基于EVT-Copula-CoVaR模型的“一带一路”沿线国家股市风险溢出效应研究

王皓晔　杨坤

摘   要：随着“一带一路”倡议的不断推进，沿线各国的经济融合度不断提高，资本流动规模的增大将对各国股市间的风险溢出造成重要影响。本文从“一带一路”倡议实施的角度，运用EVT-Copula-CoVaR模型对沿线国家间股市风险溢出进行刻画，从而探讨不同时期内各国股市间风险溢出状态的变化。研究结果表明：我国股票市场与沿线其他国家股票市场间具有双向的、非对称的风险溢出效应;“一带一路”倡议的推行增大了我国与沿线其他国家股市间的风险溢出强度，也就是说，当沿线其他国家股市处于极端风险情况时，我国股票市场受到冲击的概率将增大;倡议实施后，沿线东南亚国家对我国股市表现出了相对较高的风险溢出水平。

关键词：一带一路;风险溢出;条件风险价值;极值理论;Copula

中图分类号：F832.5   文献标识码：A  文章编号：1674-2265（2019）09-0079-07

DOI：10.19647/j.cnki.37-1462/f.2019.09.011

一、引言

自习近平总书记在2013年下半年提出建设“一带一路”合作倡议以来，沿线国家的经济贸易往来日益频繁，在基础设施建设、金融合作等方面逐渐形成了更加开放的国际投资贸易新格局。2015年3月28日，我国发布《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》文件，标志着“一带一路”倡议正式进入实施阶段（刘洪铎和蔡晓珊，2016），即利用技术和资本优势，为沿线投资贸易和金融发展打开新的空间，继而带动区域经济协同发展。随后，我国在沿线其他国家的贸易规模不断扩大，2018年我国与沿线其他国家货物贸易进出口总额达到1.3万亿美元，同比增长16.3%，占外贸总值的27.4%，这表明我国与沿线其他国家的经济互动持续深化，跨境资本流动规模不断增大。通常来讲，随着经济联系的日益紧密，市场间的风险传导也将呈现出增强的趋势（蒋志平等，2014;周开国等，2018），进而导致金融市场不稳定，这不仅会给金融机构带来冲击，也将影响到实体经济的良性发展。“一带一路”倡议的深入实施，一方面极大地促进了沿线各国贸易经济发展，另一方面我国股市与沿线其他国家股市的融合程度必然会加深，那么沿线各国股市间的风险溢出程度是否有所变化？一旦沿线其他国家市场发生极端风险，我国受到危机传染的可能性是否会增大？研究“一带一路”倡议对沿线国家股市间的风险溢出效应的影响，有助于揭示沿线各国间股市风险溢出状态的变化趋势，为沿线各国经济平稳发展和“一带一路”政策的稳步推进提供重要参考。

近年来，随着经济一体化程度的加深以及金融全球化速度的加快，单个市场的风险往往会在局部迅速发酵，向其他市场溢出，并广泛传播，形成大范围的金融风险传染。因此，风险溢出的测度问题成为学术界研究的焦点。在测度金融市场风险溢出效应的计量方法中，Adian和Brunnermeier（2008）提出的CoVaR（条件风险价值）方法能够充分考虑金融市场系统性风险的动态变化，也有效地改善了金融市场的风险预测问题，因而被广泛应用于风险溢出的研究领域（陈建青等，2015;Gideon和Paul，2017）。目前，关于CoVaR的计算主要集中在三个方面：第一，结合分位数回归技术估计CoVaR。曾裕峰等（2017）利用多元分位数回归技术建立CoVaR 模型框架，以此估算出美国和中国香港对中国A股市场的尾部风险溢出效应影响最大。欧阳资生和莫廷程（2017）、Anastassios等（2015）认为通过分位数回归能准确地估计金融市场的CoVaR。第二，基于多元GARCH模型计算CoVaR。严伟祥等（2017）通过DCC-GARCH-CoVaR模型度量了各金融子市场的风险溢出强度，指出不同子市场之间的风险溢出程度具有一定的动态性。戚逸康等（2018）通过BEKK-GARCH-CoVaR模型定量分析认为，房地产板块对于股市的风险溢出在不同时期具有不同表现，在房地产市场热门时期风险溢出强度最大。Girardi和Ergün（2013）認为将GARCH模型和CoVaR方法结合能够更加准确地测算金融风险溢出效应。第三，基于Copula模型度量CoVaR。Walid等（2017）将Copula模型和CoVaR方法用于研究股票市场和原油市场之间的风险溢出效应，研究发现股票市场和原油市场的尾部相依关系显著，且存在不对称的风险溢出效应。周爱民和韩菲（2017）、Xiaoye Jin（2018）等认为将Copula函数引入CoVaR模型能够有效测度股票市场、股票现货市场等金融子市场的极端风险溢出大小。

然而值得注意的是，金融市场之间的相关性常常表现为非线性，使得风险并非以线性方式传染。利用分位数回归估算CoVaR的方法仅在度量线性风险溢出上表现突出（李丛文和闫世军，2015）;多元GARCH模型需要满足多元正态分布的假设，这一前提对于刻画复杂的金融市场相依关系过于严格（吴吉林等，2015）;而Copula函数在描绘相关性时具有较强的灵活性，因此，结合Copula函数进行研究能在描述多个股票市场的相依关系时具有更好的表现，提高了风险溢出测度的准确性（史永东等，2013）。王周伟等（2014）对这三种计算方法进行了比较，指出通过Copula模型度量金融子市场之间的风险溢出效应更有效。此外，由于金融时间序列的尾部往往代表发生概率小的极端风险损失，而这类风险很可能会对经济造成严重损失，因此，在刻画市场间相依关系时，尾部相关特征值得重点探讨。其中，极值理论（EVT）在不用假设总体分布的情况下直接对序列尾部进行建模，可以避免分布假设的问题，从而能够更加准确地刻画序列尾部的情况（Abhay等，2013;Samit和Prateek，2017;杨坤等，2017）。周孝华和陈九生（2016）、刘晓星等（2011）的研究进一步表明，结合EVT极值理论的Copula-CoVaR模型能够有效测度极端市场情形下的风险溢出效应，并且该方法在描绘厚尾分布时，在一定程度上克服了其他方法的不足。

综合来看，学者们在股票市场的风险溢出方面做了非常有益的探索和研究，并且指出在Copula-CoVaR模型的基础上引入EVT模型能够更准确地刻画和预测股市的极端风险溢出效应。此外，多数文献的研究焦点只是聚集在我国股市以及发达国家股市，“一带一路”倡议对沿线国家股市极端风险溢出效应的影响是未知的。鉴于此，本文选取新加坡、印度、泰国、俄罗斯、波兰以及中国6个“一带一路”沿线国家的股票市场指数为研究对象，运用EVT-Copula-CoVaR模型着重探讨各个股市两两间的风险溢出强度的变化趋势。对于各股指收益，首先运用ARMA（1，1）-EGARCH（1，1）-t模型过滤和EVT模型构建边缘分布;再分别拟合8种不同Copula函数，通过AIC或BIC准则选取拟合度最佳的函数，用以刻画股票市场两两间的相依关系;在此基础上，采用蒙特卡洛模拟计算VaR，最后求得 CoVaR，然后相应地计算出风险溢出大小。由此可见，本文结合“一带一路”倡议，定量分析沿线各国的风险溢出效应，在一定程度上能够更加科学地揭示出“一带一路”倡议对沿线各国股市间的风险溢出效应的影响，使得研究结论更具有说服力。

三、实证分析

（一）数据与描述性统计分析

“一带一路”倡议促进了我国与沿线其他国家的贸易往来，其中，新加坡、印度和泰国与我国的贸易额远远超过其他国家，其金融体系的波动势必会影响国家之间的贸易合作。同时，俄罗斯和波兰作为“一带一路”建设中连接欧亚大陆的枢纽，与我国的经贸往来也日益密切（曹伟等，2016;李敬等，2017）。因此，本文选取上证综合指数（SZ）、新加坡富时指数（STI）、孟买敏感指数（SENSEX）、泰国综合指数（SETI）、俄罗斯指数（RTS）以及华沙指数（WIG）作为代表，取其每日收盘价作为各国股票市场的原始样本。数据的时间跨度为2012年05月01日到2017年11月15日，此时间段涵盖了“一带一路”倡议正式实施前后的时段，并且在此期间，我国和沿线其他国家股票市场波动剧烈。所有数据均来源于万得数据库。本文采用对数收益率进行研究，对各国股票指数收盘价[pt]取对数乘以100，具体计算公式如下：

去除股指收益率[Rt]中交易日不一致的观测样本，最后得到每种指数观测样本1124个。为了比较“一带一路”倡议实施前后风险溢出效应的变化情况，根据“一带一路”倡议从2015年3月28日起正式实施，将样本数据分为两个阶段，1—592组数据为第一阶段样本（倡议正式实施前），593—1124组数据为第二阶段样本（倡议正式实施后）。分析过程中使用的软件主要为RStudio、S-Plus8.0和Eviews8.0。

考虑到文章篇幅，本文在此仅给出第一阶段样本的描述性统计分析和边缘分布拟合结果。从表1的基本描述性统计中可以看出，各收益率序列表现出一定的左偏或右偏，峰度系数均大于3，呈现出“尖峰厚尾”的形态，且均不服从正态分布。

由于各收益率序列不服从正态分布，进一步检验各收益率序列的平稳性和ARCH效应，结果如表2所示。结果表明在1%的显著性水平下各收益率序列是平稳序列。除了第一阶段中的WIG和第二阶段中的SENSEX以外，其他股票市场都存在ARCH效应。

（二）结合EVT构建边缘分布

结合各序列的“尖峰”“偏态”“波动丛集”等特征，并且股票序列通常存在杠杆效应，本文使用ARMA（1，1）-EGARCH-t（1，1）模型捕捉序列特征，并且提取出标准残差序列。根据EVT模型要求序列满足或近似满足独立同分布特征，因此，本文对获取的标准残差序列进行BDS检验，如表3所示。

根据BDS检验结果可知，在1%的显著性水平下各标准残差序列服从i.i.d，因此，运用EVT模型进一步构建边缘分布，尾部阈值与模型的参数估计结果展示于表4中。

（三）利用Copula函数捕捉相依结构

通过EVT模型确定边缘分布后，本文建立并比较了常用的8种Copula函数，根据AIC或BIC原则从其中选择拟合度最好的函数，拟合结果见表5。从表5中可以看出，由于我国股票市场与沿线其他国家的相依结构不同，得到的最优Copula也不同。与倡议实施前相比，倡议实施后我国与沿线其他国家股市的相依关系发生变化，且下尾相关系数明显增大，即表明股票市场之间的风险溢出效应显著增强。换而言之，当沿线其他国家股市处于极端风险情况时，我国股票市场受到冲击的概率将增大，这可能是由于我国在沿线其他国家建立多个经贸合作区，促使沿线各国与我国的经济联系愈来愈紧密，股票市场之间的影响加劇。

（四）CoVaR的计算结果及分析

分别计算两个阶段各子市场的VaR、CoVaR、反映风险溢出大小的[ΔCoVaR]以及反映风险溢出强度的%[Δ]CoVaR，计算结果见表6和表7。从表6和表7可以看出：

1. 无论是“一带一路”倡议实施前，还是倡议实施后，我国与沿线其他国家股票市场之间存在双向的风险溢出效应。同时，我国与沿线其他国家两两间的风险溢出效应表现出一定的非对称性。国家之间的经济发展水平不平衡、资本管控政策和投资规模是造成这种现象的主要原因。就倡议实施后来看，新加坡对我国股市的风险溢出强度为64.937%，大于反方向的溢出，这与新加坡股市一直以来是亚洲股市中风险源头之一的事实相符合。另外，新加坡虽然经济发达，但是其有限的资源使得我国在其境内的投资比较单一，资本影响范围较小，这在一定程度上会导致两国之间出现非对称的风险溢出效应。

2. 与“一带一路”倡议实施前相比，在倡议实施后，不仅我国对沿线其他国家股票市场的风险溢出强度增大，沿线其他国家对我国股市的风险溢出强度也显著增大，这表明“一带一路”倡议的推行增大了我国与其他沿线国家股市间的风险溢出强度。在欧洲区域中，俄罗斯对我国股票市场的风险溢出强度由27.504%增加至48.211%，这表明俄罗斯股市与我国股市的风险关联性增加。俄罗斯作为世界主要经济体之一，也是关系友好的邻国，同我国有着密切的贸易往来。由于俄罗斯资源丰富，我国在其国内的投资更具多样性，经济融合度在不同程度上不断提升。俄罗斯由于自身体制、同西方国家的政治冲突等原因，其经济局势波动性较大，虽然我国股票市场对资本严格管控，但是受到其极端风险波及的可能性会随着“一带一路”的深入明显提高。倡议实施前波兰与我国股票市场的风险溢出强度较小，仅为19.969%，这一比例在倡议实施后攀升至33.823%。作为“一带一路”倡议欧洲区域的重要一环，由于地理区域以及经济体较小的原因，其风险由“一带一路”经济合作走廊传到我国会在一定程度上减弱。但是我国想要加快中欧货运班列的建设，势必会加大欧洲区域沿线国家与我国的贸易合作程度，企业投资使大量我国资本进入欧洲市场，这在一定程度上提高资本交流深度，增大了风险溢出的强度。

3. 倡议实施后，沿线东南亚国家对我国股市表现出了相对较高的风险溢出水平。自“一带一路”倡议提出后，我国沿线其他国家通过项目投资带动区域经济增长，資本融合度不断提高，经济相依关系更加紧密。东南亚沿线国家紧邻我国，同时，作为“一带一路”跨出国门的第一站，我国对区域内国家的直接投资规模非常大。“一带一路”实施以后，我国作为泰国第二大投资来源国，两者之间在货币、金融等方面的合作层次不断加深，导致泰国对我国的风险溢出效应最大。可见，“一带一路”倡议给沿线其他国家的经济发展带来巨大的机遇，彰显了我国的金融力量，但是也使得我国的金融市场不可避免地面临更大的风险，且风险溢出的变化趋势不容忽视。

四、结论及建议

“一带一路”倡议是我国利用自身的资本和技术优势促进区域、跨区域合作的顶层合作倡议，对于重塑国际网络化经济架构具有至关重要的作用。随着倡议的深入实施，一方面，沿线各国的资本流动更加频繁，给各国经济贸易发展带来更积极的驱动因素;另一方面，这加深了我国股市融入全球金融市场的程度，给我国经济稳定增加了不确定性。因此，“一带一路”倡议对于风险溢出效应的影响值得风险管理者和政策制定者更加重视。本文采用EVT-Copula-CoVaR模型更加有效地刻画我国与沿线其他国家股票市场两两间的风险溢出效应，利用风险溢出强度更直观地显示“一带一路”不同时期内沿线国家间股票市场风险溢出状态的变化。

研究结果表明，我国与沿线其他国家具有双向的、非对称的正向风险溢出效应。值得注意的是，与“一带一路”倡议实施前相比，在倡议实施后，不仅我国对沿线其他国家股票市场的风险溢出强度增大，沿线其他国家对我国的风险溢出效应也显著增强，也就是说，“一带一路”倡议的深化促使我国与沿线其他国家股市间的风险溢出效应加剧。此外，倡议实施后，沿线东南亚国家对我国股市表现出了相对较高的风险溢出水平。在“一带一路”的背景下，东南亚国家的区域优势使得我国对其的投资保持较大规模;与此同时，我国对俄罗斯和波兰的投资大大增加，一定程度上加深了跨区域国家对我国金融市场的影响。虽然我国股票市场有较为严格的资本准入制度，但是也应当对区域、跨区域风险传导加以防范。因此，金融监管当局应当密切关注欧洲和东南亚沿线各国的形势，严格把控沿线各国同我国在金融项目方面的合作，优化投资的空间布局。此外，密切关注沿线国家与我国的资本交流形势，从而降低外来资本对我国股票市场的影响，严防沿线各国的极端风险情况造成我国金融市场的严重损失，从而促进“一带一路”倡议健康持续发展。

参考文献：

[1]Adrian T.，Brunnermeier M. K. 2008. CoVaR[R]. Federal Reserve Bank of New York Staff Reports，NO.348.

[2]Gideon Boako，Paul Alagidede. 2017. Examining Evidence of‘Shift-contagionin African Stock Markets： A CoVaR-copula Approach[J].Review of Development Finance，7（2）.

[3]Anastassios A. Drakos，Georgios P. Kouretas. 2015. Bank Ownership，Financial Segments and the Measurement of Systemic Risk： An Application of CoVaR[J].International Review of Economics and Finance，40.

[4]Giulio Girardi， A. 2013. Tolga Ergün. Systemic Risk Measurement：Multivariate GARCH Estimation of CoVaR[J].Journal of Banking & Finance，37（8）.

[5]Walid Mensi，Shawkat Hammoudeh，Syed Jawad Hussain Shahzad，Muhammad Shahbaz. 2017. Modeling Systemic Risk and Dependence Structure Between Oil and Stock Markets Using A Variational Mode Decomposition-based Copula Method[J].Journal of Banking and Finance，75.

[6]Xiaoye Jin. 2018. Downside and Upside Risk Spillovers from China to Asian Stock Markets：A CoVaR-copula Approach[J].Finance Research Letters，25.

[7]Abhay K. Singh，David E. Allen，Powell J. Robert.  2013. Extreme Market Risk and Extreme Value Theory[J]. Mathematics and Computers in Simulation，94.

[8]Samit Paul，Prateek Sharma. 2017. Improved VaR Forecasts Using Extreme Value Theory with the Realized GARCH model[J].Studies in Economics and Finance，34（2）.

[9]Pickands Ⅲ J. 1975. Statistical Inference Using Extreme Order Statistics[J].The Annals of Statistics，3（1）.

[10]Balkema A A，De Haan L. 1974. Residual Life Time at Great Age[J].Annals of Probability，2（5）.

[11]DuMouchel W H. 1983. Estimating the Stable index A in Order to Measure Tail Thickness： A Critique[J].The Annals of Statistics，11（4）.

[12]Sklar A. 1973. Random Variables， Joint Distribution Functions，and Copulas. Kybernetika[J].9（6）.

[13]刘洪铎，蔡晓珊.中国与“一带一路”沿线国家的双边贸易成本研究[J].经济学家，2016，（7）.

[14]蒋志平，田益祥，杜学锋.中国与欧美金融市场间传染效应的动态演变——基于欧债危机与次贷危机的比较分析[J].管理评论.2014，26（8）.

[15]周开国，杨海生，伍颖华.中国香港股票市场的溢出效应和收益引导角色——基于亚太地区股票市场的分析[J].管理科学学报，2018，21（5）.

[16]陈建青，王擎，许韶辉.金融行业间的系统性金融风险溢出效应研究[J].数量经济技术经济研究，2015，32（9）.

[17]曾裕峰，温湖炜，陈学彬.股市互联、尾部风险传染与系统重要性市场——基于多元分位数回归模型的分析[J].国际金融研究，2017，（9）.

[18]歐阳资生，莫廷程.基于广义CoVaR模型的系统重要性银行的风险溢出效应研究[J].统计研究，2017，34（9）.

[19]严伟祥，张维，牛华伟.金融风险动态相关与风险溢出异质性研究[J].财贸经济，2017，38（10）.

[20]戚逸康，袁圆，李连发.我国房地产板块与整体股市的溢出效应以及风险相关性——来自实证分析的证据[J].上海经济研究，2018，（6）.

[21]周爱民，韩菲.股指期货与现货市场的风险溢出研究[J].财贸经济，2017，38（8）.

[22]李丛文，闫世军.我国影子银行对商业银行的风险溢出效应——基于GARCH-时变Copula-CoVaR模型的分析[J].国际金融研究，2015，（10）.

[23]吴吉林，陈刚，黄辰.中国A、B、H股市间尾部相依性的趋势研究——基于多机制平滑转换混合Copula模型的实证分析[J].管理科学学报，2015，18（2）.

[24]史永东，丁伟，袁绍锋.市场互联、风险溢出与金融稳定——基于股票市场与债券市场溢出效应分析的视角[J].金融研究，2013，（3）.

[25]王周伟，吕思聪，茆训诚.基于风险溢出关联特征的CoVaR计算方法有效性比较及应用[J].经济评论，2014，（4）.

[26]杨坤，于文华，魏宇.基于R-vine copula的原油市场极端风险动态测度研究[J].中国管理科学，2017，25（8）.

[27]周孝华，陈九生.基于Copula-ASV-EVT-CoVaR模型的中小板与创业板风险溢出度量研究[J].系统工程理论与实践，2016，36（3）.

[28]刘晓星，段斌，谢福座.股票市场风险溢出效应研究：基于EVT-Copula-CoVaR模型的分析[J].世界经济，2011，（11）.

[29]曹伟，言方荣，鲍曙明.人民币汇率变动、邻国效应与双边贸易——基于中国与“一带一路”沿线国家空间面板模型的实证研究[J].金融研究，2016，（9）.

[30]李敬，陈旎，万广华，陈澍.“一带一路”沿线国家货物贸易的竞争互补关系及动态变化——基于网络分析方法[J].管理世界，2017，（4）.

Abstract：With the advancement of the Belt and Road Initiative，the economic integration between the countries along the route are gradually improved. The increasing capital flows has a significant impact on the risk spillover of stock markets of different countries. From the perspective of the Belt and Road Initiative implementation，this paper uses the EVT-Copula-CoVaR model to depict the risk spillovers between the stock markets along the route. The result shows that there is two-way and positive risk spillover effect between the domestic stock market and the one of the countries along the route;the Belt and Road Initiative can promote the risk spillovers between Chinese and other stock markets along the route. In other words，the probability of China's stock market being exposed to risk will increase when other stock markets are in extreme risk. After the Initiative carrying out，Southeast Asian countries along the route shows relatively higher risk spillovers to our stock market.

Key Words：the Belt and Road，risk spillover，CoVaR，extreme value theory，Copula

（责任编辑    耿   欣;校对   GX）