“沪港通”开通前后沪港两市之间的相关性是否具有差别，具有什么样的差别？这是本书研究拟解决的关键问题，下面将继续应用前文的分析方法对此展开研究。由于“沪港通”是2014年11月17日开始实施，为了前后数据对称，本书将从2015年1月1日为中点将样本分为两个子样本区间，即前后各两年时间进行对比分析，以期了解“沪港通”开通之后对两市所带来的影响。

先对各个样本区间的5分钟高频数据分布应用HAR、HAR-J、SHAR和CHAR 4种模型对沪港两市子样本进行对应建模，并以此估计结果为基础采用动态t-Copula对其相关性进行拟合，表6-6和表6-7分别为2013年1月至2014年12月和2015年1月至2016年12月两子样本间动态t-Copula估计结果，由此我们可以发现，在前半部分HAR模型具有最小的AIC和BIC，但在具有较大波动的后半部分，具有跳跃刻画能力的HAR-J模型显示为最佳模型。与总样本一样，两个子区间中直接采用日收益率建模的方式对两市之间相关性的刻画能力最弱。

表6-6　2013年1月至2014年12月间动态t-Copula估计结果

注：括号内为参数估计的标准差，L-Likelihood为对数似然函数值，加粗为最小的AIC、BIC对应模型。

表6-7　2015年1月至2016年12月间动态t-Copula估计结果

注：括号内为参数估计的标准差，L-Likelihood为对数似然函数值，加粗为最小的AIC、BIC对应模型。(www.daowen.com)

从表6-7中刻画t-Copula自由度的参数可知，HAR-J和CHAR模型在5％的水平上显著，HAR和SHAR模型在10％的水平上显著，而此区间沪港股市均有较大的波动，t-Copula的估计结果表明了两市剧烈波动之间的相互影响。

本书对沪港两市间各模型所估计的动态相关系数的均值进行了统计，具体结果见表6-8。总体而言，HAR、HAR-J、CHAR和SHAR 4种模型所估计的动态相关系数差异不大，各个区间其均值差异在3％左右。从2013年1月至2016年12月总样本以及2013年1月至2014年12月和2015年1月至2016年12月两个子样本区间来看，基于日收益率的相关系数则在整个样本期间和两个分样本期间相差不大，但基于高频数据的其他模型则在前后两个不同样本期间具有较大的差异。具体而言，在“沪港通”开通之后沪港两市之间的相关性较之前有大幅提升，以后半段刻画沪港股市动态相关性最佳的HAR-J模型为例，其前后相差达到了17.1％，表明沪港通实施之后两市之间的相关性提升了17.1％，即两市之间的关联程度得到了大幅提升。其他几个模型所估算出来的相关性提升幅度同样在12％以上。

表6-8　各模型动态t-Copula相关系数均值统计结果

说明：子区间差异为2015/1/—2016/12间的相关系数均值减去2013/1—2014/12间的相关系数均值。