楊立生，楊杰

摘? ?要：為刻畫(huà)全球股票市場(chǎng)風(fēng)險(xiǎn)傳染的動(dòng)態(tài)路徑特征，從波動(dòng)溢出網(wǎng)絡(luò)視角分析全球股票市場(chǎng)的風(fēng)險(xiǎn)傳染機(jī)制。首先，采用DCC-GARCH動(dòng)態(tài)溢出指數(shù)框架來(lái)捕捉全球股市波動(dòng)溢出的動(dòng)態(tài)聯(lián)動(dòng)性和風(fēng)險(xiǎn)傳染效應(yīng);然后，基于方差分解構(gòu)建信息溢出復(fù)雜網(wǎng)絡(luò)，從網(wǎng)絡(luò)視角分析全球股票市場(chǎng)的風(fēng)險(xiǎn)傳染特征。研究發(fā)現(xiàn)，在整個(gè)樣本期間，全球股票市場(chǎng)高度相互關(guān)聯(lián)，并依賴(lài)于極端經(jīng)濟(jì)事件;從次貸危機(jī)到歐債危機(jī)期間全球股市溢出整體呈現(xiàn)減弱態(tài)勢(shì);近年來(lái)國(guó)際資本流動(dòng)、金融開(kāi)放與國(guó)際貿(mào)易往來(lái)等推動(dòng)我國(guó)股市進(jìn)程走向新階段，風(fēng)險(xiǎn)溢出與吸收水平有上升趨勢(shì)。

關(guān)? 鍵? 詞：波動(dòng)溢出;網(wǎng)絡(luò)視角;股票市場(chǎng);風(fēng)險(xiǎn)傳染;動(dòng)態(tài)溢出指數(shù)

中圖分類(lèi)號(hào)：F831? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：2096-2517（2021）06-0026-13

DOI：10.16620/j.cnki.jrjy.2021.06.003

一、引言

隨著經(jīng)濟(jì)全球化和金融自由化的深入，我國(guó)與全球各個(gè)國(guó)家投資合作不斷深化，經(jīng)濟(jì)聯(lián)系及金融市場(chǎng)之間的互動(dòng)變得更加密切，體現(xiàn)在各國(guó)間金融活動(dòng)的相互滲透和影響， 資本市場(chǎng)網(wǎng)絡(luò)效應(yīng)增強(qiáng)，股市風(fēng)險(xiǎn)的溢出效應(yīng)也與日俱增。 至關(guān)重要的是，不同股票市場(chǎng)的規(guī)模和行業(yè)集中度為經(jīng)濟(jì)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(guò)來(lái)在金融危機(jī)時(shí)期又增加了對(duì)全球系統(tǒng)性風(fēng)險(xiǎn)的威脅以及股市間多米諾骨牌溢出效應(yīng)的擔(dān)憂。在全球金融一體化持續(xù)的背景下，對(duì)全球股票市場(chǎng)的網(wǎng)絡(luò)結(jié)構(gòu)研究變得十分重要。

相比較發(fā)達(dá)國(guó)家成熟的股票市場(chǎng)而言，以中國(guó)為代表的新興國(guó)家股票市場(chǎng)，其自身脆弱性及傳染性較強(qiáng)，更容易受到風(fēng)險(xiǎn)溢出的影響。目前我國(guó)已經(jīng)成為全球第二大經(jīng)濟(jì)體， 具有廣泛的影響力，我國(guó)股票市場(chǎng)在國(guó)際股票市場(chǎng)網(wǎng)絡(luò)中扮演著怎樣的角色？我國(guó)在全球主要經(jīng)濟(jì)體之中國(guó)際股票市場(chǎng)溢出水平如何？金融全球化是否增強(qiáng)了我國(guó)股票市場(chǎng)對(duì)全球其他經(jīng)濟(jì)體的國(guó)際溢出水平？

在此背景下，對(duì)全球股票市場(chǎng)風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)進(jìn)行研究，刻畫(huà)全球股市跨市場(chǎng)風(fēng)險(xiǎn)傳染特征，并進(jìn)一步明晰全球股市風(fēng)險(xiǎn)溢出的動(dòng)態(tài)傳導(dǎo)路徑，有利于金融監(jiān)管部門(mén)準(zhǔn)確把握我國(guó)股市的風(fēng)險(xiǎn)傳遞規(guī)律和深入認(rèn)識(shí)全球股市風(fēng)險(xiǎn)傳染，從而采取針對(duì)性的風(fēng)險(xiǎn)應(yīng)對(duì)措施以化解全球股票市場(chǎng)的風(fēng)險(xiǎn)傳染和沖擊。 這不僅對(duì)我國(guó)提升金融風(fēng)險(xiǎn)防控的前瞻性、全局性和主動(dòng)性，守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的目標(biāo)具有重要的現(xiàn)實(shí)意義，也為投資者進(jìn)行風(fēng)險(xiǎn)管理提供了有力參考。

本文的邊際貢獻(xiàn)如下： 第一， 首次為DCC-GARCH模型提供波動(dòng)性脈沖響應(yīng)函數(shù)（VIRF），并提出了動(dòng)態(tài)溢出指數(shù)估計(jì)波動(dòng)率傳遞機(jī)制的替代方案，而不使用滾動(dòng)窗口估計(jì)方法。第二，基于波動(dòng)溢出框架構(gòu)建全球股票市場(chǎng)間的復(fù)雜網(wǎng)絡(luò)，分析波動(dòng)溢出網(wǎng)絡(luò)的股票市場(chǎng)風(fēng)險(xiǎn)傳染特征。

二、文獻(xiàn)綜述

市場(chǎng)之間的“傳染”是由于理性代理人試圖從其他市場(chǎng)的價(jià)格變化中推斷信息的結(jié)果，一個(gè)市場(chǎng)的“錯(cuò)誤”可以通過(guò)這個(gè)渠道傳播到其他市場(chǎng)[1]。大量研究側(cè)重于金融市場(chǎng)之間的聯(lián)動(dòng)，以捕捉金融傳染的動(dòng)態(tài)。例如，Connolly等（2003）研究了國(guó)際股票市場(chǎng)的收益聯(lián)動(dòng)，認(rèn)為國(guó)外市場(chǎng)對(duì)國(guó)內(nèi)市場(chǎng)收益產(chǎn)生主導(dǎo)影響[2]。Huyghebaert等（2009）研究了亞洲金融危機(jī)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(xiàn)側(cè)重于從全球金融市場(chǎng)的均值或波動(dòng)性溢出來(lái)分析金融風(fēng)險(xiǎn)傳染。 例如，Baur（2003）研究了亞洲11個(gè)股票市場(chǎng)之間的均值和波動(dòng)率溢出，發(fā)現(xiàn)亞洲金融危機(jī)期間均值和波動(dòng)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(jī)前后6個(gè)東南亞股市的波動(dòng)溢出效應(yīng)， 發(fā)現(xiàn)在危機(jī)期間存在強(qiáng)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(chǎng)的波動(dòng)溢出效應(yīng)，考察成熟市場(chǎng)極端動(dòng)蕩期間風(fēng)險(xiǎn)傳染機(jī)制的變化[6]。Choudhry等（2014）研究了德國(guó)、英國(guó)、美國(guó)和歐盟國(guó)家股票市場(chǎng)之間的回報(bào)、波動(dòng)和杠桿溢出效應(yīng)，研究結(jié)果表明，在全球金融危機(jī)期間，均值溢出和波動(dòng)溢出都被放大了[7]。

整體上現(xiàn)有文獻(xiàn)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(jì)基本面解釋全球金融危機(jī)期間股票市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)的增加。Kristin等（2004） 將其歸因于貿(mào)易流動(dòng)等宏觀經(jīng)濟(jì)基本面來(lái)解釋危機(jī)期間股票市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)的增加[8]。Boyer等（2006）認(rèn)為，危機(jī)期間的跨市場(chǎng)風(fēng)險(xiǎn)溢出可歸因于國(guó)際投資者的資產(chǎn)持有量而非基本面聯(lián)系[9]。國(guó)內(nèi)學(xué)者李岸等（2016）、鄭挺國(guó)等（2018）研究發(fā)現(xiàn)，股票市場(chǎng)間的聯(lián)動(dòng)現(xiàn)象是由經(jīng)濟(jì)基礎(chǔ)效應(yīng)、市場(chǎng)傳染效應(yīng)和政策沖擊效應(yīng)等多種因素共同作用的結(jié)果[10-11]。

復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)為測(cè)度總體風(fēng)險(xiǎn)溢出提供了適當(dāng)?shù)幕A(chǔ)， 還提供了股票市場(chǎng)關(guān)于相互依賴(lài)的強(qiáng)度、溢出的方向性以及不同市場(chǎng)條件下金融風(fēng)險(xiǎn)因素之間溢出的傳遞和接收的重要見(jiàn)解。Diebold等（2009）構(gòu)建DY溢出指數(shù)來(lái)衡量金融溢出效應(yīng)，研究全球股票市場(chǎng)之間的波動(dòng)性溢出[12]。然而，所提出的方法依賴(lài)于VAR 的Cholesky分解， 取決于VAR中變量的順序。為了克服這個(gè)缺點(diǎn)，Diebold等（2012）在廣義方差分解框架內(nèi)進(jìn)行了改善，從而不再依賴(lài)于VAR模型中變量順序的估計(jì)[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(lái)美國(guó)主要金融機(jī)構(gòu)股票回報(bào)波動(dòng)的每日時(shí)變效應(yīng)[14-15]。Antonakakis等（2020）指出滾動(dòng)窗口VAR方法首先需要人為設(shè)置滾動(dòng)窗口的大小; 其次在計(jì)算動(dòng)態(tài)度量時(shí)存在觀測(cè)值丟失[16]。

基于此， 本文首次為DCC-GARCH提供波動(dòng)性脈沖響應(yīng)函數(shù)VIRF， 并提出了通過(guò)動(dòng)態(tài)連通性方法估計(jì)波動(dòng)率傳遞機(jī)制的替代方案，而不是使用滾動(dòng)窗口。該模型的主要優(yōu)點(diǎn)是不需要任意選擇窗口大小，不會(huì)丟失觀察結(jié)果;同時(shí)也不會(huì)受到“維度詛咒”的嚴(yán)重影響，并且可以測(cè)試溢出是否隨時(shí)間變化。 以全球20個(gè)主要國(guó)家的股票市場(chǎng)為研究對(duì)象，構(gòu)建全球股票市場(chǎng)間的復(fù)雜網(wǎng)絡(luò)，分析波動(dòng)溢出網(wǎng)絡(luò)的股票市場(chǎng)風(fēng)險(xiǎn)傳染特征，考察全球股票市場(chǎng)的溢出效應(yīng)和溢出方向。

三、研究方法和數(shù)據(jù)說(shuō)明

全球金融危機(jī)的爆發(fā)，引起了眾多學(xué)者對(duì)國(guó)際股票市場(chǎng)中風(fēng)險(xiǎn)傳染的極大關(guān)注。其中一項(xiàng)值得注意的研究是Diebold等（2012）提出基于滾動(dòng)窗口的動(dòng)態(tài)溢出指數(shù)模型，用于研究股票市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)[13]。但是，滾動(dòng)窗口方法有兩個(gè)主要缺點(diǎn)：一是在大多數(shù)情況下，窗口大小是任意選擇的;二是滾動(dòng)窗口分析導(dǎo)致觀察樣本丟失。

基于此， 本文引入DCC-GARCH動(dòng)態(tài)溢出指數(shù)框架來(lái)避免滾動(dòng)窗口模型的缺點(diǎn)。該模型的主要優(yōu)勢(shì)是：首先，不需要人為任意選擇滾動(dòng)窗口大小;其次， 測(cè)度金融風(fēng)險(xiǎn)溢出效應(yīng)是否隨時(shí)間變化時(shí)，并不依賴(lài)滾動(dòng)窗口方法， 從而不會(huì)損失樣本觀測(cè)值;最后，該模型作為最常用的多變量GARCH模型之一，并不會(huì)受到維度詛咒的嚴(yán)重影響。

（一）全球股票市場(chǎng)風(fēng)險(xiǎn)溢出模型構(gòu)建

為了檢查隨時(shí)間變化的條件波動(dòng)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(xiě)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(shí)間序列、條件均值、誤差項(xiàng)和標(biāo)準(zhǔn)化誤差項(xiàng)。此外，Rt、Ht和Dt=diag

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

在第一階段，Dt通過(guò)估計(jì)每個(gè)系列的GARCH模型來(lái)表示：

hii，t=ω+α？綴■■+βhii，t-1 （4）

在第二階段，動(dòng)態(tài)條件相關(guān)計(jì)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(wú)條件標(biāo)準(zhǔn)化殘差的方差-協(xié)方差矩陣。a（α）和b（β）是非負(fù)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(shí)間變化，否則該模型會(huì)收斂到CCC-GARCH模型，其中Rt是恒定的。

應(yīng)該指出的是，Diebold等（2012，2014）引入的廣義脈沖響應(yīng)函數(shù)（GIRF）[13-14[。GIRF具有獨(dú)立于變量排序的優(yōu)勢(shì)，可以解釋為變量i中的沖擊對(duì)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(dòng)性脈沖響應(yīng)函數(shù)VIRF表示變量i中的沖擊對(duì)變量j的條件波動(dòng)率的影響，可以寫(xiě)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(gè)選擇向量， 在第j位置為1，否則為0。

使用DCC-GARCH模型預(yù)測(cè)條件方差-協(xié)方差是VIRF的核心， 可以通過(guò)三個(gè)步驟迭代地完成。首先，單變量GARCH（1，1）將通過(guò)以下方式預(yù)測(cè)條件波動(dòng)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(yù)測(cè)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(yù)測(cè)動(dòng)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(dòng)性脈沖響應(yīng)函數(shù)（VIRF），計(jì)算廣義預(yù)測(cè)誤差方差分解（GIRF），這可以表示為一個(gè)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(yù)測(cè)誤差方差的100%，計(jì)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(yīng)，而分母代表所有沖擊的累積效應(yīng)。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(chēng)為對(duì)其他變量的溢出指數(shù)，由下式計(jì)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(chēng)為來(lái)自其他變量的溢出指數(shù)，計(jì)算如下：

C■■（J）=■? （18）

將上述兩個(gè)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(fù)），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(dòng)網(wǎng)絡(luò)。最后，變量i和變量j之間的凈成對(duì)溢出指數(shù)計(jì)算如下：

NPDCij（J）=■ ■■（J）-■ ■■（J） （20）

其中正（負(fù)）NPDCij表示變量i支配（被支配）變量j。

（二）全球股票市場(chǎng)風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)構(gòu)建

如果將全球的股票市場(chǎng)作為復(fù)雜網(wǎng)絡(luò)的節(jié)點(diǎn)，將各個(gè)國(guó)家股市間的風(fēng)險(xiǎn)傳染關(guān)系作為復(fù)雜網(wǎng)絡(luò)的邊， 那么可將全球股市構(gòu)建風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)進(jìn)行分析傳導(dǎo)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(gè)國(guó)家（地區(qū)）股市作為研究對(duì)象①，覆蓋了亞洲、歐洲、美洲和澳洲，同時(shí)也包括了發(fā)達(dá)經(jīng)濟(jì)體與新興經(jīng)濟(jì)體國(guó)家。樣本股市所在國(guó)家和地區(qū)的進(jìn)出口額在2021年占全球進(jìn)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(guó)股市國(guó)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(lái)處理數(shù)據(jù)，即刪除各市場(chǎng)交易時(shí)點(diǎn)不匹配的數(shù)據(jù)，保留其公共交易時(shí)點(diǎn)下的數(shù)據(jù)②，考慮全球股票市場(chǎng)非同步交易、反映不足、價(jià)格壓力等微觀因素的影響，選取樣本股周平均收盤(pán)價(jià)計(jì)算對(duì)數(shù)收益率，即：rt=ln（pt）-ln（pt-1），共獲得800組樣本，數(shù)據(jù)來(lái)源于WIND數(shù)據(jù)庫(kù)。

四、實(shí)證分析

（一）全球股票市場(chǎng)波動(dòng)溢出效應(yīng)

在樣本中，2006年1月至2021年8月期間全球股票市場(chǎng)風(fēng)險(xiǎn)溢出發(fā)生了許多變化，鑒于金融市場(chǎng)演變和動(dòng)蕩的這種背景，因此，從時(shí)間維度拆分全球股市風(fēng)險(xiǎn)溢出總指數(shù)， 構(gòu)建動(dòng)態(tài)風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)，可以更加直觀地測(cè)度全球次貸危機(jī)與歐債危機(jī)對(duì)全球股票市場(chǎng)整體的沖擊效應(yīng)。參考國(guó)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(jī)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(jī)起始與結(jié)束區(qū)間[19]。

圖1展示了從全球股票市場(chǎng)中的每一種股票類(lèi)別到其他股票類(lèi)別的方向波動(dòng)溢出。全球股票市場(chǎng)風(fēng)險(xiǎn)輸出隨時(shí)間變化很大，在平靜時(shí)期，每個(gè)市場(chǎng)的溢出都低于4%，但在動(dòng)蕩時(shí)期，定向溢出增加到接近10%，由圖1可知，風(fēng)險(xiǎn)溢出較大的是德國(guó)、瑞士、日本、意大利、荷蘭和美國(guó)股票市場(chǎng)。

圖2中展示了從其他股票市場(chǎng)類(lèi)別到全球股票市場(chǎng)類(lèi)別中每一個(gè)類(lèi)別的方向波動(dòng)溢出。與全球股票市場(chǎng)的風(fēng)險(xiǎn)輸出相比，全球股票市場(chǎng)風(fēng)險(xiǎn)輸入效應(yīng)隨著時(shí)間的推移而明顯不同。 在動(dòng)蕩時(shí)期，對(duì)各個(gè)股票市場(chǎng)的風(fēng)險(xiǎn)輸入增加，但風(fēng)險(xiǎn)輸入幅度差異較大。

表2提供了全樣本風(fēng)險(xiǎn)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(gè)元素是某國(guó)股市i來(lái)自某國(guó)股市j的預(yù)測(cè)誤差方差的風(fēng)險(xiǎn)溢出，見(jiàn)公式（15）。對(duì)角線元素（i=j）表示該國(guó)股市自身的風(fēng)險(xiǎn)溢出，而非對(duì)角線元素（i≠j）衡量各個(gè)國(guó)家間股市的風(fēng)險(xiǎn)溢出。此外，不包括主要對(duì)角線元素的行總和From記為“來(lái)自其他國(guó)家股市的風(fēng)險(xiǎn)溢出”，見(jiàn)公式（18）;而列總和To記為“對(duì)其他國(guó)家股市的風(fēng)險(xiǎn)溢出”，見(jiàn)公式（17）。每個(gè)國(guó)家股市的列總和To與行總和From之差給出了相應(yīng)國(guó)家股市的風(fēng)險(xiǎn)凈溢出Net，見(jiàn)公式（20）。最后，公式（16）中定義的風(fēng)險(xiǎn)總溢出指數(shù)TCI在表2的右下角給出，以百分?jǐn)?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(duì)其他股票市場(chǎng)的定向溢出”行（To），可以看到樣本中每個(gè)國(guó)家的股票市場(chǎng)對(duì)其他國(guó)家股票市場(chǎng)的總定向波動(dòng)溢出具有很大的差異。例如，日本、德國(guó)、美國(guó)的股票市場(chǎng)對(duì)其他國(guó)家股市的溢出效應(yīng)超過(guò)了30%。還可以從“來(lái)自其他股票市場(chǎng)的方向性溢出”（From）一欄看到，全球股票市場(chǎng)來(lái)自新加坡股票市場(chǎng)的總方向性波動(dòng)溢出相對(duì)較小，為11.95%，然后是俄羅斯股票市場(chǎng)來(lái)自其他國(guó)家股票市場(chǎng)的溢出解釋15.77%的預(yù)測(cè)誤差方差。

其次，全球股票市場(chǎng)沖擊的最重要傳遞者是美國(guó)、德國(guó)、荷蘭、墨西哥，而中國(guó)、中國(guó)香港、韓國(guó)、新加坡、馬來(lái)西亞、法國(guó)、英國(guó)、瑞士、意大利、巴西、加拿大、澳大利亞股票市場(chǎng)波動(dòng)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(bào)告的估計(jì)凈定向溢出（NET）的支持。

總的來(lái)說(shuō)，這些結(jié)果表明美國(guó)、德國(guó)、荷蘭、墨西哥國(guó)家地區(qū)的股票市場(chǎng)波動(dòng)沖擊是區(qū)域間溢出效應(yīng)的主要來(lái)源。最后，根據(jù)表2報(bào)告的總溢出指數(shù)（TCI），有效地將各種方向風(fēng)險(xiǎn)溢出指數(shù)提煉成一個(gè)單一的指標(biāo)， 全球股票市場(chǎng)平均23.83%的預(yù)測(cè)誤差方差解釋了跨區(qū)域的溢出效應(yīng)。

（二）全球股票市場(chǎng)波動(dòng)溢出網(wǎng)絡(luò)

如果將全球股票市場(chǎng)作為復(fù)雜網(wǎng)絡(luò)的節(jié)點(diǎn)，將各個(gè)國(guó)家股市間的風(fēng)險(xiǎn)傳染關(guān)系作為復(fù)雜網(wǎng)絡(luò)的邊，可以構(gòu)建全球股市風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)并分析其傳導(dǎo)路徑。在這一部分，本文建立了三個(gè)時(shí)期全球股票市場(chǎng)的波動(dòng)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(shí)期、次貸危機(jī)時(shí)期、歐債危機(jī)期間風(fēng)險(xiǎn)溢出的關(guān)系，圓圈的大小與箭頭線條粗細(xì)表示全球股市風(fēng)險(xiǎn)凈溢出水平的高低。通過(guò)熱力圖（圖4、圖6與圖8）直觀反映全球股市歷史變化和風(fēng)險(xiǎn)溢出情況，顏色越深表明風(fēng)險(xiǎn)越高。熱力圖總結(jié)了在各個(gè)樣本期間的溢出指數(shù)， 預(yù)測(cè)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(gè)國(guó)家股票市場(chǎng)的預(yù)測(cè)誤差方差來(lái)源于不同國(guó)家股票市場(chǎng)的風(fēng)險(xiǎn)溢出比例，對(duì)角線上的數(shù)據(jù)表示某個(gè)國(guó)家股票市場(chǎng)來(lái)源于自身的風(fēng)險(xiǎn)溢出，因此與非對(duì)角線列元素相比，對(duì)角線元素獲得更高的值。

圖3與圖4顯示了整個(gè)樣本期間全球股票市場(chǎng)隨時(shí)間變化的波動(dòng)溢出效應(yīng)。 可以看出，金融市場(chǎng)之間存在明顯的波動(dòng)性聚合效應(yīng)。這可能是由于不同國(guó)家之間貿(mào)易強(qiáng)度的差異造成的。此外，波動(dòng)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(duì)不同。具體而言，波動(dòng)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(diǎn)的邊緣分布位置來(lái)看：英國(guó)、意大利、澳大利亞、韓國(guó)位于網(wǎng)絡(luò)邊緣，對(duì)整個(gè)網(wǎng)絡(luò)影響較小。

第二階段次貸危機(jī)時(shí)期，由圖5可知韓國(guó)和馬來(lái)西亞處于網(wǎng)絡(luò)邊緣，說(shuō)明金融危機(jī)對(duì)這兩個(gè)國(guó)家的影響較小;中國(guó)、德國(guó)、法國(guó)、荷蘭、俄羅斯、美國(guó)股票市場(chǎng)風(fēng)險(xiǎn)溢出水平處于中心位置。2007年次貸危機(jī)導(dǎo)致許多金融機(jī)構(gòu)持有的大型高評(píng)級(jí)資產(chǎn)支持證券投資組合市值迅速下跌。此外，次貸危機(jī)使剛剛起步的結(jié)構(gòu)性信貸市場(chǎng)幾乎停止，個(gè)人和金融機(jī)構(gòu)都面臨嚴(yán)重的信貸緊縮，所有市場(chǎng)的債務(wù)證券流動(dòng)性都大幅下降。2008年，次貸危機(jī)蔓延開(kāi)來(lái)， 成為更廣泛的全球金融危機(jī)的催化劑。在這一年中，資本市場(chǎng)因貝爾斯登、美國(guó)國(guó)際集團(tuán)、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(guò)圖3與圖5風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)以及熱力圖（圖4和圖6）對(duì)比，這一結(jié)果表明，在次貸危機(jī)期間，波動(dòng)可以更快、更直接地通過(guò)全球股票市場(chǎng)蔓延。

由表3中“對(duì)其他股票市場(chǎng)的定向溢出”行（To），發(fā)現(xiàn)在次貸危機(jī)期間全球股票市場(chǎng)的總定向波動(dòng)溢出對(duì)其他的國(guó)家股市溢出效應(yīng)超過(guò)了30%。還可以從“來(lái)自其他股票市場(chǎng)的方向性溢出”（From）一欄看到，來(lái)自全球股票市場(chǎng)的總方向性波動(dòng)溢出超過(guò)了25%。其次，全球股票市場(chǎng)沖擊的重要傳遞者是中國(guó)、新加坡、德國(guó)、法國(guó)、荷蘭、俄羅斯、意大利、美國(guó)、巴西、加拿大與澳大利亞，而中國(guó)香港、韓國(guó)、馬來(lái)西亞、英國(guó)、瑞士、股票市場(chǎng)波動(dòng)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(jī)時(shí)期46%的預(yù)測(cè)誤差方差解釋了跨區(qū)域的風(fēng)險(xiǎn)溢出效應(yīng)。

第三階段歐債危機(jī)時(shí)期，俄羅斯、意大利、印度尼西亞、法國(guó)處于網(wǎng)絡(luò)邊緣，對(duì)其他節(jié)點(diǎn)的影響最小，說(shuō)明受歐債危機(jī)波動(dòng)的影響相對(duì)較小。通過(guò)圖5與圖7風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)以及熱力圖（圖6和圖8）對(duì)比表明，在歐債危機(jī)期間全球股票市場(chǎng)風(fēng)險(xiǎn)溢出相較于次貸危機(jī)時(shí)期風(fēng)險(xiǎn)溢出程度較低。2008年9月中旬雷曼兄弟的倒閉是一場(chǎng)地震，表明現(xiàn)代金融體系非常脆弱。全球金融市場(chǎng)參與者直接受到其違約的影響，并且由于過(guò)多的跨境和跨實(shí)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(shí)法國(guó)銀行，生動(dòng)地表明這些相互依存關(guān)系產(chǎn)生了對(duì)沖擊的放大反應(yīng)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(fēng)險(xiǎn)，表明系統(tǒng)性風(fēng)險(xiǎn)被嚴(yán)重低估。同時(shí)，隨著恐懼蔓延，歐元區(qū)主權(quán)債務(wù)危機(jī)變得明顯，并威脅到歐元區(qū)的金融穩(wěn)定性。

由表4中“對(duì)其他股票市場(chǎng)的定向溢出”行（To），發(fā)現(xiàn)在歐債危機(jī)期間全球股票市場(chǎng)的總定向波動(dòng)溢出對(duì)其他國(guó)家股市溢出效應(yīng)超過(guò)了25%。還可以從“來(lái)自其他股票市場(chǎng)的方向性溢出”（From）一欄看到，來(lái)自中國(guó)、俄羅斯、巴西股票市場(chǎng)的總方向性波動(dòng)溢出相對(duì)較小。其次，全球股票市場(chǎng)沖擊的最重要傳遞者是美國(guó)、巴西、墨西哥、荷蘭、英國(guó)、德國(guó)，而中國(guó)、韓國(guó)、馬來(lái)西亞股票市場(chǎng)波動(dòng)是跨區(qū)域沖擊的最重要接收者。最后，歐債危機(jī)時(shí)期32.8%的預(yù)測(cè)誤差方差解釋了跨區(qū)域的風(fēng)險(xiǎn)溢出效應(yīng)。

整體來(lái)看，從次貸危機(jī)到歐債危機(jī)期間全球股市溢出整體呈現(xiàn)減弱態(tài)勢(shì)，次貸危機(jī)時(shí)期風(fēng)險(xiǎn)總溢出高達(dá)46%， 歐債危機(jī)時(shí)期風(fēng)險(xiǎn)溢出為32.8%。與全樣本觀測(cè)時(shí)期風(fēng)險(xiǎn)總溢出23.83%比較， 發(fā)現(xiàn)在極端動(dòng)蕩風(fēng)險(xiǎn)時(shí)期全球股票市場(chǎng)的風(fēng)險(xiǎn)溢出呈現(xiàn)上升態(tài)勢(shì)，特別是次貸危機(jī)爆發(fā)后，推動(dòng)全球股票市場(chǎng)風(fēng)險(xiǎn)溢出水平在高位運(yùn)行。 從全樣本期間來(lái)看，國(guó)際資本流動(dòng)、金融開(kāi)放與國(guó)際貿(mào)易往來(lái)等推動(dòng)我國(guó)股市進(jìn)程走向新階段，部分國(guó)家的股票市場(chǎng)風(fēng)險(xiǎn)溢出可能會(huì)對(duì)我國(guó)的金融穩(wěn)定形成沖擊，我國(guó)需加大輸入型金融風(fēng)險(xiǎn)防范，保持金融穩(wěn)定。

（三）中國(guó)股市風(fēng)險(xiǎn)的溢出與吸收

本節(jié)重點(diǎn)關(guān)注我國(guó)股市風(fēng)險(xiǎn)的溢出與吸收水平（見(jiàn)圖9）。通過(guò)風(fēng)險(xiǎn)對(duì)外溢出（To）、接收其他經(jīng)濟(jì)體溢出（From）和凈溢出（Net）的動(dòng)態(tài)變化情況反映中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)接收和溢出的動(dòng)態(tài)情況。

從動(dòng)態(tài)估計(jì)結(jié)果看，在大多數(shù)時(shí)間中，中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)對(duì)外溢出低于其他經(jīng)濟(jì)體對(duì)中國(guó)的溢出， 表現(xiàn)為凈吸收。2008年全球次貸危機(jī)時(shí)期，我國(guó)資本市場(chǎng)風(fēng)險(xiǎn)溢出水平加劇，此時(shí)風(fēng)險(xiǎn)主要是由美國(guó)、德國(guó)、法國(guó)、加拿大等高風(fēng)險(xiǎn)國(guó)家傳導(dǎo)至中國(guó)、俄羅斯等新興市場(chǎng)。全球金融市場(chǎng)參與者直接受到其違約的影響，并且由于過(guò)多的跨境和跨實(shí)體相互依存關(guān)系， 我國(guó)股票市場(chǎng)呈現(xiàn)震蕩下跌走勢(shì)，市場(chǎng)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(mén)先后出臺(tái)了一系列政策措施，股票市場(chǎng)短暫反彈后仍然呈現(xiàn)下跌走勢(shì)。

2008年國(guó)際金融危機(jī)爆發(fā)后， 歐洲國(guó)家普遍加大政府投資以提振實(shí)體經(jīng)濟(jì)，但過(guò)度舉債為日后的債務(wù)危機(jī)埋下隱患。2011年，通貨膨脹與經(jīng)濟(jì)增速放緩兩大不利因素籠罩市場(chǎng)，歐債危機(jī)所帶來(lái)的世界經(jīng)濟(jì)復(fù)蘇放緩及對(duì)我國(guó)出口的影響也不時(shí)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(chǎng)信心依舊脆弱。

值得注意的是，雖然中國(guó)股票市場(chǎng)的風(fēng)險(xiǎn)凈溢出效應(yīng)不高，但2020年后，中國(guó)股市風(fēng)險(xiǎn)對(duì)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(lái)國(guó)際資本流動(dòng)、金融開(kāi)放與國(guó)際貿(mào)易往來(lái)等推動(dòng)我國(guó)股市進(jìn)程走向新階段，風(fēng)險(xiǎn)溢出與吸收水平有上升趨勢(shì)。

五、結(jié)論與啟示

本文以全球20個(gè)主要國(guó)家的股票市場(chǎng)為研究對(duì)象，構(gòu)建全球股票市場(chǎng)間的復(fù)雜網(wǎng)絡(luò)，分析波動(dòng)溢出網(wǎng)絡(luò)的股票市場(chǎng)風(fēng)險(xiǎn)傳染特征，考察全球股票市場(chǎng)的溢出效應(yīng)和溢出方向。主要結(jié)論如下：

第一， 從全樣本20個(gè)國(guó)家股票市場(chǎng)風(fēng)險(xiǎn)溢出情況看， 全球股票市場(chǎng)沖擊的最重要傳遞者是美國(guó)、德國(guó)、荷蘭、墨西哥，而中國(guó)、中國(guó)香港、韓國(guó)、新加坡、馬來(lái)西亞、法國(guó)、英國(guó)、瑞士、意大利、巴西、加拿大、澳大利亞的股票市場(chǎng)波動(dòng)是跨區(qū)域沖擊的最重要接收者。在整個(gè)樣本期間，全球股票市場(chǎng)平均23.83%的預(yù)測(cè)誤差方差解釋了跨區(qū)域的溢出效應(yīng)，表明全球股票市場(chǎng)高度相互關(guān)聯(lián)，并依賴(lài)于極端經(jīng)濟(jì)事件。

第二，動(dòng)態(tài)估計(jì)的結(jié)果表明，從次貸危機(jī)到歐債危機(jī)期間全球股市溢出整體呈現(xiàn)減弱態(tài)勢(shì)，次貸危機(jī)時(shí)期風(fēng)險(xiǎn)總溢出高達(dá)46%，歐債危機(jī)時(shí)期風(fēng)險(xiǎn)溢出為32.8%。 與全樣本觀測(cè)時(shí)期風(fēng)險(xiǎn)總溢出23.83%比較，發(fā)現(xiàn)在極端動(dòng)蕩風(fēng)險(xiǎn)時(shí)期全球股票市場(chǎng)的風(fēng)險(xiǎn)溢出呈現(xiàn)上升態(tài)勢(shì)，特別是次貸危機(jī)爆發(fā)后，推動(dòng)全球股票市場(chǎng)風(fēng)險(xiǎn)溢出水平在高位運(yùn)行。

第三， 針對(duì)我國(guó)股市的風(fēng)險(xiǎn)溢出與吸收情況，總體上對(duì)外溢出和吸收的絕對(duì)水平并不高。值得注意的是，近年來(lái)國(guó)際資本流動(dòng)、金融開(kāi)放與國(guó)際貿(mào)易往來(lái)等推動(dòng)我國(guó)股市進(jìn)程走向新階段，風(fēng)險(xiǎn)溢出與吸收水平有上升趨勢(shì)。

基于上述結(jié)論，得出以下啟示：

第一，基于風(fēng)險(xiǎn)溢出指數(shù)構(gòu)建全球金融風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系，可以通過(guò)有向加權(quán)網(wǎng)絡(luò)識(shí)別全球股市風(fēng)險(xiǎn)傳染路徑， 從而提升我國(guó)風(fēng)險(xiǎn)防控前瞻性。依據(jù)本文結(jié)論，在全樣本期間，我國(guó)是全球股市風(fēng)險(xiǎn)的重要接受者， 一旦個(gè)別國(guó)家股市受到外部沖擊，都有可能導(dǎo)致全球股市下跌的風(fēng)險(xiǎn)，繼而殃及我國(guó)資本市場(chǎng)。因此需要關(guān)注全球股票市場(chǎng)流動(dòng)性過(guò)度充裕的外溢效應(yīng)，加強(qiáng)跨境資本流動(dòng)性監(jiān)測(cè)，嚴(yán)密防范外部沖擊風(fēng)險(xiǎn)。另外，應(yīng)不斷完善自身股票市場(chǎng)資源配置的功能，拓寬多元化投資渠道。密切監(jiān)測(cè)股票市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)，引導(dǎo)金融機(jī)構(gòu)加強(qiáng)流動(dòng)性管理，及時(shí)對(duì)極端風(fēng)險(xiǎn)溢出進(jìn)行早期預(yù)警，防范風(fēng)險(xiǎn)跨領(lǐng)域、跨區(qū)域傳染，從源頭上實(shí)現(xiàn)風(fēng)險(xiǎn)隔離機(jī)制。

第二，在近年全球股市一體化的背景下，我國(guó)股票市場(chǎng)受到國(guó)際金融危機(jī)的感染程度加大。同時(shí)，在新冠肺炎疫情的“常態(tài)化”沖擊下，世界經(jīng)濟(jì)衰退已成定局，經(jīng)濟(jì)“逆全球化”趨勢(shì)顯現(xiàn)，中國(guó)應(yīng)倡導(dǎo)世界各國(guó)政府共同面對(duì)、加強(qiáng)合作，建立國(guó)際股市間信息共享機(jī)制，以實(shí)現(xiàn)對(duì)國(guó)際股市間風(fēng)險(xiǎn)溢出效應(yīng)的高效監(jiān)管，針對(duì)性地防范來(lái)自國(guó)際股票市場(chǎng)的外部沖擊。對(duì)我國(guó)而言，在不斷擴(kuò)大開(kāi)放的過(guò)程中，也需要警惕外部環(huán)境和風(fēng)險(xiǎn)的變化，只有精準(zhǔn)防范國(guó)際金融風(fēng)險(xiǎn)沖擊，才能實(shí)現(xiàn)在后疫情時(shí)代中國(guó)經(jīng)濟(jì)的復(fù)蘇。

參考文獻(xiàn)：

[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(guó)際股票市場(chǎng)聯(lián)動(dòng)的影響路徑與機(jī)制研究[J].南京社會(huì)科學(xué)，2016（07）：23-29.

[11]鄭挺國(guó)，劉堂勇.股市波動(dòng)溢出效應(yīng)及其影響因素分析[J].經(jīng)濟(jì)學(xué)（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(xiàng)超.中國(guó)股票市場(chǎng)國(guó)際化研究：基于信息溢出的視角[J].經(jīng)濟(jì)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(zé)任編輯：盧艷茹;校對(duì)：龍會(huì)芳）