周云龍　胡良劍

摘 要：在中國(guó)股票市場(chǎng)，一個(gè)行業(yè)的波動(dòng)不僅受到自身前期波動(dòng)的影響，而且還受到其他行業(yè)歷史波動(dòng)的影響，這種波動(dòng)的傳導(dǎo)稱為波動(dòng)溢出效應(yīng)。基于VAR模型的廣義預(yù)測(cè)誤差方差分解方法，利用Matlab軟件對(duì)2006年1月至2018年1月具有代表性的10個(gè)不同行業(yè)指數(shù)的波動(dòng)溢出效應(yīng)進(jìn)行研究，發(fā)現(xiàn)股市各行業(yè)之間聯(lián)系十分緊密，尤其是在2015年股災(zāi)前后，總波動(dòng)溢出指數(shù)達(dá)到了最高點(diǎn)。同時(shí)，計(jì)算機(jī)行業(yè)是市場(chǎng)中波動(dòng)性的主要貢獻(xiàn)者，而且計(jì)算機(jī)對(duì)通信行業(yè)，以及建筑材料行業(yè)對(duì)房地產(chǎn)行業(yè)具有長(zhǎng)期正向的波動(dòng)溢出效應(yīng)。

關(guān)鍵詞：行業(yè)指數(shù);波動(dòng)溢出效應(yīng);VAR模型;方差分解

中圖分類號(hào)：F830.91 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號(hào)：1673-291X（2019）15-0083-03

中國(guó)股票市場(chǎng)在三十余年的發(fā)展歷史中，有漲有落，有進(jìn)有退，總體還是呈上升趨勢(shì)。股票價(jià)格或收益率的波動(dòng)性是否受到行業(yè)因素的影響，各行業(yè)股票價(jià)格指數(shù)的波動(dòng)性呈現(xiàn)怎樣的變化特征，各行業(yè)的波動(dòng)性之間有無(wú)協(xié)同變化的規(guī)律等問(wèn)題始終是投資決策者關(guān)心的熱點(diǎn)問(wèn)題。在不同經(jīng)濟(jì)形勢(shì)下，各行業(yè)的發(fā)展及其相互關(guān)系的影響是投資者在進(jìn)行行業(yè)投資決策、資產(chǎn)配置必須要考慮的內(nèi)容。

從相關(guān)文獻(xiàn)來(lái)看，波動(dòng)溢出效應(yīng)是近些年來(lái)國(guó)內(nèi)外的一個(gè)研究熱點(diǎn)。Diebold&Yilmaz研究了1999年1月至2010年1月期間每天美國(guó)股市、債市、匯市和大宗商品市場(chǎng)的波動(dòng)溢出效應(yīng)，結(jié)果顯示，盡管四個(gè)市場(chǎng)在樣本期間有顯著的波動(dòng)，但跨市場(chǎng)波動(dòng)溢出效應(yīng)都相當(dāng)有限[1]。直到2007年開(kāi)始的全球金融危機(jī)爆發(fā)，特別是2008年9月雷曼兄弟（Lehman Brothers）宣布破產(chǎn)后，從股市向其他三個(gè)市場(chǎng)的這種跨市場(chǎng)波動(dòng)溢出效應(yīng)才更加凸顯出來(lái)。Bhowmik R.& Abbas G.&Wang S.Y.考察了亞洲6個(gè)新興國(guó)家（孟加拉國(guó)、中國(guó)、印度、馬來(lái)西亞、菲律賓和韓國(guó)）間股市的傳染性和相互依賴性，研究表明，在危機(jī)前、危機(jī)中和危機(jī)后時(shí)期，波動(dòng)率和回報(bào)溢出效應(yīng)的表現(xiàn)隨著時(shí)間的推移會(huì)有很大不同[2]。

一、模型說(shuō)明

為了分析行業(yè)指數(shù)間的波動(dòng)溢出，本文使用Diebold& Yilma基于VAR（Vector Autoregression）模型提出的廣義預(yù)測(cè)誤差的方差分解方法[1]。VAR（p）模型的定義式為：

二、實(shí)證分析

行業(yè)指數(shù)可以用來(lái)度量該行業(yè)的波動(dòng)程度及分析股票市場(chǎng)的走勢(shì)。我們選取申銀萬(wàn)國(guó)公司（簡(jiǎn)稱申萬(wàn)）發(fā)布的一級(jí)行業(yè)指數(shù)作為研究對(duì)象。由于申萬(wàn)行業(yè)分類種類繁多，數(shù)據(jù)龐大，我們只選其中具有代表性的農(nóng)林牧漁、采掘、建筑材料、建筑裝飾、房地產(chǎn)、銀行、非銀金融、計(jì)算機(jī)、傳媒、通信共10個(gè)申萬(wàn)一級(jí)行業(yè)指數(shù)進(jìn)行研究，時(shí)間窗口為2006年1月2018年1月，共2 939個(gè)交易日，數(shù)據(jù)取自于天軟科技（Tinysoft金融分析.NET）數(shù)據(jù)倉(cāng)庫(kù)。

為了得到波動(dòng)溢出指數(shù)，首先需要計(jì)算出行業(yè)指數(shù)每天的市場(chǎng)波動(dòng)率，我們采用Parkinson[3]提出來(lái)的算法，利用行業(yè)指數(shù)每日的最高價(jià)、最低價(jià)來(lái)計(jì)算每日的波動(dòng)率，計(jì)算公式如下：

1.行業(yè)總體的波動(dòng)溢出。圖1顯示了2006—2017年滬深股市各行業(yè)之間總體的波動(dòng)溢出指數(shù)，可以看到，各行業(yè)之間總體的波動(dòng)溢出穩(wěn)定在0.75左右，遠(yuǎn)大于Diebold與Yilmaz研究中所得出的值。這說(shuō)明，滬深股市各行業(yè)之間的聯(lián)系非常緊密，尤其是在2015年股災(zāi)前后，總溢出指數(shù)攀升到了0.88。但在2017年底，市場(chǎng)總溢出指數(shù)罕見(jiàn)地下降到了0.5左右，達(dá)到了十年以來(lái)的最低值，之后又迅速攀升，在2018年初回到了歷史的均值?？傄绯鲋笖?shù)在2017年底罕見(jiàn)地下降，不能僅僅用市場(chǎng)交易氣氛低迷解釋，而必須從每個(gè)行業(yè)的角度分別觀察。

2.行業(yè)間的凈波動(dòng)溢出。通過(guò)觀察國(guó)民經(jīng)濟(jì)中幾個(gè)最重要的行業(yè)，即計(jì)算機(jī)、房地產(chǎn)和農(nóng)林牧漁行業(yè)的波動(dòng)溢出指數(shù)在樣本期內(nèi)的變化，我們發(fā)現(xiàn)計(jì)算機(jī)行業(yè)的整體上對(duì)市場(chǎng)的波動(dòng)溢出大于其他任何行業(yè)，凸顯了信息科技行業(yè)快速迭代、競(jìng)爭(zhēng)激烈、不穩(wěn)定的特點(diǎn)。投資者對(duì)于互聯(lián)網(wǎng)等信息科技行業(yè)的熱情，以及信息科技行業(yè)對(duì)其他行業(yè)的重塑也一定程度上使計(jì)算機(jī)行業(yè)成為市場(chǎng)中波動(dòng)性的主要貢獻(xiàn)者。與其他行業(yè)相比，計(jì)算機(jī)行業(yè)的凈波動(dòng)溢出指數(shù)維持在0.2—0.3的高值，在股災(zāi)時(shí)期略有回落。銀行業(yè)主要接收其他行業(yè)的波動(dòng)溢出，但在股災(zāi)前后也經(jīng)歷了劇烈的變化，最高時(shí)凈波動(dòng)溢出達(dá)到0.6。農(nóng)林牧漁行業(yè)雖然在市場(chǎng)中受關(guān)注程度通常不高，但是在近年對(duì)市場(chǎng)的波動(dòng)溢出達(dá)到了0.6的十年最高值。

3.兩兩行業(yè)間波動(dòng)溢出。最后，我們篩選了一些具有聯(lián)系的不同行業(yè)指數(shù)并觀察了行業(yè)指數(shù)之間兩兩的波動(dòng)溢出指數(shù)。從圖3可看出，計(jì)算機(jī)和通信行業(yè)波動(dòng)溢出在2013年左右開(kāi)始出現(xiàn)反轉(zhuǎn)。在此之前，計(jì)算機(jī)行業(yè)長(zhǎng)期對(duì)通信行業(yè)具有正的波動(dòng)溢出作用。近年來(lái)，由于移動(dòng)互聯(lián)網(wǎng)和4G、5G通信技術(shù)的發(fā)展，計(jì)算機(jī)行業(yè)受到智能手機(jī)等輕便智能設(shè)備的沖擊越來(lái)越明顯，受通信行業(yè)波動(dòng)影響不斷增加。建筑材料行業(yè)長(zhǎng)期對(duì)房地產(chǎn)業(yè)具有正向溢出作用，并具有較強(qiáng)的周期性。而近年來(lái)隨著供給側(cè)改革、去產(chǎn)能化政策的影響，建筑材料行業(yè)的縮量對(duì)房地產(chǎn)業(yè)產(chǎn)生越來(lái)越劇烈的沖擊，因此對(duì)房地產(chǎn)市場(chǎng)的波動(dòng)溢出也更加變得不規(guī)則且劇烈。

三、結(jié)論

本文對(duì)股票市場(chǎng)各行業(yè)指數(shù)的波動(dòng)溢出效應(yīng)進(jìn)行了實(shí)證分析，總結(jié)如下：第一，滬深股市各行業(yè)之間的聯(lián)系非常緊密，尤其是在2015年股災(zāi)前后，總溢出指數(shù)攀升到歷史最高點(diǎn)。但在2017年底，市場(chǎng)總溢出指數(shù)罕見(jiàn)的下降到了近十二年以來(lái)的最低值，之后又迅速攀升，在2018年初回到了歷史的均值。第二，計(jì)算機(jī)行業(yè)整體上對(duì)市場(chǎng)的波動(dòng)溢出大于其他任何行業(yè)，凸顯了信息科技行業(yè)快速迭代、競(jìng)爭(zhēng)激烈、不穩(wěn)定的特點(diǎn)。銀行業(yè)主要接收其他行業(yè)的波動(dòng)溢出，但在股災(zāi)前后也經(jīng)歷了劇烈的變化。農(nóng)林牧漁行業(yè)雖然在市場(chǎng)中受關(guān)注程度通常不高，但是在近年對(duì)市場(chǎng)的波動(dòng)溢出達(dá)到了0.6的十年最高值。第三，計(jì)算機(jī)行業(yè)對(duì)通信行業(yè)具有長(zhǎng)期的正向波動(dòng)溢出作用，建筑材料行業(yè)長(zhǎng)期對(duì)房地產(chǎn)業(yè)具有正向溢出作用，并具有較強(qiáng)的周期性，房地產(chǎn)長(zhǎng)期對(duì)銀行業(yè)具有波動(dòng)正溢出作用，即使在股災(zāi)前后也是如此，銀行業(yè)在2018年左右開(kāi)始對(duì)房地產(chǎn)行業(yè)指數(shù)施加正的波動(dòng)溢出。

參考文獻(xiàn)：

[1] ?Diebold F.X.，Yilmaz K.Better to Give than to Receive：Predictive Directional Measurement of Volatility Spillovers[J].International Journal of Forecasting，2012，（1）：57-66.

[2] ?Bhowmik R.，Abbas G.，Wang S.Y.Return and Volatility Spillovers Effects：Study of Asian Emerging Stock Markets.Journal of Systems Science and Information，2018，（2）：97-119.

[3] ?Parkinson M.The Extreme Value Method for Estimating the Variance of the Rate of Return.Journal of Business，1980，（1）：61-65.

[責(zé)任編輯 陳丹丹]