基于安全投資轉(zhuǎn)移視角的風(fēng)險(xiǎn)相關(guān)性研究

塵娜 金秀

摘 要：投資者根據(jù)市場(chǎng)狀態(tài)變化進(jìn)行安全投資轉(zhuǎn)移，引起資產(chǎn)間的資金流動(dòng)和風(fēng)險(xiǎn)相關(guān)性變化。利用Markov狀態(tài)轉(zhuǎn)移模型識(shí)別市場(chǎng)狀態(tài)，訂單流差異衡量安全投資轉(zhuǎn)移，基于CAPM的標(biāo)準(zhǔn)化協(xié)方差矩陣衡量風(fēng)險(xiǎn)相關(guān)性。研究發(fā)現(xiàn)：我國股市存在熊市、橫盤和牛市三種狀態(tài)，橫盤狀態(tài)下安全投資轉(zhuǎn)移水平急劇提升。在時(shí)間維度上，橫盤狀態(tài)下安全投資轉(zhuǎn)移對(duì)行業(yè)間風(fēng)險(xiǎn)相關(guān)性的影響最大;在截面維度上，同一狀態(tài)下安全投資轉(zhuǎn)移對(duì)安全型行業(yè)-風(fēng)險(xiǎn)型行業(yè)所組成行業(yè)對(duì)的風(fēng)險(xiǎn)相關(guān)性影響程度最大。結(jié)果表明，安全投資轉(zhuǎn)移引起行業(yè)間風(fēng)險(xiǎn)相關(guān)性負(fù)向變化，使得行業(yè)間風(fēng)險(xiǎn)相關(guān)性減少。投資者同時(shí)配置受安全投資轉(zhuǎn)移顯著影響的安全型和風(fēng)險(xiǎn)型資產(chǎn)，可以降低投資組合系統(tǒng)性風(fēng)險(xiǎn)。

關(guān)鍵詞：風(fēng)險(xiǎn)相關(guān)性;安全投資轉(zhuǎn)移;市場(chǎng)狀態(tài);訂單流差異

中圖分類號(hào)：F 832.5

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1005-9679（2021）02-0015-07

Abstract：As the market regime shifts， flight-to-quality causes capital flowing and risk correlation changing among assets. Markov regime switching model is used to identify market regimes， order flow difference is used to measure flight-to-quality， and risk correlation is measured by standardized covariance matrix of CAPM. The empirical analysis show that：There are bear， sideway and bull regimes and flight-to-quality sharply increase in sideway regime. In the time dimension， the effect of flight-to-quality is biggest in sideway regime; in the cross-sectional dimension， the effect on safe industry-risk industry is biggest. The results show that the negative change of cross-industry risk correlation will decrease risk correlation. Investors can reduce the systemic risk of portfolio by allocating both safe and risk assets which are significantly affected by the flight-to-quality.

Key words：risk correlation; flight-to-quality; market regime; order flow difference

資產(chǎn)間的風(fēng)險(xiǎn)傳導(dǎo)渠道通常分為兩大類：真實(shí)聯(lián)系渠道和信息渠道。在真實(shí)聯(lián)系渠道上，風(fēng)險(xiǎn)相關(guān)性取決于實(shí)體經(jīng)濟(jì)中的實(shí)質(zhì)性物理聯(lián)系，例如國家間的進(jìn)出口貿(mào)易、國民經(jīng)濟(jì)部門間的投入產(chǎn)出等。在信息渠道上，風(fēng)險(xiǎn)相關(guān)性取決于金融市場(chǎng)中的投資者交易行為，資產(chǎn)間沒有實(shí)質(zhì)性聯(lián)系。Debarsy等（2018）評(píng)估風(fēng)險(xiǎn)傳導(dǎo)渠道的相對(duì)重要性，結(jié)果發(fā)現(xiàn)信息渠道上的風(fēng)險(xiǎn)傳導(dǎo)較重要。學(xué)者們?cè)絹碓疥P(guān)注信息渠道上投資者交易行為所引起的風(fēng)險(xiǎn)傳導(dǎo)，一些學(xué)者基于安全投資轉(zhuǎn)移視角研究資產(chǎn)間的風(fēng)險(xiǎn)相關(guān)性。

受經(jīng)濟(jì)周期的影響，股市常常表現(xiàn)出非線性、動(dòng)態(tài)的結(jié)構(gòu)性變化，其運(yùn)動(dòng)軌跡在不同狀態(tài)下交替演進(jìn)。投資者對(duì)某一市場(chǎng)狀態(tài)產(chǎn)生恐慌，則賣出風(fēng)險(xiǎn)型資產(chǎn)而買入相對(duì)安全的資產(chǎn)，產(chǎn)生安全投資轉(zhuǎn)移。安全投資轉(zhuǎn)移引起資產(chǎn)間資金流動(dòng)和風(fēng)險(xiǎn)相關(guān)性變化。第一，安全投資轉(zhuǎn)移受市場(chǎng)狀態(tài)影響，然而相關(guān)研究結(jié)論存在爭(zhēng)議。Cho等（2016）和Li等（2016）研究表明，在熊市狀態(tài)時(shí)，投資者對(duì)不景氣市場(chǎng)感到恐慌進(jìn)而發(fā)生安全投資轉(zhuǎn)移;而Kaul等（2017）研究表明，在牛市狀態(tài)時(shí)，投資者對(duì)未來市場(chǎng)惡化感到恐慌，進(jìn)行套期保值而發(fā)生安全投資轉(zhuǎn)移。第二，關(guān)于安全投資轉(zhuǎn)移與風(fēng)險(xiǎn)相關(guān)性的相關(guān)研究。Cho等（2016）利用國際凈資本流動(dòng)捕捉安全投資轉(zhuǎn)移，解釋貨幣市場(chǎng)與股票市場(chǎng)的相關(guān)性;Bethke等（2017）利用信用風(fēng)險(xiǎn)因子和流動(dòng)性風(fēng)險(xiǎn)因子的相關(guān)性捕捉安全投資轉(zhuǎn)移，結(jié)果表明風(fēng)險(xiǎn)因子相關(guān)性變化影響債券相關(guān)性。然而，安全投資轉(zhuǎn)移是指，當(dāng)投資者感到恐慌時(shí)，賣出風(fēng)險(xiǎn)資產(chǎn)并買入安全資產(chǎn)的交易行為。由于安全投資轉(zhuǎn)移是在投資者感到恐慌的情況下發(fā)生的，所以它是一種積極主動(dòng)的交易行為。在已有安全投資轉(zhuǎn)移與風(fēng)險(xiǎn)相關(guān)性的相關(guān)研究中，國際凈資本流動(dòng)和風(fēng)險(xiǎn)因子相關(guān)性并不能反映投資者的積極主動(dòng)性。Kaul等（2017）以大規(guī)模藍(lán)籌公司股往往比小規(guī)模融資受限公司股是更安全的投資為前提假設(shè)，利用大規(guī)模股票與小規(guī)模股票訂單流差異捕捉安全投資轉(zhuǎn)移。根據(jù)買單和賣單的識(shí)別方法，買單（賣單）為成交價(jià)格高于（低于）買賣報(bào)價(jià)中點(diǎn)訂單，說明買家（賣家）更加急迫希望達(dá)成交易而選擇妥協(xié)，因而訂單流差異可以捕捉投資交易的積極主動(dòng)性。

2008—2009年，由于行業(yè)間的風(fēng)險(xiǎn)相關(guān)性，始于金融行業(yè)的危機(jī)迅速傳染至其他行業(yè)，最終席卷整個(gè)經(jīng)濟(jì)金融系統(tǒng)，引起全球性金融危機(jī)。行業(yè)間的風(fēng)險(xiǎn)相關(guān)性對(duì)風(fēng)險(xiǎn)管理和投資組合十分重要。本文選擇行業(yè)資產(chǎn)作為樣本，基于安全投資轉(zhuǎn)移視角研究行業(yè)資產(chǎn)間的風(fēng)險(xiǎn)相關(guān)性。本文貢獻(xiàn)體現(xiàn)在以下兩個(gè)方面：第一，與以往直接采用兩種狀態(tài)的文獻(xiàn)不同，本文利用Markov狀態(tài)轉(zhuǎn)移模型識(shí)別我國股市的狀態(tài)，分析不同狀態(tài)下的安全投資轉(zhuǎn)移特征，從新興市場(chǎng)角度為爭(zhēng)議性話題提供新的證據(jù);第二，采用訂單流差異衡量安全投資轉(zhuǎn)移，捕捉該行為的積極主動(dòng)性，從時(shí)間和截面雙重維度研究安全投資轉(zhuǎn)移對(duì)行業(yè)間風(fēng)險(xiǎn)相關(guān)性的影響，并提出了新的投資策略。

1 模型構(gòu)建

1.1 Markov狀態(tài)轉(zhuǎn)移模型

1.2 安全投資轉(zhuǎn)移測(cè)度模型

采用Kaul等（2017）的訂單流差異衡量安全投資轉(zhuǎn)移，計(jì)算訂單流差異步驟如下：

第一步，采用Lee和Ready（1991）的方法區(qū)分買單和賣單。將每筆交易的成交價(jià)與買賣雙方報(bào)價(jià)的中點(diǎn)進(jìn)行比較，當(dāng)成交價(jià)格高于報(bào)價(jià)中點(diǎn)價(jià)格時(shí)，則認(rèn)定該筆交易為買單，反之為賣單：

第二步，計(jì)算股票訂單流。將第t月所有買單交易金額與賣單交易金額之差定義為股票訂單流，并通過總交易金額對(duì)訂單流進(jìn)行標(biāo)準(zhǔn)化處理

第三步，根據(jù)上一年最后一個(gè)交易日所有股票的賬面市值比和規(guī)模進(jìn)行雙重分組。首先，按照賬面市值比對(duì)所有股票進(jìn)行排序，依據(jù)30%、70%分位將所有股票分為3組，構(gòu)建低（L）、中（M）、高（H）賬面市值比股票組合;然后，在每個(gè)賬面市值比組內(nèi)按照規(guī)模將股票均分為2組，構(gòu)建?。⊿）、大（B）規(guī)模股票組合，共形成6組股票組合。計(jì)算6組股票組合訂單流均值SLt、SMt、SHt、BLt、BMt、BHt。訂單流差異定義為大規(guī)模股票組合平均訂單流與小規(guī)模股票組合平均訂單流之差：

1.3 風(fēng)險(xiǎn)相關(guān)性測(cè)度模型

利用基于CAPM的標(biāo)準(zhǔn)化協(xié)方差矩陣衡量資產(chǎn)間的風(fēng)險(xiǎn)相關(guān)性。在第t月，根據(jù)資本資產(chǎn)定價(jià)模型（CAPM），行業(yè)收益率為

利用各個(gè)行業(yè)的總風(fēng)險(xiǎn)對(duì)行業(yè)間風(fēng)險(xiǎn)相關(guān)性進(jìn)行標(biāo)準(zhǔn)化處理，第t月行業(yè)i與行業(yè)k之間的風(fēng)險(xiǎn)相關(guān)性為

1.4 狀態(tài)依賴下的安全投資轉(zhuǎn)移與風(fēng)險(xiǎn)相關(guān)性的回歸模型

第一步，對(duì)行業(yè)進(jìn)行分類。行為金融學(xué)研究表明，出于有限注意和信息缺乏等原因，投資者往往依據(jù)資產(chǎn)的某種屬性，人為地進(jìn)行資產(chǎn)分類，并據(jù)此進(jìn)行投資交易。安全性是一種重要的資產(chǎn)屬性，可能成為投資者的分類依據(jù)，因而行業(yè)的安全性類型可能影響安全投資轉(zhuǎn)移，進(jìn)而影響截面維度風(fēng)險(xiǎn)相關(guān)性。

（1）在狀態(tài)st期間，利用貝塔系數(shù)衡量行業(yè)安全性。狀態(tài)依賴下的資本資產(chǎn)定價(jià)模型（CAPM）為

（2）根據(jù)行業(yè)安全性大小對(duì)行業(yè)進(jìn)行分類。將10個(gè)行業(yè)按照安全性由高至低均分為2類，安全性較高的5個(gè)行業(yè)為安全型行業(yè)（s），安全性較低的5個(gè)行業(yè)為風(fēng)險(xiǎn)型行業(yè)（d）。

第二步，計(jì)算狀態(tài)依賴下的安全投資轉(zhuǎn)移對(duì)風(fēng)險(xiǎn)相關(guān)性的影響。

（1）根據(jù)行業(yè)的安全性類型，組成3種行業(yè)對(duì)。安全型行業(yè)與安全型行業(yè)組成的行業(yè)對(duì)（ss）10組、風(fēng)險(xiǎn)型行業(yè)與風(fēng)險(xiǎn)型行業(yè)組成的行業(yè)對(duì)（dd）10組和安全型行業(yè)與風(fēng)險(xiǎn)型行業(yè)組成的行業(yè)對(duì)（sd）25組。

（2）在狀態(tài)st期間，利用回歸模型計(jì)算安全投資轉(zhuǎn)移對(duì)風(fēng)險(xiǎn)相關(guān)性的影響。狀態(tài)依賴下的安全投資轉(zhuǎn)移與風(fēng)險(xiǎn)相關(guān)性的回歸模型為

2 實(shí)證分析

2.1 數(shù)據(jù)選取

由于2005年之前的日內(nèi)高頻交易數(shù)據(jù)過少，本文選取2005年1月至2017年12月滬深300指數(shù)及所包括的行業(yè)分類指數(shù)為研究對(duì)象。行業(yè)分類指數(shù)依次為能源、材料、工業(yè)、可選、消費(fèi)、醫(yī)藥、金融、信息、電信、公用10個(gè)行業(yè)。市場(chǎng)和行業(yè)的收益率定義為收盤價(jià)的自然對(duì)數(shù)差，即yt=100（lnpt-lnpt-1），p1為滬深300指數(shù)和行業(yè)指數(shù)的收盤價(jià)。數(shù)據(jù)來自Wind數(shù)據(jù)庫和國泰安中國證券市場(chǎng)交易高頻數(shù)據(jù)庫。

2.2 市場(chǎng)狀態(tài)分析

根據(jù)式（1）至式（3），采用Matlab_2016b軟件的MS_Regress工具箱估計(jì)Markov狀態(tài)轉(zhuǎn)移模型。根據(jù)對(duì)數(shù)似然值和AIC值，發(fā)現(xiàn)我國股票市場(chǎng)最可能存在三種不同的狀態(tài)。三種狀態(tài)的Markov狀態(tài)轉(zhuǎn)移模型的估計(jì)結(jié)果如圖1和表1所示。

由圖1可以看出：Markov狀態(tài)轉(zhuǎn)移模型可以很好地劃分市場(chǎng)狀態(tài)。樣本期內(nèi)，中國股票市場(chǎng)分別出現(xiàn)一次明顯的牛市（2006年12月—2009年11月）和熊市（2009年12月—2014年3月），兩次頻繁的狀態(tài)交替（2005年1月—2006年11月、2014年4月—2017年12月），頻繁狀態(tài)交替期間的市場(chǎng)整理形成橫盤狀態(tài)。牛市期間正是股權(quán)分置改革、全面炒股期間;熊市期間與IPO重啟、貨幣政策緊縮時(shí)間一致;2005年1月—2006年10月國有股減持與恢復(fù)股市機(jī)能政策的拉鋸戰(zhàn)使得市場(chǎng)狀態(tài)頻繁交替;2014年4月—2017年12月國際資金注入與場(chǎng)外配資清理造成狀態(tài)頻繁交替。

由表1可以看出：①由Panel A可以看出，熊市、橫盤和牛市三種狀態(tài)持續(xù)的概率都較高，說明三種狀態(tài)都是比較穩(wěn)定的。②由Panel B、C可以看出，三種狀態(tài)的期望收益率和波動(dòng)率不同。三種狀態(tài)中橫盤狀態(tài)的波動(dòng)率最低，與實(shí)際市場(chǎng)中的“牛皮整理”現(xiàn)象相一致。實(shí)際市場(chǎng)中橫盤狀態(tài)下股市無明顯的上漲或下降趨勢(shì)，波動(dòng)幅度較小，價(jià)格如同被釘住，如牛皮堅(jiān)韌，稱為“牛皮整理”。

2.3 狀態(tài)依賴下的安全投資轉(zhuǎn)移分析

根據(jù)式（4）-（5），利用全部A股日內(nèi)分筆交易高頻數(shù)據(jù)計(jì)算訂單流差異。根據(jù)圖1的狀態(tài)劃分結(jié)果，得到不同狀態(tài)期間的安全投資轉(zhuǎn)移如圖2所示。

由圖2可以看出：三種狀態(tài)下都存在安全投資轉(zhuǎn)移，并且橫盤狀態(tài)期間安全投資轉(zhuǎn)移水平急劇提稓（如圖2中黑色箭頭所示）。在市場(chǎng)進(jìn)入橫盤狀態(tài)時(shí)安全投資轉(zhuǎn)移水平螺旋式提升;隨著橫盤狀態(tài)時(shí)間增長，由于橫盤狀態(tài)的“牛皮整理”特征，投資者難以把握市場(chǎng)方向，心理崩潰形成嚴(yán)重恐慌情感，最終引起安全投資轉(zhuǎn)移行為水平急劇提升。

本文通過Markov模型識(shí)別市場(chǎng)狀態(tài)數(shù)量，為安全投資轉(zhuǎn)移的相關(guān)研究做出貢獻(xiàn)。在以往關(guān)于安全投資轉(zhuǎn)移的研究中，出于簡(jiǎn)化計(jì)算目的，學(xué)者們直接采用兩種狀態(tài)，忽略了橫盤狀態(tài)，得出相反的結(jié)論。通過表1和圖1、圖2可以看出，中國股票市場(chǎng)存在三種狀態(tài)，并且在橫盤狀態(tài)期間安全投資轉(zhuǎn)移水平急劇提升，從而從新興市場(chǎng)角度為爭(zhēng)議性話題提供了新的證據(jù)。

2.4 狀態(tài)依賴下的風(fēng)險(xiǎn)相關(guān)性分析

根據(jù)式（6）至式（8），計(jì)算風(fēng)險(xiǎn)相關(guān)性期望時(shí)間序列。不同狀態(tài)st期間，風(fēng)險(xiǎn)相關(guān)性期望時(shí)間序列的描述性統(tǒng)計(jì)結(jié)果如表2所示。

由表2可以看出：不同狀態(tài)下的風(fēng)險(xiǎn)相關(guān)性存在明顯差異。橫盤狀態(tài)下風(fēng)險(xiǎn)相關(guān)性的標(biāo)準(zhǔn)差最大，說明橫盤狀態(tài)下風(fēng)險(xiǎn)相關(guān)性不穩(wěn)定性較高，投資者進(jìn)行風(fēng)險(xiǎn)管理和投資組合的難度較大。

2.5 狀態(tài)依賴下的安全投資轉(zhuǎn)移與風(fēng)險(xiǎn)相關(guān)性回歸模型估計(jì)結(jié)果與分析

第一步，行業(yè)分類分析。根據(jù)式（9），對(duì)行業(yè)進(jìn)行安全性分類，結(jié)果如表3所示。

由表3可以看出：行業(yè)分類結(jié)果與實(shí)際市場(chǎng)中行業(yè)的特點(diǎn)相符合。例如，在三種狀態(tài)下醫(yī)藥行業(yè)均屬于安全型行業(yè)。在實(shí)際市場(chǎng)中醫(yī)藥行業(yè)一直受國家宏觀政策的控制，并且行業(yè)產(chǎn)品的需求彈性較小，因而醫(yī)藥行業(yè)在整個(gè)經(jīng)濟(jì)周期的表現(xiàn)都很穩(wěn)定。

第二步，安全投資轉(zhuǎn)移對(duì)風(fēng)險(xiǎn)相關(guān)性的影響分析。根據(jù)式（10），估計(jì)安全投資轉(zhuǎn)移對(duì)風(fēng)險(xiǎn)相關(guān)性的影響，結(jié)果如表4至表6所示。

由表4至表6可以看出：①安全投資轉(zhuǎn)移造成行業(yè)間風(fēng)險(xiǎn)相關(guān)性負(fù)向變動(dòng)。安全投資轉(zhuǎn)移對(duì)風(fēng)險(xiǎn)相關(guān)性的影響系數(shù)為負(fù)值，說明跨行業(yè)安全投資轉(zhuǎn)移引起資金在行業(yè)間流動(dòng)，使得一個(gè)行業(yè)資產(chǎn)的買進(jìn)資金力量增強(qiáng)、風(fēng)險(xiǎn)降低，而另一個(gè)行業(yè)資產(chǎn)的買進(jìn)資金力量減弱、風(fēng)險(xiǎn)增大，最終造成風(fēng)險(xiǎn)相關(guān)性減少。

②在時(shí)間維度上，橫盤狀態(tài)下安全投資轉(zhuǎn)移對(duì)行業(yè)間風(fēng)險(xiǎn)相關(guān)性的影響最大。已有研究采用兩狀態(tài)，忽視了橫盤狀態(tài)下安全投資轉(zhuǎn)移對(duì)風(fēng)險(xiǎn)相關(guān)性的影響。橫盤狀態(tài)下安全投資轉(zhuǎn)移對(duì)風(fēng)險(xiǎn)相關(guān)性的影響最大，與圖2中橫盤狀態(tài)下安全投資轉(zhuǎn)移水平急劇提升的結(jié)論是一致的。橫盤狀態(tài)下安全投資轉(zhuǎn)移引起行業(yè)間資金流動(dòng)量變化最大，進(jìn)而導(dǎo)致行業(yè)間風(fēng)險(xiǎn)相關(guān)性的變動(dòng)最大。

③在截面維度上，同一狀態(tài)下安全投資轉(zhuǎn)移對(duì)安全型行業(yè)-風(fēng)險(xiǎn)型行業(yè)所組成行業(yè)對(duì)（sd）的風(fēng)險(xiǎn)相關(guān)性影響最大。為了提高所持有投資組合的安全性，具有安全性偏好的投資者根據(jù)行業(yè)安全性分類結(jié)果進(jìn)行安全投資轉(zhuǎn)移，引起資金在安全型行業(yè)資產(chǎn)與風(fēng)險(xiǎn)型行業(yè)資產(chǎn)間流動(dòng)，進(jìn)而導(dǎo)致安全型行業(yè)-風(fēng)險(xiǎn)型行業(yè)所組成行業(yè)對(duì)（sd）的風(fēng)險(xiǎn)相關(guān)性變動(dòng)最大。

④本文結(jié)論提供了一種新的投資策略。安全投資轉(zhuǎn)移引起行業(yè)間風(fēng)險(xiǎn)相關(guān)性負(fù)向變化，使得行業(yè)間風(fēng)險(xiǎn)相關(guān)性減少。投資者同時(shí)配置受安全投資轉(zhuǎn)移顯著影響的安全型和風(fēng)險(xiǎn)型資產(chǎn)，可以使得投資組合的標(biāo)準(zhǔn)化協(xié)方差減少、系統(tǒng)性風(fēng)險(xiǎn)降低。尤其是，在無明顯未來走勢(shì)的橫盤狀態(tài)時(shí)期，投資者除了進(jìn)行安全投資轉(zhuǎn)移，還可以考慮利用安全投資轉(zhuǎn)移所引起的資產(chǎn)間風(fēng)險(xiǎn)相關(guān)性負(fù)向變化，同時(shí)配置安全型和風(fēng)險(xiǎn)型資產(chǎn)。

3 結(jié)論

經(jīng)濟(jì)全球化、金融一體化加速了全球性資本流動(dòng)，金融市場(chǎng)上資產(chǎn)間聯(lián)系日益緊密。網(wǎng)絡(luò)信息技術(shù)和金融衍生產(chǎn)品促進(jìn)了金融資產(chǎn)間的相關(guān)性，更容易造成單一資產(chǎn)問題透過資產(chǎn)間的相關(guān)性而形成系統(tǒng)性風(fēng)險(xiǎn)。因此，在市場(chǎng)越發(fā)達(dá)、投資渠道越多元化的同時(shí)，資產(chǎn)間的相關(guān)性對(duì)于風(fēng)險(xiǎn)管理和投資組合更加重要。本文基于安全投資轉(zhuǎn)移視角研究風(fēng)險(xiǎn)相關(guān)性，結(jié)果表明：第一，我國股市存在熊市、橫盤和牛市三種狀態(tài)。橫盤狀態(tài)下股市無明顯的上漲或下降趨勢(shì)，投資者難以把握市場(chǎng)方向，心理崩潰形成嚴(yán)重恐慌情感，安全投資轉(zhuǎn)移水平急劇提升。第二，安全投資轉(zhuǎn)移引起資金在行業(yè)間流動(dòng)，導(dǎo)致行業(yè)間風(fēng)險(xiǎn)相關(guān)性負(fù)向變動(dòng);在時(shí)間維度上，不同狀態(tài)下安全投資轉(zhuǎn)移對(duì)行業(yè)間風(fēng)險(xiǎn)相關(guān)性的影響不同。橫盤狀態(tài)下安全投資轉(zhuǎn)移引起行業(yè)間資金流動(dòng)量變化最大，因而對(duì)行業(yè)間風(fēng)險(xiǎn)相關(guān)性影響最大;在截面維度上，同一狀態(tài)下安全投資轉(zhuǎn)移對(duì)不同行業(yè)對(duì)的風(fēng)險(xiǎn)相關(guān)性影響不同。具有安全性偏好的投資者根據(jù)行業(yè)安全性分類結(jié)果賣出安全風(fēng)險(xiǎn)型行業(yè)資產(chǎn)、買入安全型行業(yè)資產(chǎn)，因而對(duì)安全型行業(yè)-風(fēng)險(xiǎn)型行業(yè)所組成行業(yè)對(duì)的風(fēng)險(xiǎn)相關(guān)性影響最大。

本文研究對(duì)投資決策具有一定的參考價(jià)值。安全投資轉(zhuǎn)移使安全型行業(yè)-風(fēng)險(xiǎn)型行業(yè)之間風(fēng)險(xiǎn)相關(guān)性負(fù)向變動(dòng)最大，投資者可以考慮同時(shí)配置受安全投資轉(zhuǎn)移顯著影響的安全型和風(fēng)險(xiǎn)型行業(yè)資產(chǎn)，降低投資組合的系統(tǒng)性風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1] GOREA D， RADEV D. The Euro area sovereign debt crisis：can contagion spread from the periphery to the core？ [J]. International Review of Economics and Finance， 2014， 30（2）：78-100.

[2] BEKAERT G， EHRMANN M. The global crises and equity market contagion [J]. The Journal of Finance， 2014， 69（6）：2597-2649.

[3] BLASQUES F， KOOPMAN S J. Spillover dynamics for systemic risk measurement using spatial financial time series models [J]. Journal of Econometrics， 2016， 195（2）：211-223.

[4] DEBARSY N， DOSSOUGOIN C. Measuring sovereign risk spillovers and assessing the role of transmission channels：a spatial econometrics approach [J]. Journal of Economic Dynamics and Control， 2018， 87：21-45.

[5] TU J. Is regime switching in stock returns important in portfolio decisions？ [J]. Management Science， 2010， 56（7）：1198-1215.

[6] CONNOLLY R， STIVERS C. Stock market uncertainty and the stock-bond return relation [J]. Journal of Financial and Quantitative Analysis， 2005， 40（1）：161-194.

[7] CHO J W， CHOI J H. Flight-to-quality and correlation between currency and stock returns [J]. Journal of Banking and Finance， 2016， 62（1）：191-212.

[8] LI M， ZHENG H. The stock-bond comovements and cross-market trading [J]. Journal of Economic Dynamics & Control， 2016， 73（1）：417-438.

[9] KAUL A， KAYACETIN N V. Flight-to-quality， economic fundamentals， and stock returns [J]. Journal of Banking and Finance， 2017， 80（1）：162-175.

[10] BETHKE S， GEHDE-TRAPP M. Investor sentiment， flight-to-quality， and corporate bond comovement [J]. Journal of Banking and Finance， 2017， 82（1）：112-132.

[11] LEE C， READY M. Inferring trade direction from intraday data [J]. Journal of Finance， 1991， 46（2）：733-746.

[12] PENG L， XIONG W. Investor attention， overconfidence and category learning [J]. Journal of Financial Economics， 2006， 80（3）：563-602.