股市整合指的是各国股市之间的相互依赖性，这种依赖性是由全球化推动的。国际投资、跨境贸易、金融市场自由化以及信息技术的进步等因素促成了这种整合。虽然全球股市通常被认为是整合的，但不同地区和不同时间的整合程度各不相同。目前尚不清楚一个市场的变化是否会在随后几天内一致地导致另一个市场的变化。这对于投资组合管理者来说是一个关键问题，他们可以利用领先市场的信息来重新平衡其他市场的头寸。更深入地理解股市整合有助于投资者更有效地分散投资组合、适当对冲风险，并优化整体投资组合表现。
现有的关于市场整合的研究主要采用计量经济学和统计方法来研究市场之间的共整合、共同变动和溢出效应。常见的方法包括共整合检验（Engle和Granger，1987年；Johansen，1991年）、方差分解（Eun和Shim，1989年；Masih和Masih，2001年），以及最近广泛使用的溢出指数（Baruník和K?ehlík，2018年；Diebold和Yilmaz，2009年；Diebold和Yilmaz，2012年）。这些方法基于向量自回归（VAR）框架和格兰杰因果关系，它们本质上基于变量之间的时间顺序关联。然而，为了使这些模型能够得出有意义的因果推断，还需要经济理论或制度知识的额外假设和见解，以确保因果关系的解释具有意义。由于单纯的统计关联并不意味着因果关系，因此要建立可信的因果联系，需要更深入地理解为什么某些关联存在而其他关联不存在。
近年来，因果发现方法越来越受到重视，并被应用于各个领域，包括健康、医学、气候科学和教育。在本文中，我们应用这些方法来研究国际股市的整合。通过分析六大洲股市之间的因果关系，我们关注使用日收益率数据的短期动态。具体来说，本文探讨了以下问题：（1）一个股市的变化是否会导致另一个股市的变化？（2）国际股市整合的程度在经济衰退期和其他经济时期是否有差异？（3）如果存在因果关系，哪些市场起主导作用？一个市场的信息是否可以用来动态调整对其他市场的敞口？
在评估了各种因果发现模型后，我们选择了LPCMCI算法来分析国际股市之间的因果依赖性，同时考虑了时区差异和非同步交易时间的影响。这种方法使我们能够重新审视全球股市波动的传递机制，揭示潜在的因果结构，并使用因果图进行可视化。具体来说，我们分析了六个股票指数的日收益率数据，这些指数分别代表不同的大洲，时间跨度超过二十年（2001年3月至2024年10月）。然后我们将数据分为两个子样本：经济衰退期和非衰退期。经济衰退期子样本包含480天，而非衰退期子样本包含4656天。
我们的因果发现模型识别出的因果关系数量明显少于传统的VAR模型。在经济衰退期间，全球股市中的信息传播和吸收速度非常快，其影响很少会延续到第二天。就当天的影响而言，只有交易时间最接近的少数几个指数会表现出显著的影响。这一发现突显了我们因果模型的可靠性，该模型仅使用日收益率数据，得出的结果与现实世界中的时区和交易时间差异相符。相比之下，在非衰退期间，前一天的信息仍会对回报产生影响，这使得美国股市成为领先的市场。
尽管我们的发现揭示了国际股市整合的不同结构，但这并不一定与以往的文献相矛盾。通过使用因果发现方法，我们发现因果联系较少，表明一个股市的波动并不一定会导致另一个股市的波动，尤其是在经济衰退期间。尽管早期研究中发现的顺序关联可能仍然存在，但它们并不符合建立因果关系的严格统计标准。这些关联可能受到潜在混杂变量的影响。我们的结果与Wongswan（2006年）的研究结果一致，他发现基本经济信息的国际传递速度非常快，无法通过低频数据（如日观测数据）轻易捕捉到。
市场效率一直是金融领域最具影响力和争议最大的话题之一。Fama（1970年）正式提出了有效市场假说（EMH），该假说认为证券价格完全反映了所有可用信息。相比之下，Lo（2004年）提出了适应性市场假说（AMH），挑战了EMH的静态假设，认为市场效率是动态的，并会随着市场条件的变化而演变。一种常见的解释是，稳定时期往往促进更高的效率，而金融压力时期可能会削弱效率。
EMH的一个核心含义是价格变化是随机的且统计上独立的，这一命题可以通过多种方法进行检验，包括运行检验、方差比率检验、单位根检验、共整合检验和排列熵检验等。文献提出了两种关于市场条件如何影响效率的竞争性观点。一种观点认为稳定性会提高效率（Alves等人，2020年；Ito等人，2014年；Seth和Sharma，2015年；Shaik等人，2024年），另一种观点认为金融压力会提高效率（Chan等人，1997年；Granger，1986年；Kim和Shamsuddin，2008年）。这些不同的观点反映了学术界持续的辩论。我们的发现更支持后一种观点，即金融压力实际上可能会促进信息更快地融入价格。
EMH的另一个含义是市场间的回报溢出效应有限，因为强烈的市场间依赖性意味着潜在的可预测性。Diebold和Yilmaz（2009年）提出的溢出指数提供了一个统计框架，用于量化一个市场的冲击如何传递到其他市场。他们的时变回报溢出指数显示出一个逐渐增加的趋势，他们将其解释为金融整合加剧的证据，同时表明金融压力并不会显著改变市场间的关联性。相比之下，我们的发现强调经济衰退期往往有助于市场间信息的更快传递。值得注意的是，我们的发现并不一定与Diebold和Yilmaz（2009年）的结果相矛盾；虽然他们的指数捕捉了溢出效应的强度，但我们的分析关注的是信息融入价格的速度。
我们的发现还为跨境股票投资时机选择提供了新的见解，即根据预测信号调整对外国股市的敞口。学者和实践者已经探索了多种信号，包括估值指标、动量、宏观经济指标、货币走势和资本流动（Balduzzi和Robotti，2008年；Froot等人，2001年；Ilmanen，2011年）。我们的结果引入了一类新的信号：具有显著因果关系的外国股市回报。在经济衰退期间，AS51指数与DAX和DJI指数之间存在两个显著的一天滞后正向因果关系（见表5）。基于这些发现，我们开发了一种实时市场时机策略。具体来说，如果DAX和DJI在时间t?1都录得正回报，我们会在澳大利亚市场开放的时间t立即买入AS51。该头寸会持有过夜，并可以在澳大利亚市场开放的时间t+1平仓，从而使该策略在操作上可行。如果DAX或DJI录得负回报，头寸将在下一个澳大利亚市场开放的时间t+1平仓。相反，如果两个指数都保持正值，头寸会持续持有，直到至少有一个指数转为负值，此时在随后的市场开放时卖出AS51。在经济衰退期间，这种策略的表现显著优于AS51的买入并持有基准策略，实现了正的年化回报（有关跨境时机策略的详细讨论，请参见第5节）。
需要认识到，跨境时机选择面临许多挑战，这些挑战可能限制其实际效果。首先，信息不对称性和数据质量构成了重大障碍。在这方面，我们的方法具有优势，因为我们依赖于收益率数据，这些数据通常比宏观经济指标等替代信号更及时、更可靠，后者在不同国家之间往往存在延迟或报告不一致的问题。其次，汇率波动引入了额外的波动性，因为汇率的波动可能会抵消股票收益或放大损失。由于我们的策略周转率较高，因此可能特别容易受到这种风险的影响。第三，市场摩擦——包括交易成本、资本管制和税收影响——可能会阻碍实施并降低净回报。尽管我们的分析假设市场环境无摩擦，但未来的工作应考虑这些实际因素。第四，模型不稳定性和参数敏感性可能会削弱预测信号随时间和地区变化的稳健性。然而，我们的方法在这方面可能更具韧性，因为因果模型旨在识别稳定的潜在关系，而不是虚假的相关性。最后，政治和监管不确定性——特别是在新兴市场——可能导致突发性的制度变化，从而降低时机选择策略的有效性。这些限制突显了进一步研究使用我们提出的信号进行跨境时机选择的重要性，这可能为积极的全球投资策略提供更稳健和可靠的指导。
在下一节中，我们将全面回顾有关国际市场整合的文献。第3节将介绍因果发现方法，并将其与传统方法（如VAR）进行比较。第4节将概述我们的数据、样本和变量。第5节将展示结果，最后一部分是结论。
