Who Plays the Key Role among Shanghai,
Shenzhen and Hong Kong Stock Markets?
Jian Wang, Junfeng Zhu, Feifei Dou
Abstract
In this paper we examine the daily frequency stock market indices of Shanghai, Shenzhen and Hong Kong from January 2000 to June 2012, and use the Morlet wavelet coherence model to determine who is playing the most important role in the financial markets of China. We find that there are significant comovements between these stock markets in the medium and long run. This provides investors with opportunities to increase their capital gains. The Hong Kong stock market plays a leading role in the long run, but its leader position is threatened by fast-growing Chinese mainland stock markets, especially the Shanghai Stock Exchange. Based on our analysis, the following suggestions apply to the Chinese stock markets: establish and improve international and regional finance centers in Chinese mainland; encourage more qualified institutional investors; reposition the market relations among Hong Kong, Shanghai and Shenzhen; and increase deregulation and internationalization to speed up the integration of financial resources.
Key words: comovement, lead-lag effect, Morlet wavelet coherence
JEL codes: F36, G11, G15
I. Introduction
The Chinese stock market comprises the Shanghai, the Shenzhen and the Hong Kong stock markets. The two security exchanges in Chinese mainland, the Shanghai Stock Exchange (SHSE) and the Shenzhen Stock Exchange (SZSE), have experienced phenomenal growth since the early 1990s. The Hong Kong Stock Exchange (HKE) was officially established in the 1980s, and went public in 2000 after merging with the Future Exchange and the Central Clearing Company. As one of the most famous duty-free harbors in the world, the HKE has shown more significant influence than the Chinese mainland financial market. By the end of 2011, the rate of capital securitization in the HKE was much higher than that in the SHSE and the SZSE (see Table 1).
As China#39;s stock market has thrived, the international financial market has experienced significant changes and events: globalization, technological innovation and financial crises. International financial market events can subject the Chinese markets to risks, and cause instability. Under the conditions of economic interdependence and financial integration, policy-makers are keen to understand how the three markets correlate to each other, what the comovement is among them and who plays the key role.
Therefore, in the present paper, we examine the relationships among the stock markets ofShanghai, Shenzhen and Hong Kong, focusing on the comovement among them. In particular,we study the correlation based on time–frequency variation and the lead–lag effect among the three stock markets to determine who dominates the Chinese stock market as a whole.
Early studies on the stock market relationships mostly focus on correlations between different markets (e.g. Longin and Solnik, 1995). Some other studies use financial contagion and interdependence to explain stock market linkages. Bertero and Mayer (1990) argue that non-US countries were impacted by the 1987 US stock market crash through financial contagion mechanisms. Connolly and Wang (2000) find evidence for a financial contagion mechanism when examining the US, UK and Japanese stock markets between 1985 and 1996. In contrast, Forbes and Rigobon (2002) analyze the correlation coefficients of various stock markets during the 1987 US stock market crash, the 1994 Mexico financial crisis and the 1997 South-East Asian financial crisis, and conclude that the comovements were caused by the interdependence of these markets, not financial contagion. In addition, exchange rates, imports, bilateral interbank lending and financial linkages have been suggested as transmission mechanisms of financial contagion (Granger et al., 2000; Didier et al., 2012).
As defined in Baur (2003), comovement means con-movement or moving together, which allows one to measure the relationship between variables in the time–frequency space. Bauer (2003) also provides mathematical definitions and proofs, and suggests that comovement is not simply equal to the correlation (or contagion) of two variables.
Published literature on the comovement of Chinese different stock markets is relatively scarce. In the 1990s, Hong Kong became an international financial center, while the Shanghai stock market developed as the main board market and Shenzhen stock market was the over- the-counter market in the mainland (Fan, 1998). Over the past two decades, both the domestic and international financial markets have experienced dramatic changes; therefore, it is necessary to reposition the functions and responsibilities of these three markets.
Following the traditional methodology, Chinese scholars have conducted research on the comovement between different stock markets using the generalized autoregressive conditional heteroskedasticity (GARCH) model. Zhang et al. (2010) analyze the correlation between Chinese and US stock markets during 2001–2009 in terms of economic foundation and market contagion, and state that there was no long-term equilibrium relationship between Chinese and US stock markets over the period, and that the price and volatility spillover effects that the US market had on the Chinese market were unilateral. Li et al. (2011) use the component GARCH (CGARCH) model to study the relationship between the Shanghai Composite Index and the stock indices of the USA, the UK and Japan during 1990–2010. Taking the ratio of the numbers of robust Granger causality tests that were identified by ergodicity and all causality tests as the indicator of comovement measurement, Li et al. observe that the correlation between Chinese mainland and international stock market
剩余内容已隐藏，支付完成后下载完整资料
在上海、深圳和香港股票市场，谁来扮演关键角色？
摘要
文章从2000年1月至2012年6月，对上海，深圳和香港的日均频率股票市场指数进行了分析，并利用Morlet小波一致性模型来确定谁在中国金融市场中扮演着最重要的角色。我们发现这些股票市场在中长期存在显著的联动关系。这为投资者提供了增加资本收益的机会。香港股市长期处于领先地位，但其领先地位受到快速增长的中国内地股市，特别是上海证券交易所的威胁。根据我们的分析，以下建议适用于中国股市：建立和完善中国大陆国际和地区金融中心；鼓励更多合格的机构投资者；重新调整香港，上海和深圳之间的市场关系；加大放松管制和国际化，加快财力资源整合。
关键词：耦合，超前滞后效应，Morlet小波一致性
JEL代码：F36，G11，G15
一、介绍
中国股市包括上海，深圳和香港股市。中国大陆的两家证券交易所，上海证券交易所（SHSE）和深圳证券交易所（SZSE）自20世纪90年代初以来都出现了惊人的增长。香港联交所（HKE）于二十世纪八十年代正式成立，并于2000年与未来交易所及中央结算公司合并后上市。香港作为世界上最着名的免税港之一，比中国内地金融市场更具影响力。截至2011年底，香港证券交易所资本证券化比率高于SHSE和SZSE（见表1）。
表1 上证指数，深证指数和恒生指数市场概述，2011年底
随着中国股市的蓬勃发展，国际金融市场发生了重大变化和事态：全球化，技术创新和金融危机。国际金融市场事件可能使中国市场面临风险，造成不稳定。在经济相互依存和金融一体化的条件下，决策者热衷于了解三个市场如何相互关联，其中的联系是什么，谁扮演关键角色。
因此，在文章中，我们研究了上海，深圳和香港股票市场之间的关系，重点介绍了上海和深圳之间的联系。特别是，我们研究三个股票市场，基于时间频率变化和超前滞后效应的相关性，以确定谁占主导中国股市的整体。
关于股市关系的早期研究主要集中在不同市场之间的相关性（例如，洛基和索尼克，1995）。一些其他研究使用金融传染和相互依赖来解释股市联系。波特罗和梅耶（1990）认为，非美国国家受到1987年美国股市崩盘的影响，通过金融传染机制。康诺丽和王（2000）在1985年至1996年期间审查美国，英国和日本股市时，发现了一种财务传染机制的证据。相比之下，福布斯和里戈邦（2002）分析了1987年美国股票各个股票市场的相关系数市场崩溃，1994年墨西哥金融危机和1997年东南亚金融危机，并得出结论认为，这些交易是由这些市场的相互依赖而不是财务传染引起的。另外，汇率，进口，双边银行同业拆借和金融联系也被认为是金融传染机制（格兰杰等，2000；狄迪尔等，2012）。
如鲍尔（2003）所定义的，联动性意味着一起移动或移动，这样可以测量时间-空间中变量之间的关系。鲍尔（2003）还提供数学定义和证明，并表明联想不仅仅等于两个变量的相关性（或传染性）。
关于中国不同股票市场联动性的出版文献相对较少。20世纪90年代，香港成为国际金融中心，上海股市成为主板市场，深圳股市是大陆的非处方市场（范，1998）。二十年来，国内外金融市场发生了巨大变化，因此，有必要重新定位这三个市场的职能和责任。
按照传统方法，中国学者利用广义自回归条件异方差（GARCH）模型对不同股票市场之间的联系进行了研究。张等人（2010）分析了2001-2009年中国与美国股市在经济基础和市场传染性方面的相关性，并指出中美两国股市之间没有长期均衡关系，价格美国市场对中国市场的波动溢出效应是单方面的。李等人（2011）采用GARCH（CGARCH）分析模型，研究1990-2010年期间上海综合指数与美国，英国，日本股票指数的关系。利用遍历性和所有因果关系检验，确定的强大的格兰杰因果关系检验的数量作为联动性测量的指标，观察到中国大陆与国际股市的相关性，在中国股市早期发展阶段和中国加入WTO后逐渐下降。特别是中国加入WTO对加强中国大陆与国际股市波动的关系起着重要的作用。
基于上述文献综述，我们发现有两个关键问题。首先，大多数研究都无法提供对移动的准确定义，只需使用相关性而不是联动性。第二，研究人员还没有解决股市时间差异问题。
文章试图对2000年1月至2012年6月份中国上海、深圳、香港三大股票市场的情况进行分析和衡量。现在谁担当关键角色，哪个市场成为中国国际金融中心的问题，在不久的将来是工业和学术领域的当前主题。对三个市场如何保持有效竞争及其相互影响的了解将有助于决策者和金融市场研究人员应对中国金融业面临的诸多变化和面临的问题。因此，对三个市场发展和相关性的研究将具有重大的理论和实践意义。文章利用新方法Morlet小波一致性模型研究了三个股票市场的变化情况，并重点关注以下几个方面：
1、定义股市融合与时变和变频特性的关系。我们的研究包括三个部分：时频分析，一致性分析和超前滞后效应。
2、使用新颖的方法测量结果，小波分析。小波分析使我们能够分析时间-频率空间中的耦合。以这种方式，我们可以分解任何时间频率的变量，并更准确地研究它们。
3、使用Morlet小波变换一致性分析，检验上海，深圳和香港股票市场的联合程度和超前滞后效应。这有助于我们更好地了解哪个市场在中国经济中发挥更重要的作用。
文章的其余部分安排如下。第二部分讨论我们的分析方法。在第三部分中，对数据进行了描述，并进行了实证分析。最后，第四部分总结了该文件，并提出了一些政策含义。
二、方法
统计学方法曾经用于联动性研究。佛博斯和琴（2004）和狄迪尔等人（2012）采用传统回归分析，通过估计各种变量的相关系数，验证不同股票市场之间的相关性。格兰杰等（2000）和福布斯以及芮格卜（2002）使用GARCH模型、向量自回归、协整检验、冲击响应函数和滚动相关系数来检验股票市场的联动性。然而，这些方法无法解决股票回报数据的时变性质。这些模型假设两个时间序列的相关系数不随时间变化。然而，实际上相关系数往往随时间而变化。为了解决这个问题，巴等人（2003）使用蒙特卡罗模拟方法，柏博尔和杰森（2005）和亚斯兰尼蒂斯等人（2010）应用平滑过渡相关GARCH模型。然而，面对日益复杂的股市，我们希望不仅要确定不同时期的股指波动，而且要确定不同股市之间的相互关系。简而言之，对于传统的统计方法，最大的缺点是财务数据的时变性无法准确测量。
幸运的是，开发了一种解决时变问题的新方法：小波理论。Morlet（1983）首先介绍了小波变换在分析地震信号中的概念。他使用多尺度分析来分解和观察从粗糙到细微的信号，以便可以以更精确的方式分析和进行这些信号（英格丽，2004）。由于这种方法的全面，准确，简化和有效性，小波分析很快被应用于物理，海洋学，信息和金融工程等许多领域。瑞希和兰帕特（1997）首先使用离散小波变换来研究1960年至1994年美国的收入与消费与货币与收入之间的经济关系。他们发现小波分析可以有效地解决时变问题。鲁阿和努内斯（2009）使用连续小波变换来检验1987年股市崩盘期间美国、英国、德国和日本股票市场的情况。他们发现：德国、英国和美国在低频地区表现出相当高的收视率；英美股市始终维持高位置，其他股票市场与日本股市之间的联动并不显着。曼德雷诺和皮尼奥（2011）采用Morlet小波变换一致性理论分析了美国，英国，日本和巴西股票市场的相互作用，并重新确认了小波分析在股票市场调查研究中的有效性。
文章使用Morlet小波相干模型来估计股市价格指数之间的联动。小波分析使我们能够在任何有利的时间和频域检测股市信号。该技术的优点包括：无需制作时间序列线性和静态；没有抽样困境；信息不丢失或失真；有效去噪；并在某些时频域自由提取片段（梁，2007；董和王，2008；杨和黄，2010）。
小波变换分为连续小波变换（CWT）和离散小波变换（DWT）。CWT通常用于提取财务数据的信号特征。DWT用于信号降噪和压缩。财务数据是时间和空间均匀分布的一般观测和采样结果，具有高频甚至超高频，CWT相干分析是研究不同高频时间序列之间关系的有效途径。在时频定位过程中，Morlet小波具有时间和频率尺度的良好平衡（格雷斯等，2004），因此能够识别和分离具有周期性变化的时间序列。此外，Morlet小波变换相干分析也可以产生诸如幅度和相位等指标，这在同一时期不同时间序列之间的关系研究中是重要的。
通常，在具有两个时间序列的相干分析（交叉光谱分析）之前，通过具有各个时间序列的时间-频率分析（谱分析）开始Morlet小波变换相干分析。
三、数据和结果分析
文章的目的是解释和衡量上海，深圳和香港股市之间的联系。我们应用方法论，并使用第二部分描述的模型，以股市指数为指标。在描述数据和相关分析后，我们对三个市场进行了CWT和分离的一致性分析。
1、数据和统计说明
从2000年1月4日至2012年6月29日，我们利用上证指数（SSEC）、深证指数（SZSE）和恒生指数（HSI）对三个交易所之间的联动性进行了调查。这些指数的调整后收盘价（以人民币和港元计价）由雅虎财经获得。由于假期和特别事件，上海、深圳和香港股市之间存在微妙的差异。因此，我们对原始数据进行了调整，以得出3041个交易日的观察结果。文章中使用股指的原因有两个。首先，小波变换不需要数据预处理，并且最大限度地保留变量的有效信息，从而最小化失真（查尔斯等，2006；曼德雷诺和皮尼奥，2011；这些研究直接分析股票指数）。其次，小波变换方法可以将时间序列分解直接转化为不同的时频分量。变量本身没有特别的要求是平滑的或其他的。实验分析采用Eview（6.0）和Matlab（R2010a）实现。
图1 上证指数、深证指数及恒生指数时间序列图，2000-2012年
图1显示了2000年1月4日至2012年6月29日期间的上证指数、深证指数及恒生指数的趋势。在首500个交易日（2000年初至2002年年底），恒生指数继续下跌，而上证指数、深证指数首次上涨，然后下降。在此期间，香港股市受到新经济，互联网泡沫和9/11恐怖袭击的影响。从2004年3月至2005年6月的第1000天至第1500日，由于国际金融市场，特别是美国股市的整体兴旺，恒生指数呈现明显的上涨态势，而上证指数和深证指数均呈现小幅波动这一时期。大约在1700日（2007年下半年），三大股市开始呈现出相对一致的趋势。2007年10月16日，30日和31日，上海，深圳和香港股市分别达到6092、19531、31638。受美国次贷危机和全球金融危机的影响，上海，深圳和香港股市呈现下降趋势。从2008年8月至2010年初，股市的走势明显。
表2 上证指数、深证指数及恒生指数的统计描述，2000-2012
如表2所示，深证指数的均值和差异均大于上证所，均小于恒生指数。三大股市表现符合传统的风险回报原则。鉴于风险相同，证监会获得的风险远高于深证行和香港期货交易所，而获得同样的收益则是深圳证券交易所风险高于其他两个市场。这些信息对于具有不同风险-利益评估的投资者是非常重要的。从分布的角度看，SSEC的偏度为1.48，峰度为5.41；形式在右尾，不对称明显大于深圳和香港股市。这意味着上海股市涨幅较大，其中三项指数与正态分布相对较接近，与彭（2000）的观察一致。
表3 上证指数、深证指数及恒生指数间的相关性，2000-2012
表3显示，上证指数、深证指数及恒生指数之间的相关性相对较高。然而，直接回归股市指数的非平稳时间序列却没有什么意义。以下是使用Morlet一致性分析方法进一步研究SSEC，SZSE和HSI的联合。
2、连续小波变换和结果分析
在文章中，我们进行Morlet CWT分析，时间长度，采样间隔时间天和，。我们首先采用特瑞斯和康博（1998）和阿基亚尔-康拉瑞拉等人的方法进行边界处理（2008）。然后我们使用蒙特卡罗模拟方法来估计置信区间。
图2 （a）上证指数（b）深证指数和（c）恒生指数的小波功率谱图
使用连续小波变换，2000-2012年
图2显示了SSEC，SZSE和HSI的Morlet光谱。横轴表示对应于每个交易日的原始时间序列数据的时间（天），纵轴表示不同的刻度（或频率）（即小波变换周期）。我们把短时间内不到32天的时间尺度，短期和中期的32到128天，中期的128-256天，长期的256天以上的时间分类。考虑到交易日与实际时间的差异，上述期间分别对应于不足1个月，1.5-6个月，6-12个月和1年以上的实际时间。黑色轮廓区域在95%的置信区间表示重要性。越接近突出显示的白色区域，功率值越高（即光谱能量），反之亦然。高功率地区显示出重大事件的冲击：例如，从第1313次观察的白色区域的256级表示了SSEC对非流通股改革的反应。由虚线向上弯曲形成的圆锥是影响的圆锥，代表了Morlet小波变换的边界条件；影响锥的外部区域在统计学上是微不足道的。如SSEC所示，1789至2137个交易日之间高度（512以上）的白色区域不在影响范围之内；这意味着美国次贷危机对上海市场影响不大，正如我们原来所说的那样。
研究SSEC，SZSE和HSI的小波功率谱，我们发现SSEC和SZSE在不同时间频率空间中的频谱相对相似，而当高频区域的规模为16天时，SSEC和SZSE在第1500和第2000个交易日之间略有不同。当低频区的规模接近128时，两市的波动明显不同。1313日，即非流通股改革实施
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[484086]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
