隱性債務(wù)風(fēng)險、關(guān)聯(lián)網(wǎng)絡(luò)與金融市場壓力

基金項目：教育部人文社會科學(xué)研究規(guī)劃基金項目“強監(jiān)管防風(fēng)險視角下債務(wù)風(fēng)險與銀行體系雙向溢出的機(jī)制、監(jiān)測與防范研究”（24YJA790088）

中圖分類號：F812.5 文獻(xiàn)標(biāo)識碼：A 文章編號：1003-854X（2025）05-0026-17

一、引言

伴隨經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)型以及財政支出壓力增大，地方政府的顯性融資通道逐步收窄，為了滿足基礎(chǔ)設(shè)施建設(shè)和公共服務(wù)的需要，以城投債為代表的隱性債務(wù)逐漸成為地方政府的主要融資手段，隱性債務(wù)風(fēng)險也隨之凸顯。據(jù)iFinD數(shù)據(jù)，城投債存量余額從2017年的6.4萬億元增加至2023年末的15.2萬億元，年均增長率高達(dá) 23.3% ，顯著超出同期GDP和財政收入增速，凸顯出化解地方隱性債務(wù)風(fēng)險的嚴(yán)峻性和緊迫性。在此背景下，2023年中央金融工作會議明確提出，要建立防范化解地方債務(wù)風(fēng)險長效機(jī)制，建立同高質(zhì)量發(fā)展相適應(yīng)的政府債務(wù)管理機(jī)制，優(yōu)化中央和地方政府債務(wù)結(jié)構(gòu)。

黨的二十屆三中全會指出，要統(tǒng)籌好發(fā)展和安全，落實好防范化解房地產(chǎn)、地方政府債務(wù)、中小金融機(jī)構(gòu)等重點領(lǐng)域風(fēng)險的各項舉措。政府債務(wù)管理體制的完善不僅是化解地方隱性債務(wù)風(fēng)險的關(guān)鍵舉措，也是避免地方隱性債務(wù)風(fēng)險向更廣泛的金融體系蔓延、維護(hù)宏觀經(jīng)濟(jì)整體穩(wěn)定的必然之舉。

近年來，隨著全球金融危機(jī)、主權(quán)債務(wù)沖擊等極端事件的發(fā)生，金融市場的尾部風(fēng)險及溢出效應(yīng)引發(fā)社會各界的廣泛關(guān)注①，然而，針對地方隱性債務(wù)風(fēng)險如何向金融網(wǎng)絡(luò)傳導(dǎo)，仍缺乏系統(tǒng)的研究。首先，地方政府潛在的隱性擔(dān)保能夠幫助融資平臺獲得超出市場水平的金融勢能②，扭曲銀行信貸資金的配置效率③，導(dǎo)致非理性的信貸擴(kuò)張，加劇銀行的信用違約風(fēng)險④。當(dāng)隱性債務(wù)出現(xiàn)實質(zhì)性違約時，銀行不良貸款的增加將誘發(fā)系統(tǒng)性風(fēng)險的擴(kuò)散，通過銀行間的資金流動、同業(yè)拆借等途徑蔓延至更廣泛的金融網(wǎng)絡(luò)③。其次，隱性債務(wù)違約將打破市場對地方政府融資工具的剛兌預(yù)期。債務(wù)違約事件發(fā)生后，投資者對地方政府隱性債務(wù)的償付預(yù)期將迅速調(diào)整，債券市場出現(xiàn)城投債與產(chǎn)業(yè)債之間的流動性替代，在造成資產(chǎn)價格波動的同時，進(jìn)一步引發(fā)市場恐慌情緒蔓延，導(dǎo)致金融市場的不穩(wěn)定性加?、佟Ｗ詈?，隱性債務(wù)風(fēng)險的暴露可能通過信用收縮效應(yīng)影響資本市場的穩(wěn)定性。具體而言，地方政府融資平臺的信用惡化可能導(dǎo)致其相關(guān)企業(yè)面臨更高的融資約束，使得市場對城投債的風(fēng)險溢價上升，并對信用利差產(chǎn)生擠壓效應(yīng)③。債務(wù)違約事件發(fā)生后，投資者風(fēng)險偏好調(diào)整將引發(fā)資本市場資金再配置，導(dǎo)致流動性風(fēng)險上升，部分企業(yè)股價承壓③。此外，盡管地方政府在面臨債務(wù)風(fēng)險時常通過宏觀調(diào)控和干預(yù)措施進(jìn)行風(fēng)險緩釋，但由于政策透明度較低，加之預(yù)期管理不足等問題，可能在一定程度上引發(fā)市場的逆向選擇，加劇金融市場風(fēng)險。

事實上，政府舉債的初衷是利用未來財政收入作為信用背書進(jìn)行基礎(chǔ)設(shè)施建設(shè)、改善公共服務(wù)，并以此達(dá)到緩解流動性短缺、促進(jìn)經(jīng)濟(jì)增長等目的①。然而，隱性債務(wù)規(guī)模的快速增長伴隨著潛在信用風(fēng)險上升，影響投資者的信心乃至宏觀經(jīng)濟(jì)運行環(huán)境？，當(dāng)?shù)胤秸庞帽硶碌碾[性債務(wù)水平超越臨界點時，違約風(fēng)險的顯著增加將直接影響市場利率乃至資產(chǎn)價格的穩(wěn)定性？。與此同時，風(fēng)險的傳染往往具有較強的外部效應(yīng)及反饋特征④。從現(xiàn)有研究來看，隱性債務(wù)風(fēng)險在具有跨區(qū)域沖擊能力的同時，還將通過銀行等渠道向微觀企業(yè)傳導(dǎo)，進(jìn)而對實體經(jīng)濟(jì)運行產(chǎn)生影響？。此外，網(wǎng)絡(luò)關(guān)聯(lián)視角下的結(jié)構(gòu)分析表明，經(jīng)濟(jì)環(huán)境中潛在的非線性交互將為隱性債務(wù)信用風(fēng)險提供必要的溢出渠道，致使外部效應(yīng)的表現(xiàn)形式復(fù)雜多變。隱性債務(wù)風(fēng)險網(wǎng)絡(luò)在呈現(xiàn)出雙向溢出效應(yīng)的同時，更具有多層嵌套的動態(tài)反饋機(jī)制。

從隱性債務(wù)的成因來看，在經(jīng)濟(jì)快速發(fā)展的背景下，地方政府面臨巨大的基礎(chǔ)設(shè)施建設(shè)需求和公共服務(wù)壓力，為推動地方經(jīng)濟(jì)增長，政府需要采取更為靈活的融資手段滿足資金需求？。然而，當(dāng)經(jīng)濟(jì)增速放緩時，超額債務(wù)累積也將帶來巨大的短期償債壓力，從而加劇地方財政的不穩(wěn)定性？。就政策環(huán)境而言，監(jiān)管政策以及相關(guān)措施的不完善導(dǎo)致地方政府在融資時缺乏有效的行為約束機(jī)制，外部信息透明度較低，進(jìn)一步助長了隱性債務(wù)規(guī)模的擴(kuò)張。從官員晉升壓力來看，地方政府官員的任期、績效考核與經(jīng)濟(jì)增長直接掛鉤，晉升錦標(biāo)賽激勵機(jī)制使得地方政府更傾向于追求短期經(jīng)濟(jì)目標(biāo)而忽視長期風(fēng)險，從而加劇了隱性債務(wù)規(guī)模的擴(kuò)張。

從風(fēng)險傳導(dǎo)特征來看，在區(qū)域維度上，財政分權(quán)程度較高且經(jīng)濟(jì)增速較慢的地區(qū)傾向于依賴債務(wù)融資實現(xiàn)財政擴(kuò)張，進(jìn)而導(dǎo)致區(qū)域內(nèi)部的風(fēng)險集聚①。融資平臺債務(wù)通過金融機(jī)構(gòu)的交叉持股或擔(dān)保關(guān)系形成局部風(fēng)險網(wǎng)絡(luò)，并在地方政府競爭中產(chǎn)生溢出效應(yīng)，導(dǎo)致隱性債務(wù)風(fēng)險網(wǎng)絡(luò)極易表現(xiàn)出具有較高節(jié)點密度的區(qū)域風(fēng)險分層特征？。在信貸維度上，地方隱性債務(wù)與商業(yè)銀行等金融機(jī)構(gòu)之間往往存在深度綁定，通過融資平臺和影子銀行業(yè)務(wù)形成以銀行為樞紐的債務(wù)溢出通路？。單一債務(wù)違約沿著信貸鏈條迅速擴(kuò)散并形成風(fēng)險閉環(huán)，而區(qū)位屬性和規(guī)模特征或?qū)⒊蔀橛绊憛^(qū)域財政金融風(fēng)險網(wǎng)絡(luò)脆弱性的關(guān)鍵因素④。與此同時，隱性債務(wù)風(fēng)險還通過土地財政和資產(chǎn)價格波動嵌入跨市場網(wǎng)絡(luò)。地方政府高度依賴土地抵押融資，使得土地出讓收入的波動直接影響債務(wù)償付能力？。總體而言，地方政府隱性債務(wù)風(fēng)險的擴(kuò)散不僅依賴傳統(tǒng)金融渠道，更受到制度性關(guān)聯(lián)和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的深刻影響，具有區(qū)域分層、跨市場聯(lián)動和多層次嵌套等網(wǎng)絡(luò)特征。

從風(fēng)險識別方法來看，溢出網(wǎng)絡(luò)分析的基本邏輯普遍遵循Diebold和Yilmaz的研究框架，在利用廣義預(yù)測誤差方差分解的基礎(chǔ)上，借助節(jié)點、邊和箭頭信息來反映研究系統(tǒng)中不同變量之間的溢出強度及方向?；诖?，學(xué)界通過對模型以及估計方法的不斷改進(jìn)，將溢出網(wǎng)絡(luò)的分析進(jìn)一步擴(kuò)展至分位數(shù)和頻域等視角，從而為相關(guān)研究的細(xì)化奠定了堅實的基礎(chǔ)@。盡管如此，在現(xiàn)有的檢驗框架中，針對高維尾部情境下的溢出結(jié)構(gòu)識別和統(tǒng)計性判別仍有所欠缺，為此，本文在將最小絕對值收縮和選擇算子（LASSO）與分位數(shù)向量自回歸模型（QVAR）相結(jié)合的基礎(chǔ)上，利用同維度的分位數(shù)Granger檢驗施加統(tǒng)計性判別指標(biāo)，從而實現(xiàn)高維尾部情境下網(wǎng)絡(luò)結(jié)構(gòu)與統(tǒng)計性判別的有機(jī)結(jié)合，為地方隱性債務(wù)風(fēng)險與金融市場壓力的溢出效應(yīng)檢驗提供新證據(jù)。

鑒于上述背景，本文利用LASSO-QVAR模型與分位數(shù)Granger檢驗對地方隱性債務(wù)風(fēng)險與金融市場壓力之間的尾部傳染結(jié)構(gòu)予以識別。與現(xiàn)有文獻(xiàn)相比，本文的邊際貢獻(xiàn)在于：第一，在研究視角上，將地方隱性債務(wù)風(fēng)險溢出網(wǎng)絡(luò)延伸至金融市場。第二，在研究方法上，將LASSO-QVAR模型與分位數(shù)Granger檢驗相結(jié)合，從高維尾部風(fēng)險溢出的角度考慮地方隱性債務(wù)風(fēng)險與金融市場壓力間的內(nèi)部關(guān)聯(lián)。事實上，在VAR模型估計中進(jìn)行降維處理并非孤例，例如，曹廷求和張翠燕利用LASSO-VAR模型探究中國金融周期的區(qū)域溢出效應(yīng)。然而，考慮到金融市場的尖峰厚尾特性，傳統(tǒng)的VAR模型難以精確估測尾部情境下溢出網(wǎng)絡(luò)的結(jié)構(gòu)變化，本文進(jìn)一步將LASSO降維方法運用至QVAR模型，從而得以探索尾部情境下的溢出網(wǎng)絡(luò)特征。第三，在研究目的上，本文在厘清地方隱性債務(wù)風(fēng)險與金融市場壓力尾部溢出影響要素的同時，利用事件研究法探討以全域無隱性債務(wù)試點為代表的債務(wù)治理政策對隱性債務(wù)風(fēng)險與金融市場壓力間尾部關(guān)聯(lián)強度的影響，為政府制定宏觀政策提供參考。

二、研究設(shè)計

（一）模型構(gòu)建

由于本文的研究粒度細(xì)化至省域?qū)哟?，其估計參?shù)將隨變量個數(shù)呈指數(shù)增加，因此，考慮建立具有懲罰收縮算子的LASSO-QVAR模型測度地方隱性債務(wù)風(fēng)險與金融壓力的尾部網(wǎng)絡(luò)結(jié)構(gòu)，從而克服估計過程中可能產(chǎn)生的“維度災(zāi)難”問題。參考Ando等 ? 構(gòu)建傳統(tǒng)的QVAR模型：

其中， y_t"是 N 維被解釋變量，分別包括 DS_s，t"和Pressure兩類變量，其中 DS_s，t"中的s代表省份，涉及30個省份城投債信用利差，而Pressure則為全國層面的金融市場壓力指標(biāo)。 B_i"為相應(yīng)滯后階數(shù)p下的系數(shù)矩陣， ε_t"為殘差項， τ 代表相應(yīng)的分位數(shù)條件，參考一般做法，將 τ 賦值為0.05，從而反映隱性債務(wù)風(fēng)險與金融市場之間潛在的尾部結(jié)構(gòu)。為處理系數(shù)估計中的“維度災(zāi)難”問題，采用最小絕對收縮和選擇算子對模型進(jìn)行稀疏化處理，基于此，通過對每個分位數(shù)VAR方程施加式（2）所示的LASSO估計，從而在有效剔除冗余因子的同時，提高模型估計效率。

式（2）中， β（τ） 為基于LASSO估計的系數(shù)矩陣，i代表本文所選取的主要指標(biāo)，損失函數(shù) ρ_τ（z） ，其中， I（?） 為示性函數(shù)。標(biāo)準(zhǔn)差估計量 ， λ_i 為懲罰系數(shù)，采用十折交叉驗證方法確定。

在上述LASSO-QVAR模型參數(shù)估計的基礎(chǔ)上，參考Zhang和Wei的方法①，使用廣義預(yù)測誤差方差分解（GFEVD）搭建溢出網(wǎng)絡(luò)框架，并以此識別不同省域地方隱性債務(wù)風(fēng)險與金融市場間的尾部關(guān)聯(lián)結(jié)構(gòu)。

鑒于變量與變量之間的關(guān)聯(lián)特征主要取決于二者之間是否存在相應(yīng)的因果效應(yīng)，本文利用分位數(shù)Granger檢驗為溢出矩陣之間的成對溢出狀態(tài)提供額外的統(tǒng)計性檢驗標(biāo)準(zhǔn)，從而篩選出具有統(tǒng)計意義的溢出狀態(tài)，并以此繪制非對稱尾部網(wǎng)絡(luò)圖。參考Koenker和Machado的研究？，使用Sup-Wald統(tǒng)計量進(jìn)行分位數(shù)Granger假設(shè)檢驗。

（二）數(shù)據(jù)選取及變量說明

1.地方隱性債務(wù)風(fēng)險。以城投平臺為代表的地方隱性債務(wù)問題在現(xiàn)有研究中獲得廣泛的關(guān)注，其度量形式主要涉及絕對負(fù)債量和相對負(fù)債率兩種，體現(xiàn)出債務(wù)風(fēng)險中的舉債規(guī)模以及償債能力等特征③。然而，這類數(shù)據(jù)往往受限于較低的樣本觀測頻率，難以及時反映觀測間隔內(nèi)部的風(fēng)險突變狀態(tài)，從而忽略潛在的債務(wù)風(fēng)險外部溢出渠道。為此，本文參考楊子暉等的研究④，利用地方城投債中位數(shù)舉債利率與同期國開債利率之差構(gòu)建省際日度信用利差指標(biāo)度量地方隱性債務(wù)風(fēng)險。一般而言，信用利差的擴(kuò)大將直接推高相應(yīng)主體的融資成本，從而導(dǎo)致隱性債務(wù)風(fēng)險的增加。

2.金融市場壓力。與金融風(fēng)險所強調(diào)的預(yù)期波動不同，金融市場壓力旨在捕捉當(dāng)前狀態(tài)下市場中的風(fēng)險狀況，反映市場參與者對不確定性的感知和市場結(jié)構(gòu)性問題的潛在影響。與此同時，考慮到金融市場的多樣性及聯(lián)動性特征，現(xiàn)有研究通常采用多維度、多指標(biāo)的權(quán)重合成法測度金融市場壓力，以提升風(fēng)險壓力測度的精度③。有鑒于此，本文擬采用金融市場壓力指數(shù)作為金融市場壓力的代理指標(biāo)，該指數(shù)由北京大學(xué)國家發(fā)展研究院與歐洲中央銀行聯(lián)合繪制，同時覆蓋了中國貨幣、債券、金融、股票及外匯市場，涉及波動率及收益利差等多個方面，能夠較好地反映中國金融市場壓力現(xiàn)狀。

地方隱性債務(wù)信用利差來源于WIND數(shù)據(jù)庫，金融市場壓力指數(shù)來源于歐洲央行數(shù)據(jù)庫?；跀?shù)據(jù)可得性，本文選取中國內(nèi)地30個省份為研究對象（港澳臺和西藏地區(qū)數(shù)據(jù)缺失較多，不列入分析對象），樣本觀測區(qū)間自2018年1月1日至2024年8月8日，涵蓋了中美貿(mào)易摩擦、重大公共衛(wèi)生事件以及俄烏沖突等外生沖擊，從而有助于識別重大外生沖擊下地方隱性債務(wù)風(fēng)險與金融市場壓力尾部網(wǎng)絡(luò)結(jié)構(gòu)的突變特征。主要變量的描述性統(tǒng)計結(jié)果如表1所示，基于模型設(shè)定要求對數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗，ADF檢驗結(jié)果表明數(shù)據(jù)均通過單位根檢驗，證明觀測序列平穩(wěn)。BIC信息準(zhǔn)則表明模型最優(yōu)滯后階數(shù)為1。為便于說明，后續(xù)解釋中使用相應(yīng)省份代指當(dāng)?shù)仉[性債務(wù)信用利差。

三、實證結(jié)果分析

（一）地方隱性債務(wù)風(fēng)險與金融市場壓力靜態(tài)網(wǎng)絡(luò)分析

1.LASSO-QVAR模型的網(wǎng)絡(luò)識別

基于檢驗結(jié)果的參數(shù)設(shè)定，地方城投債信用利差與金融市場壓力的重要性排序結(jié)果如表2所示。在極端分位數(shù)條件下，排序靠前的節(jié)點大部分屬于東部沿海經(jīng)濟(jì)發(fā)達(dá)省份，凈溢出小于零的省份則集中在西部內(nèi)陸地區(qū)，這意味著東部省份在隱性債務(wù)風(fēng)險傳導(dǎo)過程中發(fā)揮著風(fēng)險輸出的作用。事實上，由于初始資源稟賦的不同，東西部地區(qū)在產(chǎn)業(yè)集聚、經(jīng)濟(jì)規(guī)模等方面具有較大差異。東部地區(qū)憑借豐富的金融資源和多元化的產(chǎn)業(yè)布局，往往具備較高的區(qū)域經(jīng)濟(jì)整合度和市場聯(lián)動性，致使債務(wù)違約沖擊能夠迅速引發(fā)市場預(yù)期的調(diào)整，進(jìn)而通過跨區(qū)域投資行為以及產(chǎn)業(yè)鏈傳導(dǎo)將風(fēng)險迅速向其他地區(qū)擴(kuò)散，形成顯著的風(fēng)險溢出效應(yīng)。與此同時，東部地區(qū)密集的外資流動和金融活動不僅促進(jìn)了經(jīng)濟(jì)活動的高效運作，還加強了金融市場對外部風(fēng)險的敏感度。在極端條件下，若東部地區(qū)發(fā)生隱性債務(wù)違約，市場對該地區(qū)經(jīng)濟(jì)重要性的高度敏感將導(dǎo)致投資者的恐慌情緒，進(jìn)而推動金融市場壓力的顯著上升。相比之下，西部地區(qū)由于經(jīng)濟(jì)基礎(chǔ)較為薄弱、產(chǎn)業(yè)集聚水平較低等因素，隱性債務(wù)的違約風(fēng)險在僅產(chǎn)生局部效應(yīng)的同時，市場對其債務(wù)風(fēng)險響應(yīng)的敏感度也相對不足，導(dǎo)致西部地區(qū)處于風(fēng)險接收狀態(tài)。由此可見，區(qū)位因素背后的經(jīng)濟(jì)特征對金融市場壓力和隱性債務(wù)風(fēng)險的傳染具有重要影響，發(fā)達(dá)的沿海地區(qū)往往具有更加顯著的區(qū)位優(yōu)勢，其經(jīng)濟(jì)高速發(fā)展也伴隨著金融資源的積累，并發(fā)揮著舉足輕重的作用。

注：由全樣本估計系數(shù)進(jìn)行方差分解獲得，根據(jù)BIC準(zhǔn)則 將滯后階數(shù)設(shè)置為1階，方差分解提前期為10天。

為了更為細(xì)致地觀察地方隱性債務(wù)風(fēng)險與金融市場壓力的尾部關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)，本文利用溢出參數(shù)矩陣進(jìn)一步構(gòu)建靜態(tài)風(fēng)險傳染網(wǎng)絡(luò)圖，從而在刻畫節(jié)點特征的同時，觀測方向性溢出的變化情況。首先，在反映地方隱性債務(wù)風(fēng)險與金融市場壓力尾部傳染網(wǎng)絡(luò)的圖1中，中西部地區(qū)呈現(xiàn)出風(fēng)險凈接收者的角色，而其余地區(qū)則表現(xiàn)為風(fēng)險溢出的作用，該發(fā)現(xiàn)與表2的分析結(jié)果基本一致。其次，圖1的尾部風(fēng)險傳染網(wǎng)絡(luò)表現(xiàn)出致密的雙向溢出效應(yīng)，成對節(jié)點之間的尾部風(fēng)險傳染頻繁。具體來看，一方面，網(wǎng)絡(luò)總體連通性水平TCI高達(dá) 95.12% ，表明地方隱性債務(wù)風(fēng)險與金融市場壓力之間的關(guān)系密切；另一方面，成對節(jié)點之間均表現(xiàn)為非同質(zhì)化的相互傳染特征。最后，從凈溢出節(jié)點來看，凈溢出為正的節(jié)點往往呈現(xiàn)出較為均質(zhì)化的溢出沖擊，而風(fēng)險的傳遞接收則主要由內(nèi)蒙古、甘肅等中西部省份所承擔(dān)。

盡管如此，由表2和圖1可知，正向凈溢出節(jié)點的均質(zhì)化分布主要受排序靠前的方向性溢出變化較小所致。事實上，在方向性溢出指標(biāo)排序中，不同節(jié)點之間的差異十分微弱，特別是在溢入指標(biāo)的排序中，極差值僅為 12.86% ，這意味著沖擊效應(yīng)在很大程度上被所有節(jié)點均勻吸收?？赡艿脑蛟谟趶V義預(yù)測誤差方差分解的過程缺乏對沖擊顯著性水平的考量，從而導(dǎo)致系統(tǒng)中不同節(jié)點的溢出水平出現(xiàn)不同程度的高估。一方面，在進(jìn)行廣義預(yù)測誤差方差分解時，需要使用VAR估計結(jié)果中的殘差矩陣及系數(shù)矩陣，然而對于系數(shù)矩陣的顯著性水平卻并未給予足夠的關(guān)注；另一方面，廣義預(yù)測誤差方差分解所產(chǎn)生的溢出矩陣也缺乏相應(yīng)的判別條件識別沖擊效應(yīng)的有效性。考慮到LASSO估計中系數(shù)估計結(jié)果的有偏性，其標(biāo)準(zhǔn)誤矩陣可能缺乏足夠的置信度，因此，本文利用與QVAR估計相匹配的分位數(shù)Granger檢驗，將研究重心聚焦于分解溢出矩陣的顯著性識別。

2.分位數(shù)Granger因果檢驗的網(wǎng)絡(luò)識別

盡管基于LASSO-QVAR模型的估計結(jié)果能夠有效識別隱性債務(wù)風(fēng)險與金融市場壓力之間的網(wǎng)絡(luò)溢出結(jié)構(gòu)，但由于其缺乏相應(yīng)的統(tǒng)計性判定指標(biāo)，導(dǎo)致網(wǎng)絡(luò)溢出效應(yīng)可能在一定程度上存在錯估。為此，本文使用與模型估計特征相匹配的分位數(shù)Granger因果檢驗對成對變量間的溢出效應(yīng)施加統(tǒng)計性指標(biāo)，從而為隱性債務(wù)風(fēng)險與金融市場壓力網(wǎng)絡(luò)提供更為穩(wěn)健的識別依據(jù)。具體來看，當(dāng)分位數(shù)Granger因果檢驗統(tǒng)計P值未達(dá)到臨界值時，則判定該溢出效應(yīng)不存在顯著性指征，從而將其原有數(shù)值校正為零，并重新計算相應(yīng)的方向性溢出和凈溢出指標(biāo)?；诜治粩?shù)Granger因果檢驗校正后的溢出排序結(jié)果如表3所示。不難發(fā)現(xiàn)，與LASSO-QVAR模型的溢出結(jié)果相比，經(jīng)分位數(shù)Granger檢驗校正后，系統(tǒng)中的方向性溢出及凈溢出水平呈現(xiàn)出顯著的下降趨勢，而不同節(jié)點的溢出特征也具有較大差異。具體來看，表3中溢出指標(biāo)To排序靠前的省份在很大程度上與溢入指標(biāo)From排序靠后的省份相匹配，這說明排名靠前的節(jié)點通常是系統(tǒng)中強大的風(fēng)險溢出源頭，對其他節(jié)點具有較強的傳導(dǎo)效應(yīng)，從而在保持較強溢出程度的同時，表現(xiàn)出較弱的溢入水平。而從凈溢出值Net的排序結(jié)果來看，盡管經(jīng)濟(jì)發(fā)達(dá)的沿海省份仍傾向于發(fā)揮風(fēng)險溢出的作用，但與表2的結(jié)果不同，節(jié)點的凈溢出水平在地方隱性債務(wù)風(fēng)險與金融市場壓力的關(guān)聯(lián)系統(tǒng)中呈現(xiàn)出較大的內(nèi)部差異，其凈溢出極差值高達(dá)170.27% 。

由圖2可知，在30個省份及金融市場壓力系統(tǒng)中，有16個節(jié)點表現(xiàn)出凈溢出的作用，而剩余15個節(jié)點則為凈溢入，風(fēng)險關(guān)聯(lián)節(jié)點呈現(xiàn)出較為均勻的內(nèi)部結(jié)構(gòu)。盡管如此，風(fēng)險傳染網(wǎng)絡(luò)中不同節(jié)點的作用仍具有較大差異，特別是在正向凈溢出節(jié)點，浙江和江蘇等經(jīng)濟(jì)規(guī)模與隱性債務(wù)規(guī)模較大的省份表現(xiàn)出更強的外部性，在尾部風(fēng)險傳染網(wǎng)絡(luò)中的作用不容忽視；而在負(fù)向凈溢出節(jié)點中，內(nèi)蒙古、寧夏以及青海等西部省份承擔(dān)了風(fēng)險輸入的角色，在風(fēng)險傳染體系中處于被動地位。此外，就金融市場壓力而言，無論是否進(jìn)行溢出網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整，均呈現(xiàn)出顯著的風(fēng)險輸入。

注：由全樣本估計系數(shù)進(jìn)行方差分解獲得，根據(jù)BIC準(zhǔn) 則將滯后階數(shù)設(shè)置為1階，方差分解提前期為10天，分位數(shù) Granger檢驗有效臨界P值為 10% 。

為深人探索尾部風(fēng)險傳染網(wǎng)絡(luò)的潛在結(jié)構(gòu)，本文基于校正后地方隱性債務(wù)風(fēng)險與金融市場壓力的溢出矩陣，對節(jié)點重要性、網(wǎng)絡(luò)規(guī)模等特征進(jìn)行額外識別。在節(jié)點重要性的分析中，重點對度數(shù)中心度、接近中心度和中介中心度三類節(jié)點中心度指標(biāo)予以關(guān)注。其中，度數(shù)中心度由節(jié)點在網(wǎng)絡(luò)中的直接連接數(shù)量測算，反映了節(jié)點在網(wǎng)絡(luò)中的直接影響力，而接近中心度和中介中心度則分別關(guān)注風(fēng)險溢出網(wǎng)絡(luò)中節(jié)點的位置分布及中介作用。此外，對于整體網(wǎng)絡(luò)特征，本文選取了網(wǎng)絡(luò)密度和網(wǎng)絡(luò)直徑兩類變量。網(wǎng)絡(luò)密度是指網(wǎng)絡(luò)中實際存在的邊數(shù)與最大可能邊數(shù)的比例，反映了網(wǎng)絡(luò)的連通程度，網(wǎng)絡(luò)直徑則是指網(wǎng)絡(luò)中任意兩個節(jié)點之間最短路徑長度的最大值，反映了網(wǎng)絡(luò)的傳播范圍。

根據(jù)表4的結(jié)果，首先，從度數(shù)中心度來看，江蘇、浙江、重慶、湖北等省份在點出度的統(tǒng)計中位居前列，而內(nèi)蒙古、寧夏、青海及金融市場節(jié)點則在點入度中占據(jù)重要地位，表明地方隱性債務(wù)風(fēng)險與金融市場壓力的節(jié)點重要性呈現(xiàn)出顯著的非均衡分布，與東中部省份不同，多數(shù)西部省份和金融市場在隱性債務(wù)風(fēng)險傳染中更易表現(xiàn)為風(fēng)險吸收效應(yīng)。其次，從其他節(jié)點特征來看，盡管江蘇、浙江、重慶等省份的接近中心度較高，但中介中心度的高值則集中于上海、遼寧及金融市場等節(jié)點。該結(jié)果表明，風(fēng)險外溢的途徑不僅僅局限于重要節(jié)點的直接傳染，更可能通過其他中介省份或金融市場實現(xiàn)隱性債務(wù)風(fēng)險的空間外溢或市場反饋，進(jìn)而對其他節(jié)點產(chǎn)生沖擊。最后，從整體網(wǎng)絡(luò)特征來看，網(wǎng)絡(luò)密度和網(wǎng)絡(luò)直徑的測度結(jié)果表明，較高的網(wǎng)絡(luò)密度強化了各省份與金融市場之間的潛在聯(lián)系，使債務(wù)風(fēng)險能夠在省域金融網(wǎng)絡(luò)中迅速擴(kuò)散；而較小的網(wǎng)絡(luò)直徑則表明風(fēng)險的間接傳導(dǎo)路徑較短，意味著風(fēng)險能夠通過較少的中介路徑迅速從源頭傳遞至目標(biāo)節(jié)點。在此類網(wǎng)絡(luò)結(jié)構(gòu)下，地方隱性債務(wù)的風(fēng)險波動可以在節(jié)點之間迅速傳遞，導(dǎo)致系統(tǒng)性風(fēng)險的發(fā)生概率增加。

3.網(wǎng)絡(luò)關(guān)聯(lián)差異比較

為了更直觀地展示校正前后網(wǎng)絡(luò)溢出狀態(tài)的差異，圖3匯報了地方隱性債務(wù)風(fēng)險與金融市場節(jié)點凈溢出的變化情況?？梢园l(fā)現(xiàn)，在經(jīng)過分位數(shù)Granger檢驗校正后，一方面，所有節(jié)點的凈溢出效應(yīng)均呈現(xiàn)出增強趨勢，特別是安徽、北京、河南、江蘇以及浙江等省份。另一方面，廣西、貴州、黑龍江、遼寧、山西、天津以及云南的凈溢出水平均出現(xiàn)了逆轉(zhuǎn)的現(xiàn)象。

（二）地方隱性債務(wù)風(fēng)險與金融市場壓力的動態(tài)效應(yīng)及突變特征

本文在靜態(tài)均值網(wǎng)絡(luò)分析的基礎(chǔ)上，進(jìn)一步利用滾動窗口法以及CUSUM算法識別地方隱性債務(wù)風(fēng)險與金融市場壓力之間的動態(tài)效應(yīng)及突變特征。地方隱性債務(wù)風(fēng)險與金融市場壓力間的動態(tài)總溢出曲線如圖4所示，虛線所在節(jié)點為CUSUM檢驗突變時點。結(jié)果表明，地方隱性債務(wù)風(fēng)險與金融市場，虛線為CUSUM檢驗突變時點。

注：由窗口樣本估計系數(shù)進(jìn)行方差分解獲得，滾動窗口大小為200天，滾動步長為1天，方差分解提前期設(shè)置為10天

注：由窗口樣本估計系數(shù)進(jìn)行方差分解獲得，滾動窗口大小為200天，滾動步長為1天，方差分解提前期設(shè)置為10天，虛線為CUSUM檢驗突變時點。

壓力間的動態(tài)尾部關(guān)聯(lián)網(wǎng)絡(luò)存在顯著的時變特征，其動態(tài)溢出水平在觀測區(qū)間內(nèi)呈現(xiàn)出較為顯著的強關(guān)聯(lián)效應(yīng)及突變性。具體來看，在尾部情境下，2019年至2021年間，地方隱性債務(wù)風(fēng)險與金融市場壓力之間表現(xiàn)出較為平穩(wěn)的強關(guān)聯(lián)狀態(tài)，2021年中期，隨著市場恐慌情緒退潮以及宏觀政策效應(yīng)的落地，地方隱性債務(wù)風(fēng)險與金融市場壓力之間的動態(tài)總溢出水平迅速回落。此外，國務(wù)院國有資產(chǎn)監(jiān)督管理委員會公布的《關(guān)于加強地方國有企業(yè)債務(wù)風(fēng)險管控工作的指導(dǎo)意見》也為地方隱性債務(wù)風(fēng)險的防范提供了政策指引。2022年前后，中國經(jīng)濟(jì)發(fā)展下行承壓態(tài)勢凸顯，動態(tài)溢出水平轉(zhuǎn)降為升，并在2023年之后再次迅速攀升，呈現(xiàn)出形態(tài)突變。從CUSUM檢驗的突變結(jié)果來看，地方隱性債務(wù)風(fēng)險與金融市場壓力的突變階段主要集中在2021年以后，這意味著地方隱性債務(wù)風(fēng)險與金融市場間的形態(tài)突變主要由宏觀經(jīng)濟(jì)政策以及外部環(huán)境主導(dǎo)，內(nèi)部外溢渠道的自我反饋往往表現(xiàn)為平滑的過渡形態(tài)。

盡管總溢出水平能夠較為全面地刻畫地方隱性債務(wù)風(fēng)險與金融市場壓力間的關(guān)聯(lián)水平，但卻可能包含隱性債務(wù)風(fēng)險之間的內(nèi)部傳染以及金融市場自身壓力變化等額外噪音。考慮到本文的研究焦點在于識別地方隱性債務(wù)風(fēng)險與金融市場間的尾部溢出效應(yīng)，而地方隱性債務(wù)風(fēng)險又主要表現(xiàn)為風(fēng)險輸出，為此，本文在利用分位數(shù)Granger方法檢驗成對溢出有效性的基礎(chǔ)上，將具有顯著性特征的各省份地方隱性債務(wù)信用利差與金融市場壓力成對溢出關(guān)聯(lián)進(jìn)行求和，從而得出具有動態(tài)特征的成對溢出關(guān)聯(lián)曲線圖5。

不難發(fā)現(xiàn)，在剔除市場內(nèi)部傳遞的噪音干擾后，地方隱性債務(wù)風(fēng)險與金融市場之間的動態(tài)總成對溢出曲線維持在 20% 到 45% 的浮動區(qū)間，呈現(xiàn)出顯著的時變特征。2019年下半年，部分中小城市城投債違約事件引發(fā)了市場的初步擔(dān)憂。2019年底至2020年初溢出效應(yīng)的上升則主要與同時期的全球經(jīng)濟(jì)不確定性密切相關(guān)。此外，政府通過大規(guī)模發(fā)行專項債券支持經(jīng)濟(jì)復(fù)蘇的政策舉措，雖然短期內(nèi)緩解了財政壓力，但也導(dǎo)致地方長期債務(wù)負(fù)擔(dān)加重，使地方隱性債務(wù)風(fēng)險的溢出效應(yīng)更為顯著。2022年中期的劇烈波動反映了政策轉(zhuǎn)向、房地產(chǎn)市場低迷和金融監(jiān)管收緊的綜合影響。房地產(chǎn)行業(yè)的下行使地方政府的土地財政收入大幅減少，導(dǎo)致地方債務(wù)風(fēng)險暴露。與此同時，金融監(jiān)管機(jī)構(gòu)對地方債務(wù)的強監(jiān)管舉措，致使市場對地方債務(wù)違約的擔(dān)憂情緒進(jìn)一步加重，導(dǎo)致該時期溢出效應(yīng)的急劇上升。2023年后，地方隱性債務(wù)風(fēng)險對金融市場壓力的溢出效應(yīng)再次大幅攀升，這與中國經(jīng)濟(jì)發(fā)展轉(zhuǎn)型、地方財政壓力加劇以及城投債務(wù)集中到期密切相關(guān)。隨著地方債務(wù)償還高峰期的到來，中小城投平臺面臨更為嚴(yán)峻的債務(wù)壓力，加之部分地區(qū)難以通過土地收人彌補財政收支缺口，導(dǎo)致違約或展期事件頻發(fā)，進(jìn)一步提高了金融市場對地方債務(wù)風(fēng)險的敏感度。

（三）地方隱性債務(wù)風(fēng)險與金融市場壓力尾部關(guān)聯(lián)網(wǎng)絡(luò)的影響因素

動態(tài)溢出分析表明，政策傳導(dǎo)以及市場行為等因素在維持彼此獨立傳導(dǎo)路徑的同時，共同構(gòu)建出一個復(fù)雜的聯(lián)動系統(tǒng)影響著地方隱性債務(wù)與金融市場壓力的尾部風(fēng)險傳染結(jié)構(gòu)。為此，本文使用TVP-SVAR-SV模型分別從經(jīng)濟(jì)政策、宏觀經(jīng)濟(jì)、市場情緒以及地緣政治風(fēng)險四個維度探究地方隱性債務(wù)與金融市場壓力尾部關(guān)聯(lián)網(wǎng)絡(luò)的影響因素。值得注意的是，由于模型的時變參數(shù)設(shè)定，本文利用均值時變沖擊表示相應(yīng)時期的沖擊強度，圖6匯報了尾部關(guān)聯(lián)溢出對經(jīng)濟(jì)政策沖擊的脈沖響應(yīng)結(jié)果，陰影部分為均值加減1.96倍標(biāo)準(zhǔn)差獲得的 95% 置信區(qū)間。此外，考慮到中國貨幣政策重心的調(diào)整，本文使用一年期LPR利率反映市場間實際利率變化情況。可以發(fā)現(xiàn)，宏觀經(jīng)濟(jì)政策的不確定性在一定程度上抑制了地方隱性債務(wù)風(fēng)險與金融市場壓力的溢出效應(yīng)，可能的原因在于經(jīng)濟(jì)政策不確定性的增強將導(dǎo)致市場避險情緒加劇，從而在客觀上對二者的傳導(dǎo)渠道形成阻隔。與此同時，央行貨幣政策的調(diào)整也將緩解地方隱性債務(wù)規(guī)模的擴(kuò)張趨勢，致使系統(tǒng)關(guān)聯(lián)強度弱化，而美聯(lián)儲實施的加息政策將導(dǎo)致中國地方隱性債務(wù)與金融市場壓力間的尾部傳染性顯著增強，加劇了中國系統(tǒng)性金融風(fēng)險。

圖7表明，地方隱性債務(wù)風(fēng)險與金融市場壓力間的尾部溢出效應(yīng)對以宏觀經(jīng)濟(jì)景氣指數(shù)以及物流景氣指數(shù)為代表的經(jīng)濟(jì)環(huán)境變量呈現(xiàn)出長期負(fù)向變化，這意味著宏觀經(jīng)濟(jì)的發(fā)展將有利于平抑地方隱性債務(wù)與金融市場間的潛在風(fēng)險溢出，從而形成正向反饋信號，有效防范并化解系統(tǒng)性金融風(fēng)險。然而，國房景氣指數(shù)表現(xiàn)為顯著的強化作用，其主要原因在于：地方隱性債務(wù)在很大程度上被投資于以房地產(chǎn)為代表的城市建設(shè)，具有較長的回報周期。

當(dāng)房地產(chǎn)行業(yè)面臨快速發(fā)展時，將進(jìn)一步滋生經(jīng)濟(jì)泡沫，導(dǎo)致金融部門對可能存在的信貸違約風(fēng)險產(chǎn)生低估，并在擴(kuò)大政府隱性債務(wù)規(guī)模的同時，導(dǎo)致隱性債務(wù)風(fēng)險堆積，從而強化了隱性債務(wù)風(fēng)險與金融市場之間的尾部溢出狀態(tài)。此外，房地產(chǎn)泡沫還將直接作用于金融市場，逐利資本將利用中間渠道打通跨市場壁壘，導(dǎo)致金融脆弱性加劇。

考慮到市場情緒指標(biāo)的廣泛性，本文在使用投資者情緒指數(shù)以及消費者信心指數(shù)的同時，基于百度搜索指數(shù)，利用Python爬蟲技術(shù)獲取公眾對城投債信息的關(guān)注程度詞頻并以此構(gòu)建公眾城投債關(guān)注度指數(shù)。圖8表明，無論從何種維度來看，市場情緒的提振均有助于弱化地方隱性債務(wù)風(fēng)險與金融市場間的尾部溢出水平。首先，積極的市場情緒為投資者的風(fēng)險偏好選擇提供信心，促使資金流入金融市場和實體經(jīng)濟(jì)，降低融資成本，從而減輕地方政府的債務(wù)負(fù)擔(dān)；其次，積極的市場預(yù)期能夠增強企業(yè)和消費者信心，刺激經(jīng)濟(jì)生產(chǎn)及消費活動，并以此提升政府的財政收入，緩解地方政府的償債壓力；最后，市場情緒的改善有助于金融機(jī)構(gòu)流動性缺口的彌合，降低系統(tǒng)性金融風(fēng)險，減少尾部事件的發(fā)生概率。

由于外生沖擊事件具有突發(fā)性質(zhì)，其多重因素疊加尚缺乏合適的連續(xù)性指標(biāo)表征，為此，本文考慮使用地緣政治風(fēng)險指數(shù)表示外生沖擊事件中的地緣風(fēng)險事件，從而在一定程度上反映外生沖擊事件對地方隱性債務(wù)與金融市場壓力間溢出效應(yīng)的影響。圖9發(fā)現(xiàn)，地緣政治風(fēng)險的增加將導(dǎo)致地方隱性債務(wù)風(fēng)險與金融市場壓力間的溢出效應(yīng)遭受顯著的正向沖擊，并產(chǎn)生持續(xù)的影響。該結(jié)果表明，以地緣政治風(fēng)險為代表的外生沖擊事件將激化地方隱性債務(wù)風(fēng)險與金融市場壓力間的潛在風(fēng)險因素，并促使二者之間存在的風(fēng)險事件在系統(tǒng)內(nèi)部迅速擴(kuò)散，提高風(fēng)險傳染水平。

（四）地方隱性債務(wù)風(fēng)險與金融市場壓力尾部關(guān)聯(lián)網(wǎng)絡(luò)的異質(zhì)性分析

1.信用評級的溢出差異

由于城投公司的個體資質(zhì)差異，城投債的信用評估等級也往往有所不同?；诖?，本文將各省相應(yīng)評級城投債進(jìn)行等權(quán)匯總并繪制圖10，從而探究不同信用評級差異下隱性債務(wù)風(fēng)險與金融市場壓力的關(guān)聯(lián)狀態(tài)。觀察圖10可知，AA-評級城投債的自身溢出效應(yīng)最強，并處于沖擊輸入方的地位。主要原因在于以下兩個方面：第一，在城投債信用評級中，AA-評級債券處于相對劣勢地位，這意味著其違約風(fēng)險已經(jīng)在很大程度上通過評級信號反映至市場價格波動之中，從而為投資者提供相應(yīng)的風(fēng)險預(yù)期，對AA-評級債券的風(fēng)險沖擊外溢渠道形成有效阻隔。第二，在極端市場情境下，優(yōu)質(zhì)評級債券的風(fēng)險沖擊往往更易醞釀為“黑天鵝”事件，從而造成難以預(yù)估的負(fù)面影響，并對評級欠佳的債券產(chǎn)生風(fēng)險下沉，導(dǎo)致AA-評級債券在風(fēng)險沖擊中承擔(dān)風(fēng)險輸入的角色。

從金融市場壓力的角度來看，與省域溢出結(jié)果類似，金融市場受AA-至AAA評級債券的凈溢出效應(yīng)為 -12.4% ，其中，AA至AAA評級債券對金融市場的沖擊均維持在 19% 左右。該結(jié)果表明，除AA-評級債券外，其他評級債券所產(chǎn)生的風(fēng)險沖擊將在地方隱性債務(wù)風(fēng)險與金融市場壓力系統(tǒng)中出現(xiàn)均質(zhì)化傳導(dǎo)，并表現(xiàn)為顯著的外溢效應(yīng)，而金融市場自身則處于被動地位，其自身價格波動對地方隱性債務(wù)的影響較為有限。事實上，由于隱性擔(dān)保的存在，地方隱性債務(wù)的風(fēng)險特質(zhì)往往僅局限于投資用途本身，從而能夠在很大程度上抵御來自外部金融市場的信息溢出沖擊。與此相反，一旦地方隱性債務(wù)風(fēng)險增加，綜合外部信息的金融市場將由于投資者倉位變動出現(xiàn)較為劇烈的價格信號，最終表現(xiàn)為金融市場壓力的變化。

2.城市群的溢出差異

基于產(chǎn)業(yè)集群理論，以地理集聚為表現(xiàn)的區(qū)域集聚能夠顯著促進(jìn)企業(yè)之間的知識溢出和技術(shù)創(chuàng)新，進(jìn)而強化區(qū)域內(nèi)的生產(chǎn)效率和競爭優(yōu)勢。城市集群作為一種更大規(guī)模的產(chǎn)業(yè)集聚，能夠充分整合區(qū)域資源，優(yōu)化要素配置，在提升區(qū)域內(nèi)企業(yè)創(chuàng)新能力、吸引外部投資和高素質(zhì)勞動力的同時，通過強化交通、信息和資本等基礎(chǔ)設(shè)施網(wǎng)絡(luò)，進(jìn)一步降低交易成本，促進(jìn)區(qū)域間的協(xié)作與共享，推動城市經(jīng)濟(jì)的協(xié)調(diào)發(fā)展。盡管如此，由于城市群內(nèi)部各城市的經(jīng)濟(jì)活動高度協(xié)同，產(chǎn)業(yè)鏈和金融市場密切聯(lián)動，隱性債務(wù)風(fēng)險往往不局限于單個區(qū)域，更可能在整個城市群內(nèi)部傳播，并疊加逸散至整個金融市場。為此，本文利用中國四大主要城市群覆蓋的省份進(jìn)行區(qū)域劃分，以期進(jìn)一步厘清以城市集群為基礎(chǔ)節(jié)點的隱性債務(wù)風(fēng)險與金融市場間潛在的溢出效應(yīng)。圖11的結(jié)果表明，一方面，在僅囊括四大主要城市群的情況下，金融市場壓力自身的主要解釋力僅為 29.25% ，盡管在城市群隱性債務(wù)網(wǎng)絡(luò)中屬于局部高值，但卻在一定程度上表明，與其他區(qū)域相比，四大主要城市群在地方隱性債務(wù)風(fēng)險與金融市場壓力的尾部關(guān)聯(lián)網(wǎng)絡(luò)中發(fā)揮重要作用。另一方面，金融市場受到四大主要城市群的輸入效應(yīng)From要顯著高于自身的外部溢出效應(yīng)To，這進(jìn)一步證明了金融市場自身仍處于地方隱性債務(wù)風(fēng)險溢出效應(yīng)的承接地位。

（五）穩(wěn)健性檢驗

考慮到降維過程中系數(shù)懲罰強度對地方隱性債務(wù)風(fēng)險與金融市場壓力尾部關(guān)聯(lián)溢出網(wǎng)絡(luò)的影響，本文使用穩(wěn)健的彈性網(wǎng)方法（ElasticNet）替換LASSO構(gòu)建ENet-QVAR模型并重新搭建DY溢出框架。與LASSO和嶺回歸降維相比，彈性網(wǎng)降維充分結(jié)合了二者的正則化方式，在處理具有高度相關(guān)性變量時表現(xiàn)優(yōu)異?；贓Net-QVAR模型得出的方向性溢出排序結(jié)果如表5所示?？梢园l(fā)現(xiàn)，ENet-QVAR模型估計得出的DY溢出結(jié)果與表3的排序基本一致，系統(tǒng)重要性節(jié)點仍集中分布于東部沿海地區(qū)，而西部省份以及金融市場則主要發(fā)揮風(fēng)險吸收的作用。

四、進(jìn)一步分析

盡管地方隱性債務(wù)風(fēng)險與金融市場壓力之間的尾部傳染具有較為密切的網(wǎng)絡(luò)關(guān)聯(lián)，然而，如何通過緩解隱性債務(wù)風(fēng)險，進(jìn)而弱化潛在的網(wǎng)絡(luò)通路關(guān)聯(lián)仍未可知。2024年11月8日，十四屆全國人大常委會表決通過了《國務(wù)院關(guān)于提請審議增加地方政府債務(wù)限額置換存量隱性債務(wù)的議案》的決議，為化解地方隱性債務(wù)風(fēng)險發(fā)揮了重要作用。然而，隱性債務(wù)風(fēng)險的防范與化解往往并非一蹴而就，而是需要持續(xù)的政策支持與實施方案的有效推進(jìn)。事實上，為應(yīng)對地方隱性債務(wù)問題，中國政府自2019年以來已采取多輪化債舉措，其中全域無隱性債務(wù)試點作為一種創(chuàng)新性治理手段，標(biāo)志著隱性債務(wù)治理從局部試點向全域覆蓋轉(zhuǎn)變。為進(jìn)一步考察這一政策在削弱地方隱性債務(wù)風(fēng)險與金融市場壓力尾部關(guān)聯(lián)中的效果，本文選取2021年10月的政策節(jié)點作為事件沖擊的代表，利用事件研究法對試點政策的影響進(jìn)行評估。具體來看，2021年10月，廣東省與上海市率先啟動了全域無隱性債務(wù)試點，北京市隨后加入，并通過地方專項債與再融資債相結(jié)合的方式，推動隱性債務(wù)存量清理與結(jié)構(gòu)優(yōu)化。此舉不僅緩釋了試點地區(qū)的債務(wù)風(fēng)險，還為全國范圍的隱性債務(wù)化解提供了可供借鑒的經(jīng)驗。

就傳導(dǎo)機(jī)制而言，首先，從試點政策的信號效應(yīng)來看，全域無隱性債務(wù)試點能夠通過強化地方政府債務(wù)透明度、規(guī)范融資行為以及嚴(yán)格約束新增隱性債務(wù)，降低了市場對地方政府債務(wù)違約的預(yù)期，從而緩解金融機(jī)構(gòu)的避險情緒，并穩(wěn)定債券市場風(fēng)險溢價。試點地區(qū)財政透明度的提升，使得金融市場能夠更準(zhǔn)確地識別地方政府的債務(wù)狀況，減少信息不對稱導(dǎo)致的市場波動。同時，由于試點地區(qū)主要分布于廣東、上海和北京等核心經(jīng)濟(jì)區(qū)域，在一定程度上釋放出政府對隱性債務(wù)治理的堅定信號，增強了市場對政策執(zhí)行力的信任。其次，改革的示范效應(yīng)通過影響其他地區(qū)的財政金融行為，進(jìn)一步降低隱性債務(wù)風(fēng)險的跨區(qū)域傳染。一方面，試點地區(qū)率先推進(jìn)隱性債務(wù)治理，形成可供借鑒的債務(wù)管理模式，促使其他地區(qū)調(diào)整財政政策，減少隱性債務(wù)累積，從而降低區(qū)域間的債務(wù)外溢。另一方面，改革提高了地方政府間財政一金融網(wǎng)絡(luò)的穩(wěn)定性?；诰W(wǎng)絡(luò)分析揭示的風(fēng)險溢出路徑，試點改革對上海等核心節(jié)點的治理能夠有效阻滯風(fēng)險在關(guān)鍵中介節(jié)點路徑的傳播，降低隱性債務(wù)風(fēng)險的跨區(qū)域溢出能力。此外，市場可能基于試點經(jīng)驗重新調(diào)整對不同地區(qū)的地方政府債務(wù)風(fēng)險定價，在給予治理規(guī)范地區(qū)較低風(fēng)險溢價的同時，對仍依賴隱性融資的地區(qū)施加更高的風(fēng)險補償，從而對全國隱性債務(wù)優(yōu)化形成倒逼效應(yīng)，進(jìn)一步抑制隱性債務(wù)風(fēng)險的跨區(qū)域擴(kuò)散。綜合來看，全域無隱性債務(wù)試點改革不僅通過政策信號穩(wěn)定市場預(yù)期，還通過示范效應(yīng)推動地方債務(wù)治理模式轉(zhuǎn)型，從而在財政一金融網(wǎng)絡(luò)中發(fā)揮系統(tǒng)性風(fēng)險的緩釋作用，最終削弱地方隱性債務(wù)風(fēng)險與金融市場壓力之間的尾部傳染。

基于上述分析，本文利用事件研究法，考察全域無隱性債務(wù)試點對地方隱性債務(wù)與金融市場壓力尾部風(fēng)險傳染的影響。為提高模型政策評估效率，本文在構(gòu)建事件分析模型時，通過因子分析法將前述檢驗的經(jīng)濟(jì)政策、宏觀經(jīng)濟(jì)、市場情緒以及地緣政治風(fēng)險四類關(guān)鍵變量提取關(guān)鍵因子，并進(jìn)一步加入Fama-French模型中確定的五類因子作為控制變量，從而緩解遺漏變量問題對政策效果識別造成的干擾。需要注意的是，受宏觀經(jīng)濟(jì)數(shù)據(jù)的統(tǒng)計頻率限制，模型中所使用的變量觀測頻率調(diào)整為月度數(shù)據(jù)，評估方程如式（3）所示：

Y_t=β₀+β_IPolicyDummy_t+β₂X_t+β₃F_t+Year+ε_t

其中， Y_t 為地方隱性債務(wù)與金融市場壓力尾部溢出關(guān)聯(lián)指數(shù)，PolicyDummyt表示事件窗口虛擬變量，以2021年10月為時間節(jié)點，考慮預(yù)期效應(yīng)以及試點完成周期，將事件窗口設(shè)置為［-6，+12 ]，若PolicyDummyt在事件窗口期內(nèi)，則賦值為1，反之為0。 X_t 表示使用因子分析法提取的控制變量因子， F_t 為Fama-French五因子變量集，Year為年份固定效應(yīng)。為實現(xiàn)模型估計，表6展示了利用因子分析法合成控制變量因子的分析結(jié)果，結(jié)果表明，選取的影響因素變量可以歸類為五個主因子，各因子的特征值均大于1，累積貢獻(xiàn)率達(dá)到 73.2% ，表明因子模型能夠較好地解釋變量間的共性結(jié)構(gòu)。

根據(jù)因子分析結(jié)果，可以將控制變量整合為因子得分后代入回歸模型，進(jìn)而對式（3）進(jìn)行估計，全域無隱性債務(wù)試點對地方隱性債務(wù)與金融市場壓力尾部風(fēng)險聯(lián)動結(jié)果如表7所示，可以發(fā)現(xiàn)，政策虛擬變量Window的系數(shù)為 -0.437 ，且在 5% 水平上顯著，表明在全域無隱性債務(wù)試點的事件窗口內(nèi)，試點政策顯著降低了總溢出指數(shù)（TCI）。政策實施整體抑制了地方隱性債務(wù)與金融市場壓力之間的尾部溢出效應(yīng)。表7第2列展示了分時段事件窗口回歸結(jié)果，盡管政策實施前六個月的預(yù)期效應(yīng)Pre_event系數(shù)為 -0.209 ，但并不顯著，這表明政策頒布前市場并未表現(xiàn)出明顯的尾部風(fēng)險緩解跡象。相較而言，政策實施后的兩個階段均顯示出顯著的尾部風(fēng)險緩釋效果。其中，事件實施后前六個月Post_event1系數(shù)在 1% 的水平下顯著為負(fù)，表明政策實施初期通過專項債務(wù)置換與再融資措施迅速降低了尾部溢出效應(yīng)。事件第二個階段為政策實施后6個月至12個月，Postevent2系數(shù)進(jìn)一步顯著下降至 -0.626 ，該結(jié)果表明，隨著政策的持續(xù)推進(jìn)，試點工作在中長期內(nèi)對隱性債務(wù)的治理成效逐步顯現(xiàn)，并進(jìn)一步強化了對金融市場尾部風(fēng)險的抑制作用。

五、研究結(jié)論及政策啟示

本文將機(jī)器學(xué)習(xí)降維方法與傳統(tǒng)的QVAR模型相結(jié)合，利用LASSO-QVAR模型得出自回歸系數(shù)，并以此為基礎(chǔ)將分位數(shù)Granger檢驗納入傳統(tǒng)的溢出網(wǎng)絡(luò)分解框架，探究地方隱性債務(wù)風(fēng)險與金融市場壓力間的尾部溢出效應(yīng)。更進(jìn)一步地，在利用滾動窗口法獲得溢出效應(yīng)動態(tài)變化趨勢的基礎(chǔ)上，通過施加CUSUM檢驗識別潛在突變特征，得以挖掘并歸納可能存續(xù)的影響機(jī)制及異質(zhì)性特征。最后，本文結(jié)合事件研究法，以2021年10月全域無隱性債務(wù)試點為關(guān)鍵事件節(jié)點，分析該政策在緩解隱性債務(wù)風(fēng)險與金融市場壓力尾部關(guān)聯(lián)中的效果，為政策優(yōu)化提供實證支持。主要研究結(jié)論如下：

第一，在極端左尾情境下，地方隱性債務(wù)風(fēng)險與金融市場壓力之間存在密切的尾部溢出特征，其中，金融市場在地方隱性債務(wù)的風(fēng)險傳染網(wǎng)絡(luò)中主要發(fā)揮風(fēng)險吸收作用，處于風(fēng)險承壓地位。從動態(tài)溢出視角來看，地方隱性債務(wù)風(fēng)險與金融市場壓力之間呈現(xiàn)出顯著的時變效應(yīng)和突變特征。

第二，從影響因素來看，經(jīng)濟(jì)政策、宏觀經(jīng)濟(jì)、市場情緒以及地緣政治風(fēng)險對地方隱性債務(wù)風(fēng)險與金融市場壓力之間的溢出水平具有重要作用。

第三，無論是在信用評級還是城市集群分組溢出網(wǎng)絡(luò)中，金融市場始終處于承壓地位，在凈溢出水平中表現(xiàn)為風(fēng)險接收節(jié)點。

第四，以全域無隱性債務(wù)試點為代表的化債政策顯著降低了地方隱性債務(wù)風(fēng)險與金融市場壓力之間的尾部傳染效應(yīng)，并且在實施后短期和長期均表現(xiàn)出顯著的效果。

基于上述研究結(jié)論，本文得出如下政策啟示：

第一，鑒于經(jīng)濟(jì)政策、市場情緒和外生突發(fā)事件等沖擊對尾部溢出效應(yīng)的顯著影響，在國內(nèi)外經(jīng)濟(jì)環(huán)境日趨復(fù)雜的背景下，穩(wěn)定市場預(yù)期、優(yōu)化市場乃至公眾情緒管理或?qū)⒊蔀樽韪舻胤诫[性債務(wù)風(fēng)險擴(kuò)散的重要途徑。此外，考慮到房地產(chǎn)景氣程度對地方隱性債務(wù)與金融市場關(guān)聯(lián)網(wǎng)絡(luò)溢出的強化效果，一方面，應(yīng)加強對土地供應(yīng)和住房信貸的雙邊調(diào)控，確保房地產(chǎn)市場的供需平衡，從源頭上遏制房地產(chǎn)泡沫積累；另一方面，要強化對具有系統(tǒng)重要性房企的財務(wù)監(jiān)管，避免出現(xiàn)由于過度借貸導(dǎo)致的爆雷風(fēng)險。同時，地方政府應(yīng)繼續(xù)推動租購并舉的住房制度改革，增加保障性住房供應(yīng)，減少市場投機(jī)性需求。

第二，政府應(yīng)加強對地方隱性債務(wù)的監(jiān)管，構(gòu)建動態(tài)的隱性債務(wù)預(yù)警機(jī)制，實時監(jiān)控地方政府債務(wù)水平及其對金融市場的潛在影響，及時識別并化解系統(tǒng)性金融風(fēng)險的傳導(dǎo)鏈條，防范潛在的系統(tǒng)性金融風(fēng)險蔓延。同時，應(yīng)在政策層面引導(dǎo)區(qū)域協(xié)調(diào)發(fā)展，避免由經(jīng)濟(jì)發(fā)展不平衡導(dǎo)致地方隱性債務(wù)風(fēng)險溢出現(xiàn)象的發(fā)生。

第三，從國際經(jīng)濟(jì)形勢來看，國內(nèi)經(jīng)濟(jì)政策應(yīng)增強前瞻性與靈活性，加強跨部門協(xié)同監(jiān)管。政策制定應(yīng)在契合中國實際國情的同時，充分考慮國際經(jīng)濟(jì)形勢變化，結(jié)合主要發(fā)達(dá)國家宏觀經(jīng)濟(jì)政策的動態(tài)調(diào)整，及時更新國內(nèi)政策應(yīng)對措施。此外，針對外生沖擊和地緣政治風(fēng)險的潛在影響，應(yīng)加快構(gòu)建跨部門協(xié)同預(yù)警及應(yīng)急響應(yīng)機(jī)制，確保房地產(chǎn)行業(yè)、金融市場和地方政府債務(wù)的協(xié)調(diào)監(jiān)管，通過提升金融市場的韌性與彈性，實現(xiàn)系統(tǒng)性風(fēng)險的有效防控。

第四，地方政府債務(wù)管理應(yīng)采取更為系統(tǒng)化的改革路徑，在利用專項債務(wù)置換、財務(wù)重組和風(fēng)險轉(zhuǎn)移等手段實現(xiàn)債務(wù)平滑治理的同時，還應(yīng)注重金融市場的信號傳遞，增強債務(wù)管理的透明度。政府應(yīng)加強對地方政府債務(wù)的市場化治理，引導(dǎo)地方政府合理借貸，并鼓勵債務(wù)重組或融資結(jié)構(gòu)調(diào)整，從而減少債務(wù)風(fēng)險的積累。

注釋：

① 李政、李麗雯、劉淇：《我國行業(yè)間尾部風(fēng)險溢出的測度及時空驅(qū)動因素研究》，《統(tǒng)計研究》2024年第2期。

② N.Gennaioli，A.Martin， S.Rossi，Banks，GovernmentBonds，andDefault：WhatDotheDataSay？JournalofMonetaryEconomics，2018，98，pp.98-113.

③ 徐軍偉、毛捷、管星華：《地方政府隱性債務(wù)再認(rèn)識一基于融資平臺公司的精準(zhǔn)界定和金融勢能的視角》，《管理世界》2020年第9期。

④? 蔡慶豐、吳奇艷、吳冠?。骸兜胤诫[性債務(wù)、銀行風(fēng)險感知與企業(yè)信貸可得性》，《中國工業(yè)經(jīng)濟(jì)》2024年第1期。

⑤ 宮曉莉、熊熊、張維：《我國金融機(jī)構(gòu)系統(tǒng)性風(fēng)險度量與外溢效應(yīng)研究》，《管理世界》2020年第8期。

⑥ 張牧揚、潘妍、余泳澤：《社會信用、剛兌信仰與地方政府隱性債務(wù)》，《金融研究》2022年第10期。

⑦ 范小云、鄒小備、楊昊晰：《城投債風(fēng)險多重溢出效應(yīng)研究—以信用債市場為媒介的視角》，《財貿(mào)經(jīng)濟(jì)》2023年第7期。

⑧ 劉津宇、梁洛銘、毛捷、柏金春：《非標(biāo)違約與城投債發(fā)行定價》，《中國工業(yè)經(jīng)濟(jì)》2024年第10期。

⑨ A.Vasquez，X.Xiao，Default Risk and Option Returns，Management Science，2024，70（4），pp.2144-2167.

⑩ 吉富星、洪源、秦玉奇：《地方政府舉債融資機(jī)制與隱性債務(wù)管理—基于對撤縣設(shè)區(qū)改革中政府舉債行為的分析》，《中國農(nóng)村經(jīng)濟(jì)》2024年第3期。

? C.Checherita-Westphal，P.Rother，The ImpactofHighGovernment Debt on Economic Growth and Its Channels：AnEmpirical Investigation for the Euro Area， European EconomicReview，2012，56（7），pp.1392-1405.

? 熊琛、周穎剛、金昊：《地方政府隱性債務(wù)的區(qū)域間效應(yīng)：銀行網(wǎng)絡(luò)關(guān)聯(lián)視角》，《經(jīng)濟(jì)研究》2022年第7期。

? 宋科、孟源祎、尹李峰：《地方政府隱性債務(wù)的金融風(fēng)險傳導(dǎo)機(jī)制研究》，《經(jīng)濟(jì)學(xué)家》2023年第3期。

? 楊子暉、陳雨恬、李東承：《信用風(fēng)險傳染效應(yīng)與外溢沖擊研究》，《經(jīng)濟(jì)研究》2024年第5期。

? 方意、和文佳、荊中博：《中國實體經(jīng)濟(jì)與金融市場的風(fēng)險溢出研究》，《世界經(jīng)濟(jì)》2021年第8期。

? M.Azzimonti，E.D.Francisco，V.Quadrini，F(xiàn)inancialGlobalization，Inequality，and the Rising Public Debt，AmericanEconomic Review，2014，104（8），pp.2267-2302.

? C.M.Reinhart， V.Reinhart，K.Rogoff， Dealingwith Debt， Journal of International Economics，2015，96，pp.S43-S55.

? Y.Liu，Government Debt and Risk Premia， Journal ofMonetary Economics，2023，136，pp.18-34.

? 聶卓、劉松瑞、玄威：《從“主動負(fù)債”到“被動負(fù)債”：中央監(jiān)管轉(zhuǎn)變下的隱性債務(wù)擴(kuò)張變化》，《經(jīng)濟(jì)學(xué)（季刊）》2023年第6期。

? 汪峰、熊偉、張牧揚、鐘寧樺：《嚴(yán)控地方政府債務(wù)背景下的PPP融資異化——基于官員晉升壓力的分析》，《經(jīng)濟(jì)學(xué)（季刊）》2020年第3期。

? 吳海軍、楊其靜、陽鎮(zhèn)：《增長壓力、商住用地出讓與融資平臺債務(wù)擴(kuò)張》，《金融研究》2023年第11期。

? 毛捷、韓瑞雪、劉沖：《融資平臺債務(wù)增長的新機(jī)理疏空如網(wǎng)約的視角》汶宏＼4左策1期

? Z.Chen，Z.He，C.Liu，The Financing of Local Government in China：Stimulus Loan Wanes and Shadow Banking Waxes，Journal of Financial Economics，2020，137（1），pp.42-71.

? 焦瑋琳、鄭維偉、鄭旭：《城投債融資成本與風(fēng)險傳染——基于非標(biāo)融資違約的視角》，《財經(jīng)研究》2024年第11期。

? 曹婧：《房地產(chǎn)調(diào)控的風(fēng)險溢出效應(yīng)—來自融資平臺購地的證據(jù)》，《管理世界》2025年第1期。

? 王勁松、唐洛秋、黃佳祥、武文慧、韓向宇：《房價波動對地方政府債務(wù)穩(wěn)定性的影響一—基于隱性擔(dān)保和支出效率的分析》，《金融研究》2024年第6期。

? F.X.Diebold，K.Yilmaz，On the Network Topology ofVariance Decompositions：Measuring the Connectedness ofFinancial Firms，Journal of Econometrics，2014，182（1），pp.119-134.

? J.Barunik，T. Krehlik，Measuring the Frequency DynamicsofFinancialConnectedness and SystemicRisk，Journal ofFinancial Econometrics，2018，16（2），pp.271-296.

? 曹廷求、張翠燕：《中國區(qū)域金融周期的時變特征及區(qū)域溢出聯(lián)動性——基于LASSO-VAR模型的研究》，《經(jīng)濟(jì)學(xué)動態(tài)》2021年第11期。

? T.Ando，M.Greenwood-Nimmo，Y.Shin，Quantile Connectedness：Modeling Tail Behavior in the Topology ofFinancial Networks，Management Science，2022，68（4），pp.2401-2431.

? Q. Zhang，R.Wei， Carbon Reduction Attention and Financial Market Stress：A Network Spillover Analysis Based on Quantile VAR Modeling，Journal of Environmental Management，2024，356，p.120640.

? R.Koenker， J.A.F.Machado，Goodness of Fit and Related Inference Processes for Quantile Regression，Journal of the American Statistical Association，1999，94（448），pp.1296-1310.

? 楊子暉、王姝黛、李東承、冷鐵成：《債務(wù)風(fēng)險傳染的多重網(wǎng)絡(luò)研究》，《金融研究》2023年第3期。

? 李敏波、梁爽：《監(jiān)測系統(tǒng)性金融風(fēng)險—中國金融市場壓力指數(shù)構(gòu)建和狀態(tài)識別》，《金融研究》2021年第6期。

作者簡介：張慶君，天津財經(jīng)大學(xué)金融學(xué)院教授、博士生導(dǎo)師，天津，300222；危仁義，天津財經(jīng)大學(xué)金融學(xué)院博士研究生，天津，300222。

（責(zé)任編輯 李燈強）