《Borsa Istanbul Review》：Dynamic Interactions Between Sectoral Tail Risk and Market Integration: Evidence from Borsa Istanbul Using PELVE and DCC-GARCH
编辑推荐：
本研究针对新兴市场系统性风险监测的复杂性，创新性地结合PELVE（风险价值与期望亏空的概率等效水平）和DCC-GARCH（动态条件相关广义自回归条件异方差）模型，深入分析了土耳其伊斯坦布尔证券交易所行业股指的尾部风险传导与市场整合动态。研究发现行业尾部风险分布不均且存在显著区内溢出效应，化学、金属等基础行业是风险主要传导枢纽，而金融板块在特定条件下表现出风险吸收特性。该研究为新兴市场的风险监控和宏观审慎监管提供了时效性强的量化框架。
在全球金融体系日益复杂的背景下，准确度量和管理金融市场风险不仅关乎投资者的资产安全，更是维护宏观金融稳定的基石。传统风险测量工具如风险价值（VaR）虽被广泛应用，但其理论缺陷促使学界寻求更敏感的指标，期望亏空（ES）等更连贯的风险度量方法应运而生。然而，新兴市场的风险结构具有独特的时空异质性，特别是行业层面的风险传导机制尚未被充分揭示。土耳其作为典型的新兴市场，经历了多次国际金融危机、汇率波动和国内政治变迁，其行业风险演化和市场整合模式对理解新兴经济体金融稳定性具有重要参考价值。在此背景下，发表于《Borsa Istanbul Review》的这项研究，通过整合前沿的PELVE和DCC-GARCH方法，首次在行业层面系统刻画了尾部风险与市场整合的共演化规律。
为全面解析行业风险动态，研究团队采用了三阶段方法论。首先，利用PELVE量化各行业指数的前瞻性、分布敏感的尾部风险，该指标通过计算使VaR和ES相等的概率水平，直观反映尾部风险的放大程度。其次，应用DCC-GARCH模型估计各行业指数与基准指数（XU100）间的时变条件相关系数，以捕捉市场整合的动态结构。最后，通过比较各行业的PELVE值与DCC相关系数，创新性地分析行业自身风险与市场传染风险的互动关系，并在不同时间频率（日、周、月）下采用广义脉冲响应函数（VAR-GIRF）检验风险与整合冲击的跨部门传导效应。数据来源于2002年至2025年Borsa Istanbul的XU100指数及11个行业指数的日度数据。
4.1. 行业尾部风险与整合的基本特征
描述性统计显示，所有行业PELVE均值均超过2.72的理论阈值（范围2.855–3.077），证实土耳其行业收益分布普遍呈现厚尾特征，极端损失风险显著。其中，纺织（XTEKS）、金属制品（XMESY）和食品（XGIDA）等实体经济部门平均PELVE较高，表明其尾部风险持续处于高位。DCC序列分析则揭示，银行（XBANK）、综合金融（XUMAL）等服务业的动态相关性具有负偏和高峰度特性，意味着这些部门在市场压力时期易出现相关性骤降，与整体市场暂时脱钩。
4.2. 日内风险与整合的溢出网络
基于日频数据的GIRF分析构建了行业风险传导的热力图。在PELVE系统内部，基础金属（XMANA）、纺织等行业对自身冲击响应最强（累积响应超5个标准差），而化学品（XKMYA）是风险接收枢纽，受七个其他行业风险外溢影响。值得注意的是，部分行业间存在“负向传染”，如银行风险冲击会降低纺织业的PELVE，暗示某些部门可能扮演风险吸收者角色。在DCC系统内，银行与基准指数的动态相关性冲击最具影响力，可波及六个其他行业的相关性结构。尤为关键的是，市场整合冲击（DCC）对尾部风险（PELVE）存在广泛且显著的传导效应，而反向效应（PELVE对DCC的影响）却不显著，说明整合度变化是驱动风险跨部门传播的主导渠道。
4.3. 频率稳健性与关键部门识别
周度和月度数据的重复分析表明，上述传导模式具有高度稳健性。尽管低频数据下部分弱关联变得不显著，但核心结论如XKMYA在风险和整合双维度的枢纽地位、金融部门的风险吸收能力等均保持一致。汇总表进一步明确，XUMAL、XBANK和XUSIN是主要的风险发射器，而XKMYA、XTEKS和XELKT是常见的风险接收器。这种不对称的传导结构凸显了行业间系统性贡献的异质性。
4.4. PELVE的预测能力评估
外样本预测检验显示，PELVE对部分行业未来波动率（如XUMAL和XKMYA）具有显著但有限的预测能力，而对市场整合断裂的预警作用较弱。这表明PELVE更适用于特定行业的风险监测而非普适性早期预警。
本研究通过耦合PELVE和DCC-GARCH，为新兴市场金融风险研究提供了方法论创新和实证贡献。结论强调，土耳其股市的行业风险具有明显的结构异质性和不对称传导路径。化学品行业（XKMYA）作为双重枢纽，需引起监管机构重点关注；而银行和综合金融业在危机中的风险吸收作用，为实施针对性宏观审慎政策（如流动性支持、逆周期资本缓冲）提供了依据。此外，市场整合冲击对尾部风险的单向主导效应，启示风险监控应超越传统的相关性框架，纳入尾部敏感指标。未来研究可进一步引入非参数化c-PELVE或区分市场区制，以深化对极端事件下风险动态的理解。
