金融科技創(chuàng)新對傳統(tǒng)金融業(yè)的風險溢出效應研究

摘"要：本文選取了154家具有代表性的金融科技創(chuàng)新上市公司股票數(shù)據(jù)構(gòu)造金融科技指數(shù)，根據(jù)申萬指數(shù)構(gòu)建銀行業(yè)指數(shù)、證券業(yè)指數(shù)和保險業(yè)指數(shù)，運用GARCH-CoVaR模型測算金融科技創(chuàng)新對傳統(tǒng)金融行業(yè)的風險溢出效應。研究結(jié)果表明，金融科技創(chuàng)新對三大傳統(tǒng)金融業(yè)均具有正向風險溢出效應。

關鍵詞：金融科技創(chuàng)新；風險溢出；GARCH-CoVaR模型

中圖分類號：F2"""""文獻標識碼：A""""""doi：10.19311/j.cnki.16723198.2024.23.005

1"金融科技創(chuàng)新對傳統(tǒng)金融業(yè)的風險溢出機制

1.1"技術(shù)風險溢出

不管是金融科技向傳統(tǒng)金融業(yè)的滲透還是傳統(tǒng)金融業(yè)向金融科技創(chuàng)新企業(yè)購買技術(shù)服務，本質(zhì)上都是金融科技創(chuàng)新，技術(shù)本身的缺陷可能疊加在傳統(tǒng)金融業(yè)的系統(tǒng)性風險上。同時，金融科技創(chuàng)新企業(yè)可能利用技術(shù)優(yōu)勢將存在技術(shù)缺陷的金融產(chǎn)品推向市場，市場無法根據(jù)以往的經(jīng)驗分辨金融產(chǎn)品的優(yōu)劣或者市場走向，從而增加市場風險。

1.2"業(yè)務風險溢出

先進的數(shù)字技術(shù)具有“雙刃劍”特征。雖然智能決策能提高業(yè)務處理效率，但是一旦數(shù)字技術(shù)出現(xiàn)漏洞或者操作失誤，可能使單純的技術(shù)風險放大為系統(tǒng)性風險。金融科技創(chuàng)新在傳統(tǒng)金融業(yè)的廣泛應用增加了風險連鎖反應。

1.3"監(jiān)管滯后風險溢出

金融科技創(chuàng)新使傳統(tǒng)金融業(yè)態(tài)和新型金融業(yè)態(tài)之間的界限越來越模糊，傳統(tǒng)金融監(jiān)管手段對于當前的新金融業(yè)態(tài)產(chǎn)生了明顯的滯后效應。如果金融科技創(chuàng)新企業(yè)利用這種滯后效應進行套利活動，監(jiān)管失靈的風險必然向傳統(tǒng)金融業(yè)溢出。

2"模型構(gòu)建

2.1"風險測度模型

2.1.1"VaR模型

VaR模型表示在一定置信水平和一定持有期內(nèi)，市場正常波動水平時，金融資產(chǎn)在持有期內(nèi)資產(chǎn)價格波動下的最大可能損失。VaR模型用隨機變量概率密度函數(shù)測度風險價值，具體表達式為：

Pr（yjt≤VaRjq，t）=q（1）

式（1）中，yjt表示金融科技創(chuàng)新行業(yè)j在持有期間內(nèi)第t日的價值損失額，q表示置信水平，VaRjq，t表示金融科技創(chuàng)新行業(yè)j在資產(chǎn)持有期內(nèi)在q置信水平下的最大損失，Pr表示資產(chǎn)價值損失低于可能損失上限的概率。

2.1.2"CoVaR模型

CoVaR模型可以很好地刻畫由于科技創(chuàng)新導致的極端市場波動。通過計算單個市場在面臨風險時的價值與整個市場在正常情況下的風險值的差額，表征單個市場對于整個市場系統(tǒng)性風險的溢出值，以此來度量各個子市場對整個金融市場在面臨風險時的影響。設置某個顯著性水平描述金融科技創(chuàng)新行業(yè)j在遭遇損失時，與之相關聯(lián)的傳統(tǒng)金融業(yè)i可能遭受的最大潛在損失，具體形式為：

Pr（yit≤CoVaRi|jq，t|yjt=VaRjq，t）=q（2）

CoVaRi|jq，t表示在置信水平為q時，金融科技創(chuàng)新行業(yè)j發(fā)生損失時，傳統(tǒng)金融市場i可能面臨的最大損失，也就是傳統(tǒng)金融業(yè)i在金融科技行業(yè)j處在某一風險水平時的風險水平，其風險值可以分解為兩部分：無條件風險值和溢出風險值。按照Girardi等（2013）提出的風險溢出價值計算方法，無條件風險值為VaRiq，t，則風險溢出價值為CoVaR與VaR的差值，具體形式為：

ΔCoVaRi|jq，t=CoVaRi|jq，t－VaRiq，t（3）

ΔCoVaRi|jq，t度量金融科技行業(yè)j對傳統(tǒng)金融業(yè)i的風險溢出量?？紤]到不同金融業(yè)的無條件風險差異值可能較大，將ΔCoVaRi|jq，t標準化去除量綱得到%ΔCoVaRi|jq，t，代表市場發(fā)生危機時金融科技創(chuàng)新行業(yè)j對傳統(tǒng)金融業(yè)i的風險貢獻程度，具體計算公式為：

%ΔCoVaRi|jq，t=ΔCoVaRi|jq，tVaRiq，t（4）

2.2"GARCH模型

本文采用GARCH模型對CoVaR進行估計。GARCH模型用來解決金融數(shù)據(jù)中由于波動率的集聚性所造成的異方差問題，適合分析具有后尾分布的股票收益率序列，符合金融科技風險溢出的測度要求。本文使用簡潔的GARCH（1，1）模型擬合市場的收益率序列，并據(jù)此測算金融科技創(chuàng)新行業(yè)對傳統(tǒng)金融業(yè)的風險溢出強度。

2.2.1"金融科技創(chuàng)新行業(yè)的VaR值估算

基于GARCH-CoVaR方法對金融科技創(chuàng)新行業(yè)的收益率序列建模，形式如下：

yjt=μj+αjpAp（L）yjt－1+εj，t"εj，t=σj，tηj，t（5）

σ2j，t=θj+βj0ε2j，t－1+βj1σ2j，t－1（6）

式（5）為均值方程，μj為無條件期望收益，εj，t為收益率殘差。yjt－1是滯后一期的收益率，Ap（L）是滯后算子，本文取L=1。ηj，t是將金融科技創(chuàng)新行業(yè)第t日的收益率進行標準化，用收益率殘差除以標準差，計算公式為：ηj，t=εj，t/σj，t。

式（6）為條件方差方程，反映均值方程中殘差項的波動情況，可以根據(jù)前期基礎數(shù)據(jù)預測方差。σ2j，t是金融科技創(chuàng)新行業(yè)在t期的條件方差，β0是ARCH項系數(shù)，用來表示金融科技創(chuàng)新行業(yè)從前期獲得的波動性信息，β0越大表明波動性沖擊越強烈；β1是GARCH項系數(shù)，表示沖擊的持續(xù)性。

根據(jù)上述模型，金融科技創(chuàng)新行業(yè)j在t時期置信水平q下的風險價值估計值為：

VaRjq，t=y︿jt+Q（q）σ︿j，t（7）

y︿jt和σ︿j，t分別表示金融科技創(chuàng)新行業(yè)在t時期收益率和方差估計值，Q（q）表示q置信水平下分布的分位數(shù)。

2.2.2"傳統(tǒng)金融業(yè)風險價值估算

在收益率均值方程（6）的基礎上加入科技創(chuàng)新行業(yè)j在t期的收益率作為傳統(tǒng)金融業(yè)i收益率的解釋變量，用來反映科技創(chuàng)新行業(yè)對傳統(tǒng)金融業(yè)的風險溢出效應，方程形式如下：

yit=μi+αipAp（L）yit－1+ξi|jyjt+εi，tεi，t=σi，tηi，t（8）

σ2i，t=θi+βi0ε2i，t－1+βi1σ2i，t－1（9）

式（8）和式（9）分別為傳統(tǒng)金融業(yè)的均值方程和條件方差方程，式（9）中系數(shù)ξi|j表示j對i的風險溢出影響，對收益率殘差項εi，t也進行標準化處理。

類似地，傳統(tǒng)金融業(yè)i在t時期置信水平q下的風險價值估計值為：

VaRiq，t=y︿it+Q（q）σ︿i，t（10）

y︿it和σ︿i，t分別表示傳統(tǒng)金融業(yè)在t時期收益率和方差估計值，Q（q）表示q置信水平下分布的分位數(shù)。

2.2.3"傳統(tǒng)金融業(yè)的條件風險價值估算

將yjt=VaRjq，t帶入式（8），得到以下估計方程：

yit=μ︿i+α︿ipApLyit－1+ξ︿i|jVaRjt+εi，t（11）

σ2i，t=θ︿i+β︿i0ε2i，t－1+β︿i1σ2i，t-1（12）

據(jù)此計算出傳統(tǒng)金融業(yè)在金融科技創(chuàng)新行業(yè)存在風險溢出條件下的在險價值：

CoVaRi|jq，t=y︿it+Q（q）σ︿i，t（13）

式（13）中，條件風險價值被分解為兩部分，一是傳統(tǒng)金融業(yè)本身的無條件風險值，二是傳統(tǒng)金融業(yè)在金融科技創(chuàng)新業(yè)面臨最大可能損失條件下的溢出風險價值。

3"實證分析

3.1"數(shù)據(jù)來源與指數(shù)構(gòu)建

本文數(shù)據(jù)來源于Wind數(shù)據(jù)庫，在金融科技概念股中選取了154家代表性金融科技上市公司作為研究樣本，收集這些公司的股票每日收盤價并運用熵權(quán)法構(gòu)建金融科技創(chuàng)新指數(shù)。參考陳建青等（2015）的做法選取申萬指數(shù)分別構(gòu)建銀行業(yè)指數(shù)、證券業(yè)指數(shù)和保險業(yè)指數(shù)，其中包括37家銀行、46家證券公司和8家保險公司。樣本數(shù)據(jù)區(qū)間為2013年1月7日到2019年11月29日，指數(shù)構(gòu)建過程如下：

第t日某行業(yè)價格指數(shù)：

Pt=∑nk=1pktwktwt（14）

第t日某行業(yè)收益率：

yt=（lnPt-lnPt-1）100（15）

式（14）中某行業(yè)是指金融科技創(chuàng)新行業(yè)、銀行業(yè)、證券業(yè)和保險業(yè)，對應的Pt分別表示第t日上述4個行業(yè)指數(shù)，pkt表示某行業(yè)內(nèi)公司k第t日的股票收盤價，wkt為某行業(yè)內(nèi)公司k第t日的市值，wt表示某行業(yè)第t日的行業(yè)總市值。式（15）中，yt為某行業(yè)的收益率。

3.2"變量的描述性統(tǒng)計

對四個行業(yè)的收益率進行描述性統(tǒng)計分析，結(jié)果如表1所示。

表1顯示各行業(yè)對數(shù)收益率的均值都接近于零，盈利水平均很低。負的偏度說明金融科技創(chuàng)新行業(yè)和銀行業(yè)虧損的概率大于盈利的概率。4個行業(yè)收益率的峰度值均大于正態(tài)分布的峰度，說明收益率分布具有尖峰厚尾的特征。另外，正態(tài)性J-B檢驗統(tǒng)計量值均較大，表明4個行業(yè)的對數(shù)收益率明顯不具有正態(tài)分布的特征，選擇GARCH模型是合適的。

3.3"估算收益率風險價值VaR

根據(jù)式（7）（10）計算VaR時變序列，計算結(jié)果如表2所示。各行業(yè)收益率VaR絕對值越大，說明該市場面臨的自身風險越大。

3.4"估計金融科技創(chuàng)新風險溢出水平CoVaR

根據(jù)式（9），得到金融科技創(chuàng)新對傳統(tǒng)金融行業(yè)的風險溢出量和風險貢獻程度如表3所示。在95%置信水平下，金融科技創(chuàng)新對銀行業(yè)、證券業(yè)、保險業(yè)的風險貢獻程度分別為19.798%、41.316%和34.937%。

結(jié)果表明：

（1）金融科技創(chuàng)新對銀行業(yè)、證券業(yè)、保險業(yè)都具有風險溢出效應，其中證券業(yè)受到金融科技創(chuàng)新風險溢出的威脅最大，保險業(yè)居中，銀行業(yè)遭受的沖擊較小。當風險來臨時沒有一個市場可以獨善其身。

（2）金融科技創(chuàng)新對保險業(yè)的風險溢出比例較低，原因在于2017年4月起，保險監(jiān)管部門先后發(fā)布了一系列文件治理保險市場，說明恰當?shù)谋O(jiān)管能提高金融機構(gòu)和金融科技行業(yè)的穩(wěn)定性。

參考文獻

[1]Girardi"G，Tolga"Ergün"A.Systemic"risk"measurement："Multivariate"GARCH"estimation"of"CoVaR[J].Journal"of"Banking"amp;"Finance，2013，37：31693180.

[2]陳建青，王擎，許韶輝，等.金融行業(yè)間的系統(tǒng)性金融風險溢出效應研究[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2015，（09）：89100.