金融業(yè)系統(tǒng)性風(fēng)險(xiǎn)溢出的非對(duì)稱性研究

周 亮， 李紅權(quán)

(1.湖南師范大學(xué) 商學(xué)院， 湖南 長(zhǎng)沙 410081;2.湖南財(cái)政經(jīng)濟(jì)學(xué)院 財(cái)政金融學(xué)院， 湖南 長(zhǎng)沙 410205)

一、問題的提出

金融體系由于其內(nèi)在脆弱性、復(fù)雜性和弱公共品性而天然具有的負(fù)外部性更易顯性化、擴(kuò)大化，甚至造成全球范圍內(nèi)的巨大沖擊，2007—2008 年美國(guó)次貸危機(jī)引發(fā)的全球金融危機(jī)即是例證。全球金融危機(jī)(作為系統(tǒng)性風(fēng)險(xiǎn)的一種實(shí)現(xiàn)形式)及其對(duì)實(shí)體經(jīng)濟(jì)的極大破壞性再次催生了學(xué)界、業(yè)界及監(jiān)管層對(duì)于系統(tǒng)性風(fēng)險(xiǎn)和宏觀審慎監(jiān)管的關(guān)注。雖然危機(jī)之后FSB(金融穩(wěn)定理事會(huì))、IMF(國(guó)際貨幣基金組織)、BIS(國(guó)際清算銀行)和BCBS(巴塞爾委員會(huì))等國(guó)際金融機(jī)構(gòu)相繼出臺(tái)并不斷深化了新的監(jiān)管規(guī)定，包括《巴塞爾協(xié)議Ⅲ》和對(duì)全球系統(tǒng)重要性銀行(GSIB)的評(píng)估方法和監(jiān)管意見。然而這些工作僅是個(gè)良好的開始，由于系統(tǒng)性風(fēng)險(xiǎn)的全局性、復(fù)雜性和挑戰(zhàn)性，更全面、深入的科學(xué)研究工作仍亟待開展。具體到我國(guó)，不僅面臨著國(guó)際政治經(jīng)濟(jì)不確定性和國(guó)內(nèi)經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型、經(jīng)濟(jì)增長(zhǎng)速度減緩的雙重宏觀壓力，同時(shí)影子銀行體系、金融創(chuàng)新帶來的高杠桿率、金融業(yè)務(wù)復(fù)雜化，以及房地產(chǎn)的資產(chǎn)泡沫壓力也都蘊(yùn)含著巨大的風(fēng)險(xiǎn)隱患和監(jiān)管難題，如何“守住不發(fā)生區(qū)域性系統(tǒng)性金融風(fēng)險(xiǎn)的底線”仍是一個(gè)巨大的挑戰(zhàn)。鑒于此，國(guó)際國(guó)內(nèi)學(xué)術(shù)界對(duì)于系統(tǒng)性風(fēng)險(xiǎn)問題越來越重視。

目前我國(guó)學(xué)者對(duì)金融系統(tǒng)性風(fēng)險(xiǎn)的整體溢出進(jìn)行了大量研究，但是鮮有文獻(xiàn)涉及非對(duì)稱性的分析。非對(duì)稱性指的是正向波動(dòng)和負(fù)向波動(dòng)溢出的差異性，正向波動(dòng)溢出會(huì)導(dǎo)致資產(chǎn)價(jià)格爭(zhēng)相上漲，刺激金融泡沫的擴(kuò)大從而形成金融風(fēng)險(xiǎn)的隱患；而負(fù)向波動(dòng)溢出則會(huì)導(dǎo)致資產(chǎn)價(jià)格的普跌，直接導(dǎo)致金融風(fēng)險(xiǎn)的爆發(fā)。如2015年股災(zāi)期間發(fā)生的多次千股跌停，不僅使投資人蒙受了極大損失，給金融監(jiān)管甚至整個(gè)金融系統(tǒng)的穩(wěn)定性都帶來了極大的破壞；而相應(yīng)的，股災(zāi)前的牛市階段各板塊爭(zhēng)相輪動(dòng)上漲，使得金融泡沫愈演愈烈，是股災(zāi)的直接原因，但是彼時(shí)的主要工作應(yīng)是加強(qiáng)監(jiān)管和投資者教育、及時(shí)建立金融防火墻，相對(duì)于股災(zāi)期間的四處救火，無疑成本更低、效果更好。因此研究金融風(fēng)險(xiǎn)溢出的非對(duì)稱性，可以為完善應(yīng)對(duì)金融風(fēng)險(xiǎn)的防范機(jī)制、科學(xué)制定宏觀調(diào)控政策和金融監(jiān)管措施、有效統(tǒng)籌“穩(wěn)增長(zhǎng)、防風(fēng)險(xiǎn)”的目標(biāo)提供有益的經(jīng)驗(yàn)支持和政策啟示。

二、文獻(xiàn)綜述

系統(tǒng)性風(fēng)險(xiǎn)是由于金融機(jī)構(gòu)間的相互關(guān)聯(lián)性導(dǎo)致?lián)p失和風(fēng)險(xiǎn)易于傳播[1]，從而某一重大的系統(tǒng)性事件導(dǎo)致多個(gè)金融機(jī)構(gòu)破產(chǎn)甚至金融體系崩潰的風(fēng)險(xiǎn)[2]。

(一)系統(tǒng)性金融風(fēng)險(xiǎn)的形成機(jī)制

由于系統(tǒng)性風(fēng)險(xiǎn)的復(fù)雜性，對(duì)于其形成機(jī)制的研究也是多視角的，主要包括風(fēng)險(xiǎn)放大機(jī)制、金融傳染機(jī)制以及內(nèi)生性風(fēng)險(xiǎn)控制機(jī)制等。導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)不斷累積到爆發(fā)的根本原因在于金融體系的順周期性，而國(guó)際資本流動(dòng)的突然減少及預(yù)期偏好逆轉(zhuǎn)是系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)的重要外部原因[3]。Brunnermeier[4]指出，負(fù)向沖擊引起的資產(chǎn)價(jià)格下跌由于負(fù)債交易的“損失螺旋效應(yīng)”和“保證金螺旋效應(yīng)”以及兩者之間的相互加強(qiáng)，會(huì)導(dǎo)致該機(jī)構(gòu)面臨嚴(yán)重的融資流動(dòng)性枯竭壓力，而市場(chǎng)流動(dòng)性的提供方(資金盈余者)出于預(yù)防性因素等原因“惜貸”，更會(huì)加重這一壓力導(dǎo)致負(fù)債機(jī)構(gòu)的破產(chǎn)危機(jī)。Glasserman & Young[5]指出，金融市場(chǎng)參與者之間有著復(fù)雜的網(wǎng)絡(luò)聯(lián)系或者相互關(guān)聯(lián)性，既有直接的資產(chǎn)負(fù)債聯(lián)系、交易對(duì)手關(guān)系，也具有眾多間接的聯(lián)系機(jī)制(如持有相似資產(chǎn)、共同的客戶群體等)， 這極易造成風(fēng)險(xiǎn)在網(wǎng)絡(luò)間的傳播。Shleifer & Vishny[6]、Diamond & Rajan[7]指出，某一機(jī)構(gòu)出于自身原因(如流動(dòng)性需要或者處理抵押物等)出售資產(chǎn)會(huì)對(duì)該資產(chǎn)價(jià)格造成下行壓力，同時(shí)潛在購(gòu)買者由于自身金融約束或者是市場(chǎng)流動(dòng)性不足不愿購(gòu)買，更會(huì)加重資產(chǎn)價(jià)格的下行壓力，且這種甩賣效應(yīng)會(huì)波及持有相同或者類似資產(chǎn)的其他機(jī)構(gòu)，使得資產(chǎn)下行壓力擴(kuò)散并傳染，最終可能演變?yōu)橄到y(tǒng)性風(fēng)險(xiǎn)事件。Danielsson et al.[8]、Brunnermeier & Sannikov[9]指出，系統(tǒng)性風(fēng)險(xiǎn)的產(chǎn)生首先內(nèi)生于金融體系的親周期性，在經(jīng)濟(jì)上升期，市場(chǎng)波動(dòng)較為平穩(wěn)，低風(fēng)險(xiǎn)的錯(cuò)覺加上良好的市場(chǎng)預(yù)期導(dǎo)致融資約束放松、個(gè)體和機(jī)構(gòu)財(cái)務(wù)杠桿擴(kuò)大、資產(chǎn)價(jià)格上漲，刺激了經(jīng)濟(jì)體系的過度擴(kuò)張，導(dǎo)致實(shí)體經(jīng)濟(jì)和金融部門的失衡都在加劇，直到某一頂點(diǎn)由于投資熱潮的自然降溫抑或資產(chǎn)價(jià)格的修正預(yù)期等因素觸發(fā)負(fù)向的反饋情形甚至釀成危機(jī)，也就是說系統(tǒng)性風(fēng)險(xiǎn)是內(nèi)因?qū)е碌谋厝唤Y(jié)果。

(二)系統(tǒng)性金融風(fēng)險(xiǎn)的測(cè)度方式

目前對(duì)系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度除了采用基于收益率損失(包括CoVaR、MES、CES)或流動(dòng)性不足(如SRISK)的指標(biāo)度量方法外[10-12]，很多學(xué)者采用基于關(guān)聯(lián)性的方法進(jìn)行衡量，其中最常見的是利用多元GARCH模型測(cè)算各市場(chǎng)或機(jī)構(gòu)間收益率或波動(dòng)率的相關(guān)性以對(duì)金融系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行衡量[13-15]。但是多元GARCH模型并不能很好的捕捉系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)變化特征[16]，Diebold & Yilmaz[17-18]在廣義預(yù)測(cè)誤差方差分解模型基礎(chǔ)上提出的信息溢出指數(shù)法在分析系統(tǒng)性風(fēng)險(xiǎn)溢出的動(dòng)態(tài)性時(shí)更為有效。

Diebold & Yilmaz[17]基于VAR模型的預(yù)測(cè)誤差方差分解方法構(gòu)造了信息溢出指數(shù)來衡量市場(chǎng)間信息的傳導(dǎo)。Diebold & Yilmaz[18]對(duì)原有模型進(jìn)行了改進(jìn)，利用廣義預(yù)測(cè)誤差方差分解模型來衡量市場(chǎng)間的信息溢出，改進(jìn)后的模型不會(huì)因?yàn)樽兞康妮斎腠樞蚨沟媒Y(jié)果發(fā)生偏差，同時(shí)改進(jìn)模型不僅可以度量總的信息溢出情況，還可以對(duì)方向性的信息溢出進(jìn)行度量。Diebold & Yilmaz[17-18]模型(以下簡(jiǎn)稱DY模型)提出以后，大量學(xué)者采用該模型研究了股票市場(chǎng)間[16,19]、金融機(jī)構(gòu)間[20]甚至匯率間[21]信息溢出的整體和時(shí)變特征。如果將單個(gè)資產(chǎn)或市場(chǎng)的風(fēng)險(xiǎn)(如收益率的波動(dòng)率)作為信息溢出模型的輸入項(xiàng)，那么DY模型就能夠?qū)Y產(chǎn)間或市場(chǎng)間風(fēng)險(xiǎn)溢出的整體性和方向性進(jìn)行較為有效的測(cè)度。Diebold & Yilmaz[18]利用該模型對(duì)美國(guó)市場(chǎng)上金融資產(chǎn)的波動(dòng)率進(jìn)行了分析，結(jié)果發(fā)現(xiàn)次貸危機(jī)使得市場(chǎng)間的風(fēng)險(xiǎn)溢出大幅提升。但是DY模型在分析風(fēng)險(xiǎn)溢出時(shí)，并沒有考慮到風(fēng)險(xiǎn)溢出的非對(duì)稱性，即正向波動(dòng)率和負(fù)向波動(dòng)率溢出的差異性。Segal et al.[22]將負(fù)向的信息沖擊稱為“壞的”不確定性，將正向的信息沖擊稱為“好的”不確定性。Barunik et al.[16]在Segal et al.[22]定義的基礎(chǔ)上對(duì)美國(guó)股市進(jìn)行了研究，結(jié)果發(fā)現(xiàn)無論是市場(chǎng)整體還是單個(gè)行業(yè)的風(fēng)險(xiǎn)溢出均具有明顯的非對(duì)稱性。目前我國(guó)學(xué)者對(duì)金融系統(tǒng)性風(fēng)險(xiǎn)溢出的研究多集中在整體性的風(fēng)險(xiǎn)溢出，鮮有文獻(xiàn)涉及非對(duì)稱性的分析。

(三)文獻(xiàn)述評(píng)

系統(tǒng)性金融風(fēng)險(xiǎn)是由于金融機(jī)構(gòu)之間網(wǎng)絡(luò)關(guān)聯(lián)性很強(qiáng)，風(fēng)險(xiǎn)很容易在機(jī)構(gòu)之間溢出，從而導(dǎo)致資產(chǎn)價(jià)格螺旋式下跌而產(chǎn)生的。對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的測(cè)度主要有指標(biāo)度量法以及關(guān)聯(lián)性測(cè)量法兩種。DY模型由于在測(cè)度風(fēng)險(xiǎn)溢出的整體性和方向性上的突出表現(xiàn)得到了廣泛的應(yīng)用，但是已有研究多集中在整體性的風(fēng)險(xiǎn)溢出，鮮有文獻(xiàn)涉及非對(duì)稱性的分析，而實(shí)際上正向風(fēng)險(xiǎn)溢出和負(fù)向風(fēng)險(xiǎn)溢出對(duì)整個(gè)金融體系穩(wěn)定性的影響具有很大的差異，相應(yīng)的金融監(jiān)管和風(fēng)險(xiǎn)防范措施也會(huì)有所不同，因此對(duì)風(fēng)險(xiǎn)溢出非對(duì)稱的研究具有較為重要的理論和實(shí)踐意義。

基于此，本文借鑒Barunik et al.[16]等學(xué)者的研究，結(jié)合非對(duì)稱風(fēng)險(xiǎn)分析和系統(tǒng)性風(fēng)險(xiǎn)溢出兩方面的理論，在將金融風(fēng)險(xiǎn)分為整體波動(dòng)、正向波動(dòng)和負(fù)向波動(dòng)的基礎(chǔ)上，采用DY模型研究我國(guó)金融行業(yè)系統(tǒng)性風(fēng)險(xiǎn)整體溢出性、正向溢出性和負(fù)向溢出性的靜態(tài)及動(dòng)態(tài)特征，進(jìn)而構(gòu)造非對(duì)稱性測(cè)量指標(biāo)分析風(fēng)險(xiǎn)溢出非對(duì)稱性的時(shí)變性，從而為我國(guó)金融業(yè)系統(tǒng)性風(fēng)險(xiǎn)的分析和防范提供理論借鑒。相對(duì)于已有研究，本文的創(chuàng)新之處主要在于：第一，在對(duì)金融業(yè)系統(tǒng)性風(fēng)險(xiǎn)溢出整體性開展研究的基礎(chǔ)上，通過將風(fēng)險(xiǎn)分為正向波動(dòng)和負(fù)向波動(dòng)，對(duì)風(fēng)險(xiǎn)溢出的非對(duì)稱性進(jìn)行了詳細(xì)分析，有力地補(bǔ)充了現(xiàn)有風(fēng)險(xiǎn)溢出非對(duì)稱性研究的不足，也為系統(tǒng)性金融風(fēng)險(xiǎn)的防范和監(jiān)管提供了經(jīng)驗(yàn)支持；第二，DY模型在研究風(fēng)險(xiǎn)溢出的動(dòng)態(tài)特征時(shí)具有優(yōu)良的表現(xiàn)，目前已經(jīng)有部分學(xué)者采用該方法對(duì)金融業(yè)的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行分析，但是大多是集中在金融機(jī)構(gòu)層面，從金融細(xì)分行業(yè)著手的較少，且本文考慮到房地產(chǎn)行業(yè)金融屬性的日益明顯，將房地產(chǎn)業(yè)也納入了分析范疇，使得研究結(jié)論更具有系統(tǒng)性和全面性。

三、研究設(shè)計(jì)

(一)DY信息溢出模型

DY模型是采用廣義VAR模型的預(yù)測(cè)誤差方差分解來對(duì)方向性的信息溢出進(jìn)行分析，傳統(tǒng)VAR模型采用Cholesky方法進(jìn)行方差分解導(dǎo)致變量的排序會(huì)對(duì)結(jié)果產(chǎn)生影響，廣義預(yù)測(cè)誤差方差分解很好地克服了該問題。

假定N維的變量Yt=(y1t,y2t,…,ynt)′，向量自回歸VAR模型可以表示為：

(1)

其中，Φi為系數(shù)矩陣，εt～N(0,Σε)為獨(dú)立同方差的誤差項(xiàng)。由于VAR模型為協(xié)方差平穩(wěn)過程，故可以用無限滑動(dòng)平均過程表示：

(2)

(3)

(4)

在公式(4)的基礎(chǔ)上就可以對(duì)總信息溢出值及方向性信息溢出值進(jìn)行定義，其中總溢出值指變量間的方差分解貢獻(xiàn)度對(duì)總方差的貢獻(xiàn)，計(jì)算公式為：

(5)

DY模型除了可以通過公式(5)測(cè)算變量間信息溢出的總值外，還可以對(duì)單個(gè)變量的接受溢出、對(duì)外溢出以及凈溢出值進(jìn)行分析。其中接受溢出值指的是其他變量對(duì)變量i的方差貢獻(xiàn)度的和，計(jì)算公式為：

(6)

對(duì)外溢出值指的是變量i對(duì)其他變量的方差貢獻(xiàn)度的和，計(jì)算公式為：

(7)

凈溢出值則是變量i對(duì)外溢出值與接受溢出值的差值，計(jì)算公式為：

(8)

(二)非對(duì)稱風(fēng)險(xiǎn)溢出的衡量

借鑒Barunik et al.[16]等學(xué)者的處理方式，將波動(dòng)率分為正向波動(dòng)率和負(fù)向波動(dòng)率。不同的是，本文使用的是金融行業(yè)指數(shù)的月度波動(dòng)率，因此并未采用高頻數(shù)據(jù)計(jì)算已實(shí)現(xiàn)波動(dòng)率，而使用日收益率數(shù)據(jù)計(jì)算月波動(dòng)率。借鑒Pyo & Lee[24]的處理方式，采用日收益率平方的均值作為風(fēng)險(xiǎn)的測(cè)度指標(biāo)，則月總波動(dòng)率計(jì)算公式為：

(9)

其中，n表示月實(shí)際交易天數(shù)，ri為日收益率。French et al.[25]的研究表明，采用日收益率計(jì)算出的月度波動(dòng)率能夠?qū)?shí)際波動(dòng)率進(jìn)行較好的擬合，雖然相對(duì)于Andersen & Bollersley[26]采用日內(nèi)高頻數(shù)據(jù)計(jì)算已實(shí)現(xiàn)波動(dòng)率的方法，F(xiàn)rench et al.[25]的方法仍然存在一定的噪音，但是對(duì)實(shí)際結(jié)果的影響并不大。

正向波動(dòng)率和負(fù)向波動(dòng)率的計(jì)算公式分別為：

(10)

(11)

其中，n1和n2分別表示每月日收益率為正或?yàn)樨?fù)的天數(shù)。將(9)～(11)分別代入式(3)～(8)，就可以計(jì)算出金融行業(yè)指數(shù)的總風(fēng)險(xiǎn)溢出、正向風(fēng)險(xiǎn)溢出(S+)及負(fù)向信息溢出(S-)。同時(shí)構(gòu)建信息溢出非對(duì)稱性測(cè)量指標(biāo)SAM(Spillover Asymmetry Measure)來衡量風(fēng)險(xiǎn)溢出的非對(duì)稱性：

SAM=S+-S-

(12)

當(dāng)正向風(fēng)險(xiǎn)溢出大于負(fù)向風(fēng)險(xiǎn)溢出時(shí)，SAM大于0；當(dāng)負(fù)向風(fēng)險(xiǎn)溢出大于正向風(fēng)險(xiǎn)溢出時(shí)，SAM小于0。因此SAM可以對(duì)風(fēng)險(xiǎn)溢出的非對(duì)稱性進(jìn)行有效的判斷。同時(shí)也可以采用同樣的方法研究方向性信息溢出的非對(duì)稱性：

(13)

(14)

其中，SAMi←·和SAMi→·分別表示接受溢出和對(duì)外溢出的非對(duì)稱性測(cè)量指標(biāo)。

(三)樣本選取及描述性統(tǒng)計(jì)分析

根據(jù)申萬二級(jí)行業(yè)指數(shù)的劃分，金融行業(yè)包括銀行、證券、保險(xiǎn)及多元金融四個(gè)子行業(yè)，其中多元金融是除了銀行、證券和保險(xiǎn)之外，包括互聯(lián)網(wǎng)金融、消費(fèi)金融等在內(nèi)的其他金融業(yè)態(tài)。除此以外，房地產(chǎn)行業(yè)作為我國(guó)宏觀經(jīng)濟(jì)的支柱產(chǎn)業(yè)，除了商品房銷售本身對(duì)居民消費(fèi)的直接拉動(dòng)外，房地產(chǎn)還通過對(duì)其他行業(yè)的輻射，直接、間接帶動(dòng)上下游130多個(gè)行業(yè)發(fā)展。同時(shí)房地產(chǎn)業(yè)作為一個(gè)資金密集型行業(yè)，對(duì)金融有很強(qiáng)的依賴性，地產(chǎn)周期和金融周期高度同質(zhì)化，房地產(chǎn)行業(yè)和金融行業(yè)的聯(lián)系越來越緊密，房地產(chǎn)的金融屬性越來越明顯，對(duì)金融市場(chǎng)的影響越來越重大。李瑞紅[27]、張寶林和潘煥學(xué)[28]、蔡真[29]等多位學(xué)者的研究均發(fā)現(xiàn)房地產(chǎn)泡沫是導(dǎo)致系統(tǒng)性金融風(fēng)險(xiǎn)爆發(fā)的關(guān)鍵因素。因此，本文將房地產(chǎn)行業(yè)也納入分析范疇，研究金融四個(gè)子行業(yè)及房地產(chǎn)業(yè)的系統(tǒng)性風(fēng)險(xiǎn)溢出情況。由于保險(xiǎn)行業(yè)指數(shù)2007年1月才開始公布，因此選取銀行、證券、保險(xiǎn)、多元金融及房地產(chǎn)五個(gè)行業(yè)指數(shù)2007年1月初至2018年10月底所有的日收盤價(jià)數(shù)據(jù)進(jìn)行分析。表1報(bào)告了五個(gè)行業(yè)指數(shù)的月收益率及波動(dòng)率的描述性統(tǒng)計(jì)情況。從收益率來看，房地產(chǎn)行業(yè)收益率的均值和中位值均是最高的。從波動(dòng)率來看，證券行業(yè)的月平均波動(dòng)率為1.57%，遠(yuǎn)高于其他行業(yè)，而銀行行業(yè)的波動(dòng)率均值、中位值及標(biāo)準(zhǔn)差均要低于其他行業(yè)，說明相對(duì)來說，證券行業(yè)的風(fēng)險(xiǎn)最高，銀行業(yè)的風(fēng)險(xiǎn)最低。

表1 行業(yè)指數(shù)月收益率及波動(dòng)率的描述性統(tǒng)計(jì)

四、實(shí)證結(jié)果分析

(一)收益率及整體波動(dòng)率的信息溢出分析

首先采用DY模型研究收益率及波動(dòng)率溢出的整體情況。在建立VAR模型前，首先需對(duì)序列的平穩(wěn)性進(jìn)行檢驗(yàn)，結(jié)果發(fā)現(xiàn)所有的行業(yè)收益率均為零階單整序列，因此可以直接建立VAR模型；而所有的波動(dòng)率序列(包括整體波動(dòng)率、正向波動(dòng)率和負(fù)向波動(dòng)率)均為一階單整序列(限于篇幅，詳細(xì)表格未列出)，因此在建立VAR模型前需要先進(jìn)行協(xié)整檢驗(yàn)。表2報(bào)告了協(xié)整檢驗(yàn)結(jié)果，結(jié)果表明行業(yè)間的波動(dòng)率序列間(包括整體波動(dòng)率、正向波動(dòng)率和負(fù)向波動(dòng)率)存在著顯著的協(xié)整關(guān)系，因此可以建立VAR模型進(jìn)行信息溢出檢驗(yàn)。

表2 行業(yè)波動(dòng)率序列間的協(xié)整關(guān)系檢驗(yàn)結(jié)果

采用AIC準(zhǔn)則確定VAR模型的滯后階數(shù)，結(jié)果發(fā)現(xiàn)收益率應(yīng)該采用1階VAR模型，波動(dòng)率采用3階VAR模型，采用第10期的廣義方差分解結(jié)果(實(shí)際上從第6期開始結(jié)果已經(jīng)變化不大)作為整體溢出的判斷結(jié)果，結(jié)果分別如表3和表4所示?？梢钥吹剑袠I(yè)間的整體溢出較大，收益率的整體溢出值為0.689 2，波動(dòng)率的整體溢出值為0.697 5，說明有接近70%的溢出來自行業(yè)外部，而行業(yè)自身的影響僅30%。各行業(yè)受其他行業(yè)的影響較大，從對(duì)角線上的元素(反映各行業(yè)對(duì)自身的影響)來看，所有的數(shù)值均低于0.5，說明有一半以上的溢出來自于其他行業(yè)；最小的證券行業(yè)自身波動(dòng)率溢出只有0.116 1，說明其他行業(yè)對(duì)證券行業(yè)的影響要遠(yuǎn)大于證券行業(yè)對(duì)自身的影響；對(duì)自身影響最大的是保險(xiǎn)行業(yè)的波動(dòng)率溢出，達(dá)到0.488 9，接近一半；房地產(chǎn)業(yè)無論是收益率溢出還是波動(dòng)率溢出，對(duì)自身的影響均只有1/3左右，說明房地產(chǎn)業(yè)金融屬性明顯；綜合來看，金融行業(yè)間具有緊密相關(guān)性。從單個(gè)行業(yè)來看，房地產(chǎn)的收益率對(duì)外溢出值最大，達(dá)到了1.079 9，遠(yuǎn)高于其他行業(yè)；保險(xiǎn)行業(yè)的波動(dòng)率對(duì)外溢出值最大，達(dá)到了1.378 7。說明房地產(chǎn)和保險(xiǎn)這兩個(gè)行業(yè)在金融行業(yè)信息傳導(dǎo)時(shí)占據(jù)了主導(dǎo)地位，而證券和多元金融總體來看屬于被溢出狀態(tài)，銀行行業(yè)雖然無論收益率還是波動(dòng)率都處于被溢出狀態(tài)，但是數(shù)值并不大。

為了更好地分析金融行業(yè)信息溢出的時(shí)變性，采用24期(2年)的樣本周期向前滾動(dòng)，即采用t-23至t期的數(shù)值計(jì)算第t期行業(yè)間的信息溢出值，所得結(jié)果如圖1所示?？梢钥吹?，無論是收益率還是波動(dòng)率，整體溢出值均較高，絕大部分時(shí)候均在50以上，只有波動(dòng)率在2012年9月和10月、收益率在2018年4月之后低于50；而波動(dòng)率溢出的最高點(diǎn)將近80，收益率的最高點(diǎn)也達(dá)到了73，說明金融行業(yè)間的聯(lián)動(dòng)非常緊密，這與表3和表4的整體性分析結(jié)果是相一致的。同時(shí)可以看到，收益率溢出與波動(dòng)率溢出間并不同步，具有一定的負(fù)相關(guān)關(guān)系①。隨著波動(dòng)率溢出值的增加，整體性系統(tǒng)性風(fēng)險(xiǎn)也在增加，如2010年1月和2015年6月，波動(dòng)率溢出值均達(dá)到了接近80的局部最高點(diǎn)，彼時(shí)股市均走到了階段性高點(diǎn)，之后便開始下跌；2016年12月，波動(dòng)率溢出值也達(dá)到了接近80，當(dāng)月股市暴跌，隨即股市開始階段性筑底；近期來看，2018年2月波動(dòng)率達(dá)到75.6的階段高點(diǎn)，隨即股市開始了深度回調(diào)。因此總體來看，波動(dòng)率溢出值對(duì)于系統(tǒng)性風(fēng)險(xiǎn)的判斷具有較重要的指示意義，接下來我們將探討正向波動(dòng)溢出和負(fù)向波動(dòng)溢出在程度上的差異，以研究系統(tǒng)性風(fēng)險(xiǎn)溢出的非對(duì)稱性。

表3 收益率的整體溢出情況

表4 波動(dòng)率的整體溢出情況

圖1 收益率與波動(dòng)率的動(dòng)態(tài)溢出指數(shù)注：實(shí)線為波動(dòng)率的動(dòng)態(tài)溢出指數(shù)，虛線為收益率的動(dòng)態(tài)溢出指數(shù)。

(二)風(fēng)險(xiǎn)溢出的非對(duì)稱性分析

分別采用公式(10)～(11)計(jì)算各金融行業(yè)指數(shù)的正向波動(dòng)率和負(fù)向波動(dòng)率，并采用DY模型計(jì)算金融行業(yè)間的風(fēng)險(xiǎn)溢出情況。根據(jù)AIC準(zhǔn)則，正向波動(dòng)率的VAR模型應(yīng)滯后2階，而負(fù)向波動(dòng)率的VAR模型應(yīng)滯后3階，根據(jù)廣義預(yù)測(cè)誤差方差分解方法計(jì)算出正向波動(dòng)率和負(fù)向波動(dòng)率的整體溢出情況分別如表5和表6所示。從溢出的整體值來看，正向波動(dòng)率總溢出僅為0.481 1，低于整體波動(dòng)率總溢出值的0.697 5，負(fù)向波動(dòng)率總溢出值為0.759 3，高于整體波動(dòng)率總溢出值，初步說明了金融行業(yè)系統(tǒng)性風(fēng)險(xiǎn)傳染的非對(duì)稱性。從對(duì)角線上元素看(各行業(yè)對(duì)自身的影響)，保險(xiǎn)、多元金融和房地產(chǎn)對(duì)自身的正向波動(dòng)率影響很大，均超過了60%，而所有行業(yè)對(duì)自身的負(fù)向波動(dòng)率影響均不大。從單個(gè)行業(yè)正向波動(dòng)率的溢出方向來看，各行業(yè)的凈溢出值均不大，只有證券行業(yè)為-0.429 6，受到了其他行業(yè)較多的正向風(fēng)險(xiǎn)溢出，其他行業(yè)凈溢出值的絕對(duì)值均不大，說明各行業(yè)間正向風(fēng)險(xiǎn)溢出并不明顯；從各行業(yè)負(fù)向波動(dòng)率的溢出方向來看，保險(xiǎn)的對(duì)外溢出值高達(dá)1.391 6，房地產(chǎn)行業(yè)也有0.920 3，從而導(dǎo)致保險(xiǎn)行業(yè)成為負(fù)向波動(dòng)率主要的凈溢出者，其凈溢出值達(dá)到0.775 9，而多元金融的凈溢出值為-0.801 3，受其他行業(yè)的溢出最多，房地產(chǎn)則處于第二位的凈溢出位置，雖然數(shù)值并不很大。因此綜合來看，我國(guó)金融行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)溢出具有明顯的非對(duì)稱性，負(fù)向波動(dòng)率的溢出要遠(yuǎn)高于正向波動(dòng)率的溢出。

表5 正向波動(dòng)率的整體溢出情況

表6 負(fù)向波動(dòng)率的整體溢出情況

同樣采用24期的滾動(dòng)窗口計(jì)算正負(fù)向波動(dòng)率的總溢出值，結(jié)果如圖2所示。從圖上可以看到，兩者的走勢(shì)并不相關(guān)，與圖1進(jìn)行比較可以看到，負(fù)向波動(dòng)率溢出指數(shù)與整體波動(dòng)率溢出指數(shù)的高低點(diǎn)更契合。絕大部分時(shí)候負(fù)向波動(dòng)率溢出值均要高于正向波動(dòng)率溢出值，計(jì)算發(fā)現(xiàn)兩者的相關(guān)系數(shù)僅為-0.051 3，且在10%的顯著水平下不顯著，金融行業(yè)系統(tǒng)性風(fēng)險(xiǎn)溢出的非對(duì)稱性明顯。為了更好地觀察這種非對(duì)稱性，采用公式(12)計(jì)算SAM值，結(jié)果如圖3所示?？梢钥吹?，從2009年1月至2018年10月，絕大部分時(shí)間里SAM值小于零，說明負(fù)向波動(dòng)率溢出值要高于正向波動(dòng)率溢出值。從時(shí)間上看，2009年10月—2012年6月、2013年8月—2014年12月、2016年9月至今這三個(gè)時(shí)期負(fù)向波動(dòng)率溢出占據(jù)了主導(dǎo)，這些時(shí)期的上漲和下跌趨勢(shì)并不固定，如2016年9月至今股市經(jīng)歷了大漲之后又下跌；在2009年和2015年股市階段性高點(diǎn)，均是正向波動(dòng)率溢出占據(jù)了主導(dǎo)，但是正向波動(dòng)率溢出在2012年7月—2013年7月股市盤整階段同樣占據(jù)了主導(dǎo)地位，因此總體來看，系統(tǒng)性風(fēng)險(xiǎn)溢出的非對(duì)稱性與股市的漲跌并無必然關(guān)系。

圖2 正負(fù)向波動(dòng)率動(dòng)態(tài)溢出指數(shù)值注：實(shí)線為負(fù)向波動(dòng)率的溢出指數(shù)，虛線為正向波動(dòng)率的溢出指數(shù)。

圖3 風(fēng)險(xiǎn)溢出非對(duì)稱測(cè)度SAM值

(三)穩(wěn)健性檢驗(yàn)

1.不同形成期的檢驗(yàn)

為了驗(yàn)證結(jié)果的穩(wěn)健性，首先對(duì)DY溢出指數(shù)模型的形成期進(jìn)行穩(wěn)健性檢驗(yàn)。相對(duì)于10期的廣義預(yù)測(cè)誤差方差分解結(jié)果，24個(gè)月的形成期已經(jīng)有點(diǎn)偏小，因此在進(jìn)行穩(wěn)健性檢驗(yàn)時(shí)，選擇形成期為30個(gè)月以及36個(gè)月進(jìn)行檢驗(yàn)，收益率溢出指數(shù)及波動(dòng)率溢出指數(shù)的動(dòng)態(tài)變化如圖4所示。與圖1的結(jié)果進(jìn)行比較可以發(fā)現(xiàn)，當(dāng)形成期變大時(shí)，溢出指數(shù)將會(huì)更為平滑，極端數(shù)值出現(xiàn)的更少，如形成期為30或36個(gè)月時(shí)，收益率和波動(dòng)率的溢出值均大于50，且更低于80。但是總體來看，圖4中收益率和波動(dòng)率溢出值的大體走勢(shì)與圖1相似，且波峰和波谷能夠很好地對(duì)應(yīng)起來，雖然在數(shù)值上有差異。同樣采用SAM值來考察系統(tǒng)性風(fēng)險(xiǎn)的非對(duì)稱性，結(jié)果如圖5所示?？梢钥吹剑瑹o論是30還是36個(gè)月形成期，SAM值大多時(shí)間均要小于零，且形成期越大，SAM取正值的時(shí)間越少，說明負(fù)向波動(dòng)率溢出在系統(tǒng)性風(fēng)險(xiǎn)的傳導(dǎo)過程中占據(jù)了絕對(duì)的主導(dǎo)地位。因此綜合來看，不同形成期雖然在具體數(shù)值計(jì)算上有偏差，但是得到的結(jié)論是一致的，結(jié)論是穩(wěn)健的。

2.基于極差波動(dòng)率的穩(wěn)健性檢驗(yàn)

同樣采用滾動(dòng)窗口來分析極差波動(dòng)率總溢出值及系統(tǒng)性風(fēng)險(xiǎn)非對(duì)稱性的時(shí)變性，仍然采用24個(gè)月為滾動(dòng)窗口，結(jié)果如圖6所示，其中實(shí)線為波動(dòng)率總溢出值，柱狀線為測(cè)度系統(tǒng)性風(fēng)險(xiǎn)非對(duì)稱性的SAM指標(biāo)。將圖6與圖1及圖3比較，可以看到，極差波動(dòng)率總溢出值的變動(dòng)趨勢(shì)與已實(shí)現(xiàn)波動(dòng)率總溢出值的變動(dòng)趨勢(shì)大體相似，雖然兩者在數(shù)值上存在著一定差異，但是波峰和波谷出現(xiàn)的位置基本一致。從SAM值來看，基于極差波動(dòng)率計(jì)算的結(jié)果顯示，絕大部分時(shí)間均是負(fù)向波動(dòng)率溢出占主導(dǎo)，僅有2012年下半年到2013年上

圖4 不同形成期的穩(wěn)健性檢驗(yàn)注：(a)圖形成期為30個(gè)月，(b)圖形成期為36個(gè)月；圖中實(shí)線為波動(dòng)率溢出指數(shù)，虛線為收益率溢出指數(shù)。

圖5 波動(dòng)溢出非對(duì)稱測(cè)度SAM的形成期穩(wěn)健性檢驗(yàn)注：(a)圖形成期為30個(gè)月，(b)圖形成期為36個(gè)月。

銀行證券保險(xiǎn)多元金融房地產(chǎn)接受溢出銀行0.42550.30150.08670.08420.10210.5745證券0.23260.57190.06670.01650.11230.4281保險(xiǎn)0.06170.05720.70510.04460.13140.2949多元金融0.08600.05730.03210.75470.06990.2453房地產(chǎn)0.05180.06610.16450.03570.68200.3180對(duì)外溢出0.43210.48200.35000.18100.41580.3722凈溢出-0.14240.05390.0551-0.06440.0978

表8 基于極差波動(dòng)的負(fù)向溢出整體情況

圖6 基于極差的波動(dòng)率總溢出值及SAM值的時(shí)變特性注：實(shí)線表示波動(dòng)率總溢出值，柱狀線為SAM值。

半年正向波動(dòng)率溢出占據(jù)主導(dǎo)地位，且在2012年12月SAM值達(dá)到最大，這與基于已實(shí)現(xiàn)波動(dòng)率計(jì)算的SAM值的結(jié)果是一致的，且兩種計(jì)算方法均顯示2016年下半年之后負(fù)向波動(dòng)率溢出占主導(dǎo)地位的趨勢(shì)更加明顯了。因此，兩種測(cè)度方法都驗(yàn)證了系統(tǒng)性風(fēng)險(xiǎn)溢出的非對(duì)稱性，結(jié)論具有穩(wěn)健性。

(四)各行業(yè)方向性波動(dòng)率溢出的非對(duì)稱性

行業(yè)整體系統(tǒng)性風(fēng)險(xiǎn)溢出具有非對(duì)稱性，那么對(duì)于單個(gè)行業(yè)來說，其方向性波動(dòng)率溢出的非對(duì)稱性又是怎樣的？圖7報(bào)告了以24個(gè)月為形成期的五個(gè)行業(yè)指數(shù)接受溢出值及對(duì)外溢出值的SAM統(tǒng)計(jì)結(jié)果②。銀行業(yè)無論是接受溢出值還是對(duì)外溢出值均沒有表現(xiàn)出特別明顯的正向或負(fù)向波動(dòng)率溢出主導(dǎo)的情況，其SAM值大于零及小于零的時(shí)間大體相一致，說明銀行業(yè)波動(dòng)率溢出的非對(duì)稱性不明顯。證券行業(yè)接受溢出值表現(xiàn)出明顯的負(fù)向波動(dòng)率溢出主導(dǎo)，而對(duì)外溢出值表現(xiàn)出明顯的正向波動(dòng)率溢出主導(dǎo)，說明證券行業(yè)更容易將上漲風(fēng)險(xiǎn)傳導(dǎo)到其他行業(yè)，同時(shí)更容易受到其他行業(yè)下跌風(fēng)險(xiǎn)的影響，證券行業(yè)具有較明顯的非對(duì)稱性。保險(xiǎn)行業(yè)的接受溢出值表現(xiàn)出一定程度的負(fù)向波動(dòng)率主導(dǎo)，主要表現(xiàn)在2016年下半年以后，而對(duì)外溢出值交替表現(xiàn)出正向波動(dòng)率和負(fù)向波動(dòng)率主導(dǎo)，總體而言，保險(xiǎn)行業(yè)的方向性溢出表現(xiàn)出一定程度的非對(duì)稱性，但是不如證券行業(yè)明顯。多元金融風(fēng)險(xiǎn)溢出的非對(duì)稱性則表現(xiàn)得較為明顯，且與證券行業(yè)較為相似，即接受溢出值表現(xiàn)出明顯的負(fù)向波動(dòng)率溢出主導(dǎo)，而對(duì)外溢出值表現(xiàn)出明顯的正向波動(dòng)率溢出主導(dǎo)，說明多元金融行業(yè)和證券行業(yè)相似，更容易將上漲風(fēng)險(xiǎn)傳導(dǎo)到其他行業(yè)，同時(shí)更容易受到其他行業(yè)下跌風(fēng)險(xiǎn)的影響。房地產(chǎn)行業(yè)風(fēng)險(xiǎn)溢出的非對(duì)稱性也較為明顯，其無論是接受溢出值還是對(duì)外溢出值均表現(xiàn)出負(fù)向波動(dòng)率主導(dǎo)的特征，說明其不僅容易受其他行業(yè)下跌風(fēng)險(xiǎn)的影響，也容易將自身的下跌風(fēng)險(xiǎn)傳染到其他行業(yè)。

圖7 金融各行業(yè)方向性溢出的非對(duì)稱測(cè)度SAM值

因此綜合來看，除了銀行業(yè)風(fēng)險(xiǎn)溢出的非對(duì)稱性不明顯外，其他行業(yè)都表現(xiàn)出了一定的方向性風(fēng)險(xiǎn)溢出非對(duì)稱性。從風(fēng)險(xiǎn)溢出視角來看，證券行業(yè)和多元金融行業(yè)更容易將上漲風(fēng)險(xiǎn)傳導(dǎo)到其他行業(yè)，房地產(chǎn)業(yè)則是最容易成為下跌風(fēng)險(xiǎn)溢出的出發(fā)點(diǎn)，說明房地產(chǎn)業(yè)更容易成為系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)的源點(diǎn)；而除了銀行業(yè)外，其他四個(gè)行業(yè)的接受溢出均是負(fù)向波動(dòng)占主導(dǎo)，也進(jìn)一步說明負(fù)向風(fēng)險(xiǎn)更容易在金融行業(yè)間溢出，這與對(duì)金融行業(yè)整體風(fēng)險(xiǎn)溢出非對(duì)稱性研究的結(jié)論是相一致的。分析背后的原因在于，銀行業(yè)整體市值最大，已經(jīng)超過了1萬億元，其整體估值水平最低，PE僅為6.6倍，平均換手率不到證券行業(yè)的一半；保險(xiǎn)行業(yè)的市值水平也很大，估值水平僅高于銀行業(yè)，平均換手率也較低；而多元金融、證券行業(yè)和房地產(chǎn)業(yè)，由于估值水平較高、總市值較小以及換手率較高，資產(chǎn)價(jià)格波動(dòng)大，也更容易將風(fēng)險(xiǎn)往其他行業(yè)擴(kuò)散。如證券行業(yè)往往成為牛熊市的風(fēng)向標(biāo)，尤其是在牛市初期，往往領(lǐng)先于其他行業(yè)上漲，而在熊市時(shí)期往往成為股市的穩(wěn)定器，下跌也會(huì)更晚一些，從而使得證券行業(yè)表現(xiàn)出較明顯的風(fēng)險(xiǎn)溢出非對(duì)稱性；而銀行和保險(xiǎn)業(yè)則無論牛熊市漲跌幅度都相對(duì)較小，且會(huì)相對(duì)滯后于其他行業(yè)，其風(fēng)險(xiǎn)溢出整體性和非對(duì)稱性則會(huì)相對(duì)較小。

五、結(jié)論與討論

采用基于廣義預(yù)測(cè)誤差方差分解的DY信息溢出模型，對(duì)2007年1月—2018年10月我國(guó)銀行、證券、保險(xiǎn)、多元金融及房地產(chǎn)五個(gè)行業(yè)指數(shù)月收益率和波動(dòng)率的信息溢出情況進(jìn)行了分析，結(jié)果發(fā)現(xiàn)：我國(guó)金融行業(yè)間的風(fēng)險(xiǎn)聯(lián)動(dòng)性較強(qiáng)，波動(dòng)率的整體溢出值接近70%，股市上漲幅度越大，積累的風(fēng)險(xiǎn)也就越大，這從系統(tǒng)性風(fēng)險(xiǎn)總溢出值的局部最高點(diǎn)與股市的階段性高點(diǎn)存在著的對(duì)應(yīng)關(guān)系可以看出。通過將波動(dòng)率分為正向波動(dòng)和負(fù)向波動(dòng)，并構(gòu)造非對(duì)稱性測(cè)量指標(biāo)SAM來研究系統(tǒng)性風(fēng)險(xiǎn)溢出的非對(duì)稱性，結(jié)果發(fā)現(xiàn)金融行業(yè)間的系統(tǒng)性風(fēng)險(xiǎn)溢出具有明顯的非對(duì)稱性，正向風(fēng)險(xiǎn)溢出總值僅為0.48，而負(fù)向風(fēng)險(xiǎn)溢出總值高達(dá)0.76，動(dòng)態(tài)分析表明樣本期內(nèi)負(fù)向風(fēng)險(xiǎn)溢出絕大部分時(shí)間均占據(jù)了主導(dǎo)，且這種非對(duì)稱性并不必然表現(xiàn)為與股市上漲或下跌有關(guān)。各行業(yè)非對(duì)稱性分析結(jié)果顯示，除了銀行業(yè)風(fēng)險(xiǎn)溢出的非對(duì)稱性不明顯外，其他行業(yè)都表現(xiàn)出了一定程度的方向性風(fēng)險(xiǎn)溢出非對(duì)稱性，房地產(chǎn)業(yè)更容易成為系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)的源點(diǎn)。

本文的研究結(jié)論對(duì)系統(tǒng)性風(fēng)險(xiǎn)的理論研究具有借鑒價(jià)值，對(duì)于金融監(jiān)管部門系統(tǒng)性金融風(fēng)險(xiǎn)的監(jiān)管和防范也具有一定的指導(dǎo)意義：首先，應(yīng)加強(qiáng)對(duì)金融風(fēng)險(xiǎn)的監(jiān)控和預(yù)防，尤其是對(duì)下行風(fēng)險(xiǎn)的監(jiān)控和預(yù)防。在我國(guó)目前經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型的關(guān)鍵時(shí)期，房地產(chǎn)泡沫和地方債風(fēng)險(xiǎn)高企的情況下，加強(qiáng)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的及時(shí)監(jiān)控，并針對(duì)性的采取相關(guān)手段予以化解是成本最低的方法。同時(shí)本文研究發(fā)現(xiàn)，負(fù)向風(fēng)險(xiǎn)的溢出要遠(yuǎn)大于正向風(fēng)險(xiǎn)的溢出，因此要盡可能地實(shí)現(xiàn)資產(chǎn)泡沫的軟著陸，防止因泡沫破裂導(dǎo)致負(fù)向風(fēng)險(xiǎn)顯著溢出進(jìn)而造成系統(tǒng)性金融危機(jī)的狀況。其次，考慮到金融行業(yè)各部門之間的風(fēng)險(xiǎn)聯(lián)動(dòng)過于緊密，單個(gè)部門的風(fēng)險(xiǎn)極易向其他部門擴(kuò)散從而造成系統(tǒng)性風(fēng)險(xiǎn)，因此應(yīng)建立金融防火墻，防止金融風(fēng)險(xiǎn)在不同行業(yè)間的迅速擴(kuò)散。最后，考慮到不同行業(yè)在系統(tǒng)性風(fēng)險(xiǎn)溢出中所處的地位不同，如銀行業(yè)雖然規(guī)模龐大，但是其接受溢出和對(duì)外溢出值均不高，而保險(xiǎn)行業(yè)和房地產(chǎn)行業(yè)規(guī)模雖小，卻容易成為系統(tǒng)性風(fēng)險(xiǎn)的爆發(fā)點(diǎn)，因此應(yīng)針對(duì)不同行業(yè)采取不同的監(jiān)管措施，如加大對(duì)銀行流動(dòng)性風(fēng)險(xiǎn)的監(jiān)管、降低保險(xiǎn)和房地產(chǎn)行業(yè)的杠桿率等，通過分類監(jiān)管、有的放矢，將系統(tǒng)性金融風(fēng)險(xiǎn)防范在源頭上。

注 釋：

①限于篇幅，本文未報(bào)告相關(guān)系數(shù)，結(jié)果留存?zhèn)渌?。Email: 66473405@qq.com。

②限于篇幅，多元金融和房地產(chǎn)行業(yè)未列出。