一、引言

近年來，隨著金融全球化和自由化進程的加快，國際資本流動越來越頻繁，跨國投資成為當今國際金融市場的熱點問題，伴隨著各國資本市場的逐漸開放，各國金融市場之間的聯系日益加強。特別是東亞市場，更是受到海外投資者的青睞，成為國際證券投資的主要地區（吳凌芳，2010）。中國2001年的入世，2003年QFII制度和2007年QDII制度的出臺，都加速了東亞金融市場國際化的進程?；趯Y本市場的大量理論和實證研究，很多學者提出了實行東亞貨幣合作的設想(Bayoumi&Eichengreen，1994)。由于股票市場的聯動效應是區域經濟金融一體化程度的一個重要指標，研究東亞區域證券市場對區域沖擊的反應和收益率的波動性，可以得出東亞資本市場一體化程度的相關結論，這對于東亞各經濟體國民經濟和金融體系的健康發展、東亞區域金融體系的建立以及國際金融市場的穩定都具有極其重要的現實意義。本文將運用MGARCH模型，從1997年的亞洲金融危機和2008年的全球金融危機的獨特視角，分析東亞股票市場在兩次金融危機期間到現在股票指數收益率的波動性和相關性，以期在前人的基礎上得出進一步的研究成果。

二、文獻回顧

國外關于股市間相關性問題的研究起步較早。Taufiq（1995）運用GARCH模型研究1920到1930年歐洲五個國家股票收益率的波動性，發現股票指數收益率的波動具有持久性，在受到外部因素的沖擊時，波動率的持久性將更為顯著，股票價格也將會出現大幅波動。Miyakosh（i2003）構建了雙變量的EGARCH模型，將美國市場的沖擊視為世界性的沖擊，作為外生變量引入，將日本市場的沖擊視為區域性沖擊，作為內生變量引入，結果發現美國市場影響亞洲7個市場的收益率變化，日本市場對亞洲各國波動率的影響大于美國。Khalid和Rajaguru（2004）運用VAR-BEKK模型考察了南亞四個國家即印度、巴基斯坦、孟加拉、斯里蘭卡區域共同貨幣選擇問題，得出最可能的共同貨幣是日元。國內在這方面的研究也逐漸豐富起來。徐劍剛和唐國興（1995）運用GARCH-M模型度量上海和深圳股票市場的波動率，指出模型的預測精度較強，上海和深圳股票市場都具有較強的投機性，且上海股市的波動比深圳股市的波動劇烈。趙留彥、王一鳴(2003)構建了一個雙變量GARCH模型對A、B股之間波動溢出進行考察,得出僅存在A股向B股的單項波動溢出。

三、理論模型構建

鑒于GARCH模型也沒有考慮到收益方向的信息，無法計算杠桿效應，也無法解釋是什么因素導致了收益的波動，很多學者將其拓展到非對稱GARCH模型，包括GJR—GARCH、TGARCH、EGARCH、IGARCH等。為避免內外生變量判斷上的偏差和考慮變量之間影響的方向性，將單變量擴展為多變量模型,主要有VECH、BEKK、CCC—GARCH等模型。鑒于后文將給出的指數收益率的統計描述和相關檢驗，本文采用VAR-GARCH-BEKK模型來進行實證分析。其中Yt是n×1維收益率向量，εt是擾動項∑t，條件方差和協方差矩陣為，是n×n維對稱矩陣。且n×1維矩陣α表示長期漂移系數，擾動項εt是n×1維向量。矩陣中的每一個元素衡量一個市場對另一個市場在收益率均值上的溢出效應。本文采用BEKK模型，在這個模型中，方差協方差矩陣被表示成擾動平方項，交叉擾動項和滯后一階的方差協方差矩陣。

四、實證分析

（一）變量選取和數據來源

由于東亞地區主要經濟體包括中國大陸(下文簡稱大陸)、日本、香港、韓國、臺灣和東盟,所以本文選取這些經濟體中有代表性的股票指數作為研究對象。股票指數依次是上證綜合指數（SSEC）、日經225指數（NIKI）、恒生指數（HSI）、韓國首爾綜合指數（KS11）和臺灣加權指數（TWII）。另外采取周云帆（2010）的做法，將海峽指數（STI）作為東盟經濟體的代表指數。本文選取的數據樣本區間為1997年7月3日①至2012年3月30日，所有數據均來源于雅虎財經網站②?？紤]到各國家和地區的假期不同導致股市交易日不同，本文以NIKI的交易日為基準，刪除了各股市交易日不重疊的數據，最后得到3617組數據。本文以亞洲金融危機大規模爆發時間2008年9月14日為時間節點，將整個時期分為兩個部分（后簡稱為1時期和2時期），分別包括2753和864組數據③。本文除特殊說明外，均使用S-plusFinmetrics軟件做實證分析。

（二）指數收益率數據的檢驗

我們使用Eviews6.0對各變量進行ADF、PP、KPSS單位根檢驗，保證檢驗結果的準確性。各檢驗結果都得出收益率變量水平值都是平穩的，所以我們只在表3中列出了ADF檢驗結果。同時我們對收益率進行Ljung-Box和ARCH-LM檢驗，ARCH-LM檢驗的最大滯后階數設為12，檢驗結果見表4和表5。各股市收益率Q值和LM值都很顯著，具有明顯的序列相關性和ARCH效應，因此我們選擇VAR-BEKK模型。

（三）實證結果

本文根據最小化AIC和BIC原則來確定VAR的滯后階數，最終確定使用VAR(1)-GARCH-BEKK模型?；诒疚难芯磕康牡目紤]，我們分別對兩個樣本區間數據進行估計，實證結果見表6與表7。由于篇幅所限，我們并沒有列出所有股票市場雙變量估計結果，而只是列出了一部分實證結果。表格中C代表均值方程（1）中的系數矩陣，矩陣A、G即是方差方程（2）中的矩陣C和G，分別表示ARCH效應和GARCH效應。

我們分析方差方程估計結果。在矩陣A和G中，對角線元素體現了各自市場的ARCH效應和GARCH效應，從表中我們可以清楚的看到，在兩個時期，A和G中的所有對角線元素都是正的且非常顯著的。非對角線元素表示的是各市場之間的影響。具體地，在沖擊影響方面，前后兩個時期香港和東盟、中國和韓國之間沖擊的溢出是雙向的，2時期中國對韓國的影響從1時期的負值變為正值。大陸和香港在前后兩個時期都不存在顯著的沖擊影響，兩市場雖然地域臨近，但香港股市和大陸股市有很多不同的特點。這也反映出雖然實行了QFII、QDII制度等逐步開放資本市場的政策，但中國內地資本市場的開放程度還遠遠不夠。結合兩個時期日本和香港、臺灣的估計結果，可以得出2008年金融危機后，日本與香港市場之間關聯性受到削弱，而與臺灣市場的聯系卻得到了強化。