数据选取及初步统计分析介绍

不同国家不同股票市场间的联动特征随时间而发生变化。已有研究表明，市场间的联动在金融危机期间往往得到加强，该种联动在一定意义上可被称作为市场间传染（Forbes and Rigobon，2002；李成等，2010；杨雪莱和张宏志，2012）。市场间传染根据传染动因又可进一步划分为“净传染”和“理性传染”。不考虑宏观经济因素，市场参与者通过手头所持有资产进行交易导致市场间收益率均值溢出和波动溢出的传染即为“净传染”，而当市场参与者为获取流动性而参与投资活动导致市场间收益率均值溢出和波动溢出的传染即为“理性传染”。为充分考察美国政策和经济的调整对中美股市间相关性的影响，本章通过在相应模型中纳入美国货币政策冲击变量^[1]，同时允许股市对美国宏观经济因素（美国长短期国债利差），股市波动率指数的反应随时间变动，分析引入QFII制度前后以及美联储退出量化宽松货币政策，进入加息周期前后中美股市联动的变化特征。

为充分考察中美股市间市场的联动特征，本部分采用中国诞生最早的股票指数上证综指作为研究对象，美国则以文献中通常使用的标普500指数作为考察对象。此外，本章还同时考察了香港恒生指数，以比较美国股市与内地和香港股市联动性的差异。中国股市开盘时间为北京时间上午9∶30，收盘时间为北京时间下午3∶00。美国股市于美国东部时间9∶30开盘，下午4∶00收盘，由此可见中美股市交易时间是错开的，本部分将标普500指数收益率滞后一期进行考察。三大指数均以1994年1月3日为基期，基期指数设为100，所有股指均根据当日汇率转换为以美元标价的股票指数值。股市收益率采用ri，t=100×（log（Pi，t）-log（Pi，t-1））计算。Pi，t和Pi，t-1分别为第t日和第t-1日对应市场股票收盘价。样本区间为1994年1月4日—2016年10月31日，数据来源于Wind金融数据库。

图5-1给出了三大股指水平及日收益率的时间序列图，各股指水平总体呈现出波动中上升的趋势。从收益率来看，中国内地股市在1994—1996年股市发展初期，2008年金融危机以及2015年年末美联储进入加息通道后经历了大幅波动，中国香港股市不仅在2008年金融危机以及2015年年末美联储进入加息通道后经历了大幅波动，1998年亚洲金融危机对恒生股指也造成了重创。相较之下，美国股市则在2001年互联网泡沫破灭，2008年金融危机以及2015年年末美联储加息期间经历了大幅波动。因此，各股市因所处经济环境，发展状况和对外开放程度展现出不同的走势和波动特征，但各市场均在2015年年末美联储进入加息通道时经历了大幅波动。

图5-1　三大股指水平及日收益率时间序列

表5-1给出了三大股市日收益率，美国货币政策冲击以及美国长短期国债利差的描述性统计量。从表中可以看出，三大股指日收益率序列均值皆接近于零，偏度皆不为0，峰度均大于3。ADF检验结果表明三序列均为平稳序列，而ARCH检验结果表明三序列均存在条件异方差，意味着使用GARCH类模型进行拟合是合适的。对于美联储货币政策冲击变量和美国长短期国债利差，其方差（波动）大于各股指收益率，偏度均不为0，峰度小于3，序列不平稳。JB检验量表明五序列均不服从正态分布。

表5-1　样本数据描述性统计

注：“JB检验”代表Jarque-Bera检验，用于测定时间序列的分布特征，原假设为该时间序列遵循正态分布。“ADF检验”代表ADF单位根检验，用于测定时间序列的平稳性，原假设为时间序列含有单位根。“ARCH（12）”为滞后阶数为12的自回归条件异方差检验。MPSt代表美国货币政策冲击，Spreadt代表美国10年期和3个月国债收益率的利差。***，**，*分别表示在1%，5%，10%的显著性水平下显著。(www.xing528.com)

越来越多的研究表明，金融变量间很多时候呈现出非线性的特征。时间序列的非线性特征使得传统对金融市场动态的线性分析变得不再适当。已有文献多使用格兰杰因果检验（Granger，1969）考察变量间的因果关系。该格兰杰因果检验有诸多限制，且未将序列间可能存在的非线性结构加以考虑。因此Hiemstra and Jones（1994）提出了一种非参数格兰杰因果检验法，该方法对方程形式无具体要求。但Diks and Panchenko（2006）对此非参数格兰杰因果检验法进行了批判，认为其偏离了原先格兰杰因果检验的定义，所得到的检验结果存在偏误。为弥补该缺陷，Diks and Panchenko（2006）引入了一种新的非参数格兰杰因果检验方法。由于表5-1中的平稳性检验已经验证了时间序列的平稳性，参考Liu and Wan（2012），为考察上证综指，恒生指数以及标普500指数日收益率间可能存在的因果关系，本文使用Diks and Panchenko（2006）的非参数格兰杰因果检验对3个收益率序列间的关系进行考察。我们将三大序列使用VAR模型进行拟合，取其残差项以去除序列间可能存在的线性联动关系。同时，我们将最大滞后期设定为4。相应检验结果如表5-2所示。

表5-2　非参数格兰杰因果检验结果

注：“→”代表两变量间单向的因果关系。***，**和*分别表示在1%，5%和10%显著性水平下显著。

从表5-2中可以看出，上证综指和恒生指数日收益率间存在双向因果关系，上证综指和标普500指数间不存在双向引导的关系，恒生指数和标普500指数间存在双向引导关系。该检验结果表明，中（香港）美两国股市在一定程度上均包含着预测另一股市收益率的有效信息。此外，本书于表5-3中列出了三大股指日收益率间的皮尔森相关系数及其P值。各相关系数均在5%的水平上显著，且相关系数值表明，三大股指日收益率间均存在一定的相关性，相关系数大小由强到弱依次排序为：上证综指和恒生指数，恒生指数和标普500，上证综指和标普500。可见，内地和香港股市的相关程度大于香港和美国以及内地和美国股市的相关程度。内地股市相较于香港，开放程度仍较为有限。

表5-3　三大股指日收益率皮尔森相关系数

注：括号内为P值。