“一带一路”沿线国家(地区)股市时变联动性及其相依结构演化研究

郭文伟, 王礼昱

(广东财经大学 金融学院, 广东 广州 510320)

自习近平主席在2013年9月提出“一带一路”倡议以来,该倡议已在国内外取得了令世界瞩目的成就。随后,“一带一路”倡议在2015年上升为国家(地区)顶级战略规划,成为今后指导中国与世界经济发展的共赢之路。尤其是2017年5月14日至15日期间,在中国北京举办了“一带一路”国际合作高峰论坛,众多国家(地区)政要积极参与并签署了许多合作协议,进一步表明中国的“一带一路”倡议已经获得世界大多数国家(地区)的广泛认同和积极响应,具有显著的全球影响力;与此同时,“一带一路”倡议也引起了国内外学者的广泛关注。从现有研究来看,大多数学者主要关注“一带一路”倡议对经济的影响,其研究视角大多基于中国与合作国家(地区)之间的贸易往来及投资[1-2],而较少研究中国与“一带一路”沿线国家(地区)资本市场之间的联动性及波动传导等。实际上,随着全球金融化的不断加深以及中国与“一带一路”沿线国家(地区)经贸往来的不断增加,相关国家(地区)的金融市场尤其是资本市场间的联动性将日趋加强。这一方面为新兴资本市场的快速发展带来资金和信息等积极驱动要素;另一方面,在全球资本市场联动性逐渐加强的背景下,金融危机的频繁发生及其危机传导也为各国(地区)资本市场带来无法回避的系统性风险冲击。对此,在中国大力推进“一带一路”倡议在全球实施的大背景下,研究中国和“一带一路”沿线国家(地区)资本市场的时变联动性及其相依结构特征,将有助于揭示沿线国家(地区)股票市场之间的相互影响机制及其演化趋势,为中国顺利推进“一带一路”倡议在对外金融投资及资本市场合作等方面提供有益的启示。

一、文献综述

中国提出“一带一路”倡议至今已近四年,有关“一带一路”沿线国家(地区)资本市场互联互通等问题逐渐引起国内学者的重视和关注。从现有文献来看,大多数学者主要研究中国股市与欧、美、日等发达国家(地区)股市之间的联动性,这些文献随着研究对象和研究方法的不同,在研究结论上也存在一定的差异。在研究结论方面,大多数学者研究后发现亚太地区股市之间的联动性随着全球化的推进以及金融合作的深化得到提高[3-7],而且发现亚洲地区股市之间的联动性强于中美股市之间的联动性[8-10]。但是唐振鹏等[11]通过研究,发现亚太地区股市之间的联动性在时间和时间尺度两个维度上是处于变化状态的,而且联动的模式并不稳定。此外,还有学者发现中国内地股市与美国股市之间的联动性在几次金融危机(1997年亚洲金融危机、2008年全球金融危机和2009年欧洲债务危机)后得到增强[12-17],中国内地股市与欧洲股市之间的联动性也在危机后得到增强[16-19]。总体上看,现有研究结论基本认为中国内地股市与亚洲国家(地区)股市或与欧美发达国家(地区)股市之间的联动性随着危机的爆发而增强。

在研究方法方面,现有研究主要采用三种不同方法。(1)基于相关分析和因子分析并结合格兰杰因果检验方法展开研究。这类方法虽然可以解释相关国家(地区)股市之间的相关性及其因果关系,但只能揭示出静态的线性相关性,无法揭示动态(时变)相关性和非线性相依性。(2)基于动态条件相关模型(DCC)研究中国股市的国际时变联动性。虽然DCC模型克服了第一类方法只能衡量静态相关性的局限,能测度各国(地区)股市之间的时变联动性,但这种联动性是线性的时变联动性,它无法测度非线性的时变联动性,而实际上,各国(地区)股市之间的联动性往往是非线性的。(3)基于各类Copula模型来分析中国股市的国际联动性。此外,还有少数学者采用VAR模型和脉冲响应分析方法、马尔可夫区制转换方法、复杂网络模拟方法以及小波方法对中国股市与其他国家(地区)股市的联动性进行研究。

综上所述,现有研究存在如下局限:一是研究对象只局限于中国内地股市与发达国家(地区)股市之间的联动性,而少有文献研究中国内地股市与“一带一路”沿线国家(地区)尤其是亚欧非国家(地区)股市之间的联动性;二是现有文献的分析方法大都只能测度中国内地股市与其他国家(地区)股市之间的线性的时变联动性,而无法测度中国内地股市与其他国家(地区)股市之间的非线性相依性及其相依结构特征。为此,本文以“一带一路”沿线的20个国家(地区)股票市场为研究对象,首先采用DCC模型来测度中国内地股市与“一带一路”沿线国家(地区)股市之间的时变联动性,在此基础上,采用R-Vine Copula模型来刻画“一带一路”沿线国家(地区)股市之间的相依结构特征及其相依性,最终采用格兰杰因果关系检验法来揭示“一带一路”沿线国家(地区)股市之间的波动传导机制。相比现有研究,本文的研究贡献如下:第一,首次以“一带一路”沿线国家(地区)股市为研究对象,测度各国(地区)股市之间的时变联动性及其各自股市波动特征。第二,不同于以往学者多采用C-Vine Copula模型和D-Vine Copula模型来分析各国(地区)股市之间的相依结构,本文采用R-Vine Copula模型来刻画“一带一路”沿线国家(地区)股市之间形成的相依结构特征及各国(地区)股市之间的非线形相依性,揭示“一带一路”倡议对整个股市相依结构演进的影响。R-Vine Copula模型相比于早年提出的C-Vine Copula模型和D-Vine Copula模型,在模型构建、分解规则以及拟合效果等方面更优。第三,揭示出“一带一路”倡议的提出对沿线国家(地区)股市之间相依结构的冲击,同时刻画出了各国(地区)股市波动传导的路径和传染源。

二、中国内地与“一带一路”沿线国家(地区)股市的时变联动性

(一)样本数据说明与描述性分析

1.样本数据选择及说明

通过查阅相关文献资料可知,目前“一带一路”沿线国家(地区)共有64个,其中包括2个东北亚国家(俄罗斯、蒙古国)、5个中亚国家(哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、塔吉克斯坦、吉尔吉斯斯坦)、11个东南亚国家(新加坡、马来西亚、印度尼西亚、缅甸、泰国、老挝、柬埔寨、越南、文莱、菲律宾、东帝汶)、7个南亚国家(印度、巴基斯坦、孟加拉国、斯里兰卡、马尔代夫、尼泊尔、不丹)、20个西亚北非国家(伊朗、伊拉克、土耳其、叙利亚、约旦、黎巴嫩、以色列、巴勒斯坦、沙特阿拉伯、也门、阿曼、阿联酋、卡塔尔、科威特、阿塞拜疆、格鲁吉亚、亚美尼亚、阿富汗、埃及、巴林)、19个中东欧国家(波兰、立陶宛、爱沙尼亚、拉脱维亚、捷克、斯洛伐克、匈牙利、斯洛文尼亚、克罗地亚、波黑、黑山、塞尔维亚、阿尔巴尼亚、罗马尼亚、保加利亚、马其顿、乌克兰、白俄罗斯、摩尔多瓦)。为了全面展示“一带一路”沿线国家(地区)股票市场之间的时变联动性及其相依结构特征,本文基于数据的可获得性从中选出20个国家(地区)来进行建模分析,这20个国家(地区)主要来自东南亚、南亚、西亚北非、中东欧等区域。而中亚5国由于其股市极不发达,相关股市数据较为缺乏且难以获得,因此没有进入本文的研究对象里面,但这并不会影响本文整体分析“一带一路”沿线国家(地区)股市之间相依结构特征及其波动传导效应的有效性。

通过选取这20个国家(地区)的股票市场指数来反映这些国家(地区)资本市场的走势,样本股指包括捷克布拉格综合指数、埃及CMA指数、中国香港地区恒生指数、匈牙利布达佩斯股市指数、印度孟买SENSEX30指数、马来西亚雅加达综合指数、以色列TA100指数、黎巴嫩贝鲁特BLOM指数、英国富时吉隆坡综合指数、菲律宾马尼拉综合指数、波兰华沙WIG指数、俄罗斯股市指数、沙特全指、新加坡STI指数、中国台湾加权指数、泰国综合指数、土耳其伊斯坦堡ISE100指数、阿联酋ADX综合指数、越南胡志明指数以及中国上证综合指数。为了表达及分析方便,本文采用国家(地区)英文简称来代表这20个股票市场,详见表1。所有的数据均来源于Wind数据库。

表1 “一带一路”沿线20个股票市场指数及其对应国家(地区)

本文的研究数据为2001年10月15日至2017年2月22日的复权后日指数收盘价,整个研究时期涵盖了“一带一路”倡议提出(2013年9月)的前后时期。由于各股市存在不同时开市的情况,因此本文剔除了各个股市未在同一天开市的数据,使各个股票指数交易日期得到统一,最终每个股票市场均有1 492个数据。采用自然对数形式来计算股指的日收益率,其计算公式为:

Ri,t=100×Ln(Pi,t/Pi,t-1)

(1)

其中,Ri,t(i=1,2,…,20)表示第i个股票市场在t时刻的收益率;Pi,t(i=1,2,…,20)表示第i个股票市场在t时刻的日复权后收盘价。

2.样本数据描述性分析

对各个股票市场收益率数据进行初步统计检验,得到了表2的描述性分析结果。从表中可以发现,20个股票市场指数收益序列中匈牙利、马来西亚、俄罗斯、新加坡和土耳其出现右偏,其余国家(地区)呈现左偏。所有股指收益序列峰度均大于3,表明其全部出现“尖峰”的特征;而从Jarque-Bera检验不难看出,所有股指收益序列均不服从正态分布的假设;ADF检验表明序列均不存在单位根,均为平稳序列;在自相关方面,大部分国家(地区)不存在显著的一阶或二阶自相关性;在异方差方面,大部分国家(地区)也不存在显著的异方差性。

表2 “一带一路”沿线20个股票市场收益率描述性检验结果

注:***、**、*分别表示在1%、5%和10%水平上显著;ADF检验中方程不含截距项和趋势项;ARCH-LM是ARCH效应的检验统计量。

(二)实证模型构建

1.边缘分布模型

针对选取的20个股票市场指数收益率存在的“有偏、尖峰、厚尾”等特点,同时考虑其波动聚集和存在非对称性的特征,本文引入AR(1)-GJR(1,1)-SkT(v,λ)模型来充分刻画各股指收益率的非正态分布特征,该边缘分布模型的形式如下:

Ri,t=c0+c1Ri,t-1+ei,t,i=1,2,…20

(2)

ei,t=hi,tεi,t,εi,t～SkT(ν,γ)

(3)

(4)

显然,每个边缘分布模型都有8个参数,其中式(2)为均值方程,包含了参数c0和c1,ei,t为指数收益率系列的残差。式(3)的SkT(v,λ)为偏学生t分布,它能同时刻画收益系列的尖峰、厚尾、偏斜特性,其中参数v和λ分别代表了自由度参数和非对称性参数,随机变量ε具有d(εi,t,v,λ)一样的密度函数,且ε～SkT(V,λ)。式(4)为方差方程,包括了4个参数(w,α,β,γ),I(ei,t-1<1)为指示性指标,当ei,t<0时取1,否则取0,表明面对一个负面冲击时,收益率系列波动要大于面对一个正面冲击时的波动。对于GJR(1,1)模型来说,式(4)还面临着如下的约束条件:

α+2β+γ<2,α>-γ,β∈(0,1)

(5)

2.时变联动性测度模型

(6)

3.相依结构分析模型

在构建高维Copula模型方面,先后共出现了三种代表性方法:C-Vine Copula方法、D-Vine Copula方法和R-Vine Copula方法[20-21]。其中,C-Vine Copula方法和D-Vine Copula方法一般称为正则藤的建模方法,是一般化R-Vine Copula方法的特例。R-Vine Copula方法不需要事先设定其树结构形式,没有特定的树结构形式和分解规则,可以随时根据变量间的相依性或研究目的需要来安排其相依结构形式,突显出极大的灵活性和实用性[19]。迪曼娜(Dißmann)等[21]的研究结果也表明:R-Vine Copula方法比C-Vine Copula方法和D-Vine Copula方法的分析结果更稳健。目前国内采用R-Vine Copula方法来对资产泡沫之间的相依结构进行建模分析的文献较少,郭文伟[19]采用该模型对全球21个代表性股市之间的相依结构特征进行了实证分析,但尚未有文献专门对“一带一路”沿线国家(地区)股市之间的相依结构进行建模分析。因此,本文采用R-Vine Copula模型来分析“一带一路”沿线国家(地区)股市之间的相依结构特征。限于篇幅,这里不再阐述有关R-Vine Copula模型的结构形式和原理等内容。

(三)“一带一路”沿线国家(地区)股市间时变联动性测度

1.边缘分布模型和DCC模型的参数估计结果及说明

由于所有样本股指均呈现出“有偏、尖峰”的特征,本文采用AR(1)-GJR(1,1)-SkT(v,λ)模型构建各股票市场的边缘分布,通过R语言编程来进行边缘分布参数估计,参数估计结果见表3。

根据表3的估计结果可知:方程的均值参数显著的只有印度股市、印度尼西亚股市、沙特股市和土耳其股市,其余股市的均值参数均没能通过显著性检验;在股市收益率自相关方面,中国内地股市、捷克股市、中国香港地区股市、印度股市、菲律宾股市、波兰、俄罗斯股市、沙特阿拉伯股市、泰国股市、阿联酋股市、越南股市呈现出显著的正相关性,而其他均不存在相关性。在α和β参数方面,几乎所有的股市都能通过显著性检验,并且其α+β结果均接近于1,说明各股票市场的波动均具有持续性;从杠杆效应检验参数γ的估计结果来看,约有一半通过了参数显著性检验,表明这些股市存在非对称的杠杆效应。其中Z值统计量及其渐进显著性是通过对序列进行积分概率转换,然后利用K-S检验其是否服从(0,1)均匀分布而得到的估计结果。从表中可以得知,K-S检验的渐进显著性均小于0.01,说明序列均在1%的置信水平上显著,通过积分概率变换后的序列服从(0,1)均匀分布。可以发现20个股票市场指数收益率数据呈现出“有偏、尖峰”的特征,这也就说明AR(1)-GJR(1,1)-SkT(v,λ)模型可以很好地拟合各股指收益率序列的条件边缘分布,同时积分概率变换后的序列为接下来的相依结构特征分析做好了准备。

注:***、**、*分别表示在1%、5%和10%水平上显著。

图1 中国(内地)股市与“一带一路”沿线国家(地区)股市间的时变联动性

2.“一带一路”沿线国家(地区)股市时变联动性分析

在利用AR(1)-GJR(1,1)-SkT(v,λ)模型来刻画“一带一路”沿线国家(地区)各股市的边缘分布后,使用极大似然法对标准化残差进行估计可以得到股市间的时变联动性,图1给出了中国内地股市与“一带一路”沿线国家(地区)股市之间的时变联动性走势。从中可以看到,在整个研究时期内中国内地股市与“一带一路”沿线国家(地区)股市之间的时变联动性波动幅度较大。中国内地股市与中国香港地区股市的联动性系数水平最高,与印度股市、新加坡股市、印度尼西亚股市、马来西亚股市、中国台湾地区股市的联动性水平居中,而与埃及股市、匈牙利股市、以色列股市、黎巴嫩股市、菲律宾股市、波兰股市、沙特股市、泰国股市、土耳其股市、阿联酋股市及越南股市的联动性水平较低。中国内地股市与中国香港地区股市联动性系数最高,主要是因为中国内地与中国香港地区的贸易、资金往来非常频繁,加之“沪港通”“深港通”的实施促进了两地股市联动性水平的增加;而与埃及、匈牙利、以色列、黎巴嫩、菲律宾、波兰、沙特、泰国、土耳其、阿联酋及越南等股市的经贸往来相对其余地区较不频繁,相互间资金投资水平较低,并且这些国家(地区)的经济状况欠发达,资本市场规模小,缺乏国际参与性,导致其与中国内地股市联动性水平较低。从联动性的演化趋势来看,随着“一带一路”倡议在2013年的提出,中国内地股市与其他股市间的联动性呈现出总体走强的趋势。

三、“一带一路”沿线国家(地区)股市相依结构演化及其波动传导机制分析

(一)整个时期内各股票市场之间的相依结构特征

理论上d维的R-Vine Copula模型就有2(d-1)个RVM矩阵,以本文为例,d=20,理论上就存在2d-1=220-1=524288个RVM矩阵。对此,本文借鉴布朗奇曼(Brechmann)等[22]提出的最大生成树方法(MST-PRIM算法)来确定最佳RVM矩阵(R-Vine Copula模型的树结构)。在完成确认RVM后,采用了AIC和BIC值最小化的原则来选择R-Vine Copula模型内部的最佳Copula类型*限于篇幅,本文对备选的31种Copula模型不再逐一介绍,需要了解可向笔者索取。。这里所有工作均通过R语言编程实现。最终分析结果如图2所示。图2中的相依性采用Kendall′s tau相关性来表示,因为其不会受到Copula类型不同造成的影响,具有统一的可比性。

图2 整个研究时期内20个股票市场间相依结构

由图2可知,在整个研究时期内“一带一路”沿线国家(地区)股票市场间的相依结构存在明显的区域性地理聚集特征:亚洲区域内股市和欧洲区域内股市以及非洲区域内股市各自集聚然后相连接。其中捷克的股票市场起到连结整个“一带一路”沿线国家(地区)股市的桥梁作用,中国香港地区股市和新加坡股市是亚洲股市集聚的中心,而沙特阿拉伯股市、俄罗斯股市和波兰股市则成为欧洲股市和非洲股市集聚的中心。具体来看,东盟国家(菲律宾、马来西亚、新加坡、印度尼西亚和泰国)股市以新加坡股市为连结中心与中国香港地区股市相连,而中国内地、印度、越南和中国台湾股市以中国香港地区股市为中心与新加坡股市相连,匈牙利、以色列和土耳其股市以波兰为连结中心与俄罗斯股市相连,而阿联酋、黎巴嫩和埃及股市以沙特阿拉伯股市为中心与俄罗斯股市相连,最终波兰和新加坡股市以捷克股市为中心桥梁完成整个“一带一路”国家(地区)股市的连接。

在亚洲国家(地区)股市中,除了泰国股市与新加坡股市(t Copula)、中国台湾股市与越南股市(F Copula)之间的相依性存在对称的上下尾相依结构特征外,其余亚洲国家(地区)股市间均存在非对称的相依结构特征(BB1 Copula);从相依性程度上看,新加坡股市与中国香港地区股市相依性程度在亚洲国家(地区)股市中最高,达到0.42,中国香港地区股市与中国台湾股市之间相依性也达到了0.34,而中国台湾股市与越南股市相依性程度在亚洲国家(地区)股市中最低,只有0.11,其余亚洲国家(地区)股市间的相依性程度均在0.22—0.31的范围内。

在欧非国家(地区)股市中,匈牙利股市与波兰股市(t Copula)、以色列股市与波兰股市(t Copula)之间的相依性存在对称的上下尾相依结构特征,而其余欧非国家(地区)股市间均存在非对称的相依结构特征。具体而言,捷克股市与波兰股市(SBB1 Copula)、波兰股市与俄罗斯股市(SBB1 Copula)、土耳其股市与波兰股市(BB1 Copula)、俄罗斯股市与沙特股市(SBB8 Copula)、沙特股市与埃及股市(SBB7 Copula)之间的相依性存在非对称的上下尾相依结构特征,而沙特股市与阿联酋股市(SG Copula)之间存在上尾相依结构特征,沙特股市和黎巴嫩股市(C Copula)之间存在下尾相依结构特征。从相依性程度的横向比较来看,沙特股市与黎巴嫩股市的相依性程度在欧非国家(地区)股市中最低,只有0.05;而捷克股市与波兰股市、匈牙利股市与波兰股市之间的相依性程度在欧非国家(地区)股市中达到最高值0.36,其余欧非国家(地区)股市相依性程度均在0.13—0.33范围内。

总的来看,在整个研究时期内中国内地股市尚未处于“一带一路”沿线国家(地区)相依结构中的枢纽地位,主要通过中国香港地区股市与“一带一路”沿线其他国家(地区)存在相依性,而且与其他19个国家(地区)股市相依性水平均不高。主要的原因如下:第一,中国内地资本市场尚未完全对外开放,无论是资本还是投资者目前仅能通过合格境内机构投资者(QDII)与合格境外机构投资者(QFII)等途径小量进出中国内地资本市场,限制了内地股市国际性的提升;第二,“一带一路”沿线国家(地区)多为经济欠发达国家(地区),经济规模较小,国际参与度不高,使得“一带一路”沿线国家(地区)之间的相依性水平也不高;第三,“一带一路”倡议尚处于起步阶段,随着中国与“一带一路”沿线国家(地区)之间的经贸往来和投资合作的深入发展,中国股市与这些国家(地区)股市之间的相依性无疑将会显著提升。

(二)“一带一路”倡议的提出对沿线国家(地区)股市相依性结构的影响分析

为了进一步研究“一带一路”倡议的提出是否对沿线国家(地区)资本市场间相依结构特征带来显著影响,本文以“一带一路”倡议提出的时间(2013年9月)作为区分该倡议提出前与后的分界点,比较“一带一路”倡议提出前后这20个国家(地区)股市相依结构的变化与差异。结果如图3和图4所示。

图3 “一带一路”倡议提出前20个股票市场间相依结构

从图3中可以看到,“一带一路”倡议提出前的各股市相依结构特征与整个研究期内的相依结构特征基本相同,捷克股市依旧是连结亚洲股市和欧非股市的桥梁,但埃及股市则与俄罗斯股市形成对称的上下尾相依结构;而在相依程度方面,20个股票市场的相依性则基本没有太大的变化,均在0.06—0.43的范围内。

如图4所示,“一带一路”倡议提出后20个股票市场的相依结构特征发生了较大的变化,亚洲股市和欧非股市的区域性地理集聚现象消失。具体来说,连结这20个股票市场的中心不再是捷克股市,而是马来西亚股市。马来西亚一方面地处马六甲海峡附近,连结着太平洋与印度洋,是海上贸易的重要“关口”;另一方面随着马来西亚与中国贸易往来的快速发展,其对于“一带一路”中的海上丝绸之路有着不可替代的战略意义,“一带一路”倡议的提出进一步凸显了马来西亚在该沿线位置的核心地位。

图4 “一带一路”倡议提出后20个股票市场间相依结构

中国内地股市仍通过中国香港地区股市与其他国家(地区)股市进行连结。在相依性程度方面,各股票市场之间的相依性水平整体上有一定幅度的提高,相依性在0.09—0.38的范围内,尤其中国内地股市与中国香港地区股市之间的相依性提高至0.3。

为了更清晰地对比“一带一路”倡议提出前后各股市相依结构的变化,本文对各股市相依结构和相依性水平进行了对比,结果见表4。根据表4的数据,可以认为“一带一路”倡议的提出整体上使各股市间相依结构和相依性水平有一定的提高。

总的来看,20个股票市场相依结构在“一带一路”倡议提出前后的演化过程具有以下特点:第一,“一带一路”倡议的提出使得捷克股市在各股票市场中枢纽的地位消失,取而代之的是马来西亚股市;第二,“一带一路”倡议的提出打破了原本这20个股票市场间存在的区域性地理集聚特征,同时提高了各股市的相依性水平;第三,无论在整个时期还是“一带一路”倡议提出前和提出后,中国内地股市均处于国际股市中的边缘地位,主要通过中国香港地区股市与其他地区股市相连结,但其相依性水平有所提高。

(三)“一带一路”沿线国家(地区)股市波动风险之间的传导机制分析

图2虽然揭示出“一带一路”沿线国家(地区)股市间的相依性结构,但无法揭示相关联的股市波动之间的因果关系。这里采用格兰杰因果关系分析法检验图2中存在相依性的各股市之间的因果关系。主要的分析思路如下:以存在相依性的两个股市为研究对象,构建二元向量自回归(VAR)模型,然后基于SC和HQ值最小原则确定最佳滞后阶数,再进行格兰杰因果关系检验。由于论文篇幅限制,这里不再给出各股市之间的具体检验过程,同时为了更直观看到各股市波动之间的因果关系,这里直接将最终检验结果以箭头的方式标识在各股市之间的相依结构图上(见图5)。图5中的箭头指向的一端为格兰杰因果关系中的果,箭头出发的一端为因,箭头上面的数值为置信度,表示这种因果关系在该置信水平上显著;双向箭头表示两者互为格兰杰因果关系。

图5 “一带一路”沿线20个股票市场间格兰杰因果检验

从图5中可以发现,各股市间波动传导机制存在差异。在1%的置信水平上,中国香港地区股市是中国台湾股市的格兰杰原因,菲律宾股市是马来西亚股市的格兰杰原因,沙特阿拉伯股市是俄罗斯股市、阿联酋股市以及黎巴嫩股市的格兰杰原因;在5%的置信水平上,中国内地股市和新加坡股市是中国香港地区股市的格兰杰原因,中国香港地区股市是印度股市的格兰杰原因,捷克股市是波兰股市的格兰杰原因,以色列股市和波兰股市互为格兰杰原因,沙特阿拉伯股市是埃及股市的格兰杰原因;在10%的置信水平上,印度股市是中国香港地区股市的格兰杰原因,捷克股市是新加坡股市的格兰杰原因,新加坡股市是马来西亚股市的格兰杰原因,马来西亚股市是菲律宾股市的格兰杰原因,俄罗斯股市是沙特阿拉伯股市的格兰杰原因。总的来看,“一带一路”沿线各国(地区)股市间波动传导机制存在明显的非对称性差异。

四、结论

本文采用AR(1)-GJR-DCC模型来动态测度中国内地股市和“一带一路”沿线国家(地区)股市之间的时变联动性,并利用R-Vine Copula模型完整刻画整个研究时期以及“一带一路”倡议提出前后各股票市场之间的相依结构特征和相依性水平,最终分析了各股市波动风险之间的相互影响机制。主要结论如下:

第一,中国内地股市和“一带一路”沿线国家(地区)股市之间时变联动性水平较低。中国内地股市与中国香港地区股市的联动性水平最高,与印度股市、新加坡股市、印度尼西亚股市、马来西亚股市、中国台湾地区股市的联动性水平居中,而与埃及股市、匈牙利股市、以色列股市、黎巴嫩股市、菲律宾股市、波兰股市、沙特阿拉伯股市、泰国股市、土耳其股市、阿联酋股市及越南股市的联动性水平较低。经贸往来规模和资本市场之间互联互通程度是造成中国内地股市与其他股市联动性水平存在结构性差异的主要原因。比如,中国内地与中国香港地区之间日益深化的经贸合作关系,“沪港通”和“深港通”机制的相继实施等措施均增强了中国内地股市与中国香港地区股市之间的联动性水平。而中国大陆与中国台湾地区之间的“政冷经热”的格局也决定了两地股市之间的较高联动性;“一带一路”沿线国家(地区)股市间联动性总体趋势较低的原因主要是沿线国家(地区)大多经济水平欠发达,并且其资本市场规模小,缺乏在国际资本市场上的参与性,导致联动性较低;从联动性的演化趋势来看,在“一带一路”倡议提出之后,中国内地股市与其他股市间的联动性出现逐渐走强的趋势。

第二,“一带一路”倡议的提出使得沿线国家(地区)股票市场相依性水平整体有提高的趋势,说明“一带一路”倡议作为全球化进程中的一环,对国际资本市场联动性的影响具有重要意义。主要原因如下:一方面,“一带一路”倡议的提出,大大加强了亚洲地区与欧洲地区之间经济、金融与贸易联系,使之日渐成为“一带一路”沿线国家(地区)互利共赢之路;另一方面,“一带一路”倡议的提出,为“一带一路”沿线的亚洲与欧洲较不发达的国家(地区)提供了一条可持续发展之路。

第三,“一带一路”倡议的实施改变了沿线国家(地区)股市原有的区域性地理聚集特征。在整个研究时期内以及“一带一路”倡议提出前,“一带一路”沿线国家(地区)股票市场间的相依结构存在明显的区域性地理聚集特征,东盟国家(地区)股市、亚洲股市、欧非股市等区域性集聚明显。但“一带一路”倡议提出后,区域性地理聚集特征消失,各国(地区)股市在“一带一路”沿线国家(地区)中的地位有所改变。此外,在“一带一路”倡议提出前,捷克股市是连结各股票市场的枢纽,但在“一带一路”倡议提出后,马来西亚股市成为沟通“一带一路”沿线国家(地区)的桥梁,说明“一带一路”倡议的提出使得资本市场的中心有向东亚移动的趋势。

第四,中国内地股市依然在“一带一路”沿线国家(地区)股市相依结构中处于边缘地位。目前,中国内地股市主要通过中国香港地区股市与其他国家(地区)股市进行连结,说明中国内地的资本市场虽然在近年来得到快速发展,但是由于资本市场尚未完全对外开放,其国际化程度不高,国际参与度也较低,与其他国家(地区)股市的联动性也不高。随着“一带一路”倡议的全球实施,中国内地与各国(地区)间贸易合作的深化以及内地股市改革的深入,中国内地股市将会在“一带一路”沿线国家(地区)股市相依结构中发挥日益重要的作用。

第五,“一带一路”沿线国家(地区)股市间波动传导机制存在明显的非对称性。新加坡股市、中国香港地区股市、捷克股市、波兰股市以及沙特阿拉伯股市在传导系统中扮演了传导源头的角色,是这20个国家(地区)股市时变联动性的重要影响因素。

[1] 宋林, 谢伟, 郑雯. “一带一路”战略背景下我国对外直接投资的效率研究[J]. 西安交通大学学报(社会科学版), 2017(4): 45-54.

[2] 孙力. 中国与中亚国家共建“丝绸之路经济带”的前景[J]. 西安交通大学学报(社会科学版), 2016(6): 1-5.

[3] KUMAR R, DHANKAR R S. Asymmetric Volatility and Cross Correlations in Stock Returns under Risk and Uncertainty[J]. Vikalpa the Journal for Decision Makers, 2009, 34(4): 25-36.

[4] WANG M C, LEE S H. Analysis of the Correlation Structure between Stock and Exchange Rate Markets: An Example of China on Asian Emerging Markets[J]. Accounting and Finance Research, 2016, 5(2): 104-114.

[5] KAMAL J B, HAQUE A K E. Dependence between Stock Market and Foreign Exchange Market in South Asia: A Copula-Garch Approach[J]. Journal of Developing Areas, 2016, 50(1): 175-194.

[6] 李宁, 李罡. 中国股市与亚太经济圈五国股市联动性分析[J]. 经济论坛, 2011(12): 98-101.

[7] 梁书涵. 基于因子分析模型的中国与亚洲地区股市联动性分析[J]. 商业经济研究, 2015(19): 53-55.

[8] 徐有俊, 王小霞, 贾金金. 中国股市与国际股市联动性分析——基于DCC-GARCH模型研究[J]. 经济经纬, 2010(5): 124-128.

[9] 苏明政, 张庆君. 异质波动条件下中国股市与国际股市联动性的动态分析——基于DCC-MVGARCH模型的实证研究[J]. 渤海大学学报(自然科学版), 2013(3): 328-334.

[10] 罗燕, 吴永. 基于分层Copula理论的股市联动性测度[J]. 重庆理工大学学报(自然科学版), 2016(11): 171-176.

[11] 唐振鹏, 周熙雯, 黄友珀, 等. 基于小波方法的中国股市与亚太股市联动性实证研究[J]. 中国管理科学, 2015(1): 398-404.

[12] ALLEN D E, ASHRAF M A, MCALEER M, et al. Financial Dependence Analysis: Applications of Vine Copulas[J]. Statistica Neerlandica, 2013, 67(4): 403-435.

[13] 龚朴, 黄荣兵. 次贷危机对中国股市影响的实证分析 ——基于中美股市的联动性分析[J]. 管理评论, 2009(2): 21-32.

[14] 潘文荣, 刘纪显. QFII及QDII制度引入后的中美股市联动性研究[J]. 江西财经大学学报, 2010(1): 5-10.

[15] 朱小勇, 任晓洁. 中美股市收益率联动性研究——基于量化宽松货币政策背景[J]. 经济研究导刊, 2013(18): 168-170.

[16] 刘志超, 任思量, 李文婷. 中国股市与世界主要股市的联动性研究[J]. 现代经济, 2010(4): 6-9.

[17] 刘庆杰, 姜伟. 欧债危机下的中欧主要股市联动性研究[J]. 青岛大学学报(自然科学版), 2013(2): 81-84.

[18] 彭莉. 开放背景下中国股市国际联动性的实证研究[J]. 开发研究, 2014(3): 131-134.

[19] 郭文伟. 国内外股市相依结构演化及其危机传染效应研究[J]. 国际金融研究, 2016(10): 63-73.

[20] BEDFORD T, COOKE R M. Probability Density Decomposition for Conditionally Dependent Random Variables Modeled by Vines[J]. Annals of Mathematics and Artificial Intelligence, 2001, 32(1): 245-268.

[21] DIßMANN J, BRECHMANN E C, CZADO C, et al. Selecting and Estimating Regular Vine Copulas and Application to Financial Returns[J]. Computational Statistics & Data Analysis, 2013, 59(1): 52-69.

[22] BRECHMANN E, CZADO C. Risk Management With High-Dimensional Vine Copulas: An Analysis of the Euro Stoxx 50[J]. Statistics and Risk Modeling, 2013, 30(4): 307-342.