唐小林

[摘 要]為量化分析香港與內(nèi)地兩地的股票市場(chǎng)與匯率市場(chǎng)兩兩間的風(fēng)險(xiǎn)溢出關(guān)系，通過(guò)構(gòu)建波動(dòng)率的靜態(tài)和動(dòng)態(tài)網(wǎng)絡(luò)，對(duì)香港與內(nèi)地的股票市場(chǎng)與匯率市場(chǎng)之間的信息流向強(qiáng)度、方向和動(dòng)態(tài)性進(jìn)行了初步的探索。研究發(fā)現(xiàn)，同一市場(chǎng)間的溢出效應(yīng)強(qiáng)度最高，同一地區(qū)不同市場(chǎng)間的溢出效應(yīng)強(qiáng)度次之，不同地區(qū)不同市場(chǎng)間的溢出效應(yīng)強(qiáng)度最低。同時(shí)，在經(jīng)過(guò)8.11匯改之后，在岸人民幣市場(chǎng)對(duì)離岸人民幣市場(chǎng)的溢出效應(yīng)、離岸人民幣市場(chǎng)對(duì)在岸人民幣市場(chǎng)的溢出效應(yīng)強(qiáng)度都出現(xiàn)了大幅度的提升。

[關(guān)鍵詞]股票市場(chǎng);外匯市場(chǎng);風(fēng)險(xiǎn)溢出;溢出指數(shù)法

[中圖分類(lèi)號(hào)]F832.5 [文獻(xiàn)標(biāo)識(shí)碼]A

隨著金融全球化的持續(xù)推進(jìn)，金融風(fēng)險(xiǎn)是全球經(jīng)濟(jì)發(fā)展過(guò)程中不可避免的存在。近年來(lái)，隨著國(guó)際金融市場(chǎng)間的聯(lián)動(dòng)性日益增強(qiáng)，就如“蝴蝶效應(yīng)”一般，由單個(gè)金融事件引起的系統(tǒng)性金融危機(jī)引起了學(xué)者們的高度重視。楊子暉等（2018）從網(wǎng)絡(luò)關(guān)聯(lián)視角考察全球系統(tǒng)性金融風(fēng)險(xiǎn)的動(dòng)態(tài)演變以及風(fēng)險(xiǎn)走勢(shì)，結(jié)果發(fā)現(xiàn)我國(guó)內(nèi)地的金融市場(chǎng)為風(fēng)險(xiǎn)溢出的凈輸入者。預(yù)防系統(tǒng)性金融風(fēng)險(xiǎn)，已成為金融工作中必不可少的一部分，習(xí)近平總書(shū)記在黨的十九大報(bào)告中強(qiáng)調(diào)：健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線。

2015年8月11日，央行宣布調(diào)整人民幣兌美元匯率中間價(jià)的報(bào)價(jià)機(jī)制，這一舉措意味著人民幣的波動(dòng)將不再受美元匯率的單一的影響，而是逐步轉(zhuǎn)向了“一籃子貨幣”計(jì)劃，人民幣匯率的形成機(jī)制向市場(chǎng)化又進(jìn)了一步。匯改后，在岸人民幣和離岸人民幣兌美元的匯率開(kāi)始走低，與此同時(shí)，內(nèi)地與香港的股價(jià)也持續(xù)下滑，隨著匯改的不斷深入，股票市場(chǎng)與外匯市場(chǎng)之間的聯(lián)動(dòng)效應(yīng)也越來(lái)越顯著，因此研究股市與匯市間的風(fēng)險(xiǎn)溢出，對(duì)預(yù)防系統(tǒng)性金融風(fēng)險(xiǎn)有一定的現(xiàn)實(shí)意義。

本文重點(diǎn)分析了“8.11”匯改前后內(nèi)地與香港的股市與匯市之間的聯(lián)動(dòng)關(guān)系。本文的貢獻(xiàn)主要體現(xiàn)在：本文采用Diebold和Yilmaz（2012）的溢出指數(shù)法，從波動(dòng)率方面度量?jī)?nèi)地與香港的股市與匯市兩兩市場(chǎng)間的溢出關(guān)系。

1 文獻(xiàn)綜述

國(guó)內(nèi)外學(xué)者對(duì)股票市場(chǎng)和外匯市場(chǎng)間的聯(lián)動(dòng)關(guān)系研究已久，隨著計(jì)量方法以及軟件應(yīng)用的普及，眾多學(xué)者對(duì)股票市場(chǎng)和外匯市場(chǎng)間溢出效應(yīng)的實(shí)證研方法也逐漸增多，主要可分為三大類(lèi)。第一類(lèi)為基于GARCH函數(shù)模型以及延伸模型的方法;第二類(lèi)則通過(guò)協(xié)整檢驗(yàn)、Granger因果關(guān)系檢驗(yàn)以及VAR模型來(lái)展開(kāi)研究;第三類(lèi)是從非線性的角度考慮匯市與股市間的溢出關(guān)系。以GARCH模型為例，肖芝露等（2018）運(yùn)用三元VAR-BEKK-GARCH（1，1）模型研究我國(guó)匯市、股市、債市之間的波動(dòng)溢出效應(yīng)，研究發(fā)現(xiàn)：匯市收益率和股市收益率都具有較強(qiáng)的方差時(shí)變性和波動(dòng)持久性。閻石等（2013）發(fā)現(xiàn)，在樣本期間內(nèi)，股市與匯市間雖不存在長(zhǎng)期均衡關(guān)系，但存在單向的均值溢出和波動(dòng)溢出，且溢出效應(yīng)的方向由危機(jī)前的匯市向股市的溢出轉(zhuǎn)換為危機(jī)后的股市向匯市的溢出。熊正德等（2015）采用小波多分辨分析與多元BEKK-GARCH研究了國(guó)內(nèi)匯市與股市間的溢出效應(yīng)，結(jié)果表明：兩個(gè)市場(chǎng)間存在顯著的波動(dòng)溢出效應(yīng)，且不同周期下的溢出效應(yīng)有所不同。然而，在使用多變量GARCH模型進(jìn)行溢出分析時(shí)，通常存在兩個(gè)方面的不足，一是GARCH模型不能量化溢出效應(yīng)的大小;二是GARCH模型要同時(shí)估計(jì)出大量的參數(shù)，計(jì)算較為復(fù)雜。

在協(xié)整檢驗(yàn)、Granger因果關(guān)系檢驗(yàn)與VAR模型方面，潘海峰（2016）發(fā)現(xiàn)人民幣匯率與股指在金融危機(jī)前中后均存在長(zhǎng)期均衡關(guān)系，且不同的階段往往表現(xiàn)出不同的Granger因果關(guān)系。趙進(jìn)文等（2013）發(fā)現(xiàn)當(dāng)人民幣升值時(shí)，股價(jià)會(huì)有所下跌;反之，當(dāng)人民幣貶值時(shí)，股價(jià)則會(huì)上漲。從非線性的角度來(lái)看，何誠(chéng)穎等（2013）基于SV-TVP-SVAR模型研究了我國(guó)股票價(jià)格與人民幣匯率之間的時(shí)變關(guān)系，結(jié)果表明匯市與股價(jià)之間的關(guān)系呈現(xiàn)出顯著的時(shí)變性。張蜀林等（2017）通過(guò)構(gòu)建時(shí)變t-copula模型來(lái)研究“8.11”匯改前后股市與匯市的動(dòng)態(tài)相依關(guān)系，結(jié)果表明，股市與匯市的相關(guān)關(guān)系具有非線性特性和時(shí)變特征，且匯改后的相關(guān)系數(shù)的變動(dòng)范圍有所增大。周愛(ài)民等（2017）發(fā)現(xiàn)內(nèi)地與香港的股市與匯市的兩兩市場(chǎng)間均存在溢出效應(yīng)，且離岸人民幣對(duì)在岸人民幣的溢出效應(yīng)始終大于反向溢出。

鑒于此，本文采用Diebold和Yilmaz（2012）的溢出指數(shù)法來(lái)衡量?jī)?nèi)地與香港兩地股市和匯市間的溢出效應(yīng)。DY（2012）較以往方法的優(yōu)點(diǎn)在于：不依賴(lài)于Cholesky分解的順序，即方差分解的結(jié)果不再依賴(lài)變量進(jìn)入模型的次序且計(jì)算較為容易，能量化溢出效應(yīng)的大小。

2 研究方法

溢出指數(shù)的概念最先由Diebold和Yilmaz于2009年在論文中提出，這種方法基于向量自回歸（VAR）模型，通過(guò)方差分解得到一個(gè)直觀描述變量間相互關(guān)系的指數(shù)（王奇珍、王玉東）。之后在2012年，Diebold和Yilmaz將溢出指數(shù)的測(cè)算拓展到廣義方差領(lǐng)域，該方法的優(yōu)點(diǎn)在于不僅不再依賴(lài)變量進(jìn)入模型的次序，而且還能夠針對(duì)性地測(cè)算單個(gè)變量或者單個(gè)市場(chǎng)的溢出效應(yīng)的大?。ㄗT小芬、張俊曉、鄭辛如）。除此之外，溢出指數(shù)法還能通過(guò)滾動(dòng)樣本時(shí)窗來(lái)捕捉不同市場(chǎng)間溢出效應(yīng)的時(shí)變情況。以下是本文關(guān)于我國(guó)股票市場(chǎng)動(dòng)態(tài)風(fēng)險(xiǎn)溢出指數(shù)模型的構(gòu)造。

當(dāng)時(shí)間序列保持平穩(wěn)的前提下，向量自回歸模型（VAR）的表達(dá)式為：，在本文中，m為滯后階數(shù)，xt為4維向量，Φi為一個(gè)4×4的系數(shù)矩陣，εt為4維的殘差列向量，不存在序列相關(guān)性，且服從獨(dú)立分布，即均值為零方差恒定的研究假設(shè)。其次，向量自回歸模型（VAR）可以轉(zhuǎn)換為移動(dòng)平均形式（VMA）：，若i>0，則Ai滿足下列式子中的遞歸方程：

若i<0，則Ai=0，;若i=0，則Ai為N維的單位矩陣。

為避免變量排列的次序影響殘差項(xiàng)的正交化，本文采用運(yùn)用KPSS處理法，預(yù)測(cè)殘差項(xiàng)的沖擊。該法中變量xj對(duì)變量xi （i≠j）向前H步預(yù)測(cè)誤差的方差貢獻(xiàn)為θij （H）;其表示如下：

其中，為第j個(gè)變量預(yù)測(cè)誤差的標(biāo)準(zhǔn)差，ei為第i個(gè)元素為1，其余元素均為0的N維列向量。θij （H）為變量xj對(duì)變量xi的溢出指數(shù)，且要求，其中θij （H）標(biāo)準(zhǔn)化處理后得：.

從上式中我們可以推出：且.

基于此，本文從定向溢出指數(shù)、總溢出指數(shù)、動(dòng)態(tài)溢出指數(shù)以及凈溢出指數(shù)的角度去估算內(nèi)地與香港的股市與匯市間的溢出效應(yīng)值。

定向溢出指數(shù)可以針對(duì)不同市場(chǎng)之間的溢出效應(yīng)的方向加以度量。表現(xiàn)為市場(chǎng)j對(duì)市場(chǎng)i的溢出指數(shù)可表示為：

再有，其他的所有市場(chǎng)對(duì)市場(chǎng)i的溢出指數(shù)可表示為：

與之相對(duì)應(yīng)的，市場(chǎng)i對(duì)所有其他的市場(chǎng)的溢出指數(shù)可表示為：

總溢出指數(shù)測(cè)算的是所有進(jìn)入模型的市場(chǎng)互相的信息溢出對(duì)模型總預(yù)測(cè)誤差方差的貢獻(xiàn)。其表達(dá)式如下：

由于金融市場(chǎng)處于隨時(shí)變更的狀態(tài)，因此在不同階段金融市場(chǎng)變量之間的相互關(guān)系也會(huì)呈現(xiàn)出不同的特征。

凈溢出指數(shù)衡量的是單個(gè)市場(chǎng)對(duì)其他市場(chǎng)的凈溢出。上式中的Sgi （H）-Sig （H）則表示市場(chǎng)i對(duì)所有其他市場(chǎng)的凈溢出指數(shù)。

3 實(shí)證分析

3.1 數(shù)據(jù)選取

本文旨在研究香港與內(nèi)地兩地的股票市場(chǎng)與匯率市場(chǎng)兩兩間的風(fēng)險(xiǎn)溢出關(guān)系，以上證綜指日收盤(pán)價(jià)、香港恒生指數(shù)日收盤(pán)價(jià)、在岸人民幣中間價(jià)日收盤(pán)價(jià)、離岸人民幣即期匯率日收盤(pán)價(jià)為研究對(duì)象，然后將中間價(jià)和即期匯率換算成邊際人民幣匯率形式，比如 1 人民幣 = 0.159美元。鑒于數(shù)據(jù)的可獲取性，本文選取了2012年5月2日到2019年3月29日的日度數(shù)據(jù)，在確保數(shù)據(jù)保持一致性的情況下，本文共得到1625組數(shù)據(jù)，數(shù)據(jù)均來(lái)源于Wind資訊金融數(shù)據(jù)庫(kù)。日度波動(dòng)序列的構(gòu)造借鑒Diebold和Yilmaz的構(gòu)造方法獲得， 然后將獲得的波動(dòng)序列對(duì)數(shù)差分，得到各個(gè)市場(chǎng)的波動(dòng)率序列，從而估計(jì)波動(dòng)率的溢出效應(yīng)。其表達(dá)式為：

其中，H、L、C、O分別代表各個(gè)市場(chǎng)的日度最高價(jià)、最低價(jià)、收盤(pán)價(jià)和開(kāi)盤(pán)價(jià)。

3.2 描述性統(tǒng)計(jì)

通過(guò)表1我們可以發(fā)現(xiàn)，這四個(gè)市場(chǎng)波動(dòng)率的偏度值均大于零，峰值均大于3，說(shuō)明這四個(gè)市場(chǎng)的波動(dòng)率序列具有非對(duì)稱(chēng)性以及尖峰厚尾的特性;此外，J-B統(tǒng)計(jì)量及其伴隨概率表明，在1%的顯著性水平下，這四個(gè)市場(chǎng)的波動(dòng)率均不服從正態(tài)分布;且單位根ADF統(tǒng)計(jì)量也在1%的水平下顯著，也就是說(shuō)各市場(chǎng)的波動(dòng)率序列均為平穩(wěn)序列，可以進(jìn)一步建立VAR模型。

3.3 基于溢出指數(shù)模型的分析

本文從波動(dòng)率的角度，基于廣義方差分解構(gòu)建連接矩陣，結(jié)果見(jiàn)表2。其中，矩陣的對(duì)角線表示每個(gè)變量的變化過(guò)程受到自身變化的影響。對(duì)角線之外則是變量之間的溢出情況。

觀察表2我們可以發(fā)現(xiàn)，各市場(chǎng)在波動(dòng)率方面的聯(lián)動(dòng)性各有不同;且每個(gè)市場(chǎng)受到自身變化的影響均超過(guò)90%，且同一市場(chǎng)的溢出水平要遠(yuǎn)遠(yuǎn)大于跨市場(chǎng)的溢出水平，其中彼此關(guān)聯(lián)性最弱的市場(chǎng)分別是內(nèi)地股票市場(chǎng)與離岸人民幣匯率市場(chǎng);最后，從雙變量?jī)粢绯鲆暯莵?lái)看，香港股票市場(chǎng)對(duì)其他市場(chǎng)均存在負(fù)向的凈溢出效應(yīng)，與之相反的是，內(nèi)地匯率市場(chǎng)對(duì)其他市場(chǎng)均存在正向的凈溢出效應(yīng)。

3.4 基于滾動(dòng)窗口的動(dòng)態(tài)溢出分析

波動(dòng)溢出表從靜態(tài)上描述了每個(gè)變量之間的溢出情況，但這種靜態(tài)的分析不能體現(xiàn)出波動(dòng)傳導(dǎo)的動(dòng)態(tài)過(guò)程。因此本文將DY2012與滾動(dòng)窗口分析法結(jié)合，得到了窗口期為200，預(yù)測(cè)步長(zhǎng)為10期的波動(dòng)率的溢出效應(yīng)走勢(shì)圖。

上圖分別表示了上證綜指（SHZ）、恒生指數(shù)（HSI）、在岸人民幣（CNY）、離岸人民幣（CNH）對(duì)其他市場(chǎng)的溢出效應(yīng)。結(jié)果表明：第一，上證綜指對(duì)恒生指數(shù)表現(xiàn)出最高的溢出效應(yīng)，幅度保持在2%至22%之間，其次是在岸人民幣市場(chǎng)，最低的是離岸人民幣市場(chǎng)。第二，恒生指數(shù)對(duì)上證綜指的溢出水平最高。第三，在岸人民幣對(duì)離岸人民幣的溢出水平遠(yuǎn)遠(yuǎn)高于在岸人民幣對(duì)股票市場(chǎng)的溢出水平，反映出跨市場(chǎng)的溢出水平低于同一市場(chǎng)的溢出水平。第四，離岸人民幣對(duì)在岸人民幣的溢出水平最高，其次是內(nèi)地股票市場(chǎng)，最后為香港股票市場(chǎng)。

3.5 “8.11”匯改前后股市與匯市間的溢出效應(yīng)比較

通過(guò)對(duì)比股市與匯市間的波動(dòng)溢出走勢(shì)圖發(fā)現(xiàn)，在“8.11”匯改后，兩兩市場(chǎng)間的溢出情況有所改變，主要體現(xiàn)在波動(dòng)率方面：首先，內(nèi)地股票市場(chǎng)對(duì)香港股票市場(chǎng)的溢出效應(yīng)在匯改之后逐漸趨于穩(wěn)定;其次，在岸人民幣市場(chǎng)對(duì)離岸人民幣市場(chǎng)的溢出效應(yīng)、離岸人民幣市場(chǎng)對(duì)在岸人民幣市場(chǎng)的溢出效應(yīng)強(qiáng)度均出現(xiàn)了大幅度的提升。

4 結(jié)論

本文采用DY（2012）的溢出指數(shù)法，以上證綜指（SHZ）、恒生指數(shù)（HSI）、在岸人民幣（CNY）、離岸人民幣（CNH）為研究對(duì)象，初步探討了內(nèi)地與香港的股票市場(chǎng)與外匯市場(chǎng)之間的溢出效應(yīng)，結(jié)論如下：

就波動(dòng)率方面而言。同一市場(chǎng)間的信息關(guān)聯(lián)度最高，同一地區(qū)不同市場(chǎng)間的信息關(guān)聯(lián)度次之，不同地區(qū)不同市場(chǎng)間的信息關(guān)聯(lián)度最低。從雙變量?jī)粢绯鲆暯莵?lái)看，香港股票市場(chǎng)與內(nèi)地股票市場(chǎng)對(duì)其他市場(chǎng)分別存在負(fù)向和正向的凈溢出效應(yīng)，即香港股票市場(chǎng)在絕大部分情況下都扮演著信息接收者的角色，而內(nèi)地股票市場(chǎng)在絕大部分情況下則扮演著信息發(fā)散者的角色。“8.11”匯改之后，在岸人民幣與離岸人民幣對(duì)彼此的溢出效應(yīng)均有著大幅的上升，也就是意味著“8.11”匯改，加強(qiáng)了兩個(gè)市場(chǎng)間的聯(lián)系。

綜合來(lái)看，“8.11”匯改促進(jìn)了內(nèi)地與香港的聯(lián)系，同時(shí)，本文的量化結(jié)果不僅能為投資者沖對(duì)市場(chǎng)風(fēng)險(xiǎn)提供了參考方向，也能為政府的一些監(jiān)管部門(mén)有效地預(yù)防和規(guī)避非系統(tǒng)性風(fēng)險(xiǎn)提供一定的理論參考。

[參考文獻(xiàn)]

[1] 楊子暉，周穎剛.全球系統(tǒng)性金融風(fēng)險(xiǎn)溢出與外部沖擊[J].中國(guó)社會(huì)科學(xué)，2018（12）.

[2] 肖芝露，尹玉良.我國(guó)匯市、股市和債市的波動(dòng)溢出效應(yīng)研究——基于“8.11匯改”的經(jīng)驗(yàn)分析[J].金融理論與實(shí)踐，2018（09）.

[3] 閻石，李連偉.我國(guó)股票市場(chǎng)與外匯市場(chǎng)的動(dòng)態(tài)關(guān)聯(lián)性研究[J].宏觀經(jīng)濟(jì)研究，2013（03）.

[4] 熊正德，文慧，熊一鵬.我國(guó)外匯市場(chǎng)與股票市場(chǎng)間波動(dòng)溢出效應(yīng)實(shí)證研究[J].中國(guó)管理科學(xué)，2015（04）.

[5] 潘海峰，費(fèi)為銀，沈?yàn)].人民幣匯率與股指聯(lián)動(dòng)及貨幣政策關(guān)聯(lián)性分析[J].財(cái)經(jīng)縱橫，2016（22）.

[6] 趙進(jìn)文，張敬思.人民幣匯率、短期國(guó)際資本流動(dòng)與股票價(jià)格——基于匯改后數(shù)據(jù)的再檢驗(yàn)[J].金融研究，2013（01）.

[7] 何誠(chéng)穎，劉林，徐向陽(yáng)，等.外匯市場(chǎng)干預(yù)、匯率變動(dòng)與股票價(jià)格波動(dòng)-基于投資者異質(zhì)性的理論模型與實(shí)證研究[J].經(jīng)濟(jì)研究，2013（10）.

[8] 張蜀林，楊洋，王書(shū)平.我國(guó)匯市與股市之間的風(fēng)險(xiǎn)傳染關(guān)系研究——基于8.11匯改前后的比較分析[J].價(jià)格理論與實(shí)踐，2017（12）.

[9] 周愛(ài)民，韓菲.股票市場(chǎng)和外匯市場(chǎng)間風(fēng)險(xiǎn)溢出效應(yīng)研究——基于GARCH-時(shí)變——Copula-CoVaR模型的分析[J].國(guó)際金融研究，2017（11）.

[10] 王奇珍，王玉東.國(guó)際油價(jià)_美國(guó)經(jīng)濟(jì)不確定性和中國(guó)股市的波動(dòng)溢出效應(yīng)研究[J].中國(guó)管理科學(xué)，2018（11）.

[11] 譚小芬，張俊曉，鄭辛如.國(guó)際大宗商品市場(chǎng)與金融市場(chǎng)的雙向溢出效應(yīng)——基于BEKK-GARCH模型和溢出指數(shù)法的實(shí)證研究[J].中國(guó)軟科學(xué)，2018（08）.