时变动态分位数CoVaR、delta-CoVaR，分位数回归 △CoVaR测度 溢出效应 动态

时变动态分位数CoVaR、delta-CoVaR分位数回归 △CoVaR测度 溢出效应 动态 Adrian2016基于分位数回归方法计算动态条件在险价值。 R语言代码代码更换数据就能用需要修改的地方都已标明并且举例怎么修改 每一行代码都有注释一次可以计算出所有结果不需要像Eviews一样两两重复计算。 例子为31家金融机构11-22年数据包含4个宏观状态变量计算结果见下图。一、研究背景与意义在全球经济一体化与金融市场互联互通的背景下跨市场风险传染已成为影响金融稳定的关键因素。2008年美国次贷危机、2012年欧洲主权债务危机等历史事件表明单个市场的极端风险可通过贸易联动、资本流动、情绪传染等渠道快速扩散至全球市场对金融体系造成系统性冲击[]。中国资本市场以香港为重要开放口岸两地市场融合进程持续加速——截至2018年底在港上市的内地企业市值超20.19万亿港元占香港股市总市值的68%沪港通、深港通等机制进一步打通了内地与香港的资本流动通道[]。在此背景下精准度量沪深股市与香港股市的尾部风险溢出效应不仅能揭示两地市场的风险联动特征更能为金融监管部门制定风险防控政策、投资者优化跨市场资产配置提供科学依据。传统风险度量方法如VaR、波动率溢出模型仅关注单一市场的风险或收益率的矩信息无法有效捕捉极端行情下的跨市场风险传递而时变ΔCoVaR模型通过分位数回归技术可动态刻画市场间的尾部风险溢出强度及时变特征弥补了传统方法的局限性[]。二、研究方法与数据设计一核心模型时变ΔCoVaR模型1. 模型基础定义VaR风险价值在95%置信水平下金融市场在特定持有期内的最大可能收益率损失公式定义为\[P\left(X^{i} \leq VaR{q}^{i}\right)q \%\]其中\(X^{i}\)为市场\(i\)的收益率损失对数收益率的相反数\(q95\)为置信水平\(VaR{q}^{i}\)取正值以直观反映损失规模[]。CoVaR条件风险价值当市场\(i\)处于极端风险状态即\(X^{i}VaR{q}^{i}\)时市场\(j\)的条件风险价值公式定义为\[P\left(X^{j} | C\left(X^{i}\right) \leq CoVaR{q}^{j | C\left(X^{i}\right)}\right)q \%\]本质是条件概率分布\(P(X^{j} | C(X^{i}))\)的95%分位数刻画了市场\(i\)对市场\(j\)的风险传导效应[]。ΔCoVaR风险溢出效应指标市场\(i\)对市场\(j\)的尾部风险溢出强度计算公式为\[\Delta CoVaR{q, t}^{j | i}CoVaR{q, t}^{j | i}-CoVaR{50, t}^{j | i}\]其中\(CoVaR{50, t}^{j | i}\)为市场\(i\)处于正常状态\(X^{i}VaR_{50}^{i}\)即50%分位数时市场\(j\)的CoVaR。ΔCoVaR的绝对值越大表明市场\(i\)对市场\(j\)的风险溢出效应越强符号为正则表示风险同向传递[]。2. 时变特征实现为捕捉风险溢出的动态变化模型引入滞后状态变量构建时变分位数回归时变动态分位数CoVaR、delta-CoVaR分位数回归 △CoVaR测度 溢出效应 动态 Adrian2016基于分位数回归方法计算动态条件在险价值。 R语言代码代码更换数据就能用需要修改的地方都已标明并且举例怎么修改 每一行代码都有注释一次可以计算出所有结果不需要像Eviews一样两两重复计算。 例子为31家金融机构11-22年数据包含4个宏观状态变量计算结果见下图。\[X{t}^{j | i}\alpha{q}^{j | i}\gamma{q}^{j | i} M{t-1}^{j}\beta{q}^{j | i} X{t}^{i}\varepsilon_{q, t}^{j | i}\]其中\(M{t-1}^{j}\)为市场\(j\)的滞后状态变量如波动率、利差变动等通过回归系数\(\hat{\beta}{q}^{j | i}\)的时变特征间接反映ΔCoVaR的动态变化[]。该方法无需对残差分布进行假设可有效处理金融数据的厚尾性与异方差性优于传统GARCH族模型[]。二数据设计1. 样本选取研究对象上证综合指数代表沪市、深证成分指数代表深市、恒生指数代表香港股市覆盖2006年11月至2018年12月的日频与月频数据[]。数据来源股票指数数据、宏观经济变量数据分别来自CSMAR数据库、中国经济数据库、宏观经济数据库确保数据的权威性与完整性[]。2. 状态变量构建状态变量需满足“捕捉收益率动态特征、流动性良好、数据易获取”三大条件从股票市场、货币市场、债券市场、房地产市场、外汇市场选取六类核心变量且均采用“变动值”形式而非变量本身以准确反映对风险的边际影响[]。具体变量设计如下表所示状态变量类别内地股票市场香港股票市场变量作用S1股票波动率上证综指/深证成指月波动率恒生指数月波动率衡量股票市场自身风险水平S2短期利差变动中国短期利差变动Shibor-上证国债指数收益率美国短期利差变动Libor-美国3月期国库券利率度量市场流动性风险S3债券收益率变动上证国债指数收益率变动美国3月期国库券收益率变动反映债市与股市的资金流动效应S4房地产超额收益率变动内地房地产市场相对上证综指/深证成指超额收益率变动香港房地产市场相对恒生指数超额收益率变动体现房地产与股票市场的替代/财富效应S5汇率收益率变动人民币兑美元汇率收益率变动港元兑人民币汇率收益率变动、人民币兑美元汇率收益率变动捕捉汇率波动对股市的冲击S6货币指标变动M2同比增速变动美元指数收益率变动反映货币供应量/国际货币环境对股市的影响三、实证结果与关键发现一单市场尾部风险特征通过时变VaR模型对沪深港三地市场的尾部风险进行独立估计结果显示风险水平差异深市尾部风险最高静态VaR0.1682沪市次之静态VaR0.15香港股市最低静态VaR0.1325。深市风险较高的原因在于其成分股以中小型成长性企业为主经营收益波动性大股价易受短期因素冲击[]。时变特征三地市场的时变VaR均呈现显著的周期波动在2008年全球金融危机、2011年欧债危机、2015年内地股市波动等极端行情期间时变VaR显著高于静态VaR表明危机时期市场尾部风险大幅积聚[]。例如2008年10月香港股市时变VaR达到峰值2009年4月沪市时变VaR才逐步回落反映出不同市场的风险化解速度存在差异[]。二跨市场双向风险溢出效应1. 溢出效应存在性与方向性实证结果证实沪深股市与香港股市之间存在显著的双向正向风险溢出效应香港股市对沪市的风险溢出系数为0.83801%水平显著对深市的风险溢出系数为0.96431%水平显著沪市对香港股市的风险溢出系数为0.39671%水平显著深市对香港股市的风险溢出系数为0.53661%水平显著[][]。这表明一地市场的极端风险会正向传导至另一市场且香港股市对内地股市的风险溢出强度显著高于内地股市对香港股市的溢出强度原因在于香港作为国际金融中心更容易受到全球资本流动、国际市场情绪的冲击并通过资本通道传递至内地[]。2. 沪市与深市的溢出差异深市与香港股市的风险溢出波动幅度显著大于沪市与香港股市香港股市对深市的ΔCoVaR序列标准差比其对沪市的ΔCoVaR标准差高15%-20%深市对香港股市的ΔCoVaR波动幅度也高于沪市对香港股市的波动幅度[]。这一差异源于沪深两市的微观结构不同沪市以大型国企、蓝筹股为主经营稳定且对国际市场信息反应相对平缓深市以民营企业、外向型企业为主对汇率、国际需求等外部冲击更敏感导致风险溢出的波动性更高[]。3. 沪港通、深港通的影响关键发现在于沪港通2014年11月开通与深港通2016年12月开通的推出并未显著增加两地市场的双向风险溢出程度。从样本内估计与样本外预测结果来看开通前后ΔCoVaR序列的均值、波动幅度均无统计学意义上的显著差异[]。这一结果的原因可能是一方面互联互通机制带来的资本流动便利化增强了市场联动另一方面内地股市开放程度仍相对较低且监管部门对跨境资本流动的风险防控措施如额度管理、信息披露要求在一定程度上抵消了风险溢出的加剧效应[]。三状态变量对风险溢出的影响通过分位数回归系数分析识别出影响风险溢出的关键状态变量股票波动率沪深港三地市场的月波动率系数均在1%水平显著为正表明市场自身风险上升会放大跨市场风险溢出符合“波动率聚集”特征——当期高波动往往伴随下期高波动进而加剧极端风险传递[]。房地产超额收益率变动内地房地产市场超额收益率变动系数为负1%水平显著表明内地房地产市场的正向财富效应占主导——房地产收益上升会带动居民/企业财富增值进而增加股票市场投资降低股市收益率损失[]而香港房地产市场超额收益率变动系数为正5%水平显著表明香港房地产市场的资产替代效应占主导——房地产收益上升会吸引资金从股市流向房市加剧股市风险[]。汇率与货币指标人民币兑美元汇率收益率变动对香港股市的风险溢出有显著负向影响10%水平显著表明人民币升值会降低香港股市对内地股市的风险溢出M2同比增速变动系数为正1%水平显著表明内地货币供应量扩张会增加股市尾部风险进而强化向香港股市的风险溢出[][]。四、研究结论与政策建议一核心结论沪深股市与香港股市存在显著的双向正向尾部风险溢出且香港股市对内地股市的溢出效应更强反映出香港股市在两地风险联动中的“主导地位”。深市与香港股市的风险溢出波动性高于沪市需重点关注深市的跨境风险防控。沪港通、深港通未显著加剧两地风险溢出表明互联互通机制在提升市场效率的同时未对金融稳定造成额外冲击。股票波动率、房地产市场超额收益率、汇率、货币供应量等状态变量对风险溢出有显著影响且不同市场的影响机制存在差异。二政策建议差异化风险监管针对沪市与深市的风险特征差异制定差异化监管措施——对深市重点加强外向型企业的风险监测完善汇率风险对冲工具对沪市重点关注蓝筹股的流动性风险防范极端行情下的“羊群效应”。跨境风险协同防控建立沪深港三地监管部门的风险信息共享机制实时监测ΔCoVaR等风险溢出指标在极端行情下启动联合应急响应如临时额度调整、跨市场熔断机制。房地产与股市的风险隔离针对内地与香港房地产市场对股市的不同影响优化房地产调控政策——内地可通过保障房建设、房产税试点等措施抑制房地产市场过度投机减少对股市的资金“虹吸效应”香港可通过增加土地供应、规范房地产金融业务等方式缓解房地产与股市的替代效应。稳步推进市场开放在扩大互联互通机制规模如取消额度限制的同时完善跨境资本流动的宏观审慎管理框架通过“渐进式开放风险防控”的组合策略在提升市场效率的同时维护金融稳定。三研究局限与未来方向本研究的样本期截至2018年12月未涵盖2020年新冠疫情、2022年全球利率上升等后续重大事件未来可扩展样本期以分析突发事件对风险溢出的冲击效应。此外模型未考虑数字货币、跨境ETF等新型金融工具的影响后续可纳入这些变量进一步丰富研究框架。