■周　劍，曹　東

對(duì)“杠桿市”環(huán)境下系統(tǒng)性風(fēng)險(xiǎn)監(jiān)測(cè)的研究

■周劍，曹東

本文采用主成分分析方法，以2005年1月至2016年5月期間中證全指一級(jí)行業(yè)指數(shù)的月收益率、波動(dòng)率與成交金額變動(dòng)為研究對(duì)象，對(duì)股票市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了研究；同時(shí)，本文對(duì)比了在2008年金融危機(jī)與2015年“杠桿市”行情下，市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)所呈現(xiàn)出的差異。研究結(jié)果顯示：從收益率與波動(dòng)率角度看，系統(tǒng)性風(fēng)險(xiǎn)的顯著增加主要體現(xiàn)在股票市場(chǎng)暴跌行情中；而從成交金額角度看，系統(tǒng)性風(fēng)險(xiǎn)的增加于股票市場(chǎng)暴跌前已經(jīng)開(kāi)始體現(xiàn)，且較在2008年金融危機(jī)中，這種現(xiàn)象在2015年“杠桿市”行情下更為明顯。

主成分分析；資金杠桿；系統(tǒng)性風(fēng)險(xiǎn)；市場(chǎng)泡沫

周劍，華東理工大學(xué)商學(xué)院；曹東，華東理工大學(xué)經(jīng)濟(jì)發(fā)展研究所。（上海200237）

一、引言

自進(jìn)入21世紀(jì)以來(lái)，我國(guó)證券市場(chǎng)先后經(jīng)歷了三次較為嚴(yán)重的股市泡沫危機(jī)，最近一次泡沫危機(jī)則發(fā)生在剛過(guò)去的2015年。在剛過(guò)去的2015年里，廣大股民體驗(yàn)了從“杠桿牛”到“去杠桿”過(guò)山車般大起大落的行情。上證指數(shù)自2014年下半年開(kāi)始持續(xù)拉升，并在2015年6月12日一度站上了5178.19高點(diǎn)。但好景不長(zhǎng)，市場(chǎng)在觸高后發(fā)生了崩潰式下跌的局面，在短短兩個(gè)多月中，上證指數(shù)跌幅逾四成；在此期間，我國(guó)滬、深兩市股票市場(chǎng)呈現(xiàn)出“千股跌?！?、“千股漲停”、“千股停盤”等難得一見(jiàn)之景象，使得市場(chǎng)流動(dòng)性數(shù)次處于嚴(yán)重匱乏的狀態(tài)。

圖12000　年以來(lái)上證綜指走勢(shì)示意圖（虛線所代表為區(qū)域指數(shù)高點(diǎn)月份）

2015年的這次股市泡沫事件與2008年的金融危機(jī)時(shí)期市場(chǎng)狀態(tài)相比，存在著顯著差異。這主要體現(xiàn)在資金層面上所采用的“杠桿”方式。2015年這輪牛市因“高杠桿”而起，也伴隨著“去杠桿”而由“牛轉(zhuǎn)熊”。我國(guó)股票市場(chǎng)中進(jìn)行的資金杠桿業(yè)務(wù)主要有兩類：一是杠桿相對(duì)較低的融資融券業(yè)務(wù)；二是高杠桿的場(chǎng)外配資活動(dòng)。

（一）融資融券業(yè)務(wù)

我國(guó)上海證券交易所與深圳證券交易所于2010年3月31日起正式開(kāi)展融資融券業(yè)務(wù)（簡(jiǎn)稱兩融業(yè)務(wù)）。其中，融資業(yè)務(wù)是指證券公司向合格客戶出借資金用于客戶在二級(jí)市場(chǎng)購(gòu)買證券；融券業(yè)務(wù)是指證券公司向合格客戶出借證券用于客戶在二級(jí)市場(chǎng)賣空。融資融券的資金杠桿較低，一般在1～2倍之間，風(fēng)險(xiǎn)相對(duì)可控。兩融業(yè)務(wù)發(fā)展并不均衡，呈現(xiàn)出融券余額資金量明顯小于融資余額資金量情況。

圖2　上證綜指指數(shù)與滬深兩市融資余額示意圖①數(shù)據(jù)來(lái)源：Wind數(shù)據(jù)庫(kù)。

圖2反映了上證綜指指數(shù)與滬深兩市融資余額走勢(shì)，從圖中我們可以直觀觀察到，在兩融業(yè)務(wù)開(kāi)展的前期（2014年前），滬深兩市融資余額呈現(xiàn)出逐步、緩慢的增長(zhǎng)，融資余額與市場(chǎng)指數(shù)的相關(guān)性并不明顯；自2014年下半年以來(lái)，兩市融資余額存量與市場(chǎng)指數(shù)開(kāi)始呈現(xiàn)出較為明顯的協(xié)同性，融資余額在2015年6月前持續(xù)迅速攀升，最高觸及22，666億元，而后隨著“去杠桿”政策，發(fā)生斷崖式縮量。在股市暴跌期間，中信證券在2015年8月4日，宣布暫停融券交易業(yè)務(wù)，隨后華泰、長(zhǎng)城、齊魯、國(guó)信等多家證券業(yè)也宣布暫停對(duì)融券業(yè)務(wù)的運(yùn)營(yíng)。

（二）場(chǎng)外配資業(yè)務(wù)

相對(duì)于融資融券業(yè)務(wù)，場(chǎng)外配資業(yè)務(wù)通常具有更高的杠桿，資金杠桿通常在5～9倍之間。場(chǎng)外配資以恒生HOMS系統(tǒng)、銘創(chuàng)軟件或同花順為接口，屬于一種未納入監(jiān)管層監(jiān)管范圍的民間配資，一般很難區(qū)別于傳統(tǒng)融資融券業(yè)務(wù)。場(chǎng)外配資的大規(guī)模存在，使得當(dāng)市場(chǎng)出現(xiàn)與資金杠桿有關(guān)的風(fēng)險(xiǎn)時(shí)，無(wú)法準(zhǔn)確預(yù)測(cè)風(fēng)險(xiǎn)的大小，難以準(zhǔn)確掌握和預(yù)測(cè)風(fēng)險(xiǎn)暴露的節(jié)奏和結(jié)構(gòu)①證券時(shí)報(bào)，《券商人士解讀“規(guī)范配資”新規(guī)：擠壓非法高杠桿利于長(zhǎng)遠(yuǎn)健康發(fā)展》，2015年7月14日。。

中國(guó)證監(jiān)會(huì)新聞發(fā)言人鄧舸在2015年6月12日表示，證監(jiān)會(huì)已要求券商對(duì)外部證券接口進(jìn)行自查，并重申各證券公司不得通過(guò)網(wǎng)上證券交易接口，為任何機(jī)構(gòu)和個(gè)人的場(chǎng)外配資活動(dòng)、非法證券業(yè)務(wù)提供便利；次日中午，證監(jiān)會(huì)微博發(fā)布了題為《禁止證券公司為場(chǎng)外配資活動(dòng)提供便利》的通知，要求證券公司對(duì)信息系統(tǒng)外部接入管理進(jìn)行自查，證監(jiān)局對(duì)自查情況進(jìn)行核實(shí)，以及要求證券業(yè)協(xié)會(huì)制定證券公司信息系統(tǒng)外部接入的規(guī)范標(biāo)準(zhǔn)。

本文的研究目的在于以我國(guó)證券市場(chǎng)在2008年金融危機(jī)中的表現(xiàn)為參照，對(duì)在2015年股票市場(chǎng)暴跌行情中系統(tǒng)風(fēng)險(xiǎn)呈現(xiàn)出的特征進(jìn)行比較，尋求在“杠桿?！迸c“去杠桿”行情中可以用于系統(tǒng)風(fēng)險(xiǎn)預(yù)警的指標(biāo)。

二、文獻(xiàn)回顧

金融風(fēng)險(xiǎn)可以分為系統(tǒng)性風(fēng)險(xiǎn)以及非系統(tǒng)性風(fēng)險(xiǎn)兩類。其中系統(tǒng)性風(fēng)險(xiǎn)可以被定義為一種由系統(tǒng)事件引起的，對(duì)各大金融機(jī)構(gòu)或市場(chǎng)產(chǎn)生強(qiáng)烈影響的風(fēng)險(xiǎn)；其核心概念即“傳染性”，這是一種將一個(gè)機(jī)構(gòu)、市場(chǎng)或者系統(tǒng)失敗傳遞到另一個(gè)機(jī)構(gòu)、市場(chǎng)或者系統(tǒng)的強(qiáng)有力的傳播，故會(huì)損壞正常運(yùn)行的完善金融系統(tǒng)（De Bandt和Hartmann，2000）。

Plerou等（2002）利用隨機(jī)矩陣?yán)碚摚≧MT），分析了美國(guó)股票收益率間的相關(guān)性，其研究結(jié)果表明股票收益率相關(guān)系數(shù)矩陣的最大特征值代表了市場(chǎng)對(duì)所有股票的共同影響，而其余偏離隨機(jī)矩陣?yán)碚摰奶卣髦祫t顯示了股票的行業(yè)種類。Ren和Zhou（2014）研究了我國(guó)上海證券交易所367只股票間相關(guān)系數(shù)的動(dòng)態(tài)變化。其結(jié)果顯示，股票間相關(guān)性在2001年與2008年的兩次市場(chǎng)崩盤階段顯著增強(qiáng)，且系統(tǒng)性風(fēng)險(xiǎn)在市場(chǎng)波動(dòng)期要比在市場(chǎng)平靜期更大。

Kritzman等（2010）提出吸收系數(shù)（由固定數(shù)量的特征向量對(duì)資產(chǎn)收益率總方差的解釋度）用以衡量金融系統(tǒng)的脆弱性。其研究結(jié)果表明，吸收系數(shù)峰值的出現(xiàn)往往要先于大多數(shù)美國(guó)股票市場(chǎng)崩盤；而當(dāng)股票價(jià)格上升時(shí)，大多伴隨著吸收系數(shù)的迅速減少。Zheng等（2012）利用主成分分析方法，對(duì)在2008～2012年全球金融危機(jī)期間的10個(gè)道瓊斯經(jīng)濟(jì)成分指數(shù)的收益率與波動(dòng)率進(jìn)行了研究。其研究結(jié)果表明，運(yùn)用12個(gè)月移動(dòng)時(shí)間窗進(jìn)行計(jì)算的第一大主成分變動(dòng)可以有效地用于檢測(cè)系統(tǒng)性風(fēng)險(xiǎn)，在2008年金融危機(jī)前夕（即2007年8月），第一大主成分迅速增加，系統(tǒng)性風(fēng)險(xiǎn)也相應(yīng)迅速增加。Kritzman等（2010）和Zheng等（2012）的研究結(jié)果顯示，通過(guò)計(jì)算資產(chǎn)收益率序列的主成分貢獻(xiàn)度，可以起到對(duì)市場(chǎng)崩盤的預(yù)警作用。

傳統(tǒng)的資本資產(chǎn)定價(jià)模型認(rèn)為，通過(guò)對(duì)資產(chǎn)進(jìn)行分散配置，可以有效降低組合整體的投資風(fēng)險(xiǎn)。Reigneron等（2011）運(yùn)用了矩陣回歸方法研究了6組股票池及其相對(duì)應(yīng)的股票指數(shù)的相關(guān)效應(yīng)，其結(jié)果顯示：當(dāng)指數(shù)處于下跌趨勢(shì)時(shí)，股票間的平均相關(guān)系數(shù)將會(huì)增加，使得市場(chǎng)模式更加一致；而當(dāng)指數(shù)處于上行趨勢(shì)的時(shí)候，股票間的平均相關(guān)系數(shù)也會(huì)增加，但是相應(yīng)市場(chǎng)模式則趨于分散。Preis等（2012）以72年間道瓊斯30工業(yè)平均成分股為研究對(duì)象，對(duì)Reigneron等（2011）的研究進(jìn)行了擴(kuò)展，其發(fā)現(xiàn)成分股股票的平均相關(guān)系數(shù)與標(biāo)準(zhǔn)化后的指數(shù)收益率呈現(xiàn)線性關(guān)系；并且當(dāng)市場(chǎng)處于暴跌期，資產(chǎn)分散化的作用將顯著減弱。Reigneron等（2011）與Preis等（2012）的研究結(jié)果揭示了通過(guò)資產(chǎn)配置分散組合風(fēng)險(xiǎn)的固有弊端，即組合風(fēng)險(xiǎn)最終受制于系統(tǒng)整體的風(fēng)險(xiǎn)水平。

Billio等（2010）表示，在使用資金杠桿進(jìn)行投資的情況下，若市場(chǎng)突發(fā)負(fù)面消息使得抵押產(chǎn)品發(fā)生減值，這將迫使頭寸在短時(shí)間內(nèi)被清算以起到去杠桿的效果，加劇系統(tǒng)性風(fēng)險(xiǎn)；此外，當(dāng)金融機(jī)構(gòu)進(jìn)行去杠桿時(shí)，如果清算頭寸的流動(dòng)性越差，則強(qiáng)迫清算造成的價(jià)格沖擊將會(huì)更大。早在19世紀(jì)初，美國(guó)證券市場(chǎng)便開(kāi)始利用資金杠桿進(jìn)行交易，即所謂的融資融券業(yè)務(wù)①國(guó)信證券“境外市場(chǎng)融資融券業(yè)務(wù)比較研究”系列一。；而相對(duì)于歐美等國(guó)家，我國(guó)融資融券業(yè)務(wù)開(kāi)展較晚，相關(guān)制度與政策也還在逐步完善當(dāng)中。剛走出2015年的我們，在經(jīng)歷了“杠桿?！睅?lái)的喜悅與“去杠桿”帶來(lái)的悲傷之后，是否有閑暇能夠坐下來(lái)思考、回顧上世紀(jì)20年代末美國(guó)的股市危機(jī)呢？

三、數(shù)據(jù)說(shuō)明及方法介紹

本文數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)，采用了中證全指一級(jí)行業(yè)指數(shù)，數(shù)據(jù)時(shí)間跨度為2005年1月至2016年5月，共計(jì)137個(gè)月份的月度收盤價(jià)以及月度成交金額等數(shù)據(jù)。中證全指一級(jí)行業(yè)指數(shù)采用派許加權(quán)方式，共計(jì)包括10個(gè)行業(yè)指數(shù)：全指能源（000986.SH）、全指材料（000987.SH）、全指工業(yè)（000988.CSI）、全指可選（000989.SH）、全指消費(fèi)（000990.SH）、全指醫(yī)藥（000991.SH）、全指金融（000992.SH）、全指信息（000993.SH）、全指電信（000994.CSI）、全指公用（000995.CSI）。

我們定義行業(yè)指數(shù)i在t交易月的收益率ri，t為該指數(shù)月度收盤價(jià)Pi，t的對(duì)數(shù)差分，即：

其中Pi，t為行業(yè)i在t交易月的收盤價(jià)。同理，我們定義行業(yè)指數(shù)i在t交易月的成交金額變動(dòng)AmtChgi，t為相應(yīng)指數(shù)月度成交金額Amti，t的對(duì)數(shù)差分：

其中，Amti，t為行業(yè)i在t交易月的成交總金額。同時(shí)，我們定義行業(yè)指數(shù)i在t交易月的波動(dòng)率vi，t定義為收益率ri，t的絕對(duì)值，即：

我們對(duì)這10個(gè)行業(yè)收益率ri，t、波動(dòng)率vi，t以及成交金額變動(dòng)AmtChgi，t分別進(jìn)行相應(yīng)主成分分析。設(shè)當(dāng)有k個(gè)行業(yè)指數(shù)，且每個(gè)指數(shù)各取n個(gè)觀測(cè)值時(shí)，則我們可以將原始數(shù)據(jù)寫成矩陣X：

其中ρi，j表示行業(yè)i與行業(yè)j之間的相關(guān)系數(shù)，其計(jì)算公式為：

相關(guān)系數(shù)矩陣R的第i大主成分其對(duì)應(yīng)特征值λi可以由公式（5）計(jì)算獲得，且各大特征值依次應(yīng)當(dāng)滿足λ1≥λ2≥…≥λp＞0：

主成分特征值λi的貢獻(xiàn)度Ci代表對(duì)應(yīng)第i個(gè)主成分對(duì)總方差解釋度，其計(jì)算公式為：

相應(yīng)前k大主成分的累計(jì)貢獻(xiàn)度CumsumCi的計(jì)算為：

四、實(shí)證結(jié)果及分析

（一）行業(yè)收益率與波動(dòng)率主成分研究

我們分別以12個(gè)月、36個(gè)月為移動(dòng)時(shí)間窗口，計(jì)算中證全指一級(jí)行業(yè)月收益率序列以及月波動(dòng)率序列的特征值。圖3展現(xiàn)了行業(yè)指數(shù)月收益率與月波動(dòng)率前四大主成分貢獻(xiàn)度隨時(shí)間變化的趨勢(shì)圖。對(duì)比子圖（a）與子圖（b），以及子圖（c）與子圖（d），我們可以看到，相比較于以36個(gè)月為移動(dòng)時(shí)間窗口計(jì)算獲得的月收益率以及月波動(dòng)率主成分貢獻(xiàn)度，以12個(gè)月為移動(dòng)時(shí)間窗口計(jì)算獲得的月收益率以及月波動(dòng)率的主成分貢獻(xiàn)度的波動(dòng)更為明顯。

在12個(gè)月移動(dòng)時(shí)間窗口下，對(duì)于行業(yè)月收益率而言，其第一大主成分占比基本保持在60%以上，前兩大主成分累計(jì)貢獻(xiàn)度在0.9附近。當(dāng)上證指數(shù)先后在2007年10月、2015年5月達(dá)到區(qū)間最高點(diǎn)后發(fā)生崩盤，月收益率第一大主成分貢獻(xiàn)度呈現(xiàn)出明顯的上升，并擠壓了第二大主成分貢獻(xiàn)度；對(duì)于行業(yè)月波動(dòng)率而言，其第一大主成分貢獻(xiàn)度的波動(dòng)明顯強(qiáng)于月收益率第一大主成分的波動(dòng)，且在0.6附近上下震蕩，當(dāng)發(fā)生股票市場(chǎng)崩盤后，我們直觀看到波動(dòng)率第一大主成分貢獻(xiàn)度的反應(yīng)程度要略滯后于收益率第一大主成分貢獻(xiàn)度的反應(yīng)程度。在36個(gè)月移動(dòng)時(shí)間窗口下，行業(yè)月收益率與行業(yè)月波動(dòng)率的主成分貢獻(xiàn)度的波動(dòng)明顯要較12個(gè)月移動(dòng)時(shí)間窗口小很多；對(duì)于月收益率主成分而言，其第一大主成分貢獻(xiàn)度維持在0.8附近，而對(duì)于月波動(dòng)率而言，其第一大主成分則維持在0.7附近；當(dāng)在2015年5月上證指數(shù)觸高崩盤后，行業(yè)月收益率與月波動(dòng)率的第一大主成分貢獻(xiàn)度均呈現(xiàn)出上升趨勢(shì)。

圖3　中證全指一級(jí)行業(yè)指數(shù)月收益率與月波動(dòng)率前四大主成分貢獻(xiàn)度的動(dòng)態(tài)變化，顏色由深到淺分別代表第一、二、三、四大主成分貢獻(xiàn)度：（a）行業(yè)月收益率主成分貢獻(xiàn)度，以12個(gè)月為移動(dòng)時(shí)間窗口；（b）行業(yè)月收益率主成分貢獻(xiàn)度，以36個(gè)月為移動(dòng)時(shí)間窗口；（c）行業(yè)月波動(dòng)率主成分貢獻(xiàn)度，以12個(gè)月為移動(dòng)時(shí)間窗口；（d）行業(yè)月波動(dòng)率主成分貢獻(xiàn)度，以36個(gè)月為移動(dòng)時(shí)間窗口

進(jìn)一步，我們研究以12個(gè)月為移動(dòng)時(shí)間窗口計(jì)算得到月收益率主成分貢獻(xiàn)度的變動(dòng)情況。如圖4所示，我們用豎直虛線標(biāo)出了行業(yè)月收益率第一大主成分貢獻(xiàn)度變動(dòng)值超過(guò)兩倍標(biāo)準(zhǔn)差閾值所在月份。在滯后1個(gè)月的情況下，在2008年金融危機(jī)中，行業(yè)月度收益率第一大主成分貢獻(xiàn)度變動(dòng)值在2007年4月超出閾值；在2015年股市暴跌時(shí)期，行業(yè)月收益率第一大主成分貢獻(xiàn)度變動(dòng)值在2015年6月、7月以及12月先后三次突破閾值。當(dāng)滯后階數(shù)增加至6個(gè)月，在2008年金融危機(jī)中，第一大主成分貢獻(xiàn)度變動(dòng)并未出現(xiàn)變動(dòng)值超過(guò)閾值的情況；而在2015年8月到2016年1月的6個(gè)月中，行業(yè)第一大主成分貢獻(xiàn)度變動(dòng)持續(xù)超閾值。

圖4中證全指一級(jí)行業(yè)指數(shù)月收益率第一大主成分貢獻(xiàn)度變動(dòng)（以12個(gè)月為移動(dòng)時(shí)間窗口，水平虛線表示兩倍標(biāo)準(zhǔn)差）：（a）一階滯后主成分貢獻(xiàn)度變動(dòng)；（b）二階滯后主成分貢獻(xiàn)度變動(dòng)；（c）三階滯后主成分貢獻(xiàn)度變動(dòng)；（d）六階滯后主成分貢獻(xiàn)度變動(dòng)

圖5顯示的為中證全指一級(jí)行業(yè)指數(shù)月波動(dòng)率第一大主成分貢獻(xiàn)度變動(dòng)情況。在滯后1階的情況下，第一大主成分貢獻(xiàn)度變動(dòng)超過(guò)兩倍標(biāo)準(zhǔn)差閾值的情況分別發(fā)生在2007年4月，2014年9月、12月，2015年12月以及2016年1月；而當(dāng)滯后階數(shù)逐漸增加到6階時(shí)，我們看到超過(guò)閾值的第一大主成分貢獻(xiàn)度的變動(dòng)情況主要集中在2016年1月至5月，2015年股災(zāi)所帶來(lái)的系統(tǒng)性風(fēng)險(xiǎn)并沒(méi)有迅速消散，相反在2016年初的指數(shù)“熔斷機(jī)制”推出的背景下，維持在了一個(gè)較為高的水平上；另一方面，盡管2008年金融危機(jī)后第一大主成分貢獻(xiàn)度變動(dòng)并未超過(guò)閾值，但在2008年年末第一大主成分貢獻(xiàn)度變動(dòng)也達(dá)到了0.2的水平。

圖5　中證全指一級(jí)行業(yè)指數(shù)月波動(dòng)率第一大主成分變動(dòng)（以12個(gè)月為移動(dòng)時(shí)間窗口，水平虛線表示兩倍標(biāo)準(zhǔn)差）：（a）一階滯后主成分貢獻(xiàn)度變動(dòng)；（b）二階滯后主成分貢獻(xiàn)度變動(dòng)；（c）三階滯后主成分貢獻(xiàn)度變動(dòng)；（d）六階滯后主成分貢獻(xiàn)度變動(dòng)

我們的結(jié)果表明，相對(duì)于2008年金融危機(jī)，2015年股市暴跌所顯示出的系統(tǒng)風(fēng)險(xiǎn)更加強(qiáng)烈，且相較于股市上升期，系統(tǒng)性風(fēng)險(xiǎn)在股市暴跌階段更為明顯，這與Billio等（2010）、Reigneron等（2011）、Preis等（2012）的結(jié)論相一致；另一方面，無(wú)論是行業(yè)指數(shù)收益率還是行業(yè)波動(dòng)率，其第一大主成分貢獻(xiàn)度的顯著增加，均滯后于市場(chǎng)崩盤的發(fā)生，這與Kritzman等（2010）以及Zheng等（2012）的結(jié)論相左，表明我們并不能夠通過(guò)對(duì)行業(yè)指數(shù)收益率或者波動(dòng)率進(jìn)行主成分分析來(lái)有效預(yù)測(cè)市場(chǎng)危機(jī)的到來(lái)。

（二）行業(yè)成交金額主成分研究

華爾街有句名言講的是“量是推動(dòng)價(jià)格變動(dòng)的重要因素”。誠(chéng)然在“杠桿市”中，我們認(rèn)為這種量?jī)r(jià)推動(dòng)作用勢(shì)必也將得到相應(yīng)放大。為研究“資金杠桿”對(duì)系統(tǒng)性風(fēng)險(xiǎn)所帶來(lái)的影響，我們選擇采用行業(yè)月成交金額為研究對(duì)象，對(duì)其進(jìn)行相應(yīng)主成分分析，試圖從資金層面分析系統(tǒng)性風(fēng)險(xiǎn)所呈現(xiàn)的情況，并將其作為對(duì)Zheng等（2012）研究?jī)?nèi)容的補(bǔ)充。

如圖6子圖（a）所示，我們發(fā)現(xiàn)行業(yè)月成交金額變動(dòng)第一大主成分貢獻(xiàn)度從2014年年中快速拉升（在短短一年時(shí)間內(nèi)，由2014年6月的0.4334迅速增加到2015年5月的0.8632），貢獻(xiàn)度幾乎翻倍；但這種現(xiàn)象并未明顯體現(xiàn)在2008年金融危機(jī)期間。圖6子圖（b）顯示的為行業(yè)月成交金額變動(dòng)第一大主成分貢獻(xiàn)度變動(dòng)值的經(jīng)驗(yàn)概率密度分布，第一大主成分貢獻(xiàn)度變動(dòng)值的峰度為9.584，偏度為-0.290。與擬合所獲得的正態(tài)分布相比，第一大主成分貢獻(xiàn)度變動(dòng)的經(jīng)驗(yàn)概率密度分布呈現(xiàn)出尖峰胖尾且左偏特性。

圖6　中證全指一級(jí)行業(yè)指數(shù)月成交金額變動(dòng)主成分分析結(jié)果，以12個(gè)月為移動(dòng)時(shí)間窗口（a）前四大主成分貢獻(xiàn)度的動(dòng)態(tài)變化圖（顏色由深到淺分別代表第一、二、三、四大主成分貢獻(xiàn)度）；（b）主成分貢獻(xiàn)度變動(dòng)的概率密度分布圖（圖中曲線由正太分布函數(shù)對(duì)經(jīng)驗(yàn)概率密度進(jìn)行擬合后獲得）

進(jìn)一步，我們研究行業(yè)月成交金額變動(dòng)的第一大主成分貢獻(xiàn)度變化情況。如圖7所示，在一階滯后條件下，在2014年7月到2014年12月間共計(jì)出現(xiàn)了3次第一大主成分貢獻(xiàn)度變動(dòng)超過(guò)兩倍標(biāo)準(zhǔn)差閾值的情況；隨著滯后階數(shù)增加到6個(gè)月，在2014年12月至2015年5月連續(xù)6個(gè)月中，行業(yè)月成交金額第一大主成分貢獻(xiàn)度變動(dòng)超過(guò)閾值水平。但就2008年金融危機(jī)時(shí)期而言，無(wú)論滯后一階、二階、三階還是六階，第一大主成分貢獻(xiàn)度的波動(dòng)都顯得相對(duì)比較平淡。

圖7　中證全指一級(jí)行業(yè)成交金額變動(dòng)第一大主成分貢獻(xiàn)度變動(dòng)（以12個(gè)月為移動(dòng)時(shí)間窗口，水平虛線表示兩倍標(biāo)準(zhǔn)差）：（a）一階滯后主成分貢獻(xiàn)度變動(dòng)；（b）二階滯后主成分貢獻(xiàn)度變動(dòng)；（c）三階滯后主成分貢獻(xiàn)度變動(dòng)；（d）六階滯后主成分貢獻(xiàn)度變動(dòng)

我們的研究結(jié)果表明，從成交資金額角度看，潛伏在2015年這輪“杠桿牛”行情中的系統(tǒng)性風(fēng)險(xiǎn)于股市暴跌前早已開(kāi)始積累；對(duì)比2008年金融危機(jī)，我們發(fā)現(xiàn)這種系統(tǒng)性風(fēng)險(xiǎn)在資金杠桿的作用下，得到了相應(yīng)放大。

五、結(jié)論及政策建議

本文分別以我國(guó)中證全指一級(jí)行業(yè)指數(shù)月收益率、月波動(dòng)率以及月成交金額變動(dòng)為研究對(duì)象，利用主成分分析法，研究了相應(yīng)第一大主成分貢獻(xiàn)度隨時(shí)間動(dòng)態(tài)變化的情況。我們以第一大主成分貢獻(xiàn)度作為對(duì)系統(tǒng)性風(fēng)險(xiǎn)大小的度量。

首先，從行業(yè)月收益率與月波動(dòng)率角度來(lái)看，行業(yè)月波動(dòng)率第一大主成分貢獻(xiàn)度增加的反應(yīng)速度略滯后于行業(yè)月收益率第一大主成分貢獻(xiàn)度增加的反應(yīng)速度；月收益率與月波動(dòng)率第一大主成分貢獻(xiàn)度的增加，即其呈現(xiàn)出的系統(tǒng)性風(fēng)險(xiǎn)主要集中在市場(chǎng)暴跌期而并非市場(chǎng)暴跌之前，這與已有文獻(xiàn)結(jié)論不一致，故我們認(rèn)為利用月收益率或月波動(dòng)率的第一大主成分貢獻(xiàn)度變動(dòng)來(lái)預(yù)警股市危機(jī)并不合適。

其次，考慮到量?jī)r(jià)關(guān)系以及“杠桿市”作用，本文進(jìn)一步研究了由月成交金額所呈現(xiàn)出的系統(tǒng)性風(fēng)險(xiǎn)。我們發(fā)現(xiàn)早在2015年股市暴跌前，行業(yè)月成交金額變動(dòng)的第一大主成分貢獻(xiàn)度已呈現(xiàn)出明顯的上升趨勢(shì)。即從資金層面講，2015年的股市泡沫的系統(tǒng)性風(fēng)險(xiǎn)在市場(chǎng)一路高歌猛進(jìn)期間已經(jīng)開(kāi)始積聚；且對(duì)比2008年金融危機(jī)，我們發(fā)現(xiàn)這種系統(tǒng)性風(fēng)險(xiǎn)在“資金杠桿”的作用下，得到了顯著增強(qiáng)。

本文研究的意義在于，在一個(gè)特定場(chǎng)合、一個(gè)特定時(shí)間段，找到了一個(gè)能夠有效預(yù)警市場(chǎng)風(fēng)險(xiǎn)的指標(biāo)。2015年的股市崩盤是我國(guó)證券市場(chǎng)自2010年實(shí)行“融資融券”、允許杠桿交易以來(lái)面臨的首次嚴(yán)峻考驗(yàn)。新制度與新規(guī)則的引進(jìn)，誠(chéng)然有助于健全市場(chǎng)功能，提升市場(chǎng)效率，但也難免在政策執(zhí)行初期暴露出種種的問(wèn)題。在初期“杠桿市”行情下，我們發(fā)現(xiàn)通過(guò)對(duì)成交金額變動(dòng)的監(jiān)測(cè)，能夠較為有效地對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行預(yù)警，且其效果要優(yōu)于收益率與波動(dòng)率。

制度的完善，是一個(gè)不斷借鑒與日積月累的過(guò)程。我們認(rèn)為對(duì)于成交金額變動(dòng)的檢測(cè)，在短期內(nèi)，仍不失為一種預(yù)警系統(tǒng)性風(fēng)險(xiǎn)的有效措施；而且從長(zhǎng)遠(yuǎn)角度上看，也有其固有的重要意義。因此，我們建議相關(guān)市場(chǎng)監(jiān)察部門，加強(qiáng)對(duì)市場(chǎng)、行業(yè)間資金協(xié)同流向的監(jiān)督與管理，在預(yù)警市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)方面能夠未雨綢繆。

［1］O.De Bandt and P.Hartmann.Systemic risk:a survey［J］.European Central Bank Working Paper，2000，35

［2］V.Plerou，P.Gopikrishnan，B.Rosenow，L.A. N.Amaral，T.Guhr and H.E.Stanley.Random matrix approach to cross correlations in financial data［J］. Physical Review E，2002，65

［3］F.Ren and W.X.Zhou.Dynamic evolution of cross-correlations in the Chinese stock market［J］.Plos One，2014，9（5）:

［4］M.Kritzman，Y.Z.Li，S.Page and R.Rigobon. Principal components as ameasure of systemic risk［J］. The Journal of Portfolio Management，2010，37（4）:

［5］Z.Y.Zheng，B.Podobnik，L.Feng and B.W. Li.Changes in cross-correlations as an indicator for systemic risk［J］.Scientific Reports，2012，

［6］P.-A.Reigneron，R.Allez and J.-P.Bouchaud. Principal regression analysis and the index leverage effect［J］.Physica A，2011，390（17）:3026～3035；

［7］T.Preis，D.Y.Kenett，H.E.Stanley，D.Helbing and E.Ben-Jacob.Quantifying the behavior of stock correlations under market stress［J］.Scientific Report，2012，2.

［8］M.Billio，M.Getmansky，A.W.Lo and L. Pelizzon.Measuring systemic risk in the finance and insurance sectors［J］.MIT Sloan Research Paper，2010，4774～10.

F830.91

A

1006-169X（2016）09-0067-06