基于CoVaR模型剖析内地与香港股市风险溢出的动态关联

基于CoVaR模型剖析内地与香港股市风险溢出的动态关联一、引言1.1研究背景与意义在经济全球化和金融一体化的大背景下，全球金融市场之间的联系日益紧密，风险传导和溢出效应也愈发显著。股票市场作为金融市场的重要组成部分，其风险的传播和扩散不仅会对投资者的资产配置和收益产生影响，还可能威胁到金融市场的稳定和经济的健康发展。中国内地股市和香港股市作为中国金融市场的两大重要板块，在经济联系、政策制度以及投资者结构等方面存在着千丝万缕的联系，研究二者之间的风险溢出效应具有重要的现实意义和理论价值。内地股市经过多年的发展，已经成为全球重要的股票市场之一。截至2023年底，内地股市上市公司数量超过5000家，总市值超过80万亿元人民币，涵盖了众多行业和领域。随着资本市场改革的不断推进，如注册制的逐步实施、互联互通机制的深化等，内地股市的市场化、法治化和国际化水平不断提升，吸引了越来越多的国内外投资者参与。然而，内地股市在发展过程中也面临着一些问题和挑战，如市场波动较大、信息披露质量有待提高、投资者结构不够合理等，这些因素都可能导致风险的积累和传播。香港作为国际金融中心之一，其股票市场具有高度的开放性、国际化和成熟度。香港股市拥有完善的法律法规和监管体系，吸引了来自全球各地的企业上市，形成了多元化的市场结构。香港股市的交易品种丰富，包括股票、权证、牛熊证、ETF等，为投资者提供了多样化的投资选择。同时，香港股市与国际金融市场紧密相连，对全球经济和金融形势的变化反应敏感。近年来，随着沪深港通等互联互通机制的开通，香港股市与内地股市的联系更加紧密，资金和信息的流动更加频繁。内地股市与香港股市之间存在着密切的联系。一方面，许多内地企业选择在香港上市，形成了H股板块，这些企业在两地市场的表现相互影响。截至2023年底，在香港上市的内地企业数量超过1200家，市值占香港股市总市值的比重超过70%。另一方面，沪深港通机制的实施，使得内地和香港的投资者可以相互投资对方市场的股票，进一步加强了两地股市的联动性。2023年，沪深港通的日均成交额超过1000亿元人民币，成为两地股市资金流动的重要渠道。在这种背景下，研究内地股市与香港股市之间的风险溢出效应显得尤为重要。从投资者的角度来看，了解两地股市之间的风险溢出关系有助于投资者优化资产配置，降低投资风险。投资者可以根据风险溢出的方向和强度，合理调整投资组合中内地股市和香港股市的资产比例，提高投资收益的稳定性。对于机构投资者而言，如基金公司、保险公司等，准确把握风险溢出效应可以更好地进行风险管理和风险控制，避免因市场风险的传播而导致重大损失。从金融监管的角度来看，研究风险溢出效应有助于监管部门加强对跨市场风险的监测和管理，维护金融市场的稳定。随着内地股市与香港股市的联系日益紧密，风险在两地市场之间的传播速度加快，影响范围扩大。监管部门需要及时了解风险溢出的情况，制定相应的监管政策和措施，防范系统性金融风险的发生。通过对风险溢出效应的研究，监管部门可以加强对跨境资金流动的监管，规范市场参与者的行为，提高金融市场的抗风险能力。从市场稳定的角度来看，研究内地股市与香港股市之间的风险溢出效应可以为政策制定者提供参考，促进两地股市的协调发展。政策制定者可以根据风险溢出的特征和规律，制定有利于市场稳定和发展的政策，如加强信息共享、优化交易制度、完善投资者保护机制等。这些政策的实施可以增强市场的信心，提高市场的效率，促进两地股市的健康发展。综上所述，基于CoVaR模型对内地股市与香港股市之间的风险溢出进行分析，对于投资者、金融监管部门和政策制定者都具有重要的意义。通过深入研究风险溢出效应，有助于各方更好地理解两地股市之间的关系，采取有效的措施应对风险，实现金融市场的稳定和发展。1.2研究目的与创新点本研究旨在运用CoVaR模型，深入剖析内地股市与香港股市之间的风险溢出效应，具体目的如下：一是精准度量风险溢出程度，通过CoVaR模型，定量计算内地股市处于极端风险状态时对香港股市产生的风险溢出水平，以及香港股市极端风险对内地股市的影响程度，明确不同市场条件下风险溢出的具体数值，为风险评估提供量化依据。二是全面揭示风险溢出规律，探究内地股市与香港股市之间风险溢出的方向、时变特征以及在不同市场行情（牛市、熊市、震荡市）下的表现差异，分析风险溢出在时间序列上的动态变化，找出风险溢出的潜在规律，为投资者和监管者把握市场风险动态提供参考。三是深入分析影响因素，从宏观经济因素（如经济增长、利率、汇率等）、政策因素（如金融监管政策、互联互通政策等）、市场微观结构因素（如投资者结构、交易机制等）等多个维度，探讨影响内地股市与香港股市风险溢出效应的关键因素，为制定针对性的风险防控措施提供理论支持。本研究的创新点主要体现在以下几个方面：一是在模型运用上进行改进，传统的CoVaR模型在处理复杂金融市场关系时存在一定局限性，本研究将尝试引入时变参数或结合其他先进的计量方法，如GARCH-CoVaR模型、Copula-CoVaR模型等，以更好地捕捉内地股市与香港股市之间的非线性、时变风险溢出关系，提高模型的拟合优度和预测精度。二是进行多因素综合分析，以往研究大多侧重于单一因素对风险溢出的影响，本研究将综合考虑宏观经济、政策、市场微观结构等多方面因素，构建全面的影响因素分析框架，运用多元回归、中介效应检验等方法，深入探究各因素对风险溢出效应的直接和间接影响，以及因素之间的交互作用，为风险溢出的研究提供更丰富、更深入的视角。三是结合最新市场动态，随着金融市场的不断发展和创新，内地股市与香港股市之间的联系和风险溢出机制也在不断变化，本研究将紧密跟踪沪深港通机制的优化、新的金融产品推出、宏观经济形势的最新变化等市场动态，及时调整研究内容和方法，确保研究结论具有时效性和现实指导意义。1.3研究方法与技术路线本研究的数据主要来源于权威金融数据提供商，如Wind数据库、同花顺iFind金融数据终端等。选取内地股市具有代表性的沪深300指数和香港股市的恒生指数作为研究对象，样本区间为[起始时间]-[结束时间]，涵盖了多个完整的市场周期，包括牛市、熊市和震荡市，以确保研究结果的全面性和可靠性。数据频率为日度数据，包括每日的开盘价、收盘价、最高价、最低价等，通过对这些基础数据的处理和计算，得到股票指数的收益率序列，作为后续分析的基础数据。在研究方法上，运用CoVaR模型来度量内地股市与香港股市之间的风险溢出效应。CoVaR模型，即条件风险价值模型，是在风险价值（VaR）的基础上发展而来，它能够衡量当一个市场处于极端风险状态时，对另一个市场产生的风险溢出水平。具体而言，对于两个市场i和j，CoVaR_{j|i,q}表示在市场i处于q分位数的风险水平（即VaR_{i,q}）时，市场j所面临的风险价值。通过计算CoVaR_{j|i,q}以及风险溢出效应\DeltaCoVaR_{j|i,q}=CoVaR_{j|i,q}-VaR_{j,q}，可以定量地分析内地股市与香港股市之间风险溢出的程度和方向。为了估计CoVaR模型的参数，采用分位数回归方法。分位数回归能够更全面地捕捉变量之间的关系，尤其是在尾部风险的刻画上具有优势。它可以估计不同分位数下的回归系数，从而得到不同风险水平下内地股市与香港股市之间的关系。在分位数回归中，设定合适的分位数q（如q=0.01、0.05等），以反映极端风险情况。同时，为了考虑金融时间序列的异方差性和波动性聚集特征，引入GARCH族模型对收益率序列进行预处理，使模型能够更好地拟合数据的实际特征，提高CoVaR模型估计的准确性。本研究的技术路线如下：首先，对收集到的内地股市沪深300指数和香港股市恒生指数的日度数据进行清洗和预处理，计算收益率序列，并检验数据的基本统计特征，如均值、标准差、偏度、峰度等，判断数据是否符合正态分布，以及是否存在异方差性和自相关性等问题。接着，运用GARCH族模型对收益率序列进行建模，估计条件方差，消除异方差性，得到标准化的残差序列。然后，基于标准化残差序列，采用分位数回归方法估计CoVaR模型的参数，计算内地股市对香港股市以及香港股市对内地股市的CoVaR值和\DeltaCoVaR值，度量风险溢出效应。进一步，对风险溢出效应进行动态分析，通过滚动窗口估计等方法，研究风险溢出在时间序列上的变化趋势，以及在不同市场行情下的表现差异。从宏观经济、政策、市场微观结构等多个维度选取影响因素变量，运用多元回归等方法，分析各因素对风险溢出效应的影响，探究风险溢出的内在机制。最后，根据研究结果，提出针对性的风险管理建议和政策启示，为投资者和监管部门提供决策参考。二、理论基础与文献综述2.1风险溢出效应理论风险溢出效应，指的是在金融市场中，一个市场或金融机构所面临的风险，通过各种复杂的传导机制，突破自身范围，扩散至其他相关市场或金融机构的现象。这种效应并非孤立存在，而是金融市场紧密关联性的具体体现。随着金融全球化和一体化进程的加速，金融市场之间的联系日益紧密，资金、信息和投资者行为在不同市场间快速流动，为风险溢出创造了条件。风险溢出效应背后有着复杂的原理。从金融市场的联动性角度来看，不同金融市场之间存在着千丝万缕的联系。当一个市场发生波动时，会通过资产价格、投资者预期、资金流动等渠道影响其他市场。例如，股票市场与债券市场之间存在着资产配置替代关系，当股票市场表现不佳时，投资者可能会减少股票投资，转而增加债券投资，从而导致债券市场资金流入增加，价格上升，反之亦然。这种资产价格的相互影响使得风险在不同市场间传导。在经济全球化背景下，国际贸易和国际投资活动频繁，各国经济相互依存度不断提高。一个国家的经济衰退或金融市场动荡，可能会通过贸易渠道影响其他国家的出口和经济增长，进而引发其他国家金融市场的波动。2008年美国次贷危机引发的全球金融危机，就是通过国际贸易和金融市场的联动，迅速蔓延至全球，导致多个国家的金融市场遭受重创。影响风险溢出效应的因素众多，宏观经济因素在其中起着关键作用。经济增长、通货膨胀、利率、汇率等宏观经济变量的变化，会对金融市场产生深远影响，进而影响风险溢出的程度和方向。当经济增长放缓时，企业盈利能力下降，股票市场可能面临下跌压力，同时债券市场的违约风险也可能增加，这种风险会在不同金融市场间传导。利率的变动会影响资金的流向和成本，当利率上升时，债券价格下降，股票市场的资金成本上升，可能导致股市下跌，风险从债券市场溢出到股票市场。政策因素也不容忽视。金融监管政策、货币政策、财政政策等的调整，会直接或间接地影响金融市场参与者的行为和市场预期，从而对风险溢出产生影响。宽松的货币政策会增加市场流动性，降低利率，刺激股票市场和房地产市场上涨，但也可能引发资产泡沫，增加金融市场的不稳定因素，一旦市场预期发生变化，风险就可能迅速溢出。金融监管政策的变化，如对金融机构资本充足率、杠杆率等要求的调整，会影响金融机构的风险承担能力和经营行为，进而影响风险在金融体系内的传导。市场微观结构因素同样对风险溢出有着重要影响。投资者结构、交易机制、信息披露等市场微观层面的因素，会影响市场的流动性、波动性和信息传递效率，从而影响风险溢出效应。在一个以个人投资者为主的市场中，投资者的非理性行为可能导致市场波动加剧，风险更容易溢出。而在以机构投资者为主的市场中，机构投资者的专业分析和理性投资行为，可能会降低市场的波动性，减少风险溢出的可能性。交易机制的差异，如T+0交易和T+1交易、涨跌幅限制等，会影响市场的交易活跃度和价格发现效率，进而影响风险的传播速度和范围。信息披露的及时性和准确性，对于投资者的决策和市场预期的形成至关重要，信息不对称会加剧市场的不确定性，增加风险溢出的风险。风险溢出效应对于金融市场稳定性有着深远的影响。从金融机构的角度来看，一家金融机构出现风险事件，可能会引发其他金融机构的连锁反应，导致整个金融体系的不稳定。银行的信用风险可能会通过同业拆借、资产证券化等业务，传播到其他银行和金融机构，引发系统性金融风险。从市场层面来看，风险溢出会加剧市场的波动性，降低市场的流动性，破坏市场的正常运行秩序。股票市场的风险溢出可能导致投资者恐慌性抛售，市场交易量大幅下降，股价暴跌，严重影响市场的融资功能和资源配置效率。从宏观经济的角度来看，金融市场的不稳定会通过投资、消费等渠道传导至实体经济，影响经济增长和就业，甚至引发经济衰退。2008年全球金融危机导致全球经济陷入衰退，大量企业倒闭，失业率大幅上升，给全球经济带来了巨大的损失。因此，深入研究风险溢出效应，对于维护金融市场的稳定和经济的健康发展具有重要意义。2.2CoVaR模型原理与应用CoVaR模型，即条件风险价值（ConditionalValueatRisk）模型，由Adrian和Brunnermeier于2009年提出，是一种用于度量金融市场风险溢出效应的重要工具。该模型在风险价值（VaR）的基础上发展而来，VaR主要衡量在一定置信水平下，某一金融资产或投资组合在未来特定时期内可能遭受的最大损失，但它仅考虑了单一资产或市场自身的风险状况，无法捕捉不同市场或资产之间的风险关联和溢出效应。而CoVaR则弥补了这一缺陷，它能够衡量当一个市场或金融机构处于极端风险状态时，对其他相关市场或机构产生的风险溢出水平。从原理上讲，对于两个金融市场或资产i和j，CoVaR_{j|i,q}表示在市场i处于q分位数的风险水平（即VaR_{i,q}）时，市场j所面临的风险价值。数学表达式为：P(r_j\leqCoVaR_{j|i,q}|r_i=VaR_{i,q})=q，其中r_i和r_j分别表示市场i和市场j的收益率。例如，当q=0.05时，意味着在市场i处于5%分位数的极端损失状态下，市场j有5%的概率遭受等于或超过CoVaR_{j|i,0.05}的损失。这一指标量化了市场i的极端风险对市场j的溢出程度，使得研究者能够更直观地了解不同市场之间的风险传导关系。在计算方法上，常用的有分位数回归法、Copula函数法和DCC-GARCH模型法等。分位数回归法是基于金融数据往往呈现“尖峰厚尾”分布，传统线性回归基于均值估计无法准确反映总体分布各部分关系的问题而产生。分位数回归根据变量的不同分位数进行回归，将基于均值相关性的模型扩展至关注尾部相关性，特别适用于金融风险测度，且对分布假设要求不高，估计量不易受异常值影响，参数估计结果更有效、稳健。根据CoVaR的定义，通过设定置信水平，利用回归技术可得到线性关联关系下金融机构i风险价值对应的系统性风险价值。如对于两个市场收益率序列r_i和r_j，建立分位数回归模型r_{j,t}=\alpha_q+\beta_qr_{i,t}+\epsilon_{j,t}，在给定分位数q下估计参数\alpha_q和\beta_q，进而计算CoVaR_{j|i,q}。Copula函数法则通过构建Copula函数来刻画变量之间的相依结构，能够捕捉变量间的非线性、非对称相关关系，有效解决金融数据的“尖峰厚尾”和相关性复杂等问题。首先对各市场收益率序列进行边缘分布建模，然后选择合适的Copula函数来描述它们之间的相关结构，最后根据Copula函数和边缘分布计算CoVaR。DCC-GARCH模型则是结合动态条件相关（DCC）模型和广义自回归条件异方差（GARCH）模型，用于处理金融时间序列的时变波动性和动态相关性。该模型先利用GARCH模型估计各市场收益率的条件方差，再通过DCC模型估计动态条件相关系数，从而得到时变的协方差矩阵，进而计算CoVaR。在金融市场风险测度中，CoVaR模型具有显著的应用优势。它能够更全面、准确地评估金融市场间的风险溢出效应，为投资者和监管者提供更丰富的风险信息。投资者可以依据CoVaR的计算结果，了解不同资产或市场之间的风险关联，优化投资组合，降低投资风险。若通过CoVaR分析发现内地股市和香港股市在极端情况下存在较强的风险溢出效应，投资者在构建跨市场投资组合时，就需要更加谨慎地调整两地股市资产的配置比例，避免因风险溢出导致投资组合遭受重大损失。对于监管者而言，CoVaR模型有助于加强对系统性金融风险的监测和管理。通过监测不同金融市场之间的CoVaR值，监管者可以及时发现潜在的风险传导路径和风险热点，制定相应的监管政策和措施，防范系统性金融风险的发生。当发现某一市场对其他多个市场的风险溢出值显著增加时，监管者可以及时采取措施，如加强市场监管、提高风险准备金要求等，以降低风险传播的可能性，维护金融市场的稳定。CoVaR模型还能够适应金融市场的动态变化，通过不断更新数据和调整模型参数，及时反映市场风险状况的变化，为风险管理提供实时有效的支持。2.3内地与香港股市相关性及风险溢出研究综述内地与香港股市的相关性及风险溢出问题一直是金融领域的研究热点，众多学者从不同角度、运用多种方法进行了深入探讨。在相关性研究方面，早期研究多聚焦于两地股市整体走势的关联。郭立伟和韩兆洲采用时变相关Copula模型对沪港两市收益率的动态相关性进行研究，发现两地股市收益率的相关性存在逐步增强的趋势。随着研究的深入，学者开始关注不同市场条件下相关性的变化。刘文琼和王莹以2014年11月17日沪港通开启日为分界点，基于GARCH-Copula模型研究发现，沪港通加强了两市的相关性，增强了两市的下尾相关性，减弱了两市的上尾相关性，使得两市更容易出现“同跌不同涨”的特点，但未改变下尾相关性强于上尾相关性的特性。还有研究从行业板块角度分析相关性，如对内地和香港金融板块间的联动性研究发现，道琼斯600中国金融行业指数和恒生H股金融指数之间存在协整关系，在一至四期的滞后期内，恒生H股金融指数对道琼斯600金融指数波动产生引导作用。关于风险溢出的研究，学者们运用多种模型进行测度。Adrian和Brunnermeier提出的CoVaR模型被广泛应用于度量内地与香港股市之间的风险溢出效应。谢福座采用分位数回归法计算CoVaR，对金融市场风险溢出进行研究，为内地与香港股市风险溢出的量化分析提供了方法借鉴。严伟祥和徐玉华运用GARCH-CoVaR模型研究金融市场风险溢出，考虑了金融时间序列的异方差性和波动性聚集特征，使风险测度更符合市场实际情况。一些学者还通过构建Copula-CoVaR模型来捕捉变量间的非线性、非对称相关关系，更精准地刻画内地与香港股市之间的风险溢出。如Mainik和schaanning用Copula函数计算广义CoVaR，实证表明该方法能更好地刻画风险溢出的方向和强度。尽管已有研究取得了丰硕成果，但仍存在一些不足。在模型应用上，传统模型在捕捉复杂金融市场关系时存在局限性，对内地与香港股市之间非线性、时变风险溢出关系的刻画不够准确。在影响因素分析方面，大多研究侧重于单一因素对风险溢出的影响，缺乏对宏观经济、政策、市场微观结构等多方面因素的综合考量，未能全面深入探究各因素对风险溢出效应的直接和间接影响以及因素之间的交互作用。在研究的时效性上，随着金融市场的快速发展和创新，如沪深港通机制的不断优化、新金融产品的推出等，市场动态变化对内地与香港股市风险溢出机制的影响未能及时在研究中充分体现，导致部分研究结论的现实指导意义受限。三、内地与香港股市发展现状及关联性分析3.1内地股市发展现状内地股市经过多年的发展，已在全球金融市场中占据重要地位，在规模、结构、政策环境及市场波动等方面呈现出显著特点。在规模上，内地股市不断壮大。截至2023年底，上市公司数量突破5000家大关，较十年前增长超过一倍。总市值方面，超过80万亿元人民币，成为全球市值规模名列前茅的股票市场之一。以沪深300指数为例，其成分股涵盖了金融、能源、消费、科技等多个重要行业的龙头企业，总市值占内地股市总市值的相当大比重，反映了内地股市在经济体系中的重要支撑作用。市场的扩容不仅为企业提供了更多的融资渠道，也为投资者创造了更丰富的投资选择，促进了资本的高效配置。内地股市的结构逐渐优化，行业分布更加多元化。早期，内地股市以传统工业、金融等行业为主导。随着经济结构的转型升级，新兴产业如新能源、半导体、生物医药等在股市中的占比逐步提升。创业板和科创板的设立，为科技创新型企业提供了上市融资的平台，推动了高新技术产业的发展。截至2023年底，创业板上市公司中，战略性新兴产业企业占比超过70%，科创板更是聚焦于集成电路、人工智能、生物医药等关键领域，这些板块的崛起改变了内地股市的行业结构，使其更具活力和创新性。政策环境对内地股市的发展起到了关键的引导和支持作用。近年来，一系列资本市场改革政策陆续出台。注册制的逐步实施是改革的重要举措，它简化了企业上市流程，提高了市场的包容性，使得更多优质企业能够进入资本市场。自注册制推行以来，新上市公司数量明显增加，企业上市周期大幅缩短。监管部门不断加强对信息披露的监管，提高上市公司信息披露的质量和透明度，保护投资者的合法权益。对内幕交易、操纵市场等违法违规行为的严厉打击，维护了市场的公平公正，增强了投资者对市场的信心。内地股市在近年来呈现出一定的波动性。受到国内外宏观经济形势、政策调整、国际地缘政治等多种因素的影响，股市指数波动较为明显。2020年初，受新冠疫情爆发影响，内地股市大幅下跌，上证指数在短时间内跌幅超过10%。随着国内疫情得到有效控制，政府出台一系列经济刺激政策，股市迅速反弹，全年呈现出先抑后扬的走势。2022年，由于全球经济增长放缓、美联储加息等因素，内地股市再次面临较大压力，市场整体处于震荡调整阶段。这种波动性反映了内地股市对宏观经济和国际形势变化的敏感性，也给投资者带来了机遇与挑战，促使投资者更加注重风险管理和资产配置。3.2香港股市发展现状香港股市以其高度的国际化、独特的市场特点、标志性指数表现以及面临的复杂挑战，在全球金融格局中占据着举足轻重的地位。香港作为国际金融中心，其股市的国际化程度极高。截至2023年底，在香港联合交易所上市的企业来自全球多个国家和地区，其中内地企业在香港上市的数量超过1200家，市值占比超过70%。这些企业涵盖了金融、能源、科技、消费等多个行业，如腾讯、阿里巴巴等大型互联网企业，以及众多内地国有银行和能源巨头。国际投资者广泛参与香港股市，其交易金额占总成交额的相当大比重。香港股市与全球金融市场紧密相连，全球经济形势、国际金融政策的变化都能迅速在香港股市得到反映。美国货币政策的调整，如加息或降息，会引发全球资金流动的变化，香港股市作为国际资金的重要聚集地，资金的流入和流出会随之改变，进而影响股票价格和市场走势。香港股市在交易机制、市场结构等方面具有鲜明特点。在交易机制上，香港股市采用T+0交易制度，即投资者当天买入的股票当天可以卖出，这为投资者提供了更灵活的交易策略选择，能够及时把握市场变化，进行套利操作。与内地股市不同，香港股市没有涨跌幅限制，股价的波动空间更大，这既为投资者带来了获取高额收益的机会，也增加了投资风险。在市场结构方面，香港股市以机构投资者为主，机构投资者凭借其专业的研究团队、丰富的投资经验和强大的资金实力，在市场中发挥着主导作用。这些机构投资者注重价值投资和长期投资，对市场的稳定性和理性投资氛围的形成起到了积极作用。恒生指数作为香港股市的主要代表指数，具有重要的市场影响力。该指数由恒生银行全资附属的恒生指数服务有限公司编制，选取了香港市场中具有代表性的50家上市公司作为成分股，涵盖了金融、地产、公用事业和工商业等多个领域。截至2023年底，恒生指数的总市值占香港股市总市值的比重超过60%，其走势能够较好地反映香港股市的整体表现。近年来，恒生指数的表现受到多种因素的影响，呈现出一定的波动性。在全球经济增长放缓、贸易摩擦加剧的背景下，恒生指数在2018-2019年期间出现了较大幅度的下跌，从2018年初的33000多点跌至2019年底的27000多点。随着全球经济形势的逐步好转和内地与香港经济合作的加强，恒生指数在2020-2021年期间出现了反弹，最高涨至31000多点。2022-2023年，受美联储加息、地缘政治冲突等因素影响，恒生指数再次面临调整压力，波动较为频繁。香港股市在发展过程中也面临着一系列挑战。全球经济的不确定性对香港股市产生了较大影响。如全球经济增长放缓，会导致企业盈利预期下降，投资者信心受挫，从而引发股市下跌。中美贸易摩擦的持续，使得香港股市的出口导向型企业面临订单减少、成本上升等问题，股价受到冲击。国际金融市场的波动也会通过资金流动、投资者情绪等渠道传导至香港股市。香港股市还面临着来自其他国际金融中心的竞争。纽约、伦敦等传统金融中心在金融产品创新、市场深度和广度等方面具有很强的竞争力，吸引了大量国际资金。新加坡等新兴金融中心也在不断崛起，通过推出优惠政策、完善金融基础设施等措施，争夺国际金融业务和投资者资源，对香港股市的国际地位构成了一定挑战。香港本地的经济结构调整、社会稳定等因素也会对股市产生影响。香港经济高度依赖金融、贸易和房地产等行业，经济结构相对单一，经济结构调整的难度较大，这可能会影响股市的长期发展。社会稳定问题会影响投资者对香港的信心，导致资金外流，股市波动加剧。3.3内地与香港股市关联性现状分析内地与香港股市在政策、资本流动、市场表现等多方面紧密相连，关联性呈现出不断加强的态势，且在不同层面展现出独特的变化趋势。政策层面上，互联互通政策是促进两地股市关联的关键因素。沪港通于2014年11月17日正式开通，深港通于2016年12月5日开通，这两项政策开启了内地与香港投资者相互投资对方市场股票的新时代。通过互联互通机制，内地和香港的投资者可以更便捷地参与对方市场的交易，资金和信息的流动更加自由。在开通初期，沪港通的每日额度限制为130亿元人民币（沪股通）和105亿元人民币（港股通），深港通的每日额度限制为130亿元人民币（深股通）和105亿元人民币（港股通），随着市场的发展，额度限制不断调整，以满足投资者的需求。这些政策的实施，不仅增加了市场的流动性，还使得两地股市的联动性显著增强。自沪港通开通以来，沪深300指数与恒生指数的相关性系数较开通前有了明显提升，从之前的0.4左右上升到了0.6以上，表明两地股市在政策推动下，走势的一致性更强。监管政策的协同也在逐步加强。内地和香港的监管机构在信息共享、跨境执法等方面展开合作，共同维护市场秩序。在打击内幕交易、操纵市场等违法违规行为上，两地监管机构建立了协作机制，及时通报案件信息，联合开展调查，这有助于增强投资者对两地市场的信心，进一步促进两地股市的融合发展。资本流动方面，互联互通机制下的资金往来愈发频繁。南向资金（内地投资者投资香港股市）和北向资金（香港及国际投资者投资内地股市）的规模不断扩大。2023年，南向资金的年度净流入额超过5000亿元人民币，北向资金的年度净流入额也达到了3000亿元人民币左右。资金的流向对两地股市的价格走势产生了重要影响。当南向资金大量流入香港股市时，会推动香港股市相关股票价格上涨，尤其是内地投资者青睐的行业板块，如金融、消费等。反之，北向资金的流入会对内地股市的优质蓝筹股形成支撑。国际资本在两地市场的布局也影响着资本流动和市场关联性。随着中国金融市场的不断开放，越来越多的国际资本将内地和香港股市纳入其全球资产配置体系。MSCI、富时罗素等国际指数公司相继将内地股票和港股纳入其指数体系，吸引了大量跟踪指数的国际资金流入。这些国际资本的进出，使得内地与香港股市在资金层面的联系更加紧密，风险的传导也更加迅速。市场表现上，内地与香港股市的相关性在长期呈现上升趋势。通过对沪深300指数和恒生指数的收益率进行相关性分析，可以发现，在过去十年间，两者的相关性系数波动上升。在牛市和熊市阶段，两地股市的联动性表现尤为明显。在2015年的牛市行情中，内地股市的快速上涨带动了香港股市的跟涨，沪深300指数和恒生指数在短期内涨幅均超过50%。在2020年初的疫情冲击下，两地股市同时大幅下跌，沪深300指数在一个月内跌幅超过15%，恒生指数跌幅也达到了12%左右。行业板块之间也存在较强的关联性。金融、能源等传统行业板块在两地股市的表现较为一致，因为这些行业受到宏观经济形势、政策调控等因素的影响较为相似。内地金融行业的政策调整，如利率政策、监管政策的变化，会迅速传导到香港股市的金融板块，导致两地金融股的价格走势出现同向变动。随着内地科技产业的快速发展，香港股市的科技板块与内地相关行业的联系也日益紧密，如半导体、互联网等行业，两地企业在产业链上相互关联，市场表现也呈现出较强的协同性。四、基于CoVaR模型的风险溢出效应实证分析4.1数据选取与处理本研究选取内地股市具有代表性的沪深300指数和香港股市的恒生指数作为研究对象，以全面反映两地股市的整体走势。样本区间设定为2015年1月1日至2023年12月31日，这一区间涵盖了多个完整的市场周期，包括牛市、熊市和震荡市，能够充分体现市场的不同运行状态，使研究结果更具普遍性和可靠性。数据来源于Wind数据库，该数据库提供了丰富、准确且及时的金融市场数据，为研究提供了有力的数据支持。选取的原始数据为每日的开盘价、收盘价、最高价、最低价等，这些数据能够全面反映股票市场的交易信息。在数据处理阶段，首先进行数据清洗工作，以确保数据的准确性和完整性。检查数据中是否存在缺失值，若存在，采用合理的方法进行填补。对于少量的连续缺失值，利用前后相邻数据的均值进行填补；对于缺失值较多的情况，则考虑采用时间序列预测模型，如ARIMA模型进行预测填补。同时，仔细排查数据中的异常值，对于明显偏离正常范围的异常值，根据市场情况和数据特征进行修正或剔除。对于某些由于数据录入错误导致的异常收盘价，通过查阅其他权威数据源或结合市场走势进行修正。完成数据清洗后，计算股票指数的收益率序列。采用对数收益率的计算方法，计算公式为：R_{t}=\ln(P_{t}/P_{t-1})，其中R_{t}表示第t期的对数收益率，P_{t}表示第t期的收盘价，P_{t-1}表示第t-1期的收盘价。对数收益率能够更好地反映股票价格的变化率，且在金融时间序列分析中具有良好的统计性质，如正态分布近似性等，便于后续的模型分析和参数估计。通过计算对数收益率，得到沪深300指数和恒生指数的收益率序列，作为后续CoVaR模型分析的基础数据。4.2模型构建与估计本研究构建基于分位数回归和Copula函数的CoVaR模型，以精准度量内地股市与香港股市之间的风险溢出效应。分位数回归能够有效捕捉金融数据的“尖峰厚尾”特征以及变量间的非线性关系，Copula函数则擅长刻画不同市场收益率之间复杂的相依结构，两者结合可以更全面、准确地描述两地股市之间的风险关联。首先，对沪深300指数收益率序列r_{1t}和恒生指数收益率序列r_{2t}进行边缘分布建模。考虑到金融时间序列常呈现异方差性和波动性聚集现象，选用GARCH(1,1)模型来刻画收益率序列的条件方差，其均值方程设定为：r_{it}=\mu_{i}+\epsilon_{it}其中，i=1,2分别代表沪深300指数和恒生指数，\mu_{i}为收益率的均值，\epsilon_{it}为残差项。条件方差方程为：\sigma_{it}^{2}=\omega_{i}+\alpha_{i}\epsilon_{it-1}^{2}+\beta_{i}\sigma_{it-1}^{2}其中，\omega_{i}为常数项，\alpha_{i}和\beta_{i}分别为ARCH项和GARCH项的系数，且满足\alpha_{i}\geq0，\beta_{i}\geq0，\alpha_{i}+\beta_{i}<1，以确保条件方差的非负性和模型的平稳性。通过极大似然估计法对GARCH(1,1)模型的参数进行估计，得到条件标准差\sigma_{it}，进而计算标准化残差z_{it}=\frac{\epsilon_{it}}{\sigma_{it}}。经检验，标准化残差序列z_{it}近似服从独立同分布，符合后续分析要求。在边缘分布建模完成后，运用Copula函数来构建沪深300指数和恒生指数收益率之间的相依结构。常见的Copula函数有高斯Copula、Student-tCopula、GumbelCopula、ClaytonCopula等。高斯Copula假设变量间的相关性为线性正态相关，无法捕捉金融数据的“尖峰厚尾”和非对称相关特征；Student-tCopula考虑了厚尾分布，但对非对称相关的刻画能力有限；GumbelCopula适用于上尾相关较强的情况；ClaytonCopula则更擅长描述下尾相关。为了选择最适合的Copula函数，采用AIC（赤池信息准则）和BIC（贝叶斯信息准则）进行模型选择。AIC和BIC的值越小，表明模型的拟合效果越好。对不同Copula函数进行参数估计和拟合优度检验，结果显示Student-tCopula函数在刻画沪深300指数和恒生指数收益率的相依结构时，AIC和BIC值最小，拟合效果最佳，因此选择Student-tCopula函数。Student-tCopula函数的分布函数为：C_{\nu}(u_{1},u_{2};\rho)=\int_{-\infty}^{t_{\nu}^{-1}(u_{1})}\int_{-\infty}^{t_{\nu}^{-1}(u_{2})}\frac{1}{2\pi\sqrt{1-\rho^{2}}}(1+\frac{t_{1}^{2}+t_{2}^{2}-2\rhot_{1}t_{2}}{\nu(1-\rho^{2})})^{-\frac{\nu+2}{2}}dt_{1}dt_{2}其中，u_{1}和u_{2}分别是沪深300指数和恒生指数收益率标准化残差的累积分布函数值，\rho为相关系数，\nu为自由度，t_{\nu}^{-1}(\cdot)为自由度为\nu的t分布的逆函数。通过极大似然估计法对Student-tCopula函数的参数\rho和\nu进行估计。基于Copula函数和边缘分布，计算CoVaR值。对于给定的置信水平q，设VaR_{1,q}为沪深300指数在q分位数下的风险价值，即P(r_{1t}\leqVaR_{1,q})=q。根据Copula函数的性质，在已知沪深300指数处于VaR_{1,q}的条件下，恒生指数的CoVaR_{2|1,q}满足：P(r_{2t}\leqCoVaR_{2|1,q}|r_{1t}=VaR_{1,q})=q具体计算过程为：首先通过边缘分布模型得到VaR_{1,q}，然后根据Copula函数的逆函数求解CoVaR_{2|1,q}。同理，可以计算出在恒生指数处于极端风险状态下，对沪深300指数的风险溢出CoVaR_{1|2,q}。为了更直观地衡量风险溢出效应的大小，计算风险溢出指标\DeltaCoVaR_{j|i,q}=CoVaR_{j|i,q}-VaR_{j,q}，其中i,j=1,2且i\neqj，\DeltaCoVaR_{j|i,q}表示当市场i处于极端风险状态时，对市场j产生的额外风险溢出。4.3实证结果与分析基于上述构建的CoVaR模型，对内地股市（沪深300指数）与香港股市（恒生指数）之间的风险溢出效应进行实证分析，从风险溢出的方向、强度、时变特征以及不同市场状态下的差异等多个维度展开探讨。在风险溢出方向方面，通过计算CoVaR_{2|1,q}（内地股市对香港股市的风险溢出）和CoVaR_{1|2,q}（香港股市对内地股市的风险溢出）发现，内地股市与香港股市之间存在双向的风险溢出效应。在某些极端市场条件下，内地股市的大幅下跌会导致香港股市面临更高的风险水平，反之亦然。当内地股市发生重大政策调整或受到宏观经济冲击而出现大幅下跌时，香港股市也会受到明显影响。2020年初新冠疫情爆发，内地股市率先受到冲击，沪深300指数在短时间内大幅下跌，随后恒生指数也出现了显著的跌幅，表明内地股市的风险迅速溢出到香港股市。香港股市作为国际金融中心，其市场波动也会对内地股市产生传导作用。国际金融市场的动荡导致香港股市下跌时，北向资金可能会流出内地股市，引发内地股市的调整，体现了香港股市对内地股市的风险溢出。风险溢出强度的度量通过计算风险溢出指标\DeltaCoVaR_{j|i,q}=CoVaR_{j|i,q}-VaR_{j,q}来实现。实证结果显示，香港股市对内地股市的风险溢出强度总体上略高于内地股市对香港股市的风险溢出强度。在5%的置信水平下，香港股市对内地股市的平均\DeltaCoVaR值约为0.04，而内地股市对香港股市的平均\DeltaCoVaR值约为0.035。这可能是由于香港股市的国际化程度更高，与国际金融市场的联系更为紧密，国际金融市场的波动更容易通过香港股市传导至内地股市。香港股市的投资者结构中，国际投资者占比较大，他们的投资决策受到全球经济形势、国际金融政策等多种因素的影响，当国际市场出现变化时，香港股市的波动会迅速传递到内地股市。从时变特征来看，内地股市与香港股市之间的风险溢出效应呈现出明显的时变特征。通过滚动窗口估计方法，以100个交易日为一个滚动窗口，计算不同时期的CoVaR值和\DeltaCoVaR值，发现风险溢出强度在不同时间段存在较大波动。在市场平稳时期，风险溢出强度相对较低且较为稳定；而在市场动荡时期，如2008年全球金融危机、2020年新冠疫情爆发等重大事件期间，风险溢出强度会显著增大。在2008年金融危机期间，香港股市对内地股市的\DeltaCoVaR值在某些时段超过了0.08，远高于平时水平，表明在金融危机的冲击下，两地股市之间的风险传导加剧，风险溢出效应明显增强。这种时变特征与宏观经济形势、政策变化以及市场情绪等因素密切相关。在经济不稳定时期，投资者的恐慌情绪会加剧风险的传播，使得风险溢出效应更加显著。进一步分析不同市场状态下的风险溢出差异，将市场状态划分为牛市、熊市和震荡市。通过构建马尔可夫区制转换模型（MS-AR模型）来识别市场状态，结果表明，在熊市中，内地股市与香港股市之间的风险溢出强度最大，牛市次之，震荡市最小。在熊市中，投资者信心受挫，市场恐慌情绪蔓延，资金大量流出股市，导致风险在两地市场之间快速传导，风险溢出效应增强。而在牛市中，市场整体处于上升趋势，投资者情绪较为乐观，风险承受能力相对较强，风险溢出效应相对较弱。在震荡市中，市场波动相对较小，风险溢出强度也处于较低水平。在2015年的牛市行情中，两地股市的风险溢出强度相对稳定且较低；而在2018-2019年的熊市期间，风险溢出强度明显增大，市场的不确定性增加，投资者更加关注风险的传播和防范。五、内地与香港股市风险溢出的影响因素分析5.1宏观经济因素宏观经济因素在金融市场中扮演着关键角色，对内地与香港股市之间的风险溢出效应有着重要影响。经济增长、利率、汇率等宏观经济指标的波动，会通过多种传导机制，在不同程度上改变两地股市的风险溢出水平。经济增长作为宏观经济的核心指标，与股市风险溢出密切相关。当内地或香港经济增长强劲时，企业盈利预期通常会提升，这不仅会增强投资者对本地股市的信心，还会吸引国际资本流入，推动股市上涨。这种积极的市场氛围会使得风险溢出效应相对减弱，因为投资者更关注经济增长带来的收益，而对风险的敏感度降低。相反，当经济增长放缓时，企业面临的经营压力增大，盈利预期下降，投资者信心受挫，资金可能会流出股市，导致股市下跌。此时，风险溢出效应会增强，一个市场的波动更容易传导至另一个市场。内地经济增长放缓，可能会导致内地企业在香港上市的股票表现不佳，进而影响香港股市的整体走势，反之亦然。利率变动是影响股市风险溢出的重要因素之一。利率的调整会直接影响企业的融资成本和投资者的资金成本。当利率上升时，企业的贷款成本增加，盈利能力可能受到影响，股市的估值也会相应下降。对于内地与香港股市来说，利率上升会导致资金从股市流出，流向收益更稳定的债券市场或储蓄市场，从而增加股市的下行压力，风险溢出效应增强。香港股市对国际利率变化较为敏感，美联储加息会导致香港市场利率上升，资金流出香港股市，这种资金流动的变化会通过互联互通机制传导至内地股市，引发内地股市的波动。相反，当利率下降时，企业的融资成本降低，盈利预期提升，股市估值上升，资金会流入股市，风险溢出效应减弱。汇率波动对内地与香港股市的风险溢出有着独特的影响机制。由于内地股市以人民币计价，香港股市以港币计价，港币与人民币汇率的波动会影响两地投资者的实际收益。当人民币升值时，内地投资者投资香港股市的成本相对降低，可能会增加对港股的投资，推动港股上涨；同时，香港投资者投资内地股市的收益折算成港币后会增加，也会吸引更多香港资金流入内地股市，增强两地股市的关联性和风险溢出效应。反之，当人民币贬值时，内地投资者投资港股的成本增加，可能会减少投资，港股面临下行压力；香港投资者投资内地股市的收益减少，也会导致资金流出，风险溢出效应同样会发生变化。汇率波动还会影响企业的进出口业务和国际竞争力，进而影响企业的盈利状况和股市表现。内地出口型企业在人民币升值时，出口产品价格相对上升，可能会导致订单减少，盈利下降，影响内地股市相关企业的股价，这种风险也可能通过产业链传导至香港股市相关企业，增强风险溢出效应。5.2政策因素政策因素在塑造内地与香港股市风险溢出效应方面发挥着关键作用，其中沪港通、深港通等互联互通政策，以及金融监管政策的调整，从不同维度深刻影响着两地股市的风险关联和传导机制。沪港通于2014年11月17日正式开通，深港通于2016年12月5日开通，这两项政策构建起内地与香港股市之间的重要桥梁，显著改变了两地股市的风险溢出格局。从政策效果来看，互联互通政策增强了两地股市的联动性，进而加大了风险溢出的可能性。在开通前，内地与香港股市相对独立，信息传递和资金流动存在一定障碍，风险溢出效应相对较弱。互联互通政策实施后，内地与香港的投资者可以更便捷地参与对方市场交易，资金和信息的流通更为顺畅，使得两地股市的相关性大幅提升。有研究表明，沪港通开通后，沪深300指数与恒生指数的相关性系数从开通前的0.4左右上升至0.6以上，深港通开通后，进一步巩固和强化了这种相关性。这种联动性的增强意味着一个市场的波动更容易传导至另一个市场，风险溢出的渠道更加畅通。当内地股市出现大幅波动时，通过互联互通机制，资金的流动和投资者情绪的变化会迅速传递到香港股市，反之亦然。互联互通政策影响风险溢出的传导路径主要通过资金流动和投资者预期两个方面。在资金流动方面，政策开通后，南向资金（内地投资者投资香港股市）和北向资金（香港及国际投资者投资内地股市）的规模显著扩大。2023年，南向资金的年度净流入额超过5000亿元人民币，北向资金的年度净流入额也达到3000亿元人民币左右。资金的大规模流动直接影响股票的供求关系，进而影响股价。当南向资金大量流入香港股市时，会增加对港股的需求，推动股价上涨；若内地股市出现风险事件导致资金流出，也会引发港股的下跌，将风险传导至香港股市。从投资者预期角度来看，互联互通政策改变了投资者对两地股市的认知和预期。投资者意识到两地股市的联系更加紧密，一个市场的政策变化、宏观经济形势等因素都会影响对另一个市场的预期。内地出台利好政策，投资者会预期香港股市相关行业也将受益，从而调整投资策略，这种预期的改变会导致资金在两地股市间流动，促进风险的传导。金融监管政策的调整对内地与香港股市风险溢出也有着重要影响。内地和香港的金融监管部门根据市场发展情况和风险状况，不断调整监管政策。在2020年，香港监管机构加强了对上市公司的信息披露要求，内地监管部门也加大了对跨境资金流动的监管力度。这些政策调整会直接影响市场参与者的行为，进而影响风险溢出效应。加强信息披露要求，使得投资者能够获取更准确、全面的信息，减少信息不对称，降低市场的不确定性，从而在一定程度上抑制风险的传播。而对跨境资金流动的监管，虽然有助于防范金融风险，但也可能影响资金的自由流动，当监管政策收紧时，可能导致资金流动受限，加剧市场的波动，增加风险溢出的风险。监管政策的协调与合作也对风险溢出产生影响。内地和香港监管部门在跨境监管、打击违法违规行为等方面的合作，有助于维护市场秩序，增强投资者信心，稳定市场预期，从而降低风险溢出的可能性。若两地监管部门在打击内幕交易、操纵市场等行为上加强协作，能够减少市场的违法违规行为，提高市场的公平性和透明度，促进两地股市的稳定发展，减弱风险溢出效应。5.3市场因素市场因素在塑造内地与香港股市风险溢出效应中扮演着关键角色，投资者结构、市场流动性以及信息不对称等因素，从不同维度深刻影响着两地股市间风险的传导与扩散。投资者结构的差异对内地与香港股市风险溢出有着显著影响。内地股市投资者结构中，个人投资者占比较高，截至2023年底，个人投资者持股市值占比超过40%，交易活跃度较高，其投资行为往往具有较强的非理性特征，容易受到市场情绪的左右，追涨杀跌现象较为常见。这种非理性行为会加大市场的波动性，使得风险更容易在市场中传播。当市场出现利好消息时，个人投资者可能会盲目跟风买入，推动股价过度上涨，形成泡沫；而一旦市场出现不利消息，又会恐慌性抛售，导致股价暴跌，这种大幅波动会通过互联互通机制传导至香港股市。相比之下，香港股市以机构投资者为主，机构投资者持股市值占比超过70%，其投资决策通常基于深入的研究和理性的分析，注重长期投资和价值投资，投资行为相对稳定，能够在一定程度上平抑市场波动，减少风险的无序传播。机构投资者在面对市场波动时，会通过分散投资、套期保值等方式来降低风险，不会像个人投资者那样因情绪波动而做出过度反应，这使得香港股市在风险抵御方面相对较强。然而，当市场出现系统性风险时，机构投资者也可能会同时调整投资组合，引发大规模的资金流动，从而加剧风险在两地股市之间的溢出。在全球金融危机期间，香港股市的机构投资者纷纷减持股票，导致资金流出香港股市，进而影响到内地股市的资金面和市场信心，加剧了风险的传导。市场流动性是影响风险溢出的重要因素之一。市场流动性反映了资产能够以合理价格快速交易的能力。当内地或香港股市的市场流动性充足时，股票的买卖交易相对顺畅，价格波动较小，风险溢出效应相对较弱。充足的流动性能够吸收市场的冲击，使得风险在传播过程中得到一定程度的缓冲。内地股市在市场流动性较好时，大量的买卖订单能够及时匹配成交，股价波动较为平稳，即使出现局部的风险事件，也不容易引发大规模的风险扩散。相反，当市场流动性不足时，股票交易难度增加，买卖价差扩大，价格波动加剧，风险溢出效应会增强。在市场流动性紧张的情况下，投资者难以按照预期的价格进行交易，可能会被迫低价抛售股票，导致股价大幅下跌，这种风险会迅速传导至其他市场。在2020年初疫情爆发初期，香港股市市场流动性急剧下降，股票交易量大幅减少，股价暴跌，这种风险通过互联互通机制迅速传递到内地股市，引发内地股市的波动加剧。信息不对称在两地股市风险溢出中也起着关键作用。由于内地与香港股市在市场规则、信息披露制度、语言文化等方面存在差异，投资者获取信息的渠道和质量存在一定的局限性，这导致了信息不对称的产生。上市公司在信息披露方面存在不及时、不完整的情况，投资者难以获取准确、全面的信息来做出投资决策。在港股市场中，部分上市公司在财务信息披露方面存在不足，一些公司可能会选择性地披露有利信息，而隐瞒或淡化不利信息，使得投资者难以做出准确的判断，这增加了投资决策的不确定性，容易引发市场的恐慌情绪，进而加剧风险的溢出。社交媒体和网络平台的发展使得市场传闻和谣言的传播速度加快、范围更广，投资者在面对这些未经证实的信息时，往往难以辨别真伪，容易受到误导而做出错误的投资决策，进一步加剧了信息不对称的问题，促进了风险的传播。若市场上出现关于某内地企业在香港上市股票的负面传闻，尽管该传闻可能毫无根据，但由于信息不对称，投资者难以核实其真实性，可能会纷纷抛售该股票，导致股价下跌，这种风险还可能扩散到其他相关股票和市场，增强内地与香港股市之间的风险溢出效应。六、案例分析6.1典型风险事件下的风险溢出分析以金融危机、政策调整等典型风险事件为切入点，深入剖析内地股市与香港股市在这些特殊时期的风险溢出表现及特征，能够为投资者和监管者提供极具价值的市场洞察和决策依据。2008年全球金融危机是一场对全球金融市场产生深远影响的重大事件，内地股市与香港股市在这场危机中也未能幸免，二者之间的风险溢出效应表现得淋漓尽致。危机初期，美国次贷危机爆发，引发全球金融市场的恐慌情绪。由于香港股市的国际化程度高，与国际金融市场紧密相连，率先受到冲击。恒生指数从2007年10月的31958点高位一路暴跌，到2008年10月最低跌至10676点，跌幅超过66%。香港股市的暴跌通过多种渠道传导至内地股市。资金流动方面，国际投资者为了降低风险，纷纷从香港股市撤资，部分资金也从内地股市流出，导致内地股市资金面紧张。投资者情绪方面，香港股市的恐慌情绪迅速蔓延至内地，内地投资者信心受挫，纷纷抛售股票，加剧了内地股市的下跌。沪深300指数从2007年10月的5891点下跌至2008年10月的1606点，跌幅超过73%。通过CoVaR模型计算发现，在金融危机期间，香港股市对内地股市的风险溢出强度显著增强，\DeltaCoVaR值在某些时段超过了0.08，远高于危机前的平均水平。这表明在金融危机这种极端市场条件下，香港股市的风险能够迅速且强烈地传导至内地股市，两地股市之间的风险关联程度大幅提升。政策调整同样会对内地与香港股市的风险溢出产生重要影响。以沪港通政策的实施为例，2014年11月17日沪港通正式开通，这一政策打破了内地与香港股市之间的部分壁垒，促进了资金和信息的流动，也改变了两地股市的风险溢出格局。沪港通开通后，内地与香港股市的联动性明显增强。从市场表现来看，沪深300指数与恒生指数的相关性系数从开通前的0.4左右上升至0.6以上。在风险溢出方面，内地股市对香港股市以及香港股市对内地股市的风险溢出强度均有所增加。当内地股市出现政策利好，如降低印花税等，内地股市上涨，通过沪港通机制，南向资金流入香港股市，推动香港股市相关股票上涨；反之，若内地股市出现政策调整导致下跌，风险也会迅速传导至香港股市。香港股市的政策变化同样会影响内地股市。香港加强对上市公司的监管政策，可能导致部分在港上市的内地企业股价下跌，进而影响内地投资者对相关行业的信心，引发内地股市相关板块的调整。通过对沪港通开通前后CoVaR值的对比分析发现，开通后两地股市之间的\DeltaCoVaR值平均增加了0.01-0.02，表明政策调整使得两地股市之间的风险溢出效应更加显著。6.2不同行业板块的风险溢出差异分析不同行业板块在经济结构中扮演着不同角色，其风险特征和风险溢出效应存在显著差异。本部分选取金融、科技等具有代表性的行业板块，深入分析内地股市与香港股市间行业板块的风险溢出差异及背后的原因。金融行业在两地股市中均占据重要地位，具有规模大、影响力强的特点。内地金融行业涵盖众多大型银行、证券、保险企业，在经济体系中承担着资金融通、风险管理等关键职能。香港作为国际金融中心，金融行业高度发达，拥有众多国际化的金融机构，业务范围覆盖全球。通过对金融行业板块的风险溢出分析发现，内地与香港股市金融板块之间存在较强的风险溢出效应。在2008年金融危机期间，香港股市金融板块受到国际金融市场冲击，股价大幅下跌，这一风险迅速传导至内地股市金融板块。内地大型银行股与香港上市银行股的股价走势呈现出高度的一致性，风险溢出强度在某些时段达到0.05以上。这主要是因为金融行业的业务具有高度的关联性和同质性，两地金融机构在跨境业务、资金往来、风险管理等方面紧密合作。内地银行与香港银行之间存在大量的跨境信贷、贸易融资等业务，当香港金融市场出现波动时，这些业务的风险会直接影响内地金融机构的资产质量和盈利能力，从而引发内地金融板块的波动。金融行业受到宏观经济政策和监管政策的共同影响，货币政策、利率政策、金融监管政策的调整会同时作用于两地金融板块，加剧风险的传导。科技行业作为新兴产业的代表，近年来在两地股市中发展迅速，展现出高增长、高波动的特性。内地科技行业在国家政策支持下，在5G通信、人工智能、半导体等领域取得了显著进展，涌现出一批具有国际竞争力的企业。香港股市的科技板块也吸引了众多内地和国际科技企业上市，如腾讯、阿里巴巴等。研究发现，科技行业板块的风险溢出效应具有独特性。在市场环境稳定时，科技板块的风险溢出强度相对较低，两地科技股之间的相关性较弱。这是因为科技企业的发展主要依赖于技术创新、市场份额拓展等自身因素，行业内竞争激烈，企业之间的差异化较大，受外部市场波动的影响相对较小。但在市场出现重大变革或行业政策调整时，科技板块的风险溢出效应会显著增强。美国对中国科技企业实施制裁措施，导致香港股市中相关科技企业股价大幅下跌，这一风险迅速传导至内地股市科技板块，风险溢出强度在短期内上升至0.04左右。这是因为科技行业具有高度的国际化和产业链关联性，一个市场的政策变化或技术突破会对全球产业链产生影响，从而引发其他市场相关企业的波动。科技行业的投资者情绪和市场预期对股价影响较大，市场的不确定性增加会导致投资者恐慌情绪蔓延，加速风险的传导。消费行业具有需求相对稳定、受宏观经济周期影响较小的特点，在两地股市中也占据一定比重。内地消费行业涵盖食品饮料、家电、零售等多个领域，受益于庞大的国内市场和居民消费升级，发展态势良好。香港消费行业则主要面向国际市场，在奢侈品消费、旅游零售等方面具有独特优势。分析消费行业板块的风险溢出效应发现，其风险溢出强度相对较低且较为稳定。在2020年疫情期间，虽然两地股市整体出现波动，但消费行业板块的风险溢出强度仅在0.02-0.03之间。这是因为消费行业的需求具有一定的刚性，即使在经济不景气时期，居民对基本消费品的需求也不会大幅下降，行业的稳定性使得风险溢出效应相对较弱。消费行业的企业经营相对独立，受国际市场波动和政策变化的影响较小，企业主要通过产品创新、品牌建设、市场拓展等方式提升竞争力，内部经营因素对股价的影响大于外部市场因素，从而减少了风险在两地股市消费板块之间的传导。七、结论与政策建议7.1研究结论总结本研究基于CoVaR模型，对内地股市与香港股市之间的风险溢出效应进行了深入分析，得出以下主要结论：内地股市与香港股市之间存在显著的双向风险溢出效应。在极端市场条件下，一个市场的风险能够迅速传导至另一个市场，加剧市场的波动。2020年初新冠疫情爆发期间，内地股市的下跌引发了香港股市的跟跌，反之亦然，表明两地股市在危机时期的风险关联性较强。这一现象的根源在于两地经济的紧密联系以及互联互通机制下资金和信息的快速流动。内地与香港在贸易、投资等领域的合作日益深入，企业的经营状况相互影响，反映在股市上就是风险的相互传导。互联互通机制使得投资者可以在两地市场自由买卖股票，资金的大规模流动会迅速影响股价，从而加速风险的传播。风险溢出强度方面，香港股市对内地股市的风险溢出强度总体上略高于内地股市对香港股市的风险溢出强度。在5%的置信水平下，香港股市对内地股市的平均\DeltaCoVaR值约为0.04，而内地股市对香港股市的平均\DeltaCoVaR值约为0.035。这主要是因为香港股市作为国际金融中心，国际化程度高，与国际金融市场的联系紧密，国际金融市场的波动更容易通过香港股市传导至内地股市。香港股市的投资者结构中，国际投资者占比较大，他们的投资决策受全球经济形势、国际金融政策等多种因素影响，当国际市场出现变化时，香港股市的波动会迅速传递到内地股市。内地股市与香港股市之间的风险溢出效应呈现出明显的时变特征。在市场平稳时期，风险溢出强度相对较低且较为稳定；而在市场动荡时期，如2008年全球金融危机、2020年新冠疫情爆发等重大事件期间，风险溢出强度会显著增大。在2008年金融危机期间，香港股市对内地股市的\DeltaCoVaR值在某些时段超过了0.08，远高于平时水平。这种时变特征与宏观经济形势、政策变化以及市场情绪等因素密切相关。在经济不稳定时期，投资者的恐慌情绪会加剧风险的传播，使得风险溢出效应更加显著。不同市场状态下，内地与香港股市之间的风险溢出存在差异。在熊市中，风险溢出强度最大，牛市次之，震荡市最小。在熊市中，投资者信心受挫，市场恐慌情绪蔓延，资金大量流出股市，导致风险在两地市场之间快速传导，风险溢出效应增强。而在牛市中，市场整体处于上升趋势，投资者情绪较为乐观，风险承受能力相对较强，风险溢出效应相对较弱。在震荡市中，市场波动相对较小，风险溢出强度也处于较低水平。在2015年的牛市行情中，两地股市的风险溢出强度相对稳定且较低；而在2018-2019年的熊市期间，风险溢出强度明显增大。宏观经济因素、政策因素和市场因素对内地与香港股市之间的风险