中美股票市场的联动性（DCC-GARCH）.docxVIP

中美股票市场的联动性（DCC-GARCH）

一、中美股票市场联动性的理论与现实背景

在全球化浪潮下，资本、信息与贸易的跨境流动日益频繁，各国股票市场之间的联系愈发紧密。作为全球两大经济体的核心金融市场，中国与美国的股票市场（以下简称“中美股市”）的联动性备受关注——它不仅关系到投资者的全球资产配置策略，影响着企业的跨境融资成本，更与两国金融监管部门防范系统性风险的能力密切相关。然而，中美股市的联动并非一成不变：有时在全球性危机中同步涨跌，有时又因两国政策冲突而走势分化。如何准确测量这种“时有时无、时强时弱”的动态联动性？DCC-GARCH模型（动态条件相关广义自回归条件异方差模型）为我们提供了有效的工具——它能捕捉股市相关性的时间变化特征，揭示联动性的动态演化规律。本文将围绕“中美股市联动性”这一核心，结合DCC-GARCH模型的应用，从理论背景、模型逻辑、实证分析到影响因素展开深入探讨，旨在为理解中美股市的互动关系提供全景式视角。

（一）全球化背景下的股市联动性趋势

自20世纪90年代以来，全球化进程加速推动了金融市场的一体化。一方面，跨国公司的全球布局使得企业盈利与多个经济体的经济周期深度绑定——比如美国苹果公司的iPhone生产依赖中国的供应链，中国华为公司的海外收入占比超过五成，这种业务关联会将一国股市的波动传导至另一国；另一方面，机构投资者的全球资产配置需求激增，比如美国共同基金持有约15%的海外资产，中国合格境内机构投资者（QDII）也在逐步扩大对美国股市的投资，资金的跨境流动直接连接了中美股市的买卖行为；此外，信息传播技术的进步（如实时行情系统、算法交易）让市场消息在数秒内传遍全球，投资者的情绪反应得以快速同步——比如美国联邦储备委员会（美联储）加息的消息一经公布，中国A股市场的银行股往往会在当日出现波动。这些因素共同作用下，中美股市的联动性已从“偶然事件”演变为“常态特征”，成为全球金融市场的重要现象。

（二）中美股市联动性的现实意义

中美股市的联动性具有多重现实价值。对个人投资者而言，若中美股市相关性高，意味着“买A股+买美股”的分散化配置效果会减弱——比如2020年新冠疫情初期，沪深300指数与标普500指数均下跌超过10%，此时同时持有两国股票无法有效对冲风险；若相关性低，则可以通过跨市场配置降低组合波动率。对企业而言，联动性影响着跨境融资的成本：比如中国企业赴美上市时，若中美股市相关性高，美国投资者对中国企业的估值会更接近其本土企业，融资额可能更高；若相关性低，美国投资者可能因“认知偏差”压低估值。对监管者而言，联动性是防范跨境金融风险的关键指标——比如2008年全球金融危机期间，美国股市的暴跌通过“风险传染”引发中国股市的调整，监管部门需提前预判这种联动效应，制定跨境风险隔离措施。因此，研究中美股市的联动性，本质上是在回答“全球化时代，金融市场如何共生共荣”这一核心问题。

二、DCC-GARCH模型：测量股市动态联动性的工具

要理解中美股市的联动性，首先需要解决“如何测量”的问题。传统的静态相关性指标（如皮尔逊相关系数）无法捕捉联动性的时间变化，而DCC-GARCH模型的出现，为我们打开了“动态观测”的窗口。

（一）从静态到动态：GARCH家族模型的演进

在DCC-GARCH模型出现之前，学者们主要用静态模型测量股市相关性，比如皮尔逊相关系数。但静态模型的缺陷显而易见：它假设股市的相关性是“恒定不变”的，而现实中，中美股市的相关性可能在“贸易战”期间下降，在“疫情”期间上升，静态模型无法捕捉这种变化。为解决这一问题，GARCH家族模型逐渐演进：首先是传统GARCH模型，它能有效刻画单个市场的“波动率聚类”特征（即大的波动后往往跟着大的波动，小的波动后跟着小的波动）；接着是CCC-GARCH模型（恒定条件相关GARCH），它在GARCH基础上加入了“恒定相关系数”的假设，能同时处理多个市场的波动率，但仍未解决“相关性时变”的问题；直到DCC-GARCH模型的出现——它将“波动率估计”与“动态相关性估计”拆分为两步，第一步用GARCH模型分别估计每个市场的波动率，第二步用“动态条件相关方程”估计两个市场的相关性，从而实现了对“时变相关性”的测量。这种“动态化”的改进，让模型更贴合股市的真实运行规律。

（二）DCC-GARCH模型的核心逻辑与优势

DCC-GARCH模型的核心逻辑可以概括为“先测波动率，再算相关性”。具体来说，第一步，针对中国沪深300指数和美国标普500指数的日度收益率序列，分别建立GARCH(1,1)模型（即滞后1期的均值方程和滞后1期的方差方程），估计每个市场的“条件波动率”——也就是给定过去信息的情况下，下一个交易日的波动幅度；第二步，利用两个市场的条件波动率，计算“动态条件相关系数