道琼斯理论

沪深300指数与美股道琼斯指数的联动性分析——基于VAR

模型的实证研究

李亚鸽

【摘要】20世纪80年代以来,国际资本市场间的联系越来越紧密,而股票市场表现

出的联动性成为经济波动溢出效应最为突出的表现之一.本文利用VAR模型,对沪

深300和道琼斯指数每日收益率数据进行实证研究分析,研究表明两者之间存在着

一定的联动性,沪深300和道琼斯指数之间的收益率波动呈现互相影响的局面,但这

种影响力度较小,且道指受到沪深300指数冲击的反应要大于沪深300指数受道琼

斯指数的影响,从而本文提出相关政策建议.

【期刊名称】《南京财经大学学报》

【年(卷),期】2014(000)002

【总页数】6页(P46-51)

【关键词】沪深300;道琼斯指数;联动性

【作者】李亚鸽

【作者单位】福建师范大学经济学院,福建福州350007

【正文语种】中文

【中图分类】F830.9

一、引言

随着国际经济一体化、信息全球化以及通讯技术的发展，资本在国际间的流动规模

也逐渐超过了国际贸易额，从而形成了庞大的国际资本市场。国际资本市场超越了

国界的限制，不同国家、不同地区的资金供求双方都能够在国际市场上快捷的交易，

增强了资本市场交易的深度和广度，使得各国资本市场得到巨大的发展。与此同时，

快速、巨额的资本流动也通过资本和金融账户直接或间接的对各国的资本市场乃至

国民经济造成巨大的影响，并引发了跨国界的地区性或全球性金融危机。20世纪

80年代以来，国际资本市场间的联系越来越紧密，资本市场一体化推动了资本在

全球的配置与套利活动，或是出于规避管制与避险的目的，各国资本市场尤其是证

券市场之间的联动性越来越显著，国际资本市场呈现出机构投资者跨国投资活动更

加活跃、交易虚拟化程度不断提高以及跨国资本之间关系复杂等特点。进入二十一

世纪以来，随着中国加入WTO以及对外开放程度的不断深入，国内资本市场逐渐

与全球其他资本市场的联系越来越紧密。作为资本市场对外开放的重要步骤，QFII

制度与QDII制度正式推出，这使中国内地资本市场与国际市场的互动进一步增加，

使境内A股市场与境外其它股票市场关联更加紧密。而长期以来，美国证券市场

在全球资本市场中扮演着举足轻重的角色，随着中美经贸关系不断发展，美国市场

的波动通过各种渠道传导至中国资本市场，对我国资本市场也产生了非常重要的影

响。这种状况为投资者带来更多投资的机会和更大的收益波动风险，对于投资者而

言，如果能够把握不同市场证券价格的内在规律与他们之间的相互关系，则能够更

大程度上控制风险。

二、股市联动性理论及国内外研究综述

对于开放经济体而言，其他经济体的经济波动有可能通过各种国际经济往来途径传

递到该国，同样，该经济体的经济增长与波动变化也会通过各类渠道传导至其他的

开放经济体，并影响世界经济的发展，这种经济波动的溢出效应成为当今世界经济

发展中的显著特点。而作为各国经济发展的“晴雨表”，股票市场表现出来的联动

性成为经济波动溢出效应最为突出的表现之一。关于股票市场之间联动性机制的主

要理论观点有两种，一是“经济基础说”，另一个则是“市场传染假说”。所谓

“经济基础说”从古典经济理论出发，该理论认为如果不同经济体之间存在着共同

的基础性的经济变量，那么无论是经济繁荣还是出现局部或全球性的经济危机，这

些股票市场的表现也应呈现出一致性。而“市场传染假说”则认为开放经1济中

由于个人乃至机构投资者都很难掌握影响市场交易的全部信息，迫使他们去观察其

它股票市场的价格波动来获取所缺失的信息，从而一个市场的价格波动就会传染至

另一个市场，即使一些价格波动只是缘于纯粹的“噪声交易”。对于这两种假说，

很多学者做出了他们的研究，Solnik(1974)，Stulz(1987)和Adler，

Dumas(1983)等认为存在某些共同的宏观经济变量，这些变量的变动会可能导致

这些国家上市公司的未来现金流和折现率方面受到影响，使得它们对不同的股票市

场同时产生影响；Connolly和Wang(1998)在对美、日、英三国股市的联动性进

行研究时发现，宏观信息对不同股票市场的影响可以区分全球性冲击和竞争性冲击，

全球性的冲击对各国股票市场产生同向影响并能提高不同市场间的联动性，而竞争

性的冲击则导致一国股市价值提升的同时降低了另一个市场上股票的价值；但

Connolly与Wang(2002)的研究结果表明：美、英、日股市日内和隔日收益率相

关性的大部分原因不是宏观经济信息公告的影响，而更可能是受到国外股市收益的

影响；Johnson，Soenen(2003)研究发现双边进出口贸易额越高，两国股市越容

易呈现显著的正相关性，而汇率波动加剧则会导致各国股市间的关联性减弱。

而通过经济计量模型研究不同市场股市的关联性显得更加规范与具有现实意义，对

此国内外学者均做出了大量的努力。Eun、Shim(1989)利用VAR模型对美、澳、

加等发达国家1980至1985年间股市收益率的波动传递性进行研究，发现美国股

市波动容易对其他国家股市产生影响；Banhng和Shin(2002)利用回归和VAR模

型研究中、韩、日三国之间股票指数的联动关系，结果表明韩国股市更易受到中国

和日本股市不可预期的波动的影响，而中国股市则几乎不受日韩股票市场波动的影

响；崔准换(韩)(2007)通过Granger因果关系检验以及建立EGARCH模型等方法

分析中美股市间收益率的联动性，并对其原因以及中美上市股票的信息传导作用机

制进行了分析；祝慧敏(2008)在协整理论和Granger方法的基础上建立了道琼斯

行业分块指数和沪深300行业分块指数的ECM模型，结果表明道琼斯指数与沪深

300指数之间存在长期稳定的均衡关系，且ECM模型具有较好的拟合度；胡秋灵、

刘伟(2009)建立VAR模型，综合利用格兰杰因果检验、脉冲响应函数及方差分解

等方法分析S标普500指数与中国上证指数之间的联动性，分析表明上证指数日

收益率值与标普500日收益率滞后一期值具有明显的联动效应。

三、研究方法与数据变量处理

(一)研究理论与方法

美国经济学家Sim在1980年提出向量自回归(VAR)模型，它基于数据的统计性质

建立回归模型而不是基于某种经济理论。VAR模型对于相互联系的时间序列变量

具有良好的预测效果，也频繁地运用于分析各类随机扰动项对系统变量的动态影响。

VAR模型的数学形式为：Yt=αt+βXt-p+εt，其中Xt是内生变量，Xt-p是内生变

量的P期滞后变量，αt是外生变量，εt是误差向量，误差向量与其自身滞后值相

互独立，也与内生变量Xt和外生变量αt相互独立。此外，需要注意的是VAR模

型中系数估计值并不是研究关注的对象，而往往通过格兰杰检验、脉冲响应分析以

及方差分解等工具来分析VAR模型。

(二)变量选取及数据说明

1.沪深300：作为反映A股市场整体走势的成份股指数，沪深300指数选取沪、

深两市中规模大、流动性好的上市公司作为成分股，具有相当良好的市场代表性，

本文简称“HS300”,其收益率简称为“RHS300”。

2.道琼斯指数：本文中的道琼斯指数即道琼斯工业平均指数，作为美国股票市场

上历史最悠久的股票指数之一，道琼斯工业指数主要测量美国股票市场上工业股的

构成与发展，本文简称其为“DJIA”，其收益率简称为“RDJIA”。

3.样本及收益率计算：数据选取2008年12月31日至2013年12月31日的沪

深300指数和道琼斯指数，其中剔除因中美之间时差以及节假日不同等原因造成

的无效数据，剩余共1170个样本，即只选取了两者共同交易日的收盘价数据。其

中RHS300t表示第t日沪深300指数的收益率，RDJIAt表示第t日道琼斯指数

的收益率。考虑到误差因素，指数日收益率的计算采取每日收盘价的对数之差，即

RHS300t=LnHS300t-LnHS300t-1，RDJIAt=LnDJIAt-LnDJIAt-1,最终得出

1169个数据。

四、基于VAR模型的沪深300与道指联动性实证分析

(一)数据平稳性检验

对时间序列进行分析的首要步骤是检验序列的平稳性，因为非平稳的时间序列参与

回归建模分析会导致伪回归问题，故先对原序列进行单位根检验。检验发现，无论

是RHS300还是RDJIA的原序列均为平稳序列，检验结果如下表1所示。

表1单位根检验结果变量检验类型ADF值P值结论RHS300(C,0,0)-

37.875170.0000平稳RDJIA(C,0,0)-34.162380.0000平稳

注:检验形式(C,T,L)中，C,T,L分别表示常数项、时间趋势和滞后阶数。

(二)最优滞后阶数选择

在建立向量自回归模型(VAR)前需要确定合理的模型滞后阶数，本文采用LR检验

法，对检验结果进行综合分析，得出该VAR模型系统的最佳滞后阶数为10阶。

表2VAR模型滞后阶数选择准则LagLogLLRFPEAICSCHQ06686.139NA3.13E-

08-11.60441-11.59564-11.601116709.28346.166673.03E-08-11.63764-

11.61135*-11.6277226717.65716.675273.00E-08-11.64524-11.60141-

11.62869*36721.1987.0392973.01E-08-11.64444-11.58308-

11.6212846723.8925.3454343.01E-08-11.64217-11.56328-

11.6123956729.89211.886633.00E-08-11.64565-11.54922-

11.6092566732.9075.96E+003.01E-08-11.64394-11.52998-

11.6009276738.4971.10E+010.00000003-11.6467-11.5152-

11.5970686740.7144.3695233.01E-08-11.6436-11.49458-

11.5873596745.6499.7059923.00E-08-11.64522-11.47867-

11.58236106755.70219.73943*2.97e-08*-11.65573*-11.47164-

11.58625116759.57.4462712.97E-08-11.65538-11.45376-

11.57928126759.8990.7805462.99E-08-11.64913-11.42998-

11.56641136761.6893.4947773.00E-08-11.64529-11.40861-

11.555961467632.56E+003.02E-08-11.64062-11.38641-

11.54467156766.0625.96E+003.02E-08-11.639-11.36725-11.53643

(三)VAR模型的平稳性检验及残差自相关检验

对建立的VAR模型进行稳定性检验，对于滞后期为10且有2个内生变量的VAR

模型，特征根多项式有20个特征根，当VAR模型所有特征根的倒数模在单位圆

内，则说明VAR模型是稳定的，反之则说明VAR模型不稳定需要重新设定。检

验结果如下图1所示，单位园中的点表示的是AR特征根的倒数的模，从图中可以

看出20个特征方程根的倒数值都在单位圆之内，因此本文建立的VAR模型是稳

定的。另外，各方程残差项自相关检验如下图2所示，残差项不存在自相关性，

满足对于VAR模型残差项独立的假设。

图1VAR模型平稳性检验

图2残差自相关检验图

(四)格兰杰因果关系检验

VAR模型的因果关系检验给出了每个内生变量相对于其他内生变量的Granger检

验结果，可以用来检验某个变量的所有滞后项是否对另一个变量的当期值有影响。

表3的格兰杰检验结果显示，在1%的显著性水平下，拒绝RDJIA不是RHS300

的格兰杰原因的原假设，同时拒绝RHS300不是RDJIA的格兰杰原因的原假设。

也就是说，在1%的显著性水平下，RDJIA与RHS300之间互为格兰杰原因，这

说明沪深300收益率与道琼斯指数收益率变动之间是相互影响的。

表3Granger因果关系检验NullHypothesis:oes

notGrangerCauRHS30011592.412270.0077RHS300doesnotGranger

CauRDJIA6.092484.00E-09

(五)脉冲响应函数分析

脉冲响应函数用来分析VAR模型变量之间的动态影响关系，它可以较好地描述模

型内各变量之间的影响轨迹，直观地显现出变量之间的动态作用。

左图是RHS300对于来自模型内各变量间的一个标准差新息的响应情况，包含响

应的大小及响应的方向，响应期数为30期。RHS300在期初对其自身的一个标准

差新息波动有着正向的较大的响应，随后逐渐震荡变小，于第13期接近0，这表

明了沪深300指数具有明显的前期效应，即当期指数受到前期波动的影响较大。

RHS300对于RDJIA的一个标准差新息的响应，期初反应不明显，接着在第3期

作出了最大单位的正向反应后保持震荡起伏，在第12期逐渐趋于0，这表明沪深

300指数对来自道琼斯指数的波动反应有限，响应相对微弱。由于我国大陆资本

市场相对封闭，资本账户非自由兑换，从而使得我国股市受到外围市场的影响较小，

甚至呈现出与国际主要股票市场走势相异的局面，反映在图中即表现为沪深300

指数受到道琼斯指数的冲击较弱，甚至较多时间内出现弱势负向的反应。

右图给出了RDJIA对来自各内生变量的一个标准差新息的响应情况。RDJIA在受

到自身的一个标准差扰动冲击后，在第1期就作出了最大单位的正向反应，第2

期之后逐渐起伏震荡，到第10期逐渐趋于0，这表明道琼斯指数也受本身前期波

动影响较大，具有较为明显的前期效应。

RDJIA对于RHS300的一个标准差新息的响应，在第1期达到较为显著的正向反

应，在第2期达到峰值0.03后逐渐震荡于第12期趋于0。此外，绝大部分时间

里RDJIA对于RHS300的反应是正向的，少数时间出现负向的关系。从中可以看

出美国股市受中国股市波动的影响要大于沪深300指数受到美股的影响。道琼斯

工业指数作为美股市场最重要的指标之一，其反应的是美国大型工业企业运行状况，

一定程度上代表了美国经济走势，作为强有效市场的典范，道琼斯指数相当强的受

到前期指数所包含的经济信息的影响。而08年金融危机以来，中国经济的良好表

现也支撑了世界经济发展的信心，道琼斯指数受到中国市场的影响也逐渐增加。

(六)方差分解分析

方差分解分析描述的是VAR模型中不同随机扰动项对变量产生影响的相对重要性。

从方差分解的结果来看，在初期沪深300指数收益率方差的贡献率主要是其自身

方差贡献率所决定的，在第1期时，方差贡献率达到100%，随着期数往后推移，

道琼斯指数收益率的方差贡献率在逐渐增加，但在10期内不超过2%；道琼斯收

益率的方差贡献率则有所不同，在第一期其自身的贡献度数值达到98.9%，之后

降至94%左右，而沪深300对其贡献在第一期只有1%，随着期数往后推移，沪

深300收益率的方差贡献率在逐渐增加，上升到5.7%左右。

五、结论及政策建议

本文通过建立沪深300指数与道琼斯工业指数的VAR模型，综合运用格兰杰因果

关系检验、脉冲响应函数和方差分解分析等方法来研究沪深300指数和道琼斯指

数之间的收益率联动性。综上所述，得出以下几点结论：1.格兰杰因果关系检验结

果表明，沪深300和道琼斯指数之间的收益率波动呈现互相影响的局面；2.脉冲

响应函数和方差分解分析的结果表明，两只股指在较为显著的受其自身市场变化影

响之外，其受对方市场的影响较小，其中道指受到沪深300指数冲击的反应要大

于沪深300指数受道琼斯指数的影响。实证分析结果表明相比较而言美国市场更

为开放和有效，其接受和消化外围市场信息的效率比中国内地股票市场要更高，也

从另一方面说明了我国股票市场开放度仍相对较低。当然，道琼斯指数的投资者遍

布全球，而沪深300的投资者则大多为国内居民，二者在市场范围的深度与广度

上的差异也是导致本文研究现象的一个原因。随着深化改革的步伐加快，构建开放

型经济新体制的要求突出，我国提出将逐步完善金融市场体系，扩大金融业的对外

开放，推动资本市场双向开放，有序提高跨境资本和金融交易可兑换程度，加快实

现人民币资本项目可兑换等。虽然目前实证研究的结果显示中美股票市场间的联动

性在统计上并不十分显著，但未来随着我国资本市场开放度越来越高，在可预见的

未来，中美股票市场间的联动性乃至中国资本市场与外围资本市场的联动性将更加

明显。

对于我国股票市场而言，一方面要在资本市场逐步开放的基础之上加强同国际股票

市场的联系与合作，推动我国股票市场融入全球资本市场，争取与全球第二大股票

市场相匹配的话语权与资产定价权；另一方面要建立有效的资本市场防火墙机制，

吸收借鉴金融危机的经验教训，缓和外围市场波动对国内股票市场造成剧烈影响，

此外，在人民币资本项目可兑换逐步推进的状况下，加强对投机资本的监管，防止

国际游资对国内资本市场的冲击。最后，监管机构要根据资本市场发展规律，制定

更加市场化和国际化的法律法规，降低股市的政策风险；强化同国际金融监管部门

的合作，建立金融业跨国监管体系，加强对投资者的教育，规范投资者行为。

参考文献：

[1]吴刘杰，高劲.我国A股综指与美国主要股指的联动性研究[J].财会通讯，

2009(8).

[2]高铁梅.计量经济分析方法与建模(第二版)[M].北京：清华大学出版社，2009.

[3]韩非、肖辉.中美股市间的联动性分析[J].金融研究，2005(11).

[4]祝慧敏.沪深300指数与道琼斯指数的联动性研究[D].武汉：武汉理工大学，

2008.

[5]卓桂秋.中美股市联动性的实证研究[D].厦门：厦门大学，2009.

[6]孙翼.中美股市联动性研究[D].杭州：浙江大学，2009.