图源百度
摘要：尾部事件冲击下的全球金融市场风险关联复杂多变, 准确刻画全球金融市场风险传染关系对确保地区金融健康发展具有重要的现实意义. 本文结合单指标期望分位数模型 (SIEM) 与条件期望在险价值 (CoEVaR), 提出非线性尾部风险度量 CoEVaRSIM, 并在高维数据情形下构建尾部风险溢出网络. 选取 2009 年–2023 年全球 30 个重要股票市场指数, 基于CoEVaRSIM度量构建动态尾部风险溢出网络, 测度全球股市系统性风险水平, 探究尾部风险溢出结构的动态特征. 实证结果发现： (1) 从全球股市风险测度来看, 基于CoEVaRSIM度量构造的系统性风险指数具有时变特征, 且对尾部事件非常敏感. (2) 从全球股市风险网络的演化特征来看, 极端事件明显加剧区域间的尾部风险溢出. (3) 从事件分析来看, 2020 年新冠疫情加剧了全球股市系统性风险水平, 风险溢出中心发生了亚洲-欧洲-美洲的转变; 2022 年俄乌战争改变了全球股市风险溢出结构, 俄罗斯股市成为最重要的风险溢出中心. 研究结果能够为宏观政策制定者、跨国金融投资机构和防范境外性风险提供参考.
关键词：系统性风险；风险溢出；股票市场；单指标期望分位数模型； CoEVaR
一、研究背景与意义
随着经济全球化与金融一体化进程的加深, 国际金融市场间的风险关联不断增强, 导致区域性的市场风险可能会迅速传染到其他金融市场, 从而对国际金融系统造成冲击, 甚至诱发全球性的金融危机.例如, 2008 年的美国次贷危机引发全球性的金融危机, 对全球金融市场造成了严重危害. 近年来, 世界正面临百年未有之大变局, 具体表现为国际形势愈发复杂多变, 国际公共政治冲突事件频发, 国际金融市场风险加剧. 2023 年中央金融工作会议指出, 要保证金融安全, 防范化解重大金融风险, 推动我国金融市场高水平对外开放. 因此, 需要监测全球金融市场风险, 把控国际金融市场风险传染中心与传导路径, 完善我国金融风险防范体系, 避免系统性金融风险的发生.
二、主要内容
为了更全面地测度尾部风险, 深入探究国际股市间的尾部风险溢出效应, 本文首次结合单指标期望分位数模型 (Single-index expectile model, SIEM) 与条件期望在险价值 (CoEVaR) , 提出非线性条件期望在险价值 (CoEVaRSIM) 度量. 同时, 综合考虑多个股票市场、宏观变量的影响, 运用 LASSO 方法对所构建的高维模型进行重要变量选择. 最后, 构建动态非线性尾部风险溢出网络, 探究尾部风险溢出效应，测度系统性风险溢出水平.
本文选取2009-2023年全球 30 个重要股票市场指数, 测度股票市场的尾部风险，构建全球股市动态尾部风险溢出网络。然后，分别从个体、区域、总体三个层面探究全球股票市场尾部风险间的动态溢出变化特征, 测度全球股市的系统性风险水平。最后，重点分析新冠疫情和俄乌战争这两个极端事件对全球股市尾部风险溢出结构的影响。
三、主要结论及政策建议
本文主要结论如下.
首先, 从全球股市风险测度来看, 基于 CoEVaRSIM构建的全球 30 个重要股票市场极端网络风险的系统性风险指数具有明显的时变特征. 危机事件是促使全球股市尾部风险跃升的重要原因. 另外, 相比于线性风险度量CoEVaRL, 所提出的非线性风险度量 CoEVaRSIM对尾部风险事件的识别更加精确与敏感. 其次, 从全球股市风险网络的演化特征来看, 极端事件明显加剧区域间的尾部风险溢出. 金融属性强的股市仍是全球股票市场的风险溢出中心. 我国股市不是全球中心角色, 与国际股市间的风险关联较弱, 且主要对外溢出风险. 最后, 从极端事件分析结果来看, 新冠疫情的爆发加剧了全球股市区域间的风险溢出, 全球股市风险溢出中心随新冠疫情的进展发生亚洲到欧洲到美洲的转变. 俄乌战争的爆发使得俄罗斯股市成为全球股市风险溢出的中心, 欧洲与亚洲区域股市为俄罗斯股市风险溢出的主要接收者. 我国股市在新冠疫情期间并未明显受到国际股市的风险传染, 但在俄乌战争期间, 我国股市遭受俄罗斯股市的风险溢出.
本文政策启示如下.
第一, 加强对我国股市内部金融风险的监管与防控. 我国股市在全球股市风险网络中仍处于非中心地位, 股市风险来源于内部金融市场且难以向外分散风险, 所以监管部门需要重点关注我国股市内部风险, 避免系统性风险的发生. 第二, 增加风险监管工具, 完善金融风险监管体系. 随着金融市场的深入改革与发展, 我国股市与全球市场间的联系持续加深, 可能会受到国际股票市场的尾部风险冲击, 需要建立外部风险监管体系, 监测与预警全球股票市场系统性风险的变化, 防范外来风险的溢出冲击. 第三, 继续推进资本要素市场化配置, 完善国内股票市场建设, 健全股票市场基础制度, 提升市场监管和服务能力, 增强我国金融市场对外部冲击的抵抗能力, 降低股市脆弱性.
四、边际贡献与未来拓展
研究方法上, 本文将非线性风险度量方法与高维数据降维方法结合, 提出非线性尾部风险度量CoEVaRSIM, 进一步构建非线性动态风险溢出网络. 它不仅能够识别尾部风险间的非线性关系, 还能捕捉动态尾部风险溢出特征, 为尾部风险溢出研究提供新方法.
研究思路上, 本文将全球 30 个重要股票市场指数作为整体纳入网络分析框架, 动态地刻画全球股票市场间的风险关联, 而且重点考察新冠疫情与俄乌战争两个危机事件对全球股票市场风险溢出网络结构的影响, 为金融机构和投资者提供决策参考.
五、写作、投稿过程的心得体会
在论文的写作阶段，我们查阅风险度量、风险溢出、风险网络等相关文献, 总结不同尾部风险度量方法的优缺点, 梳理了现有研究的不足, 这些工作为我们提出新的尾部风险度量方法奠定了基础.
在论文的投稿返修阶段, 审稿人在每一轮返修时都对论文提出了许多宝贵的意见和建议, 帮助我们不断地改进与完善文章. 我们真诚地感谢所有审稿专家认真细致的评审与专业无私的付出. 我们也十分感谢《系统工程理论与实践》编辑部老师们的严谨工作与辛勤付出, 使得该研究成果能不断完善并有幸获得发表.
本文摘编自《系统工程理论与实践》2026年,第46卷,第2期论文《极端事件下股票市场尾部风险测度及溢出效应研究》（点击题目链接全文）；
作者：张飞鹏1, 博士, 教授, 博士生导师, 研究方向: 金融计量, 风险管理, 经济与金融预测；徐一雄1, 博士研究生, 研究方向: 金融计量, 金融风险管理；陈艳2,*(通信作者)，教授, 博士生导师, 研究方向: 风险管理, 金融工程, 复杂网络等
1. 西安交通大学 经济与金融学院, 西安 710049
2. 湖南大学 工商管理学院, 长沙 410082