“沪港通”背景下A&H股联动性研究——基于非参数Copula模型和时序关联规则挖掘

摘要

“沪港通”政策的推出，为两地广大投资者提供了一个新的投资平台。随着政策的稳步推进，两地股民参与活跃，多次发生“爆额”的情况。同时“沪港通”体现了中国资本市场对外开放的积极姿态，具有重大意义:一是通过两地合作机制增强我国资本市场的整体实力;二是巩固上海和香港两个金融中心的国际地位;三是加速了人民币国际化进程，香港业已成为离岸人民币业务中心。
　　在这一背景下中国内地和香港股市联动性又是一种什么样的表现呢？是那些因素在影响中国内地和香港股市联动性呢？因此，本文提出对香港和内地股市联动性进行研究。本文的研究在理论上丰富了“沪港通”和股市联动性两方面的研究成果，并且本文的研究结论具有很好的理论参考价值;本文在实践上更加深刻的理解中国内地和香港股市之间的联动关系，帮助投资者在跨两地投资中做出正确的决策，同时有助于政策制定者及时准确制定有利于中国资本市场及中国经济发展的政策。
　　上面涉及到两个方面的问题，第一，关于股市联动性度量的方法有哪些？文献中发现，学者们更多的运用了时间序列计量方法，主要有相关系数方法，ARCH/GARCH族模型，协整与格兰杰因果检验和Copula模型。由于股票指数多呈现“尖峰厚尾”、“非对称”等“非正态”问题，基于正态假设的方法不再适用，非参数Copula方法能够很好地解决这一问题。笔者还发现，部分学者运用时间序列关联规则挖掘方法来研究股市联动性问题，并且取得了很好的效果。第二，如何有效度量中国内地和香港股市联动性？尽管非参数Copula方法能够很好地度量股市联动性，但是我们从Copula模型中只能大概知道两地股市存在联动性，但是我们无法得知两地股市联动的具体表现，也无法指导投资者进行实际价值投资。正好时间序列关联规则挖掘方法能够很好地解决这一问题，同时Copula函数能够弥补关联规则不能获得联动性整体表现的缺陷。因此本文通过将非参数Copula模型和时间序列关联规则挖掘方法相结合，运用于研究中国内地和香港股市联动性。
　　与国内其他学者相比，本文选择在香港和内地同时上市的A&H股在两地的恒生AH指数A指和恒生AH指数H值作为分析香港和内地股市联动性的数据。在两地同时上市的公司股票之间的联动关系更能反映两地股市的联动性。
　　通过菲参数Copula模型的估计，笔者发现在Archimedean Copula(GumbelCopula、Clayton Copula和Frank Copula)函数中Gumbel Copula相对其他两种Copula函数能够更好地拟合样本数据，并且参数通过了检验。结论是大陆和香港两地股市之间存在明显的联动效应，并且存在“上尾高下尾低”的特征，即两地股市暴涨或暴跌的情况下联动效应增强，并且暴涨时的联动性要高于暴跌时的联动性;通过分阶段非参数Copula模型分析发现，“沪港通”前后大陆和香港两地股市A&H股联动效应增强，“沪港通”开通后A&H股联动性的“上尾高下尾低”的特征减弱，趋于“上下尾对称”。
　　运用时间序列关联规则挖掘本文获得了一系列关联规则，从中发现了与非参数Copula不一样的联动性特征:在内地股市向香港股市的传导过程中，存在“上尾低下尾高”的特征;在内香港股市向内地股市的传导过程中，存在“上尾高下尾低”的特征;内地股市向香港股市的传导性强于香港股市向内地股市的传导性。

目录

声明

摘要

1．绪论

1．1 研究背景及问题的提出

1．1．1 研究背景

1．1．2 问题的提出

1．2 研究意义及目的

1．2．1 研究意义

1．2．2 研究目的

1．3 研究内容及结构

1．3．1 研究内容

1．3．2 文章结构

1．4 样本数据的选取及研究方法

1．4．1 样本数据的选取

1．4．2 研究方法

1．5 文章的创新

2．股市联动性理论与检测方法综述

2．1 股市联动性基本理论

2．1．1 股市联动性机理

2．1．2 股市联动性条件

2．1．3 股市联动性传导机制

2．2 “沪港通”对中国内地和香港股市联动性的影响

2．2．1 宏观经济

2．2．2 宏观政策

2．2．3 投资者结构

2．3 股市联动性研究度量方法探讨

2．3．1 时间序列方法在股市联动性上的应用

2．3．2 关联规则挖掘在股市上的应用

2．3．3 非参数Copula与关联规则的优缺点及结合

2．4 本章小结

3．非参数Copula及其在股市联动性上的实证

3．1 非参数Copula模型

3．1．1 Copula函数基本理论

3．1．2 非参数Copula模型理论

3．1．3 非线性秩相关测度

3．2 非参数Copula模型实证分析

3．2．1 数据的基本特征

3．2．2 非参数Copula模型估计

3．2．3 Copula函数实证结果分析

3．3 本章小结

4．关联规则挖掘及其理论

4．1 关联规则挖掘

4．1．1 关联规则挖掘概念与算法描述

4．1．2 时序关联规则挖掘步骤

4．1．3 股指数据挖掘的特征及模型的选取

4．2 滑动窗口模式挖掘

4．2．1 滑动窗口模式挖掘定义

4．2．2 时间序列模式化

4．3 时间序列线段化模式挖掘

4．3．1 时间序列线段化

4．3．2 时间序列模式表示

4．3．3 时序模式聚类

4．4 本章小结

5．关联规则挖掘实证及解释

5．1 数据预处理

5．2 滑动窗口模式挖掘模型实证

5．2．1 滑动窗口挖掘模型阈值的确定及序列模式化

5．2．2 滑动窗口关联规则挖掘及解释

5．3 时间序列线段化模式挖掘模型实证

5．3．1 时间序列线段化及模式表示

5．3．2 时间序列线段化模式聚类

5．3．3 时间序列线段模式关联规则挖掘即解释

5．4 本章小结

6．总结

6．1 结论与解释

6．2 不足与改进

参考文献

附录

致谢