国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

新冠疫情下股市、債市、匯市的聯(lián)動性研究

2022-09-02 01:38姜燕霞夏厚君王甜甜雷柳榮
浙江科技學院學報 2022年4期
關鍵詞:中債債市匯市

胡 月,姜燕霞,夏厚君,王甜甜,雷柳榮

(浙江科技學院 理學院,杭州 310023)

2019年底,新型冠狀病毒肺炎(以下簡稱新冠肺炎)疫情突如其來,疫情具有的突發(fā)性和不確定性,不僅給全球人民的生命健康帶來了威脅,同時還增加了金融市場的風險,對一國乃至全球的經(jīng)濟造成影響。股票市場(以下簡稱股市)、債券市場(以下簡稱債市)、外匯市場(以下簡稱匯市)是金融市場的重要組成部分,隨著全球經(jīng)濟的發(fā)展和金融體制改革,國內(nèi)資本市場加大開放力度,股市、債市、匯市之間的收益率呈現(xiàn)協(xié)同變化的特征,3個市場間的聯(lián)動性也更明顯。

關于不同金融市場間聯(lián)動性的研究,國外在此方面起步較早,Taimur等[1]采用向量自回歸模型(vector auto regression model,VAR)探究貨幣政策和匯率的關系,結論為利率與匯率之間無相關關系;Ning等[2-3]利用Copula模型研究發(fā)現(xiàn),股票市場與外匯市場之間存在顯著的對稱尾部相依關系。國內(nèi)學者在這方面的研究大多基于實證分析,陳靜等[4-5]基于VAR模型,發(fā)現(xiàn)股市與匯市之間存在長期協(xié)整關系;王斌會等[6]構建廣義自回歸條件異方差模型(generalized autoregressive conditional heteroskedasticity model,GARCH)探究中國股市、匯市和債市間的價格及波動溢出效應發(fā)現(xiàn),不存在價格波動溢出,但都具有方差時變性和波動持久性。

關于新冠疫情對金融市場影響的研究,國內(nèi)研究大多聚焦于股市。鐘熙維等[7-8]采用了VAR等模型進行探究,發(fā)現(xiàn)新冠疫情對全球股票市場的動態(tài)沖擊具有持久性,對各細分金融市場的沖擊具有動態(tài)時滯性;周民軍[9]基于指數(shù)廣義自回歸條件異方差模型(exponet generalized autoregressive conditional heteroskedasticity model,EGARCH)研究新冠疫情對中國宏觀經(jīng)濟運行及金融市場穩(wěn)定的潛在影響發(fā)現(xiàn),負面消息對金融市場的沖擊更大;劉精山[10]采用隨機波動時變參數(shù)向量自回歸模型(time varying parameter-stochastic volatility-vector auto regression model,TVP-SV-VAR)實證研究了新冠疫情沖擊與中國金融風險的動態(tài)時變關系,結果表明新冠疫情不同程度地增加了金融體系的風險水平。

綜合以上分析,雖然關于金融市場間聯(lián)動性的研究已有不少成果,但由于不同的國際背景、宏觀經(jīng)濟環(huán)境及金融市場的變動,各金融市場間聯(lián)動性的研究結論并非完全一致,研究尚存在以下不足:一是大多探究不同國家間的單個金融市場,或基于2個不同的金融市場,而同時研究3個金融市場的較少;二是關于新冠疫情此類突發(fā)衛(wèi)生事件對中國金融市場影響的研究,大多聚焦股市,對債市和匯市影響的研究較少。因此本研究將新冠疫情與金融市場聯(lián)系起來,研究股市、債市、匯市在新冠疫情沖擊下的動態(tài)響應,以及3個金融市場間的聯(lián)動性,一方面可以幫助投資者了解金融市場風險傳導、合理規(guī)劃投資組合、防范金融風險;另一方面可以幫助監(jiān)管部門在新冠疫情發(fā)生后更好地應對此類突發(fā)衛(wèi)生事件,保持金融穩(wěn)定健康發(fā)展,具有理論和現(xiàn)實意義。

1 模型與方法

1.1 向量自回歸模型

Sims在1980年提出VAR模型,它是自回歸模型(autoregressive model,AR)的推廣,用來估計聯(lián)合內(nèi)生變量的動態(tài)關系。VAR模型是用模型中所有當期變量對所有變量的若干滯后變量進行回歸,一般將模型表示如下:

Yt=A1Yt-1+A2Yt-2+…+ApYt-p+Qxt+εt。

(1)

1.2 脈沖響應函數(shù)

Koop等[11]提出了脈沖響應函數(shù),描述系統(tǒng)受到單次一定強度的沖擊后,系統(tǒng)中各變量的波動過程,其數(shù)學定義如下:

I(n|q,∏t-1)=E(yt+n|εt=q,εt+1=εt+2=…=εt+n=0,∏t-1)-

E(yt+n|εt=0,εt+1=εt+2=…=εt+n=0,∏t-1)。

(2)

式(2)中:q為沖擊向量;∏t-1為t-1時刻的信息集(歷史運行軌跡);I(n|q,∏t-1)有明顯的經(jīng)濟含義,即兩個相同系統(tǒng)的運行差別,在t時刻之前兩個系統(tǒng)的狀態(tài)完全相同;第1個系統(tǒng)在t到t+n期間僅在t時刻受到強度q的沖擊,第2個系統(tǒng)作為基準系統(tǒng),在t到t+n期間無任何沖擊。

VAR模型的脈沖函數(shù)如下:

(3)

式(3)中:Fn為M×M的系數(shù)矩陣,其計算通式如下:

1.3 方差分解

方差分解是正交化殘差對預測的均方誤差(mean-square error,MSE)影響的比率。假設xt為確定性變量,則對于將來n期的預測誤差可以表示如下:

Yt+n-Yt+n|t=εt+n+F1εt+n-1+F2εt+n-2+…+Fn-1εt+1。

(4)

式(4)中:Yt+n|t=E(Yt+n|∏t),因此yt+n|t的均方誤差

方差矩陣V的喬萊斯基(Cholesky)分解為V=LLT,其中l(wèi)i為L的第i列,

(5)

式(5)中:Si為uti對Vt+n|t的貢獻。N(yt+n|t,m)為yt+n|t,m的均方誤差,等于矩陣Vt+n|t的第m個對角元素vt+n|t;mm,因此,矩陣Si的第m個對角線元素si;mm為uti對N(yt+n|t,m)的貢獻,即

N(yt+n|t,m)=vt+n|t;mm=s1;mm+s2;mm+…+sM;mm。

定義n步預測的方差分解如下:

(6)

式(6)中:dmi(n)為N(yt+n|t,m)中uti貢獻的百分比。

2 實證研究

2.1 樣本選擇與數(shù)據(jù)處理

本研究選取自2019年11月1日—2020年6月30日的數(shù)據(jù)作為研究樣本,共計160個數(shù)據(jù)。以上海證券(以下簡稱上證)綜合指數(shù)日收盤價、中債總全價指數(shù)日收盤價、人民幣兌美元匯率收盤價作為股市、債市、匯市的代表數(shù)據(jù)。選擇原因為:上證綜合指數(shù)的行業(yè)覆蓋全面,能客觀科學地反映上市公司的質量,以及中國經(jīng)濟的成長與發(fā)展,具有市場代表性;中債總全價指數(shù)能反映債券全市場的整體價格走勢;美元是流通范圍最廣的國際貨幣,選擇人民幣兌美元匯率具有代表性且合理。數(shù)據(jù)來源于網(wǎng)易財經(jīng)、中國債券信息網(wǎng)和英為財情,由于股市、債市和匯市的數(shù)據(jù)無法完全匹配,因此本研究刪去了股市、債市和匯市開盤日不一致的數(shù)據(jù),保持數(shù)據(jù)的一致性,所使用的時間序列數(shù)據(jù)處理軟件為Eviews9。

上證綜合指數(shù)、中債總全價指數(shù)、人民幣兌美元匯率收盤價的走勢如圖1~3所示,從圖中可以明顯地看出,2020年第一季度,股市、債市、匯市的波動程度劇烈,尤其是在2020年1月23日武漢封城后,2020年2月3日中國股市和匯市出現(xiàn)斷崖式下跌,并且交易當日3 000多只股票跌停。為規(guī)避潛在風險,投資者偏好選擇風險較低的債券,債券價格不斷上漲。隨著國家對新冠疫情的有效控制,各行業(yè)復產(chǎn)復工,股市和匯市行情出現(xiàn)回暖。但由于3月國外疫情開始爆發(fā),美國股市史無前例地出現(xiàn)4次熔斷,繼而股災從美國向全球范圍蔓延,股市和匯市又開始大幅下跌,直至3月23日,跌至最低點。

圖1 上證綜合指數(shù)收盤價走勢

圖2 中債總全價指數(shù)收盤價走勢

圖3 人民幣兌美元匯率收盤價走勢

股市、債市、匯市的收益率序列均采用以下公式計算:

Rit=lnPit-lnPit-1。

(7)

式(7)中:i=1,2,3,分別代表上證綜合指數(shù)收益率、中債總全價指數(shù)收益率、人民幣兌美元匯率收益率;Rit為第i個指數(shù)收益率;Pit為第i個指數(shù)在第t日的日收盤價;Pit-1為第i個指數(shù)在第t-1日的日收盤價。

對股市、債市、匯市收益率序列進行描述性統(tǒng)計,結果見表1。上證綜合指數(shù)收益率和人民幣兌美元匯率收益率的偏度系數(shù)均為負數(shù),表明新冠疫情對股市和匯市可能產(chǎn)生負向影響;中債總全價指數(shù)收益率的偏度系數(shù)為正數(shù),表明新冠疫情對債市可能產(chǎn)生正向影響。峰度系數(shù)表明上證綜合指數(shù)、中債總全價指數(shù)、人民幣兌美元匯率收益率都呈現(xiàn)“尖峰厚尾”的特征,不服從正態(tài)分布。

表1 樣本收益率序列的描述性統(tǒng)計

對上證綜合指數(shù)、中債總全價指數(shù)及人民幣兌美元匯率收益率分別進行單位根檢驗,結果見表2,從表中可以看出,上證綜合指數(shù)收益率、中債總全價指數(shù)收益率、人民幣兌美元匯率收益率t統(tǒng)計量對應的概率均為0,在5%的顯著性水平上拒絕原假設,說明這3個序列都是平穩(wěn)序列。

表2 樣本收益率單位根檢驗結果

2.2 相關系數(shù)分析

根據(jù)新冠疫情發(fā)展的時間線,雖然新冠疫情第一起病例發(fā)生于2019年12月8日,但當時并未引起人們的注意,直到2019年12月30日一份名為《關于做好不明原因肺炎救治工作的緊急通知》在網(wǎng)上流傳,專家組奔赴武漢,新冠疫情才引起廣泛關注。2020年第一季度為新冠疫情最嚴重的時期,在此之后,第二季度疫情逐漸得到控制,因此將數(shù)據(jù)分為3個區(qū)間,第1個區(qū)間為2019年11月1日—2019年12月30日,第2個區(qū)間為2019年12月31日—2020年3月10日,第3個區(qū)間為2020年3月11日—2020年6月30日,分別計算3個區(qū)間的相關系數(shù),結果見表3。

表3 相關系數(shù)

在區(qū)間2,上證綜合指數(shù)收益率和中債總全價指數(shù)收益率、中債總全價指數(shù)收益率和人民幣兌美元匯率收益率間的相關系數(shù)為負數(shù),上證綜合指數(shù)收益率和人民幣兌美元匯率收益率間的相關系數(shù)為正數(shù),意味著股市與匯市之間存在正相關,股市與債市、匯市與債市之間存在負相關。新冠疫情發(fā)生后,股市與債市間的負相關系數(shù)增大,說明股市受到疫情影響價格下跌后,債券這種低風險資產(chǎn)成為了較好的避險工具,投資者通過投資組合分散風險,資金從股市流向債市,導致債市價格上升。受到新冠疫情的沖擊,股市和匯市相關系數(shù)大幅增加,匯市收盤價下跌,國內(nèi)資本流向國外,股市也流失部分資本,股市收盤價下跌。從長期看,匯市與債市間的相關性較弱,但在新冠疫情的沖擊下,匯市收盤價的下跌可能導致資金轉向債市,在短期對債市造成影響,債市和匯市相關系數(shù)由正轉為負,并且大幅變動。在區(qū)間3,新冠疫情逐漸得到控制,股市、債市、匯市之間的相關性均減弱,相關系數(shù)的正負和區(qū)間1一致,這表明新冠疫情對股市、債市、匯市收益率相關性的影響是短期的。

2.3 VAR模型估計

構建VAR模型之前,已對上證綜合指數(shù)、中債總全價指數(shù)、人民幣兌美元匯率收益率進行了協(xié)整檢驗和格蘭杰因果檢驗。結果表明,上證綜合指數(shù)、中債總全價指數(shù)、人民幣兌美元匯率收益率三者之間存在協(xié)整關系,在5%的顯著性水平上,拒絕人民幣兌美元匯率收益率不是上證綜合指數(shù)收益率的格蘭杰原因的原假設,說明由新冠疫情造成的匯市的波動會引起股市的波動,匯市與股市之間存在單向傳導。此結果符合Dornbush等[12]提出的流量導向理論,匯率收盤價的變動會改變對一國的進出口比例,從而造成貿(mào)易順差或逆差影響該國經(jīng)濟,繼而對公司現(xiàn)金流產(chǎn)生影響,表現(xiàn)為股票收盤價的上升或下降,即為單向因果關系。

建立VAR模型的第一步是要確定模型的滯后階數(shù),本研究基于赤池信息準則值(Akaike information criterion,AIC)和施瓦茲準則值(Schwarz criterion,SC)選擇VAR模型的最優(yōu)滯后階數(shù)為2階,對VAR模型進行參數(shù)估計,結果見表4,其中R1為上證綜合指數(shù)收益率序列,R2為中債總全價指數(shù)收益率序列,R3為人民幣兌美元匯率收益率序列。

表4 VAR模型估計結果

由表4可知,模型的AIC值和SC值較小,說明模型選擇的滯后階數(shù)是合理的。通過模型的特征多項式可知,所有倒數(shù)根的模都小于1,位于單位圓內(nèi),這說明VAR模型是平穩(wěn)的。

2.4 脈沖響應函數(shù)分析

脈沖響應函數(shù)可用來描述一個內(nèi)生變量受到由誤差項帶來的沖擊的反應程度,即對隨機誤差項施加一個標準誤差大小的沖擊后,對內(nèi)生變量的當期值和未來值所產(chǎn)生的影響程度。為了刻畫新冠疫情對股市、債市、匯市的動態(tài)沖擊過程,基于VAR(2)模型運用脈沖響應函數(shù)構建脈沖響應圖,如圖4~12所示,圖中的實線為內(nèi)生變量對沖擊的響應曲線,虛線表示兩倍標準差的上下限。

圖4 股市脈沖響應圖

圖5 股市-債市脈沖響應圖

圖6 股市-匯市脈沖響應圖

圖7 債市-股市脈沖響應圖

圖8 債市脈沖響應圖

圖9 債市-匯市脈沖響應圖

圖10 匯市-股市脈沖響應圖

圖11 匯市-債市脈沖響應圖

圖12 匯市脈沖響應圖

圖4~6為股市受到來自新冠疫情一個單位標準誤差的沖擊后,股市、債市、匯市的響應程度,股市對自身沖擊的響應在第1期較強,隨后逐漸減弱,直至第8期為0;債市對股市沖擊的響應較弱,第2期開始出現(xiàn)響應,第3期達到最大值,后趨于穩(wěn)定;匯市對股市沖擊的響應在1~4期較為明顯,后趨于穩(wěn)定。圖7~9為債市受到一個單位標準誤差的沖擊后,股市、債市、匯市的響應程度,股市對債市沖擊的響應在1~2期為反方向,3~4期有較弱反應,后趨于穩(wěn)定;債市對自身沖擊的響應在1~2期較強,后趨于穩(wěn)定;匯市對債市沖擊的響應較弱,基本上保持穩(wěn)定狀態(tài)。圖10~12為匯市受到一個標準誤差的沖擊后,股市、債市、匯市的響應程度,股市對債市沖擊的響應在第1期較為明顯,后趨于穩(wěn)定;債市對匯市沖擊的響應程度較弱,在第3期達到最大值,后趨于穩(wěn)定;匯市對自身沖擊的響應在第1期最強,第2期減弱,后趨于穩(wěn)定。

在新冠疫情的沖擊下,一方面股市、債市、匯市在短期不僅自身會受到影響,且彼此間也會互相影響,但從長期來看,疫情帶來的沖擊會逐漸減弱直至消失,各金融市場間的相互影響也逐漸減弱,回到穩(wěn)定狀態(tài)。另一方面,不同金融市場受到新冠疫情沖擊的響應具有時變性,相比債市和匯市,股市受到疫情沖擊的響應程度最強,且遠遠大于債市和匯市。當債市受到?jīng)_擊時,股市和匯市對沖擊的的響應在短期內(nèi)為反方向,股市與債市在短期內(nèi)存在此消彼長的關系,當股市繁榮時,大量資金流入股市,債市則會下跌,當股市蕭條時,大量資金從股市撤出流入債市,則債市上升;同時,債市的繁榮可能會使得資金轉向債市,導致匯市收益率下跌。這說明短期內(nèi)債市和股市的替代效應在中國是成立的,但從長期來看這種效應并不顯著。

2.5 方差分解

方差分解可以衡量VAR模型中每個結構的沖擊對內(nèi)生變量變化的解釋力度,對構建的VAR(2)模型進行方差分解,結果見表5~7。

表5 上證綜合指數(shù)收益率的方差分解

方差分解結果表明:上證綜合指數(shù)、中債總全價指數(shù)、人民幣兌美元匯率收益率方差分解結果穩(wěn)定期不同,上證綜合指數(shù)收益率在第8期開始趨于穩(wěn)定,中債總全價指數(shù)和人民幣兌美元匯率收益率在第5期開始趨于穩(wěn)定。上證綜合指數(shù)、中債總全價指數(shù)、人民幣兌美元匯率收益率的波動主要由自身貢獻所致,但是也會受到其他金融市場的影響。由表5可知,上證綜合指數(shù)收益率貢獻率約為95.44%,中債總全價指數(shù)收益率對上證綜合指數(shù)收益率波動的貢獻率穩(wěn)定在0.82%,人民幣兌美元匯率收益率對上證綜合指數(shù)收益率波動的貢獻率穩(wěn)定在3.74%。由表6可知,中債總全價收益率貢獻率約為84.86%,上證綜合指數(shù)收益率對中債總全價收益率波動的貢獻率穩(wěn)定在14.73%,人民幣兌美元匯率收益率對中債總全價指數(shù)收益率波動的貢獻率穩(wěn)定在0.41%。由表7可知,人民幣兌美元匯率收益率貢獻率約為80.7%,上證綜合指數(shù)收益率對人民幣兌美元匯率收益率波動的貢獻率穩(wěn)定在15.27%,中債總全價指數(shù)收益率對人民幣兌美元匯率收益率波動的貢獻率穩(wěn)定在4.03%。

表6 中債總全價指數(shù)收益率的方差分解

表7 人民幣兌美元匯率收益率的方差分解

在新冠疫情的背景下,股市、債市、匯市的方差分解結果表明其波動主要來自自身。股市波動受債市和匯市沖擊的影響較小,且受到匯市沖擊的影響大于受到債市沖擊的影響。債市和匯市的波動易受到股市沖擊的影響,債市波動受匯市沖擊的影響較小。相比股市,債市和匯市的發(fā)展并不成熟,股市是金融風險的中樞,在新冠疫情沖擊下,應首先穩(wěn)定股市,保持股市的穩(wěn)定有助于降低股市對其他金融市場的風險傳染,推動債市與匯市的高質量發(fā)展。

3 結 語

新冠疫情的爆發(fā)對中國乃至全球的金融市場造成沖擊,中國積極采取措施,嚴格防控,成為最早走出疫情影響的經(jīng)濟體。中國股市、債市、匯市發(fā)展時間較短,現(xiàn)階段還存在許多問題,在受到外來沖擊時易暴漲暴跌,還會對其他金融市場產(chǎn)生沖擊,影響各金融市場的平穩(wěn)運行,因此需要不斷推進各金融市場高質量發(fā)展,加強風險監(jiān)測。新冠疫情此類突發(fā)衛(wèi)生事件的發(fā)生,及社會金融活動的發(fā)生,都必然伴隨著金融資產(chǎn)價格波動和金融風險的存在,投資者應首先對自身所能承受風險的強度進行評估,合理配置資產(chǎn);其次要關注和了解突發(fā)事件的發(fā)展態(tài)勢及國家的相關政策,以積極的態(tài)度面對,避免因不了解情況而產(chǎn)生“羊群效應”。

猜你喜歡
中債債市匯市
M1與債券市場相關性研究
我國債市對外開放面臨的問題及國際經(jīng)驗啟示
中債新綜合凈價指數(shù)
房地產(chǎn)泡沫研究
中債新綜合凈價指數(shù)
中債國債收益率曲線
中債新綜合財富指數(shù)
高州市| 星子县| 扎囊县| 榆树市| 张家川| 静乐县| 阿图什市| 综艺| 岫岩| 嘉黎县| 溆浦县| 五家渠市| 临沂市| 金昌市| 敦化市| 玉田县| 丰镇市| 云和县| 湘阴县| 布拖县| 崇左市| 宜城市| 项城市| 修武县| 郸城县| 临武县| 普陀区| 竹北市| 巍山| 吉林省| 乃东县| 芦山县| 闸北区| 成安县| 马山县| 修水县| 西畴县| 河间市| 勃利县| 铁力市| 长宁区|