互聯(lián)網(wǎng)金融業(yè)對傳統(tǒng)金融業(yè)風(fēng)險溢出效應(yīng)研究

馬理 彭承亮 何啟志 文忠橋

(1.武漢大學(xué)經(jīng)濟與管理學(xué)院，湖北 武漢 430072；2.安徽財經(jīng)大學(xué)金融學(xué)院，安徽 蚌埠 233030)

引言

隨著科技浪潮的興起，以信息技術(shù)為載體的行業(yè)模式悄然到來。在金融領(lǐng)域中，互聯(lián)網(wǎng)金融模式的誕生即為典型事例。國內(nèi)的互聯(lián)網(wǎng)金融業(yè)于2005年后開始萌芽，在2013年開始高速發(fā)展，其中以第三方支付、P2P網(wǎng)絡(luò)借貸、眾籌等為主要代表模式，這主要歸因于互聯(lián)網(wǎng)的高度普及、投融資需求迫切以及自由寬松的內(nèi)部環(huán)境?；ヂ?lián)網(wǎng)金融以其服務(wù)的高效性和便捷性為主要特征，推動了普惠金融體系的發(fā)展，并且引領(lǐng)傳統(tǒng)金融業(yè)的變革。誠然，互聯(lián)網(wǎng)金融也在優(yōu)化資源配置、提高金融效率等層面發(fā)揮著積極的功效，但是自身也面臨著亂象叢生的局面，行業(yè)運營的規(guī)范性較差、高收益難以持續(xù)維繼等問題開始凸顯，互聯(lián)網(wǎng)金融業(yè)的風(fēng)險逐漸暴露。2015年，諸如日金寶、大大集團等大量互聯(lián)網(wǎng)金融理財平臺風(fēng)險爆發(fā)，據(jù)中國社科院統(tǒng)計，截止2016年年底，累計停業(yè)和問題平臺已高達3429家?；ヂ?lián)網(wǎng)金融平臺停業(yè)、倒閉和集資跑路等事件屢見不鮮，部分投資者可能面臨著嚴(yán)重的損失。在整治和防范互聯(lián)網(wǎng)金融風(fēng)險層面，相關(guān)文件陸續(xù)出臺。2015年7月，央行等十部委發(fā)布的《關(guān)于促進互聯(lián)網(wǎng)金融健康發(fā)展的指導(dǎo)意見》；2016年10月，互聯(lián)網(wǎng)金融被寫入“十三五”規(guī)劃綱要；2017年6月，央行等17部門聯(lián)合發(fā)布了《關(guān)于進一步做好互聯(lián)網(wǎng)金融風(fēng)險專項整治清理整頓工作的通知》；2018年3月，健全互聯(lián)網(wǎng)金融監(jiān)管已納入政府工作報告中。由此可見，互聯(lián)網(wǎng)金融風(fēng)險管控是政府和監(jiān)管當(dāng)局的一項重要工作。

當(dāng)下，互聯(lián)網(wǎng)金融業(yè)務(wù)總量不可忽視，由于互聯(lián)網(wǎng)金融業(yè)與傳統(tǒng)金融業(yè)存在著內(nèi)在的關(guān)聯(lián)性，當(dāng)其大規(guī)模地發(fā)生了極端風(fēng)險事件時，其對于傳統(tǒng)金融業(yè)的風(fēng)險溢出效應(yīng)有多大？隨時間變化呈現(xiàn)出如何特征？對于證券業(yè)、銀行業(yè)和保險業(yè)有何差異？這對于互聯(lián)網(wǎng)金融風(fēng)險管控有何指導(dǎo)意義？本文從互聯(lián)網(wǎng)金融業(yè)自身風(fēng)險出發(fā)，著重關(guān)注互聯(lián)網(wǎng)金融業(yè)的風(fēng)險溢出效應(yīng)，對于防范由于互聯(lián)網(wǎng)金融業(yè)風(fēng)險溢出而引發(fā)的多米洛骨牌效應(yīng)，抵制系統(tǒng)性金融風(fēng)險的發(fā)生也具有重要的啟示意義，并試圖定量研究互聯(lián)網(wǎng)金融業(yè)的對銀行業(yè)、證券業(yè)、保險業(yè)風(fēng)險溢出效應(yīng)，進而為互聯(lián)網(wǎng)金融風(fēng)險溢出效應(yīng)防范提供相關(guān)對策建議。

文獻綜述

科技進步可以為金融機構(gòu)帶來市場競爭中的信息優(yōu)勢(Agarwal和Hauswald，2010)[2]，互聯(lián)網(wǎng)金融技術(shù)受到傳統(tǒng)金融機構(gòu)青睞。傳統(tǒng)金融業(yè)(如銀行業(yè))應(yīng)用互聯(lián)網(wǎng)金融能夠為客戶帶來便利、降低經(jīng)營成本并拓展?jié)撛诳蛻?Raza和Hanif，2013)[7]。但是，互聯(lián)網(wǎng)金融亦可能對傳統(tǒng)金融機構(gòu)的風(fēng)險產(chǎn)生一定程度影響，在互聯(lián)網(wǎng)金融風(fēng)險層面主要集中于國內(nèi)學(xué)者的研究。郭品和沈悅(2015)[13]基于“文本挖掘法”研究了互聯(lián)網(wǎng)金融對商業(yè)銀行的風(fēng)險承擔(dān)的影響，結(jié)果表現(xiàn)為先降后升，并且小型商業(yè)銀行面對互聯(lián)網(wǎng)金融的沖擊更為敏感。劉笑彤和楊德勇(2017)[17]基于銀行并購重組選擇視角研究表明不同規(guī)模的商業(yè)銀行的并購重組對于互聯(lián)網(wǎng)金融技術(shù)溢出的吸收存在差異性，并購重組對大銀行的技術(shù)溢出吸收具有促進作用，對中小型銀行具有抑制作用。顧海峰和楊立翔(2018)[12]利用中資銀行數(shù)據(jù)研究表明銀行資本充足率決定互聯(lián)網(wǎng)金融風(fēng)險沖擊感知程度，資本充足率越高則風(fēng)險感知程度越強，互聯(lián)網(wǎng)金融總體加劇了銀行風(fēng)險。戰(zhàn)明華等(2018)[20]利用一般均衡模型，分析了互聯(lián)網(wǎng)金融對貨幣政策銀行信貸渠道的影響，結(jié)果表明互聯(lián)網(wǎng)金融通過家庭、銀行和企業(yè)決策弱化了貨幣政策銀行信貸傳導(dǎo)渠道。何啟志和彭明生(2017)[14]基于SVAR模型研究表明互聯(lián)網(wǎng)金融發(fā)展對于股票市場具有正向沖擊，互聯(lián)網(wǎng)金融資金流向了股票市場，助推了股票市場虛假繁榮。譚媛媛和孫蓉(2018)[19]研究表明基于互聯(lián)網(wǎng)銷售模式的保險產(chǎn)品加劇了保險契約的不完全性，造成了保險業(yè)的經(jīng)營風(fēng)險增大。

在風(fēng)險定量刻畫上，條件風(fēng)險值(CoVaR)逐漸成為國內(nèi)學(xué)者們廣泛使用的度量指標(biāo)，其測算方法也多種多樣。在Adrian和Brunnermeier(2008)[1]最初提出CoVaR時，就給予了分位數(shù)回歸的測度方法。López-Espinosa等(2012)[6]利用該法將CoVaR技術(shù)應(yīng)用于銀行業(yè)風(fēng)險溢出效應(yīng)研究；高國華和潘英麗(2011)[9]運用此法研究不同商業(yè)銀行對于銀行業(yè)風(fēng)險的貢獻度。其次，還有學(xué)者利用GARCH類模型的方法測度CoVaR，如Girardi和Ergun(2010)[3]利用GARCH-EVT的方法測度不同類型的金融機構(gòu)對系統(tǒng)性金融風(fēng)險的貢獻度；劉向麗和顧舒婷(2014)[15]利用AR-GARCH方法測度了房地產(chǎn)市場對于金融系統(tǒng)的風(fēng)險溢出效應(yīng)。此外，還有學(xué)者利用Copula方法計算CoVaR，如劉曉星，段斌和謝福座(2011)[16]通過EVT-Copula模型的數(shù)值方法計算美國股票市場對其他國家的股票市場的風(fēng)險溢出效應(yīng)；Hakwa等(2015)[5]基于Adrian和Brunnermeier(2008)[1]提出的CoVaR，給予了Copula-CoVaR解析計算方法。

從已有的研究文獻來看，互聯(lián)網(wǎng)金融風(fēng)險研究的成果較為豐富。但是，多數(shù)文獻研究互聯(lián)網(wǎng)金融對于商業(yè)銀行的風(fēng)險溢出，對于其他金融機構(gòu)的風(fēng)險溢出研究相對較少；也鮮有文獻細致分析互聯(lián)網(wǎng)金融風(fēng)險溢出效應(yīng)動態(tài)變化特征；在風(fēng)險度量層面也少有文獻考慮極端風(fēng)險狀況的溢出效應(yīng)。本文研究選題考慮互聯(lián)網(wǎng)金融業(yè)極端風(fēng)險狀況下對于銀行業(yè)、證券業(yè)和保險業(yè)的風(fēng)險溢出程度和動態(tài)特征，CoVaR正是考慮到風(fēng)險關(guān)聯(lián)情形下的極端風(fēng)險度量指標(biāo)，△CoVaR即為風(fēng)險溢出效應(yīng)度量指標(biāo)，適用于本文的分析。

實際中，往往使用行業(yè)收益率序列計算CoVaR，考慮到收益率序列波動存在的條件異方差性和非對稱性，可以選擇EGARCH模型提取標(biāo)準(zhǔn)化新息，同時，為了更為精確度量收益率序列的分布，采用極值理論(EVT)中的閾值模型(POT)度量收益率的尾部分布(茍紅軍等，2015)[11]，考慮到不同收益率序列間可能存在非線性關(guān)系，采用Copula函數(shù)作為連接不同行業(yè)收益率的函數(shù)，為了更為精確地計算CoVaR，采用Hakwa等(2015)[5]給出的基于Copula函數(shù)計算CoVaR的解析方法。故而，構(gòu)建EGARCH-POT-Copula-CoVaR模型來研究互聯(lián)網(wǎng)金融業(yè)的風(fēng)險溢出效應(yīng)。

互聯(lián)網(wǎng)金融業(yè)風(fēng)險溢出效應(yīng)的內(nèi)在邏輯

互聯(lián)網(wǎng)金融業(yè)雖屬于新興的行業(yè)，但其仍然逃脫不了金融的本質(zhì)，并且與傳統(tǒng)金融業(yè)在技術(shù)、資金、業(yè)務(wù)等之間存在關(guān)聯(lián)性，聯(lián)系也日益緊密。當(dāng)非理性的互聯(lián)網(wǎng)投資者較多、互聯(lián)網(wǎng)金融平臺內(nèi)部管理不當(dāng)以及外部監(jiān)管政策的不明確時，互聯(lián)網(wǎng)金融業(yè)可能會發(fā)生風(fēng)險，在一定程度也會通過技術(shù)、資金、業(yè)務(wù)等渠道擴散傳染到傳統(tǒng)金融業(yè)。

一、互聯(lián)網(wǎng)金融業(yè)與銀行業(yè)的關(guān)聯(lián)性與風(fēng)險溢出

對于銀行業(yè)而言，互聯(lián)網(wǎng)金融業(yè)，諸如各類“寶寶類”理財、P2P網(wǎng)貸等最直接的沖擊就是分流銀行客戶存款和加重銀行資金成本，直接加劇銀行經(jīng)營風(fēng)險。盡管如此，互聯(lián)網(wǎng)金融會激發(fā)商業(yè)銀行的學(xué)習(xí)效應(yīng)(陳藝云，2017)[8]，銀行業(yè)與互聯(lián)網(wǎng)金融通過優(yōu)勢互補而加強合作。主要體現(xiàn)在：第一，技術(shù)層面上，互聯(lián)網(wǎng)金融技術(shù)尤其是大數(shù)據(jù)分析對于商業(yè)銀行風(fēng)險管理有著重要的應(yīng)用價值，商業(yè)銀行也逐漸借鑒和使用互聯(lián)網(wǎng)金融的相關(guān)技術(shù)手段，使得互聯(lián)網(wǎng)金融客戶信息共享成為了可能；第二，資金管理層面上，互聯(lián)網(wǎng)金融的資金管理與商業(yè)銀行聯(lián)系緊密，根據(jù)相關(guān)規(guī)定要求，互聯(lián)網(wǎng)金融公司需實現(xiàn)第三方資金存管，除了第三方支付公司存管外，更多的互聯(lián)網(wǎng)金融公司選擇商業(yè)銀行存管，因為在一定程度上可以借助銀行的公信力為平臺增信；第三，業(yè)務(wù)層面上，商業(yè)銀行不斷發(fā)展表外業(yè)務(wù)，積極搭建自身的網(wǎng)上商城，同時也利用互聯(lián)網(wǎng)金融平臺的線上營銷優(yōu)勢，拓寬理財產(chǎn)品的銷售渠道。所以，當(dāng)互聯(lián)網(wǎng)金融在技術(shù)、流動性和信用等層面發(fā)生風(fēng)險會在一定程度上傳染至商業(yè)銀行，例如大數(shù)據(jù)分析技術(shù)存在漏洞造成風(fēng)險管控不嚴(yán)、平臺擠兌一定程度上也會加劇商業(yè)銀行的流動性風(fēng)險、互聯(lián)網(wǎng)金融平臺跑路對于有業(yè)務(wù)合作的上銀行會直接面臨損失。

二、互聯(lián)網(wǎng)金融業(yè)與證券業(yè)的關(guān)聯(lián)性與風(fēng)險溢出

互聯(lián)網(wǎng)金融與證券公司在具有解決企業(yè)融資問題的功能，只不過前者偏向于服務(wù)于小微企業(yè)，而后者偏向于服務(wù)于大、中型企業(yè)，盡管在業(yè)務(wù)上分工明確，但仍然具有密切聯(lián)系。主要體現(xiàn)在：第一，技術(shù)層面上，互聯(lián)網(wǎng)技術(shù)對于實現(xiàn)海量客戶數(shù)據(jù)挖掘、降低信息搜尋成本具有重要的意義。證券公司也積極對接互聯(lián)網(wǎng)金融的客戶群，對于經(jīng)紀(jì)業(yè)務(wù)、資產(chǎn)管理業(yè)務(wù)的不斷發(fā)展也具有重要的推動作用。第二，資金流向?qū)用?，證券市場尤其是股票市場是互聯(lián)網(wǎng)金融客戶資金重要流向，例如互聯(lián)網(wǎng)金融理財中的投資標(biāo)的中一籃子股票占有重要的比重，以維持互聯(lián)網(wǎng)金融理財較高的收益率，互聯(lián)網(wǎng)金融借貸中的借款人資金流向也可能部分流入股票市場，更有甚者互聯(lián)網(wǎng)金融平臺可能是股票市場場外配資的重要場所。第三，業(yè)務(wù)層面上，券商開始積極發(fā)展網(wǎng)絡(luò)證券業(yè)務(wù)，例如經(jīng)紀(jì)、資管、信息咨詢、IPO等相關(guān)業(yè)務(wù)網(wǎng)絡(luò)化，降低人工成本，打破物理空間格局的限制，實現(xiàn)“有形”市場到“無形”市場的轉(zhuǎn)變(龔映清，2013)[10]。此外，券商理財業(yè)務(wù)也通過互聯(lián)網(wǎng)金融平臺搭建銷售橋梁。所以，當(dāng)互聯(lián)網(wǎng)金融發(fā)生風(fēng)險，會減少券商的客戶流量，加之，互聯(lián)網(wǎng)金融板塊本身可能是一熱門投資板塊，對券商的經(jīng)紀(jì)業(yè)務(wù)有著一定程度的影響。此外，由于互聯(lián)網(wǎng)金融資金可能較大規(guī)模流向股票市場，當(dāng)互聯(lián)網(wǎng)金融風(fēng)險會傳染至股票市場，一定程度上會對券商的經(jīng)營和發(fā)展造成沖擊。同時，理財?shù)葮I(yè)務(wù)間的聯(lián)系也可能會加劇券商面臨的風(fēng)險。

三、互聯(lián)網(wǎng)金融業(yè)與保險業(yè)的關(guān)聯(lián)性與風(fēng)險溢出

由于保險行業(yè)的前期發(fā)展存在的一些問題以及投資者心理因素使得保險行業(yè)在國內(nèi)業(yè)務(wù)拓展具有一定程度的壓力，保險行業(yè)某種程度上更急切地于互聯(lián)網(wǎng)金融合作。主要表現(xiàn)在：第一，技術(shù)層面上，保險業(yè)對于被保險人的風(fēng)險管控有更為嚴(yán)格的要求。保險公司可以借助于互聯(lián)網(wǎng)金融大數(shù)據(jù)技術(shù)分析，精準(zhǔn)定位客戶需求，推送相關(guān)產(chǎn)品。同時，利用結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)對客戶風(fēng)險進行準(zhǔn)確評估。第二，資金流向?qū)用妫ヂ?lián)網(wǎng)金融理財投資標(biāo)的中資產(chǎn)配置也涉及一些中低風(fēng)險的保險產(chǎn)品以保障基本收益。同時，多數(shù)互聯(lián)網(wǎng)金融平臺本身也是保險公司的客戶，平臺運用部分自有資金為客戶投保，保障客戶資金安全。第三，業(yè)務(wù)層面，互聯(lián)網(wǎng)金融平臺已經(jīng)成為了保險公司平臺銷售的重要渠道，互聯(lián)網(wǎng)金融的客戶信息資源可以很好地與保險公司實現(xiàn)對接。此外，保險公司也根據(jù)互聯(lián)網(wǎng)金融平臺的客戶需求，積極開發(fā)新產(chǎn)品。所以，當(dāng)互聯(lián)網(wǎng)金融發(fā)生風(fēng)險，會增加保險公司對客戶資金損失的賠付，增加保險公司的風(fēng)險管控難度，也會降低保險產(chǎn)品銷售收益，嚴(yán)重的情形下，保險公司可能直接面臨破產(chǎn)的風(fēng)險。

圖1 互聯(lián)網(wǎng)金融風(fēng)險溢出機理圖

CoVaR與測算模型

一、風(fēng)險溢出測度指標(biāo)CoVaR

在金融風(fēng)險管理中，VaR作為一項重要的評價指標(biāo)，廣泛的應(yīng)用于銀行業(yè)乃至整個金融業(yè)。然而，VaR在其風(fēng)險測度層面也存在著一定缺陷，其沒有考慮金融風(fēng)險之間的關(guān)聯(lián)性。金融機構(gòu)以及金融市場等之間的風(fēng)險可能會相互傳染，出現(xiàn)多米諾骨牌效應(yīng)，從而可能加劇金融危機的爆發(fā)。Adrian和Brunnermeier(2008)[1]提出ΔVaRCoVaR用來度量金融機構(gòu)或金融市場等之間的風(fēng)險溢出效應(yīng)。本文將其應(yīng)用到金融子行業(yè)間的風(fēng)險溢出效應(yīng)分析。在某一金融子行業(yè)(這里記為b)出現(xiàn)極端風(fēng)險時(置信水平為1-q)，另一金融子行業(yè)(這里記為a)所面臨的風(fēng)險水平為(本文也將其置信水平設(shè)定為1-q)，則其定義式如下：

通過某種模型或方法(本文構(gòu)建EGARCH-POT-Copula-CoVaR模型)可算得同時定義風(fēng)險溢出值：

同時，為了對比風(fēng)險溢出效應(yīng)的差異，對風(fēng)險溢出值做標(biāo)準(zhǔn)化處理，溢出比例為：

二、EGARCH-POT-Copula-CoVaR模型測算步驟

1.利用EGARCH研究收益率序列rt的波動特征，其并且得到標(biāo)準(zhǔn)化的新息序列zt，同時預(yù)測條件標(biāo)準(zhǔn)差，方程形式設(shè)定如下：

c、a0、a1、a2、γ為待估參數(shù)，ht為條件方差，γ為檢驗波動的非對稱效應(yīng)的系數(shù)，若γ≠0顯著，即證明波動的非對稱效應(yīng)，當(dāng)γ＞0，說明市場中“壞消息”較之“好消息”對收益率波動影響更為強烈，即為“杠桿效應(yīng)”。

2.利用基于POT模型分布函數(shù)F(z)擬合序列zt的分布，其中，左右尾采用廣義帕累托分布(GPD)擬合，中間部分采用經(jīng)驗分布函數(shù)，形式如下：

其中，ul、ur分別為是左側(cè)和右側(cè)閾值，、表示超左側(cè)閾值和超右側(cè)閾值的樣本個數(shù)，其中nz表示樣本總個數(shù)。βl、βr分別為左尾和右尾GPD分布的尺度參數(shù)，ξl、ξz分別為左尾和右尾GPD分布形狀參數(shù)。Φ(z)為經(jīng)驗分布函數(shù)。

根據(jù)分布函數(shù)F(z)，得VaRzq的估算式：

4.利用Copula函數(shù)求解CoVaR

Hakwa(2011)[24]有如下的證明結(jié)果：

其中C(ua,ub)為Copula函數(shù)，g(ua,ub)為Copula函數(shù)對ub的偏導(dǎo)數(shù)，并將(9)式結(jié)果記為q。則：

Hakwa等(2015)[20]給予了常見的幾種Copula函數(shù)(Gauss、t、Clayton、Frank和Gumbel)的CoVaR的計算結(jié)果，如t-Copula下的CoVaR的計算公式為：

其中，tv(·)表示自由度為v的學(xué)生t分布的分布函數(shù)，ρ、v分別為t-Copula函數(shù)的參數(shù)。其證明方法可以參閱其文獻，這里不再贅述。此外，可得到原收益率序列的時變和如下：

基于(12)和(13)式結(jié)果，再根據(jù)(2)和(3)式，可計算出時變風(fēng)險溢出值和溢出比例。

互聯(lián)網(wǎng)金融業(yè)風(fēng)險溢出效應(yīng)研究

一、指標(biāo)選取與數(shù)據(jù)描述

目前很難找到能完全刻畫互聯(lián)網(wǎng)金融業(yè)狀況的指標(biāo)，現(xiàn)有研究成果主要以單一的P2P網(wǎng)貸指數(shù)、支付指數(shù)或者眾籌指數(shù)來代表互聯(lián)網(wǎng)金融行業(yè)，其存在一定的缺陷。本文選取同花順互聯(lián)網(wǎng)金融板塊指數(shù)作為互聯(lián)網(wǎng)金融業(yè)的市場狀況指標(biāo)，其成分股主要由125家上市企業(yè)構(gòu)成，涵蓋金融平臺、金融應(yīng)用、眾籌和征信等類型。銀行業(yè)、證券業(yè)和保險業(yè)選取情況申萬三級行業(yè)指數(shù)，其中銀行指數(shù)成分主要由國內(nèi)26家商業(yè)銀行構(gòu)成；證券指數(shù)成分主要由國內(nèi)的33家券商構(gòu)成；保險指數(shù)成分主要由6家國內(nèi)保險公司及從事保險業(yè)務(wù)的公司構(gòu)成(上述指數(shù)成分股數(shù)在不同時期內(nèi)可能有所調(diào)整)。數(shù)據(jù)為工作日數(shù)據(jù)，時間跨度2012年7月2日～2017年12月29日，剔除個別日缺失數(shù)據(jù)后，四種指標(biāo)均含有1341個樣本。上述數(shù)據(jù)均來源于同花順iFinD數(shù)據(jù)庫。對于上述四種指標(biāo)，計算每日對數(shù)收益率：

表1 變量描述性統(tǒng)計

圖2 四種行業(yè)日收益率波動時序圖

本文中的rn,t，rb,t，rs,t，ri,t分別表示根據(jù)上式計算的互聯(lián)網(wǎng)金融業(yè)、銀行業(yè)、證券業(yè)和保險業(yè)的對數(shù)收益率，其描述性統(tǒng)計結(jié)果如表1所示，波動時序圖如圖2所示。

從表1來看，互聯(lián)網(wǎng)金融業(yè)的平均收益率較之其他行業(yè)相對較高，同時其波動幅度較大。從圖2觀察數(shù)據(jù)的動態(tài)特征，發(fā)現(xiàn)四種收益率序列均波動均表現(xiàn)出“叢集性”，并且在2014年10月～2016年5月尤為明顯，這也反映行業(yè)之間的內(nèi)在關(guān)聯(lián)性。此外，從已有的事實來看，互聯(lián)網(wǎng)金融業(yè)和證券業(yè)均經(jīng)歷了迅速發(fā)展至迅速回落，二者之間的風(fēng)險關(guān)聯(lián)性可能更強?；ヂ?lián)網(wǎng)金融高收益吸收的客戶資金可能大量流入股票市場，推動股票市場的短期繁榮。其次，由于互聯(lián)網(wǎng)金融與銀行業(yè)和保險業(yè)的內(nèi)在關(guān)聯(lián)性，可能也會導(dǎo)致一定程度的風(fēng)險溢出效應(yīng)。同時，可以看出四種收益率均不服從正態(tài)分布，在分布特征度量上，本文采用一種更為精確的方法，即左右尾采用廣義帕累托(GPD)，中間部分采用經(jīng)驗分布函數(shù)擬合，這樣有助于提高VaR和CoVaR的計算精度。

表2 不同收益率序列的EGARCH(1,1)估計結(jié)果

二、行業(yè)及市場收益率波動研究

從上述數(shù)據(jù)特征觀察可知，行業(yè)收益率波動均存在“叢集性”特征，同時為了檢驗波動是否存在“非對稱性”，使用EGARCH(1,1)模型。經(jīng)檢驗，四種收益率序列均為平穩(wěn)性序列。這里，均值方程設(shè)定為(4)式形式，方差方程設(shè)定為(5)式形式，估計結(jié)果如表2所示?？梢钥闯觯旱谝唬琣1和a2均大于0，四種行業(yè)的收益率波動均表現(xiàn)為叢集性和持久性；第二，關(guān)于非對稱效應(yīng)的檢驗，四種行業(yè)表現(xiàn)出差異性。銀行業(yè)和保險業(yè)表現(xiàn)出的杠桿效應(yīng)較為明顯，即行業(yè)收益率波動受不利因素影響的程度更大，一種可能的原因：銀行業(yè)和保險業(yè)運作相對穩(wěn)健，對于正面積極的消息反應(yīng)并不如負面消息強烈?；ヂ?lián)網(wǎng)金融業(yè)和證券行業(yè)杠桿效應(yīng)并不顯著，一種可能的解釋：互聯(lián)網(wǎng)金融受外部消息影響大，對于政策開放包容、行情看好時的積極擴張與風(fēng)險頻發(fā)、監(jiān)管強壓下的迅速收縮反應(yīng)程度同等強烈；證券業(yè)對低迷后的復(fù)蘇及繁榮后的衰退可能存在同等程度的過度反應(yīng)。這使得收益率波動沒有呈現(xiàn)出顯著的非對稱性。這也與所選時間段的互聯(lián)網(wǎng)金融及股票市場前后行情變化也相對吻合。此外，基于EGARCH模型提取標(biāo)準(zhǔn)化殘差序列，雙尾在采用GPD分布擬合時，閾值選取按照樣本總數(shù)10%的方法確定，GPD分布參數(shù)結(jié)果估計和標(biāo)準(zhǔn)化殘差分布擬合圖如表3和圖3所示。

表3 不同收益率標(biāo)準(zhǔn)化殘差序列的閾值選取及參數(shù)估計

圖3 四種行業(yè)標(biāo)準(zhǔn)化殘差分布擬合圖

三、互聯(lián)網(wǎng)金融業(yè)與傳統(tǒng)金融業(yè)的關(guān)聯(lián)度度量——基于Copula函數(shù)

基于常見的五種Copula函數(shù)作為zn,t和zb,t、zs,t、zi,t的連接函數(shù)，并估計出相關(guān)參數(shù)，結(jié)果如表4所示。同時，根據(jù)估計結(jié)果的對數(shù)似然值最大的原則，三組序列均選擇t-Copula函數(shù)作為最優(yōu)Copula函數(shù)。這也與其他學(xué)者使用t-Copula函數(shù)不謀而合(馬亞明和宋羚娜，2017)[18]。從t-Copula函數(shù)的線性相關(guān)系數(shù)來看，從t-Copula中的相關(guān)系數(shù)參數(shù)數(shù)值來看，銀行業(yè)、保險業(yè)收益率與互聯(lián)網(wǎng)金融業(yè)收益率的相關(guān)性遠不如證券業(yè)和互聯(lián)網(wǎng)金融業(yè)的相關(guān)性?，F(xiàn)實中，互聯(lián)網(wǎng)金融是促進解決中小企業(yè)融資，還是助漲股票市場泡沫？這點值得深思。

四、互聯(lián)網(wǎng)金融風(fēng)險溢出效應(yīng)研究

1.VaR風(fēng)險測度

基于本文的標(biāo)準(zhǔn)化殘差的分布假設(shè)，可以計算四種標(biāo)準(zhǔn)化殘差序列的VaRzq。同時，計算出原收益率序列的時變VaRq,t，其描述統(tǒng)計特征如表5所示。從風(fēng)險值水平來看，在95%的置信水平下，互聯(lián)網(wǎng)金融業(yè)和證券業(yè)VaRq,t的平均水平較低，而且VaRq,t自身的波動較大；而銀行業(yè)和保險業(yè)VaRq,t的平均水平相對較高，而且VaRq,t自身的波動相對較小。同時，隨著置信水平的提高至99%，上述關(guān)系仍然成立。這意味著互聯(lián)網(wǎng)金融業(yè)和證券業(yè)自身蘊含著較高的風(fēng)險，行業(yè)起伏變化較大；相比較而言銀行業(yè)和保險業(yè)的自身風(fēng)險較小，行業(yè)運營較為穩(wěn)健。

表4 Copula函數(shù)參數(shù)估計結(jié)果

表5 四種行業(yè)收益率VaRq,t計算結(jié)果描述性統(tǒng)計

2.互聯(lián)網(wǎng)金融業(yè)的風(fēng)險溢出效應(yīng)計算結(jié)果

基于t-Copula函數(shù)，根據(jù)(11)式計算了標(biāo)準(zhǔn)化殘差序列下的CoVaRabq，同時計算原序列CoVaRabq,t。由于針對原收益率序列的溢出效應(yīng)計算是時變數(shù)據(jù)，所以，這里給出平均溢出效應(yīng)值和溢出比例值，結(jié)果如表6所示?？梢钥闯龌ヂ?lián)網(wǎng)金融業(yè)對于三個行業(yè)均存在一定的溢出效應(yīng)。第一，從平均溢出效應(yīng)絕對值來看，隨著置信水平的提高，溢出效應(yīng)的絕對值逐漸增大，證券業(yè)最大，保險業(yè)次之，銀行業(yè)最??；第二，從平均溢出比例值來看，在95%的置信水平下，互聯(lián)網(wǎng)金融對于證券業(yè)的平均溢出比例高達69.1%，對于保險業(yè)和銀行業(yè)的平均溢出比例達43.6%和34.3%。置信水平的提高并不必然導(dǎo)致平均溢出比例的增加，但是可以看出在平均溢出比例上，99%的置信水平下仍然是證券業(yè)最大、保險業(yè)次之、銀行業(yè)最小。由此可見，在平均量上觀測互聯(lián)網(wǎng)金融業(yè)的風(fēng)險溢出水平，互聯(lián)網(wǎng)金融業(yè)如果發(fā)生風(fēng)險，則對于證券行業(yè)的沖擊最強。盡管來說，在互聯(lián)網(wǎng)金融業(yè)迅猛發(fā)展時，其對于傳統(tǒng)銀行業(yè)收益率造成一定程度上的沖擊，在風(fēng)險的影響直覺上可能是超過證券業(yè)和保險業(yè)的。但是，當(dāng)互聯(lián)網(wǎng)金融發(fā)生風(fēng)險時，對于行業(yè)沖擊造成最大的卻是證券業(yè)，這與互聯(lián)網(wǎng)金融資金的運用有著一定的關(guān)系，互聯(lián)網(wǎng)資金流向大多集中于證券類資產(chǎn)以追求較高的收益率，而涉及銀行和保險類產(chǎn)品比例相對較小。加之，銀行業(yè)和保險業(yè)由于內(nèi)部風(fēng)險控制制度相對完善，行業(yè)運營相對穩(wěn)健，當(dāng)互聯(lián)網(wǎng)金融業(yè)發(fā)生風(fēng)險時，風(fēng)險傳染能夠在一定程度上被隔離。

表6 互聯(lián)網(wǎng)金融業(yè)平均風(fēng)險溢出效應(yīng)及溢出比例

圖4 互聯(lián)網(wǎng)金融風(fēng)險溢出效應(yīng)(ΔCoVaR)動態(tài)變化

圖5 互聯(lián)網(wǎng)金融風(fēng)險溢出比例(%CoVaR)動態(tài)變化

3.互聯(lián)網(wǎng)金融風(fēng)險溢出效應(yīng)動態(tài)特征研究

基于上述模型，計算出的互聯(lián)網(wǎng)金融業(yè)對于銀行業(yè)、證券業(yè)和保險業(yè)的時變溢出效應(yīng)大小和比例系數(shù)的動態(tài)變化圖如圖4和圖5所示?？梢园l(fā)現(xiàn)：第一，互聯(lián)網(wǎng)金融對于銀行、證券和保險業(yè)均存在明顯的風(fēng)險溢出效應(yīng)，且ΔCoVaR絕對值隨著時間而波動。同時可以發(fā)現(xiàn)，在互聯(lián)網(wǎng)金融風(fēng)險集中爆發(fā)的時間段內(nèi)，對于三個行業(yè)風(fēng)險溢出效應(yīng)均增大，如圖4中2015年1月～2016年1月時間段。第二，互聯(lián)網(wǎng)金融對于銀行業(yè)和保險業(yè)的溢出比例動態(tài)變化具有相似性，在一定程度上趨勢趨同；而對于證券業(yè)的溢出比例動態(tài)變化與銀行業(yè)和保險業(yè)卻呈現(xiàn)出差異性，甚至出現(xiàn)相反的變化趨勢。第三，從局部變化來看，在2015年1月～2016年1月的風(fēng)險高發(fā)期，對于銀行業(yè)和保險業(yè)而言，互聯(lián)網(wǎng)金融業(yè)對于二者沖擊程度位于歷史最低階段，而對于證券業(yè)的沖擊位于歷史最高階段，由此可見互聯(lián)網(wǎng)金融實際發(fā)生風(fēng)險時對三個行業(yè)作用強度存在差異性?，F(xiàn)實中，互聯(lián)網(wǎng)金融對于銀行業(yè)和保險業(yè)的風(fēng)險溢出程度可能被高估，對于證券業(yè)的風(fēng)險溢出程度可能被低估。第四，從與股市震蕩的關(guān)聯(lián)來看，在2015年1月～2016年1月，股票市場經(jīng)歷了迅速繁榮與迅速衰退，而此時互聯(lián)網(wǎng)金融業(yè)對于證券業(yè)的溢出比例也是最高時期。這從一定程度上可以反映互聯(lián)網(wǎng)金融可能是股票市場短期繁榮的助推器，互聯(lián)網(wǎng)金融平臺可能是股票市場場外配資和增加股市杠桿的重要利器；互聯(lián)網(wǎng)金融風(fēng)險集聚爆發(fā)也可能較大程度上導(dǎo)致股市風(fēng)險的爆發(fā)。所以，從監(jiān)管的角度來看，監(jiān)管當(dāng)局不僅需要關(guān)注互聯(lián)網(wǎng)金融平臺的資金存放、網(wǎng)絡(luò)技術(shù)安全、客戶權(quán)益保障等層面，還應(yīng)限制互聯(lián)網(wǎng)金融的資金流向，避免互聯(lián)網(wǎng)金融資金流向高風(fēng)險的投資領(lǐng)域而引發(fā)系統(tǒng)性金融風(fēng)險，引導(dǎo)流向真正資金短缺的實體經(jīng)濟，助力解決小微企業(yè)融資難問題。

結(jié)論與建議

本文從邏輯上分析了互聯(lián)網(wǎng)金融對于傳統(tǒng)金融業(yè)存在風(fēng)險溢出效應(yīng)，并通過建立EGARCH-POT-Copula-CoVaR模型進行實證研究。結(jié)果表明：第一，如果互聯(lián)網(wǎng)金融市場面臨極端風(fēng)險，其對于銀行業(yè)、證券業(yè)和保險業(yè)均存在明顯的風(fēng)險溢出效應(yīng)，平均溢出比例較高，并且平均溢出效應(yīng)和比例均是證券業(yè)最高、保險業(yè)次之、銀行業(yè)最?。坏诙?，在現(xiàn)實中的互聯(lián)網(wǎng)金融業(yè)風(fēng)險集中爆發(fā)的時間段內(nèi)，溢出效應(yīng)ΔCoVaR絕對值均增大，但是溢出比例%CoVaR卻呈現(xiàn)出差異性，其對于證券業(yè)溢出比例增大，而對于銀行業(yè)和保險業(yè)反而減??；第三，互聯(lián)網(wǎng)金融可能在一定程度上助漲了股票市場泡沫，監(jiān)管當(dāng)局需要嚴(yán)格防范互聯(lián)網(wǎng)金融風(fēng)險引發(fā)的股市危機。

在風(fēng)險溢出效應(yīng)管控層面，ΔCoVaR和%CoVaR可以作為一個重要的監(jiān)測指標(biāo)?，F(xiàn)實中，監(jiān)管當(dāng)局可能更加關(guān)注互聯(lián)網(wǎng)金融對于銀行業(yè)的沖擊，但實際對于證券業(yè)的沖擊可能更大。監(jiān)管當(dāng)局應(yīng)當(dāng)規(guī)范互聯(lián)網(wǎng)金融產(chǎn)品的投資領(lǐng)域，限制涉及股票等高風(fēng)險產(chǎn)品的投資比例，減少投機性資金進入證券業(yè)，降低資本市場杠桿率。互聯(lián)網(wǎng)金融平臺尤其是借貸平臺應(yīng)當(dāng)貸前核實借款人的資金用途，對于真實的生產(chǎn)經(jīng)營的資金需求應(yīng)當(dāng)優(yōu)先撮合交易，必要時事后做好盡職調(diào)查，杜絕投資者利用互聯(lián)網(wǎng)平臺進行股市場外配資。傳統(tǒng)金融業(yè)尤其是證券業(yè)在關(guān)注自身的風(fēng)險狀況，更要建立諸如互聯(lián)網(wǎng)金融業(yè)等外部風(fēng)險溢出的預(yù)警機制，監(jiān)測風(fēng)險溢出效應(yīng)的動態(tài)變化。傳統(tǒng)金融機構(gòu)與互聯(lián)網(wǎng)金融合作中，也要保持明確的界限，以減少技術(shù)、資金和業(yè)務(wù)渠道的風(fēng)險溢出。