任曉航，曹景軒，賈帥帥

（1.中南大學(xué) 商學(xué)院，湖南 長沙 410083；2.廣州大學(xué) 廣東金融發(fā)展與數(shù)據(jù)科學(xué)研究中心，廣東 廣州 510405）

一、引言

隨著改革開放以來經(jīng)濟(jì)的快速發(fā)展，中國已經(jīng)成為世界上最大的新興市場和第二大的股票市場，在全球金融市場中占據(jù)日益重要的地位。與此同時，自從加入WTO以來，中國金融市場對外開放程度逐步提高，大量的國際資本得以在跨國市場間快速且較為自由地流動，這使得中國的金融市場化程度、市場效率以及規(guī)模不斷提升。伴隨全球金融一體化進(jìn)程不斷加快，我國股市與境外風(fēng)險的共振隱患也日益明顯（楊子暉等，2021）[1]。從2008年全球金融危機(jī)爆發(fā)，系統(tǒng)性金融風(fēng)險第一次被世界所關(guān)注，到2015年8月24日，全球各大股指遭遇重挫，引發(fā)“黑色星期一”重大股災(zāi)事件，緊接2020年受新冠疫情影響，歐美國家頻頻觸發(fā)熔斷機(jī)制，上證綜指也難逃超3 000個股跌停的劇烈震蕩的出現(xiàn)。可見，近年來國際股票市場風(fēng)險事件頻發(fā)且具有一定的聯(lián)動特征。如何準(zhǔn)確衡量全球股票市場的聯(lián)動，已成為現(xiàn)階段維護(hù)國家金融安全與穩(wěn)定的重要環(huán)節(jié)（楊子暉等，2021）[2]。有鑒于此，中國政府在2021年政府工作報告以及中央經(jīng)濟(jì)工作會議上分別強(qiáng)調(diào)“堅決守住不發(fā)生系統(tǒng)性風(fēng)險的底線”“要正確認(rèn)識和把握防范化解重大風(fēng)險”。新冠肺炎疫情全球大流行對國際經(jīng)貿(mào)流通的秩序造成了持續(xù)干擾，2022年爆發(fā)的俄羅斯與烏克蘭危機(jī)又形成了全球政治經(jīng)濟(jì)秩序大調(diào)整的空前挑戰(zhàn)，各國經(jīng)貿(mào)關(guān)系、尤其是中國與G7國家經(jīng)貿(mào)關(guān)系的健康發(fā)展面臨巨大不確定性。如何有效應(yīng)對國際系統(tǒng)性金融風(fēng)險聯(lián)動，仍將是政府監(jiān)管部門面臨的重大挑戰(zhàn)。在此背景下，研究全球股票市場聯(lián)動性，識別中國與其他國家間股票市場的相關(guān)性及其影響因素，具有很重要的學(xué)術(shù)價值與現(xiàn)實意義。它不僅有助于相關(guān)部門分辨金融市場聯(lián)動關(guān)系，也有助于加強(qiáng)政府對境外風(fēng)險的識別與判斷，未雨綢繆地化解潛在的系統(tǒng)性金融風(fēng)險，為經(jīng)濟(jì)持續(xù)健康發(fā)展創(chuàng)造有利條件。

股票市場聯(lián)動是系統(tǒng)性金融風(fēng)險研究領(lǐng)域的重要問題。1987年股市災(zāi)難期間，美國股票價格指數(shù)大幅波動，并迅速傳播到各國的資本市場，這使得國際股票市場聯(lián)動開始受到國外學(xué)者的高度重視。我國對股票市場聯(lián)動的研究起步較晚，且大多遵循國外學(xué)者的理論。大部分結(jié)論都可以概括為危機(jī)時期的高度協(xié)同運(yùn)動，例如，蘇木亞和郭崇慧（2015）[3]使用譜聚類方法對不同國家不同階段的股指波動稀疏性進(jìn)行分類，并對中國行業(yè)指數(shù)進(jìn)行格蘭杰因果關(guān)系檢驗和脈沖響應(yīng)分析，結(jié)果表明，歐洲債務(wù)危機(jī)影響我國股市不同行業(yè)指數(shù)的波動率，并且波動溢出呈現(xiàn)集中性；梁琪等（2015）[4]使用一個有向無環(huán)圖來研究多個市場的整體內(nèi)部收益率和波動溢出的方向和程度，以檢驗不同國家和地區(qū)股票市場的共同運(yùn)動路徑，結(jié)果發(fā)現(xiàn)，中國股市國際一體化水平不斷提高，但存在顯著的不對稱性；李岸等（2016）[5]和Zhang（2017）[6]研究了全球股市共同運(yùn)動的相互作用和親和力，發(fā)現(xiàn)中國股市早已與全球股市分離，然而，危機(jī)期間與國際市場的聯(lián)動性顯著增強(qiáng)，危機(jī)后波動性與其他股市保持密切聯(lián)系；李瀟俊和唐攀（2021）[7]指出，金融關(guān)聯(lián)性是衡量系統(tǒng)性金融風(fēng)險的關(guān)鍵指標(biāo)，并依據(jù)時變廣義動態(tài)因子模型考察了兩次金融風(fēng)險事件中股市行業(yè)間的時變關(guān)聯(lián)性及風(fēng)險溢出程度，體現(xiàn)了該模型在時變性與大樣本一致估計量方面的優(yōu)良特征。

學(xué)者又對影響股票市場之間的相關(guān)性的因素進(jìn)行研究，目前世界各國出現(xiàn)了對影響股票市場波動的協(xié)同機(jī)制的研究。例如，Wongbangpo和Sharma（2002）[8]研究了東南亞股市價格指數(shù)協(xié)動與經(jīng)濟(jì)基本面之間的關(guān)系，發(fā)現(xiàn)東南亞股市之間存在長期和短期協(xié)動市場和宏觀經(jīng)濟(jì)因素；Kim等（2011）[9]研究了美國股市收益、市場條件變化和經(jīng)濟(jì)基本面之間的關(guān)系，表明當(dāng)市場環(huán)境穩(wěn)定時，股市收益與基本面相關(guān)，而在危機(jī)和泡沫時期則不太可預(yù)測；Beine和Candelon（2011）[10]研究了新興股市的聯(lián)動，發(fā)現(xiàn)貿(mào)易強(qiáng)度、工業(yè)產(chǎn)值差異和金融自由化對股市間的聯(lián)動關(guān)系有重大影響。此外，利率和匯率市場政策增強(qiáng)了股票市場的聯(lián)動性，如龔金國和史代敏（2015）[11]研究了中國與美國股市之間或中國國內(nèi)市場之間的協(xié)動，以及宏觀經(jīng)濟(jì)波動、美元指數(shù)、金融自由化指數(shù)和貿(mào)易強(qiáng)度，發(fā)現(xiàn)美元指數(shù)和交易強(qiáng)度對不同股票市場之間的聯(lián)動程度有顯著影響。

綜上所述，縱觀該領(lǐng)域研究，目前國內(nèi)學(xué)者在研究中國與國際股市聯(lián)動的影響因素時，大多集中在宏觀經(jīng)濟(jì)和政策因素上。在不同的研究中，匯率、貿(mào)易強(qiáng)度、金融自由化和產(chǎn)業(yè)結(jié)構(gòu)都被證明對股票指數(shù)在各國間的協(xié)同運(yùn)動有重大影響。

與此同時，隨著近年來國際局勢不斷惡化，加之2020年疫情在全球的出現(xiàn)，使得逆全球化趨勢變得更加嚴(yán)重，經(jīng)濟(jì)政策不確定性對金融市場的相關(guān)性影響也已成為市場各方關(guān)注的焦點(diǎn)。相關(guān)研究主要集中于交叉市場收益相關(guān)和多國股票市場聯(lián)動現(xiàn)象。在目前經(jīng)濟(jì)政策不確定性對交叉市場收益相關(guān)的研究中，Li等（2015）[12]指出，經(jīng)濟(jì)政策不確定性對股市與債市和黃金市場的相關(guān)性有負(fù)向影響。Fang等（2018）[13]的研究結(jié)果則表明，從長期來看，股市與原油市場之間的相關(guān)性受到美國經(jīng)濟(jì)政策不確定性的積極影響。在經(jīng)濟(jì)政策不確定性對股票市場聯(lián)動影響的研究中，Li和Lu（2017）[14]認(rèn)為，經(jīng)濟(jì)政策不確定性已成為股市相關(guān)性的重要影響因素；游士兵和吳歡喜（2017）[15]指出，中國與日本的經(jīng)濟(jì)政策變動是影響兩國股市相關(guān)性的重要因素；楊亞娟等（2021）[16]認(rèn)為，中國經(jīng)濟(jì)政策不確定性指數(shù)變動對中美股市的長期相關(guān)性具有顯著的正向影響；李洋等（2021）[17]通過中國上市金融機(jī)構(gòu)微觀數(shù)據(jù)構(gòu)建金融機(jī)構(gòu)風(fēng)險傳染網(wǎng)絡(luò)，考察了經(jīng)濟(jì)政策不確定性對系統(tǒng)性金融風(fēng)險傳染的影響，認(rèn)為經(jīng)濟(jì)政策不確定性不僅會加劇金融機(jī)構(gòu)的風(fēng)險傳染還會加重其自身脆弱性，從而顯著增加系統(tǒng)性金融風(fēng)險。

綜上所述，雖然目前學(xué)者逐漸關(guān)注經(jīng)濟(jì)政策不確定性對金融市場聯(lián)動的影響，但現(xiàn)有研究尚未就經(jīng)濟(jì)政策不確定性對金融市場相關(guān)性的影響是否顯著以及具體影響方向等問題得出一致結(jié)論，且較少涉及經(jīng)濟(jì)政策不確定性對中國與國際金融市場相關(guān)性的影響。

有鑒于此，本文以2011年1月4日至2021年12月31日間的G7集團(tuán)成員國作為研究對象，分析了中國與G7成員國股票市場的相關(guān)性，以考察經(jīng)濟(jì)政策不確定性視角下的跨國金融風(fēng)險溢出問題。在影響因素的選取上，本文彌補(bǔ)了以往研究在經(jīng)濟(jì)政策不確定對股市相關(guān)性影響方面的缺陷，同時考慮了宏觀經(jīng)濟(jì)因素。具體而言，本文利用DCCMIDAS模型和分位數(shù)回歸，探討影響中國股市與G7國家股市的長期條件相關(guān)性的因素。首先，本文基于GARCH-MIDAS模型的實證結(jié)果，對波動率進(jìn)行長短期分解，估計單變量GARCH-MIDAS模型中的參數(shù)。其次，基于已得到的標(biāo)準(zhǔn)化殘差來估計DCCMIDAS中的參數(shù)，得到中國股市與G7國家股市長期與短期條件的動態(tài)相關(guān)系數(shù)。最后，本文分別檢驗全球經(jīng)濟(jì)政策不確定性（GEPU）和宏觀經(jīng)濟(jì)因素對中國股市與G7國家股市之間關(guān)聯(lián)性的影響，結(jié)果表明，中國上證A股與G7國家股市相關(guān)性均受GEPU的影響，其中中日股市相關(guān)性受到的沖擊最為顯著；貿(mào)易依存度會顯著沖擊到中國與北美洲兩個股票市場的相關(guān)性，而歐洲以及日本的貿(mào)易依存度則沒有顯著的股票市場相關(guān)性；通貨膨脹率差異對中國與G7國家中的歐盟國家的股票市場相關(guān)性產(chǎn)生沖擊，而在日本和北美這種沖擊則不會顯著影響股市相關(guān)性；匯率增長對中國與G7國家股票市場聯(lián)動性幾乎不產(chǎn)生影響。

本文通過金融計量方法，創(chuàng)新地提出了觀測潛在系統(tǒng)性金融風(fēng)險的指標(biāo)，它不僅有助于政府相關(guān)部門完善跨市場金融監(jiān)管體系與風(fēng)險處理機(jī)制，而且還有助于進(jìn)一步健全國際股票市場相關(guān)因素的異質(zhì)性理論，防范中國與單一金融市場的風(fēng)險聯(lián)動，為“要正確認(rèn)識和把握防范化解重大風(fēng)險”和“守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”提供實證參考依據(jù)。

二、實證模型設(shè)定

大多數(shù)與金融市場聯(lián)動的經(jīng)濟(jì)指標(biāo)的采樣頻率都低于金融數(shù)據(jù)。經(jīng)濟(jì)指標(biāo)通常每月報告一次，而股票價格可以每天甚至更頻繁地觀察。由于因變量和自變量數(shù)據(jù)頻率不一致，導(dǎo)致傳統(tǒng)的分析方法失效。學(xué)者通常利用兩步法協(xié)調(diào)二者分析頻率，即首先獲得高頻日度數(shù)據(jù)，然后將高頻日度數(shù)據(jù)聚合成低頻月度數(shù)據(jù)，最后進(jìn)行回歸分析，以月度的經(jīng)濟(jì)數(shù)據(jù)和金融數(shù)據(jù)考察二者聯(lián)動的經(jīng)濟(jì)機(jī)制。然而，這種方法存在許多明顯缺陷：一方面，聚合會丟失金融市場月內(nèi)微觀信息；另一方面，由于金融市場的滯后性，使得我們無法獲得充足的數(shù)據(jù)，最終產(chǎn)生較大的統(tǒng)計偏差。本文參考Colacito等（2011）[18]提出的DCCMIDAS模型，將低頻的月度經(jīng)濟(jì)指標(biāo)內(nèi)生到高頻日度數(shù)據(jù)中，既實現(xiàn)二者分析頻率的同步，又減少了因聚合而造成的金融市場月內(nèi)數(shù)據(jù)信息丟失的問題。

（一）GARCH-MIDAS模型設(shè)定

首先，根據(jù)Engle等（2013）[19]的研究方法，需要對單一股票市場收益率構(gòu)建GARCH-MIDAS模型，定義ri，t為8個國家（中國與G7國家）股票市場的收益率向量，表示國家i在第t日的對數(shù)收益率?；诟鲊夜芍笖?shù)據(jù)，計算日度收益率ri，t為：

其中，Pi，t表示國家i在第t日的收盤價。利用混頻數(shù)據(jù)技術(shù)MIDAS將收益率的波動劃分為長期成分和短期成分，故可將日度收益率ri，t分解為公式（2）的形式。

其中，μ是該國家股指的期望收益率；波動率含有長期成分τt（月度變化的長期成分）和短期成分gi，t（日度頻率變化程序的短期成分）。假設(shè)日度頻率變化的短期波動成分gi，t服從GARCH（1，1）過程：

其中，α和β是待估參數(shù)，要求α＞0，β＜0且α+β＜1。長期成分τt通過平滑已實現(xiàn)波動率設(shè)定：

其中，m，θ，ω1是三個待估參數(shù)。根據(jù)Engle等（2013）[19]的研究，選用Beta權(quán)重函數(shù)，具體形式為：

（二）DCC-MIDAS模型設(shè)定

DCC-MIDAS模型是DCC模型和GARCHMIDAS模型的結(jié)合，可以分析多個市場間長期和短期的動態(tài)條件相關(guān)。根據(jù)Colatico等（2011）[18]的研究方法，設(shè)定兩個國家i和j的股指收益率殘差序列矩陣qi，j，t滿足公式（6）。

其中，a和b是待估參數(shù)，要求a＞0，b＞0，且a+b＜1；qi，j，t是短期動態(tài)相關(guān)成分；ρi，j，t是長期動態(tài)相關(guān)成分矩陣，是已實現(xiàn)ci，j，t相關(guān)滯后期的加權(quán)求和，故其滿足公式（7）。

此外，ci，j，t滿足公式（8）。

其中，εt為GARCH-MIDAS模型中的標(biāo)準(zhǔn)殘差；為歷史相關(guān)性的滯后階數(shù)，為滿足低頻月度數(shù)據(jù)要求，本文將其設(shè)置為12。

（三）回歸模型設(shè)定

為檢驗GEPU和宏觀經(jīng)濟(jì)因素對中國和G7國家股票市場的長期動態(tài)條件相關(guān)性的影響，需分別對其進(jìn)行回歸。依據(jù)公式（7）DCC-MIDAS模型的結(jié)果，考慮GEPU對中國股票市場和G7國家股票市場長期相關(guān)性的單一影響，模型滿足公式（9）。

其中，corrt是中國股票市場和t股票市場之間的月度動態(tài)相關(guān)性。

然后，為研究宏觀經(jīng)濟(jì)因素的影響，在上述模型中繼續(xù)加入宏觀經(jīng)濟(jì)狀況因素，模型滿足公式（10）。

其中，TRADEt是中國（不含港澳臺，下同）對t國的進(jìn)出口總額占大陸GDP的比例；INFt是t國CPI增長率與中國CPI增長率之差的絕對值；ERGt是t國貨幣兌人民幣匯率增長率。

繼續(xù)對解釋變量對于非解釋變量條件分布的其他重要分位數(shù)異質(zhì)效應(yīng)進(jìn)行研究。本文采用Koenker和Basset（1978）[20]提出的分位數(shù)回歸（QR）進(jìn)行分析，分位數(shù)模型滿足公式（11）。

基于分位數(shù)回歸模型，為了研究其他重要分位數(shù)異質(zhì)效應(yīng)，相應(yīng)的分位數(shù)回歸模型滿足公式（13）和公式（14）。

本文選取了5個分位數(shù)，即τ=0.1，0.25，0.5，0.75，0.9，并將其分為三個相關(guān)區(qū)，即低相關(guān)區(qū)τ=0.1，0.25；中相關(guān)區(qū)τ=0.5；高相關(guān)區(qū)τ=0.75，0.9。

三、實證分析與結(jié)果

（一）數(shù)據(jù)與變量選取

本文以2011年1月4日至2021年12月31日期間中國與G7國家的股指收益率為樣本，其中包括：中國股市的上證綜指（SSEC）、美國股市的標(biāo)準(zhǔn)普爾500指數(shù)（SP500）、英國股市的倫敦金融時報100指數(shù)（FTSE100）、法國股市的CAC40指數(shù)（CAC40）、德國股市的DAX30指數(shù)（DAX30）、意大利股市的ITLMS指數(shù)（ITLMS）、日本股市的日經(jīng)225指數(shù)（N225）、加拿大股市的TSX綜合指數(shù)（TSX），共1 500組有效數(shù)據(jù)，數(shù)據(jù)來源于WIND資訊金融數(shù)據(jù)庫。

表1列示了8個股指收益率序列的描述性統(tǒng)計結(jié)果。從中可以看出，英國市場的平均收益率為-0.004，單日最大收益在八個市場中最低，僅為4.569。除了英國市場外，剩余七個市場平均收益率均為正值且都接近于0。所有市場收益率均呈現(xiàn)出左偏態(tài)，且峰度值均大于3，說明八個市場均具有尖峰、厚尾、非正態(tài)分布等典型特征，JB統(tǒng)計量也證實了分布的非正態(tài)性。ADF檢驗說明每個序列在1%的顯著性水平下平穩(wěn)。

表1 收益率序列的描述性統(tǒng)計

（二）DCC-MIDAS模型分析

利用最大似然估計法對模型參數(shù)進(jìn)行估計，要先估計GARCH-MIDAS模型，估計結(jié)果如表2所示。

表2顯示了GARCH-MIDAS模型的參數(shù)估計值。除了部分μ和ω不顯著外，其余參數(shù)均十分顯著。α，β＞0，且α+β＜1，說明短期波動成分圍繞長期波動成分上下波動。加拿大市場和中國市場的α+β更接近于1，說明加拿大和中國股票市場的波動持續(xù)性更強(qiáng)，相反，英國和德國股票市場波動的持續(xù)性較弱。與其他市場相比，美國市場的θ較大，說明美國股票市場的可實現(xiàn)波動有相對較大的比例可以傳導(dǎo)到長期波動中。所有市場的ω均大于1，說明在股票市場中，市場信息影響具有時效性，這符合經(jīng)濟(jì)現(xiàn)象規(guī)律。參數(shù)m在每個市場均顯著為正，說明長期波動具有顯著的歷史記憶性。

表2 GARCH-MIDAS估計結(jié)果

然后，本文對中國和G7國家的股票市場的動態(tài)相關(guān)性模型進(jìn)行估計，估計結(jié)果顯示所有參數(shù)均在1%的置信度下顯著，其中，參數(shù)a的估計值為0.035 65，參數(shù)b的估計值為0.835 69，參數(shù)w的估計值為1.008 23，說明歷史相關(guān)性會對中國和G7國家股市聯(lián)動造成影響。b的估計值與1相差較大，說明各國股市時變相關(guān)的持續(xù)性有限，股市聯(lián)動關(guān)系并不穩(wěn)定；a的估計值為0.035 65，趨近于0，說明已實現(xiàn)外部隨機(jī)干擾對當(dāng)前動態(tài)相關(guān)影響較小；w顯著體現(xiàn)了月度已實現(xiàn)相關(guān)性對股市間長期聯(lián)動的貢獻(xiàn)。

至此，得到了中國與G7國家的長期動態(tài)條件相關(guān)性，如圖1所示。2012—2019年，中國與大部分G7國家股票市場長期性相關(guān)始終在0至0.2范圍內(nèi)波動，處于較低水平。已有研究指出，中國與發(fā)達(dá)國家股票市場一體化程度較低，聯(lián)動效應(yīng)較弱（Li，2007；Lai & Tseng，2010；Hussain & Li，2018）[21-23]，本文的發(fā)現(xiàn)佐證了以上研究結(jié)論。與此同時，圖1結(jié)果也顯示相比于中美股市，中日和中歐股市聯(lián)動性更強(qiáng)，這與Hussain和Li（2018）[23]的研究結(jié)論一致。此外，值得注意的是2020年以來，受COVID-19影響，中國與G7國家股票市場相關(guān)性顯著增加。

圖1 中國與G7國家的長期動態(tài)條件相關(guān)性

（三）回歸模型分析

可從DCC-MIDAS模型得到中國和G7國家的股票市場長期動態(tài)條件相關(guān)系數(shù)，表3列示了描述性統(tǒng)計結(jié)果。為了避免“偽回歸”問題的出現(xiàn)，本文消除了相關(guān)系數(shù)的時間趨勢，并用其回歸后殘差作為被解釋變量，并采用單位根的方法對變量進(jìn)行平穩(wěn)性檢驗，可以發(fā)現(xiàn)，在1%的顯著性水平下，所有變量都是平穩(wěn)的，因此，對這些變量進(jìn)行回歸分析不會發(fā)生“偽回歸”問題。

表3 中國和G7國家股市長期相關(guān)性的描述性統(tǒng)計

為了進(jìn)一步考察中國股市與G7國家股市聯(lián)動的內(nèi)在機(jī)理，本文選取了全球經(jīng)濟(jì)政策不確定性、貿(mào)易依存度、通貨膨脹差異、匯率等四個解釋變量，來探究中國股市和G7國家股市長期相關(guān)性的影響因素。相關(guān)變量的定義與解釋，如表4所示。

核心解釋變量是全球經(jīng)濟(jì)政策不確定性，是指人們無法確定的經(jīng)濟(jì)政策未來效果。Huseyin和Mihai（2016）[24]以及Baker等（2016）[25]指出，一個國家的經(jīng)濟(jì)政策不確定性主要通過居民的消費(fèi)需求途徑影響到股票市場，并且經(jīng)濟(jì)政策不確定性越高，企業(yè)面臨的資金成本越高，最終導(dǎo)致其投資規(guī)模減小。早期通常采用事件分析法研究經(jīng)濟(jì)政策不確定的影響，但在量化指標(biāo)上存在很大的局限性。Baker等（2016）[25]開創(chuàng)性的通過有關(guān)經(jīng)濟(jì)政策不確定性的新聞詞條頻率構(gòu)建了EPU指數(shù)。EPU指數(shù)綜合不同時間、不同類型的政策，為實證分析提供有效代理變量。

貿(mào)易依存度是指一個國家或地區(qū)進(jìn)出口總額與GDP的比值。當(dāng)一個國家或地區(qū)對另一個國家或地區(qū)的貿(mào)易依存度較高時，意味著雙方的經(jīng)濟(jì)變化會變得更為敏感，從而會影響兩國或地區(qū)的股票市場。

通貨膨脹率差額對股票市場也存在不同程度影響，主要體現(xiàn)為兩國或地區(qū)通貨膨脹的差異一定程度上代表了經(jīng)濟(jì)發(fā)展的差異。除此之外，通貨膨脹差異還會改變資產(chǎn)價格和流動性，從而影響股票市場。

匯率則會通過影響出口企業(yè)在國際市場的競爭力、跨境資本流動的方向以及投資者的行為從而影響股票市場。

表4 變量的定義與解釋

表5列示了核心解釋變量GEPU和G7國家的宏觀經(jīng)濟(jì)因素的描述性統(tǒng)計結(jié)果。從中可以看出，日本的通貨膨脹差異波動最小，而美國和加拿大的波動最大。ADF檢驗結(jié)果均顯著，則可以說明每個解釋變量在1%的顯著性水平下均平穩(wěn)。

表5 變量的描述性統(tǒng)計

表6報告了模型1（公式9）和模型3（公式13）的回歸結(jié)果。表6檢驗結(jié)果顯示，全球經(jīng)濟(jì)政策不確定性顯著影響了中國與G7國家的股票市場的相關(guān)性。其中，在1%的顯著性水平下，全球經(jīng)濟(jì)政策不確定性越大，中國與G7國家股市間的相關(guān)性越高。表6進(jìn)一步表明，中國與日本股票市場相關(guān)性受到經(jīng)濟(jì)不確定性作用強(qiáng)度最大，達(dá)到了0.371，而美國則受到較小沖擊。此類現(xiàn)象可以歸結(jié)于地理位置因素，地理毗鄰、距離較近、交通便利的國家之間，容易產(chǎn)生緊密的經(jīng)濟(jì)聯(lián)系，從而經(jīng)濟(jì)政策不確定性增加，兩國的經(jīng)濟(jì)會同時受到不同程度影響，進(jìn)而使得股票市場相關(guān)性增加。

表6 模型回歸結(jié)果

得益于分位數(shù)回歸方法，可以檢驗GEPU效應(yīng)的異質(zhì)性特征，例如不同國家市場關(guān)聯(lián)機(jī)制之間的非線性和不對稱性。表6可以觀察到中國與G7國家相關(guān)性在低分位數(shù)（τ=0.1，0.25）受到經(jīng)濟(jì)不確定性的沖擊顯著高于中高分位數(shù)（τ=0.5，0.75，0.9），且系數(shù)均在1%的水平上顯著。這表明在股市間相關(guān)性低的時期，經(jīng)濟(jì)政策發(fā)生較大波動容易加深股票市場一體化程度，而隨著股市間相關(guān)性不斷增加，全球經(jīng)濟(jì)政策不確定性影響越來越弱。

GEPU對股市相關(guān)性的影響，主要是因為一個國家的經(jīng)濟(jì)政策不確定性的增加，實際上意味著其資產(chǎn)的未來風(fēng)險的提高。一個國家的投資者，為了規(guī)避經(jīng)濟(jì)政策不確定性的風(fēng)險，往往會減少在該國的投資，導(dǎo)致股票價格下跌，流動性不足，甚至有可能引發(fā)金融中介的信用風(fēng)險，為了彌補(bǔ)流動性短缺，金融中介往往被迫出售其他國家的股票，但這也會導(dǎo)致其他國家股票市場價格下跌，流動性不足。除此之外，經(jīng)濟(jì)政策不確定性還可能影響國際投資者的資產(chǎn)配置，通常明智的投資者會增加在經(jīng)濟(jì)政策不確定性低的地區(qū)的頭寸，拋售在經(jīng)濟(jì)政策不確定性高的地區(qū)的資產(chǎn)。

在模型1（公式9）和模型3（公式13）的基礎(chǔ)上，模型2（公式10）和模型4（公式14）加入了宏觀經(jīng)濟(jì)因素對于中國與G7國家股票市場相關(guān)性的影響，結(jié)果如表7所示。

表7 分位數(shù)回歸結(jié)果

（續(xù)表7）

由表7可知，貿(mào)易依存度對中美、中加兩個股票市場的相關(guān)性有顯著的負(fù)面沖擊（-2.449和-14.051），這與游家興和鄭挺國（2009）[26]的研究一致，不符合Paramati等（2015；2016）[27,28]對于雙邊貿(mào)易可以正向影響股市聯(lián)動性的假設(shè)。中國與歐洲以及日本則不存在此類關(guān)系，佐證了Evans和Hnatkovska（2014）[29]、Vithessonthi和Kumarasinghe（2016）[30]關(guān)于股市與國際股市間相依性并不受其國際貿(mào)易依存度影響的研究。造成此類現(xiàn)象的原因可能與中美與中加貿(mào)易波動較大，政策影響劇烈且經(jīng)常爆發(fā)沖突有關(guān)。中美股市相關(guān)性受貿(mào)易依存度的沖擊力度僅為-2.449，遠(yuǎn)小于中加股市，表明中美股市相對受雙方貿(mào)易影響較小。貿(mào)易依存度在中美股市相關(guān)性的低分位數(shù)（τ=0.1，0.25）中沖擊最大；相反在中加股市中，貿(mào)易依存度在中高分位數(shù)（τ=0.5，0.75，0.9）的沖擊最大，這可能是因為美國金融體系較加拿大更為成熟穩(wěn)定，對貿(mào)易沖擊有更強(qiáng)吸收能力。

與此同時，表7描述了通貨膨脹率差異對中國與G7國家股票市場相關(guān)性的影響。其中，中國與歐盟國家的通貨膨脹率差異對股票市場聯(lián)動性存在沖擊，而與日本、英國以及北美地區(qū)，此類沖擊則不顯著。由表7可知，通貨膨脹率差異的系數(shù)通常為負(fù)值，且絕大部分僅在低分位數(shù)中（τ=0.1，0.25）具有統(tǒng)計顯著性。這表明，只有在股市間相關(guān)性低的時期，兩國通貨膨脹率差異加大，會使得股票市場聯(lián)動增強(qiáng)。此外，表7還顯示匯率增長率的影響不顯著，這表明匯率并不是改變股票市場相關(guān)性的宏觀經(jīng)濟(jì)因素。

四、結(jié)論

迄今為止，關(guān)于股票市場間的聯(lián)動機(jī)制眾說紛紜，學(xué)者對于全球經(jīng)濟(jì)政策不確定性和宏觀經(jīng)濟(jì)因素的影響存在與否、強(qiáng)弱程度以及影響方向一直缺乏一個較為明晰的結(jié)論。為了識別中國與其他國家間股票市場的相關(guān)性及其影響因素，有效應(yīng)對國際系統(tǒng)性金融風(fēng)險聯(lián)動，本文利用DCC-MIDAS模型，克服了由于長期宏觀變量頻率與股市頻率存在差異造成的傳統(tǒng)DCC模型的局限性，基于日頻數(shù)據(jù)構(gòu)建中國股市與G7國家股市長期動態(tài)相關(guān)性，并利用結(jié)果進(jìn)行分位數(shù)回歸，考察影響股市間相關(guān)性的外部因素。

本文得出一些結(jié)論。首先，中國上證A股與G7國家股市相關(guān)性均受GEPU的影響，其中中日股市相關(guān)性受到的沖擊最為顯著。除此之外，本文還發(fā)現(xiàn)在股市間相關(guān)性低的時期，經(jīng)濟(jì)政策發(fā)生較大波動容易加深股票市場一體化程度。其次，貿(mào)易依存度會顯著影響到中美、中加兩個股票市場聯(lián)動，而歐洲以及日本的貿(mào)易依存度并不是重要的影響因素。相比于中美股市，中加股市聯(lián)動更容易受到貿(mào)易依存度的沖擊。除此之外，貿(mào)易依存度在中美股市相關(guān)性較低時期產(chǎn)生沖擊最大，相反在中加股市中，貿(mào)易依存度則在相關(guān)性較高時產(chǎn)生較大影響。最后，通貨膨脹率差異對中國與G7中的歐盟國家股票市場聯(lián)動產(chǎn)生沖擊，而在日本和北美這種沖擊則不會顯著影響股市相關(guān)性。此外，本文還發(fā)現(xiàn)，只有在股市間相關(guān)性低的時期，兩國通貨膨脹率差異加大，才會使得股票市場聯(lián)動增強(qiáng)。

本文研究結(jié)論對境外風(fēng)險識別與判斷和統(tǒng)籌協(xié)調(diào)防范系統(tǒng)性金融風(fēng)險具有借鑒意義。第一，不同國家地區(qū)與我國金融市場聯(lián)動效應(yīng)具有異質(zhì)性特征，股票市場關(guān)聯(lián)機(jī)制存在非線性和不對稱性。隨著中國金融市場國際化程度不斷加深，金融監(jiān)管部門應(yīng)結(jié)合各國家股市聯(lián)動特點(diǎn)，建立動態(tài)風(fēng)險預(yù)警機(jī)制，預(yù)先識別系統(tǒng)性金融風(fēng)險。第二，中國應(yīng)重點(diǎn)關(guān)注全球經(jīng)濟(jì)政策不確定性的變化，完善政策風(fēng)險應(yīng)對機(jī)制，同時積極與世界各國協(xié)商經(jīng)濟(jì)政策，促使全球共同抵御經(jīng)濟(jì)危機(jī)，以防范系統(tǒng)性金融風(fēng)險跨市場傳染。第三，股票市場聯(lián)動性與雙邊貿(mào)易、通貨膨脹差異密切相關(guān)。監(jiān)管部門應(yīng)高度關(guān)注與中國貿(mào)易依存度較高，通貨膨脹率差異較大的市場，加強(qiáng)跨市場風(fēng)險傳染管理，高度警惕發(fā)達(dá)國家金融市場風(fēng)險溢出效應(yīng)，防范宏觀經(jīng)濟(jì)因素引發(fā)的系統(tǒng)性金融風(fēng)險。