2021年5月
第39卷第3期
海南大学学报人文社会科学版
Humanities&Social Sciences Journal of Hainan University
May.2021
Vol.39No.3
魏宇，孙应玥
(云南财经大学金融学院，云南昆明650221)
[摘要]以“一带一路”倡议的提出时间为分界点，采用TGARCH-Copula-CoV aR模型，比较研究了“一 带一路”沿线国家股市间的联动性与风险溢出效应。实证结果表明：（1)在两个阶段内，我国股市与沿线国家
股市均具有双向的非对称风险溢出。（2)在一定程度上，“一带一路”倡议促进了我国与沿线国家股市间的联
动性。（3)“一带一路”倡议的提出与全球化程度的不断加深增强了我国与沿线国家股市间的风险溢出强度，
其中东南亚各国与我国股市的风险溢出程度最髙，而经济较发达国家与我国股市的风险溢出程度次之。
[中图分类号]F830.9 [文献标志码]A[文章编号]1004-1710(2021)02 - 0044-11
股票市场是国民经济发展的晴雨表，更是进行资源优化配置和企业融资的重要渠道。近年来，全球性 的极端风险事件甚至极端危机频发，举例来说:2008年由美国次贷危机演变而来的全球金融危机、由于欧 佩克在原油不减产情况下降低油价导致的2014年石油危机、存在泡沫与高杠杆的2015年中国股灾、2020 年全球新冠肺炎疫情造成的经济停滞等等。这些极端风险事件对世界金融体系以及各经济体都造成了较 大程度的冲击，对全球经济格局也造成了不容小觑的影响与改变。由于经济全球化和金融市场间融合度不 断加深，金融风险能够从一个国家或地区迅速传导至另一国家或地区。因此，特定金
融市场的极端价格波 动风险不仅会影响到该市场或地区内部的稳定，而且会给其他金融市场或地区造成影响与冲击。
2013年，习近平主席在访问中亚和东南亚时，提出“一带一路”倡议，得到世界各国的积极响应。在 2015年的博鳌亚洲论坛上，国家发改委正式发布了《推动共建丝绸之路经济带和21世纪海上丝绸之路的 愿景与行动》，“一带一路”倡议正式拉开了历史序幕。截至目前，己有138个国家和31个国际组织与我国 签署了 201份“一带一路”相关合作文件。2020年前三季度，我国对沿线国家进出口总额己达9 600多亿美 元。这表明“一带一路”倡议不仅具有战略前瞻性，同时能够加深我国与沿线其他国家的经济交流、扩大贸 易往来，进一步增强了我国与其他沿线国家的资本流通程度。
“一带一路”倡议提出后，我国与沿线各国的资本流动更加迅速，经济关联性得到加强，我国股市与沿 线其他国家的股市融合度不断加深。因此，研宄“一带一路”倡议提出前后我国与沿线国家股市间的风险溢 出效应，不仅能够呈现沿线各国间股市风险溢出效应的变化趋势，为我国与沿线各国不断推进经贸合作发 展和改进完善“一带一路”政策提供参考依据；而且对金融监管当局来说，有助于进一步理清“一带一路”沿 线国家股市间的风险传导原理，清晰地把握风险溢出效应的相关理论机制，分析市场间风险溢出的传染路 径，从而为监管当局丰富监管方式、完善监管体系提供科学的理论和实践决策依据。
一、文献综述
近年来，随着全球经济和金融一体化程度不断加深，各国市场间的风险传染，特别是极端风险传染逐[收稿日期]2021-01-28
[基金项目]国家自然科学基金资助项目（71671145:71971191)；云南省科技计划基础研究重点项目(202001AS070018) [作者简介]魏宇（1975 -)，男，四川攀枝花人，云南财经大学金融学院教授，博士，主要从事金融与能源市场风险 管理研究。
44
Wen W，Wei Y ，Huang D，“Measuring Contagion Between Energy Market and Stock Market During Financial Crisis : A Copula Approach »Energy Economics ，vol .34，No .5，2012，pp . 1435-1446.
张金凤，马薇:《石油价格波动与股票市场波动的相关性研宂》，《统计与决策》2016年第9期，第153-156页。
Wei Y ,Qin S . ,Li X . »Zhu S » Wei G . *M 0il Price Fluctuation , Stock Market and Macroeconomic Fundamentals : Evidence from China Before and
After the Financial Crisis”，Finance Research Letters ，vol .30，2019，pp .23-29.
姬强，范英:《次贷危机前后国际原油市场与中美股票市场间的协动性研宄》，《中国管理科学》2010年第6期，第42-50页。
Sklar A ,w Random Variables .Joint Distribution Functions and Copulas ^ >Kybemetika » vol .9»No .6» 1973 *pp .449-460.
金膜
于波:《Copula 函数模型的选择》，《统计与决策》2009年第14期，第153-154页。
庞海峰，刘振亮，庞舒月：《基于Copula 函数的深港通开通前后沪港股市相关性分析》，《哈尔滨商业大学学报》(社会科学版)2017年第4 期，第77-84页。
Manner H.，Segers J.，“Tails of Correlation Mixtures of Elliptical Copulas ”，Insurance : Mathematics and Economics ，vol .48，2011，pp . 153-160. Naeem M ., Umar Z . * Ahmed S.»Ferrouhi E.,M Dynamic Dependence Between ETFs and Crude Oil Prices by Using EGARCH-Copula ApproachW f Physica A , vol .557,2020»pp . 1 -15.
Constantino M.，Candido 0.，Borges E.，Silva T.，Tabak B.，“Modeling Vine-Production Function : An Approach Based on Vine Copula”，Physica A , vol .531,2019,pp .1-8.
洪永淼，成思危，刘艳阳.•《中国股市与世界其他股市之间的大风险溢出效应》，《经济学》2008年
第3期，第703-726页。
魏宇:《金融市场的收益分布与EVT 风险测度》,《数量经济技术经济研宂》2006年第4期，第101-110页。
魏宇:《股票市场的极值风险测度及后验分析研宄》，《管理科学学报》2008年第2期，第78-88页。
Yang K .» Wei Y .» Li S .» He J .* w Asymmetric Risk Spillovers Between Shanghai and Hong Kong Stock Markets Under China^s Capital Account Liberalization”，North American Journal of Economics and Finance ，vol .51，2020, pp .1-12.
谢福座:《基于CoVaR 方法的金融风险溢出效应研宄》，《金融发展研宂》2010年第6期，第59-63页。
沈虹，邢荧：《基于CoVaR 方法的中美股市风险溢出效应研宄》,《会计之友》2017年第16期，第14-16页。
陈建青，王擎，许韶辉:《金融行业间的系统性金融风险溢出效应研宂》,《数量经济技术经济研宄》2015年第9期，第90-101页。
沈虹，邢荧:《基于CoVaR 方法的中美股市风险溢出效应研宂》，《会计之友》2017年第16期，第14-16页。
苏宏波，胡丽宁:《沪、港股市风险溢出效应研宂—基于沪港通实施前后比较分析》,《华北金融》2019年第8期，第12-16页。
Trabelsi N.,w Tail Dependence Between Oil and Stocks of Major Oil-Exporting Countries Using the CoVaR Approach ^. Borsa Istanbul Review . vol .4,2017,pp .228-237.
魏宇等:“一带一路”沿线国家股市间风险溢出效应研宂
步增强，市场之间呈现出更加复杂的相依性结构与风险溢出效应。由于研究相依性与风险溢出不仅能够反 映金融市场的运行质量、方式与效率，而且可以捕捉市场的不确定性，众多研宄者对此展开了一系列探索 (Wen 等®；张金凤和马薇®;W ei 等®)，例如，姬强和范英$使用基于动态条件相关的多元GARCH 模型研宄 了国际原油市场与中美股市之间的波动溢出和导向性。在测度风险溢出前，捕捉两两市场的相关性关系到 后续度量风险溢出是否准确。但传统的线性刻画方式无法分析复杂的金融市场，容易造成与事实不符的现 象。因此为准确捕捉收益率序列之间的相依性，描述不同市场之间的联结关系，1973年,Sklar ®提出了 Copula 函数，为分析联合分布提供了一个强大而灵活的工具。该方法分为二元Copula 、时变Copula 和藤Copula (于 波®)三种运用。在二元Copula 函数应用方面，庞海峰
等0采用二元t -Copula 函数测度深港通开通前后两地 股市的联动性；Manner etal .、S _运用Gaussian 和student ’t -copulas ，估计市场极端风险。在时变Copula 函数运 用方面，Naeem et al /a 运用时变SJC -Copula 分别对金融市场进行研宄分析，并探讨整体相关与尾部相关。在 藤Copula 函数运用方面，Constantino et al .®运用藤copula 对巴西、美国、德国和英国上市公司的数据进行 了高维实证分析。
以往研宄中，洪永淼等®、魏宇00和Yang etal .®采用VaR 模型分析我国金融子市场以及其他国家金融 市场风险特征，但VaR 方法一般只能衡量单一市场或投资组合自身的风险，而无法捕捉不同市场间的风险 溢出效应。2008年，Adian 和Brunnermeiei ■提出CoVaR 方法，弥补了 VaR 方法的不足，能有效改善以往方 法无法刻画市场风险传染的问题。2015年我国股市波动加剧，“系统性风险”成为市场重点关注对象，不同 市场之间的风险溢出受到越来越多的关注。因此无论是各类投资者还是市场监管者，近年来都对系统性风 险保持高度的关注。研宄人员也将目光放在跨地区或跨市场的风险传染上，现有研宄大多使用CoVaR 进行 风险溢出效应研宄(谢福et al .®；陈建青等®)。
关于CoVaR 的计算主要围绕三个方法展开。第一，分位数回归-CoVaR ，沈虹和邢荧®、苏宏波和胡丽 宁®皆运用分位数回归-CoVaR 模型展开研究。前者观察中美股市之间的ACoVaR ，即风险溢出程度，认为当 分位数增大时，中国股市对美国股市的风险溢出效应将随之增加，但美国股市对中国股市的风险溢出增加 更加明显。后者则研宄沪港通实施对沪、港两地股市的风险溢出效应影响，并对比沪
港通政策实施前后沪、 港两地股市之间的风险溢出差别。关于CoVaR 计算的第二个主要方面是多元GARCH -C o V aH ab elsi ®运 用DCC -MVGARCH 方法和CoVaR 方法研究中东石油输出国家和俄罗斯的石油冲击与股票指数之间的负
①②③④⑤⑥⑦⑧⑨® ⑪⑫⑬⑭⑮⑯⑫⑬
气泵接头⑲@45
2021 年海南大学学报人文社会科学版第3期唐燕，彭选华：《比特币现货市场与期货市场的风险溢出效应—基于动态CoVaR 模型的研究》，《武汉金融》2020年第9期，第25_ 31页。
周爱民，韩菲：《股票市场和外汇市场间风险溢出效应研宄—基于GARCH -时变Copula -CoVaR 模型的分析》，《金融市场》2017年第11 期，第54-64页。
张艾莲，靳雨佳:《金融子市场的系统性风险溢出效应》,《财经科学》2018年第10期，第1-11页。
杨坤，于文华，魏宇:《基于R-vine copula 的原油市场极端风险动态测度研宄》，《中国管理科学》2017年第8期，第19-29页。
王皓晔，杨坤:《基于EVT -Copula -CoVaR 模型的“一带一路”沿线国家股市风险溢出效应研宄》，《
金融发展研宄》2019年第9期，第79-85页。 张家臻：《论三种ACoVaR 模型度量中国银行业系统性风险的最佳选择》，《广西大学学报》（哲学社会科学版)2018年第3期，第40- 48页。
陆亚琴，顾伟：《“孟中印缅”经济走廊倡议促进中国对外直接投资了吗?——基于倍差法的实证研宂》，《云南财经大学学报》2021年第2 期，第30-41页。
尹忠明，秦蕾:《文化距离对中国入境旅游的影响——以“一带一路”沿线国家为例》，《云南财经大学学报》2020年第11期，第90-99页。
刘清杰，任德孝，刘倩:《FD I 对“一带一路”沿线国家经济增长的空间溢出效应—一个基于区域外部性的扩展模型》，《云南财经大学学 报》2020年第4期，第36-50页。
尾部风险依赖关系，认为其尾部具有显著的依赖性。唐燕和彭选华®构建DCC -MVGARCH -GJR -CoVaR 模 型，研究了比特币与比特币期货价格之间的关系，并分析其市场间的非对称性、联动性以及风险溢出的时 变性。第三个方法是Copula -CoVaR 。对于这方面的研宄，大部分是与GARCH 模型和EVT 极值理论相结 合。其中，周爱民和韩与时变Copula -CoVaR 模型结合，度量内地与香港股市、汇市四个市场 的两两风险溢出效应，研宄发现，股市和汇市间的风险溢出方向是时变的；且风险溢出效应的大小由同类 型、同地区、跨地区与跨市场依次递减。张艾莲和靳雨佳®基于Copula -CoVaR 方法，研宄发现股市与汇市具 有双向且负向的风险溢出效应，并进一步观察其极端风险溢出
效应。杨坤等®与王皓晔和杨坤®在使用 GARCH 模型后都将EVT 极值理论纳入测算。前者研宄分析全球六大原油市场间的相依性，运用描述高维 市场间相依性的藤Copula ，并使用VaR 与ES 模型，分析整体极值风险相关性，描述尾部极值风险相关性。 后者进行二元Copula -CoVaR 模型构建，研宄“一带一路”沿线国家间股市整体相关性、尾部相关性和风险 溢出，分析不同时期各国股市间风险溢出不同之处。
综上所述，学者们在金融市场的风险溢出方面展开了多方位研宄，并且有研宄表明，运用Copula-CoVaR 模型能够更准确地描述金融市场的极端风险溢出效应（张家臻®)。进一步，国内外学者在“一带一路”倡议 的基础上展开了多方面研宄（陆亚琴和顾伟®；尹忠明和秦蕾®；刘清杰等®)，且在沿线国家风险溢出方面进 行了许多探讨，取得了一部分有益成果，但随着新冠肺炎疫情的爆发以及国际形势的变化，现有研宄还有 一些亟待进一步解决的问题。与现有文献相比，本文的贡献在于：在研宄视野上，本文以“一带一路”沿线国 家作为研究对象，不局限于对中美股市、汇市和原油市场等的研宄，拓宽了研宄视野。在研究样本时间上， 不同于以往文献仅从“一带一路”倡议提出前后的短期角度进行研宄，本文考察了倡议提出前后较长的时 间区间，样本囊括了多次极端风险事件，分析了在极端风险下倡议的提出给沿线国家股市的风险传染效应 带来了何种新的变化。对比倡议前后沿线国家股市间风险溢出的差异，在时间维度与事件维度上更具有说 服力。在研宄方法上，本文采用TGARCH 模型构建边缘分布，运用对相关性建模更具灵活性的Copula 函数 计算我国股市与沿线各国股市的CoVaR ，能够通过TGARCH 模型捕捉股市波动风险的非对称与杠杆 效应。
本文的结构如下：第一部分为文献综述，回顾关于股市、Copula 函数以及CoVaR 方法的文献，提出本文 可能的贡献点。第二部分是本文的研究方法描述，阐述了本文使用的GARCH 模型、Copula 函数以及CoVaR 方法理论。第三部分实证分析，分为数据选取与处理、TGARCH 模型拟合边缘分布、最优Copula 拟合以及 CoVaR 计算分析四个小节，对比了倡议提出前后的两个区间内的股市相依性及风险溢出情况。第四部分是 本文的结论与政策建议。
(—)TGARCH-Copula 模型
建立Copula 模型前，应先构建GARCH 模型拟合边缘分布。由于GARCH 模型在时间序列波动率方面 具有显著优势，有学者在标准GARCH 模型的基础上进行了大量的补充和改进，形成了多种形式的
①②③④⑤⑥⑦⑧⑨46
魏宇等:“一带一路”沿线国家股市间风险溢出效应研宄
GARCH族模型，考虑到TGARCH模型能解释序列之间存在的非对称现象与“杠杆效应”，一般GARCH模 型无法描述。且根据金融时间序列“尖峰、厚尾、非正态”的特征，假设误差项服从学生t分布。因此，本文首 先构建 ARMA(l，l)-TGARCH(l，l)-t模型：
a〇 + a,r,., + + e,(1)
(T,Z… z,~t(v)(2)
w + (a + yA",+^〇-,2_,(3)
其中，公式（1)为均值方程，公式(2)为残差方程，公式(3)为方差方程;t表示为第t时期，<7，表示第《期 的条件标准差&为第t期的标准残差，〃为学生t分布的自由度;7为杠杆系数，/V,.，是关于第卜1期的残 差是否为负数的虚拟变量。
其次，构建Copula模型。与传统相关性建模相比,Copula函数具有明显优势：第一，进行单变量边缘分 布构建时，能够灵活的“连接”各个单变量分布；第二，能计算非线性的Spearman和Kendall系数，对金融市 场相关性的度量更加准确；第三，不仅能描述整体非线性关系，还能描述尾部风险，即两个变量的联合极值 运动。Copula函数C表达式如下：
F'xr(x,y)=C(Fx(x\Fy(y))(4)该公式表示，将两个连续随机变量.¥和[的边缘分布连接为/^1(;<：，7)，其中/^(;〇和/^(7)分别为义
和y的边缘分布函数。
由于本文主要研宄我国股市分别与“一带一路”沿线国家股市的关系，因此仅需运用二元Copula。常见 的二兀 Copula 函数主要有：Gaussian Copula、Student-t Copula、Clayton Copula、Gumbel Copul
a、Frank Copula、BB1Copula、BB6 Copula、BB7 Copula和 BB8 Copula等。并依据 AIC、BIC 或 Loglikelihood 准则进行判断，从 上述9种Copula函数中选择两两市场间的最优Copula函数。
(二)风险溢出效应计算
CoVaR，即条件在险价值，是一种在VaR的基础上衡量不同市场间风险溢出效应的方法。该方法既弥 补了 VaR方法容易低估损失的不足，又能够测度我国与其他国家或地区发生极端风险时所带来的影响。因此，为分析“一带一路”倡议提出前后几次极端风险期间我国与沿线国家股市间的风险溢出效应，本文采用 CoVaR方法度量。当i与1/分别表不金融市场i与金融市场_/时，CoVaR可以表不如下：
Pr(r^< CoVaR^Jr； =VaR1,,,)= a(5)公式(5)表示在1 - «的置信水平下，当金融市场；在 < 时刻处于无条件风险Ka/C时，其他金融市场J 可能面临的条件风险为C o且由上式可知，计算条件在险价值C〇l/a/^，前，应先计算无条件在险价值 本文结合ARMA(l，l)-TGARCH(l，l)-t模型拟合的边缘分布，据此通过蒙特卡洛模拟对Fa/C进行测算：
VaR,-u, + a,q,(a)(6)
其中，U，表示收益率序列的条件均值，9,(a)表示在a显著水平下的模拟分位数。当J代表整个金融行 业或整体金融机构时，能将总的风险价值仏以把，分解成无条件在险价值与溢出风险价值AC〇K a^U
溢出风险价值表示金融市场〖处于极端风险时，对金融市场y的风险溢出效应大小，也即金融市 场J的无条件在险价值变化，具体表达式如下：
^CoVaR^, = CoVaR^, - VaRi,(7)
得到风险溢出大小后，应对其进行标准化处理，计算风险溢出强度，以便各个金融市场间对 比分析。表达式如下：
口红管
47
2021 年海南大学学报人文社会科学版第3期
20062012 2014
年份
闪光棒
年份
图1 “一带一路”沿线7国股市收益时序图
如图1所示，在总体观测值期间，有两次剧烈波动时期，分别为2008年金融危机时期与2020年新冠%ACoVaR 匕ACoVaR ^100%CoVaRt , - VaRi ,
100%(8)
耐老化测试
透明导电膜VaR ^公式(8)表示在金融市场('处于极端风险时，其对金融市场；的风险溢出强度。
三、实证分析
(一)数据选取与处理
1.数据选取及说明
本文选取的研宄对象为“一带一路”沿线涉及的7个主要国家股票市场，包括东亚、东南亚与东欧地区 以及我国股票市场，数据指标介绍如表1所示：
表1数据指标说明
国家
股市代表性指数指数简称数据频率中国
上证综指SSEC 曰度新加坡
新加坡海峡指数STI 曰度韩国
韩国综合指数K S 11曰度俄罗斯
俄罗斯R T S 指数RTS 曰度印度
印度孟买指数SENSEX 曰度泰国
泰国S E T 指数SETI 曰度马来西亚马来西亚吉隆坡指数KLSE
曰度样本区间为2006年1月4日一2020年11月20日。在模型拟合前，首先进行数据处理，取样本区间内 各个市场每日收盘价，将其转化为收益率，计算公式如下：
r, ~ ln (p .) ~
(9)由于各个市场交易日与节假日并不完全对称，因此删除数据中交易日不一致的观测样本，最后得到各
个股市观测样本总量为3 617组，其总体观测值时序图如图1:：K
48
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议