基于EVT-Copula-CoVaR模型的“一帶一路”沿線國家股市風(fēng)險(xiǎn)溢出效應(yīng)研究

王皓曄　楊坤

摘? ?要：隨著“一帶一路”倡議的不斷推進(jìn)，沿線各國的經(jīng)濟(jì)融合度不斷提高，資本流動(dòng)規(guī)模的增大將對(duì)各國股市間的風(fēng)險(xiǎn)溢出造成重要影響。本文從“一帶一路”倡議實(shí)施的角度，運(yùn)用EVT-Copula-CoVaR模型對(duì)沿線國家間股市風(fēng)險(xiǎn)溢出進(jìn)行刻畫，從而探討不同時(shí)期內(nèi)各國股市間風(fēng)險(xiǎn)溢出狀態(tài)的變化。研究結(jié)果表明：我國股票市場(chǎng)與沿線其他國家股票市場(chǎng)間具有雙向的、非對(duì)稱的風(fēng)險(xiǎn)溢出效應(yīng);“一帶一路”倡議的推行增大了我國與沿線其他國家股市間的風(fēng)險(xiǎn)溢出強(qiáng)度，也就是說，當(dāng)沿線其他國家股市處于極端風(fēng)險(xiǎn)情況時(shí)，我國股票市場(chǎng)受到?jīng)_擊的概率將增大;倡議實(shí)施后，沿線東南亞國家對(duì)我國股市表現(xiàn)出了相對(duì)較高的風(fēng)險(xiǎn)溢出水平。

關(guān)鍵詞：一帶一路;風(fēng)險(xiǎn)溢出;條件風(fēng)險(xiǎn)價(jià)值;極值理論;Copula

中圖分類號(hào)：F832.5? ?文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1674-2265（2019）09-0079-07

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

一、引言

自習(xí)近平總書記在2013年下半年提出建設(shè)“一帶一路”合作倡議以來，沿線國家的經(jīng)濟(jì)貿(mào)易往來日益頻繁，在基礎(chǔ)設(shè)施建設(shè)、金融合作等方面逐漸形成了更加開放的國際投資貿(mào)易新格局。2015年3月28日，我國發(fā)布《推動(dòng)共建絲綢之路經(jīng)濟(jì)帶和21世紀(jì)海上絲綢之路的愿景與行動(dòng)》文件，標(biāo)志著“一帶一路”倡議正式進(jìn)入實(shí)施階段（劉洪鐸和蔡曉珊，2016），即利用技術(shù)和資本優(yōu)勢(shì)，為沿線投資貿(mào)易和金融發(fā)展打開新的空間，繼而帶動(dòng)區(qū)域經(jīng)濟(jì)協(xié)同發(fā)展。隨后，我國在沿線其他國家的貿(mào)易規(guī)模不斷擴(kuò)大，2018年我國與沿線其他國家貨物貿(mào)易進(jìn)出口總額達(dá)到1.3萬億美元，同比增長16.3%，占外貿(mào)總值的27.4%，這表明我國與沿線其他國家的經(jīng)濟(jì)互動(dòng)持續(xù)深化，跨境資本流動(dòng)規(guī)模不斷增大。通常來講，隨著經(jīng)濟(jì)聯(lián)系的日益緊密，市場(chǎng)間的風(fēng)險(xiǎn)傳導(dǎo)也將呈現(xiàn)出增強(qiáng)的趨勢(shì)（蔣志平等，2014;周開國等，2018），進(jìn)而導(dǎo)致金融市場(chǎng)不穩(wěn)定，這不僅會(huì)給金融機(jī)構(gòu)帶來沖擊，也將影響到實(shí)體經(jīng)濟(jì)的良性發(fā)展?！耙粠б宦贰背h的深入實(shí)施，一方面極大地促進(jìn)了沿線各國貿(mào)易經(jīng)濟(jì)發(fā)展，另一方面我國股市與沿線其他國家股市的融合程度必然會(huì)加深，那么沿線各國股市間的風(fēng)險(xiǎn)溢出程度是否有所變化？一旦沿線其他國家市場(chǎng)發(fā)生極端風(fēng)險(xiǎn)，我國受到危機(jī)傳染的可能性是否會(huì)增大？研究“一帶一路”倡議對(duì)沿線國家股市間的風(fēng)險(xiǎn)溢出效應(yīng)的影響，有助于揭示沿線各國間股市風(fēng)險(xiǎn)溢出狀態(tài)的變化趨勢(shì)，為沿線各國經(jīng)濟(jì)平穩(wěn)發(fā)展和“一帶一路”政策的穩(wěn)步推進(jìn)提供重要參考。

近年來，隨著經(jīng)濟(jì)一體化程度的加深以及金融全球化速度的加快，單個(gè)市場(chǎng)的風(fēng)險(xiǎn)往往會(huì)在局部迅速發(fā)酵，向其他市場(chǎng)溢出，并廣泛傳播，形成大范圍的金融風(fēng)險(xiǎn)傳染。因此，風(fēng)險(xiǎn)溢出的測(cè)度問題成為學(xué)術(shù)界研究的焦點(diǎn)。在測(cè)度金融市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)的計(jì)量方法中，Adian和Brunnermeier（2008）提出的CoVaR（條件風(fēng)險(xiǎn)價(jià)值）方法能夠充分考慮金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)變化，也有效地改善了金融市場(chǎng)的風(fēng)險(xiǎn)預(yù)測(cè)問題，因而被廣泛應(yīng)用于風(fēng)險(xiǎn)溢出的研究領(lǐng)域（陳建青等，2015;Gideon和Paul，2017）。目前，關(guān)于CoVaR的計(jì)算主要集中在三個(gè)方面：第一，結(jié)合分位數(shù)回歸技術(shù)估計(jì)CoVaR。曾裕峰等（2017）利用多元分位數(shù)回歸技術(shù)建立CoVaR 模型框架，以此估算出美國和中國香港對(duì)中國A股市場(chǎng)的尾部風(fēng)險(xiǎn)溢出效應(yīng)影響最大。歐陽資生和莫廷程（2017）、Anastassios等（2015）認(rèn)為通過分位數(shù)回歸能準(zhǔn)確地估計(jì)金融市場(chǎng)的CoVaR。第二，基于多元GARCH模型計(jì)算CoVaR。嚴(yán)偉祥等（2017）通過DCC-GARCH-CoVaR模型度量了各金融子市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)度，指出不同子市場(chǎng)之間的風(fēng)險(xiǎn)溢出程度具有一定的動(dòng)態(tài)性。戚逸康等（2018）通過BEKK-GARCH-CoVaR模型定量分析認(rèn)為，房地產(chǎn)板塊對(duì)于股市的風(fēng)險(xiǎn)溢出在不同時(shí)期具有不同表現(xiàn)，在房地產(chǎn)市場(chǎng)熱門時(shí)期風(fēng)險(xiǎn)溢出強(qiáng)度最大。Girardi和Ergün（2013）認(rèn)為將GARCH模型和CoVaR方法結(jié)合能夠更加準(zhǔn)確地測(cè)算金融風(fēng)險(xiǎn)溢出效應(yīng)。第三，基于Copula模型度量CoVaR。Walid等（2017）將Copula模型和CoVaR方法用于研究股票市場(chǎng)和原油市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)，研究發(fā)現(xiàn)股票市場(chǎng)和原油市場(chǎng)的尾部相依關(guān)系顯著，且存在不對(duì)稱的風(fēng)險(xiǎn)溢出效應(yīng)。周愛民和韓菲（2017）、Xiaoye Jin（2018）等認(rèn)為將Copula函數(shù)引入CoVaR模型能夠有效測(cè)度股票市場(chǎng)、股票現(xiàn)貨市場(chǎng)等金融子市場(chǎng)的極端風(fēng)險(xiǎn)溢出大小。

然而值得注意的是，金融市場(chǎng)之間的相關(guān)性常常表現(xiàn)為非線性，使得風(fēng)險(xiǎn)并非以線性方式傳染。利用分位數(shù)回歸估算CoVaR的方法僅在度量線性風(fēng)險(xiǎn)溢出上表現(xiàn)突出（李叢文和閆世軍，2015）;多元GARCH模型需要滿足多元正態(tài)分布的假設(shè)，這一前提對(duì)于刻畫復(fù)雜的金融市場(chǎng)相依關(guān)系過于嚴(yán)格（吳吉林等，2015）;而Copula函數(shù)在描繪相關(guān)性時(shí)具有較強(qiáng)的靈活性，因此，結(jié)合Copula函數(shù)進(jìn)行研究能在描述多個(gè)股票市場(chǎng)的相依關(guān)系時(shí)具有更好的表現(xiàn)，提高了風(fēng)險(xiǎn)溢出測(cè)度的準(zhǔn)確性（史永東等，2013）。王周偉等（2014）對(duì)這三種計(jì)算方法進(jìn)行了比較，指出通過Copula模型度量金融子市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)更有效。此外，由于金融時(shí)間序列的尾部往往代表發(fā)生概率小的極端風(fēng)險(xiǎn)損失，而這類風(fēng)險(xiǎn)很可能會(huì)對(duì)經(jīng)濟(jì)造成嚴(yán)重?fù)p失，因此，在刻畫市場(chǎng)間相依關(guān)系時(shí)，尾部相關(guān)特征值得重點(diǎn)探討。其中，極值理論（EVT）在不用假設(shè)總體分布的情況下直接對(duì)序列尾部進(jìn)行建模，可以避免分布假設(shè)的問題，從而能夠更加準(zhǔn)確地刻畫序列尾部的情況（Abhay等，2013;Samit和Prateek，2017;楊坤等，2017）。周孝華和陳九生（2016）、劉曉星等（2011）的研究進(jìn)一步表明，結(jié)合EVT極值理論的Copula-CoVaR模型能夠有效測(cè)度極端市場(chǎng)情形下的風(fēng)險(xiǎn)溢出效應(yīng)，并且該方法在描繪厚尾分布時(shí)，在一定程度上克服了其他方法的不足。

綜合來看，學(xué)者們?cè)诠善笔袌?chǎng)的風(fēng)險(xiǎn)溢出方面做了非常有益的探索和研究，并且指出在Copula-CoVaR模型的基礎(chǔ)上引入EVT模型能夠更準(zhǔn)確地刻畫和預(yù)測(cè)股市的極端風(fēng)險(xiǎn)溢出效應(yīng)。此外，多數(shù)文獻(xiàn)的研究焦點(diǎn)只是聚集在我國股市以及發(fā)達(dá)國家股市，“一帶一路”倡議對(duì)沿線國家股市極端風(fēng)險(xiǎn)溢出效應(yīng)的影響是未知的。鑒于此，本文選取新加坡、印度、泰國、俄羅斯、波蘭以及中國6個(gè)“一帶一路”沿線國家的股票市場(chǎng)指數(shù)為研究對(duì)象，運(yùn)用EVT-Copula-CoVaR模型著重探討各個(gè)股市兩兩間的風(fēng)險(xiǎn)溢出強(qiáng)度的變化趨勢(shì)。對(duì)于各股指收益，首先運(yùn)用ARMA（1，1）-EGARCH（1，1）-t模型過濾和EVT模型構(gòu)建邊緣分布;再分別擬合8種不同Copula函數(shù)，通過AIC或BIC準(zhǔn)則選取擬合度最佳的函數(shù)，用以刻畫股票市場(chǎng)兩兩間的相依關(guān)系;在此基礎(chǔ)上，采用蒙特卡洛模擬計(jì)算VaR，最后求得 CoVaR，然后相應(yīng)地計(jì)算出風(fēng)險(xiǎn)溢出大小。由此可見，本文結(jié)合“一帶一路”倡議，定量分析沿線各國的風(fēng)險(xiǎn)溢出效應(yīng)，在一定程度上能夠更加科學(xué)地揭示出“一帶一路”倡議對(duì)沿線各國股市間的風(fēng)險(xiǎn)溢出效應(yīng)的影響，使得研究結(jié)論更具有說服力。

三、實(shí)證分析

（一）數(shù)據(jù)與描述性統(tǒng)計(jì)分析

“一帶一路”倡議促進(jìn)了我國與沿線其他國家的貿(mào)易往來，其中，新加坡、印度和泰國與我國的貿(mào)易額遠(yuǎn)遠(yuǎn)超過其他國家，其金融體系的波動(dòng)勢(shì)必會(huì)影響國家之間的貿(mào)易合作。同時(shí)，俄羅斯和波蘭作為“一帶一路”建設(shè)中連接歐亞大陸的樞紐，與我國的經(jīng)貿(mào)往來也日益密切（曹偉等，2016;李敬等，2017）。因此，本文選取上證綜合指數(shù)（SZ）、新加坡富時(shí)指數(shù)（STI）、孟買敏感指數(shù)（SENSEX）、泰國綜合指數(shù)（SETI）、俄羅斯指數(shù)（RTS）以及華沙指數(shù)（WIG）作為代表，取其每日收盤價(jià)作為各國股票市場(chǎng)的原始樣本。數(shù)據(jù)的時(shí)間跨度為2012年05月01日到2017年11月15日，此時(shí)間段涵蓋了“一帶一路”倡議正式實(shí)施前后的時(shí)段，并且在此期間，我國和沿線其他國家股票市場(chǎng)波動(dòng)劇烈。所有數(shù)據(jù)均來源于萬得數(shù)據(jù)庫。本文采用對(duì)數(shù)收益率進(jìn)行研究，對(duì)各國股票指數(shù)收盤價(jià)[pt]取對(duì)數(shù)乘以100，具體計(jì)算公式如下：

去除股指收益率[Rt]中交易日不一致的觀測(cè)樣本，最后得到每種指數(shù)觀測(cè)樣本1124個(gè)。為了比較“一帶一路”倡議實(shí)施前后風(fēng)險(xiǎn)溢出效應(yīng)的變化情況，根據(jù)“一帶一路”倡議從2015年3月28日起正式實(shí)施，將樣本數(shù)據(jù)分為兩個(gè)階段，1—592組數(shù)據(jù)為第一階段樣本（倡議正式實(shí)施前），593—1124組數(shù)據(jù)為第二階段樣本（倡議正式實(shí)施后）。分析過程中使用的軟件主要為RStudio、S-Plus8.0和Eviews8.0。

考慮到文章篇幅，本文在此僅給出第一階段樣本的描述性統(tǒng)計(jì)分析和邊緣分布擬合結(jié)果。從表1的基本描述性統(tǒng)計(jì)中可以看出，各收益率序列表現(xiàn)出一定的左偏或右偏，峰度系數(shù)均大于3，呈現(xiàn)出“尖峰厚尾”的形態(tài)，且均不服從正態(tài)分布。

由于各收益率序列不服從正態(tài)分布，進(jìn)一步檢驗(yàn)各收益率序列的平穩(wěn)性和ARCH效應(yīng)，結(jié)果如表2所示。結(jié)果表明在1%的顯著性水平下各收益率序列是平穩(wěn)序列。除了第一階段中的WIG和第二階段中的SENSEX以外，其他股票市場(chǎng)都存在ARCH效應(yīng)。

（二）結(jié)合EVT構(gòu)建邊緣分布

結(jié)合各序列的“尖峰”“偏態(tài)”“波動(dòng)叢集”等特征，并且股票序列通常存在杠桿效應(yīng)，本文使用ARMA（1，1）-EGARCH-t（1，1）模型捕捉序列特征，并且提取出標(biāo)準(zhǔn)殘差序列。根據(jù)EVT模型要求序列滿足或近似滿足獨(dú)立同分布特征，因此，本文對(duì)獲取的標(biāo)準(zhǔn)殘差序列進(jìn)行BDS檢驗(yàn)，如表3所示。

根據(jù)BDS檢驗(yàn)結(jié)果可知，在1%的顯著性水平下各標(biāo)準(zhǔn)殘差序列服從i.i.d，因此，運(yùn)用EVT模型進(jìn)一步構(gòu)建邊緣分布，尾部閾值與模型的參數(shù)估計(jì)結(jié)果展示于表4中。

（三）利用Copula函數(shù)捕捉相依結(jié)構(gòu)

通過EVT模型確定邊緣分布后，本文建立并比較了常用的8種Copula函數(shù)，根據(jù)AIC或BIC原則從其中選擇擬合度最好的函數(shù)，擬合結(jié)果見表5。從表5中可以看出，由于我國股票市場(chǎng)與沿線其他國家的相依結(jié)構(gòu)不同，得到的最優(yōu)Copula也不同。與倡議實(shí)施前相比，倡議實(shí)施后我國與沿線其他國家股市的相依關(guān)系發(fā)生變化，且下尾相關(guān)系數(shù)明顯增大，即表明股票市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)顯著增強(qiáng)。換而言之，當(dāng)沿線其他國家股市處于極端風(fēng)險(xiǎn)情況時(shí)，我國股票市場(chǎng)受到?jīng)_擊的概率將增大，這可能是由于我國在沿線其他國家建立多個(gè)經(jīng)貿(mào)合作區(qū)，促使沿線各國與我國的經(jīng)濟(jì)聯(lián)系愈來愈緊密，股票市場(chǎng)之間的影響加劇。

（四）CoVaR的計(jì)算結(jié)果及分析

分別計(jì)算兩個(gè)階段各子市場(chǎng)的VaR、CoVaR、反映風(fēng)險(xiǎn)溢出大小的[ΔCoVaR]以及反映風(fēng)險(xiǎn)溢出強(qiáng)度的%[Δ]CoVaR，計(jì)算結(jié)果見表6和表7。從表6和表7可以看出：

1. 無論是“一帶一路”倡議實(shí)施前，還是倡議實(shí)施后，我國與沿線其他國家股票市場(chǎng)之間存在雙向的風(fēng)險(xiǎn)溢出效應(yīng)。同時(shí)，我國與沿線其他國家兩兩間的風(fēng)險(xiǎn)溢出效應(yīng)表現(xiàn)出一定的非對(duì)稱性。國家之間的經(jīng)濟(jì)發(fā)展水平不平衡、資本管控政策和投資規(guī)模是造成這種現(xiàn)象的主要原因。就倡議實(shí)施后來看，新加坡對(duì)我國股市的風(fēng)險(xiǎn)溢出強(qiáng)度為64.937%，大于反方向的溢出，這與新加坡股市一直以來是亞洲股市中風(fēng)險(xiǎn)源頭之一的事實(shí)相符合。另外，新加坡雖然經(jīng)濟(jì)發(fā)達(dá)，但是其有限的資源使得我國在其境內(nèi)的投資比較單一，資本影響范圍較小，這在一定程度上會(huì)導(dǎo)致兩國之間出現(xiàn)非對(duì)稱的風(fēng)險(xiǎn)溢出效應(yīng)。

2. 與“一帶一路”倡議實(shí)施前相比，在倡議實(shí)施后，不僅我國對(duì)沿線其他國家股票市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)度增大，沿線其他國家對(duì)我國股市的風(fēng)險(xiǎn)溢出強(qiáng)度也顯著增大，這表明“一帶一路”倡議的推行增大了我國與其他沿線國家股市間的風(fēng)險(xiǎn)溢出強(qiáng)度。在歐洲區(qū)域中，俄羅斯對(duì)我國股票市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)度由27.504%增加至48.211%，這表明俄羅斯股市與我國股市的風(fēng)險(xiǎn)關(guān)聯(lián)性增加。俄羅斯作為世界主要經(jīng)濟(jì)體之一，也是關(guān)系友好的鄰國，同我國有著密切的貿(mào)易往來。由于俄羅斯資源豐富，我國在其國內(nèi)的投資更具多樣性，經(jīng)濟(jì)融合度在不同程度上不斷提升。俄羅斯由于自身體制、同西方國家的政治沖突等原因，其經(jīng)濟(jì)局勢(shì)波動(dòng)性較大，雖然我國股票市場(chǎng)對(duì)資本嚴(yán)格管控，但是受到其極端風(fēng)險(xiǎn)波及的可能性會(huì)隨著“一帶一路”的深入明顯提高。倡議實(shí)施前波蘭與我國股票市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)度較小，僅為19.969%，這一比例在倡議實(shí)施后攀升至33.823%。作為“一帶一路”倡議歐洲區(qū)域的重要一環(huán)，由于地理區(qū)域以及經(jīng)濟(jì)體較小的原因，其風(fēng)險(xiǎn)由“一帶一路”經(jīng)濟(jì)合作走廊傳到我國會(huì)在一定程度上減弱。但是我國想要加快中歐貨運(yùn)班列的建設(shè)，勢(shì)必會(huì)加大歐洲區(qū)域沿線國家與我國的貿(mào)易合作程度，企業(yè)投資使大量我國資本進(jìn)入歐洲市場(chǎng)，這在一定程度上提高資本交流深度，增大了風(fēng)險(xiǎn)溢出的強(qiáng)度。

3. 倡議實(shí)施后，沿線東南亞國家對(duì)我國股市表現(xiàn)出了相對(duì)較高的風(fēng)險(xiǎn)溢出水平。自“一帶一路”倡議提出后，我國沿線其他國家通過項(xiàng)目投資帶動(dòng)區(qū)域經(jīng)濟(jì)增長，資本融合度不斷提高，經(jīng)濟(jì)相依關(guān)系更加緊密。東南亞沿線國家緊鄰我國，同時(shí)，作為“一帶一路”跨出國門的第一站，我國對(duì)區(qū)域內(nèi)國家的直接投資規(guī)模非常大?！耙粠б宦贰睂?shí)施以后，我國作為泰國第二大投資來源國，兩者之間在貨幣、金融等方面的合作層次不斷加深，導(dǎo)致泰國對(duì)我國的風(fēng)險(xiǎn)溢出效應(yīng)最大?？梢姡耙粠б宦贰背h給沿線其他國家的經(jīng)濟(jì)發(fā)展帶來巨大的機(jī)遇，彰顯了我國的金融力量，但是也使得我國的金融市場(chǎng)不可避免地面臨更大的風(fēng)險(xiǎn)，且風(fēng)險(xiǎn)溢出的變化趨勢(shì)不容忽視。

四、結(jié)論及建議

“一帶一路”倡議是我國利用自身的資本和技術(shù)優(yōu)勢(shì)促進(jìn)區(qū)域、跨區(qū)域合作的頂層合作倡議，對(duì)于重塑國際網(wǎng)絡(luò)化經(jīng)濟(jì)架構(gòu)具有至關(guān)重要的作用。隨著倡議的深入實(shí)施，一方面，沿線各國的資本流動(dòng)更加頻繁，給各國經(jīng)濟(jì)貿(mào)易發(fā)展帶來更積極的驅(qū)動(dòng)因素;另一方面，這加深了我國股市融入全球金融市場(chǎng)的程度，給我國經(jīng)濟(jì)穩(wěn)定增加了不確定性。因此，“一帶一路”倡議對(duì)于風(fēng)險(xiǎn)溢出效應(yīng)的影響值得風(fēng)險(xiǎn)管理者和政策制定者更加重視。本文采用EVT-Copula-CoVaR模型更加有效地刻畫我國與沿線其他國家股票市場(chǎng)兩兩間的風(fēng)險(xiǎn)溢出效應(yīng)，利用風(fēng)險(xiǎn)溢出強(qiáng)度更直觀地顯示“一帶一路”不同時(shí)期內(nèi)沿線國家間股票市場(chǎng)風(fēng)險(xiǎn)溢出狀態(tài)的變化。

研究結(jié)果表明，我國與沿線其他國家具有雙向的、非對(duì)稱的正向風(fēng)險(xiǎn)溢出效應(yīng)。值得注意的是，與“一帶一路”倡議實(shí)施前相比，在倡議實(shí)施后，不僅我國對(duì)沿線其他國家股票市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)度增大，沿線其他國家對(duì)我國的風(fēng)險(xiǎn)溢出效應(yīng)也顯著增強(qiáng)，也就是說，“一帶一路”倡議的深化促使我國與沿線其他國家股市間的風(fēng)險(xiǎn)溢出效應(yīng)加劇。此外，倡議實(shí)施后，沿線東南亞國家對(duì)我國股市表現(xiàn)出了相對(duì)較高的風(fēng)險(xiǎn)溢出水平。在“一帶一路”的背景下，東南亞國家的區(qū)域優(yōu)勢(shì)使得我國對(duì)其的投資保持較大規(guī)模;與此同時(shí)，我國對(duì)俄羅斯和波蘭的投資大大增加，一定程度上加深了跨區(qū)域國家對(duì)我國金融市場(chǎng)的影響。雖然我國股票市場(chǎng)有較為嚴(yán)格的資本準(zhǔn)入制度，但是也應(yīng)當(dāng)對(duì)區(qū)域、跨區(qū)域風(fēng)險(xiǎn)傳導(dǎo)加以防范。因此，金融監(jiān)管當(dāng)局應(yīng)當(dāng)密切關(guān)注歐洲和東南亞沿線各國的形勢(shì)，嚴(yán)格把控沿線各國同我國在金融項(xiàng)目方面的合作，優(yōu)化投資的空間布局。此外，密切關(guān)注沿線國家與我國的資本交流形勢(shì)，從而降低外來資本對(duì)我國股票市場(chǎng)的影響，嚴(yán)防沿線各國的極端風(fēng)險(xiǎn)情況造成我國金融市場(chǎng)的嚴(yán)重?fù)p失，從而促進(jìn)“一帶一路”倡議健康持續(xù)發(fā)展。

參考文獻(xiàn)：

[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，F(xiàn)inancial 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]劉洪鐸，蔡曉珊.中國與“一帶一路”沿線國家的雙邊貿(mào)易成本研究[J].經(jīng)濟(jì)學(xué)家，2016，（7）.

[14]蔣志平，田益祥，杜學(xué)鋒.中國與歐美金融市場(chǎng)間傳染效應(yīng)的動(dòng)態(tài)演變——基于歐債危機(jī)與次貸危機(jī)的比較分析[J].管理評(píng)論.2014，26（8）.

[15]周開國，楊海生，伍穎華.中國香港股票市場(chǎng)的溢出效應(yīng)和收益引導(dǎo)角色——基于亞太地區(qū)股票市場(chǎng)的分析[J].管理科學(xué)學(xué)報(bào)，2018，21（5）.

[16]陳建青，王擎，許韶輝.金融行業(yè)間的系統(tǒng)性金融風(fēng)險(xiǎn)溢出效應(yīng)研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015，32（9）.

[17]曾裕峰，溫湖煒，陳學(xué)彬.股市互聯(lián)、尾部風(fēng)險(xiǎn)傳染與系統(tǒng)重要性市場(chǎng)——基于多元分位數(shù)回歸模型的分析[J].國際金融研究，2017，（9）.

[18]歐陽資生，莫廷程.基于廣義CoVaR模型的系統(tǒng)重要性銀行的風(fēng)險(xiǎn)溢出效應(yīng)研究[J].統(tǒng)計(jì)研究，2017，34（9）.

[19]嚴(yán)偉祥，張維，牛華偉.金融風(fēng)險(xiǎn)動(dòng)態(tài)相關(guān)與風(fēng)險(xiǎn)溢出異質(zhì)性研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2017，38（10）.

[20]戚逸康，袁圓，李連發(fā).我國房地產(chǎn)板塊與整體股市的溢出效應(yīng)以及風(fēng)險(xiǎn)相關(guān)性——來自實(shí)證分析的證據(jù)[J].上海經(jīng)濟(jì)研究，2018，（6）.

[21]周愛民，韓菲.股指期貨與現(xiàn)貨市場(chǎng)的風(fēng)險(xiǎn)溢出研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2017，38（8）.

[22]李叢文，閆世軍.我國影子銀行對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)——基于GARCH-時(shí)變Copula-CoVaR模型的分析[J].國際金融研究，2015，（10）.

[23]吳吉林，陳剛，黃辰.中國A、B、H股市間尾部相依性的趨勢(shì)研究——基于多機(jī)制平滑轉(zhuǎn)換混合Copula模型的實(shí)證分析[J].管理科學(xué)學(xué)報(bào)，2015，18（2）.

[24]史永東，丁偉，袁紹鋒.市場(chǎng)互聯(lián)、風(fēng)險(xiǎn)溢出與金融穩(wěn)定——基于股票市場(chǎng)與債券市場(chǎng)溢出效應(yīng)分析的視角[J].金融研究，2013，（3）.

[25]王周偉，呂思聰，茆訓(xùn)誠.基于風(fēng)險(xiǎn)溢出關(guān)聯(lián)特征的CoVaR計(jì)算方法有效性比較及應(yīng)用[J].經(jīng)濟(jì)評(píng)論，2014，（4）.

[26]楊坤，于文華，魏宇.基于R-vine copula的原油市場(chǎng)極端風(fēng)險(xiǎn)動(dòng)態(tài)測(cè)度研究[J].中國管理科學(xué)，2017，25（8）.

[27]周孝華，陳九生.基于Copula-ASV-EVT-CoVaR模型的中小板與創(chuàng)業(yè)板風(fēng)險(xiǎn)溢出度量研究[J].系統(tǒng)工程理論與實(shí)踐，2016，36（3）.

[28]劉曉星，段斌，謝福座.股票市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)研究：基于EVT-Copula-CoVaR模型的分析[J].世界經(jīng)濟(jì)，2011，（11）.

[29]曹偉，言方榮，鮑曙明.人民幣匯率變動(dòng)、鄰國效應(yīng)與雙邊貿(mào)易——基于中國與“一帶一路”沿線國家空間面板模型的實(shí)證研究[J].金融研究，2016，（9）.

[30]李敬，陳旎，萬廣華，陳澍.“一帶一路”沿線國家貨物貿(mào)易的競(jìng)爭互補(bǔ)關(guān)系及動(dòng)態(tài)變化——基于網(wǎng)絡(luò)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

（責(zé)任編輯? ? 耿? ?欣;校對(duì)? ?GX）