金融壓力的溢出效應(yīng)研究分析

林萍萍 王煒婷 周倩 浙江理工大學(xué)

金融壓力的溢出效應(yīng)研究分析

林萍萍 王煒婷 周倩 浙江理工大學(xué)

隨著經(jīng)濟(jì)全球化的不斷加強(qiáng)，各國(guó)經(jīng)濟(jì)聯(lián)系日益密切，為更好的防范國(guó)際間金融風(fēng)險(xiǎn)的傳遞，大量學(xué)者對(duì)金融系統(tǒng)性風(fēng)險(xiǎn)的量化及傳遞進(jìn)行了研究?；诖?，本文從銀行市場(chǎng)、債券市場(chǎng)、股票市場(chǎng)及外匯市場(chǎng)中選取相關(guān)指標(biāo)構(gòu)建14國(guó)金融壓力指數(shù)用以衡量各國(guó)金融壓力狀況，最后構(gòu)建14個(gè)國(guó)家的GVAR模型來分析各國(guó)金融壓力的溢出效應(yīng)。

金融壓力 garch模型 GVAR模型

一、金融壓力指數(shù)的構(gòu)建

（一）樣本國(guó)家的選取

由于本文主要研究各國(guó)金融壓力的溢出效應(yīng)，為了讓研究更具一般性，應(yīng)該選取盡可能多的國(guó)家，但在具體的操作過程中，限于數(shù)據(jù)的可得性和完整性，本文選取了澳大利亞、奧地利、加拿大、中國(guó)、法國(guó)、德國(guó)、意大利、日本、韓國(guó)、墨西哥、西班牙、瑞士、英國(guó)、美國(guó)等14個(gè)代表國(guó)家作為樣本對(duì)象進(jìn)行研究分析。

（二） 金融市場(chǎng)指標(biāo)的選取

根據(jù)所選指標(biāo)能夠代表該金融市場(chǎng)及數(shù)據(jù)可得性原則，本文選取了TED利差來代表銀行市場(chǎng)，國(guó)債波動(dòng)率來代表債券市場(chǎng)，股票市場(chǎng)波動(dòng)率及收益率來代表股票市場(chǎng)，外匯市場(chǎng)波動(dòng)率來代表外匯市場(chǎng)。

TED利差指3個(gè)月銀行間拆借利率與無風(fēng)險(xiǎn)收益率的利差，無風(fēng)險(xiǎn)收益率采用各國(guó)長(zhǎng)期政府債券利率。債券市場(chǎng)的國(guó)債波動(dòng)率、股票市場(chǎng)的波動(dòng)率和外匯市場(chǎng)的波動(dòng)分別選取各國(guó)的短期債券利率、股票指數(shù)和實(shí)際匯率作為原始數(shù)據(jù)。由于股票市場(chǎng)的收益率與金融壓力成反向關(guān)系，因此選取股票市場(chǎng)收益率的相反數(shù)作為原始數(shù)據(jù)。

對(duì)所選取的各個(gè)金融市場(chǎng)的指標(biāo)數(shù)據(jù)，均在對(duì)數(shù)化后，進(jìn)行單位根檢驗(yàn)。單位根結(jié)果顯示所有指標(biāo)數(shù)據(jù)均在一階差分達(dá)到平穩(wěn)。然后分別再對(duì)股票指數(shù)、債券利率及實(shí)際匯率所得平穩(wěn)數(shù)據(jù)建立GARCH（1，1）模型，獲取對(duì)應(yīng)的指標(biāo)波動(dòng)率。

以上各個(gè)指標(biāo)都選擇月度數(shù)據(jù)作為原始數(shù)據(jù)，時(shí)間跨度從1994 年1月到2015年12月，數(shù)據(jù)均來源于IMF、EIU及wind數(shù)據(jù)庫(kù)。

（三）金融壓力指數(shù)的合成

雖然金融壓力指數(shù)的合成方法上，本文選取最普遍的等方差權(quán)重的方法。假設(shè)變量服從正態(tài)分布，把各個(gè)變量進(jìn)行標(biāo)準(zhǔn)化后賦予相同的權(quán)重，然后再加總成金融壓力指數(shù)。

將上面五個(gè)變量先進(jìn)行標(biāo)準(zhǔn)化處理，再將各個(gè)變量加總成一個(gè)指標(biāo)，最后，通過，將金融壓力指數(shù)折算成0-100的數(shù)值。

（四）金融壓力指數(shù)特征分析

根據(jù)所得的金融壓力指數(shù)，可知雖然各國(guó)的金融壓力存在較大的差異，但是總體的波動(dòng)趨勢(shì)趨向一致，比如2008年美國(guó)次貸危機(jī)，各國(guó)的金融壓力指數(shù)均顯著增加，表明金融壓力較大，系統(tǒng)性風(fēng)險(xiǎn)增加。另外，1997年亞洲金融危機(jī)和2010年歐債危機(jī)都在一定程度上造成了各國(guó)金融壓力指數(shù)的增加。以澳大利亞為例，亞洲金融危機(jī)時(shí)期，澳大利亞的FSI顯著增加，2008年美國(guó)次貸危機(jī)，F(xiàn)SI達(dá)到歷史最高點(diǎn)。

二、金融壓力國(guó)際間的傳遞

確定各國(guó)的金融壓力指數(shù)后，本文以工業(yè)生產(chǎn)指數(shù)、消費(fèi)者價(jià)格指數(shù)、短期利率和金融壓力指數(shù)作為分析變量，構(gòu)建全球向量自回歸模型（GVAR）來分析金融壓力在國(guó)際間的溢出效應(yīng)。模型數(shù)據(jù)區(qū)間為1997年1月到2015年12月，所有數(shù)據(jù)均在對(duì)數(shù)化后加入GVAR模型。

（一）實(shí)證檢驗(yàn)及結(jié)果分析

1.單位根檢驗(yàn)

為分析各變量的平穩(wěn)性，本文采用ADF檢驗(yàn)方法對(duì)各變量進(jìn)行單位根檢驗(yàn)，并根據(jù)AIC準(zhǔn)則確定滯后階數(shù)，其次，考慮到模型的穩(wěn)定性，所有變量的最大滯后階數(shù)均確定為2。

單位根檢驗(yàn)結(jié)果顯示，在5%顯著性水平下，F(xiàn)SI在水平狀態(tài)下即達(dá)到平穩(wěn)，其余所有變量均在一階差分后達(dá)到平穩(wěn)。

2.協(xié)整檢驗(yàn)

接下來將運(yùn)用跡檢驗(yàn)來判斷模型中各變量是否存在協(xié)整關(guān)系。檢驗(yàn)結(jié)果如表1所示。

表1　協(xié)整關(guān)系檢驗(yàn)結(jié)果

由檢驗(yàn)結(jié)果可知：在5%的顯著性水平下，各個(gè)國(guó)家均存在1到4個(gè)協(xié)整關(guān)系，其中澳大利亞、加拿大、德國(guó)、瑞士4個(gè)國(guó)家存在1個(gè)協(xié)整關(guān)系；奧地利、中國(guó)、意大利、韓國(guó)、墨西哥、英國(guó)存在2個(gè)協(xié)整關(guān)系；法國(guó)、日本、美國(guó)存在3個(gè)協(xié)整關(guān)系；西班牙存在4個(gè)協(xié)整關(guān)系。從協(xié)整檢驗(yàn)結(jié)果可知，所構(gòu)建的GVAR模型在長(zhǎng)期中是平穩(wěn)的。

3.弱外生檢驗(yàn)

弱外生檢驗(yàn)結(jié)果如下表所示。

表2 弱外生性檢驗(yàn)結(jié)果（顯著性水平5%）

國(guó)家　F檢驗(yàn)　臨界值　金融壓力　實(shí)際產(chǎn)出　通貨膨脹　短期利率澳大利亞　F（1,214）　3.885　*8.091　1.264　*7.083　2.975奧地利　F（2,214）　3.038　2.053　*3.794　1.729　2.465加拿大　F（1,209）　3.886　0.046　1.045　2.975　0.481中國(guó)　F（2,215）　3.038　0.157　2.205　0.687　0.716法國(guó)　F（3,213）　2.647　*3.420　*3.470　0.895　0.285

本文得到浙江省高校人文社會(huì)科學(xué)重點(diǎn)研究基地浙江理工大學(xué)應(yīng)用經(jīng)濟(jì)學(xué)基地資金（2014YJZD07）、浙江理工大學(xué)研究生課程建設(shè)項(xiàng)目（YKC-Z15032）、浙江理工大學(xué)應(yīng)用經(jīng)濟(jì)學(xué)基地創(chuàng)新基金項(xiàng)目（2015YJCX26）的資助。

德國(guó)　F（1,215）　3.885　1.375　*5.305　1.421　0.119意大利　F（2,214）　3.038　0.290　0.351　1.585　1.476日本　F（3,214）　2.647　*2.666　2.260　0.594　0.318韓國(guó)　F（2,214）　3.038　0.101　2.502　0.997　*3.176墨西哥　F（2,208）　3.039　0.548　0.202　2.136　0.301西班牙　F（4,212）　2.414　*2.439　1.162　0.459　1.862瑞士　F（1,216）　3.885　0.332　0.028　0.644　0.004英國(guó)　F（2,214）　3.038　0.525　0.228　4.867　0.095美國(guó)　F（3,214）　2.647　*3.847　0.594　1.311　0.565

由檢驗(yàn)結(jié)果可知，澳大利亞、法國(guó)、日本、西班牙、美國(guó)的金融壓力指數(shù)，奧地利、法國(guó)、德國(guó)的實(shí)際產(chǎn)出，澳大利亞的通貨膨脹，韓國(guó)的短期利率沒有通過弱外生檢驗(yàn)外，其余的變量均通過弱外生性檢驗(yàn)，即弱外生變量對(duì)模型中其他變量有長(zhǎng)期影響，而模型中其他變量對(duì)這些弱外生變量沒有明顯的長(zhǎng)期影響。

4.基于脈沖響應(yīng)函數(shù)的分析

本文采用脈沖響應(yīng)函數(shù)的方法進(jìn)行分析，即在GVAR模型中，對(duì)某個(gè)變量施加一個(gè)標(biāo)準(zhǔn)差的沖擊，從動(dòng)態(tài)的角度分析各國(guó)經(jīng)濟(jì)的變化。為了研究金融壓力的溢出效應(yīng)，本文選取美國(guó)金融壓力的沖擊對(duì)各國(guó)金融壓力的影響及中國(guó)金融壓力的沖擊對(duì)各國(guó)金融壓力的影響。

（1）美國(guó)金融壓力沖擊對(duì)各國(guó)金融壓力的影響

從脈沖響應(yīng)結(jié)果可知，美國(guó)金融壓力增加各國(guó)金融壓力普遍增加，其特點(diǎn)主要可以從滯后時(shí)間、影響程度、影響時(shí)間三個(gè)方面來分析。在滯后時(shí)間上，除了韓國(guó)在第16個(gè)月達(dá)到最大值，其他所有國(guó)家的影響都在10個(gè)月內(nèi)達(dá)到最大值，其中英國(guó)、奧地利、日本、澳大利亞、瑞士在兩個(gè)月內(nèi)達(dá)到了最大值。

從影響程度上來看，首先是對(duì)美國(guó)自己的影響最大達(dá)到2.1個(gè)百分點(diǎn)，其次對(duì)法國(guó)、西班牙、日本的影響最大，分別為0.6、0.5、0.53個(gè)百分點(diǎn)，影響最小的是韓國(guó)0.06個(gè)百分點(diǎn)。從持續(xù)時(shí)間來看，大多數(shù)國(guó)家在36個(gè)月后趨于水平，但韓國(guó)、日本、墨西哥在16個(gè)月已趨于水平。從實(shí)證結(jié)果可以可得，美國(guó)的金融壓力沖擊對(duì)西方國(guó)家的影響總體要大于對(duì)東方國(guó)家的影響，而在東方國(guó)家的當(dāng)中，對(duì)日本的影響尤為突出。即一國(guó)金融壓力的溢出效應(yīng)，對(duì)地理位置更近和對(duì)經(jīng)濟(jì)往來密切的國(guó)家的影響更大。

（2）中國(guó)金融壓力沖擊對(duì)各國(guó)金融壓力的影響

從脈沖響應(yīng)結(jié)果圖中可以看出，中國(guó)金融壓力沖擊對(duì)其他各國(guó)金融壓力的影響迅速，但影響時(shí)間較短。除澳大利亞在16個(gè)月時(shí)達(dá)到金融壓力最大值，其他各個(gè)國(guó)家均在4個(gè)月內(nèi)達(dá)到了最大值，影響時(shí)間除德國(guó)在28個(gè)月內(nèi)趨于水平其他國(guó)家均在16個(gè)月內(nèi)趨于水平。從

影響程度來說，影響最大的是中國(guó)達(dá)到2.57個(gè)百分點(diǎn)，影響最大的是奧地利和加拿大，分別為0.19和0.17個(gè)百分點(diǎn)。將中國(guó)金融壓力的溢出效應(yīng)與美國(guó)金融壓力的溢出效應(yīng)的對(duì)比中可以看出，中美兩國(guó)均為經(jīng)濟(jì)大國(guó)，而作為發(fā)達(dá)國(guó)家的美國(guó)的金融壓力的溢出效應(yīng)明顯更強(qiáng)并且持續(xù)時(shí)間更久。

三、結(jié)論

從以上的分析中總體可知如下的結(jié)論：第一，金融壓力指數(shù)與金融系統(tǒng)性風(fēng)險(xiǎn)變化趨勢(shì)非常吻合，系統(tǒng)性風(fēng)險(xiǎn)越高金融壓力指數(shù)越大；第二，金融壓力會(huì)通過溢出效應(yīng)傳遞到其他國(guó)家，并且具有區(qū)域性，相距越近的國(guó)家，金融壓力傳遞更快，影響更大；第三，發(fā)達(dá)國(guó)家金融壓力的沖擊對(duì)其他國(guó)家金融壓力的影響比發(fā)展中國(guó)家金融壓力沖擊對(duì)其他國(guó)家的影響要更大，更持久。

［1］ Frankie Chau ， Rataporn Deesomsak. Does linkage fuel the fire？ The transmission of financial stress across the markets［M］. International Review of Financial Analysis，2014（36）：57-70.

［2］George Apostolakis， Athanasios P. Papadopoulos. Financial stress spillovers in advanced economies［M］. Journal of International Financial Markets， Institutions & Money，2014（32）.

［3］ Jonas Dovern， Bj?rn van Roye. International transmission and business-cycle effects offinancial stress［M］. Journal of Financial Stability，2014（13）：1-17.

［4］李良松.構(gòu)建中國(guó)金融壓力指數(shù)探析［J］.上海金融，2011（8）.

［5］賴娟、呂江林.基于金融壓力指數(shù)的金融系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度.統(tǒng)計(jì)與決策［J］.2010（19）.

［6］鄭桂環(huán).金融壓力指數(shù)的構(gòu)建及應(yīng)用［J］.金融發(fā)展，2014（8）.

［7］董凱.金融系統(tǒng)性風(fēng)險(xiǎn)的國(guó)際傳遞及其影響［M］.吉林大學(xué)，2015.

［8］鄭川輝.外部金融壓力沖擊對(duì)中國(guó)宏觀經(jīng)濟(jì)的影響——基于GVAR的分析［M］.華僑大學(xué)（2015）