歐洲主權債務危機對中國股票市場傳染效應的實證研究

歐洲主權債務危機對中國股票市場傳染效應的實證研究

歐債危機的爆發(fā)2009年12月，全球第三大信用評級機構分別降低了對希臘主權的信用評級，開啟了希臘主權債務危機的序幕，并引發(fā)了嚴重的歐洲經(jīng)濟形勢，并威脅到歐洲主權在歐盟環(huán)境中的生存。以歐元區(qū)國家為主體的歐盟是中國最大的出口目的地,也是中國進口先進技術的最大來源地,歐盟經(jīng)濟與中國經(jīng)濟有千絲萬縷的聯(lián)系。歐債危機爆發(fā)后,中國股票市場行情低迷不振,持續(xù)走軟。這引起了理論界和實務部門的高度關注。本文通過建立時變Copula模型,選取2009年12月至2012年3月的樣本數(shù)據(jù),實證檢驗歐債危機對中國股票市場的傳染效應,目的是為相關決策提供借鑒和依據(jù)。股票市場間的傳染病效應研究在PericoliandSbracia1看來,金融危機傳染效應的主要含義是:當一國或一個地區(qū)發(fā)生金融危機時,該國或該地區(qū)的金融市場與其他國或地區(qū)金融市場之間的互動明顯增強;或是對于單個金融市場的沖擊,可以通過多種渠道傳遞到其他金融市場。DeBandt2指出,傳染效應可以通過多種渠道產(chǎn)生,如金融機構之間的債務關聯(lián)或金融工具之間的技術相關都可能導致傳染。RochetandTirole3認為,銀行間的借貸和交易將一個金融機構出現(xiàn)的償付問題傳染到其他金融機構。AllenandGale4指出,流動性偏好沖擊通過銀行間金融工具可以從一個局部傳染到整個經(jīng)濟體。除此之外,市場參與者的預期變化及其引發(fā)的投資行為改變也可能導致傳染效應。Grossman5的研究發(fā)現(xiàn),信息發(fā)布首先會引發(fā)個別證券市場上的金融資產(chǎn)價格調(diào)整,如果市場參與者具有理性預期,那么與該證券市場相關的所有其他證券市場上的金融資產(chǎn)價格也會出現(xiàn)相應調(diào)整,信息發(fā)布與傳播會使風險在證券市場之間傳染。KodresandPritsker6建立包括“噪音”的理性預期模型,研究市場之間的傳染效應,發(fā)現(xiàn)在信息不對稱或金融市場之間具有共同宏觀經(jīng)濟風險因子的情形下,傳染效應尤其顯著。同時,他認為一個金融市場遭遇的隨機沖擊也會通過資產(chǎn)組合調(diào)整傳染到其他金融市場。在傳染效應的實證研究中,最具代表性的研究方法是分析不同證券市場在收益率上的相關性。KingandWadhwani7最早使用資產(chǎn)收益率之間的相關系數(shù)(correlationcoefficients)檢驗股票市場之間的傳染效應。他們對美、英、日三國在1987年10月股災前后的股票收益率之間的相關系數(shù)進行檢驗,發(fā)現(xiàn)股市暴跌后一段時間內(nèi),三國股票收益率之間的相關系數(shù)明顯增加,存在傳染效應。BaigandGoldfajn8對1997年亞洲金融危機期間的股票指數(shù)、匯率和利率等變量進行分析,發(fā)現(xiàn)危機期間股票市場、外匯市場、債券市場之間的相關系數(shù)均顯著增加。Chiang等9建立動態(tài)條件相關模型(DynamicConditionalCorrelation)對1990—2003年亞洲9個國家的股票指數(shù)收益率進行實證檢驗,發(fā)現(xiàn)亞洲金融危機對9個亞洲國家股票市場存在傳染效應。Rodriguez10首次用Copula模型實證檢驗了亞洲金融危機期間亞洲5個國家股票指數(shù)、墨西哥金融危機期間拉美4個國家股票指數(shù)之間的相關性,證實金融危機對這些股票市場存在傳染效應。國外文獻側(cè)重研究亞洲金融危機、拉美金融危機對股票市場的傳染效應,基本不涉及金融危機對中國股票市場的傳染效應。近幾年來,國內(nèi)文獻多集中于研究2008年國際金融危機對中國股票市場的傳染效應,而研究歐債危機對中國股票市場傳染效應的文獻十分少見。龔樸、黃榮兵11運用時變Copula模型對2005年1月至2008年10月中美股市的相關性進行實證檢驗,認為美國次貸危機對中國股票市場的影響并不大。游家興和鄭挺國12采用非對稱M-GARCH模型和Engle提出的動態(tài)條件相關模型,對中國、美國、德國、英國、法國、日本、新加坡和中國香港股票市場的聯(lián)動性進行實證分析,發(fā)現(xiàn)中國股票市場與這些股票市場的聯(lián)動性越來越強。張兵等(2010)13用GARCH-DCC模型分析了中美兩國股市的波動溢出效應,發(fā)現(xiàn)在2008年9月美國次貸危機爆發(fā)后兩國股票市場之間的時變相關系數(shù)穩(wěn)定在0.5以上。蔣彧和裴平(2012)14運用時變Copula模型對2007—2010年間美國股票市場與中國股票市場的動態(tài)相關性進行實證檢驗,發(fā)現(xiàn)在金融危機期間美國股票市場對中國股票市場的影響具有動態(tài)變化的特征。周舟等(2012)15運用向量自回歸方法(VAR)和時變多元GARCH模型對歐洲股票市場與中國股票市場之間的相關性進行研究,認為歐債危機蔓延期間歐洲股票市場與中國股票市場之間具有一定的聯(lián)動性。國內(nèi)外文獻為本文所做的研究提供了有益的借鑒。為改進和深化已有的相關研究,促進中國股票市場的健康發(fā)展,本文通過構建時變Copula模型,選取2009年12月(希臘主權債務危機爆發(fā))至2012年3月的樣本數(shù)據(jù),實證檢驗歐債危機對中國股票市場的傳染效應。歐債危機對中國股票市場基金的傳播效應根據(jù)金融危機傳染的理論,與歐債危機相關的信息沖擊會引起歐洲股票市場的資產(chǎn)價格調(diào)整,在金融全球化的背景下,進而會影響中國股票市場的資產(chǎn)價格。因此,歐債危機對中國股票市場的傳染效應可表現(xiàn)為危機爆發(fā)后歐洲股票市場與中國股票市場之間的相關性變化。由于兩地存在時差,歐洲股票市場收市時間為當日北京時間晚上11點。在通常情況下,有關歐債危機的信息沖擊會先到達歐洲股票市場,再傳染到次日的中國股票市場。因此,傳染效應表現(xiàn)為當日歐洲股票市場與次日中國股票市場之間相關性的變化。歐債危機自2009年12月在希臘首先爆發(fā),至今陰霾不散,具有持續(xù)時間長、涉及國家廣、信息沖擊來源復雜等特征,而且整個危機爆發(fā)與蔓延的過程呈現(xiàn)出明顯的階段性。經(jīng)過比較,本文認為,由Patton16提出的時變Copula模型可以捕捉變量之間的非對稱和非線性關系,能夠更精確地描述相關性變化的動態(tài)過程。因此,本文選擇時變Copula相關性模型,實證檢驗歐債危機對中國股票市場的傳染效應,特別是解析歐洲股票市場收益率與中國股票市場收益率之間的相關性隨歐債危機發(fā)展而變化的過程。假設X表示當日歐洲股票市場的收益率,Y表示次日中國股票市場的收益率。顯然X、Y是兩個隨機變量,它們的聯(lián)合分布可表示為F(x,y),邊緣分布函數(shù)可分別表示為FX(x)和FY(y)。根據(jù)Sklar定理(參見Nelson17),一定存在二元函數(shù)C(u,v),使得F(x,y)=C(FX(x),FY(y))(1)其中,C被稱為Copula分布函數(shù)。Copula分布函數(shù)將當日歐洲股票市場收益率、次日中國股票市場收益率各自的邊緣分布函數(shù)連接起來,構造出聯(lián)合分布函數(shù)。通過Copula分布函數(shù),可判斷兩個股票市場收益率之間的相關性。假設(X,Y)的概率密度函數(shù)是f(x,y),邊緣概率密度函數(shù)分別是fX(x)和fY(y),則根據(jù)式可得:f(x,y)=fX(x)·fY(y)·c(u,v)(2)其中u=FX(x)?v=FY(y)?c(u,v)=?2C?u?v是Copula分布函數(shù)的密度函數(shù)。由式,當日歐洲股票市場收益率和次日中國股票市場收益率的聯(lián)合密度函數(shù)等于各自的密度函數(shù)與Copula密度函數(shù)的乘積。根據(jù)當日歐洲股票市場收益率、次日中國股票市場收益率兩個樣本的時間序列統(tǒng)計特征選取邊緣分布函數(shù),能夠估計邊緣分布函數(shù)的參數(shù)α和β,記為?α和?β。?α=argαmaxn∑t=1lnfX(xt;α)(3)?β=argβmaxn∑t=1lnfY(yt;β)(4)估計出兩個收益率樣本的邊緣分布函數(shù)后,就可估計當日歐洲股票市場收益率和次日中國股票市場收益率的時變Copula函數(shù)的參數(shù)向量λ,記為?λ:?λ=argλmaxn∑t=1lnc(FX(xt;?α),FY(yt;?β);λ)(5)本文采用Patton(2006)提出的時變正態(tài)Copula密度函數(shù),表達式如下:c(u,v;ρt)=1√1-ρt2exp{-ρt2(Φ-1(u)2+Φ-1(v)2)-2ρtΦ-1(u)Φ-1(v)2(1-ρt2)}(6)其中,時變參數(shù)ρt就是當日歐洲股票市場收益率與次日中國股票市場收益率之間的相關性系數(shù),ρt隨時間變化,其變化方程為ρt=Δ(ω1+ω2ρt-1+ω31r∑i=1rΦ-1(ut-i)Φ-1(vt-i))(7)其中,Φ-1(x)是標準正態(tài)分布函數(shù)的逆函數(shù),Δ(x)=1-e-x1+e-x用于保證相關系數(shù)ρt始終處于(-1,1)之間,r是滯后階數(shù)18,ω1、ω2、ω3構成時變Copula函數(shù)的待估參數(shù)向量λ=(ω1,ω2,ω3)′。運用極大似然估計法求出式中所有參數(shù)的估計值后,即可得到當日歐洲股票市場收益率與次日中國股票市場收益率之間相關性ρt的時間序列。通過檢查ρt是否顯著增加,就可判斷歐債危機對中國股票市場的傳染效應。確認測試(一)國內(nèi)汽車市場股票指數(shù)概率本文選取歐洲股票市場上最具有代表性的三個股票指數(shù),即英國FTSE100指數(shù)、德國DAX指數(shù)和法國CAC40指數(shù)19,并以它們的收益率代表歐洲股票市場的收益率。同時,考慮到美國股票市場具有全球性影響,本文還選取美國股票市場上具有代表性的S&P500指數(shù),并以它的收益率代表美國股票市場的收益率,作為研究中的參照。本文還選取中國股票市場最具有代表性的滬深300指數(shù)。滬深300指數(shù)是由上海證券交易所和深圳證券交易所聯(lián)合發(fā)布的反映A股市場整體走勢的指數(shù),它覆蓋了中國A股市場約70%左右的市值。因此,滬深300指數(shù)的收益率可較好地代表中國股票市場的收益率。歐美兩地與中國存在時差。歐洲股票市場收市時間為當日北京時間晚上11點,美國股票市場收市時間為次日北京時間清晨4點,通常情況下信息沖擊先到達歐美股票市場,再傳染到中國股票市場。鑒于此,本文研究歐債危機爆發(fā)后當日歐洲股票指數(shù)收益率與次日中國股票指數(shù)收益率之間的時變相關性變化,并以當日美國股票指數(shù)收益率與次日中國股票指數(shù)收益率之間的時變相關性變化作為參照。因為歐債危機始于2009年12月初爆發(fā)的希臘主權債務危機,所以選擇歐美股票指數(shù)的樣本區(qū)間為2009年11月30日到2012年3月30日,次日中國股票指數(shù)的樣本區(qū)間為2009年12月1日到2012年3月31日,并以每日收盤價為樣本數(shù)據(jù)。在相關研究中,通常使用指數(shù)對數(shù)收益率作為股票指數(shù)收益率的替代變量,它具有消除時間序列不平穩(wěn)性和無下界的優(yōu)點。本文也使用股票指數(shù)對數(shù)收益率表示股票指數(shù)收益率,根據(jù)英國FTSE100指數(shù)、德國DAX指數(shù)、法國CAC40指數(shù)、美國S&P500指數(shù)和中國滬深300指數(shù),分別計算它們的對數(shù)收益率。同時,考慮到各國股票市場的假期安排不盡相同,經(jīng)過篩選后,共得到533組有效樣本數(shù)據(jù)。(二)各種股票指數(shù)轉(zhuǎn)化率的關系表1給出英國、德國、法國、美國和中國股票指數(shù)收益率的基本統(tǒng)計量。其中,Jarque-Beta是股票指數(shù)收益率序列的正態(tài)性檢驗統(tǒng)計量;LB(20)是滯后至20階的自相關檢驗統(tǒng)計量,用于判定股票指數(shù)收益率序列是否存在自相關;ARCH(20)是滯后至20階的異方差檢驗統(tǒng)計量,用于判斷股票指數(shù)收益率序列是否存在異方差效應。表1顯示:(1)所有股票指數(shù)收益率序列均為左偏,有尖峰厚尾特征,因此它們都不服從正態(tài)分布;(2)英國FTSE100收益率和德國DAX收益率在10%顯著水平下拒絕沒有自相關性的假設,美國S&P500收益率在5%顯著水平下拒絕沒有自相關性的假設。(3)德國DAX收益率在1%顯著水平下拒絕沒有異方差效應的假設,法國CAC40收益率在5%顯著水平下拒絕沒有異方差效應的假設,英國FTSE100收益率在10%顯著水平下拒絕沒有異方差效應的假設,美國S&P500收益率在1%顯著水平下拒絕沒有異方差效應的假設,中國滬深300收益率沒有拒絕原假設,可認為其沒有異方差效應和自相關性。這些特征將為各股票指數(shù)收益率邊緣分布函數(shù)的選取提供依據(jù)。表2列示了英國、德國、法國和美國股票指數(shù)收益率與中國股票指數(shù)收益率之間的線性相關系數(shù)矩陣。從線性相關系數(shù)矩陣可以看出:中國股票指數(shù)收益率與歐美股票指數(shù)收益率之間總體上具有正相關性。其中,中國滬深300收益率與美國S&P500收益率的線性相關系數(shù)最高,與英國FTSE100收益率的線性相關系數(shù)次之,與德國DAX收益率、法國CAC40收益率的線性相關系數(shù)較小。線性相關系數(shù)只能反映樣本區(qū)間股票指數(shù)收益率之間的靜態(tài)相關性,不能反映樣本區(qū)間股票指數(shù)收益率之間相關性的變化。為研究歐債危機對中國股票市場的傳染效應,還需要進一步考察樣本區(qū)間歐美股票指數(shù)收益率與中國股票指數(shù)收益率之間的時變動態(tài)相關性。(三)邊緣分布密度函數(shù)根據(jù)表1的基本統(tǒng)計量特征,分別對英國、德國、法國、美國和中國股票指數(shù)收益率的邊緣分布密度函數(shù)進行估計。由于英國、德國、法國和美國股票指數(shù)收益率表現(xiàn)出顯著的自相關性和異方差效應,本文采用ARMA(m,n)-GARCH(p,q)模型進行參數(shù)估計,模型中的ARMA部分用于刻畫自相關性,GARCH部分用于刻畫異方差效應。ARMA(m,n)-GARCH(p,q)模型的表達式如下:在實證檢驗中運用ARMA(1,1)-GARCH(1,1)能較好地描述金融時間序列的特征(參見Tsay,201020),因此本文采用此模型對英國、德國、法國和美國股票指數(shù)收益率邊緣分布密度函數(shù)進行估計。表3給出了參數(shù)的估計結果,其中ARCH和GARCH系數(shù)均在1%置信水平下顯著。中國股票指數(shù)收益率沒有異方差效應,但有尖峰厚尾特征,因此采用t分布作為它的邊緣分布密度函數(shù),t分布的密度函數(shù)表達式如下:f(x|μ,σ,ν)=Γ((ν+1)/2)Γ(ν/2)1πνσ2[1+1ν(x-μσ)2]-(ν+1)/2(9)邊緣分布密度函數(shù)共有三個參數(shù)μ、σ、ν,表4給出了這三個參數(shù)的極大似然估計值。在分別估計了英國、德國、法國、美國和中國股票指數(shù)收益率的邊緣分布密度函數(shù)后,就可得到各股票指數(shù)收益率的累積分布。再根據(jù)式6和式7對Copula密度函數(shù)進行參數(shù)估計,其結果如表5所示。表5顯示,英國FTSE100收益率與中國滬深300收益率之間Copula密度函數(shù)的一個參數(shù)在1%置信水平下顯著,其余兩個參數(shù)不顯著;德國DAX收益率與中國滬深300收益率之間Copula密度函數(shù)的所有參數(shù)在1%置信水平下顯著;法國CAC40收益率與中國滬深300收益率之間Copula密度函數(shù)的兩個參數(shù)在1%置信水平下顯著,另一個參數(shù)在5%置信水平下顯著;美國S&P500收益率與中國滬深300收益率之間Copula密度函數(shù)的所有參數(shù)在10%置信水平下均不顯著?？梢哉J為,在樣本區(qū)間,德國、法國股票指數(shù)收益率與中國股票指數(shù)收益率之間具有較高的動態(tài)相關性,英國股票指數(shù)收益率與中國股票指數(shù)收益率之間具有一定的動態(tài)相關性,而美國股票指數(shù)收益率與中國股票指數(shù)收益率之間不具有動態(tài)相關性。歐洲股票指數(shù)為當日數(shù)據(jù),中國股票指數(shù)為次日數(shù)據(jù),依據(jù)時間先后關系,這種動態(tài)相關性表明,歐債危機對中國股票市場存在傳染效應。將表5中的參數(shù)代入式7,可得英國、德國、法國、美國股票指數(shù)收益率與中國股票指數(shù)收益率之間時變相關性ρt的序列。表6列出了ρt的均值、最大值、最小值和標準差。其中,英、德、法三國股票指數(shù)收益率與中國股票指數(shù)收益率的ρt最大值均超過美國;美國、英國股票指數(shù)收益率與中國股票指數(shù)收益率的ρt始終為正;德、法兩國股票指數(shù)收益率與中國股票指數(shù)收益率的ρt有正有負,且ρt的標準差高于英、美兩國ρt的標準差。德、法兩國股票指數(shù)收益率與中國股票指數(shù)收益率ρt的峰值分別在0.569、0.495,遠高于表1中的靜態(tài)線性相關系數(shù)0.166、0.169?？梢耘卸?在樣本區(qū)間,德、法兩國股票指數(shù)收益率與中國股票指數(shù)收益率之間的動態(tài)相關性呈現(xiàn)波動且短期內(nèi)有爆發(fā)性增加。實證檢驗表明,美國股票指數(shù)收益率與中國股票指數(shù)收益率之間不具有動態(tài)相關性,所以本文進一步聚焦于英德法三國股票指數(shù)收益率與中國股票指數(shù)收益率之間的動態(tài)相關性隨時間變化的軌跡,如圖1至圖3所示,標注了ρt短期內(nèi)爆發(fā)性增加的時間點。觀察這些時間點可以發(fā)