喬海曙 ，楊蕾

（湖南大學(xué)金融與統(tǒng)計學(xué)院，湖南長沙，410082）

滬深300指數(shù)成分股系統(tǒng)性風(fēng)險貢獻分析
——基于股票指標(biāo)關(guān)聯(lián)網(wǎng)絡(luò)的研究

喬海曙 ，楊蕾

（湖南大學(xué)金融與統(tǒng)計學(xué)院，湖南長沙，410082）

以滬深300指數(shù)成分股為節(jié)點構(gòu)建股票關(guān)聯(lián)網(wǎng)絡(luò)，運用CoVaR方法測度各成分股對整體市場的系統(tǒng)性風(fēng)險貢獻度，研究個股在股市中關(guān)聯(lián)度的大小與其系統(tǒng)性風(fēng)險的關(guān)系。結(jié)果發(fā)現(xiàn)，在股票關(guān)聯(lián)網(wǎng)絡(luò)中處于核心位置的股票，其系統(tǒng)性風(fēng)險貢獻度越高。說明在股票市場中，關(guān)聯(lián)度越廣的上市公司，其傳導(dǎo)危機的可能性越高，對系統(tǒng)性風(fēng)險的貢獻度越大。在系統(tǒng)性風(fēng)險監(jiān)督防范的過程中，應(yīng)該對市場中關(guān)聯(lián)度廣、影響力強的公司給予更高的關(guān)注。

系統(tǒng)性風(fēng)險；股票關(guān)聯(lián)性；復(fù)雜網(wǎng)絡(luò)；CoVaR方法

一、引言

全球經(jīng)濟金融一體化大背景下，世界各國證券市場之間邊界逐漸模糊，任意國家或地區(qū)產(chǎn)生的風(fēng)險都有可能呈現(xiàn)出較強的傳染性。近年來，相繼爆發(fā)的多次金融危機都顯示與證券市場上系統(tǒng)性風(fēng)險的傳染有關(guān)，系統(tǒng)性風(fēng)險的起因和防控逐漸成為眾多學(xué)者和機構(gòu)研究的重點。目前國際上關(guān)于系統(tǒng)性風(fēng)險并沒有一個統(tǒng)一、權(quán)威的定義，但大部分定義中都強調(diào)了系統(tǒng)性風(fēng)險的傳染性與破壞性［1-3］。

作為還在不斷發(fā)展中的新興市場，我國股票市場的系統(tǒng)性風(fēng)險也不容忽視，僅2015年6月至今，我國A股市場就已經(jīng)經(jīng)歷了三次大幅暴跌。與發(fā)達市場相比，我國市場機制的完備程度、法規(guī)的健全程度以及投資者的成熟程度都存在較大差距，投機之風(fēng)盛行，呈現(xiàn)出較為嚴重的“同漲同跌”現(xiàn)象。股票之間的這種高度關(guān)聯(lián)性意味著較高的風(fēng)險相依性，甚至可能引發(fā)較大的系統(tǒng)性風(fēng)險。具體表現(xiàn)為，某只股票的異常波動可能波及同行業(yè)的股票，導(dǎo)致行業(yè)內(nèi)部系統(tǒng)性風(fēng)險的產(chǎn)生，并存在進一步傳染至整個市場，影響股票市場穩(wěn)定性的可能。因此，從股票間關(guān)聯(lián)度的角度研究股市系統(tǒng)性風(fēng)險具有重要的現(xiàn)實意義。

本文的研究主要聚焦于以下問題：在整個股票市 場中，關(guān)聯(lián)關(guān)系越廣，關(guān)聯(lián)度越高的股票，其系統(tǒng)性風(fēng)險貢獻度是不是越大，也就是說，一旦這類股票陷入異常波動，是否會導(dǎo)致更高的系統(tǒng)性風(fēng)險？因此，本文以滬深300指數(shù)成分股作為樣本，創(chuàng)新性地通過構(gòu)建股票關(guān)聯(lián)網(wǎng)絡(luò)、分析拓撲性質(zhì)得到各只股票在系統(tǒng)中的關(guān)聯(lián)度，并利用CoVaR方法測度個股對整體的系統(tǒng)性風(fēng)險貢獻度，通過研究在股票網(wǎng)絡(luò)中處于中心地位的股票是否具備更高的風(fēng)險貢獻度來驗證本文的觀點。本文的研究是對關(guān)聯(lián)度與系統(tǒng)性風(fēng)險相關(guān)理論研究的補充，將之前集中于金融機構(gòu)和金融市場間的研究拓展到股票市場內(nèi)部。基于關(guān)聯(lián)度視角分析股票市場內(nèi)部系統(tǒng)性風(fēng)險，分析個股間的關(guān)聯(lián)度與系統(tǒng)性風(fēng)險的關(guān)系，有助于更好地對股市系統(tǒng)性風(fēng)險進行管理，為正常時期監(jiān)管措施的采取和危機時期救助措施的實施提供有益參考，有助于維護股票市場的健康有序運行。

二、系統(tǒng)性風(fēng)險相關(guān)文獻綜述

深入了解系統(tǒng)性風(fēng)險是防范系統(tǒng)性風(fēng)險的重要前提，國內(nèi)外學(xué)者已經(jīng)對此進行了大量研究，目前主要集中于系統(tǒng)性風(fēng)險的測度和傳染兩方面。國外對證券市場系統(tǒng)性風(fēng)險測度的研究較為豐富，從1952年“均值-方差”理論的提出，以及在此基礎(chǔ)上誕生的資本資產(chǎn)定價模型 CAPM，使用 β值衡量證券系統(tǒng)性風(fēng) 險［4］，到Baumol W.提出的VaR模型［5］，早期的系統(tǒng)性風(fēng)險測度方法都未考慮資產(chǎn)之間的風(fēng)險溢出，存在一定的局限性。不少學(xué)者開始尋找新的方法進行風(fēng)險測算，Adran和Brunnermeier創(chuàng)新性地運用CoVaR方法對系統(tǒng)性風(fēng)險進行度量，研究某一金融機構(gòu)或金融市場陷入風(fēng)險狀態(tài)時對其他金融機構(gòu)或金融市場的影響［6］，目前已經(jīng)成為系統(tǒng)性風(fēng)險測度的重要方法，并在系統(tǒng)性風(fēng)險傳染的研究中得到了較為廣泛的應(yīng)用。

傳染性是系統(tǒng)性風(fēng)險的重要特性，而金融體系內(nèi)部的關(guān)聯(lián)度及其變化則是系統(tǒng)性風(fēng)險傳染的主要載體。關(guān)于關(guān)聯(lián)度與系統(tǒng)性風(fēng)險傳染的研究，目前主要集中于金融市場及金融機構(gòu)層面。不少學(xué)者對金融市場間的風(fēng)險關(guān)聯(lián)進行了研究，柏滿迎等對我國股票市場和基金市場間的風(fēng)險溢出關(guān)系進行了研究，發(fā)現(xiàn)滬深股市與基金市場間具有緊密的聯(lián)動關(guān)系［7］，費兆奇對股市波動傳遞的一體化和傳染現(xiàn)象進行了研究，發(fā)現(xiàn)股票市場的國際一體化水平具有時變特征［8］。梁琪等則運用復(fù)雜網(wǎng)絡(luò)和溢出指數(shù)等方法對國際股票市場間的聯(lián)動關(guān)系和風(fēng)險傳導(dǎo)進行了研究，發(fā)現(xiàn)股市一體化的提高并不必然伴隨著風(fēng)險聯(lián)動的增強［9］。金融機構(gòu)間的風(fēng)險傳染也是學(xué)者們研究的重點，不少學(xué)者認為金融機構(gòu)之間錯綜復(fù)雜的業(yè)務(wù)關(guān)系［10］以及資產(chǎn)負債關(guān)系［11］為系統(tǒng)性風(fēng)險的傳播提供了傳播渠道，Gal對高集中度的網(wǎng)絡(luò)結(jié)構(gòu)進行了研究，發(fā)現(xiàn)系統(tǒng)關(guān)聯(lián)度高時更容易發(fā)生系統(tǒng)性風(fēng)險傳染［12］。范小云等運用CCA和 DAC方法對我國銀行系統(tǒng)性風(fēng)險進行了研究，發(fā)現(xiàn)處于風(fēng)險傳染網(wǎng)絡(luò)中心的銀行具有更高的系統(tǒng)重要性［13］。陳忠陽和劉志洋在上市銀行系統(tǒng)性風(fēng)險貢獻度的基礎(chǔ)上，驗證了銀行間的關(guān)聯(lián)度與系統(tǒng)性風(fēng)險之間的聯(lián)系［14］。隋聰?shù)韧ㄟ^構(gòu)建銀行間網(wǎng)絡(luò)，發(fā)現(xiàn)在集中度高的網(wǎng)絡(luò)中風(fēng)險傳染的可能性更高［15］。

通過文獻梳理發(fā)現(xiàn)，關(guān)于系統(tǒng)性風(fēng)險的研究，主要包括系統(tǒng)性風(fēng)險的測度以及傳播兩方面。隨著國際股票市場間聯(lián)動關(guān)系的日益密切以及相關(guān)研究的深入，系統(tǒng)性風(fēng)險的測度方法不斷更新，對系統(tǒng)性風(fēng)險傳染性的研究也逐漸成為研究的重點，目前基本上集中于金融市場或金融機構(gòu)層面。眾多研究表明，不同金融市場或不同金融機構(gòu)間的關(guān)聯(lián)度與其系統(tǒng)性風(fēng)險傳染密切相關(guān)。但目前關(guān)于證券市場內(nèi)部，個股間的關(guān)聯(lián)度與系統(tǒng)性風(fēng)險之間關(guān)系的研究還比較少。因此，本文擬從證券市場內(nèi)部關(guān)聯(lián)的角度出發(fā)，考慮個股間的相關(guān)性風(fēng)險，研究市場內(nèi)部關(guān)聯(lián)性對證券市場整體系統(tǒng)性風(fēng)險的影響。

三、理論基礎(chǔ)與研究假設(shè)

傳統(tǒng)金融理論，主要基于“有效市場假說”和“理性人假說”，視資本市場投資者為同質(zhì)的風(fēng)險厭惡者，較少關(guān)注投資者行為偏好這一重要因素，更未考慮這一因素對證券價格的影響。從文獻回顧中也發(fā)現(xiàn)，盡管學(xué)者們對金融市場間的價格聯(lián)動與傳染現(xiàn)象十分關(guān)注，但很少對同一市場內(nèi)不同證券間的相互關(guān)聯(lián)與影響進行研究，也忽視了這種證券間的關(guān)聯(lián)關(guān)系對市場風(fēng)險特征的影響。

(一) 行為金融學(xué)視角下的股票關(guān)聯(lián)

證券市場上，各個公司的證券之間存在一定的關(guān)聯(lián)關(guān)系，導(dǎo)致個股之間價格的連鎖反應(yīng)，并可能形成明顯的長期同步變動趨勢，這種現(xiàn)象一般稱之為股價聯(lián)動。在傳統(tǒng)金融學(xué)中，主要是從宏觀經(jīng)濟狀況以及公司基本面等角度對此進行分析。隨著行為金融學(xué)的興起，一些學(xué)者開始從投資者行為的角度，分析不同證券之間的價格傳導(dǎo)效應(yīng)，為研究證券市場內(nèi)部關(guān)聯(lián)關(guān)系奠定了基礎(chǔ)。

從理論上來說，一方面，由于宏觀經(jīng)濟、行業(yè)因素以及競爭關(guān)系等因素的影響，市場中各公司之間存在一定的聯(lián)系，某家公司證券價格的波動可能會反映出一定的信息，導(dǎo)致其他公司證券價格的變化；另一方面，在信息不完全的條件下，投資者并非完全理性。在證券交易過程中，投資者的理念與行為很容易受到他人的影響，一旦市場中某一證券價格發(fā)生變化，投資者會懷疑波動的原因是自己所未知的某種信息，因此往往會參照他人的投資決策進行交易，而非進行理性投資。在某些輿論信息的引導(dǎo)下，大量投資者可能會在某一時段進行相同的操作。投資者的這種行為模式會引發(fā)證券需求和價格的變動，使證券市場中某一證券所遭受的風(fēng)險沖擊其他證券，形成個股聯(lián)動現(xiàn)象。證券之間的關(guān)聯(lián)性和波動的趨同性，為系統(tǒng)性風(fēng)險的傳播提供了渠道，對市場穩(wěn)定構(gòu)成威脅。

(二) 股票關(guān)聯(lián)與系統(tǒng)性風(fēng)險

根據(jù)個股聯(lián)動范圍的不同，可以劃分為兩個層面。一是板塊層面的聯(lián)動，這種聯(lián)動是基于某種特定關(guān)系產(chǎn)生的，比如行業(yè)關(guān)系、地域關(guān)系或某些“概念關(guān)系”，屬于局部聯(lián)動。在某一段時間中，特定板塊內(nèi)的股票價格呈現(xiàn)相同的變動趨勢。二是市場層面的聯(lián)動，這種聯(lián)動是基于共同沖擊，表現(xiàn)為市場整體的“同漲同跌”，形成了較大的系統(tǒng)性風(fēng)險。我國證券市場上，板塊層面和市場層面的股票聯(lián)動現(xiàn)象都非常明顯，Jin和Myers對40個國家的股價同步性進行了研究，發(fā)現(xiàn)我國股價波動同步性排在第一位［16］。眾多國內(nèi)學(xué)者也對這一問題進行了研究，觀察和實證都表明，我國證券市場內(nèi)部關(guān)聯(lián)性較強，各股票價格波動方向具有高度的一致性。

1. 關(guān)聯(lián)關(guān)系的緊密性與系統(tǒng)性風(fēng)險

股票之間高度關(guān)聯(lián)的直接后果就是風(fēng)險的高度相依性。雖然股票之間的關(guān)聯(lián)性可以在市場出現(xiàn)正面信息時相互影響，使不同股票共同分享系統(tǒng)性的機會，推動市場價格的持續(xù)上升。但是一旦市場中出現(xiàn)負面信息，由于股票之間高度關(guān)聯(lián)，任意股票A陷入風(fēng)險狀態(tài)，都可能導(dǎo)致投資者預(yù)期和資產(chǎn)配置行為的變動，對相關(guān)股票甚至整個市場產(chǎn)生影響。一方面，投資者對與股票A有共同點，如行業(yè)相似、經(jīng)營狀況相似、“概念”相似的股票產(chǎn)生一致性預(yù)期，出于規(guī)避風(fēng)險的目的拋售該類型股票，導(dǎo)致風(fēng)險的傳遞；另一方面，股價的波動引發(fā)市場中恐慌心理，投資者紛紛拋售股票，這種非理性行為導(dǎo)致了風(fēng)險的進一步擴散。由此，整個證券市場都可能由于股票之間的關(guān)聯(lián)關(guān)系而面臨系統(tǒng)性風(fēng)險。我國股票市場中存在明顯的風(fēng)險關(guān)聯(lián)性，這種風(fēng)險關(guān)聯(lián)性無疑會增加證券市場的脆弱性，從而導(dǎo)致系統(tǒng)性風(fēng)險的產(chǎn)生。

2. 關(guān)聯(lián)關(guān)系的時變性與系統(tǒng)性風(fēng)險

股票之間關(guān)聯(lián)度的時變特征，也對系統(tǒng)性風(fēng)險的產(chǎn)生和傳播有著不容忽視的影響。在傳統(tǒng)的金融理論中通常假定資產(chǎn)相關(guān)系數(shù)穩(wěn)定，而實際上不斷有研究發(fā)現(xiàn)各種資產(chǎn)或各個市場之間的相關(guān)關(guān)系具有時變性。Longin和Solnik對國際資本市場相關(guān)性結(jié)構(gòu)的變化進行了研究，發(fā)現(xiàn)在高波動率期間，市場相關(guān)性增加［17］。Ang和Chen也發(fā)現(xiàn)，在市場下跌階段，股票與市場間的相關(guān)性比市場上漲階段要高［18］。Pollet 和 Wilson用模型證明了市場相關(guān)性所帶來的系統(tǒng)風(fēng)險是不可忽略的［19］。鄭振龍等在此基礎(chǔ)上證明了股票與債券市場的平均相關(guān)系數(shù)可以作為系統(tǒng)性風(fēng)險的代理指標(biāo)［20］。從理論上來看，金融資產(chǎn)收益率的相關(guān)性分布在尾部和中間是不同的，呈現(xiàn)出一種非線性的相關(guān)結(jié)構(gòu)。也就是說，在極端收益的情況下，證券之間的相關(guān)性會發(fā)生變化。一般來說，極端下跌情況下的相關(guān)性會高于上漲階段的相關(guān)性。當(dāng)一個市場遭受沖擊而發(fā)生劇烈動蕩時，市場中的大多數(shù)股票往往都會隨之一起暴跌，這就屬于一種極端情況下的市場風(fēng)險，即極端下跌市場風(fēng)險，其嚴重程度要遠比上漲風(fēng)險更強。這種相關(guān)關(guān)系的時變性也是系統(tǒng)性風(fēng)險的重要來源。

(三) 股票關(guān)聯(lián)與系統(tǒng)性風(fēng)險研究假設(shè)

股票之間的關(guān)聯(lián)性與證券市場系統(tǒng)性風(fēng)險有著緊密的聯(lián)系，由于股票市場過度聯(lián)動以及關(guān)聯(lián)性時變特征的存在，一些公眾性突發(fā)事件或某行業(yè)內(nèi)關(guān)鍵公司發(fā)生的危機都可能會導(dǎo)致整個國內(nèi)金融市場的波動。本文通過構(gòu)建股票指標(biāo)關(guān)聯(lián)網(wǎng)絡(luò)來把握市場中股票之間的關(guān)聯(lián)程度，在此基礎(chǔ)上驗證這些股票指標(biāo)關(guān)聯(lián)性與系統(tǒng)性風(fēng)險貢獻度之間的相關(guān)關(guān)系?？紤]到各種股票指標(biāo)的性質(zhì)和指向，選擇股票價格、成交量和市盈率等指標(biāo)進行股票關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建。股票價格、成交量與市盈率都是反映股票行情的重要指標(biāo)，與股票市場波動以及投資者行為有著直接或間接的關(guān)系，根據(jù)前文的理論描述，股票價格作為上市公司經(jīng)營狀況和風(fēng)險水平的直接反映，是市場中投資者最為關(guān)注的指標(biāo)之一。股價波動的一致性，意味著“板塊聯(lián)動”甚至“同漲同跌”現(xiàn)象的產(chǎn)生，越高的股價關(guān)聯(lián)度，代表著股票之間越高的風(fēng)險相依性，會引致較大的系統(tǒng)性風(fēng)險，因此，提出以下假設(shè)：

H1：股價波動關(guān)聯(lián)度指標(biāo)與系統(tǒng)性風(fēng)險貢獻度正相關(guān)。

成交量反映了個股交易的活躍程度，對股市行情的變化起到了較為重要的作用，成交量的增減變化與股票價格的漲跌有著較為密切的聯(lián)系。當(dāng)市場中信息變化時，都會直接體現(xiàn)在股票成交量和價格指標(biāo)中，因此，也有學(xué)者將成交量作為信息流的替代指標(biāo)。股票成交量之間關(guān)聯(lián)性越高，代表著股票之間行情變動的聯(lián)動關(guān)系越強，并在一定程度上反映了投資者對這些股票相似的投資行為偏好，會選擇在相同時間段對該類股票進行相同操作，可能引發(fā)系統(tǒng)性風(fēng)險。因此，提出以下假設(shè)：

H2：成交量關(guān)聯(lián)度指標(biāo)與系統(tǒng)性風(fēng)險貢獻度正相關(guān)。

市盈率作為將股價與收益聯(lián)系起來的指標(biāo)，常用于反映股票的投資價值，不少投資者以市盈率作為估計上市公司發(fā)展前景的指標(biāo)，在投資操作中考慮市盈率的影響，偏好于投資達到某一類市盈率水平的股票。因此，股票市盈率指標(biāo)的高度關(guān)聯(lián)性，不僅反映了上市公司基本面信息的相關(guān)關(guān)系，也會對投資者行為產(chǎn)生影響，引發(fā)市場中的股價聯(lián)動，導(dǎo)致更高的系統(tǒng)性風(fēng)險。據(jù)此，提出以下假設(shè)：

H3：市盈率關(guān)聯(lián)度指標(biāo)與系統(tǒng)性風(fēng)險貢獻度正 相關(guān)。

通過對以上假設(shè)的驗證，可以證明股票關(guān)聯(lián)度與其系統(tǒng)性風(fēng)險貢獻度之間的聯(lián)系，并分析股票關(guān)聯(lián)網(wǎng)絡(luò)中的指標(biāo)對系統(tǒng)性風(fēng)險的預(yù)警作用。

四、研究方法說明

(一) 運用CoVaR方法計算系統(tǒng)性風(fēng)險貢獻度

1. CoVaR相關(guān)理論

Adrian和Brunnermeier［6］在VaR方法的基礎(chǔ)上，提出了CoVaR條件風(fēng)險價值模型。它表示在一定置信水平下，如果某一資產(chǎn)在某一特定時間的損失達到VaR水平時，其他資產(chǎn)的最大可能損失。也就是說，CoVaR也是一種特定情形下的VaR，可以用于計算單個資產(chǎn)對整體的系統(tǒng)性風(fēng)險溢出，即本文所述的系統(tǒng)性風(fēng)險貢獻度的表示方法如下：

在本文中，為研究我國股票市場中某一股票出現(xiàn) 危機時整個股票系統(tǒng)的風(fēng)險水平，將上式中的視為某單一股票的風(fēng)險價值，視為整個股票市場在某一股票處于狀態(tài)時的條件風(fēng)險價值，也 就是股票市場某一個體出現(xiàn)危機時，整個系統(tǒng)的總體風(fēng)險價值。其中，單一股票對整個系統(tǒng)的風(fēng)險貢獻度，應(yīng)該是總體風(fēng)險價值減去股票市場的風(fēng)險價值，即用 某一股票處于危機狀態(tài)時市場的CoVaR減去所有個體都正常時市場的，可以表示為：可用于衡量某單一股票對整個股票市場的系統(tǒng)性風(fēng)險貢獻度。為了求得，首先需要對進行求解。

其次，通過式（3）的估計結(jié)果，可以計算出股票市場的風(fēng)險價值估計值。由于在分位數(shù)回歸中，得到的估計結(jié)果就是sysqX對應(yīng)的q分位數(shù)估計值。因此，表達式如下：

(二) 構(gòu)建股票關(guān)聯(lián)網(wǎng)絡(luò)計算股票關(guān)聯(lián)度

1. 復(fù)雜網(wǎng)絡(luò)理論的應(yīng)用

為了分析股票市場的價格聯(lián)動現(xiàn)象，并驗證股票指標(biāo)關(guān)聯(lián)程度與系統(tǒng)性風(fēng)險的相關(guān)關(guān)系，首先需要采取合適的方法得到股票之間的關(guān)聯(lián)度。市場中股票市場行情瞬息萬變，股票價格波動及其關(guān)聯(lián)關(guān)系難以把握。作為一個內(nèi)部關(guān)系錯綜復(fù)雜的經(jīng)濟系統(tǒng)，股票市場與復(fù)雜網(wǎng)絡(luò)系統(tǒng)之間存在許多相似的特征。通過構(gòu)建復(fù)雜網(wǎng)絡(luò)，不僅可以從整體網(wǎng)絡(luò)的角度把握股票市場聯(lián)系的緊密程度，也可以通過對網(wǎng)絡(luò)拓撲性質(zhì)的分析，更清晰地了解股票市場內(nèi)部的相關(guān)關(guān)系。因此，本文采用復(fù)雜網(wǎng)絡(luò)方法，通過構(gòu)建股票指標(biāo)關(guān)聯(lián)網(wǎng)絡(luò)來把握股票間的聯(lián)動關(guān)系。

具體方法是運用股票交易數(shù)據(jù)，比如股票價格、成交量以及其他相關(guān)指標(biāo)，計算指標(biāo)之間的關(guān)聯(lián)關(guān)系。在網(wǎng)絡(luò)中，每只股票作為一個節(jié)點，兩支股票間的關(guān)聯(lián)關(guān)系作為它們之間的邊，邊的權(quán)重則表示具體關(guān)聯(lián)關(guān)系的大小，這樣就得到了一個復(fù)雜網(wǎng)絡(luò)。通過分析具體網(wǎng)絡(luò)的性質(zhì)，就可以對股票之間的關(guān)聯(lián)關(guān)系有更明確的了解。根據(jù)研究需要，本文構(gòu)建的為加權(quán)無向圖，應(yīng)用權(quán)鄰接矩陣來表示股票之間的關(guān)聯(lián)關(guān)系。該類型的復(fù)雜網(wǎng)絡(luò)不考慮方向，僅考慮節(jié)點之間相關(guān)關(guān)系大小。

2. 股票關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建步驟

本文以股票價格波動關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建為例，參考張來軍等［21］的做法。主要包括以下幾個步驟：一是選取固定的時間范圍，通過計算得到股票價格波動的相關(guān)系數(shù)矩陣；二是根據(jù)第一步的結(jié)果，計算股票之間的距離矩陣；最后是根據(jù)求得的距離矩陣，運用合適的方法，例如閾值法、最小生成樹等方法，進行復(fù)雜網(wǎng)絡(luò)的構(gòu)建。

首先計算股票價格波動，也就是股票收益率，本文選用日收盤價數(shù)據(jù)進行計算，時間范圍為［t0， t0+T］。選取任意股票i，在t日，股票i的價格為Pi（t），計算收益率的時間周期為Δt，則t日股票的對數(shù)收益率ri（t）表示為：

其中，Pi（t）為t日股票的收盤價格，Δt為1日。

根據(jù)（6）式，得到N支股票的收益率序列，可以由此計算股票價格收益率間的相關(guān)系數(shù)。股票i和j之間的相關(guān)系數(shù)ρij表示為：

其中：ri和rj分別是股票i和j的價格收益率序列。

將裝有試樣的石墨坩鍋裝入感應(yīng)爐內(nèi)，抽真空至650 Pa，再通氬氣至常壓以保證爐內(nèi)為無氧環(huán)境．通電，將爐溫升至2000 ℃左右(紅外測溫)，并在此溫度下保溫3 h．加熱期間每隔20 min抽真空至650 Pa，然后通氬氣至常壓以保證爐內(nèi)為無氧環(huán)境．加熱完畢后，待爐溫在氬氣保護下降至室溫，取出石墨件即得到有涂層的石墨片．

由式（7）得到股票間的相關(guān)系數(shù)，可以得到股票價格波動的相關(guān)系數(shù)矩陣C。C矩陣中第i行j列的元素記為cij，當(dāng)i=j時，cij=1；當(dāng)i≠j時，cij=ρij。可知矩陣C為對稱矩陣，且由于ρij∈［-1，1］，因此矩陣C中的元素cij∈［-1，1］。

得到相關(guān)系數(shù)矩陣之后，就需要定義股票之間的度量距離，將相關(guān)系數(shù)矩陣C轉(zhuǎn)化為距離矩陣D。D矩陣中第i行j列的元素記為dij，有：

由此得到距離矩陣D。根據(jù)式（8）可以發(fā)現(xiàn)，股票之間的相關(guān)系數(shù)越大，它們之間的度量距離則相對越小。此時，距離矩陣D為全連接矩陣，為了剔除部分冗余的邊，突出重點，需要采取一定的方法進行篩選。經(jīng)常采用的方法包括閾值法、MST方法等。

本文選用閾值法進行篩選，根據(jù)股票間相關(guān)系數(shù)的分布選取恰當(dāng)?shù)拈撝担偻ㄟ^閾值對相關(guān)系數(shù)進行篩選。將相關(guān)系數(shù)絕對值視為邊的權(quán)重，通過與閾值的比對，剔除小于閾值的邊。通過這種方法，就將一部分冗余的邊從網(wǎng)絡(luò)中剔除了，余下有價值的邊，形成了最后的股票關(guān)聯(lián)網(wǎng)絡(luò)，更便于對網(wǎng)絡(luò)的拓撲性質(zhì)進行分析。

五、實證分析

(一) 樣本數(shù)據(jù)

本文的研究樣本為我國滬深300指數(shù)的成分股，滬深300指數(shù)成分股占據(jù)了滬深股票市場中60％左右的市值，因此具有較好的代表性；研究期間為 2011 年1月4日至2015年12月31日。為了確保樣本數(shù)據(jù)的準確性，進行如下處理：①剔除成分股中數(shù)據(jù)缺失的樣本；②剔除成分股中金融類股票樣本；③剔除成分股中年均交易日低于140天的樣本。處理之后剩余共224只股票。本文所使用的股票日度數(shù)據(jù)，包括股票價格、成交量以及市盈率等，均來自wind數(shù)據(jù)庫。

(二) 股票系統(tǒng)性風(fēng)險貢獻分析

本文運用分位數(shù)回歸的方法分別計算出了分位數(shù)q為0.05、0.01時，個股的CoVaR和ΔCoVaR。用來表示各成分股對整體系統(tǒng)性風(fēng)險的溢出和貢獻度，使用的軟件為Stata11.0。個股數(shù)量較多，本文給出了個股在q為0.05、0.01時ΔCoVaR的分布情況（圖1）。同時，列出q=0.05時，系統(tǒng)性風(fēng)險貢獻度排名前20的成分股情況（表1）。由于計算得到的CoVaR和ΔCoVaR為負值，為便于理解和觀測，在此均取絕對值。

圖1 各成分股ΔCoVaR結(jié)果

從圖1來看，在分位數(shù)q分別為0.05和 0.01時，成分股系統(tǒng)性風(fēng)險貢獻度ΔCoVaR的測算結(jié)果呈現(xiàn)出一致趨勢。各只成分股的ΔCoVaR值差異較大，在0 到0.04的范圍內(nèi)波動，說明不同的成分股對整體的系統(tǒng)性風(fēng)險貢獻存在較大區(qū)別，大部分股票的 ΔCoVaR值在0.02上下波動，而有個別股票的ΔCoVaR值接近甚至低于0.005，說明當(dāng)其處于風(fēng)險狀態(tài)時，對整個股票市場的系統(tǒng)性風(fēng)險影響也不大。表1列出了q為0.05時，成分股中系統(tǒng)性風(fēng)險貢獻度排名前20的股票，這些股票一旦陷入風(fēng)險狀態(tài)，可能對整個股票市場形成較大影響，導(dǎo)致較大的系統(tǒng)性風(fēng)險。

表1 系統(tǒng)性風(fēng)險貢獻度測算結(jié)果（前20名）

(三) 股票關(guān)聯(lián)網(wǎng)絡(luò)分析

根據(jù)上述方法，構(gòu)建股票價格關(guān)聯(lián)網(wǎng)絡(luò)。在復(fù)雜網(wǎng)絡(luò)的構(gòu)建中，閾值的設(shè)定十分重要，會影響網(wǎng)絡(luò)中連結(jié)邊的數(shù)量以及聚類系數(shù)等網(wǎng)絡(luò)拓撲結(jié)構(gòu)。相關(guān)系數(shù)閾值設(shè)定過大會導(dǎo)致網(wǎng)絡(luò)中節(jié)點過少難以準確反映股票系統(tǒng)的關(guān)聯(lián)狀態(tài)，但閾值設(shè)定過小又會導(dǎo)致研究對象過多，不具有代表性。本文參考張來軍等的做 法［21］，根據(jù)絕對相關(guān)系數(shù)值的分布選擇閾值。運用Matlab R2014a軟件畫出滬深300指數(shù)成分股股票價格、成交量以及市盈率的絕對相關(guān)系數(shù)分布圖，發(fā)現(xiàn)股價相關(guān)系數(shù)大部分分布在0.4以上，成交量相關(guān)系數(shù)大部分分布在0.5以上，市盈率相關(guān)系數(shù)大部分分布在0.4以上，因此在構(gòu)建滬深300指數(shù)成分股股票價格、成交量以及市盈率關(guān)聯(lián)網(wǎng)絡(luò)，選擇的閾值分別為0.4、0.5和0.4。Lee等認為當(dāng)閾值處于0.4到0.6之間時，股票相關(guān)性復(fù)雜網(wǎng)絡(luò)具有無標(biāo)度性，因此本文的閾值選擇是較為合理的［22］。

通過Ucinet和Pajek軟件，畫出關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)拓撲圖，見圖2至圖4，得到關(guān)聯(lián)網(wǎng)絡(luò)的統(tǒng)計特征，見表2。

從以上股票指標(biāo)關(guān)聯(lián)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)圖和統(tǒng)計特征表中可以看出，各只成分股的指標(biāo)之間存在錯綜復(fù)雜的相關(guān)關(guān)系。股票價格網(wǎng)絡(luò)、成交量網(wǎng)絡(luò)以及市盈率網(wǎng)絡(luò)的平均路徑長度，與同節(jié)點數(shù)的隨機網(wǎng)絡(luò)相比 都偏小。股票價格網(wǎng)絡(luò)、成交量網(wǎng)絡(luò)和市盈率網(wǎng)絡(luò)的聚類系數(shù)分別為73.7％、78.4％和69.7％，都遠高于同節(jié)點數(shù)的隨機網(wǎng)絡(luò)，說明股票指標(biāo)內(nèi)部關(guān)聯(lián)性較強。相對而言，市盈率網(wǎng)絡(luò)中的聯(lián)動關(guān)系最弱。

圖2 股價關(guān)聯(lián)網(wǎng)絡(luò)拓撲圖

圖3 成交量關(guān)聯(lián)網(wǎng)絡(luò)拓撲圖

為得到各只成分股的關(guān)聯(lián)度，需要運用網(wǎng)絡(luò)節(jié)點重要性指標(biāo)，這是尋找網(wǎng)絡(luò)中關(guān)鍵節(jié)點的常用方法。網(wǎng)絡(luò)中節(jié)點重要性指標(biāo)主要包括度中心性、介數(shù)中心性、接近中心性以及特征向量中心性等。根據(jù)這些指標(biāo)各自的特點，本文最后采用度中心性指標(biāo)來表示股票指標(biāo)網(wǎng)絡(luò)中節(jié)點之間的關(guān)聯(lián)程度，得到各成分股在關(guān)聯(lián)網(wǎng)絡(luò)的重要性。度中心性一般定義為該節(jié)點的度

與該網(wǎng)絡(luò)中最大可能的度值之比，一個節(jié)點的度越大就意味著這個節(jié)點越重要。圖5給出了股價、成交量、市盈率網(wǎng)絡(luò)中度中心性指標(biāo)的分布情況，表3列出了股價關(guān)聯(lián)網(wǎng)絡(luò)中排名前60的成分股及其度中心性。

根據(jù)圖5可以看出，在本文構(gòu)建的股價、成交量以及市盈率關(guān)聯(lián)網(wǎng)絡(luò)中，節(jié)點的度中心性分布較為均勻，大量節(jié)點的度中心性處于較高的水平，說明關(guān)聯(lián)網(wǎng)絡(luò)中節(jié)點間的聯(lián)動關(guān)系復(fù)雜，關(guān)聯(lián)性較強。

(四) 相關(guān)性分析

圖4 市盈率關(guān)聯(lián)網(wǎng)絡(luò)拓撲圖

圖5 股票關(guān)聯(lián)網(wǎng)絡(luò)度中心性

表2 股票各指標(biāo)關(guān)聯(lián)網(wǎng)絡(luò)統(tǒng)計特征

表3 股價關(guān)聯(lián)網(wǎng)絡(luò)度中心性測算結(jié)果（前60名）

根據(jù)上文的測算結(jié)果，可以對股價指標(biāo)、成交量指標(biāo)以及市盈率指標(biāo)的關(guān)聯(lián)度與系統(tǒng)性風(fēng)險貢獻度之 間的相關(guān)性進行分析。

首先，直觀地從表1和表3 的測算結(jié)果來看，系統(tǒng)性風(fēng)險貢獻度測算結(jié)果排名前10的成分股，有8只在股價關(guān)聯(lián)網(wǎng)絡(luò)度中心性排名中位于前60的范圍內(nèi)，且另外兩只股票股價關(guān)聯(lián)網(wǎng)絡(luò)度中心性排名分別為63位和67位，在股價關(guān)聯(lián)網(wǎng)絡(luò)中仍處于靠前的位置?？梢园l(fā)現(xiàn)，對整體系統(tǒng)性風(fēng)險貢獻度較高的成分股，一般而言在整個股價關(guān)聯(lián)網(wǎng)絡(luò)中處在較為重要的位置。

接下來，為驗證股票指標(biāo)關(guān)聯(lián)度與系統(tǒng)性風(fēng)險貢獻度的關(guān)系，本文運用Stata11.0軟件計算股票關(guān)聯(lián)度指標(biāo)與ΔCoVaR絕對值之間的相關(guān)系數(shù)，所得結(jié)果如表4。

根據(jù)表4的相關(guān)性分析結(jié)果，股票指標(biāo)關(guān)聯(lián)性與系統(tǒng)性風(fēng)險之間，確實存在一定的正相關(guān)關(guān)系，且不同股票指標(biāo)與系統(tǒng)性風(fēng)險間的關(guān)系有所不同，與本文研究假設(shè)是一致的。

其中，股價關(guān)聯(lián)網(wǎng)絡(luò)中，成分股度中心性與其系統(tǒng)性風(fēng)險貢獻度之間，存在較強的相關(guān)關(guān)系，相關(guān)系數(shù)為66.85％。說明在股價關(guān)聯(lián)網(wǎng)絡(luò)中與其他節(jié)點之間關(guān)聯(lián)性越強的成分股，對股票市場整體的系統(tǒng)性風(fēng)險貢獻較高，當(dāng)其處于風(fēng)險狀態(tài)時，可能對市場整體造成較大影響；成交量關(guān)聯(lián)網(wǎng)絡(luò)中，成分股度中心性與其系統(tǒng)性風(fēng)險貢獻度之間也存在顯著且穩(wěn)定的正相關(guān)關(guān)系，相關(guān)系數(shù)達到44.30％，成交量關(guān)聯(lián)網(wǎng)絡(luò)中處于核心位置的股票，對市場整體的系統(tǒng)性風(fēng)險貢獻度也越高；市盈率關(guān)聯(lián)網(wǎng)絡(luò)中，成分股度中心性與系統(tǒng)性風(fēng)險貢獻度（q=0.05）之間存在顯著的正相關(guān)關(guān)系，但與系統(tǒng)性風(fēng)險貢獻度（q=0.01）之間不存在顯著的相關(guān)關(guān)系，說明市盈率指標(biāo)關(guān)聯(lián)性與其系統(tǒng)性風(fēng)險貢獻度的正相關(guān)關(guān)系并不穩(wěn)定。

(五) 回歸分析

為進一步分析股票價格以及成交量的關(guān)聯(lián)關(guān)系對 成分股系統(tǒng)性風(fēng)險貢獻度的影響，通過選取與股票系統(tǒng)性風(fēng)險貢獻值有關(guān)的控制變量，以股票關(guān)聯(lián)網(wǎng)絡(luò)中心度作為解釋變量，個股系統(tǒng)性風(fēng)險貢獻度作為被解釋變量進行回歸分析。本文以股價關(guān)聯(lián)關(guān)系為例進行具體分析，首先構(gòu)建如下模型：

其中：CoVaR為各成分股歷年系統(tǒng)性風(fēng)險貢獻測度值，Degree為歷年滬深300指數(shù)價格關(guān)聯(lián)網(wǎng)絡(luò)中的度中心性值，表示股價關(guān)聯(lián)性?？刂谱兞康倪x擇，是在考慮系統(tǒng)性風(fēng)險貢獻度影響因素的基礎(chǔ)上，參考郭衛(wèi)東［23］的做法，主要包括：上市公司自身風(fēng)險（VaR）、公司成長性（BM）、公司資產(chǎn)收益率（ROE）和公司杠桿比（Leverage），并對年度變量（Year）進行控制。本文在運用混合回歸模型、固定效應(yīng)模型以及隨機效應(yīng)模型進行估計后發(fā)現(xiàn)，樣本具有個體效應(yīng)，故拒絕混合回歸模型。且Hausman檢驗結(jié)果顯示，P值為0.00，因此采用固定效應(yīng)模型進行參數(shù)估計，得到結(jié)果如表5。

表4 相關(guān)性分析結(jié)果

根據(jù)表5，回歸模型調(diào)整后的R2值為0.8682，說明模型擬合較好。其中，Degree的系數(shù)在0.01的置信水平下顯著為正，說明成分股的股價關(guān)聯(lián)性越強，其對市場的系統(tǒng)性風(fēng)險貢獻值會越高，這與本文的理論假設(shè)一致。其余控制變量的結(jié)果如下：VaR的系數(shù)顯著為正，上市公司自身的風(fēng)險越高，其對市場的系統(tǒng)性風(fēng)險貢獻越大；BM系數(shù)顯著為負，說明成長性越高的公司，對市場整體的系統(tǒng)性風(fēng)險貢獻值越低。ROE

的系數(shù)顯著為正，說明公司盈利能力越強越大，當(dāng)其處于風(fēng)險狀態(tài)時，市場整體的系統(tǒng)性風(fēng)險越大；而公司的負債水平與其系統(tǒng)性風(fēng)險貢獻度之間，未呈現(xiàn)出顯著的相關(guān)關(guān)系。

同時，為了對模型的穩(wěn)健性進行檢驗，本文對解釋變量股票關(guān)聯(lián)度指標(biāo)進行了替換。參照采用陳忠陽和劉志洋［14］的做法，運用股票間的絕對相關(guān)系數(shù)均值（Corr）來表示股票之間的關(guān)聯(lián)關(guān)系，采用相同的方式重新進行估計，結(jié)果如表6所示?？梢园l(fā)現(xiàn)，主要變量的系數(shù)方向與顯著性水平基本保持不變，驗證了模型的穩(wěn)健性。

表5 回歸分析結(jié)果

表6 穩(wěn)健性檢驗結(jié)果

按同樣的方法對股票成交量的關(guān)聯(lián)關(guān)系對系統(tǒng)性風(fēng)險貢獻度的影響進行回歸分析，以成交量關(guān)聯(lián)網(wǎng)絡(luò)中度中心性的值作為解釋變量，個股系統(tǒng)性風(fēng)險貢獻度作為被解釋變量，采用固定效應(yīng)模型進行參數(shù)估計，得到相似的結(jié)果：模型調(diào)整后的R2值為0.8204，且在0.01的置信水平下解釋變量系數(shù)顯著為正，說明成分股的成交量關(guān)聯(lián)性越強，其系統(tǒng)性風(fēng)險貢獻度越高。

研究結(jié)果說明，股票之間的關(guān)聯(lián)性與其對市場整體的系統(tǒng)性風(fēng)險貢獻之間存在正相關(guān)關(guān)系，股票之間錯綜復(fù)雜的聯(lián)系可能導(dǎo)致系統(tǒng)性風(fēng)險的產(chǎn)生與傳遞，在股票指標(biāo)關(guān)聯(lián)網(wǎng)絡(luò)中處于核心地位、與其他節(jié)點關(guān)聯(lián)性越強的股票，對股票市場的系統(tǒng)性風(fēng)險貢獻度更高。根據(jù)股票指標(biāo)關(guān)聯(lián)網(wǎng)絡(luò)的節(jié)點重要性指標(biāo)，可以找到這些關(guān)聯(lián)度廣、關(guān)聯(lián)性強的成分股，這類型成分股一般規(guī)模較大，在行業(yè)中具有較強的影響力，與其他股票之間聯(lián)動性強，可以對整個股票市場產(chǎn)生影響，導(dǎo)致較大的系統(tǒng)性風(fēng)險，因此需要給予更高的關(guān)注。

六、結(jié)論與建議

本文基于滬深300指數(shù)成分股股票關(guān)聯(lián)網(wǎng)絡(luò)，對成分股的系統(tǒng)性風(fēng)險貢獻進行研究。從理論上說明了股票關(guān)聯(lián)性與系統(tǒng)性風(fēng)險之間的聯(lián)系，并驗證了兩者之間的相關(guān)關(guān)系，得出以下結(jié)論：①股票之間錯綜復(fù)雜的關(guān)聯(lián)關(guān)系是系統(tǒng)性風(fēng)險的產(chǎn)生與傳遞的基礎(chǔ)； ②在股票指標(biāo)關(guān)聯(lián)網(wǎng)絡(luò)中，關(guān)聯(lián)度越廣、關(guān)聯(lián)性越強的股票，對市場整體的系統(tǒng)性風(fēng)險貢獻度越高；③不同股票指標(biāo)關(guān)聯(lián)度對系統(tǒng)性風(fēng)險的預(yù)警作用不同，股票價格指標(biāo)關(guān)聯(lián)性對系統(tǒng)性風(fēng)險的預(yù)警作用最強，而市盈率指標(biāo)關(guān)聯(lián)性與系統(tǒng)性風(fēng)險之間的關(guān)系不穩(wěn)定，不能有效預(yù)警系統(tǒng)性風(fēng)險。

基于以上結(jié)論，本文從關(guān)聯(lián)度的角度出發(fā)，為系統(tǒng)性風(fēng)險管理提出如下建議：第一，股票之間的過度聯(lián)動可能導(dǎo)致風(fēng)險的傳遞與擴散，形成較大的系統(tǒng)性風(fēng)險。因此需要通過制度建設(shè)和投資者引導(dǎo)等手段緩解我國股市過度聯(lián)動現(xiàn)狀。一方面，加快證券市場制度建設(shè)，逐步推進市場化進程，同時加強對信息披露的監(jiān)管，提高市場透明度，降低股價同步性；另一方面，引導(dǎo)投資者形成理性投資觀，同時積極培育機構(gòu)投資者，降低市場投機性。第二，根據(jù)股票指標(biāo)之間的關(guān)聯(lián)關(guān)系把握股票市場內(nèi)部聯(lián)動性，可以將其作為系統(tǒng)性風(fēng)險的預(yù)警指標(biāo)，通過了解股票間的關(guān)聯(lián)程度，為系統(tǒng)性風(fēng)險的防控提供參考。第三，對市場中規(guī)模較大、影響力較強、關(guān)聯(lián)度較廣的上市公司給予更高的關(guān)注，一旦這類型公司陷入風(fēng)險狀態(tài)，可能引發(fā)整個市場的劇烈波動。因此，需要注意這類公司的經(jīng)營狀況和股市行情，把握其異常狀態(tài)，及時防范和控制系統(tǒng)性風(fēng)險。

［1］ Mishky F. Comment on systemic risk ［J］. Research in Financial Services: Banking， Financial Markets， and Systemic Risk， 1995（7）: 31-45.

［2］ Kaufman G， Scott E K. What is systemic risk， and do bank regulators retard or contribute to it？ ［J］. Independent Review， 2003， 7（3）: 371-391.

［3］ Bemanke， B. Financial reform to address systemic risk ［R］. Washington D C: Council on Foreign Relations， 2009.

［4］ Sharpe W F. A Theory of market equilibrium under condition of risk ［J］. Journal of Finance， 1964， 19（3）: 111-127.

［5］ Baumol， William. An expected gain-confidence limit criterion for portfolio selection ［J］. Management Science. 1963（11）: 174-182.

［6］ Adrian T， Brunnermeier M K. CoVaR ［R］. National Bureau of Economic Research， 2008.

［7］ 柏滿迎， 吳琪， 吳天都. 我國股票市場與基金市場間的風(fēng)險溢出研究［J］. 統(tǒng)計研究， 2014（4）: 108-109.

［8］ 費兆奇. 國際股市一體化與傳染的時變研究［J］. 世界經(jīng)濟， 2014（9）: 173-192.

［9］ 梁琪， 李政， 郝項超. 中國股票市場國際化研究:基于信息溢出的視角［J］. 經(jīng)濟研究， 2015（4）:150-164.

［10］ Battiston S， Gatti D D， M Gallegati. Default cascades: When does risk diversification increase stability？ ［J］. Journal of Financial Stability， 2012， 8（3）: 138-149.

［11］ Markose S， Giansante S， Shaghaghi A. ‘Too interconnected to fail’ financial network of US CDS market: Topological fragility and systemic risk ［J］. Journal of Economic Behavior & Organization， 2012（3）: 627-646.

［12］ Gai， Prasanna， Andrew Haldana， and Sujit Kapadia. Complexity， concentration and contagion ［J］. Journal of Monetary Economic， 2011， 58（5）: 453-470.

［13］ 范小云， 方意， 王道平. 我國銀行系統(tǒng)性風(fēng)險的動態(tài)特征及系統(tǒng)重要性銀行甄別——基于CCA與DAG相結(jié)合的分析［J］. 金融研究， 2013（11）: 82-95.

［14］ 陳忠陽， 劉志洋. 國有大型商業(yè)銀行系統(tǒng)性風(fēng)險貢獻度真的高嗎——來自中國上市商業(yè)銀行股票收益率的證據(jù)［J］. 財貿(mào)經(jīng)濟， 2013（9）: 57-66.

［15］ 隋聰， 遲國泰， 王宗堯. 網(wǎng)絡(luò)結(jié)構(gòu)與銀行系統(tǒng)性風(fēng)險［J］. 管理科學(xué)學(xué)報， 2014（4）: 57-70.

［16］ Jin L， Myers S C. R2around the world: New theory and new tests ［J］. Journal of Financial Economics， 2006， 79（2）: 257-292.

［17］ Longin F. Solnik B. Is the correlation in international equity returns constant: 1960—1990？ ［J］. Journal of International Money and Finance， 1995， 14（1）: 3-26.

［18］ Ang A， Chen J. Asymmetric correlations of equity portfolios ［J］. Journal of Financial Economics， 2002（3）: 443-494.

［19］ Pollet J， Wilson M. Average correlation and stock market returns ［J］. Journal of Financial Economics， 2010（3）: 364-380.

［20］ 鄭振龍， 王為寧， 劉楊樹. 平均相關(guān)系數(shù)與系統(tǒng)性風(fēng)險: 來自中國市場的證據(jù)［J］. 經(jīng)濟學(xué)（季刊）， 2014（3）: 1047-1064.

［21］ 張來軍， 楊治輝， 路飛飛. 基于復(fù)雜網(wǎng)絡(luò)理論的股票指標(biāo)關(guān)聯(lián)性實證分析［J］. 中國管理科學(xué)， 2014（12）: 85-92.

［22］ Lee K E， Lee J W， Hong B H. Complex networks in a stock market ［J］. Computer Physics Communications， 2007， 177（1）: 186.

［23］ 郭衛(wèi)東. 中國上市銀行的系統(tǒng)性風(fēng)險貢獻測度及其影響因 素——基于 MES方法的實證分析［J］. 金融論壇， 2013（2）: 16-21.

［編輯： 譚曉萍］

Analysis of systemic risk contribution of CSI 300 Index: Based on the stock correlation network

QIAO Haishu， YANG Lei
（School of Finance and Statistics， Hunan University， Changsha 410082， China）

Using individual stocks as nodes to build the network based on the CSI 300 Index， and then using CoVaR method to measure the contribution of stocks to systemic risk， the present study aims at the relationship between the size of correlation of individual stocks in the stock market and its systematic risk. Findings show that the nearer a stock is to the core of the stock correlation network， the higher systematic risk contribution. This illustrates that in the stock market， the stocks with wider correlation are more likely to transfer risks， and contribute more to systemic risks. So， in supervising and preventing systematic risks， we must pay more attention to those companies with wider correlation in the market and stronger influence.

systemic risk； stock correlation； complex network； CoVaR method

F830.9

A

1672-3104（2016）03-0114-10

2016-03-20；

2016-05-26

喬海曙（1971-），男，安徽桐城人，經(jīng)濟學(xué)博士，湖南大學(xué)金融與統(tǒng)計學(xué)院教授，博士生導(dǎo)師，主要研究方向：金融分析與管理；楊蕾（1993-），女，湖南汨羅人，湖南大學(xué)金融與統(tǒng)計學(xué)院碩士研究生，主要研究方向：金融分析與管理