股票市場相關性研究

導語：股票市場相關性研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：2008年全球金融危機后，關于我國股市與美國股市間的相關性的研究受到越來越多學者的重視。本文刊用時變SJCCopula模型，研究在2007年1月至2019年3月期間中國大陸股市與美國股市的相依結構問題。研究表明，中美兩國股市的上下尾相依系數均存在差別，同時下尾相依系數較上尾相依系數更大，因而股市間傾向于同時暴跌，具有較大的金融風險傳染可能性。因此，本文認為我國在防范和化解金融風險的過程中，應采用差異化的策略，重點關注極端事件發生所造成的金融風險傳染。

關鍵詞：股市；時變Copula模型；尾部相依性

一、引言

隨著中國特色社會主義進入新時代，我國經濟發展也步入新時代，國內外經濟金融形勢嚴峻復雜，要“健全金融監管體系，守住不發生系統性風險的底線”。眾所周知，股票市場可以很好地反映一國的經濟發展狀況，是國家經濟狀況的“晴雨表”。在股票市場中，不同國家（地區）的投資者的金融活動相互影響。一個國家（地區）的經濟狀況會通過該國股票市場迅速反映出來，并以“多米諾骨牌”的形式蔓延到其他股票市場，最終導致全球經濟動蕩。在當前經濟發展背景下，監控股市波動是維護中國金融市場安全與穩定的重中之重。隨著經濟全球化的快速發展和金融一體化，各國的金融市場，特別是股票市場，漸漸地不再受到時間和空間的束縛，產生了前所未有的相關性。一個國家（地區）的股票市場波動可能迅速傳染到與其相關程度較高的其他國家或地區，最終可能形成世界性的金融危機。中國大陸股市從誕生之初一個比較不完善、相對封閉的市場，漸漸發展成為全球股票市場不可或缺的一部分。當一個國家（地區）的股票市場完全封閉時，金融風險不可能在各個封閉的市場之間傳染，這也可能是在90年代的亞洲金融危機時，中國大陸股市沒有遭受太大沖擊的原因之一。但隨著經濟全球化的疾速發展以及金融一體化，中國資本市場不斷開放，特別是近年來一系列金融開放舉措的實施，中國經濟逐漸融入世界經濟，各國金融市場產生了越來越復雜的相關性。本文將研究中國大陸股市與美國股市之間的相關性，對于我國新時代下股票市場的風險識別、風險監管、風險控制以及防范系統性金融風險的發生與傳染有著重要的現實意義。

二、時變SJCCopula模型

考慮到不同股票市場間的相關性在很大程度上會隨經濟金融的結構性變化而變化，因此有必要建立時變Copula模型描述股票市場間的動態非線性相依性。時變Copula模型可以分為參數時變和結構時變，本文選取參數時變的二元動態SJCCopula分析金融市場間的動態相依性。設t時兩隨機變量的邊際密度函數分別為f1與f2，累積分布函數對應為F1與F2，分布函數參數為θ1與θ2（假如參數動態時變，可寫成θ1t與θ2t），SJCCopula的時變參數為θct=(κ)t,γt，則其聯合運動規律可以表示為：Patton（2006）在假設上下尾相依系數運行規律的基礎上進行Copula函數的時變參數估計。

三、中美股市相關性實證分析

（一）數據選取

本文采用TV-SJCCopula模型分析中美兩國股市間的相關性，具體考察的是上證綜合指數（SH）與美國道瓊斯工業平均指數（DJUS）之間的風險聯動關系。數據選取的為上述股指的日收盤價，時間為2007年1月5日至2019年3月28日，每個時間序列包含3007個觀測值。鑒于各股市存在不同時開市的情況，本文剔除了各個股市未在同一天開市的數據，使各個股票指數交易日期得到統一，最終每個股票市場均有2786個數據，數據來源于WIND數據庫。為了便于建模分析，計算了每個股指的對數收益率，即每日收益率為前后交易日收盤價格的自然對數的一階差分值，其計算公式為：Ri,t=ln(P)i,tPi,t-1，Ri,t表示第t天股指i的收益率，Pi,t表示第t天股指i的收盤價。

（二）樣本數據描述性分析

對兩個股票市場收益率數據進行描述性統計分析，其檢驗結果見表1。從表1可以發現，首先，兩個序列的峰度均大于3（峰度最小值為7.2343，標準正態分布峰度為3），同時兩個股票市場指數收益率序列均出現左偏的非對稱性（偏度系數均為負），因而股指收益率分布呈現明顯的“尖峰厚尾”的特征；其次，從Jarque-Bera檢驗可以發現，股指收益序列均拒絕服從正態分布的原假設；最后，ADF檢驗表明兩個序列均為平穩序列，均不存在單位根。

（三）邊緣分布估計

由于樣本股指收益率序列呈現出“有偏、尖峰、厚尾”的特征，本文使用AR(1)-GJR(1,1)-SkT(ν,λ)模型構建各股指收益率的邊緣分布，通過MATLAB編程來進行邊緣分布參數估計，參數估計結果見表2。從表2估計結果來看，在本文研究時間段內，兩個股指邊緣分布模型中的非對稱性參數γ均顯著為正（γ最小值為0.007），說明這兩個股市在面臨正收益沖擊的響應程度要明顯小于面臨負收益沖擊時的響應程度，存在顯著的非對稱性沖擊效應。另外可以發現這兩個股票市場指數收益率數據呈現出明顯的“有偏、尖峰、厚尾”特征，這也就表明使用AR(1)-GJR(1,1)-SkT(ν,λ)模型可以比較好地擬合這兩個股指收益率序列的條件邊緣分布。

（四）時變SJCCopula參數估計

在利用AR(1)-GJR(1,1)-SkT(ν,λ)模型刻畫樣本股指收益率以及金融開放階段劃分后，對TV-SJCCopula模型進行最大似然估計。除此之外，為了便于比較分析其動態性，本文還對常態SJCCopula模型的參數進行了估計。兩個模型的參數估計結果和模型擬合優度AIC見表3。

（五）上尾相依性

首先根據股指間的上尾相依性進行分析，可以發現在整個樣本期間內中國大陸股市與美國股市之間的上尾相依系數除少數時間點出現異常劇烈的波動外，一直處于較低的水平，2016年以來，中美兩國貿易摩擦的碰撞使得其股市間同時出現極端上漲的可能性變大，但依然處于相對較低的水平。同時AIC信息準則也說明了沒有時變性的常態SJCCopula相較于TV-SJCCopula，能更好地擬合中國大陸股市與美國股市之間的尾部相依性（常態SJCCopula的AIC值更小）。上述分析表明了中國股市與美國股市之間的上尾風險聯系較弱，并且穩定在比較低的水平，同時出現極端上漲現象的概率很低。

（六）下尾相依性

接著進行下尾相依性分析，根據上證綜指與美國道瓊斯工業平均指數間的下尾相依性能夠看出，中美兩國股市下尾相依性呈現逐年增長態勢，相依系數在2008年金融危機和2018年中美貿易爭端事件均出現異常值，可以看出在極端事件影響下，中美之間的金融風險傳染效應在一定程度上被放大。

四、結論

為了研究中美兩國股市之間相依性，本文選取中國大陸與美國代表性股指日度數據，使用了TV-SJCCopula模型分析中國大陸股市與美國股市間的動態風險傳染，為了描述風險傳染的動態性變化而采用時變模型，描述非對稱的上下尾相依性則采用SJCCopula模型。先利用AR(1)-GJR(1,1)-SkT(ν,λ)模型刻畫股市的邊緣分布，接著選用SJCCopula模型完整刻畫所研究時期股市之間的相依結構特征和相依水平。本文通過實證研究可以得到如下研究結論：近年來，中美股市間的上下尾相依性表現出明顯的時變性，同時具有顯著地上升趨勢，中美貿易爭端可能加劇了兩國間的金融風險傳染。以上研究結論對于我國在控制金融風險傳染以及國際金融投資有較大的參考價值。首先，我國金融風險監管當局可以根據經濟發展的階段以及股市間的相依性，采用差異化的措施監控與防范金融風險。其次，考慮到中美股市間存在的非對稱尾部相關性，在尾部相關性低的股市間進行分散投資可以很大程度上分散投資風險；而對于一些存在較大尾部相關性特別是下尾相關性的，應該在資產配置時注意防范特殊極端事件的發生所造成的投資風險，避免兩個股市同時暴跌帶來的損失。最后，從研究方法看，如果只采用靜態方法研究兩者的相依性，會忽略時變性帶來的尾部相依性的變動，從而很可能低估投資組合的風險以及兩兩間的風險傳染。

參考文獻：

[1]陳九生,周孝華.基于單因子MSV-CoVaR模型的金融市場風險溢出度量研究[J].中國管理科學,2017,25(01):21-26.

[2]王永巧,劉詩文.基于時變Copula的金融開放與風險傳染[J].系統工程理論與實踐,2011,31(4):778-784.

[3]郭文偉.國內外股市相依結構演化及其危機傳染效應研究[J].國際金融研究,2016(10):63-73．

作者：葛凱飛 單位：南京財經大學金融學院