中小板、创业板与主板市场关联性分析*

薛襄稷，严玉华

(集美大学 诚毅学院，福建 厦门 361021)

一、引 言

自2005年12月1日起，我国专门为中小企业板设立了中小板;2009年10月30日正式推出创业板，主要为创业企业、新技术企业、具有成长潜力的中小企业提供融资渠道，为创业投资和私募基金提供推出机制和渠道。中小板和创业板的设立无疑有利于我国多层次资本市场的形成。随着深圳创业板正式挂牌交易，其与主板市场的关系引起了人们的关注。分析主板、中小板和创业板的一些市场数据发现，它们有着千丝万缕的关系，大多数情况下存在共同变化趋势，有一定的联动效应，然而个别情况下又表现出不一致的现象。近期，上证综合指数一直处于大的调整周期之中，而中小板、创业板股票比较活跃，指数上涨明显，为什么会出现这种背道而驰的走势?它们之间存在着怎样的内在关系?研究中小板、创业板与主板市场间的相关性与互动性，有助于深入研究我国资本市场之间的联动关系，对于分析与研究股市的结构和判断股市的走势、制定相应的决策无疑具有重要的作用。

关于股票市场之间的关系，国内外学者做过大量的研究。从理论上来讲，同一地区的股市因为地理位置的接近、密切的经济关系和政治的相似性而被紧密地联系在一起，因此，共同的信息因素会影响到同一地区股票市场的收益和波动。陈守东等［1］发现在同一地区股市的收益具有显著的共同的可预测成分。近些年来，很多学者对我国股市之间的关系开始进行研究，特别是关于上证综合指数和深圳综合指数之间的联动关系。徐龙炳［2］、吴天宇［3］以及李卫强和张静［4］分析了沪深股市长期联动现象，并得出相应的结论。关于中小板、创业板的设立与沪深股市的关系，目前国内研究还很少，且更多地侧重中小板与主板市场的关系分析［5-6］，对该问题的探讨缺乏完整性和系统性。本文对此进行研究，首先采用单位根检验来判断数据的平稳性;其次通过协整分析法和ECM模型等研究各变量之间的长期稳定和短期动态变化的关系;最后通过脉冲响应以及方差分解对各变量的冲击效应分解。

二、样本选择与基本统计性质

本文选取上证综合指数 (SH)，深圳成分指数 (SZ)、创业板指数 (CY)和中小板综合指数 (ZX)为研究对象，其中上证综合指数和深圳成分指数代表主板市场总体情况，创业板指数和中小板综合指数反映中小企业总体情况。采用的样本为各种指数的日收盘数据，数据来源于搜狐财经网站。由于我国2010年6月1日才发布创业板指数，为了保障数据的一致性，本文时间跨度均为2010年6月1日至2011年7月21日，共计277组数据。为了消除异方差和数据波动的影响，对四组时间序列取对数，分别记为LNSH、LNSZ、LNCY和LNZX。所有的数据分析均使用Eviews3.1进行。

利用Eviews统计软件对四组数据做图分析，可以得到股票价格指数走势图，如图1所示。四条曲线的形状非常接近，波动增大、减少的幅度及持续的时间接近，说明它们之间有较为明显的共同运动趋势，这为我们的进一步分析提供了可能。

图1 四组对数股票价格指数走势图

从表1中的两市标准差可以看出，创业板波动性更大些，深市稍微稳定些，表明创业板市场较之主板市场具有更高的风险和较强的投机性;从峰度和偏度系数可以发现，股价指数的分配均属于左偏常峰;从J-B值和所对应的P值可以发现，它们皆不服从正态分布。

表1 四组对数股票价格指数的统计指标

利用相关系数也是研究股市联动性最基础及简单易行的方法。对四组数据进行相关性分析，得出结果如表2所示。它们呈现高度相关，尤其是深沪指数相关系数高达0.9623，我们有理由认为它们存在同向运动关系，这也为我们进一步研究奠定了基础。

表2 各指标相关系数矩阵

三、实证分析

1.单位根检验

变量之间存在协整关系、因果关系等的前提是所有变量要服从同阶单位根。因此在进行时间序列建模分析之前，首先进行平稳性检验，即单位根检验，就是用来检验时间序列Yt是否为平稳的过程，并推断其单整的阶数。最常用的方法有DF检验和ADF检验两种。由于大部分时间序列数据可能存在高度的自相关，所以在实证中我们采取的单位根检验方法是ADF检验。其基本原理就是对该方程 ΔYt=α0+γYt-1+∑βiΔYt-i-1+εt进行回归检验。设零假设为H0∶γ=0，备择假设为H1∶γ＜0。如果零假设成立，就意味着Yt是非平稳序列;反之，若拒绝H0，则Yt就是一个平稳时间序列 (I(0)过程)。

由平稳性检验结果 (如表3所示)可看出，四组时间序列LNSH、LNSZ、LNCY和LNZX所对应的ADF估均大于显著性水平1%、5%和10%下的临界值，因此属于非平稳时间序列，继续对原序列的一阶差分做ADF检验，发现一阶差分是平稳的，所以原序列是一阶单整的。

表3 平稳性检验结果

2.VAR模型

为了说明这些数据的数量关系，我们建立向量自回归模型 (VAR)。该模型采用多方程联立的形式，在模型的每一个方程中，内生变量对模型的全部内生变量的滞后值进行回归，从而估计全部内生变量的动态关系，而且不带有任何事先约束条件。

确定VAR(p)模型中的滞后期数p，对模型的估计有着至关重要的作用。如果p过小，则随机扰动项的自相关性很强，可能导致估计的非一致性;如果滞后期P太长，自由度减少，损失的样本信息过多，影响参数估计的有效性。对滞后期选择通常可以依据赤池信息准则 (AIC)和施瓦茨准则 (SC)［3］。通过分析发现在滞后1阶时，VAR模型的SC值最小，所以模型的最优滞后阶数为1。用VAR(1)模型来表示这些时间序列的数量关系，回归结果如表4所示。

表4 VAR模型回归结果

本文考虑到进入VAR模型中的滞后变量之间往往存在着一定程度的多重共线性和自相关，所以对模型的选择应该注重它的整体拟合效果，不能只注重单个变量的显著性，而要注重整体的F检验。表4的四个模型的判定系数都达到了0.96以上，并且F统计量远大于临界值，模型比较成功;同时从回归系数及t统计量来看，VAR模型初步给出了四者之间的联系，四个系统自身的作用机制表现得较为强烈，其次表现为几个市场的交互作用。为了近一步分析股票价格指数之间的长期关系和短期关系，本文将运用VAR模型进行协整和误差修正模型来衡量变量间的长期关系和短期关系。

3.协整检验

当变量属于非平稳过程时，要由传统的回归分析推断它们之间的关系容易产生伪回归。针对这一情况恩格尔和格兰杰提出了协整理论，用非平稳经济变量建立计量经济模型，并检验这些变量之间的长期均衡关系。协整检验最常用的检验方法有EG两步法与JJ的多变量极大似然法，前者适应于单方程的协整检验，而JJ法适合于多变量情形。

从上面分析出对数股票价格指数是非平稳的，LNSZ、LNGY、LNSH和LNZX均为单整序列，符合进行协整检验的前提，可以对其进行协整检验，判断LNSZ、LNGY、LNSH和LNZX是否存在长期的、稳定的关系。因为是多变量序列，所以我们采用Johansen协整检验法对这些序列之间的协整关系进行检验。经过多次尝试，滞后期为1、2、3、5时不存在任何协整关系，仅发现在滞后期为4、零假设是协整方程个数为1、置信水平为5%的前提下，迹统计量为51.5686大于临界值 (47.2100)，如果勉强进行误差修正模型的设立，整体模拟效果较差，模型估计的拟合优度偏低，这说明它们之间还不存在长期均衡关系，股指之间具有一定的独立性，有可能是因为各个市场规模和结构存在差异。

4.Granger因果检验

判断一个指数变化是否引起另一个指数的变化，这是研究市场的互动关系的重要问题，Granger因果检验提供解决此问题的方法。实质上是检验一个变量的滞后变量是否可以引入到其它变量中，一个变量如果受到其它变量的滞后影响，则称它们具有 Granger因果关系。由于Granger因果检验对滞后的阶数非常敏感，为了获得最佳的滞后阶数，仍然以AIC和SC信息准则为标准，选取滞后2期作为最佳滞后期。

因Granger因果检验使用前提是平稳时间序列，所以在这里对对数股票价格指数的差分形式即日收益率△LNSH、△LNCY、△LNSZ和△LNZX做因果关系检验，结果如表5所示。

表5 Granger因果检验结果

在5%的显著性水平、滞后期为2的情况下，△LNSH对△LNCY和△LNZX存在Granger因果关系，但对△LNSZ不存在Granger因果关系;△LNSZ对△LNCY和△LNZX存在Granger因果关系，但对△LNSH不存在Granger因果关系;△LNCY与△LNZX互为Granger因果关系，但对△LNSH和△LNSZ均不存在Granger因果关系。可看出沪深股市收益率之间不存在溢出效应，两市的独立性比较明显，但对创业板与中小板都具有单向的引导作用，而创业板收益率与中小板收益率之间存在双向的溢出效应，未能对主板市场做出任何引导。

5.脉冲响应函数

Granger因果检验只能表明样本期间内存在或不存在Granger原因，因此它既不能表明一个系统的动态特征，又不能反映在样本期后各个变量之间的影响程度。本文利用脉冲响应函数继续对这些问题进行分析。脉冲响应函数是在随机误差项上施加一个标准差大小的冲击后对内生变量的当期值和未来值所带来的影响，显示任意一个变量的扰动如何通过模型影响其它变量，并反馈到自身的过程，因此可以对冲击关系的方向和作用时间进行较为准确的判断。

由可知，上证指数对其自身的冲击立刻有较强的反应，对数指数增加了约0.0150，影响较为持续，虽然随着时间的推移有所降低，但第10期仍然达到0.0100，对来自其它序列的冲击在第1个交易日均没有反应，但第2期比较明显，如来自深成指数的影响从第2期开始负向增加，且持续期较长，而该序列对来自中小板指数、创业板指数的新息几乎没有反应;从深成指数也基本得到同上结论，这说明上海证券市场与深圳证券市场独立性越来越高，彼此影响力越来越弱。但从两市受标准差变化冲击持续时间较长来看，两市抗风险能力还是比较弱;创业板指数和中小板指数除受自身的新生扰动影响外，比较容易受到其它指数波动的影响，如上证指数对其影响较大，均达到0.0130，逐渐超过创业板和中小板自身的影响，且较为稳定持续，而深成指数作用机制相反，且影响能力较弱，说明两市指数间波动的冲击具有一定的方向性，上证指数和深成指数的冲击会大幅度地波动到创业板指数和中小板指数，而创业板和中小板由于其规模等原因未能对深沪指数有深度影响。

图2 各变量对冲击的响应图

6.方差分解

脉冲响应函数描述的仅仅是VAR模型中的一个内生变量的冲击给其它内生变量所带来的影响，要进一步分析每一个结构冲击对内变量变化的贡献度和评价不同结构冲击的重要性需要进行方差分解，从而求出对模型中的变量产生影响的每个随机扰动相对重要的信息。通过方差分解将每个变量分解为自身和其余三个变量的冲击，从中可以比较出各个变量冲击的相对重要性。

从图3可以得到与前面一致的结论。上证指数受到其它市场的冲击非常小，几乎完全由自身解释，随着时间的推移，仅5.67%由深成指数变动来解释，创业板和中小板不能对此进行解释。深成指数有约90%可以由自身变动来解释，约10%由上证指数变动来解释，不过这个数值在不断下降。我们仍然可以看出创业板指数变动50.99%由上证指数冲击来解释，深成指数和中小板指数影响较小，而中小板指数几乎是上证指数的附属品，上证指数的冲击对其的影响达到70%，自身影响不到10%。

图3 各变量方差分解图

四、结 论

本文对创业板、中小板和主板市场的股票市场指数之间的关系进行了数量分析，得到了以下实证结论。

第一，从单位根检验可以发现，上证综指、深成指数、创业板指数和中小板指数都是一阶单整序列，但Johansen协整检验结果表明，这四个指数不存在协整关系，即它们之间不存在长期均衡关系。究其原因，本文认为虽然四者所处的经济政治环境相同，但由于上市公司规模、类型和上市条件等并不尽相同，投资者投资策略也存在差异，所以并不存在长期的联动关系。

第二，从因果检验、脉冲响应函数和方差分解可以发现，上证指数相对于其它股票价格指数而言，具有很强的独立性和外生性，受到其它指数波动的影响最小，它的波动几乎可以全部由自身解释，而对其它指数的波动性影响最大，虽然不存在长期协整关系，但对每一个股票价格指数具有短期的Granger信息引导作用，上证指数的波动均领先于其它指数，这说明通过分析上证指数有可能预测出其它指数未来短期内的变动趋势，深成指数并不具有这一功能，这一结论有助于投资者做出更合理的投资决策，有助于政府制定相关的股市监管政策。

第三，从因果检验、脉冲响应函数和方差分解还可以发现，一方面，中小板和创业板仍然是主板市场的附属品，尤其是中小板，其波动70%可以由上证指数冲击来解释，对主板市场的影响非常小，因此目前新设立的创业板市场对主板市场的资金分流作用并不大，这也说明目前我国资本运作效率仍然不高，多层次的资本市场体系仍然未建立起来。另一方面，从中小板和创业板的关系来看，两者互为因果关系，创业板与中小板两者的关系需要理清。

［1］陈守东，陈雷，刘艳武.中国沪深股市收益率及波动性相关分析［J］.金融研究，2003，(7).

［2］徐龙炳.上证指数与深证指数协整性研究［J］.镇江师专学报(社会科学版)，1998，(4).

［3］吴天宇.涨跌停板制度下沪深股指协整和领先—滞后分析［J］.统计与决策，2005，(8).

［4］李卫强，张静.沪深股市协整关系的实证分析［J］.经济管理者，2009，(5).

［5］朱玲玲，胡日东.我国中小企业板和主板关系的实证分析［J］.华侨大学学报，2007，(2).

［6］张广利，狄仁波.创业板建设与多层次资本市场体系——基于中小企业板、创业板与主板关系的协整分析对比［J］. 西部金融，2010，(1).