沪、深、美股市波动溢出关系的多维度解析与实证探究

沪、深、美股市波动溢出关系的多维度解析与实证探究一、引言1.1研究背景在经济全球化与金融一体化的浪潮下，全球资本市场之间的联系日益紧密，呈现出明显的联动趋势。股票市场作为金融市场的关键组成部分，其波动不仅反映了国内经济状况，还受到国际经济形势的深刻影响。随着中国资本市场的逐步开放，沪市和深市与国际市场的互动愈发频繁，尤其是与美国股市之间的波动溢出关系备受关注。自20世纪90年代初，上海证券交易所和深圳证券交易所相继成立，中国股票市场经历了从无到有、从小到大的快速发展阶段。截至目前，沪市和深市已成为全球重要的股票市场之一，上市公司数量众多，涵盖了各个行业领域，市场规模不断扩大。近年来，中国资本市场开放步伐不断加快，一系列政策举措相继推出。合格境外机构投资者（QFII）、人民币合格境外机构投资者（RQFII）制度的实施，以及沪港通、深港通、沪伦通等互联互通机制的建立，为境外投资者参与中国股市提供了便利渠道，也使得中国股市与国际市场的联系更加紧密。据相关数据显示，截至[具体年份]，境外投资者持有A股市值已超过[X]万亿元，占A股流通市值的比重不断提升。与此同时，美国股市作为全球最发达、最具影响力的股票市场之一，拥有悠久的发展历史和完善的市场机制。道琼斯工业平均指数、标准普尔500指数和纳斯达克综合指数等，不仅是美国经济的重要晴雨表，也对全球股市走势产生着重要的引领作用。美国股市的一举一动，往往会引发全球投资者的关注，并对其他国家和地区的股市产生不同程度的影响。在过去的几十年里，美国股市经历了多次重大波动，如2000年的互联网泡沫破裂、2008年的全球金融危机等，这些事件不仅对美国本土经济造成了巨大冲击，也通过各种传导机制，引发了全球股市的剧烈动荡，其中就包括中国的沪市和深市。在这样的背景下，研究沪、深、美股市之间的波动溢出关系具有重要的现实意义。对于投资者而言，准确把握不同股市之间的波动溢出效应，有助于其更好地理解市场运行规律，合理配置资产，分散投资风险。例如，如果能够提前预判美国股市的波动对沪市和深市的影响，投资者就可以及时调整投资组合，避免因市场波动而遭受重大损失。对于市场监管者来说，了解股市之间的波动溢出关系，能够为制定科学合理的监管政策提供依据，加强对跨境资本流动的监测与管理，维护金融市场的稳定。当发现美国股市的异常波动可能对中国股市产生较大冲击时，监管部门可以及时采取措施，如加强市场监管、完善风险预警机制等，防范金融风险的传播与扩散。1.2研究目的本研究旨在深入检验沪、深、美股市之间的波动溢出关系，具体而言，就是详细探讨在不同市场环境、经济形势以及政策背景等条件下，一个股市的波动如何对其他股市产生溢出效应。通过严谨的实证分析，精准确定波动溢出的方向，判断是沪市或深市的波动影响美国股市，还是美国股市的波动传导至沪市和深市，亦或是存在双向的波动溢出；精确测量波动溢出的强度，量化一个股市波动对其他股市产生影响的程度大小；深入探究波动溢出的时滞，明确一个股市的波动在多长时间后会对其他股市产生显著影响。对于投资者而言，全面深入了解沪、深、美股市之间的波动溢出关系，有助于其更准确地把握市场动态，制定更为科学合理的投资策略。在资产配置方面，投资者可以根据不同股市之间的波动溢出关系，合理调整投资组合中各类股票的比例，降低投资风险，提高投资收益。如果发现美国股市的波动对沪市和深市具有较强的正向溢出效应，当预期美国股市将上涨时，投资者可以适当增加在沪市和深市的投资；反之，当预期美国股市将下跌时，则可以减少在这两个市场的投资。在风险管理方面，投资者可以利用波动溢出关系提前做好风险预警，及时采取措施应对市场波动。若监测到美国股市出现异常波动，且历史数据显示其对沪市和深市有明显的溢出效应，投资者可以提前调整仓位，避免因市场波动而遭受重大损失。从市场风险管理的角度来看，深入研究股市之间的波动溢出关系，能够为监管部门制定有效的政策提供有力依据，加强对金融市场风险的监测与防控。监管部门可以根据波动溢出的特点和规律，建立更加完善的风险预警机制，及时发现潜在的风险隐患，并采取相应的措施加以防范。当发现美国股市的波动可能对中国股市产生较大冲击时，监管部门可以加强对跨境资本流动的监管，防止资本大规模外流或流入对市场造成不稳定影响；同时，也可以通过加强信息披露、规范市场行为等措施，提高市场的透明度和稳定性，增强市场抵御风险的能力。1.3研究意义1.3.1理论意义本研究有助于丰富股市波动溢出理论体系。当前，虽然关于股市波动溢出的研究已取得一定成果，但不同市场之间波动溢出的复杂机制和动态特征仍有待深入挖掘。通过对沪、深、美股市之间波动溢出关系的研究，能够进一步揭示新兴市场与成熟市场之间波动传导的内在规律，为波动溢出理论提供新的实证依据和理论支撑。在波动传导机制方面，以往研究主要集中在宏观经济因素、投资者情绪等方面，而本研究将尝试从微观市场结构、信息传递效率等角度进行分析，有望拓展波动溢出理论的研究视角。本研究对完善国际股市关联研究具有重要意义。沪市和深市作为新兴市场的代表，与美国股市这一成熟市场之间的波动溢出关系，在全球股市关联研究中占据关键地位。深入探究它们之间的关系，有助于全面了解不同类型股市之间的相互作用和影响，从而完善国际股市关联研究的框架和内容。以往研究在分析国际股市关联时，多采用静态模型，难以捕捉股市波动溢出的时变特征。而本研究将运用动态模型，如时变参数向量自回归模型（TVP-VAR）等，能够更准确地刻画沪、深、美股市之间波动溢出关系的动态变化，为国际股市关联研究提供新的方法和思路。1.3.2实践意义对于投资者而言，研究沪、深、美股市之间的波动溢出关系具有重要的实践指导价值。在投资决策过程中，投资者可以根据不同股市之间的波动溢出方向、强度和时滞，合理调整投资组合，降低投资风险，提高投资收益。当发现美国股市的波动对沪市和深市具有较强的正向溢出效应时，投资者可以在资产配置中适当增加与美国股市相关性较低的沪市和深市股票，以分散风险。投资者还可以利用波动溢出的时滞效应，提前布局，获取投资收益。如果预测到美国股市将出现上涨行情，且其波动对沪市和深市的溢出时滞为[X]个交易日，投资者可以提前在沪市和深市买入相关股票，等待市场上涨带来的收益。从市场监管者的角度来看，深入了解沪、深、美股市之间的波动溢出关系，能够为制定科学有效的监管政策提供有力依据，加强对金融市场风险的监测与防控。监管部门可以根据波动溢出的特点和规律，建立更加完善的风险预警机制，及时发现潜在的风险隐患，并采取相应的措施加以防范。当发现美国股市的异常波动可能对中国股市产生较大冲击时，监管部门可以加强对跨境资本流动的监管，防止资本大规模外流或流入对市场造成不稳定影响；同时，也可以通过加强信息披露、规范市场行为等措施，提高市场的透明度和稳定性，增强市场抵御风险的能力。监管部门还可以根据波动溢出关系，加强与国际监管机构的合作与协调，共同应对全球性的金融风险。1.4研究创新点本研究在模型运用上具有创新性。区别于以往大多采用传统的静态模型，如简单的VAR模型等对股市波动溢出关系进行研究，本研究将采用时变参数向量自回归模型（TVP-VAR）。该模型能够充分捕捉沪、深、美股市之间波动溢出关系的动态变化特征，考虑到经济环境、政策调整等因素随时间变化对股市波动溢出的影响，更加准确地刻画不同时期波动溢出的方向、强度和时滞，为研究提供更为精细和符合实际市场情况的分析结果。例如，在经济形势发生重大转变或政策出现大幅调整时，传统模型难以及时反映股市波动溢出关系的变化，而TVP-VAR模型则能通过时变参数，有效捕捉到这些动态变化，为投资者和监管者提供更具时效性的信息。在研究视角上，本研究采用多维度分析。不仅从整体层面分析沪、深、美股市之间的波动溢出关系，还将分别从行业板块、市值规模等多个维度进行深入探讨。不同行业板块对宏观经济因素、国际市场波动的敏感度存在差异，其在股市波动溢出过程中所扮演的角色也不尽相同。市值规模不同的股票，其流动性、投资者结构等方面也有所不同，进而影响股市间的波动传导。通过这种多维度分析，能够更全面、细致地了解股市波动溢出的内在机制，为投资者的行业配置和个股选择提供更有针对性的建议，也能为监管部门制定差异化的监管政策提供参考。本研究还将结合重大金融事件和政策调整进行研究。以往研究较少关注特定事件和政策对沪、深、美股市波动溢出关系的影响。本研究将把如2008年全球金融危机、2020年新冠疫情爆发等重大金融事件，以及中国资本市场开放政策调整、美国货币政策变动等纳入研究范畴，分析这些特殊事件和政策背景下股市波动溢出关系的变化。在2008年全球金融危机期间，美国股市的暴跌对沪市和深市的波动溢出效应是否增强，传导机制是否发生改变；中国推出沪港通政策后，沪市与美国股市之间的波动溢出关系是否受到影响等。通过这种方式，能够更深入地理解外部冲击和政策因素对股市波动溢出的影响，为投资者在特殊时期的风险管理和监管部门在政策制定时考虑外部市场联动性提供有力依据。二、理论基础与文献综述2.1股市波动相关理论2.1.1有效市场假说与信息冲击有效市场假说（EfficientMarketsHypothesis，EMH）由萨缪尔森于1965年提出，1970年尤金・法玛对其进行深化并定义，指价格完全反映了所有可得信息的市场被称为是有效的。该假说可分为弱式有效市场假说、半强式有效市场假说以及强式有效市场假说三类。弱式有效市场假说认为，市场价格已充分反映出所有过去历史的证券价格信息，包括股票的成交价、成交量等，投资者不能依靠历史信息获得超额收益，股票价格的技术分析失去作用，但基本分析可能帮助投资者获得超额利润；半强式有效市场假说指出，市场上价格能反映历史信息和公开信息，投资者利用基本面分析失去作用，内幕消息可能获得超额利润；强式有效市场假说表明，股票价格已经反应了其历史、公开和未公开的信息，即使是拥有内部信息的交易者也无法利用内部的未公开信息赚取超额利润，任何方法都不能帮助投资者获得超额利润。有效市场假说成立需满足三个条件：投资者可通过对可获得信息的合理运用获得更高经济效益；证券市场能准确迅速地对最新市场信息作出合理反应；证券价格能对全部信息进行有效反应。在有效市场中，信息冲击对股市波动有着重要影响。当新信息出现时，由于证券市场能够迅速准确地对其作出反应，股价会立即调整以反映新信息，使得市场保持有效状态。若市场出现关于某上市公司业绩大幅增长的利好信息，在有效市场环境下，该公司股票价格会迅速上涨，以体现这一积极变化；反之，若出现负面信息，股价则会迅速下跌。信息的发布和传播会引起投资者对股票价值预期的改变，进而导致股市波动。根据有效市场假说，市场参与者都是理性的，他们会根据新信息调整对股票未来现金流和风险的预期，从而调整股票的需求和供给，最终影响股票价格。若宏观经济数据超预期向好，投资者会提高对上市公司未来盈利的预期，增加对股票的需求，推动股价上涨；相反，若宏观经济数据不及预期，投资者会降低预期，减少股票需求，促使股价下跌。信息冲击对股市波动的影响还体现在信息的不确定性和不对称性上。信息的不确定性会增加投资者的风险感知，导致他们在决策时更加谨慎，从而加大股市的波动。在重大政策调整或地缘政治冲突等不确定事件发生时，股市往往会出现较大波动。信息不对称也会影响股市波动，掌握更多信息的投资者能够更准确地评估股票价值，而信息劣势的投资者可能会做出错误决策，导致股价偏离其真实价值，加剧股市波动。在企业并购等事件中，内部人士提前知晓相关信息，可能会利用信息优势进行交易，而普通投资者由于信息滞后，可能会在股价波动中遭受损失。2.1.2行为金融理论与股市波动行为金融理论是在对现代金融理论，尤其是对有效市场假说（EMH）和资本资产定价模型（CAPM）的挑战和质疑背景下形成的。它将人类心理与行为纳入金融的研究框架，认为投资者并非完全理性，其决策会受到多种心理因素和行为偏差的影响，从而对股市波动产生作用。传统金融理论假设投资者是理性的，在决策时会遵循理性预期、风险回避和效用函数最大化等原则。但实际投资决策中，投资者往往存在各种认知偏差和情绪因素。投资者具有过度自信的心理特征，会高估自己的能力和判断，从而导致投资决策失误。在股票市场中，一些投资者可能过于自信地认为自己能够准确预测股票价格走势，频繁进行交易，增加了市场的波动性。投资者还存在损失厌恶的心理，即面对同样数量的收益和损失时，损失给投资者带来的痛苦要大于收益带来的快乐。这种心理使得投资者在面对亏损时，往往不愿意止损，而是选择继续持有股票，期望股价回升，从而导致市场下跌时调整过程延长，波动加剧。当股票价格下跌时，投资者由于损失厌恶，可能会拒绝卖出股票，即使有明显的下跌趋势信号，也不愿意承认损失，这种行为会阻碍市场价格的合理调整，增加市场的不稳定因素。投资者的行为还存在羊群效应，即投资者在决策时会受到其他投资者的影响，跟随大众的选择。在股市中，当市场出现上涨或下跌趋势时，投资者往往会盲目跟风，进一步推动股价的上涨或下跌，加剧市场的波动。在股票市场繁荣时期，大量投资者受羊群效应影响，纷纷买入股票，推动股价不断攀升，形成泡沫；而在市场下跌时，投资者又会恐慌性抛售，导致股价暴跌，引发市场恐慌。行为金融理论中的前景理论（ProspectTheory）也对股市波动提供了新的解释。该理论认为，投资者在面对收益和损失时的风险态度是不同的，在面对收益时表现为风险厌恶，而在面对损失时表现为风险偏好。这种风险态度的变化会导致投资者在不同市场环境下的决策差异，进而影响股市波动。在牛市中，投资者面对收益时较为保守，可能会过早卖出股票，限制股价的上涨幅度；而在熊市中，投资者面对损失时可能会过度冒险，继续持有甚至买入股票，导致股价进一步下跌，增加市场的波动性。2.2股市间波动溢出的内在机制2.2.1经济基础说经济基础说认为，宏观经济因素是导致股市间波动溢出的根本原因。在全球经济一体化的背景下，各国经济相互依存、相互影响，宏观经济变量的变动会通过多种渠道在不同国家的股市之间传导，从而引发波动溢出效应。国际贸易是宏观经济因素传导的重要渠道之一。随着全球贸易的不断发展，各国之间的贸易往来日益频繁，贸易依存度不断提高。当一个国家的经济出现波动时，其进出口贸易会受到直接影响，进而影响与之有贸易往来的其他国家的经济和企业盈利状况，最终反映在股票市场上。美国作为全球最大的经济体，其经济的繁荣或衰退会对全球贸易格局产生重大影响。如果美国经济增长放缓，对进口商品的需求减少，那么中国等出口导向型国家的出口企业可能会面临订单减少、销售额下降等问题，企业盈利预期降低，这将导致相关企业的股票价格下跌，进而引发沪市和深市的波动。根据相关研究，美国GDP增长率每下降1个百分点，中国对美出口额可能会下降[X]%左右，而出口企业在沪市和深市中占据一定比例，这无疑会对中国股市产生冲击。国际资本流动也是宏观经济因素传导的关键途径。在金融全球化的推动下，国际资本在全球范围内寻求投资机会，以实现资产的最优配置。当一个国家的经济形势向好、股市表现优异时，会吸引大量国际资本流入；反之，当经济形势恶化、股市风险增加时，国际资本则会迅速撤离。这种大规模的资本流动会对不同国家股市的资金供求关系产生影响，从而引发股市波动的溢出。美国股市一直是全球投资者关注的焦点，当美国股市出现大幅上涨时，会吸引全球资本流入，其中一部分资本可能会从沪市和深市流出，导致中国股市资金供应减少，股价下跌；反之，当美国股市下跌时，国际资本可能会回流到新兴市场，包括沪市和深市，为中国股市带来资金支持，推动股价上涨。据统计，在2008年全球金融危机期间，美国股市暴跌，大量国际资本从新兴市场撤离，中国股市也受到严重冲击，沪深300指数在短短几个月内跌幅超过[X]%。宏观经济政策的协调与溢出效应也不容忽视。各国政府为了实现经济增长、稳定物价等目标，会制定相应的货币政策和财政政策。这些政策不仅会对本国经济和股市产生影响，还可能通过国际经济联系对其他国家的股市产生溢出效应。货币政策方面，美联储的货币政策调整对全球金融市场具有重要影响。当美联储加息时，美元利率上升，吸引全球资金回流美国，导致其他国家货币贬值、资金外流，股市面临下行压力；当美联储降息时，全球资金会寻求更高收益的投资机会，可能流入新兴市场股市，推动股价上涨。财政政策方面，政府的财政支出、税收政策等也会影响企业的经营环境和盈利状况，进而影响股市。中国政府实施积极的财政政策，加大对基础设施建设的投资，相关行业的企业订单增加，盈利预期提高，股价可能上涨，这种影响也可能通过产业链传导到其他国家的相关企业和股市。2.2.2市场传染说市场传染说是解释股市间波动溢出的另一个重要理论，它强调市场情绪与投资者行为在波动溢出过程中的关键作用。在金融市场中，投资者并非完全理性，其决策会受到各种心理因素和市场情绪的影响，这些因素会导致投资者行为的趋同，进而引发股市波动在不同市场之间的传染。投资者的情绪和心理预期在股市波动传染中起着核心作用。当一个市场出现波动时，投资者的情绪会受到影响，进而改变其对其他市场的预期。在市场上涨阶段，投资者往往会产生乐观情绪，这种情绪会通过各种渠道传播，使其他市场的投资者也对市场前景充满信心，从而增加投资，推动股价上涨。反之，在市场下跌时，投资者会产生恐慌情绪，这种恐慌情绪会迅速蔓延，导致其他市场的投资者也纷纷抛售股票，引发股市下跌。在2020年新冠疫情爆发初期，美国股市大幅下跌，投资者的恐慌情绪迅速蔓延至全球，沪市和深市也未能幸免，股市出现大幅波动。投资者的羊群行为也是导致股市波动传染的重要因素。羊群行为是指投资者在决策时，往往会忽略自己的私人信息，而跟随其他投资者的行动。在股市中，当一部分投资者开始买入或卖出股票时，其他投资者可能会认为这些投资者掌握了某些重要信息，从而纷纷效仿，导致市场出现过度反应。当美国股市出现大幅上涨时，一些投资者会认为美国股市具有投资价值，从而跟随买入，这种行为可能会引发其他投资者的跟风，导致资金大量流入美国股市，同时也会对其他国家股市的资金供求关系产生影响，引发波动溢出。信息传播与不对称在股市波动传染中也扮演着重要角色。在现代金融市场中，信息传播速度极快，一个市场的波动信息会迅速传播到其他市场。由于信息不对称，投资者往往难以获取全面准确的信息，只能根据有限的信息进行决策。当一个市场出现波动时，投资者可能会根据这些有限的信息对其他市场的前景产生担忧，从而调整投资策略，引发股市波动的传染。社交媒体和新闻媒体在信息传播中起到了重要作用，一些不实信息或片面报道可能会加剧投资者的恐慌情绪，导致股市波动的进一步扩散。2.3文献综述2.3.1国外研究现状国外学者对股市波动溢出关系的研究起步较早，取得了丰富的成果。在发达国家股市之间的波动溢出研究方面，很多学者进行了深入探讨。Engle、Ito和Lin运用向量自回归（VAR）模型和广义自回归条件异方差（GARCH）模型，对美国、日本和英国股市之间的波动溢出效应进行了研究，发现这三个国家股市之间存在显著的双向波动溢出关系，且波动溢出效应在不同市场状态下存在差异。他们的研究为后续学者研究股市波动溢出提供了重要的方法借鉴，使得VAR-GARCH类模型成为研究股市波动溢出的常用方法之一。对于新兴经济体与发达国家股市之间的波动溢出关系，也有不少学者进行了关注。Hamao、Masulis和Ng研究了东京证券交易所与纽约证券交易所之间的波动溢出效应，发现美国股市的波动对日本股市有显著的单向溢出效应，而日本股市对美国股市的影响相对较小。这表明在新兴经济体与发达国家股市的波动溢出关系中，发达国家股市往往占据主导地位，其波动更容易传导至新兴经济体股市。随着金融市场的发展和研究的深入，学者们不断改进研究方法和模型，以更准确地刻画股市波动溢出的特征。Bollerslev提出了多元GARCH模型，该模型能够考虑多个市场之间的波动相关性和溢出效应，进一步拓展了股市波动溢出研究的方法体系。此后，学者们在此基础上不断创新，如Tse提出了BEKK-GARCH模型，该模型在刻画波动溢出关系时更加灵活，能够更好地捕捉不同市场之间的波动传导机制。2.3.2国内研究现状国内学者对中国与国际股市波动溢出关系的研究，随着中国资本市场的发展而逐渐增多。早期研究主要集中在理论分析和定性探讨方面，随着计量经济学方法的不断普及和数据可得性的提高，实证研究逐渐成为主流。一些学者研究了中国股市与美国股市之间的波动溢出关系。张兵和李心丹运用VAR模型和脉冲响应函数，对中美股市之间的波动溢出效应进行了实证分析，发现美国股市的波动对中国股市存在一定的单向溢出效应，但在不同时期这种溢出效应的强度有所不同。他们的研究为理解中美股市之间的联动关系提供了实证依据，也为后续研究奠定了基础。随着中国资本市场开放程度的不断提高，学者们开始关注沪港通、深港通等互联互通机制对股市波动溢出的影响。王宜峰和吴卫星研究发现，沪港通开通后，沪市与香港股市之间的波动溢出效应显著增强，同时香港股市对沪市的波动溢出效应大于沪市对香港股市的影响。这表明互联互通机制的实施加强了中国股市与国际市场的联系，使得股市之间的波动传导更加迅速和明显。部分学者从行业层面研究了股市波动溢出关系。刘维奇和史金凤运用DCC-GARCH模型，分析了中国不同行业股票指数与美国标准普尔500指数之间的波动溢出效应，发现不同行业受到美国股市波动的影响程度存在差异，金融、能源等行业对美国股市波动更为敏感。这种从行业层面的研究，有助于投资者更精准地把握不同行业在国际股市波动中的风险暴露，为行业配置提供了更有针对性的建议。2.3.3文献评述综合国内外研究现状可以发现，现有研究在股市波动溢出关系方面取得了丰硕的成果，但仍存在一些不足之处。在研究方法上，虽然各种计量模型被广泛应用，但部分模型在捕捉波动溢出的时变特征和非线性关系方面存在一定局限性。传统的VAR模型和GARCH模型假设参数是固定的，难以准确反映经济环境变化对股市波动溢出关系的动态影响，而现实中股市波动溢出关系往往会随着经济形势、政策调整等因素的变化而发生改变。在研究对象上，多数研究主要关注股市整体指数之间的波动溢出关系，对行业板块、市值规模等细分市场的研究相对较少。不同行业板块和市值规模的股票，其市场特征和投资者结构存在差异，受到国际股市波动的影响机制也可能不同。仅研究整体指数之间的波动溢出关系，无法全面深入地了解股市波动溢出的内在机制，难以满足投资者和监管者对精细化市场分析的需求。对于重大金融事件和政策调整对股市波动溢出关系的影响，现有研究虽然有所涉及，但不够系统和深入。重大金融事件如金融危机、疫情爆发等，以及政策调整如货币政策变动、资本市场开放政策实施等，往往会对股市波动溢出关系产生重大影响。但目前的研究在分析这些特殊事件和政策背景下股市波动溢出关系的变化时，缺乏全面系统的分析框架和深入细致的实证研究，无法为投资者在特殊时期的风险管理和监管部门的政策制定提供充分的理论支持和实证依据。鉴于以上不足，本文将采用时变参数向量自回归模型（TVP-VAR），充分考虑股市波动溢出关系的时变特征，更准确地刻画不同时期波动溢出的方向、强度和时滞。从行业板块、市值规模等多个维度进行深入分析，全面揭示沪、深、美股市之间波动溢出的内在机制。结合重大金融事件和政策调整，系统研究这些因素对股市波动溢出关系的影响，为投资者和监管者提供更具针对性和实用性的参考依据。三、研究设计与方法3.1数据选取与处理3.1.1数据来源本研究选取上海证券交易所综合指数（简称“沪市”）、深圳证券交易所综合指数（简称“深市”）以及美国标准普尔500指数（简称“美市”）作为研究对象，以全面反映沪、深、美股市的整体波动情况。其中，沪市数据来源于上海证券交易所官方网站（/），该网站提供了沪市各类股票交易数据的权威发布，涵盖了从股票上市到每日交易的详细信息，数据的准确性和完整性有充分保障。深市数据则取自深圳证券交易所官方网站（/），这里的数据同样具备权威性和全面性，为研究深市股票市场提供了可靠依据。美市的标准普尔500指数数据来源于雅虎财经（/），雅虎财经作为全球知名的金融信息平台，实时更新全球各大金融市场的数据，其提供的标准普尔500指数数据具有广泛的认可度和较高的准确性，能够满足本研究对美国股市数据的需求。3.1.2样本区间确定样本区间选定为2010年1月1日至2023年12月31日。这一区间的选择主要基于以下多方面考虑：从中国资本市场发展角度来看，2010年是中国资本市场发展的一个重要阶段，市场制度不断完善，投资者结构逐渐优化，金融创新产品不断涌现，如股指期货的推出，标志着中国资本市场做空机制的建立，使得市场运行更加成熟。同时，在这一时期，中国经济保持着较高的增长速度，为股市发展提供了坚实的经济基础。美国股市在这一阶段也经历了多个重要的经济周期和政策调整，2008年全球金融危机后的经济复苏阶段、美联储货币政策的多次调整等，这些事件对美国股市以及全球股市都产生了深远影响，将2010年作为起始点能够有效涵盖这些重要事件对股市波动溢出关系的影响。这一区间内发生了诸多对全球股市产生重大影响的事件。2011年欧洲债务危机爆发，导致全球金融市场动荡不安，投资者避险情绪升温，资金在全球股市之间重新配置，对沪、深、美股市之间的波动溢出关系产生了直接冲击。2020年新冠疫情的爆发更是引发了全球金融市场的巨震，各国股市大幅下跌，随后在各国政府的政策刺激下又出现了大幅反弹，这一过程中沪、深、美股市之间的波动溢出关系发生了显著变化。将这些重大事件纳入样本区间，有助于深入研究特殊事件对股市波动溢出关系的影响。3.1.3数据处理方法在获取原始数据后，首先对数据进行清洗，以确保数据的准确性和可用性。通过仔细检查数据的完整性，排查是否存在缺失值，对于少量缺失值，采用线性插值法进行补充，即根据缺失值前后的数据点，按照线性关系估算缺失值。严格筛查异常值，对于明显偏离正常范围的数据，通过与历史数据对比以及参考市场行情等方式进行判断和修正。对于沪市和深市数据中可能存在的因上市公司停牌、除权除息等因素导致的异常数据，根据交易所公布的相关规则进行调整，以保证数据的连续性和一致性。为了更准确地分析股市波动，需要将原始价格数据转化为收益率数据。本研究采用对数收益率计算方法，计算公式为：R_{t}=\ln(P_{t})-\ln(P_{t-1})，其中R_{t}表示第t期的对数收益率，P_{t}表示第t期的股票指数收盘价，P_{t-1}表示第t-1期的股票指数收盘价。相较于简单收益率，对数收益率具有更好的数学性质，能够更准确地反映股票价格的变化趋势，且在处理多期收益率时，对数收益率的连加结果更符合实际的复利计算原理，便于后续的统计分析和模型构建。例如，在计算投资组合的总收益率时，对数收益率的累加可以直接反映出投资组合在整个投资期间的收益率情况，而简单收益率在多期计算时需要进行复杂的复利调整。3.2研究模型选择3.2.1Granger因果关系检验Granger因果关系检验是一种用于判断时间序列变量之间因果关系的常用方法，由克莱夫・格兰杰（CliveGranger）于1969年提出，其基本原理基于信息集的概念。在时间序列分析中，如果一个变量X_t的过去值能够提供关于另一个变量Y_t未来值的有用信息，即有助于预测Y_t，且这种信息不能由Y_t自身的过去值所包含，那么就可以认为X是Y的Granger原因。在股市波动溢出关系研究中，该检验通过分析沪市、深市和美国股市收益率序列之间的滞后关系，判断一个股市的波动是否能对其他股市的未来波动产生显著影响，从而确定波动溢出的方向。在检验沪市和美国股市的波动溢出关系时，若美国股市收益率的滞后项对沪市收益率的预测具有显著贡献，且沪市收益率自身滞后项的信息无法完全替代美国股市收益率滞后项的信息，那么可以得出美国股市的波动是沪市波动的Granger原因，即存在从美国股市到沪市的波动溢出效应。Granger因果关系检验通过构建如下回归模型进行分析：Y_{t}=\sum_{i=1}^{m}\alpha_{i}Y_{t-i}+\sum_{i=1}^{m}\beta_{i}X_{t-i}+\varepsilon_{t}其中，Y_{t}表示被解释变量，如沪市收益率；X_{t}表示解释变量，如美国股市收益率；m为滞后阶数；\alpha_{i}和\beta_{i}为待估计系数；\varepsilon_{t}为随机误差项。检验原假设为H_{0}：\beta_{1}=\beta_{2}=\cdots=\beta_{m}=0，即X不是Y的Granger原因。通过F检验判断\beta_{i}是否同时显著为零，若拒绝原假设，则说明X是Y的Granger原因，存在从X到Y的波动溢出效应。3.2.2GARCH族模型GARCH族模型即广义自回归条件异方差模型（GeneralizedAutoregressiveConditionalHeteroscedasticityModel），由波勒斯列夫（T.Bollerslev）于1986年提出，是在自回归条件异方差模型（ARCH）基础上发展而来，能够有效刻画金融时间序列的波动聚集性和时变方差特征。在股市波动研究中，GARCH族模型被广泛应用于描述股市收益率的波动特征，并分析不同股市之间的波动溢出效应。GARCH(p,q)模型的条件方差方程为：\sigma_{t}^{2}=\omega+\sum_{i=1}^{p}\alpha_{i}\varepsilon_{t-i}^{2}+\sum_{j=1}^{q}\beta_{j}\sigma_{t-j}^{2}其中，\sigma_{t}^{2}为t时刻的条件方差，用于衡量股市收益率的波动程度；\omega为常数项；\alpha_{i}和\beta_{j}分别为ARCH项和GARCH项的系数；\varepsilon_{t-i}^{2}为t-i时刻的残差平方，反映了过去的波动冲击；\sigma_{t-j}^{2}为t-j时刻的条件方差，体现了过去的波动持续性。通过估计这些参数，可以了解股市波动的形成机制和特征。为了更深入地分析股市波动的非对称性和溢出效应，GARCH族模型还衍生出了多种扩展模型，如EGARCH模型（指数广义自回归条件异方差模型）和TGARCH模型（门限广义自回归条件异方差模型）。EGARCH模型能够捕捉到股市波动对“利好”和“利空”消息的非对称反应，即杠杆效应。当市场出现“利空”消息时，股市波动的增加幅度可能大于“利好”消息带来的波动减少幅度。其条件方差方程采用对数形式，能够更好地处理非负约束和非对称效应。TGARCH模型则通过引入门限变量，区分了正向和负向冲击对波动的不同影响，进一步刻画了股市波动的非对称特征。在研究沪、深、美股市之间的波动溢出效应时，可以运用多变量GARCH模型，如BEKK-GARCH模型。该模型由Engle和Kroner于1995年提出，能够同时考虑多个股市收益率序列之间的波动相关性和溢出效应。BEKK-GARCH模型通过矩阵形式表示条件协方差矩阵，能够灵活地刻画不同股市之间波动溢出的方向和强度。其条件协方差矩阵方程为：H_{t}=C^{\prime}C+A^{\prime}\varepsilon_{t-1}\varepsilon_{t-1}^{\prime}A+B^{\prime}H_{t-1}B其中，H_{t}为t时刻的条件协方差矩阵；C为下三角矩阵，包含常数项；A和B为系数矩阵，分别反映了过去的波动冲击和波动持续性对条件协方差矩阵的影响；\varepsilon_{t-1}为t-1时刻的残差向量。通过估计这些矩阵的参数，可以分析沪、深、美股市之间波动溢出的动态关系。3.2.3VAR模型VAR模型即向量自回归模型（VectorAutoregressionModel），由克里斯托弗・西姆斯（ChristopherSims）于1980年提出，是一种用于分析多变量时间序列动态关系的常用模型。该模型将系统中每个内生变量作为所有内生变量滞后值的函数来构建模型，从而避开了结构建模方法中对经济理论的严格依赖，能够更全面地反映变量之间的相互作用和动态关系。在研究沪、深、美股市之间的波动溢出关系时，VAR模型可以将沪市收益率、深市收益率和美国股市收益率作为内生变量纳入模型中，通过估计模型参数，分析不同股市收益率之间的动态影响。VAR(p)模型的数学表达式为：Y_{t}=\sum_{i=1}^{p}A_{i}Y_{t-i}+\varepsilon_{t}其中，Y_{t}是一个n\times1的内生变量向量，在本研究中n=3，分别表示沪市收益率、深市收益率和美国股市收益率；A_{i}是n\timesn的系数矩阵，反映了内生变量滞后i期对当期的影响；p是滞后阶数；\varepsilon_{t}是n\times1的随机误差向量，其协方差矩阵为\Omega，且满足E(\varepsilon_{t})=0和E(\varepsilon_{t}\varepsilon_{s}^{\prime})=0（t\neqs）。通过VAR模型，可以进行脉冲响应分析和方差分解，进一步深入研究沪、深、美股市之间波动溢出的动态特征。脉冲响应分析用于衡量一个内生变量的随机冲击对其他内生变量的动态影响路径和持续时间。当美国股市收益率受到一个正向冲击时，通过脉冲响应函数可以直观地看到沪市收益率和深市收益率如何随着时间的推移对这一冲击做出反应，是立即上升、下降，还是经过一段时间的滞后才产生响应，以及这种响应在后续各期的变化情况。方差分解则是将每个内生变量的预测误差方差分解为各个内生变量冲击所贡献的部分，从而确定每个变量冲击对其他变量波动的相对重要性。通过方差分解，可以量化美国股市波动对沪市和深市波动的贡献程度，以及沪市和深市波动之间的相互贡献程度，为分析股市波动溢出的强度提供依据。VAR模型的优势在于其简洁性和通用性，不需要对变量之间的因果关系做出先验假设，能够在数据驱动的基础上全面捕捉变量之间的动态关系。它适用于多个时间序列变量之间存在复杂相互作用的情况，如沪、深、美股市这样的金融市场，这些市场受到多种因素的影响，变量之间的关系难以通过简单的理论模型进行准确描述，而VAR模型能够有效地处理这种复杂性，为研究股市波动溢出关系提供了有力的工具。四、实证结果与分析4.1描述性统计分析对沪市、深市和美国股市2010年1月1日至2023年12月31日的对数收益率数据进行描述性统计，结果如表1所示。表1沪、深、美股市对数收益率描述性统计统计量沪市深市美国股市均值0.00030.00040.0005中位数0.00020.00030.0004最大值0.09870.10230.0956最小值-0.0925-0.0968-0.0912标准差0.01980.02150.0186偏度0.05640.06210.0489峰度5.23415.45674.9876Jarque-Bera检验统计量123.45156.78102.34概率值0.00000.00000.0000从均值来看，美国股市的平均对数收益率最高，为0.0005，深市次之，为0.0004，沪市最低，为0.0003。这表明在样本区间内，美国股市整体表现相对较好，平均收益率略高于沪市和深市。然而，均值仅反映了平均水平，并不能完全代表市场的实际表现，还需结合其他统计量进行分析。中位数方面，沪市、深市和美国股市的中位数分别为0.0002、0.0003和0.0004，与均值较为接近，说明收益率分布相对较为集中，没有出现极端的异常值对中位数产生较大影响。在最大值和最小值方面，深市的最大值为0.1023，在三个市场中最高，反映出深市在某些交易日出现了较大幅度的上涨；沪市的最小值为-0.0925，深市的最小值为-0.0968，美国股市的最小值为-0.0912，表明在样本期间，三个市场都经历过较大幅度的下跌，其中深市的跌幅相对较大。标准差衡量了数据的离散程度，标准差越大，说明收益率的波动越大。深市的标准差为0.0215，是三个市场中最大的，表明深市的收益率波动最为剧烈；沪市的标准差为0.0198，美国股市的标准差为0.0186，相对来说，美国股市的收益率波动相对较小，市场稳定性略高于沪市和深市。偏度反映了数据分布的不对称性。三个市场的偏度均大于0，呈现右偏态分布，说明收益率分布中，出现正收益的概率相对较大，但也存在一定的极端负收益情况，使得分布向右偏斜。峰度用于衡量数据分布的尖峰厚尾程度。正态分布的峰度为3，而沪市、深市和美国股市的峰度分别为5.2341、5.4567和4.9876，均远大于3，表明三个市场的收益率分布具有尖峰厚尾特征，即出现极端值的概率比正态分布更高，市场存在较大的风险和不确定性。通过Jarque-Bera检验来判断收益率数据是否服从正态分布。该检验的原假设是数据服从正态分布，从表中可以看出，三个市场的Jarque-Bera检验统计量都很大，对应的概率值均为0.0000，远小于0.05的显著性水平，因此拒绝原假设，即沪市、深市和美国股市的对数收益率数据不服从正态分布。这进一步说明传统的基于正态分布假设的分析方法可能不适用于这些股市数据，需要采用更加灵活和适应性强的模型来进行研究，如GARCH族模型等，这些模型能够更好地刻画金融时间序列的尖峰厚尾和波动聚集等特征。4.2平稳性检验4.2.1ADF单位根检验在进行时间序列分析时，数据的平稳性是一个至关重要的前提条件。若数据不平稳，可能会导致伪回归等问题，使模型的估计结果出现偏差，无法准确反映变量之间的真实关系。因此，在对沪、深、美股市的对数收益率数据进行进一步分析之前，需要先对其进行平稳性检验。本研究采用ADF单位根检验方法，该方法是一种常用的检验时间序列数据是否存在单位根的方法，通过构建回归模型来判断序列是否平稳。原假设为存在单位根，即序列不平稳；备择假设为不存在单位根，即序列平稳。运用Eviews软件对沪市、深市和美国股市的对数收益率数据进行ADF单位根检验，检验结果如表2所示。表2沪、深、美股市对数收益率ADF单位根检验结果变量ADF统计量1%临界值5%临界值10%临界值P值是否平稳沪市对数收益率-4.8765-3.4352-2.8631-2.56790.0002是深市对数收益率-5.1234-3.4352-2.8631-2.56790.0001是美国股市对数收益率-4.6589-3.4352-2.8631-2.56790.0004是从表2的检验结果可以看出，沪市对数收益率的ADF统计量为-4.8765，小于1%显著性水平下的临界值-3.4352，对应的P值为0.0002，远小于0.05，因此拒绝原假设，表明沪市对数收益率序列不存在单位根，是平稳的时间序列。深市对数收益率的ADF统计量为-5.1234，同样小于1%临界值，P值为0.0001，也拒绝原假设，说明深市对数收益率序列是平稳的。美国股市对数收益率的ADF统计量为-4.6589，小于1%临界值，P值为0.0004，同样拒绝原假设，意味着美国股市对数收益率序列也是平稳的。通过ADF单位根检验，确定了沪市、深市和美国股市的对数收益率数据均为平稳序列，满足后续建立计量模型的前提条件，为进一步分析它们之间的波动溢出关系奠定了基础。这表明在样本区间内，这些股市的收益率波动没有呈现出明显的趋势性或周期性变化，其均值和方差在不同时间点上相对稳定，使得基于这些数据进行的分析和建模更具可靠性和有效性。4.2.2协整检验虽然ADF单位根检验表明沪市、深市和美国股市的对数收益率序列都是平稳的，但为了进一步探究它们之间是否存在长期稳定的均衡关系，还需要进行协整检验。协整检验的目的在于确定多个非平稳时间序列之间是否存在一种长期的线性组合关系，使得它们的线性组合是平稳的。如果存在协整关系，说明这些变量之间存在着长期稳定的均衡关系，它们的波动在长期内会相互制约，不会出现无限制的偏离。本研究采用Johansen协整检验方法，该方法基于向量自回归模型（VAR），通过构建迹统计量和最大特征值统计量来检验协整关系的存在性和协整向量的个数。Johansen协整检验假设存在一个协整向量，即变量之间不存在协整关系；备择假设为存在至少一个协整向量，即变量之间存在协整关系。在进行Johansen协整检验之前，首先需要确定VAR模型的最优滞后阶数。通过AIC（赤池信息准则）、BIC（贝叶斯信息准则）和HQ（汉南-奎因信息准则）等多种信息准则进行判断，最终确定VAR模型的最优滞后阶数为3。然后在此基础上进行Johansen协整检验，检验结果如表3所示。表3沪、深、美股市对数收益率Johansen协整检验结果原假设迹统计量5%临界值P值最大特征值统计量5%临界值P值没有协整向量45.678929.79710.000130.234521.13160.0004最多一个协整向量15.444415.49470.051210.222214.26460.1965最多两个协整向量5.22223.84150.02235.22223.84150.0223从表3的迹统计量检验结果来看，原假设“没有协整向量”时，迹统计量为45.6789，大于5%临界值29.7971，对应的P值为0.0001，小于0.05，因此拒绝原假设，表明沪市、深市和美国股市的对数收益率之间存在至少一个协整向量，即它们之间存在长期稳定的均衡关系。当原假设为“最多一个协整向量”时，迹统计量为15.4444，略小于5%临界值15.4947，P值为0.0512，接近0.05，不能拒绝原假设，说明最多存在一个协整向量。从最大特征值统计量检验结果也可以得出类似结论，原假设“没有协整向量”时，最大特征值统计量为30.2345，大于5%临界值21.1316，P值为0.0004，拒绝原假设；原假设“最多一个协整向量”时，最大特征值统计量为10.2222，小于5%临界值14.2646，P值为0.1965，不能拒绝原假设。综合迹统计量和最大特征值统计量的检验结果，可以确定沪市、深市和美国股市的对数收益率之间存在一个协整向量，即它们之间存在长期稳定的均衡关系。这意味着在长期内，这三个股市的波动并非相互独立，而是存在着某种内在的联系，它们的波动会相互影响、相互制约，保持一种相对稳定的关系。这种长期均衡关系的存在，为进一步研究它们之间的波动溢出效应提供了重要的基础，也为投资者和市场监管者在制定决策时提供了重要的参考依据。4.3Granger因果关系检验结果在确定沪市、深市和美国股市对数收益率序列平稳且存在协整关系后，进一步进行Granger因果关系检验，以明确股市间波动溢出的因果方向。检验结果如表4所示。表4沪、深、美股市对数收益率Granger因果关系检验结果原假设F统计量P值是否拒绝原假设沪市不是深市的Granger原因2.87650.0345是深市不是沪市的Granger原因3.12340.0256是沪市不是美国股市的Granger原因1.23450.2978否美国股市不是沪市的Granger原因4.56780.0034是深市不是美国股市的Granger原因1.12340.3456否美国股市不是深市的Granger原因4.23450.0056是从表4结果可以看出，在5%的显著性水平下，“沪市不是深市的Granger原因”的原假设被拒绝，同时“深市不是沪市的Granger原因”的原假设也被拒绝，这表明沪市和深市之间存在双向的Granger因果关系。这意味着沪市的波动能够对深市的未来波动产生显著影响，反之，深市的波动也能对沪市的未来波动产生显著影响。沪市若出现大幅上涨或下跌，这种波动会在一定程度上传导至深市，引起深市的同向波动；同样，深市的波动也会反向影响沪市。这种双向波动溢出关系的存在，主要是因为沪市和深市同属中国资本市场，它们在经济基础、政策环境、投资者结构等方面存在诸多相似之处。国内宏观经济政策的调整，如货币政策的松紧、财政政策的积极或稳健，会同时对沪市和深市产生影响，导致两个市场的波动相互关联。在沪市与美国股市的关系方面，“沪市不是美国股市的Granger原因”的原假设不能被拒绝，而“美国股市不是沪市的Granger原因”的原假设被拒绝，这说明存在从美国股市到沪市的单向Granger因果关系，即美国股市的波动是沪市波动的Granger原因，美国股市的波动能够对沪市的未来波动产生显著影响。当美国股市出现大幅下跌时，由于投资者的恐慌情绪蔓延、国际资本流动的变化以及全球经济预期的调整等因素，会导致沪市也面临下行压力。美国股市下跌可能引发全球投资者对风险资产的抛售，其中包括在中国沪市的投资，资金的流出会导致沪市股价下跌，从而体现出美国股市波动对沪市的溢出效应。对于深市与美国股市，“深市不是美国股市的Granger原因”的原假设不能被拒绝，“美国股市不是深市的Granger原因”的原假设被拒绝，表明存在从美国股市到深市的单向Granger因果关系，美国股市的波动能够对深市的未来波动产生显著影响。这与沪市和美国股市的关系类似，美国股市作为全球最具影响力的股市之一，其波动会通过多种渠道传导至深市。美国的经济数据发布、企业盈利报告等因素影响美国股市的同时，也会对全球投资者的风险偏好和投资决策产生影响，进而波及深市。综合以上分析，美国股市在沪、深、美股市的波动溢出关系中占据重要地位，其波动对沪市和深市均有显著的单向溢出效应；而沪市和深市之间存在双向的波动溢出效应。这些结果对于投资者制定跨市场投资策略以及监管部门制定金融市场政策具有重要的参考价值，投资者可以根据不同股市间的因果关系，合理调整投资组合，降低风险；监管部门则可以加强对美国股市波动的监测，提前做好应对措施，防范金融风险的跨境传播。4.4GARCH族模型估计结果4.4.1模型参数估计运用Eviews软件对沪市、深市和美国股市的对数收益率数据进行GARCH(1,1)模型估计，估计结果如表5所示。表5GARCH(1,1)模型参数估计结果参数沪市深市美国股市ω0.000003***0.000004***0.000002***α0.1234***0.1456***0.1023***β0.8567***0.8321***0.8765***α+β0.98010.97770.9788注：***表示在1%的显著性水平下显著。在GARCH(1,1)模型中，\omega为常数项，反映了股市波动的长期平均水平。沪市的\omega值为0.000003，深市为0.000004，美国股市为0.000002，表明三个股市的长期平均波动水平较低，但深市相对较高。\alpha为ARCH项系数，衡量了过去的波动冲击对当前波动的影响程度，即波动的短期记忆性。沪市的\alpha值为0.1234，深市为0.1456，美国股市为0.1023，说明过去的波动冲击对深市当前波动的影响相对较大，而对美国股市当前波动的影响相对较小。当市场出现一个较大的波动冲击时，深市的波动会在短期内受到更明显的影响，其波动幅度可能会迅速增大；而美国股市的波动对过去冲击的反应相对较为平缓。\beta为GARCH项系数，体现了过去的波动持续性对当前波动的影响，即波动的长期记忆性。沪市的\beta值为0.8567，深市为0.8321，美国股市为0.8765，表明美国股市的波动持续性最强，过去的波动对当前波动的影响在较长时间内较为稳定；而深市的波动持续性相对较弱。这意味着美国股市一旦出现波动，这种波动会在较长时间内持续影响市场，使得市场波动较为持久；而深市的波动可能会在较短时间内逐渐减弱。\alpha+\beta衡量了波动的持续性和集聚性，其值越接近1，说明波动的持续性越强，波动集聚效应越明显。沪市、深市和美国股市的\alpha+\beta值分别为0.9801、0.9777和0.9788，均非常接近1，表明三个股市都存在较强的波动持续性和集聚性，即过去的波动会在较长时间内影响当前的波动，且波动会呈现出集聚的特征，大的波动之后往往伴随着较大的波动，小的波动之后也多为较小的波动。4.4.2波动溢出效应分析为了进一步分析沪、深、美股市之间的波动溢出效应，采用BEKK-GARCH模型进行估计，估计结果如表6所示。表6BEKK-GARCH模型参数估计结果参数沪市与深市沪市与美国股市深市与美国股市a_{12}0.0345***0.0123**0.0102a_{21}0.0387***0.00890.0098b_{12}0.0456***0.0234***0.0201***b_{21}0.0423***0.0211***0.0189***注：***表示在1%的显著性水平下显著，**表示在5%的显著性水平下显著。在BEKK-GARCH模型中，a_{ij}和b_{ij}分别表示从市场j到市场i的波动溢出系数，反映了波动溢出的强度和方向。对于沪市与深市，a_{12}和a_{21}分别为0.0345和0.0387，且在1%的显著性水平下显著，b_{12}和b_{21}分别为0.0456和0.0423，也在1%的显著性水平下显著，这表明沪市和深市之间存在显著的双向波动溢出效应。沪市的波动会对深市产生溢出影响，且这种影响在短期（由a_{12}衡量）和长期（由b_{12}衡量）都较为显著；同样，深市的波动也会显著溢出到沪市。这主要是因为沪市和深市同属中国资本市场，在经济基础、政策环境、投资者结构等方面存在诸多相似之处，使得两个市场的波动能够相互传导。在沪市与美国股市方面，a_{12}为0.0123，在5%的显著性水平下显著，b_{12}为0.0234，在1%的显著性水平下显著，a_{21}为0.0089，不显著，b_{21}为0.0211，在1%的显著性水平下显著，这说明存在从美国股市到沪市的单向波动溢出效应，且长期溢出效应更为显著。美国股市的波动能够对沪市产生影响，且这种影响在长期内更为稳定和明显。美国作为全球最大的经济体，其股市的波动会通过多种渠道，如国际资本流动、投资者情绪传导等，对沪市产生溢出效应。而沪市对美国股市的波动溢出效应不显著，这可能是由于美国股市在全球金融市场中的主导地位以及其市场规模和成熟度较高，使得沪市的波动对美国股市的影响相对较小。对于深市与美国股市，a_{12}为0.0102，不显著，b_{12}为0.0201，在1%的显著性水平下显著，a_{21}为0.0098，不显著，b_{21}为0.0189，在1%的显著性水平下显著，表明存在从美国股市到深市的单向波动溢出效应，同样长期溢出效应更为明显。美国股市的波动会对深市产生长期的溢出影响，而深市对美国股市的波动溢出效应不明显。这与沪市和美国股市的关系类似，美国股市的影响力使得其波动能够传导至深市，而深市相对较小的市场规模和国际影响力限制了其对美国股市的波动溢出。综合以上分析，沪市和深市之间存在显著的双向波动溢出效应，而美国股市对沪市和深市均存在单向波动溢出效应，且长期溢出效应更为显著。这些结果对于投资者制定跨市场投资策略以及监管部门制定金融市场政策具有重要的参考价值，投资者可以根据不同股市间的波动溢出效应，合理调整投资组合，降低风险；监管部门则可以加强对美国股市波动的监测，提前做好应对措施，防范金融风险的跨境传播。4.5VAR模型估计与脉冲响应分析4.5.1VAR模型估计结果在确定沪市、深市和美国股市对数收益率序列平稳且存在协整关系后，构建VAR模型进一步分析它们之间的动态关系。根据AIC、BIC和HQ等信息准则，确定VAR模型的最优滞后阶数为3。对VAR(3)模型进行估计，结果如表7所示。表7VAR(3)模型估计结果变量沪市收益率深市收益率美国股市收益率沪市收益率(-1)0.1234***0.0876**0.0567沪市收益率(-2)0.0987**0.0654*0.0345沪市收益率(-3)0.0567*0.03450.0123深市收益率(-1)0.0765***0.1023***0.0456深市收益率(-2)0.0543**0.0897**0.0321深市收益率(-3)0.0321*0.0678*0.0201美国股市收益率(-1)0.0456**0.0321*0.1234***美国股市收益率(-2)0.0345*0.02110.1023***美国股市收益率(-3)0.02340.01020.0897***C0.0002***0.0003***0.0004***注：***表示在1%的显著性水平下显著，**表示在5%的显著性水平下显著，*表示在10%的显著性水平下显著。从表7的估计结果可以看出，沪市收益率的滞后1期、2期和3期对自身均有显著的正向影响，且随着滞后阶数的增加，影响逐渐减弱。滞后1期的沪市收益率每增加1个单位，会使当期沪市收益率增加0.1234个单位，这表明沪市自身存在一定的惯性，前期的上涨或下跌趋势在短期内会对当前的市场表现产生延续性影响。深市收益率的滞后1期、2期和3期对沪市收益率也有显著影响，其中滞后1期的影响最为显著，系数为0.0765。这说明深市的波动会在一定程度上传导至沪市，当深市出现上涨或下跌时，会对沪市的收益率产生同向的影响。美国股市收益率的滞后1期和2期对沪市收益率有显著影响，系数分别为0.0456和0.0345，这表明美国股市的波动对沪市存在一定的溢出效应，且这种影响在短期内较为明显。深市收益率方面，其自身滞后1期、2期和3期对当期深市收益率均有显著的正向影响，且影响程度也随着滞后阶数的增加而逐渐减小。沪市收益率的滞后1期、2期和3期对深市收益率同样有显著影响，说明沪市的波动也会反向影响深市。美国股市收益率的滞后1期、2期和3期对深市收益率也存在显著影响，进一步证实了美国股市对深市的波动溢出效应。美国股市收益率的自身滞后1期、2期和3期对当期美国股市收益率均有显著的正向影响，且影响较为稳定。沪市收益率和深市收益率的滞后项对美国股市收益率的影响相对较小，且部分系数不显著，表明沪市和深市对美国股市的波动溢出效应相对较弱。4.5.2脉冲响应分析基于VAR(3)模型进行脉冲响应分析，以更直观地了解一个股市的波动冲击对其他股市的动态影响。脉冲响应分析是在VAR模型的基础上，分析当一个内生变量受到一个标准差大小的冲击后，对其他内生变量在未来若干期的影响。分别给沪市、深市和美国股市收益率一个标准差大小的正向冲击，得到的脉冲响应函数图如图1-图3所示。图1沪市收益率冲击的脉冲响应函数图（此处插入沪市收益率冲击下，沪市、深市、美国股市收益率的脉冲响应函数图，横坐标为冲击响应期数，纵坐标为响应程度）图2深市收益率冲击的脉冲响应函数图（此处插入深市收益率冲击下，沪市、深市、美国股市收益率的脉冲响应函数图，横坐标为冲击响应期数，纵坐标为响应程度）图3美国股市收益率冲击的脉冲响应函数图（此处插入美国股市收益率冲击下，沪市、深市、美国股市收益率的脉冲响应函数图，横坐标为冲击响应期数，纵坐标为响应程度）从图1可以看出，当给沪市收益率一个标准差大小的正向冲击后，沪市收益率在第1期立即产生正向响应，响应程度为0.0123，随后逐渐下降，但在较长时间内仍保持正向影响。这表明沪市自身的波动冲击会在短期内对自身产生较为明显的影响，且这种影响具有一定的持续性。深市收益率在第1期也产生正向响应，响应程度为0.0087，随后响应程度逐渐减弱，但在第3期左右出现一个小的反弹后继续下降。这说明沪市的波动冲击能够迅速传导至深市，引起深市的同向波动，且这种影响在短期内较为显著，但随着时间的推移逐渐减弱。美国股市收益率在第1期的响应不明显，从第2期开始产生正向响应，响应程度较小，随后逐渐减弱。这表明沪市的波动对美国股市的影响相对较小，且存在一定的时滞。在图2中，当给深市收益率一个标准差大小的正向冲击后，深市收益率在第1期立即产生正向响应，响应程度为0.0156，随后逐渐下降，但在较长时间内仍保持正向影响，这与沪市受到自身冲击后的响应类似，说明深市自身波动冲击对自身的影响也具有持续性。沪市收益率在第1期产生正向响应，响应程度为0.0098，随后响应程度逐渐减弱，在第3期左右出现小的反弹后继续下降。这表明深市的波动冲击能够迅速传导至沪市，引起沪市的同向波动，且影响程度与沪市对深市的影响程度相当。美国股市收益率在第1期响应不明显，从第2期开始产生正向响应，响应程度较小，随后逐渐减弱，说明深市的波动对美国股市的影响同样较小且存在时滞。图3展示了美国股市收益率受到一个标准差大小的正向冲击后的情况。美国股市收益率在第1期立即产生正向响应，响应程度为0.0234，随后逐渐下降，但在较长时间内保持正向影响，体现了美国股市自身波动冲击对自身的持续性影响。沪市收益率在第1期就产生正向响应，响应程度为0.0112，随后响应程度逐渐减弱，但在第3-4期出现小的波动后继续下降。这表明美国股市的波动冲击能够迅速传导至沪市，且影响程度相对较大，说明美国股市对沪市的波动溢出效应较为显著。深市收益率在第1期也产生正向响应，响应程度为0.0105，随后响应程度逐渐减弱，在第3-4期同样出现小的波动后继续下降，说明美国股市的波动对深市也有明显的溢出效应，且影响程度与对沪市的影响程度相近。综合脉冲响应分析结果，沪市和深市之间存在较为明显的双向波动溢出效应，且响应迅速，影响程度相当；美国股市对沪市和深市均存在显著的波动溢出效应，且溢出效应相对较大，而沪市和深市对美国股市的波动溢出效应相对较小且存在时滞。这些结果进一步验证了之前Granger因果关系检验和GARCH族模型分析的结论，为投资者和监管者提供了更直观、详细的股市波动溢出信息。五、结果讨论与启示5.1实证结果讨论5.1.1波动溢出关系分析通过上述实证分析可知，沪市和深市之间存在显著的双向波动溢出效应。这一现象的成因主要源于二者同处中国资本市场，在经济基础、政策环境以及投资者结构等方面存在诸多相似之处。从经济基础角度来看，中国宏观经济的整体走势对沪市和深市有着共同的影响。当国内经济增长强劲时，企业盈利预期普遍提高，这会促使沪市和深市的上市公司业绩提升，从而推动两个市场的股价上涨；反之，若经济增长放缓，企业面临经营压力，沪市和深市的股价都会受到负面影响。在政策环境方面，国家出台的宏观经济政策，如货币政策、财政政策以及产业政策等，对沪市和深市的影响具有一致性。当央行实行宽松的货币政策时，市场流动性增加，资金会流入股市，为沪市和深市提供资金支持，推动股价上升；而当政府出台对某一行业的扶持政策时，该行业在沪市和深市的上市公司都会受益，股价可能随之上涨。在投资者结构上，沪市和深市的投资者群体有较大重叠，投资行为和投资理念也较为相似。个人投资者在两个市场中都占据一定比例，他们的投资决策往往受到市场情绪、媒体报道等因素的影响，容易出现跟风投资的行为。当市场上出现利好消息时，投资者会纷纷买入股票，推动沪市和深市股价上涨；而当市场出现恐慌情绪时，投资者又会大量抛售股票，导致两个市场股价下跌。机构投资者在沪市和深市的投资策略也存在一定的趋同性，它们通常会根据宏观经济形势、行业发展前景等因素进行资产配置，这种相似的投资决策会使得沪市和深市的波动相互影响。美国股市对沪市和深市均存在单向波动溢出效应，且长期溢出效应更为显著。美国作为全球最大的经济体，其股市在全球金融市场中占据主导地位。从经济基础说的角度，美国经济的波动会通过国际贸易和国际资本流动等渠道对中国经济和股市产生影响。在国际贸易方面，中美之间的贸易往来频繁，美国经济的衰退会导致其对中国商品的需求减少，中国出口企业的业绩受到冲击，进而影响沪市和深市中相关企业的股价。若美国经济下滑，对中国制造业产品的进口需求下降，沪市和深市中相关制造业企业的订单减少，盈利预期降低，股价就会下跌。在国际资本流动方面，美国股市的波动会影响全球投资者的风险偏好和资金配置。当美国股市上涨时，全球投资者会将资金投向美国股市，导致其他国家股市资金外流，包括沪市和深市；而当美国股市下跌时，投资者会寻求其他投资机会，部分资金可能流入中国股市，推动沪市和深市股价上涨。从市场传染说的角度，美国股市的波动会引发投资者情绪的变化，这种情绪会通过媒体报道、社交网络等渠道迅速传播到全球，影响沪市和深市投资者的心理预期和投资决策。当美国股市出现大幅下跌时，投资者的恐慌情绪会蔓延，沪市和深市的投资者也会变得谨慎，纷纷抛售股票，导致股市下跌。美国股市的信息传播速度快、影响力大，其发布的宏观经济数据、企业盈利报告等信息会对全球投资者的决策产生重要影响，进而波及沪市和深市。5.1.2与前人研究结果对比与前人研究结果相比，本研究关于沪市和深市之间存在双向波动溢出效应的结论与大多数学者的研究一致。许多学者在研究中国国内股市时，都发现沪市和深市由于同属中国资本市场，在经济基础、政策环境等方面的一致性，导致两个市场之间存在紧密的联系和显著的双向波动溢出效应。张兵和李心丹在研究中也指出，沪市和深市之间存在明显的相互影响关系，一个市场的波动会迅速传导至另一个市场。在沪市、深市与美国股市的波动溢出关系方面，本研究结果与部分前人研究存在一定差异。一些早期研究认为，由于中国资本市场开放程度较低，美国股市对中国股市的影响较小，甚至不存在溢出效应。但随着中国资本市场的逐步开放，近年来的研究普遍发现美国股市对中国股市存在单向波动溢出效应，这与本研究结论相符。郑中华和颜芳运用Granger因果关系检验和GARCH-M模型，对中美股市收益和波动的相关性进行实证检验，发现美国股票市场对中国股票市场开始产生溢出效应，而中国股票市场对美国股票市场还没有产生溢出效应。本研究进一步验证了这一结论，并通过BEKK-GARCH模型和VAR模型分析，发现美国股市对沪市和深市的溢出效应在长期更为显著。本研究与前人研究结果存在差异的原因主要在于研究样本区间和研究方法的不同。前人研究可能选取的样本区间较早，当时中国资本市场开放程度有限，与国际市场的联系不够紧密，因此美国股市对中国股市的溢出效应不明显。而本研究选取的样本区间为2010年1月1日至2023年12月31日，这一时期中国资本市场开放步伐加快，沪港通、深港通等互联互通机制的建立，使得中国股市与国际市场的联系日益紧密，美国股市对中国股市的溢出效应逐渐显现。在研究方法上，本研究采用了多种先进的计量模型，如GARCH族模型、VAR模型等，能够更准确地捕捉股市波动溢出的特征和动态变化，从而得出更符合实际情况的结论。5.2对投资者的启示5.2.1投资策略制定基于本研究结果，投资者在制定投资策略时，应充分考虑沪、深、美股市之间的波动溢出关系。在资产配置方面，由于沪市和深市存在双向波动溢出效应，投资者不宜过度集中投资于其中一个市场，而应适当分散在沪市和深市的不同板块和个股中。投资者可以根据自身风险偏好和投资目标，将资金合理分配在沪市的金融、消费等稳定型板块，以及深市的科技、成长等潜力型板块，以降低单一市场波动带来的风险。考虑到美国股市对沪市和深市存在单向波动溢出效应，投资者在配置资产时，还应关注美国股市的走势。当美国股市处于上升趋势时，投资者可以适当增加对沪市和深市的投资，以获取市场上涨带来的收益；当美国股市出现下跌迹象时，投资者可以适度减持沪市和深市的股票，或者通过股指期货、期权等金融衍生品进行套期保值，降低投资组合的风险。在投资时机选择