不確定性與股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的時(shí)變特征

吳 優(yōu)，尹力博

1 北京工商大學(xué) 經(jīng)濟(jì)學(xué)院，北京 100048 2 中央財(cái)經(jīng)大學(xué) 金融學(xué)院，北京 100081

引言

自從BERNANKE[1]和DIXIT[2]提出不確定性的經(jīng)濟(jì)效應(yīng)以來，陸續(xù)有大量研究揭示不確定性對(duì)實(shí)體經(jīng)濟(jì)[3]、投資機(jī)會(huì)[4]、資本價(jià)格[5]和金融市場(chǎng)[6]等存在顯著影響。以2007年席卷全球的次貸危機(jī)為例，彼時(shí)的美聯(lián)儲(chǔ)采取了一系列非常規(guī)貨幣政策改變資產(chǎn)負(fù)債表結(jié)構(gòu)，并創(chuàng)下前所未有的貨幣量化寬松水平，美國(guó)聯(lián)邦政府也同時(shí)大規(guī)模推行擴(kuò)張性的財(cái)政措施刺激經(jīng)濟(jì)回暖。受這些未能預(yù)期的政策變動(dòng)的影響，美國(guó)乃至全球金融市場(chǎng)的資本流動(dòng)、債券風(fēng)險(xiǎn)溢價(jià)和匯率等進(jìn)一步給其他國(guó)家的政策選擇帶來挑戰(zhàn)，中國(guó)也不能獨(dú)善其身[7-8]。不同于已有研究更多地關(guān)注不確定性對(duì)宏觀層面的沖擊，本研究試圖從相對(duì)微觀的股票市場(chǎng)入手。股票市場(chǎng)作為連接實(shí)體經(jīng)濟(jì)與金融市場(chǎng)的重要紐帶，其自身的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)已成為當(dāng)前金融風(fēng)險(xiǎn)防控的重要內(nèi)容，研究股票市場(chǎng)受外部不確定性特別是美國(guó)經(jīng)濟(jì)政策不確定性沖擊帶來的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)改變，對(duì)新常態(tài)下的宏觀經(jīng)濟(jì)運(yùn)行和金融系統(tǒng)安全具有重要的參考價(jià)值和現(xiàn)實(shí)意義。

為了測(cè)量這種外部不確定性沖擊給中國(guó)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)帶來的可能性影響，必須合理解決股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的測(cè)量問題。在梳理已有研究的基礎(chǔ)上，本研究從單個(gè)股票對(duì)整體市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的角度出發(fā)，進(jìn)而獲取基于個(gè)股共同變動(dòng)趨勢(shì)的股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)。之所以選擇這樣的視角，是因?yàn)橹袊?guó)股票市場(chǎng)存在單個(gè)股票之間的關(guān)聯(lián)特征十分明顯的問題，表現(xiàn)為“千股跌?！被颉扒Ч蓾q?！钡默F(xiàn)象時(shí)有發(fā)生。例如，2015年6月至9月，A股市場(chǎng)累計(jì)出現(xiàn)20余次千股漲停、跌停的局面；2016年初推出的熔斷機(jī)制，在數(shù)天內(nèi)多次引發(fā)個(gè)股的普遍性暴跌。同時(shí)，這一現(xiàn)象在行業(yè)板塊或者熱點(diǎn)題材內(nèi)部更加明顯。2017年4月出現(xiàn)的“雄安概念股”，催生了諸多話題股票，相關(guān)股票價(jià)格頓時(shí)“一騎絕塵”。其實(shí)，在股票市場(chǎng)復(fù)雜程度日益加深的同時(shí)，單個(gè)股票之間的聯(lián)動(dòng)特征正逐步浮現(xiàn)。同一板塊中的股票價(jià)格走勢(shì)大多趨同[9]，由相似特征的股票構(gòu)建起的投資組合通常能獲得類似的價(jià)值回報(bào)，如BM效應(yīng)[10]和動(dòng)量反轉(zhuǎn)效應(yīng)[11-12]等。因此，基于個(gè)股風(fēng)險(xiǎn)對(duì)市場(chǎng)中其他股票的傳染性規(guī)律，本研究選擇對(duì)單個(gè)股票價(jià)格受外部經(jīng)濟(jì)政策不確定性沖擊而陷入困境后引致的整個(gè)資本市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)進(jìn)行探討很有必要。

1 相關(guān)研究評(píng)述

1.1 系統(tǒng)性風(fēng)險(xiǎn)與系統(tǒng)性關(guān)聯(lián)

在測(cè)量系統(tǒng)性風(fēng)險(xiǎn)之前，有必要就系統(tǒng)性風(fēng)險(xiǎn)的概念進(jìn)行厘清和界定。查閱國(guó)內(nèi)外的研究卻沒有發(fā)現(xiàn)正式、統(tǒng)一的系統(tǒng)性風(fēng)險(xiǎn)的概念，目前仍處于各執(zhí)一詞的局面，這也在一定程度上反映出系統(tǒng)性風(fēng)險(xiǎn)研究的困難和不足。

不過，盡管對(duì)系統(tǒng)性風(fēng)險(xiǎn)的定義眾說紛紜，但也存在一定的共性：①系統(tǒng)性風(fēng)險(xiǎn)具備全局性效應(yīng)，即系統(tǒng)性風(fēng)險(xiǎn)關(guān)注的是整個(gè)體系，而非個(gè)別機(jī)構(gòu)遭受風(fēng)險(xiǎn)損失；②系統(tǒng)性風(fēng)險(xiǎn)具備負(fù)的外部性效應(yīng)，即系統(tǒng)性風(fēng)險(xiǎn)開始于個(gè)別機(jī)構(gòu)，但其風(fēng)險(xiǎn)成本卻由體系內(nèi)的所有機(jī)構(gòu)共同承擔(dān)；③系統(tǒng)性風(fēng)險(xiǎn)具備外溢性和傳染性效應(yīng)，即系統(tǒng)性風(fēng)險(xiǎn)會(huì)從個(gè)別機(jī)構(gòu)傳導(dǎo)至整個(gè)體系，從虛擬經(jīng)濟(jì)傳導(dǎo)至實(shí)體經(jīng)濟(jì)，從一國(guó)內(nèi)部傳導(dǎo)至全世界[13-15]。

鑒于學(xué)術(shù)界對(duì)系統(tǒng)性風(fēng)險(xiǎn)的具體含義尚未正式界定，所以本研究借鑒陳國(guó)進(jìn)等[16]的表述，將系統(tǒng)性關(guān)聯(lián)定義為“單一機(jī)構(gòu)的損失傳染擴(kuò)散至其他機(jī)構(gòu)或者整個(gè)體系并引發(fā)市場(chǎng)的系統(tǒng)性損失”。也就是說，基于嚴(yán)謹(jǐn)性的考慮，本研究用系統(tǒng)性關(guān)聯(lián)一詞指代系統(tǒng)性風(fēng)險(xiǎn)。

1.2 系統(tǒng)性關(guān)聯(lián)的測(cè)量

準(zhǔn)確測(cè)量系統(tǒng)性關(guān)聯(lián)是本研究的重要內(nèi)容，類似于系統(tǒng)性風(fēng)險(xiǎn)的定義眾說紛紜，其測(cè)量方法也是汗牛充棟。在2008年金融危機(jī)以前，測(cè)量系統(tǒng)性關(guān)聯(lián)的方法主要依據(jù)資產(chǎn)負(fù)債表數(shù)據(jù)，如指標(biāo)預(yù)警模型[17-18]、綜合指數(shù)模型[19-20]和人工神經(jīng)網(wǎng)絡(luò)模型[21]等。由于資產(chǎn)負(fù)債表數(shù)據(jù)的時(shí)效性一般，不能滿足宏觀審慎監(jiān)管的要求，因此在金融危機(jī)以后，測(cè)量系統(tǒng)性關(guān)聯(lián)的方法改為以資本市場(chǎng)數(shù)據(jù)為主。目前，測(cè)量系統(tǒng)性關(guān)聯(lián)的主要方法有SEGOVIANO et al.[22]提出的危機(jī)聯(lián)合概率方法、HUANG et al.[23]提出的困境保險(xiǎn)溢價(jià)方法、TARASHEV et al.[24]提出的Shapley值方法、ADRIAN et al.[25]提出的CoVaR方法、ACHARYA et al.[26]提出的邊際期望損失方法和系統(tǒng)性期望損失方法。

CoVaR方法聚焦于單個(gè)機(jī)構(gòu)的風(fēng)險(xiǎn)損失，并且不需要假定所有機(jī)構(gòu)的風(fēng)險(xiǎn)之和必須等于整體的系統(tǒng)性風(fēng)險(xiǎn)，同時(shí)還考慮到了機(jī)構(gòu)之間的諧振和反饋效應(yīng)[25]。這種自下而上的方法能夠很好地測(cè)量機(jī)構(gòu)之間或者單個(gè)機(jī)構(gòu)和整個(gè)體系的風(fēng)險(xiǎn)溢出效應(yīng)，所以得到廣泛地應(yīng)用。具體地，LPEZ-ESPINOSA et al.[27]運(yùn)用CoVaR方法分析得到短期批發(fā)性融資市場(chǎng)是引發(fā)大型跨國(guó)銀行系統(tǒng)性關(guān)聯(lián)攀升的關(guān)鍵因素；GIRARDI et al.[28]將CoVaR方法與多元GARCH模型相結(jié)合，探討2008年金融危機(jī)前的主要金融部門和個(gè)別金融機(jī)構(gòu)對(duì)系統(tǒng)性關(guān)聯(lián)的貢獻(xiàn)度；BERNAL et al.[29]使用CoVaR方法剖析在歐洲和美國(guó)不同的金融部門對(duì)系統(tǒng)性關(guān)聯(lián)貢獻(xiàn)的差異。此外，還有部分學(xué)者使用CoVaR方法研究金融危機(jī)的形成機(jī)制和規(guī)律。DRAKOS et al.[30]基于CoVaR方法測(cè)量后金融危機(jī)時(shí)期的外資銀行增加對(duì)本國(guó)系統(tǒng)性關(guān)聯(lián)的風(fēng)險(xiǎn)溢出效應(yīng)；REBOREDO et al.[31]使用CoVaR方法測(cè)量希臘債務(wù)危機(jī)前后歐洲主權(quán)債券市場(chǎng)的系統(tǒng)性關(guān)聯(lián)特征。

中國(guó)學(xué)者也借鑒CoVaR方法做了很多有意義的探索，但目前多集中于金融市場(chǎng)，特別是高度聚焦于銀行體系[32-34]。這可能是因?yàn)殂y行系統(tǒng)作為連接宏觀經(jīng)濟(jì)運(yùn)行的重要樞紐，如果其陷入系統(tǒng)性風(fēng)險(xiǎn)，則有很大可能引發(fā)金融危機(jī)，進(jìn)而催生經(jīng)濟(jì)危機(jī)。而對(duì)于其他金融機(jī)構(gòu)系統(tǒng)性關(guān)聯(lián)特征的研究也越來越多，目前已經(jīng)基本覆蓋了證券業(yè)、保險(xiǎn)業(yè)和信托業(yè)等金融機(jī)構(gòu)。陳守東等[35]測(cè)量包含銀行、證券、保險(xiǎn)和信托等不同種類的上市金融機(jī)構(gòu)對(duì)金融系統(tǒng)風(fēng)險(xiǎn)的貢獻(xiàn)，發(fā)現(xiàn)除銀行以外的其他金融機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)水平仍相對(duì)較低；與之相反的是周天蕓等[36]的研究，他們基于非對(duì)稱CoVaR模型，發(fā)現(xiàn)證券部門在金融系統(tǒng)中的整體風(fēng)險(xiǎn)貢獻(xiàn)程度遠(yuǎn)超銀行機(jī)構(gòu)的風(fēng)險(xiǎn)貢獻(xiàn)；而陳建青等[37]則通過構(gòu)建靜態(tài)和動(dòng)態(tài)CoVaR模型研究中國(guó)各金融機(jī)構(gòu)間的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)及其溢出渠道。此外，還有部分學(xué)者運(yùn)用CoVaR方法在其他領(lǐng)域做了開創(chuàng)性的研究，如分析房地產(chǎn)部門的系統(tǒng)性關(guān)聯(lián)特征及其對(duì)金融系統(tǒng)的風(fēng)險(xiǎn)溢出效應(yīng)[38-39]，探討商品期貨市場(chǎng)的系統(tǒng)性關(guān)聯(lián)特征[40]。上述研究的缺陷在于僅僅關(guān)注某一特定行業(yè)或領(lǐng)域，未能做到系統(tǒng)性地覆蓋整個(gè)金融市場(chǎng)，因此相應(yīng)的研究仍然有失偏頗。目前使用CoVaR方法分析金融市場(chǎng)系統(tǒng)性關(guān)聯(lián)的研究?jī)H有劉曉星等[41]和熊熊等[42]對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)特征的研究，但他們的研究均是基于股票市場(chǎng)指數(shù)展開的，而本研究的一個(gè)重要貢獻(xiàn)則在于運(yùn)用CoVaR方法測(cè)量基于個(gè)股風(fēng)險(xiǎn)溢出的中國(guó)股票市場(chǎng)的系統(tǒng)性關(guān)聯(lián)。

1.3 系統(tǒng)性關(guān)聯(lián)的影響因素

目前，已有研究中針對(duì)系統(tǒng)性關(guān)聯(lián)的影響因素分析大多是從機(jī)構(gòu)或者體系內(nèi)部去尋找，很少關(guān)注外部的經(jīng)濟(jì)變量，特別是源自外部環(huán)境的經(jīng)濟(jì)政策不確定性更是無人涉及。為了補(bǔ)充并完善這一研究主題，本研究嘗試引入外部環(huán)境下的經(jīng)濟(jì)政策不確定性考察其對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響機(jī)制，以便為金融監(jiān)管部門和市場(chǎng)中的參與者提供借鑒和思考。

2 基于CoVaR方法對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的測(cè)量

準(zhǔn)確測(cè)量中國(guó)股票市場(chǎng)的系統(tǒng)性關(guān)聯(lián)是本研究的基礎(chǔ)，研究方法如下：第1步，采用ADRIAN et al.[25]提出的ΔCoVaR測(cè)量單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的溢出，并且區(qū)分對(duì)稱和非對(duì)稱的不同狀態(tài)；第2步，參考KOSE et al.[43-44]的貝葉斯?jié)撛诙鄤?dòng)態(tài)因子模型，通過提煉單個(gè)股票ΔCoVaR之間的聯(lián)動(dòng)趨勢(shì)，探究中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的特征。

2.1 股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的測(cè)量方法

2.1.1 單個(gè)股票的ΔCoVaR

依據(jù)ADRIAN et al.[25]的研究，在q分位數(shù)水平時(shí)，i股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的邊際風(fēng)險(xiǎn)貢獻(xiàn)的定義為

(1)

(2)

(3)

其中，Rs為s股票市場(chǎng)的收益率。由(2)式和(3)式可知，CoVaR是由無條件VaR和溢出風(fēng)險(xiǎn)價(jià)值兩個(gè)部分構(gòu)成的，體現(xiàn)了股票市場(chǎng)的總風(fēng)險(xiǎn)價(jià)值。無條件VaR為個(gè)股收益率處于一定分位數(shù)水平下的最大可能損失狀態(tài)，溢出風(fēng)險(xiǎn)價(jià)值為個(gè)股收益率的特定狀態(tài)對(duì)股票市場(chǎng)收益率的邊際風(fēng)險(xiǎn)貢獻(xiàn)程度。因此，CoVaR方法能夠很好地測(cè)量單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的風(fēng)險(xiǎn)溢出程度。

一般情況下，測(cè)量ΔCoVaR使用對(duì)稱CoVaR方法，即

(4)

(5)

(6)

ΔCoVaR的測(cè)量離不開對(duì)單個(gè)股票極端狀態(tài)的估計(jì)，然而，在不同的經(jīng)濟(jì)狀況下，處于極端狀態(tài)的單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的溢出是非對(duì)稱的。經(jīng)濟(jì)運(yùn)行狀況較好時(shí)，ΔCoVaR可能被高估；經(jīng)濟(jì)運(yùn)行狀況較差時(shí)，ΔCoVaR則可能被低估。因此，使用對(duì)稱的CoVaR方法進(jìn)行研究存在局限性。依據(jù)LPEZ-ESPINOSA et al.[27]提出的非對(duì)稱CoVaR方法，區(qū)別不同經(jīng)濟(jì)狀況下i股票對(duì)股票市場(chǎng)風(fēng)險(xiǎn)狀態(tài)的貢獻(xiàn)程度，重新定義ΔCoVaR的測(cè)量方法，即

(7)

(8)

2.1.2 單個(gè)股票ΔCoVaR之間的聯(lián)動(dòng)特征

考慮到單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)溢出的程度不完全一致，因此有必要提煉所有股票ΔCoVaR之間的共同變動(dòng)趨勢(shì)，以反映股票市場(chǎng)的系統(tǒng)性關(guān)聯(lián)特征。本研究借鑒KOSE et al.[43-44]的貝葉斯?jié)撛诙鄤?dòng)態(tài)因子模型，全面刻畫基于個(gè)股的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)。

結(jié)合本研究，貝葉斯?jié)撛诙鄤?dòng)態(tài)因子模型的基本形式為

(9)

在(9)式的基礎(chǔ)上，運(yùn)用基于吉布斯抽樣(Gibbs抽樣)算法的馬爾可夫鏈蒙特卡洛模擬(MCMC)不斷迭代計(jì)算，最終提煉出(9)式中的潛在股票市場(chǎng)動(dòng)態(tài)因子，該因子即可視為基于個(gè)股特征的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)。

2.2 宏觀狀態(tài)變量的選取和描述

基于對(duì)已有研究的梳理和數(shù)據(jù)的可得性，本研究選擇的宏觀狀態(tài)變量包括股票市場(chǎng)波動(dòng)率、利率風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和房地產(chǎn)市場(chǎng)收益率，變量的具體定義如下。

(2)利率風(fēng)險(xiǎn)。采用中債國(guó)債3個(gè)月到期收益率的變動(dòng)測(cè)量，計(jì)算方法為

(3)流動(dòng)性風(fēng)險(xiǎn)。采用銀行間質(zhì)押式回購加權(quán)利率和中債國(guó)債到期收益率的差值測(cè)量，計(jì)算方法為

流動(dòng)性風(fēng)險(xiǎn)=t期的3個(gè)月銀行間質(zhì)押式回購加權(quán)利率-t期的3個(gè)月中債國(guó)債到期收益率

(4)房地產(chǎn)市場(chǎng)收益率。測(cè)量方法為

房地產(chǎn)市場(chǎng)收益率=t期申萬房地產(chǎn)開發(fā)指數(shù)收益率-t期申萬多元金融指數(shù)收益率

其中，

本研究選取的所有股票均來源于滬深兩市，時(shí)間跨度為2002年10月至2016年12月，經(jīng)過篩選，股票數(shù)量為1 109只，由于*ST華澤(000693)在分位數(shù)回歸中不能收斂，所以將其從總樣本中剔除。上述所有變量的數(shù)據(jù)均取自Wind數(shù)據(jù)庫。需要指出的是，本研究在具體的測(cè)量中以t周代替t期計(jì)算各宏觀狀態(tài)變量。

2.3 股票市場(chǎng)的系統(tǒng)性關(guān)聯(lián)特征

圖1給出2002年10月至2016年12月基于中國(guó)股票市場(chǎng)的1 109只股票ΔCoVaR之間的聯(lián)動(dòng)趨勢(shì)刻畫的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)特征。同時(shí)，圖1還對(duì)比了對(duì)稱CoVaR與非對(duì)稱CoVaR下的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)。

圖1 基于CoVaR方法測(cè)量的 中國(guó)股票市場(chǎng)的系統(tǒng)性關(guān)聯(lián)Figure 1 Systemic Linkage in Chinese Stock Market Based on the Measurement of the CoVaR Approach

觀察圖1，可以發(fā)現(xiàn)：

(1)基于對(duì)稱CoVaR測(cè)量的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的波動(dòng)幅度明顯強(qiáng)于非對(duì)稱CoVaR測(cè)量的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)，表現(xiàn)為：除特定時(shí)期外，非對(duì)稱CoVaR下的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)基本在零點(diǎn)上下浮動(dòng)，而對(duì)稱CoVaR下的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)則存在異常的波動(dòng)上行或下行。

(2)樣本期內(nèi)，對(duì)稱CoVaR和非對(duì)稱CoVaR下股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的走勢(shì)也存在相同的特征，這一點(diǎn)突出地體現(xiàn)在兩個(gè)重要時(shí)期。一個(gè)是2008年席卷全球的金融危機(jī)，彼時(shí)的中國(guó)股市也未能幸免，上證綜指從最高的6 124.04點(diǎn)一路下挫到1 664.93點(diǎn)，一年內(nèi)跌幅達(dá)72.813%，深證成指的跌幅也超過71.545%，同時(shí)滬深兩市共蒸發(fā)市值約17.330萬億元人民幣(數(shù)據(jù)來源于上海證券交易所網(wǎng)站和深圳證券交易所網(wǎng)站，下同)，超過2008年GDP的54.239%，創(chuàng)下中國(guó)股市的歷史之最。此后股市經(jīng)歷了長(zhǎng)達(dá)數(shù)年的低迷，實(shí)體經(jīng)濟(jì)也遭受重創(chuàng)。另一個(gè)是2015年的“股災(zāi)”，表現(xiàn)為上證綜指從2014年6月的2000點(diǎn)左右一路攀升到2015年6月12日的5 178.19點(diǎn)，彼時(shí)的市場(chǎng)情緒極為高漲，加上主流媒體的推波助瀾，形成全社會(huì)的炒股熱潮。但隨后股市很快就跌入谷底，僅半年時(shí)間，就創(chuàng)下了49.050%的跌幅記錄。同時(shí)，滬深兩市在2015年6月15日至7月8日的短短數(shù)十天內(nèi)共蒸發(fā)約22.959萬億元人民幣的市值，接近2015年GDP的三分之一。其中，僅6月26日當(dāng)天，兩市就蒸發(fā)了約4.467萬億元人民幣的市值。此外，還引發(fā)了大量的資金外流，給外匯市場(chǎng)帶來不小的沖擊。在這兩個(gè)特定時(shí)期，基于對(duì)稱CoVaR和非對(duì)稱CoVaR測(cè)量的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)明顯上升，表明基于CoVaR方法的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)能夠合理反映股市的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)和程度。

(3)相對(duì)于非對(duì)稱CoVaR的測(cè)量，基于對(duì)稱CoVaR測(cè)量的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的準(zhǔn)確性有待商榷。這主要表現(xiàn)在部分時(shí)期，對(duì)稱CoVaR下的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)特征與股市的實(shí)際運(yùn)行情況略有不符，并且容易在股市低迷時(shí)期低估風(fēng)險(xiǎn)程度。例如，2009年至2014年，對(duì)稱CoVaR下的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)長(zhǎng)期低于0，甚至在2013年出現(xiàn)深度觸底的現(xiàn)象，表明此時(shí)的股市發(fā)展良好，同時(shí)系統(tǒng)性風(fēng)險(xiǎn)基本不存在。但實(shí)際情況卻是滬深兩市正經(jīng)歷著后金融危機(jī)時(shí)期長(zhǎng)達(dá)數(shù)年的沉寂，股票市場(chǎng)發(fā)展整體欠佳，而且低迷的股市并不能代表系統(tǒng)性風(fēng)險(xiǎn)不存在，只是比股市劇烈波動(dòng)時(shí)期的風(fēng)險(xiǎn)程度稍弱點(diǎn)。

綜上，基于個(gè)股的非對(duì)稱CoVaR測(cè)量的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)很好地刻畫了中國(guó)股市的系統(tǒng)性風(fēng)險(xiǎn)特征，該方法既不會(huì)在股市低迷期過于低估風(fēng)險(xiǎn)程度，也不會(huì)在股市處于劇烈波動(dòng)期過分高估風(fēng)險(xiǎn)程度，并且能夠重點(diǎn)突出特定時(shí)期的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)。

3 經(jīng)濟(jì)政策不確定性對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的動(dòng)態(tài)影響

本研究重點(diǎn)研究美國(guó)經(jīng)濟(jì)政策不確定性對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響及其作用機(jī)制，采用NAKAJIMA[45]提出的時(shí)變參數(shù)向量自回歸(TVP-VAR)模型深入剖析這一影響的具體表現(xiàn)形式。一方面，通過等間隔脈沖響應(yīng)函數(shù)探究這一作用機(jī)制的動(dòng)態(tài)演化過程；另一方面，借助時(shí)點(diǎn)脈沖響應(yīng)函數(shù)考察特定時(shí)期下的不確定性如何作用于股市的系統(tǒng)性關(guān)聯(lián)。

3.1 模型構(gòu)建

TVP-VAR模型是在VAR模型的基礎(chǔ)上不斷演變而來的，其重要假定是系數(shù)矩陣和新息的協(xié)方差矩陣均是時(shí)變的。借助該模型，可以有效刻畫沖擊大小或者傳導(dǎo)途徑變動(dòng)的時(shí)變特征。一個(gè)不考慮時(shí)變的基本結(jié)構(gòu)VAR模型的具體形式為

yt=Xtβ+A-1Σεt

(10)

βt+1=βt+μβ,tαt+1=αt+μα,tht+1=ht+μh,t

3.2 數(shù)據(jù)選取和檢驗(yàn)

經(jīng)濟(jì)政策不確定性是指由于政府政策或法規(guī)的不確定性而催生的經(jīng)濟(jì)金融風(fēng)險(xiǎn)，這種不確定性會(huì)通過干擾微觀主體的心理狀態(tài)來改變他們的決策行為，從而影響宏觀經(jīng)濟(jì)運(yùn)行和金融市場(chǎng)穩(wěn)定。

本研究選取美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)(EPU)作為測(cè)量不確定性的指標(biāo)，該指數(shù)由BAKER et al.[46]構(gòu)建，可在BAKER等創(chuàng)建的網(wǎng)站上自由獲取，網(wǎng)站地址為http:∥www.policyuncertainty.com。目前，該指數(shù)重點(diǎn)量化美國(guó)經(jīng)濟(jì)社會(huì)3個(gè)層面的不確定性：①關(guān)于圍繞經(jīng)濟(jì)運(yùn)行而適時(shí)調(diào)整的政府政策的新聞報(bào)道；②在未來數(shù)年內(nèi)會(huì)持續(xù)產(chǎn)生影響的美國(guó)聯(lián)邦稅收法案條款的更迭；③覆蓋由美聯(lián)儲(chǔ)發(fā)布的專業(yè)人士對(duì)經(jīng)濟(jì)前景預(yù)期分歧的調(diào)查。之所以選用美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)，是因?yàn)椋孩僭撝笖?shù)已經(jīng)成為測(cè)量美國(guó)經(jīng)濟(jì)政策不確定性的重要指標(biāo)之一[47]。②美國(guó)作為全球最主要的政治經(jīng)濟(jì)體，同時(shí)擁有最發(fā)達(dá)的金融市場(chǎng)，其自身的經(jīng)濟(jì)政策不確定性很容易被市場(chǎng)感知、察覺，并迅速波及、傳染到全球其他主要經(jīng)濟(jì)體[48]和金融市場(chǎng)，如外匯市場(chǎng)[49]、股票市場(chǎng)[50]和債券市場(chǎng)[51]等。當(dāng)然，也包括對(duì)中國(guó)宏觀經(jīng)濟(jì)和金融市場(chǎng)的影響[52-53]。③美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)基本不受中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響，所以在實(shí)證研究過程中能夠有效地規(guī)避內(nèi)生性問題。此外，美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)還存在日度數(shù)據(jù)，利用簡(jiǎn)單平均的方法將日度數(shù)據(jù)轉(zhuǎn)化為周度數(shù)據(jù)，一方面可以相對(duì)真實(shí)地反映美國(guó)經(jīng)濟(jì)政策的不確定性，另一方面也更加貼合前文構(gòu)建的中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的數(shù)據(jù)頻率，進(jìn)而能夠準(zhǔn)確地測(cè)量?jī)烧咧g的數(shù)量關(guān)系。

圖2給出2002年10月至2016年12月的美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)的走勢(shì)。由圖2可知，不確定性指數(shù)的波動(dòng)比較劇烈，并且在部分時(shí)點(diǎn)出現(xiàn)了異常攀升的現(xiàn)象，相對(duì)突出的有：①2003年3月，伊拉克戰(zhàn)爭(zhēng)爆發(fā)，引發(fā)全球?qū)υ凸?yīng)乃至經(jīng)濟(jì)運(yùn)行的擔(dān)憂；②2008年9月，雷曼兄弟破產(chǎn)，使美國(guó)次貸危機(jī)被徹底引爆，迅速升級(jí)為金融危機(jī)并波及全球，導(dǎo)致美國(guó)甚至全球經(jīng)濟(jì)陷入衰退的泥潭中久久不能自拔；③2011年7月，希臘國(guó)債信用評(píng)級(jí)下調(diào)，歐債危機(jī)愈演愈烈，世界經(jīng)濟(jì)被再一次陷入衰退的恐慌情緒所籠罩；④2013年10月，美國(guó)國(guó)會(huì)因?yàn)樨?cái)務(wù)預(yù)算問題長(zhǎng)期懸而未決，導(dǎo)致聯(lián)邦政府非核心部門被迫短暫關(guān)閉，引發(fā)社會(huì)強(qiáng)烈擔(dān)憂；⑤2016年6月，英國(guó)脫歐公投成功，成為當(dāng)年金融市場(chǎng)上最大的黑天鵝事件，直接導(dǎo)致不確定性指數(shù)被迅速拉升。

為保證TVP-VAR模型能夠得出準(zhǔn)確的結(jié)論，本研究在模型中加入Fama-French三因子變量，即市場(chǎng)因子、規(guī)模因子、賬面市值比因子，三因子變量的數(shù)據(jù)均從CSMAR數(shù)據(jù)庫獲取。鑒于本研究所用的變量數(shù)據(jù)均為時(shí)間序列，因此有必要進(jìn)行平穩(wěn)性檢驗(yàn)，表1給出變量的平穩(wěn)性檢驗(yàn)結(jié)果。由表1可知，5個(gè)變量都在1%水平上拒絕存在單位根的原假設(shè)，即所有變量均為平穩(wěn)序列。此外，考慮到TVP-VAR模型的運(yùn)用還需要確定最優(yōu)滯后階數(shù)，本研究依據(jù)固定系數(shù)VAR模型的信息準(zhǔn)則確定最優(yōu)滯后期為2階。

圖2 美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)走勢(shì)Figure 2 Trend of the U.S. Economic Policy Uncertainty Index

表1 變量單位根檢驗(yàn)結(jié)果Table 1 Results for Unit Root Test of Variables

表2 TVP-VAR模型的參數(shù)估計(jì)結(jié)果Table 2 Parameter Estimation Results for TVP-VAR Model

3.3 馬爾科夫鏈蒙特卡洛模擬

通常情況下，隨機(jī)波動(dòng)的假定會(huì)導(dǎo)致模型的估計(jì)參數(shù)過多，采用似然函數(shù)估計(jì)將大幅增加處理難度。因此，既能在隨機(jī)波動(dòng)假定下準(zhǔn)確估計(jì)參數(shù)，又能實(shí)現(xiàn)狀態(tài)變量一致估計(jì)的馬爾科夫鏈蒙特卡洛模擬(MCMC)得到廣泛應(yīng)用，本研究也借助該抽樣方法對(duì)TVP-VAR模型中的各參數(shù)進(jìn)行準(zhǔn)確估計(jì)。

3.4 時(shí)變脈沖響應(yīng)分析

為更好地刻畫經(jīng)濟(jì)政策不確定性指數(shù)對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)影響的時(shí)變特征，本研究引入等間隔脈沖響應(yīng)函數(shù)和時(shí)點(diǎn)脈沖響應(yīng)函數(shù)進(jìn)行分析。等間隔脈沖響應(yīng)函數(shù)是指樣本期內(nèi)的每一個(gè)時(shí)點(diǎn)，經(jīng)濟(jì)政策不確定性的單位沖擊引起的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)在不同時(shí)間間隔后的反應(yīng)，可以用來觀察脈沖響應(yīng)的動(dòng)態(tài)調(diào)整過程。本研究選定的時(shí)間間隔為滯后2周、滯后4周和滯后6周，分別測(cè)量短期、中期、長(zhǎng)期的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的響應(yīng)過程。時(shí)點(diǎn)脈沖響應(yīng)函數(shù)是指樣本期內(nèi)的特定時(shí)點(diǎn)，經(jīng)濟(jì)政策不確定性的單位沖擊引起的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的反應(yīng)，可以用來觀察脈沖響應(yīng)的結(jié)構(gòu)性調(diào)整過程。本研究選擇的特定時(shí)點(diǎn)為美國(guó)經(jīng)濟(jì)政策不確定性指數(shù)異常攀升的代表性時(shí)點(diǎn)，包括2008年9月15日的金融危機(jī)爆發(fā)，2011年7月27日的歐債危機(jī)升級(jí)，2016年6月24日的英國(guó)脫歐公投成功。由于本研究的數(shù)據(jù)頻率以周為基準(zhǔn)，所以設(shè)定事件發(fā)生當(dāng)周為事件時(shí)點(diǎn)。

圖3 中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的等間隔脈沖響應(yīng)Figure 3 Equal Interval Impulse Responses of the Systemic Linkage in Chinese Stock Market to the Economic Policy Uncertainty Shock

圖3給出股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的等間隔脈沖響應(yīng)函數(shù)。由圖3可知，①短期內(nèi)，股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)受經(jīng)濟(jì)政策不確定性單位沖擊的影響持續(xù)為正，并且呈現(xiàn)出周期性波動(dòng)的特征。同時(shí)，該動(dòng)態(tài)響應(yīng)過程還在兩個(gè)重要時(shí)點(diǎn)出現(xiàn)波峰狀態(tài)，一個(gè)是2008年前后，對(duì)應(yīng)的是金融危機(jī)時(shí)期；一個(gè)是2011年年中，彼時(shí)正是歐債危機(jī)時(shí)期。此外，短期的脈沖響應(yīng)在2015年之后表現(xiàn)為不斷攀升的趨勢(shì)。這可能是由于中國(guó)金融市場(chǎng)和外部市場(chǎng)的聯(lián)系日趨緊密，進(jìn)而更容易受到不確定性，特別是美國(guó)經(jīng)濟(jì)政策不確定性的影響。②隨著時(shí)間間隔的增加，經(jīng)濟(jì)政策不確定性對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響逐漸減弱。不同于短期的正向反應(yīng)，中長(zhǎng)期情形下的響應(yīng)程度相對(duì)較弱，特別是滯后6周時(shí)，股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性單位沖擊的響應(yīng)基本圍繞零點(diǎn)上下浮動(dòng)，表明經(jīng)濟(jì)政策不確定性的正向沖擊受時(shí)間的推移而緩慢消逝。③滯后4周時(shí)的脈沖響應(yīng)在部分時(shí)段存在正向波動(dòng)的情形。一個(gè)是2008年至2013年，彼時(shí)正是金融危機(jī)疊加歐債危機(jī)的時(shí)期。受雙重因素的影響，經(jīng)濟(jì)政策不確定性對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響持續(xù)為正，特別是在2011年達(dá)到頂峰，此時(shí)滯后2周下的脈沖響應(yīng)同樣處于頂峰狀態(tài)。另一個(gè)是自2015年開始不斷上升的反應(yīng)過程，這一點(diǎn)與滯后2周的情形非常相似。該時(shí)間段內(nèi)，美聯(lián)儲(chǔ)宣布退出量化寬松、英國(guó)脫歐公投成功、美國(guó)總統(tǒng)大選等諸多不確定性事件層出不窮，經(jīng)濟(jì)政策不確定性指數(shù)的波動(dòng)比較劇烈，并且此時(shí)中國(guó)股市系統(tǒng)性關(guān)聯(lián)的波動(dòng)也十分劇烈。因此，在股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)程度較高時(shí)，其受經(jīng)濟(jì)政策不確定性的正向影響也就越突出。

圖4給出股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的時(shí)點(diǎn)脈沖響應(yīng)函數(shù)。圖中，3個(gè)特定時(shí)點(diǎn)下的經(jīng)濟(jì)政策不確定性沖擊對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響機(jī)制基本一致。具體如下：①所有沖擊均可以持續(xù)2個(gè)月左右，并且都是在5周左右將經(jīng)濟(jì)政策不確定性的信息釋放完畢。②股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的沖擊響應(yīng)均存在時(shí)滯，從零時(shí)點(diǎn)的無反應(yīng)到滯后2周的正向極大反應(yīng)，再到滯后3周的負(fù)向極大反應(yīng)和滯后4周的微弱正向反應(yīng)?？偟膩碚f，股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性的時(shí)點(diǎn)脈沖響應(yīng)函數(shù)存在周期性波動(dòng)特征。③正向極大響應(yīng)程度要明顯高于負(fù)向極大響應(yīng)程度。這一點(diǎn)突出體現(xiàn)在歐債危機(jī)和英國(guó)脫歐公投時(shí)期，它們各自帶來的正向沖擊明顯高于其引發(fā)的負(fù)向沖擊。此外，還需要注意的是，英國(guó)脫歐公投導(dǎo)致的正向沖擊稍高于歐債危機(jī)的正向沖擊，并且它們均明顯高于由金融危機(jī)帶來的不確定性沖擊；同時(shí)，英國(guó)脫歐公投導(dǎo)致的負(fù)向沖擊明顯低于歐債危機(jī)和金融危機(jī)時(shí)期的負(fù)向沖擊。也就是說，伴隨著中國(guó)金融市場(chǎng)與外部市場(chǎng)聯(lián)系的日益緊密，股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)受外部不確定性的正向沖擊愈發(fā)明顯。這也在一定程度上印證了前文等間隔脈沖響應(yīng)函數(shù)下的推斷。此外，金融危機(jī)時(shí)期的沖擊響應(yīng)過程比較特殊，主要表現(xiàn)為滯后1周的負(fù)向極大響應(yīng)。這可能是由于彼時(shí)的中國(guó)金融市場(chǎng)受外部環(huán)境的影響有限，尚不存在有效的信息傳導(dǎo)機(jī)制，因此時(shí)滯效應(yīng)突出，進(jìn)而導(dǎo)致初期出現(xiàn)負(fù)向的沖擊效果。不過，這種初期負(fù)向的沖擊響應(yīng)已經(jīng)基本隨時(shí)間而消失了，經(jīng)濟(jì)政策不確定性對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響仍然以正向沖擊為主。

圖4 中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的時(shí)點(diǎn)脈沖響應(yīng)Figure 4 Time Point Impulse Responses of the Systemic Linkage in Chinese Stock Market to the Economic Policy Uncertainty Shock

4 結(jié)論

本研究選取2002年10月至2016年12月中國(guó)上市公司的股票價(jià)格數(shù)據(jù)，借鑒非對(duì)稱CoVaR測(cè)量單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的風(fēng)險(xiǎn)溢出程度，并運(yùn)用潛在多動(dòng)態(tài)因子模型提煉出基于個(gè)股ΔCoVaR共同變動(dòng)趨勢(shì)的股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)特征，使用TVP-VAR模型深入剖析美國(guó)經(jīng)濟(jì)政策不確定性沖擊對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的時(shí)變影響機(jī)制。依據(jù)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)對(duì)經(jīng)濟(jì)政策不確定性沖擊的等間隔脈沖響應(yīng)函數(shù)和時(shí)點(diǎn)脈沖響應(yīng)函數(shù)，研究結(jié)果表明，①短期內(nèi)，美國(guó)經(jīng)濟(jì)政策不確定性沖擊對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響持續(xù)為正，并且呈現(xiàn)出周期性波動(dòng)的特征。②中長(zhǎng)期情形下，經(jīng)濟(jì)政策不確定性沖擊對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的動(dòng)態(tài)影響相對(duì)較弱。③在股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)程度較高時(shí)，其遭受的經(jīng)濟(jì)政策不確定性沖擊相應(yīng)的也越多。這表明，當(dāng)預(yù)判到中國(guó)股票市場(chǎng)的系統(tǒng)性關(guān)聯(lián)程度高時(shí)，則更加需要關(guān)注突發(fā)事件下的經(jīng)濟(jì)政策不確定性沖擊可能給股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)帶來的風(fēng)險(xiǎn)溢出。④伴隨著中國(guó)金融市場(chǎng)與外部市場(chǎng)聯(lián)系的日益緊密，股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)受外部環(huán)境下的經(jīng)濟(jì)政策不確定性沖擊的正向影響越來越深。

本研究的主要貢獻(xiàn)有：首先，基于個(gè)股聯(lián)動(dòng)特征考察中國(guó)股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)，即測(cè)量股票市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)是建立在市場(chǎng)中所有股票的共同風(fēng)險(xiǎn)特征的基礎(chǔ)上。其次，引入非對(duì)稱CoVaR的情形，將不同經(jīng)濟(jì)狀況下單個(gè)股票對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的不同特性納入分析范圍內(nèi)。最后，對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)影響機(jī)制的剖析拓展到了外部市場(chǎng)，而不僅僅是局限于系統(tǒng)本身以及組成系統(tǒng)的微觀個(gè)體中。依據(jù)前文的分析可以認(rèn)為，探究源自外部環(huán)境的經(jīng)濟(jì)政策不確定性沖擊對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的影響具有重要的理論價(jià)值，并且對(duì)源自外部不確定性沖擊的短期風(fēng)險(xiǎn)防范更具現(xiàn)實(shí)意義。在滬港通、深港通、債券通等互聯(lián)互通機(jī)制開放和發(fā)展以及人民幣國(guó)際化持續(xù)推進(jìn)的大背景下，更加重視外部環(huán)境下的經(jīng)濟(jì)政策不確定性對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的沖擊顯得十分必要。

本研究結(jié)果對(duì)實(shí)踐的指導(dǎo)意義在于：①監(jiān)管部門可以考慮使用非對(duì)稱CoVaR方法定量測(cè)量股票市場(chǎng)運(yùn)行的系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)，以便為后續(xù)的金融監(jiān)管和政策調(diào)控提供更準(zhǔn)確的依據(jù)。②監(jiān)管部門需要認(rèn)真對(duì)待金融全球化和國(guó)際化給中國(guó)股票市場(chǎng)運(yùn)行可能帶來的系統(tǒng)性風(fēng)險(xiǎn)溢出，特別是要準(zhǔn)確識(shí)別、判斷源自外部經(jīng)濟(jì)政策不確定性引發(fā)的股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)變動(dòng)程度和規(guī)模，同時(shí)這種分析的重點(diǎn)應(yīng)該主要集中在1個(gè)月內(nèi)。③在股票市場(chǎng)自身的系統(tǒng)性風(fēng)險(xiǎn)程度較高時(shí)，監(jiān)管部門需要特別留意外部不確定性事件或沖擊的突然爆發(fā)對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的觸發(fā)可能。因此，當(dāng)監(jiān)管部門對(duì)中國(guó)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)進(jìn)行監(jiān)測(cè)時(shí)，不僅要立足本市場(chǎng)，還需要加強(qiáng)對(duì)外部市場(chǎng)信息的收集和處理。

當(dāng)然，本研究只是揭示了經(jīng)濟(jì)政策不確定性對(duì)股票市場(chǎng)系統(tǒng)性關(guān)聯(lián)的動(dòng)態(tài)影響，未就經(jīng)濟(jì)政策不確定性沖擊對(duì)股票市場(chǎng)不同行業(yè)板塊系統(tǒng)性關(guān)聯(lián)的影響進(jìn)行深入探究，可能由于不同行業(yè)板塊的特殊屬性會(huì)導(dǎo)致經(jīng)濟(jì)政策不確定性的沖擊效果不完全一致，進(jìn)而可能得到不一樣的結(jié)論。因此，后續(xù)研究將進(jìn)一步深入分析并總結(jié)完善。