李延軍 白云方 王詩惠

摘? ?要：本文利用GARCH類模型度量了2017—2020年中美貿(mào)易摩擦期間我國股票市場、債券市場及外匯市場的流動性風險水平及風險傳染程度，之后利用改進的事件分析法，量化分析了中美貿(mào)易摩擦對金融市場間流動性風險傳染的溢出效應、水平效應和趨勢效應。研究結果表明，中美貿(mào)易摩擦事件對流動性風險傳染的溢出效應顯著，風險共擔和投資者資產(chǎn)配置調整是該溢出效應產(chǎn)生的主要原因;從統(tǒng)計顯著性、效應大小和影響持久度來看，金融市場間流動性風險傳染的水平效應和趨勢效應有著不同的反應特征;由于貿(mào)易摩擦事件頻發(fā)，導致投資者產(chǎn)生慣性預期，進而出現(xiàn)“貿(mào)易摩擦事件尚未發(fā)生、流動性風險傳染便已上升”的現(xiàn)象。本文不僅為研究金融市場風險提供了流動性的新視角，也為政策制定者防控流動性風險提供參考。

關鍵詞：中美貿(mào)易摩擦;流動性溢出;流動性風險傳染;事件分析法

中圖分類號：F830.91? 文獻標識碼：A? 文章編號：1674-2265（2021）06-0010-09

DOI：10.19647/j.cnki.37-1462/f.2021.06.002

一、引言

2017年8月14日，美國前總統(tǒng)特朗普授權貿(mào)易代表對中國企業(yè)展開“301調查”，中美貿(mào)易戰(zhàn)正式打響。2018年3月，美國根據(jù)“301調查”結果，對從中國進口的多項產(chǎn)品大規(guī)模加征關稅。此后，中美經(jīng)貿(mào)關系緊張，中方政府在積極尋求協(xié)商解決中美貿(mào)易摩擦的同時作出適當反擊。隨著中美貿(mào)易摩擦逐步升級，貿(mào)易戰(zhàn)作為負向沖擊給中美兩國經(jīng)濟帶來的負向影響逐漸顯現(xiàn)，在此期間，中美進行了多次貿(mào)易磋商，使得貿(mào)易摩擦有所緩和，但迄今沒有取得實質性進展。當前，我國金融市場發(fā)展尚不完善，抵御外部沖擊的能力較弱，中美貿(mào)易摩擦事件對中國金融市場的影響不可小覷。

流動性是金融市場健康穩(wěn)定發(fā)展的基礎，是衡量市場質量的重要指標之一，從流動性角度出發(fā)，考察中美貿(mào)易摩擦事件對金融市場的影響，對于我國打好防范化解金融風險攻堅戰(zhàn)具有十分重要的現(xiàn)實意義。股票市場、債券市場和外匯市場是我國金融市場的重要組成部分，圖1展示了中美貿(mào)易摩擦持續(xù)升級期間，三個市場非流動性水平的變化趨勢。從圖中可以簡要看出貿(mào)易摩擦對金融市場流動性的影響：股票市場流動性水平在中美貿(mào)易摩擦期間明顯降低，債券市場流動性水平整體平穩(wěn)，但先后多次出現(xiàn)不同幅度的波動小高峰，外匯市場非流動性水平在中美貿(mào)易摩擦初期最高。

中美貿(mào)易摩擦對金融市場流動性水平影響的大體趨勢可以從以上分析結果中直觀得出，但是，以上描述性分析沒有刻畫出貿(mào)易摩擦對跨市場風險傳染的影響，也沒有剝離開其他因素對金融市場流動性的影響。然而，不同宏觀環(huán)境下金融市場間相關關系及其風險傳染是研究者關注的核心內容（Reboredo等，2016;王茵田和文志瑛，2010;李廣眾等，2014;梁琪等，2015;周愛民和韓菲，2017;楊子暉等，2020）[1-6]?；诖耍疚膹牧鲃有砸暯浅霭l(fā)，著重量化分析中美貿(mào)易摩擦對股票市場、債券市場和外匯市場間流動性風險傳染的影響及其動態(tài)影響路徑。

宮曉琳（2012）[7]研究指出金融風險傳染可定義為外部沖擊發(fā)生后，各金融市場間宏觀經(jīng)濟及金融市場層面的風險聯(lián)動增加。當市場受到外部沖擊后，市場間聯(lián)動性會顯著上升，如果市場間的關聯(lián)程度很高，那么，單個局部的風險很容易演變成系統(tǒng)性風險（張宗新等，2020）[8]。由于近年來中美貿(mào)易摩擦、經(jīng)濟政策不確定性事件和重大公共衛(wèi)生事件等外部沖擊事件頻發(fā)，越來越多的學者開始關注外部沖擊事件對金融市場的影響。例如，王茹婷等（2019）[9]基于HAR-RV事件拓展模型發(fā)現(xiàn)中美貿(mào)易摩擦事件對中國金融市場波動率產(chǎn)生迅速且短暫的沖擊。方意等（2020）[10]將新冠肺炎疫情作為沖擊事件，從收益率角度分析了新冠肺炎疫情事件對中國主要金融市場自身風險及市場間風險傳染的溢出效應。

相關研究已經(jīng)證明，外部沖擊會對金融市場風險傳染產(chǎn)生影響，那么是何種因素導致了這一影響？一方面，外部沖擊對金融市場風險的影響機制可以分為兩類：一類是通過影響金融市場基本面因素導致金融市場的異常波動，如投資者構成比例（Clarke等，2006;Bartram等，2012;蔡慶豐和宋友勇，2010）[11-13];另一類是通過影響投資者情緒，尤其是非理性的個人投資者情緒對金融市場風險產(chǎn)生影響（Lakonishok等，1994;楊曉蘭等，2016;陳其安和雷小燕，2017;陳庭強等，2020）[14-17]。另一方面，有關金融市場之間風險傳染機制可以歸結為兩類：一類是風險共擔機制，F(xiàn)leming 等（1998）[18]證明了由于共同信息的作用，比如通貨膨脹，導致股票、債券兩個金融市場之間存在波動聯(lián)系，且這些共同信息同時影響多個市場的投資者預期;第二類是投資者資產(chǎn)配置調整機制（Goyenko和Ukhov，2009）[19]，即跨市場風險對沖行為，當外部沖擊改變投資者的預期時，交易者會調整他們的資產(chǎn)持有量，從而產(chǎn)生市場間聯(lián)動效應。金融市場間的高度相關性，加大了金融市場風險演變?yōu)榻鹑谙到y(tǒng)性風險的可能性（方意，2016;李政等，2016）[20，21]。因此，關注不同市場間流動性風險傳染及其背后原因，對于優(yōu)化資源配置、防范金融風險和穩(wěn)定市場尤為重要。

中美貿(mào)易摩擦作為負向外部沖擊，其對金融市場的影響受到國內外學者的廣泛關注。在股票市場層面，Burrggraf等（2020）[22]研究了和中美貿(mào)易摩擦有關的新聞事件對美國股票回報率的影響，研究結果表明，中美貿(mào)易摩擦使得股票收益率下降和VIX指數(shù)上漲。褚文臣（2020）[23]將中美貿(mào)易摩擦事件分為正向事件和負向事件，發(fā)現(xiàn)在負向事件后第二天買入國際貿(mào)易板塊的股票可獲得超額收益。在債券市場層面，Hosain和Hossain（2019）[24]認為中美貿(mào)易摩擦可能促使中國拋售美國國債，進而導致美國債券收益率上升。Tyers和Zhou（2019）[25]認為中美貿(mào)易摩擦會導致中美兩國的長期債券收益率上升。在外匯市場層面，Johdo（2019）[26]分析了提高中美貿(mào)易關稅對于匯率的影響，發(fā)現(xiàn)增加企業(yè)跨國搬遷的靈活性有利于降低關稅對于匯率的影響效應。任仙玲和鄧磊（2019）[27]發(fā)現(xiàn)有關中美貿(mào)易摩擦的網(wǎng)絡輿情會影響人民幣匯率，且影響效果與人民幣匯率發(fā)展的不同階段有關。此外，現(xiàn)有研究還涉及了中美貿(mào)易摩擦對金融市場整體風險的影響。例如，方意等（2019）[28]將中美貿(mào)易摩擦作為沖擊事件，從收益率角度，分析了貿(mào)易摩擦對中國主要金融市場自身風險及市場間風險傳染的溢出效應。陳守東和李云浩（2021）[29]發(fā)現(xiàn)中美貿(mào)易摩擦會影響到中美股票市場和債券市場的風險溢出狀態(tài)。

綜上所述，關于中美貿(mào)易摩擦如何影響金融市場，目前學術界主要從收益率的角度來進行研究，缺少從流動性的視角來考察不同貿(mào)易環(huán)境的變化如何影響金融市場流動性風險。本文以中國的股票市場、債券市場和外匯市場為核心，從金融市場流動性的視角，利用改進的事件分析法研究中美貿(mào)易摩擦對金融市場間流動性風險傳染的溢出效應和動態(tài)影響過程。本文的主要貢獻包括以下兩個方面：第一，本文是較早采用改進的事件分析法量化分析外部沖擊事件對金融市場風險傳染影響的文章，且進一步說明了中美貿(mào)易摩擦對目標變量的動態(tài)演進路徑。第二，以流動性為著眼點研究金融市場風險傳染擴大了中美貿(mào)易摩擦對金融市場影響的研究范圍，尤其是在流動性對所有交易者都至關重要的金融市場。

二、流動性風險傳染機制分析

中美貿(mào)易摩擦對金融市場流動性風險的影響主要基于以下三個機制：

（一）投資者情緒影響機制

投資者情緒是指投資者對未來現(xiàn)金流和投資風險的系統(tǒng)性偏差。一方面，面對外部沖擊時，不同類型的投資者產(chǎn)生過于樂觀或悲觀的投資者情緒，容易導致經(jīng)濟主體做出非理性的投資決策。另一方面，中美貿(mào)易摩擦事件作為一種負向外部沖擊，會使投資者產(chǎn)生恐慌情緒，尤其對于市場中的個人投資者而言，其在獲取信息方面不如機構投資者，對于金融市場的預期回報和風險預期會隨著經(jīng)濟環(huán)境的不確定性而發(fā)生改變。因此，個人投資者更容易產(chǎn)生負面情緒，如焦慮和恐懼，這種恐慌情緒阻礙個人投資者作出理性判斷，而非理性的投資決策對金融市場穩(wěn)定產(chǎn)生不可預測的影響。當外部沖擊事件發(fā)生時，投資者情緒機制對于金融市場的影響貫穿各個環(huán)節(jié)。

（二）風險共擔機制

諸如通貨膨脹、貿(mào)易摩擦等宏觀信息環(huán)境的改變會導致金融市場之間產(chǎn)生波動聯(lián)系。信息可以同時影響多個市場的投資者預期，并且由于跨市場對沖，當外部沖擊改變一個市場的投資者預期時，交易者會調整他們在不同市場的持有量，進而產(chǎn)生信息溢出。導致某市場產(chǎn)生交易活動的新聞事件會通過對沖需求的變化影響其他市場，因此，跨市場的信息溢出是完全的，不可能每個市場面對不同的信息流。例如，債券市場的流動性會因股票市場事件發(fā)生波動，期貨市場流動性會因債券市場事件發(fā)生波動，這種市場之間的波動聯(lián)系會使得金融市場同時暴露于共同的沖擊事件下，產(chǎn)生風險共擔，導致兩個金融市場的流動性向相同的方向運動。

（三）資產(chǎn)配置調整機制

從市場的微觀角度出發(fā)，投資者的投資目標和風險偏好不盡相同，投資者的交易活動使得財富在金融市場之間轉移。在面對負向外部沖擊時，金融市場的流動性波動率加劇，流動性風險增加，投資者通常會重新平衡他們的投資組合，轉向風險更低、流動性更強的證券資產(chǎn)。這種交易活動會使得金融市場流動性發(fā)生協(xié)同效應，增加整個金融體系的流動性風險。資產(chǎn)配置調整機制導致兩個金融市場的流動性向相反的方向運動。

中美貿(mào)易摩擦作為外部沖擊引發(fā)金融市場流動性風險的傳導機制如圖2所示，可以看出，中美貿(mào)易摩擦事件導致實體經(jīng)濟疲軟，進而影響到金融市場;金融市場之間由于投資者情緒機制、風險共擔機制和投資者資產(chǎn)配置調整機制使得流動性風險發(fā)生變化，變化的方向要根據(jù)傳導機制的作用大小具體分析。

三、數(shù)據(jù)、變量與模型

（一）模型的選擇及說明

事件分析法是由方意等（2020）[10]在事件研究法的基礎上改進的，用于量化某類事件對目標變量的動態(tài)影響，其原理類似于微觀政策評估中的雙重差分法（DID）。本文采用改進的事件分析法，將中美貿(mào)易摩擦新聞看作是外部沖擊事件，考察貿(mào)易摩擦對金融市場流動性風險傳染的影響。具體做法為：以事件發(fā)生日為中心，考察被解釋變量在事件發(fā)生前后的變化和顯著性程度，之后再對事件影響過程的水平效應和趨勢效應進行分析。溢出效應回歸模型如下：

[yt=α+s=-mmβsδs+εt]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

其中，[yt]為被解釋變量，即市場間流動性風險傳染，[s]為距離貿(mào)易摩擦事件發(fā)生日的時間（交易日天數(shù)），取值范圍為[-m，m]，表示事件發(fā)生前m個交易日到后m個交易日的窗口期，[δs]為事件虛擬變量，其構造方法為：

[δs=n=1Nδns，δns=1，t=ttf，n+s0，? ? 其他] （2）

[δs]為N個事件虛擬變量的和，N為事件樣本期內貿(mào)易摩擦事件發(fā)生的總件數(shù)，[δns]表示距離第[n]次貿(mào)易摩擦事件發(fā)生日期[s]個交易日的虛擬變量，[ttf，n]是第 [n]次貿(mào)易摩擦事件發(fā)生的日期，當發(fā)生日期為非交易日時，用事件發(fā)生后第一個交易日表示。

需要指出的是，外部沖擊事件的影響過程不是一蹴而就的，而是需要一段時間的積累。為探究中美貿(mào)易摩擦對流動性風險傳染的影響過程，本文需要構造貿(mào)易摩擦事件發(fā)生前后s天的虛擬變量，以此來分析貿(mào)易摩擦對金融市場間流動性動態(tài)相關性影響的水平效應和趨勢效應。具體而言，水平效應是指外部沖擊事件發(fā)生以后被解釋變量值顯著高于全部樣本期內平均水平的程度，用公式（3）中的[?i]表示。若[?i]大于0，說明事件發(fā)生后q個交易日內，被解釋變量均值較整個樣本期內被解釋變量均值增大了[?i];反之，若[?i]小于0，說明事件發(fā)生后q個交易日內，被解釋變量均值較整個樣本期內被解釋變量均值減小了[?i]。趨勢效應是指事件發(fā)生后被解釋變量隨時間變化趨勢顯著大于事件發(fā)生前的水平，用公式（4）中的（[ηi-θi]）表示。

[yi=αi+γi（D-q）+?iDq+εi]? ? ? ? ?（3）

[yi=αi+ωi×t+ψi×（D-q）+νi×Dq+θi×t×D-q+ηi×t×Dq+εi]? ?（4）

其中，[yi]為被解釋變量，[t]為時間變量，從樣本起始日開始，標準化為1，每增加一天，則[t]值加1，直至樣本期末。[D-q]為所有貿(mào)易摩擦事件發(fā)生前 [q]個交易日的虛擬變量。[Dq]為所有貿(mào)易摩擦事件發(fā)生當天及之后（[q-1]）個交易日的虛擬變量，[D-q]和[Dq]的設置如公式（5）（6）所示。

[D-q=nD-q，n，D-q，n=1，ttf，n-q≤t≤ttf，n-10，其他時間] （5）

[Dq=nDq，n，Dq，n=1，ttf，n≤t≤ttf，n+q-10，其他時間] （6）

[ttf，n]為[n]次貿(mào)易摩擦事件發(fā)生日，[q]的大小可根據(jù)研究需要來設定， 本文選擇[q]取值為 [5， 20]。 隨著[q]取值的變化，可得到中美貿(mào)易摩擦事件對流動性跨市場風險傳染影響的水平效應和趨勢效應的動態(tài)變化。值得注意的是，本文采用改進的事件分析法而非雙重差分法（DID）是因為這種方法可以更好地通過選定窗口期來觀察事件的動態(tài)影響過程。

（二）數(shù)據(jù)的選擇及說明

本文選擇滬深300指數(shù)、中證全債指數(shù)和美元兌人民幣匯率分別作為股票市場、債券市場和外匯市場的代理變量，為覆蓋2017—2020期間發(fā)生的主要中美貿(mào)易摩擦事件，本文選取2017年1月3日—2020年8月31日的日度數(shù)據(jù)，金融市場數(shù)據(jù)來源于萬得數(shù)據(jù)庫，在樣本期內共整理了33起中美貿(mào)易摩擦事件。

本文以中美貿(mào)易摩擦事件的發(fā)生構造事件虛擬變量。中美貿(mào)易摩擦開始于2017年美國針對中國展開的“301調查”事件，后期雖進入一段較為平靜的時期，貿(mào)易緩和事件發(fā)生較多，但目前為止中美貿(mào)易摩擦并未取得實質性進展，關于貿(mào)易摩擦對我國金融市場的影響還需進一步關注。

四、實證分析

（一）描述性統(tǒng)計分析

流動性是金融學的一個基本概念，可以定義為以低成本快速購買或出售大量資產(chǎn)的能力。本文借鑒Amihud等（2002）[30]提出的關于資產(chǎn)非流動性比率的構造方法，提出非流動性水平日度指標的構造方法如下：

[Illiq=rtvt]? （7）

其中，[vt]是資產(chǎn)在第[t]天的交易金額或交易量，[rt]是資產(chǎn)在第[t]個交易日的對數(shù)收益率的絕對值。為計算方便，我們將非流動性指標擴大 109。

各金融市場非流動性水平的描述性統(tǒng)計與相關檢驗如表1所示①，可以看出，各金融市場非流動性序列均為平穩(wěn)時間序列，觀察其分布狀態(tài)，可以看出各序列均呈右偏態(tài)，峰值均大于3，且JB統(tǒng)計量在1%的顯著性水平下拒絕正態(tài)分布的假設，說明各序列均表現(xiàn)出“尖峰厚尾”的非正態(tài)分布特征，因此，在參數(shù)估計時可以考慮殘差服從t分布。通過ARCH檢驗可以發(fā)現(xiàn)，殘差平方序列均在1%的顯著性水平下呈現(xiàn)出自回歸特征，說明非流動性序列波動和歷史波動有關，ARCH效應顯著，因此，可以使用GARCH類模型進行建模。

（二）流動性風險的相關性時變特征

由于各金融市場非流動性時間序列具有波動聚集性和自回歸特征，可以采用單變量GARCH（1，1）模型估計出各市場的流動性動態(tài)條件波動率，并以此作為衡量市場流動性風險指標。各金融市場的流動性風險走勢如圖3所示，可以得到以下結論：第一，股票市場流動性的高波動率聚集在中美貿(mào)易摩擦集中發(fā)生期，可以直觀看出中美貿(mào)易摩擦提高了股票市場流動性風險。第二，債券市場流動性風險整體處于較低水平且波動較股票市場更為平穩(wěn)，但在中美貿(mào)易摩擦時期多次出現(xiàn)大幅度增加。此結論同張宗新（2020）[8]結論一致，外部沖擊對股票市場的短期波動影響大于債券市場。第三，無論是在中美貿(mào)易摩擦發(fā)生前還是發(fā)生后，外匯市場的流動性波動率都較大，且在中美貿(mào)易摩擦初期流動性風險達到最大，這是因為導致匯率市場波動的因素較為復雜，包括宏觀基本面因素、經(jīng)濟政策不確定性程度、石油價格和全球資本流動等。

以上給出了金融市場流動性波動率的時間走勢，那么各金融市場流動性風險是否具有相關性？我們采用DCC-GARCH模型估計金融市場之間動態(tài)相關關系，模型參數(shù)估計結果如表2所示，其中[θ1]、[θ2]是動態(tài)相關參數(shù)，V是聯(lián)合分布的形態(tài)參數(shù)，參數(shù)均為正值且顯著，參數(shù)[θ1]說明滯后一期的標準化殘差對動態(tài)相關系數(shù)有顯著影響，參數(shù)[θ2]接近于1說明相關性具有很強的持續(xù)性。我們求得金融市場間流動性波動率的動態(tài)相關系數(shù)，并作出跨市場流動性風險走勢圖（見圖4）。從圖4可以發(fā)現(xiàn)，股票市場與債券市場（以下簡稱股債市場）之間流動性風險傳染介于0.05—0.35之間，以正向傳染為主，且2017—2019年兩個市場之間流動性風險傳染總體呈下降趨勢 ;股票市場與外匯市場（以下簡稱股匯市場）之間流動性風險傳染在-0.4—0.4之間，且在中美貿(mào)易摩擦事件頻發(fā)期間出現(xiàn)了更多的正向傳染，相關性系數(shù)得到了一定的提高;債券市場與外匯市場（以下簡稱債匯市場）之間流動性以負向風險傳染為主，在中美貿(mào)易摩擦集中期出現(xiàn)更多的正向風險傳染，在這一時期，債匯市場流動性風險的聯(lián)動效應有所提高。

（三）貿(mào)易摩擦對跨市場流動性風險的溢出效應

前文已經(jīng)采用DCC-GARCH模型證明在正常時期金融市場之間存在流動性風險傳染，在此基礎上，本節(jié)進一步采用事件分析法分析中美貿(mào)易摩擦對跨市場流動性風險傳染帶來的額外溢出效應（依據(jù)式（1））。其中，被解釋變量為金融市場間的動態(tài)相關系數(shù)，解釋變量為由中美貿(mào)易摩擦事件構造的虛擬變量序列，本節(jié)將事件窗口確定為貿(mào)易摩擦事件發(fā)生前10個交易日到后10個交易日共21天，即（-10，10）。

表3展示了中美貿(mào)易摩擦對跨市場流動性風險的溢出結果，對比三組回歸結果可知，中美貿(mào)易摩擦事件尚未發(fā)生，金融市場之間的流動性風險傳染就已經(jīng)受到顯著影響，說明投資者對貿(mào)易摩擦事件的發(fā)生存在預期效應;從溢出效應的方向和時間長短來看，股債市場之間的流動性風險傳染受到貿(mào)易摩擦的負向溢出效應，溢出效應的時長為事件發(fā)生前5個交易日至事件發(fā)生后的7個交易日，而中美貿(mào)易摩擦對股匯市場及債匯市場之間的溢出效應為正向，在選定窗口期內溢出效應時長均約為事件發(fā)生前10個交易日至事件發(fā)生后2個交易日;對比顯著性程度可知，股匯市場之間受到的溢出效應大體在1%的水平下顯著，即股匯市場之間的流動性風險傳染受到的溢出效應顯著性更強，究其原因，股票市場和外匯市場上的投資者構成較為復雜，除機構投資者之外，還有大量散戶參與投資，和理性的機構投資者相比，這些散戶投資者更容易受到外部沖擊事件的影響。

為解釋此現(xiàn)象，本文引入前文所述的兩個機制：第一，由于風險共擔機制的作用，在金融市場面對同一負向沖擊時，金融市場之間發(fā)生流動性協(xié)同運動，導致市場之間流動性動態(tài)相關性增強;第二，由于投資者資產(chǎn)配置調整機制發(fā)揮作用，當沖擊發(fā)生時，一些避險投資者傾向于選擇低風險資產(chǎn)（包括資本外流），這些交易活動導致金融市場之間流動性發(fā)生反方向變動。結合溢出效應的方向來看，本文認為貿(mào)易摩擦對股債市場流動性風險傳染的溢出效應更多地是由資產(chǎn)配置調整機制所致，對股匯市場和債匯市場之間的流動性風險傳染的溢出效應更多地是由風險共擔機制所致。

（四）貿(mào)易摩擦對跨市場流動性風險的動態(tài)影響路徑

不同于方意等（2019）[28]從收益率的角度進行研究，本文以流動性為研究視角，進一步探究中美貿(mào)易摩擦對金融市場風險傳染影響的動態(tài)演進路徑，即貿(mào)易摩擦作為外生沖擊事件對跨市場流動性風險影響的水平效應和趨勢效應（依據(jù)式（3）和（4））。貿(mào)易摩擦前的水平效應的大小用式（3）中[D-q]前的回歸系數(shù)[γi] 表示，貿(mào)易摩擦后的水平效應的大小用式（3）中[Dq]前的回歸系數(shù)[?i]表示，系數(shù)大小代表了貿(mào)易摩擦前后不同金融市場間動態(tài)相關系數(shù)的均值相對于整個樣本期內均值的變化。趨勢效應大小表示較之貿(mào)易摩擦前[q]個交易日，貿(mào)易摩擦之后[q]個交易日內金融市場間動態(tài)相關系數(shù)隨時間的變化趨勢。根據(jù)式（4），趨勢效應的大小可由（[ηi-θi]） 表示。其中，[θi]為虛擬變量[D-q]與時間變量[t]的交互項回歸系數(shù)，[ηi]為虛擬變量[Dq]與時間變量[t]的交互項回歸系數(shù)。

圖5左圖表示水平效應的走勢，可以得到如下結論：第一，相對于樣本均值，中美貿(mào)易摩擦前后股債市場流動性動態(tài)相關系數(shù)均值低于樣本均值，而股匯市場和債匯市場的動態(tài)相關系數(shù)均值高于樣本均值。第二，隨著[q]取值增大，中美貿(mào)易摩擦對各市場間流動性動態(tài)相關性影響的水平效應絕對值呈現(xiàn)出逐漸減小的趨勢。即距離中美貿(mào)易摩擦事件發(fā)生日越近，水平效應越大;距離中美貿(mào)易摩擦事件發(fā)生日越遠，水平效應越小;隨著[q]取值的增大，跨市場流動性風險水平逐步向整體樣本均值靠近，流動性風險受到的影響逐漸減小。第三，由于貿(mào)易摩擦事件連續(xù)頻發(fā)，各金融市場的投資者會對貿(mào)易摩擦產(chǎn)生慣性預期，具體而言，在貿(mào)易摩擦事件發(fā)生前，市場間的動態(tài)相關系數(shù)就已經(jīng)出現(xiàn)增大趨勢，產(chǎn)生預期效應，與前文所得結論一致。

圖5右圖表示趨勢效應的走勢，可以得到如下結論：第一，中美貿(mào)易摩擦對跨市場流動性風險均產(chǎn)生顯著正向趨勢效應。第二，距離貿(mào)易摩擦事件發(fā)生日越長，股債市場和股匯市場的趨勢效應越大，直到q取20仍未收斂，再一次印證了前文所言，即當負向沖擊事件發(fā)生之后，造成金融市場的直接損失，并且這一損失會被放大，增大金融市場的流動性風險。初始沖擊被放大之后，需要大于20個交易日的時間來消化，因此，與水平效應相比，股債市場和股匯市場的趨勢效應表現(xiàn)得更為持久。債匯市場的流動性動態(tài)相關性的趨勢效應先是逐漸增大，在貿(mào)易摩擦事件發(fā)生后的15—20個交易日內逐漸向0收斂，這說明債匯市場之間的流動性抵御該沖擊的能力較強。第三，中美貿(mào)易摩擦對市場間流動性相關關系影響的趨勢效應顯著性水平相同，但效應大小不同，對股匯市場之間流動性相關關系的趨勢效應高于股債市場和債匯市場，即在受到貿(mào)易摩擦之后，股匯市場的流動性風險傳染隨時間變化的趨勢效應更強。

（五）穩(wěn)健性檢驗

本文通過更換樣本區(qū)間的方法進行穩(wěn)健性檢驗：一是將樣本區(qū)間縮短為中美貿(mào)易摩擦發(fā)展集中期階段，即2017年1月1日—2018年8月31日，檢驗在新的樣本期內貿(mào)易摩擦沖擊對跨市場流動性風險的影響。如表4、圖6所示，貿(mào)易摩擦對跨市場流動性風險的溢出效應方向、水平效應走勢、趨勢效應走勢等與前文主要結論基本保持一致，結果穩(wěn)健。二是為剝離開2020年初爆發(fā)的新冠疫情事件對流動性風險的影響，本文將樣本期縮短為疫情暴發(fā)前階段2017年1月1日—2019年12月31日，結果穩(wěn)健，由于篇幅所限，結果不再展示。

五、結論與建議

基于改進的事件分析法，本文圍繞中美貿(mào)易摩擦對金融市場間流動性的影響展開研究，進一步量化分析了中美貿(mào)易摩擦對金融市場間流動性相關關系影響過程的水平效應和趨勢效應。這為研究外部沖擊對金融市場流動性的影響提供了一種較為準確的研究方法，也為金融市場防范流動性風險傳染提供了必要參考。本文得出的結論可以概括為以下四點：第一，金融市場間流動性關聯(lián)性顯著。DCC-GARCH 模型可以識別不同金融市場流動性的波動性及其動態(tài)相關關系，從波動情況來看，股票市場波動較為劇烈，外匯市場次之，債券市場整體較為平穩(wěn);從動態(tài)相關性來看，三個金融市場之間均存在顯著的流動性動態(tài)聯(lián)動性。第二，債券資產(chǎn)抵御外部沖擊能力更強。中美貿(mào)易摩擦對金融市場間流動性相關關系存在溢出效應，但溢出效應方向、時長和顯著程度均存在差異，中美貿(mào)易摩擦對股債市場之間流動性風險傳染的沖擊主要受到資產(chǎn)配置調整機制的影響，故以負向溢出為主，這說明投資者在負向沖擊下進行資產(chǎn)配置調整時，更傾向于追求風險更低的債券資產(chǎn)。第三，風險持續(xù)期較長。中美貿(mào)易摩擦對市場間流動性動態(tài)相關關系的影響有顯著的水平效應和正向趨勢效應，股債市場和股匯市場之間的趨勢效應更為持久，債匯市場之間的趨勢效應逐漸向零收斂。說明中美貿(mào)易摩擦對流動性的影響在市場關聯(lián)性等放大機制的作用下進一步增加，拉長趨勢效應持續(xù)時間。第四，連續(xù)的中美貿(mào)易摩擦沖擊會使投資者產(chǎn)生慣性預期，進而導致流動性風險上升。

本文的研究結論表明，在負向外部沖擊事件的影響下，金融市場流動性出現(xiàn)不同程度的波動?；诖?，本文提出如下四個政策建議：第一，防止金融市場間的流動性風險過度關聯(lián)。我國金融市場由于面臨相似的監(jiān)管環(huán)境，且存在金融機構“報團取暖”、投資者羊群效應等現(xiàn)象，金融市場的關聯(lián)性較強。然而Acemoglu 等（2015）[31]研究表明，金融市場的關聯(lián)性也應該確定在一個合理的范圍之內，否則當外部沖擊過大時，金融市場之間的關聯(lián)性以風險傳染效應為主，導致沖擊被放大。因此，金融監(jiān)管部門應當參照學術界測算金融機構與行業(yè)間關聯(lián)性的模型進行合理監(jiān)管。第二，發(fā)揮債券市場的避險作用。在中美貿(mào)易摩擦沖擊面前，債券市場可以作為投資和避險工具，我國應大力發(fā)展和完善債券市場，活躍債券市場交易，為市場投資者提供更多元、更富有流動性的投資和避險工具。第三，合理規(guī)劃引導資金流向，適當增加損失準備。中美貿(mào)易摩擦等負向外部沖擊對金融市場的影響并非一蹴而就，其趨勢效應持續(xù)時間較長，為維持金融體系穩(wěn)定，應做好持續(xù)的防御沖擊準備。第四，釋放利好信息。市場信息是流動性風險監(jiān)管的一個重要指標（李延軍和賀佳寧，2020）[32]，在遭受連續(xù)的貿(mào)易摩擦沖擊時，投資者會產(chǎn)生預期效應，因此，政策制定者應該合理引導投資者預期，釋放利好信息，對沖投資者的慣性預期。

注：

①利用 Amihud 非流動性比率計算股票、債券和外匯市場的流動性時，由于三者性質的差異性，三組流動性序列在量綱上可比，但量級上不可比，因此，不具有橫向可比性。

參考文獻：

[1]Reboredo J C，Rivera-Castro M A，Ugolini A. 2016. Downside and Upside Risk Spillovers Between Exchange Rates and Stock Prices [J].Journal of Banking &Finance，Vol. 62.

[2]王茵田，文志瑛.股票市場和債券市場的流動性溢出效應研究 [J].金融研究，2010，（3）.

[3]李廣眾，楊子暉，楊鎧維.匯率波動性與股市收益率聯(lián)動性——來自國際樣本的經(jīng)驗證據(jù) [J].金融研究，2014，（7）.

[4]梁琪，李政，郝項超.中國股票市場國際化研究：基于信息溢出的視角 [J].經(jīng)濟研究，2015，50（4）.

[5]周愛民，韓菲.股票市場和外匯市場間風險溢出效應研究——基于GARCH-時變Copula-CoVaR模型的分析[J].國際金融研究，2017，（11）.

[6]楊子暉，陳雨恬，張平淼.股票與外匯市場尾部風險的跨市場傳染研究 [J].管理科學學報，2020，23（8）.

[7]宮曉琳.宏觀金融風險聯(lián)動綜合傳染機制 [J].金融研究，2012，（5）.

[8]張宗新，林弘毅，李欣越.經(jīng)濟政策不確定性如何影響金融市場間的流動性協(xié)同運動？——基于中國金融周期的視角 [J].統(tǒng)計研究，2020，37（2）.

[9]王茹婷，李文奇，黃詒蓉.貿(mào)易摩擦、日內跳躍與股市波動——基于中國高頻數(shù)據(jù)的經(jīng)驗證據(jù) [J].國際金融研究，2019，（12）.

[10]方意，于渤，王煒.新冠疫情影響下的中國金融市場風險度量與防控研究 [J].中央財經(jīng)大學學報，2020，（8）.

[11]Clarke G? R G，Xu，L C，Zou H F. 2006. Finance and Income Inequality：What Do the Data Tell Us？ [J].Southern Economic Journal，Vol. 72，No. 3.

[12]Bartram S M，Brown G，Stulz R M. 2012. Why Are U. S. Stocks More Volatile？ [J].Journal of Finance，Vol. 67，No. 4.

[13]蔡慶豐，宋友勇.超常規(guī)發(fā)展的機構投資者能穩(wěn)定市場嗎？——對我國基金業(yè)跨越式發(fā)展的反思 [J].經(jīng)濟研究，2010，45（1）.

[14]Lakonishok J，Shleifer A，Vishny R W. 1994. Contrarian Investment，Extrapolation，and Risk [J].The Journal of Finance，Vol. 49，No. 5.

[15]楊曉蘭，沈翰彬，祝宇.本地偏好、投資者情緒與股票收益率：來自網(wǎng)絡論壇的經(jīng)驗證據(jù) [J].金融研究，2016，（12）.

[16]陳其安，雷小燕.貨幣政策、投資者情緒與中國股票市場波動性：理論與實證 [J].中國管理科學，2017，25（11）.

[17]陳庭強，馬百超，李心丹.投資者情緒、償債能力與CDS交易對手流動性風險傳染 [J].系統(tǒng)工程理論與實踐，2020，40（3）.

[18]Fleming J，Kirby C，Ostdiek B. 1998. Information and Volatility Linkages in the Stock，Bond，and Money Markets [J].Journal of Financial Economics，Vol. 49，No. 1.

[19]Goyenko R Y，Ukhov A D. 2009. Stock and Bond Market Liquidity：A Long-Run Empirical Analysis [J].Journal of Financial &Quantitative Analysis，Vol. 44，No. 1.

[20]方意.系統(tǒng)性風險的傳染渠道與度量研究——兼論宏觀審慎政策實施 [J].管理世界，2016，（8）.

[21]李政，梁琪，涂曉楓.我國上市金融機構關聯(lián)性研究——基于網(wǎng)絡分析法 [J].金融研究，2016，（8）.

[22]Tobias Burggraf，Ralf Fendel，Toan Luu Duc Huynh. 2020. Political News and Stock Prices：Evidence from Trumps Trade War [J].Applied Economics Letters， 27（18）.

[23]褚文臣.中美貿(mào)易摩擦對國際貿(mào)易板塊的沖擊——基于事件研究法 [J].財務與金融，2020，（2）.

[24]Hosain Sajjad，Hossain Saddam. 2019. US-China Trade War：Was It Really Necessary？ [J].International Journal of Business and Economics，4（1）.

[25]Tyers Rod，Zhou Yixiao. 2019. The US-China Trade Dispute：A Macro Perspective [R].SSRN Working Paper.

[26]Johdo W. 2019. Tariffs，the Exchange Rate，and Location [J].Economics Bulletin，39（2）.

[27]任仙玲，鄧磊.網(wǎng)絡輿情對人民幣匯率的沖擊效應——基于中美貿(mào)易摩擦事件 [J].管理科學，2019，32（6）.

[28]方意，和文佳，荊中博.中美貿(mào)易摩擦對中國金融市場的溢出效應研究 [J].財貿(mào)經(jīng)濟，2019，40（6）.

[29]陳守東，李云浩.貿(mào)易摩擦狀態(tài)下股市與債市風險溢出的結構性變化研究 [J].湖北大學學報（哲學社會科學版），2021，48（2）.

[30]Amihud Y. 2002. Illiquidity and Stock Returns： Cross-section and Time-series Effects [J].Journal of Financial Markets，5（ 1）.

[31]Acemoglu D，Ozdaglar A，Tahbaz-Salehi A. 2015. Systemic Risk and Stability in Financial Networks[J].American Economic Review.

[32]李延軍，賀佳寧.信息不對稱對股指期現(xiàn)貨市場流動性不穩(wěn)定的預警研究 [J].金融發(fā)展研究，2020，（10）.

Research on the Liquidity Risk Contagion and Controlling of China's Financial Market

——Based on the Impact of China-US Trade Friction

Li Yanjun1/Bai Yunfang1/Wang Shihui2

（1.School of Economics and Management，Hebei University of Technology，Tianjin? ?300401，China;

2.Jinneng Holding Group，Ltd.，Datong? ?037003，Shanxi，China）

Abstract：This paper calculates the liquidity risk level and risk contagion degree of China's stock market，bond market and foreign exchange market by using the GARCH model during the period of China-US trade friction from 2017 to 2020. Then，it quantitatively analyzes the spillover effect，horizontal effect and trend effect of China-US trade friction on liquidity risk contagion across financial markets based on the improved event analysis. The results show that：（1）China-US trade friction has significant impacts on the spillover effect of the liquidity risk contagion;（2）the horizontal and trend effects of liquidity risk contagion among financial markets have different response characteristics in terms of statistical significance，effect size and impact persistence;（3）the frequent occurrence of trade frictions has led to inertia in investors' expectations，resulting in the phenomenon of "liquidity risk contagion rising even before trade frictions occur". This paper not only provides a new perspective of liquidity for the study of financial market risks，but also offers reference for policy makers to prevent and control liquidity risks.

Key Words：China-US trade friction，liquidity spillover，liquidity risk contagion，event analysis