中國股市在亞太地區的角色定位：基于油價沖擊的風險溢出視角

魏思峣 粟良瑩 蔣坤良 宋加山

摘? ?要：國際油價波動對股票市場的影響研究一直備受關注，但對亞太和中國股市的風險溢出效應研究還有待拓展。鑒于沖擊類型不同，本文將日度頻率的油價波動分解為供給沖擊、需求沖擊和風險沖擊，并基于基準回歸模型與動態GARCH-Copula-CoVaR模型考察三類沖擊對亞太和中國股市的影響與風險溢出?；貧w結果表明，需求沖擊和風險沖擊引起的油價上漲能顯著提高兩地區股市的平均收益，而供給沖擊對此幾乎無影響。從風險溢出視角看，中國股市在亞太地區主要扮演被動接受風險傳染的角色：從需求沖擊看，中國股市更易受到影響，呈現出風險凈溢入的角色；但從風險沖擊看，中國股市并不是聯動亞太股市整體波動的源頭，角色較為獨立。結合上下行風險視角發現，兩地區股市的上行風險總是顯著大于下行風險，呈現出明顯的非對稱特征。但與亞太股市相比，中國股市風險值的波動更為劇烈。本文認為，辨析不同成因、來源的油價沖擊，前瞻性預警亞太地區的油價波動風險，對于穩定我國股市、防范金融風險以及夯實我國在亞太地區的經濟治理話語權具有重要意義。

關鍵詞：油價結構沖擊；非線性相依結構；風險溢出效應；亞太地區

中圖分類號：F830.91? ?文獻標識碼：A? 文章編號：1674-2265（2024）03-0022-11

DOI：10.19647/j.cnki.37-1462/f.2024.03.003

一、引言與文獻回顧

作為一種不可再生資源，石油不僅在現代工業和金融市場發展中發揮著重要作用，其價格波動溢出效應也非常明顯?；贖amilton（1983）[1]對油價波動與宏觀經濟變量之間關系的開創性研究，后續學者不斷將研究領域拓展至油價波動對股價、匯率等金融變量的影響上（Papapetrou，2001；Chen和Zhang，2023）[2，3]。尤其是在1999年石油輸出國組織集體采取限制產量的行動后，國際油價進入大幅震蕩期，頻繁的油價波動對股市的溢出效應也引發了許多關注。研究表明，油價波動對股市收益存在非常重要的影響（Jones和Kaul，1996）[4]，但就是否總是產生消極的影響或溢出效應，目前還未達成共識：傳統研究認為，供不應求引起的油價上漲會對股市收益產生負向效應（Nandha和Faff，2008；Miller和Ratti，2009）[5，6]；但也有學者認為，需求上升引起的油價上漲反映了整體經濟的繁榮，股市收益也會隨之增加（Li等，2012）[7]。

然而，單從供需角度考慮油價波動與股市間的關系是不全面的，這也是上述文獻未能達成共識的關鍵原因。因為石油不僅是一種國際商品，還是一種重要的金融投資或地緣政治博弈的工具（Chen和Zhang，2023）[3]。因此，引起石油價格波動的因素不僅有供需關系，還有金融市場變化、地緣政治沖突、公共衛生事件等，換言之，并非所有的油價沖擊都是一樣的。鑒于此，Kilian（2009）[8]基于美國經濟月度數據提出一種結構VAR模型，將油價沖擊分為供給沖擊、需求沖擊和特定需求沖擊，分別對應供給變化、需求變化以及預防性需求增加導致的結構性沖擊，并發現供給沖擊與需求沖擊對美國股市回報的影響存在明顯差異。在該分解框架下，許多學者從不同角度就油價沖擊對股市的影響或溢出效應展開了深入研究，例如：Wang等（2013）[9]發現油價沖擊對股市收益的影響不僅取決于沖擊類型，還取決于該國為石油進口國還是出口國；Cunado和de Gracia（2014）[10]發現油價波動對大多數歐洲國家股市回報存在重大負面效應，其中供應沖擊的驅動效果最明顯。除此之外，學者們還從發達國家、經濟政策、極端風險傳染等角度切入，提供了許多有關油價結構沖擊對股市影響和溢出效應的證據（Broadstock和Filis，2014；Ji等，2020）[11，12]。

此外，準確測度風險溢出的前提是有效刻畫不同變量間的相依關系（楊子暉和周穎剛，2018）[13]。在傳統相依性和動態風險溢出的研究中，TVP-VAR等線性相依模型常被用以研究市場間的關聯，但一般來說，金融序列間的相依結構通常為非線性的（Ji等，2018）[14]，因此，Copula函數為刻畫這種相依結構提供了有力的分析保證。進一步，為考察一種因素變化條件下另一種因素的損失情況，學者們通常會選取CoVaR作為風險溢出度量指標（Jiang和Ye，2022；徐君和郭寶才，2023）[15， 16]。因此，效仿Tian等（2022）[17]，本文采用GARCH-Copula-CoVaR模型度量油價結構沖擊對股市的風險溢出效應，以此保證研究的連續性與科學性。

不同于以往聚焦于歐美發達國家或中東地區的研究，本文旨在探索油價結構沖擊對亞太和中國股市的風險溢出效應，并以此研判中國股市在亞太地區的角色定位。亞太地區作為當前世界上經濟發展最快、最具活力的地區，一直保持著對石油的巨大需求。根據國際能源署的數據，亞太地區石油消費量約占全球總量的40%，遠遠超過歐洲和北美地區。然而，由于亞太地區油田很少，各國對不可再生能源的依賴度又較高，相比于歐美發達國家或中東地區，石油價格變化對其經濟的影響更大（Zhu等，2014）[18]。目前，盡管Cunado等（2015）[19]、Razmi等（2016）[20]、Zhang和Baek（2022）[21]已分別從匯率、利率、貨幣政策等方面考察了油價沖擊對亞太國家經濟的定性影響，但有關股市風險溢出效應的定量研究仍待拓展。同時，近年來我國經濟的國際影響力越來越大，對亞太地區高速發展的貢獻有目共睹，我國市場在亞太地區的推動和引領作用更加凸顯。因此，已有研究從市場趨同、市場聯動等角度探究了中國股市在亞太地區的影響（Chien等，2015；唐振鵬等，2015）[22，23]，為厘清中國股市在亞太地區的角色定位提供了參考。

從該領域的研究可以發現：第一，現有文獻多采用Kilian（2009）[8]提出的方法對油價波動進行分解，但該方法仍存在一些局限。首先，該方法對特定需求沖擊賦予了過高權重，這很有可能導致供給沖擊的作用被低估；其次，該方法采用的數據頻率為月度，存在一定的信息損失，難以準確捕捉風險溢出的動態演變特征；最后，該方法可能會忽視石油金融投機行為、地緣政治沖突等引發的風險（Umar等，2021）[24]。第二，現有文獻主要聚焦于油價沖擊對股市影響是否積極的定性分析上，很少從風險溢出的定量分析角度去研判前者對后者的影響，而且大多數文獻為了簡化模型，通常假設二者線性相關，這可能忽視序列間的非線性相依結構，進而影響度量風險的準確性。第三，已有研究表明油價沖擊對亞太地區經濟的影響更大，但現有文獻更多聚焦于歐美發達國家或中東國家股市，對亞太地區關注較少。而且，隨著能源政治化、金融化趨勢加強，研究亞太和我國股市承受油價波動溢出效應的差異，對厘清我國股市在亞太地區的角色定位、防范與化解極端能源風險很有必要。

鑒于此，本文根據Ready（2018）[25]提出的方法，將油價沖擊分解成日度頻率的供給沖擊、需求沖擊與風險沖擊，并考察三類沖擊對亞太和中國股市的平均影響。在上述研究框架下，本文選取動態GARCH-Copula模型刻畫油價沖擊與兩地區股市間的動態相依性，辨析三類沖擊與兩地區股市間的相依性差異?；诖?，采用CoVaR和ΔCoVaR方法，分別測度油價沖擊下兩地區股市的條件風險以及極端風險溢出變化幅度，并在厘清我國角色定位的基礎上，就有效防范油價波動風險傳導、維護我國金融市場穩定提出相關啟示。本文的邊際貢獻在于：第一，采用基于日度數據的方法能夠更客觀地賦權，并且考慮了投機行為、地緣沖突等引起的風險作用，比Kilian（2009）[8]提出的方法更優。第二，基于非線性相依假設，將研究重點延伸至油價沖擊的風險溢出度量，為研判中國股市在亞太地區的角色定位提供了新的定量證據，也為我國監管部門防范與化解能源金融風險提供了參考。

二、理論與模型介紹

（一）油價結構分解與基準回歸

石油價格一直被認為是宏觀經濟的先行指標：油價上漲通常對應的是宏觀經濟的持續繁榮（Kilian，2009）[8]。然而，許多研究卻發現油價變化與股市收益之間存在著難以捕捉的關系：二者有時呈現高度相關，有時又幾乎無關。針對這一問題，Ready（2018）[25]提出一種基于日度數據的油價分解法：通過對世界綜合油氣生產商指數、原油價格指數和美國股市隱含波動指數VIX的處理，分解得到使油價產生變化的供給沖擊、需求沖擊以及風險沖擊。這個方法基于的現實依據是：當石油價格因為需求增加而上漲時，油氣生產商能通過出售更高價格的石油產品獲得正向收益。相比之下，石油價格因為供給困難而上漲的情況，對油氣生產商的收益影響并不大，因為價格上漲帶來的收益會被銷量下降抵消。另外，市場對風險的態度可以用貼現率變化情況來反映。因此，本文將世界綜合油氣生產商指數收益與VIX變化正交的部分作為油價需求沖擊，將經過ARMA（1，1）處理后的VIX指數變化作為油價風險沖擊，將同時期剩余的油價變化作為油價供給沖擊，即無法用全球總需求變化和金融市場不確定性變化解釋的油價變化成分（文鳳華等，2022）[26]。具體定義如下：

[Xt≡ΔoiltRtPζVIX，t，Zt≡OStODtORt，A=1110a22a2300a33]? ? ?（1）

已知式（1）滿足：[Xt≡AZt]。其中，[Δoilt]表示原油價格指數的變化率；[RtP]表示世界綜合油氣生產商指數的收益，[ζVIX，t]表示經過ARMA（1，1）處理后的VIX指數波動。本文采用[OSt]、[ODt]、[ORt]分別表示油價供給沖擊、油價需求沖擊和油價風險沖擊。為保證三類油價結構沖擊間兩兩正交，對其添加約束條件：

[A-1ΣX（A-1）T=σos2000σod2000σor2]? ? ?（2）

其中，[ΣX]為矩陣[Xt]的協方差矩陣，[σos]、[σod]、[σor]為三種油價結構沖擊的波動率。

為考察三類油價結構沖擊對亞太地區整體股市以及中國股市的影響，本文先構建不考慮控制變量的基準回歸模型，限于篇幅，這里省略逐步回歸的方程式，僅介紹同時納入三類油價沖擊的回歸模型：

[APt=c+β11OSt+β12ODt+β13ORt+εt]? ?（3）

[CHIt=c+β21OSt+β22ODt+β23ORt+εt]? ?（4）

其中，[APt]表示亞太地區整體股市收益率，[CHIt]表示我國股市收益率。另外，考慮到過去股市收益的影響，為滿足實證結果的穩健性需求，本文分別在兩類股市的回歸方程中加入滯后一期的股市收益率作為控制變量，回歸模型拓展為：

[APt=c+β11OSt+β12ODt+β13ORt+θAPt-1+εt] （5）

[CHIt=c+β11OSt+β12ODt+β13ORt+θCHIt-1+εt]

（6）

（二）非線性相依結構刻畫

金融數據通常具有異方差性與波動聚集效應，本文先引入GARCH模型對數據進行邊緣分布擬合，從而刻畫出序列具有的尖峰厚尾等特征。假設收益率[rt=μt+εt=μt+σtzt]，其中：[μt]為序列均值；[εt]為隨機擾動項，由波動率[σt]和殘差[zt]組成，[zt]為（0，1）上服從某種條件分布的隨機序列。GARCH（1，1）模型將波動率定義為[σ2t=ω+αε2t-1+βσ2t-1]，模型要求[ω，α，β>0]且[α+β<1]。通過對波動率建模，能將原始序列轉換成基于邊緣分布函數的概率積分變換序列，進而為接下來的非線性相依建模奠定基礎。

基于邊緣分布函數，本文須構造序列間的聯合分布函數以刻畫序列間的相依特征。一般來說，金融序列間的相依結構是動態和非線性的（Ji等，2018）[14]。為此，學者們大多選用時變Copula函數進行建模，進而更靈活、準確地估計各種極值風險。本文選用具有不同尾部特征的四種時變Copula模型——時變Gaussian Copula、時變t Copula、時變Clayton Copula和時變SJC Copula，分別構建三類油價結構沖擊與兩地區股市間的相依結構，并基于信息準則采用擬合效果最優的Copula模型進一步估算風險溢出效應。

1. 時變Gaussian Copula模型。

[Cgt（u1，t，u2，t;ρt）=ΦρtΦ-1（u1，t），Φ-1（u2，t）=-∞Φ-1（u1，t）-∞Φ-1（u2，t）12π1-ρt2exp-s12-2ρts1s2+s222（1-ρt2）ds1ds2]

（7）

其中，[Φρt（?）]是相關系數為[ρt]的標準正態分布函數，[Φ-1（?）]是標準正態分布函數的逆函數；[u1，t]和[u2，t]是概率積分變換序列，下同。[ρt]為時變相關系數，假設服從ARMA（1，10）過程（Patton，2006）[27]，下同。

[ρt=Λω+β?ρt-1+α?110j=110Φ-1（u1，t-j）?Φ-1（u2，t-j）]

（8）

其中，[Λx=1-e-x/1+e-x]，保證[ρt∈-1，1]。

2. 時變t Copula模型。

[CTt（u1，t，u2，t;ρt，υc）=tρt，υctυc-1（u1，t），tυc-1（u2，t）=-∞tυc-1（u1，t）-∞tυc-1（u2，t）12π1-ρt2exp1+s12-2ρts1s2+s22υc（1-ρt2）-（υc+2）/2ds1ds2]? （9）

其中，[tρt，υc（?）]是相關系數為[ρt]、自由度為[υc]的t分布函數，[t-1υc（?）]是自由度為[υc]的t分布函數的逆函數，其余變量設定與式（8）相同。

3. 時變Clayton Copula模型。

[CCt（u1，t，u2，t;δt）=（u1，t-δt+u2，t-δt-1）-1/δt]? ?（10）

其中，[δt]是模型系數，假設服從ARMA（1，10）過程：

[δt=Λω+β?δt-1+α?110j=110u1，t-j-u2，t-j]? （11）

其中，[Λx=x2]，保證[δt∈0，∞]。

4. 時變SJC Copula模型。時變JC Copula模型表達式為：

[CJCt（u1，t，u2，t;τtU，τtL）=1-1-1-1-u1，tkt-γt+1-1-u2，tkt-γt-1-1/γt1kt]

（12）

其中，[kt≥1]，[γt>0]，且[kt=[log2（2-τtU）]-1]，[γt=[-log2（τtL）]-1]。由于JC Copula模型無法描述上尾相依和下尾相依的非對稱性，Patton（2006）[27]提出了時變SJC Copula模型：

[CSJCt（u1，t，u2，t;τtU，τtL）=CJCt（u1，t，u2，t;τtU，τtL）+CJCt（1-u1，t，1-u2，t;τtU，τtL）+u1，t+u2，t-12]

（13）

其中，[τtU]和[τtL]分別是上尾相依系數與下尾相依系數；假設服從ARMA（1，10）過程：

[τtU=ΛωU+βU?τt-1U+αU?110j=110u1，t-j-u2，t-jτtL=ΛωL+βL?τt-1L+αL?110j=110u1，t-j-u2，t-j]? （14）

其中，[Λx=1/1+e-x]，保證相依系數[τt∈0，1]。

本文采用極大似然法對時變Copula模型參數進行估計，二維變量的聯合概率分布密度函數為[f（x1，t，x2，t;θt）=c（u1，t，u2，t;θt）p（x1，t）p（x2，t）]，其中，[p（x1，t）]，[p（x2，t）]是變量[x1]，[x2]的概率密度分布函數，可由GARCH模型擬合得到；[c（u1，t，u2，t；θt）]表示Copula模型的概率密度函數。因此，Copula模型的參數集[Θ]可根據極大似然函數求出：

[Θ=argmaxt=1Tlnf（x1，t，x2，t;θt）=argmaxt=1Tlnc（u1，t，u2，t;θt）p（x1，t）p（x2，t）=argmaxt=1Tlni=12p（xi，t）+t=1Tlnc（u1，t，u2，t;θt）]

（15）

（三）條件風險與風險溢出度量

本文采用CoVaR方法度量油價結構沖擊條件下亞太股市與我國股市的風險（Tobias和Brunnermeier，2016）[28]。CoVaR是指在一個變量發生損失大小為VaR的條件下，另一個變量的最大可能損失。假設[rStock，t]是股市在[t]時刻的收益率，[rOil，t]是油價沖擊在[t]時刻的變化率，當油價沖擊處于極端下行風險條件時：

[PrrStock，t≤CoVaRStockβ，t|rOil，t≤VaROilα，t=β]? （16）

其中，[CoVaRStockβ，t]表示當置信水平為[1-β]且油價沖擊變化不超過[VaROilα，t]時，股市的條件在險價值，也稱作股市的下行風險；[VaROilα，t]是油價沖擊的變化率分布的[α]分位點，也稱作油價沖擊的下行風險。類似地，當油價沖擊處于極端上行風險條件時：

[PrrStock，t≥CoVaRStock1-β，t|rOil，t≥VaROil1-α，t=1-β]? （17）

其中，[CoVaRStock1-β，t]表示當置信水平為[β]且油價沖擊變化不超過[VaROil1-α，t]時，股市的條件在險價值，也稱股市的上行風險；[VaROil1-α，t]是油價沖擊的變化率分布的[1-α]分位點，也稱油價沖擊的上行風險。根據Copula函數定義，[CoVaRStockβ，t]與[CoVaRStock1-β，t]可由下式得到：

[CFStock，t（CoVaRStockβ，t），FOil，t（VaROilα，t）=αβ]? ?（18）

[CFStock，t（CoVaRStock1-β，t），FOil，t（VaROil1-α，t）=（1-α）（1-β）]? ?（19）

其中，[FStock，t（?）]和[FOil，t（?）]是股市和油價沖擊的邊緣分布函數。本文采用兩步法求解CoVaR：第一步，根據式（18）和式（19）求出[FStock，t（CoVaRStockβ，t）]和[FStock，t（CoVaRStock1-β，t）]的值；第二步，通過反函數[F-1Stock，tFStock，t（?）]計算出[CoVaRStockβ，t]和[CoVaRStock1-β，t]。

另外，本文還引入ΔCoVaR方法以度量從正常狀態過渡到極端狀態時油價結構沖擊對兩地區股市風險溢出的變化情況（Jiang和Ye，2022）[15]。下行[ΔCoVaRStock|Oilβ，t]被定義為在油價沖擊的變化率從正常狀態（[α=0.5]）到下行極端狀態（[α=0.05]）的情況下，股市的CoVaR變化值；上行[ΔCoVaRStock|Oilβ，t]被定義為在油價沖擊的變化率從正常狀態（[α=0.5]）到序列極端狀態（[α=0.95]）的情況下，股市的CoVaR變化值。下行和上行的極端風險溢出變化[ΔCoVaR]具體表達式如下：

[ΔCoVaRStock|Oil（α=0.05）β，t=CoVaRStock|Oil（α=0.05）β，t-CoVaRStock|Oil（α=0.5）β，tCoVaRStock|Oil（α=0.5）β，tΔCoVaRStock|Oil（α=0.95）β，t=CoVaRStock|Oil（α=0.95）β，t-CoVaRStock|Oil（α=0.5）β，tCoVaRStock|Oil（α=0.5）β，t]（20）

三、實證結果與分析

（一）樣本數據選擇與描述

為得到日度頻率的油價結構沖擊，本文選取世界綜合油氣生產商指數、NYMEX原油價格指數和美國股市隱含波動指數VIX，相關數據來源于Datastream和芝加哥期權交易所（CBOE）網站。股票市場方面，本文選取摩根士丹利編制的MSCI亞太地區指數及我國上海證券綜合指數作為研究樣本，相關數據來源于萬得數據庫。MSCI亞太地區指數是投資界使用最廣泛的、代表整個亞太地區資本市場表現的參考指數。將兩地區指數對比，可以直觀反映出中國股市與亞太地區股市的表現差異，進而研判中國股市在亞太地區的角色定位。另外，由于石油輸出國組織集體采取限制產量的行動，全球石油價格從1999年起進入大幅震蕩期，油價變化給各國市場帶來的沖擊也更加明顯（Scholtens和Yurtsever，2012）[29]，因此，本文數據選取區間為1999年4月1日—2022年12月31日，共5574個交易日。將數據定義為[rt=100×ln（Pt/Pt-1）]，其中，[rt]和[Pt]定義為第t日的對數收益率和指數價格，各序列波動情況如圖1所示?？梢钥闯?，在2008年全球金融危機、2020年新冠疫情暴發前后，各序列都呈現較為劇烈的波動，可能存在明顯的風險溢出。

通過計算，式（1）系數矩陣中的系數估計值分別為：[a22=1.4196]，[a23=2.0598]，[a33=-14.5392]，限于篇幅，估計過程備索。表1給出了各序列的描述性統計結果，可以看到，各序列均呈現左偏、有峰特征。各項檢驗結果也表明，各序列均拒絕服從正態分布的假設，數據平穩，具有顯著的波動聚集效應，這與大多數金融數據的特性相符。

（二）油價結構沖擊對亞太和中國股市的影響

本節構建回歸模型考察油價結構沖擊對亞太和中國股市的影響。表2為不同油價結構沖擊對亞太股市影響的回歸結果，其中第（1）—（4）列沒有考慮控制變量，第（5）—（8）列加入了控制變量APt-1。從單一沖擊結果來看，供給沖擊對亞太股市的影響系數為負，但并不顯著；需求沖擊和風險沖擊對亞太股市的影響均顯著為正，證明兩類沖擊引起的油價上漲能顯著提高亞太股市的收益。將三類沖擊納入同一方程以及控制亞太股市過去的影響后，結果依舊穩健。

表3為不同油價結構沖擊對中國股市影響的回歸結果，其中第（1）—（4）列沒有考慮控制變量，第（5）—（8）列加入了控制變量CHIt-1?？梢钥闯?，油價結構沖擊對中國股市與亞太股市的影響效應相似，需求沖擊和風險沖擊引起的油價上漲能顯著提高中國股市收益，但供給沖擊產生的影響非常有限。

根據回歸結果我們發現：第一，需求沖擊引起的油價上漲能給兩地區股市帶來正面影響，這與Broadstock和Filis（2014）[11]的發現相同。我們認為，亞太地區是全球經濟最具活力的增長帶，而中國是全球僅次于美國的第二大經濟體，快速的經濟增長與龐大的體量都意味著對石油的巨大需求。盡管需求沖擊帶來的油價上漲可能會造成微觀層面企業生產成本的上升，但這種影響通常會被經濟繁榮帶來的積極效應所抵消。第二，風險沖擊引起的油價上漲也會對兩地區股市產生正面影響，這一發現似乎與直覺相悖，但Kilian和Murphy（2014）[30]認為，石油市場的金融投機行為引發的風險沖擊往往伴隨著投資者對石油價格上漲的預期，這種個人投資者的投機行為與對沖基金的參與會導致油價與股市一齊走高。第三，供給沖擊引起的油價上漲對兩地區股市的影響均不顯著，這與Wang等（2013）[9]和Cunado等（2015）[19]的發現相同。通常來說，供給沖擊引起的油價上漲會給股市造成負面影響：一方面，供給沖擊帶來的油價上漲會增加以石油作為生產要素的公司的成本，造成公司的利潤和利息下降，從而給公司收益帶來不利影響；另一方面，供給沖擊也會導致地區通貨膨脹率增加，貼現率下降，最終引起股票市場的負面反應。然而，這種影響是有限的，因為僅由供給沖擊引起的油價上漲會促使公司迅速尋找替代能源，以逐步適應新的供給情況。只要公司在短時間內能夠彌補需求缺口，就能減輕供給沖擊對公司利潤造成的影響。

從基準回歸結果可以看出，中國股市對油價結構沖擊的反應與亞太股市類似，并未顯示出明顯異質性。但分析結果僅探究了二者間的線性關系，且系數只反映了油價結構沖擊對兩地區股市的平均影響，未能厘清該影響的時變特征，從而難以確定中國股市在亞太地區的角色定位。因此，本文進一步在油價沖擊的動態溢出視角下探究亞太與中國股市的差異。

（三）油價結構沖擊與亞太和中國股市的動態相依性

本節考察油價結構沖擊與兩地區股市間的動態相依性。限于篇幅，GARCH模型擬合的參數估計結果備索?？梢钥闯?，核心參數在1%的置信水平下顯著，參數[α+β<1]且均接近1，所有序列的偏度和自由度均顯著，說明采用GARCH模型擬合是穩定合理的。另外，ARCH檢驗顯示殘差序列已不存在波動聚集效應，K-S檢驗顯示概率積分變換后的序列服從（0，1）上的均勻分布，為Copula相依性建模奠定了基礎。

風險溢出度量的關鍵在于能否準確捕捉二者間的相依性。因此，本文選取四類時變Copula模型進行相依性建模，并從中篩選出擬合效果最佳的模型以刻畫油價沖擊與股市間的相依性，具體包括時變Gaussian Copula模型、時變t Copula模型、時變Clayton Copula模型和時變SJC Copula模型。另外，本文還選取了上述模型對應的靜態Copula模型作為參照。限于篇幅，參數估計結果備索，表4只展示最優Copula模型及AIC值?？梢钥闯?，時變t Copula模型能更準確地刻畫供給沖擊、需求沖擊與兩地區股市間的相依結構；時變SJC Copula模型能更準確地刻畫風險沖擊與亞太股市間的相依結構；時變Clayton模型能更準確地刻畫風險沖擊與中國股市間的相依結構。

圖2展示了基于最優Copula模型的三類油價結構沖擊與兩地區股市間的動態相依性?？梢钥闯觯旱谝?，供給沖擊與兩地區股市間的相依程度均較弱，始終在零軸附近波動。這很好地解釋了基準回歸的結果——供給沖擊變化對兩地區股市的影響不顯著。值得一提的是，中國股市與供給沖擊的相依程度始終弱于亞太股市，表明供給沖擊對中國股市的影響可能更有限。第二，需求沖擊與兩地區股市間的相依程度較強，且二者的相依曲線在三次重大突發公共事件（楊子暉等，2020）[31]發生時均會重合，說明兩地區股市處于大熊市時，對需求沖擊的反應可能高度相似。特別地，“一帶一路”倡議提出前后的相依曲線特征有明顯變化，在此之前，兩地區股市與需求沖擊的相依程度差別較大，但在此之后，二者走勢逐漸趨同。這可能源于中國在2013年9月提出的“一帶一路”倡議促進了與沿線國家的油氣合作，強化了與亞太股市的協同效應。因此，從需求沖擊可以明顯看出，中國股市在亞太地區的主導角色在2014年后逐漸成形。第三，風險沖擊與亞太股市的相依程度較強，但與中國股市的相依程度較弱，這充分說明了風險沖擊聯動亞太股市的主要根源不是中國股市。Cunado等（2015）[19]認為，新加坡股市波動是主導風險沖擊影響亞太地區的重要因素。新加坡作為亞太地區金融中心，國內股市不僅對風險沖擊引起的油價上漲較為敏感，也會對亞太地區其他股市產生強烈的溢出效應，從而推動風險沖擊影響整個亞太股市，但中國股市受影響較小。值得一提的是，風險沖擊與亞太股市的相依曲線均在零軸上方，說明風險沖擊導致的油價上漲總會提高亞太股市的收益。

（四）油價結構沖擊對亞太和中國股市的極端風險溢出

基于動態相依性的分析，本節考察油價結構沖擊對亞太和中國股市的極端風險溢出?，F有研究主要聚焦于下行風險的測度，常常忽略上行風險的傳染關系（楊子暉和戴志穎，2023）[32]。因此，本文選取了4種指標對風險溢出進行度量，包括上行VaR、下行VaR、國際油價結構沖擊條件下的上行CoVaR（以下簡稱上行CoVaR）和國際油價結構沖擊條件下的下行CoVaR（以下簡稱下行CoVaR）。圖3是亞太股票市場的動態VaR與CoVaR變化情況。

從下行風險看，供給沖擊、需求沖擊與風險沖擊條件下亞太股市的CoVaR與VaR均沒有明顯差異，表明三類沖擊均不能對亞太股市的下行風險產生實質影響。

從上行風險看，供給沖擊條件下亞太股市的CoVaR與VaR沒有明顯差異，說明亞太股市上行風險對供給沖擊不敏感。但在需求沖擊與風險沖擊條件下，亞太股市的CoVaR明顯大于VaR，說明這兩類沖擊引起的油價上漲會顯著放大亞太股市的上行風險。特別地，當大熊市開始時，風險沖擊條件下亞太股市的VaR與CoVaR會出現短暫重合，說明突發事件使得風險沖擊對亞太股市的上行風險溢出減弱，即市場在風險沖擊條件下的收益會隨之減少。

類似地，本節還繪制了中國股市的VaR與CoVaR變化情況，如圖4所示。從下行風險看，供給沖擊和風險沖擊條件下中國股市的CoVaR與VaR沒有明顯差異，說明中國股市下行風險對這兩類沖擊不敏感。需求沖擊條件下中國股市的CoVaR在全球金融危機時期明顯小于VaR，說明在此期間，需求沖擊引起的油價上漲會顯著放大中國股市下行風險。

從上行風險看，供給沖擊條件下中國股市的CoVaR與VaR沒有明顯差異，說明中國股市上行風險對供給沖擊不敏感。需求沖擊條件下中國股市的CoVaR明顯大于VaR，說明需求沖擊引起的油價上漲會顯著放大中國股市的上行風險。風險沖擊條件下中國股市的CoVaR明顯小于VaR，說明風險沖擊引起的油價上漲會顯著降低中國股市的上行風險。與亞太股市不同，當大熊市開始時，需求沖擊條件下中國股市的VaR與CoVaR會出現短暫重合，說明突發事件會使得需求沖擊對中國股市的上行風險溢出減弱，市場在需求沖擊條件下的收益也隨之減少。

綜合來看，亞太和中國股市對三類油價結構沖擊的反應有許多相似之處：第一，兩地區股市的上下行風險對供給沖擊均不敏感，下行風險對風險沖擊也無明顯反應。第二，需求沖擊能放大兩地區股市的上行風險。第三，兩地區股市的上行風險總是顯著大于下行風險，呈現出明顯的非對稱特征。此外，亞太和中國股市對三類油價結構沖擊的反應還存在一些不同：第一，與亞太股市相比，中國股市風險值的波動更為劇烈，這說明在亞太地區，中國股市的風險承受能力相對薄弱。第二，需求沖擊對亞太股市的下行風險幾乎無影響，但在全球金融危機時期，卻能明顯放大中國股市的下行風險。這表明，該時期由于經濟基本面惡化，市場對需求沖擊產生明顯的過度反應，進而使中國股市成為亞太地區主要的風險承載對象。第三，大熊市開始時，亞太股市的上行收益會因風險沖擊而減少，但中國股市的上行收益卻會因需求沖擊而減少?？梢钥闯?，市場下行時兩地區股市上行收益減少的成因不同，中國股市對需求沖擊更加敏感。第四，風險沖擊會放大亞太股市的上行風險，但會降低中國股市的上行風險。這充分說明，風險沖擊條件下我國股市的角色定位較為獨立，市場對風險沖擊的反應不同于其他主要股市。

關于差異的原因，我們認為有以下三點：第一，發達國家是系統性金融風險的主要溢出方，發展中國家則是主要的風險接受方（楊科等，2023）[33]。目前，我國常處于風險凈溢入的狀況，國內股市波動極易受到外部風險溢入的影響。另外，投資者在各國股市的分散投資通常能降低亞太整體股市的極端風險。因此，與亞太地區整體股市相比，我國股市風險值波動更為劇烈，常扮演被動接受風險傳染的角色。第二，當前我國股市依舊呈現散戶占比大、交易換手率高、易引發羊群效應等特征（張一鋒等，2020）[34]，因此，在幾次大熊市時期，市場情緒通常非常悲觀，投資者可能會過度解讀由需求沖擊引起的油價上漲，從而減少投資、拋售股票（文鳳華等，2022）[26]，進一步減少我國股市的上行收益，放大市場的下行風險。因此，我國股市在需求沖擊條件下，反應異于整個地區，顯得不夠成熟。第三，國內能源市場建設起步較晚，正處于發展初期，當前我國仍未掌握亞太地區的能源定價權，因此，與亞太股市不同，我國股市只能被動接受石油投機等產生的風險沖擊溢出。

進一步，我們采用K-S方法檢驗油價結構沖擊對亞太和中國股市的風險溢出顯著性。對下行風險，我們提出原假設為[HD0]：[CoVaR0.05=VaR0.05]，則備擇假設為[HD1]：[CoVaR0.05≠VaR0.05]；對上行風險，我們提出原假設為[HU0]：[CoVaR0.95=VaR0.95]，則備擇假設為[HU1]：[CoVaR0.95≠VaR0.95]，檢驗結果如表5所示，再次支持了上述發現與分析。

另外，本文還引入了ΔCoVaR方法，以度量從正常狀態過渡到極端狀態時三類油價結構沖擊對兩地區股市風險溢出的變化幅度。限于篇幅，完整結果備索，這里僅展示兩地區上、下行ΔCoVaR的平均值，如圖5所示。整體來看，不論是亞太股市還是中國股市，上行ΔCoVaR均大于下行ΔCoVaR，表明在三類油價結構沖擊下，兩地區股市的極端上行風險溢出的波動更為劇烈。對比兩地區股市：從下行風險看，需求沖擊下中國股市的極端風險溢出波動幅度更大，達到20.6%，而供給沖擊和風險沖擊下亞太股市的極端風險溢出波動幅度更大，分別達到17.2%和14.3%，從上行風險看，三類油價結構沖擊下亞太股市的極端風險溢出波動幅度均更大，分別達到47.7%、50.8%和41.1%。數值更大則說明極端情況與正常情況更具差異，換句話說，在重大突發公共事件發生時，風險溢出強度會陡然增加，出現與平時不同的風險傳染狀態，實證結果符合前文分析。

四、結論與啟示

石油是現代工業社會最重要的原料，是關系國民經濟和社會發展全局的重要戰略資源，兼有商品、金融和政治的三重屬性（宋加山等，2023）[35]。因此，油價變化給各國經濟基本面與金融市場帶來的沖擊影響更明顯、成因更復雜。以往研究通常將油價沖擊歸因于供需關系的變化，可能忽視金融市場投機、地緣政治沖突、公共衛生事件等風險沖擊。另外，已有文獻的研究對象主要聚焦于歐美發達國家或中東地區，對當前高速發展的亞太地區關注較少，更是忽略了中國在亞太地區日益提升的影響力。鑒于此，本文對油價變化進行結構分解，探索油價結構沖擊對亞太和中國股市的風險溢出效應，以期研判該視角下中國股市在亞太地區的角色定位。

基于1999年4月1日—2022年12月31日的日度數據，本文先將油價變化分解為三類成因的結構沖擊：供給沖擊、需求沖擊和風險沖擊?；鶞驶貧w發現：供給沖擊對亞太和中國股市幾乎無影響，而需求沖擊與風險沖擊對兩個地區股市均有顯著的正向影響。鑒于基準回歸結果僅探究二者間的線性關系，且系數未能厘清油價沖擊影響的時變特征，本文選擇動態Copula模型對三類油價結構沖擊與兩地區股市間的相依關系進行刻畫，我們發現：供給沖擊與兩地區股市的相依性均較弱；風險沖擊與亞太股市相依性較強，與中國股市相依性較弱；而需求沖擊與兩地區股市間的相依程度均較強，且兩地區股市處于大熊市時，對需求沖擊的反應高度相似。

進一步，本文采用CoVaR方法考察油價結構沖擊下亞太地區和中國股市的風險溢出?？偟膩碚f，兩地區股市的上行風險總是顯著大于下行風險，呈現出明顯的非對稱特征，但中國股市風險值的波動更為劇烈。從不同油價的沖擊類型看：第一，需求沖擊盡管能放大兩地區股市的上行風險，但對亞太股市的下行風險幾乎無影響，反而在全球金融危機爆發時，明顯放大中國股市的下行風險。第二，風險沖擊會放大亞太股市的上行風險，但會降低中國股市的上行風險。第三，大熊市開始時，亞太股市的上行收益會因風險沖擊減少，但中國股市的上行收益卻會因需求沖擊減少。最后，本文采用ΔCoVaR方法度量極端情況發生時三類油價結構沖擊對兩地區股市風險溢出的變化幅度，結果再次佐證了以上分析。

根據上述實證結果，我們發現：盡管我國經濟在亞太地區的推動和引領作用已十分明顯，但由于我國仍是“發展中國家大家庭的一員”，且股市仍存在理念不成熟、信息不透明、監管不到位等問題（歐陽資生等，2023）[36]，我國股市在亞太地區仍扮演被動著接受風險傳染的角色。從需求沖擊看，“一帶一路”倡議的提出促進了我國與沿線國家的油氣合作，加強了我國股市與亞太股市的協同效應，但也使我國股市成為亞太地區主要的風險承載對象，股市收益易受到需求變化引起的油價上漲的影響。從風險沖擊看，我國股市在亞太地區的角色定位較為獨立。盡管不是聯動亞太股市波動的主要源頭，但由于國內能源市場還不夠完善，我國股市沒能獲得油價風險沖擊帶來的部分紅利。進一步結合上下行風險、重大突發公共事件爆發等因素分析，我們發現上述結論依舊成立。因此，在加強與其他亞太國家經濟聯系的同時，健全資本市場、提振投資信心以及前瞻性預警亞太地區的油價波動風險，對夯實我國經濟治理話語權、拓展我國經濟發展空間很有必要。

基于以上研究結論，本文提出以下啟示：

第一，鑒于需求沖擊對我國股市的影響，監管部門應當更好識別由需求沖擊引起的油價變化，提前布局金融風險溢入的監管辦法。另外，鑒于需求沖擊在大熊市期間的下行風險傳染特征，監管部門應當加強對該類沖擊下行風險溢出路徑的監管，防止金融市場風險因需求沖擊進一步放大擴散。

第二，鑒于大熊市期間我國股市的過度震蕩，監管部門應當及時提振市場預期，在市場低迷時，盡早發布信息、回應市場關切，避免投資者情緒過度反應從而誘發更大波動。另外，監管部門應當為公募基金、私募基金等機構投資提供更好的制度環境，同時加強對個人投資者的相關知識培訓，著力完善我國股市的持倉和交易結構。

第三，鑒于風險沖擊對亞太和中國股市的效應不同，監管部門需繼續加快建設上海原油期貨交易所等能源市場，盡早掌握亞太地區能源定價權，完善價格發現機制，降低市場不確定性，促進我國股市早日與國際能源市場風險脫鉤，為我國實體經濟高質量發展提供扎實的金融支持。

參考文獻：

[1]Hamilton J D. 1983. Oil and the Macroeconomy Since World War II [J].Journal of Political Economy，91（2）.

[2]Papapetrou E. 2001. Oil Price Shocks，Stock Market，Economic Activity and Employment in Greece [J].Energy Economics，23（5）.

[3]Chen J，Zhang J. 2023. Crude Oil Price Shocks，Volatility Spillovers，and Global Systemic Financial Risk Transmission Mechanisms：Evidence from the Stock and Foreign Exchange Markets [J].Resources Policy，85.

[4]Jones C M，Kaul G. 1996. Oil and the Stock Markets[J].The Journal of Finance，51（2）.

[5]Nandha M，Faff R. 2008. Does Oil Move Equity Prices？ A Global View [J].Energy Economics，30（3）.

[6]Miller J I，Ratti R A. 2009. Crude Oil and Stock Markets：Stability，Instability，and Bubbles [J].Energy Economics，31（4）.

[7]Li S F，Zhu H M，Yu K. 2012. Oil Prices and Stock Market in China：A Sector Analysis Using Panel Cointegration with Multiple Breaks [J].Energy Economics，34（6）.

[8]Kilian L. 2009. Not All Oil Price Shocks are Alike： Disentangling Demand and Supply Shocks in the Crude Oil Market [J].American Economic Review，99（3）.

[9]Wang Y，Wu C，Yang L. 2013. Oil Price Shocks and Stock Market Activities：Evidence from Oil-Importing and Oil-Exporting Countries [J].Journal of Comparative Economics，41（4）.

[10]Cunado J，de Gracia F P. 2014. Oil Price Shocks and Stock Market Returns：Evidence for Some European Countries [J].Energy Economics，42.

[11]Broadstock D C，Filis G. 2014. Oil Price Shocks and Stock Market Returns：New Evidence from the United States and China [J].Journal of International Financial Markets， Institutions and Money，33.

[12]Ji Qiang，Liu BingYue，Zhao WanLi，Fan Ying. 2020. Modelling Dynamic Dependence and Risk Spillover Between all Oil Price Shocks and Stock Market Returns in the BRICS [J].International Review of Financial Analysis，68.

[13]楊子暉，周穎剛.全球系統性金融風險溢出與外部沖擊 [J].中國社會科學，2018，（12）.

[14]Ji Qiang，Liu BingYue，Nehler Henrik，Uddin Salah. 2018. Uncertainties and Extreme Risk Spillover in the Energy Markets： A Time-Varying Copula-based CoVaR Approach [J].Energy Economics，76.

[15]Jiang K，Ye W. 2022. Does the Asymmetric Dependence Volatility Affect Risk Spillovers Between the Crude Oil Market and BRICS Stock Markets？ [J].Economic Modelling，117.

[16]徐君，郭寶才.基于RT-GAS Copula模型的經濟金融行業非對稱相依性及風險溢出研究 [J].統計研究，2023，40（05）.

[17]Tian M，Alshater M M，Yoon S M. 2022. Dynamic Risk Spillovers from Oil to Stock Markets：Fresh Evidence from GARCH Copula Quantile Regression-Based CoVaR Model [J].Energy Economics，115.

[18]Zhu HM， Li R， Li S. 2014. Modelling Dynamic Dependence Between Crude Oil Prices and Asia-Pacific Stock Market Returns [J].International Review of Economics & Finance，29.

[19]Cunado J，Jo S，de Gracia F P. 2015. Macroeconomic Impacts of Oil Price Shocks in Asian Economies [J]. Energy Policy，86.

[20]Razmi F，Azali M，Chin L，Habibullah S. 2016. The Role of Monetary Transmission Channels in Transmitting Oil Price Shocks to Prices in ASEAN-4 Countries During Pre-and Post-Global Financial Crisis [J].Energy，101.

[21]Zhang X，Baek J. 2022. The Role of Oil Price Shocks on Exchange Rates for the Selected Asian Countries： Asymmetric Evidence from Nonlinear ARDL and Generalized IRFs Approaches [J].Energy Economics，112.

[22]MeiSe Chien，ChienChiang Lee，TeChung Huc，HuiTing Hu. 2015. Dynamic Asian Stock Market Convergence：Evidence from Dynamic Cointegration Analysis Among China and ASEAN-5[J].Economic Modelling，51.

[23]唐振鵬，周熙雯，黃友珀，陳尾虹.基于小波方法的中國股市與亞太股市聯動性實證研究 [J].中國管理科學，2015，23（S1）.

[24]Umar Z，Trabelsi N，Zaremba A. 2021. Oil Shocks and Equity Markets：The Case of GCC and BRICS Economies [J].Energy Economics，96.

[25]Ready RC. 2018. Oil Prices and the Stock Market[J].Review of Finance，22（1）.

[26]文鳳華，張敏芝，肖繼宏，尹華.基于新分解方法的油價結構沖擊對中國股市收益影響研究 [J].系統工程理論與實踐，2022，42（8）.

[27]Patton A J. 2006. Modelling Asymmetric Exchange Rate Dependence [J].International Economic Review，47（2）.

[28]Tobias A，Brunnermeier M K. 2016. CoVaR [J]. American Economic Review，106（7）.

[29]Scholtens B，Yurtsever C. 2012. Oil Price Shocks and European Industries [J].Energy Economics，34（4）.

[30]Kilian L，Murphy D P. 2014. The Role of Inventories and Speculative Trading in the Global Market for Crude Oil [J].Journal of Applied Econometrics，29（3）.

[31]楊子暉，陳雨恬，張平淼.重大突發公共事件下的宏觀經濟沖擊、金融風險傳導與治理應對 [J].管理世界，2020，36（5）.

[32]楊子暉，戴志穎.中國上下行風險的非對稱溢出沖擊研究——基于高頻數據合成網絡的分析 [J].中國工業經濟，2023，（03）.

[33]楊科，郭亞飛，田鳳平.經濟政策不確定性沖擊下全球系統性金融風險的跨市場傳染——基于TVP-FAVAR和TVP-VAR模型的研究 [J].統計研究，2023，40（7）.

[34]張一鋒，雷立坤，魏宇.羊群效應的新測度指數及其對我國股市波動的預測作用研究 [J].系統工程理論與實踐，2020，40（11）.

[35]宋加山，魏思峣，蔣坤良.哪些行業承載來自上海原油期貨市場更多的風險溢出 [J].貴州財經大學學報，2023，（06）.

[36]歐陽資生，陳世麗，楊希特，劉鳳根，周學偉.經濟政策不確定性、網絡輿情與金融機構系統性風險 [J].管理科學學報，2023，26（04）.