李孟凝

摘? 要：本文著眼于滬港通開通前后，內(nèi)地與香港股市間波動關(guān)聯(lián)性變化，采用分位數(shù)向量自回歸方法（QVAR），探究不同波動率水平下兩地股票市場的波動性變化。研究發(fā)現(xiàn)內(nèi)地市場在互聯(lián)互通開通后，在各個(gè)波動率分位上都對對香港市場產(chǎn)生了顯著的影響，而港市對內(nèi)地影響僅在較低波動率水平上顯著。但從影響程度上看，內(nèi)地市場受香港股市傳導(dǎo)而來的波動影響更為劇烈。

關(guān)鍵詞：互聯(lián)互通機(jī)制;波動關(guān)聯(lián)性;分位數(shù)向量自回歸

1引言

2014年11月首次搭建內(nèi)地和香港資本市場互聯(lián)互通管道的“滬港通”開始實(shí)施，邁出了從滬港市場雙向開放到金融市場國際化的里程碑式的步伐。2016年“深港通”的開通，進(jìn)一步的擴(kuò)大我國資本市場的雙向開放。資本市場的全球化是不可阻擋的時(shí)代浪潮，互聯(lián)互通政策使得滬深港三個(gè)市場的聯(lián)系更加密切，也讓信息在三個(gè)股票市場之間快速傳遞，股票市場之間產(chǎn)生波動關(guān)聯(lián)性成為了學(xué)界關(guān)注的熱點(diǎn)話題。

但是，AH股兩地上市公司之間的股票溢價(jià)，并沒有隨著“滬港通”的啟動出現(xiàn)迅速的價(jià)差收攏，互聯(lián)互通的有效性存疑。不少學(xué)者使用VAR模型研究多市場間的關(guān)聯(lián)性，但這僅能測度平均程度上的波動關(guān)聯(lián)。因此，本文選擇使用QVAR模型，研究互聯(lián)互通機(jī)制下滬港股市的波動關(guān)聯(lián)性。

2文獻(xiàn)回顧

Huo和Ahmed（2016）選取滬港通政策開通后9個(gè)月內(nèi)的寬基指數(shù)的高頻數(shù)據(jù)，通過建立GJR-GARCH和BEKK-GARCH模型的方法，發(fā)現(xiàn)在分鐘級別上上海股票市場對香港股票市場的引導(dǎo)作用有明顯加強(qiáng)，揭示了市場從波動性和均值維度都有不同程度的溢出現(xiàn)象，得出了對外開放加強(qiáng)了A股在國際上的影響力的結(jié)論。Habiba等（2020）通過建立二元EGARCH模型研究美股市場和南亞股市的之間的波動關(guān)聯(lián)，結(jié)果表明在金融危機(jī)發(fā)生時(shí)兩個(gè)股票市場之間的波動溢出大于非危機(jī)時(shí)期。

國內(nèi)學(xué)者方面，張昭等（2014）選取滬港通開通前和開通后上證和恒生指數(shù)構(gòu)建不同的波動性指標(biāo)，通過向量自回歸的格蘭杰因果檢驗(yàn)進(jìn)行研究，發(fā)現(xiàn)滬港通開通增加了滬港兩市之間的聯(lián)動性。龐海峰等（2017）采用t-Copula函數(shù)對深港通政策實(shí)施前后上海股票市場和香港股票市場的相關(guān)性進(jìn)行研究，實(shí)證發(fā)現(xiàn)上海股票市場和香港股票市場一直存在正向的相關(guān)關(guān)系，而且這個(gè)相關(guān)系數(shù)比較小，但是深港通實(shí)施后，上海股票市場和香港股票市場的相關(guān)性降低了。

總得來看，學(xué)者們使用了多種多樣的方法研究市場間的波動關(guān)聯(lián)性問題，但尚未有文獻(xiàn)使用QVAR模型對中國互聯(lián)互通前后內(nèi)地和香港股市的關(guān)聯(lián)性進(jìn)行研究。

3模型設(shè)定與數(shù)據(jù)來源

3.1數(shù)據(jù)來源

本文選擇上證A股指數(shù)和恒生指數(shù)2012年1月5日到2018年12月28日間的日度交易數(shù)據(jù)進(jìn)行研究，數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。本文參考鐘伶穎（2018）的做法，選用股票價(jià)格振幅來研究股票波動性。如（1）式所示，波動性指標(biāo)Amt等于當(dāng)日的最高價(jià)減去股票當(dāng)日的最低價(jià)，再除以前一個(gè)交易日的收盤價(jià)

本文為了去除滬深港通開通前政策預(yù)期的復(fù)雜影響，避免滬深港通開通前相關(guān)信息引起的股市波動，同時(shí)更好的說明互聯(lián)互通機(jī)制影響的前后對比，研究中剔除了從滬港通預(yù)期開通到深港通計(jì)劃實(shí)施之間的數(shù)據(jù)。將余下數(shù)據(jù)分為實(shí)驗(yàn)組和對照組，以2012年1月5日的到2013年12月31日作為滬港通開通前的對照組數(shù)據(jù)，以2016年1月4日的到2018年12月28日的數(shù)據(jù)作為滬港通開通后的實(shí)驗(yàn)組數(shù)據(jù)。

3.2分位數(shù)向量自回歸模型

有別于OLS框架下以殘差平方和為最小目標(biāo)函數(shù)的回歸分析，分位數(shù)回歸QR不易受到數(shù)據(jù)中的極端值的干擾，相對而言結(jié)果更加穩(wěn)健。在估計(jì)量的意義方面，經(jīng)典的最小二乘分析得到的估計(jì)系數(shù)反應(yīng)的是被解釋變量期望對解釋變量的響應(yīng)，即均值意義上的影響;但分位數(shù)回歸的估計(jì)系數(shù)能夠提供被解釋變量條件分布的完整信息。傳統(tǒng)的回歸分析只能得到因變量的平均趨勢，但分位數(shù)回歸可以進(jìn)一步推論因變量的條件概率分布。

本文參考Chen L等（2018）通過QVAR模型研究投資者情緒對滬深300指數(shù)影響的建模方法，建立如下QVAR模型研究互聯(lián)互通影響效應(yīng)的條件分布：

（2）式中變量選取恒生指數(shù)作為港股市場的代表，上證指數(shù)作為內(nèi)地股市的代表，根據(jù)（1）式計(jì)算波動率的時(shí)間序列和。和分別為港股市場和上證市場波動率的條件分位數(shù)，取為十分位數(shù)進(jìn)行刻畫。為模型的滯后階，T為時(shí)間序列樣本數(shù)。通過對（2）式內(nèi)等號右側(cè)第二項(xiàng)的系數(shù)估計(jì)，可以刻畫出互聯(lián)互通前后，兩地市場在不同波動率水平下互相影響效應(yīng)的條件分布，從而對內(nèi)地和香港股市的波動相關(guān)性得到一個(gè)更為立體的認(rèn)知。

4實(shí)證研究

4.1互聯(lián)互通前后波動性差異

在進(jìn)行QVAR回歸分析前，有必要直觀地了解互聯(lián)互通開通前后市場的波動性變化。本文對各市場互聯(lián)互通開通前后的波動性差異進(jìn)行了均值的非平衡t檢驗(yàn)，結(jié)果如表1所示。開通前后，上海和香港市場間的波動性均值都存在顯著差異，且都在1%水平上顯著。從均值變化上來看，內(nèi)地市場的波動性在開通后減小了，而香港市場的波動性則略有增大。從絕對值意義上來說，內(nèi)地和香港市場間的波動性水平在互聯(lián)互通開通后有趨于一致的傾向。

4.2分位數(shù)關(guān)聯(lián)性分析

本文首先通過ADF檢驗(yàn)，確定兩組實(shí)驗(yàn)數(shù)據(jù)均為平穩(wěn)的時(shí)間序列，模型中不存在因?yàn)闀r(shí)間趨勢導(dǎo)致的偽回歸問題。隨后本文根據(jù)AIC準(zhǔn)則，確定開通前后各個(gè)分位數(shù)區(qū)間上模型的最優(yōu)滯后階數(shù)，基本在1～2階左右。限于篇幅原因，相關(guān)檢驗(yàn)結(jié)果表格不在此列出

為避免極端值影響，本文對除最大和最小兩個(gè)十分位段外建立了QAVR模型，并對開通前后兩市場間相互影響情況進(jìn)行了格蘭杰因果檢驗(yàn)，結(jié)果如表2所示。從表2可見，在互聯(lián)互通實(shí)施以前，格蘭杰檢驗(yàn)系數(shù)幾乎都不顯著，滬港市場之間幾乎沒有關(guān)聯(lián)性，僅在0.7～0.9分位區(qū)間上能觀察到滬市對港市的顯著影響。在互聯(lián)互通實(shí)施以后，滬港市場間的關(guān)聯(lián)性顯著增強(qiáng)。在全部分位數(shù)區(qū)間上，滬市對港市的檢驗(yàn)結(jié)果均顯著，滬市均是港市的格蘭杰原因。在0.2～0.5波動分位區(qū)間上，港市對滬市的檢驗(yàn)結(jié)果顯著，港市在下半波動區(qū)間內(nèi)是滬市的格蘭杰原因。

綜合互聯(lián)互通前后的分位數(shù)格蘭杰因果檢驗(yàn)結(jié)果可知，互聯(lián)互通開通前內(nèi)地和香港市場之間幾乎沒有因果關(guān)聯(lián)性?；ヂ?lián)互通開通以后滬港市場的波動關(guān)聯(lián)性顯著增強(qiáng)，上海市場的波動能夠明顯傳導(dǎo)至香港股市產(chǎn)生影響，香港市場的波動性也能夠在一些特定的波動區(qū)間內(nèi)傳導(dǎo)至內(nèi)地市場。

4.3分位數(shù)波動溢出效應(yīng)分析

本文通過建立QVAR模型，除檢驗(yàn)不同分位數(shù)區(qū)間上滬港兩市場間的關(guān)聯(lián)性以外，還估計(jì)了不同分位數(shù)區(qū)間上的模型估計(jì)系數(shù)，并刻畫出這些分位數(shù)估計(jì)系數(shù)的曲線如圖1和圖2所示。根據(jù)式（2）可知，Beta和Gamma分別代表滬市對港市和港市對滬市在不同波動率分位區(qū)間上的影響大小。

從圖1互聯(lián)互通前的分位數(shù)回歸系數(shù)曲線可知?；ヂ?lián)互通開通前，上海市場對香港市場的影響程度接近于零，僅在最高波動率分位上出現(xiàn)了一定的影響，這也與格蘭杰因果檢驗(yàn)的結(jié)果一致。香港市場對滬市的影響隨著波動率的上升而上升的正相關(guān)性，且在最高波動分位上Gamma值接近于Beta的三倍。盡管港市對滬市的格蘭杰因果關(guān)系不顯著，但港市對滬市的影響大小遠(yuǎn)大于滬市對港市的影響。這也與股票市場實(shí)操中，人們認(rèn)為A股常常在極端行情中看外部市場的臉色的印象相吻合。

從圖2互聯(lián)互通后的分位數(shù)回歸系數(shù)曲線可知，互聯(lián)互通開通后，滬港市場之間的均表現(xiàn)出正相關(guān)的影響，影響程度均隨著市場波動的增加而增加。但從系數(shù)的大小上來看，Gamma值遠(yuǎn)大于Beta的值，且Gamma在0.1波動分位上的系數(shù)大小就已經(jīng)與Beta在0.9分位上的大小相當(dāng)，說明香港市場對上海市場的影響依然遠(yuǎn)大于滬市對港市的影響。

綜合互聯(lián)互通前后的QVAR系數(shù)曲線來看，互聯(lián)互通使得兩市場間的相互影響更為劇烈。滬市對港市的波動性關(guān)聯(lián)比較顯著，但是影響程度不大。港市對滬市的波動性關(guān)聯(lián)盡管僅在部分分位數(shù)水平上顯著，在一些波動分位上關(guān)聯(lián)性不夠明確，但是影響程度要遠(yuǎn)遠(yuǎn)來得更為劇烈。

這些可能是由于互聯(lián)互通的額度限制導(dǎo)致滬市對港市的影響能力有限。另一方面，內(nèi)地股市散戶偏多和香港市場機(jī)構(gòu)主導(dǎo)的差異，可能導(dǎo)致A股市場對外來沖擊的反應(yīng)更為敏感，從而表現(xiàn)出H股市場對A股市場更劇烈的影響能力。

5結(jié)語

本文通過建立QVAR模型，分析了互聯(lián)互通開通前后滬港股市間的波動關(guān)聯(lián)性和波動溢出效應(yīng)。研究發(fā)現(xiàn)滬港通，在各個(gè)波動率分位上滬市都對對香港市場產(chǎn)生了顯著的影響，而港市對內(nèi)地影響僅在較低波動率水平上顯著。但從影響程度上看，內(nèi)地市場受香港股市傳導(dǎo)而來的波動影響更為劇烈?；ヂ?lián)互通使得內(nèi)地股票市場的對外開放程度進(jìn)一步加強(qiáng)，但也給投資者帶來了更多的外來風(fēng)險(xiǎn)。金融機(jī)構(gòu)需要關(guān)注開放政策的影響，防止外部沖擊演化為系統(tǒng)性的金融風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1]Rui Huo，Abdullahi D. Ahmed. Return and volatility spillovers effects： Evaluating the impact of Shanghai-Hong Kong Stock Connect[J]. Economic Modelling，2016，61.

[2]Umm E. Habiba，Shen Peilong，Wenlong Zhang，Kashif Hamid. International stock markets Integration and dynamics of volatility spillover between the USA and South Asian markets： evidence from Global financial crisis[J]. Journal of Asia Business Studies，2020.

[3]張昭，李安渝，秦良娟.滬港通對滬港股市聯(lián)動性的影響 [J].金融教學(xué)與研究，2014， （06）：59-62+71.

[4]龐海峰， 劉振亮， 龐舒月. 基于Copula函數(shù)的深港通開通前后滬港股市相關(guān)性分析[J]. 哈爾濱商業(yè)大學(xué)學(xué)報(bào)：社會科學(xué)版， 2017（4）：8

[5]鐘伶穎. 互聯(lián)互通機(jī)制下滬深股市波動的實(shí)證研究[D]. 湖南大學(xué)， 2018.

[6]Chen L ， Yi A . Investor Sentiment and the Basis of CSI 300 Stock Index Futures： An Empirical Study Based on QVAR Model and Quantile Regression[J]. Discrete Dynamics in Nature and Society，2018（4）：1-13.