经济全球化的推进不断强化金融市场的联结，从美国次贷危机和欧债危机的经验中，我们明显看到了危机从区域到全球的演变途径。这种现象可以看做是资本市场开放背景下的溢出效应。本文藉由VAR模型分析美国股票市场波动率和国内股票市场波动之间的相关关系，验证了中美股市之间的相关性关系，并通过格兰杰检验及脉冲效应模型证明境外市场风险对我过资本市场存在溢出效应。为后续分析海外风险事件对国内金融资产价格的变动提供了清晰的思路。
经济全球化使得中外贸易强度逐渐提升。金融市场的开放既是经济全球化的前提，又反过来被全球化的推进而深化。2001年中国加入WTO之后，中国金融市场的开放程度逐步提升，开放外资行准入，放开外资行的业务限制；汇改和逆周期调节因子的引入；QFII和QDII制度的设立以及近年来围绕“一带一路”完善的金融市场基础设施建设等等。海内外金融市场的联结不断增强。因此带来的全球金融市场间的价格传导效应也逐渐增强，这一现象的结果就是风险的传递路径也愈发清晰，“次贷危机”和“欧债危机”都是从单市场或区域市场向全球扩散的范例。这种现象被称作溢出效应，通过判断市场间溢出效应的传导方式和程度，可以对全球范围内的资产配置做出迅速的判断和指引。
早期研究侧重于发达国家金融市场之间的相互关系，如美国股市的波动性是否会向其他发达国家市场传播，但随着新兴金融市场的发展，更多的研究者开始关注发达国家与新兴国家金融市场之间的相互影响，主流观点认为股票市场间存在显著的金融传染现象。
Cardona et al.（2017）使用MGARCH-BEKK模型测试了美国和六个最大的拉丁美洲股票市场之间的波动传递，发现美国向拉丁美洲市场的波动传导具有正向关系，并且巴西市场是唯一一个向美国市场传递波动的拉丁美洲市场。Zhou et al.（2012）在广义向量自回归模型的框架下研究了中国和世界股市之间的方向性波动溢出，研究发现2005年以来中国市场的波动对其他市场产生了显著的正向影响，中国、香港、台湾市场的波动性比中国、西方和其他亚洲市场市场更为显著。Syriopoulos et al.（2015）基于VAR-GARCH模型考察了金砖四国与美国股票市场之间的溢出效应，证据表明美国对除中国以外的市场存在明显的波动溢出效应，对印度、俄罗斯和巴西各自的股票市场产生了重大影响，但对中国市场的影响相对较弱，这可能由于中国的金融体系相对内向。
刘笑喻等通过建立MVMQ-CAViaR模型，研究了中美金融市场极端风险的溢出效应，发现中美市场间存在双向溢出效应，其中股票市场的溢出效应最为明显，外部冲击会先加剧中国股票市场的极端风险，随后反向起到缓和作用。林娟等使用CoVaR方法发现沪深两市和香港股市之间存在显著的双向尾部风险溢出效应，此外香港作为国际金融中心之一，其股票市场不仅受到内地股市影响，更多地会受到美国股市影响。郑挺国基于时变参数向量自回归（TVP-VAR）模型计，对８个主要股市的时变波动溢出效应进行了测算，发现国际股市间的总波动溢出效应呈上升趋势，尤其是在金融震荡时期上升显著。
本文选择沪深300指数和道琼斯波动率指数作为研究对象，分别探究美国市场在加息周期、降息周期以及平稳周期中，美国金融市场风险向中国市场的传导，对比不同周期中境外市场风险对我市场的外溢效果是否有所不同。
考虑到日数据中存在太多噪声，月度数据又忽略了太多的信息，因此选择周数据进行分析，对于数据中空缺的部分则采用上下两个交易日的平均数作为填补，并对原数据取对数。日期选择分别为2008年12月6日至2015年11月28日；2015年12月5日至2019年1月26日和2019年7月6日至2020年4月25日，数据采集于Wind数据库，相关变量的统计性描述如表1所示。
为了研究境外市场风险对我国资本市场的外溢，本文选择构建沪深300指数和道琼斯波动指数的VAR模型。构建模型的前提是数据平稳，因此通过单位根检验来检验三个时间段数据的平稳性。检验结果为三个时间段的原数据均不平稳，在对数据进行一阶差分后数据平稳。
以沪深300指数为因变量，以道琼斯波动率指数为自变量建立VAR模型。其中HS300为沪深300指数，DJIvix为道琼斯波动率指数，函数如下。
考虑到研究的样本容量有限，VAR模型的滞后期过大会导致自由度的降低从而影响模型估计的有效性，因此根据AIC、SC以及LR统计量来确定模型的滞后阶数。如果AIC和SC的滞后阶数同时达到最小，则可以直接以此为依据确定滞后阶数，否则使用LR检验进行取舍。根据所得结果2008年12月6日至2015年11月28日建立VAR(1)模型，2015年12月5日至2019年1月26日建立VAR(2)模型、2019年7月6日至2020年4月25日建立VAR（1）模型。分别检验三个模型的稳定性，所有特征根均在单位圆内，模型平稳，建立的VAR模型如表2所示。
进行Granger检验，可以确定变量HS300和DJIvix在不同时期它们之间的相关性关系，结果如表3所示。2008年12月6日至2015年11月28日，原假设（1）拒绝原假设，原假设（2）对应的P值略大于0.05，不拒绝原假设，说明美国对中国的股票市场具有单向溢出效应，中国对美国股票市场的影响较小；2015年12月5日至2019年1月26日，原假设（3）和（4）均拒绝原假设，说明在此期间美国对中国的股票市场具有双向的溢出效应，风险可以在两者市场间互相传导。2019年7月6日至2020年4月25日，原假设（5）拒绝原假设，原假设（6）对应的P值远大于0.05，不拒绝原假设。说明在此期间美国股市对中国股市存在单方面的溢出效应。
脉冲响应分析通过给道琼斯波动指数一个标准差冲击，来观察道琼斯波动指数对沪深300指数造成的影响，从而进一步探究境外市场对我国资本市场的波动溢出效应。脉冲响应分析的结果如图1、图2、图3所示。其中横轴代表冲击作用的期数，纵轴代表指数对冲击的响应程度，红色虚线形成的区间为95%置信带。
2008年12月6日至2015年11月28日，道琼斯波动指数对沪深300指数的影响如图1所示，给道琼斯指数一个标准差的冲击，沪深300指数作出小幅反应，响应值为负，随后缓慢下降逐渐趋于0。2015年12月5日至2019年1月26日，道琼斯波动指数对沪深300指数的影响如图2所示，相比平稳期，加息期的反应更加剧烈，2期后由负转正，随后缓慢下降趋向于0。2019年7月6日至2020年4月25日，道琼斯波动指数对沪深300指数的影响如图3所示，其响应与平稳期类似，但持续时间更久，反应更大。
