欧洲主权债务危机对中国股票市场传染效应的实证研究

欧洲主权债务危机对中国股票市场传染效应的实证研究

欧债危机的爆发2009年12月，全球第三大信用评级机构分别降低了对希腊主权的信用评级，开启了希腊主权债务危机的序幕，并引发了严重的欧洲经济形势，并威胁到欧洲主权在欧盟环境中的生存。以欧元区国家为主体的欧盟是中国最大的出口目的地,也是中国进口先进技术的最大来源地,欧盟经济与中国经济有千丝万缕的联系。欧债危机爆发后,中国股票市场行情低迷不振,持续走软。这引起了理论界和实务部门的高度关注。本文通过建立时变Copula模型,选取2009年12月至2012年3月的样本数据,实证检验欧债危机对中国股票市场的传染效应,目的是为相关决策提供借鉴和依据。股票市场间的传染病效应研究在PericoliandSbracia1看来,金融危机传染效应的主要含义是:当一国或一个地区发生金融危机时,该国或该地区的金融市场与其他国或地区金融市场之间的互动明显增强;或是对于单个金融市场的冲击,可以通过多种渠道传递到其他金融市场。DeBandt2指出,传染效应可以通过多种渠道产生,如金融机构之间的债务关联或金融工具之间的技术相关都可能导致传染。RochetandTirole3认为,银行间的借贷和交易将一个金融机构出现的偿付问题传染到其他金融机构。AllenandGale4指出,流动性偏好冲击通过银行间金融工具可以从一个局部传染到整个经济体。除此之外,市场参与者的预期变化及其引发的投资行为改变也可能导致传染效应。Grossman5的研究发现,信息发布首先会引发个别证券市场上的金融资产价格调整,如果市场参与者具有理性预期,那么与该证券市场相关的所有其他证券市场上的金融资产价格也会出现相应调整,信息发布与传播会使风险在证券市场之间传染。KodresandPritsker6建立包括“噪音”的理性预期模型,研究市场之间的传染效应,发现在信息不对称或金融市场之间具有共同宏观经济风险因子的情形下,传染效应尤其显著。同时,他认为一个金融市场遭遇的随机冲击也会通过资产组合调整传染到其他金融市场。在传染效应的实证研究中,最具代表性的研究方法是分析不同证券市场在收益率上的相关性。KingandWadhwani7最早使用资产收益率之间的相关系数(correlationcoefficients)检验股票市场之间的传染效应。他们对美、英、日三国在1987年10月股灾前后的股票收益率之间的相关系数进行检验,发现股市暴跌后一段时间内,三国股票收益率之间的相关系数明显增加,存在传染效应。BaigandGoldfajn8对1997年亚洲金融危机期间的股票指数、汇率和利率等变量进行分析,发现危机期间股票市场、外汇市场、债券市场之间的相关系数均显著增加。Chiang等9建立动态条件相关模型(DynamicConditionalCorrelation)对1990—2003年亚洲9个国家的股票指数收益率进行实证检验,发现亚洲金融危机对9个亚洲国家股票市场存在传染效应。Rodriguez10首次用Copula模型实证检验了亚洲金融危机期间亚洲5个国家股票指数、墨西哥金融危机期间拉美4个国家股票指数之间的相关性,证实金融危机对这些股票市场存在传染效应。国外文献侧重研究亚洲金融危机、拉美金融危机对股票市场的传染效应,基本不涉及金融危机对中国股票市场的传染效应。近几年来,国内文献多集中于研究2008年国际金融危机对中国股票市场的传染效应,而研究欧债危机对中国股票市场传染效应的文献十分少见。龚朴、黄荣兵11运用时变Copula模型对2005年1月至2008年10月中美股市的相关性进行实证检验,认为美国次贷危机对中国股票市场的影响并不大。游家兴和郑挺国12采用非对称M-GARCH模型和Engle提出的动态条件相关模型,对中国、美国、德国、英国、法国、日本、新加坡和中国香港股票市场的联动性进行实证分析,发现中国股票市场与这些股票市场的联动性越来越强。张兵等(2010)13用GARCH-DCC模型分析了中美两国股市的波动溢出效应,发现在2008年9月美国次贷危机爆发后两国股票市场之间的时变相关系数稳定在0.5以上。蒋彧和裴平(2012)14运用时变Copula模型对2007—2010年间美国股票市场与中国股票市场的动态相关性进行实证检验,发现在金融危机期间美国股票市场对中国股票市场的影响具有动态变化的特征。周舟等(2012)15运用向量自回归方法(VAR)和时变多元GARCH模型对欧洲股票市场与中国股票市场之间的相关性进行研究,认为欧债危机蔓延期间欧洲股票市场与中国股票市场之间具有一定的联动性。国内外文献为本文所做的研究提供了有益的借鉴。为改进和深化已有的相关研究,促进中国股票市场的健康发展,本文通过构建时变Copula模型,选取2009年12月(希腊主权债务危机爆发)至2012年3月的样本数据,实证检验欧债危机对中国股票市场的传染效应。欧债危机对中国股票市场基金的传播效应根据金融危机传染的理论,与欧债危机相关的信息冲击会引起欧洲股票市场的资产价格调整,在金融全球化的背景下,进而会影响中国股票市场的资产价格。因此,欧债危机对中国股票市场的传染效应可表现为危机爆发后欧洲股票市场与中国股票市场之间的相关性变化。由于两地存在时差,欧洲股票市场收市时间为当日北京时间晚上11点。在通常情况下,有关欧债危机的信息冲击会先到达欧洲股票市场,再传染到次日的中国股票市场。因此,传染效应表现为当日欧洲股票市场与次日中国股票市场之间相关性的变化。欧债危机自2009年12月在希腊首先爆发,至今阴霾不散,具有持续时间长、涉及国家广、信息冲击来源复杂等特征,而且整个危机爆发与蔓延的过程呈现出明显的阶段性。经过比较,本文认为,由Patton16提出的时变Copula模型可以捕捉变量之间的非对称和非线性关系,能够更精确地描述相关性变化的动态过程。因此,本文选择时变Copula相关性模型,实证检验欧债危机对中国股票市场的传染效应,特别是解析欧洲股票市场收益率与中国股票市场收益率之间的相关性随欧债危机发展而变化的过程。假设X表示当日欧洲股票市场的收益率,Y表示次日中国股票市场的收益率。显然X、Y是两个随机变量,它们的联合分布可表示为F(x,y),边缘分布函数可分别表示为FX(x)和FY(y)。根据Sklar定理(参见Nelson17),一定存在二元函数C(u,v),使得F(x,y)=C(FX(x),FY(y))(1)其中,C被称为Copula分布函数。Copula分布函数将当日欧洲股票市场收益率、次日中国股票市场收益率各自的边缘分布函数连接起来,构造出联合分布函数。通过Copula分布函数,可判断两个股票市场收益率之间的相关性。假设(X,Y)的概率密度函数是f(x,y),边缘概率密度函数分别是fX(x)和fY(y),则根据式可得: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分布函数的密度函数。由式,当日欧洲股票市场收益率和次日中国股票市场收益率的联合密度函数等于各自的密度函数与Copula密度函数的乘积。根据当日欧洲股票市场收益率、次日中国股票市场收益率两个样本的时间序列统计特征选取边缘分布函数,能够估计边缘分布函数的参数α和β,记为ˆα和ˆβ。ˆα=argαmaxn∑t=1lnfX(xt;α)(3)ˆβ=argβmaxn∑t=1lnfY(yt;β)(4)估计出两个收益率样本的边缘分布函数后,就可估计当日欧洲股票市场收益率和次日中国股票市场收益率的时变Copula函数的参数向量λ,记为ˆλ:ˆλ=argλmaxn∑t=1lnc(FX(xt;ˆα),FY(yt;ˆβ);λ)(5)本文采用Patton(2006)提出的时变正态Copula密度函数,表达式如下: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,时变参数ρt就是当日欧洲股票市场收益率与次日中国股票市场收益率之间的相关性系数,ρt随时间变化,其变化方程为ρt=Δ(ω1+ω2ρt-1+ω31r∑i=1rΦ-1(ut-i)Φ-1(vt-i))(7)其中,Φ-1(x)是标准正态分布函数的逆函数,Δ(x)=1-e-x1+e-x用于保证相关系数ρt始终处于(-1,1)之间,r是滞后阶数18,ω1、ω2、ω3构成时变Copula函数的待估参数向量λ=(ω1,ω2,ω3)′。运用极大似然估计法求出式中所有参数的估计值后,即可得到当日欧洲股票市场收益率与次日中国股票市场收益率之间相关性ρt的时间序列。通过检查ρt是否显著增加,就可判断欧债危机对中国股票市场的传染效应。确认测试(一)国内汽车市场股票指数概率本文选取欧洲股票市场上最具有代表性的三个股票指数,即英国FTSE100指数、德国DAX指数和法国CAC40指数19,并以它们的收益率代表欧洲股票市场的收益率。同时,考虑到美国股票市场具有全球性影响,本文还选取美国股票市场上具有代表性的S&P500指数,并以它的收益率代表美国股票市场的收益率,作为研究中的参照。本文还选取中国股票市场最具有代表性的沪深300指数。沪深300指数是由上海证券交易所和深圳证券交易所联合发布的反映A股市场整体走势的指数,它覆盖了中国A股市场约70%左右的市值。因此,沪深300指数的收益率可较好地代表中国股票市场的收益率。欧美两地与中国存在时差。欧洲股票市场收市时间为当日北京时间晚上11点,美国股票市场收市时间为次日北京时间清晨4点,通常情况下信息冲击先到达欧美股票市场,再传染到中国股票市场。鉴于此,本文研究欧债危机爆发后当日欧洲股票指数收益率与次日中国股票指数收益率之间的时变相关性变化,并以当日美国股票指数收益率与次日中国股票指数收益率之间的时变相关性变化作为参照。因为欧债危机始于2009年12月初爆发的希腊主权债务危机,所以选择欧美股票指数的样本区间为2009年11月30日到2012年3月30日,次日中国股票指数的样本区间为2009年12月1日到2012年3月31日,并以每日收盘价为样本数据。在相关研究中,通常使用指数对数收益率作为股票指数收益率的替代变量,它具有消除时间序列不平稳性和无下界的优点。本文也使用股票指数对数收益率表示股票指数收益率,根据英国FTSE100指数、德国DAX指数、法国CAC40指数、美国S&P500指数和中国沪深300指数,分别计算它们的对数收益率。同时,考虑到各国股票市场的假期安排不尽相同,经过筛选后,共得到533组有效样本数据。(二)各种股票指数转化率的关系表1给出英国、德国、法国、美国和中国股票指数收益率的基本统计量。其中,Jarque-Beta是股票指数收益率序列的正态性检验统计量;LB(20)是滞后至20阶的自相关检验统计量,用于判定股票指数收益率序列是否存在自相关;ARCH(20)是滞后至20阶的异方差检验统计量,用于判断股票指数收益率序列是否存在异方差效应。表1显示:(1)所有股票指数收益率序列均为左偏,有尖峰厚尾特征,因此它们都不服从正态分布;(2)英国FTSE100收益率和德国DAX收益率在10%显著水平下拒绝没有自相关性的假设,美国S&P500收益率在5%显著水平下拒绝没有自相关性的假设。(3)德国DAX收益率在1%显著水平下拒绝没有异方差效应的假设,法国CAC40收益率在5%显著水平下拒绝没有异方差效应的假设,英国FTSE100收益率在10%显著水平下拒绝没有异方差效应的假设,美国S&P500收益率在1%显著水平下拒绝没有异方差效应的假设,中国沪深300收益率没有拒绝原假设,可认为其没有异方差效应和自相关性。这些特征将为各股票指数收益率边缘分布函数的选取提供依据。表2列示了英国、德国、法国和美国股票指数收益率与中国股票指数收益率之间的线性相关系数矩阵。从线性相关系数矩阵可以看出:中国股票指数收益率与欧美股票指数收益率之间总体上具有正相关性。其中,中国沪深300收益率与美国S&P500收益率的线性相关系数最高,与英国FTSE100收益率的线性相关系数次之,与德国DAX收益率、法国CAC40收益率的线性相关系数较小。线性相关系数只能反映样本区间股票指数收益率之间的静态相关性,不能反映样本区间股票指数收益率之间相关性的变化。为研究欧债危机对中国股票市场的传染效应,还需要进一步考察样本区间欧美股票指数收益率与中国股票指数收益率之间的时变动态相关性。(三)边缘分布密度函数根据表1的基本统计量特征,分别对英国、德国、法国、美国和中国股票指数收益率的边缘分布密度函数进行估计。由于英国、德国、法国和美国股票指数收益率表现出显著的自相关性和异方差效应,本文采用ARMA(m,n)-GARCH(p,q)模型进行参数估计,模型中的ARMA部分用于刻画自相关性,GARCH部分用于刻画异方差效应。ARMA(m,n)-GARCH(p,q)模型的表达式如下:在实证检验中运用ARMA(1,1)-GARCH(1,1)能较好地描述金融时间序列的特征(参见Tsay,201020),因此本文采用此模型对英国、德国、法国和美国股票指数收益率边缘分布密度函数进行估计。表3给出了参数的估计结果,其中ARCH和GARCH系数均在1%置信水平下显著。中国股票指数收益率没有异方差效应,但有尖峰厚尾特征,因此采用t分布作为它的边缘分布密度函数,t分布的密度函数表达式如下:f(x|μ,σ,ν)=Γ((ν+1)/2)Γ(ν/2)1πνσ2[1+1ν(x-μσ)2]-(ν+1)/2(9)边缘分布密度函数共有三个参数μ、σ、ν,表4给出了这三个参数的极大似然估计值。在分别估计了英国、德国、法国、美国和中国股票指数收益率的边缘分布密度函数后,就可得到各股票指数收益率的累积分布。再根据式6和式7对Copula密度函数进行参数估计,其结果如表5所示。表5显示,英国FTSE100收益率与中国沪深300收益率之间Copula密度函数的一个参数在1%置信水平下显著,其余两个参数不显著;德国DAX收益率与中国沪深300收益率之间Copula密度函数的所有参数在1%置信水平下显著;法国CAC40收益率与中国沪深300收益率之间Copula密度函数的两个参数在1%置信水平下显著,另一个参数在5%置信水平下显著;美国S&P500收益率与中国沪深300收益率之间Copula密度函数的所有参数在10%置信水平下均不显著。可以认为,在样本区间,德国、法国股票指数收益率与中国股票指数收益率之间具有较高的动态相关性,英国股票指数收益率与中国股票指数收益率之间具有一定的动态相关性,而美国股票指数收益率与中国股票指数收益率之间不具有动态相关性。欧洲股票指数为当日数据,中国股票指数为次日数据,依据时间先后关系,这种动态相关性表明,欧债危机对中国股票市场存在传染效应。将表5中的参数代入式7,可得英国、德国、法国、美国股票指数收益率与中国股票指数收益率之间时变相关性ρt的序列。表6列出了ρt的均值、最大值、最小值和标准差。其中,英、德、法三国股票指数收益率与中国股票指数收益率的ρt最大值均超过美国;美国、英国股票指数收益率与中国股票指数收益率的ρt始终为正;德、法两国股票指数收益率与中国股票指数收益率的ρt有正有负,且ρt的标准差高于英、美两国ρt的标准差。德、法两国股票指数收益率与中国股票指数收益率ρt的峰值分别在0.569、0.495,远高于表1中的静态线性相关系数0.166、0.169。可以判定,在样本区间,德、法两国股票指数收益率与中国股票指数收益率之间的动态相关性呈现波动且短期内有爆发性增加。实证检验表明,美国股票指数收益率与中国股票指数收益率之间不具有动态相关性,所以本文进一步聚焦于英德法三国股票指数收益率与中国股票指数收益率之间的动态相关性随时间变化的轨迹,如图1至图3所示,标注了ρt短期内爆发性增加的时间点。观察这些时间点可以发