上市公司股票收益波动风险溢出空间效应研究
——基于四川省CoVaR及空间计量模型实证分析
雷 奥 田益祥
（电子科技大学，四川 成都 611731）
摘 要： 本文以2008～2017年四川省上市公司股票月度数据为样本，建立股票收益空间自回归模型，并运用两阶段广义矩方法对空间滞后系数进行有效估计以捕捉金融资产收益之间的空间关联效应，通过在VaR及CoVaR模型中引入空间相关性来对其收益波动的风险溢出空间效应进行实证研究。结果表明：四川省上市企业股票之间风险波动的传导具有正向空间相关，其风险溢出空间效应随市场起伏剧烈而明显加强；各公司股票自身收益波动风险同其个体因素密切相关且具有明显差异，各股收益波动风险存在空间传导效应但差距不大，组合风险对单个资产的溢出效应相对稳定；各公司股票与整体组合风险变化方向相同，且单个股票对整体组合的风险溢出要弱于组合整体对其风险传导作用。
关键词： 股票收益波动；金融风险溢出；空间相关性；CoVaR
一、引言及文献综述
我国经济目前正处于增速放缓、结构调整阵痛和外部环境压力加剧等周期叠加阶段，新常态下宏观经济下行风险与金融体系风险同时持续的累积增加。随着经济增速由高速转为中高速以及结构调整深入进行，宏观经济下行对金融体系的结构性和周期性冲击开始逐渐显现。由于金融体系内部自身演化发展，其关联性日益紧密复杂，金融风险在体系内部逐步累积并出现跨区域、跨行业、跨企业的传导现象，使其不断地放大扩散导致出现系统性风险效应。因此，本文结合四川省经济金融发展实际情况，对四川省上市公司股票收益波动在金融市场中的风险溢出效应进行实证研究。进而对有效防范系统性、区域性金融风险、化解宏观经济下行压力造成金融市场的冲击、促进四川省金融业更健康更有效地服务于实体经济发展具有一定的现实意义。
至今已有较多国内外学者运用空间计量模型和方法研究金融市场中收益波动的空间关联以及风险传导效应。Kelejian et al.（2006）实证考察新兴经济体各个国家证券市场之间的风险传染溢出效应。In⁃ci et al.（2011）研究美国与其他国家股市与现货市场相互之间金融风险扩展的空间相关性。Asgharian et al.（2013）深入挖掘美英日三国股票市场的空间联系和波动协同效应。Tam（2014）以金融危机期间东亚股市为研究样本，探讨了金融市场风险冲击的空间时间交互效应。程棵等（2012）运用空间计量模型方法对次贷危机风险冲击的国际贸易渠道和金融市场渠道的重要性进行了对比分析。李立等（2015）构建广义多维经济空间引力矩阵和空间计量模型实证研究欧债危机的时空演变。此外，运用空间计量经济学的一些研究还包括崔百胜和姜逸菲（2015）、Weng&Gong（2016）等。
EP使用恒压法，即高频智能开关电源输出恒定电压15 V，智能电流记录仪实时记录电化学反应过程中电流值振荡的方法.整个EP过程中，调节冷水机组循环水温度将电解液温度控制在20～25℃。
当前我国金融市场受宏观经济下行压力影响，其不确定性风险增强，对金融系统性的防范和控制受到大量关注。条件在险价值CoVaR模型则被相关研究广泛应用于识别和度量金融市场系统性风险。Adri⁃an&Brunnermeier（2016）在在险价值VaR模型的基础上提出基于分位数回归的CoVaR模型，并对金融危机期间的市场系统性风险传导进行实证分析。Ber⁃nal et al.（2014）以条件在险价值模型为基础研究银行、保险以及其他机构对金融市场系统性风险贡献的重要程度。陈建青等（2015）则利用该模型对我国金融行业的边际系统性风险和总溢出效应进行测度。卜林和李政（2015）通过CoVaR及MES方法对我国上市金融机构的系统性风险溢出进行实证分析。沈悦等（2016）则探查了房地产市场波动的系统性风险外溢作用。Hardle（2016）结合复杂网络和条件在险价值以反映金融危机时期金融机构的风险尾部相关性。欧阳资生和莫廷程（2017）以我国上市商业银行为样本利用广义CoVaR模型研究其对整体市场和各自之间的风险溢出效应。
综合上述文献，本文结合相关研究和方法在VaR及CoVaR模型中引入空间相关性来对四川省上市公司股票收益波动的风险溢出空间效应进行实证研究。通过选取四川省上市公司股票2008～2017年月度数据，建立股票收益空间自回归模型并运用两阶段广义矩TSGMM方法对模型中空间滞后系数进行有效估计，进而捕捉金融资产收益之间的空间关联效应。并对各成分股的VaR及其空间效应进行测度和对比分析，探查单个资产收益波动的自身因素和空间“相邻”资产收益波动对其的影响作用。最后，采用条件在险价值CoVaR模型实证检验各成分股收益波动对整个四川板块组合收益表现的风险溢出效应。
二、模型构建及估计方法
（一）资产收益风险溢出模型
在险价值VaR（Value at Risk）是目前较为主流的风险分析方法，被学术界和业界广泛应用于金融市场的风险波动测算，它表明在所既定时期中，资产收益率在给定置信水平上的可能最大损失。VaR指标能够清晰、直接地反映单个金融机构各自相互独立存在的风险损失，但其无法测度多个金融机构之间的风险溢出和传导大小。因此，本文参考Arnold（2013）、李立等（2015）的方法，在传统VaR计算过程之中引入空间相关性建立S-VaR模型探查金融市场波动风险的空间传染效应。首先，基于证券资产收益的空间相关性，定义资本资产定价模型的空间自回归形式如下：
其中，(r-rtf)′=(r1-rf,...,rn-rf)′表示超额收益向量，且有 β͂′=(β1,...,βn)′，在资产组合中[ρkWk(r-
代表单个资产收益率风险溢价为经济空间中所有其他“相邻”金融资产风险溢价的加权平均。这里重点考察金融波动风险的空间传导，因此假设β系数向量为0向量。由最小方差资产组合理论，建立置信水平α上的S-VaR模型为：
上式中I0表示初始资产，u(α)= Φ-1(1- α)，其中Φ(⋅)表示满足标准正态分布累积函数，资产组合中各部分权重表示为ω′=(ω1,...,ωn)′向量。
8、整枝压蔓：整枝时间要适当，整枝过早，影响根系发育生长，这是因为地上部植株生长与地下部根系生长存在相互影响制约的关系，整枝过晚达不到调节生长的目的，而且还消耗植株营养。侧蔓40厘米时开始整枝，保主蔓在根部选留二条健壮的侧蔓，其余蔓杈要全部除掉，在打根部多余侧蔓时不要留根茬，以免从根茬处长出孙蔓，整枝期间把侧蔓上叶腋内萌发的枝杈应及时打掉，选好果后如高温少雨可不再整枝，因果实是养份分配中心，座果植株长势趋向缓和，不存在长势过旺，另一方面可抽生部分侧枝与叶片，可增强光合作用，提高瓜秧寿命，防止瓜秧早衰。
其中，CoVaRj|iq代表在分位数水平为q时金融机构或资产i处于危机的情况下，金融机构或资产j可能的最大损失，即其VaR。若j表示金融系统或整体资产组合，则CoVaRj|iq表示在分位数q时当金融机构或资产i为危机状态下整体市场或资产组合的条件VaR。此外，定义ΔCoVaRj|iq为当金融机构或资产i处于危机时对整体市场或组合的风险溢出效应，而%CoVaRj|iq则是对ΔCoVaRj|iq进行标准化处理，其表示风险溢出价值的相对程度大小对各个机构和资产进行对比分析。相关具体定义如下：
（二）基于分位数回归的CoVaR模型
CoVaR模型的分位数回归估计方法能够直观地反映在不同分位数水平下单个资产风险对整体组合的风险传导作用。首先，建立具体分位数回归模型如下：
ArcToolbox功能模块内嵌在ArcCatalog、ArcMap、ArcScene及ArcGlobe中，ArcInfo提供了大约250种工具，是地理处理工具的集合。其中的工具能够很好地处理各种空间操作，涵盖数据管理、数据转换、矢量数据分析、栅格数据分析、统计分析等多方面的功能[2]。
上式中，Xi代表各个上市公司股票收益率时间序列，Xj代表所有股票整体资产组合收益的时间序列。而Xˆj|Xi
而事实上，丝绸具有在医疗、美容、保健等方面的独特功效和在审美、收藏等方面的文化魅力。在新的科学技术蓬勃发展的背景下，丝绸企业应重视丝绸产品的创新，切实推进桑蚕茧丝绸的综合利用开发。此外，结合当下兴盛的“工业旅游”，丝绸企业借鉴“前店后厂”的模式，完善丝绸体验区的建设，全方位展示丝绸多功能的形象，打破思维僵局，向世界传递丝绸新的消费观念。
金融市场波动和风险传染过程中存在明显的空间溢出和传导效应。证券市场收益具有一般空间相关性，其一般性市场特征表明股票市场依赖于上一期的收益表现，资产组合以及整个市场收益呈现出一致的起伏波动。相同或互补行业的股票也具有较为一致的表现，因此收益风险会在不同行业之间进行传递。本文采用Eckel et al.（2011）以及Fernandez（2011）的方法，将不同资产收益向量之间的相关系数作为经济距离的替代变量，结合引力效应矩阵构建四川省上市公司证券风险溢出空间权重矩阵，其形式如下：
因此，有
且
（三）空间计量模型TSGMM估计方法
现实金融市场存在市场一般性、跨行业、跨地区等空间效应，结合空间计量经济学，本文建立上市公司股票收益空间自回归模型反映金融市场波动风险的相互溢出作用，具体结构如下所示：
式中，t=1,2,...,T，yit代表资产组合各成分股对数收益率向量，ρ为空间自回归系数表示金融市场收益波动溢出效应，W为空间权重矩阵以反映市场中的空间相关形式。在对空间计量模型的参数估计中，目前最大似然估计方法应用较为普遍，ML方法依赖于残差项εt的协方差矩阵方差参数估计空间相关系数。本文借鉴Arnold（2013）提出的两阶段广义矩估计法（TSGMM）对模型进行参数估计，第一步直接估计空间相关系数并设置相应矩条件以避免对残差项的n个方差参数的估计，第二步利用空间相关系数估计结果对残差项的方差参数进行估计。具体过程为：
综上所述,通过对高催乳素血症患者实施甲磺酸溴隐亭进行治疗,患者临床疗效较为显著,服药期间出现的不良反应较少,值得临床进一步研究。
首先假设空间权重矩阵W对角元素均为0且满足行标准化，模型中空间自回归项能有效捕捉空间相关性，既残差项不存在空间相关，且可以存在异方差。矩阵(In-ρW)为非奇异矩阵，则向量yt的方差协方差矩阵V为Cov(yt)=(In- ρW)-1Cov(εt)(In- ρW′)=V，估计空间相关系数的矩条件为E[ε′tWεt]=0。由模型可知：Cov(yt)=(In-ρW)yt，将矩条件带入化简有：
Γi,j=f(yt,W)i,j=E(-y′t(W+W′)Wyt)，
教师专业发展的国际研究表明，教师专业发展不是从理论学习到实践应用的线性过程，而是一个在实践体验的基础上结合经验进行反思的渐进过程[6]。体育教育专业的学生通过课堂内容整体化的学习，只能得到间接经验，无法将知识与技能内化。通过到中小学进行教学实践，接触到实际的教学对象与特定的教学情景，才能有效地对知识进行“输出”，进而达成理论知识与教学实践相结合的目的。阶段性的教学实习方式提供职前体育教师充裕的教学反思时间，在返回大学继续学习时将更有针对性，以弥补和克服上一阶段教育实习的不足，形成“理论-实践-理论”的良性循环，真正实现了从教育理论走向教育实践、由教育实践检验教育理论的研究目标。
通过构建S-VaR模型能够更有效地对金融市场“相邻”空间单元的波动风险溢出效应进行衡量。在此基础上，进一步在条件在险价值CoVaR模型中引入空间相关性建立S-CoVaR模型来对金融市场中系统性风险的空间溢出效应进行测度。Adrian&Brun⁃nermeier（2016）在VaR的基础上提出CoVaR模型，其关注于单个金融机构风险对整体系统风险的贡献程度，更能体现单个金融资产对整体组合的风险传导作用，其定义如下：
Γi,j+1=f(yt,W)i,j+1=E(y′tWyt)且 γi=f(yt,W)i=E(y′tWyt)则直接估计空间相关系数如下：
其中||⋅||代表欧几里得范数，第二阶段利用已经估计的空间系数来估计残差项方差参数，直接对
ˆ2i,t估计值求平均数，ei为第i个n维单位向量，过程如下所示：
三、四川省上市公司股票收益波动风险溢出实证分析
（一）空间权重矩阵
q则为分位数q水平时资产i收益率为Xi的条件下资产j的预期收益，结合CoVaR的定义有
接下来依照（3）式计算出在分位数q以及为中位数时的各个资产收益序列各自的VaRiq和VaRi0.5，通过S-VaR测度模型引入空间效应。最后采用分位数回归进行估计：
为实证研究四川省上市公司股票收益波动风险溢出效应，本文选取四川省2008年至2017年度沪深两市主板上市公司股票月度数据如月度收盘价、流动股本等，剔除先期未上市、后期退市以及长期停牌未交易超过半年的公司数据，保留40家公司股票数据（如表1所示）作为研究样本。并且保留样本基本包括四川省上市公司所属的各个行业以及不同地区，能较为全面地表现经济下行环境金融风险的跨行业、跨区域和跨公司的溢出效应。样本总容量为4760个，相关数据均来源于Wind数据库。上市公司股票月度对数收益率计算公式为：
通过定义资产收益经济距离测度并结合相应金融指标建立波动溢出引力空间权重矩阵，能够有效契合金融市场风险传导特征，是建立空间自回归模型以及利用VaR和CoVaR模型对风险溢出空间效应进行实证分析的重要基础。
中南半岛各国相对于中国而言都是中小国家，但各国的文化影响力却存在显著差异。譬如根据《美国新闻与世界报道》发布的2018年全球文化影响力排名，泰国在80个参评国家中名列第19位(略高于中国的第21位)，越南则名列第52位。 [18]以下我们对越、泰、柬三国的文化影响力及同中国之间的文化流动模式进行具体分析。
（二）股票收益波动溢出空间效应
其中wij (i≠j,i =1,2,...,N ;j =1,2,...,N )为非对角元素，对角元素为0，c 为常数。mi 为第i (i =1,2,...,N )只成分股市值所占整体组合市值比例，反映市值较大的大盘股波动比小盘股造成的空间效应更大。ρij 表示不同资产标的之间的皮尔逊相关系数，代表各个资产收益变量之间的经济距离，其计算公式如下：
其中，Pt 为第t月的收盘价，Ri 代表第i公司股票的月度收益。本文以各上市公司股票月度流动股本数计算其权重并将所有样本构建一个资产组合，其月度收益率为：
式中Ri 为各个成分股的月度收益，Rj 为整体股票组合月度收益，是各成分股收益的加权平均值，Ei 则表示第i个成分股的月度市值。
表1 四川省上市公司证券收益风险溢出实证分析成分股
进一步结合引力空间权重矩阵构建空间自回归面板数据模型，以20个月的时间段为估计样本滚动窗口，实证分析四川省上市公司证券收益风险空间溢出效应，模型估计结果中引入空间相关系数ρ 反映各个时间窗口中四川省各上市企业股票收益波动相互的空间传导和溢出作用大小，其系数数值序列如图1所示。
图1 空间相关系数时间序列
由表2可以看出，各成分股自身收益波动风险最大损失VaR在各分位数下都具有明显差异，这说明单个股票的在险价值同其自身因素密切相关，各个股票的基本面、财务状态、行业发展情况以及与市场关联度大小之间存在差异，因而造成各自收益波动最大可能风险损失度量VaR值的不同。相对于其他公司而言例如五粮液、西昌电力等行业绩优股的最大可能风险损失较小，而企业杠杆率较高且易受宏观经济下行影响的实体行业企业如攀钢钒钛等的股票风险敞口则较大。在VaR模型中引入空间效应能够对市场中收益波动风险的传导作用进行度量，其数值大小反映市场中其他资产收益波动对该股票收益波动的加权平均。表2中不同分位数下各成分股的SVaR测度值说明金融市场各成分股收益波动风险存在空间传导效应，其他“相邻”资产的收益波动表现会影响单个资产的收益情况。此外，不同分位数下各个成分股的SVaR测度值结果差距不大，这表明组合风险在各成分股之间的空间溢出效应相对稳定，金融市场风险传导效果并没有受到个体因素的影响。
（三）VaR及CoVaR模型及其空间效应实证分析
空间面板自回归模型结果表明四川省上市公司股票之间存在较为明显的收益波动传导，进一步采用传统VaR和空间效应VaR模型测度各个成分股自身的最大可能风险损失以及整体市场波动对其造成的风险损失，前者反映了单个资产收益波动风险，而后者则体现了金融市场中所有“相邻”资产波动对单个资产的风险溢出作用。结合公式（2），样本时期选择为2008年至2017年月度数据，对在不同标准正态分位数点α （0.1，0.05，0.01）下各成分股在险价值和空间在险价值进行测算。
表2 各成分股在险价值VaR测度
由图1可以看出，四川省上市企业股票收益率波动之间存在明显的空间效应。其中空间相关性系数动态序列均大于0，说明各个成分股之间风险波动的传导具有正的空间相关性，因此需要通过进一步采用引入空间效应的VaR模型测度收益风险。此外，可以发现在证券资本市场急涨急跌时，其空间相关系数位于较高状态水平，表明股票市场的表现对其有重要影响作用。当市场受到金融突发事件等冲击时，收益波动传导效应在各成分股中被放大，其金融风险溢出空间相关性明显加强。
高校图书馆要利用新媒体技术对网络文化实施管理，使学生能享受到真正的阅读氛围。高校可建立阅读推广的长效机制，设置专门的阅读推广部门，以保证阅读推广活动的持续开展。在互联网+模式下，高校图书馆要将知识的时代性、全面性以及关联性内容进行相互融合，进而实施类别性推动。在推送相关知识内容期间，不仅要做到精细，还要配合图片、视频等，以快速吸引大学生的注意力，使阅读内容更加具有趣味性、文艺性和观赏性。同时，还需对阅读内容进行个性化选择，在个性化推送和全面性服务的方式下更好的满足学生的个性化阅读需求。
进一步结合条件在险价值CoVaR模型来实证分析单个资产收益波动风险对整体市场的溢出效应。由式（8）可以看出，系数βiq 估计值体现了收益波动风险边际溢出效应大小，若在险价值VaRiq 相同的情况下其估计值越大则ΔCoVaRj|iq 越大，越能反映单个资产的系统性风险表现。各成分股参数估计结果如表3所示。
表3 各成分股CoVaR模型系数β i q 估计值
根据表3可知，单个股票资产收益波动风险与整个市场收益波动分位数回归参数βiq 估计系数均为正，
白岗岩体的顶部以及其外接触带中常见晚期的各种岩脉，诸如细晶岩脉、花岗斑岩脉、花岗闪长斑岩脉、二长斑岩脉、闪长玢岩脉、正长斑岩脉、煌斑岩脉以及辉绿玢岩脉等等。据佛·特·波克洛夫报道俄罗斯瑞金斯克和浦路科泰斯克矿床中，岩脉的形成先后顺序为：细晶岩脉→花岗斑岩脉→正长斑岩脉→波斯多尼特岩脉；而在科金科黑斯克矿床中岩脉的形成先后顺序为：细晶岩脉→花岗斑岩脉→闪长玢岩脉→斜长煌斑岩脉；贝纳沙尔斯克及米尔巴依卡尔斯克矿床中岩脉的形成先后顺序为：细晶岩脉→花岗斑岩脉→花岗正长斑岩脉→花岗闪长斑岩脉→二长斑岩脉→闪长斑岩脉→辉绿玢岩脉，其中与钼及钨钼矿化有关的岩脉为细晶岩脉及花岗岩脉[12]。
表明各成分股风险波动与整个市场组合风险变化的方向相同。表中P值反映了在不同分位数回归下参数βiq 估计系数的显著性水平，其中在10%分位数下各个成分股回归参数均较为显著，说明随着各个成分股收益波动风险的增加使得整体市场风险增加，单个资产收益波动具有溢出作用。其中可以发现四川美丰、泸天化、浪莎股份的系数估计值较小，表明这些股票波动对整体组合的风险溢出效果较小，而五粮液、明星电力等股票参数βiq 估计值较大，说明其对四川股票整体板块具有较强的影响作用。接下来根据前文式（7）、式（8）和式（9）分别对各成分股CoVaRj|iq 、ΔCoVaRj|iq 和%CoVaRj|iq 的空间效应进行测度。
表4 各成分股收益波动对整体资产组合风险空间溢出效应
表4为CoVaR模型空间效应实证结果，反映各成分股收益波动对整体资产组合风险溢出情况。由表可知，5%和10%分位数下四川省上市公司股票条件在险价值测度结果都大于零，说明各资产收益波动均对四川板块整体股票组合具有风险传导作用，若单独采用VaR指标对各资产收益波动进行风险测度会低估其溢出效应。对比表4和表2的相同分位数CoVaR和SVaR指标结果可以看出，单个资产对整体组合的风险溢出与市场整体风险对其风险传导效应存在差异，前者效果要明显弱于后者，这表明整体市场收益表现对各成分股收益波动也造成较大影响。此外，通过计算%CoVaR 并对其结果进行排序可以发现，五粮液、舍得酒业和大通燃气等股票的溢出程度较小，而攀钢钒钛、四川长虹、天科股份等股票对整体组合收益具有较强的溢出效应。%CoVaR 反映了各个上市公司股票收益波动对四川板块整体组合的边际风险溢出效果程度情况，其测度结果是各成分股收益表现与整体组合收益表现的相关性以及单个资产自身的风险波动状态两者结合的共同作用表现。
四、结论与建议
本文借鉴Arnold（2013）、李立等（2015）的方法对传统VaR及CoVaR模型进行改进，在其中引入空间相关性对四川省上市公司股票收益波动的风险空间溢出效应进行实证分析。通过建立各公司股票收益空间自回归模型并采用两阶段广义矩方法来对模型空间滞后系数进行有效估计，进而捕捉各个金融资产收益之间的空间关联效应，并对各成分股的VaR及其空间效应进行测度和对比分析，探查单个资产收益波动的自身因素和空间“相邻”资产收益波动对其影响作用。最后，采用条件在险价值模型对各成分股收益波动对整个四川板块组合的收益表现的风险溢出效应进行实证分析。
本文的主要结论为：第一，四川省上市企业股票之间风险波动的传导具有正的空间相关性，并且当市场受到金融突发事件等冲击时，其风险溢出空间相关性明显加强。第二，各成分股自身收益波动风险VaR同股票自身因素密切相关且在各分位数下都具有明显的差异，其SVaR测度值说明金融市场各成分股收益波动风险存在空间传导效应但差距不大，表明组合风险对单个资产的空间溢出效应相对稳定。第三，各成分股风险波动与整个组合风险变化的方向相同，CoVaR模型空间效应实证结果表明各资产收益波动均对四川板块整体股票组合具有风险传导作用，且单个资产对整体组合的风险溢出要弱于市场组合整体对其风险传导效应。
资本市场存在显著的跨区域、跨行业、跨企业的风险空间溢出效应，应积极防范和化解金融风险，坚持守住不发生系统性和区域性金融风险的底线。当前宏观经济增速放缓、经济下行背景下，实体行业经营压力增大以及企业杠杆率较高所引发的信贷危机等个体风险容易通过金融市场进行传导和演变。因此，应当建立健全系统性风险监测预警体系，对重要行业和企业形成全面实时的动态跟踪。要充分利用宏观审慎评估体系，重点强化对跨行业、跨市场、高关联的金融业务进行监管，进一步深化金融监管体系改革，实现从机构监管向功能监管转换，促进金融监管协调统筹向更高层次发展。
参考文献
［1］Kelejian H H，Tavlas G S，Hondroyiannis G.A Spatial Modelling Approach to Contagion Among Emerging Economies［J］.Open Economies Review，2006，17（4-5）：423-441.
［2］InciAC，LiH C，Mccarthy J.Financial contagion：A lo⁃cal correlation analysis［J］.Research in International Business&Finance，2011，25（01）：11-25.
［3］Asgharian H，HessW，Liu L.A spatialanalysis of inter⁃national stock market linkages［J］.Social Science Electronic Pub⁃lishing，2013，37（12）：4738-4754.
［4］Tam PS.A spatial-temporalanalysis of East Asian equi⁃tymarket linkages［J］.Journal of Comparative Economics，2014，42（02）：304-327.
［5］程棵，陆凤彬，杨晓光.次贷危机传染渠道的空间计量［J］.系统工程理论与实践，2012，32（03）：483-494.
［6］李立，田益祥，张高勋，张弘磊.空间权重矩阵构造及经济空间引力效应分析——以欧债危机为背景的实证检验［J］.系统工程理论与实践，2015，35（08）：1918-1927.
［7］崔百胜，姜逸菲.欧洲主权债务危机的传染效应及空间传染渠道分析［J］.国际贸易问题，2015（09）：133-144.
［8］YingliangWeng，Pu Gong.Modeling spatial and tempo⁃ral dependencies among global stock markets［J］.Expert Systems with Applications，2016，43（C）：175-185.
［9］T Adrian，K Brunnermeier.CoVaR［J］.American Eco⁃nomic Review，2016，106（7）：1705-41.
［10］Oscar Bernal，Jean-Yves Gnabo，Grégory Guilmin.As⁃sessing the contribution of banks，insurance and other financial services to systemic risk［J］.Journal of Banking&Finance，2014，47（1）：270-287.
［11］陈建青，王擎，许韶辉.金融行业间的系统性金融风险溢出效应研究［J］.数量经济技术经济研究，2015，32（09）：89-100.
［12］卜林，李政.我国上市金融机构系统性风险溢出研究——基于CoVaR和MES的比较分析［J］.当代财经，2015（06）：55-65.
［13］沈悦，戴士伟，陈锟.房价过度波动的系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型［J］.中央财经大学学报，2016（03）：88-95.
［14］Wolfgang Karl Härdle，WeiningWang，Lining Yu.TE⁃NET：Tail-Event driven NETwork risk［J］.Journal of Economet⁃rics，2016，192（2）：499-513.
［15］欧阳资生，莫廷程.基于广义CoVaR模型的系统重要性银行的风险溢出效应研究［J］.统计研究，2017，34（09）：36-43.
［16］Arnold M，Stahlberg S，Wied D.Modeling different kinds of spatial dependence in stock returns［J］.Empirical Eco⁃nomics，2013，44（02）：761-774.
［17］李立，田益祥，张弘磊.考虑广义多维空间效应的SVaR测算［J］.系统工程理论与实践，2015，35（12）：3008-3016.
［18］Eckel S，Löffler G，Maurer A，etal.Measuring the ef⁃fectsofgeographical distance on stockmarket correlation［J］.Jour⁃nalof Empirical Finance，2011，18（02）：237-247.
［19］Viviana Fernandez.Spatial linkages in international fi⁃nancialmarkets［J］.Quantitative Finance，2011，11（02）：237-245.
中图分类号： F830.91
文献标识码： A
文章编号： 1674-5477（2019）01-0020-07
收稿日期： 2018-11-03
基金项目： 四川省学术和技术带头人培养项目“经济下行风险对四川省经济的多维空间溢出效应及对策选择研究”（Y02028023601044）阶段性成果；国家社会科学基金项目（14BJY174）。
作者简介：
雷 奥，男，四川成都人，电子科技大学经济与管理学院博士研究生，研究方向为金融计量。
田益祥，男，重庆石柱人，博士，电子科技大学经济与管理学院教授，博士生导师，研究方向为金融计量，数量经济。
胰蛋白胨、乙酸钠、牛肉浸膏：国药集团化学试剂有限公司；引物、PCR Master Mix、细菌基因组提取试剂盒：天根生化科技有限公司；革兰氏染色液：南京建成科技有限公司；其他试剂：均为分析纯。
（责任编辑：刘婵婵）（校对：HM）