王珍　唐韻捷　楊光

摘要：本次研究運用向量自回歸模型對波羅的海指數與上證A50指數進行分析，以金融危機作為時間節(jié)點，研究航運干散貨市場與中國股票市場之間在不同時段的信息溢出現象。結論表示，航運干散貨市場與中國股票市場之間具有較強的相關性并存在信息溢出效應；同時這種信息溢出效應作為兩個市場之間的重要的紐帶對制定海運運價有著較大的影響力，也可以對金融資產的定價提供依據。

關鍵詞：DCC-GARCH VAR BDI SZZS 動態(tài)關系

0 引 言

在較早的外文文獻中許多的研究已經證實了金融市場與實體經濟活動之間存在著不可忽略的相關性：1973年McKinnon[1]和Shaw[2]推斷出金融市場對于實體經濟具有較為重要的意義。之后Bencivenga， Smith，和Starr[3]和Levine和Zervos[4]多次論證了這一觀點。1980年Ross[5]，Roll和Chen[6]論述了他們的看法：從宏觀角度看來，金融的發(fā)展在較大的程度上影響了實體經濟，然而實體經濟對于金融也存在相當的影響力，兩者密不可分。1986年Roll和Ross[7]進一步論述了實體經濟通過直接影響資產的價格從對資本市場有著一定成都上的間接影響。

本文旨在探究航運干散貨市場和中國股票市場之間的一個動態(tài)關系，本研究領域中航運干散貨市場和中國股票市場分別代表的實體經濟和資本市場基準的行為，并針對這兩個市場的相互依賴性，構建相關研究模型來確保任何金融市場和實體經濟結構之間的關系的線索都可以為投資者提供信息。同時，2009年的全球經濟危機對市場之間的相關性的影響，引起了國內外眾多學者的關注。例如黃飛雪等[8]將全球經濟危機視為全球股市聯動性變化節(jié)點，論證了金融危機之后全球金融股票市場的相關性有了較大的提升。此外，美國股票市場對于全球股市的影響力有所降低。張瑩毓[9]基于CMOT、DCE和TOCOM玉米期貨市場考察金融危機前后中國市場對國際市場的影響力，并論證了中國市場的地位在金融危機之后有了較大的提升。ElieBouri（2015）[10]選取了2003年至2014年的約旦股票市場的對數回報率與全球原油價格來進行信息溢出的研究，并以2008年作為分界點，區(qū)別金融危機的前后時。

然而現有的市場信息溢出效應研究大多都局限于金融市場之間，例如Chiang， Jeon，和Li（2007）對關于亞洲股票進行相關性研究，發(fā)現中國，日本，韓國的股票市場具有較強的聯動性，三地股票的波動方向基本一致[11]。 Aslanidis，Osborn，和Sensier（2010）研究美國和英國資本市場，并發(fā)現兩個市場之間有較強的相關性[12]。Syllignakis和Kouretas（2011）對德國美國俄羅斯股票市場進行研究，得出兩個國家的股票市場相關系數總體為正，共同波動性較強[13]。但對金融市場與經濟市場的信息溢出效應研究較為不足。我們希望通過向量自回歸的設置，在以金融危機為節(jié)點的不同市場的風險動態(tài)的基礎上，評估中國股票市場和航運干散貨市場內生因素的互動來得到所有有用的信息并檢測兩個目標市場的相關性。

1描述性統(tǒng)計與數據檢驗

1.1數據選取

本文選取2005年1月至2015年1月的上證A50指數和波羅的海指數的每月和每季度數據作為樣本，描述十年內中國股票市場與航運干散貨市場短期和長期內的市場信息溢出效應。并以2008年9月雷曼兄弟正式破產標志的全球金融危機作為分界點，來觀察金融危機前后中國股票市場與航運干散貨市場之間的相關性變化。

1.2 描述性統(tǒng)計

表1-1顯示了不同頻率和不同階段的數據特征?？梢钥闯鰺o論是月系列還是季系列對比組中，BDI收益率的極差（最大值與最小值之差）相對上證A50指數對照組較大，這表明航運干散貨市場的波動性較為明顯；BDI的收益率波動也較為顯著，上證A50指數的波動性最為平穩(wěn)。此外，相比較金融危機前，在后階段中所有指數的波動性都有不同程度的增大。從平均數和標準差的角度看來，月系列和季系列的數據都顯示：BDI的回報率成負數，回報率不甚理想，同時市場風險較大；上證A50指數季系列回報率最佳，風險程度較低。金融危機后，BDI回報率進一步的下降，然而上證A50指數的回報率有所提高。但是兩個指數的風險程度也都隨之上升。

所有系列的偏度均小于0表明：次分布具有負偏性，其中BDI的負偏性較強；BDI收益率序列相對于其他序列有更多數值大于平均數；上證A50指數的負偏性較弱。序列的峰度的表現：序列的峰度均大于3，顯示兩個收益序列分布均有尖峰厚尾的特征，意味著序列中存在著大幅度偏離均值的異常值，由此可以看出，四個收益率序列的波動都較為劇烈，其中BDI的季收益序列表現得極為明顯。最后從JB統(tǒng)計量看出，兩個序列JB值都遠遠大于0，均不服從正態(tài)分布。

1.3平穩(wěn)性檢驗

在建立VAR模型之前，為避免導致偽回歸，需要對所有序列進行平穩(wěn)性檢驗。表1-2顯示，所有序列的檢驗值均小于5%的臨界值，并且伴隨概率皆通過檢驗，從而拒絕原假設；四個序列都通過了平穩(wěn)性檢驗。所以該樣本可以用來進行VAR模型分析。

2 市場信息溢出效應研究

接著通過建立VAR模型，利用格蘭杰因果關系檢驗、脈沖響應和方差分解方法，詳細分析股票市場與航運干散貨市場之間的信息溢出效應，并檢驗相互間的引導關系。模型的基本形式是

此外，本次研究選擇選擇向量自回歸的原因在于，它可以讓對變量的內生性約束更加少，并且可以從兩個系列之前的觀察結果中得到更加廣闊的信息回饋。向量自回歸估計至多滯后階數為8，并且根據AIC準則，SIC準則，均值等式的相關滯后階數是確定的。

采用最小二乘法來估計該VAR模型，檢驗月系列、季系列、第一階段和第二階段的VAR模型表達式。經過查表得出所有表達式中的T統(tǒng)計量均大于1%界值，該VAR模型中的參數系數都通過了顯著性檢驗。

2.1 格蘭杰因果檢驗

對航運干散貨市場和股票市場進行兩兩之間的格蘭杰因果關系檢驗，分析它們間的動態(tài)關系，以及是否存在時間上的先導和滯后關系。

（1）市場之間長期和短期的格蘭杰因果檢驗

首先針對航運干散貨市場和股票市場的在長期和短期的相關性的變化進行格蘭杰因果關系檢驗。

表2-1顯示了對BDI和上證A50指數進行兩兩之間的格蘭杰因果關系檢驗結果并發(fā)現：無論是月系列還是季系列都顯示了不同的反應。從短期看來：上證A50指數對BDI可以進行一定的解釋，其伴隨概率通過了5%和10%的檢驗。但BDI對上證A50指數無解釋能力。但從長期的角度看來：恰恰相反，看BDI之前的變化可以較好地解釋上證A50指數的變化，伴隨概率分別通過了5%的檢驗。然而上證A50指數并不是BDI的格蘭杰原因，伴隨概率均未通過10%的檢驗。

因此中國股票市場短期的波動對于航運干散貨市場的參與者來說是不得不考慮的信息，然而這樣的結論在長期角度看來卻不明顯。另一方面，從長期角度看來，波羅的海指數波動似乎更加容易解釋中國股票

市場的波動。這個結論與2004年Robert.F.Mulligan[14]針對歐洲12支航運股票與波羅的海指數相關性和2013年Oral Erdogan[15]針對波羅的海指數與道瓊指數的相關性的研究發(fā)現結果較為相似。Robert.F.Mulligan在文中指出航運公司股價雖然與運價存在著較強的正相關，但是彼此之間依然存著在長達一個月的滯后性。這是因為股價的變化中存在許多其他經濟、政策等其他因素的干擾。此外Oral Erdogan提出波羅的海指數的波動更好的解釋2個月后美國股票市場波動的原因是由于宏觀經濟環(huán)境抵抗單個因素影響能力較強，因此海運運費波動所導致的大宗物資需求變化引起的宏觀經濟的波動更新的相對較慢。此外筆者認為另一原因在于海運運費波動容易受到類似美國次貸危機事件的股票市場崩盤影響。盡管在BDI史上短時間內劇烈波動情況并不多見，但股票市場的劇烈波動通?；卦诙唐谥畠妊杆儆绊懲顿Y者信心從而直接影響大宗物資需求量。然而各支與大宗物資密切相關的行業(yè)股票需要經過較長一段時間后，受到運價連續(xù)上升或下降的影響，大宗物資的價格以及需求量開始變化，其股價也隨即開始波動。

（2）市場之間不同階段的格蘭杰因果檢驗

接著針對航運干散貨市場和中國股票市場的在金融危機前后階段相關性的變化，進行兩兩之間的格蘭杰因果關系檢驗。

從表2-2中看出：金融危機之前上證A50指數對于解釋BDI的能力較為不足。然而金融危機之后上證A50指數對于BDI的解釋能力有了較大的提升。這說明了中國元素對于世界航運產業(yè)的影響力在不斷增強。

2.2 脈沖響應函數

為了更清楚地認識月系列和季系列中波羅的海指數與上證A50指數的相互影響關系，運用脈沖響應方法進行外來沖擊分析，用以觀察VAR模型中的變量之間的動態(tài)影響關系。此外，考慮到指數引導策略的合理性，本文認為從不同時間頻率的角度比不同時間段角度更具有說服力和實用性。因此，僅針對月系列和季系列中波羅的海指數與上證A50指數進行脈沖響應函數分析。

2.3 BDI和上證A50指數的脈沖響應分析

圖2-1至圖2-4顯示了脈沖響應的結果。BDI與上證A50指數對來自不同指數變化的沖擊反應，大約在7期后消失。在月系列中，BDI對外來沖擊的反應時間長，而且反應強度大，而在季系列中，上證A50指數對來沖擊的反應時間也較長，反應強度較大。這與格蘭杰因果檢驗的結果完全符合。各個指數t+1期對自身t期一個標準差新信息反應迅速，BDI在月系列和季系列中分別為0.486和0.279，而上證A50指數在月系列和季系列中分別為0.095和0.019，這說明BDI對市場新信息的反應程度也要大于上證A50指數。此外，從圖3.7中可以看出：上證A50指數對BDI的外來沖擊在t+1期并沒有完全反應，而是在t+2期達到最大，進入t+3期后沖擊效應逐漸變小。這同樣也與股票市場與航運干散貨市場的時滯性有關。從圖3.8中，可以看出：BDI對SZ的外來沖擊在t+1期已經完全反應并緩慢下降，并于第5期消失。因此對于中國股票市場，從長期角度看來（1到2個季度），航運干散貨市場對股票市場參與者可以產出信息。另一方面，對于航運干散貨市場，在短期角度看來（2到3個月），分析股票市場動態(tài)有助于更好的預測航運干散貨市場的變化。

2.4 方差分解

不同于脈沖影響函數，方差分解是通過分析每一個結構沖擊對內生變量變化的貢獻度，以進一步評價不同結構沖擊的重要性。因此方差分解給出對VAR模型中的變量產生影響的每個隨機擾動的相對重要性的信息。

（1）月系列與季系列的方差分解分析

從表3-1可以看出：在預測月系列中，BDI對上證A50指數的解釋能力比較弱，相反上證A50指數對BDI有著比較強的解釋能力。以預測第10期為例：上證A50指數可以解釋BDI方差的11.07%；而BDI卻只能解釋上證A50指數方差的1.71%。

在預測季系列中，上證A50指數和對BDI的解釋能力比較弱，而BDI對上證A50指數的解釋能力比較強。以預測10期為例，上證A50指數僅能解釋BDI方差的5.5%，而BDI對于上證A50指數的解釋力可達34.8%。

此外，從上表中也反應出，BDI相對于上證A50指數有著更好的自我解釋能力。這或許是因為航運干散貨市場合同的特殊性如遠期運價（FFA）以及運輸貨物種類繁多，數量巨大，運力不可替代性較強等原因，以至航運干散貨市場內部的動力是不可忽略的。

（2）不同階段的方差分解分析

從表3-2可以看出：金融危機之前，上證A50指數對于BDI的解釋能力較同期解釋力僅為10.38%。然后金融危機爆發(fā)之后，上證A50指數的同期解釋力達到12.84%。其原因為：面對全球經濟的低迷，雖然我國股票市場與航運干散貨市場在金融危機之后遭受嚴重打擊，而工業(yè)化的進程并未放緩腳步，每年的國際貿易增長率遠超美國并始終維持在較高水平，而國際貿易對海上運輸的依賴性極大。因此我國經濟的晴雨表——上證A50指數與BDI的相關性有了進一步的加強。

3 結論

第一，在短期內，上證A50指數對于BDI有著較強的解釋能力；而在長期內，BDI對上證A50指數具有比較好的解釋能力。

第二，1到2個季度內航運干散貨市場的變化對中國股票市場參與者可以產出信息。另一方面，對于航運干散貨市場，2到3個月內中國股票市場動態(tài)分析有助于更好的預測航運干散貨市場的變化。

第三，相比金融危機前，上證A50指數與BDI的相關性有了進一步的提升。在國際航運干散貨的市場中，中國元素承擔著越來越重要的角色。

基于以上三點結論，本文提出，航運干散貨市場與中國股票市場之間具有較強的相關性并存在信息溢出效應；同時這種信息溢出效應作為兩個市場之間的重要的紐帶對制定海運運價有著較大的影響力，也可以對金融資產的定價提供依據。

參考文獻：

[1] McKinnon， R. I. Money and capital in economic development[M]. Brookings Institution Press. 1973.

[2] Shaw， E. S. Financial deepening in economic development[M].Oxford University Press. 1973.

[3] Bencivenga， V. R.， Smith， B. D.， & Starr， R. M. Equity markets， transactions costs， and capital accumulation： An illustration[J]， The World Bank Economic Review， 1996， 10（2）： 241-265.

[4] Levine， R.， &Zervos. Stock markets， banks， and economic growth[J]. The American Economic Review， 1998， 88（3）： 537-558.

[5] Ross， S. A. The arbitrage theory of capital asset pricing[J]. Journal of Economic Theory， 1976， 13（3）： 341-360.

[6] Chen， Roll， & Ross， S. A. Economic forces and the stock market[J]. Journal of Business，1980， 59（3）： 383-403.

[7] Roll， R.， & Ross， S. A. An empirical investigation of the arbitrage pricing theory[J]. Journal of Finance， 1986， 35（5）： 1073-1103.

[8] 黃飛雪，寇玲，楊德禮.金融危機前后中英美股票市場間波動溢出效應比較[J].數理統(tǒng)計與管理，2012（4）：185-194.

[9]張瑩毓. 金融危機前后國內外期貨價格動態(tài)關系研究——基于CM0T、DCE和TOCOM的玉米期貨市場的VAR模型實證研究[J].金融經濟，2015（10）：69-73.

[10] ElieBouri. A broadened causality in variance approach to assess the risk dynamics between crude oil prices and the Jordanian stock market[J]. Energy Policy， 2015（85）： 271-279.

[11]Chiang， T. C.， Jeon， B. N.， & Li， H. Dynamic correlation analysis of financial contagion： Evidence from Asian markets[J]. Journal of International Money andFinance， 2007， 26（7）： 1206-1228.

[12]Aslanidis， N.， Osborn， D. R.， &Sensier， M. Co-movements between US and UK stock prices： The role of time-varying conditional correlations[J]. InternationalJournal of Finance & Economics，2010， 15（4）： 366-380.

[13]Syllignakis， M. N.， & Kouretas， G. P. Dynamic correlation analysis of financial contagion： Evidence from the central and eastern European markets [J].International Review of Economics and Finance， 2011， 20（4）： 717-732.

[14] Robert F. Mulligan. Maritime businesses： volatile stock prices andmarket valuation inefficiencies[J]. The Quarterly Review of Economics and Finance， 2004（44）： 321-336.

[15] Oral Erdogan. Dynamics of the co-movement between stock and maritime markets[J]. International Review of Economics and Finance， 2013（25）： 282-290.