中国股票市场板块间风险溢出效应研究——基于分位数回归的CoVaR模型

吴青峰

(福建师范大学经济学院 福建 福州 350117)

一、文献综述

随着金融全球化程度的不断加深，某一市场波动引发的风险往往会传染至其他市场。全球金融市场都同处一张网络之中，互有联系。因此，各金融市场间会存在各种风险传染问题，如2008次贷危机，于是人们开始反思对于风险的度量。但传统的VaR模型一般用于度量单个金融机构的风险，无法体现风险溢出方向。Adrian(2008)在风险溢出视角基础之上，提出了条件风险价值CoVaR的方法，从而有效解决了VaR存在低估风险的问题。

国外对于风险溢出效应的研究侧重于方差的波动方面。在国外的研究文献中，Hamao(1990)采用广义自回归条件异方差模型对全球主要的三个经济体(美、英、日)股票市场间的风险溢出程度、方向进行了研究，其结果表明，各股票市场的风险传导方向并非是双向的，存在单向传导。随着理论的不但完善发展，Dainelsson(2000)利用极值理论对各金融市场间的风险传导、预测进行了更好的研究。VaR方法此后成为衡量市场风险的主流方法，但VaR方法在衡量具有“尖峰厚尾”的金融数据上存在无效性的问题，容易忽略各市场之间的风险的大小。此后，Adian首次提出了条件风险价值模型,即CoVaR。国内，毛菩和罗猛(2011)在CoVaR模型的基础上，对我国证券业、银行业的风险联动关系进行了研究，主要侧重在风险传染方向上，其结果表明二者之间存在正向溢出效应；随着多变量波动性模型的广泛应用，王丁(2012)采用多变量波动性模型研究了我国股票市场板块间的波动溢出效应，其结果表明不同主板市场间存在显著的双向波动溢出效应。

二、研究方法

(一)条件风险价值(CoVaR)理论

VaR广泛应于与风险管理和测度中，中文名为风险价值，表明市场板块(或金融体系)在某一特定置信水平(1%，5%，10%)下可能发生的最大损失。由于传统的VaR模型忽略了市场板块(或金融市场)之间的风险溢出效应，无法对不同市场之间的风险溢出方向进行有效的衡量，而更多的学者研究更侧重于风险的传染路径、预测、预警，因此Adrian(2008)首次提出了CoVaR模型，以衡量系统性风险，且采用分位数回归对CoVaR模型进行初步有效估计。

(二)分位数回归方法测度CoVaR值

Koenker和Bassett在1978年提出了分位数回归。其原理在于，将自变量的分位数(25%、10%、5%等)得到与因变量的条件分布相对应的分位数方程。分位数回归满足普通最小二乘估计的基本假设(线性假定、严格外生效、球型扰动项等)。普通OLS更注重的是均值回归，因此容易受到极端数据的影响，导致回归结果有较大偏差，相较而言，分位数回归更适合呈现“尖峰厚尾”、“非对称”等特征的金融数据，因此不易受到极端值的影响，较为稳健，从而更能精确的描述自变量分布形状的影响。例如，研究市场板块i在陷入危机时，对市场板块j(或对金融体系)所造成的风险溢出效应，本文首先用Xi来代表市场板块i的收益率，用Xj表示市场板块j的收益率，那么可以建立以下分位数回归模型

三、实证结果与分析

(一)样本数据的基本特征

结合实际情况，本文分别选取了沪深300指数(hs300)、中小板指数(zxb)和创业板指数(cyb)分别作为沪深主板市场、中小板市场和创业板市场代表性指数。鉴于不同的市场板块指数的发布时间均有所不同，所以在处理数据时提出了不匹配数据，并且从时间最早的股票市场指数开始计算。所有市场的指数数据均来源于东方财富Choice数据库。

对2010年6月1日至2019年8月30日沪深300指数(hs300)、中小板指数(zxb)和创业板指数(cyb)做图分析。可知，在2015年前后，各股票市场的平均波动幅度有较大差异，2015年之前，三个股票市场板块波动幅度均小于2015年之后，且中小板市场的波动幅度最大，沪深300次之。对每日收益率进行差分处理。根据全样本Stata统计描述结果，创业板平均收益率相对最高，而中小板的平均收益率最低。3个市场板块数据均为“尖峰厚尾”且都不服从正态分布。对所有市场的收益率的进行平稳性检验，ADF统计量均在1%水平上拒绝存在单位根的原假设。上述三个股票市场板块数据均呈现出波动聚集和异方差特征，因此很适合采用分位数回归对其进行估计。

(二)分位数回归结果

首先，根据分位数回归以获得CoVaR的参数，为方便分析，采用上标数字1代表沪深主板市场,用上标2代表中小板市场，用上标3代表创业板市场。通过设置不同的分位数水平来代表金融市场不同的状态，为了对比，本文将金融市场处于极端状态的分位数水平分别设为5%、1%，将金融市场处于正常状态的分位数水平设为50%，即q=0.05、q=0.01代表了该金融市场处于危机状态，q=0.5代表了该金融市场处于正常健康的状态。根据分位数回归结果，基于CoVaR模型的各个股票市场板块指数收益率方程的分位数回归系数均在1%的水平上显著。在不同的分位数水平下，无论是沪深主板、还是中小板和创业板，它们处于风险水平时，与该状态下各股票市场板块的条件在险价值都是正相关的，而且从整体上来看，沪深主板市场对另外的中小板市场和创业板市场具有较大溢出效应，中小板市场居中，最后是创业板市场。

(三)CoVaR计算结果及风险溢出程度

结合分位数回归得出的系数估计值，带入公式中，将市场板块指数收益率序列从小到大排序，取对应分位的数值，再将α和β的估计值代入公式，即可算出VaR的值。最后依次计算出CoVaR、ΔCoVaR和%ΔCoVaR的值。

首先，根据股票市场板块的VaR值结果，随着分位数水平的增大，从q=0.01到q=0.05的过程中，VaR的绝对值均减小，即极端情况下各股票市场板块风险均有所增加，其次，对比股票市场板块的CoVaR值的结果，VaR值较CoVaR值均偏小，可见VaR会低估市场所遭受的风险程度，因为VaR指标不能很好地刻画出市场面对极端风险冲击时，可能存在的风险溢出效应。相较而言，CoVaR更适应极端值理论，从而能更有效衡量波动溢出效应。ΔCoVaR衡量的是市场板块间的风险溢出程度，根据股票市场板块的ΔCoVaR值结果，无论是在q=0.01还是在q=0.05的分位数水平下，沪深主板市场对其他板块市场的风险溢出力度最大，ΔCoVaR均值分别为-1.685、-1.088。此外，在q=0.01的分位数水平下，我国股票市场板块间的风险溢出程度要明显大于在q=0.05的分位数水平下的风险溢出程度。由股票市场板块的CoVaR值结果可以初步得出结论：沪深主板市场对中小板市场、创业板市场的冲击力度最大,且在极端风险条件下，各股票市场板块所面临的风险程度更高。

四、结论

本文基于中国股票市场板块指数日收益率数据，通过分位数回归法，以衡量沪深主板市场、中小板市场、创业板市场风险程度，进而算出各股票市场板块间的风险溢出效应。从实证结果可知，我国各股票市场板块之间均具有双向非对称的正溢出效应，且沪深主板市场对于中小板市场、创业板市场的溢出效应均大于二者对于沪深主板市场的溢出效应，可见，目前主板市场对中小板和创业板起主导作用说明沪深主板市场较之中小板市场、创业板市场，具备更完善的风险抵御能力，相反，中小板市场、创业板市场则更应加强风险监管，尤其是防范来自沪深主板市场的风险。其次，在不同极端风险水平下(q=0.01 0.05)，相应股票市场板块的VaR绝对值均小于CoVaR绝对值，说明VaR可能低估了各股票市场板块所遭受的风险，对于金融监管部门而言，往往更注重于对风险的度量、传导、预警这一整个流程，其焦点往往集中于金融市场中各经济体所构成的一个系统整体之上，CoVaR模型相较于传统的VaR，能更有效的衡量金融系统性风险，以及极端风险冲击下的市场间波动溢出方向、程度等，这对于风险管理与决策的精确施行具有很好的参考作用。