美联储加息对我国股市波动溢出效应研究——基于DAG-SVAR和溢出指数的考证

doi:10.16716/j.cnki.65-1030/f.2022.03.002

摘要/Abstract

摘要：

2014年末美联储退出量化宽松进入加息周期，诱发全球资本回流，而我国正值金融风险集聚、实体经济增长乏力和资产价格剧烈波动阶段，国内经济更易受国外货币政策冲击的影响。本文运用基于DAG-SVAR的溢出指数建模方法，分析2014年11月—2018年3月美联储加息对我国股票市场波动溢出的影响。结果表明：（1）加息周期下联邦基金利率上升通过汇率渠道和投资者情绪渠道加大了中美股市波动溢出强度，但这种正向激励效应并非长期存在。（2）美元第二次加息后，激励效应由正转负出现了拐点。（3）我国提高长端利率水平会加剧资本市场波动溢出，金融强监管政策不利于我国经济抵御外部新信息冲击。为更好应对美联储加息对我国股市波动的影响，央行等部门应进一步增强货币政策的国际协调性，加强内部优化，向市场提供充裕的流动性；同时，投资者也应加强对美国货币政策冲击风险的评估与管理。

关键词: 美联储加息, DAG-SVAR模型, 溢出指数, 投资者情绪, 波动溢出效应

Abstract:

At the end of 2014, the Fed withdrew from quantitative easing and entered a cycle of interest rate hikes, which led to the return of global capital. While China is at a stage of agglomeration of financial risks, weakness of the real economy and violent fluctuations in asset prices, and the domestic economy was more vulnerable to the impact of foreign monetary policies. This paper uses the DAG-SVAR-based spillover index method to analyze the impact of the Fed rate hike from November 2014 to March 2018 on the volatility spillovers of China's stock market. The results show that: (1) The rise in the federal funds rate under the interest rate hike cycle intensifies the volatility spillover intensity of the Chinese and US stock markets, through channels of RMB depreciation and investor risk aversion, but the positive incentives do not exist for a long time. (2) After the US dollar raised interest rates for the second time, this incentive turned from positive to negative, and there was an inflection point effect. (3) China's increase in long-term interest rates intensifies the spillover intensity of capital market volatility, and the policy of strong financial supervision is not conducive to China's economy against new external information shocks. The research results of this paper provide new evidence for the impact of the Fed rate hike on China's financial market, which is of great significance for the monetary authorities to improve the coordination of monetary policy regulation and risk supervision.

Key words: fed interest rate hike, DAG-SVAR model, spillover index, investor sentiment, volatility spillover

中图分类号:

F827.12

舒鑫. 美联储加息对我国股市波动溢出效应研究——基于DAG-SVAR和溢出指数的考证[J]. 新疆财经, 2022, (3): 16-29.

SHU Xin. A Study of Spillover Effect of Fed Rate Raising on the Volatility of China's Stock Market—Based on DAG-SVAR and Spillover Index[J]. Finance & Economics of Xinjiang, 2022, (3): 16-29.

图/表 13

图1

表1

核心变量的描述性统计结果"

变量名称	变量符号	均值	标准差	偏度	峰度	最小值	最大值	ADF检验t值
美国股市	$V I X$	0.05108	0.92803	-0.63110	5.87452	-5.26013	4.79450	-24.23861^***
美国债市	$M O V E$	0.00743	0.24981	0.01852	3.39911	-1.11838	1.39780	-26.49931^**
中国股市	$C S T$	0.04681	2.07267	-1.13817	11.31604	-14.59997	12.40480	-26.57256^***
中国债市	$C B O$	0.01662	0.14689	-0.44779	6.38310	-0.85183	0.79118	-13.08007^***
原油	$O I L$	-0.03127	2.90995	0.50855	3.72026	-12.23827	15.24946	-28.67705^***
黄金	$G O L D$	0.02055	0.96191	-0.10553	5.26867	-5.43621	5.01408	-24.12457^***

表1

图2

表2

预测误差方差分解结果"

时间	$V I X$	$M O V E$	$C S T$	$C B O$	$O I L$	$G O L D$
$V I X$ 的方差分解
1	100	0	0	0	0	0
2	99.61355	0.05424	0.02225	0.00796	0.00138	0.30062
3	99.60005	0.06531	0.02272	0.00943	0.00188	0.30063
12	99.59962	0.06548	0.02277	0.00956	0.00194	0.30063
30	99.59962	0.06548	0.02277	0.00956	0.00194	0.30063
$M O V E$ 的方差分解
1	6.58512	93.41488	0	0	0	0
2	6.52318	91.64718	0.82102	0.02070	0.82517	0.16276
3	6.55443	91.57408	0.84492	0.02292	0.84037	0.16329
12	6.55500	91.57213	0.84572	0.02293	0.84083	0.16340
30	6.55500	91.57213	0.84572	0.02293	0.84083	0.16340
$C S T$ 的方差分解
1	3.47372	0.03227	96.49401	0	0	0
2	7.46476	0.03594	92.37435	0.02912	0.04349	0.05233
3	7.48233	0.04127	92.32464	0.02981	0.04507	0.07689
12	7.48227	0.04328	92.32229	0.02984	0.04509	0.07724
30	7.48227	0.04328	92.32229	0.02984	0.04509	0.07724
$C B O$ 的方差分解
1	0.00050	1.79750	0.00016	98.20184	0	0
2	0.00061	4.11070	0.18277	95.67760	0.02817	0.00014
3	0.00306	4.23806	0.18318	95.54014	0.03475	0.00081
12	0.00340	4.25039	0.18326	95.52724	0.03478	0.00094
30	0.00340	4.25039	0.18326	95.52724	0.03478	0.00094
$O I L$ 的方差分解
1	7.93887	1.11561	0.09912	0.25178	90.59462	0.00000
2	7.71756	1.11568	0.48812	0.48287	90.07856	0.11722
3	7.73499	1.12236	0.50132	0.48335	90.04078	0.11720
12	7.73520	1.12245	0.50184	0.48392	90.03934	0.11726
30	7.73520	1.12245	0.50184	0.48392	90.03934	0.11726
$G O L D$ 的方差分解
1	1.15883	8.96854	0.06316	0.10082	0.62584	89.08280
2	1.16876	11.90398	1.26837	0.09733	1.35049	84.21107
3	1.25790	11.91333	1.26689	0.09831	1.35257	84.11100
12	1.25788	11.91358	1.26704	0.09849	1.35289	84.11011
30	1.25788	11.91358	1.26704	0.09849	1.35289	84.11011

表2

表3

网络中心度计算结果（单位：%）"

变量	$V I X$	$M O V E$	$C S T$	$C B O$	$O I L$	$G O L D$
$V I X$	0	6.62048	7.50504	0.01296	7.73714	1.55851
$M O V E$	6.62048	0	0.88900	4.27332	1.96327	12.07698
$C S T$	7.50504	0.88900	0	0.21310	0.54693	1.34428
$C B O$	0.01296	4.27332	0.21310	0	0.51870	0.09943
$O I L$	7.73714	1.96327	0.54693	0.51870	0	1.47015
$G O L D$	1.55851	12.07698	1.34428	0.09943	1.47015	0
度中心性	4.68683	5.16461	2.09967	1.02350	2.44724	3.30987
特征向量中心性	0.59731	0.49006	0.19781	0.16229	0.55791	0.16229

表3

图3

图4

图5

表4

参考文献 30

[1]	钟伟. 国际货币体系的百年变迁和远瞻[J]. 国际金融研究, 2001(4):8-13.
[2]	刘骏斌, 刘晓星. 美元加息、人民币汇率与短期跨国资本流动——基于适应性预期的视角[J]. 财经科学, 2017(8):38-52.
[3]	贺强, 王汀汀. 美联储加息对中国的影响与应对策略[J]. 价格理论与实践, 2016(10):5-8.
[4]	洪朝伟. 新一轮美联储加息对中国资产价格的溢出效应——基于SVAR模型的研究[J]. 现代管理科学, 2017(12):66-69.
[5]	彭星, 刘潋, 李斌. 美元周期性波动对我国跨境资本流动的非对称效应研究[J]. 商业经济与管理, 2019(5):88-97.
[6]	王伟, 刘承洋. 美联储加息下适应性汇率预期对短期国际资本流动的影响——基于MS-VAR模型的实证分析[J]. 内蒙古社会科学(汉文版), 2017(6):112-118.
[7]	谢剑, 王勇. 美联储加息对中国产出的影响研究[J]. 宏观经济研究, 2018(1):69-74+163.
[8]	李雪松, 罗朝阳. 金融周期、美联储加息与金融危机[J]. 财贸经济, 2019(10):66-80.
[9]	Hamao Y, Masulis R, Ng V. Correlations in Price Changes and Volatility Across International Stock Markets[J]. Review of Financial Studies, 1990(3):281-308.
[10]	Cheung Y W, Ng L K. A Causality-in-Variance Test and Its Application to Financial Market Prices[J]. Journal of Econometrics, 1996(1-2):33-48.
[11]	Soydemir G. International Transmission Mechanism of Stock Market Movements:Evidence from Emerging Equity Markets[J]. Journal of Forecasting, 2000(3):149-176.
[12]	Diebold F X, Yilmaz K. Measuring Financial Asset Return and Volatility Spillovers,with Application to Global Equity Markets[Z]. Working Papers, 2008.
[13]	杨子晖, 周颖刚. 全球系统性金融风险溢出与外部冲击[J]. 中国社会科学, 2018(12):69-90+200-201.
[14]	王冠楠, 项卫星. 金融摩擦与宏观经济的外部脆弱性——基于美联储加息政策的分析视角[J]. 国际金融研究, 2017(7):13-23.
[15]	舒长江, 胡援成. 宏观流动性、资产价格波动与货币政策新框架选择——基于中国房地产市场的实证分析[J]. 现代财经(天津财经大学学报), 2017(8):3-15.
[16]	Conover C M, Jensen G R, Johnson R R. Monetary Environments and International Stock Returns[J]. Journal of Banking & Finance, 1999(9):1357-1381.
[17]	Bauer G H, Clara C V. The Monetary Origins of Asymmetric Information in International Equity Markets[J]. Jour- nal of International Money and Finance, 2008(7):1029-1055.
[18]	杨雪莱, 许传华, 徐慧玲. 美国货币冲击与中国资产价格波动[J]. 中南财经政法大学学报, 2010(3):46-51.
[19]	杨永聪, 李正辉. 经济政策不确定性驱动了中国OFDI的增长吗——基于动态面板数据的系统GMM估计[J]. 国际贸易问题, 2018(3):138-148.
[20]	俞庆进, 张兵. 投资者有限关注与股票收益——以百度指数作为关注度的一项实证研究[J]. 金融研究, 2012(8):152-165.
[21]	张茂军, 郑晨, 陆任智, 南江霞. 美国股票市场和债券市场的交叉相关性及其多重分形特征[J]. 系统工程, 2018(1):47-52.
[22]	张兵, 范致镇, 李心丹. 中美股票市场的联动性研究[J]. 经济研究, 2010(11):141-151.
[23]	梁琪, 李政, 郝项超. 中国股票市场国际化研究:基于信息溢出的视角[J]. 经济研究, 2015(4):150-164.
[24]	胡秋灵, 马丽. 我国股票市场和债券市场波动溢出效应分析[J]. 金融研究, 2011(10):198-206.
[25]	王奇珍, 王玉东. 国际油价、美国经济不确定性和中国股市的波动溢出效应研究[J]. 中国管理科学, 2018(11):50-61.
[26]	王广生. 国际大宗商品价格波动对我国影响研究[J]. 价格理论与实践, 2018(10):85-88.
[27]	Swanson N R, Granger C J. Impulse Response Functions Based on a Causal Approach to Residual Orthogonalization in Vector Autoregressions[J]. Publications of the American Statistical Association, 1997(437):357-367.
[28]	Diebold F X, Yilmaz K. Better to Give than to Receive:Predictive Directional Measurement of Volatility Spillovers[J]. International Journal of Forecasting, 2012(1):57-66.
[29]	胡军辉. 国内外大宗商品市场间信息溢出效应的实证研究——基于DAG方法与溢出指数模型[J]. 工业技术经济, 2017(12):76-82.
[30]	Ahern K R, Harford J. The Importance of Industry Links in Merger Waves[J]. Journal of Finance, 2014(2):527-576.

变量名称	变量符号	测算口径
联邦基金利率	$F F R$	隔夜拆借利率
避险情绪	$l n V I X$	美国标准普尔500波动指数的自然对数
中美利差	$R C A$	中美十年期国债利差
人民币汇率	$U S C$	离岸人民币对美元汇率
泰德利差	$T E D$	3个月银行间市场利率与3个月美国国债利率之差
美国宏观经济环境	$Δ C E S E M$	花旗美国经济意外指数的变化
金融监管	$D u m m y$	2017年8月1日之后的 $D u m m y$ 值设为1，之前设为0

变量	MODEL（1）	MODEL（2）	MODEL（3）	稳健性检验（ $I O E R$ ）
$F F R$	14.643^***	16.268^***	16.146^***	16.925^***
$R C A$		-13.568^***	-6.765^***	-6.831^***
$T E D$			32.204^***	33.203^***
$Δ C E S E M$			0.073^*	0.070^*
Adj.R²	0.449	0.585	0.656	0.662

变量	汇率渠道		投资者情绪渠道
变量	$U S C$	$N S$	$l n V I X$	$N S$
$F F R$	0.228^***	11.975^***	-0.239^***	15.181^***
$U S C$		18.273^***
$l n V I X$				-4.028^***
$R C A$	-0.162^***	-3.805^***	-0.264^***	-7.831^***
$T E D$	0.824^***	17.154^***	-0.328^***	30.884^***
$Δ C E S E M$	6.338	0.069^*	-0.002	0.065^*
Adj.R²	0.378	0.767	0.409	0.665

变量	加息预期阶段（2014.11.01-2015.12.15）		加息落地阶段（2015.12.16-2016.12.13）		加息稳定阶段（2016.12.14-2018.3.22）
$F F R$	52.897^**	48.820^**	16.795	20.509	-0.733^*	-1.071^**
$R C A$	-9.429^***	-7.841^***	6.820^***	7.060^***	0.728^***	0.188
$U S C$	39.197^***	38.550^***	7.943^**	9.031^**	-0.698	-1.032^**
$T E D$		49.275^***		-4.988		-2.151^***
$Δ C E S E M$		0.131^*		0.056		0.009
Adj.R²	0.690	0.731	0.157	0.163	0.034	0.060

变量	2015.12.16—2018.3.22
$F F R$	0.394
$R C A$	4.852^***
$U S C$	8.127^***
$T E D$	0.938
$Δ C E S E M$	0.025
$D u m m y$	12.939^***
$D u m m y × R C A$	-8.452^***
Adj.R²	0.293