淳偉德+趙如波+謝琴等

摘要：本文運(yùn)用機(jī)制轉(zhuǎn)換混合Copula函數(shù)研究了滬深300股指期貨與滬深300指數(shù)之間的尾部傳染，用AR（1）GJR（1，1）t模型描述滬深股指期貨和現(xiàn)貨收益率的邊緣分布，以機(jī)制轉(zhuǎn)換混合Copula函數(shù)對(duì)股指期貨與現(xiàn)貨收益率間的尾部相依結(jié)構(gòu)進(jìn)行建模，刻畫了滬深300股指期貨與現(xiàn)貨2010年4月16日至2013年2月1日期間的尾部相依結(jié)構(gòu)，并分析了兩市之間的尾部傳染性。實(shí)證結(jié)果表明：機(jī)制轉(zhuǎn)換混合Copula模型比無(wú)機(jī)制轉(zhuǎn)換的混合Copula模型更能夠準(zhǔn)確地描述兩個(gè)市場(chǎng)之間的尾部相依結(jié)構(gòu)；兩個(gè)市場(chǎng)上尾的相依關(guān)系要強(qiáng)于下尾的相依關(guān)系；在整個(gè)研究期間內(nèi)兩市發(fā)生了明顯的尾部風(fēng)險(xiǎn)傳染。

關(guān)鍵詞：股指期貨；Copula函數(shù)；機(jī)制轉(zhuǎn)換；尾部傳染

中圖分類號(hào)：F830.9文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：10035192（2014）05003006doi：10.11847/fj.33.5.30

Abstract：This paper constructs a regimeswitching mixed Copula model to research the tail contagion of CSI300 index futures and CSI300 index. Apply AR（1）GJR（1，1）t model to describe the marginal distribution of CSI 300 index futures and spots return rates， and regimeswitching mixed Copula model to describe the dependence structure of stock index futures and spots return rates. Describe the dependence structure of CSI index futures and spots from April 16， 2010 to February 1， 2013 and analyse the tail contagion of the two markets. The empirical results show that regimeswitching mixed Copula model can more accurately describe tail dependence structure of two markets than mixed Copula model. Moreover， the dependence relation of upper tail of two markets is stronger than the dependence relation of lower tail and the two markets occurred obviously tail risk contagion in the research period.

Key words：stock index futures； Copula function ； regimeswitching； tail contagion

1引言

在過(guò)去20年間，全球金融市場(chǎng)爆發(fā)了幾次比較嚴(yán)重的金融危機(jī)。這幾次金融危機(jī)表明：經(jīng)濟(jì)全球化在推動(dòng)不同國(guó)家或地區(qū)之間金融市場(chǎng)共同發(fā)展與繁榮的同時(shí)，也可能把經(jīng)濟(jì)風(fēng)險(xiǎn)傳染到其他國(guó)家與地區(qū)。比如說(shuō)，2007年爆發(fā)的次貸危機(jī)由美國(guó)迅速蔓延至全球其他國(guó)家，形成了全球性的金融危機(jī)[1]。因此，研究不同金融市場(chǎng)之間的風(fēng)險(xiǎn)傳染，對(duì)于防范金融危機(jī)在不同金融市場(chǎng)之間的傳染，保持金融市場(chǎng)的平穩(wěn)運(yùn)行，規(guī)避投資風(fēng)險(xiǎn)等有著極其重要的意義。

股指期貨始于20世紀(jì)80年代，經(jīng)過(guò)30多年的發(fā)展已成為金融市場(chǎng)上最重要、最成功的金融衍生品之一[2]。股指期貨不僅能夠較有效地規(guī)避股票現(xiàn)貨市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)，而且還能通過(guò)價(jià)格發(fā)現(xiàn)功能在一定程度上穩(wěn)定資本市場(chǎng)。但是，股指期貨與現(xiàn)貨之間特殊的相依關(guān)系卻使得杠桿值進(jìn)一步增加，從而為金融風(fēng)險(xiǎn)傳播提供了一條新的渠道，導(dǎo)致金融風(fēng)險(xiǎn)在與其關(guān)聯(lián)的金融市場(chǎng)中間蔓延并不斷積累，最終很可能引發(fā)新的金融風(fēng)波甚至是金融危機(jī)[3]。因此，研究股指期貨與現(xiàn)貨之間金融風(fēng)險(xiǎn)傳染，對(duì)于金融市場(chǎng)風(fēng)險(xiǎn)管理者而言具有一定的現(xiàn)實(shí)意義。

中國(guó)金融市場(chǎng)目前已成為全球最大的新興金融市場(chǎng)之一[4]。但是，與西方成熟的金融市場(chǎng)相比，無(wú)論是在市場(chǎng)制度建設(shè)，還是風(fēng)險(xiǎn)防范等方面中國(guó)金融市場(chǎng)尚存在許多的不成熟之處。尤其是，中國(guó)的股指期貨至今才推出短短的3年時(shí)間，較股票市場(chǎng)而言顯得更加不成熟[5]。雖然國(guó)外學(xué)者對(duì)西方的股指期貨與現(xiàn)貨之間的風(fēng)險(xiǎn)傳染已經(jīng)做了很多相關(guān)研究，但是中國(guó)金融市場(chǎng)較西方成熟金融市場(chǎng)有其自身的獨(dú)特之處，故研究中國(guó)股指期貨與現(xiàn)貨之間的風(fēng)險(xiǎn)傳染有一定的理論價(jià)值與實(shí)際意義。

然而，對(duì)金融風(fēng)險(xiǎn)管理者而言，尤其關(guān)注那些雖然發(fā)生概率極小，一旦發(fā)生就會(huì)造成巨大損失甚至使投資者遭受滅頂之災(zāi)的極端風(fēng)險(xiǎn)[6]。極端風(fēng)險(xiǎn)可能導(dǎo)致投資者破產(chǎn)，危及金融市場(chǎng)的健康平穩(wěn)運(yùn)行甚至可能引發(fā)金融危機(jī)等嚴(yán)重后果。而金融資產(chǎn)收益率尾部恰好代表著極端風(fēng)險(xiǎn)。因此，在金融風(fēng)險(xiǎn)管理中，就特別需要關(guān)注尾部風(fēng)險(xiǎn)。據(jù)此，本文主要研究中國(guó)股指期貨與現(xiàn)貨之間的尾部風(fēng)險(xiǎn)傳染。

淳偉德，等：基于機(jī)制轉(zhuǎn)換混合Copula的股指期貨與現(xiàn)貨尾部傳染性研究

Vol.33， No.5預(yù)測(cè)2014年第5期

目前，對(duì)于金融市場(chǎng)之間風(fēng)險(xiǎn)傳染的研究方法主要包括以下幾類：相關(guān)系數(shù)檢驗(yàn)法[7]、以GARCH為框架的多元模型[8]、以VAR方法為基礎(chǔ)的協(xié)整和格蘭杰因果檢驗(yàn)[9]以及機(jī)制轉(zhuǎn)換模型[10]。由于金融數(shù)據(jù)常常具有非正態(tài)、尖峰、厚尾以及非線性和條件異方差這些典型事實(shí)[11]，可能使上述方法分析結(jié)果產(chǎn)生偏差。而近年來(lái)廣泛使用的Copula模型恰恰又能很好地解決以上不足，因此，本文使用Copula模型來(lái)分析金融市場(chǎng)之間的風(fēng)險(xiǎn)傳染。

就Copula函數(shù)而言，主要包括兩大類：橢圓Copula函數(shù)、阿基米德Copula函數(shù)。橢圓型Copula函數(shù)中有正態(tài)Copula函數(shù)、tCopula函數(shù)，它們無(wú)法捕捉到金融市場(chǎng)非對(duì)稱相依結(jié)構(gòu)。阿基米德Copula函數(shù)中有 GumbelCopula、ClaytonCopula、FrankCopula函數(shù)。以上三種阿基米德Copula函數(shù)各有優(yōu)劣，GumbelCopula能夠捕捉上尾相依關(guān)系，卻無(wú)法捕捉下尾相依關(guān)系；ClaytonCopula函數(shù)雖然可以刻畫下尾相依關(guān)系，但卻無(wú)法捕捉到上尾相依關(guān)系；FrankCopula函數(shù)雖然能夠同時(shí)捕捉到上尾、下尾的相依關(guān)系，但只能刻畫對(duì)稱兩尾的相依關(guān)系。如果僅僅單純使用某一Copula函數(shù)很難準(zhǔn)確描述金融市場(chǎng)之間的相依關(guān)系。正因?yàn)槿绱?，近年?lái)已經(jīng)有學(xué)者運(yùn)用混合Copula函數(shù)來(lái)描述不同市場(chǎng)間的相依結(jié)構(gòu)，取得了很好的效果[12]。需要指出的是，混合Copula函數(shù)雖能夠較為準(zhǔn)確地刻畫金融市場(chǎng)之間的相依結(jié)構(gòu)，但卻不能刻畫尾部相依結(jié)構(gòu)的變化。雖然，也有學(xué)者引入時(shí)變Copula函數(shù)來(lái)衡量相依結(jié)構(gòu)的時(shí)變性，但這種時(shí)變模型設(shè)定存在一定主觀性，無(wú)法解釋存在的大波動(dòng)[13]等問題。機(jī)制轉(zhuǎn)換混合Copula模型是在混合Copula模型的基礎(chǔ)上加入一個(gè)狀態(tài)變量，并假設(shè)狀態(tài)變量的變化服從一階馬爾科夫過(guò)程，使得混合Copula模型的參數(shù)隨著狀態(tài)變量的變化而變化。機(jī)制轉(zhuǎn)換混合Copula模型不僅很好地克服了單一機(jī)制混合Copula模型和時(shí)變Copula模型的不足，而且還能夠準(zhǔn)確刻畫金融市場(chǎng)間相依狀態(tài)的動(dòng)態(tài)變化，并能同時(shí)捕捉到上、下尾部可能存在的非對(duì)稱相依關(guān)系[14]。所以，本文在混合Copula函數(shù)的基礎(chǔ)上加入機(jī)制狀態(tài)，分析股指期貨與現(xiàn)貨之間的尾部風(fēng)險(xiǎn)傳染。

綜上所述，本文運(yùn)用機(jī)制轉(zhuǎn)換混合Copula函數(shù)來(lái)研究滬深300指數(shù)股指期貨與現(xiàn)貨之間的動(dòng)態(tài)尾部相依結(jié)構(gòu)和風(fēng)險(xiǎn)傳染效應(yīng)，為政府金融管理部門、投資者提供決策借鑒。具體來(lái)說(shuō)，本文將重點(diǎn)討論以下問題：（1）股指期貨與現(xiàn)貨市場(chǎng)之間存在怎樣的相依結(jié)構(gòu)，尤其是尾部相依結(jié)構(gòu)如何？（2）什么樣的Copula模型能夠準(zhǔn)確刻畫這種相依關(guān)系？（3）滬深300股指期貨與現(xiàn)貨之間是否發(fā)生了尾部風(fēng)險(xiǎn)傳染？

迄今為止，已有許多學(xué)者運(yùn)用Copula模型對(duì)金融市場(chǎng)間的尾部相依性進(jìn)行了大量研究。韋艷華和張世英[15]建立CopulaGarcht模型對(duì)上證交易所各板塊指數(shù)的條件相關(guān)性進(jìn)行了分析并取得了較好的效果； Hu[16]提出混合Copula函數(shù)的概念，即把不同的Copula函數(shù)進(jìn)行線性組合用來(lái)描述不同相依模式金融市場(chǎng)的相依關(guān)系；Patton[17]引入條件Copula的概念，并建立了時(shí)變Copula函數(shù)，來(lái)研究匯率的不對(duì)稱結(jié)構(gòu)；王永巧和劉詩(shī)文[18]使用時(shí)變SJCCopula模型分析了中國(guó)股票市場(chǎng)與主要國(guó)際股票市場(chǎng)之間風(fēng)險(xiǎn)傳染；彭選華和傅強(qiáng)[19]使用時(shí)變tCopula模型分析了股指期貨和現(xiàn)貨時(shí)變相依結(jié)構(gòu)；劉偉等[13]使用含狀態(tài)轉(zhuǎn)換的Copula模型對(duì)我國(guó)股票市場(chǎng)進(jìn)行了實(shí)證研究，其結(jié)果表明此模型更能描述其相依性模式；吳吉林和張二華[14]使用機(jī)制轉(zhuǎn)換混合Copula模型分析了我國(guó)股市與港臺(tái)股市之間的風(fēng)險(xiǎn)傳染；李偉[20]使用靜態(tài)Copula、動(dòng)態(tài)Copula和馬爾科夫轉(zhuǎn)換Copula研究了我國(guó)上證A股指數(shù)和B股指數(shù)，其結(jié)果表明動(dòng)態(tài)和馬爾科夫Copula模型比靜態(tài)Copula更能刻畫金融市場(chǎng)之間的相依結(jié)構(gòu)。雖然以上研究都取得了明顯的研究成果，但仍然不容忽視的是，大多數(shù)文獻(xiàn)都是使用單一Copula模型或者混合Copula模型來(lái)分析金融市場(chǎng)之間的相依性。雖然有一些學(xué)者使用時(shí)變Copula模型研究風(fēng)險(xiǎn)傳染，但其模型設(shè)置上有一定主觀性。相關(guān)學(xué)者的研究結(jié)果表明：機(jī)制轉(zhuǎn)換混合Copula模型很好地克服了以上模型的不足[14]。因此，本文運(yùn)用機(jī)制轉(zhuǎn)換混合Copula模型來(lái)刻畫滬深300指數(shù)與股指期貨之間的尾部風(fēng)險(xiǎn)傳染，應(yīng)該是一個(gè)更為有效的研究方法。

最后，就掌握的文獻(xiàn)而言，本文具有明顯的創(chuàng)新性：（1）本文使用機(jī)制轉(zhuǎn)換混合Copula模型同時(shí)對(duì)金融收益率上、下尾部相依性建模來(lái)研究滬深300指數(shù)與股指期貨之間的尾部風(fēng)險(xiǎn)傳染。（2）本文使用邊緣分布模型刻畫了金融市場(chǎng)有價(jià)值的典型事實(shí)，使其能更準(zhǔn)確反映金融市場(chǎng)復(fù)雜的特征。

2研究方法

2.1基于機(jī)制轉(zhuǎn)換混合Copula函數(shù)的金融市場(chǎng)動(dòng)態(tài)尾部風(fēng)險(xiǎn)傳染模型

金融市場(chǎng)瞬息萬(wàn)變，不同金融市場(chǎng)之間的相依結(jié)構(gòu)不可能一成不變。為了準(zhǔn)確描述滬深300指數(shù)與股指期貨之間的動(dòng)態(tài)相依結(jié)構(gòu)，我們將GumbelCopula函數(shù)和ClaytonCopula函數(shù)構(gòu)建成混合Copula函數(shù)，并在此基礎(chǔ)上引入機(jī)制轉(zhuǎn)換。將研究的滬深300指數(shù)與股指期貨之間的相依程度分為高相依和低相依兩個(gè)狀態(tài)，在Copula函數(shù)中引入兩狀態(tài)變量，并假設(shè)其變動(dòng)服從一階馬爾科夫狀態(tài)轉(zhuǎn)換過(guò)程，其狀態(tài)轉(zhuǎn)移概率設(shè)為常矩陣形

3實(shí)證分析

3.1樣本選取與說(shuō)明

本文選取國(guó)泰安CMSAR數(shù)據(jù)庫(kù)中的滬深300指數(shù)以及滬深300股指期貨當(dāng)月連續(xù)合約為研究對(duì)象，選擇當(dāng)月連續(xù)合約是因?yàn)樵诠芍钙谪浀乃膫€(gè)合約中，當(dāng)月連續(xù)合約的成交量最大，能夠更好地反映股指期貨的整體走勢(shì)。研究期間為2010年4月16日至2013年2月1日，共681個(gè)交易日。

3.2描述性統(tǒng)計(jì)與邊緣分布模型估計(jì)

我們通過(guò)公式rt=100（lnpt-lnpt-1）（pt、pt-1為收盤價(jià)）得到收益率，并對(duì)收益率進(jìn)行描述性統(tǒng)計(jì)，其結(jié)果表明：滬深300指數(shù)與股指期貨的峰度分別為4.6414和5.4110，表明兩收益率都具有“尖峰”特征；滬深300指數(shù)的偏度為負(fù)值，表明收益率序列的左尾部更長(zhǎng)，而股指期貨的偏度為正值，則其收益率的右尾部更長(zhǎng)；通過(guò)JarqueBera統(tǒng)計(jì)檢驗(yàn)結(jié)果可知，兩市的收益率均不服從正態(tài)分布；Q統(tǒng)計(jì)量和ARCH統(tǒng)計(jì)量表明兩收益率存在自相關(guān)和異方差；兩收益率的ADF統(tǒng)計(jì)量分別為-26.8642和-27.887，表明收益率序列是平穩(wěn)的時(shí)間序列。從上述分析我們知道收益率不僅具有明顯的尖峰特征、非正態(tài)性、自相關(guān)性和異方差性，還可能具有非對(duì)稱性。

3.3邊緣分布參數(shù)估計(jì)

正是由于滬深300指數(shù)與股指期貨收益率具有自相關(guān)性以及異方差性等典型事實(shí)，而Copula函數(shù)要求其處理的序列具有獨(dú)立同分布，若直接將收益率序列用Copula函數(shù)進(jìn)行處理，則得到的結(jié)果可能存在誤差。所以本文在用Copula函數(shù)處理數(shù)據(jù)之前先用AR（1）GJR（1，1）t進(jìn)行過(guò)濾使得到的數(shù)據(jù)滿足獨(dú)立同分布。

在邊緣分布模型AR（1）GJR（1，1）t參數(shù)中，滬深300指數(shù)和股指期貨的杠桿系數(shù)分別為0.021和0.022，表明兩市都存在負(fù)向杠桿效應(yīng)，說(shuō)明投資者對(duì)于利空消息的反應(yīng)更為強(qiáng)烈。而滬深300指數(shù)和股市期貨的KS概率值分別為0.454和0.716，由KS檢驗(yàn)的定義可知經(jīng)過(guò)處理的滬深300指數(shù)以及股市期貨服從[0，1]均勻分布，因此用該邊緣分布模型來(lái)擬合兩市收益率數(shù)據(jù)是合適的。

3.4混合Copula模型建模與檢驗(yàn)

通過(guò)以上兩個(gè)步驟，我們得到了排除金融市場(chǎng)典型事實(shí)影響的標(biāo)準(zhǔn)化殘差序列，并且這兩個(gè)序列服從獨(dú)立同分布。因此，我們可以建立模型進(jìn)一步考察股指期貨與現(xiàn)貨的尾部相依結(jié)構(gòu)，從而能夠?yàn)檠芯课膊總魅咎峁┚薮蟮膸椭?/p>

滬深300指數(shù)和股指期貨的上、下尾部相依系數(shù)分別為0.59和0.26，說(shuō)明滬深300指數(shù)和股指期貨的尾部相依結(jié)構(gòu)具有明顯非對(duì)稱性，即上尾高、下尾低的特征。這一結(jié)構(gòu)特征說(shuō)明，滬深300指數(shù)暴漲（暴跌）時(shí)，股指期貨也隨之暴漲（暴跌），但兩市同時(shí)暴跌概率明顯低于同時(shí)暴漲的概率。

進(jìn)一步，我們對(duì)模型的擬合效果進(jìn)行了嚴(yán)謹(jǐn)?shù)慕y(tǒng)計(jì)檢驗(yàn)（χ2檢驗(yàn)），其結(jié)果表明：在5%的顯著性水平下，所有的χ2值都小于門檻值，根據(jù)χ2檢驗(yàn)的設(shè)定可知混合Copula函數(shù)通過(guò)了檢驗(yàn)，表明該模型能夠很好地?cái)M合數(shù)據(jù)，從而能夠較好地刻畫金融市場(chǎng)間的相依結(jié)構(gòu)。

3.5機(jī)制轉(zhuǎn)換混合Copula模型建模與尾部傳染分析上文使用混合Copula模型分析了滬深300指數(shù)與股指期貨的尾部相依關(guān)系，發(fā)現(xiàn)兩市之間上尾相依性高于下尾。然而，從這個(gè)模型，我們卻只能觀察到兩市之間的靜態(tài)相依結(jié)構(gòu)，無(wú)法確定兩市之間的動(dòng)態(tài)相依關(guān)系。為了進(jìn)一步準(zhǔn)確地捕捉滬深300指數(shù)與股指期貨尾部相依結(jié)構(gòu)的動(dòng)態(tài)特征以及可能存在的結(jié)構(gòu)變化，我們給出了機(jī)制轉(zhuǎn)換混合Copula函數(shù)的參數(shù)估計(jì)值，其估計(jì)結(jié)果見表1。

進(jìn)一步，為了研究股指期貨與滬深300指數(shù)尾部可能存在的相依結(jié)構(gòu)的變化，我們具體考察低相依機(jī)制狀態(tài)下的p（st=0|It）的平滑概率，并用其來(lái)確定研究樣本區(qū)間內(nèi)兩序列相依性結(jié)構(gòu)變化的開始時(shí)點(diǎn)。從平滑概率值可以觀察到滬深300指數(shù)和股指期貨之間的相依結(jié)構(gòu)變動(dòng)比較頻繁，下面我們具體分析其中幾次較大的相依結(jié)構(gòu)變動(dòng)情況。股指期貨與滬深300指數(shù)的相依結(jié)構(gòu)在2010年8月開始了第一次變化，此時(shí)逐漸由高相依機(jī)制進(jìn)入低相依機(jī)制。在2011年3月至2011年12月之間，兩市相依性轉(zhuǎn)變?yōu)楦呦嘁罊C(jī)制，然后在2011年12月左右又趨向低相依機(jī)制，在此之后兩市的相依機(jī)制又緩慢轉(zhuǎn)變?yōu)楦呦嘁馈Ｈ绻越鹑谑袌?chǎng)之間的相依性來(lái)判斷兩市之間是否發(fā)生風(fēng)險(xiǎn)傳染，那么從上述分析可以推斷出滬深300指數(shù)與股指期貨之間發(fā)生了一定程度的風(fēng)險(xiǎn)傳染。

目前，研究不同金融市場(chǎng)之間是否發(fā)生風(fēng)險(xiǎn)傳染的主要做法是考察其收益率的相依性。Forbes和Rigobon[23]把不同金融市場(chǎng)之間的相依性增強(qiáng)定義為“風(fēng)險(xiǎn)傳染”。下面，本文同樣使用這種定義來(lái)分析股指期貨與現(xiàn)貨之間的尾部風(fēng)險(xiǎn)傳染。

滬深300指數(shù)與股指期貨的上尾動(dòng)態(tài)相依系數(shù)見圖1，可以看出兩市的上尾相依系數(shù)在整個(gè)研究區(qū)間均處于較高的水平，表明兩市之間同時(shí)暴漲的概率很大。從圖1中我們還可以看到上尾相依系數(shù)呈現(xiàn)出明顯的結(jié)構(gòu)性變化，因此，我們大致可以將其分成兩個(gè)階段。在2011年12月之前上尾相依系數(shù)較為平穩(wěn)，而在此之后變動(dòng)較為明顯。在第一階段，上尾相依系數(shù)發(fā)生了2次短暫的上升，則兩市之間發(fā)生了兩次短暫的尾部風(fēng)險(xiǎn)傳染。而在第二階段，兩市之間的上尾部相依系數(shù)先迅速上漲，再緩慢下降，表明兩市發(fā)生了較為明顯的尾部風(fēng)險(xiǎn)傳染。我們可以發(fā)現(xiàn)單一機(jī)制混合Copula模型估計(jì)出的上尾相依系數(shù)略低于機(jī)制轉(zhuǎn)換混合Copula函數(shù)，若使用單一機(jī)制模型則可能低估兩者之間的上尾相依系數(shù)。

圖1滬深300指數(shù)與股指期貨的上、下尾相依性

滬深300指數(shù)與股指期貨的下尾動(dòng)態(tài)相依系數(shù)見圖1，從圖中我們可以看出在整個(gè)研究區(qū)間內(nèi)，下尾相依系數(shù)低于上尾相依系數(shù)，這表明兩市在這個(gè)區(qū)間內(nèi)同時(shí)暴跌的概率小于同時(shí)暴漲的概率，換言之，即利好消息對(duì)于股市與期貨市場(chǎng)的影響大于利空的消息，好消息的傳染性強(qiáng)于壞消息，這與其他成熟的西方金融市場(chǎng)大相徑庭。原因可能是較西方成熟市場(chǎng)我國(guó)股指期貨由于才剛剛推出，因而其市場(chǎng)制度建設(shè)還不夠成熟，投機(jī)氣氛更為濃郁。

從圖1我們還可以看到，下尾相依系數(shù)也大致可以分成兩個(gè)不同階段。在2011年12月以前，下尾相依系數(shù)基本保持平穩(wěn)，而在此之后下尾相依系數(shù)逐漸增大。根據(jù)上文關(guān)于風(fēng)險(xiǎn)傳染的定義可知，股指期貨與現(xiàn)貨在2011年12月之前基本沒有發(fā)生尾部風(fēng)險(xiǎn)傳染，而在此之后兩市之間發(fā)生了明顯的尾部風(fēng)險(xiǎn)傳染。通過(guò)單一機(jī)制混合Copula模型估計(jì)的下尾相依系數(shù)略高于機(jī)制轉(zhuǎn)換混合Copula模型，若只使用混合Copula模型來(lái)刻畫尾部相依結(jié)構(gòu)，則可能高估兩市之間同時(shí)暴跌的概率。

4結(jié)論

金融市場(chǎng)之間尾部傳染研究一直是金融界理論研究的重要內(nèi)容，也是金融市場(chǎng)風(fēng)險(xiǎn)管理和分散投資風(fēng)險(xiǎn)需要考慮的關(guān)鍵點(diǎn)。本文運(yùn)用AR（1）GJR（1，1）t模型對(duì)滬深300指數(shù)和股指期貨建立收益波動(dòng)模型，然后得到標(biāo)準(zhǔn)殘差排除金融市場(chǎng)部分典型事實(shí)對(duì)相依關(guān)系的影響。在此基礎(chǔ)上運(yùn)用由Clayton和Gumbel組成的機(jī)制轉(zhuǎn)換混合Copula模型對(duì)尾部相依結(jié)構(gòu)進(jìn)行建模，分析了滬深300指數(shù)與股指期貨的尾部動(dòng)態(tài)相依結(jié)構(gòu)以及兩市之間是否發(fā)生了尾部傳染，并取得了較好的研究成果。通過(guò)實(shí)證分析，得到了一些有價(jià)值的結(jié)論：

（1）滬深300指數(shù)和股指期貨收益率整體走勢(shì)較一致，尤其是在聯(lián)合分布的尾部具有很高的相依性，尾部相依性呈現(xiàn)出較強(qiáng)的非對(duì)稱性，上尾相依性大于下尾相依性，即收益率同時(shí)出現(xiàn)暴漲的概率大于暴跌的概率，這與Garcia和Tsafack[24]的研究結(jié)果有很大的不同。本文的研究結(jié)果給予我們兩方面啟示，一方面，滬深300指數(shù)與股指期貨價(jià)格走勢(shì)高度相關(guān)，投資者可以合理利用這一特點(diǎn)進(jìn)行套期保值，規(guī)避股票現(xiàn)貨市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)。另一方面，金融市場(chǎng)的監(jiān)管者需要注意股指期貨市場(chǎng)價(jià)格的動(dòng)態(tài)變化，防止投機(jī)者利用股指期貨的賣空機(jī)制來(lái)對(duì)股票現(xiàn)貨市場(chǎng)進(jìn)行惡意做空，損害中國(guó)股票市場(chǎng)的健康發(fā)展。

（2）通過(guò)觀察單一機(jī)制混合Copula模型和機(jī)制轉(zhuǎn)換混合Copula模型的估計(jì)結(jié)果，我們可以發(fā)現(xiàn)滬深300指數(shù)與股指期貨的尾部相依結(jié)構(gòu)表現(xiàn)出明顯的非對(duì)稱性，上尾相依性明顯強(qiáng)于下尾相依性。說(shuō)明在股市牛市時(shí)期，股指期貨市場(chǎng)與現(xiàn)貨市場(chǎng)存在著更強(qiáng)的相依性。我國(guó)股指期貨與現(xiàn)貨的這種相依結(jié)構(gòu)與國(guó)外學(xué)者[25]的研究結(jié)果明顯不同，這可能是由于我國(guó)的股指期貨推出時(shí)間比較短，股指期貨市場(chǎng)相關(guān)制度建設(shè)尚未完善以及投資者對(duì)于股指期貨尚未熟悉所致。

（3）滬深300指數(shù)與股指期貨在整個(gè)研究階段發(fā)生了明顯的尾部風(fēng)險(xiǎn)傳染，但是尾部風(fēng)險(xiǎn)傳染在不同時(shí)間階段強(qiáng)度不一樣。弄清滬深300指數(shù)與股指期貨之間是否發(fā)生了尾部風(fēng)險(xiǎn)傳染，以及發(fā)生尾部傳染的具體時(shí)間，對(duì)于金融市場(chǎng)監(jiān)管者與投資者有很強(qiáng)的現(xiàn)實(shí)意義。對(duì)于金融市場(chǎng)管理者而言，能夠在兩市發(fā)生劇烈的尾部傳染之前采取合適的政策措施，確保股票市場(chǎng)和股指期貨市場(chǎng)的健康平穩(wěn)運(yùn)行。對(duì)于投資者而言，可以根據(jù)研究結(jié)果合理分配在兩市之間的投資比例，規(guī)避極端風(fēng)險(xiǎn)給投資者帶來(lái)巨額損失。

參考文獻(xiàn)：

[1]林宇，陳王.基于典型事實(shí)的金融市場(chǎng)動(dòng)態(tài)極值風(fēng)險(xiǎn)測(cè)度與傳導(dǎo)效應(yīng)研究[M].北京：科學(xué)出版社，2013.

[2]聞岳春，王泳.股指期貨推出對(duì)股票市場(chǎng)流動(dòng)性影響分析[J].金融理論與實(shí)踐，2012，（7）：8084.

[3]劉文財(cái).中國(guó)股指期貨市場(chǎng)的理念與實(shí)踐[J].上海金融，2010，（12）：6164.

[4]Hong Y， Liu Y， Wang S. Granger causality in risk and detection of extreme risk spillover between financial markets[J]. Journal of Econometrics， 2009， 150（2）： 271287.

[5]劉慶富，黃波，方磊.中國(guó)股指期貨和股票現(xiàn)貨跨市監(jiān)管研究[J].財(cái)經(jīng)問題研究，2012，（6）：5561.

[6]王藝馨，周勇.極端情況下對(duì)我國(guó)股市風(fēng)險(xiǎn)的實(shí)證研究[J].中國(guó)管理科學(xué)，2012，20（3）：2027.

[7]King M， Wadhwani S. Transmission of volatility between stock market[J]. Review of Financial Studies， 1990， 3（1）： 535.

[8]Tse Y K. A test for constant correlations in a multivariate GARCH model[J]. Journal of Econometrics， 2000， 98（1）： 107127.

[9]Blackman S C， Holden K， Thomas W A. Longterm relationships between international share prices[J]. Applied Financial Economics， 1994， 4（4）： 297304.

[10]Ang A， Bekaert G. International asset allocation with regime shifts[J]. Review of Financial Studies， 2002，15（4）：11371187.

[11]林宇.典型事實(shí)、極值理論與金融市場(chǎng)動(dòng)態(tài)風(fēng)險(xiǎn)測(cè)度研究[J].投資研究，2012，31（1）：4156.

[12]易文德.基于ARMAGARCHCOUPULA模型的交易量與股價(jià)波動(dòng)相依關(guān)[J].系統(tǒng)管理學(xué)報(bào)，2012，21（5）：696703.

[13]劉偉，陳功，馬利軍.含狀態(tài)轉(zhuǎn)換的Copula模型及其應(yīng)用[J].運(yùn)籌與管理，2009，18（5）：120125.

[14]吳吉林，張二華.基于機(jī)制轉(zhuǎn)換混合Copula模型的我國(guó)股市間極值相依性[J].系統(tǒng)工程理論與實(shí)踐，2012，32（8）：16621672.

[15]韋艷華，張世英.金融市場(chǎng)的相關(guān)性分析CopulaGARCH模型及其應(yīng)用[J].系統(tǒng)工程，2004，22（4）：712.

[16]Hu L. Essays in econometrics with applications in macroeconomic and financial modelling[D]. New Haven： Yale University， 2002.

[17]Patton A J. Modelling asymmetric exchange rate dependence[J]. International Economic Review， 2006， 47（2）： 527555.

[18]王永巧，劉詩(shī)文.基于時(shí)變Copula的金融開放與風(fēng)險(xiǎn)傳染[J].系統(tǒng)工程理論與實(shí)踐，2011，31（4）：778784.

[19]彭選華，傅強(qiáng).股指期貨對(duì)現(xiàn)貨時(shí)變相依結(jié)構(gòu)的多尺度研究[J].系統(tǒng)工程，2011，29（5）：1421.

[20]李偉.基于金融波動(dòng)模型的Copula函數(shù)建模與應(yīng)用研究[D].成都：西南財(cái)經(jīng)大學(xué)，2009.

[21]魏平，劉海生.Copula模型在滬深股市相關(guān)性研究中的應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理，2010，29（5）：890897.

[22]Hamilton J D. A new approach to the economic analysis of nonstationary time series and the business cycle[J]. Econometrica， 1989， 57（2）： 357384.

[23]Forbes K J， Rigobon R. No contagion， only interdependence： measuring stock market comovement[J]. Journal of Finance， 2002， 57（5）： 22232261.

[24]Garcia R， Tsafack G. Dependence structure and extreme comovements in international equity and bond markets[J]. Journal of Banking & Finance， 2011， 35（8）： 19541970.

[25]Chan K C， Wong A. Changes in stock returns and trading volume of American depositary receipts around their U.S. stock exchange listing switches[J]. The Journal of Applied Business Research， 2012， 28（6）： 14451450.

（1）滬深300指數(shù)和股指期貨收益率整體走勢(shì)較一致，尤其是在聯(lián)合分布的尾部具有很高的相依性，尾部相依性呈現(xiàn)出較強(qiáng)的非對(duì)稱性，上尾相依性大于下尾相依性，即收益率同時(shí)出現(xiàn)暴漲的概率大于暴跌的概率，這與Garcia和Tsafack[24]的研究結(jié)果有很大的不同。本文的研究結(jié)果給予我們兩方面啟示，一方面，滬深300指數(shù)與股指期貨價(jià)格走勢(shì)高度相關(guān)，投資者可以合理利用這一特點(diǎn)進(jìn)行套期保值，規(guī)避股票現(xiàn)貨市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)。另一方面，金融市場(chǎng)的監(jiān)管者需要注意股指期貨市場(chǎng)價(jià)格的動(dòng)態(tài)變化，防止投機(jī)者利用股指期貨的賣空機(jī)制來(lái)對(duì)股票現(xiàn)貨市場(chǎng)進(jìn)行惡意做空，損害中國(guó)股票市場(chǎng)的健康發(fā)展。

（2）通過(guò)觀察單一機(jī)制混合Copula模型和機(jī)制轉(zhuǎn)換混合Copula模型的估計(jì)結(jié)果，我們可以發(fā)現(xiàn)滬深300指數(shù)與股指期貨的尾部相依結(jié)構(gòu)表現(xiàn)出明顯的非對(duì)稱性，上尾相依性明顯強(qiáng)于下尾相依性。說(shuō)明在股市牛市時(shí)期，股指期貨市場(chǎng)與現(xiàn)貨市場(chǎng)存在著更強(qiáng)的相依性。我國(guó)股指期貨與現(xiàn)貨的這種相依結(jié)構(gòu)與國(guó)外學(xué)者[25]的研究結(jié)果明顯不同，這可能是由于我國(guó)的股指期貨推出時(shí)間比較短，股指期貨市場(chǎng)相關(guān)制度建設(shè)尚未完善以及投資者對(duì)于股指期貨尚未熟悉所致。

（3）滬深300指數(shù)與股指期貨在整個(gè)研究階段發(fā)生了明顯的尾部風(fēng)險(xiǎn)傳染，但是尾部風(fēng)險(xiǎn)傳染在不同時(shí)間階段強(qiáng)度不一樣。弄清滬深300指數(shù)與股指期貨之間是否發(fā)生了尾部風(fēng)險(xiǎn)傳染，以及發(fā)生尾部傳染的具體時(shí)間，對(duì)于金融市場(chǎng)監(jiān)管者與投資者有很強(qiáng)的現(xiàn)實(shí)意義。對(duì)于金融市場(chǎng)管理者而言，能夠在兩市發(fā)生劇烈的尾部傳染之前采取合適的政策措施，確保股票市場(chǎng)和股指期貨市場(chǎng)的健康平穩(wěn)運(yùn)行。對(duì)于投資者而言，可以根據(jù)研究結(jié)果合理分配在兩市之間的投資比例，規(guī)避極端風(fēng)險(xiǎn)給投資者帶來(lái)巨額損失。

參考文獻(xiàn)：

[1]林宇，陳王.基于典型事實(shí)的金融市場(chǎng)動(dòng)態(tài)極值風(fēng)險(xiǎn)測(cè)度與傳導(dǎo)效應(yīng)研究[M].北京：科學(xué)出版社，2013.

[2]聞岳春，王泳.股指期貨推出對(duì)股票市場(chǎng)流動(dòng)性影響分析[J].金融理論與實(shí)踐，2012，（7）：8084.

[3]劉文財(cái).中國(guó)股指期貨市場(chǎng)的理念與實(shí)踐[J].上海金融，2010，（12）：6164.

[4]Hong Y， Liu Y， Wang S. Granger causality in risk and detection of extreme risk spillover between financial markets[J]. Journal of Econometrics， 2009， 150（2）： 271287.

[5]劉慶富，黃波，方磊.中國(guó)股指期貨和股票現(xiàn)貨跨市監(jiān)管研究[J].財(cái)經(jīng)問題研究，2012，（6）：5561.

[6]王藝馨，周勇.極端情況下對(duì)我國(guó)股市風(fēng)險(xiǎn)的實(shí)證研究[J].中國(guó)管理科學(xué)，2012，20（3）：2027.

[7]King M， Wadhwani S. Transmission of volatility between stock market[J]. Review of Financial Studies， 1990， 3（1）： 535.

[8]Tse Y K. A test for constant correlations in a multivariate GARCH model[J]. Journal of Econometrics， 2000， 98（1）： 107127.

[9]Blackman S C， Holden K， Thomas W A. Longterm relationships between international share prices[J]. Applied Financial Economics， 1994， 4（4）： 297304.

[10]Ang A， Bekaert G. International asset allocation with regime shifts[J]. Review of Financial Studies， 2002，15（4）：11371187.

[11]林宇.典型事實(shí)、極值理論與金融市場(chǎng)動(dòng)態(tài)風(fēng)險(xiǎn)測(cè)度研究[J].投資研究，2012，31（1）：4156.

[12]易文德.基于ARMAGARCHCOUPULA模型的交易量與股價(jià)波動(dòng)相依關(guān)[J].系統(tǒng)管理學(xué)報(bào)，2012，21（5）：696703.

[13]劉偉，陳功，馬利軍.含狀態(tài)轉(zhuǎn)換的Copula模型及其應(yīng)用[J].運(yùn)籌與管理，2009，18（5）：120125.

[14]吳吉林，張二華.基于機(jī)制轉(zhuǎn)換混合Copula模型的我國(guó)股市間極值相依性[J].系統(tǒng)工程理論與實(shí)踐，2012，32（8）：16621672.

[15]韋艷華，張世英.金融市場(chǎng)的相關(guān)性分析CopulaGARCH模型及其應(yīng)用[J].系統(tǒng)工程，2004，22（4）：712.

[16]Hu L. Essays in econometrics with applications in macroeconomic and financial modelling[D]. New Haven： Yale University， 2002.

[17]Patton A J. Modelling asymmetric exchange rate dependence[J]. International Economic Review， 2006， 47（2）： 527555.

[18]王永巧，劉詩(shī)文.基于時(shí)變Copula的金融開放與風(fēng)險(xiǎn)傳染[J].系統(tǒng)工程理論與實(shí)踐，2011，31（4）：778784.

[19]彭選華，傅強(qiáng).股指期貨對(duì)現(xiàn)貨時(shí)變相依結(jié)構(gòu)的多尺度研究[J].系統(tǒng)工程，2011，29（5）：1421.

[20]李偉.基于金融波動(dòng)模型的Copula函數(shù)建模與應(yīng)用研究[D].成都：西南財(cái)經(jīng)大學(xué)，2009.

[21]魏平，劉海生.Copula模型在滬深股市相關(guān)性研究中的應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理，2010，29（5）：890897.

[22]Hamilton J D. A new approach to the economic analysis of nonstationary time series and the business cycle[J]. Econometrica， 1989， 57（2）： 357384.

[23]Forbes K J， Rigobon R. No contagion， only interdependence： measuring stock market comovement[J]. Journal of Finance， 2002， 57（5）： 22232261.

[24]Garcia R， Tsafack G. Dependence structure and extreme comovements in international equity and bond markets[J]. Journal of Banking & Finance， 2011， 35（8）： 19541970.

[25]Chan K C， Wong A. Changes in stock returns and trading volume of American depositary receipts around their U.S. stock exchange listing switches[J]. The Journal of Applied Business Research， 2012， 28（6）： 14451450.

（1）滬深300指數(shù)和股指期貨收益率整體走勢(shì)較一致，尤其是在聯(lián)合分布的尾部具有很高的相依性，尾部相依性呈現(xiàn)出較強(qiáng)的非對(duì)稱性，上尾相依性大于下尾相依性，即收益率同時(shí)出現(xiàn)暴漲的概率大于暴跌的概率，這與Garcia和Tsafack[24]的研究結(jié)果有很大的不同。本文的研究結(jié)果給予我們兩方面啟示，一方面，滬深300指數(shù)與股指期貨價(jià)格走勢(shì)高度相關(guān)，投資者可以合理利用這一特點(diǎn)進(jìn)行套期保值，規(guī)避股票現(xiàn)貨市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)。另一方面，金融市場(chǎng)的監(jiān)管者需要注意股指期貨市場(chǎng)價(jià)格的動(dòng)態(tài)變化，防止投機(jī)者利用股指期貨的賣空機(jī)制來(lái)對(duì)股票現(xiàn)貨市場(chǎng)進(jìn)行惡意做空，損害中國(guó)股票市場(chǎng)的健康發(fā)展。

（2）通過(guò)觀察單一機(jī)制混合Copula模型和機(jī)制轉(zhuǎn)換混合Copula模型的估計(jì)結(jié)果，我們可以發(fā)現(xiàn)滬深300指數(shù)與股指期貨的尾部相依結(jié)構(gòu)表現(xiàn)出明顯的非對(duì)稱性，上尾相依性明顯強(qiáng)于下尾相依性。說(shuō)明在股市牛市時(shí)期，股指期貨市場(chǎng)與現(xiàn)貨市場(chǎng)存在著更強(qiáng)的相依性。我國(guó)股指期貨與現(xiàn)貨的這種相依結(jié)構(gòu)與國(guó)外學(xué)者[25]的研究結(jié)果明顯不同，這可能是由于我國(guó)的股指期貨推出時(shí)間比較短，股指期貨市場(chǎng)相關(guān)制度建設(shè)尚未完善以及投資者對(duì)于股指期貨尚未熟悉所致。

（3）滬深300指數(shù)與股指期貨在整個(gè)研究階段發(fā)生了明顯的尾部風(fēng)險(xiǎn)傳染，但是尾部風(fēng)險(xiǎn)傳染在不同時(shí)間階段強(qiáng)度不一樣。弄清滬深300指數(shù)與股指期貨之間是否發(fā)生了尾部風(fēng)險(xiǎn)傳染，以及發(fā)生尾部傳染的具體時(shí)間，對(duì)于金融市場(chǎng)監(jiān)管者與投資者有很強(qiáng)的現(xiàn)實(shí)意義。對(duì)于金融市場(chǎng)管理者而言，能夠在兩市發(fā)生劇烈的尾部傳染之前采取合適的政策措施，確保股票市場(chǎng)和股指期貨市場(chǎng)的健康平穩(wěn)運(yùn)行。對(duì)于投資者而言，可以根據(jù)研究結(jié)果合理分配在兩市之間的投資比例，規(guī)避極端風(fēng)險(xiǎn)給投資者帶來(lái)巨額損失。

參考文獻(xiàn)：

[1]林宇，陳王.基于典型事實(shí)的金融市場(chǎng)動(dòng)態(tài)極值風(fēng)險(xiǎn)測(cè)度與傳導(dǎo)效應(yīng)研究[M].北京：科學(xué)出版社，2013.

[2]聞岳春，王泳.股指期貨推出對(duì)股票市場(chǎng)流動(dòng)性影響分析[J].金融理論與實(shí)踐，2012，（7）：8084.

[3]劉文財(cái).中國(guó)股指期貨市場(chǎng)的理念與實(shí)踐[J].上海金融，2010，（12）：6164.

[4]Hong Y， Liu Y， Wang S. Granger causality in risk and detection of extreme risk spillover between financial markets[J]. Journal of Econometrics， 2009， 150（2）： 271287.

[5]劉慶富，黃波，方磊.中國(guó)股指期貨和股票現(xiàn)貨跨市監(jiān)管研究[J].財(cái)經(jīng)問題研究，2012，（6）：5561.

[6]王藝馨，周勇.極端情況下對(duì)我國(guó)股市風(fēng)險(xiǎn)的實(shí)證研究[J].中國(guó)管理科學(xué)，2012，20（3）：2027.

[7]King M， Wadhwani S. Transmission of volatility between stock market[J]. Review of Financial Studies， 1990， 3（1）： 535.

[8]Tse Y K. A test for constant correlations in a multivariate GARCH model[J]. Journal of Econometrics， 2000， 98（1）： 107127.

[9]Blackman S C， Holden K， Thomas W A. Longterm relationships between international share prices[J]. Applied Financial Economics， 1994， 4（4）： 297304.

[10]Ang A， Bekaert G. International asset allocation with regime shifts[J]. Review of Financial Studies， 2002，15（4）：11371187.

[11]林宇.典型事實(shí)、極值理論與金融市場(chǎng)動(dòng)態(tài)風(fēng)險(xiǎn)測(cè)度研究[J].投資研究，2012，31（1）：4156.

[12]易文德.基于ARMAGARCHCOUPULA模型的交易量與股價(jià)波動(dòng)相依關(guān)[J].系統(tǒng)管理學(xué)報(bào)，2012，21（5）：696703.

[13]劉偉，陳功，馬利軍.含狀態(tài)轉(zhuǎn)換的Copula模型及其應(yīng)用[J].運(yùn)籌與管理，2009，18（5）：120125.

[14]吳吉林，張二華.基于機(jī)制轉(zhuǎn)換混合Copula模型的我國(guó)股市間極值相依性[J].系統(tǒng)工程理論與實(shí)踐，2012，32（8）：16621672.

[15]韋艷華，張世英.金融市場(chǎng)的相關(guān)性分析CopulaGARCH模型及其應(yīng)用[J].系統(tǒng)工程，2004，22（4）：712.

[16]Hu L. Essays in econometrics with applications in macroeconomic and financial modelling[D]. New Haven： Yale University， 2002.

[17]Patton A J. Modelling asymmetric exchange rate dependence[J]. International Economic Review， 2006， 47（2）： 527555.

[18]王永巧，劉詩(shī)文.基于時(shí)變Copula的金融開放與風(fēng)險(xiǎn)傳染[J].系統(tǒng)工程理論與實(shí)踐，2011，31（4）：778784.

[19]彭選華，傅強(qiáng).股指期貨對(duì)現(xiàn)貨時(shí)變相依結(jié)構(gòu)的多尺度研究[J].系統(tǒng)工程，2011，29（5）：1421.

[20]李偉.基于金融波動(dòng)模型的Copula函數(shù)建模與應(yīng)用研究[D].成都：西南財(cái)經(jīng)大學(xué)，2009.

[21]魏平，劉海生.Copula模型在滬深股市相關(guān)性研究中的應(yīng)用[J].數(shù)理統(tǒng)計(jì)與管理，2010，29（5）：890897.

[22]Hamilton J D. A new approach to the economic analysis of nonstationary time series and the business cycle[J]. Econometrica， 1989， 57（2）： 357384.

[23]Forbes K J， Rigobon R. No contagion， only interdependence： measuring stock market comovement[J]. Journal of Finance， 2002， 57（5）： 22232261.

[24]Garcia R， Tsafack G. Dependence structure and extreme comovements in international equity and bond markets[J]. Journal of Banking & Finance， 2011， 35（8）： 19541970.

[25]Chan K C， Wong A. Changes in stock returns and trading volume of American depositary receipts around their U.S. stock exchange listing switches[J]. The Journal of Applied Business Research， 2012， 28（6）： 14451450.