美联储加息对我国股市波动溢出效应研究——基于DAG-SVAR和溢出指数的考证

舒 鑫

（天津商业大学，天津 300134）

一、引言

随着经济全球化的不断加深以及我国对外开放的不断扩大，中美资本市场间相互关联、相互依存的程度逐渐加强；同时，根据国际货币政策溢出效应理论，随着美国货币政策独立性不断增强，欧洲和亚洲一些国家作为“跟随者”，其资本市场价格会较多地承受美国政策调整的波动效应[1]。20世纪90年代以来，美联储经历了多轮加息周期，如1994年—1995年、2004年—2006年、2015年—2018年，以及2022年至今。从最近的完整加息周期来看：2014年10月美联储宣布结束第三轮量化宽松政策，货币政策预期开始发生显著变化；2015年12月美联储决定提升基准利率，开启新一轮加息周期；2017年6月加息如期而至，美元进入趋势性升值通道。在此背景下，我国跨境资本流动愈加频繁，使得维护金融稳定、实现货币政策目标和进行流动性管理“不可兼得”。本文基于资产价格波动视角，系统探究美联储加息对我国股市波动溢出的影响，以期对防范系统性风险以及应对美国货币政策冲击提供参考。

近年来学界对美国货币政策经济效应的研究主要集中于美国量化宽松货币政策的影响方面，而关于美联储加息经济影响的研究较少且多为理论分析，关于美联储加息对我国股市波动溢出效应的实证研究则更少。然而，美联储加息对中国经济、金融的影响是具有重要研究价值的问题。在经济形势加速分化背景下，美联储加息和美元走强会在一定程度上促使人民币贬值和投资者情绪变动进而加大资本外流规模，这将对实体经济和金融资产价格产生较大的负面影响。本文拟以股票市场为例解答以下逻辑设问：一是中美股市之间的波动溢出是否受美联储加息的激励？其作用机制如何？二是激励效应是否存在拐点？即当联邦基金利率达到某一水平后（或某次加息后），其对我国股市波动溢出的影响是否出现反转？三是我国货币政策和金融监管政策对美联储加息影响我国股市波动溢出的作用效果如何？

本文的边际贡献主要体现为：一是基于货币政策与资本市场关联性的视角，分析美联储加息对中美股市波动溢出的影响及传导机制，这对目前着力强调防范系统性风险的我国而言具有较强的现实意义。二是结合行为金融学等理论，动态考察中美货币政策博弈下美联储加息对我国股市波动溢出的作用效果是否存在拐点，探究我国货币政策应对美国“逆全球化”的有效性，可为进一步完善我国资本市场信息传递机制提供理论依据。三是从实践视角探究我国货币政策制定部门与风险管控部门对风险监管方向的一致性问题，提出建立跨部门协调机制的相关建议。

二、文献综述

（一）美联储加息对我国经济影响的相关文献

自2015年12月美国开启新一轮加息周期以来，美联储加息对全球金融市场的影响成为了学界的重要关注点。我国与全球经济、金融市场均有着紧密联系，美联储加息引发的外部性无疑会波及我国。既有研究主要从汇率、资产价格、资本流动等视角对美国货币政策变化（美联储加息）对我国经济的影响展开研究。从汇率视角来看，刘骏斌[2]认为美联储加息增大了人民币贬值压力，且美元加息压力下利率对汇率的影响明显增强，人民币汇率风险增大。从资产价格视角来看，贺强[3]认为美联储加息对我国各行业影响最大的是具有高杠杆率的房地产开发业，其负有大量外债，在人民币长期贬值预期下，美元加息对房地产业资金链带来较大挑战，可能对房地产行业形成利空；洪朝伟[4]采用SVAR模型研究美联储加息对我国资产价格的溢出效应，研究发现美元加息、人民币贬值导致我国股票价格下跌。从资本流动视角来看，彭星[5]采用MS-VAR模型分析美元周期性波动对我国跨境资本流动的影响，发现美联储加息后美元升值将引起大规模跨境资本流出；王伟[6]基于MS-VAR模型对美联储加息下适应性汇率预期对短期国际资本流动的影响进行了实证分析，研究发现美国退出量化宽松政策转向紧缩性货币政策后，国内外利差收窄将促使具有高敏感性的国际游资在短期内大量流出中国。此外，还有学者就美联储加息与金融危机、产出等问题进行研究，得出美联储实施紧缩性货币政策会导致我国产出增加[7]、美联储加息周期中金融危机发生概率明显增大等结论[8]。

（二）波动溢出效应测度方法的相关文献

随着经济全球化的不断加深，国家（地区）之间的金融活动相互影响，金融市场联系日趋紧密，一国金融市场波动会引起另一国金融市场波动，即存在波动溢出效应。已有学者对金融市场波动溢出效应进行了广泛研究，在研究方法上，学者从不同角度对波动溢出效应的测度进行了创新。早期学者多采用GARCH模型对市场波动溢出效应进行测度，如Hamao[9]采用两步法，先估计单个市场的单变量GARCH模型，再将所得残差平方作为该市场波动性指标放入另一市场的GARCH模型中，进而通过观察系数的显著性来判别是否存在波动溢出效应；Cheung[10]通过对单变量GARCH模型标准化残差的样本交叉相关函数的自相关检验来判别一个市场对另一个市场的冲击。随着理论研究的不断深入，学者尝试借助波动率相关指标构建VAR模型，并通过脉冲响应来测度不同市场间的波动溢出指数[11]。其后，为顺应金融市场波动溢出指数的时变特征，学者在测度波动溢出效应时较常采用滚动VAR方法[12]和递归VAR方法[13]。

通过文献梳理不难看出，既有关于美联储加息对我国股市波动溢出影响的研究尚存在一些不足：一是关于美联储加息对我国股市波动溢出的影响研究较少，且多从股市价格视角探讨美元加息的经济影响。二是在股市波动溢出指标衡量方面，虽然滚动VAR方法能够计算时变波动溢出指数，但该方法对窗宽依赖性较强，窗宽太短会使估计结果中的异常值和突变情况较多，窗宽太长又会使估计结果较为平滑，从而无法准确掌握突变信息，且滚动方法本身也会消耗一些样本，无法计算前一时期的结果。三是鲜有文献探究美联储加息对我国股市波动溢出的传导机制，对美联储加息频率的分阶段研究更少。基于以上考虑，本研究采用递归VAR方法分阶段考察美联储加息对我国股市的波动溢出效应，并从汇率渠道和投资者情绪渠道对其传导机制进行检验。

三、理论分析与研究假说

（一）美联储加息对我国股市波动溢出的影响

为有效对冲美联储加息对我国资产价格波动的影响，相关政策制定者应考虑外部政策溢出性[14]。有学者指出宏观流动性对资产价格具有显著影响，无论一国是货币扩张还是信用扩张，均会对流动性结构产生影响[15]。Conover[16]认为在宽松货币政策下股票收益率通常比在紧缩货币政策下高，并且外国股市收益率与美国政策环境的联系比与该国政策环境联系的程度更为密切。Bauer[17]引入不对称信息，发现美国货币政策变化等宏观经济冲击会对国际股市产生显著影响。基于以上观点，本文认为美联储加息将会影响我国股市波动溢出。美联储加息对我国股市波动溢出的影响机制大致可分为两种，即汇率渠道和投资者情绪渠道。汇率渠道的传导机制主要表现为：美联储退出量化宽松货币政策后进入加息通道，人民币对美元贬值，热钱大量流出，国内流动性趋紧，导致部分资金流出股市、债市，进而造成资产价格下降[18]。投资者情绪渠道的传导机制主要表现为：美联储退出量化宽松货币政策后，国际投资者对处在下行周期的中国经济缺乏信心，且加息伴随着强烈的市场预期，给新兴经济体带来猛烈冲击[2]。此外，美联储加息使得投资者对于美国经济政策的不确定性预期有所降低，投资者出于风险规避和资本保值增值等考虑，会将资金转移至相对安全的国家，这在一定程度上会加剧跨境资本流出，促使投资者在全球资产组合中通过地区转移和不同类型资产的配置实现再平衡[19]。综上可知，从理论上说，美联储加息可加剧我国股市波动溢出，其作用机制如图1所示。

图1 美联储加息对我国股市波动溢出传导机制框架

基于此，本文提出研究假说1，即美联储加息对我国股市波动溢出存在正向激励效应。美元加息，大量资本流出我国从而对流动性结构产生影响，进而加剧我国资本市场波动溢出。进一步地，还可提出研究假说1A和研究假说1B。研究假说1A即美联储加息对我国股市波动溢出的影响可以通过汇率渠道进行传导。美元走强，人民币贬值，跨境资本反向流动引发流动性紧张进而导致我国股市波动加剧。研究假说1B即美联储加息对我国股市波动溢出的影响可以通过投资者情绪渠道进行传导。美联储加息是对实体经济向好的确认，投资者会加大对美国金融资产的配置，资金分流效应下会引发美国股市波动并导致波动溢出，进而加剧我国股市波动溢出。

然而，还有一个问题值得深入思考。2015年—2018年美联储多次加息，并在2017年频繁加息，那么，基于有限关注理论，美元加息的冲击效果在不同的加息周期下投资者关注程度会有差异，投资者面对相似的信息冲击，其反应程度逐渐降低，该类信息的敏感性可能会减弱[20]。因此，本文还需验证在不同加息阶段美元加息对我国股市波动溢出的影响是否存在拐点。基于此，本文提出研究假说2，即美联储多次加息对我国股市波动溢出的正向激励效应逐渐减弱，甚至会出现反向变化。

（二）我国应对美联储加息的相关政策实施效果

就我国货币政策实施效果而言，在美联储加息背景下，大量国内资本外流，不仅导致国内流动性趋紧，金融资产价格下降，还加剧了人民币贬值压力，因此，我国央行倾向于采取紧缩性货币政策。我国央行既可适当提高短端政策利率以引导短期市场利率上行，又可收缩长端市场流动性以引导长端金融市场利率上行。然而，就现实观察而言，虽然利率上升有助于缓解美联储加息引发的资本外流压力，但资金成本上升反过来也会压制实体经济增长、打压市场信心，加剧我国市场脆弱性，进而加剧美联储加息引发的资本市场情绪波动及情绪溢出对我国股市的冲击效应。换言之，美联储加息背景下，我国央行拉升长端利差虽然有助于对冲长期资本外流带来的波动冲击，但会使实体经济承压，打压市场信心，加剧金融系统自身的脆弱性，从而放大外部情绪冲击的影响。基于此，本文提出研究假说3，即长端利差的拉升会放大外部情绪冲击的影响。

就金融监管政策实施效果而言，在金融周期转换中，过度杠杆化所导致的资产价格上涨将造成严重的宏观经济后果[10]。从政策效果来看，实施宏观审慎政策可有效维护金融稳定，引导金融机构加强自我约束与管理。我国央行于2017年一季度评估时正式将表外理财纳入宏观审慎评估（MPA）的广义信贷范围，以合理引导金融机构加强对表外业务风险的管理，此举可加速金融去杠杆进程，但去杠杆又会产生不同的政策效果。良性去杠杆可保持适度流动性，稳定经济增长；恶性去杠杆可能由去杠杆过程中资金流动性过度紧缩而引发，其中政策、市场、情绪等因素扰动极易诱发流动性风险，而金融机构流动性风险传导至实体部门，最终可能导致长期的经济衰退。随着金融强监管政策的持续出台，尤其是“资管新规”下对影子银行的打压，收缩了实体经济的融资渠道，进而拉升了资产价格。由此，从某种意义上说，金融强监管会显著影响实体经济的资金循环能力和资金可得性，加剧实体经济脆弱性和市场恐慌，进而增加跨市场间的风险溢出。基于此，本文提出研究假说4，即金融强监管会加大跨市场之间的风险溢出程度。

四、我国股市波动溢出指数的构建

（一）研究样本与数据来源

1.样本选择。本文选取2014年11月1日—2018年3月22日的日度数据。样本区间的选择主要基于以下考虑：一是日度数据包含了更多的样本信息，有助于提高模型估计精准度；二是美联储于2014年10月宣布退出量化宽松政策，尽管在2015年12月才开启新一轮加息周期，但实际上从2014年退出量化宽松政策后，随着经济基本面总体逐渐复苏，市场会对联邦基金利率持有上调预期，即预测美联储加息举措即将到来。因此，本研究以2014年11月为起始点，能够较好捕捉加息政策落地前的强预期。截止时段选为2018年3月，主要是考虑到2018年3月后中美贸易摩擦不断升级，加剧了投资者恐慌情绪，且2020年至今受新冠肺炎疫情影响，全球经济发展放缓，各国经济发展受不可抗力因素影响，资本市场价格受众多干扰项影响。鉴于此，本研究将样本周期定位于2014年11月—2018年3月，能够较好观测美国货币政策变动对我国资产价格的影响。

2.指标说明。本文主要基于国际资本市场关联性视角展开研究，因此在变量选取上，美国股票市场选取道琼斯指数①之所以选择道琼斯指数而不选择S&P500指数，主要是从以往文献看，采用两种指数得出的结论大多具有一致性，且道琼斯指数对短期变动更为敏感。对此可参阅张兵、范致镇、李心丹著《中美股票市场的联动性研究》。，美国债券市场选取VBMFX指数[21]，而中国股票市场和债券市场分别选取上证综合指数[22-23]、中国债券总指数[24]。此外，根据王奇珍[25]、王广生[26]等学者的研究，在经济大周期中，投资者情绪波动不仅会冲击我国资本市场，还会对国际资本市场产生较大影响，因此本研究通过加入国际大宗商品价格波动指数来考察投资者情绪对国际资本市场的波动溢出效应，原油价格选取西德克萨斯中质原油现货价格，黄金价格选取伦敦现货价格。本文通过构建包含6个变量的SVAR模型进而进行方差分解以求得波动溢出函数，研究中对变量均采取自然对数的一阶差分形式，即100×ln(pt/pt-1)，所用数据均来自于Wind数据库和雅虎金融网。

3.描述性统计。表1是核心变量的描述性统计结果。从偏度和峰度分析可知，各变量有显著的长尾、有偏特性，且ADF检验拒绝了变量包含一个单位根的原假设，表明原序列在1%水平上平稳。

表1 核心变量的描述性统计结果

（二）模型构建

1.SVAR模型构建。滞后期数为P的N变量VAR模型形式如下：

式（1）中，Xt=(x1,t,…,xN,t)′，φi是N×N阶系数矩阵，误差向量εt均值为零。假设该VAR模型具有平稳的协方差，因此可将式（1）转换为移动平均形式：

式（2）中的系数矩阵Ai满足递归形式，Ai=ϕ1Ai-1+ϕ2Ai-2+… +ϕpAi-p；矩阵Ai可以解释为脉冲响应，在t-1条件下，Xt的前H步预测误差为：

其中，方差—协方差矩阵如下：

式（4）中，∑表示方差—协方差矩阵，将各变量的预测误差方差分配给系统中各冲击变量，可测量出冲击对于Xt中每个元素的n阶预测误差的方差，从而量化变量间的冲击强度。本文借鉴Swanson[27]的研究，采用有向无环图（DAG）方法，以数据确定VAR残差的同期因果关系，进而研究多变量动态因果关系，并用图形表示变量间的同期因果关系。先在式（1）中运行VAR，并使用VAR残差的方差—协方差矩阵Σ进行DAG分析，再根据DAG分析结果确定SVAR的约束条件，最后基于DAG的SVAR估算出预测误差方差分解，量化波动溢出强度和时间变化。

2.波动溢出指数构建。本文借鉴Diebold[12，28]的方法计算波动溢出指数，既有研究中也不乏运用这一方法测度市场波动溢出效应的文献[23，29]。通过对方差—协方差矩阵∑进行方差分解，可定义总溢出指数，即N个变量间相互的溢出效应对总预测误差方差分解的贡献。计算公式如下：

式（5）中，ah,(i,j)为移动平均系数矩阵A的第j列第i行元素是j市场冲击导致i市场前H步的预测误差方差的贡献是前H步预测误差变化。

此外，本文对不同变量溢出效应的方向进行了测度。市场i受到其他市场j冲击的溢出指数为：

反过来，市场j受到其他所有市场i冲击的溢出指数为：

用式（7）减去式（6），便可得到市场i对其他所有市场j的净溢出指数：

净溢出指数衡量的是单个市场对其他市场的净溢出。如果其他市场只是一个市场，则可计算出两两市场的净溢出水平。假设l是某一个市场，则市场i和市场j的净溢出指数为：

本文构建的波动溢出指数是在Diebold[12，28]研究基础上采用DAG方法判定约束条件下SVAR的模型，并结合递归方法逐渐扩大样本，能更好地捕捉美联储加息进程中各市场间的波动溢出效应。

（三）实证分析

1.DAG和SVAR结果。在进行SVAR模型分析前，需确定模型的最优滞后阶数并对模型进行稳定性检验。不同准则下选取的最优滞后阶数并不完全相同，本文参照AIC、SC、HQ标准确定模型的最优滞后阶数为滞后1阶。通过设定滞后1阶的6个变量VAR模型探究各指标的动态关系，得到6个市场收益率残差相关系数矩阵，并采用TETRAD软件对VAR残差相关矩阵进行分析，刻画各市场间的同期因果关系。图2为10%显著性水平下各变量的DAG结果，从中可以看出各市场间的波动传导方向。其中，美国股市、债市同期影响中国股市、债市，原油、黄金市场同期影响美国债市，而在原油市场与美国股市的关系中，鉴于经济不确定性较大时投资者多会在期货市场买进原油、黄金等大宗商品，而过高的期货原油价格会加剧投资者恐慌，进一步打压美国经济，进而反映在美国股市波动中，因此本文假定原油市场同期影响美国股市。

图2 同期因果关系图

Swanson[27]认为DAG可提供一个以数据为依据的解决方案以此识别同期因果相关矩阵，为SVAR模型各变量的约束条件提供确定依据，因此采用DAG识别方法是SVAR预测误差方差分解之前的关键步骤。基于图2标识出的已识别的因果网络，可以写出相关矩阵A进而确定SVAR，计算预测误差方差分解。表2显示了前30步预测误差方差百分比，通过其可分析各变量受到自身和其他内生变量冲击的贡献度。

表2 预测误差方差分解结果

从表2可看出，第12期和第30期数据一致，说明第12期数据已趋平稳，因此本文选取第12期方差分解结果进行分析。第1期VIX方差分解为100%，意味着当期只受自身冲击，随着时间推移逐渐受其他市场冲击但影响甚微。VIX对MOVE、CST、OIL的方差分解占比分别为6.56%、7.48%、7.74%。从CBO方差分解结果可知，除受自身影响外，MOVE对其解释贡献率从滞后1期的1.80%逐渐上升并稳定在4.25%左右；而在GOLD方差分解中，MOVE对其影响显著高于VIX，约为11.91%。简言之，美国债市、中国股市、原油市场主要受美国股市影响，而中国债市和黄金市场主要受美国债市影响。

借鉴Ahern[30]计算网络中心性的方法，通过表2数据可计算各市场的网络中心度，结果见表3。由表3可知，VIX和MOVE网络中心性最高，证明美国股市和债市在2014年—2018年间处于中美资本市场与国际大宗商品市场波动溢出网络的中心。原油、黄金的金融属性日益增强，对其他资产价格波动有重要影响，随着世界经济一体化程度的不断加深，原油市场、黄金市场与股市、债市的关联越来越密切。因此在后文研究各市场间联动性时，本文主要考察美国股市对其他市场的溢出效应。

表3 网络中心度计算结果（单位：%）

2.波动溢出指数的时间趋势分析。为进一步探究随时间变化的溢出强度，本文将递归技术与DY2009、2012方法相结合，研究各市场间波动溢出的动态机制，计算中美股市、债市和国际大宗商品市场间的总波动溢出指数。由图3可见，总溢出指数在样本期间的波动范围在67%～82%之间，说明整个样本期间系统波动主要来自其他变量的冲击，波动溢出效应占比较大。总溢出指数在美联储宣布退出量化宽松政策至第一次加息阶段出现剧烈波动且整体呈下降态势，可能是因市场对美联储加息持有强烈预期，我国央行为预防资本大量外逃而向市场释放流动性以减缓其对我国经济的影响。从美联储多次加息对总波动溢出指数的影响来看，短时间内会出现小幅上升，但持续时间并不长。

图3 总波动溢出指数

总波动溢出指数传递了样本期间各市场的波动溢出信息，但其只能说明溢出效应的大小和趋势，不能反映波动溢出的方向，本文进一步通过式（6）～式（9）预测波动溢出的传递方向。由图4、图5可以看出，美国股市对中国股市的方向性波动溢出指数在样本期间的波动范围在1.18%～36.37%之间，美国债市对中国债市的方向性波动溢出指数在样本期间的波动范围在49.16%～54.98%之间。从图中还可以看出，中国股市对美国股市的溢出效应以及中国债市对美国债市的溢出效应极小。VIX对CST的净溢出指数为正且呈上升趋势，而MOVE对CBO的净溢出指数虽为正但呈下降趋势。由此可见，在递归样本下方向性溢出指数具有双向性和非对称性。

图4 中美股市方向性波动溢出指数

图5 中美债市方向性波动溢出指数

五、美联储加息对我国股市波动溢出的实证检验

（一）变量选取

本文以美国联邦基金利率为美联储加息的代理变量，同时控制避险情绪、人民币汇率、中美利差、泰德利差和美国宏观经济环境等，具体变量说明如下：

1.美国联邦基金利率（FFR）。美元加息即美联储调高联邦基金利率，本文选取的联邦基金利率为隔夜拆借利率，该利率的变动能够敏感反映银行间资金余缺，直接影响商业银行资金成本和投资者情绪波动，进而影响消费、投资和国民经济。此外，联邦基金利率能够对美联储加息政策及时作出反应，易于观察与获取数据。

2.中介变量。本文选取离岸人民币对美元汇率（USC）①本研究选取离岸汇率的原因在于其更多由市场决定，对流动性操作较为简单，而在岸汇率主要受我国央行货币政策调控的影响，不能客观反映市场供需，且缓解我国流动性可能会牺牲外汇储备。作为人民币汇率的代理变量，来检验汇率渠道的作用效果；选取美国标准普尔500波动指数的对数（lnVIX）作为投资者情绪渠道验证的中介变量，该值越大表明投资者心理越不安，避险情绪越高。

3.中国相关政策调控变量。本文选取中美十年期国债利差（RCA）作为中美利差的代理变量，利差越大，表明我国央行在应对美联储加息时越倾向于实施紧缩性货币政策，推升长端利率。此外，本文加入MPA的虚拟变量（Dummy）作为我国金融监管政策趋紧的代理变量，鉴于2017年8月同业存款余额规模明显缩减，故将2017年8月1日之后的Dummy值设为1，之前设为0；同时加入交叉项（Dummy×RCA），用以检验金融强监管对投资者情绪和实体经济脆弱性的影响。

4.其他变量。为科学跟踪美联储加息对我国股市波动的影响，需合理控制美国经济环境因素，本文选取泰德利差（TED）和花旗美国经济意外指数变化（ΔCESEM）代表美国宏观经济环境。前者为3个月银行间市场利率与3个月美国国债利率之差，是实时反映国际金融市场风险的重要衡量指标，该指标上行，表明风险加剧，银行借贷成本增加，信用状况收紧。后者代表美国宏观经济环境，若指数为负则表明会推动投资者避险情绪上升，刺激美元卖盘，致使美国或全球宏观经济环境恶化。

研究中的变量说明见表4。

表4 相关变量说明

（二）模型构建

本文通过构建回归模型来考察核心解释变量和控制变量对我国股市波动溢出的作用方向及大小，如果解释变量能够预测现在或未来的波动溢出指数，可将其视为波动的Granger原因，FFR的估计系数β1显著为正则前文提出的研究假说1成立。回归模型如下所示：

为验证汇率渠道、投资者情绪渠道的作用效果，即验证前文提出的研究假说1A和1B，本文通过中介效应模型检验渠道的存在性，中介变量为人民币汇率（USC）和投资者避险情绪（lnVIX）。模型如下：

中介效应检验须满足以下条件：模型（10）中β1显著；模型（11）中α1和模型（12）中γ2至少有一个显著，若只有一个显著，则需计算SobelZ值来判别中介效应的存在；模型（12）中若γ1不显著而γ2显著则意味着存在完全中介效应，若两个系数均显著则表明存在部分中介效应，同时γ1小于β1。

为验证我国货币政策以及金融监管政策的实施效果（即前文提出的研究假说3和研究假说4），本文构建了如下模型：

式（13）中，将重点观察β1、β2以及β6、β7的正负性与显著性。

（三）模型回归结果

1.基准回归结果。本文通过式（10）来确定美国股市对中国股市净波动溢出的影响，回归结果见表5。由表5模型（1）～模型（3）的回归结果可知，从全周期看，FFR系数均在1%水平上显著为正，可见美联储加息的确会加剧美国股市对中国股市的净溢出影响。列（2）是控制RCA后的回归结果，FFR系数显著为正，RCA系数显著为负，表明利差越大，越有助于减少资本回流，从而弱化风险溢出，这与实证结果相吻合。列（3）是引入TED和ΔCESEM的回归结果，FFR系数依然显著为正，同时利差系数未发生方向性改变，即前文结论依然成立。此外，为进一步检验美联储加息对我国股市波动的正向激励效应，本文以美联储超额准备金率（IOER）作为美元加息的另一替代变量。由表5可知，IOER系数显著为正，且其余变量的数值和显著性均未发生较大变化，表明基准回归模型实证结果具有稳健性，前文提出的研究假说1得以验证。

表5 美国股市对中国股市净波动溢出的决定因素分析结果（全周期）

2.机制检验结果。前述实证结果显示，美联储加息确会加剧中国股市波动。根据前文理论分析可知，美联储加息可能通过汇率渠道、投资者情绪渠道影响我国股市波动，因而本文以人民币汇率、投资者避险情绪为中介变量进行中介效应检验。由表6汇率渠道的中介效应检验结果可知，FFR对USC的系数显著为正，表明美联储加息导致美元升值、人民币贬值；而USC对我国股市波动的影响显著为正，意味着人民币贬值，大量资本外流，加剧了中国股市波动，该实证结果与理论预期一致。由表6投资者情绪渠道的作用机制检验结果可知，FFR对lnVIX的回归系数显著为负，表明随着美联储加息政策的落地，全球投资者对美国经济复苏持乐观态度，在一定程度上缓解了投资者避险情绪；lnVIX对我国股市波动的回归系数显著为负，表明随着投资者避险情绪上升和经济动荡加剧，投资者资产组合配置将会出现一定变化，对美国金融资产偏好下降，而对我国金融产品偏好上升，由此可缓解美国股市对我国股市的波动溢出。综上，美联储加息对我国股市波动溢出的影响会通过汇率渠道和投资者情绪渠道进行传导，前文提出的研究假说1A和1B得以验证。

表6 美联储加息对中国股市波动影响的机制检验结果

3.分阶段回归结果。为进一步判断美联储加息政策的分阶段表现，本文将2014年11月1日—2018年3月22日这一研究区间分为加息预期、加息落地和加息稳定3个阶段进行分阶段回归，结果见表7。由表7可知：在加息预期阶段，FFR回归系数显著为正。可能是因此时市场对美联储加息政策的实施持有较强预期，再加上美联储通过利率对价格进行指导，市场普遍认为联邦基金利率上调会引发资本向美国市场回流，进而加剧其他国家市场波动。因此，第一次加息前FFR会对波动溢出产生强烈的正向激励效应。在加息落地阶段，FFR回归系数为正但不显著。可能是因这一阶段投资者情绪波动减弱，FFR的正向影响虽然存在但已极大减弱并变为不显著。这与现有研究认为同质性政策的效果通常存在边际递减的特征相吻合。在加息稳定阶段，FFR回归系数显著为负。可能是因这一阶段美联储正式宣告进入加息通道，意味着未来美联储货币政策发生方向性转变的概率大大降低，投资者情绪受后续政策变化而波动的概率显著降低，情绪波动导致的风险溢出在未来大幅减弱。与此同时，美国实体经济复苏预期随着加息进程的推进会不断强化，这有助于稳定投资者信心，降低恐慌情绪溢出并增加乐观情绪溢出。综上可知，美元加息对中国股市波动溢出具有显著的正向激励效应，但这种正向激励效应并非长期存在。根据有限关注理论，随着加息政策的不断实施，美元加息对我国股市波动的正向溢出效应在第二次加息落地后转为负向溢出，前文提出的研究假说2得以验证。

表7 加息三阶段净溢出水平的决定因素分析结果

4.我国货币政策、金融监管的调控效应分析。下文进一步分析我国货币政策、金融监管的调控效应。由表7可知：其一，RCA在加息预期阶段系数显著为负，表明长端收益率落差越大越有利于减少资本回流，从而弱化风险溢出。其二，RCA在加息落地阶段系数显著为正。RCA系数由负转正的经济内涵在于，RCA在第一区间系数为负是由于此时美联储尚未加息，美国十年期国债收益率依然在宽松格局下维持下行态势，这意味着国内无需提高长端利率便可扩大利差。由于长端利率并未提高，此时利差扩大并不会加剧资金空转、打压实体经济。然而，当美联储启动加息进程后，美国长端利率经短期传导后随之上升，此时我国央行被动扩大利差以减少资本外流。但长端利率提高增大了国内实体经济复苏的阻力，减弱了投资者信心。此时国内长端利率上升带来的负效应大于正效应，RCA系数由负转正，长端利差扩大不仅不会减少风险溢出，还会因压制实体经济而强化市场恐慌、加剧风险溢出。由此，研究假说3得以验证。其三，RCA在加息稳定阶段系数依然为正但数值有所下降。原因在于，虽然国内长端利率上升会打压实体经济增长，但由于美联储持续加息会导致市场对政策效果的判断出现分化，更多投资者会对未来经济复苏持悲观预期，进而对美联储货币政策选择持怀疑态度，这将在长期动摇国际资本向美国回流。

从长端利差分析结果可以看出，美联储加息周期中，若加息频率过快，则美国长端利率水平提高，RCA下降越快，并由此减缓风险溢出，对其货币政策调节起反向作用。因此，从博弈角度看，美联储应考虑缓慢加息，这也可解释为何美联储在第一次加息后在长达1年的时间里未进行加息操作。在加息稳定阶段，由于快速加息会伤及美国实体经济增长，选择快速加息虽然可以较快降低利差，但也会导致RCA溢出系数大幅下降，从博弈角度看此举虽事倍功半，但从共赢角度看，快速加息很可能是一种正确的选择，即在风险溢出程度更低的条件下实现快速加息，既可降低对他国风险水平的冲击，又可通过快速加息为今后刺激经济（减息）提供更充裕的操作空间。

此外，我国央行在对冲美联储加息、防范本国资本市场波动风险上存在操作困境，中美货币政策博弈呈两难格局。本文认为，在追求内外平衡时，我国央行货币政策选择应以内部优化为主导，继续坚持以降低市场利率、鼓励实体经济发展、稳定市场信心为政策导向，考虑通过提高市场流动性对冲前期实体经济大规模去杠杆对经济稳定及金融安全的影响。为验证金融强监管政策对风险溢出的激励效应，本文对我国金融强监管的调控效应进行了实证分析，结果见表8。由表8可知：Dummy系数显著为正，可能的原因在于随着2017年宏观审慎评估的逐步实施，过严的金融监管政策阻碍了实体经济获得融资的渠道，且去杠杆政策打压了市场的融资需求。由此，前文提出的研究假说4得以验证。始于2017年的金融监管风暴在防控金融风险的同时，其负效应也在逐渐显现。综合来看，MPA的实施会显著抑制实体经济的融资规模和需求，加大实体经济脆弱性，进而加剧投资者恐慌情绪，增大跨市场间的风险溢出程度。同时，交叉项Dummy×RCA系数显著为负，意味着风险管理部门从防范风险溢出角度出发收紧流动性，将会抑制宽松性货币政策在收窄利差、缓解风险溢出方面的效果。

表8 金融强监管调控效应回归结果

表8的结果表明金融强监管“一刀切”式的打压会加剧市场恐慌情绪，对市场有负面影响。实践中，应通过构建跨部门协调机制提高资本市场抵御风险溢出的能力，增强货币政策监管与风险监管在监管方向上的协调性，避免错位监管下的一致性失调；同时，在推进金融强监管和金融部门去杠杆进程中，应注意政策节奏，兼顾金融市场风险演变，充分平衡金融市场波动溢出风险后再谨慎推进。

六、结论与建议

本文运用2014年11月1日—2018年3月22日的日度数据，选取中美股市、债市、原油市场和黄金市场收益率6个变量，基于DAG-SVAR模型的递归溢出指数测度中美股市波动溢出指数，探究美联储加息对我国股市波动溢出的动态影响。研究主要得到以下结论：其一，从美联储加息的全周期看，美元加息对我国股市波动溢出存在显著的正向激励效应，主要通过汇率渠道和投资者情绪渠道进行传导。其二，分阶段看，美元加息的正向激励效应并非长期存在，在第二次加息后，这种激励效应由正转负，出现拐点。其三，从我国货币政策和金融监管政策调控效应来看，我国提高长端利率水平会在一定程度上增大国内实体经济发展阻力，加剧资本市场波动溢出；金融强监管下，快节奏去杠杆政策和“一刀切”式的金融监管不利于我国经济抵御外部新信息冲击。

为更好地应对美联储加息对我国股市波动的影响，本文提出如下政策建议：一是增强货币政策的国际协调性。本文实证结果表明美元加息会加剧我国股市波动溢出，且当我国货币政策同向调控时会造成金融市场剧烈波动。因此，央行应充分考虑美国货币政策的溢出效应，准确把握我国政策调控的时机，以防金融市场波动加剧。二是央行应以内部优化为主，将重心移至实体经济和宏观经济环境发展上，向市场提供充裕的流动性，提振市场信心进而增强我国经济对外部冲击的免疫力。同时，在风险管控上，应充分平衡我国金融市场风险波动，谨慎推行去杠杆策略，强调政策实施节奏。三是对投资者而言，美元加息对我国股市而言是一个风险事件，加剧了我国股市波动，因此，投资者需对美国货币政策冲击风险进行评估与管理，应根据市场预期合理调整投资组合，有效降低投资风险。