第一节 R-Vine-copula 模型 .................................... 53
第二节 R-Vine-copula 模型构建 .......................... 54
第五章全球股票市场相关性及风险传递路径研究
第一节R-Vine-copula模型
Copula函数是由Sklar[51]提出，Sklar指出，由多个变量构成的联合分布可以分解为k个边缘分布和一个Copula函数，这个Copula函数可以描述出各变量之间的非线性相关性。为了测量各变量之间的非线性相依结构，在实际研究中经常使用各变量的边缘分布来代表各自的风险，再由不同的Copula函数连接形成整体的联合分布，从而反映整体风险。但是在分析多维分布时，采用多变量Copula模型容易导致“维数灾难”。而Bedford和Cooke提出的Vine-Copula模型很好的解决了这个问题[52]。Vine-Copula模型由树、边、节点三部分组成。由n个变量组成的Vine-Copula模型中包含有n-1层的树，每层树又都由各变量节点以及节点的连边组成，每一个边代表两节点间的一种Copula函数，每个节点代表这系统中的一个变量。学者们目前共提了C藤、D藤、R藤三种Vine-Copula模型，C藤模型是指在Vine-Copula模型中每层树中只含有一个中心节点，由中心节点向其他节点发散形成树；
第六章结论与建议
第一节结论
本文选用中国大陆、中国香港、美国、英国、德国、法国、加拿大、澳大利亚、瑞士、日本、韩国、巴西、俄罗斯、印度14个股票市场指数作为研究对象，采用数据为2002年1月1日至2021年12月30日。使用溢出指数方法从时域、频域两个角度分别考察了全球股市之间的收益率、波动率溢出效应，并结合网络分析方法研究了在不同时期各国家股票市场之间溢出关系，以及各国股市在全球股市中所处的位置。进一步通过Vine Copula模型对各国股指数据进行了相关性分析。主要得出以下结论：
第一，通过静态溢出分析发现，全球主要国家股市系统的收益率溢出指数为70.3%，波动率的溢出指数为68.1%，即全球股票市场收益率和波动率的变化很大程度上可以由各国家之间的相互影响来解释，且各国股市收益率层面的溢出效应更加明显。收益溢出最高的国家依次是法国、德国、英国、美国，波动溢出最高的国家依次是美国、英国、加拿大、巴西。中国大陆股市收益溢出、波动溢出均处于较低水平，通过溢出矩阵中对角线元素可以看出中国大陆股市收益率与波动率受自身过去影响程度最高。收益溢出与波动溢出都具有非对称性，即各国家股市受到其他市场带来的溢出与对其他市场造成的溢出不相同，欧美国家表现为溢出指数净输出国，亚太地区表现为溢出指数净输入国。
第二，动态溢出分析发现，在样本区间内收益溢出在50%-95%之间波动，波动溢出在30%-90%之间波动，均处于较高水平。波动溢出指数变化幅度要大于收益溢出指数，即波动溢出的传染更为剧烈，且在危机事件来临时，全球股票市场内的波动溢出效应传递更为迅速。总体来看两种溢出指数均呈现出上升趋势，各国股市之间的溢出程度逐渐加深。突发事件的爆发均会增强各国股市间的溢出程度，带来影响从大到小分别为新冠疫情、金融危机、欧洲主权债务、中美贸易战。不同时期的溢出网络表明中国大陆股市风险大部分由香港股市所传播，即在大多时期世界股市的动荡通过香港股市进一步传递至中国大陆股市。
参考文献（略）
