魏思峣 粟良瑩 蔣坤良 宋加山

摘? ?要：國(guó)際油價(jià)波動(dòng)對(duì)股票市場(chǎng)的影響研究一直備受關(guān)注，但對(duì)亞太和中國(guó)股市的風(fēng)險(xiǎn)溢出效應(yīng)研究還有待拓展。鑒于沖擊類型不同，本文將日度頻率的油價(jià)波動(dòng)分解為供給沖擊、需求沖擊和風(fēng)險(xiǎn)沖擊，并基于基準(zhǔn)回歸模型與動(dòng)態(tài)GARCH-Copula-CoVaR模型考察三類沖擊對(duì)亞太和中國(guó)股市的影響與風(fēng)險(xiǎn)溢出?；貧w結(jié)果表明，需求沖擊和風(fēng)險(xiǎn)沖擊引起的油價(jià)上漲能顯著提高兩地區(qū)股市的平均收益，而供給沖擊對(duì)此幾乎無(wú)影響。從風(fēng)險(xiǎn)溢出視角看，中國(guó)股市在亞太地區(qū)主要扮演被動(dòng)接受風(fēng)險(xiǎn)傳染的角色：從需求沖擊看，中國(guó)股市更易受到影響，呈現(xiàn)出風(fēng)險(xiǎn)凈溢入的角色；但從風(fēng)險(xiǎn)沖擊看，中國(guó)股市并不是聯(lián)動(dòng)亞太股市整體波動(dòng)的源頭，角色較為獨(dú)立。結(jié)合上下行風(fēng)險(xiǎn)視角發(fā)現(xiàn)，兩地區(qū)股市的上行風(fēng)險(xiǎn)總是顯著大于下行風(fēng)險(xiǎn)，呈現(xiàn)出明顯的非對(duì)稱特征。但與亞太股市相比，中國(guó)股市風(fēng)險(xiǎn)值的波動(dòng)更為劇烈。本文認(rèn)為，辨析不同成因、來(lái)源的油價(jià)沖擊，前瞻性預(yù)警亞太地區(qū)的油價(jià)波動(dòng)風(fēng)險(xiǎn)，對(duì)于穩(wěn)定我國(guó)股市、防范金融風(fēng)險(xiǎn)以及夯實(shí)我國(guó)在亞太地區(qū)的經(jīng)濟(jì)治理話語(yǔ)權(quán)具有重要意義。

關(guān)鍵詞：油價(jià)結(jié)構(gòu)沖擊；非線性相依結(jié)構(gòu)；風(fēng)險(xiǎn)溢出效應(yīng)；亞太地區(qū)

中圖分類號(hào)：F830.91? ?文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1674-2265（2024）03-0022-11

DOI：10.19647/j.cnki.37-1462/f.2024.03.003

一、引言與文獻(xiàn)回顧

作為一種不可再生資源，石油不僅在現(xiàn)代工業(yè)和金融市場(chǎng)發(fā)展中發(fā)揮著重要作用，其價(jià)格波動(dòng)溢出效應(yīng)也非常明顯?；贖amilton（1983）[1]對(duì)油價(jià)波動(dòng)與宏觀經(jīng)濟(jì)變量之間關(guān)系的開創(chuàng)性研究，后續(xù)學(xué)者不斷將研究領(lǐng)域拓展至油價(jià)波動(dòng)對(duì)股價(jià)、匯率等金融變量的影響上（Papapetrou，2001；Chen和Zhang，2023）[2，3]。尤其是在1999年石油輸出國(guó)組織集體采取限制產(chǎn)量的行動(dòng)后，國(guó)際油價(jià)進(jìn)入大幅震蕩期，頻繁的油價(jià)波動(dòng)對(duì)股市的溢出效應(yīng)也引發(fā)了許多關(guān)注。研究表明，油價(jià)波動(dòng)對(duì)股市收益存在非常重要的影響（Jones和Kaul，1996）[4]，但就是否總是產(chǎn)生消極的影響或溢出效應(yīng)，目前還未達(dá)成共識(shí)：傳統(tǒng)研究認(rèn)為，供不應(yīng)求引起的油價(jià)上漲會(huì)對(duì)股市收益產(chǎn)生負(fù)向效應(yīng)（Nandha和Faff，2008；Miller和Ratti，2009）[5，6]；但也有學(xué)者認(rèn)為，需求上升引起的油價(jià)上漲反映了整體經(jīng)濟(jì)的繁榮，股市收益也會(huì)隨之增加（Li等，2012）[7]。

然而，單從供需角度考慮油價(jià)波動(dòng)與股市間的關(guān)系是不全面的，這也是上述文獻(xiàn)未能達(dá)成共識(shí)的關(guān)鍵原因。因?yàn)槭筒粌H是一種國(guó)際商品，還是一種重要的金融投資或地緣政治博弈的工具（Chen和Zhang，2023）[3]。因此，引起石油價(jià)格波動(dòng)的因素不僅有供需關(guān)系，還有金融市場(chǎng)變化、地緣政治沖突、公共衛(wèi)生事件等，換言之，并非所有的油價(jià)沖擊都是一樣的。鑒于此，Kilian（2009）[8]基于美國(guó)經(jīng)濟(jì)月度數(shù)據(jù)提出一種結(jié)構(gòu)VAR模型，將油價(jià)沖擊分為供給沖擊、需求沖擊和特定需求沖擊，分別對(duì)應(yīng)供給變化、需求變化以及預(yù)防性需求增加導(dǎo)致的結(jié)構(gòu)性沖擊，并發(fā)現(xiàn)供給沖擊與需求沖擊對(duì)美國(guó)股市回報(bào)的影響存在明顯差異。在該分解框架下，許多學(xué)者從不同角度就油價(jià)沖擊對(duì)股市的影響或溢出效應(yīng)展開了深入研究，例如：Wang等（2013）[9]發(fā)現(xiàn)油價(jià)沖擊對(duì)股市收益的影響不僅取決于沖擊類型，還取決于該國(guó)為石油進(jìn)口國(guó)還是出口國(guó)；Cunado和de Gracia（2014）[10]發(fā)現(xiàn)油價(jià)波動(dòng)對(duì)大多數(shù)歐洲國(guó)家股市回報(bào)存在重大負(fù)面效應(yīng)，其中供應(yīng)沖擊的驅(qū)動(dòng)效果最明顯。除此之外，學(xué)者們還從發(fā)達(dá)國(guó)家、經(jīng)濟(jì)政策、極端風(fēng)險(xiǎn)傳染等角度切入，提供了許多有關(guān)油價(jià)結(jié)構(gòu)沖擊對(duì)股市影響和溢出效應(yīng)的證據(jù)（Broadstock和Filis，2014；Ji等，2020）[11，12]。

此外，準(zhǔn)確測(cè)度風(fēng)險(xiǎn)溢出的前提是有效刻畫不同變量間的相依關(guān)系（楊子暉和周穎剛，2018）[13]。在傳統(tǒng)相依性和動(dòng)態(tài)風(fēng)險(xiǎn)溢出的研究中，TVP-VAR等線性相依模型常被用以研究市場(chǎng)間的關(guān)聯(lián)，但一般來(lái)說(shuō)，金融序列間的相依結(jié)構(gòu)通常為非線性的（Ji等，2018）[14]，因此，Copula函數(shù)為刻畫這種相依結(jié)構(gòu)提供了有力的分析保證。進(jìn)一步，為考察一種因素變化條件下另一種因素的損失情況，學(xué)者們通常會(huì)選取CoVaR作為風(fēng)險(xiǎn)溢出度量指標(biāo)（Jiang和Ye，2022；徐君和郭寶才，2023）[15， 16]。因此，效仿Tian等（2022）[17]，本文采用GARCH-Copula-CoVaR模型度量油價(jià)結(jié)構(gòu)沖擊對(duì)股市的風(fēng)險(xiǎn)溢出效應(yīng)，以此保證研究的連續(xù)性與科學(xué)性。

不同于以往聚焦于歐美發(fā)達(dá)國(guó)家或中東地區(qū)的研究，本文旨在探索油價(jià)結(jié)構(gòu)沖擊對(duì)亞太和中國(guó)股市的風(fēng)險(xiǎn)溢出效應(yīng)，并以此研判中國(guó)股市在亞太地區(qū)的角色定位。亞太地區(qū)作為當(dāng)前世界上經(jīng)濟(jì)發(fā)展最快、最具活力的地區(qū)，一直保持著對(duì)石油的巨大需求。根據(jù)國(guó)際能源署的數(shù)據(jù)，亞太地區(qū)石油消費(fèi)量約占全球總量的40%，遠(yuǎn)遠(yuǎn)超過(guò)歐洲和北美地區(qū)。然而，由于亞太地區(qū)油田很少，各國(guó)對(duì)不可再生能源的依賴度又較高，相比于歐美發(fā)達(dá)國(guó)家或中東地區(qū)，石油價(jià)格變化對(duì)其經(jīng)濟(jì)的影響更大（Zhu等，2014）[18]。目前，盡管Cunado等（2015）[19]、Razmi等（2016）[20]、Zhang和Baek（2022）[21]已分別從匯率、利率、貨幣政策等方面考察了油價(jià)沖擊對(duì)亞太國(guó)家經(jīng)濟(jì)的定性影響，但有關(guān)股市風(fēng)險(xiǎn)溢出效應(yīng)的定量研究仍待拓展。同時(shí)，近年來(lái)我國(guó)經(jīng)濟(jì)的國(guó)際影響力越來(lái)越大，對(duì)亞太地區(qū)高速發(fā)展的貢獻(xiàn)有目共睹，我國(guó)市場(chǎng)在亞太地區(qū)的推動(dòng)和引領(lǐng)作用更加凸顯。因此，已有研究從市場(chǎng)趨同、市場(chǎng)聯(lián)動(dòng)等角度探究了中國(guó)股市在亞太地區(qū)的影響（Chien等，2015；唐振鵬等，2015）[22，23]，為厘清中國(guó)股市在亞太地區(qū)的角色定位提供了參考。

從該領(lǐng)域的研究可以發(fā)現(xiàn)：第一，現(xiàn)有文獻(xiàn)多采用Kilian（2009）[8]提出的方法對(duì)油價(jià)波動(dòng)進(jìn)行分解，但該方法仍存在一些局限。首先，該方法對(duì)特定需求沖擊賦予了過(guò)高權(quán)重，這很有可能導(dǎo)致供給沖擊的作用被低估；其次，該方法采用的數(shù)據(jù)頻率為月度，存在一定的信息損失，難以準(zhǔn)確捕捉風(fēng)險(xiǎn)溢出的動(dòng)態(tài)演變特征；最后，該方法可能會(huì)忽視石油金融投機(jī)行為、地緣政治沖突等引發(fā)的風(fēng)險(xiǎn)（Umar等，2021）[24]。第二，現(xiàn)有文獻(xiàn)主要聚焦于油價(jià)沖擊對(duì)股市影響是否積極的定性分析上，很少?gòu)娘L(fēng)險(xiǎn)溢出的定量分析角度去研判前者對(duì)后者的影響，而且大多數(shù)文獻(xiàn)為了簡(jiǎn)化模型，通常假設(shè)二者線性相關(guān)，這可能忽視序列間的非線性相依結(jié)構(gòu)，進(jìn)而影響度量風(fēng)險(xiǎn)的準(zhǔn)確性。第三，已有研究表明油價(jià)沖擊對(duì)亞太地區(qū)經(jīng)濟(jì)的影響更大，但現(xiàn)有文獻(xiàn)更多聚焦于歐美發(fā)達(dá)國(guó)家或中東國(guó)家股市，對(duì)亞太地區(qū)關(guān)注較少。而且，隨著能源政治化、金融化趨勢(shì)加強(qiáng)，研究亞太和我國(guó)股市承受油價(jià)波動(dòng)溢出效應(yīng)的差異，對(duì)厘清我國(guó)股市在亞太地區(qū)的角色定位、防范與化解極端能源風(fēng)險(xiǎn)很有必要。

鑒于此，本文根據(jù)Ready（2018）[25]提出的方法，將油價(jià)沖擊分解成日度頻率的供給沖擊、需求沖擊與風(fēng)險(xiǎn)沖擊，并考察三類沖擊對(duì)亞太和中國(guó)股市的平均影響。在上述研究框架下，本文選取動(dòng)態(tài)GARCH-Copula模型刻畫油價(jià)沖擊與兩地區(qū)股市間的動(dòng)態(tài)相依性，辨析三類沖擊與兩地區(qū)股市間的相依性差異。基于此，采用CoVaR和ΔCoVaR方法，分別測(cè)度油價(jià)沖擊下兩地區(qū)股市的條件風(fēng)險(xiǎn)以及極端風(fēng)險(xiǎn)溢出變化幅度，并在厘清我國(guó)角色定位的基礎(chǔ)上，就有效防范油價(jià)波動(dòng)風(fēng)險(xiǎn)傳導(dǎo)、維護(hù)我國(guó)金融市場(chǎng)穩(wěn)定提出相關(guān)啟示。本文的邊際貢獻(xiàn)在于：第一，采用基于日度數(shù)據(jù)的方法能夠更客觀地賦權(quán)，并且考慮了投機(jī)行為、地緣沖突等引起的風(fēng)險(xiǎn)作用，比Kilian（2009）[8]提出的方法更優(yōu)。第二，基于非線性相依假設(shè)，將研究重點(diǎn)延伸至油價(jià)沖擊的風(fēng)險(xiǎn)溢出度量，為研判中國(guó)股市在亞太地區(qū)的角色定位提供了新的定量證據(jù)，也為我國(guó)監(jiān)管部門防范與化解能源金融風(fēng)險(xiǎn)提供了參考。

二、理論與模型介紹

（一）油價(jià)結(jié)構(gòu)分解與基準(zhǔn)回歸

石油價(jià)格一直被認(rèn)為是宏觀經(jīng)濟(jì)的先行指標(biāo)：油價(jià)上漲通常對(duì)應(yīng)的是宏觀經(jīng)濟(jì)的持續(xù)繁榮（Kilian，2009）[8]。然而，許多研究卻發(fā)現(xiàn)油價(jià)變化與股市收益之間存在著難以捕捉的關(guān)系：二者有時(shí)呈現(xiàn)高度相關(guān)，有時(shí)又幾乎無(wú)關(guān)。針對(duì)這一問(wèn)題，Ready（2018）[25]提出一種基于日度數(shù)據(jù)的油價(jià)分解法：通過(guò)對(duì)世界綜合油氣生產(chǎn)商指數(shù)、原油價(jià)格指數(shù)和美國(guó)股市隱含波動(dòng)指數(shù)VIX的處理，分解得到使油價(jià)產(chǎn)生變化的供給沖擊、需求沖擊以及風(fēng)險(xiǎn)沖擊。這個(gè)方法基于的現(xiàn)實(shí)依據(jù)是：當(dāng)石油價(jià)格因?yàn)樾枨笤黾佣蠞q時(shí)，油氣生產(chǎn)商能通過(guò)出售更高價(jià)格的石油產(chǎn)品獲得正向收益。相比之下，石油價(jià)格因?yàn)楣┙o困難而上漲的情況，對(duì)油氣生產(chǎn)商的收益影響并不大，因?yàn)閮r(jià)格上漲帶來(lái)的收益會(huì)被銷量下降抵消。另外，市場(chǎng)對(duì)風(fēng)險(xiǎn)的態(tài)度可以用貼現(xiàn)率變化情況來(lái)反映。因此，本文將世界綜合油氣生產(chǎn)商指數(shù)收益與VIX變化正交的部分作為油價(jià)需求沖擊，將經(jīng)過(guò)ARMA（1，1）處理后的VIX指數(shù)變化作為油價(jià)風(fēng)險(xiǎn)沖擊，將同時(shí)期剩余的油價(jià)變化作為油價(jià)供給沖擊，即無(wú)法用全球總需求變化和金融市場(chǎng)不確定性變化解釋的油價(jià)變化成分（文鳳華等，2022）[26]。具體定義如下：

[Xt≡ΔoiltRtPζVIX，t，Zt≡O(shè)StODtORt，A=1110a22a2300a33]? ? ?（1）

已知式（1）滿足：[Xt≡AZt]。其中，[Δoilt]表示原油價(jià)格指數(shù)的變化率；[RtP]表示世界綜合油氣生產(chǎn)商指數(shù)的收益，[ζVIX，t]表示經(jīng)過(guò)ARMA（1，1）處理后的VIX指數(shù)波動(dòng)。本文采用[OSt]、[ODt]、[ORt]分別表示油價(jià)供給沖擊、油價(jià)需求沖擊和油價(jià)風(fēng)險(xiǎn)沖擊。為保證三類油價(jià)結(jié)構(gòu)沖擊間兩兩正交，對(duì)其添加約束條件：

[A-1ΣX（A-1）T=σos2000σod2000σor2]? ? ?（2）

其中，[ΣX]為矩陣[Xt]的協(xié)方差矩陣，[σos]、[σod]、[σor]為三種油價(jià)結(jié)構(gòu)沖擊的波動(dòng)率。

為考察三類油價(jià)結(jié)構(gòu)沖擊對(duì)亞太地區(qū)整體股市以及中國(guó)股市的影響，本文先構(gòu)建不考慮控制變量的基準(zhǔn)回歸模型，限于篇幅，這里省略逐步回歸的方程式，僅介紹同時(shí)納入三類油價(jià)沖擊的回歸模型：

[APt=c+β11OSt+β12ODt+β13ORt+εt]? ?（3）

[CHIt=c+β21OSt+β22ODt+β23ORt+εt]? ?（4）

其中，[APt]表示亞太地區(qū)整體股市收益率，[CHIt]表示我國(guó)股市收益率。另外，考慮到過(guò)去股市收益的影響，為滿足實(shí)證結(jié)果的穩(wěn)健性需求，本文分別在兩類股市的回歸方程中加入滯后一期的股市收益率作為控制變量，回歸模型拓展為：

[APt=c+β11OSt+β12ODt+β13ORt+θAPt-1+εt] （5）

[CHIt=c+β11OSt+β12ODt+β13ORt+θCHIt-1+εt]

（6）

（二）非線性相依結(jié)構(gòu)刻畫

金融數(shù)據(jù)通常具有異方差性與波動(dòng)聚集效應(yīng)，本文先引入GARCH模型對(duì)數(shù)據(jù)進(jìn)行邊緣分布擬合，從而刻畫出序列具有的尖峰厚尾等特征。假設(shè)收益率[rt=μt+εt=μt+σtzt]，其中：[μt]為序列均值；[εt]為隨機(jī)擾動(dòng)項(xiàng)，由波動(dòng)率[σt]和殘差[zt]組成，[zt]為（0，1）上服從某種條件分布的隨機(jī)序列。GARCH（1，1）模型將波動(dòng)率定義為[σ2t=ω+αε2t-1+βσ2t-1]，模型要求[ω，α，β>0]且[α+β<1]。通過(guò)對(duì)波動(dòng)率建模，能將原始序列轉(zhuǎn)換成基于邊緣分布函數(shù)的概率積分變換序列，進(jìn)而為接下來(lái)的非線性相依建模奠定基礎(chǔ)。

基于邊緣分布函數(shù)，本文須構(gòu)造序列間的聯(lián)合分布函數(shù)以刻畫序列間的相依特征。一般來(lái)說(shuō)，金融序列間的相依結(jié)構(gòu)是動(dòng)態(tài)和非線性的（Ji等，2018）[14]。為此，學(xué)者們大多選用時(shí)變Copula函數(shù)進(jìn)行建模，進(jìn)而更靈活、準(zhǔn)確地估計(jì)各種極值風(fēng)險(xiǎn)。本文選用具有不同尾部特征的四種時(shí)變Copula模型——時(shí)變Gaussian Copula、時(shí)變t Copula、時(shí)變Clayton Copula和時(shí)變SJC Copula，分別構(gòu)建三類油價(jià)結(jié)構(gòu)沖擊與兩地區(qū)股市間的相依結(jié)構(gòu)，并基于信息準(zhǔn)則采用擬合效果最優(yōu)的Copula模型進(jìn)一步估算風(fēng)險(xiǎn)溢出效應(yīng)。

1. 時(shí)變Gaussian Copula模型。

[Cgt（u1，t，u2，t;ρt）=ΦρtΦ-1（u1，t），Φ-1（u2，t）=-∞Φ-1（u1，t）-∞Φ-1（u2，t）12π1-ρt2exp-s12-2ρts1s2+s222（1-ρt2）ds1ds2]

（7）

其中，[Φρt（?）]是相關(guān)系數(shù)為[ρt]的標(biāo)準(zhǔn)正態(tài)分布函數(shù)，[Φ-1（?）]是標(biāo)準(zhǔn)正態(tài)分布函數(shù)的逆函數(shù)；[u1，t]和[u2，t]是概率積分變換序列，下同。[ρt]為時(shí)變相關(guān)系數(shù)，假設(shè)服從ARMA（1，10）過(guò)程（Patton，2006）[27]，下同。

[ρt=Λω+β?ρt-1+α?110j=110Φ-1（u1，t-j）?Φ-1（u2，t-j）]

（8）

其中，[Λx=1-e-x/1+e-x]，保證[ρt∈-1，1]。

2. 時(shí)變t Copula模型。

[CTt（u1，t，u2，t;ρt，υc）=tρt，υctυc-1（u1，t），tυc-1（u2，t）=-∞tυc-1（u1，t）-∞tυc-1（u2，t）12π1-ρt2exp1+s12-2ρts1s2+s22υc（1-ρt2）-（υc+2）/2ds1ds2]? （9）

其中，[tρt，υc（?）]是相關(guān)系數(shù)為[ρt]、自由度為[υc]的t分布函數(shù)，[t-1υc（?）]是自由度為[υc]的t分布函數(shù)的逆函數(shù)，其余變量設(shè)定與式（8）相同。

3. 時(shí)變Clayton Copula模型。

[CCt（u1，t，u2，t;δt）=（u1，t-δt+u2，t-δt-1）-1/δt]? ?（10）

其中，[δt]是模型系數(shù)，假設(shè)服從ARMA（1，10）過(guò)程：

[δt=Λω+β?δt-1+α?110j=110u1，t-j-u2，t-j]? （11）

其中，[Λx=x2]，保證[δt∈0，∞]。

4. 時(shí)變SJC Copula模型。時(shí)變JC Copula模型表達(dá)式為：

[CJCt（u1，t，u2，t;τtU，τtL）=1-1-1-1-u1，tkt-γt+1-1-u2，tkt-γt-1-1/γt1kt]

（12）

其中，[kt≥1]，[γt>0]，且[kt=[log2（2-τtU）]-1]，[γt=[-log2（τtL）]-1]。由于JC Copula模型無(wú)法描述上尾相依和下尾相依的非對(duì)稱性，Patton（2006）[27]提出了時(shí)變SJC Copula模型：

[CSJCt（u1，t，u2，t;τtU，τtL）=CJCt（u1，t，u2，t;τtU，τtL）+CJCt（1-u1，t，1-u2，t;τtU，τtL）+u1，t+u2，t-12]

（13）

其中，[τtU]和[τtL]分別是上尾相依系數(shù)與下尾相依系數(shù)；假設(shè)服從ARMA（1，10）過(guò)程：

[τtU=ΛωU+βU?τt-1U+αU?110j=110u1，t-j-u2，t-jτtL=ΛωL+βL?τt-1L+αL?110j=110u1，t-j-u2，t-j]? （14）

其中，[Λx=1/1+e-x]，保證相依系數(shù)[τt∈0，1]。

本文采用極大似然法對(duì)時(shí)變Copula模型參數(shù)進(jìn)行估計(jì)，二維變量的聯(lián)合概率分布密度函數(shù)為[f（x1，t，x2，t;θt）=c（u1，t，u2，t;θt）p（x1，t）p（x2，t）]，其中，[p（x1，t）]，[p（x2，t）]是變量[x1]，[x2]的概率密度分布函數(shù)，可由GARCH模型擬合得到；[c（u1，t，u2，t；θt）]表示Copula模型的概率密度函數(shù)。因此，Copula模型的參數(shù)集[Θ]可根據(jù)極大似然函數(shù)求出：

[Θ=argmaxt=1Tlnf（x1，t，x2，t;θt）=argmaxt=1Tlnc（u1，t，u2，t;θt）p（x1，t）p（x2，t）=argmaxt=1Tlni=12p（xi，t）+t=1Tlnc（u1，t，u2，t;θt）]

（15）

（三）條件風(fēng)險(xiǎn)與風(fēng)險(xiǎn)溢出度量

本文采用CoVaR方法度量油價(jià)結(jié)構(gòu)沖擊條件下亞太股市與我國(guó)股市的風(fēng)險(xiǎn)（Tobias和Brunnermeier，2016）[28]。CoVaR是指在一個(gè)變量發(fā)生損失大小為VaR的條件下，另一個(gè)變量的最大可能損失。假設(shè)[rStock，t]是股市在[t]時(shí)刻的收益率，[rOil，t]是油價(jià)沖擊在[t]時(shí)刻的變化率，當(dāng)油價(jià)沖擊處于極端下行風(fēng)險(xiǎn)條件時(shí)：

[PrrStock，t≤CoVaRStockβ，t|rOil，t≤VaROilα，t=β]? （16）

其中，[CoVaRStockβ，t]表示當(dāng)置信水平為[1-β]且油價(jià)沖擊變化不超過(guò)[VaROilα，t]時(shí)，股市的條件在險(xiǎn)價(jià)值，也稱作股市的下行風(fēng)險(xiǎn)；[VaROilα，t]是油價(jià)沖擊的變化率分布的[α]分位點(diǎn)，也稱作油價(jià)沖擊的下行風(fēng)險(xiǎn)。類似地，當(dāng)油價(jià)沖擊處于極端上行風(fēng)險(xiǎn)條件時(shí)：

[PrrStock，t≥CoVaRStock1-β，t|rOil，t≥VaROil1-α，t=1-β]? （17）

其中，[CoVaRStock1-β，t]表示當(dāng)置信水平為[β]且油價(jià)沖擊變化不超過(guò)[VaROil1-α，t]時(shí)，股市的條件在險(xiǎn)價(jià)值，也稱股市的上行風(fēng)險(xiǎn)；[VaROil1-α，t]是油價(jià)沖擊的變化率分布的[1-α]分位點(diǎn)，也稱油價(jià)沖擊的上行風(fēng)險(xiǎn)。根據(jù)Copula函數(shù)定義，[CoVaRStockβ，t]與[CoVaRStock1-β，t]可由下式得到：

[CFStock，t（CoVaRStockβ，t），F(xiàn)Oil，t（VaROilα，t）=αβ]? ?（18）

[CFStock，t（CoVaRStock1-β，t），F(xiàn)Oil，t（VaROil1-α，t）=（1-α）（1-β）]? ?（19）

其中，[FStock，t（?）]和[FOil，t（?）]是股市和油價(jià)沖擊的邊緣分布函數(shù)。本文采用兩步法求解CoVaR：第一步，根據(jù)式（18）和式（19）求出[FStock，t（CoVaRStockβ，t）]和[FStock，t（CoVaRStock1-β，t）]的值；第二步，通過(guò)反函數(shù)[F-1Stock，tFStock，t（?）]計(jì)算出[CoVaRStockβ，t]和[CoVaRStock1-β，t]。

另外，本文還引入ΔCoVaR方法以度量從正常狀態(tài)過(guò)渡到極端狀態(tài)時(shí)油價(jià)結(jié)構(gòu)沖擊對(duì)兩地區(qū)股市風(fēng)險(xiǎn)溢出的變化情況（Jiang和Ye，2022）[15]。下行[ΔCoVaRStock|Oilβ，t]被定義為在油價(jià)沖擊的變化率從正常狀態(tài)（[α=0.5]）到下行極端狀態(tài)（[α=0.05]）的情況下，股市的CoVaR變化值；上行[ΔCoVaRStock|Oilβ，t]被定義為在油價(jià)沖擊的變化率從正常狀態(tài)（[α=0.5]）到序列極端狀態(tài)（[α=0.95]）的情況下，股市的CoVaR變化值。下行和上行的極端風(fēng)險(xiǎn)溢出變化[ΔCoVaR]具體表達(dá)式如下：

[ΔCoVaRStock|Oil（α=0.05）β，t=CoVaRStock|Oil（α=0.05）β，t-CoVaRStock|Oil（α=0.5）β，tCoVaRStock|Oil（α=0.5）β，tΔCoVaRStock|Oil（α=0.95）β，t=CoVaRStock|Oil（α=0.95）β，t-CoVaRStock|Oil（α=0.5）β，tCoVaRStock|Oil（α=0.5）β，t]（20）

三、實(shí)證結(jié)果與分析

（一）樣本數(shù)據(jù)選擇與描述

為得到日度頻率的油價(jià)結(jié)構(gòu)沖擊，本文選取世界綜合油氣生產(chǎn)商指數(shù)、NYMEX原油價(jià)格指數(shù)和美國(guó)股市隱含波動(dòng)指數(shù)VIX，相關(guān)數(shù)據(jù)來(lái)源于Datastream和芝加哥期權(quán)交易所（CBOE）網(wǎng)站。股票市場(chǎng)方面，本文選取摩根士丹利編制的MSCI亞太地區(qū)指數(shù)及我國(guó)上海證券綜合指數(shù)作為研究樣本，相關(guān)數(shù)據(jù)來(lái)源于萬(wàn)得數(shù)據(jù)庫(kù)。MSCI亞太地區(qū)指數(shù)是投資界使用最廣泛的、代表整個(gè)亞太地區(qū)資本市場(chǎng)表現(xiàn)的參考指數(shù)。將兩地區(qū)指數(shù)對(duì)比，可以直觀反映出中國(guó)股市與亞太地區(qū)股市的表現(xiàn)差異，進(jìn)而研判中國(guó)股市在亞太地區(qū)的角色定位。另外，由于石油輸出國(guó)組織集體采取限制產(chǎn)量的行動(dòng)，全球石油價(jià)格從1999年起進(jìn)入大幅震蕩期，油價(jià)變化給各國(guó)市場(chǎng)帶來(lái)的沖擊也更加明顯（Scholtens和Yurtsever，2012）[29]，因此，本文數(shù)據(jù)選取區(qū)間為1999年4月1日—2022年12月31日，共5574個(gè)交易日。將數(shù)據(jù)定義為[rt=100×ln（Pt/Pt-1）]，其中，[rt]和[Pt]定義為第t日的對(duì)數(shù)收益率和指數(shù)價(jià)格，各序列波動(dòng)情況如圖1所示?？梢钥闯?，在2008年全球金融危機(jī)、2020年新冠疫情暴發(fā)前后，各序列都呈現(xiàn)較為劇烈的波動(dòng)，可能存在明顯的風(fēng)險(xiǎn)溢出。

通過(guò)計(jì)算，式（1）系數(shù)矩陣中的系數(shù)估計(jì)值分別為：[a22=1.4196]，[a23=2.0598]，[a33=-14.5392]，限于篇幅，估計(jì)過(guò)程備索。表1給出了各序列的描述性統(tǒng)計(jì)結(jié)果，可以看到，各序列均呈現(xiàn)左偏、有峰特征。各項(xiàng)檢驗(yàn)結(jié)果也表明，各序列均拒絕服從正態(tài)分布的假設(shè)，數(shù)據(jù)平穩(wěn)，具有顯著的波動(dòng)聚集效應(yīng)，這與大多數(shù)金融數(shù)據(jù)的特性相符。

（二）油價(jià)結(jié)構(gòu)沖擊對(duì)亞太和中國(guó)股市的影響

本節(jié)構(gòu)建回歸模型考察油價(jià)結(jié)構(gòu)沖擊對(duì)亞太和中國(guó)股市的影響。表2為不同油價(jià)結(jié)構(gòu)沖擊對(duì)亞太股市影響的回歸結(jié)果，其中第（1）—（4）列沒有考慮控制變量，第（5）—（8）列加入了控制變量APt-1。從單一沖擊結(jié)果來(lái)看，供給沖擊對(duì)亞太股市的影響系數(shù)為負(fù)，但并不顯著；需求沖擊和風(fēng)險(xiǎn)沖擊對(duì)亞太股市的影響均顯著為正，證明兩類沖擊引起的油價(jià)上漲能顯著提高亞太股市的收益。將三類沖擊納入同一方程以及控制亞太股市過(guò)去的影響后，結(jié)果依舊穩(wěn)健。

表3為不同油價(jià)結(jié)構(gòu)沖擊對(duì)中國(guó)股市影響的回歸結(jié)果，其中第（1）—（4）列沒有考慮控制變量，第（5）—（8）列加入了控制變量CHIt-1。可以看出，油價(jià)結(jié)構(gòu)沖擊對(duì)中國(guó)股市與亞太股市的影響效應(yīng)相似，需求沖擊和風(fēng)險(xiǎn)沖擊引起的油價(jià)上漲能顯著提高中國(guó)股市收益，但供給沖擊產(chǎn)生的影響非常有限。

根據(jù)回歸結(jié)果我們發(fā)現(xiàn)：第一，需求沖擊引起的油價(jià)上漲能給兩地區(qū)股市帶來(lái)正面影響，這與Broadstock和Filis（2014）[11]的發(fā)現(xiàn)相同。我們認(rèn)為，亞太地區(qū)是全球經(jīng)濟(jì)最具活力的增長(zhǎng)帶，而中國(guó)是全球僅次于美國(guó)的第二大經(jīng)濟(jì)體，快速的經(jīng)濟(jì)增長(zhǎng)與龐大的體量都意味著對(duì)石油的巨大需求。盡管需求沖擊帶來(lái)的油價(jià)上漲可能會(huì)造成微觀層面企業(yè)生產(chǎn)成本的上升，但這種影響通常會(huì)被經(jīng)濟(jì)繁榮帶來(lái)的積極效應(yīng)所抵消。第二，風(fēng)險(xiǎn)沖擊引起的油價(jià)上漲也會(huì)對(duì)兩地區(qū)股市產(chǎn)生正面影響，這一發(fā)現(xiàn)似乎與直覺相悖，但Kilian和Murphy（2014）[30]認(rèn)為，石油市場(chǎng)的金融投機(jī)行為引發(fā)的風(fēng)險(xiǎn)沖擊往往伴隨著投資者對(duì)石油價(jià)格上漲的預(yù)期，這種個(gè)人投資者的投機(jī)行為與對(duì)沖基金的參與會(huì)導(dǎo)致油價(jià)與股市一齊走高。第三，供給沖擊引起的油價(jià)上漲對(duì)兩地區(qū)股市的影響均不顯著，這與Wang等（2013）[9]和Cunado等（2015）[19]的發(fā)現(xiàn)相同。通常來(lái)說(shuō)，供給沖擊引起的油價(jià)上漲會(huì)給股市造成負(fù)面影響：一方面，供給沖擊帶來(lái)的油價(jià)上漲會(huì)增加以石油作為生產(chǎn)要素的公司的成本，造成公司的利潤(rùn)和利息下降，從而給公司收益帶來(lái)不利影響；另一方面，供給沖擊也會(huì)導(dǎo)致地區(qū)通貨膨脹率增加，貼現(xiàn)率下降，最終引起股票市場(chǎng)的負(fù)面反應(yīng)。然而，這種影響是有限的，因?yàn)閮H由供給沖擊引起的油價(jià)上漲會(huì)促使公司迅速尋找替代能源，以逐步適應(yīng)新的供給情況。只要公司在短時(shí)間內(nèi)能夠彌補(bǔ)需求缺口，就能減輕供給沖擊對(duì)公司利潤(rùn)造成的影響。

從基準(zhǔn)回歸結(jié)果可以看出，中國(guó)股市對(duì)油價(jià)結(jié)構(gòu)沖擊的反應(yīng)與亞太股市類似，并未顯示出明顯異質(zhì)性。但分析結(jié)果僅探究了二者間的線性關(guān)系，且系數(shù)只反映了油價(jià)結(jié)構(gòu)沖擊對(duì)兩地區(qū)股市的平均影響，未能厘清該影響的時(shí)變特征，從而難以確定中國(guó)股市在亞太地區(qū)的角色定位。因此，本文進(jìn)一步在油價(jià)沖擊的動(dòng)態(tài)溢出視角下探究亞太與中國(guó)股市的差異。

（三）油價(jià)結(jié)構(gòu)沖擊與亞太和中國(guó)股市的動(dòng)態(tài)相依性

本節(jié)考察油價(jià)結(jié)構(gòu)沖擊與兩地區(qū)股市間的動(dòng)態(tài)相依性。限于篇幅，GARCH模型擬合的參數(shù)估計(jì)結(jié)果備索?？梢钥闯?，核心參數(shù)在1%的置信水平下顯著，參數(shù)[α+β<1]且均接近1，所有序列的偏度和自由度均顯著，說(shuō)明采用GARCH模型擬合是穩(wěn)定合理的。另外，ARCH檢驗(yàn)顯示殘差序列已不存在波動(dòng)聚集效應(yīng)，K-S檢驗(yàn)顯示概率積分變換后的序列服從（0，1）上的均勻分布，為Copula相依性建模奠定了基礎(chǔ)。

風(fēng)險(xiǎn)溢出度量的關(guān)鍵在于能否準(zhǔn)確捕捉二者間的相依性。因此，本文選取四類時(shí)變Copula模型進(jìn)行相依性建模，并從中篩選出擬合效果最佳的模型以刻畫油價(jià)沖擊與股市間的相依性，具體包括時(shí)變Gaussian Copula模型、時(shí)變t Copula模型、時(shí)變Clayton Copula模型和時(shí)變SJC Copula模型。另外，本文還選取了上述模型對(duì)應(yīng)的靜態(tài)Copula模型作為參照。限于篇幅，參數(shù)估計(jì)結(jié)果備索，表4只展示最優(yōu)Copula模型及AIC值?？梢钥闯?，時(shí)變t Copula模型能更準(zhǔn)確地刻畫供給沖擊、需求沖擊與兩地區(qū)股市間的相依結(jié)構(gòu)；時(shí)變SJC Copula模型能更準(zhǔn)確地刻畫風(fēng)險(xiǎn)沖擊與亞太股市間的相依結(jié)構(gòu)；時(shí)變Clayton模型能更準(zhǔn)確地刻畫風(fēng)險(xiǎn)沖擊與中國(guó)股市間的相依結(jié)構(gòu)。

圖2展示了基于最優(yōu)Copula模型的三類油價(jià)結(jié)構(gòu)沖擊與兩地區(qū)股市間的動(dòng)態(tài)相依性?？梢钥闯觯旱谝?，供給沖擊與兩地區(qū)股市間的相依程度均較弱，始終在零軸附近波動(dòng)。這很好地解釋了基準(zhǔn)回歸的結(jié)果——供給沖擊變化對(duì)兩地區(qū)股市的影響不顯著。值得一提的是，中國(guó)股市與供給沖擊的相依程度始終弱于亞太股市，表明供給沖擊對(duì)中國(guó)股市的影響可能更有限。第二，需求沖擊與兩地區(qū)股市間的相依程度較強(qiáng)，且二者的相依曲線在三次重大突發(fā)公共事件（楊子暉等，2020）[31]發(fā)生時(shí)均會(huì)重合，說(shuō)明兩地區(qū)股市處于大熊市時(shí)，對(duì)需求沖擊的反應(yīng)可能高度相似。特別地，“一帶一路”倡議提出前后的相依曲線特征有明顯變化，在此之前，兩地區(qū)股市與需求沖擊的相依程度差別較大，但在此之后，二者走勢(shì)逐漸趨同。這可能源于中國(guó)在2013年9月提出的“一帶一路”倡議促進(jìn)了與沿線國(guó)家的油氣合作，強(qiáng)化了與亞太股市的協(xié)同效應(yīng)。因此，從需求沖擊可以明顯看出，中國(guó)股市在亞太地區(qū)的主導(dǎo)角色在2014年后逐漸成形。第三，風(fēng)險(xiǎn)沖擊與亞太股市的相依程度較強(qiáng)，但與中國(guó)股市的相依程度較弱，這充分說(shuō)明了風(fēng)險(xiǎn)沖擊聯(lián)動(dòng)亞太股市的主要根源不是中國(guó)股市。Cunado等（2015）[19]認(rèn)為，新加坡股市波動(dòng)是主導(dǎo)風(fēng)險(xiǎn)沖擊影響亞太地區(qū)的重要因素。新加坡作為亞太地區(qū)金融中心，國(guó)內(nèi)股市不僅對(duì)風(fēng)險(xiǎn)沖擊引起的油價(jià)上漲較為敏感，也會(huì)對(duì)亞太地區(qū)其他股市產(chǎn)生強(qiáng)烈的溢出效應(yīng)，從而推動(dòng)風(fēng)險(xiǎn)沖擊影響整個(gè)亞太股市，但中國(guó)股市受影響較小。值得一提的是，風(fēng)險(xiǎn)沖擊與亞太股市的相依曲線均在零軸上方，說(shuō)明風(fēng)險(xiǎn)沖擊導(dǎo)致的油價(jià)上漲總會(huì)提高亞太股市的收益。

（四）油價(jià)結(jié)構(gòu)沖擊對(duì)亞太和中國(guó)股市的極端風(fēng)險(xiǎn)溢出

基于動(dòng)態(tài)相依性的分析，本節(jié)考察油價(jià)結(jié)構(gòu)沖擊對(duì)亞太和中國(guó)股市的極端風(fēng)險(xiǎn)溢出?，F(xiàn)有研究主要聚焦于下行風(fēng)險(xiǎn)的測(cè)度，常常忽略上行風(fēng)險(xiǎn)的傳染關(guān)系（楊子暉和戴志穎，2023）[32]。因此，本文選取了4種指標(biāo)對(duì)風(fēng)險(xiǎn)溢出進(jìn)行度量，包括上行VaR、下行VaR、國(guó)際油價(jià)結(jié)構(gòu)沖擊條件下的上行CoVaR（以下簡(jiǎn)稱上行CoVaR）和國(guó)際油價(jià)結(jié)構(gòu)沖擊條件下的下行CoVaR（以下簡(jiǎn)稱下行CoVaR）。圖3是亞太股票市場(chǎng)的動(dòng)態(tài)VaR與CoVaR變化情況。

從下行風(fēng)險(xiǎn)看，供給沖擊、需求沖擊與風(fēng)險(xiǎn)沖擊條件下亞太股市的CoVaR與VaR均沒有明顯差異，表明三類沖擊均不能對(duì)亞太股市的下行風(fēng)險(xiǎn)產(chǎn)生實(shí)質(zhì)影響。

從上行風(fēng)險(xiǎn)看，供給沖擊條件下亞太股市的CoVaR與VaR沒有明顯差異，說(shuō)明亞太股市上行風(fēng)險(xiǎn)對(duì)供給沖擊不敏感。但在需求沖擊與風(fēng)險(xiǎn)沖擊條件下，亞太股市的CoVaR明顯大于VaR，說(shuō)明這兩類沖擊引起的油價(jià)上漲會(huì)顯著放大亞太股市的上行風(fēng)險(xiǎn)。特別地，當(dāng)大熊市開始時(shí)，風(fēng)險(xiǎn)沖擊條件下亞太股市的VaR與CoVaR會(huì)出現(xiàn)短暫重合，說(shuō)明突發(fā)事件使得風(fēng)險(xiǎn)沖擊對(duì)亞太股市的上行風(fēng)險(xiǎn)溢出減弱，即市場(chǎng)在風(fēng)險(xiǎn)沖擊條件下的收益會(huì)隨之減少。

類似地，本節(jié)還繪制了中國(guó)股市的VaR與CoVaR變化情況，如圖4所示。從下行風(fēng)險(xiǎn)看，供給沖擊和風(fēng)險(xiǎn)沖擊條件下中國(guó)股市的CoVaR與VaR沒有明顯差異，說(shuō)明中國(guó)股市下行風(fēng)險(xiǎn)對(duì)這兩類沖擊不敏感。需求沖擊條件下中國(guó)股市的CoVaR在全球金融危機(jī)時(shí)期明顯小于VaR，說(shuō)明在此期間，需求沖擊引起的油價(jià)上漲會(huì)顯著放大中國(guó)股市下行風(fēng)險(xiǎn)。

從上行風(fēng)險(xiǎn)看，供給沖擊條件下中國(guó)股市的CoVaR與VaR沒有明顯差異，說(shuō)明中國(guó)股市上行風(fēng)險(xiǎn)對(duì)供給沖擊不敏感。需求沖擊條件下中國(guó)股市的CoVaR明顯大于VaR，說(shuō)明需求沖擊引起的油價(jià)上漲會(huì)顯著放大中國(guó)股市的上行風(fēng)險(xiǎn)。風(fēng)險(xiǎn)沖擊條件下中國(guó)股市的CoVaR明顯小于VaR，說(shuō)明風(fēng)險(xiǎn)沖擊引起的油價(jià)上漲會(huì)顯著降低中國(guó)股市的上行風(fēng)險(xiǎn)。與亞太股市不同，當(dāng)大熊市開始時(shí)，需求沖擊條件下中國(guó)股市的VaR與CoVaR會(huì)出現(xiàn)短暫重合，說(shuō)明突發(fā)事件會(huì)使得需求沖擊對(duì)中國(guó)股市的上行風(fēng)險(xiǎn)溢出減弱，市場(chǎng)在需求沖擊條件下的收益也隨之減少。

綜合來(lái)看，亞太和中國(guó)股市對(duì)三類油價(jià)結(jié)構(gòu)沖擊的反應(yīng)有許多相似之處：第一，兩地區(qū)股市的上下行風(fēng)險(xiǎn)對(duì)供給沖擊均不敏感，下行風(fēng)險(xiǎn)對(duì)風(fēng)險(xiǎn)沖擊也無(wú)明顯反應(yīng)。第二，需求沖擊能放大兩地區(qū)股市的上行風(fēng)險(xiǎn)。第三，兩地區(qū)股市的上行風(fēng)險(xiǎn)總是顯著大于下行風(fēng)險(xiǎn)，呈現(xiàn)出明顯的非對(duì)稱特征。此外，亞太和中國(guó)股市對(duì)三類油價(jià)結(jié)構(gòu)沖擊的反應(yīng)還存在一些不同：第一，與亞太股市相比，中國(guó)股市風(fēng)險(xiǎn)值的波動(dòng)更為劇烈，這說(shuō)明在亞太地區(qū)，中國(guó)股市的風(fēng)險(xiǎn)承受能力相對(duì)薄弱。第二，需求沖擊對(duì)亞太股市的下行風(fēng)險(xiǎn)幾乎無(wú)影響，但在全球金融危機(jī)時(shí)期，卻能明顯放大中國(guó)股市的下行風(fēng)險(xiǎn)。這表明，該時(shí)期由于經(jīng)濟(jì)基本面惡化，市場(chǎng)對(duì)需求沖擊產(chǎn)生明顯的過(guò)度反應(yīng)，進(jìn)而使中國(guó)股市成為亞太地區(qū)主要的風(fēng)險(xiǎn)承載對(duì)象。第三，大熊市開始時(shí)，亞太股市的上行收益會(huì)因風(fēng)險(xiǎn)沖擊而減少，但中國(guó)股市的上行收益卻會(huì)因需求沖擊而減少?？梢钥闯?，市場(chǎng)下行時(shí)兩地區(qū)股市上行收益減少的成因不同，中國(guó)股市對(duì)需求沖擊更加敏感。第四，風(fēng)險(xiǎn)沖擊會(huì)放大亞太股市的上行風(fēng)險(xiǎn)，但會(huì)降低中國(guó)股市的上行風(fēng)險(xiǎn)。這充分說(shuō)明，風(fēng)險(xiǎn)沖擊條件下我國(guó)股市的角色定位較為獨(dú)立，市場(chǎng)對(duì)風(fēng)險(xiǎn)沖擊的反應(yīng)不同于其他主要股市。

關(guān)于差異的原因，我們認(rèn)為有以下三點(diǎn)：第一，發(fā)達(dá)國(guó)家是系統(tǒng)性金融風(fēng)險(xiǎn)的主要溢出方，發(fā)展中國(guó)家則是主要的風(fēng)險(xiǎn)接受方（楊科等，2023）[33]。目前，我國(guó)常處于風(fēng)險(xiǎn)凈溢入的狀況，國(guó)內(nèi)股市波動(dòng)極易受到外部風(fēng)險(xiǎn)溢入的影響。另外，投資者在各國(guó)股市的分散投資通常能降低亞太整體股市的極端風(fēng)險(xiǎn)。因此，與亞太地區(qū)整體股市相比，我國(guó)股市風(fēng)險(xiǎn)值波動(dòng)更為劇烈，常扮演被動(dòng)接受風(fēng)險(xiǎn)傳染的角色。第二，當(dāng)前我國(guó)股市依舊呈現(xiàn)散戶占比大、交易換手率高、易引發(fā)羊群效應(yīng)等特征（張一鋒等，2020）[34]，因此，在幾次大熊市時(shí)期，市場(chǎng)情緒通常非常悲觀，投資者可能會(huì)過(guò)度解讀由需求沖擊引起的油價(jià)上漲，從而減少投資、拋售股票（文鳳華等，2022）[26]，進(jìn)一步減少我國(guó)股市的上行收益，放大市場(chǎng)的下行風(fēng)險(xiǎn)。因此，我國(guó)股市在需求沖擊條件下，反應(yīng)異于整個(gè)地區(qū)，顯得不夠成熟。第三，國(guó)內(nèi)能源市場(chǎng)建設(shè)起步較晚，正處于發(fā)展初期，當(dāng)前我國(guó)仍未掌握亞太地區(qū)的能源定價(jià)權(quán)，因此，與亞太股市不同，我國(guó)股市只能被動(dòng)接受石油投機(jī)等產(chǎn)生的風(fēng)險(xiǎn)沖擊溢出。

進(jìn)一步，我們采用K-S方法檢驗(yàn)油價(jià)結(jié)構(gòu)沖擊對(duì)亞太和中國(guó)股市的風(fēng)險(xiǎn)溢出顯著性。對(duì)下行風(fēng)險(xiǎn)，我們提出原假設(shè)為[HD0]：[CoVaR0.05=VaR0.05]，則備擇假設(shè)為[HD1]：[CoVaR0.05≠VaR0.05]；對(duì)上行風(fēng)險(xiǎn)，我們提出原假設(shè)為[HU0]：[CoVaR0.95=VaR0.95]，則備擇假設(shè)為[HU1]：[CoVaR0.95≠VaR0.95]，檢驗(yàn)結(jié)果如表5所示，再次支持了上述發(fā)現(xiàn)與分析。

另外，本文還引入了ΔCoVaR方法，以度量從正常狀態(tài)過(guò)渡到極端狀態(tài)時(shí)三類油價(jià)結(jié)構(gòu)沖擊對(duì)兩地區(qū)股市風(fēng)險(xiǎn)溢出的變化幅度。限于篇幅，完整結(jié)果備索，這里僅展示兩地區(qū)上、下行ΔCoVaR的平均值，如圖5所示。整體來(lái)看，不論是亞太股市還是中國(guó)股市，上行ΔCoVaR均大于下行ΔCoVaR，表明在三類油價(jià)結(jié)構(gòu)沖擊下，兩地區(qū)股市的極端上行風(fēng)險(xiǎn)溢出的波動(dòng)更為劇烈。對(duì)比兩地區(qū)股市：從下行風(fēng)險(xiǎn)看，需求沖擊下中國(guó)股市的極端風(fēng)險(xiǎn)溢出波動(dòng)幅度更大，達(dá)到20.6%，而供給沖擊和風(fēng)險(xiǎn)沖擊下亞太股市的極端風(fēng)險(xiǎn)溢出波動(dòng)幅度更大，分別達(dá)到17.2%和14.3%，從上行風(fēng)險(xiǎn)看，三類油價(jià)結(jié)構(gòu)沖擊下亞太股市的極端風(fēng)險(xiǎn)溢出波動(dòng)幅度均更大，分別達(dá)到47.7%、50.8%和41.1%。數(shù)值更大則說(shuō)明極端情況與正常情況更具差異，換句話說(shuō)，在重大突發(fā)公共事件發(fā)生時(shí)，風(fēng)險(xiǎn)溢出強(qiáng)度會(huì)陡然增加，出現(xiàn)與平時(shí)不同的風(fēng)險(xiǎn)傳染狀態(tài)，實(shí)證結(jié)果符合前文分析。

四、結(jié)論與啟示

石油是現(xiàn)代工業(yè)社會(huì)最重要的原料，是關(guān)系國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展全局的重要戰(zhàn)略資源，兼有商品、金融和政治的三重屬性（宋加山等，2023）[35]。因此，油價(jià)變化給各國(guó)經(jīng)濟(jì)基本面與金融市場(chǎng)帶來(lái)的沖擊影響更明顯、成因更復(fù)雜。以往研究通常將油價(jià)沖擊歸因于供需關(guān)系的變化，可能忽視金融市場(chǎng)投機(jī)、地緣政治沖突、公共衛(wèi)生事件等風(fēng)險(xiǎn)沖擊。另外，已有文獻(xiàn)的研究對(duì)象主要聚焦于歐美發(fā)達(dá)國(guó)家或中東地區(qū)，對(duì)當(dāng)前高速發(fā)展的亞太地區(qū)關(guān)注較少，更是忽略了中國(guó)在亞太地區(qū)日益提升的影響力。鑒于此，本文對(duì)油價(jià)變化進(jìn)行結(jié)構(gòu)分解，探索油價(jià)結(jié)構(gòu)沖擊對(duì)亞太和中國(guó)股市的風(fēng)險(xiǎn)溢出效應(yīng)，以期研判該視角下中國(guó)股市在亞太地區(qū)的角色定位。

基于1999年4月1日—2022年12月31日的日度數(shù)據(jù)，本文先將油價(jià)變化分解為三類成因的結(jié)構(gòu)沖擊：供給沖擊、需求沖擊和風(fēng)險(xiǎn)沖擊?；鶞?zhǔn)回歸發(fā)現(xiàn)：供給沖擊對(duì)亞太和中國(guó)股市幾乎無(wú)影響，而需求沖擊與風(fēng)險(xiǎn)沖擊對(duì)兩個(gè)地區(qū)股市均有顯著的正向影響。鑒于基準(zhǔn)回歸結(jié)果僅探究二者間的線性關(guān)系，且系數(shù)未能厘清油價(jià)沖擊影響的時(shí)變特征，本文選擇動(dòng)態(tài)Copula模型對(duì)三類油價(jià)結(jié)構(gòu)沖擊與兩地區(qū)股市間的相依關(guān)系進(jìn)行刻畫，我們發(fā)現(xiàn)：供給沖擊與兩地區(qū)股市的相依性均較弱；風(fēng)險(xiǎn)沖擊與亞太股市相依性較強(qiáng)，與中國(guó)股市相依性較弱；而需求沖擊與兩地區(qū)股市間的相依程度均較強(qiáng)，且兩地區(qū)股市處于大熊市時(shí)，對(duì)需求沖擊的反應(yīng)高度相似。

進(jìn)一步，本文采用CoVaR方法考察油價(jià)結(jié)構(gòu)沖擊下亞太地區(qū)和中國(guó)股市的風(fēng)險(xiǎn)溢出。總的來(lái)說(shuō)，兩地區(qū)股市的上行風(fēng)險(xiǎn)總是顯著大于下行風(fēng)險(xiǎn)，呈現(xiàn)出明顯的非對(duì)稱特征，但中國(guó)股市風(fēng)險(xiǎn)值的波動(dòng)更為劇烈。從不同油價(jià)的沖擊類型看：第一，需求沖擊盡管能放大兩地區(qū)股市的上行風(fēng)險(xiǎn)，但對(duì)亞太股市的下行風(fēng)險(xiǎn)幾乎無(wú)影響，反而在全球金融危機(jī)爆發(fā)時(shí)，明顯放大中國(guó)股市的下行風(fēng)險(xiǎn)。第二，風(fēng)險(xiǎn)沖擊會(huì)放大亞太股市的上行風(fēng)險(xiǎn)，但會(huì)降低中國(guó)股市的上行風(fēng)險(xiǎn)。第三，大熊市開始時(shí)，亞太股市的上行收益會(huì)因風(fēng)險(xiǎn)沖擊減少，但中國(guó)股市的上行收益卻會(huì)因需求沖擊減少。最后，本文采用ΔCoVaR方法度量極端情況發(fā)生時(shí)三類油價(jià)結(jié)構(gòu)沖擊對(duì)兩地區(qū)股市風(fēng)險(xiǎn)溢出的變化幅度，結(jié)果再次佐證了以上分析。

根據(jù)上述實(shí)證結(jié)果，我們發(fā)現(xiàn)：盡管我國(guó)經(jīng)濟(jì)在亞太地區(qū)的推動(dòng)和引領(lǐng)作用已十分明顯，但由于我國(guó)仍是“發(fā)展中國(guó)家大家庭的一員”，且股市仍存在理念不成熟、信息不透明、監(jiān)管不到位等問(wèn)題（歐陽(yáng)資生等，2023）[36]，我國(guó)股市在亞太地區(qū)仍扮演被動(dòng)著接受風(fēng)險(xiǎn)傳染的角色。從需求沖擊看，“一帶一路”倡議的提出促進(jìn)了我國(guó)與沿線國(guó)家的油氣合作，加強(qiáng)了我國(guó)股市與亞太股市的協(xié)同效應(yīng)，但也使我國(guó)股市成為亞太地區(qū)主要的風(fēng)險(xiǎn)承載對(duì)象，股市收益易受到需求變化引起的油價(jià)上漲的影響。從風(fēng)險(xiǎn)沖擊看，我國(guó)股市在亞太地區(qū)的角色定位較為獨(dú)立。盡管不是聯(lián)動(dòng)亞太股市波動(dòng)的主要源頭，但由于國(guó)內(nèi)能源市場(chǎng)還不夠完善，我國(guó)股市沒能獲得油價(jià)風(fēng)險(xiǎn)沖擊帶來(lái)的部分紅利。進(jìn)一步結(jié)合上下行風(fēng)險(xiǎn)、重大突發(fā)公共事件爆發(fā)等因素分析，我們發(fā)現(xiàn)上述結(jié)論依舊成立。因此，在加強(qiáng)與其他亞太國(guó)家經(jīng)濟(jì)聯(lián)系的同時(shí)，健全資本市場(chǎng)、提振投資信心以及前瞻性預(yù)警亞太地區(qū)的油價(jià)波動(dòng)風(fēng)險(xiǎn)，對(duì)夯實(shí)我國(guó)經(jīng)濟(jì)治理話語(yǔ)權(quán)、拓展我國(guó)經(jīng)濟(jì)發(fā)展空間很有必要。

基于以上研究結(jié)論，本文提出以下啟示：

第一，鑒于需求沖擊對(duì)我國(guó)股市的影響，監(jiān)管部門應(yīng)當(dāng)更好識(shí)別由需求沖擊引起的油價(jià)變化，提前布局金融風(fēng)險(xiǎn)溢入的監(jiān)管辦法。另外，鑒于需求沖擊在大熊市期間的下行風(fēng)險(xiǎn)傳染特征，監(jiān)管部門應(yīng)當(dāng)加強(qiáng)對(duì)該類沖擊下行風(fēng)險(xiǎn)溢出路徑的監(jiān)管，防止金融市場(chǎng)風(fēng)險(xiǎn)因需求沖擊進(jìn)一步放大擴(kuò)散。

第二，鑒于大熊市期間我國(guó)股市的過(guò)度震蕩，監(jiān)管部門應(yīng)當(dāng)及時(shí)提振市場(chǎng)預(yù)期，在市場(chǎng)低迷時(shí)，盡早發(fā)布信息、回應(yīng)市場(chǎng)關(guān)切，避免投資者情緒過(guò)度反應(yīng)從而誘發(fā)更大波動(dòng)。另外，監(jiān)管部門應(yīng)當(dāng)為公募基金、私募基金等機(jī)構(gòu)投資提供更好的制度環(huán)境，同時(shí)加強(qiáng)對(duì)個(gè)人投資者的相關(guān)知識(shí)培訓(xùn)，著力完善我國(guó)股市的持倉(cāng)和交易結(jié)構(gòu)。

第三，鑒于風(fēng)險(xiǎn)沖擊對(duì)亞太和中國(guó)股市的效應(yīng)不同，監(jiān)管部門需繼續(xù)加快建設(shè)上海原油期貨交易所等能源市場(chǎng)，盡早掌握亞太地區(qū)能源定價(jià)權(quán)，完善價(jià)格發(fā)現(xiàn)機(jī)制，降低市場(chǎng)不確定性，促進(jìn)我國(guó)股市早日與國(guó)際能源市場(chǎng)風(fēng)險(xiǎn)脫鉤，為我國(guó)實(shí)體經(jīng)濟(jì)高質(zhì)量發(fā)展提供扎實(shí)的金融支持。

參考文獻(xiàn)：

[1]Hamilton J D. 1983. Oil and the Macroeconomy Since World War II [J].Journal of Political Economy，91（2）.

[2]Papapetrou E. 2001. Oil Price Shocks，Stock Market，Economic Activity and Employment in Greece [J].Energy Economics，23（5）.

[3]Chen J，Zhang J. 2023. Crude Oil Price Shocks，Volatility Spillovers，and Global Systemic Financial Risk Transmission Mechanisms：Evidence from the Stock and Foreign Exchange Markets [J].Resources Policy，85.

[4]Jones C M，Kaul G. 1996. Oil and the Stock Markets[J].The Journal of Finance，51（2）.

[5]Nandha M，F(xiàn)aff R. 2008. Does Oil Move Equity Prices？ A Global View [J].Energy Economics，30（3）.

[6]Miller J I，Ratti R A. 2009. Crude Oil and Stock Markets：Stability，Instability，and Bubbles [J].Energy Economics，31（4）.

[7]Li S F，Zhu H M，Yu K. 2012. Oil Prices and Stock Market in China：A Sector Analysis Using Panel Cointegration with Multiple Breaks [J].Energy Economics，34（6）.

[8]Kilian L. 2009. Not All Oil Price Shocks are Alike： Disentangling Demand and Supply Shocks in the Crude Oil Market [J].American Economic Review，99（3）.

[9]Wang Y，Wu C，Yang L. 2013. Oil Price Shocks and Stock Market Activities：Evidence from Oil-Importing and Oil-Exporting Countries [J].Journal of Comparative Economics，41（4）.

[10]Cunado J，de Gracia F P. 2014. Oil Price Shocks and Stock Market Returns：Evidence for Some European Countries [J].Energy Economics，42.

[11]Broadstock D C，F(xiàn)ilis G. 2014. Oil Price Shocks and Stock Market Returns：New Evidence from the United States and China [J].Journal of International Financial Markets， Institutions and Money，33.

[12]Ji Qiang，Liu BingYue，Zhao WanLi，F(xiàn)an Ying. 2020. Modelling Dynamic Dependence and Risk Spillover Between all Oil Price Shocks and Stock Market Returns in the BRICS [J].International Review of Financial Analysis，68.

[13]楊子暉，周穎剛.全球系統(tǒng)性金融風(fēng)險(xiǎn)溢出與外部沖擊 [J].中國(guó)社會(huì)科學(xué)，2018，（12）.

[14]Ji Qiang，Liu BingYue，Nehler Henrik，Uddin Salah. 2018. Uncertainties and Extreme Risk Spillover in the Energy Markets： A Time-Varying Copula-based CoVaR Approach [J].Energy Economics，76.

[15]Jiang K，Ye W. 2022. Does the Asymmetric Dependence Volatility Affect Risk Spillovers Between the Crude Oil Market and BRICS Stock Markets？ [J].Economic Modelling，117.

[16]徐君，郭寶才.基于RT-GAS Copula模型的經(jīng)濟(jì)金融行業(yè)非對(duì)稱相依性及風(fēng)險(xiǎn)溢出研究 [J].統(tǒng)計(jì)研究，2023，40（05）.

[17]Tian M，Alshater M M，Yoon S M. 2022. Dynamic Risk Spillovers from Oil to Stock Markets：Fresh Evidence from GARCH Copula Quantile Regression-Based CoVaR Model [J].Energy Economics，115.

[18]Zhu HM， Li R， Li S. 2014. Modelling Dynamic Dependence Between Crude Oil Prices and Asia-Pacific Stock Market Returns [J].International Review of Economics & Finance，29.

[19]Cunado J，Jo S，de Gracia F P. 2015. Macroeconomic Impacts of Oil Price Shocks in Asian Economies [J]. Energy Policy，86.

[20]Razmi F，Azali M，Chin L，Habibullah S. 2016. The Role of Monetary Transmission Channels in Transmitting Oil Price Shocks to Prices in ASEAN-4 Countries During Pre-and Post-Global Financial Crisis [J].Energy，101.

[21]Zhang X，Baek J. 2022. The Role of Oil Price Shocks on Exchange Rates for the Selected Asian Countries： Asymmetric Evidence from Nonlinear ARDL and Generalized IRFs Approaches [J].Energy Economics，112.

[22]MeiSe Chien，ChienChiang Lee，TeChung Huc，HuiTing Hu. 2015. Dynamic Asian Stock Market Convergence：Evidence from Dynamic Cointegration Analysis Among China and ASEAN-5[J].Economic Modelling，51.

[23]唐振鵬，周熙雯，黃友珀，陳尾虹.基于小波方法的中國(guó)股市與亞太股市聯(lián)動(dòng)性實(shí)證研究 [J].中國(guó)管理科學(xué)，2015，23（S1）.

[24]Umar Z，Trabelsi N，Zaremba A. 2021. Oil Shocks and Equity Markets：The Case of GCC and BRICS Economies [J].Energy Economics，96.

[25]Ready RC. 2018. Oil Prices and the Stock Market[J].Review of Finance，22（1）.

[26]文鳳華，張敏芝，肖繼宏，尹華.基于新分解方法的油價(jià)結(jié)構(gòu)沖擊對(duì)中國(guó)股市收益影響研究 [J].系統(tǒng)工程理論與實(shí)踐，2022，42（8）.

[27]Patton A J. 2006. Modelling Asymmetric Exchange Rate Dependence [J].International Economic Review，47（2）.

[28]Tobias A，Brunnermeier M K. 2016. CoVaR [J]. American Economic Review，106（7）.

[29]Scholtens B，Yurtsever C. 2012. Oil Price Shocks and European Industries [J].Energy Economics，34（4）.

[30]Kilian L，Murphy D P. 2014. The Role of Inventories and Speculative Trading in the Global Market for Crude Oil [J].Journal of Applied Econometrics，29（3）.

[31]楊子暉，陳雨恬，張平淼.重大突發(fā)公共事件下的宏觀經(jīng)濟(jì)沖擊、金融風(fēng)險(xiǎn)傳導(dǎo)與治理應(yīng)對(duì) [J].管理世界，2020，36（5）.

[32]楊子暉，戴志穎.中國(guó)上下行風(fēng)險(xiǎn)的非對(duì)稱溢出沖擊研究——基于高頻數(shù)據(jù)合成網(wǎng)絡(luò)的分析 [J].中國(guó)工業(yè)經(jīng)濟(jì)，2023，（03）.

[33]楊科，郭亞飛，田鳳平.經(jīng)濟(jì)政策不確定性沖擊下全球系統(tǒng)性金融風(fēng)險(xiǎn)的跨市場(chǎng)傳染——基于TVP-FAVAR和TVP-VAR模型的研究 [J].統(tǒng)計(jì)研究，2023，40（7）.

[34]張一鋒，雷立坤，魏宇.羊群效應(yīng)的新測(cè)度指數(shù)及其對(duì)我國(guó)股市波動(dòng)的預(yù)測(cè)作用研究 [J].系統(tǒng)工程理論與實(shí)踐，2020，40（11）.

[35]宋加山，魏思峣，蔣坤良.哪些行業(yè)承載來(lái)自上海原油期貨市場(chǎng)更多的風(fēng)險(xiǎn)溢出 [J].貴州財(cái)經(jīng)大學(xué)學(xué)報(bào)，2023，（06）.

[36]歐陽(yáng)資生，陳世麗，楊希特，劉鳳根，周學(xué)偉.經(jīng)濟(jì)政策不確定性、網(wǎng)絡(luò)輿情與金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn) [J].管理科學(xué)學(xué)報(bào)，2023，26（04）.