市场间溢出效应和相关性分析的优化方法

1.溢出效应分析

本章结合VAR和BEKK来估计股市、债市的溢出效应。溢出效应估计分两步，首先是收益率溢出效应估计，采用VAR模型，然后是波动率溢出效应估计，采用BEKK模型，数据来自VAR估计方程中的残差。

（1）收益率溢出效应估计。

本章采用AIC、SC、HQ、FPE信息准则来确定VAR模型的滞后阶数。在滞后8阶内，各滞后期的信息准则数值如表5-3所示。AIC、HQ、FPE的最佳滞后期为6，SC的最佳滞后期为1，根据多数原则，选取滞后6阶模型。估计结果见表5-4，模型估计后的特征根都在单位圆内，说明模型设定合理。

表5-3　VAR估计的信息准则

注：*表明由信息准则选取的最佳滞后阶数。

表5-4　VAR模型系数估计结果

续表

注：***、**、*分别表示在1%、5%、10%水平内显著；［］内是参数估计的t值。

从估计系数看，股市、债市收益率均受到其自身滞后项的显著影响。其中，股市收益率的滞后3期、4期、6期对当期都有显著影响，债市收益率的滞后1期、2期、3期、5期、6期对当期都有显著为正的影响；从相互影响来看，债市收益率的滞后2期对股市收益率有显著为正的影响，而股市收益率的滞后1-4期对债市收益率都有显著为负的影响，数值相对较小。接着进行格兰杰因果检验以确定股市、债市之间的收益率溢出效应是否存在（见表5-5）。

表5-5　收益率溢出效应检验

在债市收益率方程中，在任何显著性水平下都可以拒绝“股市不是债市的格兰杰原因”的原假设，表明股市对债市存在收益率溢出；在股市收益率方程中，在任何显著性水平下都无法拒绝“债市不是股市的格兰杰原因”的原假设，表明债市对股市不存在收益率溢出。

短期内，股市的前期收益率会显著影响债市收益率，而股市收益率只受到自身滞后期的影响。可能的逻辑在于，当股市收益率高时，市场资金会大量流入债市，流入债市资金相应出现萎缩，在需求减少的情况下推动债券市场向下，导致收益率下降。在滞后1-4期时，这种负相关效应都较为明显。这也说明股市作为资本市场的重要组成部分，仍是资本市场的主导部分，其走势对其他市场的影响更为明显。

（2）波动率溢出效应估计。

同大多数研究一样，假设残差项服从正态分布。经过67次迭代计算，模型收敛，经过HAC的稳健方差调整后，得到系数估计结果，如表5-6所示。模型检验如表5-7所示，分别对股市、债市估计后的标准化残差项及残差项的平方项进行了自相关检验，在1%显著性水平下，均无法拒绝原假设，说明股市、债市的残差中不存在序列自相关，信息提取完全，模型拟合充分。

表5-6　BEKK（1，1）模型系数估计结果

注：★★★、★★、★分别表示在1%、5%、10%水平内显著；［］内是参数估计的t值。

表5-7　估计后的标准化残差项检验

注：Q（）、Q2（）是标准化残差项及其平方的Ljung-Box检验的Q统计量；（）是参数估计的p值。

BEKK的估计结果显示，在条件方差方程中，a21、a22、b11、b22参数估计值均在5 %水平内显著，表明股市、债市的波动具有集聚性；a12、b12参数估计值都在0附近，且估计出的系数在任何水平内均不显著，表明债市上一期波动对当期股市波动影响(www.xing528.com)

不显著，不存在债市向股市的波动率溢出；a21、b21在任何水平内都不显著，说明股市上一期波动对当期债市波动影响不显著，不存在股市向债市的波动率溢出。2003年1月—2016年10月，股市、债市均存在波动集聚性，但是两市间波动的相互影响不显著，现进行波动率溢出检验。

针对波动率溢出效应进行Wald检验，即对模型系数的显著性进行联合检验。

从表5-8中的波动率溢出效应检验可以看出，在任何显著性水平下，均不能拒绝原假设，也就是说股市与债市之间不存在显著的波动率溢出效应。股市、债市在样本期间表现出明显的市场分割特征。

表5-8　波动率溢出效应检验

（3）溢出效应分析小结。

在观测期内，股市、债市溢出效应具有如下特点：在收益率溢出上，只存在股市向债市的单向溢出，股市滞后1-4期对债市的影响为显著为负，虽然债市滞后2期对股市有显著为正且程度较大的影响，但整体来说债市对股市不存在显著的收益率溢出；在波动率溢出上，两个市场不存在显著的波动率溢出，表现出市场分割特征。

收益率溢出表示的是市场间的信息传递。中国股市参与者以中小投资者为主体，债市参与者以机构投资者为主体，投资主体构成不同意味着两市对信息处理方式的差异。相较而言，股市仍然占据资本市场的主导地位，股市行情更容易受到资本市场参与者的关注，股市也是重点监管对象，股市向其他市场的信息外溢更为明显，对债市收益率溢出显著就是佐证之一。

波动率溢出反映市场间的风险传染。中国股市在2003—2016年经历多轮牛、熊互换，震荡幅度远高于其他经济体的股市，受政策面、资金面主导的股市暴涨暴跌式风险时有发生。相比而言，在很长一段时间内，中国债市一体化程度低，银行间债券市场、交易所债券市场在交易期限、交易品种方面异化严重，投资者参与度活跃程度不够，债市处于相对平稳的波动区间，并未表现出显著的风险。由于股市、债市的投资者构成差异明显，这在很大程度上决定了股市、债市的风险分割特征。长时间内，两个市场并没有出现明显的联动效应和风险传染事件，从这个角度来看，中国资本市场系统稳定性良好。

2.相关性分析

从理论上来说，金融市场间的溢出效应体现在市场波动的相关性中，而大量研究表明市场间的波动关系是时变的，特别是在不同的市场行情、宏观经济状况下，金融市场间相关关系表现各异。

为了更好地估计股市、债市在长时间内的关联性，根据BEKK估计出的股市、债市条件方差和协方差，计算出两市收益率的动态相关系数ρ12，t

表5-9　不同行情下两市动态相关系数描述

由图5-3可以看出，股市、债市间相关系数处在［-0.15，0.2］区间，说明动态相关性并不紧密，这也间接证明了股市、债市间的市场分割特征。此外，股市、债市间的动态相关系数在2008年9月份最低，在2013年7月份最高。在2003—2016年，中国股市经历多轮震荡，走势将之划分为牛市、熊市、震荡三种行情，并分别计算每段行情的动态相关系数，股市走势及行情划分见图5-4，动态相关系数统计性质描述见表5-7，两市动态相关关系表现出以下两个特征。

图5-3　股市、债市动态相关系数

图5-4　股市走势及行情划分

（1）股市、债市动态相关性较弱，表现出市场分割特征。

动态相关系数的绝对值小，在0附近频繁波动，总体上来说两市相关性微弱，在大多数情况下，动态相关性均值为负，分散化投资可以较好地进行风险分散。从另一个角度来看，债市、股市出现的长期分割也是资本市场一体化程度低的体现。

在牛市中，资本的逐利性会让投资者更加青睐于股市，会将资金从债市转移到股市，以获取高回报；在熊市中，资本追逐安全性（Flight to Quality）意愿更强，从而将资金从股市撤离转移至债市以获取平均回报。股市、债市间资产配置存在的交易成本，影响了股市、债市的资金转移，从而导致股市、债市的动态相关性并不显著。

更为重要的是，债市的收益率相对稳定，股市虽然作为资本市场主导，对债市存在显著的收益率溢出，且其信息传递渠道通畅，但是由于中国债市的市场交易并不活跃，且以机构投资者为主，所以股市对债市的波动率溢出并不显著，因此动态相关系数也长期在零均值附近。

（2）股市、债市动态相关性受资本市场整体情况影响大。

依股票市场走势，将2003—2016年划分为震荡、牛市、熊市多个区间，并分别对各个区间的两市动态相关系数做统计性描述。总体上来说，牛市中，动态相关系数为正，熊市中相关系数为负，震荡行情中的相关系数则有正有负。2007—2008年的熊市行情中，股市、债市的动态相关性表现出极大的波动，而在随后近一年的小幅反弹牛市中，动态相关性表现平稳。这可能与2008年第4季度推出的4万亿扩张财政政策相关。政策实施后，债市、股市都出现了短暂的拉升，并且走高行情一直延续到了2009年第3季度。两市动态相关性的转变更多的受来自资金面的影响，在宽松的货币政策以及资本市场信用大扩张环境下，两市动态相关系数走势更为平稳，说明股市、债市在市场资金充裕的情况下保持相对平稳的联系。