葉方冰，趙 沛，劉精山

(1.南開大學商學院，天津 300071；2.國家能源集團資本控股有限公司資產(chǎn)管理部，北京 100044；3.渤海證券股份有限公司博士后工作站，天津 300074)

一、引 言

2008年爆發(fā)的金融危機導致全球金融市場的崩潰和持續(xù)的經(jīng)濟衰退，也引起了學者和政策制定者對金融系統(tǒng)性風險的關(guān)注。目前，各國中央銀行和金融當局已經(jīng)制定了一系列指標來監(jiān)測和評估金融系統(tǒng)的風險狀態(tài)或壓力水平，以在必要時采取適當?shù)谋O(jiān)管行動。建立具備實時監(jiān)測與早期發(fā)現(xiàn)功能的指數(shù)系統(tǒng)可以幫助決策者預防或減輕潛在的金融危機，是構(gòu)建系統(tǒng)性風險預警系統(tǒng)的重要一步。

對于金融壓力指數(shù)的相關(guān)討論主要集中于編制方法，如變量的選擇與轉(zhuǎn)換、所選數(shù)據(jù)的頻率、指標的聚合方法以及對于指數(shù)的評估等。這些研究大多利用市場數(shù)據(jù)或資產(chǎn)負債表指標，分金融部門尋找并構(gòu)建指標，然后聚合成一個反映系統(tǒng)壓力的綜合指數(shù)，從而對整個金融體系的壓力和失衡狀態(tài)提供參考。然而，大多數(shù)研究只著眼于建立一個綜合指數(shù)來評估金融系統(tǒng)的總體壓力水平，僅有少數(shù)研究試圖探索各金融市場與部門之間潛在的壓力相互作用和傳導機制。隨著金融機構(gòu)之間與金融市場之間的關(guān)聯(lián)日益復雜，金融系統(tǒng)中局部產(chǎn)生的不利沖擊可能會傳導到整個金融系統(tǒng)，造成更大的破壞與更深的影響。由此，單一的金融壓力指數(shù)無法捕捉到金融系統(tǒng)中的聯(lián)動性，存在一定的局限。

為了彌補金融壓力指數(shù)對于系統(tǒng)聯(lián)動性捕捉能力不強的缺陷，本文對金融壓力指數(shù)進行細分，以評估金融體系的聯(lián)動狀況。通過使用Baruník和Krehlík(2018)[1]的“溢出指數(shù)”方法，對金融壓力指數(shù)進行修正和擴展，探索股票、債券、銀行、貨幣和外匯市場的壓力溢出總量和方向。本文可能的邊際貢獻在于：第一，在研究內(nèi)容上，通過考慮每個部門壓力指標的平均和時變關(guān)聯(lián)性，考察了金融系統(tǒng)內(nèi)各部門壓力之間的重要聯(lián)系與關(guān)聯(lián)特征，探索了各部門間金融壓力關(guān)聯(lián)的大小、方向與傳導機制；第二，在研究方法上，首次將BK溢出指數(shù)引入金融壓力關(guān)聯(lián)性研究，考察了金融壓力在不同周期長度下關(guān)聯(lián)程度的差異，并進行了解釋。

二、文獻綜述

(一)金融壓力的識別與測度

目前，研究者主要從兩個角度定義金融壓力。部分學者試圖從金融壓力產(chǎn)生原因的角度來識別金融壓力。Illing和Liu(2006)提出，金融壓力是由于金融市場和金融機構(gòu)中的不確定性和預期損失的改變而對經(jīng)濟主體造成影響的可能性，它是一個脆弱的金融結(jié)構(gòu)與來自外部的沖擊相結(jié)合的產(chǎn)物，沖擊的大小和金融體系內(nèi)部的脆弱程度傳導決定了金融壓力的大小[2]。Hollo等(2012)認為，金融壓力的出現(xiàn)源自金融系統(tǒng)的不穩(wěn)定，金融系統(tǒng)中摩擦與變化出現(xiàn)的程度越高，則金融壓力水平也越高。也有學者從金融壓力的表現(xiàn)形式上來定義[3]。Balakrishnan等(2011)將金融壓力定義為金融系統(tǒng)處于緊張狀態(tài)，導致中介能力受到損害的時期。金融壓力往往與至少四個基本特征有關(guān)，即資產(chǎn)價格的大幅變動、風險或不確定性的突然增加、流動性枯竭以及對銀行體系健康狀況的擔憂[4]。Hakkio和Keeton(2009)在描述金融壓力的特征時，認為其存在資產(chǎn)基本價值的不確定性增加、其他投資者行為的不確定性增加、信息不對稱增加以及持有風險資產(chǎn)和非流動性資產(chǎn)的意愿降低等特點[5]。同時，金融壓力的這些特征密切相關(guān)，可能存在各個特征相互影響相互強化的趨勢。

針對這些定義與特征，國內(nèi)外學者在指標的選取與聚合上進行了探索。Illing和Liu(2006)[2]最早提出構(gòu)建指數(shù)測度金融壓力以反映金融系統(tǒng)風險水平。此后，出于監(jiān)測金融系統(tǒng)內(nèi)整體風險水平的需求，各國學者與金融監(jiān)管當局進行了一系列改進。Caldarelli等(2011)[6]將12個來自不同金融市場的變量進行標準化處理并計算算術(shù)平均值，構(gòu)建了月度金融壓力指數(shù)。Hakkio和Keeton(2009)[5]選取11個金融市場中的變量作為子指標，用主成分分析方法為美國金融系統(tǒng)構(gòu)建了一個月度的金融壓力指數(shù)。Cevik等(2013；2015)[7][8]利用主成分分析，先后計算了東歐五國與東南亞五國的金融壓力指數(shù)。Oet等(2012)[9]將金融市場分為四個部門，并以各部門每季度融資額度占總額度的比例為權(quán)重合成了綜合的金融壓力指數(shù)。Hollo等(2012)[3]將金融業(yè)分為五個部門，以各部門間的時變相關(guān)系數(shù)作為權(quán)重得到具備關(guān)聯(lián)性時變特征的金融壓力指數(shù)。Chau和Deesomsak(2014)[10]利用Diebold和Yilmaz(2012)[11]的溢出指數(shù)方法編制了金融壓力溢出指數(shù)，考察了金融壓力在美國各金融市場間的相互溢出情況。國內(nèi)學術(shù)界也對金融壓力指數(shù)的構(gòu)建進行了廣泛的研究。賴娟和呂江林(2010)[12]、陳守東和王妍(2011)[13]、靳玉英和周兵(2013)[14]、劉瑞興(2015)[15]等主要采用各種加總的指標聚合方式；劉曉星和方磊(2012)[16]采用信用融資額度賦權(quán)加總的方式。張晶和高晴(2015)[17]、陳忠陽和許悅(2016)[18]采用資產(chǎn)組合方法，將金融市場數(shù)據(jù)分為五個部門，計算了周頻的中國系統(tǒng)金融壓力指數(shù)。

雖然近年來在金融壓力指數(shù)編制方法的改進中開始考慮部門間關(guān)聯(lián)因素，但是已有研究大多只是簡單計算了部門間的關(guān)聯(lián)系數(shù)，以考慮不同部門在總指數(shù)中的權(quán)重，而對于關(guān)聯(lián)性本身的重要性與時變特征缺乏重視，未就關(guān)聯(lián)的程度與方向展開進一步討論。鑒于此，識別金融系統(tǒng)內(nèi)部的金融壓力溢出關(guān)聯(lián)性，確認關(guān)聯(lián)大小、關(guān)聯(lián)方向、網(wǎng)絡(luò)結(jié)構(gòu)以及傳遞渠道等應(yīng)當是一項具有意義的研究。

(二)金融關(guān)聯(lián)網(wǎng)絡(luò)的相關(guān)研究

隨著現(xiàn)代金融體系的不斷發(fā)展，金融系統(tǒng)內(nèi)部的各個市場、機構(gòu)之間的關(guān)聯(lián)性也在不斷加強。然而在2008年次貸危機之前，學術(shù)界鮮有涉及金融機構(gòu)與市場間關(guān)聯(lián)程度與關(guān)聯(lián)網(wǎng)絡(luò)的研究。危機爆發(fā)后，對金融系統(tǒng)的網(wǎng)絡(luò)化研究才逐漸被學術(shù)界所關(guān)注。學者們嘗試使用諸如相關(guān)系數(shù)、格蘭杰因果網(wǎng)絡(luò)、DAG、溢出指數(shù)等方法，從關(guān)聯(lián)程度與關(guān)聯(lián)結(jié)構(gòu)等多個角度，對金融系統(tǒng)中的網(wǎng)絡(luò)關(guān)聯(lián)情況進行了研究。

在金融壓力研究領(lǐng)域，對于關(guān)聯(lián)網(wǎng)絡(luò)的研究主要集中于金融壓力的跨國溢出。Balakrishnan等(2011)[4]、Park等(2013)[31]均采用兩階段估計方法對發(fā)達經(jīng)濟體和新興經(jīng)濟體之間金融壓力的聯(lián)動強度和決定因素進行分析。Dovern和Roye(2014)[32]采用全局VAR模型，基于20個主要經(jīng)濟體的金融壓力指數(shù)分析了金融壓力的國際傳導及其對于經(jīng)濟活動的影響。Apostolakis和Papadopoulos(2014)[33]采用DY溢出指數(shù)方法，對G7國家間的金融壓力關(guān)聯(lián)網(wǎng)絡(luò)進行了研究。MacDonald等(2018)[34]采用金融壓力指數(shù)作為系統(tǒng)風險指標，構(gòu)建多元GARCH模型分析了歐元區(qū)國家金融壓力的關(guān)聯(lián)情況。在國內(nèi)研究方面，靳玉英和周兵(2013)[14]研究了金融壓力在新興市場間的傳播情況。杜曉蓉(2014)[35]通過構(gòu)建簡易的金融壓力指數(shù)研究了美國的金融風險向我國傳染的潛在路徑。徐少君等(2020)[36]將GVAR模型與DY溢出指數(shù)相結(jié)合，構(gòu)建了金融壓力的國際溢出關(guān)聯(lián)網(wǎng)絡(luò)并對其傳播渠道進行了識別。

總體上，對于金融領(lǐng)域的關(guān)聯(lián)網(wǎng)絡(luò)研究，目前學術(shù)界已有多種較為成熟的范式與方法。關(guān)聯(lián)網(wǎng)絡(luò)研究方法已被應(yīng)用于金融壓力的跨國溢出研究，并取得了一定的成果。鑒于此，采用關(guān)聯(lián)網(wǎng)絡(luò)研究金融壓力在市場間的關(guān)聯(lián)程度、大小與方向是可行的，其結(jié)果應(yīng)該是穩(wěn)健的。

三、模型設(shè)計與樣本選擇

(一)時域及頻域下關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建

本研究通過對金融壓力指數(shù)的各部門數(shù)據(jù)在頻域范疇進行廣義方差分解，建立金融壓力內(nèi)部關(guān)聯(lián)網(wǎng)絡(luò)。首先，建立變量數(shù)為N的VAR(p)系統(tǒng)：

Xt=Φ1Xt-1+Φ2Xt-2+…+ΦpXt-p+εt

(1)

進行時域下預測方差分解，使用廣義方差分解來計算變量Xj的第H預測期的方差分解中被變量Xk所解釋的部分為：

(2)

其中，σkk=(Σ)k,k，Ψh為N×N的VMA系數(shù)矩陣。隨后，對(θH)j,k標準化：

(3)

Ψ(e-iω)=∑he-iωhΨh,ω∈(-π,π)

(4)

基于頻率響應(yīng)函數(shù)，Xt在頻域ω上的譜密度Sx(ω)為：

(5)

(6)

其中，(ζ(ω))j,k是在ω頻率上，變量j產(chǎn)生的變化中來自變量k的沖擊比例。引入權(quán)重函數(shù)：

(7)

(8)

(9)

總溢出指數(shù)如公式(10)所示：

(10)

溢入指數(shù)如公式(11)所示：

(11)

溢出指數(shù)如公式(12)所示：

(12)

凈溢出指數(shù)如公式(13)所示：

(13)

(二)樣本選擇

綜合前文理論分析，當金融壓力增大時，金融體系會出現(xiàn)以下特征，即金融資產(chǎn)價值的不確定性增加，且市場參與者持有風險資產(chǎn)和非流動性資產(chǎn)的意愿降低。這一特征會導致資產(chǎn)價格的波動率大幅上升，利差變大。這些變動可以通過選取不同的指標加以捕捉，進而反映我國金融體系中壓力的變動狀況[38]。本文參考已有研究將我國金融市場分為股票市場、債券市場、外匯市場、貨幣市場與銀行部門五個部分。雖然高頻數(shù)據(jù)能夠更好地反映金融市場的變化情況，但由于銀行部門的高頻數(shù)據(jù)難以獲得，為了將各部門進行統(tǒng)一考量，本文將數(shù)據(jù)的頻率定為月頻?？紤]到不同數(shù)據(jù)的起始時間差異，本文最終確定樣本為2007年1月至2018年12月。研究樣本包含了來自各金融部門的10個指標，具體見表1。為了便于計算和加總，各指標均進行了標準化處理，同一部門內(nèi)的指標按照等權(quán)重的形式進行加總。

為通過滾動分析的方法估計動態(tài)的溢出效應(yīng)，本文在將時域映射到頻域時采用48個月(即4年)的滾動窗口期，分別以[1,…,48]，[2,…,49]，…，[t,…,t+47]為窗口期進行估計。同時，根據(jù)AIC準則，設(shè)定VAR模型的最大滯后階數(shù)為4期。對于頻域帶的選擇，本文借鑒前人的研究，將高頻設(shè)定為(π/3,π)，中頻設(shè)定為(π/3,π/12)，低頻設(shè)定為(π/12,0)，對應(yīng)樣本數(shù)據(jù)分別為0到3個月，3個月以上到12個月，以及12個月以上。

表1 各部門子指標

四、實證結(jié)果及分析

(一)描述性統(tǒng)計與相關(guān)性統(tǒng)計

表2給出了2007年1月至2018年12月樣本期內(nèi)各部門金融壓力指數(shù)的描述性統(tǒng)計量。從均值來看，各部門均較為接近，除貨幣市場外其他部門的均值基本都接近于0。外匯市場和銀行部門的標準差最小，說明兩者的總體波動性水平較小，而貨幣市場的標準差最大，說明貨幣市場相對其他部門來說波動更為劇烈。從最大值與最小值的分布來看，貨幣市場的極端值最為明顯，而銀行部門的極端值偏離情況最小。從偏度來看，股票市場和銀行部門的偏度水平大于0，為右偏，但是偏離程度并不明顯；相對來說，債券市場則表現(xiàn)出了較為明顯的左偏(-1.6783)。從峰度水平來看，除債券市場以外均小于3，普遍表現(xiàn)為低峰態(tài)，其中銀行部門的峰度僅為1.8104，接近均勻分布(1.8)的形態(tài)。

表2 描述性統(tǒng)計

為了初步衡量不同部門金融壓力的相互關(guān)聯(lián)作用，筆者計算了各部門在樣本期內(nèi)的相關(guān)系數(shù)。表3結(jié)果顯示，五個部門之間存在顯著相關(guān)關(guān)系，其中，股票市場與其他部門表現(xiàn)出了顯著的負相關(guān)關(guān)系，而其他各部門間則表現(xiàn)為顯著的正相關(guān)關(guān)系。然而，金融壓力的相互作用和傳導所遵循的模式可能會比簡單的相關(guān)系數(shù)更為復雜和多變，因此，進一步研究一個部門的金融壓力對其他部門的影響程度，以及確定一個部門的金融壓力在整個金融體系中溢出的渠道，是有趣且有益的。

表3 各部門金融壓力相關(guān)系數(shù)

(二)全樣本靜態(tài)分析

本研究采用全樣本擬合估計結(jié)果刻畫樣本期內(nèi)金融壓力指數(shù)所含的五個部門的總體溢出關(guān)系，測度估計結(jié)果如表4所示。該結(jié)果為6×6的矩陣，其中前5×5為五個部門之間的關(guān)聯(lián)關(guān)系。具體而言，所有非對角線上的列(標記方向為TO)和行(標記方向為FROM)分別代表金融壓力沖擊的去向與來源，即金融系統(tǒng)中一個部門的金融壓力的預測誤差來自其他四個部門的金融壓力沖擊的比例，以及一個部門的金融壓力對于其他四個部門的沖擊的比例。而TO減去FROM的差異則被定義為該部門金融壓力的凈溢出水平?？梢钥闯?，總體上金融壓力的溢出效應(yīng)并不高(總體溢出水平為32.36%)，這表明樣本期內(nèi)金融系統(tǒng)內(nèi)金融壓力的變化只有32.36%的部分是由跨市場的壓力溢出效應(yīng)引起的，而剩下的77.64%的變化則是由于金融系統(tǒng)內(nèi)的特殊壓力沖擊造成的。具體到各部門，債券市場似乎是對其他部門壓力貢獻最大的部門，其金融壓力的輸出達到11.08%，其次是貨幣市場(7%)與股票市場(6.79%)，而銀行部門則在外匯市場(4.98%)之后居末位，其金融壓力的輸出僅為2.51%。依據(jù)全樣本的溢出測度結(jié)果，銀行業(yè)幾乎沒有向其他金融部門傳遞金融壓力。而從接受的壓力來看，債券市場所受到的來自其他部門的外部壓力溢出最少，僅為1.91%，外匯市場則受到了最多的來自其他部門的壓力溢出，達到了10.1%；而貨幣市場(8.4%)、銀行業(yè)(7.95%)和股票市場(4%)則分列接受壓力溢出排名的二三四位。最后，矩陣中對角線上的數(shù)值代表該部門自身產(chǎn)生的沖擊對于自身金融壓力變化的貢獻情況?？梢钥闯?，在樣本區(qū)間內(nèi)，債券市場對于自身影響的程度最低，僅為44.62%；而銀行業(yè)則受自身影響最強烈，其87.47%的變化是由于自身市場中產(chǎn)生的沖擊造成的。

表4 全樣本靜態(tài)網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)靜態(tài)分析

為進一步刻畫不同部門之間的網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系，本文利用網(wǎng)絡(luò)分析法研究各個部門之間的金融壓力溢出關(guān)系。關(guān)聯(lián)網(wǎng)絡(luò)如圖1所示，該網(wǎng)絡(luò)圖展示了關(guān)聯(lián)水平大于平均關(guān)聯(lián)水平6.4的網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系。在樣本期內(nèi)，關(guān)聯(lián)網(wǎng)絡(luò)的密度為0.35，平均路徑長度為1.45，網(wǎng)絡(luò)直徑為3，均小于網(wǎng)絡(luò)中的節(jié)點數(shù)；同時，網(wǎng)絡(luò)的全局聚集系數(shù)為60.00%，平均局部聚集系數(shù)為49.72%，表現(xiàn)出了較高的聚集性。如果一個網(wǎng)絡(luò)模型的聚集性很高但多數(shù)節(jié)點間的距離很短，那么這一類模型就具有“小世界性”。顯然，本研究所構(gòu)建的各部門金融壓力溢出關(guān)聯(lián)網(wǎng)絡(luò)具備“小世界性”的特征。由于復雜網(wǎng)絡(luò)的小世界特性與網(wǎng)絡(luò)中信息傳播有著密切的聯(lián)系，因此該網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系較好地刻畫了各部門間的金融壓力溢出關(guān)系。圖2展示了“小世界”網(wǎng)絡(luò)模型系統(tǒng)中各部門金融壓力溢出關(guān)聯(lián)性的相對度數(shù)中心性，入度中心性(IN)高代表該節(jié)點是信息的主要接收者，出度中心性(OUT)高則代表該節(jié)點是信息的主要溢出者。結(jié)果顯示債券市場是信息的主要溢出者，銀行業(yè)是信息的主要接收者。

圖1 各部門金融壓力總體關(guān)聯(lián)網(wǎng)絡(luò)

圖2 各部門關(guān)聯(lián)網(wǎng)絡(luò)相對度數(shù)中心性

有趣的是，雖然中美兩國在金融結(jié)構(gòu)上存在巨大差異(1)一般認為，美國的金融結(jié)構(gòu)為市場主導型，而中國的金融結(jié)構(gòu)為銀行主導型。，然而對比本研究與其他相關(guān)研究的結(jié)果后發(fā)現(xiàn)，兩國金融系統(tǒng)中各部門的金融壓力溢出結(jié)果在排序上基本一致(2)該研究在對于美國金融系統(tǒng)內(nèi)市場的細分上并未單獨列出貨幣市場，但是在去除貨幣市場外其他各市場的金融壓力的溢出排序與本研究的結(jié)果是一致的。，均表現(xiàn)為債券市場溢出最多而銀行業(yè)溢出最少[33]。這一發(fā)現(xiàn)與銀行業(yè)在系統(tǒng)性壓力和金融危機的發(fā)展中起決定性作用的觀點形成了鮮明的對比。有些研究認為，銀行機構(gòu)進行了高風險投資，但缺乏有效的管理與控制風險敞口的手段，而由于金融系統(tǒng)不同部門之間的聯(lián)系，銀行系統(tǒng)的脆弱性可能會很快導致整個金融系統(tǒng)的崩潰。然而依據(jù)本文的研究結(jié)果，監(jiān)管部門不應(yīng)忽視其他市場的問題，以及整個金融體系在運作和相互關(guān)聯(lián)方面所固有的核心問題。

(三)動態(tài)滾動窗口下的時變性溢出分析

為了對不同時期各個部門之間金融壓力溢出情況的時變特征有一個更為明確的認識，本研究計算了滾動窗口期下金融壓力在各個部門之間的動態(tài)溢出關(guān)系。將窗口期設(shè)為24期(即2年)，樣本區(qū)間從2007年1月至2018年12月，得到的估計結(jié)果為2009年1月至2018年12月間共120個月的變化情況。

圖3展示了五個部門之間的總體溢出指數(shù)，代表金融壓力溢出的預測誤差方差中來自各個部門的變化導致的部分，刻畫了該系統(tǒng)的動態(tài)溢出時變關(guān)系，反映了樣本期內(nèi)金融壓力在各個部門之間的溢出水平隨時間變化的情況。五個部門之間的壓力溢出關(guān)聯(lián)水平具有明顯的時變特征，在樣本區(qū)間內(nèi)，關(guān)聯(lián)水平最小值為0%，最大值為74.76%，平均溢出水平為23.31%。

自2009年開始，由于全球金融危機對于我國金融系統(tǒng)的沖擊影響逐漸消退，各部門間金融壓力的關(guān)聯(lián)程度逐漸降低。然而由于通脹過高引致貨幣政策收緊，而社會融資需求依然較高，對于資金的擠壓效應(yīng)比較顯著，造成2011年開始金融系統(tǒng)內(nèi)流動性緊張程度的逐漸抬升。伴隨著金融系統(tǒng)內(nèi)的流動性緊缺，各部門間金融壓力的關(guān)聯(lián)性也出現(xiàn)了較高的增長。在2015年至2016年間，我國股市先急速拉升而后暴跌形成兩次股災(zāi)，各部門間金融壓力的關(guān)聯(lián)程度也從2014年底的趨近于0%急速拉升至2015年7月的74.76%，成為樣本期內(nèi)的最高點。此后，受到人民幣兌美元匯率大幅波動、股市再次升溫以及中美貿(mào)易摩擦等的影響，各部門間金融壓力的關(guān)聯(lián)程度再次出現(xiàn)顯著提升，并在2018年10月達到了新的階段性高點70.30%?？偟膩碚f，金融系統(tǒng)內(nèi)各部門金融壓力的關(guān)聯(lián)性會在金融系統(tǒng)出現(xiàn)危機時大幅升高。

圖3 時域下金融系統(tǒng)內(nèi)壓力動態(tài)溢出效應(yīng)時變關(guān)系

為了進一步刻畫樣本期內(nèi)各部門金融壓力關(guān)聯(lián)水平的動態(tài)關(guān)系，本文利用網(wǎng)絡(luò)分析法研究經(jīng)濟系統(tǒng)在時序上的網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系。首先，結(jié)構(gòu)特征顯示，各部門金融壓力溢出的關(guān)聯(lián)網(wǎng)絡(luò)具有“小世界”現(xiàn)象。一方面，如表5所示，網(wǎng)絡(luò)平均路徑和直徑都比較小，各年度的平均網(wǎng)絡(luò)直徑最小為1，最大為2，網(wǎng)絡(luò)平均路徑長度最小為1，最大為1.375，同時全局聚集系數(shù)除2013年和2014年外均大于0.5，說明這一網(wǎng)絡(luò)模型存在明顯的“小世界”特征。另一方面，如圖4所示，各部門金融壓力的網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系具有一定的異質(zhì)性。不同時序區(qū)間內(nèi)，不確定性網(wǎng)絡(luò)關(guān)聯(lián)水平和節(jié)點具有顯著差異。雖然大多數(shù)節(jié)點僅與少數(shù)節(jié)點關(guān)聯(lián)，但是少數(shù)節(jié)點與絕大多數(shù)節(jié)點關(guān)聯(lián)，這表明關(guān)聯(lián)網(wǎng)絡(luò)具有顯著的“無標度”特征。

其次，在金融系統(tǒng)出現(xiàn)困難或危機時，各部門金融壓力溢出的關(guān)聯(lián)水平相較于金融系統(tǒng)正常運行時期的關(guān)聯(lián)水平更高。從圖4來看，2012年(歐債危機、流動性短缺)、2015年(股市暴跌)和2018年(中美貿(mào)易摩擦)代表溢出關(guān)系的連線數(shù)量要顯著高于2011年、2014年等年份。表5中的年度關(guān)聯(lián)特征同樣印證了這一觀點。2012年、2015年和2018年的網(wǎng)絡(luò)密度明顯高于其他年份。對于這一現(xiàn)象，可以從兩個角度進行解釋：(1)危機發(fā)生會導致金融機構(gòu)的資產(chǎn)質(zhì)量及變現(xiàn)能力大打折扣，金融機構(gòu)的共同風險敞口迅速擴大，實際關(guān)聯(lián)程度較危機前有所提升。(2)投資者在經(jīng)濟繁榮時期與危機時期對于風險的偏好程度可能存在不同。一旦出現(xiàn)危機，投資者可能會迅速地由風險中性轉(zhuǎn)變?yōu)轱L險厭惡，從而在羊群效應(yīng)的作用下非理性地拋售資產(chǎn)以降低潛在風險，導致恐慌情緒在多個市場間傳染。

表5 各部門金融壓力關(guān)聯(lián)網(wǎng)絡(luò)的總體關(guān)聯(lián)特征

圖4 部分重點年度金融壓力溢出關(guān)聯(lián)網(wǎng)絡(luò)

(四)動態(tài)滾動窗口下的頻域溢出分析

圖5展示了不同頻域下金融系統(tǒng)內(nèi)部金融壓力的溢出關(guān)聯(lián)情況，從上到下依次為高頻(周期為0到3個月)、中頻(周期為3個月以上到12個月)、低頻(周期為12個月以上)以及全局時域下的關(guān)聯(lián)情況。首先從時域下的關(guān)聯(lián)情況來看，金融系統(tǒng)內(nèi)部金融壓力的溢出關(guān)聯(lián)性提高主要集中于2011年至2012年、2015年至2016年、2017年下半年至2018年三個區(qū)間，而在2009年和2010年以及2013年和2014年之間都保持了一個較低的趨勢。從不同頻域的動態(tài)關(guān)聯(lián)水平來看，低頻關(guān)聯(lián)水平在時變動態(tài)上與全局頻率下的一致性水平較高。唯一的例外是2015年上半年，這段時間內(nèi)高頻下的聯(lián)動性水平與全局頻域下的聯(lián)動性水平更為接近。

圖5 頻域下各部門金融壓力的關(guān)聯(lián)性時序

Baruník和Krehlík(2018)認為，高頻事件通常源于羊群效應(yīng)與投資者情緒等噪聲交易，而低頻事件則通常是受經(jīng)濟基本面下滑等長期持續(xù)的不確定性事件所影響[1]。2011年至2012年間我國金融系統(tǒng)的緊張情況主要來自緊縮的貨幣政策與高漲的融資需求造成的流動性不足，即實體經(jīng)濟缺乏資金造成的經(jīng)濟基本面預期下降。而2015年上半年股市暴跌造成的金融系統(tǒng)內(nèi)壓力的緊張，主要在于題材的炒作與投資杠桿所吹起的資產(chǎn)泡沫，隨著炒作資金枯竭以及投資者情緒的轉(zhuǎn)向，缺乏基本面支撐的虛假繁榮旋即破滅。最后，自2018年以來，中美貿(mào)易摩擦不斷，我國的宏觀經(jīng)濟基本面預期不確定性大幅增加，股票市場崩盤、人民幣匯率下跌，金融系統(tǒng)內(nèi)的壓力緊張程度再次上升。由此來看，2011年、2012年和2018年金融壓力聯(lián)動性的增加主要來自宏觀經(jīng)濟基本面的下調(diào)，而2015年金融壓力聯(lián)動性的增加則來自噪聲交易與羊群效應(yīng)的非理性投資行為，兩者所對應(yīng)的頻域也正好分別與低頻和高頻的定義來源相符。同時，這一結(jié)果也印證了前文所分析的危機期間金融系統(tǒng)相關(guān)性增加的兩種渠道的存在。

五、結(jié)論與政策建議

為了彌補單一的金融壓力指數(shù)通常不能捕捉到金融系統(tǒng)中的聯(lián)動性這一局限，本文使用“溢出指數(shù)”方法，對金融壓力指數(shù)進行了修正和擴展，以跟蹤股票、債券、銀行、貨幣和外匯市場的壓力溢出總量和方向，通過研究每個部門壓力指標的總體平均互聯(lián)性和時變互聯(lián)性，探索了金融系統(tǒng)內(nèi)各個部門之間的重要聯(lián)系。研究表明：(1)總體上，銀行業(yè)輸出的壓力溢出水平在五個部門中是最低的，所受到的金融壓力主要來自于自身產(chǎn)生的壓力沖擊，而與其他幾個市場的聯(lián)系并不是最緊密的。(2)我國各部門金融壓力的關(guān)聯(lián)性具有很強的時變性，同時具有“小世界性”的復雜特征。相較于平穩(wěn)時期，各部門金融壓力在系統(tǒng)內(nèi)部的關(guān)聯(lián)性在金融系統(tǒng)出現(xiàn)危機期間會顯著上升。(3)我國金融壓力在金融系統(tǒng)內(nèi)的關(guān)聯(lián)水平主要受較長持續(xù)力和影響力事件的影響，但是噪聲交易等非理性投資行為所帶來的干擾不應(yīng)忽視。

基于上述研究結(jié)果，得出如下啟示：第一，現(xiàn)代金融體系的互聯(lián)性極大地增加了金融網(wǎng)絡(luò)的復雜性，在綜合監(jiān)管的新格局下，金融監(jiān)管當局在重點監(jiān)督具有系統(tǒng)重要性的節(jié)點機構(gòu)與市場的同時，也要兼顧跨市場與跨機構(gòu)的關(guān)聯(lián)性，防止由于關(guān)聯(lián)性的增加造成的系統(tǒng)脆弱性。第二，在推動深化金融改革、貫徹落實監(jiān)管政策的同時，也要加強投資者教育，以規(guī)避非理性投資行為，減少噪聲交易，降低對金融系統(tǒng)內(nèi)部關(guān)聯(lián)性的潛在影響。