上海原油期貨與亞洲股市相依性和極端風(fēng)險(xiǎn)溢出
——基于動態(tài)Copula-CoES模型

鄒輝文 陳艷珍

(福州大學(xué)經(jīng)濟(jì)與管理學(xué)院，福建福州 350108)

一、引言

當(dāng)前國際能源供需格局和貿(mào)易格局正在發(fā)生深刻調(diào)整，美國能源自給能力不斷增強(qiáng)，而歐洲能源消費(fèi)水平增長緩慢，以中國為代表的亞太地區(qū)能源消費(fèi)水平進(jìn)一步上升，因此買方市場的形成為石油消費(fèi)大國話語權(quán)的形成提供了可能。在能源結(jié)構(gòu)變革的背景下，中國從世界能源大勢與本國能源特殊性出發(fā)，開啟了“能源獨(dú)立”長征路，提出“潔煤穩(wěn)油增氣，大力發(fā)展新能源”的總方針。(1)鄒才能、潘松圻、趙群：《論中國“能源獨(dú)立”戰(zhàn)略的內(nèi)涵、挑戰(zhàn)及意義》，《石油勘探與開發(fā)》2020年第2期。但在較長的一段時(shí)期內(nèi)，原油依存度大的局面難以改變，“穩(wěn)油價(jià)”成為能源變革進(jìn)程中的中國和亞太地區(qū)各國的迫切期望。2018年上海原油期貨的推出是黨和國家基于當(dāng)前百年未有之大變局的深刻判斷，其肩負(fù)著爭奪亞洲能源定價(jià)權(quán)、推動能源市場化和對外開放、輔助“一帶一路”倡議、助推“人民幣國際化”等政治經(jīng)濟(jì)任務(wù)。亞洲區(qū)域經(jīng)濟(jì)體是石油高消耗區(qū)，而上海原油期貨作為亞洲代表性原油期貨能夠?yàn)閬喼薜貐^(qū)的投資者提供新的選擇并且已初具影響力。(2)田洪志、姚峰、李慧：《中國是否擁有原油的國際定價(jià)權(quán)——基于油價(jià)間獨(dú)立性與傳導(dǎo)性視角》，《中國管理學(xué)》2021年第11期。由于美國由“石油消費(fèi)國”向“石油生產(chǎn)者”的角色轉(zhuǎn)變，歐佩克失去了重要的調(diào)節(jié)者，成員國的“自主行為”引發(fā)了較大的地緣效應(yīng)，加上新冠肺炎疫情導(dǎo)致全球石油供需失調(diào)，油價(jià)產(chǎn)生劇烈的波動，從而引發(fā)一國經(jīng)濟(jì)和金融市場的劇烈反應(yīng)。上海原油期貨作為亞洲區(qū)域性金融體系的重要組成部分，其波動受到金融市場的影響同時(shí)也對金融市場產(chǎn)生沖擊，因此深入探究上海原油期貨在亞洲的區(qū)域影響力和與亞洲股市間的極端風(fēng)險(xiǎn)溢出問題，不僅有利于我國原油期貨市場制定風(fēng)險(xiǎn)防控策略，也有利于亞洲地區(qū)政策制定者和投資者及時(shí)應(yīng)對國際油價(jià)的沖擊、維護(hù)金融體系的穩(wěn)定。

原油是世界重要的能源之一，它在經(jīng)濟(jì)發(fā)展、國家安全和社會穩(wěn)定等方面發(fā)揮著不可替代的作用，因此享有“工業(yè)的血液”的美譽(yù)。而股票市場則是現(xiàn)代金融體系的核心，被譽(yù)為“經(jīng)濟(jì)晴雨表”。原油兼具商品和金融的屬性，與股市息息相關(guān)，近年來關(guān)于油價(jià)沖擊與股價(jià)的關(guān)系得到了廣泛的研究。從國際經(jīng)驗(yàn)來看，當(dāng)前資本的跨國流動性較大，石油等大宗商品的金融屬性不斷增強(qiáng)。(3)Cheng I.H.,Xiong W., “Financialization of commodity markets”,Annual Review of Finance Economic,vol.6,no.1(2014),pp.419-441.這表明石油的價(jià)格不僅取決于外部宏觀經(jīng)濟(jì)變量還取決于其他金融市場的金融風(fēng)險(xiǎn)，尤其是投機(jī)活動以及全球資本要素流動加強(qiáng)了石油與金融市場之間的協(xié)同運(yùn)動。部分學(xué)者從風(fēng)險(xiǎn)投資的角度分析原油期貨和股市之間的關(guān)系，例如Erb和Harvey認(rèn)為石油等大宗商品和股票之間的低相關(guān)性使投資組合有了多元化效益。(4)Claude B.Erb,Campbell R.Harvey, “The strategic and tactical value of commodity futures”, Financial Analysts Journal,vol.62,no.2(2006),pp.69-97.而Olson等認(rèn)為金融化下的大宗商品為股票投資組合提供了一個(gè)糟糕的對沖機(jī)會，尤其在金融危機(jī)期間。(5)Olson E.,Vivian A.,Wohar M.E., “Do commodities make effective hedges for equity investors?”, Research in International Business and Finance, vol.42,no.1(2017),pp.1274-1288.Liu 等分析了原油和標(biāo)準(zhǔn)普爾指數(shù)以及行業(yè)指數(shù)之間的相關(guān)性，發(fā)現(xiàn)金融危機(jī)后原油和標(biāo)準(zhǔn)普爾指數(shù)之間的相關(guān)性比金融危機(jī)前要高，多元化收益較低，但在行業(yè)投資中使用大宗商品進(jìn)行對沖時(shí)仍然有潛在收益。(6)Liu P.,Vedenov D.,Power G.J.,“Commodity financialization and sector ETFs: Evidence from crude oil futures”, Research in International Business and Finance,vol.51,no.1(2020),p.101109.更多的學(xué)者探討了油價(jià)沖擊對金融經(jīng)濟(jì)的影響，因?yàn)槭妥鳛樵S多工業(yè)生產(chǎn)的原材料，其價(jià)格的波動必然影響到生產(chǎn)的成本，從而對實(shí)體市場產(chǎn)生一定的沖擊，在股票市場也會得到反映。(7)Filis G., “Macro economy, stock market and oil prices: do meaningful relationships exist among their cyclical fluctuations?”, Energy Economics,vol.32,no.4(2010),pp.877-886.研究原油與股市之間相依性和波動溢出的方法主要有三種：(1)采取傳統(tǒng)VAR和SVAR分析原油價(jià)格和股票市場的交互作用，但這些模型很難調(diào)查變量之間的非線性和時(shí)變關(guān)系。(8)Wang Y.,Wu C.,Yang L., “Oil price shocks and stock market activities: evidence from oil-importing and oil-exporting countries”,Journal of Comparative Economics,vol.41,no.4(2013),pp.1220-1239.(2)采用GARCH模型衡量原油價(jià)格和股票市場間的波動溢出效應(yīng)(9)李強(qiáng)、何妃婷、董耀武：《國際原油期貨極端風(fēng)險(xiǎn)溢出及其防范研究——基于DCC-TGARCH-CoVaR模型的分析》，《價(jià)格理論與實(shí)踐》2020年第12期。，引入Copula函數(shù)與GARCH相結(jié)合分析原油價(jià)格和股票收益率的非線性相依性(10)Ji Q.,Liu B.,Zhao W.,et al.,“Modelling dynamic dependence and risk spillover between all oil price shocks and stock market returns in the BRICS”,International Review of Financial Analysis,vol.68(2020),p.101238.。(3)運(yùn)用Diebold 和 Yilmaz提出的溢出指數(shù)方法來量化原油價(jià)格和股票市場之間的回報(bào)和波動溢出效應(yīng)。(11)Diebold F.X.and Yilmaz k.,“Measuring financial asset return and volatility spillovers,with application to global equity markets”,Economic Journal,vol.119,no.534(2009),pp.158-171.(12)Diebold F.X.and Yilmaz k.,“Better to give than to receive:Predictive directional measurement of volatility spillovers”,International Journal of Forecasting,vol.28,no.1(2012),pp.57-66.

對于以上文獻(xiàn)，Basher等(13)Basher S.A.,Sadorsky P.,“Hedging emerging market stock prices with oil, gold, VIX, and bonds: a comparison between DCC, ADCC and GO-GARCH”, Energy Economics,vol.54,no.1(2016),pp.235-247.、Asteriou等(14)Asteriou D.,Bashmakova Y., “Assessing the impact of oil returns on emerging stock markets: A panel data approach for ten Central and Eastern European Countries”,Energy Economics,vol.38,no.1(2013),pp.204-211.認(rèn)為原油價(jià)格對股市有負(fù)面影響，Tursoy等認(rèn)為原油價(jià)格與股市是正相關(guān)的(15)Tursoy T.,Faisal F., “The impact of gold and crude oil prices on stock market in Turkey: Empirical evidences from ARDL bounds test and combined cointegration”,Resources Policy,vol.55,no.1(2018),pp.49-54.。其結(jié)論不一致的原因主要有以下幾點(diǎn)：首先，對于石油進(jìn)口國和石油出口國而言，原油價(jià)格對股市的影響是不一樣的，石油進(jìn)口國會因?yàn)橛蛢r(jià)的上漲而遭受損失，而石油出口國石油產(chǎn)業(yè)比重高，油價(jià)的下跌會使其經(jīng)濟(jì)下挫。例如Maghyereh 和Abdoh發(fā)現(xiàn)石油的需求沖擊對海灣合作委員會國家(石油出口國)(GCC)的股票有著積極的影響。(16)Maghyereh A.,Abdoh H.,“Extreme dependence between structural oil shocks and stock markets in GCC countries”, Resources Policy,vol.76,no.1(2022), p.102626.其次，由供求關(guān)系引起的油價(jià)沖擊對股市的影響是不同的。例如，颶風(fēng)對油價(jià)的影響是供應(yīng)方面的沖擊，全球金融危機(jī)對油價(jià)的影響是總體需求沖擊，而利比亞戰(zhàn)爭的影響被認(rèn)為是預(yù)防性的需求沖擊。顯然，油價(jià)沖擊的不同來源描述了油價(jià)沖擊與股市回報(bào)之間的依賴結(jié)構(gòu)和風(fēng)險(xiǎn)溢出的不同傳遞路徑。Ji等利用結(jié)構(gòu)VAR模型和基于時(shí)變Copula-GARCH的CoVaR方法考察了金磚國家股票回報(bào)與不同類型石油沖擊之間的動態(tài)依賴性和風(fēng)險(xiǎn)溢出，發(fā)現(xiàn)金磚國家的石油需求沖擊對股票回報(bào)有顯著的風(fēng)險(xiǎn)溢出。(17)Ji Q.,Liu B.Y.,Zhao W.L.,“Modelling dynamic dependence and risk spillover between all oil price shocks and stock market returns in the BRICS”, International Review of Financial Analysis,vol.68,no.1(2020),p.101238.最后，牛市和熊市兩者的不同情形、不同期限及不同宏觀因素的影響下，原油與股市之間的關(guān)系表現(xiàn)不同。(18)Liao S.Y.,Chen S.T.,Huang M.L.,“Will the oil price change damage the stock market in a bull market? A re-examination of their conditional relationships”,Empirical Economics,vol.50,no.3(2016),pp.1135-1169.(19)黃瑋強(qiáng)、趙陽、姚爽：《石油市場和股票市場之間的尾部風(fēng)險(xiǎn)溢出效應(yīng)——基于變分模態(tài)分解和動態(tài)Copula函數(shù)的研究》，《東北大學(xué)學(xué)報(bào)》(自然科學(xué)版)2021年第8期。(20)Wen Zhao and Y-D Wang, “On the time-varying correlations between oil-, gold-, and stock markets: The heterogeneous roles of policy uncertainty in the US and China”, Petroleum Science, Available online, 2021-11-15.

隨著能源消費(fèi)市場的東移，學(xué)者把目光集中在新興市場。現(xiàn)在印度、越南等國家開始努力發(fā)展經(jīng)濟(jì)，他們需要更多的石油、煤炭、天然氣等能源以滿足工業(yè)發(fā)展要求。油價(jià)的沖擊直接影響到經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)、金融收益和股票市場，探究油價(jià)的波動溢出是有必要的。李素芳等研究了亞太地區(qū)八個(gè)股票市場與原油價(jià)格間動態(tài)相關(guān)性和非對稱效應(yīng)。(21)李素芳、朱慧明、李榮:《基于貝葉斯機(jī)制轉(zhuǎn)換協(xié)整模型的石油——股市非對稱效應(yīng)研究》，《中國管理科學(xué)》2015第9期。而Liu 等基于LASSO-VaR模型分析了石油對G20股市的風(fēng)險(xiǎn)溢出，認(rèn)為當(dāng)石油市場從一個(gè)正常狀態(tài)轉(zhuǎn)移到極端風(fēng)險(xiǎn)狀態(tài)時(shí)，亞洲國家受到的沖擊較小。(22)Liu B.Y.,Fan Y.,Ji Q.,“High-dimensional CoVaR network connectedness for measuring conditional financial contagion and risk spillovers from oil markets to the G20 stock system”,Energy Economics,vol.105,no.1(2022), p.105749.針對中國股市，方勝和盧新生證實(shí)了國際油價(jià)震蕩特別是極端震蕩對中國 A 股市場有顯著影響(23)方勝、盧新生：《國際原油價(jià)格的波動對中國A股市場的影響——基于變系數(shù)分位數(shù)模型的實(shí)證研究》，《系統(tǒng)工程》2018年第4期。；不過，余樂安等認(rèn)為這種影響在我國這樣的新興市場國家與美國為代表的發(fā)達(dá)國家的股票市場是存在差異的，其與美國股票市場相關(guān)性更強(qiáng)(24)余樂安、查銳、賀凱健、湯鈴：《國際油價(jià)與中美股價(jià)的相依關(guān)系研究——基于不同行業(yè)數(shù)據(jù)的分析》，《中國管理科學(xué)》2018年第11期。。周東海等認(rèn)為在2018年之前原油市場與中國股市之間脆弱的“共熱”現(xiàn)象之后,原油價(jià)格的溢出效應(yīng)呈現(xiàn)不斷增強(qiáng)之勢,因此原油價(jià)格風(fēng)險(xiǎn)應(yīng)成為股票定價(jià)的重要因素。(25)周東海、陳濱霞、蔣遠(yuǎn)營：《“兩率”市場化改革、國際原油與中國股市關(guān)系研究》，《統(tǒng)計(jì)與信息論壇》2020年第2期。中國所處的亞洲地區(qū)在此前缺乏有效反映自身原油需求的原油期貨，且長期處于被動接受原油價(jià)格的“亞洲溢價(jià)”的狀態(tài)。因此，上海原油期貨的推出標(biāo)志著亞洲地區(qū)原油期貨正式與WTI及Brent期貨形成競爭，必將重塑新原油定價(jià)格局。在國家“一帶一路”建設(shè)潮流推動下，中國石油企業(yè)加大了與國開行、國家進(jìn)出口銀行、亞投行和絲路基金的合作力度，促進(jìn)了能源與金融的深度合作。這種區(qū)域性合作所形成的地緣政治新態(tài)勢在帶來更多合作機(jī)會的同時(shí)，也會加大跨國之間的風(fēng)險(xiǎn)傳染。

上海原油期貨市場作為我國金融市場對外開放的重要一部分，其風(fēng)險(xiǎn)傳染的研究至關(guān)重要。而上海原油期貨上市未滿五年時(shí)間，當(dāng)前的研究一類集中在上海原油期貨市場與現(xiàn)貨市場以及與國際原油期貨市場的聯(lián)動效果(26)薛健、郭萬山：《上海原油期貨國際化定價(jià)能力研究——基于時(shí)變t-copula模型的期現(xiàn)貨動態(tài)相依關(guān)系分析》，《上海經(jīng)濟(jì)研究》2020年第7期。;另一類集中在上海原油期貨與國內(nèi)金融資產(chǎn)之間的風(fēng)險(xiǎn)溢出方面。例如張大永和姬強(qiáng)首次量化分析了INE與上證指數(shù)和人民幣匯率之間的風(fēng)險(xiǎn)溢出關(guān)系，結(jié)果表明INE與股市和匯市的相關(guān)性較弱(27)張大永、姬強(qiáng)：《中國原油期貨動態(tài)風(fēng)險(xiǎn)溢出研究》，《中國管理科學(xué)》2018年第11期。；而馬嫣然等利用關(guān)聯(lián)網(wǎng)絡(luò)實(shí)證發(fā)現(xiàn)國內(nèi)原油期貨已經(jīng)成為國內(nèi)金融系統(tǒng)內(nèi)重要的極端風(fēng)險(xiǎn)關(guān)聯(lián)方，并且在突發(fā)事件后這種關(guān)聯(lián)大幅度上升(28)馬嫣然、胡旻、張大永、姬強(qiáng)：《國內(nèi)原油期貨與其他金融資產(chǎn)極端風(fēng)險(xiǎn)溢出》，《環(huán)境經(jīng)濟(jì)研究》2020年第3期。；胡俞越和錢啟嘉探究了INE和人民幣匯率之間的風(fēng)險(xiǎn)溢出，證明了人民幣匯率和上海原油期貨之間較強(qiáng)的尾部相關(guān)性(29)胡俞越、錢啟嘉：《人民幣匯率與中國原油期貨價(jià)格非對稱極端溢出效應(yīng)研究——基于混合Copula模型的分析》，《價(jià)格理論與實(shí)踐》2021年第2期。。

上述研究認(rèn)為，原油期貨市場和股票市場之間的風(fēng)險(xiǎn)會相互傳遞，但其均采用WTI和Brent原油期貨價(jià)格作為基準(zhǔn)來分析兩者的風(fēng)險(xiǎn)溢出，并未考慮到上海原油期貨作為亞洲金融系統(tǒng)的重要一部分具有異質(zhì)性問題。上海原油期貨作為反映亞太地區(qū)供需關(guān)系的價(jià)格基礎(chǔ)，投資者可利用其與歐美市場形成連續(xù)的24小時(shí)風(fēng)險(xiǎn)的對沖，但是尚未有文獻(xiàn)研究上海原油期貨與跨國股市的相依性和極端風(fēng)險(xiǎn)溢出。且當(dāng)前對極端風(fēng)險(xiǎn)溢出的主流測度方法是Adrian 和 Brunnermeier提出的CoVaR方法，CoVaR可衡量在一個(gè)機(jī)構(gòu)或市場處于極端風(fēng)險(xiǎn)的條件下，另一機(jī)構(gòu)或市場同時(shí)處于極端風(fēng)險(xiǎn)的在險(xiǎn)價(jià)值。(30)Adrian T.,Brunnermeier M.K., “CoVaR” , Fed Reserve Bank of New York Staff Report, no.348(2008),pp.1-53.由此，學(xué)者們開始利用各種方法來測度金融資產(chǎn)之間的 CoVaR。目前，用于計(jì)算 CoVaR的方法一共有三種：分位數(shù)回歸(31)朱南軍、汪欣怡：《中國金融市場系統(tǒng)性風(fēng)險(xiǎn)的度量——基于分位數(shù)回歸的CoVaR模型》，《上海金融》2017年第5期。(32)張瑞、劉立新：《中國上市銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)研究——基于極端分位數(shù)回歸的非對稱CoVaR模型》，《數(shù)量經(jīng)濟(jì)研究》2018年第2期。(33)吳婷婷、華飛、江世銀：《中國金融機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)貢獻(xiàn)度的量化研究——基于極端分位數(shù)回歸的CoVaR模型》，《江西社會科學(xué)》2020年第9期。、GARCH 模型(34)陳珂、張競文：《互聯(lián)網(wǎng)貨幣市場基金與金融市場風(fēng)險(xiǎn)溢出效應(yīng)研究——基于GARCH-CoVaR模型》，《金融理論與實(shí)踐》2017年第9期。(35)陳暮紫、魏純、謝豪、李楠：《基于GARCH-CoVaR方法的中國A股行業(yè)關(guān)聯(lián)網(wǎng)絡(luò)風(fēng)險(xiǎn)溢出動態(tài)研究》，《金融經(jīng)濟(jì)學(xué)研究》2019年第4期。與Copula 模型(36)謝福座：《基于GARCH-Copula-CoVaR模型的風(fēng)險(xiǎn)溢出測度研究》，《金融發(fā)展研究》2010年第12期。(37)王超、韓菲：《國際原油市場與股票市場的風(fēng)險(xiǎn)溢出研究》，《投資研究》2021年第8期。。但是CoVaR存在不符合一致性的設(shè)計(jì)缺陷，Adrian 和 Brunnermeier提出 CoVaR 可以擴(kuò)展到有條件的預(yù)期短缺(CoES)以克服這一缺陷。(38)Adrian T.,Brummermeier M.K.,“CoVaR”,American Economic Review,vol.106,no.7(2016),pp.1705-1741.隨后張冰潔等引入基于分位數(shù)回歸的CoES模型度量了我國金融系統(tǒng)性風(fēng)險(xiǎn)(39)張冰潔、汪壽陽、魏云捷、趙雪婷：《基于CoES模型的我國金融系統(tǒng)性風(fēng)險(xiǎn)度量》，《系統(tǒng)工程理論與實(shí)踐》2018年第3期。；李政等(40)李政、梁琪、方意：《中國金融部門間系統(tǒng)性風(fēng)險(xiǎn)溢出的監(jiān)測預(yù)警研究——基于下行和上行ΔCoES指標(biāo)的實(shí)現(xiàn)與優(yōu)化》，《金融研究》2019年第2期。、曹潔和雷良海(41)曹潔、雷良海：《基于廣義CoES方法的金融業(yè)與房地產(chǎn)業(yè)風(fēng)險(xiǎn)溢出研究》，《運(yùn)籌與管理》2021年第4期。將分位數(shù)回歸計(jì)算的CoES模型進(jìn)行了應(yīng)用。但分位數(shù)回歸也僅僅反映分位數(shù)和回歸變量之間的線性關(guān)系，因此計(jì)算CoES仍然呈現(xiàn)出一定的不足。在當(dāng)前新冠肺炎疫情反復(fù)、地緣政治事件突發(fā)的情況下，石油價(jià)格極具波動性，亟需一種可以精準(zhǔn)衡量極端風(fēng)險(xiǎn)溢出的方法對原油價(jià)格的極端風(fēng)險(xiǎn)溢出進(jìn)行監(jiān)測。

鑒于此，本文構(gòu)建了時(shí)變的GARCH-Copula-CoES模型來考察上海原油期貨和主要亞洲股市之間的非線性相依性和極端風(fēng)險(xiǎn)溢出。本文的創(chuàng)新點(diǎn)和貢獻(xiàn)在于：第一，首次考察了上海原油期貨和亞洲股市之間的相依性和量化兩者之間的風(fēng)險(xiǎn)溢出。第二，在Adrian 和 Brunnermeier構(gòu)建的CoES指標(biāo)基礎(chǔ)上，在傳統(tǒng)的下行風(fēng)險(xiǎn)視角基礎(chǔ)上引入上行風(fēng)險(xiǎn)視角，完善了利用Copula計(jì)算上下行極端風(fēng)險(xiǎn)溢出的構(gòu)架。第三，在動態(tài)Copula估計(jì)時(shí)變參數(shù)的基礎(chǔ)上將時(shí)變參數(shù)代入風(fēng)險(xiǎn)溢出計(jì)算中，實(shí)現(xiàn)風(fēng)險(xiǎn)溢出相依參數(shù)和波動率的雙時(shí)變特征。因?yàn)橛肅opula求解CoES時(shí)無解析解，所以采用數(shù)值逼近法計(jì)算。

二、研究方法

(一)邊緣分布模型估計(jì)

Copula建模前，本文首先對每個(gè)時(shí)間序列分別進(jìn)行邊緣分布擬合，基于目前金融數(shù)據(jù)呈現(xiàn)尖峰厚尾、偏態(tài)特性，選取ARMA(p,q)-GARCH(1,1)/GJR(1,1)-Skt(ν,λ)模型(42)彭選華：《股市系統(tǒng)性風(fēng)險(xiǎn)跨區(qū)域溢出分析——來自DCC-GJR-Copula-CoVaR模型的經(jīng)驗(yàn)證據(jù)》，《西南大學(xué)學(xué)報(bào)》(自然科學(xué)版)2021年第3期。進(jìn)行邊緣分布的擬合，其函數(shù)表達(dá)式為：

ri,t=φ0+φ1ri,t-1+…+φ1ri,t-p+εi,t+θ1εi,t-1+θqεi,t-q

(1)

(2)

(3)

其中,εi,t表示殘差；標(biāo)準(zhǔn)化殘差ei,t服從自由度為ν偏度為λ的偏t分布；方程(1)是ARMA(p,q)模型；c、α、β、γ是GJR(1,1)模型的參數(shù)，I為示性函數(shù)，當(dāng)εi,t<0時(shí)取1，否則取0，表明面對一個(gè)負(fù)沖擊時(shí)，收益率序列波動要大于正面沖擊時(shí)的波動。

(二)動態(tài)Copula相依模型

Skla在1996年首次提出Copula函數(shù)，Copula本意是連接的意思。其定理是，設(shè)F為N維聯(lián)合分布函數(shù)，其邊際分布函數(shù)為F1，F(xiàn)2，…，F(xiàn)N,那么存在一個(gè)Copula函數(shù)使得式(4)成立。(43)Sklar A., “Random variables, distribution functions, and copulas: a personal look backward and forward”, Lecture notes-monograph series,vol.28,no.1(1996),pp.1-14.

F(x1,x2,…,xN)=C(F1(x1),F2(x2),…,FN(xN))

(4)

其中,uN=FN(xN),C(u1,u2,…,uN)為聯(lián)合分布函數(shù)Copula，它能夠?qū)巫兞康倪呺H分布與多變量的聯(lián)合分布連接起來，而不需要邊緣分布類型相同，從而靈活構(gòu)造多元聯(lián)合分布。Copula函數(shù)主要包括橢圓分布族Gaussian Copula、t Copula等，以及阿基米德族Gumbel Copula、Clayton Copula、BBN系列、SJC等。橢圓族Copula具有對稱的尾部;Gumbel Copula對變量分布的上尾處變化十分敏感，能夠較好地捕捉上尾相依性的變化;Clayton Copula對變量分布的下尾處變化十分敏感，能夠較好地捕捉下尾的相關(guān)變化;SJC系列Copula對上下尾的變化均比較敏感。

時(shí)變的Copula主要選取Gaussian Copula、Student Copula、Clayton Copula、SJC copula四種Copula函數(shù)。

Gaussian Copula和Student Copula的相依參數(shù)動態(tài)方程參照Engle提出的DCC(1,1)模型(44)Engle R., “Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models”, Journal of Business and Economic Statistics,vol.20,no.3(2002),pp.339-350.：

(5)

Clayton Copula和SJC Copula則根據(jù)上下尾Kendall秩相關(guān)系數(shù)構(gòu)建動態(tài)參數(shù)方程，參照Patton提出的模型(45)Patton A.J., “Copula-Based Models for Financial Time Series”, Journal of Multivariate Analysis,vol.110,no.1(2012),pp.4-18.：

(6)

其中,Λ(x)=(1+e-x)-1保證了參數(shù)在(0,1)區(qū)間內(nèi)。

(三)風(fēng)險(xiǎn)指標(biāo)的計(jì)算

本文主要計(jì)算兩類風(fēng)險(xiǎn)指標(biāo)，一是條件在險(xiǎn)價(jià)值類指標(biāo)：衡量上海原油期貨市場對股票市場的風(fēng)險(xiǎn)溢出強(qiáng)度CoVaR和上海原油期貨系統(tǒng)性風(fēng)險(xiǎn)溢出ΔCoVaR；二是條件期望損失類指標(biāo)：衡量上海原油期貨市場對股票市場的風(fēng)險(xiǎn)溢出強(qiáng)度CoES和上海原油期貨系統(tǒng)性風(fēng)險(xiǎn)溢出ΔCoES。其在q分位數(shù)下的下行CoVaR和上行CoVaR、下行CoES和上行CoES表達(dá)式為：

(7)

(8)

u=FX(Xt≤CoVaRXt|Yt)

(9)

(10)

(11)

ΔCoVaRXt|Yt=CoVaRXt|Yt-VaRXt

(12)

同樣由式(13)的下行CoES計(jì)算公式為：

(13)

ΔCoESXt|Yt=CoESXt|Yt-ESXt

(14)

在動態(tài)Copula估計(jì)時(shí)變參數(shù)的基礎(chǔ)上將時(shí)變參數(shù)代入風(fēng)險(xiǎn)溢出計(jì)算中，實(shí)現(xiàn)風(fēng)險(xiǎn)溢出相依參數(shù)和波動率的雙時(shí)變特征。計(jì)算的分位數(shù)指標(biāo)均設(shè)定為：下行風(fēng)險(xiǎn)溢出p=q=0.5，上行風(fēng)險(xiǎn)溢出p=q=0.95。因?yàn)橛肅opula求解CoES時(shí)無解析解，因此采用數(shù)值逼近法計(jì)算。

三、實(shí)證分析

(一)樣本數(shù)據(jù)及描述性統(tǒng)計(jì)分析

(二)收益率邊緣分布估計(jì)

本文基于ARMA(p,q)-GARCH(1,1)/GJR(1,1)-Skt(ν,λ)模型對原油期貨和亞洲地區(qū)股指的收益率進(jìn)行擬合，即殘差服從Skew-t分布，采用ARMA(p,q)模型提取殘差序列中的確定性信息；采用GARCH(1,1)或GJR(1,1)模型提取殘差序列的波動性信息。(47)彭選華：《股市系統(tǒng)性風(fēng)險(xiǎn)跨區(qū)域溢出分析——來自DCC-GJR-Copula-CoVaR模型的經(jīng)驗(yàn)證據(jù)》，《西南大學(xué)學(xué)報(bào)》(自然科學(xué)版)2021年第3期。表 1給出了模型擬合估計(jì)的結(jié)果。從模型的估計(jì)系數(shù)顯著性水平來看擬合結(jié)果較好，具有解釋能力；除了中國上證指數(shù)和印度Sensex30指數(shù)外，其他股市收益率和上海原油期貨的收益率序列的γ參數(shù)均通過了顯著性水平檢驗(yàn)，說明這4個(gè)變量面臨利空消息沖擊時(shí)的響應(yīng)程度明顯大于面臨利好消息時(shí)的響應(yīng)程度；Ljung-Box檢驗(yàn)和ARCH檢驗(yàn)結(jié)果表明各殘差序列不再具有自相關(guān)性和異方差性；KS統(tǒng)計(jì)量Z值表明標(biāo)準(zhǔn)化殘差序列經(jīng)過概率積分變換之后服從(0,1)均勻分布，適合后續(xù)的Copula建模。

表1 邊緣分布模型估計(jì)量及相關(guān)檢驗(yàn)

(三)動態(tài)Copula估計(jì)

通過上文邊緣分布的擬合提取殘差序列并且計(jì)算標(biāo)準(zhǔn)化殘差序列，用動態(tài)Copula模型對概率積分變換后的標(biāo)準(zhǔn)化殘差序列進(jìn)行相依結(jié)構(gòu)的擬合。為了選取合適的動態(tài)Copula函數(shù)，基于BIC準(zhǔn)則在Gaussian Copula、Student T Copula、Clayton Copula、SJC Copula函數(shù)模型中選擇最優(yōu)模型。限于篇幅，表2僅列出了上海原油期貨和亞洲股市收益率之間的最優(yōu)的動態(tài)Copula函數(shù)。綜合分析來看，除上海原油期貨和印度股市外，新冠肺炎疫情后各股市和上海原油期貨之間的相依結(jié)構(gòu)均發(fā)生了改變。其中上證指數(shù)和上海原油期貨、韓國指數(shù)KS11和上海原油期貨的相依結(jié)構(gòu)為Clayton，反映兩者同時(shí)暴跌的可能性；日本、新加坡和越南股市和上海原油期貨之間的相依結(jié)構(gòu)具有相似性，這與我們利用R-Vine-Copula模型對包括INE和各股市在內(nèi)進(jìn)行系統(tǒng)相依結(jié)構(gòu)建模所得到的關(guān)于疫情前后日本股市和新加坡股市均為聚集中心的結(jié)論(48)限于篇幅，此模型的實(shí)證過程未展示。備索。相一致。

表2 上海原油期貨和亞洲股市最優(yōu)動態(tài)Copula相依結(jié)構(gòu)

為了比較不同原油期貨和亞洲股市的相依程度，圖1和圖2展示了新冠肺炎疫情前后利用動態(tài)Copula估計(jì)的上海原油期貨INE、Brent、WTI和亞洲股市動態(tài)參數(shù)的均值和時(shí)變相關(guān)系數(shù)。從圖1可以看出疫情前后兩個(gè)樣本區(qū)間內(nèi)上海原油期貨與亞洲股市的相關(guān)性比WTI/Brent與亞洲股市的相關(guān)性更強(qiáng)，因此上海原油期貨在亞洲地區(qū)具有一定的區(qū)域影響力，但總的來說油價(jià)和亞洲股市之間的相關(guān)性仍然較弱，處在0.08—0.2之間。疫情后亞洲股市和上海原油期貨之間的相關(guān)性均有所上升，表明疫情引發(fā)的全球性危機(jī)增加了資產(chǎn)之間的聯(lián)動性；且新加坡股市和日本股市與上海原油期貨之間的關(guān)聯(lián)性最大，達(dá)到0.207731，而印度股市和上海原油期貨之間的相關(guān)性最小，僅0.087607。時(shí)變的相關(guān)系數(shù)表明上海原油期貨價(jià)格和亞洲股市之間的相關(guān)性是動態(tài)變化的，并且相依系數(shù)有正有負(fù)。負(fù)相依的原因有：石油作為廣大商品生產(chǎn)的原材料，其價(jià)格的波動必然影響到生產(chǎn)的成本，從而對實(shí)體市場產(chǎn)生一定的沖擊，在股票市場得到反映。正相依的原因有：(1)從商業(yè)周期理論解釋來說，意料之外經(jīng)濟(jì)擴(kuò)張會帶動油價(jià)的上漲從而刺激股票市場，而意料之外的經(jīng)濟(jì)緊縮會使油價(jià)下跌從而對股市產(chǎn)生負(fù)面的影響。(2)投資者對油價(jià)的預(yù)期會影響股票市場的收益，例如投資者在觀察到油價(jià)變動后，會對國家經(jīng)濟(jì)發(fā)展?fàn)顩r和上市公司盈利的預(yù)期作出改變，從而改變股票投資組合。(3)亞洲地區(qū)快速的經(jīng)濟(jì)增長會抵消一部分油價(jià)對股市的負(fù)面沖擊。

圖1 新冠肺炎疫情前后三大原油期貨與亞洲股市相依系數(shù)

圖2 INE和亞洲各股市間動態(tài)相關(guān)系數(shù)

(四)上海原油期貨和亞洲股票市場的極端風(fēng)險(xiǎn)溢出

為了研究上海原油期貨市場和亞洲股票市場之間的極端風(fēng)險(xiǎn)溢出的關(guān)系，本文計(jì)算了兩者的上下行VaR、CoVaR、ES、CoES，并且繪制了時(shí)變的極端風(fēng)險(xiǎn)溢出變化圖。

第一,上海原油期貨的下行ES值和上行ES值在大部分時(shí)間內(nèi)均大于亞洲股市的下行ES值和上行ES值(如圖 3所示)，且中國股票市場的風(fēng)險(xiǎn)值在7個(gè)數(shù)據(jù)樣本中最小。說明上海原油期貨市場自身的極端均值損失大于亞洲股市的極端均值損失，原油期貨市場的波動性所導(dǎo)致的自身風(fēng)險(xiǎn)高于股市自身風(fēng)險(xiǎn)。這是由于原油價(jià)格是由原油供需所決定的，是全球宏觀數(shù)據(jù)的加總，并且易受到地緣政治事件的影響。相比之下股市指數(shù)是微觀數(shù)據(jù)的加總，且中國股市實(shí)行10%漲跌幅限制和T+1制度，風(fēng)險(xiǎn)波動會更低。

圖3 樣本序列自身上下行風(fēng)險(xiǎn)值

第二,上(下)行CoES與上(下)行CoVaR的變化軌跡相似，上(下)行CoES的絕對值要更大，因其反映的是尾部損失的均值，因此CoES模型在捕捉風(fēng)險(xiǎn)時(shí)更加精確，這對樣本中的6個(gè)亞洲地區(qū)股市均適用。以上海原油期貨和上證指數(shù)之間的動態(tài)極端風(fēng)險(xiǎn)溢出為例，如圖4和圖5所示。特別地，CoES與CoVaR差距在新冠肺炎疫情時(shí)期更加明顯，這也意味著在極端時(shí)期利用CoVaR將低估極端風(fēng)險(xiǎn)溢出的水平。原油期貨對股市的時(shí)變的CoES表明,2018年10月美國制裁伊朗、2020年新冠肺炎疫情和OPEC減產(chǎn)協(xié)議談判失敗導(dǎo)致的原油供需失衡等均出現(xiàn)了局部峰值，且2020年3月負(fù)油價(jià)時(shí)上海原油期貨市場和亞洲股市的極端風(fēng)險(xiǎn)溢出均達(dá)到最大。

圖4 上海原油期貨對上證指數(shù)SH極端風(fēng)險(xiǎn)溢出

圖5 上證指數(shù)SH對上海原油期貨極端風(fēng)險(xiǎn)溢出

第三，上海原油期貨對亞洲股市的極端風(fēng)險(xiǎn)溢出方向上，如表3所示，新冠肺炎疫情前上海原油期貨對上證指數(shù)SH和印度股市Sensex30下行△CoES為正，上行△CoES為負(fù);對日本股市N225、韓國股市KS11、新加坡股市XJP、越南股市VIE的下行△CoES為負(fù)值，上行△CoES為正。表明上海原油期貨對中國股市和印度股市的上下行CoES絕對值小于股市自身風(fēng)險(xiǎn)ES值，上海原油期貨對兩個(gè)股市產(chǎn)生負(fù)向的極端風(fēng)險(xiǎn)溢出，這也意味著原油期貨價(jià)格的極端上升或是下降的情況下，中國股市和印度股市的極端上升和下降的程度會減??；同理，上海原油期貨對日本股市、韓國股市、新加坡股市的上下行CoES絕對值大于股市自身風(fēng)險(xiǎn)ES值，即上海原油期貨對三個(gè)股市產(chǎn)生正向的上下行極端風(fēng)險(xiǎn)溢出。疫情后上海原油期貨對樣本股市的下行△CoES均為負(fù)，對中國股市的上行△CoES為負(fù)，對其他股市的上行△CoES均為正。表明疫情后上海原油期貨的下行CoES的絕對值大于股市自身風(fēng)險(xiǎn)ES值，上海原油期貨將對亞洲股市產(chǎn)生正向的下行極端風(fēng)險(xiǎn)溢出，意味著原油期貨價(jià)格的極端下降的風(fēng)險(xiǎn)傳導(dǎo)至亞洲股市。而除了中國，原油期貨價(jià)格的極端上升的溢出也會傳導(dǎo)至亞洲股市。

表3 新冠肺炎疫情前后上海原油期貨和亞洲股市極端風(fēng)險(xiǎn)溢出CoES均值

亞洲股市對上海原油期貨的極端風(fēng)險(xiǎn)溢出方向上，新冠肺炎疫情前中國股市和印度股市對上海原油期貨有著負(fù)向的極端上行和下行風(fēng)險(xiǎn)溢出，而日本、韓國、新加坡、越南股市對上海原油期貨市場有正向的極端上行和下行風(fēng)險(xiǎn)溢出。綜合來說，上海原油期貨與日本、韓國、新加坡、越南股市之間存在正向且雙向的上下行風(fēng)險(xiǎn)溢出，而與中國股市和印度股市存在負(fù)向且雙向的上下行風(fēng)險(xiǎn)溢出；疫情后，上海原油期貨與印度股市之間存在單向的 INE→Sensex30上下行風(fēng)險(xiǎn)溢出，而上海原油期貨與中國股市存在負(fù)向且雙向的上行風(fēng)險(xiǎn)溢出，與疫情前保持一致，上海原油期貨與其余股市之間存在正向且雙向的上下行風(fēng)險(xiǎn)溢出。

新冠肺炎疫情前后上海原油期貨與日本、韓國、新加坡、越南股市之間具有正向且雙向的上下行極端風(fēng)險(xiǎn)溢出效應(yīng)，這是因?yàn)閷?jīng)濟(jì)復(fù)蘇的預(yù)期可能會提振投資者對亞洲股市的信心，這些國家的經(jīng)濟(jì)向好和貨幣政策的穩(wěn)定升值會顯著推動對能源的需求，因此導(dǎo)致油價(jià)和股市之間的正向溢出關(guān)系，突如其來的危機(jī)也會促使金融市場上的投資者做出同質(zhì)化行為(49)Zhu H.M.,Li R.,Li S.,“Modelling dynamic dependence between crude oil prices and Asia-Pacific stock market returns”, International Review of Economics & Finance,vol.29(2014),pp.208-223.；而印度股市在疫情前表現(xiàn)出負(fù)向的雙向的上下行風(fēng)險(xiǎn)溢出，其主要原因是原油價(jià)格和股市之間的關(guān)聯(lián)性較小，盡管印度也屬于石油進(jìn)口大國，但印度經(jīng)濟(jì)并不完全依賴石油，因此該國是非石油脆弱國家(50)Raza N.,Shahzad S.J.H.,Tiwari A.K.,“Asymmetric impact of gold, oil prices and their volatilities on stock prices of emerging markets”, Resources Policy,vol.49(2016),pp.290-301.；中國股市與上海原油期貨在疫情前表現(xiàn)出負(fù)向的雙向的上下行風(fēng)險(xiǎn)溢出，在疫情后表現(xiàn)出負(fù)向的雙向上行風(fēng)險(xiǎn)溢出，這與其他股市表現(xiàn)出顯著的不同，也就是說中國股市獨(dú)立于這些股市運(yùn)行，這可能是因?yàn)榕c其他股市相比，中國金融市場在資本流動方面有較強(qiáng)的控制，且近年來經(jīng)濟(jì)的快速增長使得中國經(jīng)濟(jì)在一定程度上偏離了全球的運(yùn)行。此外，中國與周邊國家在“一帶一路”油氣項(xiàng)目上進(jìn)行廣泛深度合作的同時(shí)，倡導(dǎo)和推進(jìn)新能源的開發(fā)，致力于優(yōu)化能源結(jié)構(gòu)，一定程度上使得中國股市受油價(jià)影響較小。但是在全球危機(jī)時(shí)期，投資者的避險(xiǎn)需求以及市場上非理性投資者的存在，股市會受到原油市場強(qiáng)烈的下行風(fēng)險(xiǎn)溢出。

第四,從上海原油期貨對亞洲股市極端風(fēng)險(xiǎn)溢出水平看，新冠肺炎疫情前后上海原油期貨對日本股市和越南股市的上下行的平均風(fēng)險(xiǎn)溢出均處于較高的水平，而對中國股市和印度股市的上下行平均風(fēng)險(xiǎn)溢出的水平較低。說明上海原油期貨是影響日本股市和越南股市的重要因素，而中國和印度股市受到上海原油期貨的波動性溢出水平較小，具有一定的抗風(fēng)險(xiǎn)能力；疫情發(fā)生前，上行風(fēng)險(xiǎn)溢出水平大于下行風(fēng)險(xiǎn)溢出，而疫情后上海原油期貨價(jià)格的上下行風(fēng)險(xiǎn)溢出出現(xiàn)明顯不對稱性，下行風(fēng)險(xiǎn)溢出大于上行風(fēng)險(xiǎn)溢出?？梢?，疫情背景下，原油市場與股票市場的聯(lián)動性關(guān)系加強(qiáng)，提高了跨市場的風(fēng)險(xiǎn)溢出水平，上海原油期貨價(jià)格的下降會加劇股市的系統(tǒng)性風(fēng)險(xiǎn)。這是因?yàn)殡S著地緣政治事件因素影響以及新冠肺炎疫情在全球的蔓延，投資者會因?yàn)橛蛢r(jià)的變動作出對投資組合中股票倉位的調(diào)整，尤其是在極端情況下，大量非理性投資者的參與也會誘發(fā)跨市場的羊群效應(yīng)進(jìn)而放大原油市場與股市之間的風(fēng)險(xiǎn)溢出。

從亞洲股市對上海原油期貨極端風(fēng)險(xiǎn)溢出水平看，日本股市對上海原油期貨的平均風(fēng)險(xiǎn)溢出水平最高，中國股市和印度股市平均風(fēng)險(xiǎn)溢出處于較低水平，說明中國股市和印度股市不能夠?qū)ι虾Ｔ推谪泝r(jià)格的預(yù)測起到重要作用，上海原油期貨較少受到本國因素的影響也有利于上海原油期貨走出獨(dú)立的價(jià)格行情。特別地，新冠肺炎疫情前后股市對原油期貨的風(fēng)險(xiǎn)溢出總體上大于原油期貨對股市的風(fēng)險(xiǎn)溢出水平，可見亞洲股市所反映的經(jīng)濟(jì)基本面較大程度上影響上海原油期貨的價(jià)格。

四、結(jié)語

本文選取中國、日本、韓國、印度、新加坡、越南等6個(gè)亞洲地區(qū)國家代表性股票數(shù)據(jù)和上海原油期貨的每日收盤價(jià)數(shù)據(jù)，通過構(gòu)建時(shí)變的GARCH-Copula-CoES模型來測度6個(gè)亞洲股市和上海原油期貨市場之間的上下行極端風(fēng)險(xiǎn)溢出水平。為了對上海原油期貨市場和亞洲股市之間的風(fēng)險(xiǎn)溢出水平進(jìn)行實(shí)時(shí)監(jiān)測和有效預(yù)警，基于Adrian 和 Brunnermeier的CoES指標(biāo)構(gòu)建方法，在傳統(tǒng)下行風(fēng)險(xiǎn)溢出視角上引入上行風(fēng)險(xiǎn)視角，完善了利用Copula計(jì)算上下行極端風(fēng)險(xiǎn)溢出的構(gòu)架，并且運(yùn)用CoES和△CoES對風(fēng)險(xiǎn)溢出水平和風(fēng)險(xiǎn)溢出的方向進(jìn)行衡量。

研究發(fā)現(xiàn)：第一，新冠肺炎疫情前上海原油期貨與亞洲股市的相關(guān)性比WTI/Brent與亞洲股市的相關(guān)性更強(qiáng)，因此上海原油期貨在亞洲地區(qū)具有一定的區(qū)域影響力；盡管疫情引發(fā)的全球性危機(jī)增加了資產(chǎn)之間的聯(lián)動性，但相關(guān)性仍然處在0.08—0.2之間的較低水平，且新加坡股市和日本股市與上海原油期貨之間的關(guān)聯(lián)性最大，印度股市和上海原油期貨之間的相關(guān)性最小。第二，利用CoES計(jì)算的極端風(fēng)險(xiǎn)溢出值大于CoVaR值，并且在疫情時(shí)期差距更加明顯，因此傳統(tǒng)CoVaR風(fēng)險(xiǎn)溢出指標(biāo)可能低估了極端風(fēng)險(xiǎn)溢出的水平。第三，從風(fēng)險(xiǎn)溢出的方向上來看，疫情前后上海原油期貨與日本、韓國、新加坡、越南股市之間具有正向且雙向的上下行極端風(fēng)險(xiǎn)溢出效應(yīng)；而印度股市在疫情前表現(xiàn)出負(fù)向的雙向的上下行風(fēng)險(xiǎn)溢出，疫情后上海原油期貨與印度股市之間存在單向的 INE→Sensex30上下行風(fēng)險(xiǎn)溢出；中國股市與上海原油期貨在疫情前表現(xiàn)出負(fù)向的雙向的上下行風(fēng)險(xiǎn)溢出，在疫情后表現(xiàn)出負(fù)向的雙向上行風(fēng)險(xiǎn)溢出，這與其他股市的表現(xiàn)有顯著的不同。第四，從風(fēng)險(xiǎn)溢出的強(qiáng)度來看，疫情后上下行風(fēng)險(xiǎn)溢出具有明顯的不對稱性，即下行大于上行風(fēng)險(xiǎn)的值，表明疫情后市場極端下跌帶來的風(fēng)險(xiǎn)更大；整體來看上海原油期貨和日本股市的雙向風(fēng)險(xiǎn)溢出最大，與中國股市和印度股市的雙向風(fēng)險(xiǎn)溢出較??；此外亞洲股市對上海原油期貨的風(fēng)險(xiǎn)溢出水平大于上海原油期貨對亞洲股市的風(fēng)險(xiǎn)溢出水平，體現(xiàn)亞洲股市所反映的經(jīng)濟(jì)基本面較大程度上影響了上海原油期貨的價(jià)格。

基于以上結(jié)論,本文提出以下政策建議：首先，了解和衡量上海原油期貨與亞洲股市之間的關(guān)系對于區(qū)域性金融市場一體化的投資組合多樣化非常重要，當(dāng)原油期貨價(jià)格和股市之間的相關(guān)性較強(qiáng)時(shí)，或者是在危機(jī)時(shí)期，投資者在油價(jià)上漲(下跌)時(shí)應(yīng)該增加(減少)股票份額進(jìn)行風(fēng)險(xiǎn)對沖，而投資上海原油期貨和中國股市、上海原油期貨和印度股市時(shí)可以分散投資組合的風(fēng)險(xiǎn)。其次，基于CoES模型可以幫助投資者更加準(zhǔn)確地計(jì)算投資組合的上下行極端風(fēng)險(xiǎn)并進(jìn)行風(fēng)險(xiǎn)監(jiān)管。在當(dāng)前背景下，亞洲投資者和政策制定者應(yīng)該關(guān)注區(qū)域性金融市場和大宗商品市場的風(fēng)險(xiǎn)變化，并且注重資產(chǎn)價(jià)格下行帶來的風(fēng)險(xiǎn)，及時(shí)對極端風(fēng)險(xiǎn)進(jìn)行監(jiān)控和分散。最后，對于中國原油期貨市場的建設(shè)者而言，需要優(yōu)化能源結(jié)構(gòu)，加快推進(jìn)我國能源市場化建設(shè)，提升我國能源定價(jià)話語權(quán)。