虞望科　李秋梅　黃軻　鄧林云　張左敏暘

摘要：文章通過(guò)構(gòu)建中國(guó)和東盟主要國(guó)家的股票市場(chǎng)指數(shù)的波動(dòng)率網(wǎng)絡(luò)，分析市場(chǎng)風(fēng)險(xiǎn)跨國(guó)傳遞的機(jī)制及關(guān)鍵節(jié)點(diǎn)特征。研究發(fā)現(xiàn)，波動(dòng)率網(wǎng)絡(luò)較好地刻畫(huà)了各國(guó)股指波動(dòng)率之間的鏈接特征和緊密性。新冠疫情的影響導(dǎo)致主要國(guó)家股指的行為模式的趨同傾向顯著上升，波動(dòng)率網(wǎng)絡(luò)節(jié)點(diǎn)變化和拓?fù)涮卣黠@著差異。新加坡和泰國(guó)少數(shù)股指是跨國(guó)股票市場(chǎng)中的關(guān)鍵節(jié)點(diǎn)和市場(chǎng)風(fēng)險(xiǎn)源頭。動(dòng)態(tài)分析表明，股指波動(dòng)率網(wǎng)絡(luò)的演化體現(xiàn)波動(dòng)網(wǎng)絡(luò)整體風(fēng)險(xiǎn)隨時(shí)間變化，市場(chǎng)的信息鏈接結(jié)構(gòu)隨時(shí)間變化而變化，重大突發(fā)事件打破原有結(jié)構(gòu)并觸發(fā)了市場(chǎng)內(nèi)的信息聯(lián)系。文章的研究對(duì)理解中國(guó)與東盟主要國(guó)家股票市場(chǎng)間跨國(guó)風(fēng)險(xiǎn)傳遞特征具有借鑒作用。

關(guān)鍵詞：中國(guó)與東盟； 股票市場(chǎng)； 股指波動(dòng)率網(wǎng)絡(luò)； 復(fù)雜網(wǎng)絡(luò)

［中圖分類(lèi)號(hào)］? F830.91? ? ? ? ? ［文獻(xiàn)標(biāo)識(shí)碼］ A? ? ? ? ? ? ［文章編號(hào)］1003－2479（2023）01-059-13

Stock Market Volatility Between China and ASEAN Countries：

An Empirical Analysis Based on Complex Networks

Yu Wangke，? Li Qiumei，? Huang Ke，? Deng Linyun，? Zhang Zuominyang

Abstract： By constructing the volatility network of stock market indexes in China and ASEAN countries， the mechanism of transnational market risk transmission and the characteristics of key nodes are analyzed. The results show that the volatility network is a good description of the link characteristics and tightness of the volatility of various stock indexes. The COVID-19 shock led to a significant increase in the convergence of behavior patterns of stock indexes in major countries， and significant differences in node changes and topological features of the volatility network. A few stock indexes in Singapore and Thailand are the key nodes and the source of market risk in the transnational stock market. The dynamic analysis shows that the evolution of stock index volatility network reflects that the overall risk of volatility network changes over time， the information link structure of the market changes over time， and major emergencies break the original structure and trigger the information connection in the market. The findings of this paper have important implications for understanding the characteristics of transnational risk transmission in the stock markets of China and ASEAN countries.

Key words： China and ASEAN; stock market; stock index volatility network; complex networks

2021年11月，中國(guó)與東盟關(guān)系由“戰(zhàn)略伙伴關(guān)系”升級(jí)為“全面戰(zhàn)略伙伴關(guān)系”，深化中國(guó)與東盟的戰(zhàn)略合作伙伴關(guān)系符合時(shí)代潮流。隨著中國(guó)—東盟關(guān)系進(jìn)入全方位發(fā)展的新階段，中國(guó)與東盟國(guó)家經(jīng)濟(jì)貿(mào)易往來(lái)越來(lái)越密切，國(guó)家之間的投資活動(dòng)引起的資金跨國(guó)流動(dòng)和資產(chǎn)跨國(guó)配置日趨活躍，各國(guó)股票市場(chǎng)波動(dòng)率的聯(lián)動(dòng)性和與之對(duì)應(yīng)的風(fēng)險(xiǎn)傳遞不斷增強(qiáng)。在此背景下，影響中國(guó)與東盟國(guó)家的重大突發(fā)事件不僅容易增加雙邊股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)，而且可能增大國(guó)際資本在股票市場(chǎng)管理投資組合風(fēng)險(xiǎn)的難度。因此，理解中國(guó)與東盟主要國(guó)家間股票市場(chǎng)波動(dòng)率靜態(tài)和動(dòng)態(tài)關(guān)聯(lián)結(jié)構(gòu)變化，有助于識(shí)別風(fēng)險(xiǎn)傳遞的機(jī)制和關(guān)鍵市場(chǎng)，有助于深入把握股票市場(chǎng)風(fēng)險(xiǎn)傳遞規(guī)律并將風(fēng)險(xiǎn)因素納入股票估值，還能預(yù)判資金的跨國(guó)流動(dòng)和資產(chǎn)配置方向，為國(guó)際投資資本轉(zhuǎn)移造成的市場(chǎng)震蕩制訂風(fēng)險(xiǎn)管理預(yù)案提供依據(jù)，對(duì)金融衍生品定價(jià)和政府制定合理的金融監(jiān)管政策等都具有重要意義。本文將通過(guò)構(gòu)建中國(guó)與東盟國(guó)家間股票市場(chǎng)波動(dòng)率靜態(tài)和動(dòng)態(tài)網(wǎng)絡(luò)，重點(diǎn)回答以下問(wèn)題：中國(guó)與東盟主要國(guó)家間股票市場(chǎng)核心指數(shù)的關(guān)聯(lián)結(jié)構(gòu)呈現(xiàn)何種特征，市場(chǎng)風(fēng)險(xiǎn)跨國(guó)傳遞的機(jī)制如何、關(guān)鍵節(jié)點(diǎn)有何特征，股票市場(chǎng)間關(guān)聯(lián)結(jié)構(gòu)如何隨時(shí)間變化。

一、相關(guān)文獻(xiàn)綜述

（一）中國(guó)與國(guó)際股票市場(chǎng)聯(lián)動(dòng)性方面

由于中國(guó)股票市場(chǎng)起步較晚，因此很多學(xué)者認(rèn)為中國(guó)股票市場(chǎng)和世界股票市場(chǎng)處于不關(guān)聯(lián)狀態(tài)，但隨著中國(guó)股票市場(chǎng)國(guó)際化進(jìn)程的加快，不少學(xué)者開(kāi)始研究中國(guó)與國(guó)際股票市場(chǎng)的聯(lián)動(dòng)性。例如，宮越（Miyakoshi）研究了日本、美國(guó)股票市場(chǎng)與亞太7個(gè)國(guó)家股市的聯(lián)動(dòng)性，認(rèn)為美國(guó)股市對(duì)中國(guó)股票市場(chǎng)收益率存在引導(dǎo)作用，而日本股票市場(chǎng)對(duì)中國(guó)股票市場(chǎng)存在波動(dòng)率溢出效應(yīng)，不存在收益率影響1。吳振信和許寧采用協(xié)整的方法檢驗(yàn)了上證指數(shù)與其他6個(gè)主要指數(shù)的關(guān)系，得出上證指數(shù)只與道瓊斯指數(shù)、恒生指數(shù)、新加坡指數(shù)存在長(zhǎng)期協(xié)整關(guān)系2。張碧瓊運(yùn)用EGARCH模型，檢驗(yàn)股票市場(chǎng)之間日收益率和波動(dòng)率的聯(lián)動(dòng)效應(yīng)，發(fā)現(xiàn)倫敦、紐約股票市場(chǎng)對(duì)上海、深圳股票市場(chǎng)具有波動(dòng)率溢出效應(yīng)，而且在上海股票市場(chǎng)和深圳股票市場(chǎng)之間、上海股票市場(chǎng)與香港股票市場(chǎng)之間、深圳股票市場(chǎng)與香港股票市場(chǎng)之間存在顯著性雙向日收益波動(dòng)溢出效應(yīng)3。王志芬和張雪玲采用協(xié)整和格蘭杰因果檢驗(yàn)對(duì)中國(guó)的上海股票市場(chǎng)、深圳股票市場(chǎng)、香港股票市場(chǎng)與美國(guó)股票市場(chǎng)進(jìn)行了聯(lián)動(dòng)效應(yīng)研究，發(fā)現(xiàn)次貸危機(jī)前后中國(guó)與美國(guó)股票市場(chǎng)三大股指間長(zhǎng)期均衡關(guān)系和格蘭杰因果關(guān)系均有所改變，次貸危機(jī)發(fā)生后的一段時(shí)間內(nèi)不再有波動(dòng)協(xié)同關(guān)系4。

（二）中國(guó)與東盟股票市場(chǎng)聯(lián)動(dòng)性方面

自2010年中國(guó)—東盟自由貿(mào)易區(qū)正式建立以來(lái)，雙方的經(jīng)濟(jì)聯(lián)系進(jìn)一步加深，不少學(xué)者開(kāi)始研究中國(guó)股票市場(chǎng)與東盟國(guó)家股票市場(chǎng)的聯(lián)動(dòng)性。Teng等人研究中國(guó)股票市場(chǎng)跟ASEAN-5股票市場(chǎng)的周期同步性，運(yùn)用協(xié)同指數(shù)和滾動(dòng)協(xié)同指數(shù)分析，發(fā)現(xiàn)中國(guó)股票市場(chǎng)跟ASEAN-5股票市場(chǎng)聯(lián)動(dòng)性增強(qiáng)5。Teng等人通過(guò)協(xié)同指數(shù)研究中國(guó)股票市場(chǎng)與東盟國(guó)家股票市場(chǎng)的聯(lián)動(dòng)性，發(fā)現(xiàn)東盟國(guó)家與中國(guó)的股票聯(lián)動(dòng)性比與美國(guó)、日本的要弱，但中國(guó)—東盟自由貿(mào)易區(qū)成立后其聯(lián)動(dòng)性不斷增強(qiáng)6。Mandigma探討了中國(guó)、美國(guó)、日本、韓國(guó)與東盟國(guó)家的股票市場(chǎng)間影響關(guān)系，以次貸危機(jī)為界線，發(fā)現(xiàn)在次貸危機(jī)前，日本、韓國(guó)與東盟國(guó)家間的聯(lián)動(dòng)性較大，而中國(guó)與東盟國(guó)家間的聯(lián)動(dòng)性比較小，但2008年以后中國(guó)與東盟國(guó)家的聯(lián)動(dòng)性在不斷增強(qiáng)1。連惠慧（Hooi Hooi Lean）和羅素·史密斯（Russeu Smyth）利用2001—2002年中國(guó)股票市場(chǎng)和東盟國(guó)家股票市場(chǎng)的數(shù)據(jù)，研究雙方之間的協(xié)整關(guān)系，發(fā)現(xiàn)短期內(nèi)影響迅速，長(zhǎng)期存在協(xié)整關(guān)系2。簡(jiǎn)美瑟（Mei Se Chien）等人研究1994—2002年中國(guó)與東盟國(guó)家間跨境股票市場(chǎng)間動(dòng)態(tài)的收斂性，發(fā)現(xiàn)這6個(gè)股票市場(chǎng)最多有一個(gè)協(xié)整向量，表明中國(guó)和東盟的區(qū)域金融一體化不斷加強(qiáng)，然而程度有限3。Teng等人研究了中國(guó)與東盟國(guó)家股票市場(chǎng)聯(lián)動(dòng)性時(shí)發(fā)現(xiàn)，在短期兩者的聯(lián)動(dòng)性處于上升趨勢(shì)，尤其是泰國(guó)和印度尼西亞與中國(guó)的聯(lián)動(dòng)性更強(qiáng)4。毛薇和郝夢(mèng)雨運(yùn)用1999年8月31日—2016年12月31日的數(shù)據(jù)，分析了中國(guó)與東盟股票市場(chǎng)的聯(lián)動(dòng)性，發(fā)現(xiàn)上證綜指與馬來(lái)西亞、新加坡、菲律賓、印度尼西亞、泰國(guó)股票指數(shù)之間均不存在協(xié)整關(guān)系，但上證指數(shù)與新加坡股指互為因果關(guān)系，與泰國(guó)和馬來(lái)西亞股指存在單向的因果關(guān)系，而與菲律賓、印度尼西亞股指不存在格蘭杰因果關(guān)系5。

（三）復(fù)雜網(wǎng)絡(luò)在股票市場(chǎng)的應(yīng)用方面

由于傳統(tǒng)計(jì)量模型無(wú)法準(zhǔn)確描述金融市場(chǎng)之間的相關(guān)性，學(xué)者們開(kāi)始使用復(fù)雜網(wǎng)絡(luò)來(lái)檢查其之間相互關(guān)系。羅薩里奧·N.曼特尼亞（Rosario N.Mantegna）最早提出構(gòu)建股票關(guān)聯(lián)復(fù)雜網(wǎng)絡(luò)，利用互相關(guān)網(wǎng)絡(luò)分析工具——MST、HT，對(duì)股票相關(guān)指數(shù)進(jìn)行分析，并給出了最優(yōu)的投資組合策略6。湯姆·恩格斯特德（Tom Engsted）和卡斯滕·坦加德（Carsten Tanggaard）構(gòu)建了英國(guó)和美國(guó)股票市場(chǎng)復(fù)雜網(wǎng)絡(luò)，用以研究?jī)蓢?guó)股市的相關(guān)性特征7。弗拉基米爾·博金斯基（Vladimir Boginski）等人利用閾值法來(lái)分析股票市場(chǎng)網(wǎng)絡(luò)的統(tǒng)計(jì)性質(zhì)，發(fā)現(xiàn)股票市場(chǎng)的度分布具有冪律特征，且具有派系集團(tuán)8。Li和Wang對(duì)中國(guó)香港股票市場(chǎng)構(gòu)建復(fù)雜網(wǎng)絡(luò)，發(fā)現(xiàn)該網(wǎng)絡(luò)具有復(fù)雜性和穩(wěn)定性，不屬于隨機(jī)網(wǎng)絡(luò)9。黃瑋強(qiáng)等人利用中國(guó)上證指數(shù)和深圳指數(shù)的1080只成分股，采用MST和PMFG對(duì)其構(gòu)建股票關(guān)聯(lián)網(wǎng)絡(luò)，分析該網(wǎng)絡(luò)的拓?fù)湫再|(zhì)10。托馬索·阿斯特（Tomaso Aste）等人利用美國(guó)1996—2009年的395只股票，采用PMFG構(gòu)建這些股票的相關(guān)性網(wǎng)絡(luò)，發(fā)現(xiàn)2007年美國(guó)次貸危機(jī)使網(wǎng)絡(luò)結(jié)構(gòu)發(fā)生改變，金融類(lèi)股票不再是網(wǎng)絡(luò)中心節(jié)點(diǎn)11。阿沙敦·諾比（Ashadun Namaki），等人采用閾值法，對(duì)伊朗股票市場(chǎng)建立各個(gè)閾值下的股票市場(chǎng)網(wǎng)絡(luò)，旨在分析網(wǎng)絡(luò)結(jié)構(gòu)的統(tǒng)計(jì)特性1。Nobi等人采用APM模型來(lái)分析2008年金融危機(jī)對(duì)全球股票市場(chǎng)網(wǎng)絡(luò)產(chǎn)生的影響，發(fā)現(xiàn)金融危機(jī)改變了全球網(wǎng)絡(luò)的拓?fù)湫再|(zhì)2。鄧超和陳學(xué)軍基于復(fù)雜網(wǎng)絡(luò)的Watts級(jí)聯(lián)動(dòng)力學(xué)理論，采用模擬方法對(duì)金融傳染風(fēng)險(xiǎn)模型進(jìn)行系統(tǒng)分析3。歐陽(yáng)紅兵和劉曉東采用MST和PMFG方法構(gòu)建和分析金融市場(chǎng)網(wǎng)絡(luò)可以動(dòng)態(tài)識(shí)別金融網(wǎng)絡(luò)中節(jié)點(diǎn)的系統(tǒng)重要性4。劉惟樅和張巍在金融危機(jī)的背景下，運(yùn)用閾值法構(gòu)造全球股票市場(chǎng)網(wǎng)絡(luò)，發(fā)現(xiàn)網(wǎng)絡(luò)隨危機(jī)進(jìn)程變化的動(dòng)態(tài)性和協(xié)同性5。謝赤等人構(gòu)建股票市場(chǎng)動(dòng)態(tài)關(guān)聯(lián)網(wǎng)絡(luò)，并從網(wǎng)絡(luò)節(jié)點(diǎn)移除和連邊變化兩個(gè)角度出發(fā)，對(duì)其在不同時(shí)期的動(dòng)態(tài)演化特征和市場(chǎng)穩(wěn)健性質(zhì)進(jìn)行探討6。

綜上所述，第一，在研究中國(guó)與國(guó)際股票市場(chǎng)聯(lián)動(dòng)性時(shí)，早先研究通常先驗(yàn)地將時(shí)間分割成若干子樣本，如以2008年美國(guó)次貸危機(jī)為分段點(diǎn)，分段方法較為主觀；第二，學(xué)者們普遍把視角對(duì)準(zhǔn)中國(guó)與發(fā)達(dá)國(guó)家的股票市場(chǎng)聯(lián)動(dòng)性，對(duì)東盟國(guó)家股票市場(chǎng)研究較少；第三，在研究中國(guó)與東盟股票市場(chǎng)聯(lián)動(dòng)性時(shí)，將東盟國(guó)家作為研究整體，而中國(guó)與東盟國(guó)家的聯(lián)動(dòng)性并不一致，分別探究了中國(guó)與東盟國(guó)家之間的聯(lián)動(dòng)性大小；第四，現(xiàn)有的實(shí)證分析采用協(xié)整、VAR、格蘭杰檢驗(yàn)、DCC-GARCH、Copula等來(lái)驗(yàn)證其聯(lián)動(dòng)性，然而以月度為單位，較少研究采用日度較高頻的數(shù)據(jù)作為研究對(duì)象?；诖?，本文在上述研究的基礎(chǔ)上，以日頻數(shù)據(jù)作為研究對(duì)象，更能捕捉到周頻和月頻等低頻數(shù)據(jù)難以捕捉到的內(nèi)部結(jié)構(gòu)，本文針對(duì)中國(guó)與東盟國(guó)家股票市場(chǎng)波動(dòng)率關(guān)聯(lián)結(jié)構(gòu)的研究具有獨(dú)特的意義。

二、中國(guó)與東盟國(guó)家間股票市場(chǎng)波動(dòng)率網(wǎng)絡(luò)

本文根據(jù)以下步驟開(kāi)展研究：首先，以中國(guó)與東盟主要國(guó)家的股票市場(chǎng)核心指數(shù)為復(fù)雜網(wǎng)絡(luò)的節(jié)點(diǎn)，各國(guó)股指波動(dòng)率的交叉相關(guān)矩陣定義復(fù)雜網(wǎng)絡(luò)的邊界，構(gòu)建股票市場(chǎng)波動(dòng)率網(wǎng)絡(luò)；其次，以特征向量中心性代表股指波動(dòng)率網(wǎng)絡(luò)中心性，識(shí)別各市場(chǎng)在中國(guó)和東盟國(guó)家間股票市場(chǎng)中的“核心—邊緣”地位、關(guān)鍵節(jié)點(diǎn)特征；最后，隨著時(shí)間的變換，某些國(guó)家市場(chǎng)在風(fēng)險(xiǎn)傳遞中的地位可能發(fā)生變化，考察波動(dòng)率網(wǎng)絡(luò)結(jié)構(gòu)的時(shí)變特征和穩(wěn)定性。

（一）股指波動(dòng)率網(wǎng)絡(luò)

復(fù)雜網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)能夠在保留數(shù)據(jù)集基本特征、降低數(shù)據(jù)復(fù)雜度的同時(shí)，有效提取股指波動(dòng)率之間的復(fù)雜關(guān)聯(lián)結(jié)構(gòu)，如層次和聚類(lèi)信息。構(gòu)造股票市場(chǎng)波動(dòng)率網(wǎng)絡(luò)，首要是定義股票市場(chǎng)網(wǎng)絡(luò)的相關(guān)性。采用Pearson相關(guān)系數(shù)定義網(wǎng)絡(luò)是普遍做法7，但Pearson相關(guān)系數(shù)存在缺陷，不能捕捉價(jià)格收益率變量間非線性相關(guān)信息，而金融時(shí)間序列變量間往往展現(xiàn)出非線性相關(guān)模式8?？紤]到Pearson相關(guān)系數(shù)在網(wǎng)絡(luò)分析文獻(xiàn)中應(yīng)用的廣泛性，避免陷入各種相關(guān)方法之間有效性比較的冗長(zhǎng)討論，本文直接使用Pearson相關(guān)系數(shù)構(gòu)造最小生成樹(shù)，將研究重點(diǎn)集中在與股指波動(dòng)率關(guān)聯(lián)結(jié)構(gòu)和關(guān)鍵市場(chǎng)節(jié)點(diǎn)等方面。

（二）股票市場(chǎng)波動(dòng)率網(wǎng)絡(luò)中心性

（三）股票市場(chǎng)動(dòng)態(tài)網(wǎng)絡(luò)

過(guò)去十年中，不論中國(guó)還是東盟國(guó)家股票市場(chǎng)都經(jīng)歷大起大落，也受到突發(fā)因素沖擊影響，因此中國(guó)與東盟國(guó)家間股票市場(chǎng)波動(dòng)率網(wǎng)絡(luò)的結(jié)構(gòu)并非穩(wěn)定，具有隨時(shí)間變化的特征。為了研究網(wǎng)絡(luò)結(jié)構(gòu)的演化特征，本文利用滑動(dòng)時(shí)間窗算法，根據(jù)交叉相關(guān)矩陣計(jì)算均值、標(biāo)準(zhǔn)差等指標(biāo)、網(wǎng)絡(luò)平均度等統(tǒng)計(jì)特征隨時(shí)間變化的表現(xiàn)。具體程式如下：使用每次計(jì)算100個(gè)觀測(cè)值并遞歸估計(jì)這些測(cè)量值，沿時(shí)間尺度移動(dòng)，窗口步長(zhǎng)為1。根據(jù)以上步驟，我們得到完整示例的窗口總數(shù)為1415個(gè)。

三、數(shù)據(jù)說(shuō)明與描述性統(tǒng)計(jì)

本文研究對(duì)象是中國(guó)、東盟主要國(guó)家、日本、韓國(guó)股票市場(chǎng)指數(shù)（圖1），研究范圍包括：中國(guó)（CSI300）、老撾（LXS）、新加坡（SGX）、泰國(guó)（SET）、越南（VN）、馬來(lái)西亞（FTSE）、菲律賓（PSEI）、柬埔寨（CSX）、日本（N225）、韓國(guó)（KRX）十國(guó)股票市場(chǎng)指數(shù)。選擇以上國(guó)家股指的理由主要根據(jù)數(shù)據(jù)可得性和各國(guó)股票市場(chǎng)聯(lián)系緊密程度，由于東盟地區(qū)中有部分國(guó)家股票市場(chǎng)指數(shù)缺失，同時(shí)考慮到日本和韓國(guó)在地緣上與中國(guó)、東盟國(guó)家臨近，與中國(guó)和東盟國(guó)家股票市場(chǎng)可能存在密切關(guān)聯(lián)性，因此本文將兩國(guó)股票市場(chǎng)指數(shù)納入研究范圍。各國(guó)股指收盤(pán)價(jià)、成交量均來(lái)自Wind金融終端，股指價(jià)格選定數(shù)據(jù)集時(shí)間范圍從2016年3月1日—2021年11月22日，合計(jì)1515個(gè)觀測(cè)樣本數(shù)據(jù)。由于各國(guó)股指交易時(shí)間不對(duì)應(yīng)，如果簡(jiǎn)單采取“共同時(shí)間窗”方法處理數(shù)據(jù)，即刪除各國(guó)股指不能匹配的交易時(shí)間，將損失大量數(shù)據(jù)，故本文使用窗口長(zhǎng)度為10個(gè)交易日的移動(dòng)中位數(shù)替換和補(bǔ)全各國(guó)股指缺失值。

為了進(jìn)一步研究重大事件沖擊下，中國(guó)和東盟國(guó)家股票市場(chǎng)波動(dòng)關(guān)聯(lián)變化，本文借鑒事件研究法的思路，對(duì)全球性的新冠疫情這一重大突發(fā)事件，劃分為事件前、事件期間和事件后3個(gè)子時(shí)間樣本，并分別構(gòu)造事件前、事件期間和事件后靜態(tài)的全球股指波動(dòng)率網(wǎng)絡(luò)，方便比較分析網(wǎng)絡(luò)結(jié)構(gòu)的差異。由于疫情在全球范圍內(nèi)的廣泛影響，世界衛(wèi)生組織于2020年3月11日宣布新冠疫情為全球大流行，據(jù)此本文將整個(gè)樣本數(shù)據(jù)分為3個(gè)時(shí)期各102個(gè)交易日：（a）疫情暴發(fā)前：2019年10月15日—2020年3月10日；（b）疫情暴發(fā)期：2020年3月11日—2020年8月7日；（c）疫情持續(xù)期：2020年8月10日—2021年1月5日。

本文通過(guò)對(duì)中國(guó)、日本、韓國(guó)與東盟主要國(guó)家股指波動(dòng)率走勢(shì)的觀察發(fā)現(xiàn)，2020年上半年幾乎10個(gè)國(guó)家的股指波動(dòng)率波動(dòng)幅度放大，其中中國(guó)、韓國(guó)、新加坡、菲律賓的波動(dòng)幅度靠前，這一特點(diǎn)與上述國(guó)家疫情形勢(shì)緊密相關(guān)。圖1是10個(gè)國(guó)家股指波動(dòng)率的相關(guān)圖，在全樣本狀態(tài)下10個(gè)國(guó)家中股票市場(chǎng)較發(fā)達(dá)國(guó)家股指波動(dòng)率，與其他國(guó)家股指波動(dòng)率靜態(tài)聯(lián)動(dòng)關(guān)系緊密，相關(guān)圖中新加坡、日本和韓國(guó)股指與其他國(guó)家股指波動(dòng)率之間落入強(qiáng)關(guān)聯(lián)的偏紅色色塊，部分相關(guān)度甚至超過(guò)0.9。此外，東盟國(guó)家股票市場(chǎng)之間普遍的聯(lián)動(dòng)關(guān)系明顯，但中國(guó)與其他9個(gè)國(guó)家股指波動(dòng)率的靜態(tài)聯(lián)動(dòng)不密切。

四、中國(guó)與東盟國(guó)家間股票市場(chǎng)風(fēng)險(xiǎn)傳遞的實(shí)證檢驗(yàn)

（一）股指波動(dòng)率網(wǎng)絡(luò)的靜態(tài)結(jié)構(gòu)

首先，考察中國(guó)與東盟主要國(guó)家間股指波動(dòng)率網(wǎng)絡(luò)整體結(jié)構(gòu)，該結(jié)構(gòu)能夠反映各國(guó)股指波動(dòng)關(guān)聯(lián)結(jié)構(gòu)，本文給出全樣本下股指波動(dòng)率網(wǎng)絡(luò)最小生成樹(shù)。最小生成樹(shù)包含非常豐富的股票市場(chǎng)關(guān)聯(lián)結(jié)構(gòu)信息，全樣本狀態(tài)下的最小生成樹(shù)吸收了整個(gè)樣本信息，反映股票市場(chǎng)關(guān)聯(lián)的常規(guī)狀態(tài)。在全樣本最小生成樹(shù)中，市場(chǎng)的鏈接模式直觀反映市場(chǎng)之間的聯(lián)系性和緊密性，鏈接呈現(xiàn)股票市場(chǎng)組團(tuán)式關(guān)聯(lián)結(jié)構(gòu)。具體而言，中國(guó)、越南、馬來(lái)西亞、泰國(guó)構(gòu)成組團(tuán)1，菲律賓、柬埔寨構(gòu)成組團(tuán)2，新加坡、老撾和日本構(gòu)成組團(tuán)3。由此看出，樣本內(nèi)的股票市場(chǎng)組團(tuán)關(guān)系與國(guó)家經(jīng)濟(jì)發(fā)展水平和股票市場(chǎng)發(fā)展程度相關(guān)，相對(duì)發(fā)達(dá)國(guó)家的股票市場(chǎng)傾向于構(gòu)成組團(tuán)，如日本、新加坡；經(jīng)濟(jì)發(fā)展水平較高的發(fā)展中國(guó)家股票市場(chǎng)，如中國(guó)、越南、馬來(lái)西亞、泰國(guó)屬于同一組團(tuán)；樣本中市場(chǎng)其他國(guó)家較落后的構(gòu)成同一組團(tuán)。

其次，作為進(jìn)一步研究，考察在新冠疫情暴發(fā)前期間和持續(xù)期，股指波動(dòng)率網(wǎng)絡(luò)整體結(jié)構(gòu)的差異，平均交叉相關(guān)系數(shù)在表1中給出。表1顯示，疫情使中國(guó)和東盟主要國(guó)家股票市場(chǎng)整體關(guān)聯(lián)程度顯著上升，在疫情突發(fā)期間，平均交叉相關(guān)水平較事件前高約42%，較事件后高約132%。這意味著在突發(fā)事件的沖擊下，10個(gè)國(guó)家股指的行為模式的趨同傾向顯著上升，凸顯對(duì)重大突發(fā)事件研究在股票市場(chǎng)整體結(jié)構(gòu)研究中的重要性。突發(fā)事件對(duì)股票市場(chǎng)持續(xù)影響基本不超出本文定義的疫情暴發(fā)期時(shí)間范圍，事件后平均交叉相關(guān)水平迅速下降，甚至低于事件前的水平。

2吳振信，許寧.我國(guó)股票市場(chǎng)與周邊市場(chǎng)互動(dòng)關(guān)系的VAR研究［J］.北方工業(yè)大學(xué)學(xué)報(bào)，2004（4）：1-4，32.

3張碧瓊.中國(guó)股票市場(chǎng)信息國(guó)際化：基于EGARCH模型的檢驗(yàn)［J］.國(guó)際金融研究，2005（5）：68-73.

4王志芬，張雪玲.次貸危機(jī)對(duì)中美股市聯(lián)動(dòng)性的影響分析［J］.經(jīng)濟(jì)論壇，2009（9）：33-35.

5TENG K T， HWA Y S， YEAN C S. Synchronisation of stock market cycles：the importance of emerging and developed markets to ASEAN-5［J］. Prague Economic Papers， 2013（4）：435-458.

6TENG K T， YEN S H ， CHUA S Y . The synchronisation of ASEAN-5 stock markets with the growth rate cycles of selected emerging and developed economies［J］.Margin the journal of applied economic research，2013（1）：1-28.

1MANDIGMA M B. Stock Market Linkages among the ASEAN 5+3 countries and US：Further evidence［J］.Management and adminidtrative science review，2014（1）：53-68.

2LEAN H H， SMYTH R . Stock market co-movement in ASEAN and China［M］//Emerging markets and the global economy.Amsterdam：Elsevier，2014：603-622.

3CHIEN M S， LEE C C， HU T C ， et al. Dynamic Asian stock market convergence：evidence from dynamic cointegration analysis among China and ASEAN-5［J］. Economic modelling，2015（51）：84-98.

4TENG K T， YEN S H， CHUA S Y， et al. Time-varying linkages of economic activities in China and the stock markets in ASEAN-5［J］. Social science electronic publishing，2016（2）：137-152.

5毛薇，郝夢(mèng)雨.中國(guó)與東盟五國(guó)股票市場(chǎng)聯(lián)動(dòng)性分析［J］.廣西財(cái)經(jīng)學(xué)院學(xué)報(bào)，2017（2）：44-55.

6MANTEGNA R N . Hierarchical structure in financial markets ［J］. European physical journal B， 1999（1）：193-197.

7ENGSTED T，TANGGAARD C . The Comovement of US and UK stock markets［J］. European financial management，2004（4）：593-607.

8BOGINSKI V，BUTENKO S，PARDALOS P M. Mining market data：A network approach［J］. Computers and operations research，2006（11）：3171-3184.

9LI P， Wang B H. An approach to Hang Seng index in Hong Kong stock market based on network topological statistics［J］.Chinese Science bulletin，2006（5）：624- 629.

10黃瑋強(qiáng)，莊新田，姚爽.中國(guó)股票關(guān)聯(lián)網(wǎng)絡(luò)拓?fù)湫再|(zhì)與聚類(lèi)結(jié)構(gòu)分析［J］.管理科學(xué)，2008（3）：94-103.

11ASTE T， SHAW W， DI MATTEO T.Correlation structure and dynamics in volatile markets［J］.New journal of physics， 2010 （16）：2498-2498.

1NAMAKI A， SHIRAZI A H， RAEI R， et al. Network analysis of a financial market based on genuine correlation and threshold method［J］. Physical A-statistical mechanics and its applications， 2011（21）： 3835-3841.

2NOBI A， LEE S， KIM D H， et al. Correlation and network topologies local stock indices［J］. Physics letters A， 2014（34）：2482-2489.

3鄧超，陳學(xué)軍.基于復(fù)雜網(wǎng)絡(luò)的金融傳染風(fēng)險(xiǎn)模型研究［J］.中國(guó)管理科學(xué)，2014（11）：11-18.

4歐陽(yáng)紅兵，劉曉東.中國(guó)金融機(jī)構(gòu)的系統(tǒng)重要性及系統(tǒng)性風(fēng)險(xiǎn)傳染機(jī)制分析：基于復(fù)雜網(wǎng)絡(luò)的視角［J］.中國(guó)管理科學(xué)，2015（10）：30-37.

5劉惟樅，張巍.金融危機(jī)下全球股指網(wǎng)絡(luò)特性分析［J］.山東財(cái)政大學(xué)學(xué)報(bào)，2014（3）：11-17.

6謝赤，胡雪晶，王綱金.金融危機(jī)10年來(lái)中國(guó)股市動(dòng)態(tài)演化與市場(chǎng)穩(wěn)健研究：一個(gè)基于復(fù)雜網(wǎng)絡(luò)視角的實(shí)證［J］.中國(guó)管理科學(xué)，2020（6）：1-12.

7MANTEGNA R N. Hierarchical structure in financial markets ［J］. European physical journal B， 1999（1）：193-197.

8寧瀚文，屠雪永.基于高維波動(dòng)率網(wǎng)絡(luò)模型的股票市場(chǎng)風(fēng)險(xiǎn)特征研究［J］.統(tǒng)計(jì)研究，2019（10）：58-73.

1GARMAN M， KLASS M . On the estimation of security price volatilities from historical data［J］. Journal of business， 1980（53）：67-78.

2ALIZADEH S， BRANDT M W， DIEBOLD F X. High- and low-frequency exchange rate volatility dynamics： range-based estimation of stochastic volatility models［J］. Journal of finance， 2002（3）：1047-1091.

3MANTEGNA R N. Hierarchical structure in financial markets ［J］. European physical journal B， 1999（1）：193-197.

4GARMAN M， KLASS M . On the estimation of security price volatilities from historical data［J］. Journal of business， 1980（53）：67-78.

5ONNELA J P， SARAMKI J， HYVNEN J， et al. The architecture of weighted complex networks［J］. Proceeding of the National Academy of Science of the Vnited States of America，2004（11）：3747-3752.

1小方框內(nèi)數(shù)值表示各國(guó)股指在波動(dòng)率網(wǎng)絡(luò)中的度中心性數(shù)值D。

1滑動(dòng)時(shí)間窗口的大小在噪音過(guò)多和過(guò)度平滑之間取得平衡，窗口大小設(shè)定為100天，每次計(jì)算100個(gè)觀測(cè)值并遞歸估計(jì)這些測(cè)量值，沿時(shí)間尺度移動(dòng)，窗口步長(zhǎng)為1。選取2006年1月4日—2021年3月26日期間的數(shù)據(jù)共計(jì)3835個(gè)觀測(cè)樣本數(shù)據(jù)。根據(jù)以上步驟，得到完整示例的窗口總數(shù)為3734個(gè)。