1、中国科学院研究生院虚拟经济与金融研究中心RR/03/08CFEF 研 究 报 告中国股市与世界其它股市之间的大风险溢出效应洪永淼 成思危 刘艳辉 汪寿阳中国科学院研究生院虚拟经济与金融研究中心 RR/03/08中国科学院管理、决策与信息系统重点实验室 2003 年 10 月中国股市与世界其它股市之间的大风险溢出效应 洪永淼 1) 成思危 2) 刘艳辉 3) 汪寿阳 3)1) 康乃尔大学和清华大学；2）中国科学院研究生院管理学院；3）中国科学院数学与系统科学研究院摘要 本文分析了中国证券市场 A 股、B 股和 H 股之间，中国股市与世界其它股票市场之间的极端风险的溢出效应.实证结果表明:A 股与
2、 B 股之间存在着强烈的风险溢出效应， B 股大幅下跌的信息可用来预测未来 A 股大幅下跌的可能性；A 股和 H 股之间，尤其是 B 股和H 股之间也存在着强烈的风险溢出效应；B 股，尤其是 H 股，与世界其它股市之间存在着显著的风险溢出效应;与此相反，A 股虽然与韩国、新加坡股市之间存在着一定的风险溢出效应，但它与日本、美国和德国等世界主要股市之间不存在任何风险溢出效应。1 引言在过去的 25 年中，中国经济一直保持着快速增长,关键因素之一就在于中国不断对外开放。随着逐渐融入世界经济，中国经济获得了长足的发展。但与此同时，日益密切的国际联系也使得中国经济更易于受到外界的冲击和冲击。在本篇文章
3、中，我们将研究国际资本市场对中国股市的影响。更具体地说，我们将研究中国股市与国外股市之间是否存在极本研究报告得到清华大学经济管理学院、美国国家科学基金(SES-0111769)和中国国家自然科学基金(No.70221001)的资助。端下滑风险的溢出效应？如果存在，它们的传导机制又是怎样的。中国的经济改革始于 1978 年,至今已经历了四分之一世纪，而证券市场的建立是其中最具创新性的方面之一。中国证券市场正式创建于 1990 年底，虽然只有短短十几年的历史，但发展相当迅猛，现已成为全球最大的新兴证券市场之一(参阅陈灯塔和洪永淼, 2003)。 中国股市在国民经济发展中，特别是在融资、改善资源配置
4、、促进国有企业所有制改革以及资本市场建设方面，发挥着越来越重要的作用，与国际资本市场的联系也不断增强。为了吸引境外资金，同时又可避免或减缓国际金融市场风险对中国股市的冲击，中国设立了两个分割的证券市场。众所周知，在中国的两个证券交易所上海证券交易所和深圳证券交易所中,同一家上市公司可发行两种不同类型的流通股: A 股和 B 股 1。其中 A 股主要对国内投资者发行，以人民币交易；而 B 股主要对国外投资者发行，以外汇交易 2。另外，一些中国公司跨越传统的国内股权融资渠道，获准去海外资本市场如香港或纽约证券交易所上市筹集资本，分别被称为 H 股和 N 股 3。明显地，中国证券市场中不同类型的股票
5、与国际金融市场之间存在着不同程度的联系。绝大部分国际金融市场的冲击都被 B 股市场吸收了，因而对 A 股的造成影响的很小。然而，随着 A 股和 B 股、中国股市与国际资本市场的联系不断加大, 中国发生重大金融危机(如 1997-1998 年的亚洲金融危机)的可能性并非不存在。因此，如何监测控制和中国股市的风险已经越来越受到业界、政府管理层以及学术界的重视。当对金融风险进行监控时，市场大幅下跌的概率常受到极大的关注。市场不确定性、政策的调整、不利的消息或冲击、投机力量的攻击及其它金融市场的风险溢出效应(如金融风险的传染性)均可导致市场价格大幅下滑。市场发生大幅下跌意味着巨额资金在投资者之间的转移
6、，这将导致部分投资者破产，进而可能导致金融体系的崩溃和社会的不稳定。大幅市场下跌现象较为普遍。例如，1987 年 10 月 19 日的黑色星期一，美国股市下跌了 23%，使得美国资本市场损失了 1 万亿美元; 从 1990 年开始，日本股市开始大幅下跌，日经指数从 1989 年末的 39,000 点跌至 3 年后的 17,000 点，整个日本资本市场损失了 2.7万亿美元;在 1994 年的债券灾难中，美国联邦储备银行连续六次提高利率，使得全球资本1 A 股和 B 股都属于可流通股，此外还有不可流通的国有股(国家股和法人股)。2 上海证券交易所的 B 股以美元交易，而深圳证券交易所的 B 股以
7、港元交易。3 这里不考虑 N 股，因为在纽约证券交易所上市的中国公司数量很少。市场损失了约 1.5 万亿美元; 美国奥兰治郡的一揽子投资，包括郡、市、学校等属于地方政府的 75 亿美元的组合投资，在 1994 年 12 月一个月中损失了 16.4 亿美元, 这是历史上最大的地方政府破产案; 在 1997-1998 亚洲金融危机期间，亚洲货币在短期内大幅贬值(见 Woo 等, 2000)。其它市场大幅下跌的例子包括：长期资产管理公司、安然及世界通讯公司的相继破产，以及“911”事件后美国股市连续大幅下跌。在中国, 股市价格大幅波动的现象更是屡见不鲜。 大量个人投资者的过度投机、巨额游资及过度的市
8、场波动都是中国证券市场的典型特征。中国极端市场变动的一个例子就是在 2001 年由于 B 股市场对境内持有外币的投资者开放，海外投资者乘机撤走大量资金，从而引起 B 股价格急剧下跌。极端市场变动对中国股市的长期稳定发展造成了极大的不利影响。了解中国股市内部各个不同市场之间以及中国股市与国际股市之间风险溢出效应的传导机制是非常重要的。当金融市场完全分割时，风险不可能在各个市场间传递。这也就是为什么中国能在 1997-1998 亚洲金融危机中幸免的主要原因(参阅 Lardy, 1998)。然而，当市场一体化并受到相同的外界冲击时，风险将在各个市场之间相互传递。风险溢出效应存在的另一可能就是“金融风
9、险的传染性” 。投资者往往试图根据一个市场的价格变化去推测其它市场的价格变化，这就使得一个市场价格的巨大变动常常导致另一个市场发生相同的变动而不管其基本面是否发生了改变(参阅 King Jorion, 2000)5。VaR 在金融业界受到普遍欢迎的关键在于其概念的简明性，它用一个简单易懂的数字刻画了一金融机构在市场上面临的风险 6。在用 VaR 度量极端市场风险方面，Hong (2001b) 最近引入了一个新的概念-风险-Granger 因果关系(Granger causality in risk)，当实际损失超过给定水平的 VaR 时,我们说在事先确定的水平上的风险发生了。这个概念有助于考察
10、一个市场的大风险是否会Granger-引起另一个市场的大风险。正如我们所知道的，Granger 因果关系(Granger; 1969, 1980) 并不是标准意义下的“原因”和“结果”之间的关系，而是基于是否有助于提高预测能力。因此，它很适用于预测与监控风险。运用一个新近提出的核函数方法来检验风险-Granger 因果关系，我们研究了中国大陆股市内部不同市场之间以及中国大陆股市与海外股市之间的极端风险溢出效应,后者包括香港、台湾、新加坡、南韩、日本、美国及德国。采用从 1/2/1995 至 4/4/2003 的日股票指数价格数据，我们得到了一些重要而有趣的实证结果：首先，A 股与 B 股之间，
11、以及上海市场与深圳市场之间存在着强烈的大风险溢出效应；而且 B 股市场发生的大风险的历史信息有助于预测未来 A 股市场发生类似风险的可能性，但反之不然。第二，中国大陆股市(尤4 概率论常被广泛地用来描述金融市场运动。其中蕴含的一个基本假定就是金融市场能被看作为一随机数据生成过程，而金融数据是这个数据生成过程的一个实现。详细讨论见洪永淼(2002)。5 VaR 是极端下滑风险的度量，和早期文献中的下端部分矩(lower partial moment)类似(参阅 Roy, 1952)。6 更全面的风险度量是把概率密度函数和跨期效用最大化结合起来，详细讨论请参阅洪永淼(2002 第 6 节)。其是
12、B 股和 H 股)与香港和台湾股市之间存在着强烈的大风险溢出效应。第三，中国股市(尤其是 B 股和 H 股)与南韩、新加坡股市之间存在着一定程度的大风险溢出效应。最后，A 股与主要的国际股市-日本、美国和德国之间不存在风险溢出效应。这表明中国股市的主要组成部分-A 股的大幅价格变动主要受国内因素驱动，其影响也仅仅局限于周边局部地区。当发生大的逆向市场变动时，A 股市场与国际主要股市间的联系依然很微弱或者说几乎不存在。绝大部分来自国际股市的极端下滑风险被 B 股，尤其是 H 股吸收了。就避免国际股市的大幅下滑风险对中国股市的影响而言，A 股和 B 股间的市场分割是有效的。当然，随着对境内投资者开
13、放 B 股市场和对合格的外国机构投资者开放 A 股市场，这种情形将发生变化。在本文第二部分，我们将描述风险-Granger 因果关系这个概念，并讨论它和已经存在的几个相关概念：均值-Granger 因果关系(Granger causality in mean; Granger, 1969)、方差-Granger 因果关系(Granger causality in variance; Granger 等,1986)以及一般Granger 因果关系(general Granger causality; Granger, 1980)之间的关系。在第三部分，我们介绍一种检验风险-Granger 因果关
14、系的核函数方法。第四部分对数据进行说明。第五部分给出实证结果及其分析，第六部分是本文的小结。2 风险值和风险-Granger 因果关系21 极端市场风险和风险值对于给定的时间区间 和置信水平 , VaR 就是在时间区间 内，以概率 不超11过的最大损失。从统计学来说，用 表示，VaR 是某一时间序列过程 (如投)(ttIVtY资组合的收益率)条件概率密度函数(pdf)的 -分位数的相反数，其满足如下方程：(2.1)|(1ttIYP其中 是 时刻可获得的信息集。式(2.1)中的左尾概率常被称为不足,21ttYI1t概率 (shortfall probability)。常用的水平 为 10%, 5
15、%或 1%。例如，为衡量银行资本的充足性， BIS 设置 天。对日 VaR, J.P.摩根公司设置 而信孚银0%, %,5行则选取 。一些学者研究了银行或保险公司在 VaR-偿付约束下最大化某一效用准1则的行为模型 (参阅 Gollier 等, 1996; Sentamero Levy Arzac Jansen 等,1998)。最近的一些研究(参阅 Ang 等,2002)表明极端下滑风险有助于解释资产收益。为更好地从统计学角度理解 VaR, 我们表示时间序列 如下：tY(2.2) )()1,0.(tttt FsdmY条 件 累 计 分 布 函 数 为其中 和 分别是给定信息 下 的条件均值和条
16、件方差，)(1ttI2ttI1tItY是给定 下 的条件累积分布函数(CDF)。由定义，标准化新息 是条|)(ttF1tIt t件同方差鞅差序列(martingale difference sequence, m.d.s)，且满足, 由 (2.1) 和 (2.2) 式, 我们可得如下等式：.)|var(.,0)|( 11 saIsIEtt (2.3)tttzV其中 是 的条件分布 在水平 下的左尾临界值，即满足 。)(1ttIzt)(tF)(tzF显见 不仅依赖于 条件均值 和条件方差 ，还与高阶条件矩(如偏度和峰度)相关。tVtYt2t在(2.2)式中,当 服从共积 GARCH (IGARC
17、H)过程 (Engle & Bollerslev,1986)时, 不是2t tY协方差平稳过程。在这种情况下,显然 的无条件方差并不存在，但 VaR 仍然有意义。tY常用的 VaR 模型是由 J.P.摩根公司(1997)提出的风险度量 (RiskMetrics)：(2.4),10(.,22NdiYt jtjttt其中参数 控制当前波动对历史的依赖程度。对日金融序列, J.P.摩根公司建议采用。94.0模型(2.4)的 VaR 为：(2.5),(zVtt其中 是单侧标准正态分布 N(0,1)在水平 的临界值。例如, 当 和)(z 05.,10.01 时， 分别取 1.28, 1.65 和 2.3
18、3。显然，预望的波动越大，VaR 也越大。22 风险-Granger 因果关系因 VaR 是极端下滑风险的临界度量，当实际损失超过 VaR 时，我们就说大的下滑风险发生了。在实践中，金融机构和监管层很关心这类风险发生的概率。这类风险通常很少发生，但一旦发生，就往往会导致灾难性后果。由 Hong (2001b) 提出的风险-Granger 因果关系这一概念可用来检验一个市场 发生大的风险在 Granger (1969, 1980) 因果关系1tY意义下是否会引起另一个市场 发生类似的大风险。令 ，其中2t ,),1(2)(1tttII和 分别是 时刻市场 1 和市场 2 的信息集。,1)(1)(
19、1YItt,21)()1(Itt如果(almost surely) （2.6）)|()|(: 11110 tttt IVYPIVPH我们就说时间序列 关于信息集 在风险水平 下并不 Granger-引起时间序列 。2tYt1tY另一方面，若(2.7)|()|(: 1111 ttttA IVYPIVP我们就说时间序列 关于信息集 在风险水平 下 Granger-引起时间序列 。在2tYt1tY这种情况下， 发生风险的信息有助于预测未来 发生类似的风险。在实践中，水t 1t平 可由监管层或投资者根据自身的目标函数自行确定。在计量模型中，广泛使用的 Granger 因果关系概念是均值-Granger
20、 因果关系，由Granger (1969)首次提出。Granger 等(1986, p. 2)引入了方差-Granger 因果关系的概念，它被用来考察金融市场间的波动溢出效应(详见 Engle 等，1990)。这里风险-Granger 因果关系着重关注不同市场左尾分布之间的互动性，与方差-Granger 因果关系相比，它能更好地刻画不同市场间极端下滑风险的溢出效应。如上面所提到的，波动是双侧风险度量。同时我们也要注意到风险-Granger 因果关系不仅可由均值之间和方差之间产生，也可由高阶条件矩(如偏度和峰度)产生。换句话说，即使不存在均值-Granger 因果关系和方差-Granger 因果
21、关系，风险-Granger 因果关系仍有可能存在。Granger(1980)就整个条件概率分布引入了一般 Granger 因果关系的概念: 对所有 。 风险-Granger 因果关系这个概念与)|()|( 111tttt IyYPIyYP),(y一般 Granger 因果关系的概念密切相关，但我们仅关注与大幅下滑市场风险相关的左尾概率。3 风险-Granger 因果关系的检验方法现在介绍一种检验风险-Granger 因果关系的核函数方法。首先定义基于 VaR 的“风险指标函数”：l=1,2 (3.1)(1ltltitVYZ其中 为指标函数。当实际损失超过 VaR 时，风险指标函数取值 1，否则
22、取 0。检验假设)(1和 可等价地表述为：0HA )|()|(: 110 ttIZEIH和.)|()|(: 11ttAII因此, 和 之间的风险-Granger 因果关系能够看成是 和 之间的均值-1tY2t tZ2tGranger 因果关系。无风险-Granger 因果关系 有如下重要含义：0H对所有阶 .,),cov(21jtZ0j若对某一阶 ，有 则表明存在风险-Granger 因果关系。这意味着0j jt当一个市场发生大的风险时，我们能用这个信息去预测另一个市场未来可能发生同样风险的可能性。虽然也可以用 中的其它信息去预测 的风险, 但是本文的主要目的是研12tI 1tY究不同市场之间
23、的大风险溢出效应，所以使用 是恰当的。)cov(2jtZ现在设l=1, (3.2),()1ltlltIV是市场 1 在水平 下 的 VaR 模型，其中 是未知模型参数，它由历史数据估计得到。ltVl有很多方法可用与估计 VaR (参阅 Jorion, 2000)。常用的有历史模拟法、J.P.摩根公司的风险度量法、Engle & Manganlli 的 (1999) 条件自回归 VaR (CAViaR)模型等。在后面的实证分析中，我们将采用 GARCH 模型方法。设有 个随机样本 和参数估计量( )。令TTttY1,21,l=1,2, (3.3)(ltltitVZ则我们定义 和 之间的样本互协方
24、差函数如下：tZ1t2(3.4)1121()01()(Tttjtjtjttj jTCjZ其中 。 和 的样本互相关函数为TtllZ1tt2(3.5)1(,0,)(21TjSjCj 其中 是 的样本方差。我们可用 来代替 。采用与 Hong (2001a)检验)(2lllSlt l方差-Granger 因果关系类似的方法，我们可提出如下基于核函数的风险-Granger 因果关系检验统计量：(3.6)1 1221 1()()()()TTTjQMkjCMD 其中中心因子 (centering factor) 和尺度因子 (scaling factor) 分别为 7,)()1()(21Tj jkC7当 很大时，我们可分别用 和 近似M021)()(dzkM041)()(dzkMD和 。)(1CT)(1DT
