趙林海，陳名智

(華僑大學(xué) 經(jīng)濟與金融學(xué)院，福建 泉州 362021)

1997年亞洲金融危機、2008年全球金融危機以及2010年歐洲主權(quán)債務(wù)危機讓世界見證了系統(tǒng)性風(fēng)險傳染及溢出效應(yīng)所帶來的巨大損害.近幾年，特別是黨的“十九大”以來，中國最高決策層反復(fù)強調(diào)“要把防控金融風(fēng)險放到更加重要的位置，堅決守住不發(fā)生系統(tǒng)性金融風(fēng)險底線”.在此背景下，學(xué)者們對金融機構(gòu)、金融行業(yè)以及整個金融部門的系統(tǒng)性風(fēng)險進行了相關(guān)研究.防范系統(tǒng)性風(fēng)險的關(guān)鍵在于及時了解金融市場中不同部門和行業(yè)的風(fēng)險溢出狀況，以宏觀審慎監(jiān)管為主導(dǎo)，以微觀審慎監(jiān)管為基礎(chǔ)，根據(jù)金融行業(yè)的風(fēng)險外溢及金融機構(gòu)的風(fēng)險貢獻情況實施差異化監(jiān)管措施與準備金要求[1-2].

系統(tǒng)性風(fēng)險網(wǎng)絡(luò)分析是一種比較新穎的研究方法，尤其適用于研究金融機構(gòu)或行業(yè)間尾部風(fēng)險相依關(guān)系和風(fēng)險溢出效應(yīng).與常見的考察多變量兩兩之間相依結(jié)構(gòu)的模型相比，網(wǎng)絡(luò)分析方法將所要研究的對象統(tǒng)一放入一個網(wǎng)絡(luò)系統(tǒng)模型中，同時考察研究對象間所有關(guān)聯(lián)關(guān)系，故該方法更適用于全面研究金融行業(yè)或機構(gòu)間系統(tǒng)性風(fēng)險溢出效應(yīng).鑒于此，本文選取金融市場數(shù)據(jù)，研究銀行業(yè)、證券業(yè)、保險業(yè)以及多元金融服務(wù)業(yè)等組成金融部門的四個主要行業(yè)之間的系統(tǒng)性風(fēng)險溢出效應(yīng).借助廣義VAR關(guān)聯(lián)網(wǎng)絡(luò)考察金融風(fēng)險傳染源，并構(gòu)建行業(yè)集中度指數(shù)以動態(tài)反映金融部門系統(tǒng)性風(fēng)險變化.

1 文獻綜述

大量學(xué)者致力于系統(tǒng)性風(fēng)險研究，研究目標是能及時監(jiān)控金融市場中存在的風(fēng)險，以求有效遏制風(fēng)險的大范圍蔓延，或是盡可能讓金融機構(gòu)在金融危機來臨時做好抵御準備，避免其破壞整個金融體系.系統(tǒng)性風(fēng)險的定性研究一般涉及系統(tǒng)性風(fēng)險的形成原因、集聚過程和觸發(fā)因素等三個方面，試圖從定性角度根據(jù)不同金融市場的實際狀況闡述系統(tǒng)性風(fēng)險的可能來源和潛在危險.系統(tǒng)性風(fēng)險的定量研究主要是系統(tǒng)性風(fēng)險測度，包括金融機構(gòu)系統(tǒng)性風(fēng)險貢獻度量、金融機構(gòu)或金融行業(yè)之間的風(fēng)險溢出效應(yīng)分析和系統(tǒng)重要性金融機構(gòu)識別.隨著風(fēng)險測度理論的不斷發(fā)展，系統(tǒng)性風(fēng)險定量研究方法也呈現(xiàn)出多樣化.現(xiàn)有的系統(tǒng)性風(fēng)險研究以定性研究為基礎(chǔ)，以定量研究為主，可概括為以下兩個方面：

(1)系統(tǒng)性風(fēng)險形成機理的研究.從表象上看，系統(tǒng)性風(fēng)險的誘發(fā)原因呈現(xiàn)多樣化特征，資產(chǎn)價格泡沫破滅、金融衍生工具濫用、信貸超常擴張、債務(wù)高企、影子銀行膨脹、風(fēng)險承擔過度和轉(zhuǎn)型經(jīng)濟軟預(yù)算約束等都可能觸發(fā)系統(tǒng)性風(fēng)險[3-6].系統(tǒng)性風(fēng)險發(fā)生的理論解釋主要是一系列金融系統(tǒng)非穩(wěn)定性理論，包括債務(wù)-通貨緊縮理論、金融脆弱性理論和金融加速器理論等[7-9].從研究視角來看，針對系統(tǒng)性風(fēng)險產(chǎn)生根源的研究主要從兩方面展開：事件沖擊視角和系統(tǒng)演化視角.事件沖擊視角認為系統(tǒng)性風(fēng)險源于宏觀經(jīng)濟波動、流動性和資產(chǎn)價格等外部事件對整個金融系統(tǒng)穩(wěn)定性造成的沖擊[10].系統(tǒng)演化視角主張，系統(tǒng)性風(fēng)險隨著金融系統(tǒng)的演化而不斷演化，應(yīng)當采用動態(tài)演化的觀點來理解系統(tǒng)性風(fēng)險[11].

(2)系統(tǒng)性風(fēng)險測度的研究.常用的系統(tǒng)性風(fēng)險測度指標有四個，分別是CoVaR、CoES、MES和SRISK[12-15].金融機構(gòu)系統(tǒng)性風(fēng)險貢獻度量、金融機構(gòu)或金融行業(yè)之間的風(fēng)險溢出效應(yīng)分析和系統(tǒng)重要性金融機構(gòu)識別往往把基本面因素和市場數(shù)據(jù)相結(jié)合，采用經(jīng)濟計量模型進行實證研究.風(fēng)險溢出效應(yīng)的研究是核心內(nèi)容，而CoVaR和ΔCoVaR作為中介指標使用最廣.按照具體建模方法的不同，度量系統(tǒng)性風(fēng)險或風(fēng)險外溢程度的研究可分為兩類:第一類主要應(yīng)用分位數(shù)回歸模型[16],第二類主要使用GARCH模型[12,17].在測量單個機構(gòu)或行業(yè)對整個金融部門的系統(tǒng)性風(fēng)險貢獻與溢出效應(yīng)時，這兩類模型都是適宜的.然而，在研究多個機構(gòu)或行業(yè)之間的風(fēng)險溢出效應(yīng)時，GARCH模型受限于維度問題，只能進行兩兩之間的聯(lián)合考察，如果利用它進行機構(gòu)或部門之間風(fēng)險溢出效應(yīng)的研究，由于沒有同時考慮系統(tǒng)所有組成部分，必定會帶來局部信息的損失，實證結(jié)果就會嚴重失真.因此本文運用廣義VAR關(guān)聯(lián)網(wǎng)絡(luò)分析方法作為[18]替代方案，研究系統(tǒng)性金融風(fēng)險溢出效應(yīng)，有效避免GARCH模型的維度難題.

2 方法與模型

2.1 研究方法

為探究組成我國金融部門的四個行業(yè)(銀行業(yè)、保險業(yè)、證券業(yè)和多元金融服務(wù)業(yè))間的風(fēng)險溢出效應(yīng)，本文首先利用分位數(shù)回歸和金融狀態(tài)變量量化金融市場波動，得到1%分位數(shù)水平下各金融部門的VaR.以得到的VaR代表各部門風(fēng)險水平，作為輸入數(shù)據(jù)，構(gòu)建基于VaR的廣義VAR模型，進行全樣本估計與遞歸樣本估計，然后使用廣義預(yù)測誤差的方差分解探究金融部門各行業(yè)之間系統(tǒng)性金融風(fēng)險溢出效應(yīng)的靜態(tài)與動態(tài)特征.此外，通過加總各行業(yè)的風(fēng)險溢出指數(shù)構(gòu)造動態(tài)金融部門風(fēng)險溢出集中度指數(shù)，來刻畫金融部門系統(tǒng)性風(fēng)險集中趨勢與整體溢出水平.

2.2 模型設(shè)定

2.2.2 基于VaR的廣義VAR模型 協(xié)方差平穩(wěn)的N元p階廣義向量自回歸模型VAR(p)設(shè)定如下：

(1)

其中:ε～i.i.d.(0,∑)表示均值為零、方差-協(xié)方差矩陣為∑的獨立同分布殘差向量.式(1)的移動平均表示形式為：

(2)

其中:N×N系數(shù)矩陣Ai服從遞歸式Ai=Φ1Ai-1+Φ2Ai-2+…+ΦpAi-p.

當i=0時，A0為N×N單位矩陣；當i<0時，Ai為N×N零矩陣.由變量Xi受到?jīng)_擊導(dǎo)致的對變量Xi的向前H步廣義預(yù)測誤差方差分解式如下：

(3)

其中:i和j為研究的具體行業(yè)，σii表示第i個方程殘差項的標準差，ei是第i個元素為1而其余元素為0的選擇向量.

(4)

3 實證分析

3.1 數(shù)據(jù)和變量

表1 分位數(shù)回歸模型的狀態(tài)變量

3.2 描述性統(tǒng)計與單位根檢驗

各行業(yè)對數(shù)收益率描述性統(tǒng)計顯示，均值為正且趨于0；標準差說明銀行業(yè)收益率波動性最小，而證券業(yè)收益率波動性最大；所有行業(yè)收益率都呈現(xiàn)左偏分布，銀行業(yè)的偏度最小且趨于對稱，其次是保險業(yè)，而證券業(yè)和多元金融服務(wù)業(yè)偏度更大，這說明兩者相比保險業(yè)和銀行業(yè)有更大的尾部損失風(fēng)險；峰態(tài)說明四個行業(yè)收益率都具有明顯的尖峰厚尾特征.ADF檢驗結(jié)果顯示所有行業(yè)的對數(shù)收益率都是平穩(wěn)的.所有狀態(tài)變量時間序列在10%顯著性水平下拒絕存在單位根的原假設(shè)，但是它們的截距項在1%水平下顯著不為0(限于篇幅，描述性統(tǒng)計和單位根檢驗的具體數(shù)值未列出，備索).

3.3 金融部門系統(tǒng)性風(fēng)險度量

利用分位數(shù)回歸得到樣本期內(nèi)各行業(yè)VaR值，用來度量銀行業(yè)、證券業(yè)、保險業(yè)和多元金融服務(wù)業(yè)系統(tǒng)性風(fēng)險的VaR截面加總分別為130.12%、201.49%、160.98%和184.28%.總的來看，證券業(yè)、多元金融服務(wù)業(yè)、保險業(yè)、銀行業(yè)各自VaR的加總值呈現(xiàn)明顯的梯度遞減.這說明在不考慮各行業(yè)資產(chǎn)規(guī)模的條件下，從金融市場數(shù)據(jù)的收益率波動性角度來看，總資產(chǎn)規(guī)模最大的銀行業(yè)卻有著最小的系統(tǒng)性風(fēng)險，而資產(chǎn)規(guī)模相對銀行小得多的證券業(yè)與多元金融服務(wù)業(yè)卻有著更大的系統(tǒng)性風(fēng)險，風(fēng)險溢出的可能性和程度也更大.此外，多元金融服務(wù)業(yè)在2013年年中銀行“錢荒”事件前幾乎一直處于四個金融部門風(fēng)險最大位置.然而，在“錢荒”事件之后，證券業(yè)的風(fēng)險水平居于首位，尤其是2015年股災(zāi)之后，證券業(yè)的風(fēng)險水平明顯高于其他行業(yè)，同時保險業(yè)與銀行業(yè)長期處于前兩者之后，特別是銀行業(yè)總是有著最低風(fēng)險水平.綜合來看，各行業(yè)的風(fēng)險波動趨勢高度相關(guān)，內(nèi)外部事件沖擊，如2008年全球金融危機與2010年歐洲主權(quán)債務(wù)危機，使得各行業(yè)的金融風(fēng)險急劇增加且長時間處于高位波動，2011-2015年期間，各行業(yè)的風(fēng)險水平出現(xiàn)了明顯的回落，雖然銀行“錢荒”事件讓各行業(yè)風(fēng)險出現(xiàn)了上升，但幅度不大且短暫，2015年6月的股災(zāi)以及2016年年初實行的股市熔斷機制使得整個金融部門的風(fēng)險水平在短時間內(nèi)急劇上升，但是相比2008年全球金融危機帶來的余波效應(yīng)，股災(zāi)并沒有對我國金融部門的穩(wěn)定造成持續(xù)傷害，熔斷機制暫停后，各行業(yè)風(fēng)險水平快速回落，回落后的風(fēng)險水平似乎低于2010-2015年初期間的風(fēng)險水平，在經(jīng)歷一段時期的低風(fēng)險后，受到中美貿(mào)易摩擦的影響，在2018年后各行業(yè)風(fēng)險水平開始逐漸走高.此外，從各行業(yè)風(fēng)險波動趨勢高度相似可以看出，金融各行業(yè)風(fēng)險之間具有顯著的相關(guān)性.

3.4 金融部門各行業(yè)間系統(tǒng)性風(fēng)險溢出效應(yīng)分析

對VAR模型中的VaR數(shù)據(jù)進行單位根檢驗.四個行業(yè)的VaR序列都在10%的顯著性水平下拒絕了存在單位根的原假設(shè).

3.4.1 全樣本金融部門靜態(tài)系統(tǒng)性風(fēng)險溢出效應(yīng)分析 首先考察整個樣本期間金融各行業(yè)間系統(tǒng)性風(fēng)險溢出效應(yīng)，并構(gòu)造相應(yīng)的風(fēng)險溢出矩陣.選擇展示向前10 d的預(yù)測誤差方差分解結(jié)果，表2列示了各行業(yè)之間靜態(tài)系統(tǒng)性風(fēng)險溢出情況.列值表示相應(yīng)金融行業(yè)對其他金融行業(yè)的風(fēng)險溢出指數(shù)，行值表示其他金融行業(yè)對相應(yīng)金融行業(yè)的風(fēng)險溢入指數(shù)，To others和From other分別是每一個行業(yè)除去自身擾動的系統(tǒng)性風(fēng)險溢出和溢入規(guī)模，F(xiàn)rom others的71.1顯示了金融部門總的風(fēng)險溢出情況，也就是金融部門風(fēng)險溢出集中度指數(shù)，該值越大，各行業(yè)之間的關(guān)聯(lián)就越大，風(fēng)險溢出程度就越明顯.

從表2可以看出，(1)各行業(yè)間的風(fēng)險溢出程度存在差異，銀行業(yè)與保險業(yè)風(fēng)險溢出相當，銀行業(yè)稍低于保險業(yè)，證券業(yè)是風(fēng)險溢出規(guī)模最大的部門，其值達到82.1，相比而言，多元金融服務(wù)業(yè)雖然自身風(fēng)險較大，但風(fēng)險溢出明顯低于前三者，只有46.8，此外，各行業(yè)對其他行業(yè)的風(fēng)險溢出尺度相當，差異很小.(2)相比于風(fēng)險溢出，各行業(yè)的風(fēng)險溢入差異較小，但風(fēng)險溢出貢獻最大的證券業(yè)卻有著最小的風(fēng)險溢入，而風(fēng)險溢出貢獻最小的多元金融服務(wù)業(yè)卻有著最大的風(fēng)險溢入，銀行業(yè)、保險業(yè)和證券業(yè)都是凈的風(fēng)險發(fā)送者，而多元金融服務(wù)業(yè)是凈的風(fēng)險接收者.(3)從全樣本靜態(tài)視角來看，金融部門總體風(fēng)險溢出明顯偏高，金融部門風(fēng)險溢出集中度指數(shù)為71.1，這可以說明：我國金融部門整體承受較大金融風(fēng)險；金融部門風(fēng)險溢出集中度較高，各行業(yè)共同的風(fēng)險敞口較大.

表2 全樣本行業(yè)間靜態(tài)系統(tǒng)性風(fēng)險溢出矩陣

3.4.2 滾動窗口金融部門動態(tài)系統(tǒng)性風(fēng)險溢出效應(yīng)分析 全樣本分析能對樣本期內(nèi)各金融行業(yè)的系統(tǒng)性金融風(fēng)險溢出效應(yīng)做出一個整體性的截面考察，但這樣會遺漏很多關(guān)于行業(yè)風(fēng)險溢出的時序信息，尤其是對于不同金融事件的外部沖擊以及金融部門自身的演化會導(dǎo)致金融各行業(yè)的風(fēng)險溢出呈現(xiàn)明顯的時序特征，為此本文采用滾動窗口估計以研究風(fēng)險溢出的動態(tài)情況.參考文[18]的設(shè)置，本文的窗口期為200 d，并對向前10 d的預(yù)測誤差方差進行分解.

(1)金融部門總體風(fēng)險溢出動態(tài)分析.圖1描繪了金融部門總體風(fēng)險溢出的時序特征，由于是滾動窗口估計，所以在一些時點上存在溢出指數(shù)的缺失值，因此趨勢線不是連續(xù)的線.從圖中可以看出，我國金融部門總體風(fēng)險溢出效應(yīng)十分明顯，整個樣本期內(nèi)，風(fēng)險溢出指數(shù)都處在高位波動，且在高位滯留的時間明顯大于其在低位滯留的時間，風(fēng)險溢出指數(shù)多次超過70水平并且長時間處于該位置之上，而風(fēng)險溢出指數(shù)在下跌觸底之后快速反彈上升.在2017年，風(fēng)險溢出指數(shù)出現(xiàn)明顯持續(xù)快速下跌，這可能與我國去杠桿、去產(chǎn)能等供給側(cè)結(jié)構(gòu)性改革有關(guān)，然而在2018年初之后又開始迅速攀升，這可能與中美貿(mào)易摩擦為主要因素的外部沖擊有關(guān).總的來看，我國金融部門各行業(yè)之間具有十分強烈的風(fēng)險溢出效應(yīng)，金融風(fēng)險溢出集中度較高，各行業(yè)面臨共同的風(fēng)險敞口.

圖1 金融部門風(fēng)險總體溢出指數(shù)時序圖Fig.1 Time series of general index for financial sector’s risk spillover

(2)金融部門各行業(yè)風(fēng)險溢出動態(tài)分析.雖然總體風(fēng)險溢出動態(tài)分析能夠反映金融部門各行業(yè)間總的風(fēng)險溢出情況，但是缺少對具體金融行業(yè)風(fēng)險發(fā)送與接收的動態(tài)信息，為此我們借助廣義VAR關(guān)聯(lián)網(wǎng)絡(luò)模型對具體行業(yè)的風(fēng)險發(fā)送與接收進行量化分析，動態(tài)考察具體行業(yè)的風(fēng)險溢出和溢入.

圖2展示了四個行業(yè)各自接收其他行業(yè)風(fēng)險溢出的時序，從圖中可以看出，銀行業(yè)風(fēng)險溢入最平穩(wěn)，沒有出現(xiàn)明顯的波動，在樣本期間一直保持在70～80.保險業(yè)和多元金融服務(wù)業(yè)的風(fēng)險溢入呈現(xiàn)小幅波動.但總體趨勢仍平穩(wěn)，保險業(yè)風(fēng)險溢入持續(xù)徘徊于70附近，多元金融服務(wù)業(yè)風(fēng)險溢入在70～80波動，相比而言，雖然證券業(yè)風(fēng)險溢入水平較低，但是波動十分明顯，這表明來自其他三個行業(yè)的、影響證券業(yè)風(fēng)險水平的合成因素存在不穩(wěn)定性.

圖2 金融部門各行業(yè)風(fēng)險溢入動態(tài)趨勢圖Fig.2 Time series of general index for financial sector’s risk spillover

圖3展示了四個金融行業(yè)風(fēng)險發(fā)送的時序，從圖中可以看出，四個行業(yè)風(fēng)險溢出呈現(xiàn)明顯的波動趨勢，尤其是證券業(yè)與多元金融服務(wù)業(yè)波動幅度更大，且一些大的金融事件沖擊伴隨著明顯的峰值.這也說明金融市場遭受內(nèi)外部沖擊時，整體性風(fēng)險的增加主要是源自于證券業(yè)與多元金融服務(wù)業(yè)風(fēng)險溢出的急劇增加.從銀行業(yè)與保險業(yè)風(fēng)險溢出波動相對平穩(wěn)可以看出，我國銀行業(yè)與保險業(yè)抵御風(fēng)險能力比另外兩個行業(yè)更穩(wěn)健，因此在危機時期，我國證券業(yè)與多元金融服務(wù)業(yè)很可能成為風(fēng)險溢出源頭.

圖3 金融部門各行業(yè)風(fēng)險溢出動態(tài)趨勢圖Fig.3 Dynamic trend of risk spillover of financial industries

(3)各行業(yè)風(fēng)險凈溢出分析.我們通過風(fēng)險凈溢出指數(shù)來進一步考察不同行業(yè)的風(fēng)險凈溢出以及行業(yè)兩兩間風(fēng)險凈溢出隨時間的變動.圖4展示了四個金融行業(yè)風(fēng)險凈溢出的動態(tài)情形，從圖中可以看出，銀行業(yè)風(fēng)險凈溢出在時間軸上呈現(xiàn)明顯的正負交替波動，并且銀行業(yè)在沖擊事件發(fā)生時都具有正的風(fēng)險凈溢出效應(yīng)，而在相對平靜的金融環(huán)境中具有負的風(fēng)險凈溢出效應(yīng).相比銀行業(yè)的正負交替波動，證券業(yè)似乎具有長期明顯的正的風(fēng)險凈溢出效應(yīng)，但是在歐洲主權(quán)債務(wù)危機時期、股災(zāi)中后期以及中美貿(mào)易摩擦初期，證券業(yè)在沖擊事件的影響下由正的風(fēng)險凈溢出轉(zhuǎn)變?yōu)樨摰娘L(fēng)險凈溢出.保險業(yè)長期具有正的風(fēng)險凈溢出，但是溢出強度明顯小于證券業(yè).多元金融服務(wù)業(yè)具有持續(xù)負的風(fēng)險凈溢出效應(yīng)，考慮到多元金融服務(wù)業(yè)規(guī)模在我國金融市場中所占的比例最小，其他行業(yè)對其具有明顯影響，而它對其他行業(yè)影響程度很小，所以具有長期負的風(fēng)險凈溢出效應(yīng).

圖4 金融部門各行業(yè)風(fēng)險凈溢出趨勢圖Fig.4 Trend of net risk spillover of financial industries

圖5展示了金融各行業(yè)兩兩間風(fēng)險凈溢出.從圖中可以看出，銀行業(yè)除了受某些金融事件沖擊的影響，對證券業(yè)和保險業(yè)具有長期負的風(fēng)險凈溢出效應(yīng)，而銀行業(yè)對多元金融服務(wù)業(yè)具有長期為正的風(fēng)險凈溢出效應(yīng).證券業(yè)對保險業(yè)的風(fēng)險凈溢出效應(yīng)呈現(xiàn)小幅正負交替波動，但是正的溢出無論在持續(xù)時間長度還是程度上都遠大于負的溢出.證券業(yè)對多元金融服務(wù)業(yè)存在顯著的正向風(fēng)險溢出，但是股災(zāi)時期具有明顯的負向溢出.保險業(yè)對多元金融服務(wù)業(yè)同樣具有長期為正的風(fēng)險凈溢出效應(yīng).總的來看，所有行業(yè)間兩兩溢出效應(yīng)存在明顯非對稱關(guān)系，這也說明行業(yè)與行業(yè)之間的風(fēng)險溢出存在非對稱相關(guān).在長期趨勢方面，證券業(yè)似乎對所有行業(yè)都具有明顯的正向溢出效應(yīng)，同時多元金融服務(wù)業(yè)對所有行業(yè)都具有明顯的負向溢出效應(yīng)；在短期趨勢方面，當受到事件沖擊時，風(fēng)險溢出關(guān)系的長期趨勢存在明顯的變化.為此本文繪制了長期趨勢的風(fēng)險溢出網(wǎng)絡(luò)圖、2015-2016年股災(zāi)時期風(fēng)險溢出網(wǎng)絡(luò)圖以及2018年中美貿(mào)易摩擦初期風(fēng)險溢出網(wǎng)絡(luò)圖(圖6)來更直觀地展現(xiàn)這種變化.

圖5 金融各行業(yè)兩兩間風(fēng)險凈溢出趨勢圖Fig.5 Trend of the pairwise net risk spillover of financial industries

注: 根據(jù)各行業(yè)兩兩間風(fēng)險凈溢出的計算公式，甲行業(yè)對乙行業(yè)的風(fēng)險凈溢出與乙行業(yè)對甲行業(yè)的風(fēng)險凈溢出互為相反數(shù)，

只要畫出甲行業(yè)對乙行業(yè)的風(fēng)險凈溢出就可以展示兩個行業(yè)間的風(fēng)險凈溢出情況，因此，圖5只列出6個子圖.

4 穩(wěn)健性檢驗

通過改變滾動窗口長度進行了穩(wěn)健性檢驗，分別縮短窗口至100 d或延長窗口至250 d并進行估計，100 d的估計結(jié)果與200 d的估計結(jié)果存在一定的差異，但總體趨勢是一致的，相比而言250 d的估計結(jié)果與200 d的估計結(jié)果高度一致.對廣義VAR模型的滯后階數(shù)進行了穩(wěn)健性檢驗，分別在原被檢驗階數(shù)的基礎(chǔ)上向前和向后3階進行估計.從估計結(jié)果對比來看，估計結(jié)果對滯后階數(shù)的選擇具有穩(wěn)健性.對預(yù)測期長度進行了穩(wěn)健性檢驗，在向前預(yù)測長度10 d的基礎(chǔ)上加減5 d進行估計，結(jié)果對預(yù)測期長度的選擇具有穩(wěn)健性.

圖6 風(fēng)險溢出網(wǎng)絡(luò)Fig.6 Networks of risk spillover

在此前對各行業(yè)VaR序列的單位根檢驗中考慮四個行業(yè)都沒有在1%的顯著性水平下拒絕存在單位根的原假設(shè)，為此本文選擇2010-2015年期間波動相對較小時期的數(shù)據(jù)進行了單位根檢驗.結(jié)果表明四個行業(yè)子樣本都在1%顯著性水平下拒絕存在單位根的原假設(shè)；對子樣本進行了估計，子樣本的估計結(jié)果與全樣本估計結(jié)果高度一致，這說明本文估計并沒有受序列不平穩(wěn)的影響而產(chǎn)生偽回歸現(xiàn)象.

5 結(jié)論與建議

5.1 結(jié)論

(1)金融部門總體風(fēng)險溢出效應(yīng)十分顯著，在靜態(tài)分析中風(fēng)險溢出集中度指數(shù)高達71.1，在動態(tài)分析中，風(fēng)險溢出集中度指數(shù)的最低值也高達55，并且風(fēng)險溢出集中度指數(shù)長期保持在70水平之上，這足以說明我國金融部門風(fēng)險集中度高，系統(tǒng)性風(fēng)險特征明顯.(2)金融各行業(yè)間一對一的風(fēng)險溢出存在明顯的非對稱性，這表明金融行業(yè)之間的相關(guān)性是一種非對稱相關(guān)，但是這種非對稱性結(jié)構(gòu)并不是完全固定不變的，它隨著外部金融事件沖擊而動態(tài)變化.(3)總的來看，在四個行業(yè)中，證券業(yè)風(fēng)險溢出指數(shù)最大且具有很強的時變性，多元金融服務(wù)業(yè)風(fēng)險溢出指數(shù)最小但具有很強的時變性，隨著事件沖擊，波動十分明顯.銀行業(yè)與保險業(yè)風(fēng)險溢出比較顯著，但是時變特征不明顯，因此我國銀行業(yè)與保險業(yè)風(fēng)險溢出的穩(wěn)健性要高于證券業(yè)與多元金融服務(wù)業(yè).

5.2 建議

(1)繼續(xù)堅持底線思維，堅決貫徹落實黨的十九大要求，“健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”.這就要求我國不斷完善金融監(jiān)管制度和體系，加強國務(wù)院金融穩(wěn)定發(fā)展委員會和“一行兩會”(中國人民銀行、銀保監(jiān)會、證監(jiān)會)金融監(jiān)管的統(tǒng)籌協(xié)調(diào).(2)加強和改進中國人民銀行運用貨幣政策與財政部運用財政政策調(diào)控宏觀經(jīng)濟的職能，健全針對系統(tǒng)性金融風(fēng)險的貨幣政策和宏觀審慎政策雙支柱調(diào)控框架.(3)鑒于我國金融部門各行業(yè)間存在著明顯的風(fēng)險溢出，金融監(jiān)管部門的監(jiān)管工作要著眼于合理降低各行業(yè)的風(fēng)險溢出效應(yīng)，從而降低我國金融部門的系統(tǒng)性風(fēng)險.面對風(fēng)險的跨行業(yè)傳遞，要加大金融機構(gòu)跨業(yè)套利的處罰力度，尤其是在當前我國經(jīng)濟存在下行壓力，各種風(fēng)險隱患逐一顯現(xiàn)的情況下，仍應(yīng)堅定地實施金融部門分業(yè)經(jīng)營、分業(yè)監(jiān)管為主的基本架構(gòu)，嚴格規(guī)范已有的金融混業(yè)經(jīng)營，強化綜合監(jiān)管能力.(4)銀行業(yè)與保險業(yè)在資產(chǎn)規(guī)模上占據(jù)主導(dǎo)地位，因此對我國金融部門整體穩(wěn)定性具有舉足輕重的地位，所以應(yīng)強化實施審慎監(jiān)管政策，平抑其風(fēng)險溢出，防止因“大而不能倒”引發(fā)道德風(fēng)險的行為.需要及時處置銀行業(yè)不良資產(chǎn)，防止個別銀行的金融風(fēng)險惡化導(dǎo)致銀行業(yè)系統(tǒng)性風(fēng)險急劇爆發(fā)令貨幣信用體系極度混亂.應(yīng)加強對證券業(yè)的監(jiān)管，完善相關(guān)法律法規(guī)促進證券市場良性發(fā)展，使其風(fēng)險溢出保持在合理區(qū)間波動以保證其不會對我國金融市場造成過度沖擊.監(jiān)管部門應(yīng)當使多元金融服務(wù)業(yè)建立有效的風(fēng)險隔離機制，加強其抵御風(fēng)險的能力，避免使其過度地暴露于金融市場風(fēng)險中.