大陸、香港和臺灣股票市場聯動性的動態分析

摘 要：采用DCC-MVGARCH模型對2000年1月1日至2014年6月30日之間的大陸、香港和臺灣三個地區的股票市場之間的聯動性進行了動態分析。實證結果表明，大陸與香港、臺灣股市之間的聯動性均呈現增強的趨勢，但大陸與香港股市之間的聯動性高于大陸與臺灣股市之間的聯動性;香港與臺灣股市之間的聯動性雖然沒有呈現增強的趨勢，但其相關程度較高，且波動明顯。

關鍵詞：DCC-MVGARCH模型;聯動性;股票市場

中圖分類號：F830 文獻標志碼：A 文章編號：1673-291X（2014）31-0116-05

在全球金融市場中，不同的子市場之間經常存在價格或波動的相關關系，隨著全球一體化程度的不斷推進，這種相關關系日趨緊密。長期以來，中國大陸、香港和臺灣地區的股票市場的發展相對獨立，大陸股票市場的發展起步較晚，但是，隨著大陸股票市場發展的日趨成熟化，大陸股票市場與香港、臺灣股票市場之間的聯系也在逐步加深。

一、文獻綜述

自20世紀80年代開始，國內外學者開始對金融市場的相關關系進行研究。Eun和Shim [1]（1989）以1979年12月31日至1985年12月20日期間的1 560筆股票市場日交易資料為樣本，利用VAR模型對美國、英國等9個股票市場價格指數的波動性進行研究，探討了國際股市之間的聯動性。Lee和Kim[2]（1993）研究了1987年股災期間12個國家股票市場之間的關系，研究發現股市指數的相關系數值從0.23升至0.39，說明股票市場之間存在相互傳染。Calvo和Reinhart[3]（1996）研究了1994年12月墨西哥危機前后新興市場間相關關系的變化情況，研究結果表明，危機后，新興國家之間的相關系數有了比較大的提高，說明了新興國家股票市場之間存在金融傳染。

中國股市聯動性的相關文獻主要體現在兩個方面：一是研究中國股市與外部股市的聯動性，二是對中國股市內部進行聯動性分析。洪永淼等[4]（2004）利用風險—Granger因果關系檢驗和GARCH族模型，選取中國內地、香港、臺灣、新加坡、韓國等12個有代表性的股票市場價格指數，分析了中國A股、B股、H股之間，以及中國與世界其他各國股市之間是否存在風險溢出效應。王群勇和王國忠[5]（2005）運用向量自回歸模型和多元GARCH模型研究了中國滬市A、B股之間的信息傳遞模式和均值溢出效應，該研究發現滬市A、B股市場之間僅存在A股市場對B股市場僅存在由A股到B股的單向信息的傳遞，這種單向信息傳遞存在的主要原因是市場微觀結構中投資者差異和信息不對稱。谷耀和陸麗娜[6]（2006）運用DCC-（BV）EGARCH-VAR的方法分析研究了中國滬、深、港三地股票市場收益與波動溢出效應和動態相關性，這種方法的特點是可以有效克服多個金融市場波動之間的自相關性。用這種方法得到的結論是，香港股票市場的波動會產生對境內股票市場的波動溢出效應。董秀良和吳仁水[7]（2008）利用DCC-MVGARCH模型對中國滬深A、B股市場之間的動態相關性進行了考察，研究發現，滬深兩市A、B股之間存在正相關關系，但整體來看，該動態相關系數相對較低，市場分割明顯，但隨著時間變化呈現一體化的趨勢。張兵、范致鎮和李心丹[8]（2010）以2001年12月12日至2009年1月23日上證指數與道瓊斯指數的日交易數據檢驗了中美股市的聯動特征，檢驗結果顯示，中國股市與美國股市不存在長期的均衡關系：中國股市對美國股市的波動溢出效應不明顯，在QDII實施之后，美國股市對中國股市具有波動溢出效應，且不斷增強。何紅霞和胡日東[9]（2011）采用非對稱BEKK-GARCH模型研究了深圳、香港、臺灣三地股票市場之間的短期波動溢出效應，研究發現中國大陸股市和香港、臺灣股市有雙向的信息傳遞。丁振輝和徐瑾[10]（2013）運用GARCH-M模型研究了上海股市和香港股市之間的聯動關系，結果顯示，兩大股市存在相互影響的聯動關系，但是上海對香港股市的影響要強于香港對上海股市的影響。

通過對國內外關于股票市場聯動性的現有文獻進行梳理，發現國內外學者對于股票市場之間的聯動性已經做了很多研究。本文立足于中國，針對2000年以來大陸股票市場與香港、臺灣股票市場之間的聯動性進行研究，以期能為中國股市的政策制定者、監管機構和投資者提供支持。

二、研究方法介紹

為了更準確地研究大陸、香港和臺灣地區股票市場之間波動的相關性，文章利用目前時間序列動態相關性常用的DCC-MVGARCH模型，該模型是由Engle和Sheppard[11]（2001）在CCC-MVGARCH的基礎上提出的，它放寬了相關系數為常數的假設，允許相關系數矩陣R隨時間t變動，即相關系數矩陣R具有時變特征。

假設有k種資產，其收益率rt的新息{et}為獨立同分布的白噪聲過程，則動態相關結構可以設定為：

rt=ut+et

et|Ωt-1～N（0，Ht）

Ht=DtRtDt

Qt=（1-■αm-■βn）Q+■αm（εt-mεT " t-m）+■βnQt-n

Q=T-1■εtε′t

Rt=diag（Qt）-1Qtdiag（Qt）-1

其中，Ωt-1是rt在時刻t的信息集，Q為標準化殘差的無條件方差矩陣，Rt為動態相關系數矩陣，Dt=diag（hit），hit=ωi+■αipe2 " " i，t-p+■βiqe2 " " i，t-q，εt=D-1tet為向量標準化殘差。αm和βn為DCC模型的系數（m和n為滯后階數）。

DCC-MVGARCH模型的估計方法一般通過兩步來實現：第一步，估計要研究的時間序列的單變量GARCH模型，得到條件方差，進而計算出標準化殘差，第二步，采用極大似然方法估計動態相關系數。

三、變量選擇和數據描述

（一）數據來源

文章選取上證綜合指數（SHI）、香港恒生指數（HSI）和臺灣加權指數（TWII）的日收盤價作為研究對象，分別代表大陸、香港和臺灣的股票市場的發展狀況。數據時間范圍為2000年1月1日至2014年6月30日，剔除樣本內股票市場不匹配的情形（節假日導致），最終篩選得到有效配對數據共計3 078個。則股票市場收益率R可表示為：

Ri，t=100×ln（Pi，t /Pi，t-1）

式中，i=1，2，3，分別表示大陸、香港、臺灣的股票市場，Pi，t 為市場i第t期的收盤價。

（二）描述性統計分析

大陸、香港、臺灣股票市場收益率的基本描述性統計（見表1）。標準差結果顯示，大陸股市波動性最大，香港次之，臺灣股市波動性最小，但整體差別不明顯;偏度結果顯示，大陸和香港股市收益率的偏度大于0，是右偏分布，臺灣股市收益率的偏度小于0，是左偏分布;峰度結果顯示三個地區股市收益率序列均呈現尖峰厚尾的特點，J-B統計量結果表明三個股票市場收益率序列均不服從正態分布。

表2顯示了三個地區股票市場收益率的相關系數。全樣本數據的相關系數顯示，大陸股市與香港、臺灣股市的相關系數分別是0.37837和0.20951，顯示出較弱的相關性，而香港與臺灣股市的相關性較強，相關系數為0.53683。為了進一步說明三個地區股市相關性的變化趨勢，分別測算2008年前后的三個地區股市的相關性，結果顯示，大陸股市與香港股市的相關系數從2008年之前的0.20604變為2008年之后的0.52273，大陸股市與臺灣股市的相關系數也從2008年之前的0.08559變為2008年之后的0.36567，這在一定程度上說明了經過近幾年的發展，大陸股市與香港、臺灣股市的聯系在逐步增強。 四、實證分析和結果

（一）平穩性、自相關及ARCH效應檢驗

文章分別對大陸、香港和臺灣股票市場的收益率序列進行平穩性、自相關和ARCH效應檢驗，結果（見表3）。

從表3可以看出，大陸、香港和臺灣股票市場收益率序列均通過了平穩性檢驗，且Ljung-Box Q檢驗結果表明：（1）大陸和香港股票市場收益率序列不存在自相關現象，而臺灣股票市場收益率序列存在自相關現象;（2）大陸、香港和臺灣股票市場收益率平方序列具有顯著的自相關現象，說明收益率序列波動聚集效應顯著。同時ARCH效應檢驗結果表明三個地區股票市場收益率序列存在ARCH效應，根據AIC準則，發現使用GARCH（1，1）模型來估計三個地區股市的收益率序列是比較合適的。

表4中α表示現有信息對下一期波動性的影響力程度，α值越高說明該股票市場對新信息的敏感度越高，參數估計結果顯示，大陸、香港和臺灣股票市場的α值都較低。α+β表示股票市場收益率波動的維持性，用來衡量現有波動性趨勢的消失速度，其值越接近于1，表明波動性趨勢的持續時間越長，由此可知大陸、香港和臺灣股票市場波動性的持續性均較長，且沒有明顯差異。

（二）DCC-MVGARCH模型估計結果

文章利用DCC（1，1）-MVGARCH（1，1）模型分別估計大陸、香港和臺灣股票時間兩兩之間的動態相關性，通過R軟件編程得到三地股票市場動態條件相關系數走勢圖。

圖1顯示的是2000年1月1日至2014年6月30日的大陸股市與香港股市動態條件相關系數的走勢圖，可以發現，大陸股市與香港股市的動態相關系數在多數時間內都大于0，尤其在美國金融危機發生后，大陸與香港股市的動態相關系數呈現出明顯的上升趨勢，且超過了0.5。

圖2顯示的是2000年1月1日至2014年6月30日的大陸股市與臺灣股市動態條件相關系數的走勢圖，可以發現，大陸股市與臺灣股市的動態相關系數呈現出動態上升的趨勢，但其在上升的同時卻呈現較大的波動性。

圖3顯示的是2000年1月1日至2014年6月30日的香港股市與臺灣股市動態條件相關系數的走勢圖，可以發現，香港股市與臺灣股市的動態相關系數存在大幅波動且趨勢不明顯，但相關系數整體較高，大都在0.6附近波動。

五、結論

本文以上證綜合指數、香港恒生指數和臺灣加權指數的日收盤價為研究對象，采用DCC-MVGARCH模型，考察了大陸、香港和臺灣股票市場之間的動態相關性，根據實證結果，可以得到如下結論：

第一，大陸與香港股市之間的聯動性呈現明顯加強的趨勢，尤其在美國金融危機之后，大陸與香港兩地的股市之間的相關性達到了0.5以上，說明經過了證券市場改革和經濟的快速發展之后，中國大陸股票市場與香港股票市場之間的聯動關系正在逐步增強。

第二，大陸與臺灣股市之間的聯動性雖然整體上存在增強的趨勢，但同時卻顯示出較大的波動性。整體來看，大陸與臺灣股市之間的聯動性卻沒有大陸與香港股市之間的聯動性強，其相關系數大都在0.5以下。

第三，香港與臺灣股市之間的聯動性最高，雖然沒有呈現明顯的變化趨勢，但卻表現出較大幅度的波動。

基于本文的實證結果分析可知，中國大陸與香港、臺灣股票市場之間的聯動效應均呈現增強的趨勢，大陸股市正逐步改善以前相對獨立的狀態。這對于政策制定者、監管機構等都具有重要的意義。

參考文獻：

[1] "Cheol S.Eun amp; Sangdal Shim.International Transmission of Stock Market Movements[J].Journal of Financial and Quantitative Analysis，

1989，24（2）：241-256.

[2] "Lee，S.B.，amp; Kim，K.J.Does the October 1987 crash strengthen the co-movements among national stocks markets？[J].Review of Financial

Economics，1993，3（1）：89-102.

[3] "Calvo，Sara amp; Reinhart，Garmen.Capital flows to Latin America：Is there evidence of contagion effects？[R].Policy Research Working

Paper Series 1619，1996.

[4] "洪永淼，成思危，劉艷輝，汪壽陽.中國股市與世界其他股市之間的大風險溢出效應[J].經濟學（季刊），2004，（3）：24.

[5] "王群勇，王國忠.滬市A、B股市場間信息傳遞模式研究[J].現代財經—天津財經學院學報，2005，（6）：25-29.

[6] "谷耀，陸麗娜.滬、深、港股市信息溢出效應與動態相關性——基于DCC-（BV）EGARCH-VAR的檢驗[J].數量經濟技術經濟研究，

2006，（8）：142-151.

[7] "董秀良，吳仁水.基于DCC-MGARCH模型的中國A、B股市場相關性及其解釋[J].中國軟科學，2008，（7）：125-133.

[8] "張兵，范致鎮，李心丹.中美股票市場的聯動性研究[J].經濟研究，2010，（11）：141-151.

[9] "何紅霞，胡日東.大中華區股市波動溢出效應實證研究——基于多元非對稱BEKK-GARCH模型[J].重慶科技學院學報（社會科

學版），2011，（10）：139-143.

[10] "丁振輝，徐瑾.上海和香港兩地股市聯動性研究——基于GARCH模型的分析[J].金融發展研究，2013，（5）：20-25.

[11] "Robert F.Engle amp; Kevin Sheppard.Theoretical and Empirical properties of Dynamic Conditional Correlation Multivariate GARCH[R].

NBER Working Paper Series 8554，2001.

[12] "呂亮雯.DCC-MVGARCH模型計算方法研究及在金融市場中的應用[D].廣州：暨南大學，2006.[責任編輯 " 吳明宇]