新三板、沪深股市间的波动溢出效应及动态相关性分析———基于BE

新三板、沪深股市间的波动溢出效应及动态相关性分析基于BE 一、引言 Wind资讯统计数据显示，在2014年10月10日，全国中小企业股份转让系统（以下称新三板;）挂牌公司家数为1169家，其中做市转让54家，协议转让1115家；2016年1月29日，挂牌家数为5623家，做市转让1280家，协议转让4343家，即在这期间，相当于每交易日有约10家企业在新三板挂牌。新三板与沪深股市在挂牌条件、审核程序、交易方式、投资者资格要求等方面存在较大差异。挂牌门槛低、审核程序简化使新三板挂牌公司数量迅速膨胀，交易方式仅做市及协议转让两种，投资者门槛高等制度因素也成为新三板流动性差的原因之一。统计数据显示，2016年1月，新三板成交金额仅197.48亿元，较沪深股市差距巨大。从目前来看，我国新三板发展空间较大，发展潜力充足。统计数据显示，新三板挂牌企业中，信息技术企业占比最高，为28.77%，其次是工业28.18%、材料13.67%，可见，中小型高科技企业在新三板中占据较大比重，发展新三板，对于丰富中小型高科技企业融资渠道、解决资金困境具有重大意义。同时，新三板在制度设计上与沪深股市存在较大差异，发展新三板是我国构建多层次资本市场的重要一步，对提高中小微型企业公司治理水平、丰富投资渠道、风险管理等具有重要意义。目前，监管层正在推行新三板分层设计，通过对新三板进行结构化管理，进一步发挥新三板的价值。在制度设计上，新三板与沪深主板、中小板及创业板之间存在较大差异，主要表现在：定位及准入门槛方面，新三板主要定位于服务创新创业成长型中小微企业，新三板准入门槛远远低于沪深股市；交易制度上，新三板采取做市交易及协议转让两种交易形式；投资者资格上，新三板主要面向机构投资者以及合格个人投资者，投资者门槛较高；交易价格限制上，新三板没有10%涨跌幅限制等。这些差异在沪深主板、中小板及创业板之间是没有的。差异化的制度设计可能导致新三板与沪深股市之间表现出较为明显的市场分割特征，在这样的背景下，本文拟通过采用BEKK-MVGARCH以及DCC-MVGARCH模型，分析新三板与沪深股市（主板、中小板及创业板）之间的波动溢出效应及相关关系的时变性。分析这一问题，既是分析新三板与沪深股市之间的风险特征，可以明确新三板与沪深股市之间的风险传递关系，为风险管理及投资资产配置提供借鉴，同时，对分析新三板在我国股票市场中的地位以及目前存在的问题、未来的发展方向等都具有重要意义。二、文献综述国内外对于资本市场的溢出效应和联动关系研究由来已久，但专门针对多层次资本市场内部的联动关系的研究较少，主要集中在对各个市场之间联动关系的研究。一方面是研究不同国家资本市场之间的关联性：Eun和Shim（*）利用VAR模型研究了9个股票市场之间的国际传递机制，发现美国股市在国际股票市场传递中扮演重要角色1；Soydemir（2000）基于4变量的VAR模型研究了发达国家和新兴市场国家的股票传递机制问题，并发现股票联动机制和国际贸易之间有较大的关系2；Forbes和Rigobon（2002）利用VAR模型研究了金融危机期间股票市场的传染性问题3；国内学者韩非和肖辉等（2005）、张兵（2010）等基于（多元）GARCH模型和线性Granger因果检验研究了中美股市的联动性和市场风险传染问题4-5。另一方面是研究股票市场与其他金融市场的关联关系：Yang（2005）等利用基于有向无环图（DAG）的SVAR模型研究了5个工业国家债券市场的关联关系，并基于实证结果探讨了货币政策的国际溢出效应6； Gilchrist（2009）等利用FAVAR模型研究了企业债券市场、股票市场、信贷市场和实体经济之间的互动关系，并发现来自债券市场的冲击在预测期2到4年内能解释实体经济波动的30%左右7； Apergis和Mmer（2009）、Fills（2010）、Kang和Ratti （2013）等均基于VECM模型研究了石油市场与股票市场的关联性8-10；国内学者袁超等（2008）、王茵田（2010）等、史永东（2013）等分别从多种视角并利用ADCC-GARCH模型、VAR模型和线性Granger因果检验、Copula和GARCH模型相结合研究了中国债券市场与股票市场的动态相关性、流动性溢出和风险溢出效应问题11-13；丁剑平（2009）等利用MV-GARCH模型研究了亚洲汇市与股市之间的联动关系14；金洪飞等（2008，2010）分别基于中美两国视角、分行业视角，利用SVAR模型、二元GARCH模型及双因子GARCH模型研究了石油价格与股票价格之间的关联性15-16。关注多层次资本市场之间联动性的研究极少，Cheung等（2013）利用线性回归模型对中国的主板市场和创业板市场之间的领先滞后关系进行了研究17；谷耀、陆丽娜（2004）首次利用DCC-（BV）EGARCH-VAR模型对沪、深、港三地股票市场收益和波动溢出效应与动态相关性进行了研究18；王旻、杨照军（2009）等通过ARCH模型对深圳的创业板市场的冲击;效应进行了实证研究19；张金林、贺根庆（2012）同样借助DCC-MGARCH-VAR模型对中国创业板和沪、深主板市场之间的时变联动关系和波动溢出效应进行了研究20。目前，新三板市场的发展日益受到关注，我国对于新三板市场的研究不断深入，但多集中在新三板市场的制度和功能研究，对于新三板与沪深股市间的溢出效应及其关联关系的研究几乎没有。如李冰（2013）研究了我国新三板证券市场中做市商制度的构建，认为做市商制度的引入对新三板证券市场具有重大意义21；杨勇（2014）在传统做市商弊端的基础上提出了我国新三板市场引入传统做市商制度的监管问题22；王永辉（2015）探讨了新三板挂牌企业的绩效，认为找到适合的评价机制对我国未来的资本市场运作具有重要意义23；张琳（2015）对新三板企业的流动性进行了分析，发现新三板挂牌企业流动性较弱，并在此基础上分析了流动性较弱的原因24。综上所述，尽管国内外对证券市场间及市场内部的波动溢出效应研究非常丰富，并且多是用VAR及GARCH类模型，我国学者对新三板市场也给予了一定关注，但目前对于新三板与沪深股市间的溢出效应及其关联关系的研究几乎没有。本文的重要贡献在于，通过利用非线性的多GARCH模型，对新三板与沪深股市之间的波动关系分析，弥补这部分空白。三、分析方法及数据说明（一）分析方法非线性的多元GARCH模型是分析市场间波动溢出的有效手段，相比线性的VAR模型，多元GARCH模型可以更准确的刻画市场间的波动溢出关系以及时变特征。多元GARCH模型包含的内容十分丰富，本文选用比较常用的BEKK模型以及DCC模型进行分析。1.BEKK-MVGARCH模型多元GARCH模型可以表述为：其中，C为下三角常数矩阵，A为ARCH项系数矩阵，B为GARCH项系数矩阵。矩阵A用来衡量ARCH项对本期条件方差和条件协方差的影响，矩阵B用来衡量GARCH项对本期条件方差及条件协方差的影响。常用的二元GARCH下，H、C、A、B矩阵的形式如下：其中，h11t、h12t分别表示序列1的条件方差和序列1、2之间的条件协方差，12、12分别衡量序列1对序列2的ARCH项和GARCH项的波动溢出效应，如果 12、12同时为零或者不显著，说明序列1对序列2不存在波动溢出效应，因此，检验序列1对序列2的波动溢出效应，可设定原假设拽0 12120。2.DCC-MVGARCH模型BEKK模型是对方差和协方差矩阵的直接建模。DCC模型则是间接对时间序列之间的相关性建模并且假定条件相关系数矩阵是时变的。假定：其他系数的含义与BEKK相同。本文利用DCC模型的主要目的是计算出序列之间不同时期的动态条件相关系数。对模型进行估计所使用的软件是RATS8.0，采用的算法为常用的BFGS算法。（二）变量选择及数据来源为分析新三板与沪深股市之间的波动溢出效应，需要选择两个市场间的代理变量。新三板方面，目前中证指数有限公司编制了三板做市以及三板成指两套指数，由于做市交易是新三板的重要交易手段，并且新推出的新三板分层制度划分为创新层企业的标准就有做市商要求，因此，在新三板的代理变量方面，选择三板做市指数。沪深股市方面，选择代表沪市的上证综指、代表整体市场的沪深300、代表深圳市场的深圳成指、代表中小板的中小板指以及代表创业板的创业板指五套指数。在数据处理上，以三板做市指数为例，利用公式lnrsbzst=（ln（sbzst）-ln（sbzst-1）*100分别计算指数的对数收益率，其中，sbzs表示三板做市指数序列，lnrsbzs表示三板做市指数的对数收益率。同样，以lnrszzz、lnrhsth、lnrszcz、lnrzxbz及lnrcybz分别代表上证综指、沪深300、深证成指、中小板指以及创业板指的对数收益率。所有的指数原始数据均来源于wind资讯。四、实证结果及分析（一）变量的描述性统计从不同指数对数收益率序列的走势可以清晰的看出，新三板做市指数与沪深股市的上证综指、沪深300、深证成指、中小板指以及创业板指之间波动特征差异非常明显，证明了新三板与沪深股市之间存在较明显的市场分割特征。从各变量的描述性统计可以看出，观测区间，新三板总体收益率表现仅次于创业板，优于上证综指、沪深300、深证成指以及中小板指数。标准差则远低于沪深股市指数，表明从风险及收益角度来看，新三板具备投资价值，并且在观测区间，总体表现优于沪深股市。从ADF检验可以看出，所有变量都是平稳的。LM检验表明，所有变量都存在ARCH效应，因此适用ARCH类模型。LM检验还表明，新三板指数的波动聚集效应显著性强于沪深股市指数，表明尽管新三板总体标准差较沪深股市低，但存在明显的波动聚焦特征，在特定时期内波动性非常大，存在风险积聚效应。（二）BEKK-MVGARCH结果BEKK模型在检验序列间的波动溢出效应上应用非常广泛，为了减少不必要的参数以及保证条件方差矩阵的正定性，对三板做市指数收益率与上证综指、沪深300、深证成指、创业板指以及中小板指分别建立二元BEKK模型，均值方程则选用二元VAR模型，在回归BEKK模型之后，利用F检验，根据前面所述的检验原理，检验序列间的波动溢出效应。为节约篇幅，只报告了BEKK模型的A矩阵和B矩阵交叉项系数及显著性。从BEKK的实证结果可以看出，五个二元BEKK模型，交叉项系数及其显著性表现出以下特征：首先，（12项都显著为负，而（21都不显著。表明短期内，沪深股市与新三板之间存在显著的单向波动溢出效应，即沪深股市的波动将传导至新三板，并且这种传导短期表现为负相关，这与新三板、沪深股市之间的市场分割有关，沪深主板、中小板及创业板在交易制度上基本一致，标的流动性非常好，除创业板对投资者资格略有限制外，投资门槛极低，投资者可以自由的在沪深股市配置风险，因此沪深主板、中小板及创业板市场分割特征不明显，市场相关性非常强，齐涨共跌;为常态，但新三板与沪深股市之间则不同，新三板与沪深股市之间的分割，使新三板与沪深股市之间短期在波动上存在差异，沪深股市的下跌并不能导致新三板指数下跌，反而因为分割特征的存在，使得在沪深股市下跌时新三板的配置价值短期凸显。其次、从（12项绝对值大小来看，绝对值最大的为上证综指与新三板指数，其次为沪深300、中小板指，创业板指最低。表明短期来看，上证综指对新三板指数的溢出效应更大，创业板则最低，这与不同市场的波动性有关，从描述性统计可以看出，上证综指与沪深300标准差最低，而创业板最高，尽管新三板波动聚集效应最为明显，但新三板总体波动性较低，与上证综指和沪深300指数更为接近。最后，（12项总体显著性要弱于（12项，并且除创业板与新三板外，其他沪深市场指数与新三板做市指数该项系数为正，而（21项则不显著。表明在长期，新三板与沪深股市之间的波动溢出效应仍然是单向的，即沪深股市传导至新三板，但长期则改变了沪深股市波动负向传导的关系，表明尽管短期内新三板与沪深股市之间交叉配置存在优势，但长期这样的优势并不可持续，在沪深股市下跌时，新三板的短期上涨随着时间的推移也会被侵蚀。（三）DCC-MVGARCH结果与BEKK-MVGARCH模型一样，对三板做市指数收益率与上证综指、沪深300、深证成指、创业板指以及中小板指分别建立DCC-MVGARCH模型，计算出动态条件相关系数，制图并做描述性统计。分别以szzzsb、hsthsb、szczsb、zxbzsb以及cybzsb代表三板做市指数与上证综指、沪深300、深证成指、中小板指以及创业板指之间的动态条件相关系数。从DCC系数的走势图可以看出，新三板与沪深股市的动态相关性总体较为稳定，新三板做市指数与上证综指、沪深300、深证成指、中小板指及创业板之间的DCC系数均值稳定在0.3左右，但市场面临系统性冲击时，新三板与沪深股市之间的动态相关性会出现短暂波动加大，如2015年3月央行降息后，DCC系数波动加剧，在股灾发生前，DCC系数表现出震荡下降的趋势，在这期间，沪深股市涨势良好，被称为政策牛;，而DCC系数降低，表明沪深股市在上涨期间，与新三板的相关性在降低，而在股灾期间以及2015年8月25日央行降准降息后第一个交易日（8月26日，上证综指下跌7.63%），新三板与沪深股市之间的动态相关性显著上升，表明新三板对沪深股市上行及下跌的冲击反应是不对称的，新三板对沪深股市下跌冲击的反应更明显，而对沪深股市上行则表现出反应不足。从三板做市指数与沪深市场指数之间的DCC系数均值来看，三板做市指数与沪深市场不同板块之间的相关性差别较小，从均值来看，三板做市指数与中小板指的DCC系数均值相对要高于其他板块，而与上证综指、沪深300指数的DCC系数均值相对低于其他指数，表明总体而言，新三板的波动特征与中小板市场更为接近。五、结论与建议利用BEKK/DCC-MVGARCH模型，分析了2015年1月4日—2016年1月29日期间，三板做市指数与上证综指、沪深300、深证成指、中小板指以及创业板指之间的波动溢出效应及动态相关性发现：首先，三板做市指数的标准差低于沪深股市，但其波动聚集效应较沪深股市更为显著，表明新三板市场总体交易不活跃，市场发展还不够成熟，风险较为集中。其次，新三板与沪深股市之间存在显著的波动溢出效应，但这种波动溢出效应主要表现为单向的，即沪深股市传导至新三板市场，表明尽管新三板定位为我国多层次资本市场的组成部分，但其对整个市场的影响力还非常弱。最后，新三板对沪深股市上行及下跌的冲击反应是不对称的，新三板对沪深股市下跌冲击的反应更明显，而对沪深股市上行则表现出反应不足。综上所述，目前新三板与沪深股市之间市场分割特征非常明显，新三板市场发展还很不成熟，新三板市场存在明显的风险集中特征，由于对沪深股市上行及下跌的冲击反应不对称，在负向冲击到来时，新三板市场容易出现暴跌行情，风险较大。因此，从新三板的风险特征来看，新三板市场目前还不适合普通投资者进入，但同时市场交投量不够活跃也一定程度上限制了新三板市场走向成熟，因此，除设置合格投资者门槛外，更应当加强对新三板市场投资者的风险教育，培育成熟的投资者；同时，可以考虑适当降低合格投资者的准入门槛，活跃市场，在合格投资者进入市场前进行充分的风险揭示、投资者教育。尽管新三板扩容速度快，但目前的新三板与构建我国多层次资本市场的定位还有一定的距离，挂牌公司数量的增加并不是推动新三板市场走上成熟的手段，在注重新三板作为中小微企业融资途径的同时，应当更加注重从制度层面完善新三板市场，真正发挥其发现价值的功能，提高新三板在资本市场中的地位，将其打造成差别化、能进能出、有投资价值的证券市场。www.001lunwen.com/help/48912.html 提供论文代写和代写论文服务参考文献：1Eun C S，Shim S. International transmission of stock market movementsJ.Journal of financial and quantitative Ana-lysis，*，24（02）:241-2562Soydemir G.International transmission mechanism of stock market movements; evidence from emerging equity marketsJ.Journal of Forecasting，2000，19（3）；149-1763Forbes K J’ Rigobon R. No contagion，only interdependence; measuring stock market comovementsJ. The journal of finance，2002，57（5）：2223-22614韩非，肖辉.中美股市间的联动性分析J.金融研究，2005（11）：117-1295张兵，范致镇，李心丹.中美股票市场的联动性研究J.经济研究，2010（11）：141-1516Yang J. International bond market linkages: a structural VAR anaIysisJ.Journal of International Financial Markets，In-stitutions and Money，2005，15（1）:39-547Gilchrist S，Yankov V， Zakrajsek E.Credit market shocks and economic fluctuations:Evidence from corporate bond and stock marketsJ.Journal of Monetary Economics，2009，56（4）:471-4938Apergis N，Miller S M. Do structural oil-market shocks affect stock pricesJ.EnergyEconomics，2009，31（4）:569-5759Filis G.Macro economy， stock market and oil prices: Do meaningful relationships exist among their cyclical fluctuationsJ. Energy Economics，2010，32（4）：877-88610Kang W，Ratti R A.Oil shocks， policy uncertainty and stock market retumJ.Journal ofInternational Financial Markets，Institutions and Money，2013，26：305-31811袁超，张兵，汪慧建.债券市场与股票市场的动态关系研究J.金融研究，2008（1）：63-7512王茵田，文志茵.股票市场和债券市场的流动性溢出效应研究J.金融研究，2010（3）：155-16613史永东，丁伟，袁绍锋.市场互联、风险溢出与金融稳定——基于股票市场与债券市场溢出效应的视角J.金融研究，2013（3）：170-18014丁剑平，赵亚英，杨振建.亚洲股市与汇市联动:MGARCH模型对多元波动的测试J.世界经济，2009（5）：83-9515金洪飞，金荦.石油价格与股票市场的溢出效应—基于中美数据的比较分析J.金融研究，2008（2）：83-9716金洪飞，金荦.国际石油价格对中国股票市场的影响一基于行业数据的经验分析J.金融研究，2010（2）：173-18717Cheung W， Liu K. A comparison of China Main Board and Growth Enterprise Market Board-Market Microstructure ApproachJ.Review of Pacific Basin Financial Markets andPolicies，2013， forthcoming18谷耀，陆丽娜.沪、深、港股市信息溢出效应与动态相关性J.数量经济技术经济研究，2004（11）：34-5619王旻，杨朝军，廖士光.创业板市场对主板市场的冲击效应研究J.财经研究，2009（5）：63-7320张金林，贺根庆.中国创业板和主板市场时变联动与波动溢出——基于DCC-MGARCH-VAR模型的实证分析J.中南财经政法大学学报，2012，（2）：100-10621李冰.我国新三板证券交易市场中做市商制度的构建研究J.经济视角（上），2013（7）：34-3522杨勇.我国新三板市场引入传统做市商制度的监管问题J.法制与社会，2014（3）：201-20223王永辉.对新三板挂牌企业绩效分析评价的探讨J.商，2015（6）：184