基于廣義方差分解的我國金融部門風(fēng)險傳染效應(yīng)研究

□

[貴州大學(xué) 貴陽 550025]

引言

2008年的全球金融次貸危機中，由單一金融部門的違約最終演變成全球金融危機，這引起了學(xué)界、業(yè)界和各國監(jiān)管層對金融部門之間的風(fēng)險傳染問題的關(guān)注。改革開放以來，我國經(jīng)濟迅速發(fā)展，如今已成為世界上第二大經(jīng)濟體，與之相對應(yīng)的是我國金融業(yè)的規(guī)模也在不斷攀升，金融業(yè)現(xiàn)已是我國實體經(jīng)濟重要組成部分，金融業(yè)一旦陷入危機勢必會嚴(yán)重影響我國經(jīng)濟。隨著我國逐步放開金融市場，我國金融業(yè)與國際金融業(yè)的聯(lián)系越來越緊密，面對復(fù)雜的國際金融環(huán)境，我國金融風(fēng)險監(jiān)管也上升到國家安全高度，尤其是在2017年9月，黨的十九大報告指出要“健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”。為了維護(hù)國家金融安全，科學(xué)防范風(fēng)險傳染，必須明白我國金融市場各部門風(fēng)險傳染源和途徑，研究這個問題對控制我國金融風(fēng)險傳染有著重要的理論和現(xiàn)實意義。

一、文獻(xiàn)綜述

防范金融風(fēng)險傳染的重要前提是準(zhǔn)確刻畫金融部門之間的風(fēng)險傳染效應(yīng)，而金融市場數(shù)據(jù)具有高頻、時效和前瞻等特性。自2008年金融危機后，許多學(xué)者采用金融市場數(shù)據(jù)來刻畫機構(gòu)或者部門的風(fēng)險傳染情況。其中方法大致可以分為相關(guān)系數(shù)法、尾部關(guān)聯(lián)性法和網(wǎng)絡(luò)分析法三類。

（一）相關(guān)系數(shù)法

相關(guān)系數(shù)法是利用金融機構(gòu)收益率（或波動率）相關(guān)系數(shù)來刻畫機構(gòu)之間風(fēng)險傳染效應(yīng)。例如Patro et al以美國22家上市銀行的股票日收益率為研究對象采用了參數(shù)Pearson相關(guān)系數(shù)以及非參數(shù)的Spearman和Kendall等級相關(guān)系數(shù)指標(biāo)，用來捕捉金融風(fēng)險的變動趨勢和波動，以此刻畫機構(gòu)之間風(fēng)險傳染效應(yīng)[1]。為了解決風(fēng)險傳染的時變性，有學(xué)者應(yīng)用基于DCC-GARCH動態(tài)相關(guān)系數(shù)來刻畫機構(gòu)之間動態(tài)風(fēng)險傳染效應(yīng)，例如Brownlees和engle使用DCC-GARCH計算單個金融機構(gòu)和市場收益率的相關(guān)性，以此來刻畫風(fēng)險傳染效應(yīng)[2]。但此類方法在刻畫風(fēng)險傳染時無法識別風(fēng)險傳染方向，且不能衡量單個機構(gòu)的系統(tǒng)性風(fēng)險的貢獻(xiàn)。

（二）尾部關(guān)聯(lián)性

隨著風(fēng)險度量方法的發(fā)展，學(xué)者們利用金融機構(gòu)間的尾部關(guān)聯(lián)性來測度單個金融機構(gòu)間的風(fēng)險溢出效應(yīng)以及對系統(tǒng)性風(fēng)險的邊際貢獻(xiàn)。Adrian和Brunnermeier提出了CoVaR（條件在險值）和ΔCoVaR（增量條件在險值）模型，CoVaR模型測度方法是基于VaR模型將其推廣到單個個體處于某一危機狀態(tài)時對整個金融體系金融風(fēng)險的貢獻(xiàn)程度[3]。ΔCoVaR是以正常情況和處于危機狀態(tài)下的CoVaR之差，CoVaR能夠及時反映金融部門系統(tǒng)性風(fēng)險在時間維度上的變化狀況，也能前瞻性地反映市場對金融機構(gòu)未來表現(xiàn)的預(yù)期，因此得到后續(xù)學(xué)者的廣泛應(yīng)用[4]。然而CoVaR不能很好地捕捉其門限值以下極端情況下的尾部風(fēng)險，且不具有可加性。Acharya 等提出了MES模型，MES測度方法主要反映了當(dāng)整個市場收益列表下跌時單個金融機構(gòu)收益率的期望損失，以此來反映單個機構(gòu)對系統(tǒng)性風(fēng)險的邊際貢獻(xiàn)[5]。Brownless 和Engle指出，MES沒有考慮單個金融機構(gòu)規(guī)模大小，可能會低估風(fēng)險，為此提出了SRISK方法。SRISK測度方法主要是反映單個金融機構(gòu)相對于整個金融系統(tǒng)資本短缺程度來衡量其對系統(tǒng)性風(fēng)險的貢獻(xiàn)，同時SRISK方法考慮了規(guī)模、杠桿率、關(guān)聯(lián)性等多個指標(biāo)，更加精準(zhǔn)考慮了尾部關(guān)聯(lián)性[6]。但用尾部關(guān)聯(lián)性刻畫金融風(fēng)險也有不足，Nikolaus等認(rèn)為這些尾部關(guān)聯(lián)性方法雖然能識別風(fēng)險傳染的方向，但只關(guān)注了機構(gòu)對系統(tǒng)或者系統(tǒng)對機構(gòu)的機構(gòu)關(guān)聯(lián)性，無法獲得尾部風(fēng)險溢出的傳染效應(yīng)，低估了機構(gòu)對機構(gòu)之間的關(guān)聯(lián)性[7]。

（三）網(wǎng)絡(luò)分析法

隨著現(xiàn)代計量經(jīng)濟學(xué)和復(fù)雜網(wǎng)絡(luò)技術(shù)的發(fā)展，從網(wǎng)絡(luò)科學(xué)的角度來考察金融風(fēng)險的關(guān)聯(lián)性成為新的研究工具。Haldane指出網(wǎng)絡(luò)科學(xué)是全面理解金融傳染過程、研究金融穩(wěn)定性的重點[8]。Allen 和Gale以及Freixas 等首次將金融網(wǎng)絡(luò)應(yīng)用到風(fēng)險傳染的分析中，他們發(fā)現(xiàn)金融風(fēng)險傳染依賴于銀行間的關(guān)聯(lián)結(jié)構(gòu)[9]。Billio 等采用Granger二元因果檢驗判斷機構(gòu)間風(fēng)險溢出關(guān)系的存在性和方向[10]。隨后，Diebold和Yilmaz基于VAR模型的方差分解構(gòu)建金融機構(gòu)的關(guān)聯(lián)網(wǎng)絡(luò)，采用網(wǎng)絡(luò)分析法研究金融機構(gòu)間的網(wǎng)絡(luò)結(jié)構(gòu)及特征，并測度金融市場的波動溢出效應(yīng)及金融系統(tǒng)性風(fēng)險水平[11～12]。在Diebold和Yilmaz網(wǎng)絡(luò)拓?fù)湓砩希琘ang 和 Zhou采用遞歸的預(yù)測方差分解分析方法計算出多期風(fēng)險傳染效應(yīng)[13]。基于VAR模型的Granger因果檢驗和方差分解技術(shù)能有效刻畫風(fēng)險傳染網(wǎng)絡(luò)結(jié)構(gòu)，但仍在一些不足。例如，Granger因果檢驗將兩兩機構(gòu)置于孤立的環(huán)境中考慮他們的關(guān)聯(lián)性。Yang 等認(rèn)為傳統(tǒng)方差分解分析結(jié)論常常會因變量不同的排序或關(guān)系設(shè)定不同而產(chǎn)生不一樣的的變化，結(jié)果不夠穩(wěn)健[14]。針對于方差分解的這一問題，Koop 等和Pesaran以及Shin提出的廣義方差分解技術(shù)，能夠有效解決傳統(tǒng)方差分解結(jié)果依賴變量次序的問題[15-16]。我國學(xué)者在金融風(fēng)險傳染效應(yīng)研究方面也做了大量的研究，其中代表性的著作包括洪永淼等[17]、劉曉星等[18]、方意和鄭子文[19]、楊子暉等[20]、楊子暉和周穎剛[21]等。

關(guān)于金融風(fēng)險傳染網(wǎng)絡(luò)目前主流的方法仍然是針對機構(gòu)或部門之間收益率（或波動率）建模，驗證各個機構(gòu)或部門收益率（或波動率）之間的關(guān)聯(lián)性，用關(guān)聯(lián)性來考慮風(fēng)險傳染的情況，大多數(shù)文獻(xiàn)把“靜態(tài)”的關(guān)聯(lián)性當(dāng)作風(fēng)險傳染，但“靜態(tài)”關(guān)聯(lián)性無法及時刻畫極端事件發(fā)生時風(fēng)險傳染網(wǎng)絡(luò)結(jié)構(gòu)，并且“靜態(tài)”關(guān)聯(lián)性越強不能代表風(fēng)險傳染強度越大，而只能說明其關(guān)系密切，為了解決上述問題需要從“動態(tài)”的關(guān)聯(lián)性入手。其中Bekaert等認(rèn)為僅僅將關(guān)聯(lián)性變化視為風(fēng)險傳染會高估傳染現(xiàn)象[22]。Forbes和Rigobon開創(chuàng)性的將關(guān)聯(lián)性與風(fēng)險傳染的概念相區(qū)分，認(rèn)為“風(fēng)險傳染”是一段時間內(nèi)資產(chǎn)之間的收益率或者波動率關(guān)聯(lián)性明顯超過平常期間關(guān)聯(lián)性的現(xiàn)象[23]。王獻(xiàn)東和何建敏認(rèn)為Forbes和Rigobon的方法有兩個鮮明的優(yōu)點，一是直觀的提供了檢驗風(fēng)險是否發(fā)生傳染的框架，另一個是方便直接測度風(fēng)險傳染[24]。因此本文采取從動態(tài)關(guān)聯(lián)的角度來刻畫風(fēng)險傳染。本文的創(chuàng)新和貢獻(xiàn)主要在于：一是采用廣義方差分解技術(shù)構(gòu)建網(wǎng)絡(luò)關(guān)聯(lián)矩陣，可以解決基于傳統(tǒng)方差分解技術(shù)結(jié)果依賴于變量次序的問題，使得到的結(jié)果具有穩(wěn)健性。二是，與大多數(shù)學(xué)者以靜態(tài)關(guān)聯(lián)視角去考慮風(fēng)險傳染不同，本文從動態(tài)的關(guān)聯(lián)性去考察風(fēng)險傳染，算出兩兩機構(gòu)每日邊際凈關(guān)聯(lián)度，其中當(dāng)天凈關(guān)聯(lián)度進(jìn)入全樣本凈關(guān)聯(lián)度分位數(shù)10%的我們認(rèn)為的傳染效應(yīng)發(fā)生，進(jìn)入分位數(shù)5%我們認(rèn)為有比較顯著傳染效應(yīng)發(fā)生，進(jìn)入分位數(shù)1%的認(rèn)為有非常顯著傳染效應(yīng)發(fā)生，以此來刻畫風(fēng)險傳染網(wǎng)絡(luò)，研究風(fēng)險傳染效應(yīng)，該方法從動態(tài)的角度觀測我國金融機構(gòu)風(fēng)險傳染情況，能更加精準(zhǔn)、及時刻畫風(fēng)險傳染網(wǎng)絡(luò)。

二、方法與數(shù)據(jù)

（一）方法

我們使用Diebold和Yilmaz提出的網(wǎng)絡(luò)方法來構(gòu)建關(guān)聯(lián)度指數(shù)[10]。具體方法如下：

先考慮一個具有平穩(wěn)協(xié)方差的滯后期p的N變量 V AR(p)模型：

其中Xt=(x1，t，···，xN，t)′，Φi是N×N的系數(shù)矩陣，且白噪聲εt～(0，Σ)（均值為0，方差協(xié)方差矩陣為 Σ ）。假設(shè)該VAR模型具有平穩(wěn)的協(xié)方差，從而可將1式轉(zhuǎn)換為移動平均的形式：

這里 Ai= Φ1At-1+Φ2At-2+···ΦpAt-p，A0為N×N單位矩陣，且當(dāng)i＜0時Ai=0。

Diebold和Yilmaz中使用了標(biāo)準(zhǔn)Cholesky分解對協(xié)方差Σ進(jìn)行了分解，得到關(guān)聯(lián)指數(shù)[25]，但是基于Cholesky分解進(jìn)行識別的結(jié)果取決于變量排序。因此，Diebold和Yilmaz使用了廣義方差分解技術(shù)（GFEVD），這種方法所得到的結(jié)果與變量排序無關(guān)，結(jié)果較為穩(wěn)健。

下面公式為衡量第i個變量H步（方差分解的期數(shù)）預(yù)測誤差方差受到來自第j個變量部分的沖擊，其中i≠j：

我們以Dieboid和Yilmaz提出的網(wǎng)絡(luò)拓?fù)浞ń㈥P(guān)聯(lián)度矩陣（表1）：

上面關(guān)聯(lián)度矩陣中，行代表關(guān)聯(lián)度來源地，列代表關(guān)聯(lián)度接收地。上面矩陣的元素是基于方差分解式子得到的，用來刻畫兩個部門之間的關(guān)聯(lián)度程度：

表1 關(guān)聯(lián)度矩陣

將上面對應(yīng)的公式進(jìn)一步改進(jìn)，我們可以定義凈關(guān)聯(lián)度指數(shù)公式為：

它表示為兩部門之間關(guān)聯(lián)度的差額。

在矩陣TO這行中，行中每一個元素是對這一列非對角線元素的加總：

它表示部門j對其他部門沖擊的和，表示部門j對其市場總的關(guān)聯(lián)度，稱為對外關(guān)聯(lián)度。

在矩陣FROM所在的列中，列中每一個元素是對這一列非對角線元素的加總：

它是部門i受到其他市場沖擊的和，表示其他市場對部門i的關(guān)聯(lián)度，稱為受外關(guān)聯(lián)度。

此外對TO或者FROM元素求平均就可以得到市場總關(guān)聯(lián)度，能有效衡量出整個市場關(guān)聯(lián)度情況：

在網(wǎng)絡(luò)拓?fù)浞椒ǖ脑砩?，進(jìn)一步分別計算1期到t期的關(guān)聯(lián)度矩陣，在算出兩兩部門對應(yīng)的凈關(guān)聯(lián)度，然后將凈關(guān)聯(lián)度按照時間進(jìn)行差分可以得到邊際關(guān)聯(lián)度矩陣（表2）：

表2 邊際關(guān)聯(lián)度矩陣

其中MNS為邊際凈關(guān)聯(lián)度指數(shù)：

“Marginal Net Out”這一行每一個元素表示其他部門到部門i的邊際凈關(guān)聯(lián)度總效應(yīng)。

“Marginal Net In”這一列的每個元素表示部門j到其他市場邊際凈關(guān)聯(lián)度總效應(yīng)。

（二）數(shù)據(jù)說明

本文依據(jù)wind數(shù)據(jù)庫的數(shù)據(jù)庫行業(yè)分類將金融行業(yè)分為九個部門，綜合各個行業(yè)指數(shù)編制時間和其涵蓋公司數(shù)，在wind三級行業(yè)指數(shù)①中選取了保險指數(shù)（INS），在wind四級行業(yè)指數(shù)中選取了多領(lǐng)域控股指數(shù)（HOLD），多元化銀行指數(shù)（DB），房地產(chǎn)服務(wù)指數(shù)（RES），房地產(chǎn)經(jīng)營公司指數(shù)（REM），房地產(chǎn)開發(fā)指數(shù)（RED），區(qū)域銀行指數(shù)（RB），投資銀行與經(jīng)紀(jì)業(yè)務(wù)指數(shù)（IB），資產(chǎn)管理與托管銀行指數(shù)（FB）。樣本區(qū)間為2013年3月1日到2019年6月20日。

表3展示了我國金融市場九個部門日收益率描述性統(tǒng)計指標(biāo)，從統(tǒng)計指標(biāo)可以看出各個金融部門的分布都具備“尖峰厚尾”特征，同時JB正態(tài)性檢驗表示各序列均不服從正態(tài)分布。

表3 各金融部門收益率變動統(tǒng)計特征表

三、實證分析

（一）基于廣義方差分解的我國金融市場關(guān)聯(lián)度矩陣分析

本文對9個金融部門的日收益率序列進(jìn)行ADF單位根檢驗，各收益率序列皆平穩(wěn)。并根據(jù)AIC準(zhǔn)則建立滯后5階的VAR模型，所構(gòu)建的模型通過穩(wěn)定性檢驗③。再根據(jù)（3）式進(jìn)行廣義方差分解得出如下全樣本關(guān)聯(lián)度矩陣（表4）。

表4的最后一列表示對應(yīng)部門的受外關(guān)聯(lián)指數(shù)，受外關(guān)聯(lián)指數(shù)越大表示其自身經(jīng)營狀況受其他金融部門影響越大。表4的最后一行表示對應(yīng)部門的對外關(guān)聯(lián)指數(shù)，對外關(guān)聯(lián)指數(shù)越大表示自己經(jīng)營狀況對其他金融部門影響程度越大。根據(jù)表4，我們把各個部門對外關(guān)聯(lián)度指數(shù)和受外關(guān)聯(lián)度指數(shù)進(jìn)行排序得到各部門對外關(guān)聯(lián)度和受外關(guān)聯(lián)度排名情況表（表5）。從表5我們可以發(fā)現(xiàn)，我國金融市場各個部門對外關(guān)聯(lián)指數(shù)和受外關(guān)聯(lián)指數(shù)大小排序基本一致。對外關(guān)聯(lián)指數(shù)和受外關(guān)聯(lián)指數(shù)最高的金融部門均為房地產(chǎn)開發(fā)，其對外關(guān)聯(lián)指數(shù)達(dá)到了95.2，受外關(guān)聯(lián)指數(shù)達(dá)到了77.58。這說明房地產(chǎn)開發(fā)部門經(jīng)營狀況最易受其他部門影響也最容易影響其他部門。同時，房地產(chǎn)開發(fā)部門較為脆弱，而且一旦經(jīng)營狀況陷入困境會對其他部門造成顯著影響，這是風(fēng)險監(jiān)管機構(gòu)在平時監(jiān)管時應(yīng)投入較大關(guān)注的部門。對外關(guān)聯(lián)指數(shù)和受外關(guān)聯(lián)指數(shù)排名在房地產(chǎn)開發(fā)之后的金融部門均為投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門，其對外關(guān)聯(lián)指數(shù)為89.2，受外關(guān)聯(lián)指數(shù)達(dá)為76.68。這與投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門特性有關(guān)，該部門掌握金融業(yè)大部分資本資源，經(jīng)營狀況好壞會對其他金融部門產(chǎn)生影響，同時投資銀行與經(jīng)紀(jì)業(yè)務(wù)的盈利情況與所投資和經(jīng)紀(jì)的機構(gòu)盈利情況相關(guān)，這些機構(gòu)不少是金融業(yè)其他部門，所以其他部門經(jīng)營狀況好壞也會影響投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門。因此投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門也是監(jiān)管層需要關(guān)注的部門之一。對外關(guān)聯(lián)指數(shù)和受外關(guān)聯(lián)指數(shù)最低的是房地產(chǎn)服務(wù)，其對外關(guān)聯(lián)指數(shù)為46.39，受外關(guān)聯(lián)指數(shù)達(dá)為65.05。這說明在九個金融部門中，房地產(chǎn)服務(wù)部門經(jīng)營狀況對其他部門影響較低，受其他部門的影響也較低。

表4 全樣本關(guān)聯(lián)度矩陣

表5 各機構(gòu)對外關(guān)聯(lián)聯(lián)度和受外關(guān)聯(lián)度排名情況表

進(jìn)一步，我們基于全樣本關(guān)聯(lián)矩陣（表4）把兩兩關(guān)聯(lián)指數(shù)進(jìn)行排序得到我金融市場兩兩部門關(guān)聯(lián)度表（表6），從表6來觀察我國金融市場九部門間的兩兩關(guān)系，可以發(fā)現(xiàn)多元銀行對區(qū)域銀行和區(qū)域銀行對多元銀行的兩兩關(guān)聯(lián)度指數(shù)占到了前兩名，指數(shù)分別是21.25和19.57，這說明在我國金融市場金融部門兩兩關(guān)聯(lián)中，區(qū)域銀行對多元銀行影響最為顯著，但多元銀行對區(qū)域銀行影響緊跟其后，可見區(qū)域銀行和多元銀行是所有金融部門關(guān)系最緊密的兩個部門，這與兩部門業(yè)務(wù)相關(guān)，多元銀行部門和區(qū)域銀行部門在拆借等同業(yè)務(wù)來往密切，這也導(dǎo)致兩個部門經(jīng)營狀況互相影響，當(dāng)區(qū)域銀行陷入困境時監(jiān)管層需要關(guān)注多元銀行狀況，同理當(dāng)多元銀行陷入困境時應(yīng)多關(guān)心區(qū)域銀行狀況。在兩兩關(guān)關(guān)聯(lián)度表（表6）中指數(shù)倒數(shù)第一和第二分別指的是多元銀行對房地產(chǎn)服務(wù)和房地產(chǎn)服務(wù)對多元銀行，指數(shù)分別是2和2.61，這說明在金融市場的金融部門中多元銀行和房地產(chǎn)服務(wù)之間的關(guān)聯(lián)性較少。

表6 我金融市場兩兩部門關(guān)聯(lián)度表

在表4中，最后一行最后一個數(shù)是總的關(guān)聯(lián)度指數(shù)，我們可以發(fā)現(xiàn)在我國金融市場總的關(guān)聯(lián)度指數(shù)為73.02，這說明從整個金融市場來看，我國金融市場約有73.02%的日收益率受外部部門影響，這也證明了我國金融市場各個部門聯(lián)系緊密，一體化水平高且市場成熟。上述分析為“靜態(tài)”的關(guān)聯(lián)性，代表全樣本情況下我國金融業(yè)各部門關(guān)聯(lián)情況。但極端事件所引發(fā)的金融風(fēng)險通常具有突發(fā)性和復(fù)雜性，以全樣本角度出發(fā)“靜態(tài)”關(guān)聯(lián)性顯然是不足以讓監(jiān)管層準(zhǔn)確判斷該金融風(fēng)險事件的風(fēng)險源和風(fēng)險傳染網(wǎng)絡(luò)結(jié)構(gòu)，知曉風(fēng)險傳染途徑，從而無法采用準(zhǔn)確的監(jiān)管手段，導(dǎo)致金融風(fēng)險未及時控制從而金融風(fēng)險近一步蔓延。因此從“動態(tài)”關(guān)聯(lián)性考慮風(fēng)險傳染至關(guān)重要。

（二）我國金融市場收益率整體關(guān)聯(lián)度動態(tài)分析

前文基于全樣本角度來分析收益率聯(lián)動程度，以靜態(tài)分析的角度去考慮我國金融市場各部門“靜態(tài)”關(guān)聯(lián)性，但“靜態(tài)”的關(guān)聯(lián)性面對突發(fā)的極端事件無法很好的刻畫風(fēng)險傳染網(wǎng)絡(luò)，為了更好觀測我國金融市場風(fēng)險傳染狀況，本文以動態(tài)的角度去分析我國金融市場各部門關(guān)聯(lián)性，方法為采用300天的滾動窗口，同時每個窗口期建立廣義方差分解以測算每日我國金融市場收益率總的關(guān)聯(lián)度指數(shù)。

從圖1可以發(fā)現(xiàn)，我國金融市場收益率關(guān)聯(lián)程度指數(shù)受極端事件影響較大。例如在2015年1月19日收益率關(guān)聯(lián)度指數(shù)飆升，主要受到當(dāng)天“A股1.19事件影響”，隨后市場情緒平復(fù)冷靜，指數(shù)開始下降，到了2015年7月27日指數(shù)開始飆升，主要是受到當(dāng)日上證300指數(shù)大跌影響，隨后指數(shù)一直有上升的趨勢，在2016年四季度，指數(shù)開始下跌，到了2018年初，由于市場對“中美貿(mào)易戰(zhàn)”預(yù)期，導(dǎo)致指數(shù)開始向上漲，到了2018年3月23日，由于“中美貿(mào)易戰(zhàn)”正式爆發(fā)，指數(shù)開始飆升，隨后直到2019年6月20日為止，指數(shù)依然呈上升趨勢。為什么收益率關(guān)聯(lián)度指數(shù)會對極端事件敏感，張兵等認(rèn)為一個部門受沖擊，由于投資者恐慌心理預(yù)期和羊群效應(yīng)等非理性下會使得極端情況下市場聯(lián)動性更強[26]。根據(jù)這個發(fā)現(xiàn)可知代表我國金融市場聯(lián)動性水平收益率關(guān)聯(lián)度指數(shù)的波動與市場極端事件有關(guān)。

圖1 我國金融市場收益率關(guān)聯(lián)度動態(tài)圖

（三）我國金融部門風(fēng)險傳染網(wǎng)絡(luò)分析

基于前文收益率關(guān)聯(lián)度的動態(tài)分析，可以發(fā)現(xiàn)突發(fā)事件會使得我國金融市場關(guān)聯(lián)度變強，這也可能意味著風(fēng)險傳染發(fā)生，為了進(jìn)一步的考察突發(fā)事件時我國金融市場風(fēng)險傳染網(wǎng)絡(luò)，本文基于2015年1月19日的“A股1.19事件”和2018年3月23日“中美貿(mào)易戰(zhàn)”兩個極端事件來測算不同突發(fā)事件的風(fēng)險傳染網(wǎng)絡(luò)。

首先本文以“A股1.19事件”為例，考察2015年1月19日的各個金融部門風(fēng)險傳染網(wǎng)絡(luò)。2015年1月16～17日證監(jiān)會調(diào)查融資融券問題，隨后的2015年1月19日，A股迎來了1.19大跌，1月19日，上證指數(shù)以5.94%的跌幅低開，并保持低位震蕩。截至早盤收盤，上證指數(shù)大跌212.78點，跌幅高達(dá)6.3%。受到政策影響最大的金融股為領(lǐng)跌板塊，其中，證券、銀行、保險板塊的跌幅均超過9%。

本文基于楊子暉[21]邊際凈效應(yīng)溢出網(wǎng)絡(luò)分析方法和如下機制刻畫風(fēng)險傳染。先測算出每日凈關(guān)聯(lián)度矩陣，計算2015年1月19日當(dāng)天各個部門相互之間的凈關(guān)聯(lián)度處于每日凈關(guān)聯(lián)度的分位數(shù)段位置，如果當(dāng)天凈關(guān)聯(lián)度進(jìn)入到全樣本凈關(guān)聯(lián)度前1%的分位數(shù)段則認(rèn)為是非常顯著的風(fēng)險傳染效應(yīng)，在網(wǎng)絡(luò)圖中用最粗的線表示，如果是進(jìn)入5%分位數(shù)段，那么認(rèn)為是比較顯著的風(fēng)險傳染效應(yīng)，用粗線表示，如果是進(jìn)入到10%的分位數(shù)段，那認(rèn)為是顯著風(fēng)險傳染效應(yīng)，用細(xì)線表示，這樣組成當(dāng)日風(fēng)險傳染網(wǎng)絡(luò)圖。上述定義符合風(fēng)險傳染是關(guān)聯(lián)度顯著增強的設(shè)定。

根據(jù)圖2可以發(fā)現(xiàn)，在2015年1月19日當(dāng)天的風(fēng)險傳染網(wǎng)絡(luò)圖，在我國金融市場系統(tǒng)中投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門是這一天主要風(fēng)險傳染源，對保險、資產(chǎn)管理與托管銀行、多領(lǐng)域控股、多元化銀行、區(qū)域銀行、房地產(chǎn)服務(wù)、房地產(chǎn)開發(fā)邊際關(guān)聯(lián)度進(jìn)入了全樣本前1%分段，對房地產(chǎn)經(jīng)營際關(guān)聯(lián)度進(jìn)入全樣本5%分段，而受其傳染的部門，也各自對其他部門進(jìn)行傳染。風(fēng)險傳染網(wǎng)絡(luò)尾部為多領(lǐng)域控股和房地產(chǎn)服務(wù)，這說明多領(lǐng)域控股和房地產(chǎn)服務(wù)兩部門受到了其它部門直接或者間接的風(fēng)險沖擊，且自身未傳遞風(fēng)險給其他部門。這顯示了在2015年1月19日當(dāng)天，投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門陷入困境時，對其他金融部門邊際關(guān)聯(lián)度都顯著增強，風(fēng)險傳染效應(yīng)顯著，受到投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門風(fēng)險傳染的部門迅速把自身的風(fēng)險傳染給其他部門，直到風(fēng)險傳染到多領(lǐng)域控股和房地產(chǎn)經(jīng)營兩部門為止，此時，我國金融市場部門間的風(fēng)險關(guān)聯(lián)性較為顯著。

圖2 2015年1月19日風(fēng)險傳染網(wǎng)絡(luò)刻畫圖

此外，我們考慮2018年“中美貿(mào)易戰(zhàn)”事件，2018年3月23日特朗普簽署總統(tǒng)備忘錄對中國征稅并限制中國企業(yè)對美投資，中美貿(mào)易戰(zhàn)開始，道指暴跌700點，離岸人民幣跌300余點，第二天早上我國滬深兩市指數(shù)雙雙大幅低開，午后開盤后大盤指數(shù)進(jìn)步下跌，最后深指、創(chuàng)業(yè)板指跌超5%，滬指跌超4%。

圖3 2018年3月23日風(fēng)險傳染網(wǎng)絡(luò)刻畫圖

根據(jù)圖3我們可以發(fā)現(xiàn)，在2018年3月23日當(dāng)天我國金融市場系統(tǒng)中，投資銀行與經(jīng)紀(jì)業(yè)務(wù)和區(qū)域銀行兩部門是這次風(fēng)險的來源，其中投資銀行對房地產(chǎn)經(jīng)營，保險和多領(lǐng)域控股邊際關(guān)聯(lián)度進(jìn)入了全樣本前1%分段，對房地產(chǎn)服務(wù)邊際關(guān)聯(lián)度進(jìn)入全樣本5%分段，對房地產(chǎn)開發(fā)邊際關(guān)聯(lián)度進(jìn)入了全樣本前10%分段。而區(qū)域銀行對多領(lǐng)域控股，保險，房地產(chǎn)服務(wù)，房地產(chǎn)經(jīng)營和資產(chǎn)管理與托管銀行部門邊際關(guān)聯(lián)度進(jìn)入了全樣本前1%分段，對多元化銀行邊際關(guān)聯(lián)度進(jìn)入了全樣本錢10%分段。這天風(fēng)險傳染網(wǎng)絡(luò)的尾部是多領(lǐng)域控股這部門。這顯示2018年3月23日當(dāng)天，由于貿(mào)易戰(zhàn)事件使得投資銀行和區(qū)域銀行部門陷入了困境，其風(fēng)險對其他部門產(chǎn)生了沖擊。受到多元銀行風(fēng)險傳染的部門迅速把自身風(fēng)險傳染給下個部門直到風(fēng)險傳染到多領(lǐng)域控股這部門為止。

以突發(fā)事件對收益率的邊際凈溢出網(wǎng)絡(luò)我們可以發(fā)現(xiàn)，突發(fā)事件往往會提高我國金融市場各部門聯(lián)動水平，這使得風(fēng)險更易傳播，同時風(fēng)險傳染網(wǎng)絡(luò)具有動態(tài)關(guān)聯(lián)性，監(jiān)管層面對不同的事件，需要根據(jù)不同的情況去處理。

四、穩(wěn)健性檢驗

為了檢驗結(jié)果的穩(wěn)健性，本文基于改變預(yù)測期、改變窗口、改變樣本頻率對結(jié)果進(jìn)行穩(wěn)健性分析。通過改變預(yù)測期來驗證關(guān)聯(lián)度矩陣方法的穩(wěn)健性，分別選取了1、5和15期預(yù)測期來構(gòu)建關(guān)聯(lián)度矩陣④。改變樣本頻率方面，使用周度收益率數(shù)據(jù)來考察關(guān)聯(lián)度矩陣和關(guān)聯(lián)度動態(tài)圖方法的穩(wěn)健性（見圖4）。改變窗口方面，采取改變滾動窗口來檢驗關(guān)聯(lián)度動態(tài)圖方法的穩(wěn)健性，分別選取了100、200、400和500的時間窗口（見圖4）。上述實證結(jié)果均和我們本文的結(jié)果幾乎一致，因此本文的結(jié)果是穩(wěn)健的。

圖4 我國金融市場收益率關(guān)聯(lián)度動態(tài)圖（圖滾動窗口從左往右從上往下依次為100（日收益率）、200（日收益率）、400（日收益率）、500（日收益率）、100（周收益率））

五、結(jié)論

本文以“動態(tài)關(guān)聯(lián)性”來定義風(fēng)險傳染，采用廣義方差分解構(gòu)建關(guān)聯(lián)度網(wǎng)絡(luò)，從動態(tài)的方法觀察我國金融行業(yè)部門間的風(fēng)險傳染情況。

從關(guān)聯(lián)度矩陣分析來看，房地產(chǎn)開發(fā)部門較為脆弱，而且一旦經(jīng)營狀況陷入困境會對其他部門造成顯著影響，這是風(fēng)險監(jiān)管應(yīng)投入較大關(guān)注的部門。同時觀察了各個部門兩兩之間關(guān)聯(lián)情況，發(fā)現(xiàn)多元銀行和區(qū)域銀行是聯(lián)系非常密切的部門。最后發(fā)現(xiàn)我國金融市場整體關(guān)聯(lián)度指數(shù)為73.01%。這表明除了歸因于自己行業(yè)本身特性外，幾乎約73%上收益率變動是來自于外部沖擊，證明了我國金融市場收益率聯(lián)系緊密，一體化水平高。但基于全樣本的“靜態(tài)”關(guān)聯(lián)性無法第一時間刻畫突發(fā)的極端事件所產(chǎn)生的金融風(fēng)險傳染網(wǎng)絡(luò)。為此，本文考察了我國金融市場動態(tài)關(guān)聯(lián)度指數(shù)，發(fā)現(xiàn)關(guān)聯(lián)度指數(shù)對風(fēng)險傳染較為敏感，極端事件發(fā)生都會導(dǎo)致關(guān)聯(lián)度指數(shù)上升。在我國金融部門風(fēng)險溢出效應(yīng)的網(wǎng)絡(luò)分析中以“A股1.19事件”機制和“中美貿(mào)易戰(zhàn)”為例作為“外部沖擊事件”，得到我國金融部門風(fēng)險溢出效應(yīng)網(wǎng)絡(luò)具有動態(tài)關(guān)聯(lián)性特征。兩個案例也驗證了，由于極端事件具有突發(fā)性，每一次事件引發(fā)的金融風(fēng)險傳染都有自己獨特的網(wǎng)絡(luò)結(jié)構(gòu)。動態(tài)刻畫金融風(fēng)險傳染網(wǎng)絡(luò)能夠幫助監(jiān)管層迅速針對傳染源和傳染途徑采取相應(yīng)的監(jiān)管措施，把風(fēng)險降到最低。

注釋

① Wind行業(yè)指數(shù)成分股選取參照GICS行業(yè)準(zhǔn)則。網(wǎng)站鏈接：https://www.msci.com/gics.

② ***代表1%顯著水平.

③ 為節(jié)省篇幅，我們這里沒有提供VAR模型平穩(wěn)性檢驗和穩(wěn)定性檢驗的結(jié)果，有興趣的讀者可以向作者索取.

④ 為節(jié)省篇幅，我們這里沒有提供改變預(yù)測期檢驗穩(wěn)健性的結(jié)果，有興趣的讀者可以向作者索取.