1 绪论
1.1 选题背景
在经济全球化和金融自由化持续深入的背景下，世界各地金融市场之间的联系愈发密切。尤其是随着世界各地资本开放程度的提高，资本和市场信息在全球金融市场中快速流动，进一步提高了金融市场间的风险与收益的关联性，这给世界各国或地区的相关政府部门带来了新的挑战。某个国家或地区的金融市场波动会迅速传递到其他国家和地区的金融市场，如 1997 年爆发的东南亚金融危机，该危机的开端是泰国宣布实行浮动汇率制度后，泰铢在外汇市场遭到大量抛售进而引发泰铢暴跌，而汇率的迅速贬值，进一步加剧了资本逃离泰国，股票等金融资产遭到抛售，泰国汇市和股市的剧烈波动迅速通过多种途径传染到东南亚其他国家的金融市场，最终演化成波及众多国家和地区的金融危机。东南亚金融危机说明了在推进经济全球化和金融自由化的进程中，要注意管控不同地区、不同金融市场间的风险交叉传染，这对我国在推进汇率市场化改革的进程中如何做好金融市场风险防控具有重要的经验意义。
近年来，我国资本市场对外开放的进程明显提速。沪港通和深港通分别在 2014 年11 月 17 日和 2016 年 12 月 5 日开通，沪深港通的开通意味着内地股市与香港股市之间正式实现了互联互通。2019 年 9 月 16 日，国家外汇管理局对外公布，决定取消 RQFII和 QFII 的额度限制。同时，RQFII 试点国家和地区限制也一并取消。这一系列金融市场开放政策的实施使得内地与香港金融市场间的联系愈发紧密，资金流动更加通畅。
为了在资本账户尚未完全开放的背景下，稳步推动人民币国际化进程，我国努力发展人民币离岸市场。自 2010 年 7 月《香港银行人民币业务清算协议》正式签署以来，中国香港地区人民币离岸市场迅速成长起来，并逐渐成为了离岸人民币的定价中心。然而，由于离岸和在岸市场在监管制度、市场参与主体和价格形成机制等方面的诸多差异，导致人民币在离岸市场和在岸市场的价格是有差异的。在 2015 年“8.11”汇改后，汇差的波动明显放大。其中，在 8 月 11 日，在岸汇率相对于离岸汇率偏差达到 1.24%，其后中国股市也出现较大的波动。8 月 11 日前，上证综指已从上半年的下跌中回升了不少，但其后股市开始震荡下跌，8 月 11 日当天更是暴跌 6.15%，经过 24 日、25 日连续两天的暴跌，上证综指较 8 月 11 日的收盘价下跌了 25%左右。在此期间，在岸汇率与离岸汇率间的偏差也一直在 1%左右。
........................
1.2 研究意义
本文对在岸与离岸人民币汇差与内地股票市场、香港股票市场收益率间的动态变化关系与风险溢出效应的研究，具有以下理论意义和现实意义：
1.2.1 理论意义
（1）关于汇市和股市间波动溢出效应的研究，关于汇市和股市波动溢出效应的研究，国内外学者多从在岸人民币市场的角度来研究我国汇市和股市间的关系，部分学者从离岸市场角度考察在岸与离岸人民币汇差对我国股市的影响，但主要集中在两个市场的联动关系，少有文献关注汇差对股市的风险溢出效应。再者，随着沪深港通的开通，内地和香港两地的股票市场实现了互联互通，两地的汇市和股市间的联系愈发紧密。但目前少有文献分析汇差与内地、香港股市间的关系。本文借鉴前人的研究成果，建立在岸与离岸人民币汇差对股市影响的理论模型，分析短期资本流动这一渠道在其中发挥的作用，接着探索汇差对内地、香港股票收益率的风险溢出效应大小及差异，不仅有助于丰富我国内地和香港两地的汇市和股市间联系的相关研究，还可以为国家防控金融风险提供一定的经验证据。
（2）考虑到金融序列普遍具有非对称性，本文先利用 ARMA-DCC-GJR-GARCH 模型分析在岸与离岸人民币汇差与内地、香港股票收益率之间的动态相关关系，然后在此基础上通过计算 C oVaR和 CoVaR 来衡量汇差对股票收益的风险溢出效应。现有文献运用该模型来实证分析汇市和股市间的波动溢出效应的相关探讨不多，因此，本文有助于丰富该方法在金融市场间波动溢出效应领域的研究。
......................
2 文献综述
2.1 汇率波动与股价波动溢出效应研究的文献梳理
随着经济全球化不断推进，加上复杂的国际金融环境，汇率的核心作用日益凸显。而股票市场作为最重要的金融子市场之一，其与外汇市场的关系对整个金融市场的运行具有重要作用，因此两者的关系是学者研究的重点。学者们对汇率与股价间的波动溢出效应进行了众多的研究，并取得了较为显著的成果。
2.1.1 汇率与股价间只存在单向溢出
国外学者对汇市和股市间的溢出效应进行了众多的研究。有些学者研究表明存在汇率对股价的单向波动溢出效应。Qayyum（2006）运用协整分析发现巴基斯坦的汇市和股市之间不存在长期的协整关系，但是两个市场间存在溢出效应，主要表现为汇市对股市的波动溢出效应。Daniel 等（2010）利用 EGARCH 模型分析了 1997 年亚洲金融危机前后新西兰汇市和股市间的波动溢出效应，结果表明在危机发生前存在汇市和股市间的双向溢出，而在危机后主要存在汇市对股市的单向波动溢出效应。Ely（2015）利用 GARCH模型对新兴经济体巴西的股市和汇市间的关系进行了分析，实证发现存在较为显著的汇市对股市的单向波动溢出效应，而两个市场间的均值溢出不显著。Wong 和 Hock（2017）采用 DCC-MGARCH 模型对马来西亚、菲律宾、新加坡以及韩日英德共七国的实际汇率收益与实际股价收益间的关系进行了分析，结果表明在这些国家主要存在汇率对股价的单向波动溢出效应。Mikhaylov（2018）采用 FIGARCH 模型研究发现在俄罗斯、巴西等石油出口国中，汇率对股价的单向波动溢出占主导地位，并且当把结构性断裂纳入模型时，该模型可以预测波动率。
另一方面，国外有些学者的研究表明只存在股价对汇率的单向波动溢出效应。Angelos 和 Kanas（2000）采用 EGARCH 模型分析了英美德法日加这六个发达经济体的股市和汇市间的溢出效应，发现英美法日加这五个国家都表现出股市对汇市的单向对称性波动溢出效应。Yang 和 Doong（2004）基于双变量 EGARCH 模型对包括美国、英国、德国等在内的 G7 集团之间的汇市和股市间的关系进行了分析，发现这七个国家的汇市和股市间的关系呈现非对称性，股价会对未来的汇率产生溢出效应，而汇率对股价的影响较小。Morales（2008）基于 EGARCH 模型，对 1998 年至 2006 年期间的巴西、阿根廷等六个拉丁美洲国家和西班牙的股票市场和外汇市场的关系进行了研究，表明股市对汇市的溢出效应要大于后者对前者的效应。Fu 等（2011）在探究日本的股市和汇市间的溢出效应时，先按行业种类对日本股市进行了划分，然后运用 BEKK-MVGARCH 模型实证分析了日本十个主要行业股指和汇率间的溢出效应，分析表明，有八个行业的股指与股市间具有溢出效应，其中有五个行业只有股市到汇市的单向波动溢出效应。Bonga和 Hoveni（2013）基于 EGARCH 模型发现南非的股市和汇市间具有相互的均值溢出，并 且 结 果 显 示 具 有 股 市 到 汇 市 的 单 向 波 动 溢 出 倾 向 。 Morales-Zumaquero 和Sosvilla-Rivero（2018）运用 C-GARCH 模型分析了美国、欧元区、日本等七个发达经济体的股市和汇市间的波动联系，发现股市对汇市的波动溢出效应要强于后者对前者的溢出，并且经济和金融的不稳定会加剧市场间的波动。
表 3.2 滞后阶数判断结果
2.2 条件在险价值的度量及应用
CoVaR（条件在险价值）模型是在 VaR（Value-at-Risk，在险价值）模型的基础上发展而来的。而 VaR 模型是最早由 Baumol（1963）提出的关于评估资产及金融风险的模型。VaR 模型指在 95%、90%等既定的概率水平下，某一投资组合在未来某段时期内可能的最大损失。VaR 模型简明的表示了市场风险的大小，因而得到广泛应用，但是由于VaR 模型不可加，因而不可以评估机构之间或者多个市场之间的风险溢出情况，并且该模型未能有效衡量金融市场在极端情况时的风险大小。为了解决这些问题，Adrian 和Brunnermeier （2011）提出 CoVaR（条件在险价值）模型，CoVaR 模型指，在一定的概率水平下，当某金融机构或市场处于危机时，其他机构或市场面临的损失值。在 CoVaR模型基础上，Adrian 和 Brunnermeier（2016）提出 C oVaR（条件在险价值差额）模型， C oVaR表示某一金融机构或市场处于异常和正常两种情况时，其他机构或市场面临损失值的差额，反映在危机下，某一机构或市场对其他机构或市场的风险溢出效应。
2.2.1 国外研究综述
因 CoVaR、 C oVaR模型较好地克服了 VaR 模型的缺点，迅速被国内外学者用于研究金融机构及金融市场风险。López-Espinosa 等（2013）用 CoVaR 模型分析了几个发达经济体的大型跨国银行对所在国家的银行系统性风险的贡献度。Anastassios 等（2015）采用 CoVaR 模型测算金融危机后在美国、英国上市的外资银行对美国、英国本土系统性风险的贡献，发现在美国上市的外资银行对美国系统性风险有一定贡献，但相对于美国本土银行，这种影响较小，而在英国这种影响程度较大。Reboredo 等（2016）使用 CoVaR模型衡量了巴西、印度、俄罗斯等新兴经济体的股市和汇市间的风险溢出效应，发现市场间的上行和下行风险溢出效应具有不对称性。Boako 和 Alagidede（2017）用CoVaR-Copula 方法研究了发达经济体的股市波动对非洲国家股市的风险溢出，结果表明只有在危机发生的第二阶段和危机后的时期，某些发达经济体的股市才会对非洲股市产生影响。Petrella 等（2019）采用 CoVaR 模型来测算法国、德国、意大利、西班牙、荷兰这五个欧洲主要国家对欧洲金融市场系统性风险的贡献度，结果表明从2008年到2017年，这五个国家都对系统性风险作出了重要贡献，尤其是在经济危机和市场波动激烈的时期表现明显，其中，法国对系统风险的贡献最高。Ji 和 Liu（2019）在采用时变 Copula模型分析 WTI 原油与中美汇市间的动态关系的基础上，采用 CoVaR 分析了原油与汇率之间的风险溢出，表明 WTI 对中国汇率存在显著的风险溢出。Xu 等（2019）把 LASSO方法与 CoVaR 相结合，采用 LASSO-CoVaR 的系统风险网络来分析 2010 至 2017 年间中国金融机构的内在关联性和系统风险，实证结果表明各金融机构间的关联性对测量某一金融机构的 CoVaR 具有重要作用，并且各机构对系统性金融风险的贡献度在不同时期会发生次序变化。
...............................
3 理论基础和影响机制分析 .......................... 13
3.1 在岸与离岸人民币汇差成因分析 ....................... 13
3.2 汇差对股市的波动溢出效应理论分析 ...................... 15
4 在岸与离岸人民币汇差对股价波动溢出效应的实证分析 ...................... 30
4.1 DCC-GJR-GARCH-CoVaR 模型设计 ........................ 30
4.2 变量选择与样本选取 ................ 33
5 结论与政策建议.............................. 47
5.1 结论 ...................... 47
5.2 政策建议 ......................... 48
4 在岸与离岸人民币汇差对股价波动溢出效应的实证分析
4.1 DCC-GJR-GARCH-CoVaR 模型设计
本文首先通过构建 DCC 模型来描述汇差与股市收益率间的动态相关性，然后在此基础上，测算 CoVaR 和 C oVaR来衡量在岸与离岸人民币汇差对内地股市、香港股市的风险溢出效应。涉及到的计算、实验方法如下所示。
4.1.1 ARMA-DCC-GJR-GARCH 模型估计
为了满足现实中很多变量之间的相关系数会随时间而发生变化的研究需要，Engle（2002）首先提出了 DCC 模型，该模型通过测算动态相关系数来衡量变量之间的动态关联。随着 DCC 模型得到广泛的应用，Cappiello（2006）等人经过研究后，认为在研究对象存在不对称性的情况下，DCC 模型的估计结果的准确性会受到影响，故提出了GJR-GARCH 模型来解决这问题，以提高模型的准确度。此外，为了更好地测度前期数据对当期数据影响的大小，考虑加入 ARMA 模型，该模型包括自回归、移动平均两个部分，可以有效描述时间序列中的前期数据对当期数据的影响。
对于本文的研究对象，为了准确捕捉汇差和股指收益率序列的“尖峰厚尾” 、“波动集群”等特征，以及敏锐描述变量间在不同时点的相关程度，本文采用 DCC 模型从动态视角来探究两者的关系。而阙澄宇和李金凯（2018）研究发现在岸与离岸人民币汇差对内地股市的收益率具有非对称性影响，即正向汇差与负向汇差对股市收益率波动的影响程度是不同的，因此，考虑到研究对象具有非对称性，本文采用 GJR-GARCH 模型来解决这问题。由于我国金融市场仍然是一个新兴市场，市场结构和制度发展尚需完善，汇差和股指收益率的波动可能存在自相关性，因此为了更准确地测算汇差和股指收益率之间的关系，考虑加入 ARMA 模型。综上，本文采用 ARMA-DCC-GJR-GARCH 模型来刻画在岸与离岸人民币汇差对内地股市、香港股市的动态相关关系。
表 3.1ADF 检验结果
5 结论与政策建议
5.1 结论
本文首先分析了汇差对股市收益率的波动溢出效应机理，发现汇差波动主要通过信息溢出和影响投资者情绪等心理因素来进一步影响股市收益率波动。然后，本文在构建汇差对股票市场影响理论模型的基础上，选取 2012 年 5 月至 2019 年 10 月的月度数据，通过 SVAR 模型刻画汇差、短期资本流动和股市收益率三者的关系，实证结果表明汇差冲击对资本流动和股票收益率、资本流动对股票收益率的结构脉冲响应值均基本为正，说明资本流动在汇差影响股市收益率中发挥了重要的渠道作用。
接着，基于 2012 年 5 月 3 日至 2019 年 10 月 31 日我国内地以及香港地区的外汇市场和股票市场的日度数据，本文运用 DCC-GJR-GARCH-CoVaR 模型分析了在岸与离岸人民币汇差与我国股票市场收益率间的动态相关系数以及汇差对股市的风险溢出效应大小。首先，本文运用 ARMA-DCC-GJR-GARCH 模型来描述汇差与三大股票市场收益率间的动态关系，然后通过计算 CoVaR和 C oVaR来测度汇差对股票市场的风险溢出效应。根据实证结果，本文得出以下主要结论：
（1）从动态相关性来看，汇差与内地股市收益率间的动态相关系数波动变化较明显，表现出较强的时变性，而汇差与香港股市收益率间的相关系数较为稳定，但从动态相关系数的均值来看，汇差与香港股市收益率间的相关系数要高于汇差与内地股市收益率间的相关系数，汇差与香港股市间的联系更为紧密。这可能与两地股市在监管制度、定价机制、上市制度、退市制度等方面存在差异有关。
（2）从风险溢出效应来看，汇差对内地、香港股市的 CoVaR 和 C oVaR值变化很明显，具有很强的时变性。2015 年我国股市大幅波动以及“8.11”汇改后人民币汇率市场化提升，汇差对内地以及香港股市的风险溢出效应得到了大幅的增强。2018 年 3 月中美贸易战开始爆发后，在岸人民币与离岸人民币市场受到投资者情绪以及美国贸易、货币政策的冲击，汇差波动加剧，其对我国三大股指的风险溢出效应也显著增强。这说明随着我国汇率市场化提升以及金融市场对外开放的推进，当我国金融市场受到国内外重大事件冲击时，汇差对我国股票市场的风险传染性也将增强。整体而言，当我国外汇市场受到外部冲击使人民币汇差处于非正常运转状态时，我国三大股票市场的风险会迅速增大。此外，香港股市受到汇差的风险溢出效应最大，其次是上海股市、深圳股市。
参考文献（略）