公司債市場(chǎng)是新常態(tài)下證券市場(chǎng)的風(fēng)險(xiǎn)信號(hào)標(biāo)嗎

曾志堅(jiān) 張欣怡 黃珊

摘?要：以發(fā)行債券的上市公司為樣本，分別編制公司債指數(shù)與股票指數(shù)，據(jù)此運(yùn)用Copula-CoVaR模型測(cè)度公司債與股票市場(chǎng)間風(fēng)險(xiǎn)溢出的方向與強(qiáng)度。結(jié)果發(fā)現(xiàn)：股票市場(chǎng)的風(fēng)險(xiǎn)大于公司債市場(chǎng);公司債與股票市場(chǎng)間存在雙向不對(duì)稱的正向風(fēng)險(xiǎn)溢出，公司債市場(chǎng)對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)度顯著強(qiáng)于股票市場(chǎng)對(duì)公司債市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)度。經(jīng)濟(jì)新常態(tài)下，公司債市場(chǎng)成為證券市場(chǎng)的風(fēng)險(xiǎn)指示標(biāo)，具有較強(qiáng)的風(fēng)險(xiǎn)信號(hào)作用。

關(guān)鍵詞：?新常態(tài);公司債市場(chǎng);股票市場(chǎng);風(fēng)險(xiǎn)溢出

中圖分類號(hào)：F830.91?文獻(xiàn)標(biāo)識(shí)碼：?A文章編號(hào)：1003-7217（2020）01-0041-07

一、引?言

自2015年中國(guó)經(jīng)濟(jì)發(fā)展步入新常態(tài)，證券市場(chǎng)呈現(xiàn)出多元化的發(fā)展趨勢(shì)，但伴隨著經(jīng)濟(jì)增長(zhǎng)速度換擋、結(jié)構(gòu)調(diào)整陣痛和前期刺激政策消化的“三期疊加”，證券市場(chǎng)各子市場(chǎng)的風(fēng)險(xiǎn)逐步顯性化。2015年A股出現(xiàn)大幅震蕩，暴漲急跌，甚至出現(xiàn)10個(gè)交易日內(nèi)市場(chǎng)指數(shù)連續(xù)下跌超過(guò)20%的情況。2018年股市運(yùn)行面臨更為復(fù)雜和嚴(yán)峻的形勢(shì)，尤其是6月19日，1019只股票跌停，12月29日深證成指以7239.79點(diǎn)收盤(pán)，全年下跌34.42%，股票市場(chǎng)風(fēng)險(xiǎn)不斷增大。2015年證監(jiān)會(huì)頒布實(shí)施《公司債券發(fā)行與交易管理辦法》，公司債券發(fā)行全面提速，但持續(xù)擴(kuò)容使公司債市場(chǎng)囊括了一些信用水平參差不齊的發(fā)行人和債券，蘊(yùn)含潛在風(fēng)險(xiǎn)。2018年公司債市場(chǎng)違約事件頻發(fā)，風(fēng)險(xiǎn)加速積聚和爆發(fā)。新常態(tài)下的中國(guó)經(jīng)濟(jì)呈現(xiàn)出不同以往的新特征，作為證券市場(chǎng)的重要組成部分的公司債與股票市場(chǎng)，其風(fēng)險(xiǎn)溢出狀態(tài)如何、哪個(gè)市場(chǎng)在風(fēng)險(xiǎn)傳遞過(guò)程中發(fā)揮主導(dǎo)作用，這些問(wèn)題的解決對(duì)促進(jìn)證券市場(chǎng)高效穩(wěn)定運(yùn)行，推動(dòng)經(jīng)濟(jì)平穩(wěn)發(fā)展具有重要意義。

目前，對(duì)證券市場(chǎng)風(fēng)險(xiǎn)溢出的研究大多集中在股票市場(chǎng)間或債券市場(chǎng)間。Xu和Gao（2019）基于非線性Granger因果檢驗(yàn)，發(fā)現(xiàn)2008年次貸危機(jī)時(shí)期，發(fā)達(dá)國(guó)家股市單方面影響中國(guó)股市，而2015年中國(guó)股市劇烈動(dòng)蕩時(shí)期，中國(guó)股市與發(fā)達(dá)國(guó)家股市間存在風(fēng)險(xiǎn)溢出[1]。為準(zhǔn)確捕捉證券市場(chǎng)的收益方差特征，引入GARCH族模型，通過(guò)測(cè)量條件方差是否相關(guān)檢驗(yàn)不同市場(chǎng)間是否存在風(fēng)險(xiǎn)溢出效應(yīng)[2]。Santiago等（2019）基于DCC-GARCH模型構(gòu)建中國(guó)、美國(guó)等股市間的波動(dòng)溢出指數(shù)，證實(shí)發(fā)達(dá)股票市場(chǎng)為風(fēng)險(xiǎn)傳染源[3]。GARCH族模型可以在一定程度上提高測(cè)度結(jié)果的有效性，但未能準(zhǔn)確刻畫(huà)金融時(shí)間序列的尖峰厚尾特征。為克服GARCH族模型的不足，隨機(jī)波動(dòng)（SV）模型引入了隨機(jī)過(guò)程來(lái)刻畫(huà)方差的時(shí)變波動(dòng)[4]。劉海云和呂龍（2018）基于因子多元SV模型研究了全球40個(gè)國(guó)家股市間的風(fēng)險(xiǎn)溢出特征，發(fā)現(xiàn)發(fā)達(dá)國(guó)家的風(fēng)險(xiǎn)溢出程度大于發(fā)展中國(guó)家[5]。但SV模型僅能判斷市場(chǎng)間風(fēng)險(xiǎn)溢出的方向，不能有效測(cè)度風(fēng)險(xiǎn)溢出強(qiáng)度。為了更好地刻畫(huà)市場(chǎng)間的風(fēng)險(xiǎn)溢出關(guān)系，對(duì)變量間相關(guān)性具有良好描述能力的Copula方法被廣泛使用[6]。Reboredo（2018）基于Copula方法研究發(fā)現(xiàn)，綠色債券市場(chǎng)與國(guó)債市場(chǎng)之間存在溢出關(guān)系[7]。

隨著對(duì)證券市場(chǎng)風(fēng)險(xiǎn)溢出研究的深入，學(xué)者們對(duì)股票市場(chǎng)與債券市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)也進(jìn)行了研究。Tian和Hamori（2016）利用隨機(jī)波動(dòng)的時(shí)變結(jié)構(gòu)向量自回歸模型研究了美國(guó)股票、國(guó)債間的跨市場(chǎng)金融沖擊傳導(dǎo)機(jī)制，發(fā)現(xiàn)兩市場(chǎng)間的波動(dòng)溢出具有時(shí)變性，且兩市場(chǎng)對(duì)極端事件的反應(yīng)不同[8]。陳學(xué)彬和曾裕峰（2016）基于多元分位數(shù)模型研究了滬深300指數(shù)與中國(guó)總債券指數(shù)間的風(fēng)險(xiǎn)溢出，發(fā)現(xiàn)早期股債市場(chǎng)間的尾部溢出效應(yīng)不明顯，但隨著金融改革進(jìn)程的推進(jìn)，風(fēng)險(xiǎn)傳染不斷增強(qiáng)[9]。張巖和胡迪（2017）運(yùn)用溢出指數(shù)研究了中國(guó)股票市場(chǎng)與國(guó)債市場(chǎng)間的風(fēng)險(xiǎn)溢出關(guān)系，發(fā)現(xiàn)在金融危機(jī)時(shí)期股債市場(chǎng)間的風(fēng)險(xiǎn)溢出更強(qiáng)烈[10]。Liow等（2018）考察了G7國(guó)家股票市場(chǎng)與整體債券市場(chǎng)間的波動(dòng)溢出關(guān)系，發(fā)現(xiàn)政策不確定性溢出會(huì)導(dǎo)致證券市場(chǎng)間的波動(dòng)溢出[11]。劉超等（2019）采用溢出指數(shù)方法對(duì)滬深300指數(shù)和中債指數(shù)進(jìn)行實(shí)證分析，發(fā)現(xiàn)危機(jī)期間股票市場(chǎng)對(duì)債券市場(chǎng)的風(fēng)險(xiǎn)溢出最強(qiáng)[12]。

通過(guò)對(duì)現(xiàn)有文獻(xiàn)的梳理，發(fā)現(xiàn)有關(guān)證券市場(chǎng)風(fēng)險(xiǎn)溢出的研究主要集中在股票市場(chǎng)間、債券市場(chǎng)間或股票與國(guó)債市場(chǎng)間，對(duì)于公司債與股票市場(chǎng)間的風(fēng)險(xiǎn)溢出研究較少。然而，經(jīng)濟(jì)新常態(tài)下，證券市場(chǎng)的不確定因素增加，同一家公司發(fā)行的債券與股票，彼此收益、風(fēng)險(xiǎn)等因素相互交織，其風(fēng)險(xiǎn)的外溢性與傳導(dǎo)性更加強(qiáng)烈，公司債與股票市場(chǎng)間的風(fēng)險(xiǎn)溢出呈現(xiàn)出新的特征。因此，本文對(duì)公司債與股票市場(chǎng)間的風(fēng)險(xiǎn)溢出進(jìn)行研究，進(jìn)而探尋新常態(tài)下證券市場(chǎng)的風(fēng)險(xiǎn)信號(hào)標(biāo)。

二、公司債與股票市場(chǎng)行情簡(jiǎn)析

參照中證指數(shù)有限公司公布的企業(yè)債指數(shù)編制方法和滬深300指數(shù)編制方法，以發(fā)行債券的上市公司為樣本，分別編制2015-2018年的公司債指數(shù)與股票指數(shù)，進(jìn)而分析其在此期間的走勢(shì)。

（一）指數(shù)編制

以2014年12月31日為公司債與股票指數(shù)的編制基期，基期指數(shù)分別為100點(diǎn)和1000點(diǎn)。

1.?公司債指數(shù)編制。

（1）?計(jì)算公式。

采用派許加權(quán)綜合價(jià)格指數(shù)公式計(jì)算，即：

Y=P+RA0×100P=∑（K×Q）?（1）

其中，Y表示公司債券報(bào)告期指數(shù)，P代表報(bào)告期樣本公司債券的總市值，R代表報(bào)告期公司債利息及再投資收益，A0代表基期總市值，K和Q分別為樣本公司債券全價(jià)及發(fā)行量。

（2）?指數(shù)修正與調(diào)整。

當(dāng)樣本公司債券的市值出現(xiàn)非交易因素的變動(dòng)時(shí)，通過(guò)“除數(shù)修正法”對(duì)原除數(shù)進(jìn)行修正，進(jìn)而使指數(shù)具有連續(xù)性，即：

P0A0=P1A1P1=P0+ΔP?（2）

其中，P0和P1分別代表修正前和修正后的公司債券市值，SymbolDA@

P代表新增（減）的市值，A1代表新除數(shù)（新基期）總市值。

根據(jù)式（2）得到新除數(shù)，再進(jìn)行后續(xù)指數(shù)計(jì)算。當(dāng)出現(xiàn)下列情況時(shí)，則需要對(duì)指數(shù)進(jìn)行相應(yīng)的調(diào)整：?新上市合格的公司債券自第二個(gè)交易日起計(jì)入指數(shù);對(duì)暫停交易的公司債券不作調(diào)整，以其暫停交易前一交易日的收盤(pán)價(jià)對(duì)指數(shù)進(jìn)行修正;

在樣本公司債券發(fā)行量發(fā)生變動(dòng)前對(duì)指數(shù)進(jìn)行修正;

在每月的最后一個(gè)交易日把樣本公司債券當(dāng)月的利息及再投資收益從指數(shù)中去除。

2.?股票指數(shù)編制。

（1）?計(jì)算公式。

采用派許加權(quán)綜合價(jià)格指數(shù)公式計(jì)算，即：

Y′=P′A′0×1000（3）

其中，Y′表示股票報(bào)告期指數(shù)，P′、A′0分別代表報(bào)告期樣本股總市值與基期總市值。

（2）?指數(shù)修正與調(diào)整。

當(dāng)樣本股的市值出現(xiàn)非交易因素變動(dòng)時(shí)，通過(guò)“除數(shù)修正法”對(duì)原除數(shù)進(jìn)行修正，進(jìn)而使指數(shù)具有連續(xù)性，即：

P′0A′0=P′1A′1P′1=P′0+ΔP′?（4）

其中，P′0和P′1分別代表修正前和修正后的股票總市值，SymbolDA@

P′代表新增（減）的市值，A′1表示新除數(shù)（新基期）總市值。

根據(jù)式（4）得出新除數(shù)，再進(jìn)行后續(xù)指數(shù)計(jì)算。當(dāng)出現(xiàn)下列情況時(shí)，則需要對(duì)指數(shù)進(jìn)行相應(yīng)的調(diào)整：凡有樣本股發(fā)生送股、配股、拆股或縮股時(shí)，在樣本股除權(quán)基準(zhǔn)日前修正指數(shù)，并按照新的股本與價(jià)格調(diào)整樣本股市值;由其他公司事件（如增發(fā)、債轉(zhuǎn)股、期權(quán)行權(quán)等）引起的樣本股股本變動(dòng)累計(jì)達(dá)到或超過(guò)5%時(shí)，對(duì)其進(jìn)行臨時(shí)調(diào)整;由其他公司事件引起的樣本股股本變動(dòng)累計(jì)不超過(guò)5%時(shí)，對(duì)其進(jìn)行定期調(diào)整;樣本股臨時(shí)調(diào)整或定期調(diào)整生效日前對(duì)指數(shù)進(jìn)行修正。

（二）公司債與股票指數(shù)的走勢(shì)分析

根據(jù)所編制的公司債指數(shù)，繪制其2015-2018年的走勢(shì)圖（如圖1）。2015年公司債市場(chǎng)新規(guī)落地后，公司債指數(shù)不斷上升，市場(chǎng)形勢(shì)大好。2016年受松綁政策的持續(xù)影響，公司債券規(guī)模在年初繼續(xù)增長(zhǎng)，公司債指數(shù)持續(xù)上揚(yáng)，但4月受債券市場(chǎng)信用風(fēng)險(xiǎn)爆發(fā)影響，指數(shù)出現(xiàn)回落;6月到11月平穩(wěn)回升;12月由于流動(dòng)性大幅收緊和“黑天鵝”事件頻出，公司債市場(chǎng)風(fēng)險(xiǎn)加劇，指數(shù)價(jià)格急劇下跌。2017年由于之前主營(yíng)業(yè)務(wù)陷入困頓而大肆定增和擴(kuò)張并購(gòu)的公司面臨較大的信用危機(jī)，致使公司債市場(chǎng)風(fēng)險(xiǎn)進(jìn)一步惡化，公司債指數(shù)持續(xù)下跌。2018年國(guó)務(wù)院常務(wù)會(huì)議提出要“穩(wěn)步擴(kuò)大金融業(yè)開(kāi)放”，鼓勵(lì)債市定向擴(kuò)容，推動(dòng)公司債券產(chǎn)品創(chuàng)新，促使公司債市場(chǎng)迸發(fā)出新的活力;此外，由于中性偏松的貨幣政策，流動(dòng)性較為充裕，市場(chǎng)利率整體呈下行走勢(shì)，公司債券發(fā)行成本下降，發(fā)行規(guī)模增加，因此，公司債指數(shù)呈現(xiàn)出回升趨勢(shì)。

根據(jù)所編制的股票指數(shù)，繪制2015-2018年的走勢(shì)圖（如圖2）。2015年上半年市場(chǎng)配資規(guī)模迅速膨脹，高杠桿推動(dòng)股市快速上漲，股票指數(shù)持續(xù)上揚(yáng)，但相對(duì)寬松的監(jiān)管環(huán)境以及監(jiān)管獨(dú)立性的缺失，使市場(chǎng)價(jià)格泡沫化，市場(chǎng)結(jié)構(gòu)極其脆弱;6月泡沫破裂，股票指數(shù)進(jìn)入第一輪暴跌;8月進(jìn)入第二輪暴跌，但隨著暫停實(shí)施指數(shù)熔斷機(jī)制、設(shè)立國(guó)務(wù)院金融穩(wěn)定發(fā)展委員會(huì)、加強(qiáng)全面從嚴(yán)監(jiān)管等一系列救市措施的實(shí)施，股市逐漸恢復(fù)常態(tài)。經(jīng)歷了2015年的暴漲急跌，2016-2017年股市一直處于熊市行情，股票指數(shù)相對(duì)較低。2018年受去杠桿政策下監(jiān)管趨嚴(yán)的影響，股市再次出現(xiàn)暴跌;同時(shí)，中美貿(mào)易沖突加劇，損害了資本市場(chǎng)預(yù)期的穩(wěn)定，而股市本就處于熊市之中，市場(chǎng)情緒脆弱;加之外圍市場(chǎng)不斷下跌、人民幣貶值等負(fù)面因素的影響，市場(chǎng)悲觀情緒蔓延，股票指數(shù)持續(xù)下跌。

三、基于Copula-CoVaR模型的公司債與股票市場(chǎng)間風(fēng)險(xiǎn)溢出測(cè)度

Adrian和Brunnermeier（2008）所提出的CoVaR方法，能夠度量證券市場(chǎng)間的尾部風(fēng)險(xiǎn)溢出，測(cè)度風(fēng)險(xiǎn)溢出方向與強(qiáng)度，并有效刻畫(huà)風(fēng)險(xiǎn)溢出的非對(duì)稱性等特征[13]。CoVaR需要刻畫(huà)證券市場(chǎng)間的尾部相依結(jié)構(gòu)，Copula函數(shù)能夠根據(jù)不同市場(chǎng)的邊緣分布估計(jì)其聯(lián)合分布，從而能夠準(zhǔn)確描述市場(chǎng)間的相依性?；诖?，本文通過(guò)構(gòu)建Copula-CoVaR模型測(cè)度經(jīng)濟(jì)新常態(tài)下公司債與股票市場(chǎng)間的風(fēng)險(xiǎn)溢出。

（一）收益率統(tǒng)計(jì)分析

首先根據(jù)所編制的指數(shù)計(jì)算其對(duì)數(shù)收益率。Rt代表公司債指數(shù)或股票指數(shù)在第t日的指數(shù)收益率，Pt和Pt-1分別表示第t日和第t-1日的指數(shù)值，數(shù)學(xué)表達(dá)式為：

Rt=100×ln?（pt/pt-1）?（5）

根據(jù)表1中公司債指數(shù)與股票指數(shù)序列的偏度、峰度等描述性統(tǒng)計(jì)量可以看出，在1%的顯著性水平下兩收益率序列均不服從正態(tài)分布。

根據(jù)圖3的QQ圖可以發(fā)現(xiàn)，公司債與股票指數(shù)收益率序列都具有厚尾特征，因此，可以選擇對(duì)尾部數(shù)據(jù)具有較好擬合效果的廣義帕累托分布（GPD）對(duì)序列進(jìn)行邊緣分布擬合。

（a）?公司債指數(shù)收益率序列QQ圖

（b）?股票指數(shù)收益率序列QQ圖

（二）基于GPD分布的邊緣分布建模

極值理論中的POT（Peaks?Over?Threshold）方法能夠較好地解決金融時(shí)間序列的厚尾問(wèn)題，更好地刻畫(huà)GDP分布。POT方法選定一個(gè)閾值μ，然后將樣本數(shù)據(jù)中所有虧損幅度超過(guò)閾值的數(shù)據(jù)保留下來(lái)，作為擬合尾部分布的數(shù)據(jù)基礎(chǔ)，超過(guò)μ的超額數(shù)y的超閾值分布Fμ（y）為：

Fμ（y）=P（X-μ≤y|X>μ）=

F（y+μ）1-F（μ）（6）

其中，y>0。當(dāng)超過(guò)閾值的數(shù)據(jù)足夠大時(shí)，F(xiàn)μ（y）接近GPD分布，即：

Gξ，β（μ）（y）=1-1+ξyβ（μ）-1ξξ≠01-exp?（-yβ（μ））ξ=0（7）

其中，β（μ）為尺度參數(shù)，ξ∈R表示分布的形狀參數(shù)。令x=μ+y，結(jié)合式（6）和（7），得到序列的邊緣分布為：

F（x）=NμLN（1-ξx-μβ（μ））x<μLEcdf（x）μL≤x≤μR1-NμRN（1+ξx-μβ（μ））x>μR（8）

其中，Nμ為樣本中小于閾值的數(shù)量;μL表示下尾閾值;μR表示上尾閾值;區(qū)間μL≤x≤μR上的數(shù)據(jù)利用經(jīng)驗(yàn)分布擬合，即Ecdf（x）。此外，根據(jù)常用的Du?Mouchel原則進(jìn)行上下尾閾值的選擇，即設(shè)定約有10%的數(shù)據(jù)超過(guò)閾值。利用β（μ）與ξ做出兩指數(shù)收益率序列GPD分布擬合圖診斷圖。

限于篇幅，本文僅列示股票指數(shù)收益率序列的GPD分布擬合圖診斷圖（上下尾），見(jiàn)圖4。從中可以看出，樣本數(shù)據(jù)點(diǎn)都集中在對(duì)應(yīng)曲線附近，表明數(shù)據(jù)擬合效果較好。GPD分布對(duì)公司債指數(shù)收益率序列同樣具有較好的擬合效果。

（三）擬合最優(yōu)Copula函數(shù)

令F（-1）1，…，F(xiàn)（-1）N為各邊緣分布函數(shù)的反函數(shù)，那么，任意N維空間（μ1，…，μN(yùn)）有唯一的Copula函數(shù)C：[0，1]N→[0，1]，使得：

C（μ1，…，μN(yùn)）=F（F（-1）1（x1），…，F(xiàn)（-1）N（xN））?（9）

聯(lián)合分布函數(shù)F的密度函數(shù)為：

f（x1，…，xN）=c（F1（x1），…，

FN（xN））ΠNn=1fn（xn）?（10）

Copula函數(shù)的形式較多，本文選擇較為常見(jiàn)的Normal?Copula、Gumbel?Copula、BB1?Copula、Galambos?Copula等形式進(jìn)行擬合，再?gòu)闹袑ふ覕M合效果最優(yōu)的Copula函數(shù)。擬合結(jié)果如表2所示。根據(jù)AIC準(zhǔn)則、BIC準(zhǔn)則和HQIC準(zhǔn)則，發(fā)現(xiàn)BB1?Copula函數(shù)最優(yōu)。

選取BB1?Copula函數(shù)對(duì)公司債指數(shù)與股票指數(shù)收益率序列進(jìn)行擬合，結(jié)果如表3所示。下尾相關(guān)系數(shù)為0.4375，意味著公司債市場(chǎng)與股票市場(chǎng)間的風(fēng)險(xiǎn)溢出方向?yàn)檎瑑墒袌?chǎng)間具有正向的風(fēng)險(xiǎn)溢出效應(yīng)，即當(dāng)股票市場(chǎng)（或公司債市場(chǎng)）處于某一風(fēng)險(xiǎn)狀態(tài)時(shí)，公司債市場(chǎng)（或股票市場(chǎng)）的風(fēng)險(xiǎn)水平也會(huì)相應(yīng)增大。

（四）CoVaR求解與分析

結(jié)合Copula函數(shù)擬合結(jié)果，進(jìn)一步計(jì)算5%顯著性水平下兩市場(chǎng)間的CoVaR，測(cè)度公司債與股票市場(chǎng)間風(fēng)險(xiǎn)溢出的方向與強(qiáng)度。

CoVaRj|iτ為條件概率分布的τ分位數(shù)，表示公司債市場(chǎng)（股票市場(chǎng)）i遭受風(fēng)險(xiǎn)時(shí)，股票市場(chǎng)（公司債市場(chǎng)）j的風(fēng)險(xiǎn)水平，數(shù)學(xué)表達(dá)式為：

Pr?（Xj≤CoVaRj|iτ|Xi=VaRiτ）=τ（11）

ΔCoVaR是以i市場(chǎng)風(fēng)險(xiǎn)為條件的j市場(chǎng)總風(fēng)險(xiǎn)（CoVaR）與其無(wú)條件風(fēng)險(xiǎn)（VaR）之間的差值，衡量公司債市場(chǎng)（股票市場(chǎng)）i對(duì)股票市場(chǎng)（公司債市場(chǎng)）j的風(fēng)險(xiǎn)溢出強(qiáng)度，數(shù)學(xué)表達(dá)式為：

ΔCoVaRjiτ=CoVaRj|iτ-VaRjτ（12）

進(jìn)一步標(biāo)準(zhǔn)化處理得：

%CoVaRi|jτ=（ΔCoVaRi|jτ/VaRiτ）×100%?（13）

式（13）消除了ΔCoVaR中的量綱，表示風(fēng)險(xiǎn)溢出的相對(duì)幅度，能夠更加準(zhǔn)確地反映不同市場(chǎng)間風(fēng)險(xiǎn)溢出的程度。

結(jié)合式（10），得到CoVaR求解所需相關(guān)變量的條件密度函數(shù)：

fi|j（xi|xj）=f（xi，x，j）fj（xj）=c（Fi（xi），

Fj（xj））fi（xi）?（14）

其中，c為選取的最優(yōu)Copula函數(shù)，fi為Fi的導(dǎo)數(shù)。

根據(jù)式（11），得出：

CoVaRi|jτ=F（-1）i|j（τ|VaRjτ）?（15）

公司債與股票市場(chǎng)間的風(fēng)險(xiǎn)溢出結(jié)果如表4所示。在5%的顯著性水平下，公司債與股票市場(chǎng)CoVaR的絕對(duì)值均大于其自身VaR的絕對(duì)值，說(shuō)明CoVaR模型克服了傳統(tǒng)VaR模型可能造成的風(fēng)險(xiǎn)低估問(wèn)題，能夠更全面地度量公司債和股票市場(chǎng)的風(fēng)險(xiǎn)。公司債市場(chǎng)的CoVaR值為-2.32，股票市場(chǎng)的CoVaR值為-3.82，股票市場(chǎng)風(fēng)險(xiǎn)大于公司債市場(chǎng)風(fēng)險(xiǎn)。公司債市場(chǎng)對(duì)股票市場(chǎng)的%ΔCoVaR為51.96%，而股票市場(chǎng)對(duì)公司債市場(chǎng)的%ΔCoVaR為25.36%，說(shuō)明公司債與股票市場(chǎng)間存在雙向不對(duì)稱的風(fēng)險(xiǎn)溢出，且公司債市場(chǎng)對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)溢出更強(qiáng)。

公司債券與股票均為上市公司績(jī)效與風(fēng)險(xiǎn)的綜合反映，具有較高的同質(zhì)性，應(yīng)該具有相似的風(fēng)險(xiǎn)水平。但公司債市場(chǎng)與股票市場(chǎng)的投資者具有不同的投資目的與方式，很大程度上會(huì)造成兩市場(chǎng)的風(fēng)險(xiǎn)及其溢出程度存在差異，根據(jù)溢出程度可以判斷風(fēng)險(xiǎn)傳遞中的主導(dǎo)市場(chǎng)，從而為有效風(fēng)險(xiǎn)防范提供依據(jù)。公司債券作為固定收益?zhèn)鋬r(jià)格波動(dòng)主要受利率的影響，市場(chǎng)投資者多是以保值為目的的低風(fēng)險(xiǎn)偏好者，具有較高的成熟度，所以，公司債市場(chǎng)所反映的風(fēng)險(xiǎn)更具客觀性。但股票市場(chǎng)投資者大多為散戶，以增值獲利為目的，具有明顯的投機(jī)心理和羊群行為，容易放大股票市場(chǎng)的風(fēng)險(xiǎn)。公司債券與股票作為同一公司發(fā)行的有價(jià)證券，其價(jià)格波動(dòng)會(huì)相互影響，當(dāng)一個(gè)市場(chǎng)發(fā)生波動(dòng)時(shí)，揭示風(fēng)險(xiǎn)的價(jià)格信息會(huì)在兩市場(chǎng)間傳播，導(dǎo)致風(fēng)險(xiǎn)從一個(gè)市場(chǎng)傳遞到另一個(gè)市場(chǎng)。當(dāng)公司債市場(chǎng)出現(xiàn)波動(dòng)時(shí)，股票市場(chǎng)的大量非理性行為導(dǎo)致其對(duì)外界信息反應(yīng)過(guò)度，引發(fā)市場(chǎng)交易過(guò)于頻繁，股票市場(chǎng)更容易受公司債市場(chǎng)風(fēng)險(xiǎn)溢出的影響。而公司債市場(chǎng)投資者大多長(zhǎng)期持有債券，面對(duì)股票市場(chǎng)波動(dòng)時(shí)，其反應(yīng)更為客觀，受股票市場(chǎng)影響較小。因此，公司債市場(chǎng)風(fēng)險(xiǎn)水平更具有代表性，可以作為一個(gè)風(fēng)險(xiǎn)信號(hào)標(biāo)。

四、結(jié)論與啟示

本文基于所編制的公司債指數(shù)與股票指數(shù)，通過(guò)構(gòu)建Copula-CoVaR模型對(duì)公司債與股票市場(chǎng)間的風(fēng)險(xiǎn)溢出進(jìn)行了研究。研究發(fā)現(xiàn)，雖然股票市場(chǎng)風(fēng)險(xiǎn)大于公司債市場(chǎng)，但公司債市場(chǎng)風(fēng)險(xiǎn)水平更具有代表性;公司債與股票市場(chǎng)間存在雙向不對(duì)稱的風(fēng)險(xiǎn)溢出，公司債市場(chǎng)對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)溢出更強(qiáng)。由于公司債市場(chǎng)的風(fēng)險(xiǎn)值更能反映市場(chǎng)風(fēng)險(xiǎn)水平，這意味著公司債市場(chǎng)可以作為證券市場(chǎng)的風(fēng)險(xiǎn)信號(hào)標(biāo)，當(dāng)公司債市場(chǎng)的風(fēng)險(xiǎn)值增大時(shí)，預(yù)示著股票市場(chǎng)的風(fēng)險(xiǎn)也會(huì)進(jìn)一步加大，且隨著公司債市場(chǎng)在證券市場(chǎng)地位的不斷提升，其風(fēng)險(xiǎn)信號(hào)標(biāo)的作用日益凸顯。

經(jīng)濟(jì)新常態(tài)下，證券市場(chǎng)面臨的不確定因素增多。監(jiān)管部門需要繼續(xù)深化改革，充分利用公司債市場(chǎng)風(fēng)險(xiǎn)信號(hào)標(biāo)的作用，優(yōu)化監(jiān)管體系，健全監(jiān)管制度，豐富監(jiān)管工具，加強(qiáng)監(jiān)管協(xié)調(diào)，為防范化解證券市場(chǎng)風(fēng)險(xiǎn)提供有力支撐，平衡好穩(wěn)增長(zhǎng)和防風(fēng)險(xiǎn)的關(guān)系，發(fā)揮證券市場(chǎng)服務(wù)實(shí)體經(jīng)濟(jì)的作用。

上市公司質(zhì)量是證券市場(chǎng)健康發(fā)展的支柱，上市公司應(yīng)全面提高公司質(zhì)量與內(nèi)控水平，建立健全債權(quán)人監(jiān)督機(jī)制，可以有效降低公司經(jīng)營(yíng)風(fēng)險(xiǎn)。同時(shí)，根據(jù)公司債與股票市場(chǎng)間的風(fēng)險(xiǎn)傳遞信號(hào)，制定安全高效的融資決策，改善資本結(jié)構(gòu)，促進(jìn)企業(yè)可持續(xù)發(fā)展。

對(duì)投資者而言，一方面，要樹(shù)立理性投資理念，提高風(fēng)險(xiǎn)意識(shí)與風(fēng)險(xiǎn)處理能力;另一方面，根據(jù)公司債券釋放的風(fēng)險(xiǎn)信號(hào)，優(yōu)化債券與股票投資組合，提高投資效率。

參考文獻(xiàn)：

[1]?Xu?G?X，?Gao?W?F.?Financial?risk?contagion?in?stock?markets：causality?and?measurement?aspects?[J].?Sustainability，?2019，?11（5）：?1402-1422.

[2]?Khalfaoui?R，?Sarwar?S，?Tiwari?AK.?Analysing?volatility?spillover?between?the?oil?market?and?the?stock?market?in?oil-importing?and?oil-exporting?countries：?implications?on?portfolio?management[J].?Resources?Policy，?2019，?62：?22-32.

[3]?Santiago?G?S，?Jose?E?G，?Jorge?L?H，?et?al.?Volatility?spillovers?among?global?stock?markets：?measuring?total?and?directional?effects[J].?Empirical?Economics，?2019，?56（5）：?1581-1599.

[4]?陳九生，?周孝華.?基于單因子MSV-CoVaR模型的金融市場(chǎng)風(fēng)險(xiǎn)溢出度量研究[J].?中國(guó)管理科學(xué)，?2017，?25（1）：?21-26.

[5]?劉海云，?呂龍.?全球股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)溢出研究——基于ΔCoVaR和社會(huì)網(wǎng)絡(luò)方法的分析[J].?國(guó)際金融研究，?2018，?374（6）：?22-33.

[6]?潘凌遙，?蔣曉泉，?費(fèi)紫微.?中國(guó)系統(tǒng)重要性銀行附加資本計(jì)提機(jī)制研究——基于Copula-CoVaR模型[J].?財(cái)經(jīng)理論與實(shí)踐，?2015，?36（3）：?23-28.

[7]?Reboredo?J?C.?Green?bond?and?financial?markets：?co-movement，?diversification?and?price?spillover?effects[J].?Energy?Economics，?2018，?74：?38-50.

[8]?Tian?S，?Hamori?S.?Time-varying?price?shock?transmission?and?volatility?spillover?in?foreign?exchange，?bond，?equity，?and?commodity?markets：evidence?from?the?united?states[J].?The?North?American?Journal?of?Economics?and?Finance，?2016，?38：?163-171.

[9]?陳學(xué)彬，?曾裕峰.?中美股票市場(chǎng)和債券市場(chǎng)聯(lián)動(dòng)效應(yīng)的比較研究——基于尾部風(fēng)險(xiǎn)溢出的視角[J].?經(jīng)濟(jì)管理，?2016，?38（7）：?1-13.

[10]張巖，?胡迪.?中國(guó)金融市場(chǎng)風(fēng)險(xiǎn)交互溢出效應(yīng)分析——來(lái)自股災(zāi)期間的新證據(jù)[J].?金融論壇，?2017，?22（11）：?41-55.

[11]Liow?K?H，?Liao?W?C，?Huang?Y?T.?Dynamics?of?international?spillovers?and?interaction：?evidence?from?financial?market?stress?and?economic?policy?uncertainty[J].?Economic?Modelling，?2018（68）：96-116.

[12]劉超，?徐君慧，?周文文.?中國(guó)金融市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)研究——基于溢出指數(shù)和復(fù)雜網(wǎng)絡(luò)方法[J].?系統(tǒng)工程理論與實(shí)踐，?2017，?37（4）：?831-842.

[13]Adrian?T，?Brunnermeier?M?K.?CoVaR[J].Staff?Report，?2008，?106（7）：?1705-1741.

（責(zé)任編輯：鐘?瑤）

Is?the?Corporate?Bond?Market?the?Risk?Signal?of?the?Securities

Market?under?the?New?Normal?of?Economy？

——Research?on?Risk?Spillover?between?Corporate?Bond?and?Stock?Market

ZENG?Zhijian1，ZHANG?Xinyi1，HUANG?Shan2

（1.?Business?School，?Hunan?University，?Changsha，?Hunan?410082，?China;

2.College?of?Mathematics?and?finance，?Hunan?University?of?Humanities

Science?and?Technology，?Loudi，?Hunan?417000，?China）

Abstract：Taking?the?listed?companies?issuing?bonds?as?samples?to?compile?a?corporate?bond?index?and?a?stock?index?respectively，?this?paper?uses?the?Copula-CoVaR?model?to?measure?the?direction?and?intensity?of?risk?spillover?between?corporate?bond?and?stock?market.?It?is?found?that?the?stock?market?is?more?risky?than?the?corporate?bond?market.?There?is?a?two-way?asymmetric?positive?risk?spillover?between?corporate?bond?market?and?stock?market，?and?the?risk?spillover?intensity?of?corporate?bond?market?to?stock?market?is?significantly?stronger?than?that?of?stock?market?to?corporate?bond?market.?Under?the?new?normal?of?economy，?corporate?bond?market?has?become?the?risk?indicator?of?securities?market，?which?serves?as??strong??risk?signal.

Key?words：the?new?normal?of?economy;?corporate?bonds?market;?stock?market;?risk?overflow

收稿日期：?2019-08-23

基金項(xiàng)目：??國(guó)家社會(huì)科學(xué)基金項(xiàng)目（19BTJ018）、湖南省自然科學(xué)基金項(xiàng)目（2018JJ2068）

作者簡(jiǎn)介：?曾志堅(jiān)（1980—），女，湖南邵陽(yáng)人，博士，湖南大學(xué)工商管理學(xué)院副教授，研究方向：金融工程與風(fēng)險(xiǎn)管理。