國際油價、美國經濟不確定性和中國股市的波動溢出效應研究

王奇珍，王玉東

(1.南京曉莊學院商學院，江蘇 南京 211171；2.南京理工大學經濟管理學院，江蘇 南京 210094)

1 引言

2008年席卷全球的金融危機使世界各國經歷了一場前所未有的劇烈動蕩，股市大跌，油價波動劇烈，全球經濟不確定性增強，不同市場間的風險傳導效應增加。中國自1996年成為石油凈進口國，2003年中國石油消費超過日本，成為僅次于美國的第二大石油消費國。中國對國際石油市場的依賴使得其對國際油價波動的反應也更為敏感。石油是具有三種屬性的商品：資源屬性，商品屬性和金融屬性。隨著國際金融體系的不斷發展，石油期權、期貨等金融工具為基礎的投機行為使得國際油價的金融屬性日益重要。因此，一方面，國際石油價格波動會影響投資者對相關行業上市公司的投資行為，對股票價格指數造成影響，增加經濟發展的不確定性；另一方面，中國經濟的飛速發展和對石油的巨大消費使得中國在國際油價市場中也起著至關重要的作用，影響國際金融市場，中國股市的變化也成為他國政策制定者判斷經濟走勢和決策的重要依據。由此可見，國際石油市場、經濟不確定性和股票市場之間呈現出彼此互動的性質，一方的波動會對其他方產生重要的影響，即不同市場之間存在波動溢出效應。

盡管理論上對油價、經濟不確定性和股票市場的關系并沒有確定的分析，大量研究卻證明三者之間存在一定的關系，這種關系通過宏觀經濟和私人投資兩個渠道起著作用。經濟不確定性既來源于經濟系統沖擊對經濟的影響，如私人部門投資的不確定[1]，也來源于經濟環境的不確定性所導致的政策變化。就宏觀經濟而言，股票市場往往被看作是是經濟活動的晴雨表，經濟不確定性對經濟活動的作用常常反應在股票市場上。反過來，當股票市場發生波動時，各國的政策制定者會對經濟和金融事件做出反應，制定相關的政策，而不確定性是政策制定不可避免的副產品[2]。由于油價對宏觀經濟意義非凡，經濟政策會隨著油價波動發生變化，這反過來又會影響原油價格[3]。根據股權價值評估理論，在投資者要求的收益率下，股票價格是通過對預期的未來現金流的貼現獲得的。企業現金流和貼現率所反應的經濟狀況會受股票價格的影響。因此，股票價格會對油價變化做出反應[2,4]。當金融市場壓力較大時，經濟活動會有所放緩，導致能源需求下降，油價下跌[5]。

就私人投資而言，雖然股票投資在所有投資中是收益最大的，但其風險也最大。因此企業常常把原油市場作為股票投資的替代品，在降低風險的條件下獲得一定的收益。由于投資不可逆，企業在經濟不確定性增加時，會更加不愿意做出投資決定，這會產生“觀望”效應。而且這種不確定性還會由于油價波動(股價波動)會引起企業投資組合的變動，對股票市場(原油市場)產生影響[5]。因此經濟政策不確定性會通過個人投資直接影響股票和原油市場。反過來，投資組合的變化會影響經濟活動，使政策制定者制定相關經濟政策，增加經濟的不確定性。

學者們對不同市場間的波動溢出效應展開了大量的研究[6-9]。在對油價和股票市場的波動傳遞效應的研究中，一些學者認為油價和股票市場的波動溢出效應是不存在的。Chang等[10]使用GARCH模型研究國際油價和英美股市之間的波動溢出效應，發現原油市場和股票市場不存在波動溢出。有的學者持相反的觀點，Sadorsky[11]使用四個多變量GARCH模型分析油價和美國清潔能源公司和科技公司股價之間的波動溢出效應。DCC模型研究結果顯示油價和清潔能源股價存在顯著的短期波動溢出效應。金洪飛和金犖[12]則發現油價和股票市場的波動溢出效應比較復雜，中國股市價格和國際石油價格之間不存在波動溢出效應，而美國股市收益率和國際石油價格的變化率之間具有波動溢出效應。大部分學者發現國際原油價格和股價存在雙向的波動傳遞效應，如Zhang Chuanguo和Chen Xiaoqing[13]對中國股市的研究，Arouri等[2]對歐洲股市的研究，Lin Boqiang等[14]對加納股市的研究。

隨著經濟全球化和經濟一體化的發展，美國經濟活動的變化也會由于美國在全球市場上的地位影響到其他國家。Colombo[15]研究了美國經濟政策不確定性對歐洲地區宏觀經濟的影響，發現美國經濟政策不確定性和歐洲宏觀經濟存在著波動傳遞效應。Kl?ner和Sekkel[16]也證實了六個發達國家的政策不確定性存在波動溢出效應。一些波動溢出效應研究局限于美國政策不確定性和美國股票市場的國內傳遞。近年的研究中，Baker等[17]構建了美國經濟政策不確定性指數(EPU)估算經濟政策不確定性對隱含波動率的影響。結果顯示經濟政策不確定增加了股票價格波動率。接下來，Antonakakis等[18]采用EPU指數研究美國股票收益率、隱含波動率和經濟政策不確定性的時變相關關系。結果顯示增強股票市場的波動性會增加經濟政策不確定性，而經濟政策不確定性的波動增加則負面影響股票收益，這又增加了經濟政策的不確定性。Liu Li和Zhang Tao[19]使用EPU指數研究經濟政策不確定性對美國股市波動的預測性，發現以往的經濟政策不確定性對當前的已實現波動率有顯著的正向作用。

較少研究關注經濟不確定性和原油價格的波動傳遞效應。Li Lei等[20]研究了2008年金融危機前后經濟不確定性和油價的波動溢出效應，發現不考慮外生沖擊的話，金融危機前后不存在顯著的波動溢出效應，外生沖擊能強化油價和不確定性之間的波動傳遞。Antonakakis等[21]估算了油價和經濟政策不確定性之間的動態溢出效應。結果顯示在2007～2009年期間總溢出指數達到前所未有的高度。1997～2009年經濟政策不確定性起著主導的傳遞作用，而油價在2009年后在凈溢出中起著顯著的作用。Kang Wensheng和Ratti[22]研究了原油市場、經濟政策不確定性和股票市場的波動溢出效應。他們使用結構VAR模型估計了中國經濟政策不確定性、國際油價和中國股市收益率之間的關系。文章使用了Diebold和Yilmaz(DY2009)[23]、Diebold 和Yilmaz(DY2014)[24]方法進行了方差分解。研究過程只關注了其他變量對股市收益率的波動溢出效應，而沒有關注股票市場對其他變量的波動溢出效應。文章也沒有考慮兩兩變量之間的波動溢出效應。

總之，國內外學者對不同市場間的波動溢出效應開展了大量的研究，這些研究幾乎都側重一個市場對另一個市場的單向波動傳遞，很少關注兩個市場之間的雙向波動溢出傳遞，更少研究多個市場的雙向波動溢出效應。在市場選擇方面，學者們對油價市場和股票市場開展了大量研究，對大宗商品、經濟不確定性等變量的研究較少。而且在對波動溢出效應的研究中，幾乎都是使用GARCH模型進行分析的[25-28]。使用多變量GARCH模型有兩個不足之處：一是盡管GARCH模型可以估計出波動溢出的參數，但不能量化波動溢出效應的大小；二是GARCH模型要同時估計出大量的參數，計算費時費力，以BEKK模型為例，該模型中太多的參數導致估計過程沒有最優化收斂。此外，由于要同時估算大量參數，計算較為復雜，多變量GARCH模型的最大似然估計會存在問題，加入更多復雜動態對多變量GARCH模型進行擴展也往往較為困難[29]。其他GARCH模型如DCC-GARCH和CCC-CARCH模型由于對溢出動態方面的研究有所欠缺，不能分析時變的波動性和相關性，這種分析使用了“用一個市場的滯后收益預測另一個市場的收益”的傳導機制[30]。波動溢出指數是隨著時間發生變化的，在不同的時刻會有不同的值。根據Narayan等[31]的研究，波動溢出指數是時變的：金融危機后的數值低于金融危機期間的數值，但高于金融危機前的數值。因此，GARCH方法在描述波動溢出指數的動態變化時存在缺點，不能更有效地描述波動溢出效應[32]。

使用金融計量經濟學研究復雜的經濟問題是一項巨大的成功。隨著金融市場的迅速發展和金融產品多樣性與復雜性的增加，學者和專家們致力于提高自身研究水平，獲得更便利的計量經濟學方法。Diebold 和Yilmaz(DY 2012)[33]方法與以往方法相比，該方法具有以下優點：(1)具有不依賴于Cholesky分解的順序，方差分解的結果不受變量排序的影響；(2)計算較為容易，能描述溢出的方向，量化波動溢出效應的大小。(3)可以與滾動窗口技術相結合，研究不同時間點的波動溢出效應和整體發展趨勢，增強波動溢出傳遞效應的解釋力。因此，本文使用DY 2012方法研究原油價格，美國政策不確定性和中國股票市場的波動溢出效應，以期對新的金融問題做出詳細和有說服力的解釋。

2 計量模型

本節借鑒Diebold和Yilmaz(DY 2012)[33]的方法，計算波動溢出指數。溢出指數最早是由Diebold和Yilmaz(DY 2009)[23]的文章中提出。這種方法基于向量自回歸(VAR)模型，通過方差分解得到的一個指數，用該指數直觀地描述變量間的相互關系。DY2012改進了DY2009，解決了DY2009中變量排序引起的結果不穩定問題。新指數不僅包括總溢出指數，還有凈溢出指數，其計算過程如下：

由于變量排列次序會影響對殘差項的正交化處理，為了避免出現此問題，本文借鑒Koop 等[34]和Pesaran和 Shin[35]提出的一般化VAR處理法，簡稱KPSS方法。在一般的VAR框架下，進行預測誤差方差分解。本文定義自身項對方差的貢獻程度，即來自xi(i=1,2,…,N)的沖擊對xi的向前H步預測誤差的方差。同時，定義了其他項對方差的貢獻值，為除xi外的任意xj(i,j=1,2,…,N;i≠j)對xi的向前H步預測誤差的方差。在KPSS方法中，xj對xi的向前H步的預測誤差的方差貢獻為：

(1)

(2)

因此，構建總溢出指數如下：

(3)

總溢出指數度量的是N個變量間相互的溢出效果對總的預測誤差方差的貢獻。同時，本文還可以對不同變量溢出效應的方向性加以度量。市場i受到的來自于其他所有市場j的溢出指數為：

(4)

反過來，市場j受到的來自于其他所有市場i的溢出指數為：

(5)

用公式(5)減去公式(4)，得到市場i對其他所有市場j的凈溢出指數：

(6)

凈溢出指數衡量的是單個市場對其他市場的凈溢出。如果其他所有市場只是一個市場，就可以計算出兩兩市場的凈溢出，假設l是某一個市場，則市場i和市場l間的凈溢出指數為：

(7)

3 數據和變量描述

本文所用數據是1986年1月到2016年12月原油價格、經濟不確定性指數和中國股票價格，其中，原油價格是西德克薩斯中質原油月度現貨價格，數據來源于美國能源部；經濟不確定性指數參照Jurado等[36]構建的宏觀經濟不確定性指數，該指數使用132個宏觀經濟變量包括實際產出、就業、零售業、制造業和貿易等等計算而得。以往經濟不確定性指標依賴于他們與潛在隨機過程的相關程度，這些指標與不確定性緊密相連。事實上，這種緊密相關在特殊情況下才會發生。本文所用的指數的構建不但基于具體的理論模型，還依賴于任何單一或者少量的經濟指標。因此，對經濟不確定性指數的衡量更加科學，也更加實用。中國股票價格是上證指數月度收盤價，數據來源于雅虎財經。

文章分別用OIL、EPU和STOCK表示國際油價、經濟不確定性和股票價格。Li Lei等[20]指出變化的EPU指數比水平的EPU指數更能衡量經濟不確定性沖擊，因此，本文使用經濟不確定性指數的自然對數的一階差分衡量經濟不確定性。其他兩個變量也選取自然對數的一階差分形式，即ln(pt/pt-1)。表1給出了這三個變量的描述性統計。偏度和峰度說明各變量是非正態的，JB統計量也證實了非正態性。ADF檢驗、PP檢驗拒絕了各變量包含一個單位根的原假設，說明每個變量在1%的顯著水平上是平穩的。

表1 變量OIL、EPU和STOCK的描述性統計

注：符號”Max”、”Min”、”S. D.”、”Skew”和”Kurt”分別表示最大值、最小值、標準差、偏度和峰度。“OIL”、“EPU” 和 “STOCK” 分別表示油價、經濟政策不確定性指數和股價。*** 表示在1%的水平上顯著。

4 實證分析

4.1 波動溢出指數表

本文根據Zhang Bing和Wang Peijie[37]的研究，按照SC準則使用滯后10階，向前10期預測的VAR模型估計(3)～(6)中的波動溢出指數，結果列于表2中。跟投入產出表類似，表2 就是3×3階矩陣的波動溢出指數的投入產出分解表。它的第i行，第j列的元素表示對變量j的沖擊給予變量i的方差的貢獻比例，即變量j對變量i的溢出效應。對角線上的元素表示預測方差來自自身的貢獻比例，而非對角線上的元素則表示預測方差來自其他變量的貢獻比例，即溢出效應，該效應指的是兩個變量之間的溢出。每行非對角線元素的和表示所有其他變量對某一變量的溢出效應，即表中最后一列的值。每列非對角線元素的和表示某一變量對所有其他變量的溢出效應，即表中倒數第二行的值。把某一變量對所有其他變量的溢出效應減去所有其他變量對該變量的溢出效應既是該變量的凈溢出效應。把某一變量對另一個變量的溢出效應減去另一個變量對該變量的溢出效應也是該變量的凈溢出效應，這個凈溢出效應是兩兩變量的凈溢出。總溢出指數指的是所有其他變量對某一變量的溢出效應的均值，即表2右下角的值。

表2 波動溢出指數表

由表2可知，總溢出指數和方向性溢出指數都大于零，說明三個變量之間存在波動傳遞。總溢出指數在表的右下角，該指數說明總樣本中29.5997%預測誤差方差來自于其他變量的貢獻。對角線上的值表明變量OIL和STOCK對方差的貢獻主要來自于自身，而變量EPU對方差的貢獻主要來自于OIL。變量OIL解釋了大部分的波動。可能的原因一方面是“不可逆投資理論”背景下，企業的投資決策往往會受到經濟不確定性沖擊的影響，而國際油價沖擊不僅關系著企業的日常生產和投資決策，而且還間接考驗著一國工業發展和宏觀經濟運行的穩定性[38]；另一方面，石油的金融屬性日益增強，對價格波動決定起著重要的作用，隨著世界經濟一體化和區域經濟合作的深化，與股票等金融市場的密切程度越來越深[39]。某一變量對其他變量的溢出指數與其他變量對該變量的溢出指數是不同的，說明方向性溢出指數是雙向的和非對稱的。例如，變量EPU對其他變量的溢出指數為0.7308%，而其他變量對變量EPU的溢出指數為78.1726%，凈溢出指數為-77.4418%。

表3 兩兩波動溢出指數表

續表3 兩兩波動溢出指數表

計算方程(7)獲得兩兩波動溢出指數，結果列于表3中。變量OIL對變量EPU、STOCK的溢出指數和大于變量EPU、STOCK對OIL的溢出指數，變量STOCK對變量EPU的溢出指數大于變量EPU對STOCK的溢出指數，可見兩兩溢出指數也是雙向和非對稱的。兩兩變量總溢出指數與三個變量的總溢出指數不同。變量OIL在波動傳遞中起著重要的作用。

4.2 滾動樣本的波動溢出指數分析

波動溢出表從靜態上顯示了油價和經濟不確定性與股市間雙向而非對稱的波動溢出效應，對樣本期間的波動傳遞有一個全面的把握，但這種靜態分析不能生動地揭示波動傳遞的動態關系。因此，把滾動窗口技術與DY2012方法相結合，使用60個月的滾動窗口研究油價和經濟不確定性與股市間的波動溢出的動態機制，圖1畫出了油價、經濟不確定性與股票市場間的總波動溢出指數。由圖1可以看出，油價、經濟不確定性與股市總溢出指數在樣本期間的波動范圍為40%～65%，說明在整個樣本階段系統的波動主要來自其他變量的沖擊，溢出效應占比重較大。總溢出指數在金融危機后增長劇烈，可能的原因是美國政策制定者在金融危機后制定了一系列的貨幣政策和財政政策以刺激經濟增長[21]。因此，總溢出指數變化與全球經濟事件和美國經濟政策變動相一致[3]。

盡管總波動溢出指數傳遞了樣本期間油價、經濟不確定性與股市間的波動溢出信息，但是總溢出指數只說明了溢出效應的大小和趨勢，不能反映波動溢出的方向性問題。因此，本文估計模型(4)～(6)計算出波動溢出的傳遞方向，在圖2～4畫出了油價、經濟不確定性與股市間的方向性波動溢出指數。圖中，綠線表示某一變量對其他兩個變量的溢出效應(Affect Others)，藍線是其他兩個變量對某一變量的溢出效應(Affected by Others)，紅線是凈溢出效應(Net Affect Others)。

由圖2～4可知，變量OIL對其他變量的方向性溢出指數在樣本期間的波動范圍為40%～70%，變量EPU對其他變量的方向性溢出指數則在0到80%區間波動，變量STOCK對其他變量的方向性溢出指數為0～60%。其他變量對變量OIL、EPU和STOCK的方向性溢出指數在樣本期間的波動范圍分別為0～30%，40%～100%和0～100%。

圖1 滾動樣本下的總溢出指數

圖2 油價與其他變量的方向性波動溢出指數

圖3 經濟不確定性與其他變量的方向性波動溢出指數

圖4 股票市場與其他變量的方向性波動溢出指數

變量OIL對其他變量的凈溢出指數是正向的，變量EPU對其他變量的凈溢出指數是負向的，變量STOCK對其他變量的凈溢出指數大部分時間是負向的，個別時間是正向的。總之，滾動樣本下的方向性溢出指數是雙向的和非對稱的。油價對其他變量的波動溢出效應遠遠大于其他變量對它的波動溢出效應，它的凈溢出效應也遠遠大于其他兩個變量的凈溢出效應。

除了某一變量與其他變量間的溢出效應外，文章也關心某一變量與其他任一變量間的波動溢出，圖5～7報告了滾動樣本下兩兩變量的波動溢出指數。由圖5～7可知，變量OIL對EPU的凈溢出指數的波動范圍為30%-50%，變量OIL對變量STOCK的波動范圍從-10%到50%，變量EPU對變量STOCK的波動范圍從-80%到5%。這說明變量OIL對其他任一變量有更大的溢出效應；變量EPU對OIL的溢出效應小，沒有對STOCK的溢出效應大；變量EPU對任一變量都有較小的溢出效應。

4.3 非線性檢驗

金融收益率序列的一個重要特征是其存在非線性關系，因此，有必要考慮不同市場均值和波動序列的非對稱性。已有大量研究對原油市場和股票市場進行了非線性分析。Li Lei等[20]發現經濟不確定性指數受到新息沖擊會不對稱影響股票和債券的關系，說明經濟不確定性對股票市場有非線性的影響。文章接下來分析單一變量沖擊對其他變量的非線性影響。

圖5 變量 OIL與EPU的方向性波動溢出指數

圖6 變量 OIL與STOCK的方向性波動溢出指數

圖7 變量 EPU與STOCK的方向性波動溢出指數

由表4可知，正向油價對變量EPU、STOCK的波動溢出指數為13.6001%、12.1894%，負向油價對變量EPU、STOCK的波動溢出指數為52.6367%、10.1539%。可見，油價對其他變量的波動溢出存在非線性效應，對變量EPU的非線性效應較大，對STOCK的非線性效應較小。正向EPU對變量OIL、STOCK的波動溢出指數為0.1467%、0.5709%，負向EPU對變量OIL、STOCK的波動溢出指數為0.0585%、0.2681%，EPU對其他變量的波動溢出存在非線性效應。正向STOCK對變量OIL、EPU的波動溢出指數為0.2616%、3.5529%，負向STOCK對變量OIL、EPU的波動溢出指數為0.8052%、22.5643%，STOCK對其他變量的波動溢出存在非線性效應。

表4 油價與其他變量的波動溢出效應的非線性檢驗

注：表中POIL表示正向的油價沖擊，NOIL表示負向的油價沖擊。

4.4 穩健性檢驗

4.4.1 基于變量變換的檢驗

本部分使用Baker等[17]構建的經濟政策不確定性指數作為經濟不確定性的指標研究國際油價、美國經濟不確定性和這美國股市的波動溢出效應，作為本文的穩健性檢驗。文章使用基本指數衡量月度美國經濟政策不確定性，數據來源于政策不確定性網站(www.policyuncertainty.com)。計算方程(3)～(6)，由于篇幅所限，文章僅報告了圖8滾動樣本下的總溢出指數。

圖8 滾動樣本下的總溢出指數

總溢出指數波動范圍為35%～65%，在2008年金融危機期間發生了較大的動蕩，危機后溢出效應保持較大的波動，總體上與4.2節滾動樣本的總溢出指數的波動范圍和波動趨勢相似。波動溢出指數是雙向和非對稱的，且與4.2節的方向性溢出指數有相似的趨勢。可以發現通過變量變化所得結論沒有明顯的變化，這說明本文的結論是穩健的。

4.4.2 基于檢驗方法變換的檢驗

根據Narayan等[31]的研究，本文使用不同滯后階數和不同預測期數的VAR模型計算了油價、經濟不確定性和股票市場的波動溢出指數。估計VAR模型分別使用1、12和20的滯后約束和向前預測1、12和20 期。由于篇幅所限，文章僅報告了使用不同滯后階數的VAR模型計算的波動溢出指數。結果列于表5中。

表5 波動溢出指數(滯后10階，1、12和20預測期)

續表5 波動溢出指數(滯后10階，1、12和20預測期)

滯后10階，預測期向前1期的總溢出指數是7.6062%，滯后10階，預測期向前20期的總溢出指數是30.9631%。顯然，長期來看總溢出指數是增加的。預測期向前10期，不同階數的總溢出指數也證實了這一點。滯后10階，預測期向前1期的變量EPU對其他變量的方向性指數為0.0439%，而滯后10階，預測期向前20期的變量EPU對其他變量的方向性指數為0.7513%。當滯后階數不變時，其他變量對變量OIL(STOCK)的方向性指數隨著預測期的增加而增加。因此，方向性溢出指數從長期來看是增加的，這同樣適用于預測期10期，滯后不同階數的方向性溢出指數。盡管穩健性檢驗揭示了波動溢出指數的動態機制，時變的波動溢出指數仍舊與波動溢出表有相似的特征，說明文章的實證檢驗是穩健的。

5 結語

本文借鑒Diebold 和Yilmaz(DY 2012)[33]的方法計算出波動溢出指數，該指數是在向量自回歸的框架下求解預測誤差方差分解的基礎上構建的。文章把DY2012方法和滾動窗口技術相結合，為油價、美國經濟不確定性和中國股票市場的波動傳遞提供了更生動和更清晰的描述。通過實證檢驗，得出以下結論：

靜態分析中，三個變量之間存在波動溢出傳遞，單一變量和其他變量間的，兩兩變量間的方向性波動溢出都是雙向和非對稱的。變量OIL在波動傳遞中起著重要的作用。加入滾動窗口技術的動態分析中，總溢出指數在樣本期間有較大的波動，波動趨勢與全球經濟事件和美國經濟政策相對應。動態溢出指數也是雙向和非對稱的，變量OIL仍然在波動傳遞中起著重要的作用。兩兩變量的凈溢出中，變量OIL對變量STOK的溢出效應最大，變量EPU對變量STOCK的溢出效應最小。非線性檢驗中，每個變量的兩種沖擊在波動溢出中都對其他變量有非線性的影響。最后，文章使用兩種方法做了穩健性分析，結果證明結論是穩健的。

通過上述結論，本文認為油價、經濟不確定性和中國股票市場三者并不是孤立的，而是緊密聯系、相互影響的。由于三者之間存在波動溢出效應，一個市場的波動會對另一個市場形成負面的影響，如果某一市場本身就波動劇烈，那么另一個市場的波動傳遞會延長該市場的波動。因此，本文的研究對如何防范我國股市風險有重要的政策含義：首先，加強對金融機構的監控和防范，尤其是在金融體系中起著重要作用的銀行。政策制定者要強化金融機構的風險狀況披露制度，提高財務信息的透明度。其次，樹立全局觀念看待金融體系的風險，建立預警體系。政策制定者在制定政策時，既要考慮到一個市場的風險，也要考慮不同市場間的風險傳遞。最后，審慎選擇投資組合，評估市場風險。私人投資者往往把原油看作股票投資的替代品，由于原油市場和股票市場緊密聯系，市場間的波動傳遞會影響到投資者的盈利水平。因此，私人投資者在選擇投資組合，評估風險時，要考慮到市場間的相互關系。

本文的研究由于數據的可得性，只使用月度數據研究了國際油價、美國經濟不確定性和中國股市的波動溢出情況，沒有使用更為詳細的日數據和高頻數據。在后續的研究中，還要關注中國經濟不確定性對國際油價和美股的影響，并且具體到不同板塊指數的波動溢出效應；比較分析中美兩國對股市波動和國際油價動蕩所采取的財政政策和貨幣政策；使用高頻數據預測某個市場的波動風險，防范不同市場之間風險的傳導。