国际股市极端风险溢出效应研究
——基于上行CoVaR和下行CoVaR的分析

■史嘉俊，叶李伟

一、引言与文献综述

在全球经济金融一体化背景下，各国金融市场间的联系已突破地域障碍，资金流和信息流在股票市场之间迅速传播，国际股市间的联动性和趋同性日益增强。2008年国际金融危机后，对系统性金融风险的防范敦促各国金融监管机构不但要审视本国金融体系的稳健性与脆弱性，而且要警惕国际金融市场间多元化、复杂化的关联关系所带来的风险与挑战。随着金融市场的发展，利用期权、股指期货等金融衍生产品进行空头投资的投资者越来越多，当金融资产价格极端上涨时，这些持有空头头寸的投资者将面临巨大损失。因此，在极端风险事件时有发生的国际不确定性下，如何准确地刻画国际股市间的尾部相依性？如何精确地测度极端风险条件下的国际股市间风险溢出效应？国际股市间的极端风险溢出是否同时包含上涨效应和下跌效应？除收益率分布的左尾视角外，右尾视角下国际股市间的风险溢出效应有何不同？两者之间又存在怎样的关系？这一系列问题都值得学术界、业界和监管当局进行深入探讨和研究。

系统性风险包含冲击、传染放大机制和损失三大要素，传染放大机制是系统性风险的核心要素，表现为金融市场或金融机构间的风险溢出效应，因此对金融风险溢出效应的准确度量是防范金融系统性风险的前提与基础。CoVaR作为风险测度指标，能够准确度量当某个金融市场或金融机构陷入困境时，其他金融市场或金融机构所面临的风险，受到学术界和业界的广泛应用。但传统CoVaR考虑的是收益率分布的左尾视角，并且将危机条件定义为金融市场收益率等于某个分位点的VaR信息，所以对其进行了两个改进：其一，由于监管部门会关注超过VaR门限值的损失，Girardi&Ergün（2013）将危机事件重新定义为金融市场收益率小于或者等于VaR。其二，对投资者来说，金融市场上既存在多头头寸，也存在空头头寸，两者面临的风险显然是不同的。因此，在考虑极端上涨行情的情况下，条件事件变为金融市场收益率大于等于VaR。为了区分极端下跌风险（左尾）和极端上涨风险（右尾），一般将极端下跌风险称为下行风险，将极端上涨风险称之为上行风险。此后，学者们纷纷采用上行风险和下行风险指标来考察金融市场间的风险溢出效应。张艾莲和靳雨佳（2018）采用上行CoVaR和下行CoVaR指标，测度了外汇市场和股票市场间的风险溢出效应。李政等（2019）构建了下行和上行△CoES指标，基于系统性风险的积累和释放两个角度考察了我国保险、证券和银行三个部门间的风险溢出效应，并对我国系统性风险溢出进行了监测和预警研究。以上学者所使用的方法尽管可以对市场变量之间的极端风险进行有向、动态度量，但囿于方法本身的局限性，只能在孤立环境中分析两两市场变量之间的关系，而无法在统一框架下考察多个变量之间的交互反馈作用。为了解决上述缺陷，学者们提出了关联网络法，主要包括溢出指数法（Diebold&Yilmaz，2014）、LASSO分位数回归法（Hautsch et al.，2015）和TENET方法（Hardle et al.，2016），由于溢出指数法既考虑了风险的长记忆特征，又可以灵活地分析各变量间的关联关系，从而受到广大学者的青睐。

国际股市风险溢出效应包括波动溢出、高阶矩风险溢出和极端风险溢出。由于波动率是度量资产风险的重要工具，因此有些学者将波动溢出称之为风险溢出。何德旭和苗文龙（2015）利用GARCH波动率考察了英美德日四国金融市场与中国金融市场之间的动态相关性与风险溢出效应。杨子晖和周颖刚（2018）利用隐含波动率构建了全球11个主要金融市场在外部事件冲击下的风险传导路径。随着对风险认识的加深，部分学者将视角转向高阶矩风险，认为偏度和峰度层面的风险亦是金融市场风险的重要组成部分。崔金鑫和邹辉文（2020）运用溢出指数模型分别量化了国际主要股票市场之间、中国各股市行业之间的偏度和峰度溢出效应，实证研究证明，国际股市之间、中国股市行业之间存在显著的高阶矩风险溢出效应，并且整体上呈现出增强趋势。尽管波动和高阶矩能够反映金融市场间的联动关系，但投资者可能更加关心股市暴涨或暴跌情况下的风险溢出关系，即尾部风险溢出或极端风险溢出。不同于一阶矩均值溢出、二阶矩波动溢出或者高阶矩风险溢出，极端风险溢出基于收益率分布的尾部视角，存在上涨效应和下跌效应两种情况（李红权等，2011），已有文献大多从下跌效应角度分析金融市场间或金融行业间的尾部风险溢出效应（曾裕峰等，2017）。

由上可知，已有研究存在以下问题：从研究对象看，关于国际股市下行风险的研究较多，但对上行风险的研究比较少。下行风险聚焦于风险的释放过程，测度结果不仅低估了上行周期中风险积累阶段的风险大小，而且难以为逆周期政策提供指导依据。并且现有文献大多停留在对上行风险与下行风险间非对称关系的简单测度和描述，并未深入分析两者之间存在的关系。从研究方法看，已有研究大多使用△CoVaR测度上行与下行风险溢出效应，而鲜有文献将所有变量纳入统一框架下分析上下行风险及其溢出效应。为此，本文做如下拓展：第一，基于上行和下行风险指标构建溢出指数和风险网络，将所有变量纳入到网络关联分析框架中，分析各股市在不同类型风险中的风险溢出特征。第二，以国际股市对我国股市的上行风险溢出和下行风险溢出为研究对象，对采用跨期相关系数、格兰杰因果检验和脉冲响应函数深入分析上行和下行风险溢出之间的关系。

二、国际股票市场风险溢出的内在机理

在外部冲击下，国际股市间的风险溢出是经济金融的实际客观情况和投资者主观行为相互叠加的结果，既包含经济基本面因素所导致的金融市场波动，也存在市场参与者理性或非理性投资行为所引起的过度市场反应和调整。

第一，在经济基本面因素的作用下，金融市场间的风险传染机制大致可分为两类。一是实体经济反馈机制。诸如地震、飓风、疫情等较大的外生冲击会给相关国家带来直接或间接的经济损失，影响到相关国家的经济增长状况和国际贸易供需情况，实体经济下滑导致资产价格波动。二是共同风险敞口机制。不同地域、不同性质的市场可能拥有共同的风险因子，受到共同的宏观经济因素影响，冲击发生后这些暴露于相同风险之下的金融市场产生同步共振、相互传染，导致风险放大。

第二，投资者情绪。经济基本面只能解释部分风险溢出效应，而投资者情绪能在更大程度上说明股市过度反应和调整导致的风险传染过程。投资者情绪主要通过以下四种效应发挥作用：追涨效应、恐慌效应、唤醒效应和“风险规避”。追涨效应和恐慌效应指在大牛市和股灾时期，因为信息不对称和投资者非理性行为，在过度乐观或悲观预期下，市场参与者盲目跟风进行投资。由于大量投资者在同一时间点作出相同投资决策，导致国际股票市场出现极端同跌同涨的现象。唤醒效应（Giordano et al.，2013）是指当某个国家或地区出现金融危机时，投资者可能会重新评估自身资产组合的风险状况、本国宏观经济形势、他国经济和金融基本面，引发对未来是否会发生同样的危机的担忧和恐慌，甚至造成金融市场的动荡，在金融和经济基本面有问题的国家，这种效应更加明显。以上三种效应是基于投资者非理性的角度来阐述风险溢出过程，但哪怕投资者是理性的，由投资者情绪引起的国际股市间风险溢出仍然存在，“风险规避”（Goyenko&Ukhov，2009）说明了这种机制。国际金融市场上的投资者大多为机构投资者，与个人投资者相比，机构投资者信息不对称程度相对较低，受市场情绪影响较小，因此更为理性。对机构投资者来说，为分散风险，投资者会选择组合投资，这些资产会分布在全球多个国家。在风险事件下，当某个股票市场波动加剧时，机构投资者为规避风险或满足流动性需求，通常会抛售资产并将投资转移至低风险市场。机构投资者这种理性行为将产生两种效果，一是在一致性预期下，若国际市场中众多机构投资者都做出相同判断和操作，则会增加股票市场的波动率，提高整个国际股市的风险水平。二是对个体投资者来说，机构投资者的投资行为具有风向标作用，个体投资者会跟风进行相同操作，从而加剧国际股市间的风险溢出效应。

三、研究设计

（一）样本说明

本文选取国内外14个具有代表性的资本市场，样本区间为2005年1月1日—2021年5月31日，为解决各股市交易时点不一致的问题，参考刘程程等（2020）的数据处理方法，剔除周末和节假日后，通过Python筛选出2910个共同交易日。股指日收盘价数据来源于英文财情，收益率的计算公式为：

表1为14个代表性证券市场以及对应指数的基本信息，表中各股市总市值占全球市值的80%以上，GDP占全球GDP的70%以上，故具有较高的代表性。

表1 国际14个代表性证券市场基本信息

续表1

（二）模型设定

1.边缘分布的拟合

在假设序列服从偏t分布的前提下对各收益序列建立AR（1）—GJR—GARCH（1，1）模型，通过各收益率序列的边缘分布获取标准化残差，然后对标准化残差做概率积分变换，为下一步进行Copula建模做准备。

2.时变Copula CoVaR的估计

借鉴赵林海和陈名智（2021）的方法，采用动态窗口法估计时变Copula CoVaR。采用广义CoVaR的定义，可表示为：

式（2）、式（3）分别为下行CoVaR和上行CoVaR的定义，q为置信水平，一般取q=5%。Ri，t为股市i的收益率；Rsys，t为系统组合收益率，通过所有样本收益率的加权平均数计算所得，为减少伪相关，在计算某个股市i的CoVaR时，相应的系统组合收益率都会剔除股市i。根据侯县平等（2020）的推导结果，式（2）、式（3）可表示为：

其中，μi，t、σi，t为边缘分布模型拟合的收益率和波动率，为Fi的逆函数。

3.溢出指数的构建

对上文计算的下行和上行CoVaR指标进行平稳性检验，通过检验后，分别使用各股市的下行CoVaR指标和上行CoVaR指标建立VAR模型。参考Diebold&Yilmaz（2012）进行广义方差分解，根据风险溢出方向构建总溢出、风险输出、风险输入、净溢出、两两溢出五个风险指标，并依此创建有向加权网络。在参数设定方面，根据SC准则，VAR模型的滞后阶数为1，预测期取10个交易日，滚动窗口期取200个交易日（约1年），最终得到如表2所示的五个风险指标。

表2 五个风险指标具体含义

四、实证结果分析

（一）下行风险与上行风险

基于下行CoVaR和上行CoVaR，从下尾（跌）和上尾（涨）两个角度，测度各个国家（地区）股市的极端风险。下行CoVaR表示下行风险，指当市场处于极端下跌情况下由恐慌效应引起市场加速下跌的风险，持有多头头寸的投资者关注此类风险。上行CoVaR表示上行风险，指市场在极端上涨情况下因追涨效应而继续上扬的风险，持有空头头寸的投资者更加关注此类风险。图1绘制了14个代表性股市的下行风险和上行风险动态变化过程，从纵向看，同一国家或地区股市上行和下行风险大小呈现出非对称性，除中国内地股市外，其余股市下行风险的最大值、最小值、均值、中值和标准差均大于上行风险①由于风险的方向不同，上行风险为正值，下行风险为负值，以两者的绝对值进行比较。。从横向看，不同股市极端风险尽管走势各异，但同区域、同组织、经济金融环境相似的国家或地区股市风险存在着相似趋势。其中，相对而言，中国内地股市极端风险走势最为独特，不存在明显的“缓积急释”的特征，这可能与内地资本市场±10%的涨跌停板制度有关，涨跌停板制度对日极端风险起到了显著的抑制作用（张志恒等，2015），但这种抑制作用可能只在短期起作用，由于风险在短期内不能充分释放，导致中国内地股市风险在2007—2008年长时间处于较高水平。中国香港股市自2010年后上下行CoVaR值一直保持着较为平稳的状态；美国、英国、日本和印度等股市正常情况下的风险走势比较平稳，但在2008年次贷危机和2020年新冠肺炎疫情期间股市CoVaR值波动更加剧烈，出现明显的跳跃性。

图1 下行CoVaR与上行CoVaR时序图

（二）风险溢出效应

1.风险溢出效应的时序特征

图2所示为整个样本时期的动态总风险溢出效应，可归纳出三点结论：

第一，上行与下行风险具有显著的跨区域、跨市场溢出效应。上行风险总溢出的平均水平为69.19%，下行风险总溢出的平均水平为70.06%，两者在全样本期间大致维持在38%—92%之间。这说明国际股市整体极端风险联动性较强，各国际股市超过一半以上的极端风险变化来自于股市间的相互作用，除自身因素外，他国（地区）股市风险溢出效应也发挥着重要影响。

第二，下行风险和上行风险的总体溢出指数表现出明显的协同性和周期性。两者的趋势保持一致，且大多数时期下行风险总溢出要高于上行风险总溢出。对多头投资者来说，当股市处于极端上涨情况时，投资者预期乐观，风险容忍度提升，在追涨效应的影响下会加大投资，从事更多的风险承担活动。随着股价越来越高，价格泡沫越大，上行风险也在不断增加，但实际上下行风险同样在不断积累。在极端事件的冲击下，下行风险可能集中释放，并对实体经济和金融系统产生重大负面冲击，随着国家救助政策的实施和投资者预期的不断好转，上行风险又渐渐开始上升，因此上行风险与下行风险溢出表现出一定的趋同性。

第三，尾部事件是极端风险溢出效应的“催化剂”。在全球金融一体化背景下，某个国家或地区的极端风险事件往往产生“多米诺骨牌”效应，并对其他地区的金融市场产生影响，图2中四次风险溢出峰值分别发生在2007—2008、2010—2011、2017—2018以及2020年，对应次贷危机、欧债危机、中美贸易战、新冠肺炎疫情四次极端风险事件。具体而言，短期内国际危机事件使单一股票市场风险依靠金融联系和投资者预期两种渠道，迅速传染至其他股票市场；长期内金融风险传导至实体经济，一国经济衰退导致内外部需求收缩，进而通过国际贸易和投资两种路径影响他国宏观经济基本面，引发连锁反应，并最终反馈到全球股市，放大国际股市间的风险溢出效应。

图2 动态总溢出效应

2.风险溢出效应的截面特征

为分析各股市在全球风险溢出“大网”中所扮演的角色和溢出特征，利用风险输出指数（To）、风险输入指数（From）、净溢出指数（Net）和两两溢出指数（Pairwise）绘制了输入输出水平散点图和净风险溢出网络图，如图3、图4所示①上行风险溢出散点图特征与下行风险相似。。

图3 重大冲击时期各股市下行风险输出和输入水平散点图

图4 净风险溢出网络

首先，同区域、同组织、性质相同的市场风险同质性较强，分布比较集中。整体而言，亚洲股市以及新兴市场大多位于45°线左上方，英、德、法、美等欧美股市多数处于45°线右下方，巴西和俄罗斯股市虽然属于新兴市场，但在某些时期的风险输出水平较高。

其次，各股市的风险输入水平差异不大，但风险输出水平差异巨大。在四次重大冲击时期，除中国内地股市外，其他所有股市的风险输入水平均位于水平虚线附近，与风险输入水平相比，风险输出水平波动较高，其中，最小的可能不到30%（如中国内地、印尼等），最大的可能超出100%（如美国、英国等）。本文认为，不同股市的对外开放程度、国际影响力、发展水平、风险源头等不尽相同，导致各股市风险输出水平的波动幅度较大。金融一体化与经济全球化增强了全球股市间的联系，科学信息技术的发展也为风险的快速传染创造了条件，某个股市的风险可能在极短的时间内通过多种途径传染到全球股市，因此各股市的风险输入水平大致处于同一水平附近。

再次，中国内地股市的风险输入和输出水平较低，处于全球风险净溢出网络的边缘位置，扮演的是风险净输入者的角色。中国香港股市是中国内地股市风险溢出的最大输入者，而中国香港股市是欧美股市的主要风险分散和转嫁对象，说明国际股市的极端风险容易通过中国香港股市传染到中国内地股市。此外，除印度和中国香港股市外，其他股市与我国股市不存在较强的风险溢出关系，但我国净风险溢出强度不低。一方面，中国已经是世界第二大经济体、第一大贸易国家，是全球大多数国家的最大贸易伙伴，贸易渠道畅通，风险来源面广。另一方面，中国资本市场未完全开放，仍然存在一定资本管制，资本渠道受阻，减弱了中国股市与其他市场的联系，最终造成溢出关系弱但总溢出效应强的现象。

最后，无论是下行风险还是上行风险，英国和法国等欧洲股市始终是主要的风险溢出净输出者，日本和韩国等亚洲股市是主要的风险溢出净输入者，风险类型的变化不会显著影响某一股市在全球股市中的地位。

（三）上行风险溢出与下行风险溢出的关系

上述研究表明上行风险溢出和下行风险溢出存在协同性和周期性，并且具有相似的截面特征和时序特征，那么上行风险溢出能否预测下行风险溢出？下行风险溢出是否为上行风险溢出提供了基础？两者之间存在怎么样的关系？为回答上述问题，以中国内地股市与其他股市两两之间的风险净溢出指数（Pairwise）为考察对象，图5为中国内地股市与其他股市间的风险溢出关系，限于篇幅，仅列出了中国香港—中国内地、美国—中国内地两组。可以看出：第一，近些年来，随着我国资本市场的逐步开放，中国内地股市与其他股市间的风险联动关系越来越紧密，呈现不断上升趋势。第二，尽管中国内地股市在多数时间是风险的净承担者，但在某些时期，Pairwise净风险指数为负，这意味着中国股市也会影响其他股市，例如在2016年1月A股实行熔断机制时期，中国香港受到大陆股市的下行风险净溢出效应达到28.6%。第三，就全样本时期的平均值看，金砖国家（俄罗斯、印度、巴西）和部分发达国家对中国内地股市的下行风险溢出大于上行风险溢出，而中国香港、日本和法国则与此相反，相比下行风险溢出，他们对中国内地股市的上行风险溢出效应更强。

图5 中国内地股市与其他股市间的风险溢出关系

借鉴李政等（2018）的研究思路，采用跨期相关系数、格兰杰因果检验、脉冲响应函数三种方法考察中国内地股市与其他13个股市间的上行风险溢出和下行风险溢出之间的关系，在进行实证前，大部分指标均通过平稳性检验①仅中国内地—中国香港间的上行与下行风险溢出不平稳。。首先，表3给出了和之间的跨期相关系数，U表示上行，D表示下行，ij表示两两股市。当k为负数时，表示当前的上行风险溢出与过去的下行风险溢出之间的相关关系；当k为正数时，表示当前的上行风险溢出和未来的下行风险溢出之间的关系。表3的结果显示，当k=0时，上行与下行风险净溢出的相关性最高，即两者之间同期相关性最高。对于跨期相关性，一方面，除中国内地—印尼，其他12对的跨期相关性在0.3到0.6之间，说明上行与下行风险溢出之间的关系比较密切，上行风险溢出对预测下行风险溢出提供了一定信息，但下行风险溢出也为上行风险溢出提供了基础。另一方面，与李政等（2018）的研究结论不同，就国际市场而言，上行风险溢出与下行风险溢出的领先滞后关系并不确定，对于不同的两两股市，上行风险溢出与过去下行风险溢出之间的相关性，既可能高于也可能低于其与未来下行风险溢出之间的相关性。这可能是因为相比全球金融周期，国际金融市场的周期更多地受到自身经济金融周期影响，且各国家和地区的经济金融周期处于不同阶段，因此从两两关系的角度看，上行与下行风险的领先滞后关系存在差异。

表3 上行风险与下行风险之间的跨期相关系数

其次，本文对上行和下行风险指标建立二元VAR模型，利用Granger因果关系检验继续考察上行与下行风险溢出之间的关系，13对指标存在着四种因果关系，分别是：一是上行与下行风险溢出互为格兰杰因果关系。二是上行风险溢出是下行风险溢出的单向格兰杰原因。三是下行风险溢出是上行风险溢出的单向格兰杰原因。四是不存在格兰杰因果关系（仅有两对）。值得注意的是，在四种关系中，第一种互为格兰杰因果现象最为普遍，表明系统性风险在时间维度上是一个“积累—释放”不断循环的周期性过程，在上行周期，经济主体冒险行为增加，系统性风险不断积累，提高了系统性风险释放的可能性，因此为实现对系统性风险的早发现和早处置，需要格外关注上行风险溢出所导致的风险积累过程。此外，涉及到与英美等欧美发达国家的上行和下行指标之间的关系时全部属于第一种情况，这与上文提到欧美股市是全球主要的风险净输出者的结论相匹配，欧美发达国家的金融市场制度相对健全，掌握着国际经济金融制度设计和全球流动性配置的主动权，对国际金融风险溢出和金融周期的影响力较大。

最后，采用脉冲响应函数研究上行风险溢出对下行风险溢出的影响，由于Cholesky正交分解对变量顺序比较敏感，为此统一以上行风险溢出在前，下行风险溢出在后的顺序进行脉冲响应分析。由图6可知，给定上行风险溢出一个标准差新息的正向冲击，下行风险溢出具有显著且持续的正向响应，其中，中国香港—中国内地、日本—中国内地、韩国—中国内地的下行风险溢出在20期内呈现出缓慢上升的趋势，其他两两股市间的下行风险溢出表现出缓慢下降的特征。以上结果说明，更大的上行风险溢出可能引导出更大的下行风险溢出，监管当局可以采用滞后的上行风险指标来预测下行风险，对国际金融风险进行有效监控和防范。

图6 下行风险溢出对上行风险溢出冲击的响应

（四）稳健性检验

为确保结论的稳健性，本文做了以下稳健性分析：第一，改变风险测度指标，使用下行VaR和上行VaR构建溢出指数。第二，改变预测期数，使用5期和15期来分析更短期和更长期的影响。第三，改变滚动窗口时间长度，选取150天和250天重新进行实证分析。结果显示，进行以上改变后，前述研究结论依然不变。

五、结论与建议

本文从上行风险和下行风险两个视角，借助Copula函数和溢出指数，对全球主要资本市场之间的极端风险及其溢出效应进行了系统分析，实证结果表明：第一，同区域、同组织、经济金融环境相似的国家或地区股市极端风险存在着相似趋势，风险同质性较强，除中国内地股市外，其他股市下行风险普遍大于上行风险。第二，极端风险在外部冲击下会出现跳跃性的上升和下降，这种“缓积急释”的非对称性特征在欧美发达国家更加显著。第三，以英美为代表的欧美股市主要扮演极端风险净输出者的角色，亚太股市则成为欧美发达国家的主要风险转嫁和分担对象，风险类型的变化不会显著影响某一股市在全球股市中的地位。第四，中国内地股市的风险输入和输出水平较低，处于全球风险净溢出网络的边缘位置，扮演的是风险净输入者的角色，除中国香港股市外，与其他股市的溢出强度较低，但总体溢出强度较高。第五，国际股市间不仅存在下行风险溢出效应，而且存在上行风险溢出效应，两种效应之间存在协同性、周期性和非对称性。从全局看，这种不对称性表现为下行风险溢出效应大于上行风险溢出效应，但从动态角度看两者间的不对称性并不稳定，地位上可能发生周期性反转。第六，就中国内地股市与国际股市间的两两关系来看，上行风险溢出与下行风险溢出之间的跨期相关性较高，两者之间普遍存在互为格兰杰因果关系，意味着上行与下行风险溢出会相互引导。同时，下行风险溢出对上行风险溢出具有显著且持续的正向响应。

根据上述结论，本文提出以下建议：第一，国际危机事件所引发的极端风险会给全球经济与金融市场带来巨大损失，在危机之下任一国家都无法独善其身，各国监管部门应该协商合作，加强跨国金融风险监管合作，共建快捷的金融市场信息共享机制、高效的极端风险预警体系、合理的跨国风险分摊机制。第二，上行风险与下行风险在风险管理过程中同样重要。由于上下行风险及其溢出效应存在时变性和非对称性，两者之间存在着相互引导作用，因此对空头投资者和多头投资者来说，应该根据风险状况及时调整投资组合策略。对政府监管部门来说，需要同时注重系统性风险的积累和释放过程，可以构建合理的上行风险溢出指标以实现对下行风险溢出的监测与预警，达到对系统性风险早发现、早预警、早处置的效果。第三，中国内地股市在全球风险网络中是风险接受者，因此风险防范的重点是提高国内股市的抗风险能力。通过完善资本市场结构、提升资本市场运行效率、探索多元融资方式、有序开放金融市场等手段促进资本市场健康发展。第四，欧美股市在下行风险和上行风险中均是主要的风险输出者，因此要时刻评估欧美股市对中国股市的极端风险溢出效应，提前制定针对性的风险防范措施，完善金融安全网络，以便在国际股市极端风险爆发时防止风险进一步扩散。