中俄哈資本市場系統(tǒng)性風(fēng)險溢出效應(yīng)分析
——基于新冠肺炎次生災(zāi)害視角

左正龍

（1.新疆財經(jīng)大學(xué)金融學(xué)院，新疆烏魯木齊830012；2.衡陽技師學(xué)院，湖南衡陽421101）

自2019年12月底首例新冠肺炎在我國被確診后，不久其他地區(qū)也相繼確診了該病例，俄羅斯在2020年1月確診了6例患者，哈薩克斯坦也于3月中旬出現(xiàn)疫情。之后，我國疫情得到了很好的控制，但俄哈兩國疫情有愈發(fā)嚴(yán)重的態(tài)勢。如果將此次疫情看作是“原生災(zāi)害”，那么它還將帶來一系統(tǒng)列的“次生災(zāi)害”（即由原生災(zāi)害所引致的災(zāi)害）。其中首要的便是經(jīng)濟金融風(fēng)險，疫情爆發(fā)后的股市下挫就是很好的例證。在我國“一帶一路”倡議背景下，中國在推動沿線國家經(jīng)濟合作與發(fā)展中發(fā)揮了重要作用，同時也極度重視金融體系的潛在風(fēng)險。多次會議都曾強調(diào)要防范資本市場系統(tǒng)性風(fēng)險，2019年習(xí)近平總書記進一步明確，“防范化解金融風(fēng)險特別是防止發(fā)生系統(tǒng)性金融風(fēng)險，是金融工作的根本性任務(wù)”[1]。俄羅斯和哈薩克斯坦與中國一衣帶水，哈國已成為我國在中亞地區(qū)的最大貿(mào)易伙伴國；哈國從蘇聯(lián)加盟共和國獨立出來后，經(jīng)濟上仍與俄羅斯有著很強的依存關(guān)系；中國連續(xù)8年來都是俄羅斯的最大貿(mào)易伙伴國。中俄哈三國的經(jīng)濟貿(mào)易在“一帶一路”倡議下聯(lián)系得更加緊密。因此，研究這三國資本市場系統(tǒng)性風(fēng)險的溢出效應(yīng)對了解“一帶一路”沿線國家資本市場風(fēng)險的傳染性具有開創(chuàng)性意義。

一、文獻(xiàn)回顧

國外關(guān)于系統(tǒng)性金融風(fēng)險溢出效應(yīng)的理論分析較多，F(xiàn)orbes和Rigobon將既有研究歸為兩大類：無危機傳染理論與危機傳染理論。無危機傳染理論假設(shè)風(fēng)險期與平穩(wěn)期的風(fēng)險傳染機制相同，所以沖擊發(fā)生后各金融市場的聯(lián)動性沒有上升。該理論將風(fēng)險傳染分為四條途徑：隨機總量沖擊、國家重估、貿(mào)易和政策協(xié)同。危機傳染理論分析的是為何在風(fēng)險期傳染機制會發(fā)生變化，以及為何沖擊發(fā)生后各金融市場的聯(lián)動性會增強[2]。基于此，F(xiàn)orbes和Rigobon進一步提出了系統(tǒng)性金融風(fēng)險溢出的“過度關(guān)聯(lián)說”。其將風(fēng)險傳染性界定為一個地區(qū)發(fā)生的沖擊引致該地區(qū)與其他地區(qū)的聯(lián)動性增強，該學(xué)說強調(diào)只有關(guān)聯(lián)性發(fā)生了變化才能稱為傳染性。他們將過度關(guān)聯(lián)性的變動作為衡量溢出效應(yīng)產(chǎn)生的一個重要標(biāo)準(zhǔn)，并以之檢驗金融危機期間風(fēng)險傳染的變動情況[3]。本文關(guān)注的是新冠肺炎沖擊下三國資本市場的關(guān)聯(lián)性是否會顯著增加，因此，本研究屬于危機傳染理論范疇。隨著對金融風(fēng)險預(yù)警的科學(xué)化以及防范措施的更加得力，當(dāng)今的金融危機表現(xiàn)出更加溫和的特點，即不再像以往危機那樣劇烈，處于一種“亞危機”狀態(tài)。受疫情影響，2020年世界經(jīng)濟出現(xiàn)衰退，投資者信心不足而引致資本市場動蕩，這就具有“亞危機”的特點。此外，“過度關(guān)聯(lián)說”相對于其他理論而言能對金融風(fēng)險傳染界定得更為精確，因此，本文援引該理論作后續(xù)分析。

從研究的方法和思路看，分析資本市場風(fēng)險的溢出效應(yīng)主要集中于資產(chǎn)價格的協(xié)同運動，如檢驗危機發(fā)生的條件概率，進行資產(chǎn)價格的協(xié)整分析、相關(guān)性分析、波動性溢出分析等。其中通過估計其他地區(qū)發(fā)生危機時本地區(qū)危機發(fā)生的條件概率來判斷本地區(qū)危機發(fā)生可能性的方法，有Eichengreen等、Glick和Rose[4-5]運用Probit模型對金融風(fēng)險溢出效應(yīng)的實證檢驗，其優(yōu)點是能對溢出的可能性進行定量分析，但并未考慮變量的異方差性，且結(jié)果為有偏估計；Cashin等運用協(xié)整方法分析了6個新興市場經(jīng)濟國家與7個工業(yè)化國家的證券市場指數(shù)[6]，后來Kaminsky和Reinheart也用協(xié)整分析證明了溢出的存在性[7]，但自墨西哥金融危機后，大多數(shù)危機持續(xù)的時間都較短，協(xié)整分析并不能發(fā)現(xiàn)短期的動態(tài)效應(yīng)；Calvo和Reinheart、Baig和Goldfajn[8-9]分別運用資產(chǎn)價格相關(guān)系數(shù)檢驗了墨西哥金融危機與東南亞金融危機的溢出效應(yīng)，發(fā)現(xiàn)危機時期的相關(guān)系數(shù)顯著大于平穩(wěn)時期，但是，相關(guān)系數(shù)增加并不表明一定存在溢出效應(yīng)，這是因為相關(guān)系數(shù)只是從統(tǒng)計上說明數(shù)據(jù)上的相關(guān)關(guān)系，即便相關(guān)系數(shù)近似于1，也不能充分證明經(jīng)濟上存在因果關(guān)系。Park和Song運用GARCH模型檢驗了東南亞金融危機期間8個亞洲國家外匯市場的波動性溢出效應(yīng)[10]，Edwards運用同樣的模型分析了1994年墨西哥金融危機期間該國利率波動對智利與阿根廷的溢出效應(yīng)[11]。然而，在有內(nèi)生變量存在時，此方法可能高估波動性溢出效應(yīng)。綜觀這些實證分析，他們借助協(xié)方差矩陣或者相關(guān)系數(shù)來研究市場間的相關(guān)程度，目的主要在于檢驗數(shù)據(jù)生成過程中的參數(shù)穩(wěn)定性。但是，若存在異方差性、忽略變量或內(nèi)生變量等問題，檢驗參數(shù)穩(wěn)定性的結(jié)果常常是有偏的。即使在一些特殊情況下能夠?qū)ζ湫拚?，其結(jié)果也不能普遍適用，且這些方法均不能反映風(fēng)險溢出的動態(tài)特征，更不能定量化傳染沖擊的力度。

此外，自Angelini等運用復(fù)雜網(wǎng)絡(luò)理論測度了意大利與美國銀行間市場的風(fēng)險溢出效應(yīng)[12]以來，網(wǎng)絡(luò)分析法風(fēng)靡一時。如Diebold和Yilmaz選擇金融機構(gòu)間市場價格方差分解作為測度相關(guān)性的指標(biāo)來構(gòu)建傳染網(wǎng)絡(luò)[13]；楊子暉等[14]通過構(gòu)建非線性關(guān)聯(lián)網(wǎng)絡(luò)，研究了世界19個主要國家經(jīng)濟政策的不確定性和系統(tǒng)性金融風(fēng)險溢出的關(guān)系，結(jié)果表明，危機期有著明顯的風(fēng)險溢出效應(yīng)；王虎和李守偉[15]運用債務(wù)排序法構(gòu)建系統(tǒng)性金融風(fēng)險溢出的多層網(wǎng)絡(luò)模型，對我國銀行業(yè)的系統(tǒng)性風(fēng)險及其影響因子進行實證分析；丁慧和沈雨田[16]選取我國28家上市金融機構(gòu)股票市場價格日數(shù)據(jù)，采用DYCI法識別這些機構(gòu)間的系統(tǒng)性風(fēng)險溢出網(wǎng)絡(luò)，并以此為基礎(chǔ)測度這些機構(gòu)的網(wǎng)絡(luò)關(guān)聯(lián)性和系統(tǒng)性風(fēng)險溢出效應(yīng)。這些研究的優(yōu)點是直觀，能反映不同網(wǎng)絡(luò)結(jié)構(gòu)和異質(zhì)性沖擊的不同影響，但是，它們忽略了風(fēng)險的間接傳染途徑，模型相對靜態(tài)。

二、方法選擇

鑒于傳統(tǒng)分析方法的諸多不足，本文選擇向量自回歸（VAR）模型來檢驗疫情沖擊條件下系統(tǒng)性金融風(fēng)險的溢出效應(yīng)。1980年Sims提出的VAR系統(tǒng)，將考察的所有經(jīng)濟變量都納入一個模型，這樣可反映系統(tǒng)的全部信息，并且經(jīng)濟理論的作用只在于確定變量的滯后期數(shù)與變量如何選擇，從而把理論對統(tǒng)計推斷的限制降至最低。該系統(tǒng)所具有的格蘭杰（Granger）因果關(guān)系檢驗與脈沖響應(yīng)函數(shù)（IRF）分析等功能并未建立在參數(shù)估計的基礎(chǔ)上，所以它能很好地解決基于參數(shù)估計的傳統(tǒng)檢驗方法中出現(xiàn)的異方差性、忽略變量與內(nèi)生變量等問題，因而檢驗參數(shù)穩(wěn)定性的結(jié)果也更可靠。此外，它是由一組動態(tài)方程聯(lián)立構(gòu)成的新型宏觀經(jīng)濟模型，因此能更真實地再現(xiàn)溢出的動態(tài)效應(yīng)并定量化傳染沖擊的力度，從而使得分析結(jié)果也更具普適性。正因為VAR系統(tǒng)所具有的這些功能與優(yōu)點，所以它特別適用于檢驗疫情沖擊條件下的風(fēng)險溢出效應(yīng)。

通過觀察新冠肺炎擴散對資本市場形成沖擊后，中俄哈三國資本市場波動性之間的格蘭杰因果關(guān)系的變化，即可判斷是否存在溢出效應(yīng)。若三國資本市場在疫情沖擊前的安全期與沖擊后的風(fēng)險期的波動性之間均無因果關(guān)系，則該情形不存在風(fēng)險溢出效應(yīng)；若三國資本市場波動性之間在安全期沒有因果關(guān)系，但在風(fēng)險期存在因果關(guān)系，則表明發(fā)生了溢出效應(yīng)；若三國資本市場波動性之間在安全期與風(fēng)險期均存在因果關(guān)系，則應(yīng)進行脈沖響應(yīng)分析以判斷是否發(fā)生了風(fēng)險溢出。脈沖響應(yīng)衡量的是隨機擾動項一個標(biāo)準(zhǔn)差的信息（沖擊）對內(nèi)生變量目前與未來取值的影響。它可以動態(tài)地反映某一經(jīng)濟體發(fā)生的沖擊對其他經(jīng)濟體的沖擊強度、持續(xù)時間以及沖擊的正負(fù)方向。如存在風(fēng)險溢出效應(yīng)，則風(fēng)險期的脈沖響應(yīng)將比安全期的脈沖響應(yīng)強得多。反之則相反。

（一）Granger因果檢驗

若要檢驗因果關(guān)系是從某國金融風(fēng)險x到另一國金融風(fēng)險y，還是從金融風(fēng)險y到金融風(fēng)險x，或者是雙向因果關(guān)系，則可以采用Grange于1969年提出的檢驗方法，即Grange因果關(guān)系檢驗來完成[17]。它基于如下思想：若x是y的原因，但y不是x的反向原因，則x的過去值有助于預(yù)測y的將來值，而y的過去值無助于預(yù)測x的將來值?？紤]如下時間序列模型：

其中εt為白噪聲過程，滯后期數(shù)p和q不一定相等，其可依據(jù)“從大到小的序貫t規(guī)則”或“信息準(zhǔn)則”來確定。檢驗零假設(shè)H0：β1=…=βq=0，即檢驗xt的過去值是否能統(tǒng)計地改進對yt的預(yù)測，相應(yīng)的備擇假設(shè)為H1：βj≠0(?j，1≤j≤q)。如接受H0，則稱xt不是yt的格蘭杰因。交換上述回歸模型中xt和yt的位置則可以檢驗yt是否為xt的格蘭杰因。

（二）脈沖響應(yīng)函數(shù)

考慮一個p階向量自回歸過程VAR(p)：

其中，Yt為n維內(nèi)生變量向量，Γ0為常數(shù)向量，Γ1，…，Γp為系數(shù)矩陣，εt為n維白噪聲過程的誤差向量，其方差-協(xié)方差矩陣為Σε。使用滯后算子，把（2）式寫成向量移動平均（VMA）的形式：

若Γ(L)可逆，則方程兩邊同時左乘Γ(L)-1得VMA模型：

其中，Α為常數(shù)向量，Ψs為系數(shù)矩陣，它們可由式（2）中的Γ0，…，Γp算 出。Ψs的 第m行、第n列 元 素 等 于(?ym，t+s/?εnt)。它表示當(dāng)?shù)趎個變量在時期t的擾動項εnt增加一個單位時（其他期的擾動項和其他變量均不變），對第m個變量在時期(t+s)的取值ym，t+s的影響。即VAR系統(tǒng)中變量m對變量n的s期脈沖響應(yīng)。

向量白噪聲過程εt為弱平穩(wěn)隨機過程，其各個分量間可以存在同期相關(guān)，且Σε也不是對角矩陣，因此，須考慮正交化的脈沖響應(yīng)函數(shù)（OIRF）。由于Σε的正定性，因此總存在一個可逆矩陣P使得PP'=Σε，于是（4）式可演變?yōu)椋?/p>

其中，Φs=Ψs P，vt-s=P-1εt-s。經(jīng)過變換，誤差向量εt就變成了標(biāo)準(zhǔn)的向量白噪聲過程vt。這時，矩陣Φs的第m行、第n列元素則表示系統(tǒng)中變量m對變量n的1個標(biāo)準(zhǔn)誤差的正交化信息（沖擊）的s期脈沖響應(yīng)。

三、實證檢驗

（一）樣本選擇與數(shù)據(jù)預(yù)處理

本文以新冠肺炎疫情期間中國、俄羅斯與哈薩克斯坦的股票市場波動為研究對象進行溢出效應(yīng)分析。選擇的指標(biāo)為中國上證指數(shù)（SSCI）、哈國的KASE指數(shù)和俄羅斯的MOEX Russia指數(shù)（IMOEX），樣本周期為2018年4月11日—2020年9月11日的日數(shù)據(jù)，且把樣本分為兩個子周期，相關(guān)數(shù)據(jù)來源于英為財情網(wǎng)（https://cn.investing.com/indices），分析軟件為Eviews7.2。

本文考察新冠肺炎爆發(fā)前后中俄哈三國資本市場間的系統(tǒng)性風(fēng)險溢出效應(yīng)主要是基于以下假設(shè)，資本市場對外部沖擊（風(fēng)險）的敏感性較強，任何風(fēng)險因子的出現(xiàn)都將導(dǎo)致資本市場價格的迅速波動。所以，選取中俄哈三國具有代表性的股票市場指數(shù)，可構(gòu)造股票市場收益率指標(biāo)來度量風(fēng)險的溢出效應(yīng)：

其中，Rt表示某國股票市場收益率，It表示股市收盤指數(shù)，It-1表示股市開盤指數(shù)。則中、俄、哈三國股票市場日收益率指標(biāo)可分別表示為RC、RR和RK。

鑒于資本市場風(fēng)險在疫情沖擊后會明顯放大，所以應(yīng)選取合理的時間點作為沖擊發(fā)生的分界點。2019年12月底在我國確診了首例新冠患者，后陸續(xù)在其他地區(qū)也確診了該病例。例如，俄羅斯于2020年1月26日確診了6例患者，3月中旬哈國也開始出現(xiàn)疫情①數(shù)據(jù)來自世界衛(wèi)生組織，網(wǎng)址：https://www.who.int/。。1月14日我國股票市場開始下滑，17日跌勢已十分明顯。疫情沖擊下的我國股市已積聚了風(fēng)險，并形成了風(fēng)險源。這會不會對俄哈兩國在尚沒有疫情沖擊下的股市產(chǎn)生風(fēng)險溢出效應(yīng)呢？基于此，本文選取2020年1月18作為界點，將時間序列分為平穩(wěn)期和風(fēng)險期，其中2018年4月11日—2020年1月17日為疫情發(fā)生前的平穩(wěn)期，剔除各國因節(jié)假日休市差異，共有觀測值403個；2020年1月18日—2020年9月11日為疫情發(fā)生后的風(fēng)險期，同樣剔除各國休市差異，共有觀測值144個。

（二）單位根檢驗

由格蘭杰因果關(guān)系的內(nèi)涵可知，必須保證所檢驗的時間序列嚴(yán)格平穩(wěn)，否則很可能出現(xiàn)“偽回歸”現(xiàn)象。因此，在進行格蘭杰因果檢驗前須進行單位根檢驗。目前通常采用的是ADF檢驗，其公式如下：

原假設(shè)與備擇假設(shè)為：

若拒絕備擇假設(shè)H1，而接受H0，則表明序列yt有單位根存在，為非平穩(wěn)序列；否則表明序列yt無單位根存在，為平穩(wěn)序列。若為非平穩(wěn)時間序列，還應(yīng)進行高階差分的穩(wěn)定性檢驗。對三個國家的股票市場日收益率序列進行ADF檢驗的結(jié)果如表1所示。

表1 ADF檢驗結(jié)果

注1：***表示在1%置信水平上拒絕序列非平穩(wěn)性的原假設(shè)。

表1的檢驗結(jié)果表明，無論處于平穩(wěn)期還是風(fēng)險期，三個時間序列均在1%的顯著性水平上拒絕了原序列存在單位根的零假設(shè)。所以，可以判斷原序列均為平穩(wěn)的，服從I（0）過程，據(jù)此可以進行后續(xù)分析。

（三）Granger因果檢驗

如上文所述，如要檢驗兩國資本市場間是否存在風(fēng)險的溢出效應(yīng)，實際上就是運用格蘭杰因果關(guān)系檢驗式（1）的原假設(shè)，如果接受原假設(shè)，兩國資本市場間就不存在風(fēng)險的溢出效應(yīng)；若拒絕原假設(shè)，則表明兩國資本市場間存在著風(fēng)險的溢出效應(yīng)。對中、俄、哈三國股票市場日收益率序列進行格蘭杰因果檢驗的結(jié)果如表2所示。

由表2不難看出，在沖擊發(fā)生前的平穩(wěn)期，僅存在一個單向因果關(guān)系，即俄羅斯股市對哈國股市在1%置信水平上存在的單向因果關(guān)系。這一方面是由于自哈國從加盟共和國分離出來后，在經(jīng)濟體制等方面仍繼承了原蘇聯(lián)的模式，哈國金融體系較易受其影響[18]；另一方面是因為俄羅斯作為原蘇聯(lián)的經(jīng)濟主體，在金融資源及涵蓋的相關(guān)金融風(fēng)險方面仍對原加盟成員國施加了溢出效應(yīng)，哈國亦不例外[19]。而在沖擊發(fā)生后的風(fēng)險期，由于金融風(fēng)險的不斷放大與擴散，出現(xiàn)了三個單向因果關(guān)系。即中國股票市場日收益率波動分別是俄羅斯與哈國股市日收益率波動的單向因素，這表明，疫情沖擊下的中國股市波動對俄羅斯與哈國股市均產(chǎn)生了溢出效應(yīng)。與前期不同的是，此時哈國股市波動成為了俄羅斯股市波動的單向因素。這說明，風(fēng)險期的小國更有可能成為經(jīng)濟大國的風(fēng)險源，這一點在既有研究中也有類似結(jié)論[20]。三國資本市場間并未出現(xiàn)雙向因果關(guān)系，即未發(fā)生系統(tǒng)性金融風(fēng)險的交叉?zhèn)魅?。這主要是因為中國疫情防控措施得力，確診病例在2020年2月9日達(dá)到高峰后開始下降，股市也開始逐漸恢復(fù)信心，即使在世界疫情惡化的情況下中國股市也未受外界影響。

表2 平穩(wěn)期和風(fēng)險期股市波動性的Granger因果檢驗

為了準(zhǔn)確地了解各國資本市場對外部沖擊產(chǎn)生響應(yīng)的調(diào)整過程、持續(xù)時間和正負(fù)方向等信息，需運用脈沖響應(yīng)函數(shù)作進一步分析以把握風(fēng)險溢出的動態(tài)特征。

（四）脈沖響應(yīng)分析

為了得到RC、RR和RK中某個變量對來自其他兩變量中另一變量的一個標(biāo)準(zhǔn)差的新息（沖擊）的反應(yīng)過程，本文對相應(yīng)變量運用VAR模型進行脈沖響應(yīng)分析。為了比較風(fēng)險期和平穩(wěn)期沖擊響應(yīng)規(guī)律的不同，下面選取平穩(wěn)期與風(fēng)險期的RC、RR和RK序列分別進行脈沖響應(yīng)函數(shù)分析，以考察它們之間的風(fēng)險溢出動態(tài)特征。平穩(wěn)期和風(fēng)險期的脈沖響應(yīng)結(jié)果分別如圖1、圖2所示。

圖1 平穩(wěn)期的脈沖響應(yīng)

圖2 風(fēng)險期的脈沖響應(yīng)

從以上兩圖的脈沖響應(yīng)結(jié)果分析，主要存在下面四個顯著特征：

（1）總的來看，風(fēng)險期的脈沖響應(yīng)都比平穩(wěn)期的脈沖響應(yīng)持續(xù)的時間長，中國股市對俄羅斯和哈國股市產(chǎn)生溢出效應(yīng)時的脈沖響應(yīng)強度也比平穩(wěn)期劇烈得多，即使平穩(wěn)期和風(fēng)險期俄羅斯和哈國股市均未對中國股市產(chǎn)生溢出效應(yīng)，但效應(yīng)的正負(fù)方向出現(xiàn)了差異。

（2）俄羅斯和哈國股市對來自中國股市沖擊響應(yīng)的持續(xù)時間從平穩(wěn)期的4天延長到了風(fēng)險期的7天，俄羅斯股市對來自中國股市沖擊的響應(yīng)由平穩(wěn)期正向最高的0.2到風(fēng)險期負(fù)向最低的-0.5，哈國股市對來自中國股市沖擊的響應(yīng)程度由平穩(wěn)期基本保持在正負(fù)0.1之間到風(fēng)險期負(fù)向最低的-0.4。這再次表明，中國股市對俄羅斯和哈國股市均存在明顯的風(fēng)險溢出效應(yīng)。

（3）在平穩(wěn)期，哈國股市對來自俄羅斯股市沖擊響應(yīng)的正負(fù)方向一直為正向逐漸減弱，響應(yīng)持續(xù)時間為4天，響應(yīng)幅度在第2天曾上升超過了0.2，是平穩(wěn)期所有情形中最高的；而在風(fēng)險期的沖擊響應(yīng)方向從正向開始，然后呈正負(fù)交替的方式減弱，沖擊持續(xù)時間雖然有所延長，但沖擊響應(yīng)的幅度從最初的0.2左右開始下降，為風(fēng)險期所有情形中最低的，這再次證明了平穩(wěn)期俄羅斯股市對哈國股市存在著風(fēng)險溢出效應(yīng)。在平穩(wěn)期俄羅斯股市對來自哈國股市沖擊的響應(yīng)比較溫和，幅度為正負(fù)0.1以內(nèi)，持續(xù)時間為4天，正負(fù)方向為0值左右；而在風(fēng)險期的響應(yīng)更加明顯，幅度達(dá)到了0.6，持續(xù)的時間延長到7天，效應(yīng)的正負(fù)方向由正轉(zhuǎn)負(fù)向后逐漸減弱，這也再次表明沖擊后的哈國股市對俄羅斯股市存在風(fēng)險溢出。

（4）在平穩(wěn)期，中國股市對來自俄羅斯和哈國股市沖擊的響應(yīng)比較溫和，響應(yīng)幅度約為0.2，響應(yīng)的正負(fù)方向一般為正，并且沖擊持續(xù)的時間較短，約為4天，這表明該時期俄羅斯和哈國股市波動對中國股市的沖擊不大。在風(fēng)險期，中國股市對來自俄羅斯和哈國股市沖擊響應(yīng)的方向從正向開始，后呈正負(fù)交替的方式逐漸減弱，雖然響應(yīng)持續(xù)的時間有所延長，但響應(yīng)的幅度增加不大，一個來自俄羅斯或哈國股市的沖擊也不足以對中國股市產(chǎn)生溢出效應(yīng)。

四、結(jié)論與展望

本文基于新冠肺炎次生災(zāi)害的視角，選取股票市場日收益率指標(biāo)作為系統(tǒng)性金融風(fēng)險的代理變量，運用格蘭杰因果檢驗與脈沖響應(yīng)函數(shù)分析，考察了系統(tǒng)性金融風(fēng)險在密切聯(lián)系的中、俄、哈三國組成的“經(jīng)濟三角區(qū)”中是否存在溢出效應(yīng)。結(jié)果表明，與在某一經(jīng)濟體內(nèi)各區(qū)域間的風(fēng)險溢出效應(yīng)一樣，經(jīng)濟聯(lián)系緊密的國家之間也存在風(fēng)險溢出效應(yīng)。格蘭杰因果檢驗與脈沖響應(yīng)函數(shù)分析均表明，各國間金融風(fēng)險溢出并不是在任何時候均存在雙向溢出效應(yīng)。在平穩(wěn)期，僅存在俄羅斯對哈國顯著的單向因果關(guān)系。而在風(fēng)險期，沖擊影響下的中國股市波動對俄羅斯與哈國均產(chǎn)生了風(fēng)險溢出效應(yīng)，且具有經(jīng)濟小國特征的哈國對經(jīng)濟大國俄羅斯產(chǎn)生了風(fēng)險溢出。但此時，金融風(fēng)險在三國之間并沒有產(chǎn)生顯著的交叉?zhèn)魅拘?yīng)。

需提及的是，本文基于VAR模型，僅選擇了高頻的資本市場日收益率數(shù)據(jù)，運用格蘭杰因果檢驗與脈沖響應(yīng)函數(shù)分析了國家間的金融風(fēng)險溢出效應(yīng)，得出了較為可靠、直觀的結(jié)論。但是，由于其他非高頻、但對金融風(fēng)險溢出具有重要貢獻(xiàn)的因子沒有納入模型，或者因為數(shù)據(jù)的不可得，未能將更多的“一帶一路”沿線國家納入分析框架，從而在某種程度上影響了本文分析的進一步深入。沿線國家經(jīng)濟存在多大程度的聯(lián)系，能否形成一個經(jīng)濟區(qū)或近似于一個經(jīng)濟聯(lián)盟，這都有待進一步明確。此外，怎樣精確地計量金融風(fēng)險在各國間的溢出效應(yīng)等，這都是有待深入分析的問題。