本文是一篇金融学论文，文章首先选择了能够代表该区域流动性整体风险水平的指标，在样本期内该指标值的变动情况反映了全球疫情冲击极大提高了该区域整体流动性风险水平值，甚至反映了中国在2022年上海疫情影响及俄乌战争引起的世界能源、食品、金融市场波动影响。
第一章 导论
1.1研究背景与研究意义
1.1.1研究背景
贸易、投资先行，金融跟进。自2020年以来，东盟已经连续三年超过欧盟成为中国第一大贸易伙伴。2021年中国对东盟的直接投资（FDI）接近200亿美元，中国成为东盟第三大FDI来源国。2022年1月1日，RCEP协定的正式生效将双方的贸易、投资合作上升到了一个新水平，RCEP协定也给我国与东盟国家加强金融合作提供了一个新机遇。但是，要保证双方投资贸易的稳定，其中一个重要的条件是建立中国-东盟之间有效的金融合作安全系统。RCEP《金融条款》在增进各方金融交流合作的同时也提高了金融风险的共震效应。1998年东南亚金融危机中，中国与东南亚国家“同风雨”、“共患难”，证明了中国在解决重大区域金融系统性事件中的大国担当与卓越水平。2023年10月30日召开的中央金融工作会议首次提出了“金融强国”的战略目标，在随后召开的多次高级别会议中这一目标的战略地位不断升级，这一战略目标明确指出我国的国际金融地位对于掌握大国博弈的主动权十分重要。由于地缘地理临近及经济上的互补性，东盟国家一直是我国参与国际金融活动的重要合作伙伴，因此我国的“金融强国”战略中中国与东盟的金融关系是重要的工作任务点。在2020年至2023年期间中国与东盟国家的经济社会遭遇了疫情的强烈冲击，整体经济环境急剧恶化，很多经济个体产生严重的流动性问题。在中国-东盟之间建立有效的金融安全系统不仅是为双方的经贸合作保驾护航，一个安全、高效的中国-东盟金融合作系统还将吸引国际上更多的国家与地区加入到以人民币国际化为主线的新金融体系中。
1.2 研究思路与框架
1.2.1研究思路
文章围绕最新的中国—东盟区域流动性风险问题，以该区域2018—2023年5年间流动性风险状况为研究样本开展实证研究：
首先对区域与全球性金融风险主题的文献进行分析总结，再对Copula类模型在经济金融问题上的应用现状进行归纳并指出待完善之处。在此基础上提出构建新模型的思路与具体建模过程。接下来便是应用新模型对该区域的流动性风险问题进行实证研究，第一步要对流动性风险指标进行选择构建，该流动性风险指标要能够尽量客观、全面、及时地反映一个国家或区域的整体流动性风险状况，文章选择能够代表货币市场价格的银行间隔夜拆借利率作为构建流动性风险指标的原始数据源，其在主流的三个层次流动性分类中起到中介作用。在处理好流动性风险数据后，便应用R-Vine-GAS-Copula模型来对中国—东盟区域内各国流动性风险进行测度与VaR 模拟。然后按主要事件发生时间段将5年时间分为三个小时间段来做该区域流动性风险溢出机制的实证分析，将建模结果结合政治、经济、金融事实进行合理的解读，以总结研究成果与验证建模的合理性。最后是结合研究结果与最新的该区域金融发展趋势对该区域金融合作与风险防控体系的建设提出合理的建议，还对提出的动态R-Vine-GAS-Copula模型及算法程序进行批判性的展望。
文章章节的内容顺序安排如下：
第一章为导论。阐述文章的研究背景、理论与现实意义以及创新点。 第二章为文献综述。介绍Copula类理论模型在金融风险研究中的应用、区域全球性金融风险研究、中国—东盟金融风险研究等文献。 第三章主要介绍动态R-Vine-GAS-Copula模型的构造，包括相关模型理论的介绍、新模型的创新点、新模型的建模过程与新模型算法的应用展望等。 第四章为中国—东盟区域流动性风险实证研究，首先对影响风险的主要因素做出机理分析与假设。接下来确定指标数据，再应用构造的新模型研究溢出效应的状况并根据相关事件来研究溢出效应变化的具体现实原因。 第五章为研究总结并针对构建中国—东盟区域金融安全网提出四个建议。
第二章 文献综述与相关理论介绍
2.1 文献综述
2.1.1 Copula类模型应用研究
Copula类模型在刻画数据尾部联系与多变量联动性方面具有良好的特性，所以Copula模型适用于研究金融群体间的联动关系。自从Embrechts et al(1999) [6]首先将Copula模型应用于金融问题的研究中，至今Copula类模型已经在金融问题的应用研究上获得了较多成果。例如，Patton (2006) [7]研究了德国马克和日元之间的非对称相依关系，以美元作为条件变量来构造条件Copula模型来考察它们的条件相依结构，在美元贬值时它们之间的相依性更为紧密。Naeem和Karim(2021)[8]使用时变Copula研究了比特币与绿色金融资产之间的依赖关系，发现绿色金融资产对于比特币具有套期保值的作用；Chen et al(2023)[9 ]使用Copula-VAR-BEKK-GARH-X模型研究了波罗的海干旱指数（BDI）与大宗原材料价格之间的关系，发现疫情期间他们之间的联动性相对增强；Lau et al(2023)[10]研究了金砖五国的碳排放价格、原油价格、天然气价格和地缘政治风险的所有分布分位数的短期、中期和长期依赖结构，基于变分模式分解的Copula方法发现了有利于对冲和投资组合风险分散的相依规律。De Luca et al(2019)[11 ] 基于Copula的三阶段估计技术来描述金融多时间序列之间的序列和截面非线性依赖关系,在使用摩根士丹利资本国际世界部门指数数据进行建模后发现，该方法相对于向量自回归模型具有更好的性能。 Copula理论模型应用于流动性风险溢出的研究也有了一定的成果。例如，Karimalis和Nomikos(2018) [12]提出了Copula CoVaR方法并研究了系统性金融风险的促成因素，他们的研究发现了2007年夏季金融危机爆发时流动性风险的重要影响。Copula理论方法还被应用于新冠疫情冲击下10个亚洲国家与4个美洲国家存在金融流动性风险溢出现象的研究 [13]。针对亚洲银行在1945年至2008年间22次银行危机，Mensah和Premaratne (2017)[14 ] 研究发现了强大的流动性和资本缓冲是面对全球性金融危机的最好盾牌，同时他们还运用Copula理论方法研究发现亚洲发达市场的银行部门之间的依赖程度相对高于新兴市场。
2.2文献评述
2.2.1 模型应用
目前在涉及多个经济体之间的金融风险传染问题研究的文献中，除了应用成熟的静态R-Vine-Copula模型的论文，其他构建动态Vine-Copula模型的论文皆使用C-Vine与D-Vine模型结构来构造且大部分以ARMA类模型来实现模型的动态化，而GAS(Generalized Autoregressive Score)模型补足了ARMA类模型的部分不足。C-Vine与D-Vine结构分别假定变量之间的联动分布是中心放射状与完全平行状，而R-Vine结构没有类似的分布规定要求，因而R-Vine结构往往更能够刻画变量之间的真实联动关系、体现客观的经济社会自然规律，这一差异在研究中当变量较多时将更加明显。为了克服以上现有同类模型的不足，文章构造了动态R-Vine-GAS-Copula模型。为了检验文章构造的新模型的建模性能，文章结合构造的动态R-Vine-GAS-Copula模型与相关流动性风险数据对中国—东盟区域流动性风险进行测度，还使用现有的该类动态模型进行建模对比，以体现文章构造的新模型的优点。
2.2.2流动性风险溢出效应
目前金融风险溢出效应的研究文献关注点主要为世界重要经济体对其他国家的溢出问题，新兴市场国家一方面依赖于世界或者本区域重要经济体，另一方面由于经济金融体量相对较小以及尚待发展的金融市场降低了对这类国家间的金融风险问题的关注度。在东南亚区域，以越南为代表的发展中国家社会稳定、经济飞速发展，经济体量的迅速增长使得区域内各国间的贸易活动日渐繁荣。自2020年后，东盟已经超过欧盟连续三年成为中国第一大贸易伙伴。贸易活动促进了双方间的金融联系，新形势下该区域的金融风险问题需要更多的关注。已有研究中国—东盟区域金融风险的文献多基于疫情前一带一路政策视角，研究样本也均为只能代表单一资本市场风险状况的股市或者外汇市场。但是对于RCEP协议生效后，能够反映中国—东盟区域流动性风险整体状况的研究很少且缺乏实证研究，因此，文章基于2018~2023年最新形势下的中国—东盟区域内各国流动性数据来对该区域的流动性风险及其溢出效应进行研究。
第三章 流动性风险理论分析与研究假设 ..................... 15
3.1 风险溢出模式 .............................. 15
3.2 疫情冲击的作用机制 ............... 16
3.3 RCEP协议的直接间接影响 ............................. 19
第四章 动态流动性风险测度模型的构建与参数估计 ........................ 21
4.1 相关理论模型介绍 ....................... 21
4.1.1 Copula 基础理论 ........................ 21
4.1.2 Vine-Copula 基础理论 ................................. 22
第五章 中国—东盟区域流动性风险实证研究 .................................... 31
5.1 指标确定与数据来源
