2010 年第 6期 总第 196 期
专业眼光看经济 经济眼光看中国
美国、中国香港股票市场对于中国大陆市场的影响体现的是一种信息传递
关系，这种信息流动是通过市场的协同运动来反映。 在此，基于金融危机前后两
阶段数据的实证检验，研究国际视角的股票市场信息流动问题。
一、文献综述
较早关于股市间信息传导机制的研究主要限于一个资本市场对另一个资
本市场的外生冲击。 事实上, 不同股市之间资产价格、收益、波动相互交织, 从单
一市场考察波动溢出显然不够准确。 于是 Bekaert 和 Harvey 考察对新兴市场的
冲击时构建了收益波动溢出模型，把对新兴股票市场的冲击划分为“本地因素”
和世界资本市场对其冲击的“世界因素”[1]。此后, Ng 将 Bekaert 和 Harvey 的模型
进一步扩展, 第一次把一个股票市场受到的冲击分解为 “本地因素”、“区域因
素” 、“世界因素”[2]。 Ng 采用的是同时把世界性冲击和区域性冲击作为外生变量
的单变量 GARCH 模型。Miyakoshi 做了进一步改进,其构建的考虑外生变量的双
国际视角的股票市场信息流动与策应 *
Information Flow and Strategic Respond in Stock Market
from an International View
李建军
内容提要 通过贝叶斯法则和 VEC 模型，研究危机前后中国大陆、美国、中国香港股票市场的信息流动关系，发现次
贷危机前后中国大陆股票市场跟随美国和中国香港市场的涨跌规律发生了结构性变化，表现了较强的不对称性。 运
用方差分解和脉冲响应函数深入分析这种结构性变化背后所体现的经济含义表明， 维护市场稳定的关键是扭转股
市运行的趋势，加强对投资者的教育，保证信息透明、公开。
关键词 次贷危机 股票市场 信息流动
作者单位 华东理工大学商学院 上海 200237
Li Jianjun
Abstract: After studying the information flow relationship among the stock markets in the Mainland of China, the . and
Hong Kong by BAYES rule and VEC model, the paper finds that structural change has happened to the stock market of the
Mainland of China, which shows a strong asymmetry, following the rising-falling laws of the stock market of the . and
China’s Hongkong. Furthermore, this paper also analyzes the underlying economic meaning about the structure change by
using variance decomposition and impulse response function, which shows that the key to stabilize the market is to turn
around the trend of stock market running, strengthen the education for investors and ensure the transparency and publicity
of the information.
Key words: sub-prime crisis, stock market, information flow
* 该标题为《改革》编辑部改定标题，作者原标题为《大陆、香港和美国股票市场的信
息流动研究———基于金融危机前后两阶段数据的实证检验》。 基金项目：国家自然科
学基金项目“混业经营下金融风险的演化机理及其有效监管：基于风险与效率均衡
的理论与实证研究”（批准号：70803010）。
资本市场 CAPITALMARKET
118
2010 年第 6期 总第 196 期
专业眼光看经济 经济眼光看中国
变量EGARCH 模型，把区域性冲击作为内生变量, 而
把世界性冲击作为外生变量引入 , 同时考虑突发性
冲击的非对称性影响机制 [3]。
Bekaert&Harvey(1997)则从双边贸易角度分析股
票市场的联动性，发现贸易是解释股票市场尤其新兴
市场相关的重要因素。 Connolly& Wang 的研究发现，
美国和日本股票市场的日收益率相关性中的很大部
分不能归于宏观经济信息公告的影响，而且国外股市
对本国股市的收益率施加了主导性的影响 [4]。
Forbes& Chinn 运用一个包括贸易和投资机制在内的
更完整的模型检验 5个主要金融市场对其他市场的影
响力， 发现贸易仍然是大国影响其他金融市场的最重
要的决定因素，对双边投资的解释比较弱[5]。
国内对股市间收益、 波动关系缺乏系统性的研
究 , 但仍有一些文献对这一问题的研究作出了一定
的贡献。 陈守东等对 A 股和 H 股的收益率和波动率
进行了比较研究，发现两个市场的收益率并没有明显
差异，而 H 股的波动率却显著高于 A 股波动率 [6]。 韩
非和肖辉通过收益率相关性的模型表明，中国股票市
场和美国股票市场的相关性很弱 [7]。 张碧琼运用多外
生性冲击变量的 EGARCH 模型检验纽约、 伦敦、东
京、中国香港、上海、深圳股票市场波动之间日收益波
动溢出的流星雨假定 , 结论是中国香港、伦敦、纽约
的流星雨对上海、深圳市场日收益率波动有显著性影
响 [8]。 谷耀、陆丽娜证明了中国香港股市不论在收益
率还是波动性上都对沪、 深两市存在明显的溢出效
益，而且是非对称的[9]。 周珺用 Granger 因果检验方法
对 2000~2006 年的上海证券市场与周边主要证券市
场的动态均衡关系进行了分析， 发现上海证券市场
与中国台湾和日本不存在协整关系，而与中国香港市
场存在单边协整关系 [10]。 李晓广、 张岩贵通过建立
VAR 模型， 研究了次贷危机发生和我国股票市场与
世界股票市场的联动性，表明，我国股票市场与国际
市场的联系性不强，并且时而表现为“即期联动”，时
而为“滞后联动”[11]。
总体而言，现有的文献认为市场间存在收益率及
其波动溢出效应， 但主要以美国市场为主要考察对
象，关于发达市场与发展中市场间的实证文献并不多
见， 关于次贷危机前后中国大陆股票市场与美国、中
国香港股票市场的信息传递的研究几乎是空白。 在
此，主要有以下几点创新：一是首次运用对比方法研
究了次贷危机前后沪市、美市、港市三者的信息流动
和传递关系；二是运用误差纠正模型将对沪市、美市、
港市三间的动态关系纳入到统一的分析框架和模型
中进行系统研究； 三是发现危机前后美国和中国香
港股票市场对中国大陆股票市场的信息传递发生机
构性变化， 这种变化对于投资者和管理层决策有较
高的参考价值。
二、数据选择和统计分析
选取上证综指、 恒生指数和道琼斯指数①来分别
代表中国大陆股市、中国香港股市和美国股市，选择
的时间段为 2006 年 8 月 1 至 2009 年 1 月 1 日。考虑
到 2007 年 10 月 16 日美国财政部准备买入处于困境
的抵押证券，次贷危机开始演变成金融危机 ，同时上
证指数也达到了最高点 6124 点。所以以此为界，将整
个时段划为二个子阶段：2006 年 8 月 1 日至 2007 年
10 月 16 日，2007 年 10 月 16 日至 2009 年 1 月 1 日。
由于上海、 中国香港和纽约三地股票市场的交易时
间不一致，各地区的节假日也差别较大，这里对数据
进行了处理， 选择了三个地区同时有交易的时间序
列，共 611 个数据。 为了表达简洁，用 SH 代表上证指
数， DJ 代表道琼斯指数， Hong 代表中国香港的恒生
指数，Lnsh 、lndj 、lnHong 分别代表对数指数， Rdj 、
Rsh 、Rhong 是进行一阶差分后的对数指数序列，用
来近似代表收益率 。 所使用的计量统计软件是
和 。
用贝叶斯条件法则对于指数收益率时间序列分
析 ，通过图一 、图二 、图三 、图四 、表 1 和表 2（见下
页），可以看出：
第一，就整个时期来看，美股涨的天数要多于跌
的天数，在此期间，沪市呈现出跟涨不跟跌的规律，跟
涨的概率为 %，说明在美股涨的大多数时间内沪
市跟着涨。 而跟跌的概率为 50%， 说明美股跌的时
候，沪市的运行规律呈现随机游走的特征，基本无规
律可循。
第二，就危机前来看，美股涨的天数要多于跌的
天数，在此期间，沪市的跟涨概率高达 %，意味着
在美股涨的绝大多数时间内沪市跟着涨，而跟跌的概
率比较低，仅为 %，说明沪市具有明显的抗跌性，
美国市场的利空对沪市影响比较微弱。
第三，就危机后期来看，美股跌的天数要高于涨
的天数， 在此期间， 沪市呈现出跟跌不跟涨的规律。
沪市跟跌概率达到 %， 而跟涨的概率仅为 48%，
这时沪市表现出跟跌不跟涨的特性。
①若无特殊说明，所有的数据均取自雅虎财经网站。
资本市场CAPITALMARKET
119
2010 年第 6期 总第 196 期
专业眼光看经济 经济眼光看中国
图一 危机前 SH、DJ 指数变化 图二 危机前 SH、Hong 指数变化
第四，由于中国香港股票市场与美国股票市场存
在较高的相关性，因此沪市跟随港股的涨跌情况与跟
随美股涨跌的情况基本相似，不过强度要弱一点。 同
样可以看出，在整个时期内，港股上涨的天数要多于
下跌的天数，在此期间，沪市表现了跟涨不跟跌的特
征，跟涨概率为 %，跟跌的概率为 %，基本表
现为随机游走的特性。
第五，就危机前来看，港股涨的天数要多于跌的
天数，在此期间，沪市的跟涨概率达到 %，意味着
在美股涨得绝大多数时间内沪市跟着涨，而跟跌的概
率比较低，仅为 %；就危机后期看，沪市跟随港市
下跌的概率达到了 %，而跟随港市上涨的概率为
，表现为跟涨不跟跌的特性。
三、实证研究
下面通过平稳性检验、协整关系检验、葛兰杰因
果检验、方差分解及脉冲响应函数，对数据进行实证
分析。
（一）平稳性检验
就一个长期区间来看 , 对于若干各自具有长期
图三 危机后 SH、DJ 指数变化 图四 危机后 SH、Hong 指数变化
表 1 沪市跟随美股涨跌的情况
时期 条件 交易天数 比率（概率）
整段
时间
美股涨 321 %
美股涨时沪市涨 220
美股跌 290 50%
美股跌时沪市跌 145
金融危
机前
美股涨 171 %
美股涨时沪市涨 129
美股跌 134 %
美股跌时沪市跌 49
金融危
机后
美股涨 150 48%
美股涨时沪市涨 72
美股跌 156 %
美股跌时沪市跌 106
表 2 沪市跟随港股跌的情况
时期 条件 交易天数 比率（概率）
整段
时间
港股涨 321 %
港股涨时沪市涨 200
港股跌 290 %
港股跌时沪市跌 143
金融危
机前
港股涨 173 %
港股涨时沪市涨 125
港股跌 124 %
港股跌时沪市跌 38
金融危
机后
港股涨 148 %
港股涨时沪市涨 73
港股跌 166 %
港股跌时沪市跌 105
资本市场 CAPITALMARKET
120
2010 年第 6期 总第 196 期
专业眼光看经济 经济眼光看中国
波动规律的变量, 它们之间存在一种长期均衡关系。
在此， 变量分别指上证指数、恒生指数和道琼斯指数
时间序列。 协整关系的研究对象是非平稳的时间序
列, 因此, 在进行协整关系检验前必须确认变量的平
稳性。 分别对对数序列和一阶差分序列进行 ADF 检
验，检验结果如下：
从表 3 可以看出，在 1%的显著性水平下（临界
值为，* 表示显著），检验结果表明，对数指数序
列均接受存在单位根的原假设，对其差分序列进一步
进行平稳性检验， 则显著拒绝存在单位根的原假设，
这说明它们的差分序列是平稳的，由此可以推断对数
指数序列都是 I(1)过程，收益率序列是 I(0)过程。
（二）协整关系检验
协整关系检验的基本思想是，如果两个或者两个
以上的时间序列变量是非平稳的，但它们的某种线性
组合却表现出长期平稳性，则这些变量之间存在协整
关系。 在此，采用 Johansen(1988、1990) 提出的“极大
似然估计法”，该方法所受到的限制条件较少，也是目
前使用最广泛的一种检验方法，检验结果见表 4。
从表 4 可以看出， 危机前和危机后的上证指数、
恒生指数、道琼斯指数在 1%的显著性水平下，存在 1
个协整关系。 协整理论表明，若 3 个变量之间存在 1
个协整向量, 则说明这 3 个变量的动态特性主要由 2
个共同随机趋势决定着。 因此，Johansen 协整关系检
验的结果说明上证指数、恒生指数、道琼斯指数之间
存在着长期稳定的关系，具有共同的随机趋势。
（三）基于向量误差修正模型的葛兰杰因果检验
由于股市指数序列是不平稳的，所以这里对传统
的 Granger 因果检验的方法方程进行了修正，修正后
的方程为：
其中 、 分别是股票市场指数的收益率序列，
ECMt-1是前一期的误差修正项。这种模型不带有任何
的约束项，将每个变量序列视为内生变量，并将所有
变量的滞后项作为模型的解释变量进行回归。 因为
这里主要研究的是道琼斯和恒生指数涨跌对于上证
指数涨跌的影响，就省略其他因果关系的检验。
从表 4 可以看出，美国市场与中国市场，中国香
港市场与中国大陆市场存在因果关系，具体的说，在
滞后一阶、1%的显著性水平下,道琼斯指数和恒生指
数与上证指数存在 Granger 因果关系。 说明美国、中
国香港股票市场对于中国大陆股票市场存在信息传
递关系，这也与杨毅的研究①一致。
（四）方差分解
对于一阶差分平稳向量 , 可以在向量自回归模
型的基础上研究它的动态性质 , 主要技术手段是预
测方差分解和脉冲响应函数。 这里指的是 SH、DJ 和
Hong 的收益率时间序列。 预测方差分解描述了向量
自回归模型中各变量的冲击对系统变量动态变化的
表 3 对变量单位根的 ADF 检验结果
第一阶段（危机前） 第二阶段（危机后）
序列 ADF 临界值（1%） 序列 ADF 临界值（1%）
lndj lndj
Rdj * Rdj *
lnhong lnhong
Rhong Rhong *
lnsh lnsh
Rsh * Rsh *
表 4 协整关系检验结果
时期 特征值 迹统计量 临界值（1%） 假设协整方程个数
危机前
None*
At most1
危机后
None*
At most1
注：根据 SC 和 SIC 准则，最优滞后阶数均为 2；* 表示显著性。
①杨毅（2007）根据对 2005 年 8 月 31 日至 2006 年 8 月
31 日的中美股票市场数据进行分析， 认为尽管中国与
美国市场间收益率均值溢出效应仍不显著,但美国市场
的波动与上海市场的波动显示出了显著的双向因果性，
这反映了中国股市与美国股市已经开始受一些共同信
息的影响,而产生共同的波动。
资本市场CAPITALMARKET
121
2010 年第 6期 总第 196 期
专业眼光看经济 经济眼光看中国
相对重要性。 它的主要思想是将系统的预测均方误
差分解为系统中各变量冲击所作的贡献。
从表 5 和表 6 可以看出：
第一，沪市的预测方差贡献率主要是由自身趋势
决定的， 其收益率波动的 50%以上可以用自身的预
测方差贡献率来解释。
第二，美市、港市对沪市波动有一定的影响，但危
机前后，美市、港市对沪市的波动影响发生较大变化，
危机前美、港股市合计在解释中国大陆股市波动中占
了 %，但是危机后的解释能力提高较快，达到了
%。 这是中国经济进一步融入全球以及金融危机
的全球传染所造成的，也表明了中国大陆、中国香港、
美国三地区股票市场联动性在增强。
第三，从沪市波动分解的具体结果来看，美股对
中国大陆股市波动的方差贡献率为 %，中国香港
股市的贡献率为 %， 美股对中国大陆股市波动的
贡献率大于中国香港股市。 危机后，美股对中国大陆
股市波动的贡献率小幅上升到 %， 而中国香港
股市对中国大陆股市波动的贡献率却大幅上升，达到
%。 以上结果表明，危机后，相对美股而言，中国
香港股市在中国大陆股市波动中的地位在上升，部分
原因是中国香港和中国大陆经济一体化进程加速。
（五）脉冲响应函数
脉冲响应函数提供了另一种描述系统动态变化
的方法。 在向量自回归模型中, 当某一变量 t 期的扰
动项变动时, 会通过变量之间的动态联系, 对 t 期以
后各变量产生一连串的连锁作用。 脉冲响应函数将
描述系统对冲击的动态反应,并从动态反应中判断变
量之间的时滞关系。下面是运用 分析的上
证指数的脉冲响应路径。
通过图五和图六可以看出，危机前，SH 指数对来
自 DJ 指数和 Hong 指数的一个单位的正向冲击，反
映比较明显，但是逐渐减弱，并在第 5 期为 0；而危机
后，SH 指数对来自 DJ 指数和 Hong 指数的一个单位
表 5 预测方差分解结果（危机前）
period . Rsh Rdj Rhong
1
2
3
4
5
6
7
8
9
10
表 6 预测方差分解结果（危机后）
period . Rsh Rdj Rhong
1
2
3
4
5
6
7
8
9
10
图五 危机前上证指数的脉冲响应路径
图六 危机后上证指数的脉冲响应路径
资本市场 CAPITALMARKET
122
2010 年第 6期 总第 196 期
专业眼光看经济 经济眼光看中国
负冲击反应明显， 分别下降了 个单位和 1 个单
位。 这也反映危机前后，美股和港股对于沪市的冲击
发生了结构性变化。
四、结论与启示
通过理论分析和实证检验，研究了危机前后一段
时间中国大陆、中国香港、美国股票市场的信息流动
关系，发现了沪市跟随美市、港市涨跌规律发生了结
构性变化：危机前，沪市是跟涨不跟跌，来自美国和中
国香港市场的利好通常被市场解释为真真在在的利
好，而对利空因素视而不见；危机后，沪市是跟跌不跟
涨，此时，来自美国、中国香港市场的利空因素通常被
放大，引起市场恐慌，而对利好因素没有过多的反应。
危机前后，沪市跟随美市、港市的涨跌呈现出很强的
不对称性。 金融危机的发生在很大程度上改变了投
资者的心态，加剧了市场恐慌，也改变了美市、港市向
沪市的信息传递规律。
研究对于投资者和管理层决策有一定的参考价
值。 沪市的运行呈现典型的非理性特征。 一旦上涨势
头确立，大盘指数就一路上行，一旦下跌势头确立，便
一路下行。 因此，维护市场稳定的关键是要扭转股市
运行的趋势；同时要加强对投资者教育，保证信息的
透明、公开。
这次金融危机对于中国市场的影响是深远的，也
加强了中国股票市场与外围市场的联动。 在研究解
决中国股票市场问题时要有全球视角，需要充分考虑
周围市场的影响。
参考文献
[1]Bekaert , Harvey , . Emerging Equity Market
Volatility. Journal of Financial Economics,1997(43).pp.
29～771.
[2]Ng Angela Volatility Spillover Effects from Japan
and the US to the Pacific Basin, Journal of Interna-
tional Money and Finance, 2000(19):～233.
[3]Miyakoshi , T, Spillovers of Stock Return Volatility
to Asian Equity Markets from Japan and US, Jounal of
International Financial Markets, Institutions &Money.
2003（13）,～399.
[4]Connolly Robert . Albert Wang. On Stock Market
Return Co -movement: Macroeconomic News,
Dispersion of Beliefs and Paper,
University of North Carolina, 2002.
[5]Forbes，Chinn. Stock Market Linkages in Emerging
Markets: Implications for International Portfolio
diversification. Journal of International Financial
Markets, Institutions &Money, 2003, (15):～106.
[6]陈守东 韩广哲 荆伟：《主要股票市场指数与我国股
票市场指数间的协整分析》，《数量经济技术经济研
究》2003 年第 5 期，第 124~129 页
[7] 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
[8] 张碧琼 ： 《中国股票市场信息国际化 ： 基于
EGARCH 模型的检验》，《国际金融研究》2005 年第 5
期，第 68～73 页
[9]谷耀 陆丽娜：《沪、深、港股市信息溢出效应与动态
相关性———基于 DCC-(BV)EGARCH-VAR 的检验》，
《数量经济技术经济研究》2006年第 8期，第 39～47页
[10]周珺：《我国大陆股票市场与周边主要股票市场的
联动分析》，《企业经济》2007 年第 1期，第 165～167页
[11] 李晓广 张岩贵：《我国股票市场与国际市场的联
动性研究———对次贷危机时期样本的分析》，《国际金
融研究》2008 年第 11 期，第 175～180 页
资本市场CAPITALMARKET
Reform
123
