• 加密货币市场风险溢出分析方法综述，采用条件期望损失(CoES)衡量尾部风险，结合非参数断点分类构造加密货币风险结构相关网络，捕捉极端事件下风险传播路径及节点关联 [page::0][page::1][page::2]

- 通过滚动窗口动态网络构建风险关联矩阵，选取市值排名前100、数据完整的25种主流加密货币，比较疫情前（2018-07至2020-01）和疫情期间（2020-01至2022-06）风险传播差异 [page::2][page::3]

• 图1展示2019-2022年风险相关矩阵，疫情爆发初期2020年加密货币间正相关显著增强，风险共振概率增加；2022年相关性回归至疫情前水平。特定币种如稳定币Tether维持显著负相关，表现风险分散效应

[page::3][page::4]

• 图2与图3的邻接矩阵及平均依赖关系进一步证实Tether长期承担风险分散角色，其它币种间多为强正相关，2020-2021年风险联系最为紧密

[page::5]

• 网络可视化（图4）清晰呈现正负相关关系，Tether主导负相关网络中的分散风险，疫情影响下正相关网络连接更密集，风险传染加剧

[page::6]

• 系统性风险评分动态趋势（图5）显示疫情爆发后整体风险水平显著跃升，2020年3月、11月及2021年5月、11月为风险峰值，负相关币种比例与总风险水平呈负相关，强调风险分散效应

[page::7]

• 表1展示不同加密货币按市值加权的系统性风险贡献，Bitcoin因市值大风险传播效应明显，高于平均水平；Tether持续负贡献，表现为风险分散者

| Name | Abbr. | 2019 | 2020 | 2021 | 2022 |
|-----------------------|---------|------------|------------|------------|------------|
| Basic Attention Token | BAT | 2.50E+08 | 1.46E+09 | 1.25E+09 | 4.12E+08 |
| Bitcoin | BTC | 2.41E+08 | 1.41E+09 | 1.23E+09 | 3.99E+08 |
| Tether | Tether | -1.26E+08 | -6.77E+08 | -6.44E+08 | -2.52E+08 |
| ... | ... | ... | ... | ... | ... |
- 该分解方法结合市值，揭示大型币波动对整体风险的传导作用 [page::8]

• 疫情期间，加密货币市场风险高度联动，系统性风险显著提升，建议投资者增持稳定币以分散风险；监管层应加强跨国合作与动态监测，强化交易所合规及市场透明度管理以遏制风险扩散 [page::7][page::8]

报告详细分析：《A DYNAMIC SPILLOVER EFFECT INVESTIGATION ON CRYPTOCURRENCY MARKET BEFORE AND AFTER PANDEMIC》

---

1. 元数据与概览

报告标题：
A DYNAMIC SPILLOVER EFFECT INVESTIGATION ON CRYPTOCURRENCY MARKET BEFORE AND AFTER PANDEMIC

作者及机构：
Wenjie Lan，杜克大学统计系

发布日期及文档类型：
预印本论文，最新数据截止2024年

研究主题：
本文重点研究加密货币市场在新冠疫情爆发前后风险溢出效应的动态演变，尤其关注极端风险事件下的风险传染和传播机制。利用条件期望损失（Conditional Expected Shortfall, CoES）和非对称断点方法，结合网络分析探讨疫情对加密货币市场系统性风险及其传播路径的影响，并基于对此构建监管建议。

核心论点和结论：

• 疫情使加密货币间的风险传染性显著增强，并且疫情确诊病例数的增加加剧了风险溢出效应。

- 原油市场与加密货币市场的风险共振进一步放大疫情对市场的冲击，但其它金融市场与加密货币市场相对独立。

• 稳定币（如Tether）因其与美元挂钩特性，在整个市场中扮演风险分散器的角色。

- 通过动态网络和节点相似性分析，论文揭示了疫情前后加密货币风险关联结构及风险贡献的动态变化。

• 研究为公共卫生危机视角下的加密货币监管机制提供了策略参考。

---

2. 逐节深度解读

2.1 摘要与引言（第0页）

• 背景介绍： 过去15年加密货币市场快速成长，交易量激增，全球主要经济体逐渐加强对加密市场的关注和监管，如欧盟MiCA法规，日本对加密ETF持谨慎态度。监管趋严的背景下，系统性风险传播成为重要研究课题。

- 研究问题点：
1. 如何精准估计市场系统性风险？
2. 如何将整体风险分解为单个加密币的边际贡献？

• 现有方法分类：

- GARCH模型测量波动性和连接程度
- 方差分解法（Diebold-Yılmaz方法）分析风险溢出
- Copula模型刻画尾部风险关联
- 条件VaR及分位数回归方法评估尾部风险

• 论文贡献声明： 结合CoES和非对称断点方法构造动态尾部事件驱动网络，进而解析疫情对加密货币风险溢出的影响和驱动机制。阐释风险传播路径和市场风险结构的时变演化。

---

2.2 方法论（第1-3页）

2.2.1 风险关联网络构建

• 采用条件期望损失（CoES）度量在某加密币处于亏损尾部（VaR水平）时，另一币的预期亏损，强调尾部事件的风险传染。[page::1]

- 对每个时间点，计算每个币的风险结构向量：25个币两两间CoES组成的向量。

• 用余弦相似度衡量风险结构向量间的相关性，定义风险关联度$\rho{ij,t}$。

- 通过非参数断点方法将连续相关系数划分为正相关、无关和负相关三大类，能更灵活捕捉网络中风险关联变化。[page::2]

• 非对称断点算法通过寻找相关系数变化的显著跳跃断点，将关联强度分类，使得风险网络拥有清晰的结构边界。

- 构建对称的邻接矩阵$a{ij}$，分别标示+1（强正相关）、0（无关）、-1（强负相关）连接。

2.2.2 网络关联指标构建

• 依托[Xu et al., 2021]的方法，整体风险度量为市场资本化加权后的风险关联矩阵和资本化向量的二次型表达式：

$$
S{t} = \mathbf{C}t^T \mathbf{A}t \mathbf{C}t
$$

• 该指标可分解为单个币对整体系统风险的边际贡献，便于辨别关键风险贡献者与系统性风险扩散节点。

2.2.3 数据选择及样本划分

• 选取截至2024年11月1日市值排行前100的加密币，剔除投放时间晚于2018年7月或数据缺失的币，最终样本25个。

- 样本时间区分为疫情前期（2018年7月-2020年1月19日）和疫情期间（2020年1月20日-2022年6月30日）。

• 加密币日数据来源coinmarketcap，尾部风险水平采用5%分位数，采用250日的滚动窗口估计CoES指标。

---

2.3 实证分析（第3-7页）

2.3.1 风险相关性动态演变

• 图1（相关矩阵）展示了2019-2022年间25个币的相关系数变化。

- 疫情2020年爆发之初，正相关性显著提高，极端事件下币价同向波动概率上升，整体风险共振增强。
- 2022年相关度逐渐回落回疫情前水平。
- 稀有负相关例子，主要是与美元挂钩的Tether，表现为风险分散器。2020年Dogecoin表现出一定分散性，反映投资者对其相对乐观的预期。

• 文本称，正负相关的动态演化清晰反映风险溢出机制，疫情期间共振风险显著，平时多币种间网络联系趋弱或者多元化。[page::3]

2.3.2 风险关联矩阵与网络结构

• 图2（邻接矩阵）揭示强正（1）与强负（-1）相关币之间的连接情况。

- Tether持续与其它币负相关，强化了其风险分散角色。
- 大部分币之间均存在强风险关联，显示风险传染链条紧密。
- 特殊期间，如2020年Dogecoin显示异于市场情绪的分散性特征。

• 图3呈现所有正负关联矩阵的平均值，直观表示整体市场结构。

- 除Tether外其它币均体现较高的正相关度，且负相关较少，风险溢出效应明显。

• 图4则图形化展示正负相关网络，突出Tether在负相关网络中的主导地位。

- 该稳定币成为市场“避风港”，连接多币种，减少个币风险的系统扩散。

2.3.3 系统性风险评分及分解

• 图5显示：

- 疫情前系统风险变量波动在较低水平，疫情期间整体风险溢出水平大幅上升，一度达到2019年的十倍以上。2020年3月和11月、2021年5月和11月出现明显风险峰值，与市场行情和政策事件高度对应。
- 新中国监管政策、机构投资者撤离等因素推动市场恐慌情绪扩散，带来价格触底反弹和风险传导。
- 负相关币数量比例$n_2/n$与整体风险水平呈负相关，暗示负相关币能够有效分散风险，降低系统风险水平。

• 表1列举25个币在不同年份的具体风险贡献数值（单位较大，量级为10^8及以上）。

- Bitcoin的贡献因加权市值大，风险贡献远高于无市值加权测算，显示其对系统性风险的重要影响。
- Tether持续为负贡献，证实其风险分散作用。
- 疫情期间整体风险贡献普遍上升，说明风险传染广泛扩散。

---

2.4 结论与政策建议（第7-8页）

2.4.1 研究结论

• 疫情加剧整个加密货币市场的系统性风险，市场显现强烈的风险传染合力，导致市场极度脆弱。

- 稳定币如Tether有效提供风险分散，扩散风险的能力较低，且能作为避险资产。

• 新冠累计病例数增多与市场风险水平高度正相关，公共卫生事件成为风险的重要驱动力。

2.4.2 政策建议

• 风险监控： 持续动态分析币间风险网络结构，识别风险源及高风险币，提早预警。

- 风险管理： 在系统性风险时加强仓位控制，推广稳定币持有以分散风险。

• 监管强化： 跨境监管协作，提升交易所透明度，防范系统性风险激化。

- 鼓励稳定币发展： 支持Tether等稳定币，为市场提供稳定资产选项，稳固市场结构。

---

3. 图表深度解读

3.1 图1：加密货币相关矩阵（2019-2022）

• 内容描述： 四幅热力图展示25个币两两间年度相关系数。颜色由黄→蓝体现正→负相关强度。

- 数据解读：
- 2019年，黄绿色分布均匀，正相关偏多。
- 2020年疫情爆发，整体黄色倾向增强，说明币间正向同步性加强。部分明显蓝色（负相关）均为Tether。
- 2021年正相关关系集聚度进一步加强，网络趋于紧密。
- 2022年趋于回落，自疫情高峰期有所消退。

• 文本联系： 直观支持疫情对加密币整体风险共振的放大效应结论。[page::4]

---

3.2 图2：加密货币邻接矩阵（2019-2022）

• 内容描述： 邻接矩阵根据确定的临界点将相关度二值化，1表示强正相关，-1表示强负相关，0表示无关。

- 数据解读：
- Tether在多年份表现为-1，与多数币负相关，体现其分散风险功能。
- 其它币大多展示块状的强正相关区域，风险紧密传递。
- 2020年和2021年负关联数量明显较多，显示疫情期间市场波动加剧，风险关系更复杂。

• 文本联系： 图形强化风险通信网络结构，证实稳定币的风险对冲特性和疫情期间风险网络结构更加紧密。[page::5]

---

3.3 图3：平均正负关联矩阵（2019-2022）

• 内容描述： 对各年份邻接矩阵取平均，长期趋势正负关联汇总。

- 数据解读：
- 右图(A+)中绝大多数币与其他币存在正相关，蓝色线条边界突出Tether分割群体。
- 左图(A-)显示负相关主要集中在Tether位置。

• 文本联系： 从长期视角再现了风险分布的基本网络结构和稳定币的稳定器角色。[page::5]

---

3.4 图4：正负相关关系网络可视化（2019-2022）

• 内容描述： 节点表示币种，颜色区分节点类别，边表示连接。左图是正相关网络，右图是负相关网络。

- 数据解读：
- 正相关网络节点密集连通，疫情高峰期边数多，呈强集群结构。
- 负相关网络较为稀疏，集中体现Tether作为唯一主要负相关核心。

• 文本联系： 图形强化了前述的高风险传染结构以及稳定币的唯一分散特性。[page::6]

---

3.5 图5：系统性风险评分与负相关比例趋势

• 内容描述： 上图为系统性风险评分时间序列，下图为负相关币数量比例变化。

- 数据解读：
- 2020年及2021年初系统性风险显著跃升，反映疫情带来的市场恐慌和连锁反应。
- 负相关比例在高风险期通常下降，负相关币作为风险分散资产的地位变得更为突显。

• 文本联系： 负相关比例与市场风险水平负相关的关系，验证稳定币的避险功能，提示增加负相关资产是降低系统风险的有效策略。[page::7]

---

3.6 表1：各币系统性风险贡献值（2019-2022）

• 内容描述： 表中数值表明每个币对全市场系统性风险分数的贡献，单位尺度极大（约10^8计）。

- 数据解读：
- Bitcoin贡献值均高于平均，表示以市值加权后其风险影响力强于多数小币。
- Tether贡献呈负值，稳定币的风险抵消效应明显。
- 疫情高峰年（2020,2021）各币风险贡献显著提升，反应市场风险集聚加剧。

• 文本联系： 分解结果提升了对风险分布结构的理解，强调市值在风险网络中的放大作用。[page::8]

---

4. 估值分析

本报告为风险溢出网络动态分析，未涉及传统意义上的企业估值模型，因此无DCF、P/E等估值方法运用。报告通过数学模型及网络指标对风险结构进行描述和度量，重点在于系统性风险指标的构造与分解，强调风险传播机制和网络结构的演变。

---

5. 风险因素评估

报告着重指出以下风险因素及其影响：

• 疫情冲击加剧市场系统性风险，造成本币价剧烈波动与波动传染，增强了尾部风险溢出和共振。

- 监管政策变化的不确定性，如中国2020年强化禁令，加速市场恐慌蔓延。

• 币种间风险高度相关性，整体市场风险难以通过简单分散规避，除非持有稳定币等低风险币。

- 宏观因素及外部冲击（公共卫生事件、原油价格等）会进一步加剧风险溢出，使市场风险级联放大。

报告虽未详述概率，但通过动态网络识别和风险分解提供定量分析基础，有利于针对不同风险设计缓释措施。

---

6. 审慎视角与细微差别

• 本文采用CoES和非对称断点方法优于传统GARCH和CoVaR模型，对尾部风险关系有更精准捕捉能力，尤其适合极端事件下市场研究。

- 市值加权在风险分解中合理凸显大币影响力，避免忽视主导币种风险扩散作用。

• 然而，样本仅25币，排除市值较小或成立晚币种，可能对整体市场多样性有所限制；此外忽略跨市场传染微妙影响。

- 风险溢出与监管政策及宏观事件耦合，但模型假设疫情为主要驱动，未详细量化其他因素权重。

• 稳定币风险分散功能依赖币值盯住美元的稳定，但如2023年出现稳定币失锚事件则可能对研究结论构成挑战。

---

7. 结论性综合

本研究基于2024年的最新数据，对加密货币市场在疫情冲击下的风险溢出效应进行了深度动态分析。通过引入条件期望损失（CoES）指标并结合非对称断点网络构建，论文揭示了加密货币在极端风险事件中的风险关联结构及演化过程。分析表明：

• 疫情期间，加密货币市场的整体风险水平及其系统性风险溢出大幅提升，风险共振加强，市场整体变得极其脆弱。

- Bitcoin虽稳定性相对较高，但以市值权重调整后成为全市场系统性风险的重要贡献者。

• Tether等稳定币在网络中承担风险分散器角色，其负相关的特征有助于整体市场风险管理。

- 动态网络分析展现疫情对加密货币间风险传染路径和节点作用的显著影响，为监管和市场风险管理提供了科学依据。

• 负相关币的数量与整体风险水平存在负相关，提示策略上提升负相关资产配置可降低系统风险。

图表解析方面，相关矩阵、邻接矩阵及网络图谱综合展示了疫情前后币间风险联系的加强与后续回落趋势，风险评分曲线凸显重大风险事件时间节点，与监管政策变化紧密相关。最终，研究提供政策建议以加强风险监控、完善风险管理机制，以及加强跨国合规监管，为加密市场健康稳定发展贡献洞见。

综合全文，作者明确传递了疫情加剧加密货币市场系统性风险的核心观点，并倡导以稳定币及科学监管为应对方案，报告结论具备较强的理论创新性和现实指导价值。[page::0,1,2,3,4,5,6,7,8]

---

# 综上，本报告极富洞察力地剖析了疫情前后加密货币市场的系统性风险溢出机制，在理论方法和实证分析上均表现出较高专业水平，图表和数据严密支撑论点，为监管政策和投资策略提供了实证依据和可操作建议。

报告