王龍飛

摘?要：基于金融市場有效性假設(shè)，各個金融市場間的聯(lián)動效應(yīng)密切?；赩AR模型分析股市、債市、外匯以及期貨市場之間跨越市場的價格傳遞效應(yīng)，價格沖擊隨時間變動而變動。研究分析得出：股票市場與債券市場、股票市場與匯率市場、債券市場與匯率市場兩兩動態(tài)變動，未形成穩(wěn)定聯(lián)動效應(yīng);期貨市場與股票市場則呈正向相關(guān)的穩(wěn)定聯(lián)動效應(yīng);期貨市場與匯率市場、期貨市場與債券市場呈現(xiàn)負(fù)向相關(guān)的穩(wěn)定聯(lián)動效應(yīng)。各金融市場面對其他市場的價格沖擊或當(dāng)期或滯后期吸收聯(lián)動效應(yīng)。

關(guān)鍵詞：金融市場;波動效應(yīng);VAR模型

中圖分類號：F2?????文獻(xiàn)標(biāo)識碼：A??????doi：10.19311/j.cnki.1672-3198.2021.01.007

0?引言

在逐步開放的中國金融市場環(huán)境下，不同金融市場的依存度日益密切，某一市場的價格變動通過不同的途徑傳遞至其他市場，相應(yīng)的金融風(fēng)險通過波動效應(yīng)在市場間擴(kuò)散。金融市場間波動效應(yīng)涵蓋價格沖擊和波動溢出。在市場強(qiáng)有效性的假設(shè)下，重要的金融市場對于信息沖擊在短時間內(nèi)發(fā)生價格變動?；诖耍瑖L試應(yīng)用VAR模型探索股市、債市、外匯以及期貨市場之間的聯(lián)動效應(yīng)，為重大時間節(jié)點(diǎn)如何應(yīng)對、控制風(fēng)險提供參考依據(jù)。

1?描述性分析

本文基于相關(guān)文獻(xiàn)的研究選取股市、債市、外匯以及期貨市場相關(guān)指標(biāo)分析其價格變動情況。關(guān)于股票市場，以上海證券交易所A股最高綜合股價指數(shù)為例探討股票價格變化（見圖1），分析可知在2007～2009年和2015～2016年前后波動強(qiáng)烈，在其他時間波動幅度小，這與2008年次貸危機(jī)事件與2015年股災(zāi)有關(guān)，均表現(xiàn)為前期急速上漲再急速下滑。中債指數(shù)是由中央結(jié)算公司測算的債券市場最具代表性的綜合類趨勢指標(biāo)，于2002年開始發(fā)布。分析2002～2020年的中債總值凈價指數(shù)與中債總值財富指數(shù)（見圖2），在2008～2009年、2016～2017年、2020左右經(jīng)歷大幅震蕩，其他時間波動平緩。與股市類似，在次貸危機(jī)與股災(zāi)前后出現(xiàn)了激增激減。2020年，受新冠肺炎疫情影響，央行貨幣政策短期平衡情況，經(jīng)歷了前期上漲過快，短期出現(xiàn)下滑?？紤]到美元在國際金融市場上的重要影響力，美元兌人民幣中間價可以有效地衡量中國在國際市場上的購買力。本文選取其衡量外匯市場的變化情況（見圖3），2005～2015年人民幣匯率波動于6～7元且不斷升值，自“811”匯改后開始上下波動。本文選取上海期貨交所的現(xiàn)貨成交金額為例探討期貨市場的波動情況（見圖4），分析可知在2008～2011年間、2015～2016年間劇烈波動，在金融危機(jī)、股災(zāi)期間出現(xiàn)暴跌，總體呈現(xiàn)上升趨勢。

2?模型分析

由圖1～4，股市、債市、外匯以及期貨市場的代表指標(biāo)價格的2002～2020年時間序列數(shù)據(jù)（數(shù)據(jù)來源：中經(jīng)網(wǎng)）可見，其時序數(shù)據(jù)均呈現(xiàn)不穩(wěn)定趨勢。計算各金融市場價格收益率如下：

對4列數(shù)據(jù)一階差分處理后的d（lnr1）（股票市場）、d（lnr2）（債券市場）、d（lnr3）（外匯市場）、d（lnr4）（期貨市場）進(jìn)行ADF檢驗，在5%的顯著水平下通過單位根檢驗，表示4列時序數(shù)據(jù)為平穩(wěn)序列，確定其為一階單整的，即I（1）過程。

根據(jù)Johansen協(xié)整檢驗表明：在5%的顯著水平下跡統(tǒng)計值為4.23，大于臨界值3.84，拒絕原假設(shè)——最多存在3個協(xié)整向量，以此得到d（lnr1）（股票市場）、d（lnr2）（債券市場）、d（lnr3）（外匯市場）、d（lnr4）（期貨市場）存在長期協(xié)整關(guān)系。因此在設(shè)立VAR模型時包含4個變量，即n=4，另需要確定各變量的滯后階數(shù)。因滯后階數(shù)越大，需計算的循環(huán)次數(shù)越大，此處計算滯后1期到滯后4期的各檢驗指標(biāo)的值。在FPE 、LR、SBIC、HQIC、AIC、檢驗原則的綜合比較下，確定得VAR模型的最優(yōu)滯后階數(shù)為2。k階向量自回歸模型VAR（k）為：

應(yīng)用Eviews 9.0測算VAR的2階滯后模型，根據(jù)AR root graph結(jié)果可知模型穩(wěn)定，所有點(diǎn)均在單位圓內(nèi)。因此，在此基礎(chǔ)上進(jìn)行格蘭杰因果檢驗得：（1）債市波動是股市波動的原因，外匯波動是股市波動的原因，期貨市場波動是股市波動的原因。（2）股市波動不是債市波動的原因，外匯波動不是債市波動的原因，期貨市場波動是債市波動的原因。（3）股市波動不是外匯波動的原因，債市波動不是外匯波動的原因，期貨市場波動是外匯波動的原因。（4）股市波動是期貨市場波動的原因，債市波動是期貨市場波動的原因，外匯波動是期貨市場波動的原因。

分析不同金融市場間的同期關(guān)系可知：股票市場與外匯市場的波動關(guān)系圍繞0上下波動，未形成定性關(guān)系，在2010～2014年呈現(xiàn)負(fù)相關(guān)，2016～2020年呈現(xiàn)正相關(guān)關(guān)系。股票市場與債券市場的關(guān)系圍繞0上下波動，未形成一個穩(wěn)定的線性關(guān)系，其相關(guān)絕對值小于0.02，說明股市與債市依存度較低。股票市場波動與期貨市場波動存在穩(wěn)定線性關(guān)系，兩者持續(xù)存在正相關(guān)關(guān)系，但在2009年后依存度有所下降。債券市場波動與外匯市場波動未形成穩(wěn)定線性關(guān)系，在2010～2013年呈現(xiàn)正向相關(guān)關(guān)系即人民幣貶值，債券市場活躍，總體圍繞0上下波動，伴隨著債券市場開放，2015年后逐漸呈現(xiàn)負(fù)相關(guān)關(guān)系。債券市場波動與期貨市場維持基本穩(wěn)定線性關(guān)系，基本寶成負(fù)相關(guān)關(guān)系，在數(shù)值上基本穩(wěn)定無大波動。作為能源消費(fèi)大國，進(jìn)口石油成本上升在期貨市場中占據(jù)重要影響。外匯市場與大宗產(chǎn)品市場存在穩(wěn)定的線性關(guān)系，在2016年之前均呈現(xiàn)負(fù)向相關(guān)關(guān)系，而2016年之后呈現(xiàn)正向相關(guān)關(guān)系。受能源市場影響，人民幣匯率波動對石油等期貨市場產(chǎn)品的交易影響越來越低。

3?成因分析

基于投資者角度，不同金融市場間的風(fēng)險有所差異，為其提供了多個投資渠道，但在重大事件發(fā)生時，不同金融市場間的聯(lián)動效應(yīng)必然對風(fēng)險進(jìn)行傳遞并吸收，期間對某個金融市場帶來直接沖擊或?qū)ζ渌袌龅耐馍鷽_擊。在部分情況下，外生沖擊當(dāng)期反應(yīng)或在滯后多期對其產(chǎn)生影響。以“中美貿(mào)易戰(zhàn)”為例，3月22日“500億關(guān)稅事件”當(dāng)日引發(fā)股市大跌，與此同時匯率市場與債券市場的沖擊股市，三者波動基本吻合，大豆等期貨市場在滯后幾期也引發(fā)大幅波動。

4?結(jié)論

基于不同金融市場間的波動效應(yīng)分析，股市、債市、外匯以及期貨市場之間的價格沖擊隨時間變動，其中股市和債市、股市與外匯、外匯與債市兩兩動態(tài)價格沖擊。而期貨市場與股票市場、匯率市場、債券市場間形成長期穩(wěn)定的定性關(guān)系：與股市呈正向相關(guān)，股市走強(qiáng)帶動期貨市場活躍;與匯率市場呈負(fù)向相關(guān)并逐漸減弱，說明匯率的變動對期貨市場影響逐漸降低;與債券市場呈穩(wěn)定負(fù)向相關(guān)。各個金融市場面對其他市場的價格沖擊或當(dāng)期或滯后期吸收聯(lián)動效應(yīng)?；诖艘?guī)律，各金融機(jī)構(gòu)監(jiān)管者以及政府相關(guān)部門監(jiān)管者在金融經(jīng)濟(jì)政策規(guī)劃、制定、執(zhí)行過程中，需審視金融市場間的波動效應(yīng)，盡量避免各子市場分裂式的宏觀經(jīng)濟(jì)政策，建立持續(xù)穩(wěn)定的金融系統(tǒng)，防范風(fēng)險分散。

參考文獻(xiàn)

[1]徐梓萱.淺析股票波動對金融市場產(chǎn)生的風(fēng)險及對策[J].現(xiàn)代商業(yè)，2020，（21）：70-71.

[2]鄧創(chuàng)，謝敬軒.中國金融子市場周期波動的關(guān)聯(lián)動態(tài)與溢出效應(yīng)檢驗[J].中南大學(xué)學(xué)報（社會科學(xué)版），2020，26（04）：100-110.

[3]阿卜杜凱尤木·賽麥提，玉素甫·阿布來提.人民幣外匯市場間波動溢出效應(yīng)實證研究——基于VAR模型[J].經(jīng)濟(jì)視角，2018，（06）：55-63.

[4]唐勇，朱鵬飛，林玉婷，等.中國金融市場間波動溢出效應(yīng)研究[J].浙江金融，2018，（01）：9-16.

[5]朱慧明， 彭成， 游萬海，等. 基于貝葉斯Wishart波動模型的原油市場與股市動態(tài)相依性研究[J]. 中國管理科學(xué)， 2014， 22（7）：1-9.

[6]陳創(chuàng)練， 張年華， 黃楚光，等. 外匯市場、債券市場與股票市場動態(tài)關(guān)系研究[J]. 國際金融研究， 2017，（12）：83-93.

[7]吳喜之，王兆軍.非參數(shù)統(tǒng)計方法[M].北京：高等教育出版社，1996.