國際股市聯動條件下中國股市與匯市的非線性相依關系研究

苑 瑩，鳳靖宇，劉 娜

(東北大學 工商管理學院，沈陽 110169)

隨著信息化和經濟自由化進程的加快，中國金融市場的自由度不斷提高，與國際資本間的互動愈發頻繁。作為金融市場中兩個重要的樞紐市場，股市與匯市之間的聯系變得尤為緊密:匯率變動會對股票價格產生影響，一國貨幣的升值(貶值)會減少(增加)國內企業的國際競爭力及其現金流量，從而使國內股票價格降低(提高);同樣，國內股票價格上漲也會觸發匯率相應調整以適應國內外資產供求的變化[1]。對于股市與匯市間相依關系的研究最早可以追溯到1981年，Aggarwal[2]通過實證分析驗證了股市與匯市間顯著的正相關關系。此后，國內外學者對于股市與匯市間相關關系的研究層出不窮。Dornbusch等[3]提出的國際貿易模型(匯率導向模型)認為匯率會通過改變一國企業的國際競爭力進而影響企業的現金流量，并將這種變化反映在股價上，即匯率變動會單方面影響股價。Frankel[4]和Branson[5]提出的資產組合平衡模型(股票導向模型)認為股價上漲將吸引境外資本流入，增加本國貨幣需求進而推升本幣價值，同時本幣升值也會進一步吸引外資的流入，繼而推高股價。部分學者在傳統理論解釋的基礎上，從實證分析的角度對股市與匯市間的相依關系進行研究。Wong[6]通過對多個國家股市與匯市間相依關系的研究，發現不同國家股市與匯市均顯著相關，且大多顯著負相關。Xie等[7]通過對發達國家和新興國家股市與匯市間相依關系的研究發現，股票市場收益率波動對匯率市場收益率存在一定的預測作用，但匯率市場對股票市場不具有這種預測功能。綜上所述，深入研究股市與匯市間相依關系不僅對監管部門進行風險管理、維護金融市場穩定具有重要影響，同時對投資者進行跨市場資產配置、實現安全資產轉移具有重要現實意義。

自2005年7月21日中國對人民幣匯率政策進行改革以來，人民幣匯率的波動幅度較匯率政策改革前成倍增加，中國股市與匯市之間的聯動性愈發明顯[8-9]。楊子暉等[9]通過對2005年及2015年兩次匯率改革前后45個國家和地區的股票和外匯市場之間尾部風險傳染的研究，證明了中國股市與匯市間存在顯著的非線性聯動效應，全球股市與匯市間存在顯著的尾部相依性，同時發達國家與發展中國家的金融市場尾部風險傳染強度存在較大差異。鄧燊等[10]證明了中國股市與匯市間存在著協整關系，同時人民幣升值是股市上漲的單向Granger原因。謝赤等[11]采用小波多分辨分析方法研究人民幣匯率制度改革后其波動與股票價格波動間的關系，發現兩者之間關系在短期表現為股票市場向外匯市場的單向波動溢出關系，長期表現為雙向波動溢出效應。

以往對股市與匯市間相依關系的研究僅孤立地考慮兩者間靜態的相依關系，但隨著經濟一體化進程的不斷推進，世界各國金融市場間的聯系愈發緊密，市場間聯動現象表現得尤為突出。國際股市聯動是指不同國家股票市場的收益率波動協同變化，且這種聯動在極端波動時期會變得更加強烈，如1998年的亞洲金融危機、2008年的金融危機以及2015年中國股災等，在這些極端波動事件發生前后金融市場間的聯動關系往往會發生顯著變化[12-14]。學者們通過豐富的理論和實證分析證明國際股票市場聯動普遍存在，且這種聯動具有時變性和異質性。Longin等[15]認為在熊市時一國股票市場與國際市場聯動程度增大而牛市時聯動減小。唐振鵬等[16]從資產分散化和事件分散化的角度，研究極端波動時期中國股票市場與亞太地區10個國家股票市場的聯動現象，驗證這種具有時變性的聯動存在。對于國際市場聯動的研究，尤其是對極端波動時期國際市場聯動的研究一直是資本市場和國際金融領域的熱點問題。正因如此，對于股市與匯市間相依關系不能只進行靜態的、孤立的研究，應基于全局化視角，將兩者間相依關系的研究放在市場聯動背景下，聚焦于極端波動時期，這種研究結果才更加接近真實市場，更加有現實意義。

早期的相關性研究大多采用線性方法研究兩個市場之間的關系，如協整分析、Granger因果檢驗和VAR模型等。隨著研究的深入，學者們逐漸認識到金融市場之間的相關性具有一系列復雜的非線性特征，因此，度量金融市場間相關關系的方法也由最初的線性方法向非線性方法轉變。Copula方法是目前應用最廣泛的非線性方法之一，可以與許多其他方法結合，能夠較好地捕捉非線性相依關系和尾部相關關系[17-20]。Copula方法最早由Sklar[21]提出，根據Sklar的定義可以將一個聯合分布分解為n個邊緣分布和一個Copula函數，用這個Copula函數描述變量間的相關性。隨后，Copula方法被Embrechts等[22]應用于金融研究領域，取得了豐富的研究成果，應用最廣泛的Copula函數為二元Copula和多元Copula，但當其用于測度高維相依結構時會存在“維數詛咒”。為解決多元相關的問題，Joe等[23]提出Vine Copula函數，將多元聯合密度分解為多個邊緣分布、一組雙變量Copula函數和條件Copula函數的乘積，突破了二元以及多元Copula函數在刻畫高維相關時假設不同資產間相依結構必須采用同種Copula函數測度的局限性，在提高準確性的同時極大降低了刻畫高維聯合分布函數的難度[24]。

鑒于上述分析，本文采用R-vine Copula方法研究國際股市聯動條件下中國股市與匯市間的相依關系，并構建參數動態化的動態R-vine Copula方法進行穩健性檢驗，在對全樣本區間進行分析后，聚焦于極端波動時期，進一步研究2008年全球金融危機前后和2015年中國股災前后國際股市聯動對中國股市與匯市間非線性相依關系的影響，比較極端波動前后相依關系的變化特征，據此為國際投資者和政府監管部門提出相關政策建議。

基于已有文獻的現狀和不足，本文的主要貢獻表現在:

(1)突破了以往對于兩市場間相依關系靜態、孤立的研究，將中國股市和中國匯市間相依關系研究放到國際股市聯動的條件下，這種度量方法更加接近真實市場并且能夠從全局化的視角出發，全面地對兩者之間相依關系進行研究。

(2)對中國股市和中國匯市的相依關系進行研究時，聚焦于2008年全球金融危機和2015年中國股災兩次極端波動事件，更有針對性地研究極端波動事件前后的國際股票市場聯動條件下中國股市和中國匯市的相依關系，為極端風險下的金融市場風險管理提供有力支撐。

(3)采用R-vine Copula方法進行國際股市聯動條件下中國股市與匯市間的相依關系研究并構建動態R-vine Copula方法進行穩健性檢驗，同時選取靜態和動態兩類Copula方法對國際股市聯動條件下中國股市與匯市間的相依關系進行了全面、多角度測度，使結果更具說服力。

1 模型介紹

1.1 基于ARMA-GARCH類模型構建邊緣分布

考慮到金融資產的收益率序列存在尖峰、有偏、自相關性、異方差性、杠桿效應等典型特征，有必要構建合理的邊緣分布模型對這些特征進行刻畫，故選取ARMA-GARCH類模型構建邊緣分布。ARMA-GARCH-t模型的均值方程、方差方程以及殘差分布分別為:

其中，式(1)為隨機變量X it的條件均值方程，εit=σitξit，式(2)為條件方差方程為條件方差，式(3)中的殘差ξit服從t分布。

金融時間序列中也往往存在杠桿效應，Nelsen等[25]提出基于非線性指數變換的EGARCH模型，ARMA-EGARCH-t模型能較好地刻畫時間序列存在的杠桿效應，區別于一般的ARMA-GARCH-t模型，其條件方差模型為

鑒于一些金融時間序列的收益率會依賴于它的波動率，Engle等[26]設定ARCH-M模型將條件方差引入條件均值方程，ARMA-M-GARCH-t類模型的均值模型為

式中，η為條件方差引入σit條件均值方程的待估參數。

1.2 基于R-vine Copula方法構建相依結構

R-vine Copula方法將多元聯合密度分解為多個邊緣分布、一組雙變量Copula函數和條件Copula函數的乘積，相較于常見的C-vine Copula和D-vine Copula函數，R-vine Copula不對變量之間的連接結構進行限制，具有更高的靈活性以及更好的擬合優度，使其能夠對變量之間相關關系進行更加準確的度量[23，27-28]。因此，本文采用三元Rvine Copula進行研究，其聯合密度函數表達式為

式中:c ij是一對變量經變換后F i(x i)和F j(x j)的二元Copula密度函數是具有兩個變量的條件密度函數:

通過初步對中國股市與匯市關系的測度發現，兩個市場的上下尾部相關關系較小，且較為對稱。因此，本文構建R-vine Copula函數時選取二元橢圓族Copula函數，其包括二元Gaussian Copula函數和二元T-Copula函數。二元Gaussian Copula函數分布函數公式為

式中:Φ-1(·)是標準一元正態分布函數Φ(·)的逆函數;ρ∈(-1，1)是線性相關系數，衡量變量u和v之間相依結構。二元T-Copula函數的分布函數為

式中:ρ∈(-1，1)是線性相關系數是自由度為v的一元t分布函數T v(·)的逆函數。

Patton[29]提出可以通過指定相依參數的演變遵循ARMA(1，q)過程來構建動態的二元Copula函數。對于二元Gaussian Copula，變量i和j之間的時變相依參數為

式中，函數Λ(x)=(1-e-x)(1+e-x)-1，它的引入是為了確保ρt∈(-1，1)，Φ-1(x)是標準正態分布函數的逆函數，若估計T-Copula函數，則需要被替換為標準t分布函數的逆函數T-1(x)。

R-vine Copula函數的參數估計過程參考文獻[30]。借助Kendallτ相關系數和尾部相關性來描述變量間整體的相依關系和上下尾部的相依關系。表1所示為本文選取的Copula函數的Kendallτ以及下尾和上尾的尾部相關性。

表1 構建R-vine Copula函數的二元Copula函數的基本特征

2 實證研究

2.1 數據選取與描述性統計

本文選取人民幣兌美元(CNYUSD)匯率中間價(間接標價法)作為外匯市場的代理變量，選取滬深300指數作為中國股票市場的代理變量，選取美國S&P500指數、歐洲STOXX50指數、香港恒生指數HIS、日本N225指數、英國FTSE100指數以及由全球證券市場構建的全球股市指數MSCI作為國際股市的代理變量。

本文選取的全樣本時段為2006-01-04～2019-02-28，涵蓋了2008年全球金融危機與2015年中國股災兩次危機事件，聚焦于極端波動時期，進一步分析金融危機前后以及股災前后中國股市與匯市之間相依關系的變化情況，以2008年9月15日雷曼兄弟破產和2015年6月15日中國股票市場全面跌停作為金融危機和中國股災發生的標志，以此將全樣本分為4個子樣本區間。考慮到股市間的交易時差及各市場交易日的不一致，分別將亞洲市場對歐美股市采取滯后1天處理，并剔除市場間不匹配的數據，共得到2 828個樣本數據。所有的數據均來自Wind數據庫和Bloomberg數據庫。實驗工具采用Eviews10.0、Matlab2016a和R軟件。

全樣本下各對數收益率序列的基本統計量如表2列示。

表2 全樣本各對數收益率序列的基本統計量分析

2.2 邊緣分布的構建

由表2的描述性統計結果可見，各對數收益率序列均平穩，且具有不同程度的自相關性、異方差性、非對稱性以及“尖峰厚尾”等典型特征，故選用ARMA-GARCH類模型對收益率序列的自相關性和異方差性進行過濾。考慮到篇幅限制，只展示各對數收益率在全樣本下的邊緣分布參數估計和檢驗的結果，如表3所示。

表3 全樣本對數收益率序列邊緣分布的參數估計

2.3 國際股市聯動條件下中國股市與匯市間的靜態相依關系

采用R-vine Copula函數分析國際股市聯動條件下中國股市與匯市間的相依關系，根據AIC準則在Gaussian Copula和TCopula中選擇最優的Copula函數。本文聚焦于極端波動時期，分別在全樣本下、2008年全球金融危機前后和2015年中國股災前后進行分析。首先，通過R-vine Copula第一棵樹的估計結果分析國際股市與中國股市間、國際股市與中國匯市間的聯動關系;然后，通過二元Copula函數分析非條件下中國股市與中國匯市間的相依關系，再通過R-vine Copula函數第二棵樹的參數分析國際股市聯動條件下中國股市與匯市間的相依關系;最后，比較國際股市聯動條件下中國股市與匯市間的相依關系以及非條件下估計的中國股市與中國匯市間的相依關系。

2.3.1 國際股市與中國股市間、國際股市與中國匯市間的靜態聯動關系 本節分別研究國際股市與中國股票市場、中國匯率市場間的靜態聯動關系。表4所示為國際股市與中國股市間靜態Copula函數參數估計的結果(即包括3個變量的R-vine Copula函數第一棵樹的參數估計結果)。根據表4，所有國際股市與中國股市間的Kendallτ系數都大于0，表明國際股市與中國股市間存在正向聯動關系，其中香港股市與中國股市間的聯動關系最強，其Kendallτ系數值為0.345 9;全球股市與中國股市間的Kendallτ系數值為0.081 0。對比2008年全球金融危機前后的結果發現，金融危機后各國際股市與中國股市間的Kendallτ系數值均大于對應金融危機前的Kendallτ系數值，金融危機后各國際股市與中國股市間的聯動關系均明顯增強。對比2015年中國股災前后估計的結果，同樣可以發現，股災后各國際股市與中國股市間的聯動關系要強于股災前的聯動關系。從尾部相關性上看，中國股市與香港股市間存在顯著的上下尾部相關關系，而與其他國家、地區或全球股市的尾部相關不明顯。

表4 國際股市與中國股市間靜態R-vine Copula第一棵樹的估計結果

表5為國際股市與中國匯市間靜態Copula函數參數估計的結果。由全樣本的估計結果可見，所有國際股市與中國匯市間估計的Kendallτ系數都為正，表明總體上，所有國際股市與中國外匯市場間存在正聯動關系，即國際股市的走強伴隨著人民幣的升值，相應地，國際股市的走弱伴隨著人民幣的貶值。其中，全球股市與中國匯市間的Kendallτ系數最大為0.133 8。對比金融危機前后的估計結果，金融危機后國際股市與中國匯市間的相依強度都有所增大，且所有國際股市在金融危機后與中國匯市間均存在較強的正聯動關系。由股災前后的估計結果可見，與股災前相比，股災后所有國際股市與中國匯市間的聯動關系都減小，這一變化與金融危機前后的變化是不同的。從尾部相關性上看，所有國際股市與中國匯市間的尾部相關性都較弱。

表5 國際股市與中國匯市間靜態R-vine Copula第一棵樹的估計結果

總體上，國際股市與中國股市間及中國匯市間均存在正向聯動關系。香港股市與中國股市間的聯動關系和尾部相關關系最強，全球股市與中國匯市的聯動關系最強;金融危機后和股災后，國際股市與中國股市間的聯動關系均強于對應的金融危機前和股災前的聯動關系;香港股市與中國匯市間、全球股市與中國匯市間在各分段樣本內均存在正向聯動關系，而其他國際股市在分段樣本內與中國匯市間可能存在一定的反向聯動關系。上述結果表明，研究國際股市聯動對估計中國股市與匯市間的非線性相依關系具有重要意義，因此，本文進一步分析國際股市聯動對中國股市與匯市間相依關系的影響。

2.3.2 中國股市與中國匯市間的靜態相依關系 在確認國際股市對中國股市以及中國匯市均存在影響之后，本節對中國股市與中國匯市間的靜態相依關系進行研究。表6所示為中國股市和中國匯市間非條件Copula函數的估計結果。由表6全樣本的估計結果可見，中國股市與中國匯市間存在正相依關系，Kendallτ系數的估計值為0.048 8。由子樣本的估計結果可見，各個子樣本區間內中國股市與中國匯市間也均存在正相依關系。與金融危機前相比，金融危機后的中國股市與中國匯市間的相依關系有所增強，相應的Kendallτ系數的值由0.058 8變化至0.076 1。由中國股災前后的結果可見，股災后的中國股市與匯市間的相依關系要小于股災前兩者間的相依關系，同時，中國股市與中國匯市在金融危機后和股災后有一定上下尾部相關關系。綜上所述，中國股市與中國匯市間存在正相依關系，即股市的上升，伴隨著人民幣的升值;股市的下跌，伴隨著人民幣的貶值。

表6 中國股市與匯市間靜態二元Copula的估計結果

進一步分析這種正相依關系是由國際貿易效應還是資產組合平衡效應引起的，表7所示為中國2006～2017年凈出口占GDP的比重。由表7可知，2006～2017年中國凈出口都是大于0的，即中國是貿易順差國家。如果從國際貿易模型(流量導向模型)來看，中國股市與匯市間存在負相依關系，即本幣的貶值應伴隨著股市的上升，本幣的升值伴隨著股市的下降，這與前文實證結果不符。而資產組合平衡模型(存量導向模型)認為無論貿易結構如何，股市與匯市間均存在正相依關系。因此，從這一角度出發，資產組合平衡模型比國際貿易模型更能解釋中國股市與中國匯市間的正相依關系。

表7 2006～2017年中國凈出口占GDP的比重 %

上述結果表明，國際股市與中國股市、國際股市與中國匯市間均存在聯動關系，且非條件下估計的中國股市與中國匯市間的相依關系更傾向于是由資產組合平衡模型來解釋的，資產組合平衡模型認為股市對匯市具有導向關系。國際股市作為國際經濟的風向標，其勢必要影響中國金融市場，尤其對中國股市的聯動影響。

國際股市聯動條件下中國股市與中國匯市間的靜態R-vine Copula函數參數估計結果如表8所示。相比于非條件下估計的中國股市與中國匯市間的相依關系，考慮國際股市聯動條件下估計的中國股市與中國匯市間的相依關系均減弱，甚至在香港股市聯動條件下，中國股市與匯市間存在負相依關系;而從尾部相關性來看，無論是條件下還是非條件下估計的中國股市與中國匯市間的尾部相關性都很小。

表8 中國股市與匯市間靜態R-vine Copula第二棵樹的估計結果

進一步對比分析由R-vine Copula和非Vine Copula估計的中國股市與中國匯市間相依關系，由于上述實證結果顯示尾部相關性的對比不明顯，故在此只研究Kendallτ系數的差值。根據表9，在全樣本下R-vine Copula與非Vine Copula函數估計的Kendallτ系數的差值都小于0，表明在國際股市聯動條件下估計的中國股市與中國匯市間的相依關系都小于非條件下估計的中國股市與中國匯市間的相依關系，即忽略國際股市聯動會造成估計中國股市與中國匯市間的相依關系存在偏差。

表9 R-vine Copula與非Vine Copula估計的Kendallτ系數的差值

2008年全球金融危機前，香港和全球股市對應的Kendallτ系數的差值為負，表明在香港股市和全球股市聯動條件下估計的中國股市與中國匯市間的相依關系均小于非條件下估計的中國股市與中國匯市間的相依關系，而在美國、歐洲和英國股市聯動條件下估計的中國股市與中國匯市間的相依關系大于非條件下估計的中國股市與匯市間的相依關系。金融危機后，所有Kendallτ系數的差值都小于0，表明在各國際股市聯動條件下估計的中國股市與中國匯市的相依關系均小于非條件下估計的中國股市與中國匯市間的相依關系。對比股災前和股災后Kendallτ系數的差值結果，在美國、香港和全球股市聯動條件下估計的中國股市與中國匯市間的相依關系要小于非條件下估計的中國股市與中國匯市的相依關系。而在歐洲、日本和英國股市聯動條件下估計的中國股市與中國匯市間的相依關系大于非條件下估計的中國股市與中國匯市間的相依關系。

在子樣本中，國際股市的聯動對中國股市和中國匯市的影響是不同的:在美國、香港股市聯動的條件下估計的中國股市與匯市間相依性一般要小于非條件下估計的中國股市與匯市間相依性，而在歐洲、日本和英國股市聯動條件下估計的中國股市與匯市間的相依性則會大于非條件下估計的中國股市與中國匯市間的相依性。

總而言之，國際市場對中國金融市場的影響不是單一形成的，而是所有市場共同作用的結果。本文通過估計全球股市聯動條件下中國股市與匯市間的關系，試圖分析所有國際股市對中國股市與中國匯市間的關系的總影響進行分析:從結果上看，在全球股市聯動條件下估計的中國股市與匯市間的相依性在各樣本區間均小于非條件下中國股市與中國匯市間的相依性;從得到的Kendallτ系數差值看，在2008年全球金融危機后和2015年中國股災后的這一差值比對應的金融危機前和股災前均增大。

3 穩健性檢驗

為豐富文章的研究視角，同時檢驗實證結果的穩健性，采用Patton[29]提出的參數動態化方法，構建動態R-vine Copula函數，研究國際股市聯動條件下中國股市與匯市間的動態相依關系。表10～12分別所示為國際股市與中國股市、國際股市與中國匯市、中國股市與中國匯市的動態Copula函數的參數估計結果。

表10 國際股市與中國股市間動態R-vine Copula第一棵樹估計結果

各情況下的Kendallτ秩相關系數見圖1～3。圖1為國際股市與中國股市間的動態Kendallτ系數的走勢，根據圖1可知所有國際股市與中國股市間均存在正向聯動關系，且香港股市與中國股市之間的聯動關系最強，日本股市、美國股市、全球股市、歐洲股市、英國股市與中國股市的相依性依次減弱，同時各國際股市與中國股市間的Kendallτ系數是時變的。

表11 國際股市與中國匯市間動態R-vine Copula第一棵樹估計結果

表12 中國股市與匯市間動態二元Copula和R-vine Copula第二棵樹的估計結果

圖2所示為國際股市與中國匯市間動態Kendallτ系數的走勢。根據圖2，國際股市與中國匯市間的聯動關系是時變的，尤其在金融危機前后和股災前后，聯動關系的方向會發生反轉。國際股市與中國匯市間的聯動關系并不具有穩定的同向變動關系，這與中國采取嚴格的匯率管制政策有關，中國匯率并不能完全由市場決定，不能完全自由浮動，所以國際市場與中國匯市的聯系緊密程度低于國際股市與中國股市的聯系。

圖3所示為中國股市與中國匯市在國際市場聯動條件下(動態R-vine Copula)和非條件下(二元動態Copula)的動態的Kendallτ走勢。根據圖3，中國股市與中國匯市間的相依關系波動浮動較小，這也與中國實行的較為嚴格的匯率政策有關。在美國股市、香港股市和全球股市聯動條件下估計的中國股市與中國匯市間的相依關系要小于非條件下估計的中國股市與匯市間的相依關系，而歐洲股市、日本股市和英國股市聯動條件對中國股市與匯市間相依關系的影響并不顯著。

根據圖1和圖2，國際股市與中國股市和中國匯市分別存在正相關關系，忽略國際股市聯動的影響會高估中國股市與中國匯市間的相依關系。全球股市聯動的影響弱于香港股市聯動的影響，一方面，由于香港股市與中國金融市場間的互聯互通性更強，其他國際股市可能通過香港股市間接影響中國股市;另一方面，不同國際股市對中國金融市場的聯動影響可能存在不同，而全球股市是反映所有國際股市綜合的結果。因此，其影響也是所有股市強弱綜合的結果。

為進一步檢驗國際股市與中國股市以及國際股市和中國匯市是否在極端波動期間具有更強的相依性，借鑒Tachibana[30]的處理，估計如下公式:

式中:是估計的國際股市(i=1)和中國股市(i=2)間時變Kendallτ系數是國際股市(i=1)和中國匯市(i=3)間的時變Kendallτ系數為選取估計的全球股市的時變波動率為全球股市的波動率的均值，σ為波動率的方差。當c和b同正或同負時，表示當國際股市極端波動時，兩個市場間的正相依性或負相依性變得更大。

為了檢驗國際股市聯動條件下的中國股市與中國匯市間的相依關系，和非條件下的中國股市與中國匯市的相依關系之間的偏差是否隨著國際股市波動的增強更增大，構建如下公式:

如表13所示，首先，由國際股市和中國股市的相依關系參數估計結果可見，所有c都大于0，說明國際股市與中國股市間存在正的Kendallτ秩相關關系，這與靜態分析的結果一致。由估計的b值可見，除了歐洲股市估計的b值小于0，其他國際股市與中國股市間估計的b值均大于0，與c的方向一致，且在99%的置信水平下顯著，表明這些國際股市與中國股市間的Kendallτ秩相關性在金融市場極端波動期間均有增強。

表13 檢驗極端波動時期的高相依關系的參數估計結果

其次，由國際股市與對中國匯市間的相依關系參數估計結果可見，估計的c值均大于0，表明從總體上看，國際股市與中國匯市間存在正向聯動關系，這與靜態分析的結果基本一致。由估計的b值可見，除美國股市估計的b值小于0，其他國際股市與中國匯市間估計的b值均大于0，結合估計的c大于0，也表明在極端波動時期各國際股市與中國匯市間的正聯動關系會有所增強。

最后，由中國股市與中國匯市間相依關系參數估計結果可見，估計的c值小于0，表明從整體上看，忽視國際股市聯動的影響，會高估中國股市與中國匯市間的相依關系。另外，結合估計的b值分析，b值均小于0，除香港股市對應的b值不顯著，其他估計的b值均在99%的置信水平下顯著，進一步表明，在極端波動時期，忽視國際股市聯動影響會導致極大程度上高估中國股市與中國匯市間的相依關系，且國際股市主要通過影響中國股市來影響中國股市與中國匯市間的相依關系。

本文的研究表明，國際股市對中國股市與中國匯市間的相依關系有影響，香港股市聯動對中國股市與中國匯市間相依關系的影響較為明顯，其次是綜合考慮所有股市的全球股市聯動對中國股市與中國匯市間相依關系的影響。香港作為國際金融自由港，是中國金融市場與國際金融市場交流的橋梁，國際股市也會在一定程度上通過香港股市間接影響中國金融市場。

4 結論

本文在國際股市聯動條件下對中國股市與匯市間的非線性相依關系進行研究，突破了以往對于市場間相依關系的孤立研究，將兩者間相依關系研究放到國際股市聯動的條件下，基于全局化視角研究兩者間的非線性相依關系，聚焦2008年全球金融危機和2015年中國股災兩次極端波動事件，分別在全樣本和4個子樣本下，采用ARMA-GARCH類模型對各市場收益率的邊緣分布進行擬合，并進一步采用靜態及動態R-vine Copula方法分析全樣本以及2008年全球金融危機前后和2015年中國股災前后國際股市聯動條件下的中國股市與匯市間相依關系的變化。研究結果表明:

(1)整體來看，國際股市與中國股市間、國際股市與中國匯市間均存在顯著的正向聯動關系，國際股票市場的波動勢必會影響中國股市與中國匯市，因此，中國監管部門亟需加強風險預警機制，防范國際金融風險的輸入性影響;同時，中國股市與中國匯市間存在正相依關系，且中國股市對中國匯市有正向引導作用，兩者間的相依關系被證明可以由資產組合平衡模型解釋。

(2)聚焦極端波動時期，在金融危機后以及股災后國際股市與中國股市間的聯動關系比這些極端事件發生前更加強烈，而國際股市與中國匯市間的聯動關系在金融危機后增強，在股災后有所減弱。這說明，中國股市和匯市在國際資本震蕩發展的大環境下對抗風險的能力不足，容易受到來自國際股市波動的影響，這要求中國金融市場在自由度不斷增強的同時進一步提高抗風險能力。

(3)在國際股市聯動條件下測度的中國股市與中國匯市間的相依關系小于不考慮國際股市聯動條件下中國股市與中國匯市間的相依關系。這表明，忽視國際股市聯動的影響會導致對中國股市與中國匯市間相依關系的估計存在偏差，且這種偏差在金融危機、股災等極端波動時期后都會不同程度地增加，這恰恰說明了在國際股市聯動條件下研究中國股市與匯市間相依關系的重要性和必要性，在研究兩者相依關系時若忽略國際股市聯動的影響將不能夠準確合理地判斷兩者間的關系。

深入研究股市與匯市間的相依關系不僅對國際投資者進行跨市場資產配置、實現安全資產轉移具有重要現實意義，同時對于政府監管部門進行風險管理、維護金融市場穩定具有重要影響。

當國際投資者進行跨市場資產配置時:首先，應充分考慮國際市場聯動給各國市場帶來的影響，持續關注國際股市波動情況，投資者對中國股市或中國匯市進行投資時需在國際股市的動態聯動條件下合理配置資產構建投資組合;其次，極端波動時期為了減少不必要的損失，投資者在國際市場上進行投資時應該減少那些在極端波動時期受其他市場影響較大的資產，轉而關注那些在極端波動時期受其他市場波動影響相對較小的資產。

當政府監管部門進行金融風險監管時:首先，需要注意防范金融風險的跨國、跨市場沖擊，由于中國股市和匯市受到來自國際股市的沖擊較為強烈，在全球金融一體化不斷加深的大背景下，亟需警惕金融風險的跨國、跨市場傳導，尤其需要重點關注來自發達國家的風險傳染，防范國際輸入性風險;其次，及時評估全球視角下的金融系統監管規章，適時做出調整并采取相應措施以防范可能的經濟下行，正確認識中國金融市場與國際市場間的聯動關系，在制定單一市場監管規章時，應放眼全球市場，基于全局化視角充分考慮不同市場及不同國家市場間的聯動效應，針對不同的國際經濟形勢及時采取相應措施;最后，進一步完善金融風險協調管理政策并構建風險預警機制，近年來金融危機頻發，市場間的共振會導致暴漲暴跌事件的發生，應不斷完善中國金融風險協調管理政策，有效防范系統性金融風險的跨市場傳染，同時建立風險預警機制對風險進行更好地管控，針對不同情況及時調整相關政策。