新冠疫情沖擊下中美股市波動性及跨國風險溢出效應研究

潘群星 徐仁通

（南京財經大學金融學院，江蘇 南京 210023）

一、引言與文獻綜述

近些年來，在“美國優先”政策的驅動下，美國經濟表現得尤為搶眼，一些宏觀指標（如GDP增長率、就業率等）可謂光芒四射，美股走勢更是順水推舟，三大股指一路高歌前行。截至2020年2月14日，標普500指數的市盈率已經達到24.74倍，平均市凈率超過3.65倍，創近十年以來的新高。與此同時，道瓊斯工業指數的市盈率達到23.09倍，平均市凈率超過5.06倍；納斯達克指數的市盈率達到36.42倍，平均市凈率超過5.11倍。然而，一場突如其來的新冠疫情給美國乃至全球股市“當頭一棒”。2020年1月21日，當美國疾控中心宣布正在為新冠病毒變成全球大流行病做準備時，全球資本市場開啟了瘋狂的下跌模式。美國三大股指在2020年3月9日至18日間發生了4次一級熔斷，使美國金融市場成為此次疫情沖擊的“重災區”。作為全球最大的股票市場，美國股市的動蕩必然會對全球股票市場造成沖擊。作為全球第二大股票市場、第一大新興市場，中國股市在反映美股等外圍市場信息的同時，也具備了影響外圍市場的能力。與美國市場一樣，受疫情（尤其美國疫情）的影響，上證綜指在2020年3月份下跌了4.5%，第一季度累計下跌9.8%，創下2019年5月以來最差月度表現以及2018年第四季度以來最差季度表現。

國內最早研究中美股市的文獻是關于中美股市二級市場風險的對比與評析（王孜弘，1996）；后期的大多數論文是關于中美股市之間的風險傳染性，只不過說法不一而已，相關性、關聯性、聯動性、溢出效應等詞語相互替代。在這些關于風險傳染性的論文中，有的只是更換一下樣本指數或更新一下樣本區間，有的是改進一下研究方法（張東祥等，2015；汪冬華等，2018），得到的結論往往還不一致。而具有一定特色、一些創新或某個時代意義的論文并不多見。張兵等（2010）、龔金國等（2015）從不同理論視角分析了股市跨國風險溢出效應的內在機制，并以中美市場的數據進行了檢驗，這些是早些年少見的關于機制分析的文獻。陳林等（2020）研究了新冠疫情對中國股市的影響。方意等（2020）從全球外匯風險傳染角度研究了新冠疫情對于中國金融市場的影響。蔣海等（2021）基于ESA方法對新冠疫情造成的跨國風險傳染進行了研究。

二、研究方法

采用具有偏態、厚尾性的標準化的偏斜t-分布（skt-分布）作為最基本的方法。在此基礎上，采用以下研究方法：首先，用ARFIMA-GJR模型來刻畫杠桿效應。稱擾動αt服從（1， 1）階的GJR模型，它能表示成：

當ut-1＜0時It-1＝1，當ut-1≥0時It-1＝0；εt服從skt-分布。γ＞0，表明新冠疫情對波動率產生的負向沖擊更大，即市場上存在杠桿效應，且γ越大，杠桿效應越強。

其次，用HYGARCH模型來刻畫波動記憶性（含聚集性）。稱擾動αt服從（1， 1）階的HYGARCH模型，它能表示成：

其中，L是滯后算子，εt服從skt-分布。記憶參數d介于0和1之間；d越大，記憶的時間就越長。

最后，用動態條件相關（DCC）模型來分析風險溢出強弱變化，用二元BEKK模型來判斷風險溢出路徑。稱二元擾動αt＝(α1t,α2t）′服從DCC模型，如果α1t和α2t的條件相關系數滿足

三、數據

表1 描述性統計分析

從表1可以看出，雖然SSEC和S&P500的分布特征大致相同，但仍存在一些差異。第一，在疫情暴發前期，SSEC均值為負，S&P500的均值為正，說明中國股市處于動蕩調整期，美國股市處于波動上升期。在疫情蔓延時期，兩國股市均處于波動上升期，且中國股市的均值大于美國股市的均值，初步判斷在新冠疫情全球暴發階段，中國股市的指數收益率水平和增長趨勢相比于美國股市而言稍好一些。第二，根據標準差大小可以看出，無論是暴發前期還是蔓延時期，SSEC的波動水平小于S&P500波動水平，即中國股市的相對風險小于美國股市的相對風險。第三，在疫情暴發前期和疫情蔓延時期，SSEC和S&P500收益率序列均存在左偏現象。在暴發前期，SSEC的左偏更為嚴重；在疫情蔓延時期，S&P500的左偏更為嚴重。第四，無論是疫情暴發前期還是疫情蔓延時期，兩國股市收益率的峰度均大于3，說明中美股市在2016年至2020年都存在較為嚴重的尖峰厚尾特性，而且新冠疫情對美國股市的沖擊更為強烈。第五，根據J-B統計量，SSEC與S&P500的收益率在兩個時期均不服從正態分布。

另外，我們還進行了平穩性和ARCH效應檢驗，結果表明SSEC和S&P500在兩個時期都是平穩的，且都具有ARCH效應，可以直接對它們擬合GARCH族模型。

四、實證分析

1.波動杠桿效應

對SSEC和S&P500在兩個時期的樣本擬合ARFIMA-GJR-skt模型，根據估計值的顯著性、極大似然函數值及殘差診斷（Q（20）和Q2（20）），獲得的最優模型結果如表2所示。從表2可以看出：在疫情暴發前期，γ的SSEC（0.0221）是不顯著的，γ的S&P500（0.2588）是高度顯著的；在疫情蔓延時期，γ的SSEC（0.0501）和γ的S&P500（0.0502）都是不顯著的。這些結果說明，無論是疫情暴發前期還是疫情蔓延時期，美國股市一直存在波動杠桿效應，而中國股市始終不存在這個效應。

表2 ARFIMA-GJR-skt模型的估計和殘差檢驗結果

2.波動長記憶性

對SSEC和S&P500在兩個時期的樣本擬合ARFIMAHYGARCH-skt模型，最優模型結果如表3所示。從表3可以看出：在疫情暴發前期，d-HYGARCH的SSEC（0.9370）和d-HYGARCH的S&P500（0.6523）是高度顯著的；在疫情蔓延時期，d-HYGARCH的SSEC（0.8842）和d-HYGARCH的S&P500（0.7235）也是顯著的。這些結果說明，無論是疫情暴發前期還是疫情蔓延時期，中美股市均存在顯著的長記憶性，但美國股市的長記憶性在新冠疫情蔓延期間進一步加強。

表3 ARFIMA-HYGARCH-skt模型的估計和殘差檢驗結果

3.波動溢出效應

（1）相關性

由ARFIMA-HYGARCH-skt模型的殘差來估計DCC模型，即式（3），結果如表4所示。表4中θ1體現了滯后一期的標準化殘差乘積對動態相關系數的影響，θ2體現了前期相關系數對當期相關系數的影響。可以發現，無論是疫情暴發前期還是疫情蔓延時期，相較于S&P500，θ1和θ2的SSEC的都具有更高的估計值。疫情暴發前期，整個系統對于滯后一期標準化殘差乘積的敏感度低于單個市場，對于前期相關系數的敏感度高于單個市場。蔓延時期，整個系統對于滯后一期標準化殘差乘積的敏感度低于SSEC，高于S&P500，對于前期相關系數的敏感度高于單個市場。

表4 DCC模型的估計結果

由表4中估計值，可以畫出SSEC與S&P500的波動率動態相關系數，如圖1所示。可以看出，無論是疫情暴發前期還是疫情蔓延時期，中美股市波動率都存在正的相關關系，且具有較強的時變性,而且，在疫情蔓延期間，這種相關性明顯在增強。

圖1 SSEC與S&P500的波動率動態相關系數

（2）風險溢出

由ARFIMA-HYGARCH-skt模型的殘差來估計BEKK（1， 1）模型，即式（4），結果如表5所示。可以看出，疫情暴發前期，z12、y21、z21估計值均顯著， S&P500上一期的條件方差對于SSEC當期的條件方差有顯著影響，SSEC上一期的ARCH沖擊與條件方差對S&P500檔期條件方差有顯著影響。疫情蔓延時期，S&P500上一期的條件方差對于SSEC當期的條件方差有顯著影響但有所減弱，SSEC上一期的ARCH沖擊與條件方差對S&P500當期條件方差有顯著影響且均有所加強。

表5 BEKK（1， 1）模型的估計結果

五、結論和建議

本文以上證綜指（SSEC）與標普500指數（S&P500）為對象，實證分析了新冠疫情對中美股市波動率的影響，得到以下結論：

1.無論新冠疫情暴發前期還是新冠疫情蔓延時期，SSEC與S&P500的收益率序列存在顯著的尖峰厚尾特征，并且伴有異方差性；受新冠疫情沖擊，中美股市都處于高波動階段，美國股市波動更為劇烈。

2.在新冠疫情暴發前期，S&P500存在明顯的波動杠桿效應，新冠肺炎疫情的負向沖擊對收益率的影響更加顯著且更為持久。

3.無論疫情暴發前期還是疫情蔓延時期，SSEC與S&P500均存在較為顯著的波動長記憶性，但新冠疫情的沖擊降低了SSEC的波動長記憶性，增加了S&P500的波動長記憶性。

4.無論疫情暴發前期還是疫情蔓延時期，SSEC與S&P500存在存在較為明顯的正相關關系和顯著的雙向風險溢出效應，而且由于新冠疫情沖擊，這種動態相關系數明顯上升，中國股市對美國股市波動的影響明顯增強。

當前，百年未有之大變局和世紀新冠疫情交織疊加，世界進入動蕩變革期，不穩定性不確定性顯著上升。面對復雜的國際環境，我們應該努力“辦好自己的事情”，全面深化改革、擴大開放，將“一帶一路”倡議更好地推行起來，實現對外貿易以及對外投資的多元化與分散化，有效降低對美國的依賴，緩解甚至逐步消除美國對華貿易限制所帶來的對中國金融市場的沖擊。