主板与中小板与创业板之间的非线性研究:“市场分割”还是“危机传染”?_中小板论文

主板与中小板、创业板市场之间的非线性研究:“市场分割”抑或“危机传染”?,本文主要内容关键词为:市场论文,中小板论文,创业板论文,主板论文,危机论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。

      DOI10.13821/j.cnki.ceq.2015.04.16

      一、引言及文献回顾

      2013年11月召开的十八届三中全会在金融改革方面提出了健全多层次资本市场体系、多渠道推动股权融资、提高直接融资比重等改革措施。这一系列改革战略与措施意味着多层次资本市场的构建已经成为我国未来金融改革的重要方向之一。

      然而,随着我国中小板、创业板市场的相继推出,有人曾担忧主板市场和中小板、创业板市场可能由于定位不明晰等原因产生相互干扰、恶性竞争的后果。这种不良的相互影响机制反映在两个方面:(1)主板市场对中小板、创业板市场的负向影响,主要原因在于中国的中小板、创业板市场均内生于中国的主板市场,从而可能受制于主板市场的发展;(2)中小板、创业板市场对主板市场的负向影响,这种负向影响主要源于中小板、创业板市场对主板市场的资金分流。但是,主板市场和中小板、创业板市场面对的投融资对象有显著的差异性,是“分层”的两类市场,应该存在市场分割性并处于相对独立的运行态势。那么,中国的主板市场与中小板、创业板市场之间到底是相互干扰,还是市场分割?①其他国家(地区)的市场之间的关系又如何?

      此外,2007-2009年的国际金融海啸及最近爆发的欧债危机引发了国际监管组织、各国监管当局以及学术界对系统性金融风险的强烈关注,并分别从多种角度利用多种方法来识别、度量系统性金融风险。系统性金融风险的核心要素之一在于传染性,包括金融机构之间、金融机构与金融市场之间、金融市场之间的传染性以及系统性风险的跨境传染等。作为各国多层次股票市场的代表——主板市场与中小板、创业板市场在危机期间是否存在传染关系?传染方向是怎样的?传染方向与金融危机的特征有什么特殊的关联?主板市场与中小板、创业板市场的关联性和系统性金融风险有关系吗?

      上述两个看似“无关”的领域本质上都离不开对主板市场和中小板、创业板市场的关联性进行研究。金融市场之间的关联及传染性一直都是金融学研究的理论热点之一,原因在于它对于资产定价理论及国际资产投资组合等问题有着至关重要的作用。而对主板市场与中小板、创业板市场之间关系的研究也有利于检验我国多层次资本市场发展程度,从而为多层次资本市场的进一步完善提供借鉴作用。

      目前关于主板市场与中小板、创业板市场的关联性研究文献较少。其中,Lee et al.(2004)利用EGARCH、SVAR及线性Granger因果检验方法研究Nasdaq市场和亚洲创业板市场之间的信息溢出机制。Cheung et al.(2013)利用线性回归模型分析了中国的主板市场和创业板市场之间的领先滞后关系。王旻等(2009)利用GARCH模型和线性Granger检验对香港和深圳的创业板市场的冲击效应进行了实证研究。

      更多的研究主要集中于(国际)金融市场的关联性(interdependence)或传染性(contagion)等问题。关联性和传染性有一定的区别:关联性的定义比较广,包括均值及方差的各种相关性;传染性与金融危机等不利冲击有关,一般指金融危机期间金融市场关联性突然增加的现象,且这种突然增加的关联性往往不能完全由经济基本面解释。因此,传染性是关联性的一种特殊情况,金融市场正常时期的关联性一般作为危机期间传染性度量的基准。文献中度量金融市场关联性或者(危机期间的)传染性有以下几种方法:

      (1)相关系数法。King and Wadhwani(1990)较早地研究了金融危机期间(1987年“黑色星期一”股市崩盘事件)英国与美国股市之间的传染问题,并以危机期间的两国股指相关系数的显著增加作为股市传染的证据。基于King and Wadhwani(1990)的框架,Forbes and Rigobon(2002)则利用VAR模型对相关系数度量传染的异方差偏差进行了一定的纠正。Engel(2002)提出的DCC-GARCH方法为学者们研究金融市场之间的动态相关系数提供了很好的工具,张兵(2010)等②基于DCC-GARCH模型对金融市场的关联性或传染性进行分析。

      (2)协整关系法。一些学者基于Engle and Granger(1987)提出的“协整”概念来研究金融市场传染问题。金融市场之间存在协整关系指的是金融市场之间存在长期的经济均衡以及共同的随机趋势。金融市场一体化程度随协整向量个数增加而上升,因为协整向量个数的增加意味着有更多的共同随机趋势。Malliaris and Urrutia(1992)发现危机期间样本国家的协整向量个数显著增加。Click and Plummer(2005)、Wong et al.(2005)也都发现了危机期间国际股市之间的协整向量个数增多的现象。Ahlgren and Antell(2010)基于“协整”的思想,提出“协结构突变”(Co-breaking)检验法。基于此法,Ahlgren and Antell(2010)发现金融危机期间发达国家存在“协结构突变”现象,从而存在传染。

      (3)VAR及Granger因果关系法。这种方法能给出金融市场之间影响的方向和程度,应用范围非常广。Eun and Shim(1989)利用VAR模型研究包括美国在内的9个国家股票市场(收益率)之间的关联性,并发现美国市场对其他国家股票市场影响较大,而其他单个国家股票市场对美国股票市场的影响比较小。Ammer and Mei(1996)利用VAR模型研究了15个国家经济和金融一体化问题,并发现股票风险溢价是美国和英国股票价格变动的主要原因。Ehrmann et al.(2011)、Jayasuriya(2011)等分别基于VAR模型研究了美国与欧元区金融市场、中国与三个新兴市场邻国的金融市场关联性问题。国内学者韩非和肖辉(2005)、王茵田和文志茵(2010)③、张兵等(2010)也基于VAR模型或者Granger因果检验研究了包含中国股市在内的金融市场之间的传染问题。

      (4)GARCH及其各种扩展模型。这类模型主要研究金融市场之间波动率溢出效应。Lin et al.(1994)研究了两类投资者在危机期间国际股票市场传染中所起到的作用,作者基于GARCH-M模型估计了这两类投资者模型,并发现纽约股票市场与东京股票市场之间的收益率和波动率存在双向传染关系。Mun and Brooks(2012)利用APARCH模型研究了消息和波动率在全球股市传染中起到的作用,并发现传染问题主要来源波动率而不是消息,但国际金融危机的爆发将导致消息变得重要起来。与上述所有研究均基于总体股票指数不同的是,Baur(2012)利用25个主要发达国家的10个行业指数并基于GARCH模型研究了不同国家之间金融部门的传染、不同国家金融部门与实体经济的传染以及同一个国家金融部门与实体经济的传染。④需要注意的是,本文在某种程度上类似于Baur(2012)的研究,Baur(2012)是在行业维度对国内股票市场进行细分,本文主要从多层次维度对股票市场进行细分。国内学者张兵等(2010)、史永东等(2013)⑤也基于GARCH模型研究了包含我国股市在内的金融市场之间的风险传染问题。

      综上所述,目前关于金融市场关联性(传染)的研究主要集中于对不同国家金融市场或者同一个国家股票市场与其他市场之间的关系,而关于同一个国家内部不同层次股票市场之间的研究非常少。除此之外,上述文献的研究方法主要集中于线性分析框架。然而,大量研究发现金融时间序列常常呈现出复杂的非线性变化趋势(Taylor et al.,2001)。非线性参数方法由于避免了线性框架的线性函数假设约束,从而可以规避线性分析结论可能出现偏误的问题(Hiemstra and Jones,1994)。为此,非线性分析框架已经成为分析经济金融问题的重要范式。

      为此,本文利用包含中国在内的多个国家(地区)的主板市场和中小板、创业板市场数据,基于统一的逻辑框架并结合神经网络等非线性检验、非线性Granger因果检验、Bai and Perron(2003)结构突变点检验以及滚动窗口非线性Granger检验(即动态非线性Granger)等多种计量方法对主板市场与中小板、创业板市场之间的非线性关联进行研究。除此之外,本文的主要贡献还包含以下几个方面:(1)提出了主板市场与中小板、创业板市场之间的“区制转换”效应:市场分割假设和危机传染假设,并通过实证给予检验;(2)给出了主板市场与中小板、创业板市场之间传染方向所蕴含的危机特征;(3)提出了一种全新的系统性金融风险度量指标。

      本文结构安排如下:第二部分对研究方法与数据进行了简要介绍,并深入对比分析各个国家(地区)主板、中小板和创业板市场的基本运行状况,进而以此提出本文的两个研究假设;第三部分对我国主板市场和中小板、创业板市场进行实证分析;第四部分对多国(地区)主板市场和中小板、创业板市场进行动态非线性Granger分析,同时提出系统性金融风险度量指标;最后对本文的结论予以总结。

      二、方法、数据与研究假设

      (一)非线性Granger方法介绍

      本文采用Hiemstra and Jones(1994)(简称HJ94)与Diks and Panchenko(2006)(简称DP06)的非线性Granger因果检验方法来研究主板市场与中小板、创业板市场之间的非线性关联关系。

      HJ94的研究得出:对于给定的m、Lx(≥1)、Ly(≥1)和e>0,如果原假设为“不存在Granger因果关系”,则如下TVAL非参检验统计量服从渐进正态分布⑥:

      

      随着研究的不断深入,DP06发现HJ94检验方法存在“过度拒绝”的问题。为此,DP06对此方法进行了改进,并提出了非参检验统计量

      

      在研究中国的多层次资本市场非线性关联时,为保证结论的可靠性,本文同时采用两种非线性Granger因果检验方法进行研究。本文的结果基于C语言程序得到。⑦

      (二)数据说明

      由于中国中小板市场推出时间(2005年6月7日)与创业板市场推出时间(2010年6月1日)不相同,因此,在分析中国主板市场与中小板市场的非线性关系时,我们以2005年6月7日作为样本起始点,在分析中国主板市场与创业板市场的非线性关系时,我们以2010年6月1日作为样本起始点。除此之外,本文还包含美国等其他国家(地区)的数据,如表1所示。这些国家(地区)的主板市场数据以及中国台湾创业板市场数据来源于Wind数据库,除中国台湾外的创业板市场数据均来源于Bloomberg。本文均为日数据,并将指数收盘价转化为收益率序列(

)。

      

      下面对各股票指数进行简要介绍。沪深300、中小板指数以及创业板指数均由中证指数公司编制。沪深300指数主要选取沪深两主板市场规模和流动性排序前300只左右股票通过加权得到,其基期为2004年12月31日,基数为1 000,2005年4月8日首次发布。中小板指数选取中小板市场规模和流动性前100只左右股票加权得到,基期为2005年6月7日,基数为1 000。创业板指数选择创业板市场规模和流动性前100只左右股票加权得到,基期为2010年5月31日,基数为1 000。道琼斯工业平均指数以纽交所30只工业股票通过算术加权得到,最早于1896年5月26日发布,基期为100。纳斯达克综合指数,基期为1971年2月5日,基数为100。多伦多300指数,全称为标准普尔—多伦多股票交易所综合指数,基期为1975年,基数为1 000。多伦多创业板指数,基期为2001年,基数为1 000。富时100指数,又称伦敦金融时报100指数,由伦敦证券交易所上市的最大的100家公司构成的股票指数,于1984年1月3日创立,基数为1 000。富时另类投资市场全股指数是由伦敦交易所第二板交易市场全部股票构成的指数,于1996年创立,基数为1 000。日经225指数由东京证券交易所内上市的225家上市公司股票价格的算术平均数得到,基期为1950年9月7日,基数为当日的股票平均价格176.2日元。加斯达克综合指数由日本加斯达克市场的股票指数,基期为1991年10月28日,基数为100。韩国综合指数是韩国股票交易所的股票指数,基期为1980年1月4日,基数为100。科斯达克指数是韩国创业板——科斯达克市场的股票指数,基期为1996年7月1日,基数为100。⑨新加坡海峡时报指数由新加坡海峡时报对新加坡证交所大约45只最重要和最活跃的个股按市值加权得到,其基期为1998年8月28日,基数为885.26⑩。新加坡凯利板指数为新加坡创业板,其基期为1987年10月1日,基数为77.23(11)。中国台湾证交所加权股价指数为所有在台湾证券交易所挂牌的普通股通过构建市值加权得到,基期为1966年,基数为100。台湾柜台指数为市值加权指数,其包括所有在台湾柜台买卖中心挂牌超过一个月的股票,基期为1995年11月1日,基数为100。(12)对于这些国家(地区)创业板市场感兴趣的可以参阅深交所(2008)。

      (三)各个国家(地区)主板市场与中小板、创业板市场的对比分析

      在正式给出研究假设前,对各个国家(地区)主板市场与中小板、创业板市场的基本运行状况进行对比分析必不可少。为此,图1和图2从规模(总市值)、风险(波动率指标)、估值(市盈率、市净率和市销率指标)、盈利(每股盈利指标)等维度进行对比分析。

      从规模看,各个国家(地区)的中小板、创业板市场都远小于主板市场。另一方面,横向对比可以发现中国中小板、创业板市场,中国台湾创业板市场等非主板市场的规模高于其他国家(地区),从而反映出中国、中国台湾对于中小板、创业板市场监管要求更高。而从规模走势看,中国中小板、创业板市场,美国创业板市场、加拿大创业板市场等规模逐渐上升,反映了这些国家(地区)中小板、创业板市场的发展趋势较好。

      从风险看,各个国家(地区)的中小板、创业板市场的风险基本上均高于主板市场。其中,中国、加拿大、韩国、新加坡、中国台湾几个国家(地区)的中小板、创业板市场波动率在整个样本期间的波动率基本高于主板市场;美国、英国和日本的创业板市场波动率虽然在部分样本期间略低于主板市场,但是在其他样本期间,其创业板市场波动率要远高于主板市场,这也说明这些国家(地区)创业板市场的风险较高。

      从估值看,除新加坡外,各个国家(地区)的中小板、创业板市场的估值水平也基本上均高于主板市场。具体而言,各个国家(地区)(除新加坡外)的中小板、创业板市场的市盈率在样本期间基本都高于主板市场,从而表明中小板、创业板的估值要高于主板市场。从市净率和市销率看,中国(包括中小板市场)、美国、加拿大和韩国的创业板市场在整个样本期间基本高于主板市场,日本、新加坡则在整个样本期间基本低于主板市场,英国和韩国则与主板市场相接近。结合这三个指标可以看出,除新加坡的创业板市场的估值水平低于主板市场外,其他国家(地区)的中小板、创业板市场的估值水平要高于主板市场。

      从盈利看,除中国的中小板市场盈利能力较强外,所有创业板市场的盈利能力均较弱。(13)

      因此,各个国家(地区)中小板、创业板市场较高的波动率和估值水平、较低乃至负的盈利性特征都表明它们与主板市场之间存在显著的差异性。

      

      图1 各个国家(地区)中小板、创业板市场相对于主板市场的运行状况(14)

      

      图2 各个国家(地区)中小板、创业板市场相对于主板市场的运行状况

      (四)研究假设

      由上所述,市场运行态势表明主板市场与中小板、创业板市场之间存在显著差异。这种差异性源于它们在股本、股东人数、经营年限、信息披露、盈利等诸多方面设置的门槛存在显著差异,且它们各自面对不同的投融资对象(方意和谢晓闻,2014(15))。从投资对象看,主板市场主要面对风险偏好低及对收益要求不高的投资者,中小板、创业板市场主要面对风险偏好高及追求高回报的投资者;从融资对象看,主板市场主要面对成熟的、风险较小的大型企业,而中小板、创业板市场主要面对高成长性、风险较大的中小型企业(见图1、图2)。这些制度上的差异使得主板市场与中小板、创业板市场是“分层”的市场,并导致了主板市场与中小板、创业市场差异显著的市场表现(见图1、图2)。在金融市场正常运行期间,主板市场与中小板、创业板市场作为两对“分层”的市场,它们将各自遵循自己的运行轨迹,市场之间存在显著的“分割”特征(这里借鉴了利率期限结构理论中“市场分割”理论的思想)。

      另外,在中小板、创业板市场开辟初期,主板市场与中小板、创业板市场之间可能出现相互干扰的现象,从而市场分割特征较弱。这种相互影响的现象主要表现在:(1)主板市场可能对中小板、创业板市场产生挤压效应。深交所(2008)(16)指出海外创业板市场发展初期,创业板市场从属于主板市场而存在,受主板市场影响非常大,这种现象在创业板市场派生于主板市场的多层次资本市场中更加突出。(2)中小板、创业板市场可能对主板市场产生冲击效应(王旻等,2009(17);Cheung,2013),原因可能在于新进入市场和已有的主板市场存在一定程度的竞争关系,当整个市场规模在短期无法扩大时,新进入市场必然对已有的主板市场造成资金分流的影响。

      基于以上理论分析,我们有以下假设:

      H1(市场分割假设):在市场正常运行时期,主板市场与中小板、创业板市场应保持相对独立的运行态势,具有显著的市场分割性。但在中小板、创业板市场推出初期,主板市场与中小板、创业板市场之间有可能出现相互干扰的现象,市场分割特征较弱。

      另一方面,金融危机的频繁爆发促使政策当局、学术界对系统性金融风险的日益关注。而系统性金融风险的核心即在于金融机构之间、金融市场之间、金融体系与实体经济之间的相互传染性。一些学者甚至用相关系数来度量系统性金融风险的大小(Lehar,2005),根据引言部分的文献回顾我们可知,学者们通过多种分析方法发现危机期间金融市场间的关联性显著增强,并表现出高度的传染性。对于主板市场和创业板市场(含中国的中小板市场)来说,由于其面对不同的投融资对象,其在市场正常运行时处于市场分割状态,一旦危机爆发,这种状态可能遭到破坏,并同样表现出高度的传染性。为此,我们提出第二个研究假设:

      H2(危机传染假设):金融危机期间,主板市场与中小板、创业板市场之间的市场分割特征被打破,并表现出高度的传染性。

      需要指出的是,本文研究假设的必要条件是两个市场存在“分层”。本文基于主板市场与中小板市场之间的关系以及主板市场与创业板市场之间的关系得到的结果都可以用来验证上述两个假设。(18)另外,由于本文其他国家(地区)只有主板市场和创业板市场,因此,在研究其他国家(地区)时,仅采用主板市场与创业板市场来验证上述两个研究假设。

      三、中国市场的非线性分析

      第二部分提出了两个研究假设,这一部分,本文先对中国市场进行非线性分析,以验证这两个假设,在第四部分则将分析拓展至多国(地区)。

      (一)非线性检验(19)

      在进行非线性Granger因果关系检验之前,先要对各序列进行非线性关系检验。为保证收益率序列之间具有严格意义上的非线性关系,借鉴DP06的思路,首先在各自VAR(2)系统中过滤掉其线性成分,然后在此基础上进行非线性检验。对于中国,我们分别构建主板市场和中小板市场、主板市场和创业板市场指数收益率构成的VAR(2)模型,而其他国家(地区)只构建主板市场和创业板市场的VAR(2)模型。由于非线性情况非常多,不可能存在一种完全占优的非线性检验方法,一般均使用多种方法进行联合检验。表2、表3表明,4个统计量中的大部分都支持各个国家(地区)的主板市场和中小板市场、主板市场和创业板市场存在非线性关系。

      

      

      (二)中国市场的非线性Granger因果分析

      本文在非线性检验基础上,分别采用HJ94(TVAL)及DP06(Tn)的非参检验方法对中国市场之间的相互影响机制进行研究。具体而言,本文主要针对我国主板市场与中小板市场、主板市场与创业板市场经VAR系统“线性过滤”后的残差成分进行检验,并给出共同滞后阶数1至5期的结果列于表4。

      

      由表4,在全样本中,主板市场和中小板市场存在双向非线性Granger因果关系,主板市场与创业板市场并不存在任何非线性Granger因果关系。因此,实证结果表明主板市场和创业板市场之间存在显著的市场分割特征,而主板市场与中小板市场之间没有市场分割。为了找出主板市场与中小板市场相互干扰的真实原因,有必要对样本区间进行分段检验。

      为此,借鉴Bai and Perron(2003)的结构突变点检验,将trimming参数设置为0.15,结构突变点个数最大值设置为5个。由表5可以看出,无论是原始数据还是VAR系统残差序列数据,主板市场、中小板市场的统计量

(i=1,2,…,5)以及UDmax均显著地拒绝“不存在结构性变化”的原假设,从而主板市场、中小板市场数据中都存在结构突变点。

的结果表明,主板市场和中小板市场的原始数据和残差数据都存在1个结构突变点,且基于原始数据和残差序列数据都表明主板市场的结构突变点发生在2007年10月16日,中小板市场的结构突变点发生在2007年9月3日,从而原始数据和残差序列数据得到的结果是一致的。

      

      基于上述分析,我们按以下两种方式将主板市场、中小板市场的样本期分割为两阶段,实证结果列于表6。由表6可知,无论是基于主板市场结构突变点还是基于中小板市场结构突变点的结果,第一阶段主板市场与中小板市场之间基本不存在非线性Granger因果关系,而第二阶段主板市场与中小板市场之间则存在显著的双向非线性Granger因果关系。从而,我国主板市场与中小板市场在结构突变点的前期是相互独立运行的,具有显著的市场分割性,而在结构突变点之后的样本中则出现了相互干扰的情形。依据研究假设H1,在市场正常运行期间,主板市场与中小板市场应该具有显著的市场分割性,即使出现相互干扰的情形,也只可能在中小板市场推出初期,而不是在结构突变点之后的样本区间出现相互干扰。因此,必然有其他条件导致主板市场与中小板市场出现了相互干扰的情形。经研究,我们发现主板市场结构突变点(2007年10月16日)与主板市场指数的历史最高点2007年10月17日(5 891.72点)为相邻的两个交易日,自此之后中国主板市场经历了长达1年多的大熊市(2008年11月7日,沪深300历史低点1 612.74点),而此段时间恰好对应着美国次贷危机时期以及随后雷曼兄弟破产引发的全球金融海啸。是否金融危机导致了主板市场与中小板市场之间产生了双向非线性Granger因果关系呢?或者意味着研究假设H2成立呢?

      表7给出了国际金融危机期间(2007年10月17日至2009年10月20日)、国际金融危机后(2009年10月21日至2013年11月29日)主板市场和中小板市场之间的非线性Granger因果关系结果。由表7可以看出,TVAL统计量和Tn统计量都表明在国际金融危机期间,主板市场和中小板市场之间都存在非常显著的双向非线性Granger因果关系,而国际金融危机后主板市场和中小板市场之间则不存在任何非线性Granger因果关系。因此,国际金融危机期间,主板市场与中小板市场表现出显著的危机传染性,从而研究假设H2成立。国际金融危机后,两个市场又出现市场分割性,从而研究假设H1成立。除此之外,此结果还表明结构突变点检验确实能较好地甄别出样本结构突变现象。

      

      

      综合以上实证结果,我们可以得到:中国主板市场与创业板市场之间具有显著的市场分割性(H1成立)。中国主板市场与中小板市场在国际金融危机之前和之后也具有显著的市场分割性,而在国际金融危机期间则存在显著的危机传染性(H1和H2成立)。

      四、动态非线性分析

      (一)研究假设H1和H2的进一步检验

      上一部分研究了我国主板市场与中小板市场、主板市场与创业板市场之间的非线性关系,在研究过程中,我们发现如果不对样本区间进行分段划分,将可能导致结论的偏误。为此,本文进一步采用滚动窗口分析多个国家(地区)的主板市场与创业板市场之间的非线性关系(20),以进一步检验研究假设H1和H2。

      滚动窗口方法的实现过程如下:(1)利用两年期(大约480个交易日)的时间窗口作为每次非线性Granger因果检验的样本,在做完每次检验后,记录滞后8期的检验统计量的平均值,此值对应窗口期末端时间;(2)窗口沿总体样本向后滚动20个交易日(1个月),从而得到新的样本期,再次记录滞后8期的检验统计量的平均值;(3)对步骤(2)重复至整个样本期末,并将所有滞后8期的检验统计量平均值绘制成动态非线性关系曲线。图3、图4分别给出了各个国家(地区)主板市场与创业板市场的动态非线性Granger因果检验值,横坐标轴对应5%的显著性水平,高于横坐标轴说明二者存在显著的非线性Granger因果关系。

      

      图3 动态非线性Granger因果检验

值(美国)

      为了检验研究假设H1,我们先以主板市场和创业板市场最成熟的美国进行分析。从美国主板市场与创业板市场的动态非线性Granger因果关系图看,主板市场和创业板市场在个别时间段相互影响程度急剧增加(后面我们将发现这些时间段全部对应着金融危机),而在其余时期,主板市场和创业板市场之间基本不存在非线性Granger因果关系,从而美国的主板市场和创业板市场在市场正常运行时期也满足市场分割假设(H1成立)。

      继续分析和检验其他国家(地区)。我们发现加拿大、英国、日本、韩国、新加坡与中国台湾的主板市场和创业板市场在样本期间的大部分时期(其他时期基本也都对应着金融危机时期)都呈现出没有任何非线性Granger因果关系的“景象”,从而这些国家(地区)在市场运行期间都满足市场分割假设(H1成立)。再仔细观察中国的动态非线性Granger因果关系图,我们发现主板市场和中小板市场在样本的前期及中后期都没有任何非线性Granger因果关系,而主板市场和创业板市场则在整个样本期间都没有非线性Granger因果关系,滚动的结果和第四部分实证结果完全一致。从而滚动窗口结果也支持了中国市场满足研究假设H1。

      

      图4 动态非线性Granger因果检验Tn值(除美国外的国家(地区))(21)

      为了检验研究假设H2,我们仍然先对美国进行分析。观察美国的动态非线性Granger因果关系图,我们发现其主板市场与创业板市场在八个时间段的非线性Granger因果关系急剧攀升,并达到非常显著的水平,这八个时间段分别对应1972年1月至1974年9月(主板市场与创业板市场存在双向非线性Granger因果关系,且创业板市场对主板市场的影响高于主板市场对创业板市场的影响)、1979年5月至1979年8月(创业板市场到主板市场的非线性Granger因果关系)、1986年9月至1988年6月(主板市场与创业板市场存在双向非线性Granger因果关系,且创业板市场对主板市场的影响高于主板市场对创业板市场的影响)、1997年4月至1998年7月(创业板市场到主板市场的非线性Granger因果关系)、2000年6月至2001年7月(主板市场与创业板市场存在双向非线性Granger因果关系,且创业板市场对主板市场的影响高于主板市场对创业板市场的影响)、2007年10月至2008年6月(主板市场到创业板市场的非线性Granger因果关系)、2008年7月至2009年3月(主板市场到创业板市场的双向非线性Granger因果关系,且主板市场对创业板市场的影响高于创业板市场对主板市场的影响)、2009年8月至2011年1月(主板市场到创业板市场的双向非线性Granger因果关系,且主板市场对创业板市场的影响高于创业板市场对主板市场的影响)。仔细观察上述时间段,可以发现它们分别对应着系统性危机事件发生时间段:第一次石油危机的爆发(1973年10月)、第二次石油危机的爆发(1978年年底)、“黑色星期一”股市大崩盘(1987年10月19日)、亚洲金融危机(1997年7月)、互联网泡沫危机(2000年3月)、次贷危机(2007年4月4日)、国际金融海啸(2008年9月15日)、欧债危机(2009年10月20日)。这几次危机都导致了美国股市的暴跌,因此从某种方面来讲都是金融危机。据此,我们可以得出,伴随金融危机的爆发,美国主板市场和创业板市场之间的非线性关系急剧攀升,且至少存在一种显著的非线性Granger因果关系,从而金融危机期间,美国的主板市场与创业板市场之间存在显著的危机传染性(H2成立)。

      从其他国家(地区)看,中国、加拿大、英国、日本、韩国、新加坡、中国台湾与美国一样,在整个样本期间主板市场和创业板市场之间非线性Granger因果关系显著增加并呈现出显著水平的时间段,也都对应着上述某些国际金融危机的爆发时间段(总结见表8),而在其他时间段基本不存在任何非线性Granger因果关系。因此,美国之外的国家(地区)在金融危机期间,主板市场与创业板市场也呈现出显著的危机传染性,从而研究假设H2成立。

      综上所述,我们可以发现主板市场与中小板、创业板市场存在“区制转换”效应:在非金融危机期间,主板市场与中小板、创业板市场由于面对不同的投融资对象,具有显著的市场分割性(H1);而在金融危机期间,两个市场之间正常的“市场分割”机制被打破,切换为“危机传染”机制,也就是说,金融危机导致了两个市场之间存在显著的危机传染性(H2)。

      (二)金融危机传染特征分析

      接下来,在研究假设H2的基础上,继续分析主板市场与中小板、创业板市场之间的传染关系所揭示出的金融危机特征。

      图5给出了各个国家(地区)的主板市场与中小板、创业板市场的行业覆盖度。由图可以看出,主板市场基本在各个行业都有分布,且分布相对比较均匀,而各个国家(地区)中小板、创业板市场则明显地偏向了某些行业而对其他某些行业没有涉及。另外从两个行业覆盖的标准差看,中小板、创业板要比主板市场大得多。由此,主板市场由于覆盖了实体经济的各个行业,从而其与实体经济的关联性更大(这与Cheung and Liu(2013)的研究结论相一致)。因此,金融危机期间,如果存在主板市场到中小板、创业板市场的传染关系,则表明实体经济等基本面出现了危机,为此我们将其称之为基本面传染。具体而言,从主板市场到中小板、创业板市场的传染,本质上是实体经济危机传染至主板市场,再从主板市场传染至中小板、创业板市场的过程,即这种传染是实体经济等基本面发生问题导致的传染。

      随着全球经济金融一体化,国内实体经济发生危机的一种可能是自身经济出现问题,其通过贸易渠道等实体经济变量传染至其他国家(此种情形对应危机发生国),另一种可能是受全球经济金融危机的传染而招致的危机(此种情形对应危机被传染国)。鉴于本文主要从多国(地区)视角研究问题,本文主要针对第二种情形。如图6所示,危机国发生了金融危机并传导至实体经济部门,实体经济部门再通过贸易渠道等途径传导至本国实体经济,继而反映至主板市场,最终从主板市场传染至中小板、创业板市场。

      

      

      图5 中国主板、中小板及创业板市场行业分布(23)

      

      图6 金融危机的两种传染渠道

      如果存在中小板、创业板市场到主板市场的传染关系,则为纯预期传染。由于中小板、创业板市场与实体经济的关联性较弱(见图6),因此当创业板市场出现危机并传导至主板市场,并不意味着实体经济出现了危机,更大可能性来自于金融市场投机性投资者的心理预期。原因在于中小板、创业板市场规模小(图1、图2),更易受投机性投资者的追捧。(24)另外,从市场表现看,中小板、创业板市场的高波动性、高估值、低水平乃至负盈利体现了其具有高风险性,且对风险的敏感程度要远高于主板市场。因此,从中小板、创业板市场传染至主板市场,很可能是由于其他国家金融危机的爆发使本国创业板市场投资者的心理预期发生变化,导致其他国家金融危机传导至本国中小板、创业板市场,并通过中小板、创业板市场传导至本国主板市场,这种传染本质上是一种纯预期传染,与实体经济关联性不大。图6给出了这种传染路径。

      对比基本面传染和纯预期传染,我们可以得出结论:基本面传染危机要比纯预期传染危机更严重,原因在于基本面传染意味着实体经济出现危机,而纯预期传染则不然。当主板市场与中小板、创业板市场存在双向传染关系时,意味着同时包含基本面传染和纯预期传染,往往对应着更加严重的危机。存在双向传染关系时,当主板市场到中小板、创业板市场的传染高于中小板、创业板市场到主板市场的传染时,此时以基本面传染为主;当中小板、创业板市场到主板市场的传染高于主板市场到中小板、创业板市场的传染时,此时以纯预期传染为主,且前一种情形危机严重程度更高。

      基于以上分析,我们进一步对实证结果进行整理并得到表8。由表8可以发现:(1)金融危机爆发频率递增。在20世纪70年代至20世纪末,金融危机爆发了4次,而进入21世纪的不到10年内,金融危机也爆发了4次;(2)金融危机爆发程度逐渐严重。这反映了全球经济金融一体化程度的逐步加深。限于样本问题,我们以亚洲金融危机及以后的危机进行说明。亚洲金融危机爆发期间,美国、英国、日本均仅表现为单向传染,韩国、新加坡则表现为双向传染;互联网泡沫危机爆发期间,美国、英国表现为双向传染,韩国表现为单向传染;次贷危机、国际金融海啸及欧债危机爆发期间,基本上所有国家都表现出传染关系;(3)金融危机期间,发达国家主板市场与创业板市场之间的传染性更显著。这反映了发达国家资本市场之间的关联性更强。美国、加拿大、英国、韩国等各个国家在样本期间爆发金融危机时,主板和创业板市场之间都发生了传染关系,中国、日本、新加坡、中国台湾的主板市场和中小板、创业板市场等则在样本期间有1次没有对金融危机产生反应。这些结论与经验事实相符合,进而在一定程度上论证了本文研究方法的合理性。

      表8的结果还表明本文关于危机传染特征的理论分析符合金融危机的现实状况。亚洲金融危机期间,美国仅表现为纯预期传染,日本则表现为基本面传染,而对韩国、新加坡来说,则表现为双向传染,且以基本面传染为主,这与亚洲金融危机是亚洲区域性的金融危机的事实相符。互联网泡沫危机期间,仅美国、英国为双向传染,且以纯预期传染为主,而仅韩国表现出单向的纯预期传染,这说明互联网泡沫危机程度并不算严重,仅影响发达国家,这与互联网泡沫源于美国等发达国家的以互联网行业为主的高科技股票泡沫危机相符合。次贷危机期间,英国、日本为双向传染,且以基本面传染为主,而美国、加拿大、新加坡、韩国、中国台湾为单向传染。因此,次贷危机远比发达国家互联网泡沫危机更严重,这也符合危机实际状况。随着次贷危机演进转化为国际金融海啸,英国、日本仍为双向传染,且仍以基本面传染为主,美国、加拿大、中国台湾则由次贷危机期间的单向传染转变为双向传染,且都以基本面传染为主。中国则在国际金融海啸期间表现为双向传染。国际金融海啸还未休止,欧债危机的爆发将国际金融海啸中受影响的国家进一步拖向更为严重的危机深渊。在欧债危机中,样本中国家基本上都表现为双向传染,危机程度相对于国际金融海啸期间更严重。因而,本文的实证结果及金融危机传染特征的理论分析,与金融危机事实完全一致。

      (三)系统性金融风险的度量:动态非线性Granger因果检验

      基于本部分(二)的分析,结合图2和图3,我们进一步发现,主板市场与中小板市场、主板市场与创业板市场之间的动态非线性Granger因果检验

值(简称动态

值)可作为度量系统性金融风险的一种有效指标。

      系统性金融风险有两个维度:时间维度和空间维度(FSB et al.,2011)。其中,时间维度指的是金融体系与实体经济相互作用而导致的顺周期性,本质上为金融体系与实体经济之间的传染;空间维度指的是某一时刻金融体系的系统性风险在金融机构之间或金融市场之间的分配,本质上为金融机构之间或者金融市场之间的传染。

      从理论上看,主板市场与中小板、创业板市场之间的动态

值可以作为系统性金融风险的度量指标。由前述知,主板市场到中小板、创业板市场的传染本质上反映的是实体经济危机向金融市场的传染,从这个角度来看,主板市场与中小板、创业板市场的动态

值反映了系统性金融风险的时间维度。主板市场与中小板、创业板市场之间的传染关系作为金融市场之间的一种传染关系,更是反映了系统性金融风险的空间维度。需要进一步指出的是,系统性金融风险往往表现为非线性关系(DeVries,2005),危机时期,以VaR为代表的线性风险模型的失灵便是例证。基于上述分析,本文的主板市场与中小板、创业板市场之间的动态

值能同时体现系统性金融风险的时间维度和空间维度,并且体现出了系统性金融风险的非线性特征,从而在理论上可以作为合适的系统性金融风险度量指标。

      从实证结果上看,图2、图3中列示的各国(地区)动态T值均在金融危机期间急剧上升,并达到显著的水平,从而体现出此度量指标的有效性。而根据金融危机传染特征分析可知,主板市场到中小板、创业板市场的动态Tn值与中小板、创业板市场到主板市场的动态T值所传导的危机特征有显著的差异。为此,根据实际运行中动态Tn值的走势,我们可以给出此指标预示的发生系统性金融风险的信号强度(见表9)。

      

      本文以“多层次资本市场”金融改革和最近的国际金融危机为背景,以包括中国在内的多个国家(地区)的主板市场与中小板、创业板市场之间的非线性关系为视角,分析了主板市场与中小板、创业板市场在非金融危机和金融危机两个不同时期的市场运行表现,研究了金融危机的传染特征。基于本文的理论分析和实证结果,本文还提出了一种新的度量系统性金融风险的有效指标。具体而言,本文主要有以下结论:

      (1)主板市场与中小板、创业板市场之间的非线性关系存在“区制转换”效应。基于对各国(地区)主板、中小板及创业板市场的市场运行状况分析,本文提出了两个研究假设。在非金融危机期间,主板市场与中小板、创业板市场由于面对不同的投融资对象,从而存在显著的“分层”,进而主板市场与中小板、创业板市场之间的运行相对独立,具有市场分割性(假设H1);在金融危机期间,主板市场与中小板、创业板市场之间的市场分割机制被打破,存在显著的传染性(假设H2)。沿着循序渐进的思路,本文首先从中国市场入手,并采用结构突变点检验法证实了这两个研究假设。借助于滚动窗口的非线性Granger因果分析,基于多国(地区)的数据进一步检验了研究假设H1和H2,并得出金融危机爆发频率递增、程度加重、发达国家主板市场与创业板市场在金融危机期间传染性更显著等结论。

      (2)金融危机期间,主板市场与中小板、创业板市场之间的传染方向深刻地揭示了金融危机的特征。其中主板市场到中小板、创业板市场的传染为基本面传染,中小板、创业板市场到主板市场的传染为纯预期传染,基本面传染往往涉及实体经济出现问题,其严重程度要高于纯预期传染。主板市场与中小板、创业板市场的双向传染其危害程度更严重。文章的实证结果很好地支持了这一理论。

      (3)主板市场和中小板、创业板市场之间的动态非线性Granger因果检验Tn统计量是一种有效的系统性金融风险度量指标。此指标符合系统性金融风险的时间维度和空间维度要求,且包含系统性金融风险的非线性特征,而实证结果表明了其实用性。除此之外,根据动态非线性T统计量发射出的信号,我们能有效地辨别出系统性金融风险的大小,从而为防范金融危机的发生提供参考。

      感谢广东越秀集团有限公司博士后谢晓闻在本文前期数据处理等所提供的帮助,感谢光大期货田欣沅研究员、中国银行总部郑坤经济师给本文提供的部分数据。感谢中央财经大学金融学院宏观金融讨论班黄志刚、鄢莉莉、苟琴等老师和同学提出的有益建议。感谢两位匿名审稿专家提供的富有建设性的建议。

      ①为避免重复,本文以“主板市场与中小板、创业板市场”来表达“主板市场与中小板市场,主板市场与创业板市场”的意思。

      ②张兵、范志镇、李心丹,“中美股票市场间的联动性研究”,《经济研究》,2010年第11期,第141—151页。

      ③韩非、肖辉,“中美股市间的联动性分析”,《金融研究》,2005年第11期,第117—129页;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”,《金融研究》,2010年第3期,第155—166页。

      ④对各类GARCH模型在波动率传染中建模的综述可以参照Soriano and Climent(2005)。

      ⑤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”,《金融研究》,2013年第3期,第170—180页。

      ⑥对于推导过程感兴趣的作者可以参照HJ94。

      ⑦本文感谢Diks和Panchenko两位学者分享他们的程序,本文结果由他们的C程序hjt2_tval.c改进得到。

      ⑧中国主要指中国大陆,为阐述方便,在正文中仅以中国来指代。

      ⑨柯斯达克指数于2004年1月26日,基数更改为1000。

      ⑩Wind中新加坡海峡时报指数数据开始于1987年12月28日,基数为824.4,经研究发现该指数在1998年8月28日收盘价为885.26,与Bloomberg中公告的基期数据完全相同。这表明新加坡海峡指数根据其他指数继承而来。根据互联网搜索发现新加坡海峡时报指数最早至1967年。详见http://www.gx.xinhuanet.com/ca/2007-06/08/content_10238211.htm。另外,该指数由富时指数公司于2008年1月10日改进,并将45只股票降低为30只。

      (11)Bloomberg可以追溯的日期为1992年8月12日。

      (12)Wind可以追溯的日期为1998年9月4日。

      (13)按照金融学的常识,高风险应该与高盈利相对应,而创业板市场的低盈利却对应高风险,似乎存在一定的矛盾。其实不然,一方面,创业板市场因为面对的高科技、战略性新型产业等企业,这些企业在成长初期的盈利能力较弱,未来的不确定性也较高,所以其风险较高。另一方面,创业板市场并不太关注过去及当前的盈利能力,而是关注未来长期的盈利增长,所以其当前的风险意味着未来存在高盈利的可能性。

      (14)图中横坐标为时间,“10-01”代表2010年1月份。“基准”线代表中小板、创业板市场的指标与主板市场相等。加拿大创业板市盈率和新加坡创业板平均市值数据缺失。波动率数据根据股票价格日数据计算得到日收益率,然后利用收益率数据得到滚动窗口的月度波动率,其他数据均通过Bloomberg数据库直接得到。

      (15)方意、谢晓闻,“中国多层次资本市场间非线性关联效应研究:兼论资本市场成熟度”,《经济科学》,2014年第3期,第72—84页。

      (16)深圳证券交易所(深交所),“海外创业板市场发展状况及趋势研究”,深交所研究报告(2008-5),2008。

      (17)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——香港股市与深圳中小企业板的经验证据与启示”,《财经研究》,2009年第5期,第63—73页。

      (18)尽管中国的中小板市场与创业板市场有差异,但是根据前文的阐述,中小板市场主要作为创业板市场的“试水”市场,且它们都与主板市场有显著的差异,存在“分层”,故可以通过同时对中国的主板市场与中小板市场、主板市场与创业板市场的非线性关系来检验研究假设H1和H2。

      (19)本文中收益率数据经检验均为平稳序列。

      (20)对于中国来说,我们研究主板市场与中小板市场、主板市场与创业板市场之间的非线性关系。由于其他国家没有中小板市场,为阐述简单,本部分主要以主板市场与创业板市场之间的关系来指代主板市场与中小板市场、主板市场与创业板市场之间的关系,并以此验证研究假设H1和H2。

      (21)图4表示中国主板市场与中小板市场之间的动态非线性Granger因果关系;其他图形均表示主板市场与创业板市场之间的动态非线性Granger因果关系。

      (22)(1)危机时间及爆发事件数据主要来源于百度百科、维基百科等互联网资源;(2)“——”:系统性金融事件不包含在样本期间内;(3)“主板→创业板,仅基本面传染”:仅存在主板到创业板市场的非线性Granger因果关系,仅表现为基本面传染;(4)“(主板→创业板)>(创业板→主板),基本面传染为主”:同时存在主板和创业板市场之间的双向非线性Granger因果关系,且主板影响创业板的程度高于创业板影响主板的程度,同时存在基本面传染和纯预期传染,并以基本面传染为主。

      (23)图5.1—图5.8的横坐标从1到10分别为十个行业:技术(Technology)、金融(Financials)、公用(Utilities)、电信(Telecommunications)、消费者服务(Consumer Services)、医疗保健(Health Care)、消费者产品(Consumer Goods)、工业(Industrial)、原材料(Basic Materials)、石油天然气(Oil & Gas),其纵坐标为主板、中小板及创业板指数代表性企业在这十个行业的占比。图5.1至图5.8的纯实线代表中小板,带圈实线代表主板,纯虚线代表创业板,图5.9中“中国1”代表中国的主板市场与中小板市场,“中国2”代表中国的主板市场与创业板市场。

      (24)原因在于小规模股票容易受到投机性资金的操纵。另外,根据Wind数据库,中国中小板、创业板市场的换手率要远远高于主板市场,换手率可以在一定程度上代表投机氛围。

标签:;  ;  ;  

主板与中小板与创业板之间的非线性研究:“市场分割”还是“危机传染”?_中小板论文
下载Doc文档

猜你喜欢