房地产股票市场溢出效应研究 下

1、房地产股票市场溢出效应研究(下)四、实证分析利用上述方法研究包括美国、英国、日本、德国、法国、中国香港、中国大陆在内的主要房地产股票市场的溢出效应。首先，CCF检验被用来检测收益和方差的溢出效应是否存在，然后用脉冲响应检验来测试溢出效应的动态过程。本文所使用的数据集(除中国以外)是由VISE EPRANAREIT提供的全球不动产股票指数的每日数据；并收录从2005年1月1日开始，到2007年11月31日结束的760个观察值。因为FISE EPRANAREIT并不收集关于中国大陆的数据，所以本文采用了VISE的中国不动产指数。每个市场的每日收益通过计算接连两日价格指数的对数差分来获得。我们通过观

2、察德国不动产股票市场日收益图，可以看出波动大的日期比较集中，这通常预示着这一序列的方差是自相关的。表1提供了收益及其平方的自相关函数(ACF)和Ljung-Box Q检验的结果，该检验的零假设是直到第q期所有的自相关函数等于零。虽然收益序列不是自相关的，但并不能得出独立分布的结论，因为在平方后的收益序列中依旧存在着较强的自相关性，这一现象通常预示着时间序列具有ARCH特性。如Mandelbrot(1963，1967)和Fama(1965)所指出的，股票市场的收益分布呈现出正向的偏斜度、尖峰度和波动性聚集。房地产股票市场的样本收益展现出相同的特性。表2给出了描述性统计量：(1)平均数，(2)标准

3、离差，(3)偏斜度，(40)尖峰度，(5)Jarque-Bera正态检验。其中，偏斜度、尖峰度和Jarque-Bera检验均拒绝收益序列的正态性。因此，上述统计量证明了在股票市场溢出效应模型分析中运用GARCH模型的正确性。在股票市场收益的模型分析中，GARCH(1，1)条件方差常和AR条件均值方程共同使用。GARCH的最大似然估计运用BHHH(1974)的运算法则。要检查均值方程的适用性，可以通过查看残差的相关图来检验自相关水平。如果残差序列不再显示出自相关性，均值方程的定义应当被接受。至于条件方差方程，一个正确定义的GARCH模型应该有独立同一分布的标准残差，这等价于实际和平方后的标准化残

4、差中均没有自相关存在。表3列示了GARCH模型的参数。括弧内为正态分布假设的标准离差。表3同时也列出了对数似然性检验和标准化残差(Q(10)及其平方(Q2(10)的Ljung-box Q(10)统计量。由于Q(10)和Q2(10)都不显著，模型选择可以被认为是正确的。(一)溢出效应的存在在表4中，CCF分为三个时间：其中时滞是指列市场数据和滞后一个时期(一天)的行数据之间的CCF；同步数据表示不带时滞的CCF；领先的意义与时滞相反即表示从行市场到列市场之间的隔夜溢出，领先是列市场对行市场的隔夜溢出。尽管同步CCF报告同一日期的溢出效应，但由于不同的国家属于不同的时区，这通常并不意味着溢出是同步

5、发生的。如表4所示，收益溢出呈现出一种地域模式，即在同一地理或经济区域的市场间的收益溢出较强。如日本、中国香港和中国大陆均位于东亚，在它们之间的溢出效果非常明显且集中，这可以从它们之间的CCF只有同步为显著且数值相对较大看出。美国、英国联系十分密切。两国之间的滞后溢出显著可能是由于两者之间的时差造成，因为美国市场的关闭时间比在英国市场晚5个小时。所以在这5个小时内发生的预期改变到第二天才会被反映到英国的股票市场上，这造成了从美国向英国的收益溢出。类似的是，两个欧洲大陆国家法国和德国之间的收益溢出同样是密集而且迅速的。总体来说，同一地区国家之间的收益溢出在当天影响最大，而较远的国家在第二天影响最

6、大。这一现象部分是由于各市场营业时间顺序造成的。例如，中国大陆和中国香港股票交易所比德国交易所早6-7小时关闭，因此，由于在德国市场的信息导致的预期调整不会在当天影响亚洲的投资者(因为此时亚洲是晚上)，中国大陆及中国香港市场的所有调整必须在第二天进行。也要注意到美国在所有的滞后期都有显著的溢出效应，但领先期的溢出效应并不显著，这意味着美国投资人的预期调整几乎影响到所有其他市场上的投资者，而不受其他市场预期调整的影响。这似乎是有道理的，因为美国股市的资本量比其余六个市场的总和还要大，所以美国市场不那么容易被其他市场影响但对其他市场影响会很大。这造成美国投资者不那么关心其他市场投资者预期的变化，而

7、其他人都会把美国投资人的行为作为参考。至于波动性，这里只列示了中国和其他国家之间的结果(见表5)。其中，二阶距量的CCF列示了领先和滞后各12个时滞，因为在较高的时滞偶尔有一些显著值出现。与收益相类似，波动的溢出效应在临近国家间的影响更强、更快、更集中，但对较远国家的影响类型则相对复杂，有些影响甚至在几个时滞期之后才发生。当然，如在滞后2期和滞后7期的美国市场，虽然都有显著值出现，但很有可能第7期包含有周一效应和周末效应的干扰。总体来说，中国大陆是波动净进口，因为中国大陆只向香港出口波动，而其他国家的股票市场的波动不受中国影响。另外，波动的溢出也具有一定的地域性。从表5中可以看出，中国大陆和中

8、国香港间的波动溢出最为强烈且为双向。相比之下，美国和德国与中国之间的波动溢出具有一天的时延，且只存在单方向波动溢出。此外，有些意想不到的是，中国与日本和英国之间的双向波动溢出都不显著。(二)溢出效应的动态过程以下的篇幅被用来研究溢出效应的动态过程。作为例子，这里主要研究德国对来自其他四个国家或地区的冲击的反应，即美国，法国，英国和中国香港。首先，使用增强型Dicky-Fuller检验来检验“方差演变”序列的平稳性。“方差演变”序列即为四个国家或地区的GARCH模型生成的条件方差的对数差分序列。当这些序列被验证是平稳过程之后就可以被用来构造VAR模型。残差的相关图可以被用来决定模型适当的时滞阶数

9、正确定义的模型不应该在残差中留有显著的自相关效果。Akaika和Schwarz信息准则可以用来选择最好的模型。通过图示展示的脉冲响应检验的结果可以清楚地看到，其他国家或地区到德国的波动性溢出或是很小或是不显著，而所有从德国向外的波动溢出都是显著的。这说明德国是一个波动的绝对输出者。也许这与投资者的构成有关。因为与中国相比，德国普通民众持股的热情是出名的偏低，市场参与者基本都是大型金融机构。类似于中国的例子，德国与相邻的法国英国之间的溢出明显的强于美国和中国香港，且反应时间也较短，这体现了相同的地域特征。(三)危机时期与平静时期的对比很多研究人员认为溢出效应在危机期间与平静期间有很大的不同(Ca

10、porale和Spagnolo，2002；Diebold和Yilmaz，2006)。溢出效应的这个特性是很重要的，因为它揭示了在危机时期市场和市场的参与者的行为是如何变化的。本文选择从2007年6月1日到2007年11月31日的股市为“危机时期”，这一时期是危机由起步到逐步严重的时期。同时选择2005年1月1日到6月底作为在危机前的“平静时期”。表6列示了在危机和平静期间中国香港与美国之间收益的溢出效应。可以看出，在平静时期收益的溢出是单边的，即只从美国到中国香港；但是在危机时期，溢出效应不仅更强烈，而且成为双边的。这其中的原因可能是，投资者在紧张时期更急切地根据所有可能的信息来迅速调整自己的

11、头寸，这一结果也可以被危机上升时期突增的交易量所支持。所以尽管美国的市场参加者不会根据中国香港投资者在平静时期的所作的预期调整他们的预期，但危机时期他们会改变这一行为。至于波动性的溢出，它的方式和强度在危机和平静时期几乎都是一样的。这一点也是有道理的，因为信息流动的速度在这两个时期不可能改变，另外市场参与者处理信息所需的时间受技术的限制也不会大的改变。人们的过度紧张引起超常的交易量，但却不能提高信息流动的速度和投资者处理信息的速度，这确实是一个坏消息。五、结论溢出效应的存在是全球金融市场一体化的一个重要方面。很多研究(Diebold和Yilmaz，2006，Baele，2003)证明随着一体化

12、水平的提高，该趋势会更趋于明显，这使得对该过程的研究也日趋重要和急迫。本文通过使用单变量GARCH(1，1)模型，对七个最大的资本市场之间的联系进行了研究。在研究过程中，本文并没有使用流行的多变量GARCH模型，而是对每个市场运用了单变量GARCH模型进行分析，分别生成了标准残差和条件方差。在生成的标准化残差及其平方的基础上使用了互相关函数(CCF)检验来检验在收益和波动性方面的格兰杰因果关系，并针对“方差演变”建立了VAR模型以了解波动性溢出的动态变化。研究发现收益和波动的溢出显示出清晰的地域性，同一区域的国家之间有较强烈且集中的溢出效应。中国大陆与中国香港的联系相当紧密，但与其他国家联系不强，这使得中国是一个分散投资的理想目标。德国只对其他市场输出波动性，而不