基于QVAR模型的沪港股市波动关联性研究

李孟凝

摘  要：本文着眼于沪港通开通前后，内地与香港股市间波动关联性变化，采用分位数向量自回归方法（QVAR），探究不同波动率水平下两地股票市场的波动性变化。研究发现内地市场在互联互通开通后，在各个波动率分位上都对对香港市场产生了显著的影响，而港市对内地影响仅在较低波动率水平上显著。但从影响程度上看，内地市场受香港股市传导而来的波动影响更为剧烈。

关键词：互联互通机制;波动关联性;分位数向量自回归

1引言

2014年11月首次搭建内地和香港资本市场互联互通管道的“沪港通”开始实施，迈出了从沪港市场双向开放到金融市场国际化的里程碑式的步伐。2016年“深港通”的开通，进一步的扩大我国资本市场的双向开放。资本市场的全球化是不可阻挡的时代浪潮，互联互通政策使得沪深港三个市场的联系更加密切，也让信息在三个股票市场之间快速传递，股票市场之间产生波动关联性成为了学界关注的热点话题。

但是，AH股两地上市公司之间的股票溢价，并没有随着“沪港通”的启动出现迅速的价差收拢，互联互通的有效性存疑。不少学者使用VAR模型研究多市场间的关联性，但这仅能测度平均程度上的波动关联。因此，本文选择使用QVAR模型，研究互联互通机制下沪港股市的波动关联性。

2文献回顾

Huo和Ahmed（2016）选取沪港通政策开通后9个月内的宽基指数的高频数据，通过建立GJR-GARCH和BEKK-GARCH模型的方法，发现在分钟级别上上海股票市场对香港股票市场的引导作用有明显加强，揭示了市场从波动性和均值维度都有不同程度的溢出现象，得出了对外开放加强了A股在国际上的影响力的结论。Habiba等（2020）通过建立二元EGARCH模型研究美股市场和南亚股市的之间的波动关联，结果表明在金融危机发生时两个股票市场之间的波动溢出大于非危机时期。

国内学者方面，张昭等（2014）选取沪港通开通前和开通后上证和恒生指数构建不同的波动性指标，通过向量自回归的格兰杰因果检验进行研究，发现沪港通开通增加了沪港两市之间的联动性。庞海峰等（2017）采用t-Copula函数对深港通政策实施前后上海股票市场和香港股票市场的相关性进行研究，实证发现上海股票市场和香港股票市场一直存在正向的相关关系，而且这个相关系数比较小，但是深港通实施后，上海股票市场和香港股票市场的相关性降低了。

总得来看，学者们使用了多种多样的方法研究市场间的波动关联性问题，但尚未有文献使用QVAR模型对中国互联互通前后内地和香港股市的关联性进行研究。

3模型设定与数据来源

3.1数据来源

本文选择上证A股指数和恒生指数2012年1月5日到2018年12月28日间的日度交易数据进行研究，数据来源于国泰安数据库。本文参考钟伶颖（2018）的做法，选用股票价格振幅来研究股票波动性。如（1）式所示，波动性指标Amt等于当日的最高价减去股票当日的最低价，再除以前一个交易日的收盘价

本文为了去除沪深港通开通前政策预期的复杂影响，避免沪深港通开通前相关信息引起的股市波动，同时更好的说明互联互通机制影响的前后对比，研究中剔除了从沪港通预期开通到深港通計划实施之间的数据。将余下数据分为实验组和对照组，以2012年1月5日的到2013年12月31日作为沪港通开通前的对照组数据，以2016年1月4日的到2018年12月28日的数据作为沪港通开通后的实验组数据。

3.2分位数向量自回归模型

有别于OLS框架下以残差平方和为最小目标函数的回归分析，分位数回归QR不易受到数据中的极端值的干扰，相对而言结果更加稳健。在估计量的意义方面，经典的最小二乘分析得到的估计系数反应的是被解释变量期望对解释变量的响应，即均值意义上的影响;但分位数回归的估计系数能够提供被解释变量条件分布的完整信息。传统的回归分析只能得到因变量的平均趋势，但分位数回归可以进一步推论因变量的条件概率分布。

本文参考Chen L等（2018）通过QVAR模型研究投资者情绪对沪深300指数影响的建模方法，建立如下QVAR模型研究互联互通影响效应的条件分布：

（2）式中变量选取恒生指数作为港股市场的代表，上证指数作为内地股市的代表，根据（1）式计算波动率的时间序列和。和分别为港股市场和上证市场波动率的条件分位数，取为十分位数进行刻画。为模型的滞后阶，T为时间序列样本数。通过对（2）式内等号右侧第二项的系数估计，可以刻画出互联互通前后，两地市场在不同波动率水平下互相影响效应的条件分布，从而对内地和香港股市的波动相关性得到一个更为立体的认知。

4实证研究

4.1互联互通前后波动性差异

在进行QVAR回归分析前，有必要直观地了解互联互通开通前后市场的波动性变化。本文对各市场互联互通开通前后的波动性差异进行了均值的非平衡t检验，结果如表1所示。开通前后，上海和香港市场间的波动性均值都存在显著差异，且都在1%水平上显著。从均值变化上来看，内地市场的波动性在开通后减小了，而香港市场的波动性则略有增大。从绝对值意义上来说，内地和香港市场间的波动性水平在互联互通开通后有趋于一致的倾向。

4.2分位数关联性分析

本文首先通过ADF检验，确定两组实验数据均为平稳的时间序列，模型中不存在因为时间趋势导致的伪回归问题。随后本文根据AIC准则，确定开通前后各个分位数区间上模型的最优滞后阶数，基本在1～2阶左右。限于篇幅原因，相关检验结果表格不在此列出

为避免极端值影响，本文对除最大和最小两个十分位段外建立了QAVR模型，并对开通前后两市场间相互影响情况进行了格兰杰因果检验，结果如表2所示。从表2可见，在互联互通实施以前，格兰杰检验系数几乎都不显著，沪港市场之间几乎没有关联性，仅在0.7～0.9分位区间上能观察到沪市对港市的显著影响。在互联互通实施以后，沪港市场间的关联性显著增强。在全部分位数区间上，沪市对港市的检验结果均显著，沪市均是港市的格兰杰原因。在0.2～0.5波动分位区间上，港市对沪市的检验结果显著，港市在下半波动区间内是沪市的格兰杰原因。

综合互联互通前后的分位数格兰杰因果检验结果可知，互联互通开通前内地和香港市场之间几乎没有因果关联性。互联互通开通以后沪港市场的波动关联性显著增强，上海市场的波动能够明显传导至香港股市产生影响，香港市场的波动性也能够在一些特定的波动区间内传导至内地市场。

4.3分位数波动溢出效应分析

本文通过建立QVAR模型，除检验不同分位数区间上沪港两市场间的关联性以外，还估计了不同分位数区间上的模型估计系数，并刻画出这些分位数估计系数的曲线如图1和图2所示。根据式（2）可知，Beta和Gamma分别代表沪市对港市和港市对沪市在不同波动率分位区间上的影响大小。

从图1互联互通前的分位数回归系数曲线可知。互联互通开通前，上海市场对香港市场的影响程度接近于零，仅在最高波动率分位上出现了一定的影响，这也与格兰杰因果检验的结果一致。香港市场对沪市的影响随着波动率的上升而上升的正相关性，且在最高波动分位上Gamma值接近于Beta的三倍。尽管港市对沪市的格兰杰因果关系不显著，但港市对沪市的影响大小远大于沪市对港市的影响。这也与股票市场实操中，人们认为A股常常在极端行情中看外部市场的脸色的印象相吻合。

从图2互联互通后的分位数回归系数曲线可知，互联互通开通后，沪港市场之间的均表现出正相关的影响，影响程度均随着市场波动的增加而增加。但从系数的大小上来看，Gamma值远大于Beta的值，且Gamma在0.1波动分位上的系数大小就已经与Beta在0.9分位上的大小相当，说明香港市场对上海市场的影响依然远大于沪市对港市的影响。

综合互联互通前后的QVAR系数曲线来看，互联互通使得两市场间的相互影響更为剧烈。沪市对港市的波动性关联比较显著，但是影响程度不大。港市对沪市的波动性关联尽管仅在部分分位数水平上显著，在一些波动分位上关联性不够明确，但是影响程度要远远来得更为剧烈。

这些可能是由于互联互通的额度限制导致沪市对港市的影响能力有限。另一方面，内地股市散户偏多和香港市场机构主导的差异，可能导致A股市场对外来冲击的反应更为敏感，从而表现出H股市场对A股市场更剧烈的影响能力。

5结语

本文通过建立QVAR模型，分析了互联互通开通前后沪港股市间的波动关联性和波动溢出效应。研究发现沪港通，在各个波动率分位上沪市都对对香港市场产生了显著的影响，而港市对内地影响仅在较低波动率水平上显著。但从影响程度上看，内地市场受香港股市传导而来的波动影响更为剧烈。互联互通使得内地股票市场的对外开放程度进一步加强，但也给投资者带来了更多的外来风险。金融机构需要关注开放政策的影响，防止外部冲击演化为系统性的金融风险。

参考文献：

[1]Rui Huo，Abdullahi D. Ahmed. Return and volatility spillovers effects： Evaluating the impact of Shanghai-Hong Kong Stock Connect[J]. Economic Modelling，2016，61.

[2]Umm E. Habiba，Shen Peilong，Wenlong Zhang，Kashif Hamid. International stock markets Integration and dynamics of volatility spillover between the USA and South Asian markets： evidence from Global financial crisis[J]. Journal of Asia Business Studies，2020.

[3]张昭，李安渝，秦良娟.沪港通对沪港股市联动性的影响 [J].金融教学与研究，2014， （06）：59-62+71.

[4]庞海峰， 刘振亮， 庞舒月. 基于Copula函数的深港通开通前后沪港股市相关性分析[J]. 哈尔滨商业大学学报：社会科学版， 2017（4）：8

[5]钟伶颖. 互联互通机制下沪深股市波动的实证研究[D]. 湖南大学， 2018.

[6]Chen L ， Yi A . Investor Sentiment and the Basis of CSI 300 Stock Index Futures： An Empirical Study Based on QVAR Model and Quantile Regression[J]. Discrete Dynamics in Nature and Society，2018（4）：1-13.