外汇市场、股票市场与房地产市场的风险传染研究——基于三元VAR-BEKK-GARCH模型实证分析

张 浩， 韩铭辉， 姚佳颖

（1.广东外语外贸大学 金融学院，广东 广州510006；2.广州华南财富管理中心研究基地，广东 广州510006；3.天津大学 管理与经济学部，天津300072）

0 引言

2017年底中央经济工作会议将“防范化解重大风险”列为三大攻坚战之首，并明确指出“重点是防控金融风险”。当前，我国经济仍处于新旧动能转换的关键阶段，随着世界政治经济格局发生深度调整变化，外部不确定性的增加，使得中国经济金融体系面临的外部环境日趋复杂。随着中美贸易摩擦程度的不断加深，人民币汇率面临较大的外部压力；而随着国内“去杠杆”进程的不断推进，国内资产价格（股价、房价）也受到明显冲击。近10年来，由于中国经济在后次贷危机时期的突出表现，不但国内的资产价格（尤其是房价）持续上涨，而且人民币汇率在2010年6月推行“二次汇改”后，也进一步走强。由于2015年之前，伴随着人民币升值，部分境外热钱流入到国内资本市场，进入到中国的股票市场和房地产市场，这使得当前的中国经济系统中汇率、股价与房价三者之间的联系进一步加强。而且外汇、股票和房地产作为目前国内主要的投资产品之一，在金融市场深度和广度不断增强的情况下，短期资本在汇市、股市和房地产市场上频繁转换，这既为投资者提供了更广泛灵活的投资机会，也使金融子市场的波动迅速扩散。如果股票市场、人民币汇率和房价三个重要因素中的任何一个受到负面冲击，都可能使整个经济金融系统产生动荡。因此，如何维护金融市场稳定，促进三个市场协调发展，防止股市、房地产市场和汇市三个市场间不利变动的传播扩大已经成为日益突出的问题。在此背景下，为进一步厘清外汇市场、股票市场和房地产市场的关系，打好防范和化解金融风险攻坚战，亟需探究人民币汇率、房价和股价三者的整体影响机制。

本文通过三元GARCH模型把汇率、房价和股价三者纳入一个统一的分析框架，从水平变动和波动风险的双重角度，采用三元VAR-BEKK-GARCH模型研究汇率、房价和股价三变量之间的动态影响关系及其波动风险互动机制。本文的创新主要体现在：一是有别于以往文献只关注两个市场之间的关系，本文将房地产市场、股票市场和汇率市场三个市场视为一个系统，从整体上研究他们之间的动态关系及其互动机制；二是不同于已有文献现有大多使用的Granger因果检验和协整理论方法或者MS-GARCH或VAR等方法，本文综合采用三元VAR-BEKK-GARCH模型，考虑了以往文献未曾注意到的汇率、股价和房价三变量VAR模型可能存在的时变异方差问题以及传统模型的变量间风险传递（或称为波动溢出）效应；三是在分析中，本文不但分析了变量之间水平变动的影响，也分析变量之间波动的传导效应，这使得本文的结果不仅能刻画人民币汇率、房价和股价三变量沿时间方向的波动集聚，还能有效捕捉三变量之间的风险交叉传递关系，从而更加丰富了以往实证研究的结果。

文章其余部分安排如下：首先是文献综述；其次是数据分析和模型的设定与说明；再次是对实证估计结果的分析和讨论；最后是结论与建议。

1 文献综述

事实上，国内外不少学者曾论证了汇率、房价和股价三者之间的重要关系［1～6］。具体而言相关研究主要集中在以下几个方面：

一是汇率与股价之间的关系。对于汇率和股价关系的问题可以最早追述到Aggarwal［7］的研究，他采用美国1974～1978年的月度数据通过实证分析发现汇率与股价之间存在明显的正相关关系。相关学者对此解释为流量导向模型（Flow-oriented approach）和 股 票 导 向 模 型［8］（stock-oriented approach）。前者侧重微观层面分析，强调汇率会影响一国企业的国际竞争力，进而影响到公司的利润水平和股票价格，汇率单方面引起股价的变化。后者则认为股价的变化会引起汇率的变化。当然，早期还有部分研究认为汇率和股价之间并没有明显的相关关系［9］。不过，大量的实证分析结果都表明，汇率与股票价格之间存在明显的相关关系，如Fang和Miller［10］，Baur［4］，Su［5］，Harjito和McGowan［11］都分别通过不同国家的样本数据发现汇率变动与股价之间存在影响。关于中国的汇率与股价的关系，大多数是采用2005年汇改之后的数据进行的实证分析。一部分研究的是汇率变化对于股价的影响，张兵等［12］运用VEC模型实证发现本币升值会导致股市保持升势；江春等［13］采用STECM模型进行实证检验，认为汇率预期变化对股价的影响最大，升值预期推动股价上涨，贬值预期导致股价下跌。另一部分则是研究汇率波动与股价波动之间的关系。姚小义和刘勇强［14］使用SVAR模型研究发现汇率波动会对股市收益产生影响。叶陈刚等［15］使用Alder-Dumas的拓展模型，发现人民币升值会引发总体企业价值增加进而提升股价，同时也证明了汇率波动会引起境外资本从本国股票市场中大量流出，从而导致股票市场价格指数剧烈变动。

二是汇率与房价之间的关系。在汇率水平变动对房价的影响方面，目前主要以国际资本流动和国内货币供给两个传导机制为切入点，解释汇率与房价间的关系。相关研究认为本币升值吸引了外国资本，从而创造超额需求，进而促进本国房价上涨，如王爱俭和沈庆勋［3］认为人民币升值的强烈预期下，大量国际游资涌入中国投资房地产领域，致使房价在短期被大幅推高，朱孟楠等［16］也认为人民币汇率预期升值冲击通过短期国际资本流动更多地作用于房地产的需求端，使房价加速上涨。其它相关研究的还有Thomas和Lee［17］，徐雅婷［18］等等。从国内货币供给的角度，蔡彤娟和马冠男［19］发现短期内，人民币汇率变动对房价起正向促进作用，而其中货币供给则为中间渠道。在汇率波动对房价的影响方面，相关的研究相对比较缺乏。Fratzscher等［20］认为汇率波动能缓解经常账户的失衡，从而通过财富效应，提高房地产市场价格。韩鑫韬和刘星［21］进行实证分析，发现汇率变化率波动增加1%，房价变化率的波幅会扩大0.007%。

三是股价与房价之间的关系。在世界上大多数国家，股票和房地产都是私人部门持有的主要财产之一。Jorion和Schwartz［22］将两者间的关系归结为集成效应（integration）与分割效应（segmentation）。前者理论认为股票与房地产之间具有紧密联系［2］；而后者则认为两个市场间相关性较低，各自由其他因素所决定［23］。两者之间具有较强的相关性一般从以下两个方面解释：（1）财富效应，股票价格上涨引起的财富增加会带来房价的上涨；（2）信用价格效应，房价上涨使得人们的可以通过再抵押放松预算约束进而投资股票推动其价格上升［24］。这些效应一般表明股价与房价变动呈正相关关系。然而，也有部分研究认为两者间具有一定的替代性，所以应该呈现“跷跷板”效应。在具体的实证分析中，很多文献证明股票和房地产价值之间存在着显著的正相关关系［5，25］，当然也有部分文献实证发现它们之间是负向关系［26］，还有的文献表明它们之间的关系是较为复杂的双向影响关系［27］。总体而言，对股价和房价的研究并没有得到一致的结论，正如Lin和Lin［28］所指出的，这在一定程度上是由于所考察的时间段不同、数据不同、经济或政治环境不同造成的。

综上所述，尽管国内外学者对汇率与房价和股价关系的研究取得了丰富的结果，但总体而言，对汇率、房价和股价三者关系的研究较为缺乏。而且相关研究更多关注于价格本身之间的联系，忽视了它们波动率之间的相互作用。基于更为科学可靠的分析工具，深入全面地分析汇率、房价和股价的互动机制，是制定更适应经济“新常态”发展的调控政策和汇率政策的理论支撑，对深入研究有利于资本市场长期健康发展的重大改革举措也有着重要的实践指导作用。

2 数据和模型构建

2.1 变量及来源

（1）汇率（R）

为了更为细致刻画中国汇率的动态变化趋势，本文采用实际有效汇率的月度数据作为分析对象，数据来源于国际清算银行Bank of International Settlements（BIS）。数据的区间为2010年6月至2017年12月，选择这样的区间主要是因为2008年开始到2010年上半年，我国的汇率在长时间内基本保持钉住美元的态势，仅在很小的范围内波动。因此我们的数据样本仅从“二次汇改”之后开始。

（2）房价（HP）

为进一步体现中国房价的整体水平，同时兼顾到数据的频率，我们选用百城住宅平均价格的月度数据，范围为2010年6月至2017年12月，数据来源于WIND数据库。

（3）股价（SI）

本文使用的股票价格为每个月第一个交易日收盘时的上证综合指数，数据来源于上海证券交易所。

2.2 基本数据分析

首先对汇率、房价以及股价的原序列进行描述性统计（见表1）。从偏度看，汇率序列是左偏态，房价和股价序列是右偏态，从峰度看，三者序列都为尖顶峰。汇率、房价和股价数据在样本区间内的趋势如图1所示。其中，汇率在2010年6月至2015年3月期间大致呈上升趋势，2015年4月至2016年2月期间在一定范围内波动，而2016年3月至2017年12月期间大致呈下降趋势。房价则一直呈现上升趋势。而股价则在2014年10月之前呈现波动下降的趋势，在2014年11月至2016年1月经历了“大起大落”，2016年2月至2017年12月则在一定范围内上下波动。

表1 基本数据的描述统计

图1 汇率、百城住宅平均价格、上证综合指数时间序列图

考虑到数据结构的平稳性，在后续的分析中我们主要分析三个序列的差分序列，即生成t时期三者的差分序列ΔRt＝Rt-Rt-1，ΔPt＝Pt-Pt-1以及ΔS＝St-St-1。差分序列数据的描述统计如表2所示。从偏度看，ΔRt和ΔSt是左偏态，而ΔPt是右偏态，从峰度看，三个序列都为尖顶峰。

表2 一阶差分序列数据的描述统计

2.3 实证模型的建构

为了对汇率、房价以及股价三者的均值溢出效应进行分析，本文引入了向量自回归（VAR）模型，同时参照可解决时序数据时变异方差问题GARCH模型和BEKK模型的建模思路，本文构建三元VAR-BEKK-GARCH（1，1）模型进行实证分析：

设定均值方程：

在均值方程中，Yt＝［ΔPtΔStΔRt］′是包含了第t期的房价、股价和汇率的一阶差分向量，而Yt-i则代表包含房价、股指和汇率第i阶滞后变量的向量。（1）式中μ＝［μΔP，t，μΔS，t，μΔR，t］′是均值方程中的常数向量是自回归系数矩阵，用于反映向量Yt的第i阶滞后项的影响效应。εt＝［εΔP，t，εΔS，t，εΔR，t］是房价、股指和汇率在第t期的随机扰动。在实证分析中，本文主要关注的是房价、股价和汇率三者的均值溢出效应，即观察自回归系数矩阵Γi的显著水平与正负符号。

在（2）式中，

分别是εt的条件方差—协方差矩阵、常数矩阵、协方差自回归（AR）系数矩阵以及移动平均（MA）系数矩阵。Ht-1表示上一时期的预测方差（GARCH项），εt-1ε′t-1是使用均值方程（1）的扰动项平方的滞后来度量从前期得到的波动性的信息（ARCH项）。矩阵A是衡量长期（前期得到波动性的积累）的波动溢出效应（ARCH型），矩阵B是衡量短期（上一期）的波动溢出效应（GARCH型），其对角线上的元素aii、bii分别代表变量i对自身往期的ARCH、GARCH型波动溢出效应，非对角线上的元素aij、bij分别代表变量j对变量i的ARCH、GARCH型波动溢出效应。

实证分析中，判断变量间的波动溢出效应主要考虑以下两个方面：一是自身与其他变量滞后的绝对残差及彼此间的互相影响；二是自身与其他变量滞后波动及彼此间的协方差。如aij＝bij＝0（或aji＝bji＝0），则意味着变量i（或变量j）的条件方差仅受自身滞后绝对残差与历史波动的影响，与变量j（或变量i）滞后绝对残差及历史波动无关，即变量j（或变量i）对变量i（或变量j）不存在波动溢出效应；反之，如果aij≠0或bij≠0（aji≠0或bji≠0），则证明变量j（或变量i）对变量i（或变量j）存在着波动溢出效应。同理，若aij＝bij＝0且aji＝bji＝0，即变量i和j变量之间不存在波动溢出效应；反之，如果aij、bij、aji、bji中任意一个异于零，就说明变量i和j变量彼此之间存在着波动溢出效应。

3 实证分析

3.1 基本检验

表3呈现了汇率、房价和股价差分序列的平稳性、自相关以及异方差特征检验的结果3。表3检验结果显示，汇率ΔRt、房价ΔPt和股价ΔRt三个序列均是平稳的，但均存在相较显著的异方差和自相关特性，由此，本文参考Ederington and Lee［29］的方法，采用ARCH模型来检验汇率、房价和股价三者之间的动态关系是合适且必要的。因此，后文将进一步采用三元VAR-BEKK-GARCH（1，1）4时序模型分析汇率、房价和股价之间的动态影响关系和波动风险互动机制。

表3 时间序列数据的平稳性、自相关和异方差检验

3.2 VAR-BEKK-GARCH模型的实证分析

（1）滞后期数的确定

VAR模型是用于考察变量间是否存在均值（一阶矩）溢出效应，在建立VAR模型时，首先要确定VAR的滞后阶数。本文选定了似然比统计量（LR）、最终预测误差（FPE）、AIC准则、HQIC准则以及SBIC准则来确定滞后阶数（见表4），发现五个准则均显示一阶滞后最优，因此本文将向量自回归（VAR）模型设定为滞后一阶，即（1）式中p＝1。

表4 向量自回归模型滞后阶数的确定

（2）均值溢出效应分析

表5报告了汇率、房价和股价的VAR-BEKKGARCH（1，1）模型估计结果。根据自回归系数矩阵的估计结果，γ11和γ33均在1%水平下显著为正，说明房价和汇率分别对自身当期存在均值溢出效应，而γ22不显著，说明股价对自身当期不存在均值溢出效应。这体现出房价和汇率变化对于自身存在一定程度的影响。γ12和γ21均不显著，即股指和房价之间不存在均值溢出效应，这说明在样本期内，两个市场之间价格间的相互影响并不明显，从而一定程度上验证了分割效应在我国股票市场与房地产市场之间是存在的。γ13在5%水平下显著为负，而γ31不显著，即汇率对房价存在均值溢出效应，但房价对汇率不存在均值溢出效应；这说明汇率对房价的影响是单向的，即人民币升值会引起房价的上涨，这一实证结论符合以往文献中所提出的“预期效益”“通货膨胀效应”和“信贷扩张效应”等。γ23在1%水平下显著为负，γ32在1%水平下显著为正，说明汇率和股指之间存在相互之间的均值溢出效应：人民币升值会引起房价的上涨，这与张兵等［12］的结论相一致，对此的解释为人民币升值会引起基础货币供给的增加，进而影响到股价。而股价上涨对于汇率的正向影响，则更多地可以从利率平价的角度加以解释。综上所述，实际有效汇率对房价以及股价均存在负的均值溢出效应，即人民 币升值会促进房价和股价的上涨。

表5 汇率、房价以及股指的BEKK-GARCH（1，1）模型估计结果

（3）波动溢出效应分析

表5中方差方程的系数矩阵估计结果则进一步体现了汇率、房价和股指间的波动溢出效应。一方面，本文考察了汇率、房价和股价自身历史波动对当期波动的效应。ARCH项系数矩阵A的各对角线元素A（1，1）、A（2，2）、A（3，3）均在1%的显著性水平上异于零，ARCH型波动溢出效应显著，这表明汇率、房价和股价的历史波动对自身的当期波动有较强影响，从长期来看，三个市场各自的前期波动积累均会影响到当期的波动；同样，GARCH项系数矩阵B的对角线元素B（2，2）、B（3，3）均在1%的显著性水平上异于零，这表明股价和汇率还具有很强的波动聚集性。总体而言，股价和汇率的条件方差均受自身滞后绝对残差与历史波动的影响，表现出GARCH型和ARCH型2种波动溢出效应类型，即股价和汇率波动均具有较强的集聚性和持久性，而房价的条件方差仅受历史波动的影响，表现出ARCH型波动溢出效应类型，表明其波动具有持久性，但不存在波动的时变性。

在考虑三个市场两两之间是否存在统计意义上的波动溢出效应之前，先进行以下检验，以加强表5结果的说服力。具体如下：H1：aij＝bij＝0，若拒绝原假设，代表变量j对变量i存在波动溢出效应；H2：aji＝bji＝0，若拒绝原假设，代表变量i对变量j存在波动溢出效应；若同时拒接原假设H1和H2，则进一步检验：H3：aij＝aji＝bij＝bji＝0，若拒绝原假设，代表变量i与变量j之间存在波动溢出效应（检验结果见表6）。表5报告的是某个参数的显著性检验，能够判断三个市场之间波动溢出的类型，而表6报告的是某2个或某4个参数的联合显著性检验，能判断出三个市场之间有无波动溢出效应，是模型的稳健性检验。

可以发现，在房地产市场与股票市场中，表5中的A（1，2）和B（1，2）显著异于0，说明股价对房价同时存在ARCH、GARCH效应，表6中的是对A（1，2）和B（1，2）进行联合检验，发现股价对房价存在单向波动溢出效应；表5中的A（2，1）和B（2，1）显著异于0，说明房价对股价同时存在ARCH、GARCH效应，表6中的是对A（2，1）和B（2，1）进行联合检验，发现房价对股价存在单向波动溢出效应；表5中的A（1，2）、B（1，2）、A（2，1）和B（2，1）四个参数均显著异于0，表明房价和股价相互之间同时存在ARCH、GARCH型波动效应，即房价和股价相互之间显著引起对方波动的时变性与波动的持续性，表6中的是对A（1，2）、B（1，2）、A（2，1）和B（2，1）进行联合检验，发现房价和股指之间存在双向波动溢出效应，所得结果均与表5一致。在股票市场和外汇市场中，表5中的B（2，3）显著异于0，说明汇率对股价存在GARCH型波动效应，表6中的对A（2，3）和B（2，3）进行联合检验，发现汇率对股价存在单向波动溢出效应；表5中的A（3，2）和B（3，2）均显著异于0，说明股价对汇率同时存在ARCH、GARCH型波动效应，表6中的是对A（3，2）和B（3，2）进行联合检验，发现股价对汇率存在单向波动溢出效应；表5中的A（2，3）、B（2，3）、A（3，2）和B（3，2）四个参数的显著性结果反映出股指对汇率波动的影响兼具方差的时变性与波动的持久性，而汇率对股价仅表现出方差的时变性而不具有波动的持久性，表6中的是对A（2，3）、B（2，3）、A（3，2）和B（3，2）进行联合检验，发现股指和汇率之间存在双向波动溢出效应，所得结果均与表5一致。在房地产市场和外汇市场中，表5结果表明，B（3，1）显著异于0，说明房价对汇率存在GARCH型波动溢出效应，即房价对于汇率的波动溢出影响表现为短期性而不具有持久性；表6中的是对A（3，1）和B（3，1）进行联合检验，发现房价对汇率存在单向波动溢出效应；表5中的A（1，3）和B（1，3）在5%的显著水平下均不显著，说明汇率对房价不存在波动溢出效应，表6中的是对A（1，3）和B（1，3）进行联合检验，发现汇率对房价不存在单向波动溢出效应，所得结果均与表5一致。

表6 波动溢出效应检验结果

综上所述，从均值溢出效应来看，股价和汇率之间存在双向均值溢出效应；汇率对房价仅存在单向均值溢出效应；房价与股价之间不存在均值溢出效应。这表明，在我国，主要的资本品价格会受到汇率的明显影响，人民币升值会在下一期引起房价和股价的上涨。但股票市场与房地产市场间的“共生效应”或者“跷跷板”效应并不存在，两个市场间的价格传导并不明显。股票市场对于外汇市场有一定的影响，股票价格上涨会对使得下一期的人民币汇率出现贬值，这一结论与传统的利率平价理论基本相一致。而从波动溢出效应来看，尽管房地产市场与股票市场间不存在均值溢出效应，但两个市场相互之间同时存在ARCH、GARCH型波动效应，表明房价和股价相互之间显著引起对方波动的时变性与波动的持续性，无论在短期还是长期，任意市场的价格波动变化都会引起对方市场价格波动的变化，即两个市场的风险具有一定的传染性。而外汇市场和股票市场间，汇率波动对股价波动的影响更多体现在短期的时变性上，长期来看并不会引起风险的积累；但股票市场对外汇市场的影响由于同时存在ARCH和GARCH型波动效应，因此这种影响在短期内和长期都会存在，股票市场与外汇市场之间的风险不但短期内会相互传染，而且股票市场的风险对于外汇市场的影响还存在积累效应。

4 结论与建议

防范系统性金融风险的发生是当前金融管理工作中的重要问题之一。在人民币国际化进程不断推进、国内资产价格风险不断聚集的大背景下，需要厘清汇率、房价、股价三者之间变动及波动对彼此的影响。以往文献大多只单独研究汇率与房价或汇率与股价又或房价与股价之间的关系，也忽视了时变异方差和变量间风险传递效应等误差因素。本文把人民币汇率、股价和房价三者纳入一个统一的理论分析框架，采用三元VAR-BEKKGARCH（1，1）时序模型以“二次汇改”后的2010年6月～2017年12月为样本区间，研究人民币汇率、房价和股价三者之间的动态影响关系及其波动风险互动机制。研究发现，在均值溢出方面，人民币升值会促进房价和股价的上涨；但房价和股价之间并不存在价格上的溢出效应。在波动溢出方面，房价和股价之间的波动溢出效应明显，同时存在ARCH和GARCH型波动效应，这说明无论是短期还是长期，两个市场之间都会发生风险的传递。股票市场与外汇市场间也会存在风险传染，但外汇市场对于股票市场的风险传染是短期的，而股票市场对于外汇市场的风险则在短期和长期内并存。

基于本文研究结果，可以得到以下几点启示：一是由于人民币升值会对房价和股价带来明显的推动作用，因此对于人民币升值所引发的资产价格泡沫要予以重视，提前做好风险防范；二是由于股价上涨会引发汇率的贬值，因此要防范境内资本市场获利后的资本外流对于汇率市场的冲击，避免汇率出现不必要的贬值。三是由于房价与股价之间波动的相互影响，两个市场长期和短期中都存在风险的相互传染，因此尤其要防止国内资产价格的大幅度波动，谨防由于某种资产（股票、房地产）价格波动引发系统性金融风险。四是由于股票市场对外汇市场的影响同时存在ARCH和GARCH型波动效应，因此为防范股价波动对人民币汇率的影响，应进一步推进金融改革的步伐，增加市场的广度和深度，化解股价波动对汇率的冲击。为此，提出如下对策建议：一方面加强资本市场和外汇市场管理，防止房价、股价和汇率的大幅度波动，从而抑制房地产市场和股票市场的过度投机，并有助于减少国际游资流动。另一方面，稳健有序地开放资本管制，完善外汇风险防范机制，为外汇市场营造良好的经济环境，促进汇率市场进行良性的自我调节。