吳青峰
(福建師范大學經(jīng)濟學院 福建 福州 350117)
隨著金融全球化程度的不斷加深,某一市場波動引發(fā)的風險往往會傳染至其他市場。全球金融市場都同處一張網(wǎng)絡之中,互有聯(lián)系。因此,各金融市場間會存在各種風險傳染問題,如2008次貸危機,于是人們開始反思對于風險的度量。但傳統(tǒng)的VaR模型一般用于度量單個金融機構(gòu)的風險,無法體現(xiàn)風險溢出方向。Adrian(2008)在風險溢出視角基礎之上,提出了條件風險價值CoVaR的方法,從而有效解決了VaR存在低估風險的問題。
國外對于風險溢出效應的研究側(cè)重于方差的波動方面。在國外的研究文獻中,Hamao(1990)采用廣義自回歸條件異方差模型對全球主要的三個經(jīng)濟體(美、英、日)股票市場間的風險溢出程度、方向進行了研究,其結(jié)果表明,各股票市場的風險傳導方向并非是雙向的,存在單向傳導。隨著理論的不但完善發(fā)展,Dainelsson(2000)利用極值理論對各金融市場間的風險傳導、預測進行了更好的研究。VaR方法此后成為衡量市場風險的主流方法,但VaR方法在衡量具有“尖峰厚尾”的金融數(shù)據(jù)上存在無效性的問題,容易忽略各市場之間的風險的大小。此后,Adian首次提出了條件風險價值模型,即CoVaR。國內(nèi),毛菩和羅猛(2011)在CoVaR模型的基礎上,對我國證券業(yè)、銀行業(yè)的風險聯(lián)動關系進行了研究,主要側(cè)重在風險傳染方向上,其結(jié)果表明二者之間存在正向溢出效應;隨著多變量波動性模型的廣泛應用,王丁(2012)采用多變量波動性模型研究了我國股票市場板塊間的波動溢出效應,其結(jié)果表明不同主板市場間存在顯著的雙向波動溢出效應。
VaR廣泛應于與風險管理和測度中,中文名為風險價值,表明市場板塊(或金融體系)在某一特定置信水平(1%,5%,10%)下可能發(fā)生的最大損失。由于傳統(tǒng)的VaR模型忽略了市場板塊(或金融市場)之間的風險溢出效應,無法對不同市場之間的風險溢出方向進行有效的衡量,而更多的學者研究更側(cè)重于風險的傳染路徑、預測、預警,因此Adrian(2008)首次提出了CoVaR模型,以衡量系統(tǒng)性風險,且采用分位數(shù)回歸對CoVaR模型進行初步有效估計。
Koenker和Bassett在1978年提出了分位數(shù)回歸。其原理在于,將自變量的分位數(shù)(25%、10%、5%等)得到與因變量的條件分布相對應的分位數(shù)方程。分位數(shù)回歸滿足普通最小二乘估計的基本假設(線性假定、嚴格外生效、球型擾動項等)。普通OLS更注重的是均值回歸,因此容易受到極端數(shù)據(jù)的影響,導致回歸結(jié)果有較大偏差,相較而言,分位數(shù)回歸更適合呈現(xiàn)“尖峰厚尾”、“非對稱”等特征的金融數(shù)據(jù),因此不易受到極端值的影響,較為穩(wěn)健,從而更能精確的描述自變量分布形狀的影響。例如,研究市場板塊i在陷入危機時,對市場板塊j(或?qū)鹑隗w系)所造成的風險溢出效應,本文首先用Xi來代表市場板塊i的收益率,用Xj表示市場板塊j的收益率,那么可以建立以下分位數(shù)回歸模型
結(jié)合實際情況,本文分別選取了滬深300指數(shù)(hs300)、中小板指數(shù)(zxb)和創(chuàng)業(yè)板指數(shù)(cyb)分別作為滬深主板市場、中小板市場和創(chuàng)業(yè)板市場代表性指數(shù)。鑒于不同的市場板塊指數(shù)的發(fā)布時間均有所不同,所以在處理數(shù)據(jù)時提出了不匹配數(shù)據(jù),并且從時間最早的股票市場指數(shù)開始計算。所有市場的指數(shù)數(shù)據(jù)均來源于東方財富Choice數(shù)據(jù)庫。
對2010年6月1日至2019年8月30日滬深300指數(shù)(hs300)、中小板指數(shù)(zxb)和創(chuàng)業(yè)板指數(shù)(cyb)做圖分析??芍?,在2015年前后,各股票市場的平均波動幅度有較大差異,2015年之前,三個股票市場板塊波動幅度均小于2015年之后,且中小板市場的波動幅度最大,滬深300次之。對每日收益率進行差分處理。根據(jù)全樣本Stata統(tǒng)計描述結(jié)果,創(chuàng)業(yè)板平均收益率相對最高,而中小板的平均收益率最低。3個市場板塊數(shù)據(jù)均為“尖峰厚尾”且都不服從正態(tài)分布。對所有市場的收益率的進行平穩(wěn)性檢驗,ADF統(tǒng)計量均在1%水平上拒絕存在單位根的原假設。上述三個股票市場板塊數(shù)據(jù)均呈現(xiàn)出波動聚集和異方差特征,因此很適合采用分位數(shù)回歸對其進行估計。
首先,根據(jù)分位數(shù)回歸以獲得CoVaR的參數(shù),為方便分析,采用上標數(shù)字1代表滬深主板市場,用上標2代表中小板市場,用上標3代表創(chuàng)業(yè)板市場。通過設置不同的分位數(shù)水平來代表金融市場不同的狀態(tài),為了對比,本文將金融市場處于極端狀態(tài)的分位數(shù)水平分別設為5%、1%,將金融市場處于正常狀態(tài)的分位數(shù)水平設為50%,即q=0.05、q=0.01代表了該金融市場處于危機狀態(tài),q=0.5代表了該金融市場處于正常健康的狀態(tài)。根據(jù)分位數(shù)回歸結(jié)果,基于CoVaR模型的各個股票市場板塊指數(shù)收益率方程的分位數(shù)回歸系數(shù)均在1%的水平上顯著。在不同的分位數(shù)水平下,無論是滬深主板、還是中小板和創(chuàng)業(yè)板,它們處于風險水平時,與該狀態(tài)下各股票市場板塊的條件在險價值都是正相關的,而且從整體上來看,滬深主板市場對另外的中小板市場和創(chuàng)業(yè)板市場具有較大溢出效應,中小板市場居中,最后是創(chuàng)業(yè)板市場。
結(jié)合分位數(shù)回歸得出的系數(shù)估計值,帶入公式中,將市場板塊指數(shù)收益率序列從小到大排序,取對應分位的數(shù)值,再將α和β的估計值代入公式,即可算出VaR的值。最后依次計算出CoVaR、ΔCoVaR和%ΔCoVaR的值。
首先,根據(jù)股票市場板塊的VaR值結(jié)果,隨著分位數(shù)水平的增大,從q=0.01到q=0.05的過程中,VaR的絕對值均減小,即極端情況下各股票市場板塊風險均有所增加,其次,對比股票市場板塊的CoVaR值的結(jié)果,VaR值較CoVaR值均偏小,可見VaR會低估市場所遭受的風險程度,因為VaR指標不能很好地刻畫出市場面對極端風險沖擊時,可能存在的風險溢出效應。相較而言,CoVaR更適應極端值理論,從而能更有效衡量波動溢出效應。ΔCoVaR衡量的是市場板塊間的風險溢出程度,根據(jù)股票市場板塊的ΔCoVaR值結(jié)果,無論是在q=0.01還是在q=0.05的分位數(shù)水平下,滬深主板市場對其他板塊市場的風險溢出力度最大,ΔCoVaR均值分別為-1.685、-1.088。此外,在q=0.01的分位數(shù)水平下,我國股票市場板塊間的風險溢出程度要明顯大于在q=0.05的分位數(shù)水平下的風險溢出程度。由股票市場板塊的CoVaR值結(jié)果可以初步得出結(jié)論:滬深主板市場對中小板市場、創(chuàng)業(yè)板市場的沖擊力度最大,且在極端風險條件下,各股票市場板塊所面臨的風險程度更高。
本文基于中國股票市場板塊指數(shù)日收益率數(shù)據(jù),通過分位數(shù)回歸法,以衡量滬深主板市場、中小板市場、創(chuàng)業(yè)板市場風險程度,進而算出各股票市場板塊間的風險溢出效應。從實證結(jié)果可知,我國各股票市場板塊之間均具有雙向非對稱的正溢出效應,且滬深主板市場對于中小板市場、創(chuàng)業(yè)板市場的溢出效應均大于二者對于滬深主板市場的溢出效應,可見,目前主板市場對中小板和創(chuàng)業(yè)板起主導作用說明滬深主板市場較之中小板市場、創(chuàng)業(yè)板市場,具備更完善的風險抵御能力,相反,中小板市場、創(chuàng)業(yè)板市場則更應加強風險監(jiān)管,尤其是防范來自滬深主板市場的風險。其次,在不同極端風險水平下(q=0.01 0.05),相應股票市場板塊的VaR絕對值均小于CoVaR絕對值,說明VaR可能低估了各股票市場板塊所遭受的風險,對于金融監(jiān)管部門而言,往往更注重于對風險的度量、傳導、預警這一整個流程,其焦點往往集中于金融市場中各經(jīng)濟體所構(gòu)成的一個系統(tǒng)整體之上,CoVaR模型相較于傳統(tǒng)的VaR,能更有效的衡量金融系統(tǒng)性風險,以及極端風險沖擊下的市場間波動溢出方向、程度等,這對于風險管理與決策的精確施行具有很好的參考作用。