中國金融系統(tǒng)風險溢出效應研究
——基于溢出指數(shù)和波動溢出網絡

李 湛 堯艷珍 湯懷林 張 菁

一、引言

隨著金融一體化與經濟全球化的不斷加深，商品、服務、技術及資本的流動愈來愈迅速、頻繁，跨市場聯(lián)動趨勢也日趨明顯(Mieg, 2020)。這一趨勢如一把雙刃劍，在提高資源配置效率、加強信息傳遞廣度的同時，跨市場間金融和經濟活動的高度相關性將會加劇風險的蔓延。換言之，在極端經濟條件下，相關性在可以增強金融系統(tǒng)彈性的同時，也將成為引發(fā)系統(tǒng)性風險和金融不穩(wěn)定的來源，給金融監(jiān)管帶來新的挑戰(zhàn)與不確定性。局部金融風險產生溢出和傳染是系統(tǒng)性風險的典型特征，隨著不同市場間相關性日益增強，探討金融風險的跨市場溢出效應和傳導機制，對于防范與化解重大金融風險、加強宏觀審慎監(jiān)管，有著迫切的需要與重要的應用價值。

國內外學者針對金融市場相關性的研究不勝枚舉，其中早期的研究多關注不同國家或地區(qū)的單一類型市場間的溢出效應(李紅權等, 2011; 周璞、李自然, 2012; 周愛民、韓菲, 2017; 林娟、趙海龍, 2020; 蔣彧、張玖瑜, 2019; Hamao, 1990; Arshanapalli et al., 1995; Skintzi and Refenes, 2006; Inagaki, 2007; Kiviaho et al., 2014)。這些研究的結論表明主要國家或地區(qū)間存在明顯的風險溢出效應，尤其是在極端經濟環(huán)境如金融危機期間更為顯著。

近年來不少學者逐漸擴展到對跨市場聯(lián)動關系的研究(李湛、唐晉榮, 2017; 嚴偉祥等, 2017; 鄧創(chuàng)、謝敬軒, 2020; Andreou et al., 2013; Fan and Xu, 2011; Ftiti et al., 2015; Duan et al., 2018；徐欣，2018)。這些研究嘗試運用各種經濟計量模型就兩個金融子市場間的相關性與關聯(lián)動態(tài)展開實證檢驗。其中，Kanas(2000)、Caporale et al.(2002)和Andreou et al.(2013)通過建立E-GARCH或BEKK-GARCH等模型，對多個國家或經濟體的股票市場和外匯市場進行研究，分析發(fā)現(xiàn)二者間的溢出效應具有單向性。韓鑫韜、劉星(2017)則通過構建VAR-FBEKK模型，研究發(fā)現(xiàn)我國人民幣匯率對房價波動具有較小的直接波動溢出影響，但其與貨幣供應量變化的聯(lián)合波動對房地產市場具有顯著溢出效應。

伴隨著金融管制放松、經濟金融全球化和金融創(chuàng)新的不斷推進，不同金融子市場間業(yè)務相互滲透、信息交流日益密切，但顯著增強的互聯(lián)性也為局部風險的傳播和放大提供了渠道，進而加劇了風險波動溢出，因而深入研究多個金融子市場間波動的交互影響動態(tài)及風險溢出效應是迫切要求?；谒脑猇AR-GARCH(1,1)-BEKK模型的運用，李成等(2010)研究表明我國股市、債市、匯市、貨幣市場四個金融市場間存在顯著、持續(xù)的雙向波動溢出。孟慶浩、張衛(wèi)國(2015)構建IC-EGARCH波動溢出擴展模型，分析發(fā)現(xiàn)我國股票、基金、債券、外匯和貨幣五個金融市場間存在不對性溢出效應。經上述梳理分析可知，關于各金融子市場間的波動溢出效應已經有大量有價值的研究，然而相關研究大多基于GARCH及其拓展等經濟計量模型，雖然為深入分析金融市場間溢出關系提供了有益的參考和借鑒，但在刻畫波動溢出效應的時變性特征與極端風險溢出方面卻存在天然缺陷。

近十幾年來，越來越多學者意識到從系統(tǒng)性和極端層面衡量風險溢出效應的重要性，以及利用復雜性理論來理解金融市場的行為和動態(tài)的實用性(Wang et al., 2017; 肖志超等, 2021)。事實上，網絡科學已經成為多個領域理解復雜系統(tǒng)的領先實用工具，例如基金組生物學(Junkang et al., 2007)、互聯(lián)網(Cai and Yin, 2009)、電網系統(tǒng)(Pagani and Aiello, 2013)和社會科學(Borgatti et al., 2009)，近年來也逐漸成為描述金融機構之間相關性的常用工具(Schweitzer et al., 2009; Haldane and May, 2011)。在這些研究中，金融系統(tǒng)被映射成一個金融網絡，節(jié)點與節(jié)點間的連邊均被賦予了實際經濟意義，用以揭示金融系統(tǒng)中的相關性特征和演變。

結合傳統(tǒng)的計量經濟學方法和復雜網絡模型，已經有部分學者開始嘗試提出新的框架刻畫金融網絡中的風險傳染和溢出效應。例如，Billio et al.(2012)結合Granger因果關系和金融網絡，以平均溢出或回報溢出來量化美國金融機構的系統(tǒng)性風險。平均溢出網絡也被應用于不同的金融系統(tǒng)，如歐洲電力市場(Castagneto-Gissey et al., 2014)和韓國金融系統(tǒng)(Song et al., 2016)。然而，這種方法不能捕捉到通常源自大規(guī)模金融危機的極端風險。因此，Wang et al.(2017)在Billio et al.(2012)的研究基礎上，利用Hong et al.(2009)提出的尾部Granger因果檢驗，構建極端風險網絡模型，用以捕捉極端風險，分析不同金融市場間的聯(lián)動性。

Diebold and Yilmaz(2009)為了刻畫不同變量間的相關性，最早提出溢出指數(shù)的概念。鑒于VAR模型中變量次序改變可能會引起結果差異，他們在2012年對溢出指數(shù)進行改進，并提出了更一般化的溢出指數(shù)方法，以度量不同變量間的溢出效應(Diebold and Yilmaz, 2012)。在此基礎上，Diebold and Yilmaz(2014)納入復雜網絡的思想，基于溢出指數(shù)進一步構建波動溢出網絡模型，相較于最初的溢出指數(shù)方法更為成熟和完善、更具有實用性?；谝绯鲋笖?shù)構建的波動溢出網絡模型通過度量風險溢出的方向與強度，也克服了多數(shù)復雜網絡中無權無向的缺陷。該方法自提出后，廣泛運用于分析不同國家的金融市場或不同資產間的溢出關系(Kumar, 2011; Mcmillan and Speight, 2010; Sun et al., 2019)，但對于國內金融系統(tǒng)的研究仍十分缺乏。

因此，本文以我國金融系統(tǒng)為研究對象，采用溢出指數(shù)和波動溢出網絡方法，研究不同金融子市場間的風險溢出效應。本文的邊際貢獻主要包括兩個方面：第一，基于極端風險溢出的視角，通過廣義預測誤差方差分解(Forecast Error Variance Decomposition, FEVD)方法提取溢出指數(shù)，測度我國不同金融子市場間風險溢出的強度，并引入滾動時間窗口技術動態(tài)深入分析各市場風險溢出效應的時變特征，以把握風險溢出效應的全貌；第二，以溢出指數(shù)作為鄰接矩陣構建我國金融系統(tǒng)不同子市場的波動溢出網絡，并識別網絡中的風險溢出中心，為把握金融系統(tǒng)中具有系統(tǒng)重要性的子市場、加強宏觀審慎監(jiān)管與微觀審慎監(jiān)管的協(xié)調、防范化解系統(tǒng)性金融風險提供更多有益的決策依據(jù)和參考。

二、方法

(一)基于廣義VAR模型框架的風險溢出指數(shù)構建

構建協(xié)方差平穩(wěn)的p階VAR模型如下：

(1)

(2)

(2)式為(1)式的移動平均形式。其中，向量xt=(x1t,x2t,...,xNt)′中的變量分別表示N個金融子市場的波動率；εt～(0,∑)為N維擾動列向量，各分量獨立同分布；φi為自回歸系數(shù)矩陣；N階系數(shù)矩陣Ai服從如下遞歸過程：

Ai=φ1Ai-1+φ2Ai-2+...+φpAi-p

(3)

其中，A0為N階單位矩陣，且當i<0時，Ai=0。

(4)

(5)

(6)

(7)

(8)

不同金融子市場間風險溢出影響我國金融系統(tǒng)的程度的總溢出指數(shù)，TSH，定義如下：

(9)

(二)基于風險溢出指數(shù)的波動溢出網絡構建

表1 有向溢出矩陣與有向溢出指數(shù)

在某一金融系統(tǒng)中，局部區(qū)域形成的風險通過不同市場之間的互聯(lián)性(業(yè)務渠道、信息渠道等)相互傳播，形成金融風險溢出效應?；趶碗s網絡的思想，考慮將具有相關性的子市場作為節(jié)點，子市場之間的風險傳導關系作為節(jié)點間的連邊，構建金融風險溢出網絡模型。在本文中，利用表1中間部分的有向溢出指數(shù)作為鄰接矩陣，構建我國金融系統(tǒng)的有向波動溢出網絡，用以分析我國金融系統(tǒng)的風險溢出效應在不同樣本時期的演化特征。

三、變量選取及數(shù)據(jù)預處理

本文研究對象包括貨幣市場、資本市場、大宗商品市場、外匯市場、黃金市場以及房地產市場，這六個金融子市場基本構成了我國金融系統(tǒng)體系。其中，其中貨幣市場、資本市場和大宗商品市場又可以進一步劃分為多個二級子市場。參考鄧創(chuàng)、謝敬軒(2020)的做法，本文將黃金市場和房地產市場納入本文研究對象范圍。黃金雖然是一種特殊的大宗商品，但其會通過影響資產定價的貼現(xiàn)因子中風險溢價水平的變化，來影響其他各類金融資產如匯率類、固定收益類及權益類等資產的價格波動，因而考慮作為單獨一類子市場來研究；房地產行業(yè)與其他金融行業(yè)具有強互聯(lián)性，既能通過促進信貸供給與抵押品價值間的循環(huán)往復形成金融加速器效應，房價的大幅波動也會波及整個金融系統(tǒng)的健康和穩(wěn)定運行?；诟鱾€金融子市場的構成、數(shù)據(jù)樣本的相關性及可得性，中國金融系統(tǒng)的結構劃分、相應的指標選取及英文簡稱如表2所示。

表2 我國金融系統(tǒng)的結構劃分及指標體系構建

本文所用數(shù)據(jù)集為日度數(shù)據(jù)，數(shù)據(jù)期間為2005/7/22至2019/8/26，其中人民幣/美元匯率(DEXCHUS)的序列數(shù)據(jù)來自Federal Reserve Economic Data數(shù)據(jù)庫，其余數(shù)據(jù)序列均源自WIND。為了進一步分析2008年全球金融危機對中國金融系統(tǒng)風險溢出效應的影響，依據(jù)Tsai(2015)的做法，本文將整個樣本期間劃分為三個子期間：(1)金融危機前：2005/07/22-2007/12/31；(2)金融危機期間：2008/01/01-2009/06/30；(3)金融危機后：2009/07/01-2019/08/26。

鑒于各金融市場的交易日期存在差異，為了保證各序列數(shù)據(jù)連續(xù)一致，本文參考周璞、李自然(2012)的調整方法，對當日沒有交易數(shù)據(jù)的市場用其前一天的交易數(shù)據(jù)來代替。數(shù)據(jù)補齊后，每個子市場的時間序列得到3430個觀察值，金融危機前中后三個子樣本期間各包括594個、364個和2472個觀察值?；诟髯兞康膶?shù)收益率序列，運用GARCH(1, 1)模型估計得到相應的波動率序列。周璞、李自然(2012)、劉超等(2017)研究指出，該模型既具有簡潔而明確的經濟學含義，又能準確刻畫金融資產的價格波動變化，因而常應用于波動率估計。ADF單位根檢驗結果表明收益率序列和波動率序列均具有平穩(wěn)性，適用于VAR模型。

四、實證分析

(一)市場相關性初步分析

在探討中國金融系統(tǒng)的風險溢出效應前，先估算上述收益率序列的相關系數(shù)，以分析不同金融子市場間的相關性，結果如表3所示。對角元素均為1，非對角元素對表不同變量之間的相關性，因相關性具有對稱性，故表3只列出了左下方的結果。經觀察發(fā)現(xiàn)：首先，IBO007與R007間的相關系數(shù)為0.801，NHMI、NHECI和NHAII兩兩之間的相關系數(shù)分別為0.709、0.486和0.557，說明貨幣市場、大宗商品市場下的二級子市場間的風險波動各自呈現(xiàn)同向性。其次，CSI300與CSIABI間的相關系數(shù)為-0.623，一定程度印證了股債“蹺蹺板效應”。此外，除了GOLD外，CSI300與其他變量間的相關性正好相反于CSIABI與其他變量間的相關性，一定程度上反映了“安全投資轉移”(Flight to Quality)現(xiàn)象(Hartmann et al., 2004)。最后，除了與外匯市場呈現(xiàn)正相關，貨幣市場與其他子市場基本呈負相關；大宗商品市場波動與黃金市場、房地產市場的波動分別呈正相關，但與外匯市場呈負相關；外匯市場與黃金市場、房地產市場均呈負相關；黃金市場與房地產市場呈正相關?；仡櫖F(xiàn)有研究文獻，這些市場間相關性可能因經濟政策環(huán)境、數(shù)據(jù)、方法等不同而有所差異，因而本文不作贅述。

表3 不同金融子市場序列間的相關系數(shù)

(二)全樣本溢出效應靜態(tài)分析

估算中國金融系統(tǒng)的總溢出指數(shù)、各個子市場的有向溢出指數(shù)和凈溢出指數(shù)，得到整個樣本期間中國金融系統(tǒng)的風險溢出情況，結果如表4所示。經初步觀察和分析，可以得知：其一，比較中間10×10的矩陣中的對角線數(shù)值與其他數(shù)值大小可以發(fā)現(xiàn)，市場受自身滯后效應的影響普遍高于市場間的波動溢出效應，其中回購市場受自身滯后效應的影響最大，約為50.01%。其二，右下角的總溢出指數(shù)約為61.44%，代表了我國金融系統(tǒng)在整個樣本期間內風險溢出效應的平均水平，說明各金融子市場之間具有較強相關性，易通過資產、信息等渠道進行傳導形成風險溢出效應；其三，各金融子市場間的有向溢出效應呈現(xiàn)顯著的不對稱性，貨幣市場對其余市場的溢出效應遠高于其余市場對貨幣市場的溢出效應。其中，貨幣市場對其余市場的溢出效應均值(包括IBO007和R007對其他市場的溢出指數(shù)之和)高達518.94%，且所有子市場中只有貨幣市場的凈溢出效應為正，表明貨幣市場在我國金融系統(tǒng)中處于風險外溢中心，一旦產生局部區(qū)域風險，極易通過互聯(lián)性沖擊其他市場，進而引發(fā)金融傳染甚至系統(tǒng)性風險。

表4 中國金融系統(tǒng)各子市場的風險溢出表(2005/07/22-2019/08/26，單位：%)

進一步觀察和分析不同子市場間的有向溢出指數(shù)結果，可以發(fā)現(xiàn)，除了貨幣市場外，其余市場間的有向溢出效應呈現(xiàn)出重要特點。其一，股票市場與房地產市場之間的溢出效應具有不對稱性，股市波動對房地產市場的有向溢出效應相對更大。劉金全、解瑤姝(2016)和蔣彧、陳鵬(2020)研究指出，在GDP增速、房地產調控政策、金融危機等多重因素共同作用下，我國股市與房市間波動呈現(xiàn)強相關性且在不同階段的特征有所差異。然而，股票市場對房地產市場的財富效應相對更大，使得股票市場在兩個市場的長期波動關系中發(fā)揮主導作用(李愛華等, 2014; Chan and Woo, 2013)。其二，不同于Rezitis(2015)的研究結論，在我國外匯市場與大宗商品市場之間的不對稱溢出效應中，大宗商品市場對外匯市場的有向溢出效應相對更大。大宗商品市場涉及較多進出口業(yè)務，與國際宏觀經濟關系緊密，當大宗商品市場發(fā)生波動時，往往通過貿易等渠道在全球范圍內傳導，從而對外匯市場造成沖擊，而一國外匯市場尤其是非美元國對大宗商品市場影響較小。其三，在黃金市場與大宗商品市場之間的不對稱溢出效應中，大宗商品市場尤其是金屬市場對黃金市場的風險溢出程度更高。當大宗商品價格大幅上漲時，全球生產要素成本上升導致通貨膨脹風險增大，使得投資者轉向購買黃金以規(guī)避風險。

(三)滾動樣本溢出效應分析

為了進一步清晰分析中國金融系統(tǒng)風險溢出效應的動態(tài)變化，本文引入滾動時間窗口技術檢驗總溢出指數(shù)在整個樣本期間內的時變特征。為了平滑總溢出指數(shù)的變化，且避免信息失真，本文將滾動窗口期和滾動步長分別設置為500和12，得到結果如圖1所示。

圖1 總溢出指數(shù)的動態(tài)變化(2005/07/22-2019/08/26)

在樣本期間內，我國金融系統(tǒng)的風險溢出指數(shù)在49%至75%之間變化，受金融危機、歐債危機等極端風險事件沖擊的影響，其間有多次較大程度的波動。首先，從最低值(約49%)開始，總溢出指數(shù)迅速上升到2007年6月的峰值(約75%)。然后，總溢出指數(shù)一直保持在較高水平(74%～75%)直至2009年12月。2007年，一方面我國金融系統(tǒng)受到美國次貸危機爆發(fā)的波及，另一方面我國經濟正處于GDP增速13%、CPI增速4.8%的高位運行狀態(tài)，內外壓力的綜合作用促使2007年我國金融系統(tǒng)整體風險溢出水平較高。我國各個金融子市場雖因2008年金融危機而全面受到沖擊，但因2008年上半年政府實施從緊的貨幣政策和穩(wěn)健的財政政策組合以應對通脹，2008年總波動溢出水平略微有所下降。歐債危機的全面爆發(fā)大幅沖擊外匯、大宗商品等市場，使得2009下半年我國金融系統(tǒng)風險溢出效應又有所提高。

緊接著，從2009年底開始，總風險溢出效應程度急劇下降至53%左右，得益于全球經濟逐步復蘇與政府大規(guī)模經濟刺激計劃下國內經濟的復蘇。2012年以后，國家實施積極的財政政策和穩(wěn)健的貨幣政策，兩次降準降息，調整經濟結構，管理通脹預期，堅持實施房地產調控政策，使2012年風險水平呈下降趨勢。自2013年中旬至2015年中旬，總溢出效應又從60%震蕩增至64%左右，這期間發(fā)生了2013年6月以來我國的“錢荒”事件、2014年杠桿放大效應下資本市場結構不穩(wěn)定以及2015年6月股市暴跌引發(fā)的股災。2014年以后，我國經濟進行新常態(tài)，受房地產轉折性變化影響，經濟下行壓力進一步加大，但我國經濟效應并沒有加速惡化，且經濟結構發(fā)生積極變化，加上國家的大力救市，風險雖有累積但整體可控，金融市場整體風險水平先是保持較高水平，但隨后持續(xù)下降至52.5%左右。自2017年初開始，我國金融系統(tǒng)的總溢出指數(shù)穩(wěn)定增長，甚至有超過金融危機期間高點的趨勢，表明近幾年我國不同金融子市場間的總體互聯(lián)程度很高，整體金融體系處于脆弱狀態(tài)。

為了進一步驗證上述結論在不同滾動窗口期與滾動步長選擇下的穩(wěn)健性，本文在對滾動窗口期分別設置為200天、300天和500天，以及滾動步長分別設置為6天和12天，進行自由組合的六種情況下，分析了我國金融系統(tǒng)總風險溢出效應的動態(tài)變化，結果如圖2所示。從圖2的結果來看，滾動窗口與滾動步長的合理變化對總溢出指數(shù)的相對影響較小，幾乎不會影響其動態(tài)變化趨勢。

圖2 穩(wěn)健性檢驗結果：不同滾動窗口和滾動步長組合選擇下的總溢出指數(shù)變化

(四)不同子樣本的波動溢出網絡分析

為了探討中國金融系統(tǒng)風險溢出效應在金融時期與非金融時期的區(qū)別，進而發(fā)掘具有強溢出效應的風險中心點以及風險傳導方向和強度，本文分別構建了金融危機前中后三個樣本時期的風險溢出網絡，結果見圖3。其中，節(jié)點1-10分別代表表1中的10個金融子市場，節(jié)點大小代表凈溢出效應大小，不同金融子市場間的有向溢出效應強度則用不同節(jié)點之間具有深淺差異的連邊表示。對于每條連邊，起始節(jié)點為風險溢出方，終端節(jié)點為風險接受方，連邊顏色越深，則代表有向溢出效應強度越高。

圖3 中國金融系統(tǒng)的波動溢出網絡

首先，如圖3所示，無論在哪個子樣本期間，節(jié)點1和節(jié)點2的大小均大于其余節(jié)點，從節(jié)點1或節(jié)點2發(fā)出的連邊也多于其他節(jié)點發(fā)出的連邊，表明同業(yè)拆借市場和回購市場向其他金融子市場的凈溢出效應顯著高于其他金融子市場的凈溢出效應，意味著貨幣市場在中國金融體系中扮演著風險溢出中心的角色。金融危機前，貨幣市場對其余市場的風險溢出程度比較大，主要存在回購市場對股市、黃金市場、房地產市場、債券市場以及同業(yè)拆借市場對外匯市場的單向溢出，而對其余市場的溢出則相對較少且其余各市場接受風險的能力比較均衡。究其原因，這是由于貿易順差的高速增長，2007年末我國外匯儲備高速增長，儲備糧已超過1.5萬億美元，年增長率高達43.32%，創(chuàng)下1994年以來外匯儲備增長率之最，超額的外匯儲備增大外匯儲備成本，從而增大外匯儲備風險，影響貨幣供應量的調控能力。因美國次貸危機的影響，投資者風險厭惡情緒高漲，對于房地產投資有一定恐慌，加上我國央行多次加息政策，使得股票等資本市場以及黃金市場的波動性增強，從而加劇了金融危機期間不同市場間的溢出風險。

其次，中國金融系統(tǒng)不同子市場間的總風險溢出效應在不同樣本時期存在差異。具體而言，金融危機期間的總風險溢出效應高達75%，明顯高于金融危機前(51%)、后時期(68%)。這主要是因為：在金融危機的影響下，各國實體經濟放緩甚至衰退，對金屬、能源等大宗商品的需求下降，我國股票市場也受危機影響而損失嚴重，房地產市場交易回落，投資者傾向選擇黃金作為避險工具，導致貨幣市場風險主導作用減小，大宗商品市場、股票市場、黃金市場、房地產市場等子市場的風險對外溢出能力相對增強，致使金融危機期間中國金融系統(tǒng)內的風險溢出效應整體水平相對高于非金融危機時期。

此外，中國金融系統(tǒng)各金融子市場在金融危機后期間(2009/07/01-2019/08/26)的平均總溢出效應高于其在金融危機前期間(2005/07/22-2007/12/31)的平均總溢出效應。一方面，是受金融危機滯后效應包括歐債危機等事件的影響，金屬市場、股市、黃金市場和房地產等市場的風險水平依然較大，風險溢出效應也有所增強；債券市場直接與貨幣市場和貨幣政策掛鉤，故其仍然是最大的風險接收方；而外匯市場的避險作用明顯增強，在危機后保持較平穩(wěn)運行；另外，在金融危機的影響下，全球場內黃金期貨等交易量有所下降，因此基于避險需要，中國黃金市場現(xiàn)貨需求量旺盛，促使黃金價格在后危機時期震蕩上行，波動性也相對較高；受國家宏觀政策和資本市場調控影響，股市和房地產市場也整體上揚，二者之間存在雙向的較強波動溢出效應。另一方面，全球化進程日益加快的同時，近幾年從中美貿易沖突到大國博弈不斷，對國內外金融市場均形成較大沖擊影響，也加劇了金融市場整體的波動溢出效應。

五、結論

本文基于Diebold and Yilmaz(2012, 2014)提出的研究方法，對我國不同金融子市場變量的波動率序列分別估計有向溢出指數(shù)、凈溢出指數(shù)和總溢出指數(shù)，并構建金融危機前、中、后不同子樣本期間的風險溢出網絡，系統(tǒng)分析中國金融系統(tǒng)不同金融子市場間的風險聯(lián)動水平及變動趨勢，主要得出以下結論：

首先，我國金融系統(tǒng)在整個樣本期間的總體風險溢出效應的平均水平約為61.44%，變化范圍為49%～75%。不同子市場間的風險聯(lián)動水平較高，單個金融市場的風險極易通過各市場間的資產交易、信息傳導等渠道蔓延至整個金融系統(tǒng)，甚至形成系統(tǒng)性風險，危害金融穩(wěn)定和實體經濟。尤其是2019年以來我國金融系統(tǒng)的風險溢出水平高居不下，應引起警惕。其次，各子市場內部的滯后效應影響通常高于市場間的有向溢出效應，且各子市場兩兩之間的有向溢出效應具有強不對稱性。其中，貨幣市場(包括同業(yè)拆借市場和回購市場)處于金融風險溢出網絡的中心，貨幣市場對外溢出程度最高，是典型的風險溢出方，而債券市場的相對溢出風險較小，通常為風險接受方。最后，金融危機發(fā)生時，貨幣市場依然是風險溢出網絡的中心，但其風險主導作用相對下降，其余子市場的風險溢出作用則相對增強。

本文的實踐價值在于：其一，鑒于我國金融系統(tǒng)近年風險溢出水平居高不下，監(jiān)管層亟需從宏觀審慎角度出發(fā)，強化我國金融系統(tǒng)不同市場間風險聯(lián)動性監(jiān)測，防范預警系統(tǒng)性風險的發(fā)生。其二，在大力利用貨幣市場對金融系統(tǒng)流動性進行調節(jié)的同時，也要完善對貨幣市場的監(jiān)管機制，強化金融基礎和市場設施，以降低貨幣市場對其他市場的風險溢出效應，提高金融穩(wěn)定性，預警系統(tǒng)性金融風險的發(fā)生。