楊立生，楊杰

摘? ?要：為刻畫全球股票市場風險傳染的動態(tài)路徑特征，從波動溢出網(wǎng)絡(luò)視角分析全球股票市場的風險傳染機制。首先，采用DCC-GARCH動態(tài)溢出指數(shù)框架來捕捉全球股市波動溢出的動態(tài)聯(lián)動性和風險傳染效應;然后，基于方差分解構(gòu)建信息溢出復雜網(wǎng)絡(luò)，從網(wǎng)絡(luò)視角分析全球股票市場的風險傳染特征。研究發(fā)現(xiàn)，在整個樣本期間，全球股票市場高度相互關(guān)聯(lián)，并依賴于極端經(jīng)濟事件;從次貸危機到歐債危機期間全球股市溢出整體呈現(xiàn)減弱態(tài)勢;近年來國際資本流動、金融開放與國際貿(mào)易往來等推動我國股市進程走向新階段，風險溢出與吸收水平有上升趨勢。

關(guān)? 鍵? 詞：波動溢出;網(wǎng)絡(luò)視角;股票市場;風險傳染;動態(tài)溢出指數(shù)

中圖分類號：F831? ? ? ?文獻標識碼：A? ? ?文章編號：2096-2517（2021）06-0026-13

DOI：10.16620/j.cnki.jrjy.2021.06.003

一、引言

隨著經(jīng)濟全球化和金融自由化的深入，我國與全球各個國家投資合作不斷深化，經(jīng)濟聯(lián)系及金融市場之間的互動變得更加密切，體現(xiàn)在各國間金融活動的相互滲透和影響， 資本市場網(wǎng)絡(luò)效應增強，股市風險的溢出效應也與日俱增。 至關(guān)重要的是，不同股票市場的規(guī)模和行業(yè)集中度為經(jīng)濟體之間的相互依存關(guān)系奠定了基礎(chǔ)。這種全球股市一體化的現(xiàn)象，反過來在金融危機時期又增加了對全球系統(tǒng)性風險的威脅以及股市間多米諾骨牌溢出效應的擔憂。在全球金融一體化持續(xù)的背景下，對全球股票市場的網(wǎng)絡(luò)結(jié)構(gòu)研究變得十分重要。

相比較發(fā)達國家成熟的股票市場而言，以中國為代表的新興國家股票市場，其自身脆弱性及傳染性較強，更容易受到風險溢出的影響。目前我國已經(jīng)成為全球第二大經(jīng)濟體， 具有廣泛的影響力，我國股票市場在國際股票市場網(wǎng)絡(luò)中扮演著怎樣的角色？我國在全球主要經(jīng)濟體之中國際股票市場溢出水平如何？金融全球化是否增強了我國股票市場對全球其他經(jīng)濟體的國際溢出水平？

在此背景下，對全球股票市場風險傳染網(wǎng)絡(luò)進行研究，刻畫全球股市跨市場風險傳染特征，并進一步明晰全球股市風險溢出的動態(tài)傳導路徑，有利于金融監(jiān)管部門準確把握我國股市的風險傳遞規(guī)律和深入認識全球股市風險傳染，從而采取針對性的風險應對措施以化解全球股票市場的風險傳染和沖擊。 這不僅對我國提升金融風險防控的前瞻性、全局性和主動性，守住不發(fā)生系統(tǒng)性金融風險的目標具有重要的現(xiàn)實意義，也為投資者進行風險管理提供了有力參考。

本文的邊際貢獻如下： 第一， 首次為DCC-GARCH模型提供波動性脈沖響應函數(shù)（VIRF），并提出了動態(tài)溢出指數(shù)估計波動率傳遞機制的替代方案，而不使用滾動窗口估計方法。第二，基于波動溢出框架構(gòu)建全球股票市場間的復雜網(wǎng)絡(luò)，分析波動溢出網(wǎng)絡(luò)的股票市場風險傳染特征。

二、文獻綜述

市場之間的“傳染”是由于理性代理人試圖從其他市場的價格變化中推斷信息的結(jié)果，一個市場的“錯誤”可以通過這個渠道傳播到其他市場[1]。大量研究側(cè)重于金融市場之間的聯(lián)動，以捕捉金融傳染的動態(tài)。例如，Connolly等（2003）研究了國際股票市場的收益聯(lián)動，認為國外市場對國內(nèi)市場收益產(chǎn)生主導影響[2]。Huyghebaert等（2009）研究了亞洲金融危機之前、期間和之后東亞七大證券交易所相互依存的一體化和因果關(guān)系[3]。

大多數(shù)文獻側(cè)重于從全球金融市場的均值或波動性溢出來分析金融風險傳染。 例如，Baur（2003）研究了亞洲11個股票市場之間的均值和波動率溢出，發(fā)現(xiàn)亞洲金融危機期間均值和波動率傳染的存在[4]。同樣，Chancharoenchai等（2006）采用多變量廣義自回歸條件異方差（GARCH-M）模型，研究了1997年亞洲危機前后6個東南亞股市的波動溢出效應， 發(fā)現(xiàn)在危機期間存在強烈的溢出[5]。Beirne等（2013） 采用GARCH-BEKK模型分析從成熟股市到新興市場的波動溢出效應，考察成熟市場極端動蕩期間風險傳染機制的變化[6]。Choudhry等（2014）研究了德國、英國、美國和歐盟國家股票市場之間的回報、波動和杠桿溢出效應，研究結(jié)果表明，在全球金融危機期間，均值溢出和波動溢出都被放大了[7]。

整體上現(xiàn)有文獻的研究結(jié)論基本歸結(jié)為從非理性投資者的行為以及宏觀經(jīng)濟基本面解釋全球金融危機期間股票市場風險溢出效應的增加。Kristin等（2004） 將其歸因于貿(mào)易流動等宏觀經(jīng)濟基本面來解釋危機期間股票市場風險溢出效應的增加[8]。Boyer等（2006）認為，危機期間的跨市場風險溢出可歸因于國際投資者的資產(chǎn)持有量而非基本面聯(lián)系[9]。國內(nèi)學者李岸等（2016）、鄭挺國等（2018）研究發(fā)現(xiàn)，股票市場間的聯(lián)動現(xiàn)象是由經(jīng)濟基礎(chǔ)效應、市場傳染效應和政策沖擊效應等多種因素共同作用的結(jié)果[10-11]。

復雜網(wǎng)絡(luò)結(jié)構(gòu)為測度總體風險溢出提供了適當?shù)幕A(chǔ)， 還提供了股票市場關(guān)于相互依賴的強度、溢出的方向性以及不同市場條件下金融風險因素之間溢出的傳遞和接收的重要見解。Diebold等（2009）構(gòu)建DY溢出指數(shù)來衡量金融溢出效應，研究全球股票市場之間的波動性溢出[12]。然而，所提出的方法依賴于VAR 的Cholesky分解， 取決于VAR中變量的順序。為了克服這個缺點，Diebold等（2012）在廣義方差分解框架內(nèi)進行了改善，從而不再依賴于VAR模型中變量順序的估計[13]。根據(jù)Diebold等（2014，2016）研究，方差分解定義了加權(quán)有向網(wǎng)絡(luò)，追蹤了近年來美國主要金融機構(gòu)股票回報波動的每日時變效應[14-15]。Antonakakis等（2020）指出滾動窗口VAR方法首先需要人為設(shè)置滾動窗口的大小; 其次在計算動態(tài)度量時存在觀測值丟失[16]。

基于此， 本文首次為DCC-GARCH提供波動性脈沖響應函數(shù)VIRF， 并提出了通過動態(tài)連通性方法估計波動率傳遞機制的替代方案，而不是使用滾動窗口。該模型的主要優(yōu)點是不需要任意選擇窗口大小，不會丟失觀察結(jié)果;同時也不會受到“維度詛咒”的嚴重影響，并且可以測試溢出是否隨時間變化。 以全球20個主要國家的股票市場為研究對象，構(gòu)建全球股票市場間的復雜網(wǎng)絡(luò)，分析波動溢出網(wǎng)絡(luò)的股票市場風險傳染特征，考察全球股票市場的溢出效應和溢出方向。

三、研究方法和數(shù)據(jù)說明

全球金融危機的爆發(fā)，引起了眾多學者對國際股票市場中風險傳染的極大關(guān)注。其中一項值得注意的研究是Diebold等（2012）提出基于滾動窗口的動態(tài)溢出指數(shù)模型，用于研究股票市場風險溢出效應[13]。但是，滾動窗口方法有兩個主要缺點：一是在大多數(shù)情況下，窗口大小是任意選擇的;二是滾動窗口分析導致觀察樣本丟失。

基于此， 本文引入DCC-GARCH動態(tài)溢出指數(shù)框架來避免滾動窗口模型的缺點。該模型的主要優(yōu)勢是：首先，不需要人為任意選擇滾動窗口大小;其次， 測度金融風險溢出效應是否隨時間變化時，并不依賴滾動窗口方法， 從而不會損失樣本觀測值;最后，該模型作為最常用的多變量GARCH模型之一，并不會受到維度詛咒的嚴重影響。

（一）全球股票市場風險溢出模型構(gòu)建

為了檢查隨時間變化的條件波動率，本文采用了Engle（2002）的兩步DCC-GARCH模型[17]。DCC-GARCH（1，1）模型可以寫成：

yt=μt+？綴t？綴t|Ft-1～N（0，Ht） （1）

？綴=H■■μt μt～N（0，I）? （2）

Ht=DtRtDt? （3）

其中，F(xiàn)t-1代表t-1的所有可用信息。yt、μt、？綴t和μt是N×1維向量，表示分析的時間序列、條件均值、誤差項和標準化誤差項。此外，Rt、Ht和Dt=diag

（h■■，…，h■■）是N×N維矩陣，表示動態(tài)條件相關(guān)性、時變條件方差-協(xié)方差矩陣和時變條件方差。

在第一階段，Dt通過估計每個系列的GARCH模型來表示：

hii，t=ω+α？綴■■+βhii，t-1 （4）

在第二階段，動態(tài)條件相關(guān)計算如下：

Rt=diag（q■■，…，q■■）Qtdiag（q■■，…，q■■）

（5）

Qt=（1-a-b）Q+a μt-1 μ■■+bQt-1 （6）

其中Qt和Q是N×N維正定矩陣分別表示條件和無條件標準化殘差的方差-協(xié)方差矩陣。a（α）和b（β）是非負的沖擊和持久性參數(shù)，滿足a+b<1（α+β≤1）。 只要a+b<1滿足，Qt和Rt隨時間變化，否則該模型會收斂到CCC-GARCH模型，其中Rt是恒定的。

應該指出的是，Diebold等（2012，2014）引入的廣義脈沖響應函數(shù)（GIRF）[13-14[。GIRF具有獨立于變量排序的優(yōu)勢，可以解釋為變量i中的沖擊對變量j的J步超前影響：

GIRF（J，δj，t，F(xiàn)t-1）=E（yt+J|？綴j，t=δj，t，F(xiàn)t-1）

-E（yt+J|？綴j，t=0，F(xiàn)t-1）? （7）

采用同樣的方法， 波動性脈沖響應函數(shù)VIRF表示變量i中的沖擊對變量j的條件波動率的影響，可以寫成：

Ψg=VIRF（J，δj，t，F(xiàn)t-1）

=E（Ht+J|？綴j，t=δj，t，F(xiàn)t-1）-E（Ht+J|？綴j，t=0，F(xiàn)t-1） （8）

其中δj，t是一個選擇向量， 在第j位置為1，否則為0。

使用DCC-GARCH模型預測條件方差-協(xié)方差是VIRF的核心， 可以通過三個步驟迭代地完成。首先，單變量GARCH（1，1）將通過以下方式預測條件波動率：

E（hii，t+1|Ft）=ω+αδ■■+βhii，th=1 （9）

E（hii，t+h|Ft）=■ω（α+β）i+（α+β）h-1E（hii，t+h-1|Ft）

h>1 （10）

而在第二步中，根據(jù)以下公式預測E（Qt+1|Ft）：

E（Qt+1|Ft）=（1-a-b）Q+a μt μ■■+bQth=1 （11）

E（Qt+h|Ft）=（1-a-b）Q+aE（μt+h-1 μ■■|Ft）

+bE（Qt+h-1|Ft）h>1 （12）

其中E（μt+h-1 μ■■|Ft）≈E（Qt+h-1|Ft），這有助于預測動態(tài)條件相關(guān)性，最后是條件相關(guān)性方差-協(xié)方差：

E（Rt+h|Ft）≈diag[E（q■■|Ft），…，E（q■■|Ft）]

E（Qt+h|Ft）

diag[E（q■■|Ft），…，E（q■■|Ft）]? （13）

E（Ht+h|Ft）≈E（Dt+h|Ft）E（Rt+h|Ft）E（Dt+h|Ft）（14）

基于波動性脈沖響應函數(shù)（VIRF），計算廣義預測誤差方差分解（GIRF），這可以表示為一個變量解釋其他變量的方差份額。這些方差份額被歸一化，因此每行總和為1，這意味著所有變量一起解釋了變量i的預測誤差方差的100%，計算如下：

■ ■■（J）=■ （15）

其中∑■■■ ■■（J）=1，∑■■■ ■■（J）=N，分子代表第i次沖擊的累積效應，而分母代表所有沖擊的累積效應。使用GIRF，總溢出指數(shù)（TCI）可以表示為：

C■■（J）=■ （16）

隨后，溢出變量i傳輸?shù)阶兞縥，被稱為對其他變量的溢出指數(shù)，由下式計算：

C■■（J）=■? （17）

在下一步中，溢出變量i從變量j接收，這些變量稱為來自其他變量的溢出指數(shù)，計算如下：

C■■（J）=■? （18）

將上述兩個度量相互減去得到凈溢出指數(shù)：

C■■（J）=C■■（J）+C■■（J）（19）

如果變量i的凈溢出指數(shù)為正（負），則意味著變量i是沖擊的凈傳送者（接收者）或變量i正在驅(qū)動網(wǎng)絡(luò)。最后，變量i和變量j之間的凈成對溢出指數(shù)計算如下：

NPDCij（J）=■ ■■（J）-■ ■■（J） （20）

其中正（負）NPDCij表示變量i支配（被支配）變量j。

（二）全球股票市場風險溢出網(wǎng)絡(luò)構(gòu)建

如果將全球的股票市場作為復雜網(wǎng)絡(luò)的節(jié)點，將各個國家股市間的風險傳染關(guān)系作為復雜網(wǎng)絡(luò)的邊， 那么可將全球股市構(gòu)建風險溢出網(wǎng)絡(luò)進行分析傳導路徑，全球股市有向網(wǎng)絡(luò)鄰接矩陣如表1所示。

（三）數(shù)據(jù)選取與處理

本文選取全球20個國家（地區(qū)）股市作為研究對象①，覆蓋了亞洲、歐洲、美洲和澳洲，同時也包括了發(fā)達經(jīng)濟體與新興經(jīng)濟體國家。樣本股市所在國家和地區(qū)的進出口額在2021年占全球進出口總額的70%， 樣本股市市值在2021年約占全球總市值的90%，具有一定的代表性。我國股市國際化程度在2005年后得到逐步提升[18]，故選取樣本區(qū)間為2006年1月1日至2021年8月31日。采用“共同交易窗口”來處理數(shù)據(jù)，即刪除各市場交易時點不匹配的數(shù)據(jù)，保留其公共交易時點下的數(shù)據(jù)②，考慮全球股票市場非同步交易、反映不足、價格壓力等微觀因素的影響，選取樣本股周平均收盤價計算對數(shù)收益率，即：rt=ln（pt）-ln（pt-1），共獲得800組樣本，數(shù)據(jù)來源于WIND數(shù)據(jù)庫。

四、實證分析

（一）全球股票市場波動溢出效應

在樣本中，2006年1月至2021年8月期間全球股票市場風險溢出發(fā)生了許多變化，鑒于金融市場演變和動蕩的這種背景，因此，從時間維度拆分全球股市風險溢出總指數(shù)， 構(gòu)建動態(tài)風險傳染網(wǎng)絡(luò)，可以更加直觀地測度全球次貸危機與歐債危機對全球股票市場整體的沖擊效應。參考國際清算銀行研究， 選取2007年8月1日至2009年3月31日為次貸危機起始與結(jié)束區(qū)間; 參考Kenourgios（2014）的研究，選取2009年12月8日至2013年12月16日為歐債危機起始與結(jié)束區(qū)間[19]。

圖1展示了從全球股票市場中的每一種股票類別到其他股票類別的方向波動溢出。全球股票市場風險輸出隨時間變化很大，在平靜時期，每個市場的溢出都低于4%，但在動蕩時期，定向溢出增加到接近10%，由圖1可知，風險溢出較大的是德國、瑞士、日本、意大利、荷蘭和美國股票市場。

圖2中展示了從其他股票市場類別到全球股票市場類別中每一個類別的方向波動溢出。與全球股票市場的風險輸出相比，全球股票市場風險輸入效應隨著時間的推移而明顯不同。 在動蕩時期，對各個股票市場的風險輸入增加，但風險輸入幅度差異較大。

表2提供了全樣本風險溢出指數(shù)的分解。在討論結(jié)果之前，首先描述表2的結(jié)構(gòu)和要素。第ij個元素是某國股市i來自某國股市j的預測誤差方差的風險溢出，見公式（15）。對角線元素（i=j）表示該國股市自身的風險溢出，而非對角線元素（i≠j）衡量各個國家間股市的風險溢出。此外，不包括主要對角線元素的行總和From記為“來自其他國家股市的風險溢出”，見公式（18）;而列總和To記為“對其他國家股市的風險溢出”，見公式（17）。每個國家股市的列總和To與行總和From之差給出了相應國家股市的風險凈溢出Net，見公式（20）。最后，公式（16）中定義的風險總溢出指數(shù)TCI在表2的右下角給出，以百分數(shù)表示。

首先，考慮表2中關(guān)于方向溢出（總額和凈額）的信息。從“對其他股票市場的定向溢出”行（To），可以看到樣本中每個國家的股票市場對其他國家股票市場的總定向波動溢出具有很大的差異。例如，日本、德國、美國的股票市場對其他國家股市的溢出效應超過了30%。還可以從“來自其他股票市場的方向性溢出”（From）一欄看到，全球股票市場來自新加坡股票市場的總方向性波動溢出相對較小，為11.95%，然后是俄羅斯股票市場來自其他國家股票市場的溢出解釋15.77%的預測誤差方差。

其次，全球股票市場沖擊的最重要傳遞者是美國、德國、荷蘭、墨西哥，而中國、中國香港、韓國、新加坡、馬來西亞、法國、英國、瑞士、意大利、巴西、加拿大、澳大利亞股票市場波動是跨區(qū)域沖擊的最重要接收者。這些結(jié)果得到了表2報告的估計凈定向溢出（NET）的支持。

總的來說，這些結(jié)果表明美國、德國、荷蘭、墨西哥國家地區(qū)的股票市場波動沖擊是區(qū)域間溢出效應的主要來源。最后，根據(jù)表2報告的總溢出指數(shù)（TCI），有效地將各種方向風險溢出指數(shù)提煉成一個單一的指標， 全球股票市場平均23.83%的預測誤差方差解釋了跨區(qū)域的溢出效應。

（二）全球股票市場波動溢出網(wǎng)絡(luò)

如果將全球股票市場作為復雜網(wǎng)絡(luò)的節(jié)點，將各個國家股市間的風險傳染關(guān)系作為復雜網(wǎng)絡(luò)的邊，可以構(gòu)建全球股市風險溢出網(wǎng)絡(luò)并分析其傳導路徑。在這一部分，本文建立了三個時期全球股票市場的波動溢出網(wǎng)絡(luò)。

圖3、圖5、圖7分別以網(wǎng)絡(luò)形式展示全球股市全樣本時期、次貸危機時期、歐債危機期間風險溢出的關(guān)系，圓圈的大小與箭頭線條粗細表示全球股市風險凈溢出水平的高低。通過熱力圖（圖4、圖6與圖8）直觀反映全球股市歷史變化和風險溢出情況，顏色越深表明風險越高。熱力圖總結(jié)了在各個樣本期間的溢出指數(shù)， 預測誤差方差矩陣為20行20列，每行之和為100。矩陣每行數(shù)據(jù)表示某個國家股票市場的預測誤差方差來源于不同國家股票市場的風險溢出比例，對角線上的數(shù)據(jù)表示某個國家股票市場來源于自身的風險溢出，因此與非對角線列元素相比，對角線元素獲得更高的值。

圖3與圖4顯示了整個樣本期間全球股票市場隨時間變化的波動溢出效應。 可以看出，金融市場之間存在明顯的波動性聚合效應。這可能是由于不同國家之間貿(mào)易強度的差異造成的。此外，波動率網(wǎng)絡(luò)具有突出的層次結(jié)構(gòu)，不同階段的網(wǎng)絡(luò)層次結(jié)構(gòu)相對不同。具體而言，波動率網(wǎng)絡(luò)結(jié)構(gòu)中存在一些不穩(wěn)定的情況， 從節(jié)點的邊緣分布位置來看：英國、意大利、澳大利亞、韓國位于網(wǎng)絡(luò)邊緣，對整個網(wǎng)絡(luò)影響較小。

第二階段次貸危機時期，由圖5可知韓國和馬來西亞處于網(wǎng)絡(luò)邊緣，說明金融危機對這兩個國家的影響較小;中國、德國、法國、荷蘭、俄羅斯、美國股票市場風險溢出水平處于中心位置。2007年次貸危機導致許多金融機構(gòu)持有的大型高評級資產(chǎn)支持證券投資組合市值迅速下跌。此外，次貸危機使剛剛起步的結(jié)構(gòu)性信貸市場幾乎停止，個人和金融機構(gòu)都面臨嚴重的信貸緊縮，所有市場的債務(wù)證券流動性都大幅下降。2008年，次貸危機蔓延開來， 成為更廣泛的全球金融危機的催化劑。在這一年中，資本市場因貝爾斯登、美國國際集團、房利美、房地美、雷曼兄弟、印地麥克銀行、美林證券、美聯(lián)銀行、華盛頓互惠銀行和許多其他公司的崩潰或被迫合并而搖搖欲墜。通過圖3與圖5風險溢出網(wǎng)絡(luò)以及熱力圖（圖4和圖6）對比，這一結(jié)果表明，在次貸危機期間，波動可以更快、更直接地通過全球股票市場蔓延。

由表3中“對其他股票市場的定向溢出”行（To），發(fā)現(xiàn)在次貸危機期間全球股票市場的總定向波動溢出對其他的國家股市溢出效應超過了30%。還可以從“來自其他股票市場的方向性溢出”（From）一欄看到，來自全球股票市場的總方向性波動溢出超過了25%。其次，全球股票市場沖擊的重要傳遞者是中國、新加坡、德國、法國、荷蘭、俄羅斯、意大利、美國、巴西、加拿大與澳大利亞，而中國香港、韓國、馬來西亞、英國、瑞士、股票市場波動是跨區(qū)域沖擊的重要接收者。這些結(jié)果得到表3中凈定向溢出（NET）的支持。最后，次貸危機時期46%的預測誤差方差解釋了跨區(qū)域的風險溢出效應。

第三階段歐債危機時期，俄羅斯、意大利、印度尼西亞、法國處于網(wǎng)絡(luò)邊緣，對其他節(jié)點的影響最小，說明受歐債危機波動的影響相對較小。通過圖5與圖7風險溢出網(wǎng)絡(luò)以及熱力圖（圖6和圖8）對比表明，在歐債危機期間全球股票市場風險溢出相較于次貸危機時期風險溢出程度較低。2008年9月中旬雷曼兄弟的倒閉是一場地震，表明現(xiàn)代金融體系非常脆弱。全球金融市場參與者直接受到其違約的影響，并且由于過多的跨境和跨實體相互依存關(guān)系， 世界各地都受到了許多影響。沖擊在歐洲迅速蔓延，歐元區(qū)政府拯救了比利時法國銀行，生動地表明這些相互依存關(guān)系產(chǎn)生了對沖擊的放大反應并加快了在金融體系的蔓延速度。雷曼兄弟破產(chǎn)的影響蔓延使歐洲金融體系的穩(wěn)定性面臨風險，表明系統(tǒng)性風險被嚴重低估。同時，隨著恐懼蔓延，歐元區(qū)主權(quán)債務(wù)危機變得明顯，并威脅到歐元區(qū)的金融穩(wěn)定性。

由表4中“對其他股票市場的定向溢出”行（To），發(fā)現(xiàn)在歐債危機期間全球股票市場的總定向波動溢出對其他國家股市溢出效應超過了25%。還可以從“來自其他股票市場的方向性溢出”（From）一欄看到，來自中國、俄羅斯、巴西股票市場的總方向性波動溢出相對較小。其次，全球股票市場沖擊的最重要傳遞者是美國、巴西、墨西哥、荷蘭、英國、德國，而中國、韓國、馬來西亞股票市場波動是跨區(qū)域沖擊的最重要接收者。最后，歐債危機時期32.8%的預測誤差方差解釋了跨區(qū)域的風險溢出效應。

整體來看，從次貸危機到歐債危機期間全球股市溢出整體呈現(xiàn)減弱態(tài)勢，次貸危機時期風險總溢出高達46%， 歐債危機時期風險溢出為32.8%。與全樣本觀測時期風險總溢出23.83%比較， 發(fā)現(xiàn)在極端動蕩風險時期全球股票市場的風險溢出呈現(xiàn)上升態(tài)勢，特別是次貸危機爆發(fā)后，推動全球股票市場風險溢出水平在高位運行。 從全樣本期間來看，國際資本流動、金融開放與國際貿(mào)易往來等推動我國股市進程走向新階段，部分國家的股票市場風險溢出可能會對我國的金融穩(wěn)定形成沖擊，我國需加大輸入型金融風險防范，保持金融穩(wěn)定。

（三）中國股市風險的溢出與吸收

本節(jié)重點關(guān)注我國股市風險的溢出與吸收水平（見圖9）。通過風險對外溢出（To）、接收其他經(jīng)濟體溢出（From）和凈溢出（Net）的動態(tài)變化情況反映中國股票市場風險接收和溢出的動態(tài)情況。

從動態(tài)估計結(jié)果看，在大多數(shù)時間中，中國股票市場風險對外溢出低于其他經(jīng)濟體對中國的溢出， 表現(xiàn)為凈吸收。2008年全球次貸危機時期，我國資本市場風險溢出水平加劇，此時風險主要是由美國、德國、法國、加拿大等高風險國家傳導至中國、俄羅斯等新興市場。全球金融市場參與者直接受到其違約的影響，并且由于過多的跨境和跨實體相互依存關(guān)系， 我國股票市場呈現(xiàn)震蕩下跌走勢，市場交易量大幅萎縮。 為了保持股市平穩(wěn)健康發(fā)展，監(jiān)管部門先后出臺了一系列政策措施，股票市場短暫反彈后仍然呈現(xiàn)下跌走勢。

2008年國際金融危機爆發(fā)后， 歐洲國家普遍加大政府投資以提振實體經(jīng)濟，但過度舉債為日后的債務(wù)危機埋下隱患。2011年，通貨膨脹與經(jīng)濟增速放緩兩大不利因素籠罩市場，歐債危機所帶來的世界經(jīng)濟復蘇放緩及對我國出口的影響也不時襲擾著投資者神經(jīng)，A股在經(jīng)歷第1季度的短暫反彈后即宣告單邊下跌。監(jiān)管層關(guān)于宏觀調(diào)控政策適度微調(diào)的表態(tài)也在一定程度上提振了做多情緒，股指出現(xiàn)反彈，但市場信心依舊脆弱。

值得注意的是，雖然中國股票市場的風險凈溢出效應不高，但2020年后，中國股市風險對外溢出和接收溢出均呈現(xiàn)迅速增加的狀態(tài)。 其成因可能是，近年來國際資本流動、金融開放與國際貿(mào)易往來等推動我國股市進程走向新階段，風險溢出與吸收水平有上升趨勢。

五、結(jié)論與啟示

本文以全球20個主要國家的股票市場為研究對象，構(gòu)建全球股票市場間的復雜網(wǎng)絡(luò)，分析波動溢出網(wǎng)絡(luò)的股票市場風險傳染特征，考察全球股票市場的溢出效應和溢出方向。主要結(jié)論如下：

第一， 從全樣本20個國家股票市場風險溢出情況看， 全球股票市場沖擊的最重要傳遞者是美國、德國、荷蘭、墨西哥，而中國、中國香港、韓國、新加坡、馬來西亞、法國、英國、瑞士、意大利、巴西、加拿大、澳大利亞的股票市場波動是跨區(qū)域沖擊的最重要接收者。在整個樣本期間，全球股票市場平均23.83%的預測誤差方差解釋了跨區(qū)域的溢出效應，表明全球股票市場高度相互關(guān)聯(lián)，并依賴于極端經(jīng)濟事件。

第二，動態(tài)估計的結(jié)果表明，從次貸危機到歐債危機期間全球股市溢出整體呈現(xiàn)減弱態(tài)勢，次貸危機時期風險總溢出高達46%，歐債危機時期風險溢出為32.8%。 與全樣本觀測時期風險總溢出23.83%比較，發(fā)現(xiàn)在極端動蕩風險時期全球股票市場的風險溢出呈現(xiàn)上升態(tài)勢，特別是次貸危機爆發(fā)后，推動全球股票市場風險溢出水平在高位運行。

第三， 針對我國股市的風險溢出與吸收情況，總體上對外溢出和吸收的絕對水平并不高。值得注意的是，近年來國際資本流動、金融開放與國際貿(mào)易往來等推動我國股市進程走向新階段，風險溢出與吸收水平有上升趨勢。

基于上述結(jié)論，得出以下啟示：

第一，基于風險溢出指數(shù)構(gòu)建全球金融風險監(jiān)測預警體系，可以通過有向加權(quán)網(wǎng)絡(luò)識別全球股市風險傳染路徑， 從而提升我國風險防控前瞻性。依據(jù)本文結(jié)論，在全樣本期間，我國是全球股市風險的重要接受者， 一旦個別國家股市受到外部沖擊，都有可能導致全球股市下跌的風險，繼而殃及我國資本市場。因此需要關(guān)注全球股票市場流動性過度充裕的外溢效應，加強跨境資本流動性監(jiān)測，嚴密防范外部沖擊風險。另外，應不斷完善自身股票市場資源配置的功能，拓寬多元化投資渠道。密切監(jiān)測股票市場流動性風險，引導金融機構(gòu)加強流動性管理，及時對極端風險溢出進行早期預警，防范風險跨領(lǐng)域、跨區(qū)域傳染，從源頭上實現(xiàn)風險隔離機制。

第二，在近年全球股市一體化的背景下，我國股票市場受到國際金融危機的感染程度加大。同時，在新冠肺炎疫情的“常態(tài)化”沖擊下，世界經(jīng)濟衰退已成定局，經(jīng)濟“逆全球化”趨勢顯現(xiàn)，中國應倡導世界各國政府共同面對、加強合作，建立國際股市間信息共享機制，以實現(xiàn)對國際股市間風險溢出效應的高效監(jiān)管，針對性地防范來自國際股票市場的外部沖擊。對我國而言，在不斷擴大開放的過程中，也需要警惕外部環(huán)境和風險的變化，只有精準防范國際金融風險沖擊，才能實現(xiàn)在后疫情時代中國經(jīng)濟的復蘇。

參考文獻：

[1]KING M A，WADHWANI S.Transmission of? Volatility between Stock Markets[J].Narnia，1990，3（1）：5-33.

[2]CONNOLLY A R，WANG A F.International Equity Market Comovements：Economic Fundamentals or Contagion？[J].Pacific-Basin Finance Journal，2003，11（1）：23-43.

[3]NANCY H，LIHONG W.The Co-movement of Stock markets in East Asia[J].China Economic Review，2009，21（1）：98-112.

[4]BAUR? D.Testing for Contagion-mean and Volatility Contagion[J].Journal of Multinational Financial Management，2003，13（4）：405-422.

[5]CHANCHAROENCHAI K，DIBOOGLU S.Volatility Spillov-ers and Contagion During the Asian Crisis：Evidence from Six Southeast Asian Stock Markets[J].Emerging Markets Finance and Trade，2006，42（2）：4-17.

[6]BEIRNE J，CAPORALE G M，SCHULZE-GHATTAS M，et al.Volatility Spillovers and Contagion from Mature to Emerging Stock Markets[J].Review of International Economics，2013，21（5）：1060-1075.

[7]CHOUDHRY T，JAYASEKERA R.Returns and Volatility Spillover in the European Banking Industry During Global Financial Crisis：Flight to Perceived Quality or Contagion？[J].International Review of Financial Analysis，2014，36：36-45.

[8]FORBES K J，CHINN M D.A Decomposition of Global Linkages in Financial Markets Over Time[J].Review of Economics and Statistics，2004，86（3）：705-722.

[9]BOYER B H，YUAN K K.How Do Crises Spread？ Evidence from Accessible and Inaccessible Stock Indices[J].Journal of Finance，2006，61（2）：957-1003.

[10]李岸，夏越，喬海曙.國際股票市場聯(lián)動的影響路徑與機制研究[J].南京社會科學，2016（07）：23-29.

[11]鄭挺國，劉堂勇.股市波動溢出效應及其影響因素分析[J].經(jīng)濟學（季刊），2018，17（02）：669-692.

[12]DIEBOLD F X，YILMAZ K.Measuring Financial Asset Return and Volatility Spillovers，with Application to Global Equity Markets[J].Economic Journal，2009，119（534）：158-171.

[13]DIEBOLD F X，YILMAZ K.Better to Give than to Receive：Predictive Directional Measurement of Volatility Spillovers[J].International Journal of Forecasting，2012，28（1）：57-66.

[14]DIEBOLD F X，YILMAZ K.On the Network Topology of Variance Decompositions：Measuring the Connectedness of Financial Firms[J].Journal of Econometrics，2014，182（1）：119-134.

[15]DIEBOLD F X，YILMAZ K.Trans-Atlantic Equity Volatility Connectedness：U.S.and European Financial Institutions，2004—2014[J].Narnia，2016，14（1）：81-127.

[16]ANTONAKAKIS N，CHATZIANTONIOU I，GABAUER D.Refined Measures of Dynamic Connectedness Based on TVP-VAR[J].Journal of Risk and Financial Management，2020，13（4）.

[17]ENGLE R.Dynamic Conditional Correlation：A Simple Class of Multivariate Generalized Autoregressive Conditional Heteroskedasticity Models[J].Journal of Business & Economic Statistics，2002，20（3）：339-350.

[18]梁琪，李政，郝項超.中國股票市場國際化研究：基于信息溢出的視角[J].經(jīng)濟研究，2015，50（4）：150-164.

[19]KENOURGIOS D.On Financial Contagion and implied Market Volatility[J].International Review of Financial Analysis，2014，34：21-30.

Research on Global Stock Market Risk Contagion from the Perspective of Volatility Spillover Network

Yang Lisheng1， Yang Jie2

（1. School of Management， Yunnan Minzu University， Kunming 650500， China;

2. School of Economics，Yunnan Minzu University， Kunming 650500， China）

Abstract： In order to characterize the dynamic path characteristics of global stock market risk contagion， the risk contagion mechanism of global stock market is analyzed from the perspective of volatility spillover network. Firstly， the DCC-GARCH dynamic spillover index framework is used to capture the dynamic linkage and risk contagion effects of global stock market volatility spillovers; secondly， based on the analysis of directional volatility spillover effects， a complex network of information spillovers is constructed based on variance decomposition.From a network perspective， the characteristics of risk contagion in the global stock market is analyzed. The study found that firstly， during the entire sample period， an average of 23.83% of the forecast error variance of the global stock market explained the cross-regional spillover effect， indicating that the global stock market is highly interconnected and dependent on extreme economic events. Secondly， the results of the dynamic estimation show that the global stock market spillovers from the subprime mortgage crisis to the European debt crisis showed an overall weakening trend. Thirdly， in recent years， international capital flows， financial opening and international trade exchanges have pushed Chinas stock market to a new stage， and risk spillovers and absorption of water have been on the rise. The conclusions of the research are helpful for the financial regulatory authorities to accurately grasp the law of risk transmission in Chinas stock market and provide a powerful reference for investors in risk management.

Key words： volatility spillover; network perspective; stock market; risk contagion; dynamic spillover index

（責任編輯：盧艷茹;校對：龍會芳）