金 秀，塵 娜，王 佳

（東北大學(xué)工商管理學(xué)院，遼寧 沈陽 110169）

1 引言

隨著經(jīng)濟(jì)全球化和金融自由化進(jìn)程加快，金融創(chuàng)新產(chǎn)品日益豐富加劇了市場的風(fēng)險(xiǎn)傳染和波動(dòng)性。大量的金融實(shí)證研究表明，金融資產(chǎn)的收益率常常表現(xiàn)出非線性、動(dòng)態(tài)的結(jié)構(gòu)性變化［1-2］。股市的波動(dòng)受經(jīng)濟(jì)周期的影響，其運(yùn)動(dòng)軌跡在上漲和下跌兩種狀態(tài)下交替演進(jìn)。投資者對某一市場狀態(tài)產(chǎn)生恐慌情緒，則賣出風(fēng)險(xiǎn)型資產(chǎn)而買入相對安全的資產(chǎn)，產(chǎn)生安全投資轉(zhuǎn)移行為（flight-to-quality）［3］。在股票市場上，安全投資轉(zhuǎn)移行為使得資金在行業(yè)間和行業(yè)內(nèi)股票間流動(dòng)，本文研究安全投資轉(zhuǎn)移行為對行業(yè)間資金流動(dòng)的影響。Furfine［4］將產(chǎn)生系統(tǒng)性風(fēng)險(xiǎn)的渠道分為兩個(gè)維度：一是時(shí)間維度，所有行業(yè)共同受到外部沖擊而產(chǎn)生的系統(tǒng)性風(fēng)險(xiǎn)，該沖擊隨時(shí)間不斷累積，與宏觀經(jīng)濟(jì)周期密切相關(guān)；二是截面維度，某個(gè)行業(yè)受到?jīng)_擊時(shí)，投資者安全投資轉(zhuǎn)移行為使得資金從該行業(yè)轉(zhuǎn)移至其他行業(yè)，進(jìn)而引起行業(yè)間聯(lián)動(dòng)性和風(fēng)險(xiǎn)溢出。由于風(fēng)險(xiǎn)溢出導(dǎo)致其他行業(yè)對某一行業(yè)風(fēng)險(xiǎn)的貢獻(xiàn)屬于截面維度的系統(tǒng)性風(fēng)險(xiǎn)，因此在組合投資決策中有必要考慮行業(yè)間的風(fēng)險(xiǎn)溢出對資產(chǎn)配置的影響。

與本文相關(guān)的研究主要集中于三個(gè)方面：

第一，對投資者安全投資轉(zhuǎn)移行為的衡量。Cho等［5］通過國外投資的凈股權(quán)流動(dòng)金額捕捉在國內(nèi)、國外市場間的安全投資轉(zhuǎn)移行為。Bethke等［6］認(rèn)為當(dāng)投資者情緒低落時(shí)，投資者安全投資轉(zhuǎn)移行為將減少投資高信用風(fēng)險(xiǎn)的債券，導(dǎo)致信用風(fēng)險(xiǎn)增大，同時(shí)將投資轉(zhuǎn)向無風(fēng)險(xiǎn)債券或現(xiàn)金，導(dǎo)致債券市場流動(dòng)性風(fēng)險(xiǎn)增大，因此，利用信用風(fēng)險(xiǎn)因子和流動(dòng)性風(fēng)險(xiǎn)因子的聯(lián)動(dòng)性捕捉安全投資轉(zhuǎn)移行為。Kaul和Kayacetin［7］以大規(guī)模藍(lán)籌公司股往往比小規(guī)模融資受限公司股是更安全的投資為前提假設(shè)，利用大規(guī)模股票與小規(guī)模股票訂單流差異捕捉安全投資轉(zhuǎn)移。安全投資轉(zhuǎn)移行為是指，當(dāng)投資者感到恐慌時(shí)，賣出風(fēng)險(xiǎn)資產(chǎn)并買入安全資產(chǎn)的交易行為，造成資金從風(fēng)險(xiǎn)資產(chǎn)到安全資產(chǎn)的系統(tǒng)性流動(dòng)。由于安全投資轉(zhuǎn)移行為是在投資者感到恐慌的情況下發(fā)生的，所以它是一種積極主動(dòng)的交易行為。對比現(xiàn)有三種安全投資轉(zhuǎn)移衡量方法：凈股權(quán)流動(dòng)金額、風(fēng)險(xiǎn)因子聯(lián)動(dòng)性這兩種代理變量并不能反映投資者交易的積極主動(dòng)性，訂單流差異代理變量可以反映投資者交易的積極主動(dòng)性。

第二，對行業(yè)間風(fēng)險(xiǎn)溢出的研究?？紤]風(fēng)險(xiǎn)溢出后的系統(tǒng)性風(fēng)險(xiǎn)度量主要有兩種方法：復(fù)雜網(wǎng)絡(luò)分析方法和Co VaR方法。Upper［8］基于復(fù)雜網(wǎng)絡(luò)分析方法模擬金融系統(tǒng)中個(gè)體間風(fēng)險(xiǎn)溢出情況，進(jìn)而對形成的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行測度。在單一個(gè)體風(fēng)險(xiǎn)度量模型在險(xiǎn)價(jià)值（VaR）的基礎(chǔ)上，Adrian 和Brunnermeier［9］考慮個(gè)體間的風(fēng)險(xiǎn)溢出提出條件風(fēng)險(xiǎn)價(jià)值（CoVaR），用于測度當(dāng)某一個(gè)體陷入危機(jī)時(shí)整個(gè)金融系統(tǒng)的在險(xiǎn)價(jià)值?？紤]金融系統(tǒng)個(gè)體的穩(wěn)定性、抵御沖擊能力等性質(zhì)隨市場狀態(tài)變化，Adams等［10］考慮狀態(tài)依賴下的風(fēng)險(xiǎn)溢出效應(yīng)，提出狀態(tài)依賴下的敏感性VaR模型（State-Dependent SensitivityVa R，SDSVaR）。復(fù)雜網(wǎng)絡(luò)分析方法和Co-VaR方法都著重研究個(gè)體對系統(tǒng)性風(fēng)險(xiǎn)的影響，而SDSVaR模型著重研究個(gè)體間的風(fēng)險(xiǎn)溢出效應(yīng)，能夠直觀量化行業(yè)間風(fēng)險(xiǎn)溢出效應(yīng)的方向和大小。

第三，對相關(guān)最優(yōu)資產(chǎn)配置問題的研究。市場狀態(tài)轉(zhuǎn)移對資產(chǎn)定價(jià)和最優(yōu)資產(chǎn)配置的影響已經(jīng)引起許多學(xué)者的關(guān)注，并取得了豐富研究成果。Ang和Bekaert［11］利用狀態(tài)依賴CAPM模型研究資產(chǎn)收益波動(dòng)性，結(jié)果表明狀態(tài)轉(zhuǎn)移對國際資產(chǎn)配置具有不可忽視的影響。但是，現(xiàn)有狀態(tài)依賴下的投資組合研究中大部分立足于資產(chǎn)價(jià)格的內(nèi)生變化進(jìn)行收益估計(jì)［12］，對不同市場狀態(tài)下的行業(yè)間輪動(dòng)效應(yīng)鮮有涉及。行業(yè)的周期性導(dǎo)致狀態(tài)依賴下的熱點(diǎn)行業(yè)輪動(dòng)，增長型行業(yè)受市場狀態(tài)影響較小，周期型行業(yè)與市場狀態(tài)緊密相關(guān)性，防御型行業(yè)在不同市場狀態(tài)下表現(xiàn)都較穩(wěn)定。Stovall［13］考慮行業(yè)板塊輪動(dòng)下的資產(chǎn)配置，認(rèn)為當(dāng)經(jīng)濟(jì)從擴(kuò)張期轉(zhuǎn)向收縮期，防守型日用消費(fèi)品表現(xiàn)較好，當(dāng)經(jīng)濟(jì)轉(zhuǎn)向低谷期，公用事業(yè)與金融行業(yè)表現(xiàn)較好。葉五一等［14］研究表明，我國股票市場上化工行業(yè)與其他行業(yè)關(guān)系較不穩(wěn)定，金融行業(yè)對非金融行業(yè)的影響較大。已有關(guān)于跨行業(yè)投資組合的研究較少考慮市場狀態(tài)變化和行業(yè)間的風(fēng)險(xiǎn)溢出效應(yīng)，導(dǎo)致在極端情況下低估了行業(yè)風(fēng)險(xiǎn)。2007-2009年間的金融危機(jī)表明，不同行業(yè)之間的傳染性增加，常用的VaR、CVa R等風(fēng)險(xiǎn)度量工具都沒有考慮溢出風(fēng)險(xiǎn)的影響，不能很好的刻畫投資組合風(fēng)險(xiǎn)。

本文的研究主要有以下三個(gè)方面的貢獻(xiàn)。第一點(diǎn)，從投資者行為的角度討論中國股票市場上的風(fēng)險(xiǎn)溢出機(jī)制。大規(guī)模股票與小規(guī)模股票的訂單流差異可以捕捉投資者安全投資轉(zhuǎn)移行為，安全投資轉(zhuǎn)移使得資金在行業(yè)間流動(dòng)，導(dǎo)致風(fēng)險(xiǎn)溢出。第二點(diǎn)，從兩個(gè)維度度量行業(yè)風(fēng)險(xiǎn)。在考慮市場狀態(tài)這一時(shí)間維度系統(tǒng)性風(fēng)險(xiǎn)的基礎(chǔ)上，進(jìn)一步考慮行業(yè)間風(fēng)險(xiǎn)溢出這一截面維度系統(tǒng)性風(fēng)險(xiǎn)，利用狀態(tài)依賴下的敏感性VaR模型（SDSVaR）從時(shí)間和截面兩個(gè)維度度量行業(yè)風(fēng)險(xiǎn)。第三點(diǎn)，同時(shí)考慮行業(yè)間板塊輪動(dòng)和風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行組合構(gòu)造。在考慮不同市場狀態(tài)下行業(yè)板塊輪動(dòng)效應(yīng)的基礎(chǔ)上，進(jìn)一步考慮投資者根據(jù)市場狀態(tài)變化和板塊輪動(dòng)效應(yīng)進(jìn)行投資轉(zhuǎn)移導(dǎo)致的風(fēng)險(xiǎn)溢出，構(gòu)建投資組合模型，分析行業(yè)間板塊輪動(dòng)和風(fēng)險(xiǎn)溢出效應(yīng)對資產(chǎn)配置的影響。

2 模型構(gòu)建

2.1 Markov狀態(tài)轉(zhuǎn)移模型

假設(shè)市場收益率的時(shí)間序列為，市場有兩個(gè)不可觀測的狀態(tài)st（st=1，2），Markov狀態(tài)轉(zhuǎn)移模型為：

其中，表示市場期望收益率；表示殘差項(xiàng)，服從正態(tài)分布表示市場期望波動(dòng)率。和根據(jù)狀態(tài)st表現(xiàn)不同的值。在狀態(tài)st下，通過GARCH 模型估計(jì)得到市場在t期的波動(dòng)率2。

狀態(tài)依賴下的市場動(dòng)態(tài)VaR為：

其中，zα表示標(biāo)準(zhǔn)正態(tài)分布下置信水平1-α對應(yīng)的分位數(shù)，本文選擇的1-α=0.95。用表示狀態(tài)s t下的市場期望VaR。

狀態(tài)變量st服從一階Markov鏈，當(dāng)期狀態(tài)st只依賴于前一期狀態(tài)s t-1，可以用轉(zhuǎn)移概率表示為：

狀態(tài)轉(zhuǎn)移矩陣為：

本文采用Hamilton［1］的最大似然法來估計(jì)式（1）-（4）中參數(shù)。在的正態(tài)分布假設(shè)下，變量在狀態(tài)s t（st=1，2）下的條件概率密度為：

最大化似然函數(shù)可得到參數(shù)集的估計(jì)值。

如果當(dāng)期狀態(tài)已知，那么下一期市場期望收益率為：

當(dāng)期狀態(tài)st=1時(shí)

當(dāng)期狀態(tài)st=2時(shí)

2.2 狀態(tài)依賴下的安全投資轉(zhuǎn)移測度模型

根據(jù)Kaul和Kayacetin［7］，采用訂單流差異作為安全投資轉(zhuǎn)移的代理變量，計(jì)算訂單流差異步驟如下。

第一步，采用Lee和Ready［15］方法區(qū)分買單和賣單。將每筆交易的成交價(jià)與買賣雙方報(bào)價(jià)的中點(diǎn)進(jìn)行比較，當(dāng)成交價(jià)格高于報(bào)價(jià)中點(diǎn)價(jià)格時(shí)，則認(rèn)定該筆交易則為買單，反之則為賣單。根據(jù)買單和賣單的識別方法，買單（賣單）為成交價(jià)格高于（低于）買賣報(bào)價(jià)中點(diǎn)訂單，說明買家（賣家）更加急迫希望達(dá)成交易則選擇妥協(xié)，因而買單和賣單可以捕捉投資交易的積極主動(dòng)性。

第二步，計(jì)算訂單流。將第t期所有買單交易金額與賣單交易金額之差定義為股票訂單流，并通過總交易金額對訂單流進(jìn)行標(biāo)準(zhǔn)化處理：

其中，為狀態(tài)依賴下第t期股票s的買單交易金額，為第t期股票s的賣單交易金額。訂單流為正表示投資者積極主動(dòng)的交易行為使得資金流入，訂單流為負(fù)表示資金流出，訂單流的大小表示資金流入量和流出量，因而訂單流可以捕捉資金流動(dòng)的方向和大小。

第三步，計(jì)算訂單流差異。根據(jù)上一年最后一個(gè)交易日所有股票的賬面市值比和規(guī)模進(jìn)行雙重分組。首先，按照賬面市值比將所有股票進(jìn)行排序，依據(jù)30%、70%分位將所有股票分為3 組，構(gòu)建低（L）、中（M）、高（H）賬面市值比股票組合；然后，在每個(gè)賬面市值比組內(nèi)按照規(guī)模將股票均分為2組，構(gòu)建?。⊿）、大（B）規(guī)模股票組合，共形成6組股票組合。計(jì)算6組股票組合訂單流均值SL t，st、SM t，st、SH t，st、BL t，st、BM t，st、BH t，st。假設(shè)與小 規(guī)模股 票相比，大規(guī)模股票更安全，訂單流差異定義為大規(guī)模股票組合平均訂單流與小規(guī)模股票組合平均訂單流之差：

若訂單流差異符號為正，表示投資者積極主動(dòng)賣出風(fēng)險(xiǎn)資產(chǎn)買入安全資產(chǎn)，發(fā)生了安全投資轉(zhuǎn)移；訂單流差異的大小表示從風(fēng)險(xiǎn)資產(chǎn)流出、流入安全資產(chǎn)的資金量，反映安全投資轉(zhuǎn)移的強(qiáng)度，因而訂單流差異可以捕捉安全投資轉(zhuǎn)移行為引起的資金流動(dòng)。

2.3 行業(yè)間聯(lián)動(dòng)性與安全投資轉(zhuǎn)移的回歸模型

采用第t期內(nèi)兩行業(yè)日收益率序列的Pearson相關(guān)系數(shù)作為行業(yè)間聯(lián)動(dòng)性的代理變量：

其中，i=（1，2，…，10）和k=（1，2，…，10）表示10個(gè)行業(yè)，分別為狀態(tài)依賴下第t期內(nèi)第d個(gè)交易日的行業(yè)i、行業(yè)k日收益率。

在控制經(jīng)濟(jì)基本面、傳染預(yù)期面的基礎(chǔ)上，分析傳染資金面代理變量安全投資轉(zhuǎn)移對行業(yè)間聯(lián)動(dòng)性的影響，建立以下回歸模型：

其中，由式（10）得到的安全投資轉(zhuǎn)移FTL t，st為自變量；行業(yè)間聯(lián)動(dòng)性為因變量；經(jīng)濟(jì)基本面的代理變量貨幣供應(yīng)量M2t，st、傳染預(yù)期面的代理變量市場交易金額VOL t，st為控制變量。系數(shù)分別衡量安全投資轉(zhuǎn)移、貨幣供應(yīng)量和市場交易金額對行業(yè)間聯(lián)動(dòng)性的影響。

2.4 狀態(tài)依賴下的敏感性Va R 模型（SDSVaR ）

首先，計(jì)算狀態(tài)依賴下的各行業(yè)動(dòng)態(tài)VaR。在Markov狀態(tài)轉(zhuǎn)移模型的基礎(chǔ)上，根據(jù)式（2），得到狀態(tài)依賴下的各行業(yè)動(dòng)態(tài)VaR為：

其中，i=（1，2，…10）表示10個(gè)行業(yè)；表示狀態(tài)依賴下行業(yè)i的期望收益率；σit，st表示狀態(tài)依賴下行業(yè)i在第t期波動(dòng)率的標(biāo)準(zhǔn)差，通過GARCH模型估計(jì)得到；zα表示標(biāo)準(zhǔn)正態(tài)分布下置信水平1-α對應(yīng)的分位數(shù)。

然后，建立狀態(tài)依賴下的敏感性Va R模型（SDSVaR）。行業(yè)風(fēng)險(xiǎn)不僅取決于該行業(yè)的內(nèi)生風(fēng)險(xiǎn)，還取決于市場狀態(tài)這一時(shí)間維度系統(tǒng)性風(fēng)險(xiǎn)，以及其他行業(yè)風(fēng)險(xiǎn)溢出、市場波動(dòng)導(dǎo)致該行業(yè)產(chǎn)生的截面維度系統(tǒng)性風(fēng)險(xiǎn)。根據(jù)Adams等［10］，狀態(tài)依賴下的敏感性VaR模型（SDSVaR）具體表達(dá)式為：

最后，估計(jì)行業(yè)i狀態(tài)依賴下的敏感性VaR（SDSVaR）。在樣本期，使用最小二乘法對式（14）進(jìn)行估計(jì)，得到截距項(xiàng)的估計(jì)值和風(fēng)險(xiǎn)溢出系數(shù)的估計(jì)值。行業(yè)i的SDSVaR估計(jì)值為：

2.5 投資組合模型

為了保持模型的簡約性，本文采用Ang和Bekaert［11］的方法，假設(shè)各行業(yè)收益率都受市場狀態(tài)的影響。根據(jù)資本資產(chǎn)定價(jià)模型（CAPM），行業(yè)i的收益率為：

其中，表示狀態(tài)依賴下行業(yè)i收益率對市場收益率的敏感性系數(shù)；表示狀態(tài)依賴下行業(yè)i的無風(fēng)險(xiǎn)收益率；服從正態(tài)分布表示狀態(tài)依賴下的特質(zhì)波動(dòng)率。在狀態(tài)st已知的條件下，通過最小二乘法對式（16）進(jìn)行估計(jì)。

如果當(dāng)期狀態(tài)st（st=1，2）已知，用表示下一期行業(yè)i期望收益率為：

為下一期行業(yè)i期望SDSVaR，取決于當(dāng)期狀態(tài)和跨狀態(tài)期望收益率的跳躍部分：

當(dāng)期狀態(tài)st=1時(shí)

當(dāng)期狀態(tài)st=2時(shí)

根據(jù)式（16）-（19），構(gòu)建考慮行業(yè)間風(fēng)險(xiǎn)溢出效應(yīng)的投資組合模型為：

其中，為投資者能夠接受的最低收益率。為下一期行業(yè)期望SDSVaR向量，為下一期行業(yè)期望收益率向量。求解式（20）可得，在當(dāng)期狀態(tài)st（st=1，2）下，下一期各行業(yè)的資產(chǎn)配置結(jié)構(gòu)。

3 實(shí)證分析

3.1 數(shù)據(jù)選取

本文選取自2002年1月4日至2017年5月15日滬深300指數(shù)及所包括的行業(yè)分類指數(shù)為研究對象。行業(yè)i= （1，2，…，10）和k= （1，2，…，10）都依次對應(yīng)于能源、材料、工業(yè)、可選、消費(fèi)、醫(yī)藥、金融、信息、電信、公用十個(gè)行業(yè)。本文使用的數(shù)據(jù)包括兩個(gè)部分：第一，收盤價(jià)、賬面市值比、規(guī)模、貨幣供應(yīng)量M2和市場交易金額數(shù)據(jù)，來自于Wind數(shù)據(jù)庫。收益率定義為收盤價(jià)的自然對數(shù)差，即y t=100（lnp t-lnp t-1），p t為滬深300指數(shù)和行業(yè)指數(shù)的收盤價(jià)。第二，日內(nèi)分筆交易的買賣雙方報(bào)價(jià)和成交價(jià)為高頻數(shù)據(jù)，來源于國泰安中國證券市場交易高頻數(shù)據(jù)庫。由于2005年之前日內(nèi)高頻交易數(shù)據(jù)較少，因而采用區(qū)間為2005年1月1日至2017年5月15日。ST股票交易制度與普通股票不同，金融類股票資產(chǎn)負(fù)債結(jié)構(gòu)與普通股票不同，因而選取剔除ST、金融類股的全部A 股日內(nèi)分筆交易數(shù)據(jù)。

3.2 狀態(tài)轉(zhuǎn)移模型估計(jì)及分析

根據(jù)Hamilton［1］，通過平滑概率判斷每個(gè)時(shí)刻所處的狀態(tài)。若觀測點(diǎn)在低波動(dòng)狀態(tài)的平滑概率大于0.5，則該觀測點(diǎn)處于低波動(dòng)狀態(tài)，否則處于高波動(dòng)狀態(tài)。根據(jù)式（6），利用Matlab軟件的MS＿Regress工具箱得到狀態(tài)轉(zhuǎn)移模型式（1）-（4）的參數(shù)，結(jié)果如表1 所 示。 其 中，市 場 波 動(dòng) 率 （σmt，st）2通 過GARCH（1，1）模型估計(jì)。

表1 狀態(tài)轉(zhuǎn)移模型的參數(shù)估計(jì)結(jié)果

由表1 可以看出：①由Panel A、Panel B 和Panel C可以看出，與低波動(dòng)狀態(tài)相比，股市在高波動(dòng)狀態(tài)下的收益率較高，但易受市場或非市場力量的影響，所面臨的不確定性較大，潛在損失較大。低波動(dòng)狀態(tài)（st= 1）的股指期望周收益率為-0.0847%，期望波動(dòng)率為5.4222%，期望VaR為-2.4541；高波動(dòng)狀態(tài)（st=2），股指期望周收益率為0.4480%，期望波動(dòng)率為26.3133%，期望Va R為-4.9152。②由Panel D 可以看出，兩個(gè)狀態(tài)持續(xù)的概率都較高，說明兩個(gè)狀態(tài)都是比較穩(wěn)定的。當(dāng)期處于低波動(dòng)狀態(tài)下一期仍處于低波動(dòng)狀態(tài)的概率為97.41%，當(dāng)期處于高波動(dòng)狀態(tài)下一期仍處于高波動(dòng)狀態(tài)的概率為95.85%。③由Panel E 可以看出，與高波狀態(tài)相比，低波動(dòng)狀態(tài)的出現(xiàn)概率較高，平均持續(xù)期較長。在整個(gè)觀察期，低波動(dòng)狀態(tài)出現(xiàn)的概率為61.62%，平均持續(xù)期為38.6815個(gè)周，高波動(dòng)狀態(tài)出現(xiàn)的概率為38.38%，平均持續(xù)期為24.0964個(gè)周。

3.3 狀態(tài)依賴下的安全投資轉(zhuǎn)移測度模型估計(jì)及分析

市場狀態(tài)轉(zhuǎn)移風(fēng)險(xiǎn)使得投資者產(chǎn)生恐慌情緒，進(jìn)而引起安全投資轉(zhuǎn)移。根據(jù)式（10），得到安全投資轉(zhuǎn)移代理變量訂單流差異如圖1所示。其中，陰影區(qū)域?yàn)楦卟▌?dòng)狀態(tài)。

圖1 狀態(tài)依賴下的安全投資轉(zhuǎn)移

由圖1可以看出：①市場狀態(tài)影響安全投資轉(zhuǎn)移行為。在市場進(jìn)入高波動(dòng)狀態(tài)（陰影區(qū)域），訂單流差異急劇增大，然后降到谷底，這種可識別的周期性行為說明安全投資轉(zhuǎn)移是受市場狀態(tài)影響的。②兩種狀態(tài)下都存在安全投資轉(zhuǎn)移行為。兩種狀態(tài)下訂單流差異均為正，說明資金從小規(guī)模股票流出，流入大規(guī)模股票，發(fā)生了安全投資轉(zhuǎn)移。③與低波動(dòng)狀態(tài)相比，高波動(dòng)狀態(tài)下的安全投資轉(zhuǎn)移強(qiáng)度較高。與低波動(dòng)狀態(tài)相比，高波動(dòng)狀態(tài)下訂單流差異均值較大，說明投資者在經(jīng)濟(jì)上升時(shí)期進(jìn)行套期保值，以對抗未來經(jīng)濟(jì)狀況惡化的風(fēng)險(xiǎn)［7］，使得高波動(dòng)狀態(tài)下的安全投資轉(zhuǎn)移強(qiáng)度較高。

3.4 行業(yè)間聯(lián)動(dòng)性與安全投資轉(zhuǎn)移的回歸模型估計(jì)及分析

不同市場狀態(tài)下各行業(yè)表現(xiàn)不同，投資者根據(jù)各行業(yè)的安全性進(jìn)行安全投資轉(zhuǎn)移，使得資金在行業(yè)間流動(dòng)，進(jìn)而引起聯(lián)動(dòng)性。根據(jù)式（12），通過最小二乘回歸法估計(jì)系數(shù)，結(jié)果如表2所示。其中，表格的左下部分為低波動(dòng)狀態(tài)（st=1），右上部分為高波動(dòng)狀態(tài)（st=2）。

表2 行業(yè)間聯(lián)動(dòng)性與安全投資轉(zhuǎn)移的回歸系數(shù)估計(jì)結(jié)果

由表2可以看出：①安全投資轉(zhuǎn)移引起行業(yè)間聯(lián)動(dòng)性。安全投資轉(zhuǎn)移對行業(yè)間聯(lián)動(dòng)性的回歸系數(shù)顯著，說明安全投資轉(zhuǎn)移使得行業(yè)間資金流動(dòng)，進(jìn)而引起聯(lián)動(dòng)性。②安全投資轉(zhuǎn)移對行業(yè)間聯(lián)動(dòng)性的回歸系數(shù)為負(fù)值。這是由于安全投資轉(zhuǎn)移行為使得資金在兩個(gè)行業(yè)間流入、流出，導(dǎo)致行業(yè)資產(chǎn)價(jià)格負(fù)向變動(dòng)。③在兩種狀態(tài)下，對安全投資轉(zhuǎn)移對金融-消費(fèi)行業(yè)間聯(lián)動(dòng)性影響均最大。這是因?yàn)榻鹑谛袠I(yè)是風(fēng)險(xiǎn)型行業(yè)，消費(fèi)行業(yè)是防御型行業(yè)，安全投資轉(zhuǎn)移發(fā)生在這兩個(gè)行業(yè)間的可能性較大。④與低波動(dòng)狀態(tài)相比，在高波動(dòng)狀態(tài)下安全投資轉(zhuǎn)移對金融-消費(fèi)行業(yè)間聯(lián)動(dòng)性影響程度較大。這是因?yàn)楦卟▌?dòng)狀態(tài)下安全投資轉(zhuǎn)移強(qiáng)度較高，使得對聯(lián)動(dòng)性的影響程度增大。

3.5 狀態(tài)依賴下的敏感性VaR 模型（SDSVaR ）估計(jì)及分析

安全投資轉(zhuǎn)移行為所引起的行業(yè)間聯(lián)動(dòng)性和風(fēng)險(xiǎn)溢出是同時(shí)發(fā)生的，通過驗(yàn)證安全投資轉(zhuǎn)移行為能夠引起行業(yè)間聯(lián)動(dòng)性，為從安全投資轉(zhuǎn)移行為視角分析行業(yè)間風(fēng)險(xiǎn)溢出提供了支持。在低波動(dòng)和高波動(dòng)狀態(tài)下，投資者安全投資轉(zhuǎn)移轉(zhuǎn)移行為不同，導(dǎo)致行業(yè)間風(fēng)險(xiǎn)溢出不同。

（1）低波動(dòng)和高波動(dòng)狀態(tài)下的敏感性Va R模型估計(jì)及分析

首先，根據(jù)式（13），通過GARCH（1，1）模型估計(jì)波動(dòng)率的標(biāo)準(zhǔn)差，得到各行業(yè)的動(dòng)態(tài)VaR。然后，根據(jù)式（14），通過最小二乘法分別估計(jì)低波動(dòng)和高波動(dòng)狀態(tài)下敏感性VaR模型的參數(shù)，結(jié)果如表3、4所示。

表3 低波動(dòng)狀態(tài)（st=1）下的敏感性VaR 模型估計(jì)結(jié)果

由表3可以看出：

①敏感性VaR模型具有實(shí)際意義。材料-能源、醫(yī)藥-能源等34對行業(yè)間的風(fēng)險(xiǎn)溢出系數(shù)（b）顯著，說明股票市場中行業(yè)間存在明顯的風(fēng)險(xiǎn)溢出效應(yīng)。

②風(fēng)險(xiǎn)溢出系數(shù)衡量了行業(yè)間風(fēng)險(xiǎn)溢出效應(yīng)的方向和大小，直觀量化了其他行業(yè)對某一行業(yè)風(fēng)險(xiǎn)的貢獻(xiàn)。例如，材料行業(yè)對能源行業(yè)的風(fēng)險(xiǎn)溢出系數(shù)為0.3309，說明材料行業(yè)的VaR增大1%會(huì)導(dǎo)致能源行業(yè)的VaR增加0.3309%，材料行業(yè)對能源行業(yè)的正向風(fēng)險(xiǎn)貢獻(xiàn)為0.3309與材料行業(yè)風(fēng)險(xiǎn)的乘積。

③對風(fēng)險(xiǎn)溢出效應(yīng)比較特別的幾個(gè)行業(yè)進(jìn)行分析。（i）工業(yè)行業(yè)對其他行業(yè)的風(fēng)險(xiǎn)溢出水平最高，平均風(fēng)險(xiǎn)溢出水平為0.2583，說明工業(yè)行業(yè)為系統(tǒng)重要性（systematically important）行業(yè)，該行業(yè)的極端變化將對整個(gè)股票市場產(chǎn)生嚴(yán)重的沖擊。（ii）公用行業(yè)對其他行業(yè)的風(fēng)險(xiǎn)溢出水平最低，平均風(fēng)險(xiǎn)溢出水平為0.0099，這是因?yàn)楣眯袠I(yè)一直受國家宏觀政策的控制，屬于防御型行業(yè)。（iii）工業(yè)、可選和信息行業(yè)受到其他行業(yè)的正向風(fēng)險(xiǎn)溢出較多。例如，材料-工業(yè)、消費(fèi)-可選、電信-信息行業(yè)間的正向風(fēng)險(xiǎn)溢出，說明兩個(gè)行業(yè)間凈資金量同方向變化，一個(gè)行業(yè)的不利沖擊會(huì)傳染到另一個(gè)行業(yè)，導(dǎo)致兩個(gè)行業(yè)的風(fēng)險(xiǎn)同方向變動(dòng)，并且這種正向溢出效應(yīng)通過協(xié)同效應(yīng)使整個(gè)股票市場的截面維度系統(tǒng)性風(fēng)險(xiǎn)增大。（iv）金融行業(yè)與其他行業(yè)間的風(fēng)險(xiǎn)溢出多為負(fù)向。例如，工業(yè)-金融、消費(fèi)-金融行業(yè)間的負(fù)向風(fēng)險(xiǎn)溢出，這是由于市場不景氣時(shí)期投資者進(jìn)行安全投資轉(zhuǎn)移，資金流動(dòng)影響行業(yè)間的風(fēng)險(xiǎn)溢出關(guān)系，與圖1和表2得到的結(jié)論是相一致的。

表4 高波動(dòng)狀態(tài)（st=2）下的敏感性VaR 模型估計(jì)結(jié)果

由表4可以看出：

①敏感性VaR模型具有實(shí)際意義。材料-能源、工業(yè)-能源等36對行業(yè)間的風(fēng)險(xiǎn)溢出系數(shù)（b）顯著，說明股票市場中行業(yè)間存在明顯的風(fēng)險(xiǎn)溢出效應(yīng)。

②風(fēng)險(xiǎn)溢出系數(shù)衡量了行業(yè)間風(fēng)險(xiǎn)溢出效應(yīng)的方向和大小，直觀量化了其他行業(yè)對某一行業(yè)風(fēng)險(xiǎn)的貢獻(xiàn)。例如，醫(yī)藥行業(yè)對工業(yè)行業(yè)的風(fēng)險(xiǎn)溢出系數(shù)為-0.1775，說明醫(yī)藥行業(yè)的VaR增大1%會(huì)導(dǎo)致工業(yè)行業(yè)的VaR減小0.1775%，醫(yī)藥行業(yè)對工業(yè)行業(yè)的負(fù)向風(fēng)險(xiǎn)貢獻(xiàn)為0.1775與醫(yī)藥行業(yè)風(fēng)險(xiǎn)的乘積。

③對風(fēng)險(xiǎn)溢出效應(yīng)比較特別的幾個(gè)行業(yè)進(jìn)行分析。（i）可選行業(yè)為系統(tǒng)重要性行業(yè)，并且受到其他行業(yè)的正向風(fēng)險(xiǎn)溢出也最多，說明該行業(yè)的風(fēng)險(xiǎn)變化將嚴(yán)重影響整個(gè)股票市場的穩(wěn)定。（ii）材料、消費(fèi)和電信行業(yè)受其他行業(yè)風(fēng)險(xiǎn)溢出較少，表現(xiàn)出一定的獨(dú)立性；同時(shí)，電信行業(yè)對其他行業(yè)的風(fēng)險(xiǎn)溢出水平最低，平均風(fēng)險(xiǎn)溢出水平為0.0203。說明這三個(gè)行業(yè)具有一定的資金避風(fēng)港作用，對風(fēng)險(xiǎn)溢出效應(yīng)的免疫特征可以提高整個(gè)股票市場的內(nèi)在穩(wěn)定性。（iii）金融行業(yè)與其他行業(yè)間的負(fù)向風(fēng)險(xiǎn)溢出最多，有兩種可能的原因：一是投資者在經(jīng)濟(jì)放緩之前為了套期保值而進(jìn)行安全投資轉(zhuǎn)移，賣出金融行業(yè)這種風(fēng)險(xiǎn)型資產(chǎn)，買入安全型資產(chǎn)，影響行業(yè)間的風(fēng)險(xiǎn)溢出關(guān)系，這與圖1和表2得到的結(jié)論是相一致的；二是在市場上升時(shí)期，板塊輪動(dòng)造成市場大盤熱點(diǎn)轉(zhuǎn)移，追逐收益或流動(dòng)性的投資者進(jìn)行投資再平衡，賣出低風(fēng)險(xiǎn)低收益的行業(yè)資產(chǎn)，買入金融行業(yè)這種進(jìn)攻型行業(yè)資產(chǎn)以獲取超額收益，資金在其他行業(yè)與金融行業(yè)間流出或流入，導(dǎo)致行業(yè)間風(fēng)險(xiǎn)的負(fù)向變動(dòng)。

（2）低波動(dòng)狀態(tài)與高波動(dòng)狀態(tài)下的敏感性VaR模型估計(jì)結(jié)果比較分析

比較表3、表4模型估計(jì)結(jié)果可以看出：①不同狀態(tài)下的行業(yè)間風(fēng)險(xiǎn)溢出效應(yīng)發(fā)生變化。由于市場狀態(tài)轉(zhuǎn)移，追逐低風(fēng)險(xiǎn)、超額收益或流動(dòng)性的投資者根據(jù)信息變化來調(diào)整資產(chǎn)配置的行業(yè)結(jié)構(gòu)，引起資本在行業(yè)間流動(dòng)，導(dǎo)致不同狀態(tài)下的行業(yè)間風(fēng)險(xiǎn)溢出效應(yīng)不同。例如，在低波動(dòng)狀態(tài)下，能源行業(yè)對材料行業(yè)的風(fēng)險(xiǎn)溢出水平為0.2767，在高波動(dòng)狀態(tài)下為0.4872。②高波動(dòng)狀態(tài)下的行業(yè)間平均風(fēng)險(xiǎn)溢出水平（0.1188）高于低波動(dòng)狀態(tài)下的行業(yè)間平均風(fēng)險(xiǎn)溢出水平（0.0728）。這一結(jié)論與表2中，與低波動(dòng)狀態(tài)相比，高波動(dòng)狀態(tài)下安全投資轉(zhuǎn)移對行業(yè)間的聯(lián)動(dòng)性影響較大是一致的。

3.6 最優(yōu)資產(chǎn)配置結(jié)果分析

（1）資產(chǎn)配置結(jié)構(gòu)分析

根據(jù)式（20），取當(dāng)期狀態(tài)為低波動(dòng)（高波動(dòng)）狀態(tài)的下一期滬深300指數(shù)期望收益率為投資者在低波動(dòng)（高波動(dòng)）狀態(tài)下能夠接受的最低收益率rmst=1（rmst=2），利用Matlab軟件的優(yōu)化工具箱，估計(jì)狀態(tài)依賴下考慮行業(yè)間風(fēng)險(xiǎn)溢出的最優(yōu)資產(chǎn)配置結(jié)構(gòu)，結(jié)果如表5所示。

表5 狀態(tài)依賴下考慮行業(yè)間風(fēng)險(xiǎn)溢出的最優(yōu)資產(chǎn)配置結(jié)構(gòu)

由表5可以看出，兩種狀態(tài)下最優(yōu)資產(chǎn)配置結(jié)構(gòu)明顯不同：在低波動(dòng)狀態(tài)下，全部資金僅投資于兩個(gè)行業(yè)，其中，消費(fèi)行業(yè)為84.86%，金融行業(yè)為15.14%；在高波動(dòng)狀態(tài)下，在消費(fèi)行業(yè)的投資權(quán)重降低至31.23%，金融行業(yè)的權(quán)重增加至27.46%，另外約40%的資金投資于材料、電信和公用行業(yè)，權(quán)重分別為10.06%、21.98%和9.27%。

結(jié)合表3-5可以看出：①不同市場狀態(tài)下資產(chǎn)配置的行業(yè)發(fā)生變化。在低波動(dòng)狀態(tài)下，僅投資于消費(fèi)和金融兩個(gè)行業(yè)。在高波動(dòng)狀態(tài)下，除了投資于消費(fèi)和金融行業(yè)，有約40%的資金投資于材料、電信和公用行業(yè)。由于材料和電信行業(yè)受其他行業(yè)的風(fēng)險(xiǎn)溢出較少，具有一定的避風(fēng)港作用，在高波動(dòng)狀態(tài)下配置一定權(quán)重能夠隔離風(fēng)險(xiǎn)傳染，降低整個(gè)投資組合的風(fēng)險(xiǎn)，同時(shí)，消費(fèi)-公用行業(yè)之間負(fù)的風(fēng)險(xiǎn)溢出能夠降低截面維度系統(tǒng)性風(fēng)險(xiǎn)，配置一定權(quán)重起到對沖避險(xiǎn)的作用。②在兩種狀態(tài)下，金融行業(yè)和消費(fèi)行業(yè)都具有一定權(quán)重。低波動(dòng)狀態(tài)下金融-消費(fèi)行業(yè)之間的風(fēng)險(xiǎn)溢出方向?yàn)樨?fù)，配置金融和消費(fèi)行業(yè)能夠降低截面維度系統(tǒng)性風(fēng)險(xiǎn)，同時(shí)，消費(fèi)行業(yè)屬于防御性行業(yè)，受不景氣市場影響較小，投資者在市場不景氣時(shí)期增加防御型行業(yè)配置權(quán)重能夠防御市場風(fēng)險(xiǎn)，所以配置權(quán)重較高（84.86%）。高波動(dòng)狀態(tài)下消費(fèi)行業(yè)受其他行業(yè)的風(fēng)險(xiǎn)溢出較少，具有一定的避風(fēng)港作用，配置一定權(quán)重能夠隔離風(fēng)險(xiǎn)傳染；而金融行業(yè)屬于進(jìn)攻型行業(yè)，配置一定權(quán)重可以獲得超額收益。另外，一些行業(yè)的權(quán)重為零。這些行業(yè)權(quán)重為零的主要原因是賣空約束，如果取消賣空約束，則權(quán)重可以為負(fù)，能夠更好的分散風(fēng)險(xiǎn)，這與文獻(xiàn)［11，16］的資產(chǎn)配置結(jié)論是相一致的。隨著中國資本市場的逐漸完善，放松賣空約束，可以有效降低風(fēng)險(xiǎn)，顯著改善資產(chǎn)配置效果。

（2）與不考慮行業(yè)間風(fēng)險(xiǎn)溢出的最優(yōu)資產(chǎn)配置結(jié)構(gòu)的比較

與考慮行業(yè)間風(fēng)險(xiǎn)溢出的最優(yōu)資產(chǎn)配置相比，不考慮行業(yè)間風(fēng)險(xiǎn)溢出的最優(yōu)資產(chǎn)配置中使用VaR度量投資風(fēng)險(xiǎn)，則式（18-19）為下一期行業(yè)i期望VaR，式（20）目標(biāo)函數(shù)中為下一期行業(yè)期望VaR向量。利用Matlab 軟件的優(yōu)化工具箱，估計(jì)狀態(tài)依賴下不考慮行業(yè)間風(fēng)險(xiǎn)溢出的最優(yōu)資產(chǎn)配置結(jié)構(gòu)，結(jié)果如表6所示。

表6 狀態(tài)依賴下不考慮行業(yè)間風(fēng)險(xiǎn)溢出的最優(yōu)資產(chǎn)配置結(jié)構(gòu)

對比表5考慮行業(yè)間風(fēng)險(xiǎn)溢出和表6不考慮行業(yè)間風(fēng)險(xiǎn)溢出兩種情形下的最優(yōu)資產(chǎn)配置結(jié)構(gòu)，可以看出：①在低波動(dòng)狀態(tài)下，兩種情形下的最優(yōu)資產(chǎn)配置結(jié)構(gòu)不同。不考慮行業(yè)間風(fēng)險(xiǎn)溢出的最優(yōu)資產(chǎn)配置結(jié)構(gòu)將91.34%資金投資于防御型行業(yè)消費(fèi)、醫(yī)藥和公用行業(yè)，而考慮行業(yè)間風(fēng)險(xiǎn)溢出的最優(yōu)資產(chǎn)配置結(jié)構(gòu)，除了將84.86%資產(chǎn)投資于防御型行業(yè)消費(fèi)行業(yè)之外，將15.14%資產(chǎn)投資于金融行業(yè)。這說明考慮金融-消費(fèi)行業(yè)之間的負(fù)向風(fēng)險(xiǎn)溢出能夠降低組合截面維度系統(tǒng)性風(fēng)險(xiǎn)。②在高波動(dòng)狀態(tài)下，兩種情形下的最優(yōu)資產(chǎn)配置結(jié)構(gòu)均將約70%的資金投資于消費(fèi)、電信和公用行業(yè)，而剩余30%資金所配置行業(yè)不同。不考慮行業(yè)將風(fēng)險(xiǎn)溢出的情形將剩余約30%資金投資于防御性行業(yè)醫(yī)藥行業(yè)，而考慮行業(yè)間風(fēng)險(xiǎn)溢出的情形投資于進(jìn)攻型行業(yè)金融行業(yè)。這是因?yàn)榭紤]行業(yè)間風(fēng)險(xiǎn)溢出可以從全景式地分析行業(yè)風(fēng)險(xiǎn)，金融行業(yè)雖然自身風(fēng)險(xiǎn)較大，但是金融行業(yè)與其他行業(yè)間多為負(fù)向風(fēng)險(xiǎn)溢出。

（3）資產(chǎn)配置收益率與風(fēng)險(xiǎn)分析

為了分析表5狀態(tài)依賴下考慮行業(yè)間風(fēng)險(xiǎn)溢出的資產(chǎn)配置策略績效，在樣本期內(nèi)，分別計(jì)算市場指數(shù)、靜態(tài)跨行業(yè)資產(chǎn)配置策略、狀態(tài)依賴下跨行業(yè)資產(chǎn)配置策略的累計(jì)收益率和VaR。對比幾種策略下的樣本期累計(jì)收益率和VaR如表7所示。

表7 幾種策略下資產(chǎn)配置收益率與風(fēng)險(xiǎn)比較

由表7可以看出：①跨行業(yè)資產(chǎn)配置的累計(jì)收益和Va R都優(yōu)于指數(shù)投資。將Panel B、Panel C、Panel D 與Panel A 對比，可以看出無論是靜態(tài)策略還是狀態(tài)依賴策略，無論是否考慮行業(yè)間風(fēng)險(xiǎn)溢出，跨行業(yè)資產(chǎn)配置的累計(jì)收益和VaR都優(yōu)于指數(shù)投資。跨行業(yè)資產(chǎn)配置策略可以捕捉宏觀因素對不同行業(yè)的影響，降低投資風(fēng)險(xiǎn)，獲得較好的收益。②狀態(tài)依賴下的跨行業(yè)資產(chǎn)配置模型優(yōu)于靜態(tài)跨行業(yè)資產(chǎn)配置模型。將Panel C、Panel D 與Panel B對比，可以看出狀態(tài)依賴下的跨行業(yè)資產(chǎn)配置模型優(yōu)于靜態(tài)跨行業(yè)資產(chǎn)配置模型。利用由狀態(tài)轉(zhuǎn)移引起的板塊輪動(dòng)效應(yīng)，根據(jù)市場狀態(tài)選擇合適的行業(yè)進(jìn)行資產(chǎn)配置，狀態(tài)轉(zhuǎn)移框架下考慮板塊輪動(dòng)的資產(chǎn)配置策略可以達(dá)到防范市場風(fēng)險(xiǎn)同時(shí)增加投資收益的目的。③考慮行業(yè)間風(fēng)險(xiǎn)溢出的資產(chǎn)配置能夠降低截面維度系統(tǒng)性風(fēng)險(xiǎn)，提高投資收益，規(guī)避極端風(fēng)險(xiǎn)。將Panel D 與Panel C 對比，在整個(gè)樣本期，考慮行業(yè)間風(fēng)險(xiǎn)溢出的資產(chǎn)配置能夠分散非系統(tǒng)性風(fēng)險(xiǎn)的同時(shí)降低截面維度系統(tǒng)性風(fēng)險(xiǎn)，提高投資者的收益。在風(fēng)險(xiǎn)較大的高波動(dòng)狀態(tài)下，與不考慮風(fēng)險(xiǎn)溢出的投資組合風(fēng)險(xiǎn)相比，考慮風(fēng)險(xiǎn)溢出的投資組合風(fēng)險(xiǎn)大幅降低，說明考慮風(fēng)險(xiǎn)溢出能夠在降低風(fēng)險(xiǎn)、增加收益的基礎(chǔ)上，有效地降低極端風(fēng)險(xiǎn)值，規(guī)避極端風(fēng)險(xiǎn)的效果更好。

（4）資產(chǎn)配置模型的穩(wěn)健性檢驗(yàn)

通過改變研究對象對狀態(tài)依賴下考慮行業(yè)間風(fēng)險(xiǎn)溢出的資產(chǎn)配置模型進(jìn)行穩(wěn)健性檢驗(yàn)。選擇自2000年1月4日至2017年5月15日Wind數(shù)據(jù)庫全A 指數(shù)及所包括的行業(yè)分類指數(shù)為研究對象。其中，行業(yè)分類為11個(gè)行業(yè)，依次為能源、材料、工業(yè)、可選、消費(fèi)、醫(yī)藥、金融、信息、電信、公用、房地產(chǎn)行業(yè)。計(jì)算步驟與上文相同，得到幾種策略下的樣本期累計(jì)收益率和VaR如表8所示。

表8 幾種策略下資產(chǎn)配置收益率與風(fēng)險(xiǎn)比較

由表8可以看出：改變研究對象后，狀態(tài)依賴下的跨行業(yè)資產(chǎn)配置模型的累計(jì)收益率和風(fēng)險(xiǎn)仍然優(yōu)于靜態(tài)跨行業(yè)資產(chǎn)配置模型的相應(yīng)值，說明考慮板塊輪動(dòng)能夠達(dá)到防范市場風(fēng)險(xiǎn)同時(shí)增加投資收益的目的；考慮行業(yè)間風(fēng)險(xiǎn)溢出的資產(chǎn)配置模型仍然優(yōu)于不考慮行業(yè)間風(fēng)險(xiǎn)溢出的資產(chǎn)配置模型，在高波動(dòng)狀態(tài)下考慮風(fēng)險(xiǎn)溢出的投資組合風(fēng)險(xiǎn)仍然低于不考慮風(fēng)險(xiǎn)溢出的投資組合，說明考慮風(fēng)險(xiǎn)溢出能夠提高投資者的收益，有效地規(guī)避極端風(fēng)險(xiǎn)。

4 結(jié)語

股票市場受經(jīng)濟(jì)周期的影響，其收益和波動(dòng)常表現(xiàn)出不同的狀態(tài)。不同市場狀態(tài)下股票市場中各行業(yè)表現(xiàn)不同，投資者根據(jù)市場狀態(tài)和板塊輪動(dòng)效應(yīng)進(jìn)行安全投資轉(zhuǎn)移，資金流動(dòng)導(dǎo)致行業(yè)間聯(lián)動(dòng)性和風(fēng)險(xiǎn)溢出。如何把握股票市場中各行業(yè)間的風(fēng)險(xiǎn)溢出效應(yīng)是進(jìn)行分散化資產(chǎn)配置進(jìn)而達(dá)到有效規(guī)避風(fēng)險(xiǎn)的重要前提，本文研究考慮行業(yè)間風(fēng)險(xiǎn)溢出和板塊輪動(dòng)效應(yīng)的最優(yōu)資產(chǎn)配置問題。研究發(fā)現(xiàn)：①狀態(tài)依賴下的安全投資轉(zhuǎn)移顯著影響行業(yè)間聯(lián)動(dòng)性和風(fēng)險(xiǎn)溢出。安全投資轉(zhuǎn)移受市場狀態(tài)的影響，高波動(dòng)狀態(tài)下安全投資轉(zhuǎn)移強(qiáng)度高于低波動(dòng)狀態(tài)；安全投資轉(zhuǎn)移使得資金在行業(yè)間流動(dòng)，進(jìn)而引起聯(lián)動(dòng)性和風(fēng)險(xiǎn)溢出。②考慮行業(yè)間風(fēng)險(xiǎn)溢出的資產(chǎn)配置能夠分散非系統(tǒng)性風(fēng)險(xiǎn)的同時(shí)降低截面維度系統(tǒng)性風(fēng)險(xiǎn)。利用狀態(tài)依賴下的敏感性VaR模型（SDSVaR）同時(shí)從時(shí)間和截面兩個(gè)維度度量行業(yè)風(fēng)險(xiǎn)，選擇負(fù)向風(fēng)險(xiǎn)溢出的成對行業(yè)進(jìn)行資產(chǎn)配置可以降低截面維度系統(tǒng)性風(fēng)險(xiǎn)。③在資產(chǎn)配置中考慮狀態(tài)轉(zhuǎn)移和板塊輪動(dòng)可以達(dá)到防范市場風(fēng)險(xiǎn)同時(shí)增加投資收益的目的。在低波動(dòng)狀態(tài)下，消費(fèi)、公用行業(yè)受不景氣市場影響較小，屬于防御型行業(yè)，配置一定權(quán)重能夠防御市場風(fēng)險(xiǎn)；在高波動(dòng)狀態(tài)下，金融行業(yè)屬于進(jìn)攻型行業(yè)，對金融行業(yè)配置一定權(quán)重可以獲得超額收益。研究結(jié)果表明，考慮行業(yè)間風(fēng)險(xiǎn)溢出和板塊輪動(dòng)效應(yīng)的資產(chǎn)配置模型能夠分散非系統(tǒng)性風(fēng)險(xiǎn)的同時(shí)降低截面維度系統(tǒng)性風(fēng)險(xiǎn)，提高投資者的收益，有效地降低極端風(fēng)險(xiǎn)值，規(guī)避極端風(fēng)險(xiǎn)的效果更好。

本文基于投資者安全投資轉(zhuǎn)移行為的角度討論了中國股票市場上行業(yè)間聯(lián)動(dòng)性和風(fēng)險(xiǎn)溢出機(jī)制，突出了市場狀態(tài)轉(zhuǎn)移框架下行業(yè)間風(fēng)險(xiǎn)溢出和板塊輪動(dòng)效應(yīng)在資產(chǎn)配置過程中的重要性，在理論上豐富和完善了狀態(tài)轉(zhuǎn)移框架下投資組合問題研究，對于投資者和金融監(jiān)管部門具有實(shí)際意義。對于中國這樣的新興市場，投資者的經(jīng)驗(yàn)相對缺乏，高度趨同的非理性行為加強(qiáng)了行業(yè)間風(fēng)險(xiǎn)溢出效應(yīng)，研究行業(yè)間風(fēng)險(xiǎn)溢出對資產(chǎn)配置的影響可以為投資者（特別是保險(xiǎn)公司、社?；鸷推髽I(yè)年金等長期投資者）風(fēng)險(xiǎn)管理和投資決策提供有價(jià)值的借鑒；為金融監(jiān)管部門建立完善的風(fēng)險(xiǎn)控制體系，防范系統(tǒng)重要性行業(yè)風(fēng)險(xiǎn)變化對整個(gè)股票市場的沖擊，避免股票市場大起大落和極端波動(dòng)提供一定的參考。