变结构Copula模型在金融波动溢出效应中应用研究综述

摘 要：在经济全球化和金融一体化的推动下，金融市场之间的联动性变得更加紧密，金融市场间的波动溢出效应也更加剧烈，传统的金融波动模型无法精确地描述金融市场间错综复杂的波动溢出特征，因此构建刻画金融市场间的波动溢出机制的模型是众多学者研究的焦点。文章通過查阅国内外学者关于金融波动的相关学术论著，总结了变结构Copula模型在金融波动溢出效应中的优势，发现变结构Copula模型问题的解决将为金融市场的发展作出更大的贡献，提出变结构Copula模型在金融波动溢出效应方面未来的可能发展方向。

关键词：金融波动;溢出效应;变结构Copula

中图分类号：F832.5;F224 文献标识码：A 文章编号：1005-6432（2022）02-0054-02

DOI：10.13939/j.cnki.zgsc.2022.02.054

1 引言

波动性是金融市场的重要特征之一，它是形成风险的主要原因，金融时间序列经常表现为很大的波动聚集性及异方差等现象。在经济全球化及金融市场一体化的背景下，某个地区金融市场的波动会传波到其他的金融市场，甚至导致全球金融市场的动荡，这种效应被称为金融波动溢出效应。纵观历史，1987年美国股市大崩引发了国际股市的萎靡;1994年墨西哥金融货币危机，使得本国财政濒临崩溃，严重波及邻近国家，后果震撼全球;1997年起源于泰国的东南亚金融危机最终演化为亚洲金融危机，传导范围极广，影响程度极深;而2008年美国的“次贷”风暴对一些大型金融机构和市场造成不可逆的冲击，对全球金融市场的稳定造成了严重影响。

总之，这些金融危机充分证明了金融波动溢出效应引起的金融危机的传导及其危害性。随着全球经济一体化和金融自由化的深入发展，世界经济体系出现经济、金融动荡的现象的频率也会增大。金融是经济的重要组成，金融安全与经济安全紧密相连。一旦某个金融机构或金融市场出现危机，整个国家，甚至世界都将会承受巨大的损失。所以各国应该清楚地意识到抑制经济波动和金融动荡的重要性。要想快速有效地消除金融波动溢出效应带来的危害，需要深入研究金融市场内波动特征和金融市场间复杂的相关关系，这样才能很好地了解金融波动溢出机制。

针对金融市场波动特性，Robert Engle（1982）提出了一元ARCH模型，由于能够准确刻画波动的时变形和聚集性，ARCH模型受到了经济学家的广泛重视与应用。随着金融业的发展，ARCH模型的各种扩展形式也应运而生，就各种形式的ARCH模型，统称为ARCH类模型。在金融波动的研究过程中发现ARCH类模型存在一些不足，新的波动模型如雨后春笋般层出不穷，即随机模型，简记为SV模型。该模型是Clark（1973）在研究资产定价的扩散中引入的，近年来，在金融领域得到了快速的发展。该模型的形式也有了相应的改进，把各种形式的SV模型统称为SV类模型。

其实，结合金融时间序列的时变性与波动性，金融波动传导不仅需要考虑金融市场内的波动机制，还需要研究金融市场间的非线性相关关系。针对金融市场间的时变性与非线性相关关系，Copula理论被引入了金融风险度量研究中。Sklar（1959）最初引入Copula函数用来进行统计分析。该函数又被称为“连接函数”。关于Copula函数的含义和性质，Nelsen（1999）做了全面详细的梳理，更多关于Copula理论方面的研究大家可以参考Patton（2001）、Cossette（2002）和Bouye（2003），这些研究为Copula模型在各个领域中的应用奠定了基础。从Embrechts（1999）等把Copula模型引入到金融领域以来，由于Copula模型不仅将联合分布和边缘分布联合起来构造更加灵活的多元分布函数，能够解决金融市场间非线性、非对称的相关性问题，使得Copula模型成为描述金融市场间相依性的重要统计工具，也得到了广大经济学家和众多学者的关注与厚爱。变结构Copula模型就是一种动态Copula模型，它通过模型参数的时变性、模型结构的显著变化来描述不同波动区域下变量之间相关性的动态变化过程。

金融波动传导不仅需要考虑金融市场内的波动机制，还需要研究金融市场间的相关关系，因此，把动态Copula模型和金融波动模型相结合应用在金融波动传导中，借助金融波动模型描述金融波动过程，通过动态Copula模型参数和结构的显著变化来描述变量之间动态相依性，这对研究金融波动传导效应具有重大指导意义和参考价值。

2 国内外文献综述

2.1 国外研究现状

国外最早对动态Copula模型进行研究的是Patton（2001），在研究汇率间的相关关系时，基于二元正态分布的假设，提出用时变Copula模型刻画汇率之间的相关关系，发现时变Copula函数比BEEK-GARCH模型在研究动态相关性方面更具优势;Patton（2006）提出条件Copula模型，将Copula函数和金融波动模型结合在一起，来研究金融波动传染效应的存在，发现利用该模型的结果比单使用金融波动模型识别波动溢出效应更为准确;Rodriguez（2003）构建马尔科夫转换机制的多元Copula模型，以亚洲危机和墨西哥危机期间的多只股票指数为基础，研究在波动时期股市之间的相依程度变化情况，结果表明该模型容易捕捉市场间的波动溢出效应;Zhang（2007）把Bayes时序诊断法和分阶段Copula-SV模型结合，对股票市场之间的波动溢出效应进行分析研究，验证了变结构Copula模型在分析金融市场波动溢出效应中是有效的;Dias和Embrechts（2009）在考虑德国马克与美元、美元与日元之间汇率发生变结构下，得出Copula模型更好地描述在两种货币之间的非线性相依结构;Arakelian和Dellaportas（2010）将马尔科夫链蒙特卡洛算法应用在Copula模型中，用时变相依参数测量金融传染效应;使用变结构阿基米德Copula模型的尾部相关系数估计金融市场风险溢出的程度，Zhu等（2015）通过研究变结构Copula模型参数变化过程中，选取16家中国银行数据，对银行业的次贷危机传染期进行了有效识别;Ye等（2018）选取了次贷危机时期美国标准普尔500指数与全球5个国家的股票指数数据，采用变结构c-D-Copula函数的动态参数变化估计金融市场风险的传染情况，结果显示被研究的国家都受到了美国次贷危机的影响;Rocha等（2019）构造藤结构的多元Copula函数用来研究来自四个不同地区的七个国家的汇率相依关系，发现货币升值时存在风险溢出效应，货币贬值时不存在汇率传染。

2.2 国内研究现状

张尧庭（2002）探讨了Copula在金融领域应用的可行性;韦艳华等（2003）研究了Copula理论及其在金融上的應用;韦艳华和齐树天（2008）通过Bays检验和Z检验相结合的方式对Copula模型描述的相关结构进行变点检测，说明变结构Copula模型在研究风险在金融市场间的传导方面更为有效;叶五一和缪柏其（2009）在研究金融市场之间的金融危机传染问题上，通过阿基米德Copula的65变点检测方法来检验传染效应的存在性，更加全面地分析了国家收益率之间的相依结构;刘晓星等（2011）基于EVA-Copula-CoVaR模型测度了单个股票市场流动性溢出效应;徐彩云（2013）通过线性组合方式构建变结构的混合Copula模型，研究股市之间相依性的变化以及是否存在风险溢出效应的特征;唐吟（2013）等创新性地将EMD分解技术与变结构Copula模型结合对国内外股市波动溢出效应进行研究，表明该研究方法应用于不同股票市场之间的波动溢出效应的有效性;方艳（2016）采用时变t-Copula-aDCC-GARCH模型研究了沪港通与美国市场间的动态联动性;胡绵霞（2019）构建变结构GAS-RG Copula与变截距GAS-RG Copula刻画金融市场间的风险传染相关问题，结果表明除中国大陆股市外其他6个股市都受到了美国次贷危机的传染，而且美国股市对英国、法国、德国股市的传染效应持续时间较长，对中国香港、韩国、日本股市的传染效应则呈现出前高后低的短期性特征;彭选华（2021）构建DCC-GJR-Copula-CoVaR模型，对31个省级股价指数进行风险溢出效应检测，发现研究对象间的跨区域溢出具有地区差异。

3 总结与展望

随着全球经济的不断深入发展，金融市场间的相关性越来越紧密及复杂，而在金融市场发展过程中，往往伴随一些突发事件的发生，可能会造成金融市场的相关性结构发生变化。因此，单一或静态的Copula模型无法完全把握金融市场的相关性结构，需要构建动态的Copula模型研究金融市场相关关系的动态结构变化。这使得变结构Copula模型理论分析以及在金融领域中的应用成为近年来国内外金融界研究的热点之一。国内外众多学者对此开展了大量研究，并且取得了巨大成果。通过对国内外相关文献的梳理与总结，可以看出学者已经把Copula模型结合传统的波动模型对金融波动传导效应进行研究，而且也从静态Copula转换到动态Copula模型，使得变结构Copula模型在对金融波动溢出效应的研究方面的应用中有了很大的提升。但是，这些研究重点是对动态Copula模型在金融市场的应用方面，特别关于变结构Copula模型分析的理论和方法还有待完善;另外，现有的变结构Copula模型在金融波动溢出效应方面的研究仅限于两两金融市场之间的相依性关系研究，而多个金融市场之间的联合波动溢出效应，即构建多元变结构Copula模型仍是一个需要解决的问题;最后，变结构Copula模型在金融波动溢出效应上的应用，仅仅考虑了市场间波动特征和相关结构，不能衡量波动溢出效应的程度以及波动传导持续多久。这些问题值得今后做进一步的研究和探讨。

参考文献：

[1]DIAS A，EMBRECHTS P.Change-point analysis for dependence structure in finance and insurance[J].Social Science Electronic Publishing，2004（8）：321-335.

[2]徐彩云.基于尾部变结构Copula模型的股市波动溢出效应研究[D].杭州：浙江工商大学，2013.

[3]程玉仙.基于变结构Copula函数的碳金融市场波动溢出效应研究[D].广州：广东商学院，2013.

[4]叶五一， 缪柏其.基于Copula变点检测的美国次级债金融危机传染分析[J].中国管理科学，2009（3）：1-7.

[作者简介]杨文青（1991—），女，汉族，河南西华人，天津财经大学珠江学院统计系助教，研究方向：金融统计、概率统计。

3259501186561