判断消息真假的最好办法是对照盘面。顶部的利空和底部的利好不妨信它一回；而顶部的利好和底部的利空即使是真的，又能怎么样呢?最大的利好是跌过头，最大的利空是涨过头。这句话出自股神巴菲特。

那么鬼都知道股市是暴利润！那么为什么那么多人亏钱？很多散户甚至多年的老股民分析个股头头是道，但是面对大盘却茫然失措，本文从美国股市选取的中国类指数和A股指数进行比较研究，试图找出两个市场之间的内在联系。

通过相关性检验和格兰杰因果关系检验对五个外盘指数与沪深300指数之间的关系进行了研究，结果表明五个外盘指数中ASHR与沪深300指数的相关性最高，对沪深300指数的走势具有一定的预测作用，但一阶预测表明这种领先滞后关系很可能是多阶形式。

一、研究背景和目的

关于外盘股市对国内股市的影响已经有不少研究，但是关于外盘中概股指数对内盘的影响目前市场上可循的研究却极少，一方面境外市场关于中国股票市场的指数刚兴起不久，另一方面在国内真正深入接触美国证券市场，能够洞悉市场运行规律的相关人士也是小众群体，所以这方面的研究并不多见。大虎美股事业部深耕美股市场多年，对美股市场以及国内外市场间的动向有多年跟踪和研究。在多年的跟踪研究后我们发现美国中概股指数和国内A股市场之间并非各自搭台唱戏，而是彼此之间有着微妙的联系。

本文就是我们从美国股市选取的中国类指数和A股指数进行比较研究，试图找出两个市场之间的内在联系。我们选取了在美国市场交易的中国类ETF基金和国内的沪深300指数作为研究对象。之所以选择中国类ETF主要是因为中国类ETF都是以中国内地上市公司为标的构建的，所以ETF的走势一定会反映这些公司的基本面信息，同时，这些ETF在美国上市，投资者以境外资金为主，而这些资金也会反映境外市场对国内企业的信息，那么究竟两个市场对相同企业反映的信息是否一致或者是否具有某种特定的关系就成为我们这次研究的重点。

二、变量选择和数据说明

1、内外盘变量选取（HS300&ASHR/PGJ/SPY/IT/SOE）

内盘变量选择沪深300指数（HS300），该指数同时包含沪市和深市300只最具代表性的股票，能综合反应A股市场的走势。

外盘变量分别选择：

①德意志资产与财富管理公司的Deutsche X-trackers Harvest CSI300 CHN A指数——ASHR，之所以选择该ETF是因为和大多数中国指数相比该指数选择的标的是A股上市公司，而非港股，能够避免上市地点不同而带来的差异；

②Halter中概股指数——PGJ；

③标普500ETF指数——SPY；

另外，根据我们的多年观察的经验构建了两个中概股指数，分别是：

④信息技术指数——IT

⑤国企指数——SOE。

构建方法如下：

分别选取了中概股中信息技术行业市值排名靠前的三十只股票和国有企业市值排名靠前的十二只股票，并由市值加权分别得到信息技术指数IT和国企指数SOE。

2、本文构造了两个中概股指数，由于其成分股中有些公司上市时间比较晚，目前能得到的无缺失值数据从2014年12月11日开始；因此，其它几个指数都从2014年12月11日算起，截止2015年9月30日，一共有198个样本。

三、内外盘指数间相关性分析

图1（上） 各外盘指数与沪深300指数之间相关系数时序图（绝对值）

图2（上） 各外盘指数与沪深300指数涨跌幅率之间相关系数时序图（相对值）

从表1可以看出，样本期内不论绝对值还是相对值，五个外盘指数与沪深300指数的相关系数从大到小排列，分别是：ASHR、PGJ、SOE、SPY、IT。而从图1中各指数绝对值的相关系数时序图可以看出，IT指数与沪深300指数的整体相关性最小是因为，前期相关性比较低；但随着时间的推移，IT指数与沪深300指数的相关性逐渐增加。从图2中各指数相对值的相关系数时序图可以看出，SPY指数与沪深300指数的相关性最低，该结果容易理解，因为在五个外盘指数中，SPY是唯一追踪美国公司的指数，而其它四个指数追踪的都是中国公司。

四、内外盘指数间格兰杰因果关系分析：

格兰杰因果关系检验是检验变量之间是否存在领先滞后关系的一种计量方法，由于股市内外盘的交易存在时间差，在内盘闭市期间发生的一些重大事件，首先会反映到外盘上，因此，外盘的走势可能会领先于内盘；同理，内盘的走势也可能会领先于外盘。特别是中概股，其经营主体在国内，受国内政策环境的影响较大，并且受内外盘套利机制的影响，中概股和内外的走势不会偏离太大。因此，内外盘，特别是内盘和中概股之间很可能存在领先滞后的联动关系。基于此，下面分别对四个外盘变量与沪深300之间的格兰杰因果关系进行检验。

从表3可以看出，五个外盘指数中除了国企指数（SOE）外，其它四个指数都是沪深300指数的格兰杰原因，即都领先于沪深300指数，其中ASHR指数和IT指数在1%的显著性水平下是显著的，而PGJ指数和SPY指数在5%的显著性水平下是显著的。根据该结果我们可以用这四个外盘指数来预测沪深300指数的涨跌。最基本的就是用当天的外盘指数的涨跌来预测第二天沪深300指数的涨跌。下面，本文分别统计了五个外盘指数的涨跌对第二天沪深300指数涨跌的预测结果。

从表4可以看出五个外盘指数中，ASHR指数对沪深300指数第二天涨跌情况的预测效果最好，在195天的预测中有100天预测准确，成功率达到51.3%。而其它四个指数的预测效果都不佳，预测成功率都小于50%。由此可见，格兰杰因果关系不是一阶领先滞后关系，可能是多阶领先滞后关系。

五、内外盘联动关系预测模型

格兰杰因果关系检验表明四个外盘指数不同程度领先于内盘指数；基于此，我们根据这四个外盘指数的涨跌情况来预测第二天沪深300指数的涨跌，但是我们很难预测第二天的具体点位或者是点位范围。为了得到大致的点位范围，本文分别建立了多元回归模型和VAR模型进行预测。

1、多元回归模型

本文中有五个外盘变量，根据各指数的实际含义，以及相关性和格兰杰因果关系检验的结果，我们选取以下三个变量ASHR、IT和SOE作为解释变量，以沪深300指数作为被解释变量，建立多元回归模型。由于总样本有198个，因此我们将样本分为两段，其中前150个样本用来估计模型，后48个样本用来做样本外预测，样本外预测采用重叠抽样法做向前一步预测。下面给出多元回归的估计和预测结果：

图3（上） 多元回归模型对沪深300指数的预测值和实际值比较图

从图3中，我们可以看出多元回归模型大致能够预测出市场的波动方向，但和实际值还是有些差距。经计算得出，预测值与实际值偏差序列的均值为-8.24，标准差为120.12，该结果并不是很理想，因此，本文在预测值的基础上，通过加减最近5天实际值的标准差得到预测点位的区间范围，即图3中UpBand 为预测值的上轨，DownBand为预测值的下轨，从图中可以看出，在绝大部分时间内，沪深300指数都落在该区间范围内。因此，该结果在实际操盘中具有一定的指导作用。

2、VAR模型

格兰杰因果关系检验表明四个外盘指数与沪深300指数之间存在领先滞后关系，但统计外盘指数对沪深300指数涨跌预测效果时，四个指数的预测效果都不是很好，这说明它们之间的领先滞后关系可能是多阶形式。因此，VAR模型的预测效果可能更为有效。结合各个外盘指数的经济含义，以及格兰杰因果关系检验的结果，本文选择ASHR、IT和HS300的涨跌幅率（相当于收益率）构建VAR模型，下面给出VAR模型的样本内估计结果，以及样本外预测效果。

图4（上） VAR模型对沪深300指数涨跌幅率的预测值和实际值比较图

图5（上） VAR模型对沪深300指数涨跌幅率的预测范围图

从图4可以看出，VAR模型和多元回归模型一样，能够预测出沪深300指数涨跌幅率的波动方向，但是对波动大小的预测还是不够准确。同样的，本文在预测值的基础上，通过加减最近5天实际值的标准差得到预测涨跌幅率的区间范围，即图5中UpBand 为预测值的上轨，DownBand为预测值的下轨。从中可以看出实际值大部分都落在了该范围预测区间内。该结果在实盘操作中具有一定的指导作用，但是该区间范围还是过大，因此有必要通过其他途径进一步缩小预测区间范围。下面给出多元回归模型和VAR模型对第二天涨跌情况预测的统计结果。

从表7可以看出，两个预测模型对沪深300指数第二天涨跌情况的预测相对使用单个外盘指数的成功率显著提高。但由于样本外预测的样本数比较少，因此该结果是否稳定还有待检验。

六、结论

综上所述，此外，本文建立了多元回归模型和VAR模型对沪深300指数的点位做了预测，得到的预测点位及其置信区间，该结果对实盘操作具有一定的参考价值，但是由于预测方差较大，使得置信区间过大，因此效果不是很理想；然而回归和VAR模型能显著提高对沪深300涨跌方向预测的成功率。总之，外盘指数对沪深300指数的走势具有一定的预测作用，但是这种预测作用是有限的，若结合经验进行恰到运用，则有助于提高对A股走势判断的准确性。

尾注：由于涉及内外盘，所以日期的处理比较重要，由于美国D号要早于国内D+1号，而国内D+1号要早于美国D+1号，在数据的排列上，前者可以体现出来，但后者体现不出来。然而我们的目的是分析外盘对内盘的影响，所以格兰杰因果关系检验中内外盘保持各自市场的日期比较合适；但是在做回归分析时，需要将外盘的时间滞后一期，即美国D号对应国内D+1号。