【经管讲堂·经济统计】韩国股市去杠杆104亿元：跨境风险传染的计量分析与系统性风险测度

案例背景

2026年7月，韩国股市杠杆ETF去杠杆风暴持续发酵，引发全球金融市场的广泛关注。自2026年4月底以来，韩国半导体板块受全球需求预期下调和库存周期逆转的双重冲击，出现连续大幅下跌。高杠杆ETF产品（主要包括2倍做多韩国综合指数和3倍做多半导体指数的交易所交易基金）因净值大幅回撤触发强制平仓机制，两个半月内累计强制平仓金额高达104亿元人民币（约2万亿韩元），形成”下跌—平仓—再下跌”的负反馈螺旋。韩国综合指数（KOSPI）在7月20日单日重挫4.5%，创近三年最大单日跌幅。

这场去杠杆风暴的冲击远未局限于韩国本土市场。由于全球半导体产业链的高度联动性以及跨境ETF产品的广泛关联，韩国市场的剧烈波动迅速通过多条渠道向全球科技股溢出。美国费城半导体指数（SOX）在同期出现大幅下跌，台积电、英伟达等龙头股同步承压。A股市场同样未能幸免，半导体ETF和科创板指数出现明显联动下跌。这一事件再次凸显了全球化背景下金融风险的快速传染特征：单一市场的微观结构失衡（杠杆ETF强制平仓）可以通过资产价格的波动溢出渠道，迅速升级为跨市场、跨区域的系统性风险事件。

从经济统计学的视角看，这一案例为研究跨境金融风险传染提供了鲜活的实证素材。如何运用时间序列计量模型定量测度跨市场波动溢出的方向和强度？如何识别和度量系统性风险贡献度？极值理论在尾部风险预警中能否提供额外的信息增量？以下从三个维度展开分析。

核心分析

一、DCC-GARCH模型与跨市场波动溢出测度

动态条件相关广义自回归条件异方差模型（DCC-GARCH）是测度跨市场波动溢出的标准工具。与常相关系数模型（CCC-GARCH）不同，DCC-GARCH允许资产间的相关性随时间动态变化，能够捕捉危机时期相关性骤然上升的”传染”特征。模型设定分为两步：第一步，对韩国综合指数（KOSPI）收益率、美国费城半导体指数（SOX）收益率和沪深300指数收益率分别拟合单变量GARCH(1,1)模型，获得标准化残差序列；第二步，对标准化残差的条件协方差矩阵施加DCC动态结构：Q_t = (1 – a – b)·Q_bar + a·ε_{t-1}ε’_{t-1} + b·Q_{t-1}，其中Q_t为条件协方差矩阵，Q_bar为无条件协方差矩阵，参数a和b分别衡量新信息冲击和持续性对动态相关性的影响。

以2026年4月至7月的日频数据为样本，估计DCC-GARCH模型的结果预计显示：韩国市场与全球科技股市场的条件相关系数在危机爆发后从常态的0.3-0.4跃升至0.7以上，表明相关性在极端市场环境下显著增强。这一”相关性崩溃”（Correlation Breakdown）现象是金融风险传染的核心统计特征。进一步，可基于动态条件相关系数构建”传染强度指数”：Contagion_t = (ρ_t – ρ_pre-crisis) / σ_ρ,pre-crisis，该指数的标准化形式能有效区分”正常时期的高相关性”与”危机驱动的异常相关性飙升”，为风险预警提供定量阈值参考。

二、系统性风险测度：CoVaR与MES方法

系统性风险是指单一机构或市场的困境可能引发整个金融体系的连锁失灵。条件在险价值（CoVaR）和边际期望损失（MES）是测度系统性风险贡献的两种主流方法。CoVaR^S|i_q定义为：当市场i处于困境状态时（收益率处于其VaR_i的q分位数），金融系统S的条件在险价值。单个市场的系统性风险贡献度则为：ΔCoVaR^S|i = CoVaR^S|i_q – CoVaR^S|i_50%,即在个体处于危机状态与正常状态之间，系统CoVaR的差值。

在韩国股市去杠杆事件中，可将韩国市场视为”压力源”，将全球科技股组合或A股科技板块视为”系统”，计算ΔCoVaR的时间序列。预期结果显示：事件窗口内韩国市场对全球科技股系统的ΔCoVaR绝对值扩大了2-3倍，表明其系统性风险溢出效应显著增强。MES则从另一个角度提供信息：MES^S_i = E[R_i | R_S ≤ VaR_S_q]，即当系统整体处于困境时，个体市场的期望收益率。MES测度的是个体对系统性事件的暴露程度，与CoVaR互为补充。将ΔCoVaR与MES结合使用，可以同时回答”A市场的困境有多大程度上拖累整个系统”和”当系统出问题时A市场预期的损失有多大”两个关键问题。

三、溢出指数与极值理论的尾部风险分析

Diebold-Yilmaz溢出指数（Spillover Index）为跨市场波动溢出提供了一个综合性的测度框架。基于VAR模型的预测误差方差分解（FEVD），溢出指数的构建如下：SI = (Σ_{i≠j} θ_ij(H) / Σ_{i,j} θ_ij(H)) × 100%，其中θ_ij(H)表示变量j对变量i的H步预测误差方差的贡献份额。SI的值域为0到100，数值越大表示跨市场溢出效应越强。净溢出指数（NET_i = TO_i – FROM_i）则刻画了单个市场是风险的净输出者还是净接收者。在韩国去杠杆事件中，预计韩国的净溢出指数从事件前接近零的水平跃升至显著正值，表明韩国从风险的”净吸收者”转变为”净输出者”。方向性溢出指数可以进一步追踪溢出效应的路径——韩国市场对全球半导体指数的溢出效应最为显著，其次对A股科技板块，对传统行业指数的溢出相对有限。

极值理论（Extreme Value Theory, EVT）为尾部风险建模提供了超越正态分布假设的严格框架。传统VaR模型假设收益率服从正态分布，严重低估了”黑天鹅”事件的概率。EVT中的广义帕累托分布（GPD）专门对分布尾部的极端观测值进行建模：F(y) = 1 – (N_u/N)·[1 + ξ(y-u)/β]^{-1/ξ}，其中u为阈值，ξ为形状参数（尾部指数），β为尺度参数。当ξ > 0时，对应厚尾分布（Frechet族），金融收益率数据通常属于此类型。基于GPD拟合，可估计极大似然VaR（称为GPD-VaR）和条件尾部期望（Expected Shortfall, ES）。与基于正态假设的VaR相比，GPD-VaR在99%置信水平下通常高出30%-50%，为极端风险提供了更为审慎的度量。

管理启示

韩国股市去杠杆事件为金融风险管理提供了三个层面的启示。在宏观审慎层面，监管机构应将溢出指数和ΔCoVaR纳入跨境系统性风险的日常监测指标体系，对净溢出指数超过某一阈值的市场实施预警并启动压力测试。在中观市场层面，交易所应建立杠杆ETF产品的动态熔断机制和强制平仓预警机制，将杠杆倍数与标的波动率挂钩，在市场波动加剧时自动降低杠杆上限以阻断”下跌—平仓”螺旋。在微观投资层面，机构投资者的风险管理模型应从基于VaR的静态框架升级为包含CoVaR、MES和极值理论方法的动态框架，将尾部依赖性和条件期望损失纳入组合风险预算，以应对日益频繁的跨市场极端风险事件。

其他思考

1. 在DCC-GARCH框架下，如何区分”正常的市场联动增强”与”传染驱动的异常相关性飙升”？
2. 如果ΔCoVaR显示韩国的系统性风险贡献随时间递减，但MES显示其自身脆弱性上升，这种背离应如何解释？
3. 极值理论估计的VaR与历史模拟法和蒙特卡洛模拟法相比，在何种场景下具有显著优势？

关键词：DCC-GARCH、CoVaR、极值理论
来源：每日经济新闻 | 联合早报 | 整理：经管讲堂