基于SIRS模型的綠色金融風(fēng)險(xiǎn)傳染分析

梁爽 劉慧宏

摘 要：綠色金融作為當(dāng)代經(jīng)濟(jì)發(fā)展的核心，風(fēng)險(xiǎn)已成為限制綠色金融發(fā)展的主要因素，而非綠色金融市場風(fēng)險(xiǎn)對綠色金融市場的傳染是綠色金融風(fēng)險(xiǎn)的重要成因。本文通過建立基于SIRS的風(fēng)險(xiǎn)傳染模型，引入轉(zhuǎn)移概率，比較綠色金融受到風(fēng)險(xiǎn)傳染同非綠色金融受到風(fēng)險(xiǎn)傳染的不同表現(xiàn)，證明綠色金融市場受到外界風(fēng)險(xiǎn)傳染影響較大，但通過有效的風(fēng)險(xiǎn)轉(zhuǎn)移手段能更好的控制綠色金融風(fēng)險(xiǎn)。

關(guān) 鍵 詞：綠色金融;風(fēng)險(xiǎn)傳染;轉(zhuǎn)移概率

DOI：10.16315/j.stm.2021.01.007

中圖分類號： F830.9

文獻(xiàn)標(biāo)志碼： A

Abstract：As the core of contemporary economic development， the risk of green finance has become the main factor restricting the development of green finance， while the contagion of the risk of green finance market to the green finance market is the important cause of the risk of green finance. By establishing a risk contagion model based on SIRS and introducing transfer probability， this paper compares the different performances of green finance subject to risk contagion and nongreen finance subject to risk contagion， proving that the green finance market is greatly affected by external risk contagion， but it can better control the risks of green finance through effective risk transfer means.

Keywords：green finance; risk contagion; transition probability

改革開放40年來，我國經(jīng)濟(jì)飛速發(fā)展，取得了舉世矚目的成就。但在我國經(jīng)濟(jì)實(shí)力越來越強(qiáng)大的同時(shí)，環(huán)境問題也日益突出，成為制約中國經(jīng)濟(jì)高質(zhì)量發(fā)展的障礙。十九大報(bào)告全面闡述了加快生態(tài)文明體制改革、推進(jìn)綠色發(fā)展、建設(shè)美麗中國的戰(zhàn)略部署，強(qiáng)調(diào)推進(jìn)綠色發(fā)展，構(gòu)建市場導(dǎo)向的綠色技術(shù)創(chuàng)新體系，發(fā)展綠色金融，壯大節(jié)能環(huán)保產(chǎn)業(yè)、清潔產(chǎn)業(yè)、清潔能源產(chǎn)業(yè)，體現(xiàn)了綠色發(fā)展的國家意志和人民愿望;因此，發(fā)展綠色金融具有重大意義，而綠色金融的發(fā)展勢必會伴隨風(fēng)險(xiǎn)。在以往的文獻(xiàn)中，對綠色金融的研究遠(yuǎn)遠(yuǎn)少于同類型的金融研究，且在綠色金融風(fēng)險(xiǎn)上的研究主要集中于環(huán)境風(fēng)險(xiǎn)、綠色信貸等方面，缺乏對綠色金融風(fēng)險(xiǎn)傳染的研究。

一般來說，造成重大綠色金融風(fēng)險(xiǎn)的原因一是政府、金融機(jī)構(gòu)和企業(yè)對不同的綠色產(chǎn)業(yè)在環(huán)保領(lǐng)域的正外部性的錯(cuò)判，缺乏科學(xué)評估，這導(dǎo)致資本逐利性的放大，節(jié)能環(huán)保效率低的產(chǎn)業(yè)被誤判為低耗微排前景好的綠色環(huán)保項(xiàng)目，使得資源過度分配，但其對環(huán)境的影響幾乎沒有回報(bào)，甚至破壞了生態(tài)。二是盡管國家大力促進(jìn)綠色和環(huán)保產(chǎn)業(yè)并給予優(yōu)惠政策，但尚未建立協(xié)調(diào)和執(zhí)行機(jī)制，相關(guān)部委的產(chǎn)業(yè)政策、金融機(jī)構(gòu)的部門政策和政府部門的政策之間并沒有發(fā)揮很好的協(xié)同作用。三是金融投資具有短期性、流動性特點(diǎn)，我國銀行平均負(fù)債期限只有6個(gè)月左右，資金轉(zhuǎn)移周期短，頻率高，是確保金融機(jī)構(gòu)盈利增值的關(guān)鍵。由于生態(tài)金融機(jī)構(gòu)建設(shè)周期長，大型環(huán)境項(xiàng)目需要多年的建設(shè)時(shí)間，長期的融資需求和短期流動的金融投資相矛盾，特別是生態(tài)建設(shè)過程中存在諸多不確定因素，是綠色金融實(shí)踐面臨資金供需期限錯(cuò)配風(fēng)險(xiǎn)的直接原因[1]。

現(xiàn)階段對于綠色金融風(fēng)險(xiǎn)的研究主要集中在環(huán)境風(fēng)險(xiǎn)及綠色信貸風(fēng)險(xiǎn)上，并以定性分析為主，包括分析商業(yè)銀行環(huán)境風(fēng)險(xiǎn)管理的現(xiàn)狀及困境，或是分析我國綠色信貸風(fēng)險(xiǎn)管理并提出相應(yīng)的政策建議，對綠色金融風(fēng)險(xiǎn)傳染相關(guān)方面研究缺失。因此，本文通過對綠色金融風(fēng)險(xiǎn)與非綠色金融風(fēng)險(xiǎn)的相互傳染的研究，得出非綠色金融風(fēng)險(xiǎn)傳染對綠色金融風(fēng)險(xiǎn)的傳染程度較大，而綠色金融風(fēng)險(xiǎn)對非綠色金融風(fēng)險(xiǎn)的傳染程度較小，并在此基礎(chǔ)上引入轉(zhuǎn)移概率，深入探討綠色金融市場受到風(fēng)險(xiǎn)傳染后的變化。

1 文獻(xiàn)綜述

1.1 綠色金融風(fēng)險(xiǎn)

在綠色金融風(fēng)險(xiǎn)相關(guān)研究上，國內(nèi)起步較晚，對綠色金融風(fēng)險(xiǎn)以及管理的研究主要集中在綠色信貸及環(huán)境風(fēng)險(xiǎn)上，比如馬曉微等[2]討論了商業(yè)銀行綠色信貸的風(fēng)險(xiǎn)表現(xiàn)及成因，提出商業(yè)銀行綠色信貸風(fēng)險(xiǎn)主要包括環(huán)境風(fēng)險(xiǎn)、信貸風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)及聲譽(yù)風(fēng)險(xiǎn)，強(qiáng)調(diào)在宏觀層面上應(yīng)加強(qiáng)綠色信貸法制化建設(shè)、完善綠色西南帶激勵(lì)及監(jiān)督機(jī)制;微觀層面上應(yīng)創(chuàng)新綠色信貸產(chǎn)品及服務(wù)、重視銀行內(nèi)部人員培養(yǎng)與外部人才引進(jìn)。在與綠色金融環(huán)境風(fēng)險(xiǎn)有關(guān)的研究中，江航翔等[3]認(rèn)為綠色金融是將環(huán)境保護(hù)作為金融部門行動的指導(dǎo)原則，將環(huán)境和生態(tài)指標(biāo)體系納入金融活動。提出金融部門的環(huán)境風(fēng)險(xiǎn)是直接的，即金融機(jī)構(gòu)的行為本身會造成環(huán)境問題;或是間接的，間接風(fēng)險(xiǎn)通常與不良貸款或投資不足所導(dǎo)致的環(huán)境經(jīng)濟(jì)損失相關(guān)。隨著綠色債券的發(fā)展，綠色債券在綠色金融風(fēng)險(xiǎn)研究中發(fā)揮著越來越重要的作用。關(guān)于綠色債券的研究也越來越多，逐漸成為綠色金融風(fēng)險(xiǎn)研究的重心。王遙等[4]在相關(guān)研究中提到，2016年中國綠色債券市場呈爆炸性增長。作為綠色債券發(fā)行過程的重要組成部分，綠色債券的第三方認(rèn)證日益受到關(guān)注。滕磊[5]在相關(guān)研究中提到，綠色債券具有清潔、綠色、期限長、成本低等突出特點(diǎn)，可以為向綠色低碳經(jīng)濟(jì)過渡提供巨大的資金支持，促進(jìn)綠色債券的建設(shè)，加快我國綠色金融體系的發(fā)展，為整個(gè)金融體系的改革提供了契機(jī)。

1.2 金融風(fēng)險(xiǎn)傳染

隨著金融國際化和全球經(jīng)濟(jì)一體化的高速推進(jìn)，金融工具創(chuàng)新和金融業(yè)務(wù)融合，不同金融機(jī)構(gòu)和金融部門間的聯(lián)系愈加密切。正是基于此，近年來，頻頻爆發(fā)的金融危機(jī)傳染和風(fēng)險(xiǎn)傳染愈演愈烈。對金融風(fēng)險(xiǎn)傳染的研究也顯得愈來愈重要。從整體來看，金融風(fēng)險(xiǎn)傳染主要涉及到三方面的內(nèi)容。

1.2.1 金融危機(jī)風(fēng)險(xiǎn)傳染

越來越多的學(xué)者開始以開放經(jīng)濟(jì)為背景來研究金融風(fēng)險(xiǎn)傳染問題，主要以國際貿(mào)易、國際資本流動、金融市場聯(lián)系、國際經(jīng)濟(jì)金融合作等方面為立足點(diǎn)，來考察金融危機(jī)由一國爆發(fā)后，如何傳染向其他國家，對其產(chǎn)生的影響進(jìn)行量化計(jì)算和理論分析，以更好地解釋風(fēng)險(xiǎn)傳染的內(nèi)在機(jī)制。經(jīng)濟(jì)基本面相關(guān)聯(lián)產(chǎn)生的傳染分為貿(mào)易渠道和金融渠道。在開放經(jīng)濟(jì)條件下，國際貿(mào)易渠道是最基本的金融風(fēng)險(xiǎn)傳染渠道。據(jù)王獻(xiàn)東等[6]在其金融市場間的風(fēng)險(xiǎn)傳染研究文獻(xiàn)綜述中指出對貿(mào)易渠道的理論研究最早進(jìn)行的是Gerlach和Smets等，其次通過Eichengrenn等對20個(gè)工業(yè)化國家30年的面板數(shù)據(jù)進(jìn)行研究，證實(shí)了貿(mào)易聯(lián)系是最為容易觀察到和非常重要的危機(jī)傳染渠道。而Peek和Rosengreen則首次實(shí)證分析找出了金融渠道在傳染風(fēng)險(xiǎn)中作用的證據(jù)，一體化背景下金融渠道成為了金融沖擊跨國傳導(dǎo)的最重要渠道。

1.2.2 不同國家之間的金融市場風(fēng)險(xiǎn)傳染

在不同國家的金融市場之間，由于存在影響市場的因素，例如：金融機(jī)構(gòu)的市場間投資、國際對沖基金、信息傳播等，因此在不同國家的金融市場之間存在相互聯(lián)系的機(jī)制，金融風(fēng)險(xiǎn)會由某個(gè)國家的金融市場向其他國家的金融市場發(fā)生傳染。近年來，中國學(xué)者開始關(guān)注和研究跨市場的聯(lián)動及其風(fēng)險(xiǎn)傳染效應(yīng)，劉平等[7]使用的方法結(jié)合了靜態(tài)和動態(tài)copula函數(shù)方法，比較了近20年兩次金融危機(jī)前后美、中兩國3個(gè)金融市場間相關(guān)結(jié)構(gòu)的變化，從而證實(shí)了美國的金融危機(jī)將通過國際貿(mào)易和金融渠道向中國轉(zhuǎn)移金融風(fēng)險(xiǎn)。蘇木亞等[8]運(yùn)用譜聚類方法、獨(dú)立成分分析、GARCH和VAR的金融風(fēng)險(xiǎn)多渠道協(xié)同傳染模型實(shí)證分析了歐洲主權(quán)債務(wù)危機(jī)背景下全球主要股票市場對我國股市的多渠道協(xié)同波動溢出效應(yīng)。結(jié)果表明：歐洲主權(quán)債務(wù)危機(jī)以各種渠道影響著我們股票市場不同部門指數(shù)的波動性，并且波動性溢出具有集中特征。

1.2.3 同一國家內(nèi)部多個(gè)金融市場的風(fēng)險(xiǎn)傳染

在同一個(gè)國家的金融市場中，因?yàn)榇嬖诠餐男畔?，有著共同的市場預(yù)期，以及由跨市場對沖引起的信息溢出。因此，證券、債券、期貨等市場之間，往往存在著聯(lián)動效應(yīng)，金融風(fēng)險(xiǎn)也會由一個(gè)市場向其他的市場傳染。在我國，有不少學(xué)者對這方面進(jìn)行了研究，鄭慶寰[9]研究發(fā)現(xiàn)，美國次貸危機(jī)發(fā)端于次級貸款市場，增強(qiáng)于次級債券市場，傳染到持有次級債券的金融機(jī)構(gòu)，并通過債權(quán)債務(wù)關(guān)系傳導(dǎo)至商業(yè)銀行，導(dǎo)致市場流動性緊縮，影響其他金融市場并產(chǎn)生更大的金融動蕩。袁晨等[10]利用GARCH模型，實(shí)證檢驗(yàn)2003—2010年我國股票市場與債券市場、黃金市場間投資轉(zhuǎn)移和市場傳染的階段時(shí)變關(guān)聯(lián)特征，得出當(dāng)股票市場處于危機(jī)時(shí)，跨市場間投資轉(zhuǎn)移的發(fā)生意味著可利用其它市場的金融產(chǎn)品來規(guī)避風(fēng)險(xiǎn)。李志輝等[11]利用HP濾波的方式得出中國債券市場、外匯市場和股票市場的風(fēng)險(xiǎn)指數(shù)，構(gòu)建VEC模型，實(shí)證得出中國各金融市場之間有明顯的風(fēng)險(xiǎn)傳染效應(yīng)。

1.3 文獻(xiàn)評述

縱觀綠色金融風(fēng)險(xiǎn)的研究歷程，發(fā)現(xiàn)現(xiàn)階段對綠色金融風(fēng)險(xiǎn)的研究集中在單一的綠色項(xiàng)目上，或是從某項(xiàng)綠色金融項(xiàng)目出發(fā)，探討其存在的綠色金融風(fēng)險(xiǎn)并提出相關(guān)管控建議;或是從商業(yè)銀行綠色信貸入手，研究商業(yè)銀行存在的綠色信貸風(fēng)險(xiǎn)，較少研究綠色金融風(fēng)險(xiǎn)傳染方面的問題。另外，大部分對綠色金融風(fēng)險(xiǎn)的研究是以定性分析為主，定量研究相對不夠完善。因此，本文在現(xiàn)有研究的基礎(chǔ)上，分析綠色金融市場風(fēng)險(xiǎn)與非綠色金融市場風(fēng)險(xiǎn)的傳染機(jī)制，并以此為前提進(jìn)行了定量研究。

2 基于SIRS的風(fēng)險(xiǎn)傳染分析

由于金融市場企業(yè)自身風(fēng)險(xiǎn)管理水平的差異性，使得部分節(jié)點(diǎn)企業(yè)由于未及時(shí)采取風(fēng)險(xiǎn)防御措施，暴露于違約風(fēng)險(xiǎn)中，呈風(fēng)險(xiǎn)易感染狀態(tài);部分節(jié)點(diǎn)企業(yè)已被違約風(fēng)險(xiǎn)傳染，呈風(fēng)險(xiǎn)感染狀態(tài);還有部分企業(yè)由于采取了恰當(dāng)?shù)膽?yīng)急措施，而有效抵御風(fēng)險(xiǎn)，呈風(fēng)險(xiǎn)免疫狀態(tài)。這種由3個(gè)不同風(fēng)險(xiǎn)狀態(tài)組成的金融市場與傳染病模型相適應(yīng)，因此本文利用SIRS模型分析風(fēng)險(xiǎn)傳染存在可行性。

傳統(tǒng)的傳染病模型是假設(shè)群落中所有的個(gè)體具有相同的感染概率，但是金融風(fēng)險(xiǎn)傳染與傳染病傳染具有差異性。傳染病的傳染個(gè)體具有同質(zhì)性，沒有明顯的個(gè)體差異，但市場與市場之間其實(shí)具有一定的差異，特別是就交易量而言，綠色金融市場由于是新型市場，企業(yè)發(fā)展綠色金融項(xiàng)目受到一定的限制，因?yàn)榕c傳統(tǒng)金融相比，綠色金融最突出的特點(diǎn)就是，它更強(qiáng)調(diào)人類社會的生存環(huán)境利益，它將對環(huán)境保護(hù)和對資源的有效利用程度作為計(jì)量其活動成效的標(biāo)準(zhǔn)之一，通過自身活動引導(dǎo)各經(jīng)濟(jì)主體注重自然生態(tài)平衡，它講求金融活動與環(huán)境保護(hù)、生態(tài)平衡的協(xié)調(diào)發(fā)展，最終實(shí)現(xiàn)經(jīng)濟(jì)社會的可持續(xù)發(fā)展。因此對于不同的市場而言，其感染概率也不相同。因此本文借鑒Bouaziz等[12]研究網(wǎng)絡(luò)中傳染病的做法，設(shè)定節(jié)點(diǎn)擁有可變概率，引入實(shí)參數(shù)k稱其為風(fēng)險(xiǎn)傳染力，來量化市場遭受沖擊的嚴(yán)重程度。則易感因子變成已感狀態(tài)的概率為"易感企業(yè)"交易量權(quán)重與傳染力的乘積，即：

對于處于易感染狀態(tài)的企業(yè)來說，隨著傳染率β=P（i）的升高，處于易感染狀態(tài)的企業(yè)密度反而會隨之下降，而處于已感染狀態(tài)的企業(yè)密度會隨之升高，這是因?yàn)橛捎趥魅玖Φ臄U(kuò)大，會有更多的企業(yè)受到風(fēng)險(xiǎn)傳染的影響，從而從易感染狀態(tài)轉(zhuǎn)變?yōu)榱艘迅腥緺顟B(tài)。而傳染率β又與傳染力k和交易量權(quán)重Wi有關(guān)。因此，綠色金融市場受到風(fēng)險(xiǎn)傳染后的狀態(tài)與傳統(tǒng)及金融市場存在差別，而利用數(shù)值模擬方法能更好的展現(xiàn)不同的市場受到傳染的不同表現(xiàn)形式。為了更好的體現(xiàn)差距，設(shè)定傳染力度為6，即一個(gè)市場的已感因子將風(fēng)險(xiǎn)傳染給另一個(gè)市場的影響力度為6個(gè)因子;再假設(shè)全市場的交易主要由非綠色金融市場內(nèi)部交易為主。且雖然近年來我國綠色信貸和綠色債券發(fā)展很快，但綠色信貸余額仍只占中國國內(nèi)全部信貸余額的10%左右，綠色債券仍只占債券發(fā)行量的1%左右;因此，綠色金融市場同非綠色金融市場產(chǎn)生的交易量權(quán)重將會小于非綠色金融市場向綠色金融市場產(chǎn)生的交易量權(quán)重。基于這些基礎(chǔ)設(shè)定，通過MATLAB軟件對兩個(gè)不同的市場分別做了數(shù)值模擬，并比較他們之間的不同之處，如圖1、2所示。

由圖1、2可知，可以明顯看出，隨著β的減小，不同市場內(nèi)的已感因子有著明顯的差距。因?yàn)楝F(xiàn)實(shí)生活中，綠色金融市場的交易量占總市場比重較小，因此綠色金融市場風(fēng)險(xiǎn)對非綠色金融市場風(fēng)險(xiǎn)的影響較小，即在該數(shù)值模擬中的市場內(nèi)部，β=0.6代表綠色金融市場內(nèi)部非綠色金融風(fēng)險(xiǎn)對綠色金融市場的傳染概率，β=0.3代表非綠色金融市場內(nèi)部綠色金融風(fēng)險(xiǎn)對非綠色金融市場的傳染概率。可以發(fā)現(xiàn)，非綠色金融市場受到綠色金融市場風(fēng)險(xiǎn)影響后的已感因子要比綠色金融市場受到非綠色金融市場風(fēng)險(xiǎn)影響后產(chǎn)生的已感因子少，這說明在傳染力k相同的情況下，綠色金融市場更容易受到外界風(fēng)險(xiǎn)傳染的影響。而現(xiàn)實(shí)生活中，非綠色金融市場受到綠色金融市場風(fēng)險(xiǎn)傳染的概率較小，甚至可以忽略不計(jì)，因此在接下來的分析中，本文引入一個(gè)新的變量來重點(diǎn)討論綠色金融市場內(nèi)部受到非綠色金融市場風(fēng)險(xiǎn)影響的情況。

3 加入轉(zhuǎn)移概率的風(fēng)險(xiǎn)傳染分析

在風(fēng)險(xiǎn)傳染過程中存在多種方式的風(fēng)險(xiǎn)管控手段，傳統(tǒng)風(fēng)險(xiǎn)控制的4種基本方法分別為風(fēng)險(xiǎn)回避、損失控制、風(fēng)險(xiǎn)轉(zhuǎn)移和風(fēng)險(xiǎn)保留。在研究綠色金融風(fēng)險(xiǎn)與非綠色金融風(fēng)險(xiǎn)的傳染模式中，重點(diǎn)加入了風(fēng)險(xiǎn)轉(zhuǎn)移的概念，使得傳染模式更為多樣化。風(fēng)險(xiǎn)轉(zhuǎn)移是指將風(fēng)險(xiǎn)及其可能造成的損失全部或部分轉(zhuǎn)移給他人。通過轉(zhuǎn)移風(fēng)險(xiǎn)而得到保障，是應(yīng)用范圍最廣、最有效的風(fēng)險(xiǎn)管理手段。在綠色金融市場中，通過某些金融工具，將受到風(fēng)險(xiǎn)傳染影響嚴(yán)重的部分綠色金融項(xiàng)目轉(zhuǎn)變?yōu)閭鹘y(tǒng)金融項(xiàng)目，將綠色金融風(fēng)險(xiǎn)降低，轉(zhuǎn)移至非綠色金融市場。同理，非綠色金融市場也可通過金融工具將其風(fēng)險(xiǎn)轉(zhuǎn)移。但由于雙方項(xiàng)目轉(zhuǎn)變的限制性不同，通常來說對綠色金融項(xiàng)目的要求較高，因此傳統(tǒng)金融項(xiàng)目轉(zhuǎn)變?yōu)榫G色金融項(xiàng)目的阻礙較大，風(fēng)險(xiǎn)轉(zhuǎn)移概率就變小了。

3.1 加入轉(zhuǎn)移概率的風(fēng)險(xiǎn)傳染模型

在綠色金融市場中受到非綠色金融風(fēng)險(xiǎn)影響的已感因子在滿足一定條件之后向非綠色金融市場轉(zhuǎn)移，由此本文引入風(fēng)險(xiǎn)轉(zhuǎn)移概率α。因此，風(fēng)險(xiǎn)傳染模型進(jìn)一步變?yōu)?/p>

對于處于易感染狀態(tài)的企業(yè)密度S（t）來說，在其他條件不變的情況下，隨著風(fēng)險(xiǎn)轉(zhuǎn)移概率α1的增大，易感染企業(yè)受到風(fēng)險(xiǎn)影響轉(zhuǎn)換成已感染企業(yè)的變化率減小;同理，隨著風(fēng)險(xiǎn)轉(zhuǎn)移概率α2的增大，已感染企業(yè)脫離感染狀態(tài)的變化率也會減小。這證明了風(fēng)險(xiǎn)轉(zhuǎn)移手段在風(fēng)險(xiǎn)管控中的作用，通常來說，對比非綠色金融市場，在綠色金融市場內(nèi)，企業(yè)在受到非綠色金融市場傳來的風(fēng)險(xiǎn)影響時(shí)更容易將綠色金融項(xiàng)目轉(zhuǎn)換為非綠色金融項(xiàng)目，即風(fēng)險(xiǎn)轉(zhuǎn)移成功率較高。

在對模型進(jìn)行理論分析的基礎(chǔ)上，本節(jié)通過利用Matlab進(jìn)行計(jì)算機(jī)仿真，對數(shù)值模擬的結(jié)果進(jìn)行分析，以驗(yàn)證加入轉(zhuǎn)移概率的風(fēng)險(xiǎn)傳染理論分析的正確性及可靠性。

假設(shè)市場一開始并不存在風(fēng)險(xiǎn)轉(zhuǎn)移，并且初始狀態(tài)各節(jié)點(diǎn)的企業(yè)密度的初始值如下：

S（0）=0.9，I（0）=0.05，R（0）=0.05，實(shí)驗(yàn)中各參數(shù)的初始值為：β=0.6、γ=0.1、δ=0.25，將所有設(shè)定的參數(shù)初始值代入計(jì)算式，得到了無轉(zhuǎn)移的風(fēng)險(xiǎn)傳染仿真模擬過程，如圖3所示。

由圖3可知，處于風(fēng)險(xiǎn)感染狀態(tài)的企業(yè)密度隨時(shí)間呈現(xiàn)增加的趨勢，證明此時(shí)非綠色金融風(fēng)險(xiǎn)在綠色金融市場中傳染蔓延，在此初始狀態(tài)下，討論加入轉(zhuǎn)移概率的風(fēng)險(xiǎn)傳染的變化。對擁有不同風(fēng)險(xiǎn)轉(zhuǎn)移概率（α1，α2）的傳染進(jìn)行如下的數(shù)值模擬。

可以看出在加入轉(zhuǎn)移概率之后，綠色金融市場中受到風(fēng)險(xiǎn)傳染影響的已感因子水平有著較為明顯的下降，對比上圖的結(jié)果可以得出以下3點(diǎn)結(jié)論：

1）當(dāng)加入轉(zhuǎn)移概率時(shí)，綠色金融市場中的已感因子發(fā)生下降，從占比60%，到占比55%，可以得出加入轉(zhuǎn)移手段確實(shí)能夠影響到綠色金融市場受到的風(fēng)險(xiǎn)傳染，如圖4所示。

2）當(dāng)轉(zhuǎn)移概率同時(shí)增加時(shí)，綠色金融市場中受到風(fēng)險(xiǎn)影響的已感因子有著明顯的下降，從最初的占比55%到占比28%，可以得出加入轉(zhuǎn)移手段并且改變轉(zhuǎn)移概率后能夠有效控制綠色金融市場受到的風(fēng)險(xiǎn)傳染，如圖5～12所示。

3）當(dāng)α1不變時(shí)，隨著α2的增大，綠色金融市場中受到風(fēng)險(xiǎn)傳染影響的已感因子在總體的比例中緩慢下降;當(dāng)α2不變時(shí)，隨著α1的增大，綠色金融市場中受到風(fēng)險(xiǎn)傳染影響的已感因子在總體的比例中也隨之緩慢下降。

總而言之，在轉(zhuǎn)移概率較高的綠色金融市場，面對外界風(fēng)險(xiǎn)傳染時(shí)，采取風(fēng)險(xiǎn)轉(zhuǎn)移措施后能有效的減少風(fēng)險(xiǎn)傳染的影響，并且能夠通過對轉(zhuǎn)移概率的控制來達(dá)到更好的風(fēng)險(xiǎn)管控效果。但根據(jù)對加入轉(zhuǎn)移手段后的收益損失討論的結(jié)果（式（14））來看，一味地加強(qiáng)轉(zhuǎn)移概率將會使獲得的收益在達(dá)到最大值后下降，而最優(yōu)的轉(zhuǎn)移概率的選擇則與綠色金融市場的交易量大小、市場的風(fēng)險(xiǎn)偏好系數(shù)和受到風(fēng)險(xiǎn)影響的原生已感因子在綠色金融市場的占比相關(guān)。

4 結(jié)論與建議

本文以SIRS模型為基礎(chǔ)，建立了綠色金融風(fēng)險(xiǎn)與非綠色金融風(fēng)險(xiǎn)的傳染過程，理論分析綠色金融市場與非綠色金融市場分別受到風(fēng)險(xiǎn)傳染后的風(fēng)險(xiǎn)轉(zhuǎn)變情況，并通過數(shù)值模擬比較兩者的不同之處，以此來討論綠色金融風(fēng)險(xiǎn)與傳統(tǒng)金融風(fēng)險(xiǎn)的不同。隨后在該模型的基礎(chǔ)上加入轉(zhuǎn)移概率，進(jìn)一步分析綠色金融市場受到風(fēng)險(xiǎn)傳染的表現(xiàn)，再提出管控綠色金融風(fēng)險(xiǎn)的方法。

結(jié)果表明：第一，非綠色金融市場受到綠色金融市場風(fēng)險(xiǎn)影響后的已感因子要比綠色金融市場受到非綠色金融市場風(fēng)險(xiǎn)影響后產(chǎn)生的已感因子少，說明在傳染力k相同的情況下，綠色金融市場更容易受到外界風(fēng)險(xiǎn)傳染的影響;因此，綠色金融市場應(yīng)采取相應(yīng)措施加強(qiáng)自身的風(fēng)險(xiǎn)防控意識。在此本文提出2點(diǎn)建議：一是應(yīng)建立有效監(jiān)管機(jī)制，定期審查綠色金融項(xiàng)目帶來的風(fēng)險(xiǎn)是否超出預(yù)期，確保監(jiān)管機(jī)制對綠色金融市場發(fā)揮有效作用;二是應(yīng)采取固定的報(bào)告機(jī)制，即規(guī)定某一固定時(shí)期對綠色金融市場風(fēng)險(xiǎn)做出報(bào)告分析，在確定導(dǎo)致過量綠色金融風(fēng)險(xiǎn)的來源時(shí)及時(shí)止損。第二，在轉(zhuǎn)移概率較高的綠色金融市場，面對外界風(fēng)險(xiǎn)傳染時(shí)，采取風(fēng)險(xiǎn)轉(zhuǎn)移措施后能有效的減少風(fēng)險(xiǎn)傳染的影響;而在轉(zhuǎn)移概率較低的非綠色金融市場，通過采取風(fēng)險(xiǎn)轉(zhuǎn)移措施雖然對風(fēng)險(xiǎn)傳染影響有一定的效用，但效果略不明顯。綠色金融市場在做到管控自身風(fēng)險(xiǎn)的同時(shí)，可以適當(dāng)提高轉(zhuǎn)移效率，從而提高轉(zhuǎn)移概率來有效的抑制非綠色金融風(fēng)險(xiǎn)對其的傳染影響。風(fēng)險(xiǎn)轉(zhuǎn)移手段是一種非常高效的風(fēng)險(xiǎn)管控手段，在一項(xiàng)綠色金融項(xiàng)目建立的初期，就可以通過對該項(xiàng)目的轉(zhuǎn)移概率進(jìn)行計(jì)算，確立最優(yōu)的轉(zhuǎn)移概率的選擇（最優(yōu)轉(zhuǎn)移概率與綠色金融市場的交易量大小、市場的風(fēng)險(xiǎn)偏好系數(shù)和受到風(fēng)險(xiǎn)影響的原生已感因子在綠色金融市場的占比相關(guān)）。在風(fēng)險(xiǎn)發(fā)生時(shí)就可通過一系列的風(fēng)險(xiǎn)轉(zhuǎn)移方式，例如將投入該綠色項(xiàng)目的資金分割出一部分投入非綠色金融項(xiàng)目，即選擇項(xiàng)目的替代品來降低風(fēng)險(xiǎn)帶來的進(jìn)一步影響。

參考文獻(xiàn)：

[1] 王向南.綠色金融風(fēng)險(xiǎn)管控的混合治理模式分析[J].長春金融高等專科學(xué)校學(xué)報(bào)，2017（2）：5.

[2] 馬曉微，陳慧圓.綠色信貸風(fēng)險(xiǎn)評估[J].中國金融，2015（10）：23.

[3] 王玉婧，江航翔.環(huán)境風(fēng)險(xiǎn)與綠色金融[J].天津商學(xué)院學(xué)報(bào)，2006（6）：16.

[4] 王遙，曹暢.中國綠色債券第三方認(rèn)證的現(xiàn)狀與前景[J].環(huán)境保護(hù)，2016，44（19）：22.

[5] 滕磊.綠色債券的國際創(chuàng)新和中國路徑[J].生產(chǎn)力研究，2016（5）：38.

[6] 王獻(xiàn)東，何建敏.金融市場間的風(fēng)險(xiǎn)傳染研究文獻(xiàn)綜述[J].上海金融，2016（7）：50.

[7] 劉平，杜曉蓉.對金融危機(jī)風(fēng)險(xiǎn)傳染效應(yīng)的比較研究：基于靜態(tài)與動態(tài)copula函數(shù)的分析[J].經(jīng)濟(jì)經(jīng)緯，2011（3）：132.

[8] 蘇木亞，郭崇慧.全球主要股票市場對我國股市的多渠道協(xié)同波動溢出效應(yīng)：歐債危機(jī)背景下基于中證行業(yè)指數(shù)視角的研究[J].管理評論，2015，27（11）：21.

[9] 鄭慶寰.跨市場金融風(fēng)險(xiǎn)的傳遞機(jī)制研究：基于美國次級貸款危機(jī)的分析[J].南方金融，2008（3）：5.

[10] 袁晨，傅強(qiáng).我國金融市場間投資轉(zhuǎn)移和市場傳染的階段時(shí)變特征：股票與債券、黃金間關(guān)聯(lián)性的實(shí)證分析[J].系統(tǒng)工程，2010，28（5）：1.

[11] 李志輝，王穎.中國金融市場間風(fēng)險(xiǎn)傳染效應(yīng)分析：基于VEC模型分析的視角[J].現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），2012，32（7）：20.

[12] BOUAZIZ M C，SELMI N，BOUJELBENE Y.Conctagion effect of the subprime financial crisis：Evidence of DCC multivariate GARCH models[J].European Journal of Economics Finance & Administrative Sciences，2012（44）：66.

[編輯：費(fèi) 婷]