李雙琦 朱 沙

?

股票市場與黃金市場的波動溢出效應
——基于滬深港股票市場和世界黃金市場數(shù)據(jù)

李雙琦 朱 沙

（重慶工商大學財政金融學院，重慶 400067）

通過把世界黃金現(xiàn)貨市場抽象成國際金融市場，用三元GARCH-BEKK（1，1）模型研究中國股票市場與香港股票市場及國際金融市場的波動溢出效應，進一步用三元DCC-GARCH（1，1）模型的動態(tài)相關系數(shù)刻畫波動溢出效應的程度，從而將三者的波動溢出效應的定性分析和定量分析結(jié)合起來，結(jié)果發(fā)現(xiàn)滬深股票市場與香港股票市場、世界黃金現(xiàn)貨市場存在雙向波動溢出效應，香港股票市場與世界黃金現(xiàn)貨市場不存在波動溢出效應，進而對完善我國金融市場且為投資者的投資提供借鑒。

股票市場；黃金市場；波動溢出；GARCH-BEKK；DCC-GARCH

一、引 言

為了適應資本市場發(fā)展的新形勢，2005年9月4日，證監(jiān)會發(fā)布了《上市公司股權(quán)分置改革管理辦法》。由此，我國的股權(quán)分置改革進入了正式實施階段，股票市場的流通性也增強了。于是，作為中國金融市場縮影的股票市場，與其他金融市場的聯(lián)系逐漸加強，不再是一個相對獨立的市場。2007年8月美國次貸危機引發(fā)的金融危機席卷全球，并波及到中國金融市場，而其影響的程度是由中國金融市場與國外波動溢出效應決定的。2014年11月17日，作為中國證券市場多層次、國際化發(fā)展重要舉措的滬港通開始實施，滬深股票與香港股票關聯(lián)性的變化，以及滬深股市與香港股市、國外金融市場的波動呈現(xiàn)的變化，對我國證券市場的穩(wěn)定和健康發(fā)展都有深刻影響。厘清中國金融市場與其他金融市場之間的波動溢出效應，對處在經(jīng)濟全球化、利率市場化和人民幣國際化進程中的中國，具有重要的理論與實踐意義。

二、文獻綜述

金融時間序列作為高頻時間數(shù)據(jù)，金融變量的時間序列通常存在條件異方差，在研究其波動時，最常用的是ARCH模型和GARCH模型。但在研究金融變量相關性時，由于一元GARCH模型存在短板，大量學者便嘗試用多元GARCH模型來解決這一問題，從此多元GARCH模型出現(xiàn)多種形式：Bollerslev、Engel和Wooldridge（1998）提出了VECH模型；Engle R.F. and K.F. Kroner（1995）提出了BEKK模型；Bollerslev（1990）提出了CCC-GARCH模型；Engle R. F.和Sheppard（2002）為解決高頻金融數(shù)據(jù)為常相關系數(shù)的不合理假定，在CCC-GARCH的基礎上提出了DCC-GARCH模型。自Ross（1990）提出“波動溢出效應”的定義（一個市場的波動不僅對自身未來波動有影響，還可能對其他市場未來的波動產(chǎn)生影響）以來，眾多國內(nèi)外學者對各種不同金融市場之間的波動溢出效應做出了實證研究。

Dajcman、Silvo、Festic、Mejra（2012）[1]采用DCC-GARCH模型研究了斯洛文尼亞和其他國家（英國、德國、法國、澳大利、匈牙利和捷克）股票市場之間的波動溢出性。結(jié)果表明，斯洛文尼亞與這些國家之間存在顯著的波動溢出效應。Tan Bee Huen、Arsad、Zainudin、Ooi Po Chun（2014）[2]利用GARCH-BEKK模型對2個發(fā)展中國家（馬來西亞和中國）與2個發(fā)達國家（日本和美國）股票市場波動溢出效應進行的實證研究表明，發(fā)展中國家的股票市場與發(fā)達國家的股票市場存在雙向溢出效應。龔樸、李夢玄（2008）[3]采用基于加權(quán)CCF的方差Granger因果檢驗方法，分析了上證指數(shù)、恒生指數(shù)收益序列的波動溢出效應，并通過BEKK模型對兩序列間的時變相關性進行了實證，結(jié)果表明兩股市之間不存在顯著的波動溢出效應；盡管兩股市的聯(lián)系和聯(lián)動性相對較弱，但有逐漸增大的趨勢。董秀良、吳仁水（2008）[4]采用DCC-GARCH模型對我國滬深A、B股市場之間相關性的研究表明，滬深兩市A、B股之間的相關系數(shù)總體為正，并具有明顯的時變特征，而且滬深A、B市場之間的一體化程度正日趨增強，不過在處于相對高位之后并沒有呈現(xiàn)出進一步提高趨勢，股市場動態(tài)相關系數(shù)還相對低，市場分割特征仍然明顯。董秀良、曹鳳岐（2009）[5]采用多元GARCH-BEKK模型，以美國、日本、香港和我國滬市作為研究對象，對國內(nèi)外股市波動溢出關系進行的研究發(fā)現(xiàn)，只有香港股市對滬市具有顯著的波動溢出，美、日股市對滬市的波動溢出則不顯著，但由于美、日股市波動可以借助對香港股市波動的影響間接地引起我國滬市的波動。姚瓊（2012）[6]以滬深港三地股票市場指數(shù)數(shù)據(jù)為樣本，通過構(gòu)建三元GJR-GARCH- DCC模型對滬深港股市之間的聯(lián)動效應進行的實證分析表明，滬深港股市之間存在明顯的聯(lián)動性，股權(quán)分置改革之后，中國內(nèi)地股市更加國際化，市場之間的關系存在非對稱性，滬市在三個市場之間已經(jīng)起到了主導作用，市場間的動態(tài)相關性呈現(xiàn)增加的趨勢。劉冠國（2013）[7]李永濤以上海黃金交易所的黃金現(xiàn)貨AU9995和上證指數(shù)為對象，通過建立GARCH-BEKK模型進行的實證研究發(fā)現(xiàn)，兩個市場收益率之間存在顯著的雙向波動溢出效應。

綜上所述，國外學者的研究涉及中國股票市場較少，而國內(nèi)學者的研究大多集中在國內(nèi)或國外金融市場，對中外股市波動相關關系的研究不多。隨著“滬港通”的正式實施，中國大陸股票市場與香港股票市場之間乃至世界金融市場的波動溢出性逐漸成為熱點，也為本文的研究提供了方向。

三、實證分析

（一）數(shù)據(jù)的處理

本文選取滬深300指數(shù)（HS300）、香港恒生指數(shù)（HIS）、世界黃金現(xiàn)貨指數(shù)（GGP）的收盤價，并以其收益率作為研究對象，樣本區(qū)間為2007年7月16日—2015年7月16日。選HS300指數(shù)而不單獨選取上證指數(shù)是因為“滬港通”的正式實施表面上對滬市影響更大，但大量學者的研究表明深滬兩市具有高度聯(lián)動性，HS300作為跨市場指數(shù)能夠反映滬深市場整體走勢，從而代表中國內(nèi)地股票市場的整體情況。由于三個指數(shù)所在市場交易日期上有差異，為了各交易市場數(shù)據(jù)的同步性，刪除各市場間不一致的交易數(shù)據(jù)，保留交易日期相同的數(shù)據(jù)。在計算指數(shù)收益率的時候采用來計算相應指數(shù)日收益率，其中為股票指數(shù)在該交易日的日收益率，與分別表示該交易日的收盤指數(shù)和前一個交易日的收盤指數(shù)，每個股指數(shù)得到的收益率序列包含1 895個交易數(shù)據(jù)，所有數(shù)據(jù)均來自于Wind數(shù)據(jù)庫。本文數(shù)據(jù)描述和檢驗通過Eviews 7.0實現(xiàn)，GARCH-BEKK（1，1）和DCC-GARCH（1，1）模型的極大似然估計法的參數(shù)估計、檢驗及繪圖通過Winrats8.0編程實現(xiàn)。

（二）數(shù)據(jù)的描述性統(tǒng)計

通過Eviews 7.0對滬深300指數(shù)（HS300）、香港恒生指數(shù)（HIS）、世界黃金現(xiàn)貨指數(shù)（GGP）的收益率XHS300、XHSI、XGGP進行統(tǒng)計可得：其均值分別為4.00E-05、4.18E-05、0.000 287，標準差分別為0.019 254、0.017 055、0.012 935，可以看出恒生指數(shù)的收益率相對較大，滬深300指數(shù)收益率波動相對較大；其偏度分別為-0.266 143、0.001 019、0.202 114，峰度分別為5.586 274、11.583 48、8.973 868，J-B統(tǒng)計量分別為550.281 3、5 814.274、2 829.202，說明收益率序列均服從尖峰厚尾且左拖尾分布，而非正態(tài)分布。通過觀察XHS300、XHSI、XGGP的時序圖可以發(fā)現(xiàn)均存在群聚波動現(xiàn)象。

（三）收益率的假設檢驗

為了避免出現(xiàn)偽回歸現(xiàn)象，本文采用ADF檢驗對XHS300、XHSI、XGGP數(shù)據(jù)的平穩(wěn)性進行了檢驗，ADF統(tǒng)計量的值分別為-42.175 74、-44.754 39、-42.889 51均小于5%顯著性水平下的臨界值-2.862 864，于是拒絕“存在一個單位根”的原假設，也即是說XHS300、XHSI、XGGP均為平穩(wěn)時間序列。

從XHS300、XHSI、XGGP自相關圖和偏自相關圖可看出，三個收益率均存在序列相關性，結(jié)合AIC準則和SC準則的值最小原則對三個時間序列做最小二乘估計，選擇最佳滯后期分別為6、8、16。

表1 AR模型參數(shù)估計

AR參數(shù)估計t-statisticP-value XHS300=-0.065 32AR(6) + ε1-2.835 4490.004 6 XHSI=0.051 193AR(8) + ε22.215 4610.026 8 XGGP=-0.072 549AR(16) + ε3-3.154 0690.001 6

從相伴概率可以看出，在5%顯著性水平下，其參數(shù)估計均是顯著的。先分別對殘差1、2、3做序列相關檢驗（LM檢驗），其Obs*R-squared的值分別為4.121 878、1.805 579、0.000 000，其相伴概率分別為0.127 3、0.405 4、1.000 0均大于0.05，即在5%顯著性水平下，三個自回歸方程不存在序列相關。然后分別對殘差1、2、3做ARCH效應檢驗，其Obs*R-squared的值分別為45.654 42、307.055 4、23.807 51，其相伴概率均為0.000 0均小于0.05，即在5%顯著性水平下，三個自回歸方程均存在ARCH效應。

四、模型實證分析

（一）GARCH-BEKK（1，1）模型

1．GARCH-BEKK（1，1）模型構(gòu)建

本文采用Engle R. F. and K. F. Kroner1995年提出的GARCH-BEKK模型的三元BEKK（1，1）形式，其優(yōu)點是可以在很弱的條件下保證協(xié)方差矩陣的正定性且需要估計的參數(shù)較少，因此在分析實際問題時，該模型是一種簡便的表達式。假設有A、B、C兩個市場，其三元BEKK（1，l）模型的形式如下：

（2）

其中，X為金融變量的收益率，（）為收益率的滯后期值。H為誤差項ε的3×3階條件方差及協(xié)方差矩陣。是3階下三角參數(shù)矩陣，和是3×3階參數(shù)矩陣，表示條件方差方程的常數(shù)項部分，和分別代表ARCH項、GARCH項的系數(shù)。

本文利用向量VAR模型建立均值方程，通過AIC準則SC準則并結(jié)合LM統(tǒng)計量確定最優(yōu)滯后階數(shù)，經(jīng)過試算比較發(fā)現(xiàn)：滬深股市、香港股市、世界現(xiàn)貨黃金市場適合采用均值方程右邊VAR（1）的形式，滯后項分別為AR（6）、AR（19）、AR（16）；運用極大似然估計法對上述建立的向量形式的BEKK（1，1）形式的方差方程進行估計方差方程的參數(shù)估計（見表2）。

表2 GARCH-BEKK（1，1）參數(shù)估計

GARCH-BEKK（1，1） XHS300-XHSI- XGGP（1-2-3） 矩陣元素CAB （1，1）0.001 130 214（2.758 99）0.130 544 993（6.787 89）0.998 008 637（232.993 37） （1，2）0-0.109 437 867（-6.137 99）0.034 642 837（6.412 43） （1，3）0-0.005 189 012（-0.359 43）0.007 796 009（2.052 89） （2，1）0.000 031 631（0.042 89）0.092 786 178（3.345 22）-0.039 859 918（-4.131 14） （2，2）0.001 456 02（3.076 73）0.306 138 424（12.543 26）0.940 343 596（115.576 36） （2，3）0-0.0331 113 08（-1.669 61）0.0087 980 66（1.380 74） （3，1）-0.000 711 429（-1.411 31）0.051 092 128（2.374 71）-0.015 300 018（-2.114 19） （3，2）-0.000 250 696（-0.411 71）0.050 550 136（2.333 18）-0.015 138 456（-1.947 25） （3，3）0.001 388 040（3.956 24）0.190 792 446（10.698 80）0.971 808 456（187.603 10）

2．滬深股市、香港股市、世界現(xiàn)貨黃金市場波動溢出

從表3看出：對參數(shù)未施加任何限制的BEKK模型的估計結(jié)果中方差方程ARCH項系數(shù)矩陣和GARCH項系數(shù)矩陣的對角元素、、、、、，在5%顯著性水平下顯著不為0，說明每個市場的波動均受自身以往波動的影響，波動聚類性顯著。

市場間波動溢出的檢驗結(jié)果表明：對于滬深股市和香港股市來說，三個Wald檢驗的相伴概率均小于0.05，說明在5%顯著性水平下拒絕原假設，即滬深股市對香港股市存在雙向波動溢出；對于滬深股市和世界現(xiàn)貨黃金市場來說，三個Wald檢驗的相伴概率也均小于0.05，說明在5%顯著性水平下，滬深股市與世界現(xiàn)貨黃金市場之間存在雙向波動溢出。對于香港股市與世界現(xiàn)貨黃金市場來說，三個Wald檢驗的相伴概率均大于0.05，說明在5%顯著性水平下不能拒絕原假設，即香港股市與世界現(xiàn)貨黃金市場之間不存在波動溢出。

綜上可見，滬深股市的波動與香港股市、世界黃金現(xiàn)貨市場均存在雙向波動溢出，并受自身前期波動的顯著影響。這可能是由于國內(nèi)一系列金融市場改革措施的實施，加強了中國金融市場與國際金融市場的聯(lián)動性。2005年9月4日，證監(jiān)會發(fā)布《上市公司股權(quán)分置改革管理辦法》，我國的股權(quán)分置改革進入實施階段，中國股票市場流通性變得更強，中國股票市場作為中國金融市場的縮影不再是一個相對獨立的市場，與其他金融市場的聯(lián)系逐漸加強。2007年8月美國“次貸”危機引發(fā)的金融危機席卷全球，中國金融市場也遭受了金融危機引發(fā)的經(jīng)濟疲軟所帶來的沖擊。2014年11月17日滬港通開始實施，這是中國為適應資本市場發(fā)展的新形勢，在經(jīng)濟全球化、利率市場化和人民幣國際化背景下，提出開放金融市場的新舉措。香港作為全球重要的金融中心，香港黃金市場也作為全球幾大黃金市場之一，香港股市與世界現(xiàn)貨黃金市場之間不存在波動溢出，初步判斷這可能是由于香港股票市場與香港黃金市場的波動溢出更加明顯，而與世界黃金市場的波動溢出不顯著，香港股票市場與世界黃金市場的波動溢出是一種間接影響關系的信號，比如香港股票市場與世界黃金市場的波動溢出效應是借助對其它金融市場的影響而產(chǎn)生的，并非兩個市場之間波動毫無影響，只是在確定的顯著水平下不明顯而已。

表3 Wald檢驗

原假設Wald A（1，2）=B（1，2）=A（2，1）=B（2，1）=0A（1，2）=B（1，2）=0A（2，1）=B（2，1）=0F（4，*）=11.449 93 [0.000 000 00] F（2，*）=22.772 50 [0.000 000 00] F（2，*）=8.766 59 [0.000 155 85] A（1，3）=B（1，3）=A（3，1）=B（3，1）=0A（1，3）=B（1，3）=0A（3，1）=B（3，1）=0F（4，*）=3.679 31 [0.005 325 12] F（2，*）=4.392 38 [0.012 371 30] F（2，*）=3.104 90 [0.044 829 06] A（2，3）=B（2，3）= A（3，2）=B（3，2）=0A（2，3）=B（2，3）=0A（3，2）=B（3，2）=0F（4，*）=1.791 75 [0.127 321 51] F（2，*）=1.398 00 [0.247 090 85] F（2，*）=2.951 56 [0.052 258 27] A（1，1）=B（1，1）=0A（2，2）=B（2，2）=0A（3，3）=B（3，3）=0F（2，*）=990 41.736 27 [0.000 000 00] F（2，*）=79.145 57 [0.000 000 00] F（2，*）=484 57.546 19 [0.000 000 00]

（二）DCC-GARCH（1，1）模型

1．DCC-GARCH（1，1）模型構(gòu)建

DCC-GARCH模型，即動態(tài)條件相關多變量廣義自回歸異方差模型，與其他模型比相比最大的特點是相關系數(shù)隨時間變化而變化。DCC-GACH模型通常通過兩步來估計：第一步對各變量做GARCH（1，1）模型，用獲得的條件方差去除殘差得到標準化殘差，第二步以此標準化殘差利用極大似然估計法估計動態(tài)相關結(jié)構(gòu)的參數(shù)。在Engle和Sheppard（2002）提出的二元DCC-GARCH模型基礎上，本文采用三元DCC-GARCH（1，1）模型，動態(tài)相關設定形式為：

表4 DCC-GARCH（1，1）模型的參數(shù)估計

CABDCC （1）2.348 36e-006（2.755 46）0.053 45（7.241 24）0.940 51（115.455 39）0.007 88（1.437 44） （2）2.491 76e-006（3.621 41）0.071 05（7.490 55）0.917 30（85.067 56）0.931 93（16.232 32） （3）2.641 74e-006（3.212 73）0.058 66（6.026 50）0.925 92（73.869 87）

基于DCC（1，1）-GARCH（1，1）模型，得到滬深股市、香港股市、世界現(xiàn)貨黃金市場市場收益率的動態(tài)異方差（見表4）。由表3可知：（）表示ARCH項系數(shù)，（）表示GARCH項系數(shù)，（）+（）<1符合約束條件，（）+（）表示收益率波動的持續(xù)性，由此可見三個市場波動的持續(xù)性都很強；（）體現(xiàn)了滯后一期的標準化殘差乘積對動態(tài)相關系數(shù)的影響，其含義為現(xiàn)有信息對下一期波動性的影響程度，數(shù)值越高說明該股市對新信息的敏感度越高，（）在（0.05，0.08）區(qū)間范圍之內(nèi)，表明三個市場收益率本期的動態(tài)異方差受其前期均值殘差平方的影響較小；（）接近于1，表明三個市場收益率的本期的動態(tài)異方差主要依賴與其前期的動態(tài)異方差。此外，整個DCC 模型的參數(shù)分別為ARCH項系數(shù)DCC（1）為0.007 88，GARCH項系數(shù)DCC（2）為0.931 93，整體上看對新信息的敏感程度并不強，但在波動的持續(xù)性上，DCC（1）+ DCC（2）= 0.939 81表現(xiàn)出較高的波動持續(xù)性。

2．動態(tài)相關系數(shù)分析

從圖1到圖3（圖見下頁）的動態(tài)相關系數(shù)路徑圖可以得出以下幾個結(jié)論。

第一，HS300收益率與HSI收益率以及HS300收益率與GGP收益率之間的動態(tài)相關系數(shù)的時變趨勢基本保持一致；HSI收益率與GGP收益率的動態(tài)相關系數(shù)大體趨勢也基本一致，只是波動幅度和方向在部分時段發(fā)生了扭曲。

第二，HS300收益率與HSI收益率之間表現(xiàn)出較高的聯(lián)動性，在“滬港通”實施前聯(lián)動性也較穩(wěn)定，動態(tài)相關系數(shù)一直在（0.3，0.7）的區(qū)間內(nèi)波動，滬港通”實施后HS300收益率與HSI收益率動態(tài)相關系數(shù)成下降趨勢，可能源于兩個市場結(jié)構(gòu)差異逐漸顯現(xiàn)，而且中國股票市場依舊沒有擺脫“政策市”的影響，股票市場依舊不健全，投資者的投機心理對市場的影響較大；HS300收益率與GGP收益率的動態(tài)相關系數(shù)在（-0.05，0.1）區(qū)間范圍內(nèi)波動，甚至出現(xiàn)波動聚集現(xiàn)象，但其聯(lián)動性較低；HSI收益率與GGP收益率的動態(tài)相關系數(shù)將樣本分成3個區(qū)間段：2007年7月—2011年9月、2011年9月—2014年9月、2014年7月—2015年7月，其波動區(qū)間分別為（0，0.1）（-0.05，0）（0，0.05），其相關性程度較低，從另一個角度看，構(gòu)建不同市場間的投資組合可以達到分散風險的作用，因此不可忽低相關和負相關的波動的市場。

第三，雖然滬深股票市場與香港股票市場、世界黃金市場之間的聯(lián)動性不算太高，但是滬深股票市場與香港股票市場聯(lián)動性遠遠高于強于滬深股票市場與世界黃金市場之間的聯(lián)動性。

動態(tài)條件相關系數(shù)是描述金融市場之間的走勢趨同程度高低的重要指標，動態(tài)條件相關系數(shù)高說明市場之間走勢趨同程度大，市場一體化高，反之說明二者市場走勢有較大的偏離，存在市場分割效應。由上述分析可知：中國金融市場沒有表現(xiàn)出與其他金融市場高度相關，一方面金融監(jiān)管部門的政策影響依然較大，投資者主要以投機為主，沒有形成中長期投資的成長理念；另一方面，匯率也是不可忽略的因素，我國自2005年匯率改革以來，人民幣一直保持著升值的趨勢，國內(nèi)人在投資國際金融資產(chǎn)時需要承擔一定的匯率風險，造成了一定程度市場分割。

圖1 HS300收益率與HSI收益率的動態(tài)相關系數(shù)

根據(jù)現(xiàn)代社會對于慈善的判定標準，義演本身作為一種文藝形式，在無形之中就起到了教育和促進文化傳播的作用。上文中已經(jīng)提到，民國初年，一些從西方留學歸來的知識分子將具有西方文化特征的戲劇和話劇等表演形式帶回中國，經(jīng)過戲劇改良產(chǎn)生了文明戲等近代劇種，帶有字幕的電影在近代都市社會也被頻繁地搬演到慈善義演的舞臺?，F(xiàn)代文明戲劇的推廣和播放帶有字幕的電影等文藝形式，推廣了白話文，傳播了平等文明的觀念，這一切活動都具有傳播現(xiàn)代教育理念、發(fā)展科學文化、使社會文明開化的功能，所以，帶有近代文明特征的義演活動直接或間接地推動了近代社會教育和文化的發(fā)展，構(gòu)成了慈善的第二重效益。

圖2 HS300收益率與GGP收益率的動態(tài)相關系數(shù)

圖3 HSI收益率與GGP收益率的動態(tài)相關系數(shù)

五、結(jié) 論

本文通過把世界黃金現(xiàn)貨市場抽象成國際金融市場，用三元GARCH-BEKK（1，1）模型研究中國滬深股票市場與香港股票市場及國際金融的波動溢出效應，結(jié)果滬深股票市場與香港股票市場、世界黃金現(xiàn)貨市場存在雙向波動溢出效應，香港股票市場與世界黃金現(xiàn)貨市場不存在波動溢出效應。進一步用三元DCC-GARCH（1，1）模型的時變相關系數(shù)刻畫波動溢出效應的程度，滬深股票市場與香港股票市場、世界黃金市場之間的聯(lián)動性不算太高，但是滬深股票市場與香港股票市場聯(lián)動性遠遠高于強于滬深股票市場數(shù)與世界黃金市場之間的聯(lián)動性；香港股票市場與世界黃金市場的動態(tài)相關系數(shù)處于低水平，甚至出現(xiàn)負相關的波動形態(tài)。

隨著“滬港通”正式實施，經(jīng)濟全球化、利率市場化和人民幣國際化進程不斷深入，資本雙向流動會更加頻繁。此外，中國金融市場對外開放程度提高，中國國內(nèi)金融市場與國際金融市場的波動溢出可能會進一步顯著起來?；谝陨蠈嵶C研究結(jié)果，波動溢出效應和動態(tài)相關性，可以得到以下啟示。

第一，我國金融監(jiān)管部門應該逐步轉(zhuǎn)變政府職能，應當進一步加強金融市場競爭機制，逐步減少政策干預，逐步增加不同種類和風險程度的金融衍生工具，逐步開放資本市場以適應經(jīng)濟全球化的必然趨勢，加強國際金融合作應對全球化金融危機沖擊，培育健康的國內(nèi)、國際金融環(huán)境。

第三，隨著我國金融市場全球化趨勢的加強，投資者要充分考慮不同金融市場的聯(lián)動性和動態(tài)相關性，在進行定性和定量分析基礎上，可利用不同的低波動溢出效應和負相關性市場進行跨市場資產(chǎn)以達到資產(chǎn)組合的有效配置從而制定更理性的量化投資策略，分散投資風險，減少投資策略不當而造成不必要的損失。

[1] Dajcman, Silvo, Festic,Mejra. Interdependence between the Slovenian and European Stock Markets-A DCC-GARCH Analysis[J],Ekonomska Istrazivanja/Economic Research, 2012(2)：379-395.

[2] Tan Bee Huen, Arsad, Zainudin, Ooi Po Chun .Spillovers Among Regional And International Stock Markets[J].AIP Conference Proceedings. 2014, Vol. 1605: 828-833.

[3] 龔樸，李夢玄.滬港股市的波動溢出和時變相關性研究[J].管理學報，2008（1）：96-100.

[4] 董秀良，吳仁水.基于DCC-MARCH模型的中國A、B股市場相關性及其解釋[J].中國軟科學，2008（7）：125-133.

[5] 董秀良，曹鳳岐.國內(nèi)外股市波動溢出效應—基于多元GARCH模型的實證研究[J].數(shù)理統(tǒng)計與管理，2009（1）：1091-1099.

[6] 姚瓊.基于GJR-GARCH-DCC模型的滬深港股市的聯(lián)動性研究[J].中南財經(jīng)政法大學研究生學報，2012（6）：85-93.

[7] 劉冠國.中國黃金市場和股票市場之間波動溢出效應研究[J].理論學刊，2013（11）：47-51.

[8] 張心培，王峰.“滬港通”波動溢出效應研究——基于DCC-MVGARCH模型的實證分析[J].河北金融，2015（5）：20-23.

（責任編輯：于開紅）

朱 沙（1979-），男，四川成都人，重慶工商大學財政金融學院副教授，博士，主要研究金融市場。

The Volatility Spillover Effect between Stock Market and Gold Market Based on the Data of Shanghai, Shenzhen and Hong Kong Stock Market and Global Gold Market

LI Shuangqi ZHU Sha

(School of Finance, Chongqing Technology and Business University, Chongqing 400067)

This paper, abstracting global spot gold market from the international financial market, investigated the volatility spillover effect of Chinese stock market, the Hong Kong stock market and financial market by ternary GARCH-BEKK (1, 1) model. And the author chooses dynamic correlation coefficient of ternary DCC-GARCH (1, 1) with the degree of correlation model to portray the degree of volatility spillover effect so that combining qualitative analysis of volatility spillover effect among the three markets and quantitative analysis can be made. The result shows that there exists bidirectional volatility spillover effect between the Shanghai stock market, Shenzhen stock market and the Hong Kong stock market as well as global gold spot market. In addition, there does not exist volatility spillover effect between Hong Kong stock market and global gold spot market. Finally, this paper aims at improving the Chinese financial market and providing reference for investors.

Stock market; gold market; volatility spillover; GARCH-BEKK; DCC-GARCH

F830.9；F222.3

A

1009-8135（2016）02-0073-07

2015-12-01

李雙琦（1990-），男，湖北武漢人，重慶工商大學金融學2014級碩士研究生，主要研究投資學。

2015年重慶市教委科技項目“基于粒子群的金融投資組合問題研究”（KJ1500618）階段性成果