段江娇，谢 可

（上海理工大学 管理学院，上海 200093）

一、引言

自20世纪90年代中国上海证券交易所成立以来，我国股市进行了诸多的改革，比如股权分置改革、QFII和QDII机制，然而我国的资本市场仍然是处于比较封闭的状态。2014年11月17日“沪港通”正式开启，紧接着，2016年12月5日“深港通”正式实施，它们的开启实现了我国内地股票市场与香港股票市场互联互通的交易机制，标志着我国资本市场逐步开放。“沪港通”和“深港通”连接了内地股票市场和香港股票市场，使得内地投资者和香港投资者可以直接买卖对方交易所上市的股票，这是我国内地资本市场的重大制度创新。

“沪港通”、“深港通”等互联互通交易机制是A股吸引海外投资者的积极尝试，这将大幅度提高A股的国际化进程，提高我国在国际金融市场中的地位。2017年6月21号，MSCI宣布我国的A股被纳入MSCI新兴市场指数，这是我国资本市场国际化的重要标志。MSCI发布的公告中提到：由于中国内地与香港互联互通机制取得积极进展，且中国交易所放宽了对涉及A股的全球金融产品进行预先审批的限制，此次纳入A股的决定在MSCI所咨询的国际机构投资者中得到了广泛支持。

在“沪港通”和“深港通”的开启前后，有不少学者就此机制的影响进行了研究，但是总体来说相关文献不多，主要集中在以下两个方面：

（一）对股市联动及影响的研究

李红权等人（2011）运用Hong方法研究了我国A股市场与美股、港股在次贷危机前后的互动关系，结果发现美股对A股和港股有金融传染效应，而A股可以反映来自于美股和港股的信息[1]。刘茂荣和刘恒昕（2015）研究结果发现，“沪港通”开通后，沪市股票市场的长期和短期记忆性显著下降，且在“沪港通”开通之后ARFIMA模型的预测效果明显减弱[2]。杨瑞杰和张向丽（2015）研究显示在沪港通之前，存在香港股票市场对大陆股票市场微弱的波动单向溢出，在沪港通之后，存在大陆股票市场连续波动和香港股票市场连续波动的双向溢出[3]。徐晓光等人（2015）选取2011年12月5日到2014年12月31日的上证指数和恒生指数，研究发现在沪港通之后，两个市场间的相关性显著增加，并且市场同步上涨的趋势大于同步下跌的趋势[4]。

（二）对A+H股的影响研究

胡章宏和王晓坤（2008）利用Chen等人（2001）的模型对51家AH股上市公司进行了实证分析，研究结果发现，同一上市公司的A股对H股普遍存在溢价现象，两地的市场波动及利率变化对AH股价差具有显著的影响，两地股票市场分割以及内地资本流动的限制是造成AH股价差的根源[5]。曹广喜和徐龙炳（2011）研究结果表明沪港两市的动态竞争关系逐渐变为互惠关系，说明沪港两市的互惠合作是未来证券市场竞争的发展趋势[6]。屠年松和吴常娟（2016）运用动态面板模型对AH股进行了研究，结果表明“沪港通”政策的推出使得AH股溢价率下降、AH股市场分割性降低，并且AH股呈现出一体化的趋势，两股市趋向整合[7]。闫红蕾和赵胜民（2016）研究表明“沪港通”能够提高股票市场一体化水平，A股和H股套利交易策略能够获得显著的正收益[8]。

从上述文献综述看来，研究者对“沪港通”和“深港通”进行了一定的研究，但是大多着重在“沪港通”方面的研究，较少考虑“深港通”开启的影响研究，因此本文的创新点在于着重研究“深港通”的开启对沪港两市联动性的影响。与此同时，过往学者的研究较多使用股指或股票收益率进行研究，而本文将选用沪深港股市指数日波动率来分析“沪港通”和“深港通”的开启前后对股市联动性的影响。综上所述，本文将以“沪港通”和“深港通”的开启作为时间节点，把样本区间分为三个时间阶段，运用VAR模型实证分析互联互通对内地股票市场和香港市场的影响。

二、模型介绍与样本选取

（一）VAR模型简介

向量自回归（VAR）是基于数据的统计性质建立的模型，VAR模型把系统中的每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型。1980年西姆斯（C.A.Sims）将VAR模型引入经济学中，推动了经济系统动态性分析的广泛应用。

VAR（P）模型的数学表达式是：

Yt=Φ1Yt-1+…+ΦpYt-p+HXt+εt，t=1，2，…，T

式中：Yt是k维内生变量列向量，Xt是d维外生变量列向量，p是滞后阶数，T是样本个数。k*k维矩阵Φ1，…，Φp和k*d维矩阵H是待估计的系数矩阵。εt是k维扰动列向量，它们互相之间可以同期相关，但不与自己的滞后值相关且不与等式右边的变量相关，假设∑是εt的协方差矩阵，是一个k*k的正定矩阵。

（二）样本区间划分

本文主要研究的是“沪港通”和“深港通”前后沪深股市和香港股市之间的联动性关系，因此本文选取的数据是上证指数、深证成指和香港恒生指数的日波动率，为方便记录，分别命名为shv、szv、hkv。本文选取数据的时间范围是2013年9月2日—2017年6月30日，以“沪港通”开启的时间2014年11月17号和“深港通”开启的时间2016年12月5号作为节点，将时间段划分为：2013年9月 2日—2014年 11月 16日、2014年 11月 17日—2016年12月4日、2016年12月5日—2017年6月30日三个区间，分别以1、2、3区分不同阶段。最后得到9个子序列，分别为 shv1、shv2、shv3、szv1、szv2、szv3、hsv1、hsv2、hsv3。

由于内地和香港节假日不同等情况，会导致沪深股市和香港股市某些交易日数据不同步，因而本文将没有数据的交易日重复上一个交易日的数据，最终得到3 003个数据，数据来源于锐思数据库。本文数据分析软件均采用Eviews9.0版。

三、实证分析

（一）单位根检验

序列的回归模型往往存在“伪回归”现象，为了保证回归结果的有效性，需对其进行平稳性检验。本文采用ADF单位根检验来判断序列是否平稳，当ADF值小于t临界值，说明变量是平稳的，否则不平稳。检验的ADF值与概率值如表1所示。

由表1可知，在5%的显著性水平下，除了szv2序列，其他序列都是显著平稳序列。因此，需要对szv2序列和hsv2序列进行协整检验，观察其是否存在长期稳定的关系。检验结果如表2所示。

表1 沪深港股市指数日波动率的ADF检验

表2 szv2和hsv2的协整检验

由表2可知，在5%的显著性水平下，拒绝原假设，说明szv2和hsv2存在协整关系，因此可以建立VAR模型。

（二）最优滞后阶数的确定和VAR模型的稳定性检验

本文对“沪港通”开启后的上证综指日波动率shv2和恒生指数日波动率hsv2、上证综指日波动率shv3和恒生指数日波动率hsv3建立了VAR模型。同理，本文对“深港通”开启后的深证成指日波动率szv3和恒生指数日波动率hsv3也建立了VAR模型。本文由于篇幅有限，只展示szv3和hsv3的VAR模型，过程如下：

首先，对“深港通”开启之后的深证成指日波动率szv3和恒生指数日波动率hsv3进行最优滞后期数分析，结果如表3所示。

表3 szv3和hsv3指数日波动率最优滞后阶数的确定

由表3可知，此模型的最优滞后期数是4期，由此得到了 VAR最佳估计模型，即 VAR（4）模型。在建立了VAR模型后，需要对模型的稳定性进行检验。本文选取的是AR根检验，它的原理十分简单，如果所有根的倒数绝对值小于1，则认为该模型是稳定的。此VAR模型的AR值分别为：0.888 806、0.860 176、-0.245 787、0.020 987，绝对值都小于1，因此VAR模型是稳定的，可以进行后续相关检验。

（三）Granger因果检验

上文建立了VAR模型，并且模型是稳定的，需要用格兰杰因果检验进一步确定哪一方占据主动地位。检验结果如表4所示。

表4 沪深港股市的Granger因果检验

由表4的Granger因果检验可以看出，“沪港通”开启后，在99%置信水平下，上证综指日波动率shv2是恒生指数日波动率hsv2的格兰杰原因，表明在此阶段，沪市能够影响港市。而在“深港通”开启后，shv3和hsv3互相不是彼此的格兰杰原因，说明“深港通”的开启减弱了沪市对港市的影响。在“深港通”开启后，在99%置信水平下，深圳成指日波动率szv3是恒生指数日波动率hsv3的格兰杰原因，表明深市能够影响港市。

（四）脉冲分析

脉冲响应函数分析可以用来分析扰动项的影响是如何传播到各变量的，本文的脉冲响应主要分析了在“沪港通”开启后，沪港两市之间受到对方冲击的影响，以及在“深港通”开启后，深港两市之间受到对方冲击的影响。分析结果如图1、图2、图3、图4所示。

图1 沪港两市日波动率的脉冲响应曲线

图2 沪港两市日波动率的脉冲响应曲线

图3 深港两市日波动率的脉冲响应曲线

图4 深港两市日波动率的脉冲响应曲线

从图1可以看出，在“沪港通”开启后，恒生指数日波动率hsv2对上证综指日波动率shv2产生一个正面影响，而后这种正面影响逐步下降，最后趋于稳定，说明港市会增加沪市的波动，随着时间的流逝，这种影响逐渐减低。从图2可以看出，在“沪港通”开启后，上证综指日波动率shv2会对恒生指数日波动率hsv2产生一个正面影响，并且这种正面影响逐渐增强，说明沪市会增加港市的波动性，并且这种影响持续增强。

从图3可以看出，在“深港通”开启后，恒生指数日波动率hsv3对深证成指日波动率szv3首先有一个负面的影响，说明港市会抑制深市股票波动率，随后恒生指数日波动率hsv3对深证成指日波动率szv3有一个正面的影响，但这种影响较小。从图4可以看出，深证指数日波动率szv3会对恒生指数日波动率hsv3产生正面的影响，这种正面影响先增高后降低，说明“深港通”开启后，深市会增加港市的波动性，这种影响逐渐减小。

（五）方差分解

为了进一步了解“沪港通”和“深港通”开启后各个变量对彼此造成的冲击的相对重要程度，本文进行了方差分解。首先对“沪港通”开启后的shv2和hsv2以及“深港通”开启后的shv3和hsv3进行方差分解，结果如表 5、表 6、表 7、表 8所示。

表5 shv2的方差分解

表6 hsv2的方差分解

表7 shv3的方差分解

表8 hsv3的方差分解

从表5可以看出，在“沪港通”开启后，上证指数日波动率shv2主要受到自身的影响，同时港市对其的冲击也是比较大的，在第一期达到了12.14%。从表6可以看出，恒生指数日波动率hsv2几乎只受到自身的影响，沪市对其影响微乎其微。通过对比表5与表7可以看出，在“深港通”开启后，上证指数日波动率shv3受到港市的影响在第一期由12.14%减少至3.67%，由此可见，“深港通”的开启，使得沪港之间的影响减弱。

本文对在“深港通”开启后，深证成指日波动率szv3和恒生指数日波动率hsv3进行了方差分解，结果如表9、表10所示。

从表9可以看出，“深港通”开启后，深证指数日波动率主要受到自身的影响，而港市对其的贡献在第一期达到了4.49%，通过对比表9与表7，这种贡献性比对沪市的3.67%有所增大，说明在“深港通”开启后，深港两市的联动性增强，而沪港两市的联动性减弱。

表9 szv3的方差分解

表10 hsv3的方差分解

四、研究结论和建议

（一）研究结论

本文通过单位根检验、协整检验、VAR模型、脉冲响应分析、方差分解、格兰杰因果检验等方法研究了在“沪港通”和“深港通”前后，沪深两市与港市之间的市场联动性关系。现在得到如下几个结论。

第一，通过 Granger因果检验发现，在“沪港通”开启后，上证综指日波动率shv2是恒生指数日波动率hsv2的格兰杰原因，而在“深港通”开启后，上证综指日波动率shv2不再是恒生指数日波动率hsv2的格兰杰原因，说明“深港通”的开启，使得沪港两市波动率的联动性降低。在“深港通”开启后，深证成指日波动率szv3是恒生指数日波动率hsv3的格兰杰原因，表明深港两市波动率的联动性增强。

第二，通过脉冲响应分析发现，沪市会增加港市的波动性，并且这种波动性持续增强，而恒生指数几乎不影响内地股票市场；“深港通”开启后，深市会增加港市的波动性，这种波动性逐渐减小。

第三，通过方差分解同样发现，在“深港通”开启后，沪市波动率对港市波动率的影响减弱，而深市波动率对港市波动率的影响增加。

（二）对策建议

“沪港通”和“深港通”是中国内地市场开放的重要环节，是我国金融改革的重大创新，但是由于我国内地股票市场不够成熟，因而在金融创新的同时需要注重稳健发展。

1.加快完善互联互通配套制度。内地和香港股票市场存在着不同的交易、监管、信息披露制度，因此需要加快完善互联互通配套制度，维持互联互通的稳定发展。

2.稳步推进金融改革。中国金融市场走向世界是一个必然的结果，因此需要坚定不移地推进金融改革，在经济全球化的背景下，确立我国金融市场在国际中的地位。