中国金融市场的时变信息溢出研究

赵　华　　麻　露

(厦门大学 1.经济学院 2.教育部计量经济学重点实验室，福建 厦门 361005)



中国金融市场的时变信息溢出研究

赵华1,2麻露1

(厦门大学 1.经济学院 2.教育部计量经济学重点实验室，福建 厦门 361005)

运用向量自回归模型构建溢出指数对股票市场、债券市场、货币市场、外汇市场之间的总溢出、净溢出以及各市场之间的配对溢出效应的时变性进行研究，结果发现：中国金融市场的收益率总溢出和波动总溢出并不是恒定的，而是具有显著的时变特征，其中，收益率总溢出水平在16%～50%的区间变动，波动总溢出在16%～55%的区间变动，国内外重要金融政策以及重要金融事件会显著影响金融市场的信息溢出大小。金融市场间的净溢出和配对溢出研究进一步表明，净波动溢出并不是保持同方向不变，而是随着市场冲击的变化表现出正的净溢出和负的净溢出两种不同的方向性溢出。

时变溢出；金融市场；溢出指数；方向性溢出

金融市场一体化的发展，期货、期权以及其他可以在市场间套利的衍生金融工具的积极推进对加强市场间的联动关系无疑具有极大的作用，投资者跨市场操作使得风险和危机在不同市场之间的传导速度加快，传导渠道增多。然而，在中国金融市场的改革和创新过程中，股票市场、外汇市场、债券市场和货币市场之间的相互影响、相互作用、相互溢出关系并不一定是恒定的，可能会随着外来冲击的影响而产生许多重要的变化。这种时变信息传导关系会对金融政策的制定与实施、组合资产配置、投资风险管理等问题产生重要影响。因此，有必要对金融市场之间的时变信息传导关系进行深入研究和探讨。

一、文献综述

对于金融市场之间相互影响关系的研究由来已久，早期的研究主要涉及各金融市场收益率之间的线性关系，即价格溢出效应。在国外：Ghosh(1993)采用误差修正模型研究标普500指数的期货和现货价格，发现两者间存在协整关系并且期货价格的变动领先于现货价格的变动；Shiller et al.(1992)研究美国和英国的股票市场和债券市场的收益率，发现两个市场收益率间存在正相关关系，揭示了两者存在一定程度的溢出关系。在国内：张碧琼等(2002)证实人民币市场汇率和深沪股市的两个综合指数、香港恒生指数之间分别存在协整关系和短期相互作用；邓燊等(2007)利用协整检验和Granger因果检验对汇率制度改革后中国股票市场和外汇市场的关系进行了实证研究，认为两者存在长期稳定的协整关系，人民币升值是中国股市上扬的单向Granger原因；王一萱等(2005)的研究表明，中国货币市场与资本市场之间不存在紧密的联系，两市场相关产品的价格和资金存在分隔现象。这些研究主要是从一阶矩的角度进行分析，而忽略了市场收益率二阶矩之间的关系，也就无法全面地反映金融市场之间的联系。

由于各金融市场对一些宏观政策影响因素反应的异同以及各市场参与者投资行为的差异，使得各金融市场之间的关系更多地表现为非线性关联。国外文献关于股票市场、外汇市场、货币市场、债券市场等主要金融市场之间非线性溢出关系的研究颇为丰富。对于股票市场与债券市场的关系而言：Chuliá et al.(2008)建立多元GARCH模型分析欧洲股票市场和债券市场之间的关系，发现两市场间存在双向波动溢出效应；Dean et al.(2010)对澳大利亚股票市场和债券市场进行研究，发现仅存在从债券市场到股票市场的单向波动溢出。就股票市场与外汇市场关系而言：Chkili et al.(2012)利用单变量和多变量GARCH类模型对股票市场和汇率市场的波动率关系进行研究，发现法国和德国的股市与汇市之间具有高度显著的双向波动溢出。对于股票市场和货币市场关系而言：Jansen et al.(2010)对比熊市和牛市周期利率对股票市场的影响效应，发现利率在熊市周期对股票市场具有显著的负向影响；Bernanke et al.(2005)发现美国股市对货币政策冲击有强烈的反应，货币市场和股票市场间存在风险传染效应。以上的研究都是针对两个金融市场之间的溢出关系。由于金融市场之间的联系错综复杂，同时考虑多个市场之间的溢出关系比分割性地研究两两市场间的关系能得到更多更丰富的信息。Fleming et al.(1998)发现股票市场、债券市场和货币市场之间有很强的波动溢出效应，并且这种效应在1987年美国股灾后显著增强。Hamrita et al.(2011)对美国市场利率、汇率和股价之间的关系进行研究，发现汇市与股市只在长期中存在双向的波动溢出效应。

国内研究方面：赵华(2007)运用多元GARCH模型对人民币汇率与利率之间的动态变化关系进行实证分析，发现人民币汇率和利率之间不存在价格溢出效应, 人民币对美元汇率与利率之间不存在波动溢出效应，而人民币对欧元、日元等非美元汇率与利率之间存在双向的波动溢出效应；李成等(2010)采用四元VAR(6)-GARCH(1,1)-BEKK模型分析了中国主要金融市场之间的溢出关系，发现这些市场有很强的波动集聚性和持续性，大多数金融市场间存在显著的双向均值溢出,所有市场间均存在显著的双向波动溢出；熊正德等(2013)引入GC-MSV模型对汇改之后的中国股市和汇市间的溢出效应进行研究，实证结果显示，汇市股市间整体上存在负的价格溢出效应，在人民币持续升温和震荡阶段存在不对称的波动溢出效应，且波动溢出效应随时间推移有所减弱；史永东等(2013)基于Copula理论研究了2002—2009年间股票与债券市场的风险溢出效应，发现股票市场与债券市场联动效应总体不显著；岳正坤等(2014)对中国股票市场、债券市场和利率市场的均值溢出效应和波动溢出效应进行了研究，发现债券市场和货币市场对股票市场存在均值溢出效应，货币市场与债券市场间的波动溢出效应为正；孟庆浩等(2015)构建基于ICA的IC-EGARCH波动溢出模型，对股票、基金、债券、外汇和货币市场之间的波动溢出效应进行分析，发现这五个金融市场间存在不对称的波动溢出。

综上，可以看到，国内外文献应用不同的计量方法对金融市场之间的线性或者非线性溢出关系进行了研究，为深入分析金融市场间溢出关系提供了有益的参考和借鉴，但大部分文献是以整体样本为研究对象，考察的是金融市场在样本期间内溢出的平均水平，或者是以某一事件为分界点分析事件发生前后溢出水平的变化。而已有文献对多市场之间信息传导关系的研究，主要是基于多元GARCH模型或者Granger因果关系检验以市场之间的信息溢出关系为常数作为假设，但并未对这一假设的合理性进行严格的分析和证明。如果金融市场的信息溢出关系具有动态变化或者时变方向性特征，将所有不同特征的数据混在一起会导致结果不准确甚至是无效。一个有效的解决办法是选择一定的样本窗进行滚动分析。陆凤彬等(2012)将Haugh-Hong信息溢出统计量与滚动窗结合，建立时变信息溢出统计量。这种方法有助于检验序列之间是否存在时变信息溢出效应，不过无法有效刻画序列之间溢出大小的数量变化特征。本文将采用滚动窗VAR模型揭示金融市场间溢出大小的时变特征，并讨论溢出大小变动的背后可能的影响因素。

不仅如此，中国金融市场所处的国内宏观经济、国际经济金融环境均处于动态变化之中，这种变化既会导致金融市场之间溢出大小的动态变化，还可能造成金融市场溢出的方向发生改变。本文采用的溢出指数法不同于基于多元GARCH的溢出分析方法，它不仅能够度量多变量溢出的数量大小和周期变化的特征，还能够有效地揭示出方向性溢出的动态变化(Diebold et al.,2012)。本文的主要贡献在于：首次采用溢出指数法对中国股票市场、债券市场、货币市场和外汇市场之间溢出大小的时变特征进行研究，将金融市场溢出大小的变动与国内外经济金融政策相联系，讨论政策变化对市场间溢出的影响，并进一步细分溢出效应，考察各金融市场的方向性溢出、净溢出以及两两市场之间的配对溢出效应的动态特征。

二、研究方法

Diebold et al.(2012)通过向量自回归模型的方差分解原理构建多变量之间的溢出指数，能够有效地测定多市场或者资产之间的时变溢出关系，为本文的研究提供了方法论基础。本文将探讨股票市场、债券市场、货币市场和外汇市场之间的时变溢出效应，为此，构建四变量p阶向量自回归(VAR)模型：

(1)

(2)

定义市场j到市场i的波动溢出为：

(3)

(4)

将误差方差中的交叉方差份额的影响加总，构建总溢出指数(Total spillover index, TSI)：

(5)

TSI衡量了四个金融市场之间的溢出对误差方差的贡献大小，总溢出指数越大，市场间的溢出在总方差中所占的比重越大，这说明市场之间的溢出程度越高，某一市场的冲击越容易影响到其他市场。

为了反映不同方向的溢出程度，定义接受总溢出指数和给予总溢出指数。市场i的接受总溢出指数：

(6)

接受总溢出指数度量其余所有市场对市场i的总溢出值，此时，市场i是其他所有市场波动溢出的目的地。市场i的给予总溢出指数为：

(7)

给予总溢出指数度量市场i对其他所有市场波动溢出的总影响，此时，市场i是对其他金融市场波动溢出的发出者。

根据接受总溢出指数和给予总溢出指数，容易定义净溢出指数为：

(8)

净溢出指数表示市场i的冲击对所有其他市场的净波动溢出大小。当净溢出指数大于0时，市场i是对其他金融市场波动溢出的净给予者；当净溢出指数小于0时，市场i相对于其他金融市场来说是波动溢出的净接受者。

接受总溢出指数和给予总溢出指数可以有效地度量市场i与其他市场之间的波动溢出效应，但无法具体给出市场i和市场j之间的波动溢出效应，这需要定义配对净溢出指数：

(9)

配对净溢出指数度量了市场i和市场j之间的波动净溢出效应。

三、中国金融市场溢出效应的实证分析

(一)数据的选择、处理和基本统计分析

本文分析中国金融市场间均值和波动的溢出，选取能够代表股票市场、债券市场、货币市场和外汇市场变动的数据集合，分别为沪深300指数、中证全债指数、隔夜回购利率、人民币兑美元汇率，时间从2005年8月1日至2015年12月31日。本文选取四个市场同时交易的数据，总计2534个日观测值，来源于Wind数据库。样本区间的选择主要基于中国外汇体制改革的考虑，2005年7月21日汇率制度改革，开始实行以市场供求为基础、参考一篮子货币进行调节的有管制的浮动汇率制度。沪深300指数是从上海和深圳两个证券交易市场中挑选300只A股作为样本编制而成的成分股指数，其样本覆盖了沪深市场六成左右的市值，它的变动能够充分地反映沪深两市股价的变动，具有良好的市场代表性，故选取该指数可以很好地反映股票市场的整体波动；中证全债指数从沪深交易所和银行间市场挑选国债、金融债及企业债组成样本券，能综合反映沪深证券交易所和银行间债券市场价格的变动趋势；国债回购交易活跃，并且交易量较大，所形成的回购利率在短期货币市场中居于主导地位，因此选择银行间债券回购市场的隔夜利率代表货币市场的日变化；由于美元不仅是中国主要的外汇储备形式，也是重要的外贸结算货币，美元在中国各项涉外经济与金融活动中占有重要地位，因而选择人民币兑美元汇率反映外汇市场的变化。

表1　基本统计分析

表1显示了四个市场2005年8月1日至2015年12月31日的描述性统计量。对于四个市场的收益率：从其均值来看，货币市场收益率的均值最大，股票市场次之，而外汇市场由于其间人民币汇率多处于升值阶段而导致收益率均值为负值。从其标准差来看，货币市场收益率的标准差最大，股票市场次之，而债券市场和外汇市场的收益率波动较为平缓。可见，相较于其他金融市场，货币市场虽有高收益的优点，但其波动也较大，风险较高，体现了金融市场高收益高风险的特征。从偏度来看，除了股票市场略微左偏外，其余三个市场均为右偏。从峰度来看，除股票市场周收益率峰度小于3，其余三个市场的峰度均大于3。对于四个市场的波动，可以看到，货币市场波动的均值和标准差仍然是最大的，可见货币市场的波动性在样本期内变化剧烈，这与其间中国货币政策的频繁调整不无关系；从偏度和峰度上看，四个市场的波动性基本上都是右偏和尖峰分布的，其中，外汇市场和债券市场的偏度和峰度远大于其他市场，可见这两个市场波动性的极端值较多。

(二)总溢出分析

图1　中国金融市场的收益率和波动总溢出图

为了考察溢出的时变性，现在采用50周(约为一年)滚动窗口计算收益率和波动溢出总指数*何光辉等(2012)基于一年(250天)的滚动窗分析中外证券市场一体化问题。此外，研究结论对不同大小样本窗的选择是稳健的。，VAR模型选择四阶滞后(滞后一个月)*对于VAR模型滞后期的选择，本文遵循Diebold et al.(2012)等的做法，即先选择一定滞后期进行分析，再探讨研究结论是否随着滞后期的变动而发生改变。本文稳健性检验部分分析了滞后二期至滞后十期总溢出指数的变动情况。，预测步长H设定为八(两个月)(后文将对滞后期和预测步长的稳健性进行分析)。估计结果如图1所示。总溢出图表明，中国金融市场的收益率溢出和波动溢出并不是恒定不变，而是大幅度上下变动，时而下降，时而上升，其中：收益率溢出水平在16%～50%的区间变动，平均溢出水平为29%；波动溢出水平变化较大，在16%～55%的区间变动，平均波动溢出水平为31%。这说明中国金融市场的收益率溢出和波动溢出具有显著的时变特征。基于多元GARCH模型的常数溢出效应分析忽略了这一特征，也就无法揭示金融市场间信息传导背后的深层次经济原因。

首先讨论收益率的时变总溢出(图1上图)。与波动率的时变溢出图相比，收益率的动态溢出变动较为平滑，大致可以分为三个周期：

第一个周期是2009年之前。收益率溢出的变动较为平稳，溢出指数在20%～30%的区间内波动。收益率溢出指数从2008年底进入第一个上升周期。这一时期由于受到美国次贷危机进一步恶化的影响，中国国内和国际金融市场动荡加剧，使得溢出指数从低于20%的水平一路上升，至2009年9月达到35%的最大值后逐渐下降。

第二个周期从2010年3月开始。由于受到欧洲债务危机的影响，世界经济二次探底的风险加剧，金融市场又进入了频繁动荡的时期，溢出指数从20%的水平开始迅速上升，至2010年底达到40%的最大值。

第三个周期从2012年2月开始。受到政府严厉调控房市、宏观数据弱于预期以及金融市场上流动性压力剧增等方面的影响，股票市场悲观情绪蔓延，股市连续下跌并影响其他金融市场，收益率溢出指数从2012年2月的20%开始迅速上升，在2013年6月达到接近破50%的水平。此后，随着世界经济逐渐从危机走向复苏，溢出指数逐渐下降，维持在25%～30%的水平。可见，收益率的溢出表现出很强的时变性，并且重大金融事件的发生会导致溢出水平上升。这是由于各金融市场受到相同基本面因素的影响，当某个市场因重大事件的冲击而产生价格变动时，因基本面的影响以及投资者根据价格变动去推测其他市场价格的变化，从而导致价格变动在市场间溢出。

接着分析中国金融市场之间的波动总溢出(图1下图)。可以将波动总溢出曲线的变化分为三个上升周期：

从2007年初起，波动溢出进入第一个变动周期，总溢出指数从20%开始呈现上升趋势。这一时期正对应政府为调节股市的“非理性繁荣”而频繁使用加息和紧缩银根等市场调节手段，导致货币市场和股票市场大幅波动并传染给其他金融市场，使得溢出指数迅速上升。特别是2007年5月18日，中国人民银行宣布同时上调存款准备金率、存贷款基准利率和人民币兑美元交易价浮动幅度，以及5月30日财政部突然宣布将印花税提高两倍至0.3%，股票市场在这些利空消息的冲击下大幅下跌，溢出指数从30%的水平突然跃升至50%的峰值。此后，随着市场参与者对市场预期的调整，市场波动减缓，溢出指数开始下降，于2007年底降至15%的水平。

波动总溢出变动的第二个周期从2008年一直持续至2012年。从2008年起，中国金融市场由于受到美国次贷危机的外部冲击而持续大幅震荡，导致波动溢出指数从15%开始不断上升，特别是2008年9月雷曼兄弟申请破产保护，预示美国次贷危机进一步恶化，导致波动溢出指数发生突然的向上跳跃。2008年底，各国为应对金融危机而相继制定宽松的货币政策，这些国家新增的流动性以国际游资的形式进入中国，加大了中国金融市场的风险。加之中国也于2008年底推出4万亿的经济刺激计划，导致2009年中国房价快速上涨，房地产市场泡沫显现，实物资产价格攀升，造成中国面临严峻的通胀压力。在国内外经济形势如此严峻的情况下，溢出指数从2009年3月起开始加速上升，至9月份达到50%的水平后开始下降，于2009年底降至20%。2010年初至2012年底，除了2010年4月由于股指期货的推出，期货和现货市场的联动加剧股票市场的波动，导致波动溢出指数迅速上升至40%的水平，以及2010年11月，美国宣布推出第二轮量化宽松的货币政策，导致波动溢出指数突然跳跃至超过40%的水平外，其余时间里波动总溢出指数基本上处于25%～30%的范围内，可见经济复苏期的波动溢出明显小于经济危机频发时期。

波动总溢出变动的最后一个周期从2013年初持续至2015年12月。由于2013年以后越来越多的国际资本逃离中国以及不合理的银行资金使用导致中国银行同业拆借市场压力越来越大，市场上出现“钱荒”，并可能引爆中国的债务危机。市场流动性压力使各金融市场波动加剧，波动溢出指数从2013年初低于20%的水平开始迅速上升，并于6月20日，在中国银行间隔夜拆借利率高达30%时，跳跃至超过50%的水平，此后在略微下降后继续快速上涨。2014年6月至样本期结束，溢出指数基本上在30%～40%的范围内变动。可见，重要金融事件对波动溢出指数具有显著的影响。

为了检验国内外重要金融政策及金融事件对收益率及波动溢出影响的显著性，本文建立虚拟变量回归模型：

TSIt=α+βDt+εt

(10)

其中，TSIt为t时期的收益率或波动总溢出指数，Dt为重要金融政策及事件的虚拟变量。如果在t时期有重要金融政策发布或者重要金融事件发生，则取值为1，否则为0。重要金融政策包括美国三轮量化宽松政策、中国股市印花税政策、2008年4万亿经济刺激政策等，重要金融事件包括美国次贷危机、欧洲主权债务危机、股市暴跌事件、钱荒事件、沪港通开通等。

表2　重要事件和金融政策对总溢出指数影响的回归结果

注：***、**分别表示在1%、5%的水平下显著；圆括号内的值为相应变量的标准误，方括号内的值为F检验的概率值；为了消除误差项自相关和异方差的影响，标准误进行了Newey-West修正。

从表2的回归结果可知，无论是收益率总溢出还是波动总溢出，其重要事件虚拟变量Dt的系数值β均为正值且在统计上显著异于零，这说明重要金融事件的发生及金融政策的发布会引起收益率及波动总溢出指数显著上升。同时，波动总溢出的β值大于收益率总溢出的β值，意味着波动总溢出对重要金融事件的发生反应更为灵敏。

因此，中国金融市场之间的收益率溢出和波动溢出关系并不是一成不变的，而是会随着时间的改变发生许多重要的变化，显示出很强的时变性，因此，认为金融市场间的溢出关系是固定不变的观点可能无法准确地描述市场间真实的溢出水平，也就无法揭示金融市场间信息传导背后的深层次经济原因。并且，国内外重要金融政策如美国量化宽松政策、人民币汇率政策、2008年经济刺激计划，以及重要金融事件如美国次贷危机、欧洲主权债务危机等都会显著影响中国金融市场信息溢出的大小，造成收益率溢出或者波动溢出的突然增大。

(三)分市场方向性总溢出分析

股票市场、债券市场、货币市场和外汇市场的总溢出曲线展示了随着时间的推移，中国金融市场间溢出的总体变化情况。为了更加全面地研究分市场间的溢出，这里分析某一市场对于其他市场的溢出(给予总溢出)或者从其他市场上得到的溢出(接受总溢出)，以及各个金融市场的净溢出。由于波动总溢出指数对于重大事件的发生有更为显著的反应，因而本文着重研究波动的方向性溢出指数。

图2　分市场给予总溢出图

图3　分市场接受总溢出图

各个市场对其他市场的给予总溢出和接受总溢出如图2和图3所示。可以看出，分市场的方向性溢出表现出很强的时变性，并且，从总体上看，给予总溢出和接受总溢出的变动呈现出聚集性，即溢出指数的变化常呈现出在某一时间内持续偏高或偏低的情况。在四个市场中，股票市场和债券市场的给予总溢出水平明显大于其他两个市场，这在后金融危机时期表现得尤为突出。债券市场的接受总溢出在不同时期的表现较为一致。货币市场的给予总溢出和接受总溢出在2013年之前较小，而2013年之后突然迅速上升，可见，货币市场在金融体系中的参与度2013年之后有较为明显的提升。

(四)分市场方向性净溢出与市场间配对溢出效应分析

图4绘出了四个市场的净溢出图，图5给出了市场间的配对净溢出图。可以看出，各金融市场的净溢出以及金融市场两两之间的溢出关系并不是一直保持同一方向，即从一个金融市场到另一金融市场的单方向性净溢出，而是存在正的净溢出(信息溢出的给予量大于接受量)和负的净溢出(信息溢出的给予量小于接受量)两种不同的溢出方向，这两种方向性溢出存在于不同时期，有的时期为正的净溢出，而有的时期则为负的净溢出,由于某个市场负的净溢出可能为其他市场正的净溢出，故以下主要从正的净溢出角度进行分析。

图4　分市场净溢出图

图5　配对净溢出图

股票市场作为波动溢出正的净传输者主要集中于三个时期：2008年底至2010年8月、2012年7月至2013年7月和2014年7月至2015年7月(见图4)。股市作为波动溢出净传输者的第一个时期正值全球经济的动荡期，美国金融危机和欧洲债务危机的相续爆发加大了世界各经济体金融市场的风险，作为“经济晴雨表”的股市更是大幅动荡，股票市场的剧烈波动导致总溢出指数不断上升(见图1下图)，这一时期股市的净溢出指数基本在3%以上，波动主要溢出到货币市场和外汇市场，股市对货币市场和外汇市场的最大净溢出均达到20%以上，此外对债券市场也有影响(见图5)。股票市场作为波动溢出净传输者的第二个周期的净溢出值是三个时期中最小的，净溢出指数在1%～3%的范围内波动。这一时期是股市从2010年起连续下跌的第三年，股市的持续下跌使得交易者对市场极度悲观，加之2013年起中国金融市场上流动性压力剧增，导致股票市场波动加剧。这一波股票市场的波动对债券市场、货币市场和外汇市场均有影响，且配对净溢出均在2%左右(见图5)。股票市场的净溢出为正的最后一个时期对应于股票市场的加速上涨时期，在资本市场不断出台深化改革以及沪港通、降息等一系列利好消息的冲击下，股市呈震荡上行格局，这一时期股票市场的波动主要传递到货币市场，其配对净溢出甚至达到40%的水平，此外对债券市场和外汇市场也有影响(见图5)。

总体而言，债券市场对其他市场正的净波动溢出大于其他三个市场，主要集中于2006年9月至2007年7月、2008年10月至2009年6月以及2012年12月至2014年3月这三个时期。债券市场净溢出为正的第一个时期内，由于央行一系列紧缩性货币政策的密集出台而导致债市连续下跌，期间不断走高的CPI指数和巨量特别国债的发行等利空因素在下跌行情中被不断放大，更加剧了债券市场的波动。这一时期债券市场的波动主要传输到货币市场和外汇市场，此外对股票市场也有影响(见图5)。债券市场作为对其他金融市场波动溢出净传输者的第二个时期内，净溢出指数基本处于8%的水平以上。这一时期债券市场经历了由牛转熊的巨大波动：从2008年9月起，为应对全球金融危机，中国的货币政策由紧转松，为债券市场行情的走高创造了良好的政策环境；到2009年，各利空消息的冲击又使得债券市场持续走弱。债券市场的巨大波动主要溢出到外汇市场，其配对净溢出的平均值在30%以上，最大值甚至超过50%，此外，债券市场对货币市场也有一定程度的影响(图5)。债券市场波动净溢出为正的第三时期持续的时间最长，净溢出指数平均在5%的水平上。这一时期美元的长期升值导致海外资本回流美国造成市场资金的紧张以及中国人民银行释放资金不及时导致货币市场利率出现大幅波动都严重影响着债券市场，同时债券核查风暴以及“钱荒”的爆发更加剧了债券市场的波动。这一时期债券市场的波动主要影响股票市场和外汇市场(见图5)。

从图4可以看出，货币市场对其他金融市场正的波动净溢出主要集中于2011年至2012年底及2013年6月至2014年7月这两个时期。货币市场波动净溢出为正的第一个时期，净溢出指数在5%左右，这一时期央行频繁调整货币政策以稳定经济，其中，2011年七次调整存款准备金率、三次调整利率，2012年两次降准、两次降息，货币政策的频繁调整加大了货币市场的波动。这一时期的波动主要影响到债券市场，其配对净溢出的平均值在15%以上，最大值甚至超过30%(见图5)。货币市场作为波动净传输者的第二个时期，市场出现资金紧张，对流动性的恐慌引起金融市场的震动，货币市场出现较大波动，主要溢出到股票市场和外汇市场(见图5)。

对于外汇市场而言，其波动净溢出指数大于零的时期集中于2006年9月至2007年3月、2010年底至2011年底以及2015年7月至12月(见图4)。外汇市场作为波动净传输者的第一个时期，人民币兑美元呈持续升值趋势，大量跨境资本通过各种渠道进入中国，增大金融市场的波动，主要溢出到股票市场，其配对净溢出的均值在18%左右。外汇市场净溢出指数为正的第二个时期正值欧美主权债务危机不断恶化，出于欧美金融市场流动性需求和国际上看空中国经济的声音增多，热钱涌入中国的速度开始放缓，多年来在外汇市场上一直处于升值通道的人民币，从2011年9月末开始由单边看涨转为有贬值预期的人民币汇率双向波动。这一时期外汇市场的净溢出指数基本在3%的水平上，波动主要溢出到股票市场，其配对净溢出指数平均在15%以上，最大值甚至超过了35%(见图5)。2015年8月11日，中国人民银行完善人民币兑美元汇率中间报价机制，导致人民币快速贬值，带来外汇市场的剧烈波动，这一时期外汇市场的波动主要影响股票市场，此外对债券市场和货币市场也有影响(图5)。

综上所述，金融市场之间的方向性净波动溢出不是固定不变的，而是随着市场政策和冲击的变化显示出不同的溢出方向和溢出水平，表现出很强的时变性。其中，股票市场正的净溢出主要集中在三个时期，第一个和第三个时期的净溢出水平明显大于第二个时期，两个时期的波动都有很大部分溢出到外汇市场和货币市场；债券市场对其他市场正的净波动溢出大于其他三个市场，净溢出值大于零主要集中在三个时期，不同时期的净溢出水平有所差异，并且波动主要溢出到的市场也各不相同；货币市场作为正的波动净传输者的时期主要有两个，第一个时期的净溢出水平略大于第二个时期；外汇市场净溢出值大于零主要集中在三个时期内，三个时期内的波动均主要溢出到股票市场。

(五)稳健性检验

前面选择四阶滞后预测步长为八的VAR模型分析中国股票市场、债券市场、货币市场和外汇市场的时变溢出效应。为了检验时变溢出效应的稳健性，这里将滞后期分别设为两期至六期，预测步长H设定为两步至十步，分别计算波动总溢出指数。对于不同滞后期的分析，得到五组结果，分别计算它们的最大值、平均值和最小值，结果如图6上图所示。结果显示，对于不同的滞后期，波动总溢出图给出类似的变化形态，波动总溢出指数的最大值、平均值和最小值具有基本相似的特征，整体形态和图1下图的波动总溢出十分接近，波动总溢出总是在同样的时间点出现波峰和波谷。当预测步长从两步增加到十步时，得到九组结果，它们的最大值、平均值和最小值如图6下图所示。本文发现，波动总溢出指数变化特征并不会由于预测步长的变化而变化，波动总溢出指数对于预测步长是稳健的。不过下图比上图更平滑一些，这是由于下图中的预测步长多小于上图中的预测步长八。事实上，不仅波动总溢出指数对于滞后期和预测步长的变化是稳健的，而且收益率总溢出指数、方向性溢出指数也不会由于这二者的变化而受到显著影响。因此，本文的研究结论是稳健的，并不会由于不同滞后期和不同预测步长的变化而改变。

图6　稳健性分析图

此外，本文还进行了其他方面的稳健性检验：以45周到100周的滚动窗代替50周的滚动窗；基于Parkinson(1980)的极差方法计算周波动性。结论基本保持不变*由于篇幅限制，这里没有一一列出。。

四、结论与建议

本文选取股票市场、债券市场、货币市场和外汇市场的日数据，通过向量自回归模型的方差分解原理构建多变量之间的溢出指数，对中国金融市场均值和波动之间的时变溢出关系开展研究。结果发现：

第一，中国金融市场的收益率总溢出和波动总溢出并不是恒定不变，而是具有显著的时变特征。收益率总溢出水平在16%～50%的区间变动，平均溢出水平为29%；波动总溢出水平变化较大，在16%～55%的区间变动，平均波动溢出水平为31%。国内外重要金融政策以及重要金融事件会显著影响中国金融市场信息溢出的大小，造成收益率溢出或者波动溢出突然增大。

第二，分市场的方向性溢出表明，给予总溢出和接受总溢出的变动呈现出聚集性。股票市场和债券市场的给予总溢出水平明显大于货币市场和债券市场，债券市场的接受总溢出在不同时期的表现较为一致，货币市场的给予总溢出和接受总溢出在2013年以后上升。

第三，金融市场间方向性净溢出表明，市场间净波动溢出并不是保持同一方向不变，而会随着市场冲击的变化表现出不同的溢出方向和溢出水平，主要存在正的净溢出和负的净溢出两种不同的溢出方向，这两种方向性溢出存在于不同时期，净溢出显示出很强的时变性。股票市场正的净溢出主要集中在三个时期(2008年底至2010年8月、2012年7月至2013年7月和2014年7月至2015年7月)，第一个和第三个时期的净溢出水平明显大于第二个时期，两个时期的波动都有很大部分溢出到外汇市场和货币市场；债券市场对其他市场正的净波动溢出大于其他三个市场，正的波动净溢出主要集中在三个时期(2006年9月至2007年7月，2008年10月至2009年6月以及2012年12月至2014年3月)，不同时期的净溢出水平有所差异，并且波动主要溢出到的市场也各不相同；货币市场作为波动净传输者的时期主要有两个(2011年至2012年底和2013年6月至2014年7月)，前一个时期的净溢出水平略大于后一个时期；外汇市场净溢出大于零主要集中在三个时期内(2006年9月至2007年3月、2010年底至2011年底以及2015年7月至12月)，波动均主要溢出到股票市场。

总的来说，中国金融市场间的均值及波动总溢出和净溢出会随着经济形势的变化而表现出不同的溢出水平，显示出很强的时变性。因此，本文认为：对于货币政策制定者而言，在出台宏观经济政策时应充分考虑不同时期市场间溢出水平的变化。在经济危机时期，由于市场间的溢出水平明显上升，出台政策时，要特别注意全面考虑政策对金融市场的影响，把握好政策实施的力度和时间，尽量减小金融市场的波动，降低金融市场风险。对于跨市场的投资者而言，应当在准确把握金融市场间波动溢出效应的基础上，调整好自己的投资行为，在不同时期构建不同的资产组合来规避金融风险。

邓燊，杨朝军． 2007． 汇率制度改革后中国股市与汇市关系：人民币名义汇率与上证综合指数的实证研究[J]. 金融研究(12)：55-64．

何光辉，杨咸月，陈诗一． 2012． 入世以来中国证券市场动态国际一体化研究[J]． 经济研究(10)：82-96．

李成，马文涛，王彬． 2010． 我国金融市场间溢出效应研究：基于四元VAR-GARCH(1,1)-BEKK模型的分析[J]． 数量经济技术经济研究(6)：3-19．

陆凤彬，洪永淼． 2012． 时变信息溢出检验及其在金融市场中的应用[J]． 管理科学学报(4)：31-39．

孟庆浩，张卫国. 2015. 基于ICA的多元金融市场波动溢出及实证研究[J]. 系统工程(10)：115-121.

史永东，丁伟，袁绍锋. 2013. 市场互联、风险溢出与金融稳定：基于股票市场与债券市场溢出效应分析的视角[J]. 金融研究(3):170-180.

王一萱，屈文洲． 2005． 我国货币市场和资本市场连通程度的动态分析[J]. 金融研究(8)：112-122．

熊正德，韩丽君. 2013. 金融市场间波动溢出效应研究：GC-MSV模型及其应用[J]. 中国管理科学(4)：32-41.

岳正坤，张勇. 2014. 货币市场、债券市场对沪深300指数溢出效应的实证研究[J]. 宏观经济研究(3)：100-135.

张碧琼，李越． 2002． 汇率对中国股票市场的影响是否存在：从自回归分布滞后模型得到的证明[J]． 金融研究(7)：26-35．

赵华． 2007． 人民币汇率和利率之间的价格和波动溢出效应研究[J]． 金融研究(3)：41-49．

ANDERSEN T G, BOLLERSLEV T, DIEBOLD F X, et al. 2001. The distribution of realized stock return volatility [J]. Journal of Financial Economics, 61(1):43-76.

BERNANKE B S, KUTTNER K N. 2005. What explains the stock market′s reaction to federal reserve policy [J]. Journal of Finance, 60(3):1221-1257.

CHKILI W, ALOUI C, NGUYEN D K. 2012. Asymmetric effects and long memory in dynamic volatility relationships between stock returns and exchange rates [J]. Journal of International Financial Markets, Institutions and Money, 22(4):738-757.

CHULIA H, TORRO H. 2008. The economic value of volatility transmission between the stock and bond markets [J]. Journal of Futures Markets, 28(11):1066-1094.

DEAN W G, FAFF R W, LOUDON G F. 2010. Asymmetry in return and volatility spillover between equity and bond markets in Australia [J]. Pacific-Basin Finance Journal, 18(3):272-289.

DIEBOLD F X, YILMAZ K. 2012. Better to give than to receive: predictive directional measurement of volatility spillovers [J]. International Journal of Forecasting, 28(1):57-66.

FLEMING J F, KIRBY C, OSTDIEK B. 1998. Information and volatility linkages in the stock, bond and money markets [J]. Journal of Financial Economics, 49(1):111-137．

GHOSH A. 1993. Cointegration and error correction models: Intertemporal causality between index and futures prices [J]. Journal of Futures Markets, 13(2):193-198.

HAMRITA M E, TRIFI A. 2011. The relationship between interest rate, exchange rate and stock price: A wavelet analysis [J]. International Journal of Economics and Financial Issues, 1(4):220-228.

JANSEN D W, TSAI C L. 2010. Monetary policy and stock returns: Financing constraints and asymmetries in bull and bear markets [J]. Journal of Empirical Finance, 17(5):981-990.

KOOP G, PESARAN M H, POTTER S M. 1996. Impulse response analysis in nonlinear multivariate models [J]. Journal of Econometrics, 74(1):119-147.

PARKINSON M. 1980. The extreme value method for estimating the variance of the rate of return [J]. Journal of Business, 53(1):61-65.

SHILLER R J, BELTRATTI A E. 1992. Stock prices and bond yields: Can their comovements be explained in terms of present values models [J]. Journal of Monetary Economics, 30(1):25-46.A Study on Time-varying Information Spillovers in China′s Financial Markets

(责任编辑刘志炜)

ZHAO HuaMA Lu

(Xiamen University, Xiamen 361005)

This paper utilizes vector autoregressive model to construct spillover index to study dynamic relationships, including total spillover effects, net spillover effects and pairwise spillover effects, across stock, bond, foreign exchange and money markets. It has found that the return and volatility spillovers between financial markets are not constant but illustrate significant time-varying characteristics. The total spillovers of returns are between 16% and 50%, whereas those of volatility fluctuate between 16% and 55%. Important foreign and domestic financial policies and events affect the spillovers significantly. Furthermore, the net spillovers and pairwise spillovers among financial markets demonstrate that the net spillovers do not keep the same directions, but display two categories of directional spillovers-positive and negative net spillovers - with the changes of market shock.

time-varying spillover; financial market; spillover index; directional spillover

2016-06-05

赵华(1975--)，男，安徽宿州人，厦门大学经济学院教授，博士生导师，教育部计量经济学重点实验室(厦门大学)研究员。

国家社科基金青年项目“股票市场资产价格跳跃的风险及依存结构研究”(11CJY096)；教育部人文社会科学研究项目“中国金融市场资产价格的共跳性研究”(15YJA790089)。

F832.5；F224

A

1001-6260(2016)05-0019-11

麻露(1988--)，女，福建龙岩人，厦门大学经济学院博士生。