我国创业板市场和中小板市场动态相关性探究

《我国创业板市场和中小板市场动态相关性探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、我国创业板市场和中小板市场动态相关性探究摘要：金融市场间的相关性研究是金融风险测度及资产组合管理的基础。选取2010年6月1日至2012年5月31日我国的创业板指数(399006)和中小板指数(399005),根据两大指数收益率序列，建立DCCGARCH模型和Copula模型分别计算两市场间的动态相关系数，研究结果表明：(1)创业板市场与中小板市场存在正相关关系，且相关性很强并具有稳定性；(2)Copula模型考虑了市场间的非线性因素，在刻画金融市场间的相关性方面效果优于DCCGARCH模型。(3)时变Copula模型捕捉了市场收益率随时间变化的特性,在刻画金融市场间的相

2、关性方面效果要优于常相关Copula模型。因此，我国创业板市场与中小板市场合并是必然趋势;机构投资者宜采用Copula模型分析金融市场间的动态相关性，且不宜跨创业板市场和中小板市场进行资产配置。关键词：创业板市场；中小板市场；DCCGARCH模型；Copula模型；金融市场相关性；动态相关系数；非线性相关性；资产收益率中图分类号：F830.9；F224.9文献标志码：A文章编号：16748131(2013)05007906创业板市场专门为成长性好、发展潜力大的高科技公司提供融资平台，是我国多层次资本市场的重要组成部分。中小板市场是我国特有的，专为满足我国中小企业融资需求而

3、设立的。相对于主板市场而言，创业板与中小板市场具有上市公司市值规模小、价格波动大、市场风险高等特点，且二者均为为中小企业提供融资服务的资本市场平台。根据国务院"九条意见”2004年国务院下发的《关于推进资本市场改革开放和稳定发展的若干意见》。精神，我国建立多层次资本市场的条件正逐步成熟，创业型企业发行上市在股本总额和持续盈利记录等方面的限制将有所放宽；在条件成熟时，中小企业板块将从现有的市场中剥离，二者合并为新的创业板市场。由此可以看出，中小板市场是创业板市场的过渡产物。理论上，创业板市场有别于中小板市场，实际上，创业板市场与中小板市场表现出较强的趋同性。在这种背景下，通

4、过计算两市场间的相关系数来考察二者间的动态相关性，对于投资者在两市场间进行资产配置或风险评估，甚至对资本市场的进一步改革无疑具有重要的现实意义。静态相关系数无法反应不同市场间的资产价格或收益率的互动变化，而DCCGARCH模型和Copula模型计算的动态相关系数均能较好地描述市场间的动态相关关系。自Engle(2002)提出DCCGARCH模型，该模型得到广泛运用。游家兴等(2009)基于DCCGARCH模型对中国与亚洲、欧美7个股票市场的联动性进行分析，得到1991-2008年其联动性变化的动态过程以及联动性逐渐增加的结论；徐有俊等(2010)基于DCCGARCH模型，

5、运用1997年1月到2009年3月的数据，研究中国股市与国际股票指数(MSCI印度指数、MSCI世界指数、MSCI亚太指数和MSCI亚洲新兴市场指数)之间的联动性，结果发现中印两国和亚洲新兴市场的联动性大于国际发达市场，而且中国与世界股票市场的联动性逐渐增强。近年来，Copula理论和方法在金融等相关领域的运用也取得了明显的进展。Patton(2006)构建了马克兑美元和日元兑美元汇率的对数收益的二元Copula模型，结果显示Copula模型可以较好地描述外汇市场之间的相关关系；韦艳华等(2004)运用Copula模型对上海股票市场各行业板块动态相关性进行了研究；Bart

6、ram等(2007)运用高斯时变Copula对欧元引入欧洲17个国家或地区的股票市场之间的相关性进行了研究；张自然等(2012)采用时变SJCCopula模型较好地描述了人民币汇率境内SPOT市场、DF市场和境外NDF市场之间的相关关系。从已有研究文献来看，DCCGARCH模型和Copula模型均能较好地刻画金融市场间的动态关系，一般认为Copula模型的估算效果要好于前者。目前，运用以上两模型对于我国创业板市场与中小板市场间的动态相关关系的研究文献尚未发现，尤其是同时运用两方法进行比较分析更是没有。本文基于方法比较视角，运用DCCGARCH模型和Copula模型对我国创

7、业板市场与中小板市场间的动态相关性进行研究，这不但可以进一步厘清创业板市场与中小板市场间的关系，而且能够进一步考察上述两种研究金融市场间关系的计量方法的效果及适用性。二、相关理论与方法1.DCCGARCH模型设rt是一组白噪声随机变量组成的向量，满足以下条件：(1)其中，It-l为rt在时刻t-l时刻的信息集，Ht为条件协方差矩阵，表不为：(2)从单变量GARCH模型可以得到时变标准差矩阵Dt=diag{oi,t},Rt={Pij}t为动态条件相关系数矩阵。如果能够准确地估计Ht和Dt,代入上式(2),就可以计算出动态条件相关