潘德春 曾建新

（1.南華大學(xué)，湖南 衡陽(yáng) 421001；2.中國(guó)人民銀行榕江縣支行，貴州 榕江 557200）

一、引言

股票和基金是重要的資本產(chǎn)品，作為投資者進(jìn)行投融資的重要渠道，從整體上研究股票市場(chǎng)和基金市場(chǎng)的風(fēng)險(xiǎn)問(wèn)題能夠?yàn)橥顿Y者選取資產(chǎn)組合策略和進(jìn)行風(fēng)險(xiǎn)對(duì)沖提供基本思路。兩個(gè)市場(chǎng)之間存在較強(qiáng)的聯(lián)動(dòng)性，當(dāng)股票價(jià)格異常波動(dòng)時(shí)，基金價(jià)格也會(huì)受到?jīng)_擊和影響。同時(shí)，兩個(gè)市場(chǎng)也具有一定的替代性，當(dāng)投資者對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)預(yù)期增加時(shí)，則會(huì)加大對(duì)基金市場(chǎng)的投資。受金融市場(chǎng)、宏觀經(jīng)濟(jì)和國(guó)際沖擊等方面的影響，在不同市場(chǎng)信息維度下股票市場(chǎng)和基金市場(chǎng)的價(jià)格波動(dòng)帶來(lái)的風(fēng)險(xiǎn)問(wèn)題值得社會(huì)各界關(guān)注。因此，《中共中央關(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)的建議》明確指出，要維護(hù)金融安全，守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)底線，確保國(guó)家經(jīng)濟(jì)安全?？傊?，厘清股票市場(chǎng)與基金市場(chǎng)之間的相依結(jié)構(gòu)，并準(zhǔn)確測(cè)度兩者之間的風(fēng)險(xiǎn)溢出效應(yīng)，既可以為投資決策提供基本啟示，也可以為金融監(jiān)管提供參考依據(jù)，對(duì)于維護(hù)金融穩(wěn)定和促進(jìn)金融改革開(kāi)放具有重要意義。

二、文獻(xiàn)綜述

金融市場(chǎng)間的風(fēng)險(xiǎn)主要包括自身風(fēng)險(xiǎn)、組合風(fēng)險(xiǎn)、風(fēng)險(xiǎn)相依和風(fēng)險(xiǎn)溢出等，本文主要從風(fēng)險(xiǎn)傳染的角度來(lái)探討金融市場(chǎng)間的風(fēng)險(xiǎn)相依和風(fēng)險(xiǎn)溢出問(wèn)題。

（一）風(fēng)險(xiǎn)相依研究

對(duì)于風(fēng)險(xiǎn)相依，國(guó)內(nèi)外學(xué)者主要的研究模型包括格蘭杰因果檢驗(yàn)、DCC-GARCH、復(fù)雜網(wǎng)絡(luò)和Copula等。其中，格蘭杰因果檢驗(yàn)側(cè)重描述金融市場(chǎng)之間的格蘭杰因果關(guān)系，如Peng et al.（2020）主要使用非線性格蘭杰因果檢驗(yàn)研究中國(guó)股票市場(chǎng)和國(guó)際原油市場(chǎng)的關(guān)系，結(jié)果表明兩者之間存在雙向非線性因果關(guān)系，并呈現(xiàn)逐漸增加的趨勢(shì)。DCC-GARCH模型側(cè)重刻畫(huà)金融市場(chǎng)之間的動(dòng)態(tài)條件相關(guān)性，如游士兵和吳雨濛（2020）通過(guò)VAR 模型和DCC-GARCH 模型分析我國(guó)股市和英國(guó)股市之間的聯(lián)動(dòng)性，結(jié)果表明兩者之間存在長(zhǎng)期穩(wěn)定的特征。復(fù)雜網(wǎng)絡(luò)模型側(cè)重捕捉金融市場(chǎng)之間非線性和集聚性等風(fēng)險(xiǎn)特征，如劉超和郭亞?wèn)|（2020）構(gòu)建包含不同傳染階段的加權(quán)有向網(wǎng)絡(luò)模型來(lái)研究主要國(guó)家股票市場(chǎng)之間的聯(lián)動(dòng)關(guān)系，結(jié)果表明在次貸危機(jī)和歐債危機(jī)中的聯(lián)動(dòng)關(guān)系較為顯著。Copula 模型側(cè)重刻畫(huà)金融市場(chǎng)之間非線性和厚尾性等風(fēng)險(xiǎn)特征，如龔玉婷等（2016）使用Copula模型研究股票市場(chǎng)和債券市場(chǎng)之間的相關(guān)性，結(jié)果表明在短期內(nèi)兩者具有負(fù)向相依關(guān)系，而長(zhǎng)期取決于宏觀經(jīng)濟(jì)因素的變化。其中，目前國(guó)內(nèi)外學(xué)者對(duì)于Copula模型進(jìn)行相依結(jié)構(gòu)方面的研究主要包括時(shí)變Copula、Vine Copula 和MRS Copula 等，朱慧明等（2016）使用時(shí)變SJC Copula 模型來(lái)分析國(guó)際原油市場(chǎng)和金磚國(guó)家股票市場(chǎng)之間的相關(guān)性，結(jié)果表明兩者之間存在顯著的下尾相依關(guān)系，但其相關(guān)性強(qiáng)度較小。郭文偉等（2020）使用高維動(dòng)態(tài)R-Vine Copula 模型來(lái)研究全球主要股票市場(chǎng)之間的動(dòng)態(tài)相依結(jié)構(gòu)，結(jié)果表明歐元區(qū)和美洲區(qū)的股票市場(chǎng)之間相依性較強(qiáng)，而亞太股票市場(chǎng)之間相依性較低。Luo et al.（2015）使用MRS Copula模型研究主要股票市場(chǎng)之間的風(fēng)險(xiǎn)相依結(jié)構(gòu)，主要考慮非對(duì)稱(chēng)相依結(jié)構(gòu)和區(qū)制轉(zhuǎn)換過(guò)程。

（二）風(fēng)險(xiǎn)溢出研究

對(duì)于風(fēng)險(xiǎn)溢出，國(guó)內(nèi)外學(xué)者主要的研究模型集中于CoVaR、MES 和TENET 等（謝赤等，2021；王鵬飛，2020；宮曉莉等，2020；李政等，2019）。CoVaR模型側(cè)重于研究局部的金融機(jī)構(gòu)陷入危機(jī)條件下，整個(gè)金融市場(chǎng)的條件風(fēng)險(xiǎn)值，是目前研究系統(tǒng)性金融風(fēng)險(xiǎn)的主要模型（Adrian & Brunnermeier，2016；Girardi & Ergün，2013）。CoVaR 模型的估計(jì)方法主要包括分位數(shù)回歸、GARCH 和Copula 等，其中，分位數(shù)回歸側(cè)重描述線性的風(fēng)險(xiǎn)溢出，如許曄（2019）使用LASSO 方法和單指標(biāo)分位數(shù)回歸來(lái)估計(jì)CoVaR模型，探討我國(guó)上市金融機(jī)構(gòu)對(duì)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)程度，認(rèn)為金融危機(jī)與股災(zāi)期間的系統(tǒng)性風(fēng)險(xiǎn)存在顯著的上升。GARCH 模型側(cè)重描述集聚性的風(fēng)險(xiǎn)溢出，如韓龍和吳永（2018）使用DCC-GARCH 模型來(lái)估計(jì)CoVaR 模型，研究我國(guó)金融機(jī)構(gòu)對(duì)金融市場(chǎng)體系的風(fēng)險(xiǎn)溢出效應(yīng)。Copula 模型側(cè)重描述非線性和厚尾性的風(fēng)險(xiǎn)溢出，如趙林海和陳名智（2020）使用雙時(shí)變特征的滾動(dòng)窗口動(dòng)態(tài)Copula模型來(lái)估計(jì)CoVaR模型，研究金融機(jī)構(gòu)對(duì)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的重要性，認(rèn)為證券類(lèi)金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出貢獻(xiàn)程度最大。Reboredo & Ugolini（2016）使用時(shí)變Copula來(lái)估計(jì)CoVaR模型，度量主要國(guó)家原油市場(chǎng)和股票市場(chǎng)之間的極端風(fēng)險(xiǎn)溢出效應(yīng)，結(jié)果表明危機(jī)爆發(fā)前后的風(fēng)險(xiǎn)溢出存在顯著的差異。

綜上所述，國(guó)內(nèi)外學(xué)者在金融市場(chǎng)之間風(fēng)險(xiǎn)相依和風(fēng)險(xiǎn)溢出的度量模型方面已取得較為豐富的研究成果，但仍忽略以下問(wèn)題：第一，對(duì)于研究對(duì)象而言，國(guó)內(nèi)外學(xué)者聚焦于股票市場(chǎng)和債券市場(chǎng)，或者是股票市場(chǎng)和原油市場(chǎng)，或者是各個(gè)國(guó)家（地區(qū)）的股票市場(chǎng)，較少地研究股票市場(chǎng)與基金市場(chǎng)；第二，對(duì)于研究模型而言，國(guó)內(nèi)外學(xué)者側(cè)重于研究在市場(chǎng)行情下跌時(shí)金融市場(chǎng)之間的極端風(fēng)險(xiǎn)溢出效應(yīng)，較少考慮利空消息和利好消息的綜合影響。基于此，本文的創(chuàng)新之處如下：一方面，本文將基金市場(chǎng)作為重要的金融市場(chǎng)，基于上證綜合指數(shù)和上證基金指數(shù)的日收益率數(shù)據(jù)，主要研究股票市場(chǎng)與基金市場(chǎng)的風(fēng)險(xiǎn)相依結(jié)構(gòu)和風(fēng)險(xiǎn)溢出效應(yīng)；另一方面，綜合考慮市場(chǎng)行情上漲和下跌的非對(duì)稱(chēng)影響，構(gòu)建包含利好消息和利空消息的風(fēng)險(xiǎn)相依和風(fēng)險(xiǎn)溢出模型，比較利空消息和利好消息之間的風(fēng)險(xiǎn)差異。

三、模型構(gòu)建

（一）GPD模型

極端事件能夠造成重大的經(jīng)濟(jì)損失，本文考慮極端事件的影響，使用GPD 模型來(lái)刻畫(huà)股票市場(chǎng)與基金市場(chǎng)收益率序列的邊際分布特征。GPD 模型屬于極值理論的POT模型范疇，POT模型主要是對(duì)超過(guò)閾值的樣本數(shù)據(jù)進(jìn)行建模，側(cè)重?cái)M合尾部分布，其條件概率分布函數(shù)定義如下：

其中，X為獨(dú)立同分布的隨機(jī)變量，包括股票市場(chǎng)與基金市場(chǎng)收益率序列。u為閾值，y為超出閾值的樣本數(shù)據(jù)。

當(dāng)閾值u充分大時(shí)，F(xiàn)u(y)近似服從GPD 分布。其中，GPD分布的具體定義如下：

其中，ξ為形狀參數(shù)，β(u)為u對(duì)應(yīng)的尺度參數(shù)。

本文考慮利空消息和利好消息的影響，使用GPD模型來(lái)擬合股票市場(chǎng)與基金市場(chǎng)收益率序列的上尾和下尾，使用經(jīng)驗(yàn)分布來(lái)擬合股票市場(chǎng)與基金市場(chǎng)收益率序列的中間樣本數(shù)據(jù)。因此，股票市場(chǎng)與基金市場(chǎng)收益率序列的邊際分布函數(shù)定義如下：

其中，uL和uU分別為下尾和上尾閾值，N為樣本觀測(cè)數(shù)，NuL和NuU分別為小于下尾閾值和大于上尾閾值的觀測(cè)數(shù)。edf(x)為uL≤x≤uU區(qū)間的經(jīng)驗(yàn)分布函數(shù)。

（二）時(shí)變Copula模型

時(shí)變Copula 模型能夠準(zhǔn)確地捕捉變量之間的動(dòng)態(tài)性、非線性和厚尾性等相依性特征，故本文選擇時(shí)變Copula 模型來(lái)刻畫(huà)股票市場(chǎng)與基金市場(chǎng)之間的風(fēng)險(xiǎn)相依結(jié)構(gòu)。時(shí)變Copula模型具有如下基本性質(zhì)：

其中，F(xiàn)1(X1)和F2(X2)分別為股票市場(chǎng)收益率序列X1和基金市場(chǎng)收益率序列X2的邊際分布函數(shù)，F(xiàn)(X1,X2)為F1(X1)和F2(X2)的聯(lián)合分布函數(shù)，C為Copula 模型。該性質(zhì)認(rèn)為，若F1(X1)和F2(X2)連續(xù)，則C是唯一確定的，式（4）表明聯(lián)合分布的實(shí)現(xiàn)問(wèn)題可以分解為Copula模型和邊際分布模型。

在確定Copula模型的基礎(chǔ)上，本文使用尾部相依系數(shù)對(duì)股票市場(chǎng)與基金市場(chǎng)之間的尾部相依結(jié)構(gòu)進(jìn)行具體分析。限于論文篇幅，本文以時(shí)變SJC Copula模型進(jìn)行相關(guān)說(shuō)明，時(shí)變SJC Copula的下尾相依系數(shù)和上尾相依系數(shù)定義如下：

其中，ωL、βL和αL均為下尾參數(shù)，ωU、βU和αU均為上尾參數(shù)分別為下尾和上尾相依系數(shù)。

（三）時(shí)變Copula-CoVaR模型

CoVaR模型基于自下而上的角度，側(cè)重度量單個(gè)金融機(jī)構(gòu)處于風(fēng)險(xiǎn)條件下，整個(gè)金融市場(chǎng)體系的風(fēng)險(xiǎn)狀況，屬于局部影響整體的過(guò)程。相比于風(fēng)險(xiǎn)相依，風(fēng)險(xiǎn)溢出同時(shí)反映風(fēng)險(xiǎn)傳染的方向和程度，包括股票市場(chǎng)對(duì)基金市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)以及基金市場(chǎng)對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)。本文以股票市場(chǎng)對(duì)基金市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)為例進(jìn)行相關(guān)說(shuō)明，根據(jù)Adrian &Brunnermeier（2016）的研究，CoVaR模型的定義如下：

其中，Xi為股票市場(chǎng)的收益率序列，Xj為基金市場(chǎng)的收益率序列，p和q分別為VaR 模型和CoVaR 模型的分位數(shù)點(diǎn)。本文設(shè)置p=q=0.05 為下尾，p=q=0.95 為上尾，用于反映利空消息和利好消息的影響。因此，為股票市場(chǎng)在p分位數(shù)時(shí)處于風(fēng)險(xiǎn)的條件下，此時(shí)基金市場(chǎng)在q分位數(shù)下面臨的風(fēng)險(xiǎn)價(jià)值。

考慮尾部風(fēng)險(xiǎn)的影響，本文根據(jù)Girardi & Ergün（2013）的研究，在傳統(tǒng)CoVaR 模型的基礎(chǔ)上，對(duì)Co?VaR模型的條件區(qū)域進(jìn)行如下改進(jìn)：

相比于分位數(shù)回歸和GARCH等模型，時(shí)變Copu?la 模型能夠較為準(zhǔn)確地刻畫(huà)股票市場(chǎng)對(duì)基金市場(chǎng)風(fēng)險(xiǎn)溢出的動(dòng)態(tài)性、非線性和厚尾性等特征，故本文使用時(shí)變Copula模型來(lái)估計(jì)CoVaR模型，進(jìn)而研究股票市場(chǎng)與基金市場(chǎng)之間的極端風(fēng)險(xiǎn)溢出效應(yīng)。

四、實(shí)證結(jié)果與分析

（一）變量選取

本文主要研究股票市場(chǎng)與基金市場(chǎng)之間的尾部相依結(jié)構(gòu)和風(fēng)險(xiǎn)溢出效應(yīng)。對(duì)于股票市場(chǎng)而言，本文使用上證綜合指數(shù)作為股票市場(chǎng)的代理變量，該指數(shù)能夠客觀地反映股票市場(chǎng)價(jià)格波動(dòng)和收益變化的整體狀況，全文使用SM表示。對(duì)于基金市場(chǎng)而言，本文參考何楓等（2022）的研究，選取上證基金指數(shù)來(lái)衡量基金市場(chǎng)，該指標(biāo)屬于基金價(jià)格指數(shù)，能夠準(zhǔn)確反映基金市場(chǎng)的綜合變動(dòng)情況，全文使用FM 表示。具體而言，分別根據(jù)上證綜合指數(shù)和上證基金指數(shù)的日收盤(pán)價(jià)數(shù)據(jù)，可以得到股票市場(chǎng)與基金市場(chǎng)的日收益率序列，在此數(shù)據(jù)基礎(chǔ)上進(jìn)行后續(xù)的邊際分布、風(fēng)險(xiǎn)相依和風(fēng)險(xiǎn)溢出分析。其中，樣本的時(shí)間范圍為2007年1月1日至2021年1月31日，頻率為日度，樣本數(shù)據(jù)為3426個(gè)，數(shù)據(jù)均來(lái)源于Wind數(shù)據(jù)庫(kù)，主要使用S-Plus、R和MATLAB軟件進(jìn)行數(shù)據(jù)處理和建模分析。

圖1為股票市場(chǎng)與基金市場(chǎng)的日收盤(pán)價(jià)序列，可以從整體上反映股票市場(chǎng)與基金市場(chǎng)的價(jià)格波動(dòng)趨勢(shì)。根據(jù)圖1可知，股票市場(chǎng)與基金市場(chǎng)的波動(dòng)趨勢(shì)基本一致，反映股票市場(chǎng)與基金市場(chǎng)之間可能存在較強(qiáng)的相關(guān)關(guān)系，具有一定的耦合性。根據(jù)計(jì)算，股票市場(chǎng)與基金市場(chǎng)之間的Pearson 相關(guān)系數(shù)為0.9140，Spearman相關(guān)系數(shù)為0.9278，Kendall相關(guān)系數(shù)為0.7920，表明股票市場(chǎng)與基金市場(chǎng)之間存在較強(qiáng)的正向相關(guān)關(guān)系。另外，從動(dòng)態(tài)演化的角度來(lái)看，股票市場(chǎng)與基金市場(chǎng)的日收盤(pán)價(jià)在2008年金融危機(jī)和2015年股災(zāi)期間表現(xiàn)出劇烈波動(dòng)的特征，而在其他階段的波動(dòng)程度相對(duì)平緩，表明股票市場(chǎng)與基金市場(chǎng)的價(jià)格波動(dòng)受重大極端事件的影響均較大。

圖1 股票市場(chǎng)與基金市場(chǎng)日收盤(pán)價(jià)的變化趨勢(shì)

（二）邊際分布分析

在進(jìn)行邊際分布的擬合之前，本文使用QQ 圖來(lái)分別檢驗(yàn)股票市場(chǎng)與基金市場(chǎng)收益率序列的正態(tài)性，具體結(jié)果如圖2所示。

圖2 股票市場(chǎng)與基金市場(chǎng)收益率序列的QQ圖

根據(jù)圖2可知，股票市場(chǎng)與基金市場(chǎng)收益率序列的尾部均顯著偏離正態(tài)分布，表明股票市場(chǎng)與基金市場(chǎng)收益率序列均不服從正態(tài)分布，無(wú)法通過(guò)正態(tài)性檢驗(yàn)。同時(shí)，大量的歷史經(jīng)驗(yàn)結(jié)果表明，金融時(shí)間序列具有尖峰厚尾和波動(dòng)集聚等特征，不能使用傳統(tǒng)的自回歸模型進(jìn)行建模分析。為了反映重大極端事件的影響，避免擬合分布的失真，本文使用GPD 模型對(duì)股票市場(chǎng)與基金市場(chǎng)收益率序列進(jìn)行擬合分布，通過(guò)MLE 方法來(lái)估計(jì)GPD 模型的參數(shù)，通過(guò)Du Mouchel原則來(lái)確定GPD 模型的下尾和上尾閾值。其中，Du Mouchel原則設(shè)定超出閾值的樣本觀測(cè)數(shù)占樣本總觀測(cè)數(shù)的10%，該方法同時(shí)考慮了閾值估計(jì)的準(zhǔn)確性和有效性，綜合反映上尾閾值和下尾閾值的影響。

表1 為股票市場(chǎng)與基金市場(chǎng)收益率序列的GPD模型的參數(shù)估計(jì)結(jié)果，其中，GPD 模型的參數(shù)主要包括閾值u、形狀參數(shù)ξ和尺度參數(shù)β。根據(jù)表1可知，股票市場(chǎng)收益率序列服從上尾參數(shù)為（0.0181，0.1077，0.0090）和下尾參數(shù)為（-0.0169，0.0195，0.0145）的GPD分布，基金市場(chǎng)收益率序列服從上尾參數(shù)為（0.0151，0.0891，0.0107）和下尾參數(shù)為（-0.0130，0.0513，0.0123）的GPD分布。

表1 GPD模型的參數(shù)估計(jì)

同時(shí)，為了檢驗(yàn)GPD 模型的擬合效果，本文主要使用超出閾值分布進(jìn)行分析，具體結(jié)果如圖3 所示。根據(jù)圖3可知，股票市場(chǎng)與基金市場(chǎng)收益率序列上尾和下尾的各個(gè)點(diǎn)均收斂于相應(yīng)的曲線，表明GPD 模型的擬合效果較好，能夠準(zhǔn)確地?cái)M合股票市場(chǎng)與基金市場(chǎng)收益率序列的邊際分布。

圖3 超出閾值分布

（三）風(fēng)險(xiǎn)相依分析

在確定股票市場(chǎng)與基金市場(chǎng)收益率序列邊際分布的基礎(chǔ)上，本文需要確定最優(yōu)時(shí)變Copula模型以及計(jì)算相應(yīng)的尾部相依系數(shù)。其中，本文選取時(shí)變Nor?mal Copula、時(shí)變Student-t Copula、時(shí)變Gumbel Cop?ula、時(shí)變Clayton Copula 和時(shí)變SJC Copula 模型，這基本涵蓋了時(shí)變Copula主要的風(fēng)險(xiǎn)相依特征，具有一定的代表性。具體而言，時(shí)變Normal Copula 模型具有線性的特征，時(shí)變Student-t Copula 模型具有厚尾性和對(duì)稱(chēng)性的特征，時(shí)變Gumbel Copula 模型僅存在上尾相依性的特征，時(shí)變Clayton Copula 模型僅存在下尾相依的特征，時(shí)變SJC Copula模型具有上尾相依和下尾相依的特征。另外，本文使用IFM方法來(lái)估計(jì)時(shí)變Copula模型的參數(shù)，該方法能夠較好地處理參數(shù)過(guò)多導(dǎo)致估計(jì)困難的問(wèn)題。

本文主要使用LogLike、AIC和BIC準(zhǔn)則來(lái)確定最優(yōu)時(shí)變Copula 模型，一般而言，若LogLike 越大，且AIC 和BIC 越小，則表明該時(shí)變Copula 模型的擬合效果越好，反之亦然。根據(jù)表2可知，結(jié)合LogLike、AIC和BIC準(zhǔn)則，各個(gè)時(shí)變Copula模型的擬合效果按照從優(yōu)到劣的排序如下：時(shí)變SJC Copula>時(shí)變Student-t Copula>時(shí)變Gumbel Copula>時(shí)變Clayton Copula>時(shí)變Normal Copula。其中，時(shí)變SJC Copula 模型的Lo?gLike 值最大，且AIC 和BIC 準(zhǔn)則較小，表明時(shí)變SJC Copula 模型的擬合效果是最好的，其次是時(shí)變Stu?dent-t Copula 模型，最差的是時(shí)變Normal Copula 模型。因此，本文選擇時(shí)變SJC Copula模型來(lái)刻畫(huà)股票市場(chǎng)與基金市場(chǎng)之間的尾部相依結(jié)構(gòu)。具體而言，根據(jù)時(shí)變SJC Copula模型的參數(shù)估計(jì)結(jié)果，可以計(jì)算相應(yīng)的上尾和下尾相依系數(shù)，具體結(jié)果如圖4所示。

表2 Copula模型的選取

圖4 股票市場(chǎng)與基金市場(chǎng)之間的尾部相依系數(shù)

圖4 從上至下分別為時(shí)變SJC Copula 模型的下尾和上尾相依系數(shù)，虛線分別表示SJC Copula模型的下尾和上尾相依系數(shù)，分別為0.8373和0.8080。根據(jù)圖4可知，股票市場(chǎng)與基金市場(chǎng)之間的尾部相依結(jié)構(gòu)存在以下特征：第一，股票市場(chǎng)與基金市場(chǎng)之間存在較強(qiáng)的正向尾部相關(guān)關(guān)系，較容易出現(xiàn)“同漲同跌”情況。根據(jù)時(shí)變SJC Copula 模型的下尾和上尾相依系數(shù)的均值，股票市場(chǎng)與基金市場(chǎng)之間下尾相依系數(shù)均值為0.8475，大于上尾相依系數(shù)的均值（0.7725），表明股票市場(chǎng)與基金市場(chǎng)之間存在下尾相依的非對(duì)稱(chēng)性特征，更容易受到利空消息的沖擊和影響。第二，從動(dòng)態(tài)演化的視角來(lái)看，股票市場(chǎng)與基金市場(chǎng)之間的上尾相依系數(shù)波動(dòng)程度大于相應(yīng)的下尾相依系數(shù)，表明雖然股票市場(chǎng)與基金市場(chǎng)之間的相依性受到利空消息影響的程度更大，但其相依性受到利好消息影響的波動(dòng)更大。另外，股票市場(chǎng)與基金市場(chǎng)之間的尾部相依系數(shù)在2008年金融危機(jī)和2015年股災(zāi)期間均出現(xiàn)較大的波動(dòng)，表明重大極端事件顯著影響股票市場(chǎng)與基金市場(chǎng)之間的尾部相依結(jié)構(gòu)。

（四）風(fēng)險(xiǎn)溢出分析

金融風(fēng)險(xiǎn)一般包括自身風(fēng)險(xiǎn)和風(fēng)險(xiǎn)溢出兩個(gè)部分，其中自身風(fēng)險(xiǎn)也存在下尾風(fēng)險(xiǎn)和上尾風(fēng)險(xiǎn)。在分析股票市場(chǎng)與基金市場(chǎng)之間的尾部風(fēng)險(xiǎn)溢出效應(yīng)之前，本文對(duì)股票市場(chǎng)與基金市場(chǎng)的自身風(fēng)險(xiǎn)VaR進(jìn)行測(cè)度，以便為相關(guān)的風(fēng)險(xiǎn)溢出效應(yīng)提供參考和依據(jù)。為了便于分析和比較，本文對(duì)股票市場(chǎng)與基金市場(chǎng)的下尾風(fēng)險(xiǎn)均取絕對(duì)值。圖5 從上至下分別為股票市場(chǎng)與基金市場(chǎng)的尾部風(fēng)險(xiǎn)。首先，股票市場(chǎng)的風(fēng)險(xiǎn)大于基金市場(chǎng)的風(fēng)險(xiǎn)，具體而言，股票市場(chǎng)的下尾風(fēng)險(xiǎn)均值為4.0976，上尾風(fēng)險(xiǎn)均值為3.8677，而基金市場(chǎng)的下尾風(fēng)險(xiǎn)均值為3.6693，上尾風(fēng)險(xiǎn)均值為3.3264。其次，股票市場(chǎng)與基金市場(chǎng)的尾部風(fēng)險(xiǎn)均存在非對(duì)稱(chēng)性的特征，股票市場(chǎng)與基金市場(chǎng)的下尾風(fēng)險(xiǎn)均大于相應(yīng)的上尾風(fēng)險(xiǎn)，受到市場(chǎng)行情下跌或者金融危機(jī)的影響更大。最后，從動(dòng)態(tài)變化趨勢(shì)來(lái)看，股票市場(chǎng)與基金市場(chǎng)的尾部風(fēng)險(xiǎn)在重大極端事件爆發(fā)前后具有顯著差異，在2008 年金融危機(jī)和2015 年股災(zāi)期間的波動(dòng)程度明顯更大，重大極端事件期間的尾部風(fēng)險(xiǎn)處于更高的水平，而在其他時(shí)期的股票市場(chǎng)與基金市場(chǎng)尾部風(fēng)險(xiǎn)的波動(dòng)較為平緩，且變化程度較小。

圖5 股票市場(chǎng)與基金市場(chǎng)的尾部風(fēng)險(xiǎn)

本文使用時(shí)變SJC Copula 模型來(lái)估計(jì)CoVaR 模型，以此來(lái)研究股票市場(chǎng)對(duì)基金市場(chǎng)、基金市場(chǎng)對(duì)股票市場(chǎng)的尾部風(fēng)險(xiǎn)溢出效應(yīng)。圖6 從上至下分別為股票市場(chǎng)對(duì)基金市場(chǎng)的上尾和下尾風(fēng)險(xiǎn)溢出效應(yīng)、基金市場(chǎng)對(duì)股票市場(chǎng)的上尾和下尾風(fēng)險(xiǎn)溢出效應(yīng)。為了便于分析和比較，本文對(duì)相應(yīng)的下尾風(fēng)險(xiǎn)溢出效應(yīng)均取絕對(duì)值。根據(jù)圖6可知，股票市場(chǎng)與基金市場(chǎng)之間的尾部風(fēng)險(xiǎn)溢出效應(yīng)存在以下特征：第一，股票市場(chǎng)對(duì)基金市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)、基金市場(chǎng)對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)均具有非對(duì)稱(chēng)性，其下尾風(fēng)險(xiǎn)溢出效應(yīng)均大于上尾風(fēng)險(xiǎn)溢出效應(yīng)，對(duì)利空消息的反應(yīng)更為脆弱和敏感。具體而言，股票市場(chǎng)對(duì)基金市場(chǎng)的下尾風(fēng)險(xiǎn)溢出效應(yīng)均值為6.8753，而股票市場(chǎng)對(duì)基金市場(chǎng)的上尾風(fēng)險(xiǎn)溢出效應(yīng)均值為6.3318。另外，基金市場(chǎng)對(duì)股票市場(chǎng)的下尾風(fēng)險(xiǎn)溢出效應(yīng)均值為4.1728，而基金市場(chǎng)對(duì)股票市場(chǎng)的上尾風(fēng)險(xiǎn)溢出效應(yīng)均值為3.9478。因此，股票市場(chǎng)對(duì)基金市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)大于基金市場(chǎng)對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)，其主要原因在于股票市場(chǎng)成交金額更大，具有規(guī)模優(yōu)勢(shì)，同時(shí)股票市場(chǎng)的價(jià)格波動(dòng)更為激烈，導(dǎo)致股票市場(chǎng)對(duì)其他金融市場(chǎng)具有更高的風(fēng)險(xiǎn)傳染能力。第二，從時(shí)序變化趨勢(shì)來(lái)看，類(lèi)似于股票市場(chǎng)與基金市場(chǎng)的自身風(fēng)險(xiǎn)，股票市場(chǎng)對(duì)基金市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)、基金市場(chǎng)對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)基本一致，受到重大極端事件的影響較大。在2008年金融危機(jī)、2015年股災(zāi)、2018年以來(lái)的中美貿(mào)易摩擦以及2020年以來(lái)的新冠肺炎疫情等重大事件爆發(fā)后，股票市場(chǎng)與基金市場(chǎng)的價(jià)格均出現(xiàn)暴跌的情況，大量投資者遭受經(jīng)濟(jì)損失和風(fēng)險(xiǎn)危機(jī)，對(duì)市場(chǎng)前景預(yù)期持悲觀態(tài)度，股票市場(chǎng)對(duì)基金市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)、基金市場(chǎng)對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)均出現(xiàn)劇烈波動(dòng)，其下尾和上尾風(fēng)險(xiǎn)溢出效應(yīng)均呈現(xiàn)急劇增加的趨勢(shì)。

圖6 股票市場(chǎng)與基金市場(chǎng)之間的尾部風(fēng)險(xiǎn)溢出效應(yīng)

五、結(jié)論與建議

本文考慮利空消息和利好消息的非對(duì)稱(chēng)影響，使用時(shí)變SJC Copula CoVaR 模型研究股票市場(chǎng)與基金市場(chǎng)之間的尾部風(fēng)險(xiǎn)相依結(jié)構(gòu)和風(fēng)險(xiǎn)溢出效應(yīng)。具體而言，基于股票市場(chǎng)與基金市場(chǎng)的日收益率序列數(shù)據(jù)，使用GPD 模型來(lái)擬合股票市場(chǎng)與基金市場(chǎng)的邊際分布，使用時(shí)變SJC Copula模型來(lái)刻畫(huà)股票市場(chǎng)與基金市場(chǎng)之間的尾部風(fēng)險(xiǎn)相依結(jié)構(gòu)，使用時(shí)變SJC Copula CoVaR 模型來(lái)度量股票市場(chǎng)與基金市場(chǎng)之間的尾部風(fēng)險(xiǎn)溢出效應(yīng)。結(jié)果表明：第一，股票市場(chǎng)與基金市場(chǎng)之間存在較強(qiáng)的正向尾部相關(guān)關(guān)系，且具有下尾相依的非對(duì)稱(chēng)性和非線性特征，下尾相依性大于上尾相依性，表明股票市場(chǎng)與基金市場(chǎng)之間的風(fēng)險(xiǎn)相依受到利空消息的影響更大，對(duì)危機(jī)和損失等下跌行情較為敏感；第二，股票市場(chǎng)與基金市場(chǎng)之間尾部風(fēng)險(xiǎn)溢出效應(yīng)具有時(shí)變性和非對(duì)稱(chēng)性特征，股票市場(chǎng)與基金市場(chǎng)之間的下尾風(fēng)險(xiǎn)溢出效應(yīng)均小于股票市場(chǎng)與基金市場(chǎng)之間的上尾風(fēng)險(xiǎn)溢出效應(yīng)，表明股票市場(chǎng)與基金市場(chǎng)之間的風(fēng)險(xiǎn)溢出對(duì)利空消息的反應(yīng)更為敏感；第三，從動(dòng)態(tài)演化的視角來(lái)看，股票市場(chǎng)與基金市場(chǎng)之間的尾部風(fēng)險(xiǎn)相依結(jié)構(gòu)和風(fēng)險(xiǎn)溢出效應(yīng)均受重大極端事件的影響較大，特別是2008 年金融危機(jī)和2015 年股災(zāi)的影響，重大極端事件的爆發(fā)使得其風(fēng)險(xiǎn)相依和風(fēng)險(xiǎn)溢出程度急劇增加和波動(dòng)，并具有一定的持續(xù)性?；诖耍疚奶岢龅南嚓P(guān)風(fēng)險(xiǎn)防控建議如下：

第一，完善股票市場(chǎng)與基金市場(chǎng)之間的協(xié)同監(jiān)管機(jī)制。股票市場(chǎng)與基金市場(chǎng)之間存在較強(qiáng)的正向尾部相關(guān)關(guān)系，且具有明顯和重要的風(fēng)險(xiǎn)溢出效應(yīng)。因此，在“一委一行兩會(huì)一局”的監(jiān)管框架之下，各個(gè)監(jiān)管部門(mén)應(yīng)該在跨市場(chǎng)風(fēng)險(xiǎn)方面加強(qiáng)監(jiān)管協(xié)同和合作，實(shí)現(xiàn)兩個(gè)市場(chǎng)的信息共享、互聯(lián)互通和協(xié)調(diào)聯(lián)動(dòng)，增強(qiáng)金融風(fēng)險(xiǎn)監(jiān)管的責(zé)任意識(shí)，共同推進(jìn)金融風(fēng)險(xiǎn)管理工作的有序、有效開(kāi)展，確保金融防控的決策部署落到實(shí)處，防止兩個(gè)市場(chǎng)出現(xiàn)監(jiān)管真空，又要避免重復(fù)無(wú)效監(jiān)管。

第二，健全重大風(fēng)險(xiǎn)應(yīng)急機(jī)制。重大極端事件對(duì)股票市場(chǎng)和基金市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)產(chǎn)生重要的影響，特別是對(duì)股票市場(chǎng)形成強(qiáng)烈的風(fēng)險(xiǎn)沖擊和震蕩?；诖?，要從預(yù)防和控制的角度來(lái)完善股票市場(chǎng)和基金市場(chǎng)相關(guān)風(fēng)險(xiǎn)的形成、積累、傳染和演化等，對(duì)股票市場(chǎng)和基金市場(chǎng)的風(fēng)險(xiǎn)聯(lián)動(dòng)進(jìn)行科學(xué)預(yù)警，并系統(tǒng)制定針對(duì)股票市場(chǎng)和基金市場(chǎng)的風(fēng)險(xiǎn)監(jiān)管方案，確保兩個(gè)市場(chǎng)在重大極端事件發(fā)生重大風(fēng)險(xiǎn)前后得到及時(shí)和有效的風(fēng)險(xiǎn)處置。

第三，完善市場(chǎng)消息的監(jiān)控和處理機(jī)制。相比于利好消息，利空消息對(duì)股票市場(chǎng)和基金市場(chǎng)的相依結(jié)構(gòu)和風(fēng)險(xiǎn)溢出的反應(yīng)更為強(qiáng)烈?；诖?，一方面，對(duì)市場(chǎng)消息進(jìn)行科學(xué)和系統(tǒng)的甄別，面對(duì)虛假消息和小道消息等謠言，各個(gè)部門(mén)要通過(guò)官方平臺(tái)發(fā)布權(quán)威信息，防止股票市場(chǎng)和基金市場(chǎng)出現(xiàn)恐慌情緒和盲目投資的狀況。另一方面，當(dāng)利空消息出現(xiàn)時(shí)，相關(guān)部門(mén)要及時(shí)加以回應(yīng)和應(yīng)對(duì)，科學(xué)加強(qiáng)形勢(shì)研判，出臺(tái)一些針對(duì)性的利好政策和措施，防止股票市場(chǎng)和基金市場(chǎng)相關(guān)風(fēng)險(xiǎn)的擴(kuò)散。