基于小波分析与DCC-GARCH模型的中美股票市场联动性解析

基于小波分析与DCC-GARCH模型的中美股票市场联动性解析一、引言1.1研究背景与意义在全球经济一体化的进程中，金融市场的联动性日益增强，股票市场作为金融市场的重要组成部分，其联动关系备受关注。中美两国在全球经济格局中占据着举足轻重的地位，美国拥有全球规模最大、发展最为成熟的股票市场，长期以来在全球金融体系中发挥着主导作用，其股市的波动往往能够引发全球金融市场的连锁反应。而中国作为世界第二大经济体，股票市场在过去几十年间取得了飞速发展，规模不断扩大，国际化程度逐渐提高，在全球金融市场中的影响力也与日俱增。研究中美股票市场的联动性，对于投资者而言，具有至关重要的实践指导意义。通过深入了解两国股市的联动关系，投资者能够更加精准地把握市场动态，合理调整投资组合，有效分散风险，提高投资收益。在投资决策过程中，投资者可以根据中美股市的联动规律，在不同市场之间进行资产配置，当预期美国股市出现上涨趋势时，适当增加对美国股票的投资；同时，考虑到中美股市的联动性，也可以相应地调整在中国股市的投资比例，以实现风险与收益的平衡。从市场监管的角度来看，研究中美股票市场联动性能够为政策制定者提供有力的决策依据，有助于加强金融市场的监管与风险防范。随着金融市场的日益开放和国际化，金融风险的传播速度更快、范围更广。了解中美股市的联动机制，监管部门可以及时发现潜在的金融风险，制定更加有效的监管政策，防止风险的跨境传播，维护金融市场的稳定。当监测到美国股市出现异常波动时，监管部门可以提前采取措施，加强对中国股市的风险监控，防范美国股市波动对中国股市造成的冲击。在学术领域，中美股票市场联动性的研究丰富了金融市场联动性理论的研究内容，为进一步深入探究全球金融市场的运行规律提供了新的视角和实证依据。通过对中美股市联动性的研究，可以检验和完善现有的金融市场理论，推动金融理论的创新与发展。对中美股市在不同经济周期、政策环境下的联动性研究，有助于揭示金融市场联动性的影响因素和作用机制，为金融市场理论的发展提供实证支持。1.2研究目标与创新点本研究旨在深入剖析中美股票市场的联动性特征，揭示其内在的联动机制和影响因素，为投资者的投资决策、市场监管部门的政策制定以及学术研究提供全面、准确的参考依据。具体而言，通过运用小波分析和DCC-GARCH模型，对中美股票市场的收益率序列进行多尺度分析和动态相关性研究，从不同时间尺度和动态变化的角度，深入挖掘两国股市之间的联动关系，包括短期和长期的联动趋势、波动溢出效应以及动态相关系数的变化规律等。本研究的创新点主要体现在研究方法的创新性应用上。将小波分析与DCC-GARCH模型相结合，从多个维度对中美股票市场联动性进行研究。小波分析能够对时间序列进行多尺度分解，有效提取不同时间尺度下的信息，从而深入分析中美股市在短期、中期和长期的联动特征，克服了传统分析方法在处理非平稳时间序列时无法兼顾不同时间尺度信息的局限性。DCC-GARCH模型则能够动态地捕捉股票市场收益率之间的时变相关性，准确刻画中美股市联动性随时间的动态变化过程，为研究股市联动性提供了更为灵活和精确的工具。这种方法的结合使用，能够更全面、深入地揭示中美股票市场联动性的复杂特征和动态变化规律，为该领域的研究提供了新的思路和方法。1.3研究方法与数据来源本研究采用了小波分析和DCC-GARCH模型相结合的研究方法。小波分析作为一种时频分析方法，能够将时间序列分解为不同频率的子序列，从而在不同时间尺度下对中美股票市场的收益率序列进行分析，探究其在短期、中期和长期的联动特征。通过小波变换，可以得到不同尺度下的细节系数和近似系数，这些系数反映了时间序列在不同频率成分上的信息，有助于深入了解中美股市波动的周期性和趋势性变化。DCC-GARCH模型，即动态条件相关广义自回归条件异方差模型，用于分析中美股票市场收益率之间的动态相关性。该模型能够考虑到收益率序列的时变波动性和动态相关性，通过估计动态相关系数，准确刻画中美股市联动性随时间的变化情况。DCC-GARCH模型将条件协方差矩阵分解为条件方差和动态相关系数两部分，其中条件方差由GARCH模型进行估计，动态相关系数则通过动态方程进行更新，从而能够有效地捕捉股市收益率之间的动态关系。在数据来源方面，选取了具有代表性的上证综合指数和标准普尔500指数作为中美股票市场的指标。数据样本期间为[具体时间区间]，数据频率为日度数据，数据来源于[具体数据提供商]。为了确保数据的质量和可靠性，对原始数据进行了预处理，包括数据清洗、缺失值处理和异常值检测等。对于缺失值，采用了线性插值法进行补充；对于异常值，根据统计学方法进行了识别和修正，以保证后续分析结果的准确性和可靠性。二、理论基础与文献综述2.1股票市场联动性理论股票市场联动性是指不同股票市场之间在价格波动、收益率等方面存在的相互关联和协同变化的现象。这种联动性体现为不同市场之间的收益率呈现出显著的相关性，价格走势在一定程度上相互影响，共同对宏观经济、政策调整、市场情绪等因素做出反应。从宏观层面看，当全球经济形势发生变化时，各国股票市场往往会同步受到影响，出现同向的波动；从微观层面讲，行业板块之间的联动性也较为明显，如科技行业的整体发展趋势会带动相关股票价格的同步涨跌。经济基础假说认为，在全球经济一体化的大背景下，各国经济相互依存、相互渗透。宏观经济变量如双边贸易额、外商直接投资、货币供应量、工业产值等的变化，会通过国际贸易、国际投资等渠道在国家之间传递，进而影响各国股票市场的表现。当两个国家的双边贸易额大幅增长时，意味着两国相关企业的营业收入和利润可能增加，这将推动两国股市中相关企业股票价格的上升，从而增强两国股市的联动性。此外，宏观经济信息对股市的影响分为全球性冲击和竞争性冲击。全球性冲击会以相同的方向影响各国股市，增强股市间的联动性；而竞争性冲击则会在提高一国股价的同时降低另一国股价，削弱股市间的联动性。市场传染假说主要是针对金融危机等极端事件引发的国际股市间的联动效应提出的。该假说认为，特殊事件如金融危机、地缘政治冲突等会导致某个市场的波动，改变该市场的收益和风险状况。投资者在面对这种变化时，由于信息不对称和非理性行为，会改变在各个市场的投资比例和份额，从而引起其他市场的波动，使得负面冲击在不同国家的股市之间传染。在2008年全球金融危机期间，美国次贷危机引发了美国股市的大幅下跌，投资者出于恐慌和风险规避的心理，纷纷撤回资金，减少对其他国家股市的投资，导致全球股市都受到冲击，出现了同步下跌的情况，这充分体现了市场传染假说在金融危机时期对股市联动性的解释作用。2.2小波分析理论与应用小波分析是一种时频分析方法，其核心思想是通过构造一系列具有良好局部化性质的小波函数，对信号进行多尺度分解。与传统的傅里叶分析相比，小波分析不仅能够提供信号的频域信息，还能在时间域上对信号进行局部化分析，这使得它在处理非平稳信号时具有独特的优势。傅里叶分析将信号分解为不同频率的正弦和余弦函数的叠加，只能得到信号的整体频率特征，无法反映信号在时间上的局部变化情况；而小波分析通过对小波函数进行伸缩和平移操作，可以在不同的时间尺度和频率范围内对信号进行细致的分析，能够准确地捕捉到信号中的突变点、趋势变化等信息。在金融市场分析中，小波分析的应用优势十分显著。金融时间序列通常具有非平稳性和复杂的波动特征，传统的分析方法难以全面、准确地揭示其内在规律。小波分析能够对金融时间序列进行多分辨率分析，将其分解为不同频率的子序列，从而深入分析不同时间尺度下金融市场的波动特征。通过小波变换，可以将股票市场的收益率序列分解为短期波动、中期波动和长期趋势等不同成分，分别研究它们的变化规律和相互关系。这有助于投资者更好地把握市场的短期波动机会和长期趋势，制定更为合理的投资策略；也能帮助监管部门及时发现市场中的异常波动和潜在风险，采取有效的监管措施维护市场稳定。在分析股票价格走势时，利用小波分析可以清晰地看到价格在不同时间尺度上的波动周期和趋势变化，为投资者的买卖决策提供有力的支持。2.3DCC-GARCH模型原理与应用DCC-GARCH模型，即动态条件相关广义自回归条件异方差模型，是在GARCH模型的基础上发展而来的，主要用于分析时间序列之间的动态相关性和时变波动性。该模型假设资产收益率的条件协方差矩阵可以分解为条件方差和动态相关系数两部分。其中，条件方差部分由GARCH模型进行估计，通过考虑过去的收益率和波动信息来刻画当前的波动水平；动态相关系数则通过动态方程进行更新，能够捕捉到不同资产收益率之间的时变相关性，即随着时间的推移，资产之间的相关关系会发生变化。在股市联动性研究中，DCC-GARCH模型被广泛应用。它能够有效地分析不同股票市场收益率之间的动态联动关系，准确地刻画联动性随时间的变化情况。通过估计动态相关系数，可以直观地了解中美股票市场在不同时期的联动程度，以及联动性的变化趋势。在研究中美股市联动性时，运用DCC-GARCH模型可以发现，在某些重大事件如金融危机、贸易摩擦等发生时，中美股市的动态相关系数会发生显著变化，联动性增强，这表明这些事件对两国股市的影响具有协同性，通过该模型能够深入分析这些事件对股市联动性的具体影响机制。此外，DCC-GARCH模型还可以与其他模型相结合，进一步拓展其在股市联动性研究中的应用，如与小波分析相结合，从不同时间尺度和动态变化的角度全面研究股市联动性。2.4文献综述与研究空白国内外学者对中美股票市场联动性进行了大量的研究，取得了丰硕的成果。在联动性的存在性及影响因素方面，多数研究表明中美股票市场之间存在一定程度的联动性。经济基础因素如宏观经济变量的协同变化、贸易往来和资本流动等，以及市场传染因素如金融危机、重大政策调整等，都对中美股市联动性产生重要影响。在2008年金融危机期间，中美股市的联动性显著增强，美国股市的下跌迅速传导至中国股市，导致中国股市也出现大幅下跌，这体现了市场传染因素对联动性的影响；而在经济平稳发展时期，两国宏观经济的协同增长也使得股市表现出一定的联动性，反映了经济基础因素的作用。在研究方法上，常用的方法包括协整检验、Granger因果关系检验、VAR模型、GARCH类模型等。协整检验用于分析中美股市之间是否存在长期稳定的均衡关系；Granger因果关系检验则判断两个市场之间的因果传导方向；VAR模型可以考察变量之间的动态相互作用；GARCH类模型主要用于研究股市收益率的波动性和波动溢出效应。然而，现有研究仍存在一些不足之处。在研究方法上，虽然各种方法都有其优势，但单独使用某一种方法往往难以全面、深入地揭示中美股市联动性的复杂特征。传统的线性分析方法可能无法准确捕捉到股市之间的非线性关系和时变特征，导致对联动性的理解不够全面。在研究内容上，对中美股市联动性在不同时间尺度下的特征分析还不够深入，缺乏对短期、中期和长期联动性的系统研究，无法满足投资者和监管部门在不同时间维度上对市场分析的需求。综上所述，现有研究为中美股票市场联动性的研究奠定了坚实的基础，但仍存在方法和内容上的不足。因此，本研究尝试将小波分析和DCC-GARCH模型相结合，从多个维度对中美股票市场联动性进行深入研究，以弥补现有研究的不足，为相关领域的研究提供新的视角和实证依据。三、中美股票市场发展历程与现状3.1美国股票市场发展历程与现状美国股票市场的发展历程源远流长，可追溯至18世纪末。1792年，24位股票经纪商和商人在华尔街68号门外的一棵梧桐树下签订了《梧桐树协议》，奠定了股票交易佣金的基准，这一标志性事件被视为美国股票市场的起源。此后，随着美国经济的快速发展，特别是在铁路、制造业和矿业等领域的大规模投资需求推动下，企业纷纷通过发行股票来筹集资金，美国股票市场迎来了初步发展阶段。1811年，美国纽约证券交易所的建立，标志着严格意义上的美国证券市场真正形成；到了19世纪50年代，华尔街逐渐成为美国股票和证券交易的中心，股票交易活动日益活跃。从1886年至1929年，美国股票市场经历了快速发展时期。这一阶段，美国逐步崛起为世界政治和经济的中心，经济的繁荣为股票市场的发展提供了坚实的基础。为了满足企业大规模融资的需求，股票发行数量大幅增加，纽约证券交易所的股票市场在整个美国证券市场中的地位愈发重要。1896年道琼斯指数的成立，为衡量美国股票市场的整体表现提供了重要的参考指标，进一步推动了股票市场的发展。然而，在这一时期，市场操纵和内幕交易等问题也十分严重，市场的不规范运作给投资者带来了巨大的风险。1929年的大萧条给美国股票市场带来了沉重的打击，股市暴跌，大量投资者遭受巨大损失。从1929年8月美国道琼斯工业指数最高超过380点，到1932年最低下跌至42点，跌幅接近90％，道琼斯指数再次回到380点是在25年之后。股市下跌的同时，大量债券被拒付，约40％的银行倒闭，整个金融体系陷入严重危机。这次大萧条成为美国股票市场发展的重要转折点，此后，美国政府开始加强对股票市场的监管，出台了一系列法律法规，如1933年的《证券法》和1934年的《证券交易法》，成立了美国证券交易委员会（SEC），对证券发行、交易等环节进行严格监管，以确保市场的公平、公正和透明，美国股市开始进入重要的规范发展期，价值投资思想逐渐成为主流投资思想。从1954年至今，美国股票市场进入现代投资时代，机构投资迅速发展。随着经济的持续增长和金融创新的不断推进，越来越多的机构投资者，如养老基金、共同基金、对冲基金等，进入股票市场，它们凭借专业的投资管理能力和丰富的资金资源，在市场中占据了主导地位，对市场的稳定性和成熟度起到了积极的推动作用。同时，美国股票市场在技术创新方面也一直处于领先地位，电子交易平台的广泛应用，使得交易更加高效和便捷；大数据、人工智能等技术的应用，进一步提升了市场的分析和预测能力。当前，美国股票市场是全球规模最大、最具影响力的股票市场。其具有以下显著特点：一是市场规模庞大，截至[具体时间]，美国主要证券交易所共有数千只交易的股票，总市值超过数十万亿美元，股票市场市值占全球的比重约为40%，汇集了大量优质上市公司，如苹果、微软、亚马逊等科技巨头以及众多传统行业的领军企业，为投资者提供了丰富的投资选择。二是市场高度规范，美国拥有完善的监管体系和严格的信息披露制度，以SEC为核心的监管机构对市场进行全方位监管，确保市场的公平、公正和透明，保护投资者的利益，使得投资者能够在一个相对规范的环境中进行投资决策。三是市场流动性极高，每天有数以亿计的股票交易量，高流动性使得投资者可以快速买卖股票，降低了交易成本，提高了市场的效率。四是投资品种多元化，除了股票外，还涵盖了债券、基金、衍生品等多种金融产品，投资者可以根据自己的风险偏好和投资目标，构建多元化的投资组合，有效分散风险。五是科技创新驱动明显，美国股市注重科技创新，涌现出众多引领全球科技发展潮流的高科技企业，这些企业的发展不仅推动了美国经济的增长，也为投资者带来了新的投资机会。3.2中国股票市场发展历程与现状中国股票市场的发展历程虽然相对较短，但取得了举世瞩目的成就。其萌芽于20世纪80年代，在改革开放的大背景下，中国经济体制改革不断推进，企业对资金的需求日益多样化，股票市场应运而生。1984年，中国共产党十二届三中全会通过了经济体制改革的决定，为股票市场的发展提供了政策支持。同年，飞乐音响以每股50元的价格发行了一万股股票，这是中国改革开放新时期第一张真正意义上的股票。1986年9月，新中国第一家代理和转让股票的证券公司——中国工商银行上海信托投资公司静安证券业务部宣告营业，随后飞乐音响在该公司进行柜台交易，创下中国改革开放后第一次股票买卖交易纪录，标志着中国股票市场的初步形成。1990年11月26日，经中国国务院授权，中国人民银行批准，上海证券交易所正式宣布成立；同年12月1日，深圳证券交易所开始营业，12月19日，上海证券交易所正式开业，飞乐音响等“老八股”上市交易。沪深交易所的先后成立，标志着中国全国性股票市场正式形成，中国股票市场进入了快速发展阶段。在这一阶段，随着中国民众对股票市场投资的热情不断高涨，股票供不应求，资本市场发展蓬勃。然而，由于市场制度不完善、监管缺失以及投资者经验不足等原因，股市也出现了多次大幅波动和投机风潮。1992年的深圳“8.10”新股申购事件，因股票发行过程中的问题引发了大规模的社会事件，暴露了当时股票市场在监管和运作方面的漏洞；1995年的“327”国债事件，也凸显了金融市场在风险管理和监管方面的不足。为了有效应对证券市场各种问题，加强证券业监管，1992年10月，国务院证券委员会与中国证监会同时建立，负责对证券市场进行日常监督和管理，这标志着中国证券市场开始逐步纳入全国统一监管框架，全国性股票市场由此开始规范发展。此后，中国股票市场管理者还先后试点了上网竞价发行方式和上网定价方式，不断探索适合中国国情的股票发行制度。1997年，中国股票向海外市场进军，迈出了国际化的重要一步；1999年，《中华人民共和国证券法》正式发布实施，为中国证券市场的规范发展提供了法律保障，中国证券市场的法制建设由此进入新阶段。2001年，中国股市开始了股权分置改革工作，并到2007年基本完成。股权分置改革解决了长期以来困扰中国股市发展的同股不同权问题，实现了股票的全流通，优化了上市公司的治理结构，为中国股市的健康发展奠定了坚实基础。2009年，深交所“创业板”开板，正式拉开中国多层次资本市场建设的帷幕；之后，“新三板”“科创板”陆续开板，北京证券交易所建立，中国多层次资本市场体系基本建成，为不同类型、不同发展阶段的企业提供了多元化的融资渠道。2023年，中国股市“股票发行注册制”在经历了4年试点之后正式开始全面施行，这是中国股票市场市场化改革的重要举措，进一步提高了市场的资源配置效率，促进了资本市场的健康发展。如今，中国股票市场已经发展成为全球第二大股票市场，市值规模庞大，投资者众多。截至[具体时间]，中国股市拥有众多上市公司，涵盖了各个行业和领域，为中国经济的发展提供了强有力的支持。中国股票市场具有以下特点：一是政策导向性较为明显，政府的宏观政策、产业政策等对股票市场的走向往往有着重要的引领作用。政府对新能源、人工智能等新兴产业的扶持政策，会直接推动相关板块股票的上涨；而对某些产能过剩行业的调控政策，则可能导致相关股票的下跌。二是市场波动较大，中国股票市场的换手率相对较高，价格波动较为频繁和剧烈，这一方面为投资者提供了较多的短期交易机会，但另一方面也增加了投资风险。三是投资者结构不均衡，个人投资者数量众多，但机构投资者的占比较低。个人投资者在信息获取、分析能力和投资经验等方面相对较弱，容易出现盲目跟风、追涨杀跌等非理性投资行为，从而加剧市场的波动。四是行业板块轮动特征显著，不同行业在不同时期的表现差异较大，热点板块不断切换，这要求投资者具备对行业发展趋势的敏锐洞察力，能够及时把握行业轮动的节奏。3.3中美股票市场对比分析在市场规模方面，美国股票市场是全球最大的股票市场，其总市值远超其他国家，拥有众多国际知名的大型上市公司，如苹果、微软等科技巨头以及众多金融、能源等行业的领军企业，市场深度和广度都非常高。相比之下，中国股票市场虽然近年来发展迅速，已成为全球第二大股票市场，但在总市值和上市公司的国际影响力等方面仍与美国存在一定差距。不过，中国股票市场具有巨大的发展潜力，随着中国经济的持续增长和企业的不断发展壮大，市场规模有望进一步扩大。从投资者结构来看，美国股市的投资者结构较为多元化，机构投资者占据主导地位，包括养老基金、共同基金、对冲基金等。这些机构投资者具有专业的投资团队和丰富的投资经验，能够进行深入的研究和分析，投资决策相对理性，有助于市场的稳定性和成熟度。而中国股市则以个人投资者为主，机构投资者的比例相对较低。个人投资者由于信息获取和分析能力有限，投资行为容易受到市场情绪的影响，导致市场波动性较大。近年来，随着中国资本市场的不断发展和开放，机构投资者的规模和影响力逐渐扩大，但投资者结构的优化仍需要一个长期的过程。在监管体系上，美国拥有历史悠久、严格且完善的证券监管体系，以美国证券交易委员会（SEC）为核心，制定了一系列详细的法律法规，对证券发行、交易、信息披露等各个环节进行严格监管，确保市场的公平、公正和透明。中国虽然在不断完善其证券监管体系，以中国证监会为主要监管机构，也出台了一系列法律法规，如《中华人民共和国证券法》等，但与美国相比，在监管经验、监管手段和法律体系的完善程度等方面仍有一定的差距。随着中国资本市场的不断发展和国际化进程的加快，监管体系也在不断改进和完善，以适应市场发展的需求。市场波动性方面，美国股市由于其成熟的市场机制和多元化的投资者结构，通常表现出较低的波动性。市场参与者能够理性地对待市场信息和价格波动，市场的自我调节能力较强。而中国股市由于个人投资者占比较高，市场情绪容易波动，导致股市波动性较大。在市场上涨时，投资者往往过度乐观，盲目追涨；在市场下跌时，又容易恐慌抛售，加剧市场的波动。不过，随着中国股市的不断发展和投资者结构的逐步优化，市场波动性有逐渐降低的趋势。中美股票市场在规模、结构、监管等方面存在明显差异，这些差异对两国股票市场的联动性可能产生潜在影响。市场规模和投资者结构的差异可能导致两国股市对宏观经济信息和市场事件的反应程度和速度不同，从而影响联动性的强度和稳定性。监管体系的差异可能会影响市场的信息传递和风险传导机制，进而对联动性产生作用。深入研究这些差异及其对联动性的影响，有助于更好地理解中美股票市场的联动关系，为投资者和监管部门提供有价值的参考。四、基于小波分析的中美股市联动性特征分析4.1数据选取与预处理本研究选取上证综合指数（SSE）和标准普尔500指数（S&P500）作为中美股票市场的代表指数，数据样本区间为[具体时间区间]，数据频率为日度数据，数据来源于[具体数据提供商]。在数据预处理阶段，对原始数据进行了清洗、缺失值处理和异常值检测等操作。首先，对数据进行清洗，去除数据中的重复记录和错误数据。在数据采集过程中，可能会由于网络传输问题、数据源错误等原因导致部分数据重复或存在错误，这些数据会影响后续分析的准确性，因此需要进行仔细的清洗。对于重复记录，通过比较数据的各个字段，找出完全相同的记录并删除多余的部分；对于错误数据，根据数据的逻辑关系和统计特征进行判断和修正。如果某一交易日的股票价格出现异常波动，明显偏离正常范围，且与其他相关数据存在矛盾，则对该数据进行进一步核实和修正。接着，处理缺失值。由于股票市场在某些节假日或特殊情况下可能会休市，导致数据缺失。对于缺失值，采用线性插值法进行补充。线性插值法是根据缺失值前后的数据点，通过线性拟合的方式估计缺失值。假设某一股票指数在第n个交易日和第n+2个交易日的数据已知，分别为x_n和x_{n+2}，则第n+1个交易日的缺失值x_{n+1}可以通过公式x_{n+1}=x_n+(x_{n+2}-x_n)/2进行估计。这种方法能够在一定程度上保持数据的连续性和趋势性，避免因缺失值而导致的数据不完整对分析结果的影响。然后，进行异常值检测。异常值是指与其他数据点明显不同的数据，可能是由于特殊事件、数据录入错误等原因导致。在本研究中，根据统计学方法，如3σ准则进行异常值的识别和修正。3σ准则认为，数据服从正态分布时，数值在均值加减3倍标准差范围之外的数据点被视为异常值。对于识别出的异常值，采用稳健估计方法进行修正，以确保数据的可靠性。如果某一交易日的股票收益率超过了均值加减3倍标准差的范围，可对该收益率进行重新计算或调整，使其更符合数据的整体分布特征。最后，为了消除数据的异方差性和非线性趋势，对数据进行对数收益率转换。对数收益率能够更好地反映股票价格的变化率，并且在一定程度上使数据更符合正态分布的假设，有利于后续的统计分析和模型估计。对数收益率的计算公式为：r_t=\ln(P_t/P_{t-1})，其中r_t表示第t期的对数收益率，P_t表示第t期的股票价格，P_{t-1}表示第t-1期的股票价格。通过对数收益率转换，数据的波动性和趋势性能够更加清晰地展现出来，为后续的小波分析和DCC-GARCH模型估计提供更有效的数据基础。4.2小波分析方法应用小波分析是一种时频分析方法，能够对时间序列进行多尺度分解，从而在不同时间尺度下分析中美股市收益率序列的特征。在本研究中，选择了具有良好时频局部化性质的db4小波函数对中美股市收益率序列进行多分辨率分解。db4小波函数是Daubechies小波家族中的一种，它具有4阶消失矩，能够较好地捕捉信号中的高频细节信息和低频趋势信息，在金融时间序列分析中得到了广泛应用。确定小波分解的层数为6层。根据数据的长度和分析的需要，选择合适的分解层数对于准确提取不同时间尺度下的信息至关重要。分解层数过少，可能无法充分揭示数据的多尺度特征；分解层数过多，则可能导致计算量过大，且容易引入噪声。通过多次试验和分析，发现将分解层数设置为6层时，能够在保证分析精度的前提下，有效地提取中美股市收益率序列在不同时间尺度下的信息。经过小波分解后，得到了不同尺度下的细节系数和近似系数。细节系数反映了时间序列在高频部分的变化，即短期波动特征；近似系数则反映了时间序列在低频部分的变化，即长期趋势特征。通过对这些系数的分析，可以深入了解中美股市收益率序列在不同时间尺度下的波动规律和相互关系。在短期尺度下，细节系数的变化较为频繁，反映了中美股市收益率的短期波动较为剧烈；而在长期尺度下，近似系数的变化相对较为平缓，反映了中美股市收益率的长期趋势较为稳定。4.3不同时间尺度下联动性特征在短期尺度（尺度1-2）下，中美股市表现出较为明显的短期波动特征。通过对小波分解后的细节系数进行分析，发现中美股市收益率的短期波动呈现出一定的同步性。在某些交易日，中美股市会同时出现上涨或下跌的情况，这可能是由于全球宏观经济信息的快速传播以及投资者情绪的相互影响所致。当国际市场上出现重大利好消息，如全球经济增长预期增强时，投资者对中美股市的信心都会受到提振，从而导致两国股市在短期内同时上涨；反之，当出现负面消息，如地缘政治冲突加剧时，投资者的恐慌情绪会迅速蔓延，使得中美股市在短期内同步下跌。然而，短期波动也受到各自市场内部因素的影响，如中国股市可能受到国内政策调整、行业动态等因素的影响，美国股市则可能受到企业财报发布、美联储货币政策等因素的影响，因此短期联动性并非完全一致，存在一定的差异。在中期尺度（尺度3-4）下，中美股市的波动特征呈现出一定的周期性。通过对细节系数和近似系数的综合分析，发现中美股市在中期尺度上的波动周期有所不同，但也存在一定的相关性。中国股市在中期尺度上可能受到国内经济周期、产业政策调整等因素的影响，呈现出特定的波动周期；美国股市则受到全球经济周期、国际贸易形势等因素的影响，其波动周期也具有一定的特点。在全球经济扩张阶段，中美股市在中期尺度上可能都呈现出上涨的趋势，但上涨的幅度和时间节点可能存在差异；而在全球经济衰退阶段，两国股市在中期尺度上可能都会受到压力，出现下跌的情况。这种差异可能是由于两国经济结构、政策调控等方面的不同所导致的，但总体上中期尺度下中美股市仍存在一定的联动性。在长期尺度（尺度5-6）下，中美股市主要体现出长期趋势特征。通过对近似系数的分析，发现中美股市在长期尺度上的趋势具有一定的一致性。从长期来看，中美两国经济都在不断发展，股票市场也呈现出总体上升的趋势。尽管在某些时期，由于经济危机、政策调整等因素的影响，两国股市可能会出现短期的下跌，但从长期趋势来看，中美股市都反映了两国经济的发展态势。然而，长期趋势也会受到全球经济格局变化、重大技术创新等因素的影响，因此在长期尺度下，中美股市的联动性也并非一成不变，而是会随着各种因素的变化而发生调整。在全球经济一体化进程加速的背景下，中美股市在长期尺度上的联动性可能会进一步增强；而当出现重大技术创新，如人工智能、新能源技术的突破时，可能会改变两国经济的发展结构和股市的表现，从而对长期联动性产生影响。4.4关键事件对联动性的影响结合金融危机、贸易摩擦等关键事件，探讨其对中美股市联动性的影响。在2008年全球金融危机期间，中美股市的联动性显著增强。金融危机爆发后，美国股市率先大幅下跌，由于全球经济一体化和金融市场的高度关联性，中国股市也迅速受到冲击，出现了同步下跌的情况。这是因为金融危机导致全球经济衰退，投资者对未来经济前景的信心大幅下降，纷纷抛售股票，使得中美股市的风险偏好同时降低，从而加剧了两国股市的联动性。在金融危机期间，投资者出于恐慌心理，大量撤回资金，不仅在美国股市抛售股票，也减少了对中国股市的投资，导致两国股市的资金流出增加，股价下跌，联动性明显增强。2018-2019年的中美贸易摩擦对两国股市的联动性也产生了重要影响。贸易摩擦导致两国之间的贸易不确定性增加，企业的经营成本上升，市场预期恶化。在贸易摩擦期间，中美股市的波动加剧，联动性也出现了明显的变化。当贸易摩擦升级的消息传出时，中美股市往往会同时下跌，投资者对两国经济和股市的前景感到担忧；而当贸易摩擦出现缓和迹象时，两国股市则会出现一定程度的反弹。这表明贸易摩擦通过影响市场情绪和经济预期，对中美股市的联动性产生了直接的影响。贸易摩擦使得投资者对中美两国企业的盈利能力和经济增长前景产生疑虑，从而调整投资组合，导致两国股市的波动和联动性发生变化。通过小波分析，揭示了中美股市在不同时间尺度下的联动性特征，以及关键事件对联动性的影响。这为进一步理解中美股市的联动机制提供了多尺度的视角，有助于投资者和市场监管者更好地把握市场动态，制定合理的投资策略和监管政策。五、基于DCC-GARCH模型的中美股市动态联动性研究5.1DCC-GARCH模型构建DCC-GARCH模型，即动态条件相关广义自回归条件异方差模型，能够有效地捕捉时间序列之间的动态相关性和时变波动性，在金融市场联动性研究中具有广泛的应用。首先，对于中美股市收益率序列r_{1t}（上证综合指数收益率）和r_{2t}（标准普尔500指数收益率），假设它们服从以下均值方程：r_{1t}=\mu_{1t}+\epsilon_{1t}r_{2t}=\mu_{2t}+\epsilon_{2t}其中，\mu_{1t}和\mu_{2t}分别为r_{1t}和r_{2t}的条件均值，\epsilon_{1t}和\epsilon_{2t}为均值为0的残差项。在方差方程方面，采用GARCH(1,1)模型来描述条件方差的动态变化：\sigma_{1t}^2=\omega_1+\alpha_1\epsilon_{1t-1}^2+\beta_1\sigma_{1t-1}^2\sigma_{2t}^2=\omega_2+\alpha_2\epsilon_{2t-1}^2+\beta_2\sigma_{2t-1}^2这里，\sigma_{1t}^2和\sigma_{2t}^2分别是r_{1t}和r_{2t}的条件方差，\omega_1、\omega_2为常数项，\alpha_1、\alpha_2表示ARCH项系数，反映了过去残差对当前条件方差的影响，\beta_1、\beta_2为GARCH项系数，体现了过去条件方差对当前条件方差的作用，且满足\alpha_1+\beta_1\lt1，\alpha_2+\beta_2\lt1，以确保条件方差过程的平稳性。对于动态条件相关系数，定义如下：Q_{t}=(1-\theta_1-\theta_2)\overline{Q}+\theta_1\epsilon_{t-1}\epsilon_{t-1}^T+\theta_2Q_{t-1}R_{t}=diag(Q_{t})^{-1/2}Q_{t}diag(Q_{t})^{-1/2}其中，Q_{t}是2\times2的条件协方差矩阵，\overline{Q}是无条件协方差矩阵，\theta_1、\theta_2是控制动态相关系数变化的参数，且\theta_1+\theta_2\lt1，以保证动态相关系数的平稳性；\epsilon_{t-1}=[\epsilon_{1t-1},\epsilon_{2t-1}]^T；R_{t}是动态条件相关系数矩阵，其元素r_{ijt}（i\neqj）即为中美股市收益率在t时刻的动态条件相关系数，反映了两国股市收益率之间的时变相关性。在参数估计方面，采用极大似然估计法对DCC-GARCH模型的参数进行估计。通过构建对数似然函数，利用数值优化算法，如BFGS算法等，寻找使对数似然函数达到最大值的参数值，从而得到模型中各个参数的估计值。在实际操作中，使用专业的统计软件，如R语言中的rugarch包来实现模型的估计和分析，该包提供了丰富的函数和工具，能够方便地进行DCC-GARCH模型的设定、估计和诊断。5.2数据平稳性与ARCH效应检验在运用DCC-GARCH模型进行分析之前，需要对中美股市收益率序列进行平稳性和ARCH效应检验，以确保模型的适用性。对于平稳性检验，采用ADF（AugmentedDickey-Fuller）单位根检验方法。ADF检验的原假设是序列存在单位根，即序列是非平稳的；备择假设是序列不存在单位根，即序列是平稳的。对上证综合指数收益率序列r_{1t}和标准普尔500指数收益率序列r_{2t}进行ADF检验，检验结果显示，在1%、5%和10%的显著性水平下，ADF统计量均小于相应的临界值，因此拒绝原假设，表明两个收益率序列均为平稳序列。这意味着中美股市收益率序列不存在单位根，其均值和方差在时间上是相对稳定的，满足DCC-GARCH模型对数据平稳性的要求。ARCH效应检验用于判断时间序列是否存在自回归条件异方差现象，即方差是否随时间变化而变化。采用ARCH-LM（LagrangeMultiplier）检验方法，该方法通过对残差平方序列进行自回归检验来判断是否存在ARCH效应。对中美股市收益率序列进行ARCH-LM检验，检验结果显示，残差平方序列存在显著的自回归现象，LM统计量的p值小于0.05，表明在5%的显著性水平下，中美股市收益率序列存在ARCH效应。这说明收益率序列的方差是时变的，传统的回归模型无法准确描述其波动性，而DCC-GARCH模型能够有效地捕捉这种时变波动性，因此适合用于对中美股市收益率序列的分析。通过平稳性和ARCH效应检验，确认了中美股市收益率序列满足DCC-GARCH模型的基本假设，为后续的模型估计和分析奠定了基础。5.3模型估计结果与分析运用DCC-GARCH模型对中美股市收益率序列进行估计，得到模型的参数估计结果。在均值方程参数方面，上证综合指数收益率的条件均值\mu_{1t}估计值为[具体数值1]，标准普尔500指数收益率的条件均值\mu_{2t}估计值为[具体数值2]。这些估计值反映了中美股市在样本期间内的平均收益率水平，其中[具体数值1]表明上证综合指数在该期间内平均收益率处于[相对水平1]，[具体数值2]则显示标准普尔500指数平均收益率处于[相对水平2]，两者之间存在一定差异，这与中美两国不同的经济结构、市场环境等因素有关。方差方程参数中，上证综合指数收益率的GARCH(1,1)模型参数\omega_1估计值为[具体数值3]，\alpha_1估计值为[具体数值4]，\beta_1估计值为[具体数值5]；标准普尔500指数收益率的GARCH(1,1)模型参数\omega_2估计值为[具体数值6]，\alpha_2估计值为[具体数值7]，\beta_2估计值为[具体数值8]。\alpha_1和\alpha_2分别表示过去残差对当前条件方差的影响程度，[具体数值4]和[具体数值7]显示过去残差对中美股市收益率条件方差均有一定影响，其中[具体数值4]表明上证综合指数收益率过去残差对当前条件方差的影响相对[强弱程度1]；\beta_1和\beta_2体现过去条件方差对当前条件方差的作用，[具体数值5]和[具体数值8]显示过去条件方差对当前条件方差具有较强的持续性影响，且[具体数值5]说明上证综合指数收益率条件方差的持续性相对[强弱程度2]。并且\alpha_1+\beta_1和\alpha_2+\beta_2均小于1，满足条件方差过程平稳性要求。动态条件相关系数相关参数，\theta_1估计值为[具体数值9]，\theta_2估计值为[具体数值10]，且\theta_1+\theta_2\lt1，表明动态相关系数过程是平稳的。这两个参数控制着动态相关系数的变化，[具体数值9]和[具体数值10]反映了过去的冲击和条件相关系数对当前动态相关系数的影响程度，其中[具体数值9]表示过去的冲击对动态相关系数的影响相对[强弱程度3]，[具体数值10]表示过去条件相关系数对当前动态相关系数的影响相对[强弱程度4]。通过对动态条件相关系数的分析，能够清晰地了解中美股市联动性的变化情况。动态条件相关系数在样本期间内呈现出明显的时变特征，其数值在[最小值]到[最大值]之间波动。在某些时期，如2008年全球金融危机期间，动态相关系数急剧上升，达到了[具体高值]，表明中美股市在金融危机期间的联动性显著增强，美国股市的危机迅速传导至中国股市，导致两国股市同步下跌；而在经济相对平稳时期，动态相关系数相对较低，维持在[具体低值区间]，说明此时中美股市的联动性相对较弱，各自受到国内经济、政策等因素的影响更为明显。这一变化趋势反映了中美股市联动性受到宏观经济环境、重大事件等因素的影响，在不同时期表现出不同的强度和特征。5.4联动性的时变特征与影响因素中美股市联动性呈现出明显的时变特征，这一特征受到多种因素的综合影响。经济因素在其中起着基础性作用。中美两国作为全球两大经济体，经济联系日益紧密，双边贸易额巨大，相互投资规模不断扩大。当美国经济出现波动时，如经济增长放缓或通货膨胀加剧，会通过贸易和投资渠道对中国经济产生影响，进而传导至股票市场，导致中美股市联动性发生变化。若美国经济衰退，其国内需求下降，会减少对中国商品的进口，使得中国出口企业的业绩受到影响，股价下跌，从而增强中美股市的联动性；反之，当两国经济都处于繁荣阶段，企业盈利增加，股市也会呈现出较强的联动上涨趋势。政策因素对中美股市联动性的影响也不容忽视。货币政策方面，美联储的货币政策调整，如加息或降息，会影响全球资金的流动方向和成本。当美联储加息时，美元资产的吸引力增强，国际资金会从中国等新兴市场流出，导致中国股市资金面紧张，股价下跌，与美国股市的联动性增强；而中国央行的货币政策也会对国内股市产生直接影响，若中国央行采取宽松的货币政策，增加货币供应量，会刺激股市上涨，当这种政策与美国货币政策方向不一致时，会对中美股市联动性产生调节作用。财政政策同样如此，两国政府的财政支出、税收政策等的变化，会影响企业的经营环境和盈利能力，进而影响股市表现和联动性。美国政府增加财政支出用于基础设施建设，会带动相关企业的发展，推动美国股市上涨，若中国也有类似的积极财政政策，会进一步增强两国股市的联动性。国际资本流动是影响中美股市联动性的重要因素之一。随着全球金融市场的一体化程度不断提高，国际资本在全球范围内进行资产配置。当国际投资者对中美股市的预期发生变化时，会调整其投资组合，大量资金的流入或流出会导致两国股市价格的波动，从而影响联动性。若国际投资者看好中国经济的发展前景，会增加对中国股市的投资，推动中国股市上涨，同时也可能带动美国股市中与中国相关的企业股票价格上升，增强中美股市的联动性；相反，当投资者对某一市场失去信心，大规模撤资时，会引发两国股市的同步下跌。市场情绪和投资者预期对中美股市联动性也有显著影响。在信息传播迅速的今天，市场情绪能够快速在全球范围内蔓延。当出现重大利好或利空消息时，如贸易谈判取得突破或爆发地缘政治冲突，投资者的情绪会发生变化，进而影响其投资决策。若贸易谈判取得积极进展，投资者对全球经济前景的信心增强，会推动中美股市同步上涨，联动性增强；而当出现地缘政治冲突时，投资者的恐慌情绪会导致两国股市同时下跌，联动性也会相应增强。此外，投资者对中美股市的预期也会影响其投资行为，若投资者预期美国股市将上涨，可能会增加对美国股市的投资，同时也会关注与美国股市相关的中国股市板块，从而影响中美股市的联动性。中美股市联动性的时变特征是多种因素共同作用的结果，深入研究这些影响因素，有助于投资者更好地把握市场动态，合理调整投资策略，也为监管部门制定政策提供参考依据，以维护金融市场的稳定。六、实证结果的综合讨论与经济解释6.1小波分析与DCC-GARCH模型结果对比小波分析和DCC-GARCH模型从不同角度对中美股票市场联动性进行了研究，两者的结果既有相同点，也存在差异。从相同点来看，两种方法都证实了中美股票市场之间存在联动性。小波分析通过对不同时间尺度下收益率序列的分解，揭示了中美股市在短期、中期和长期均存在一定程度的联动特征；DCC-GARCH模型则通过估计动态条件相关系数，直观地展示了中美股市收益率之间存在时变相关性，即联动性。在2008年全球金融危机期间，小波分析显示中美股市在不同时间尺度下的波动都呈现出同步性增强的趋势，DCC-GARCH模型估计的动态条件相关系数也大幅上升，表明两国股市联动性显著增强，都受到了金融危机的冲击。然而，两种方法的结果也存在一些差异。小波分析能够提供多尺度的信息，详细地刻画中美股市在不同时间尺度下的联动特征。在短期尺度下，小波分析可以捕捉到中美股市收益率的高频波动特征，发现两国股市在短期内可能会受到全球宏观经济信息、投资者情绪等因素的影响，出现同步的涨跌波动；在中期尺度下，能揭示出两国股市波动的周期性差异和一定的相关性；在长期尺度下，主要体现出长期趋势的一致性。而DCC-GARCH模型主要侧重于分析动态相关性，能够准确地捕捉到联动性随时间的动态变化过程，但对于不同时间尺度下联动性的具体特征分析相对较少。DCC-GARCH模型可以清晰地展示出动态条件相关系数在不同时期的变化情况，反映出中美股市联动性的时变特征，但无法像小波分析那样深入分析不同时间尺度下的波动细节。通过对比两种方法的结果，可以发现它们相互补充，共同验证了中美股票市场联动性的存在和特征。小波分析的多尺度信息为DCC-GARCH模型的动态相关性分析提供了不同时间尺度的背景信息，有助于更好地理解动态相关系数变化的原因；DCC-GARCH模型的动态相关性结果则进一步证实了小波分析中不同时间尺度下联动性的存在，两者的结合使得对中美股市联动性的研究更加全面和深入。6.2联动性的经济意义与市场影响中美股市联动性的存在具有重要的经济意义，对投资者、金融机构和市场稳定都产生了深远的影响。对于投资者而言，了解中美股市联动性有助于优化投资组合，降低风险。在全球资产配置中，投资者可以利用中美股市的联动关系，合理调整投资比例。如果预期中美股市联动性增强，且美国股市有上涨趋势，投资者可以适当增加对美国股票的投资，同时考虑到联动性，也可以相应地增加与美国股市相关性较高的中国股票的投资，以实现资产的多元化配置，提高投资收益。然而，联动性也增加了投资风险，当美国股市出现大幅下跌时，由于联动性，中国股市也可能受到拖累，导致投资者的资产价值下降。因此，投资者需要密切关注中美股市联动性的变化，及时调整投资策略，以应对潜在的风险。金融机构在业务开展中也需要充分考虑中美股市联动性。对于证券公司、基金公司等金融机构来说，联动性影响着其投资决策和风险管理。在设计投资产品时，需要考虑中美股市的联动关系，以满足投资者的多元化需求。在构建基金投资组合时，需要综合考虑中美股市的相关性，避免过度集中投资于联动性过高的股票，降低投资组合的风险。同时，联动性也对金融机构的风险管理提出了更高的要求，金融机构需要加强对市场风险的监测和预警，制定相应的风险应对措施，以应对中美股市联动性带来的风险冲击。从市场稳定的角度来看，中美股市联动性对全球金融市场的稳定性有着重要影响。中美两国作为全球两大经济体，其股市的波动会通过联动性在全球范围内传播。当美国股市出现大幅波动时，由于联动性，中国股市以及其他国家的股市都可能受到影响，引发全球金融市场的不稳定。2008年全球金融危机期间，美国股市的暴跌通过联动性迅速传导至全球股市，导致全球金融市场陷入动荡。因此，加强对中美股市联动性的研究和监管，对于维护全球金融市场的稳定至关重要。监管部门需要加强国际合作，共同制定有效的监管政策，防范金融风险的跨境传播，确保金融市场的稳定运行。6.3中美股市联动性的内在机制探讨中美股市联动性的形成是多种因素共同作用的结果，其中经济基本面、国际资本流动和投资者情绪等因素发挥着关键作用。经济基本面因素是中美股市联动性的重要基础。中美两国作为全球两大经济体，经济联系紧密，双边贸易额巨大，相互投资规模不断扩大。经济增长、通货膨胀、利率等宏观经济变量的变化会通过贸易和投资渠道在两国之间传递，进而影响两国股市的表现。当美国经济增长强劲时，国内需求增加，会扩大对中国商品的进口，推动中国出口企业的业绩增长，从而带动中国股市相关板块的上涨；同时，中国经济的发展也会对美国企业的在华业务产生影响，进而影响美国股市。通货膨胀和利率的变化也会对两国股市产生联动影响。当美国通货膨胀上升，美联储可能会加息，导致全球资金流向美国，中国股市资金流出，股价下跌；反之，中国的宏观经济政策调整也会对美国股市产生一定的影响。国际资本流动是连接中美股市的重要纽带，对联动性产生重要影响。随着全球金融市场一体化程度的提高，国际资本在全球范围内进行资产配置。当国际投资者对中美股市的预期发生变化时，会调整其投资组合，大量资金的流入或流出会导致两国股市价格的波动，从而增强联动性。若国际投资者看好中国经济的发展前景，会增加对中国股市的投资，推动中国股市上涨，同时也可能带动美国股市中与中国相关的企业股票价格上升；反之，当投资者对某一市场失去信心，大规模撤资时，会引发两国股市的同步下跌。国际资本的套利交易也会加剧中美股市的联动性，当两国股市出现价格差异时，国际资本会进行套利操作，促使两国股市价格趋向一致。投资者情绪在中美股市联动性中也扮演着重要角色。在信息传播迅速的今天，市场情绪能够快速在全球范围内蔓延。当出现重大利好或利空消息时，投资者的情绪会发生变化，进而影响其投资决策，导致中美股市的联动性增强。若贸易谈判取得突破，投资者对全球经济前景的信心增强，会推动中美股市同步上涨；而当出现地缘政治冲突时，投资者的恐慌情绪会导致两国股市同时下跌。此外，投资者的羊群效应也会加剧中美股市的联动性，当一部分投资者根据市场情绪进行投资决策时，其他投资者往往会跟随，导致资金在两国股市之间同步流动，增强联动性。中美股市联动性是经济基本面、国际资本流动和投资者情绪等多种因素相互作用的结果。深入理解这些内在机制，有助于投资者、金融机构和监管部门更好地把握市场动态，制定合理的投资策略和监管政策，维护金融市场的稳定。七、结论与政策建议7.1研究结论总结本研究运用小波分析和DCC-GARCH模型，对中美股票市场的联动性进行了深入分析，得出以下主要结论：中美股票市场之间存在显著的联动性，且这种联动性在不同时间尺度下呈现出不同的特征。在短期尺度下，中美股市收益率的波动受全球宏观经济信息和投资者情绪等因素影响，呈现出一定的同步性，但也受各自市场内部因素影响存在差异；中期尺度上，两国股市波动具有一定周期性，虽波动周期有所不同，但仍存在相关性；长期尺度下，主要体现为长期趋势的一致性，不过也会随全球经济格局变化和重大技术创新等因素而调整。通过DCC-GARCH模型分析发现，中美股市联动性具有明显的时变特征。在经济因素方面，中美经济联系紧密，经济增长、通货膨胀、利率等宏观经济变量的变化通过贸易和投资渠道在两国传递，影响股市表现；政策因素上，两国的货币政策和财政政策调整会改变股市的资金供求和企业经营环境，进而影响联动性；国际资本流动方面，国际投资者的资产配置和套利交易行为使得大量资金在两国股市间流动，增强了联动性；市场情绪和投资者预期方面，重大消息引发的投资者情绪变化以及羊群效应，导致两国股市资金同步流动，影响联动性。7.2对投资者的建议基于中美股市的联动性特征，投资者在进行投资决策时，应注重全球资产配置。在构建投资组合时，充分考虑中美股市的联动关系，合理分配在两国股市的投资比例，实现资产多元化，降低单一市场波动带来的风险。当预期美国股市上涨且联动性较强时，可适当增加美国股票投资，同时搭配一定比例与美国股市相关性较高的中国股票，但要避免过度集中投资于联动性过高的资产。投资者