-PAGEV-摘要隨著我國(guó)期權(quán)市場(chǎng)的快速發(fā)展，上證50ETF期權(quán)已成為重要的風(fēng)險(xiǎn)管理工具。本文基于2015年2月9日至2024年6月26日的上證50ETF期權(quán)交易數(shù)據(jù)，提出并運(yùn)用下偏矩（LPM）指標(biāo)度量期權(quán)市場(chǎng)的隱含尾部風(fēng)險(xiǎn)；結(jié)合GARCH、VaR、CVaR計(jì)量方法與單變量及多變量回歸分析，檢驗(yàn)LPM對(duì)未來(lái)股票超額收益率的預(yù)測(cè)效能，并探討極端波動(dòng)期間的風(fēng)險(xiǎn)傳導(dǎo)與聚集機(jī)制。實(shí)證結(jié)果表明：LPM指標(biāo)在中美貿(mào)易摩擦、新冠疫情等極端事件發(fā)生前后顯著攀升，能夠捕捉市場(chǎng)下行風(fēng)險(xiǎn)偏好變化；單變量回歸中，LPM對(duì)t+1期超額收益率的預(yù)測(cè)系數(shù)在5%水平下顯著為正，多變量模型加入VIX和隱含波動(dòng)率斜率后仍保持穩(wěn)??；上證50ETF期權(quán)收益率分布呈左偏、尖峰厚尾特征，顯示極端波動(dòng)中易出現(xiàn)風(fēng)險(xiǎn)聚集現(xiàn)象。研究結(jié)論驗(yàn)證了尾部風(fēng)險(xiǎn)溢價(jià)理論，為投資者在不同市場(chǎng)環(huán)境下動(dòng)態(tài)調(diào)整組合風(fēng)險(xiǎn)敞口提供了量化依據(jù)；同時(shí)，為監(jiān)管機(jī)構(gòu)完善期權(quán)市場(chǎng)風(fēng)險(xiǎn)監(jiān)測(cè)指標(biāo)、制定針對(duì)性風(fēng)險(xiǎn)防控策略提供了實(shí)證支持。關(guān)鍵詞：尾部風(fēng)險(xiǎn)；波動(dòng)性分析；下偏矩（LPM）；上證50ETF期權(quán)；風(fēng)險(xiǎn)預(yù)測(cè)模型

TailRiskMeasurementandVolatilityAnalysisintheSSE50ETFOptionsMarketAbstractWiththerapiddevelopmentofChina’soptionsmarket,theSSE50ETFoptionshavebecomeanimportantriskmanagementinstrument.BasedontradingdataforSSE50ETFoptionsfromFebruary9,2015,toJune26,2024,thispaperconstructsandappliesthelowerpartialmoment(LPM)indicatortomeasurethemarket’simpliedtailrisk.ByintegratingGARCH,VaR,andCVaReconometricmethodswithunivariateandmultivariateregressionanalyses,weassessLPM’sabilitytopredictfuturestockexcessreturnsandexaminethemechanismsofrisktransmissionandclusteringduringperiodsofextremevolatility.Empiricalresultsshowthat:theLPMindicatorrisessharplyaroundextremeeventssuchastheU.S.–ChinatradefrictionandtheCOVID-19pandemic,effectivelycapturingshiftsininvestors’downsideriskpreferences;inunivariateregressions,LPM’scoefficientforpredictingt+1excessreturnsissignificantlypositiveatthe5%level,andremainsrobustafteraddingVIXandimpliedvolatilityslopeascontrolvariables;thereturndistributionofSSE50ETFoptionsexhibitsleftskewnessandhighkurtosis,indicatingpronouncedriskclusteringduringperiodsofextrememarketswings.Ourfindingsconfirmthetail-riskpremiumtheory,provideinvestorswithaquantitativebasisfordynamicallyadjustingportfolioriskexposuresundervaryingmarketconditions,andofferempiricalsupportforregulatorstorefinerisk-monitoringindicatorsanddesigntargetedrisk-controlmeasuresfortheoptionsmarket.KeyWords：TailRisk；VolatilityAnalysis；LowerPartialMoment(LPM)；SSE50ETFOptions；RiskPredictionModel目錄TOC\o"1-3"\f\h\u19371摘要 III2059Abstract IV193331緒論 6272551.1研究背景與研究意義 661331.2論文結(jié)構(gòu)安排 7238562文獻(xiàn)綜述 977572.1期權(quán)市場(chǎng)度量尾部風(fēng)險(xiǎn)國(guó)內(nèi)外文獻(xiàn)綜述 9314192.2極端波動(dòng)期間的尾部風(fēng)險(xiǎn)國(guó)內(nèi)外文獻(xiàn)綜述 10203742.3風(fēng)險(xiǎn)聚集效應(yīng)國(guó)內(nèi)外研究綜述 10302772.4總結(jié) 10100853樣本數(shù)據(jù)與模型方法 1196413.2期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)的計(jì)算 11128963.23研究方法 121014期權(quán)市場(chǎng)尾部風(fēng)險(xiǎn)的實(shí)證結(jié)果與分析 13229925結(jié)論與不足 15254245.1研究結(jié)論 1594675.1.1尾部風(fēng)險(xiǎn)指標(biāo)的預(yù)測(cè)能力 15100195.2波動(dòng)性特征分析 15261425.2研究不足 15184395.2.2模型簡(jiǎn)化假設(shè)的制約 15143825.2.3外部有效性待驗(yàn)證 1537795.2.4動(dòng)態(tài)因素考慮不足 1671285.3未來(lái)研究方向 1628745總結(jié) 16136586建議 17160436.1對(duì)投資者的建議 17312626.2對(duì)監(jiān)管機(jī)構(gòu)的建議 17242596.3對(duì)學(xué)術(shù)方向的建議 1721575致謝 184116參考文獻(xiàn) 19

1緒論1.1研究背景隨著我國(guó)資本市場(chǎng)的改革推進(jìn)，金融市場(chǎng)的快速發(fā)展，期權(quán)市場(chǎng)作為金融衍生品市場(chǎng)的重要組成部分，其風(fēng)險(xiǎn)管理和波動(dòng)性分析逐漸成為學(xué)術(shù)界和社會(huì)關(guān)注的焦點(diǎn)。期權(quán)（Option）是一種金融衍生工具，賦予持有者在特定日期（到期日）或之前以約定價(jià)格（行權(quán)價(jià)）買入或賣出標(biāo)的資產(chǎn)的權(quán)利，但不強(qiáng)制執(zhí)行義務(wù)。期權(quán)市場(chǎng)的起源可追溯至17世紀(jì)荷蘭的郁金香泡沫時(shí)期，但現(xiàn)代標(biāo)準(zhǔn)化期權(quán)交易始于1973年美國(guó)芝加哥期權(quán)交易所（CBOE）的成立。CBOE推出了首只股票看漲期權(quán)合約，并引入做市商制度與中央清算機(jī)制，極大提升了市場(chǎng)流動(dòng)性與透明度。此后，期權(quán)市場(chǎng)迅速發(fā)展，標(biāo)的資產(chǎn)從股票擴(kuò)展至股指、外匯、大宗商品等領(lǐng)域。截至2023年，全球期權(quán)年交易量已突破800億手，其中美國(guó)占據(jù)主導(dǎo)地位，標(biāo)普500指數(shù)期權(quán)（SPX）、VIX波動(dòng)率期權(quán)等產(chǎn)品成為全球風(fēng)險(xiǎn)管理的基準(zhǔn)工具。我國(guó)期權(quán)市場(chǎng)起步較晚，但近年來(lái)呈現(xiàn)快速發(fā)展態(tài)勢(shì)。2015年2月9日，上海證券交易所推出上證50ETF期權(quán)，成為中國(guó)首個(gè)場(chǎng)內(nèi)股票期權(quán)產(chǎn)品，標(biāo)志著我國(guó)衍生品市場(chǎng)進(jìn)入新階段。其價(jià)格波動(dòng)和尾部風(fēng)險(xiǎn)特征對(duì)市場(chǎng)穩(wěn)定性和投資者決策具有重要影響。隨著2008年金融危機(jī)的爆發(fā)，業(yè)界和學(xué)術(shù)界越來(lái)越關(guān)注股票市場(chǎng)的下跌風(fēng)險(xiǎn)，即尾部風(fēng)險(xiǎn)。尾部風(fēng)險(xiǎn)是指金融市場(chǎng)中極端事件發(fā)生的風(fēng)險(xiǎn)，通常表現(xiàn)為市場(chǎng)價(jià)格的劇烈波動(dòng)，尤其是在市場(chǎng)極端波動(dòng)期間，尾部風(fēng)險(xiǎn)的影響尤為顯著。對(duì)于個(gè)人而言，尾部風(fēng)險(xiǎn)關(guān)乎其財(cái)富安全與投資收益。在投資過(guò)程中，個(gè)人往往難以準(zhǔn)確預(yù)測(cè)極端市場(chǎng)事件的發(fā)生，而這些事件一旦出現(xiàn)，可能會(huì)使個(gè)人資產(chǎn)遭受巨大損失。從國(guó)家層面來(lái)看，尾部風(fēng)險(xiǎn)與宏觀經(jīng)濟(jì)穩(wěn)定息息相關(guān)。極端的經(jīng)濟(jì)、金融事件會(huì)對(duì)國(guó)家經(jīng)濟(jì)造成嚴(yán)重沖擊，影響經(jīng)濟(jì)增長(zhǎng)、就業(yè)水平和社會(huì)穩(wěn)定。企業(yè)在日常經(jīng)營(yíng)和發(fā)展過(guò)程中也面臨著各種尾部風(fēng)險(xiǎn)。如匯率大幅波動(dòng)、原材料價(jià)格暴漲暴跌等，這些風(fēng)險(xiǎn)可能會(huì)增加企業(yè)的經(jīng)營(yíng)成本、降低企業(yè)利潤(rùn)，甚至導(dǎo)致企業(yè)面臨破產(chǎn)危機(jī)。綜上所述，尾部風(fēng)險(xiǎn)對(duì)個(gè)人、國(guó)家、監(jiān)管機(jī)構(gòu)和企業(yè)都具有至關(guān)重要的意義。深入研究尾部風(fēng)險(xiǎn)，不僅能夠幫助各方有效應(yīng)對(duì)潛在風(fēng)險(xiǎn)，保障自身利益，還能促進(jìn)金融市場(chǎng)的健康穩(wěn)定發(fā)展，1.2研究意義近年來(lái)，我國(guó)金融市場(chǎng)頻繁出現(xiàn)極端波動(dòng)事件，如、2017年中美貿(mào)易戰(zhàn)，2019年末開(kāi)始新冠疫情引發(fā)的市場(chǎng)動(dòng)蕩，以及2025年的美國(guó)大幅加征關(guān)稅等，這些事件使得尾部風(fēng)險(xiǎn)的度量和波動(dòng)性分析成為金融風(fēng)險(xiǎn)管理中的緊迫任務(wù)。上證50ETF期權(quán)市場(chǎng)作為中國(guó)金融市場(chǎng)的重要組成部分，其尾部風(fēng)險(xiǎn)的度量和波動(dòng)性分析不僅有助于投資者更好地理解市場(chǎng)風(fēng)險(xiǎn)，還能為監(jiān)管機(jī)構(gòu)提供有效的風(fēng)險(xiǎn)管理工具。然而，目前國(guó)內(nèi)對(duì)上證50ETF期權(quán)市場(chǎng)的尾部風(fēng)險(xiǎn)研究相對(duì)較少，尤其是在極端波動(dòng)事件下的風(fēng)險(xiǎn)傳導(dǎo)機(jī)制和波動(dòng)集聚效應(yīng)的研究尚不充分。因此，研究上證50ETF期權(quán)市場(chǎng)的尾部風(fēng)險(xiǎn)特征及其波動(dòng)性，構(gòu)建科學(xué)有效的風(fēng)險(xiǎn)度量模型，對(duì)于預(yù)防和化解金融風(fēng)險(xiǎn)、維護(hù)市場(chǎng)穩(wěn)定運(yùn)行具有重要的現(xiàn)實(shí)意義?；诖?，本文擬在上證50ETF期權(quán)市場(chǎng)的背景下，研究尾部風(fēng)險(xiǎn)的度量方法及其波動(dòng)性特征，探討極端波動(dòng)事件下的風(fēng)險(xiǎn)傳導(dǎo)機(jī)制和波動(dòng)集聚效應(yīng)，并提出相應(yīng)的風(fēng)險(xiǎn)管理策略。本文的研究成果將為投資者和監(jiān)管機(jī)構(gòu)提供有效的風(fēng)險(xiǎn)管理工具。通過(guò)對(duì)上證50ETF期權(quán)市場(chǎng)尾部風(fēng)險(xiǎn)的度量和波動(dòng)性分析，本文擬提出針對(duì)極端波動(dòng)事件的風(fēng)險(xiǎn)控制措施和波動(dòng)管理策略，為期權(quán)市場(chǎng)的穩(wěn)定性和有效性提供理論支持和實(shí)踐指導(dǎo)。在期權(quán)市場(chǎng)中，有效的尾部風(fēng)險(xiǎn)測(cè)度對(duì)市場(chǎng)風(fēng)險(xiǎn)管理至關(guān)重要。尾部風(fēng)險(xiǎn)一旦爆發(fā)，往往會(huì)引發(fā)市場(chǎng)的劇烈動(dòng)蕩，對(duì)市場(chǎng)參與者造成巨大損失。通過(guò)精準(zhǔn)測(cè)度尾部風(fēng)險(xiǎn)，監(jiān)管機(jī)構(gòu)能夠及時(shí)發(fā)現(xiàn)潛在風(fēng)險(xiǎn)點(diǎn)，提前制定并實(shí)施相應(yīng)的風(fēng)險(xiǎn)防控措施。例如，當(dāng)尾部風(fēng)險(xiǎn)指標(biāo)達(dá)到一定閾值時(shí)，監(jiān)管機(jī)構(gòu)可以加強(qiáng)對(duì)市場(chǎng)交易行為的監(jiān)管，限制過(guò)度投機(jī)，防止市場(chǎng)恐慌情緒蔓延，從而維護(hù)市場(chǎng)的穩(wěn)定運(yùn)行。這不僅有助于保障投資者的合法權(quán)益，還能增強(qiáng)市場(chǎng)信心，促進(jìn)期權(quán)市場(chǎng)的健康可持續(xù)發(fā)展。對(duì)于投資者而言，市場(chǎng)風(fēng)險(xiǎn)的準(zhǔn)確把握是實(shí)現(xiàn)成功投資的關(guān)鍵?；诒狙芯康奈膊匡L(fēng)險(xiǎn)測(cè)度結(jié)果，投資者能夠更加清晰地認(rèn)識(shí)到投資組合所面臨的潛在極端風(fēng)險(xiǎn)。在市場(chǎng)平穩(wěn)時(shí)期，投資者可以根據(jù)尾部風(fēng)險(xiǎn)測(cè)度結(jié)果合理調(diào)整投資組合的資產(chǎn)配置比例，適當(dāng)增加或減少對(duì)上證50ETF期權(quán)的投資，優(yōu)化投資組合結(jié)構(gòu)。而在市場(chǎng)出現(xiàn)極端波動(dòng)跡象時(shí)，投資者能夠及時(shí)采取風(fēng)險(xiǎn)對(duì)沖策略，如購(gòu)買相應(yīng)的期權(quán)合約進(jìn)行套期保值，降低資本投資損失的可能性。通過(guò)這樣的方式，投資者可以更好地進(jìn)行資產(chǎn)的風(fēng)險(xiǎn)管理，實(shí)現(xiàn)資產(chǎn)的保值增值。1.3論文結(jié)構(gòu)安排本文文章結(jié)構(gòu)安排如下。第一章為緒論，主要介紹本文的研究背景，研究目的和研究意義，包含了相關(guān)研究?jī)?nèi)容的背景介紹。第二章為國(guó)內(nèi)外文獻(xiàn)綜述，首先針對(duì)國(guó)內(nèi)外度量尾部風(fēng)險(xiǎn)的方法，基于何種市場(chǎng)選選取構(gòu)建模型進(jìn)行回顧和總結(jié)，其次對(duì)尾部風(fēng)險(xiǎn)產(chǎn)生時(shí)會(huì)發(fā)生的風(fēng)險(xiǎn)聚集與傳導(dǎo)等效應(yīng)進(jìn)行國(guó)內(nèi)外的文獻(xiàn)總結(jié)。第三章為數(shù)據(jù)的處理和模型選取部分，該部分主要介紹了數(shù)據(jù)的來(lái)源以及處理的方法，其次為本文所使用的研究模型的構(gòu)建。第四章為期權(quán)隱含尾部風(fēng)險(xiǎn)因子的實(shí)證分析部分，根據(jù)之前的模型設(shè)定，數(shù)據(jù)選擇，計(jì)算相應(yīng)的期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)，并用其對(duì)未來(lái)超額收益率做時(shí)間序列回歸和穩(wěn)健性檢驗(yàn)。第五章為結(jié)論與不足部分，根據(jù)實(shí)證的結(jié)果得出上證50ETF期權(quán)市場(chǎng)尾部風(fēng)險(xiǎn)的特征等結(jié)論，并回顧文章內(nèi)容總結(jié)實(shí)驗(yàn)的不足之處。第六章為建議部分，根據(jù)所得結(jié)論對(duì)市場(chǎng)監(jiān)管者，投資者提出相關(guān)建議。（詳見(jiàn)下技術(shù)路線REF_Ref26550\h圖1）圖SEQ圖\*ARABIC1提出問(wèn)題量化期權(quán)市場(chǎng)中的尾部風(fēng)險(xiǎn)，基于此分析尾部風(fēng)險(xiǎn)上證50ETF期權(quán)市場(chǎng)的影響理論基礎(chǔ)收集數(shù)據(jù)樣本數(shù)據(jù)清洗數(shù)據(jù)統(tǒng)計(jì)分析期權(quán)市場(chǎng)的實(shí)證分析提出問(wèn)題量化期權(quán)市場(chǎng)中的尾部風(fēng)險(xiǎn)，基于此分析尾部風(fēng)險(xiǎn)上證50ETF期權(quán)市場(chǎng)的影響理論基礎(chǔ)收集數(shù)據(jù)樣本數(shù)據(jù)清洗數(shù)據(jù)統(tǒng)計(jì)分析期權(quán)市場(chǎng)的實(shí)證分析程序?qū)崿F(xiàn)模型回歸分析單個(gè)尾部風(fēng)險(xiǎn)量化因子回歸加入VIX，期權(quán)隱含偏度指標(biāo)等多個(gè)因子左尾控制變量結(jié)論與建議

2文獻(xiàn)綜述2.1期權(quán)市場(chǎng)度量尾部風(fēng)險(xiǎn)國(guó)內(nèi)外文獻(xiàn)綜述國(guó)內(nèi)外關(guān)于對(duì)期權(quán)尾部風(fēng)險(xiǎn)的度量的研究中，往往會(huì)將尾部風(fēng)險(xiǎn)與收益率聯(lián)系起來(lái)，Bali等REF_Ref13935\r\h[1]通過(guò)檢驗(yàn)美國(guó)股票市場(chǎng)的尾部風(fēng)險(xiǎn)與股票預(yù)期收益率的關(guān)系，發(fā)現(xiàn)二者具有顯著的正相關(guān)性，這一結(jié)果符合MertonREF_Ref14297\r\h[2]的ICAPM，與之相仿的是，Huang等REF_Ref14382\r\h[3]也利用美國(guó)個(gè)股股票收益率數(shù)據(jù)發(fā)現(xiàn)了相似的現(xiàn)象，即個(gè)股的尾部風(fēng)險(xiǎn)與個(gè)股橫截面收益率具有正相關(guān)性。Bali等REF_Ref13935\r\h[4]利用混合尾部風(fēng)險(xiǎn)指標(biāo)來(lái)檢驗(yàn)與股票預(yù)期收益率的關(guān)系，以上三者的結(jié)論都是相同的。Gao等REF_Ref15075\r\h[6]從期權(quán)數(shù)據(jù)提取尾部風(fēng)險(xiǎn)，前者檢驗(yàn)了期權(quán)隱含尾部風(fēng)險(xiǎn)與對(duì)沖基金收益率（hedgefundreturns）之間的關(guān)系，而后者則檢驗(yàn)了期權(quán)隱含尾部風(fēng)險(xiǎn)對(duì)多種資產(chǎn)以及不同國(guó)家的影響，市場(chǎng)收益分布具有厚尾特征，傳統(tǒng)風(fēng)險(xiǎn)度量往往低估極端損失。國(guó)外研究提出多種衡量系統(tǒng)性尾部風(fēng)險(xiǎn)的方法：Adrian和Brunnermeier（2016）REF_Ref29012\r\h[7]提出CoVaR，通過(guò)考察某機(jī)構(gòu)極端狀態(tài)下系統(tǒng)VaR的變化來(lái)量化其對(duì)整體尾部風(fēng)險(xiǎn)的貢獻(xiàn)；Benoit等（2017）REF_Ref29453\r\h[8]將系統(tǒng)性風(fēng)險(xiǎn)源分為風(fēng)險(xiǎn)偏好、風(fēng)險(xiǎn)傳染和風(fēng)險(xiǎn)放大三類；Balla等（2014）REF_Ref29740\r\h[9]研究發(fā)現(xiàn)美國(guó)大型銀行股價(jià)在極端下跌時(shí)呈現(xiàn)顯著的尾部相關(guān)性，并構(gòu)建極端依賴性指標(biāo)識(shí)別危機(jī)中的易受沖擊機(jī)構(gòu)。。上述研究表明，危機(jī)和極端波動(dòng)中金融機(jī)構(gòu)風(fēng)險(xiǎn)高度集中。國(guó)內(nèi)學(xué)者圍繞期權(quán)市場(chǎng)隱含尾部風(fēng)險(xiǎn)度量，主要從以下幾方面展開(kāi)研究。陳蓉與林秀雀（2018）REF_Ref29890\r\h[11]通過(guò)構(gòu)建期權(quán)隱含波動(dòng)率微笑的偏斜度（skewness）和風(fēng)險(xiǎn)中性偏度（risk‐neutralskewness）指標(biāo)，檢驗(yàn)其對(duì)股票極端下跌風(fēng)險(xiǎn)的預(yù)測(cè)能力，發(fā)現(xiàn)兩者對(duì)于未來(lái)左尾損失具有顯著的預(yù)測(cè)功效，尤其是在市場(chǎng)高波動(dòng)階段更為突出。陳蓉、呂愷（2010）REF_Ref29962\r\h[14]提出了一套非參數(shù)擬合方法，對(duì)隱含波動(dòng)率曲面進(jìn)行平滑處理，并提取了曲面斜率和曲率等特征量，進(jìn)而構(gòu)造了能夠反映極端風(fēng)險(xiǎn)偏好的隱含偏度指標(biāo)。陳蓉與方昆明（2011）REF_Ref30031\r\h[16]在此基礎(chǔ)上，研究了隱含波動(dòng)率風(fēng)險(xiǎn)溢酬的時(shí)變特征，發(fā)現(xiàn)隱含偏度與隱含方差共同作用時(shí)，對(duì)尾部風(fēng)險(xiǎn)度量具有更高的解釋力。陳堅(jiān)等（2019）REF_Ref30328\r\h[17]首次將下偏矩（LowerPartialMoment,LPM）方法引入上證50ETF期權(quán)市場(chǎng)，通過(guò)無(wú)模型估計(jì)直接從深度虛值看跌期權(quán)價(jià)格中提取尾部收益分布的下偏矩，構(gòu)造了隱含尾部風(fēng)險(xiǎn)指標(biāo)，并驗(yàn)證了其對(duì)未來(lái)股票超額收益率的顯著預(yù)測(cè)能力。劉楊樹(shù)等（2016）REF_Ref30406\r\h[13]則從跳躍風(fēng)險(xiǎn)視角出發(fā)，研究了期權(quán)復(fù)制策略中的跳躍對(duì)沖誤差，證明了高階風(fēng)險(xiǎn)中性矩（higher‐orderrisk‐neutralmoments）能夠刻畫(huà)收益分布尾部特征，為度量尾部風(fēng)險(xiǎn)提供了新的思路。基于以上內(nèi)容可知，國(guó)內(nèi)外學(xué)者在期權(quán)隱含尾部風(fēng)險(xiǎn)度量方面已形成多種方法：從波動(dòng)率微笑與偏度、隱含波動(dòng)率曲面、跳躍風(fēng)險(xiǎn)、下偏矩提取，到系統(tǒng)性風(fēng)險(xiǎn)網(wǎng)絡(luò)的視角，不僅豐富了理論工具，也通過(guò)實(shí)證驗(yàn)證了這些指標(biāo)在中國(guó)市場(chǎng)的有效性。這些研究為本文進(jìn)一步構(gòu)建和檢驗(yàn)上證50ETF期權(quán)市場(chǎng)隱含尾部風(fēng)險(xiǎn)指標(biāo)奠定了堅(jiān)實(shí)基礎(chǔ)。2.2風(fēng)險(xiǎn)聚集效應(yīng)國(guó)內(nèi)外研究綜述風(fēng)險(xiǎn)聚集效應(yīng)研究集中于金融體系中風(fēng)險(xiǎn)如何在機(jī)構(gòu)和市場(chǎng)間傳導(dǎo)與集中。國(guó)外學(xué)者探討了風(fēng)險(xiǎn)偏好、傳染和放大等風(fēng)險(xiǎn)來(lái)源。Benoit等（2017）將系統(tǒng)性風(fēng)險(xiǎn)源分類為風(fēng)險(xiǎn)偏好、風(fēng)險(xiǎn)傳染、放大機(jī)制和整體度量四大類;Adrian和Brunnermeier（2016）提出的CoVaR指標(biāo)衡量單個(gè)機(jī)構(gòu)對(duì)系統(tǒng)尾部風(fēng)險(xiǎn)的邊際貢獻(xiàn)，體現(xiàn)了機(jī)構(gòu)間風(fēng)險(xiǎn)耦合的度量思路。Billio等（2012）通過(guò)VAR和網(wǎng)絡(luò)技術(shù)揭示金融機(jī)構(gòu)間風(fēng)險(xiǎn)溢出的特征；Balla等（2014）利用極值理論分析美國(guó)大銀行間極端虧損共動(dòng)，發(fā)現(xiàn)危機(jī)期間這些機(jī)構(gòu)的尾部損失高度相關(guān)。研究表明風(fēng)險(xiǎn)在規(guī)模大、業(yè)務(wù)相似的機(jī)構(gòu)間容易聚集，引發(fā)系統(tǒng)性連鎖效應(yīng)。國(guó)內(nèi)方面，研究者從網(wǎng)絡(luò)和共持資產(chǎn)等視角分析風(fēng)險(xiǎn)聚集。方意和鄭子文（2016）構(gòu)建銀行共同資產(chǎn)持有網(wǎng)絡(luò)，發(fā)現(xiàn)大型銀行間系統(tǒng)性風(fēng)險(xiǎn)顯著聚集，與機(jī)構(gòu)規(guī)模正相關(guān)。張宗鑫等（2022）發(fā)現(xiàn)中國(guó)股市和債市存在顯著的尾部風(fēng)險(xiǎn)協(xié)同傳導(dǎo)。。其他研究利用波動(dòng)率溢出、Copula關(guān)聯(lián)等方法表明市場(chǎng)板塊間風(fēng)險(xiǎn)高度聯(lián)動(dòng)?？傮w而言，國(guó)內(nèi)外研究一致認(rèn)為在極端市場(chǎng)環(huán)境下風(fēng)險(xiǎn)聚集效應(yīng)尤為明顯，網(wǎng)絡(luò)結(jié)構(gòu)、資產(chǎn)相關(guān)性和市場(chǎng)情緒等是其主要驅(qū)動(dòng)因素。2.3總結(jié)總體來(lái)看，國(guó)內(nèi)外研究均認(rèn)為：極端波動(dòng)下尾部風(fēng)險(xiǎn)急劇攀升，需要多種工具（如CoVaR、極值依賴指標(biāo)、期權(quán)隱含尾部風(fēng)險(xiǎn)等）來(lái)精確度量。風(fēng)險(xiǎn)聚集通過(guò)網(wǎng)絡(luò)和系統(tǒng)性溢出效應(yīng)在機(jī)構(gòu)和市場(chǎng)間放大，需要綜合考慮資產(chǎn)相關(guān)性、流動(dòng)性和市場(chǎng)情緒等多維度因素來(lái)分析期權(quán)市場(chǎng)的尾部風(fēng)險(xiǎn)。這些研究為本文在上證50ETF期權(quán)市場(chǎng)中度量尾部風(fēng)險(xiǎn)、分析風(fēng)險(xiǎn)傳導(dǎo)與聚集效應(yīng)提供了堅(jiān)實(shí)的理論與方法基礎(chǔ)。

3樣本數(shù)據(jù)與模型方法3.1數(shù)據(jù)的清洗本文選取了自2015年2月9日至2024年6月26日的上證50ETF期權(quán)合約交易的歷史數(shù)據(jù)，共計(jì)約28萬(wàn)條數(shù)據(jù)。相關(guān)數(shù)據(jù)來(lái)源于東方財(cái)富choice金融終端。參考Chang等文獻(xiàn)的做法，對(duì)數(shù)據(jù)進(jìn)行初步的清洗。具體標(biāo)準(zhǔn)如下：1）刪除期權(quán)價(jià)格小于0.0002元的數(shù)據(jù)。2）刪除剩余時(shí)間小于7天的數(shù)據(jù)。3）刪除持倉(cāng)量為0的數(shù)據(jù)。4）刪除違背無(wú)套利條件的數(shù)據(jù)。3.2期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)的計(jì)算本文選取了陳堅(jiān)等（2019）提出的根據(jù)下偏矩的概念，通過(guò)無(wú)模型估計(jì)方法從看跌期權(quán)價(jià)格中提取出股票收益分布的尾部風(fēng)險(xiǎn)指標(biāo)的方法，通過(guò)對(duì)計(jì)算出的LPM進(jìn)行分析得出上證50ETF期權(quán)市場(chǎng)的尾部風(fēng)險(xiǎn)的特征。首先根據(jù)Breeden和Litzenberger的方法，看跌期權(quán)價(jià)格對(duì)其執(zhí)行價(jià)格的導(dǎo)數(shù)可以寫(xiě)為e（3-1）此式假設(shè)股票價(jià)格St(t∈0,T)是定義在概率空間（Ω,F,P）上的可測(cè)變量，Rt為St的對(duì)數(shù)收益率，即Rt根據(jù)n階下偏矩（lowerpartialmomernt,LPM）的定義,可得LMP（3-2）將式（3-1）帶入式（3-2）可得LMP（3-3）本文選取的股票超額收益率計(jì)算方法為上證50ETF指數(shù)的對(duì)數(shù)收益率減去一個(gè)月無(wú)風(fēng)險(xiǎn)利率（SHIBOR）,具體計(jì)算公式如下：R（3-4）其中，St是股票價(jià)格，本文采用上證50ETF結(jié)算價(jià)作為股票價(jià)格，r3.3研究方法3.3.1一元線性回歸法對(duì)于期權(quán)市場(chǎng)的尾部風(fēng)險(xiǎn)度量，探究構(gòu)建的尾部風(fēng)險(xiǎn)度量因子對(duì)超額收益率是否有預(yù)測(cè)關(guān)系，根據(jù)陳堅(jiān)等所采用的方法，構(gòu)建預(yù)測(cè)未來(lái)股票市場(chǎng)超額收益率的樣本內(nèi)回歸模型為R（3-5）其中，Rt+1代表t+1時(shí)刻的股票超額收益率；LPMt是t時(shí)刻的期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)；εt+13.2.1多控制變量回歸為了檢驗(yàn)期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)（LPM）的穩(wěn)健性以及與其他文獻(xiàn)常用預(yù)測(cè)因子相對(duì)比，在模型（5）中加入其他期權(quán)隱含因子作為控制變量，所得模型為R（3-6）其中Xt

4期權(quán)市場(chǎng)尾部風(fēng)險(xiǎn)的實(shí)證結(jié)果與分析本文的主要研究?jī)?nèi)容是度量期權(quán)市場(chǎng)中的尾部風(fēng)險(xiǎn)指標(biāo)并對(duì)其特征做分析，為了更好的推進(jìn)我國(guó)期權(quán)市場(chǎng)的發(fā)展，主要采用了上證50ETF期權(quán)市場(chǎng)的數(shù)據(jù)來(lái)構(gòu)建尾部風(fēng)險(xiǎn)指標(biāo)，期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)的時(shí)間序列如圖所示。圖SEQ圖\*ARABIC2LPM時(shí)間序列圖此處以疫情為例，圖中可以看出在2019年末LPM指標(biāo)突然飆升，而新冠疫情正式爆發(fā)于2019年12月31日，說(shuō)明所構(gòu)建的尾部風(fēng)險(xiǎn)因子對(duì)極端事件具有前瞻性。在具體的實(shí)證分析中，通過(guò)構(gòu)造期權(quán)隱含風(fēng)險(xiǎn)指標(biāo)的月度增量，消除指標(biāo)的一階自相關(guān)性。同時(shí)，為了確保LPM的穩(wěn)健性，還考慮了Ang等以及Chang等提到的其他收益率預(yù)測(cè)因子作為控制變量，包括：CBOE的VIX指數(shù)和隱含波動(dòng)率斜率，所有數(shù)據(jù)的統(tǒng)計(jì)描述如表1所示。表SEQ表\*ARABIC1相關(guān)變量的描述性統(tǒng)計(jì)變量平均值標(biāo)準(zhǔn)差偏度峰度最大值最小值Return-2.7871.601-0.3328.327-13.3279.153LPM0.1420.1651.7966.0740.9870.037VIX0.1950.0782.18511.4960.0910.827IVSlope-1.0020.4620.2103.019-2.1530.234可以看出，樣本期內(nèi)平均股票收益率為-2.787%，結(jié)合標(biāo)準(zhǔn)差說(shuō)明收益率有一定波動(dòng)性，而偏度為-0.332，說(shuō)明收益率分布呈現(xiàn)左偏的狀態(tài)，意味著極端負(fù)收益事件頻繁，與尾部風(fēng)險(xiǎn)特征一致。峰度為8.327遠(yuǎn)超正態(tài)分布的峰度3，說(shuō)明收益率的分布具有尖峰厚尾的特征，表明存在極端收益率時(shí)間，如市場(chǎng)崩盤(pán)或者暴漲，可能存在極端事件，且最大值和最小值中間差很大，表明收益率波動(dòng)范圍較大，存在較大的正負(fù)波動(dòng)。鑒于選取的樣本數(shù)據(jù)時(shí)間覆蓋范為圍2015年至2024年，在此期間發(fā)生了如中美貿(mào)易戰(zhàn)以及疫情等極端風(fēng)險(xiǎn)事件，因此收益率的分布與波動(dòng)會(huì)表明數(shù)據(jù)存在著極端情況。LPM的平均值為正也表明投資者對(duì)下行風(fēng)險(xiǎn)的擔(dān)憂普遍存在。根據(jù)模型（5），用期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)（LPM）作為預(yù)測(cè)因子，檢驗(yàn)其對(duì)未來(lái)股票超額收益率的預(yù)測(cè)能力，得出的預(yù)測(cè)結(jié)果如表2所示。表SEQ表\*ARABIC2樣本內(nèi)預(yù)測(cè)結(jié)果變量βNW-tR2（%）LPM0.003**4.531.98VIX0.0010.19-0.58IVSlope0.0010.34-0.67根據(jù)REF_Ref8516\h表2的數(shù)據(jù)，可知期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)（LPM）對(duì)未來(lái)股票超額收益率具有顯著的預(yù)測(cè)能力，β系數(shù)在5%的顯著性水平下統(tǒng)計(jì)顯著，且β＞0，與文獻(xiàn)中得出的風(fēng)險(xiǎn)收益正相關(guān)結(jié)論是一致的，符合尾部風(fēng)險(xiǎn)溢價(jià)理論，即投資者因承擔(dān)資產(chǎn)價(jià)格極端下跌（左尾風(fēng)險(xiǎn)）的可能性，要求獲得超額收益作為補(bǔ)償。同時(shí)，數(shù)據(jù)表明以LPM左尾預(yù)測(cè)變量的回歸模型產(chǎn)生的R2為1.98%，說(shuō)明該指標(biāo)可以解釋未來(lái)股票價(jià)格變動(dòng)的1.98%，與其他兩個(gè)文獻(xiàn)中常用的期權(quán)隱含因子的預(yù)測(cè)結(jié)果相比，R2明顯大于其他預(yù)測(cè)變量的R2，說(shuō)明LPM具有較強(qiáng)的預(yù)測(cè)能力。為了進(jìn)一步檢驗(yàn)LPM預(yù)測(cè)能力的穩(wěn)健性，在模型（5）上加入控制變量形成模型（6），考察期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)在控制其他變量后是否依然顯著，結(jié)果如表3所示。表SEQ表\*ARABIC3加入控制變量的樣本內(nèi)預(yù)測(cè)結(jié)果變量βNW-tφNW-tR2（%VIX0.003**1.040.1350.281.92IVSlope0.003**1.16-0.065-0.211.64在控制了其他預(yù)測(cè)變量后，期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)依然顯著，說(shuō)明LPM的預(yù)測(cè)能力十分文件。除此之外，與表2中的實(shí)證結(jié)果相比，模型（6）產(chǎn)生的R2都有提升，這表明基于已有的預(yù)測(cè)因子模型中加入LPM這一期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)可以大圖提高模型的預(yù)測(cè)效果，同時(shí)也說(shuō)明了LPM包含其他兩個(gè)預(yù)測(cè)因子中所沒(méi)有的額外預(yù)測(cè)信息。

5結(jié)論與不足5.1研究結(jié)論本文以上證50ETF期權(quán)市場(chǎng)為研究對(duì)象，通過(guò)構(gòu)建期權(quán)隱含尾部風(fēng)險(xiǎn)指標(biāo)（LPM），系統(tǒng)分析了尾部風(fēng)險(xiǎn)的度量方法及其對(duì)市場(chǎng)波動(dòng)性的影響。主要結(jié)論如下：5.1.1尾部風(fēng)險(xiǎn)指標(biāo)的預(yù)測(cè)能力實(shí)證結(jié)果表明，LPM指標(biāo)對(duì)未來(lái)股票超額收益率具有顯著的正向預(yù)測(cè)能力（β=0.003，R2=1.98%），且在加入VIX、隱含波動(dòng)率斜率等控制變量后依然穩(wěn)健。這一發(fā)現(xiàn)驗(yàn)證了尾部風(fēng)險(xiǎn)溢價(jià)理論，即投資者因承擔(dān)極端下行風(fēng)險(xiǎn)要求額外收益補(bǔ)償。5.2波動(dòng)性特征分析上證50ETF期權(quán)市場(chǎng)的收益率呈現(xiàn)左偏、尖峰厚尾的分布特征，表明市場(chǎng)在極端事件（如中美貿(mào)易戰(zhàn)、新冠疫情）中易出現(xiàn)劇烈波動(dòng)。LPM指標(biāo)的時(shí)間序列顯示，尾部風(fēng)險(xiǎn)在危機(jī)期間顯著攀升，與市場(chǎng)實(shí)際波動(dòng)具有同步性。5.2研究不足盡管本文取得了一定研究成果，但仍存在以下局限性：5.2.1數(shù)據(jù)覆蓋范圍有限：研究樣本僅涵蓋2015年至2024年的上證50ETF期權(quán)數(shù)據(jù)，未包含更早期的市場(chǎng)信息，可能影響結(jié)論的長(zhǎng)期普適性。此外，數(shù)據(jù)清洗過(guò)程中剔除部分異常值，可能對(duì)尾部風(fēng)險(xiǎn)的極端特征分析造成偏差。5.2.2模型簡(jiǎn)化假設(shè)的制約LPM指標(biāo)的計(jì)算基于無(wú)模型估計(jì)法，假設(shè)市場(chǎng)完全有效且無(wú)摩擦，未考慮交易成本、流動(dòng)性差異等現(xiàn)實(shí)因素，可能導(dǎo)致理論結(jié)果與實(shí)務(wù)應(yīng)用的差距。5.2.3外部有效性待驗(yàn)證研究結(jié)論聚焦于上證50ETF期權(quán)市場(chǎng)，未檢驗(yàn)其是否適用于其他金融衍生品（如股指期貨）或國(guó)際市場(chǎng)，結(jié)論的泛化能力需進(jìn)一步探討。5.2.4動(dòng)態(tài)因素考慮不足實(shí)證分析未納入宏觀經(jīng)濟(jì)政策（如貨幣政策調(diào)整）或國(guó)際政治經(jīng)濟(jì)事件（如地緣沖突）的動(dòng)態(tài)影響，可能低估了尾部風(fēng)險(xiǎn)的多維度驅(qū)動(dòng)機(jī)制。5.3未來(lái)研究方向針對(duì)上述不足，未來(lái)可從以下方向深化研究：1.拓展數(shù)據(jù)樣本：納入跨市場(chǎng)、跨周期的金融數(shù)據(jù)，檢驗(yàn)LPM指標(biāo)在不同市場(chǎng)環(huán)境下的穩(wěn)健性。2.優(yōu)化模型復(fù)雜性：引入機(jī)器學(xué)習(xí)算法（如隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)）捕捉非線性關(guān)系，提升尾部風(fēng)險(xiǎn)度量的精確性。3.跨資產(chǎn)與跨境研究：探索LPM在商品期貨、外匯等衍生品市場(chǎng)中的應(yīng)用，并對(duì)比分析新興市場(chǎng)與發(fā)達(dá)市場(chǎng)的尾部風(fēng)險(xiǎn)異質(zhì)性。4.政策聯(lián)動(dòng)分析：構(gòu)建包含宏觀經(jīng)濟(jì)變量的動(dòng)態(tài)模型，量化財(cái)政與貨幣政策對(duì)尾部風(fēng)險(xiǎn)的傳導(dǎo)效應(yīng)?？偨Y(jié)本文從理論構(gòu)建與實(shí)證分析兩個(gè)層面，系統(tǒng)揭示了上證50ETF期權(quán)市場(chǎng)的尾部風(fēng)險(xiǎn)特征及其影響機(jī)制，為風(fēng)險(xiǎn)管理實(shí)踐提供了科學(xué)依據(jù)。盡管存在一定局限性，但研究結(jié)論仍具有重要的學(xué)術(shù)價(jià)值與實(shí)踐意義，未來(lái)可通過(guò)多維度拓展進(jìn)一步推動(dòng)尾部風(fēng)險(xiǎn)研究的深化與落地。

6建議對(duì)于根據(jù)上述結(jié)論，本文提出以下針對(duì)性建議。6.1對(duì)投資者的建議建議投資者在考慮投資組合的風(fēng)險(xiǎn)因素時(shí)，將LPM指標(biāo)納入預(yù)測(cè)因子，LPM與方差相比，在捕捉非對(duì)稱風(fēng)險(xiǎn)時(shí)更具有理優(yōu)勢(shì)，并能在實(shí)證回測(cè)中顯著降低下行波動(dòng)性。同時(shí)通過(guò)最小化下偏矩組合，可在保持預(yù)期收益的前提下降低潛在損失率。將LPM的閾值（target）與投資者的風(fēng)險(xiǎn)偏好掛鉤，并根據(jù)市場(chǎng)環(huán)境動(dòng)態(tài)調(diào)整。例如，在波動(dòng)率上升階段，可提高目標(biāo)收益率，從而使LPM更敏感；而在穩(wěn)定期，則可降低目標(biāo)以控制計(jì)算復(fù)雜度。研究表明，不同目標(biāo)水平下，LPM指標(biāo)對(duì)組合再平衡的觸發(fā)點(diǎn)具有顯著區(qū)分度，有助于實(shí)現(xiàn)“止損”與“及時(shí)加倉(cāng)”策略的平衡。6.2對(duì)監(jiān)管機(jī)構(gòu)的建議將LPM納入資本充足率考量，現(xiàn)行監(jiān)管多關(guān)注極端損失（如VaR、ES），而LPM可補(bǔ)充對(duì)中度尾部風(fēng)險(xiǎn)的度量。建議監(jiān)管者在設(shè)定最低資本要求時(shí)，應(yīng)考慮不只是極端損失，也應(yīng)關(guān)注下偏矩對(duì)應(yīng)的“頻繁小虧”帶來(lái)的系統(tǒng)性耗損，以提高資本緩沖效率。6.3對(duì)學(xué)術(shù)方向的建議未來(lái)的研究應(yīng)該關(guān)注對(duì)極端事件樣本檢驗(yàn)，譬如利用中美貿(mào)易戰(zhàn)（2018–2019）及新冠疫情（2020–2021）期間的市場(chǎng)數(shù)據(jù)，系統(tǒng)檢驗(yàn)LPM在不同資產(chǎn)類別（股票、商品、債券）中的表現(xiàn)差異。已有研究指出，貿(mào)易戰(zhàn)和疫情均引發(fā)了市場(chǎng)波動(dòng)加劇，因此對(duì)下偏風(fēng)險(xiǎn)的測(cè)度尤為重要。

參考文獻(xiàn)BaliTG,DemirtasKO,LevyH.Isthereanintertemporalrelationbetweendownsideriskandexpectedreturns?[J].Journaloffinancialandquantitativeanalysis,2009,44(4):883-909.MertonRC.Onestimatingtheexpectedreturnonthemarket:Anexploratoryinvestigation[J].Journaloffinancialeconomics,1980,8(4):323-361.HuangW,LiuQ,RheeSG,etal.Extremedownsideriskandexpectedstockreturns[J].JournalofBanking&Finance,2012,36(5):1492-1502.BaliTG,CakiciN,WhitelawRF.Hybridtailriskandexpectedstockreturns:Whendoesthetailwagthedog?[J].TheReviewofAssetPricingStudies,2014,4(2):206-246.Chabi-YoF,RuenziS,WeigertF.Crashsensitivityandthecrosssectionofexpectedstockreturns[J].JournalofFinancialandQuantitativeAnalysis,2018,53(3):1059-1100.GaoGP,GaoP,SongZ.Dohedgefundsexploitraredisasterconcerns?[J].TheReviewofFinancialStudies,2018,31(7):2650-2692.Adrian,Tobias,andMarkusK.Brunnermeier.2016."CoVaR."AmericanEconomicReview106(7):1705–41.MontagnaM,TorriG,CoviG.Ontheoriginofsystemicrisk[M].ECBWorkingPaper,2020.BallaE,ErgenI,MigueisM.TaildependenceandindicatorsofsystemicriskforlargeUSdepositories[J].JournaloffinancialStability,2014,15:195-209.姜富偉,徐俊,周國(guó)富[3.中國(guó)股票市場(chǎng)可預(yù)測(cè)性的實(shí)證研究[J].金融研究,2011,9:107-121.陳蓉,林秀雀.波動(dòng)率偏斜與風(fēng)險(xiǎn)中性偏度能預(yù)測(cè)尾部風(fēng)險(xiǎn)嗎[J].管理科學(xué)學(xué)報(bào),2018,19(8):113-126.HuangD,JiangF,TuJ,etal.Investorsentimentaligned:Apowerfulpredictorofstockreturns[J].Thereviewoffinancialstudies,2015,28(3):791-837.劉楊樹(shù),鄭振龍,陳蓉.跳躍風(fēng)險(xiǎn)如何影響期權(quán)復(fù)制收益?①[J].管理科學(xué)學(xué)報(bào),2016,19(6).陳蓉,呂愷.隱含波動(dòng)率曲面:建模與實(shí)證[J].金融研究,2010(8):136-154.ClarkTE,WestKD.Approximatelynormaltestsforequalpredictiveaccuracyinnestedmodels[J].Journalofeconometrics,2007,138(1):291-311.陳蓉,方昆明.波動(dòng)率風(fēng)險(xiǎn)溢酬:時(shí)變特征及