極端風險事件下股票市場與公司債券市場的尾部風險溢出研究

曾志堅 王永娟 陳皎

摘 要：構建MVMQ-CAViaR模型，結合金融市場內部極端風險事件和外部極端風險事件，考量股票市場與公司債券市場的尾部風險溢出問題。結果表明，在金融市場內部極端風險事件下，股災期間僅存在股票市場對公司債券市場單向的尾部風險溢出。公司債券違約潮期間，股票市場與公司債券市場之間存在雙向不對稱的尾部風險溢出，且公司債券市場對股票市場的尾部風險溢出更強。在外部極端風險事件下，僅存在公司債券市場對股票市場單向的尾部風險溢出。當受到市場沖擊時，股票市場的反應更強烈，但其恢復速度比公司債券市場更快。

關鍵詞： 股票市場;公司債券市場;極端風險事件;尾部風險;風險溢出

中圖分類號：F830.91?? 文獻標識碼： A??? 文章編號：1003-7217（2022）02-0041-08

一、引 言

隨著經濟全球化與金融一體化的不斷發展，各金融市場間的聯系日益緊密，極端風險事件下，跨市場的共振暴跌現象頻頻出現[1]。2015年1月15日，我國正式出臺《公司債券發行與交易管理辦法》。由于公司債券融資成本低，公司債券受到眾多上市公司的追捧，發行量呈井噴式上升。公司債券市場在金融市場中的地位愈發重要，與股票市場之間的聯動性顯著增強。作為公司直接融資的重要渠道，股票與公司債券的價值均與上市公司的內在資產價值有關。極端風險事件，如經濟政策變動、宏觀經濟下行壓力加大、重大公共衛生事件等爆發時，在投資者恐慌情緒蔓延及“追漲殺跌”行為的影響下，短期內股票市場和公司債券市場極易產生過度反應，從而進一步加劇二者之間的風險溢出，增加系統性風險發生的可能性。因此，分析極端風險事件下股票市場與公司債券市場的尾部風險溢出具有重要意義。

Zhang等（2013）對G7和金磚國家國內股票和債券市場之間的波動溢出效應進行研究，發現中國股票市場和債券市場之間不存在顯著的溢出效應[2]。陳學彬與曾裕峰（2016）將MVMQ-CAViaR模型應用到極端風險溢出研究中，發現隨著金融改革的不斷深化，中國股市和債市間的極端風險溢出效應逐漸加強[3]。劉超等（2017）運用溢出指數和復雜網絡方法探究了危機時期我國金融市場的風險溢出效應，發現股票市場風險溢出的能力較強，債券市場接受風險的能力較強[4]。Haesen等（2017）研究發現股市熊市之后往往伴隨著公司債券市場牛市[5]。張巖與胡迪（2017）對2015年股災前后股票市場、債券市場和外匯市場間的交互溢出效應進行分析，發現股票市場對其他市場風險溢出明顯，債券市場受到其他市場風險的影響較大[6]。侯縣平等（2020）對股市與債市的極端風險溢出效應及其特征進行了分析，認為股市與債市間存在非對稱的上下尾溢出，且股市對債市的風險溢出強度大于債市對股市的風險溢出強度[7]。曾志堅等（2020）運用Copula-CoVaR方法，研究發現存在公司債市場對股票市場單向的極端風險溢出[8]。Guo等（2021）結合時變金融網絡模型和Fama選擇方法對新冠肺炎疫情期間國際金融市場間的尾部風險進行研究，發現疫情的暴發增加了國際金融市場間的風險溢出[9]。

通過梳理文獻發現，學術界目前對金融市場間風險溢出的研究主要集中在股票市場和債券市場，且多數選擇國債市場作為債券市場的代表，對股票市場與債券市場的子市場——公司債券市場之間風險溢出的研究較少。同時，現有文獻在研究極端風險事件下金融市場的風險溢出時，往往只考慮了單一的風險事件，未對不同極端風險事件下金融市場的風險溢出進行比較分析。且許多文獻忽略了一個問題：當兩個金融市場受到同一市場沖擊因素影響時，兩個市場會產生相似的波動表現，但這并不能說明二者存在風險溢出，即有必要檢驗風險溢出的存在性[10]。本文考慮了多次極端風險事件，并對股票市場和公司債券市場間尾部風險溢出的存在性進行檢驗，能夠更加全面地分析二者間的尾部風險溢出。

在模型選擇上，由于股票市場和公司債券市場收益率數據呈“尖峰厚尾”式分布，對分位數直接建?？梢苑潘蓪ψ兞糠植嫉南拗?，降低異常值對模型造成的不穩定性，使模型估計結果更加穩健，因此采用時變條件分位數的CAViaR度量尾部風險更加具有現實意義[11，12]。該模型很好地刻畫了單個金融市場的動態風險特征，但無法分析不同金融市場間的尾部風險關聯。White等 （2015）提出的MVMQ-CAViaR模型[13]，不僅能夠實現對單個金融市場尾部風險的有效刻畫，而且有助于分析金融市場間的尾部風險關聯，判斷風險溢出的存在性。同時，該模型的半參數估計方法不需要假定收益率的分布，有效避免了模型誤設的風險。目前，已有一些學者運用該方法研究金融市場間的風險溢出效應[14-16]。本文將從極端風險事件下股票市場和公司債券市場尾部風險溢出的角度出發，首先運用MVMQ-CAViaR模型測度極端風險事件下二者尾部風險溢出的強度，然后借助Wald統計量判斷二者尾部風險溢出的存在性及方向性，最后使用分位數脈沖響應分析，研究市場沖擊對二者尾部風險溢出的動態影響及其動態調整過程。

二、模型設計與樣本選擇

（一）模型設計

1.MVMQ-CAViaR模型構建。MVMQ-CAViaR模型將CAViaR模型的單方程分位數回歸擴展到向量自回歸的結構化方程：

q1tθ=c1+a11Y1t-1+a12Y2t-1+

b11θq1t-1θ+b12θq2t-1θ

q2tθ=c2+a21Y1t-1+a22Y2t-1+

b21θq1t-1θ+b22θq2t-1θ（1）

其中，q1t（θ）和q2t（θ）分別表示股票市場和公司債券市場在θ概率下的條件風險價值，|Y1t-1|和|Y2t-1|分別表示股票市場和公司債券市場在t時刻滯后一期市場收益率的絕對值。a11（a22）為測度前期股票市場（公司債券市場）沖擊對當期自身尾部風險的影響，a12（a21）為測度前期公司債券市場（股票市場）沖擊對當期股票市場（公司債券市場）尾部風險的影響。b11（b22）為測度前期股票市場（公司債券市場）尾部風險對當期自身尾部風險的影響，b12（b21）為測度前期公司債券市場（股票市場）尾部風險對當期股票市場（公司債券市場）尾部風險的影響。gzslib202204011418

2.MVMQ-CAViaR模型估計方法。

MVMQ-CAViaR模型屬于多元分位數回歸范疇，可采用擬最大似然估計法（QMLE）對模型進行估計，其最優化的目標函數為：

min α1T∑Tt=1∑2i=1ρθi·Yit-qitθi，a（2）

式中，ρ（θi）= θi -I[Yit

3.市場間尾部風險溢出檢驗。得到相應的估計參數后，為進一步確認各市場間是否存在顯著的尾部聯動，需要對模型進行聯合顯著性檢驗[13]。借鑒Wald統計量的思想，在MVMQ-CAViaR模型框架下構建新的Wald檢驗統計量如下：

R-r′R×VCT∧×R′-1R-rd

χ2n（3）

4.分位數脈沖響應分析。

在運用MVMQ-CAViaR模型確定了股票市場與公司債券市場間尾部風險溢出的強度和方向之后，為深入研究極端風險事件下兩個市場尾部風險溢出的動態過程，進一步使用分位數脈沖響應分析捕捉市場沖擊對尾部風險價值的動態影響及尾部風險在受到市場沖擊后的動態調整過程。具體分析過程為：首先，假設股票市場與公司債券市場收益率數據的形成過程滿足Y1tY2t=at0βtγtε1tε2t，市場沖擊強度依賴Cholesky分解矩陣at0βtγt。其次，在t時刻一次性給予2單位標準差的負向沖擊，使得當期收益率Yit變為it，變化量為ΔYit。最后，分析市場沖擊在股票市場和公司債券市場中傳遞與被吸收的全過程。

（二）樣本選擇

極端風險事件按照風險的來源可以分為金融市場內部極端風險事件和外部極端風險事件，選取股災和公司債券違約潮作為股票市場和公司債券市場內部極端風險事件的代表，選取新冠肺炎疫情作為外部極端風險事件的代表。2015年6月，我國金融市場爆發股災，直到2016年2月25日，股票收益率逐漸恢復平穩狀態。2018年，GDP增速放緩，經濟面臨下行壓力，第三季度和第四季度公司債券面臨集中兌付，達到違約的高峰期，兩季度共計違約25只公司債，違約金額達310.45億元。2019年12月31日起，武漢市衛生健康委員會發布新冠肺炎疫情信息;經歷了一年的艱苦戰“疫”，2020年12月31日，中國的新冠病毒疫苗正式上市，標志著我國本土新冠肺炎疫情實現可防可控。

因此，將三次極端風險事件的時間段設置如下：2015年6月1日至2016年2月25日（股災期間），2018年7月1日至2018年12月31日（公司債券違約潮期間），2019年12月31日至2020年12月31日（新冠肺炎疫情期間）。選取滬深300指數作為股票市場的代表，中證公司債指數作為公司債券市場的代表，使用日收盤指數計算市場對數收益率：

Rt=100×lnpt/pt-1 （4）

其中，Rt為市場對數收益率，pt和pt-1分別為t交易日和t-1交易日的指數收盤價。本文研究數據均來自RESSET數據庫。

根據表1，滬深300指數收益率的標準差明顯高于中證公司債指數，且滬深300指數收益率的最小值、最大值與平均值三個指標的絕對值均明顯大于中證公司債指數，表明其波動更為劇烈，風險更大，符合股票和公司債券的風險特征。通過峰度可以看出，股災期間股票市場的波動聚集效應更強，公司債券違約潮和新冠肺炎疫情期間公司債券市場的波動聚集效應更明顯。對所有數據進行ADF檢驗，結果表明，樣本期內滬深300指數和中證公司債指數的對數日收益率在1%的顯著性水平下為平穩序列，因此可對其進行參數估計。

三、基于MVMQ-CAViaR模型的尾部風險溢出檢驗

首先，分析股票市場和公司債券市場在極端風險事件下尾部風險的溢出強度。根據式（1）和式（2）計算股災、公司債券違約潮和新冠肺炎疫情期間0.01分位數下二者的尾部風險溢出系數，表2列出了MVMQ-CAViaR模型的估計結果。

股災期間，b11顯著為正而b22不顯著，說明股票市場的尾部風險具有較強的自相關性，表現出明顯的滯后效應。b21顯著為負而b12不顯著，且a22在1%的顯著性水平下為負，表明此階段股票市場尾部風險主要受自身前一期尾部風險溢出的影響，公司債券市場的尾部風險主要受自身市場沖擊和股票市場尾部風險溢出的影響。在公司債券違約潮時期，a12和a21顯著異于0，且均為正值，此時公司債券市場沖擊對股票市場尾部風險的影響更大（a12的絕對值顯著大于a21的）。b12與b22顯著異于0，而b11和b21的絕對值很小且不顯著，表明股票市場和公司債券尾部風險的主要來源是公司債券市場前一期的尾部風險溢出，即公司債券市場尾部風險自相關程度較高，且在二者尾部風險溢出中占據主導地位。新冠肺炎疫情期間，a11、a12、b11、b12和b22均顯著，且a12和b12的絕對值顯著大于a11和b11的絕對值，表明此時股票市場尾部風險主要受公司債券市場沖擊和尾部風險溢出的影響，而公司債券市場尾部風險則受自身尾部風險溢出的影響。

總體而言，股票市場和公司債券市場的尾部風險均表現出了顯著的自相關特征與滯后效應，且三個時期股票市場與公司債券市場之間的尾部風險溢出狀況存在區別。股災期間，股票市場對公司債券市場尾部風險的溢出更強;公司債券違約潮和新冠肺炎疫情期間，公司債券市場對股票市場尾部風險的溢出更強。gzslib202204011418

MVMQ-CAViaR模型僅能說明股票市場和公司債券市場之間尾部風險的溢出強度，但對尾部風險的溢出方向無法得出一般性的結論。需要繼續運用Wald統計量對估計系數的聯合顯著性進行檢驗，以判斷極端風險事件下二者尾部風險溢出的方向。

根據表3可以發現，股災期間，僅存在股票市場對公司債券市場單向的尾部風險溢出。這是因為此階段股票市場尾部風險是金融市場的主要風險，來自股票市場的風險是引起市場恐慌的主要原因。股票市場的連續下跌行情使投資者情緒處于崩潰的邊緣，股票市場尾部風險在投資者情緒的傳染下持續放大，并產生對公司債券市場尾部風險的溢出。

公司債券違約潮期間，股票市場與公司債券市場之間存在雙向的尾部風險溢出效應，即股票市場與公司債券市場之間存在相互反饋的作用機制。這主要是因為公司債券在2014年3月4日出現第一次實質性違約之后，其隱性“剛性兌付”機制被打破。作為固定收益類證券，當公司債券市場產生較大的尾部風險時，意味著市場面臨較大下行壓力，股票市場作為證券市場的晴雨表，尾部風險價值會受公司債券市場尾部風險溢出的影響，且此時公司債券市場表現脆弱，會受股票市場尾部風險溢出的影響。另外，債券回報不僅與貼現率變化有關，還與預期現金流有關[17]。在經濟下行壓力加大的背景下，以資管新規為代表的金融嚴監管政策釋放了上市公司尾部風險，大量公司債券出現違約，公司債券違約數量的急劇攀升更易引起投資者的恐慌，投資者出于避險需求會減少持有股票，導致風險信號加速向股票市場傳導，因此，公司債券市場對股票市場的尾部風險溢出更強。

新冠肺炎疫情期間，公司債券市場是二者尾部風險的凈溢出方，結合表2分析，交叉系數的顯著性結果表明公司債券市場的市場沖擊與尾部風險對股票市場均有影響。這是因為疫情暴發后，地方政府強制企業停工停產，公司生產經營一度停擺，融資、投資能力受到限制，導致上市公司資產價值受到很大影響。由于公司債券市場的投資者以成熟的機構投資者為主，股票市場的投資者以散戶為主，因此，當外部環境變化導致上市公司資產價值下降時，公司債券市場尾部風險更能反映金融市場的真實風險，其更容易將風險信號傳遞到金融市場;股票市場在散戶投機行為和羊群效應的影響下，極易對市場的風險信息產生過度反應，表現為公司債券市場尾部風險向股票市場溢出。而公司債券市場投資者更加理性，其尾部風險主要受利率、通貨膨脹率等宏觀經濟因素的影響，不易受股票市場尾部風險溢出的影響。

四、分位數脈沖響應分析

為進一步揭示市場沖擊對二者尾部風險的動態影響及尾部風險受到沖擊后的動態調整過程，運用分位數脈沖響應分析方法得出極端風險事件下股票市場與公司債券市場受到市場沖擊后100個交易日的脈沖響應曲線，如圖1所示。其中縱軸表示在95%的置信區間下1%VaR的變動情況。

（一）市場沖擊對股票市場和公司債券市場的動態影響

根據圖1（a）發現，股災期間，公司債券市場受到股票市場的沖擊時，其脈沖響應曲線的誤差帶始終包含零線，說明此時股票市場沖擊對公司債券市場尾部風險幾乎沒有影響。結合表2和表3分析，該階段公司債券市場的尾部風險主要受股票市場尾部風險溢出和自身市場沖擊的影響，但公司債券市場沖擊對股票市場有微弱影響。因為股災期間，股票市場投資者情緒比正常時期更加敏感[18]，而公司債券市場投資者更加成熟、理性，因此，該時期公司債券市場沖擊對股票市場尾部風險有影響，而股票市場沖擊對公司債券市場不存在影響。圖1（b）顯示，在公司債券違約潮期間，股票市場和公司債券市場尾部風險均會受到市場沖擊的影響，且脈沖響應曲線波動非常劇烈。因為在此期間，經濟面臨下行壓力，未來走向不明朗，大量公司債券被曝違約，公司發展不確定性增加，導致股票市場與公司債券市場對市場沖擊反應的不確定性增加，此時公司債券市場沖擊對股票市場尾部風險的影響更強烈。圖1（c）表明，新冠肺炎疫情期間，公司債券市場沖擊對股票市場尾部風險具有影響，而股票市場沖擊對公司債券市場尾部風險不存在顯著影響，公司債券市場在二者的尾部風險溢出中仍發揮主導作用，且公司債券市場對股票市場尾部風險的沖擊多數時候為負。這可能是因為當公司債券市場產生波動時，投資者會對上市公司的經營能力及發展前景持懷疑態度，從而減少持有該公司的股票，導致股票市場尾部風險增大。

整體來看，在受到相同的市場沖擊時，公司債券市場和股票市場風險價值變動趨勢非常相似，這進一步表明公司債券市場與股票市場之間存在聯動效應。同時，股票市場1%VaR變動的幅度在三個時期均大于公司債券市場，即公司債券市場的免疫力更強，這符合股票和公司債券的風險特征。在行為金融學中，股票價格與公司債券價格的變動不僅與公司基本面的變化有關，還與投資者的預期有關。根據過度反應理論，投資者在面臨損失和收益時的心理存在差異。我國股票市場投資者以散戶為主，非專業投資者占比較高，在市場“情緒”低迷時，投資者在從眾心理和過度自信心理的驅使下，容易產生過度交易行為，導致股票市場受到沖擊時的反應更強烈。

（二）股票市場與公司債券市場尾部風險的動態調整過程

脈沖響應曲線的收斂性表明，所有新信息的影響都不是永久的，表現為脈沖響應曲線逐漸收斂于0。股災期間，當股票市場受到來自公司債券市場的沖擊時，5個交易日后其影響便消除了90%以上。而在公司債券違約潮期間則需要18個交易日，此時，當公司債券市場受到來自股票市場的沖擊時，需要22個交易日才恢復至穩態水平，即該時期股票市場表現出了強于公司債券市場的恢復力。新冠肺炎疫情期間，公司債券市場沖擊對股票市場的影響在60個交易日后消除了90%以上。

三個時期股票市場和公司債券市場尾部風險的恢復程度存在差異。這是因為2015年股災爆發期間，“國家隊”直接持股行為在短期內抑制了股價暴跌，增強了市場信心，因此，市場在短期內便恢復到正常水平。公司債券違約潮期間，市場不確定性增加，央行共實行4次降準，但利率調整對市場信心的影響存在滯后效應，故股票市場和公司債券市場恢復至穩態水平所需的時間要長于股災期間。同時，因為股票市場發展程度更高，制度體系比公司債券市場更完善，市場中流動性更強，所以，在面臨市場沖擊時，其自我修復能力與調節能力都更強。而新冠肺炎疫情在我國雖然得到了較好的控制，但仍有反彈勢頭，所以樣本期內市場沖擊對股票市場和公司債券市場的影響未完全收斂至0值。gzslib202204011419

五、研究結論

根據極端風險事件的來源，分別對金融市場內部極端風險事件和外部極端風險事件下股票市場與公司債券市場尾部風險溢出的強度、方向及尾部風險受到市場沖擊時的動態過程進行研究。根據實證結果，發現股票市場與公司債券市場間的尾部風險溢出在極端風險事件下表現出不同的特征。第一，在金融市場內部極端風險事件下，股災期間僅存在股票市場對公司債券市場單向的尾部風險溢出，公司債券違約潮期間，股票市場和公司債券市場之間存在雙向的尾部風險溢出，且公司債券市場對股票市場的尾部風險溢出更強。在外部極端風險事件下，僅存在公司債券市場對股票市場單向的尾部風險溢出。第二，公司債券市場沖擊對股票市場尾部風險有影響，而股票市場沖擊僅在公司債券市場爆發極端風險時才會對公司債券市場產生顯著影響，且此時公司債券市場沖擊對股票市場尾部風險的影響更強。第三，股票市場受到沖擊時的恢復速度比公司債券市場更快。

基于以上結論，監管部門在關注極端風險事件下股票市場與公司債券市場間的尾部風險溢出效應時，應根據實際情況及時調整監管策略。首先，對于整個金融市場而言，監管部門在日常管理中要注重維持整個金融市場的穩定，培育成熟、穩健的投資者。通過引導投資者理性投資，提高股票市場面臨市場沖擊時的免疫力。同時，要加強公司債券市場相關制度建設，著力于公司債券市場與股票市場的協調發展，提高公司債券市場面對市場沖擊時的恢復力。其次，當子市場爆發極端風險時，既要重點防范爆發極端風險市場的信號釋放，規范子市場的發展，也要關注子市場的風險溢出對自身尾部風險的影響，將風險溢出控制在最低水平。最后，在關注金融市場本身風險的同時，也要對外部風險事件有所警惕。當金融體系外部爆發極端風險時，監管部門需重點關注公司債券市場釋放的風險信號，建立有效的風險預警和防控機制，充分發揮公司債券市場風險信號標的作用，有效控制公司債券市場對股票市場的尾部風險溢出，防范系統性金融風險。

參考文獻：

[1] 楊子暉， 陳雨恬， 張平淼. 股票與外匯市場尾部風險的跨市場傳染研究[J]. 管理科學學報， 2020， 23（8）： 54-77.

[2] Zhang J， Zhang D， Wang J， et al. Volatility spillovers between equity and bond markets： evidence from G7 and BRICS[J]. Romanian Journal of Economic Forecasting， 2013， 16（4）： 205-217.

[3] 陳學彬， 曾裕峰. 中美股票市場和債券市場聯動效應的比較研究——基于尾部風險溢出的視角[J]. 經濟管理， 2016， 38（7）： 1-13.

[4] 劉超， 徐君慧， 周文文. 中國金融市場的風險溢出效應研究——基于溢出指數和復雜網絡方法[J]. 系統工程理論與實踐， 2017， 37（4）： 831-842.

[5] Haesen D， Houweling P，Zundert J V. Momentum spillover from stocks to corporate bonds[J]. Journal of Banking & Finance， 2017， 79： 28-41.

[6] 張巖， 胡迪. 中國金融市場風險交互溢出效應分析——來自股災期間的新證據[J]. 金融論壇， 2017， 22（11）： 41-55.

[7] 侯縣平， 傅春燕， 林子梟， 等. 極端風險溢出效應的定量測度及非對稱性——來自中國股市與債市的經驗證據[J]. 管理評論， 2020， 32（9）： 55-67.

[8] 曾志堅， 張欣怡， 黃珊. 公司債市場是新常態下證券市場的風險信號標嗎？——基于公司債與股票市場間風險溢出的研究[J]. 財經理論與實踐， 2020， 41（1）： 41-47.

[9] Guo Y H， Li P， Li A H. Tail risk contagion between international financial markets during COVID-19 pandemic[J]. International Review of Financial Analysis， 2021， 73：1-10.

[10]袁薇， 王雙微， 王培輝. 我國金融市場極端風險傳染路徑研究[J]. 金融監管研究， 2021（3）： 80-91.

[11]Engle R F， Manganelli S. CAViaR： conditional autoregressive value at risk by regression quantiles[J]. Journal of Business & Economic Statistics， 2004， 22（4）： 367-381.

[12]Li D Y， Wang J H. Extreme quantile estimation for autoregressive models[J]. Journal of Business & Economic Statistics， 2017， 37（4）： 661-670.

[13]White H， Kim T H， Manganelli S. VAR for VaR： measuring tail dependence using multivariate regression quantiles[J]. Journal of Econometrics， 2015， 187（1）： 169-188.

[14]曾裕峰， 溫湖煒， 陳學彬. 股市互聯、尾部風險傳染與系統重要性市場——基于多元分位數回歸模型的分析[J]. 國際金融研究， 2017（9）： 86-96.gzslib202204011419

[15]吳永鋼， 趙航， 卜林. 中國金融體系內極端風險溢出關系研究[J]. 南開經濟研究， 2019， 35（5）： 98-121.

[16]劉玚， 李政， 劉浩杰. 中國金融市場間極端風險溢出的監測預警研究——基于MVMQ-CAViaR方法的實現[J]. 經濟與管理研究， 2020， 41（2）： 19-29.

[17]Aboody D， Hughes J S， Ozel N B. Corporate bond returns and the financial crisis[J]. Journal of Banking & Finance， 2014， 40： 42-53.

[18]謝赤， 莫廷程， 李可隆. 重大突發事件背景下金融行業間極端風險相依和風險溢出研究[J]. 財經理論與實踐， 2021， 42（3）： 2-10.

（責任編輯：鐘 瑤）

Risk Spillover between Stock Market and Corporate Bond

Market under Extreme Risk Events： Based on MVMQ-CAViaR Model

ZENG Zhijian1，WANG Yongjuan1，CHEN Jiao2

（1.Business School，Hunan University，Changsha，Hunan 410082，China;

（2.College of Economics and Management， Changsha University， Changsha， Hunan 410022， China）

Abstract：By combining internal and external extreme risk events in financial markets， the MVMQ-CAViaR model is constructed to test the tail risk spillover between the stock market and the corporate bond market. The results show that， under the internal extreme risk events in financial markets， there is only a unidirectional tail risk spillover from the stock market to the corporate bond market during the stock market crash， and a bidirectional tail risk spillover between the stock market and the corporate bond market during a tide of corporate bond defaults， with a stronger tail risk spillover from the corporate bond market to the stock market. Under external extreme risk events， there is only a tail risk spillover from the corporate bond market to the stock market. When hit by a market shock， the stock market reacts more strongly， but it recovers more quickly than the corporate bond market.

Key words：stock market; corporate bond market; extreme risk events; tail risk; risk spillover

收稿日期： 2021-08-23

基金項目：? 國家社會科學基金項目（19BTJ018）