試論中韓股市收益的動態(tài)相關(guān)性——基于DCC-GARCH模型

樸 基 石

(延邊大學(xué)經(jīng)濟(jì)管理學(xué)院,吉林延吉133002)

一、研究中韓股市收益動態(tài)相關(guān)性的意義

隨著中國金融改革的不斷深化及國際資本市場的全球一體化,特別是 QDII及QFII的實(shí)施,我國的資本市場與國際金融市場之間的聯(lián)系越來越緊密,越來越多的國內(nèi)投資者尋求在國際資本市場組合投資,以實(shí)現(xiàn)高收益與低風(fēng)險的目標(biāo)。國際資產(chǎn)間的組合投資行為,必然是在不同國家的資產(chǎn)收益及波動間進(jìn)行權(quán)衡。根據(jù)組合投資理論,不同資本市場的收益率之間的相關(guān)關(guān)系與組合投資的風(fēng)險(分散投資風(fēng)險的能力)密切相關(guān),因此深刻了解中國與國際股市之間收益的聯(lián)動性,不僅對于國際投資者有效構(gòu)造投資組合,分析投資風(fēng)險具有重要的意義,而且對相關(guān)部門監(jiān)管和預(yù)防源自外部的金融危機(jī)也具有重要的意義。

隨著中韓經(jīng)濟(jì)交流合作的不斷深入以及近年來中國在資本上的“走出去戰(zhàn)略”,資本流動已由單向流入向雙向流動轉(zhuǎn)變。源于人緣與地緣上的特點(diǎn),延邊地區(qū)與韓國有著廣泛的合作與交流,這必然在金融領(lǐng)域里有所體現(xiàn)。特別是在韓工作的中國人員逐年增多,并且這些工作人員的知識結(jié)構(gòu)、理財投資理念也在提升,在中韓兩國資產(chǎn)上組合投資不再是投資機(jī)構(gòu)獨(dú)有的行為,而有平民化的趨勢。依此視角,研究中韓兩國資本收益的特征與相關(guān)關(guān)系對個體、機(jī)構(gòu)投資者都具有重要的指導(dǎo)意義。此外,韓國又是金融危機(jī)的“易感體”,因此準(zhǔn)確把握中韓兩國股票市場收益的聯(lián)動關(guān)系,對政府的金融危機(jī)管理也具有重要的參考意義。

二、文獻(xiàn)回顧

不同市場收益間的相關(guān)性(聯(lián)動性)一直是機(jī)構(gòu)投資者及學(xué)者們關(guān)心的問題,對國際證券市場間聯(lián)動性做了大量實(shí)證分析。Hamao等人(1990)采用多變量 GARCH模型研究了美國、英國、日本三國股市的相互影響,實(shí)證結(jié)果發(fā)現(xiàn)1987年10月之前,存在從美國股市到日本股市、從英國股市到日本股市、從美國股市到英國股市的單向波動溢出效應(yīng)。[1]Jang等人(2002)使用格蘭杰因果檢驗(yàn)和協(xié)整方法研究了泰、韓、印、日、新、港、臺的股市聯(lián)動效應(yīng),認(rèn)為1997年金融危機(jī)后各國股市的聯(lián)動效應(yīng)比較明顯。[2]Worthington等人 (2004)采用多變量GARCH模型對1998年1月到2000年10月間香港、日本、新加坡、印尼、韓國、馬來西亞、菲律賓、泰國、臺灣股票市場進(jìn)行了分析,并將這些市場分為兩類,即香港、日本、新加坡為發(fā)達(dá)的金融市場,其余為發(fā)展中金融市場。分析結(jié)果表明,“發(fā)達(dá)的金融市場”與“發(fā)展中的金融市場”存在明顯的溢出效應(yīng),或稱聯(lián)動效應(yīng),但是在發(fā)展中市場之間效果不明顯。[3]Arouri等人(2008)運(yùn)用動態(tài)相關(guān)-條件異方差模型(DCC-GARCH)對拉美6個市場間及這些市場與國際市場的聯(lián)動性進(jìn)行了研究,研究表明,拉美市場與國際市場間的聯(lián)動性還很弱。[4]雖然國際學(xué)者對國際金融市場間的聯(lián)動性問題研究很多,但國內(nèi)對此研究相對較少。陳守東等人(2003)認(rèn)為,2003年之前我國股票市場與國際市場聯(lián)動性很弱。[5]徐有俊等人(2010)將中國股票的影響因素分為國際因素及區(qū)域因素,并通過中印股市的對比研究,認(rèn)為中國與國際股市的聯(lián)動性較小,但有增強(qiáng)之勢,特別是2007-2009年全球金融危機(jī)以后更明顯。[6]

從已有文獻(xiàn)可知,對中國股票市場與國際股票市場之間聯(lián)動性研究不多,且在這不多的研究中主要針對的是中國與美國、英國、日本、新加坡等大的金融中心,鮮有對韓國與中國股票市場的研究,本文將補(bǔ)充這一研究空隙。

三、DCC-GARCH模型

Engel(2002)提出的DCC-GARCH模型為研究多變量條件異方差問題中所用的最前沿的研究工具之一,在研究國際股市聯(lián)動性方面應(yīng)用較多,能夠通過金融市場之間的動態(tài)相關(guān)系數(shù)掌握市場間的聯(lián)動性。[7]

設(shè)r為k個觀測樣本為 T均值為零的時間序列,且服從多元正態(tài)分布,如方程(1)所述:

DCC-GARCH模型可用如下式(3)、(4)、(5)、(6)來定義。

上式中 It-1為至 t-1期可用于預(yù)測下一期 rt的情報集合(information set),∑t為t期 r的協(xié)方差矩陣。根據(jù)協(xié)方差的定義,∑t可分解為對角化的方差矩陣與相關(guān)關(guān)系矩陣的乘積,如式(2)。Dt為對解矩陣,其對解上的元素為各時間序列的標(biāo)準(zhǔn)差,Rt為相關(guān)系數(shù)矩陣。式(3)描述的是各時間序列方差服從 GARCH過程。為了兼顧擬合能力與模型的簡潔性,本文直接設(shè)定 GARCH(1,1)過程。

上述的DCC-GARCH模型的似然函數(shù)(對數(shù))可表述為:

似然函數(shù)(7)又可以拆分成波動部分(LV(φ,θ))與動態(tài)相關(guān)部分(LC(φ))似然函數(shù)的和,即LL=LV(φ,θ)+LC(φ) 。

根據(jù)Engel(2002)所述,此模型可以采用二階段方法進(jìn)行參數(shù)估計,首先估計波動部分的參數(shù)(φ,θ),即估計式(8)中的參數(shù) ,然后在上一階段的基礎(chǔ)上估計余下動態(tài)相關(guān)部分的參數(shù),即估計式(9)中的參數(shù)。需要說明的是,上述的說明是基于時間序列為正態(tài)分布假定上進(jìn)行的,在序列為“厚尾態(tài)(fattail distribution)”時 ,常采用 Quasi-ML E(QML E,也稱pseudo MLE)方法估計。本文采用 QMLE方法。

四、實(shí)證分析

(一)樣本數(shù)據(jù)選取及其統(tǒng)計特征

本文采用中國上證綜指SSE及韓國 KOSPI的周數(shù)據(jù)系列來分別代表中國和韓國的股票價格指數(shù),研究選取的樣本時間為2000年1月的第1個星期到2010年10月的第1個星期。文中所有數(shù)據(jù)均來源于雅虎金融網(wǎng)(http://finance.yahoo.com/)。收益率的計算以每周五收盤價為標(biāo)準(zhǔn),并將收益率轉(zhuǎn)化為百分比,即:

上式中,ri,t代表i股市t期的年收益率,pi,t代表i股市t期的價格指數(shù),i為中國或韓國股市。

圖1中韓股市收益的統(tǒng)計特征

圖1直觀地展示了SSE與 KOSPI的收益率變化及其分布。在2000年初,KOSPI的波動比較強(qiáng)烈,而后趨緩,與之相反,SSE則于2000年后期波動相對強(qiáng)烈。更為詳細(xì)、具體的統(tǒng)計特征收錄在表1中。中韓股市收益的均值無明顯差異,分別為0.12、0.13,但其風(fēng)險則相差比較明顯,SSE的方差為13,而 KOSPI的方差為17。就整體而言,這樣的差異與風(fēng)險要求收益作為補(bǔ)償?shù)慕鹑诶碚摶疽恢隆?/p>

表1 中韓股票收益率的統(tǒng)計量

(二)平衡性檢驗(yàn)

如果時間序列是非平穩(wěn),則可能出現(xiàn)偽回歸現(xiàn)象。所以在對時間序列建模之前首先要進(jìn)行平穩(wěn)性檢驗(yàn),即單位根檢驗(yàn)。單位根檢驗(yàn)中常使用Augmented Dickey-Fuller(ADF)和 Phillips-Perron(PP)等單位根檢驗(yàn)方法,但是每個單位根檢驗(yàn)方法都有其局限性,所以本文同時采用ADF和PP單位根檢驗(yàn)方法。檢驗(yàn)結(jié)果見表2。檢驗(yàn)結(jié)果表明,SSE與 KOSPI在1%的顯著性水平下拒絕零假定(H0:存在單位根),表明SSE和 KOSPI收益率為平衡的時間序列。

表2 平穩(wěn)性檢驗(yàn)

(三)ARCH 檢驗(yàn)

上圖1顯示SSE與 KOSPI的收益率具有金融序列常有的特征——大幅波動尾隨著大幅波動的集聚現(xiàn)象,即ARCH性,更為正規(guī)的ARCH檢驗(yàn)采用Engel檢驗(yàn)方法,檢驗(yàn)結(jié)果列于表3(見表3)。

表3 Engel ARCH檢驗(yàn)

表3中的第二列(lag)為異方差檢驗(yàn)所對應(yīng)的滯后期,第三列(Result)為拒絕零假設(shè)的結(jié)果,1代表拒絕零假設(shè),相反0代表不能拒絕零(或稱接受零假設(shè)),①第四列(P-Value)為 P統(tǒng)計量,即拒絕零假定的概率(顯著性水平),第五列(Stat.)為 ARCH檢驗(yàn)的統(tǒng)計量,而第六列(CV)為給定顯著性水平上的臨界值。ARCH檢驗(yàn)表明,存在明顯的ARCH效應(yīng)。

(三)參數(shù)的估計

在均值方程采用2階滯后的向量自回歸過程,但所有均值方程的系數(shù)估計值在統(tǒng)計上不能拒絕零假定,故未在此列出。波動部分及動態(tài)相關(guān)部分的參數(shù)估計及其標(biāo)準(zhǔn)差整理見表4。ω、α、β分別代表各序列的常數(shù)項(xiàng)、ARCH參數(shù)和 GARCH參數(shù)。A和B分別代表DCC方程殘差與自回歸項(xiàng)的系數(shù)。波動部分的參數(shù)估計值與均值方程不同,除SSE方程中ARCH參數(shù)αSSE外,所有的參數(shù)在統(tǒng)計上顯著不為零,說明各序列的方差及序列間的相關(guān)性有較強(qiáng)的時變及持續(xù)性。

表4 波動部分與相關(guān)部分的參數(shù)估計值

下圖2為在上述參數(shù)估計值基礎(chǔ)上計算出的SSE和 KOSPI間的動態(tài)相關(guān)關(guān)系。由圖2可見,SSE與KOSPI收益率的相關(guān)系數(shù)于樣本初期(2000年)就呈下降趨勢,這種趨勢止于2002年,觸底即刻快速反彈,爾后規(guī)律性地持續(xù)走高,呈V字型。

圖2基于DCC-GARCH的動態(tài)相關(guān)關(guān)系

(四)實(shí)證結(jié)果

中韓股市收益的相關(guān)性變化趨勢可以從國際金融市場一體化的趨勢、中國金融市場的日益開發(fā)、越發(fā)密切的中韓經(jīng)濟(jì)交流及1997年亞洲金融風(fēng)暴對亞洲金融市場的影響中找到大部分答案。

首先,就整體而言,本世紀(jì)初全球的金融市場不僅日益融合,而且還有加速之勢。各國的金融市場、資本收益的聯(lián)運(yùn)性日益上升,此外,中國金融市場的改革開放,使中韓股票市場收益率相關(guān)系數(shù)長期快速向上攀升。

其次,1997年亞洲金融危機(jī)重創(chuàng)了韓國經(jīng)濟(jì),從實(shí)物商品到金融領(lǐng)域無不深受其害,股票收益自然是首當(dāng)其沖。學(xué)者對其影響的持續(xù)時間說法不一,最保守的意見也是持續(xù)到2000年以后。事實(shí)上,因金融危機(jī)引發(fā)的一系列金融、貨幣改革于2002-2003年才正式完成。從這個視角而言,1997年亞洲年金融危機(jī)引發(fā)的系列影響于2002-2003年后才完全消除,而這與圖2中相關(guān)系數(shù)變化的轉(zhuǎn)折期相符。反觀其對中國經(jīng)濟(jì)的影響,其害則遠(yuǎn)弱于韓國,就金融市場而言,因中國的金融管制嚴(yán)格,更輕于實(shí)物經(jīng)濟(jì)。

值得關(guān)注的一個現(xiàn)象是在2007-2009年美國次貸危機(jī)引發(fā)的全球金融危機(jī)期間,SSE與 KOSPI收益的相關(guān)系數(shù)并無明顯的變化。2007-2009年的全球性金融危機(jī)使全球的金融體系受到嚴(yán)重的沖擊,唯有中國受到的沖擊仍然最小。②但相關(guān)關(guān)系保持如此穩(wěn)定的發(fā)展說明,這次金融危機(jī)對中國與韓國股市的沖擊是對稱的,這也是中國金融市場與國際金融市場融合程度已經(jīng)上升到一定程度的標(biāo)志。中國已經(jīng)不能像1997年亞洲金融危機(jī)爆發(fā)時那樣“獨(dú)善其身”了。

五、穩(wěn)健性分析

在實(shí)踐中多采用數(shù)值優(yōu)化(Numerical optimization)來估計條件異方差模型的參數(shù),(不好的)參數(shù)的初始值可能影響最終估計值的準(zhǔn)確性,即可能導(dǎo)致局部優(yōu)化而不是全局優(yōu)化,進(jìn)而影響分析結(jié)果及結(jié)論的準(zhǔn)確性。為了檢驗(yàn)DCC-GARCH實(shí)證分析結(jié)果的穩(wěn)健性,筆者使用滾動樣本無條件相關(guān)系數(shù)及對角VEC-GARCH模型計算的條件相關(guān)系數(shù)與之進(jìn)行比較。

(一)基于滾動樣本的相關(guān)關(guān)系

利用滾動樣本求得的相關(guān)系數(shù)為無條件相關(guān)系數(shù),而不是前面分析的條件相關(guān)系數(shù),但是當(dāng)樣本適當(dāng)時,可近似表現(xiàn)相關(guān)關(guān)系的變遷趨勢。下圖3為使用25、50、80、100個滾動樣本所計算的 SSE與KOSPI收益率相關(guān)系數(shù)。在這四個滾動樣本下,相關(guān)系數(shù)的變化非常相似,雖然與前文所述的條件相關(guān)關(guān)系系數(shù)相比極為不穩(wěn)定,但也印證了一些共同的特征,即2002年前相關(guān)關(guān)系系數(shù)是先呈下降趨勢,而后是逐漸走高。

圖3基于滾動樣本的無條件相關(guān)關(guān)系

(二)基于對角VEC-GARCH的相關(guān)關(guān)系

VEC-GARCH也是研究多變量條件異方差問題中常使用的模型之一,為了檢驗(yàn)DCC-GARCH模型的結(jié)果與結(jié)論,本文亦采用相同的均值方程及ARCH結(jié)構(gòu)設(shè)定并估計其參數(shù),進(jìn)而計算相關(guān)關(guān)系系數(shù)。由下圖4可見,由VEC-GARCH得出的相關(guān)系數(shù)與前文采用DCC-GARCH得出的結(jié)果非常相似,2002年“冰點(diǎn)”以后,相關(guān)系數(shù)持續(xù)上升,且在2007-2008年全球金融危機(jī)期間無顯著變化。

圖4基于VEC-GARCH的相關(guān)關(guān)系

以上的滾動樣本無條件相關(guān)分析及VECGARCH分析結(jié)果表明,基于DCC-GARCH的動態(tài)相關(guān)關(guān)系結(jié)論充分值得信賴。

六、結(jié)論及建議

本文通過采用DCC-GARCH模型對2000-2010年間的中國與韓國股票市場收益的相關(guān)關(guān)系進(jìn)行了實(shí)證分析。分析結(jié)果表明,中韓兩國的股票市場收益間的相關(guān)性呈逐年上升趨勢,并且上升速度非常快。這表明,1997年亞洲金融危機(jī)與2007年美國次貸危機(jī)引發(fā)的全球金融危機(jī)對中韓證券市場相關(guān)關(guān)系的影響大相徑庭:1997年亞洲金融危機(jī)的余波使中韓證券市場的相關(guān)關(guān)系減弱,而2007-2009年全球金融危機(jī)期間則無明顯下降或上升變化。這種現(xiàn)象更多地源自中國的金融開放與國外證券市場間的融合。

根據(jù)本文實(shí)證分析的結(jié)果,筆者提出以下建議:其一,對中韓兩國證券進(jìn)行組合者而言,應(yīng)充分注意兩國之間日益快速上升的相關(guān)性,因組合投資的風(fēng)險分散能力越來越小,可適當(dāng)減持一方的份額。其二,鑒于韓國是易受金融危機(jī)感染的國家,應(yīng)加強(qiáng)危機(jī)管理機(jī)制,當(dāng)發(fā)生金融危機(jī)等外部沖擊時,可及時向資本流動的齒輪中加入“砂子”,減輕外部資本價格波動對國內(nèi)股市的傳染。最后,適當(dāng)調(diào)整金融開放速度,在金融開放條件下,國內(nèi)金融機(jī)構(gòu)要平等地直面國際金融沖擊,但是抗擊金融沖擊的能力不僅與經(jīng)濟(jì)、金融的基礎(chǔ)條件相關(guān),而且也需要應(yīng)對金融沖擊的實(shí)踐經(jīng)驗(yàn),乃至與國際金融機(jī)構(gòu)間的協(xié)作能力,這一切都需要時間和(金融)事件來加以強(qiáng)化。

注釋:

①Engel ARCH test中的零假設(shè)為不存在ARCH效果(no ARCH effects)。

②另有部分學(xué)者認(rèn)為中國是2007-2008年全球金融危機(jī)受益者,但無正式的研究成果支持此觀點(diǎn)。

[1] Hamao,Y.Masulis,R.W.and V.Ng.Correlations in Price Change and Volatility across International Stock Markets[J].Reviews of Financial Studies,1990,(3):281-307.

[2] Jang,H.and Sul,W.The Asian Financial Crisis and the Co-Movement of Asian Stock Markets[J].Journal of Asian Economics,2002,(13):94-104.

[3] Worthington,A.and Higgs,H.Transmission Of Equity Returns And Volatility In Asian Developed And E-merging Markets:A Multivariate Garch Analysis[J].International Journal of Finance and Economics,2004,9(1):71-80.

[4] Arouri,M.E.H.,Jawadi,F.and Nguyen,D.K.International Stock Return Linkages:Evidence from Latin American Markets[J].European Journal of Economics,Finance and Administrative Sciences 2008,(11):54-65.

[5] 陳守東,韓廣哲,荊偉.主要股票市場指數(shù)與我國股票市場指數(shù)間的協(xié)整分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2003,(5):124-129.

[6] 徐有俊,王小霞,賈金金.中國股市與國際股市聯(lián)動性分析——基于DCC-GARCH模型研究[J].經(jīng)濟(jì)經(jīng)緯,2010,(5):124-128.

[7] Engel,R.Dynamic conditional correlation[J].Journal of Business and Economic Statistics,2002,(3):339-350.