淳偉德 朱航聰

【關(guān)鍵詞】 股指期貨; 風(fēng)險(xiǎn)溢出; 混頻時(shí)變Copula; CoVaR

【中圖分類號】 F832.5? 【文獻(xiàn)標(biāo)識碼】 A? 【文章編號】 1004-5937（2022）03-0009-07

一、引言

國際金融危機(jī)給金融市場帶來劇烈動蕩和危害，而股票市場作為金融市場的核心將首當(dāng)其沖。股價(jià)的暴跌和異常波動，在阻礙經(jīng)濟(jì)健康良好運(yùn)行的同時(shí)還對其造成了一定程度的破壞。我國經(jīng)濟(jì)發(fā)展方式和結(jié)構(gòu)在不斷優(yōu)化的同時(shí)不可避免地帶來經(jīng)濟(jì)不確定因素，從而對金融市場的運(yùn)行產(chǎn)生影響。與此同時(shí)，宏觀經(jīng)濟(jì)運(yùn)行狀況會通過邊際效用、資本成本和貼現(xiàn)率等因素對金融市場產(chǎn)生影響[ 1 ]，因此，在分析金融市場運(yùn)行狀況時(shí)應(yīng)綜合宏觀經(jīng)濟(jì)運(yùn)行背景加以考慮。隨著金融的不斷發(fā)展，金融市場間的聯(lián)動性也在不斷加強(qiáng)，這使得一個(gè)市場產(chǎn)生的風(fēng)險(xiǎn)極易通過金融市場間的關(guān)聯(lián)結(jié)構(gòu)發(fā)生溢出，從而帶來風(fēng)險(xiǎn)隱患，甚至造成系統(tǒng)性金融風(fēng)險(xiǎn)的積累，這給“牢牢守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線”工作形成了壓力。習(xí)近平總書記在2019年中共中央政治局第十三次集體學(xué)習(xí)時(shí)強(qiáng)調(diào)，要“堅(jiān)決打好防范化解包括金融風(fēng)險(xiǎn)在內(nèi)的重大風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)”。然而，風(fēng)險(xiǎn)溢出效應(yīng)顯著增加了金融風(fēng)險(xiǎn)的危害波及性，導(dǎo)致風(fēng)險(xiǎn)的防范變得困難，給監(jiān)管層的風(fēng)控工作帶來了嚴(yán)峻挑戰(zhàn)。在此背景下，應(yīng)對這一挑戰(zhàn)的有效方法是充分運(yùn)用高頻微觀和低頻宏觀數(shù)據(jù)的有效信息，準(zhǔn)確測度金融市場間的相依結(jié)構(gòu)和風(fēng)險(xiǎn)溢出，從而為監(jiān)控化解金融風(fēng)險(xiǎn)和推動金融改革開放有序進(jìn)行提供一定的參考依據(jù)和實(shí)證支撐。

股指期貨是一種以股票指數(shù)為標(biāo)的物的期貨，根據(jù)合約確定交割數(shù)量和日期，并以現(xiàn)金結(jié)算差價(jià)，具備價(jià)格發(fā)現(xiàn)、套期保值等作用。2010年4月16日，我國第一個(gè)金融期貨——滬深300股指期貨在中國金融期貨交易所正式上市，標(biāo)志著我國金融市場得到進(jìn)一步發(fā)展和拓寬，也引起了投資者的廣泛關(guān)注。部分投資者期望股指期貨的推出能夠逆轉(zhuǎn)我國股票市場劇烈波動的常態(tài)，也有不少投資者擔(dān)憂在股指期貨推出后，其中的過度投機(jī)行為會給股票市場增加風(fēng)險(xiǎn)。尤其是2015年6月后，人們開始進(jìn)一步擔(dān)憂股指期貨是否加劇了股指現(xiàn)貨的暴跌，從而加劇了金融風(fēng)險(xiǎn)。此外，股指期貨作為一種新興金融資產(chǎn)，對其進(jìn)行風(fēng)險(xiǎn)溢出效應(yīng)的研究將為后續(xù)金融市場的進(jìn)一步開放提供一定的參考價(jià)值。

學(xué)術(shù)界目前對股指期貨市場和現(xiàn)貨市場的研究主要集中于價(jià)格發(fā)現(xiàn)、波動溢出及跳躍風(fēng)險(xiǎn)三個(gè)方面。陶利斌等[ 2 ]研究發(fā)現(xiàn)股指期貨的價(jià)格發(fā)現(xiàn)能力較現(xiàn)貨市場更強(qiáng)。趙慧敏等[ 3 ]使用BVGJR-GARCH-BEEK模型分析了不同市場行情下股指期現(xiàn)貨市場的價(jià)格發(fā)現(xiàn)作用、波動溢出關(guān)系和跳躍風(fēng)險(xiǎn)。宮曉莉等[ 4 ]通過構(gòu)建雙層跳躍擴(kuò)散模型研究發(fā)現(xiàn)，股指期貨波動性相較于股指現(xiàn)貨強(qiáng)但持久性低，同時(shí)兩個(gè)市場間存在雙向跳躍風(fēng)險(xiǎn)溢出。陳海強(qiáng)和張傳海[ 5 ]通過分解跳躍類型分析了股指期貨交易的跳躍風(fēng)險(xiǎn)，發(fā)現(xiàn)股指期貨交易增加了股市的大跳風(fēng)險(xiǎn)而減小了其小跳風(fēng)險(xiǎn)。通過對已有文獻(xiàn)的梳理，筆者發(fā)現(xiàn)現(xiàn)有研究較少對兩個(gè)市場間的雙向極端風(fēng)險(xiǎn)溢出關(guān)系進(jìn)行研究，因此，本文將致力于對股指期現(xiàn)貨間的極端風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行研究。

迄今，已有大量學(xué)者對金融市場間的風(fēng)險(xiǎn)關(guān)系進(jìn)行了研究，并取得了較為豐碩的研究成果。從研究方法來看，主要有Granger因果檢驗(yàn)法[ 6 ]、GARCH族模型[ 7-8 ]、協(xié)整檢驗(yàn)[ 9 ]等，風(fēng)險(xiǎn)測度的指標(biāo)主要有VaR、CoVaR。然而，金融市場收益率不一定服從相同分布，GARCH族模型需假設(shè)服從相同分布，具有一定局限性;Granger因果檢驗(yàn)法未能對金融市場間的風(fēng)險(xiǎn)溢出強(qiáng)度進(jìn)行測度;協(xié)整檢驗(yàn)對金融市場間長期均衡關(guān)系的研究，難以處理短期關(guān)系;VaR方法由于不具備次可加性，不能滿足一致性風(fēng)險(xiǎn)測度要求，同時(shí)也無法反映金融市場間的風(fēng)險(xiǎn)溢出。Adrian和Brunnermeier[ 10 ]提出的CoVaR方法不僅滿足了一致性風(fēng)險(xiǎn)測度要求，而且可以度量一個(gè)金融市場在另一個(gè)金融市場發(fā)生風(fēng)險(xiǎn)時(shí)的條件在險(xiǎn)價(jià)值，得出風(fēng)險(xiǎn)溢出的強(qiáng)度和方向，為分析金融市場間的風(fēng)險(xiǎn)溢出效應(yīng)提供了新的思路。有部分學(xué)者[ 11-13 ]基于分位數(shù)回歸計(jì)算CoVaR，但此方法無法刻畫金融市場普遍存在的非線性關(guān)系，具有一定局限性。而基于Copula方法計(jì)算的CoVaR能夠有力捕捉金融市場間的非線性相依結(jié)構(gòu)，從而更好地測度極端風(fēng)險(xiǎn)溢出。已有學(xué)者[ 14-16 ]運(yùn)用此方法研究金融市場間的風(fēng)險(xiǎn)溢出效應(yīng)，并取得了較好的結(jié)果。

令人遺憾的是，目前關(guān)于風(fēng)險(xiǎn)溢出效應(yīng)的研究主要是基于高頻日度收益率數(shù)據(jù)而展開的，沒有將低頻宏觀經(jīng)濟(jì)背景納入考量。金融市場間的波動關(guān)系和相依結(jié)構(gòu)不僅會受到高頻金融市場數(shù)據(jù)影響，而且會受到低頻宏觀經(jīng)濟(jì)數(shù)據(jù)影響。經(jīng)濟(jì)興，金融興，經(jīng)濟(jì)和金融是密不可分的關(guān)系，將宏觀經(jīng)濟(jì)運(yùn)行中的有效信息加以運(yùn)用，有助于更加充分地分析金融市場的波動關(guān)系和相依結(jié)構(gòu)并提高邊緣分布擬合效果，從而更好地描述其間的風(fēng)險(xiǎn)溢出效應(yīng)。

為了解決數(shù)據(jù)頻率不匹配的問題，目前學(xué)術(shù)界采用的方法有插值法、加總替代法等，此類方法是將低頻數(shù)據(jù)或高頻數(shù)據(jù)進(jìn)行相互轉(zhuǎn)換。值得注意的是上述對數(shù)據(jù)進(jìn)行變頻的方法會使數(shù)據(jù)中的有效信息丟失，并產(chǎn)生模型設(shè)定錯誤和結(jié)論偏差[ 17-18 ]。Engle等[ 19 ]在Ghysels等[ 17 ]提出的混頻抽樣（MIDAS）的基礎(chǔ)上建立了混頻自回歸條件異方差模型（GARCH-MIDAS），該模型能夠納入低頻宏觀經(jīng)濟(jì)變量，將金融市場收益率序列中的波動成分分解為長期成分和短期成分，實(shí)現(xiàn)混頻數(shù)據(jù)視角下的分析，從而提高邊緣分布擬合效果。

有鑒于此，本文構(gòu)建了GARCH-MIDAS-Copula-CoVaR模型。首先，通過混頻模型對比分析股指期貨和現(xiàn)貨的波動率，以期考察宏觀變量對金融市場的作用，同時(shí)提高邊緣分布的擬合效果;其次，將得到的殘差經(jīng)過概率積分轉(zhuǎn)換后運(yùn)用時(shí)變Copula函數(shù)分析動態(tài)相依關(guān)系;最后，通過CoVaR方法分析股指期貨與現(xiàn)貨市場間的風(fēng)險(xiǎn)溢出效應(yīng)，為進(jìn)一步探究兩個(gè)市場在極端風(fēng)險(xiǎn)事件下的關(guān)系、保障金融平穩(wěn)安全運(yùn)行提供了參考依據(jù)。

二、模型設(shè)定

（一）構(gòu)建邊緣分布模型

本文使用的GARCH-MIDAS模型對收益率序列設(shè)定如下：

其中，將收益率序列的波動性分解為低頻長期成分？子t和高頻短期成分gi，t，并設(shè)定短期成分gi，t服從GJR-GARCH（1，1）過程，長期成分？子t為受已實(shí)現(xiàn)波動率RVt和宏觀經(jīng)濟(jì)變量Xt影響的MIDAS濾波方程。

（二）時(shí)變Copula模型

本文使用的時(shí)變Gaussian Copula和時(shí)變t Copula的相關(guān)系數(shù)？籽基于DCC（1，1）過程進(jìn)行演化，形成DCC-Gaussian-Copula和DCC-t-Copula模型。演化方程如下：

其中，Q為標(biāo)準(zhǔn)化殘差序列的協(xié)方差矩陣，Q*t為對角元素是Qt平方根、非對角元素是0的方陣。

（三）CoVaR方法

CoVaR可以用來衡量風(fēng)險(xiǎn)溢出效應(yīng)，在1-q的置信水平下，當(dāng)某一金融市場i某時(shí)刻處于某風(fēng)險(xiǎn)價(jià)值水平時(shí)，另一金融市場j的條件在險(xiǎn)價(jià)值：

對式（10）求解并計(jì)算反函數(shù)即可得到風(fēng)險(xiǎn)溢出值。

為了更好地說明金融市場i發(fā)生風(fēng)險(xiǎn)事件對j的風(fēng)險(xiǎn)溢出效應(yīng)，定義溢出條件風(fēng)險(xiǎn)價(jià)值為？駐CoVaRj│iq，t，其表達(dá)式為：

考慮到風(fēng)險(xiǎn)溢出規(guī)模由于量綱問題存在較大差異，因此對溢出條件風(fēng)險(xiǎn)價(jià)值進(jìn)行標(biāo)準(zhǔn)化處理：

另外，無條件風(fēng)險(xiǎn)價(jià)值由式（13）計(jì)算得出，t-1為邊緣分布函數(shù)反函數(shù)的q分位數(shù)：

（四）Backtesting檢驗(yàn)

為確保本文使用的模型能夠準(zhǔn)確測度出股指期貨與現(xiàn)貨的雙向風(fēng)險(xiǎn)溢出效應(yīng)，根據(jù)Kupiec[ 20 ]提出的Backtesting方法進(jìn)行后驗(yàn)檢驗(yàn)，構(gòu)造“碰撞序列”：

Ht=1，if Rt≤VaRt0，if Rt>VaRt? （14）

假定顯著性水平為p，T為碰撞序列總長度，N為Rt≤VaRt的數(shù)量，當(dāng)E[Ht]=p成立，則式（15）應(yīng)該服從自由度為1的？字2分布：

進(jìn)一步根據(jù)Christoffersen[ 21 ]提出的獨(dú)立性檢驗(yàn)，在原假設(shè)成立的條件下，式（16）應(yīng)服從自由度為2的？字2分布：

當(dāng)Rt≤VaRt時(shí)，構(gòu)建新的碰撞序列如式（17），并遵循上述碰撞序列檢驗(yàn)方式進(jìn)行Backtesting檢驗(yàn)。

在顯著性水平p上，如果計(jì)算出的統(tǒng)計(jì)量值大于？字分布的臨界值，應(yīng)當(dāng)拒絕原假設(shè)，若無法拒絕原假設(shè)，則表明本文使用的模型是合適的。為了更直觀地判斷，使用檢驗(yàn)統(tǒng)計(jì)量的P值進(jìn)行判定：P值越大，表明模型越具有準(zhǔn)確性和獨(dú)立性，即使用此模型進(jìn)行風(fēng)險(xiǎn)測度是合理且有效的。

三、實(shí)證分析

（一）數(shù)據(jù)選取與描述性統(tǒng)計(jì)

滬深300股指期貨是我國最早成立的金融期貨，同時(shí)，作為股指期貨標(biāo)的物的滬深300指數(shù)涵蓋了我國A股約60%的市值，具有良好的市場代表性。本文選取滬深300股指期貨作為股指期貨的代表，因當(dāng)月合約的成交量最大且流動性最強(qiáng)，選取當(dāng)月連續(xù)合約為研究對象。選取滬深300指數(shù)作為股指現(xiàn)貨的代表。宏觀變量選取中國社會消費(fèi)品零售總額、固定資產(chǎn)投資完成額和銀行間同業(yè)拆借加權(quán)利率作為消費(fèi)（Sale）、投資（Invest）和利率（Rate）的代理變量，其中除利率外，其他變量均采用X12方法季節(jié)調(diào)整后進(jìn)行對數(shù)差分處理。

綜合考慮滬深300股指期貨成立時(shí)間和宏觀月度變量的可得性，選取樣本區(qū)間為2010年5月4日至2020年12月31日，股指期現(xiàn)貨日度數(shù)據(jù)共計(jì)2 595組，采用收益價(jià)格的自然對數(shù)差分形式：rt=100×ln（pt/pt-1），其中pt為第t日的收盤價(jià)。宏觀變量均為月度數(shù)據(jù)，對應(yīng)樣本區(qū)間為2010年5月至2020年12月，共計(jì)128組。

表1的描述性統(tǒng)計(jì)顯示，股指期貨的波動性大于股指現(xiàn)貨，同時(shí)兩個(gè)收益率序列都呈現(xiàn)出“尖峰厚尾”特征，J-B統(tǒng)計(jì)量均顯著拒絕了兩個(gè)收益率序列服從正態(tài)分布的假設(shè)。Q（10）統(tǒng)計(jì)量和ARCH統(tǒng)計(jì)量表明，兩個(gè)收益率序列存在自相關(guān)和異方差性。

（二）混頻時(shí)變Copula

1.邊緣分布參數(shù)估計(jì)

在雙因子GARCH-MIDAS模型參數(shù)估計(jì)過程中，采用準(zhǔn)極大似然估計(jì)法（QML）。為了保證滯后變量的權(quán)重呈衰減形式，即滯后期越短對當(dāng)期影響最大，權(quán)重函數(shù)中？棕1設(shè)置為1。

從表2可以看到，所有模型測度GARCH效應(yīng)的參數(shù)？滋，？琢，？茁均在統(tǒng)計(jì)意義上顯著，并且？琢+？茁<1且接近1，表明在納入宏觀經(jīng)濟(jì)變量后，股指期貨與現(xiàn)貨的短期波動仍呈現(xiàn)出明顯的波動聚集效應(yīng);測度月度已實(shí)現(xiàn)波動率的參數(shù)？茲R在模型1和3中顯著，表明其增加了股指期貨的長期波動。

對于宏觀經(jīng)濟(jì)變量，對比分析股指期貨與現(xiàn)貨的參數(shù)？茲X，？棕X，本文發(fā)現(xiàn)：

消費(fèi)和投資對股指期貨與現(xiàn)貨的影響方向一致，其中消費(fèi)的增長會減少兩個(gè)市場的長期波動，而投資的增長會增加兩個(gè)市場的長期波動。出現(xiàn)此種情形的原因，本文認(rèn)為可能是投資者在消費(fèi)上的增加會使其在金融市場投入的資金量變少，進(jìn)而減少交易活動，導(dǎo)致市場長期波動減小，而投資的增加很大一部分來源于我國上市企業(yè)的投入再生產(chǎn)，通過生產(chǎn)流通等環(huán)節(jié)帶來的收益最終會影響到股票價(jià)格，導(dǎo)致市場長期波動增加。

利率的增加會增加股指期貨與現(xiàn)貨的長期波動。本文認(rèn)為，利率的增加會提升企業(yè)的融資成本并影響投資者的資產(chǎn)配置，導(dǎo)致金融市場出現(xiàn)波動，比如利率的增加會提升以債券代表的金融資產(chǎn)的吸引力，使股指期貨和現(xiàn)貨市場的成交量下降，從而出現(xiàn)波動現(xiàn)象。同時(shí)，本文注意到利率的調(diào)整對股市波動的影響有限，一方面由于我國一直采取穩(wěn)健的貨幣政策對利率進(jìn)行合理微調(diào)，另一方面我國的貨幣政策傳導(dǎo)機(jī)制仍處于不斷完善和發(fā)展進(jìn)程中，存在傳導(dǎo)不通暢的狀況。

從Ratio結(jié)果來看，RV+Rate模型中的長期趨勢占總波動成分比例最高，其次為RV+Sale模型，占比最低的為RV+Invest模型。但長期趨勢占比最高的模型也沒有超過30%，這表明短期波動仍然是股指期貨與現(xiàn)貨市場的主要風(fēng)險(xiǎn)來源，需要加以監(jiān)控和防范。

2.時(shí)變Copula

選用長期趨勢占比最高的GARCH-MIDAS-RV+Rate模型，將獲得的殘差進(jìn)行概率積分轉(zhuǎn)換，并通過K-S檢驗(yàn)驗(yàn)證了其滿足使用Copula函數(shù)的條件。參數(shù)估計(jì)結(jié)果如表3。同時(shí)使用靜態(tài)Copula函數(shù)進(jìn)行計(jì)算對比，發(fā)現(xiàn)時(shí)變Copula函數(shù)具有更好的擬合效果，且時(shí)變DCC-t- Copula具有最好的擬合效果。

圖1展示了股指期貨與現(xiàn)貨市場的動態(tài)相依系數(shù)，可以發(fā)現(xiàn)在2015年6月前，兩個(gè)市場的相依性在一個(gè)區(qū)間穩(wěn)定變化。但在2015年6月后，兩個(gè)市場的相依性呈現(xiàn)下降態(tài)勢，表明在此期間，兩個(gè)市場的關(guān)聯(lián)程度在不斷下降。究其原因，本文認(rèn)為一方面是期貨的風(fēng)險(xiǎn)對沖在初期發(fā)揮作用;另一方面是中金所在2015年9月推出了最嚴(yán)限令，采取提高非套期保值持倉交易保證金到40%、平倉手續(xù)費(fèi)提高到萬分之二十三等多重措施限制交易，遏制了股指期貨的流動性，使得兩個(gè)市場的相依性減弱。2015年6月后，中國金融市場交易規(guī)則和制度不斷完善，投資者的投資理念也在不斷提升，股指期貨與現(xiàn)貨市場的相依性緩慢上升。值得注意的是，2017年2月，兩個(gè)市場的相依性在短期內(nèi)出現(xiàn)了較為劇烈的下降，而這正是中金所在最嚴(yán)限令后首次對股指期貨交易松綁的時(shí)間;此外，在2017年9月15日第二次對股指期貨交易松綁后，兩個(gè)市場的相依性在短期內(nèi)又出現(xiàn)了較為劇烈的下降。究其原因，本文認(rèn)為這是投資者對中金所調(diào)整交易規(guī)則存在不確定預(yù)期，從避險(xiǎn)和觀望的角度暫停和減少了交易行為，導(dǎo)致兩個(gè)市場的相依性暫時(shí)下降。

3.風(fēng)險(xiǎn)溢出效應(yīng)分析

從VaR的數(shù)值可以看出，股指期貨的無條件風(fēng)險(xiǎn)要大于股指現(xiàn)貨，這是因?yàn)楣芍钙谪浭袌霰旧泶嬖诟吒軛U的同時(shí)也具備了較高的波動性。通過對比CoVaR和VaR數(shù)值，可以發(fā)現(xiàn)，如果沒有考慮條件在險(xiǎn)價(jià)值，風(fēng)險(xiǎn)會被嚴(yán)重低估。此外，通過對比不同顯著性水平下的風(fēng)險(xiǎn)價(jià)值，發(fā)現(xiàn)當(dāng)顯著性水平下降時(shí)，條件在險(xiǎn)價(jià)值提高，換言之，表明其中一個(gè)市場自身風(fēng)險(xiǎn)加劇時(shí)，會加大對另一個(gè)市場的風(fēng)險(xiǎn)外溢，從而造成更強(qiáng)的沖擊。

從%CoVaR來看，以5%的顯著性水平為例，股指現(xiàn)貨對期貨市場的風(fēng)險(xiǎn)溢出效應(yīng)為115.7523%，而股指期貨對現(xiàn)貨市場的風(fēng)險(xiǎn)溢出效應(yīng)為94.3269%，這表明兩個(gè)市場間存在非對稱的風(fēng)險(xiǎn)溢出關(guān)系，且現(xiàn)貨市場對期貨市場的風(fēng)險(xiǎn)沖擊更為劇烈，這與劉慶富和華仁海[ 22 ]的研究結(jié)論一致。

無條件風(fēng)險(xiǎn)價(jià)值VaR和條件風(fēng)險(xiǎn)價(jià)值CoVaR的Backtesting結(jié)果如表5所示。可以看到，所有統(tǒng)計(jì)量的P值都大于0.05，即在5%的顯著性水平都通過了檢驗(yàn)，這表明本文模型的計(jì)算是準(zhǔn)確和有效的。因此，使用本文構(gòu)建的模型能夠?qū)O端風(fēng)險(xiǎn)情況下的風(fēng)險(xiǎn)溢出進(jìn)行準(zhǔn)確測量。

四、結(jié)論與啟示

本文擴(kuò)展了已有研究視角，運(yùn)用混頻分析技術(shù)綜合提取了高頻微觀數(shù)據(jù)和低頻宏觀數(shù)據(jù)的有效信息，提高了邊緣分布擬合效果，在運(yùn)用時(shí)變DCC-t-Copula模型刻畫股指期貨與現(xiàn)貨市場動態(tài)相依關(guān)系的基礎(chǔ)上，結(jié)合CoVaR模型進(jìn)一步分析了股指期貨與現(xiàn)貨市場間的極端風(fēng)險(xiǎn)溢出效應(yīng)，并通過Backtesting結(jié)果證明了本文模型測度風(fēng)險(xiǎn)溢出效應(yīng)的準(zhǔn)確性和有效性。研究結(jié)果表明：（1）宏觀經(jīng)濟(jì)變量會對金融市場長期波動產(chǎn)生顯著影響，從而進(jìn)一步影響金融市場間的相依關(guān)系和風(fēng)險(xiǎn)溢出效應(yīng)。這表明使用低頻宏觀數(shù)據(jù)中的有效信息將有助于更加準(zhǔn)確地測度金融風(fēng)險(xiǎn)。其中，消費(fèi)會減小股指期貨與現(xiàn)貨市場的波動，而投資和利率會增加股指期貨與現(xiàn)貨市場的波動。與此同時(shí)，宏觀經(jīng)濟(jì)運(yùn)行狀況還可以作為參考金融市場運(yùn)行狀況的一個(gè)風(fēng)向標(biāo)。（2）股指期貨與現(xiàn)貨市場間存在比較高的動態(tài)相依性，并會受到政策規(guī)則變化的影響。（3）使用無條件風(fēng)險(xiǎn)價(jià)值對風(fēng)險(xiǎn)進(jìn)行測度時(shí)會忽略金融市場間的風(fēng)險(xiǎn)溢出關(guān)系，而使用條件在險(xiǎn)價(jià)值不僅可以測度出風(fēng)險(xiǎn)溢出的強(qiáng)度，還可以獲取風(fēng)險(xiǎn)溢出的方向。實(shí)證結(jié)果表明，股指期貨與現(xiàn)貨市場間存在非對稱的雙向極端風(fēng)險(xiǎn)溢出效應(yīng)，其中股指現(xiàn)貨市場對期貨市場的風(fēng)險(xiǎn)溢出強(qiáng)度要大于股指期貨市場對現(xiàn)貨市場的風(fēng)險(xiǎn)溢出強(qiáng)度。此外，鑒于股指現(xiàn)貨風(fēng)險(xiǎn)溢出的高強(qiáng)度性，監(jiān)管層對股指現(xiàn)貨市場的穩(wěn)定運(yùn)行應(yīng)給予更為密切的關(guān)注。（4）隨著顯著性水平的減少，風(fēng)險(xiǎn)溢出效應(yīng)的強(qiáng)度會加大。這表明一個(gè)市場若自身風(fēng)險(xiǎn)加劇，會使另一個(gè)市場的風(fēng)險(xiǎn)溢出加劇，從而造成更加嚴(yán)重的后果。因此，對極端風(fēng)險(xiǎn)采取嚴(yán)密的監(jiān)測和防范措施十分必要。

由此得到的啟示有：（1）監(jiān)管層進(jìn)行風(fēng)險(xiǎn)管理時(shí)，要進(jìn)一步立足宏觀經(jīng)濟(jì)背景，掌握消費(fèi)、投資、利率等經(jīng)濟(jì)變量的狀況，并針對性地進(jìn)行風(fēng)險(xiǎn)調(diào)控。（2）股指期貨與現(xiàn)貨市場間存在密切的相依性，監(jiān)管層應(yīng)該從整體的視角出發(fā)，綜合考量兩個(gè)市場的運(yùn)行情況，若僅單獨(dú)對某一市場進(jìn)行監(jiān)控和調(diào)控，可能會造成對風(fēng)險(xiǎn)的低估并導(dǎo)致調(diào)控措施的無效化。（3）股指現(xiàn)貨市場作為我國金融市場的重要組成部分，對股指期貨市場的風(fēng)險(xiǎn)溢出程度更為劇烈，但也不可忽視期貨市場對現(xiàn)貨的風(fēng)險(xiǎn)溢出。因此，監(jiān)管層要盡力確保金融市場的穩(wěn)定，避免其中一個(gè)市場產(chǎn)生的風(fēng)險(xiǎn)外溢對另一個(gè)市場造成嚴(yán)重的沖擊，這有助于營造穩(wěn)定的市場環(huán)境，從而進(jìn)一步促進(jìn)金融市場健康、有序、平穩(wěn)地發(fā)展。

【參考文獻(xiàn)】

[1] 劉鳳根，吳軍傳，楊希特，等.基于混頻數(shù)據(jù)模型的宏觀經(jīng)濟(jì)對股票市場波動的長期動態(tài)影響研究[J].中國管理科學(xué)，2020，28（10）：65-76.

[2] 陶利斌，潘婉彬，黃筠哲.滬深300股指期貨價(jià)格發(fā)現(xiàn)能力的變化及其決定因素[J].金融研究，2014（4）：128-142.

[3] 趙慧敏，陳曉倩，黃嵩.中國股指期貨和現(xiàn)貨市場信息傳導(dǎo)關(guān)系在牛熊市中的異化現(xiàn)象[J].系統(tǒng)工程理論與實(shí)踐，2018，38（4）：863-872.

[4] 宮曉莉，熊熊，莊新田.廣義雙指數(shù)分布的跳躍擴(kuò)散模型下股指期貨波動研究[J].管理科學(xué)，2018，31（3）：149-159.

[5] 陳海強(qiáng)，張傳海.股指期貨交易會降低股市跳躍風(fēng)險(xiǎn)嗎？[J].經(jīng)濟(jì)研究，2015，50（1）：153-167.

[6] 侯縣平，黃登仕，徐凱，等.金融危機(jī)對中國證券市場傳染效應(yīng)的影響[J].系統(tǒng)工程學(xué)報(bào)，2015，30（3）：331-343.

[7] 劉璐，韓浩.我國保險(xiǎn)市場與銀行市場間的風(fēng)險(xiǎn)溢出效應(yīng)研究：基于上市銀行和保險(xiǎn)公司的實(shí)證分析[J].保險(xiǎn)研究，2016（12）：3-14.

[8] 寇明婷，楊海珍，肖明.中國股票市場與貨幣政策的互動關(guān)系：基于股指期貨推出前后的比較研究[J].管理評論，2016，28（4）：21-29.

[9] 劉堂發(fā).我國股指期貨與現(xiàn)貨市場關(guān)系分析[J].會計(jì)之友，2016（11）：41-43.

[10] ADRIAN T，BRUNNERMEIER M K.CoVaR[J].The American Economic Review，2016，106（7）：1705-1741.

[11] 陳建青，王擎，許韶輝.金融行業(yè)間的系統(tǒng)性金融風(fēng)險(xiǎn)溢出效應(yīng)研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015，32（9）：89-100.

[12] 曾裕峰，溫湖煒，陳學(xué)彬.股市互聯(lián)、尾部風(fēng)險(xiǎn)傳染與系統(tǒng)重要性市場：基于多元分位數(shù)回歸模型的分析[J].國際金融研究，2017（9）：86-96.

[13] 劉超，劉彬彬.金融機(jī)構(gòu)尾部風(fēng)險(xiǎn)溢出效應(yīng)：基于改進(jìn)非對稱CoVaR模型的研究[J].統(tǒng)計(jì)研究，2020，37（12）：58-74.

[14] 沈悅，戴士偉，陳錕.房價(jià)過度波動的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)測度：基于GARCH-Copula-CoVaR模型[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（3）：88-95.

[15] 侯縣平，傅春燕，林子梟，等.極端風(fēng)險(xiǎn)溢出效應(yīng)的定量測度及非對稱性：來自中國股市與債市的經(jīng)驗(yàn)證據(jù)[J].管理評論，2020，32（9）：55-67.

[16] 趙如波，田益祥，田偉.基于GAS t-Copula模型的金融市場非對稱風(fēng)險(xiǎn)溢出效應(yīng)測度研究[J].運(yùn)籌與管理，2021，30（2）：176-183.

[17] GHYSELS E，SINKO A，VALKANOV R.MIDAS regressions：further results and new directions[J]. Econometric Reviews，2007，26（1）：53-90.

[18] FERRARA L，GURRIN P.What are the macroeconomic effects of high-frequency uncertainty shocks？[J].Journal of Applied Econometrics，2018，33（5）：662-679.

[19] ENGLE R F，GHYSELS E，SOHN B.Stock market volatility and macroeconomic fundamentals[J].Review of Economics and Statistics，2013，95（3）：776-797.

[20] KUPIEC P H.Techniques for verifying the accuracy of risk measurement models[J].The Journal of Derivatives，1995，3（2）：73-84.

[21] CHRISTOFFERSEN P F.Evaluating interval forecasts[J].International Economic Review，1998，39（4）：841-862.

[22] 劉慶富，華仁海.中國股指期貨與股票現(xiàn)貨市場之間的風(fēng)險(xiǎn)傳遞效應(yīng)研究[J].統(tǒng)計(jì)研究，2011，28（11）：84-90.