吳菲 劉蒙蒙 王群偉

摘要：隨著全球化進程的加速，中國匯率市場與國際原油市場間的聯(lián)系不斷加強，市場間波動傳遞與風險傳染的可能性也逐漸加大。鑒于中國在岸匯率市場與離岸匯率市場在交易主體、監(jiān)管條件等方面具有明顯的異質(zhì)性，將BEKK-GARCH-TVP Copula模型與CoVaR方法結合，來考察兩匯率市場與國際原油市場間的動態(tài)非線性相依結構，并準確度量中國匯率市場與國際原油市場間的波動與風險溢出效應。研究結果表明：離岸匯率市場與國際原油市場間存在雙向波動與風險溢出效應;國際原油市場對在岸匯率市場存在單向波動以及下行風險溢出效應;此外，風險發(fā)生時中國匯率市場和國際原油市場分別處于風險接受和風險輸出地位。實證結果可以為跨境企業(yè)、國際投資者以及政府監(jiān)管部門的決策行為提供經(jīng)驗支持。

關鍵詞：風險溢出;波動溢出;中國匯率市場;BEKK-GARCH-TVP Copula模型;CoVaR

中圖分類號：F832.5

文獻標識碼：A

文章編號：1673-5595（2021）05-0001-08

一、引言

近年來，中國原油對外依存度不斷增加，2018年甚至超過70%①。由于國際原油市場存在劇烈波動，中國匯率市場也極易受到波及，嚴重者甚至誘發(fā)系統(tǒng)性危機。[1-2]經(jīng)驗表明，忽視金融市場間的波動與風險溢出效應，不僅會造成所在市場的金融投資損失，還會嚴重破壞經(jīng)濟社會的平穩(wěn)運行。[3]因此，深入研究中國匯率市場與國際原油市場間的相依結構，并準確度量市場間的波動與風險溢出效應，對于跨境企業(yè)與投資者的投資決策、政府監(jiān)管部門的政策制定都具有重要的理論價值與現(xiàn)實意義。[4]

現(xiàn)有文獻中關于波動溢出效應的研究，主要借助于BEKK-GARCH模型。BEKK-GARCH模型最早由Engle等[5]提出，其優(yōu)點是待估參數(shù)少、參數(shù)經(jīng)濟意義明顯，且能充分利用市場間條件方差或協(xié)方差的相互作用。該模型目前已被廣泛應用于研究金融市場間的波動溢出效應。例如，李成等[6]運用此模型研究了中國匯率市場與股票市場間的波動溢出效應，結果表明匯率市場與股票市場間存在非對稱的波動溢出效應。在此基礎上，熊正德等[7]將小波變換與BEKK-GARCH模型結合，進一步發(fā)現(xiàn)兩市場間的波動溢出效應在短期、中期和長期呈現(xiàn)出不同特征。李建峰等[8]則考察了人民幣匯率市場與國際原油市場間的溢出效應，發(fā)現(xiàn)人民幣兌英鎊匯率與國際原油價格間存在雙向波動溢出效應。

除了金融市場間的波動溢出效應，學者們還對極端風險的溢出效應給予了大量關注。[9]Adrian等[10]提出的條件在險價值（CoVaR）方法為度量金融市場間的風險溢出效應提供了有效工具。現(xiàn)有文獻中關于CoVaR的計算方法包含三類：分位數(shù)回歸算法、DCC-GARCH模型算法以及Copula函數(shù)算法。其中，基于分位數(shù)回歸的CoVaR計算方法最早由Adrian等[11]提出，主要用于描述金融市場間的線性風險關系。曾裕峰等[12]利用此方法研究了境外證券市場對我國A股市場的風險溢出效應，發(fā)現(xiàn)香港和美國對我國A股市場的系統(tǒng)重要性最高，而英國和德國最低。鑒于分位數(shù)回歸方法沒有考慮金融序列普遍存在的異方差與波動聚集等特征，也無法捕捉金融市場間的動態(tài)相依關系，Girardi等[13]提出了基于DCC-GARCH模型的CoVaR計算方法。基于該方法，嚴偉祥等[14]研究了銀行業(yè)、證券業(yè)、保險業(yè)、信托業(yè)以及金融期貨間的動態(tài)相依性與風險溢出效應，發(fā)現(xiàn)金融行業(yè)間存在很強的風險溢出效應，但不同行業(yè)對其他行業(yè)的風險溢出程度存在動態(tài)變化。鑒于金融市場間可能存在非線性相依結構，Mainik等[15]提出了使用Copula函數(shù)測度CoVaR的思想。基于此，Wang等[16]研究了WTI和Brent原油價格對金磚國家和G7國家主權CDS（Credit Default Swap）利差的影響。馬亞明等[17]則測度了各類影子銀行機構對傳統(tǒng)商業(yè)銀行的系統(tǒng)性風險溢出效應。

盡管現(xiàn)有文獻對金融市場間的波動與風險溢出效應開展了大量研究，但仍存在兩點不足：其一，文獻關于溢出效應的研究主要集中于單一溢出層次，忽視了溢出效應研究的連貫性;其二，文獻測度CoVaR主要基于分位數(shù)回歸、DCC-GARCH模型以及靜態(tài)Copula函數(shù)，忽視了金融市場間的動態(tài)非線性相依關系，從而可能低估金融市場的條件風險。因此，如何準確測度新形勢下金融市場間的波動與風險溢出效應，已然成為跨境企業(yè)、國際投資者以及政府監(jiān)管部門等金融市場參與者面臨的首要任務。

2008年全球金融危機后，中國匯率市場與國際原油市場震蕩頻繁，市場間的波動與風險溢出特征愈來愈明顯。一方面，作為全球金融系統(tǒng)的重要組成部分，國際原油市場是投資者從事國際金融投資活動的重要場所，深刻地影響著所有國家的經(jīng)濟活動;另一方面，中國匯率市場是中國經(jīng)濟的主要金融子市場之一，可以體現(xiàn)一段時間內(nèi)中國經(jīng)濟的發(fā)展狀況。[18-21]此外，中國匯率市場包括了在岸和離岸兩種形式，由于在管制程度、市場參與主體等方面存在差異，二者出現(xiàn)了較為明顯的匯差，進一步增加了中國匯率市場與國際原油市場間相依結構的復雜性。[22]因此，本文選取離岸匯率市場、在岸匯率市場以及國際原油市場作為研究對象，分析中國匯率市場與國際原油市場間的波動與風險溢出效應，以期為跨境企業(yè)、國際投資者以及政府監(jiān)管部門的決策行為提供經(jīng)驗支持。本文創(chuàng)新點包含兩方面：一方面，運用TVP Copula模型捕捉中國匯率市場與國際原油市場間的動態(tài)非線性相依關系，并在此基礎上推導出CoVaR的計算方法;另一方面，將離岸匯率市場納入研究范圍，實證分析在岸匯率市場、離岸匯率市場與國際原油市場間波動與風險溢出效應的差異。

二、理論模型

為了實現(xiàn)中國匯率市場與國際原油市場間溢出效應的有效測度，本文首先利用AR-GARCH-t模型來消除金融序列的自相關性與異方差性;然后，運用BEKK-GARCH模型度量市場間的波動溢出效應;最后，將TVP Copula模型與CoVaR方法結合，既克服了傳統(tǒng)Copula函數(shù)無法刻畫金融市場間動態(tài)相依結構的缺陷，又準確測度了中國匯率市場與國際原油市場間的風險溢出效應。

（一）邊緣分布構建

（四）穩(wěn)健性檢驗

為了探究不同的國際原油價格是否會影響本文的核心結論，本文選擇英國北海布倫特（Brent）原油價格代替WTI原油價格，選擇英鎊兌人民幣匯率代替美元兌人民幣匯率，風險溢出效應檢驗與非對稱性檢驗的結果如表6所示。可以發(fā)現(xiàn)，Brent原油市場與離岸匯率市場間存在顯著的雙向風險溢出效應，與在岸匯率市場間僅存在顯著的單向風險溢出效應。非對稱性檢驗的結果表明，Brent原油市場對離岸匯率市場、在岸匯率市場的風險溢出效應不存在顯著差異，離岸匯率市場對Brent原油市場的風險溢出效應顯著大于在岸匯率市場。表6與表5的檢驗結果間不存在顯著差異，因而本文的核心結論是穩(wěn)健的。

四、結論與建議

考慮到中國在岸匯率市場與離岸匯率市場在交易主體、監(jiān)管條件等方面存在異質(zhì)性，本文采用BEKK-GARCH-TVP Copula模型與CoVaR方法，探究了離岸匯率市場、在岸匯率市場與國際原油市場間的波動與風險溢出效應，并對結論進行了穩(wěn)健性檢驗。研究結果表明：

第一，國際原油市場對在岸匯率市場存在顯著的反向波動溢出，與離岸匯率市場存在雙向的正向波動溢出。相對而言，離岸匯率市場與國際原油市場的聯(lián)動性更強。究其原因，可能是“8.11”匯改后中國匯率市場的波動幅度擴大，與國際原油市場的聯(lián)動性逐漸增強，從而在一定程度上抑制了中國匯率市場的投機行為和套利空間，促進了人民幣匯率形成機制市場化的發(fā)展，但同時也加大了市場間波動傳遞和風險傳染的可能性。

第二，離岸匯率市場與國際原油市場間存在顯著的雙向風險溢出，國際原油市場對在岸匯率市場存在下行風險溢出。風險發(fā)生時，國際原油市場和中國匯率市場分別處于風險輸出和風險接受地位。相對而言，離岸匯率市場在風險發(fā)生時具有較強的市場彈性和風險輸出能力，對國際原油市場的平均風險溢出強度也較高。

基于以上結論，本文提出如下建議。

第一，完善在岸人民幣價格發(fā)現(xiàn)功能，推進人民幣匯率市場化。在岸匯率市場抵御國際原油市場波動和風險的能力顯著弱于離岸匯率市場，借鑒離岸匯率市場在價格發(fā)現(xiàn)、程序設計等方面的優(yōu)點，有助于增強在岸人民幣的定價權，強化在岸匯率市場與國際原油市場間的聯(lián)動性，促進在岸匯率市場與國際原油市場間的溢出關系由單向溢出向雙向溢出過渡。政府監(jiān)管機構逐步推進人民幣匯率市場化改革，可以提高中國匯率市場彈性，減輕國際原油市場變化的沖擊，釋放中國匯率市場的投機壓力，從而保障普通投資者和跨境企業(yè)的正當權益。

第二，把握中國匯率市場與國際原油市場風險溢出關系，保障各市場主體正當權益，維護匯率市場安全。短期內(nèi)，中國匯率市場仍處于風險接受地位，國際原油市場對中國匯率市場存在顯著的反向風險溢出效應，具有風險預警的作用。各市場主體應積極把握匯率與原油風險關系，尋求極端風險下的避險措施和理性決策。“8.11”匯改后，跨境企業(yè)貿(mào)易結算的套利空間不斷減小、風險不斷加大，企業(yè)在考量中國匯率市場風險的同時應關注國際原油市場風險變化，選擇穩(wěn)健的貿(mào)易結算貨幣;市場投資者應警惕國際原油市場與中國匯率市場間的風險溢出，多關注國際原油的凈多頭持倉量等指標，進而制定和調(diào)整投資組合;政府部門應密切關注國際原油市場的風險和波動，確保原油進口時的用匯安全，防范市場風險引起的投機性資本流入、流出對人民幣信用的損害。中長期，政府部門應豐富中國匯率市場和中國原油期貨市場的交易產(chǎn)品，增加金融衍生品和信用衍生品的種類和規(guī)模，為市場參與者提供避險工具和投資選擇。

注釋：

① 數(shù)據(jù)摘自《中國能源發(fā)展報告2018》。

參考文獻：

[1]周東海，陳濱霞，蔣遠營.“兩率”市場化改革、國際原油與中國股市關系研究[J].統(tǒng)計與信息論壇，2020，35（2）：47-58.

[2]劉炳越，姬強，范英.黃金是否為原油的“避險天堂”？——基于組合收益及其波動視角[J].中國管理科學，2018，26（11）：1-10.

[3]許啟發(fā)，王俠英，蔣翠俠，等.基于藤Copula-CAViaR方法的股市風險溢出效應研究[J].系統(tǒng)工程理論與實踐，2018，38（11）：2738-2749.

[4]林宇，李福興，陳粘，等.基于R-vine-copula-CoVaR模型的金融市場風險溢出效應研究[J].運籌與管理，2017，26（9）：148-156.

[5]Engle R F， Kroner K F. Multivariate Simultaneous Generalized ARCH[J]. Econometric Theory，1995（1）：122-150.

[6]李成，郭哲宇，王瑞君.中國貨幣政策與股票市場溢出效應研究——基于VAR-GARCH-BEKK模型[J].北京理工大學學報（社會科學版），2014，16（4）：83-91.

[7]熊正德，文慧，熊一鵬.我國外匯市場與股票市場間波動溢出效應實證研究——基于小波多分辨的多元BEKK-GARCH（1，1）模型分析[J].中國管理科學，2015，23（4）：30-38.

[8]李建峰，盧新生，蔣偉.貨幣政策、人民幣匯率與國際原油市場關系的實證分析[J].統(tǒng)計與決策，2018，34（18）：154-157.

[9]何敏園，李紅權.全球股市間的相依結構與極值風險溢出：基于藤Copula的金融復雜性分析[J].管理評論，2020，32（7）：102-110.

[10]Adrian T，Brunnermeier K.CoVaR[R].New York：Federal Reserve Bank of New York，2008.

[11]Adrian T，Brunnermeier K. CoVaR[R].New York：National Bureau of Economic Research，2011.

[12]曾裕峰，溫湖煒，陳學彬.股市互聯(lián)、尾部風險傳染與系統(tǒng)重要性市場——基于多元分位數(shù)回歸模型的分析[J].國際金融研究，2017（9）：86-96.

[13]Girardi G，Ergun T. Systemic Risk Measurement： Multivariate GARCH Estimation of CoVaR[J].Journal of Banking & Finance，2013（8）：169-3180.

[14]嚴偉祥，張維，牛華偉.金融風險動態(tài)相關與風險溢出異質(zhì)性研究[J].財貿(mào)經(jīng)濟，2017，37（10）：67-81.

[15]Mainik G，Schaanning E. On Dependence Consistency of CoVaR and Some Other Systemic Risk Measures[J].Statistics & Risk Modeling，2014（1）：49-77.

[16]Wang Jun，Sun Xiaolei，Li Jianping. How Do Sovereign Credit Default Swap Spreads Behave under Extreme Oil Price Movements？ Evidence from G7 and BRICS Countries[J].Finance Research Letters，2020，34：101350.

[17]馬亞明，宋羚娜.金融網(wǎng)絡關聯(lián)與我國影子銀行的風險溢出效應——基于GARCH-Copula-CoVaR模型的分析[J].財貿(mào)研究，2017，28（7）：69-76.

[18]李志輝，田偉杰.股票市場開放、系統(tǒng)性風險與溢出效應[J].現(xiàn)代經(jīng)濟探討，2020（8）：45-56.

[19]龔玉婷.次貸危機在黃金、原油和外匯市場的風險傳染和波動溢出[J].經(jīng)濟經(jīng)緯，2013（2）：150-154.

[20]Bedoui R，Braiek S，Guesmi K， et al. On the Conditional Dependence Structure between Oil， Gold and USD Exchange Rates： Nested Copula Based GJR-GARCH Model[J].Energy Economics，2019，80：876-889.

[21]何德旭，苗文龍.國際金融市場波動溢出效應與動態(tài)相關性[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2015，32（11）：23-40.

[22]譚小芬，張輝，楊楠，等.離岸與在岸人民幣匯率：聯(lián)動機制和溢出效應——基于VAR-GARCH-BEKK模型的分析[J].管理科學學報，2019，22（7）：52-65.

[23]Patton A J. Copula Methods for Forecasting Multivariate Time Series[J].Handbook of Economic Forecasting，2013（2）：899-960.

責任編輯：曲 紅

Abstract： With the acceleration of globalization， the relations between the Chinese exchange rate market and the international oil market have been continuously strengthened， which increases the possibility of volatility transmission and risk contagion between markets. In view of the obvious heterogeneity of Chinas onshore exchange rate market and offshore exchange rate market in terms of transaction subjects and regulatory conditions， the BEKK-GARCH-TVP Copula model is combined with the CoVaR method in this paper to describe the dynamic non-linear dependence structure between the Chinese exchange rate market and the international crude oil market and accurately measure the volatility and risk spillover effects between the markets. The empirical results suggest that there are the bidirectional volatility and risk spillover effects between offshore market and oil market， and oil market has negative volatility and downside risk spillover effects on onshore market. Besides， the oil market is in risk-output status when the risk occurs， while the exchange rate markets are in risk-acceptance status. The risk spillover effects of offshore market on oil market are significantly stronger than that of onshore market. The results of this paper can provide empirical supports for the decisions of cross-border enterprises， international investors and government regulators.

Key words： risk spillovers; volatility spillovers; Chinese exchange rate market; BEKK-GARCH-TVP Copula model; CoVaR