深港通对沪深港股市波动溢出效应影响研究.docVIP

“深港通”对沪深港股市波动溢出效应的影响研究 　　摘 要 本文利用深圳成分指数、上证指数、恒生指数在“深港通”前后一年的每日收盘价作为研究样本，建立ARMA-BEKK（1，1）模型，探究“深港通”对于沪、深、港三地股市间的波动溢出效应的影响。结果发现，“深港通”之前，三地股市间没有明显的波动溢出效应，而“深港通”之后上海股市对深圳股市，香港股市对上海股市存在单向波动溢出效应。 　　关键词 “深港通” 波动溢出 BEKK-GARCH 　　一、引言 　　在“沪港通”成功运行两年之后，“深港通”交易机制也在2016年12月5日启动，这是推进内地与香港资本市场互联互通、促进内地金融市场改革、学习先进金融经验的重要步骤。更开放的市场通常意味着更有效的信息传递，而“深港通”的启动是否有效促进了两岸股市信息的交流还需要实证检验。信息传递通常是用收益率的波动来进行刻画的，本文将通过分析沪、深、港三地股市在“深港通”前后的波动溢出效应，来研究“深港通”对于三地股市信息传递的影响。 　　二、文献综述 　　波动溢出效应是指Y1市场受到新息的冲击价格发生波动，这种波动会通过市场参与者的行为传递到Y2市场，从而影响Y2市场的价格水平和价格波动性。波动溢出效应常用MGARCH模型进行刻画。比如，曹广喜和姚奕就运用VAR-BEKK-MGARCH（1，1）模型发现沪深股市间在2000年以前基本不存在波动溢出效应，而在2000年后有比较显著的波动溢出。董秀良和曹凤岐利用多元GARCH模型验证了美、日以及我国香港和沪市股票市场的波动溢出，指出香港股市对沪市有显著的波动溢出效应，而美、日股市通过香港间接地引起沪市波动。 　　虽然研究我国股市波动溢出效应的学者不少，但鲜有文献对“深港通”的影响展开实证分析，这为本文的研究提供了空间。本文将通过分析资本市场互联机制影响信息传递的过程机理，为后续的金融改革提供参考。 　　三、模型选取 　　本文采用Engel和Kroner提出的二元非对角BEKK-MGARCH模型。假设有Y1，Y2两个市场，其二元BEKK（1，1）模型设定如下： 　　， （1） 　　（2） 　　其中，（1）式表示向量形式的均值方程，εt表示当期随机到来的新息，（2）式是BEKK形式的方差方程。是下三角矩?，表示收益率的波动，表示前期新息冲击造成的当期价格波动，表示前期波动引起的当期价格波动。参数估计采用最大似然估计法。 　　本文采用Wald检验法来检验两个市场间波动溢出效应的存在性以及波动溢出的方向。 　　四、实证分析 　　（一）数据选取与处理 　　考虑到市场消化政策的冲击需要一定的时间，本文选取深圳成分指数、上证指数和香港恒生指数在“深港通”实行前后一年的每日收盘价作为研究样本，即样本区间从2015年12月1日到2016年12月2日和2016年12月5日到2017年12月29日，数据分别来自深圳证券交易所、上海证券交易所和香港交易所网站。由于大陆、香港的节假日不同，需要对这三组数据的日期进行两两配对，删除掉不匹配的数据后，“深港通”之前的样本容量：深证成分指数对上证指数有247组数据，深证成分指数对恒生指数和上证指数对恒生指数均有240组数据。“深港通”之后的样本容量：深证成分指数对上证指数有264组数据，深证成分指数对恒生指数和上证指数对恒生指数均有257组数据。经过配对之后，再取对数差分就得到了各个市场的收益率，即 　　其中，1，2，3分别表示深证成分指数、上证指数和恒生指数，Rit表示i指数第t日的收益，Pi，t表示i指数第t日的收盘价。 　　对三种指数在“深港通”前后的收益率进行ADF平稳性检验，结果如表1所示。可以看出，收益率序列在1%显著性水平下都是平稳的。因此，可以直接建模。 　　（二）模型构建 　　考虑到三种指数的自相关关系，在建立多元波动率模型时将均值方程设定为ARMA（p，q）模型。通过观察收益率序列的自相关和偏自相关图并进行多次尝试，最终确定的均值方程为“深港通”之前深圳-上海分别采用ARMA（2，2）和ARMA（3，3）模型，深圳-香港均采用ARMA（2，2）模型，上海-香港分别采用ARMA（3，3）和ARMA（2，2）模型；“深港通”之后深圳-上海均采用ARMA（1，1）模型，深圳-香港均采用ARMA（2，2）模型，上海-香港分别采用ARMA（1，1）和ARMA（2，2）模型。方差方程均采用非对角的BEKK（1，1）模型。由于本文主要是探讨三个市场的波动溢出效应，故只列出方差方程的估计结果，如表2、表3、表4所示。 　　通过表2可以发现，在“深港通”之前，α11，α12在5%显著性水平下是不显著的，而α21和α22显著，表明上海股市收益率会受到沪深两市前期新息的影响，而深圳股市不受沪深