我國大類資產(chǎn)信息溢出機(jī)制研究
——基于方差分解的網(wǎng)絡(luò)拓?fù)浞治?/h1>
2019-10-24 09:12:20周亮
運(yùn)籌與管理 2019年9期
周 亮
(1.湖南財政經(jīng)濟(jì)學(xué)院 學(xué)報編輯部，湖南 長沙 410205; 2.湖南師范大學(xué) 商學(xué)院，湖南 長沙 410081)
0 引言
隨著經(jīng)濟(jì)一體化程度越來越高、投資者越來越成熟，大類資產(chǎn)市場之間不再是分割的個體，而是聯(lián)系越來越緊密，相互之間的影響越來越密切，風(fēng)險的傳染也越來越迅速。國際上關(guān)于金融市場互動關(guān)系的研究文獻(xiàn)，多數(shù)是以歐美主要股市為研究對象(Koutmos and Booth[1]；Fratzscher[2]；Bodart and Candelon[3])，后來擴(kuò)展到對于匯市之間、債券市場間聯(lián)動關(guān)系的研究(Hong[4]；Inagaki[5])，研究結(jié)論表明國際主要股市間存在明顯的溢出效應(yīng)，可以稱之為金融傳染(Forbes and Rigobon[6])。國內(nèi)學(xué)者方面，大部分研究同樣集中在對股市信息溢出的研究(馮旭南和徐宗宇[7])以及滬深股市與香港或美國股市之間的信息溢出機(jī)制(李紅權(quán)、洪永淼和汪壽陽[8]；劉磊和王宇[9])，還有學(xué)者研究了股市內(nèi)部行業(yè)間的信息溢出情況(黃瑋強(qiáng)、莊新田和姚爽)[10]，也有學(xué)者對股市與債市之間的信息溢出(徐信喆、楊朝軍和陳強(qiáng))[11]、國際石油價格對股市的信息溢出(宋科艷)[12]、人民幣匯率市場對股市的信息溢出(陳云)[13]進(jìn)行了研究。還有一些文獻(xiàn)研究了其他市場間的信息溢出情況，如劉向麗等[14]分析了商品期、現(xiàn)貨兩個市場間的信息溢出效應(yīng)；陸鳳彬和洪永淼[15]研究了上海期貨交易所(SHFE)和倫敦金屬交易所(LME)銅期貨市場間信息溢出的時變特征；羅榮華和門明[16]建立基于t分布的VECM-MVGARCH-BEKK模型研究了股指期貨和現(xiàn)貨市場的信息溢出效應(yīng)；鄧宏亮和黃太洋[17]采用線性及非線性Granger因果檢驗方法研究了我國糧食期貨市場價格與匯率之間不同階段的信息傳遞溢出；黃文彬和李海栗[18]分析了全球主要碳金融工具的信息溢出效應(yīng)；張海亮和饒永恒[19]運(yùn)用信息溢出檢驗方法(Hong方法)詳細(xì)分析了我國稀有金屬現(xiàn)貨市場內(nèi)各品種間的信息溢出效應(yīng)及國內(nèi)外稀有金屬現(xiàn)貨市場間的信息溢出效應(yīng)。
常見的用于檢驗信息溢出的方法有線性或非線性Granger因果檢驗、多元GARCH模型、CoVaR等。而Diebold和Yilmaz[20]基于向量自回歸模型中傳統(tǒng)正交方差分解方法提出的總體溢出指數(shù)，能夠更直觀地描述多個市場間的總體溢出方向和大小。但該方法同樣存在缺陷，其所依賴的Cholesky分解方法的結(jié)果會受到變量次序的影響。因此Diebold和Yilmaz[21]對該方法進(jìn)行改進(jìn)，在廣義預(yù)測誤差方差分解的基礎(chǔ)上構(gòu)建更具有普遍性的溢出指數(shù)，消除了由于變量排序不同造成的結(jié)果差異問題。Barunik et al.[22]對Diebold和Yilmaz的模型進(jìn)行了改進(jìn)，采用高頻數(shù)據(jù)區(qū)分出正向波動和負(fù)向波動，從而考察了美國股市上波動溢出的非對稱性。隨后該方法被引入國內(nèi)，大量學(xué)者采用該方法對不同金融市場之間的信息溢出進(jìn)行了研究。梁琪、李政和郝項超[23]采用溢出指數(shù)方法研究了全球17個國家或地區(qū)的股票市場的聯(lián)動，測度了中國股市信息溢出的方向、水平和動態(tài)趨勢；李政、梁琪和涂曉楓[24]構(gòu)建了我國上市金融機(jī)構(gòu)之間的關(guān)聯(lián)網(wǎng)絡(luò)，通過網(wǎng)絡(luò)分析法解構(gòu)了金融網(wǎng)絡(luò)的總體關(guān)聯(lián)性以及部門內(nèi)和部門間的關(guān)聯(lián)特征；歐陽紅兵和汪清梅[25]基于方差分解的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對我國13家主要上市銀行機(jī)構(gòu)的股票波動率的關(guān)聯(lián)度進(jìn)行了度量及分析；尹力博和吳優(yōu)[27]采用廣義溢出指數(shù)法研究了離岸人民幣與中國周邊國家(地區(qū))貨幣的溢出效應(yīng)及其時變特征；徐曉光、廖文欣和鄭尊信[27]運(yùn)用廣義溢出指數(shù)法對比分析了滬港通開通前后中國內(nèi)地與中國香港股市行業(yè)間波動溢出效應(yīng)的變化及其形成機(jī)理。
但是較少有學(xué)者將股票市場、期貨市場及債券市場綜合一起考慮，用廣義溢出指數(shù)法分析三個市場之間信息溢出的更為少見?？紤]到采用經(jīng)濟(jì)周期或貨幣周期劃分的投資時鐘，可以有效的在大類資產(chǎn)之間進(jìn)行輪動配置，從而獲得較為穩(wěn)定的超額投資收益(周亮[28]；郜哲[29])，因此從信息溢出角度研究三個市場之間的內(nèi)在傳導(dǎo)機(jī)制，具有較強(qiáng)的理論和現(xiàn)實意義。并且，目前國內(nèi)對Diebold和Yilmaz方法進(jìn)行研究的文獻(xiàn)，還很少有涉及到對正負(fù)波動溢出非對稱性的研究。因此，本文將借鑒Diebold和Yilmaz[21]提出的廣義溢出指數(shù)研究方法，通過基于方差分解的關(guān)聯(lián)性表及拓?fù)渚W(wǎng)絡(luò)來分析我國股票、期貨和債券三個市場間的收益率溢出和波動率溢出情況，并且通過將波動分為正向波動和負(fù)向波動，考察了波動溢出的非對稱性；同時考慮到2015年6月我國發(fā)生了舉世矚目的股災(zāi)，不僅導(dǎo)致股市千股一再跌停，同時風(fēng)險也向其他資產(chǎn)市場擴(kuò)散，因此討論了股災(zāi)發(fā)生前后6個月時間里三個市場的波動率溢出的變動情況，除了可以更好的利用廣義溢出指數(shù)分析三個市場的溢出機(jī)制外，也能為投資理論和實踐提供更充分的指導(dǎo)依據(jù)。
1 研究設(shè)計
1.1 大類資產(chǎn)關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建及特征刻畫
網(wǎng)狀拓?fù)浣Y(jié)構(gòu)主要指各節(jié)點通過傳輸線互相連接起來，并且每一個節(jié)點至少與其他兩個節(jié)點相連，主要應(yīng)用在計算機(jī)領(lǐng)域，用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來描述大類資產(chǎn)之間的關(guān)聯(lián)網(wǎng)絡(luò)，可以很好的描述出大類資產(chǎn)之間的信息溢出機(jī)制。采用向量自回歸(VAR)模型來研究大類資產(chǎn)之間的關(guān)聯(lián)關(guān)系，向量自回歸模型是基于數(shù)據(jù)的統(tǒng)計特征，將系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中每一個內(nèi)生變量的滯后值的函數(shù)來構(gòu)造的模型，常用來預(yù)測相互聯(lián)系的時間序列系統(tǒng)及分析隨機(jī)擾動對變量系統(tǒng)的動態(tài)沖擊。方差分解給出的則是VAR模型中的變量產(chǎn)生影響的每個隨機(jī)擾動的相對重要性的信息，可以用方差分解將網(wǎng)絡(luò)拓?fù)浞治鲋袕?fù)雜的系數(shù)矩陣轉(zhuǎn)化為可反映系統(tǒng)關(guān)聯(lián)性的矩陣——關(guān)聯(lián)性表。根據(jù)Diebold and Yilmaz[21]的方法，選擇沖擊期為12期的方差分解可以測算出大類資產(chǎn)之間的關(guān)聯(lián)性表。略有不同的是，本文選取的是2010年1月至2017年12月的所有周數(shù)據(jù)進(jìn)行測算，考慮到一年的交易周約為50周，因此形成期采用50期，而不是像Diebold and Yilmaz[21]采用的100期。具體的關(guān)聯(lián)性表構(gòu)造如表1所示：
表1 拓?fù)渚W(wǎng)絡(luò)的關(guān)聯(lián)性表
1.2 樣本選擇及描述性分析
表2 三類資產(chǎn)收益率及波動率的描述性統(tǒng)計情況
表3報告了三類資產(chǎn)在整體樣本區(qū)間的收益率和波動率之間的相關(guān)系數(shù)。可以看到，收益率方面，股票和期貨在1%的顯著性水平下存在著正相關(guān)關(guān)系，期貨與債券在5%的顯著性水平下存在著負(fù)相關(guān)關(guān)系，但是股票和債券之間卻沒有顯著的相關(guān)性；波動率方面，股票與債券在1%的顯著性水平下存在著正相關(guān)關(guān)系，期貨與債券之間也存在著顯著的正相關(guān)關(guān)系，但是股票和期貨之間的相關(guān)性卻不顯著。因此，綜合來看，三類資產(chǎn)之間的收益率或波動率之間存在著一定的相關(guān)關(guān)系。但是表3只是整體樣本區(qū)間的靜態(tài)分析，且只能簡單看出資產(chǎn)之間的兩兩相關(guān)性，無法判別相互之間的影響機(jī)制，因此下文將采用基于方差分解的網(wǎng)絡(luò)拓?fù)浞治鰜硌芯抠Y產(chǎn)之間的信息溢出機(jī)制。
表3 三類資產(chǎn)之間的收益率及波動率間的相關(guān)系數(shù)表
注：*、**、***分別表示在10%、5%、1%水平下顯著。
2 實證檢驗與結(jié)果分析
2.1 全樣本信息溢出分析
采用表1的方法研究樣本區(qū)間內(nèi)三類資產(chǎn)之間的信息溢出機(jī)制，表4報告了相關(guān)研究結(jié)果?？梢钥吹剑瑹o論是收益率還是波動率，三類資產(chǎn)均主要是受到自身的影響(從對角線上的數(shù)值大小看出)，綜合來看，股票對自身的影響最大，債券對自身的影響最小。收益率溢出方面，股票對其他資產(chǎn)的溢出值為28.6，而受到其他兩類資產(chǎn)的溢出影響為14.13，因此股票的凈溢出為14.47；期貨對其他兩類資產(chǎn)的溢出影響為23.67，但是受到其他兩類資產(chǎn)的溢出影響為25.96，凈溢出為-2.29；債券對其他兩類資產(chǎn)的溢出影響為16.48，受到其他兩類資產(chǎn)的溢出影響為28.67，凈溢出為-12.19；綜合來看，股票對其他兩類資產(chǎn)有收益率溢出影響，而期貨和債券則處于收益率的被溢出影響狀態(tài)。波動率溢出方面，股票的凈溢出為9.82，期貨的凈溢出為8.74，債券的凈溢出為-18.56，因此與收益率溢出有所不同，股票仍然對其他資產(chǎn)有波動率溢出影響，但是期貨也是處于波動率溢出狀態(tài)，只有債券處于被溢出狀態(tài)。因此，整體來看，股票對期貨和債券均有收益率溢出影響，而股票和期貨對債券均有波動率溢出影響。從整體溢出指數(shù)來看，收益率溢出的綜合值為22.92，波動率溢出的綜合值為20.82，相對于100的總體分值，綜合值均偏低，表明我國不同資本市場之間的相互影響相對來說并不是很大。
表4 全樣本信息溢出情況表
通過大類資產(chǎn)兩兩之間的溢出值大小，可以更清晰的看到資產(chǎn)之間的溢出情況，圖1報告了收益率溢出和波動率溢出的拓?fù)渚W(wǎng)絡(luò)圖。可以看到，在收益率溢出方面，股票對期貨有9.65的凈溢出，而對債券有4.82的凈溢出，期貨則對債券有7.37的凈溢出；波動率溢出的方向與收益率溢出相同，只是數(shù)值上有所差異，股票對期貨的凈溢出為6.06、對債券的凈溢出為3.76，而期貨對債券的凈溢出為14.79。因此可以看到，股票在三類資產(chǎn)中處于凈溢出狀態(tài)，而期貨則受到股票的溢出、以及對債券進(jìn)行溢出，相對來說，股票對期貨市場的溢出比對債券市場的溢出更大，而期貨對債券市場的溢出比股票對債券市場的溢出更大，說明股票與期貨市場之間、期貨與債券市場之間的聯(lián)系相對更為緊密。
圖1 資產(chǎn)之間凈溢出拓?fù)渚W(wǎng)絡(luò)圖
2.2 信息溢出的時變特征分析
2.2.1 整體溢出時變特征
三個市場的整體溢出情況如圖2所示，可以看到，對于收益率整體溢出而言，2015年之前總體處于下降趨勢，但是在2015年之后逐漸上升；溢出值最大的是2012年的33.36，說明各資產(chǎn)之間的影響占到了整體影響的三分之一(33.36/100)左右，總體溢出較高，溢出值最小的是2015年的15.70，各資產(chǎn)之間的相互影響只占到整體影響的七分之一(15.70/100)左右，相對于2012年有了明顯下降，2017年整體收益率溢出又上升到了23.26，各資產(chǎn)之間的收益率溢出有進(jìn)一步上升的趨勢。對于波動率整體溢出而言，2015年之前總體處于下降趨勢，這與收益率溢出相似，但是2016年波動率溢出雖然上升了，2017年卻下降了；波動率溢出的最大值出現(xiàn)在2011年的28.55，最小值出現(xiàn)在2015年的14.48。相對于收益率溢出而言，波動率溢出整體趨勢大體相似，但是數(shù)值略小。
圖2 大類資產(chǎn)整體溢出情況
2.2.2 各資產(chǎn)凈溢出時變特征
圖3報告了三類資產(chǎn)凈溢出的時序變動特征?？梢钥吹?，不同于整體溢出，各資產(chǎn)的收益率凈溢出與波動率凈溢出并不同步。股票的凈溢出方面，除了2011年波動率凈溢出為負(fù)之外，其他所有年份的收益率凈溢出和波動率凈溢出都為正，說明股票資產(chǎn)整體處于對其他資產(chǎn)有溢出影響的狀態(tài)；收益率凈溢出的最高值出現(xiàn)在2017年的31.01，最小值出現(xiàn)在2016年的0.88；波動率凈溢出的最高值出現(xiàn)在2014年的36.61，最小值出現(xiàn)在2011年的-7.69；總體而言，股票處于凈溢出狀態(tài)，且部分年份對其他資產(chǎn)的溢出影響效應(yīng)很強(qiáng)。期貨的凈溢出方向則并不穩(wěn)定，無論是收益率溢出還是波動率溢出，均是有正有負(fù)，說明期貨資產(chǎn)部分年份對其他兩類資產(chǎn)有凈溢出影響，部分年份則是受其他兩類資產(chǎn)的凈溢出影響。債券資產(chǎn)除了收益率溢出在2016年為正，其他年份的收益率溢出和波動率溢出均為負(fù)，且收益率溢出的最小值出現(xiàn)在2017年的-28.63，波動率溢出的最小值出現(xiàn)在2016年的-35.42，說明債券資產(chǎn)處于受其他兩類資產(chǎn)溢出影響的狀態(tài)，而且被溢出的程度還較高。
圖3 各類資產(chǎn)的凈溢出情況
2.2.3 資產(chǎn)間信息溢出時變特征
圖4報告了三類資產(chǎn)兩兩之間的信息溢出時變特征情況。可以看到，股票對期貨的信息溢出在大部分年份均為正，除了2014年的收益率溢出及2011年的波動率溢出，且收益率溢出的最大值為2012年的25.59，波動率溢出的最大值為2014年的21.38，說明股票對期貨的信息溢出較大。股票對債券的信息溢出在大部分年份均為正，除了2016年的收益率溢出及2012、2013年的波動率溢出，且收益率溢出的最大值為2017年的17.36，波動率溢出的最大值為2014年的15.24，相對于股票對期貨的信息溢出值而言，股票對債券的信息溢出相對較弱。期貨對債券的信息溢出大部分年份為正，除了2014年的收益率溢出和2017年的波動率溢出，且收益率溢出的最大值為2011年的26.65，波動率溢出的最大值為2012年的34.89，均要大于股票對期貨的信息溢出，說明期貨對債券的信息溢出是所有資產(chǎn)間溢出最大的。
圖4 資產(chǎn)間的信息溢出
2.3 基于GARCH波動率和已實現(xiàn)波動率(RV)的穩(wěn)健性檢驗
表5 GARCH波動率和RV波動率的信息溢出情況表
圖5 資產(chǎn)之間GARCH波動率和RV波動率溢出拓?fù)渚W(wǎng)絡(luò)圖
圖6 GARCH波動率和RV波動率溢出時變特征
2.4 波動率溢出的非對稱性檢驗
考慮到波動率溢出可能存在著非對稱性(Barunik et al.[22])，即正向波動溢出跟負(fù)向波動溢出可能存在著差異，因此通過采用高頻數(shù)據(jù)來區(qū)分正向波動和負(fù)向波動，從而考察大類資產(chǎn)間波動溢出的非對稱性。正向波動的計算公式為
負(fù)向波動的計算公式為
分別計算出股票、期貨和債券三個序列的正負(fù)向波動序列，并采用Diebold and Yilmaz方法分別計算出正負(fù)波動溢出情況，結(jié)果如表6和圖7所示。從表6可以看到，整體來看，正向波動溢出要比負(fù)向波動溢出高：正向波動總溢出值為21.92，高于負(fù)向波動總溢出值的18.78；股票、期貨和債券正向波動凈溢出分別為31.54、19.15和15.08，均要高于負(fù)向波動凈溢出的25.45、18.21和12.67；股票、期貨和債券正向波動接受溢出值分別為16.40、24.44和24.93，均要高于負(fù)向波動接受溢出值的14.64、19.27和22.43。從圖7正負(fù)向波動總溢出值的走勢圖來看，除2012年外，正向波動溢出均高于負(fù)向波動溢出，但是經(jīng)檢驗，兩個序列配對檢驗T值為1.11，在5%水平上并不顯著。因此綜合來看，大類資產(chǎn)間正向波動的溢出要略高于負(fù)向波動的溢出。這與Barunik et al.等學(xué)者的研究結(jié)論有差異，大多數(shù)學(xué)者研究均指出負(fù)向波動的溢出會高于正向波動，這是由于羊群效應(yīng)更容易導(dǎo)致危機(jī)擴(kuò)散。但是考慮到本文研究的是國內(nèi)的大類資產(chǎn)市場，受到共同的貨幣環(huán)境、經(jīng)濟(jì)政策等影響，在貨幣寬松時期，更容易出現(xiàn)共同上漲現(xiàn)象；但是由于國內(nèi)金融工具不如發(fā)達(dá)市場多元，在某個市場發(fā)生危機(jī)時，為了資產(chǎn)分散化需要，在其他市場的資產(chǎn)配置可能受到的影響更小，從而才導(dǎo)致了負(fù)向波動溢出值更小。
表6 正負(fù)向波動的信息溢出情況表
圖7 正負(fù)向波動溢出時變特征
2.5 進(jìn)一步討論：股災(zāi)對資產(chǎn)間信息溢出的影響
2015年6月我國股市發(fā)生了舉世矚目的股災(zāi)，不僅傳染到了國際股市，而且對我國期貨和債券市場也產(chǎn)生了一定影響。通過信息溢出機(jī)制可以較好的反映出股災(zāi)前后我國大類資產(chǎn)之間的風(fēng)險傳染情況，選取股災(zāi)前后一共6個月的時間，采用50周的滾動時間窗口計算這6個月內(nèi)每周的波動溢出狀況，如2015年6月19日當(dāng)周的波動溢出采用2014年7月4日至2015年6月19日的數(shù)據(jù)計算，依次類推。圖8報告了三類資產(chǎn)在股災(zāi)前后的波動率凈溢出情況。可以看到，股票市場一直處于波動凈溢出狀態(tài)，但是在股災(zāi)發(fā)生前凈溢出逐漸降低，但是在7月10日當(dāng)周突然增大。這里需要說明的是，股票市場凈溢出突然增大之所以不是股災(zāi)發(fā)生的6月末，主要原因有兩點：一是廣義方差分解法采用的是50周的滾動時間窗口數(shù)據(jù)，雖然近期的數(shù)據(jù)影響更大，但是也會受到遠(yuǎn)期數(shù)據(jù)的影響，因此會導(dǎo)致結(jié)果存在一定的時滯；二是股災(zāi)雖然發(fā)生在6月末，但是恐慌情緒往其他市場傳染存在時滯，如期貨市場在6月份并沒有出現(xiàn)下跌，在7月10日當(dāng)周卻出現(xiàn)了4%以上的下挫。因此可以看出，股票市場的風(fēng)險在發(fā)生股災(zāi)之后向期貨市場進(jìn)行了擴(kuò)散，而從圖8可以看到，債券市場在股災(zāi)期間的風(fēng)險溢出并沒有擴(kuò)大，反而從股災(zāi)前的被溢出狀態(tài)轉(zhuǎn)變?yōu)槲⑷醯膬粢绯鰻顟B(tài)。圖9對資產(chǎn)間兩兩之間的溢出關(guān)系進(jìn)行了詳細(xì)說明，可以更清晰的看到，股災(zāi)期間股票市場對期貨市場產(chǎn)生了極大的風(fēng)險溢出，且在股災(zāi)之后的溢出水平比股災(zāi)之前均有所提高；但是債券市場的被溢出狀態(tài)卻一直處于下降，股災(zāi)之后甚至對股票市場從被溢出變成了凈溢出。因此，綜合來看，在股災(zāi)等極端風(fēng)險發(fā)生時，股市的風(fēng)險更容易向期貨市場傳染，而債券市場卻相對更為穩(wěn)定，不容易被極端風(fēng)險感染。這是由于我國資本市場上股市和期貨市場的投機(jī)氛圍更重，股市和期貨市場上散戶投資者參與甚眾，當(dāng)一個市場因極端事件發(fā)生暴跌時，另一個市場也容易因羊群效應(yīng)而出現(xiàn)踩踏；而債券市場主要是銀行間市場，外部監(jiān)管和內(nèi)部風(fēng)控更嚴(yán)格，且我國債市由于政府隱性擔(dān)保，因此總體波動極小，相對來說也更為穩(wěn)定。
圖8 三類資產(chǎn)在2015年股災(zāi)前后的波動率凈溢出時變特征圖
圖9 股災(zāi)前后資產(chǎn)間的波動率溢出時變特征圖
3 研究結(jié)論與政策建議
根據(jù)Diebold和Yilmaz[21]提出的廣義溢出指數(shù)研究方法，對2011年至2017年我國股票市場、期貨市場及債券市場的周收益率和周波動率數(shù)據(jù)進(jìn)行分析，以探討三個市場之間的信息溢出機(jī)制，結(jié)果發(fā)現(xiàn)：收益率溢出方面，股票對其他兩類資產(chǎn)有溢出影響，而期貨和債券則處于被溢出的狀態(tài)；波動率溢出方面，股票和期貨均處于溢出狀態(tài)，只有債券的處于被溢出狀態(tài)；從整體溢出指數(shù)來看，收益率溢出的綜合值為22.92，波動率溢出的綜合值為20.82，相對于100的總體分值，綜合值均偏低，表明我國不同資本市場之間的相互影響相對來說較小；從時變特征上也能看出相同的狀況，股票在所有年份里的收益率凈溢出和波動率凈溢出大多為正，期貨則時正時負(fù)，債券則大多為負(fù)，表明股票大多數(shù)情況處于溢出狀態(tài)，期貨方向并不明確，而債券則大多數(shù)情況處于被溢出狀態(tài)；通過對正負(fù)向波動溢出情況進(jìn)行對比分析波動溢出的非對稱性，結(jié)果發(fā)現(xiàn)正向波動溢出整體來看要高于負(fù)向波動的溢出，但是在統(tǒng)計上并不顯著。對2015年6月股災(zāi)前后三個市場的波動率溢出分析后可以發(fā)現(xiàn)，在股災(zāi)等極端風(fēng)險發(fā)生時，股市的風(fēng)險更容易向期貨市場傳染，而債券市場相對更為穩(wěn)定，不容易被極端風(fēng)險感染。本文的研究很好的將其他學(xué)者對資本市場信息溢出的結(jié)論和方法擴(kuò)展到了更大范圍的大類資產(chǎn)，同時對波動溢出的非對稱性進(jìn)行了探討，這也是本文的創(chuàng)新之處。
本文的研究具有一定的理論和現(xiàn)實意義，對于投資者和監(jiān)管層也提供了很好的政策依據(jù)：第一，我國股票市場和期貨市場的聯(lián)動更為緊密，而且更多的是股票市場對期貨市場的傳染，因此對于期貨市場投資者而言，除了加強(qiáng)對期貨市場本身的研究之外，需要對股市也保持足夠的關(guān)注，對于監(jiān)管層而言，則應(yīng)該在股市發(fā)生風(fēng)險時，即時出臺政策，防止期貨市場也出現(xiàn)過度的反應(yīng)；第二，債券市場雖然整體而言處于被溢出狀態(tài)，相對于股票和期貨市場，更容易受到其他市場的影響，但是通過對股災(zāi)期間波動率溢出的分析，可以看到，在其他市場極端風(fēng)險發(fā)生時，債券市場反而會從被溢出狀態(tài)轉(zhuǎn)變?yōu)橐绯鰻顟B(tài)，因此應(yīng)該加大債券市場建設(shè)的力度，同時加強(qiáng)投資者教育，吸引更多的投資者進(jìn)行債券市場的投資，而不是只關(guān)注更高風(fēng)險的股票和期貨市場；第三，本文的研究驗證了各資產(chǎn)市場之間的聯(lián)動性，因此通過識別周期拐點進(jìn)行大類資產(chǎn)配置是合適的，正像很多學(xué)者所證明的，投資的絕大部分收益來自于資產(chǎn)配置，而不是擇時或選股，因此對于機(jī)構(gòu)投資者而言，應(yīng)該大力加強(qiáng)資產(chǎn)輪動配置的研究，在降低投資風(fēng)險的同時也能夠有效擴(kuò)大投資收益。
猜你喜歡
紙漿期貨市場相關(guān)數(shù)據(jù)造紙信息(2022年2期)2022-04-03 22:13:20 肥料企業(yè)該如何面對尿素期貨市場?中國化肥信息(2019年7期)2019-08-26 09:46:54 量化投資在期貨市場的有效應(yīng)用現(xiàn)代營銷(創(chuàng)富信息版)(2018年8期)2018-09-08 08:51:56 生豬期貨離我們還有多遠(yuǎn)?河南畜牧獸醫(yī)(2017年8期)2017-11-24 03:20:45 中糧期貨 忠良品格農(nóng)經(jīng)(2017年1期)2017-01-17 07:23:24 股災(zāi)一周年重要數(shù)據(jù)股市動態(tài)分析(2016年22期)2016-12-27 18:42:32 股價創(chuàng)股災(zāi)以來新低的股票股市動態(tài)分析(2016年2期)2016-09-27 21:22:52 股災(zāi)爆發(fā)近一周年 人均虧損46.65萬元證券市場周刊(2016年22期)2016-06-20 18:42:20 股災(zāi)帶給我們的六點啟示21世紀(jì)商業(yè)評論(2015年8期)2015-08-04 10:29:14 期貨立法正在起草中法人(2014年2期)2014-02-27 10:41:33
周 亮
(1.湖南財政經(jīng)濟(jì)學(xué)院 學(xué)報編輯部，湖南 長沙 410205; 2.湖南師范大學(xué) 商學(xué)院，湖南 長沙 410081)
0 引言
隨著經(jīng)濟(jì)一體化程度越來越高、投資者越來越成熟，大類資產(chǎn)市場之間不再是分割的個體，而是聯(lián)系越來越緊密，相互之間的影響越來越密切，風(fēng)險的傳染也越來越迅速。國際上關(guān)于金融市場互動關(guān)系的研究文獻(xiàn)，多數(shù)是以歐美主要股市為研究對象(Koutmos and Booth[1]；Fratzscher[2]；Bodart and Candelon[3])，后來擴(kuò)展到對于匯市之間、債券市場間聯(lián)動關(guān)系的研究(Hong[4]；Inagaki[5])，研究結(jié)論表明國際主要股市間存在明顯的溢出效應(yīng)，可以稱之為金融傳染(Forbes and Rigobon[6])。國內(nèi)學(xué)者方面，大部分研究同樣集中在對股市信息溢出的研究(馮旭南和徐宗宇[7])以及滬深股市與香港或美國股市之間的信息溢出機(jī)制(李紅權(quán)、洪永淼和汪壽陽[8]；劉磊和王宇[9])，還有學(xué)者研究了股市內(nèi)部行業(yè)間的信息溢出情況(黃瑋強(qiáng)、莊新田和姚爽)[10]，也有學(xué)者對股市與債市之間的信息溢出(徐信喆、楊朝軍和陳強(qiáng))[11]、國際石油價格對股市的信息溢出(宋科艷)[12]、人民幣匯率市場對股市的信息溢出(陳云)[13]進(jìn)行了研究。還有一些文獻(xiàn)研究了其他市場間的信息溢出情況，如劉向麗等[14]分析了商品期、現(xiàn)貨兩個市場間的信息溢出效應(yīng)；陸鳳彬和洪永淼[15]研究了上海期貨交易所(SHFE)和倫敦金屬交易所(LME)銅期貨市場間信息溢出的時變特征；羅榮華和門明[16]建立基于t分布的VECM-MVGARCH-BEKK模型研究了股指期貨和現(xiàn)貨市場的信息溢出效應(yīng)；鄧宏亮和黃太洋[17]采用線性及非線性Granger因果檢驗方法研究了我國糧食期貨市場價格與匯率之間不同階段的信息傳遞溢出；黃文彬和李海栗[18]分析了全球主要碳金融工具的信息溢出效應(yīng)；張海亮和饒永恒[19]運(yùn)用信息溢出檢驗方法(Hong方法)詳細(xì)分析了我國稀有金屬現(xiàn)貨市場內(nèi)各品種間的信息溢出效應(yīng)及國內(nèi)外稀有金屬現(xiàn)貨市場間的信息溢出效應(yīng)。
常見的用于檢驗信息溢出的方法有線性或非線性Granger因果檢驗、多元GARCH模型、CoVaR等。而Diebold和Yilmaz[20]基于向量自回歸模型中傳統(tǒng)正交方差分解方法提出的總體溢出指數(shù)，能夠更直觀地描述多個市場間的總體溢出方向和大小。但該方法同樣存在缺陷，其所依賴的Cholesky分解方法的結(jié)果會受到變量次序的影響。因此Diebold和Yilmaz[21]對該方法進(jìn)行改進(jìn)，在廣義預(yù)測誤差方差分解的基礎(chǔ)上構(gòu)建更具有普遍性的溢出指數(shù)，消除了由于變量排序不同造成的結(jié)果差異問題。Barunik et al.[22]對Diebold和Yilmaz的模型進(jìn)行了改進(jìn)，采用高頻數(shù)據(jù)區(qū)分出正向波動和負(fù)向波動，從而考察了美國股市上波動溢出的非對稱性。隨后該方法被引入國內(nèi)，大量學(xué)者采用該方法對不同金融市場之間的信息溢出進(jìn)行了研究。梁琪、李政和郝項超[23]采用溢出指數(shù)方法研究了全球17個國家或地區(qū)的股票市場的聯(lián)動，測度了中國股市信息溢出的方向、水平和動態(tài)趨勢；李政、梁琪和涂曉楓[24]構(gòu)建了我國上市金融機(jī)構(gòu)之間的關(guān)聯(lián)網(wǎng)絡(luò)，通過網(wǎng)絡(luò)分析法解構(gòu)了金融網(wǎng)絡(luò)的總體關(guān)聯(lián)性以及部門內(nèi)和部門間的關(guān)聯(lián)特征；歐陽紅兵和汪清梅[25]基于方差分解的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)對我國13家主要上市銀行機(jī)構(gòu)的股票波動率的關(guān)聯(lián)度進(jìn)行了度量及分析；尹力博和吳優(yōu)[27]采用廣義溢出指數(shù)法研究了離岸人民幣與中國周邊國家(地區(qū))貨幣的溢出效應(yīng)及其時變特征；徐曉光、廖文欣和鄭尊信[27]運(yùn)用廣義溢出指數(shù)法對比分析了滬港通開通前后中國內(nèi)地與中國香港股市行業(yè)間波動溢出效應(yīng)的變化及其形成機(jī)理。
但是較少有學(xué)者將股票市場、期貨市場及債券市場綜合一起考慮，用廣義溢出指數(shù)法分析三個市場之間信息溢出的更為少見?？紤]到采用經(jīng)濟(jì)周期或貨幣周期劃分的投資時鐘，可以有效的在大類資產(chǎn)之間進(jìn)行輪動配置，從而獲得較為穩(wěn)定的超額投資收益(周亮[28]；郜哲[29])，因此從信息溢出角度研究三個市場之間的內(nèi)在傳導(dǎo)機(jī)制，具有較強(qiáng)的理論和現(xiàn)實意義。并且，目前國內(nèi)對Diebold和Yilmaz方法進(jìn)行研究的文獻(xiàn)，還很少有涉及到對正負(fù)波動溢出非對稱性的研究。因此，本文將借鑒Diebold和Yilmaz[21]提出的廣義溢出指數(shù)研究方法，通過基于方差分解的關(guān)聯(lián)性表及拓?fù)渚W(wǎng)絡(luò)來分析我國股票、期貨和債券三個市場間的收益率溢出和波動率溢出情況，并且通過將波動分為正向波動和負(fù)向波動，考察了波動溢出的非對稱性；同時考慮到2015年6月我國發(fā)生了舉世矚目的股災(zāi)，不僅導(dǎo)致股市千股一再跌停，同時風(fēng)險也向其他資產(chǎn)市場擴(kuò)散，因此討論了股災(zāi)發(fā)生前后6個月時間里三個市場的波動率溢出的變動情況，除了可以更好的利用廣義溢出指數(shù)分析三個市場的溢出機(jī)制外，也能為投資理論和實踐提供更充分的指導(dǎo)依據(jù)。
1 研究設(shè)計
1.1 大類資產(chǎn)關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建及特征刻畫
網(wǎng)狀拓?fù)浣Y(jié)構(gòu)主要指各節(jié)點通過傳輸線互相連接起來，并且每一個節(jié)點至少與其他兩個節(jié)點相連，主要應(yīng)用在計算機(jī)領(lǐng)域，用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來描述大類資產(chǎn)之間的關(guān)聯(lián)網(wǎng)絡(luò)，可以很好的描述出大類資產(chǎn)之間的信息溢出機(jī)制。采用向量自回歸(VAR)模型來研究大類資產(chǎn)之間的關(guān)聯(lián)關(guān)系，向量自回歸模型是基于數(shù)據(jù)的統(tǒng)計特征，將系統(tǒng)中每一個內(nèi)生變量作為系統(tǒng)中每一個內(nèi)生變量的滯后值的函數(shù)來構(gòu)造的模型，常用來預(yù)測相互聯(lián)系的時間序列系統(tǒng)及分析隨機(jī)擾動對變量系統(tǒng)的動態(tài)沖擊。方差分解給出的則是VAR模型中的變量產(chǎn)生影響的每個隨機(jī)擾動的相對重要性的信息，可以用方差分解將網(wǎng)絡(luò)拓?fù)浞治鲋袕?fù)雜的系數(shù)矩陣轉(zhuǎn)化為可反映系統(tǒng)關(guān)聯(lián)性的矩陣——關(guān)聯(lián)性表。根據(jù)Diebold and Yilmaz[21]的方法，選擇沖擊期為12期的方差分解可以測算出大類資產(chǎn)之間的關(guān)聯(lián)性表。略有不同的是，本文選取的是2010年1月至2017年12月的所有周數(shù)據(jù)進(jìn)行測算，考慮到一年的交易周約為50周，因此形成期采用50期，而不是像Diebold and Yilmaz[21]采用的100期。具體的關(guān)聯(lián)性表構(gòu)造如表1所示：
表1 拓?fù)渚W(wǎng)絡(luò)的關(guān)聯(lián)性表
1.2 樣本選擇及描述性分析
表2 三類資產(chǎn)收益率及波動率的描述性統(tǒng)計情況
表3報告了三類資產(chǎn)在整體樣本區(qū)間的收益率和波動率之間的相關(guān)系數(shù)。可以看到，收益率方面，股票和期貨在1%的顯著性水平下存在著正相關(guān)關(guān)系，期貨與債券在5%的顯著性水平下存在著負(fù)相關(guān)關(guān)系，但是股票和債券之間卻沒有顯著的相關(guān)性；波動率方面，股票與債券在1%的顯著性水平下存在著正相關(guān)關(guān)系，期貨與債券之間也存在著顯著的正相關(guān)關(guān)系，但是股票和期貨之間的相關(guān)性卻不顯著。因此，綜合來看，三類資產(chǎn)之間的收益率或波動率之間存在著一定的相關(guān)關(guān)系。但是表3只是整體樣本區(qū)間的靜態(tài)分析，且只能簡單看出資產(chǎn)之間的兩兩相關(guān)性，無法判別相互之間的影響機(jī)制，因此下文將采用基于方差分解的網(wǎng)絡(luò)拓?fù)浞治鰜硌芯抠Y產(chǎn)之間的信息溢出機(jī)制。
表3 三類資產(chǎn)之間的收益率及波動率間的相關(guān)系數(shù)表
注：*、**、***分別表示在10%、5%、1%水平下顯著。
2 實證檢驗與結(jié)果分析
2.1 全樣本信息溢出分析
采用表1的方法研究樣本區(qū)間內(nèi)三類資產(chǎn)之間的信息溢出機(jī)制，表4報告了相關(guān)研究結(jié)果?？梢钥吹剑瑹o論是收益率還是波動率，三類資產(chǎn)均主要是受到自身的影響(從對角線上的數(shù)值大小看出)，綜合來看，股票對自身的影響最大，債券對自身的影響最小。收益率溢出方面，股票對其他資產(chǎn)的溢出值為28.6，而受到其他兩類資產(chǎn)的溢出影響為14.13，因此股票的凈溢出為14.47；期貨對其他兩類資產(chǎn)的溢出影響為23.67，但是受到其他兩類資產(chǎn)的溢出影響為25.96，凈溢出為-2.29；債券對其他兩類資產(chǎn)的溢出影響為16.48，受到其他兩類資產(chǎn)的溢出影響為28.67，凈溢出為-12.19；綜合來看，股票對其他兩類資產(chǎn)有收益率溢出影響，而期貨和債券則處于收益率的被溢出影響狀態(tài)。波動率溢出方面，股票的凈溢出為9.82，期貨的凈溢出為8.74，債券的凈溢出為-18.56，因此與收益率溢出有所不同，股票仍然對其他資產(chǎn)有波動率溢出影響，但是期貨也是處于波動率溢出狀態(tài)，只有債券處于被溢出狀態(tài)。因此，整體來看，股票對期貨和債券均有收益率溢出影響，而股票和期貨對債券均有波動率溢出影響。從整體溢出指數(shù)來看，收益率溢出的綜合值為22.92，波動率溢出的綜合值為20.82，相對于100的總體分值，綜合值均偏低，表明我國不同資本市場之間的相互影響相對來說并不是很大。
表4 全樣本信息溢出情況表
通過大類資產(chǎn)兩兩之間的溢出值大小，可以更清晰的看到資產(chǎn)之間的溢出情況，圖1報告了收益率溢出和波動率溢出的拓?fù)渚W(wǎng)絡(luò)圖。可以看到，在收益率溢出方面，股票對期貨有9.65的凈溢出，而對債券有4.82的凈溢出，期貨則對債券有7.37的凈溢出；波動率溢出的方向與收益率溢出相同，只是數(shù)值上有所差異，股票對期貨的凈溢出為6.06、對債券的凈溢出為3.76，而期貨對債券的凈溢出為14.79。因此可以看到，股票在三類資產(chǎn)中處于凈溢出狀態(tài)，而期貨則受到股票的溢出、以及對債券進(jìn)行溢出，相對來說，股票對期貨市場的溢出比對債券市場的溢出更大，而期貨對債券市場的溢出比股票對債券市場的溢出更大，說明股票與期貨市場之間、期貨與債券市場之間的聯(lián)系相對更為緊密。
圖1 資產(chǎn)之間凈溢出拓?fù)渚W(wǎng)絡(luò)圖
2.2 信息溢出的時變特征分析
2.2.1 整體溢出時變特征
三個市場的整體溢出情況如圖2所示，可以看到，對于收益率整體溢出而言，2015年之前總體處于下降趨勢，但是在2015年之后逐漸上升；溢出值最大的是2012年的33.36，說明各資產(chǎn)之間的影響占到了整體影響的三分之一(33.36/100)左右，總體溢出較高，溢出值最小的是2015年的15.70，各資產(chǎn)之間的相互影響只占到整體影響的七分之一(15.70/100)左右，相對于2012年有了明顯下降，2017年整體收益率溢出又上升到了23.26，各資產(chǎn)之間的收益率溢出有進(jìn)一步上升的趨勢。對于波動率整體溢出而言，2015年之前總體處于下降趨勢，這與收益率溢出相似，但是2016年波動率溢出雖然上升了，2017年卻下降了；波動率溢出的最大值出現(xiàn)在2011年的28.55，最小值出現(xiàn)在2015年的14.48。相對于收益率溢出而言，波動率溢出整體趨勢大體相似，但是數(shù)值略小。
圖2 大類資產(chǎn)整體溢出情況
2.2.2 各資產(chǎn)凈溢出時變特征
圖3報告了三類資產(chǎn)凈溢出的時序變動特征?？梢钥吹?，不同于整體溢出，各資產(chǎn)的收益率凈溢出與波動率凈溢出并不同步。股票的凈溢出方面，除了2011年波動率凈溢出為負(fù)之外，其他所有年份的收益率凈溢出和波動率凈溢出都為正，說明股票資產(chǎn)整體處于對其他資產(chǎn)有溢出影響的狀態(tài)；收益率凈溢出的最高值出現(xiàn)在2017年的31.01，最小值出現(xiàn)在2016年的0.88；波動率凈溢出的最高值出現(xiàn)在2014年的36.61，最小值出現(xiàn)在2011年的-7.69；總體而言，股票處于凈溢出狀態(tài)，且部分年份對其他資產(chǎn)的溢出影響效應(yīng)很強(qiáng)。期貨的凈溢出方向則并不穩(wěn)定，無論是收益率溢出還是波動率溢出，均是有正有負(fù)，說明期貨資產(chǎn)部分年份對其他兩類資產(chǎn)有凈溢出影響，部分年份則是受其他兩類資產(chǎn)的凈溢出影響。債券資產(chǎn)除了收益率溢出在2016年為正，其他年份的收益率溢出和波動率溢出均為負(fù)，且收益率溢出的最小值出現(xiàn)在2017年的-28.63，波動率溢出的最小值出現(xiàn)在2016年的-35.42，說明債券資產(chǎn)處于受其他兩類資產(chǎn)溢出影響的狀態(tài)，而且被溢出的程度還較高。
圖3 各類資產(chǎn)的凈溢出情況
2.2.3 資產(chǎn)間信息溢出時變特征
圖4報告了三類資產(chǎn)兩兩之間的信息溢出時變特征情況。可以看到，股票對期貨的信息溢出在大部分年份均為正，除了2014年的收益率溢出及2011年的波動率溢出，且收益率溢出的最大值為2012年的25.59，波動率溢出的最大值為2014年的21.38，說明股票對期貨的信息溢出較大。股票對債券的信息溢出在大部分年份均為正，除了2016年的收益率溢出及2012、2013年的波動率溢出，且收益率溢出的最大值為2017年的17.36，波動率溢出的最大值為2014年的15.24，相對于股票對期貨的信息溢出值而言，股票對債券的信息溢出相對較弱。期貨對債券的信息溢出大部分年份為正，除了2014年的收益率溢出和2017年的波動率溢出，且收益率溢出的最大值為2011年的26.65，波動率溢出的最大值為2012年的34.89，均要大于股票對期貨的信息溢出，說明期貨對債券的信息溢出是所有資產(chǎn)間溢出最大的。
圖4 資產(chǎn)間的信息溢出
2.3 基于GARCH波動率和已實現(xiàn)波動率(RV)的穩(wěn)健性檢驗
表5 GARCH波動率和RV波動率的信息溢出情況表
圖5 資產(chǎn)之間GARCH波動率和RV波動率溢出拓?fù)渚W(wǎng)絡(luò)圖
圖6 GARCH波動率和RV波動率溢出時變特征
2.4 波動率溢出的非對稱性檢驗
考慮到波動率溢出可能存在著非對稱性(Barunik et al.[22])，即正向波動溢出跟負(fù)向波動溢出可能存在著差異，因此通過采用高頻數(shù)據(jù)來區(qū)分正向波動和負(fù)向波動，從而考察大類資產(chǎn)間波動溢出的非對稱性。正向波動的計算公式為
負(fù)向波動的計算公式為
分別計算出股票、期貨和債券三個序列的正負(fù)向波動序列，并采用Diebold and Yilmaz方法分別計算出正負(fù)波動溢出情況，結(jié)果如表6和圖7所示。從表6可以看到，整體來看，正向波動溢出要比負(fù)向波動溢出高：正向波動總溢出值為21.92，高于負(fù)向波動總溢出值的18.78；股票、期貨和債券正向波動凈溢出分別為31.54、19.15和15.08，均要高于負(fù)向波動凈溢出的25.45、18.21和12.67；股票、期貨和債券正向波動接受溢出值分別為16.40、24.44和24.93，均要高于負(fù)向波動接受溢出值的14.64、19.27和22.43。從圖7正負(fù)向波動總溢出值的走勢圖來看，除2012年外，正向波動溢出均高于負(fù)向波動溢出，但是經(jīng)檢驗，兩個序列配對檢驗T值為1.11，在5%水平上并不顯著。因此綜合來看，大類資產(chǎn)間正向波動的溢出要略高于負(fù)向波動的溢出。這與Barunik et al.等學(xué)者的研究結(jié)論有差異，大多數(shù)學(xué)者研究均指出負(fù)向波動的溢出會高于正向波動，這是由于羊群效應(yīng)更容易導(dǎo)致危機(jī)擴(kuò)散。但是考慮到本文研究的是國內(nèi)的大類資產(chǎn)市場，受到共同的貨幣環(huán)境、經(jīng)濟(jì)政策等影響，在貨幣寬松時期，更容易出現(xiàn)共同上漲現(xiàn)象；但是由于國內(nèi)金融工具不如發(fā)達(dá)市場多元，在某個市場發(fā)生危機(jī)時，為了資產(chǎn)分散化需要，在其他市場的資產(chǎn)配置可能受到的影響更小，從而才導(dǎo)致了負(fù)向波動溢出值更小。
表6 正負(fù)向波動的信息溢出情況表
圖7 正負(fù)向波動溢出時變特征
2.5 進(jìn)一步討論：股災(zāi)對資產(chǎn)間信息溢出的影響
2015年6月我國股市發(fā)生了舉世矚目的股災(zāi)，不僅傳染到了國際股市，而且對我國期貨和債券市場也產(chǎn)生了一定影響。通過信息溢出機(jī)制可以較好的反映出股災(zāi)前后我國大類資產(chǎn)之間的風(fēng)險傳染情況，選取股災(zāi)前后一共6個月的時間，采用50周的滾動時間窗口計算這6個月內(nèi)每周的波動溢出狀況，如2015年6月19日當(dāng)周的波動溢出采用2014年7月4日至2015年6月19日的數(shù)據(jù)計算，依次類推。圖8報告了三類資產(chǎn)在股災(zāi)前后的波動率凈溢出情況。可以看到，股票市場一直處于波動凈溢出狀態(tài)，但是在股災(zāi)發(fā)生前凈溢出逐漸降低，但是在7月10日當(dāng)周突然增大。這里需要說明的是，股票市場凈溢出突然增大之所以不是股災(zāi)發(fā)生的6月末，主要原因有兩點：一是廣義方差分解法采用的是50周的滾動時間窗口數(shù)據(jù)，雖然近期的數(shù)據(jù)影響更大，但是也會受到遠(yuǎn)期數(shù)據(jù)的影響，因此會導(dǎo)致結(jié)果存在一定的時滯；二是股災(zāi)雖然發(fā)生在6月末，但是恐慌情緒往其他市場傳染存在時滯，如期貨市場在6月份并沒有出現(xiàn)下跌，在7月10日當(dāng)周卻出現(xiàn)了4%以上的下挫。因此可以看出，股票市場的風(fēng)險在發(fā)生股災(zāi)之后向期貨市場進(jìn)行了擴(kuò)散，而從圖8可以看到，債券市場在股災(zāi)期間的風(fēng)險溢出并沒有擴(kuò)大，反而從股災(zāi)前的被溢出狀態(tài)轉(zhuǎn)變?yōu)槲⑷醯膬粢绯鰻顟B(tài)。圖9對資產(chǎn)間兩兩之間的溢出關(guān)系進(jìn)行了詳細(xì)說明，可以更清晰的看到，股災(zāi)期間股票市場對期貨市場產(chǎn)生了極大的風(fēng)險溢出，且在股災(zāi)之后的溢出水平比股災(zāi)之前均有所提高；但是債券市場的被溢出狀態(tài)卻一直處于下降，股災(zāi)之后甚至對股票市場從被溢出變成了凈溢出。因此，綜合來看，在股災(zāi)等極端風(fēng)險發(fā)生時，股市的風(fēng)險更容易向期貨市場傳染，而債券市場卻相對更為穩(wěn)定，不容易被極端風(fēng)險感染。這是由于我國資本市場上股市和期貨市場的投機(jī)氛圍更重，股市和期貨市場上散戶投資者參與甚眾，當(dāng)一個市場因極端事件發(fā)生暴跌時，另一個市場也容易因羊群效應(yīng)而出現(xiàn)踩踏；而債券市場主要是銀行間市場，外部監(jiān)管和內(nèi)部風(fēng)控更嚴(yán)格，且我國債市由于政府隱性擔(dān)保，因此總體波動極小，相對來說也更為穩(wěn)定。
圖8 三類資產(chǎn)在2015年股災(zāi)前后的波動率凈溢出時變特征圖
圖9 股災(zāi)前后資產(chǎn)間的波動率溢出時變特征圖
3 研究結(jié)論與政策建議
根據(jù)Diebold和Yilmaz[21]提出的廣義溢出指數(shù)研究方法，對2011年至2017年我國股票市場、期貨市場及債券市場的周收益率和周波動率數(shù)據(jù)進(jìn)行分析，以探討三個市場之間的信息溢出機(jī)制，結(jié)果發(fā)現(xiàn)：收益率溢出方面，股票對其他兩類資產(chǎn)有溢出影響，而期貨和債券則處于被溢出的狀態(tài)；波動率溢出方面，股票和期貨均處于溢出狀態(tài)，只有債券的處于被溢出狀態(tài)；從整體溢出指數(shù)來看，收益率溢出的綜合值為22.92，波動率溢出的綜合值為20.82，相對于100的總體分值，綜合值均偏低，表明我國不同資本市場之間的相互影響相對來說較小；從時變特征上也能看出相同的狀況，股票在所有年份里的收益率凈溢出和波動率凈溢出大多為正，期貨則時正時負(fù)，債券則大多為負(fù)，表明股票大多數(shù)情況處于溢出狀態(tài)，期貨方向并不明確，而債券則大多數(shù)情況處于被溢出狀態(tài)；通過對正負(fù)向波動溢出情況進(jìn)行對比分析波動溢出的非對稱性，結(jié)果發(fā)現(xiàn)正向波動溢出整體來看要高于負(fù)向波動的溢出，但是在統(tǒng)計上并不顯著。對2015年6月股災(zāi)前后三個市場的波動率溢出分析后可以發(fā)現(xiàn)，在股災(zāi)等極端風(fēng)險發(fā)生時，股市的風(fēng)險更容易向期貨市場傳染，而債券市場相對更為穩(wěn)定，不容易被極端風(fēng)險感染。本文的研究很好的將其他學(xué)者對資本市場信息溢出的結(jié)論和方法擴(kuò)展到了更大范圍的大類資產(chǎn)，同時對波動溢出的非對稱性進(jìn)行了探討，這也是本文的創(chuàng)新之處。
本文的研究具有一定的理論和現(xiàn)實意義，對于投資者和監(jiān)管層也提供了很好的政策依據(jù)：第一，我國股票市場和期貨市場的聯(lián)動更為緊密，而且更多的是股票市場對期貨市場的傳染，因此對于期貨市場投資者而言，除了加強(qiáng)對期貨市場本身的研究之外，需要對股市也保持足夠的關(guān)注，對于監(jiān)管層而言，則應(yīng)該在股市發(fā)生風(fēng)險時，即時出臺政策，防止期貨市場也出現(xiàn)過度的反應(yīng)；第二，債券市場雖然整體而言處于被溢出狀態(tài)，相對于股票和期貨市場，更容易受到其他市場的影響，但是通過對股災(zāi)期間波動率溢出的分析，可以看到，在其他市場極端風(fēng)險發(fā)生時，債券市場反而會從被溢出狀態(tài)轉(zhuǎn)變?yōu)橐绯鰻顟B(tài)，因此應(yīng)該加大債券市場建設(shè)的力度，同時加強(qiáng)投資者教育，吸引更多的投資者進(jìn)行債券市場的投資，而不是只關(guān)注更高風(fēng)險的股票和期貨市場；第三，本文的研究驗證了各資產(chǎn)市場之間的聯(lián)動性，因此通過識別周期拐點進(jìn)行大類資產(chǎn)配置是合適的，正像很多學(xué)者所證明的，投資的絕大部分收益來自于資產(chǎn)配置，而不是擇時或選股，因此對于機(jī)構(gòu)投資者而言，應(yīng)該大力加強(qiáng)資產(chǎn)輪動配置的研究，在降低投資風(fēng)險的同時也能夠有效擴(kuò)大投資收益。
猜你喜歡
造紙信息(2022年2期)2022-04-03 22:13:20
中國化肥信息(2019年7期)2019-08-26 09:46:54
現(xiàn)代營銷(創(chuàng)富信息版)(2018年8期)2018-09-08 08:51:56
河南畜牧獸醫(yī)(2017年8期)2017-11-24 03:20:45
農(nóng)經(jīng)(2017年1期)2017-01-17 07:23:24
股市動態(tài)分析(2016年22期)2016-12-27 18:42:32
股市動態(tài)分析(2016年2期)2016-09-27 21:22:52
證券市場周刊(2016年22期)2016-06-20 18:42:20
21世紀(jì)商業(yè)評論(2015年8期)2015-08-04 10:29:14
法人(2014年2期)2014-02-27 10:41:33
