陳金鑫，朱元倩

（1.中國科學(xué)技術(shù)大學(xué) 統(tǒng)計與金融系，合肥 230026；2.中國銀監(jiān)會，北京100140）

0 引言

監(jiān)管體系對于系統(tǒng)性風(fēng)險的監(jiān)管缺失是引發(fā)2008年金融危機并使其快速擴散的重要原因之一（Brunnermeier 2009），在此之后，系統(tǒng)性風(fēng)險的度量與監(jiān)管成為國內(nèi)外學(xué)者研究的重點。危機期間，金融機構(gòu)出于兩方面的原因而拒絕提供流動性：一是為了防范可能出現(xiàn)的對手方風(fēng)險，二是為了留存自身安全的流動性需求。這就使得市場流動性進(jìn)一步縮減，導(dǎo)致金融機構(gòu)融資環(huán)境進(jìn)一步惡化，引發(fā)系統(tǒng)性風(fēng)險。

2007年美國“兩房”等金融機構(gòu)發(fā)行的住房抵押貸款支持的次級債違約而導(dǎo)致的融資困境，是此次金融危機發(fā)生的導(dǎo)火索，房地產(chǎn)市場流動性的變動傳遞到了信貸市場范圍，其具體的作用機制和傳導(dǎo)路徑是本文的研究重點之一。但目前對于兩市場流動性相互作用的研究，其重點基本放在相關(guān)性檢驗以及銀行流動性度量以及流動性過剩的分析上。基于此，本文將進(jìn)一步研究房地產(chǎn)市場流動性與銀行體系流動性間的作用機理及影響機制[1]。

證券市場作為主要的投資市場之一，融資渠道的流動性會在房地產(chǎn)市場以及證券市場流動，其流動性變動以及與房地產(chǎn)市場流動性相關(guān)性也是研究系統(tǒng)流動性風(fēng)險的重要節(jié)點。目前國內(nèi)也有很多學(xué)者對金融市場間的相關(guān)性進(jìn)行了深入研究，但都未對銀行體系流動性與證券市場流動性具體的理論作用機理及影響機制進(jìn)行說明。本文將對此進(jìn)行補充研究和分析，對三市場流動性間相互影響作用的動態(tài)機制進(jìn)行梳理，以期實現(xiàn)對系統(tǒng)流動性風(fēng)險的聯(lián)動研究。

1 理論框架

整理目前學(xué)術(shù)界常用的主流理論觀點，本文分別研究了房地產(chǎn)市場、證券市場流動性以及銀行體系流動性的雙向作用機制。

《新帕爾格雷夫經(jīng)濟(jì)學(xué)辭典》中將財富效應(yīng)定義為：“假定其他條件不變，由貨幣余額的變化所引起的總消費支出水平的變化。”而在房地產(chǎn)市場流動性與證券市場流動性的作用機制中卻并不是通常認(rèn)為的從資產(chǎn)價格變動影響財富總量的作用方式[2]。

1.1 財富效應(yīng)下證券市場流動性對房地產(chǎn)市場流動性的影響

本文將證券市場流動性對房地產(chǎn)市場流動性的影響分為直接影響和間接影響兩類。直接影響是指證券市場流動性的改變直接作用于消費者財富總量，進(jìn)而影響房地產(chǎn)市場流動性的渠道。證券市場和房地產(chǎn)市場是我國消費者投資最大的兩類市場，當(dāng)證券市場收益率上升時，證券市場流動性上升，此時居民總體的財富水平上升，使得居民增加對房地產(chǎn)市場的投資，提升房地產(chǎn)市場的流動性。同時，居民也會進(jìn)一步增加對于證券市場的資金投入，導(dǎo)致證券市場流動性與房地產(chǎn)市場流動性同向變動[3]；同樣的，當(dāng)證券市場收益率下降時，證券市場流動性下降，居民財富水平有所縮減，縮減房地產(chǎn)市場和股票市場投資，使得房地產(chǎn)市場和股票市場流動性有所下降。

1.2 財富效應(yīng)下房地產(chǎn)市場流動性對于證券市場流動性的影響

財富效應(yīng)下考慮房地產(chǎn)市場流動性改變對于證券市場流動性的影響，是針對于不同房地產(chǎn)使用類型的。房地產(chǎn)市場投資占我國居民財富的較大比重，與證券市場類似的是，房地產(chǎn)價格變動會直接影響居民可支配的財富總量以及居民對未來收入的預(yù)期，進(jìn)而影響投資及消費情況。但與證券市場不同的是，房地產(chǎn)價格變動使得出售和租賃收入變動，居民總體收入水平改變，也會影響居民消費和投資水平，繼而作用于市場流動性層面[4]。

當(dāng)房地產(chǎn)市場收益率上升時，出售及租賃的收入上升，實際收入的上升也增強了居民的投資意愿，使得兩市場流動性上升。反之，房地產(chǎn)價格下降時：一方面使得居民未來收入預(yù)期下降，財富總額下降，居民出于謹(jǐn)慎性會減少投資同時降低消費水平，因此房地產(chǎn)市場及股票市場流動性會有所下降；另一方面，通過出售及租賃獲得的實際收入下降，會直接使居民可投資金額下降，也會導(dǎo)致兩市場流動性下降[5]。

綜上所述，財富效應(yīng)使得房地產(chǎn)市場和證券市場流動性同向變動、相互帶動，而替代效應(yīng)和投資資產(chǎn)組合理論又認(rèn)為兩者在一定程度上相互制約，從而形成了房地產(chǎn)市場和證券市場流動性的相互作用機制。

2 模型理論

按照分布圖的對稱性可將其分為對稱型和非對稱型，因為金融序列分布多呈現(xiàn)非對稱性[7]，故本文分析阿基米德Copula中的Gumbel Copula和Clayton Copula。

2.1 Gumbel Copula函數(shù)

Gumbel Copula函數(shù)的分布函數(shù)、密度函數(shù)分別為：

其中，相關(guān)參數(shù)α∈(0 ,1]。當(dāng)α=1時，隨機變量u、v獨立，即CG(u,v;1)=uv；當(dāng)α→0時，隨機變量u、v趨向于完全相關(guān)Gumbel Copula函數(shù)的密度函數(shù)具有非對稱性[8]，呈現(xiàn)“J”字型，即上尾高下尾低，對上尾變化十分敏感，通常用于描述具有上尾相關(guān)性的相關(guān)關(guān)系。

2.2 Clayton Copula函數(shù)

Clayton Copula函數(shù)的分布函數(shù)、密度函數(shù)分別為：

其中，相關(guān)參數(shù)θ∈(0,∞)。當(dāng)θ→0時，隨機變量u、v獨立，即；當(dāng)θ→∞時，隨機變量u、v趨向于完全相關(guān)Clayton Copula函數(shù)的密度函數(shù)也具有非對稱性，但與Gumbel Copula不同，Clayton Copula函數(shù)的密度分布呈現(xiàn)“L”型，即下尾高上尾低，對下尾變化十分敏感，通常用于描述具有下尾相關(guān)性的相關(guān)關(guān)系。

2.3 尾部相關(guān)性分析及Copula函數(shù)相關(guān)性分析

Copula函數(shù)對尾部相關(guān)性的分析包括上尾相關(guān)系數(shù)λU和下尾相關(guān)系數(shù)λL，通常用于刻畫兩市場是否會同時處于暴漲或暴跌的情形[9]。

Copula函數(shù)C(u,v)與Kendall秩相關(guān)系數(shù)τ，Speramanz秩相關(guān)系數(shù)ρ關(guān)系如下：

特別的，對于Gumbel Copula函數(shù)和Clayton Copula函數(shù)的尾部相關(guān)系數(shù)λ有：

3 實證研究

為研究不同市場流動性間的相互影響，在指標(biāo)選取方面，本文選擇2010年1月至2017年3月的證券市場每日換手率、商品房成交量以及七日回購利率分別作為證券市場流動性、房地產(chǎn)市場流動性以及銀行間市場流動性的衡量指標(biāo)。本文數(shù)據(jù)來自Wind數(shù)據(jù)庫以及中國人民銀行網(wǎng)站，計量軟件選用Matlab2015b。

3.1 確定邊緣分布

首先，本文用參數(shù)法確定三個隨機變量的邊緣分布，如圖1至下頁圖3所示。

圖1 證券市場流動性分布圖

圖2 房地產(chǎn)市場流動性分布圖

通過繪制證券市場、房地產(chǎn)市場以及銀行間市場流動性的頻率直方圖，初步判斷變量的分布類型及Copula函數(shù)類型。從頻率直方圖可以明顯看出，三個變量的分布均不對稱，進(jìn)一步對變量進(jìn)行正態(tài)性檢驗。如表1所示，三個序列的偏度均偏離0，峰度均大于3，同時結(jié)合J-b檢驗、K-s檢驗及Lillie檢驗結(jié)果，說明三個變量基本不服從正態(tài)分布。其中，證券市場流動性和銀行間市場流動性數(shù)據(jù)均呈現(xiàn)右偏拖尾現(xiàn)象，而房地產(chǎn)市場流動性數(shù)據(jù)則呈現(xiàn)明顯的左偏拖尾現(xiàn)象，且三者都具有尖峰厚尾的特點。

圖3 銀行間市場流動性分布圖

表1 統(tǒng)計檢驗結(jié)果

進(jìn)一步通過非參數(shù)法確定三個序列的分布，運用經(jīng)驗累積分布（Ecdf）函數(shù)求樣本的經(jīng)驗分布函數(shù)，作為總體分布函數(shù)的近似，并利用核光滑密度函數(shù)估計總體的分布。如圖4至圖6所示，經(jīng)驗分布函數(shù)圖和核分布估計圖幾乎重合。

圖4 證券市場經(jīng)驗分布和核分布估計圖

圖5 房地產(chǎn)市場經(jīng)驗分布和核分布估計圖

3.2 選取合適的Copula模型

圖6 銀行間市場經(jīng)驗分布和核分布估計圖

通過計算銀行間市場流動性與證券市場及房地產(chǎn)市場、證券市場與房地產(chǎn)市場的邊緣分布U=f(X)和V=g（X），可以初步通過（U,V）二元直方圖的形狀來確定Copula函數(shù)[10]。如圖7至圖9所示：三種市場流動性數(shù)據(jù)間的頻率直方圖并不具備尾部對稱性，即（U,V）的Copula密度函數(shù)不具有對稱的尾部，所以初步判斷用非對稱Gumbel Copula或者Clayton Copula更符合分布要求。

圖7 銀行間市場流動性與證券市場流動性的二元頻率直方圖

圖8 銀行間市場流動性與房地產(chǎn)市場流動性的二元頻率直方圖

圖9 證券市場流動性與房地產(chǎn)市場流動性的二元頻率直方圖

為了進(jìn)一步確定選擇較優(yōu)的Copula模型，同時估計Copula函數(shù)中的未知參數(shù)，本文通過最大似然估計來進(jìn)行參數(shù)估計，利用Copulafit函數(shù)估計Copula函數(shù)中相關(guān)參數(shù)并選擇較優(yōu)的Copula函數(shù)。如下頁表2所示，L指似然函數(shù)的相反數(shù)，根據(jù)最大似然估計法L取最小值，在估計結(jié)果中，銀行間市場與證券市場流動性及房地產(chǎn)市場流動性中皆為Clayton Copula函數(shù)的L擬合值最小，因此選用Clayton Copula函數(shù)。而在證券市場與房地產(chǎn)市場流動性中Gumbel Copula函數(shù)的L擬合值更小，因此選用Gumbel Copula函數(shù)。而AIC指標(biāo)來源于Akaike準(zhǔn)則，AIC=（2倍參數(shù)個數(shù)-2倍對數(shù)似然函數(shù)值）/T，通常用于評價模型估計結(jié)果，數(shù)值越小說明模型估計越準(zhǔn)確[11]?？梢钥闯?，銀行間市場與證券市場流動性及房地產(chǎn)市場流動性中仍是Clayton Copula函數(shù)最佳，證券市場與房地產(chǎn)市場流動性中Gumbel Copula函數(shù)最佳。

表2 Copula函數(shù)相關(guān)估計表

3.3 尾部相關(guān)性及秩相關(guān)系數(shù)統(tǒng)計分析

3.3.1 尾部相關(guān)性分析

證券市場與銀行間市場流動性尾部相關(guān)性為：

房地產(chǎn)市場與銀行間市場流動性的尾部相關(guān)性為：

證券市場與房地產(chǎn)市場流動性的尾部相關(guān)性為：

以上對不同市場間選擇的Copula模型的尾部相關(guān)性進(jìn)行了計算，從結(jié)果可以看出：證券市場流動性、房地產(chǎn)市場流動性以及銀行間市場流動性之間具有顯著的相互影響。如：證券市場收益率上升時，導(dǎo)致證券市場流動性上升而銀行間市場流動性下降的概率為42.85%；房地產(chǎn)市場流動性變動對于銀行間市場流動性變動的影響概率為50.72%；而證券市場流動性變動對于房地產(chǎn)市場流動性的影響概率則為57.67%。

本文接著對三個市場間的相關(guān)性進(jìn)行了分析。圖10至圖12分別是證券市場流動性、房地產(chǎn)市場流動性及銀行間市場流動性間二元Copula的密度函數(shù)和分布函數(shù)圖。結(jié)合上文分析，銀行間市場與證券市場流動性及房地產(chǎn)市場流動性中仍是Clayton Copula函數(shù)最佳。從銀行間市場與證券市場流動性及房地產(chǎn)市場流動性變量的二元Clayton Copula密度函數(shù)和分布函數(shù)圖可以看出：證券市場流動性、房地產(chǎn)市場流動性與銀行間市場流動性皆存在明顯的下尾相依特性，分布的下尾部變量間具有較強的相關(guān)性；而在分布的上尾部，變量間則是漸近獨立的[12]，這與理論依據(jù)中的分析相一致，充分驗證了證券市場以及房地產(chǎn)市場流動性變動與系統(tǒng)流動性風(fēng)險的相關(guān)性。

接下來考量證券市場流動性與房地產(chǎn)市場流動性的尾部相關(guān)性。從尾部相關(guān)性的計算結(jié)果及密度函數(shù)和分布函數(shù)圖來看，分布的上尾部變量間具有較強的相關(guān)性，而在分布的下尾部，變量間則是漸近獨立的[13]，說明證券市場與房地產(chǎn)市場流動性具有較強的上尾相關(guān)性。這與宏觀經(jīng)濟(jì)角度的分析相一致：在宏觀經(jīng)濟(jì)因素較好時，房地產(chǎn)市場流動性和股票市場流動性會同向上升；而在宏觀經(jīng)濟(jì)狀況較差時，股票市場因為看空和恐慌情緒影響，流動性變動大于房地產(chǎn)市場，而房地產(chǎn)市場因出售流通程序較復(fù)雜，流動性變動會出現(xiàn)一定程度的滯后[14]，即上尾相關(guān)性更強。

圖10 證券市場與銀行間市場流動性二元Clayton Copula密度函數(shù)和分布函數(shù)圖

圖11 房地產(chǎn)市場與銀行間市場流動性二元Clayton Copula密度函數(shù)和分布函數(shù)圖

3.3.2 秩相關(guān)系數(shù)統(tǒng)計分析

估計了Copula中的參數(shù)后，本文繼續(xù)估計Kendall秩相關(guān)系數(shù)和Spearman秩相關(guān)系數(shù)。從三個市場的Kendall秩相關(guān)系數(shù)和Spearman秩相關(guān)系數(shù)可以看出，之前的相關(guān)性分析較好地反映了三個市場流動性間的相關(guān)性。由表3可知：證券市場與房地產(chǎn)市場流動性的Kendall秩相關(guān)系數(shù)和Spearman秩相關(guān)系數(shù)分別為-0.0245和-0.0314，說明證券市場與房地產(chǎn)市場流動性呈現(xiàn)負(fù)相關(guān)關(guān)系，驗證了理論分析中替代效應(yīng)和投資資產(chǎn)組合理論所得結(jié)論[15]；而房地產(chǎn)市場與銀行間市場流動性的Kendall秩相關(guān)系數(shù)和Spearman秩相關(guān)系數(shù)分別為-0.0104和-0.0156，說明房地產(chǎn)市場與銀行間市場流動性呈現(xiàn)負(fù)相關(guān)關(guān)系，與理論分析中所得結(jié)論相同；證券市場與銀行間市場流動性的Kendall秩相關(guān)系數(shù)和Spearman秩相關(guān)系數(shù)分別為0.0036和0.0059，這與通常理論研究結(jié)果不同，說明我國證券市場發(fā)展尚未成熟，其運行機制以及作用機理需要進(jìn)一步規(guī)范與完善。

表3 各項秩相關(guān)系數(shù)值

4 結(jié)論

從金融理論方面來看，本文基于Markowitz的投資組合理論以及財富效應(yīng)、替代效應(yīng)角度對證券市場和房地產(chǎn)市場流動性的相關(guān)性進(jìn)行分析，認(rèn)為財富效應(yīng)使得房地產(chǎn)市場和證券市場流動性同向變動、相互帶動，而替代效應(yīng)和投資資產(chǎn)組合理論則會造成兩者反向變動，在就一定程度上使得兩市場相互制約[16]。

從實證角度進(jìn)行驗證，發(fā)現(xiàn)證券市場與銀行間市場流動性呈現(xiàn)負(fù)相關(guān)關(guān)系，更加符合理論分析中替代效應(yīng)和投資資產(chǎn)組合理論所得結(jié)論。在實證檢驗方面，數(shù)據(jù)結(jié)果顯示，房地產(chǎn)市場與銀行間市場流動性呈現(xiàn)負(fù)相關(guān)關(guān)系，與理論分析中所得結(jié)論相同，但證券市場與銀行間市場流動性動性呈現(xiàn)正相關(guān)關(guān)系，這與通常理論研究結(jié)果不同，說明我國證券市場發(fā)展尚未完善。從系統(tǒng)流動性來看，在市場流動性一定的條件下，銀行間流動性與證券市場和房地產(chǎn)市場流動性呈現(xiàn)此消彼長的態(tài)勢，而對于證券市場流動性和房地產(chǎn)市場流動性，財富效應(yīng)使其同向變動、相互帶動，而替代效應(yīng)和投資資產(chǎn)組合理論又認(rèn)為兩者在一定程度上相互制約，從而形成了相互作用機制。