我国股票市场的信息溢出效应研究——以沪港通政策实施为切入点

任孝明，李宇翀（副教授）

一、引言

金融市场信息溢出问题是价格发现领域的关键问题之一。为加快我国股票市场的发展，促进我国资本市场与国际资本市场的接轨，我国于2014年11月17日开始实行沪港通政策。沪港通是指上海证券交易所和香港联合交易所允许两地投资者通过当地证券公司（或经纪商）买卖规定范围内的对方交易所上市的股票，是沪港股票市场交易互联互通机制。目前沪港通采用沪股通和港股通限额管理。沪港通开通后会对我国沪市和香港地区股票市场带来何种影响？是否增强了两个市场的关联，从而促进了我国股票市场与国际市场的接轨？这些问题为本文研究的核心。

本文应用了多种方法对我国股票市场信息溢出进行了分析，包括Granger因果关系检验、混合Copula模型和事件分析法。首先通过Granger因果关系检验对沪市、香港股市、美国股市三个市场彼此之间是否具有影响关系做出简单判别，然后建立混合Copula模型，对沪港通政策实施后我国沪市股票价格变动的信息溢出对其他股市造成影响的具体值进行度量，最后运用事件分析法比较沪港通政策实施前后各个股市的反应。

二、文献综述

实际上对于信息溢出检验以及不同市场间的联动性检验和市场信息跨境传播机制、传染方向的研究在很早以前就已成为国内外学者关注的话题。

国外学者对以上问题进行了较为深入的研究。Engle等[1]引出外汇市场在两个国家之间的信息传递，提出了热扩散假定和流星雨假定。热扩散假定认为该日市场价格的变动会影响次日该市场价格的变化，也就是所谓的持续性，而这一持续性不会影响其他国家的市场；流星雨假定则认为虽然有着反应时间，但是某市场价格的变化确实会影响另一个市场。

那么，这是否也意味着股票市场也存在流星雨假定和热扩散假定？Lee等[2]在研究NASDAQ与亚洲市场波动溢出时验证了股票市场流星雨假定和热扩散假定的存在，证明了股票市场价格信息波动的跨境传播。而在21世纪以前已有国外学者研究流星雨假定，实证分析发达国家股票市场之间的联动关系。Barndorff－Nielsen等[3]将股票市场的整体波动分解为平稳波动和剧烈波动，平稳波动表示一般情况下股市的变动走势，剧烈波动表示股市的动荡，之后他们验证了发达国家股票市场的跳跃波动能够对另一给定股票市场产生更显著的影响。

Tsai[4]对投资者恐慌情绪进行建模，选择发达国家股票市场的交易数据，研究彼此之间的影响关系，得到如下结论：美国股市是主要的信息传出国，当美国股市对其他市场传播信息时，恐惧指数与溢出效应显著相关且美国股市的溢出效应表现出不对称性。

也有部分学者着眼于新兴市场之间的波动溢出效应，Korkmaz等[5]对哥伦比亚、印度尼西亚、越南、埃及、土耳其、南非（简称CIVETS）国家之间的波动溢出效应进行分析。Rafiqul-Bhuyan等[6]利用GARCH模型研究发达市场如美国股市与巴西、俄罗斯、中国、印度和南非等新兴市场（简称BRICS）和BRICS之间的信息传递和溢出效应的关系，结果显示美国股市是主导，对外围股市都有影响，并且中国股市经过近几年的发展已经可以对印度和美国股市产生细微的影响，同时验证了BRICS市场隔日收益率在很大程度上会受到昨日收益率的余波影响，即证实了Engle等提出的热扩散假定的存在。

国内研究主要着眼于我国股市对其他股市的信息溢出效应，随着我国股市政策的完善，信息溢出量逐渐增加，从初始的对其他国家股市没有任何影响发展到有些微影响。其研究方法也从简单的Granger因果检验判断基本的影响关系发展到计算具体的影响力，并提出Copula模型，该模型可以很好地用来分析这一问题。期间也有学者发展出了自己的研究体系和研究方法，有的学者还对初期的研究方法进行了批判并提出了自己对于甄别信息溢出方法的选择。

冯永琦、段晓航[7]利用Granger因果检验和二元GARCH模型，发现2012～2015年近3年的时间里沪港通政策实施前后两地市场的关联性增强，表明我国的股票市场机制已经慢慢地与国际接轨，能够接收外面的信息，这也给有关部门提供了相关启示，即随着国际化进程的加快，应制定相关政策保护我国资本市场，且投资者们也应该考虑更多的经济指标，从而衡量自己投资的股票有可能面临的风险。蒋伟、阮青松[8]使用扩展的EGARCH模型，发现近些年尤其是在沪港通开通之后内地股市的投资者对于风险的溢价提高。还有学者研究了某特定事件或政策的发布实行对信息溢出的影响[9][10]。

上述研究均采用的是传统的计量方法对股票市场的信息溢出效应进行分析，如Granger因果检验、GARCH模型等。Embrechts等[11]证明了传统的Granger因果检验有很大的局限性且不能很好地考察股票市场多因素、时变的复杂关系，Granger因果检验只能简单地说明彼此之间有影响、有联系，而无法具体说明到底有着什么样的影响，而且如果彼此之间的影响关系非常细微，Granger因果检验可能无法度量。而混合Copula理论可以捕捉样本指数间非线性、非对称的关系，该理论被广泛应用于各国股票市场、外汇市场、债券市场间的相关性分析、波动溢出效应的检验以及金融风险度量分析，例如其信用层级的评级分类。

蔡彤彤、王世文[12]认为单一Copula模型无法很好地解释时间序列相关性的变化，Clayton Copula函数只能度量熊市阶段股市的信息传播，Gumble Copula函数则只能度量牛市阶段股市的信息传播，而Frank Copula函数能够度量平稳时期的变化，建立混合Copula模型可以省去对Copula模型的筛选过程，极大地减小工作量。本文以沪港通实施前和实施后为时间节点建立混合Copula模型对尾部相关系数进行实证分析，发现在沪港通实施前沪市和香港股市的信息溢出效应无论是在牛市还是熊市都比沪港通实施后的信息溢出效应弱。

淳伟德等[13]将亚洲四大股票市场（中国内地股市和香港股市、日本股市、新加坡股市）作为研究对象，从非线性的角度出发建立混合Copula模型研究次贷危机发生前后美国股市对这四个股市的影响，并将时间段分为次贷危机发生前和发生后，对四个代表市场受到的影响按大小进行排序，结论得出新加坡和日本股市分列第一、二名，香港股市位于第三位，而内地股市处于最后，但是相对于次贷危机发生前，内地股市与美国股市之间相对于其他三个股市有着较强的尾部相关关系，可见我国股票市场快速发展的趋势是不容忽略的。操颖、方兆本[14]以沪深300指数和恒生中国企业指数为数据样本比较了单一Copula和混合Copula模型的优缺点，通过尾部相关系数得出两个市场的相关性在牛市期间要高于熊市，指数价格的波动存在着信息溢出效应。吴吉林等[15]以低频数据研究A、B、H股之间的尾部相关性在近20年里发生了怎样的变化，发现随着时间的推移，某地市场极端风险的发生对于另一市场的影响越来越显著。

综上所述，本文通过建立混合Copula模型对其尾部相关系数进行分析，从非线性的角度解释股市间的联动性问题，且Copula函数的尾部相关性分析可以度量牛熊市期间一个市场对于另一个市场的影响，并将其用数字的方式表现出来，这对于本文此次要研究分析的问题极为有用。

事件分析法由James Dolley[16]提出，该方法被广泛应用于公司领域或某一政策的颁布对经济或股票价格造成的影响。毕玉国、郭峰[17]应用事件分析法研究了利率调整、存款准备金调整对股票市场造成的影响，发现在发布调整公告后，股票价格有明显的波动，从侧面表明作为一名理性的投资者，应该全方位地分析股票买入和卖出的时机，不应该盲目地“追涨杀跌”，关注公告发布的同时，应该冷静地分析公告发布为股市带来的影响。也就是说，即使发布的公告在短期内会使股票价格暴涨或暴跌，投资者依然要从各方面进行考虑，分析该股票是否具有长期投资价值。李丹凤[18]从沪港通开通事件入手，选择开通前后10天为窗口期，研究该政策的颁布对沪港两地同时上市的股票造成的影响，以累计异常超额收益率的形式体现。该文提供了一个比较详细的运用此方法进行研究的步骤，且所选择的事件与本文相同，为本文接下来的研究提供了一个很好的参考。罗春蓉等[19]通过账面市值比的变化发现，沪港通开通对于沪市有着积极的影响，投资者的非理性情绪在内地股市较香港股市显著，港股的市场有效性依旧大于内地股市。

三、我国股票市场信息溢出的实证分析

（一）数据来源及描述性统计

本文以上证综指、恒生指数以及标准普尔500指数为样本数据，研究在沪港通开通后将近2年的时间里我国股市究竟向其他市场传递出了怎样的信息。数据样本期均选取2014年11月10日～2016年8月31日的交易日日度数据收盘价。因存在交易时间不匹配以及日期不对称问题，在通过Excel手动去除不必要数据后，得到共1263组数据。对其价格取对数后差分进行收益率化，见式（1）：

其中：index为各市场的指数收益率。

表1是各指数的描述性统计，从表1中可以看出，三个指数的偏度都小于0，故表现为左偏；峰度均大于3，体现出尖峰，且恒生指数的收益率序列最大，上证综指排第2，标普500指数的收益率序列最小。三个指数序列均不服从正态分布。使用ADF检验对收益率序列进行单位根检验得到P值均为0，三个指数收益率（日度）序列均为平稳序列，且为一阶单整序列I（1）。

（二）Granger因果检验在三个股票市场的应用

为考察不同地区三个股票市场指数之间的影响关系以及沪市股票价格信息溢出是否会对其他市场造成影响，我们以每两个市场之间的指数收益率进行Granger因果检验，共计6组。

通过表1中的P值已经知道三个指数市场收益率序列均为一阶平稳单整序列I（1），协整检验结果表明彼此之间具有协整关系。我们对指数收益率序列进行一阶Granger因果检验，其检验结果如表2所示。

表2 因果检验结果三个市场指数收益率序列的Granger

由于三个市场原指数序列为二阶单整序列I（2），故对原指数序列进行二阶Granger因果检验，结果如表3所示。

表3 三个市场原指数序列的Granger因果检验结果

对指数序列的收益率进行Granger因果检验，从表2中可以看出，在5%的显著性水平下，只有在“标普500指数不是上证综指的原因”这一行中F检验的P值小于0.05，拒绝原假设，表明标普500指数是上证综指的原因，美国股市对沪市有影响，而其他行的F检验的P值均大于0.05，接受原假设，彼此之间没有影响，说明香港股市对沪市没有任何影响，沪市对其他两个股市没有任何影响。

从表3可以看出，如果用三个市场原指数序列的差分序列进行Granger因果检验，只有“恒生指数不是上证综指的原因”和“标普500指数不是上证综指的原因”这两行的F检验的P值小于0.05，表明美国股市和香港股市对沪市的未来值预测有贡献，美国股市和香港股市对沪市有影响，而沪市仍然对美国股市、香港股市没有任何影响。

（三）事件分析法的应用

作为统计方法的补充说明，我们选择沪港通开通为研究事件，利用市场模型法，将沪港通开通之前2014年9月1日～2014年11月6日作为估计期，没有用窗口期中的数据是为了消除沪港通开通事件对正常收益率计算的影响。将2014年11月17日设为事件发生日t，窗口期为事件发生之前的5天（2014年11月10日）至事件发生之后的15天（2014年12月9日），即［t-5，t+15］，此阶段主要研究市场指数所包含的成分股在沪港通政策颁布实施前后会发生何种变化，以及各个市场投资者对这一政策的实施持何种态度。同样，依旧选择2014年11月17日为事件发生日t，窗口期为事件发生之前的5天（2014年11月10日）至事件发生之后的15天（2014年12月9日），即［t-5，t+15］，此阶段主要利用ARMA模型的滚动预测来研究三个市场指数在沪港通政策颁布实施前后会发生何种变化，以及各个市场投资者对这一政策的实施持何种态度，并与成分股的事件分析法作一个对比。

1.成分股的事件分析法。首先，运用事件分析法对市场指数所包含的成分股数据进行处理，剔除在窗口期中途成为成分股或从成分股名单中清除的股票数据以及连续4日或4日以上停盘的股票数据，剔除退市或中途退市的股票数据，剔除带有∗ST标志的股票数据。经过处理得到上证综指成分股843个，恒生指数成分股数量不变，为49个，且已确认在此期间无其他重要事件足以影响股票价格的变动。去除上述股票数据的目的是降低无关变量的影响，因为这些股票的走势是受自身因素的影响，而沪港通的开通并不会影响其走势，故删除这些数据，使得该事件对个股价格的影响更加显著。标普500指数成分股因成分股数据的易得性问题，这里不作分析，只对上证综指和恒生指数两个市场的成分股使用事件分析法进行研究。

对各指数所包含的成分股每日收盘价取对数并进行差分计算得到上证综指成分股和恒生指数成分股估计期2014年7月1日～2014年11月6日的实际收益率Rit，见式（2）：

其中：i、j表示不同的成分股；t表示时间；Rjt表示成分股每日收盘价。

对于成分股的正常收益率ARit的计算，利用市场模型法将成分股的实际收益率Rit作为被解释变量，市场指数作为解释变量，运用OLS求出估计期成分股的αi、βi，然后将求出的 αi、βi看成将成分股的正常收益率ARit作为被解释变量时与市场指数所建立的市场模型的拟合值。而市场指数的实际收益率Rit的计算已经由式（11）得出。计算成分股估计期的αi、βi，见式（3）：

计算每个成分股在窗口期2014年11月10日至2014年12月9日的正常收益率，见式（4）：

计算各自的成分股异常收益率在当日的总和，用每个市场指数各自的成分股异常收益率当日的总和除以成分股的总数，得到三个市场每日的平均异常收益率，见式（5）：