李瀟俊,唐 攀

(東南大學(xué) 經(jīng)濟(jì)管理學(xué)院,江蘇 南京 211189)

一、引言

防范化解重大風(fēng)險(xiǎn)是黨的十九大確立的三大攻堅(jiān)戰(zhàn)之一。2020年5月,中國(guó)人民銀行行長(zhǎng)在《求是》雜志上指出,在疫情防控下,要持續(xù)推進(jìn)防范化解系統(tǒng)性金融風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)。2020年5月22日第十三屆全國(guó)人民代表大會(huì)第三次會(huì)議上,李克強(qiáng)總理在政府工作報(bào)告中指出,受疫情沖擊,金融等領(lǐng)域風(fēng)險(xiǎn)有所積聚;加強(qiáng)金融等領(lǐng)域重大風(fēng)險(xiǎn)防控,堅(jiān)決守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)底線。2020年10月29日,黨的十九屆五中全會(huì)在“十四五”規(guī)劃和二○三五年遠(yuǎn)景目標(biāo)的建議中提出,要健全金融風(fēng)險(xiǎn)預(yù)防、預(yù)警制度體系,守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)底線。由此可以看出,防范化解系統(tǒng)性金融風(fēng)險(xiǎn)和構(gòu)建金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)是在宏觀審慎監(jiān)管政策下維護(hù)中國(guó)金融穩(wěn)定的必然要求,是目前中國(guó)金融風(fēng)險(xiǎn)管理領(lǐng)域研究的重中之重。

關(guān)聯(lián)性是整個(gè)金融系統(tǒng)活動(dòng)的自然結(jié)果。金融創(chuàng)新越快、金融市場(chǎng)越完善,金融機(jī)構(gòu)數(shù)量和相互之間的交易活動(dòng)就會(huì)增多,金融體系的關(guān)聯(lián)性就會(huì)越強(qiáng)。以美國(guó)為例,自1999年美國(guó)頒布《金融服務(wù)現(xiàn)代化法案》以來(lái),美國(guó)金融市場(chǎng)進(jìn)入混業(yè)經(jīng)營(yíng)時(shí)代,影子銀行等迅速發(fā)展,資產(chǎn)支持證券及相關(guān)證券衍生產(chǎn)品等金融創(chuàng)新產(chǎn)品層出不窮,導(dǎo)致美國(guó)金融體系關(guān)聯(lián)性越來(lái)越強(qiáng)。2008年金融危機(jī)是金融關(guān)聯(lián)性導(dǎo)致金融市場(chǎng)間風(fēng)險(xiǎn)傳染,進(jìn)而引發(fā)全球金融危機(jī)最好的證明。近年來(lái),隨著中國(guó)金融體系的漸趨完善,整個(gè)金融體系關(guān)聯(lián)性也呈現(xiàn)出增強(qiáng)趨勢(shì),主要體現(xiàn)在:50ETF期權(quán)、P2P網(wǎng)絡(luò)借貸等金融創(chuàng)新產(chǎn)品層見(jiàn)疊出;銀行同業(yè)融資增加;金融控股集團(tuán)股權(quán)結(jié)構(gòu)日益復(fù)雜;資產(chǎn)管理業(yè)務(wù)規(guī)模龐大。根據(jù)中國(guó)證券基金業(yè)協(xié)會(huì)公布的最新數(shù)據(jù),2020年第二季度中國(guó)資產(chǎn)管理業(yè)務(wù)總規(guī)模約為54.75萬(wàn)億元,同比增長(zhǎng)5.96%。

整個(gè)金融體系關(guān)聯(lián)性的增強(qiáng)并不一定會(huì)導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn),對(duì)金融關(guān)聯(lián)性識(shí)別不清、缺乏有效定量評(píng)估分析是系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)的重要原因。從監(jiān)管者角度分析2008年金融危機(jī)和2015年股災(zāi)事件的成因,分別為:在2008年金融危機(jī)中,美國(guó)相關(guān)監(jiān)管機(jī)構(gòu)缺乏對(duì)影子銀行和資產(chǎn)證券化產(chǎn)品的認(rèn)識(shí),忽視了行業(yè)間關(guān)聯(lián)性定量分析,進(jìn)而出現(xiàn)金融市場(chǎng)風(fēng)險(xiǎn)識(shí)別紕漏;2015年中國(guó)證監(jiān)會(huì)采用去杠桿、增加新股發(fā)行等方式去除股市泡沫,卻忽視了自2015年初期股市行業(yè)間關(guān)聯(lián)性已出現(xiàn)劇增現(xiàn)象(可見(jiàn)于本文實(shí)證部分),導(dǎo)致股災(zāi)事件的發(fā)生。

因此,通過(guò)定量分析手段研究金融關(guān)聯(lián)性對(duì)于監(jiān)管機(jī)構(gòu)全面監(jiān)測(cè)金融體系關(guān)聯(lián)性、防范化解系統(tǒng)性金融風(fēng)險(xiǎn)具有重要作用。本文運(yùn)用最新因子模型研究中國(guó)股市行業(yè)間關(guān)聯(lián)性及風(fēng)險(xiǎn)動(dòng)態(tài)溢出效應(yīng),并以2008年金融危機(jī)和2015年股災(zāi)這兩大系統(tǒng)性金融風(fēng)險(xiǎn)事件下的關(guān)聯(lián)性水平,構(gòu)建中國(guó)股市系統(tǒng)性金融風(fēng)險(xiǎn)動(dòng)態(tài)預(yù)警系統(tǒng)。通過(guò)該動(dòng)態(tài)預(yù)警系統(tǒng),本文發(fā)現(xiàn)在2020年新冠肺炎疫情期間,中國(guó)股市關(guān)聯(lián)性出現(xiàn)一定增長(zhǎng),但并未達(dá)到以往爆發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)時(shí)的程度,國(guó)家的宏觀調(diào)控措施有效防范化解了股市系統(tǒng)性金融風(fēng)險(xiǎn)。

二、文獻(xiàn)綜述

在金融風(fēng)險(xiǎn)管理領(lǐng)域,金融機(jī)構(gòu)“太大而不能倒”的學(xué)術(shù)思想正逐步轉(zhuǎn)變?yōu)椤疤P(guān)聯(lián)而不能倒”,金融關(guān)聯(lián)性成為當(dāng)前學(xué)界衡量系統(tǒng)性金融風(fēng)險(xiǎn)的重要指標(biāo)[1]。在分析金融關(guān)聯(lián)性方面,學(xué)界目前主要有兩類模型研究方法,具體為:一是基于金融風(fēng)險(xiǎn)管理理論的數(shù)量分析方法測(cè)度系統(tǒng)性風(fēng)險(xiǎn),相關(guān)測(cè)度指標(biāo)和計(jì)算方法主要為:條件在險(xiǎn)價(jià)值(CoVaR)、邊際期望損失(MES)、CoES、SRISK和Copula等[2-6]。Adrian等構(gòu)建CoVaR指標(biāo)來(lái)測(cè)度系統(tǒng)性風(fēng)險(xiǎn),反映的是單個(gè)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)溢出水平和對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)程度[2]。Rodríguez-Moreno等基于CoVaR指標(biāo)構(gòu)建了ΔCoVaR指標(biāo)以更好地測(cè)度極端情況下的尾部風(fēng)險(xiǎn)[7]。有關(guān)ΔCoVaR的研究還可見(jiàn)于Karimalis等[8]。Acharya等構(gòu)建MES指標(biāo)衡量整體金融市場(chǎng)下跌時(shí)單個(gè)金融機(jī)構(gòu)收益率的期望損失[3]。李政等基于Adrian等的CoES構(gòu)想構(gòu)建下行和上行ΔCoES計(jì)算方法測(cè)度中國(guó)銀行、保險(xiǎn)和證券間的系統(tǒng)性風(fēng)險(xiǎn)溢出水平[2,4]。Brownlees等基于長(zhǎng)期邊際期望損失、杠桿水平和金融機(jī)構(gòu)規(guī)模構(gòu)建SRISK指標(biāo),并運(yùn)用該指標(biāo)測(cè)度金融機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)程度[5]。二是從統(tǒng)計(jì)分析角度運(yùn)用VAR類模型、因子模型等計(jì)量經(jīng)濟(jì)模型分析變量間關(guān)聯(lián)性及風(fēng)險(xiǎn)溢出。其中最具代表性的是Diebold和Yilmaz的研究[9]。Diebold和Yilmaz基于向量滑動(dòng)平均模型的方差分解技術(shù)測(cè)度金融市場(chǎng)關(guān)聯(lián)性,并重點(diǎn)實(shí)證分析2008年金融危機(jī)期間美國(guó)主要金融機(jī)構(gòu)股票波動(dòng)率之間的時(shí)變關(guān)聯(lián)性。隨后,中國(guó)學(xué)者運(yùn)用該方法分析金融系統(tǒng)關(guān)聯(lián)性及風(fēng)險(xiǎn)傳染研究,如:楊子暉等基于Diebold和Yilmaz的風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)分析方法,從靜態(tài)和動(dòng)態(tài)兩個(gè)角度分析中國(guó)金融系統(tǒng)部門(mén)間的風(fēng)險(xiǎn)傳染[1]。宮曉莉等運(yùn)用Diebold和Yilmaz提出的廣義預(yù)測(cè)誤差方差分解技術(shù)構(gòu)建金融系統(tǒng)風(fēng)險(xiǎn)溢出指數(shù)[10-11]。崔金鑫等基于Diebold和Yilmaz的研究從時(shí)頻視角研究國(guó)際股市風(fēng)險(xiǎn)溢出效應(yīng)[12-13]。鐘意等亦采用Diebold和Yilmaz的動(dòng)態(tài)溢出指數(shù)方法分析金融不穩(wěn)定的風(fēng)險(xiǎn)溢出效應(yīng)[14]。然而,Diebold和Yilmaz構(gòu)建的金融關(guān)聯(lián)性模型存在兩個(gè)局限性[9]。一是Diebold和Yilmaz運(yùn)用的向量滑動(dòng)平均模型是平穩(wěn)模型,盡管采用了滾動(dòng)估計(jì)方法來(lái)刻畫(huà)時(shí)變性,但缺乏理論依據(jù)和窗口期選擇的準(zhǔn)則,因此Diebold-Yilmaz模型及后續(xù)基于該模型框架的研究并不能完全解釋金融關(guān)聯(lián)性的本質(zhì)特征——時(shí)變性;二是Diebold和Yilmaz的模型是完全參數(shù)化的,無(wú)法有效處理高維橫截面數(shù)據(jù)(尤其是在受到系統(tǒng)性事件影響時(shí))。后續(xù)相關(guān)研究在高維時(shí)間序列估計(jì)問(wèn)題上取得一定突破,如:Demirer等運(yùn)用LASSO方法解決高維近似VAR模型的估計(jì)問(wèn)題,但由于其采用的依然是Diebold-Yilmaz模型框架,仍然不能完全解釋時(shí)變性[15]。

金融大數(shù)據(jù)時(shí)代的到來(lái)推動(dòng)了高維金融統(tǒng)計(jì)技術(shù)的發(fā)展,因子模型成為高維時(shí)間序列分析最主要的方法之一,其中具有代表性的是廣義動(dòng)態(tài)因子模型(General Dynamic Factor Model,GDFM)。在GDFM模型的估計(jì)方法上,Eichler等運(yùn)用了動(dòng)態(tài)主成分分析方法(Dynamic Principle Component Analysis,DPCA),但由于DPCA的雙邊濾波(two-sided filtering)因素導(dǎo)致其無(wú)法進(jìn)行預(yù)測(cè)分析和公共沖擊的脈沖響應(yīng)分析等[16]。隨后,Forni等運(yùn)用譜估計(jì)和單側(cè)VAR濾波等方法完善GDFM模型估計(jì)方法[17-18]。tvGDFM模型在GDFM模型中引入時(shí)變單側(cè)載荷濾波設(shè)定并證明了在樣本和時(shí)間序列維度均為無(wú)窮時(shí)估計(jì)量的一致性,是目前因子模型研究的最新成果[19]。在金融關(guān)聯(lián)性分析中,Barigozzi等運(yùn)用tvGDFM模型分析標(biāo)普500指數(shù)行業(yè)間關(guān)聯(lián)性,從理論和實(shí)證角度驗(yàn)證了該模型能夠有效處理金融大數(shù)據(jù)集(特別是在系統(tǒng)性風(fēng)險(xiǎn)期間),并且適用于分析局部平穩(wěn)時(shí)間序列[19]。雖然Demirer等運(yùn)用LASSO方法來(lái)解決高維時(shí)間序列估計(jì)問(wèn)題,但由于tvGDFM模型能夠在樣本量和時(shí)間序列維數(shù)為無(wú)窮時(shí)具有估計(jì)量一致性的特征,因此tvGDFM模型在高維大數(shù)據(jù)處理上更為有效[15]。

綜上所述,與以往研究[1,9-11,15]相比,tvGDFM模型能夠完全解釋時(shí)變性,在高維金融大數(shù)據(jù)處理上更具優(yōu)勢(shì),是目前金融關(guān)聯(lián)性模型研究的最新成果。因此,本文運(yùn)用tvGDFM模型實(shí)證分析中國(guó)股市行業(yè)間關(guān)聯(lián)性及風(fēng)險(xiǎn)溢出,進(jìn)一步完善中國(guó)金融關(guān)聯(lián)性的研究,對(duì)于防范化解中國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)具有重要意義。

本文主要貢獻(xiàn)在于:其一,由于模型構(gòu)建的局限性,以往對(duì)中國(guó)金融關(guān)聯(lián)性及風(fēng)險(xiǎn)溢出的相關(guān)研究缺乏對(duì)時(shí)變性的完全有效解釋以及無(wú)法有效處理高維金融大數(shù)據(jù)等問(wèn)題。本文運(yùn)用的因子模型最新研究成果tvGDFM模型能夠完全解釋金融關(guān)聯(lián)性的本質(zhì)——時(shí)變性,并在處理金融大數(shù)據(jù)方面獲得一致估計(jì)量;其二,本文通過(guò)tvGDFM模型發(fā)現(xiàn)以往非時(shí)變效應(yīng)模型無(wú)法觀測(cè)到的中國(guó)股市行業(yè)間關(guān)聯(lián)性現(xiàn)象:中國(guó)股市關(guān)聯(lián)性長(zhǎng)期存在吸收或可能放大市場(chǎng)沖擊的時(shí)變效應(yīng);其三,以2008年金融危機(jī)和2015年股災(zāi)事件下的關(guān)聯(lián)性水平構(gòu)建了中國(guó)股市系統(tǒng)性金融風(fēng)險(xiǎn)動(dòng)態(tài)預(yù)警系統(tǒng),并通過(guò)該預(yù)警系統(tǒng)分析2020年新冠肺炎疫情期間中國(guó)股市關(guān)聯(lián)性與系統(tǒng)性金融風(fēng)險(xiǎn)之間的關(guān)系;其四,通過(guò)公共因子的動(dòng)態(tài)影響機(jī)制,本文發(fā)現(xiàn)新冠肺炎疫情這一突發(fā)性公共衛(wèi)生事件雖未導(dǎo)致中國(guó)爆發(fā)系統(tǒng)性金融風(fēng)險(xiǎn),但在此期間行業(yè)間是同相的,不存在超前—滯后關(guān)系。因此,在新冠肺炎疫情防控下,防范化解股市系統(tǒng)性金融風(fēng)險(xiǎn)應(yīng)常備不懈。

三、時(shí)變廣義動(dòng)態(tài)因子模型(tvGDFM模型)

(一)模型設(shè)定

對(duì)于(零均值化)雙指標(biāo)過(guò)程:

X={Xit:i∈0,t∈}

(1)

因子模型分析方法是將Xit分解為兩個(gè)不可觀測(cè)過(guò)程:公共部分(common component)過(guò)程χ={χit}和異質(zhì)性部分(idiosyncratic component)過(guò)程ξ={ξit},即:

Xit=χit+ξit,i∈0,t∈

(2)

在本文中,時(shí)變廣義動(dòng)態(tài)因子模型的經(jīng)濟(jì)解釋為:公共部分過(guò)程包含的公共因子(common factor)被視作“整個(gè)市場(chǎng)”(market-wide),產(chǎn)生股市不同行業(yè)間的動(dòng)態(tài)相關(guān)關(guān)系,是本文對(duì)行業(yè)間關(guān)聯(lián)性和風(fēng)險(xiǎn)溢出分析的重點(diǎn)。異質(zhì)性部分過(guò)程包含的異質(zhì)性因子(idiosyncratic factor)代表不同行業(yè)各自的異質(zhì)性信息,并且僅存在弱交叉相關(guān)性。

假設(shè)χ和ξ存在以下時(shí)變MA過(guò)程(解釋非平穩(wěn)性及其二階結(jié)構(gòu)的時(shí)變性質(zhì)):

(3)

(4)

定義X,χ和ξ的n維子過(guò)程分別為{Xnt=(X1t,X2t,…,Xnt)′},{χnt=(χ1t,χ2t,…,χnt)′},{ξnt=(ξ1t,ξ2t,…,ξnt)′},則有:

(5)

其中,L為滯后算子;ut=(u1t,u2t,…,uqt)′;ηt=(η1t,η2t,…)′。

(6)

(7)

tvGDFM模型的時(shí)變性設(shè)定和沖擊假設(shè)可參見(jiàn)Barigozzi等的假設(shè)A到假設(shè)E[19]。

(二)模型估計(jì)

tvGDFM模型的估計(jì)方法為單側(cè)估計(jì)方法(One-sided estimation method)(由動(dòng)態(tài)主成分分析和奇異VAR估計(jì)組成)[18]。該方法相較于以往時(shí)變動(dòng)態(tài)主成分分析估計(jì)方法能夠進(jìn)行脈沖響應(yīng)分析[16]。具體分為以下四個(gè)步驟。

1.譜密度估計(jì)

(8)

其次,對(duì)于一些mT∈0使得mT

(9)

2.動(dòng)態(tài)主成分分析

|j|≤mT

(10)

最后,通過(guò)對(duì)式(10)進(jìn)行傅立葉逆變換,可得公共部分的局部自協(xié)方差矩陣估計(jì)量為:

(11)

3.VAR濾波

假設(shè)存在某一整數(shù)m使得n=m(q+1),則m個(gè)自回歸模型為:

(12)

(13)

為Znt(t/T)的估計(jì)值。

4.主成分分析

(14)

1≤j≤q

(15)

因此,脈沖響應(yīng)函數(shù)的估計(jì)量為:

(16)

四、實(shí)證分析

該部分運(yùn)用tvGDFM模型實(shí)證分析2008年金融危機(jī)、2015年股災(zāi)和2020年新冠肺炎疫情等不同時(shí)期中國(guó)股市行業(yè)間關(guān)聯(lián)性及風(fēng)險(xiǎn)溢出異同,并根據(jù)2008年金融危機(jī)和2015年股災(zāi)事件期間的關(guān)聯(lián)性水平構(gòu)建中國(guó)股市系統(tǒng)性金融風(fēng)險(xiǎn)動(dòng)態(tài)預(yù)警系統(tǒng)。

(一)數(shù)據(jù)處理與模型參數(shù)設(shè)定

滬深300指數(shù)是整體反映中國(guó)股市運(yùn)行情況的綜合性股價(jià)指數(shù),因此本文選取該指數(shù)作為中國(guó)股市整體運(yùn)行情況的指標(biāo)。在分行業(yè)指標(biāo)選擇上,本文借鑒以往研究[6],選取申萬(wàn)一級(jí)行業(yè)指數(shù)(共28個(gè)行業(yè)指數(shù),即n=28)研究行業(yè)間關(guān)聯(lián)性及系統(tǒng)性風(fēng)險(xiǎn)。上述相關(guān)指數(shù)數(shù)據(jù)均來(lái)自于Wind數(shù)據(jù)庫(kù)。為方便后續(xù)實(shí)證分析,本文將28個(gè)行業(yè)指數(shù)進(jìn)行編號(hào),見(jiàn)表1。

表1 申萬(wàn)一級(jí)行業(yè)指數(shù)分類

由于滬深300指數(shù)以2004年12月31日為基準(zhǔn)日,因此各指數(shù)樣本由2005年1月4日至2020年9月1日的日度數(shù)據(jù)構(gòu)成,共3 808個(gè)觀測(cè)值,即T=3 808。在日內(nèi)波動(dòng)率計(jì)算上,本文借鑒Brownlees和Gallo、Barigozzi等的研究方法[19-20],對(duì)28個(gè)行業(yè)指數(shù)以日內(nèi)調(diào)整對(duì)數(shù)區(qū)間的形式作為對(duì)數(shù)波動(dòng)率的代理變量,即:

(17)

其中,pit,high和pit,low分別為指數(shù)最高價(jià)和最低價(jià)的對(duì)數(shù)形式。

根據(jù)式(9),譜密度矩陣的估計(jì)量為:

(18)

其中,MT/2≤t≤(T-MT/2);θj=πj/mT;|j|≤mT。根據(jù)中國(guó)股市交易機(jī)制,MT和mT分別設(shè)定為MT=22(月交易天數(shù)),mT=5(周交易天數(shù))。

(19)

(二)因子個(gè)數(shù)選擇

傳統(tǒng)的AIC、BIC等信息準(zhǔn)則并不適用于tvGDFM模型的因子個(gè)數(shù)選擇。因此,本文運(yùn)用Hallin和Li?ka針對(duì)廣義動(dòng)態(tài)因子模型構(gòu)建的信息準(zhǔn)則來(lái)確定因子個(gè)數(shù)[21],即:

(20)

圖1 qmax=19的準(zhǔn)則

(三)聯(lián)動(dòng)性(Co-movement)和時(shí)變性(Time-variation)分析

金融關(guān)聯(lián)性具有兩種特征:聯(lián)動(dòng)性和時(shí)變性。因此,聯(lián)動(dòng)性和時(shí)變性分析是運(yùn)用tvGDFM模型研究行業(yè)間關(guān)聯(lián)性和風(fēng)險(xiǎn)溢出的前提。

1.聯(lián)動(dòng)性分析

圖2 公共因子解釋的方差份額

圖2是公共因子解釋的方差份額(其中,虛線代表第一個(gè)公共因子;實(shí)線代表前兩個(gè)公共因子)。從圖2中可看出,第一個(gè)公共因子解釋的方差份額在0.4至0.9之間,前兩個(gè)公共因子解釋的方差份額在0.6至0.95之間。因此,隨著公共因子個(gè)數(shù)的增加,其解釋的方差份額會(huì)增加(但由于上述IC信息準(zhǔn)則的約束,公共因子個(gè)數(shù)不會(huì)無(wú)限增加)。第一個(gè)和前兩個(gè)公共因子解釋的方差份額隨時(shí)間的走勢(shì)基本相同,表明中國(guó)股市整體存在較強(qiáng)的聯(lián)動(dòng)性。

2.時(shí)變性分析

運(yùn)用2008年金融危機(jī)、2015年股災(zāi)和新冠肺炎疫情等事件期間的樣本協(xié)方差矩陣滾動(dòng)估計(jì)值對(duì)股市進(jìn)行時(shí)變性分析。圖3是根據(jù)28個(gè)行業(yè)構(gòu)成的28×28樣本協(xié)方差矩陣的滾動(dòng)估計(jì)值繪制的熱圖。

圖3 28×28樣本協(xié)方差矩陣滾動(dòng)估計(jì)值構(gòu)建的熱圖

從圖3可知,在2008年金融危機(jī)期間的四個(gè)滾動(dòng)樣本時(shí)間點(diǎn)上,28個(gè)行業(yè)樣本協(xié)方差矩陣元素值整體上小于4,且在2008年9月22日時(shí)間點(diǎn)上整體元素值最大,表明在2008年9月份中國(guó)股市行業(yè)間時(shí)變關(guān)聯(lián)性最強(qiáng)。在2015年股災(zāi)期間,28個(gè)行業(yè)之間(尤其是編號(hào)位于前15的行業(yè))的樣本協(xié)方差值相較于2008年金融危機(jī)期間整體大幅增加,股市時(shí)變關(guān)聯(lián)性比2008年金融危機(jī)期間更高。在2020年新冠肺炎疫情期間,行業(yè)間的滾動(dòng)樣本協(xié)方差估計(jì)值較小(均小于2),表明在政府宏觀調(diào)控措施下,此次金融系統(tǒng)外部因素的沖擊未導(dǎo)致行業(yè)間關(guān)聯(lián)性的大幅增加。在這三次事件中,樣本協(xié)方差滾動(dòng)估計(jì)值大小排序?yàn)?2015年股災(zāi)事件>2008年金融危機(jī)>2020年新冠肺炎疫情。2008年國(guó)際金融危機(jī)對(duì)中國(guó)股市的風(fēng)險(xiǎn)傳染途徑是美國(guó)房地產(chǎn)市場(chǎng)危機(jī)→美國(guó)股市→中國(guó)股市(即外部市場(chǎng)→中國(guó)股市),2020年新冠肺炎疫情對(duì)中國(guó)股市風(fēng)險(xiǎn)傳染途徑為外部公共衛(wèi)生事件→中國(guó)股市,而2015年股災(zāi)事件則是股市內(nèi)部因素引起的。從中國(guó)資本市場(chǎng)的發(fā)展現(xiàn)狀來(lái)看,目前中國(guó)資本市場(chǎng)仍不成熟和發(fā)達(dá),股票市場(chǎng)結(jié)構(gòu)不合理,股市投資者結(jié)構(gòu)也是扭曲的。這導(dǎo)致中國(guó)股票市場(chǎng)存在過(guò)度投機(jī)、市場(chǎng)主體行為不規(guī)范等現(xiàn)象,難成為“國(guó)民經(jīng)濟(jì)的晴雨表”,而且與發(fā)達(dá)的資本市場(chǎng)機(jī)構(gòu)投資者占主流相比,由于中國(guó)A股市場(chǎng)上個(gè)人投資者占絕大多數(shù),市場(chǎng)更容易受到情緒波動(dòng)影響,因此監(jiān)管部門(mén)應(yīng)警惕股市泡沫等內(nèi)部因素再次引發(fā)中國(guó)股市系統(tǒng)性風(fēng)險(xiǎn)。

(四)市場(chǎng)沖擊的關(guān)聯(lián)性分析

在tvGDFM模型中,市場(chǎng)沖擊的關(guān)聯(lián)性測(cè)度是基于n×n估計(jì)矩陣:

(21)

Ⅲ.特定頻帶(Θ?[0,π])的譜關(guān)聯(lián)性矩陣:衡量2π/θj(θj∈Θ)期間市場(chǎng)沖擊對(duì)行業(yè)關(guān)聯(lián)性的影響,即:

(22)

其中,|Θ|為頻帶的大小。

圖4是根據(jù)市場(chǎng)沖擊的瞬時(shí)關(guān)聯(lián)性矩陣?yán)L制的熱圖,反映在選定日期市場(chǎng)沖擊對(duì)股市關(guān)聯(lián)性的瞬時(shí)影響。從圖中可看出,在2008年金融危機(jī)和2020年新冠肺炎疫情期間市場(chǎng)沖擊的瞬時(shí)關(guān)聯(lián)性值均小于2,表明這兩次事件中市場(chǎng)沖擊對(duì)股市的瞬時(shí)影響較小;而在2015年股災(zāi)事件中,在編號(hào)位于前15(農(nóng)林牧漁至商業(yè)貿(mào)易)的行業(yè)上,市場(chǎng)沖擊的瞬時(shí)影響相較于2008年金融危機(jī)和2020年新冠肺炎疫情期間具有明顯增強(qiáng)(市場(chǎng)沖擊的瞬時(shí)關(guān)聯(lián)性值大于2)。因這些編號(hào)的行業(yè)多為傳統(tǒng)實(shí)體經(jīng)濟(jì)行業(yè),因此在2015年股災(zāi)事件期間,市場(chǎng)沖擊對(duì)股市瞬時(shí)關(guān)聯(lián)性的影響多聚焦于傳統(tǒng)實(shí)體經(jīng)濟(jì)行業(yè)。

圖4 市場(chǎng)沖擊的瞬時(shí)關(guān)聯(lián)性

圖5是根據(jù)市場(chǎng)沖擊的長(zhǎng)期關(guān)聯(lián)性矩陣?yán)L制的熱圖,反映在選定日期市場(chǎng)沖擊對(duì)股市關(guān)聯(lián)性的長(zhǎng)期影響?？梢钥闯?在2008年金融危機(jī)和2015年股災(zāi)期間,整個(gè)市場(chǎng)的沖擊對(duì)股市長(zhǎng)期關(guān)聯(lián)性的影響大于瞬時(shí)關(guān)聯(lián)性(見(jiàn)圖4)。而且,通過(guò)與圖3樣本協(xié)方差矩陣熱圖的顏色深淺部分對(duì)比發(fā)現(xiàn)(以2015年股災(zāi)事件為例):部分行業(yè)的樣本協(xié)方差滾動(dòng)估計(jì)值大于市場(chǎng)沖擊的長(zhǎng)期關(guān)聯(lián)性值(如建筑裝飾、機(jī)械設(shè)備等),也存在部分行業(yè)的樣本協(xié)方差滾動(dòng)估計(jì)值小于市場(chǎng)沖擊的長(zhǎng)期關(guān)聯(lián)性值(如農(nóng)林牧漁等),這表明中國(guó)股市不同行業(yè)之間的關(guān)聯(lián)性在長(zhǎng)期會(huì)吸收或者可能放大市場(chǎng)沖擊的時(shí)變效應(yīng)。從金融風(fēng)險(xiǎn)管理理論來(lái)看,不同行業(yè)的抗風(fēng)險(xiǎn)能力不同。一些行業(yè)(如公共事業(yè)、傳媒、軍事工業(yè)等)由于其固有的行業(yè)屬性,抗風(fēng)險(xiǎn)能力較強(qiáng),市場(chǎng)沖擊后這些行業(yè)的關(guān)聯(lián)性水平在長(zhǎng)期會(huì)下降,表現(xiàn)出吸收市場(chǎng)沖擊的時(shí)變效應(yīng)。然而,一些行業(yè)(如農(nóng)林牧漁等)易受到國(guó)家宏觀經(jīng)濟(jì)政策等因素的影響,其抗風(fēng)險(xiǎn)能力較差,市場(chǎng)沖擊帶來(lái)更為不確定的投資者情緒,使得這些行業(yè)的關(guān)聯(lián)性水平在長(zhǎng)期可能會(huì)上升,表現(xiàn)出放大市場(chǎng)沖擊的時(shí)變效應(yīng)。

圖5 市場(chǎng)沖擊的長(zhǎng)期關(guān)聯(lián)性

圖和的Frobenius范數(shù)與滬深300指數(shù)走勢(shì)

圖7 譜關(guān)聯(lián)性矩陣的Frobenius范數(shù)走勢(shì)

(五)行業(yè)間關(guān)聯(lián)性及風(fēng)險(xiǎn)溢出分析

(23)

(24)

(25)

其中,n=28(本文選取的是28個(gè)一級(jí)行業(yè))。

在2008年金融危機(jī)期間,在28個(gè)一級(jí)行業(yè)中,農(nóng)林牧漁、有色金屬、紡織服裝、輕工制造、房地產(chǎn)、休閑服務(wù)、電氣設(shè)備、通信、汽車、機(jī)械設(shè)備等10個(gè)行業(yè)的相關(guān)性較弱,均顯著超出整體市場(chǎng)平均關(guān)聯(lián)性,存在正向風(fēng)險(xiǎn)溢出效應(yīng);而采掘、化工、鋼鐵、食品飲料、醫(yī)藥生物、公共事業(yè)、商業(yè)貿(mào)易、建筑材料、建筑裝飾、國(guó)防軍工、銀行、非銀金融等12個(gè)行業(yè)的關(guān)聯(lián)性較強(qiáng),均顯著低于整體市場(chǎng)行業(yè)間平均關(guān)聯(lián)性,存在負(fù)向風(fēng)險(xiǎn)溢出效應(yīng);其他行業(yè)與整體市場(chǎng)行業(yè)間平均關(guān)聯(lián)性大致相同。

在2015年股災(zāi)事件期間,各行業(yè)之間的關(guān)聯(lián)性及風(fēng)險(xiǎn)溢出又出現(xiàn)新的變化,具體表現(xiàn)為:農(nóng)林牧漁、化工、有色金屬、電子、食品飲料、紡織服裝、醫(yī)藥生物、公共事業(yè)、交通運(yùn)輸、商業(yè)貿(mào)易等10個(gè)行業(yè)的相關(guān)性較強(qiáng),均顯著超出市場(chǎng)平均關(guān)聯(lián)性,存在正向風(fēng)險(xiǎn)溢出效應(yīng);而采掘、鋼鐵、家用電器、輕工制造、綜合、建筑材料、建筑裝飾、電氣設(shè)備、國(guó)防軍工、計(jì)算機(jī)、傳媒、通信、銀行、非銀金融、汽車、裝備制造等16個(gè)行業(yè)間關(guān)聯(lián)性較弱,均低于整體市場(chǎng)行業(yè)平均關(guān)聯(lián)性,存在負(fù)向風(fēng)險(xiǎn)溢出效應(yīng)。

通過(guò)對(duì)比2008年金融危機(jī)和2015年股災(zāi)期間的行業(yè)間風(fēng)險(xiǎn)溢出水平,我們發(fā)現(xiàn)在不同的系統(tǒng)性風(fēng)險(xiǎn)事件爆發(fā)期間,不同行業(yè)的風(fēng)險(xiǎn)溢出程度與整體市場(chǎng)行業(yè)間的平均風(fēng)險(xiǎn)溢出存在不同,因此不能通過(guò)對(duì)行業(yè)的刻板印象來(lái)防范化解股市系統(tǒng)性金融風(fēng)險(xiǎn)。

另外,在這兩次系統(tǒng)性金融風(fēng)險(xiǎn)中,農(nóng)林牧漁這一行業(yè)的風(fēng)險(xiǎn)溢出程度均為最高。從經(jīng)濟(jì)背景來(lái)看,農(nóng)林牧漁行業(yè)具有很強(qiáng)的行業(yè)生產(chǎn)周期,且易受到國(guó)家政策的影響。在2008年金融危機(jī)前期,根據(jù)Wind數(shù)據(jù)統(tǒng)計(jì)顯示,截至2008年6月2日,農(nóng)林牧漁行業(yè)的動(dòng)態(tài)市盈率達(dá)到38.57倍,位于各個(gè)行業(yè)動(dòng)態(tài)市盈率之首,并且遠(yuǎn)遠(yuǎn)高于上證綜合指數(shù)成分股和深證成分指數(shù)成分股的平均市盈率水平,存在估值過(guò)高現(xiàn)象,而中短期農(nóng)產(chǎn)品價(jià)格未實(shí)現(xiàn)持續(xù)快速上漲,進(jìn)而導(dǎo)致該行業(yè)在2008年金融危機(jī)期間的風(fēng)險(xiǎn)溢出水平最高。在2014年底,中國(guó)農(nóng)林牧漁行業(yè)已暴露出一些問(wèn)題,如農(nóng)業(yè)上市公司業(yè)績(jī)?cè)鲩L(zhǎng)緩慢、中國(guó)農(nóng)產(chǎn)品產(chǎn)能和庫(kù)存較高等。2015年第一季度農(nóng)林牧漁行業(yè)的利潤(rùn)增速放緩明顯,第三季度的農(nóng)業(yè)整體營(yíng)業(yè)收入和凈利潤(rùn)增速同比均有所下滑。這些因素使得農(nóng)林牧漁行業(yè)在2015年股災(zāi)期間的風(fēng)險(xiǎn)溢出水平位于28個(gè)一級(jí)行業(yè)之首。

在2020年新冠肺炎疫情期間,通信行業(yè)存在正向風(fēng)險(xiǎn)溢出效應(yīng),銀行、非銀金融等行業(yè)存在負(fù)向風(fēng)險(xiǎn)溢出效應(yīng),但這些行業(yè)的溢出效應(yīng)均小于2008年金融危機(jī)和2015年股災(zāi)事件的對(duì)應(yīng)值,且其他行業(yè)間關(guān)聯(lián)性與市場(chǎng)平均關(guān)聯(lián)性基本相同。因此,從行業(yè)間關(guān)聯(lián)性角度再次驗(yàn)證新冠肺炎疫情期間中國(guó)股市行業(yè)間關(guān)聯(lián)性水平未達(dá)到爆發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)事件的程度。

圖8 平均絕對(duì)相位圖

(六)公共因子的動(dòng)態(tài)影響

MT/2≤t≤(T-MT/2),|j|≤mT

(26)

圖8為平均絕對(duì)相位圖,計(jì)算方式為:對(duì)于1≤i≤n,

MT/2≤t≤(T-MT/2),θj=πj/mT

(27)

五、結(jié)論及政策建議

本文運(yùn)用tvGDFM模型實(shí)證分析中國(guó)股市行業(yè)間時(shí)變關(guān)聯(lián)性及風(fēng)險(xiǎn)溢出程度,并以2008年金融危機(jī)和2015年股災(zāi)事件下的關(guān)聯(lián)性水平構(gòu)建中國(guó)股市系統(tǒng)性金融風(fēng)險(xiǎn)動(dòng)態(tài)預(yù)警系統(tǒng),進(jìn)一步完善了中國(guó)金融關(guān)聯(lián)性研究,對(duì)防范化解系統(tǒng)性金融風(fēng)險(xiǎn)具有重要意義。通過(guò)對(duì)比2008年金融危機(jī)、2015年股災(zāi)和2020年新冠肺炎疫情期間中國(guó)股市行業(yè)間時(shí)變關(guān)聯(lián)性,本文得出如下結(jié)論:一是基于滾動(dòng)樣本協(xié)方差分析后發(fā)現(xiàn),金融系統(tǒng)內(nèi)部因素沖擊會(huì)加劇行業(yè)間長(zhǎng)期關(guān)聯(lián)性,更容易產(chǎn)生系統(tǒng)性金融風(fēng)險(xiǎn);二是依據(jù)市場(chǎng)沖擊的長(zhǎng)期關(guān)聯(lián)性矩陣分析后發(fā)現(xiàn),中國(guó)股市關(guān)聯(lián)性在長(zhǎng)期存在吸收或可能放大市場(chǎng)沖擊的時(shí)變效應(yīng);三是通過(guò)系統(tǒng)性金融風(fēng)險(xiǎn)動(dòng)態(tài)預(yù)警系統(tǒng),驗(yàn)證在政府宏觀調(diào)控下,此次新冠肺炎疫情這一外部公共衛(wèi)生事件沖擊并未導(dǎo)致中國(guó)股市爆發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)事件;四是通過(guò)行業(yè)平均關(guān)聯(lián)性和整體市場(chǎng)平均關(guān)聯(lián)性的差異分析發(fā)現(xiàn),農(nóng)林牧漁行業(yè)在2008年金融危機(jī)和2015年股災(zāi)這兩次系統(tǒng)性金融風(fēng)險(xiǎn)事件爆發(fā)期間的風(fēng)險(xiǎn)溢出程度最高;五是運(yùn)用平均絕對(duì)相位圖發(fā)現(xiàn),新冠肺炎疫情期間中國(guó)股市行業(yè)間是同相的,不存在超前—滯后關(guān)系。

基于以上結(jié)論,本文提出如下政策建議:一是監(jiān)管部門(mén)應(yīng)重點(diǎn)關(guān)注股市內(nèi)部因素沖擊對(duì)行業(yè)間關(guān)聯(lián)性的影響;二是由于中國(guó)股市關(guān)聯(lián)性在長(zhǎng)期存在吸收或者放大市場(chǎng)沖擊的時(shí)變效應(yīng),因此對(duì)股市的宏觀調(diào)控措施應(yīng)著眼于長(zhǎng)期角度,不可涸澤而漁;三是由于農(nóng)林牧漁行業(yè)在近年來(lái)危機(jī)期間的風(fēng)險(xiǎn)溢出程度最高,因此應(yīng)重點(diǎn)關(guān)注該行業(yè)的波動(dòng)造成對(duì)整體行業(yè)的風(fēng)險(xiǎn)傳染;四是盡管目前新冠肺炎疫情期間未產(chǎn)生系統(tǒng)性金融風(fēng)險(xiǎn),但股市行業(yè)間依然呈現(xiàn)了同相關(guān)系,疫情期間應(yīng)進(jìn)一步加強(qiáng)對(duì)股市關(guān)聯(lián)性的定量監(jiān)測(cè)并有效防范股市系統(tǒng)性金融風(fēng)險(xiǎn)。