第34卷第2期技术经济, 2015年2月Feb. , 2015 Technology Economics 中国股市溢出效应刘磊1，2王宇3(1.博时基金宏观策略部，深圳518040;2.北京师范大学经济与工商管理学院，深圳518040;3.中国社会科学院经济研究所，北京102488)摘要:研究了中国A股市场、B股市场和H股市场的市场分隔和信息溢出效应。递归协整分析结果表明:3个股票市场中的任何一个都不与其他市场存在长期关系，且市场分隔并没有因政策变化而消失。溢出指数分析结果表明2在平均水平下，H股市场向A股市场和B股市场有净溢出，B股市场向A股市场有净溢出，这支持了境外投资者拥有更多信息的假说;动态分析结果表明，在经济平稳时期，A股市场拥有更多信息，金融危机期间出现B股市场和H股市场向A股市场的金融传染现象。关键词:股票市场;市场分隔;信息溢出中图分类号: 文献标志码:A文章编号:1002-980X( 2015) 02-0084一09者分隔的资本市场[2J。1 研究背景理论上讲，由于企业具有相同的基本面，加之信在过去20多年的时间内，中国股票市场从无到息跨市场流动，因此分隔的交易并不一定导致分隔有经历了'快速发展，吸引了大量本国和国际技资者的市场。然而，已有足够多的证据证明中国股票市的技资，己成为世界最大的新兴资本市场[IJ。中国场的分隔确实存在[叫。这种分隔既表现为各股票资本市场明显区别于其他地区资本市场的重要特征价格指数的非平稳序列之间不存在协整关系问，也是市场分隔性:最初设计A股、B股和H股市场的表现为各股票回报指数的平稳序列之间不存在目的就是将本国投资者与国际投资者分隔开，以期Granger因果关系。尤其显著的是，B股市场相比在吸引国际资本的同时免受国际金融市场波动的影A股市场长期存在很大的价格折价，即完全相同的响。公司牒权在B股市场的价格要低于在A股市场的上海证券交易所和深圳证券交易所分别成立于价格阳。在对比了其他11个具有类似市场分隔结1990年12月和1991年7月。在两个证券交易所构的国家的资本市场后，Bailey、Chung和Kang认上市的公司可以发行两种类型的股票一-A股和B为中国的情况最为特殊且无法解释间。股。A股市场使用人民币交易，只对本国居民开放;中国资本市场的这种分隔结构在2000年后有B股市场以外币(上海证券交易所以美元交易，深圳所改变。2001年2月，中国证监会宣布，允许中国证券交易所以港元交易)为交易媒介，在2001年2居民使用外汇在B股市场交易。被巨大的市场折月以前只对境外投资者开放。此外，一些中国企业价所吸引，大量中国投资者进入B股市场，这立刻还可在境外证券交易所上市募集资金，如在香港交增加了B股的交易需求，使B股价格在持续上升数易所和纽约证券交易所发行的股票分别被称为H月后已接近A股市场的价格。2002年12月，中国股和N股。由于中国大陆地区与香港地区在经济、证监会又宣布允许部分有资格的境外投资者进入中金融活动方面具有紧密联系，因此H股市场成为中国A股市场(QFID。这项政策在理论上进一步加国企业在海外资本市场募集资金的最重要渠道[2J。强了A股市场与B股市场的一体化，弱化了市场分由此，中国资本市场已基本形成由A股市场、B股隔。截至2014年11月，已有272家境外机构获得市场和H股市场这几个相互分隔的资本市场组成QFII资格，已有104家境外机构获得RQFII资格，的局面，成为世界上唯一将本国技资者与国际投资其中QFII的投资额度达640亿美元，RQFII的技收稿日期:2014-11-26作者简介:刘磊(1982一九男，天津人，博时基金宏观策略部，北京师范大学经济与工商管理学院在站博士后，博士，研究方向:宏观经济与货币理论;王宇(1987-)，女，天津人，中国社会科学院经济研究所博士研究生，研究方向:宏观经济。84
刘磊等:中国股市溢出效应资额度已接近3000亿人民币。此外，2014年上海息处理技术以及B股市场对信息披露有更严格的证券交易所与香港交易所开展合作，于11月推出要求等。而另一些研究者则认为，中国当地投资者"沪港通"即在一定额度的限制下允许大陆地区的拥有更多信息[1飞他们认为语言障碍、不同国家的投资者和香港地区的投资者投资对方市场的指数成财务体系不同以及国外技资者缺乏有效信息是国外份类股票。由此，中国的A股市场与B股市场的联投资者具有信息劣势的主要原因。本文将通过实证系变得更加紧密。那么，市场分隔在中国的A股市分析比较这两种假设并给出统一结论。场与B股市场之间是否依然存在，是我们需要考虑在研究方法上，研究者们一般采用多元滞后分的重要问题。布模型①、VAR模型和向量误差修正模型(vector 另一个引人注意的变化是，H股市场快速发error correction model, VECM)②以及GARCH模展。B股市场和H股市场都是为境外投资者设计，型飞通过估计波动溢出效应对金融市场间的溢出资本在两个市场之间可不受限制地自由流动，两个效应进行实证分析。市场对境外投资者是高度可替代的。H股市场的在数据选择上，大部分文献采用市场总指数的表现要好于B股市场。这是因为:只有符合一定的日数据一→这也是本文对数据类型的选择。除此之规模和利润率要求的中国企业才可以获得在H股外，还有一些文献专门选取了在A股市场、B股市市场上市的资格，并且H股市场的上市公司有更严场、H股市场和N股市场同时上市的公司进行单独格的管理约束，香港的交易系统也更具效率[9J。因研究问。还有一些文献或采用周数据阳，或采用更此，境外投资者更愿意投资H股市场而非B股市高频的小时数据[21J。场口oJ。在这样的背景下，B股市场是否还应独立存一些文献在数据处理时加入结构突变点。由于在已成为当前中国证监会需要考虑的问题。而决定自2001年2月19日开始当地投资者被允许投资BB股市场的存留，需要综合考虑B股市场的市场效股市场，因此大部分研究者将该时间视为结构突变率、与其他市场的信息传递关系和市场溢出效应等。点进行研究。针对上述背景，本文通过递归协整分析、计算溢3 研究方法和数据出指数来说明A股市场、B股市场和H股市场之间市场分隔的动态变化和有方向的动态溢出关系。本考虑到中国股票市场自20世纪90年代建立后文的研究结论对于投资者和政策制定者都有参考意经历了动态的市场化发展，用20年维度的平均水平义。下文结构安排如下:进行简单的文献回顾;介绍进行分析无法体现市场发展的动态特征，因此本文数据和模型;报告实证估计结果;总结结论。采用两种动态技术。首先，本文在标准协整分析的基础上，进一步采用递归协整技术[22J描述市场长期2 文献回顾关系的动态变化;然后，本文采用一种被称作溢出指中国股票市场的市场分隔问题吸引了许多研究数[23J的标准化指标衡量几个市场间的动态溢出效者的关注，大量的实证研究聚焦于此[l1J一些文献应。该指数建立在预测误差方差分解的基础上，为专门研究了B股市场相对于A股市场的折价现象。研究溢出效应提供了一种精确量化的测量工具，己Chan、Menkveld和Yang将这种不对称归因于信息在跨市场间关系研究领域得到广泛应用山。不对称[12J而Ma则认为，这主要源于投资者对风 递归协整分析险的态度以及B股市场与境外股票市场的关联[叫。设Xt为3个市场的价格向量，每个价格序列都关于A股市场与B股市场之间的信息传导关是差分平稳的，其VECM可表示为:P一I系，也形成了两种相互竞争的假说。传统的金融理t:,.Yt =llXy卜1+三AXt:，.YH+μ十E，0 (1) 论认为，当地投资者相比境外投资者拥有更多信i=l 息t叫。然而，对中国股票市场的实证研究结果却没式(1)中:Yt是3Xl阶向量，表示3个市场的价有得到统一结论。一些研究者认为，境外技资者相格指数山Yt是价格的变动率。在一阶差分的VAR比中国当地投资者拥有更多信息时，其原因主要有模型中加入水平值的一阶滞后项Yt-1而成为误差修政府对国内媒体控制、境外投资者拥有更先进的信正模型。系数H中包含了3个市场间的长期协整① 用于检验不同市场的Granger因果关系。叫。② 主要用于检验滞后分布关系、长期协整关系和短期调整速度[17J。③ 主要用于估计波动溢出效应[18J。85
技术经济第34卷第2期关系，对其估计有3种结果:第一，若H为满秩矩这里CCL)=C+CL+…+C∞L∞，C。为3X3o 1阵，则合理的估计模型为价格的VAR模型;第二，阶矩阵。C1、CC2、…、∞都可以还原为矶、B2、…、乱若H的秩为0，则各市场价格之间不存在长期协整的递归表达式:Ci=B1C;一1十B2Ci-十…2+BpC-0 iP VMA表达式即式(3)中的系数是研究系统动态过关系，应采用价格的一阶差分(即收入水平)构造标准VAR模型;第三，若矩阵H的秩r介于0~3，则程的关键。方差分解方法可用于衡量前H期的Yi预测误差的方差中有多大比例归因于本期仇的结存在3Xr阶矩阵α和p，使得n=αXpT，此时jfX只构冲击(对于所有的z手j)。是平稳序列，应采用VECM。因为这里使用的是退化VAR模型，E，中表现通过检验A股市场、B股市场与H股市场之间出的市场冲击本身已受到其他市场结构冲击的影是否存在协整关系，可以得出3个市场之间是否存响，所以需要将式(2)转化为结构VAR模型。研究在市场分隔。本文采用协整检验的秩检验方法，这者普遍采用的方法是乔勒斯基正交化分解法。但这需要检验矩阵n=αXpT秩的个数。秩的个数表示种方法有一个缺点一一-过分依赖研究者对当期影响3个市场间长期协整关系的个数。进一步，如果秩顺序的主观判断，不同的初始顺序设定会对结果造检验结果显示秩的个数为1或2，则应进一步估计成很大影响，而这与我们试图寻找一种客观的数量长期协整关系。化指标的初衷相背。此后，一些学者试图从不同角考虑到中国股票市场不断的市场化进程以及几度解决这一问题。一些文献通过假设所有可能的初次重要的政策调整，建立在整个样本跨度上的平均始顺序得出溢出指数的最大值和最小值的范围[叫。协整关系并不能表现全市场的动态变化，因此本文Diebold和Yilmaz也调整了其初始模型[26J采用由采用一种被称作递归协整的技术来检验协整向量秩Pesaran和Shin提出的一般化VAR Cg eneralized 的稳定性[2日，目前该方法已被学者广泛应用于动态VAR)[27J模型解决这一问题，使方差分解结果不再关系研究。可建立两种模型检验秩的稳定性:第一，受初始同期传导顺序设定的影响。这种一般化"R模型"，保持式(1)中的短期关系系数Ai在整个VAR模型不再试图将残差序列正交化，而是综合考样本序列中不变，而只递归估计长期关系系数II;第虑残差序列的历史分布并以之计算方差分解。本文二，"Z模型"，递归估计所有的长期关系系数和短期采用该模型来计算中国股票市场间的溢出指数。关系系数。研究表明，"R模型"的结果在递归协整根据一般化VAR模型的方差分解定义，滞后估计中更为有效。H期预测误差的方差分解为fJtCH): 溢出指数模型H一1如果不存在长期协整关系(正如本文结果所41 2: Ce;C4e j)2 hfJt(H)=Jj一Ihzo(4) 示)，那么价格的一阶差分(即收入水平)的VAR模三Ce;Ch4CleY型将被应用于估计市场间的动态关系。Diebold和式(4)中2立为残差序列向量E的方差协方差矩Yilmaz首先提出了溢出指数这一衡量不同市场问阵;的为残差序列E中第i个变量的标准差;ei为选信息溢出的量化分析工具，并得到广泛应用[23J。该择向量，其第i个元素为1，其余元素都为O;fJtCH)方法建立在预测误差的方差分解的基础上，可用于表示在H期的预测水平上'Yi的方差中有多大比例衡量一个市场预测误差的方差在多大程度上受其他归因于仇的冲击。由于这种方法并没有将残差序市场的结构冲击的影响。列正交化，因此方差分解表中每一行之和并不等于首先，设3个市场的收入序列都是协方差平稳的，并组成3元的列向量比，则退化的p阶滞后1，即2:fJtCH)笋1。为了标准的一致性，需要将预测VAR模型可表示为:误差的方差分解再进一步标准化:Yt = B1Yt-l + B2YH +…+BpY叶+εt0 (2) Îí~/LT\ fJtCH>(5) fJt(H) =寸一一一一。式(2)中:Yt=(''约.t)T为3个市场的收2:fJt CH) 入向量;E~(O，立)为一组独立同分布的残差序列向j~l 量。式(2)可转化为向量移动平均(vectormoving 这样就可以保证主持佣=1和ZIM)=30average)的表达形式:由此，可定义总溢出指数sg(H): 2Yt = B1LYt十B2LYt +…+BpLρYt十EtCI-22:面CH)~二房(H)BL -BL12一…-BρLP)y，二E，ytCI -BL一1SgCH)=~写一一一一X100=兰ι一一X100(6) 02BLιi0 (3) 2一…-BpLρ)-1己=C(L)E, = "2二C;二局CH)。i=O 86
:X1J 磊等z中国股市溢出效应总溢出指数sg(H)用于衡量3个股票市场的(}f, (H)府(H)Vij S! (H) = [ 3，一一一丁-一一一]X 100 = 所有预测误差的方差中有多少来自于其他市场结构;呈阳(H);三lb(H)冲击的溢出效应。[ t (H)一惊(H)]X100(10) o然后，可定义两个有方向的溢出指数，即市场i两市场间的净溢出指数S!(H)可用于衡量市受到的其他所有市场的溢出影响指数s~(H)和市场i到市场j的溢出效应与市场j到市场i的溢出场i传递给其他所有市场的溢出影响指数s~(H): 效应差。土房(H) 数据分析S~(H)=丐」一一X100=三向(H)X100;(7) 本文的样本区间为1995年1月2日到2012年2房(H)127月12日，研究对象为历时4574天的3个股票市2;向(H)场，所用数据为上证A指(SHA)、上证B指(SHB)和香港恒生指数(HKH)的日数据①。样本区间的S~ (H)=于÷一-X100o(8) 石印(H)选择是基于对人民币汇率政策统一性的考虑一一自1994年1月1日起中国开始使用有管理的浮动汇将以上两个有方向的溢出指数相械，可得净溢出指数Sf(H)率体系，同时为了有效避免股市建立初期的不稳定: 性[17]。由于3个股市的交易分别采用3种货Sf(H) =Sfp (H) -S~ (H) 0 (9) 币一一人民币、美元和港币，因此将3个序列数据统净溢出指数Sf(H)可用于衡量市场i的向外溢一转化为美元货币单位。全部数据均来自Wind数出效应与其他市场对市场z的溢出效应之差。据库。对数化的数据序列如图1所示，可看出这3最后，定义两市场间的净溢出指数S!(H): 个序列都是非平稳的。 r 2目。俨-J飞-11’1. _ r’ro.. 叫，.ι'-r"\.， " 1-1. r ~恤lru 6护♂♂♂♂♂扩俨俨护♂♂♂扩扩♂♂♂扩护矿护矿矿矿矿矿a SHA b SHB c HKH 圈13个股市的对数化价格指敏序列本文采用两种单位根检验方法增广Dick-进行Hansen和Johansen的递归协整检验。ey-Fuller检验川和Phillips-Perron检验〔叫。两种采用式(1).取滞后7阶的VECM.以1年的数据为检验的零假设都为包含单位根。表l报告了两种检基期窗口，并逐期递增的滚动估计。同时，将每期的验的结果。与其他大多数学者的结论一致，本文发秩检验统计量按照5%的显著水平标准化，其超过现对数化的价格指数序列都为一阶单积1(1)过程。表示在5%的显著水平下拒绝原假设，即存在协整关系②。秩统计量的标准化结果见图2。4 实证结果分析很明显，无论是R模型还是X模型，在5%的显根据A1C.选择式(1)的滞后期为70Johansen 著水平下均不存在协整关系。尤其是在R模型中，的秩检验结果[叫见表2。从表2可以看出，在任何无协整关系的结论更加明显。递归协整检验的结果显著水平下都无法拒绝不存在协整关系的零假设。暗示了两项推论:第一.A股市场与B股市场之间① 笔者使用深圳A股市场和深圳B股市场进行稳健性检验，结果表明将上证A指和上证B指的数据替换为深证A指和深证B指的数据并不影响研究结论。② 在稳健性检验中，本文进行了倒序递归协整检验，即以样本范围的最后一年为基期窗口，倒序进行滚动估计。估计结果基本相同，不影响本文的研究结论。87
技术经济第34卷第2期表1单位根检验结果着在几个股票市场的投资组合依然可带来资产分散不包括趋势项加入趋势项化的收益。变量ADF PP ADF PP 1. 05 一 1. 72 表2Johansen秩检验统计量及对应的概率值SHA () () () () 不包括趋势项加入趋势项零假设 T P值T P值SHB () () (0. 792) () γ=0 26. 508 γ=1 o. 36 1. 01 14. 101 o. 654 HKH () (0. 768) () () r=2 o. 106 注，T为Johansen秩检验统计量.P值为其对应的概率值;根据一一一 一 AIC选择滞后7期的VECMo() () () () 一一一 一 由于3个市场之间不存在长期协整关系，因此() () () () 可用对数化价格指数的一阶差分(即收入水平)构造 一 一 DHKH 普通VAR模型。根据式(5)~式(8)计算出的、基() (0. 000) () () 于整个样本空间的总溢出指数和有方向的溢出指数注，ADF表示增广Dickey-Fuller检验.PP表示Phillips-Perron检验g括号中的数值为置信概率;DSHA、DSHB和DHKH分别为见表3。香港H股市场与上海A股市场之间的溢SHA 、SHB和HKH的一阶差分序列;滞后项个数的选择采用AIC出效应最小，分别是HKH向SHA传递了%，标准。SHA向HKH仅传递了%。上海B股市场与的市场分隔依然存在，中国A股市场与B股市场之香港H股市场之间的溢出要比SHA与HKH之间并没有因为投资者趋同而出现长期稳定关系;第间的溢出稍多一些。而联系最紧密的是上海A股二，B股市场与H股市场之间的市场分隔依然存市场与上海B股市场，其中SHA向SHB溢出% ，而SHB向SHA溢出%。市场间总在，这两个股市并没有因为面对相同的国际投资者而出现长期稳定关系。该结论与Sun和Tong[l吁导溢出指数为%，意味着在全部样本范围内3个出的结论一-H股市场与B股市场具有高度替代市场的预测误差方差中有%要归因于其他市性一一相矛盾。不同股票市场之间的市场分隔意味场的溢出效应。(t) 。. 。. 阳县61997 1998 1999 2000 2∞1 2∞122∞3 2α)42∞52创J621ω72α112αy) 2010 2011 2012 年份a X模型标准化的秩检验统计量时间序列 R(t) 1996 1997 1998 1999 2<旧02∞12002 2创)32ω42∞52αJ62∞72臼112αy)2010 20112012 年份b R模型标准化的秩检验统计量时间序列-四……-H(0)H(3);…H(l)H(3);_._., H(2)H(3) 图z递归协整分析一一秩检验统计量的时间序列88
刘磊等:中国股市溢出效应表3溢出指数表进入中国A股市场(QFII)，此后获得QFII资格的SHA SHB HKH 悚自其他市场的溢出境外投资者逐渐增多。这应是2003年和2004年市SHA 21. 2 24. 8 场溢出指数不断上升的原因之一。第4次周期与SHB 27. 6 2005-2007年中国股市的特大牛市相对应。股票HKH 7. 1 90. 1 价格的不断上涨强化了人们的升值预期，吸引了更l去向其他市场的溢出21. 8 |包括对自己的总溢出 总溢出指数=多资本流入股市，进一步推动股票价格的提高，同时注:根据公式5、6、7、8计算得来。方差分解是基于带有7阶滞几个股市间的联系也进一步加强。最后一次周期始后项的一般化VAR模型的向前10期的预测误差。表中的第ci,j) 于2009年年初，谧出指数在2010年后至今保持在项值表示第1个市场的单位冲击对第i个市场10期后预测误差方40%之上，市场间的联系进一步加强。差的影响比例。ω 虽然通过表3可以看出中国股票市场间的平均50 溢出关系，但是在整个样本区间内中国股票市场经历了显著的市场化成熟过程，加上不断发展的先进40 信息传递技术、政策对市场投资者要求的不断放开以及资本流动性的增强，股市间的溢出效应也随之30 变化。因此，构建动态的溢出指数有利于更好地了20 解中国股市的演变过程。本文采用200天固定窗口的滚动样本模型来分析溢出指数随时间的变化规10 律，计算结果如图3所示。矿J矿矿矿矿矿矿矿年份图3表现出中国股票市场溢出指数具有两个特征。图3市场总溢出指数第一，市场间溢出效应的上升趋势显著。在2003年之前，溢出指数在大部分时间内在20%~表3中"来自其他市场的溢出"一列中的三个数30%之间波动，仅在有限的几个月超过了30%，而和"去向其他市场的溢出"一行中的3个数分别对应低于20%的时间长达2年多。而在2003年以后，了式(7)和式(的中的S~(H)和乓(H)。与总溢出溢出指数未低于20%，更多是在30%~50%之间波指数相同，通过固定200天窗口的滚动回归可得出动，在2010年末到2011年初的一段时间甚至超过有方向的溢出指数的动态变化，见图4和图5。可50%。这意味着，全部市场收入的方差中有超过一以看出，上海A股市场与上海B股市场的向外溢出半来自于其他市场结构冲击的溢出效应。效应、向内溢出效应和总溢出指数的变化趋势基本第二，市场溢出指数具有周期性。大致可以识相同，即存在长期增长的时间趋势和短期内的周期别出5次较明显的周期。第1个周期始于1998年效应，且周期基本与总溢出指数的周期同步。而香年初，1998年和1999年的指数溢出值都较高，而港H股市场的时间趋势与其他两个市场则完全不2000年年末回落到较低水平。因为本文使用的是同，表现出一定的短期波动(与其他两市场及总指数200天固定滚动窗口，因此这次溢出指数的提高很的波动周期不同)，但无论是向外还是向内均没有明可能是受当时东南亚金融危机的影响，金融危机使显的时间趋势。同时，香港H股市场的溢出指数明亚洲|股票市场间出现金融传染现象阳，金融传染使显小于其他两个市场。得市场间的溢出效应增强。第2次周期始于2001图6显示了根据式(10)得出的两市场间净溢出年年初，到2001年中期达到顶点并开始回落，于指数的变化。可以看出，上海A股市场与其他两个2002年年底回落至最低点。这一结果有些令人惊市场间的净溢出值较小，基本在士10%的范围内波动。样本区间内两次重要的金融危机①时间段内均讶，因为2001年2月是中国证监会宣布允许本国投是B股市场对A股市场净溢出，而其他时期基本都资者可以技资B股市场的时间，但本文的研究结果是A股市场向B股市场净溢出。在样本区间的早显示这项政策并没有增强股市间的信息溢出效应o期(1996-1998年)，香港H股市场向A股市场的第3次周期始于2003年年初，在2004年末达到最净溢出较多川旦在1999年以后，基本都是A股市场高点，于2005年下半年回落到最低点。2002年12向H股市场净溢出q从图6c可看出，B股市场与月，中国证监会开始让一部分有资格的国外技资者① 1997-1999年东南亚金融危机和2007-2009年全球金融危机。89
技术经济第34卷第2期H股市场间的净溢出效应较大，尤其是在样本初两个时期，而其他时期都是B股市场向H股市场净期。从样本初期到1997年年末、从1999年初期到溢出。2001年初期是H股市场大幅向B股市场净溢出的60 60 60 50 50 50 40 40 40 30 30 30 20 20 20 10 10 10 OJFJ矿ddb矿矿矿矿矿?♂矿cdb矿c严矿矿矿:在♂矿矿矿c俨矿矿矿a SHA bS HB c HKH 图4单向溢出指数一一来自3个股票市场60 60 I\~ 50 50 40 40 30 30 20 20 10 10 or护矿矿矿c萨矿矿矿odP妒矿db~矿'1)在~乒，，-'"乒'1)投a SHA b SHB c HKH 图5单向溢出指放一一去向3个股票市场30 30 30 20 20 20 10 10 J喃叩电FFWVVT!俨-1:r啊"只~~"II"'I-20 I -30 I, r I , , , , , I I I I I I I Iw -30 I I I I I I I I匾，1 1 I自由, , , -30 扩护矿护矿矿矿矿矿扩护c俨cdb矿矿矿矿矿扩护矿矿矿矿矿矿"-~，，，，-a SHA-SHB b SHA-HKH c SHB-HKH 固6两市场间的净溢出指数图6还显示出几个市场间信息溢出的波动性。市信息这一假说[3J相矛盾。但该结论仅限于经济平从表1可计算出B股市场向A股市场的平均净溢稳时期，在样本区间的两次金融危机时期，结论则相出为%，H股市场向B股市场的平均净溢出为反。图6c支持了2000年后B股市场对H股市场%，H股市场向A股市场的平均净溢出为的价格变动拥有很强解释力的结论，B股市场的信息会向H股市场传递[7J。%。这与Yang的结论基本一致的。净溢出指数图进一步显示出不同时期市场溢出的动态变化。5 结论从图6可以看出金融危机期间B股市场和H股市场向A股市场的金融传染效应。本文主要讨论了中国股票市场的市场分隔和信图6a和图6b支持了当地投资者拥有更多信息息溢出现象，采用上海A股市场、上海B股市场和的假说[叫。同时，与香港股票市场更能反映中国股香港H股市场的日数据作为表示3个股票市场的90
刘磊等2中国股市溢出效应try in Chinese stock markets: a VAR analysis[J]. the Fi 变量，在简要回顾中国股票市场的发展历程后，分nancial Review. : 591-609. 析、比较了其他学者的工作和结论。多元协整分析[8J BAILEY J. Foreign ownership re›和递归协整分析的结果表明，3个市场在长期内的strictions and equity price premiums: what drives the de 市场分隔并没有因为政策的变化而发生变化。mand for cross-border investments? [JJ. Journal of Fi 然后，本文采用信息溢出指数作为分析工具，比nancial and Quantitative (4) :489-511. [9J W ANG Y. IORIO A. Are the China-related stock markets 较了近20年来中国股票市场的市场平均溢出水平segmented with both world and regional stock markets? 和溢出效应的动态变化。3个市场的波动中平均有[J]. Journal of International Financial %来自其他市场的溢出，并且这种溢出效应不tions and (3):277-290. 断上升，2010年后平均总溢出指数已超过50%。几[lOJ KIM Y. SHIN J. Interactions among China-related stocks 个股票市场间的联系比较紧密。A股市场、B股市[JJ. Asia-Pacific Financial Markets. 2000(7) : 97-115. 口1J洪永森，成思危，如j艳辉，等.中国股市与世界其他股市场的向外和向内的溢出效应趋势基本相同，均经历之间的大风险溢出效应[J].经济学季刊.2004. 3 (3) : 了几个明显的周期波动，且向上增长趋势明显。而703-726. H股市场并没有明显的时间趋势，且向内和向外的[12J CHAN K. MENKVELD A. Y ANG Z. Information asym-溢出均小于其他两个市场，它与其他两个股票市场metry and asset prices: evidence from the China foreign 的关系相对较疏远。对每对市场间净单向溢出关系share discount[J]. Journal of Finance. (1) : 159 196. 的考察结果，支持了金融危机期间从B股市场和H[l3J MA X. Capital controls. market segmentation and stock 股市场向A股市场存在金融传染效应的结论，而在prices: evidence from the Chinese stock market [JJ. 经济平稳时期的结论则支持了当地投资者拥有更多Pacific-Basin Finance (2) :219-239. 信息的假说，A股市场向B股市场和H股市场产生[14J KANG J .STULZ R M. Why is there a home bias? An a›净溢出，B股市场向H股市场产生净溢出。nalysis of foreign portfolio equity ownership in Japan 为了得到更稳健的结论，后续研究还可将同时[J]. Journal of Financial .46(1) :3-28. 口5JCHAKRAVARTY A. WU L. Information 在几个市场上市(A、B、H、或N股市场)的单个企业asymmetry. market segmentation and the pricing of 作为研究对象，研究单个企业股票在几个市场间的cross-listed shares: theory and evidence from Chinese A 价格发现指数和溢出指数。同时，溢出指数为研究and B shares[JJ. J ournal of International Financial Mar›市场间溢出关系提供了一种可供比较的分析工具， and .8(3): 325-355. 可将该工具进一步应用于其他市场间以及跨市场间口6JQIAO T. WONG W. Long-run equilibrium. short-term adjustment. and spillover effects across Chi (如股票市场、债券市场、汇率市场和货币市场)的溢nese segmented stock markets and the Hong Kong mar›出效应研究，运用该分析工具可得出较有意义的结ket[J]. Journal of International Financial -论。tutions and (5) :425-437. 口7JSUN Q. TONG W. The effect of market segmentation on 参考文献stock prices:the China syndrome[J]. Journal of Banking and (2) :1895-1902. [1] 陈灯塔，洪永森.中国股市是弱式有效的吗?基于一种新方法的实证研究[JJ.经济学季节1]，20030):97-124. [18J JOHANSSON A C. LJUNGW ALL C. Spillover effects a mong the greater China stock markets[J]. World Devel-[2J WEBER E. ZHANG Y. Common infJuences. spillover and integration in Chinese stock markets (4) :839-851. [JJ. J ournal of Em-pirical .19(3) :382-394. [19J XU X H G. Information flows across markets: [3J CHUI C. Cross-autocorrelation between A evidence from China-backed stocks dual-listed in Hong shares and B shares in the Chinese stock market[JJ. Jour›Kong and New York[JJ. the Financial : nal of Financial (3) :333-353. 563-588. [4J BAILY W. Risk and return on ChinÆsn ew stock markets: [20J CHIANG L. The speed of adjust some preliminary evidence[J]. Pacific-Basin Finance Jour ment to information: evidence from the Chinese stock (2-3) :243-260. market[ Review of Economics and Fi-[5J LONG D. PAYNE J. FENG C. Information transmission (2) :216-229. in the Shanghai equity market[J]. Journal of Financial Re [21J CHAN A. YANG Z. The informative-search. 1999 .220) : 29-45. ness of domestic and foreign investor’ stock trades: evi [6J FUNG of the A›dence from the perfectly segmented Chinese market[J]. and B-share Chinese equity markets[J]. J ournal of Finan Journal of Financial Markets. 2007 .10( 4) : 391-415. 口(2) :179-195 [22J DIAMANDIS P. GEORGOUTSOS D. KOURETAS G. [7J Y ANG J. Market segmentation and information asymme The monetary model in the presence of I(2)components: 91
技术经济第34卷第2期long-run relationships. short-run dynamics and forecas [27J PESARAN M H .SHIN Y. Generalized impulse response ting of the Greek Drachma[J]. Journal of International analysis in linear multivariate models[J]. Economics Let-即foneyand Finance. 2000 .19 (6) : 917-941. . 58(1): 17-29. [23J DIEBOLD F X. YILMAZ K.如1easuringfinancial a5set [28J DICKEY D A. FULLER W A. The likelihood ratio sta return and volatility spillovers. with application to global tistics for autoregressive time series with a unit root[J]. equity markets [J J . The Economic J ournal. 2009. 119 Econometrica .: 1057-1072. (534) : 158-171. [29J PHILLIPS P. Testing 10r a unit root in time [24J FUJIWARA I, TAKAHASHI K. Asian financiallinage: series regression[J]. . 75(2) : 335-346. macro-finance dissonance [J] . Paci1ic Economic Review. [30J JOHANSEN S. Estimation and hypothesis testing of (1):136-159. cointegration vectors in Gaussian vector autoregressive [25J HANSEN H .JOHANSEN S. Recursive estimation in models[J]. . 59( 6) : 1551-1580. cointegrated VAR models[R]. University 01 Copenhag-[31J DUNGEY M . THORP S. Unobservable . shocks as carriers 01 contagion [J J . 10urnal of Banking and [26J DIEBOLD F X. YILMAZ K. Better to give than to re›. 34(5) : 1008 1021. ceive: predictive directional measurement of volatility [32J BRENNAN M. CAO portfolio invest spillovers[JJ. International J ournal of Forecasting. 2012. ment flows[JJ. 10urnal of Finance. (5): 1851 28(1): 57-66 1880 Spillover Effect in Chinese Stock岛'Iarket3 Liu Le尸，WangYu(1. Macro-Strategy Department. Bosera Funds. Shenzhen 518040. China; 2. Business School. Beijing Normal University. Shenzhen 518040 .China; 2. Institute of Economics. Chinese Academy 01 Social Sciences. Beijing 102488. China) Abstract: This paper examines the market segmentation and spi1lover effect among A-share. B-share and H-share markets in China. The recur sive cointegration analysis con1irms that each market has no long-run relationship with any other markets. and there is no evidence that segmen tation degree has a downward trend because of the changed China’s policy. Spillover index analysis shows. on average. there are net spillovers from H-share market to A句shareand B-share markets. which is consistent with the assumption of more informed 10reign investors. But the dy›namic analysis result shows as fol1ows: during the tranquil period. A-share market is better informed; during the financial crisis. there is a finan cial contagion effect lrom B-share and H牛sharemarkets to A-share market. Key words: stock market; market segmentation; inlormation spi1lover (上接第20页)Empirical Research on Influence Mechanism of Organization Structure Characteristic on EmployeØs Counterproductive Work Behavior Wang Yami吨，LiuWenbin,Shao Yunfei (School of Management and Economics. University of Electronic Science and Technology of 611731. China) Abstract: Based on the perspective of individual psychological climate. this paper studies the influence mechanism 01 organization structure characteristics on employe白counterproductivework behavior(CWB). On the basis 01 the literature review and theoretical deduction. it uses the data 1rom 426 questionnaires about 36 lirms to analyze em月 results show as lo11ows: both the complexity and the centralization all have signi1icant positive effects on employeØs coordination mechanism has significant negative effects on employeØs CWB;employeØs work autonomy and iob insecurity have significantly negative and positive effect on employeØs CWB separately; employeØs work autonomy and job insecurity play important mediate roles in the process that complexity. centralization and coordination mechanism affect employeØs CWB. Key words: organization structure; counterproductive work behavior; psychological climate; influence mechanism 92
