上證綜指與滬深300指數的流動性風險溢出研究

2024-10-08 00:00:00張文君

管理學家 2024年18期

[摘要]上證綜指和滬深300指數作為重要的宏觀經濟指標，二者之間的流動性風險溢出是學者和投資者關注的重點問題。隨著中國金融領域的不斷發展，二者股票指數之間的聯動性呈現出增強趨勢。由于ADCC-EGARCH模型能夠捕捉時間序列數據的條件持續期和波動性特征，文章對上證綜指和滬深300指數兩個股票指數的流動性風險溢出效應進行了深入分析，通過對2021年7月1日至2024年5月31日的基礎數據進行實證研究，結果表明上證綜指對滬深300指數的風險溢出逐漸趨于穩定，在市場出現壓力的時期，二者指數之間存在顯著的流動性風險溢出效應。研究結論為理解中國股票市場內的流動性風險相互影響提供了新的視角，對于我國金融市場的穩定和健康發展具有重要的理論和實踐意義。

[關鍵詞]滬深股票市場；流動性風險；ADCC-EGARCH；動態相關性

中圖分類號：F832 文獻標識碼：A 文章編號：1674-1722（2024）18-0076-03

全球化的不斷深入和新冠疫情的不斷沖擊，使我國金融市場內部的相互依賴性日益增強。在此背景下，我國作為全球較大的經濟體之一，其經濟活力指標股票市場表現不僅對本國經濟產生深遠影響，也對全球金融市場的穩定性具有舉足輕重的作用[ 1 ]。

上證綜指是我國股市最早的綜合指數之一，滬深300指數綜合反映了我國A股市場上市股票價格的整體表現[ 2 ]。流動性風險是金融市場健康穩定發展的基礎，作為金融市場重要衡量指標之一，指的是以低成本快速購買或出售大量資產的能力[ 3 ]。在金融市場中，流動性風險的溢出效應尤為值得關注，因為它可能導致市場恐慌、資產價格波動甚至金融危機。

隨著我國股票市場中互聯互通關系的不斷加深，市場間的流動性風險相互傳染，導致中國股票市場內流動性風險的相關性增強。因此，了解上證綜指與滬深300指數之間流動性風險的動態相關性，對于幫助投資者規避流動性風險和監管我國股票市場具有一定參考價值。隨著金融市場的不斷變化發展，學者們在流動性風險的定義和研究上也在不斷深化。凱恩斯在1936年將市場流動性定義為市場價格將來的波動性。蘇博從金融行業的角度研究流動性風險，提出金融科技行業的發展會在一定程度上導致商業銀行的流動性風險增加[ 4 ]。殷高峰從全球流動性對中國的溢出的角度提出，全球流動性對金融市場資產泡沫的溢出效應增加會導致對實體經濟通貨膨脹的溢出效應減小[ 5 ]。何英等提出經濟政策不確定性強化了跨境資本流動對中國銀行流動性風險的提升效應[ 6 ]。雷彭濤借助隨機森林模型分析商業銀行的影響因素，利用SHAP值分析這些特征對流動性風險的具體影響方向[ 7 ]。關于金融市場風險溢出效應測度的研究吸引了國內外學者的廣泛關注。學者們運用DCC-GARCH和CoVaR模型進行中國股票市場或金融市場之間的風險溢出研究[ 8 ]。林娟等使用時變CoVaR模型研究滬深股市和香港股市中的風險溢出程度[ 9 ]。很多學者通過DCCGARCH類模型計算出的動態相關性測度股票市場中的風險溢出程度。徐清海等使用DCC-MVGARCH模型分析以次貸危機時期為代表的中國金融市場之間的動態關系[ 1 0 ]。馬小龍基于ADCC-GARCH模型論證了中國期貨商品與上證綜指之間的動態關系[ 1 1 ]。韓方園等對房地產業與三類商業銀行分別擬合DCC-GARCH模型，研究兩行業的動態相關關系和風險溢出關系[ 1 2 ]。

目前，關于流動性風險的研究大多集中在全球金融市場，關于中國股市內流動性風險溢出程度測度的文獻相對較少，DCC-GARCH模型在探討風險溢出程度方面也被廣泛應用。

一、理論分析

（一）流動性風險指標構建

當前，學者們在流動性風險方面存在多個維度的測度，通過借鑒Amihud指標，從市場沖擊的角度衡量市場流動性水平，該指標通過測量交易價格對成交量的敏感性，評估市場的流動性，即交易成本和市場沖擊。隨后鄧思哲等通過對比分析多種指標，得出Amihud指標在交易成本與市場沖擊上更能反映市場的流動性水平[ 1 3 ]。其計算公式如下：

其中，Ⅲij代表個股或資產i在時間j的流動性風險指標；Rij代表個股或資產i在時間j的價格變動，通常計算為該第j只股票指數在第i天的對數收益率；SOVLij代表個股或資產i在時間j的日交易總額。

（二）ADCC-EGARCH模型

ADCC-EGARCH模型是GARCH模型的擴展，它不僅能夠捕捉時間序列的波動聚集現象，而且能處理多個時間序列之間的動態相關性，特別是當這種相關性隨時間變化時[ 1 4 ]。

此外，該模型不但考慮了非對稱效應，即正負沖擊對波動性的影響可能不同，而且包含了長期波動性的成分，這有助于捕捉時間序列的長期特征。

因此，文章采用此模型分析滬深股票市場間流動性風險的動態相關關系。EGARCH模型是GARCH模型在多變量情況下的自然擴展。與GARCH模型類似，EGARCH模型不僅考慮了殘差項平方的線性組合，而且包含了條件方差的平方項，以更準確地捕捉時間序列數據的波動性特征。EGARCH模型能夠描述多個時間序列之間的動態相關性和相互影響。具體來說，GARCH（p，q）模型的條件方程可以表示為：

其中，σ2t是時間t的條件方差，ω是常數項，αi和βj是模型參數，∈t-i是滯后殘差項，p和q是滯后階數。

最后，ADCC-EGARCH模型通過動態條件相關（DCC）結構來估計相關系數矩陣，這允許相關系數隨時間變化：

其中，Ht是條件協方差矩陣，Dt是對角矩陣，包含各時間序列的條件標準差，Rt是相關系數矩陣，B是長期均值矩陣，γi是衰減因子，m是衰減階數。

二、實證分析

文章對選擇的樣本數據流動性風險進行波動性解釋，通過各統計量對數據進行描述。此外，通過ADCC-EGARCH模型估計出的時變相關系數，分析上證綜指和滬深3 0 0指數的風險溢出情況。

（一）樣本選擇與數據說明

文章選取Choice數據庫中的樣本時間區間，選擇2 0 2 1年7月1日到2 0 2 4年5月3 1日的上證綜指和滬深3 0 0指數計算各自的Amihud流動性風險指標，共7 0 7個交易日數據。通過構建ADCC-EGARCH模型，探討上證綜指和滬深3 0 0指數流動性風險的時變相關性，處理后的兩個股票指數的流動性水平序列波動情況如圖1所示。

同時，表1給出了滬深股票數據流動性風險時間序列的描述統計量，給出了用于檢驗時間序列數據是否具有單位根（即是否為非平穩的）的ADF值。

首先，如McARIE47HQ5C5WEY852BxQ==表1所示，從均值來看，滬深3 0 0指數的流動性風險大于上證綜指。從標準差來看，上證綜指標準差較小。樣本數據的偏度均大于0，為正偏，峰度均大于3，為尖峰，因此，上證綜指和滬深3 0 0指數流動性風險序列具有尖峰、厚尾和非正態的特征。

其次，由于時間序列建模對于序列的平穩性要求很高，處理后的兩個股票指數的流動性風險水平序列波動情況如圖1所示。其中，每組流動性風險時間序列的波動幅度都較大，呈現出一定的尖峰后尾性質，也初步判斷其分布不服從正態分布。

因此，文章進行平穩性檢驗，上述兩只股票的收益率序列ADF檢驗p值均為0 . 0 1，拒絕原假設，均通過1 %置信水平下的平穩性檢驗，因而流動性風險序列都是平穩的，可用于后續的時間序列建模。

（二）時變相關性分析

文章基于ADCC-EGARCH模型估計出的時變相關系數，畫出2 0 2 1年7月1日至2 0 2 4年5月3 1日股票指數間流動性風險的條件動態相關系數圖，如圖2所示。

從圖2可以看出，上證綜指股票指數與滬深300指數間的動態相關關系呈現出波動較大的正相關性，且動態相關系數值大多集中在0.6以上，表明兩市場間的動態相關關系較強但并不穩定。2022年9月7日之后，相關關系相較之前更加緊密，并逐漸趨于一種穩定的狀態。總體來看，上證綜指和滬深300指數之間的相關關系更加穩定，且具有一定的收斂性質。

三、結語

文章選取上證綜指、滬深300指數計算兩只股票指數的流動性風險，針對上證綜指—滬深300指數的流動性指標，構建ADCC-EGARCH（1，1）模型，探討兩個市場間流動性風險的溢出效應。

通過實證研究得出以下結論：兩只股票指數的非流動性指標具有波動幅度較大的現象，兩個股票市場指數的非流動性樣本時間序列不服從正態分布，呈現出尖峰后尾的特征，且存在明顯的波動聚集性。上證綜指—滬深300指數的流動性風險具有較強的動態相關性，在2022年9月7日后相關關系均表現為更加緊密，且動態相關性的波動逐漸趨于穩定。

因此，在我國股票市場流動性風險爆發前期應該給予足夠的重視，設立股票市場風險監管部門。同時，將對流動性風險的預測和溢出進行日常風險管理，時刻掌握市場流動性指標的變化規律，盡可能地預防市場出現極端的流動性風險。