我国人民银行货币政策的变动会对即期汇率产生影响

金融市场尾部风险传染是一种风险溢出效应

目前对于金融市场尾部风险传染的机制的解释有几个分支，主要认为金融市场尾部风险传染是一种风险溢出效应，即对金融市场风险产生影响。

而众所周知的是，金融市场的动荡与宏观经济基本面有着千丝万缕的联系，许多文献都对此进行了研究，本节分别从汇率市场、商品市场、期货市场、股票市场等市场与宏观经济基本面关联性研究展开论述，为论文的开展奠定基础。

第一、宏观经济基本面与汇率市场关联性。自20世纪70年代以来，研究人员提出了多种模型，试图将汇率动态与宏观经济基本面联系起来。

其中一种模型--货币模型表明相对货币供应量、相对收入水平和名义汇率之间存在长期均衡关系。

Meese&Rogoff率先运用货币模型探索了汇率与其相应的货币基础之间的动态联系，其认为短期宏观经济基本面不能预测名义汇率变化。

新的开放经济宏观经济学模型试图通过在一般均衡开放经济中纳入不完全竞争和名义刚性来解释汇率变动。尽管有些研究发现宏观经济基本面对汇率有积极影响，但也存在一些研究发现宏观经济基本面在理解汇率波动中起着微不足道的作用。

此外，部分研究通过分析，发现宏观经济因素与汇率之间的相依关系具有非线性。但是，某些研究认为，无法找到证据表明汇率与基本面之间存在关联性的证据是由于常规模型检验的能力低下。

国内研究方面，蒋济线等研究发现国内标杆性货币政策调整对人民币双边汇率都无显著影响，但是欧洲与澳洲利率政策会对相应的人民币汇率产生影响。

卢新生等通过运用GARCH族模型，发现我国人民银行货币政策的变动会对即期汇率产生影响。

第二、宏观经济基本面与商品市场关联性。众多研究支持宏观经济市场因素在决定商品价格方面确实起着重要作用。

现有的文献研究表明，存在一系列可能影响商品价格的宏观经济指标，包括通货膨胀，经济增长，货币供应。

一些发达经济体商品市场的文献指出，发达经济体在商品市场定价方面更占主导地位，宏观经济因素对商品价格的影响更大。

例如，一些研究者探讨了欧元区实际和金融过程对商品价格的影响，结果表明，商品价格与欧元区宏观经济因素有关。

在研究方法上，常用向量白回归模刑(VAR)和广义脉冲响应承数，以及预测方差分解方法来研究这类问题。

Kangetal构建了一个SVAR模型，发现自全球金融危机以来，全球流动性对大宗商品价格的影响在统计学上是显著的。此外，Zhangeta1.、Yeetal.发现中国的宏观经济因素对商品价格具有经济和统计意义。

国内研究方面，朱费明笔通过定证研究发现，除牛市环境之外，宏观经济政策不确定性对大宗商品收益的作用是正向显著的。李沛然等采用DCCMGARCH模型度量金融不确定性对大宗商品的价格影响。

第三、宏观经济基本面与股票市场关联性。宏观经济基本面因素被认为是股票资产价格的重要驱动力。大量文献研究了宏观经济因素与股市表现之间的关系，与股票市场表现有关的宏观经济因素包括工业生产值、通货膨胀率、利率、汇率以及原油价格。

此外，有大量的文献研究了关于不同经济体的股票市场和宏观经济变量之间的动态联系，这些文献可以分为两大类。

第一类文献运用多变量VAR模型分析股票市场和宏观经济变量之间的联系。但是，这些研究的结果在系数的符号和显著性方面参差不齐。

第二类文献通过采用不同波动率模型研究了宏观经济变量与股市波动率之间的关系。这些研究主要关注宏观经济和金融数据中的时变条件方美过程。

例如，Chenetal.、Schwert等充分探讨了美国宏观经济因素与美国股票市场之间的相依性与波动性联系情况。

随后，还有许多其他文献通过使用用GARCH族模型，实证研究了同一经济体股票市场与当地宏观经济因素之间的复杂联系。

并且，在查阅文献中，还发现自二〇〇八年美国次贷危机爆发以后，有关美国宏观经济因素对其他国家股市影响的文献日益增多，Shang&Zheng研究发现美国宏观经济基本面对美国和中国股票市场波动都具有正向影响。

Bhuiyan&Chowdhury考察了美国和加拿大某些宏观经济变量对股市不同行业的影响。国内研究方面，郑挺国基于GARCH-MIDAS模型研究了我国宏观经济波动对我国股票市场日度波动率的影响，发现我国宏观经济因素会对股市波动产生显著正面作用。

史美景等实证分析了我国股票市场长期波动趋势，并且还研究了我国长期股票市场风险与我国宏观经济情况之间的联系。

金融市场尾部风险度量综述

在受美国次贷危机、欧洲债务危机以及持续的COVID-19新冠肺炎影响，金融市场情绪持续恐慌，金融危机频发之后，金融市场尾部风险度量问题已成为文献中一个重要的研究话题。在传统研究中，方差β、波动性和价格不确定性通常用于衡量金融风险。

例如，Andersen&Bollerslev基于已实现的方差和由高频金融价格构建的双幂变异测度，提出了一个简单的简化形式框架，用于有效地将日内数据纳入日收益率波动率建模中，从而分析相应风险。

Mateus&Kongsilp利用二〇〇一年一月至二〇一〇年十二月在美国证券交易所和芝加哥期权交易所交易的股票期权的广泛样本，研究了不同的特质波动率预测措施在四个不同时期对未来股票风险的影响。

Dai&Wang引入一个稀疏的均值一方差投资组合模型，提出了两种稀疏稳健的投资组合模型，期望在降低风险的同时提高收益。

他们计量的风险主要是指金融资产未来价格的不确定性或金融资产价格的波动。这种风险不仅包括资产价格下行带来的不确定性，还包括价格上行带来的不确定性。

对于一般投资者，特别是金融市场上限制卖空的投资者来说，只有金融资产价格的下行才会导致亏损。因此，只有金融资产价格下行带来的风险才是投资者真正需要管理的风险，研究金融资产价格下行风险更为重要。

在当时，下行风险无法观察到，它需要用代理变量来衡量。在早期的研究中，Markowitz使用下行方差和下行偏差来度量金融资产的下行风险。Baumol选择收益一信心极限来衡量金融资产的下行风险。

Balzer也使用了下行方差和下行偏差来衡量金融资产的下行风险。在最近的研究中，Barndorff-Nielsen&Shephard使用下行实现半方差来衡量金融市场中标的资产的下行金融风险。

这种方法是根据Andersen&Bollerslev提出的已实现波动率模型而构建的。它使用高频数据，包含日内交易信息。与下行方差、下行偏差、收益置信极限和下行beta相比，下行实现半方差具有客观性、无模型和全天信息的优点。

但是，这些方法都存在模型复杂、计算难度大等特点。JPMoreanChaseBank于一九九三年首先提出了VaR方法，这种简单、有效的方法为度量金融市场下行风险带来了新的方向，并在日后的理论界和实业界中被广泛用于金融市场风险估计。

并且，它是一种重要的监管工具，并被巴塞尔银行监管委员会在巴塞尔协议中推荐用于控制金融机构的风险水平，通过帮助设定最低资本要求以防止巨额意外损失。

随着VaR方法在金融风险管理中越来越流行，已经引入了许多方法来估计VaR。通常，参数、非参数和半参数方法最广泛用于估计VaR。

参数化方法是对VR的一种分析处理，通常它基于GARCH、RM和VAR模型。由Enele提出，Bollerslev发展的ARCH/GARCH模型是最受欢迎的风险度量工具，它估计了潜在波动率，并提供了一种VaR风险度量。

Riskmetrics基于收益分布的矩，也提出了对VaR的估计。与Britten-Jones&Schaefe描述的Delta-Gamma近似一样，Riskmetrics推广了方差-协方差解决方案，但是由于标准化残差的正态假设，这些类型的参数估计可以充分表征收益的分布。

然而，众多研究发现，正态假设下上述模型会低估VaR.非参数方法的估计大多采用蒙特卡罗模拟、历史模拟方法。

蒙特卡罗方法根据产生数据的随机过程描述价格形成的过程。在长尾收益分布的情况下，Danielsson&DeVries利用蒙特卡罗模拟和高频外汇，并结合对尾部展开的二阶项的估计，改进了传统的尾部指数和分位数估计。

蒙特卡罗方法是灵活的，并产生可进行风险管理的经验分布。关于由Boudoukhetal、Barone-Adesietal.提出的历史模拟方法，它没有对收益分布做出假设，而是基于观察到的历史数据。它模拟或构建一段时间内资产收益的累积分布函数以预测VaR。

但是历史模拟方法遭受极端收益离散化和尾部观测很少的问题。这些问题使得VaR测量变得不稳定和不稳定。

在这方面，对HS基本版本的一些扩展可以更准确地估计当前的风险水平；这些扩展导致了半参数方法在VaR预测领域的运用。