沪市与深市大盘指数的相关性研究
作者【摘要】文章使用上证指数和深证成指交易市场 2010 年 10 月 4 日到 2012 年 10 月 19 日共 678 个交易日的收盘价格，对其指数对数收益率做了 VAR 与格兰杰因果检验。研究结果发现，VAR 系数与格兰杰因果检验均没有支持上海股票市场与深圳股票市场显着性的相互关系。
【关键词】上证指数 深证成指 收益波 VAR 模型
一、引言
1984 年 7 月，北京天桥股份有限公司和上海飞乐音响股份有限公司经中国人民银行批准向社会公开发行股票以来，以此为标志，股市的概念悄然进入中国人的生活当中。在 1990 年 3 月，政府允许上海、深圳两地试点公开发行股票，两地分别颁布了有关股票发行和交易的管理办法，确定了沪深两地同时交易的格局。自开市以来，沪市上市的多为中大盘股，多数上市公司为国企央企；深市以中小盘股为主，多数上市公司为民营、合资企业。两市受到国家经济政策，市场管理制度等因素的共同影响，两市的上市公司虽然种类有所偏重，但是大体上种类和结构也类似。本文研究两地交易所大盘指数来考察两地股市的相关性与引导关系，对于分析与研究股市的结构和和资本市场风险传递具有非常有意义的作用。
二、文献综述
Jeon and Von Furstenberg（1990）指出在 1987 年以来，国际资本市场的联系越来越紧密，主要的股票指数都呈现出某处趋同性。En-gle（1993）指出同一地区的时变方差趋于一致。Ng（1995）也发现在同一地区股市的收益具有显着的共同的可预测成分。陈守东等（1998）利用 ARMA 模型得出了沪深股市有显着同步性的特征。刘金全、崔畅（2002）通过 ECM 模型对于股票平均收益率的刻画，得出沪市在中国资本市场起着主导作用。陈守东、陈雷等（2003）运用 Granger 因果检验及 GARCH-M 模型对两市的相关性进行分析和检验，结果表明沪深股市收益率之间存在较强相关性。姚燕云和杨国孝（2006）研究发现当市场剧烈波动时两市收益率具有正的相关性，且比整体相关性强，尤其在暴跌的时候，两市具有很强的正相关性。秦伟良、颜华实和达利庆（2009）利用 copular 函数发现沪深两市同周期交易的相关度远远大于不同周期交易的相关度。
本文运用 Granger 因果关系检验及 VAR 模型对沪深股市收益率的相关性进行分析和实证检验。我们依据沪深股市的日结算数据，考察计量模型中参数的显着性，来判断沪深两市收益率的引导关系。
三、数据及实证研究
本文数据选取沪深股票交易所上证指数和深证成指 2010 年 10 月 4 日到 2012 年 10 月 19 日共 678 个交易日的收盘价格。数据来源于沪深两市交易所。因为一般价格指数都是不平稳的，而格兰杰因果检验需要平稳时间序列，所以本文计算了两个价格序列的对数收益率序列，计算方法如下：
rt=logIt-logIt-1
从图 1 中可以发现，该序列存在一定的波动率聚类现象，且波动聚集现象非常相似，例如在 2010 年 7 月 24 日和 2012 年 7 月 10 号左右都有相似的波动情况。
我们首先需要对日收益率序列的平稳性进行单位根检验，这里采用 ADF 检验的方法，来考察收益率序列是否为平稳序列：
表 1 单位根检验
上证指数收益率与深证成指的单位根检验中，P 值几乎为 0，所以二者都拒绝原假设，所以上证指数收益率与深证成指的收益率序列都是平稳时间序列，可以对其运用格兰杰因果检验。检验结果如下：
表 2 格兰杰因果检验
由检验结果可以，没有显着性证据表明上证指数的收益率是深圳成指的格兰杰成因，而深圳成指也没有显着的证据表明其是上证指数的格兰杰成因。深证成指收益率与上证指数收益率互相引导的关系并不明显。
为了考察上证指数收益率与深证成指收益率的量化关系，本文对二者运用了 VAR 模型，模型数据如下：
表 3 VAR 模型
由上表可知，上证指数对深证成指滞后项 t 值分别是-1.52782，-0.49338，这说明前一天上证指数的收益率对下一天的深证成指收益率没有着显着的影响，所以上证指数收益率对深证成指收益率没有指导作用。而深证成指对上证指数滞后项显着性系数分别是 0.57032，0.53350，也无法得出深证成指对上证指数的显着性影响。
四、结论及进一步研究展望
文章使用上海证券交易市场和深圳证券交易市场 2010 年 10 月 4 日到 2012 年 10 月 19 日共 678 个交易日的收盘价格，其现货价格对数收益率运用了格兰杰因果检验和构建了 VAR 模型，虽然表面上沪深两市收益率具有正的相关性，但是实证发现，上证指数收益率与深证成指互相没有明显的引导作用。本文与一些历史文献有出入，这可能是取的日间结算数据的关系，具体结论尚需在高频数据上继续研究，使沪深两市相关性研究的资料文献更加全面与丰富。
参考文献
[1]Engle R F. Autoregressive Conditional Heteroscedasticity With Estimate of the Variance of United Kingdom Inflation[J]. E-conometrica，1982（50）：987-1008.
[2]Engle，R.F.&Susmel;，R. Common volatility in international equitymarkets[J]. Journal of Business and Economic Statis-tics，1993（50）：167-176.
[3]Campbell，J.Y.，S.J. Grossman，and J.Wang. Trading volume and serial correlation in stock return. Quarterly Journal of Economics 1993（108）：905-939.
[4]余平.基于 copula 函数的沪深股市相关性研究 12.山西师范大学学报，2007 （3）：27-31.
[5]陈守东，孟庆顺，杨兴武.中国股票市场的有效性检验与分析吉林大学社会科学学报，1998（2）：69-74.
[6]刘金全，崔畅.中国沪深股市收益率和波动性的实证分析 经济研究（季刊），2002（1）：885-898.
[7]李秀敏.沪深股市相关结构分析研究 15.数理统计与管理，2006（6）：25-28.
作者简介：王言（1986-），男，安徽定远人，华东政法大学 2010 级产业经济学硕士研究生，研究方向：产业经济、金融。
作者 王言