A_B股之间的信息流动与波动溢出

2〕)3 年第 lo 期 (总 28() 期) No . 10 , 人刃3 晓咫司 NO . 250 A 、 B 股之间的信息流动与波动溢出 ‘ 赵留彦 王一鸣 (北京大学经济学院 北京大学中国金融研究中心 ,北京 1仪男7 1 ) 摘 要 :向量 C AR CH模型的实证结果表明 , A 股的波动冲击会影响到以后 B 股的波动 , B 股的波动冲击则不会对以后 A股的波动产生明显影响 ,即是仅存在 A 股向 B 股的单向波动 滋出。 分阶段的研究进一步认为 , 2 (X) 1年 2 月 B 股对境内投资者开放事件加强了 A 股和 B 股两个市场之间的联系 :此前 A 股和 B 股的波动相对独立 ,而此后则存有明显的 A 股向 B 股 的波动滋出效应 ; 每个时段 B 股向 A 股的波动滋出都不显著。 关健词 : 波动滋出效应 , B 股对内开放 , 向量 《;A RCH 模型 中圈分类号 :玲30 . 91 文献标识码 : A 文章编号 : 1的2 一 7 2 4 6 (岌刃3 ) 10 一田 37 一 16 一 、引 言 在中国股市中 , 一定条件下一个公司可以同时在 A 股和 B 股两个市场发行股票。 截 至 2 (X) 2 年底 , 沪深两个交易所共 124 1 家 A 股上市公司 、 1 11 家 B 股上市公司 。 发行 B 股 的公司绝大多数 (约占 B 股总数的 卯% )同时也发行 A 股 。 由于 B 股和 A 股市场面临相 同的宏观经济和微观企业背景 , 理论上 , 对于宏观信息和公司经营业绩等因素变动的反应 应该是相同的 , 如果信息同时到达两个市场 , 则两类股票的价格应该同时作出相似程度的 反应 。 然而在200 1年 2 月 B 股对境内投资者开放以前 , 国内投资者仅能交易 A 股而国际 投资者仅能交易 B 股 , 这样 A 、 B 股两个市场便被分割 。 这种分割使得实际中 B 股的交易 远没有 A 股活跃 , 其相对于 A 股也存在着明显的折价 。 例如在 B 股对内开放前 , B 股平 均市盈率约为 14 倍 , A 股平均市盈率则高达 56 倍 。 从股价变动和成交量来看 , B 股更是 长期低迷 。 例如 B 股对内开放前上证综合 B 股指数只有 劝多点 , 甚至低于 1卯2 年设立 时的基准 100 点 。 股市对境内外投资者分割的现象在其他不少国家也存在 , 不过相对于中国市场 ,这些 收稿 日期 二岌刃3 一 伪 一 龙作者简介 :赵留彦 ( 197 9一 ) ,男 ,河南人 ,北京大学经济学院博士研究生 。 王一鸣 ( 1!双3一 ) ,男 , 江西人 ,博士 , 副教授 , 供职于北京大学经济学院 。 , 本研究得到国家社会科学基金 (m 口功价 )的资助 。 3 7 国家的股市只是局部分割的 , 因为它们一般仅有一类股票局限于国内或者国外投资者 , 而 另一类股票则可以为所有投资者 自由交易 。 例如墨西哥 B 股的投资者便不受国境限制 ( .b 仪, w i忱 等 , 1卯7 ) 。 同中国的情况相反 的是 , 这些国家中的外资股往往具有更高的价 格 。 考察 A 、B 股的相关关系对于研究我国证券市场的结构以及分散投资风险都具有重 要意义 。 硒即等 (么兀旧)认为 , 香港 H 股和红筹股的发展形成了对大陆 B 股市场的替代 , 降低了 B 股市场的对外融资功能 , 因而使得 B 股相对于 A 股折价现象严重 。 Fu ng 等 (2(联〕)利用 199 3 一 1卯7 年样本的实证研究认为 , 中国 A 、 B 股两个市场间并不存在着强的 相关性 , 而是相对分割和独立的 。 而 Ch ul 等 (l 99 8) 则认为 B 般市场的收益率对 A 股收益 率有先导作用 , 他们将其归因于大陆对新闻媒体的限制 , 从而使得境外尤其是香港投资者 能够率先获得信息 。 以往对我国 A 般和 B 股关系的考察重心集中于收益率一阶矩的关系 , 本文从以下两 个方面扩展了对 八、B 股两个市场相关关系的研究 。 ( l) 我们主要考察两个市场之间的 “波动溢出效应”v ol at ih ty sPi ll o v e r e伍犯t ) , 即收益率条件立阶矩的格兰杰因果关系。 因为 尽管收益率一阶矩变动的领先滞后关系能够对股价提供预测信息 , 这种均值的相关关系 却未必意味着信息就是由领先市场向滞后市场传递的 , 而根据俪 (l 989 )的结论 , 价格波动与市场获得信息的速度直接根关 , 因此研究 A 股和 B 股两个市场间 、的波动溢 出效 应 , 可以使我们了解两个市场吸收信息的过程 。 ( 2) 本文着重考察比较了 B 股对境内投资 者开放事件前后 , A 、 B 股之间波动溢出关系的变化 。 2 (X) 1 年 2 月对境内投资者开放无疑 是 B 股市场设立 以来最具影响力的事件 , 明显的后果是 B 股价格暴涨¹ , 然而对于考察 A 、B 股市场关系更为重要的或许是 B 股投资者结构的变化 。 可以预想大量的国内投资 {{鬓缘{日三国股市波动滋出关系的考察表明 , 波动仅是纽约到东京 、伦敦到东京 、纽约到伦敦的溢出而不是相反 , 即滋出是单向的 , 美国股市在其中起到了信息先导作用 。 对波动溢出效 应的考察并不局限于市场指数 , 也有少数研究者对个股的波动溢出效应进行考察 , 例如 : 凡 飞 、 : : ¹ B 股开放以后 3 个多月时间内 ,上证综合 B 股指数从 2月 l , 日的 83 点上涨到最高 5 月 31 日的解1 点 , 上涨 幅度达 力汉)% ;深证综合 B 股指数从 2 月 23 日的 126 点上涨到最高 5 月 28 日的钊5 点 , 上涨幅度达 2叹)% 。 3 8 腼 和 Di ltZ (l 994 )考察了 7 个同前一 日在纽约市场的收益对次日时在杰该股票京和纽约股票交易所上市 的日本公司 , 发现股票 东京市场的开盘价有显著影响 , 而在东京市场的 收益也影响到该股票当日在纽约市场的开盘价(纽约市场开盘在东京市场收盘之后 )。 根据 R暇 ( 19 89 ) ,波动与信息流动是密切相关的 , 研究者常常可以从波动变化中推 断与波动相关的信息 。 总体而言 , 现有的文献认为不少市场间存在收益率及其波动的正 相关性以及溢出效应 。 不过这些文献多以美国市场为主要考察对象 , 关于发达市场与发 展中市场间以及发展中市场之间波动溢出效应的实证文献并不多见 。 这固然是由于发展 中市场具有不同子成熟市场的特征 , 例如规模小 、流动性差 , 另一方面也是因为高的交易 成本以及国际投资壁垒使得发展中市场信息的有效性较差 。 本文 目的在于考察中国 A 殷 、 B 股两个市场间的波动溢出与信息传递关系 。 似下的 结构安排是 :第二部分介绍向量以R CH 模型 ;第三部分描述数据的统计特征以及 2(X) l 年 2 月 B 股对境内投资者开放前后 A 、 B 股相关关系的变化 ;第四部分是利用 A 股和 B 股 日 收益率得到的向量 GA RC H模型的实证结果 ;最后是总结性评论 。 二 、 向量 G ARC H 模型 自回归条件异方差 (ARC H) 模型 ( E心e , 1982 )是考察资产收益波动的一个有力工具 。 它通过对条件方差使用自回归方式设定一个线性函数形式来模拟这种不可观测的二阶矩 变动。 大量文献通过应用 A RCH 或 GA RCH 模型 (Bol le rs le v , 19 86 )研究金融市场波动呈现 出的聚类现象 (又称 AR c H 效应 )并得出了诸多有益的结论 。 对于常用的 GA RC H ( 1 , l) 形式¹ ,模型设定如下 : R : 二 龙8 + 。‘ , 。‘ l 二_ 1 一 N (0 , h ‘) : h ‘ = a 。 + a l 。: 一 , + 尽l h卜 l ( l ) 这里 , 假定条件残差服从正态分布 , h : 为条件方差 ,七一 1 表示 , 一 1 期的信息集。 保证条件 方差非负和平稳的一个充分条件是 :匈 , a , , p, > 0 , 且 a , + p、< 0o 以上形式的单变量 GAR Cn 心un iv ari ate GA RC H ) 模型能够充分刻画单个金融市场波动 的时变特征 。 H 却ma o 等( 19以〕)也曾利用单变量 GA RC H 模型通过两步法来研究伦敦 、 日本 和纽约股市间的波动溢出关系. 。 具体地 :第一步 ‘先分别估计每个市场的单变量 GA Rc H 模型 ;第二步 , 取市场 i 前一期的残差平方 欲t 一 , 作为 卜 1 期该市场收益波动程度的度量 指标 , 来考察该波动对另一市场 j 第 t 期波动的影响系数从而检测波动在两市间的溢出效 应 。 这种两步法的计算程序相对简单 , 因而在此后文献中得到广泛的应用 。 然而单变量 模型在考察多个资产波动的相关性方面却是缺乏效率的、 因为应用单变量模型时 , 首先 不得不将几个市场分割开来考察各自的条件波动性 , 这就损失了这些市场相关性中所包 ¹ 关于 AR CH族类模型滞后阶数的选取尚缺乏为大家共同接受的标准 , 不过以往的研究一般认为 CA RC H 项和 人RC H项滞后阶数都取为 1 便足 以描述金融市场的波动状况 。 例如 , L山l别 n泌 等 ( l叨3 )认为 GA RCH (I , l )或者 EGARc H( 1 , 1 )形式能够很好地评估条件方差 , 其他支持 GAR CH ( I , D形式的文献可见 H an ‘l咖 (1州 , ch 。 . 21 ) 。 3 9 含的有效信息 。 为了研究多个收益率序列之间波动的相关性 , 最近十多年间也出现了几类向量 GARCH ( v ec tor GAR CH ( v GAR CH ) 或称 Mult iv如ate GA RCH (MGA RCH ) )模型 。 当多个金 融市场的波动具有相关性或存在波动溢出时 , 在一个向量的框架内分析问题能够充分利 用残差向量的方差 一 协方差矩阵 (以下简称“协方差矩阵” )所蕴涵的信息 , 从而能够形成 更为精确的参数估计值 。 这也可以避免单方程办法所会导致的 “生成自变量(卿耐 、 - ~ r ) ”问题 (见 珍脚1 , 19 84 ) 。 为考察 1 、2 两个市场间的波动溢出效应 , 假定均值方程的条件残差向量服从多元正 态分布 , 记作 (。. , . , 气 , . ) ’ l夸一 NV N( 0 , 代 ) 。 不同 VGARC H 模型的区别在于条件协方差矩阵 H , 的设定形式 。 例如 Bol l e 招 l e v 等 ( 198 8) 提出的 vec h( 氏)形式 , 对于 v e 对悦H ( 1 , 1 )即 是 : 概h ( 城 ) = 佣亡人( C ) + B · 优c人( 拭 _ . ) + A · 概人( : 卜 , 。‘卜 . ) (2 ) 这里 , H . 代表条件协方差矩阵 , v加h 表示将对称矩阵的每列下三角元素 (含主对角线元 素 )排成一列 。 在二维情形中 , A 和 B 均为 3 维方阵 , C 为 2 x Z 对称矩阵 。 方差方程的这 种设定形式使得要估计的参数数自较多—即使是对于二维向量 GA Rc H (l , l) 模型 , 也有 21 个参数—从而使得参数估计很困难 。 v ech ( H . )形式的另一个缺陷在于即使我们在方差方程中限制所有参数都为正值 , 这时的协方差矩阵也未必正定 。 实际中为了减少计算量 , 往往对该模型予以对角形式简化 , 限定 A 和 B均为对角阵 , 令 气。、 b i。( i 二 1 , 2 , 3 )分别代表矩阵 A 和 B 的对角元素 , 则式 (2 )可以分拆写作 : 刀 1 1 . : = 。 I , + a l . 。于, 卜 , + b l , h …卜 : - H 一2 , ‘ = e 12 + a 左 : , . 卜 , 。2 , 卜 , + b盆 h . 2 ,卜 - 几 , : = e 二 + a 。 。圣, 卜 . + b , 3 h二 ,卜 , (3 ) 该表达形式实质是假定每个市场的条件方差仅依赖于该市场 自身的过去值 , 两个市场之 间的条件协方差也仅依赖于过去的条件协方差以及两市残差乘积¹。 简化后仅有 6 个待 估参数 (不含常数项 ) ,然而它仅能使我们考察两个市场条件二阶矩的相关系数变动 , 而无 法考察市场之间波动的溢出关系或者说波动的格兰杰因果关系 。 因此本文中我们使用 BE KK (En gle 和 K lt 旧 e r , l哪 )º 设定形式 , 因为 BEKK模型克服了上述 Vec h 模型的缺陷 。 如果条件方差服从 GARC H ( 1 , l) 过程 , 则 BEKK 对方差方程的 设定形式如下 : 从 = K + B ‘凡 _ , B + A ‘e 卜 : 。 , 卜 . A (4 ) 该模型的优点在于 K 正定便可保证 城 正定 , 而如果 K 可以写为汀 n 形式 ( n 是上三 角矩阵 ) , 那么 K便是正定的。 对于我们考察 A 股和 B 股两个市场关系的 VGA RC H ( l , l) ¹ 该模型还可以进一步简化 , 若设定两个市场条件波动率之间的相关系数为固定常数 , 即形成常相关系数的 VGAR CH 模型 (肠ll e . 】e v , l更幻) 。 » 该模型因最初由 B日泊 , D 衫e , K朋 Ier & K“吐提出而得名。 40 情形¹ , (4) 式仅有 8 个待估参数 (不含常数项 ) , 条件协方差矩阵可分开写作 : 人: , : 二 。}: + 居. 人. , .卜 : + 2夕: 风 , 人. 2 .卜 ! + 尾. 人二 , 卜 : + a }. 。子, t _ , + Z a l : “ 2 , 。 l , 卜 . 0 2 , l _ . + 。孟l 。孟,卜 . (4 . 1 ) h二 , , = 。孟. + 。聂+ 风 h , , , 卜 , + 2夕. 2几 h . 2 , : 一 l + 禹 h二 ,卜 . + a几。}, 卜一 2 。 12 。二 。: , 卜 : 。2 . 卜 . + 。么。圣, 卜 . (4 . 2 ) h 12 , : = 。 1 1 0 2 , + 召! . 月12 h . 1 , 卜 , + (召. 2几: + 月. 1 922 ) h , 2 , 卜 l + 几!内 人二 , 卜 : + a . 1 a . 2 : } , 卜 . + ( a Z . a . 2 + a l . 。 22 )。 . ,卜 . 0 2 , 卜 . + 。2 . 。 二 e l , 卜 : (4 . 3 ) 这里 , h : 代表 A 股条件方差 , 场代表 B 股条件方差 , h l Z代表 A 、 B 股的条件协方差 。 叱 、aij 、 民分别为矩阵 。 、A 、B 的第 (i , j )个元素 。 Engl e 和 KIDn er (l 995 )了 , 对于形如式 (4 )的 BE KK 模型 , 其协方差平稳的充要条件是 AÀA + BÀ B 的所有特征值均落在单位圆内。 (4 . 1) 一 (4 . 3) 三个条件方差和协方差方程右侧每项的系数都是三个参数矩阵中一 些元素的非线性组合 , 例如 A 股条件方差方程中 h : , t _ , 的系数是参数矩阵 B 中第 (l , l) 个 元素的平方 。 如果参数矩阵中每个元素都是无偏的 , 则直接求这些元素非线性组合的值 便得到系数的无偏估计值 , 例如只需将 p: ,平方即得到 A 股条件方差方程中 h l . , . _ .项系数 的估计值 。 然而要确定这些非线性约束是否显著则困难得多 , 一方面因为 W司d 检验结果 在非线性限制形式下是不稳定的º , 另一方面也在于 BEKK 模型的设定形式本身 : 考察条 件协方差方程场 , , 中系数的显著性同时 , 也就给条件方差方程 h , l , .和 娠 , ,中的系数施加了 一定限制 。 例如考察 玩 , . 中 AR cH 项系数是否为 0 时(瑞 二处. 。 ,2 + 。: , 吃 二 0) , 实际上就是 假定参数矩阵 A 的一个对角元素和一个非对角元素同时为 。, 而限制任何一个对角元素 为 0 , 便是假定一个市场中的条件方差不受该市场过去残差平方的影响—这是有悖于ARC H 模型初衷的。 因而 , 为了考察波动在 A 、 B 股两个市场间的溢 出效应 , 本文中我们针对矩阵元素而 不是对元素的非线性组合进行似然比检验和 Wal d 检验 。 检验 B 股对 A 股不直接存在溢 出效应时 ,原假定为 :瑞 二民, = 0 , 吸 , = 0 ,这时 (4 . 1) 一 (4 . 3) 简化为 : h . , . ‘ = 。}. + 雳: h l 卜卜 1 + a {: 。{, 卜 , (5 一 ) 人二 , : = 。孟. + 。聂+ 风 h . , . 卜 , + 2口. 2几 h 12 , 卜 . + 随 h 二 , 卜 : + a }2 。{, 卜 , + Z a . 2 a 二 。卜 t 一 1 0 2 , 卜 : + a 聂。孟, t _ : (5 . 2 ) 人, , , , = 。 , . 0 2 , + 尹, ,月: Z h : , 卜 . + 口. l p22 h . 2 , 卜 . + a . : a .2 。{, 卜 : + 。 : 。 22 0 1 , 卜 , 。2 . ‘_ , (5 . 3 ) 同理 ,仅检验 A 股对 B 股不存在直接溢出效应时 , 原假定为 : 氏 : 仇2 = o , 。 . 2 二 0 , 即是 假定 B 股的条件方差仅受自身过去值的影响 ; 同时检验 B 股对 A 股不存在溢出效应 、A 股对 B 股也不存在溢出效应时 , 原假定为 :氏 : 汤: = 0 , 。 l : = 0; 几. 二 0 , 处. = 0 。 就是说 , 假 ¹ 对 A 股市场和 B 股 , 文中常常以下标 A 、 B 来代表 。 这同条件方差方程中的矩阵 A 和 B 没有关系 , 我们希 望 这种符号上的近似不致引起读者概念的混淆 。 º 比如 , yl 孔 二 l 与 7 . 二 ,尹毛 是等价的限制形式 , 然而对这两种形式进行 w al d 检验时很有可能发现一个限制条 件显著面另一个不显著这种结果不一致现象(详细的讨论见 Dav id 别”l 和 M毗 i~ , 1卯3 , Ch 。 . 13) 4 l .禅卜 定两市之间不存在直接的溢出效应时j 即是限制矩阵 A 和 B 非对角元素均为 。。 这样 , 就 可以构造如下形式似然 比统计量 : 、 LR 二 一 2 ( l r 一 l “ ) 一 x Z ( · ) 这里 , l r 和 l u 分别表示受限制和未受限制下的对数似然值 。 (6 ) 限制条件的个数即是卡 方分布自由度 :原假定为两个市场间不存在溢出效应时 , 卡方分布自由度为 4; 原假定为 不存在一个市场向另一个市场的单向溢出效应时 , 卡方分布自由度为 2 。 在条件残差向量服从二元正态分布假定下 , 含有 T 个样本时的对数似然函数为 : ‘( “’二 一 T · ’”g‘“7r ’一 合菩“n ’从 ’+ ￡’!H丁’‘: ’ (7 ) 这里 , T 为样本总量 , 6 为待估参数向量 , 由于 C ARC H 模型的对数似然函数形式是非线性 的 , 估计过程中我们使用 BHHH 算法 。 对于 以下二维 VGA Rc H (l , l) 模型的参数估计 、 、我 们首先对 A 、B 两个市场分别估计单变量 以RCH ( 1 , l) 模型 , 取其参数 (正的平方根 )作为 v G AR c H 模型中对应参数 (矩阵 n 、A 、 B 相应对角元素 )的初始值 , 而非对角元素初始值设 定为 0o 参数的收敛准则定为 l e 二 5 , 即前后两次迭代参数向量的变化率小于 0 . 00 1%时 认为达到收敛 。 限于篇幅 , 这里不列出单变量 GA Rc H 模型的估计结果 。 - 三 、数据以及 B 股对内开放事件 (一 )数据选取 ‘ - · 我们首先选用上海和深圳两个交易所的 A 股和 B 股每日收盘指数 , 即上海的人股综 合指数和 B 股综合指数、深圳的 A 股成分指数和 B 股成分指数¹ 。 样本期为 199 7 年初至 2以犯年底的 6 年时间 , 以往的研究一般认为 , 199 6 年底开始实施的涨跌停板对股市 波动产生了较大影响 (如张剑等 , 2加2 ) , 而且此前 B 股市场规模较小 , 因此我们取样 自 199 7 年始 。 日收益率的计算采用对数之差( 百分比 )º : 卜 - 尺 , : = 100 · 109 (凡产凡 卜 , ) - 一 (8 ) 其中 R , 代表 t 日收益率 , 只代表 t 日股市收盘指数 , 下标 i 分别代表 A 股和 B 股 。 采用 A 股和 B 股市场 ( 以下简称 A 、B 市场 )的指数收益率是一种简便易行的办法 , 不 过这种方法可能不甚精确 , 因为两个指数收益率不完全匹配 : 大量的 A 股公司并没有同 时在 B 股上市 , 这些公司股价的变化仅会使得 A 股指数变动而不会直烤影响到 B 股指 数 。 . 然而考虑到截至 l卯7 年上半年时 , B 股市场已经包括 47 家公司 , 以后更不断增加 , 至 以犯2 年底 已经达到 I n 家 (其中沪市 54 家 , 深市 57 家 )。 由于 B 股公司数量较多 , 而且 绝大多数 B 股公司同时发行 A 股 , 我们有理由认为由同时在两个市场上市的公司所构成 的 A 股的加权收益率接近于 A 股指数收益率 , 所以可以用后者来代替前者来考察 A 、B 股 ¹ » 计算过程中我们还选用深圳 A 股综合指数和 B 股综合指数 , 关键结论与成分指数没有差异 ‘ 中国般市中 A 股均以人 民币计价 , 上交所中 B 股以美元计价 , 深交所中: B 股以港币计价 。 一 由于在考察的样本 期内人民币相对于美元和港币的汇率基本不变 , 因此我们不再对 B 股的收益率进行汇率的调整 。 4 2 收益率之间的波动关系。 一 , : 乳 . 为了在 A 、 B 市场的波动溢 出效应方面布享到稳健的结论 , 我们还选取在 A 、 B 市场同时 上市的 14 家公司 , 分别构建这些公 司 A 股和 B 股的等权组合收益率 , 以考察 A 、 B 两个市 场间的波动溢出效应 。 公司的选取原则是 (i 佑两个市场均上市 , (2 )按照 200 1 年全年在 B 股市场的交易额从大到小选取¹ , ( 3 )在 」卿 年之前已经在两个市场上市 , (4 ) 1二 年之 后除了节假日、公告日等之外 ,不存在异常原因停牌 · 为了使得样本公司具有充分的代表 性 , 我们力图最大数量地选取在 A 、 B 两个市场同时上市的公司 , 然而随着 B 股交易额的 减小 , 不少 B 股在大量交易日里收盘价没有变化 , 甚 至没有交易发生 。 故最终以 B 股交 易额为依据 , 选取最大的 14 只股票 , 其中上交所 12 只 , 深交所 2 只»。 一个理想的办法是 考察单个公司的 A 股收益和 B 股收益的波动关系 , 然而实际中难以做到这点 , 因为个股 价格含有过多噪音成分 , 而且由于 B 股市场交易不活跃 , 个股在许多交易日里价格不变 或者没有交易。 而市场指数更大程度 _ L 反应的是大公司股票的价格变化 , 故采用等权方 式构建 14 只股票 的组合收益率可视作是在个股与市场指数之间的折中。 除了 199 7 - 200 1 年间卜海 A 股和 B 股的终合指数来自《中国股票市场交易数据库查询系统》外 , 其他指数以及 14 只个股日收盘价均来自分析家股票软件 。 (二 )基本统计特征 表 l 列出了收益率与平方后收益率的基本统计特征 。 Janlu 。 一 Be t 。统计量表明每个 收益率序列都不是正态分布的 。 在正态分布假定下 , 设 T 为样本总量 , 偏度的分布为 N ( O , 6/ T) , 峰度的分布为 N( 3 , 24 /T) 。 A 股的收益率偏度虽然为负 , 却一般落在正态分布的 两个标准差之内 , 因而分布大致是对称的 。 而 B 股收益率的偏度则显著大于 0 , 表明 B 股 收益率序列中含有一些异常大的正值 , 实际上这很大程度上源于 200 1 年 2 月下旬 B 股对 内开放后大多数股票连续一周的涨停板 。 收益率之所 以不服从正态分布 , 还主要是由于 每个序列的峰度都显著大于 3 ,说明无论是 A 股还是 B 股的收益率都呈现出显著的厚尾 特点 。 从滞后 1 一 5 阶的自相关系数以及前 6 阶自相关性的联合 与u ng 一 Bo x Q 检验都可 以 认识到 , 有关 A 股市场的三个收益率序列均没有 自相关现象。 而 B 股收益率则存在自相 关性 , 尤其是一阶自相关系数比较显著 。 根据平方收益率的 Q 检验结果 , 无论是 A 股还 是 B 股平方收益率的自相关性统计上都是极其显著的 , 这揭示了股市波动的时变性和聚 类性 。 即 M an d e l b ro t ( 1% 3) 和 Fama ( 1% 5 )较早总结出来的 : ‘大的波动之后仍是 大的波 动 , 小的波动之后仍是小的波动。 ¹ B 股市场中各只股票交易额的排序根据《中冈证券与期货统计年鉴 2(X趁》 º 14 家公 司分别是 : 陆家嘴 (6以义石3 , , I 拍3 2 ) , 氯碱化工 (6以拓18 , 9以XX冷 ) , 粤电力 (以刃5 39 , 2田5 39 ) , 龙电股份 (6以刀26 , 以洲刃 37 ) ,轻骑 (印肠98 , 以】I “6 ) , 二纺机 (以刃叹只 , 以刃阴)2 ) , 广 电电子 ( 以刃叹犯 , 侧刀刃 1 ) , 南玻科控 ( 仪x刀 12 , 2(X 力12 ) , 海立股份 ( 日X巧19, 驯) )〕10) , 轮胎橡胶 ( 6 1 巧2 3 , 侧】p 的 ) , 天 津海运 ( 6叹刀5 1 , 叨伪3 8 ) , _仁柴股 份 ( 6 J 〕斜 l , 叨田20 ) , 浦东金桥 (仪, 为39 , g J 刃1 1 ) , 大众交通 (以洲拓1 1 , 叭砂刃3 ) 。 括号内分别是该公司 A 股和 B 股的代码 。 4 3 表 1 沪派市场指数以及等权指数日牡位率的甚本统计特征 (l 997 . 1 一撇 · 12 }— .一 股 ’ - 一- 一 - - - 一一 ’. . - .一b’’’rk’’’ ” ” ” ” ’ ”R^ , 。 R^ , S 凡. w 凡 ,。 凡 . 5 凡 .w(观侧 : 144 1) (观测 : 14 34 ) (观侧 ; 布4潮) ) (观侧 : 144 功 (观侧 : 1434 ) (观侧 : l翎 )均值 0. 必 一 0. 01 4 0. 哪 0. 柳 一 0. 01 3 0. 哪 标准差 1 . 63 7 1 . 82 2 1 . 盯二 2. 侧9 2 . 5% 2 . 7 28 偏度 一 0 . 巧2 一 0. 0 28 一 0 .“瞬 0 2肠 0 . M 7 0 . 2 54 峰度 9 . 142 8 . 100 6 . 刃3 5 .妇5 5 . 92 1 5 . 巧3 仆 一 0 . 0 14 0 . 03 9 一 0 .印5 0 . 1 10 0 . 砚拟) 0 . 1佣 内 一 0 . 0叹】 一 0 . 0 15 一 0 .《坦鸿 一 0 .工1 0 . 0 13 一 0 . 0 17 必 0 . 0 17 0 . 肠1 0 . 心刀9 0 . m 0 0 . 0 54 0 .价5 扭 0 . 05 8 o . m 6 0 .倪0 0 . (阅礴 0 .仿8 0 . 0招 阳 一 0. 0巧 一 0. 哪 o ,助 一 0. 朋 0. 姗 0 ·00 1 Q(6 ) 7一7 [0 .刃〕 9 .卯 [o 一3 ] 6 .盯 [0 .叨 ] 刀 , [ < 0 . 01 ] 刀 .艾 [ < 0 0 1 ] 刀 . 9 [ < 0 . 0一} 护(6 ) l肠 . 6 [ < o 刀l } 场〔< 0 . 0 1 ] l, . 9 [ < 0 . 0 1 ] 匆 〔< 0 . 01 ] 姗 [ < 0 .0 一] 现 [ < 0 . 01 ] 」. , 嘴 一 压犯 刀训〕[ < 0 . 0一] 一双 [ < 0 .01 ] 肠 [ < 0 . 0一] 郑 [ < 0 . 0 一] 翎 [ < 0 . 01 ] 水 〔< 0 . 01 ] 注 : R 为日收益率 , 下标 A 和 B 代表 A 股和 B 股 ;下标 H 和 S分别代表沪和深两个证券交易所指数 , W 代表我们 利用 14 只股票构建的等权组合指数 。 例如第一列 R^ , 。为沪市 A 股综合指数收益率 。 介是滞后 i 阶的自相关系数 , 在序列无自相关假定下的真实 自相关系数为 。, 标准差约为 0 .肠; Q统计量 (中括号 内为 p 值 )用 以检验滞后 卜 6 阶收益率的自相关系数是否联合为 。,铲则用以检验平方后的收益率滞后 卜 6 阶的自 相关系数是否联合为 。, 在序列无关假定下 , 两个统计量均服从 扩(6) 。 最后一行是用 以检验正态性的 J助甲 e 一 晚扭 统 计量 , 在正态性假定下服从才(2) 。 考察 A 、B 两个市场收益率条件均值的变动以及它们之间的相关性无疑具有重要意 义 ,然而本文的 目的主要在于考察两市的波动溢出关系 。 因此我们首先剔除能够利用自 身或者对方市场的信息预测 到的条件均值成分 , 仅取非预期的收益率成分作为观测值 ( o h 记rvat ions )来考察市场间的波动关系¹ 。 首先考虑收益率序列 自相关性 , 由于 B 股的收 益率具有显著的一阶自相关性 ,我们基本的思路是引人滞后一阶的自回归模型 。 试验结 果表明 , 对于 R 。, 。 , 经由 A RMA ( 1 , l) 模型滤波后的残差 (又称为“非预期收益率 ” )不再具 有线性相关性 。 具体地 , 模型设定为 : 凡 , 。 . ‘ = ‘ + 笋 · 凡 , H . 卜 l + 8 · e 。 , 。, 卜 , + e : . , , : (9 ) 对于 R B , S和 R B , w , 经由AR ( l) 滤波后的残差也不存在线性相关 (即上式中限定 6 二 0) 。 三 个残差序列的统计特征如表 2 。 相对于表 1 中 B 股的原始收益率序列而言 , 唯一明显的 不同之处在于非预期收益率序列不存在自相关现象 。 其它统计特征则没有大的变化 :非 预期收益率仍然具有较高的峰度 , 显著的守统计量表明非预期收益率的波动仍存在聚类 性 。 ¹ 这种方法较早由 P叱阳 和孙wert ( 19如)使用 , 以后 助gle 和 掩 ( 1993 )滋云扣贯 和 Ng ( l叨 )考察收益波动关系时也均采用此方法 。 44 侧 表 2 线性渝波后 B 股收益率残差的甚本统计特征 标准 偏度 自 户 内 阳 Q(6 ) 护(6 ) 上卫 又沼6726176川54 [09[07 e o . H 匀万 均值 0 . 《兀叹 2 . 629 0 . 2即 峰度 5 . 4 14 0 加1 0 0 14 0 ‘翻8 0 . 以7 一 0 . 0 17 一 0 . J 万 2. 男7 众J 刀 5 . 81 2 一仪田1 住田l 住峨湘 0. 伍3 一 0. 田 1 仁< 0 . 0 1] 仁< 0 . 0 1 ] 2荃〕 .哪 [ < 0 . 0 1」 〔< 0 . 0一了 注 :统计量符号的解释如表 l 。 eu, 。是对上交所 B 股综合指敛收益率经由 ARMA ( 1 , l) 模型滤波后残差 , e 叹 5 和 e 伙 、是对深交所 B 股成分指数收益率和等权组合收益率经由AR ( D滤波后的残差 。 第二步考虑 A 、 B 两个市场间的跨期互相关关系 。 如果这种相关性不显著 , 则以上分 别对每个市场构建的单变量 A刊姗A 模型就是充分的 , 反之 , 则有必要引人 向量自回归 (VAR) 模型来进行条件均值的滤波 。 表 3 是互相对应的 A 股和 B 股收益率的互相关系 数 。 A 股收益率无论是同 B 股原始收益率还是 B 股非预期的收益率之间的跨期互相关系 数均极小 , 一个收益率对下期另外一个收益率的解释比例一般不会超过 5% 。 所以可以 认为在 A 、 B 每个市场上 , 都难以用对方的收益率对本市场收益率均值进行预测 。 不过这 . 并不意味着两个市场就是独立的 , 因为两个市场的二阶矩间可能存在格兰杰因果关系。 根据以上分析结果 , 在下面利用 v CARC H 模型时 , 我们假定两个市场收益率的条件均值 之间不存在引导和滞后 (1份d 一 lag ) 关系 , 从而能够将注意力集中于对两市场条件方差关 系的分析 。 裹 3 A 、 B 股收益的踌期互相关系数 R ^ , “ R二 ” R ^ . s R “. S R ^ , 砚 R “, w R ^ , 。 ( 一 l ) 凡 . 。( 一 I ) R^ 。 ( 一 l ) 0 . 0 11 一 0 . 0 27 0 . 0 10 R^ . s ( 一 l ) 凡.s( 一 1) 0. 仪旧 0 . 仪】7 R ^ , 钱 R吕 , 钱 {} 一 0 . 胶l R ^ . 铸 一 0 仿 I R^ 一 0 . 03 9 R^ , 铸 }} 一 0 .以8 电 . “( 一 0 . 0 16 注 : 上面一栏是 A 股收益率与 B 股收益率的一阶互相关系数 , 下面一栏是 A 股收益率与 B 股非预期收益率的一 阶互相关系数。 (三 )B 股对内开放前后 A 、 B 股相关性的比较 仰l 年 2 月 19 日 B 股向境内投资者开放 (允许境内居 民以合法持有的外汇交易 B 股 )是 B 股市场发展过程中最具决定意义的事件 。 该事件最明显的结果是活跃了 B 股交 易 , A 、 B 股的价差因此大大缩小 。 更为重要的最它在很大程度上改变 了 B 股市场的投资 者结构 , 使得投资者境内化 、散户化 。 B股市场原来投资者限于 “外国的 、定居国外的 、港 澳台地区的自然人和法人” , 其原始股的发行又最以对境外机构投资者私募的方式进行 , 因此 “股的投资主体集中在境外的机构投资者¹。 西对境内开放后 ”股市场则演化成 了 以境内散户为主的市场 。 据上交所统计 , 仅 2印1 年第一季度举人投资者开户数就比 2仪X) 梢长 33 2 ·价%, 超过了前 “托开户数的总和 , 而机构投资者开户数比上年仅增加 ¹ 尽管在 ”股对内开放前就有一些境内机构投资者和境内居砰通过迂回的方式开立 ”股帐户交易 ”股 , 但由 于政策的约束 B 股市场仍然是以境外资金投资为主的证券市场 。 . 3. 5 7%o 与国内大量居民开户 B 股相对早脚是 , 外资大股东的持股比例却在急剧下降 , 境外机构投资者户数也大幅减少 。 例如从 去刃1 年中报看汉寸内开放后的几个月里九成以上 的外资大股东有减持的举动 (其中包括己获准流通 的外资法人股 ) , 平均减持比例超过四 成¹ 。 — h u A - - 一 h u 白 — S h e n A - -一 3 h e n B 际 卜 尸 9 7 . 1 9 8 . 1 9 9 . 1 00 . 1 0 1 0 2 . 1 9 7 1 9 8 . 1 9参1 00 . 1 0 1. 1 0 2 , ·图 更 上证综合 A 股指数和 B 股指数 (B 股指数放大 13 倍 ) 对内开放后由于 B 股投资主体日益同 和操作方式也开始同 A 股市场接近 。 图 1 图 2 深证成分 A 股指数和 B股指数 ( B 股指数放大 3 倍) A 股一致 , 可以设想此后 B 股市场的投资理念 和图 2 分别是 199 7 一 2(X) 2 年间上交所和深交 所中 A 、B 股指数的走势图 。 为便于比较 , 图中将 B 股指数予以放大 , 使得在起始点上 A 指和 B 指接近。 然而至 2仪〕l 年初 B 股开放前 B 指的价格远低于 A 指 。 该段时间内 B 指 反而在下降 , A 、 B 股的走势相脱离 。 说明相对于 A 股市场 , B 股市场缺乏活力 。 由图中可 以看到 , B 股在开雄后经历短期的暴涨后开始同 A 股一致变动 , 200 1 年中期以后 , 两条指数线的变动趋势几乎相同 。 _ 表 4 B 股对内开放前后 A 、 B 殷收益率相关系数一一凡 . 。 R ‘ 、 R .97卯01凡泪 一 m00 . 12 : 0 . 514 凡 ,、. 0 .粼 58 刃 . 1 一 02 . 1 2 : O . 5() 5卯 1 一 00 . 12 : 一 0 46 7Q I . 7 , 02 . 12 : O , 6 7 2 凡 . 、 l 一 m . 12 : 0 . 5 1 1I 一 00 . 12 : 0 .肠 77 一 傀 . 12 : 0 . 68 1 7 一 倪 . 12 : 0 . 68 297卯01燕斌彝娜¹ 基本数据来自《上海证券报》, 或见吻 :汀~ 滋讨灿毗侣 4 6 四 、 向量 以RCH 模型估计结果 根据上一部分 A 、B 两个市场收益率自相关以及互相关关系的分析结果 , 我们将 A 股 的收益率以及 B 股的非预期收益率设定为如下形式 : 十 、恤龟..,了」 .‘乙‘, ,AB产产! 、 一一 R , , ‘. C通, ￡ : e B , i , t ( 10 ) e B , ‘, t 这里 R^ , i , .表示 A股收益率 , e B , i , .表示通过 AR MA 模型滤波后的 B 股非预期收益率 , 下标 i 二 H , S , W 。 分别代表上海证券交易所指数 、深圳证券交易所指数和我们所构建的等权指 数 。 假定条件残差向量 (。A , i , t , 。B . i , t ) ’服从二元正态分布 , 条件协方差矩阵设定为式 (4) 的 BE从模型 。 如前所述 ,该模型估计参数时能够同时利用残差 向量的协方差矩阵所包含 信息 ,将一个市场对另一个市场的波动冲击看作是模型中的内生变量 , 因而能够有效地考 察市场之间的波动溢出效应 。 表 5 是 A 股和 B 股间的波动溢出效应估计结果 。 第一栏为不对参数施加任何限制 的 BEKK 模型最大似然估计结果 (为简化表格 , 没有列出常数项矩阵 n ) 。 首先看第一列 的参数估计值 , 该列是关于上海证券交易所指数收益率的 BEKK 模型 。 矩阵 A 和 B 的对 角元素都十分显著 ,说明每个市场的波动都明显受自身以往波动程度的影响 , 从单个市场 来看 , 波动具有聚类性 。 参数估计结果满足模型的协方差平稳性条件 , 不过特征值十分接 近于 1 , 表明波动具有高度的持续性 , 这同单变量模型的检验结果一致 。 相对于对每个市 场分别估计的单变量 GA R CH 模型 , BE从模型的对数似然值 ( 以下简称 “似然值 ” )有了显 著提高 : A 股的单变量 GA RC H 似然值为 一 2 5 70 . 14 , B 股的单变量 GA RCH 似然值为 - 33 05 . 79 , 两个模型的似然值之和为 一 5 875 . 93 ¹ , 远小于 BEKK 模型的似然值 一 5 5 35 . 65 , 表 明在一个向量的框架内估计两个市场的波动关系的确还应考虑到两者之间的协方差关 系 。 根据式 (4) , 检验上交所中 A 股市场和 B 股市场不存在直接的溢出效应时 , 原假定为 参数矩 A 和 B 的非对角元素均为 。, 即是 氏 : 几; 二 o , 吸一 。洛2 二 0 , 。12 = 0 。 似然比 (LR ) 检验表明 , 相对于原来不加限定条件的 BE以模型 , 这时对角 GARC H 模型的似然值有了 显著下降 , 可以在 1%显著水平上拒绝两个市场间不存在溢出效应的原假定 。 w al d 检验 可得出类似的结论 : 四个元素并不是联合为 。的。 这种检验方式是有用的 , 因为它确认出 了两个市场间存在波动溢出效应 。 不过我们却无法由此得出波动溢出的方向 :波动是由 A 股向 B 股的溢出 , 或是 B 股向 A 股的溢出 , 抑或 A 、B 股之间的双向溢出 ? 进一步地 , 我们只假定 B 股不对 A 股产生波动溢出 , 即是仅限定 几: 二 0 , 吸l 二 0 , 这时 模型的似然值相对于不加限定条件的 BE双 模型似然值几乎没有下降 , 似然比检验和 ¹ 文中没有列出两个市场的单变量 以RC H ( 1 , l) 模型估计结果 。 W a l d 检验均不能拒绝该原假定 ( p 值分别为 0 . 76 和 0 . 46 ); 而如果假定 A 股不对 B 股产生 溢出 , 即是仅限定 伪2 二 0 , 。 ! 2 = 0 , 似然 比检验和 w a l d 检验则均拒绝该原假定 ( p 值小于 0 . 01 ) 。 也可以直接由四个非对角元素的 t 统计量粗略地认识到这点 :矩阵 A 和 B 的下三角 元素接近于 o 且 t 统计量不显著 , 而上三角元素却显著得多 , 尤其是伪2在 99 % 置信水平上 显著不同于 O。 从而我们认为 , 两个市场间的溢出效应主要是由 A 股向 B 股的溢出 , 而不 是 B 股向 A 股的溢出。 表 S A 股和 B 股间的波动溢出效应 ( 199 7 . 1 一 2 (X) 2 . 12) 上交所指数收益率 深交所指数收益率 等权组合收益率 、、lsel口ee7、、, . sez /fZ. !l 、护‘了....叮几、、、.llwel,2、、 j / 气‘O‘饭”一U 03091姗67.(00-0.383.4)570(2(.C仪:l5沌 卜、,J‘J者 刚一”†).oo3026) 巧了‘!l、Z布‘f...吸、、、lselsesej、、eelse早esZ 第一栏 : BEKK 模型 B 一 0 . 《科9 一 4 . 36 ) 0 92 2 ( 14 1 . 2 ) 0 〔M习 ( 1 . 62 ) 0 . 3 8 1 (2 1 . 10 ) l( 对数似然值 ) 一 55 35 . 65 第二栏 :溢出效应的假设检验两市间不存在溢出 0 . 8只 一 0 .胆 5 ( 82 . 7 6 ) ( 一 1 . 94 ) 0 . 00 1 0 . 93 5 (0 . 30 ) ( 143 . 3 ) 0 . 35 3 一 0 . 0 87 ( 18 . 48 ) ( 一 4 . 14 ) 0 . (洲) 0 . 365 (0 . 0 1 ) (20 . 0 1) 一 5 828 . 45 8 891)55叨叭43f171.oo14(勺(l(二/0I(zIO饰 场 : 民: 二 O , a2 . 二 0 p: : 二 0 , 。 l: 二 0 1 二 一 5 54 1 .卯 LR 二 l 2 . 5() [0 . 0 1〕 Wal d 二 34 . 32 〔< 0 . 0 1] i 二 一 57 18 . 伪 LR = 6 .钓 [0 . 13 ] Wald = 13 . 5 3 [ < 0 . 0 1] 1 二 一 584 5 . 洲5 LR = 33 . 77 仁< 0 . 0 1 ] W al d 二 卯 . 16 [ < 0 , 0 1〕 不存在 B 股向 A股溢出 场 : 几, 二 0 , 处 , 二 o l = 一 5 5 35 . 38 眼 二 0 . 554 仁0 . 76 〕 W目d 二 1 . 5 54 〔0 . 46 」 l = 一 57 l5 . 0’7 LR 二 0 . 卯8〔0 . 印7〕 W目d 二 1 .创为〔0 . 45 〕 1 二 一 58 28 . 52 9 比 二 0 . 142 [0 . 9 3 ] W ald 二 0 . 188 仁0 . 9 一〕 不存在 A 股向 B 股溢出 场 :民: = 0 , al2 二 0 二 一 5 5喇) . 68 LR 二 10 . 05 [ < 0 . 0 1 ] W翻 = 25 . %〔< 0 . 01 〕 l 二 一 5 7 17 . 92 LR = 6 . 70 [0 . 03 5 ] Wal d 二 13 . 5 1〔< 0 . 0 1〕 1 二 一 584 5 . 以5 LR 二 33 . 17 [ < 0 . 0 1 ] w曲l 二 93 . 6 1 [ < 0 . 0 1」 注 : 第一栏是对矩阵 A 和 B 的元素不施加限定条件的 BE KK 模型估计结果 ;第二栏中通过对矩阵元素施加限定条件来检验波动溢出的方向 。 矩阵元素下的小括号中为 t 统计量 。 1为 VG AR CH 模型的对数似然值 , LR 为相对于第一栏中不加限定条件的 BE从模型 的似然比值 , w劫ld 为对限定条件的 Wal d 检验统计量 , 两个统计量均服从自由度为限定条 件个数的卡方分布 , 中括号中是 p 值 。 表 5 的后两列是利用深交所指数收益率以及等权组合收益率对 A 股和 B 股溢出效 应的考察结果 。 通过似然比检验 、确习d 检验以及比较非对角元素的 t 统计量显著性 , 我们 得出的基本结论与以上利用上海证券交易所数据的结论相同 : A 、 B 股之间的波动溢 出主 要是由 A 股向 B 股的溢出 , B 股向 A 股的溢出则很不明显 ¹。 本文第二部分的分析已经表明 , 2 0 0 1 年 2 月 B 股对境内投资者开放之后 , B 股和 A 股 的相关性加强了 , B 股投资主体也开始同 A 股一致 。 为了考察 B 股对内开放事件对 A 、 B ¹ 对于深交所 , 原假定为 A 、B 股之间不存在波动溢出时 , 似然比检验不太显著 (p 值为 0 . 13 ) , 不过我们认为这 并不影响本质的结论 , 因为 W 司d 统计量是显著的 , 而且似然比检验下 A 股向 B 股的溢出也显著。 4 8 两个市场波动溢出关系的影响 ,我们进一步将样本区间分为两部分 , 同前面的分段方法相 同 , 考察对内开放前的 A 、 B 股关系时使用 2 0( X) 年底以前的样本 , 考察对内开放后的 A 、 B 股关系时使用 2(X) 1 年 3 月 5 日以后的样本 。 表 6 B 股对内开放前 A 股和 B 股间的波动溢出效应 ( 199 7 . 1 一 2仪X) . 12 ) 卜交所指数收益率 深交所指数收益率 等权组合收益率 383众闷4018[3助月270月3飞洲乃n1