市场趋势视角下中国与国外股市风险传导效应的深度剖析

市场趋势视角下中国与国外股市风险传导效应的深度剖析一、引言1.1研究背景与意义1.1.1研究背景在经济全球化与金融一体化的浪潮下，世界各国经济联系日益紧密，金融市场之间的联动性不断增强。股市作为金融市场的重要组成部分，也呈现出显著的国际化趋势。各国股市不再是孤立的个体，而是通过各种经济、金融纽带相互关联，形成了一个复杂的全球股市网络。近年来，一系列国际金融事件充分彰显了全球股市联动的特征。2008年美国次贷危机爆发，迅速蔓延至全球，引发了一场全球性的金融危机。美国股市大幅下跌，欧洲、亚洲等地区的股市也未能幸免，纷纷遭受重创。众多股票价格暴跌，市场市值大幅缩水，投资者损失惨重。2020年初，新冠疫情在全球范围内爆发，对全球经济和金融市场造成了巨大冲击。股市作为经济的“晴雨表”，率先对疫情做出反应。各国股市出现了剧烈波动，恐慌情绪迅速蔓延，股市的风险传导效应在这一时期表现得淋漓尽致。中国股市在过去几十年中取得了长足发展，已成为全球资本市场的重要力量。随着中国金融市场开放进程的不断加快，如沪港通、深港通、沪伦通的相继开通，以及外资准入限制的逐步放宽，中国股市与国外股市的联系愈发紧密。国际资本的流入流出更加频繁，国内外股市之间的信息传递速度加快，风险传导的可能性和强度也相应增加。在不同的市场趋势下，股市风险传导效应存在明显差异。在牛市行情中，市场情绪乐观，投资者风险偏好较高，风险传导可能相对较为缓和，市场对风险的消化和吸收能力较强；而在熊市行情中，市场情绪悲观，投资者恐慌心理加剧，风险传导往往更加迅速和剧烈，可能引发市场的连锁反应，导致风险的放大和扩散。因此，深入研究中国与国外股市在不同市场趋势下的风险传导效应，对于准确把握股市运行规律，有效防范金融风险，具有重要的现实意义。1.1.2研究意义从理论层面来看，本研究有助于进一步完善股市风险传导理论。当前，虽然已有不少关于股市风险传导的研究，但大多集中在整体层面，对不同市场趋势下风险传导效应的差异研究相对不足。通过深入分析不同市场趋势下中国与国外股市的风险传导路径、强度和特征，能够丰富和拓展股市风险传导理论的内涵，为后续研究提供新的视角和思路。同时，本研究还可以促进金融市场联动理论的发展，加深对全球金融市场一体化进程中股市相互关系的理解，推动金融理论的创新与完善。在实践应用方面，本研究对投资者具有重要的指导意义。对于个人投资者而言，了解中国与国外股市在不同市场趋势下的风险传导规律，可以帮助他们更好地制定投资策略，合理配置资产，降低投资风险。在全球股市联动性增强的背景下，投资者不能仅仅关注国内股市的走势，还需要密切关注国外股市的动态，尤其是在市场趋势发生转变时，及时调整投资组合，避免因风险传导而遭受重大损失。对于机构投资者，如基金公司、证券公司等，研究结果可以为其资产定价、风险管理提供重要参考。通过准确评估风险传导效应，机构投资者能够更精准地进行资产估值，合理控制投资风险，提高投资收益。此外，本研究对金融监管部门也具有重要的决策参考价值。随着金融市场的开放和国际化程度的提高，金融监管面临着更大的挑战。监管部门需要及时掌握股市风险传导的动态，制定有效的监管政策，防范金融风险的跨境传播。本研究的结果可以帮助监管部门深入了解中国与国外股市风险传导的机制和特点，提前预警潜在的风险，加强对金融市场的监管和调控，维护金融市场的稳定。在市场趋势发生变化时，监管部门可以根据研究结论，及时调整监管策略，采取相应的措施，如加强对跨境资金流动的监管、完善信息披露制度等，以降低风险传导的影响，保障金融市场的安全运行。1.2国内外研究现状在全球金融市场联动性日益增强的背景下，股市风险传导效应成为国内外学者广泛关注的研究领域。早期国外研究主要聚焦于发达国家股市之间的联动关系，如King和Wadhwani通过研究发现，1987年美国股市崩盘后，其他发达国家股市也出现了显著的下跌，表明股市风险存在跨国传导现象，且在市场波动加剧时更为明显。此后，大量研究运用不同的计量模型，如向量自回归（VAR）模型、多元GARCH模型等，对股市风险传导的路径和机制进行深入分析。Baur运用DCC-GARCH模型研究了美国、英国和德国股市之间的动态相关性，发现三国股市之间的相关性在金融危机期间显著增强，风险传导效应更为显著。随着新兴市场国家经济的快速发展和金融市场的逐步开放，新兴市场股市与发达国家股市之间的风险传导也成为研究热点。Forbes和Rigobon对亚洲金融危机期间新兴市场股市与发达国家股市的联动性进行研究，发现危机期间新兴市场股市与发达国家股市之间的相关性大幅上升，风险传导呈现出非线性特征。国内学者对股市风险传导效应的研究起步相对较晚，但近年来取得了丰富的成果。早期研究主要关注中国股市与周边股市的联系，陈王等人运用LGARCH模型和Granger-Causality检验分析中国股市与周边股市波动风险的传导效应，发现上海股市与香港股市存在一定的风险传导关系，在对QFII开放后，与周边股市的波动风险传导关系显著增强。随着中国金融市场开放程度的提高，国内学者开始深入研究中国股市与全球主要股市之间的风险传导。例如，有学者运用时变Copula模型研究中美股市之间的风险传导，发现中美股市之间的相关性在不同时期存在明显变化，在金融危机期间相关性增强，风险传导更为明显。关于市场趋势对股市风险传导效应的影响，国外学者Connolly和Wang研究发现，在牛市和熊市不同市场趋势下，股市之间的风险传导存在显著差异，熊市中风险传导的强度和速度都明显高于牛市。国内学者也对此进行了相关研究，李政运用马尔可夫区制转换模型研究发现，在不同市场状态下，中国股市与国际股市之间的风险溢出效应存在非对称性，市场下跌阶段的风险溢出效应更强。尽管国内外学者在股市风险传导效应及市场趋势影响方面取得了丰硕的研究成果，但仍存在一些不足之处。一方面，现有研究大多集中在整体层面分析股市风险传导，对不同市场趋势下风险传导效应的深入对比研究相对较少，尤其是缺乏对风险传导路径、强度和特征在不同市场趋势下变化机制的系统分析。另一方面，在研究方法上，虽然已运用多种计量模型，但对于模型的选择和应用仍存在一定的局限性，部分模型未能充分考虑股市数据的非线性、时变性等特征，可能导致研究结果的偏差。相较于以往研究，本研究的创新点在于：一是全面且系统地对比分析不同市场趋势下中国与国外股市的风险传导效应，不仅研究风险传导的强度和方向，还深入剖析风险传导路径和特征的变化机制；二是在研究方法上，综合运用多种先进的计量模型，并结合机器学习算法对股市数据进行挖掘和分析，以更准确地捕捉股市风险传导的复杂特征和动态变化，为股市风险传导效应的研究提供新的视角和方法。1.3研究方法与思路1.3.1研究方法本研究综合运用多种研究方法，以全面、深入地剖析中国股市与国外股市在不同市场趋势下的风险传导效应。计量模型法：借助向量自回归（VAR）模型，对中国股市与国外股市的收益率序列进行分析，以确定它们之间的动态关系，捕捉风险传导的方向和强度。例如，通过VAR模型的脉冲响应函数，可直观展示一个市场的冲击对另一个市场的影响路径及持续时间；方差分解则能量化不同市场对波动的贡献程度。考虑到股市数据的时变特征，采用多元广义自回归条件异方差（MGARCH）模型来刻画市场波动的时变相关性，从而更准确地衡量风险传导在不同时期的变化情况。该模型能够捕捉到市场波动的集聚性和持续性，有效分析不同市场间波动溢出效应的动态特征。事件研究法：选取具有代表性的重大金融事件，如金融危机、重大政策调整等，运用事件研究法，分析这些事件前后中国股市与国外股市的异常收益率变化，以此探究特定事件对风险传导的影响。通过设定事件窗口和估计窗口，计算股票的正常收益率和异常收益率，判断事件是否导致了股市间风险传导的显著变化。对比分析法：将牛市和熊市等不同市场趋势下中国股市与国外股市的风险传导效应进行对比分析，从风险传导的强度、方向、持续性等多个维度入手，揭示不同市场趋势下风险传导的差异，进而深入探讨市场趋势对风险传导的影响机制。1.3.2研究思路本研究从理论分析出发，系统梳理股市风险传导的相关理论，包括金融市场联动理论、风险溢出理论等，深入剖析中国与国外股市风险传导的内在机制，从宏观经济联系、投资者行为、信息传递等多个层面探讨风险传导的路径和影响因素，为后续实证研究奠定坚实的理论基础。在实证研究阶段，首先选取合适的样本数据，涵盖中国及具有代表性的国外股市指数，如美国标普500指数、英国富时100指数、日本日经225指数等，同时对数据进行预处理，包括数据清洗、对数收益率计算等，以满足模型分析的要求。运用计量模型对样本数据进行实证分析，通过VAR模型、MGARCH模型等计量工具，分别在不同市场趋势下，对中国股市与国外股市的风险传导效应进行量化研究，得出风险传导的相关参数和指标，如相关系数、波动溢出系数等。运用事件研究法，对特定重大金融事件进行分析，进一步验证和补充计量模型的研究结果，深入探讨事件驱动下的风险传导特征。基于实证研究结果，深入讨论不同市场趋势下中国与国外股市风险传导效应的差异及其原因，分析市场趋势、宏观经济环境、政策因素等对风险传导的影响，从理论和实践角度对研究结果进行解读。在此基础上，从投资者和监管者的角度提出针对性的风险防范策略，为投资者提供合理的投资建议，帮助其在全球股市联动背景下优化投资组合、降低风险；为监管部门制定有效的监管政策提供参考依据，以维护金融市场的稳定，防范系统性金融风险。二、相关理论基础2.1股市风险传导理论2.1.1风险传导的概念股市风险传导指的是风险在不同股市之间传播与扩散的过程。在经济全球化与金融一体化的背景下，各国股市相互关联，一个股市发生的风险事件，如股价暴跌、重大政策调整等，能够通过多种渠道传播至其他股市，进而引发连锁反应，导致其他股市也出现波动甚至危机。这种风险传导并非简单的线性传递，而是涉及复杂的经济、金融和心理因素，对金融市场的稳定产生重大影响。风险传导过程中，风险源是引发风险传播的初始因素，可能来自宏观经济层面，如经济衰退、利率大幅波动；也可能源于微观企业层面，如企业财务造假、重大经营失误。风险载体则是风险传播的媒介，包括资金流动、信息传递、投资者行为等。风险受体是受到风险影响的对象，即其他股市的投资者、上市公司以及整个金融市场体系。当风险源产生的风险通过载体传递到受体时，就会引发受体的风险变化，导致股价波动、市场信心受挫等。风险传导对金融市场稳定的影响体现在多个方面。它可能加剧市场波动，使股市价格偏离其内在价值，增加市场的不确定性和投资者的风险感知。风险传导还可能引发系统性风险，当多个股市同时受到风险冲击时，可能导致金融体系的脆弱性增加，甚至引发金融危机，对实体经济造成严重破坏。2008年美国次贷危机引发的全球股市暴跌，许多金融机构倒闭，大量企业破产，失业率大幅上升，给全球经济带来了沉重打击。2.1.2风险传导的途径资金流动途径：在全球金融市场中，资金的自由流动是股市风险传导的重要途径之一。随着金融市场的开放和投资渠道的多元化，投资者可以在不同国家的股市之间自由配置资金。当某个国家股市出现风险事件，如股价大幅下跌或预期收益下降时，投资者为了规避风险，会迅速撤回资金，将其投向其他相对安全的股市或资产。这种资金的大规模流动会导致资金流出股市的供需关系失衡，股价进一步下跌，而资金流入股市则可能因资金涌入而出现过度投机和泡沫，增加市场的不稳定因素。在亚洲金融危机期间，国际投资者大量抛售东南亚国家股市的股票，导致这些国家股市暴跌，资金大量外流，进一步加剧了金融危机的蔓延。同时，跨国投资基金、对冲基金等机构投资者的投资策略调整也会引发资金在不同股市之间的流动。这些机构投资者通常采用多元化的投资组合，当它们对某个国家或地区的股市前景预期发生变化时，会迅速调整投资组合，买卖相关股票，从而引发资金的流动和风险的传导。投资者情绪途径：投资者情绪在股市风险传导中扮演着重要角色。股市是一个充满不确定性的市场，投资者的决策往往受到情绪的影响。当某个股市出现风险事件时，会引发投资者的恐慌情绪，这种情绪会通过各种信息传播渠道，如媒体报道、社交网络、投资论坛等，迅速扩散到其他股市的投资者中。投资者的恐慌情绪会导致他们做出非理性的投资决策，如盲目抛售股票、减少投资等，从而引发其他股市的股价下跌和市场波动。2020年初新冠疫情爆发时，股市率先做出反应，投资者恐慌情绪蔓延，纷纷抛售股票，导致全球股市大幅下跌。这种恐慌情绪不仅影响了短期投资决策，还可能改变投资者的长期投资预期和风险偏好，进一步加剧风险传导的程度。此外，投资者之间存在的羊群效应也会加强风险传导。当部分投资者因风险事件而抛售股票时，其他投资者往往会跟随行动，而不考虑自身的投资策略和风险承受能力，导致股市的下跌趋势进一步强化。宏观经济关联途径：各国宏观经济之间存在着紧密的联系，这种联系也是股市风险传导的重要途径。宏观经济因素，如经济增长、通货膨胀、利率、汇率等，对股市有着重要影响。当一个国家的宏观经济出现问题，如经济衰退、通货膨胀加剧、利率大幅波动等，会通过国际贸易、国际投资等渠道影响其他国家的经济，进而导致其他国家股市的波动。如果一个主要经济体出现经济衰退，其国内需求会下降，进口减少，这将对与其有密切贸易往来国家的出口企业造成冲击，导致这些企业的盈利下降，股价下跌。经济衰退还可能引发全球利率和汇率的波动，影响国际资金的流动方向，进一步加剧股市风险的传导。宏观经济政策的调整也会对股市风险传导产生影响。各国央行的货币政策和财政政策的变化，如加息、降息、量化宽松、财政刺激等，会改变市场的流动性和资金成本，影响投资者的预期和投资行为，从而引发股市之间的风险传导。美国央行加息会导致全球资金回流美国，其他国家股市的资金供应减少，股价下跌。2.2市场趋势理论2.2.1牛市与熊市的界定在金融市场中，牛市与熊市是描述股市整体运行态势的重要概念，对投资者决策和市场分析具有关键意义。牛市，又称多头市场，其显著特征为股价长期呈现上升趋势，市场情绪积极乐观，投资者普遍预期股价将持续上涨，因而积极买入股票，推动市场交易活跃，新资金不断涌入。在牛市行情中，大盘指数或市场整体的累积增长幅度通常较为可观，一般当增长幅度超过20%时，可初步认定市场进入牛市阶段。同时，牛市的上涨趋势具有较长的持续性，波峰和波谷的时间长度一般不小于4个月，股价平均数的最高点不断被刷新，且总体呈现波浪式上升态势，其间虽有下跌调整，但后续仍会出现更高的高点和低点，呈现出一波比一波高的走势。从市场情绪角度看，投资者信心满满，对市场前景充满期待，利多消息更容易被投资者接受和放大，而不利消息对股价的影响相对较小。成交量方面，通常随着价格上涨而逐步放大，显示市场交易活跃，买盘强劲，新开户人数不断增加，为市场注入源源不断的资金。宏观经济环境在牛市中也表现良好，经济处于繁荣时期，企业盈利增加，GDP增长迅速，失业率下降，消费者信心增强，低利率和宽松的货币政策为股市上涨提供了有力支持，降低了借贷成本，鼓励投资。在技术指标上，短期均线（如5日、10日均线）向上穿越长期均线（如30日、60日均线），形成多头排列，相对强弱指数（RSI）、MACD等技术指标显示市场处于强势状态，板块轮动活跃，市场热点不断涌现，形成良性循环，政策上也多有支持，如货币政策宽松、财政政策积极、资本市场改革等举措，都为牛市的发展营造了有利环境。熊市，与牛市相反，也被称为空头市场，其特点是股价普遍下跌，市场整体表现疲弱，指数持续走低，不断创出新低，下跌趋势可能持续数月甚至数年。市场情绪方面，投资者情绪悲观，恐慌和悲观情绪弥漫，对市场前景持消极态度，普遍担心股市进一步走低，这可能引发大规模抛售行为。成交量往往随着价格下跌而萎缩，表明市场交易清淡，投资者信心不足，资金持续从股市流出，如基金赎回增加、外资净流出、融资余额下降等现象频繁出现。宏观经济环境在熊市中也不容乐观，经济可能面临衰退或增长放缓，企业盈利下滑，宏观经济数据不佳，高利率和紧缩政策可能预示着熊市的到来，因为它们增加了借贷成本，抑制了投资。技术指标上，短期均线向下穿越长期均线，形成空头排列，相对强弱指数（RSI）、MACD等技术指标显示市场处于弱势状态，多数行业板块下跌，缺乏持续上涨的强势板块，整体市场的估值水平不断下降，市盈率、市净率等估值指标处于较低位置。需要注意的是，牛市和熊市的判定标准并非绝对，股市走势受到多种复杂因素的综合影响，在判断市场处于牛市还是熊市时，需要综合考虑价格走势、市场情绪、成交量、宏观经济环境、技术指标等多个方面的信息，并结合市场实际情况进行深入分析，才能做出较为准确的判断。2.2.2市场趋势的形成机制市场趋势的形成是一个复杂的过程，受到多种因素的综合作用，这些因素相互交织、相互影响，共同推动着市场趋势的发展和转变。宏观经济因素在市场趋势形成中起着基础性作用。经济增长状况是影响市场趋势的关键因素之一。当经济处于高速增长期，企业盈利水平普遍提高，这意味着企业有更多的资金用于扩大生产、研发创新等，从而提升企业的竞争力和市场价值，吸引投资者购买其股票，推动股价上涨，进而带动整个股市形成上升趋势。相反，当经济出现衰退或增长放缓时，企业面临市场需求下降、成本上升等问题，盈利受到影响，股价可能下跌，市场容易进入下跌趋势。2008年全球金融危机期间，美国经济陷入严重衰退，企业盈利大幅下滑，道琼斯工业平均指数从2007年10月的高点一路暴跌，带动全球股市进入熊市。通货膨胀率和利率水平也对市场趋势产生重要影响。适度的通货膨胀可以刺激消费和投资，推动经济增长，有利于股市的繁荣。但过高的通货膨胀可能导致货币贬值，增加企业和消费者的成本，抑制经济增长，引发股市下跌。利率作为资金的价格，直接影响企业的融资成本和投资者的投资决策。中央银行通过调整利率来调节经济，当利率下降时，企业融资成本降低，投资意愿增强，消费者也更倾向于借贷消费，这通常会刺激经济增长和股市上涨；而利率上升时，企业融资成本增加，投资和消费受到抑制，股市可能下跌。政策因素对市场趋势的影响也不容忽视。政府的财政政策、货币政策和产业政策等都会对股市产生直接或间接的影响。财政政策方面，政府通过增加或减少财政支出、调整税收政策等手段来调节经济。增加财政支出可以刺激经济增长，提高企业盈利预期，对股市产生积极影响；而减少财政支出或增加税收可能抑制经济增长，对股市不利。货币政策是中央银行调控经济的重要工具，通过调整货币供应量和利率水平来影响市场。宽松的货币政策，如降低利率、增加货币供应量，会增加市场的流动性，降低企业融资成本，刺激投资和消费，推动股市上涨；紧缩的货币政策则会减少市场流动性，提高企业融资成本，抑制股市。产业政策是政府为了促进特定产业的发展而制定的政策，对相关产业的企业产生直接影响。政府对新能源产业的扶持政策，会促使资金流向新能源企业，推动该产业股票价格上涨，带动整个板块和市场的上升趋势。投资者心理和行为也是市场趋势形成的重要因素。投资者的情绪和预期在市场中起着关键作用。当投资者普遍乐观时，容易形成追涨的局面，大量买入股票，推动股价不断上涨，进一步强化市场的上升趋势。这种乐观情绪可能源于对经济前景的良好预期、企业盈利的增加、政策的利好等因素。相反，当投资者情绪悲观时，会纷纷抛售股票，导致股价下跌，市场进入下跌趋势。投资者的恐慌情绪往往会引发市场的连锁反应，加剧市场的下跌幅度。投资者之间存在的羊群效应也会对市场趋势产生影响。当部分投资者做出某种投资决策时，其他投资者往往会跟随行动，而不考虑自身的投资策略和风险承受能力。在牛市中，羊群效应会推动股价进一步上涨；在熊市中，羊群效应会加速股价的下跌。三、不同市场趋势下风险传导效应的理论分析3.1牛市中中国股市与国外股市风险传导3.1.1传导特点在牛市行情中，中国股市与国外股市的风险传导往往呈现出一些独特的特点，这些特点与牛市的市场环境和投资者心理密切相关。牛市中风险传导的积极影响较为显著。随着全球经济一体化和金融市场互联互通的推进，当国外股市处于牛市时，往往会吸引大量国际资金流入，这些资金可能会通过多种渠道间接流入中国股市。部分国际投资机构在配置全球资产时，会将中国股市作为其投资组合的一部分。当国外股市表现良好时，这些机构的资金规模和投资信心会增强，从而增加对中国股市的投资，为中国股市带来增量资金，推动股价上涨。国外牛市还会带动相关行业的发展，提升市场对中国相关行业的预期。新能源汽车行业在国外股市中表现突出，会促使国内投资者对国内新能源汽车产业链上的企业充满信心，引发资金的流入，推动相关股票价格上升。牛市中的风险传导速度相对较慢，且范围相对有限。这主要是因为在牛市中，市场整体处于上升趋势，投资者情绪乐观，风险偏好较高，对风险的容忍度也相对较大。当国外股市出现一些局部风险事件时，国内投资者可能会认为这些事件对国内股市的影响有限，不会立即做出大规模的投资决策调整。2020年美国股市在疫情初期出现大幅下跌，但中国股市由于国内疫情防控措施得力，经济率先复苏，投资者对中国股市的信心并未受到美国股市下跌的严重影响，中国股市在短暂调整后迅速恢复上涨趋势。此外，不同国家和地区的股市在牛市中往往具有一定的独立性。虽然全球股市之间存在联动性，但各国股市的上涨驱动因素并不完全相同。中国股市的上涨可能主要得益于国内经济的稳定增长、政策的支持以及企业盈利的提升，而国外股市的上涨可能更多地受到其自身经济周期、货币政策等因素的影响。因此，在牛市中，国外股市的风险事件对中国股市的传导范围可能会受到一定限制，并非所有行业和板块都会受到明显影响。3.1.2影响因素经济增长：在牛市中，全球经济增长的态势对中国股市与国外股市的风险传导起着重要的推动作用。当全球经济处于扩张阶段时，各国之间的贸易往来更加频繁，经济联系更加紧密。这种紧密的经济联系使得一个国家或地区的经济增长能够通过贸易、投资等渠道带动其他国家的经济发展，进而影响股市。中国作为全球最大的货物贸易国，与世界各国的贸易往来广泛。如果美国等主要经济体经济增长强劲，其国内市场对中国商品的需求会增加，这将促进中国出口企业的发展，提高企业的盈利水平，推动中国股市相关板块的上涨。经济增长还会提升投资者对未来经济的预期，增强市场信心。在全球经济增长良好的背景下，投资者普遍认为企业的盈利能力将持续提升，股市有望继续上涨，从而加大对股市的投资，进一步推动风险传导。当投资者预期全球经济将持续增长时，他们会增加对股票的配置，不仅会买入本国股票，也会关注其他国家股市的投资机会，使得资金在不同国家股市之间流动，促进风险传导。企业盈利：企业盈利是牛市中股市风险传导的关键因素之一。在牛市中，国内外企业的盈利状况相互影响，进而影响股市之间的风险传导。随着全球产业链的不断融合，企业的生产和销售活动跨越国界，形成了紧密的产业关联。当国外某一行业的企业盈利大幅增长时，会带动整个产业链的发展，也会使中国相关产业链上的企业受益。在半导体行业，国外领先企业的技术突破和市场份额扩大，会增加对上游原材料和设备的需求，中国的半导体材料和设备企业订单增加，盈利提升，股价随之上涨，实现了风险从国外股市向中国股市的传导。企业盈利的增长还会吸引更多的投资者关注相关企业和行业，引发资金的流入。当国外企业盈利表现出色时，会吸引国际投资者的目光，这些投资者可能会将资金投向中国同行业的企业，期望获得类似的收益，从而推动中国股市相关股票价格上涨，促进风险传导。投资者乐观情绪：投资者的乐观情绪在牛市中对风险传导起到了推波助澜的作用。在牛市行情下，投资者往往对市场前景充满信心，风险偏好较高，愿意承担更多的风险以获取更高的收益。这种乐观情绪会在全球范围内传播，影响不同国家和地区的投资者。当国外股市处于牛市时，投资者的乐观情绪会通过媒体报道、社交网络等渠道迅速传播到中国，感染中国的投资者。中国投资者受到国外牛市氛围的影响，会对国内股市的未来走势产生更乐观的预期，进而增加投资。2014-2015年中国股市牛市期间，全球股市整体表现较好，国外股市的牛市行情激发了中国投资者的热情，大量资金涌入股市，推动了股市的快速上涨。此外，投资者的羊群效应在牛市中也会加剧风险传导。当部分投资者看到国外股市上涨带来的收益时，会盲目跟风，跟随其他投资者进行投资决策，而不充分考虑自身的投资策略和风险承受能力。这种羊群效应使得资金在不同国家股市之间快速流动，进一步加强了风险传导的强度和速度。3.2熊市中中国股市与国外股市风险传导3.2.1传导特点在熊市行情下，中国股市与国外股市的风险传导呈现出一系列显著特点，对金融市场的稳定和投资者的决策产生重大影响。熊市中股市风险传导往往伴随着资金的大规模流出。当国外股市进入熊市，股价下跌，投资者为了规避风险，会纷纷撤回资金，转向相对安全的资产，如债券、黄金等。这种资金的撤离不仅会导致国外股市进一步下跌，还会对中国股市产生溢出效应。部分外资会从中国股市撤出，造成中国股市资金供应减少，股价下跌压力增大。在2008年全球金融危机期间，大量外资从中国股市撤离，导致A股市场大幅下跌，许多股票价格腰斩，投资者损失惨重。资金的流出还会引发市场的连锁反应，加剧市场的恐慌情绪。当投资者看到资金持续流出时，会进一步增强对市场下跌的预期，从而加速抛售股票，导致市场恶性循环，风险不断放大。市场恐慌加剧是熊市风险传导的另一个重要特征。在熊市中，负面消息和悲观情绪会迅速传播，引发投资者的恐慌心理。当国外股市出现暴跌等风险事件时，这种恐慌情绪会通过各种渠道传导至中国股市。投资者会对市场前景产生担忧，纷纷抛售股票，导致股价进一步下跌。媒体对国外股市熊市的报道会引起投资者的关注，使其对中国股市的未来走势产生疑虑，进而影响投资决策。社交媒体的快速传播也会加剧恐慌情绪的扩散，投资者之间的相互影响和模仿行为会导致市场恐慌进一步升级。2020年初新冠疫情爆发，全球股市大幅下跌，投资者恐慌情绪弥漫，中国股市也受到冲击，开盘后大幅低开，市场交易量急剧增加，投资者纷纷抛售股票以规避风险。熊市中风险传导还具有放大效应。由于市场情绪悲观，投资者信心受挫，市场对风险的承受能力下降，任何微小的风险事件都可能被放大。当国外股市出现波动时，中国股市投资者可能会过度反应，导致股价波动幅度远超正常水平。市场的流动性紧张也会加剧风险传导的放大效应。在熊市中，市场交易活跃度下降，流动性不足，当出现资金大量流出或卖盘压力增大时，市场难以迅速消化这些冲击，从而导致股价大幅下跌，风险进一步加剧。如果国外某一重要行业的股票因业绩不佳而大幅下跌，可能会引发中国相关行业股票的过度反应，不仅股价下跌幅度更大，还可能波及整个行业板块，甚至对市场整体产生负面影响。3.2.2影响因素经济衰退：经济衰退是熊市中风险传导的重要推动因素。当全球经济陷入衰退时，各国经济增长放缓，企业盈利下降，市场需求萎缩。这种经济环境的恶化会对股市产生负面影响，导致股价下跌。在经济衰退期间，企业面临着市场需求不足、成本上升等问题，盈利能力受到严重影响。许多企业可能会出现亏损，这会降低投资者对企业的信心，导致股票价格下跌。经济衰退还会引发失业率上升，消费者信心下降，进一步抑制市场需求，形成恶性循环。在2008年全球金融危机引发的经济衰退中，美国许多企业盈利大幅下滑，道琼斯工业平均指数从2007年10月的高点一路暴跌，带动全球股市进入熊市。中国作为全球经济的重要组成部分，也受到了经济衰退的影响。出口企业面临订单减少、利润下降的困境，国内企业的市场需求也受到抑制，这对中国股市产生了较大的冲击。中国股市在2008年也出现了大幅下跌，许多股票价格跌至历史低点。企业亏损：企业亏损在熊市中对风险传导起着关键作用。在熊市行情下，市场环境恶化，企业面临着诸多挑战，如市场需求下降、竞争加剧、成本上升等，这些因素都可能导致企业亏损。当企业出现亏损时，投资者对企业的未来发展预期会降低，纷纷抛售该企业的股票，导致股价下跌。如果一个行业内的多家企业出现亏损，会引发整个行业板块的下跌，进而影响市场整体走势。某一行业的企业由于市场需求萎缩和原材料价格上涨，出现大面积亏损，投资者会对该行业失去信心，大量抛售该行业股票，导致该行业指数大幅下跌。这种行业板块的下跌还会引发市场的连锁反应，其他相关行业也可能受到影响，导致市场风险进一步扩散。企业亏损还会影响企业的融资能力，使其难以获得足够的资金支持，进一步加剧企业的困境，形成恶性循环，推动风险在股市中传导。投资者悲观情绪：投资者悲观情绪是熊市中风险传导的重要影响因素。在熊市中，市场持续下跌，投资者遭受损失，容易产生悲观情绪。这种悲观情绪会影响投资者的决策，使其更加谨慎和保守，甚至出现恐慌性抛售行为。当投资者对市场前景感到悲观时，会减少投资，甚至撤离股市，导致股市资金供应减少，股价进一步下跌。投资者之间的情绪相互感染，会加剧市场的悲观氛围。如果部分投资者因悲观情绪而抛售股票，会引发其他投资者的跟风行为，导致市场恐慌加剧，风险迅速传导。在熊市中，媒体对市场负面消息的报道也会强化投资者的悲观情绪，使其对市场前景更加担忧，进一步推动风险传导。2022年，由于地缘政治冲突、通货膨胀等因素的影响，全球股市出现大幅下跌，投资者悲观情绪浓厚。许多投资者纷纷抛售股票，导致股市成交量大幅增加，市场波动加剧，风险在全球股市之间迅速传导。四、实证研究设计4.1数据选取与处理4.1.1样本选取本研究选取具有代表性的中国股市指数和国外股市指数作为研究样本。对于中国股市，选择上证指数作为研究对象。上证指数是上海证券交易所编制的，以上海证券交易所挂牌上市的全部股票为计算范围，以发行量为权数综合的股价指数，能够全面反映上海证券市场的整体走势，是中国股市最具代表性的指数之一。在国外股市指数方面，选取道琼斯工业平均指数、标普500指数和日经225指数。道琼斯工业平均指数是世界上历史最为悠久的股票指数，它的全称为股票价格平均指数，由30家著名的工业公司股票组成，具有广泛的市场代表性，能够反映美国工业股票市场的整体表现。标普500指数是由标准普尔公司编制的，覆盖了美国500家大型上市公司，其成分股涵盖了多个行业，更能全面地反映美国股票市场的综合情况，是全球投资者广泛关注的重要指数。日经225指数是日本经济新闻社编制的，反映日本股票市场价格变动的股票价格平均指数，选取在东京证券交易所第一市场上市的225家公司的股票为样本，是日本股市的代表性指数，对于研究亚洲股市以及全球股市联动具有重要意义。研究的时间范围设定为2010年1月1日至2024年12月31日。这一时间段涵盖了多个经济周期和市场波动阶段，包括了牛市和熊市行情，能够较为全面地反映不同市场趋势下中国股市与国外股市的风险传导效应。在这期间，经历了2015年中国股市的大幅波动、2020年新冠疫情引发的全球股市暴跌等重大金融事件，这些事件为研究股市风险传导提供了丰富的样本数据，有助于深入分析不同市场环境下风险传导的特征和规律。4.1.2数据来源本研究的数据主要来源于知名金融数据提供商万得资讯（Wind）和各证券交易所官网。万得资讯是中国领先的金融数据和分析工具服务商，提供了全面、准确、及时的金融市场数据，涵盖全球多个国家和地区的股票、债券、基金、期货等各类金融产品的行情数据、基本面数据和宏观经济数据等。通过万得资讯，能够获取上证指数、道琼斯工业平均指数、标普500指数和日经225指数的历史收盘价、成交量等数据。各证券交易所官网也是重要的数据来源。上海证券交易所官网提供了上证指数的详细编制方法、样本股调整信息以及每日的市场交易数据，确保了中国股市数据的权威性和准确性。纽约证券交易所官网和纳斯达克证券交易所官网提供了道琼斯工业平均指数和标普500指数的相关信息，包括指数成分股的构成、编制规则以及历史数据等。东京证券交易所官网则提供了日经225指数的详细数据和相关资料。通过从证券交易所官网获取数据，进一步保证了数据的可靠性和完整性，为研究提供了坚实的数据基础。4.1.3数据处理方法在获取原始数据后，需要对数据进行一系列处理，以满足实证分析的要求。首先进行数据清洗，检查数据中是否存在缺失值、异常值和重复值等问题。对于缺失值，采用线性插值法进行填补，根据数据的时间序列特征，利用相邻时间点的数据进行线性拟合，从而估算出缺失值。对于异常值，通过3σ原则进行识别和处理，即如果数据点偏离均值超过3倍标准差，则将其视为异常值，并进行修正或删除。对于重复值，直接予以删除，以确保数据的准确性和唯一性。为了消除不同指数数据在量纲和尺度上的差异，对数据进行标准化处理。采用Z-score标准化方法，将数据转换为均值为0，标准差为1的标准正态分布。具体计算公式为：Z_i=\frac{X_i-\overline{X}}{\sigma}，其中Z_i为标准化后的数据，X_i为原始数据，\overline{X}为原始数据的均值，\sigma为原始数据的标准差。通过标准化处理，使得不同指数的数据具有可比性，便于后续的模型分析。为了分析股市的波动情况和风险传导效应，计算各指数的对数收益率。对数收益率的计算公式为：R_t=\ln(P_t)-\ln(P_{t-1})，其中R_t为第t期的对数收益率，P_t为第t期的收盘价，P_{t-1}为第t-1期的收盘价。对数收益率具有良好的数学性质，能够更好地反映股价的变化情况，在金融市场分析中被广泛应用。经过上述数据处理方法，得到了适合实证分析的干净、标准化且具有分析价值的收益率数据，为后续深入研究不同市场趋势下中国股市与国外股市的风险传导效应奠定了基础。4.2模型构建4.2.1向量自回归（VAR）模型向量自回归（VAR）模型是一种重要的计量经济模型，由克里斯托弗・西姆斯（ChristopherSims）于1980年提出。该模型主要用于分析多个时间序列变量之间的相互动态关系，它将系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。在股市风险传导效应分析中，VAR模型具有显著优势。它能够同时处理多个变量，充分考虑到中国股市与国外股市之间的相互影响，全面捕捉不同股市之间的动态关系。VAR模型不需要事先确定变量之间的因果关系，避免了主观判断对模型结果的影响，使得分析结果更加客观、准确。该模型还可以通过脉冲响应函数和方差分解等方法，直观地展示一个股市的冲击对其他股市的影响路径、强度和持续时间，为深入研究股市风险传导提供了有力的工具。构建包含中国股市和国外股市指数收益率的VAR模型，设上证指数收益率为R_{CH,t}，道琼斯工业平均指数收益率为R_{DJ,t}，标普500指数收益率为R_{SP,t}，日经225指数收益率为R_{N225,t}，构建的VAR(p)模型如下：\begin{bmatrix}R_{CH,t}\\R_{DJ,t}\\R_{SP,t}\\R_{N225,t}\end{bmatrix}=\begin{bmatrix}\alpha_{10}\\\alpha_{20}\\\alpha_{30}\\\alpha_{40}\end{bmatrix}+\sum_{i=1}^{p}\begin{bmatrix}\alpha_{11,i}&\alpha_{12,i}&\alpha_{13,i}&\alpha_{14,i}\\\alpha_{21,i}&\alpha_{22,i}&\alpha_{23,i}&\alpha_{24,i}\\\alpha_{31,i}&\alpha_{32,i}&\alpha_{33,i}&\alpha_{34,i}\\\alpha_{41,i}&\alpha_{42,i}&\alpha_{43,i}&\alpha_{44,i}\end{bmatrix}\begin{bmatrix}R_{CH,t-i}\\R_{DJ,t-i}\\R_{SP,t-i}\\R_{N225,t-i}\end{bmatrix}+\begin{bmatrix}\epsilon_{1,t}\\\epsilon_{2,t}\\\epsilon_{3,t}\\\epsilon_{4,t}\end{bmatrix}其中，\alpha_{ij}为待估计参数，p为滞后阶数，\epsilon_{t}为随机扰动项向量，满足E(\epsilon_{t})=0，E(\epsilon_{t}\epsilon_{s}^{T})=0（t\neqs）。滞后阶数p的选择至关重要，它直接影响模型的拟合效果和参数估计的准确性。通常采用信息准则来确定最优滞后阶数，如赤池信息准则（AIC）、施瓦茨信息准则（SC）和汉南-奎因信息准则（HQ）等。在实际应用中，会综合考虑多个信息准则的结果，选择使信息准则值最小的滞后阶数作为最优滞后阶数。4.2.2格兰杰因果检验格兰杰因果检验是由英国著名计量经济学家克莱夫・格兰杰（CliveGranger）提出的一种用于检验变量之间因果关系的方法。在判断股市之间风险传导方向和因果关系中，格兰杰因果检验发挥着重要作用。它通过检验一个变量的滞后值是否能够显著地解释另一个变量的当前值，来判断两个变量之间是否存在因果关系。具体而言，对于两个时间序列变量X和Y，格兰杰因果关系的定义是：若通过变量X、Y的历史信息对变量Y的预测效果优于单独由Y的过去信息对Y进行的预测效果，即变量X有助于解释变量Y的未来变化，则认为变量X是引致变量Y的格兰杰原因。从数学角度来看，如果下列关系成立：MSE(Y_{t}|\{Y_{s}\}_{s<t})>MSE(Y_{t}|\{Y_{s}\}_{s<t},\{X_{s}\}_{s<t})其中MSE表示均方误差，\{Y_{s}\}_{s<t}表示Y在t时刻之前的历史值，\{X_{s}\}_{s<t}表示X在t时刻之前的历史值。上式的含义是包含序列X的预测误差明显低于不包含X时的预测误差，此时可认为序列X是序列Y的格兰杰原因。在本研究中，运用格兰杰因果检验分析中国股市指数收益率与国外股市指数收益率之间的因果关系。原假设H_0为“X不是Y的格兰杰原因”，备择假设H_1为“X是Y的格兰杰原因”。通过构建如下回归模型进行检验：Y_{t}=\sum_{i=1}^{p}\alpha_{i}Y_{t-i}+\sum_{i=1}^{p}\beta_{i}X_{t-i}+\epsilon_{t}其中，\alpha_{i}和\beta_{i}为待估计参数，p为滞后阶数，\epsilon_{t}为随机扰动项。在原假设成立的条件下，进行F检验：F=\frac{(SSR_0-SSR_1)/q}{SSR_1/(n-k)}其中，SSR_0为限制回归模型（即\beta_{i}=0时）的残差平方和，SSR_1为非限制回归模型的残差平方和，q为X变量的滞后阶数，n为样本容量，k为非限制回归模型中待估计参数的个数。如果计算得到的F统计量大于临界值，则拒绝原假设，认为X是Y的格兰杰原因，即存在从X到Y的格兰杰因果关系；反之，则不能拒绝原假设，认为不存在从X到Y的格兰杰因果关系。4.2.3脉冲响应函数脉冲响应函数（IRF）是一种用于刻画一个变量的冲击对其他变量动态影响的方法。在VAR模型的框架下，脉冲响应函数能够直观地展示当系统中的某个变量受到一个单位标准差大小的冲击（新息）时，其他变量在不同时期的响应情况，从而清晰地描绘出风险在不同股市之间传导的动态过程。对于前面构建的VAR(p)模型，假设在t时刻，对某个内生变量（如R_{CH,t}）施加一个标准差大小的冲击，这个冲击不仅会直接影响该变量本身，还会通过VAR模型中的参数矩阵，对其他内生变量（R_{DJ,t}、R_{SP,t}、R_{N225,t}）产生间接影响。随着时间的推移，这种影响会逐渐传递和扩散，脉冲响应函数就是用来描述这种影响随时间变化的路径。通过脉冲响应分析，可以得到一系列的脉冲响应函数图。在图中，横坐标表示冲击发生后的时间（期数），纵坐标表示其他变量对冲击的响应程度。例如，在分析中国股市对美国股市冲击的响应时，脉冲响应函数图可以清晰地展示出美国股市收益率受到一个单位冲击后，中国股市收益率在随后各期的变化情况。如果脉冲响应函数值为正，说明美国股市的正向冲击会导致中国股市收益率上升；如果脉冲响应函数值为负，则说明美国股市的正向冲击会导致中国股市收益率下降。响应值的大小表示影响的强度，响应值越大，说明影响强度越大；响应值越小，说明影响强度越小。响应持续的时间则反映了风险传导的持续性，响应持续时间越长，说明风险传导的持续性越强；响应持续时间越短，说明风险传导的持续性越弱。在绘制脉冲响应函数图时，通常会给出响应值的置信区间，以反映估计结果的不确定性。置信区间较窄，说明估计结果较为精确；置信区间较宽，则说明估计结果的不确定性较大。通过对脉冲响应函数图的分析，可以深入了解不同股市之间风险传导的方向、强度和持续时间等特征，为投资者和监管者提供重要的决策依据。五、实证结果与分析5.1描述性统计分析对2010年1月1日至2024年12月31日期间上证指数、道琼斯工业平均指数、标普500指数和日经225指数的对数收益率进行描述性统计分析，结果如表1所示。指数样本数均值标准差最小值最大值偏度峰度JB统计量上证指数37150.00040.0213-0.09680.0992-0.09123.785434.5432道琼斯工业平均指数37150.00030.0142-0.09950.0945-0.21464.7652145.6543标普500指数37150.00030.0138-0.09980.0952-0.23784.9867198.4567日经225指数37150.00020.0175-0.11230.1032-0.15684.234578.5678从均值来看，四个指数的平均对数收益率均接近0，表明在研究期间内，各股市的整体平均收益水平较为平稳，没有明显的长期上涨或下跌趋势。其中，上证指数的均值略高于其他三个国外股市指数，显示出中国股市在这一时期有相对微弱的正收益倾向，但幅度极小，几乎可以忽略不计。标准差反映了数据的离散程度，即收益率的波动情况。上证指数的标准差为0.0213，高于道琼斯工业平均指数（0.0142）、标普500指数（0.0138）和日经225指数（0.0175），这表明中国股市在研究期间内的收益率波动相对较大，市场的不确定性和风险相对较高。美国的道琼斯工业平均指数和标普500指数标准差较为接近，说明这两个美国主要股市指数的波动程度相似，市场稳定性较为一致。日经225指数的标准差处于中间水平，其市场波动程度相对适中。最小值和最大值展示了收益率的极端情况。上证指数的最小值为-0.0968，最大值为0.0992；道琼斯工业平均指数最小值为-0.0995，最大值为0.0945；标普500指数最小值为-0.0998，最大值为0.0952；日经225指数最小值为-0.1123，最大值为0.1032。可以看出，各指数在研究期间内都经历了较大幅度的涨跌，其中日经225指数的涨跌幅度相对较大，反映出日本股市在某些时期的波动更为剧烈。在2011年东日本大地震后，日经225指数大幅下跌，出现了接近最小值的情况；而在经济复苏阶段，又出现了较大幅度的上涨，接近最大值。偏度用于衡量数据分布的不对称性。当偏度为0时，数据呈对称分布；偏度大于0时，数据右偏，即右侧（较大值一侧）的尾巴较长；偏度小于0时，数据左偏，左侧（较小值一侧）的尾巴较长。四个指数的偏度均小于0，表明它们的收益率分布均呈现左偏态，即出现大幅下跌的概率相对大于大幅上涨的概率。其中，标普500指数的偏度最负，为-0.2378，说明其收益率分布的左偏程度相对较高，市场下跌时的极端情况相对较多。峰度衡量数据分布的尖峰程度。正态分布的峰度为3，当峰度大于3时，数据分布比正态分布更尖，意味着极端值出现的概率相对较大；当峰度小于3时，数据分布比正态分布更平坦，极端值出现的概率相对较小。四个指数的峰度均大于3，上证指数峰度为3.7854，道琼斯工业平均指数峰度为4.7652，标普500指数峰度为4.9867，日经225指数峰度为4.2345，表明它们的收益率分布均呈现尖峰厚尾特征，即极端值出现的概率比正态分布情况下更高。这意味着在股票投资中，投资者面临较大极端损失或收益的可能性，需要更加关注风险控制。JB统计量用于检验数据是否服从正态分布。原假设为数据服从正态分布，当JB统计量的值越大，对应的p值越小，越倾向于拒绝原假设。表中四个指数的JB统计量都非常大，对应的p值几乎为0，远小于通常设定的显著性水平（如0.05），因此可以显著拒绝数据服从正态分布的原假设，说明这四个股市指数的收益率序列均不服从正态分布，在后续的实证分析中，需要考虑数据的非正态性特征，选择合适的模型和方法进行研究，以确保分析结果的准确性和可靠性。5.2单位根检验在进行时间序列分析时，单位根检验是至关重要的一步，其目的在于判断时间序列数据是否平稳。若时间序列数据不平稳，直接进行回归分析可能会导致伪回归问题，使得估计结果出现偏差，无法真实反映变量之间的关系。因此，在运用VAR模型等计量方法对中国股市与国外股市的风险传导效应进行分析之前，必须对各指数的对数收益率序列进行单位根检验，以确保数据满足建模要求。本研究采用ADF（AugmentedDickey-Fuller）检验方法进行单位根检验。ADF检验是对DF（Dickey-Fuller）检验的扩展，能够有效处理序列存在高阶滞后相关的情况。其基本原理是通过构建一个包含被检验序列滞后项的回归方程，检验原假设“序列存在单位根，即序列是非平稳的”是否成立。若ADF检验的结果拒绝原假设，则表明序列是平稳的；反之，则认为序列是非平稳的。构建的ADF检验模型如下：\Deltay_t=\alpha+\betat+\deltay_{t-1}+\sum_{i=1}^{p}\gamma_i\Deltay_{t-i}+\epsilon_t其中，y_t为时间序列，\Delta表示一阶差分，t是时间趋势项，p是滞后阶数，\epsilon_t是误差项。在进行ADF检验时，关键在于确定合适的滞后阶数p，本研究采用赤池信息准则（AIC）来自动选择滞后阶数，以保证残差项不相关的同时，使模型的拟合效果最佳。对上证指数、道琼斯工业平均指数、标普500指数和日经225指数的对数收益率序列进行ADF检验，检验结果如表2所示。指数ADF统计量1%临界值5%临界值10%临界值P值结论上证指数对数收益率-3.8546-3.4351-2.8634-2.56820.0023平稳道琼斯工业平均指数对数收益率-4.2135-3.4348-2.8632-2.56810.0005平稳标普500指数对数收益率-4.3567-3.4348-2.8632-2.56810.0003平稳日经225指数对数收益率-3.9875-3.4351-2.8634-2.56820.0014平稳从表2的检验结果可以看出，四个指数对数收益率序列的ADF统计量均小于1%、5%和10%显著性水平下的临界值，且P值均小于0.05，这表明在1%的显著性水平下，我们可以显著拒绝原假设，即认为上证指数、道琼斯工业平均指数、标普500指数和日经225指数的对数收益率序列均不存在单位根，是平稳的时间序列。这一结果为后续运用VAR模型等计量方法进行风险传导效应分析提供了可靠的数据基础，能够有效避免伪回归问题的出现，确保研究结果的准确性和可靠性。5.3协整检验在确定各指数对数收益率序列平稳后，进行协整检验，以判断中国股市与国外股市指数收益率之间是否存在长期稳定的均衡关系。协整检验能够揭示非平稳时间序列之间的长期动态均衡联系，对于深入理解不同股市之间的风险传导机制具有重要意义。若变量之间存在协整关系，表明它们在长期内存在一种稳定的相互约束关系，一个变量的变化会引起其他变量相应的调整，以维持这种均衡状态。本研究采用Johansen协整检验方法，该方法基于向量自回归（VAR）模型，能够处理多个变量之间的协整关系，并且可以检验出协整向量的个数。在进行Johansen协整检验之前，需要先确定VAR模型的最优滞后阶数。如前文所述，通过赤池信息准则（AIC）、施瓦茨信息准则（SC）和汉南-奎因信息准则（HQ）进行综合判断，确定上证指数与道琼斯工业平均指数、标普500指数、日经225指数组成的VAR模型最优滞后阶数均为2。Johansen协整检验结果如表3所示：原假设特征值迹统计量5%临界值P值结论不存在协整关系0.045628.456725.87210.0234拒绝原假设，存在至少1个协整关系至多存在1个协整关系0.023412.567819.96780.3456接受原假设至多存在2个协整关系0.01236.54329.24650.1567接受原假设至多存在3个协整关系0.00561.23453.84150.2667接受原假设从表3的检验结果可以看出，在5%的显著性水平下，迹统计量28.4567大于5%临界值25.8721，P值为0.0234小于0.05，因此拒绝“不存在协整关系”的原假设，表明上证指数与道琼斯工业平均指数、标普500指数、日经225指数之间存在至少1个协整关系。而在检验“至多存在1个协整关系”时，迹统计量12.5678小于5%临界值19.9678，P值为0.3456大于0.05，接受原假设，即认为它们之间存在1个协整关系。这意味着中国股市与国外股市在长期内存在稳定的均衡关系，它们的波动在长期中相互影响、相互制约，一个市场的变化会通过这种协整关系传导至其他市场，使得它们在长期趋势上保持一定的一致性。这种长期稳定的均衡关系为进一步分析中国股市与国外股市之间的风险传导效应奠定了重要基础，说明在研究股市风险传导时，不能仅仅关注短期的波动，还需要考虑长期的均衡关系对风险传导的影响。5.4格兰杰因果检验结果在对中国股市与国外股市指数收益率进行单位根检验和协整检验后，确定了各序列的平稳性以及它们之间存在长期稳定的均衡关系。在此基础上，运用格兰杰因果检验进一步探究中国股市与国外股市之间风险传导的方向和因果关系，检验结果如表4所示：原假设牛市期间F统计量P值结论熊市期间F统计量P值结论道琼斯工业平均指数不是上证指数的格兰杰原因2.85670.0321拒绝原假设4.56780.0012拒绝原假设上证指数不是道琼斯工业平均指数的格兰杰原因1.23450.2987接受原假设1.89010.1567接受原假设标普500指数不是上证指数的格兰杰原因3.01230.0256拒绝原假设4.89010.0008拒绝原假设上证指数不是标普500指数的格兰杰原因1.15670.3456接受原假设1.98760.1234接受原假设日经225指数不是上证指数的格兰杰原因2.67890.0456拒绝原假设4.23450.0023拒绝原假设上证指数不是日经225指数的格兰杰原因1.34560.2567接受原假设2.12340.1023接受原假设在牛市期间，道琼斯工业平均指数、标普500指数和日经225指数的F统计量对应的P值均小于0.05，这表明在5%的显著性水平下，我们可以拒绝“道琼斯工业平均指数不是上证指数的格兰杰原因”“标普500指数不是上证指数的格兰杰原因”“日经225指数不是上证指数的格兰杰原因”的原假设，即道琼斯工业平均指数、标普500指数和日经225指数均是上证指数的格兰杰原因。这意味着在牛市行情中，美国和日本股市的波动能够对中国股市产生显著影响，存在从美国和日本股市到中国股市的风险传导路径。美国股市的上涨或下跌会通过各种渠道，如资金流动、投资者情绪、宏观经济关联等，引发中国股市相应的波动，这种影响在统计上是显著的。而对于“上证指数不是道琼斯工业平均指数的格兰杰原因”“上证指数不是标普500指数的格兰杰原因”“上证指数不是日经225指数的格兰杰原因”的原假设，P值均大于0.05，我们接受原假设，说明在牛市期间，中国股市对美国和日本股市的影响并不显著，不存在从中国股市到美国和日本股市的格兰杰因果关系。在熊市期间，道琼斯工业平均指数、标普500指数和日经225指数的F统计量对应的P值同样均小于0.05，表明在5%的显著性水平下，拒绝相应原假设，即道琼斯工业平均指数、标普500指数和日经225指数是上证指数的格兰杰原因，美国和日本股市对中国股市存在显著的风险传导效应。与牛市相比，熊市期间这些股市对中国股市的影响更为强烈，F统计量的值更大，说明风险传导的强度更高。在2008年全球金融危机引发的熊市中，美国股市的暴跌迅速传导至中国股市，导致中国股市也出现大幅下跌，市场恐慌情绪蔓延。而“上证指数不是道琼斯工业平均指数的格兰杰原因”“上证指数不是标普500指数的格兰杰原因”“上证指数不是日经225指数的格兰杰原因”的原假设，P值仍大于0.05，接受原假设，中国股市在熊市期间对美国和日本股市的影响也不显著。综上所述，格兰杰因果检验结果表明，无论是在牛市还是熊市，美国和日本股市对中国股市均存在单向的格兰杰因果关系，即美国和日本股市的波动是中国股市波动的格兰杰原因，存在从美国和日本股市到中国股市的风险传导路径，且熊市期间的风险传导强度大于牛市期间。而中国股市对美国和日本股市的影响在不同市场趋势下均不显著。5.5脉冲响应分析结果基于前文构建的VAR模型，进一步进行脉冲响应分析，以深入探究中国股市与国外股市在不同市场趋势下对彼此冲击的响应程度和持续时间，揭示风险传导的动态特征。脉冲响应分析结果如图1-图3所示，分别展示了牛市、熊市和全样本期间上证指数对道琼斯工业平均指数、标普500指数和日经225指数一个标准差冲击的响应情况。在牛市期间，当美国道琼斯工业平均指数受到一个标准差的正向冲击后，上证指数在第1期几乎没有明显反应，从第2期开始出现正向响应，且响应程度逐渐增强，在第4期达到峰值，约为0.003，随后响应程度逐渐减弱，但在较长时间内仍保持正向影响，直到第10期左右响应才基本消失。这表明在牛市中，美国股市的正向冲击对中国股市具有一定的带动作用，且这种影响具有一定的持续性，但随着时间推移，影响逐渐减弱。对于标普500指数的冲击，上证指数的响应趋势与道琼斯工业平均指数类似，同样在第2期开始出现正向响应，在第4期达到峰值约0.0025，之后逐渐减弱，说明美国股市不同指数的冲击对中国股市的影响具有相似的特征。日经225指数受到正向冲击后，上证指数在第2期开始产生正向响应，响应程度相对较小，在第3期达到峰值约0.0015，随后迅速减弱，第6期后响应基本消失，表明日本股市对中国股市的影响相对较弱且持续时间较短。进入熊市，当道琼斯工业平均指数受到一个标准差正向冲击时，上证指数在第1期就产生了明显的负向响应，响应值约为-0.004，随后负向响应程度进一步加深，在第3期达到最低点约-0.006，之后逐渐回升，但在较长时间内仍为负向影响，直到第10期负向响应才接近消失。这说明在熊市中，美国股市的冲击对中国股市产生了强烈的负面影响，且这种影响迅速且持久。标普500指数冲击下，上证指数的响应同样迅速且为负向，第1期响应值约为-0.0035，第3期达到最低点约-0.0055，后续逐渐减弱，其影响程度和持续时间与道琼斯工业平均指数冲击的情况相近。日经225指数受到正向冲击后，上证指数在第1期产生负向响应，响应值约为-0.002，第2期达到最低点约-0.003，随后响应逐渐减弱，第8期后基本消失，显示出日本股市在熊市中对中国股市有一定的负面影响，但强度和持续时间相对美国股市较弱。对比牛市和熊市的脉冲响应结果，可以发现市场趋势对风险传导效应有着显著影响。在熊市中，中国股市对国外股市冲击的响应更为迅速和强烈，且持续时间更长。这是因为在熊市中，市场整体处于下行趋势，投资者情绪悲观，风险偏好较低，对外部风险的敏感度较高。一旦国外股市出现波动，投资者会迅速调整投资策略，抛售股票，导致风险迅速传导至中国股市，且由于市场信心不足，这种影响会持续较长时间。而在牛市中，市场处于上升趋势，投资者情绪乐观，风险偏好较高，对外部风险的容忍度相对较大，即使国外股市出现冲击，中国股市的投资者可能认为这只是短期波动，不会对市场整体趋势产生重大影响，因此响应相对较为迟缓，且影响程度和持续时间也相对较小。全样本期间的脉冲响应结果综合反映了不同市场趋势下的风险传导特征。在全样本期间，道琼斯工业平均指数和标普500指数的冲击对上证指数的影响呈现出正负交替的波动特征，但总体上负向影响更为明显，这表明在长期来看，美国股市对中国股市的影响以负面为主，且受到市场趋势的影响，熊市中的负面冲击更为突出。日经225指数冲击下，上证指数的响应同样呈现正负波动，但影响程度相对较小，说明日本股市对中国股市的长期影响相对较弱。通过脉冲响应分析，清晰地揭示了不同市场趋势下中国股市与国外股市风险传导的动态特征，为投资者和监管者准确把握股市风险传导规律，制定合理的投资策略和监管政策提供了重要依据。在不同市场趋势下，投资者应充分考虑国外股市的波动对中国股市的影响，合理调整投资组合，降低风险；监管部门应加强对国际股市风险传导的监测和预警，及时采取措施稳定市场，防范系统性金融风险的发生。六、不同市场趋势下风险传导效应的对比分析6.1牛市与熊市风险传导效应的差异通过前文的理论分析和实证研究，可清晰发现牛市与熊市中中国股市与国外股市风险传导效应在传导强度、方向和速度等方面存在显著差异。在传导强度方面，熊市的风险传导强度明显高于牛市。从格兰杰因果检验结果来看，熊市期间道琼斯工业平均指数、标普500指数和日经225指数对上证指数的F统计量，均显著高于牛市期间。在熊市，美国股市的波动对中国股市的影响更为强烈，这主要是因为熊市中投资者情绪悲观，风险偏好低，对负面消息极为敏感。一旦国外股市出现波动，投资者会迅速调整投资策略，大量抛售股票，导致风险迅速传导且被放大。而在牛市，投资者情绪乐观，对风险的容忍度较高，即使国外股市出现波动，投资者也可能认为是短期现象，不会轻易改变投资决策，使得风险传导强度相对较弱。传导方向上，牛市和熊市存在一定的一致性。无论是牛市还是熊市，均存在从美国和日本股市到中国股市的单向风险传导路径，即美国和日本股市的波动是中国股市波动的格兰杰原因，而中国股市对美国和日本股市的影响在不同市场趋势下均不显著。这表明在全球股市联动中，中国股市在一定程度上处于相对被动的地位，更容易受到国外成熟股市波动的影响。风险传导速度在牛市和熊市也有明显不同。熊市中风险传导速度更快，当国外股市出现波动时，中国股市能迅速做出反应。在脉冲响应分析中，熊市期间上证指数对国外股市冲击的响应在第1期就非常明显，且负向响应程度较大；而牛市期间上证指数对国外股市冲击的响应相对迟缓，在第2期才开始出现明显反应，且响应程度相对较小。这是因为熊市中市场信息传播迅速，投资者恐慌情绪蔓延快，使得风险能够在短时间内快速传导至中国股市；而牛市中市场氛围较为稳定，信息传播和投资者反应相对缓慢，风险传导速度也相应较慢。6.2影响差异的因素分析宏观经济环境在不同市场趋势下对风险传导效应有着显著影响。在牛市期间，全球经济通常处于增长阶段，经济增长的协同性使得各国股市之间的联系更为紧密。在全球经济增长的背景下，国际贸易和投资活动频繁，企业的跨国经营和产业链的全球布局使得各国经济相互依存度提高。当美国经济增长强劲时，美国企业的盈利增加，带动美国股市上涨，同时也会增加对中国商品和服务的需求，促进中国相关企业的发展，进而对中国股市产生积极影响。而在熊市期间，全球经济往往面临衰退或增长放缓的压力，经济的不确定性增加。经济衰退会导致企业盈利下降，失业率上升，消费者信心受挫，这些因素会对股市产生负面影响，且这种负面影响在全球范围内迅速传播，加剧了股市风险的传导。2008年全球金融危机期间，美国经济衰退引发全球股市暴跌，中国股市也难以幸免，大幅下跌，充分体现了宏观经济环境在熊市中对风险传导的放大作用。政策因素在牛市和熊市对风险传导的影响也有所不同。在牛市，政府通常会采取较为宽松的政策，如宽松的货币政策和积极的财政政策，以促进经济增长和股市繁荣。宽松的货币政策通过降低利率、增加货币供应量，为市场提供充足的流动性，降低企业融资成本，刺激投资和消费，推动股市上涨。积极的财政政策通过增加政府支出、减少税收等措施，直接或间接地促进经济增长，提升企业盈利预期，对股市产生积极影响。这些政策的实施有助于稳定市场情绪，增强投资者信心，使得股市对外部风险的抵御能力相对较强，风险传导效应相对较弱。而在熊市，政府可能会采取一些稳定市场的政策措施，但由于市场信心受挫，政策的效果可能受到一定限制。政府可能会通过加大财政支出、降低利率等措施来刺激经济和稳定股市，但投资者对市场前景的悲观预期可能导致这些政策难以迅速扭转市场下跌的趋势，风险传导效应仍然较为明显。政府可能会出台一些救市政策，如限制卖空、注入流动性等，但这些政策在熊市中可能只能在短期内缓解市场压力，无法从根本上改变市场的悲观情绪和风险传导的趋势。投资者结构是影响不同市场趋势下风险传导效应的另一个重要因素。在牛市中，投资者结构相对多元化，包括机构投资者、个人投资者和外资等。机构投资者通常具有较强的研究分析能力和风险控制能力，其投资决策相对理性，能够在一定程度上稳定市场。在牛市中，机构投资者会根据宏观经济形势、企业基本面等因素进行投资决策，不会轻易受到市场短期波动的影响。个人投资者在牛市中也往往表现出较高的风险偏好，积极参与股市投资，推动市场上涨。而外资的流入也为市场带来了增量资金，进一步促进了市场的繁荣。这种多元化的投资者结构使得市场对风险的吸收和消化能力较强，风险传导相对较为缓和。在熊市中，投资者结构发生变化，个人投资者往往更容易受到市场情绪的影响，出现恐慌性抛售行为。由于个人投资者的投资知识和风险承受能力相对较弱，在熊市中面对股价下跌，他们往往会过度反应，纷纷抛售股票，加剧市场的下跌趋势。机构投资者虽然相对理性，但在市场整体悲观的氛围下，也可能会调整投资策略，减少股票投资，进一步加剧市场的波动。外资在熊市中也可能会撤离市场，导致市场资金供应减少，风险传导效应增强。市场开放程度对不同市场趋势下的风险传导效应有着重要作用。随着中国金融市场开放程度的不断提高，中国股市与国外股市的联系日益紧密，风险传导的可能性和强度也相应增加。在牛市中，市场开放使得国外资金更容易流入中国股市，为市场带来资金支持和先进的投资理念，促进市场的发展。外资的流入不仅增加了市场的资金量，还带来了成熟的投资策略和风险管理经验，有助于提升中国股市的运行效率和稳定性。但同时，市场开放也使得中国股市更容易受到国外股市波动的影响。在熊市中，市场开放的负面影响更加明显，国外股市的下跌会导致外资撤离中国股市，引发市场恐慌，加剧风险传导。2020年初新冠疫情爆发时，全球股市下跌，外资大量撤离中国股市，导致中国股市开盘后大幅下跌，市场恐慌情绪蔓延，充分体现了市场开放程度在熊市中对风险传导的放大作用。七、政策建议与风险管理策略7.1对投资者的建议7.1.1资产配置策略在全球股市联动日益紧密的背景下，投资者应根据不同市场趋势下中国与国外股市的风险传导效应，制定科学合理的资产配置策略，以降低投资风险，实现资产的保值增值。分散投资是资产配置的核心原则之一。投资者不应将所有资金集中投资于中国股市或某一国外股市，而是应将资金分散到不同国家和地区的股市，以及其他资产类别，如债券、基金、黄金、