新三板視角下金融市場尾部風(fēng)險溢出效應(yīng)的實證檢驗

王昭媛， 易文德，2， 王 沁

（1.西南交通大學(xué)數(shù)學(xué)學(xué)院，成都 611756； 2.重慶文理學(xué)院數(shù)學(xué)與大數(shù)據(jù)學(xué)院，重慶 402160）

隨著我國金融自由化的不斷推進，金融市場板塊間的流動性和關(guān)聯(lián)性得以提高，金融穩(wěn)定逐漸受風(fēng)險溢出水平的影響，風(fēng)險不僅在自身市場內(nèi)傳播還會跨市場擴散. 最具代表的是2015 年股票市場泡沫的破裂，長期積攢的風(fēng)險隨交易迅速蔓延至各個板塊，短短兩個月內(nèi)，上證指數(shù)跌幅高達45%，創(chuàng)業(yè)板指跌幅50%以上. 此后，金融市場間的風(fēng)險溢出成為學(xué)者們的研究熱點，特別是極端風(fēng)險的溢出效應(yīng). 在我國多層次金融市場體系中，新三板作為服務(wù)創(chuàng)新型中小企業(yè)的獨立板塊，對民營經(jīng)濟的發(fā)展起著關(guān)鍵性作用. 同時，新三板具有掛牌公司信息披露不完善、股票轉(zhuǎn)讓不設(shè)漲跌幅限制等特點. 相比于其他市場，新三板一方面內(nèi)部存有較大的風(fēng)險，另一方面對外部風(fēng)險的敏感性更強. 因此，從新三板的視角研究其與主板、中小板、創(chuàng)業(yè)板之間的尾部風(fēng)險溢出效應(yīng)，分析市場間風(fēng)險溢出方向和溢出強度，對防范極端風(fēng)險傳染、維持良好融資環(huán)境有著重要的意義.

關(guān)于金融市場間的風(fēng)險溢出效應(yīng)，國內(nèi)外學(xué)者基于不同方法進行了以下研究：冷松和田剛［1］采用向量自回歸（VAR）模型，分析得出人民幣匯率和利率對股價的風(fēng)險影響是時變的；趙林海和陳名智［2］通過雙時變動態(tài)Copula 模型研究金融行業(yè)和機構(gòu)對系統(tǒng)性風(fēng)險的貢獻程度，結(jié)果表明證券機構(gòu)對市場系統(tǒng)風(fēng)險貢獻最大；Hong等［3］將Granger因果關(guān)系引入風(fēng)險溢出的研究中，基于核檢驗分析歐美日三個國家金融市場間的風(fēng)險溢出效應(yīng)；Reboredo等［4］基于CoVaR模型研究貨幣市場和股票市場間的上行和下行風(fēng)險溢出效應(yīng)；曹潔和雷良海［5］則在CoVaR的基礎(chǔ)上提出廣義CoES模型，研究發(fā)現(xiàn)金融業(yè)和房地產(chǎn)業(yè)存在動態(tài)的雙向風(fēng)險溢出，并在房地產(chǎn)價格走高時溢出強度增加.

近年來極端事件頻頻發(fā)生，市場間的尾部風(fēng)險溢出效應(yīng)也備受關(guān)注. Aboura和Wagner［6］利用二元極值的方法研究標(biāo)普500指數(shù)和VIX指數(shù)的非對稱尾部溢出性，從而檢驗風(fēng)險中性波動率預(yù)期的極端變化與資產(chǎn)價格之間的關(guān)系；Kelly和Jiang［7］提出用橫截面數(shù)據(jù)度量個股之間的尾部風(fēng)險波動，并由此測算金融市場的極端風(fēng)險指數(shù)；Massacci［8］基于得分函數(shù)提出時變超閾值（POT）模型，研究股票市場的尾部風(fēng)險動態(tài)；李強等［9］運用DCC-TGARCH對原油市場的極端事件進行分析，發(fā)現(xiàn)國際原油期貨價格的異常波動對我國股票、匯率和期貨均有風(fēng)險溢出. 以往研究風(fēng)險溢出的模型需要先假設(shè)序列的殘差服從特定的分布，為了避免分布設(shè)定帶來的偏差，White等［10］提出多元多分位點向量自回歸（MVMQ-CAViaR）模型，采用分位數(shù)回歸方法度量極端風(fēng)險，并通過自回歸項體現(xiàn)風(fēng)險聚集性，以便更直觀、精確地分析金融市場間的尾部風(fēng)險傳染效應(yīng).

綜合來看，現(xiàn)有文獻大多采用以GARCH 模型為基礎(chǔ)的方法，主要集中于研究股票［11］、期貨［12］、債券［13］、外匯［14］等市場間的風(fēng)險溢出效應(yīng)，尚未考慮新三板在極端情況下對我國金融市場產(chǎn)生的影響. 因此，本文建立MV-CAViaR模型，在5%的分位數(shù)下研究滬深300指數(shù)、中小100指數(shù)、創(chuàng)業(yè)300指數(shù)和三板成分指數(shù)之間的尾部風(fēng)險溢出效應(yīng)，量化分析新三板與主板、中小板、創(chuàng)業(yè)板間的尾部風(fēng)險傳染機制，并通過Wald檢驗新三板與其他板塊間的風(fēng)險傳遞方向，采用分位數(shù)脈沖響應(yīng)函數(shù)分析在新三板遇到極端風(fēng)險沖擊后對其他板塊的影響的持續(xù)期和強度.

1 研究方法

1.1 MV-CAViaR模型

Engle和Manganelli［15］提出測度單變量尾部風(fēng)險的CAViaR模型，White等［10］將其擴展為測度雙變量尾部相依性的多元分位點CAViaR模型（MV-CAViaR模型）. 本文在5%分位數(shù)水平下建立MV-CAViaR模型，刻畫版塊之間的尾部風(fēng)險溢出效應(yīng)，MV-CAViaR模型的結(jié)構(gòu)如下：

式中：Y1,t為新三板指數(shù)收益率；Y2,t為其他板塊的指數(shù)收益率；q1,t為新三板指數(shù)收益率在5%水平下的條件分位數(shù)，即θ=0.05；q2,t為其他板塊的指數(shù)收益率的θ條件分位數(shù). 本文分別考慮了主板、中小板和創(chuàng)業(yè)板在5%分位數(shù)水平下的條件分位數(shù).

該MV-CAViaR 模型中的待估參數(shù)為β=(c1,c2,a11,a21,a12,a22,b11,b21,b12,b22)，其中a21和b21表示新三板的滯后一期尾部風(fēng)險對其他板塊當(dāng)期尾部風(fēng)險的影響，a12和b12表示其他板塊，比如主板、中小板、創(chuàng)業(yè)板的滯后一期尾部風(fēng)險對新三板當(dāng)期尾部風(fēng)險的影響.

為了評估新三板與主板、中小板和創(chuàng)業(yè)板的尾部風(fēng)險溢出效應(yīng)，采用最小絕對值偏差法來估計參數(shù)向量β=(c1,c2,a11,a21,a12,a22,b11,b21,b12,b22)，其估計步驟如下：

Step1：建立單變量的CAViaR模型，

1.2 尾部風(fēng)險溢出檢驗

為了檢驗新三板與主板、中小板、創(chuàng)業(yè)板是否存在顯著的尾部風(fēng)險溢出效應(yīng)，進行嵌套式假設(shè)，也就是依順序進行下面三次假設(shè)檢驗.

第一層用于檢驗金融市場間的尾部溢出效應(yīng)是否顯著，原假設(shè)為：

第二層用于檢驗主板、中小板、創(chuàng)業(yè)板對新三板是否存在風(fēng)險溢出，原假設(shè)為：

第三層用于檢驗新三板對主板、中小板、創(chuàng)業(yè)板是否存在風(fēng)險溢出，原假設(shè)為：

三層假設(shè)檢驗都采用Wald統(tǒng)計量，Wald統(tǒng)計量表達式如下：

1.3 分位數(shù)脈沖響應(yīng)函數(shù)

采用分位數(shù)脈沖響應(yīng)函數(shù)來考察新三板在極端事件時對主板、中小板、創(chuàng)業(yè)板尾部風(fēng)險預(yù)期產(chǎn)生的影響，分位數(shù)脈沖響應(yīng)函數(shù)的步驟如下：

2 實證分析

2.1 數(shù)據(jù)來源及描述性統(tǒng)計

本文以三板成分指數(shù)、滬深300指數(shù)、中小100指數(shù)和創(chuàng)業(yè)300指數(shù)作為各市場的代理變量，研究新三板視角下金融市場的尾部風(fēng)險溢出效應(yīng). 數(shù)據(jù)范圍從2015年1月4日至2020年12月31日的每日收盤價Pi,t，數(shù)據(jù)均來源于choice數(shù)據(jù)庫. 對樣本數(shù)據(jù)進行對數(shù)處理，公式如下：Yi,t=100×( lnPi,t-lnPi,t-1)，表1給出變量收益率序列的描述性統(tǒng)計結(jié)果.

表1 描述性統(tǒng)計Tab.1 Descriptive statistics

從表1的結(jié)果可看出：①大的均值對應(yīng)大的標(biāo)準(zhǔn)差，即高收益資產(chǎn)會帶來高的風(fēng)險溢價，金融市場存在明顯的風(fēng)險補償機制. ②作為主要服務(wù)中小企業(yè)的新三板，其風(fēng)險特點與其他市場不同，三板成指的極差較大、波動范圍廣. ③四個變量的偏度均小于0，峰度大于3，存在負(fù)偏和尖峰的特征，JB統(tǒng)計量均在1%的置信水平下顯著，表明各市場收益率序列均不服從正態(tài)分布. ④ADF的檢驗結(jié)果表明，所有變量在1%的置信水平下拒絕原假設(shè)，即序列平穩(wěn)，可用MV-CAViaR模型進行估計.

2.2 尾部風(fēng)險溢出效應(yīng)分析

在5%分位數(shù)水平下新三板與主板、新三板與中小板、新三板與創(chuàng)業(yè)板的MV-CAViaR模型參數(shù)估計如表2.

表2 模型參數(shù)估計結(jié)果Tab.2 Model parameter estimation results

從參數(shù)估計的結(jié)果可以看出：①三個MV-CAViaR模型中的參數(shù)a11、a22的估計都為負(fù)數(shù)，而且具有顯著性，這說明，每個市場前一期都對該市場當(dāng)期的尾部風(fēng)險帶來負(fù)向沖擊，加劇該市場的尾部風(fēng)險. ②三個MV-CAViaR模型中的參數(shù)b11和b22均在1%的置信水平下顯著為正，表明金融市場的極端風(fēng)險具有較強的正向波動聚集效應(yīng). ③三個MV-CAViaR模型中的參數(shù)a21和b21在1%和5%的置信水平下顯著為正，表明新三板前一期的收益率和尾部風(fēng)險都會對其他金融市場的尾部風(fēng)險產(chǎn)生正向影響. ④對比三組模型可以看出，系數(shù)關(guān)系均有a21>a12，b21>b12說明新三板對主板、中小板、創(chuàng)業(yè)板的風(fēng)險溢出程度遠大于主板、中小板、創(chuàng)業(yè)板對新三板的溢出程度，即新三板在一定程度上占據(jù)主導(dǎo)位置. ⑤新三板與金融市場的聯(lián)動性強度為：創(chuàng)業(yè)板>中小板>主板，新三板與創(chuàng)業(yè)板的模型中a21，a12，b21，b12均大于其他模型對應(yīng)的系數(shù)值，說明當(dāng)新三板發(fā)生極端風(fēng)險時對創(chuàng)業(yè)板產(chǎn)生的影響最大.

下面采用Wald 統(tǒng)計量來檢驗金融市場間的尾部風(fēng)險溢出效應(yīng)和風(fēng)險傳遞方向，檢驗結(jié)果和溢出關(guān)系如表3所示. 可以看出：①新三板與主板在第二層假設(shè)H0:a12=b12=0 中其P值為12.85%，略大于10%，也就是新三板對主板存在主導(dǎo)的風(fēng)險溢出效應(yīng)，而主板對新三板的風(fēng)險溢出效應(yīng)是弱效應(yīng)，在雙向尾部風(fēng)險溢出效應(yīng)的圖1中用虛線來表示. ②新三板與中小板，新三板與創(chuàng)業(yè)板之間存在非常顯著的雙向尾部風(fēng)險溢出效應(yīng)，如圖1所示.

圖1 新三板與各板塊的風(fēng)險溢出方向Fig.1 The risk spillover directions of NEEQ and each sector

表3 尾部風(fēng)險溢出效應(yīng)檢驗Tab.3 Tail risk spillover effect test

2.3 分位數(shù)脈沖響應(yīng)分析

采用分位數(shù)脈沖響應(yīng)函數(shù)來分析，當(dāng)新三板受到極端風(fēng)險的沖擊時，預(yù)測主板、中小板、創(chuàng)業(yè)板在未來一段時期內(nèi)尾部風(fēng)險的傳導(dǎo)過程，其結(jié)果如圖2所示.

圖2 分位數(shù)脈沖響應(yīng)圖Fig.2 Quantile impulse response graph

從圖2中可以看出：①當(dāng)新三板受到極端沖擊后，在將來的7期內(nèi)都加劇創(chuàng)業(yè)板、主板、中小板市場的尾部風(fēng)險. 在將來的第8期，新三板仍對創(chuàng)業(yè)板市場產(chǎn)生了正向的影響，而對主板、中小板市場的尾部風(fēng)險產(chǎn)生了負(fù)向的影響. 在將來的第9期和第10期，創(chuàng)業(yè)板、主板、中小板市場才慢慢消化了新三板受到極端沖擊的影響. ②創(chuàng)業(yè)板受到新三板風(fēng)險沖擊的影響最大，強度在0.23左右，并且需要9期的時長才能消化沖擊帶來的影響；③主板和中小板受沖擊后的反應(yīng)較小，主板的影響強度為0.14，中小板的影響強度為0.13，兩個市場的波動均在第7期左右衰減至0，但主板的收斂速度要快于中小板.

結(jié)合市場背景可以看出：第一，由于新三板的精選層在一定條件下可以轉(zhuǎn)至創(chuàng)業(yè)板上市，兩個市場中均為創(chuàng)新型和科創(chuàng)型中小企業(yè)，因此，新三板與創(chuàng)業(yè)板的關(guān)聯(lián)性最為緊密，當(dāng)新三板遇到極端風(fēng)險時，創(chuàng)業(yè)板的尾部風(fēng)險增加最多，持續(xù)時間也最長. 第二，與創(chuàng)業(yè)板相比，主板和中小板市場的進入條件高、信息披露完備，面臨極端風(fēng)險有較完善的防御機制，當(dāng)新三板受外來風(fēng)險沖擊時，對主板和中小板產(chǎn)生的風(fēng)險溢出效應(yīng)較小. 第三，與其他市場不同，主板市場的企業(yè)規(guī)模大、財務(wù)狀況穩(wěn)定，并且企業(yè)內(nèi)部有良好的風(fēng)險防御能力，使得市場整體的自我修復(fù)能力高，因此，面臨新三板沖擊的影響，主板的風(fēng)險傳遞持續(xù)時間最短.

3 結(jié)論

本文以新三板、主板、中小板、創(chuàng)業(yè)板的指數(shù)收益率作為研究對象，通過構(gòu)建MV-CAViaR模型，考察了在新三板的視角下，與主板、中小板、創(chuàng)業(yè)板之間的尾部風(fēng)險溢出情況. 根據(jù)本文的實證研究，得到如下結(jié)論.

1）新三板與三個市場呈現(xiàn)雙向尾部風(fēng)險溢出效應(yīng)，并且新三板對主板、中小板、創(chuàng)業(yè)板的風(fēng)險溢出程度遠大于主板、中小板、創(chuàng)業(yè)板對新三板的風(fēng)險溢出程度.

2）新三板與創(chuàng)業(yè)板的風(fēng)險溢出效應(yīng)最強，其次是中小板，與主板的風(fēng)險溢出效應(yīng)最弱.

3）當(dāng)新三板受到外來風(fēng)險沖擊時，主板、中小板、創(chuàng)業(yè)板尾部風(fēng)險的表現(xiàn)特征不同，其中創(chuàng)業(yè)板的響應(yīng)強度最大，主板的恢復(fù)速度最快.

4）新三板在金融市場中具有信息傳遞和識別風(fēng)險的作用，加強新三板的風(fēng)險管控，可以降低對其他市場的風(fēng)險傳染.