史凡，王錚,2

0 引言

近年來，隨著東亞金融自由化進程的不斷加快和各國資本市場的逐漸開放，該地區(qū)越來越受到國際投資者的青睞，成為國際證券投資的主要地區(qū)，使得長期以來東亞地區(qū)的外資投資占股票總市值的比例明顯偏高。在這一背景下，東亞地區(qū)資本市場一體化程度的高低就成為理論界研究的一個熱點問題。而作為研究區(qū)域金融一體化程度的一個重要指標，東亞證券市場的聯(lián)動效應(yīng)就成為學者們關(guān)注的一個理論焦點。

本文將運用VAR-GARCH-BEKK模型，從金融危機的獨特視角研究東亞證券市場的聯(lián)動效應(yīng)。主要考察東亞區(qū)域資本市場整體的相關(guān)性，將新加坡股市作為東盟資本市場的代表引入到模型之中，使得對于東亞區(qū)域的研究更為完整。本文的樣本期涵蓋了兩次金融危機，并且對比分析了兩次金融危機前后東亞證券市場傳染效應(yīng)的變化。

1 模型構(gòu)建、變量選取和數(shù)據(jù)說明

1.1 VAR-GARCH-BEKK模型構(gòu)建

自Engle（1982）提出ARCH模型用于分析并預(yù)測隨時間變化的股票價格、外匯匯率以及利率的波動后，Bollerslev（1986）在此基礎(chǔ)上運用GARCH模型刻畫了條件方差的時變性,經(jīng)過眾多學者的研究演繹出了一系列GARCH族模型。然而由于GARCH模型沒有考慮到收益方向的信息，理論界將其擴展為VECH、BEKK、CCC-GARCH和DCC等模型?，F(xiàn)有大量文獻表明，BEKK模型能夠很好地擬合股票價格等金融時間序列數(shù)據(jù)，故本文采用VAR-GARCH-BEKK模型，其模型如下：

其中，Zt表示第t期的東亞各股市收益率向量；β表示均值方程的長期漂移系數(shù)；ψi表示方差協(xié)方差矩陣；εt是隨機誤差項，表示第t期股票市場受到的各種隨機信息沖擊；表示第p個股票市場的收益率對第q個股票市場收益率均值的溢出效應(yīng)。

其中，T是有效樣本數(shù)量，n是股票市場的數(shù)量，θ是方程（1）和方程（2）中所有未知參數(shù)的矩陣形式。本文采用BHHH算法來戒除對數(shù)似然方程中的參數(shù)和與系數(shù)對應(yīng)的標準差，并且根據(jù)Ljung-BoxQ統(tǒng)計量和LM統(tǒng)計量來檢驗回歸方程殘差的序列相關(guān)性。

1.2 變量選取和數(shù)據(jù)說明

本文選取中國大陸（下文簡稱大陸）、香港、臺灣、韓國、日本和東盟等東亞地區(qū)最主要的六個經(jīng)濟體的證券市場為研究對象，主要考察上證綜合指數(shù)（SSEC）、恒生指數(shù)（HSI）、臺灣加權(quán)指數(shù)（TWII）、首爾綜合指數(shù)（KS11）、日經(jīng)225指數(shù)（NIKI）和海峽指數(shù)（STI）①。為了研究1997年亞洲金融危機和2008年全球金融風暴期間，東亞股票市場

其中，矩陣C中的元素cij反映了市場i的新息對市場 j的影響，表示ARCH效應(yīng)；矩陣G中的元素gij衡量了市場i對市場 j的條件波動率的影響，表示GARCH效應(yīng)。

本文采用極大似然法估計由以上兩個方程表示的模型。在擾動項服從高斯分布的假設(shè)下，MGARCH模型的對數(shù)似然函數(shù)為：收益率的波動性和聯(lián)動效應(yīng)，選取上述六大指數(shù)1997年7月3日至2016年3月30日期間的數(shù)據(jù)②，刪除各個市場指數(shù)交易日不重疊的數(shù)據(jù)，最后得到4596個數(shù)據(jù)。為了考察兩次金融危機對各股市的不同影響，本文以美國雷曼兄弟破產(chǎn)的2008年9月14日為標志，將整個樣本期分為前后兩個子樣本③。本文采用相鄰兩日收盤指數(shù)的對數(shù)一階差分來表示股票收益率。下文中將用SSEC、NIKI、HSI、STI、KS11和TWII表示對應(yīng)股市的收益率。根據(jù)兩個時期各股票市場收益率的描述性統(tǒng)計性質(zhì)，時期1日本、香港、臺灣均值小于零；時期2日本、中國均值小于零，但都十分接近于零。根據(jù)標準差數(shù)據(jù)，得出時期1韓國股市波動性最大，為0.0214，日本股市波動性最小，為0.01469，同時兩股市平均收益率也是前者最大，后者最小，波動程度與收益率是相匹配的。時期2日本股市波動率最大，新加坡波動率最小，分別為0.01954和0.01288，但這個時期日本收益率仍然是負值，新加坡收益率卻是最大，可見2008年全球金融海嘯對東亞股市的影響很大，使得風險與收益出現(xiàn)了不完全對等。表中相關(guān)系數(shù)矩陣元素有正有負，其中大陸與日本、臺灣、新加坡在時期1負相關(guān)，與日本、香港、臺灣在時期2負相關(guān)。

2 實證檢驗

2.1 指數(shù)收益率數(shù)據(jù)的檢驗

由于GARCH族模型需要變量是平穩(wěn)的，本文利用ADF檢驗和PP檢驗對東亞各股市收益率變量的平穩(wěn)性進行檢驗，結(jié)果表明各變量的水平值都是平穩(wěn)的（檢驗結(jié)果見表1）。為了確定滯后階數(shù)，首先根據(jù)最小化AIC值確定檢驗類型為（C，T，L）。然后，通過Ljung-Box和ARCH-LM檢驗可知（檢驗結(jié)果見表2和表3），最大滯后階數(shù)設(shè)為12。從檢驗結(jié)果可知，各股市收益率具有顯著的ARCH效應(yīng)和序列相關(guān)性，因此選擇VAR-BEKK模型。

AIC-5.4355-5.1665-5.4189-4.9450-5.4366-5.6561

注：***、**、*分別表示在1%、5%、10%顯著性水平下顯著。下表同。檢驗類型為（C，T，L），分別表示檢驗方程中的常數(shù)項、趨勢項、滯后階數(shù)。變量NIKI HSI SSEC KS11 TWII STI ADF檢驗檢驗類型

（0,0,0）

（0,0,0）

（0,0,0）

（0,0,0）

（0,0,0）

（0,0,0）ADF統(tǒng)計量-62.3361***-60.6781***-59.6607***-56.5177***-57.2231***-55.6198***PP檢驗

PP統(tǒng)計量

-62.6174***

-60.6840***

-59.6608***

-56.4143***

-57.2478***

-55.6161***

2.2 模型估計結(jié)果及分析

本文根據(jù)最小化AIC和BIC原則來確定VAR的滯后

①由于東盟的十個成員國一體化程度較高，且新加坡作為國際金融中心，股票市場相對發(fā)達，所以采取周云帆（2010）的做法，將海峽指數(shù)（STI）作為東盟經(jīng)濟體的代表指數(shù)。

②1997年7月2日凌晨4點半,泰國政府宣布放棄固定匯率制,實行浮動匯率制,此前十余年間盯住美元的泰銖,開始實行自由浮動,泰銖對美元當日即貶值15%以上。一場遍及東亞各國的金融危機由此爆發(fā)。

③2008年9月14日，雷曼兄弟破產(chǎn)，美林證券宣布被美國銀行收購，標志著全球股市大崩盤的序幕。而由于數(shù)據(jù)來源中沒有9月15日，因此前一組數(shù)據(jù)至2008年9月12日，后一組數(shù)據(jù)從2008年9月16日開始。階數(shù)。國內(nèi)外大量的實證研究表明,GARCH族模型采用一階滯后形式對時變條件方差有很好的描述,并且考慮到估計成本和解釋的問題,將其擴大到更高階并無明顯的益處，最終確定使用VAR(1)-GARCH-BEKK模型分別對兩個時期的樣本數(shù)據(jù)進行估計。

表2 各股市收益率序列相關(guān)性檢驗

表3 ARCH-LM檢驗結(jié)果

從表4和表5估計出的均值方程的系數(shù)矩陣Ψi（i=1,2）可以分析出兩市場之間收益率的關(guān)系。本文發(fā)現(xiàn)在時期1只有日本和中國股票市場不依賴于所在模型擬合的股票收益率的一階滯后，因為它們的一階滯后項系數(shù)在5%的水平下是不顯著的，而其他股票市場的系數(shù)都是顯著的。并且首爾綜合指數(shù)（KS11）收益率和海峽指數(shù)（STI）收益率、恒生指數(shù)（HSI）收益率和海峽指數(shù)（STI）收益率之間存在雙向的溢出效應(yīng)。而2008年以后，幾乎所有列出的股票市場收益率的一階滯后項都不顯著，可見1997年亞洲金融危機和2008年全球金融風暴對東亞股票市場產(chǎn)生了巨大而有差別的影響。

從表4和表5估計出的方差方程的系數(shù)矩陣C和G的對角線元素，可以分析各股票市場自身的ARCH效應(yīng)和GARCH效應(yīng)，而從兩個矩陣的非對角線元素可以分析各市場之間的相互影響?？梢钥吹?，各個證券市場在兩個時期內(nèi)都具有顯著的ARCH效應(yīng)和GARCH效應(yīng)，即所有市場自身的沖擊和波動性都會對各自的條件方差產(chǎn)生顯著正的影響。從市場間的相互影響來看，恒生指數(shù)（HSI）收益率和海峽指數(shù)（STI）收益率、上證綜合指數(shù)（SSEC）收益率和首爾綜合指數(shù)（KS11）收益率之間存在沖擊影響的雙向溢出效應(yīng)。其中，恒生指數(shù)（HSI）收益率和海峽指數(shù)（STI）收益率之間還存在波動性的雙向溢出效應(yīng)。比較特殊的是中國股市和香港股市，從兩個時期的估計結(jié)果來看，上證綜合指數(shù)（SSEC）收益率和恒生指數(shù)（HSI）收益率之間不存在顯著的沖擊影響，表明兩地股市的聯(lián)動效應(yīng)并不顯著。原因可能有兩點：第一，香港證券市場較國際化，海外及本地機構(gòu)投資者成交額約占總成交額的65%，大陸市場國際化程度則

表4 時期1VAR-GARCH-BEKK模型估計結(jié)果①

注：表中的 Ψ1、Cij、Gij分別對應(yīng)方程（1）、方程（2）中的系數(shù)矩陣。

表5 時期2 VAR-GARCH-BEKK模型估計結(jié)果

注：中括號內(nèi)為標注差，小括號內(nèi)為概率P值。相比較低。第二，在交易安排上大陸市場實行T+1制度，有漲跌停板，以人民幣為交易貨幣；香港市場實行T+0制度，沒有漲跌幅限制，主要以港元為交易貨幣。此外，從其他市場的估計結(jié)果來看，2008年以后香港股市（恒生指數(shù)，HSI）與日本股市（日經(jīng)225指數(shù)，NIKI）的聯(lián)動效應(yīng)受到削弱，而臺灣股市（臺灣加權(quán)指數(shù)，TWII）與日本股市（日經(jīng)225指數(shù)，NIKI）的聯(lián)動效應(yīng)得到了強化。

2.3 模型診斷檢驗

在得出模型估計結(jié)果后，對VAR-GARCH-BEKK模型的合理性作相關(guān)檢驗，表6給出了殘差、殘差平方的滯后12階Ljung-Box和ARCH-LM的檢驗結(jié)果。除個別檢驗數(shù)據(jù)外，其他的數(shù)據(jù)均顯示在5%的顯著性水平下，接受Ljung-Box和ARCH-LM檢驗的原假設(shè)，即模型的殘差序列不存在自相關(guān)且直到12階都不存在ARCH效應(yīng)。說明模型較好的擬合了實際數(shù)據(jù)，模型的解釋能力較強。

表6 兩時期模型標準殘差檢驗結(jié)果的對比分析

3 結(jié)論

本文使用VAR(1)-GARCH-BEKK模型研究了1997—2016年間東亞六大主要證券市場之間收益率和波動性的溢出效應(yīng)，得出以下結(jié)論：

（1）與前人的研究成果相似，東亞主要股票市場收益率的波動性具有不同程度的自相關(guān)性和異方差性，表現(xiàn)出典型的聚集特征。

（2）模型顯示，兩個時期內(nèi)東亞主要股票市場收益率的滯后項存在顯著的改變，表明金融危機對東亞主要股票市場的收益結(jié)構(gòu)產(chǎn)生了重要影響。并且第二時期所有股市收益率的滯后項均不顯著，不僅體現(xiàn)了兩次危機產(chǎn)生的影響具有差別，而且還體現(xiàn)了2008年后東亞證券市場的聯(lián)動效應(yīng)有所加強，反映出東亞地區(qū)證券市場的一體化程度有所提高。

（3）從東亞地區(qū)六大股票市場的ARCH效應(yīng)和GARCH效應(yīng)來看，在本文所劃分的兩個樣本時期內(nèi)，不同市場之間的新息沖擊和波動性傳導(dǎo)表現(xiàn)出較為顯著的結(jié)構(gòu)變遷特征，在影響方向和影響程度方面都存在顯著變化。

總體上時期2東亞市場之間的波動溢出效應(yīng)較時期1為強，體現(xiàn)出了東亞區(qū)域資本市場一體化程度的提高，但是我們從實證結(jié)果并不能得出某一個市場存在絕對的主導(dǎo)效應(yīng)，整個區(qū)域市場的相關(guān)性也較為復(fù)雜。針對部分學者提出的東亞貨幣合作的設(shè)想，雖然東亞區(qū)域資本市場的趨同性在逐步深化，但從目前的市場情況來看，并不能從實證結(jié)果得出東亞區(qū)域貨幣合作的市場環(huán)境已經(jīng)得到滿足。因為作為資本市場代表的股票市場一體化程度還遠遠沒有達到支撐共同貨幣的水平，盲目激進的做法將對東亞金融體系和國民經(jīng)濟的健康發(fā)展產(chǎn)生極其不利的影響。

[1]Huyghebaert N，Wang L.The Co-movement of Stock Markets in East Asia:Did the 1997—1998 Asian Financial Crisis Really Strengthen Stock Market Integration?[J].China Economic Review,2014,21(1).

[2]Chiang T C，Chen X.Empirical Analysis of Dynamic Linkages between China and International Stock Markets[J].Journal of Mathematical Finance,2016,6(1).

[3]Chiang T C，Lao L，Xue Q.Empirical Evidence of Co-Movements Between China and Global Stock Markets[J].Ssrn Electronic Journal,2013(1).

[4]Wongswa J.The Response of Global Equity Indexes to US.Monetary Policy Announcements[J].Journal of International Moneyand Finance,2008(4).

[5]Zivot E,Wang J H.Modelling Financial Time Series With S-PLUS[J].Journal of the Royal Statistical Society,2010,49(1).

[6]劉志洋,宋玉穎.東亞地區(qū)股票市場一體化測度研究[J].國際商務(wù),2015,(1).

[7]吳凌芳.東亞股票市場的一體化及其趨勢——基于股指趨同性的分析[J].特區(qū)經(jīng)濟,2010，(7).

[8]張玉.東亞危機中金融傳染的研究——基于香港、日本和新加坡股票市場的實證[J].時代金融,2013，(11).

[9]余誠.東亞股市一體化實證分析——基于2008年金融海嘯[J].陜西科技大學學報：自然科學版,2012,(2).

[10]劉豐博.中美股票市場的聯(lián)動性研究[D].大連：東北財經(jīng)大學,2016.

[11]肖忠意,周雅玲.證券組合市場風險與收益的實證研究[J].貴州財經(jīng)大學學報,2014,(3).

[12]劉井建，焦懷東，南曉莉.危機沖擊背景下股票市場風險聯(lián)動非線性[J].系統(tǒng)工程，2015,(12).