基于時域和頻域視角的外匯市場波動溢出效應(yīng)研究

摘 要：本文采用最新的頻域關(guān)聯(lián)法（Frequency Connectedness），分別從時域和頻域視角測算外匯市場波動溢出網(wǎng)絡(luò)，構(gòu)建相關(guān)的溢出效應(yīng)測度指標(biāo)，考察靜態(tài)和動態(tài)兩個方面的外匯市場波動溢出效應(yīng)，并著重分析了人民幣波動溢出效應(yīng)的時序特征。研究結(jié)果表明：第一，全球外匯市場間的波動溢出效應(yīng)顯著，且更容易受到長期因素的影響。第二，外匯市場總溢出指數(shù)具有明顯的時序特性，并在頻域中呈現(xiàn)出“區(qū)制轉(zhuǎn)移”的特征。第三，人民幣、港幣與其他貨幣之間的溢出效應(yīng)較弱。第四，大部分時期內(nèi)人民幣在全球外匯網(wǎng)絡(luò)中處于凈接受者的角色，而2015年“811”匯改后與其他貨幣之間的波動溢出效應(yīng)明顯增強。第五，美元和歐元在波動溢出網(wǎng)絡(luò)中占有絕對的主導(dǎo)地位，同時澳元在網(wǎng)絡(luò)中對其他貨幣的溢出效應(yīng)也較為顯著。

關(guān)鍵詞：外匯市場;波動溢出效應(yīng);系統(tǒng)性金融風(fēng)險;波動溢出網(wǎng)絡(luò);全球外匯網(wǎng)絡(luò)

中圖分類號：F832.5? 文獻標(biāo)識碼：A

文章編號：1000-176X（2021）05-0049-10

一、引 言

2008年國際金融危機爆發(fā)后，資產(chǎn)價格大幅下降，股票、外匯等金融市場的波動傳遞顯著增強，引發(fā)了決策層和學(xué)術(shù)界對于金融市場風(fēng)險溢出效應(yīng)的廣泛關(guān)注。隨著全球經(jīng)濟金融一體化的發(fā)展以及數(shù)字技術(shù)革命的演進，信息在全球范圍內(nèi)的流動速度不斷加快，各類金融市場之間存在或多或少的溢出效應(yīng)。歷史經(jīng)驗表明，大多數(shù)危機來源于國際資本流動，尤其是外匯的短期流動[1]。由某一市場系統(tǒng)性金融風(fēng)險引發(fā)的貨幣匯率波動則更容易通過外匯市場快速傳導(dǎo)至其他地區(qū)和市場，引發(fā)全球風(fēng)險共振，最終對各國金融穩(wěn)定和安全造成影響。

中國自2009年開啟人民幣國際化進程以來，在資本項目開放、人民幣利率和匯率市場形成機制等方面已取得突破性進展。2019年4月，人民幣在全球外匯交易中占比為4.3%（2010年數(shù)據(jù)僅為0.9%），排名全球第8位，參與的外匯交易量日均達2 840億美元[2]。然而，人民幣國際影響力的不斷提升，也讓中國逐漸暴露于全球金融市場的波動中。與此同時，近年來全球經(jīng)濟不確定性持續(xù)上升、孤立主義盛行、中美貿(mào)易摩擦持續(xù)升級等問題的出現(xiàn)，使得中國面臨著日益嚴(yán)峻的外部風(fēng)險沖擊。在此背景下，加強對外匯市場系統(tǒng)性金融風(fēng)險溢出效應(yīng)的研究顯得尤為重要，其不僅有助于防范和應(yīng)對現(xiàn)階段的外部輸入型風(fēng)險，維護中國經(jīng)濟安全與金融穩(wěn)定，而且也為中國金融監(jiān)管部門打好防范化解包括金融風(fēng)險在內(nèi)的重大風(fēng)險攻堅戰(zhàn)提供政策依據(jù)。

本文的主要創(chuàng)新與貢獻體現(xiàn)在以下兩個方面：第一，本文首次將最新發(fā)展的頻域關(guān)聯(lián)法（Frequency Connectedness）[3]應(yīng)用于外匯市場風(fēng)險傳染問題的研究中，全面評估時域和頻域雙視角下的外匯市場波動溢出效應(yīng)。第二，本文著眼于全球外匯市場波動溢出效應(yīng)，全面分析外匯市場波動溢出網(wǎng)絡(luò)結(jié)構(gòu)，并重點分析人民幣對外和對內(nèi)溢出效應(yīng)的動態(tài)特征，以對已有研究做以有益補充。

二、文獻綜述

外匯市場波動溢出效應(yīng)的形成路徑較為復(fù)雜，現(xiàn)有文獻主要基于有效市場假說和微觀市場結(jié)構(gòu)理論對此展開研究。根據(jù)有效市場假說，單一市場有效性檢驗反映了匯率隨機性波動是否完全吸收了國際金融市場信息，即貨幣的定價效率;跨市場有效性則反映了不同貨幣定價效率之間的差異性，原因在于定價機制的相互影響使得該類資產(chǎn)在市場上顯示出一定的價格聯(lián)動性?，F(xiàn)有研究借助多變量協(xié)整檢驗，證實了貨幣匯率之間協(xié)整關(guān)系的存在，從而否定了貨幣匯率跨市場的有效性，換言之，信息的跨市場傳播將引發(fā)外匯市場的波動溢出效應(yīng)。外匯市場的微觀結(jié)構(gòu)理論傾向于分析市場微觀主體行為，如參與者信息對匯率波動的影響。Diebold和Pauly[4]使用多元ARCH模型檢驗了歐元體系建立后各成員國貨幣匯率之間的波動溢出效應(yīng)，研究結(jié)果表明，信息跨市場傳導(dǎo)途徑的疏通使得各國貨幣關(guān)聯(lián)性顯著增強，特別是貨幣匯率波動引發(fā)的雙向風(fēng)險溢出效應(yīng)愈發(fā)明顯。此類研究同樣證實了信息跨市場傳播會增強外匯市場的關(guān)聯(lián)性，進而產(chǎn)生跨貨幣風(fēng)險溢出效應(yīng)。

迄今為止，有關(guān)系統(tǒng)性金融風(fēng)險傳染的研究主要集中于金融機構(gòu)、股票市場等細(xì)分領(lǐng)域，涉及外匯市場風(fēng)險溢出效應(yīng)的研究相對較少。Engle等[5]開創(chuàng)了這一領(lǐng)域的研究，基于GARCH模型驗證了不同外匯市場間波動溢出效應(yīng)的存在。Baillie和Bollerslev[6]考察了四組外匯匯率即期序列的波動特性，結(jié)果表明，不存在貨幣之間或跨市場的波動溢出效應(yīng)。Hong[7]則采用基于核函數(shù)的Granger因果檢驗，證實了貨幣間的交互作用關(guān)系。Melvin和Melvin[8]研究了區(qū)域市場上馬克/美元和日元/美元匯率之間的波動溢出效應(yīng)發(fā)現(xiàn)，區(qū)域內(nèi)和區(qū)域間的溢出效應(yīng)均存在，且區(qū)域內(nèi)的溢出效應(yīng)更為顯著。Cai等[9]也提供了類似的研究，考察了亞太、亞歐、歐洲、歐美和美國五個貿(mào)易區(qū)中歐元/美元和美元/日元匯率之間的溢出效應(yīng)，其中，歐美貿(mào)易區(qū)是這兩種貨幣對其他區(qū)域溢出效應(yīng)最重要的來源。Kitamura[10]采用GARCH模型，分析了歐元、英鎊和瑞士法郎即期匯率市場的相互依賴性和波動溢出效應(yīng)，研究發(fā)現(xiàn)，英鎊和瑞士法郎匯率收益率的波動均受到歐元的實質(zhì)性影響。

近期的研究主要與分析市場關(guān)聯(lián)性的網(wǎng)絡(luò)關(guān)聯(lián)法有關(guān)。Diebold和Yilmaz[11]將方差分解技術(shù)與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)相結(jié)合，開創(chuàng)了以網(wǎng)絡(luò)關(guān)聯(lián)分析為代表的系統(tǒng)性風(fēng)險傳染研究新視角。Diebold和Yilmaz[12]應(yīng)用DYCI指數(shù)研究了1999—2013年9種主要交易貨幣對美元匯率之間的波動溢出效應(yīng)，結(jié)果表明，2008年國際金融危機后，外匯市場的波動溢出效應(yīng)略有上升，且表現(xiàn)出與經(jīng)濟周期無關(guān)的波動特征;不同貨幣匯率之間的方向性溢出指數(shù)表現(xiàn)出較強的差異性，歐元/美元匯率對其他貨幣匯率的波動溢出效應(yīng)最為顯著。Greenwood-Nimmo等[13]推廣了關(guān)聯(lián)性測度框架，分析了G10成員國的貨幣在1999—2014年的風(fēng)險回報溢出效應(yīng)，研究發(fā)現(xiàn)，危機時期各國貨幣間的波動溢出效應(yīng)顯著增強。Barunik等[14]基于已實現(xiàn)半方差指標(biāo)和DYCI指數(shù)，研究了外匯市場波動溢出效應(yīng)的非對稱性，刻畫了外匯市場中“好”的和“壞”的波動傳遞結(jié)構(gòu)。王雪和胡明志[15]基于DAG-SEM和網(wǎng)絡(luò)分析法，研究了在中國兩次“匯改”前后，人民幣與其他主要貨幣之間的溢出效應(yīng)，并分析了人民幣國際影響力的動態(tài)演變。余博和管超[16]引入復(fù)雜網(wǎng)絡(luò)模型和相關(guān)系數(shù)法，分析了由50多種貨幣構(gòu)成的外匯關(guān)聯(lián)網(wǎng)絡(luò)中的風(fēng)險溢出效應(yīng)，并考察了外匯風(fēng)險傳染的影響機制。

隨著現(xiàn)代計量技術(shù)的發(fā)展，Barunik和Krehlik[3]開始著眼于頻域?qū)用娴牟▌右绯鲂?yīng)。傳統(tǒng)的DYCI指數(shù)可以有效反映金融系統(tǒng)中由沖擊引發(fā)的波動溢出效應(yīng)的動態(tài)演變特性，卻無法判別出這種沖擊是在長期還是短期對金融網(wǎng)絡(luò)造成影響?，F(xiàn)實中，市場參與者在不同的投資組合內(nèi)運作，他們會關(guān)注組合中具有不同周期的成分，進而通過期望效用為資產(chǎn)估值。由此，金融市場中的周期性因素會自然而然地產(chǎn)生異質(zhì)性沖擊，引發(fā)短期和長期的系統(tǒng)性風(fēng)險溢出效應(yīng)。其中，高頻溢出產(chǎn)生于金融市場信息快速處理的時期，其對系統(tǒng)中某一資產(chǎn)的沖擊僅在短期內(nèi)造成影響;反之，低頻溢出則意味相關(guān)沖擊傳遞的周期較長，這種沖擊可能來源于投資者預(yù)期的根本性改變，可以在較長時期內(nèi)影響系統(tǒng)性金融風(fēng)險的演變。當(dāng)下興起的頻域關(guān)聯(lián)法[3]是DYCI指數(shù)[11]在頻域空間上的進一步拓展，基于全局網(wǎng)絡(luò)視角，有效評估金融變量在時間和頻率上的動態(tài)交互影響，從而為監(jiān)管者防范化解系統(tǒng)性金融風(fēng)險提供更加具有全局性的系統(tǒng)性金融風(fēng)險測度指標(biāo)。

綜觀現(xiàn)有文獻，有關(guān)外匯市場波動溢出效應(yīng)的研究存在以下不足之處：第一，國內(nèi)外文獻主要關(guān)注發(fā)達國家（或地區(qū)）外匯市場間的波動溢出關(guān)系，涉及人民幣的研究也大多聚焦于其與新興市場或者周邊地區(qū)市場之間的交互作用，忽視了人民幣日益上升的國際影響力以及對全球主要貨幣的溢出效應(yīng)。第二，以往的研究大多基于時域視角刻畫外匯市場波動溢出的動態(tài)演變，而從頻域視角測度國際間外匯市場波動溢出效應(yīng)的研究較少?，F(xiàn)實中，對宏觀經(jīng)濟的沖擊會以不同的頻率及強度對系統(tǒng)中的變量造成影響，因而頻率動態(tài)特性有助于監(jiān)管部門和投資者充分了解波動溢出效應(yīng)的演化趨勢。

有鑒于此，本文使用前沿的頻域關(guān)聯(lián)法，分別構(gòu)建時域和頻域視角的外匯市場波動溢出網(wǎng)絡(luò)，對全球15種主要貨幣的系統(tǒng)性風(fēng)險傳染問題展開深入研究。具體而言：第一，本文在VAR模型廣義預(yù)測誤差方差分解矩陣的基礎(chǔ)上，測算外匯市場時域波動溢出網(wǎng)絡(luò)，同時通過對VAR模型中脈沖響應(yīng)函數(shù)的傅里葉變換進一步將研究視角拓展至頻域空間。第二，基于外匯市場波動溢出網(wǎng)絡(luò)設(shè)定相關(guān)溢出效應(yīng)測度指標(biāo)，從靜態(tài)和動態(tài)兩個方面測算外匯市場波動溢出效應(yīng)，并重點考察人民幣與其他貨幣之間的波動傳遞關(guān)系。

三、研究方法與樣本數(shù)據(jù)

為了探究外匯市場風(fēng)險傳染問題，本文使用頻域關(guān)聯(lián)法[3]作為應(yīng)用分析的理論框架。具體而言，在VAR模型預(yù)測誤差方差分解矩陣的基礎(chǔ)上，結(jié)合譜分解技術(shù)，分別構(gòu)建時域和頻域視角的外匯市場波動溢出網(wǎng)絡(luò)，測算外匯市場波動溢出效應(yīng)指數(shù)。

（一）時域波動溢出網(wǎng)絡(luò)的構(gòu)建

VAR模型的預(yù)測方差分解測度了一個變量i的H階預(yù)測誤差方差中有多少是由另一個變量j的變化引起的，從而為衡量外匯市場間的波動溢出效應(yīng)提供了一種較為直觀的方法。依據(jù)Diebold和Yilmaz[11]，預(yù)測方差分解矩陣可視為一個加權(quán)有向網(wǎng)絡(luò)，其中，網(wǎng)絡(luò)節(jié)點代表外匯市場，連接節(jié)點的邊則表示外匯市場間溢出水平及方向。

本文設(shè)定一個N維的貨幣波動率向量Xt=（X1t，…， XNt）′，其中，t=1，…， T，并以此構(gòu)建N維VAR模型，具體公式為：

（三）波動溢出效應(yīng)測度指標(biāo)設(shè)定

本文基于外匯市場的波動溢出網(wǎng)絡(luò)（θ～H）i，j和（θ～d）i，j分別構(gòu)建總溢出指數(shù)和方向溢出指數(shù)兩類指標(biāo)，從時域和頻域兩個視角測算外匯市場波動溢出效應(yīng)的整體和個體特性，相關(guān)指標(biāo)的計算方法，如表1所示。其中，本文將總溢出指數(shù)SH和Sd定義為預(yù)測誤差中由非自身貢獻的方差份額，亦或等于矩陣中非對角元素與整個矩陣和的比率，用于衡量外匯市場的總體風(fēng)險溢出效應(yīng);方向性溢出指數(shù)則定義為貨幣i對其他貨幣（或其他貨幣對貨幣i）波動溢出效應(yīng)的和，用于衡量貨幣i在外匯市場網(wǎng)絡(luò)中對外輸出（或?qū)?nèi)吸收）的波動溢出效應(yīng)。

（四）數(shù)據(jù)選取

本文選取全球外匯市場中的主要交易貨幣作為研究對象。根據(jù)國際清算銀行（BIS）于2019年4月發(fā)布的《三年期央行調(diào)查》，全球匯率市場上交易量排名前15位的貨幣分別為美元（88.3%）、歐元（32.2%）、日元（16.8%）、英鎊（12.8%）、澳元（6.8%）、加元（5.0%）、瑞士法郎（5.0%）、人民幣（4.3%）、港幣（3.5%）、紐元（2.1%）、瑞典克朗（2.0%）、韓元（2.0%）、新加坡元（1.8%）、挪威克朗（1.8%）和墨西哥元（1.7%），此樣本占全部外匯交易量的比重達186.1%[2]。

每筆交易涉及兩種貨幣，故而所有外匯交易占比的和為200%。進一步地，本文通過Bloomberg數(shù)據(jù)庫收集了上述15種貨幣的日度匯率數(shù)據(jù)，其中，美元匯率采用美元指數(shù)衡量，而其他貨幣匯率均使用美元直接標(biāo)價。由于人民幣在2005年7月22日前實行釘住美元的匯率政策，其波動性可忽略不計。為了研究人民幣與其他貨幣之間的交互作用，本文的樣本區(qū)間選擇為2006年1月1日至2020年6月30日。剔除由于節(jié)假日不同等導(dǎo)致的交易缺失數(shù)據(jù)后，最終得到3 473組數(shù)據(jù)。

本文選用貨幣匯率的實際波動率指數(shù)作為波動指標(biāo)，考察外匯市場間的波動傳遞關(guān)系，研究系統(tǒng)性風(fēng)險溢出效應(yīng)。假設(shè)波動率在一天內(nèi)是固定的，而在不同時期內(nèi)是可變的。依據(jù)Parkinson[19]，本文采用貨幣匯率的日度最高價格（high）和最低價格（low）計算其日度方差，相關(guān)計算公式為σ～2p=0.361（h-l）2，其中，h和l分別代表各貨幣匯率每日最高價格和最低價格的自然對數(shù)。由于σ～2p是每日收益方差的估計值，相應(yīng)的日度年化百分比標(biāo)準(zhǔn)差估計值，也即貨幣匯率波動率為p=100365σ～2p。

四、研究結(jié)果與分析

（一）靜態(tài)分析

基于Barunik和Krehlik[3]，本文通過SC準(zhǔn)則選定VAR模型的滯后階數(shù)為2，選擇向前預(yù)測120天，并設(shè)定120天為滾動窗口長度，

Barunik和Krehlik[3]認(rèn)為，H值的設(shè)定越高，VAR模型越容易獲得更好的近似估計值。同時，本文還編制了滾動窗口長度為150天、180天、200天和250天的波動溢出指數(shù)，最終結(jié)果仍穩(wěn)健。研究系統(tǒng)性金融風(fēng)險在全球傳遞和演變的過程中，外匯市場間的交互作用關(guān)系。同時，本文將頻段劃分為高頻（1天—1周）、中頻（1周—1個月）以及低頻（1個月以上），分別代表短期、中期和長期，以考察頻域視角的外匯市場波動溢出效應(yīng)。其中，本文主要關(guān)注外匯市場的高、低頻波動溢出效應(yīng);中頻的波動溢出效應(yīng)均與高、低頻之間存在較高的截面相關(guān)性，難以對其進行區(qū)分，故將其設(shè)定為過渡頻段。由此，本文首先測算了全樣本區(qū)間內(nèi)的外匯市場時頻波動溢出矩陣，并得到相關(guān)的靜態(tài)波動溢出指數(shù)，如表2所示。

由表2可知：第一，在全樣本區(qū)間內(nèi)，全球外匯市場間的波動溢出效應(yīng)較為顯著，外匯市場的總溢出指數(shù)為66.03%。根據(jù)本文對總溢出指數(shù)的定義，可以認(rèn)為單一貨幣匯率的波動不僅受到自身因素的影響，還在很大程度上受到外匯網(wǎng)絡(luò)中其他貨幣的沖擊和影響。經(jīng)濟金融一體化的發(fā)展、國際雙邊貿(mào)易互動以及跨境資本流動加快等因素的存在，使得各種貨幣之間相互滲透、相互影響，進而加劇外匯市場波動溢出效應(yīng)。從頻域溢出效應(yīng)的分布來看，高、中、低頻溢出各為17.86%、18.39%、29.78%，其中，低頻溢出的數(shù)值超過高頻溢出近10個百分點，這說明時域下的外匯市場波動溢出網(wǎng)絡(luò)在一定程度上由長期因素主導(dǎo)，即外匯市場間的風(fēng)險傳染主要發(fā)生在長期。第二，就方向性溢出指數(shù)而言，澳元、美元、歐元3種貨幣在波動溢出網(wǎng)絡(luò)中對其他貨幣的溢出水平最高，而受其他貨幣溢出水平最高的分別為美元、歐元、瑞典克朗，說明美元和歐元在當(dāng)前國際外匯市場上處于絕對的主導(dǎo)地位，對其他貨幣的影響力較大。究其原因，為美元和歐元提供信用背書的歐美地區(qū)不僅經(jīng)濟實力雄厚，擁有發(fā)達、完善的金融基礎(chǔ)設(shè)施，而且其貨幣政策的實施與調(diào)整必將對國際金融市場產(chǎn)生顯著而又深遠(yuǎn)的影響，故而美元與歐元也將在外匯市場波動溢出網(wǎng)絡(luò)中表現(xiàn)出較強的影響力。澳元對外匯網(wǎng)絡(luò)中其他貨幣也有較高的溢出水平，其原因在于澳大利亞是全球大宗商品的主要供應(yīng)國，國際貿(mào)易渠道在一定程度上促使澳元的匯率波動更加容易地傳遞給其他貨幣，引起其他貨幣的共振與聯(lián)動。第三，全樣本區(qū)間內(nèi)，人民幣對其他貨幣或者受其他貨幣的波動溢出水平都處于外匯市場網(wǎng)絡(luò)中的末端，相比于其他貨幣顯現(xiàn)出較大的差異，一定程度上反映了人民幣較低的國際化水平。從矩陣對角線元素來看，人民幣顯得較為穩(wěn)定，且受其自身的影響力達86.70%，而最低的美元對自身影響力僅為17.97%。外匯市場時域波動溢出矩陣中的具體數(shù)值并未在正文中展示，留存?zhèn)渌?。這可能與現(xiàn)階段中國匯率市場尚未完全實現(xiàn)市場化有關(guān)，進而導(dǎo)致人民幣受其他貨幣波動的影響較小。結(jié)合頻域溢出結(jié)果來看，人民幣對外溢出效應(yīng)在短期內(nèi)較為顯著（相對于人民幣的長期溢出而言），而受其他貨幣的影響在長期和短期內(nèi)并無明顯區(qū)別。第四，值得注意的是，中國香港地區(qū)作為國際金融中心，其法定貨幣在外匯市場波動溢出網(wǎng)絡(luò)中的表現(xiàn)與人民幣較為相似。同時，本文計算得到的港幣實際波動率的均值遠(yuǎn)低于其他貨幣，僅為0.55。結(jié)合港幣的聯(lián)系匯率制度來看，維護港幣與美元匯率的穩(wěn)定是當(dāng)前中國香港地區(qū)貨幣政策的唯一目標(biāo)，這也使得港幣在全球外匯市場波動溢出網(wǎng)絡(luò)中受到較小的影響，從而緩解了匯率波動對其金融穩(wěn)定的影響。

外匯市場時域波動溢出矩陣，本文使用熱力圖（Heatmap）更為直觀地展示波動溢出矩陣中的結(jié)果，顏色越深代表溢出水平越高，反之則越低。如圖1所示。由圖1可知，在外匯波動溢出網(wǎng)絡(luò)中，貨幣之間的溢出效應(yīng)差異性較大，存在一些如美元和歐元的強溢出效應(yīng)，也有一些可以忽略不計的弱溢出效應(yīng)。接下來，本文重點考察由強溢出效應(yīng)構(gòu)成的外匯風(fēng)險網(wǎng)絡(luò)結(jié)構(gòu)。具體而言，將貨幣i在網(wǎng)絡(luò)中對其他貨幣和受其他貨幣的波動溢出水平從大到小依次排序，各取其中排名前3位的雙向溢出效應(yīng)，構(gòu)建全球外匯市場時頻波動溢出網(wǎng)絡(luò)。外匯市場時頻波動溢出網(wǎng)絡(luò)，以歐元為例，在時域波動溢出網(wǎng)絡(luò)中受其溢出較高的三只貨幣依次為美元、瑞士法郎、瑞典克朗，同時對其風(fēng)險溢出較高的三只貨幣依次為美元、瑞典克朗、挪威克朗，其他貨幣的溢出結(jié)構(gòu)也以此類推。如圖2所示。

由圖2可知，在時域溢出網(wǎng)絡(luò)中，

美元、歐元、澳元占據(jù)了網(wǎng)絡(luò)中心，溢出效應(yīng)相對較小的貨幣則處于網(wǎng)絡(luò)邊緣位置。同時，可以看出，外匯市場波動溢出網(wǎng)絡(luò)在一定程度上受“地理因素”的影響，如歐元與瑞士法郎、瑞典克朗、挪威克朗在時域上聯(lián)系較為復(fù)雜;人民幣則與港幣、新加坡元關(guān)系緊密。此外，在頻域溢出網(wǎng)絡(luò)中，不同頻段的外匯市場網(wǎng)絡(luò)呈現(xiàn)出明顯差異。在短期內(nèi)，與網(wǎng)絡(luò)其他貨幣存在復(fù)雜網(wǎng)絡(luò)聯(lián)系的是美元、新加坡元、歐元以及澳元;而在長期內(nèi)，這一結(jié)果則是澳元和紐元。

本文此處使用的復(fù)雜網(wǎng)絡(luò)聯(lián)系指與其他貨幣的邊數(shù)超過12個。

（二）動態(tài)分析

前述靜態(tài)分析結(jié)果是在VAR模型參數(shù)保持不變的前提下得出的，然而現(xiàn)實中并非如此。本文進一步使用滾動窗口法，分析全球外匯市場時頻波動溢出網(wǎng)絡(luò)的時變特征。繪制相關(guān)指數(shù)時，本文同時使用堆積圖進一步分解時域溢出指數(shù)，以得到不同頻段（高頻、中頻和低頻）內(nèi)溢出效應(yīng)的動態(tài)分布，如圖3所示。

由圖3可知，總體上看，全球外匯市場波動溢出效應(yīng)整體呈上升趨勢，但2016年下半年以來明顯減弱，具有明顯的時變特征。2016年以前，全球化不斷推進，各國經(jīng)濟金融往來密切，外匯市場間的聯(lián)動性不斷增強，風(fēng)險溢出渠道增多，進而使得外匯市場波動溢出效應(yīng)逐步增強。由于本文使用美元作為基準(zhǔn)貨幣，這一結(jié)果反映了以美元為核心的國際貨幣體系的新變化，與此同時，多元貨幣體系正在形成。2016年以來，一方面，美元開啟了強勢周期，全球主要交易貨幣在此過程中被動貶值，美元對其他貨幣的波動溢出效應(yīng)增強;另一方面，逆全球化思潮興起，全球范圍內(nèi)的貿(mào)易保護主義、孤立主義抬頭，嚴(yán)重影響了全球經(jīng)濟金融一體化進程，外匯市場間的風(fēng)險聯(lián)動性也開始下降。

從頻域分布來看，外匯市場波動溢出效應(yīng)具有顯著的“區(qū)制轉(zhuǎn)換”特征。其中，總溢出指數(shù)的動態(tài)變化在大部分時期內(nèi)是由高頻成分驅(qū)動的，外匯市場的波動溢出效應(yīng)主要受短期沖擊影響;而在2008年國際金融危機、歐洲主權(quán)債務(wù)危機、2015年全球股災(zāi)、2020年新冠疫情等時期內(nèi)，低頻溢出成為外匯市場波動溢出效應(yīng)的主要驅(qū)動因素?？赡艿脑蛟谟?，危機時期內(nèi)經(jīng)濟金融不確定性相互疊加，持續(xù)上升的金融風(fēng)險會轉(zhuǎn)化為投資者對沖擊更為持久的響應(yīng)。由低頻響應(yīng)驅(qū)動的溢出效應(yīng)將轉(zhuǎn)化為長期的市場不確定性，最終引發(fā)系統(tǒng)性風(fēng)險傳染，對市場造成更大程度的沖擊。

進一步地，由圖4可知，本文在對人民幣波動溢出效應(yīng)的動態(tài)分析中發(fā)現(xiàn)，人民幣對外溢出效應(yīng)在絕大部分時期內(nèi)小于受其他貨幣的溢出效應(yīng)。這說明，在全球外匯市場系統(tǒng)性金融風(fēng)險傳遞的過程中，人民幣是波動溢出效應(yīng)的凈接受者。在時間維度上，“811”匯改后人民幣波動溢出效應(yīng)明顯增強，一方面，人民幣的國際影響力顯著上升，表現(xiàn)為OUT指數(shù)的震蕩上行;另一方面，人民幣IN指數(shù)呈現(xiàn)雙向波動態(tài)勢，其彈性進一步增強，也意味著人民幣受到?jīng)_擊的頻次增多。因此，隨著中國金融市場的進一步開放，如何防范外部輸入型風(fēng)險，維護國內(nèi)金融穩(wěn)定與安全，是中國金融監(jiān)管部門當(dāng)前面臨的重要課題。同時，從頻域分解的結(jié)果來看，人民幣波動溢出效應(yīng)的長期溢出成分占比較高，其中在OUT指數(shù)中的占比為18.30%，在IN指數(shù)中的占比為20.33%，而這一比重在總溢出指數(shù)中僅為14.9%。這可能是因為當(dāng)前中國匯率市場化改革仍未完成，人民幣匯率形成機制尚未完善，更容易受到長期結(jié)構(gòu)性因素沖擊的影響。

五、結(jié)論與政策建議

本文基于最新發(fā)展的頻域關(guān)聯(lián)法，針對全球15種主要貨幣構(gòu)建了外匯市場波動溢出網(wǎng)絡(luò)，并從時域和頻域雙視角分析了外匯市場波動溢出效應(yīng)。本文得出的主要研究結(jié)論包括：第一，全球外匯市場間的波動溢出效應(yīng)顯著，單一貨幣的波動更大程度上受到網(wǎng)絡(luò)中其他貨幣的影響。就總溢出指數(shù)的頻域分解來看，外匯市場波動溢出效應(yīng)更容易受到長期因素的影響。第二，結(jié)合波動溢出指數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)來看，美元和歐元在波動溢出網(wǎng)絡(luò)占有絕對的主導(dǎo)地位，同時澳元在網(wǎng)絡(luò)中對其他貨幣的溢出效應(yīng)也較為顯著。第三，人民幣較低的市場化程度以及港幣的聯(lián)系匯率制度，導(dǎo)致了這兩種貨幣與其他貨幣之間的溢出效應(yīng)較弱。第四，外匯市場總溢出指數(shù)具有明顯的時序特征，2016年前呈上升趨勢，此后又開始下降;同時，總溢出指數(shù)在頻域中呈現(xiàn)出“區(qū)制轉(zhuǎn)移”的特征，即平常時期內(nèi)主要由短期溢出驅(qū)動，而在危機時期內(nèi)大多受長期溢出的影響。第五，在對人民幣波動溢出效應(yīng)的動態(tài)分析中，對外輸出長期小于對內(nèi)輸入，使得其在全球外匯網(wǎng)絡(luò)中處于凈接受者的角色;而在2015年“811”匯改完成后，人民幣與其他貨幣之間的波動溢出效應(yīng)明顯增強，面臨的外部風(fēng)險沖擊也日益嚴(yán)峻。

依據(jù)上述結(jié)論，本文提出以下政策建議：第一，利用中國當(dāng)前在國際上的政治和經(jīng)濟影響力，努力搭建國際層面的金融監(jiān)管合作與協(xié)調(diào)框架，并在此框架內(nèi)加強與國際社會、特別是“一帶一路”沿線國家在金融監(jiān)管、風(fēng)險防范等領(lǐng)域的交流合作。第二，完善金融宏觀調(diào)控跨周期設(shè)計和調(diào)節(jié)，充分結(jié)合“跨周期”和“逆周期”兩種調(diào)節(jié)方式，在兼顧防范短期金融風(fēng)險波動的同時，側(cè)重于積極應(yīng)對和化解中長期風(fēng)險問題，不斷強化前瞻性、全局性和整體性布局。第三，推進人民幣匯率市場化改革，進一步完善人民幣匯率形成機制，逐步放開人民幣匯率波動區(qū)間，不斷增強人民幣匯率彈性，堅定不移推進人民幣的國際化進程，提升人民幣的國際影響力。第四，健全國內(nèi)現(xiàn)有風(fēng)險預(yù)警監(jiān)測體系，引入外匯風(fēng)險傳染監(jiān)測指標(biāo)及配套的預(yù)警系統(tǒng)，制備防范和應(yīng)對外匯風(fēng)險輸入的緊急預(yù)案，定期監(jiān)測外匯市場波動溢出網(wǎng)絡(luò)，以實現(xiàn)外匯風(fēng)險輸入的早發(fā)現(xiàn)、早識別、早處置，堅決守住不發(fā)生系統(tǒng)性風(fēng)險的底線。第五，為了避免或減少外匯市場劇烈波動所帶來的損失，國內(nèi)資本市場可研究推出準(zhǔn)入門檻相對較低的外匯衍生產(chǎn)品，以方便國內(nèi)實體對沖外匯風(fēng)險。第六，增強國內(nèi)金融體系的穩(wěn)定性，提升風(fēng)險抵御能力，健全防范化解金融風(fēng)險的長效機制，使金融市場開放與金融風(fēng)險防范相輔相成、協(xié)調(diào)共進。

參考文獻：

[1] Freixas， X.， Laeven， L.， Peydró， J. L. Systemic Risk， Crises， and Macroprudential Regulation[M].Massachusetts： MIT Press， 2015.

[2] BIS. Triennial Central Bank Survey： Report on Global Foreign Exchange Market Activity in 2019[R]. Monetary and Economic Department， 2019.

[3] Barunik， J.，Krehlik， T. Measuring the Frequency Dynamics of Financial Connectedness and Systemic Risk[J]. Journal of Financial Econometrics， 2018， 16（2）：271-296.

[4] Diebold， F. X.， Pauly， P. Has the EMS Reduced Member-Country Exchange Rate Volatility？[J]. Empirical Economics， 1988， 13（2）：81-102.

[5] Engle， R. F.， Ito， T.， Lin， W.L. Meteor Showers or Heat Waves？ Heteroskedastic Intra-Daily Volatility in the Foreign Exchange Market[J]. Econometrica， 1990， 58（3）：525-542.

[6] Baillie， R.T.， Bollerslev， T. Intra-Day and Inter-Market Volatility in Foreign Exchange Rates[J]. The Review of Economic Studies， 1991， 58（3）：565-585.

[7] Hong， Y. A Test for Volatility Spillover With Application to Exchange Rates[J]. Journal of Econometrics， 2001， 103（1）：183-224.

[8] Melvin， M.， Melvin， B.P. The Global Transmission of Volatility in the Foreign Exchange Market[J].Review of Economics and Statistics， 2003， 85（3）：670-679.

[9] Cai， F.， Howorka， E.， Wongswan， J. Informational Linkages Across Trading Regions： Evidence From Foreign Exchange Markets[J]. Journal of International Money and Finance， 2008， 27（8）：1215-1243.

[10] Kitamura， Y. Testing for Intraday Interdependence and Volatility Spillover Among the Euro， the Pound and the Swiss Franc Markets[J]. Research in International Business and Finance， 2010， 24（2）：158-171.

[11] Diebold， F. X.， Yilmaz， K. Better to Give Than to Receive： Predictive Directional Measurement of Volatility Spillovers[J]. International Journal of Forecasting， 2012， 28（1）：57-66.

[12] Diebold， F. X.， Yilmaz， K. Financial and Macroeconomic Connectedness： A Network Approach to Measurement and Monitoring[M]. Oxford ：Oxford University Press， 2015.

[13] Greenwood-Nimmo， M.， Nguyen， V. H.， Rafferty， B. Risk and Return Spillovers Among the G10 Currencies[J]. Journal of Financial Markets， 2016， （31）： 43-62.

[14] Barunik， J.， Ko-Enda， E.， Vácha， L. Asymmetric Volatility Connectedness on the Forex Market[J]. Journal of International Money and Finance， 2017， （77）：39-56.

[15] 王雪， 胡明志. 匯改提高了人民幣國際化水平嗎？——基于“7·21”匯改和“8·11”匯改的視角[J]. 國際金融研究， 2019，（8）： 76-86.

[16] 余博， 管超. 外匯風(fēng)險傳染網(wǎng)絡(luò)測度與影響機制分析——基于靜態(tài)和動態(tài)的雙重視角[J]. 國際金融研究， 2020，（2）： 87-96.

[17] Pesaran， H. H.， Shin， Y. Generalized Impulse Response Analysis in Linear Multivariate Models[J]. Economics Letters， 1998，58（1）： 17-29.

[18] Dew-Becker， I.， Giglio， S. Asset Pricing in the Frequency Domain： Theory and Empirics[J]. Review of Financial Studies， 2016，29（8）：2029-2068.

[19] Parkinson， M. The Extreme Value Method for Estimating the Variance of the Rate of Return[J]. Journal of Business， 1980，53（1）： 61-65.

The Spillover Effects of Foreigh Exchange Market Volatility

Based on the Perspective of Time Domain and Frequency Domain

BIAN Zhi-cun

（School of Finance，Nanjing University of Finance & Economics，Nanjing 210023，China）

Abstract：

This paper utilizes the latest Frequency Connectedness method to measure forex markets volatility spillover network from the time-domain and frequency-domain perspectives， constructs the relevant spillover indicators， examines the static and dynamic volatility spillover across forex market， and focuses on analyzing the time-order characteristics of the RMB volatility spillover. The empirical results show that， first of all， volatility spillover across the global forex market is significant， and it is more susceptible to long-term components. Secondly， the total spillover index of the forex market has obvious time-order characteristics and shows the characteristics of ‘regime switching in the frequency domain. Thirdly， the spillover between the RMB， the Hong Kong dollar and other currencies is relatively weak. Fourth， for most of the period， the RMB has played the role of a net receiver in the global forex market network， and its volatility spillover with other currencies since the August 2015 exchange rate reform has significantly increased. Finally， the US dollar and the Euro both have an absolute dominant position in the volatility spillover network， and the spillover from Australian dollar to other currencies in the network is also significant.

Key words：foreign exchange market;the effects of volatility;systemic financial risk;volatility spillover network;global forex market network

（責(zé)任編輯：徐雅雯）

收稿日期：2021-03-14

基金項目：國家社會科學(xué)基金重大項目“經(jīng)濟發(fā)展新常態(tài)下中國金融開放、金融安全與全球金融風(fēng)險研究”（17ZDA037）;教育部創(chuàng)新團隊發(fā)展計劃滾動支持項目“經(jīng)濟轉(zhuǎn)型期穩(wěn)定物價的貨幣政策”（IRT_17R52）;江蘇省“333工程”科研資助項目“宏觀審慎評估體系框架下中國系統(tǒng)性金融風(fēng)險的測度、預(yù)警及防范研究”（BRA2019067）

作者簡介：

卞志村（1975-），男，江蘇高郵人，教授，博士，博士生導(dǎo)師，主要從事金融宏觀調(diào)控研究。E-mail：bzc1975@nufe.edu.cn