中国学术杂志网

外汇市场与股票市场发展现状

 论文栏目:外汇市场论文     更新时间:2012-6-11 10:18:57   

外汇市场与股票市场发展现状范文

随着经济全球化的发展,国际资本快速流动,金融机构大量涌现,金融创新层出不穷。在资本自由流动、信息充分交换的背景下,各个金融市场受到相同宏观经济因素的影响通常表现出协同变化的特征,即某个金融市场的价格变动能够更加容易且快速地传导到另一金融市场,这种金融市场之间的传导被称作波动溢出效应。外汇市场和股票市场是金融市场中2个最为重要的子市场,汇率是全球经济一体化下,维护国家经济稳定和金融安全的重要政策工具,股价是宏观经济运行的“晴雨表”,两者的协调发展在极大程度上影响着金融市场乃至宏观经济的稳定与发展。2005-04-29,中国证监会发布的《关于上市公司股权分置改革试点有关问题的通知》标志着股市开始进入全流通时代。2005-07-21,人民币汇率形成机制实行以市场供求为基础、参考一篮子货币进行调节、有管理的浮动汇率制度。自汇改之日起,人民币汇率持续升值,股市也迎来新一轮的上涨行情。然而,之后由于受到“大小非”解禁及国际金融危机的影响,上证综指一路下滑,从2007-10-16的6124点跌落至2008-10-28的1664点,跌幅达73%。与此同时,人民币汇率也一改往日的持续升值趋势,出现时升时降的现象。在此背景下,探索外汇市场和股票市场间的波动溢出效应将有助于深刻掌握金融市场间的内在关联机制、防范金融风险、促进金融市场改革,也可以为监管当局控制金融市场系统风险提供重要的参考价值。

1文献回顾

Kanas[1]是最早从波动率的角度研究股市和汇市间的溢出效应的学者,他采用二元EGARCH模型进行实证研究,发现除德国外其他工业国家均存在从股市到汇市的波动溢出效应,反向关系却非常微弱。Tai[2]利用多元GARCH模型对亚洲6个新兴金融市场的波动传导效应进行实证研究,得到与Kanas一致的结论。与前述学者研究得出的股市到汇市的单向波动溢出结果不同的是,Caporale[3]以东亚4个国家为研究对象,通过BEKK模型进行实证研究发现,股市与汇市间存在显著的双向波动溢出效应;Choi[4]利用多变量EGARCH模型,研究了新西兰汇市和股市间的波动溢出,实证发现存在股价波动到各个汇率指数的波动溢出,同时存在新元兑美元指数到股价波动的溢出效应。美国次贷危机爆发后,Wu[5]将次贷危机爆发作为分界点,研究发现,汇市与股市间的波动溢出效应比危机发生前更加明显。

国内学者针对外汇市场与股票市场间溢出效应的研究主要集中于价格溢出或者价格指数的协整关系检验等方面。邓燊等[6]采用协整检验和格兰杰因果关系检验方法进行研究,发现汇改后人民币升值是股价上涨的单向格兰杰原因。周虎群等[7]的研究结果表明,国际金融危机背景下,人民币汇率和股价指数间存在高度正相关。国内关于波动溢出效应的研究才刚刚起步,至今国内学者的研究结论并未成熟统一。陈云等[8]运用BVGARCH-BEKK模型进行实证研究的结果表明,中国汇市和股市间存在波动溢出效应且溢出方向在汇改前后表现不同。陈国进等[9]的研究结论认为,这种股市到汇市的波动溢出主要体现为短期效应,不具有持久性。关于外汇市场与股票市场波动溢出效应的研究大都是基于GARCH类模型的,它仅从时域角度进行分析,无法准确度量金融时间序列中各个周期分量的效果。因此,Ramsey[10]提出了小波变换可将过去不能观察到的细节内容分解出来进行分析。Rua等[11-12]正是运用小波分析特有的多分辨分析方法,将金融时间序列分解到不同的尺度,从时频角度同时进行股市间溢出效应的研究。小波多分辨分析能够挖掘金融时间序列在不同周期上蕴含的不同溢出效应,Kim等[13]采用极大重叠离散小波变换研究发现,G7国股价和债券收益间相互关系受到时间尺度的影响而发生变化。秦伟良等[14]对沪深股市的相关性进行小波分析时也印证了该结论。本文突破传统金融市场波动溢出效应的研究方法,采用小波多分辨分析方法,从时域和频域2个角度同时研究中国外汇市场和股票市场的波动溢出,以探究不同交易周期下的波动溢出效应。

2实证研究方法

大量实证研究发现,金融时间序列往往呈现波动的集聚性,因此,为准确度量汇市与股市金融时间序列的波动,本文考虑建立GARCH模型。在度量出金融市场波动的基础上,采用小波变换特有的多分辨分析对中国外汇市场与股票市场间的波动溢出效应进行研究。

2•1波动的GARCH模型估计

金融时间序列分析中通常要求随机扰动项是同方差的,Bollerslev[15]提出的GARCH模型能更加有效地捕捉金融时间序列条件方差的动态特征,也能较好地描述金融时间序列的尖峰厚尾性。本文采用GARCH(1,1)模型度量金融时间序列的波动。标准的GARCH(1,1)模型为:yt=x′t•γ+μt,t=1,2,…,T(1)σ2t=ω+αμ2t-1+βσ2t-1(2)式中:xt=(x1t,x2t,…,xkt)′为解释变量向量;γ=(γ1,γ2,…,γk)′为系数向量。式(1)给出的均值方程是一个带有扰动项的外生变量的函数,式(2)被称作条件方差方程,同时保证α+β<1,ARCH项系数α反映了外部冲击等对金融市场波动的影响程度,GARCH项系数β反映了金融市场波动的持续性的强弱[16]。

2•2小波变换的定义

小波变换的数学基础建立于19世纪的傅里叶变换,之后,Grossman利用平稳和伸缩不变性建立了小波变化的理论体系。

定义1设函数ψ(t)为一平方可积函数,ψ(t)∈L2(R),如果其傅里叶变化ψ(ω)满足可容许条件:Cψ=∫R^ψ(ω)2ωdω<∞(3)则称ψ(t)为一个基本小波或母小波。在连续情况下,通过对ψ(t)进行伸缩和平移后得到函数ψa,b(t)=1aψt-ba,a,b∈R;a>0(4)式中:a为伸缩因子;b为平移因子。

真实金融时间序列往往表现为离散数据,将ψa,b(t)的a、b在一些离散的点上取值,则ψa,b(t)改写为ψaj0,kb0(t)=a-j/20ψ[a-j0(t-kaj0b0)]=a-j/20ψ[a-j0t-kb0](5)则离散小波变换定义为WTf(aj0,kb0)=∫f(t)ψ*aj0,kb0(t)dt(6)j=0,1,2,…,k∈Z2•3多分辨分析多分辨分析由Mallat等[17]提出,其基本思路是将一个复杂信号分解成不同层次空间的不同频率的简单信号进行研究,从而提高了对信号分解、重构和特征提取的有效性。

定义2{Vj}j∈Z是空间L2(R)中的一个空间序列,多分辨分析指{Vj}j∈Z满足下列条件:

(1)单调性为VjVj-1,j∈Z(7)

(2)逼近性为∩j∈ZVj={0},∪∞j=-∞Vj=L2(R)(8)

(3)伸缩性为f(t)∈Vjf(2t)∈Vj-1(9)

(4)平移不变性为j(2-j/2t)∈Vjj(2-j/2t-k)∈Vj(10)k∈Z

(5)Riesz基存在性:存在(t)∈V0,令2-j/2t-k)k∈Z构成Vj的Riesz基。

设小波分解中的低频部分用Vj表示,高频部分用Wj表示,则可以利用有限的子空间逼近多分辨分析的子空间V0,即V0=V18W1=V28W28W1=…=VN8WN8WN-18…8W1(11)若令fj∈Vj代表低频部分,dj∈Wj代表高频部分,则式(11)意味着:f0=fN+dN+dN-1+…+d1(12)

3外汇市场与股票市场波动的度量

3•1变量选取与数据来源

本文探讨人民币汇率制度改革后,中国汇市与股市间的波动溢出效应,因此,实证分析的起始时间选取为汇改之日。本文外汇市场的指标选取为中国人民银行公布的以直接标价法表示的人民币兑美元的名义汇率中间价,数据来源于国家外汇管理局网站。在股票市场的指标选取上,由于上证综合指数与深圳综合指数或深圳成分指数的变化趋势大致相同,而上证综合指数描述中国股票市场整体变化趋势的代表性更高,因此,本文选择上证综合指数的每日收盘价代表股票价格,数据来源于雅虎财经网站。综上所述,本文选取2005-07-21~2010-12-31外汇市场与股票市场的日度交易数据作为样本。为了满足2个市场数据的逐日匹配,剔除了外汇市场的5个由于股票市场休市而未对应数据的汇率数据,共得到1327个样本数据。由于不同金融市场的价格计算方法与基数不同,本文采用对数差分法计算的收益率为Rt=lnPt-lnPt-1(13)式中:Rt表示第t个交易日的收益率;Pt表示第t个交易日的收盘价。

3•2正态性检验

首先,对人民币汇率收益率和上证综指收益率序列进行描述性统计分析,如表1所示。表1中2个序列的基本统计量结果显示:人民币汇率收益率和上证综指收益率序列的峰度均大于3,偏度都不为0,2个序列均满足尖峰后尾的特征。此外,根据Jarque-Bera统计量和P值,2个序列均不服从正态分布。基于正态分布的波动度量模型难以拟合收益率序列的尖峰厚尾性,度量波动的精确度较低,由此,本文建立GARCH模型度量波动。

3•3平稳性检验

由于建立GARCH模型度量波动的前提是样本数据是平稳的,因此,采用ADF检验方法对人民币汇率收益率和上证综指收益率序列的平稳性进行检验。其中,滞后阶数的选择基于AIC准则。表2结果显示,人民币汇率收益率和上证综指收益率的ADF检验在1%,5%,10%的显著性水平下都拒绝原假设,即认为人民币汇率收益率和上证综指收益率序列不存在单位根,是平稳序列。3•4自相关检验本文通过绘制相关图和计算Q统计量检验人民币汇率收益率和上证综指收益率序列自相关程度。表3结果显示,人民币汇率收益率序列1~10阶的自相关系数和偏自相关系数都接近于0,Q统计量对应的概率值都大于0•05,总体上看人民币汇率收益率序列不存在自相关。同时,上证综指收益率序列1~10阶的自相关系数和偏自相关系数都接近于0,除滞后4阶外其余各阶的自相关系数和偏自相关系数都在虚线范围之内,可以认为与零没有显著区别。

3•5ARCH效应检验与GARCH模型建立

金融时间序列的残差若存在ARCH效应,则可能导致最小二乘法估计的结果无效,从而降低结果的有效性[15]。为保证实证结果有效,本文采用ARCHLM方法检验残差序列是否存在ARCH效应。为了确定ARCH效应检验模型的基本形式,首先观察到人民币汇率收益率和上证综指收益率序列分别在滞后3阶及4阶的情况下具有相对较大的自相关系数和偏自相关系数;之后,再分别对收益率序列进行不同滞后阶数的自回归,发现人民币汇率收益率和上证综指收益率序列分别在滞后3阶及4阶情况下的自回归结果是显著的。Ret=Ret-3+εt(14)Rst=Rst-4+εt(15)式中:Ret和Ret-3分别表示t日与t-3日人民币汇率收益率序列;Rst和Rst-4分别表示t日与t-4日上证综指收益率序列;εt为扰动项。

分别建立ARCH效应检验模型的基本形式,检验结果如表4所示。根据表4的ARCHLM检验结果可知,人民币汇率和上证综指收益率的残差序列滞后1~10阶的F和TR2统计量的P值均小于0•05,说明残差存在高阶ARCH效应,适合运用GARCH模型。若残差序列存在ARCH效应,尤其是高阶ARCH效应时,可以采用GRACH模型较好地消除残差序列中的条件异方差[15]。因此,本文分别运用GARCH(1,1)-normal,GARCH(1,1)-t和GARCH(1,1)-GED模型对金融市场收益率序列的波动进行度量,结果如表5所示。由表5可知,对于人民币汇率波动来说,GARCH(1,1)-t模型中的γ和ω参数都统计不显著,GARCH(1,1)-normal和GARCH(1,1)-GED模型中除γ以外的其余参数均统计显著,为了保证条件方差的平稳性,α+β应该小于1,因此,选择GARCH(1,1)-normal模型度量人民币汇率波动。对于上证综指波动,GARCH(1,1)-normal,GARCH(1,1)-t和GARCH(1,1)-GED模型中的各个参数均统计显著。由于GARCH(1,1)-GED模型估计结果的对数似然值最大,AIC和SC值最小,模型的拟合优度最好。同时,α+β=0•9930<1,满足参数的约束条件。因此,选择GARCH(1,1)-GED模型度量上证综指波动。此外,对选取的2个模型估计结果再次进行ARCHLM检验,结果显示残差序列不再存在ARCH效应。

4外汇市场与股票市场间波动溢出的小波多分辨分析

在进行小波多分辨分析之前,首先要确定小波基底函数和分解层数。一方面,DaubechiesN小波(即dbN小波)是有限紧支撑正交小波,具有正交性和较好的降噪性[18]。随着N的增加,DbN小波的时域越光滑,频域分辨率效果越好,但小波变换的计算将会增加延长。因此,本文选取db6小波作为小波基底函数;另一方面,分解尺度取决于信号变化的具体情况和数据采样率,尺度越大,越有利于信号的去噪,然而过高会导致原信号,失真[19]。通过MATLAB软件计算得出db6小波在本文样本容量下的最大分解层数可达到6层,同时借鉴以往学者的研究,最终决定分解层数取5层。

本文采用db6小波对通过GARCH(1,1)模型估计得到的人民币汇率波动率和上证综指波动率的原始数据进行5层分解,以s代表波动率原始数据,di(i=1,2,3,4,5)代表高频部分反映短期变化,a5代表低频部分反映长期趋势[20]。人民币汇率波动率和上证综指波动率分解后的各层结果如图1、图2所示。由人民币汇率波动率和上证综指波动率多分辨结果可以看出,在时间序列400~800区间内,各层频率的波动都明显超过其他区间的波动。这是由于2007-07-10美国穆迪、标准普尔两大信用评级机构首次宣布次级债降级导致全球金融市场震荡,此后,中国外汇市场与股票市场的波动大幅增加,美国次贷危机的爆发对中国金融市场产生了巨大影响。

4•1小波多分辨分析结果的回归分析

首先,利用人民币汇率波动率和上证综指波动率分解后得到的不同频率数据,分别对低频(a5)和高频(d1)尺度上的2个市场的波动率进行回归,初步探究汇市与股市波动的关系,回归结果如表6所示。由表6可见:人民币汇率波动和上证综指波动间的相互关系在低频信号(a5)和高频信号(d1)上都通过了t检验,说明两者在长期趋势和短期波动上都具有一定的关联。此外,由回归系数及t值可以看出,与高频信号(d1)相比,2个市场波动率的低频信号(a5)具有更强的相互关系,由此也从另一侧面说明了人民币汇率波动和上证综指波动在长期趋势上具有更强的溢出效应。

4•2小波多分辨分析结果的平稳性检验

为进一步探讨人民币汇率波动和上证综指波动之间的溢出效应及其传导方向,本文采用Granger因果关系检验研究两者之间的波动溢出。在进行Granger因果关系检验之前,采用ADF方法进行单位根检验,以确保数据是平稳的。滞后阶数通过AIC准则确定,波动率的平稳性检验结果如表7、8所示。由表7、表8可见,人民币汇率波动率和上证综指波动率分解后的各层高频信号皆为平稳序列,可直接进行Granger因果关系检验;分解后的低频信号皆为非平稳数据,然而其一阶差分后的数据均为平稳数据,所以两者波动率的低频信号都为一阶单整序列,即为I(1)。这样两者波动率低频信号就具备了进行协整分析的必要条件,可通过协整检验来研究两者的协整关系。

4•3小波多分辨分析结果的协整检验

协整关系是指如果2个或2个以上的序列是非平稳的,但是它们的线性组合有可能相互抵消趋势项的影响,表现出平稳性,则变量间存在长期稳定的关系,即协整关系[15]。本文采用较为通用的基于回归系数整体检验的Johansen方法进行协整检验。通过AIC和SC准则,可以确定协整检验的滞后阶数取5(见表9),从而进行人民币汇率波动和上证综指波动的低频信号的Johansen协整检验。表10显示,在5%的显著性水平下,对于不存在协整关系的原假设,迹统计量和最大特征值统计量均大于5%临界值,即拒绝不存在协整关系的原假设;对于最多有一个协整关系的原假设,迹统计量和最大特征值统计量均小于5%临界值,即接受最多有一个协整关系的原假设。由此说明,人民币汇率波动率和上证综指波动率的低频信号之间存在一种长期均衡关系。

4•4小波多分辨分析结果的Granger因果关系检验

Granger因果关系检验实质在于检验能否将一个变量的滞后变量引入其他变量的方程中,如果某个变量受到其他变量的滞后变量的影响,则它们之间具有Granger因果关系[15]。表11给出了在AIC最优滞后期下,人民币汇率波动和上证综指波动间的Granger因果关系检验结果。由表11可见:在滞后5阶的情况下,对于高频信号来说,d1和d2分解尺度上,上证综指波动是人民币汇率波动的单向Granger原因,d3和d4分解尺度上,上证综指波动和人民币汇率波动互为Granger原因。即从短期波动来看,首先表现为股票市场到外汇市场的波动溢出,但随着交易周期的加长,逐步呈现外汇市场和股票市场的双向波动溢出效应。对于低频信号来说,人民币汇率波动和上证综指波动互为Granger原因,即从长期趋势来看,外汇市场和股票市场存在双向的波动溢出,这也进一步印证了随着交易周期的加长,中国汇市与股市间的波动溢出效应会由单向波动溢出转变为双向波动溢出。

5结论

本文采用小波多分辨分析方法将外汇市场与股票市场的波动分解在不同的交易周期上,分别利用高频信号和低频信号反映金融市场的短期波动和长期趋势,从不同尺度探究中国外汇市场和股票市场间的波动溢出效应,弥补了已有结论的片面性与单一性。本文研究的主要结论包括:

(1)人民币汇率和股票价格波动的低频信号具有长期协整关系,而这种长期均衡关系正是2个金融市场间存在波动溢出效应的内在重要原因之一。

(2)小波多分辨分析的独到之处在于能够挖掘出金融时间序列在不同交易周期上的关系,本文研究发现,金融市场在不同交易周期表现出的波动溢出效应存在非一致性,这是仅从时域角度刻画金融市场变化规律的传统方法无法企及的。从短期来看,中国外汇市场和股票市场间的波动溢出主要表现为后者到前者的溢出效应。人民币汇率机制改革之后,尤其是受到国际金融危机的影响,大量国外热钱卖出股票,中国股市发生大幅下跌,引起外汇市场的短期波动加剧。此外,因为中国出口产品具有较强的竞争力,短期内人民币汇率波动造成的进口成本的降低能够抵消出口产品价格的增长,短期内汇市波动对股市的传导作用很弱。

(3)随着交易周期的增长,中国外汇市场和股票市场之间逐步呈现显著的双向波动溢出效应。人民币汇率形成机制和股权分置改革以后,2个市场间信息流动的速度更快、效率更高,股市的波动将引发投资者将手中的股票进行重新组合,以期从不同货币计价的资产的利率差异或汇率变动中获利,从而体现为股市到汇市的波动溢出。此外,人民币汇率的长期波动将会对国内以进出口加工贸易为主的上市公司业绩造成影响,经营业绩会冲击上市公司股价,从而导致汇市到股市的波动溢出。

伴随着人民币汇率机制改革与股权分置改革以及国际金融一体化和自由化的发展趋势,中国外汇市场和股票市场间的波动溢出效应也将更加密切。因此,投资者应选择适当的资产组合,监管当局应建立完善的金融风险控制及预警机制,有效地防范和化解金融风险在金融市场间的传递。


学术网收录7500余种,种类遍及
时政、文学、生活、娱乐、教育、学术等
诸多门类等进行了详细的介绍。


外汇市场论文
@2008-2012 学术网
主机备案:200812150017
值班电话
0825-6697555
0825-6698000

夜间值班
400-888-7501

投诉中心
13378216660
咨询电话
唐老师:13982502101
涂老师:18782589406
文老师:15882538696
孙老师:15982560046
何老师:15828985996
江老师:15228695391
易老师:15228695316
其它老师...
咨询QQ
89937509
89937310
89903980
89937302
89937305
89937307
89937308
业务
综合介绍
论文投稿
支付方式
常见问题
会员评价
关于我们
网站简介
版权声明
友情链接
人员招聘
联系我们