第四章 實證結果分析
第二節 恆生 AH 股指數系列分析
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
28
對A 股、H 股折溢價效果及資訊傳遞之關係；本文將資料切割為三個樣本區間，
分別為滬港通前：2010 年 1 月 1 日至 2014 年 11 月 14 日。滬港通後：2014 年 11 月 17 日至 2015 年 6 月 1 日。全樣本期間：2010 年 1 月 1 日至 2015 年 6 月 1 日。
分析之標的則為中國企業同時在上海證交所及香港聯交所兩地上市的中國 公司股價資料，總計有 66 間公司；然而在考量交易量及不影響本研究之研究目 的下，選擇將2014 年 11 月 1 日至 2015 年 6 月 1 號期間在上海證交所之累積交 易量達前20 的企業做為本文實證分析之標的。公司名稱及累積交易量詳見表 4-1。
因兩地股票的交易幣別不同，在本研究之樣本公司為中國企業的考量下，選 擇統一以人民幣計價，將香港H 股的股價經相對應的匯率轉換成人民幣計價15。
第二節 恆生 AH 股指數系列分析
在進入後續的實證分析前，本研究首先根據恆生AH 股指數系列時間序列圖對雙 重上市公司A 股、H 股股票市場過去之股價走勢、折溢價情況做初步的檢視。
圖4-1 為 AH 股 A+H 指數，從圖中可以發現，自從 2006 年恆生 AH 股 A+H 指數推出後，A+H 股市場即經歷了一波大幅的漲勢，從初始 1000 點逼近將近 4000 點的關卡，之後歷經金融海嘯巨大的跌幅後，上下震盪許久，直至滬港通開 放後指數再次有了大幅的提升，說明AH 股市場的牛市似乎隨著滬港通的開放再 次來臨；同時，透過圖4-2 及圖 4-3 比較 AH 股 A 指數及 AH 股 H 指數，不難發
15匯率資料是每日的匯率中間價。’
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
29
現，兩項指數的走勢似乎有相當高程度的相關，而H 指數相對 A 指數在波段之 間的上下震盪，似乎來的更為多且密集，說明其可能有波動叢聚的現象。而從圖 4-4 則可以發現過去 AH 溢價指數在金融海嘯前曾經一度衝破 200 點，代表 A 股 相對H 股的大幅溢價；進入 2010 年後溢價指數的振幅則相當程度的縮小了，甚 至出現A 股相對 H 股折價之情況，相較於溢價指數發行初期，A 股相對 H 股大 幅溢價的情況有很大的不同。
自 2013 年起溢價指數從溢價情況不斷下跌至滬港通開放前的折價低點，隨 著滬港通政策的開放後，又再次產生A 股相對於 H 股的大幅溢價。如此 A 股相 對於 H 股溢價之情況相當程度違反了我們理論上對於滬港通開放政策的預期；
通常投資限制的開放應會使兩地的交易資訊更為透明，雙重上市公司A、H 股的 股價，也應收歛至相同，否則相同公司不同價格應存在套利的空間，但事實卻是 隨著滬港通的開放，A 股、H 股的股價折溢價現象再次被放大，如此違反直覺的 現象，或許與此次滬港通政策對於港股通及滬股通之分對等開放有關，也可能是 與兩地投資人投資習性不同所造成，更詳細的討論本文將留待後續章節作探討。
目前，在透過初步的恆生AH 股指數圖形分析後，可以確認的是，滬港通政策開 放的前後，A 股、H 股股票市場的行為的確有相當程度的轉變，而其改變的狀況，
包括資訊傳遞的效果及折溢價關係，本文接續將透過嚴謹的實證研究做分析。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
30
圖 4 -1 AH 股 A+H 指數
資料來源：Datastream AH 股數據
圖 4 -2 AH 股 A 指數
資料來源：同圖4-1
HANG S E NG CHINA AH (A) - P RICE INDE X FROM 3/1/06 T O 24/4/15 WEEKLY
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 500
1000 1500 2000 2500 3000 3500 4000 4500 5000
HIGH 4847.34 30/10/07 LOW 1000.00 3/ 1/06 LAST 2934.41Source: T homson Reuters Datastream
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
31
圖 4 -3 AH 股 H 指數
資料來源：同圖4-1
圖 4 -4 AH 股溢價指數
資料來源：同圖4-1
HANG S E NG CHINA AH (H) - P RICE INDE X FROM 3/1/06 T O 24/4/15 WEEKLY
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 500
1000 1500 2000 2500 3000 3500
HIGH 3305.07 30/10/07 LOW 927.94 28/10/08 LAST 2709.59Source: T homson Reuters Datastream
HANG S E NG CHINA AH P RE MIUM - P RICE INDE X FROM 3/1/06 T O 24/4/15 WEEKLY
2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 80
100 120 140 160 180 200 220
HIGH 206.78 22/ 1/08 LOW 87.93 18/ 4/06 LAST 128.09Source: T homson Reuters Datastream
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
33
含截距及時間趨勢項隨機漫步的 ADF 單根檢定，確定各變數之整合階數情況。
其中，單根檢定中的落後項期數，如第三章研究方法所述是依據 AIC 的準則來 選取。值得注意的是，在本文中將在設定落後項至多5 期的限制下，根據 AIC 來 選取最適落後期。然而此時因落後項期數有所限制，殘差項有可能會有自我相關 之情況；因此，本研究中會再依據Ljung-Box Q-statistics 做殘差自我相關的檢定，
唯有當殘差無法拒絕有自我相關時，才增加落後期以確保單根檢定的準確性。
本研究以 5 期為落後項限制主要依據以下 3 點 (1) 考量落後項選取太多會 喪失自由度而造成單根檢定的檢定力下降，太少則有可能使殘差有自我相關之問 題進而導致係數顯著性檢定的偏誤17，本研究認為5 期為較合理之落後項數。(2) 為了使配適的模型可以更富經濟意涵18，不希望依據AIC 之準選取過多落後項減 少了殘差平方和卻失去模型之經濟意義19。(3)進行非線性共整合檢定時，因 F 檢 定的臨界值不同於一般的 F 檢定須透過蒙地卡羅之方法做 F 檢定表的模擬；而 過多的落後項將會造成模擬時間過長，在效率及精確度的考量下選擇對落後項做 5 期限制。
ADF 單根檢定的結果如表 3 及表 4，表 3 為 H 股的檢定，表 4 則為 A 股的 檢定，儘管有少數幾家公司於差分之前在5%的顯著水準下已拒絕有單根，但也 可很清楚觀察到，各序列再經過一階差分後皆在1%的顯著水準之下顯著的拒絕 有單根，因此我們判斷這20 間公司皆為 I(1)的序列。
17 參考 Enders (2010), Applied Econometric Time Series 3e, pp. 216-217。
18 一周的交易日為五天。
19 本文中沒有依據 BIC 的準則做選取，原因是依據 BIC 做準則會發現很多情況下，仍會有殘差 自我相關的情況。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
34
表4 -3 H 股單根檢定表
無截距無時間趨勢 有截距無時間趨勢 有截距有時間趨勢
原序列 經一階差分 原序列 經一階差分 原序列 經一階差分
公司名稱 t 統計量 t 統計量 t 統計量 t 統計量 t 統計量 t 統計量
中國銀行 0.075 -24.888*** -1.364 -24.882*** -1.146 -24.955***
中國石化 -0.003 -22.820*** -2.927** -22.815*** -3.516** -22.807***
工商銀行 -0.324 -25.846*** -2.426 -25.837*** -2.016 -25.878***
民生銀行 0.651 -16.080*** -0.765 -16.098*** -2.108 -16.152***
中國中鐵 0.403 -9.666*** -0.480 -9.682*** -0.363 -9.950***
交通銀行 -0.662 -25.498*** -2.229 -25.491*** -1.651 -25.552***
中國治工 -1.382 -16.331*** -2.169 -16.335*** -0.144 -16.725***
建設銀行 -0.016 -26.217*** -2.039 -26.209*** -1.722 -26.235***
紫金礦業 -1.602 -16.422*** -2.477 -16.440*** -2.477 -16.557***
招商銀行 -0.026 -27.040*** -1.683 -27.040*** -1.118 -27.085***
中國鐵建 0.024 -13.423*** -1.080 -13.422*** -0.850 -15.713***
中國鋁業 -2.601*** -29.086*** -3.183** -28.869*** -2.102 -29.358***
上海電氣 1.154 -13.581*** 0.561 -13.622*** 0.953 -13.800***
中國石油 -0.599 -19.545*** -2.940** -19.541*** -3.274* -19.534***
馬鞍山鋼鐵 -2.233** -15.634*** -3.167** -15.679*** -2.356 -15.879***
中海集運 -0.652 -12.749*** -2.320 -12.743*** -1.855 -12.828***
中國南方航空 0.984 -19.580*** -0.487 -19.615*** -0.200 -19.653***
中國中車 0.770 -14.770*** -0.554 -14.802*** -0.769 -14.864***
中信銀行 -0.456 -16.852*** -2.471 -16.846*** -2.235 -16.937***
中國平安保險 0.611 -26.391*** -0.531 -26.396*** -0.322 -26.482***
註： ***、**、* 分別代表在 1%、5%、10%的顯著水準下顯著，相對應的臨界值請查閱附錄。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
36
Granger 共整合檢定之方法如第三章所述將進行兩步驟的檢定，應變數是 H 股股 價，自變數則是A 股股價。其中，需注意進行第二步驟殘差的定態性檢定時之臨 界值將不適用 ADF 檢定的臨界值，其理由請參照第三章研究方法之敘述。因此 本文根據 MacKinnon (1999)、(2010) 所提供的方式計算出在本研究的樣本數量 下，共整合檢定各顯著水準的臨界值21。
Engle-Granger 共整合檢定的結果詳見表 4，分別為全樣本期間、滬港通前、
滬港通後。可以發現在5%的顯著水準之下，滬港通前於 20 家公司中共有 16 家 公司檢定出有線性的共整合效果，滬港通後則下降為 11 家。全樣本期間中則有 11 家公司有線性共整合效果。在滬港通前大部分公司皆有線性共整合效果，滬 港通後則集中在交易量排名在後段的公司，說明滬港通後，A 股、H 股的共整合 效果有下降的情況，且對交易量大的公司似乎造成比較顯著的影響。
另外，中國銀行為本研究中累積交易量最大之公司，然而其在三個區間中皆 沒有顯著的線性共整合效果。
21本文中不同期間樣本個數分別為n 1412、1271、141，檢定時使用沒有截距項的模型，相對應
的臨界值根據樣本數n 的大小會有不同，詳細數值請參閱附錄。
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
38
動量門檻自我回歸檢定(M-TAR)，篩選落後項時同 Engle-Granger 檢定時所依循 的原則，落後項仍舊維持最大5 期假設，當殘差仍有自我相關時才增加落後項。
其餘詳細的檢定步驟如同第三章所說明。此外，針對實際估計的細節本研究有兩 點需特別說明：
第一，在估計時本研究會先針對1 至 5 期的落後項分別尋找最適的門檻值，
並以落後項有5 期時的的門檻值當第一階段採用的門檻。此時再根據此門檻值依 據 AIC 之值判斷最適落後期。如果得到的最適落後期不是一開始假定的 5 期，
例如：最適落後期是2 期。則再將門檻值換成已知兩期落後期時最適的門檻值，
並確保此時殘差項沒有自我相關，接著才會做TAR 或 M-TAR 的檢定。
第二，此處在檢定共整合效果時所需用到的 F 臨界值都是經由給定門檻值 並經蒙地卡羅模擬所得22，詳細模擬步驟可參考Enders and Siklos (2001)。本研究 模擬所採用的樣本大小分別是n 1,412、1,271、141 模擬次數為 50,000 次，本研 究將根據不同門檻值及樣本數量所模擬出的臨界值附在附錄中。
表 4-6、表 4-7、表 4-8 分別呈現三個樣本區間 A 股、H 股股價的非線性共 整合檢定結果。首先我們檢視表4-6，在全樣本區間的 TAR 檢定部分，當門檻值 設定為0 時，沒有任何公司可以拒絕沒有共整合的虛無假說；同時，即使最適門 檻值根據Chan (1993) 的方法做搜索，仍無法檢測出任何一家公司有非線性共整 合之效果。然而，若運用M-TAR 做檢定時，則可以發現有非線性共整合效果的 公司家數增加了。在門檻值為0 時增加了中國治工及中國中車，若以 Chan (1993) 的方法做門檻值搜索時則可以檢定出中國治工、紫金礦業、中國鐵建、馬鞍山鋼 鐵、中海集運、中國中車此六家公司皆有非線性的共整合效果。門檻值設定為0
22包括門檻值是0 的情況及根據 Chan(1993)最適搜尋的門檻值。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
39
的情況多增加了紫金礦業、中國鐵建、馬鞍山鋼鐵、中海集運。整體來說透過非 線性的共整合檢定，在全樣本期間下，統計上將可以讓我們更好的捕捉到H 股、
A 股之間的共整合效果。並且使用 M-TAR 的方式做共整合的搜尋、配適及檢定 似乎可以更好的捕捉到原本利用線性共整合模型下無法發現的共整合效果。
接著檢視表4-7 滬港通前 A 股、H 股之 TAR、M-TAR 檢定結果，此處排除 前一節已有線性共整合效果之公司後，須檢視的只有中國銀行、中國中鐵、交通 銀行及中國鐵建這四家公司。在TAR 的檢定之下，門檻值是 0 及透過搜索最適
接著檢視表4-7 滬港通前 A 股、H 股之 TAR、M-TAR 檢定結果，此處排除 前一節已有線性共整合效果之公司後，須檢視的只有中國銀行、中國中鐵、交通 銀行及中國鐵建這四家公司。在TAR 的檢定之下，門檻值是 0 及透過搜索最適