喻开志 陆昕慧
〔摘要〕 世界经济全球化已成为趋势,发达经济体的股市之间以及发达经济体与新兴经济体股市之间的联动性也在经济全球化的趋势中更加紧密。各国金融领域以及金融市场间的快速融合,不断形成统一规范的金融行为准则,也使得全球金融周期性特征越来越明显。文章选取世界五个主要股票市场指数为研究对象,按照已有研究对全球金融周期的划分,将该样本区间分成了繁荣期、衰退期和正常期三个阶段,然后基于这三个阶段分析了在不同金融周期五国股票市场指数收益率联动效应。基于实证研究结论,认为美国和欧洲股市联动性较强,与亚洲股市联动性相对较弱,且美国和中国股市之间联动性最弱,基本捕捉不到下尾相关。相关实证结论有利于国际投资者的投资组合管理,也有助于各国股票市场的风险规避。
〔关键词〕 金融周期;股票市场;联动性;DCC-MVGARCH模型;Copula模型
〔中图分类号〕F832.5 〔文献标识码〕A 〔文章编号〕 1008-0694(2020)01-0066-16
〔作者〕 喻开志 教授 博士生导师 西南财经大学统计学院 成都 611130陆昕慧 国信证券股份有限公司 深圳 518001
一、问题提出
纵观历史,从1982年拉美债务危机开始,1994年发生了墨西哥危机,1997年发生了亚洲金融风暴,直到2008年爆发全球性金融危机。一旦一国发生金融危机,不可避免地会使其他国家也遭受重创,那么为什么会出现这种现象?不同国家的金融市场之间的相关关系是否也会有所不同?全球金融市场一体化趋势日益增强,使得投资者的资产配置范围扩展到了全世界,同时投资成本也降低了,增强了投资活动的便利性;跨市场的投资者增加,加快了国内外金融市场间的信息传递,从而导致各国证券市场间相互影响。一个国家受到金融冲击引发股票市场剧烈震荡,同时这种异常波动也会通过各资本市场传递至其他国家金融市场甚至全球金融市场,进而导致全球股票市场出现大幅震荡。我国证券市场国际化水平逐渐增强,我国证券市场与境外证券市场的联动性加大,也使得金融监管的重要性日益凸显。党的十九大报告针对金融风险监管方面也提出了要求,即要将建立有效的金融监管体系放在首位,将发生系统性金融风险的可能性降到最低。同时,各国的金融领域以及金融市场间的快速融合,不断形成统一规范的金融行为准则,也使得全球金融周期性特征越来越明显,因此研究各国股票市场之间的联动性必须考虑全球金融周期性。本文主要探索不同金融周期中,五大股票市场的股指收益率的联动性,尤其是在金融衰退时期,各国股票市场均会出现一定程度的协同性下跌,这就需要我们去探究国家之间的这种联动效应是否长期存在;而且这种联动关系是否会在金融衰退时期显著加剧,而在金融周期正常期有所减弱,即这种联动关系是否随着所处的金融周期的改变而发生变化。
二、相关文献综述
1.关于金融周期研究方面
二、相关文献综述1.关于金融周期研究方面自20世纪80年代起,学术界就有关于金融周期的研究,但是未能进行深入探讨。直到20世纪90年代,Bnanke对金融中性理论的前提假设进行了修改,随后金融周期理论才逐步受到重视。Goodhart(2001)选取了七个较大的工业化国家为研究对象,编制了相应的金融状况指数(FCI),该指标成为金融周期的重要衡量依据。〔1〕陆军(2007)通过总需求方程,计算了中国的金融状况指数。〔2〕Junichi(2010)运用VAR模型构建了日本的FCI,从而进一步探讨了日本经济周期是否会受到金融冲击的影响。〔3〕Claessens(2011)采用传统转折点法来测度金融周期,以21个发达经济体为研究对象,选取1960~2007年的信贷、房地产价格和股票价格三个金融周期序列,发现随着经济全球化发展各个国家的金融周期在周期长度和形态上也逐渐趋于一致,这成为出现全球金融周期的基石。〔4〕欧利娟(2014)对比了应用主成分分析方法和VAR模型计算出的FCI指数对通货膨胀的预测效果,结果表明用VAR方法构建的金融状况指数的预测效果并不理想。〔5〕Brunnermeier(2012)、Borio(2017)的主要观点是全球信贷流动周期和金融周期具有显著的相关性。〔6〕〔7〕Bruno(2015)认为VIX指数和全球信贷增长有很强的负相关关系,即在多个地区都显示当VIX指数走低时,信贷规模会骤增以及资本流量攀升。〔8〕而在前人的研究中,我们知道全球信贷流动具有顺周期性,因此VIX成为衡量全球金融周期的代理变量。顾宁(2016)研究了全球金融周期对中国资产价格的动态冲击,选取VIX作为全球金融周期的代理变量,指出全球资本流入与VIX指数走势具有显著的反向变动关系,这表明当VIX指数下跌时,资本流动增加,全球信贷规模扩张,而当VIX升高时,情况相反。〔9〕
2.关于股票市场收益率联动研究方面
上世纪80年代以后,学者开始研究世界主要股票市场联动是否存在及其影响情况,主要使用的方法是Christopher Sims在1980年引进的VAR模型。Kam Chan(1992)研究了美国、英国、中国台湾、日本和韩国这五个股票市场收益率之间是否存在信息传递及其强度,他发现美国股票市场对韩国、中国台湾的股票市场有较大的影响力。〔10〕由于非平稳时间序列会导致伪回归,故学者们提出了协整分析方法。Kasa(1992)对美、日、英、德以及加拿大这五个发达国家的股票市场进行实证分析,其中就引进了协整检验方法,结果表明这五国股票市场之间的联动效应很显著,尤其是美国对其他四个国家股票市场的影响最为明显。〔11〕Morana(2006)研究了美、日、英、德这四个国家在20世纪70年代到21世纪初的股票市场收益率,发现发达国家各股票市场联动效应在日益变大。〔12〕随着新兴经济体不断发展壮大,学者们开始研究新兴经济体与发达经济体股票市场之间的关系。俞世典(2001)在国外学者研究基础上,引入中国股票市场,深度剖析了道琼斯指数、恒生指数、纳斯达克指数、日经指数以及上证指数之间的联动效应,结果显示其他国家股票市场和中国股票市场存在一定的联动效应。〔13〕Hatemi(2006)、Sener(2008)探索新兴经济国家之间以及它们与发达国家之间的股票市场的联动效应,结果表明新兴经济体与发达经济体股票市场之间联动效应较弱。〔14〕〔15〕Munteanu(2014)选取2005~2013年12个欧洲市场的新兴国家以及美国的股票市场数据进行建模,研究表明它们之间具有较强烈的相关关系。〔16〕从事件驱动方面来看,以中国股权分置改革和沪港通政策实施为例,骆振心(2008)研究了股权分置改革对中国股票市场与世界其他主要股票市场的联动性是否有影响,并发现股权分置改革前后中国股票市场与世界其他主要股票市场的联动性明显不同,股权分置改革后联动性更强。〔17〕符明恺(2015)主要研究了沪港通背景下上海股市与香港股市的聯动效应,将样本期划分为政策提出期、准备期、开通期三个阶段,指出上海股市与香港股市存在一定的联动性,并且沪港通政策的实施明显加强了这种联动效应。〔18〕
3.文献评述
学术界关于金融周期的研究主要集中在分析金融周期的界定,针对单一国家主要是通过构造FCI指标;针对界定全球金融周期主要是利用VIX指标,多位学者论证了该指标可以成为全球金融周期的代理变量。关于股票市场联动性研究方面,发达国家的股票市场之间的联动效应呈现逐渐增强态势。伴随着股权分置改革和沪港通政策实施及完成,中国股票市场与境外全球股票市场之间的联动效应也是在日益增强。现有文献研究中也存在一些不足,主要从金融危机这一时间节点来展开研究分析,很少站在整个金融周期角度来分析在不同周期阶段下这种联动效应是否存在以及联动效应的变化趋势。本文则以全球金融周期为背景,研究在不同金融周期阶段中各国股票市场的联动效应,以及这种联动效应是否会随着金融周期阶段的改变而改变,所以本文在现有研究基础上试图弥补这些方面的不足。
三、实证研究
1.指标选取
本文以美国、英国、德国、日本和中国的股票市场为研究对象。对于美国股票市场,我们选取标准普尔500指数(SPX),该指数采用市值加权法,涵盖了美国经济主要行业的500多家龙头企业,被广泛认为是衡量美国股票市场最好的一项指标。对于英国股票市场,我们选取富时100指数(FTSE100),这一指数涵盖了伦敦证券交易所八成左右的市值,具有较强的代表性。对于德国股票市场,我们选取DAX30指数,该指数是由德意志交易所推出的一个蓝筹股指数,包含有30家主要的德国公司,DAX30指数是德国最受重视的股价指数。对于日本股票市场,我们选取日经225指数(N225),该指数涵盖东京证券交易所内上市的225家公司的股票,隨着股票样本总量的增加,该指数成为日本最有影响和代表性的股价指数。对于中国股票市场,我们选取上证综指(SH),该指数涵盖了在上海证券交易所全部上市股票,基本反映了中国上市公司股票价格的变动情况。针对全球金融周期的界定,本文参考陈雨露(2016)等的做法,用VIX指数作为全球金融周期的代理变量,〔19〕通过HP滤波,明确将金融周期划分为三个阶段及类别:第一个阶段为繁荣期(2006年1月1日至2007年7月31日);第二个阶段为衰退期(2007年8月1日至2011年12月31日);第三个阶段为正常期(2012年1月1日至 2017年8月31日)。
2.样本选择及描述性统计
本文选取 2006年1月1日至2017年8月31日为样本区间,利用公式来计算上述各个股票市场代表指数的日收益率。由于各个股票市场的交易日并不是一一对应,故本文参照众多学者的处理方法,剔除了交易日不重叠的数据,最终样本规模为2559个交易日,其中繁荣期共353个交易日,衰退期共973个交易日,正常期共1233个交易日。所有数据均来源于Wind资讯。表1为三个时期五国股市收益率的描述性统计结果,从均值来看,各国股票在繁荣时期和正常时期的收益率均为正数,在衰退期的收益率均为负数,表明衰退时期各国均出现“齐跌”现象;从标准差来看,各国股票在衰退期的标准差最大,表明衰退时期波动更大、更剧烈,在繁荣期的波动最小;从偏度、峰度来看,多数市场指数的日收益率序列的偏度值均小于零,表明在样本期内为左偏,且各个市场指数的日收益率序列的峰度值均大于3,表明收益率序列呈现出较厚重的尾部,即符合金融时间序列的尖峰厚尾特征。另一方面,从JB统计量来看,各个股票市场在三个阶段的JB统计量均显著,即表明各金融时间序列均不服从正态分布。
3.股票市场收益率联动效应研究
(1)研究方法。学者们针对不同国家之间股市联动效应的研究分析,最常用的两个计量模型分别是VAR模型和GARCH模型,但是这两个模型有一个共同的缺点,即回归系数均是始终固定不变的,它不会随着时间的变化而变化。但是在实际问题里,外界因素会导致已经存在的机制发生改变,大多数情况联动相关系数是不断发生变化的。而VAR模型和GARCH模型均不能展现两个市场的联动效应的时变性,当学者想要探究联动性是否会随着时间而改变时,这两种模型就会不尽人意。本文运用变系数状态空间模型卡尔曼滤波法,变系数状态空间模型的优势主要有两点:第一,该模型能在可观测模型中放入不可观测的状态变量,并得到有效的估计结果;第二,通过卡尔曼滤波过程,可以进行有效的迭代计算,使得估计结果更加稳健,从而可以精准地估计两国证券市场之间的短期变动影响系数。通常不可观测的时间变量可能包括:理性预期,测量误差,长期收入和不可观测因素,对于这些时间变量的估计一般会选择运用状态空间模型。yt是包含k个经济变量的k×1维可观测变量,我们定义量测方程为:yt=Ztαt+dt+μt,t=1,2,……,T;其中T表示样本长度,Zt表示k×m矩阵,dt和μt均为k×1向量,并有E(μt)=0,var(μt)=Ht。一般地,αt的元素是不可观测的,但可以表示为一阶马尔科夫过程,定义状态方程为:αt=Ttαt-1+ct+Rtεt,t=1,2,……,T,其中Tt表示m×m矩阵,ct表示m×1向量,Rt表示m×g矩阵,εt表示g×1向量,并有E(εt)=0,var(εt)=Qt。基于此,本文在基于卡尔曼滤波的迭代基础上设定量测方程如下:(以美国标准普尔500指数和英国富时100指数为例)SPX500t=c+svt*ftse100t+μt,其中SPX500t和ftse100t分别为标准普尔500指数和富时100指数的日对数收益率序列。关于状态方程设定,本文参考唐绍祥(2008)和王雪峰(2010)的做法,将状态空间方程假设为随机游走,即为svt=svt-1+εt。
(2)状态空间模型构建。单位根及协整检验。在构建时间序列回归模型时,首先进行单位根检验,避免伪回归。本文主要采用ADF检验方法来检验时间序列的平稳性。从检验结果来看,在5%的显著性水平下,P值均远远小于0.05,所以拒绝原假设,表明金融周期的三个阶段的各国股值收益率均为原序列平稳。各时间序列通过单位根检验,接下来考察各国股指收益率序列之间是否存在长期协整关系,运用Johansen协整检验进行验证,Johansen协整的滞后阶数由SC和AIC准则确定,Johansen协整检验结果如表2所示。在5%的显著性水平下,金融周期的三个阶段的统计量均拒绝原假设,表明五国股票市场之间均存在着长期的均衡关系。可以说在经济一体化进程加快的同时,各国的经济基础层面的联动性已经开始带动了各国股票市场的联动,因此五大国际股市间会表现出长期的联动性。
状态空间模型实证估计分析。从上文来看,在长期五国股市间均存在均衡稳定关系,那么在短期,美股走势对其他各国股市走势的影响究竟有多大?欧洲区域、亚洲区域各股票走势分别相互影响有多大?基于这些疑问,本文采用变系数状态空间模型来进行实证分析。状态空间模型中可以利用卡尔曼滤波进行有效的迭代计算,设定量测方程如下:(以美国标准普尔500指数和英国富时100指数为例)sp500t=c+sv*tftse100t+μt(1)状态方程设定为svt=svt-1+εt,进而得到金融周期三个阶段的六个状态空间模型,实证结果分别见图1~图6。
从图1可以看出,SPX对FTSE100影响的变系数繁荣期波动较大,变系数频繁发生大的变动,从前期的0.67 左右变动至 2006年3月1日的0.2左右,之后又逐渐上升,在繁荣期结束时,变相关系数升至0.45左右;之后衰退时期该变系数逐步上升至0.68左右,并在衰退期后期一直保持稳定;在正常期间,首先是维持衰退期的高相关性,继而随着时间的推移,变相关系数逐渐小幅下降至目前的0.64左右。从图2可以看出,在繁荣时期,SPX对DAX30影响的变系数在0.15左右频繁波动,在衰退时期,逐渐上升到0.66左右,在正常期,变系数有所回落,在0.6左右波动并趋于稳定。从图3可以看出,在繁荣期,SPX对N225影响的变系数较小,维持0.068左右,在衰退期,变系数逐步上升至0.21左右,之后在正常期,和FTSE100指数、DAX30指数一样开始逐渐下降并维持在0.19左右。从图4可以看出,SPX对SH影响的变系数在三个时期均保持在0.07左右,并保持稳定状态,表明中国股市和美国市之间没有较明显的联动性。图5、图6分别研究的是欧洲股票之间、亚洲股票之间在三个阶段的变系数联动性,可以看出亚洲股票市场之间的联动效应要显著弱于欧洲股票市场之间的联动效应。可见,整体而言美国股票市场和欧洲股票市场的联动效应较强,当金融危机和欧债危机期间欧美股市间的相关系数达至最大值,但随着危机逐步消除,进入正常期后,美股收益率对欧股收益率影响的变系数逐步缩小并趋于稳定。这主要是因为在发生金融危机后,会有价格引导机制,而这种机制在一定程度上抵消了经济基础层面所引致的价格引导关系,这就导致国家间的变系数变小而趋于稳定。相比之下,中国上证和美股之间的变系数则相对较小,这与我们的主观感受是一致的。
4.股票市场指数考虑波动的联动效应分析
大量金融时间序列诸如股票价格、通货膨胀率、利率和外汇汇率等的变化存在不确定性,其波动不是固定不变的,而是随时间变化的。在进一步研究中,人们发现波动又表现出明显的持续性,波动持续性现象表明当前的波动性具有聚集的特征,这种持续性的存在增大了未来资产收益的风险。因此,讨论股票市場收益率之间的联动性时就必须考虑波动及其持续性特征。
(1)研究方法。上面研究全球五国的股指日对数收益率之间不考率波动的联动效应,研究股票市场的联动效应的另一个重要研究方向是加入股票市场指数的波动性。早期文献中对股指波动率的研究主要是构建ARCH和GARCH模型。在之后的研究中,越来越多的学者对GARCH模型进行了改进和拓展,衍生出了GARCH模型族,常见的GARCH族模型有多变量GARCH模型,包括BEKK、CCC-GARCH和DCC-MVGARCH。2002年Engle以CCC-GARCH模型为基础,放宽了条件相关的常恒定性假设,拓展出了DCC-MVGARCH模型。这个模型针对的金融时间序列的波动性相关是随着时间推移不断发生变化的,它不是固定不变的常数,它会随之前股价的波动情况而发生改变,从而更能真实有效地反映股票市场的相关性。构建Copula模型主要是更加深入地勾勒各个变量之间的相关性,是一种连接函数。本文将利用DCC-MVGARCH 模型和各种形式的Copula模型来分析五国股指的收益率的波动性动态联动性和极值出现时的上下尾部相关性。对于DCC-MVGARCH模型,假设k个收益率的新信息{et}服从多元正态分布,即et|Ωt-1~N(0,Ht),其中Ωt-1为rt在t时刻的信息集,则可以构建如下动态相关结构:
对于构建Copula模型,通常我们运用GARCH模型对原金融时间序列建模。对原金融序列建立GARCH 模型后,得到标准化残差,并对残差进行概率积分变换,用K-S检验,检验残差进行概率积分变换后的序列是否是服从(0,1)的均匀分布。若检验通过,表明构建Copula模型可行。三类经常使用的Copula函数形式分别是椭圆族、阿基米德族和非参数。可以进行尾部相关性测度的主要有以下几种。t-Copula属于双参数结构,更加灵活多变,其尾部更为陡峭,可测度尾部相关性。Gumbel和Joe Copula对上尾相关性的测度效果较好,Clayton Copula对下尾相关性的测度效果较好。BB1和BB7可以同时捕捉上下尾部的相关性。(2)DCC-MVGARCH模型。ARCH效应检验。建立GARCH模型的前提是研究的各个金融时间序列是有条件异方差性的。因此,对我国的股票市场收益率序列做ARCH效应检验,检验结果见表3。从表中可以看出,P值均小于0.05,拒绝原假设,表明五国股指对数收益率均存在ARCH效应,因此可以建立GARCH模型。
估计单变量GARCH模型。本部分主要建立单变量GARCH模型,首先分别对繁荣期、衰退期、正常期这三个阶段用 GARCH(1,1)模型进行拟合,拟合结果如表4所示。从表4中可以看出,在三个时期五个市场指数收益率的ARCH(1)系数小于GARCH(1)系数,表明指数波动主要是由条件方差引起的,不同市场在不同阶段的现有波动对前期波动敏感性均不同,例如标准普尔500指数在繁荣时期条件方差最大,FTSE100指数和上证综指在衰退时期条件方差最大。
估计DCC动态相关系数。在建立了单变量GARCH模型基础上,用DCC方法得到动态相关系数。运用极大似然法估计动态相关系数中的参数α和β,估计结果如表5所示。其中,α表示每两个市场对新信息的敏感度;当发生突发事件,会造成一定的金融冲击,β就用来表示这种冲击对波动率影响的持续性程度,该值越大,这种持续性影响程度就越大;α+β越接近1,则表明波动性趋势在未来延续的时间越长。从DCC-MVGARCH(1,1)模型的参数α和β的估计结果来看,在衰退时期,五国股票市场指数的动态相关性最强,波动性趋势在未来延续的时间较长,而在繁荣期动态相关系数最弱,波动性趋势在未来延续的时间不长;正常期的动态相关性介于繁荣期和衰退期之间,当进入正常期,动态相关系数会在衰退期的基础上有所回落,但回落幅度不大。
金融周期不同阶段下两两股票市场的联动关系分析。上面DCC-MVGARCH模型主要分析了五国综合的股票市场收益率的联动性。接下来我们分市场两两进行研究,分别研究美国标准普尔500指数、英国富时100指数、德国DAX30股票指数、日本日经指数以及中国上证综指的关系,英国富时100指数对德国DAX30股票指数的关系,以及日本日经N225指数与中国上证综指的关系。图7~图12清晰地表现了相关系数在繁荣期、衰退期和正常期的差异。
从图7~图12中可以看出:两两市场收益率的动态相关系数均明显大于零,即表明在金融周期的3个阶段,两两股市之间的联动效应存在且为正向影响。从美国和欧洲股票市场来看,美国的标准普尔500指数与英国的富时100 指数、德国的DAX30 指数的动态相关系数基本都分布在0.6~0.8之间;从美国和亚洲股票市场来看,美国标准普尔500指数与日本日经225指数、中国上证指数的动态相关系数基本都分布在0.1~0.2之间;分别来看欧洲市场之间和亚洲市场之间动态相关情况,欧洲两大市场指数之间联动程度高达0.8,意味着这两个国家的市场具有最强的联动性,一国的证券市场变化会很快带动另一国证券市场的变化,涨跌趋同。这背后是因为地缘优势,使得两国的经济发展状况一致,从宏观经济层面带动证券市场;而亚洲两大市场指数间动态相关系数均在0.25左右,同时波动性趋势在未来延续的时间较短。
基于Copula模型的尾部相依性分析。Copula模型不仅可以检验序列相关性,而且可以针对尾部进行相关测算,其中t-Copula模型可以准确捕捉极端情形下的尾部相依特征,在阿基米德族Copula中单参数的Clayton、Gumbel和Joe Copula的密度函数是非对称的,因此都能够测度尾部相关性。双参数的BB1和BB7可以同时捕捉金融资产风险的上下尾部的相关性。研究样本方面,通过对比金融周期不同阶段尾部相关性差异,检验各股票市场之间是否具有市场尾部相依特征。本文对各市场收益率序列建立AR(1)-GARCH(1,1)模型,通过模型过滤得到标准化残差,此时标准化残差均不存在自相关,然后对标准化残差序列进行概率积分,所得数据均通过K-S检验,说明边际分布模型合适。继而,我们选择Gaussian Copula、t-Copula、Clayton Copula、Gumbel Copula、Joe Copula、BB1以及BB7模型分别检验各市场间的尾部相关结构,并通过拟合程度评价GOF检验选择最优Copula形式。由于篇幅有限,美国和英国股票市场间相关性测度如下(详见表6)。
从GOF检验结果来看,t-Copula在三个阶段均通过检验,拟合效果较好,但t-Copula对于尾部相关性的测度不佳。在双参数阿基米德族Copula中,BB7在衰退期没有通过检验,BB1在三个阶段均通过检验,且其同时捕捉到了上、下尾部相关性。因此,针对美国和英国股市之间尾部相关性分析中,我们选用BB1作为最优Copula形式做进一步探讨。同理我们对其他股票市场之间做同样的Copula形式选择,选择结果如表7所示。
从表7中可以看出,美英和美德股市在三个时期上尾相关性均强于下尾相关性,即表明不论处在金融周期的哪个阶段,股票上涨时,美英和美德股市之间的相关性要强于股票下跌时的相关性。在繁荣时期,美国与英、德两个欧洲国家的股票市场之间的肯德尔(Kendall)的测度τ分别为0.35和0.37左右,美国与英国股市之间上尾和下尾相关系数在0.3左右;在衰退时期,相关系数呈持续上升的趋势,这表明受金融危机影响美国股票市场与欧洲股票市场联动性大幅增加。美国与英、德两个欧洲国家的股票市场之间的肯德尔(Kendall)的测度τ均在0.45左右,美国与英国股市之间上尾和下尾相关系数在0.4左右,美国与德国股市之间上尾和下尾相关系数在0.5左右,表明在衰退期无论股票上涨还是下跌,尾部相关性都会增强;在正常期,美国与英、德两个欧洲国家的股票市场之间的肯德尔(Kendall)的测度τ有所回落,均在0.39左右,美国与英国股市之间上尾和下尾相关系数在0.35左右,美国与德国股市之间上尾和下尾相关系数在0.41左右,即表明在正常期无论股票上涨还是下跌,尾部相关性都会较衰退期有所减弱。
另外,研究中美相关性时我们选择的是Gumbel Copula模型形式,主要是两国股市之间基本捕捉不到下尾相關。即在金融周期的三个阶段,当股票下跌时,中美两国均不存在明显的尾部相关性,即美国股市的下跌并不会显著影响中国股市。在繁荣时期,中美两国股票市场之间的肯德尔(Kendall)的测度τ为0.12,上尾相关系数在0.16左右;但在衰退时期有所下降,肯德尔(Kendall)的测度τ为0.04,上尾相关系数在0.06左右,表明中国在衰退期出台了相应政策,抵消了这种危机传染作用,这种政策救市使得中美两国的相关性大大下降。
四、结论与政策建议
1.结论
通过前面的分析可以看出,五国股票市场在不同的金融周期中都有一定的联动性,不同股票市场之间的联动效应强弱有所不同,在金融周期的衰退阶段,这种股票市场之间的联动效应会加剧。从状态空间模型来看,五个国家股票指数可变系数在衰退期前波动剧烈,这说明不同股票市场之间的联动效应加剧并且波动剧烈的情况下,很可能会发生跨市场的系统性风险,因此股票市场间联动效应加剧成为判断是否存在系统性风险的重要参考标的。而在衰退期后,各国股票市场之间的联动性会略微有所回落,并保持稳定,表明在系统性风险发生后,国与国之间联合应对风险的措施可以有效地遏制股票市场大幅波动。
从DCC-MVGARCH模型来看,美国和欧洲股票市场的动态相关性较强,与亚洲股票市场的动态相关性较弱;欧洲两大市场指数之间的联动程度高达0.8,这意味着这两个国家的市场具有最强的联动性,这背后是因为地缘优势,使得两国的经济发展状况一致,从宏观经济层面带动证券市场;而亚洲两大市场指数之间的动态相关系数较低,同时波动性趋势在未来延续的时间较短。从Copula尾部相关性分析中,主要是发现美国与中国的相关系数之间基本捕捉不到下尾相关。这表明中国在衰退期出台了相应政策,抵消了这种危机传染作用,这种政策救市使得中美两国的相关性大大下降。
2.政策建议
A股与国际股票市场的联动性一直以来都是国内外经济学者关注的研究热点。经过过去20多年的发展,并随着全球化的加深和世界经济一体化的深化,中国经济体量已跃居世界第二且与外部世界经贸联系更加紧密,A股与美股、日股、港股等发达经济体的股市联动效应愈发显著。2008年,由美国次贷危机所孵化的世界金融危机也让中国A股受到了重创。通过探讨各国股票市场的联动效应以及背后的驱动因素,提出以下符合中国实际的股票市场发展建议:
(1)建立健全可量化的风险监测体系。建立风险监测指标体系是系统性风险监测机制最重要的环节,通过构建可量化的风险监控体系,有助于提高国家对金融危机的预测能力。有效的监测指标体系需要考察宏观层面和微观层面两个方面,宏观层面主要是囊括了一系列重要的宏观经济指标和金融指标;而微观层面主要是研究微观金融市场情况,着重研究金融机构的风险和跨国金融控股集团的风险。之所以要从宏观和微观两个层面来建立风险监控体系,主要是因为如果仅建立微观金融层面的指标,虽然可以很准确地刻画某个金融机构或者跨国金融集团所面临的风险,但是不能以偏概全地描述整个金融体系的系统性风险;这就要求我们必须从宏观层面进行构建相应的指标。中国金融监管当局可以借鉴国际上已有的风险监管体系,结合金融市场发展的具体情况,建立健全金融市场监测体系,可以创造性地加入中观层面的指标,以行业风险程度作为中观层面,成为国家宏观系统性风险和企业微观个体风险的重要桥梁,从而更加及时有效地监测金融市场可能的潜在风险。
(2)加大对金融体系的监管力度和强度。随着与境外各国贸易活动日益频繁,尤其是“一带一路”倡议的提出,中国经济对外开放程度也越来越高,国际收支的资本项目也会大力开放。中国股市的国际化必然会使得股市随全球金融周期的变化而震荡,尤其是在衰退时期,中国股票市場受境外股票市场影响的可能性要远大于从前。因此,在中国股票市场与境外股市的联动效应愈发强烈的情况下,监管当局需要加大对金融体系的监管力度和强度。加大对金融体系的监管力度和强度的前提必须保证完善国际监管合作。经过漫长的金融发展,国际化监管标准基本已经形成,这就要求中国需要按照国际标准和准则,完善信息披露、定时进行风险评估,逐步加强国际监管合作,成立综合性监管机构,赋予较大的话语权,使得监管能落实到实地,避免监管真空。
(3)适时进行宏观金融动态调控。各国政府应及时识别引发市场不稳定的各类因素,并根据危机演化进程,适时进行动态的干预性宏观金融调控。一是运用货币政策手段调控市场行为。通过直接降低基准利率和央行准备金,或通过公开市场操作引导银行间市场利率下行,释放资金面宽松信号,形成牛市预期,抑制证券市场的持续下跌。二是参与市场交易,影响市场走势。应建立股市平准基金,或运用国有股权资本,或引导证券基金公司在市场暴跌等突发事件情况下参与市场交易,直接调控市场供求关系,发挥稳定市场的作用。三是综合运用财政、货币和行政手段避免证券市场风险向实体经济传染。证券价格的持续缩水可能引发金融机构和企业流动性风险,对实体经济产生破坏性效应。应及时监控证券市场与实体经济的风险传染机制,有针对性地运用各类措施,从而实现风险隔离。
参考文献:
〔1〕Goodhart. C.,Hofmann.B.Asset Prices,Financial Conditions and the Transmission of Monetary Policy[C].Paper prepared for the Conference on Asset Prices,Exchange Rates and Monetary Policy,Stanford University,2001.
〔2〕陆 军,梁静瑜.中国金融状况指数的构建[J].世界经济,2007,(04).
〔3〕Junichi Shinkai,Akira Kohsaka.Financial Linkages and Bussiness Cycle of Japan:An Analysis Using Financial Conditions Index[M].OSIPP Discussion Paper,2010.
〔4〕Stijn Claessens,M.Ayhan Kose,Marco E.Terrones.Financial Cycles:What?How?When?[M].CEPR Discussion Paper,2011.
〔5〕欧利娟,刁节文.我国金融形势指数的构建及实证分析——基于主成分分析与VAR模型[J].中国商贸,2014,(18).
〔6〕Brunnermeier.M.,De Gregorio.Banks and Cross-broader Capital Flows:PolicyChallenges and Regulatory Responses[M].Committee on International EconomicPolicy and Reform,2012.
〔7〕Claudio Borio,Piti Disyatat,Mikael Juselius.Rethinking Potential Output:Embedding Information about the Financial Cycle[J].Oxford Economic Papers, 2017,(03).
〔8〕Valentina Bruno,Hyun Song Shin.Cross-border Banking and Global Liquidity[J].The Review of Economic Studies,2015,(02).
〔9〕顾 宁,余孟阳.全球金融周期对中国资产价格的动态冲击效应分析[J].统计与决策,2016,(06).
〔10〕Kam.C.,Chan,Benton.E.Gup,Ming Shiun Pan. An Empirical Analysis of Stock Prices in Major Asian Markets and the United States[J].Financial Review,1992,(02).
〔11〕Kasa.K.Common Stochastic Trends in International Stock Market[J].Journal of Monetary Economics,1992,(29).
〔12〕Morana.C.,Beltratti.A.Structural Change and Long-range Dependence in Volatility of Exchange rates:either,neither or both[J].Journal of Empirical Finance,2006,(11).
〔13〕俞世典,陳守东,黄立华.主要股票指数的联动分析[J].统计研究,2001,(08).
〔14〕Hatemi-J,Abdulnasser,Roca,Eduardo.A Re-examination of International Portfolio Diversification Based on Evidence from Leveraged Bootstrap Methods[J].Economic Modeling,2006,(06).〔15〕Sener.T.Uncorrelated emerging equity markets[J].Journal of American Academy of Business,2008,(02).
〔16〕Munteanu,Filip,Pece.Stock Market Globalization:the Case of Emerging European Countries and the US[J].Procedia Economics and Finance,2014,(15).
〔17〕骆振心.金融开放、股权分置改革与股票市场联动——基于上证指数与世界主要股指关系的实证研究[J].当代财经,2008,(04).
〔18〕符明恺.沪港通背景下中国内地股市与香港股市联动性研究[D].重庆工商大学,2015.
〔19〕陈雨露,马 勇,阮卓阳.金融周期和金融波动如何影响经济增长与金融稳定?[J].金融研究,2016,(02).(责任编辑 王 娟)
Research on the Linkage Effect of Stock Market from the Perspective of Financial Cycle
Yu Kaizhi Lu Xinhui
Abstract:The globalization of the world economy has become a trend.The linkagebetween the stock markets of developed economies and the stock markets of developed and emerging economies is also closer in the trend of economic globalization.The rapid integration of financial fields and financial markets in various countries has continuously formed a unified and standardized code of conduct for financial behavior,which has also made the global financial cyclical characteristics more and more obvious.This paper selects the stock market index of the United States,Britain,Germany,Japan and China as the research object.According tothe predecessors' division of the global financial cycle,the sample interval is divided into three stages:prosperity period,recession period and normal period.Then based on these three stages,the linkage effect of the index returns of the five countries in different financial periods is analyzed.Based on the empirical research conclusions,the US and European stock markets are relatively strong,and the linkage with Asian stock markets is relatively weak,and the linkage between the US and China stock markets is the weakest,and the bottom-end correlation is basically not captured.Relevant empirical conclusions are conducive to the investment portfolio management of international investors,and also help the risk aversion of stock markets in various countries.
Key words:financial cycle;stock market;linkage;DCC-MVGARCH model Copula model