中美股票市场联动性研究——基于中欧、中英、中日的比较*

曾 胜，罗 松，陈振国

(重庆工商大学 a.长江上游经济研究中心； b.财政金融学院， 重庆 400067)

在全球资本市场一体化的推进下，各国股市联动性在逐渐增强，投资者也会考虑在全球范围内选择资产配置，每个国家制定金融市场运行政策也必将考虑其他国家会带来的影响。近年来，随着沪港通、深港通的开启，我国股票市场也正向国际化进程迈进。中国和美国是全球发展中国家和发达国家的典型代表，两国资本市场之间的联动趋势以及联动性大小，备受世界各国的关注，对其进行研究，为防范金融风险的传递，从容应对国际国内复杂的形势，有着重要的理论和实践意义。

一、文献综述

国外学者对股市联动性研究起步较早，主要集中在发达国家之间，对中国与发达国家股市的研究结论显示相依关系较弱。Hu(2010)采用广义自回归条件异方差模型模拟中美股市的相依性，结果显示其程度较低。Bing(2014)考察了2000年1月4日至2012年1月13日期间中美股市的走势，发现两个市场之间没有协整关系。George(2014)以标准普尔500指数和道琼斯工业股票平均价格指数的日收益率预测中国股市两大基准指数SSEC和SZCI开盘方向的能力，发现自2006年以来，美国股市的日回报率对中国股市开盘情况的影响具有显著的能力，反之，没有表现出类似的能力。Dai(2016)运用混合多重分形分析方法，研究了我国股票指数序列SSEC、SZSE和美国DJIA、NASDAQ的混合多重分形性质，结果表明，DJIA对中国股市有影响。Saiful (2018)运用极值理论和随机copulas研究中国股票市场与发达国家等主要股票市场的依赖结构，结果表明中国股市与发达市场之间的依赖性较低，中国股市对亚洲和欧洲的依赖程度大于美国。Huadong(2018)从国际贸易、金融资本、政策与预期方面，对中美股市进行比较，认为随着中国经济的发展和股票市场的开放，中美之间的股市联动正在逐步增强。国内学者对中国与发达国家股票市场联动性的研究结论与国外学者大致相同。张兵 (2010)利用中国上证指数与美国道琼斯指数2001年12月—2009年1月日交易历史数据分析，认为中美股市有相对独立的走势，联动关系基本不存在。洪露娉(2013)利用ADF和PP两种检验方法，得出美国股市影响中国股市主要表现在开盘时刻，对整体股指影响有限。罗雪玲(2014)选取沪深300股指和道琼斯工业平均指数，采用DCC-GARCH模型和分位数回归分析的方法进行实证检验，发现在极端情况下中美两国股市之间的联动性会有所增强，不存在长期的协整关系。龚金国(2015)分析结果发现，2003年以前，中美股市基本呈现负相关，近期有转强趋势，但没出现联动的明显趋势。陈晓蒙(2017)利用三元非对称VAR-BEKK-GARCH模型，分析发现，金融危机前，中美之间存在美国向中国传递单向波动溢出效应，金融危机以后，中美股市存在双向传递关系，不过美国传递的影响力慢慢降低。唐勇(2018)运用连续小波方法，发现中美股市短期联动性较弱，长期较强，中美股市在次贷危机期间主要来自投资者非理性因素的短期纯传染性影响。张瑞(2017)从频域角度运用小波理论，研究中国与发达国家股市之间的周期相关性，得出中美股市周期相关性最强，英国次之，日本最弱。

综上所述，国内外学者对中国与发达国家或地区以及中美股市联动性的研究主要集中在联动性强弱上，而强弱的大小并没有一个较为合理的解释，选取不同的模型和计量方法以及选取不同阶段的数据对其联动性进行分析，结果也只能说明是正相关或者负相关，是增强或者减弱，不能直观反映其强弱的大小。本文针对中美股市联动性，考虑重大事件对股票市场的影响，划分三个不同时间阶段，利用Copula函数选取上证综指和道琼斯工业平均指数进行实证研究，同时也选取中欧、中英、中日等中国和发达国家或地区股市之间的联动性进行实证分析，全面分析两两股市之间的联动性，并求出尾部相关性的概率大小，从而可以判断两个国家或者地区股市之间的联动程度，其贡献在于计算出代表联动性大小的数值。

二、模型选择

本文运用正态Copula、t-Copula、Gumbel Copula、Clayton Copula、Frank Copula等几种类型进行比较研究(易文德，2011)。一般地，凭借Spearman秩、Kendall秩相关系数和极值情况下的尾部相关系数等指标可以判定变量间的相关性。为了验证构建的Copula函数模型的拟合优度，通常选用平方欧式距离方法，计算方法如下：

经验Copula函数如式(1)：

(1)

其中：Fn(x)和Gn(y)分别是x,y的经验分布函数，I[·]为示性函数。

目标函数与经验函数之间的平方欧式距离为式(2)：

(2)

d越小，拟合效果越好，相对应的Copula函数最优，再计算相应的尾部相关系数，从而判断其联动性的程度。

三、中美股市实证分析

本文选取上证综指和道琼斯工业平均指数作为具有代表性的市场指数，对中美股市的联动关系进行实证。选取2003年7月9日—2018年5月31日的每日收盘价Pt为样本数据，舍去单一交易日，共3 509组数据(数据来源于国泰安数据库)。

将QFII引入、次贷危机以及2015年股灾等事件纳入重大政策事项、危机事项、极端事项的考虑范围，选择我国QFII成功做成第一单的2003年7月9日、美国次贷危机爆发的2007年7月10日、中国上证综合指数从最高点开始一路下滑的2015年6月15日作为起始点和分段点，将样本期间划分为三个阶段，并对各指数的每日收盘价取对数进行平滑处理。

第一阶段从2003年7月9日—2007年7月9日包括939个样本数据，第二阶段从2007年7月10日—2015年6月15日有1 869个样本数据，第三阶段从2015年6月16日—2018年5月31日有701个样本数据。

在对数据取对数的基础上再进行一阶差分，得到各股指的对数收益率序列，如式(3)。

rt=lnPt-lnPt-1

(3)

(1)基本统计量分析

第一阶段分析结果如表1所示。

表1 第一阶段基本统计量分析结果

两个股市的股指收益率的峰度值分别为4.898 7、7.266 8，说明尖峰厚尾效应在两个股市的股指收益率序列中明显存在，从偏度值小于0来看，表明存在左偏，左边有长尾。三个检验中h值均为1且p值都接近于0，表明不服从正态分布。从单位根ADF值来看，上证综指和道琼斯指数的对数收益率通过了数据平稳性检验。

第二、三阶段分析结果如表2所示。

表2 第二、三阶段基本统计量分析结果

第二阶段、第三阶段数据表明都不服从正态分布，且数据平稳。

(2)各阶段最优copula函数模型评价

第一阶段相关性测度结果如表3所示。

表3 第一阶段相关性测度结果

从相关性测度整体看，值都为正数，表明上证综指和道琼斯工业平均指数是正相关的。计算可知原始数据的Spearman秩、Kendall秩相关系数分别为0.049 8、0.033 6。从表3可知，t-Copula的Spearman秩、Kendall秩分别为0.047 9、0.032 3要更接近于原始数据，表明在第一阶段t-Copula函数能更好地反应上证综指和道琼斯工业平均指数的收益率之间的秩相关性。

对以上5种Copula函数，计算其欧氏距离，结果如表4所示，其中Frank Copula的欧氏距离为0.013 4，值最小，显示拟合度更好。

表4 欧式距离计算结果

综上所述，更能反映第一阶段的相互关系的是Frank Copula，其分布函数和密度函数如图1所示。

(a)分布函数

第二阶段相关性测度结果如表5所示。

由表5中数据可知，两者仍然呈现正相关，只是相关系数除了Gumbel的值有所增加以外，其余值还在减小。t-Copula函数的Spearman秩、Kendall秩分别为0.045 2、0.030 6，接近原始数据，能够比较好地反映二者收益率秩的相关性。

表5 第二阶段相关性测度结果

计算欧氏距离，其结果如表6所示。从表6可以看出， t-Copula的欧氏距离值0.016 3，为最小。t-Copula的分布函数和密度函数如图2所示。

表6 欧式距离计算结果

(a)分布函数

通过计算t-Copula函数的尾部相关系数得：

(4)

其中ρ=0.045 2，k=6.457 7 是t-Copula函数的线性相关系数和自由度，其数值是利用Matlab计算出来的。

从2007年7月10日美国次贷危机爆发之后到2015年6月15日，由计算结果表明两种指数存在微弱的尾部相关性，两者相互影响的程度为3.75%，即上证指数上升(下降)1个单位，道琼斯工业平均上升(下降)的可能性为3.75%，反之亦然。这种影响很小，甚至可以忽略不计。

第三阶段相关性测度结果如表7所示。

求得的t- Copula函数的Kendall秩τ= 0.067 2、Spearman秩ρ=0.097 2与原始数据的Kendall秩τ= 0.070 0、Spearman秩ρ=0.100 8更为接近。因此t- Copula函数更能符合最优的Copula函数，且上证综指和道琼斯工业平均指数有正的相关关系。

表7 第三阶段相关性测度结果

表8 欧式距离计算结果

表8中，0.013 2为最小值，是t-Copula函数的欧式距离，表明它为最优，其分布函数和密度函数如图3所示。

t-Copula函数的尾部相关系数计算如下：

(a)分布函数

(5)

其中ρ=0.105 4，k=3.341 0。

图4 一、二、三阶段尾部相关系数的趋势

由此可见，从2015年6月15日中国上证综合指数从最高点开始一路下滑作为切入点到2018年5月31日，两种指数存在正相关关系，相互影响的程度为14.81%，上证综指上涨(或下跌)时，能够引起道琼斯工业平均指数急剧上涨(或下跌)的概率为14.81%，反之亦然。

综合一、二、三阶段尾部相关系数的大小，可以看到这种趋势在逐渐增强(图4)。

四、中国与欧洲、英国、日本的实证分析

根据文献资料显示，中国与发达国家股市之间的相关性比较中，与美国股市相关性最强，与其他国家股市相关性较弱，因此，对中国与欧洲、英国、日本的股市联动性实证分析，仅选取2015年6月16日至2018年5月31日约3年的收盘价作为样本数据。舍去单一交易日，上证综指和欧洲斯托克50指数、英国富时100指数、日经225指数，分别有711组数据、704组数据、1 152组数据。

实证分析按照第三部分中美股市的方法。第一，对数据组按照式(3)进行处理，显示两两股市的股指收盘价序列存在明显尖峰厚尾效应，不服从正态分布，单位根检验数据平稳，通过了基本统计量的检验。

第二，进行相关性测度，结果如表9所示。

表9 中国和欧洲、英国、日本股市之间相关性测度结果

从表9来看，中国和欧洲、中国和英国之间t-Copula函数更能反映其秩的相关性；中国和日本之间Clayton-Copula函数更能反映其秩的相关性。

第三，计算欧氏距离，其结构见表10。

表10 中国和欧洲、英国、日本股市之间欧氏距离测算结果

中欧、中英、中日欧氏距离最小结果显示，最优函数是t-Copula。

第四，计算尾部相关系数，结果如表11所示。

表11 中日、中欧、中英、中美股市的尾部相关系数

从表11可以看出，中国上证综合指数与日经225指数、欧洲斯托克50指数、英国富时指数之间存在正相关关系，相互影响的程度分别为13.39%、18.54%、16.65%，除了中日相关系数外，其余相关系数皆大于中美14.81%，并且中欧接近20%，最大。中日、中美、中英、中欧股市的尾部相关系数依次增加，表明联动性也依次增强。可以预见，随着中国市场化程度、对外开放水平的提升，与发达国家股市之间的联动性将逐渐增强。

五、结论与启示

本文选取上证综指与道琼斯工业平均指数的日收盘价作为样本数据，对中美股市之间、中国与其他发达国家或地区之间的联动关系进行研究，并进一步分析了联动性的影响程度。研究结论如下：

(一)从第一阶段实证分析结果来看，相关系数趋于0，表明在这个时期我国股市跟美国股市几乎没有联动关系，两市之间相互影响较小。这段时期尽管引入了QFII制度，但中国股票市场运行基本上处在一个比较独立的状态，受国际主要股票市场的影响比较小，中美两国股票市场之间的联动性表现很低。

(二)从第二阶段实证分析结果来看，相关系数比第一阶段增长幅度较大，但绝对值仍然比较小，表明在这个时期两个市场联动性在增强，但相互影响仍然不大。这段时期正是世界经济受到美国次贷危机影响的阶段，但由于我国金融市场自身的独立性犹如一道防火墙，对股市的直接影响并不大，反倒是我国后来4万亿的刺激计划助推经济泡沫，使其中、美股市走出了不一样的趋势，从而显示两国股市相关性不高。

(三)2015年6月以来，实证结果显示两市的联动性大大提高。在2015年我国股灾、2016年伊始美国股市遭遇重创，中美两国都不同程度受到影响，表明中美股市相关性在逐渐增强，相互影响力在增强。沪港通、深港通也在这个阶段开通，表明我国资本市场对外开放又向前迈进了一步。

(四)中日、中英、中欧之间股市联动性依次递增，且中英、中欧均大于中美股市的联动性，这有别于以往文献的结论。本文研究显示，中英、中欧的联动性均已反超中美，表明中英、中欧之间的经济关系要比中美关系紧密，这有可能是源自我国“一带一路”的对外开放，加大对英国、欧洲之间经济贸易往来的结果，反观中美、中日之间相关系数趋势递增但幅度较小是因中国和美国、日本之间经济贸易往来总会受到干扰相关。无论是希腊危机还是美国的次贷危机而引发的金融危机，对中国直接的影响有限，来自股票市场的影响就更加微弱。但随着中国对外开放程度、市场化程度的提升，与各发达国家之间经济贸易联动逐渐增强，相应的股市联动性也会有同样的趋势，这也是实证结果的反映。

综上所述，随着中国资本市场不断向国际化迈进，各国证券市场之间的联系也越来越紧密，中国股市与美国股市之间的联动关系也呈现逐渐增强趋势，中国与其他发达国家或地区之间的联动性也紧随其后，相互之间的影响也愈加明显。股市作为经济的“晴雨表”，与经济的紧密联系，也印证了股市相关性增强的可靠性，同时也表明我国资本市场对外开放程度在逐渐提高。根据以上结论，有如下启示：

(一)金融监督管理政策应着眼于国际视野，结合国际国内形势建立风险预警机制，防范金融风险的传染。中国与发达国家或地区股市联动性的增强，预示着我国金融市场开放程度不断提升，被传染外部金融风险的机会也会增大，因此，金融市场的发展一方面遵从国际惯例，按照国际监管标准，根据我国自身特点，循序渐进，分步建设，另一方面要警惕和预防国际金融风险传导到国内。如监管政策不到位，对外市场开放过快，金融风险概率提升，将会引起我国金融市场的紊乱，甚至引发金融危机。

(二)中国和发达国家或地区股市联动性的逐渐增强，为投资者的投资行为和套利组合策略提供依据。一方面，针对联动水平较高的行业，如金融、能源、互联网，可以通过隔夜美国市场来预测国内走势，实现投资收益；另一方面，关注两个市场中相关性较低的行业，进行组合投资分散风险。

(三)均衡发展同发达国家或地区的对外贸易和经济关系，在国际经济关系和贸易中掌握主动权，以避免过多倚重某一国家或地区带来的突发风险。从实证结果来看，中英、中欧股市联动性高于中美、中日股市的联动性，根据股市折射经济和贸易的关系，表明中英、中欧之间的经济和贸易联系程度要高于中国与其他发达国家或地区。继续积极发展同发达和发展中国家或地区(比如“一带一路”沿线国家)的经济和贸易关系，有助于在与个别国家或局部地区出现贸易冲突时掌握主动和控制风险，比如应对当前的中美贸易冲突，虽然贸易战无赢家，但我们可以为此降低或转移相应的风险。