股市和就业等经济活动的动态关系。从实证分析中可以得出石油价格在影响经济活动和就业方面发挥重要作用。石油价格冲击直接对工业生产和就业产生负面影响，脉冲响应函数表明，油价在解释股票价格走势中也很重要。
Maghyereh （2004）[15]探讨了20多个新兴股市与国际原油价格是否存在着某些相依关系，通过VAR模型的拟合之后发现新兴发展中国家的金融市场与国际原油市场的关联并不显著，石油价格波动对这些股票市场的风险溢出微乎其微。
丁绪辉等（2017）[17]对国内股票价格与国际石油的关联结构进行研究，使用向量自回归模型、矢量误差修正模型进行了技术层面的探讨，实证研究表明两个市场的相关关系是显著的，并且是负的相关关系。
周可鑫（2024）[32]利用Eviews研究是否原油期货的价格会对国内股票市场有着指示作用，采用了修正后的VECM模型研究两个市场的协整关系，结果表明两个市场存在着传染效应，并且原油价格的波动往往在股票价格波动之前，说明原油价格会存在着引导作用。
戚倩旻等（2011）[34]不仅对比了国际原油市场与中美股票市场之间的关系，还研究了国际油价波动对中国股市不同板块指数之间的联系。国际石油价格与中国和美国股市指数都存在协整关系经VAR模型和误差修正模型的实证研究得到了证实。油价在与美国股市指数的关系中处于主导地位，因此美国股票市场的发展会受到油价的影响；而在油价与中国股市指数的关系中,两者之间并不能找出主导关系,变动影响主要由自身所解释。在中国股票板块研究中与油价有长期相关关系包括了金融、石油、有色金属、钢铁和造纸等板块，而油价会较大的影响到股票价格的走势。
2.6文献评述
总的来看，国内外众多学者都关注到了原油期货价格与股票市场之间的关系。学者们探讨分析了两个金融市场可能存在的传导机制和过程。根据现代投资组合理论，石油价格可以作为一个影响因子来考虑其对股票价格的影响。根据基本面的分析和流动性的考虑，国际原油价格的变动通过多种途径会波及股票市场的收益。在石油价格的影响对不同的国家和地区也有一定的差异，比如石油进口国与石油出口国受石油价格波动的风险溢出强度是不同的。石油价格还会影响到不同的行业，从而导致行业的股票价格动荡，例如采掘业和能源行业。在研究方法上，许多学者运用了VAR和VEC模型，对石油价格与股票市场之间的关联进行了研究，也有一部分学者在研究时采用了GARCH模型，当然也有少数学者运用了Copula函数方法。在研究结果上，众多学者研究得出的国际原油价格与国内的股票市场间的溢出效应在方向和强度上并不一致。大多数学者认为国际原油市场和我国资本市场存在着相互的正向风险溢出，也有一部分学者认为两个金融市场的风险溢出效应并不显著。
3 理论分析
对于国际石油市场的价值是如何影响到一个国家的资本市场，很多文献都做出了许多猜想分析。两个市场之间的溢出效应可能是因为投资组合的选择、羊群效应的市场情绪所引起的，也有可能是由于基本面的因素变化引起的。所以，我们基于对前面文献的分析，深入探讨了国际原油期货价格与中国股票市场之间可能存在的传导机制。
3.1通货膨胀效应
输入型通货膨胀主要是由国际原油价格的上涨造成的。若国内物价上涨是由进口商品或生产要素引起的，那么这就是输入型通货膨胀。因为我国是石油净进口国家，所以国内石油价格会随着国际原油的价格的上涨而上涨，从而推动国内石油相关产业的商品价格上涨。商品价格的上涨促进了工资、利率的提高，促使政府出台货币紧缩等一系列调控措施，影响企业的融资成本，减少了国内的投资支出，这些都会对股票市场产生冲击。
3.2财富转移理论
财富转移是指实体经济和金融经济在不同的经济主体之间转移的情况。国际原油价格的上升，会使原油进口国家对外的原油支出上升，国民财富由石油进口国家向石油出口国家转移。我国对石油进口的依存度逐年提高，这也使得我国居民的收入向国外转移，从而致使国内购买力下降，本国的消费减少，会促使国内经济衰退，金融市场也会受到牵连。
3.3现代投资组合理论
现代投资组合通常用来解决投资者衡量不同的投资风险和收益来分配自己的资金投入从而获得最大收益的问题。理性的投资者会选择投资较低风险和较高收益的组合。原油市场是与股票市场不同的金融市场，投资者在做出合理的投资决策前会首先考虑自己的风险偏好和预期收益。良好的资产配置可以降低非系统性风险，实现利益的最大化。
当国际原油价格上升，而国内股票价格下跌时，投资者会增加对原油的投资，减少股票的投资比例；反之亦然。通过投资组合的变动，使得国际原油市场和股票市场间发生联动效应。
3.4现金流的变化
股票定价模型认为股价是由未来预期的现金流通过贴现来计算的，因此现金流的变化关系着股票的价格，从而影响资本市场的兴衰。国际石油价格可以通过影响未来预期
的现金流来对股票价格产生一定的影响。企业的生产成本因国际石油价格的上升而增加，进而降低了企业的盈利水平。企业未来预期的现金流因预期的盈利水平下降而减少，同时企业的股价也会受到影响而下降。
3.5羊群效应
投资者在做投资决策时会因信息不透明而对自己的决策产生怀疑，于是在决策时会选择参照其他投资者的决策行为，这样行为就由个体行为演变为群体行为，使得影响扩大，这就是所谓的羊群效应。投资者在进行原油市场投资和股票市场投资时，由于羊群效应，这两个市场的联动效应会扩大，相互作用更加明显，成为两个市场的风险溢出的传导。
3.6不确定性投资理论
市场中存在的不确定性会使投资者的决策效率降低，这种不确定性与企业的投资效率呈正相关趋势，这就是不确定性投资理论。如果投资是不可逆的，投资者会延迟甚至停止这些不可逆投资，转而将资金用于企业分红，从而导致股票价格的下降。原油价格的上升会增加未来的不确定性，进而对企业的投资性支出产生影响，最终影响股票市场。
4 模型与方法
4.1ARCH效应
Engle(1982)针对ARCH模型提出的LM检验，该检验方法把随机误差项?t看作是随机误差平方项?t及其1至m阶滞后项的函数。
原假设：残差序列中不存在条件异方差性。
记?t为去均值后的收益率，检验过程如下：首先将?t对其1至m阶滞后项做回归，即：
^2^2^2^2^2^^^2?t??0??1?t?1??2?t?2????m?t?m?ut （4-1-1） 然后记录上述回归的拟合优度R。设样本数为T。在?t~iidN(0,?2)的零假设条件
2^下有：
TR~?2(m) （4-1-2）
2a若上述检验的结果拒绝零假设，我们推断收益率具有条件异方差性。
4.2 GARCH模型
Bollerslev（1986）改进了ARCH模型，解决了时间序列的波动性问题，提出了GARCH模型。
最简单的GARCH模型设定条件方差?t2为前一期的条件方差?t2-1和冲击?t2-1的线性函数：
?t2????1?t2?1??1?t2?1
（4-2-1）
这一模型记为GARCH(1,1)模型，在该模型中，要求?1,?1?0从而保证?t2>0，且
?1??1?1以保证方差过程的平稳性，从而保证收益率过程的平稳性。
GARCH(1,1)的参数估计方法如下所示：
?rt????t? ??t??tzt?222??t??0??1?t?1??1?t?1 （4-2-2）
假定条件均值等于常数?,zt~N(0,1)，计算极大似然函数得到：
L(?)?lnf(rT,?,rt|r0)
（4-2-3）
最后最大化对数似然函数就可以GARCH(1)的模型参数?，?0，?1，?1的极大似然估计值。
4.3 Copula函数
Sklar（1959）将多元分布与Copula函数结合起来，该函数能将一类联合分布与他们各自的边缘分布连接起来，作为测度变量相依关系的一种工具。Copula方法优于线性相关系数，因为它可以检查在向上和向下市场期间的极端依赖关系。 Sklar定理是Copula理论的基石。该定理指出，两个连续随机变量X和Y的联合分布可以表示为一系列Copula函数. 随机变量，的边际分布函数为：
(4-3-1)
其中, 。因此，Copula是具有统一边际的多元函数，代表两个随机变量之间的依存关系。当边距连续时，由Ran Ran唯一确定。就构造而言，Copula可用于将边际连接到多元分布函数，后者又可分解成其单变量边际分布和捕获依赖结构的Copula。
变量X和Y的联合概率密度可从系数密度获得，, (4-3-2)
其中和分别表示变量Y和X的边际密度。Copula提供了有关平均和极端（或尾部）
依赖性的完整描述。上（右）和下（左）尾部依赖关系如下：
(4-3-3) (4-3-4)
其中，∈[0,1]。 较低和较高的尾部相关性意味着和都严格为正，这表示观察一个系列的极小（大）值以及另一个系列的极小（大）值的可能性不为零。 4.3.1 二元Gumbel Copula函数
Copula的分布有多种类型，最常使用的是阿基米德族Copula，该分布的定义为：
C??1,?2,...,?n????1????1??...????n??，?-1表示?其中?是阿基米德族Copula的生成元，的分位数函数。通过?的表现形式的不同可以确定不同种类的Copula函数。在实际应用中，二元Gumbel Copula函数能很好地刻画金融市场的尾部风险。
二元Gumbel Copula函数的数学形式为：
11a????? (4-3-5) a???lnv?a??C?u,v,a??exp???lnu????????此时的生成元是??lnt?，a表示相关系数，刻画随机变量u和v的相关度，a?1时表示两者相互独立，a???时表示两个变量高度相关。 4.3.2 时变二元Gumbel Copula函数
由于金融资产间的相互关系灵活多变，随着时间的变化，变量之间的相依关系也会有所变化。动态Copula函数能很好地刻画时间序列的动态相关关系，时变二元Gumbel Copula函数常被用来测算金融系统的溢出效应。
时变二元Gumbel Copula函数的数学表达形式为：
1a?t????????t-1??q?i?1ut?i?vt?i?? (4-3-6)
??其中，??1?e?x为Logistic转换函数，来保证时变相关参数始终处于（0，1）之间。
?1q?4.4 Copula函数参数估计
静态Copula函数的参数估计主要包括了相关性指标法、适线法和极大似然估计法这三种方法。动态Copula函数类似于静态Copula函数的参数估计方法，可采用两阶段极大似然估计法，具体过程如下：
估计边缘分布的参数值：
国际石油价格对中国股票市场的风险溢出效应研究
