唐 勇 鐘 莉 朱鵬飛

(福州大學經(jīng)濟與管理學院， 福建福州 350116； 福建省金融科技創(chuàng)新重點實驗室， 福建福州 350116)

一、引言

近年來，傳統(tǒng)商業(yè)銀行的“高姿態(tài)”以及股票市場中的“賭場效應”，不僅導致中小微企業(yè)融資難、貴、慢、繁等問題越來越嚴峻，而且使得雄厚的民間資本缺少投資渠道。在這種背景下，日益發(fā)展的互聯(lián)網(wǎng)技術與民間融資共同推動了互聯(lián)網(wǎng)金融的產(chǎn)生。而在眾多的互聯(lián)網(wǎng)金融模式中，又以P2P網(wǎng)絡借貸最為重要。我國互聯(lián)網(wǎng)金融發(fā)展與金融市場改革有著密切聯(lián)系，尤其與利率市場化改革以及金融管制的放松息息相關。長期以來的利率管制等因素抑制了互聯(lián)網(wǎng)金融的發(fā)展，利率市場化改革以及金融管制的放松為互聯(lián)網(wǎng)金融提供了生存發(fā)展空間。普惠金融理念漸漸深入人心，國內(nèi)互聯(lián)網(wǎng)金融蓬勃發(fā)展，但P2P網(wǎng)貸市場呈現(xiàn)出爆發(fā)式的“野蠻性生長”，整個行業(yè)基本上是處于“缺門檻”“缺規(guī)則”“缺監(jiān)管”的狀態(tài)，在經(jīng)濟下行時更是出現(xiàn)了平臺“平臺跑路”的現(xiàn)象。2015年迎來了P2P網(wǎng)貸市場的監(jiān)管元年，P2P網(wǎng)貸市場監(jiān)管機制逐步形成，行業(yè)自律組織陸續(xù)建立,P2P網(wǎng)貸市場呈現(xiàn)出健康蓬勃發(fā)展的趨勢，對金融市場改革產(chǎn)生了“倒逼效應”。2017年8月央行在《中國區(qū)域金融運行報告(2017)》提出，探索將規(guī)模較大、具有系統(tǒng)重要性特征的互聯(lián)網(wǎng)金融業(yè)務納入宏觀審慎管理框架，對其進行宏觀審慎評估(MPA)，防范系統(tǒng)性風險?；谏鲜霰尘?，文章分析了P2P網(wǎng)貸市場與Shibor、中債國債市場、股票市場之間的聯(lián)動性，對了解P2P網(wǎng)貸市場與Shibor、中債國債市場、股票市場的風險傳染機制具有重要意義，有利于投資者在日益復雜的金融系統(tǒng)中進行風險防控，并且對相關金融監(jiān)管當局規(guī)范我國金融市場具有重要的參考價值。

至今學術界對市場間的相互關系仍尚未給出一個確切的界定，這種關系主要包括兩個市場間的相互依賴關系、波動溢出效應、風險傳染、聯(lián)動性等。國內(nèi)外學者對市場間的相互關系做了豐富的研究，具體包括發(fā)達國家市場間、發(fā)達國家市場與新興市場之間、新興市場之間以及行業(yè)間的聯(lián)動，發(fā)現(xiàn)市場間的波動溢出效應隨著時間的推移變得越來越顯著，甚至由原來的單向溢出相應變?yōu)殡p向溢出。[1] [2] [3] [4]那么市場間的風險是如何傳染？國內(nèi)外學者作出了以下三種解釋：一是“資本流動說”。利率與匯率管制的放松降低了跨國金融市場的交易壁壘，資本跨境流動引起市場間的波動溢出。[5]二是“經(jīng)濟基礎說”。兩個國家若是存在著緊密的經(jīng)濟貿(mào)易往來關系，則一國的經(jīng)濟基本面的變動不僅僅會影響本國股市的波動，還會通過貿(mào)易途徑影響其他國家股市的波動[6]，又或者是兩個市場由于地理區(qū)域相近、行業(yè)相似，易受到同一個信息的沖擊，產(chǎn)生顯著的聯(lián)動性。[7]三是“市場傳染說”。即使市場間沒有資本流動與緊密的經(jīng)濟貿(mào)易往來關系，在發(fā)生危機時，熱錢將大幅度地進出于國際市場，引起投資者金融恐慌、信心不足，產(chǎn)生羊群效應、短視化行為等，而這些行為又會進一步放大投資者的情緒，加大了股市之間的波動溢出效應。[8]

P2P網(wǎng)絡借貸作為一種新興的互聯(lián)網(wǎng)金融模式受到了國內(nèi)外學者的廣泛研究。國內(nèi)外學者主要集中于以下三個方面對P2P網(wǎng)絡借貸進行研究。一是針對借款人的信息識別研究，P2P網(wǎng)絡借貸面臨著信息不對稱所引起的逆向選擇、道德風險、委托代理等問題，因而有必要判斷借款人提供的信息是否能夠提高借款的成功率。Herrero-Lopez通過分析Prosper的借貸數(shù)據(jù)發(fā)現(xiàn)加入群組的借款者的借款成功率更高，并且能夠獲得合理的貸款利率。[9]Pope和Sydnor通過研究Prosper發(fā)現(xiàn)P2P網(wǎng)絡借貸中存在年齡、性別、種族歧視，其中35-60歲的中年人比小于35歲的青年人更容易借款成功，女性借款人借款成功的概率比男性借款人高，此外，與白人相比，黑人較難獲得貸款，即使借款成功，需要支付的借款利率比同等條件下白人的高。[10]Lin等發(fā)現(xiàn)借款人的朋友圈尤其是朋友關系的質(zhì)量高(低)能夠顯著的降低(增加)借款人的利率水平。[11]廖理等通過Probit模型分析了人人貸，發(fā)現(xiàn)受教育程度較高的借款者實際違約率較低，但借貸市場上的投資者并未對受教育程度較高的借款者表示出青睞。[12]Serrano-Cinca研究了Lending club借貸和貸款違約的影響因素，發(fā)現(xiàn)借款人的負債是影響違約率的最大因素。[13]二是針對出借人的行為研究，判斷出借人的行為能否提高其自身的收益。P2P網(wǎng)絡借貸中存在著羊群效應，且羊群效應能夠降低借款人的利率，提高滿標率[14] [15] [16]，但是對于羊群效應是否能夠降低貸款的違約率仍有待商榷。Herzenstein等認為羊群行為是對投資者有利的，羊群行為愈明顯，借款人的違約率就越低。[17]但是Chen和Lin、陳冬宇和鄭海超認為羊群行為對投資者是不利的，其并不能降低借款人的違約率。[18] [19]蔣彧和周安琪通過分析人人貸的借款數(shù)據(jù)，發(fā)現(xiàn)P2P網(wǎng)絡借貸中存在顯著的地域歧視，投資者偏好向經(jīng)濟發(fā)達地區(qū)的借款人提供資金，其次經(jīng)濟欠發(fā)達地區(qū)的借款人偏好設定一個較高的利率來增加獲得貸款的成功率，高收入地區(qū)的借款人則相反，此外地域歧視現(xiàn)象存在異質(zhì)性，學歷、信用等因素較低的借款人受到的地域歧視較為明顯。[20]三是針對P2P網(wǎng)貸市場利率進行整體利率波動性特征分析。陳霄和葉德珠用AR-GARCH模型分析了P2P網(wǎng)貸利率的波動特征，發(fā)現(xiàn)網(wǎng)貸市場利率波動存在顯著的聚集性等特征，并且發(fā)現(xiàn)P2P網(wǎng)貸利率與Shibor之間存在單向波動溢出效應。[21]何啟志和彭明生使用多元GARCH模型分析了P2P網(wǎng)貸利率與Shibor、中債國債利率之間的波動溢出關系，發(fā)現(xiàn)Shibor對P2P網(wǎng)貸利率有單向的溢出效應，中債國債利率則對P2P網(wǎng)貸利率無波動溢出效應。[22]

綜上所述，國內(nèi)外學者對P2P網(wǎng)絡借貸中的研究已經(jīng)取得了一些有價值的成果，但從上述文獻回顧中我們?nèi)园l(fā)現(xiàn)一些不足。一是當前對P2P網(wǎng)貸市場的研究主要是圍繞出借人和借款人的角度來進行分析，較少對P2P網(wǎng)貸市場整體性風險進行研究。二是對P2P網(wǎng)貸市場與Shibor、中債國債市場、股票市場的聯(lián)動性研究局限于使用傳統(tǒng)計量方法，并未從時-頻域兩個角度綜合考慮P2P網(wǎng)貸市場與Shibor、中債國債市場、股票市場兩兩之間的聯(lián)動性大小和方向。小波變換(Wavelet Transform)能夠從時-頻域角度，通過伸縮平移運算對信號逐步進行多尺度細化，反映信號在時頻上的局部信息，捕捉市場間不同尺度上的聯(lián)動關系，而傳統(tǒng)的計量方法對這方面無能為力。

同以往文獻相比，文章創(chuàng)新點在于基于宏觀審慎視角研究以下問題：(1)同傳統(tǒng)計量方法相比，小波方法(Wavelet method)是從時-頻域兩個角度來分析，提取時間序列的細節(jié)部分，從時-頻域兩個角度來分析兩個市場之間的聯(lián)動關系，連續(xù)小波變換(Continuous Wavelet Transform，CWT)主要用于數(shù)據(jù)信號特征的提取，而離散小波變換(Discrete Wavelet Transform ，DWT)主要適用于數(shù)據(jù)降噪和壓縮。文章借助小波方法來研究P2P網(wǎng)貸市場與Shibor、中債國債市場、股票市場之間的聯(lián)動性，分析各周期P2P網(wǎng)貸市場與Shibor、中債國債市場、股票市場之間復雜的聯(lián)動關系。(2)基于極大重疊離散小波分解，分別從不同尺度對兩市場之間的收益率進行格蘭杰因果關系檢驗，進一步驗證在各尺度上P2P網(wǎng)貸市場與Shibor、中債國債市場、股票市場之間的格蘭杰因果關系。

二、小波分析理論與方法介紹

隨著金融市場的深化研究，被稱為“數(shù)學顯微鏡”的小波分析方法是一種非常有效的時-頻域分析方法，因此小波方法被廣泛應用于金融市場聯(lián)動性分析當中。

小波變換(Wavelet Transform)分為連續(xù)小波變換(Continuous Wavelet Transform ，CWT)和離散小波變換(Discrete Wavelet Transform ，DWT)這兩種基本方法。

(一)連續(xù)小波變換

小波變換，是指以母小波的震蕩波形來表示的一種信號，這種信號能夠迅速衰減到0，定義如下：

(1)

(2)

其中: *表示共軛復數(shù)。參考Torrence和Webster，連續(xù)小波分析金融時間序列的相關性采用Morlet小波[23],其定義為：

(3)

其中:ω0是頻率也即波數(shù)，t是時間。通過連續(xù)小波變換，可定義時間序列x(t)的小波功率譜(Wavelet Power Spectrum，WPS)，用于表示時間序列x(t)在時-頻域上的小波方差，進而可以得到特定時間和尺度下時間序列的波動情況。那么兩個時間序列x(t)和y(t)交叉小波功率譜(Cross-wavelet Spectrum)Wxy(τ,s)定義為：

(4)

其中:Wx(τ,s)和Wy(τ,s)分別表示兩個時間序列x(t)和y(t)的連續(xù)小波變換，*表示共軛復數(shù)，可用來表示兩個時間序列在時-頻域上的局部協(xié)方差。兩個時間序列在時-頻域上的聯(lián)動性可以用小波平方相干(Wavelet Squared Coherence)來測量，與交叉小波功率譜相比，小波平方相干將兩個時間序列的功率譜進行了標準化處理。Torrence和Webster將小波平方相干定義為[24]：

(5)

其中:S(·)是一個平滑算子，s是小波尺度。小波平方相干R2(τ,s)的取值范圍為0到1，當R2(τ,s)越接近1時，兩個時間序列的相關性就越高，聯(lián)動性就越強，反之，R2(τ,s)越接近0時，兩個時間序列的相關性就越弱，則聯(lián)動性越差。

由于小波相干測量的是兩個時間序列在不同頻率上的相關程度，是一個平方值，并沒有提供兩個時間序列相關性的正負。Torrence和Webster提出了小波相干的相位差(Phase Difference)。[25]相位差可以體現(xiàn)兩個時間序列正負相關性，用于表示兩個時間序列的領先滯后關系。相位差的定義為：

(6)

其中： I和R分別表示平滑小波功率譜的虛部和實部，φxy(s)∈[-π,π]，兩個時間序列的領先滯后關系由φxy(s)的值的大小來決定。相位差為0時，兩個時間序列同向運動；當φxy(s)∈(0,π/2)時，兩個時間序列同相位運動，時間序列x領先于y；當φxy(s)∈(-π/2,0)時，同相位運動，時間序列y領先于x；當相位差取π或者-π時，兩個時間序列反相位運動；當φxy(s)∈(π/2,π)時，兩個時間序列反相位運動，y領先于x；當φxy(s)∈(-π,-π/2)時，反相位運動，x領先于y。

(二)基于極大重疊離散小波的多分辨分析

(7)

Percival和Walden給出了基于極大重疊離散小波變換的多分辨率分析(Multiscale)[28]：

(8)

三、P2P網(wǎng)貸市場與Shibor、債市、股市聯(lián)動機制探究

由于P2P網(wǎng)絡借貸采用去中介化模式，其利率與其他正規(guī)金融市場相比，受貨幣當局的影響較小，其利率能夠迅速地對市場信息作出反饋。雖然P2P網(wǎng)貸市場與Shibor、中債國債市場以及股票市場之間存在著顯著差異，但仍會因資本流動、經(jīng)濟基本面以及金融危機等因素導致市場間的聯(lián)動性增強，短期可能因重大突發(fā)事件沖擊導致市場間聯(lián)動性有所增強，但從中長期來看，更多的可能是由于資本流動、經(jīng)濟基本面變動引起的。

(一)P2P網(wǎng)貸市場利率與Shibor和中債國債間的聯(lián)動性機制

P2P網(wǎng)貸利率與Shibor間聯(lián)動機制如下：當央行提高Shibor時，銀行間同業(yè)拆借資金的成本增加，導致商業(yè)銀行銀根緊縮，貸款成本變高，部分資金需求者就會從P2P網(wǎng)貸市場進行借貸，增加P2P網(wǎng)貸市場資金的需求，導致P2P網(wǎng)貸利率的上漲。反之，若是P2P網(wǎng)貸利率上漲，部分追求收益的投資者就會將閑散資金投入P2P網(wǎng)貸市場中，導致商業(yè)銀行活期存款減少，產(chǎn)生流動性風險甚至是擠兌風險，而這一問題又反饋到央行，央行為了控制風險，將通過貨幣政策調(diào)整Shibor以保證金融市場的有序進行。

P2P網(wǎng)貸市場交易主體為居民和中小微企業(yè)，Shibor的交易主體為商業(yè)銀行，而中債國債的交易主體為居民、中小企業(yè)以及商業(yè)銀行，可見P2P網(wǎng)貸市場和中債國債市場的聯(lián)動關系是通過居民和中小企業(yè)這一共同交易主體而產(chǎn)生的。

(二)P2P網(wǎng)貸市場利率與股票市場間的聯(lián)動機制探究

宏觀經(jīng)濟的波動會影響股票市場價格的走勢，而股票市場又是經(jīng)濟的晴雨表，對宏觀經(jīng)濟運行具有預警作用。Shibor作為我國的金融市場的基準利率，能夠調(diào)控或者引導其他金融子市場的利率或者價格，對我國的金融穩(wěn)定和宏觀經(jīng)濟具有深遠的影響。Shibor和股票市場之間的聯(lián)動性主要通過以下途徑來實現(xiàn)：(1)利率傳導。當央行提高Shibor時，商業(yè)銀行銀根緊縮，利率上漲，投資者持有股票的機會成本增加，產(chǎn)生投資的替代效應，部分投資者會選擇通過拋售股票來持有貨幣，減少股票需求，導致股價下降。(2)資產(chǎn)價格傳導。股價是由股票的內(nèi)在價值來決定，股票內(nèi)在價值即股票未來收益的現(xiàn)值，其與貼現(xiàn)率成反比，所以當央行提高Shibor時，貼現(xiàn)率上漲，導致股價下降。(3)信貸傳導，包括銀行貸款渠道和資產(chǎn)負債表渠道。當央行上調(diào)Shibor時，表明貨幣市場上的資金供給減少，可貸資金減少，商業(yè)銀行貸款減少，從而企業(yè)投資以及產(chǎn)出減少，最終導致股價下降?；蚴怯捎赟hibor提高，貸款利息上漲，企業(yè)的貸款利息增大，企業(yè)的盈利減少，導致企業(yè)的分紅派息減少，股價下降。可見Shibor的變動會對股票市場產(chǎn)生一定的影響，而上一節(jié)分析了Shibor和P2P網(wǎng)貸利率存在聯(lián)動性，所以P2P網(wǎng)貸市場與股票市場之間也具有聯(lián)動關系。

四、實證分析

(一)數(shù)據(jù)選取與處理

文章選取P2P網(wǎng)貸市場利率、上海同業(yè)拆借利率(Shibor)、中債國債利率、上證綜指、深證成指、創(chuàng)業(yè)板指作為研究對象，選取數(shù)據(jù)的時間跨度是2015年8月5日至2017年8月29日，刪除非共同交易日，共516個交易數(shù)據(jù)。上述數(shù)據(jù)分別來源于網(wǎng)貸之家、上海同業(yè)拆放利率官網(wǎng)、中國債券信息網(wǎng)以及Wind金融數(shù)據(jù)庫。

文章參照陳霄和葉德珠的做法[29]，以各個平臺成交量數(shù)據(jù)為權重加權計算得到P2P網(wǎng)貸市場利率，具體公式如下：

(9)

其中:vi表示第i家平臺的日成交量，ri為第i家平臺的日平均利率水平，n為總平臺數(shù)。文章參考陳霄和葉德珠做法[30]，將P2P網(wǎng)貸市場利率、Shibor以及中債國債利率、上證綜指、深證成指、中小板指、創(chuàng)業(yè)板指做自然對數(shù)處理。這樣既可以減弱數(shù)據(jù)的自相關等特性，同時對數(shù)差值也代表收益率，具有一定的經(jīng)濟意義。

表1 描述性統(tǒng)計檢驗結果

注：*、**、***分別代表在10%、5%、1%水平下顯著。JB統(tǒng)計量的原假設是樣本序列服從正態(tài)分布。ADF三種檢驗結論一致，此處只給出包含常數(shù)項的檢驗結果，是以最小AIC準則確定最優(yōu)檢驗階數(shù)后得到的。

表1為變量的描述性統(tǒng)計結果。從表中可知，各個變量的收益率序列的偏度S≠0，峰度K>3，表明收益率序列具有明顯的“尖峰厚尾”的特性，J-B值都遠大于其臨界值，其伴隨概率的值均小于1%，拒絕原假設，表明收益率序列在1%的置信水平下不服從正態(tài)分布。此外ADF單位根檢驗結果表明各個序列皆拒絕原假設，各個序列都是平穩(wěn)的。

(二)基于連續(xù)小波變換的聯(lián)動性分析

以往文獻表明P2P網(wǎng)貸市場與Shibor之間存在單向的溢出效應，而P2P網(wǎng)貸市場與中債國債市場以及股票市場之間基本上是處于市場隔離的狀態(tài)。[31][32]本節(jié)采用連續(xù)小波方法，從時-頻域的角度分析市場間的聯(lián)動關系。

根據(jù)公式(5)和(6)計算序列的小波平方相干和相位差可得到小波相干圖，如圖1。小波相干圖是通過一個三維輪廓圖來表示，橫軸代表時間，縱軸代表頻率，相干性范圍從黑色(低相干性)到白色(高相干性) 作為兩個市場共同運動水平的衡量標準，其所在區(qū)域內(nèi)的顏色越暖就代表二者之間的相干性程度越高。圖中的黑色細線代表影響漏斗邊界(the Cone of Influence ，COI)，影響漏斗邊界內(nèi)部的黑色等高粗線表示是通過蒙特卡羅模擬估計的5%顯著水平的重要區(qū)域，反之影響漏斗邊界內(nèi)部則沒有通過蒙特卡羅模擬，因而只對影響漏斗的外部進行分析。小波的相位差由圖中的箭頭的指向表示。

圖1-a為P2P網(wǎng)貸市場與Shibor的小波相干圖，在2-16天的短期尺度范圍以及64-128天的長期尺度范圍內(nèi)，二者間的聯(lián)動性相對較弱。而在16-64天的中期尺度范圍內(nèi)，P2P網(wǎng)貸利率和Shibor之間的聯(lián)動性比較顯著，在這個時間尺度范圍內(nèi)，Shibor處于領先地位，引導著P2P網(wǎng)貸利率共同運動?？梢?，P2P網(wǎng)貸市場和上海同業(yè)拆借市場的聯(lián)動性在中期較強，且Shibor處于領先地位。這主要是Shibor作為我國利率市場的基準利率，央行為了夯實其基準利率的地位，進行了利率市場化改革，而P2P網(wǎng)貸市場作為利率市場的一個子系統(tǒng)，易受基準利率的引導和調(diào)控。這與上述機理分析基本一致，Shibor和P2P網(wǎng)貸市場均為利率市場的一部分，行業(yè)相近，易受共同經(jīng)濟基本面信息沖擊，因而兩市場之間的聯(lián)動性較強。

圖1 小波相干圖

圖1-b為P2P網(wǎng)貸市場和中債國債市場的小波相干圖，在短期(2-16天)、中期(16-64天)以及長期(64-128天)尺度范圍內(nèi)，二者的聯(lián)動性較弱，箭頭指向在整個時間軸上呈現(xiàn)一個雜亂無章的狀態(tài)，表明這兩個市場的相關性較弱，二者更多的是受市場自身以及其他因素的影響，主要是由于中債國債利率與P2P網(wǎng)貸利率不是基準利率，對其他市場的影響力有限。

而圖1-c、1-d、1-e和1-f分別為P2P網(wǎng)貸市場與上證綜指、深證成指、中小板指以及創(chuàng)業(yè)板指之間的小波相干圖，在2-16天的短期尺度以及64-128天的長期尺度范圍內(nèi)，二者聯(lián)動性較弱。而在16-64天中期尺度范圍內(nèi)，在2015年12月-2016年2月以及2016年6月-2017年2月這兩個時間段內(nèi)市場間聯(lián)動性較顯著。在2015年12月-2016年2月左右，箭頭指向右上，表明P2P網(wǎng)貸市場領導股市同向運動，這可能是由于當時的P2P網(wǎng)貸市場的利率整體上還處于一個較高的水平，而當時股市是處于一個震蕩時期，處于“股災”后期，為了控制股市非理性崩盤，上交所、深交所、中金所正式發(fā)布指數(shù)熔斷相關規(guī)定，但熔斷機制卻對“股災”起著推波助瀾的作用，投資者為了規(guī)避風險，紛紛將資金投向P2P網(wǎng)貸市場中。此外，在中期尺度內(nèi)2016年6月-2017年2月這段時間P2P網(wǎng)貸市場與股市之間的聯(lián)動性也較強，此時箭頭指向左下方，說明P2P網(wǎng)貸市場領先于股市，反向運動，與其他大盤相比，P2P網(wǎng)貸市場與創(chuàng)業(yè)板指的聯(lián)動性較弱，這或是由于P2P網(wǎng)貸市場處于整頓當中，尤其是在2016年8月到10月之間《網(wǎng)絡借貸信息中介機構業(yè)務活動管理暫行辦法》以及《P2P網(wǎng)絡借貸風險專項整治工作實施方案》等重要文件的出臺，對P2P網(wǎng)貸市場進行大刀闊斧的整治改革，利率下跌，當時股市處于一個較好的形勢，投資者轉(zhuǎn)向投資于股市大盤，其中又以藍籌股為主。這與上述機理分析基本一致，短期上重大事件沖擊會導致兩個市場之間的聯(lián)動性增強，但更多的是由于投資的規(guī)避風險或者是套利產(chǎn)生的資本跨流動導致兩市場的聯(lián)動性顯著增加。

(三)基于極大重疊離散小波分解的格蘭杰因果關系分析

對上述各變量序列進行極大重疊離散小波分解。文章選擇濾波器寬度為8的基于Daubechies的最小非對稱小波濾波器，即LA小波，其具有近似對稱性、緊支撐性、正則性、較好光滑性以及較好的降噪性等優(yōu)勢，將各時間序列分解為5個層次。由于采用的時間間隔為天，尺度d1對應的周期是2-4天，尺度d2對應的周期是4-8天，尺度d3對應的周期是8-16天，尺度d4對應的周期是16-32天，尺度d5對應的周期是32-64天，a5對應的周期是64天以上，其中d1、d2、d3、d4、d5代表時間序列的細節(jié)部分，a5代表時間序列的逼近部分。為了進一步說明P2P網(wǎng)貸市場與Shibor、債市、股市在不同尺度下的波動溢出，文章將在不同尺度下對P2P網(wǎng)貸收益率和Shibor、債市、股市的收益率進行格蘭杰因果關系檢驗。

表2 變量不同尺度下的ADF檢驗結果

注：*、**、***分別代表在10%、5%、1%水平下顯著，ADF三種檢驗結論一致，此處只給出包含常數(shù)項的檢驗結果，是以最小AIC準則確定最優(yōu)檢驗階數(shù)后得到的。

極大重疊離散小波分解并不能消除異方差的影響，但沒有經(jīng)過極大重疊離散小波分解的時間序列可能會存在噪音、不規(guī)則等因素，無法確切的度量時間序列之間的關系。為了消除異方差的影響，文章使用通過AR(1)-GARCH(1,1)模型處理得到的殘差進行極大重疊離散小波分解，從不同頻率上分析聯(lián)動性，對于關注投資周期的交易主體以及監(jiān)管部門等顯得尤為重要。用原序列和極大重疊離散小波分解出的殘差序列進行ADF檢驗，其結果如表2所示，各個尺度下的序列均為平穩(wěn)序列，因而可以直接使用格蘭杰因果關系來檢驗兩個時間序列在不同頻域下的聯(lián)動關系。

表3 多尺度下的P2P網(wǎng)貸收益率和Shibor之間的格蘭杰因果關系檢驗結果

注：表中的黑色粗體字表示在10%水平下顯著。

P2P網(wǎng)貸市場經(jīng)過規(guī)范整治，逐步發(fā)展得更加規(guī)范和成熟，其存在對Shibor、債市、股市產(chǎn)生了較大的影響，所以二者的聯(lián)動性較為顯著。由于P2P網(wǎng)貸市場與Shibor、債市、股市之間的格蘭杰因果關系檢驗結果一致，文章因篇幅限制，故只列出P2P網(wǎng)貸市場與上海同業(yè)拆借市場之間的結果。表3描述了原始序列以及在不同尺度波動下P2P網(wǎng)貸市場和Shibor之間是否存在格蘭杰因果關系。檢驗結果表明，在原始序列和經(jīng)過MODWT降噪分解后的d1、d2尺度上，P2P網(wǎng)貸市場與Shibor、債市、股市之間不存在格蘭杰因果關系；在d3尺度上，Shibor、債市、股市對P2P網(wǎng)貸市場的單向格蘭杰因果關系；在d4、d5尺度上，表現(xiàn)為P2P網(wǎng)貸市場與Shibor、債市、股市之間存在雙向的格蘭杰因果關系。

綜上所述，P2P網(wǎng)貸市場與Shibor、債市、股市的格蘭杰因果關系分別隨著時間尺度的變化而變化，在d3、d4、d5尺度上格蘭杰因果關系顯著，這主要是由于隨著我國金融市場不斷規(guī)范，金融市場上的機構投資者(偏好中長期的交易周期)比重開始增加，針對短期波動調(diào)整交易策略的頻率相對較低。

五、結論與建議

隨著金融市場深度和廣度不斷提升，金融市場間的聯(lián)動性顯著增強。文章基于互聯(lián)網(wǎng)金融的大背景，從宏觀審慎視角出發(fā)，運用小波方法和格蘭杰因果關系檢驗方法分析了P2P網(wǎng)貸市場與Shibor、債市、股市之間的聯(lián)動關系，得到了以下的結論與建議：

(1)P2P網(wǎng)貸利率受Shibor的影響最大，尤其是在中期尺度時(16-64天)二者的聯(lián)動性最強。兩市場間聯(lián)動性的顯著增強是基于“經(jīng)濟基礎說”中的兩個市場均屬于利率市場的一部分，受共同信息的沖擊。貨幣當局可根據(jù)基準利率Shibor對P2P網(wǎng)貸利率的影響效果，通過調(diào)整Shibor來引導P2P網(wǎng)貸利率的走向，此外還可以將P2P網(wǎng)貸利率作為一種輔助工具來增加貨幣當局調(diào)控Shibor的手段。

(2)P2P網(wǎng)貸利率與中債國債、上證綜指、深證成指、中小板指以及創(chuàng)業(yè)板指之間的聯(lián)動性較弱。只有在發(fā)生較大的利好或者利空消息時，P2P網(wǎng)貸利率和股市之間的聯(lián)動性在中期尺度(16-64天)上顯著增強，這主要是基于“資本流動說”“市場傳染說”的投資者資本流動、投資套利等行為。P2P作為一種新金融，隨著其不斷發(fā)展壯大，借貸雙方的風險敞口也會變大。因而相關部門要在宏觀審慎框架下，從風險控制、監(jiān)管機制、健全投資者保護制度等全方位、多層次地規(guī)范P2P網(wǎng)貸市場規(guī)范運營，以提高監(jiān)管效率，降低系統(tǒng)風險，促進我國金融市場健康有序的發(fā)展。

(3)P2P網(wǎng)貸利率和Shibor、中債國債以及股市在原始序列以及d1、d2尺度上(2-16天)不存在格蘭杰因果關系，在d3尺度上，Shibor、中債國債以及股市是P2P網(wǎng)貸利率的格蘭杰因果關系，而在d4、d5尺度上，二者互為格蘭杰原因。對于投資者而言，應以自身的交易周期來做出投資決策。對于政策制定者而言，在宏觀審慎框架下，應注意到溢出方向隨尺度變化而變化，不僅要考慮整體上市場間的聯(lián)動性，還要注意不同周期上的市場間的聯(lián)動性，有效防范系統(tǒng)性風險傳染。

注釋：

[1] Tiwari A. K. and Mutascu M. I. and Albulescu C. T., “Continuous Wavelet Transform and Rolling Correlation of European Stock Markets”,InternationalReviewofEconomics&Finance, vol. 42, no. 3 (March 2016), pp. 237-256.

[2] Yavas B. F. and Rezayat F., “Country ETF Returns and Volatility Spillovers in Emerging Stock Markets, Europe and USA”,InternationalJournalofEmergingMarkets, vol. 11, no. 3 (July 2016), pp. 419-437.

[3] Bekiros S. D., “Contagion, decoupling and the spillover effects of the US financial crisis: Evidence from the BRIC markets”,InternationalReviewofFinancialAnalysis, vol. 33, no. 33 (May 2014), pp. 58-69.

[4] 徐曉光、廖文欣、鄭尊信：《滬港通背景下行業(yè)間波動溢出效應及形成機理》，《數(shù)量經(jīng)濟技術經(jīng)濟研究》2017年第3期。

[5] Beine M. and Candelon B., “Liberalisation and Stock Market Co-movement between Emerging Economies”,QuantitativeFinance, vol. 11, no. 2 (February 2011), pp. 299-312.

[6] Dewandaru G. and Masih R. and Masih A. M. M., “Contagion and Interdependence across Asia-Pacific Equity Markets: An Analysis Based on Multi-horizon Discrete and Continuous Wavelet Transformations”,InternationalReviewofEconomics&Finance, vol. 43, no. 5 (May 2016), pp. 363-377.

[7] 郭文偉：《國內(nèi)外股市相依結構演化及其危機傳染效應研究》，《國際金融研究》第2016第10期。

[8] Forbes K. J. and Rigobon R., “No Contagion, Only Interdependence: Measuring Stock Market Comovements”,TheJournalofFinance, vol. 57, no. 5 (October 2002), pp. 2223-2261.

[9] Herrero-Lopez S., “Social Interactions in P2P Lending”,TheWorkshoponSocialNetworkMining&Analysis, vol. 54, no. 33 (January 2009), pp. 1-8.

[10] Pope D. G. and Sydnor J. R., “What's in a Picture? Evidence of Discrimination from Prosper.com”,JournalofHumanResources, vol. 46, no. 1 (Winter 2011), pp. 53-92.

[11] Lin M. and Prabhala N. R. and Viswanathan S., “Judging Borrowers by the Company They Keep: Friendship Networks and Information Asymmetry in Online Peer-to-Peer Lending”,ManagementScience, vol. 59, no. 1(January 2013), pp. 17-35.

[12] 廖 理、吉 霖、張偉強：《借貸市場能準確識別學歷的價值嗎?——來自P2P平臺的經(jīng)驗證據(jù)》，《金融研究》2015年第3期。

[13] Serrano-Cinca C. and Gutierrez-Nieto B., “The Use of Profit Scoring as an Alternative to Credit Scoring Systems in Peer-to-Peer (P2P)Lending”,DecisionSupportSystems, vol. 89, no. C(September 2016), pp. 113-122.

[14][17] Herzenstein M. and Sonenshein S. and Dholakia U. M., “Tell Me a Good Story and I May Lend You Money: The Role of Narratives in Peer-to-Peer Lending Decisions”,JournalofMarketingResearch, vol. 48, no. SPL(May 2011), pp. 138-149.

[15][18] Chen D. and Lin Z., “Rational or Irrational Herding in Online Microloan Markets: Evidence from China”,SSRNElectronicJournal, vol. 21, no. 4(January 2014), pp. 1-14.

[16][19] 陳冬宇、鄭海超：《我國P2P網(wǎng)貸市場的羊群行為及其決策理性研究》，《管理評論》2017第1期。

[20] 蔣 彧、周安琪：《P2P網(wǎng)絡借貸中存在地域歧視嗎?——來自“人人貸”的經(jīng)驗數(shù)據(jù)》，《中央財經(jīng)大學學報》2016第9期。

[21][29][30][31] 陳 霄、葉德珠：《中國P2P網(wǎng)絡借貸利率波動研究》，《國際金融研究》2016年1期。

[22][32] 何啟志、彭明生：《基于互聯(lián)網(wǎng)金融的網(wǎng)貸利率特征研究》，《金融研究》2016年10期。

[23][24][25] Torrence C. and Webster P. J., “Interdecadal Changes in the ENSO-Monsoon System”,JournalofClimate, vol. 12, no. 8(August 1999), pp. 2679-2690.

[26][27][28] Percival D. B. and Walden A. T.,WaveletMethodsforTimeseriesAnalysis, Cambridge University Press, 2000, p.20.