李堪

引 言

始于2007年的金融危機讓我們看到了系統(tǒng)性風險的普遍性，伴隨著雷曼兄弟的倒閉，金融危機達到了高潮。從2010年第一季度開始，部分國家開始出現(xiàn)主權(quán)債務危機，其中歐元區(qū)的“歐豬五國”(希臘、葡萄牙、西班牙、愛爾蘭、意大利，PIIGS)尤為嚴重，四處蔓延的動蕩在2011年夏天也達到了高峰。2013年，在歐債危機稍稍平息大半年之后，塞浦路斯一石激起千層浪，再度讓歐債危機的神經(jīng)繃緊。歐債危機依然很脆弱，哪怕一個小的導火索依然可以再度重燃歐債危機的大火。

歐洲多國陷入主權(quán)債務危機，表現(xiàn)出一定的“危機傳染”現(xiàn)象，危機傳染是金融動蕩快速蔓延形成系統(tǒng)性危機的傳導機制之一。不可否認，歐元區(qū)國家不審慎的財政政策以及沒能保持國家間的適度競爭成為歐洲主要國家陷入主權(quán)債務危機的根本原因，但危機傳染在主權(quán)債務危機的問題擴散中也確實發(fā)揮了重要作用。因此研究主權(quán)債務危機的傳染效應對于這些國家制定對策，控制并減輕傳染效應，實施有效的危機管理十分重要。歐洲央行試圖采取一些干預措施控制危機傳染，然而效果甚微，反而削弱了國家維持物價穩(wěn)定的能力。分析債務危機在歐元區(qū)國家間的傳播過程，研究債務危機的傳染機制，對于當局制定合適的救助措施和政府干預政策是十分重要的，并且是十分有意義的。

危機傳染內(nèi)涵及文獻述評

危機傳染(Crisis Contagion)是指經(jīng)濟動蕩由某個市場或者機構(gòu)向其他市場或者機構(gòu)傳導的過程，該定義包含兩層面的含義:一是如果沒有發(fā)生最初的經(jīng)濟動蕩，就不會有危機的蔓延;二是經(jīng)濟動蕩蔓延的速度、強度以及范圍超過了市場預期(Vitor Constancio，2012)。從經(jīng)濟學來看，傳染屬于經(jīng)濟外部性的范疇，即某一經(jīng)濟主體的經(jīng)濟活動對另外一個經(jīng)濟主體產(chǎn)生了影響，但這種影響無法依靠市場價格機制來解決。在金融市場中，市場參與主體間往來密切，互相影響，也無法通過共同簽訂某種協(xié)議來解決外部性的問題(Coase，1960)。危機傳染并非危機產(chǎn)生的根源，而是危機蔓延的“過程”。當宏觀經(jīng)濟不斷惡化和財政失衡不斷擴大，經(jīng)濟系統(tǒng)穩(wěn)定性被不斷削弱，負面的影響通過不同的傳導機制影響其他經(jīng)濟體，此時的危機傳染效應要遠遠高于經(jīng)濟穩(wěn)定時期的傳染效應。

從現(xiàn)有的文獻來看，經(jīng)濟體之間的傳導機制復雜多樣，影響因素多，要識別出純粹的危機傳染存在一定難度。國外學者識別危機傳染的標準主要有:(1)經(jīng)濟體間的影響機制不能用基礎的經(jīng)濟活動來解釋(Bekaert etc.，2005);(2)經(jīng)濟體間影響機制變化不同于穩(wěn)定時期的常規(guī)調(diào)整(Forbes and Rigobon，2002);(3)傳染的事件都是一系列的極端事件組成，并且這些事件是相繼出現(xiàn)的，存在一定的因果關系(Hartmann etc.，2004，2006)。然而上述標準中哪一種標準是識別危機傳染的充要條件，在理論界尚未達成共識。

在危機傳染備受關注之后，很多研究人員或者金融機構(gòu)都開始研究金融危機傳染效應的識別和檢驗。綜合前人的研究來看，主要的金融危機傳染的識別和檢驗方法有:(1)波動性分析(King等，1990);(2)相關性分析(Forbes和Rigobon，2002);(3)動態(tài)分析方法(Chiang等，2010;Hong，2001)。波動性分析和相關性分析是數(shù)據(jù)靜態(tài)分析方法，然而危機時期傳染可能是即時發(fā)生的，但是對其檢測卻依賴于滯后期數(shù)據(jù)，因此使用靜態(tài)的相關系數(shù)或者靜態(tài)檢驗可能得到錯誤的結(jié)論。動態(tài)分析方法可以克服波動性分析方法和相關性分析方法的缺陷，可以刻畫經(jīng)濟體間相關性隨時間推移的變化，更容易識別和檢測危機傳染效應的存在。

從研究對象來看，金融危機傳染一直是國內(nèi)外學者研究的熱點，在歐洲主權(quán)債務危機發(fā)生后，對主權(quán)債務危機的傳染研究尚屬新課題，現(xiàn)有的文獻還很少。Missio和Watzka(2012)采用了DCC模型檢驗了歐元區(qū)國家間債務危機的擴張是由于傳染效應引起的還是由經(jīng)濟基礎的問題引起的。通過實證他們認為，在歐元區(qū)的確存在債務危機的傳染效應，該傳染效應是由于評級公司公布的國家評級變動報告引起的，該結(jié)論對于當局采取正確的政策干預措施十分重要。歐洲央行(ECB)提出了狀態(tài)研究的分析方法來識別主權(quán)債務危機傳染效應，如果數(shù)據(jù)和分析方法表明經(jīng)濟體之間存在顯著的波動溢出，當局就應當采取措施阻止危機傳染的風險(Vitor Constancio，2012)。

本文擬先分析歐債危機的傳播途徑，研究歐債危機的傳導機制，然后采用基于時變Copula理論的動態(tài)分析方法和事件宣告效應檢驗歐元區(qū)國家之間是否存在顯著的危機傳染效應。本文的主要貢獻在于:①研究歐洲主權(quán)債務危機在歐洲主要國家間的傳染機制，目前該方面的研究文獻相對較少;② 采用時變Copula理論和事件宣告效應檢驗歐洲主權(quán)債務危機傳染效應的存在性，目前國內(nèi)外尚未發(fā)現(xiàn)采用此方法研究債務危機傳染效應的文獻。本文首先研究危機傳染的內(nèi)涵，然后結(jié)合歐洲主權(quán)債務危機發(fā)展的歷程，分析其傳導機制，在此基礎上通過建立時變Copula函數(shù)檢驗歐元區(qū)國家是否存在主權(quán)債務危機傳染效應，最后得出結(jié)論和政策建議。

歐洲主權(quán)債務危機傳染機制

2010年開始，歐元區(qū)陷入了主權(quán)債務危機的泥淖，不斷上升的政府財政赤字和債務比率引發(fā)了國際評級機構(gòu)(標普、惠譽、穆迪)紛紛調(diào)低幾個歐元區(qū)國家的評級，金融市場上的信心不足，引發(fā)一時的動蕩。歐元區(qū)主要國家的國債收益率出現(xiàn)分化，希臘、愛爾蘭、葡萄牙等國的國債收益率急劇上升，與德國、法國等經(jīng)濟相對穩(wěn)定的國家的國債收益率價差變大。2010年5月9日，歐洲財政穩(wěn)定機制成立，IMF也采取了一系列的政府干預措施，試圖扭轉(zhuǎn)國債收益率價差拉大的趨勢，控制希臘危機的進一步惡化，然而效果并不顯著，其他國家也紛紛陷入債務危機。希臘是最早陷入主權(quán)債務危機的國家，也一直被認為是歐債危機的起源，雖然不斷地接受歐洲央行、歐元區(qū)其他成員以及IMF的救助，但其經(jīng)濟形勢一直沒有好轉(zhuǎn)。

圖1 歐元區(qū)主要國家十年期國債收益率走勢圖

國債收益率表征了一國財政通過國債融資的成本，國債收益率過高，表明該國融資成本高，債券面臨的風險也越大。圖1給出了歐元區(qū)主要國家的十年期國債收益率的走勢圖。根據(jù)走勢圖可以發(fā)現(xiàn)，在2010年以前，歐元區(qū)主要國家的國債收益率相差無幾，都在5%左右，變化趨勢也較為一致;然而從2010年第一季度開始，國債收益率出現(xiàn)了分化，“歐豬五國”的國債收益率飆升，飆升帶來的結(jié)果就是這些國家的融資成本大幅上升，本來就岌岌可危的財政就更加脆弱不堪，國家支付能力下降，更加難以發(fā)行國債，市場信心急劇下降，債務危機陡然爆發(fā)。這些國家債務危機的發(fā)生可能是由于這些國家自身經(jīng)濟基礎出現(xiàn)了嚴重的問題，然而也可能根本不是由于自身經(jīng)濟環(huán)境的惡化引起的，而是由于希臘債務危機“傳染”引起的。

歐元區(qū)國家作為貨幣聯(lián)盟中的一員，其經(jīng)濟往來密切，互相影響，由于沒有獨立的貨幣政策，其刺激經(jīng)濟的主要措施就是依賴財政政策。國家間影響機制主要有兩個渠道:一是通過實體經(jīng)濟傳導，即歐元區(qū)國家統(tǒng)一了貨幣，勞動力流動的限制也較小，國家間的經(jīng)濟貿(mào)易往來密切，實體經(jīng)濟之間關系愈發(fā)緊密，一旦某成員國陷入債務危機，則可能導致處于其產(chǎn)業(yè)鏈上下游的、與該國經(jīng)濟密切的其他成員國面臨無法回收債權(quán)的風險加大，銀行的經(jīng)營風險加大，國家也陷入債務危機，乃至經(jīng)濟危機;二是通過虛擬經(jīng)濟傳導，即通過金融市場上的海量信息，將某一成員國的負面的消息傳導至其他國家，并引發(fā)其他國家金融市場的恐慌，致使金融資產(chǎn)價格下降，風險積聚，形成債務危機。兩種傳導途徑雖然結(jié)果相同，但是傳導的“介質(zhì)”是不同的，通過實體經(jīng)濟傳導，必然伴隨著真實經(jīng)貿(mào)往來和真實現(xiàn)金流的產(chǎn)生;而通過虛擬經(jīng)濟傳導，則主要通過信息來傳播，通過影響市場信心和市場預期，影響其他國家的金融市場。事實上，通過實體經(jīng)濟影響其他國家的傳導機制，并不能稱為“危機傳染”，因為這種傳導機制下，危機的蔓延過程并不會很快，傳導的速度、強度和范圍也不會超出市場預期，這僅僅是不同市場間正常的“波動溢出”;由此可見，通過虛擬經(jīng)濟影響其他國家的傳導機制符合“危機傳染”的特征，這種傳導機制才可以被稱為“危機傳染”。

在債務危機時期，我們可以看到很多這樣的實例。2011年7月，市場上對希臘違約的擔心日益加強，穆迪于7月5日進一步降低了葡萄牙的主權(quán)評級。希臘違約的擔憂和葡萄牙主權(quán)評級被降級又引發(fā)了西班牙和意大利債券市場的強震。在西班牙和意大利的實體經(jīng)濟并沒有顯著惡化的情況下，7月18日意大利的國債收益率仍然飆升了100個基點，西班牙的國債收益率也飆升了80多個基點。

我們認為此次危機傳染的路徑大抵如此:由于市場擔心希臘違約，債券市場的人心惶惶，投資者理性地認為應當趁機減少政府國債，同時也要減少歐元區(qū)貨幣局其他成員國的債券風險暴露，即減少債券頭寸。還有些風險規(guī)避的投資者由于債市的高波動性，選擇退出某些市場。這就導致了其他國家債券市場的不平衡，其他國家通過發(fā)行債券的自融資模式的可持續(xù)性被破壞。債券需求的降低導致了債券價格的下降，而這又反過來蠶食了債券持有者的資產(chǎn)價值，債券持有者則會選擇其頭寸尚處于正敞口時或者處于最小損失時進一步減少債券頭寸，避免未來高波動性和不確定性帶來更大的損失。市場由此失去了流動性，這更加加大了債券價格下行的壓力，將債券收益率拉高到更高的水平。這對于急需融資的政府來說，未來債務負擔更大，債務可持續(xù)性急劇惡化。這進一步確認了投資者的預期，投資者愈發(fā)失去信心，債務危機由此傳染至其他國家。由此我們有充足的理由相信，在債務危機的蔓延過程中，危機傳染效應確實發(fā)揮了重要作用。

基于上述分析，我們擬首先研究不同國家債券市場的時變相關性，然后通過檢測國家間債券市場的相關系數(shù)是否存在結(jié)構(gòu)性變點來檢驗和證明債券危機傳染效應的存在性。

Copula理論及模型構(gòu)建

Copula該理論是由Sklar在1959年提出來的，他指出幾個隨機變量之間的聯(lián)合分布可以分解為這幾個隨機變量的邊緣分布和一個對應的Copula函數(shù)，也就是說，Copula函數(shù)是將隨機變量的邊緣分布函數(shù)與其聯(lián)合分布函數(shù)連接起來的函數(shù)。因此Copula函數(shù)也被稱為“連接函數(shù)”，可以用于研究邊緣分布函數(shù)的相關性。

最早建立時變性動態(tài)Copula模型的學者是 Patton(2001)，后來 Patton(2006)又進一步發(fā)展了時變Copula模型。Patton(2001)通過建立一個類似于ARMA(1，10)的過程來描述二元正態(tài)Copula模型中反映相關程度的參數(shù)ρ的時變性，進而反映相關結(jié)構(gòu)的時變動態(tài)性。Patton(2006)建立了參數(shù)隨時間變化的動態(tài)演化過程，建立了時變Copula模型，并且依據(jù)Copula函數(shù)與參數(shù)ρ的非線性關系，在U=u的條件下，對V做了條件預測。Patton提出的時變Copula模型參數(shù)演化方程的方法可以擴展到其他Copula族函數(shù)模型和其他的相關性測度指標上，建立普遍意義上的時變Copula模型。本文對時變Copula模型的研究基于Patton(2001，2006)的文獻。

(一)時變Copula模型相關系數(shù)

構(gòu)建時變Copula模型，Copula模型相關參數(shù)的演化方程是最重要的。為確定參數(shù)演化方程的形式，我們必須明確相關參數(shù)的具體經(jīng)濟意義，然后依據(jù)經(jīng)濟理論確定參數(shù)變化的影響因素，得到經(jīng)濟意義明確的參數(shù)時變演化方程和時變Copula模型。然而在實際應用中，Copula函數(shù)的選擇則是根據(jù)研究對象的特征，從現(xiàn)有的Copula函數(shù)族中選取或者拓展的，因此選取的Copula函數(shù)中的參數(shù)可能會沒有明確的經(jīng)濟意義，而只是單純的從數(shù)值上來反映相關性的程度。根據(jù)參數(shù)演化方程的思想，自然也可以構(gòu)建這些參數(shù)的動態(tài)演化方程，然而由于不能夠明確參數(shù)的具體意義，以及很難確定影響參數(shù)變化的因素，所以建立這樣的參數(shù)的動態(tài)演化方程意義不大。因此在建立時變Copula模型時，必須根據(jù)Copula理論從相關的指標中選取一個具有明確經(jīng)濟意義，且能夠與Copula函數(shù)中相關參數(shù)具有一一對應關系的指標作為橋梁，通過確定該指標的動態(tài)時變演化方程來反映Copula函數(shù)參數(shù)的動態(tài)時變過程，從而達到刻畫動態(tài)相依結(jié)構(gòu)的目的。

Copula函數(shù)有很多族，本文選用兩個橢圓族Copula函數(shù)(t-Copula函數(shù)、Gaussian-Copula函數(shù))和兩個阿基米德族Copula函數(shù)(Clayton Copula函數(shù)和SJC-Copula函數(shù))構(gòu)建動態(tài)的Copula模型，通過Copula模型估計得到各個資本市場之間的動態(tài)的相關系數(shù)的參數(shù)估計。該相關系數(shù)的動態(tài)時變過程反映了各個資本市場的動態(tài)相依程度，對其分析可以研究金融危機傳染效應的存在。

1.時變二元正態(tài)Copula模型相關系數(shù)

對于二元正態(tài)Copula函數(shù)的分布函數(shù)，Patton(2001)將參數(shù)ρ的演化方程用一個類似于ARMA(1，10)的過程來描述，即:

二元正態(tài)Copula函數(shù)作為一種橢圓族Copula函數(shù)，其分布具有對稱性和尾部漸進獨立性，因此無法捕捉到隨機變量之間的非對稱的相關關系和非對稱的尾部相依結(jié)構(gòu)。

2.時變二元t-Copula模型相關系數(shù)

一般而言，對于t-Copula函數(shù)，多假設自由度不隨著時間的變化而推移，因為自由度的具體經(jīng)濟意義不是十分明確，并且影響自由度變化的因素也較難確定，因此，構(gòu)建自由度的時變演化方程的意義不大。

時變t-Copula模型的相關系數(shù)的演化方程可以根據(jù)Tse和Tsui(2002)的思想來構(gòu)建。其方程形式與正態(tài)Copula模型的相關系數(shù)演化方程類似。形式如下:

其中R為樣本的協(xié)方差，rt為滾動窗口期內(nèi)樣本的相關系數(shù)。

t-Copula函數(shù)也一種橢圓族Copula函數(shù)，其分布具有對稱性和尾部漸進獨立性，因此也無法捕捉到隨機變量之間的非對稱的動態(tài)相關關系和非對稱的動態(tài)尾部相依結(jié)構(gòu)。

3.時變二元Clayton Copula模型和時變SJC-Copula模型相關系數(shù)

Clayton Copula函數(shù)在描述具有下尾相關特性的金融市場相關時優(yōu)勢明顯，在分析熊市行情時，能夠準確地描述股票市場之間的相關結(jié)構(gòu)以及股票價格之間的相關結(jié)構(gòu)。如當一個股票市場或一支股票價格表現(xiàn)出暴跌時，另一個股票市場或其他股票價格也出現(xiàn)暴跌的可能性較大，這樣的相關結(jié)構(gòu)就可以用Clayton Copula函數(shù)的下尾部相關系數(shù)很好地刻畫出來。因此我們在研究金融危機傳染效應時，主要采用的阿基米德Copula函數(shù)是Clayton Copula函數(shù)和Symmetrized Joe-Clayton Copula函數(shù)(SJC Copula函數(shù))。

對于Clayton Copula函數(shù)，我們主要構(gòu)建Kendall的τ的時變演化方程來反映隨機變量的動態(tài)相依結(jié)構(gòu)。根據(jù)Patton(2006)建立時變Copula模型相關系數(shù)演化方程的思想，我們可以建立時變二元Clayton Copula函數(shù)的Kendall的秩相關系數(shù)的動態(tài)演化方程:

其中函數(shù)Λ為Logistic轉(zhuǎn)換函數(shù):Λ(x)=(1+e－x)－1，該函數(shù)保證了Kendall的秩相關系數(shù)τ∈(0，1)。

Joe(1997)提出了Symmetrized Joe-Clayton Copula函數(shù)，依據(jù)Patton(2006)的構(gòu)建時變Copula模型演化方程的思想可以得到時變SJC Copula函數(shù)的條件尾部相關系數(shù)的動態(tài)演化方程:

其中函數(shù)Λ為Logistic轉(zhuǎn)換函數(shù):Λ(x)= (1+e－x)－1，該函數(shù)保證了條件尾部相關系數(shù)都處于(0，1)之內(nèi)。尾部相關系數(shù)演化方程的最后一項將滯后q期內(nèi)概率積分變換后的變量的差的絕對值作為外生變量，作為度量數(shù)據(jù)與完全正相關之間距離的指標。

(二)模型構(gòu)建及估計步驟

采用非參數(shù)－MLE估計方法研究主權(quán)債務危機傳染效應的存在性分為分三個步驟:

1.非參數(shù)核密度估計

Pazen(1962)在論文中證明了采用非參數(shù)的核密度方法估計的核密度函數(shù)具有漸進相容性和漸進正態(tài)性。本文先對每個研究對象進行非參數(shù)估計，得出每個時間序列的核密度函數(shù)。核密度估計對總體分布沒有約束，條件比較寬，避免了因為總體條件假設而出現(xiàn)重大錯誤。這也是本文采用非參數(shù)核密度估計沒有采用常用的波動率模型估計的原因，因為通過波動率模型估計后的殘差的總體分布假設會對后面的Copula模型估計產(chǎn)生影響。

2.Copula模型估計

通過第一步核密度估計后得到了每個時間序列的核密度函數(shù)，然后通過概率積分變換就可以得到對應每個時間序列的新時間序列，如果這些新的時間序列服從(0，1)均勻分布，那么就說明通過非參數(shù)估計得到的核密度函數(shù)能夠充分地描述每個收益率序列的邊緣分布，因此可以用來估計Copula模型的參數(shù)。

3.結(jié)構(gòu)性變點檢測

對得到的時變相關系數(shù)進行結(jié)構(gòu)性變點檢測，通過檢驗相關系數(shù)是否存在結(jié)構(gòu)性變點，判斷國家間是否存在債務危機傳染效應。

歐債危機傳染效應實證研究

(一)數(shù)據(jù)來源、設定及處理

為了檢驗歐洲主權(quán)債務危機是否發(fā)生傳染效應，本文選擇了七個國家作為研究對象:希臘、西班牙、愛爾蘭、意大利、葡萄牙、奧地利和比利時，國家樣本中有面臨再融資問題的國家，其國債收益率大幅上升，也有沒有受危機影響的國家。此外，本文以上述國家10年期國債收益率與德國10年期收益率價差為研究對象，這是因為:德國作為歐元區(qū)最穩(wěn)定、最有影響力的經(jīng)濟體，其經(jīng)濟、政策與歐元區(qū)保持了很高的一致性，將德國國債收益率作為標準可以比較其他國家的風險溢價;將其作為無風險收益予以減去，就等同于將前述國家國債收益率中共同的貨幣政策因素和通脹預期因素予以剔除。因此，國債收益率價差實際上就代表了這些國家特定的風險溢價或者風險保證金。

本文所有數(shù)據(jù)均來自Datastream數(shù)據(jù)庫，國債收益率樣本期從2009年1月1日到2012年1月18日，每周5天日收益率數(shù)據(jù)，剔除缺少數(shù)據(jù)的日期后每個序列有778個數(shù)據(jù)。經(jīng)ADF和KPSS檢驗，國債收益率價差序列是非平穩(wěn)的序列，為一階單整序列。將每個價差序列取對數(shù)差分來表示風險溢價的變動率，序列變?yōu)槠椒€(wěn)序列，每個序列有777個數(shù)據(jù)，實證將采用價差序列的變動率(風險溢價的變動率)展開相關性研究。

希臘是最早爆出債務危機的國家，本文以希臘為主權(quán)債務危機的傳染源頭，分別對希臘和西班牙、愛爾蘭、意大利、葡萄牙、奧地利及比利時建立時變Copula模型，研究希臘對其他國家的債務危機傳染效應存在性。模型研究采用的主要軟件有:Eviews 5.1、SPSS 17.0 和 Matlab R2010a。

(二)模型估計

應用matlab計算各個時間序列最優(yōu)窗寬，得到各國國債風險溢價變化率的核密度函數(shù)。通過觀察發(fā)現(xiàn)，各個序列都具有尖峰厚尾的特征，峰度很大，且都有不同程度的左偏或者右偏。這些特征都符合高頻金融時間序列的基本特征，如果僅從收益率二階矩出發(fā)研究是不合適的。因此如果基于高頻時間序列做總體分布假定，如正態(tài)分布、學生t分布等，在此假定下做概率積分變換并估計Copula模型，得到的實證結(jié)果必然是不準確的，非參數(shù)核估計的優(yōu)勢正在于此。

對非參數(shù)估計得到的核密度函數(shù)進行概率積分變換①本文對數(shù)據(jù)做概率積分變換時沒有調(diào)用Matlab 2010a中自帶的經(jīng)驗累積分布函數(shù)(ecdf.m)，而是編程采用經(jīng)驗累積分布函數(shù)，這 里 的 1 是 示 性 函 數(shù)，即 1{A}=。二者的不同之處在于本文采用的經(jīng)驗累積分布函數(shù)的分母為(T+1)，而Matlab中的分母為T。之所以不用軟件自帶的程序代碼是因為，該程序在計算過程中會出現(xiàn)無窮大的值，這將使得程序自動報錯而停止，因此本文采用A.J.Patton提出的經(jīng)驗累積分布函數(shù)程序，程序來自:http://econ.duke.edu/～ap172/，也就是在每個價差變化率序列擬合的核密度函數(shù)下，計算每個指數(shù)收益率的經(jīng)驗分布函數(shù)，定義經(jīng)過概率積分變換后的序列為:{uit，i=1，2，…，7;t=1，2，…777}，七個概率積分變換序列順序分別為:(1)希臘;(2)西班牙;(3)愛爾蘭;(4)意大利;(5)葡萄牙;(6)奧地利;(7)比利時。經(jīng)過概率積分變換后的序列理論上服從(0，1)均勻分布，即每個值出現(xiàn)的概率都一致。

通過Kolmogorov-smirnov檢驗和Q－Q圖檢驗發(fā)現(xiàn)，經(jīng)過概率積分變換后，每個序列都不能拒絕服從(0，1)均勻分布的原假設，因此概率積分變換序列服從U(0，1)分布。檢驗概率積分變換序列的自相關性，如表1結(jié)果顯示在5%的顯著水平下，所有的序列都不能拒絕序列為隨機序列的原假設，概率積分變換序列具有獨立性，因此可以用來構(gòu)建Copula模型。

表1 各概率積分變換序列Ljung-Box Q檢驗

表2給出了希臘和其他國家國債風險溢價的最優(yōu)時變Copula模型，以及最優(yōu)模型中所要研究的時變相關系數(shù)。綜合來看，最優(yōu)模型中都是Archimedean Copula函數(shù)模型，沒有選擇橢圓族Copula函數(shù)模型，這表明Clayton函數(shù)和SJ-Clayton(SJC)函數(shù)在擬合股票市場數(shù)據(jù)時，能夠反映市場間非對稱的相關結(jié)構(gòu)，要優(yōu)于橢圓族Copula函數(shù)的擬合效果。在SJC-Copula模型中，下尾相關系數(shù)能夠較好地刻畫金融市場下跌時的相關性，因此在檢驗危機傳染效應是否存在時，對于SJC-Copula模型，我們主要研究下尾時變相關系數(shù)。

表2 最優(yōu)模型選擇

(三)實證結(jié)果分析

根據(jù)構(gòu)建的時變Copula模型可以得到希臘與其他國家的國債收益率時變相關系數(shù)，如圖2所示。表3對每組時變相關系數(shù)進行了統(tǒng)計分析，通過統(tǒng)計可以發(fā)現(xiàn)，希臘－西班牙、希臘－愛爾蘭之間時變相關系數(shù)波動率較高，方差均超過0.1，而希臘－意大利、希臘－葡萄牙之間時變相關系數(shù)波動率相對較低，方差在0.004以內(nèi)，希臘－奧地利、希臘－比利時居中。

表3 希臘與其他國家的國債收益率時變相關系數(shù)統(tǒng)計分析

續(xù)表

圖2 希臘與其他國家國債收益率價差(風險溢價)時變相關系數(shù)圖

根據(jù)模型構(gòu)建的希臘與其他國家國債收益率價差的時變相關系數(shù)圖，可以分為三種情況:

1.劇烈波動型。希臘與西班牙、愛爾蘭的相關系數(shù)波動性大，且二者波動的圖形比較類似，在波動時點前后其波動方向基本一致，并會在接近的時點達到階段內(nèi)的極值。這種情形在2010年以后尤為明顯。這有可能表明在2010年以后希臘債務危機對西班牙、愛爾蘭有著顯著的傳染效應。

2.輕微波動型。希臘與意大利和葡萄牙的相關系數(shù)情況不同于其與西班牙、愛爾蘭的類型，希臘與這兩個國家的時變相關系數(shù)相對比較穩(wěn)定，并且維持在較高的平均水平，在希臘發(fā)生危機前后，其相關系數(shù)并沒有明顯的偏離均值，而是在均值周圍輕微波動。同時，與劇烈波動型比較可以發(fā)現(xiàn)，希臘與這兩個國家的相關系數(shù)波動的方向與希臘同西班牙、愛爾蘭的相關系數(shù)波動方向也是一致的。這種情形并不能夠表明希臘與意大利、葡萄牙之間存在顯著的債務危機傳染效應。

3.反向波動型。反向波動是指相關系數(shù)波動的方向與希臘同西班牙、愛爾蘭的相關系數(shù)波動方向相反。希臘同奧地利、比利時就屬于此種情況。通過比較發(fā)現(xiàn)，當希臘與西班牙、愛爾蘭的相關系數(shù)劇烈上升時，希臘同奧地利和比利時的相關系數(shù)反而極劇下降，然后再緩慢恢復到均值水平。這表明希臘同奧地利、比利時之間可能不存在顯著的債務危機傳染效應。

上述的判斷是基于時變相關系數(shù)的變化趨勢得出的，希臘對其他國家是否存在顯著的債務危機傳染效應，還需要通過時變相關系數(shù)的結(jié)構(gòu)變點檢測才能夠予以準確判斷。

(四)相關系數(shù)結(jié)構(gòu)變點檢測

變點檢測可以確定相關系數(shù)在樣本觀察期內(nèi)是否發(fā)生結(jié)構(gòu)變化，以確定兩個國家之間是否存在債務危機傳染效應。Chow(1960)最早提出了結(jié)構(gòu)性突變的檢測方法，但該判斷依賴于主觀判斷，當序列結(jié)構(gòu)性不明顯時，外生性結(jié)構(gòu)性突變檢驗可能失效。Inchan和Tiao(1994)改進了CUSUM算法，得到迭代累計平方和算法(Iterative Cumulative Sums of Squares，ICSS)，該算法在分析可能存在多個變點的長時間序列時效果較好，因此本部分將采用ICSS算法計算相關統(tǒng)計量，分別檢測不同相關系數(shù)的結(jié)構(gòu)性變點。

表4 相關系數(shù)結(jié)構(gòu)性變點個數(shù)

表4給出了變點檢測的個數(shù)，檢測結(jié)果比較出人意料。在“歐豬五國”中，希臘與西班牙、意大利的時變相關系數(shù)在樣本觀察期內(nèi)沒有顯著的結(jié)構(gòu)性變化，均值和方差也沒有顯著偏離債務危機發(fā)生之前的水平;而希臘與愛爾蘭、葡萄牙之間存在著結(jié)構(gòu)變點。然而通過對比發(fā)現(xiàn)，希臘與愛爾蘭之間相關系數(shù)在結(jié)構(gòu)變點前后均值和方差都會發(fā)生明顯的變化;希臘與葡萄牙之間的相關系數(shù)的均值和方差在結(jié)構(gòu)變點前后只有細微的變化，這種細微的變化不足以證明希臘與葡萄牙之間存在著顯著的危機傳染效應。對于沒有發(fā)生債務危機的奧地利和比利時，希臘與兩國之間的時變相關系數(shù)也存在著結(jié)構(gòu)性變點，但是由于均值和方差的結(jié)構(gòu)性變化很小，因此沒有足夠證據(jù)證明希臘與這兩個國家之間存在顯著的債務危機傳染效應。

進一步分析希臘與愛爾蘭相關系數(shù)存在的結(jié)構(gòu)性變點發(fā)現(xiàn)，5個結(jié)構(gòu)性變點中有4個發(fā)生在2010年和2011年。2010年第一個結(jié)構(gòu)性變點出現(xiàn)在2010年3月4日左右，通過對比歐債危機的重大事件發(fā)現(xiàn)，在該時點前后恰好是歐債危機由蔓延轉(zhuǎn)向升級的過程，希臘債務危機的救助方案尚未明確的時點，在此變點后，希臘與愛爾蘭債券市場相關性明顯加強，危機傳染效應明顯;第二個結(jié)構(gòu)變點發(fā)生在2010年10月1日前后，在經(jīng)過多輪救助方案討論后，希臘獲得了第二筆貸款資金，希臘與愛爾蘭債券市場出現(xiàn)細微分化，相關性減弱;然而在2011年1月，由于希臘第二輪救助方案遲遲不能落實，標普進一步降低希臘主權(quán)債務評級，第三個結(jié)構(gòu)性變點2011年1月4日后，相關性又有明顯加強，傳染效應再次顯現(xiàn);第四個結(jié)構(gòu)性變點出現(xiàn)在2011年6月20日前后，此時希臘議會通過了為期5年的財政緊縮方案，為歐元區(qū)出臺新一輪救助方案奠定了堅實的基礎，兩國債券市場相關性逐步回歸長期平均水平，傳染效應逐步消失，而此后歐洲主權(quán)債務危機有所遏制，沒有進一步惡化的態(tài)勢。

綜上，我們通過實證發(fā)現(xiàn)在希臘發(fā)生債務危機后，愛爾蘭發(fā)生債務危機在一定程度上是受到了希臘的債務危機傳染;而對于西班牙、意大利和葡萄牙，希臘與這些國家之間不存在顯著的危機傳染效應;同樣對于沒有發(fā)生債務危機的奧地利和比利時，也不存在顯著的債務危機傳染效應。

結(jié) 論

歐洲主權(quán)債務危機的發(fā)生有其必然性。其一是因為歐元區(qū)國家加入貨幣同盟后使用統(tǒng)一的貨幣，為此他們喪失了貨幣政策的自主權(quán)，這相當于失去了調(diào)整和干預經(jīng)濟的“一只臂膀”，希臘等國家只能通過積極的財政政策來刺激經(jīng)濟，這導致希臘等國的債務在不斷膨脹，當他們無法借新債還舊債時，主權(quán)債務危機自然會發(fā)生;其二是因為希臘等國在加入歐元區(qū)后，統(tǒng)一貨幣歐元，其在貨幣市場上融資成本與德國、法國等經(jīng)濟發(fā)達國家的水平類似，這無疑更加刺激希臘等國更樂意動用財政政策調(diào)整經(jīng)濟，當市場發(fā)現(xiàn)這些國家并沒有真正的經(jīng)濟實力與德、法國家相提并論時，債券市場的收益率自然會出現(xiàn)分化，經(jīng)濟實力弱的國家融資成本就會上升，希臘等國的融資方式就不可持續(xù)，最終一定陷入債務危機。

通過本文實證發(fā)現(xiàn)，“歐豬五國”中希臘與西班牙、意大利、葡萄牙之間并沒有顯著的債務危機傳染效應，在希臘之后這三個國家紛紛陷入債務危機，其根本的原因還在于自身經(jīng)濟出現(xiàn)了問題，如國內(nèi)需求疲弱、失業(yè)率上升、財政赤字高企等;而希臘與愛爾蘭之間則存在著顯著的債務危機傳染效應，這表明愛爾蘭債務危機的出現(xiàn)在一定程度上是由于希臘傳染而來的。愛爾蘭國內(nèi)的經(jīng)濟其實并沒有其他國家那么糟，其債務比率(債務占GDP比重)低于歐洲平均水平，當這些國家爆出債務危機時，出于對危機的恐慌和本國銀行業(yè)的擔憂，愛爾蘭的債券市場收益率出現(xiàn)非理性上漲，導致愛爾蘭政府陷入危機。

本文認為，由于不同國家出現(xiàn)債務危機的原因不同，在救助時應當采取不同的救助策略。如對于希臘、西班牙、葡萄牙、意大利等國，其國內(nèi)經(jīng)濟確實出現(xiàn)問題，救助這些國家走出債務泥淖，根本的措施還在于刺激其國內(nèi)經(jīng)濟，降低失業(yè)率，讓其可以自行運轉(zhuǎn)，最終走出危機;對于愛爾蘭這樣因為危機傳染而陷入債務危機的國家，則需要預期引導來幫助市場恢復信心，降低其融資成本，危機自然會逐步解決，這就是預期的自我實現(xiàn)原理。因此我們看到當歐盟對希臘的救助政策明朗后，愛爾蘭的債券市場趨暖，收益率下降，政府的壓力自然隨之降低。

好的預期會自我實現(xiàn)，壞的預期也會自我實現(xiàn)，這事實上就債務危機傳染的主要機制。這種傳染機制可能不需要實體經(jīng)濟之間存在真實的經(jīng)濟往來，但僅靠海量信息的傳播就足以影響其他市場的信心和預期，最終將危機從一個經(jīng)濟體傳染到另一個經(jīng)濟體。

［1］Bekaert G，Harvey C，Ng A.Market integration and contagion［J］.Journal of Business，2005(78):39 －70.

［2］Chiang T C，Jeon B N，Li H.Dynamic Correlation Analysis of Financial Contagion:Evidence from Asian Markets［J］.Journal of International Money and Finance，2010，26(7):1206 －1228.

［3］Coase R.The problem of social cost［J］.Journal of Law and Economics，1960(3):1－44.

［4］Constancio Vitor，Contagion and the European debtcrisis［C］.Financial Stability Review，April，2012:109 －121.

［5］Forbes K，Rigobon R.No Contagion，Only Interdependence:Measuring Stock Market Co－ movement［J］.Journal of Finance，2002(57):2223 －2261.

［6］Hartmann P，Staetmans S，de Vries C G.Asset market linkages in crisis periods［J］.Review of Economics and Statistics，2004(86):313 －326.

［7］Hartmann P，Staetmans S，de Vries C G.Banking system stability:a cross-Atlantic perspective//Carey M，Stulz R eds.The Risks of Financial Institutions.National Bureau of Economic Research and Chicago University Press，2006:133－188.

［8］Hong Y.A Test for Volatility Spillover with Application to Exchange Rates［J］.Journal of Econometrics，2001(103):1 －2，183 －224.

［9］King M A，Wadhwani S.Transmission of Volatility between Stock Markets［J］.Review of Financial Studies，1990(3):5 －33.

［10］Missio S，Watzka S.Financial Contagion and the European Debt Crisis.CESifo Working Paper，August 2011.

［11］Patton A J.Modeling time-varying exchange rate dependence using the conditional Copula［C］.Working Paper of Department of Economics.San Diego:U-niversity of California，2001.

［12］Sklar A.Fonctions de repartition à n dimensions et leurs marges［J］.Publication de l＇Institut de Statistique de l＇Universitéde Paris，1959:8，229 － 231.

［13］Patton A J.Copula-based models for financial time series［C］.London:Working Paper of London School of Economics，2006.