李孟凝

摘? 要：本文著眼于滬港通開通前后，內地與香港股市間波動關聯性變化，采用分位數向量自回歸方法（QVAR），探究不同波動率水平下兩地股票市場的波動性變化。研究發(fā)現內地市場在互聯互通開通后，在各個波動率分位上都對對香港市場產生了顯著的影響，而港市對內地影響僅在較低波動率水平上顯著。但從影響程度上看，內地市場受香港股市傳導而來的波動影響更為劇烈。

關鍵詞：互聯互通機制;波動關聯性;分位數向量自回歸

1引言

2014年11月首次搭建內地和香港資本市場互聯互通管道的“滬港通”開始實施，邁出了從滬港市場雙向開放到金融市場國際化的里程碑式的步伐。2016年“深港通”的開通，進一步的擴大我國資本市場的雙向開放。資本市場的全球化是不可阻擋的時代浪潮，互聯互通政策使得滬深港三個市場的聯系更加密切，也讓信息在三個股票市場之間快速傳遞，股票市場之間產生波動關聯性成為了學界關注的熱點話題。

但是，AH股兩地上市公司之間的股票溢價，并沒有隨著“滬港通”的啟動出現迅速的價差收攏，互聯互通的有效性存疑。不少學者使用VAR模型研究多市場間的關聯性，但這僅能測度平均程度上的波動關聯。因此，本文選擇使用QVAR模型，研究互聯互通機制下滬港股市的波動關聯性。

2文獻回顧

Huo和Ahmed（2016）選取滬港通政策開通后9個月內的寬基指數的高頻數據，通過建立GJR-GARCH和BEKK-GARCH模型的方法，發(fā)現在分鐘級別上上海股票市場對香港股票市場的引導作用有明顯加強，揭示了市場從波動性和均值維度都有不同程度的溢出現象，得出了對外開放加強了A股在國際上的影響力的結論。Habiba等（2020）通過建立二元EGARCH模型研究美股市場和南亞股市的之間的波動關聯，結果表明在金融危機發(fā)生時兩個股票市場之間的波動溢出大于非危機時期。

國內學者方面，張昭等（2014）選取滬港通開通前和開通后上證和恒生指數構建不同的波動性指標，通過向量自回歸的格蘭杰因果檢驗進行研究，發(fā)現滬港通開通增加了滬港兩市之間的聯動性。龐海峰等（2017）采用t-Copula函數對深港通政策實施前后上海股票市場和香港股票市場的相關性進行研究，實證發(fā)現上海股票市場和香港股票市場一直存在正向的相關關系，而且這個相關系數比較小，但是深港通實施后，上海股票市場和香港股票市場的相關性降低了。

總得來看，學者們使用了多種多樣的方法研究市場間的波動關聯性問題，但尚未有文獻使用QVAR模型對中國互聯互通前后內地和香港股市的關聯性進行研究。

3模型設定與數據來源

3.1數據來源

本文選擇上證A股指數和恒生指數2012年1月5日到2018年12月28日間的日度交易數據進行研究，數據來源于國泰安數據庫。本文參考鐘伶穎（2018）的做法，選用股票價格振幅來研究股票波動性。如（1）式所示，波動性指標Amt等于當日的最高價減去股票當日的最低價，再除以前一個交易日的收盤價

本文為了去除滬深港通開通前政策預期的復雜影響，避免滬深港通開通前相關信息引起的股市波動，同時更好的說明互聯互通機制影響的前后對比，研究中剔除了從滬港通預期開通到深港通計劃實施之間的數據。將余下數據分為實驗組和對照組，以2012年1月5日的到2013年12月31日作為滬港通開通前的對照組數據，以2016年1月4日的到2018年12月28日的數據作為滬港通開通后的實驗組數據。

3.2分位數向量自回歸模型

有別于OLS框架下以殘差平方和為最小目標函數的回歸分析，分位數回歸QR不易受到數據中的極端值的干擾，相對而言結果更加穩(wěn)健。在估計量的意義方面，經典的最小二乘分析得到的估計系數反應的是被解釋變量期望對解釋變量的響應，即均值意義上的影響;但分位數回歸的估計系數能夠提供被解釋變量條件分布的完整信息。傳統(tǒng)的回歸分析只能得到因變量的平均趨勢，但分位數回歸可以進一步推論因變量的條件概率分布。

本文參考Chen L等（2018）通過QVAR模型研究投資者情緒對滬深300指數影響的建模方法，建立如下QVAR模型研究互聯互通影響效應的條件分布：

（2）式中變量選取恒生指數作為港股市場的代表，上證指數作為內地股市的代表，根據（1）式計算波動率的時間序列和。和分別為港股市場和上證市場波動率的條件分位數，取為十分位數進行刻畫。為模型的滯后階，T為時間序列樣本數。通過對（2）式內等號右側第二項的系數估計，可以刻畫出互聯互通前后，兩地市場在不同波動率水平下互相影響效應的條件分布，從而對內地和香港股市的波動相關性得到一個更為立體的認知。

4實證研究

4.1互聯互通前后波動性差異

在進行QVAR回歸分析前，有必要直觀地了解互聯互通開通前后市場的波動性變化。本文對各市場互聯互通開通前后的波動性差異進行了均值的非平衡t檢驗，結果如表1所示。開通前后，上海和香港市場間的波動性均值都存在顯著差異，且都在1%水平上顯著。從均值變化上來看，內地市場的波動性在開通后減小了，而香港市場的波動性則略有增大。從絕對值意義上來說，內地和香港市場間的波動性水平在互聯互通開通后有趨于一致的傾向。

4.2分位數關聯性分析

本文首先通過ADF檢驗，確定兩組實驗數據均為平穩(wěn)的時間序列，模型中不存在因為時間趨勢導致的偽回歸問題。隨后本文根據AIC準則，確定開通前后各個分位數區(qū)間上模型的最優(yōu)滯后階數，基本在1～2階左右。限于篇幅原因，相關檢驗結果表格不在此列出

為避免極端值影響，本文對除最大和最小兩個十分位段外建立了QAVR模型，并對開通前后兩市場間相互影響情況進行了格蘭杰因果檢驗，結果如表2所示。從表2可見，在互聯互通實施以前，格蘭杰檢驗系數幾乎都不顯著，滬港市場之間幾乎沒有關聯性，僅在0.7～0.9分位區(qū)間上能觀察到滬市對港市的顯著影響。在互聯互通實施以后，滬港市場間的關聯性顯著增強。在全部分位數區(qū)間上，滬市對港市的檢驗結果均顯著，滬市均是港市的格蘭杰原因。在0.2～0.5波動分位區(qū)間上，港市對滬市的檢驗結果顯著，港市在下半波動區(qū)間內是滬市的格蘭杰原因。

綜合互聯互通前后的分位數格蘭杰因果檢驗結果可知，互聯互通開通前內地和香港市場之間幾乎沒有因果關聯性。互聯互通開通以后滬港市場的波動關聯性顯著增強，上海市場的波動能夠明顯傳導至香港股市產生影響，香港市場的波動性也能夠在一些特定的波動區(qū)間內傳導至內地市場。

4.3分位數波動溢出效應分析

本文通過建立QVAR模型，除檢驗不同分位數區(qū)間上滬港兩市場間的關聯性以外，還估計了不同分位數區(qū)間上的模型估計系數，并刻畫出這些分位數估計系數的曲線如圖1和圖2所示。根據式（2）可知，Beta和Gamma分別代表滬市對港市和港市對滬市在不同波動率分位區(qū)間上的影響大小。

從圖1互聯互通前的分位數回歸系數曲線可知。互聯互通開通前，上海市場對香港市場的影響程度接近于零，僅在最高波動率分位上出現了一定的影響，這也與格蘭杰因果檢驗的結果一致。香港市場對滬市的影響隨著波動率的上升而上升的正相關性，且在最高波動分位上Gamma值接近于Beta的三倍。盡管港市對滬市的格蘭杰因果關系不顯著，但港市對滬市的影響大小遠大于滬市對港市的影響。這也與股票市場實操中，人們認為A股常常在極端行情中看外部市場的臉色的印象相吻合。

從圖2互聯互通后的分位數回歸系數曲線可知，互聯互通開通后，滬港市場之間的均表現出正相關的影響，影響程度均隨著市場波動的增加而增加。但從系數的大小上來看，Gamma值遠大于Beta的值，且Gamma在0.1波動分位上的系數大小就已經與Beta在0.9分位上的大小相當，說明香港市場對上海市場的影響依然遠大于滬市對港市的影響。

綜合互聯互通前后的QVAR系數曲線來看，互聯互通使得兩市場間的相互影響更為劇烈。滬市對港市的波動性關聯比較顯著，但是影響程度不大。港市對滬市的波動性關聯盡管僅在部分分位數水平上顯著，在一些波動分位上關聯性不夠明確，但是影響程度要遠遠來得更為劇烈。

這些可能是由于互聯互通的額度限制導致滬市對港市的影響能力有限。另一方面，內地股市散戶偏多和香港市場機構主導的差異，可能導致A股市場對外來沖擊的反應更為敏感，從而表現出H股市場對A股市場更劇烈的影響能力。

5結語

本文通過建立QVAR模型，分析了互聯互通開通前后滬港股市間的波動關聯性和波動溢出效應。研究發(fā)現滬港通，在各個波動率分位上滬市都對對香港市場產生了顯著的影響，而港市對內地影響僅在較低波動率水平上顯著。但從影響程度上看，內地市場受香港股市傳導而來的波動影響更為劇烈?；ヂ摶ネㄊ沟脙鹊毓善笔袌龅膶ν忾_放程度進一步加強，但也給投資者帶來了更多的外來風險。金融機構需要關注開放政策的影響，防止外部沖擊演化為系統(tǒng)性的金融風險。

參考文獻：

[1]Rui Huo，Abdullahi D. Ahmed. Return and volatility spillovers effects： Evaluating the impact of Shanghai-Hong Kong Stock Connect[J]. Economic Modelling，2016，61.

[2]Umm E. Habiba，Shen Peilong，Wenlong Zhang，Kashif Hamid. International stock markets Integration and dynamics of volatility spillover between the USA and South Asian markets： evidence from Global financial crisis[J]. Journal of Asia Business Studies，2020.

[3]張昭，李安渝，秦良娟.滬港通對滬港股市聯動性的影響 [J].金融教學與研究，2014， （06）：59-62+71.

[4]龐海峰， 劉振亮， 龐舒月. 基于Copula函數的深港通開通前后滬港股市相關性分析[J]. 哈爾濱商業(yè)大學學報：社會科學版， 2017（4）：8

[5]鐘伶穎. 互聯互通機制下滬深股市波動的實證研究[D]. 湖南大學， 2018.

[6]Chen L ， Yi A . Investor Sentiment and the Basis of CSI 300 Stock Index Futures： An Empirical Study Based on QVAR Model and Quantile Regression[J]. Discrete Dynamics in Nature and Society，2018（4）：1-13.