中美股市联动性研究.docx
《中美股市联动性研究.docx》由会员分享，可在线阅读，更多相关《中美股市联动性研究.docx（23页珍藏版）》请在冰豆网上搜索。
中美股市联动性研究
中美股市联动性实证研究
摘要
近些年来，随着中国市场不断走向国际化，中国与美国的贸易额连创新高，中美之间的经济关系已越来越密切。
资本市场作为实体经济的“晴雨表”，实体经济上的往来必定会对两国资本市场尤其是股票市场带来一定的影响。
研究中美股市间的联动性一方面有助于了解危机传导给股市来带的风险，另一方面也可以帮助投资者合选取合理的投资组合。
本文以1998年1月1日至2011年12月30日中国上证指数收益率和美国道琼斯指数收益率为数据样本，通过建立DCC-GARCH模型获取二者的动态相关系数矩阵和走势图。
研究发现，在2003年以前，中美股市呈现负相关，2001年以后二者相关系数开始企稳上升，并在2003年开始由负变为正。
此后二者一直保持正相关，并金融危机和美债危机时期，出现了阶段性峰值。
通过分析，我们发现中国加入WTO、引入QFII和QDII、中国股权分置改革、全球金融危机和美债危机都对中美股市联动性产生了一定的影响。
关键词：
股市联动性、QFII、股权分置改革、金融危机、美债危机
Abstract
Inrecentyears,withChinesemarketbecomingmoreandmoreinternational,thebilateraltradevolumehasconstantlyreachednewheightsandtherelationshipbetweenChinaandAmericahasbeenstrengthened.Asweallknow,thesituationsofrealeconomycanbereflectedinthecapitalmarket,theco-relationbetweenChinesestockmarketandAmericanstockmarkethasbeenahottopicwiththecloserandclosertraderelationship.Thepurposeofthispaperistoanalyzetherisksresultedfromthesignificanteventsanddifferentcrisisesandhelptheinvestorchosemorereasonableportfolios.ThispaperuseDCC-GARCHmodeltoanalyzethedynamiccorrelationcoefficientbetweenChinastockmarketandAmericanstockmarketfromJanuary1st,1998toDecember31st,2011basedontherateofreturnofChina'sShanghaiCompositeIndexandtherateofreturnofAmerican’sDowJonesindex.Withtheresultofempiricalanalysis,wefindthattherelationbetweenChinesestockmarketandAmericanstockmarketisnegativebetween1998and2003.ThecorrelationcoefficienthasstartedtoincreaseafterChina’saccessiontoWTOandhasbecomepositivein2003.Sincethentheco-relationhasalwaysbeenpositiveandtheco-relation.Inconclusion,wedemonstratethatChina’saccessiontoWTO,introductionofQFIIandQDII,sharesplittingreform,theglobalfinancialcrisisandAmericandebtcrisisallhavecertaininfluenceontheco-relationsofChinesestockmarketandAmericanstockmarket,whichmeansthecorrelationcoefficienthasincreasedalotafterthesemajorevents.
Keywords:
co-relationbetweenstockmarkets,QFII，sharesplittingreform,
financialcrisisAmericandebtcrisis
目录
摘要I
AbstractII
目录III
第1章绪论1
1.1研究背景1
1.2研究意义1
1.3文章创新之处1
1.4文章安排2
第2章文献综述2
2.1国外文献综述2
2.2国内文献综述3
第3章研究方法4
3.1GARCH模型4
3.2DCC-GARCH模型4
第4章样本数据及数据检验5
4.1数据描述5
4.2统计描述5
4.3序列自相关检验6
4.4平稳性检验7
4.5ARCH效应检验7
第5章模型构建及实证结果7
5.1单变量GARCH模型的建立与结果分析8
5.2DCC-GARCH模型的建立与结果分析9
第6章结论分析11
6.1中国加入WTO对中美股市的联动性产生了影响11
6.2中国引入QFII、QDII对中美股市的联动性产生了影响11
6.3中国资本市场制度改善对中美股市联动性产生了影响11
6.42008年全球金融危机对中美股市的联动性产生即时的冲击性12
6.5美债危机对中美股市的联动性产生了及时的冲击性12
第7章政策建议12
7.1要加大我国资本市场开放程度，加强监管，使股市有效反映出实体经济13
7.2投资者应该做到理性投资，充分利用投资信息，优化投资组合13
参考文献14
致 谢15
第1章绪论
1.1研究背景
进入21世纪以来，全球经济一体化的程度不断加深，各国经济间的联系也变得更加紧密。
中国在2001年加入WTO以后，中国国内市场不断开放，中国与世界各国间的贸易往来更加频繁，美国、日本、欧盟等都成为我国重要的贸易合作伙伴。
据商务部统计数据显示，在2008年中美双边贸易达到了3333.4亿美元；受到2008年金融危机的影响，2009年中美双边贸易额有所下降，总额为2983.6亿美元；随着金融危机后各国经济的逐渐回转，2010年中美贸易额也有所回升，总额达到了3853.4亿美元；在2011年，中美双边贸易额更是创出近十年内的新高，达到了4467亿美元，由此可见中美之间的经济关系已越来越密切。
资本市场作为实体经济的“晴雨表”，实体经济上的往来必定会对两国资本市场尤其是股票市场带来一定的影响。
美国股票市场不仅是发达国家股票市场重要的组成部分，也是国际股市的重要标杆，目前已有近百家企业在美国纽交所及纳斯达克上市，这些企业逐渐成为海外资本市场中的新兴力量，受到海外投资者的关注。
同时，随着中国引入QFII、QDII以及中国股市的不断改革，中国股市正在不断地与国际市场接轨，中国股市与美国股市间的关系也成为投资者及学者热议的话题。
1.2研究意义
研究中美股市间的联动性的意义在于：
首先，自2001年以来，我国经济进入了快速上升的阶段，十一五”期间，即2006年至2010年期间，我国国内生产总值年均实际增长11.2%，2011年GDP增长速度也高达9.2%，GDP增长速度远超过欧美等发达国家。
但与此同时，中国股市的在近十年几乎是零增长，成为全球表现最差的股市。
由此可见，与发达国家相比，中国股市发展仍不成熟，存在一定的缺陷。
因此通过研究中美股市间的联动关系，可以为政府制定更加合适的经济战略及完善股市深化改革方面得到一定的启示。
其次，2008年金融危机后，全球经济萎靡不振，全球资本市场一直在低位徘徊，尽管在2010年美国股市有所会升，但是受到2011年美债危机、欧债危机的影响，2011年美国股市再次集体大跌，中国股市更是成为了全球最“熊”。
因此通过研究中美股市间的联动关系，可以为投资者提供更多的投资信息，构建更优的投资组合，合理地规避风险。
1.3文章创新之处
本文的创新之处在于：
第一，本文通过使用DCC-GARCH模型分析了1998年2011年中美股市间的动态相关关系，进而从动态的角度来分析两国股市间联动性的变化情况。
第二，本文根据中国资本市场的重大事件、2008年全球金融危机和2011年美债危机将1998年1月1日至2011年12月31日划为不同的时间段，进而分析在中国资本市场改革及金融危机和美债危机的冲击下，中美股市间联动性的动态变化。
1.4文章安排
全文的内容安排如下：
第一部分为绪论；第二部分为文献综述；第三部分为研究方法介绍；第四部分为数据描述与分析；第五部分为模型建立与结果分析；第六部分为研究结论，第七部分为政策建议。
第2章文献综述
本文所研究的股票市场的联动性是指，一个国家股票市场收益率的波动不仅受到本国经济因素及自身市场因素的影响，而且还会受到其他国际市场波动的影响。
同时，随着全球一体化的不断加深，对于不公股票市场的收益率，由于周边市场及国际市场的宏观经济走势的冲击作用，市场间原有的联系也会发生相应的变化。
近些年里，中外学者从不同的角度，借助不同的研究方法及数量模型对不同股票市场这种联动关系做了大量的实证研究。
2.1国外文献综述
根据国外学者的研究发现，随着经济全球化进程的不断加快，世界各国尤其是发达国家股票市场间出现了不同程度的同向或异向的联动现象，且这种联动现象在各国经济不同的发展阶段也呈现出不同的趋势。
在1991年，国外学者Jeon和Chiang使用了多变量协整检验的方法研究了1975年至1990年间英国、美国、日本、法国这个四个发达国家股市间的长期均衡关系，通过实证研究，他们发现这四个国家的股票市场呈现出一种趋同的发展趋势。
同时在1992年，学者Kasa使用协整模型对美国及世界其他主要股市进行了研究，发现美国股市对欧洲国家股市的走势起到了一定的引导作用。
而在1995年Longin&Solnik通过对英国、法国、德国等主要欧洲资本市场的研究发现，欧洲股票市场间的联动关系呈现出逐渐增强的趋势。
同样，Rangvid在2001年通过实证研究也得出了相同的结论。
当然，不同学者对国家间股票市场的联动关系也持有不同的观点，根据Gerrits和Yuc在1999年对德国、英国、荷兰和美国股市的研究发现，这四个国家股市间并不存在相应的协整关系。
通过格兰杰检验，他们发现美国对欧洲国家股市仅存在着显著的单向冲击影响。
除了对发达国家股市间的联动性做了大量研究以外，很多国外学者也对亚洲股市与欧美股市间的联动性及新兴市场间股市联动性做了很多研究，研究发现亚太股市与欧美股市的联动性比较明显，但是关于新兴市场间股市的联动性一直没有定论。
在1997年，Liu和Pan对美国、日本及韩国等亚洲国家的股市等进行了研究，研究结果表明美国股市对日本股市的影响力最大，对其他亚洲国家的影响力相对较小。
而在1998年，国外学者Janakiramanan和Asjeet对环太平洋国家和地区澳大利亚、香港、日本、新西兰、新加坡、美国、印度尼西亚、马来西亚和泰国的联动性进行了实证研究，通过研究他们指出美国股票市场的波动性对其他国家均有不同程度的影响，但是其他多家股市的波动性几乎无法对美国股市产生显著影响。
对于新兴市场股市间的联动性，不同的学者持有不同的观点。
在1999年Jorion&Goetzman指出由于投资基金的套利行为，新兴股票市场与世界股市的关联性会增强。
但是在2007年，Brian通过DCC-GARCH模型，分析了分析拉美股票市场的7个成员之间及其所处的整体与美国股票市场的相关关系，研究发现，二者均不显著。
同时，根据国外学者已有的研究也可以发现，金融危机等因素都会对各国股市间的联动性产生一定的冲击作用。
在2000年国外学者Cha和Sekyung对亚洲四个新兴经济地区（香港、台湾、韩国、新加坡）的研究表示，这些地区与美国、日本股市之间的联动性在1987年美国股灾后有所增加，在1997年亚洲金融危机后有更显著的增强。
学者Jang和Sul在2002年对亚洲金融危机前后亚洲各国股市间的联动性做了对比研究，他指出在金融危机之前亚洲国家已存在股票价格同向变动的趋势，亚洲金融危机后，这种同向变动的趋势变得更加显著了。
2.2国内文献综述
国内学者在近些年也越来越关注中国股市与国际股市间的相关关系，对中国与欧美股市见的波动关系做了大量的研究。
根据已有文献我们发现，大多数学者认为在中国加入WTO之前，中国股市与国际股市间的联动性并不明显，在加入WTO后中国与国际股市尤其是美国股市间的联动性开始显现。
在2003年陈守东等人使用协整分析对1992年至2002年的中、美、英、日、港五大股市进行了研究，结果发现国内股票市场与国际市场不存在协整关系，得出我国股票市场与国际市场相分离的结论。
在中国与2001年加入WTO后，中国市场与国际市场的联系变得更加密切，这使得我国股市与国际股市间的联动性日益显露。
关于中国股票市场与国际市场之间的联动性，研究结果有些分歧，2004年张福等人使用因果检验的方法对1996至2002年的中美股市进行了研究，同样发现2001年以前中美股市不存在协整关系，但是2001年后中美股市统计特征趋同。
同时学者们也发现，中国金融市场的国际化改革及2008年全球金融危机等因素对我国与美国等发达国家股市间的联动性也产生了一定的影响。
2008年，国内学者骆振心使用VAR和Johansen协整检验方法分析，上证指数与美、英、德、日本和中国香港股市之间的联动性，认为外资进入初期并没有引起中国股市与世界主要股票市场之间存在联动现象，但股权分置改革后，中国股市与世界主要股市之间的联动程度增加。
游家兴等人在2009年基于DCC—GARCH模型对中国与亚洲、欧美７个股票市场的联动性进行分析，得到自1991年至2008年间联动性变化的动态过程，以及联动性逐渐增加的结论。
2010年徐有俊等人基于DCC—GARCH模型和1997年1月到2009年3月的数据，研究中国股市与国际股票指数（MSCI印度指数、MSCI世界指数、MSCI亚太指数和MSCI亚洲新兴市场指数）之间的联动性，结果发现中印两国和亚洲新兴市场的联动性大于国际发达市场，而且中国与世界股票市场的联动性逐渐增强。
在2010年，刘志超等人通过E—G协整检验、误差修正模型（ECM）、Granger因果检验等方法，对次贷危机前后我国股票市场与世界主要股票市场之间的联动关系进行了实证研究。
结果表明：
在这次危机过程中，中外股市间的联动关系呈现出更为紧密的趋势。
同时，方建武等人在2010年通过Granger检验、协整检验及脉冲响应得出美国股市对中国股市有单方向影响的结论。
张兵等人（2010）使用协整检验和DCC—GARCH模型对2001年12月到2009年1月的上证指数和道琼斯指数进行分析，结果发现中美股市没有长期均衡关系，但在QDII实施后美国股市对中国股市的开盘价和收盘价均有显著的引导作用。
第3章研究方法
本文的论证研究主要分两步，第一步是构建GARCH（1,1）模型，第二步是建立DCC-GARCH模型，获得中国上证股指收益率与美国道指收益率在1998年-2011年间的动态相关系数，因此本文主要涉及到GARCH和DCC-GARCH这两个计量模型。
3.1GARCH模型
GARCH模型的全称是广义自回归条件异方差模型，由经济学家波勒斯列夫（T.Bollerslev）于1986年提出。
GARCH模型是一个专门针对金融数据所量体订做的回归模型，与普通的回归模型相比，GARCH模型对误差的方差进行了进一步的建模分析，非常适用于波动性的分析和预测。
GARCH模型一般可写为以下形式：
（1）
（2）
（3）
其中,
为均值为0的收益率序列，
为条件方差，
为独立同分布的随机变量，
与
互相独立，
服从正态分布。
（1）式是均值方程，（3）式是条件方差方程。
3.2DCC-GARCH模型
DCC-GARCH模型是由Engle和Sheppard在2002年提出的，通过DCC-GARCH模型，我们可以得到动态条件相关系数矩阵及协方差矩阵，从而可以从动态的角度分析数据间的相关关系。
具体的模型如下所示：
其中，
为均值为0的收益率序列；
为截止到t-1时期所有可能获得的信息集合；
是一个对角矩阵，其对角线上的元素即为各变量的条件方差；S为标准化残差
的无条件协方差矩阵；
为条件相关系数矩阵；符号“
”表示矩阵对应元素的点乘；
为标准化残差的条件协方差矩阵。
第4章样本数据及数据检验
本章主要是对样本数据进行初步处理，包括：
数据描述、统计描述、序列自相关检验、平稳性检验、ARCH效应检验五个部分。
4.1数据描述
本文的目的是研究中美两国股市间的联动性，因此我们分别选取了1998年1月1日至2011年12月31日期间所有的中国上证指数日收益率和美国道琼斯工业平均指数日收益率作为模型所需的数据。
首先在中国锐思数据库获取了1998年至2011年的上证指数，在美国的DowJonesIndex数据库获得了1998年至2011年的美国道琼斯工业指数。
然后通过以下公式计算出两类指数每天的收益率：
其中
表示当天的股指收益率，
表示当天股指的收盘价，
表示前一天股指的收盘价。
鉴于股市在节假日会休市且中美节假日不同这一原因，我们对数据进行了筛选，剔除中国股市休市或美国股市休市的无效数据，经过筛选共得到有效日收益率数据2740条。
4.2统计描述
表1：
中美股指收益率统计描述
数据类型
均值
标准差
偏度
峰度
JB统计量
JB统计量对应的P值
中国上证指数
0.000113
0.016692
0.010657
7.455698
4.8e+003
0.00000
美国道琼斯工业指数
0.000117
0.013225
-0.014412
9.710263
5140.750
0.00000
由表1可知，中国和美国股指收益率的均值都很小，几乎都接近于0，中国股指收益率存在正偏性，而美国股指收益率存在负偏性。
通过上表可见，中国股指收益率的峰度是7.455698，美国股指收益率的峰度是9.7102633,峰度都大于正态分布的峰值。
同时，通过JB统计量所对应的P值我们可以看出，P值几乎为零，即拒绝原假设，中美股指收益率均不服从正态分布。
通过下图1和图2，我们也可以看出中美股指收益率具有金融时间序列典型的尖峰厚尾的特征。
图1：
中国股指收益率正态分布拟合图图2：
美国股指收益率正态分布拟合图
4.3序列自相关检验
鉴于金融时间序列常具有序列自相关的问题，我们先对序列进行自相关检验。
所得Q统计量及P值如表2所示：
表2 中美收益率自相关性检验
中国股指收益率
美国股指收益率
统计量
P值
统计量
P值
1
2.9372
0.007
6.3391
0.012
2
4.3600
0.013
8.8288
0.012
3
5.0378
0.009
9.3447
0.025
4
5.5483
0.036
9.3742
0.042
.注：
Q统计量一般情况下渐近服从
分布
通过上表我们可以发现Q统计量对应的P值较小，均小于显著性水平5%，因此原序列存在一定程度的自相关。
针对时间序列存在的自相关现象，我们可以通过ARMA（p,q）模型来消除自相关。
在不同的ARMA模型下，AIC和SC越小越说明自相关现象越不明显了。
通过多次试验，我们发现中国的股指收益率在ARMA（2,2）模型下所对应的AIC与SC值最小，美国股指收益率在ARMA（1,1）模型下对应的AIC与SC值最小，因此我们将分别使用ARMA（2,2）和ARMA（1,1）模型对中国股指收益率和美国股指收益率进行自相关的消除。
引入ARMA模型后再次进行自相关检验，所得数据如下表3所示：
表3 ARMA模型滤波序列自相关性检验
中国股指收益率
美国股指收益率
统计量
P值
统计量
P值
1
0.0000
0.9977
0.2230
0.937
2
0.3499
0.8395
0.5694
0.752
3
1.7824
0.6188
0.8831
0.830
4
11.1229
0.0252
2.2428
0.691
.注：
Q统计量一般情况下渐近服从
分布
通过上表3中P值可见，中国股指收益率Q统计来那个所对应的P值和美国股指收益率Q统计量所对应的P值都大于5%的显著水平，说明自相关已消除。
4.4平稳性检验
本文使用ADF检验分别对中国股指收益率和美国股指收益率进行平稳性检验。
检验后所得的数据如下表4所示：
表4：
中美股指ADF检验结果
中国股指收益率
美国股指收益率
统计量
P值
统计量
P值
-50.638
0.0001
-54.893
0.0001
通过上表可见，对中国股指收益率进行ADF后，所得统计量为-50.638，远小于在5%显著水平下的统计量-2.862，其所对应的P值0.0001也接近于0。
对美国股指收益率进行ADF后，所得统计量为-54.893，远小于在5%显著水平下的统计量-3.432，其所对应的P值0.0001也接近于0。
这说明中国和美国股指收益率都具有平稳性。
4.5ARCH效应检验
检验ARCH效应的方法一般有两种，一种是LM法（拉格朗日乘数法）和残差的平方相关图检验。
本文使用的是第二种方法，即残差的平方相关图检验，通过检验所得的的Q统计量和其对应的P值来判断序列是否具有ARCH效应。
具体见表5：
表5：
中美股指ARCH效应检验结果
中国股指收益率
美国股指收益率
统计量
P值
统计量
P值
1
55.792
0．0000
59.325
0．0000
2
79.751
0．0000
315.99
0．0000
3
145.65
0．0000
432.90
0．0000
4
170.26
0．0000
553.41
0．0000
通过表5可以发现，在各个序列滞后1—4阶时，Q统计量对应的P值都极小，这说明中、美股指收益率序列均存在条件异方差，即各个收益率序列均存在ARCH效应。
第5章模型构建及实证结果
本文模型的构建主要分两步完成，首先，针对中国上证指数收益率数据和美国道指收益率数据建立GARCH（1,1）模型，得到均值方程的残差，并通过分析条件标准差来分析两国股市波动情况。
然后，针对中国上证指数收益率和美国道指收益率建立动态的DCC-GARCH模型，求出动态相关系数矩阵及动态相关系数走势图，通过
升级会员 