基于因子分析模型中国与亚洲地区股市联动性分析.docVIP

基于因子分析模型中国与亚洲地区股市联动性分析 　　内容摘要：本文主要运用相关分析、因子分析模型，从实证的角度对中国及亚洲地区股市的相关性进行研究。相关分析结果表明，在中国进行汇率改革后，中国与亚洲地区间股市的相关性有了明显的提升；因子分析结果表明，在中国进行汇率改革前，中国与亚洲地区股市可以提出三个公因子，中国由第二个公因子进行解释；汇改以后提取两个公因子，中国与中国香港共同由第二个公因子进行解释。结果表明，随着经济全球化的到来，亚洲各个国家或地区间的股市相关性开始增强。研究结果也对投资者如何分散风险有着指导作用。 　　关键词：亚洲股市 收益率 相关系数 因子分析 　　研究背景及文献综述 　　在经济全球化的大背景下，世界各个地区的股市联动性不断增强，因此研究股市的联动性也是十分有必要的。中国作为亚洲最大的发展中国家，随着经济发展的加快，股市的发展十分迅速。对中国与亚洲地区的股市联动性的研究，探索亚洲地区股市间的变化规律，对于促进亚洲地区资本市场间的合作和协调亚洲地区的股市监管有着重要的指导作用。 　　目前国内对于亚洲地区的股市联动性研究不少，但研究方法和思路有差异。Cheung和Liu（1994）在对美国、日本、中国香港、新加坡、中国台湾和韩国6个国家或地区之间的股价指数研究时发现，日本、中国香港、新加坡和韩国等亚洲地区的股指表现出区域协同的特征，相关性较强。Corhay等（1995）的研究指出，澳大利亚、日本、中国香港、新西兰及新加坡5个亚洲的国家或地区的股票指数有着相关关系，股指也具有区域协同的特征。Siklos和Ng（2001）分别对泰国、中国香港、新加坡、中国台湾、韩国同美国以及日本等股市进行了联动性研究，发现亚洲地区的股市具有共同趋势。高猛（2014）在对中国、美国、德国、法国等13个世界主要国家的股市进行联动性的因子分析研究时发现，随着时间的推移，不同国家间股市相关性大小不同，发达国家间的相关性较高。 　　以上研究均显示，亚洲地区的股市具有比较大的相关关系。但以往研究对时间的分割并不明显，是否不同时间段内的股市相关性会有变化？是否经济大事件对股市也有一定影响？各国或地区间的股市相关性究竟有多大？对亚洲地区的股市进行以上问题的研究，对于促进亚洲地区资本市场间的合作和协调亚洲地区的股市监管有着重要的指导作用。并且，以上研究中均只从日收益率的角度进行了研究，但日收益率通常波动剧烈，时常会向投资者提供错误的信息，若想对股市长期收益率有一个宏观认识，应当时间间隔选取更长。本文从月度数据出发，探索各个股市月收益率间的相关性大小，从而对投资者进行对亚洲地区的长期投资提供指导。 　　样本选取及研究方法介绍 　　（一）样本选取 　　本文选取了上海综合指数（SHZI）来代表中国的股市，中国台湾加权股票指数（TAIEX）来代表中国台湾股市，中国香港恒生指数（HIS）来代表中国香港股市，韩国综合股价指数（KOSPI）来代表韩国股市，新加坡海峡时报指数来代表新加坡股市。数据均选择月度收益率。数据来源于RESSET数据库。 　　样本的时间为2001年1月1日至2014年10月10日，并将样本划分为三个阶段：第一阶段：2001年1月-2005年6月；第二阶段：2005年7月-2009年12月；第三阶段：2010年1月-2014年10月。 　　其两个时间点间断点为2005年7月（中国汇率改革）和2010年1月（金融危机爆发）。 　　另外，文中所有股市的指数收益率的计算采用对数收益率，这样可以使收益率序列更加接近正态分布，公式如下： 　　ri，t表示第i个股市第t月的股市指数收益率，pi，t表示第i个股市第t月的股市指数收盘价。 　　（二）研究方法 　　1.相关系数。或称线性相关系数、皮氏积矩相关系数，是衡量两个随机变量之间线性相关程度的指标，计算方法为： 　　2.KMO检验。KMO值越高（趋近于1时），表明各国家或地区股市指数收益率的共同因子越多，样本数据适合用因子分析。KMO值大于在0.9以上为非常好，0.8-0.9为好，0.7-0.8为一般，0.6-0.7为差，0.5-0.6为非常差，0.5以下基本不考虑用因子分析模型。 　　3. Bartlett球体检验。通过检验相关矩阵是否是单位矩阵确定因子分析模型合适与否。相关矩阵为单位阵时，说明各国家或地区股市收益率不适合因子分析。一般说来，显著水平值越小，表明各个原始变量之间越可能存在有意义的关系。 　　4.因子分析模型。因子分析是指从研究指标相关矩阵内部的依赖关系出发，把一些信息重叠的变量归结为少数几个不相关的因子的一种多元统计分析方法。本文通过因子分析法处理股票市场多因子变量，把各个国家间股市根据月度股市指数收益率这一变量的相关性大小进行分组，每组通过一个不