范國斌 于翠婷 廖靜池
(1.西南財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院,四川 成都 611130;2.西南石油大學(xué)經(jīng)濟(jì)管理學(xué)院,四川 成都 610500;3.深圳證券交易所,廣東 深圳 518038)
股市常常動(dòng)蕩不安,即使進(jìn)入21世紀(jì)以來,中國股市也已經(jīng)歷了三次較大的危機(jī):2000~2001年,國有股減持計(jì)劃導(dǎo)致股市大跌;2008年受全球金融危機(jī)影響,中國股市同樣經(jīng)歷了很長時(shí)間的低迷;而從2015年下半年開始,股市再次遭受了迄今為止最為迅猛的熊市沖擊,2016年首日開盤施行“熔斷機(jī)制”,一日連續(xù)兩次觸發(fā),直至今日股市仍在起伏。然而在股民深陷股市危機(jī)時(shí),卻很少有人選擇投資其他市場(chǎng)進(jìn)行風(fēng)險(xiǎn)分散化,尤其是成立已久的債券市場(chǎng)。Neftci等(2007)[8]指出中國股市散戶投資者占多數(shù),他們更傾向于在股市和銀行存款之間調(diào)配自己資產(chǎn),而很少同時(shí)參與股市和債市投資,債券市場(chǎng)上發(fā)揮主要角色的是機(jī)構(gòu)類投資者。雖然由于經(jīng)濟(jì)制度、監(jiān)管體制等因素的影響,中國債券市場(chǎng)的發(fā)展落后于股市,但金融理論早已證實(shí),債券是相比股票更為安全的資產(chǎn)。而且Barsky(1989)[1]研究表明,股市和債市在金融風(fēng)險(xiǎn)時(shí)期會(huì)體現(xiàn)為負(fù)相關(guān)關(guān)系。當(dāng)股市重挫時(shí),投資者會(huì)拋售股票而購買風(fēng)險(xiǎn)更低的債券,并把這種行為稱之為“安全投資轉(zhuǎn)移(Flight-to-quality)”。對(duì)于深受股市風(fēng)險(xiǎn)困擾的中國投資者,正在不斷發(fā)展和完善的債券市場(chǎng)能否成為其“避風(fēng)港”?為此,本文試圖對(duì)中國股市和債市間關(guān)系進(jìn)行全面而科學(xué)的分析,以考察中國債券市場(chǎng)是否能為股市投資者提供一個(gè)風(fēng)險(xiǎn)分散化渠道。
進(jìn)一步,當(dāng)投資者考慮進(jìn)入債券市場(chǎng)時(shí),還必須注意債市中有很多不同的債券:從交易場(chǎng)所上講有銀行間債券和交易所債券,從期限上講有長期債券和中短期債券,而從發(fā)行人上講有國債、企業(yè)債和金融債。不同類型的債券和股市的關(guān)系可能會(huì)有所不同,而且投資者同時(shí)持有這些不同債券類型時(shí),這些不同類型債券之間的相關(guān)關(guān)系同樣值得考察。因此,除了股市與債市間關(guān)系外,本文也將對(duì)債市中不同類型債券間關(guān)系進(jìn)行研究,從而幫助考慮進(jìn)入債券市場(chǎng)的投資者制定合理的組合策略。
對(duì)于股市和債市間關(guān)系,國外研究觀點(diǎn)并不一致:Underwood(2009)[12]發(fā)現(xiàn)股市和債市間傾向于呈現(xiàn)為負(fù)相關(guān)關(guān)系,但Sellin(2001)[11]研究卻認(rèn)為,股票和債券會(huì)受到如貨幣政策等共同因素的影響而體現(xiàn)出正相關(guān)關(guān)系。然而后續(xù)的研究卻進(jìn)一步發(fā)現(xiàn),事實(shí)上股市和債市間關(guān)系在不同的狀態(tài)下會(huì)有所不同:Connolly等(2005)[2]發(fā)現(xiàn),股市不確定性會(huì)導(dǎo)致股市與債市關(guān)聯(lián)性改變,當(dāng)股票市場(chǎng)不確定性加劇時(shí),股市和債市會(huì)呈現(xiàn)負(fù)相關(guān)關(guān)系,從而使得分散化持有股票和債券能獲得更大收益。Gonzalo和Olmo(2005)[4]也發(fā)現(xiàn),當(dāng)僅有股市面臨危機(jī)時(shí),股市與債市間存在安全投資轉(zhuǎn)移行為,而當(dāng)兩個(gè)市場(chǎng)同時(shí)面臨負(fù)沖擊時(shí),股市與債市之間會(huì)具有傳染效應(yīng)而體現(xiàn)為正相關(guān)。越來越多的研究表明,股市與債市間關(guān)系是會(huì)隨著時(shí)間變化的(Yang等,2009)[13]。對(duì)于中國股市和債市間關(guān)系,現(xiàn)有研究也無一致結(jié)論:同樣發(fā)現(xiàn)中國股市與債市間關(guān)系會(huì)隨時(shí)間而變化(袁超等,2008)[18]。
在中國債券市場(chǎng)中,因交易場(chǎng)所、發(fā)行人以及期限的不同,存在很多類型的債券。大量研究表明,這些不同類型的債券可能會(huì)具有不同特征(巴曙松與姚飛,2013)[14]。因此,在考察股市與債市間關(guān)系時(shí),有必要考慮到不同類型的債券可能會(huì)與股市間具有不同相關(guān)關(guān)系模式。同時(shí),當(dāng)投資者同時(shí)持有多種類型的債券時(shí),還應(yīng)考慮不同債券類型間的相關(guān)關(guān)系。然而現(xiàn)有研究卻很少注意到這點(diǎn),王璐和龐皓(2008)[16]曾分交易所和銀行間債券市場(chǎng)來考察股市與債市間關(guān)系,而鄭良海和侯英(2012)[19]曾考察了銀行間債券市場(chǎng)和交易所債券市場(chǎng)間動(dòng)態(tài)關(guān)系。除此之外,金融市場(chǎng)上投資者會(huì)因投資目的不同而選擇不同的投資期限,所以無論考察股市與債市間關(guān)系時(shí),還是考察不同債券類型間關(guān)系時(shí),都有必要分不同頻率的收益率進(jìn)行全面分析。但現(xiàn)有文獻(xiàn)中,只有閔曉平(2013)[15]曾經(jīng)基于不同頻率的數(shù)據(jù)對(duì)公司債市場(chǎng)的流動(dòng)性進(jìn)行了分析。
另外在分析上述相關(guān)關(guān)系時(shí),必須注意到無論是股市與債市間關(guān)系,還是不同類型債券間關(guān)系,均有可能體現(xiàn)出非線性特征。大量研究表明,不同金融市場(chǎng)或不同金融資產(chǎn)之間的相關(guān)結(jié)構(gòu)往往是非線性的,存在尾部相關(guān)性特征,也即極端情形下收益間相關(guān)程度會(huì)高于正常情形。因此,Copula函數(shù)作為一種更為靈活的工具,被廣泛用來對(duì)這種非線性相關(guān)結(jié)構(gòu)進(jìn)行建模。Miller和Liu(2006)[7]等文獻(xiàn)指出忽略了這種非線性相關(guān)結(jié)構(gòu)特征會(huì)給投資者的資產(chǎn)配置績效和組合風(fēng)險(xiǎn)管理帶來極大損失。而Rodriguez(2007)[10]和Okimoto(2008)[9]又進(jìn)一步發(fā)現(xiàn)不同市場(chǎng)或不同資產(chǎn)間相關(guān)結(jié)構(gòu)不僅是非線性的,還有可能隨時(shí)間變化。這一相關(guān)結(jié)構(gòu)的時(shí)變性同樣會(huì)影響投資者的組合策略(Fan和Zeng,2012)[3],但目前只有肖利平(2011)[17]曾使用SJC-Copula對(duì)中國股市和債市間相關(guān)結(jié)構(gòu)的非線性特征進(jìn)行了分析。
鑒于現(xiàn)有研究的缺陷,本文旨在以下方面做出貢獻(xiàn)。在研究角度方面:第一,鑒于現(xiàn)有研究對(duì)股市和債市之間的關(guān)系為正還是為負(fù)并無一致結(jié)論,本文考察中國股市和債市之間的關(guān)系究竟為何方向;第二,關(guān)于股市和債市間關(guān)系,存在不同理論。那么不同類型的債券便有可能體現(xiàn)出和股市不同的關(guān)系,而以往文獻(xiàn)并未分析這一可能,因此本文除了股市和債市整體關(guān)系之外,進(jìn)一步分析不同類型的債券與股市間關(guān)系是否不同;第三,如果投資者同時(shí)持有不同類型的債券,那么這些不同類型債券之間的相關(guān)關(guān)系也對(duì)組合績效至關(guān)重要,因此本文還進(jìn)一步考察不同類型債券之間的關(guān)系;第四,不同的投資者可能會(huì)選擇不同的投資期限,因此與以往文獻(xiàn)不同,本文基于三種不同頻率的數(shù)據(jù)(日收益、周收益和月收益)考察股市與債市間相關(guān)結(jié)構(gòu)以及不同債券類型間相關(guān)結(jié)構(gòu),分析不同頻率下相關(guān)結(jié)構(gòu)模式的可能不同。而在研究方法方面:使用靈活的Copula函數(shù)來對(duì)上述相關(guān)關(guān)系進(jìn)行建模,以考察其相關(guān)結(jié)構(gòu)是否具有非線性特征,并結(jié)合馬爾科夫轉(zhuǎn)換技術(shù)來進(jìn)一步考察其非線性相關(guān)結(jié)構(gòu)是否具有時(shí)變性。通過上述的科學(xué)分析,本文試圖為投資者選擇合理的債券產(chǎn)品構(gòu)建其組合策略提供重要參考。
Copula是一種可以將聯(lián)合多元分布函數(shù)與各邊際分布函數(shù)聯(lián)系起來的連接函數(shù)。Copula理論中核心的Sklar’s定理指出:對(duì)于一個(gè)邊際分布函數(shù)為F1,...,Fn的聯(lián)合分布函數(shù)F,一定存在一個(gè)Copula函數(shù)使得F(x1,...,xn)=C(F1(x1),...,Fn(xn)),,其中邊際分布的信息包含在Fi(xi)中,而變量之間的相關(guān)結(jié)構(gòu)完全由Copula函數(shù)來刻畫。這樣我們可以先對(duì)邊際分布做出任何假設(shè),然后再選取不同的Copula函數(shù)來對(duì)相關(guān)結(jié)構(gòu)單獨(dú)建模。Copula可以度量非線性的相關(guān)結(jié)構(gòu),與線性的方差協(xié)方差矩陣不同,Copula函數(shù)允許處于分布中間和分布尾部的相關(guān)程度有所不同。特別地,特定的Copula函數(shù)可以捕捉到不同資產(chǎn)收益率之間的尾部相關(guān)性,即不同資產(chǎn)價(jià)格同時(shí)暴漲和暴跌的可能性大小。
不同的Copula函數(shù)代表著不同的相關(guān)結(jié)構(gòu)模式,也對(duì)應(yīng)有不同的尾部相關(guān)特征。本文首先選用文獻(xiàn)中常用的4種Copula函數(shù)類型:Gaussian、T、Clayton和Gumbel。其中Gaussian Copula不存在尾部相關(guān)性(即不同資產(chǎn)價(jià)格暴漲或暴跌的情況是相互獨(dú)立的),常被作為基準(zhǔn)模型使用;T Copula同時(shí)具有上尾和下尾相關(guān)性(即不同資產(chǎn)的價(jià)格既會(huì)同時(shí)暴漲又會(huì)同時(shí)暴跌);不過這兩種Copula函數(shù)所刻畫的相關(guān)結(jié)構(gòu)是對(duì)稱的,而Clayton 和Gumbel Copula雖然可以度量非對(duì)稱的相關(guān)結(jié)構(gòu),但前者只存在下尾相關(guān)性(即不同資產(chǎn)的價(jià)格僅可能同時(shí)暴跌但不會(huì)同時(shí)暴漲),后者只存在上尾相關(guān)性(即不同資產(chǎn)的價(jià)格僅可能同時(shí)暴漲但不會(huì)同時(shí)暴跌)。
金融資產(chǎn)間的相關(guān)結(jié)構(gòu)事實(shí)上是相當(dāng)復(fù)雜的,有時(shí)很難用單一的Copula函數(shù)來進(jìn)行刻畫。當(dāng)市場(chǎng)處于暴漲或暴跌時(shí)期,資產(chǎn)間相關(guān)性都會(huì)明顯增強(qiáng)。而Clayton和Gumbel Copula只能捕捉到在下尾或下尾處一側(cè)的尾部相關(guān)性,T Copula雖然在上尾和下尾處兩側(cè)都具有尾部相關(guān)性,但是其尾部相關(guān)性是對(duì)稱的。可是在牛市和熊市時(shí)期的資產(chǎn)間相關(guān)性往往是非對(duì)稱的,為了全面刻畫股票與債券間以及不同債券間的相關(guān)結(jié)構(gòu),引入Hu(2006)[6]所提出的混合Copula的概念,構(gòu)建一個(gè)Clayton和Gumbel Copula的線性組合。具體如下:
其中CCla和CGum分別指Clayton和Gumbel Copula函數(shù),而πCla和πGum指這兩種Copula函數(shù)對(duì)應(yīng)的權(quán)重。這樣構(gòu)建的混合Copula相對(duì)比較靈活,同時(shí)存在上尾和下尾相關(guān)性,而且在上尾和下尾處兩側(cè)的尾部相關(guān)性程度是非對(duì)稱的。首先同時(shí)使用單一Copula函數(shù)和混合Copula對(duì)靜態(tài)相關(guān)結(jié)構(gòu)進(jìn)行全面的分析,然后進(jìn)一步引入馬爾可夫轉(zhuǎn)換模型來考察相關(guān)結(jié)構(gòu)的時(shí)變性。
為了考察資產(chǎn)間相關(guān)結(jié)構(gòu)是否會(huì)在不同的時(shí)期有所不同,參照Rodriguez(2007)[10]和Okimoto(2008)[9]的做法,本文同樣將Copula函數(shù)與馬爾可夫模型結(jié)合起來對(duì)相關(guān)結(jié)構(gòu)進(jìn)行建模。首先,嘗試令不同資產(chǎn)間的相關(guān)結(jié)構(gòu)服從一個(gè)兩狀態(tài)馬爾可夫轉(zhuǎn)換過程,在不同的狀態(tài)下,相關(guān)結(jié)構(gòu)由不同的Copula函數(shù)來刻畫,具體設(shè)定如下:
其中Ci,i∈{Gau,Cla,Gum,Mix}分別指前文給出的各類單一Copula函數(shù)以及混合Copula。由于在市場(chǎng)暴跌或暴漲時(shí)期,不同市場(chǎng)或不同資產(chǎn)之間的相關(guān)程度可能會(huì)變得比市場(chǎng)平靜時(shí)期更強(qiáng),因此在上述3種馬爾可夫轉(zhuǎn)換Copula設(shè)定中,均將市場(chǎng)狀態(tài)設(shè)置為兩狀態(tài)。其中狀態(tài)一為市場(chǎng)平靜狀態(tài)(st=0),此時(shí)變量間相關(guān)結(jié)構(gòu)由不存在尾部相關(guān)性的Gaussian Copula來刻畫;而狀態(tài)二為市場(chǎng)動(dòng)蕩狀態(tài)(st=1),此時(shí)變量間相關(guān)結(jié)構(gòu)由Clayton、Gumbel 或混合Copula來刻畫,這三種非對(duì)稱的Copula來刻畫均能夠捕捉在市場(chǎng)暴跌或暴漲時(shí)可能出現(xiàn)的非對(duì)稱尾部相關(guān)性特征。除此之外,本文還嘗試引入了第四種設(shè)定“MS-T Copula”,允許T Copula的自由度參數(shù)依狀態(tài)進(jìn)行轉(zhuǎn)換。與前面三種設(shè)定類似地,將市場(chǎng)狀態(tài)設(shè)置為兩狀態(tài),狀態(tài)一((st=0))和狀態(tài)二((st=01)分別對(duì)應(yīng)市場(chǎng)平靜時(shí)期和市場(chǎng)動(dòng)蕩時(shí)期。其中在狀態(tài)一下,T Copula的自由度參數(shù)變大,從而使得T Copula事實(shí)上已經(jīng)退化為Gaussian Copula,尾部相關(guān)性會(huì)變得消失;在狀態(tài)二下,T Copula的自由度參數(shù)相對(duì)較小,因此可以捕捉市場(chǎng)暴跌或暴漲時(shí)可能出現(xiàn)的尾部相關(guān)性特征。在四種不同的設(shè)定中,均令狀態(tài) 的變化服從一個(gè)馬爾可夫鏈,其狀態(tài)轉(zhuǎn)移矩陣為
這種將馬爾可夫轉(zhuǎn)換和Copula函數(shù)結(jié)合起來研究資產(chǎn)間相關(guān)結(jié)構(gòu)的方法可以使得不同的時(shí)期相關(guān)結(jié)構(gòu)發(fā)生變化,而不僅僅是同一種相關(guān)結(jié)構(gòu)的相關(guān)程度的變化,本文把這種方法稱之為“馬爾可夫轉(zhuǎn)換Copula”。
對(duì)于馬爾可夫轉(zhuǎn)換Copula模型的估計(jì),首先在每一時(shí)刻t可以計(jì)算得到基于不同狀態(tài)和以往收益的條件密度函數(shù):
其中 為在時(shí)刻t的觀測(cè)值,β表示需要估計(jì)的參數(shù),cs所對(duì)應(yīng)的Copula函數(shù)類型取決于不可觀測(cè)的狀態(tài)st。然后可以按照Hamilton(1994)[5]給出的循環(huán)程序得到不再依賴于狀態(tài)的無條件密度函數(shù),并最后寫出似然函數(shù):試公式(2)~(4)所設(shè)定的三種馬爾科夫轉(zhuǎn)換Copula形式;如果最優(yōu)Copula函數(shù)為對(duì)稱的T Copula,那么嘗試第四種馬爾科夫轉(zhuǎn)換Copula形式“MS-T Copula”。通過對(duì)比馬爾科夫轉(zhuǎn)換Copula形式與靜態(tài)Copula的AIC值,以及觀察馬爾科夫轉(zhuǎn)換Copula形式下相關(guān)結(jié)構(gòu)是否會(huì)在不同狀態(tài)下有所不同,從而分析上述相關(guān)結(jié)構(gòu)是否會(huì)存在時(shí)變性特征。
得到上面的似然函數(shù)之后,采用極大似然估計(jì)就可以得到模型參數(shù)值。
基于以上方法,本文對(duì)股票和債券間相關(guān)結(jié)構(gòu)以及不同債券間相關(guān)結(jié)構(gòu)進(jìn)行分析,并將所有資產(chǎn)的邊際分布均設(shè)定為經(jīng)驗(yàn)分布形式。首先根據(jù)AIC準(zhǔn)則選取最優(yōu)的靜態(tài)Copula函數(shù)類型,然后基于最優(yōu)Copula函數(shù)進(jìn)一步考察可能的時(shí)變性特征:如果最優(yōu)Copula函數(shù)為非對(duì)稱的Copula類型(Clayton、Gumbel或Mixed Copula),那么嘗
為了考察股市和債市之間的相關(guān)結(jié)構(gòu),本文搜集了上證綜合指數(shù)、深證成份股指數(shù)和中債總指數(shù),樣本區(qū)間為2012年1月4日~2015年12月31日。除了股市和債市間整體關(guān)系的分析外,進(jìn)一步搜集了債券市場(chǎng)上不同類型債券指數(shù)的數(shù)據(jù):交易所債券與銀行間債券指數(shù)(按交易場(chǎng)所不同),中短期債券與長期債券指數(shù)(按償還期限不同),國債、企業(yè)債和金融債指數(shù)(按發(fā)行人不同)。進(jìn)而,分析上述每一類型債券與股市間的相關(guān)結(jié)構(gòu)以及不同債券類型之間的相關(guān)結(jié)構(gòu),由于分類債券指數(shù)數(shù)據(jù)起始日期較晚,因此涉及到分類債券指數(shù)的相關(guān)結(jié)構(gòu)分析樣本區(qū)間為2006年11月21日~2015年12月31日。本文分別計(jì)算了上述指數(shù)的日收益、周收益和月收益,對(duì)比分析不同頻率下的相關(guān)結(jié)構(gòu)特征,所有收益率均基于收盤價(jià)計(jì)算為對(duì)數(shù)收益率。
由于股市和債市間關(guān)系為正還是為負(fù)并不明確,因此在考察兩者關(guān)系時(shí),分別嘗試了對(duì)股票收益率與債券收益率直接進(jìn)行Copula建模和對(duì)股票收益率和債券收益率的相反數(shù)間關(guān)系進(jìn)行Copula建模,對(duì)比其AIC值發(fā)現(xiàn),后者擬合程度明顯更高。因此,本文選擇將股票收益率和債券收益率的相反數(shù)間相關(guān)結(jié)構(gòu)的估計(jì)結(jié)果以表1~3給出,其中符號(hào)為正的相關(guān)系數(shù)(ρ)或尾部相關(guān)系數(shù)(λU和λL分別代表上尾和下尾相關(guān)性系數(shù))代表著股市和債市間存在負(fù)向關(guān)系。除了股市和整個(gè)債市間相關(guān)結(jié)構(gòu)外,還給出了股票和不同類型債券間的相關(guān)結(jié)構(gòu),表1~3分別為基于日收益、周收益和月收益的結(jié)果。從中可以看出:
首先,雖然對(duì)于日收益率,股市和債市間相關(guān)關(guān)系較弱,但對(duì)于周收益和月收益,無論是股市和整個(gè)債市間還是股市和不同分類債券間,均存在不可忽略的負(fù)相關(guān)關(guān)系,而且頻率越低,負(fù)相關(guān)程度越強(qiáng)。這至少對(duì)于投資期限較長的投資者來說是個(gè)好消息,股票和債券之間的負(fù)相關(guān)關(guān)系意味著中國債券市場(chǎng)確實(shí)能夠?qū)墒酗L(fēng)險(xiǎn)起到一定的分散化作用。這一發(fā)現(xiàn)也可能表明中國金融市場(chǎng)上也存在一定的“安全投資轉(zhuǎn)移”現(xiàn)象,即在股市風(fēng)險(xiǎn)較大時(shí),投資者會(huì)轉(zhuǎn)而購買風(fēng)險(xiǎn)更低的債券,從而使得股市和債市體現(xiàn)出一定的負(fù)相關(guān)關(guān)系。只是因?yàn)橥ǔM顿Y者調(diào)整其資產(chǎn)組合的頻率相對(duì)較低,所以這種負(fù)相關(guān)關(guān)系只在周收益和月收益間體現(xiàn),而在日收益間并不明顯。
表1 基于日收益的中國股市與債市間相關(guān)結(jié)構(gòu)分析
表2 基于周收益的中國股市與債市間相關(guān)結(jié)構(gòu)分析
表3 基于月收益的中國股市與債市間相關(guān)結(jié)構(gòu)分析
表4 不同類型債券間相關(guān)結(jié)構(gòu)分析
而且,不同頻率下的相關(guān)結(jié)構(gòu)均明顯體現(xiàn)出尾部相關(guān)性特征,刻畫日收益間相關(guān)結(jié)構(gòu)的最優(yōu)類型為T Copula,刻畫周收益間相關(guān)結(jié)構(gòu)的最優(yōu)類型為Clayton Copula,而刻畫月收益間相關(guān)結(jié)構(gòu)的最優(yōu)類型為Clayton Copula或Mixed Copula。前文已指出,這種尾部相關(guān)性特征意味著,當(dāng)市場(chǎng)處于暴漲或暴跌時(shí)期,兩項(xiàng)資產(chǎn)之間的相關(guān)程度會(huì)變得相對(duì)更強(qiáng)。而且三種頻率下的最優(yōu)Copula函數(shù)類型均具有下尾相關(guān)性,對(duì)于本文來說,下尾對(duì)應(yīng)于股市收益率下降的時(shí)候。也就是說,當(dāng)股市收益率下降時(shí),股市和債市間負(fù)相關(guān)程度會(huì)更強(qiáng),這提示我們,在股市暴跌時(shí)期,債券市場(chǎng)對(duì)股市風(fēng)險(xiǎn)的對(duì)沖作用更為明顯。
進(jìn)一步對(duì)比不同類型債券與股票間相關(guān)關(guān)系則顯示,在發(fā)行人不同的債券中,企業(yè)債和股市的相關(guān)程度最強(qiáng),三種頻率下結(jié)果均如此;在償付期限不同的債券中,對(duì)于日收益和周收益,中短期債券與股市間相關(guān)程度更高,而對(duì)于月收益,長期債券與股市間相關(guān)程度更強(qiáng);在交易場(chǎng)所不同的債券中,銀行間債券和交易所債券與股市間的相關(guān)程度并無一致結(jié)論。此外,對(duì)比滬市和深市兩個(gè)市場(chǎng)與債券間相關(guān)程度時(shí)表明,對(duì)于日收益和周收益,滬市體現(xiàn)出更強(qiáng)的與債市間相關(guān)關(guān)系,然而對(duì)于月收益,深市與債市間相關(guān)程度卻強(qiáng)于滬市。
當(dāng)投資者進(jìn)入債券市場(chǎng)時(shí),有多種不同類型的債券可供其選擇,而不同類型債券間的相關(guān)結(jié)構(gòu)也對(duì)其組合策略至關(guān)重要。因此,本文對(duì)三種劃分準(zhǔn)則下的不同債券間的兩兩相關(guān)結(jié)構(gòu)進(jìn)行分析,并將估計(jì)結(jié)果在表4中給出。與表1~3的結(jié)果不同,此處是對(duì)兩種債券的收益率間關(guān)系直接進(jìn)行Copula建模(并未取相反數(shù))。首先,從結(jié)果中可以看出:與股市和債市間相對(duì)較弱的負(fù)相關(guān)關(guān)系不同,不同債券之間表現(xiàn)出很強(qiáng)的正相關(guān)關(guān)系,而且隨著頻率降低,不同債券之間的正向相關(guān)程度越來越強(qiáng)。這意味著,當(dāng)在一個(gè)組合中同時(shí)持有多種債券類型時(shí),必須注意其收益率會(huì)更傾向于同向變化而很難發(fā)揮風(fēng)險(xiǎn)分散化的作用。而且,三種頻率下的相關(guān)結(jié)構(gòu)均存在著明顯的尾部相關(guān)性特征,也就是說,對(duì)于不同債券類型間關(guān)系,也會(huì)同樣在市場(chǎng)暴漲或暴跌時(shí)表現(xiàn)出相比平靜時(shí)期更強(qiáng)的相關(guān)程度,因此使得我們?cè)谧钚枰稚L(fēng)險(xiǎn)的時(shí)候卻很難通過持有不同債券類型來實(shí)現(xiàn)目的。
對(duì)比不同頻率下結(jié)果可以發(fā)現(xiàn),對(duì)于日收益和周收益來說,刻畫不同類型債券間相關(guān)結(jié)構(gòu)最優(yōu)的函數(shù)是T Copula,說明同時(shí)存在著對(duì)稱的上尾和下尾相關(guān)性,也即無論在市場(chǎng)暴漲還是暴跌時(shí)期,不同債券的收益率相關(guān)性均會(huì)有所增加。而對(duì)于月收益來說,刻畫不同類型債券間相關(guān)結(jié)構(gòu)最優(yōu)的函數(shù)是Gumbel Copula,該函數(shù)僅存在有上尾相關(guān)性。這意味著,對(duì)于持有債券期限較長的投資者來說,不同類型債券的收益率更傾向于在市場(chǎng)好轉(zhuǎn)的時(shí)候體現(xiàn)出更高的相關(guān)程度。
表5 滬深兩市間相關(guān)結(jié)構(gòu)及其時(shí)變性特征分析(基于日收益)
大量文獻(xiàn)表明,金融市場(chǎng)或金融資產(chǎn)間相關(guān)結(jié)構(gòu)不僅是非線性的,而且還有可能是時(shí)變的。如果對(duì)滬深兩個(gè)股市間相關(guān)結(jié)構(gòu)進(jìn)行分析,可以發(fā)現(xiàn)雖然其靜態(tài)相關(guān)結(jié)構(gòu)最優(yōu)的仍然為T Copula,但進(jìn)一步引入馬爾科夫轉(zhuǎn)換機(jī)制后發(fā)現(xiàn),其相關(guān)結(jié)構(gòu)會(huì)隨時(shí)間發(fā)生明顯變化。由于最優(yōu)的靜態(tài)相關(guān)結(jié)構(gòu)為T Copula,所以選擇第四種馬爾科夫轉(zhuǎn)換Copula設(shè)定形式“MS-T Copula”,分別嘗試只讓T Copula的自由度參數(shù)依機(jī)制轉(zhuǎn)換、只讓T Copula的相關(guān)系數(shù)參數(shù)依機(jī)制轉(zhuǎn)換、讓T Copula的自由度參數(shù)和相關(guān)系數(shù)參數(shù)同時(shí)依機(jī)制轉(zhuǎn)換,在表5中將其標(biāo)記為“MST1”,“MS-T2”和“MS-T3”。基于AIC準(zhǔn)則對(duì)比發(fā)現(xiàn),馬爾科夫轉(zhuǎn)換Copula設(shè)定的擬合程度明顯優(yōu)于靜態(tài)Copula,其中最優(yōu)形式“MS-T3”的參數(shù)估計(jì)結(jié)果顯示,兩個(gè)股市間的相關(guān)系數(shù)和自由度參數(shù)會(huì)在不同狀態(tài)下有所不同。
表6 不同類型債券間相關(guān)結(jié)構(gòu)的時(shí)變性特征分析(基于日收益)
因此,對(duì)于股市和債市之間相關(guān)結(jié)構(gòu)以及不同類型債券之間的相關(guān)結(jié)構(gòu),同樣有必要進(jìn)一步引入馬爾科夫轉(zhuǎn)換技術(shù)考察其相關(guān)結(jié)構(gòu)可能的時(shí)變性。對(duì)于股市和債市間相關(guān)結(jié)構(gòu),可能因?yàn)槠湎嚓P(guān)程度較弱,嘗試了本文所設(shè)定的四種不同馬爾科夫轉(zhuǎn)換Copula形式,均未發(fā)現(xiàn)存在時(shí)變性特征。然而對(duì)于債券市場(chǎng)上不同類型的債券之間相關(guān)結(jié)構(gòu),卻可以發(fā)現(xiàn)存在明顯的時(shí)變性特征。由于表4結(jié)果顯示,不同類型債券之間最優(yōu)的靜態(tài)相關(guān)結(jié)構(gòu)T Copula,所以同樣選擇“MS-T Copula”的設(shè)定形式,與表5中結(jié)果類似,分別嘗試了“MS-T1”,“MS-T2”和“MS-T3”三種情況。同樣地,表6的結(jié)果告訴我們,馬爾科夫轉(zhuǎn)換Copula設(shè)定形式的擬合程度明顯優(yōu)于靜態(tài)Copula,其中最優(yōu)的形式為“MS-T2”。也就是說,不同類型債券間相關(guān)結(jié)構(gòu)具有時(shí)變性特征,其相關(guān)系數(shù)會(huì)在不同狀態(tài)下有所不同。
隨著中國金融市場(chǎng)的不斷健全和完善,投資者應(yīng)該與時(shí)俱進(jìn),不再只局限于股市,而應(yīng)該考慮投資于不同市場(chǎng)以主動(dòng)進(jìn)行風(fēng)險(xiǎn)分散化。尤其是當(dāng)股市風(fēng)險(xiǎn)較大的時(shí)候,應(yīng)考慮選擇相對(duì)更為安全的資產(chǎn),例如債券。然而,債市究竟能否成為股市的“避風(fēng)港”以及投資于債市時(shí)應(yīng)選擇哪些類型的債券?為回答這些問題,本文對(duì)中國股市與債市間和債市中不同類型債券間非線性相關(guān)結(jié)構(gòu)進(jìn)行了全面分析,并得到如下結(jié)論:中國債券市場(chǎng)能夠?yàn)楣墒刑峁┮欢ǖ娘L(fēng)險(xiǎn)對(duì)沖作用,尤其是對(duì)于周收益和月收益,債市和股市間存在較強(qiáng)的負(fù)相關(guān)關(guān)系。這說明至少對(duì)于投資期限較長的投資者來說,可以通過持有債券來分散化股市風(fēng)險(xiǎn);在不同類型的債券中,企業(yè)債和股市間的負(fù)相關(guān)關(guān)系相對(duì)較強(qiáng),因此企業(yè)債可能是對(duì)沖股市風(fēng)險(xiǎn)的最佳選擇;其他債券類型和股市間關(guān)系強(qiáng)弱程度則無明顯差異,而且債市中不同類型債券間關(guān)系顯著為正,因此投資者在考慮持有債券時(shí),沒有必要同時(shí)持有多種不同類型的債券,可能并不會(huì)為風(fēng)險(xiǎn)分散化帶來進(jìn)一步的幫助;此外,債市和股市間相關(guān)結(jié)構(gòu)具有明顯的尾部相關(guān)性特征,也即在股市下跌時(shí),兩者間負(fù)相關(guān)程度更強(qiáng),因此同時(shí)持有股票和債券的風(fēng)險(xiǎn)分散化效果將更為明顯;最后,債市中不同類型債券間相關(guān)結(jié)構(gòu)不僅同樣為非線性,而且還會(huì)進(jìn)一步體現(xiàn)出時(shí)變性特征。具體而言,在市場(chǎng)動(dòng)蕩狀態(tài)下,不同債券之間會(huì)表現(xiàn)出明顯的尾部相關(guān)性,其正向相關(guān)關(guān)系的程度將變得更強(qiáng)。這再次提示投資者,在試圖通過持有債券來對(duì)沖股市風(fēng)險(xiǎn)時(shí),選擇同時(shí)持有多種債券的意義不大。
所有這些結(jié)論對(duì)于試圖進(jìn)入債券市場(chǎng)的投資者來說具有重要參考價(jià)值:首先,這意味著投資者確實(shí)可以選擇通過債市來分散股市風(fēng)險(xiǎn)。但是,同時(shí)持有多種不同類型債券時(shí)卻要注意它們之間的收益往往會(huì)同向變化,要合理控制自己的組合風(fēng)險(xiǎn)。另外,股市和債市間相關(guān)結(jié)構(gòu)和不同類型債券間相關(guān)結(jié)構(gòu)均具有非線性特征,而且不同類型債券間相關(guān)結(jié)構(gòu)還進(jìn)一步具有時(shí)變性特征,考慮到這兩種特征將能給投資者的資產(chǎn)配置績效和組合風(fēng)險(xiǎn)管理帶來明顯的改進(jìn)。