潘群星 徐仁通

（南京财经大学金融学院，江苏 南京 210023）

一、引言与文献综述

近些年来，在“美国优先”政策的驱动下，美国经济表现得尤为抢眼，一些宏观指标（如GDP增长率、就业率等）可谓光芒四射，美股走势更是顺水推舟，三大股指一路高歌前行。截至2020年2月14日，标普500指数的市盈率已经达到24.74倍，平均市净率超过3.65倍，创近十年以来的新高。与此同时，道琼斯工业指数的市盈率达到23.09倍，平均市净率超过5.06倍；纳斯达克指数的市盈率达到36.42倍，平均市净率超过5.11倍。然而，一场突如其来的新冠疫情给美国乃至全球股市“当头一棒”。2020年1月21日，当美国疾控中心宣布正在为新冠病毒变成全球大流行病做准备时，全球资本市场开启了疯狂的下跌模式。美国三大股指在2020年3月9日至18日间发生了4次一级熔断，使美国金融市场成为此次疫情冲击的“重灾区”。作为全球最大的股票市场，美国股市的动荡必然会对全球股票市场造成冲击。作为全球第二大股票市场、第一大新兴市场，中国股市在反映美股等外围市场信息的同时，也具备了影响外围市场的能力。与美国市场一样，受疫情（尤其美国疫情）的影响，上证综指在2020年3月份下跌了4.5%，第一季度累计下跌9.8%，创下2019年5月以来最差月度表现以及2018年第四季度以来最差季度表现。

国内最早研究中美股市的文献是关于中美股市二级市场风险的对比与评析（王孜弘，1996）；后期的大多数论文是关于中美股市之间的风险传染性，只不过说法不一而已，相关性、关联性、联动性、溢出效应等词语相互替代。在这些关于风险传染性的论文中，有的只是更换一下样本指数或更新一下样本区间，有的是改进一下研究方法（张东祥等，2015；汪冬华等，2018），得到的结论往往还不一致。而具有一定特色、一些创新或某个时代意义的论文并不多见。张兵等（2010）、龚金国等（2015）从不同理论视角分析了股市跨国风险溢出效应的内在机制，并以中美市场的数据进行了检验，这些是早些年少见的关于机制分析的文献。陈林等（2020）研究了新冠疫情对中国股市的影响。方意等（2020）从全球外汇风险传染角度研究了新冠疫情对于中国金融市场的影响。蒋海等（2021）基于ESA方法对新冠疫情造成的跨国风险传染进行了研究。

二、研究方法

采用具有偏态、厚尾性的标准化的偏斜t-分布（skt-分布）作为最基本的方法。在此基础上，采用以下研究方法：首先，用ARFIMA-GJR模型来刻画杠杆效应。称扰动αt服从（1， 1）阶的GJR模型，它能表示成：

当ut-1＜0时It-1＝1，当ut-1≥0时It-1＝0；εt服从skt-分布。γ＞0，表明新冠疫情对波动率产生的负向冲击更大，即市场上存在杠杆效应，且γ越大，杠杆效应越强。

其次，用HYGARCH模型来刻画波动记忆性（含聚集性）。称扰动αt服从（1， 1）阶的HYGARCH模型，它能表示成：

其中，L是滞后算子，εt服从skt-分布。记忆参数d介于0和1之间；d越大，记忆的时间就越长。

最后，用动态条件相关（DCC）模型来分析风险溢出强弱变化，用二元BEKK模型来判断风险溢出路径。称二元扰动αt＝(α1t,α2t）′服从DCC模型，如果α1t和α2t的条件相关系数满足

三、数据

表1 描述性统计分析

从表1可以看出，虽然SSEC和S&P500的分布特征大致相同，但仍存在一些差异。第一，在疫情暴发前期，SSEC均值为负，S&P500的均值为正，说明中国股市处于动荡调整期，美国股市处于波动上升期。在疫情蔓延时期，两国股市均处于波动上升期，且中国股市的均值大于美国股市的均值，初步判断在新冠疫情全球暴发阶段，中国股市的指数收益率水平和增长趋势相比于美国股市而言稍好一些。第二，根据标准差大小可以看出，无论是暴发前期还是蔓延时期，SSEC的波动水平小于S&P500波动水平，即中国股市的相对风险小于美国股市的相对风险。第三，在疫情暴发前期和疫情蔓延时期，SSEC和S&P500收益率序列均存在左偏现象。在暴发前期，SSEC的左偏更为严重；在疫情蔓延时期，S&P500的左偏更为严重。第四，无论是疫情暴发前期还是疫情蔓延时期，两国股市收益率的峰度均大于3，说明中美股市在2016年至2020年都存在较为严重的尖峰厚尾特性，而且新冠疫情对美国股市的冲击更为强烈。第五，根据J-B统计量，SSEC与S&P500的收益率在两个时期均不服从正态分布。

另外，我们还进行了平稳性和ARCH效应检验，结果表明SSEC和S&P500在两个时期都是平稳的，且都具有ARCH效应，可以直接对它们拟合GARCH族模型。

四、实证分析

1.波动杠杆效应

对SSEC和S&P500在两个时期的样本拟合ARFIMA-GJR-skt模型，根据估计值的显著性、极大似然函数值及残差诊断（Q（20）和Q2（20）），获得的最优模型结果如表2所示。从表2可以看出：在疫情暴发前期，γ的SSEC（0.0221）是不显著的，γ的S&P500（0.2588）是高度显著的；在疫情蔓延时期，γ的SSEC（0.0501）和γ的S&P500（0.0502）都是不显著的。这些结果说明，无论是疫情暴发前期还是疫情蔓延时期，美国股市一直存在波动杠杆效应，而中国股市始终不存在这个效应。

表2 ARFIMA-GJR-skt模型的估计和残差检验结果

2.波动长记忆性

对SSEC和S&P500在两个时期的样本拟合ARFIMAHYGARCH-skt模型，最优模型结果如表3所示。从表3可以看出：在疫情暴发前期，d-HYGARCH的SSEC（0.9370）和d-HYGARCH的S&P500（0.6523）是高度显著的；在疫情蔓延时期，d-HYGARCH的SSEC（0.8842）和d-HYGARCH的S&P500（0.7235）也是显著的。这些结果说明，无论是疫情暴发前期还是疫情蔓延时期，中美股市均存在显著的长记忆性，但美国股市的长记忆性在新冠疫情蔓延期间进一步加强。

表3 ARFIMA-HYGARCH-skt模型的估计和残差检验结果

3.波动溢出效应

（1）相关性

由ARFIMA-HYGARCH-skt模型的残差来估计DCC模型，即式（3），结果如表4所示。表4中θ1体现了滞后一期的标准化残差乘积对动态相关系数的影响，θ2体现了前期相关系数对当期相关系数的影响。可以发现，无论是疫情暴发前期还是疫情蔓延时期，相较于S&P500，θ1和θ2的SSEC的都具有更高的估计值。疫情暴发前期，整个系统对于滞后一期标准化残差乘积的敏感度低于单个市场，对于前期相关系数的敏感度高于单个市场。蔓延时期，整个系统对于滞后一期标准化残差乘积的敏感度低于SSEC，高于S&P500，对于前期相关系数的敏感度高于单个市场。

表4 DCC模型的估计结果

由表4中估计值，可以画出SSEC与S&P500的波动率动态相关系数，如图1所示。可以看出，无论是疫情暴发前期还是疫情蔓延时期，中美股市波动率都存在正的相关关系，且具有较强的时变性,而且，在疫情蔓延期间，这种相关性明显在增强。

图1 SSEC与S&P500的波动率动态相关系数

（2）风险溢出

由ARFIMA-HYGARCH-skt模型的残差来估计BEKK（1， 1）模型，即式（4），结果如表5所示。可以看出，疫情暴发前期，z12、y21、z21估计值均显著， S&P500上一期的条件方差对于SSEC当期的条件方差有显著影响，SSEC上一期的ARCH冲击与条件方差对S&P500档期条件方差有显著影响。疫情蔓延时期，S&P500上一期的条件方差对于SSEC当期的条件方差有显著影响但有所减弱，SSEC上一期的ARCH冲击与条件方差对S&P500当期条件方差有显著影响且均有所加强。

表5 BEKK（1， 1）模型的估计结果

五、结论和建议

本文以上证综指（SSEC）与标普500指数（S&P500）为对象，实证分析了新冠疫情对中美股市波动率的影响，得到以下结论：

1.无论新冠疫情暴发前期还是新冠疫情蔓延时期，SSEC与S&P500的收益率序列存在显著的尖峰厚尾特征，并且伴有异方差性；受新冠疫情冲击，中美股市都处于高波动阶段，美国股市波动更为剧烈。

2.在新冠疫情暴发前期，S&P500存在明显的波动杠杆效应，新冠肺炎疫情的负向冲击对收益率的影响更加显著且更为持久。

3.无论疫情暴发前期还是疫情蔓延时期，SSEC与S&P500均存在较为显著的波动长记忆性，但新冠疫情的冲击降低了SSEC的波动长记忆性，增加了S&P500的波动长记忆性。

4.无论疫情暴发前期还是疫情蔓延时期，SSEC与S&P500存在存在较为明显的正相关关系和显著的双向风险溢出效应，而且由于新冠疫情冲击，这种动态相关系数明显上升，中国股市对美国股市波动的影响明显增强。

当前，百年未有之大变局和世纪新冠疫情交织叠加，世界进入动荡变革期，不稳定性不确定性显著上升。面对复杂的国际环境，我们应该努力“办好自己的事情”，全面深化改革、扩大开放，将“一带一路”倡议更好地推行起来，实现对外贸易以及对外投资的多元化与分散化，有效降低对美国的依赖，缓解甚至逐步消除美国对华贸易限制所带来的对中国金融市场的冲击。