“ 一带一路 ” 沿线国家股市间风险溢出效应研究

魏 宇，孙应玥

（云南财经大学 金融学院，云南 昆明650221）

股票市场是国民经济发展的晴雨表，更是进行资源优化配置和企业融资的重要渠道。近年来，全球性的极端风险事件甚至极端危机频发，举例来说：2008年由美国次贷危机演变而来的全球金融危机、由于欧佩克在原油不减产情况下降低油价导致的2014年石油危机、存在泡沫与高杠杆的2015年中国股灾、2020年全球新冠肺炎疫情造成的经济停滞等等。这些极端风险事件对世界金融体系以及各经济体都造成了较大程度的冲击，对全球经济格局也造成了不容小觑的影响与改变。由于经济全球化和金融市场间融合度不断加深，金融风险能够从一个国家或地区迅速传导至另一国家或地区。因此，特定金融市场的极端价格波动风险不仅会影响到该市场或地区内部的稳定，而且会给其他金融市场或地区造成影响与冲击。

2013年，习近平主席在访问中亚和东南亚时，提出 “ 一带一路 ” 倡议，得到世界各国的积极响应。在2015年的博鳌亚洲论坛上，国家发改委正式发布了《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》， “ 一带一路 ” 倡议正式拉开了历史序幕。截至目前，已有138个国家和31个国际组织与我国签署了201份 “ 一带一路 ” 相关合作文件。2020年前三季度，我国对沿线国家进出口总额已达9 600多亿美元。这表明 “ 一带一路 ” 倡议不仅具有战略前瞻性，同时能够加深我国与沿线其他国家的经济交流、扩大贸易往来，进一步增强了我国与其他沿线国家的资本流通程度。

“ 一带一路 ” 倡议提出后，我国与沿线各国的资本流动更加迅速，经济关联性得到加强，我国股市与沿线其他国家的股市融合度不断加深。因此，研究 “ 一带一路 ” 倡议提出前后我国与沿线国家股市间的风险溢出效应，不仅能够呈现沿线各国间股市风险溢出效应的变化趋势，为我国与沿线各国不断推进经贸合作发展和改进完善 “ 一带一路 ” 政策提供参考依据；而且对金融监管当局来说，有助于进一步理清 “ 一带一路 ” 沿线国家股市间的风险传导原理，清晰地把握风险溢出效应的相关理论机制，分析市场间风险溢出的传染路径，从而为监管当局丰富监管方式、完善监管体系提供科学的理论和实践决策依据。

一、文献综述

近年来，随着全球经济和金融一体化程度不断加深，各国市场间的风险传染，特别是极端风险传染逐步增强，市场之间呈现出更加复杂的相依性结构与风险溢出效应。由于研究相依性与风险溢出不仅能够反映金融市场的运行质量、方式与效率，而且可以捕捉市场的不确定性，众多研究者对此展开了一系列探索（Wen等①Wen W，Wei Y，Huang D， “ Measuring Contagion Between Energy Market and Stock Market During Financial Crisis:A Copula Approach ” ，Energy Economics，vol.34，No.5，2012，pp.1435-1446.；张金凤和马薇②张金凤，马薇：《石油价格波动与股票市场波动的相关性研究》，《统计与决策》2016年第9期，第153-156页。；Wei等③Wei Y，Qin S.，Li X.，Zhu S，Wei G.， “ Oil Price Fluctuation,Stock Market and Macroeconomic Fundamentals:Evidence from China Before and After the Financial Crisis ” ，Finance Research Letters，vol.30，2019，pp.23-29.），例如，姬强和范英④姬强，范英：《次贷危机前后国际原油市场与中美股票市场间的协动性研究》，《中国管理科学》2010年第6期，第42-50页。使用基于动态条件相关的多元GARCH模型研究了国际原油市场与中美股市之间的波动溢出和导向性。在测度风险溢出前，捕捉两两市场的相关性关系到后续度量风险溢出是否准确。但传统的线性刻画方式无法分析复杂的金融市场，容易造成与事实不符的现象。因此为准确捕捉收益率序列之间的相依性，描述不同市场之间的联结关系，1973年，Sklar⑤Sklar A， “ Random Variables，Joint Distribution Functions and Copulas ” ，Kybernetika，vol.9，No.6，1973，pp.449-460.提出了Copula函数，为分析联合分布提供了一个强大而灵活的工具。该方法分为二元Copula、时变Copula和藤Copula（于波⑥于波：《Copula函数模型的选择》，《统计与决策》2009年第14期，第153-154页。）三种运用。在二元Copula函数应用方面，庞海峰等⑦庞海峰，刘振亮，庞舒月：《基于Copula函数的深港通开通前后沪港股市相关性分析》，《哈尔滨商业大学学报》（社会科学版）2017年第4期，第77-84页。采用二元t-Copula函数测度深港通开通前后两地股市的联动性；Manner et al.⑧Manner H.，Segers J.， “ Tails of Correlation Mixtures of Elliptical Copulas ” ，Insurance：Mathematics and Economics，vol.48，2011，pp.153-160.运用Gaussian和student’t-copulas，估计市场极端风险。在时变Copula函数运用方面，Naeem et al.⑨Naeem M.，Umar Z.，Ahmed S.，Ferrouhi E.， “ Dynamic Dependence Between ETFs and Crude Oil Prices by Using EGARCH-Copula Approach ” ，Physica A，vol.557，2020，pp.1-15.运用时变SJC-Copula分别对金融市场进行研究分析，并探讨整体相关与尾部相关。在藤Copula函数运用方面，Constantino et al.⑩Constantino M.，Candido O.，Borges E.，Silva T.，Tabak B.， “ Modeling Vine-Production Function:An Approach Based on Vine Copula ” ，Physica A，vol.531，2019，pp.1-8.运用藤copula对巴西、美国、德国和英国上市公司的数据进行了高维实证分析。

以往研究中，洪永淼等⑪洪永淼，成思危，刘艳阳：《中国股市与世界其他股市之间的大风险溢出效应》，《经济学》2008年第3期，第703-726页。、魏宇⑫⑬魏宇：《金融市场的收益分布与EVT风险测度》，《数量经济技术经济研究》2006年第4期，第101-110页。和Yang et al.⑭Yang K.，Wei Y.，Li S.，He J.， “ Asymmetric Risk Spillovers Between Shanghai and Hong Kong Stock Markets Under China’s Capital Account Liberalization ” ，North American Journal of Economics and Finance，vol.51，2020，pp.1-12.采用VaR模型分析我国金融子市场以及其他国家金融市场风险特征，但VaR方法一般只能衡量单一市场或投资组合自身的风险，而无法捕捉不同市场间的风险溢出效应。2008年，Adian和Brunnermeier提出CoVaR方法，弥补了VaR方法的不足，能有效改善以往方法无法刻画市场风险传染的问题。2015年我国股市波动加剧， “ 系统性风险 ” 成为市场重点关注对象，不同市场之间的风险溢出受到越来越多的关注。因此无论是各类投资者还是市场监管者，近年来都对系统性风险保持高度的关注。研究人员也将目光放在跨地区或跨市场的风险传染上，现有研究大多使用CoVaR进行风险溢出效应研究（谢福座⑮谢福座：《基于CoVaR方法的金融风险溢出效应研究》，《金融发展研究》2010年第6期，第59-63页。；Girardi et al.⑯沈虹，邢荧：《基于CoVaR方法的中美股市风险溢出效应研究》，《会计之友》2017年第16期，第14-16页。；陈建青等⑰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》，《数量经济技术经济研究》2015年第9期，第90-101页。）。

关于CoVaR的计算主要围绕三个方法展开。第一，分位数回归-CoVaR，沈虹和邢荧⑱沈虹，邢荧：《基于CoVaR方法的中美股市风险溢出效应研究》，《会计之友》2017年第16期，第14-16页。、苏宏波和胡丽宁⑲苏宏波，胡丽宁：《沪、港股市风险溢出效应研究——基于沪港通实施前后比较分析》，《华北金融》2019年第8期，第12-16页。皆运用分位数回归-CoVaR模型展开研究。前者观察中美股市之间的△CoVaR，即风险溢出程度，认为当分位数增大时，中国股市对美国股市的风险溢出效应将随之增加，但美国股市对中国股市的风险溢出增加更加明显。后者则研究沪港通实施对沪、港两地股市的风险溢出效应影响，并对比沪港通政策实施前后沪、港两地股市之间的风险溢出差别。关于CoVaR计算的第二个主要方面是多元GARCH-CoVaR。Trabelsi⑳Trabelsi N.， “ Tail Dependence Between Oil and Stocks of Major Oil-E xporting Countries Using the CoVaR Approach ” ，Borsa Istanbul Review，vol.4，2017，pp.228-237.运用DCC-MVGARCH方法和CoVaR方法研究中东石油输出国家和俄罗斯的石油冲击与股票指数之间的负尾部风险依赖关系，认为其尾部具有显著的依赖性。唐燕和彭选华①唐燕，彭选华：《比特币现货市场与期货市场的风险溢出效应——基于动态CoVaR模型的研究》，《武汉金融》2020年第9期，第25-31页。构建DCC-MVGARCH-GJR-CoVaR模型，研究了比特币与比特币期货价格之间的关系，并分析其市场间的非对称性、联动性以及风险溢出的时变性。第三个方法是Copula-CoVaR。对于这方面的研究，大部分是与GARCH模型和EVT极值理论相结合。其中，周爱民和韩菲②周爱民，韩菲：《股票市场和外汇市场间风险溢出效应研究——基于GARCH-时变Copula-CoVaR模型的分析》，《金融市场》2017年第11期，第54-64页。将GARCH与时变Copula-CoVaR模型结合，度量内地与香港股市、汇市四个市场的两两风险溢出效应，研究发现，股市和汇市间的风险溢出方向是时变的；且风险溢出效应的大小由同类型、同地区、跨地区与跨市场依次递减。张艾莲和靳雨佳③张艾莲，靳雨佳：《金融子市场的系统性风险溢出效应》，《财经科学》2018年第10期，第1-11页。基于Copula-CoVaR方法，研究发现股市与汇市具有双向且负向的风险溢出效应，并进一步观察其极端风险溢出效应。杨坤等④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》，《中国管理科学》2017年第8期，第19-29页。与王皓晔和杨坤⑤王皓晔，杨坤：《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》，《金融发展研究》2019年第9期，第79-85页。在使用GARCH模型后都将EVT极值理论纳入测算。前者研究分析全球六大原油市场间的相依性，运用描述高维市场间相依性的藤Copula，并使用VaR与ES模型，分析整体极值风险相关性，描述尾部极值风险相关性。后者进行二元Copula-CoVaR模型构建，研究 “ 一带一路 ” 沿线国家间股市整体相关性、尾部相关性和风险溢出，分析不同时期各国股市间风险溢出不同之处。

综上所述，学者们在金融市场的风险溢出方面展开了多方位研究，并且有研究表明，运用Copula-CoVaR模型能够更准确地描述金融市场的极端风险溢出效应（张家臻⑥张家臻：《论三种ΔCoVaR模型度量中国银行业系统性风险的最佳选择》，《广西大学学报》（哲学社会科学版）2018年第3期，第40-48页。）。进一步，国内外学者在 “ 一带一路 ” 倡议的基础上展开了多方面研究（陆亚琴和顾伟⑦陆亚琴，顾伟：《 “ 孟中印缅 ” 经济走廊倡议促进中国对外直接投资了吗?——基于倍差法的实证研究》，《云南财经大学学报》2021年第2期，第30-41页。；尹忠明和秦蕾⑧尹忠明，秦蕾：《文化距离对中国入境旅游的影响——以 “ 一带一路 ” 沿线国家为例》，《云南财经大学学报》2020年第11期，第90-99页。；刘清杰等⑨刘清杰，任德孝，刘倩：《FDI对 “ 一带一路 ” 沿线国家经济增长的空间溢出效应——一个基于区域外部性的扩展模型》，《云南财经大学学报》2020年第4期，第36-50页。），且在沿线国家风险溢出方面进行了许多探讨，取得了一部分有益成果，但随着新冠肺炎疫情的爆发以及国际形势的变化，现有研究还有一些亟待进一步解决的问题。与现有文献相比，本文的贡献在于：在研究视野上，本文以 “ 一带一路 ” 沿线国家作为研究对象，不局限于对中美股市、汇市和原油市场等的研究，拓宽了研究视野。在研究样本时间上，不同于以往文献仅从 “ 一带一路 ” 倡议提出前后的短期角度进行研究，本文考察了倡议提出前后较长的时间区间，样本囊括了多次极端风险事件，分析了在极端风险下倡议的提出给沿线国家股市的风险传染效应带来了何种新的变化。对比倡议前后沿线国家股市间风险溢出的差异，在时间维度与事件维度上更具有说服力。在研究方法上，本文采用TGARCH模型构建边缘分布，运用对相关性建模更具灵活性的Copula函数计算我国股市与沿线各国股市的CoVaR，能够通过TGARCH模型捕捉股市波动风险的非对称与杠杆效应。

本文的结构如下：第一部分为文献综述，回顾关于股市、Copula函数以及CoVaR方法的文献，提出本文可能的贡献点。第二部分是本文的研究方法描述，阐述了本文使用的GARCH模型、Copula函数以及CoVaR方法理论。第三部分实证分析，分为数据选取与处理、TGARCH模型拟合边缘分布、最优Copula拟合以及CoVaR计算分析四个小节，对比了倡议提出前后的两个区间内的股市相依性及风险溢出情况。第四部分是本文的结论与政策建议。

二、研究方法

（一）TGARCH-Copula模型

建立Copula模型前，应先构建GARCH模型拟合边缘分布。由于GARCH模型在时间序列波动率方面具有显著优势，有学者在标准GARCH模型的基础上进行了大量的补充和改进，形成了多种形式的GARCH族模型，考虑到TGARCH模型能解释序列之间存在的非对称现象与 “ 杠杆效应 ” ，一般GARCH模型无法描述。且根据金融时间序列 “ 尖峰、厚尾、非正态 ” 的特征，假设误差项服从学生t分布。因此，本文首先构建ARMA(1,1)-TGARCH(1,1)-t模型：

其中，公式（1）为均值方程，公式（2）为残差方程，公式（3）为方差方程；t表示为第t时期，σt表示第t期的条件标准差，zt为第t期的标准残差，v为学生t分布的自由度；γ为杠杆系数，Nt-1是关于第t-1期的残差是否为负数的虚拟变量。

其次，构建Copula模型。与传统相关性建模相比，Copula函数具有明显优势：第一，进行单变量边缘分布构建时，能够灵活的 “ 连接 ” 各个单变量分布；第二，能计算非线性的Spearman和Kendall系数，对金融市场相关性的度量更加准确；第三，不仅能描述整体非线性关系，还能描述尾部风险，即两个变量的联合极值运动。Copula函数C表达式如下：

该公式表示，将两个连续随机变量X和Y的边缘分布连接为FXY(x,y)，其中FX(x)和FY(y)分别为X和Y的边缘分布函数。

由于本文主要研究我国股市分别与 “ 一带一路 ” 沿线国家股市的关系，因此仅需运用二元Copula。常见的二元Copula函数主要有：Gaussian Copula、Student-t Copula、Clayton Copula、Gumbel Copula、Frank Copula、BB1 Copula、BB6 Copula、BB7 Copula和BB8 Copula等。并依据AIC、BIC或Loglikelihood准则进行判断，从上述9种Copula函数中选择两两市场间的最优Copula函数。

（二）风险溢出效应计算

CoVaR，即条件在险价值，是一种在VaR的基础上衡量不同市场间风险溢出效应的方法。该方法既弥补了VaR方法容易低估损失的不足，又能够测度我国与其他国家或地区发生极端风险时所带来的影响。因此，为分析 “ 一带一路 ” 倡议提出前后几次极端风险期间我国与沿线国家股市间的风险溢出效应，本文采用CoVaR方法度量。当i与j分别表示金融市场i与金融市场j时，CoVaR可以表示如下：

公式（5）表示在1-α的置信水平下，当金融市场i在t时刻处于无条件风险时，其他金融市场j可能面临的条件风险为。且由上式可知，计算条件在险价值前，应先计算无条件在险价值。本文结合ARMA(1,1)-TGARCH(1,1)-t模型拟合的边缘分布，据此通过蒙特卡洛模拟对进行测算：

其中，ut表示收益率序列的条件均值，qi(α)表示在α显著水平下的模拟分位数。当j代表整个金融行业或整体金融机构时，能将总的风险价值分解成无条件在险价值与溢出风险价值溢出风险价值表示金融市场i处于极端风险时，对金融市场j的风险溢出效应大小，也即金融市场j的无条件在险价值变化，具体表达式如下：

公式（8）表示在金融市场i处于极端风险时，其对金融市场j的风险溢出强度。

三、实证分析

（一）数据选取与处理

1.数据选取及说明

本文选取的研究对象为 “ 一带一路 ” 沿线涉及的7个主要国家股票市场，包括东亚、东南亚与东欧地区以及我国股票市场，数据指标介绍如表1所示：

表1 数据指标说明

样本区间为2006年1月4日—2020年11月20日。在模型拟合前，首先进行数据处理，取样本区间内各个市场每日收盘价，将其转化为收益率，计算公式如下：

由于各个市场交易日与节假日并不完全对称，因此删除数据中交易日不一致的观测样本，最后得到各个股市观测样本总量为3 617组，其总体观测值时序图如图1：

图1 “ 一带一路 ” 沿线7国股市收益时序图

如图1所示，在总体观测值期间，有两次剧烈波动时期，分别为2008年金融危机时期与2020年新冠肺炎疫情时期；一次较大波动时期，即2014—2015年石油危机与我国股市的剧烈波动时期。因此选取该区间内数据观察在极端风险情况下我国与其他国家股市的风险溢出效应，具有较好的代表性。

2.描述性统计

为比较极端风险情况下， “ 一带一路 ” 倡议实施前后我国股市与沿线国家风险溢出效应差异，本文根据 “ 一带一路 ” 倡议首次提出时间2013年9月7日，经过各个市场收益率计算后，将总体样本数据分为两个阶段。第一阶段为2013年9月7日倡议提出前，时间区间为2006年1月5日至2013年9月6日，样本观察量为1 864；第二阶段为2013年9月7日倡议提出后，时间区间为2013年9月9日至2020年11月20日，样本观察量为1 753；总体样本观察量为3 617。收益率数据的描述性统计如表2所示：

表2 描述性统计

根据表2可知，在总体观测与分阶段观测中，各个序列均值接近于0，且第一阶段各序列标准差大于第二阶段，即第一阶段市场波动更为剧烈，这与第一阶段内2008年发生全球性金融危机这一事实吻合。从偏度、峰度等指标来看，样本数据基本左偏；峰度皆大于3，表明所选国家的股市收益率序列均呈现 “ 尖峰、厚尾 ” 的特征。从J-B统计量来看，选取的序列均具有 “ 非正态 ” 特征。由ADF检验统计量可知，数据平稳。从Q(20)统计量的结果来看，在滞后20阶时，序列具有较为显著的自相关性，而ARCH检验统计量表明，在滞后20阶的情况下，分阶段观测时各序列基本都具有显著的波动异方差特征。

（二）边缘分布估计

由于股票市场具有尖峰、厚尾和波动杠杆效应，本文选择ARMA(1,1)-TGARCH(1,1)-t模型，对各个收益率序列进行边缘分布估计，结果如表3：

表3 边缘分布估计

如表3所示，除我国股市以外，其他国家股市收益率在总体估计与分阶段估计中杠杆系数γ均显著不为0。其中，总体估计与第一阶段估计中韩国与印度股市杠杆效应相对较大；第二阶段估计中，杠杆效应较大的是俄罗斯与印度股市。同时，所有股市的方差模型系数显著，大部分参数在10%的置信水平上显著。对该模型提取的标准残差序列进行检验，KS检验与BDS检验通过，表明标准残差序列在1%的显著水平上服从独立同分布，经过经验分布概率积分变换的标准残差序列基本在1%的显著水平上服从（0,1）均匀分布。因此，ARMA(1,1)-TGARCH(1,1)-t模型构建边缘分布求得的标准残差序列以及经过经验分布概率积分变换后的序列有效，该模型的构建是合理的，可以对标准残差变换后的序列进行Copula建模。

（三）最优Copula选取及联动性结构

由于倡议提出前后发生风险情况下时 “ 一带一路 ” 沿线国家股市的相依结构不同，其两两之间的Copula函数也不尽相同。本文根据AIC最小准则，拟合得出表4中两两股市之间的最优Copula函数，进一步计算Kendall相关系数。并且，由选取的最优Copula可知，描述我国股市与沿线其他国家股市结构一般为Gumbel Copula和Clayton Copula。为进一步分析极端情况下股市之间的尾部风险情况，根据Gumbel Copula函数只对上尾变化敏感和Clayton Copula函数只对下尾变化敏感的特性，本文采用黄在鑫和覃正①黄在鑫，覃正：《中美主要金融市场相关结构及风险传导路径研究：基于Copula理论与方法》，《国际金融研究》2012年第5期，第74-82页。使用的方法，运用这两种Copula分别捕捉上、下尾相关系数进行尾部分析。

表4 Copula函数拟合结果

如表4所示，根据 “ 一带一路 ” 倡议提出前后两个阶段相关系数的对比，我国股市与新加坡、韩国股市的相关性有明显增强；与俄罗斯、印度股市的相关性则基本保持不变。但倡议提出前后的相关性差距不大，说明虽然 “ 一带一路 ” 倡议使沿线国家相关性有所增强，但由于倡议提出前也存在极端风险时期，各国波动同样强烈。其次，无论在倡议提出前还是倡议提出后，上尾相关系数皆大于下尾相关系数。说明当我国股市出现暴涨情况时，沿线其他国家股市也会暴涨，但当我国股市大幅度下跌时，沿线其他国家股市不一定会暴跌，即好消息的影响比坏消息的影响大。并且，第二阶段的尾部相关系数相较于第一阶段总体有所增加，说明 “ 一带一路 ” 倡议的提出增加了沿线国家股市之间的联动性与风险传染的可能性。

（四）CoVaR计算分析

根据上述测算，确定了各个股指收益率序列的边缘分布，计算两个阶段内各股票市场的无条件在险价值VaR。进一步，在确定二元最优Copula函数之后，计算得出条件在险价值CoVaR，以获取风险溢出大小ΔCoVaR以及风险溢出强度%ΔCoVaR。本文选择在α=5%的水平上的风险溢出效应，计算结果如表5和表6所示：

表5 中国股市处于风险条件下对各国股票市场的风险价值（α=5%）

表6 各国股票市场处于风险条件下对中国股市的风险价值（α=5%）

由表5与表6可知，在总体样本与分阶段内，我国股市与沿线各国股市之间均存在双向风险溢出效应，且在我国股市处于风险条件下时对各国股市的风险溢出效应均为正向溢出，即我国与沿线其他国家股市风险变化方向是一致的。在第一阶段俄罗斯、印度、泰国与马来西亚股市处于风险条件下时，对我国股市具有负风险溢出效应，即与我国股市的风险变化方向相反；而第二阶段印度、泰国和马来西亚股市处于风险条件下时，对我国股市具有负向风险溢出效应，即与我国股市的风险变化方向相反。并且，在第二阶段内，我国股市对韩国股市的溢出强度为83.1%，但韩国股市对我国股市的溢出强度仅为51.3%。说明我国与沿线其他国家股市间相互风险溢出强度不同。因此在总体样本与分阶段内，我国股市与沿线其他国家股市的风险溢出效应是非对称的。

首先，总体样本与分阶段内我国股市对沿线各国股市的风险溢出皆大于沿线各国股市对我国股市的风险溢出。举例来说，总体样本中我国对新加坡股市的风险溢出强度为70.93%，但新加坡对我国股市的风险溢出强度仅有45.51%。显而易见，我国在极端风险情况下的影响力比 “ 一带一路 ” 沿线其他国家大，即我国无论在综合实力还是政治影响力上皆强于沿线其他国家。并且，我国作为 “ 一带一路 ” 倡议的东道主和协议的核心国家，对沿线其他国家的影响力较为突出。

其次，在倡议提出后第二阶段，我国股市处于风险条件下时对沿线各国的风险溢出强度相较于倡议提出前第一阶段有大幅度增加，如在第一阶段中我国股市对韩国股市的溢出强度为50.2%，在第二阶段则增加至83.1%。除印度股市以外，其他各国股市对我国股市的风险溢出强度在倡议提出后同样有大幅度增加，如泰国股市第一阶段内对我国股市的风险溢出强度为19.8%，第二阶段为60.5%，总体增幅在30%左右。虽然在第一阶段内我国与沿线各国由于地理与历史联系的优势，存在一定联系，但由于 “ 一带一路 ” 倡议尚未提出，因此各国联系相比于第二阶段来说较为松散。进一步说，我国股市对泰国与马来西亚股市的风险溢出强度最大，分别为89.3%与116.6%；泰国股市对我国股市风险溢出强度最大，为60.5%。马来西亚与泰国作为东南亚国家，毗邻中国，与我国贸易往来十分紧密。倡议提出后我国对两国投资规模不断扩大，2019年，我国蝉联马来西亚投资来源国第一大国，并首次赶超日本，成为泰国第一大投资来源国，且我国众多农产品进口皆来自泰国，如大米、橡胶等。这一结果表明我国与马来西亚和泰国在经济、金融以及贸易等多方面的联系不断加深，因此我国股市对马来西亚和泰国股市的风险溢出效应最大，而泰国股市对我国股市的风险溢出效应也是最大。

再次，我国股市与新加坡、韩国股市的风险溢出强度仅次于与马来西亚、泰国股市的风险溢出强度。新加坡与韩国在 “ 一带一路 ” 沿线国家甚至亚洲国家中皆属于经济水平十分发达的行列，具有一定的经济、政治影响力。2015年，新加坡已成为我国最大的投资来源国，而韩国作为全球自然资源进口型国家，我国是其最大进口来源国。但韩国轻工业、电力与电子设备十分发达，产品出口大国也是中国，因此我国是韩国最大的贸易伙伴。且新加坡与韩国作为典型的岛国，国土资源匮乏，自然资源稀缺，容易依赖资源进口。同时，新加坡作为马六甲海峡的重要港口和必经之路，海上贸易的影响力不容小觑，与我国存在大量运输、贸易协议。因此，我国与新加坡及韩国之间经济联系密切，相互间风险溢出效应较大。

最后，我国股市与俄罗斯股市的风险溢出虽有增强，但增幅没有与东南亚国家以及东亚国家大，仅在10%至15%之间。俄罗斯作为金砖五国之一，与我国一直保持紧密的经贸联系，倡议提出后与我国的往来更加密切。但其国土面积全球第一，自然资源储量位居世界前列，不像东南亚等小国对外依赖程度大。因此，与俄罗斯的风险溢出增幅不及其他国家。另外，不同于其他五个国家，印度股市处于风险条件下时与我国股市的风险溢出强度略有下降，这可能是由于近年来我国与印度的地缘政治冲突等因素导致贸易联系的紧密度下降，从而使股票市场的联动性减弱。

四、结论与政策建议

“ 一带一路 ” 倡议的提出和深入推进，为沿线国家共同分享中国改革发展红利和中国发展经验提供了绝佳的机会。我国在 “ 一带一路 ” 框架下一直致力于推动沿线国家间实现合作与对话，为建立更加平等均衡的新型全球发展的伙伴关系，夯实世界经济长期稳定发展贡献中国智慧和力量。本文以 “ 一带一路 ” 沿线7国股市作为研究对象，运用TGARCH-Copula-CoVaR模型，分析比较了 “ 一带一路 ” 倡议提出前后沿线国家股市间的风险溢出状态与变化情况。

本文的实证结果表明， “ 一带一路 ” 倡议的提出在推动沿线国家经贸规模扩大的同时，也增加了各国股市间的连通性与风险溢出效应。我国股市与沿线国家股市之间存在显著的双向风险溢出，且沿线国家股市与我国股市的风险溢出强度具有较为明显的非对称性。首先，在倡议提出后，我国股市与东南亚国家股市间的风险溢出效应最高。由于地理优势与历史传统原因，东南亚国家与我国早期贸易往来便捷，经贸交流非常紧密，特别是 “ 一带一路 ” 倡议提出后，我国与东南亚各国的资本流动和贸易规模都有显著增长。其次，我国股市对各国股市的风险溢出强度大于各国股市对我国股市的风险溢出。这一现象表明我国股市的国际影响力在倡议之后有了明显提升。最后，我国股市与新加坡、韩国和俄罗斯等经济发展水平较高的东亚与东欧国家股市的风险溢出水平较高，但都低于与东南亚国家股市的溢出水平。这一结果说明经济发展水平是影响一国股市风险溢出效应的重要因素，由于经济发展水平较高，韩国、新加坡与俄罗斯股市受到我国股市风险溢出的影响显著低于东南亚国家股市。

综上所述，我国应继续推进 “ 一带一路 ” 合作，依托 “ 一带一路 ” 建设，加强与沿线国家的经贸往来，扩大我国国际影响力，增强国际话语权，为我国经济高质量发展奠定更加广阔坚实的国际基础。进一步，要充分发挥不同国家的比较优势，扩展对外开放、经济转型升级和区域经济合作发展空间。坚定全球化理念，不断开展与沿线国家的 “ 互利、互惠、合作、共赢 ” 交流，为构建 “ 人类命运共同体 ” 打下坚实的基础。然而，由于深入交流合作与金融风险传染的必然联系，我国金融监管当局也应当密切关注 “ 一带一路 ” 沿线国家实体经济和金融市场波动状况，积极掌控我国与各国经贸、投资协定的执行情况。在外部市场出现不利变化时，及时加强对我国金融（股票）市场的监督管理，提前采取必要的风险防范措施，以免在外部极端风险发生时由于准备不足而产生不必要的损失，从而为我国与 “ 一带一路 ” 沿线国家合作的长期可持续健康发展提供制度保障。