中美股市聯(lián)動(dòng)性成因及疫情期間聯(lián)動(dòng)性特點(diǎn)淺研究.docx

1、Finance金融,2020,10(4),322-333PublishedOnlineJuly2020inHans,/journal/finhttps:doi.orR/10.15677/fin.2020.104033ASuperficialStudyontheCausesandCharacteristicsofCo-MovementinChineseandAmericanStockMarketsduringtheEpidemicXinyiXuanZhejiangUniversityCityCollege,HangzhouZhejiangEmail:sa

2、ndyxuanxy163.corrReceived:Jun.16th,2020;accepted:Jun.30th,2020;published:Jul.7th,2020AbstractFirstly,thispapermakesadefaultdescriptionandaffirmationtothestatementthattheChineseandAmericanstockmarketshavelinkage.Therefore,thepaperfocusesonthecausesandcharacteristicsofthelinkagebetweenChineseandAmeric

3、anstockmarkets.Intheliteraturereviewsection,twotheoreticalbasesofthecausesofcoactivity-spillovereffectandcontagioneffect,aswellasvariousfactorsaffectingcoactivity-areproposed.Inthepartofempiricalanalysis,thelogarithmicreturnrateofChineseandAmericanstockmarketsfrom2015tonowistakenastheresearchobject,

4、andtheVARmodelandGARCHmodelareconstructedtocarryoutanempiricalstudyonthesizeanddirectionofthereturnandfluctuationspillovereffectbetweenChineseandAmericanstockmarkets,andtheconclusionisdrawnthattheUSstockmarkethassignificantspillovereffectofreturnsandfluctuationsonChinesestockmarket.Finally,throughqu

5、alitativeanalysis,somesimpleconclusionsonthecharacteristicsofthelinkagebetweenChineseandAmericanstockmarketsduringtheepisdemicperiodwereobtained,andtheimpactefficiency,impactintensityandimpacttimeofthespillovereffectoftheAmericanstockmarketonChinesestockmarketwereobtainedbasedonthedataanalysisduring

6、thecircuitbreakerperiodoftheAmericanstockmarket.KeywordsSpilloverEffects,GARCHModel,U.S.StocksFusing中美股市聯(lián)動(dòng)性成因及疫情期間聯(lián)動(dòng)性特點(diǎn)淺研究宣心怡文章引用：宣心怡.中美股市聯(lián)動(dòng)性成因及疫情期間聯(lián)動(dòng)性特點(diǎn)淺研究JJ.金融,2020,10(4):322-333.DOI:10.12677/fin.2020.104033Continued2020-03-12,四2480.643950.912020-03-13,五2711.023895.312020-03-16,2386.133727.842020-

7、03-17,二2529.193709.682020-03-18,三2398.13636.262020-03-19,四2409.393589.09Figure4.ChariofbreakinglineofS&PandCSIindexduringcircuitbreakerofUSstockmarket圖4.美股熔斷期間標(biāo)普與滬深指數(shù)折線圖而就沖擊程度而言，如圖5所示是2019年滬深300指數(shù)收盤價(jià)一階差分圖（近期數(shù)據(jù)根據(jù)有代表性）。在243個(gè)一階差分?jǐn)?shù)據(jù)中，滬深指數(shù)跌幅超過40個(gè)點(diǎn)的僅26個(gè)，占比10.7%。而美股熔斷對滬深300指數(shù)的沖擊為日均下跌40.8個(gè)點(diǎn)，因此美國股市對中國股市溢

8、出效應(yīng)的沖擊程度非常高。D1Figure5.First-orderdifferencediagramofdailyclosingpriceofCSI300indexin2019圖5.2019年滬深300指數(shù)日收盤價(jià)一階差分圖最后就溢出效應(yīng)的影響時(shí)間而言，由于美股這四次熔斷時(shí)間過于接近，數(shù)據(jù)量太小，且第一次熔斷時(shí)間過于久遠(yuǎn)（1997年），十分不具有代表性。使得我們無法進(jìn)行定量分析得出美股熔斷一次能夠?qū)χ袊墒挟a(chǎn)生多久的影響力。但根據(jù)上述分析所作出的其中兩個(gè)結(jié)論作推斷：1）中美股市對于只對于疫情早期作出強(qiáng)烈反應(yīng)。2）美國股市對中國股市的溢出效應(yīng)沖擊效率高且沖擊程度強(qiáng)。我們認(rèn)為溢出效應(yīng)的沖擊時(shí)間非常

9、短，甚至只持續(xù)12天。因?yàn)閺谋?0中可以看出，在3月18日美股第四次熔斷后，僅使得3月19日的滬深300指數(shù)下跌37.17個(gè)點(diǎn)。自3月20日，滬深股指就迅速反彈64.13個(gè)點(diǎn)，并且在3月19日3月27日中，滬深300指數(shù)上升了120.97個(gè)點(diǎn)。迅速補(bǔ)平由美股第四次熔斷帶來的沖擊（3月17日，滬深300指數(shù)為3809.68）。Tabic1().USstocksafterthefourthcircuitbreaker10daysCSI300indextable表10.美股第四次熔斷后10日滬深300指數(shù)表時(shí)間滬深300指數(shù)2020-03-18.三3636.262020-03-19,四3589.09

10、2020-03-20.五3653.222020-03-23,3530.312020-03-24,二3625.112020-03-25.三3722.522020-03-26,四3698.052020-03-27,五3710.06第二個(gè)原因是股市總是對最新的消息作出明顯反應(yīng)。從反面進(jìn)行論證：假設(shè)美股熔斷的沖擊持續(xù)較長時(shí)間，如果在第二日美國股市有一個(gè)明顯對沖的利好消息，則兩兩相沖，滬深300指數(shù)應(yīng)當(dāng)會呈現(xiàn)較為平穩(wěn)的水平趨勢相當(dāng)-段時(shí)間。而事實(shí)上從歷史的中國股市來看，第二日的對沖利好消息往往會讓股市呈現(xiàn)明顯的上漲。并且由于上述兩個(gè)結(jié)論，即股市只對疫情早期（這是個(gè)消息）作出強(qiáng)烈反應(yīng)，那么同樣，中國股市也

11、只會對美股熔斷的當(dāng)下作出強(qiáng)烈反應(yīng)。第二點(diǎn)，美國股市對中國股市溢出效應(yīng)沖擊效率高、沖擊程度強(qiáng)，那么中國股市勢必會出現(xiàn)明顯溢出效應(yīng)，此時(shí)對于美股沖擊帶來的負(fù)面影響以及微乎其微。最終我們得出美國股市對中國股市有明顯的溢出效應(yīng)，且沖擊效率高、沖擊程度強(qiáng)、沖擊時(shí)間短。4.3.總結(jié)上述研究以及推論僅是就近期數(shù)據(jù)做出的一些文字性分析以及推動(dòng)，其中有頗多粗糙與不足之處。例如在研究美國股市對中國股市溢出效應(yīng)的沖擊時(shí)間時(shí)，我們利用前述結(jié)論以及反證法和假設(shè)法，將美股熔斷后，中國股市呈現(xiàn)第一天下跌、第二天即開始上漲的趨勢判斷為沖擊時(shí)間短。事實(shí)上，我們其實(shí)并不能判斷出，之后上漲的趨勢是否也是由美股熔斷這個(gè)消息帶來的沖擊

12、。即對于消息的沖擊方向，可能并不是一成不變的。對于這個(gè)問題的考量確實(shí)較為欠缺。參考文獻(xiàn)1宮瑜遙.中美股市聯(lián)動(dòng)性研究文獻(xiàn)綜述J.對外經(jīng)貿(mào),2017（5）:121-123.2韓非，肖輝.中美股市間的聯(lián)動(dòng)性分析J.金融研充,2005,26(11):77-83.13李紅權(quán)，洪永森,汪壽陽.我國A股市場與美股、港股的互動(dòng)關(guān)系研究:基于信息溢出視角J.經(jīng)濟(jì)研究,2011,8(3):25-39.(4張敬敏，周石鵬.基于DCC-GARCH模型對金融危機(jī)后中美股市聯(lián)動(dòng)性研充J.改革與開放,2015(20):9-11.5尉偉杰，王秀芳，夏志禹.中美股市聯(lián)動(dòng)性研究一一基于中國股市下跌背景J.北方金融,2016(9)

13、:32-35.61宋玉臣，喬木子.中美股票市場信息沖擊的非對稱性調(diào)整特征與聯(lián)動(dòng)性效應(yīng)基于門限協(xié)整的誤差修正模型J.浙江社會科學(xué),2016(9):59-65+158.(7|Flavin.T.J.Hurley.M.J.andRousseau.F,(2002)ExplainingStockMarketCorrelation:AGravityModelApproach.TheManchesterSchool.70.87-106.htms:0.111l/1467-9957.70.sl.58龔金國，史代敏.金融日由化、貿(mào)易強(qiáng)度與股市聯(lián)動(dòng)一來白中美市場的證據(jù)J.國際金融研究,2015(6):8

14、5-96.劉陽，高慈.國別股市長期聯(lián)動(dòng)的影響因子剖析一一以中美股市為例J.廣東金融學(xué)院學(xué)報(bào),2012,25(9):66-77.(10姚宏偉，張彤.匯率波動(dòng)、外部風(fēng)險(xiǎn)鎏延對我國股市的影響機(jī)制研究UL財(cái)務(wù)與金融,2016(4):20-25.(11劉澤浩.美股四閣析原油崩盤A股獨(dú)善其身難J.股市動(dòng)態(tài)分析,2020(6):29-30.浙大城市學(xué)院，浙江杭州Email:sandyxuanxy163.corr收稿日期：2020年6月16日；錄用日期：2020年6月30日：發(fā)布日期：2020年7月7日摘要文章首先對中美股市具有聯(lián)動(dòng)性這一陳述，做出默認(rèn)描述及肯定。因此全文的重心在于對中美股市聯(lián)動(dòng)性的成因及其特

15、點(diǎn)的研究。文獻(xiàn)綜述部分提出了聯(lián)動(dòng)性成因的兩個(gè)理論基礎(chǔ)一一溢出效應(yīng)和傳染效應(yīng)，以及影響聯(lián)動(dòng)性的各種因素。實(shí)證分析部分以2015年至今的中、美股市對數(shù)收益率作為研究對象，構(gòu)建VAR模型和GARCH模型對中美股市間收益和波動(dòng)溢出效應(yīng)的大小和方向進(jìn)行了實(shí)證研究，得出結(jié)論：美國股市對中國股市存在顯著的收益和波動(dòng)的溢出效應(yīng)。最后通過定性分析，得出了一些疫情期間中美股市聯(lián)動(dòng)性特點(diǎn)的簡單結(jié)論，并根據(jù)美股熔斷期間的數(shù)據(jù)分析得出了美國股市對中國股市溢出效應(yīng)的沖擊效率、沖擊強(qiáng)度和沖擊時(shí)間。關(guān)鍵詞溢出效應(yīng)，GARCH模型，美股熔斷Copyright©2020byauthor(s)andHansPublish

16、ersInc.ThisworkislicensedundertheCreativeCommonsAttributionInternationalLicense(CCBY4.0).httD：/licenses/bv/4.0/OpenAccess1. 研究背景股市聯(lián)動(dòng)效應(yīng)，是指不同股市之間多種因素的同向變動(dòng)效應(yīng)。如，股票價(jià)格、指數(shù)收益率等股市要素同漲共跌的現(xiàn)象。美國股票市場作為全球目前最為成熟、體制最為完善的股票市場，其對于國內(nèi)證券市場的影響是非常大的。而中國作為發(fā)展速度最快的國家之一，其證券市場具有巨大潛力。兩國緊密的經(jīng)濟(jì)波動(dòng)常常能一定程度上反映在兩國的股市

17、聯(lián)動(dòng)上，因此中美股市具有較強(qiáng)的聯(lián)動(dòng)性。2. 文獻(xiàn)綜述2.1.理論基礎(chǔ)學(xué)界在對中美股市聯(lián)動(dòng)性的成因進(jìn)行解釋時(shí)，通常普遍接受的理論有兩種，分別是溢出效應(yīng)和沖擊傳染效應(yīng)。1、溢出效應(yīng)由于各國之間存在時(shí)差，各國股市的開盤時(shí)間也不盡相同，這就形成了一種以時(shí)差順序?yàn)橹鲗?dǎo)的傳遞現(xiàn)象，在這種效應(yīng)下，某-國家宏觀經(jīng)濟(jì)與企業(yè)所產(chǎn)生的信息會隨時(shí)差傳遞到其他不同國家的股票市場，從而出現(xiàn)了各國股市股票收益率之間的聯(lián)動(dòng)1。肖輝、韓非(2005)使用了MA(q)-GARCH-M模型，對中美股市收益率的由于時(shí)差原因存在的相互聯(lián)動(dòng)關(guān)系進(jìn)行了分析。得到的實(shí)證結(jié)果表明：美國股票市場收盤對中國股票市場開盤的信息溢出微乎其微。然而中國

18、股票市場收盤對美國股票市場開盤存在一定的微弱聯(lián)動(dòng)關(guān)系2。李紅權(quán)(2011)利用溢出效應(yīng)檢驗(yàn)體系對美、中國大陸以及香港地區(qū)的股票市場的聯(lián)動(dòng)關(guān)系做出了信息事件是美國2008年金融危機(jī)時(shí)的實(shí)證分析。研究發(fā)現(xiàn)美國股市對中國A股市場具有強(qiáng)烈的傳導(dǎo)作用，而A股市場同樣能影響美國股市，二者相互影響、相互作用3。張敬敏，周石鵬(2015)采用中美股市的指數(shù)數(shù)據(jù)，通過構(gòu)建DCC-GARCH模型對金融危機(jī)后的兩國股市波動(dòng)率溢出效應(yīng)做出了深入分析。結(jié)論顯示，在金融危機(jī)之后中美兩國股市確實(shí)存在著聯(lián)動(dòng)性，又由于中國股市的發(fā)展不成熟，導(dǎo)致該聯(lián)動(dòng)性并不穩(wěn)定4。尉偉杰、王秀芳等(2016)同樣是采用中美股市的指數(shù)數(shù)據(jù)，通過構(gòu)

19、建向量自回歸(VAR)模型、格蘭杰因果及協(xié)整檢驗(yàn)對中美股市的聯(lián)動(dòng)效應(yīng)做出了實(shí)證研究。結(jié)論顯示，中國股市和美國股市在長期中具有穩(wěn)定的聯(lián)動(dòng)效應(yīng)，且美國股市對中國股市的溢出效果要更強(qiáng)烈5。宋玉臣，喬木子(2016)運(yùn)用四種門限自回歸誤差修正模型對中美股市的聯(lián)動(dòng)效應(yīng)以及非對稱性調(diào)整特征做出了實(shí)證研究。結(jié)論顯示，美國股市對中國股市有著明顯的單方面溢出效應(yīng)和短期均衡聯(lián)系6。從不同的文獻(xiàn)中可以發(fā)現(xiàn)，盡管溢出效應(yīng)作為中美股巾的聯(lián)動(dòng)性成因之一已經(jīng)普遍得到認(rèn)可，但不同的學(xué)者對于溢出效應(yīng)的沖擊方向和沖擊效率有著截然不同的意見。2、傳染效應(yīng)King&S.Wadhwani(1986)出了市場傳染假說。該假說認(rèn)為

20、，市場中的投資者由于信息掌握不全面，因此會觀察和利用其他市場價(jià)格來做參考，即在信息不對稱的情況下，更容易產(chǎn)生趨同效應(yīng)、羊群效應(yīng)等行為，因此一國股票市場的價(jià)格波動(dòng)會傳染到其他國家的股票市場。事實(shí)上，傳染效應(yīng)的本質(zhì)是，價(jià)格的信息沖擊在國際上不同股票市場間廣泛傳遞。行為金融學(xué)理論中，被廣泛討論的投資者趨同效應(yīng)就是對股市傳染效應(yīng)有效解釋的一種典型例子。雖然在本質(zhì)上，沖擊傳染效應(yīng)也是屬于信息溢出效應(yīng)的一種。然而，沖擊傳染效應(yīng)更加關(guān)注著的信息為價(jià)格沖擊。所以在金融危機(jī)中，此效應(yīng)尤為顯著。2.2.影響因素除了對股市間聯(lián)動(dòng)效應(yīng)的研究外，多年來，國內(nèi)外學(xué)者又都嘗試著從不同的角度來分析不同國家或地區(qū)股票市場的聯(lián)動(dòng)

21、效應(yīng)。著眼于尋找對股市聯(lián)動(dòng)性產(chǎn)生重要影響的沖擊因素以及各種因素影響的沖擊方向和沖擊效率。Flavin(2002)在研究影響兩國股市收益率的因素時(shí)，使用了國際貿(mào)易理論中的引力模型，發(fā)現(xiàn)主要因素有:國內(nèi)工業(yè)結(jié)構(gòu)、市場的流動(dòng)性、兩國間的距離、區(qū)域位置與市場規(guī)模。龔金國，史代敏(2015)從金融自由、貿(mào)易強(qiáng)度以及市場傳染等層面出發(fā)，對不同股市間的聯(lián)動(dòng)效應(yīng)進(jìn)行了實(shí)證研究。文章通過間接測度已實(shí)現(xiàn)波動(dòng)率聯(lián)動(dòng)對中美股市的聯(lián)動(dòng)效應(yīng)進(jìn)行模型構(gòu)建。結(jié)論顯示，中國金融自由化并沒有加強(qiáng)中美兩國股市的聯(lián)動(dòng)效應(yīng)，相反地還對兩國的股市聯(lián)動(dòng)產(chǎn)生著抑制影響。另外的，貿(mào)易強(qiáng)度確實(shí)使得中美兩國股市的聯(lián)動(dòng)效應(yīng)加強(qiáng)|8。高慧和劉陽(20

22、12)在研究美國與中國股市的長期聯(lián)動(dòng)關(guān)系時(shí)采用DCC-GARCH模型對其做了實(shí)證研究，結(jié)果表明，影響美國與中國股市長期聯(lián)動(dòng)關(guān)系的因素主要有：中美兩國雙邊金融對外開放程度、不一致的經(jīng)濟(jì)周期、夕卜部沖擊、彼此間的貿(mào)易依存度、匯率形成機(jī)制等9。姚宏偉，張彤(2016)從結(jié)構(gòu)突變新視角出發(fā)，對人民幣匯率、中美股市以及兩國利差的相互聯(lián)動(dòng)效應(yīng)做出了實(shí)證研究。結(jié)論顯示，上述幾個(gè)因素之間的K期均衡聯(lián)系發(fā)生了兩次結(jié)構(gòu)突變，制度變遷和金融危機(jī)則是結(jié)構(gòu)突變的主要原因。在匯率與股市的聯(lián)動(dòng)關(guān)系研究中，匯率是主導(dǎo)因素，研究時(shí)期內(nèi)一直都是匯率對股價(jià)產(chǎn)生單方面的溢出效應(yīng)【10。3. 實(shí)證分析研究原理3.1.1. 收益溢出效應(yīng)

23、研究在國內(nèi)外股市收益率條件均值溢出效應(yīng)的研究中一般采用向量自回歸方法，即使用VAR模型分析隨機(jī)擾動(dòng)對變量系統(tǒng)的動(dòng)態(tài)沖擊從而揭示各種經(jīng)濟(jì)沖擊對經(jīng)濟(jì)變量系統(tǒng)形成的影響，并且VAR模型的一種應(yīng)用是granger因果檢驗(yàn)。本文使用Granger因果關(guān)系檢驗(yàn)，分析經(jīng)濟(jì)時(shí)間序列之間的因果關(guān)系。因果關(guān)系檢驗(yàn)由Granger(1969)提出，Sims(1972)推廣，用以檢驗(yàn)變量之間因果關(guān)系，解決了X是否引起Y的問題。主要看Y能夠在多大程度解釋X,加入X的滯后值是否使解釋程度提高。如果X能在Y的預(yù)測中有幫助就可以說Y是由XGranger引起的。Granger檢驗(yàn)回歸方程式如下：匕=4)+*匕-I+四，匕+。而

24、+.+aq_p+£A=A+AA-i+為A,”+%K_i+otjXt.p+et3.1.2. 風(fēng)險(xiǎn)溢出效應(yīng)研究本文在研究國內(nèi)外股市收益率風(fēng)險(xiǎn)溢出效應(yīng)，亦即條件方差溢出效應(yīng)時(shí)，將采用GARCH模型。即使一個(gè)時(shí)間序列是平穩(wěn)的(無條件方差為常數(shù))，它的條件方差也可能出現(xiàn)隨著時(shí)間的變異現(xiàn)象。條件方差模型可以利用條件方差來度量風(fēng)險(xiǎn)或者收益率的波動(dòng)程度，并且使得這些波動(dòng)性和風(fēng)險(xiǎn)度量具有時(shí)變性質(zhì)，從而體現(xiàn)新信息獲得和新沖擊出現(xiàn)所產(chǎn)生的動(dòng)態(tài)影響。本文選取GARCH(1,1)模型，描述平均收益率的GARCH(1,1)模型由兩部分組成。一部分是均值過程(在本例中為尋找自回歸方程的過程)：匕=如礎(chǔ)+與上式表示

25、K的數(shù)據(jù)生成過程服從ARMA(,)過程。第二部分主要由條件異方差的生成過程組成，GARCH(1,1)模型中假設(shè)條件異方差序列滿足：h=var(£,|Q)=a+as2+Ahitz-101r-l/-I其中九為條件方差，方程如下：，/?=var(£|。)=a+as2+as2+as2oI/r-l01r-l2/-2p.-p數(shù)據(jù)選取與處理本文選擇中美兩國綜合指數(shù)來代表兩國股市的收益率水平，又由于中美兩國股市各包含多個(gè)指數(shù)，為盡可能地減小誤差，本文在中美兩國股票市場中分別選擇兩個(gè)具有代表性的指數(shù)作為內(nèi)生變量，選擇標(biāo)普500、滬深300為代理變量。標(biāo)準(zhǔn)普爾500指數(shù)由500種樣本股票組成，

26、囊括了工業(yè)股、運(yùn)輸股、公用事業(yè)股以及金融股，對美國股市具有很強(qiáng)的代表性。滬深300指數(shù)是是一種成分股。由上交所選取192支和深交所選取108支，共計(jì)300支A股為樣本。指數(shù)樣本股加在一起，涵蓋上海和深圳證券市場近六成的市值，其走勢變化對中國股市有很好的參考價(jià)值。在數(shù)據(jù)處理方面，選取2015年至今的日數(shù)據(jù)，其中截掉了兩個(gè)市場未同時(shí)開市的數(shù)據(jù)留下1250個(gè)日數(shù)據(jù)用于分析。由于時(shí)差的原因，對美國股市來說，中國股市同一天數(shù)據(jù)都是滯后一天數(shù)據(jù)，而對中國股市來說，美國股市滯后一期數(shù)據(jù)為當(dāng)日數(shù)據(jù)。因而需要將原始數(shù)據(jù)進(jìn)行調(diào)整，以保證某一市場的信息集不僅包括本地市場前一天的信息，也包括另一市場當(dāng)日的信息。比如，

27、美國股市開市，中國市場當(dāng)日t期的信息對它來說是，T期的信息，因此美國股市的信息集是期信息和中國股市的，期信息的綜合。而中國股市開市，美國市場前一日/-1期的信息對它來說是當(dāng)日，期的信息，因此中國股市的信息集是期信息和美國股市的1-1期信息的綜合。3.2. 模型構(gòu)建對模型所需變量進(jìn)行定義，如表1所示。Table1.Variabledefinition(able«1.變量定義表變量名變量含義變量定義H,中國股市的收益滬深3001時(shí)期的日對數(shù)收益率伐美國股市的收益標(biāo)普500t時(shí)期的日對數(shù)收益率1) 收益溢出效應(yīng)：Granger因果關(guān)系檢驗(yàn)Granger檢驗(yàn)回歸方程式如下：其中，零假設(shè)比：。

28、()=/=。也=0,即“&不是引起七變化的Granger原因”。H。:氏=01=0n=。，即"R介不是引起變化的Granger原因”。2) GARCH-M(1,1)模型的建立依據(jù)收益和風(fēng)險(xiǎn)成正比的的金融理論，可以將條件方差引入均值方程，形成GARCH-M模型如下:匕=同+”+力?,+&h=var(£-|Q)=a+as2+Ahitr-l0Ir-l/-I滬深30()對應(yīng)的模型如下：h=var(6：|Q)=a+ae2+助itz-l0Ir-l/-I標(biāo)普500對應(yīng)的模型如下：B'=SB,_m+Ah*h=var(e|Q)=a+ae2+Ahotfi-01r-lt-

29、3.4.實(shí)證結(jié)果3.4.1.兩市收益率及對數(shù)收益率圖1為滬深300和標(biāo)普500自2015年至今的口收盤價(jià)。從圖中可以看出中美兩股市股價(jià)波動(dòng)較大,序列不平穩(wěn)，不能直接進(jìn)行實(shí)證研究。因此對兩者各取對數(shù)收益率，如圖2所示。Figure1.ShanghaiandShenzhen300andS&P500dailyclosingprices圖1.滬深300與標(biāo)普5000收盤價(jià)RHRBFigure2.ShanghaiandShenzhen300andS&P500lograteofreturn圖2.滬深300與標(biāo)普500日對數(shù)收益率3.4.2.股票特征統(tǒng)計(jì)性描述Tabic2.Descripti

30、vestatisticstable表2.描述性統(tǒng)計(jì)表基本統(tǒng)計(jì)量中國股市日收益率美國股市日收益率均值0.00003460.000261標(biāo)準(zhǔn)差0.0158480.011912偏度-0.976907-0.899869峰度8.95463125.60884J-B統(tǒng)計(jì)量2043.93826770.17表2為使用滬深300日收益率與標(biāo)普500日收益率數(shù)據(jù)得到的描述性統(tǒng)計(jì)表。從表中可以看出中美兩股市的偏度均小于Q說明其均具有左側(cè)長尾的特征，為右偏態(tài)分布。同時(shí)，兩國股市的峰度均大于3,說明其分布與正態(tài)分布相比，均較為陡峭，為尖峰分布。兩者都屬于尖峰厚尾分布，不屬于正態(tài)分布。同時(shí)中國股市的標(biāo)準(zhǔn)差要大于美國股市，即

31、滬深300的波動(dòng)要大于標(biāo)普500,這與中國股市相對于美國股市而言較為不成熟和不完善也較為符合。3.4.3.平穩(wěn)性檢驗(yàn)對乩、分別進(jìn)行單位根檢驗(yàn)，檢驗(yàn)結(jié)果如表3所示：Tabic3.Unitroottestresultstable表3.單位根檢驗(yàn)結(jié)果表參數(shù)ADF檢驗(yàn)1%level5%level10%level平穩(wěn)H：34.354172.5668161.9410771.616529是B,10.599692.5668161.9410771.616529是經(jīng)檢驗(yàn)，中國股市對數(shù)收益率及美國股市對數(shù)收益率時(shí)間序列平穩(wěn)。3.4.4.收益溢出效應(yīng)I）協(xié)整檢驗(yàn)假設(shè)為耳因變量，坊為自變量，估計(jì)原方程并檢驗(yàn)殘差項(xiàng)的平穩(wěn)

32、性，結(jié)果如表4所示:Table4.Resultsofcointegrationtesttable*4.協(xié)整檢驗(yàn)結(jié)果表參數(shù)ADF檢驗(yàn)1%level5%level10%level平穩(wěn)resid-35.51521-2.566816-1.941077-1.616529是檢驗(yàn)得到擬合方程的殘差項(xiàng)平穩(wěn)，則比、化兩時(shí)間序列協(xié)整。2)Granger因果關(guān)系檢驗(yàn)對兒、8,兩對數(shù)收益率序列進(jìn)行格蘭杰檢驗(yàn)，結(jié)果如表5所示:Table5.Grangercausalitytestresultstable表5.格蘭杰因果檢驗(yàn)結(jié)果表原假設(shè)ObsF-StatisticProb.RHdoesnotGrangerCauseRB1

33、2470.195530.8224RBdoesnotGrangerCauseRH18.16662.E-08檢驗(yàn)結(jié)果說明可以由8,granger引起，說明美股收益率對中國股市收益率有溢出效應(yīng)。3.4.5.風(fēng)險(xiǎn)溢出效應(yīng)I)相關(guān)性檢驗(yàn)及滯后階數(shù)的選擇通過ARMA模型確定自回歸模型的滯后項(xiàng)，結(jié)果如表6所示：其中4序列選擇一階滯后期。H,序列選擇十階滯后期。Table6.Riskspilloverresult(able表6.風(fēng)險(xiǎn)溢出效應(yīng)結(jié)果表LagACPACQ-statProb.1-0.195-0.19547.3870.00020.1330.09969.6650.00()3-0.0220.02170.29

34、90.0004-0.060-0.07774.7430.00050.0500.02777.8580.00()LagACPACQ-statProb.10.0280.0280.94750.3302-0.048-0.0493.83260.14730.0120.0154.02480.25940.0270.0244.92180.2955-0.021-0.0215.45210.3636-0.025-0.0216.20710.40070.0190.0186.67500.46380.0690.06612.6260.1259-0.012-0.01212.7970.17210-0.076-0.07020.0690.

35、0292）ARCH效應(yīng)檢驗(yàn)本文采用ARCH-LM檢驗(yàn)兩國股市指數(shù)收益率的ARCH效應(yīng)。ARCH-LM檢驗(yàn)的結(jié)果如表7所示:Table7.TheARCHeffecttestresultstable表7.ARCH效應(yīng)檢驗(yàn)結(jié)果表IlcteroskedasticityTest:ARCHF-statistic57.57388Prob.F(l,1178)0.0000Obs®R-squared54.98431Prob.Chi-Square(1)0.0000檢驗(yàn)結(jié)果說明存在ARCH效應(yīng)，可以使用GARCH-M模型進(jìn)行建模。3）GARCH-M模型分別得到兩方程的條件方差為garchOl和garch（）

36、204）條件方差的Granger因果檢驗(yàn)對eviews導(dǎo)出的條件方差進(jìn)行格蘭杰檢驗(yàn)，結(jié)果如表8所示：Table8.Grangercausalitytestresultstable表8.格蘭杰鹵果檢驗(yàn)結(jié)果表原假設(shè)ObsF-StatisticProb.GARCH01doesnotGrangerCauseGARCII0212365.191000.0057GARCH02doesnotGrangerCauseGARCH010.053850.9476結(jié)果說明garchOl可以granger引起garchO2的變動(dòng)，則標(biāo)普500的風(fēng)險(xiǎn)對滬深300有溢出效應(yīng)。4. 疫情期間中美股市的聯(lián)動(dòng)性研究疫情期間中美股市聯(lián)動(dòng)性研究中國疫情開始時(shí)間大約為2020年1月19日（新勰建設(shè)兵團(tuán)數(shù)據(jù)統(tǒng)計(jì)起始時(shí)間），在2月中卜旬達(dá)到峰值，4月初期基本回落。美國疫情開始時(shí)間大約為2020年2月24日（美國約翰霍普斯金大學(xué)數(shù)據(jù)統(tǒng)計(jì)起始時(shí)間），至今仍未達(dá)到峰值。從圖3來看，美國疫情對于美國股市的沖擊要遠(yuǎn)大于中國疫情對于中國股市的沖擊。就國內(nèi)疫情對于中國股市而言，在國內(nèi)疫情初期，滬深股指出現(xiàn)比較明顯的連續(xù)下滑但很快反彈，并且從疫情前期一直持續(xù)至疫情高峰期為止，滬深股指都呈現(xiàn)上漲趨勢。因此國內(nèi)疫情對中國股市沒有造成非常大的負(fù)面沖擊（反而是在疫情高峰期時(shí)的醫(yī)療股強(qiáng)勢上漲）。就國內(nèi)疫情