我国沪深股市与香港股市的收益溢出效应

盛 宁

(安徽财经大学金融学院，安徽 蚌埠 233030)

我国沪深股市与香港股市的收益溢出效应

盛 宁

(安徽财经大学金融学院，安徽 蚌埠 233030)

基于GARCH模型及其修正，同时进行平稳性检验、格兰杰检验和GARCH-M建模，主要对2005至2014年我国大陆沪深两市股市与香港股市之间的收益率波动进行分析，研究各股市之间是否可能存在的一定程度的联动关系趋势，以寻求相应对政策。通过股市收益率间描述性统计及相关系数、模型建立发现，沪深港股市股票收益率均呈尖峰厚尾的方差波动特征，同时香港股市的收益波动对上海股市存在显著的溢出效应，香港股市的波动也在一定程度上对深圳股市有影响。由此，对于大陆股市，应加强对香港股市走势的关注，制定更加合理的波动反应机制。

收益率波动；GARCH-M；溢出效应

一、引言

股票市场自身具有独特的信息传导和资源配置的作用，但也存在着一系列价格波动、资产定价等风险。随着经济日益全球化，不同的股票市场的自身波动与趋势还可能对多个市场产生溢出效应影响，各个资本市场间的紧密联系使得此类现象更加普遍。我国证券市场自上世纪90年代成立至今只有近二十年的时间，虽然与资本主义发达国家的证券市场相比仍然差距很大，但其发展的速度非常迅猛，各市场的运行机制逐年趋于完善。1990年12月和1991年6月上海证券交易所和深圳证券交易所的成立标志着我国股票市场的正式发展，截至2014年，期末境内上市公司总数为2613家，近十年的平均市盈率上海、深圳交易所分别为22.83和33.01。1866年中国香港非正式交易市场成立标志着香港股票市场的启动，至此之间经历过金融危机与股份制改革后，于2000年形成香港交易所。截至2014年，中国香港股市上市公司数量1472家，且自2013年5月至2015年5月，恒生行业分类系统平均市盈率为10.84。

对于股票市场的波动溢出效应，国内外的学者均进行了相应研究。Hama以1985年4月1日至1998年3月31日的伦敦金融时报指数、标准普尔500指数以及日经225指数的日收益率为数据样本，研究三者之间的价格变化波动之间的相互关系。利用联合估计得出了伦敦市场到纽约市场的波动均对东京市场存在着单向溢出效应[1]。Miyakoshi以美国和日本股市为对象，研究对亚洲其他国家股市的波动溢出效应，发现日本股市对亚洲其他国家的溢出效应要强于美国股市的影响，同时亚洲国家股市也对日本股市具有反向的波动效应[2]。Karolyi使用了向量自回归、多变量GARCH模型和不同市场加权指数的拟合对纽约、加拿大股市收益变化短期内的动态传递机制进行研究，发现不同市场之间的收益率溢出效应对随时间变化的条件方差较为敏感[3]。

由于我国的股票市场相对于国外起步较晚，国内对于股票市场波动效应研究的学者所采用的方法与国外学者基本一致。陈守东等使用向量自回归、协整检验和格兰杰因果检验等方法，对中国和其他四个发达国家股市进行了研究，发现发达国家股市对中国股市具有单向格兰杰引导关系，且存在较低程度的波动联动[4]。陈彬基于沪深两市A股指数的数据，利用GARCH模型研究了股市间的收益波动程度，表明两市收益率波动性存在格兰杰因果关系，同时具有ARCH特征[5]。汪素南主要从中国股市与国际股市的波动关系角度，用小波分辨法对美国与上海、中国香港股市的波动溢出进行了检验，结果表明美国股市对中国香港股市有着显著的溢出效应，但美国、中国香港股市均对上海股市没有显著的波动影响[6]。

分析股票市场之间存在溢出效应的程度大小，产生冲击的持续时间，以及后续的趋势，对如何进行风险防范具有重要的意义[7]。本文在以往学者研究的基础上分析我国沪深两市股市与香港股市存在的收益溢出效应，对于投资者资产定价及防范金融风险提供对策参考。

二、模型介绍及数据选择说明

(一)模型介绍

其中αi≥0，λi≥0，αi+λi<1。GARCH(1，1)模型一定程度上就可以描述金融时间序列。

一般情况下金融资产的收益与其风险大小成正比，于是将条件方差引入均值方程，条件方差方程不变，即GARCH-M模型：

其中αi≥0，λi≥0，αi+λi<1。

(二)数据选择说明

上证综指、深圳成指是由上海、深圳证券交易所编制，总体反映上海、深圳股市总体走势的指标；香港恒生指数由香港恒生指数服务有限公司编制，反映香港股市价格趋势最有影响的股价指数。分别选取2000年1月5日至2014年12月26日的上证综指(SH)、深圳成指(SZ)和香港恒生指数(HS)的每日股市收盘价，作为时间序列数据，选择的股票收盘价指数样本，来自于Wind数据库。同时进行数据处理，即得到各市场的股票收益率作为研究样本，计算公式为Rt=100(lnPt-lnPt-1)。其中Pt表示各股市每日收盘价格，Rt表示每日收益率。

上海和香港股票市场近十年的市场收益率走势如图1、2，显示两股市均在2007、2008年有较大的波动，香港股市的波动幅度比上海股市要大。其余期间相对趋于平稳，且波动走势较相似，股市之间可能存在收益溢出效应。

图1 上海市股票收益率

图2 香港市场股票收益率走势

三、实证分析

(一)描述性分析

对各股市收益率做描述性统计：样本期内沪市收益率均值为0.0298%，标准差为1.271%，偏度为-0.219，左偏。峰度为4.536，高于正态分布的峰值度3，则说明上海股票市场收益率具有尖峰厚尾的特征。JB正态性检验统计量为3759，说明在极小水平下，收益率显著异于正态分布；同样地深市与香港股市的各统计量也说明收益率具有尖峰、厚尾的特征，另外结果显示恒生指数的收益率标准差比沪深两市，说明香港股市在观测的样本期内的波动要比沪深两市相对较小。RH、RZ和RG分别表示上海、深圳和香港股票市场收益率。如表1。

表1 各股指收益率描述性统计

(二)平稳性及相关系数检验

进一步对样本数据进行ADF单位根检验，测定各股市收益率的平稳性，结果如表2。

表2 三市收益率平稳性检验结果

根据结果显示，在1%的显著水平下，三市的收益率均拒绝随机游走的假设，收益率均为平稳的时间序列数据[8]。

然后对收益率均值方程拟合残差序列做ARCH检验显示三市收益率残差项存在条件异方差，F统计量均大于临界值，即使用GARCH-M(1，1)模型合理，结果如表3。同时检验上海与深圳股市的收益率与其滞后15阶存在显著的自相关，香港股市收益率与其滞后11阶存在自相关，分别将滞后项加入建立的GARCH-M(1，1)模型，然后从模型的残差项中提取条件方差，用其来代表沪深港股市的收益率波动，如表4。

表3 ARCH效应检验结果

表4 三市收益率GARCH-M模型

由结果表明，三个股票市场的条件方差项GARCH的系数估计分别为0.01299、0.10471和0．62315，反映了收益与风险的正相关性，说明收益存在正向的风险溢价。而且香港股市的风险溢价比其他两市都要高，说明香港股市的投资者可能更加厌恶风险，相对地会要求更高的风险补偿。另外香港股市自身滞后项扰动的系数为0.00932，绝对值最小，即其收益率波动中自身的市场滞后波动贡献相对沪深两市股票市场都要小，说明香港股市的前期影响时效较短，对将来的交易冲击较小[9]。投资者在香港市场的投资选择时可以较少考虑前期的价格波动对未来投资的趋势影响，而沪深两市中前期因素需要加入风险估量的权重更多。

由于我国2005年正式进行了股权分置改革，可能对资本市场有一定的冲击，所以接着分别选择2000-2004年、2005-2014年的不同时期样本数据进行分段分析，考虑重大改革政策对股市间波动效应程度影响的外界因素。利用模型残差作为条件方差测定相关系数。如表5。其中VH、VZ和VG分别代表沪深港三市的收益率波动。

表5 沪深股市与香港股市收益波动相关系数

对比结果2005年之后沪深两市与香港股市收益波动相关系数分别为0.499和0.416，而2005年之前的仅为0.048和0.083，分别增长近10倍与5倍。说明股权改革之后明显对沪深、香港股市间的资本流动产生了影响，产生了一定的正相关性联系。在一定程度上，香港股市的收益率会随着沪深两市的波动而受到同方向同趋势的引导，即香港股市与沪深股市之间可能存在溢出效应。

2005年前后股市间的相互影响的变化，其中股权分置改革起到的影响不容忽视。例如实行改革一年内上证指数有明显的上升迅猛势头，深圳指数也有着增长的波动，虽然香港股市期间内波动相对较小，在后几年也逐渐上升，各股市之间的波动程度相似度也逐步提高。

(三)波动溢出效应研究

由于样本数据为平稳序列，利用两个时期各股市的收益率波动进行格兰杰因果关系检验来检测股市间的相互引导关系。如表6。

表6 两时期股市波动性的格兰杰检验

由结果2005年之前的P值均大于0.1，不能拒绝原假设，上海、深圳和香港股市之间相互均不是其他股市波动的格兰杰原因。此段时期股市之间相互影响的程度非常弱，与未实现股权分置改革以及沪深两市、香港股市之间资金配置机制各方面不同具有很大关系。

而2005年后，在1%的置信水平下可以拒绝原假设得出，香港市场的波动是上海市场的格兰杰原因；在5%的置信水平下可以拒绝原假设，香港市场的波动是深圳市场的格兰杰原因。总体上香港股票市场的波动对上海，深圳均有一定程度的影响，而上海，深圳市场的收益波动对香港股市的波动影响不显著，相互的波动呈现不对称性。

对已构建的GARCH-M模型进行修正，在沪市的条件方差模型中加入香港恒生指数收益率波动的滞后项，由结果显示，沪市模型中的均值方程GARCH项估计值变大，而且系数更加显著，同时估计的标准误差也缩小了，加入香港波动扰动项后沪市的收益率的GARCH-M效应更加明显了，风险波动性与收益间的正相关关系更加显著，说明了香港股市的收益率波动对于上海股市具有显著的溢出效应。而在香港股市的模型中加入滞后项和在深市模型中加入香港的波动滞后项，改善效果均不明显，则说明沪深两市对香港股市的收益率溢出效应不明显，进一步说明了上海股市与香港股市的波动是单向且不对称的[10]。如表7。

表7 修正后模型检验结果

四、结论与建议

(一) 结论

由沪深港股市间波动性溢出效应检验，香港股市对上海股市存在着显著的单向波动溢出效应，可能因为香港股市近年来发展比较迅速，各运行机制比较完善，同时香港的经济开放程度相对较高，所以对其他区域的经济具有一定的影响力，使得香港股票市场的波动对于上海股市具有明显的影响。而在格兰杰因果检验中显示香港股市波动是深圳股市波动的格兰杰原因，但在深圳股市收益率波动的GARCH-M模型修正中加入香港股市扰动项却没有明显的改善，可能是因为在某个特定时期内或一定条件下香港股市对于深圳股市有着一定程度的收益溢出效应，但并不显著，引导作用还是不明显。

在2005年前后沪深港股市之间的相关程度有明显的增加，且会增强，随着未来改革的逐渐成熟，经验逐渐积累加以利用，沪深港股市之间的相关联动性会愈发变强。

总体上，香港股市对上海股市具有显著的波动溢出效应，可能由于现在内地与香港间的开放程度越来越高，联系发展更加密切，内地市场价格发现功能的随之提升，两地间市场的联动效应进一步加大[11]。沪深两市对于香港股市市场波动影响程度较低，可能由于开盘时间，市场环境，股市交易管理机制各异，发展不一致等原因，另外相对于经济开放的香港，其股票市场的收益波动可能会更显著地受到国外金融市场的冲击，从而掩盖了我国大陆沪深两市对于其的部分引导影响。

(二)建议

1.可以依据其他股市的波动趋势，对自身市场走势做出相应预判，制定调整可能发生的情况的方针，有效率地做出风险防范。多层次、多元化的金融市场发展或者衍生工具的加入，在股市间的相互影响预示着巨大经济波动或金融危机时，可以做出更加灵敏、高效的缓冲保护。

2.关注国家以及国际间的重要改革和有关政策的出台，例如我国2005年的股权分置改革，一定程度上影响到股市的各方面运行，大陆股市与香港股市的关联程度有明显地提升。同时在不同的时期，不同的政策会对股市之间的资本流动、波动性程度产生巨大的影响。

3.股市间的相关性程度越来越高，收益溢出效应越来越强，标志着资金流动愈发流畅，有利于改善金融配置，但也不能完全放开管理，不然过度的相关性也会使得自身市场失去独立性，无法承受强烈地资本冲击，更多的是风险系数的增加。

4.投资者的投资战略需要在盯住自身市场的同时注意其他资本市场的相关情况，仅仅以单一市场的价格走势无法准确地进行判断，可能会低估投资的潜在风险，需要全面了解股票市场，灵活运用投资组合理论，降低风险。

5.香港股市对大陆股市的影响愈发显著的同时，会有外来资金通过香港股市有目的性地影响我国沪深股市，甚至对我国资本市场产生冲击。应合理调整投资结构，进行资源配置整合减少冲击，及时关注外部主要股市的动向，扩大自身资本市场体系的容量，提高股票市场抗风险弹性。

[1]Hama, R. Masulis and V. Correlation in Price Changes and Volatility across International Stock Markets [J]. The Review of Financial Studies.1990,3(2):281-307.

[2]Miyakoshi T. Spilovers of stock return volatility to Asian equity markets from Japan and the US [J]. Journal of International Money and Financial Studies,1990,3:281-307.

[3]Karolyi. A multivariate GARCH model of international transmission if stock return and volatility: the case of the United States and Canada [J]. Journal of Business and Economics statistic,1995,13:11-25.

[4]陈守东,刘艳武.中国沪深股票市场收益率及波动性相关性分析[J].金融研究,2003(7):80-85.

[5]陈彬.我国证券市场收益波动度及相关性分析[J].现代财经,2001(11):19-21.

[6]汪素南,潘云鹤.美国股市与中国股市间溢出效应的实证研究[J].浙江大学学报(工学版),2004(11): 1341-5341.

[7]张根明,任福匀.中国证券市场行业板块的波动特点分析[J].统计与决策，2007(3):84-85.

[8]刘金全,崔畅.中国沪深股票市场收益率和波动性的实证分析[J].经济学季刊,2002(4):885-898.

[9]樊智,张志英.多元GARCH建模及其在中国股市分析中的应用[J].管理科学学报,2003(4):68-73.

[10]刘晓,李益民.GARCH模型族模型在股市中的应用[J].技术经济与管理研究,2005(5):36-38.

[11]宋红雨.大陆与香港股票市场联动性分析[J].集团经济研究,2007(2):82-87.

(责任编辑：杜 婕)

On the Spillover Effect of Shanghai and Shenzhen Stock Market and Hongkong Stock Market

SHENG ning

( Finance Institute,Anhui Finance and Economics University, Bengbu Anhui, 233030， China )

Based on the GARCH model and its modification, the model of stationary test, Granger test and GARCH-M are carried out at the same time. Mainly between 2005 to 2014 in China, Shanghai and Shenzhen stock market and Hong Kong stock market returnsed volatility analysis, between the stock market whether there might be a certain degree of linkage between trend research, to seek appropriate policy. Through the stock market returns of descriptive statistics and correlation coefficient, model establishment of discovery, Shanghai, Shenzhen and Hong Kong stock market stock returns showed peak thick tail variance volatility characteristics, also in Hong Kong stock market volatility has a significant spillover effect on Shanghai stock market, Hong Kong stock market volatility also in a certain extent of Shenzhen Stock influential. As a result, for the mainland stock market, we should strengthen the trend of the stock market in Hongkong and develop a more reasonable reaction mechanism.

Volatility of Returns; GARCH-M; Spillover Effect

2015-08-10

盛宁(1992-)，男，安徽滁州人，在读硕士，主要从事金融学投资研究。

F830.91

A

1008-7605(2015)06-0113-05