李伯華，趙寶福，賈凱威，吳津津

（遼寧工程技術(shù)大學(xué) 工商管理學(xué)院，遼寧 葫蘆島 125105）

0 引言

中國(guó)股市已進(jìn)入高速發(fā)展時(shí)期，股票價(jià)格對(duì)于外部的信息沖擊更為敏感，經(jīng)常會(huì)出現(xiàn)這樣的現(xiàn)象，一個(gè)板塊的漲跌會(huì)影響到其他板塊，或者說(shuō)有些板塊的漲跌會(huì)跟隨敏感板塊的變化而變動(dòng).中國(guó)證券公司較多，券商板塊與整體股市的市場(chǎng)表現(xiàn)呈現(xiàn)出聯(lián)動(dòng)性.券商板塊在某種程度上反映了市場(chǎng)的活躍程度，紀(jì)漢霖等[1]研究發(fā)現(xiàn)券商指數(shù)對(duì)上證指數(shù)走勢(shì)的貢獻(xiàn)最大.證券公司的專業(yè)優(yōu)勢(shì)和特殊社會(huì)職能使得投資者對(duì)券商板塊的關(guān)注度更高，因此券商的投資動(dòng)向和市場(chǎng)表現(xiàn)也被賦予更高的參考權(quán)重，并對(duì)于個(gè)人投資者投資決策產(chǎn)生影響.投資者采用跨板塊投資的方式存在非理性行為和投機(jī)行為，板塊間的聯(lián)動(dòng)效應(yīng)引導(dǎo)市場(chǎng)的走向，也導(dǎo)致市場(chǎng)風(fēng)險(xiǎn)跨板塊的流動(dòng).券商板塊的波動(dòng)對(duì)股票市場(chǎng)的波動(dòng)存在很強(qiáng)的溢出效應(yīng)與風(fēng)險(xiǎn)溢出性，導(dǎo)致風(fēng)險(xiǎn)跨板塊流動(dòng)以及市場(chǎng)中出現(xiàn)的一些跟風(fēng)投資現(xiàn)象.券商板塊的實(shí)際表現(xiàn)會(huì)有很強(qiáng)的投資暗示，那么券商板塊能否引領(lǐng)整體股市的波動(dòng)趨勢(shì)呢？這個(gè)問(wèn)題值得深入研究.

對(duì)金融市場(chǎng)內(nèi)部的聯(lián)動(dòng)效應(yīng)和波動(dòng)溢出效應(yīng)的研究是現(xiàn)代金融學(xué)研究的熱點(diǎn).對(duì)于金融波動(dòng)與外溢問(wèn)題的研究，BOLLERSLEV T等[2]首先應(yīng)用了GARCH模型來(lái)研究金融資產(chǎn)價(jià)格波動(dòng)的集聚性，之后很多學(xué)者也采用此方法來(lái)實(shí)證市場(chǎng)間的溢出效應(yīng).孫德山等[3]通過(guò)GARCH模型對(duì)深證綜合指數(shù)收益率的波動(dòng)進(jìn)行了實(shí)證分析，發(fā)現(xiàn)深證綜合指數(shù)收益率存在波動(dòng)的集聚性和波動(dòng)的非對(duì)稱效應(yīng)，進(jìn)而驗(yàn)證了風(fēng)險(xiǎn)溢出理論.目前關(guān)于股票市場(chǎng)與板塊之間互動(dòng)關(guān)系研究的文獻(xiàn)較少，大部分學(xué)者均以板塊間或滬深市場(chǎng)間的關(guān)系研究為主.張良貴等[4]通過(guò)構(gòu)建溢出指數(shù)來(lái)衡量中國(guó)股市行業(yè)間的波動(dòng)溢出效應(yīng)，研究結(jié)果表明中國(guó)股市板塊間的收益與波動(dòng)溢出存在影響關(guān)系.CHEUNG W等[5]利用線性回歸模型研究了國(guó)內(nèi)主板市場(chǎng)對(duì)創(chuàng)業(yè)板市場(chǎng)的溢出效應(yīng).金春雨等[6]通過(guò)研究發(fā)現(xiàn)不同行業(yè)板塊之間的流動(dòng)性溢出效應(yīng)存在較大差異，但金融板塊流動(dòng)性變化對(duì)其他板塊流動(dòng)性具有顯著正向溢出效應(yīng).戚逸康等[7]認(rèn)為房地產(chǎn)板塊與股票市場(chǎng)間存在顯著的溢出效應(yīng)與風(fēng)險(xiǎn)相關(guān)性.何紅霞等[8]通過(guò)構(gòu)建VECH-GARCH模型驗(yàn)證了雄安新區(qū)板塊與主板市場(chǎng)間也存在顯著的波動(dòng)溢出效應(yīng)和風(fēng)險(xiǎn)相關(guān)性.周亮[9]研究發(fā)現(xiàn)各行業(yè)間存在系統(tǒng)性風(fēng)險(xiǎn)關(guān)聯(lián).另外，李建勇等[10]、LI Y N等[11]、BONG H K等[12]、廖士光等[13]、周云龍等[14]均從各個(gè)角度對(duì)股票市場(chǎng)的內(nèi)部板塊的關(guān)系與風(fēng)險(xiǎn)相關(guān)性進(jìn)行了探討.其中，李成等[15]采用VAR-BEKK-GARCH模型對(duì)貨幣政策與股票市場(chǎng)間的溢出效應(yīng)進(jìn)行了實(shí)證分析.MACDONALD R等[16]也采用了類似方法對(duì)歐元區(qū)風(fēng)險(xiǎn)的溢出性進(jìn)行了研究.

常用的風(fēng)險(xiǎn)相關(guān)性分析方法是VaR（Value at Risk），但存在一定的局限性，黃金波等[17]用非參數(shù)估計(jì)的方法對(duì)其做出了改進(jìn).繼 ROCKAFELLER R T[18]等提出ES模型（預(yù)期虧損模型）和ARTZNER P等[19]構(gòu)建了條件風(fēng)險(xiǎn)價(jià)值模型后，風(fēng)險(xiǎn)相關(guān)性的分析又有了新發(fā)展.宮曉莉等[20]以條件風(fēng)險(xiǎn)價(jià)值的方法測(cè)度金融機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出效應(yīng).李紅權(quán)等[21]則采用Copula函數(shù)對(duì)金融系統(tǒng)做出風(fēng)險(xiǎn)相關(guān)性的評(píng)估.候葉子等[22]利用Copula-GARCH模型發(fā)現(xiàn)在股價(jià)上漲或下跌中，上海股市與深圳股市的收益與風(fēng)險(xiǎn)相關(guān)性有增強(qiáng)趨勢(shì).馬梅等[23]也利用Copula函數(shù)得出了類似的結(jié)論.

經(jīng)濟(jì)發(fā)展離不開(kāi)股票市場(chǎng)的支持，股票也是企業(yè)融資的重要方式.股票市場(chǎng)的非正常波動(dòng)必然會(huì)引起實(shí)體企業(yè)的市值變化，進(jìn)而影響到企業(yè)的發(fā)展，甚至?xí)绊懡?jīng)濟(jì)的走向.股市內(nèi)部之間特別是板塊間的影響更值得探究，特別是在全球經(jīng)濟(jì)受到疫情沖擊時(shí)，券商的特殊作用也凸顯出來(lái)，券商板塊的非理性波動(dòng)勢(shì)必會(huì)給股市帶來(lái)負(fù)面的影響和沖擊.因此，探討兩者之間的波動(dòng)性和風(fēng)險(xiǎn)性關(guān)聯(lián)也具有很重要的現(xiàn)實(shí)意義.GARCH-Copula-CoVaR模型正逐漸應(yīng)用在股票市場(chǎng)與板塊間互動(dòng)關(guān)系的研究中.因此，筆者通過(guò)構(gòu)建GARCH模型刻畫(huà)出2個(gè)時(shí)間序列的邊緣分布，計(jì)算CoVaR值，再利用Copula連續(xù)函數(shù)進(jìn)行相關(guān)性的實(shí)證分析，并進(jìn)行回測(cè)檢驗(yàn)，以揭示券商板塊作用于整體股市的機(jī)理.

1 研究設(shè)計(jì)

1.1 VAR-BEKK-GARCH模型

研究券商板塊對(duì)A股市場(chǎng)的影響情況，主要考察券商板塊對(duì)整體股市間的溢出效應(yīng).溢出效應(yīng)主要從兩方面進(jìn)行考察，一階矩溢出（均值溢出）和波動(dòng)溢出.

選取VAR-BEKK-GARCH模型來(lái)研究溢出效應(yīng).BEKK模型通過(guò)改進(jìn)GARCH(1,1)模型，拓展了該模型的應(yīng)用范圍，可以用于多個(gè)市場(chǎng)之間的研究，同時(shí)模型的設(shè)定也解決了協(xié)方差矩陣非正定的問(wèn)題，以及正負(fù)沖擊的非對(duì)稱性問(wèn)題.采用的VAR-BEKK-GARCH模型表達(dá)式為

式中，yt為時(shí)間序列；a為常數(shù)向量；εt為假設(shè)服從條件正態(tài)分布的向量.yt、a、εt均為2×1維向量.vi(i=1,2,…,p)為估計(jì)系數(shù)，ξt-1為t-1期的信息集，Ht為條件方差-協(xié)方差矩陣.

式（1）可選用VAR模型來(lái)計(jì)算系數(shù)矩陣中元素的顯著性，從而可以判斷出券商板塊與整體股市之間是否存在一階矩溢出，券商板塊的前期收益率是否能對(duì)整體股市起到一定的預(yù)測(cè)作用.

BEKK-GARCH模型通過(guò)矩陣相乘的方式解決了協(xié)方差矩陣非正定性的問(wèn)題.BEKK-GARCH模型中的多元方差模型為

式（2）的展開(kāi)式為

式（3）～式（5）中，h11,t、h11,t-1為主板市場(chǎng)的條件方差；h22,t、h22,t-1為券商板塊的條件方差；h12,t、h12,t-1和h21,t、h21,t-1為券商板塊和主板市場(chǎng)的條件協(xié)方差，可知h12,t與h21,t相等，h12,t-1與h21,t-1相等；ε1,t-1、ε2,t-2為券商板塊和主板市場(chǎng)的均值方程的殘差.

通過(guò)Wald檢驗(yàn)來(lái)檢驗(yàn)參數(shù)矩陣中各元素的顯著性，用以驗(yàn)證波動(dòng)溢出效應(yīng)的存在性.Wald檢驗(yàn)的原假設(shè)可假定為：b12=0，a12=0.當(dāng)券商板塊對(duì)主板市場(chǎng)的波動(dòng)溢出效應(yīng)不存在時(shí)，此原假設(shè)成立.反之，當(dāng)主板市場(chǎng)對(duì)券商板塊的波動(dòng)溢出效應(yīng)不存在時(shí)，原假設(shè)：b21=0，a21=0也成立.

1.2 基于Copula方法的條件風(fēng)險(xiǎn)價(jià)值

傳統(tǒng)的風(fēng)險(xiǎn)溢出方法VaR，即風(fēng)險(xiǎn)價(jià)值，是基于自身風(fēng)險(xiǎn)的度量，而條件風(fēng)險(xiǎn)價(jià)值（CoVaR）由ADRIAN T[24]提出，實(shí)質(zhì)上是基于某一金融市場(chǎng)的極端風(fēng)險(xiǎn)水平下對(duì)另一個(gè)市場(chǎng)的風(fēng)險(xiǎn)度量，風(fēng)險(xiǎn)溢出效應(yīng)也是基于CoVaR方法而進(jìn)行的研究，可以更準(zhǔn)確地度量實(shí)際風(fēng)險(xiǎn).Sklar提出的Copula 函數(shù)可作為聯(lián)合兩個(gè)邊緣分布的連接函數(shù)，能夠更方便地得出2個(gè)變量的聯(lián)合分布函數(shù).利用TGARCH模型可提取金融時(shí)間序列標(biāo)準(zhǔn)殘差分布，再利用Copula函數(shù)考察2個(gè)變量的相關(guān)性和非對(duì)稱性，并在此基礎(chǔ)上進(jìn)行后續(xù)的研究.

風(fēng)險(xiǎn)價(jià)值V1定義為

式中，α為置信水平.

條件風(fēng)險(xiǎn)價(jià)值V2可定義為

式中，ri，rj均為金融時(shí)間序列.

式（7）等價(jià)于

可得

可通過(guò)TGARCH模型擬合出標(biāo)準(zhǔn)殘差分布.將標(biāo)準(zhǔn)殘差經(jīng)概率密度函數(shù)轉(zhuǎn)化可得出

式中，Hj、Hi為時(shí)間序列rj、ri的標(biāo)準(zhǔn)殘差的概率密度函數(shù).

由Sklar定理，式（11）可推出

式中，C為Copula函數(shù)；

Copula函數(shù)由TGARCH模型擬合后提取標(biāo)準(zhǔn)殘差，利用Copula函數(shù)進(jìn)行聯(lián)合分布檢驗(yàn)進(jìn)而求得.根據(jù)前人的研究，Copula函數(shù)可表達(dá)為

同時(shí)假設(shè)F(y1)和F(y2)可微且連續(xù)，C可確定唯一，同時(shí)令α1=F(y1)，α2=F(y2)，則可得到

一般根據(jù)時(shí)間序列特征選擇Copula函數(shù)，由于金融時(shí)間序列的特殊性，金融風(fēng)險(xiǎn)的上下尾相關(guān)性等，選用阿基米德Copula函數(shù)中的Gumbel-Copula、BB7-Copula，以及t-Copula的擬合結(jié)果進(jìn)行評(píng)價(jià)與比較，選取適合的Copula連接函數(shù).

1.3 研究對(duì)象和數(shù)據(jù)選取

以2000年1月1日至2020年1月1日的上證綜合指數(shù)以及券商指數(shù)為研究對(duì)象，見(jiàn)圖1.

圖1 上證綜合指數(shù)與券商指數(shù)Fig.1 Shanghai composite index and brokerage index

采用Stata、Eviews和Winrats統(tǒng)計(jì)軟件，數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù).選取上證綜合指數(shù)為整體股市的代理指標(biāo).因其構(gòu)成的公司已完成股改，能準(zhǔn)確反映市場(chǎng)情況，券商指數(shù)的成分構(gòu)成是由經(jīng)營(yíng)證券、基金、期貨等業(yè)務(wù)的43家上市公司組成，能夠精準(zhǔn)反映券商板塊的波動(dòng)情況.

由圖1可見(jiàn)，上證綜指和券商指數(shù)的變動(dòng)趨勢(shì)基本一致，但是券商板塊的波動(dòng)更為劇烈一些.從時(shí)間節(jié)點(diǎn)上看，在上漲趨勢(shì)中，券商指數(shù)先于上證指數(shù)開(kāi)始上揚(yáng)，而在下跌趨勢(shì)中，券商指數(shù)的下降趨勢(shì)晚于上證指數(shù).在上漲與下跌階段都存在變化時(shí)點(diǎn)不對(duì)應(yīng)的關(guān)系，券商板塊與整體股市間趨勢(shì)間存在著不對(duì)稱的引領(lǐng)關(guān)系.

因金融數(shù)據(jù)的特殊性，本文將這2個(gè)指數(shù)的原始數(shù)據(jù)進(jìn)行取對(duì)數(shù)收益率的預(yù)處理，采用的公式為

式中，Pi,t、Pi,t-1分別為t時(shí)刻和t-1時(shí)刻的價(jià)格指數(shù).

計(jì)算后，對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，其基本特征見(jiàn)表1.

表1 指數(shù)對(duì)數(shù)收益率統(tǒng)計(jì)特征Tab.1 statistical characteristic of exponential logarithmic rate of return

因正態(tài)分布的數(shù)據(jù)偏度為0，峰度為3，本文將對(duì)比各樣本區(qū)間中的數(shù)據(jù)與正態(tài)分布的偏差，所以進(jìn)行J-B檢驗(yàn)，結(jié)果見(jiàn)表1.可見(jiàn)，上證綜合指數(shù)和與券商指數(shù)都呈現(xiàn)出尖峰厚尾的特征，并且拒絕了服從正態(tài)分布的原假設(shè).以極值理論對(duì)此特征進(jìn)行研究，并對(duì)二者進(jìn)行ADF檢驗(yàn)，顯示2個(gè)數(shù)列均在1%的顯著性水平上為平穩(wěn)序列，結(jié)果見(jiàn)表2.

表2 指數(shù)對(duì)數(shù)收益率的平穩(wěn)性檢驗(yàn)結(jié)果Tab.2 result of stationary test of exponential logarithmic rate of return

2 實(shí)證分析

2.1 券商板塊與整體股市之間均值溢出效應(yīng)分析

通過(guò)建立以上證綜合指數(shù)收益率和券商板塊收益率2個(gè)序列的向量自回歸模型來(lái)分析整體股市和券商板塊之間的一階矩溢出效應(yīng).依據(jù)AIC信息準(zhǔn)則、SBIC信息準(zhǔn)則、HQIC信息準(zhǔn)則、LR檢驗(yàn)統(tǒng)計(jì)量和最終預(yù)測(cè)誤差（FPR）等標(biāo)準(zhǔn)，通過(guò)4階滯后的VAR模型得出結(jié)果，見(jiàn)表3、表4.

表3 VAR模型階數(shù)判斷結(jié)果Tab.3 lags of VAR model

表4 格蘭杰因果檢驗(yàn)結(jié)果Tab.4 result of Granger test

由表4可見(jiàn)，券商板塊與整體股市在95%顯著水平上互為格蘭杰因果關(guān)系，也就是說(shuō)兩個(gè)市場(chǎng)相互影響，券商板塊的變動(dòng)會(huì)引起主板市場(chǎng)的波動(dòng)，而整體股市的波動(dòng)也會(huì)帶動(dòng)券商板塊的變動(dòng).在脈沖響應(yīng)和方差分解上也得到相應(yīng)的結(jié)果，所以二者間存在均值溢出效應(yīng).

2.2 券商板塊與整體股市間波動(dòng)溢出效應(yīng)實(shí)證分析

建立BEKK-GARCH模型來(lái)驗(yàn)證波動(dòng)溢出效應(yīng).y1和y2分別為上證綜合指數(shù)和券商指數(shù)，對(duì)數(shù)據(jù)進(jìn)行取對(duì)數(shù)的收益率處理后，進(jìn)行LM檢驗(yàn)，結(jié)果表明，2個(gè)序列在1%顯著性水平上具有ARCH效應(yīng)，可建立GARCH模型，估計(jì)結(jié)果見(jiàn)表5～表7.

表5 BEKK模型估計(jì)的均值方程結(jié)果Tab.5 mean equation results estimated by BEKK model

表6 BEKK模型估計(jì)的方差方程結(jié)果Tab.6 variance equation results estimated by BEKK model

表7 Wald聯(lián)合檢驗(yàn)結(jié)果Tab.7 result of Wald test

原假設(shè)1為H01：b21=0，α21=0，即上證綜指與券商指數(shù)間不存在波動(dòng)溢出效應(yīng).估計(jì)結(jié)果表明：上證綜指與券商指數(shù)間存在顯著的溢出效應(yīng).

原假設(shè)2為H02：b21=0，α12=0，即券商指數(shù)與上證綜指不存在波動(dòng)溢出效應(yīng).估計(jì)結(jié)果表明：券商指數(shù)和上證綜指間存在波動(dòng)溢出效應(yīng).

原假設(shè)3為H03：b12=0，α12=0，b21=0，α21=0，即券商板塊與上證綜指二者之間不存在波動(dòng)溢出效應(yīng). 估計(jì)結(jié)果表明：上證綜指與券商指數(shù)間均存在顯著的波動(dòng)溢出效應(yīng)，且通過(guò)了Wald檢驗(yàn)，在99%的置信區(qū)間內(nèi)顯著.

以上估計(jì)結(jié)果可以看出：①BEKK-GARCH模型的系數(shù)α11、b11、α22、b22在99%的置信區(qū)間水平上顯著，說(shuō)明上證綜指與券商指數(shù)均具有明顯的波動(dòng)聚集性特征.②BEKK-GARCH模型中，系數(shù)b12在5%的顯著性水平上顯著，是由于大盤(pán)指數(shù)的走向仍然是投資者觀測(cè)的風(fēng)向標(biāo)，上證綜指對(duì)于券商指數(shù)波動(dòng)溢出效應(yīng)顯著.③α21、b21在1%顯著性水平上顯著，券商指數(shù)對(duì)上證綜合指數(shù)存在顯著的波動(dòng)溢出效應(yīng)，因此α12顯著表明券商板塊的前一期的價(jià)格沖擊會(huì)影響到整個(gè)股票市場(chǎng)，進(jìn)而造成整體股市的波動(dòng)；b12顯著說(shuō)明券商板塊的當(dāng)期產(chǎn)生波動(dòng)對(duì)下一期的波動(dòng)產(chǎn)生影響；從正負(fù)效應(yīng)來(lái)看，券商板塊的信息沖擊削弱整體股市的波動(dòng)性，券商板塊的前期波動(dòng)率能夠增強(qiáng)整體股市的波動(dòng)，但是新的沖擊對(duì)整體股市的影響則更大，整體股市對(duì)于券商板塊的沖擊沒(méi)有券商板塊對(duì)整體股市的影響程度大.

券商板塊的波動(dòng)和變化能夠顯著地影響主板市場(chǎng)，券商板塊一旦啟動(dòng)會(huì)帶動(dòng)整體股市的上漲，券商板塊的劇烈波動(dòng)也會(huì)顯著影響到整體股市.因此券商板塊對(duì)于整體股市來(lái)說(shuō)具有非常顯著的波動(dòng)溢出效應(yīng)，也具有引致股票市場(chǎng)波動(dòng)的能力.這也說(shuō)明國(guó)內(nèi)股市在每一波行情中，均可以券商板塊的發(fā)動(dòng)程度作為參考指標(biāo)，且事實(shí)上眾多投資者都是以券商板塊的投資動(dòng)向作為投資決策的重要參考.

在2008年及2015年的股市動(dòng)蕩之后，股市的異常波動(dòng)成為關(guān)注的焦點(diǎn).關(guān)于股市的穩(wěn)定以及對(duì)股市系統(tǒng)性風(fēng)險(xiǎn)的防范成為研究熱點(diǎn)，而股市內(nèi)部之間的風(fēng)險(xiǎn)聯(lián)動(dòng)也成為不可忽略的部分.

2.3 券商板塊與整體股市的風(fēng)險(xiǎn)相關(guān)性實(shí)證檢驗(yàn)

米先華等[25]研究發(fā)現(xiàn)風(fēng)險(xiǎn)補(bǔ)償在不同行業(yè)間存在差異性，券商板塊市值占到A股總市值的10%以上，由于券商的特殊地位和與上市公司的關(guān)聯(lián)性，特別是2015年7月“股災(zāi)”后以匯金公司和中金公司為代表的“國(guó)家隊(duì)”進(jìn)入股票市場(chǎng)，并成為部分上市證券公司的股東，因此券商板塊的投資方向和股價(jià)波動(dòng)趨勢(shì)受到更多投資者的關(guān)注.券商板塊也成為了股市的風(fēng)向標(biāo)，券商板塊的活躍程度與整體股市密切相關(guān)，在基本面信息一致的情況下，券商板塊與整體股市間存在共同變動(dòng)和相互作用，因而應(yīng)當(dāng)將券商板塊與整體股市的風(fēng)險(xiǎn)相關(guān)性進(jìn)行研究和分析，以深入揭示兩者之間的內(nèi)在關(guān)聯(lián).

2個(gè)時(shí)間序列通過(guò)了平穩(wěn)性檢驗(yàn)，通過(guò)GARCH模型擬合后，經(jīng)Ljung-Box檢驗(yàn)p值均大于0.10，存在ARCH效應(yīng)，符合金融數(shù)據(jù)的波動(dòng)集聚性特點(diǎn). 整體股市和券商序列殘差密度函數(shù)見(jiàn)圖2.

圖2 整體股市和券商序列殘差密度函數(shù)Fig.2 residual density function of the whole stock Marketand rokerage block

由圖2可看出標(biāo)準(zhǔn)殘差屬于t分布，存在尾部不對(duì)稱現(xiàn)象，殘差分布具有尖峰厚尾的特征.券商板塊與整體股市間的信息杠桿現(xiàn)象見(jiàn)圖3.

圖3 兩變量信息沖擊Fig.3 informatin impact

圖3 中，橫軸正值代表好消息沖擊，負(fù)值代表壞消息沖擊，在市場(chǎng)消息利好時(shí)上漲的速度要小于股市處于利空時(shí)下跌的速度，這與中國(guó)現(xiàn)實(shí)情況相符.根據(jù)2個(gè)時(shí)間序列標(biāo)準(zhǔn)殘差的邊緣分布，對(duì)其進(jìn)行概率積分轉(zhuǎn)換，再用K-S檢驗(yàn)變換后的序列是否服從(0,1)分布.經(jīng)檢驗(yàn)，K-S值均大于0.05，表明符合假設(shè)，(0,1)分布可以較好地?cái)M合2個(gè)序列的條件邊緣分布.利用R軟件對(duì)3類Copula函數(shù)進(jìn)行估計(jì)，t-Copula函數(shù)具有尾部相關(guān)性，Gumbel-Copula函數(shù)也能描述金融市場(chǎng)間的尾部相關(guān)，BB7-Copula函數(shù)也可以刻畫(huà)變量間的上下尾相關(guān)性，因此經(jīng)過(guò)模型計(jì)算后可得到結(jié)果，在實(shí)際結(jié)果中整體股市與券商板塊的時(shí)間序列變量更傾向于t-Copula函數(shù)，表8為不同模型評(píng)價(jià)結(jié)果.

表8 3類阿基米德Copula函數(shù)估計(jì)結(jié)果Tab.8 estimate result of the three Copula functions

根據(jù)信息準(zhǔn)則AIC、信息準(zhǔn)則BIC可見(jiàn)，采用t-Copula函數(shù)的估計(jì)結(jié)果更貼合實(shí)際.計(jì)算條件風(fēng)險(xiǎn)價(jià)值見(jiàn)圖4.

圖4 t-Copula-V2波動(dòng)Fig.4 volatile of t-Copula-V2

由圖4可見(jiàn)，券商板塊對(duì)整體股市存在很強(qiáng)的風(fēng)險(xiǎn)相關(guān)性.上行風(fēng)險(xiǎn)相關(guān)性高于下行風(fēng)險(xiǎn)相關(guān)性，券商板塊與整體股市間的風(fēng)險(xiǎn)依存性很高，且存在非對(duì)稱性.也正如市場(chǎng)表現(xiàn)，券商板塊整體上漲時(shí)能帶動(dòng)整體股市趨勢(shì)上揚(yáng)，而在下跌中并不如上漲時(shí)期的引領(lǐng)作用顯著.券商板塊在整體股市的走勢(shì)中存在不對(duì)稱的引領(lǐng)作用，與平時(shí)觀察到的現(xiàn)象一致，券商板塊整體上漲會(huì)認(rèn)為是“牛市”起點(diǎn)，而券商板塊整體下跌則不認(rèn)為整體股市下跌的開(kāi)始.

對(duì)t-Copula分布下的條件風(fēng)險(xiǎn)價(jià)值CoVaR進(jìn)行了回測(cè)，通過(guò)Kupiec檢驗(yàn)來(lái)驗(yàn)證其準(zhǔn)確性，結(jié)果見(jiàn)圖5、圖6.

圖5 整體股市對(duì)券商板塊的CoVaR回測(cè)Fig.5 CoVaR back to test for the whole stock maket to securities dealerssector

圖6 券商板塊對(duì)整體股市的CoVaR回測(cè)Fig.6 CoVaR back to test for securities dealerssector to the whole stock maket

由圖5、圖6可見(jiàn)，整體股市與券商板塊間存在著風(fēng)險(xiǎn)性關(guān)聯(lián)性，券商板塊的波動(dòng)與股市的穩(wěn)定有很大相關(guān)性.

CoVaR回測(cè)檢驗(yàn)分析結(jié)果見(jiàn)表9.

表9 CoVaR回測(cè)檢驗(yàn)分析結(jié)果Tab.9 result of back to test

由表9可見(jiàn)，t分布在5%的顯著水平上，統(tǒng)計(jì)量均小于3.481，說(shuō)明樣本的風(fēng)險(xiǎn)價(jià)值與條件風(fēng)險(xiǎn)值的測(cè)度效果很好，能夠反映出兩者的風(fēng)險(xiǎn)特征.在受到信息沖擊時(shí)，券商板塊與股市存在著風(fēng)險(xiǎn)關(guān)聯(lián)性，同時(shí)也表明中國(guó)股市存在信息反應(yīng)的不對(duì)稱性，也就是信息杠桿，利好消息與利空消息對(duì)股價(jià)波動(dòng)的影響程度不同，利好消息對(duì)股價(jià)波動(dòng)的影響程度不如利空消息的影響程度大，呈現(xiàn)出不同的斜率變化.另外由圖5、圖6可見(jiàn)，券商板塊對(duì)于整體股市的風(fēng)險(xiǎn)溢出波動(dòng)更為劇烈，整體股市的波動(dòng)對(duì)于券商板塊的風(fēng)險(xiǎn)溢出性明顯小于券商板塊對(duì)整體股市的影響程度，因此也證實(shí)了在近幾年的股市交易中投資者對(duì)券商板塊的關(guān)注度較高.券商板塊的風(fēng)險(xiǎn)波動(dòng)能夠影響到整體股市的波動(dòng)，一方面是因?yàn)槿淘诠墒邢到y(tǒng)中所處的特殊地位和信息優(yōu)勢(shì)，能優(yōu)先獲取到一些信息和動(dòng)向，另一方面也是由于券商的股東結(jié)構(gòu)，一些券商具備國(guó)有的背景，匯金公司與中金公司的持有背景往往也起到了一定的示范效應(yīng).

3 結(jié)論

（1）本文從理論和實(shí)證的角度分析了券商板塊對(duì)于A股市場(chǎng)的溢出效應(yīng)，通過(guò)建立VAR-BEKK-GARCH模型實(shí)證了券商板塊對(duì)A股市場(chǎng)的溢出影響，揭示了兩者之間的傳導(dǎo)機(jī)制.券商板塊對(duì)整體股市存在波動(dòng)溢出效應(yīng)，解釋了中國(guó)股市在上漲行情和下跌行情中，常常出現(xiàn)由券商板塊引領(lǐng)趨勢(shì)的現(xiàn)象.證實(shí)了投資者將券商板塊視為股市風(fēng)向標(biāo)的原因，整體股市的波動(dòng)也對(duì)券商板塊存在顯著的溢出影響.

（2）金融市場(chǎng)間存在風(fēng)險(xiǎn)傳遞的現(xiàn)象，股市內(nèi)部更是如此，風(fēng)險(xiǎn)跨板塊流動(dòng).在考察券商板塊與整體股市間的風(fēng)險(xiǎn)相關(guān)性時(shí)，通過(guò)對(duì)券商板塊與整體股市日收益率標(biāo)準(zhǔn)殘差的邊緣分布構(gòu)建聯(lián)接函數(shù)Copula，搭建了Copula-GARCH-CoVaR風(fēng)險(xiǎn)溢出模型，分析了券商板塊與整體股市的風(fēng)險(xiǎn)相關(guān)性.券商板塊與整體股市間存在著風(fēng)險(xiǎn)流動(dòng)性，且券商板塊的風(fēng)險(xiǎn)溢出要大于整體股市對(duì)券商板塊的風(fēng)險(xiǎn)溢出，也說(shuō)明國(guó)內(nèi)投資者對(duì)券商板塊的關(guān)注度較高，賦予券商板塊的參考權(quán)重較大.股市系統(tǒng)內(nèi)部風(fēng)險(xiǎn)相關(guān)性顯著.引領(lǐng)作用存在非對(duì)稱性，說(shuō)明券商板塊在股市的上漲中起到引領(lǐng)作用，但在下跌過(guò)程中的引領(lǐng)作用沒(méi)有上漲過(guò)程中顯著.投資者特別是個(gè)人投資者如果以券商板塊的動(dòng)向來(lái)研判股市的大勢(shì)，從而作為投資決策的重要參考時(shí)，會(huì)存在一定的判斷誤差.

綜上所述，應(yīng)當(dāng)關(guān)注券商板塊的波動(dòng)情況，券商占有市場(chǎng)份額較大，而目前證監(jiān)會(huì)的監(jiān)管重點(diǎn)在上市公司上，應(yīng)加強(qiáng)對(duì)券商的監(jiān)管，規(guī)范券商的投資行為，重視券商板塊的正向引領(lǐng)作用，注重風(fēng)險(xiǎn)的管理以減少系統(tǒng)性風(fēng)險(xiǎn)的發(fā)生.