外生冲击下原油期货与中国股市的动态风险溢出效应：基于股票聚类分析的精准解析

本研究通过构建含外生变量的DCC-GJR-GARCH模型（动态条件相关-门限GARCH模型），结合动态时间规整（DTW）距离的K-means聚类算法，揭示了2016-2022年间布伦特原油期货与中国沪深300成分股的动态关联及非对称风险溢出效应。研究发现：COVID-19等外生冲击下风险主要从股市向原油期货单向传导，且地缘政治风险（GPR）能显著提升原油对冲效能，为跨市场风险监测机制建设提供实证依据。

　　

亮点

本研究通过创新性地结合动态时间规整（DTW）距离的K-means聚类算法，将中国股市分解为具有不同行为特征的股票子类，首次系统揭示了外生冲击下原油期货与股票子类间的差异化风险传导路径。

方法学

如图1所示，研究框架包含三大模块：

1. 股票聚类：基于1642个交易日数据，采用DTW距离度量股票价格序列相似性，将沪深300成分股划分为行为特征迥异的子类；

2. 模型构建：建立含外生变量（波动率指数/地缘政治风险/金价）的ex-DCC-GJR-GARCH模型，捕捉市场间的动态条件相关性；

3. 风险量化：通过ΔCoVaR（条件风险价值增量）测度时变风险溢出强度，并滚动构建原油-股票对冲组合。

股票聚类发现

2016-2022年数据聚类显示：在2015年股灾后的市场稳定期，COVID-19疫情与俄乌冲突等事件导致原油与股票相关性显著增强，尤其体现在能源相关板块。

结论

实证表明：

• 风险溢出呈现"股市→原油"单向主导模式，COVID-19期间溢出强度达峰值；

• 地缘政治风险（GPR）作为外生变量时，模型对原油对冲策略的指导效能最优；

• 经济平稳期，投资者应优先选择与原油DTW距离最大的股票子类构建对冲组合。

术语表

• 条件风险价值（CVaR）：给定置信水平下，损失超过VaR时的期望损失（Rockafellar and Uryasev, 2002）

• DCC-GJR-GARCH模型：能捕捉金融时间序列波动聚集性和杠杆效应的动态相关模型（Abul Basher et al., 2016）

作者贡献声明

郭鸿月：方法论构建/论文修订；赵文杰：数据建模/初稿撰写；贾博翔：数据分析/算法实现；隋聪：研究督导/资源协调。