中美股市间的相互作用：新视角外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

---

中美股市间的相互作用：新视角

George L. Yelowast;


索比商学院，圣玛丽大学，哈利法克斯，北卡罗来纳州，加拿大B3H 1C3

摘要：本文采用一种新的方法来研究美国与中国股市之间的相互作用。由于美国和中国股市的交易时间没有重叠，许多实证研究表明，这两个市场的日回报率没有相关性。本文通过检验标普500指数和道琼斯工业平均指数日收益率以预测中国股市两个基准指数上证综指和深圳综指开盘方向的能力，反之亦然。我们发现，自2006年以来，美国股市的日收益率对中国股市的开市具有显著的预测能力，而中国股市没有此种相似的能力以预测美国股市的开盘价。

关键词：股市互动预测能力；中国；国际投资

1 引言

几十年来，随着中国经济的迅猛发展，中国股市已成为世界上最大的股市之一。由于中国经济与美国经济已经显示出一定的相互作用，因此研究中国与美国股市之间的相互作用具有非常大的吸引力。然而，大多数研究，特别是在最近的全球金融危机之前对这一问题进行调查的研究，发现这两个股市之间没有或仅有较弱的协整关系。（见Huang等人，2000；Chen等人，2003；Xiao等人，2003；Lin and Wu，2003；Yang等人，2003；Zhu等人，2004；Tian，2007；Wang and Di-iorio，2007；Masson等人，2008；Lin等人，2009；Luo等人，2011；Li，2012等）。人们普遍认为，中国股市与世界其他地区是绝缘的。

然而，最近的一些研究表明，这两个市场之间的整合水平一直在提高。例如，通过使用Copula模型来研究中国（上海证券交易所综合指数）和美国（S＆P500指数）、日本（日经指数）、香港（恒生指数）和世界（MSCI指数）之间的关系，Johansson（2010）的证据表明，中国股市在过去十年中，特别是在最近的全球金融危机期间，与几个主要金融市场的整合程度越来越高。Goh等人（2013）发现一些美国经济变量对中国股市具有显著的预测能力。尽管美国经济活动与股票价格之间存在着密切的关系，如Schwert（1990）和Roll（1992）所指出的，但美国股市是否会影响中国股市仍不清楚，因为这些美国经济变量可能同时影响两国股市。总的来说，文献中没有观察到美国和中国股市之间的显著关系。

本文的目的是更好地理解中国股市和美国股市之间的相互作用，在过去十年中，中国股市和美国股市的相互作用逐年变化，更重要的是，是理解这两个市场之间的相互作用是以何种方式进行的。本文通过考察一国股票价格变动对另一国股票价格变动的预测能力，研究了这两个市场中股票价格变动的相互作用。与Johansson（2010年）研究相似的是，主要的基准股票市场指数被用来代表美国和中国股市。

具体而言，我们使用标准普尔500指数、道琼斯工业平均指数（DJIA）和纳斯达克综合指数（NASDAQ）代表美国股市，使用上海证券交易所综合指数（SSEC）和深圳股票成分指数（SZCI）代表中国股市。

我们的方法有两个不同于以上文献的特征：

首先，虽然以往的研究几乎只进行参数检验，并遵循回归类型的方法，本文采用非参数检验方法，通过计算正确预测的条件概率，检验了美国股市日收益率对中国股市开盘价和中国股市开盘价的预测能力。预测模型改编自Henriksson和Merton（1981年），用于测试市场时机的能力，或预测股票何时优于债券以及债券何时优于股票的能力。本文的预测模型与早期研究的不同之处在于，我们假设预测者要么预测股市将开盘高或低，以另一个市场的日回报为条件。根据Henriksson和Merton的观点，非参数检验的优点是，正确预测的条件概率足以测量预测能力，但它们不依赖于市场回报的分布或证券价格估值的任何特定模型。

第二，由于研究文献中的日收益时间序列没有发现两个股票市场之间的显著相关性，我们检查了当天的数据，并调查了市场的微观结构。也就是说，在文献中，我们首先测试了一个市场的每日收益能力，以预测另一个市场的开市。特别是，我们检查了收盘日回报率、开盘至收盘隔夜回报率和收盘至开盘交易时间回报率，并测试了一个市场的日回报率作为预测另一个市场开盘的领先指标的能力。我们选择这一方法的基本论点是：由于股票价格变动主要是由交易活动驱动的，而且中美股市之间没有交易时间的重叠，因此这两个市场的日回报主要由不同的信息集驱动，因此可能相关性不显著。然而，这并不意味着两个市场之间没有互动。一个市场的每日回报是一个非交易时间信息，可能会影响另一个市场的开放。也就是说，一个市场的日回报率可能有能力预测另一个市场的开盘价。此外，如果市场是有效的，这种效应不应该在市场开放后继续存在。换言之，一个市场的日收益只能影响另一个市场的开盘价值，而不必引起两个市场之间的相关性。

更详细地说，我们的方法是，我们考虑一种预测，即在交易日开盘时，股票市场指数相对于其上一个收盘时的价值，会更高或更低，称为开盘高或开盘低。特别是，我们检查了美国股市每日收益的预测能力，以预测中国股市在下一个交易日是开盘高还是开盘低。另一方面，我们检验了中国股市每日收益的预测能力，以预测美国股市在下一个交易日是开盘高还是开盘低。

以下是对我们预测模型的简介：

让“A”指代一个国家的指数，让“B”指代另一个国家的指数，Mgt;0是正数。

bull;当A的日收益大于M时，预测如下B的期初值将高于其上一个收盘时的值；

bull;当A的日回报率不大于minus;m时，预测如下B的期初值将不高于上一个收盘时的值。

注意，如果m=0，则预测将在每个交易日进行。但是，如果mgt;0，只有当a的日收益大于m时，才能进行预测。

通过采用上述方法，我们对文献做出了贡献，对一些新的有趣的经验事实进行解构，如下所示：

首先，从2001年到2010年，美国股市日收益率预测中国股市的能力经历了三个发展阶段。2001-2005年第一阶段预测能力不显著。而Goh等人（2013）表明，2001年12月中国加入世贸组织后，美国经济变量对中国股市的预测能力显著增强，我们没有发现明显证据表明加入世贸组织事件提高了美国股市对中国股市的预测能力。在2006年至2007年的第二个时期，也许是因为2005年7月，中国的汇率制度开始从钉住汇率制度转变为有管理的浮动汇率制度，美国股市预测中国股市的能力有所提高，但仍处于较低水平。2007年全球金融危机爆发后，预测能力显著增强。金融危机似乎对中美经济联系产生了重大影响，因此也可能对两国股市联系产生重大影响。

第二，虽然早期文献研究表明，美国经济变量对预测中国股市具有重要的能力，但中美股市之间没有显著的相关性，但我们首先在文献中记录了中美股市以一种特殊的方式相互作用的证据，即美国。股票市场可以预测2005年以后的中国股市，特别是在最近的金融危机发生后。

第三，它还表明，中国股市在预测2010年美国股市开盘方面具有重要的能力。然而，还不清楚这是否意味着中国股市从2010年开始对美国股市产生了更大的影响。另一种可能的解释是，2010年在美国新上市的中国公司数量是有史以来最多的，这可能会引起美国投资者对中国股市的关注，因此中国股市的表现可能会影响美国股市的开市。在Johansson（2010）表明最有可能的解释之一就是交叉上市是对于中国金融市场日益依赖美国市场的原因。

虽然我们可以预测未来几个小时的股价走势，但这并不一定违反市场效率假说（MEH）。由于一个市场收盘时公布的每日收益是向另一个市场提供的一种非交易时间信息，因此应将其纳入市场开盘。如果市场是有效率的，任何非交易时间的信息应该对开盘后的价格变动没有什么影响。

为了研究这个问题，我们进一步调查一个国家的每日回报是否能够预测另一个国家的交易时间回报，并且没有发现支持这一主张的重要证据。由于这两个市场的交易活动和股票价格变动是由不同的信息集驱动的，因此这两个市场的日回报率应该没有太大的相关性。因此，我们的研究有助于我们了解股市开盘价发现的过程。

本文的其余部分组织如下。第2节描述了测量和测试预测能力的方法。第3节介绍了我们的数据库和数据库的一些主要过程。第4节报告了经验结果，讨论在第5节中结束。

2 理论框架

在本节中，我们介绍了我们的方法来衡量和测试股票市场的表现，以预测在另一个国家的股票市场的表现。从数学上讲，我们的模型的形式与默顿（1981）和亨利克森（1981）提出的评估投资基金经理业绩和测试市场时机能力的模型相似，尽管这两个模型在经济上本质上不同。

2.1 测量预测能力

设R₁（t）为信号变量，R₂（t）为R₁（t）预测的预测变量，即对R₁（t）的响应。我们考虑如下预测：如果R₁（t）le;M，我们预测R₂（t）le;0；

如果R₁（t）gt;M，我们预测R₂（t）gt;0。

其中ge;0，表示信号强度。在Mgt;0的情况下，如果minus;Mlt;R1（t）le;M在任何日期t，则不会在该日期进行预测，并且预测中将忽略观测值R1（t）和R2（t）。

定义：

P₁（t）是正确预测的条件概率，前提是R₁（t）le;minus;M，P₂（t）是条件概率。

给定R₁（t）gt;M的正确预测概率，则预测能力定义为：

其中P（t）=0表示无预测能力，P（t）=1表示完美预测。

2.2测试预测能力

请注意，上述预测能力p的定义在数学上与Henriksson和Merton（1981）中的市场定时能力定义相似。因此，我们可以将Henriksson和Merton的市场时机能力数学应用到我们的预测能力中。根据他们的分析，预测者没有预测值的充分必要条件是P（t）=0。因此，无预测能力的无效假设为：

为了实现测试，我们定义：

n₁=假设R1（t）le;minus;M，成功预测的次数；

n₂=假设R1（t）gt;M，未成功预测的数量；

n′₁=假设R1（t）le;minus;M的未成功预测数；

n′₂=假设R1（t）gt;M的成功预测数。

然后

n=n₁ n₂为预测R2（t）le;0的次数；

n=n′₁ n′₂为预测R2（t）gt;0的次数；

n=n₁ n′₁为观测次数，R1（t）le;minus;M；

N2=n₂ n′₂为观测次数，R1（t）gt;M；

N=N₁ N₂是进行预测的观测总数。

根据这些定义，我们有：

其中E（·）是期望值运算符。

因此，根据式（2.4），原假设如下：

假设n1和n2是独立且相同分布的二元随机变量的和，给定n、n1、n和n1，则可使用以下方法计算试验的p值4：

首先，对于小样本，n1遵循超几何分布，我们可以通过以下方式计算p值：

其中

因此，如果n₁ge;n₁^*，可以拒绝概率置信水平为alpha;的零假设，其中n₁^*（alpha;）被定义为以下方程的解：

第二，对于大样本，因为计算用公式。（2.9）和（2.10）已成为一个问题，正态分布用作超几何分布的良好近似值。正态分布有以下参数：

且

设

则z（n₁）为标准正态分布。因此，p值的计算方法如下：

其中N（·）是标准正态分布的累积概率函数。因此，我们可通过解下式确定临界值n₁^*（alpha;）：

如果n₁ge;n₁^*（alpha;），在概率置信水平为alpha;时，我们可以拒绝零假设。

3数据

我们的数据库包括Samp;P500、DJIA、纳斯达克、SSEC和SZCI的开盘价和收盘价，均来自彭博社。

这五个指数的日收盘价和开盘价涵盖了2000年至2010年的11年期，但仅使用了2007年至2010年标准普尔500指数的开盘价。这是因为标准普尔500指数的开盘价等于2007年前几天的收盘价，正如彭博社所言。

让：

O（I，t）=t日指数I的开盘价；

C（I，t）=t日指数I的收盘价。

我们将每日回报率（RD）、隔夜回报率（RN）和交易时间回报率（RT）定义如下：

显然，从（3.2）开始，RNgt;0（lt;0）相当于较高（较低）的开口。使用公式（3.1）–（3.3），我们从我们的数据库中创建了8个时间序列，我们的

剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[20960]，资料为PDF文档或Word文档，PDF文档可免费转换为Word