大中華區(qū)股市波動(dòng)溢出效應(yīng)實(shí)證研究
——基于多元非對(duì)稱BEKK-GARCH模型

何紅霞，胡日東

大中華區(qū)股市波動(dòng)溢出效應(yīng)實(shí)證研究
——基于多元非對(duì)稱BEKK-GARCH模型

何紅霞，胡日東

以多元非對(duì)稱BEKK-GARCH模型檢驗(yàn)了深圳、香港、臺(tái)灣三地股票市場(chǎng)間的短期波動(dòng)溢出效應(yīng)。結(jié)果表明在樣本期內(nèi)，深圳股市和香港、臺(tái)灣股市之間均存在雙向的波動(dòng)溢出，而前期不同性質(zhì)的信息沖擊在市場(chǎng)間波動(dòng)溢出過程中起著不同的作用，存在單向或雙向的非對(duì)稱效應(yīng)。這反映出我國(guó)內(nèi)地股市已經(jīng)和香港、臺(tái)灣股市有雙向的信息傳遞，內(nèi)地股市已逐步改變以前與其他市場(chǎng)完全分割的狀態(tài)。

股市；波動(dòng)溢出效應(yīng)；非對(duì)稱效應(yīng)；BEKK-GARCH模型；深圳；香港；臺(tái)灣

隨著20世紀(jì)90年代初開始的金融全球化浪潮的興起，全球各個(gè)國(guó)家和地區(qū)金融市場(chǎng)之間的聯(lián)動(dòng)日趨緊密，2007年1月開始的美國(guó)次貸危機(jī)就給全球金融市場(chǎng)帶來了巨大的震蕩。鑒于風(fēng)險(xiǎn)在市場(chǎng)間的快速傳遞，關(guān)于股市收益和波動(dòng)在國(guó)家間傳遞的度量方法的研究引起了眾多學(xué)者的關(guān)注。

中國(guó)大陸、香港和臺(tái)灣地區(qū)的股票市場(chǎng)，長(zhǎng)期以來各自獨(dú)立發(fā)展，臺(tái)灣和香港的股票市場(chǎng)有著比大陸股市更長(zhǎng)的發(fā)展歷史。但是，隨著大陸股票市場(chǎng)的逐步成熟以及證券市場(chǎng)的逐步開放，大陸股市和香港、臺(tái)灣股市的聯(lián)系也在逐漸增強(qiáng)。現(xiàn)利用多元非對(duì)稱VAR-GARCH模型，研究這三個(gè)股票市場(chǎng)相互間的信息傳遞情況，希望有助于深入了解三地股票市場(chǎng)的聯(lián)動(dòng)關(guān)系，掌握短期的風(fēng)險(xiǎn)傳遞方向及途徑。

一、關(guān)于股市溢出效應(yīng)的文獻(xiàn)綜述

股票市場(chǎng)之間的信息傳遞，可以用收益的均值（一階矩）溢出和方差或波動(dòng)（二階矩）溢出來表示。自1987年10月以來，國(guó)際上的主要股價(jià)指數(shù)就呈現(xiàn)出越來越顯著的共同運(yùn)動(dòng)趨勢(shì)。早期關(guān)于信息傳遞的研究是從對(duì)1987年美國(guó)股災(zāi)的研究開始的，直到1997年亞洲金融危機(jī)以后，金融風(fēng)險(xiǎn)的傳遞和溢出才成為學(xué)術(shù)界研究的一個(gè)主要方向。文獻(xiàn)［1］用GARCH模型研究了股市間的波動(dòng)溢出效應(yīng)，結(jié)果表明信息從美國(guó)市場(chǎng)向其它市場(chǎng)傳遞，但外國(guó)市場(chǎng)對(duì)美國(guó)的市場(chǎng)運(yùn)動(dòng)沒有明顯的解釋作用。文獻(xiàn)［2］對(duì)美國(guó)、英國(guó)、日本三國(guó)股市的波動(dòng)溢出進(jìn)行了研究，結(jié)果表明存在美國(guó)到英國(guó)和日本以及英國(guó)到日本的單向溢出效應(yīng)。文獻(xiàn)［3］對(duì)1987年10月美國(guó)的股市暴跌事件進(jìn)行了研究，結(jié)果表明股市間存在傳遞效應(yīng)。文獻(xiàn)［4］的研究發(fā)現(xiàn)，股票價(jià)格之間是相互依賴的，紐約市場(chǎng)和東京市場(chǎng)存在雙向的價(jià)格溢出效應(yīng)，并且波動(dòng)之間也是相互依賴的，具有顯著的傳導(dǎo)效應(yīng)。文獻(xiàn)［5］研究了美國(guó)和日本股市對(duì)亞洲其它國(guó)家股市的波動(dòng)溢出效應(yīng)，發(fā)現(xiàn)日本股市對(duì)亞洲其它國(guó)家的波動(dòng)溢出效應(yīng)比美國(guó)股市對(duì)這些國(guó)家的影響強(qiáng)烈，同時(shí)亞洲其它國(guó)家股市對(duì)日本股市也具有反向的波動(dòng)溢出效應(yīng)。2004年，Andrew和Helen用向量GARCH模型研究亞洲證券市場(chǎng)間的證券收益及波動(dòng)的傳遞，比較了這種傳遞在發(fā)達(dá)市場(chǎng)和新興市場(chǎng)之間的差別，結(jié)果表明存在正向均值和波動(dòng)溢出效應(yīng)［6］。文獻(xiàn)［7］用機(jī)制轉(zhuǎn)換模型對(duì)13個(gè)歐洲國(guó)家證券市場(chǎng)間的相互聯(lián)系進(jìn)行了研究。

國(guó)外有大量文獻(xiàn)對(duì)歐洲和亞洲國(guó)家間證券市場(chǎng)收益和波動(dòng)的傳遞進(jìn)行研究，只有少量文獻(xiàn)對(duì)大中華區(qū)域（中國(guó)大陸、香港、臺(tái)灣地區(qū)）證券市場(chǎng)進(jìn)行了研究。Wang和Firth對(duì)大中華區(qū)市場(chǎng)和日本、美國(guó)、英國(guó)的證券市場(chǎng)用一元GARCH模型的結(jié)果研究了均值和波動(dòng)溢出效應(yīng)，結(jié)果表明存在從發(fā)達(dá)國(guó)家市場(chǎng)向大中華區(qū)市場(chǎng)的單向溢出效應(yīng)［8］。Groenewold等對(duì)大中華區(qū)市場(chǎng)間關(guān)系的研究表明，香港和臺(tái)灣市場(chǎng)之間的關(guān)聯(lián)比這兩個(gè)市場(chǎng)與大陸市場(chǎng)的關(guān)聯(lián)更強(qiáng)［9］。文獻(xiàn)［10］用協(xié)整和因果檢驗(yàn)，對(duì)上海、深圳、香港證券市場(chǎng)間可能存在的關(guān)聯(lián)進(jìn)行了研究，發(fā)現(xiàn)上海、深圳兩個(gè)市場(chǎng)間存在正向反饋，香港市場(chǎng)是上海市場(chǎng)波動(dòng)的格蘭杰原因。文獻(xiàn)［11］使用協(xié)整檢驗(yàn)方法時(shí)卻發(fā)現(xiàn)這三個(gè)市場(chǎng)之間沒有協(xié)整關(guān)系，但存在微弱的非線性關(guān)系。2009年，Johansson等人用VAR-MVGARCH方法，對(duì)包括中國(guó)大陸、香港、臺(tái)灣地區(qū)在內(nèi)的大中華區(qū)的證券市場(chǎng)進(jìn)行研究，發(fā)現(xiàn)區(qū)域內(nèi)存在收益和波動(dòng)的短期溢出效應(yīng)［12］。

近年來，國(guó)內(nèi)部分學(xué)者也對(duì)股票市場(chǎng)的波動(dòng)溢出效應(yīng)做了一定研究。劉金全、崔暢利用協(xié)整和誤差修正模型（VEC）構(gòu)建加入外生變量的一元TGARCH模型來研究滬、深兩市間收益的關(guān)系，發(fā)現(xiàn)兩市之間存在顯著的波動(dòng)溢出和“杠桿效應(yīng)”［13］。文獻(xiàn)［14］［15］對(duì)我國(guó)A、B股市場(chǎng)的波動(dòng)溢出效應(yīng)研究的結(jié)果，表明在B股開放后僅存在A股向B股的單向溢出效應(yīng)。文獻(xiàn)［16］使用小波分辨方法，對(duì)美國(guó)、香港及上海證券市場(chǎng)的波動(dòng)溢出進(jìn)行了檢驗(yàn)，結(jié)果表明美國(guó)股市對(duì)香港股市有顯著的溢出效應(yīng)，但上海市場(chǎng)的波動(dòng)則相對(duì)獨(dú)立。 文獻(xiàn)［17］用 DCC-（BV）E-GARCH-VAR 模型，對(duì)上海、深圳及香港股市間的收益、波動(dòng)的溢出以及它們之間的動(dòng)態(tài)條件相關(guān)性進(jìn)行研究，結(jié)果表明香港市場(chǎng)對(duì)滬、深兩市存在顯著的收益、波動(dòng)溢出效應(yīng)。文獻(xiàn)［18］使用多元GARCH模型對(duì)美國(guó)、日本、香港和我國(guó)上海股票市場(chǎng)的波動(dòng)溢出進(jìn)行了研究，結(jié)果表明只有香港股市對(duì)滬市具有顯著的波動(dòng)溢出效應(yīng)，美國(guó)、日本股市對(duì)滬市的波動(dòng)溢出效應(yīng)不顯著。文獻(xiàn)［19］對(duì)金磚四國(guó)股票市場(chǎng)的溢出效應(yīng)進(jìn)行了檢驗(yàn)，結(jié)果表明各國(guó)股票收益率水平及波動(dòng)與國(guó)際市場(chǎng)之間已呈現(xiàn)出一定的聯(lián)系。

綜上所述，國(guó)外學(xué)者對(duì)中國(guó)股市的研究較少，而國(guó)內(nèi)學(xué)者關(guān)于溢出效應(yīng)的研究大多關(guān)注于國(guó)內(nèi)市場(chǎng)，對(duì)于我國(guó)股市和其它股市間波動(dòng)傳遞的非對(duì)稱性進(jìn)行研究的更是少見。

二、樣本描述及相關(guān)檢驗(yàn)

（一）數(shù)據(jù)來源

選取深圳成份指數(shù)、香港恒生指數(shù)、臺(tái)灣加權(quán)指數(shù)，作為中國(guó)大陸、香港和臺(tái)灣地區(qū)股票市場(chǎng)的代表，取其每周收盤價(jià)作為原始數(shù)據(jù)。樣本期為1997年6月27日至2010年6月25日，所有指數(shù)數(shù)據(jù)取自wind數(shù)據(jù)庫(kù)?？紤]到大陸和香港、臺(tái)灣的節(jié)假日不同，會(huì)引起非同步交易數(shù)據(jù)問題，便在實(shí)證分析前先將三個(gè)市場(chǎng)的數(shù)據(jù)對(duì)齊，對(duì)于缺失的數(shù)據(jù)取相鄰兩周收盤價(jià)的平均數(shù)來補(bǔ)充。將對(duì)齊的數(shù)據(jù)取自然對(duì)數(shù)的一階差分再乘以100作為收益率，即：式中：i=1，2，3，分別代表深圳、香港、臺(tái)灣股市；Pit為市場(chǎng)i第t期收盤指數(shù)；Rit為市場(chǎng)i第t期的收益率，它是本文實(shí)證模型中所使用的樣本數(shù)據(jù)，每個(gè)市場(chǎng)各678個(gè)數(shù)據(jù)。

（二）統(tǒng)計(jì)描述

表1列舉了三個(gè)股票市場(chǎng)收益率的描述性統(tǒng)計(jì)量。偏度顯示，三個(gè)市場(chǎng)收益率的分布都是右偏的。其中，香港和臺(tái)灣市場(chǎng)收益率序列表現(xiàn)為左偏，這與國(guó)際上大多數(shù)證券市場(chǎng)的特征相符；深圳市場(chǎng)收益率表現(xiàn)為右偏。超常峰度顯示，三個(gè)收益率序列均表現(xiàn)為尖峰特征，Jarque-Bera統(tǒng)計(jì)量也拒絕收益率序列為正態(tài)分布的零假設(shè)。另外，Q（4）、Q（8）統(tǒng)計(jì)量表明，深圳股市收益率序列存在明顯的序列相關(guān)性；香港、臺(tái)灣股市不存在序列相關(guān)現(xiàn)象。 Q2（4）、Q2（8）表明深圳、香港及臺(tái)灣股市收益率平方序列存在顯著的序列相關(guān)性，這意味著ARCH效應(yīng)的存在。故在實(shí)證分析時(shí)選擇VAR模型作為均值方程，多元GARCH模型作為方差方程。

表1 市場(chǎng)收益率的基本統(tǒng)計(jì)特征

表2顯示了三個(gè)市場(chǎng)收益率的無條件相關(guān)系數(shù)，深圳股票市場(chǎng)與香港、臺(tái)灣股市的無條件相關(guān)系數(shù)分別為0.156 476、0.202 069，顯示出較弱的相關(guān)性；香港與臺(tái)灣股市的相關(guān)性相對(duì)較強(qiáng)，相關(guān)系數(shù)為0.478 473。這與文獻(xiàn)［9］的結(jié)論不同，在一定程度上也說明經(jīng)過近幾年的發(fā)展，我國(guó)股市與香港、臺(tái)灣股市的聯(lián)系在逐步增強(qiáng)。

表2 無條件相關(guān)系數(shù)

（三）單位根檢驗(yàn)

用非平穩(wěn)時(shí)間序列建立模型，會(huì)帶來偽回歸的問題。因此，在建模之前有必要對(duì)三個(gè)收益率序列進(jìn)行平穩(wěn)性檢驗(yàn) （單位根檢驗(yàn)）。單位根檢驗(yàn)的方法有很多，這里選用ADF檢驗(yàn)和PP檢驗(yàn)，對(duì)包含截距和趨勢(shì)項(xiàng)、只含截距項(xiàng)和不包含截距、趨勢(shì)項(xiàng)等三種形式依次檢驗(yàn)，結(jié)果見表3。從檢驗(yàn)結(jié)果可知，在0.01的顯著水平下，ADF檢驗(yàn)和PP檢驗(yàn)均拒絕了收益率序列有一個(gè)單位根的零假設(shè)，表明深圳、香港及臺(tái)灣股市收益率序列都是平穩(wěn)序列，可以直接用來建立模型。

表3 單位根檢驗(yàn)

三、多元非對(duì)稱BEKK-GARCH模型

（一）模型介紹

根據(jù)統(tǒng)計(jì)檢驗(yàn)結(jié)果，選擇VAR模型作為均值方程，多元GARCH作為方差方程。大量研究表明，許多金融時(shí)間序列表現(xiàn)出對(duì)正負(fù)沖擊的不同反應(yīng)，如負(fù)收益率往往伴隨著下一期的高波動(dòng)性，忽略這種非對(duì)稱效應(yīng)會(huì)對(duì)模型的精度產(chǎn)生影響。因此，在方差方程中加入可以反應(yīng)這種效應(yīng)的非對(duì)稱項(xiàng)。下面主要介紹實(shí)證分析所使用的非對(duì)稱二元GARCH模型。

假設(shè)有兩個(gè)股票市場(chǎng)，二元非對(duì)稱BEKKGARCH模型的具體設(shè)定形式為：

式（2）為 VAR（k）形式的均值方程，k 為滯后階數(shù)。Rt為2×1向量，其中元素為t時(shí)刻兩個(gè)股市的收益率 R1t，R2t。 α 為 2×1 向量，β 為 2×2 系數(shù)矩陣。 ut為 2×1向量，表示t時(shí)刻每個(gè)市場(chǎng)受到的沖擊。研究中對(duì)于均值模型滯后階數(shù)，根據(jù)信息準(zhǔn)則選擇的是滯后一階。這里，僅以VAR（1）為例。 方程（2）的具體形式為：

式（3）為BEKK形式的方差方程。Ht為2×2矩陣，表示條件殘差在t時(shí)刻的方差協(xié)方差矩陣。C為下三角矩陣，B為Garch項(xiàng)的系數(shù)矩陣，A為ARCH項(xiàng)的系數(shù)矩陣。 根據(jù)文獻(xiàn) ［20］［21］，2×1 向量 εt=［ε1t,ε2t］′的元素定義為

其中，i取1、2。該向量用來刻畫正面沖擊和負(fù)面沖擊給股市收益帶來的非對(duì)稱影響。系數(shù)矩陣D用來反映正負(fù)沖擊引起的非對(duì)稱影響的程度。因此，方程（3）的具體形式為：

假定條件殘差向量ut服從二元條件正態(tài)分布，當(dāng)樣本長(zhǎng)度為T時(shí)，待估參數(shù)向量Θ所對(duì)應(yīng)的對(duì)數(shù)似然函數(shù)為：

由于式（6）所示的對(duì)數(shù)似然函數(shù)是非線性的，故采用準(zhǔn)極大似然法（QMLE）進(jìn)行估計(jì)。在估計(jì)過程中，采用 BFGS（Broyden-Fletcher-Goldfarb-Shanno）算法最大化對(duì)數(shù)似然函數(shù)。

（二）溢出效應(yīng)的檢驗(yàn)方法

由式（5）可知，市場(chǎng)i的波動(dòng)hiit受兩方面影響：一方面來自其自身前期的影響，包括波動(dòng)hii,t－1、殘差ui,t－1以及非對(duì)稱影響 εi，t－1；另一方面來自市場(chǎng) j前期的影響以及兩個(gè)市場(chǎng)間的協(xié)方差，包括波動(dòng)hij,t－1、協(xié)方差 hij,t－1、殘差 uj,t－1以及非對(duì)稱影響 εj，t－1ε。 只要

則市場(chǎng)i的波動(dòng)就只受其自身前期影響，不存在波動(dòng)溢出效應(yīng)。故對(duì)市場(chǎng)間的波動(dòng)溢出檢驗(yàn)，就通過對(duì)系數(shù)a、b和d施加約束來實(shí)現(xiàn)。

假設(shè)1：市場(chǎng)1和市場(chǎng)2之間不存在相互的波動(dòng)溢出，即：

假設(shè)2：不存在市場(chǎng)1向市場(chǎng)2的波動(dòng)溢出，即：

假設(shè)3：不存在市場(chǎng)2向市場(chǎng)1的波動(dòng)溢出，即：

在檢驗(yàn)兩個(gè)市場(chǎng)之間是否有波動(dòng)溢出效應(yīng)時(shí)，還單獨(dú)檢測(cè)了在波動(dòng)傳遞的過程中是否存在正負(fù)沖擊的非對(duì)稱影響，這一點(diǎn)通過對(duì)非對(duì)稱項(xiàng)系數(shù)d施加約束來實(shí)現(xiàn)。如果dij=0，（i≠j），則市場(chǎng)i的波動(dòng)就不受市場(chǎng)j的非對(duì)稱影響。故本文對(duì)市場(chǎng)間的非對(duì)稱效應(yīng)使用如下原假設(shè)：

假設(shè)4：市場(chǎng)1和市場(chǎng)2之間不存在相互的非對(duì)稱影響，即：

假設(shè)5：不存在市場(chǎng)1向市場(chǎng)2的非對(duì)稱影響，即d21=0

假設(shè)6：不存在市場(chǎng)2向市場(chǎng)1的非對(duì)稱影響，即d12=0

為了考察不同市場(chǎng)間的溢出效應(yīng)，本文采用似然比（LR）檢驗(yàn)。在上述原假設(shè)的基礎(chǔ)上，構(gòu)造如下似然比統(tǒng)計(jì)量：

其中：lr和lu分別表示有約束和無約束條件下的對(duì)數(shù)似然值，LR統(tǒng)計(jì)量服從自由度為n的卡方分布。

四、實(shí)證分析結(jié)果

利用VAR模型來建立均值方程，根據(jù)SC信息準(zhǔn)則選擇滯后階數(shù)。通過反復(fù)試驗(yàn)和比較，深圳與香港、深圳與臺(tái)灣都選定為VAR（1）形式。方差方程使用上述式 （3）和式 （5）表示的非對(duì)稱BEKK二元GARCH模型形式。研究中模型的估計(jì)使用Winrats 7.0軟件來實(shí)現(xiàn)。

（一）非對(duì)稱BEKK-BVGARCH模型估計(jì)結(jié)果

表4和表5中，A部分為未對(duì)參數(shù)施加任何約束的估計(jì)結(jié)果。

表4 深圳與香港股市非對(duì)稱BEKK-BVGARCH模

由表中所示的估計(jì)結(jié)果可以發(fā)現(xiàn)，方差方程中ARCH項(xiàng)系數(shù)矩陣A和GARCH項(xiàng)系數(shù)矩陣B的主對(duì)角元素 a11、a22、b11、b22都顯著異于零。 這表明深圳、香港和臺(tái)灣股市均受到自身前期波動(dòng)的顯著影響，呈現(xiàn)明顯的波動(dòng)聚類性。但是，三個(gè)股市對(duì)來自自身正負(fù)沖擊的反應(yīng)不同：深圳和臺(tái)灣股市非對(duì)稱項(xiàng)的系數(shù)不顯著，表明在統(tǒng)計(jì)意義上這兩個(gè)股市對(duì)不同性質(zhì)正負(fù)沖擊的反應(yīng)相同；香港股市非對(duì)稱項(xiàng)的系數(shù)顯著，表明香港股市存在非對(duì)稱效應(yīng)，對(duì)正負(fù)沖擊的反應(yīng)不同。另外，非對(duì)稱項(xiàng)系數(shù)為負(fù)，表明利好消息（正面沖擊）會(huì)減少香港股市的波動(dòng)。這一點(diǎn)與國(guó)際上發(fā)達(dá)國(guó)家的股市特性一致，也說明我國(guó)香港股市較為成熟。

（二）溢出效應(yīng)檢驗(yàn)

采用似然比（LR）檢驗(yàn)來考察不同股票市場(chǎng)間的溢出效應(yīng)。在前述原假設(shè)的前提下，對(duì)參數(shù)施加不同的約束，計(jì)算似然比統(tǒng)計(jì)量，結(jié)果見表4和表5中B部分。從深圳股市和香港股市的檢驗(yàn)結(jié)果來看，前三個(gè)檢驗(yàn)的LR值均大于10%水平下的臨界值，因此拒絕原假設(shè)，兩市之間存在雙向的波動(dòng)溢出效應(yīng)。從非對(duì)稱影響的檢驗(yàn)結(jié)果看，只存在香港股市對(duì)深圳股市的非對(duì)稱影響。由表4中d12〉0可知，來自香港股市的正面消息會(huì)加大深圳股市的波動(dòng)。

表5 深圳與臺(tái)灣股市非對(duì)稱BEKK-BVGARCH模型估計(jì)結(jié)果

注：①圓括號(hào)內(nèi)為t統(tǒng)計(jì)量，方括號(hào)內(nèi)為10%顯著水平下的臨界值。②方差方程矩陣元素下標(biāo)1代表深圳，2代表臺(tái)灣。

從深圳股市和臺(tái)灣股市的檢驗(yàn)結(jié)果來看，所有檢驗(yàn)的LR值均大于10%水平下的臨界值，因此拒絕原假設(shè)，兩市之間存在雙向的波動(dòng)溢出效應(yīng)和非對(duì)稱效應(yīng)。但是，從表5中的系數(shù)可知，正負(fù)消息對(duì)兩市的影響方式不同。d21〉0表明來自深圳的好消息會(huì)加大臺(tái)灣股市的波動(dòng)，而d12〈0表明來自臺(tái)灣的正面消息會(huì)減少深圳股市的波動(dòng)。

五、結(jié)論

通過以多元非對(duì)稱BEKK-GARCH模型檢驗(yàn)深圳、香港、臺(tái)灣三個(gè)股票市場(chǎng)的短期波動(dòng)溢出效應(yīng)，結(jié)果表明，在樣本期內(nèi)深圳股市和香港、臺(tái)灣股市之間均存在雙向的波動(dòng)溢出，而前期不同性質(zhì)的信息沖擊在市場(chǎng)間波動(dòng)溢出過程中起著不同的作用，即存在單向或雙向的非對(duì)稱效應(yīng)。具體情況為：深圳和香港股市間非對(duì)稱效應(yīng)是單向的，只存在香港股市對(duì)深圳股市的非對(duì)稱影響，來自香港股市的正面消息會(huì)加大深圳股市的波動(dòng)；深圳和臺(tái)灣股市間的非對(duì)稱效應(yīng)是雙向的，但影響方式又有不同，來自深圳的正面消息會(huì)增加臺(tái)灣股市的波動(dòng)，而來自臺(tái)灣的正面消息會(huì)減少深圳股市的波動(dòng)。

以上實(shí)證結(jié)果說明，目前我國(guó)內(nèi)地股市已經(jīng)和香港、臺(tái)灣股市有雙向的信息傳遞，內(nèi)地股市正在逐步融入?yún)^(qū)域內(nèi)其他的證券市場(chǎng)，逐步改變以前與其他市場(chǎng)完全分割的狀態(tài)。這對(duì)區(qū)域內(nèi)的投資者、政策制定者和監(jiān)管者都有重要的意義。

對(duì)于投資者來說，在構(gòu)造多樣化投資組合時(shí)，對(duì)于三地股市關(guān)系的準(zhǔn)確把握是非常必要的。波動(dòng)溢出的存在提醒我們，在區(qū)域內(nèi)投資組合中進(jìn)行風(fēng)險(xiǎn)管理十分重要。區(qū)域內(nèi)的重大事件以及其他股市的波動(dòng)會(huì)影響到內(nèi)地股市。區(qū)域內(nèi)股票市場(chǎng)間的聯(lián)動(dòng)，還意味著系統(tǒng)風(fēng)險(xiǎn)也會(huì)隨之變化。隨著股票市場(chǎng)整合程度的加深，對(duì)于公司的價(jià)值評(píng)估也應(yīng)該做相應(yīng)的調(diào)整。

對(duì)于政策制定者來說，金融市場(chǎng)的良好發(fā)展對(duì)于國(guó)內(nèi)金融穩(wěn)定和經(jīng)濟(jì)增長(zhǎng)是非常重要的，把握好本地金融市場(chǎng)與區(qū)域內(nèi)相鄰市場(chǎng)的關(guān)系有助于這種發(fā)展。一般來講，證券市場(chǎng)整合程度的提高，會(huì)導(dǎo)致系統(tǒng)風(fēng)險(xiǎn)從當(dāng)?shù)厥袌?chǎng)轉(zhuǎn)向區(qū)域內(nèi)甚至全球范圍內(nèi)，而中國(guó)大陸證券市場(chǎng)的逐步開放帶來的積極效應(yīng)會(huì)降低系統(tǒng)性風(fēng)險(xiǎn)。同時(shí)，需要注意的是短期溢出效應(yīng)的存在的確會(huì)影響整個(gè)金融體系。

外部沖擊的增加對(duì)金融監(jiān)管也提出更高的要求，如對(duì)本地金融機(jī)構(gòu)的資本金要求等?？傊?，對(duì)于中國(guó)大陸地區(qū)來講，需要妥善處理好金融體制改革與金融開放的先后關(guān)系。

[1]Eun Cheol S，Shim Sangdal.International Transmission of Stock Market Movements[J].Journal of Financial and Quantitative Analysis，1989，24（2）.

[2]Hamao Yasushi，Masulis Ronald W，Ng Victor.Correlations in Price Changes and Volatility across International Stock Markets[J].Review of Financial Studies，1990，3（2）.

[3]KingMervyn，SushilWadhwani.Transmission ofVolatilitybetweenStockMarkets[J].ReviewofFinancialStudies，1990，3（1）.

[4]Koutmos Gregory，Booth G Geoffrey.Asymmetric volatility transmission in international stock markets[J].Journal of International Money and Finance，1995，14（6）.

[5]Miyakoshi Tatsuyoshi.Spillovers of stock return volatility to Asian equity markets from Japan and the US[J].Journal of InternationalFinancialMarkets,Institutions and Money,2003，13（4）.

[6]Andrew W，Helen H.Transmission of Equity Returns and Volatility in Asian Developed and Emerging Markets International[J].Journal of Finance&Economics，2004，9（1）.

[7]Baele Lieven.Volatility Spillover Effects in European Equity Markets[J].Journal of Financial and Quantitative Analysis，2005，40（2）.

[8]Wang S S，F(xiàn)irth M.Do Bears and Bulls Swim across Oceans?Market Information Transmission between Greater China and the Rest of the World[J].International Financial Markets,Institutions,and Money，2004（14）.

[9]Groenewold N，Tang S H K，Wu Y.The Dynamic Interrelationships between the Greater China Share Markets[J].China Economic Review，2004（15）.

[10]Zhu H，Lu Z，Wang S，Soofi A S.Causal Linkages among Shanghai,ShenzhenandHongKongStockMarkets[J].InternationalJournalofTheoreticalandAppliedFinance，2004（7）.[11]Cheng H，Glascock J L.Dynamic Linkages between the Greater China Economic Area Stock Markets–Mainland China,Hong Kong and Taiwan[J].Review of Quantitative Finance and Accounting，2005（24）.

[12]Johansson Anders C，Ljungwall Christer.Spillover Effects Among the Greater China Stock Markets[J].World Development，2009，37（4）.

[13]劉金全，崔暢.中國(guó)滬深股市收益率和波動(dòng)性的實(shí)證分析[J].經(jīng)濟(jì)學(xué)，2002（4）.

[14]趙留彥，王一鳴.A、B股之間的信息流動(dòng)與波動(dòng)溢出[J].金融研究，2003（10）.

[15]王群勇，王國(guó)忠.滬市A、B股市場(chǎng)間信息傳遞模式研究[J].現(xiàn)代財(cái)經(jīng) -天津財(cái)經(jīng)學(xué)院學(xué)報(bào)，2005（6）.

[16]汪素南，潘云鶴.美國(guó)股市與中國(guó)股市間溢出效應(yīng)的實(shí)證研究[J].浙江大學(xué)學(xué)報(bào)（工學(xué)版），2004（11）.

[17]谷耀，陸麗娜.滬、深、港股市信息溢出效應(yīng)與動(dòng)態(tài)相關(guān)性：基于DCC-(BV)EGARCH-VAR的檢驗(yàn)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2006（8）.

[18]董秀良，曹鳳岐.國(guó)內(nèi)外股市波動(dòng)溢出效應(yīng)：基于多元GARCH模型的實(shí)證研究[J].數(shù)理統(tǒng)計(jì)與管理，2009（6）.

[19]何光輝，楊咸月.金磚新興股票市場(chǎng)國(guó)際定位及溢出效應(yīng)檢驗(yàn)[J].財(cái)經(jīng)研究，2010（4）.

[20]Grier K.The Asymmetric Effects of Uncertainty on Inflation and output Growth[J].Journal of Applied Econometrics，2004，19（5）.

[21]Brooks C.Measuring the Response of Macroeconomic Uncertainty to Shocks[J].Review of Economics and Statistics，2005，87（2）.

F830.91

A

1673-1999（2011）10-0139-05

何紅霞（1980-），女，甘肅臨夏人，華僑大學(xué)（福建泉州362021）數(shù)量經(jīng)濟(jì)學(xué)博士研究生，西北師范大學(xué)經(jīng)管學(xué)院講師，研究方向?yàn)榻鹑诠こ膛c金融管理；胡日東（1964-），男，福建永定人，華僑大學(xué)經(jīng)濟(jì)與金融學(xué)院院長(zhǎng)、教授、博導(dǎo)，中國(guó)數(shù)量經(jīng)濟(jì)學(xué)會(huì)常務(wù)理事，研究方向?yàn)榻鹑诠こ膛c金融管理。

教育部科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目（209148）。