結(jié)構(gòu)突變下股票市場風(fēng)險傳染預(yù)測研究

(成都理工大學(xué) 管理科學(xué)學(xué)院,四川 成都 610059)

1 引言

強化金融市場風(fēng)險管理，不僅是廣大投資主體應(yīng)該時刻關(guān)注的重要問題，更是國家維護(hù)市場穩(wěn)定、促進(jìn)經(jīng)濟(jì)健康發(fā)展的重要手段[1]。隨著市場經(jīng)濟(jì)的迅猛發(fā)展與全球經(jīng)濟(jì)的空前一體化，國際間經(jīng)濟(jì)相互聯(lián)系日益緊密，金融市場的風(fēng)險危機(jī)可能在不同金融市場間相互傳染，甚至誘發(fā)全球性的金融危機(jī)[2]。因此，準(zhǔn)確預(yù)測出金融市場間的風(fēng)險傳染關(guān)系，對于維護(hù)國家經(jīng)濟(jì)安全，促進(jìn)經(jīng)濟(jì)繁榮，保持社會和諧穩(wěn)定，都具有極其重要的理論價值和實踐意義。

從理論上來講，金融收益序列的波動變化應(yīng)該是一個穩(wěn)定過程，然而由于受到國際或國內(nèi)重大經(jīng)濟(jì)、政治事件的沖擊，使得金融市場發(fā)生顯著的波動結(jié)構(gòu)突變，引發(fā)金融市場發(fā)生相似波動結(jié)構(gòu)變化[3]。因此，金融市場波動結(jié)構(gòu)突變是金融市場發(fā)生風(fēng)險傳染的前提條件。

大量研究表明，波動結(jié)構(gòu)突變預(yù)測關(guān)鍵是對波動狀態(tài)進(jìn)行準(zhǔn)確預(yù)測[4]。目前常用方法是馬爾科夫機(jī)制轉(zhuǎn)換(Markov Regime Switching, MRS)模型，是基于收益率均值來進(jìn)行主觀刻畫，可能誤判其波動狀態(tài)，導(dǎo)致結(jié)構(gòu)突變預(yù)測的失敗[5]。針對MRS模型的不足，本文引入隱馬爾科夫模型(Hidden Markov Models, HMM)來進(jìn)行波動狀態(tài)預(yù)測。HMM是由一個雙內(nèi)嵌式的隨機(jī)過程來對其波動狀態(tài)進(jìn)行擬合，能夠消除主觀因素對波動狀態(tài)的誤判，使得預(yù)測波動狀態(tài)更加準(zhǔn)確，確保風(fēng)險傳染預(yù)測的可靠性[6]。

此外，金融市場波動結(jié)構(gòu)突變預(yù)測不僅受到自身金融市場的影響，也受到市場相依性的制約。傳統(tǒng)相依關(guān)系研究主要使用線性方法，但由于金融市場之間更多體現(xiàn)為非線性關(guān)系，使得傳統(tǒng)方法存在明顯的缺陷[7～9]。近年來，大量學(xué)者引入Copula方法來刻畫金融市場間的相依關(guān)系，Copula能夠有效地克服傳統(tǒng)方法所存在的缺陷，并為這一領(lǐng)域提供了新的研究思路。主要模型為二元Copula與多元Copula模型，能夠較好地刻畫相依關(guān)系，但存在“維數(shù)詛咒”與結(jié)構(gòu)單一的缺陷，使得常規(guī)Copula模型也面臨著“先天不足”[10～13]。有鑒于此，BedFord和Cooks[13]提出了R-Vine Copula(Regular-Vine Copula)模型來刻畫金融市場間復(fù)雜的相依關(guān)系。R-Vine Copula模型不僅能夠有效描述多維市場間的相依關(guān)系，更為重要的是允許金融市場間存在不同的相依結(jié)構(gòu)[14]。

迄今為止，許多學(xué)者對金融市場風(fēng)險傳染進(jìn)行研究。郭文偉[15]通過使用R-Vine Copula模型刻畫了國內(nèi)外股票市場間的相依關(guān)系，論證了香港股市、新加坡股市、德國股市和美國股市在國際股市中起到了樞紐中心的作用，是危機(jī)傳染向外擴(kuò)散的關(guān)鍵節(jié)點。馬鋒等[16]基于Vine Copula方法對股票市場進(jìn)行動態(tài)組合VaR預(yù)測研究，實證表明Vine Copula模型能夠刻畫真實市場間的相依結(jié)構(gòu)。黃文彬等[17]基于次貸與歐債危機(jī)對歐美股票市場與中國股票市場間的風(fēng)險傳染效應(yīng)開展研究。Acar等[18]基于動態(tài)Vine Copula模型研究匯率市場相依性，結(jié)果表明相關(guān)性的時間變化通常與金融危機(jī)或其他經(jīng)濟(jì)事件的時間一致。Brechman和Czado[19]對歐洲Euro Stoxx50及其成分股、美國道瓊斯指數(shù)間的相依關(guān)系進(jìn)行研究，表明美國股市對歐洲股市具有更強的相依影響。雖然已有研究都取得了顯著成效，但他們均沒有將結(jié)構(gòu)突變納入風(fēng)險傳染研究。本文創(chuàng)新性主要體現(xiàn)在：不僅首次以結(jié)構(gòu)突變作為風(fēng)險傳染預(yù)測研究視角，更為重要的是，基于R-Vine Copula模型對金融市場相依關(guān)系刻畫下，引入了HMM方法對金融市場結(jié)構(gòu)突變進(jìn)行預(yù)測研究，進(jìn)一步分析了風(fēng)險傳染產(chǎn)生的原因及其傳染路徑。

2 模型構(gòu)建

2.1 金融市場結(jié)構(gòu)突變預(yù)測模型構(gòu)建

大量研究表明，金融收益波動的結(jié)構(gòu)突變廣泛存在于金融市場中，而準(zhǔn)確識別出金融市場的結(jié)構(gòu)突變點，判斷出金融市場具備發(fā)生風(fēng)險危機(jī)的可能性，是預(yù)測金融市場風(fēng)險傳染的必要前提[5,12]。因此，開展金融風(fēng)險傳染預(yù)測研究，必須先對金融市場的波動結(jié)構(gòu)突變進(jìn)行有效識別。

由于金融市場的結(jié)構(gòu)突變就存在于其波動轉(zhuǎn)換之間，而要對金融市場進(jìn)行準(zhǔn)確的風(fēng)險傳染預(yù)測研究，就必須先構(gòu)建模型描述金融市場波動結(jié)構(gòu)，進(jìn)而探究金融市場是否存在結(jié)構(gòu)突變[20,21]。因此，本文引入HMM模型來對金融市場波動狀態(tài)進(jìn)行刻畫，預(yù)測出其結(jié)構(gòu)突變點，為準(zhǔn)確預(yù)測出不同金融市場風(fēng)險傳染提供理論依據(jù)。

首先，將金融資產(chǎn)m的收益率序列定義為一個觀測序列為Om={Om,1,Om,2,…,Om,t}。又由HMM模型可知, 要對金融資產(chǎn)m的波動狀態(tài)進(jìn)行刻畫, 就需要對HMM模型參數(shù)λm={Am,Bm,πm}進(jìn)行建模分析,其中Am表示金融資產(chǎn)m的波動狀態(tài)間的轉(zhuǎn)移概率,且Am=(am,ij),滿足如下條件：

am,ij=pm{st=j|st-1=i}

(1)

(2)

Bm表示當(dāng)金融資產(chǎn)m的收益率處于狀態(tài)i時,其收益率對應(yīng)的觀察值概率分布,且Bm={bm,i(k)},其中bm,i(k)=pm{rt=vk|st=i},且觀察值vk∈(-∞,+∞);πm表示金融資產(chǎn)m的收益率序列的初始狀態(tài)概率分布值,有πm={πm,i|πm,i=pm{st=i},i=1,2};隱狀態(tài)集合為Sm={sm,1,sm,2}，隱狀態(tài)序列為Q={q1,q2,…,qt}。

最后, 根據(jù)各金融資產(chǎn)下的HMM參數(shù)λm,ML采用Viterbi算法估計最佳隱狀態(tài)序列Qm={qm,1，qm,2,…,qm,t}。

因此，通過構(gòu)建HMM模型得到了金融資產(chǎn)m的波動狀態(tài)，從而可得到HMM測度模型下的各金融市場的結(jié)構(gòu)突變，進(jìn)而為結(jié)構(gòu)突變下金融市場風(fēng)險傳染預(yù)測研究奠定堅實的理論基礎(chǔ)。

2.2 金融市場間相依關(guān)系測度模型構(gòu)建

要準(zhǔn)確地預(yù)測出金融市場間的風(fēng)險傳染關(guān)系，就需要先對金融市場間的相依關(guān)系進(jìn)行研究。然而，無論是二元Copula模型，還是多元Copula模型在風(fēng)險傳染研究中可能存在市場“維數(shù)詛咒”或相依結(jié)構(gòu)單一的缺陷。在此背景下，BedFord和Cooks[13]基于圖論的思想構(gòu)建了R-Vine Copula來刻畫金融市場風(fēng)險傳染關(guān)系。R-Vine Copula模型不僅能夠克服一般Copula的“維數(shù)詛咒”，也能解決多元Copula、C-Vine Copula以及D-Vine Copula模型在風(fēng)險傳染研究中對于相依結(jié)構(gòu)的限制。因此，本文基于HMM模型對結(jié)構(gòu)突變研究的基礎(chǔ)上，引入了R-Vine Copula模型對金融市場風(fēng)險傳染進(jìn)行研究。

根據(jù)Sklar定理，假設(shè)存在n維變量X=(x1,x2,…,xn)，其聯(lián)合密度函數(shù)為

(3)

其中C1,2,…,n(·)表示n維Copula密度函數(shù)，F(xiàn)n(·)表示邊緣密度函數(shù)。

2.3 基于R-Vine Copula的蒙特卡洛波動狀態(tài)預(yù)測模型構(gòu)建

由于本文的風(fēng)險傳染預(yù)測研究是基于波動狀態(tài)預(yù)測的研究，而波動狀態(tài)不僅受到自身收益率的影響，也受到金融市場間相依關(guān)系的影響[22]。

借鑒HMM預(yù)測模型以及R-Vine Copula模型建模思想，構(gòu)建基于R-Vine Copula下的HMM波動狀態(tài)預(yù)測模型，進(jìn)而開展風(fēng)險傳染預(yù)測研究。利用各股票指數(shù)收益序列前t期的數(shù)據(jù)，估計出R-Vine Copula模型參數(shù)，得到各股票指數(shù)收益序列的相依關(guān)系函數(shù)C(x1,x2,…,xn)，并分解出各股票指數(shù)收益序列分布函數(shù)Fm(X)。具體運行過程如下：

(3)應(yīng)用EM算法對收益序列m的觀測序列Om進(jìn)行估計，從而得到一次HMM模型參數(shù)λm,ML。

(4)根據(jù)HMM模型λm,ML采用Viterbi算法估計一次的最佳隱狀態(tài)qm,t+1。

(5)使用蒙特卡洛模擬法重復(fù)上述過程(1)～(4)，得到t+1時刻的參數(shù)λm,ML與最佳隱狀態(tài)qm,t+1。

(6)以此類推，按照(1)～(5)的模型參數(shù)估計過程，從而獲得股票指數(shù)收益序列的最佳波動狀態(tài)序列Qm={qm,t+1,qm,t+2,…,qm,t+n}。

通過上述研究方法，結(jié)合R-Vine Copula模型下金融收益序列的相依關(guān)系，使用蒙特卡洛模擬法得到結(jié)構(gòu)突變下金融收益序列的最佳預(yù)測波動狀態(tài)，并基于預(yù)測波動狀態(tài)來對金融市場進(jìn)行風(fēng)險傳染預(yù)測研究。

3 金融市場風(fēng)險傳染可靠性檢驗方法構(gòu)建

由于本文的金融風(fēng)險傳染預(yù)測研究是基于波動結(jié)構(gòu)突變預(yù)測展開研究的，而對其結(jié)構(gòu)突變預(yù)測的關(guān)鍵在于對其預(yù)測波動狀態(tài)的準(zhǔn)確性檢驗[23]。又由于HMM模型得到的金融波動狀態(tài)值是離散值，因此采用Pesaran和Timmermann[24]提出的成功率(Success Rate,SR)來檢驗預(yù)測波動狀態(tài)，并構(gòu)建函數(shù)It

(4)

從而, 可得到SR檢驗表達(dá)式為

(5)

其中n表示預(yù)測樣本個數(shù)，qt表示t時刻股票指數(shù)收益序列的波動狀態(tài)測度值，Qt表示t時刻股票指數(shù)收益序列的波動狀態(tài)預(yù)測值。當(dāng)SR值達(dá)到75%時，HMM模型對波動狀態(tài)預(yù)測具有較高的準(zhǔn)確性，且SR值越大，則表示波動狀態(tài)預(yù)測準(zhǔn)確性越高，反之，則表示波動狀態(tài)預(yù)測準(zhǔn)確性越低。

4 實證分析

4.1 樣本數(shù)據(jù)說明與描述性統(tǒng)計

本文以納斯達(dá)克指數(shù)(IXIC)、富時100指數(shù)(FTSE100)、日經(jīng)225指數(shù)(N225)、韓國綜合指數(shù)(KS11)、香港恒生指數(shù)(HSI)、上證綜合指數(shù)(SHI)以及深證成指(SZI)共計7個重要股票指數(shù)為研究對象，樣本數(shù)據(jù)區(qū)間為2010年1月4日至2018年6月29日的日收盤價(數(shù)據(jù)來源：Wind數(shù)據(jù)庫)。由于每個股票市場的交易時間并不完全一致，本文剔除交易時間不一致的數(shù)據(jù)，分別得到了2063個樣本數(shù)據(jù)。其中將2018年1月2日至2018年6月29日共計120個數(shù)據(jù)作為預(yù)測數(shù)據(jù)。

從數(shù)據(jù)結(jié)果可知，7只股票指數(shù)收益率序列中除了上證綜指與深證成指，其余股票指數(shù)收益率均值為正，而上證綜指與深證成指呈現(xiàn)出了較大的標(biāo)準(zhǔn)差，表明上證綜指與深證成指可能存在更加劇烈波動幅度；所有股票指數(shù)均出現(xiàn)了較為明顯的左偏分布和尖峰特征。而從J-B檢驗結(jié)果來看，所有股票指數(shù)均顯著拒絕了原假設(shè)，表明所有股票指數(shù)均不服從正態(tài)分布。LM(5)的檢驗結(jié)果表明，所有股票指數(shù)的收益率序列都存在明顯的ARCH效應(yīng)，即均存在波動聚集效應(yīng)。從總體上來看，所有股票市場都表現(xiàn)出了顯著的尖峰、左厚尾以及波動聚集效應(yīng)等特征，尤其上證綜指與深證成指呈現(xiàn)出了更強的波動性，因而更可能與其他金融市場發(fā)生風(fēng)險傳染，也說明了對中國股票市場風(fēng)險傳染預(yù)測研究的必要性。

4.2 基于波動狀態(tài)的各股票指數(shù)結(jié)構(gòu)突變點測度研究

由于準(zhǔn)確識別出金融市場的結(jié)構(gòu)突變點，是研究金融市場風(fēng)險傳染的前提。因此，本文引入HMM對不同股票市場的波動狀態(tài)進(jìn)行刻畫，并基于結(jié)構(gòu)突變點的視角來探討不同股票市場間可能存在的相依關(guān)系，以保證對股票市場風(fēng)險傳染預(yù)測研究的準(zhǔn)確性。

通過研究可知，全部股票指數(shù)的波動狀態(tài)都存在較為明顯的結(jié)構(gòu)突變，且各股票指數(shù)收益序列的結(jié)構(gòu)突變點從時間上來看存在一定的聯(lián)系，因此這些股票市場可能風(fēng)險傳染關(guān)系。由于IXIC和FTSE100指數(shù)的波動狀態(tài)中所呈現(xiàn)出了相似的變化趨勢，表明美國和英國的股票市場存在明顯的相依關(guān)系；而N225、KS11以及HSI指數(shù)的波動狀態(tài)的變化趨勢具有一定的相似性，表明日本、韓國、以及香港地區(qū)的股票市場可能呈現(xiàn)出了較高的相依關(guān)系。然而，對于中國國內(nèi)的股票市場而言，上證綜指和深證成指的波動狀態(tài)變化趨勢在前期與歐美股市的波動變化趨勢更加相似，但在后期卻與日韓等亞太股市的波動狀態(tài)的變化趨勢相近，從而表明中國國內(nèi)股市在前期發(fā)生的風(fēng)險危機(jī)可能是歐美等國金融市場傳染的，而由于近年與日韓等國金融交往的日益頻繁，其市場相依關(guān)系更加緊密，導(dǎo)致近年來中國與日韓等國更加可能發(fā)生風(fēng)險傳染。因此，通過HMM模型對各金融市場股票指數(shù)的波動狀態(tài)的刻畫，得到了各個股票指數(shù)的結(jié)構(gòu)突變點，初步判斷出各金融市場的結(jié)構(gòu)突變是如何在金融市場中進(jìn)行風(fēng)險傳染的，為結(jié)構(gòu)突變下的風(fēng)險傳染奠定了理論基礎(chǔ)。

4.3 基于R-Vine-Copula的股票市場風(fēng)險傳染預(yù)測研究

4.3.1 波動模型參數(shù)估計結(jié)果

雖然各股票指數(shù)收益序列可能存在風(fēng)險傳染，但卻未明晰各股票市場風(fēng)險傳染關(guān)系。然而，要采用R-Vine Copula模型來探究各金融市場風(fēng)險傳染關(guān)系，需要先對其波動率進(jìn)行描述。因此，基于HMM模型構(gòu)建EGARCH(1,1)-SKT模型來對股票指數(shù)收益殘差序列進(jìn)行刻畫，為R-Vine Copula模型下的市場間相依關(guān)系研究奠定基礎(chǔ)。

表1 HMM-EGARCH(1,1)-SKT模型的參數(shù)估計

注:*p<0.1,**p<0.05。

由表1可知，不同波動狀態(tài)下的7只股票指數(shù)收益率均值μ均不為0，且具有顯著的差異，表明這7只股票指數(shù)呈現(xiàn)出了明顯的高低波動狀態(tài)，同時既證明了這7只股票指數(shù)存在結(jié)構(gòu)突變點，也間接論證基于結(jié)構(gòu)突變對股票市場風(fēng)險傳染研究的必要性。

進(jìn)一步對表1分析可知，在不同波動狀態(tài)下參數(shù)γ均顯著，表明這7只股票指數(shù)的波動率呈現(xiàn)出了較強的波動持續(xù)性，從而說明這些股票指數(shù)不僅受到自身市場的信息影響，也可能受到了其他金融市場的沖擊，可能導(dǎo)致其波動率的持續(xù)性增強。此外，所有股票指數(shù)的K-S值均大于0.05，從而表明各股票指數(shù)收益序列均接受原假設(shè)，即變換后收益序列均服從(0,1)均勻分布，同時也表明HMM-EGARCH(1,1)模型能夠較好地擬合這7只股票指數(shù)的殘差序列，確保了結(jié)構(gòu)突變下的風(fēng)險傳染預(yù)測研究的有效性。

4.3.2 R-Vine Copula函數(shù)選取與估計

由于在HMM模型下7只股票指數(shù)收益序列均存在波動結(jié)構(gòu)突變，證明了股票市場間存在發(fā)生風(fēng)險傳染的可能性，需要進(jìn)一步分析股票指數(shù)間的相依關(guān)系。由于不同Vine結(jié)構(gòu)對應(yīng)著不同Copula函數(shù)，因此需要選取適當(dāng)?shù)腃opula函數(shù)形式，以確保在高維金融市場風(fēng)險傳染預(yù)測研究的準(zhǔn)確性。

表2 R-Vine Copula樹結(jié)構(gòu)的分解及相關(guān)系數(shù)

注：數(shù)字1～7分別代表IXIC、FTSE100、N225、KS11、HSI、SHI以及SZI。

從表2可以看出，在第一層樹結(jié)構(gòu)中的各股票指數(shù)收益序列相依關(guān)系主要是通過Student Copula函數(shù)來刻畫的，且其相依系數(shù)均大于0.32，從而表明各股票指數(shù)收益序列間均呈現(xiàn)出了較強的的正相依關(guān)系。

然而，在第二層樹結(jié)構(gòu)中4,1|3，即KS11與IXIC在N225下的相依系數(shù)為-0.1650，表明在日本股市條件下韓國股市與美國股市間呈現(xiàn)出了一定的負(fù)向相依關(guān)系，且美國股市與韓國股市間的相依關(guān)系明顯弱于其他股市的相依關(guān)系。而在第四層與第五層樹結(jié)構(gòu)中可以看出，日本股市、韓國股市與中國大陸股市的相依關(guān)系均為正向相依關(guān)系，且均大于0.5，表明日本與韓國股市對中國大陸股市相依關(guān)系強于除香港股市外的其他股市，也驗證了HMM模型下波動狀態(tài)測度結(jié)果，中國股市在近年來受到日韓股市影響更加明顯，導(dǎo)致中國大陸股市與日韓股市間的相依關(guān)系明顯增強。

由于Vine Copula模型分解規(guī)則的不同，使得Vine函數(shù)呈現(xiàn)出不同的樹結(jié)構(gòu)，進(jìn)而影響金融資產(chǎn)間相依關(guān)系測度的準(zhǔn)確性。為了更加直接地展示R-Vine Copula模型在股票指數(shù)收益序列相依關(guān)系刻畫的合理性與優(yōu)越性，還將使用似然值LL、AIC和BIC值以及Vuong[25]提出的基于似然比率方法來檢驗不同Vine Copula模型對股票指數(shù)間相依結(jié)構(gòu)擬合可靠性。

表3 Vine Copula模型的Vuong檢驗

通過表3可知，R-Vine Copula模型具有最大的似然值，表明其擬合效果更顯著，但與其他兩個Vine Copula模型間似然值的差距并不大，其原因可能是由于本文所選擇的市場維數(shù)有限，導(dǎo)致其Vine結(jié)構(gòu)的差異性不顯著。而所有v統(tǒng)計量值均大于設(shè)定的臨界值，但R-Vine結(jié)構(gòu)下的p值更小，表明R-Vine Copula模型能夠?qū)Y(jié)構(gòu)突變下金融市場進(jìn)行更有效的風(fēng)險傳染預(yù)測。

4.3.3 股票市場風(fēng)險傳染預(yù)測研究

由于R-Vine Copula模型能夠有效地刻畫出股票指數(shù)收益序列的相依關(guān)系，可基于股票指數(shù)的相依關(guān)系，再使用HMM模型對股票指數(shù)收益序列進(jìn)行波動狀態(tài)預(yù)測，并以此來進(jìn)行風(fēng)險傳染預(yù)測研究。

由圖1～3可知，預(yù)測波動狀態(tài)、測度波動狀態(tài)與其對應(yīng)收盤價波動趨勢呈現(xiàn)出相似性，表明基于R-Vine Copula的HMM模型能夠?qū)善敝笖?shù)進(jìn)行較為準(zhǔn)確的波動狀態(tài)預(yù)測，也證明了波動狀態(tài)預(yù)測對金融市場風(fēng)險傳染預(yù)測研究的有效性與可靠性。

此外，對比預(yù)測波動狀態(tài)與其對應(yīng)的收盤價可知，在2018/01～2018/02期間各股票指數(shù)收益序列均存在預(yù)測波動結(jié)構(gòu)突變點，與實際股票指數(shù)收盤價波動變化相一致，可能是由美國征收進(jìn)口關(guān)稅所引發(fā)的股市波動，導(dǎo)致股票市場結(jié)構(gòu)突變，證明了基于R-Vine Copula下股票市場波動狀態(tài)預(yù)測的準(zhǔn)確性，也表明基于預(yù)測波動狀態(tài)對風(fēng)險傳染研究具有較高可靠性。在2018/05～2018/06期間，IXIC、N225與SHI的預(yù)測波動狀態(tài)均出現(xiàn)了結(jié)構(gòu)突變，可能是由于美國在此期間針對中國所展開的貿(mào)易政策，使得中美股市均出現(xiàn)了明顯的波動，結(jié)合表3的中美股票指數(shù)相依系數(shù)結(jié)果，也證實了中美兩國股市間存在顯著的風(fēng)險傳染關(guān)系。

由預(yù)測波動狀態(tài)與測度波動狀態(tài)可知，基于R-Vine Copula的HMM模型下的預(yù)測結(jié)構(gòu)突變點比測度結(jié)構(gòu)突變點均有所提前。可能是由于股票指數(shù)受到其他金融市場風(fēng)險傳染的影響，導(dǎo)致其預(yù)測波動狀態(tài)的結(jié)構(gòu)突變現(xiàn)象呈現(xiàn)出了一定的前置效應(yīng)，因而投資機(jī)構(gòu)和監(jiān)管部門能夠依據(jù)這一特征提前設(shè)置相應(yīng)的預(yù)警方案，以避免損失，進(jìn)而也表明基于R-Vine Copula下的HMM模型能夠更加有效地預(yù)測風(fēng)險傳染。

為更加直觀地展示波動狀態(tài)預(yù)測對結(jié)構(gòu)突變下股票市場風(fēng)險傳染預(yù)測研究的準(zhǔn)確性，還使用SR對基于R-Vine Copula下HMM模型所獲得的預(yù)測波動狀態(tài)進(jìn)行檢驗。

表4 股票指數(shù)預(yù)測波動狀態(tài)SR檢驗結(jié)果

從表4可以發(fā)現(xiàn)，基于R-Vine Copula的HMM模型下股票指數(shù)的預(yù)測波動狀態(tài)成功率大于75%，表明基于R-Vine Copula下HMM模型能夠較準(zhǔn)確地預(yù)測出股票指數(shù)列波動狀態(tài)，也證明R-Vine Copula模型能夠準(zhǔn)確地刻畫出結(jié)構(gòu)突變下股票市場的相依關(guān)系，間接證明了基于波動狀態(tài)預(yù)測視角對風(fēng)險傳染預(yù)測研究的有效性。

5 研究結(jié)論與啟示

要準(zhǔn)確預(yù)測出金融市場風(fēng)險傳染，關(guān)鍵是對其結(jié)構(gòu)突變進(jìn)行預(yù)測研究。首先，本文引入HMM模型對股票指數(shù)進(jìn)行波動狀態(tài)測度；其次，基于測度波動狀態(tài)，使用EGARCH模型測度出股票指數(shù)的波動率，進(jìn)而引入R-Vine Copula模型刻畫股票指數(shù)的相依關(guān)系；再次，基于測度的股票指數(shù)相依關(guān)系再對各股票指數(shù)進(jìn)行波動狀態(tài)預(yù)測，進(jìn)而對股票市場進(jìn)行風(fēng)險傳染預(yù)測研究。實證研究表明：各股票指數(shù)均存在波動結(jié)構(gòu)突變；隨著近年來中國股票市場監(jiān)管的完善以及中國與日韓等國經(jīng)濟(jì)合作的加強，中國股市與日韓股市的相依關(guān)系顯著增強；從預(yù)測風(fēng)險傳染來看，中國股市與美國股市具有更明顯的相依關(guān)系，可能是此期間美國針對中國貿(mào)易政策，導(dǎo)致了中美股市出現(xiàn)了顯著的風(fēng)險傳染現(xiàn)象，也說明基于波動狀態(tài)預(yù)測對股票市場風(fēng)險傳染預(yù)測的準(zhǔn)確性；從基于R-Vine Copula下HMM模型的預(yù)測波動狀態(tài)中的結(jié)構(gòu)突變點相較于測度波動狀態(tài)中的結(jié)構(gòu)突變點具有一定的前置現(xiàn)象，進(jìn)而表明基于R-Vine Copula下的HMM預(yù)測模型能夠?qū)鹑谑袌鲞M(jìn)行較為有效的風(fēng)險傳染預(yù)測。

研究啟示：(1)當(dāng)美國金融市場未出現(xiàn)針對性的金融政策時，中國金融市場更可能與日韓股市發(fā)生風(fēng)險傳染，因此可通過對日韓金融市場結(jié)構(gòu)突變預(yù)測研究，達(dá)到對中國股票市場風(fēng)險管理研究。(2)美國金融市場出現(xiàn)的金融政策對中國具有顯著影響，更易導(dǎo)致中國市場發(fā)生風(fēng)險傳染，同時還應(yīng)結(jié)合金融市場的實際，制定出科學(xué)、合理的金融風(fēng)險預(yù)警方案，從而避免風(fēng)險損失，進(jìn)一步促進(jìn)中國金融市場的繁榮穩(wěn)定。