资本市场联动及风险防范.pdf

1、资本市场联动及风险防范黄少军摘要 对疫情以来中国、美国、日本三国股票、债券、外汇金融市场的实证研究显示，金融市场跨市场相关性和联动性显著增强，中美股市均为债市、汇市波动的引导方和联动效应的净溢出方，美中、美日股市联动指数在疫情期间显著上升，美股是中、日股市波动的引导方。建议一方面将国内金融风险防范重点落至股市这一风险中枢，监测市场反应，适时进行预期引导;另一方面及时评估美国救市政策效应，尽快启动风险预警机制，有效防范输入型风险。关键词股票市场债券市场汇率市场联动中图分类号 F224;F832.5文献标识码A文章编号 1004-6623（2020）03-0051-07一、问题的提出随着全球经济的

2、不断发展，金融自由化的不断扩大，以及金融市场间信息传播、资金流动和市场运作等方面的联系不断增强，各金融市场间的收益率越来越具有协同变化性，表现为各市场间的联动。这种联动不仅存在于同一国家的不同金融市场间，也存在于不同国家的不同金融市场间。当一个市场受到风险冲击而发生价格变动时，受基本面影响，其他市场也可能跟随发生变动，且投资者往往会根据价格变动去推测其他市场价格的变动，从而导致其他市场最终可能发生与该市场的同向变动，产生金融市场联动。金融市场间的联动关系既是整个金融体系有效性的表现，也是市场化货币政策能够得以有效实施的基础性条件。股票市场、债券市场和外汇市场是一国金融体系的核心构成，是实现资源

3、配置和风险再分配的重要场所，三个市场之间的关系错综复杂，研究其溢出效应有助于了解其互动关系和作用机理，提高其抵御金融风险的能力，满足不同风险厌恶投资者的需求（王斌会等，2010）。今年以来，国内外金融市场受疫情影响持续动荡，13 月道指下跌近 30%，日经指数下跌超 30%，沪深 300 下跌近10%。为稳定股市，各国央行大幅降低基准利率，其他金融市场特别是债市和汇市受到冲击相继出现较大波动，国际股市间及各国内部金融市场间的联动特征愈发明显。有关股市、债市和汇市之间相关性的研究方面，Fleming 等（1998）使用 GMM方法，发现 1987 年以来美国股市、债市和汇市之间收益率波动的相关性

4、愈来愈强，且在信息溢出作用下跨市场对冲交易频繁涌现;Raza 和 Wu（2018）基于Copula 函半參估计的方法，发现英国股市、债市和汇市存在尾部和分位数相关性，但即使在极端波动情况下，股市和汇市之间的溢出效应也相当有限，汇市和债市之间仅存在弱相关。国内方面，郑国忠、郑振龙（2014）指出，不同市场环境下三个市场间的动态相关性和波动溢出效应均有明显异化现象，股市和债市间的波动溢出效应较弱，汇市的波动会影响到债市;陈守东等（2016）使用二元极值 POT 模型，确定股市、债市和汇市存在尾部渐进相依性，说明在极端情况下，关联性是存在于汇市和债市以及汇市与股市之间的。从已有研究来看，当前国内外对

5、股市和汇市间相关性的研究并未取得一致性结论，股市和债市之间相关性研究的结论较为统一，即股价与债券收益率长期存在负相关关系，但短期而言，股市和债市之间的相关关系不稳定，随着不同的宏观经济环境和金融市场变动而表现出正向、负向和不相关三种情况。目前绝大多数研究对象多为国际金融市场间的溢出效应和国内两个金融市场间的溢出效应，对于国内多个金融市场间的溢出效应、特别是对新兴市场经济体内多个金融市场溢出的研究仍然较少。此外，国内外学者运用不同的计量方法对两个金融市场间溢出关系进行了研究，包括向量自回归模型 VAR、协整分析以及多变量 GARCH 模型等，为深入分析三个及其以上金融市场间的溢出关系提供了有益的

6、参考与借鉴，但金融市场间的这种内在关联性，导致了金融市场价格具有一定程度的内生性，上述模型不能很好地解决内生性问题。Diebold 和 Yilmaz（2012）提出的通过广义预测误差方差分解构建溢出指数的方法，一方面，能给出风险溢出的方向，度量风险溢出的强度和规模;另一方面，该方法基于 VAR框架所得到的广义方差贡献度，消除了变量次序对正交分解结果的影响，受到学术界的广泛关注。因此，本文将利用 Diebold 和 Yilmaz（2012）的研究方法，以美、日、中为样本，对国内股市、债市和汇市间的溢出效应以及股市的跨国联动进行分析，重点考察疫情发生以来联动关系的变化情况，并提出相应的对策建议。二

7、、模型设定及实证分析基于金融市场联动的概念及现有文献可知，金融传染效应实际关注于市场间的相关性。总结现有关于相关性的度量方法，本文采用应用广泛的 Granger 因果关系检验法、DCC-GARCH 和波动溢出模型法进行相关分析。（一）样本选择与数据处理本文选取美国、日本和我国为研究样本，以交易日为频率，依据数据可得性、样本尽可能的长度、文献惯例，将各地区股市、债市和汇市的代表性指标确定如表 1，数据均来源于 Wind 数据库。根据数据质量，进一步统一各国不同序列的样本长度，取美国时间区间为 2001 年 1 月 2 日至 2020 年 3 月 13 日，日本为1999 年 1 月 4 日至 2

8、020 年 3 月 13 日，我国为 2002 年 1 月 4 日至 2020 年 3 月13 日，作为分析的样本区间。本文基于所选指标，按照 Rit=100ln（xit/xit-1）计算各市场收益率。其中，xit 为市场 i 在第 t 日的原始价格指标，Rit 即市场 i 在第 t 日为收益率指标。各国各市场收益率序列的描述性统计结果见表 2。表 2 中的均值和标准差说明，各国股市收益率的平均值和波动性均最高，美国和日本债市收益率的平均值和波动性最低，我国汇市收益率的平均值和波动性最低，基本反映了“高风险高收益”的现象。（二）单位根检验为避免出现“伪回归”问题，在进行溢出效应模型估计之前，本

9、文首先对各变量进行了单位根检验，以确定各市场指标序列不存在随机趋势或确定趋势，检验结果如表 3 所示。ADF 和 PP 检验的结果表明，在 5%的显著性水平下，均拒绝原数据序列存在单位根的原假设，说明各国各市场代表性指标收益率为平稳序列。KPSS 检验的结果表明，在 10%的显著性水平下，不能拒绝原数据序列为平稳序列的原假设，由此也证明了各国各市场代表性指标收益率的平稳性。因此，各序列均为平稳的时间序列，可直接对各变量进行溢出效应估计。（三）Granger 因果关系检验Granger 因果关系检验结果如表 4 所示。各国国内股债汇市场之间的 Granger检验结果表明，美国以股市为中枢，股市和

10、债市、股市和汇市之间互为Granger 因果关系，债市是汇市的单向 Granger 原因，说明债市对汇市存在单向引导关系。日本股市与汇市之间互为 Granger 因果，汇市是债市的 Granger原因、债市是股市的 Granger 原因，说明汇市单向引导债市变动、债市单向引导股市变动。我国股债汇关系的核心是股市，股市与汇市间互为 Granger 因果，因此存在双向引导关系;股市是债市的 Granger 因，说明股市单向引导债市变动。美、日、中三国股市之间的 Granger 检验结果表明，美国股市变动是中日股市变动的 Granger 因，中日股市变动不是美股变动的 Granger 因，且中日股市

11、之间不存在 Granger 因果关系，说明美股变动单向引导日股和 A 股变动，中日股市之间不存在引导关系。（四）动态相关关系估计美、日、中三国国内股债汇动态相关关系的估计结果如图 1 所示。可以看出，美国、日本和我国股债汇之间的相关性在疫情期间均显著增强。在相关性方向上，疫情期间，美国股市与债市、股市与汇市、债市与汇市均正相关，日本股市与债市正相关、股市与汇市以及债市与汇市之间负相关，我国债市与汇市正相关、股市与债市以及股市与债市之间负相关。美日中股市跨国之间动态相关的估计结果如图 2 所示。由图 2 可知，美国与我国和日本股市之间均存在正相关性，且美中股市与美日股市之间的相关性在疫情期间均显

12、著增强。（五）波动溢出效应估计本文对美日中三国股债汇收益率序列建立了广义向量自回归模型，并基于 SC 准则为 VAR 模型选择最优滞后阶数，同时设定模型的预测期为 1 周，在此基础上进行全样本静态溢出效应估计，最后结合波动溢出矩阵考察各国股债汇之间的联动关系，表 5 为美日中股债汇市场联动的静态溢出效应估计结果。由表 5 可知，中美股市对其他市场的溢出影响大于其所受其他市场的溢出影响，为溢出效应的净输出方;美国的汇市、我国的债市和汇市则为溢出效应的净接受方;日本汇市为溢出效应的净输出方，股市和债市为溢出效应的净接受方。就整体联动效应而言，美日股债汇联动指数分别为 10.6%和 9.9%，显著高

13、于我国 0.4%的联动水平。2008 年国际金融危机期间，美日中股债汇溢出效应结构未发生变化，但大小均出现显著上升，总联动指数分别为 17.2%、22.9%和 1.6%，远超日常情形。此外，由于在样本期间内，各国各市场可能经历多次调整，基于全样本的静态溢出指数仅能概括各市场间的平均影响，但却难以反映市场间联动效应的总体变动趋势。为解决这一问题，本文进而利用滚动回归的方法，计算各市场之间的动态溢出指数，以期描绘各市场在样本期间联动关系的动态变化。与前文一致，本文将预测期限设为向前 1 周，窗宽根据各国样本量差异而设定。动态溢出效应的估计结果如图 3 所示。由图 3 可知，美国总联动指数由 202

14、0 年 1 月 2日的 10.5%迅速上升到 3 月 13 日的 11.9%，且随疫情在全球范围内的迅速扩散，其影响还有进一步扩大趋势。日本总联动指数则由 15.2%小幅上升到16.0%。我国市场的联动性增长显著高于美国、日本，总联动指数由疫情发生之前的 0.5%飙升到 3.8%，创 2005 年以来该数值的新高。就美日中股市跨国联动的静态溢出估计结果（表 6）而言，美国股市变动对中日股市变动存在净溢出效应，且美股对日股的净溢出显著高于对中国 A 股的净溢出;中美股市总联动指数为 2.4%，显著低于日美股市 11.5%的总联动指数。特别地，在 2008 年国际危机期间，美国股市变动对中日股市变

15、动的净溢出效应均显著增强，且中美、日美股市间总体联动效应明显增大，分别达 3.2%和24.4%。美日中股市跨国联动的动态溢出效应估计结果如图 4 所示。由图 4 可知，今年疫情暴发以来，中美股市联动指数由 2019 年底的 6.3%快速上升至 2020 年 3 月13 日的 7.9%，日美股市聯动指数同期则由 14.2%增加至 14.6%。三、结论与政策建议本文研究表明，股市是我国金融市场风险的中枢，其与债市间具有双向引导关系，对汇市具有单向引导作用。无论是日常时期还是危机期间，我国股市均是股债汇联动的净溢出方，疫情暴发以来，我国股债汇相关性和联动性均显著增强。进一步基于 A 股与主要股指的联

16、动估计表明，美股波动单向引导我国 A 股变动，A 股与日股之间不存在联动效应，疫情期间 A 股与美股的联动效应显著上升。我国现行分业经营、分业监管的模式，金融市场间缺少协调监管和全局监管，难以满足金融市场一体化以及有效监管系统性风险的现实需要。分业监管模式的核心是保持个体机构的稳健，容易产生监管漏洞，不能从金融系统整体视角防范风险，缺乏对系统性风险的整体评估、协调与应对。有鉴于股债汇联动可能造成系统性风险传染，建议将市场联动性指标作为监管协调的考察指标，形成金融发展与监管的合力，补齐监管短板，避免监管空白。一是重点聚焦股市和债市等重要市场风险输出方，加强风险监测。做好风险排查，及时从源头上化解

17、风险。例如，对于股权质押风险这类导致 2018 年股市、债市和汇率市场联动性激增的风险予以重点关注，通过纾困债、纾困基金等形式予以处置。二是建立跨市场、跨部门数据收集平台，增强市场综合监管能力。证监会、银保监会与外汇管理局分别开发证券市场和外汇市场的风险预警系统，定期发布风险预警指数，监测各金融市场的风险状况;中央银行整合各市场预警信息，履行金融市场系统性风险预警的职责，在制定和执行宏观调控政策时考虑其对金融市场的影响，尽量减少金融市场波动，降低金融市场风险，保护广大投资者利益。三是加强对境外重大风险事件的研究跟踪。密切关注境外市场特别是美国市场的金融风险、地缘政治风险、公共卫生风险等诸多可能

18、传导至我国的“黑天鹅”事件，提前评估对我国市场的冲击，并做好应急预案。参考文献1 Diebold，F.X.and K.Yilmaz，2009，“Measuring Financial AssetReturn and Volatility Spillovers，with Application to Global EquityMarkets”J.Economic Journal，119（534）：158171.2 Fleming，J.，C.Kirby and B.Ostdiek，1998，“Information andVolatility Linkages in the Stock，Bond，

19、and Money Markets”J.Social Science Electronic Publishing 49（1）：111137.3 Raza，H.and W.Wu，2018，“Quantile Dependence between theStock，Bond and Foreign Exchange Markets-Evidence from the UK”J.Quarterly Review of Economics and Finance，69（AUG）：286-296.4 陳守东，章秀，易晓溦.基于二元 POT 极值模型的货币市场与资本市场相依性分析J.统计与决策，2016（6）：153-156.5 王斌会，郑辉，陈金飞.中国股市、汇市和债市间溢出效应的实证研究J.暨南学报（哲学社会科学版），2010，32（4）：37-45+162.6 郑国忠，郑振龙.我国金融市场问动念相关及风险传染的异化分析J.东南学术，2014（2）：79-88.