結(jié)構(gòu)突變下股票市場(chǎng)風(fēng)險(xiǎn)傳染預(yù)測(cè)研究

(成都理工大學(xué) 管理科學(xué)學(xué)院,四川 成都 610059)

1 引言

強(qiáng)化金融市場(chǎng)風(fēng)險(xiǎn)管理，不僅是廣大投資主體應(yīng)該時(shí)刻關(guān)注的重要問(wèn)題，更是國(guó)家維護(hù)市場(chǎng)穩(wěn)定、促進(jìn)經(jīng)濟(jì)健康發(fā)展的重要手段[1]。隨著市場(chǎng)經(jīng)濟(jì)的迅猛發(fā)展與全球經(jīng)濟(jì)的空前一體化，國(guó)際間經(jīng)濟(jì)相互聯(lián)系日益緊密，金融市場(chǎng)的風(fēng)險(xiǎn)危機(jī)可能在不同金融市場(chǎng)間相互傳染，甚至誘發(fā)全球性的金融危機(jī)[2]。因此，準(zhǔn)確預(yù)測(cè)出金融市場(chǎng)間的風(fēng)險(xiǎn)傳染關(guān)系，對(duì)于維護(hù)國(guó)家經(jīng)濟(jì)安全，促進(jìn)經(jīng)濟(jì)繁榮，保持社會(huì)和諧穩(wěn)定，都具有極其重要的理論價(jià)值和實(shí)踐意義。

從理論上來(lái)講，金融收益序列的波動(dòng)變化應(yīng)該是一個(gè)穩(wěn)定過(guò)程，然而由于受到國(guó)際或國(guó)內(nèi)重大經(jīng)濟(jì)、政治事件的沖擊，使得金融市場(chǎng)發(fā)生顯著的波動(dòng)結(jié)構(gòu)突變，引發(fā)金融市場(chǎng)發(fā)生相似波動(dòng)結(jié)構(gòu)變化[3]。因此，金融市場(chǎng)波動(dòng)結(jié)構(gòu)突變是金融市場(chǎng)發(fā)生風(fēng)險(xiǎn)傳染的前提條件。

大量研究表明，波動(dòng)結(jié)構(gòu)突變預(yù)測(cè)關(guān)鍵是對(duì)波動(dòng)狀態(tài)進(jìn)行準(zhǔn)確預(yù)測(cè)[4]。目前常用方法是馬爾科夫機(jī)制轉(zhuǎn)換(Markov Regime Switching, MRS)模型，是基于收益率均值來(lái)進(jìn)行主觀刻畫，可能誤判其波動(dòng)狀態(tài)，導(dǎo)致結(jié)構(gòu)突變預(yù)測(cè)的失敗[5]。針對(duì)MRS模型的不足，本文引入隱馬爾科夫模型(Hidden Markov Models, HMM)來(lái)進(jìn)行波動(dòng)狀態(tài)預(yù)測(cè)。HMM是由一個(gè)雙內(nèi)嵌式的隨機(jī)過(guò)程來(lái)對(duì)其波動(dòng)狀態(tài)進(jìn)行擬合，能夠消除主觀因素對(duì)波動(dòng)狀態(tài)的誤判，使得預(yù)測(cè)波動(dòng)狀態(tài)更加準(zhǔn)確，確保風(fēng)險(xiǎn)傳染預(yù)測(cè)的可靠性[6]。

此外，金融市場(chǎng)波動(dòng)結(jié)構(gòu)突變預(yù)測(cè)不僅受到自身金融市場(chǎng)的影響，也受到市場(chǎng)相依性的制約。傳統(tǒng)相依關(guān)系研究主要使用線性方法，但由于金融市場(chǎng)之間更多體現(xiàn)為非線性關(guān)系，使得傳統(tǒng)方法存在明顯的缺陷[7～9]。近年來(lái)，大量學(xué)者引入Copula方法來(lái)刻畫金融市場(chǎng)間的相依關(guān)系，Copula能夠有效地克服傳統(tǒng)方法所存在的缺陷，并為這一領(lǐng)域提供了新的研究思路。主要模型為二元Copula與多元Copula模型，能夠較好地刻畫相依關(guān)系，但存在“維數(shù)詛咒”與結(jié)構(gòu)單一的缺陷，使得常規(guī)Copula模型也面臨著“先天不足”[10～13]。有鑒于此，BedFord和Cooks[13]提出了R-Vine Copula(Regular-Vine Copula)模型來(lái)刻畫金融市場(chǎng)間復(fù)雜的相依關(guān)系。R-Vine Copula模型不僅能夠有效描述多維市場(chǎng)間的相依關(guān)系，更為重要的是允許金融市場(chǎng)間存在不同的相依結(jié)構(gòu)[14]。

迄今為止，許多學(xué)者對(duì)金融市場(chǎng)風(fēng)險(xiǎn)傳染進(jìn)行研究。郭文偉[15]通過(guò)使用R-Vine Copula模型刻畫了國(guó)內(nèi)外股票市場(chǎng)間的相依關(guān)系，論證了香港股市、新加坡股市、德國(guó)股市和美國(guó)股市在國(guó)際股市中起到了樞紐中心的作用，是危機(jī)傳染向外擴(kuò)散的關(guān)鍵節(jié)點(diǎn)。馬鋒等[16]基于Vine Copula方法對(duì)股票市場(chǎng)進(jìn)行動(dòng)態(tài)組合VaR預(yù)測(cè)研究，實(shí)證表明Vine Copula模型能夠刻畫真實(shí)市場(chǎng)間的相依結(jié)構(gòu)。黃文彬等[17]基于次貸與歐債危機(jī)對(duì)歐美股票市場(chǎng)與中國(guó)股票市場(chǎng)間的風(fēng)險(xiǎn)傳染效應(yīng)開(kāi)展研究。Acar等[18]基于動(dòng)態(tài)Vine Copula模型研究匯率市場(chǎng)相依性，結(jié)果表明相關(guān)性的時(shí)間變化通常與金融危機(jī)或其他經(jīng)濟(jì)事件的時(shí)間一致。Brechman和Czado[19]對(duì)歐洲Euro Stoxx50及其成分股、美國(guó)道瓊斯指數(shù)間的相依關(guān)系進(jìn)行研究，表明美國(guó)股市對(duì)歐洲股市具有更強(qiáng)的相依影響。雖然已有研究都取得了顯著成效，但他們均沒(méi)有將結(jié)構(gòu)突變納入風(fēng)險(xiǎn)傳染研究。本文創(chuàng)新性主要體現(xiàn)在：不僅首次以結(jié)構(gòu)突變作為風(fēng)險(xiǎn)傳染預(yù)測(cè)研究視角，更為重要的是，基于R-Vine Copula模型對(duì)金融市場(chǎng)相依關(guān)系刻畫下，引入了HMM方法對(duì)金融市場(chǎng)結(jié)構(gòu)突變進(jìn)行預(yù)測(cè)研究，進(jìn)一步分析了風(fēng)險(xiǎn)傳染產(chǎn)生的原因及其傳染路徑。

2 模型構(gòu)建

2.1 金融市場(chǎng)結(jié)構(gòu)突變預(yù)測(cè)模型構(gòu)建

大量研究表明，金融收益波動(dòng)的結(jié)構(gòu)突變廣泛存在于金融市場(chǎng)中，而準(zhǔn)確識(shí)別出金融市場(chǎng)的結(jié)構(gòu)突變點(diǎn)，判斷出金融市場(chǎng)具備發(fā)生風(fēng)險(xiǎn)危機(jī)的可能性，是預(yù)測(cè)金融市場(chǎng)風(fēng)險(xiǎn)傳染的必要前提[5,12]。因此，開(kāi)展金融風(fēng)險(xiǎn)傳染預(yù)測(cè)研究，必須先對(duì)金融市場(chǎng)的波動(dòng)結(jié)構(gòu)突變進(jìn)行有效識(shí)別。

由于金融市場(chǎng)的結(jié)構(gòu)突變就存在于其波動(dòng)轉(zhuǎn)換之間，而要對(duì)金融市場(chǎng)進(jìn)行準(zhǔn)確的風(fēng)險(xiǎn)傳染預(yù)測(cè)研究，就必須先構(gòu)建模型描述金融市場(chǎng)波動(dòng)結(jié)構(gòu)，進(jìn)而探究金融市場(chǎng)是否存在結(jié)構(gòu)突變[20,21]。因此，本文引入HMM模型來(lái)對(duì)金融市場(chǎng)波動(dòng)狀態(tài)進(jìn)行刻畫，預(yù)測(cè)出其結(jié)構(gòu)突變點(diǎn)，為準(zhǔn)確預(yù)測(cè)出不同金融市場(chǎng)風(fēng)險(xiǎn)傳染提供理論依據(jù)。

首先，將金融資產(chǎn)m的收益率序列定義為一個(gè)觀測(cè)序列為Om={Om,1,Om,2,…,Om,t}。又由HMM模型可知, 要對(duì)金融資產(chǎn)m的波動(dòng)狀態(tài)進(jìn)行刻畫, 就需要對(duì)HMM模型參數(shù)λm={Am,Bm,πm}進(jìn)行建模分析,其中Am表示金融資產(chǎn)m的波動(dòng)狀態(tài)間的轉(zhuǎn)移概率,且Am=(am,ij),滿足如下條件：

am,ij=pm{st=j|st-1=i}

(1)

(2)

Bm表示當(dāng)金融資產(chǎn)m的收益率處于狀態(tài)i時(shí),其收益率對(duì)應(yīng)的觀察值概率分布,且Bm={bm,i(k)},其中bm,i(k)=pm{rt=vk|st=i},且觀察值vk∈(-∞,+∞);πm表示金融資產(chǎn)m的收益率序列的初始狀態(tài)概率分布值,有πm={πm,i|πm,i=pm{st=i},i=1,2};隱狀態(tài)集合為Sm={sm,1,sm,2}，隱狀態(tài)序列為Q={q1,q2,…,qt}。

最后, 根據(jù)各金融資產(chǎn)下的HMM參數(shù)λm,ML采用Viterbi算法估計(jì)最佳隱狀態(tài)序列Qm={qm,1，qm,2,…,qm,t}。

因此，通過(guò)構(gòu)建HMM模型得到了金融資產(chǎn)m的波動(dòng)狀態(tài)，從而可得到HMM測(cè)度模型下的各金融市場(chǎng)的結(jié)構(gòu)突變，進(jìn)而為結(jié)構(gòu)突變下金融市場(chǎng)風(fēng)險(xiǎn)傳染預(yù)測(cè)研究奠定堅(jiān)實(shí)的理論基礎(chǔ)。

2.2 金融市場(chǎng)間相依關(guān)系測(cè)度模型構(gòu)建

要準(zhǔn)確地預(yù)測(cè)出金融市場(chǎng)間的風(fēng)險(xiǎn)傳染關(guān)系，就需要先對(duì)金融市場(chǎng)間的相依關(guān)系進(jìn)行研究。然而，無(wú)論是二元Copula模型，還是多元Copula模型在風(fēng)險(xiǎn)傳染研究中可能存在市場(chǎng)“維數(shù)詛咒”或相依結(jié)構(gòu)單一的缺陷。在此背景下，BedFord和Cooks[13]基于圖論的思想構(gòu)建了R-Vine Copula來(lái)刻畫金融市場(chǎng)風(fēng)險(xiǎn)傳染關(guān)系。R-Vine Copula模型不僅能夠克服一般Copula的“維數(shù)詛咒”，也能解決多元Copula、C-Vine Copula以及D-Vine Copula模型在風(fēng)險(xiǎn)傳染研究中對(duì)于相依結(jié)構(gòu)的限制。因此，本文基于HMM模型對(duì)結(jié)構(gòu)突變研究的基礎(chǔ)上，引入了R-Vine Copula模型對(duì)金融市場(chǎng)風(fēng)險(xiǎn)傳染進(jìn)行研究。

根據(jù)Sklar定理，假設(shè)存在n維變量X=(x1,x2,…,xn)，其聯(lián)合密度函數(shù)為

(3)

其中C1,2,…,n(·)表示n維Copula密度函數(shù)，F(xiàn)n(·)表示邊緣密度函數(shù)。

2.3 基于R-Vine Copula的蒙特卡洛波動(dòng)狀態(tài)預(yù)測(cè)模型構(gòu)建

由于本文的風(fēng)險(xiǎn)傳染預(yù)測(cè)研究是基于波動(dòng)狀態(tài)預(yù)測(cè)的研究，而波動(dòng)狀態(tài)不僅受到自身收益率的影響，也受到金融市場(chǎng)間相依關(guān)系的影響[22]。

借鑒HMM預(yù)測(cè)模型以及R-Vine Copula模型建模思想，構(gòu)建基于R-Vine Copula下的HMM波動(dòng)狀態(tài)預(yù)測(cè)模型，進(jìn)而開(kāi)展風(fēng)險(xiǎn)傳染預(yù)測(cè)研究。利用各股票指數(shù)收益序列前t期的數(shù)據(jù)，估計(jì)出R-Vine Copula模型參數(shù)，得到各股票指數(shù)收益序列的相依關(guān)系函數(shù)C(x1,x2,…,xn)，并分解出各股票指數(shù)收益序列分布函數(shù)Fm(X)。具體運(yùn)行過(guò)程如下：

(3)應(yīng)用EM算法對(duì)收益序列m的觀測(cè)序列Om進(jìn)行估計(jì)，從而得到一次HMM模型參數(shù)λm,ML。

(4)根據(jù)HMM模型λm,ML采用Viterbi算法估計(jì)一次的最佳隱狀態(tài)qm,t+1。

(5)使用蒙特卡洛模擬法重復(fù)上述過(guò)程(1)～(4)，得到t+1時(shí)刻的參數(shù)λm,ML與最佳隱狀態(tài)qm,t+1。

(6)以此類推，按照(1)～(5)的模型參數(shù)估計(jì)過(guò)程，從而獲得股票指數(shù)收益序列的最佳波動(dòng)狀態(tài)序列Qm={qm,t+1,qm,t+2,…,qm,t+n}。

通過(guò)上述研究方法，結(jié)合R-Vine Copula模型下金融收益序列的相依關(guān)系，使用蒙特卡洛模擬法得到結(jié)構(gòu)突變下金融收益序列的最佳預(yù)測(cè)波動(dòng)狀態(tài)，并基于預(yù)測(cè)波動(dòng)狀態(tài)來(lái)對(duì)金融市場(chǎng)進(jìn)行風(fēng)險(xiǎn)傳染預(yù)測(cè)研究。

3 金融市場(chǎng)風(fēng)險(xiǎn)傳染可靠性檢驗(yàn)方法構(gòu)建

由于本文的金融風(fēng)險(xiǎn)傳染預(yù)測(cè)研究是基于波動(dòng)結(jié)構(gòu)突變預(yù)測(cè)展開(kāi)研究的，而對(duì)其結(jié)構(gòu)突變預(yù)測(cè)的關(guān)鍵在于對(duì)其預(yù)測(cè)波動(dòng)狀態(tài)的準(zhǔn)確性檢驗(yàn)[23]。又由于HMM模型得到的金融波動(dòng)狀態(tài)值是離散值，因此采用Pesaran和Timmermann[24]提出的成功率(Success Rate,SR)來(lái)檢驗(yàn)預(yù)測(cè)波動(dòng)狀態(tài)，并構(gòu)建函數(shù)It

(4)

從而, 可得到SR檢驗(yàn)表達(dá)式為

(5)

其中n表示預(yù)測(cè)樣本個(gè)數(shù)，qt表示t時(shí)刻股票指數(shù)收益序列的波動(dòng)狀態(tài)測(cè)度值，Qt表示t時(shí)刻股票指數(shù)收益序列的波動(dòng)狀態(tài)預(yù)測(cè)值。當(dāng)SR值達(dá)到75%時(shí)，HMM模型對(duì)波動(dòng)狀態(tài)預(yù)測(cè)具有較高的準(zhǔn)確性，且SR值越大，則表示波動(dòng)狀態(tài)預(yù)測(cè)準(zhǔn)確性越高，反之，則表示波動(dòng)狀態(tài)預(yù)測(cè)準(zhǔn)確性越低。

4 實(shí)證分析

4.1 樣本數(shù)據(jù)說(shuō)明與描述性統(tǒng)計(jì)

本文以納斯達(dá)克指數(shù)(IXIC)、富時(shí)100指數(shù)(FTSE100)、日經(jīng)225指數(shù)(N225)、韓國(guó)綜合指數(shù)(KS11)、香港恒生指數(shù)(HSI)、上證綜合指數(shù)(SHI)以及深證成指(SZI)共計(jì)7個(gè)重要股票指數(shù)為研究對(duì)象，樣本數(shù)據(jù)區(qū)間為2010年1月4日至2018年6月29日的日收盤價(jià)(數(shù)據(jù)來(lái)源：Wind數(shù)據(jù)庫(kù))。由于每個(gè)股票市場(chǎng)的交易時(shí)間并不完全一致，本文剔除交易時(shí)間不一致的數(shù)據(jù)，分別得到了2063個(gè)樣本數(shù)據(jù)。其中將2018年1月2日至2018年6月29日共計(jì)120個(gè)數(shù)據(jù)作為預(yù)測(cè)數(shù)據(jù)。

從數(shù)據(jù)結(jié)果可知，7只股票指數(shù)收益率序列中除了上證綜指與深證成指，其余股票指數(shù)收益率均值為正，而上證綜指與深證成指呈現(xiàn)出了較大的標(biāo)準(zhǔn)差，表明上證綜指與深證成指可能存在更加劇烈波動(dòng)幅度；所有股票指數(shù)均出現(xiàn)了較為明顯的左偏分布和尖峰特征。而從J-B檢驗(yàn)結(jié)果來(lái)看，所有股票指數(shù)均顯著拒絕了原假設(shè)，表明所有股票指數(shù)均不服從正態(tài)分布。LM(5)的檢驗(yàn)結(jié)果表明，所有股票指數(shù)的收益率序列都存在明顯的ARCH效應(yīng)，即均存在波動(dòng)聚集效應(yīng)。從總體上來(lái)看，所有股票市場(chǎng)都表現(xiàn)出了顯著的尖峰、左厚尾以及波動(dòng)聚集效應(yīng)等特征，尤其上證綜指與深證成指呈現(xiàn)出了更強(qiáng)的波動(dòng)性，因而更可能與其他金融市場(chǎng)發(fā)生風(fēng)險(xiǎn)傳染，也說(shuō)明了對(duì)中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)傳染預(yù)測(cè)研究的必要性。

4.2 基于波動(dòng)狀態(tài)的各股票指數(shù)結(jié)構(gòu)突變點(diǎn)測(cè)度研究

由于準(zhǔn)確識(shí)別出金融市場(chǎng)的結(jié)構(gòu)突變點(diǎn)，是研究金融市場(chǎng)風(fēng)險(xiǎn)傳染的前提。因此，本文引入HMM對(duì)不同股票市場(chǎng)的波動(dòng)狀態(tài)進(jìn)行刻畫，并基于結(jié)構(gòu)突變點(diǎn)的視角來(lái)探討不同股票市場(chǎng)間可能存在的相依關(guān)系，以保證對(duì)股票市場(chǎng)風(fēng)險(xiǎn)傳染預(yù)測(cè)研究的準(zhǔn)確性。

通過(guò)研究可知，全部股票指數(shù)的波動(dòng)狀態(tài)都存在較為明顯的結(jié)構(gòu)突變，且各股票指數(shù)收益序列的結(jié)構(gòu)突變點(diǎn)從時(shí)間上來(lái)看存在一定的聯(lián)系，因此這些股票市場(chǎng)可能風(fēng)險(xiǎn)傳染關(guān)系。由于IXIC和FTSE100指數(shù)的波動(dòng)狀態(tài)中所呈現(xiàn)出了相似的變化趨勢(shì)，表明美國(guó)和英國(guó)的股票市場(chǎng)存在明顯的相依關(guān)系；而N225、KS11以及HSI指數(shù)的波動(dòng)狀態(tài)的變化趨勢(shì)具有一定的相似性，表明日本、韓國(guó)、以及香港地區(qū)的股票市場(chǎng)可能呈現(xiàn)出了較高的相依關(guān)系。然而，對(duì)于中國(guó)國(guó)內(nèi)的股票市場(chǎng)而言，上證綜指和深證成指的波動(dòng)狀態(tài)變化趨勢(shì)在前期與歐美股市的波動(dòng)變化趨勢(shì)更加相似，但在后期卻與日韓等亞太股市的波動(dòng)狀態(tài)的變化趨勢(shì)相近，從而表明中國(guó)國(guó)內(nèi)股市在前期發(fā)生的風(fēng)險(xiǎn)危機(jī)可能是歐美等國(guó)金融市場(chǎng)傳染的，而由于近年與日韓等國(guó)金融交往的日益頻繁，其市場(chǎng)相依關(guān)系更加緊密，導(dǎo)致近年來(lái)中國(guó)與日韓等國(guó)更加可能發(fā)生風(fēng)險(xiǎn)傳染。因此，通過(guò)HMM模型對(duì)各金融市場(chǎng)股票指數(shù)的波動(dòng)狀態(tài)的刻畫，得到了各個(gè)股票指數(shù)的結(jié)構(gòu)突變點(diǎn)，初步判斷出各金融市場(chǎng)的結(jié)構(gòu)突變是如何在金融市場(chǎng)中進(jìn)行風(fēng)險(xiǎn)傳染的，為結(jié)構(gòu)突變下的風(fēng)險(xiǎn)傳染奠定了理論基礎(chǔ)。

4.3 基于R-Vine-Copula的股票市場(chǎng)風(fēng)險(xiǎn)傳染預(yù)測(cè)研究

4.3.1 波動(dòng)模型參數(shù)估計(jì)結(jié)果

雖然各股票指數(shù)收益序列可能存在風(fēng)險(xiǎn)傳染，但卻未明晰各股票市場(chǎng)風(fēng)險(xiǎn)傳染關(guān)系。然而，要采用R-Vine Copula模型來(lái)探究各金融市場(chǎng)風(fēng)險(xiǎn)傳染關(guān)系，需要先對(duì)其波動(dòng)率進(jìn)行描述。因此，基于HMM模型構(gòu)建EGARCH(1,1)-SKT模型來(lái)對(duì)股票指數(shù)收益殘差序列進(jìn)行刻畫，為R-Vine Copula模型下的市場(chǎng)間相依關(guān)系研究奠定基礎(chǔ)。

表1 HMM-EGARCH(1,1)-SKT模型的參數(shù)估計(jì)

注:*p<0.1,**p<0.05。

由表1可知，不同波動(dòng)狀態(tài)下的7只股票指數(shù)收益率均值μ均不為0，且具有顯著的差異，表明這7只股票指數(shù)呈現(xiàn)出了明顯的高低波動(dòng)狀態(tài)，同時(shí)既證明了這7只股票指數(shù)存在結(jié)構(gòu)突變點(diǎn)，也間接論證基于結(jié)構(gòu)突變對(duì)股票市場(chǎng)風(fēng)險(xiǎn)傳染研究的必要性。

進(jìn)一步對(duì)表1分析可知，在不同波動(dòng)狀態(tài)下參數(shù)γ均顯著，表明這7只股票指數(shù)的波動(dòng)率呈現(xiàn)出了較強(qiáng)的波動(dòng)持續(xù)性，從而說(shuō)明這些股票指數(shù)不僅受到自身市場(chǎng)的信息影響，也可能受到了其他金融市場(chǎng)的沖擊，可能導(dǎo)致其波動(dòng)率的持續(xù)性增強(qiáng)。此外，所有股票指數(shù)的K-S值均大于0.05，從而表明各股票指數(shù)收益序列均接受原假設(shè)，即變換后收益序列均服從(0,1)均勻分布，同時(shí)也表明HMM-EGARCH(1,1)模型能夠較好地?cái)M合這7只股票指數(shù)的殘差序列，確保了結(jié)構(gòu)突變下的風(fēng)險(xiǎn)傳染預(yù)測(cè)研究的有效性。

4.3.2 R-Vine Copula函數(shù)選取與估計(jì)

由于在HMM模型下7只股票指數(shù)收益序列均存在波動(dòng)結(jié)構(gòu)突變，證明了股票市場(chǎng)間存在發(fā)生風(fēng)險(xiǎn)傳染的可能性，需要進(jìn)一步分析股票指數(shù)間的相依關(guān)系。由于不同Vine結(jié)構(gòu)對(duì)應(yīng)著不同Copula函數(shù)，因此需要選取適當(dāng)?shù)腃opula函數(shù)形式，以確保在高維金融市場(chǎng)風(fēng)險(xiǎn)傳染預(yù)測(cè)研究的準(zhǔn)確性。

表2 R-Vine Copula樹(shù)結(jié)構(gòu)的分解及相關(guān)系數(shù)

注：數(shù)字1～7分別代表IXIC、FTSE100、N225、KS11、HSI、SHI以及SZI。

從表2可以看出，在第一層樹(shù)結(jié)構(gòu)中的各股票指數(shù)收益序列相依關(guān)系主要是通過(guò)Student Copula函數(shù)來(lái)刻畫的，且其相依系數(shù)均大于0.32，從而表明各股票指數(shù)收益序列間均呈現(xiàn)出了較強(qiáng)的的正相依關(guān)系。

然而，在第二層樹(shù)結(jié)構(gòu)中4,1|3，即KS11與IXIC在N225下的相依系數(shù)為-0.1650，表明在日本股市條件下韓國(guó)股市與美國(guó)股市間呈現(xiàn)出了一定的負(fù)向相依關(guān)系，且美國(guó)股市與韓國(guó)股市間的相依關(guān)系明顯弱于其他股市的相依關(guān)系。而在第四層與第五層樹(shù)結(jié)構(gòu)中可以看出，日本股市、韓國(guó)股市與中國(guó)大陸股市的相依關(guān)系均為正向相依關(guān)系，且均大于0.5，表明日本與韓國(guó)股市對(duì)中國(guó)大陸股市相依關(guān)系強(qiáng)于除香港股市外的其他股市，也驗(yàn)證了HMM模型下波動(dòng)狀態(tài)測(cè)度結(jié)果，中國(guó)股市在近年來(lái)受到日韓股市影響更加明顯，導(dǎo)致中國(guó)大陸股市與日韓股市間的相依關(guān)系明顯增強(qiáng)。

由于Vine Copula模型分解規(guī)則的不同，使得Vine函數(shù)呈現(xiàn)出不同的樹(shù)結(jié)構(gòu)，進(jìn)而影響金融資產(chǎn)間相依關(guān)系測(cè)度的準(zhǔn)確性。為了更加直接地展示R-Vine Copula模型在股票指數(shù)收益序列相依關(guān)系刻畫的合理性與優(yōu)越性，還將使用似然值LL、AIC和BIC值以及Vuong[25]提出的基于似然比率方法來(lái)檢驗(yàn)不同Vine Copula模型對(duì)股票指數(shù)間相依結(jié)構(gòu)擬合可靠性。

表3 Vine Copula模型的Vuong檢驗(yàn)

通過(guò)表3可知，R-Vine Copula模型具有最大的似然值，表明其擬合效果更顯著，但與其他兩個(gè)Vine Copula模型間似然值的差距并不大，其原因可能是由于本文所選擇的市場(chǎng)維數(shù)有限，導(dǎo)致其Vine結(jié)構(gòu)的差異性不顯著。而所有v統(tǒng)計(jì)量值均大于設(shè)定的臨界值，但R-Vine結(jié)構(gòu)下的p值更小，表明R-Vine Copula模型能夠?qū)Y(jié)構(gòu)突變下金融市場(chǎng)進(jìn)行更有效的風(fēng)險(xiǎn)傳染預(yù)測(cè)。

4.3.3 股票市場(chǎng)風(fēng)險(xiǎn)傳染預(yù)測(cè)研究

由于R-Vine Copula模型能夠有效地刻畫出股票指數(shù)收益序列的相依關(guān)系，可基于股票指數(shù)的相依關(guān)系，再使用HMM模型對(duì)股票指數(shù)收益序列進(jìn)行波動(dòng)狀態(tài)預(yù)測(cè)，并以此來(lái)進(jìn)行風(fēng)險(xiǎn)傳染預(yù)測(cè)研究。

由圖1～3可知，預(yù)測(cè)波動(dòng)狀態(tài)、測(cè)度波動(dòng)狀態(tài)與其對(duì)應(yīng)收盤價(jià)波動(dòng)趨勢(shì)呈現(xiàn)出相似性，表明基于R-Vine Copula的HMM模型能夠?qū)善敝笖?shù)進(jìn)行較為準(zhǔn)確的波動(dòng)狀態(tài)預(yù)測(cè)，也證明了波動(dòng)狀態(tài)預(yù)測(cè)對(duì)金融市場(chǎng)風(fēng)險(xiǎn)傳染預(yù)測(cè)研究的有效性與可靠性。

此外，對(duì)比預(yù)測(cè)波動(dòng)狀態(tài)與其對(duì)應(yīng)的收盤價(jià)可知，在2018/01～2018/02期間各股票指數(shù)收益序列均存在預(yù)測(cè)波動(dòng)結(jié)構(gòu)突變點(diǎn)，與實(shí)際股票指數(shù)收盤價(jià)波動(dòng)變化相一致，可能是由美國(guó)征收進(jìn)口關(guān)稅所引發(fā)的股市波動(dòng)，導(dǎo)致股票市場(chǎng)結(jié)構(gòu)突變，證明了基于R-Vine Copula下股票市場(chǎng)波動(dòng)狀態(tài)預(yù)測(cè)的準(zhǔn)確性，也表明基于預(yù)測(cè)波動(dòng)狀態(tài)對(duì)風(fēng)險(xiǎn)傳染研究具有較高可靠性。在2018/05～2018/06期間，IXIC、N225與SHI的預(yù)測(cè)波動(dòng)狀態(tài)均出現(xiàn)了結(jié)構(gòu)突變，可能是由于美國(guó)在此期間針對(duì)中國(guó)所展開(kāi)的貿(mào)易政策，使得中美股市均出現(xiàn)了明顯的波動(dòng)，結(jié)合表3的中美股票指數(shù)相依系數(shù)結(jié)果，也證實(shí)了中美兩國(guó)股市間存在顯著的風(fēng)險(xiǎn)傳染關(guān)系。

由預(yù)測(cè)波動(dòng)狀態(tài)與測(cè)度波動(dòng)狀態(tài)可知，基于R-Vine Copula的HMM模型下的預(yù)測(cè)結(jié)構(gòu)突變點(diǎn)比測(cè)度結(jié)構(gòu)突變點(diǎn)均有所提前。可能是由于股票指數(shù)受到其他金融市場(chǎng)風(fēng)險(xiǎn)傳染的影響，導(dǎo)致其預(yù)測(cè)波動(dòng)狀態(tài)的結(jié)構(gòu)突變現(xiàn)象呈現(xiàn)出了一定的前置效應(yīng)，因而投資機(jī)構(gòu)和監(jiān)管部門能夠依據(jù)這一特征提前設(shè)置相應(yīng)的預(yù)警方案，以避免損失，進(jìn)而也表明基于R-Vine Copula下的HMM模型能夠更加有效地預(yù)測(cè)風(fēng)險(xiǎn)傳染。

為更加直觀地展示波動(dòng)狀態(tài)預(yù)測(cè)對(duì)結(jié)構(gòu)突變下股票市場(chǎng)風(fēng)險(xiǎn)傳染預(yù)測(cè)研究的準(zhǔn)確性，還使用SR對(duì)基于R-Vine Copula下HMM模型所獲得的預(yù)測(cè)波動(dòng)狀態(tài)進(jìn)行檢驗(yàn)。

表4 股票指數(shù)預(yù)測(cè)波動(dòng)狀態(tài)SR檢驗(yàn)結(jié)果

從表4可以發(fā)現(xiàn)，基于R-Vine Copula的HMM模型下股票指數(shù)的預(yù)測(cè)波動(dòng)狀態(tài)成功率大于75%，表明基于R-Vine Copula下HMM模型能夠較準(zhǔn)確地預(yù)測(cè)出股票指數(shù)列波動(dòng)狀態(tài)，也證明R-Vine Copula模型能夠準(zhǔn)確地刻畫出結(jié)構(gòu)突變下股票市場(chǎng)的相依關(guān)系，間接證明了基于波動(dòng)狀態(tài)預(yù)測(cè)視角對(duì)風(fēng)險(xiǎn)傳染預(yù)測(cè)研究的有效性。

5 研究結(jié)論與啟示

要準(zhǔn)確預(yù)測(cè)出金融市場(chǎng)風(fēng)險(xiǎn)傳染，關(guān)鍵是對(duì)其結(jié)構(gòu)突變進(jìn)行預(yù)測(cè)研究。首先，本文引入HMM模型對(duì)股票指數(shù)進(jìn)行波動(dòng)狀態(tài)測(cè)度；其次，基于測(cè)度波動(dòng)狀態(tài)，使用EGARCH模型測(cè)度出股票指數(shù)的波動(dòng)率，進(jìn)而引入R-Vine Copula模型刻畫股票指數(shù)的相依關(guān)系；再次，基于測(cè)度的股票指數(shù)相依關(guān)系再對(duì)各股票指數(shù)進(jìn)行波動(dòng)狀態(tài)預(yù)測(cè)，進(jìn)而對(duì)股票市場(chǎng)進(jìn)行風(fēng)險(xiǎn)傳染預(yù)測(cè)研究。實(shí)證研究表明：各股票指數(shù)均存在波動(dòng)結(jié)構(gòu)突變；隨著近年來(lái)中國(guó)股票市場(chǎng)監(jiān)管的完善以及中國(guó)與日韓等國(guó)經(jīng)濟(jì)合作的加強(qiáng)，中國(guó)股市與日韓股市的相依關(guān)系顯著增強(qiáng)；從預(yù)測(cè)風(fēng)險(xiǎn)傳染來(lái)看，中國(guó)股市與美國(guó)股市具有更明顯的相依關(guān)系，可能是此期間美國(guó)針對(duì)中國(guó)貿(mào)易政策，導(dǎo)致了中美股市出現(xiàn)了顯著的風(fēng)險(xiǎn)傳染現(xiàn)象，也說(shuō)明基于波動(dòng)狀態(tài)預(yù)測(cè)對(duì)股票市場(chǎng)風(fēng)險(xiǎn)傳染預(yù)測(cè)的準(zhǔn)確性；從基于R-Vine Copula下HMM模型的預(yù)測(cè)波動(dòng)狀態(tài)中的結(jié)構(gòu)突變點(diǎn)相較于測(cè)度波動(dòng)狀態(tài)中的結(jié)構(gòu)突變點(diǎn)具有一定的前置現(xiàn)象，進(jìn)而表明基于R-Vine Copula下的HMM預(yù)測(cè)模型能夠?qū)鹑谑袌?chǎng)進(jìn)行較為有效的風(fēng)險(xiǎn)傳染預(yù)測(cè)。

研究啟示：(1)當(dāng)美國(guó)金融市場(chǎng)未出現(xiàn)針對(duì)性的金融政策時(shí)，中國(guó)金融市場(chǎng)更可能與日韓股市發(fā)生風(fēng)險(xiǎn)傳染，因此可通過(guò)對(duì)日韓金融市場(chǎng)結(jié)構(gòu)突變預(yù)測(cè)研究，達(dá)到對(duì)中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)管理研究。(2)美國(guó)金融市場(chǎng)出現(xiàn)的金融政策對(duì)中國(guó)具有顯著影響，更易導(dǎo)致中國(guó)市場(chǎng)發(fā)生風(fēng)險(xiǎn)傳染，同時(shí)還應(yīng)結(jié)合金融市場(chǎng)的實(shí)際，制定出科學(xué)、合理的金融風(fēng)險(xiǎn)預(yù)警方案，從而避免風(fēng)險(xiǎn)損失，進(jìn)一步促進(jìn)中國(guó)金融市場(chǎng)的繁榮穩(wěn)定。