多維經(jīng)濟(jì)空間下金融機(jī)構(gòu)股票收益的空間溢出效應(yīng)及風(fēng)險(xiǎn)評(píng)價(jià)分析

陳少煒 郭 隆

（西安財(cái)經(jīng)大學(xué)，陜西 西安 710100）

一、引言

2008 年金融危機(jī)爆發(fā)之后，全球經(jīng)濟(jì)進(jìn)入了長(zhǎng)達(dá)多年的低增長(zhǎng)時(shí)期，迫使各國政府愈加重視系統(tǒng)性金融風(fēng)險(xiǎn)。在近年一系列“黑天鵝”事件的影響下，中國未來經(jīng)濟(jì)形勢(shì)日益復(fù)雜，中共中央政治局會(huì)議指出，防范化解金融風(fēng)險(xiǎn)，守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)的底線。

在此背景下，中國金融業(yè)發(fā)展速度逐步加快，金融開放程度不斷加深，但隨著大量資金流入金融市場(chǎng)，泛金融化趨勢(shì)也逐漸顯現(xiàn)，各金融機(jī)構(gòu)與實(shí)體經(jīng)濟(jì)之間的聯(lián)系越發(fā)復(fù)雜。與此同時(shí)，金融風(fēng)險(xiǎn)在傳染過程中已經(jīng)表現(xiàn)出跨區(qū)域、跨市場(chǎng)、跨行業(yè)的多維空間效應(yīng)，且電子交易的廣泛應(yīng)用使傳統(tǒng)的物理距離難以有效測(cè)度金融機(jī)構(gòu)間的空間特性。因此，構(gòu)建包含不同類型金融機(jī)構(gòu)的多維經(jīng)濟(jì)空間，以分析我國金融機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出效應(yīng)，并對(duì)風(fēng)險(xiǎn)的溢出程度進(jìn)行有效度量，對(duì)我國金融監(jiān)管部門防范系統(tǒng)性金融風(fēng)險(xiǎn)、增強(qiáng)金融監(jiān)管能力，具有相當(dāng)重要的現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

空間計(jì)量經(jīng)濟(jì)學(xué)在經(jīng)濟(jì)地理學(xué)、區(qū)域經(jīng)濟(jì)學(xué)中得到廣泛應(yīng)用，而不同個(gè)體間的空間效應(yīng)則是學(xué)者們最感興趣的地方。合理的空間權(quán)重矩陣是分析空間溢出效應(yīng)的基礎(chǔ)，Kelejian &Prucha（2010）通過構(gòu)建多維空間權(quán)重矩陣，發(fā)現(xiàn)其可以從不同維度捕捉空間單元的連續(xù)性。Kou et al.（2017）采用美國1995 年至2009 年的Case &Shiller 房?jī)r(jià)指數(shù)，構(gòu)建基于地理距離和經(jīng)濟(jì)距離的空間權(quán)重矩陣，發(fā)現(xiàn)美國20 個(gè)城市房?jī)r(jià)的潛在差異。

隨著空間效應(yīng)在金融市場(chǎng)中的不斷增強(qiáng)，國內(nèi)外學(xué)者開始嘗試?yán)每臻g計(jì)量經(jīng)濟(jì)學(xué)研究金融領(lǐng)域相關(guān) 問 題。Eckel &Maurer（2011）、Baldacci et al.（2013）利用空間計(jì)量方法研究各國金融市場(chǎng)，發(fā)現(xiàn)在不同金融市場(chǎng)中股票、債券等金融工具收益率的相關(guān)性與地理位置相關(guān)。唐松（2014）采用中國31個(gè)省份2001—2012 年的數(shù)據(jù)構(gòu)建空間計(jì)量模型，發(fā)現(xiàn)中國金融資源配置與區(qū)域經(jīng)濟(jì)增長(zhǎng)的空間溢出效應(yīng)在東、中、西部存在差異。李立等（2017）采用全球36 個(gè)經(jīng)濟(jì)體的重要股票指數(shù)，構(gòu)建空間計(jì)量經(jīng)濟(jì)復(fù)雜網(wǎng)絡(luò)層次模型，發(fā)現(xiàn)多維經(jīng)濟(jì)空間可以有效捕捉金融市場(chǎng)中存在的空間效應(yīng)。夏越（2019）基于不同空間矩陣，實(shí)證分析金融杠桿對(duì)我國各地區(qū)系統(tǒng)性金融風(fēng)險(xiǎn)的影響，發(fā)現(xiàn)金融杠桿與系統(tǒng)性風(fēng)險(xiǎn)呈現(xiàn)“U”型關(guān)系，各種空間權(quán)重矩陣下，金融杠桿對(duì)系統(tǒng)性風(fēng)險(xiǎn)均呈現(xiàn)負(fù)向直接效應(yīng)。武耀華等（2021）采用內(nèi)生增長(zhǎng)模型對(duì)我國285個(gè)地級(jí)市的11年數(shù)據(jù)進(jìn)行實(shí)證研究，將全國分為四個(gè)區(qū)域展開空間計(jì)量，發(fā)現(xiàn)金融集聚是影響區(qū)域經(jīng)濟(jì)發(fā)展的重要因素。

不同經(jīng)濟(jì)個(gè)體間存在的空間效應(yīng)會(huì)導(dǎo)致風(fēng)險(xiǎn)在金融市場(chǎng)中的傳染和累積，當(dāng)其累積到一定程度會(huì)引發(fā)系統(tǒng)性風(fēng)險(xiǎn)，最后便可能導(dǎo)致金融危機(jī)的爆發(fā)（潘德春和曾建新，2022）。目前國內(nèi)學(xué)者對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的研究主要集中在以下三個(gè)方面。第一，期望損失方法（Expected Shortfall，ES）。該方法最早由Acharya et al.（2010）提出，由于其在測(cè)度個(gè)體風(fēng)險(xiǎn)值上的局限性，進(jìn)一步提出邊際期望損失（Marginal Expected Shortfall，MES）方法測(cè)度單個(gè)金融機(jī)構(gòu)對(duì)整個(gè)系統(tǒng)的期望損失。第二，條件在險(xiǎn)價(jià)值。Adrian &Brunnermeier（2008）基于在險(xiǎn)價(jià)值（Value at Risk，VaR）提出條件在險(xiǎn)價(jià)值（Conditional Value at Risk，CoVaR），用以計(jì)算當(dāng)其他個(gè)體處于一定置信水平下的風(fēng)險(xiǎn)狀態(tài)時(shí)，某一個(gè)體對(duì)整個(gè)系統(tǒng)的風(fēng)險(xiǎn)貢獻(xiàn)值。第三，網(wǎng)絡(luò)分析方法。網(wǎng)絡(luò)分析作為一種跨學(xué)科的研究工具，其側(cè)重點(diǎn)在于通過刻畫風(fēng)險(xiǎn)的傳染過程以及傳播方向構(gòu)建網(wǎng)絡(luò)模型，網(wǎng)絡(luò)特征值可精確地反映個(gè)體的系統(tǒng)重要性。目前國內(nèi)學(xué)者已經(jīng)采用上述方法對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的研究做出了很多貢獻(xiàn)，楊子暉等（2018）綜合運(yùn)用VaR、CoVaR、ΔCoVaR和MES四種風(fēng)險(xiǎn)測(cè)度方法，分析我國56 家上市金融機(jī)構(gòu)和房地產(chǎn)公司的系統(tǒng)性金融風(fēng)險(xiǎn)，發(fā)現(xiàn)四種風(fēng)險(xiǎn)測(cè)度指標(biāo)均能準(zhǔn)確識(shí)別我國金融部門風(fēng)險(xiǎn)聚集的尾部事件。宮曉莉等（2020）通過方差分解方法構(gòu)建我國上市金融機(jī)構(gòu)信息溢出網(wǎng)絡(luò)模型，并從多個(gè)方面測(cè)度系統(tǒng)性風(fēng)險(xiǎn)外溢因子的驅(qū)動(dòng)因素。方意等（2021）采用雙重ΔCoVaR測(cè)度我國房地產(chǎn)市場(chǎng)對(duì)銀行業(yè)的系統(tǒng)風(fēng)險(xiǎn)溢出程度，發(fā)現(xiàn)房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)的上漲會(huì)同時(shí)造成銀行業(yè)以及銀行個(gè)體的系統(tǒng)性風(fēng)險(xiǎn)，但會(huì)降低銀行間關(guān)聯(lián)性的風(fēng)險(xiǎn)。楊子暉等（2022）等基于多元非線性Granger因果檢驗(yàn)和“去一法”構(gòu)建多重合成網(wǎng)絡(luò)，發(fā)現(xiàn)合成網(wǎng)絡(luò)能有效識(shí)別重大風(fēng)險(xiǎn)事件，在高風(fēng)險(xiǎn)時(shí)期，尾部風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)具有較高的優(yōu)越性。

綜上可知，國內(nèi)外學(xué)者主要通過構(gòu)建空間權(quán)重矩陣來研究國際金融市場(chǎng)的空間效應(yīng)，并對(duì)其風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行測(cè)度；以空間計(jì)量經(jīng)濟(jì)學(xué)分析空間效應(yīng)進(jìn)而探討金融因素對(duì)區(qū)域經(jīng)濟(jì)的影響；對(duì)空間溢出效應(yīng)引起的系統(tǒng)性金融風(fēng)險(xiǎn)則主要通過CoVaR、MES和網(wǎng)絡(luò)分析方法進(jìn)行度量。少有研究從空間權(quán)重矩陣的角度分析我國金融機(jī)構(gòu)間的空間效應(yīng)，并進(jìn)一步在金融機(jī)構(gòu)的風(fēng)險(xiǎn)度量中加入空間因素。

由于金融機(jī)構(gòu)間的信息溢出已經(jīng)表現(xiàn)出跨市場(chǎng)、跨地區(qū)、跨行業(yè)的多維空間效應(yīng)，在此綜合考慮金融機(jī)構(gòu)間的地理距離和空間相關(guān)指數(shù)，定義廣義經(jīng)濟(jì)距離和引力空間權(quán)重矩陣。通過空間計(jì)量復(fù)雜網(wǎng)絡(luò)自回歸面板模型分別測(cè)度基于自身相關(guān)性、區(qū)域行政相關(guān)性、區(qū)域空間相關(guān)性的多維空間效應(yīng)，將空間效應(yīng)納入金融機(jī)構(gòu)的風(fēng)險(xiǎn)評(píng)估可以有效測(cè)度我國金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)，對(duì)測(cè)度我國各個(gè)行業(yè)、部門和機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)以及制定宏觀經(jīng)濟(jì)政策具有一定的借鑒意義。

三、研究方法

由于金融風(fēng)險(xiǎn)對(duì)不同地區(qū)、不同規(guī)模以及不同市場(chǎng)的金融機(jī)構(gòu)的沖擊具有異質(zhì)性。因此，首先將區(qū)域物理距離和金融機(jī)構(gòu)間相關(guān)性指標(biāo)相結(jié)合，以區(qū)域空間引力效應(yīng)理論為基礎(chǔ)，構(gòu)建廣義多維經(jīng)濟(jì)空間，以捕捉金融風(fēng)險(xiǎn)跨區(qū)域、跨市場(chǎng)的多維空間效應(yīng)；在此基礎(chǔ)上，采用多維經(jīng)濟(jì)空間回歸模型進(jìn)行滾動(dòng)窗口回歸分析，考察不同類型引力空間權(quán)重矩陣對(duì)應(yīng)的空間相關(guān)系數(shù)的時(shí)變性特征；最后，將多維經(jīng)濟(jì)空間回歸模型估計(jì)出的協(xié)方差矩陣、樣本協(xié)方差矩陣以及單因素模型估計(jì)的協(xié)方差矩陣分別代入在險(xiǎn)價(jià)值（Value at Risk，VaR）的預(yù)測(cè)分析中，探討引入空間效應(yīng)對(duì)風(fēng)險(xiǎn)度量精度的提升效果。

（一）多維經(jīng)濟(jì)空間

1.廣義經(jīng)濟(jì)測(cè)度距離。結(jié)合區(qū)域物理距離和金融機(jī)構(gòu)的市場(chǎng)相關(guān)性指標(biāo)來定義的廣義經(jīng)濟(jì)測(cè)度距離可有效刻畫金融市場(chǎng)間的相關(guān)性。借鑒李立等（2015）的研究，將廣義經(jīng)濟(jì)測(cè)度距離的應(yīng)用推廣到金融機(jī)構(gòu)方面，金融機(jī)構(gòu)i和金融機(jī)構(gòu)j之間的廣義經(jīng)濟(jì)測(cè)度距離可以通過公式（1）來計(jì)算：

公式（1）中，di,j∈[ 0,1 ]且表示金融機(jī)構(gòu)i和金融機(jī)構(gòu)j之間的相對(duì)物理距離；而表示金融機(jī)構(gòu)兩空間單元之間的地表物理距離，空間單元所在地區(qū)經(jīng)緯度為坐標(biāo)端點(diǎn)，可以通過公式（2）來計(jì)算：

其中，radius表示地球半徑，long和lat分別表示空間單元i和j之間的經(jīng)度和緯度。選取各金融機(jī)構(gòu)注冊(cè)地址的經(jīng)緯度作為坐標(biāo)端點(diǎn)，利用R軟件計(jì)算各金融機(jī)構(gòu)間的物理距離。

公式（1）中，Ri,j表示金融機(jī)構(gòu)i和金融機(jī)構(gòu)j之間對(duì)數(shù)收益率的相關(guān)性指標(biāo)。由于在金融領(lǐng)域的研究過程中經(jīng)常存在尾部相關(guān)特性，尾部相關(guān)性反映了金融市場(chǎng)中股票收益率具有非線性有偏、下尾相依等特性，而t-copula 函數(shù)能夠?qū)鹑谑袌?chǎng)尾部相關(guān)性進(jìn)行刻畫，且包含兩個(gè)時(shí)變相依參數(shù)ρ和v，能夠反映金融資產(chǎn)的條件時(shí)變相關(guān)性。因此，使用t-copula 函數(shù)來度量金融機(jī)構(gòu)之間對(duì)數(shù)收益率的市場(chǎng)相關(guān)性，其定義如公式（3）和公式（4）所示：

根據(jù)定義及推導(dǎo)過程，可以發(fā)現(xiàn)廣義經(jīng)濟(jì)測(cè)度距離具有以下測(cè)度性質(zhì)：

（1）當(dāng)Ri,j∈[ ]-1,1 時(shí)，廣義經(jīng)濟(jì)測(cè)度距離Di,j由相關(guān)系數(shù)Ri,j和物理距離di,j共同決定，Ri,j越大，di,j越小時(shí)，廣義經(jīng)濟(jì)測(cè)度距離Di,j越小；

（2）當(dāng)金融機(jī)構(gòu)i與金融機(jī)構(gòu)j完全不相關(guān)，即Ri,j=0時(shí)，di,j=1，廣義經(jīng)濟(jì)測(cè)度距離Di,j取得最大值1；

（3）當(dāng)金融機(jī)構(gòu)i與金融機(jī)構(gòu)j完全正相關(guān)，即Ri,j=1時(shí)，di,j=0，廣義經(jīng)濟(jì)測(cè)度距離Di,j取得最小值0。

2.引力空間權(quán)重矩陣。根據(jù)已定義的廣義經(jīng)濟(jì)測(cè)度距離，從多維角度出發(fā)，引入?yún)^(qū)域經(jīng)濟(jì)的空間引力效應(yīng)，結(jié)合地理區(qū)域權(quán)重和經(jīng)濟(jì)狀態(tài)權(quán)重指標(biāo)，進(jìn)而構(gòu)建引力空間權(quán)重矩陣（W）。其對(duì)角元素均為0，非對(duì)角元素可以通過公式（6）計(jì)算：

其中，ci,j為控制變量，在建立不同空間計(jì)量模型的過程中，根據(jù)研究金融領(lǐng)域不同問題，ci,j可設(shè)置為不同的經(jīng)濟(jì)指標(biāo)，表示不同的經(jīng)濟(jì)意義。Di,j表示金融機(jī)構(gòu)i與金融機(jī)構(gòu)j之間的廣義經(jīng)濟(jì)測(cè)度距離，mi表示第i（i=1，2，…，N）個(gè)金融機(jī)構(gòu)的市場(chǎng)價(jià)值在所有金融機(jī)構(gòu)市場(chǎng)價(jià)值總和中的占比。

借鑒Arnold et al.（2013）、Zhang et al.（2019）的研究假設(shè)，在此將金融機(jī)構(gòu)間的空間效應(yīng)聚焦于三個(gè)方面，設(shè)控制變量ci,j等于1，進(jìn)而得到三類空間權(quán)重矩陣。

（1）基于金融市場(chǎng)本身的金融機(jī)構(gòu)之間一般空間相關(guān)性的引力空間權(quán)重矩陣，用Wgene表示。對(duì)角元素wi,i=0，非對(duì)角元素wi,j=ci,j mimj。

（2）基于政治行政關(guān)系的引力空間權(quán)重矩陣，用Wp表示。當(dāng)兩家金融機(jī)構(gòu)屬于同一行政區(qū)時(shí)，設(shè)Di,j=0，當(dāng)兩家金融機(jī)構(gòu)不屬于同一行政區(qū)時(shí)，設(shè)Di,j=1；對(duì)角元素wi,i=0，非對(duì)角元素wi,j=。

（3）基于金融機(jī)構(gòu)跨區(qū)域地理位置空間相關(guān)性的引力空間權(quán)重矩陣，用Warea表示。對(duì)角元素wi,i=0，非對(duì)角元素wi,j=。

通過定義的廣義經(jīng)濟(jì)測(cè)度距離以及引力空間權(quán)重矩陣，構(gòu)建廣義經(jīng)濟(jì)多維空間，進(jìn)而捕捉跨區(qū)域、跨市場(chǎng)的多維空間效應(yīng)。在此基礎(chǔ)上，通過估計(jì)空間計(jì)量回歸模型以檢驗(yàn)多維空間溢出效應(yīng)是否存在。

（二）多維經(jīng)濟(jì)空間回歸模型

在廣義多維經(jīng)濟(jì)空間下，假設(shè)在多維經(jīng)濟(jì)空間中有N個(gè)空間單元（即N家上市金融機(jī)構(gòu)），進(jìn)而建立上市金融機(jī)構(gòu)股票收益的多維經(jīng)濟(jì)空間回歸面板模型，具體形式如下：

其中，i=1，2，…，N；t=1，2，…，T；yi,t表示金融機(jī)構(gòu)i在時(shí)間t上的日收益率，yj,t表示關(guān)聯(lián)金融機(jī)構(gòu)j在時(shí)間t上的日收益率；μi表示金融機(jī)構(gòu)的單位個(gè)體效應(yīng)，( *=gene,P,area)表示與金融機(jī)構(gòu)i直接聯(lián)系的權(quán)重之和，wij,t表示金融機(jī)構(gòu)i和金融機(jī)構(gòu)j之間的空間權(quán)重；ρgene、ρP與ρa(bǔ)rea分別表示一般市場(chǎng)、區(qū)域行政組織以及跨區(qū)域的空間相關(guān)系數(shù)；εi,t表示隨機(jī)誤差項(xiàng)且εi,t～N( 0,σ2IN)。進(jìn)一步寫為矩陣形式：

其中，Yt是一個(gè)N×1 向量，表示N個(gè)單位的日對(duì)數(shù)收益率；Wgene、WP與Warea分別表示一般市場(chǎng)、區(qū)域行政組織以及跨區(qū)域的空間權(quán)重矩陣。這一模型可以看作是空間自回歸面板模型，表明金融機(jī)構(gòu)的日收益率受到三部分空間溢出效應(yīng)的影響，即一般市場(chǎng)的股票加權(quán)回報(bào)（ρgeneWgene）、區(qū)域行政組織的股票加權(quán)回報(bào)（ρPWP）以及跨區(qū)域的股票加權(quán)回報(bào)（ρa(bǔ)reaWarea）。

在模型估計(jì)之前，選擇協(xié)方差函數(shù)對(duì)普通面板OLS估計(jì)結(jié)果進(jìn)行Hausman穩(wěn)健性檢驗(yàn)，結(jié)果顯示應(yīng)選擇固定效應(yīng)模型。同時(shí)構(gòu)建空間誤差模型，并根據(jù)Elhorst（2014）提出的最大似然方法對(duì)模型進(jìn)行估計(jì)。

模型假設(shè)條件包括以下三點(diǎn)：

（三）股票收益的風(fēng)險(xiǎn)評(píng)價(jià)

在此借鑒Arnold et al.（2013）的思路，通過比較在險(xiǎn)價(jià)值（Value at Risk，VaR）預(yù)測(cè)值的準(zhǔn)確性來研究空間方法對(duì)股票收益模型的效用，將公式（9）中的未知參數(shù)替換為它們的估計(jì)值，進(jìn)而得到股票收益協(xié)方差矩陣V的估計(jì)值。該估計(jì)值可與V的替代估計(jì)值進(jìn)行比較，在此考慮V的兩個(gè)備選估計(jì)值：

樣本協(xié)方差矩陣：

基于單因素模型估計(jì)的協(xié)方差矩陣：

三個(gè)模型均提出了不同的投資組合權(quán)重向量，以最小化投資組合方差。最小權(quán)重可以通過來計(jì)算，其中τ表示由1組成的向量，這提供了最小方差投資組合權(quán)重以及相應(yīng)投資組合方差的估計(jì)值。那么，在α水平下對(duì)應(yīng)的高斯VaR可以寫為：，其中uα是標(biāo)準(zhǔn)正態(tài)分布的α分位數(shù)。在此，基于空間方法得到的VaR用S-VaR來表示。

四、實(shí)證分析及結(jié)果

（一）數(shù)據(jù)及描述性統(tǒng)計(jì)

在此剔除上市過晚的金融機(jī)構(gòu)，共選擇44 家中國上市金融機(jī)構(gòu)的日收盤價(jià)作為數(shù)據(jù)樣本，包含銀行、證券、投資集團(tuán)等多種類金融機(jī)構(gòu)，數(shù)據(jù)來源于Wind數(shù)據(jù)庫。時(shí)間窗口從2005年1月4日到2020年12月24日，整個(gè)樣本期涵蓋了盡可能多的市場(chǎng)條件，如牛市、熊市以及恢復(fù)期，具有較好的研究代表性?？紤]到上市金融公司存在停牌的情況，公司停牌期間的收盤價(jià)使用其停牌前最后一天的收盤價(jià)。由于篇幅所限，表1 只給出了6 家銀行、6 家證券公司及6 家多元金融機(jī)構(gòu)的描述性統(tǒng)計(jì)。在此，使用公式Ri,t=log(Pi,t)-log(Pi,t-1)計(jì)算各上市金融公司的連續(xù)對(duì)數(shù)收益率，其中，Pi,t表示公司i在時(shí)間t的收盤價(jià)；Pi,t-1表示公司i在時(shí)間t-1的收盤價(jià)。

從表1的描述性統(tǒng)計(jì)結(jié)果中可以看出，樣本中大約四分之三的金融機(jī)構(gòu)的平均日收益率為正，而平均日收益率為負(fù)的金融機(jī)構(gòu)大多為金融投資集團(tuán)類型。從標(biāo)準(zhǔn)差來看，證券類金融機(jī)構(gòu)收益率的標(biāo)準(zhǔn)差高于其他類型的金融機(jī)構(gòu)，而銀行類金融機(jī)構(gòu)收益率的標(biāo)準(zhǔn)差則整體較低。這是因?yàn)樽C券公司通常投資于股票、債券等高風(fēng)險(xiǎn)金融產(chǎn)品并采用相對(duì)積極的投資策略，而銀行的業(yè)務(wù)較為傳統(tǒng)且大多采用穩(wěn)健的投資策略。與此同時(shí)，發(fā)現(xiàn)除了幾家證券公司之外，幾乎所有金融機(jī)構(gòu)的收益率序列均呈現(xiàn)負(fù)偏態(tài)；且除了兩家金融投資公司之外，所有金融機(jī)構(gòu)的峰度值均大于3，最大值甚至高達(dá)880.08673。這說明如金融危機(jī)類的外部沖擊對(duì)這些金融機(jī)構(gòu)會(huì)產(chǎn)生顯著影響，且它們的股票收益率呈現(xiàn)不正常的尖峰分布。此外，通過JB 統(tǒng)計(jì)量可以看出，所有金融機(jī)構(gòu)的收益率序列均服從高斯分布。

表1 主要上市金融公司收益率序列的描述性統(tǒng)計(jì)

（二）多維空間效應(yīng)檢驗(yàn)

在進(jìn)行多維空間回歸估計(jì)之前，需要進(jìn)一步檢驗(yàn)上市金融公司的股票回報(bào)率是否存在空間效應(yīng)，并檢查新構(gòu)建的引力空間權(quán)重矩陣的合理性和適用性。在空間計(jì)量經(jīng)濟(jì)學(xué)中，空間相關(guān)性衡量指標(biāo)主要包括全局Moran’s I 指數(shù)、全局G 系數(shù)，Geary C 系數(shù)、LMlag、LMerro 以及Join-count statistic 等。其中，經(jīng)典全局Moran’s I 指數(shù)僅適用于橫截面空間計(jì)量模型，對(duì)空間計(jì)量面板模型不再有效。在此對(duì)經(jīng)典全局Moran’s I 指數(shù)模型中的空間權(quán)重矩陣進(jìn)行分塊化運(yùn)算：K=IT?W，其中K為NT×NT的分塊對(duì)角矩陣，IT為T階單位矩陣，W為N階空間權(quán)重矩陣，?表示Kronecker 乘積。改進(jìn)后的全局Moran's I可以擴(kuò)展到對(duì)面板數(shù)據(jù)的空間效應(yīng)檢驗(yàn)，具體計(jì)算如下式所示：

其中，xi為區(qū)域i的屬性值，ki,j為空間單元i和j的關(guān)聯(lián)程度，即分塊空間權(quán)重矩陣中的元素全局Moran's I指數(shù)值越趨近于-1，區(qū)域負(fù)相關(guān)性越強(qiáng)；值越趨近于1，則正相關(guān)性越強(qiáng)；等于0則不相關(guān)。

Geary C 是空間自相關(guān)檢驗(yàn)常見的另一個(gè)指標(biāo)，它強(qiáng)調(diào)觀測(cè)值之間的分散性。Geary C的取值范圍在0到2之間，如果值大于1，表明存在負(fù)相關(guān)；如果值等于1，表明沒有相關(guān)性；如果值小于1，則表明存在正相關(guān)。此外，Anselin（1988）提出關(guān)于空間相關(guān)性的LM 檢驗(yàn)（LMlag 與LMerro 檢驗(yàn)），比較LM 空間滯后項(xiàng)、LM 空間誤差項(xiàng)的顯著性水平。采用一個(gè)非空間面板模型進(jìn)行OLS 回歸分析，然后對(duì)估計(jì)結(jié)果進(jìn)行LM 檢驗(yàn)。LM 檢驗(yàn)的原假設(shè)為殘差間不存在空間相關(guān)性。在此，本文選取全局Moran’s I 指數(shù)、Geary C指數(shù)、LMlag以及LMerro指標(biāo)對(duì)金融公司的股票回報(bào)率進(jìn)行空間效應(yīng)檢驗(yàn)，由于樣本期內(nèi)金融機(jī)構(gòu)日收益率的時(shí)間維度過大，故計(jì)算月收益率序列分塊對(duì)角矩陣K（NT×NT），其中N=44，T=192。

從表2的檢驗(yàn)結(jié)果中可以發(fā)現(xiàn)：三類空間權(quán)重矩陣均存在顯著的空間效應(yīng)。Moran’s I指數(shù)值均大于0，且全部通過了Z（I）的顯著性檢驗(yàn)，Geary C 檢驗(yàn)結(jié)果均小于1，基于Wgene、WP以及Warea的Moran’s I 及Geary C 檢驗(yàn)結(jié)果均在1%的水平下統(tǒng)計(jì)顯著。這表明上市金融公司股票回報(bào)率存在顯著的多維空間效應(yīng)，且為區(qū)域正相關(guān)。三類空間權(quán)重矩陣均存在顯著的空間滯后效應(yīng)和空間誤差效應(yīng)，所以分別進(jìn)行空間滯后模型（SAR）與空間誤差模型（SEM）的回歸估計(jì)。相比較而言，基于區(qū)域行政組織關(guān)系的空間相關(guān)性最??；基于一般市場(chǎng)與跨區(qū)域的空間相關(guān)性差異不大。然而，LM穩(wěn)健性檢驗(yàn)的結(jié)果顯示，基于跨區(qū)域的引力空間權(quán)重矩陣（Warea）的空間效應(yīng)優(yōu)于其他兩類空間權(quán)重矩陣。

表2 空間效應(yīng)檢驗(yàn)結(jié)果

（三）多維空間回歸模型估計(jì)結(jié)果

根據(jù)Elhorst（2014）提出的最大似然方法，對(duì)空間權(quán)重矩陣W進(jìn)行標(biāo)準(zhǔn)化處理，然后分別對(duì)模型進(jìn)行SAR 和SEM 固定效應(yīng)模型回歸分析。根據(jù)LM 穩(wěn)健性檢驗(yàn)結(jié)果，使用基于跨區(qū)域的引力空間權(quán)重矩陣（Warea）作為空間權(quán)重矩陣進(jìn)行回歸分析。采用250個(gè)交易日的滾動(dòng)窗口對(duì)相關(guān)參數(shù)ρgene、ρP與ρa(bǔ)rea進(jìn)行估計(jì)，結(jié)果如圖1所示。

圖1 SAR與SEM模型估計(jì)系數(shù)（滾動(dòng)窗口=250）

從圖1中可以發(fā)現(xiàn)，SAR和SEM固定效應(yīng)模型的空間估計(jì)系數(shù)ρgene、ρP與ρa(bǔ)rea的變化趨勢(shì)基本一致，表明金融機(jī)構(gòu)收益率間的空間相關(guān)性具有時(shí)變性特征。具體來看，基于一般市場(chǎng)的空間相關(guān)系數(shù)ρgene與基于區(qū)域行政組織的空間相關(guān)系數(shù)ρP基本上始終為正，表明存在正的區(qū)域相關(guān)性；而基于跨區(qū)域的空間相關(guān)系數(shù)ρa(bǔ)rea則始終為負(fù)，表明存在負(fù)的區(qū)域相關(guān)性。對(duì)于ρgene而言，金融資產(chǎn)的逐利性導(dǎo)致金融機(jī)構(gòu)通常會(huì)聚焦于高收益行業(yè)，而金融資產(chǎn)的當(dāng)期收益通常與其前期市場(chǎng)表現(xiàn)密切相關(guān)，因此基于一般市場(chǎng)相關(guān)性的空間系數(shù)為正，存在正向的空間溢出；對(duì)于ρP而言，由于同一行政區(qū)內(nèi)的金融機(jī)構(gòu)會(huì)受到相同的區(qū)域政策影響，且機(jī)構(gòu)間業(yè)務(wù)關(guān)聯(lián)的可能性和緊密度也越高，進(jìn)而產(chǎn)生正的空間效應(yīng)；對(duì)于ρa(bǔ)rea而言，金融機(jī)構(gòu)間物理空間距離越大，業(yè)務(wù)關(guān)聯(lián)可能性越小，相互投資與債權(quán)債務(wù)等金融聯(lián)系越弱，因而存在負(fù)的空間效應(yīng)

（四）基于S-VaR的風(fēng)險(xiǎn)度量

根據(jù)前述方法，把44 家上市金融機(jī)構(gòu)的股票收益率視為股票資產(chǎn)組合，各金融機(jī)構(gòu)的股票作為投資組合成分股。根據(jù)廣義多維S-VaR模型，計(jì)算在不同標(biāo)準(zhǔn)正態(tài)分位數(shù)α 下股票資產(chǎn)組合日度收益VaR 預(yù)測(cè)值，設(shè)定α∈（0，0.05］，將日度股票資產(chǎn)組合收益VaR預(yù)測(cè)值與下一日資產(chǎn)實(shí)際組合收益進(jìn)行比較，在所有觀測(cè)值范圍內(nèi)，當(dāng)股票資產(chǎn)組合實(shí)際收益小于VaR 預(yù)測(cè)值的概率越接近α，則構(gòu)建的VaR 模型的預(yù)測(cè)值越精確。在250 個(gè)交易日的滾動(dòng)窗口中計(jì)算得到三種模型協(xié)方差矩陣的估計(jì)值以及，進(jìn)而構(gòu)建三種VaR 模型，計(jì)算三種股票組合收益的VaR 風(fēng)險(xiǎn)預(yù)測(cè)值，即基于空間方法的S-VaR、基于樣本協(xié)方差矩陣的VaR以及基于單因素模型的VaR。

圖2給出了α∈（0，0.05）的風(fēng)險(xiǎn)度量結(jié)果，橫軸表示標(biāo)準(zhǔn)正態(tài)分位數(shù)α的值，縱軸表示下一日股票組合實(shí)際收益小于當(dāng)日VaR 預(yù)測(cè)值的概率?；跇颖緟f(xié)方差矩陣和單因素模型所計(jì)算出預(yù)測(cè)值的有效性高度擬合，并且α∈（0，0.01）內(nèi)與S-VaR 的預(yù)測(cè)值相交，即在α 接近于0 的時(shí)候前兩者的預(yù)測(cè)值比S-VaR 有效，但更多情況下S-VaR 比前兩者更加有效，由此可以發(fā)現(xiàn)通過引入空間效應(yīng)得出的S-VaR 對(duì)金融風(fēng)險(xiǎn)的評(píng)估更加精確。

圖2 不同VaR的風(fēng)險(xiǎn)度量結(jié)果

五、結(jié)論

本文通過選取我國2005 年上市的44 家金融機(jī)構(gòu)，以其2005 年1 月4 日至2020 年12 月24 日的日收盤價(jià)作為研究樣本，綜合空間相關(guān)指數(shù)和物理距離構(gòu)建基于一般市場(chǎng)相關(guān)性、區(qū)域行政組織相關(guān)性、跨區(qū)域相關(guān)性三種空間權(quán)重矩陣，采用多維經(jīng)濟(jì)空間回歸模型，以滾動(dòng)窗口對(duì)金融機(jī)構(gòu)間存在的空間效應(yīng)進(jìn)行估計(jì)，再把空間效應(yīng)引入風(fēng)險(xiǎn)評(píng)價(jià)模型，測(cè)度我國金融市場(chǎng)中存在的空間在險(xiǎn)價(jià)值（S-VaR），進(jìn)而得出以下結(jié)論：

第一，我國金融市場(chǎng)中各金融機(jī)構(gòu)間存在顯著的空間溢出效應(yīng)，但是綜合比較三種空間效應(yīng)，基于跨區(qū)域的空間效應(yīng)優(yōu)于其他兩類空間效應(yīng)。

第二，基于三種空間效應(yīng)所測(cè)算出的空間相關(guān)系數(shù)有所不同。基于一般市場(chǎng)和區(qū)域行政組織的空間相關(guān)系數(shù)始終為正，但其原因卻有所不同。前者的原因與金融資產(chǎn)的逐利性密切相關(guān)，首先金融資產(chǎn)的逐利性導(dǎo)致金融機(jī)構(gòu)在高收益行業(yè)聚集，其次金融資產(chǎn)的當(dāng)期收益率與其前期市場(chǎng)表現(xiàn)相關(guān)；后者則是因?yàn)橥恍姓^(qū)內(nèi)的金融機(jī)構(gòu)會(huì)受到相同的區(qū)域政策影響，造成機(jī)構(gòu)間業(yè)務(wù)關(guān)聯(lián)的可能性和緊密度也越高?；诳鐓^(qū)域的空間相關(guān)系數(shù)ρa(bǔ)rea始終為負(fù)，其原因在于金融機(jī)構(gòu)間物理空間距離越大，業(yè)務(wù)關(guān)聯(lián)可能性越小，相互投資與債權(quán)債務(wù)等金融聯(lián)系越弱，因而存在負(fù)的空間效應(yīng)。

第三，通過引入空間效應(yīng)計(jì)算得到空間在險(xiǎn)價(jià)值（S-VaR），將其與基于樣本協(xié)方差矩陣和單因素模型計(jì)算出的VaR預(yù)測(cè)值進(jìn)行比較，發(fā)現(xiàn)在廣義多維經(jīng)濟(jì)空間下建立的S-VaR提高了風(fēng)險(xiǎn)度量精度，可以更精準(zhǔn)地刻畫由我國上市金融機(jī)構(gòu)組成的多維經(jīng)濟(jì)空間的金融風(fēng)險(xiǎn)水平。

結(jié)合上述研究結(jié)論，在金融風(fēng)險(xiǎn)防范方面提出以下政策建議：第一，形成科學(xué)有效的金融風(fēng)險(xiǎn)測(cè)度方法。金融風(fēng)險(xiǎn)的傳染表現(xiàn)出顯著的空間性，在風(fēng)險(xiǎn)測(cè)度時(shí)應(yīng)考慮加入空間參數(shù)，使用更加有效的金融風(fēng)險(xiǎn)測(cè)度指標(biāo)，進(jìn)而為金融監(jiān)管提供更為準(zhǔn)確的風(fēng)險(xiǎn)測(cè)量結(jié)果。第二，構(gòu)建金融風(fēng)險(xiǎn)的行業(yè)及區(qū)域協(xié)同防范機(jī)制。金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染存在跨行業(yè)、跨地區(qū)、跨市場(chǎng)的多維空間溢出效應(yīng)，因此金融監(jiān)管部門需考慮金融風(fēng)險(xiǎn)的行業(yè)及區(qū)域協(xié)同防范機(jī)制，努力切斷風(fēng)險(xiǎn)的跨行業(yè)、跨區(qū)域傳染。第三，重點(diǎn)防范行政區(qū)域范圍內(nèi)金融風(fēng)險(xiǎn)的快速傳播。金融風(fēng)險(xiǎn)的多維空間溢出效應(yīng)結(jié)果顯示，跨市場(chǎng)、跨行政區(qū)域的風(fēng)險(xiǎn)溢出顯著為正。因此當(dāng)金融市場(chǎng)出現(xiàn)異常波動(dòng)時(shí)，地方監(jiān)管部門需對(duì)本行政區(qū)域內(nèi)聯(lián)系密切的金融機(jī)構(gòu)加強(qiáng)風(fēng)險(xiǎn)管理和引導(dǎo)，防止金融風(fēng)險(xiǎn)在區(qū)域內(nèi)傳染累積，進(jìn)而阻止金融風(fēng)險(xiǎn)外溢。