本文是一篇金融论文，笔者认为在本次疫情爆发和全球流行以及OPEC+减产协议谈判失败的极端风险冲击下，原油需求疲弱和超量供应导致供需失衡，原油价格呈现大幅度下行和震荡。
第一章文献综述
第一节金融风险传染的含义和基础理论研究
一、金融风险传染定义
目前，学术界对于传染的定义仍然是一个有争议的问题。传染一般认为来自另一个（组）国家的冲击，通常由于存在双边贸易或金融上的相互依存关系，市场波动从一个（组）国家、机构或市场扩散到另一个（组）国家、机构或市场，表现出资产价格的共同波动过程（Claessens et al.,2001；Forbes,2012；Rigobon,2016)。溢出、传染和相互依赖描述的都是类似现象，往往在冲击来自危机或负面事件时使用“传染”，包含负面含义。相互依赖的概念则更为中性，只强调所有经济主体的高度相关性。
金融论文怎么写
市场一体化作用下，市场参与主体可以根据跨市场信息和资源流通过程，通过某一金融资产价格变动推测其它市场价格波动趋势。这样的市场风险传递关联性即形成“风险传染”。金融行业冲击常表现为违约风险以及流动性风险大幅上升。局部风险在金融网络中的放大聚集更容易形成系统性金融危机，跨机构、跨市场、跨部门形成的金融网络能够分散风险，但是也成为各类风险部门间风险传染的主要途径。同时，金融一体化导致全球杠杆率显著提高，任何国家之间的资产负债表联系使得危机发生的可能性加倍，大大增加各国之间“传染”的程度（Michael B.Devereux和Changhua Yu,2014）。金融部门与非金融部门间也通过资产负债关系紧密联系，金融风险可以从金融部门传导至实体经济，并引发系统性经济危机。从上世纪三十年代经济大萧条至二十一世纪全球金融危机和欧债危机，都体现了宏观经济部门间风险传染产生的巨大影响力（王宇等，2019）。
...............................
第二节风险传染研究的计量方法
风险传染实证检验方法较多，其中相关系数分析只关注统计意义上的相关性，无法反映经济含义因果联系。协整分析基于长期均衡，无法关注短期动态效应。均值溢出分析和波动溢出分析一般基于VAR或多元GARCH模型，能够避免相关系数和协整分析的一些缺点，在实践中得到广泛的使用。Copula函数克服了线性模型的不足之处，能够刻画非线性关系和尾部相依结构，因此在风险测度中得到广泛应用，并成为风险传染研究的重要计量方法之一。
一、基于线性相关系数的风险传染研究金融风险传染的线性相关系数建模主要是构建VAR或VARMA模型，通过常系数反映某一阶段内静态风险传染关系。相关研究随实证方法发展愈发深入，从仅研究均值溢出到同时考虑均值与波动双向溢出、从静态传染到以动态传染研究为主。
国外学者对金融风险传染效应计量方法进行了大量扩展，发现广义偏斜t分布（SGT）得到的样本外预测（VAR）最为准确，其次为参数分布、广义误差分布（GED），最后是正态分布（Wan-Hsiu Cheng和Jui-Cheng Hung,2011）；而厚尾分布更适合于能源商品，特别是VAR计算（Jui-Cheng Hung et al.,2007）。Meyer（2000）详细介绍了贝叶斯马尔可夫蒙特卡罗法求解随机波动率模型，并证明其具有很好的稳定性和精确度。Cappiello和Engle（2006）使用非对称广义动态条件模型，分析国际股票和政府债券市场间条件相关性的非对称关系。Pesaran等（2007）通过动态增量回归相关系数研究期货市场风险传染效应，并提出传染识别需要各市场方程中包含市场特定的回归因子。
.......................
第二章期货市场风险传染的理论机制和实证方法概述
第一节期货市场风险传染的理论机制
一、期货市场风险传染的形成原因
（一）外部影响因素
期货市场风险传染外部因素主要包括全球金融市场开放深化和金融市场管制放松。套期保值是期货市场的主要功能。为规避风险，期货市场与其他市场间联系紧密，风险跨国家、跨市场交叉传染的特征凸显。全球金融自由化程度提升也成为期货市场风险传染的主要外部因素之一。金融管制是在金融市场不稳定时，金融监管部门为维护金融体系安全稳定、统筹提高市场整体效率、保证投资人利益的一种制度安排。金融市场失灵时，对金融机构和金融市场行为的管理可以有效防范风险进一步扩大。金融期货市场的高风险性对投资人提出更高的要求。在我国期货市场的建设和完善过程中金融管制力度是不断动态变化的，而金融市场管制力度放松或风险提高时，金融市场的脆弱性、外部性、不对称信息及垄断等表现，成为期货市场风险传染现象的又一外部影响因素。
（二）内部影响因素
期货市场风险传染主要内因是信息传递。金融资产价格体现投资者理性预期。根据微观经济学理论，投资者在预估金融资产价格时，根据经济周期、通货膨胀率和经济政策等信息，由于信息的不对称以及投资者偏好，不同投资者的效用函数不同。信息传递的不对称致使价格波动，从而带来金融风险。
（三）直接影响因素
投资者的交易行为，特别是投机行为会显著增加期货市场风险传染。期货市场价格的波动主要由投资者资产配置调整等交易行为引起，金融资产的内在波动性产生期货期权等风险产品需求。在此基础上，市场信息的严重不对称性和投资者偏好及能力差别，进一步扩大风险传染效应。外部冲击下，基于共同风险敞口机制，投资者会根据一个市场的波动情况形成对其他市场变化的预期。金融市场风险溢出效应在资产套期保值和配置调整影响下产生并迅速影响各金融市场。同时，为应对冲击影响，国家政策的制定和调整也会产生直接影响。
.............................
第二节实证方法概述
一、Copula函数相关理论
1959年Sklar最早提出Copula这一概念及Sklar定理，即多元分布函数分解为若干个边缘分布函数和一个连接函数（Copula），通过连接函数将多个变量连接在一起。金融市场大大偏离标准正态分布，表现出非线性联系和极端变动，具有尖峰厚尾、有偏、自相关、异方差等（Cheng和Hung,2011）典型特征。Copula与边缘分布函数相互独立的性质，在使用Copula函数刻画金融资产之间的联合分布时，突破了其他线性研究方法的正态分布假设，可以通过不同的边缘分布函数贴近金融市场实际情况。而相比于相关系数法、基于VAR模型的Granger因果检验法和多元GARCH模型等其他线性风险传染定量研究模型，Copula可以更好刻画金融市场非线性关系。Copula函数的线性变化一致性也扩大了其在金融领域的使用范围，对变量进行单调变化后，相关性测度仍能保持不变。特别是还克服了传统研究方法无法准确反映金融实践极端情况下的极值结构的不足之处，有利于深入研究极值风险。极值风险虽然出现概率非常小，但是易引发金融市场大幅动荡并造成严重后果，对极值风险的预防和监管也受到广大学者、金融风险监管部门和投资者的重视。因此Copula函数也在金融定价、金融传染以及金融风险管理等实证研究领域中逐渐成为最重要的研究方法之一。
.......................
第三章基于混合Copula模型的风险传染效应研究........................27
第一节样本数据选取.........................................27
第二节典型事实特征的检验..............................28
第四章基于最小生成树模型的风险传染路径分析..........................47
第一节金融市场划分与样本数据选取..............................47
第二节最小生成树模型构建与分析............................50
第五章研究结论与政策建议..............................58
第一节研究结论.................................58
一、原油期货存在跨市场风险传染.............................58
二、INE原油期货与其他金融市场联系程度不足........................58
第四章基于最小生成树模型的风险传染路径分析
第一节金融市场划分与样本数据选取
新兴市场和发达市场之间以及新兴市场和新兴市场之间存在着显著的非对称性联系（Gallo和Otranto,2005;Johnson和Soenen,2003;Fujii,2005），其金融传染问题一直备受关注，但并未形成系统性认识。新兴市场中一般以金砖五国为典型代表，不同国家的经济结构使得各国市场在冲击下呈现不同波动水平。新冠疫情肺炎作为突发重大公共卫生安全事件，其爆发在金融风险传染上表现出不同特点。根据第三章实证分析，疫情影响下原油期现货市场、股票市场、汇率都出现不同的波动，并出现不同程度跨市场风险传染，但是极值下降风险只在各金融资产中分别出现，在本文的研究范围内跨市场的极端下跌风险传染并不存在。
金融论文参考
为进一步探究包含原油期货市场的全球跨市场金融风险传染机制与传染路径，特别是疫情冲击下新兴市场与欧美市场之间以及新兴市场间的相互依赖程度，本章选择美、欧及金砖五国（中、俄、巴西、印度、南非）的股票市场、商品期货市场、汇率及利率经验数据构建金融市场网络。
在数据选取上借鉴张大永和姬强（2018）、Mo et al（.2018）、陈声利等（2019）以及刘超等（2020）的样本数据选取方法，选择如下表4-1所示数据作为股票市场、大宗商品市场、汇率以及利率的代表。其中美元作为全球主要流通的储备货币，本文重点研究美元和以下货币的汇率，具体包括欧元兑美元（后文简写为EUR）、美元兑港币（后文简写为HKD）、美元兑人民币（后文简写为RMB）、美元兑俄罗斯卢布（后文简写为RUB）、美元兑巴西雷亚尔（后文简写为BRL）、美元兑南非兰特（后文简写为ZAR）、美元兑印度卢比（后文简写为INR）。由于不同国家汇率存在时区差异，上述汇率数据根据纽约时间采用下午5点收盘价。根据本文覆盖的国家或地区并考虑数据可得性，股票市场基本选取上述国家的代表性股指，包括美国标普500指数（后文简写为SP500）、法国巴黎CAC40指数（后文简写为CAC40）、德国法兰克福DAX指数（后文简写为DAX）、香港恒生指数（后文简写为HSI）、巴西指数（后文简写为BVSP）、俄罗斯交易系统指数（后文简写为RTS）、印度孟买指数（后文简写为SENSEX）。大宗商品市场分别选取WTI和Brent两种原油期货、Brent原油现货（后文简写为DTD）、伦敦金属交易所（LME）的基本金属指数[1]、大连商品交易所的大豆期货（张屹山等，2006）和玉米期货（Mo et al.，2018）。分别选取中国同业拆借市场上海银行间隔夜同业拆放利率、美国联邦基金目标利率、英国基准利率、南非回购利率作为利率代表。以上数据均来自WIND数据库。
...............................
第五章研究结论与政策建议
第一节研究结论
一、原油期货存在跨市场风险传染
疫情前全球金融市场的开放深化和各国金融管制动态调整背景下，大宗商品期货作为套期保值的重要风险管理金融工具，国内市场规模逐年提升。从金融实践角度，尾部相依结构反映两市场极端上涨或下跌的联系。实证表明原油期货市场、原油现货市场、汇率和股票市场均表现出自相关性、异方差性、尖峰厚尾性以及有偏等典型事实特征，风险传染在该四市场间发生，同时疫情爆发前后的尾部相依结构发生显著变化。国内原油期货市场和美元对人民币汇率在疫情爆发后极端上涨的联系增加，和国际股票市场的极端上涨相关性由疫情爆发前的渐进独立变为爆发后的显著增强。国内原油期货市场和其他国际的原油期货和原油现货市场由疫情爆发前金融资产间显著的极端上涨相关性下降到爆发后不显著。国内原油期货市场和股票市场不存在显著极端上涨联系。
原油作为深受地缘政治因素影响的战略性工业资源，疫情影响下投资者投机行为、羊群效应以及主要产油国的价格战导致原油市场供需失衡。同时，原油价格受到各国不同程度调控，疫情爆发后我国对于价格的涨幅进行了更严格的控制，受到极端风险上涨联系反而因此减少，甚至完全独立。但作为金融网络的重要一环，在疫情冲击影响下，国际原油期货市场发生区域性极值风险，并表现为违约风险以及流动性风险大幅上升。国际原油期货的局部极端下跌风险，通过其他金融部门和原油现货等实体经济的各类风险部门传染，在金融网络中放大聚集引发其他市场的系统性风险，原油期货和其他市场之间存在跨市场风险传染。
参考文献（略）