第一节  离岸人民币市场对境内股票价格的非对称传递效应

本节从在岸与离岸人民币汇差和利差的角度出发，探究其所引致的跨境资本流动对境内股票市场价格的影响，以及在短期和长期双视角下该影响是否具有非对称特征。对这一问题的探讨，一方面，有助于警惕和防范离岸人民币市场发展带来的金融风险，为推进境内股票市场的完善和改革提供参考；另一方面，识别出在岸与离岸人民币汇差、利差正向和负向累积冲击对股票市场的影响，可为离岸人民币市场发展不同阶段下维护在岸股票市场稳定的政策制定提供经验证据。

一、理论模型

本书在Dieci和Westerhoff（2010）、吴丽华和傅广敏（2014）构建的异质性投资者理论模型和人民币汇率、短期资本与股价联动模型的基础上，推导在岸与离岸人民币汇差、利差对股票收益率影响的理论模型，具体如下：

首先，根据价格调整函数和变量对数线性化，得到t+1期股票收益率的方程为：

其中，SR_t+1为股票价格对数收益率，即SR_t+1=s_t+1-s_t，s_t+1和s_t分别为第t+1期和第t期股票价格的自然对数值；α为价格调整系数，且ɑ>0；和以分别表示国内和国外交易者对该国股票的需求函数。

根据资本流动理论可知，短期国际资本因套利、套汇活动在国内和国外市场之间双向流动，这些资本进入国内市场后，停留在房地产市场、股票市场抑或债券市场等，只有部分资金会进入股票市场，假设进入股市的资金比例随着市场环境而发生变化，记为χ_t，则国外交易者在t期对国内股票的需求函数为：

其中，CF_t为短期资本流入总量。当χ_t> 0时表示流入国内的部分短期资本进入股票市场；当χ_t< 0时表示由于流入国内的部分短期资本可能进入房地产市场或债券市场等所带来的“羊群效应”，致使股票市场上的既有部分资本流出；当χ_t=0时表示无资本流入或流出股市。

由于在岸与离岸人民币汇差、利差是导致香港和内地套汇、套利活动盛行进而引起资本跨境流动的主要原因之一（余永定，2012），且本书主要考察在岸与离岸人民币汇差、利差变动导致的资本流动对股票市场的影响，因此，可以假设资本流入总量（CF_t）由在岸与离岸人民币汇差、利差导致的资本流入量（）和其他因素导致的资本流入量（）两部分构成，且和在总资本流入中的占比是随时间变化的，记二者比例为ω，且ω_t≥0：

其次，本书借鉴张谊浩等（2007）的研究，假设在岸与离岸人民币汇差、利差导致的资本流入量服从柯布-道格拉斯函数形式，得到如下资本流入总量函数：

其中，，分别表示在岸与离岸人民币汇差和利差；ξ、η分别表示在岸与离岸人民币汇差、利差的短期资本流动弹性，且ξ>0和η>0；A为大于0的常数。

将式（4-2）和式（4-5）带入式（4-1）可得：

通过式（4-6）可以求出在岸与离岸人民币汇差、利差对股票价格对数收益率的影响，分别为：

其中，σ_e和σ_r分别表示在岸与离岸人民币汇差和利差对股票收益率的边际效应。由式（4-7）和式（4-8）可知，在岸与离岸人民币汇差、利差对股票对数收益率的影响（σ_e和σ_r）受到ɑ、A、ξ、η、ω_t和χ_t的影响。由于ɑ、A、ξ、η和ω_t均大于0，故σ_e和σ_r的符号仅与χ_t有关。当χ_t> 0时，σ_e>0和σ_r>0；反之，当χ_t< 0时，σ_e<0和σ_r<0。因此，只有流入股市的短期资本才能引起股票收益率的上升，流出股市的短期资本反而可能由于“羊群效应”降低了股市资本的流动性，对股票收益率产生负影响。

在本节理论框架中，在岸与离岸人民币汇差、利差对股票价格收益率的影响方向与资本流入和流出股市有关，在岸与离岸人民币汇差、利差导致的资本流动既可以引起股票收益率上升，也可以导致股票收益率下降，仅依据理论分析难以精确得出近年来人民币离岸市场与在岸市场汇率和利率差异对在岸股票市场的影响程度与方向。此外，由于汇差和利差对在岸与离岸市场之间短期资本流动影响机制不同，从而导致汇差和利差对在岸股票市场价格收益率的影响也不同。因此，应进一步区分在岸与离岸人民币汇差和利差分别对在岸股票价格收益率的影响，并进行比较分析。这就需要将在岸与离岸人民币汇差和利差置于统一的计量经济学模型中，对其与股票价格收益率的数量关系进行估计和测算。同时，考虑到中国对国际短期资本基本实行“宽进严出”的管制措施以及资本账户开放进程的推进，在岸与离岸人民币汇差、利差对股票收益率的影响可能会存在非对称效应和时变特征（（1＋ω_t）χ_t）。接下来，本节分别采用NARDL模型和TVP-VAR模型对在岸与离岸人民币汇差、利差与股票收益率之间的非对称关系和动态传导机制进行定量分析。

二、实证框架

（一）NARDL模型的建立

首先，在Pesaran等（2001）的基础上，构建在岸与离岸人民币汇差、利差对股票收益率影响的线性自回归分布滞后（Linear Autoregressive Distributed Lag Cointegration Model，ARDL）模型，同时，该模型也是一个误差修正模型，可以刻画短期和长期效应，具体如下：

其中，△表示一阶差分；SR_t为t时期股票收益率；ɑ₀为常数项；E_t、R_t分别为t时期在岸与离岸人民币汇差、利差；ε_t为残差项；p和q表示最大滞后阶数；ρ、θ和λ表示长期影响系数，对应地，γ_j、π_j和φ_j表示短期影响系数。

其次，基于Shin等（2014）提出的NARDL模型，将在岸与离岸人民币汇差、利差分解为正向变动累积和与负向变动累积和两部分，考察在岸与离岸人民币汇差、利差在不同变动方向情况下，对股票收益率短期和长期传递效应的作对称性特征。基于正向和负向非对称视角下的长期均衡关系可表示为：

其中，μ_t是零均值误差项，代表了对长期均衡的偏离；β⁺和β^-、φ⁺和φ^-分别代表非对称的长期传递效应；和、和分别是在岸与离岸人民币汇差、利差分解的正向变动累积和与负向变动累积和，其定义如下：

当β^＋≠β^-、φ⁺≠φ^-时，在岸与离岸人民币汇差、利差对股票收益率长期传递效应具有非对称性。将式（4-11）和式（4-12）代入式（4-9）可得NARDL（p，q）模型：

其中，ρ、θ⁺、θ^-、λ⁺、λ^－为长期影响系数，、、、为短期影响系数，且满足，，，。为汇差上升时对股票收益率的短期传递效应，为汇差下降时对股票收益率的短期传递效应，对应地，、分别为利差上升和下降时对股票收益率的短期传递效应。

最后，需要进行协整检验和非对称检验。在协整检验方面，本节根据F_PSS统计量对式（4-13）的原假设H₀：是否存在协整关系（即ρ＝θ⁺＝θ^-＝λ⁺＝λ^－）进行检验，以判定是否存在长期影响关系。但在非对称检验方面，需要采用Wald统计量对长期影响关系原假设H₀：β⁺＝β^-和φ^＋＝φ^－以及短期影响关系原假设H₀：和分别进行检验，如果拒绝原假设，则存在非对称效应。例如，如果，则说明汇差对股票收益率的短期传递效应具有非对称特征，同理，若，意味着利差对股票收益率的短期传递效应具有非对称性。此外，根据Fousejkis等（2016）的研究，可以将长期影响系数看作传递程度，将短期影响系数视为传递速度。

（二）数据来源与处理

为了检验在岸与离岸人民币汇差、利差对境内股市的非对称传递效应，本节选取2010年10月1日至2017年10月31日的日度数据为样本，剔除香港和内地交易日不匹配和节假日数据，共计得到1682个样本。

关于汇差（E_t）的测算，以香港离岸人民币即期汇率（CNH）和在岸人民币即期汇率（CNY）为基础，并结合本书理论模型，采用公式E_t=100×（LnCNY_t-LnCNH_t）进行测算，数据来自Thomson Reuters。利差（R_t）的测算方式与汇差类似，选取上海银行间人民币隔夜同业拆借利率（Shibor）和香港银行间人民币隔夜同业拆借利率（Hibor），并采用公式R_t=100x（LnShibor_t-LnHibor_t）进行测算，数据来自Wind金融终端。最后，本节选取沪深300指数（hs300）、上证综指（sh）、深证成指（sz）作为股价（S）的代理变量，其测算公式为SR_t=100x（LnS_t-LnS_t-1）。在行业异质性分析中，选取了28个申万行业指数作为行业股票价格，测算方式同沪深300指数、上证综指和深证成指一致，股指数据来自Wind金融终端。

三、实证结果分析

（一）单位根检验

在估计NARDL模型之前，必须确定变量是否为平稳或一阶单整序列，故本书须对上述变量依次进行单位根检验，但为了避免检验形式设定不同而导致结果出现偏误，本书采用ADF统计量和PP统计量对单位根过程中的三种可能形式进行了检验，如表4-1所示。结果表明，各变量均在1%显著水平上拒绝原假设，即各变量均为平稳序列，可以采用NARDL模型建模分析。

（二）NARDL模型估计和分析

在单位根检验的基础上，采用普通最小二乘法（OLS）对式（4-13）进行回归， 结果如表4-2所示。其中，模型中滞后阶数p和q根据Pesaran等（2001）提出的一般到特殊标准（General-to-specific Criterion）进行选择。具体地，首先选取滞后阶数p=12和q=12，然后删除所有不显著变量，但如果p或q从1到12均不显著，采用Cuestas和Tang（2017）的做法，保留p=1或q=1的项，以保证模型完整性，避免遗漏重要变量导致偏误问题。

根据表4-2可得，在岸与离岸人民币汇差、利差对沪深300、上证综指和深证成指的统计诊断F_Pss 均在1%显著水平上显著，拒绝了ρ＝θ⁺＝θ^-＝λ⁺=λ^－的原假设，表明变量间存在长期协整关系，即股票收益率受到在岸与离岸人民币汇差、利差的联合影响。同理，检验结果表明，模型估计均不存在自相关性问题。在估计系数方面，在岸与离岸人民币汇差、利差对沪深300、上证综指和深证成指的估计系数基本一致，说明在岸与离岸人民币汇差、利差对上海和深圳证券市场的影响没有显著异质性，同时证明了本书估计结果的一致性和稳健性。下面以沪深300为例进行分析：

观察长期影响系数可得，当汇差为正向累积时，其对股票收益率的长期传递系数为0.255，且在5%显著水平上显著。这表明，在其他条件不变的情况下，在岸与离岸汇差扩大1%会导致股票收益率上升0.255%。当汇差为负向累积时，长期传递系数在5%显著水平上也为0.255。同时，汇差正向累积与负向累积影响系数的非对称检验统计值并没有拒绝原假设，即汇差正向累积与负向累积时系数并无显著差别，在长期不存在非对称传递效应。因此，在长期，汇差对股票价格收益率具有显著影响，但不存在非对称传递效应。就在岸与离岸利差的影响而言，表4-2显示，当利差正向累积和负向累积时，其传递系数和在10%显著水平上均不显著，即在其他变量不变的情况下，在岸与离岸利差对股票市场的影响可以忽略不计。

观察短期影响系数可以发现，在汇差为正向累积情况下，当q=1、q=2和q=5时在岸与离岸汇差对股票收益率具有显著影响。具体地，当q=1时短期传递系数为－0.655，在10%显著水平上显著，q=2和q=5的影响系数分别为1.197和0.755，且分别在1%和5%显著水平上显著，故该种情况下在岸与离岸汇差对股票收益率影响系数由负转正，且以正为主，甚至在第2期，当汇差扩大1%时，股票收益率上升1.197%，出现了“超调”。在汇差为负向累积情况下，仅当q=1时在岸与离岸汇差对股票收益率具有显著影响，传递系数在1%显著水平上显著，为1.653，且统计值显著拒绝原假设，故短期存在非对称传递效应。在利差为正向累积情况下，仅当q=4时在岸与离岸利差对股票收益率的影响系数为0.005，且在5%显著水平上显著。然而，系数虽然显著，但相对汇差而言影响程度较小，与长期传递系数类似。同理，在利差为负向累积情况下，仅当q=5时显著，系数仍然较小。因此，在短期，利差无论正向累积还是负向累积，其对股票市场的影响程度均比较微弱。

综上可得，在岸与离岸汇差对股票收益率具有显著正影响，而利差对股票收益率的影响不显著或程度较微弱。因此，离岸人民币市场的发展主要通过汇率渠道对在岸股票市场产生影响。在长期，无论正向累积还是负向累积，在岸与离岸汇差对股票收益率的影响系数均为0.255，不存在非对称性，但在短期，汇差负向累积时的影响系数大于正向累积时的影响系数，呈现出明显的非对称性，即当离岸汇率高于在岸汇率时对股市的影响程度大于在岸汇率高于高岸汇率时的影响程度。但在岸与离岸汇差是否如本数理论分析，通过资本流动对我国股市产生影响，则需要进一步加以研究。

（三）机制检验：在岸与离岸汇差、资本流动和股票收益率

正如第一部分理论分析，在岸与离岸汇差主要通过资本流动对境内股票收益率产生影响。本部分采用Primiceri（2005）、Nakajima等（2011）提出的时变参数向量自回归（TVP-VAR）模型对在岸与离岸汇差、资本流动和股票收益率的影响关系和传导机制进行检验和分析，一方面为资本流动这一渠道提供经验证据，另一方面可以作为NARDL模型的稳健性检验，故将模型设定为：

其中，Y_t=（E_t，CF_t，SR_t），，β_t、A_t表示模型的时变系数矩阵，结构冲击之间是相互独立的，即，ε_t～N（0，I_t）

在变量测算和数据来源方面，首先，将在岸与离岸汇率和股票价格指数均转换为月度数据。其次，考虑到目前境外资金主要通过合格境外机构投资者（QFll）、沪港通和深港通渠道进入境内股市，因此，本节资本流动采用QFII投资额、沪港通资金流入额和深港通资金流入额之和表示，其中，QFII投资额数据来自国家外汇管理局，沪港通资金流入和深港通资金流入数据来自Wind金融终端。最后，采用OxMetics 6.0软件对式（4-14）进行估计，本节选择的最优滞后阶数为2，MCMC抽样10000次，得到在岸与离岸汇差、资本流动和股票收益率的脉冲响应函数图，如图4-1所示。该图分别列示了在岸与离岸汇差对资本流动、资本流动冲击对股票收益率、在岸与离岸汇差对股票收益率提前3期（1季度）、提前6期（半年）、提前12期（1年）冲击的时变脉冲响应函数值。

观察图4-1可以发现，在岸与离岸汇差冲击对资本流动不同提前期的脉冲响应函数值均呈现显著时变特征。2010年10月至2015年6月在岸与离岸汇差冲击对资本流动影响显著为正，即在岸与离岸汇差越大，通过QFII、沪港通和深港通流入中国内地的资本越多。在变动趋势上，2010年10月至2014年3月，在岸与离岸汇差冲击对资本流动的影响程度逐渐增强，2014年4月至2015年6月影响程度逐渐减弱，整体呈现倒“V”形特征，2015年7月至2017年10月在岸与离岸汇差冲击对资本流动的脉冲响应函数值为负，但负值较小且平稳。

本书认为在岸与离岸汇差波动率差异是导致在岸与离岸汇差冲击对资本流动的时变脉冲响应函数呈倒“V”形特征的主要原因。据测算，2010年10月至2014年3月在岸与离岸汇差的波动率达0.236，而2014年4月至2015年6月在岸与离岸汇差的波动率仅为0.073，两个时期波动率相差近3倍。因此，当在岸与离岸汇差变动较大时，或者超过一定阈值时才会引起套汇活动，导致资本流动较为明显，脉冲响应函数值增大；反之，在岸与离岸汇差变动较小时，微观经济主体，如投资者、进出口商等不会将汇差的微小冲击纳入决策过程，甚至部分参与主体会放弃套汇活动，对资本流动影响较小，这与异质性投资理论相一致。

此外，2015年7月以后，在岸与离岸汇差冲击对资本流动的脉冲响应函数值影响为负且较小，这可能与自2015年6月中旬开始，中国内地股市出现的持续暴跌有关，例如，自2015年6月15日开始，上证综合指数从5062.99点高位突然急转直下，到2015年8月26日，在52个交易日中上证综合指数下降了2135.70点，更出现十几次千股跌停，直到2017年年底，上证综指基本在3000点左右波动。因此，“股灾”的发生使得境外投资者进入中国内地股市更为谨慎，即通过QFII、沪港通和深港通流入中国内地的资金出现了明显放缓。据测算，2015年7月至2017年10月，通过这三种渠道流入中国内地的月均资本增长率仅为1.05%，与2010年10月至2015年6月流入中国内地的月均资本增长率2.36%相比，萎缩了近1倍。因此，“股灾”的发生，使得境外投资者可能更关注的是中国内地股市行情，而不仅仅是在岸与离岸汇差，在这种情况下，甚至放弃将在岸与离岸汇差纳入决策，致使在岸与离岸汇差冲击对资本流动的脉冲响应函数值变得非常小，甚至为负。

资本流动冲击对股票收益率的不同提前期脉冲响应函数均为正。其中，提前3期脉冲响应函数值变动较为平缓，提前6期和提前12期变动具有显著时变特征，呈现下降一上升一下降的倒“N”形态势。以提前12期为例，2010年10月至2012年2月和2014年7月至2017年10月，脉冲响应函数值处于下降区间，2012年3月至2014年6月则处于上升区间。但整体来看，资本流动冲击对股票收益率的三种不同提前期脉冲响应函数均为正且越来越大，表明资本流入有助于提高股票收益率，而且对股票收益率的作用程度越来越显著。

在岸与离岸汇差冲击对股票收益率的三种不同提前期脉冲响应数值亦呈现明显的倒“V”形特征。具体地，2010年10月至2014年3月，在岸与离岸汇差冲击对股票收益率时变脉冲响应函数值逐渐增大，2014年4月至2015年6月脉冲响应函数值逐渐下降。2015年7月以后，提前3期和提前6期脉冲响应函数值仍然为正且继续呈下降趋势，但提前12期脉冲响应数值出现了由正转负。与在岸与离岸汇差冲击对资本流动的时变脉冲响应函数值动态特征完全类似，但脉冲响应函数值变动相对平滑，即变动幅度较小，这间接地说明了在岸与离岸汇差是通过资本流动而影响股票收益率的。

综上可得，在岸与离岸汇差冲击对资本流动、资本流动冲击对股票收益率、在岸与离岸汇差冲击对股票收益率的时变脉冲响应函数值均基本为正，即在岸与离岸汇差的有在加剧了资本流动，资本流动进一步地提高了股票收益率，且在岸与离岸汇差冲击对资本流动的脉冲响应函数值与在岸与离岸汇差冲击对股票收益率的脉冲响应函数值变动趋势基本类似，佐证了理论模型中在岸与离岸汇差通过资本流动对境内股市产生影响的结论，即在岸与离岸汇差→资本流动→股票收益率。并且，在岸与离岸汇差冲击对股票收益率的脉冲响应函数值符号基本为正，进一步证明了NARDL模型结果的稳健性和可靠性。

四、稳健性检验

（一）从行业异质性视角进行稳健性检验

前文测算了在岸与离岸人民币汇差、利差对沪深300、上证综指和深证成指三种综合指数衡量的股票收益率短期和长期的非对称影响关系，但是在岸与离岸人民币汇差、利差对不同行业股票收益率影响是否具有异质性，以及上文测算结果是否具有稳健性是需要进一步探究的问题。基于此，本部分测算了在岸与离岸人民币汇差、利差对不同行业股票收益率的影响，结果如表4-3所示。

从表4-3可以看出，在岸与离岸人民币汇差、利差对不同行业股票收益率影响的F_PSS统计量值均显著拒绝了原假设，意味着变量间存在长期影响关系。就在岸与离岸汇差对不同行业股票收益率影响而言，在岸与离岸汇差对采掘、有色金属、纺织服装、房地产、商业贸易、银行和非银金融行业股票收益率的长期影响系数和不显著，这与Cuestas和Tang（2017）研究人民币汇率对不同行业股票收益率得出的结论基本一致，其指出商业贸易、银行和非银金融行业等贸易类和金融类行业规避汇率风险的能力较强，受到汇率冲击的影响较小，进而使得系数不显著。据此，本书认为抵抗外部冲击能力强的行业，即股票价格变动较小的行业受到在岸与离岸汇差冲击影响的可能性也较小，故本研究测算了采掘、有色金属、纺织服装、房地产、商业贸易、银行和非银金融行业股票价格的标准差，发现这些行业股票价格平均标准差为884.19，较其他21个行业的1020.69低了近13.37%。

除以上7个行业外，在岸与离岸汇差正向累积和与负向累积和对其他21个行业股票收益率的长期影响系数均在10%显著水平上显著，系数变动范国分别为0.248～0.434和0.269～0.462，且长期影响系数对称性检验统计量均接受了不存在非对称性的原假设，但根据统计量可以得出，短期影响系数存在非对称性，与本节主体部分得出的结论完全一致。就在岸与离岸利差对股票收益率影响系数而言，其长期和短期影响系数均不显著，和统计量也均没有拒绝原假设，意味着在岸与离岸利差的系数无非对称性特征。总体而言，基于行业层面的估计结果与基于总体层面所估计的在岸与离岸人民币汇差、利差对沪深300、上证综指和深证成指影响方向、大小基本一致。因此，本研究结论具有高度稳健性。

（二）加入境外市场股票收益率变量进行稳健性检验

随着全球经济、贸易和金融一体化程度的加深，不同国家之间股票市场的联动性和溢出效应不断增强。2018年2月6日凌晨收盘的美国股指暴跌使得包括中国A股、中国香港恒生指数等在内的多个经济体股指随之超跌便是例证。并且，与在岸与离岸人民币汇差、利差一样，境外市场股票收益率亦会通过影响国际资本流动，进而对中国境内股票市场产生一定影响。因此，本书借鉴李红权等（2011）的研究，分别将美国S&P500指数、中国香港恒生指数作为境外市场股票市场指数纳入实证模型式（4-13）中，构建包含境外市场股票收益率的NARDL模型，如式（4-15）所示：

其中，表示境外市场股票收益率，i=1和i=2分别表示以美国S&P500指数和中国香港恒生指数测算的境外市场股票收益率；ω和ξ分别表示境外市场股票收益率对在岸股票收益率的短期和长期影响系数，其他变量或符号含义与前文一致。对式（4-15）进行估计得到的结果如表4-4所示。

加入境外市场股票收益率后，F_PSS统计量值均在1%显著水平上拒绝了原假设，故在岸与离岸汇差、利差与在岸股票收益率之间仍存在协整关系，可以采用NARDL方法建模分析。在影响系数方面，在岸与离岸汇差会对股票收益率产生长期影响，在岸与离岸汇差扩大1%，股票收益率上升0.215%～0.279%，与表4-2结果相比，传递程度仅出现了略微下降，表明是否加入境外市场股票收益率对本节结果影响较小。此外，统计量表明，在岸与离岸汇差对股票收益率的长期影响不存在非对称性，但在短期影响方面，检验结果表明具有非对称性。在岸与离岸利差对股票收益率的长期影响和短期影响均不显著，亦不存在非对称性。因此，加入境外市场股票收益率后，得出的结论与表4-2基本一致，从而本节结论具有较高稳健性。