中國(guó)金融市場(chǎng)間極端風(fēng)險(xiǎn)溢出的監(jiān)測(cè)預(yù)警研究
——基于MVMQ-CAViaR方法的實(shí)現(xiàn)

劉 玚 李 政 劉浩杰

內(nèi)容提要：為有效監(jiān)測(cè)與預(yù)警中國(guó)金融市場(chǎng)間極端風(fēng)險(xiǎn)溢出的方向與程度，本文基于MVMQ-CAViaR方法，結(jié)合中國(guó)2013—2017年銀行間市場(chǎng)、債券市場(chǎng)與股票市場(chǎng)相關(guān)數(shù)據(jù)，分析各金融市場(chǎng)間的極端風(fēng)險(xiǎn)傳遞過(guò)程。實(shí)證結(jié)果顯示，股票市場(chǎng)與債券市場(chǎng)對(duì)銀行間市場(chǎng)產(chǎn)生顯著的單向極端風(fēng)險(xiǎn)溢出效應(yīng)，而銀行間市場(chǎng)對(duì)另外兩個(gè)市場(chǎng)無(wú)極端風(fēng)險(xiǎn)傳遞效果，這表明股票市場(chǎng)與債券市場(chǎng)的極端風(fēng)險(xiǎn)向銀行間市場(chǎng)的傳遞過(guò)程具有不可逆性。從風(fēng)險(xiǎn)傳遞的強(qiáng)度來(lái)看，債券市場(chǎng)對(duì)股票市場(chǎng)和銀行間市場(chǎng)的極端風(fēng)險(xiǎn)溢出效應(yīng)更加顯著。因此，決策部門應(yīng)重點(diǎn)關(guān)注債券市場(chǎng)的極端風(fēng)險(xiǎn)水平變化，緩釋債券市場(chǎng)與股票市場(chǎng)對(duì)銀行間市場(chǎng)的極端風(fēng)險(xiǎn)沖擊，以有效防范和化解不同金融市場(chǎng)間極端風(fēng)險(xiǎn)的傳染與暴露。

一、問(wèn)題提出

2008年國(guó)際金融危機(jī)的爆發(fā)引起了全球?qū)ο到y(tǒng)性金融風(fēng)險(xiǎn)的關(guān)注。由于各金融市場(chǎng)之間存在著顯著的關(guān)聯(lián)性，當(dāng)某一系統(tǒng)性事件的爆發(fā)對(duì)某一個(gè)金融市場(chǎng)產(chǎn)生明顯沖擊后，基于各市場(chǎng)間的高度關(guān)聯(lián)性致使整個(gè)金融系統(tǒng)都會(huì)受到影響，進(jìn)而降低公眾對(duì)整個(gè)金融系統(tǒng)的信心，最終嚴(yán)重影響金融系統(tǒng)的正常運(yùn)行，并妨礙經(jīng)濟(jì)增長(zhǎng)。由于系統(tǒng)性風(fēng)險(xiǎn)的積累與爆發(fā)在很大程度上對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)會(huì)造成嚴(yán)重影響，因此各國(guó)都將防范系統(tǒng)性風(fēng)險(xiǎn)視為維護(hù)宏觀經(jīng)濟(jì)穩(wěn)定運(yùn)行目標(biāo)過(guò)程中的一項(xiàng)重要任務(wù)，并在面臨顯著的外部沖擊時(shí)，由“太大而不能倒”的傳統(tǒng)原則逐步向“太關(guān)聯(lián)而不能倒”的理念轉(zhuǎn)變[1]。

次貸危機(jī)以來(lái)，中國(guó)的金融市場(chǎng)也出現(xiàn)了一些典型的金融風(fēng)險(xiǎn)事件。無(wú)論是2013年的“錢荒”、2015年的股市動(dòng)蕩還是2018年以來(lái)多起國(guó)企債券違約事件，都反映出當(dāng)前中國(guó)金融市場(chǎng)存在一定的不穩(wěn)定因素。盡管這些不穩(wěn)定因素目前來(lái)看并不能成為直接引發(fā)國(guó)內(nèi)金融系統(tǒng)性風(fēng)險(xiǎn)的導(dǎo)火索，但鑒于各金融市場(chǎng)之間的高度關(guān)聯(lián)性，監(jiān)管部門必須防止單一金融市場(chǎng)出現(xiàn)的極端金融風(fēng)險(xiǎn)通過(guò)與其他金融市場(chǎng)之間的相互傳染形成“共振”，引發(fā)系統(tǒng)性風(fēng)險(xiǎn)并造成市場(chǎng)崩潰。2019年2月22日中央政治局會(huì)議上，習(xí)近平總書記再次強(qiáng)調(diào)了防范化解金融風(fēng)險(xiǎn)特別是防止發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)是金融工作的根本性任務(wù)。這充分說(shuō)明了當(dāng)前中國(guó)決策層面對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的重視程度。監(jiān)管部門應(yīng)當(dāng)針對(duì)極端金融風(fēng)險(xiǎn)在不同金融市場(chǎng)之間的傳染過(guò)程進(jìn)行深入分析，進(jìn)而及時(shí)制定相應(yīng)的金融監(jiān)管政策，最大限度維持金融市場(chǎng)平穩(wěn)健康運(yùn)行。

本文以國(guó)內(nèi)主要金融市場(chǎng)為研究對(duì)象，考察它們?cè)诿媾R極端風(fēng)險(xiǎn)時(shí)的傳染機(jī)制和溢出效應(yīng)?，F(xiàn)有文獻(xiàn)在分析金融市場(chǎng)的風(fēng)險(xiǎn)時(shí)往往強(qiáng)調(diào)外部沖擊的偶然性和整體市場(chǎng)的一般均衡性，因此無(wú)法有效刻畫出金融市場(chǎng)間的極端風(fēng)險(xiǎn)突變與傳染過(guò)程，更無(wú)法及時(shí)預(yù)警單一市場(chǎng)風(fēng)險(xiǎn)是否開(kāi)始引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)的爆發(fā)。本文以極端風(fēng)險(xiǎn)為切入點(diǎn)，重點(diǎn)考察金融市場(chǎng)間的極端風(fēng)險(xiǎn)傳遞與溢出效應(yīng)，從研究方法與研究思路上對(duì)現(xiàn)有關(guān)于金融市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)問(wèn)題進(jìn)行擴(kuò)展研究。此外，本文利用多變量多分位數(shù)的CAViaR模型(multivariate and multi-quantiles CAViaR，MVMQ-CAViaR)，對(duì)中國(guó)多個(gè)金融市場(chǎng)之間的風(fēng)險(xiǎn)溢出效果與傳染機(jī)制進(jìn)行實(shí)證分析，為厘清中國(guó)金融市場(chǎng)極端風(fēng)險(xiǎn)傳染渠道、防范金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)，為監(jiān)管部門構(gòu)建有效的風(fēng)險(xiǎn)預(yù)警體系提供政策指引。

本文的貢獻(xiàn)在于：首先，利用MVMQ-CAViaR方法對(duì)中國(guó)主要金融市場(chǎng)的極端風(fēng)險(xiǎn)水平及溢出效應(yīng)做有效測(cè)度?，F(xiàn)有文獻(xiàn)對(duì)金融市場(chǎng)極端風(fēng)險(xiǎn)及其傳染的研究主要運(yùn)用VaR和CoVaR等方法，但金融市場(chǎng)資產(chǎn)收益率尖峰厚尾和時(shí)變特征在一定程度上弱化了上述方法對(duì)極端風(fēng)險(xiǎn)測(cè)度的有效應(yīng)。本文使用的MVMQ-CAViaR方法在一定程度上能夠解決上述問(wèn)題，從而提高最終測(cè)度的有效性。其次，明確了當(dāng)前中國(guó)主要金融市場(chǎng)極端金融風(fēng)險(xiǎn)的傳染方向?，F(xiàn)有文獻(xiàn)對(duì)極端金融風(fēng)險(xiǎn)溢出問(wèn)題的研究更加關(guān)注關(guān)聯(lián)程度的大小，較少討論極端金融風(fēng)險(xiǎn)的傳染方向。本文利用上述模型，構(gòu)造Wald統(tǒng)計(jì)量對(duì)模型中的交叉影響系數(shù)進(jìn)行聯(lián)合顯著性檢驗(yàn)，以判斷極端風(fēng)險(xiǎn)傳染方向。

二、文獻(xiàn)回顧

金融市場(chǎng)之間風(fēng)險(xiǎn)傳遞問(wèn)題一直以來(lái)都是金融風(fēng)險(xiǎn)領(lǐng)域研究的一個(gè)重要課題。凱爾和熊(Kyle & Xiong，2001)研究發(fā)現(xiàn)當(dāng)各金融市場(chǎng)之間不存在顯著隔離情況時(shí)，各金融機(jī)構(gòu)間基于風(fēng)險(xiǎn)溢出和財(cái)富效應(yīng)的相互作用導(dǎo)致了機(jī)構(gòu)之間的風(fēng)險(xiǎn)傳染[2]。袁超等(2008)認(rèn)為由于參與者可以自由進(jìn)入和退出任何一個(gè)金融市場(chǎng)，資產(chǎn)管理者在資產(chǎn)配置過(guò)程中如果遭遇到外部沖擊，必然會(huì)將資金在市場(chǎng)間進(jìn)行轉(zhuǎn)移以規(guī)避風(fēng)險(xiǎn)，體現(xiàn)為不同市場(chǎng)之間資產(chǎn)收益率的聯(lián)動(dòng)性[3]。王茵田和文志瑛(2010)發(fā)現(xiàn)，隨著宏觀環(huán)境的迅速變化，單一市場(chǎng)的劇烈波動(dòng)不僅受宏觀經(jīng)濟(jì)本身的影響，且在關(guān)聯(lián)市場(chǎng)的互動(dòng)沖擊下這種波動(dòng)會(huì)被進(jìn)一步放大[4]。更甚者，蓋伊等(Gai et al.，2008)研究發(fā)現(xiàn)，金融系統(tǒng)各組成部分之間的內(nèi)在相關(guān)性導(dǎo)致一家或者部分機(jī)構(gòu)經(jīng)營(yíng)失敗將會(huì)引起一連串機(jī)構(gòu)的經(jīng)營(yíng)失敗，從而使金融系統(tǒng)或者市場(chǎng)面臨系統(tǒng)性崩潰[5]。因此，為了防止金融機(jī)構(gòu)在不同市場(chǎng)之間的聯(lián)動(dòng)交易引發(fā)系統(tǒng)性風(fēng)險(xiǎn)，蔣賢鋒和史永東(2010)研究發(fā)現(xiàn)，通過(guò)將不同金融市場(chǎng)與投資主體進(jìn)行分離，可以在一定程度上抑制風(fēng)險(xiǎn)傳染，但這卻降低了貨幣政策的傳導(dǎo)效率[6]。殷劍峰(2006)發(fā)現(xiàn)投資者在面臨不同的市場(chǎng)參與門檻時(shí)，由于不存在充分的套利機(jī)制來(lái)規(guī)避系統(tǒng)性風(fēng)險(xiǎn)，也不利于其進(jìn)行合理的資產(chǎn)配置[7]。苗文龍(2013)認(rèn)為隨著影子銀行等非傳統(tǒng)金融機(jī)構(gòu)的出現(xiàn)，各金融部門通過(guò)同業(yè)拆借市場(chǎng)、證券市場(chǎng)、外匯市場(chǎng)等相互持有資產(chǎn)負(fù)債，建立了千絲萬(wàn)縷的關(guān)系網(wǎng)絡(luò)，盡管在一定程度上提高了資源配置效率，但風(fēng)險(xiǎn)事件通過(guò)網(wǎng)絡(luò)傳染路徑迅速流轉(zhuǎn)，造成金融部門連鎖反應(yīng)，各市場(chǎng)之間的風(fēng)險(xiǎn)聯(lián)動(dòng)效應(yīng)進(jìn)一步提升[8]。

極端金融風(fēng)險(xiǎn)的出現(xiàn)，會(huì)在很大程度上引發(fā)金融市場(chǎng)的崩潰，進(jìn)而引發(fā)更為嚴(yán)重的金融危機(jī)甚至經(jīng)濟(jì)危機(jī)，因此，許多學(xué)者開(kāi)始討論不同市場(chǎng)的極端風(fēng)險(xiǎn)測(cè)度問(wèn)題。已有文獻(xiàn)中，對(duì)極端風(fēng)險(xiǎn)及其溢出效應(yīng)的測(cè)度方法很多，主要包括以下幾種：指數(shù)測(cè)度方法，利用基礎(chǔ)項(xiàng)指標(biāo)測(cè)算出相應(yīng)指標(biāo)作為衡量風(fēng)險(xiǎn)水平與傳染效率的預(yù)警指標(biāo)體系；條件風(fēng)險(xiǎn)價(jià)值(CoVaR)方法(包括對(duì)稱性與非對(duì)稱性)，基于市場(chǎng)數(shù)據(jù)測(cè)度某一機(jī)構(gòu)陷入困境時(shí)整個(gè)金融系統(tǒng)的風(fēng)險(xiǎn)關(guān)聯(lián)性與未陷入困境時(shí)的指標(biāo)在不同時(shí)期的變化比較。張蕊等(2015)認(rèn)為，CAViaR方法主要是在在險(xiǎn)價(jià)值(VaR)方法的基礎(chǔ)上加入條件自回歸約束，消除了VaR測(cè)度結(jié)果的尖峰厚尾、時(shí)變性和自相關(guān)性等特征，提高了單一市場(chǎng)極端風(fēng)險(xiǎn)測(cè)度的準(zhǔn)確性[9]。其他方法，包括弗蘭克爾和羅絲(Frankel & Rose，1996)提出的FR模型，以Logistic模型預(yù)測(cè)金融危機(jī)發(fā)生概率[10]。薩赫斯等(Sachs et al.，1996)提出的STV模型，測(cè)度了金融市場(chǎng)危機(jī)指數(shù)[11]。史永東等(2013)利用Copula方法測(cè)度了不同市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)及其狀態(tài)轉(zhuǎn)換特征[12]。許啟發(fā)等(2016)利用QRNN+POT改善了極端VaR風(fēng)險(xiǎn)測(cè)度效果，能夠有效地描述金融危機(jī)期間出現(xiàn)的極端風(fēng)險(xiǎn)[13]。

上述研究基于不同的方法與視角，對(duì)金融市場(chǎng)間的風(fēng)險(xiǎn)溢出情況與極端風(fēng)險(xiǎn)水平測(cè)度進(jìn)行了深入研究，但存在兩點(diǎn)局限性：第一，大部分文獻(xiàn)，如丘利亞等(Chulia et al.，2017)[14]忽視了各金融市場(chǎng)在收益率分布在特定分位數(shù)水平下的具體情況，這就導(dǎo)致他們無(wú)法對(duì)這些金融市場(chǎng)的極端金融風(fēng)險(xiǎn)情況進(jìn)行區(qū)分與分析；第二，當(dāng)前對(duì)金融市場(chǎng)極端風(fēng)險(xiǎn)問(wèn)題的研究，主要運(yùn)用的是VaR或CoVaR方法對(duì)市場(chǎng)的風(fēng)險(xiǎn)價(jià)值進(jìn)行估測(cè)，但金融資產(chǎn)收益率的分布往往具有尖峰厚尾、時(shí)變性和自相關(guān)性等特征，這將導(dǎo)致上述方法的失真?；诖?，恩格爾和曼加內(nèi)利(Engle & Manganelli，2004)提出了條件自回歸VaR方法(conditional autoregressive value at risk，CAViaR)，對(duì)單一市場(chǎng)的極端風(fēng)險(xiǎn)進(jìn)行了有效估測(cè)[15]。而懷特等(White et al.，2015)則在恩格爾和曼加內(nèi)利(2004)的基礎(chǔ)上進(jìn)行擴(kuò)展，構(gòu)建了MVMQ-CAViaR模型，以隨機(jī)變量間尾部依賴特性判斷金融市場(chǎng)間的極端風(fēng)險(xiǎn)溢出效應(yīng)[16]。在國(guó)內(nèi)，郝毅等(2017)利用MVMQ-CAViaR模型對(duì)境內(nèi)外人民幣外匯市場(chǎng)間極端風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行實(shí)證檢驗(yàn)[17]。本文基于MVMQ-CAViaR方法，利用2013年1月7日—2017年7月31日中國(guó)的銀行間同業(yè)拆借市場(chǎng)、債券市場(chǎng)和股票市場(chǎng)相關(guān)數(shù)據(jù)，重點(diǎn)對(duì)中國(guó)金融市場(chǎng)極端風(fēng)險(xiǎn)溢出問(wèn)題進(jìn)行研究，探討各市場(chǎng)間的極端風(fēng)險(xiǎn)傳染機(jī)制。

三、研究方法、樣本與數(shù)據(jù)來(lái)源

(一)研究方法

市場(chǎng)收益率的極端風(fēng)險(xiǎn)與其尾部概率之間存在緊密聯(lián)系，因此傳統(tǒng)的金融市場(chǎng)風(fēng)險(xiǎn)測(cè)度主要運(yùn)用VaR方法對(duì)金融市場(chǎng)的極端風(fēng)險(xiǎn)進(jìn)行有效測(cè)度[18]。但金融市場(chǎng)上資產(chǎn)收益率的尖峰厚尾和時(shí)變性特征，弱化了VaR方法對(duì)極端風(fēng)險(xiǎn)測(cè)度的有效性。恩格爾和曼加內(nèi)利(Engle & Manganelli，2004)提出了CAViaR方法[15]，在一定程度上能夠彌補(bǔ)上述缺陷。CAViaR模型的一般形式如下：

(1)

式(1)中，qt表示投資收益率序列在置信區(qū)間τ下的條件分位數(shù)，Xt為可觀察值向量，β為待估計(jì)參數(shù)，βi度量了金融資產(chǎn)的波動(dòng)聚集性與收益率分布尾部的關(guān)聯(lián)性；βj度量了當(dāng)期的信息對(duì)投資收益率的影響程度。βiqt-i表示分位點(diǎn)函數(shù)之間的自相關(guān)性，l(·)用來(lái)衡量Xt的滯后項(xiàng)對(duì)qt(β)的影響。式(1)滿足條件Qt(εt|Ωt)=0，表示在隨機(jī)變量εt的t時(shí)刻條件分位點(diǎn)為0，Ωt為t時(shí)刻可獲得的信息集合。利用巴塞特和肯克(Bassett & Koenker，1978)[19]的方法，基于最優(yōu)化問(wèn)題的條件約束，可以對(duì)上述方程進(jìn)行參數(shù)估計(jì)。這種非線性分位數(shù)回歸與傳統(tǒng)的最小二乘估計(jì)相比具有相對(duì)更高的穩(wěn)定性，因此在分析與判斷金融市場(chǎng)極端風(fēng)險(xiǎn)時(shí)也更加合理。

單變量CAViaR在估計(jì)單一金融市場(chǎng)的極端風(fēng)險(xiǎn)水平時(shí)具有較好的適用性，但在考察不同市場(chǎng)之間的極端風(fēng)險(xiǎn)聯(lián)動(dòng)性時(shí)無(wú)法做出合理判斷。懷特等(2015)利用高維度向量自回歸結(jié)構(gòu)化方法，進(jìn)一步提出了MVMQ-CAViaR模型，利用不同隨機(jī)變量的尾部依賴程度判斷市場(chǎng)間的極端風(fēng)險(xiǎn)關(guān)聯(lián)性或溢出效應(yīng)[16]。本文基于懷特等(2015)的方法，構(gòu)建中國(guó)股票市場(chǎng)、債券市場(chǎng)與銀行間同業(yè)拆借市場(chǎng)的MVMQ-CAViaR模型，具體如下：

(2)

其中，Y表示收益率序列。qit滿足Pr[Yit≤qit|Ft-1]=τ，即在置信區(qū)間τ下某市場(chǎng)i的收益率序列Y的風(fēng)險(xiǎn)價(jià)值，設(shè)τ=1%，則qit可以表示為市場(chǎng)的極端風(fēng)險(xiǎn)價(jià)值。從式(2)可以發(fā)現(xiàn)，金融市場(chǎng)的極端金融風(fēng)險(xiǎn)主要受四個(gè)因素影響：本市場(chǎng)收益率序列Y1的滯后一期、關(guān)聯(lián)市場(chǎng)收益率序列Y2的滯后一期、本市場(chǎng)極端風(fēng)險(xiǎn)價(jià)值的滯后一期以及關(guān)聯(lián)市場(chǎng)極端風(fēng)險(xiǎn)價(jià)值的滯后一期。這四個(gè)因素通過(guò)系數(shù)aij(i=1,2;j=1,2)和bij(i=1,2;j=1,2)對(duì)市場(chǎng)的極端風(fēng)險(xiǎn)產(chǎn)生影響，而這些系數(shù)參數(shù)中，a12、a21表示關(guān)聯(lián)市場(chǎng)的滯后收益率對(duì)本市場(chǎng)極端風(fēng)險(xiǎn)的溢出情況。b12、b21表示關(guān)聯(lián)市場(chǎng)的滯后極端風(fēng)險(xiǎn)對(duì)本市場(chǎng)極端風(fēng)險(xiǎn)的溢出情況。因此，需要對(duì)上述參數(shù)變量進(jìn)行估計(jì)，以判斷市場(chǎng)之間極端風(fēng)險(xiǎn)溢出的情況。由于在分位數(shù)回歸模型中不需要對(duì)參數(shù)的分布作嚴(yán)格假設(shè)，因此可以使用擬最大似然估計(jì)法(QML)，基于優(yōu)化條件約束對(duì)參數(shù)進(jìn)行有效估計(jì)。QML估計(jì)的優(yōu)化條件約束為：

(3)

式(3)中，ρθij=θij-I(Yijt

作為單變量CAViaR模型的擴(kuò)展，MVMQ-CAViaR不僅放松了對(duì)收益率序列分布的嚴(yán)格假設(shè)，避免了因統(tǒng)計(jì)分布假設(shè)出現(xiàn)偏差而導(dǎo)致最終結(jié)果無(wú)效，同時(shí)在利用分位數(shù)回歸方法的基礎(chǔ)上直接估計(jì)出隨機(jī)變量之間的尾部依賴性，無(wú)須估計(jì)模型的一階矩與二階矩，簡(jiǎn)化了參數(shù)估計(jì)過(guò)程。本文利用這一方法，對(duì)中國(guó)股票市場(chǎng)、債券市場(chǎng)以及銀行間同業(yè)拆借市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行分析，考察三個(gè)市場(chǎng)之間的風(fēng)險(xiǎn)傳染機(jī)制。

(二)樣本與數(shù)據(jù)來(lái)源

本文以股票市場(chǎng)、債券市場(chǎng)和銀行間同業(yè)拆借市場(chǎng)為研究對(duì)象，通過(guò)選取不同金融市場(chǎng)的代表性變量構(gòu)建MVMQ-CAViaR模型，考察三個(gè)市場(chǎng)之間是否存在極端風(fēng)險(xiǎn)溢出效應(yīng)?；跀?shù)據(jù)的可獲得性，本文選取的相關(guān)指標(biāo)時(shí)間跨度為2013年1月7日—2017年7月31日。在以日度數(shù)據(jù)為頻度進(jìn)行數(shù)據(jù)搜集時(shí)，考慮到不同金融市場(chǎng)營(yíng)業(yè)時(shí)間存在差異，這里選取的日度數(shù)據(jù)僅包括三個(gè)市場(chǎng)共同營(yíng)業(yè)的天數(shù)，共1 110組觀測(cè)值。具體的數(shù)據(jù)選擇方面，參考吳永鋼等(2019)[20]的選取方法，本文以滬深300指數(shù)(Stock)作為股票市場(chǎng)的代理變量，中債綜合指數(shù)(Bond)作為債券市場(chǎng)的代理變量，上海銀行間拆借隔夜拆借利率(Shibor)作為銀行間同業(yè)拆借市場(chǎng)的代理變量。由于分析極端風(fēng)險(xiǎn)溢出效應(yīng)所需要的樣本必須為指數(shù)收益率的表現(xiàn)形式，因此所有變量均采用后一期對(duì)前一期價(jià)格的變化率形式進(jìn)行變換。所有原始數(shù)據(jù)來(lái)源于萬(wàn)得(Wind)數(shù)據(jù)庫(kù)。

四、實(shí)證結(jié)果及分析

(一)描述性統(tǒng)計(jì)

表1為三個(gè)金融市場(chǎng)收益率的描述性統(tǒng)計(jì)。從表1可以看出，首先，Stock的標(biāo)準(zhǔn)差較Bond與Shibor數(shù)值要大，說(shuō)明股票市場(chǎng)的不確定性要高于另外兩個(gè)市場(chǎng)，且三個(gè)市場(chǎng)的標(biāo)準(zhǔn)差值遠(yuǎn)高于其均值水平，表明三個(gè)市場(chǎng)的收益率變化都主要體現(xiàn)在標(biāo)準(zhǔn)差的變化上。其次，偏度上三個(gè)變量均不為0，反映出三組時(shí)間序列均存在有偏性；而峰度上三個(gè)變量的值均大于3，體現(xiàn)出它們的尖峰特性。最后進(jìn)一步利用Jarque-Beta統(tǒng)計(jì)量判斷三組變量是否服從正態(tài)分布，可以發(fā)現(xiàn)在1%置信水平下各變量均不服從正態(tài)分布。此外，三個(gè)變量的ADF檢驗(yàn)結(jié)果表明，所有變量均在1%顯著性水平下拒絕原假設(shè)，說(shuō)明均為平穩(wěn)數(shù)據(jù)?；谏鲜龇治隹梢耘袛?，三個(gè)市場(chǎng)都具有尖峰厚尾特征，滿足一般金融市場(chǎng)收益率特征，可以進(jìn)一步利用MVMQ-CAViaR進(jìn)行模型估計(jì)。

表1 相關(guān)變量的描述性統(tǒng)計(jì)

注：*、**、***分別表示在10%、5%和1%置信水平下拒絕原假設(shè)；JB值為Jarque-Beta檢驗(yàn)下服從自由度為2的卡方分布統(tǒng)計(jì)量。

(二)估計(jì)結(jié)果

進(jìn)一步考察股票市場(chǎng)、債券市場(chǎng)與銀行間同業(yè)拆借市場(chǎng)之間的風(fēng)險(xiǎn)變化情況。將上述樣本通過(guò)MVMQ-CAViaR模型進(jìn)行估計(jì)，所得結(jié)果見(jiàn)表2，可以發(fā)現(xiàn)三組對(duì)比結(jié)果均有顯著的風(fēng)險(xiǎn)溢出效應(yīng)。具體來(lái)看，股票市場(chǎng)與債券市場(chǎng)(模型1)的自相關(guān)系數(shù)b11與b22在1%的置信水平下顯著，說(shuō)明兩個(gè)市場(chǎng)之間的風(fēng)險(xiǎn)價(jià)值存在顯著的自相關(guān)特征。b12在10%的置信水平下顯著，說(shuō)明債券市場(chǎng)的極端風(fēng)險(xiǎn)對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)價(jià)值產(chǎn)生了明顯的影響。ɑ12與ɑ21分別在1%和10%置信水平下顯著為負(fù)，反映了股票市場(chǎng)與債券市場(chǎng)之間存在顯著的溢出效應(yīng)，且股票市場(chǎng)與債券市場(chǎng)的沖擊都會(huì)進(jìn)一步加大對(duì)方市場(chǎng)的極端風(fēng)險(xiǎn)情況。這一結(jié)果表明，中國(guó)股票市場(chǎng)與債券市場(chǎng)之間的聯(lián)動(dòng)機(jī)制基本形成。市場(chǎng)參與者開(kāi)始更多地考慮風(fēng)險(xiǎn)配置問(wèn)題，并在兩個(gè)市場(chǎng)之間不斷調(diào)整符合自身偏好的最優(yōu)資產(chǎn)配置。因此，當(dāng)任一市場(chǎng)出現(xiàn)極端風(fēng)險(xiǎn)情況，參與者就能夠準(zhǔn)確預(yù)期到其他參與者必然會(huì)迅速調(diào)整初始資產(chǎn)配置狀態(tài)，進(jìn)而對(duì)另一市場(chǎng)的價(jià)格及收益帶來(lái)變化，且這種變化隨著極端風(fēng)險(xiǎn)程度的提升而更加頻繁且顯著。

銀行間同業(yè)拆借市場(chǎng)與股票市場(chǎng)(模型2)的估計(jì)結(jié)果顯示，ɑ11與ɑ22在1%水平下顯著，表明銀行間同業(yè)拆借市場(chǎng)與股票市場(chǎng)的市場(chǎng)化程度得到保證，體現(xiàn)在市場(chǎng)的外部沖擊對(duì)市場(chǎng)風(fēng)險(xiǎn)價(jià)值的影響是顯著的；而從兩個(gè)市場(chǎng)之間的沖擊溢出影響情況來(lái)看，ɑ21顯著而ɑ12并不顯著，說(shuō)明股票市場(chǎng)受到的沖擊加劇了未來(lái)銀行間同業(yè)拆借市場(chǎng)的極端風(fēng)險(xiǎn)情況，而銀行間同業(yè)拆借市場(chǎng)受到?jīng)_擊時(shí)對(duì)股票市場(chǎng)影響不顯著。形成這一結(jié)果的主要原因是，商業(yè)銀行受金融監(jiān)管及自身經(jīng)營(yíng)原則約束，只能作為銀行間同業(yè)拆借市場(chǎng)的主要參與者和股票市場(chǎng)的次要參與者(1)盡管國(guó)家明確規(guī)定銀行資金不能進(jìn)入股票市場(chǎng)，但在影子銀行作用下,商業(yè)銀行部分資金仍然能夠投資股市獲得超額收益。。當(dāng)股票市場(chǎng)遭受外部沖擊時(shí)，商業(yè)銀行會(huì)迅速調(diào)整自身在銀行間同業(yè)拆借市場(chǎng)與股票市場(chǎng)的資產(chǎn)配置情況，這必然對(duì)銀行間同業(yè)拆借市場(chǎng)的風(fēng)險(xiǎn)價(jià)值產(chǎn)生顯著影響；而在銀行間同業(yè)拆借市場(chǎng)遭受沖擊時(shí)，其調(diào)整資產(chǎn)配置的行為在股票市場(chǎng)上對(duì)其風(fēng)險(xiǎn)價(jià)值的影響有限，因此這一方向的風(fēng)險(xiǎn)溢出效應(yīng)并不顯著。同樣，該模型估計(jì)結(jié)果中b21在1%水平下顯著而b12不顯著，表明股票市場(chǎng)的極端風(fēng)險(xiǎn)對(duì)銀行間同業(yè)拆借市場(chǎng)的風(fēng)險(xiǎn)價(jià)值產(chǎn)生了顯著影響，而銀行間同業(yè)拆借市場(chǎng)極端風(fēng)險(xiǎn)對(duì)股票市場(chǎng)風(fēng)險(xiǎn)價(jià)值的影響并不顯著。此外，中央銀行作為銀行間同業(yè)拆借市場(chǎng)的重要參與者，往往在該市場(chǎng)出現(xiàn)極端風(fēng)險(xiǎn)時(shí)會(huì)及時(shí)地采取相應(yīng)措施予以吸收，這在一定程度上也抑制了銀行間同業(yè)拆借市場(chǎng)的極端風(fēng)險(xiǎn)向股票市場(chǎng)傳染的情況。

最后看銀行間同業(yè)拆借市場(chǎng)與債券市場(chǎng)(模型3)的極端風(fēng)險(xiǎn)溢出效應(yīng)估計(jì)結(jié)果。與前面兩個(gè)模型結(jié)果一樣，兩個(gè)市場(chǎng)不僅存在顯著的自相關(guān)關(guān)系(b11和b22在1%水平下顯著)，同時(shí)也具有較高的市場(chǎng)化水平(ɑ11與ɑ22在1%水平下顯著)。而從兩個(gè)市場(chǎng)之間的相互關(guān)系看，ɑ12與ɑ21顯著為負(fù)值，反映出兩個(gè)市場(chǎng)各自的外部沖擊會(huì)加大另一市場(chǎng)的極端風(fēng)險(xiǎn)情況。

表2 MVMQ-CAViaR模型的全樣本估計(jì)結(jié)果

注：*、**、***分別表示在10%、5%和1%置信水平下拒絕原假設(shè)；括號(hào)內(nèi)為對(duì)應(yīng)系數(shù)的標(biāo)準(zhǔn)誤。

圖1反映了經(jīng)MVMQ-CAViaR模型計(jì)算所得的1%風(fēng)險(xiǎn)價(jià)值與自身日收益率的比較。經(jīng)測(cè)算可以發(fā)現(xiàn)，三個(gè)金融市場(chǎng)的收益率超過(guò)由MVMQ-CAViaR所測(cè)算的1%VaR值次數(shù)在1%左右，說(shuō)明使用該方法對(duì)三大市場(chǎng)的風(fēng)險(xiǎn)度量比較準(zhǔn)確(見(jiàn)表3)。圖1顯示，三個(gè)金融市場(chǎng)都在一定程度上反映了自身具有波動(dòng)聚集性特征，但三個(gè)市場(chǎng)的極端風(fēng)險(xiǎn)顯現(xiàn)時(shí)間有所不同。其中股票市場(chǎng)的極端風(fēng)險(xiǎn)水平整體來(lái)看要高于債券市場(chǎng)與銀行間同業(yè)拆借市場(chǎng)，且在2015年底至2016年初呈風(fēng)險(xiǎn)急劇增加態(tài)勢(shì)，主要原因是這段時(shí)間場(chǎng)外配資及傘形信托的興起，使股票市場(chǎng)杠桿水平快速提升，導(dǎo)致股票市場(chǎng)風(fēng)險(xiǎn)積聚，且在熔斷事件的推動(dòng)下最終出現(xiàn)暴跌的情況；債券市場(chǎng)與銀行間同業(yè)拆借市場(chǎng)的極端風(fēng)險(xiǎn)增加時(shí)間點(diǎn)相近，均在2013年年初與年終，其主要原因?yàn)樯虡I(yè)銀行的期限錯(cuò)配，導(dǎo)致貨幣市場(chǎng)“錢荒”事件的爆發(fā)。三大市場(chǎng)中，債券市場(chǎng)與銀行間同業(yè)拆借市場(chǎng)的聯(lián)動(dòng)性相對(duì)更強(qiáng)，主要原因可能是二者的主要參與者均為商業(yè)銀行，因此商業(yè)銀行行為的改變與調(diào)整會(huì)對(duì)兩個(gè)市場(chǎng)產(chǎn)生一致的影響；而股票市場(chǎng)的參與主體并非銀行類金融機(jī)構(gòu)和個(gè)人投資者，因此與另外兩個(gè)市場(chǎng)的聯(lián)動(dòng)性要弱一些。

圖1 三個(gè)金融市場(chǎng)樣本內(nèi)1%動(dòng)態(tài)VaR序列圖

表3 觀測(cè)樣本中超過(guò)1%VaR的比重情況

(三)極端風(fēng)險(xiǎn)溢出效應(yīng)檢驗(yàn)

盡管上述分析驗(yàn)證了個(gè)體模型在系數(shù)估計(jì)上的顯著性，但不能保證整體模型的顯著性與穩(wěn)定性，需要進(jìn)一步利用聯(lián)合顯著性檢驗(yàn)方法得到市場(chǎng)間極端風(fēng)險(xiǎn)溢出情況的一般性結(jié)論。在進(jìn)行參數(shù)的聯(lián)合顯著性檢驗(yàn)時(shí)，本文借鑒了恩格爾和曼加內(nèi)利(2004)[15]的方法。具體做法是，構(gòu)造Wald統(tǒng)計(jì)量對(duì)上述構(gòu)建的模型中的交叉影響系數(shù)進(jìn)行聯(lián)合顯著性檢驗(yàn)，一方面考察三個(gè)市場(chǎng)兩兩之間是否存在顯著的極端風(fēng)險(xiǎn)溢出效應(yīng)，另一方面對(duì)市場(chǎng)之間的極端風(fēng)險(xiǎn)溢出方向進(jìn)行判斷。

在進(jìn)行聯(lián)合顯著性檢驗(yàn)時(shí)，本文以設(shè)置原假設(shè)為不存在極端風(fēng)險(xiǎn)溢出為基礎(chǔ)進(jìn)行P值檢驗(yàn)。具體分為三個(gè)層次：第一層設(shè)置原假設(shè)H0：a12=a21=b12=b21=0，即兩個(gè)市場(chǎng)之間不存在極端風(fēng)險(xiǎn)溢出效應(yīng)；第二層設(shè)置原假設(shè)H0：a12=b12=0，即市場(chǎng)A對(duì)市場(chǎng)B不存在極端風(fēng)險(xiǎn)溢出效應(yīng)；第三層次設(shè)置原假設(shè)H0：a21=b21=0。根據(jù)上述三個(gè)層次的假設(shè)，利用卡方統(tǒng)計(jì)量來(lái)檢驗(yàn)5%置信水平下是否拒絕原假設(shè)，以此來(lái)判斷市場(chǎng)之間的傳染關(guān)系。具體情況見(jiàn)表4。

表4 各市場(chǎng)間極端風(fēng)險(xiǎn)溢出的檢驗(yàn)結(jié)果

表4的檢驗(yàn)結(jié)果顯示，三個(gè)模型均拒絕第一層原假設(shè)，表明三者之間都存在極端風(fēng)險(xiǎn)溢出情況。這說(shuō)明當(dāng)前中國(guó)的金融市場(chǎng)之間的聯(lián)動(dòng)性逐漸強(qiáng)化，某一子市場(chǎng)出現(xiàn)極端風(fēng)險(xiǎn)時(shí)必然會(huì)對(duì)其他市場(chǎng)進(jìn)行傳染，從而引發(fā)金融市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)[21]。具體來(lái)看，模型1(Stock到Bond)說(shuō)明股票市場(chǎng)與債券市場(chǎng)之間存在極端風(fēng)險(xiǎn)雙向溢出效應(yīng)。主要原因在于經(jīng)濟(jì)參與者的資產(chǎn)配置行為會(huì)在股票市場(chǎng)(高風(fēng)險(xiǎn)高收益)與債券市場(chǎng)(低風(fēng)險(xiǎn)低收益)之間實(shí)現(xiàn)來(lái)回轉(zhuǎn)換，因此任何一個(gè)市場(chǎng)出現(xiàn)極端風(fēng)險(xiǎn)必然會(huì)通過(guò)參與者行為的變化引發(fā)對(duì)另一市場(chǎng)風(fēng)險(xiǎn)價(jià)值預(yù)期的變化。模型2(Shibor到Stock)和模型3(Shibor到Bond)的結(jié)果反映股票市場(chǎng)與債券市場(chǎng)極端風(fēng)險(xiǎn)對(duì)銀行間同業(yè)拆借市場(chǎng)參與者預(yù)期產(chǎn)生了顯著影響。由于銀行間同業(yè)拆借市場(chǎng)是中央銀行實(shí)施貨幣政策的重要載體，這就使得Shibor在定價(jià)時(shí)很多時(shí)候會(huì)受到央行政策的影響，而股票市場(chǎng)和債券市場(chǎng)與市場(chǎng)參與者之間關(guān)聯(lián)性更加緊密，能夠更加有效地反映出市場(chǎng)的極端風(fēng)險(xiǎn)水平。因此，股票市場(chǎng)與債券市場(chǎng)極端風(fēng)險(xiǎn)的歷史信息在一定程度上可以幫助銀行間同業(yè)拆借市場(chǎng)識(shí)別極端風(fēng)險(xiǎn)狀況，而銀行間同業(yè)拆借市場(chǎng)對(duì)Shibor的定價(jià)機(jī)制也應(yīng)當(dāng)進(jìn)一步得到完善，以強(qiáng)化銀行間同業(yè)拆借市場(chǎng)與股票市場(chǎng)和債券市場(chǎng)之間的信息傳遞。

綜合上述分析，首先，股票市場(chǎng)與債券市場(chǎng)之間呈相互影響關(guān)系，主要原因是市場(chǎng)參與者的資產(chǎn)配置調(diào)整行為更加靈活，兩個(gè)市場(chǎng)之間的風(fēng)險(xiǎn)信息傳遞阻力降低。其次，銀行間同業(yè)拆借市場(chǎng)作為極端風(fēng)險(xiǎn)傳遞的受體，是股票市場(chǎng)與債券市場(chǎng)極端風(fēng)險(xiǎn)溢出的接受方，且自身的極端風(fēng)險(xiǎn)無(wú)法有效地傳遞至另外兩個(gè)市場(chǎng)。導(dǎo)致這一情況出現(xiàn)的主要原因在于銀行間同業(yè)拆借市場(chǎng)在金融市場(chǎng)體系中的“定價(jià)權(quán)”地位，即信息流出方為價(jià)格制定者，可以控制整個(gè)市場(chǎng)的波動(dòng)情況，而信息流入方為價(jià)格接受者，受到價(jià)格制定者相應(yīng)政策的直接影響。當(dāng)其他兩個(gè)市場(chǎng)出現(xiàn)極端風(fēng)險(xiǎn)并傳遞至銀行間同業(yè)拆借市場(chǎng)，最終會(huì)在中央銀行的維穩(wěn)原則下吸收至央行本身，從而降低了金融市場(chǎng)的整體風(fēng)險(xiǎn)。

(四)分位數(shù)脈沖響應(yīng)分析

聯(lián)合顯著性檢驗(yàn)的結(jié)果表明，銀行間同業(yè)拆借市場(chǎng)、股票市場(chǎng)與債券市場(chǎng)之間存在著顯著的極端風(fēng)險(xiǎn)溢出效應(yīng)。但這一結(jié)果只能定性地反映出風(fēng)險(xiǎn)傳遞的方向，無(wú)法從動(dòng)態(tài)視角考察三者之間的風(fēng)險(xiǎn)傳染機(jī)制。因此，本文進(jìn)一步使用分位數(shù)脈沖分析，考察外部的負(fù)向沖擊對(duì)不同市場(chǎng)極端風(fēng)險(xiǎn)的具體影響過(guò)程?；诟鹘鹑谑袌?chǎng)間的風(fēng)險(xiǎn)傳染方向結(jié)果，在分析脈沖響應(yīng)結(jié)果時(shí)，本文重點(diǎn)考察股票市場(chǎng)與債券市場(chǎng)之間的相互風(fēng)險(xiǎn)溢出效果和股票市場(chǎng)與債券市場(chǎng)分別對(duì)銀行間同業(yè)拆借市場(chǎng)形成的溢出效果，結(jié)果見(jiàn)圖2與圖3。

圖2 股票市場(chǎng)與債券市場(chǎng)之間的風(fēng)險(xiǎn)溢出脈沖結(jié)果

圖3 股票市場(chǎng)與債券市場(chǎng)對(duì)銀行間同業(yè)拆借市場(chǎng)的風(fēng)險(xiǎn)溢出脈沖結(jié)果

比較圖2ɑ與圖2b可以發(fā)現(xiàn)，股票市場(chǎng)沖擊對(duì)債券市場(chǎng)極端風(fēng)險(xiǎn)影響的持續(xù)時(shí)間與債券市場(chǎng)沖擊對(duì)股票市場(chǎng)極端風(fēng)險(xiǎn)影響的持續(xù)時(shí)間基本持平(圖2a虛線與圖2b實(shí)線)，但股票市場(chǎng)沖擊對(duì)債券市場(chǎng)極端風(fēng)險(xiǎn)的影響程度略低于債券市場(chǎng)沖擊對(duì)股票市場(chǎng)極端風(fēng)險(xiǎn)的影響。債券市場(chǎng)的主要參與者為機(jī)構(gòu)投資者，股票市場(chǎng)的參與主體除機(jī)構(gòu)投資者外，還包括大量的個(gè)人投資者。機(jī)構(gòu)投資者相較于個(gè)人投資者在信息獲取與分析方面具有優(yōu)勢(shì)，因此個(gè)人投資者往往在進(jìn)行投資決策時(shí)采取跟隨機(jī)構(gòu)投資者的策略。在此條件下，債券市場(chǎng)發(fā)生外部沖擊致使機(jī)構(gòu)投資者改變投資行為時(shí)，在個(gè)人投資者的助推下，造成對(duì)信息沖擊的超調(diào)，使得債券市場(chǎng)對(duì)股票市場(chǎng)的影響效果相對(duì)更大。

圖3ɑ與圖3b比較了股票市場(chǎng)與債券市場(chǎng)對(duì)銀行間同業(yè)拆借市場(chǎng)的風(fēng)險(xiǎn)沖擊影響。其中圖3ɑ顯示的是股票市場(chǎng)沖擊對(duì)銀行間同業(yè)拆借市場(chǎng)和股票市場(chǎng)自身的脈沖響應(yīng)結(jié)果，圖3b為債券市場(chǎng)沖擊對(duì)銀行間同業(yè)拆借市場(chǎng)和債券市場(chǎng)自身的脈沖響應(yīng)結(jié)果。結(jié)果顯示，盡管股票市場(chǎng)與債券市場(chǎng)對(duì)銀行間同業(yè)拆借市場(chǎng)的沖擊影響持續(xù)時(shí)間差異不大(債券市場(chǎng)對(duì)銀行間同業(yè)拆借市場(chǎng)的沖擊持續(xù)時(shí)間略長(zhǎng))，但從沖擊效果來(lái)看，股票市場(chǎng)對(duì)銀行間同業(yè)拆借市場(chǎng)極端風(fēng)險(xiǎn)的影響效果(-0.012)低于債券市場(chǎng)的沖擊效果(-2.727)。債券市場(chǎng)沖擊對(duì)銀行間同業(yè)拆借市場(chǎng)極端風(fēng)險(xiǎn)的影響效果較大，反映了銀行間同業(yè)拆借市場(chǎng)參與者在面臨股票市場(chǎng)與債券市場(chǎng)的外部沖擊時(shí)，其對(duì)債券市場(chǎng)的極端風(fēng)險(xiǎn)預(yù)期變化更加顯著。導(dǎo)致這一結(jié)果的主要原因在于，商業(yè)銀行無(wú)法直接參與股票投資，但可以直接參與到債券市場(chǎng)投資當(dāng)中，因此債券市場(chǎng)的外部沖擊對(duì)銀行間同業(yè)拆借市場(chǎng)參與者預(yù)期影響相對(duì)較大，進(jìn)而對(duì)銀行間同業(yè)拆借市場(chǎng)的極端風(fēng)險(xiǎn)水平帶來(lái)的影響也更大；股票市場(chǎng)的外部沖擊對(duì)銀行間同業(yè)拆借市場(chǎng)參與者預(yù)期影響相對(duì)較小，因此對(duì)銀行間同業(yè)拆借市場(chǎng)的極端風(fēng)險(xiǎn)水平帶來(lái)的影響也就更小。

圖4 不同市場(chǎng)之間的極端風(fēng)險(xiǎn)預(yù)測(cè)方向

根據(jù)三個(gè)市場(chǎng)的風(fēng)險(xiǎn)傳染關(guān)系，結(jié)合脈沖響應(yīng)結(jié)果，可以發(fā)現(xiàn)三個(gè)市場(chǎng)之間存在一個(gè)極端風(fēng)險(xiǎn)預(yù)測(cè)機(jī)制(見(jiàn)圖4)：由于債券市場(chǎng)對(duì)股票市場(chǎng)的極端風(fēng)險(xiǎn)溢出效應(yīng)高于股票市場(chǎng)對(duì)債券市場(chǎng)的影響，因此利用債券市場(chǎng)的極端風(fēng)險(xiǎn)歷史信息可以更好地預(yù)測(cè)股票市場(chǎng)極端風(fēng)險(xiǎn)變化；而股票市場(chǎng)對(duì)銀行間同業(yè)拆借市場(chǎng)的極端風(fēng)險(xiǎn)溢出效應(yīng)高于債券市場(chǎng)對(duì)銀行間同業(yè)拆借市場(chǎng)的影響，因此可以利用股票市場(chǎng)的極端風(fēng)險(xiǎn)歷史信息更好地預(yù)測(cè)銀行間同業(yè)拆借市場(chǎng)極端風(fēng)險(xiǎn)變化。

五、結(jié)論

本文以上海銀行間同業(yè)拆借利率、中債綜合指數(shù)與滬深300指數(shù)為研究對(duì)象，通過(guò)構(gòu)建MVMQ-CAViaR模型，研究了股票市場(chǎng)、債券市場(chǎng)和銀行間同業(yè)拆借市場(chǎng)之間的極端風(fēng)險(xiǎn)溢出情況。實(shí)證結(jié)果表明：(1)本文利用MVMQ-CAViaR模型所測(cè)算的1%VaR對(duì)銀行間同業(yè)拆借市場(chǎng)、債券市場(chǎng)與股票市場(chǎng)的風(fēng)險(xiǎn)度量較為準(zhǔn)確，可以作為衡量這三個(gè)金融市場(chǎng)的極端風(fēng)險(xiǎn)水平指標(biāo)。(2)股票市場(chǎng)與債券市場(chǎng)對(duì)銀行間同業(yè)拆借市場(chǎng)存在單向的風(fēng)險(xiǎn)溢出效應(yīng)，同業(yè)拆借市場(chǎng)的極端風(fēng)險(xiǎn)對(duì)其他兩個(gè)市場(chǎng)并未產(chǎn)生溢出，說(shuō)明中央銀行通過(guò)使用貨幣政策工具調(diào)整銀行間市場(chǎng)流動(dòng)性水平，防止銀行間市場(chǎng)極端風(fēng)險(xiǎn)傳遞到其他市場(chǎng)的政策是顯著有效的。(3)債券市場(chǎng)對(duì)股票市場(chǎng)的風(fēng)險(xiǎn)溢出效果大于股票市場(chǎng)對(duì)債券市場(chǎng)的影響效果，說(shuō)明通過(guò)債券市場(chǎng)極端風(fēng)險(xiǎn)歷史信息預(yù)測(cè)股票市場(chǎng)極端風(fēng)險(xiǎn)效果更好；同時(shí)債券市場(chǎng)對(duì)銀行間同業(yè)拆借市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)大于銀行間同業(yè)拆借市場(chǎng)對(duì)債券市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)，說(shuō)明通過(guò)債券市場(chǎng)極端風(fēng)險(xiǎn)歷史信息預(yù)測(cè)銀行間同業(yè)拆借市場(chǎng)極端風(fēng)險(xiǎn)變化更加有效。

本文從極端風(fēng)險(xiǎn)視角出發(fā)，考察了中國(guó)股票市場(chǎng)、債券市場(chǎng)與銀行間同業(yè)拆借市場(chǎng)之間的極端風(fēng)險(xiǎn)傳染機(jī)制，為中央銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)的預(yù)警方式提供了新的方案：中央銀行可以關(guān)注債券市場(chǎng)的極端風(fēng)險(xiǎn)水平變化，對(duì)股票市場(chǎng)極端風(fēng)險(xiǎn)狀況做出合理預(yù)測(cè)。通過(guò)這一預(yù)警機(jī)制可以進(jìn)一步強(qiáng)化對(duì)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的預(yù)期管理，提前做出合理判斷，最終緩釋系統(tǒng)性風(fēng)險(xiǎn)的積累。中央銀行與金融監(jiān)管部門應(yīng)當(dāng)在進(jìn)一步完善債券市場(chǎng)運(yùn)行機(jī)制過(guò)程中，豐富債券市場(chǎng)產(chǎn)品種類，鼓勵(lì)市場(chǎng)參與者積極參與到債券市場(chǎng)交易活動(dòng)當(dāng)中，提升債券市場(chǎng)與銀行間同業(yè)拆借市場(chǎng)的信息傳遞效率。同時(shí)，還要加快完善銀行間同業(yè)拆借利率的市場(chǎng)化定價(jià)機(jī)制，加強(qiáng)其與股票市場(chǎng)和債券市場(chǎng)之間的聯(lián)動(dòng)性，從而提升各金融市場(chǎng)間的信息傳遞效率。此外，基于商業(yè)銀行“太大而不能倒”的固有思維方式，中央銀行在化解和吸收金融風(fēng)險(xiǎn)時(shí)還應(yīng)當(dāng)警惕商業(yè)銀行可能出現(xiàn)的道德風(fēng)險(xiǎn)，防止由商業(yè)銀行過(guò)度風(fēng)險(xiǎn)承擔(dān)行為引起的系統(tǒng)性金融風(fēng)險(xiǎn)積累，維持金融系統(tǒng)穩(wěn)健運(yùn)行。