貿(mào)易摩擦狀態(tài)下股市與債市風(fēng)險(xiǎn)溢出的結(jié)構(gòu)性變化研究

陳守東， 李云浩

(吉林大學(xué) 商學(xué)院， 吉林 長(zhǎng)春 130012)

金融市場(chǎng)是一個(gè)多變的復(fù)雜系統(tǒng)，在這個(gè)系統(tǒng)中也存在著傳導(dǎo)效應(yīng)。我們經(jīng)?？梢钥吹揭恍┰鞠嚓P(guān)性不高的金融市場(chǎng)或金融資產(chǎn)在其中一方發(fā)生風(fēng)險(xiǎn)事件出現(xiàn)較大回撤時(shí)，其他原本不相關(guān)的市場(chǎng)也會(huì)出現(xiàn)較大波動(dòng)和回撤，對(duì)于這種風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)，我們稱之為風(fēng)險(xiǎn)溢出。在資本市場(chǎng)中，金融風(fēng)險(xiǎn)沖擊很可能對(duì)市場(chǎng)產(chǎn)生較大影響，準(zhǔn)確地度量和預(yù)測(cè)金融風(fēng)險(xiǎn)溢出是金融風(fēng)險(xiǎn)管理和防范工作的前提和基礎(chǔ)。股票市場(chǎng)和債券市場(chǎng)是金融市場(chǎng)的重要組成部分，是進(jìn)行風(fēng)險(xiǎn)管理和資產(chǎn)配置的主要品種，預(yù)測(cè)股票市場(chǎng)與債券市場(chǎng)之間的傳導(dǎo)機(jī)制和極端風(fēng)險(xiǎn)溢出關(guān)系，對(duì)于金融風(fēng)險(xiǎn)管理和金融風(fēng)險(xiǎn)防范工作有著重要意義。如今中美貿(mào)易摩擦進(jìn)入正面對(duì)抗新時(shí)期(1)楊枝煌、楊南龍：《1949—2019年中美經(jīng)貿(mào)關(guān)系基本圖景及未來(lái)展望》，《河北經(jīng)貿(mào)大學(xué)學(xué)報(bào)》2020年第2期。，外部不確定性風(fēng)險(xiǎn)因素增加，內(nèi)部潛在經(jīng)濟(jì)增速下降，經(jīng)濟(jì)發(fā)展由高速增長(zhǎng)期進(jìn)入增速換擋期(2)孫懷宇、張捷：《潛在經(jīng)濟(jì)增速下降中的債務(wù)收縮——基于金融加速器的視角》，《湖北大學(xué)學(xué)報(bào)》(哲學(xué)社會(huì)科學(xué)版)2015年第1期。，且我國(guó)經(jīng)濟(jì)正處于供給側(cè)改革的新時(shí)期，在當(dāng)前背景下研究中美國(guó)際貿(mào)易戰(zhàn)摩擦下的風(fēng)險(xiǎn)溢出和政策協(xié)調(diào)問(wèn)題十分必要(3)王宏濤、曾晶晶等：《中美貿(mào)易摩擦背景下貨幣政策對(duì)資產(chǎn)價(jià)格的溢出效應(yīng)研究》，《財(cái)經(jīng)縱橫》2020年第19期。。本文將從極端風(fēng)險(xiǎn)角度出發(fā)，考察中美貿(mào)易摩擦是否顯著改變了原本中美各自股票市場(chǎng)和債券市場(chǎng)之間風(fēng)險(xiǎn)溢出關(guān)系，并從投資組合平衡理論機(jī)制和行為經(jīng)濟(jì)學(xué)理論機(jī)制解釋導(dǎo)致股市與債市風(fēng)險(xiǎn)溢出結(jié)構(gòu)變化的原因，為防范和化解我國(guó)資本市場(chǎng)系統(tǒng)性金融風(fēng)險(xiǎn)提出建議。本文的貢獻(xiàn)在于通過(guò)MVMQ-CAViaR方法提供了對(duì)于資本市場(chǎng)的極端風(fēng)險(xiǎn)溢出問(wèn)題研究的風(fēng)險(xiǎn)測(cè)度，解決了現(xiàn)有大多數(shù)文獻(xiàn)在分析極端風(fēng)險(xiǎn)溢出問(wèn)題時(shí)對(duì)資產(chǎn)收益率呈現(xiàn)尖峰肥尾和存在時(shí)變特征時(shí)測(cè)度有效性不佳的問(wèn)題，并基于此方法分析中美貿(mào)易摩擦新形勢(shì)下股票市場(chǎng)與債券市場(chǎng)極端風(fēng)險(xiǎn)溢出的結(jié)構(gòu)性變化。

一、研究綜述

金融風(fēng)險(xiǎn)溢出的現(xiàn)象有其內(nèi)在的理論依據(jù)和經(jīng)濟(jì)基礎(chǔ)，關(guān)于金融風(fēng)險(xiǎn)存在傳導(dǎo)現(xiàn)象的解釋有很多種，一種從經(jīng)濟(jì)活動(dòng)角度研究的理論認(rèn)為金融市場(chǎng)和金融機(jī)構(gòu)之間存在著復(fù)雜業(yè)務(wù)往來(lái)，如果情況嚴(yán)重導(dǎo)致某一方不能兌付或發(fā)生違約則會(huì)對(duì)對(duì)手方造成經(jīng)濟(jì)損失，嚴(yán)重的會(huì)導(dǎo)致另一方面臨倒閉的風(fēng)險(xiǎn)，這種鏈?zhǔn)椒磻?yīng)不斷傳遞，進(jìn)而會(huì)引發(fā)整個(gè)金融體系發(fā)生大范圍的風(fēng)險(xiǎn)事件(4)P.Alagidede，T.Panagiotidis，et al.，“Causal Relationship between Stock Prices and Exchange Rates”，The Journal of International Trade & Economic Development，Vol.20，No.1，2011.。另一種是從金融市場(chǎng)的資金流動(dòng)性角度，認(rèn)為當(dāng)市場(chǎng)出現(xiàn)較大風(fēng)險(xiǎn)事件，市場(chǎng)流動(dòng)性出現(xiàn)不足時(shí)，原本不受該風(fēng)險(xiǎn)事件影響的金融資產(chǎn)也會(huì)受到影響。隨著金融市場(chǎng)的發(fā)展，公募基金發(fā)展迅速，特別是ETF開放式基金，當(dāng)市場(chǎng)出現(xiàn)重大金融風(fēng)險(xiǎn)事件時(shí)，投資者出現(xiàn)大規(guī)模贖回的情況，基金公司為了兌付資金不得不變賣現(xiàn)有資產(chǎn)，當(dāng)與風(fēng)險(xiǎn)事件相關(guān)資產(chǎn)的價(jià)格已經(jīng)很低的時(shí)候便會(huì)考慮變賣其他不相關(guān)資產(chǎn)，這就導(dǎo)致原本不相關(guān)的金融標(biāo)的或金融資產(chǎn)同樣受到風(fēng)險(xiǎn)事件的沖擊，金融衍生品的保證金制度在發(fā)生極端風(fēng)險(xiǎn)事件時(shí)同樣會(huì)導(dǎo)致這種情況發(fā)生。

股票市場(chǎng)和債券市場(chǎng)作為兩個(gè)重要的資產(chǎn)配置市場(chǎng)，股市與債市之間的風(fēng)險(xiǎn)溢出關(guān)系對(duì)于資產(chǎn)配置和市場(chǎng)風(fēng)險(xiǎn)管理具有重要影響。如果股市與債市之間不存在風(fēng)險(xiǎn)溢出關(guān)系甚至他們之間存在負(fù)相關(guān)的關(guān)系，對(duì)股市與債市多元配置可以優(yōu)化資產(chǎn)組合；當(dāng)兩者之間的關(guān)系是正相關(guān)，存在風(fēng)險(xiǎn)溢出關(guān)系時(shí)，分散投資就無(wú)法起到分散風(fēng)險(xiǎn)特別是系統(tǒng)性風(fēng)險(xiǎn)的作用，因此，無(wú)論市場(chǎng)投資者還是學(xué)術(shù)界都十分關(guān)注兩者之間的關(guān)系(5)許祥云、廖佳等：《金融危機(jī)前后的中國(guó)股債關(guān)系分析——基于市場(chǎng)情緒變化的解釋視角》，《經(jīng)濟(jì)評(píng)論》2014年第1期。。目前有很多種對(duì)于股市與債市風(fēng)險(xiǎn)傳導(dǎo)關(guān)系的研究理論，從資產(chǎn)組合配置的角度，假設(shè)當(dāng)市場(chǎng)中投資于股票市場(chǎng)和債券市場(chǎng)的資金總量不發(fā)生較大變化時(shí)，股票和債券作為資本市場(chǎng)中兩個(gè)相互替代的金融資產(chǎn)，其市場(chǎng)價(jià)格理論上會(huì)呈現(xiàn)負(fù)相關(guān)，如果對(duì)股票市場(chǎng)的利好消息被披露，則會(huì)導(dǎo)致投資者將組合中的債券持倉(cāng)換成股票持倉(cāng)；如果披露的信息有利于債券，則投資者會(huì)趨于變賣股票頭寸持有債券(6)W.G.Dean，R.W.Faff，et al.，“Asymmetry in Return and Volatility Spillover between Equity and Bond Markets in Australia”， Pacific-Basin Finance Journal，Vol.18，No.3，2010.。但是資本市場(chǎng)是受到很多因素影響的，市場(chǎng)的資金總量也是不斷變化的，Goyenko等發(fā)現(xiàn)如果股票市場(chǎng)和債券市場(chǎng)的流動(dòng)性發(fā)生同時(shí)收縮(7)R.Y.Goyenko，A.D.Ukhov，“Stock and Bond Market Liquidity：A Long-Run Empirical Analysis”， Journal of Financial and Quantitative Analysis，Vol.44，No.1，2009.，例如市場(chǎng)發(fā)生極端風(fēng)險(xiǎn)事件，投資者更傾向于持有現(xiàn)金時(shí)，股市與債市就會(huì)表現(xiàn)出正相關(guān)關(guān)系，出現(xiàn)因“Flight-to-Liquidity”效應(yīng)導(dǎo)致的風(fēng)險(xiǎn)溢出現(xiàn)象，且貨幣政策可以顯著影響市場(chǎng)流動(dòng)性，傳導(dǎo)的方式是通過(guò)債券市場(chǎng)傳導(dǎo)至股票市場(chǎng)。史永東等基于Joe-Clayton-Copula 模型通過(guò)2002—2009年間股票市場(chǎng)與債券市場(chǎng)的數(shù)據(jù)分析風(fēng)險(xiǎn)溢出效應(yīng)，發(fā)現(xiàn)股票市場(chǎng)與債券市場(chǎng)聯(lián)動(dòng)效應(yīng)總體不顯著，認(rèn)為隨著中國(guó)金融市場(chǎng)的發(fā)展，有更多的專業(yè)投資者進(jìn)行優(yōu)化資產(chǎn)配置的操作，使得股票市場(chǎng)與債券市場(chǎng)之間表現(xiàn)為“蹺蹺板”效應(yīng)，客觀上避免了極端條件下系統(tǒng)性風(fēng)險(xiǎn)的相互傳染，有助于維護(hù)金融穩(wěn)定(8)史永東、丁偉等：《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》，《金融研究》2013年第3期。。從行為經(jīng)濟(jì)學(xué)理論的投資者情緒的角度分析，Andersen等從心理預(yù)期的角度解釋了風(fēng)險(xiǎn)傳導(dǎo)現(xiàn)象，認(rèn)為當(dāng)單個(gè)金融板塊或金融市場(chǎng)發(fā)生金融風(fēng)險(xiǎn)事件時(shí)，由于信息不對(duì)稱等因素，投資者會(huì)產(chǎn)生恐慌和失去信心并提前贖回或賣出其他資產(chǎn)以避免損失，保持自身的流動(dòng)性，最終會(huì)對(duì)其他市場(chǎng)或投資標(biāo)的造成嚴(yán)重沖擊，特別對(duì)于非專業(yè)投資者占比較高的我國(guó)資本市場(chǎng)，心理作用導(dǎo)致的“羊群效應(yīng)”會(huì)表現(xiàn)得更突出(9)T.G.Andersen，T.Bollerslev，et al.，“Real-time Price Discovery in Global Stock，Bond and Foreign Exchange Markets”， Journal of International Economics，Vol.73，No.2，2007.。Connolly等通過(guò)對(duì)1986—2000年美國(guó)股票市場(chǎng)和債券市場(chǎng)的價(jià)格進(jìn)行分析，研究了市場(chǎng)的不確定性對(duì)股市和債市之間的價(jià)格聯(lián)動(dòng)關(guān)系，得到的結(jié)論是當(dāng)市場(chǎng)不確定性較低時(shí)，股債之間的價(jià)格呈現(xiàn)正相關(guān)關(guān)系，在市場(chǎng)不確定性較高時(shí)，股債之間的價(jià)格呈現(xiàn)負(fù)相關(guān)(10)R.Connolly,C.Stivers,et al.，“Stock Market Uncertainty and the Stock-Bond Return Relation”，Journal of Financial & Quantitative Analysis，Vol.40，No.1，2005.。

在對(duì)股市與債市之間風(fēng)險(xiǎn)溢出關(guān)系的研究中，學(xué)者們使用的方法不盡相同，Christiansen等通過(guò)使用高頻數(shù)據(jù)研究發(fā)現(xiàn)，在西方國(guó)家，股票市場(chǎng)和債券市場(chǎng)的收益率之間的關(guān)系受預(yù)期通貨膨脹率的影響較為顯著，但非預(yù)期通貨膨脹率和真實(shí)利率對(duì)其相關(guān)性的影響并不顯著(11)C.Christiansen，A.Ranaldo，“Realized Bond-Stock Correlation：Macroeconomic Announcement Effects”， Finance Research Group Working Papers，Vol.27，No.5，2005.。Dean等通過(guò)雙變量GRACH模型的方法研究了澳大利亞股票市場(chǎng)與債券市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)，研究結(jié)果發(fā)現(xiàn)，來(lái)自于股票市場(chǎng)的風(fēng)險(xiǎn)事件會(huì)對(duì)債券市場(chǎng)產(chǎn)生風(fēng)險(xiǎn)溢出效應(yīng)，但如果一個(gè)風(fēng)險(xiǎn)事件來(lái)自于債券市場(chǎng)，債券市場(chǎng)對(duì)于股票市場(chǎng)的風(fēng)險(xiǎn)溢出則不那么顯著(12)W.G.Dean，R.W.Faff，et al.，“Asymmetry in Return and Volatility Spillover between Equity and Bond Markets in Australia”.。王茵田等對(duì)中國(guó)A股市場(chǎng)通過(guò)Fama-MacBeth兩步回歸法，發(fā)現(xiàn)回購(gòu)利率和期限利差等債市指標(biāo)對(duì)股市風(fēng)險(xiǎn)溢價(jià)的截面數(shù)據(jù)有顯著解釋能力(13)王茵田、朱英姿：《中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)溢價(jià)研究》，《金融研究》2011年第7期。。陳學(xué)彬等基于多元多分位數(shù)MVMQ-CAViaR模型分析了中美股票市場(chǎng)和債券市場(chǎng)在不同市場(chǎng)狀態(tài)下的風(fēng)險(xiǎn)溢出關(guān)系，發(fā)現(xiàn)中國(guó)股票市場(chǎng)和債券市場(chǎng)在早期牛市和熊市中不存在顯著的風(fēng)險(xiǎn)溢出效應(yīng)，但隨著金融改革的不斷深化，股票市場(chǎng)與債券市場(chǎng)的極端風(fēng)險(xiǎn)溢出效應(yīng)有所增加；而美國(guó)的股票市場(chǎng)和債券市場(chǎng)相互關(guān)聯(lián)性較高，風(fēng)險(xiǎn)溢出效應(yīng)明顯，而且對(duì)于不同信用等級(jí)的債券，股票市場(chǎng)的風(fēng)險(xiǎn)溢出程度也有所不同，其中企業(yè)債對(duì)于股票始終保持著風(fēng)險(xiǎn)溢出效應(yīng)，國(guó)債與股票因“Flight-to-Quality”效應(yīng)只在熊市階段才會(huì)發(fā)生風(fēng)險(xiǎn)溢出情況(14)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》，《經(jīng)濟(jì)管理》2016年第7期。。

在上述研究中可以發(fā)現(xiàn)不同學(xué)者在對(duì)于股市與債市之間的風(fēng)險(xiǎn)溢出關(guān)系做研究時(shí)，由于研究目標(biāo)所在的金融市場(chǎng)環(huán)境不同和樣本數(shù)據(jù)所選取的時(shí)間窗口不同等因素，股市與債市之間的風(fēng)險(xiǎn)溢出關(guān)系結(jié)構(gòu)互有差異，即使對(duì)于同一金融市場(chǎng)環(huán)境，在不同的時(shí)間窗口中，由于所處的經(jīng)濟(jì)周期和市場(chǎng)環(huán)境不同，股市與債市之間的風(fēng)險(xiǎn)溢出關(guān)系仍存在著結(jié)構(gòu)性差異。風(fēng)險(xiǎn)溢出關(guān)系的結(jié)構(gòu)性變化一直以來(lái)是資本市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)研究者和工作者關(guān)注的問(wèn)題，陳守東等通過(guò)RTV-VAR模型分析了全球主要股票市場(chǎng)之間的多元聯(lián)動(dòng)性，并用ICA-GARCH-GED模型分析不同地區(qū)股票市場(chǎng)之間的波動(dòng)溢出效應(yīng)，實(shí)證表明中國(guó)進(jìn)入“新常態(tài)”以來(lái)，資本市場(chǎng)與世界股票市場(chǎng)的聯(lián)動(dòng)性大大增加(15)陳守東、陳開璞：《全球主要股票市場(chǎng)與中國(guó)股票市場(chǎng)的波動(dòng)溢出效應(yīng)研究》，《數(shù)量經(jīng)濟(jì)研究》2018年第1期。。Chiang等對(duì)發(fā)達(dá)國(guó)家的股票市場(chǎng)和債券市場(chǎng)的動(dòng)態(tài)關(guān)聯(lián)進(jìn)行了研究，發(fā)現(xiàn)股票市場(chǎng)和債券市場(chǎng)之間的相關(guān)關(guān)系會(huì)受到市場(chǎng)違約事件和倫敦銀行同業(yè)拆借利率與國(guó)庫(kù)券利率的風(fēng)險(xiǎn)溢價(jià)所影響，股票市場(chǎng)與債券市場(chǎng)的相關(guān)關(guān)系，會(huì)以一種平滑過(guò)渡的方式隨時(shí)間而變化(16)T.Chiang，J.Li，et al.，“Dynamic Stock-bond Return Correlations and Financial Market Uncertainty”，Review of Quantitative Finance & Accounting，Vol.45，No.1，2015.。Jammazi等通過(guò)動(dòng)態(tài)DCC-GARCH-copula模型對(duì)發(fā)達(dá)國(guó)家在過(guò)去20年來(lái)股票市場(chǎng)收益與長(zhǎng)期政府債收益之間的相互關(guān)系進(jìn)行分析，實(shí)證結(jié)果表明，對(duì)于大多數(shù)國(guó)家來(lái)說(shuō)，股票與十年期政府債券收益之間的依存關(guān)系隨時(shí)間變化很大，特別是在20世紀(jì)90年代觀察到股票與債券之間存在正相關(guān)關(guān)系，而從21世紀(jì)初開始這種關(guān)系變?yōu)樨?fù)相關(guān)，這支持了“Flight-to-Quality”效應(yīng)理論(17)R.Jammazi，A.K.Tiwari，et al.，“Time-varying Dependence between Stock and Government Bond Returns：International Evidence with Dynamic Copulas”，North American Journal of Economics and Finance，Vol.33，No.6，2015.。Steeley通過(guò)對(duì)1984—2006年股票市場(chǎng)和債券市場(chǎng)價(jià)格之間的關(guān)系分析，得到的研究結(jié)果表明在亞洲金融危機(jī)前美國(guó)的股票與債券存在正向波動(dòng)溢出效應(yīng)，在金融危機(jī)后則變成了負(fù)向波動(dòng)溢出狀態(tài)(18)J.M.Steeley，“Volatility Transmission between Stock and Bond Markets”，Journal of International Financial Markets，Institutions and Money，Vol.16，No.1，2006.。

上述國(guó)內(nèi)外研究成果不僅表明股票市場(chǎng)與債券市場(chǎng)存在著相關(guān)聯(lián)系和風(fēng)險(xiǎn)溢出效應(yīng)，而且股債之間的風(fēng)險(xiǎn)溢出關(guān)系會(huì)隨著時(shí)間或事件而發(fā)生變化。目前中美貿(mào)易摩擦進(jìn)入了更深程度的階段，從美國(guó)對(duì)于華為和字節(jié)跳動(dòng)等科技企業(yè)的調(diào)查和限制等手段中，可以預(yù)料到貿(mào)易對(duì)抗的態(tài)勢(shì)可能是長(zhǎng)期的和持續(xù)的，股票與債券之間的風(fēng)險(xiǎn)溢出效應(yīng)有可能也會(huì)因此發(fā)生變化。受本輪貿(mào)易摩擦影響相對(duì)嚴(yán)重的是中小型、科技型企業(yè)，這些企業(yè)發(fā)行的公司債較少，對(duì)于這些企業(yè)的影響大多會(huì)表現(xiàn)在股票市場(chǎng)，而對(duì)于債券市場(chǎng)的影響較小，所以對(duì)于此次貿(mào)易摩擦引起的股票市場(chǎng)與債券市場(chǎng)風(fēng)險(xiǎn)溢出的關(guān)系可能與以往不同，故需要通過(guò)實(shí)證分析去證實(shí)其是否發(fā)生了結(jié)構(gòu)性變化。有效分析股市與債市風(fēng)險(xiǎn)溢出的結(jié)構(gòu)性變化，不僅可以有針對(duì)性地制定貨幣政策進(jìn)而更有效地防范化解金融系統(tǒng)性風(fēng)險(xiǎn)，而且對(duì)于當(dāng)前在控制金融市場(chǎng)風(fēng)險(xiǎn)的前提下有效制定貿(mào)易摩擦的應(yīng)對(duì)策略起著重要作用。本文則以此為出發(fā)點(diǎn)，對(duì)中美貿(mào)易摩擦進(jìn)入新階段前后兩個(gè)時(shí)期股市與債市之間的尾部風(fēng)險(xiǎn)傳導(dǎo)進(jìn)行對(duì)比，分析股市與債市之間的尾部風(fēng)險(xiǎn)溢出發(fā)生的結(jié)構(gòu)性變化。在選擇模型時(shí)考慮到風(fēng)險(xiǎn)價(jià)值(VaR)是金融機(jī)構(gòu)常用的市場(chǎng)風(fēng)險(xiǎn)的重要指標(biāo)，Engle等提出了條件自回歸風(fēng)險(xiǎn)價(jià)值(CAViaR)模型，該模型使用自回歸過(guò)程去預(yù)測(cè)VaR隨時(shí)間的演變過(guò)程，但CAViaR模型只能度量單個(gè)市場(chǎng)或標(biāo)的中單個(gè)分位點(diǎn)即特定水平下的金融風(fēng)險(xiǎn)，無(wú)法用于研究不同市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)(19)R.Engle,S.Manganelli，“CAViaR：Conditional Autoregressive Value at Risk by Regression Quantiles”，Journal of Business & Economic Statistics，Vol.22，No.4，2004.。Manganelli等對(duì)模型做了拓展，引入了可以對(duì)不同分位點(diǎn)進(jìn)行分析的MQ-CAViaR模型，并且運(yùn)用MQ-CAViaR 模型估計(jì)了自回歸條件峰度和偏度(20)S.Manganelli,H.White,et al.，“Modeling Autoregressive Conditional Skewness and Kurtosis with Multi-Quantile CAViaR ”，ECB Working Paper No.957，2008. Available at SSRN：https：ssrn.comabstract=1291165，2008.。2015年，為了分析多個(gè)金融機(jī)構(gòu)受市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)沖擊的影響，White等將MQ-CAViaR模型進(jìn)一步擴(kuò)展成為多元多分位數(shù)的MVMQ-CAViaR模型，該模型將單方程的分位數(shù)回歸思想擴(kuò)展到向量自回歸的結(jié)構(gòu)化方程，能更直接和清晰地分析不同市場(chǎng)之間的尾部風(fēng)險(xiǎn)溢出效應(yīng)(21)H.White，T.Kim,et al.，“VAR for VaR：Measuring Tail Dependence Using multivariate Regression Quantiles”，Journal of Econometrics，Vol.187，No.1，2015.。相比其他關(guān)于風(fēng)險(xiǎn)溢出的研究方法，MVMQ-CAViaR 模型的主要優(yōu)勢(shì)是模型的半?yún)?shù)估計(jì)方法不需要假定收益率的分布，避免了關(guān)于分布的設(shè)定誤差；第二，引入自回歸項(xiàng)刻畫了尾部風(fēng)險(xiǎn)集聚性；第三，對(duì)極端風(fēng)險(xiǎn)采用分位數(shù)回歸方法，降低了異常值對(duì)模型造成的不穩(wěn)定性，使得估計(jì)結(jié)果更加穩(wěn)健(22)左月華、章茜等：《中國(guó)股指期、現(xiàn)貨市場(chǎng)極端風(fēng)險(xiǎn)溢出效應(yīng)分析——基于高頻MVMQ-CAViaR模型的實(shí)證研究》，《武漢金融》2019年第7期。。因此，本文用MVMQ-CAViaR模型分析中美之間不同時(shí)期股票市場(chǎng)與債券市場(chǎng)的尾部風(fēng)險(xiǎn)溢出效應(yīng)，并預(yù)測(cè)風(fēng)險(xiǎn)溢出路徑和程度，為管理和緩釋資本市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)提供建議。

二、計(jì)量模型與方法

(一)MVMQ-CAViaR模型與估計(jì)

MVMQ-CAViaR主要分析不同資產(chǎn)之間的尾部風(fēng)險(xiǎn)溢出關(guān)系，該模型可以理解為向量自回歸(VAR)模型在分位數(shù)指標(biāo)上的擴(kuò)展模型，將分位數(shù)回歸思想擴(kuò)展到向量自回歸的結(jié)構(gòu)化方程，可以更直觀清晰地分析互聯(lián)市場(chǎng)的尾部風(fēng)險(xiǎn)溢出效應(yīng)，模型的構(gòu)建過(guò)程、參數(shù)估計(jì)和檢驗(yàn)方法在下文中會(huì)逐步展開。

1.模型形式

(2.1)

記Yi，t在條件Ft-1上的θi，j分位數(shù)為qi，j，t，即

qi，j，t=inf{y：Fi，t(y)…θi，j|Ft-1}

(2.2)

可以發(fā)現(xiàn)qi，j，t表示第i個(gè)變量在t時(shí)刻1-θi，j置信水平的風(fēng)險(xiǎn)價(jià)值VaR，故qi，j，t表示第i個(gè)變量在t時(shí)刻的風(fēng)險(xiǎn)。

(2.3)

2.模型的QMLE估計(jì)

關(guān)于MVMQ-CAViaR的模型式(2.3)的估計(jì)，可通過(guò)Koenker等提出的一般線性分位點(diǎn)回歸模型的估計(jì)方法(25)R.Koenker,J.Machado,“Goodness of Fit and Related Inference Processes for Quantile Regression”，Journal of the American Statistical Association，Vol.94，No.448，1999.來(lái)估計(jì)，White 等(26)H.White，T.Kim，et al.，“VAR for VaR：Measuring Tail Dependence Using Multivariate Regression Quantiles”.進(jìn)一步地應(yīng)用到多元情況，采用偽極大似然估計(jì)的方法去得到參數(shù)估計(jì)，首先令α*′ij=(β*′ij，γ*′ij)，接著構(gòu)造如下方程：

(2.4)

其中

(2.5)

(二)本文實(shí)證模型形式MVMQ-CAViaR(1，1)

1.模型選擇

考慮到模型的解釋性和模型參數(shù)估計(jì)的準(zhǔn)確性和復(fù)雜性以及過(guò)度擬合等因素，國(guó)內(nèi)外學(xué)者在使用MVMQ-CAViaR進(jìn)行建模時(shí)大多采用含有滯后一期信息的單分位數(shù)MVMQ-CAViaR(1，1)模型進(jìn)行分析。本文中我們考慮兩個(gè)變量之間的風(fēng)險(xiǎn)溢出，觀察兩個(gè)隨機(jī)變量Y1和Y2。其中Y1，t表示一個(gè)國(guó)家的股票市場(chǎng)收益率，Y2表示一個(gè)國(guó)家的債券市場(chǎng)收益率。關(guān)于Yt的一個(gè)可能的數(shù)據(jù)生成過(guò)程，表示如下：

(2.6)

其中αt、βt和γt是Ft可測(cè)量的，εt的每個(gè)元素(ε1t，ε2t)′都是服從標(biāo)準(zhǔn)正態(tài)分布N(0，1)，且相互獨(dú)立同分布i.i.d..公式(2.6)中的三角形結(jié)構(gòu)合理的限制了較大的風(fēng)險(xiǎn)沖擊事件造成的影響，即某個(gè)資產(chǎn)的收益沖擊可以直接影響另一個(gè)特定資產(chǎn)收益，但另一個(gè)特定資產(chǎn)的沖擊沒(méi)有直接影響該資產(chǎn)的收益。

關(guān)于分位數(shù)θ的MVMQ-CAViaR(1，1)表現(xiàn)形式如下：

(2.7)

(2.8)

在方程(2.8)中可以明顯發(fā)現(xiàn)qt，Yt-1，c是二維向量，A和B是2×2矩陣。

2.模型的脈沖分析

其中

和

接著我們可以證明偽脈沖響應(yīng)函數(shù)的緊湊表示形式如下：

對(duì)于s>1，矩陣Gs解析計(jì)算結(jié)果為

Gs=?(B(s-1)ADt)?α′

三、股債風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)的實(shí)證分析

(一)樣本數(shù)據(jù)的選取

在對(duì)中國(guó)資本市場(chǎng)進(jìn)行分析時(shí)，本文選取相對(duì)能代表中國(guó)A股走勢(shì)的滬深300指數(shù)作為中國(guó)股票市場(chǎng)的基準(zhǔn)指數(shù)；選取中國(guó)全債(凈價(jià))指數(shù)代表中國(guó)總債指數(shù)，該指數(shù)的樣本由銀行間市場(chǎng)和滬深交易所的國(guó)債、金融債及企業(yè)債組成，可以全面地反映我國(guó)債券市場(chǎng)的整體波動(dòng)；選取上證國(guó)債指數(shù)和上證企業(yè)債指數(shù)來(lái)代表國(guó)債指數(shù)和企業(yè)債指數(shù)，以上數(shù)據(jù)均來(lái)自于wind數(shù)據(jù)庫(kù)。在對(duì)美國(guó)資本市場(chǎng)進(jìn)行分析時(shí)，本文選取標(biāo)普500指數(shù)作為美國(guó)市場(chǎng)的基準(zhǔn)指數(shù)，選取由巴克萊銀行編制的債券指數(shù)系列中的美國(guó)總債券指數(shù)、國(guó)債指數(shù)和企業(yè)債指數(shù)作為美國(guó)債券市場(chǎng)的基準(zhǔn)指數(shù)，數(shù)據(jù)來(lái)源于Bloomberg數(shù)據(jù)庫(kù)。對(duì)于以上中國(guó)市場(chǎng)和美國(guó)市場(chǎng)的數(shù)據(jù)，樣本選取時(shí)間段為2005 年1月1日至2020年 2月23日，并將全樣本數(shù)據(jù)分為樣本內(nèi)和樣本外兩個(gè)數(shù)據(jù)樣本，最后500個(gè)數(shù)據(jù)作為樣本外數(shù)據(jù)進(jìn)行回測(cè)檢驗(yàn)。

楊枝煌等(28)楊枝煌、楊南龍：《1949—2019年中美經(jīng)貿(mào)關(guān)系基本圖景及未來(lái)展望》。將中美貿(mào)易關(guān)系分為六個(gè)階段，其中本輪中美貿(mào)易摩擦開始至今為中美經(jīng)濟(jì)關(guān)系的第六個(gè)階段——中美經(jīng)貿(mào)關(guān)系的正面對(duì)抗階段。與前五個(gè)階段相比，本輪中美貿(mào)易摩擦程度之深，范圍之廣，都達(dá)到了自1979年中美貿(mào)易關(guān)系正?；髲奈从羞^(guò)的程度。本次中美貿(mào)易摩擦的起始標(biāo)志性事件是2018年3月23日特朗普簽署備忘錄，擬對(duì)中國(guó)的500億美元對(duì)美出口商品加征25%關(guān)稅，并限制中國(guó)企業(yè)對(duì)美投資并購(gòu)，并在隨后一段時(shí)間不斷出臺(tái)新的貿(mào)易對(duì)抗升級(jí)政策。為了更清晰地分析中美貿(mào)易摩擦對(duì)于中美市場(chǎng)股票和債券在不同市態(tài)下的風(fēng)險(xiǎn)聯(lián)動(dòng)特征，將樣本數(shù)據(jù)按貿(mào)易摩擦前后兩個(gè)時(shí)間段進(jìn)行劃分，以2005 年1月1日至2018年3月24日作為中美貿(mào)易摩擦前階段；以2018年3月24日至2020年 2月23日作為中美貿(mào)易摩擦階段。

本文取各市場(chǎng)指數(shù)的收盤價(jià)對(duì)數(shù)一階差分來(lái)計(jì)算每日的指數(shù)收益，計(jì)算公式如下：

上式中pt為市場(chǎng)中對(duì)應(yīng)指數(shù)每日收盤價(jià)格。

(二)模型的估計(jì)結(jié)果

在中美貿(mào)易摩擦前階段，剔除最后500個(gè)交易日后的這段時(shí)間作為模型的樣本內(nèi)數(shù)據(jù)，通過(guò)建立股票市場(chǎng)與債券市場(chǎng)的模型，根據(jù)模型計(jì)算得到各資產(chǎn)的1%分位的風(fēng)險(xiǎn)價(jià)值VaR，具體數(shù)據(jù)如下：

1.樣本內(nèi)模型估計(jì)結(jié)果

首先觀察中美股票市場(chǎng)與債券市場(chǎng)的尾部風(fēng)險(xiǎn)VaR。根據(jù)歷史數(shù)據(jù)計(jì)算得到的VaR結(jié)果可以初步發(fā)現(xiàn)在測(cè)試的樣本期間內(nèi)中國(guó)市場(chǎng)和美國(guó)市場(chǎng)存在幾個(gè)共同點(diǎn)。首先是股票市場(chǎng)和債券市場(chǎng)波動(dòng)率和VaR指標(biāo)都表現(xiàn)出一定的聚集效應(yīng)，特別是股票市場(chǎng)收益率的波動(dòng)情況與VaR指標(biāo)很少發(fā)生跳躍，這與學(xué)術(shù)界普遍對(duì)于市場(chǎng)波動(dòng)率和市場(chǎng)風(fēng)險(xiǎn)存在聚集效應(yīng)的論證相一致。其次，當(dāng)股票市場(chǎng)出現(xiàn)劇烈波動(dòng)，風(fēng)險(xiǎn)價(jià)值VaR較高時(shí)，債券市場(chǎng)無(wú)論是國(guó)債總債還是企業(yè)債同樣會(huì)出現(xiàn)較大波動(dòng)，對(duì)應(yīng)的風(fēng)險(xiǎn)價(jià)值VaR值也會(huì)增加，特別是在2008年全球金融危機(jī)和2015年5月中國(guó)資本市場(chǎng)劇烈波動(dòng)期間，股票市場(chǎng)和債券市場(chǎng)表現(xiàn)出一定的同步性。為了更好地分析股票市場(chǎng)與債券市場(chǎng)的風(fēng)險(xiǎn)同步性程度，接下來(lái)本文將通過(guò)MVMQ-CAViaR模型計(jì)算得到的參數(shù)值以及參數(shù)顯著性進(jìn)一步分析中美股債市場(chǎng)之間的風(fēng)險(xiǎn)溢出關(guān)系。

表1表現(xiàn)的是在貿(mào)易摩擦開始前，中國(guó)資本市場(chǎng)中滬深300分別與中國(guó)總債券在1%分位數(shù)水平下模型參數(shù)結(jié)果，從表中可以發(fā)現(xiàn)在中國(guó)資本市場(chǎng)中，滬深300和中國(guó)總債券指數(shù)表現(xiàn)風(fēng)險(xiǎn)價(jià)值與自身前期的市場(chǎng)沖擊相關(guān)性顯著，且與前期風(fēng)險(xiǎn)價(jià)值的自相關(guān)程度指標(biāo)的顯著度也很高；股債相互之間的風(fēng)險(xiǎn)溢出指標(biāo)的顯著度也很高，幾乎所有參數(shù)都在1%水平下顯著。另有滬深300與中國(guó)國(guó)債和中國(guó)企業(yè)債之間同樣也表現(xiàn)出了較強(qiáng)的風(fēng)險(xiǎn)價(jià)值對(duì)于市場(chǎng)沖擊和自身風(fēng)險(xiǎn)價(jià)值的自相關(guān)性。股票市場(chǎng)對(duì)于債券市場(chǎng)的風(fēng)險(xiǎn)溢出指標(biāo)也都很顯著，且相較于債券市場(chǎng)對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)溢出顯著性更強(qiáng)。通過(guò)以上結(jié)果我們可以發(fā)現(xiàn)中國(guó)資本市場(chǎng)在貿(mào)易摩擦開始前，股票市場(chǎng)和債券市場(chǎng)各自在尾部風(fēng)險(xiǎn)表現(xiàn)出較強(qiáng)的自相關(guān)性且受自身的市場(chǎng)沖擊影響較大，股債之間有一定的尾部風(fēng)險(xiǎn)溢出關(guān)系，尤其對(duì)于中國(guó)總債券指標(biāo)表現(xiàn)得更明顯。從各參數(shù)的正負(fù)號(hào)中可以發(fā)現(xiàn)，在市場(chǎng)波動(dòng)對(duì)于尾部風(fēng)險(xiǎn)的關(guān)系參數(shù)中，無(wú)論是對(duì)于自身的風(fēng)險(xiǎn)溢出還是對(duì)于另外一個(gè)市場(chǎng)的風(fēng)險(xiǎn)溢出，得到的結(jié)果都是負(fù)號(hào)，這表示當(dāng)市場(chǎng)波動(dòng)較大時(shí)，相應(yīng)的尾部風(fēng)險(xiǎn)損失也會(huì)更大，這符合基本的理論預(yù)期；在滯后一期的尾部風(fēng)險(xiǎn)對(duì)于當(dāng)期尾部風(fēng)險(xiǎn)的參數(shù)中，市場(chǎng)尾部風(fēng)險(xiǎn)對(duì)于自身的影響參數(shù)符號(hào)為正，說(shuō)明市場(chǎng)尾部風(fēng)險(xiǎn)對(duì)于自身呈現(xiàn)正向風(fēng)險(xiǎn)溢出，這個(gè)結(jié)果一方面符合市場(chǎng)風(fēng)險(xiǎn)存在集聚效應(yīng)的理論預(yù)期，另一方面由于在計(jì)算風(fēng)險(xiǎn)價(jià)值VaR時(shí)采用的是歷史數(shù)據(jù)法，這種算法得到的VaR指標(biāo)受“鬼影”效應(yīng)影響，一個(gè)極端值會(huì)影響之后較長(zhǎng)一段時(shí)間的VaR值，導(dǎo)致VaR指標(biāo)出現(xiàn)一定的自相關(guān)性。結(jié)果中一個(gè)市場(chǎng)的尾部風(fēng)險(xiǎn)情況對(duì)于另一市場(chǎng)的尾部風(fēng)險(xiǎn)溢出符號(hào)為負(fù)號(hào)，說(shuō)明該市場(chǎng)前一期的尾部風(fēng)險(xiǎn)溢出情況對(duì)于當(dāng)期其他市場(chǎng)呈現(xiàn)負(fù)向風(fēng)險(xiǎn)溢出，反映了一定的“Flight-to-Quality”效應(yīng)，這一點(diǎn)與波動(dòng)率的交叉影響不同，說(shuō)明在這種情況下，一個(gè)資產(chǎn)的尾部風(fēng)險(xiǎn)溢出受另外一個(gè)資產(chǎn)波動(dòng)率的影響較大，在監(jiān)控和控制尾部風(fēng)險(xiǎn)時(shí)，相對(duì)于其他資產(chǎn)的尾部風(fēng)險(xiǎn)情況，應(yīng)當(dāng)更加關(guān)注其他資產(chǎn)的波動(dòng)水平。

(表1) 滬深300與中國(guó)總債券

表2顯示的是在貿(mào)易摩擦開始前，美國(guó)資本市場(chǎng)中標(biāo)普500與美國(guó)總債券在1%分位數(shù)水平下模型參數(shù)結(jié)果。從標(biāo)普500與美國(guó)總債券、美國(guó)國(guó)債和美國(guó)企業(yè)債之間的計(jì)算結(jié)果中可以發(fā)現(xiàn)在美國(guó)的資本市場(chǎng)中，美國(guó)的股票市場(chǎng)與債券市場(chǎng)也存在著個(gè)別風(fēng)險(xiǎn)溢出關(guān)系，其中標(biāo)普500對(duì)于美國(guó)國(guó)債指數(shù)的風(fēng)險(xiǎn)溢出效應(yīng)相對(duì)更顯著。在觀察各參數(shù)的正負(fù)號(hào)時(shí)，可以發(fā)現(xiàn)與中國(guó)市場(chǎng)有很多相似之處。比如波動(dòng)率對(duì)于自身和其他市場(chǎng)尾部風(fēng)險(xiǎn)的符號(hào)為負(fù)數(shù)，說(shuō)明波動(dòng)越大對(duì)其自身和其他市場(chǎng)造成的尾部風(fēng)險(xiǎn)也越大。結(jié)果中的自身的尾部風(fēng)險(xiǎn)VaR值同樣呈現(xiàn)自相關(guān)性，但值得注意的是與中國(guó)市場(chǎng)不同，美國(guó)市場(chǎng)中的尾部風(fēng)險(xiǎn)對(duì)于其他市場(chǎng)尾部風(fēng)險(xiǎn)的指標(biāo)值多數(shù)為正數(shù)，說(shuō)明在美國(guó)市場(chǎng)中極端尾部風(fēng)險(xiǎn)交叉風(fēng)險(xiǎn)為正向溢出，并未出現(xiàn)中國(guó)市場(chǎng)中的“Flight-to-Quality”現(xiàn)象，主要原因是自從2008年美國(guó)次貸危機(jī)以來(lái)，美國(guó)政府連續(xù)使用量化寬松的貨幣政策，對(duì)資本市場(chǎng)流動(dòng)性進(jìn)行干預(yù)，導(dǎo)致股票市場(chǎng)與債券市場(chǎng)更多時(shí)候表現(xiàn)的是“Flight-to-Liquidity”現(xiàn)象，尾部風(fēng)險(xiǎn)會(huì)與波動(dòng)率疊加對(duì)另一市場(chǎng)的尾部風(fēng)險(xiǎn)產(chǎn)生影響，但從指標(biāo)的顯著度看，尾部風(fēng)險(xiǎn)正向風(fēng)險(xiǎn)溢出的顯著度不高，影響有限?？傮w上在樣本內(nèi)期間，從模型計(jì)算得到的參數(shù)指標(biāo)的顯著程度發(fā)現(xiàn)，美國(guó)的資本市場(chǎng)股票與債券的風(fēng)險(xiǎn)溢出關(guān)系沒(méi)有中國(guó)市場(chǎng)的顯著。

(表2) 標(biāo)普500與美國(guó)總債券

2.樣本外模型估計(jì)結(jié)果

為了對(duì)模型進(jìn)行穩(wěn)健性檢驗(yàn)測(cè)試，我們根據(jù)模型參數(shù)對(duì)樣本外2015年12月至2018年3月這段時(shí)間的數(shù)據(jù)進(jìn)行計(jì)算，得到各配對(duì)模型對(duì)于相應(yīng)指數(shù)的樣本外預(yù)測(cè)風(fēng)險(xiǎn)價(jià)值VaR指標(biāo)，從中發(fā)現(xiàn)，對(duì)于中國(guó)資本市場(chǎng)和美國(guó)資本市場(chǎng)的樣本外數(shù)據(jù)，數(shù)據(jù)中日收益率波動(dòng)超過(guò)預(yù)測(cè)風(fēng)險(xiǎn)價(jià)值的次數(shù)較少，基本符合模型預(yù)期。為了進(jìn)一步驗(yàn)證模型對(duì)于樣本外數(shù)據(jù)的適用性，本文對(duì)于模型的樣本外結(jié)果分別進(jìn)行了Kupiec似然比檢驗(yàn)和動(dòng)態(tài)分位數(shù)(DQ)檢驗(yàn)，具體檢驗(yàn)結(jié)果如下表(3)所示：

(表3) 樣本外風(fēng)險(xiǎn)溢出模型檢驗(yàn)結(jié)果

在表3的樣本外數(shù)據(jù)檢驗(yàn)結(jié)果中，中國(guó)和美國(guó)在Kupiec檢驗(yàn)的結(jié)果顯示幾乎所有關(guān)于股票市場(chǎng)與債券市場(chǎng)的風(fēng)險(xiǎn)溢出模型都通過(guò)了檢驗(yàn)，說(shuō)明模型對(duì)于各指數(shù)的尾部風(fēng)險(xiǎn)有較好的預(yù)測(cè)能力，對(duì)風(fēng)險(xiǎn)管理和控制可以起到較好的指導(dǎo)作用。另一方面，動(dòng)態(tài)分位數(shù)DQ檢驗(yàn)的結(jié)果部分指標(biāo)都不顯著，說(shuō)明模型對(duì)于這些指數(shù)不僅有較準(zhǔn)確的尾部風(fēng)險(xiǎn)預(yù)測(cè)能力，而且尾部風(fēng)險(xiǎn)的超出事件不存在自相關(guān)性。對(duì)于其他幾組結(jié)果，雖然模型都通過(guò)了Kupiec檢驗(yàn)，但DQ統(tǒng)計(jì)量顯示拒絕了原假設(shè)，說(shuō)明這些指數(shù)超出模型風(fēng)險(xiǎn)價(jià)值的情況在時(shí)間上存在自相關(guān)性，即有可能在一段時(shí)間連續(xù)出現(xiàn)超出模型給出的風(fēng)險(xiǎn)價(jià)值的尾部風(fēng)險(xiǎn)事件?？傮w來(lái)看，模型對(duì)于樣本外數(shù)據(jù)的尾部風(fēng)險(xiǎn)有較好的預(yù)測(cè)能力，為了進(jìn)一步更直觀對(duì)比樣本內(nèi)外風(fēng)險(xiǎn)溢出模型對(duì)于風(fēng)險(xiǎn)價(jià)值預(yù)測(cè)有效性，我們統(tǒng)計(jì)了各資產(chǎn)收益波動(dòng)超過(guò)1%的風(fēng)險(xiǎn)價(jià)值次數(shù)的頻率，對(duì)于樣本內(nèi)數(shù)據(jù)，資產(chǎn)波動(dòng)超過(guò)1%風(fēng)險(xiǎn)價(jià)值VaR的平均頻率為1.007%，非常接近于1%與預(yù)期相符，而且標(biāo)準(zhǔn)差較低，預(yù)測(cè)比較準(zhǔn)確；對(duì)于樣本外數(shù)據(jù)，資產(chǎn)波動(dòng)超過(guò)1%風(fēng)險(xiǎn)價(jià)值的平均頻率為1.25%，同樣比較接近于1%，說(shuō)明模型對(duì)于樣本外有一定的預(yù)測(cè)能力，可見(jiàn)模型對(duì)于多數(shù)樣本外數(shù)據(jù)仍然有較好的解釋力度，對(duì)風(fēng)險(xiǎn)預(yù)警和管理起到積極作用。

3.脈沖響應(yīng)分析

本小節(jié)我們通過(guò)脈沖響應(yīng)分析的方法，來(lái)分析當(dāng)股票市場(chǎng)或債券市場(chǎng)受到某個(gè)風(fēng)險(xiǎn)事件影響，市場(chǎng)行情受到較大擾動(dòng)時(shí)，該事件對(duì)于其他市場(chǎng)的沖擊過(guò)程和沖擊響應(yīng)時(shí)間等。在計(jì)算中，我們對(duì)模型中的一個(gè)市場(chǎng)的初始狀態(tài)給與兩倍標(biāo)準(zhǔn)差的沖擊，并根據(jù)模型中的參數(shù)，計(jì)算在未來(lái)的一段時(shí)間里，該沖擊是如何對(duì)這個(gè)市場(chǎng)本身產(chǎn)生影響的，以及對(duì)于其他市場(chǎng)的影響大小和影響過(guò)程。

從圖1和圖2中可以發(fā)現(xiàn)，從脈沖響應(yīng)的方向看，當(dāng)一個(gè)市場(chǎng)受到擾動(dòng)時(shí)，擾動(dòng)會(huì)給自身和其他市場(chǎng)帶來(lái)負(fù)面的尾部沖擊，且無(wú)論是在中國(guó)還是在美國(guó)，股票市場(chǎng)受擾動(dòng)的影響要大于債券市場(chǎng)，這個(gè)結(jié)果符合股票與債券的兩種資產(chǎn)類別的風(fēng)險(xiǎn)性質(zhì)。對(duì)于股票市場(chǎng)，雖然中國(guó)的股票市場(chǎng)受自身風(fēng)險(xiǎn)事件沖擊的影響與美國(guó)的股票市場(chǎng)受自身風(fēng)險(xiǎn)事件沖擊的影響相差不大甚至更小，但是脈沖對(duì)于中國(guó)股票市場(chǎng)的影響時(shí)間要長(zhǎng)于美國(guó)市場(chǎng)，從圖中的結(jié)果看中國(guó)股票市場(chǎng)平均需要30—40天，甚至40天以上的時(shí)間去消化脈沖所帶來(lái)的影響，而美國(guó)股票市場(chǎng)一般只需要10—20天去消化沖擊所帶來(lái)的影響，這個(gè)結(jié)論與彭選華運(yùn)用SV-M-t模型對(duì)中美股票市場(chǎng)波動(dòng)率的記憶特征進(jìn)行分析時(shí)得到的結(jié)論一致，即國(guó)內(nèi)市場(chǎng)在受到國(guó)際重大政治經(jīng)濟(jì)事件沖擊時(shí)，自我修復(fù)能力不如國(guó)外的股票市場(chǎng)成熟(29)彭選華：《基于DCC-Copula-SV-M-t模型的股市系統(tǒng)性風(fēng)險(xiǎn)溢出分析》，《數(shù)理統(tǒng)計(jì)與管理》2019年第5期。。這一定程度上與美國(guó)的股票市場(chǎng)發(fā)展更成熟更完備以及美國(guó)資本市場(chǎng)的投資者專業(yè)化程度更高有關(guān)。在美國(guó)的股票市場(chǎng)，投資者不僅可以進(jìn)行當(dāng)天買入當(dāng)天賣出的T+0交易，還可以對(duì)于個(gè)股進(jìn)行融券賣空以及通過(guò)個(gè)股期權(quán)對(duì)股票進(jìn)行做空交易，而這些在中國(guó)的股票市場(chǎng)目前都是做不到的，這些交易機(jī)制上的差異也導(dǎo)致了中國(guó)股票市場(chǎng)對(duì)于合理價(jià)格的調(diào)整需要更長(zhǎng)的時(shí)間周期。程崇禎等(30)程崇禎、章婷：《CAPM在我國(guó)的適用性探討》，《湖北大學(xué)學(xué)報(bào)》(哲學(xué)社會(huì)科學(xué)版)2005年第1期。提到中國(guó)股票市場(chǎng)以個(gè)人投資者為主體，缺少專業(yè)方面的知識(shí)，投資理念以投機(jī)聽消息為主，這些也導(dǎo)致了中國(guó)股票市場(chǎng)面對(duì)市場(chǎng)沖擊時(shí)與發(fā)達(dá)國(guó)家相比恢復(fù)能力較弱。對(duì)于債券市場(chǎng)，可以發(fā)現(xiàn)中國(guó)和美國(guó)的債券市場(chǎng)對(duì)于自身或股票市場(chǎng)的風(fēng)險(xiǎn)事件帶來(lái)的沖擊所需要的消化時(shí)間基本相同，都在10—20天左右，中國(guó)債券市場(chǎng)對(duì)于資產(chǎn)波動(dòng)引起的風(fēng)險(xiǎn)溢出所需消化的時(shí)間明顯少于股票市場(chǎng)，主要因?yàn)橹袊?guó)的債券市場(chǎng)主要由機(jī)構(gòu)專業(yè)投資者參與，非專業(yè)投資者參與較少，所以對(duì)于資產(chǎn)定價(jià)相對(duì)更準(zhǔn)確更迅速。綜上，相比美國(guó)股票市場(chǎng)，中國(guó)股票市場(chǎng)發(fā)展成熟度和完備性不足，市場(chǎng)參與者中非專業(yè)投資者占比較大，導(dǎo)致對(duì)于股票市場(chǎng)的脈沖引起的風(fēng)險(xiǎn)溢出影響的消化時(shí)間要長(zhǎng)于美國(guó)。但是在債券市場(chǎng)，中國(guó)債券市場(chǎng)主要由機(jī)構(gòu)投資者參與，對(duì)于脈沖的消化時(shí)間基本上與美國(guó)債券市場(chǎng)相差不大。

(圖1) 中國(guó)市場(chǎng)模型脈沖響應(yīng)分析

(圖2) 美國(guó)市場(chǎng)模型脈沖響應(yīng)分析

(三)在貿(mào)易摩擦期間數(shù)據(jù)分析

1.模型估計(jì)結(jié)果

從2018年3月開始中美貿(mào)易摩擦進(jìn)入新階段，在貿(mào)易對(duì)抗事件不斷升級(jí)，雙邊貿(mào)易受到嚴(yán)重影響的背景下，金融風(fēng)險(xiǎn)事件發(fā)生的頻率和幅度大幅上升，特別是股票市場(chǎng)，滬深300指數(shù)受到了嚴(yán)重沖擊，在2018年全年跌幅接近30%。為了分析模型在貿(mào)易摩擦期間的表現(xiàn)情況，根據(jù)這段時(shí)間數(shù)據(jù)建立資產(chǎn)之間的風(fēng)險(xiǎn)溢出模型計(jì)算得到各資產(chǎn)的1%VaR，從中可以發(fā)現(xiàn)，中國(guó)股票市場(chǎng)在2018年5月和2018年10月以及2019年5月由于中美貿(mào)易沖突升級(jí)出現(xiàn)了較大波動(dòng)，2020年2月中國(guó)股票市場(chǎng)出現(xiàn)劇烈波動(dòng)主要是受COVID-19病毒疫情影響，在這段時(shí)間模型計(jì)算的關(guān)于中國(guó)股票市場(chǎng)的尾部風(fēng)險(xiǎn)指標(biāo)VaR的絕對(duì)值也相應(yīng)地增加，但中國(guó)總債券指數(shù)和中國(guó)國(guó)債指數(shù)的市場(chǎng)價(jià)格并未出現(xiàn)較大波動(dòng)，風(fēng)險(xiǎn)價(jià)值也未出現(xiàn)擴(kuò)大的情況，只有企業(yè)債指數(shù)與股票市場(chǎng)存在一定同步性。對(duì)于美國(guó)股票市場(chǎng)，標(biāo)普500指數(shù)的預(yù)測(cè)風(fēng)險(xiǎn)價(jià)值似乎與美國(guó)總債券指數(shù)的預(yù)測(cè)風(fēng)險(xiǎn)價(jià)值呈現(xiàn)反向趨勢(shì)，標(biāo)普500指數(shù)與美國(guó)國(guó)債指數(shù)之間沒(méi)有發(fā)現(xiàn)明顯的關(guān)系，標(biāo)普500指數(shù)與美國(guó)企業(yè)債指數(shù)表現(xiàn)出一定同步性。為了明確股票市場(chǎng)與債券市場(chǎng)是否存在顯著的關(guān)聯(lián)，需要對(duì)模型中具體參數(shù)作進(jìn)一步分析。

(表4) 滬深300與中國(guó)總債券

(表5) 標(biāo)普500與美國(guó)總債券

根據(jù)貿(mào)易摩擦期間數(shù)據(jù)得到的參數(shù)顯著性結(jié)果發(fā)現(xiàn)，貿(mào)易摩擦期間在中國(guó)股票市場(chǎng)對(duì)債券市場(chǎng)無(wú)論是中國(guó)總債券指數(shù)、國(guó)債指數(shù)還是企業(yè)債指數(shù)都未產(chǎn)生顯著的風(fēng)險(xiǎn)溢出影響，中國(guó)國(guó)債指數(shù)和中國(guó)企業(yè)債指數(shù)的波動(dòng)雖然仍然對(duì)中國(guó)股票市場(chǎng)有顯著的風(fēng)險(xiǎn)溢出效應(yīng)，但不如貿(mào)易摩擦前影響顯著?？傮w來(lái)看，股票市場(chǎng)與債券市場(chǎng)之間的風(fēng)險(xiǎn)傳導(dǎo)關(guān)系呈現(xiàn)單方向的風(fēng)險(xiǎn)溢出傳導(dǎo)狀態(tài)。對(duì)于美國(guó)市場(chǎng)，同樣表現(xiàn)出股票市場(chǎng)與債券市場(chǎng)之間的相互關(guān)聯(lián)弱化的情況，在債券市場(chǎng)中，僅美國(guó)總債券指數(shù)對(duì)于標(biāo)普500指數(shù)存在風(fēng)險(xiǎn)溢出影響，其他債券指數(shù)并未表現(xiàn)出對(duì)于股票市場(chǎng)明顯的風(fēng)險(xiǎn)溢出影響，此外，與中國(guó)資本市場(chǎng)相同，美國(guó)的股票市場(chǎng)并未表現(xiàn)出顯著的對(duì)于債券市場(chǎng)存在風(fēng)險(xiǎn)溢出的現(xiàn)象。以上結(jié)果說(shuō)明中美之間的貿(mào)易摩擦期間，雖然股票市場(chǎng)由于受到貿(mào)易摩擦事件的影響產(chǎn)生劇烈波動(dòng)，但股票市場(chǎng)的尾部風(fēng)險(xiǎn)增加并未導(dǎo)致債券市場(chǎng)的尾部風(fēng)險(xiǎn)提高。造成這種情況的原因有幾個(gè)方面：從貿(mào)易摩擦的影響機(jī)制角度出發(fā)，受本輪貿(mào)易摩擦影響相對(duì)更嚴(yán)重的是中小型企業(yè)，對(duì)中小型上市公司的沖擊也相對(duì)較大，導(dǎo)致股票市場(chǎng)下跌，這些中小企業(yè)發(fā)行企業(yè)債的數(shù)量較少，所以對(duì)于企業(yè)債券以及整個(gè)債券市場(chǎng)的沖擊不大。從資本流動(dòng)的角度出發(fā)，在中美貿(mào)易摩擦發(fā)生之后，國(guó)際游資對(duì)于股票市場(chǎng)和債券市場(chǎng)的觀點(diǎn)發(fā)生了變化，原本作為金融工具的股票與債券，投資者對(duì)其考慮更多的是市場(chǎng)風(fēng)險(xiǎn)因素，但貿(mào)易摩擦開始后，不但要考慮市場(chǎng)風(fēng)險(xiǎn)因素，還要考慮政治風(fēng)險(xiǎn)等新的風(fēng)險(xiǎn)因素。由于各方面的不確定性，國(guó)際游資在股票市場(chǎng)和債券市場(chǎng)的活躍度下降，國(guó)際游資的減少使得資本流動(dòng)性降低進(jìn)而導(dǎo)致風(fēng)險(xiǎn)溢出發(fā)生的可能性和發(fā)生的幅度降低。從投資組合平衡理論角度出發(fā)，自從2018年三季度開始，由于受到貿(mào)易摩擦影響，大多數(shù)上市公司基本面臨財(cái)務(wù)狀況受到嚴(yán)重影響，在股票市場(chǎng)上市公司表現(xiàn)前景不佳的情況下，投資者更傾向于將原本投資于股票市場(chǎng)的資金轉(zhuǎn)而投向風(fēng)險(xiǎn)較低的債券市場(chǎng)，股票市場(chǎng)與債券市場(chǎng)呈現(xiàn)“Flight-to-Quality”效應(yīng)，這使得股債之間的風(fēng)險(xiǎn)溢出效應(yīng)有所減輕。從上述分析中可以發(fā)現(xiàn)，股票市場(chǎng)與債券市場(chǎng)的風(fēng)險(xiǎn)溢出結(jié)構(gòu)由于受到市場(chǎng)環(huán)境的影響存在著結(jié)構(gòu)不穩(wěn)定性，因此在分析構(gòu)建風(fēng)險(xiǎn)傳導(dǎo)模型時(shí)，需要對(duì)特殊事件進(jìn)行考慮，增強(qiáng)模型的適用性和有效性。

2.脈沖響應(yīng)分析

從貿(mào)易摩擦期間用模型建模得到的脈沖響應(yīng)函數(shù)圖片(見(jiàn)圖3、圖4)來(lái)看，其與貿(mào)易摩擦前的脈沖響應(yīng)函數(shù)圖片有很大的區(qū)別，貿(mào)易摩擦期間脈沖響應(yīng)的預(yù)測(cè)區(qū)間更多是呈現(xiàn)擴(kuò)散風(fēng)險(xiǎn)擴(kuò)散的態(tài)勢(shì)，模型對(duì)于脈沖響應(yīng)的預(yù)測(cè)能力減弱，說(shuō)明當(dāng)一個(gè)市場(chǎng)發(fā)生風(fēng)險(xiǎn)沖擊事件引起較大的價(jià)格波動(dòng)時(shí)，使用模型預(yù)測(cè)其對(duì)于另一個(gè)市場(chǎng)造成的沖擊影響所得到的結(jié)果的準(zhǔn)確性和穩(wěn)定性不高，說(shuō)明股市與債市之間的沖擊影響減弱，或許受到來(lái)自其他方面的政策影響較多，特別是對(duì)于美國(guó)市場(chǎng)，在幾組模型對(duì)于沖擊所造成的響應(yīng)都呈現(xiàn)發(fā)散的形態(tài)。在中國(guó)市場(chǎng)的模型脈沖響應(yīng)分析圖中，有幾組脈沖響應(yīng)圖未出現(xiàn)發(fā)散的趨勢(shì)，在這幾組模型中可以發(fā)現(xiàn)一個(gè)市場(chǎng)所受到的脈沖對(duì)于另一個(gè)市場(chǎng)所造成的沖擊有限，且市場(chǎng)對(duì)于脈沖的消化速度較快，恢復(fù)所需時(shí)間較短。

四、結(jié)論與啟示

為了分析中美貿(mào)易摩擦對(duì)于中國(guó)和美國(guó)各自股票市場(chǎng)與債券市場(chǎng)之間的風(fēng)險(xiǎn)溢出情況是否發(fā)生結(jié)構(gòu)性變化，本文將歷史數(shù)據(jù)根據(jù)中美貿(mào)易摩擦新時(shí)期的時(shí)間點(diǎn)分為兩段，首次通過(guò)多元分位數(shù)模型MVMQ-CAViaR模型作對(duì)比分析，并通過(guò)Kupiec似然比檢驗(yàn)方法和動(dòng)態(tài)分位數(shù)(DQ)檢驗(yàn)方法對(duì)模型的預(yù)測(cè)能力進(jìn)行了評(píng)估，得到的主要結(jié)論有：

(圖3) 中國(guó)市場(chǎng)模型脈沖響應(yīng)分析

(圖4) 美國(guó)市場(chǎng)模型脈沖響應(yīng)分析

(1)中國(guó)股票市場(chǎng)與債券市場(chǎng)相互之間的風(fēng)險(xiǎn)溢出指標(biāo)顯著性較高，資產(chǎn)的波動(dòng)率對(duì)于自身和另一資產(chǎn)都呈現(xiàn)正向風(fēng)險(xiǎn)溢出表現(xiàn)，尾部風(fēng)險(xiǎn)對(duì)于自身表現(xiàn)出正向風(fēng)險(xiǎn)溢出，但對(duì)于另一資產(chǎn)表現(xiàn)出負(fù)向溢出“Flight-to-Quality”效應(yīng)，資產(chǎn)自身的波動(dòng)對(duì)其自身的風(fēng)險(xiǎn)價(jià)值影響較大，存在一定的自相關(guān)性，相比之下美國(guó)的股票市場(chǎng)與債券市場(chǎng)雖然也存在著風(fēng)險(xiǎn)溢出的關(guān)系，且都表現(xiàn)為正向風(fēng)險(xiǎn)溢出，極端尾部風(fēng)險(xiǎn)表現(xiàn)的是“Flight-to-Liquidity”效應(yīng)，但風(fēng)險(xiǎn)溢出關(guān)系沒(méi)有特別顯著。

(2)中國(guó)資本市場(chǎng)和美國(guó)資本市場(chǎng)在受到風(fēng)險(xiǎn)沖擊事件時(shí)，股票市場(chǎng)所產(chǎn)生的影響要大于債券市場(chǎng)，這與股票和債券兩類資產(chǎn)的性質(zhì)有關(guān)，特別是對(duì)于中國(guó)股票市場(chǎng)，非專業(yè)投資者參與占比較高，受信息不對(duì)稱和非理性預(yù)期影響而產(chǎn)生“羊群”行為，進(jìn)而會(huì)造成股票市場(chǎng)產(chǎn)生較大波動(dòng)，故在發(fā)生突發(fā)的風(fēng)險(xiǎn)事件時(shí)，其對(duì)于股票市場(chǎng)可能會(huì)造成程度更深、時(shí)間更久的沖擊影響。

(3)在中美貿(mào)易摩擦期間，中國(guó)股票市場(chǎng)未對(duì)債券市場(chǎng)產(chǎn)生風(fēng)險(xiǎn)溢出影響，中國(guó)債券市場(chǎng)的波動(dòng)雖然仍然對(duì)股票市場(chǎng)有比較顯著的風(fēng)險(xiǎn)溢出效應(yīng)，但不如貿(mào)易摩擦前影響顯著，股票市場(chǎng)與債券市場(chǎng)呈現(xiàn)單方向的風(fēng)險(xiǎn)溢出傳導(dǎo)狀態(tài)，造成這種轉(zhuǎn)變的原因一方面是由于在貿(mào)易摩擦開始后，中國(guó)資本市場(chǎng)國(guó)際游資活躍度相對(duì)降低，市場(chǎng)流動(dòng)性減弱，降低了風(fēng)險(xiǎn)溢出發(fā)生的程度。另一方面是投資者對(duì)于上市公司經(jīng)營(yíng)狀況缺乏信心，更傾向于將股票資產(chǎn)轉(zhuǎn)移到風(fēng)險(xiǎn)較低的債券資產(chǎn)，抵消了一部分對(duì)于債券資產(chǎn)的風(fēng)險(xiǎn)溢出。對(duì)于美國(guó)市場(chǎng)，同樣表現(xiàn)出債券市場(chǎng)對(duì)于股票市場(chǎng)單向風(fēng)險(xiǎn)溢出的狀態(tài)，而且影響程度相對(duì)貿(mào)易摩擦前有所下降。

(4)在中美貿(mào)易摩擦前，多元分位數(shù)模型MVMQ-CAViaR模型的各項(xiàng)參數(shù)指標(biāo)的顯著性較高，可以有效地揭示各自股票市場(chǎng)與債券市場(chǎng)的聯(lián)動(dòng)關(guān)系及風(fēng)險(xiǎn)溢出情況，模型的預(yù)測(cè)效果較好，但是在中美貿(mào)易摩擦期間，風(fēng)險(xiǎn)溢出模型參數(shù)的顯著性不高，說(shuō)明貿(mào)易摩擦期間，中美雙方在股票市場(chǎng)與債券市場(chǎng)的聯(lián)動(dòng)關(guān)系被破壞，風(fēng)險(xiǎn)溢出效應(yīng)不明顯。股票市場(chǎng)與債券市場(chǎng)更多是受到自身的波動(dòng)影響較大，傳統(tǒng)的股票市場(chǎng)與債券市場(chǎng)的關(guān)系受多因素影響不再顯著，這對(duì)于通過(guò)利用股票市場(chǎng)與債券市場(chǎng)的關(guān)系進(jìn)行資產(chǎn)配置，提出了更大的挑戰(zhàn)。

從以上結(jié)論中可以發(fā)現(xiàn)，一方面，在當(dāng)前處于貿(mào)易摩擦狀態(tài)的中美股票與債券市場(chǎng)之間的傳導(dǎo)關(guān)系受政策和市場(chǎng)預(yù)期等多重因素影響呈現(xiàn)不確定、不顯著的特征，需要尋找新方法和新途徑去發(fā)現(xiàn)股債之間其他的風(fēng)險(xiǎn)傳導(dǎo)規(guī)律，以便更好地進(jìn)行資產(chǎn)配置降低風(fēng)險(xiǎn)。另一方面，由于在貿(mào)易摩擦期間股債風(fēng)險(xiǎn)傳導(dǎo)關(guān)系不顯著的狀態(tài)下，在面對(duì)系統(tǒng)性風(fēng)險(xiǎn)的防范工作時(shí)，建議更多著眼于股市或債市各自市場(chǎng)本身，在面對(duì)某個(gè)市場(chǎng)發(fā)生風(fēng)險(xiǎn)事件需要對(duì)其進(jìn)行政策干預(yù)時(shí)，因?yàn)檎吒深A(yù)行動(dòng)對(duì)另一市場(chǎng)產(chǎn)生的尾部風(fēng)險(xiǎn)溢出有限，故可以適當(dāng)加大政策執(zhí)行力度，做好系統(tǒng)性風(fēng)險(xiǎn)防范工作，維持金融系統(tǒng)穩(wěn)健運(yùn)行。