中國(guó)股票市場(chǎng)板塊間風(fēng)險(xiǎn)溢出效應(yīng)研究
——基于分位數(shù)回歸的CoVaR模型

吳青峰

(福建師范大學(xué)經(jīng)濟(jì)學(xué)院 福建 福州 350117)

一、文獻(xiàn)綜述

隨著金融全球化程度的不斷加深，某一市場(chǎng)波動(dòng)引發(fā)的風(fēng)險(xiǎn)往往會(huì)傳染至其他市場(chǎng)。全球金融市場(chǎng)都同處一張網(wǎng)絡(luò)之中，互有聯(lián)系。因此，各金融市場(chǎng)間會(huì)存在各種風(fēng)險(xiǎn)傳染問(wèn)題，如2008次貸危機(jī)，于是人們開(kāi)始反思對(duì)于風(fēng)險(xiǎn)的度量。但傳統(tǒng)的VaR模型一般用于度量單個(gè)金融機(jī)構(gòu)的風(fēng)險(xiǎn)，無(wú)法體現(xiàn)風(fēng)險(xiǎn)溢出方向。Adrian(2008)在風(fēng)險(xiǎn)溢出視角基礎(chǔ)之上，提出了條件風(fēng)險(xiǎn)價(jià)值CoVaR的方法，從而有效解決了VaR存在低估風(fēng)險(xiǎn)的問(wèn)題。

國(guó)外對(duì)于風(fēng)險(xiǎn)溢出效應(yīng)的研究側(cè)重于方差的波動(dòng)方面。在國(guó)外的研究文獻(xiàn)中，Hamao(1990)采用廣義自回歸條件異方差模型對(duì)全球主要的三個(gè)經(jīng)濟(jì)體(美、英、日)股票市場(chǎng)間的風(fēng)險(xiǎn)溢出程度、方向進(jìn)行了研究，其結(jié)果表明，各股票市場(chǎng)的風(fēng)險(xiǎn)傳導(dǎo)方向并非是雙向的，存在單向傳導(dǎo)。隨著理論的不但完善發(fā)展，Dainelsson(2000)利用極值理論對(duì)各金融市場(chǎng)間的風(fēng)險(xiǎn)傳導(dǎo)、預(yù)測(cè)進(jìn)行了更好的研究。VaR方法此后成為衡量市場(chǎng)風(fēng)險(xiǎn)的主流方法，但VaR方法在衡量具有“尖峰厚尾”的金融數(shù)據(jù)上存在無(wú)效性的問(wèn)題，容易忽略各市場(chǎng)之間的風(fēng)險(xiǎn)的大小。此后，Adian首次提出了條件風(fēng)險(xiǎn)價(jià)值模型,即CoVaR。國(guó)內(nèi)，毛菩和羅猛(2011)在CoVaR模型的基礎(chǔ)上，對(duì)我國(guó)證券業(yè)、銀行業(yè)的風(fēng)險(xiǎn)聯(lián)動(dòng)關(guān)系進(jìn)行了研究，主要側(cè)重在風(fēng)險(xiǎn)傳染方向上，其結(jié)果表明二者之間存在正向溢出效應(yīng)；隨著多變量波動(dòng)性模型的廣泛應(yīng)用，王丁(2012)采用多變量波動(dòng)性模型研究了我國(guó)股票市場(chǎng)板塊間的波動(dòng)溢出效應(yīng)，其結(jié)果表明不同主板市場(chǎng)間存在顯著的雙向波動(dòng)溢出效應(yīng)。

二、研究方法

(一)條件風(fēng)險(xiǎn)價(jià)值(CoVaR)理論

VaR廣泛應(yīng)于與風(fēng)險(xiǎn)管理和測(cè)度中，中文名為風(fēng)險(xiǎn)價(jià)值，表明市場(chǎng)板塊(或金融體系)在某一特定置信水平(1%，5%，10%)下可能發(fā)生的最大損失。由于傳統(tǒng)的VaR模型忽略了市場(chǎng)板塊(或金融市場(chǎng))之間的風(fēng)險(xiǎn)溢出效應(yīng)，無(wú)法對(duì)不同市場(chǎng)之間的風(fēng)險(xiǎn)溢出方向進(jìn)行有效的衡量，而更多的學(xué)者研究更側(cè)重于風(fēng)險(xiǎn)的傳染路徑、預(yù)測(cè)、預(yù)警，因此Adrian(2008)首次提出了CoVaR模型，以衡量系統(tǒng)性風(fēng)險(xiǎn)，且采用分位數(shù)回歸對(duì)CoVaR模型進(jìn)行初步有效估計(jì)。

(二)分位數(shù)回歸方法測(cè)度CoVaR值

Koenker和Bassett在1978年提出了分位數(shù)回歸。其原理在于，將自變量的分位數(shù)(25%、10%、5%等)得到與因變量的條件分布相對(duì)應(yīng)的分位數(shù)方程。分位數(shù)回歸滿足普通最小二乘估計(jì)的基本假設(shè)(線性假定、嚴(yán)格外生效、球型擾動(dòng)項(xiàng)等)。普通OLS更注重的是均值回歸，因此容易受到極端數(shù)據(jù)的影響，導(dǎo)致回歸結(jié)果有較大偏差，相較而言，分位數(shù)回歸更適合呈現(xiàn)“尖峰厚尾”、“非對(duì)稱”等特征的金融數(shù)據(jù)，因此不易受到極端值的影響，較為穩(wěn)健，從而更能精確的描述自變量分布形狀的影響。例如，研究市場(chǎng)板塊i在陷入危機(jī)時(shí)，對(duì)市場(chǎng)板塊j(或?qū)鹑隗w系)所造成的風(fēng)險(xiǎn)溢出效應(yīng)，本文首先用Xi來(lái)代表市場(chǎng)板塊i的收益率，用Xj表示市場(chǎng)板塊j的收益率，那么可以建立以下分位數(shù)回歸模型

三、實(shí)證結(jié)果與分析

(一)樣本數(shù)據(jù)的基本特征

結(jié)合實(shí)際情況，本文分別選取了滬深300指數(shù)(hs300)、中小板指數(shù)(zxb)和創(chuàng)業(yè)板指數(shù)(cyb)分別作為滬深主板市場(chǎng)、中小板市場(chǎng)和創(chuàng)業(yè)板市場(chǎng)代表性指數(shù)。鑒于不同的市場(chǎng)板塊指數(shù)的發(fā)布時(shí)間均有所不同，所以在處理數(shù)據(jù)時(shí)提出了不匹配數(shù)據(jù)，并且從時(shí)間最早的股票市場(chǎng)指數(shù)開(kāi)始計(jì)算。所有市場(chǎng)的指數(shù)數(shù)據(jù)均來(lái)源于東方財(cái)富Choice數(shù)據(jù)庫(kù)。

對(duì)2010年6月1日至2019年8月30日滬深300指數(shù)(hs300)、中小板指數(shù)(zxb)和創(chuàng)業(yè)板指數(shù)(cyb)做圖分析。可知，在2015年前后，各股票市場(chǎng)的平均波動(dòng)幅度有較大差異，2015年之前，三個(gè)股票市場(chǎng)板塊波動(dòng)幅度均小于2015年之后，且中小板市場(chǎng)的波動(dòng)幅度最大，滬深300次之。對(duì)每日收益率進(jìn)行差分處理。根據(jù)全樣本Stata統(tǒng)計(jì)描述結(jié)果，創(chuàng)業(yè)板平均收益率相對(duì)最高，而中小板的平均收益率最低。3個(gè)市場(chǎng)板塊數(shù)據(jù)均為“尖峰厚尾”且都不服從正態(tài)分布。對(duì)所有市場(chǎng)的收益率的進(jìn)行平穩(wěn)性檢驗(yàn)，ADF統(tǒng)計(jì)量均在1%水平上拒絕存在單位根的原假設(shè)。上述三個(gè)股票市場(chǎng)板塊數(shù)據(jù)均呈現(xiàn)出波動(dòng)聚集和異方差特征，因此很適合采用分位數(shù)回歸對(duì)其進(jìn)行估計(jì)。

(二)分位數(shù)回歸結(jié)果

首先，根據(jù)分位數(shù)回歸以獲得CoVaR的參數(shù)，為方便分析，采用上標(biāo)數(shù)字1代表滬深主板市場(chǎng),用上標(biāo)2代表中小板市場(chǎng)，用上標(biāo)3代表創(chuàng)業(yè)板市場(chǎng)。通過(guò)設(shè)置不同的分位數(shù)水平來(lái)代表金融市場(chǎng)不同的狀態(tài)，為了對(duì)比，本文將金融市場(chǎng)處于極端狀態(tài)的分位數(shù)水平分別設(shè)為5%、1%，將金融市場(chǎng)處于正常狀態(tài)的分位數(shù)水平設(shè)為50%，即q=0.05、q=0.01代表了該金融市場(chǎng)處于危機(jī)狀態(tài)，q=0.5代表了該金融市場(chǎng)處于正常健康的狀態(tài)。根據(jù)分位數(shù)回歸結(jié)果，基于CoVaR模型的各個(gè)股票市場(chǎng)板塊指數(shù)收益率方程的分位數(shù)回歸系數(shù)均在1%的水平上顯著。在不同的分位數(shù)水平下，無(wú)論是滬深主板、還是中小板和創(chuàng)業(yè)板，它們處于風(fēng)險(xiǎn)水平時(shí)，與該狀態(tài)下各股票市場(chǎng)板塊的條件在險(xiǎn)價(jià)值都是正相關(guān)的，而且從整體上來(lái)看，滬深主板市場(chǎng)對(duì)另外的中小板市場(chǎng)和創(chuàng)業(yè)板市場(chǎng)具有較大溢出效應(yīng)，中小板市場(chǎng)居中，最后是創(chuàng)業(yè)板市場(chǎng)。

(三)CoVaR計(jì)算結(jié)果及風(fēng)險(xiǎn)溢出程度

結(jié)合分位數(shù)回歸得出的系數(shù)估計(jì)值，帶入公式中，將市場(chǎng)板塊指數(shù)收益率序列從小到大排序，取對(duì)應(yīng)分位的數(shù)值，再將α和β的估計(jì)值代入公式，即可算出VaR的值。最后依次計(jì)算出CoVaR、ΔCoVaR和%ΔCoVaR的值。

首先，根據(jù)股票市場(chǎng)板塊的VaR值結(jié)果，隨著分位數(shù)水平的增大，從q=0.01到q=0.05的過(guò)程中，VaR的絕對(duì)值均減小，即極端情況下各股票市場(chǎng)板塊風(fēng)險(xiǎn)均有所增加，其次，對(duì)比股票市場(chǎng)板塊的CoVaR值的結(jié)果，VaR值較CoVaR值均偏小，可見(jiàn)VaR會(huì)低估市場(chǎng)所遭受的風(fēng)險(xiǎn)程度，因?yàn)閂aR指標(biāo)不能很好地刻畫出市場(chǎng)面對(duì)極端風(fēng)險(xiǎn)沖擊時(shí)，可能存在的風(fēng)險(xiǎn)溢出效應(yīng)。相較而言，CoVaR更適應(yīng)極端值理論，從而能更有效衡量波動(dòng)溢出效應(yīng)。ΔCoVaR衡量的是市場(chǎng)板塊間的風(fēng)險(xiǎn)溢出程度，根據(jù)股票市場(chǎng)板塊的ΔCoVaR值結(jié)果，無(wú)論是在q=0.01還是在q=0.05的分位數(shù)水平下，滬深主板市場(chǎng)對(duì)其他板塊市場(chǎng)的風(fēng)險(xiǎn)溢出力度最大，ΔCoVaR均值分別為-1.685、-1.088。此外，在q=0.01的分位數(shù)水平下，我國(guó)股票市場(chǎng)板塊間的風(fēng)險(xiǎn)溢出程度要明顯大于在q=0.05的分位數(shù)水平下的風(fēng)險(xiǎn)溢出程度。由股票市場(chǎng)板塊的CoVaR值結(jié)果可以初步得出結(jié)論：滬深主板市場(chǎng)對(duì)中小板市場(chǎng)、創(chuàng)業(yè)板市場(chǎng)的沖擊力度最大,且在極端風(fēng)險(xiǎn)條件下，各股票市場(chǎng)板塊所面臨的風(fēng)險(xiǎn)程度更高。

四、結(jié)論

本文基于中國(guó)股票市場(chǎng)板塊指數(shù)日收益率數(shù)據(jù)，通過(guò)分位數(shù)回歸法，以衡量滬深主板市場(chǎng)、中小板市場(chǎng)、創(chuàng)業(yè)板市場(chǎng)風(fēng)險(xiǎn)程度，進(jìn)而算出各股票市場(chǎng)板塊間的風(fēng)險(xiǎn)溢出效應(yīng)。從實(shí)證結(jié)果可知，我國(guó)各股票市場(chǎng)板塊之間均具有雙向非對(duì)稱的正溢出效應(yīng)，且滬深主板市場(chǎng)對(duì)于中小板市場(chǎng)、創(chuàng)業(yè)板市場(chǎng)的溢出效應(yīng)均大于二者對(duì)于滬深主板市場(chǎng)的溢出效應(yīng)，可見(jiàn)，目前主板市場(chǎng)對(duì)中小板和創(chuàng)業(yè)板起主導(dǎo)作用說(shuō)明滬深主板市場(chǎng)較之中小板市場(chǎng)、創(chuàng)業(yè)板市場(chǎng)，具備更完善的風(fēng)險(xiǎn)抵御能力，相反，中小板市場(chǎng)、創(chuàng)業(yè)板市場(chǎng)則更應(yīng)加強(qiáng)風(fēng)險(xiǎn)監(jiān)管，尤其是防范來(lái)自滬深主板市場(chǎng)的風(fēng)險(xiǎn)。其次，在不同極端風(fēng)險(xiǎn)水平下(q=0.01 0.05)，相應(yīng)股票市場(chǎng)板塊的VaR絕對(duì)值均小于CoVaR絕對(duì)值，說(shuō)明VaR可能低估了各股票市場(chǎng)板塊所遭受的風(fēng)險(xiǎn)，對(duì)于金融監(jiān)管部門而言，往往更注重于對(duì)風(fēng)險(xiǎn)的度量、傳導(dǎo)、預(yù)警這一整個(gè)流程，其焦點(diǎn)往往集中于金融市場(chǎng)中各經(jīng)濟(jì)體所構(gòu)成的一個(gè)系統(tǒng)整體之上，CoVaR模型相較于傳統(tǒng)的VaR，能更有效的衡量金融系統(tǒng)性風(fēng)險(xiǎn)，以及極端風(fēng)險(xiǎn)沖擊下的市場(chǎng)間波動(dòng)溢出方向、程度等，這對(duì)于風(fēng)險(xiǎn)管理與決策的精確施行具有很好的參考作用。