行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)特征及其影響因素

周 亮

(1.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;2.湖南師范大學(xué) 商學(xué)院,湖南 長(zhǎng)沙 410081)

一、研究背景

金融在現(xiàn)代經(jīng)濟(jì)中處于核心地位,但是金融體系內(nèi)生的脆弱性及復(fù)雜性,導(dǎo)致其內(nèi)在危機(jī)容易顯性化、擴(kuò)大化,甚至造成全球范圍內(nèi)的沖擊。全球金融危機(jī)及其對(duì)實(shí)體經(jīng)濟(jì)的極大破壞性催生了學(xué)界、業(yè)界及監(jiān)管層對(duì)于系統(tǒng)性風(fēng)險(xiǎn)的關(guān)注。雖然危機(jī)之后國(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,但是由于系統(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。20世紀(jì)90年代頻繁發(fā)生的局部和區(qū)域性金融危機(jī)事件引起了學(xué)者們的關(guān)注,一些學(xué)者提出了系統(tǒng)性風(fēng)險(xiǎn)的概念[1-2]。De Bandt等[3]認(rèn)為,系統(tǒng)性風(fēng)險(xiǎn)就是某一重大的系統(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)。Acharya[4]認(rèn)為,系統(tǒng)性風(fēng)險(xiǎn)是金融機(jī)構(gòu)資產(chǎn)端趨同性引發(fā)的聯(lián)合破產(chǎn)風(fēng)險(xiǎn)。Billio等[5]認(rèn)為,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)易于傳播從而形成系統(tǒng)性風(fēng)險(xiǎn)。Adrian等[6]則認(rèn)為,系統(tǒng)性風(fēng)險(xiǎn)是由系統(tǒng)性事件所觸發(fā)的金融體系大范圍崩潰的可能性,并對(duì)金融市場(chǎng)和實(shí)體經(jīng)濟(jì)具有很強(qiáng)的負(fù)外部性。

對(duì)系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度大致可以分為四類：基于收益率損失的度量方法,基于流動(dòng)性不足的度量方法,基于關(guān)聯(lián)性的度量方法和基于宏觀總量的度量方法。第一,基于收益率損失的度量方法常見的有Co-VaR[6-7]、邊際期望損失MES[8-9]、成分期望損失CES[10]、困境保費(fèi)溢價(jià)DIP[11]等,這些度量方法或指標(biāo)側(cè)重于利用市場(chǎng)數(shù)據(jù),實(shí)時(shí)性強(qiáng)。第二,基于流動(dòng)性不足的度量方法主要包括SRISK[12-13]、Baumeister等[14]通過(guò)總體外部市場(chǎng)風(fēng)險(xiǎn)因子(利率、信貸價(jià)差、貨幣和商品價(jià)格)構(gòu)建的流動(dòng)性指標(biāo)等,SRISK對(duì)未來(lái)的宏觀經(jīng)濟(jì)下行壓力有較好的預(yù)測(cè)作用,這些指標(biāo)融合了公司財(cái)務(wù)數(shù)據(jù)甚至專家判斷,涵蓋的信息更充分,但時(shí)效性略差。第三,基于關(guān)聯(lián)性的度量方法主要包括利用多元GARCH模型測(cè)算各市場(chǎng)或機(jī)構(gòu)之間的相關(guān)性[15-16]、Copula函數(shù)計(jì)算資產(chǎn)之間的尾部相依性[17-18]以及IMF[19]提出的網(wǎng)絡(luò)模型法。第四,基于宏觀總量的度量方法,一方面是度量信貸、資產(chǎn)價(jià)格和實(shí)際經(jīng)濟(jì)活動(dòng)間的關(guān)聯(lián)性[20-21],另一方面是利用主成分分析方法篩選出影響系統(tǒng)性風(fēng)險(xiǎn)的主要因素[22]。金融風(fēng)險(xiǎn)的產(chǎn)生,從內(nèi)部來(lái)看,主要來(lái)自于金融體系的內(nèi)在脆弱性、復(fù)雜性和弱公共品性從而導(dǎo)致的負(fù)外部性,Borio[23]、Brunnermeier[24]和Neveu[25]等學(xué)者指出,金融體系的順周期性是導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)不斷累積到爆發(fā)的根本原因;從外部來(lái)看,國(guó)際資本流動(dòng)的突然減少及預(yù)期偏好逆轉(zhuǎn)是導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)事件發(fā)生的重要原因[26-27]。

目前對(duì)系統(tǒng)性風(fēng)險(xiǎn)的研究主要集中在對(duì)金融機(jī)構(gòu)或金融行業(yè)內(nèi)部的研究,近年來(lái)少部分學(xué)者對(duì)其他行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了研究。朱波等[28]在測(cè)度行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的基礎(chǔ)上,對(duì)行業(yè)特征與行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系及其與貨幣政策聯(lián)系等問(wèn)題進(jìn)行了考察,結(jié)果發(fā)現(xiàn),金融業(yè)系統(tǒng)性風(fēng)險(xiǎn)相對(duì)較高,次貸危機(jī)后呈下降趨勢(shì);礦采業(yè)和房地產(chǎn)業(yè)等行業(yè)系統(tǒng)性風(fēng)險(xiǎn)在部分時(shí)期高于金融業(yè);杠桿比率和規(guī)模等行業(yè)特征對(duì)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)具有一定解釋力。易蓉等[29]以滬深300的10個(gè)行業(yè)指數(shù)為實(shí)證對(duì)象,利用主成分差分法和冪律分布的長(zhǎng)尾特征,預(yù)測(cè)出滬深300指數(shù)CSI300的系統(tǒng)性風(fēng)險(xiǎn)信號(hào)發(fā)生的3個(gè)時(shí)點(diǎn)。葉五一等[30]通過(guò)構(gòu)建動(dòng)態(tài)因子Copula模型對(duì)行業(yè)的日收益率數(shù)據(jù)進(jìn)行了動(dòng)態(tài)相關(guān)性分析,并基于風(fēng)險(xiǎn)預(yù)期占比度量了中國(guó)行業(yè)之間系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng),結(jié)果發(fā)現(xiàn),各個(gè)行業(yè)指數(shù)收益率之間存在較強(qiáng)的關(guān)聯(lián)性,就單個(gè)行業(yè)來(lái)說(shuō),化工行業(yè)與其他行業(yè)關(guān)系最為不穩(wěn)定;就金融與非金融行業(yè)而言,金融行業(yè)對(duì)非金融行業(yè)的影響較大且較為平穩(wěn)。對(duì)系統(tǒng)性風(fēng)險(xiǎn)影響因素的研究方面,陳志國(guó)等[31]認(rèn)為,股票市場(chǎng)的擴(kuò)容率及政策變化是影響系統(tǒng)性風(fēng)險(xiǎn)的重要因素;王妍等[7]則認(rèn)為,金融機(jī)構(gòu)的規(guī)模和杠桿率兩個(gè)特征變量對(duì)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的影響最顯著;王擎等[32]的觀點(diǎn)相似,他們認(rèn)為杠桿率高、盈利能力強(qiáng)和業(yè)務(wù)復(fù)雜程度高的商業(yè)銀行具有更高的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn);張?zhí)祉數(shù)萚33]則發(fā)現(xiàn),銀行規(guī)模、股權(quán)市賬比、非利息收入及銀行系統(tǒng)的波動(dòng)率均對(duì)單個(gè)機(jī)構(gòu)面臨的系統(tǒng)性風(fēng)險(xiǎn)有影響。

可以看到,學(xué)者對(duì)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)展開的研究尚未取得一致性的結(jié)論,且普遍是遵循之前的思維,即將行業(yè)區(qū)分為金融行業(yè)和非金融行業(yè)。但是實(shí)際上,系統(tǒng)性風(fēng)險(xiǎn)并不只是由于金融行業(yè)本身而導(dǎo)致的,部分高負(fù)債型行業(yè),如材料行業(yè)、房地產(chǎn)行業(yè),對(duì)整體系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)同樣很高,研究這些行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的基本特征及其影響因素,對(duì)于防止金融風(fēng)險(xiǎn)擴(kuò)散同樣具有重要意義。目前對(duì)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行測(cè)度,常見的有朱波等[28]對(duì)行業(yè)中所有企業(yè)的風(fēng)險(xiǎn)貢獻(xiàn)度進(jìn)行平均的方法,也有沈悅等[34]和葉五一等[30]直接采用行業(yè)指數(shù)的日收益率數(shù)據(jù)進(jìn)行分析的方法?？紤]到本文所選行業(yè)指數(shù)較多,因此擬借鑒葉五一等[30]的方法,采用Co VaR和MES方法對(duì)巨潮行業(yè)指數(shù)的日收益率進(jìn)行分析,以得到行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的靜態(tài)和動(dòng)態(tài)特征。同時(shí),選擇規(guī)模、估值等指標(biāo)來(lái)研究影響行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的市場(chǎng)面因素,相對(duì)于其他學(xué)者從宏觀層面或金融機(jī)構(gòu)資產(chǎn)負(fù)債表層面選取影響系統(tǒng)性風(fēng)險(xiǎn)的基本面因素,本文從市場(chǎng)角度開展研究,一方面可以更好地反映出投資者預(yù)期的變化;另一方面市場(chǎng)數(shù)據(jù)相對(duì)而言更為高頻,能夠更靈敏地反映出系統(tǒng)性風(fēng)險(xiǎn)的變化。

二、研究設(shè)計(jì)

(一)條件風(fēng)險(xiǎn)價(jià)值Co VaR

Adrian等[6]提出的Co VaR模型可計(jì)算單個(gè)資產(chǎn)對(duì)整體系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度,計(jì)算公式為：

其中,R代表收益率表示在1-α的置信水平下,當(dāng)金融資產(chǎn)i的收益率R i遭受極端損失時(shí),系統(tǒng)所面臨的條件風(fēng)險(xiǎn)價(jià)值。

其后將金融機(jī)構(gòu)i的在險(xiǎn)風(fēng)險(xiǎn)價(jià)值VaR i和收益率中位數(shù)R i,med代入分位數(shù)回歸模型,分別可獲得金融機(jī)構(gòu)i處于極端損失和正常收益水平時(shí),股票市場(chǎng)系統(tǒng)的條件風(fēng)險(xiǎn)價(jià)值：

利用式(3)與(4)可獲得金融機(jī)構(gòu)i對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度：

(二)邊際期望損失MES

Acharya等[8]提出的系統(tǒng)性期望損失SES與邊際期望損失MES用以度量市場(chǎng)陷入系統(tǒng)性危機(jī)和未陷入危機(jī)時(shí),單個(gè)金融機(jī)構(gòu)對(duì)整個(gè)金融系統(tǒng)風(fēng)險(xiǎn)的邊際貢獻(xiàn)程度。

其中,#days表示市場(chǎng)表現(xiàn)低于α分位所對(duì)應(yīng)的總時(shí)間。

(三)樣本選取及描述性統(tǒng)計(jì)

本文主要考察A股各行業(yè)對(duì)整個(gè)股票系統(tǒng)的風(fēng)險(xiǎn)貢獻(xiàn),選取滬深300指數(shù)作為A股整體市場(chǎng)的代表,巨潮行業(yè)指數(shù)將所有股票劃分為能源、材料、工業(yè)、可選、消費(fèi)、醫(yī)藥、金融、信息及公用9個(gè)行業(yè),相對(duì)于申萬(wàn)將行業(yè)細(xì)分為28個(gè)行業(yè),巨潮行業(yè)指數(shù)對(duì)行業(yè)劃分的規(guī)模更為合適,更便于分析各行業(yè)的系統(tǒng)性風(fēng)險(xiǎn),因此選擇巨潮行業(yè)指數(shù)作為研究對(duì)象。為了保證樣本時(shí)間周期足夠長(zhǎng),選擇2005年1月至2018年7月間滬深300指數(shù)及巨潮行業(yè)指數(shù)的所有周數(shù)據(jù)進(jìn)行分析,對(duì)指數(shù)收益率的衡量采用對(duì)數(shù)收益率法,計(jì)算公式為：r t=100×ln(P t/P t-1),其中P t和P t-1分別為t時(shí)刻和t-1時(shí)刻的指數(shù)價(jià)格。表1報(bào)告了滬深300指數(shù)及巨潮行業(yè)指數(shù)周收益率的描述性統(tǒng)計(jì)情況,從均值來(lái)看,消費(fèi)行業(yè)和醫(yī)藥行業(yè)的收益率最高,而能源行業(yè)的收益率最低,因此如果選擇單一行業(yè)進(jìn)行長(zhǎng)期投資,消費(fèi)行業(yè)和醫(yī)藥行業(yè)是最佳的選擇;中位值的結(jié)果與均值相類似,唯一的區(qū)別是信息行業(yè),該行業(yè)均值并不高,但是中位值卻最高,說(shuō)明信息行業(yè)容易出現(xiàn)較大的虧損,這從信息行業(yè)5%分位值最低可以看出;從偏度上看,滬深300指數(shù)及所有的行業(yè)指數(shù)均為負(fù)值,說(shuō)明中國(guó)股市總體虧損的周數(shù)更多;所有指數(shù)的峰度均大于3,說(shuō)明所有的序列均是尖峰厚尾的,符合金融時(shí)間序列的一般特征。

表1 指數(shù)周收益率的描述性統(tǒng)計(jì)情況

三、實(shí)證檢驗(yàn)

(一)系統(tǒng)性風(fēng)險(xiǎn)的靜態(tài)分析

對(duì)全樣本進(jìn)行靜態(tài)分析,以判斷所有行業(yè)的系統(tǒng)性風(fēng)險(xiǎn),表2和表3分別報(bào)告了在整體樣本區(qū)間內(nèi)行業(yè)指數(shù)的Co VaR和MES值,為了使結(jié)果更為穩(wěn)健,對(duì)每種系統(tǒng)性風(fēng)險(xiǎn)測(cè)度方法均取了0.1、0.05及0.01置信水平。從表2可以看到,對(duì)于Co VaR而言,材料、工業(yè)和金融3個(gè)行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)相對(duì)較高,其中在0.1和0.05置信水平下最高的是金融行業(yè)、在0.01置信水平下最高的是材料行業(yè);消費(fèi)、醫(yī)藥和信息3個(gè)行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)相對(duì)較低,其中在0.1和0.05置信水平下最低的是醫(yī)藥行業(yè)、在0.01置信水平下最低的是消費(fèi)行業(yè)。從表3可以看到,對(duì)于MES而言,材料、工業(yè)和信息3個(gè)行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)相對(duì)較高,其中在0.1和0.05置信水平下最高的是材料行業(yè)、在0.01置信水平下最高的是工業(yè)行業(yè);消費(fèi)、醫(yī)藥和公用3個(gè)行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)相對(duì)較低,其中在0.1和0.05置信水平下最低的是消費(fèi)行業(yè)、在0.01置信水平下最低的是醫(yī)藥行業(yè)。綜合來(lái)看,兩種系統(tǒng)性風(fēng)險(xiǎn)測(cè)算方法下的大部分結(jié)果相似,但是也有一些差異,如在Co VaR下信息行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)較低,在MES下信息行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)較高;而總體來(lái)看,材料行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)最高,消費(fèi)和醫(yī)藥行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)最低。

表2 行業(yè)指數(shù)CoVaR的靜態(tài)分析

表3 行業(yè)指數(shù)MES的靜態(tài)分析

(二)系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)分析

1.Co VaR的動(dòng)態(tài)分析。靜態(tài)分析可以觀察到所有行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的整體狀況,但是由于市場(chǎng)是動(dòng)態(tài)變化的,各行業(yè)指數(shù)的系統(tǒng)性風(fēng)險(xiǎn)也應(yīng)該是動(dòng)態(tài)變化的。采用50周作為滾動(dòng)周期來(lái)計(jì)算分位數(shù)回歸系數(shù),并進(jìn)而計(jì)算各行業(yè)指數(shù)的Co VaR值,表4報(bào)告了各行業(yè)指數(shù)動(dòng)態(tài)Co VaR值的描述性統(tǒng)計(jì)及行業(yè)間Co VaR值的相關(guān)系數(shù)。可以看到,材料行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)最高,其次是公用行業(yè)和金融行業(yè);醫(yī)藥行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)最低,其次是信息行業(yè)和消費(fèi)行業(yè)。從相關(guān)系數(shù)來(lái)看,所有行業(yè)系統(tǒng)性風(fēng)險(xiǎn)間的相關(guān)性均較高,其中最低的是醫(yī)藥行業(yè)和金融行業(yè),相關(guān)系數(shù)為0.64,在1%水平下顯著(限于篇幅,在表4中未注明顯著性)。為更好地觀察各行業(yè)Co VaR的動(dòng)態(tài)變化趨勢(shì),將系統(tǒng)性風(fēng)險(xiǎn)最高的材料行業(yè)和系統(tǒng)性風(fēng)險(xiǎn)最低的醫(yī)藥行業(yè)的趨勢(shì)描述如圖1所示(為避免圖形看起來(lái)過(guò)于混亂,只列出了兩個(gè)行業(yè)的Co VaR值變化趨勢(shì))?？梢钥吹?兩者的走勢(shì)大體相似,只是醫(yī)藥行業(yè)的Co VaR值一直低于材料行業(yè)的Co VaR值;從變動(dòng)趨勢(shì)來(lái)看,行業(yè)系統(tǒng)性風(fēng)險(xiǎn)在2009年年初和2016年3月呈現(xiàn)出兩個(gè)峰值,2009年年初是由于受到美國(guó)次貸危機(jī)的傳染,2016年3月則是受中國(guó)股災(zāi)的影響,且美國(guó)次貸危機(jī)期間中國(guó)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)峰值更高,說(shuō)明各行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的變動(dòng)狀況與國(guó)內(nèi)外宏觀金融環(huán)境大體相關(guān)。

表4 行業(yè)動(dòng)態(tài)CoVaR值的描述性統(tǒng)計(jì)及相關(guān)性分析

2.MES的動(dòng)態(tài)分析。同樣采用50周為滾動(dòng)周期計(jì)算各行業(yè)的動(dòng)態(tài)MES值,表5報(bào)告了各行業(yè)動(dòng)態(tài)MES值的描述性統(tǒng)計(jì)及相關(guān)性分析結(jié)果。可以看到,以MES來(lái)衡量,金融行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)最高,其次是材料行業(yè)和工業(yè)行業(yè);醫(yī)藥行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)最低,其次是消費(fèi)行業(yè)和公用行業(yè)。綜合Co VaR和MES的動(dòng)態(tài)結(jié)果來(lái)看,材料行業(yè)和金融行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)最高,醫(yī)藥行業(yè)和消費(fèi)行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)最低,這與靜態(tài)分析的結(jié)果略有出入,因?yàn)榻鹑谛袠I(yè)的靜態(tài)MES并不高。相關(guān)性分析結(jié)果仍然顯示醫(yī)藥行業(yè)和金融行業(yè)的相關(guān)性最低,為0.39,低于Co VaR的0.64,且MES相關(guān)系數(shù)總體數(shù)值要比Co VaR低。相關(guān)性分析的結(jié)果也從側(cè)面驗(yàn)證了,目前在股市中最好的配置方式是選擇金融行業(yè)和醫(yī)藥行業(yè)共同配置,可以有效分散風(fēng)險(xiǎn)。圖2同樣報(bào)告了材料行業(yè)和醫(yī)藥行業(yè)的動(dòng)態(tài)MES變化趨勢(shì),可以看到,行業(yè)MES在2009年年初及2016年3月同樣處于較高的水平,但是MES的變動(dòng)跳躍性更多,不如Co VaR平滑。

圖1 材料和醫(yī)藥行業(yè)Co VaR值的動(dòng)態(tài)變化趨勢(shì)

表5 行業(yè)動(dòng)態(tài)MES的描述性統(tǒng)計(jì)及相關(guān)性分析

圖2 材料和醫(yī)藥行業(yè)MES值的動(dòng)態(tài)變化趨勢(shì)

(三)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響因素分析

1.變量選取及單位根檢驗(yàn)。通過(guò)動(dòng)態(tài)計(jì)算所得的Co VaR和MES,雖然在數(shù)值上存在著差異,但是兩者之間的相關(guān)性極高,經(jīng)計(jì)算,9個(gè)行業(yè)的動(dòng)態(tài)Co VaR和MES的相關(guān)系數(shù)在0.65～0.78之間,且均在1%水平下顯著,均值為0.72(限于篇幅,具體結(jié)果未列出)。采用Co VaR和MES衡量系統(tǒng)性風(fēng)險(xiǎn)并無(wú)顯著差異,從圖1和圖2可以看到Co VaR值更為平滑,因此在本節(jié)采用Co VaR作為行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的代表,下節(jié)將利用MES來(lái)進(jìn)行穩(wěn)健性檢驗(yàn)。由于Co VaR是通過(guò)收益率數(shù)據(jù)計(jì)算出來(lái)的,因此借鑒資產(chǎn)定價(jià)的CAPM模型及多因子模型等,選擇行業(yè)流通市值(Value)、市凈率(PB)、凈資產(chǎn)收益率(ROE)、動(dòng)量(Mom)和流動(dòng)性(Liq)等來(lái)分析行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響因素[35]。其中,Value因素在原數(shù)據(jù)的基礎(chǔ)上取對(duì)數(shù),PB因素和ROE因素直接由數(shù)據(jù)庫(kù)獲得,Mom因素為50周的收益率;Liq因素為借鑒Amihud等[36]的研究,采用當(dāng)周漲跌幅絕對(duì)值除以成交總量計(jì)算得到,但實(shí)際上是個(gè)反向指標(biāo),即Liq因素?cái)?shù)值越高,流動(dòng)性反而越差。

由于只能收集到2011年12月2日后的行業(yè)數(shù)據(jù),因此本節(jié)采用2011年12月2日至2018年7月27日的所有周數(shù)據(jù)進(jìn)行分析,共341周。在對(duì)面板數(shù)據(jù)進(jìn)行回歸分析前,首先需要對(duì)變量的平穩(wěn)性進(jìn)行分析,只有平穩(wěn)的數(shù)據(jù)才可以直接建立回歸方程,而不平穩(wěn)的數(shù)據(jù)則需要在通過(guò)協(xié)整檢驗(yàn)的基礎(chǔ)上方可進(jìn)行回歸分析,否則容易造成偽回歸等現(xiàn)象。這里采用LLC、IPS、Fisher-PP及Fisher-ADF等多種方法對(duì)變量的平穩(wěn)性進(jìn)行共同檢驗(yàn),表6報(bào)告了Co VaR、MES、5個(gè)影響因素變量及部分變量的一階差分序列的平穩(wěn)性檢驗(yàn)結(jié)果。從結(jié)果上看,Co VaR、MES、Value及PB 4個(gè)變量的原序列均不平穩(wěn),但是它們的一階差分序列均是平穩(wěn)的;ROE、Mom及Liq 3個(gè)變量則是平穩(wěn)的。因此在進(jìn)行回歸分析時(shí),應(yīng)使用△Co-VaR(△表示一階差分,穩(wěn)健性檢驗(yàn)采用△MES)、△Value、△PB、ROE、Mom及Liq 6個(gè)變量建立模型。

表6 變量的平穩(wěn)性檢驗(yàn)結(jié)果

2.面板回歸結(jié)果分析。表7報(bào)告了變量的面板回歸結(jié)果,其中△Co VaR為被解釋變量。由于面板回歸包括隨機(jī)效應(yīng)和固定效應(yīng)兩種,因此表7中將兩種效應(yīng)的回歸結(jié)果均列出,然后通過(guò)F檢驗(yàn)及Haus-man檢驗(yàn)的結(jié)果來(lái)選擇最合適的模型。同時(shí)為了使模型擬合結(jié)果更優(yōu),表7還列出了動(dòng)態(tài)面板的回歸結(jié)果。其中,模型(I)和(II)為普通面板回歸結(jié)果,模型(III)—(VI)為動(dòng)態(tài)面板回歸結(jié)果;模型(I)(III)(V)為固定效應(yīng)面板,模型(II)(IV)(VI)為隨機(jī)效應(yīng)面板;模型(V)和(VI)為剔除了原模型中不顯著變量的回歸結(jié)果。從F檢驗(yàn)和Hausman檢驗(yàn)的結(jié)果來(lái)看,隨機(jī)效應(yīng)比固定效應(yīng)擬合效果更優(yōu);從動(dòng)態(tài)面板和普通面板的回歸結(jié)果來(lái)看,動(dòng)態(tài)面板的擬合效果更優(yōu)。從最后的擬合結(jié)果(模型VI)來(lái)看,動(dòng)量和流動(dòng)性對(duì)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)變動(dòng)有正向影響,市凈率變動(dòng)及流通市值變動(dòng)對(duì)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)變動(dòng)有負(fù)向影響。由于流動(dòng)性因素的計(jì)算方式為反向指標(biāo)(即實(shí)際上是非流動(dòng)性指標(biāo)),而估值和流通市值的一階差分變化更多是由指數(shù)短期的漲跌幅決定,因此最終有效的4個(gè)變量主要反映市場(chǎng)交易行為方面的影響因素,即當(dāng)行業(yè)指數(shù)短期漲幅較高、長(zhǎng)期漲幅較低及流動(dòng)性較充分時(shí),行業(yè)系統(tǒng)性風(fēng)險(xiǎn)將會(huì)相應(yīng)降低。短期漲幅高,說(shuō)明投資者在近期較為看好;長(zhǎng)期漲幅較低,說(shuō)明行業(yè)累計(jì)的風(fēng)險(xiǎn)相對(duì)較低;流動(dòng)性較充分,則行業(yè)指數(shù)的波動(dòng)將會(huì)降低,模型回歸結(jié)果能夠獲得較好的經(jīng)濟(jì)解釋。模型的R2僅為3.54%,說(shuō)明指數(shù)漲跌幅及流動(dòng)性雖然對(duì)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)有顯著的影響,但是還有更多的影響來(lái)自于行業(yè)外部,如宏觀經(jīng)濟(jì)環(huán)境、貨幣政策變動(dòng)、整體市場(chǎng)環(huán)境等,這是接下來(lái)值得進(jìn)一步探討的方向。

表7 系統(tǒng)性風(fēng)險(xiǎn)的面板回歸結(jié)果

3.穩(wěn)健性分析。為了保證結(jié)果的穩(wěn)健性,表8報(bào)告了采用△MES為被解釋變量的檢驗(yàn)結(jié)果,其他解釋變量與表7相同。從回歸結(jié)果可以看到,除了動(dòng)量效應(yīng)在穩(wěn)健性檢驗(yàn)中不顯著之外,其他變量的回歸結(jié)果與表7的結(jié)果相似,即流動(dòng)性對(duì)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)變動(dòng)有正向影響,市凈率變動(dòng)及流通市值變動(dòng)對(duì)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)變動(dòng)有負(fù)向影響。由于MES的衡量方法與Co VaR有差異,因此在回歸具體系數(shù)上,表7和表8的結(jié)果有差異,但是不影響對(duì)最終結(jié)果的分析?？傮w來(lái)看,結(jié)果是穩(wěn)健的。

表8 穩(wěn)健性檢驗(yàn)結(jié)果

四、結(jié)論與討論

采用2005年1月至2018年7月間滬深300指數(shù)及巨潮行業(yè)指數(shù)的所有周數(shù)據(jù),運(yùn)用Co VaR和MES指標(biāo)分析了9個(gè)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的靜態(tài)和動(dòng)態(tài)特征。結(jié)果發(fā)現(xiàn),兩種指標(biāo)計(jì)算的結(jié)果大體相似,無(wú)論是靜態(tài)結(jié)果還是動(dòng)態(tài)結(jié)果,材料行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)最高,而消費(fèi)行業(yè)和醫(yī)藥行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)最低;金融行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)從靜態(tài)角度來(lái)看雖然不高,但是從動(dòng)態(tài)視角看卻僅次于材料行業(yè)。從動(dòng)態(tài)趨勢(shì)上看,行業(yè)系統(tǒng)性風(fēng)險(xiǎn)在2009年年初和2016年3月呈現(xiàn)出兩個(gè)峰值,且2009年年初的峰值更高;同時(shí)也可以看到,各行業(yè)系統(tǒng)性風(fēng)險(xiǎn)間的相關(guān)性較高,金融行業(yè)和醫(yī)藥行業(yè)的相關(guān)性相對(duì)來(lái)說(shuō)是最低的。隨后采用面板模型分析行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的市場(chǎng)面影響因素發(fā)現(xiàn),當(dāng)行業(yè)指數(shù)短期漲幅較高、長(zhǎng)期漲幅較低及流動(dòng)性較充分時(shí),行業(yè)系統(tǒng)性風(fēng)險(xiǎn)將會(huì)相應(yīng)降低。本文的研究結(jié)論與朱波等[28]以及葉五一等[30]學(xué)者的研究具有相似的地方,但是在風(fēng)險(xiǎn)特征及風(fēng)險(xiǎn)影響因素等方面進(jìn)行了深化和進(jìn)一步分析,對(duì)行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的分析相對(duì)來(lái)說(shuō)更為充分和系統(tǒng),是相關(guān)理論的有益補(bǔ)充。

本文的研究對(duì)于金融風(fēng)險(xiǎn)的防范和監(jiān)管具有一定的參考價(jià)值和意義,主要包括以下三個(gè)方面：一是應(yīng)加強(qiáng)對(duì)系統(tǒng)性風(fēng)險(xiǎn)較高行業(yè)的審慎監(jiān)管,如材料行業(yè)和金融行業(yè)。金融行業(yè)是現(xiàn)代經(jīng)濟(jì)的核心,其一旦爆發(fā)風(fēng)險(xiǎn),會(huì)對(duì)整個(gè)經(jīng)濟(jì)體系帶來(lái)巨大的沖擊;材料行業(yè)作為其他行業(yè)的上游,其風(fēng)險(xiǎn)極容易從行業(yè)鏈條上擴(kuò)散到其他行業(yè)。這些行業(yè)系統(tǒng)性風(fēng)險(xiǎn)高,風(fēng)險(xiǎn)容易向其他行業(yè)進(jìn)行傳染,相對(duì)于醫(yī)藥和消費(fèi)等風(fēng)險(xiǎn)較低的行業(yè),在監(jiān)管上應(yīng)給予更多的重視,如加強(qiáng)對(duì)這些行業(yè)杠桿率的監(jiān)管要求、提高這些行業(yè)公司上市的標(biāo)準(zhǔn)等。二是應(yīng)建立好金融防火墻,防止外部重大金融危機(jī)的過(guò)度傳染。外部沖擊與國(guó)內(nèi)金融市場(chǎng)風(fēng)險(xiǎn)、機(jī)構(gòu)風(fēng)險(xiǎn)、實(shí)體經(jīng)濟(jì)風(fēng)險(xiǎn)等相互交織、彼此傳染,會(huì)使得由單個(gè)市場(chǎng)或局部風(fēng)險(xiǎn)引起連鎖沖擊而導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)發(fā)生的概率不斷提升。因此,應(yīng)抑制短期跨境資本頻繁流動(dòng),完善跨境資本流動(dòng)的風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警指標(biāo)體系,建立相應(yīng)的監(jiān)管體系,加快相關(guān)法律法規(guī)建設(shè),整治和規(guī)范金融市場(chǎng)的交易行為,強(qiáng)化金融機(jī)構(gòu)防范系統(tǒng)性風(fēng)險(xiǎn)的主體責(zé)任;并且堅(jiān)持匯率市場(chǎng)化,短期內(nèi)維持外匯市場(chǎng)穩(wěn)定,中期建立市場(chǎng)化外匯制度,加強(qiáng)人民幣國(guó)際化進(jìn)程,強(qiáng)化本外幣政策的協(xié)調(diào)管理。三是加強(qiáng)對(duì)各行業(yè)的實(shí)時(shí)監(jiān)控,設(shè)立日常的風(fēng)險(xiǎn)監(jiān)測(cè)、分析體制,同時(shí)設(shè)計(jì)若干個(gè)風(fēng)險(xiǎn)監(jiān)測(cè)的量化指標(biāo)。通過(guò)量化的指標(biāo)、市場(chǎng)的交易行為等因素對(duì)市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的大小進(jìn)行判斷分析,及時(shí)采取相應(yīng)的策略,防止系統(tǒng)性風(fēng)險(xiǎn)的發(fā)生。