越南股票市场联动性研究—基于GRANGER因果关系检验-GARCH模型实证分析

杜垂安，任 达

(天津大学管理与经济学部，天津300072)

越南股票市场联动性研究—基于GRANGER因果关系检验-GARCH模型实证分析

杜垂安，任 达

(天津大学管理与经济学部，天津300072)

选取2006年1月4日至2013年12月1日越南指数与河内指数的日收盘价数据，采用格兰杰因果检验、脉冲响应函数和GARCH模型实证分析越南股票市场间收益率和波动率的联动性。实证结果表明：越南指数与河内指数的联动效应较弱，虽然两者之间存在引导关系，但两者对来自自身的新冲击表现出更明显的反应，市场存在明显的“杠杆效应”。

越南股市；联动性；波动聚集

金融市场的波动，不仅受到自身历史波动的影响，还受到其它市场波动的影响，这种现象被称为联动性。在金融领域中，波动的联动性一直是金融经济学家关注的重点。在股票市场联动性的主要文献中，Hamao和Masulis(1990)采用自回归条件异方差(ARCH)模型对美、英、日三个国际主要股票市场的短期波动进行研究，结果表明存在从美国到日本，英国到日本和美国到英国的价格波动溢出效应，但却不存在反过来的波动溢出效应[1]。Eun和Shim(1989)在自回归模型（VAR）基础上对世界最大的9个股票市场进行动态联动性研究，表明各国股市在一两天内能完成传导信息，且存在单向影响，信息从美国市场迅速向其他市场传递，而美国对其他市场信息传导反应不明显[2]。Cheung和 Mak(1992),对美国和日本的国际成熟市场与亚太地区新兴股票市场的周收益率数据进行研究，结果表明在1977—1988年之间存在因果关系，以美国全球性因素引导3个相对封闭的韩国、台湾、泰国市场，日本股市对3个国家因果关系不太明显[3]。近年来，对中国内地市场与国外股票市场联动检验不断深入，尤其是经济危机发生的时期。俞世典、黄丽华和陈守东(2001)通过1998—2000年道琼斯工业指数、香港恒生指数、纳斯达克指数、日经225指数以及上证等指数进行格兰杰因果检验，发现成熟股票市场对上证指数存在格兰杰因果关系，但影响比较小，而上证指数与其他市场不存在因果关系[4]。韩非、消辉(2005)研究中国股指收盘价对美国开盘价影响，表明对于一个未开放的中国股市，两国之间的相关性相当弱，中国收盘对美国开盘存在很弱的影响，而美国收盘价对中国开盘价几乎没有影响[5]。鲁旭、赵迎迎(2012)对沪深港股市联动效应构建三元VAR-GJR-GARCH-DCC模型，分析结果表明：沪深港三个市场的格兰杰检验虽然具有非对称性但仍然存在联动效应，直接或间接引导对方；沪深股指对香港的新冲击作出类似反应，都具有短记忆性，而且两市与香港的动态联动性具有相同的趋势；沪深港三个市场间的动态相关系数随时间而变化，并体现增强趋势[6]。

越南股票市场虽然已经经历了14年的发展，但还是属于不成熟的发展中股票市场。与世界上其它许多发展中国家股票市场一样，市场行为受很多非经济因素的影响，市场存在股价大涨大落、不平稳、投机性比较强等现象。越南指数(简称VNINDEX)是以在胡志明交易所上市的全部股票为计算范围，总体上反应了胡志明交易所上市股票股价的变动情况；胡志明交易所自2000年7月20日起正式进行交易，被称为越南股票市场的主板市场，上该市企业主要是国内规模较大、运营较好的大型企业。河内指数(简称HNXINDEX)是以在河内交易所上市的全部股票为计算范围；河内交易所是越南股市中小板市场，上市企业主要是资金有限、经营环境不太稳定的中小型企业，自2005年7月起正式进行交易。随着证券市场在越南国民经济中的地位日渐重要，越南股票市场逐渐成为经济“晴雨表”。本文研究越南指数与河内指数间的关联性，其结果将有助于宏观股价走势的预测以及金融风险管理决策的制定。

1 检验模型

联动性是指在证券市场、个股之间、板块之间以及不同时间之间收益波动存在明显的相关性。关于股票市场的联动性研究，部分学者尝试采用协整检验分析股市间是否存在长期共同趋势，以便作为可否分散长期投资风险的参考。但越南股市以散户为主，股市波动剧烈，股票换手率高，短期波动更为投资者关注，所以本文主要研究越南股市的短期联动效应。首先，对越南指数和河内指数进行描述性统计，然后分别进行平稳性检验；以收益率的向量自回归模型检验(Var)为基础进行格兰杰因果关系检验(Granger检验)，检验两个指数之间收益率的溢出效应；并对平稳的向量自回归模型进行脉冲函数分析，考察两个指数之间冲击对其它收益的影响，分析各指数收益波动溢出中贡献率的大小，进行GARCH组检验分析股指的波动溢出效应[7-11]。

1.1 格兰杰因果关系检验

Granger于1969年提出Granger因果关系检验。此因果关系检验不是检验变量的真正因与果关系，而是检验变量之间的“领先-滞后”的引导关系，即某个变量是否对另一个变量有影响，一个变量是否能预测其他变量，所以变量之间实际上的关系是预测而不是成因和结果关系。如果一个市场是另一个市场的Granger因果关系，那么认为前者先行于后者，则可以通过前者的变化预测后者未来的表现；如果两个变量之间不存在因果关系，则不能通过两个变量的历史信息来相互预测。

格兰杰因果关系的回归方程为：

如果设零假设H0：不是y的格兰杰原因，即检验(1)式中xt-i前的系数αi是不全部显著为0。给定显著性水平α，如果拒绝原假设H0，认为x是y的格兰杰原因。格兰杰因果关系检验存在4中检验结果：

(1)αi不是整体为0，γi整体为0，x是y的格兰杰因果关系；

(2)γi不整体为0，αi整体为0，x是的y的格兰杰因果关系；

(3)αi,γi均不整体为0，x和y之前存在双边格兰杰因果关系；

(4)αi,γi均整体为0，x和y之前不存在格兰杰因果关系。

格兰杰因果关系检验对滞后阶数的选择很敏感，选择不同的滞后阶数可能会导致不同的结果，所以在实验过程中，应该选择AIC或SC最小值的滞后期为最优滞后期，也可以进行不同滞后阶数的检验，并选择模型中随机干扰项不存在序列相关性的滞后阶数为最优滞后阶数。

1.2 GARCH检验

Engle(1982)提出了自回归条件异方差模型(Auto-regressive Conditional Heteroskedastic，简称ARCH模型),用于刻画金融时间序列的波动性，成为20年来被广泛应用分析金融时间序列波动性的基本模型。在Engle ARCH模型的基础上，Bollerslev(1986)提出了“广义自回归条件异方差模型”—GARCH模型。GARCH模型，能够更有效地描述及预测收益率波动性[12]。

GARCH(1,1)模型的表示为：

式(2)可以理解为过去所有残差的正加权平均，这与波动率的集群效应相符合，即：在一个大的波动后面跟着另一个大的波动，而在一个小的波动后面跟着一个小的波动。GARCH(p,q)模型是ARCH模型的扩展，因此GARCH同样具有ARCH(q)模型的特点，且其方差等式包括滞后条件方差。因为GARCH模型的方差等式中，包含了变量均平方的形式，所以很有可能忽略了正的冲击与负的冲击对当期条件方差产生不同的影响。在金融市场上，资产收益率的当期条件方差对未预期到的正的和负的收益经常表现出不同的反应。

在GARCH(p,q)模型中，条件方差并不是由残差值符号决定，而是由残差值的大小决定。Black(1967)指出资产收益率与资产波动性负相关：当资产价格下降，其收益率为负，波动性上升；当资产价格上升，其收益率为正，波动性下降。事实上，波动性较大通常与股市的下跌有紧密关系，波动性较小通常与股市的上涨紧密相关。针对上述现象，Nelson(1991)提出一种非对称GARCH模型——指数(Exponential)模型EGARCH，其方差等式分析的是，并且分别使用α1,θ系数来捕捉正负冲击给波动性带来的非对称影响[13]。

式(3)中，系数θ决定了条件方差(自然对数)是否有非对称反应。如果α1=0，方差反应就是对称性的，说明收益率的波动性不会随着利空、利好而出现不同反应。如果负面消息出现，即ut-1＜0，一般期望看到收益率的波动性增大。如果出现正面消息，即ut-1＞0，一般期望看到收益率的波动性减小。

2 实证结果

本文选取越南股指数(VN-index)和河内指数(HNX-index)的日收盘价，样本数据的时间为2006年1月4日到2013年12月1日，数据来源于胡志明市交易所(HOSE)和河内交易所(HASTC)数据库。本文选择越南指数和河内指数的日收益率为研究对象，日收益率的具体算法为

其中：Rit为i股指指数在第t日的收益率；Pit为股指i在t日的收盘价；Pi(t-1)为指数i在(t-1)日的收盘价。本文中用RVNI和RHNI分别表示将对数进行一阶差分处理后的越南指数和河内指数的收益率序列。因为两个指数刚开始的交易制度不尽相同，所以具体交易日存在差异。因此，本文将各指数交易日不重叠的数据剔除，得到样本数为1 922，选用Eviews7.0进行数据处理与分析。

表1为对越南指数和河内指数的日收益率进行描述性统计。河内指数的偏度是正偏表明该市场收益率高于它的平均收益率，而越南指数则不然。河内指数日收益率偏度大于0，呈现右偏分布，而越南指数收益率小于0，呈现左偏分布。两市的收益率序列的峰度均大于3，表明股价日收益率呈现尖峰分布状态，并且都在1%显著水平下拒绝了Jarque-Bera正态分布的原假设。河内指数的标准差大于越南指数，说明河内指数波动率大于越南指数，体现出河内指数“高风险，高收益”的特征。因为河内交易所的投资者主要是个人投资者，投机行为比较明显，而胡志明交易所的上市公司主要是大型企业，主要是机构投资者进行上市投资。单位根(ADF)检验表明两市收益率均通过了平稳性检验，符合一般序列分析对变量的平稳性要求，可以进行格兰杰因果、脉冲响应函数检验。ARCH检验基于序列是否存在ARCH效应，通过ARCH检验可以进一步进行GRACH模型检验。ARCH(8)统计量显示，两个指数在1%水平下存在ARCH效应。.

图1，2分别是河内指数与越南指数收益率时间图，从上面的标准差分析和下面的收益率时间图观察得出，越南指数收益率序列的波动明显小于河内指数收益率序列的波动。

表1 河内指数、越南指数收益率的描述统计表Tab.1 DescriptiveStatisticsofHNX-indexandVN-index

2.1 GRANGER因果检验

选择最小AIC,SC准则来确定滞后阶数，根据向量自回归(VAR)模型的滞后阶数(6阶)进行检验。检验结果见表2。

表2 格兰杰因果检验结果Tab.2 Results of granger causality test

原假设“越南指数收益率不是河内指数收益率的格兰杰原因”的P值为0.000 3，在1%显著水平下，拒绝原假设，即越南指数收益率是河内指数收益率的格兰杰原因。同样也可以得到河内指数收益率是越南指数收益率的格兰杰原因。通过以上检验结果，可以得到结论：两市存在双边因果关系，说明两市互相影响。

Granger因果检验值反应了变量之间的引导关系，而全面、具体、直观的动态特征需要进行脉冲响应函数检验。图3，4中横轴表示追踪期限(单位为天)，纵轴表示响应大小程度。图3中，对来自河内指数的新冲击(Response of RVNIto RHNI)，越南指数作出较强烈的正向反应，第1期为0.014，显著最为明显，冲击的影响一直到第3期，从第3期到第9期冲击虽然有所波动，但随时间变化呈递减趋势；越南指数对自身的新冲击(Response of RVNIto RVNI)第1期为0.011左右，其冲击程度小于河内指数的冲击。图4中，对于越南指数的信息，河内指数整体响应较弱，第1期几乎收到很小的反应,冲击程度几乎在0上下波动，到第4期反应程度才缓慢提高，虽然从第4期到第10期有所响应，但是响应程度不明显。越南指数和河内指数均对自身的冲击反应明显，特别是河内指数。其原因为河内的上市公司在信息披露行为等诸多规范性方面未达到国际标准，理性投资者更倾向于对市场的变化做出投资决策，而越南指数波动主要来源于机构投资者，河内市大量噪声投资者进行交易时主要依靠来自本市场的信息。

2.2 GARCH检验

从图1，2可以看到，较大的波动后面跟着较大的波动，较小的波动后面跟着较小的波动，越南指数收益率及河内指数收益率序列存在很明显的聚类现象(volatility clustering)。EGARCH模型回归结果为

(1)河内指数收益率

(2)越南指数收益率

从EGARCH的方程可以看出，当β系数分别为0.952 56和0.941 39(均小于1)时，在1%水平下显著，说明模型满足GARCH过程弱平稳的条件，由此可捕捉实证分析中波动性的持久性(集群现象)。α1、θ系数用来刻画非对称反应,α1的大小能反应市场对冲击的敏感度，α1更大表示波动性更强烈，可以看出河内指数的α1值比越南指数的大，表明河内指数的波动性比越南指数的波动性更强烈。从实证结果发现，无论是成熟股市还是新兴股市，都存在明显的波动非对称性特征，且利空消息经常比利好消息对波动性产生更大的影响。对于河内收益率而言，非对称系数为-0.025 39，显著小于0,EGARCH是指数模型，由此得出结论：股票价格波动具有“杠杆效应”，当出现“利好消息”时，会给条件方差的对数带来一个0.400 7(=0.426 06+(-0.025 39)倍的冲击；而当“利空消息”出现时，则会给条件方差对数带来一个0.451 48(=0.426 09+(-0.025 39)×(-1))倍的冲击，“利空消息”产生更大的波动。对于越南指数而言，非对称系数为-0.010 70，明显小于0，同样得出：越南指数收益率波动存在“杠杆效应”；当出现“利好消息”时，会给条件方差对数带来0.341 15倍的冲击；当出现“利空消息”时，会给条件方差对数收益率带来0.362 55倍的冲击，利空消息产生更大的波动。两个指数都显著：利空消息和利好消息对市场的冲击程度不对称；负冲击带来的波动大于正冲击带来的波动；两市对坏消息作出反应更大。

3 结 论

本文通过研究河内指数和越南指数收益率波动，得到如下结论：(1)越南指数和河内指数虽然存在非对称性，但两者之间仍然存在因果关系，互相引导；(2)河内指数属于中小板市场的指数，对自身的新冲击作出更大的波动，对来自主板市场-越南指数的新冲击却反应很小，表明河内市场不被胡志明市场所引导，走势比较独立。其原因为越南股市还未成熟，河内的上市公司在信息披露行为等诸多规范性方面未达到国际标准，理性投资者更倾向于对市场的变化做出投资决策，而越南指数波动主要来源于机构投资者，河内市大量噪声投资者进行交易时主要依靠来自本市场的信息；3)和其他股市类似，河内和越南股市也表现出明显的波动“集群效应”，对利空消息产生更大的波动。此外，两市收益率的波动剧烈，整体反应风险大，尤其是河内指数，高收益高风险特点明显。而联动效应虽存在却并不明显，表明投资者们可以利用市场的联动效应来预测股市的未来走势，并且同时分散投资的风险。

[1]Hamao Y,Masulis R W,Ng V.Correlations in price changes and volatility across international stock market[J].Review of Financial Studies,1990,3(2):281-307.

[2]Cheol S E and Sim S.International transmission of stock market movements[J].Journal of Financial and Quantitative Analysis, 1989,2(24):241-256.

[3]Cheung Y L,Mak S C.The international transmission of stock market fluctuation between the developed markets and the Asian-Pacific markets[J].Financial Economics 1992,1:43-47.

[4]俞世典，陈守东，黄立华.主要股票指数的联动分析[J].统计研究，2004,8:4-8.

[5]韩非，肖辉.中美股市间的联动性分析[J].金融研究，2005,1:117-129.

[6]鲁旭，赵迎迎.沪深港股市动态联动性研究基于三元VAR-GJR-GARCH-DCC的新证据[J].经济评论，2012,1:97-106.

[7]张成恩.金融计量学—时间序列分析角度[M].北京：中国人民大学出版社，2012:144-172.

[8]高猛，郭沛.中日韩股票市场的联动性研究—基于DCC-GARCH模型的实证分析[J].价格理论与实线，2012,8:66-67.

[9]方欢.沪深300股指期货与股票市场关联关系的实证研究[J].高教论述，2012,30:107-109.

[10]Kristin J F,Rigobon R.No contagion,only interdependence measuring stock market co-movements[J].The Journal of Finance 2002,5:2223-2261.

[11]武洪玲.我国金融发展、经济增长与城市化关系研究[J].安徽工业大学学报：自然科学版，2012,29(3):289-293.

[12]Bollerslev T,Chou R Y,Kenneth F K.ARCH modeling in finance,a review of the theory and empirical evidence[J].Journal of Econometrics,1992,52:5-59.

[13]Daniel B N.Conditional heteroskedasticity in asset returns:a new approach[J].Econometrica,1991,59(2):347-370.

责任编辑：丁吉海

Empirical Study of Vietnam Stock Market Co-movements:Based on GRANGER Causality Test-GARCH Model Function Tests

DO Thuyan,REN Da
(College of Management and Economics,Tianjin University,Tianjin 300072,China)

Vietnam index and Hanoi index’s daily closing price from January 4th2006 to December 1st2013 were selected to analyze the co-movement of returns and volatility in the Vietnam Stock Market with the Granger causality test,impulse response function and GARCH model.The empirical results show that the co-movement between Vietnam index and Hanoi index is quite weak;there is a casual relationship between the two indexes;they are more inclined to make a more significant response with their own new shock;Vietnam stock market has a remarkable leverage effect.

Vietnam stock market;co-movement;volatility clustering

F830.91

A

10.3969/j.issn.1671-7872.2015.01.018

2014-07-04

国家自然科学基金项目(71131007，71373171)

杜垂安(1989-)，女，越南人，硕士生，研究方向为股票市场联动性研究。

任达(1965-)，男，山东莱州人，副教授，研究方向为金融工程与金融管理、公司金融。

1671-7872(2015)-01-0092-06