金融風(fēng)險在股票市場的傳染效應(yīng)及聯(lián)動行為分析

劉 超，郭亞東

(1.北京工業(yè)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京 100124; 2.北京現(xiàn)代制造業(yè)發(fā)展研究基地，北京 100124)

0 引言

從國際市場的亞洲金融危機，次貸危機到歐債危機以及近年來中國市場的“錢荒”和“股災(zāi)”等金融危機事件中不難看出金融風(fēng)險跨市場跨區(qū)域的復(fù)雜傳染性以及風(fēng)險監(jiān)管和預(yù)警的艱巨性。2017年7月全國金融工作會議指出“防范化解金融風(fēng)險，特別是防止發(fā)生系統(tǒng)性金融風(fēng)險，是金融工作的根本性任務(wù)”[1]。后金融危機時代，國際經(jīng)濟(jì)持續(xù)疲軟，而當(dāng)前局勢并不平穩(wěn)，“逆全球化”思潮和貿(mào)易保護(hù)主義都深刻影響著全球經(jīng)濟(jì)一體化進(jìn)程[2]。截止2019年3月，我國股市總市值達(dá)57.89萬億元，成為全球最大的新興股市，鑒于我國已是全球金融網(wǎng)絡(luò)中重要的組成部分，深入研究國際金融危機爆發(fā)下股票市場的風(fēng)險傳染和聯(lián)動特性，對于完善股市間聯(lián)動理論具有積極意義，對經(jīng)濟(jì)新常態(tài)下我國股市管控和防范系統(tǒng)性金融風(fēng)險的發(fā)生以及金融投資具有重要的現(xiàn)實意義。

1 文獻(xiàn)綜述

對于金融傳染的定義，尚未有統(tǒng)一的認(rèn)識，當(dāng)前被廣泛接受的是Forbes等[3]從相關(guān)性變化角度給出的定義，認(rèn)為金融危機加劇了市場間的波動性和相關(guān)性。關(guān)于金融傳染的研究，早期學(xué)者主要利用Pearson相關(guān)系數(shù)法，通過比較危機發(fā)生前后相關(guān)系數(shù)是否發(fā)生顯著性變化來判別危機的發(fā)生與否[4]。但Pearson相關(guān)系數(shù)僅是用于度量線性相關(guān)強度和方向的統(tǒng)計量，并沒有考慮到數(shù)據(jù)的異方差性和時變特性。為準(zhǔn)確描述市場間的波動特性和時變相關(guān)性，學(xué)者們開始使用DCC-MVGARCH模型進(jìn)行相關(guān)研究，這類模型在考慮異方差的基礎(chǔ)上，既有單變量GARCH的靈活性，也反映了市場間相關(guān)關(guān)系的時變特征，能很好地觀測金融危機蔓延過程[6]。Chiang等[6]將DCC模型應(yīng)用于亞洲金融危機的研究中，通過分析動態(tài)條件相關(guān)系數(shù)的變化來證明傳染性的存在。Cappiello等[7]進(jìn)一步提出了非對稱動態(tài)條件相關(guān)模型以解釋條件相關(guān)系數(shù)和條件波動的杠桿效應(yīng)。此后，Luo等[8]、Roy等[9]等學(xué)者均用此類模型研究了金融傳染現(xiàn)象。在國內(nèi)學(xué)者中，孫彬等[10]用DCC模型研究發(fā)現(xiàn)金融危機前后融資流動性和股票市場流動性的動態(tài)條件相關(guān)系數(shù)發(fā)生了顯著變化。黃文彬等將內(nèi)生多重結(jié)構(gòu)突變模型和DCC模型相結(jié)合，準(zhǔn)確劃分了次貸危機和歐債危機對我國股市的傳染時間[11]。此外，蘇木亞等[12]、王正新和姚培毅等[13]學(xué)者都應(yīng)用DCC模型對金融傳染進(jìn)行了研究。

雖然DCC模型能很好地刻畫多個市場間的時變相關(guān)性，但這種相關(guān)性是基于正太分布假設(shè)的線性相關(guān)，無法刻畫市場間存在的非對稱尾部相關(guān)性。在此背景之下，Copula理論的引入為金融傳染的研究開辟了新的方向。Johansson等[14]構(gòu)建自回歸Copula模型研究了中國股市與國際股市間的相依性，發(fā)現(xiàn)兩者間的相依性在不斷地提高。此外，動態(tài)Copula函數(shù)還能刻畫金融市場間的時變相依性，如Horta等[15]采用二元動態(tài)Copula函數(shù)研究了次貸危機期間歐洲股市的傳染效應(yīng)及其傳播途徑。然而動態(tài)Copula模型卻存在單一狀態(tài)的局限性，其在構(gòu)建高維聯(lián)合分布時存在“維度詛咒”和估值困難的問題?；谏鲜鲈?，學(xué)者們多采用高維Copula模型(C-Vine Copula、D-Vine Copula、R-Vine Copula)進(jìn)行股市間相依性研究[16～19]。

上述文獻(xiàn)主要以不同的視角研究了金融危機期間市場間的相關(guān)性和相依性關(guān)系，雖然成果顯著，但存在以下不足：一是對金融傳染情況下傳染程度的刻畫存在不足之處，不能準(zhǔn)確判斷風(fēng)險傳染方向；二是現(xiàn)有研究大多集中在兩兩市場間的金融傳染和聯(lián)動分析上，少有學(xué)者系統(tǒng)性地研究多個市場間的風(fēng)險傳染特性。此外各個市場因其開放程度不同，在發(fā)生金融傳染時的傳染持續(xù)時間和傳染程度會展現(xiàn)出不同的特性[20]。為了刻畫市場間風(fēng)險的時變溢出特性，學(xué)者們進(jìn)行了廣泛的研究。Diebold和Yilmaz[21]基于廣義預(yù)測誤差方差分解構(gòu)建溢出指數(shù)模型，能識別風(fēng)險溢出方向和溢出量、刻畫風(fēng)險溢出的時變特性，受到學(xué)者們的認(rèn)可并被廣泛關(guān)注。

20世紀(jì)末以來，復(fù)雜性科學(xué)得到蓬勃發(fā)展，現(xiàn)有資料越來越表明金融市場具有復(fù)雜特性，用復(fù)雜性科學(xué)的方法來理解和解決金融市場的問題是當(dāng)前學(xué)者的研究熱點之一[22]。目前用復(fù)雜網(wǎng)絡(luò)理論來研究股票市場，主要有研究股票市場關(guān)聯(lián)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和聚類結(jié)構(gòu)[23]。Onnela等[24]以股票每日收盤價構(gòu)建網(wǎng)絡(luò)來研究其拓?fù)浣Y(jié)構(gòu)。Tumminello等[25]以平面極大過濾圖算法構(gòu)建了紐約部分股票關(guān)聯(lián)網(wǎng)絡(luò)圖，發(fā)現(xiàn)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)隨股價變化而變動。An等[26]將復(fù)雜網(wǎng)絡(luò)應(yīng)用于原油期貨現(xiàn)貨行情聯(lián)動關(guān)系的研究上。國內(nèi)學(xué)者中，鄧超等[27]構(gòu)建銀行業(yè)隨機網(wǎng)絡(luò)模型，對其傳導(dǎo)機制進(jìn)行了研究。劉超等[28,29]構(gòu)建我國金融子市場間的相關(guān)網(wǎng)絡(luò)，分析了金融子市場間的風(fēng)險傳染和溢出特征。此外還有歐陽紅兵等[30]、黃瑋強等[31]一批學(xué)者以復(fù)雜網(wǎng)絡(luò)的方法研究金融風(fēng)險。通過文獻(xiàn)分析發(fā)現(xiàn)，當(dāng)前學(xué)者在對股市間內(nèi)在聯(lián)動行為的研究方面尚存在研究空間。Zhu等[32]首次定義了一種粗粒化的聯(lián)動模式來構(gòu)建聯(lián)動網(wǎng)絡(luò)，分析了次貸危機期間中美股市間的聯(lián)動行為，本文將繼續(xù)沿著這個方向進(jìn)行研究。

我國經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)以來，面臨著嚴(yán)峻的經(jīng)濟(jì)轉(zhuǎn)型和結(jié)構(gòu)調(diào)整問題，使得發(fā)生系統(tǒng)性金融風(fēng)險的概率越來越大[33]。從國際視角來看，當(dāng)前全球經(jīng)濟(jì)依舊疲軟，實體經(jīng)濟(jì)持續(xù)萎靡，這更加加劇了國際金融市場的不穩(wěn)定性。本文想探討的是，金融危機期間，各國股票市場是否受到了傳染？如何判定傳染的方向以及持續(xù)時間？金融傳染情況下的風(fēng)險溢出特性？傳染股市與被傳染股市的聯(lián)動行為表現(xiàn)出怎樣的演化特性？本文選取美國股市、歐洲股市以及中、日、韓各國股市為樣本，以動態(tài)條件相關(guān)模型研究股市間的傳染特性，結(jié)合結(jié)構(gòu)突變模型，劃分傳染階段，研究金融傳染下各金融市場間的風(fēng)險溢出特性，之后以粗?；绞蕉x的聯(lián)動模式所構(gòu)建的復(fù)雜網(wǎng)絡(luò)研究股市間的聯(lián)動行為。

2 樣本選擇與數(shù)據(jù)描述

2.1 樣本數(shù)據(jù)與預(yù)處理

標(biāo)準(zhǔn)普爾500指數(shù)所覆蓋美國主要交易所上市公司，能精準(zhǔn)地反映美國股市的變化，故本文采用標(biāo)準(zhǔn)普爾500指數(shù)代表美國股市；歐元區(qū)斯托克50指數(shù)由歐元區(qū)50支藍(lán)籌股組成，是歐元區(qū)最具有代表性的股票指數(shù)，故以此代表歐洲股市；滬深300指數(shù)能很好代表A股整體走勢；恒生指數(shù)、日經(jīng)225和韓國綜合指數(shù)也分別是香港地區(qū)、日本和韓國最具代表性的股價指數(shù)。本文所選取的六個國家和地區(qū)的股指數(shù)據(jù)樣本區(qū)間為2006.02.16至2019.03.20，共計2720個觀測。日收益率采用對數(shù)收益率：Rt=ln(Pt/Pt-1)×100,Pt為t日該股票收盤價。樣本來源于Wind資訊和東方財富網(wǎng)。

為保證數(shù)據(jù)的有效性，對數(shù)據(jù)做初步篩選如下：(1)剔除因為節(jié)假日等原因造成的各個市場交易日不重疊的數(shù)據(jù)；(2)因東亞地區(qū)和歐美存在時差，開盤時間不重疊，對歐美股市數(shù)據(jù)滯后一期處理，即使用t-1日歐美股市收益率與t日中日韓股市收益率進(jìn)行比對分析。

表1為各個股指的對數(shù)收益率統(tǒng)計特征，由表可以看出，標(biāo)準(zhǔn)差最大的是滬深300，這在一定程度上反映了我國股市波動性大的特性；而各國指數(shù)偏度顯著偏離正態(tài)分布，峰度均大于3，說明收益率均具有“尖峰厚尾”的特性。

表1 股市代表股指及其收益率統(tǒng)計特性

3 金融傳染與風(fēng)險溢出分析

3.1 研究設(shè)計

本文綜合采用DCC-MVGARCH模型和內(nèi)生多重結(jié)構(gòu)突變模型來劃分傳染階段，通過比較傳染期與非傳染期相關(guān)系數(shù)是否發(fā)生顯著性變化來判別金融傳染是否存在[3]。此外，以溢出指數(shù)模型研究金融傳染情況下風(fēng)險溢出情況，限于篇幅，在此不對DCC模型進(jìn)行介紹。

(1)Bai-Perron內(nèi)生多重結(jié)構(gòu)突變模型

定義數(shù)據(jù)生成過程:

t=Tj-1+1,…,Tj(j=1,…,m+1)

(1)

其中，yt為因變量，xt，zt為自變量，β,δj為系數(shù)向量，μt為隨機誤差，T1,T2,…,Tm為待檢測結(jié)構(gòu)突變點，m為突變次數(shù)。

首先用最小二乘法對yt中可能存在的分割(T1,T2,…,Tm)分別求得β,δj的估計值和全局殘差平方和：

ST(T1,T2,…,Tm)

(2)

其次，對比不同分割所得的殘差平方和，使ST(T1,T2,…,Tm)達(dá)到最小的那個分割就是估計所得到的分割：

(3)

最后，對yt是否存在結(jié)構(gòu)突變進(jìn)行顯著性檢驗。Bai-Perron檢驗所涉及的統(tǒng)計量有：supFT(l)，supFT(l+1|l)，以及雙最大測試統(tǒng)計量：UDmax,WDmax。supFT(l)原假設(shè)和備擇假設(shè)分別為沒有結(jié)構(gòu)變點和有個結(jié)構(gòu)變點；supFT(l+1|l)原假設(shè)和備擇假設(shè)分別為有l(wèi)個結(jié)構(gòu)變點和l+1個結(jié)構(gòu)變點；其中：

(4)

(4)式中L為最大變點數(shù)；ωl為supFT(l)檢驗的p值設(shè)置的權(quán)重。變點識別方法為：先用UDmax,WDmax檢驗?zāi)Ｐ褪欠癜l(fā)生了結(jié)構(gòu)突變，確定有結(jié)構(gòu)突變之后，用supFT(l+1|l)檢驗?zāi)Ｐ妥疃嘧凕c數(shù)。

(2)風(fēng)險溢出指數(shù)模型

本文以Diebold和Yilmaz提出的溢出指數(shù)方法為依據(jù)，構(gòu)建股市間風(fēng)險溢出模型。該模型以VAR(p)模型為基礎(chǔ)：

首先構(gòu)建所有市場的VAR(p)模型：

(5)

(6)

(7)

溢出指數(shù)模型還可以衡量特定市場i與其余市場之間的溢出程度。

(8)

(9)

3.2 實證結(jié)果

(1)基于動態(tài)條件相關(guān)系數(shù)的內(nèi)生多重結(jié)構(gòu)變點檢驗

經(jīng)ADF檢驗發(fā)現(xiàn)各個股指收益率序列均是平穩(wěn)的，通過對序列做自相關(guān)檢驗，發(fā)現(xiàn)六只指數(shù)均存在自相關(guān)。對各指數(shù)擬合ARMA模型，并用自相關(guān)圖法及AIC準(zhǔn)則判定滯后階數(shù)，之后再用LM法檢驗發(fā)現(xiàn)六只指數(shù)存在明顯的ARCH效應(yīng)。對各個指數(shù)建立單變量GARCH(1,1)模型，估計結(jié)果如表2。由表2可知，各股市收益率的方差方程中，αi+βi均趨于1，表明6個股市收益率波動均具有持久記憶性，即股市一旦發(fā)生較大波動，這種波動在短時期將很難消除。由單變量GARCH模型所得結(jié)果，進(jìn)一步估計DCC模型得各個股指間動態(tài)條件相關(guān)系數(shù)均值如表3所示。

表2 各股指單變量GARCH(1,1)估計結(jié)果

表3 動態(tài)條件相關(guān)系數(shù)的均值和標(biāo)準(zhǔn)差

為準(zhǔn)確劃分兩次金融危機的傳染階段，以內(nèi)生結(jié)構(gòu)突變模型劃分動態(tài)條件相關(guān)系數(shù)序列，所得結(jié)果如表4所示。UDmax和WDmax統(tǒng)計量均在5%的顯著性水平上顯著，說明發(fā)生了結(jié)構(gòu)突變；再以supFT(l+1|l)統(tǒng)計量判定結(jié)構(gòu)變點可知，除歐-港、歐-日和歐-韓有5個顯著變點外，其余相關(guān)系數(shù)均有4個結(jié)構(gòu)突變點。

表4 相關(guān)系數(shù)結(jié)構(gòu)變點檢驗結(jié)果

對表4突變點進(jìn)行分析可以得出：次貸危機期間，美股與港股、A股、日股和韓股的時變相關(guān)性均發(fā)生了兩次突變。歐債危機期間，歐股與觀測股市的時變相關(guān)性發(fā)生了三到四次突變，其中除與韓股的初次突變發(fā)生于2010年9月外，與其余股市均發(fā)生于2010年3月到4月；歐股與港股、A股的末次突變發(fā)生于2013年9月。

對每個動態(tài)條件相關(guān)系數(shù)序列來說，內(nèi)生結(jié)構(gòu)突變點將其劃分成若干部分，現(xiàn)有研究成果顯示，當(dāng)發(fā)生金融傳染時，傳染市場與被傳染市場間的相關(guān)性是顯著增加的[3]。因此依據(jù)結(jié)構(gòu)突變點，對兩次金融危機進(jìn)行劃分。次貸危機期間兩個突變點將相關(guān)系數(shù)序列劃分成三部分，歐債危機期間對發(fā)生多個變點的相關(guān)系數(shù)序列分析其各段相關(guān)系數(shù)均值的變化，舍棄相關(guān)系數(shù)均值變化較小的那個變點使之合并為兩個變點。由此，根據(jù)危機期間的兩個主要突變點將金融危機劃分為前、中、后三個時間段。對各階段動態(tài)條件相關(guān)系數(shù)均值進(jìn)行T檢驗T，結(jié)果如表5所示。

由表5可知，T檢驗結(jié)果顯示相關(guān)系數(shù)在發(fā)生金融傳染時出現(xiàn)了顯著性增加，這也就從時變相關(guān)性的角度證明了危機傳染的存在性。對傳染階段具體分析可以發(fā)現(xiàn)，次貸危機期間：相比其他股市，A股具有明顯晚的傳染開始時間和明顯短的傳染持續(xù)期，且相關(guān)系數(shù)均值上升0.07個點，顯著高于其他股市；日股則具有最早開始時間和最長持續(xù)時間。歐債危機期間：除韓股外，其余檢測股市在歐債危機期間被傳染持續(xù)時間均長于次貸危機；A股和港股幾乎被同時傳染且同時結(jié)束，這與兩地股市間的緊密聯(lián)系是分不開的。在被檢測股市中，A股和港股也具有最長的傳染持續(xù)期，直到2013年9月才逐漸擺脫次貸危機的影響。歐債危機期間日股被首先傳染，但卻也是被傳染股市中最早擺脫歐債危機影響的股市；韓股被最遲傳染，且傳染時間最短。同時由表還可看出，歐債危機期間除韓股被傳染時間開始較晚之外，其余較早被傳染的股市從傳染前到傳染中相關(guān)系數(shù)均值的增加不及傳染中到傳染后相關(guān)系數(shù)均值的減少明顯，一個合理的解釋是：歐債危機傳染前是次貸危機結(jié)束末期，受次貸危機余波影響，全球金融市場依然不穩(wěn)定導(dǎo)致歐債危機前期的相關(guān)系數(shù)較高，而相關(guān)系數(shù)的顯著下降則出現(xiàn)在傳染后期。這進(jìn)一步說明，全球金融一體化的今天，金融傳染表現(xiàn)出復(fù)雜的傳染特性，雖然一場危機已趨于結(jié)束，但其后期對市場整體的波動影響更為持久。

表5 次貸危機和歐債危機傳染階段劃分及均值檢驗

(2)基于金融傳染的風(fēng)險溢出分析

金融風(fēng)險的波動溢出效應(yīng)是指不同市場或金融資產(chǎn)通過信息傳遞、風(fēng)險轉(zhuǎn)移而發(fā)生的聯(lián)動作用，其本質(zhì)是風(fēng)險的傳遞和轉(zhuǎn)移。對樣本期內(nèi)各股市間的風(fēng)險溢出指數(shù)進(jìn)行計算得靜態(tài)溢出表如表6所示。表6中對角線上的值表示該股市的滯后效應(yīng)對該股市當(dāng)期值的影響；from列數(shù)據(jù)表示所在股市接受其余所有股市的風(fēng)險溢出指數(shù)；to行數(shù)據(jù)表示所在股市對其余所有股市的風(fēng)險溢出指數(shù)；net行數(shù)據(jù)被稱為風(fēng)險凈溢出指數(shù)，該值為正表示該股市有正向風(fēng)險溢出，為負(fù)則表示該股市受到其余股市風(fēng)險溢出。

表6 樣本期(2006.02.16～2019.03.20)各股市間金融風(fēng)險溢出表

從接受外來風(fēng)險角度看：所選取的六個股市整體接受風(fēng)險程度較高，平均接受風(fēng)險程度為40.61%，股市間聯(lián)動性較強；在六個股市中，韓國股市接受外來風(fēng)險程度最高，為82.37%，港股和美股其次，A股、歐股、日股接受外來風(fēng)險程度較低，均低于20%。從風(fēng)險溢出角度看：日股對外溢出效應(yīng)最強，而A股則最弱。從風(fēng)險凈溢出視角看：日股具有最強的風(fēng)險凈溢出，為127.20%，其次為歐股，為20.27%；我國A股和港股、韓股、美股為風(fēng)險接受股市。從股市間兩兩風(fēng)險溢出角度看：美股對韓股的風(fēng)險溢出最高，歐股對美股的風(fēng)險溢出最高；除對A股、歐股的風(fēng)險溢出程度較低外，日本股市對其余所有股市均存在較高的風(fēng)險溢出；A股對外風(fēng)險溢出情況最低，且股市滯后效應(yīng)對本股市當(dāng)期的風(fēng)險溢出占絕對比例。

圖1 各股市的方向性溢出、凈溢出情況

圖1為樣本期各股市的風(fēng)險接受、風(fēng)險溢出、風(fēng)險凈溢出時序圖。除上文所得結(jié)論外，對各股市方向性溢出和凈溢出動態(tài)圖分析可以看出：各個股市的方向性溢出指數(shù)和凈溢出指數(shù)都呈現(xiàn)出明顯的波動性，而在金融危機時期表現(xiàn)的更加明顯，這一發(fā)現(xiàn)有助于監(jiān)管者識別風(fēng)險，針對性地制定預(yù)防措施；美股在兩次危機期間都展現(xiàn)出較強的風(fēng)險溢出水平；歐股在歐債危機期間有明顯高的對外風(fēng)險溢出，且在2013年上半年逐漸趨于平穩(wěn)；A股在兩次危機期間均處于風(fēng)險接受者的角色，卻在2014年至2016年表現(xiàn)出較強的風(fēng)險溢出水平，這是因為在此期間，我國股市處于持續(xù)的動蕩時期，經(jīng)歷了2013年“錢荒”事件、信托兌付危機事件、2015年811匯改、2015年6月爆發(fā)的股災(zāi)等事件，加之我國經(jīng)濟(jì)步入新常態(tài)，增速下滑，下行壓力持續(xù)增大，經(jīng)濟(jì)增長動能逐漸轉(zhuǎn)換等一系列因素引起的市場持續(xù)性震蕩[34]。由圖還可看出，整個樣本期間，港股和韓股展現(xiàn)出明顯的風(fēng)險接受特性；日本股市是最主要的風(fēng)險溢出股市，其所接受其他股市風(fēng)險程度最低，對其他股市風(fēng)險溢出水平最高，在次貸危機期間和歐債危機后期都表現(xiàn)出強烈的風(fēng)險溢出特性，并且金融危機之后，日股的風(fēng)險溢出水平一直居高不下。

4 金融傳染的聯(lián)動行為分析

4.1 股市間聯(lián)動模式的設(shè)定和復(fù)雜網(wǎng)絡(luò)的構(gòu)建

假設(shè)股市之間的聯(lián)動行為具有方向性，并將其定義為：正向聯(lián)動和反向聯(lián)動。正向聯(lián)動為兩種收益率符號相同，表現(xiàn)為同增同減；反向聯(lián)動則為兩指數(shù)收益率符號相反。為了反映兩股市間的聯(lián)動行為，先將波動狀態(tài)定義為一個個符號，再通過粗?；姆绞綄⒎栟D(zhuǎn)變?yōu)槟Ｊ?。周磊等[35]以粗?；姆绞綐?gòu)建了中國溫度波動序列，并以此構(gòu)建聯(lián)動網(wǎng)絡(luò)，研究了溫度序列的拓?fù)浣Y(jié)構(gòu)。Zhu等[32]以粗?；绞椒治隽舜钨J危機期間的網(wǎng)絡(luò)性質(zhì)，本文將在此方向上進(jìn)行擴(kuò)展。

定義Rt為傳染股市日收益率，rt為被傳染股市日收益率，Rt×rt的正負(fù)號決定當(dāng)天聯(lián)動符號cmt。由cmt構(gòu)成符號序列CM。對CM使用滑動窗口法進(jìn)行截斷，截斷間隔為5(每周股票交易天數(shù)為5)，這樣，對于序列長度為n的符號序列，可截斷為n-4個聯(lián)動模式。由于當(dāng)前模式是基于上個模式而產(chǎn)生的，所以模式與模式之間具備記憶性，每個模式代表兩個待檢驗國家之間的聯(lián)動波動性。兩種股市所定義的符號是不斷隨時間變動的，因而其聯(lián)動模式也是隨時間變動的。

(10)

CM=(cm1,cm2,cm3,…,cmk

(11)

每個聯(lián)動模式由5個聯(lián)動符號構(gòu)成，而聯(lián)動符號有兩種，所以聯(lián)動模式最多有32類。因此，對于聯(lián)動網(wǎng)絡(luò)的構(gòu)建，設(shè)定如下：將聯(lián)動模式視為網(wǎng)絡(luò)節(jié)點，模式之間的轉(zhuǎn)換視為網(wǎng)絡(luò)的連線，轉(zhuǎn)換的次數(shù)為權(quán)值，由此構(gòu)成加權(quán)有向網(wǎng)絡(luò)。如POOPP模式轉(zhuǎn)換為OOPPO模式10次，則在網(wǎng)絡(luò)中存在有向邊由POOPP指向OOPPO，且權(quán)值為10。

基于上文內(nèi)生結(jié)構(gòu)突變劃分的各個傳染階段(傳染前、傳染中和傳染后)，分別構(gòu)建各個階段的聯(lián)動網(wǎng)絡(luò)圖，通過對主要網(wǎng)絡(luò)屬性：度、聚類系數(shù)、平均距離、介數(shù)中心性和接近中心性等的觀測來分析模式的重要性、聚類特性和模式間的轉(zhuǎn)換特性等。在此簡單給出這些屬性的定義：

(1)度與度分布

在無向無權(quán)網(wǎng)絡(luò)中度ki表示與節(jié)點i直接相連的邊的數(shù)量。由于本文構(gòu)建的是加權(quán)有向網(wǎng)絡(luò)，而在加權(quán)網(wǎng)絡(luò)中往往分析其強度si，有向網(wǎng)絡(luò)各個節(jié)點又有出度和入度之分，本文以出度為準(zhǔn)進(jìn)行研究，式(12)中ωij表示從節(jié)點i到j(luò)的權(quán)重。式(13)為強度分布，N為節(jié)點強度總和。

(12)

(13)

(2)加權(quán)網(wǎng)絡(luò)的聚類系數(shù)

聚類系數(shù)反映網(wǎng)絡(luò)節(jié)點的聚集水平。由于本文所構(gòu)建的是有向網(wǎng)絡(luò)，故在分析其聚類系數(shù)時先將有向網(wǎng)絡(luò)轉(zhuǎn)化為無向網(wǎng)絡(luò)，再繼續(xù)聚類分析。式中si為強度，ki為度，ωij和ωik為邊(i,j)和(i,k)的權(quán)重，當(dāng)i、j、k點能構(gòu)成三角形時，aijaikajk=1，否則為0。

(14)

(3)介數(shù)中心性

(15)

(4)接近中心性

接近中心性反映節(jié)點對信息的流動所具有的觀察視角，接近中心性越大，節(jié)點觀測信息流動具有最佳的視角。式(16)中di為節(jié)點i到網(wǎng)絡(luò)中所有節(jié)點的距離的平均值。

(16)

4.2 聯(lián)動行為分析

在判明金融危機發(fā)生的情況下，我們通過定義聯(lián)動模式，形成聯(lián)動網(wǎng)絡(luò)，以此來研究股市間的聯(lián)動特性。此外，有學(xué)者以計量方法研究表明，A股與港股具有緊密的相關(guān)性，且港股是溝通A股與國際市場的重要橋梁[11]，故而，本文還將以網(wǎng)絡(luò)方法研究A股與港股間的聯(lián)動特性。

圖2 次貸危機期間美股-A股“前、中、后”三期聯(lián)動網(wǎng)絡(luò)圖

圖2給出了所構(gòu)建的次貸危機期間美股和A股的聯(lián)動網(wǎng)絡(luò)圖。如圖可以看出，各個階段的聯(lián)動網(wǎng)絡(luò)圖均有明顯的變化，鑒于篇幅，僅給出美股-A股聯(lián)動網(wǎng)絡(luò)圖。

表7 次貸危機期間美-中各階段聯(lián)動網(wǎng)絡(luò)節(jié)點強度與累計強度分布表

表7所示為次貸危機期間美-中各階段聯(lián)動網(wǎng)絡(luò)強度和累計強度分布表。以各階段強度和強度分布的變化來說明美歐股市與中、日、韓股市間聯(lián)動模式的關(guān)聯(lián)水平。加權(quán)網(wǎng)絡(luò)中節(jié)點的強度越大，表明該節(jié)點在網(wǎng)絡(luò)中越重要，體現(xiàn)在本文中，某個聯(lián)動模式的強度越大，意味著其他模式轉(zhuǎn)換為此模式的次數(shù)越多，該模式越處于核心位置，在網(wǎng)絡(luò)中出現(xiàn)的概率也越高。由表7所示，相比傳染前期和后期，中期強度分布較大的聯(lián)動模式由正向聯(lián)動符號組成的幾率顯著提高，在前期和后期，強度分布最大的模式和分布分別為PPOPP(0.052)和PPOPP(0.060)，而中期的為PPPPP(0.075)，可以看出，傳染中期PPPPP聯(lián)動模式躍升為強度分布第一的模式，且其強度分布也明顯大于前、后期。體現(xiàn)在聯(lián)動網(wǎng)絡(luò)中，就是有大量的模式轉(zhuǎn)換為PPPPP模式，說明危機發(fā)生時，連續(xù)5天傳染股市與被傳染股市股價跌漲保持同步的模式占據(jù)引領(lǐng)地位。此外，在前期，有37.5%的模式占據(jù)51.32%的強度分布，而在中期則有31.2%的模式占據(jù)51.73%的強度分布，末期為34.3%的模式占據(jù)52.28%的強度分布，說明網(wǎng)絡(luò)在中期聯(lián)動性有所加強，局部聚類特性更加明顯。無論在全程還是前、中、后三期，一個明顯的趨勢就是，擁有正向聯(lián)動符號多的模式相比擁有反向聯(lián)動符號多的模式具有更大的強度分布，而這一特性在傳染中期表現(xiàn)的更為顯著，這說明在全球經(jīng)濟(jì)一體化條件下，全球股市表現(xiàn)出更多的“同漲同跌”現(xiàn)象，而在發(fā)生危機時，這一特性得到明顯的加強。

表8 A股-港股聯(lián)動網(wǎng)絡(luò)節(jié)點強度與累計強度分布表(2006.02.16～2019.03.20)

表8所示為樣本期間A股-港股聯(lián)動網(wǎng)絡(luò)節(jié)點強度與累計強度分布表。由表看出，聯(lián)動網(wǎng)絡(luò)中強度最大的模式為PPPPP(0.127)，且排名靠前的聯(lián)動模式以正向聯(lián)動符號為主。這說明A股-港股聯(lián)動網(wǎng)絡(luò)中，這些以正向聯(lián)動符號為主的聯(lián)動模式間轉(zhuǎn)換頻率較高，A股與港股之間“同漲同跌”的聯(lián)動特性表現(xiàn)的尤為明顯。A股-港股間顯著的聯(lián)動特性與我國資本市場改革密不可分，2006年4月我國啟動QDII制度，允許國內(nèi)投資者向海外資本進(jìn)行投資，2014年10月和2016年12月，相繼啟動“滬港通”和“深港通”互聯(lián)互通機制，使得境外投資者可以通過香港股市投資內(nèi)地市場，反之內(nèi)地資本也可直接投資在香港上市的境外公司，內(nèi)地A股和港股的聯(lián)動性進(jìn)一步加強。

表9給出了更為詳細(xì)的強度分布模式和累積度超過50%和80%的模式的數(shù)量。與表7所得結(jié)論類似，相比傳染前期和后期，在次貸危機傳染中期，以正向聯(lián)動為主的聯(lián)動模式發(fā)揮更大的作用，強度分布明顯增加，局部聚類得到加強。此外，除美-A股市外，美-港、美-日、和美-韓股市無論在哪個時期，PPPPP模式總是具有最大的強度分布，這說明相比A股，其他三個股市與美股表現(xiàn)出更頻繁且持續(xù)更久的同向聯(lián)動行為。對于累計強度分布超過50%的模式，在三個時期，A股為11～12個，港股為8個，日股則為6～11個，韓股為9～10個；累計強度分布超過80%的模式，A股為19～22個，港股為17個，日股為13到15個，韓股為19～20個，且傳染中期總是擁有最小數(shù)量的聯(lián)動模式，也就是傳染中期局部聚類加強，分類特性明顯。相比次貸危機所得出的結(jié)論，歐債危機并沒有表現(xiàn)出很明顯的上述特性，但歐債危機與次貸危機最大的不同在于：相比傳染后期，歐債危機中各個股市在傳染前期和中期均表現(xiàn)出以正向符號為主的聯(lián)動模式間頻繁的模式轉(zhuǎn)化。兩次危機中，A股與傳染股市仍然表現(xiàn)出較弱的聯(lián)動，日股和港股則相對較強。

表9 各階段五個最大度分布模式和累計強度分布超過50%和80%的聯(lián)動模式數(shù)量

表10 各傳染階段聯(lián)動網(wǎng)絡(luò)聚類系數(shù)(C)

為分析整體網(wǎng)的聚類特性和分類特性，表10給出了各階段整體網(wǎng)絡(luò)的聚類系數(shù)和擁有最大聚類系數(shù)的模式及數(shù)值。表11為A股-港股間聯(lián)動網(wǎng)絡(luò)的聚類特性數(shù)據(jù)。通過觀察表10發(fā)現(xiàn)，中期整體網(wǎng)聚類系數(shù)并沒有顯著低于前期和后期，這表示各個階段整體聯(lián)動模式之間的轉(zhuǎn)換并不是那么頻繁，而僅僅是主要的聯(lián)動模式間的聯(lián)動行為得到了加強。擁有最大聚類系數(shù)的模式為PPPPP和OOOOO，其值為都為0.5，幾乎為整體網(wǎng)聚類系數(shù)的16倍，而擁有第二大聚類系數(shù)的模式多由4個P和1個O組成，其值為0.083。聚類系數(shù)不為0的模式數(shù)一般為9個或12個，聯(lián)動行為主要發(fā)生在這些聚類系數(shù)不為0的模式間。表11所展示出的數(shù)據(jù)特征與表10分析類似，唯一不同的是，A股-港股聯(lián)動網(wǎng)絡(luò)聚類系數(shù)遠(yuǎn)大于表11中各傳染階段聯(lián)動網(wǎng)絡(luò)的聚類系數(shù)，這也說明了A股-港股間的聯(lián)動模式轉(zhuǎn)換要更加頻繁。

表11 A股-港股聯(lián)動網(wǎng)絡(luò)聚類系數(shù)

介數(shù)中心性代表網(wǎng)絡(luò)中節(jié)點對網(wǎng)絡(luò)信息流動的控制能力，介數(shù)中心性越大的節(jié)點往往意味著存在大量聯(lián)動模式先轉(zhuǎn)換為模式，再由此模式轉(zhuǎn)換為其他模式的概率越大；接近中心性反映節(jié)點對信息的流動所具有的觀察視角，是整體網(wǎng)絡(luò)中的物理中心；網(wǎng)絡(luò)中心勢代表的是整個網(wǎng)絡(luò)的接近程度，表明該網(wǎng)絡(luò)是否擁有較高的中心趨勢；平均距離則反映聯(lián)動模式的轉(zhuǎn)換時間。本文將通過上述四個網(wǎng)絡(luò)特性來分析模式間的轉(zhuǎn)換、傳遞和轉(zhuǎn)換時間變化。

表12 各傳染階段聯(lián)動網(wǎng)絡(luò)的中心勢、平均距離、介數(shù)中心性和接近中心性

如表12所示，次貸危機期間，從傳染前期到后期，網(wǎng)絡(luò)中心勢和平均距離先增后減，傳染中期達(dá)到最大值，說明傳染中期網(wǎng)絡(luò)各個節(jié)點的聯(lián)系更為緊密，網(wǎng)絡(luò)擁有最高的中心趨勢，而網(wǎng)絡(luò)中期擁有最長的平均距離，這表明傳染中聯(lián)動模式間具有更長的轉(zhuǎn)換時間，表現(xiàn)出更為強烈的聯(lián)動行為。整體網(wǎng)絡(luò)各模式平均轉(zhuǎn)換時間為3～4天。介數(shù)中心性的變化規(guī)律也是在中期達(dá)到最大值，介數(shù)中心性最大的模式通常由正反符號二三或三二交叉組合，這也不難理解，大量模式就是通過這些模式進(jìn)行相互轉(zhuǎn)換，而傳染中期時介數(shù)中心性最大，說明傳染中期分類特性增強使得充當(dāng)媒介的模式增多，也說明了局部聯(lián)動行為得到加強，模式間轉(zhuǎn)換更加頻繁。A股相對于其他三個股市，仍然具有最低的網(wǎng)絡(luò)中心勢、平均距離和介數(shù)中心數(shù)，日股則最高，次貸危機期間日股所受影響最大，A股最小。相比其他三個特性，接近中心性并沒有發(fā)生很顯著的變化，而接近中心性較大的模式通常以反向聯(lián)動為主，表明在危機發(fā)生時這些以反向聯(lián)動為主的模式更多的是處于信息觀察的角色，并沒有大量參與模式間的轉(zhuǎn)換。歐債危機期間各個股市各階段所體現(xiàn)出的網(wǎng)絡(luò)特性的變化規(guī)律并沒有次貸危機期間那么明晰，與次貸危機一致，歐債危機期間整體網(wǎng)絡(luò)各模式平均轉(zhuǎn)換時間為3～4天。就網(wǎng)絡(luò)中心勢的變化趨勢而言，歐股與A股和歐股與日股的變化趨勢相反。就網(wǎng)絡(luò)平均距離而言，歐股與A股、港股傳染末期網(wǎng)絡(luò)平均距離趨于上升，與日股、韓股的則處于下降態(tài)勢。對介數(shù)中心性和接近中心性分析也可看出，歐債危機期間各模式間的轉(zhuǎn)換和傳遞也沒有次貸危機那么頻繁和劇烈，綜合來說，歐債危機對各個股市的影響要小于次貸危機。

對A股-港股聯(lián)動網(wǎng)絡(luò)特性進(jìn)行分析如表13，由表可知，相比表12所分析，A股-港股聯(lián)動網(wǎng)絡(luò)具有較大的中心勢和平均距離，但卻具有較小的介數(shù)中心性，結(jié)合此網(wǎng)絡(luò)具有較大的中心勢和平均距離可知，A股-港股聯(lián)動網(wǎng)絡(luò)依然具有很強的聯(lián)動模式轉(zhuǎn)換和網(wǎng)絡(luò)聚類特性。A股-港股聯(lián)動網(wǎng)絡(luò)的聯(lián)動模式轉(zhuǎn)換時間仍然為3～4天。

表13 A股-港股聯(lián)動網(wǎng)絡(luò)各傳染階段聯(lián)動網(wǎng)絡(luò)的中心勢、平均距離、介數(shù)中心性和接近中心性

股市間的聯(lián)動特性的強弱與股市間相關(guān)性的高低密不可分，在金融危機期間，股市間相關(guān)性急劇增強，股市間展現(xiàn)出復(fù)雜的聯(lián)動交互行為，且金融傳染程度越深、強度越大，聯(lián)動性越強。而股市間相關(guān)性的強弱則體現(xiàn)在股市間互聯(lián)互通的程度。相比A股，日股和韓股早在20世紀(jì)90年代就實現(xiàn)了股市的全面開放，其與歐美股市間的相關(guān)性及聯(lián)動特性要明顯高于我國A股。2001年加入WTO以來，我國股市分別經(jīng)歷了2003年QFII制度的實施、人民幣匯率改革和股權(quán)分置改革、2006年QDII制度的啟動、“滬港通”和“深港通”的開通以及人民幣加入SDR等一些列改革，使得國內(nèi)外投資環(huán)境更加趨于開放，我國股市與世界金融市場的聯(lián)系越來越緊密，與國際主要股市的聯(lián)動性在不斷加強，此外，股市開放將增加境外人民幣投資渠道，從而進(jìn)一步推動人民幣國際化。就我國股市與日韓股市而言，中韓自貿(mào)協(xié)定生效以來，中韓經(jīng)貿(mào)往來逐漸增多，雙邊貿(mào)易投資往來更加頻繁，這也為中日韓自貿(mào)協(xié)定的推進(jìn)提供了參考樣板，未來中日韓股市間聯(lián)動特性還將進(jìn)一步加強。就我國股市與歐美股市而言，隨著我國金融自由化政策的逐步實施以及人民幣國際化進(jìn)程的加快，勢必降低中美、中歐間金融壁壘，進(jìn)一步推動經(jīng)貿(mào)往來和資本流通，我國與歐美股市間的聯(lián)動特性還將進(jìn)一步加強。此外，伴隨著我國金融市場的進(jìn)一步開放，我國也將不可避免地受到國外資本的沖擊，這勢必影響我國金融市場的穩(wěn)定性，因此，加強國際股市間聯(lián)動性的監(jiān)管，持續(xù)深化推進(jìn)金融體制改革，加強對國際資本流動的監(jiān)控，保證我國金融市場的開放性和穩(wěn)定性的統(tǒng)一，對于防范發(fā)生系統(tǒng)性金融風(fēng)險尤為重要。

5 結(jié)論

本研究以動態(tài)條件相關(guān)系數(shù)法并結(jié)合內(nèi)生多重結(jié)構(gòu)突變模型劃分危機傳染階段，以DCC模型和溢出指數(shù)方法分別從時變相關(guān)系數(shù)和風(fēng)險溢出的角度研究了金融傳染及其特性，最后再通過構(gòu)建聯(lián)動網(wǎng)絡(luò)圖來分析股市間聯(lián)動特性。主要結(jié)論如下：

(1)在兩次危機期間，美股和歐股分別對中、日、韓股市產(chǎn)生了明顯的金融傳染效應(yīng)。就兩次危機的傳染速度而言，次貸危機期間，日股首先被傳染，港股、韓股其次，A股最后被感染，但在歐債危機期間，港股和A股則首先被傳染，日股其次，韓股最后；就傳染期持續(xù)時間而言，次貸危機期間，A股具有明顯短于其他三個股市的持續(xù)時間，日股和港股有較長的持續(xù)時間，而歐債危機期間，港股和A股卻具有較長的持續(xù)時間，韓股則最短；比較兩次金融危機，次貸危機持續(xù)時間短于歐債危機，但對中、日、韓三國股市的沖擊卻要強于歐債危機，其中日本股市在發(fā)生金融傳染的情況下表現(xiàn)最為活躍，所受影響也最大。(2)金融傳染和風(fēng)險溢出展現(xiàn)出一定的不一致性，美國作為次貸危機的源發(fā)國，美股在次貸危機周期的風(fēng)險溢出程度卻沒有日股高；相比其他股市，日本股市風(fēng)險外溢程度最高，而我國A股風(fēng)險外溢程度最低。(3)傳染效應(yīng)表現(xiàn)為傳染過程中股市間的高相關(guān)性和風(fēng)險波動溢出性，而這兩者在網(wǎng)絡(luò)中又表現(xiàn)為聯(lián)動模式的高聚類性和高聯(lián)動性；相比歐債危機，次貸危機期間傳染股市與被傳染股市表現(xiàn)出更強的聯(lián)動行為和更明顯的聯(lián)動模式轉(zhuǎn)換；與風(fēng)險溢出結(jié)論類似，日股與傳染股市在兩次危機中均表現(xiàn)出最強的聯(lián)動性，其所受影響也都是最大的，而A股則最小。(4)A股和港股間時變相關(guān)系數(shù)持續(xù)增大，兩者間的表現(xiàn)出更為頻繁和緊密的聯(lián)動模式轉(zhuǎn)換，且以正向聯(lián)動模式間的轉(zhuǎn)換為主。

本研究實證結(jié)果具有積極的現(xiàn)實指導(dǎo)意義。對于股市監(jiān)管者來說：(1)循序漸進(jìn)推進(jìn)資本市場開放，持續(xù)深化推進(jìn)資本市場改革，逐步實現(xiàn)我國金融市場國際化。近年來，雖然我國金融市場取得較大發(fā)展，但仍然存在市場準(zhǔn)入條件苛刻、金融市場結(jié)構(gòu)和債權(quán)融資結(jié)構(gòu)畸形等情況，故而，只有在解決我國金融市場發(fā)展面臨的不協(xié)調(diào)因素的情況下，才能保證與國際金融市場接軌。(2)完善國內(nèi)金融監(jiān)管體制機制，加強與各國金融監(jiān)管機構(gòu)的溝通與協(xié)調(diào)。我國與各國股市聯(lián)動性的進(jìn)一步加強，使得我國受到國際金融危機的可能性和感染程度進(jìn)一步加大，這迫切需要監(jiān)管機構(gòu)制定金融市場安全監(jiān)管機制，監(jiān)控國際股市間聯(lián)動情況及股市間資金流向，制定相關(guān)措施以保證市場整體穩(wěn)定運行。此外，隨著金融衍生品的不斷創(chuàng)新和混業(yè)經(jīng)營程度的加深，對金融機構(gòu)的整體監(jiān)管愈發(fā)困難，這不僅需要加強本國金融監(jiān)管體制，還需要與各國金融監(jiān)管機構(gòu)加強合作，從而防范全球性金融危機的發(fā)生。