曾志堅 張欣怡 黃珊

摘?要：以發(fā)行債券的上市公司為樣本，分別編制公司債指數(shù)與股票指數(shù)，據(jù)此運用Copula-CoVaR模型測度公司債與股票市場間風險溢出的方向與強度。結(jié)果發(fā)現(xiàn)：股票市場的風險大于公司債市場;公司債與股票市場間存在雙向不對稱的正向風險溢出，公司債市場對股票市場的風險溢出強度顯著強于股票市場對公司債市場的風險溢出強度。經(jīng)濟新常態(tài)下，公司債市場成為證券市場的風險指示標，具有較強的風險信號作用。

關鍵詞：?新常態(tài);公司債市場;股票市場;風險溢出

中圖分類號：F830.91?文獻標識碼：?A文章編號：1003-7217（2020）01-0041-07

一、引?言

自2015年中國經(jīng)濟發(fā)展步入新常態(tài)，證券市場呈現(xiàn)出多元化的發(fā)展趨勢，但伴隨著經(jīng)濟增長速度換擋、結(jié)構(gòu)調(diào)整陣痛和前期刺激政策消化的“三期疊加”，證券市場各子市場的風險逐步顯性化。2015年A股出現(xiàn)大幅震蕩，暴漲急跌，甚至出現(xiàn)10個交易日內(nèi)市場指數(shù)連續(xù)下跌超過20%的情況。2018年股市運行面臨更為復雜和嚴峻的形勢，尤其是6月19日，1019只股票跌停，12月29日深證成指以7239.79點收盤，全年下跌34.42%，股票市場風險不斷增大。2015年證監(jiān)會頒布實施《公司債券發(fā)行與交易管理辦法》，公司債券發(fā)行全面提速，但持續(xù)擴容使公司債市場囊括了一些信用水平參差不齊的發(fā)行人和債券，蘊含潛在風險。2018年公司債市場違約事件頻發(fā)，風險加速積聚和爆發(fā)。新常態(tài)下的中國經(jīng)濟呈現(xiàn)出不同以往的新特征，作為證券市場的重要組成部分的公司債與股票市場，其風險溢出狀態(tài)如何、哪個市場在風險傳遞過程中發(fā)揮主導作用，這些問題的解決對促進證券市場高效穩(wěn)定運行，推動經(jīng)濟平穩(wěn)發(fā)展具有重要意義。

目前，對證券市場風險溢出的研究大多集中在股票市場間或債券市場間。Xu和Gao（2019）基于非線性Granger因果檢驗，發(fā)現(xiàn)2008年次貸危機時期，發(fā)達國家股市單方面影響中國股市，而2015年中國股市劇烈動蕩時期，中國股市與發(fā)達國家股市間存在風險溢出[1]。為準確捕捉證券市場的收益方差特征，引入GARCH族模型，通過測量條件方差是否相關檢驗不同市場間是否存在風險溢出效應[2]。Santiago等（2019）基于DCC-GARCH模型構(gòu)建中國、美國等股市間的波動溢出指數(shù)，證實發(fā)達股票市場為風險傳染源[3]。GARCH族模型可以在一定程度上提高測度結(jié)果的有效性，但未能準確刻畫金融時間序列的尖峰厚尾特征。為克服GARCH族模型的不足，隨機波動（SV）模型引入了隨機過程來刻畫方差的時變波動[4]。劉海云和呂龍（2018）基于因子多元SV模型研究了全球40個國家股市間的風險溢出特征，發(fā)現(xiàn)發(fā)達國家的風險溢出程度大于發(fā)展中國家[5]。但SV模型僅能判斷市場間風險溢出的方向，不能有效測度風險溢出強度。為了更好地刻畫市場間的風險溢出關系，對變量間相關性具有良好描述能力的Copula方法被廣泛使用[6]。Reboredo（2018）基于Copula方法研究發(fā)現(xiàn)，綠色債券市場與國債市場之間存在溢出關系[7]。

隨著對證券市場風險溢出研究的深入，學者們對股票市場與債券市場間的風險溢出效應也進行了研究。Tian和Hamori（2016）利用隨機波動的時變結(jié)構(gòu)向量自回歸模型研究了美國股票、國債間的跨市場金融沖擊傳導機制，發(fā)現(xiàn)兩市場間的波動溢出具有時變性，且兩市場對極端事件的反應不同[8]。陳學彬和曾裕峰（2016）基于多元分位數(shù)模型研究了滬深300指數(shù)與中國總債券指數(shù)間的風險溢出，發(fā)現(xiàn)早期股債市場間的尾部溢出效應不明顯，但隨著金融改革進程的推進，風險傳染不斷增強[9]。張巖和胡迪（2017）運用溢出指數(shù)研究了中國股票市場與國債市場間的風險溢出關系，發(fā)現(xiàn)在金融危機時期股債市場間的風險溢出更強烈[10]。Liow等（2018）考察了G7國家股票市場與整體債券市場間的波動溢出關系，發(fā)現(xiàn)政策不確定性溢出會導致證券市場間的波動溢出[11]。劉超等（2019）采用溢出指數(shù)方法對滬深300指數(shù)和中債指數(shù)進行實證分析，發(fā)現(xiàn)危機期間股票市場對債券市場的風險溢出最強[12]。

通過對現(xiàn)有文獻的梳理，發(fā)現(xiàn)有關證券市場風險溢出的研究主要集中在股票市場間、債券市場間或股票與國債市場間，對于公司債與股票市場間的風險溢出研究較少。然而，經(jīng)濟新常態(tài)下，證券市場的不確定因素增加，同一家公司發(fā)行的債券與股票，彼此收益、風險等因素相互交織，其風險的外溢性與傳導性更加強烈，公司債與股票市場間的風險溢出呈現(xiàn)出新的特征。因此，本文對公司債與股票市場間的風險溢出進行研究，進而探尋新常態(tài)下證券市場的風險信號標。

二、公司債與股票市場行情簡析

參照中證指數(shù)有限公司公布的企業(yè)債指數(shù)編制方法和滬深300指數(shù)編制方法，以發(fā)行債券的上市公司為樣本，分別編制2015-2018年的公司債指數(shù)與股票指數(shù)，進而分析其在此期間的走勢。

（一）指數(shù)編制

以2014年12月31日為公司債與股票指數(shù)的編制基期，基期指數(shù)分別為100點和1000點。

1.?公司債指數(shù)編制。

（1）?計算公式。

采用派許加權(quán)綜合價格指數(shù)公式計算，即：

Y=P+RA0×100P=∑（K×Q）?（1）

其中，Y表示公司債券報告期指數(shù)，P代表報告期樣本公司債券的總市值，R代表報告期公司債利息及再投資收益，A0代表基期總市值，K和Q分別為樣本公司債券全價及發(fā)行量。

（2）?指數(shù)修正與調(diào)整。

當樣本公司債券的市值出現(xiàn)非交易因素的變動時，通過“除數(shù)修正法”對原除數(shù)進行修正，進而使指數(shù)具有連續(xù)性，即：

P0A0=P1A1P1=P0+ΔP?（2）

其中，P0和P1分別代表修正前和修正后的公司債券市值，SymbolDA@

P代表新增（減）的市值，A1代表新除數(shù)（新基期）總市值。

根據(jù)式（2）得到新除數(shù)，再進行后續(xù)指數(shù)計算。當出現(xiàn)下列情況時，則需要對指數(shù)進行相應的調(diào)整：?新上市合格的公司債券自第二個交易日起計入指數(shù);對暫停交易的公司債券不作調(diào)整，以其暫停交易前一交易日的收盤價對指數(shù)進行修正;

在樣本公司債券發(fā)行量發(fā)生變動前對指數(shù)進行修正;

在每月的最后一個交易日把樣本公司債券當月的利息及再投資收益從指數(shù)中去除。

2.?股票指數(shù)編制。

（1）?計算公式。

采用派許加權(quán)綜合價格指數(shù)公式計算，即：

Y′=P′A′0×1000（3）

其中，Y′表示股票報告期指數(shù)，P′、A′0分別代表報告期樣本股總市值與基期總市值。

（2）?指數(shù)修正與調(diào)整。

當樣本股的市值出現(xiàn)非交易因素變動時，通過“除數(shù)修正法”對原除數(shù)進行修正，進而使指數(shù)具有連續(xù)性，即：

P′0A′0=P′1A′1P′1=P′0+ΔP′?（4）

其中，P′0和P′1分別代表修正前和修正后的股票總市值，SymbolDA@

P′代表新增（減）的市值，A′1表示新除數(shù)（新基期）總市值。

根據(jù)式（4）得出新除數(shù)，再進行后續(xù)指數(shù)計算。當出現(xiàn)下列情況時，則需要對指數(shù)進行相應的調(diào)整：凡有樣本股發(fā)生送股、配股、拆股或縮股時，在樣本股除權(quán)基準日前修正指數(shù)，并按照新的股本與價格調(diào)整樣本股市值;由其他公司事件（如增發(fā)、債轉(zhuǎn)股、期權(quán)行權(quán)等）引起的樣本股股本變動累計達到或超過5%時，對其進行臨時調(diào)整;由其他公司事件引起的樣本股股本變動累計不超過5%時，對其進行定期調(diào)整;樣本股臨時調(diào)整或定期調(diào)整生效日前對指數(shù)進行修正。

（二）公司債與股票指數(shù)的走勢分析

根據(jù)所編制的公司債指數(shù)，繪制其2015-2018年的走勢圖（如圖1）。2015年公司債市場新規(guī)落地后，公司債指數(shù)不斷上升，市場形勢大好。2016年受松綁政策的持續(xù)影響，公司債券規(guī)模在年初繼續(xù)增長，公司債指數(shù)持續(xù)上揚，但4月受債券市場信用風險爆發(fā)影響，指數(shù)出現(xiàn)回落;6月到11月平穩(wěn)回升;12月由于流動性大幅收緊和“黑天鵝”事件頻出，公司債市場風險加劇，指數(shù)價格急劇下跌。2017年由于之前主營業(yè)務陷入困頓而大肆定增和擴張并購的公司面臨較大的信用危機，致使公司債市場風險進一步惡化，公司債指數(shù)持續(xù)下跌。2018年國務院常務會議提出要“穩(wěn)步擴大金融業(yè)開放”，鼓勵債市定向擴容，推動公司債券產(chǎn)品創(chuàng)新，促使公司債市場迸發(fā)出新的活力;此外，由于中性偏松的貨幣政策，流動性較為充裕，市場利率整體呈下行走勢，公司債券發(fā)行成本下降，發(fā)行規(guī)模增加，因此，公司債指數(shù)呈現(xiàn)出回升趨勢。

根據(jù)所編制的股票指數(shù)，繪制2015-2018年的走勢圖（如圖2）。2015年上半年市場配資規(guī)模迅速膨脹，高杠桿推動股市快速上漲，股票指數(shù)持續(xù)上揚，但相對寬松的監(jiān)管環(huán)境以及監(jiān)管獨立性的缺失，使市場價格泡沫化，市場結(jié)構(gòu)極其脆弱;6月泡沫破裂，股票指數(shù)進入第一輪暴跌;8月進入第二輪暴跌，但隨著暫停實施指數(shù)熔斷機制、設立國務院金融穩(wěn)定發(fā)展委員會、加強全面從嚴監(jiān)管等一系列救市措施的實施，股市逐漸恢復常態(tài)。經(jīng)歷了2015年的暴漲急跌，2016-2017年股市一直處于熊市行情，股票指數(shù)相對較低。2018年受去杠桿政策下監(jiān)管趨嚴的影響，股市再次出現(xiàn)暴跌;同時，中美貿(mào)易沖突加劇，損害了資本市場預期的穩(wěn)定，而股市本就處于熊市之中，市場情緒脆弱;加之外圍市場不斷下跌、人民幣貶值等負面因素的影響，市場悲觀情緒蔓延，股票指數(shù)持續(xù)下跌。

三、基于Copula-CoVaR模型的公司債與股票市場間風險溢出測度

Adrian和Brunnermeier（2008）所提出的CoVaR方法，能夠度量證券市場間的尾部風險溢出，測度風險溢出方向與強度，并有效刻畫風險溢出的非對稱性等特征[13]。CoVaR需要刻畫證券市場間的尾部相依結(jié)構(gòu)，Copula函數(shù)能夠根據(jù)不同市場的邊緣分布估計其聯(lián)合分布，從而能夠準確描述市場間的相依性?；诖耍疚耐ㄟ^構(gòu)建Copula-CoVaR模型測度經(jīng)濟新常態(tài)下公司債與股票市場間的風險溢出。

（一）收益率統(tǒng)計分析

首先根據(jù)所編制的指數(shù)計算其對數(shù)收益率。Rt代表公司債指數(shù)或股票指數(shù)在第t日的指數(shù)收益率，Pt和Pt-1分別表示第t日和第t-1日的指數(shù)值，數(shù)學表達式為：

Rt=100×ln?（pt/pt-1）?（5）

根據(jù)表1中公司債指數(shù)與股票指數(shù)序列的偏度、峰度等描述性統(tǒng)計量可以看出，在1%的顯著性水平下兩收益率序列均不服從正態(tài)分布。

根據(jù)圖3的QQ圖可以發(fā)現(xiàn)，公司債與股票指數(shù)收益率序列都具有厚尾特征，因此，可以選擇對尾部數(shù)據(jù)具有較好擬合效果的廣義帕累托分布（GPD）對序列進行邊緣分布擬合。

（a）?公司債指數(shù)收益率序列QQ圖

（b）?股票指數(shù)收益率序列QQ圖

（二）基于GPD分布的邊緣分布建模

極值理論中的POT（Peaks?Over?Threshold）方法能夠較好地解決金融時間序列的厚尾問題，更好地刻畫GDP分布。POT方法選定一個閾值μ，然后將樣本數(shù)據(jù)中所有虧損幅度超過閾值的數(shù)據(jù)保留下來，作為擬合尾部分布的數(shù)據(jù)基礎，超過μ的超額數(shù)y的超閾值分布Fμ（y）為：

Fμ（y）=P（X-μ≤y|X>μ）=

F（y+μ）1-F（μ）（6）

其中，y>0。當超過閾值的數(shù)據(jù)足夠大時，F(xiàn)μ（y）接近GPD分布，即：

Gξ，β（μ）（y）=1-1+ξyβ（μ）-1ξξ≠01-exp?（-yβ（μ））ξ=0（7）

其中，β（μ）為尺度參數(shù)，ξ∈R表示分布的形狀參數(shù)。令x=μ+y，結(jié)合式（6）和（7），得到序列的邊緣分布為：

F（x）=NμLN（1-ξx-μβ（μ））x<μLEcdf（x）μL≤x≤μR1-NμRN（1+ξx-μβ（μ））x>μR（8）

其中，Nμ為樣本中小于閾值的數(shù)量;μL表示下尾閾值;μR表示上尾閾值;區(qū)間μL≤x≤μR上的數(shù)據(jù)利用經(jīng)驗分布擬合，即Ecdf（x）。此外，根據(jù)常用的Du?Mouchel原則進行上下尾閾值的選擇，即設定約有10%的數(shù)據(jù)超過閾值。利用β（μ）與ξ做出兩指數(shù)收益率序列GPD分布擬合圖診斷圖。

限于篇幅，本文僅列示股票指數(shù)收益率序列的GPD分布擬合圖診斷圖（上下尾），見圖4。從中可以看出，樣本數(shù)據(jù)點都集中在對應曲線附近，表明數(shù)據(jù)擬合效果較好。GPD分布對公司債指數(shù)收益率序列同樣具有較好的擬合效果。

（三）擬合最優(yōu)Copula函數(shù)

令F（-1）1，…，F(xiàn)（-1）N為各邊緣分布函數(shù)的反函數(shù)，那么，任意N維空間（μ1，…，μN）有唯一的Copula函數(shù)C：[0，1]N→[0，1]，使得：

C（μ1，…，μN）=F（F（-1）1（x1），…，F(xiàn)（-1）N（xN））?（9）

聯(lián)合分布函數(shù)F的密度函數(shù)為：

f（x1，…，xN）=c（F1（x1），…，

FN（xN））ΠNn=1fn（xn）?（10）

Copula函數(shù)的形式較多，本文選擇較為常見的Normal?Copula、Gumbel?Copula、BB1?Copula、Galambos?Copula等形式進行擬合，再從中尋找擬合效果最優(yōu)的Copula函數(shù)。擬合結(jié)果如表2所示。根據(jù)AIC準則、BIC準則和HQIC準則，發(fā)現(xiàn)BB1?Copula函數(shù)最優(yōu)。

選取BB1?Copula函數(shù)對公司債指數(shù)與股票指數(shù)收益率序列進行擬合，結(jié)果如表3所示。下尾相關系數(shù)為0.4375，意味著公司債市場與股票市場間的風險溢出方向為正，兩市場間具有正向的風險溢出效應，即當股票市場（或公司債市場）處于某一風險狀態(tài)時，公司債市場（或股票市場）的風險水平也會相應增大。

（四）CoVaR求解與分析

結(jié)合Copula函數(shù)擬合結(jié)果，進一步計算5%顯著性水平下兩市場間的CoVaR，測度公司債與股票市場間風險溢出的方向與強度。

CoVaRj|iτ為條件概率分布的τ分位數(shù)，表示公司債市場（股票市場）i遭受風險時，股票市場（公司債市場）j的風險水平，數(shù)學表達式為：

Pr?（Xj≤CoVaRj|iτ|Xi=VaRiτ）=τ（11）

ΔCoVaR是以i市場風險為條件的j市場總風險（CoVaR）與其無條件風險（VaR）之間的差值，衡量公司債市場（股票市場）i對股票市場（公司債市場）j的風險溢出強度，數(shù)學表達式為：

ΔCoVaRjiτ=CoVaRj|iτ-VaRjτ（12）

進一步標準化處理得：

%CoVaRi|jτ=（ΔCoVaRi|jτ/VaRiτ）×100%?（13）

式（13）消除了ΔCoVaR中的量綱，表示風險溢出的相對幅度，能夠更加準確地反映不同市場間風險溢出的程度。

結(jié)合式（10），得到CoVaR求解所需相關變量的條件密度函數(shù)：

fi|j（xi|xj）=f（xi，x，j）fj（xj）=c（Fi（xi），

Fj（xj））fi（xi）?（14）

其中，c為選取的最優(yōu)Copula函數(shù)，fi為Fi的導數(shù)。

根據(jù)式（11），得出：

CoVaRi|jτ=F（-1）i|j（τ|VaRjτ）?（15）

公司債與股票市場間的風險溢出結(jié)果如表4所示。在5%的顯著性水平下，公司債與股票市場CoVaR的絕對值均大于其自身VaR的絕對值，說明CoVaR模型克服了傳統(tǒng)VaR模型可能造成的風險低估問題，能夠更全面地度量公司債和股票市場的風險。公司債市場的CoVaR值為-2.32，股票市場的CoVaR值為-3.82，股票市場風險大于公司債市場風險。公司債市場對股票市場的%ΔCoVaR為51.96%，而股票市場對公司債市場的%ΔCoVaR為25.36%，說明公司債與股票市場間存在雙向不對稱的風險溢出，且公司債市場對股票市場的風險溢出更強。

公司債券與股票均為上市公司績效與風險的綜合反映，具有較高的同質(zhì)性，應該具有相似的風險水平。但公司債市場與股票市場的投資者具有不同的投資目的與方式，很大程度上會造成兩市場的風險及其溢出程度存在差異，根據(jù)溢出程度可以判斷風險傳遞中的主導市場，從而為有效風險防范提供依據(jù)。公司債券作為固定收益?zhèn)?，其價格波動主要受利率的影響，市場投資者多是以保值為目的的低風險偏好者，具有較高的成熟度，所以，公司債市場所反映的風險更具客觀性。但股票市場投資者大多為散戶，以增值獲利為目的，具有明顯的投機心理和羊群行為，容易放大股票市場的風險。公司債券與股票作為同一公司發(fā)行的有價證券，其價格波動會相互影響，當一個市場發(fā)生波動時，揭示風險的價格信息會在兩市場間傳播，導致風險從一個市場傳遞到另一個市場。當公司債市場出現(xiàn)波動時，股票市場的大量非理性行為導致其對外界信息反應過度，引發(fā)市場交易過于頻繁，股票市場更容易受公司債市場風險溢出的影響。而公司債市場投資者大多長期持有債券，面對股票市場波動時，其反應更為客觀，受股票市場影響較小。因此，公司債市場風險水平更具有代表性，可以作為一個風險信號標。

四、結(jié)論與啟示

本文基于所編制的公司債指數(shù)與股票指數(shù)，通過構(gòu)建Copula-CoVaR模型對公司債與股票市場間的風險溢出進行了研究。研究發(fā)現(xiàn)，雖然股票市場風險大于公司債市場，但公司債市場風險水平更具有代表性;公司債與股票市場間存在雙向不對稱的風險溢出，公司債市場對股票市場的風險溢出更強。由于公司債市場的風險值更能反映市場風險水平，這意味著公司債市場可以作為證券市場的風險信號標，當公司債市場的風險值增大時，預示著股票市場的風險也會進一步加大，且隨著公司債市場在證券市場地位的不斷提升，其風險信號標的作用日益凸顯。

經(jīng)濟新常態(tài)下，證券市場面臨的不確定因素增多。監(jiān)管部門需要繼續(xù)深化改革，充分利用公司債市場風險信號標的作用，優(yōu)化監(jiān)管體系，健全監(jiān)管制度，豐富監(jiān)管工具，加強監(jiān)管協(xié)調(diào)，為防范化解證券市場風險提供有力支撐，平衡好穩(wěn)增長和防風險的關系，發(fā)揮證券市場服務實體經(jīng)濟的作用。

上市公司質(zhì)量是證券市場健康發(fā)展的支柱，上市公司應全面提高公司質(zhì)量與內(nèi)控水平，建立健全債權(quán)人監(jiān)督機制，可以有效降低公司經(jīng)營風險。同時，根據(jù)公司債與股票市場間的風險傳遞信號，制定安全高效的融資決策，改善資本結(jié)構(gòu)，促進企業(yè)可持續(xù)發(fā)展。

對投資者而言，一方面，要樹立理性投資理念，提高風險意識與風險處理能力;另一方面，根據(jù)公司債券釋放的風險信號，優(yōu)化債券與股票投資組合，提高投資效率。

參考文獻：

[1]?Xu?G?X，?Gao?W?F.?Financial?risk?contagion?in?stock?markets：causality?and?measurement?aspects?[J].?Sustainability，?2019，?11（5）：?1402-1422.

[2]?Khalfaoui?R，?Sarwar?S，?Tiwari?AK.?Analysing?volatility?spillover?between?the?oil?market?and?the?stock?market?in?oil-importing?and?oil-exporting?countries：?implications?on?portfolio?management[J].?Resources?Policy，?2019，?62：?22-32.

[3]?Santiago?G?S，?Jose?E?G，?Jorge?L?H，?et?al.?Volatility?spillovers?among?global?stock?markets：?measuring?total?and?directional?effects[J].?Empirical?Economics，?2019，?56（5）：?1581-1599.

[4]?陳九生，?周孝華.?基于單因子MSV-CoVaR模型的金融市場風險溢出度量研究[J].?中國管理科學，?2017，?25（1）：?21-26.

[5]?劉海云，?呂龍.?全球股票市場系統(tǒng)性風險溢出研究——基于ΔCoVaR和社會網(wǎng)絡方法的分析[J].?國際金融研究，?2018，?374（6）：?22-33.

[6]?潘凌遙，?蔣曉泉，?費紫微.?中國系統(tǒng)重要性銀行附加資本計提機制研究——基于Copula-CoVaR模型[J].?財經(jīng)理論與實踐，?2015，?36（3）：?23-28.

[7]?Reboredo?J?C.?Green?bond?and?financial?markets：?co-movement，?diversification?and?price?spillover?effects[J].?Energy?Economics，?2018，?74：?38-50.

[8]?Tian?S，?Hamori?S.?Time-varying?price?shock?transmission?and?volatility?spillover?in?foreign?exchange，?bond，?equity，?and?commodity?markets：evidence?from?the?united?states[J].?The?North?American?Journal?of?Economics?and?Finance，?2016，?38：?163-171.

[9]?陳學彬，?曾裕峰.?中美股票市場和債券市場聯(lián)動效應的比較研究——基于尾部風險溢出的視角[J].?經(jīng)濟管理，?2016，?38（7）：?1-13.

[10]張巖，?胡迪.?中國金融市場風險交互溢出效應分析——來自股災期間的新證據(jù)[J].?金融論壇，?2017，?22（11）：?41-55.

[11]Liow?K?H，?Liao?W?C，?Huang?Y?T.?Dynamics?of?international?spillovers?and?interaction：?evidence?from?financial?market?stress?and?economic?policy?uncertainty[J].?Economic?Modelling，?2018（68）：96-116.

[12]劉超，?徐君慧，?周文文.?中國金融市場的風險溢出效應研究——基于溢出指數(shù)和復雜網(wǎng)絡方法[J].?系統(tǒng)工程理論與實踐，?2017，?37（4）：?831-842.

[13]Adrian?T，?Brunnermeier?M?K.?CoVaR[J].Staff?Report，?2008，?106（7）：?1705-1741.

（責任編輯：鐘?瑤）

Is?the?Corporate?Bond?Market?the?Risk?Signal?of?the?Securities

Market?under?the?New?Normal?of?Economy？

——Research?on?Risk?Spillover?between?Corporate?Bond?and?Stock?Market

ZENG?Zhijian1，ZHANG?Xinyi1，HUANG?Shan2

（1.?Business?School，?Hunan?University，?Changsha，?Hunan?410082，?China;

2.College?of?Mathematics?and?finance，?Hunan?University?of?Humanities

Science?and?Technology，?Loudi，?Hunan?417000，?China）

Abstract：Taking?the?listed?companies?issuing?bonds?as?samples?to?compile?a?corporate?bond?index?and?a?stock?index?respectively，?this?paper?uses?the?Copula-CoVaR?model?to?measure?the?direction?and?intensity?of?risk?spillover?between?corporate?bond?and?stock?market.?It?is?found?that?the?stock?market?is?more?risky?than?the?corporate?bond?market.?There?is?a?two-way?asymmetric?positive?risk?spillover?between?corporate?bond?market?and?stock?market，?and?the?risk?spillover?intensity?of?corporate?bond?market?to?stock?market?is?significantly?stronger?than?that?of?stock?market?to?corporate?bond?market.?Under?the?new?normal?of?economy，?corporate?bond?market?has?become?the?risk?indicator?of?securities?market，?which?serves?as??strong??risk?signal.

Key?words：the?new?normal?of?economy;?corporate?bonds?market;?stock?market;?risk?overflow

收稿日期：?2019-08-23

基金項目：??國家社會科學基金項目（19BTJ018）、湖南省自然科學基金項目（2018JJ2068）

作者簡介：?曾志堅（1980—），女，湖南邵陽人，博士，湖南大學工商管理學院副教授，研究方向：金融工程與風險管理。