淳偉德 朱航聰 黎禾森 張鶴立

摘 要：防范系統(tǒng)性金融風(fēng)險(xiǎn)歷來(lái)是各國(guó)政府的重要任務(wù)之一。為了探究供給側(cè)結(jié)構(gòu)性改革是否有效降低了系統(tǒng)性金融風(fēng)險(xiǎn)，本文從風(fēng)險(xiǎn)傳染視角出發(fā)，以供給側(cè)結(jié)構(gòu)性改革提出時(shí)間為節(jié)點(diǎn)，分成三個(gè)時(shí)間窗口運(yùn)用ARMA EGARCH t模型和EVT POT模型對(duì)股票市場(chǎng)、外匯市場(chǎng)、債券市場(chǎng)的邊緣分布進(jìn)行建模，隨后運(yùn)用Vine Copula模型分析了金融子市場(chǎng)間相依性的變化。實(shí)證結(jié)果表明，供給側(cè)結(jié)構(gòu)性改革對(duì)于金融市場(chǎng)間的風(fēng)險(xiǎn)傳染改善程度有限，對(duì)于系統(tǒng)性金融風(fēng)險(xiǎn)的降低還不明顯。為了更好地凸顯供給側(cè)結(jié)構(gòu)性改革的成效，適應(yīng)新發(fā)展格局，我國(guó)應(yīng)繼續(xù)堅(jiān)定不移地推進(jìn)供給側(cè)結(jié)構(gòu)性改革的深化。

關(guān)鍵詞：系統(tǒng)性金融風(fēng)險(xiǎn);供給側(cè)結(jié)構(gòu)性改革;相依性;copula

中圖分類號(hào)：F830.2文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003 5192（2021）04-0038-07doi：10.11847/fj.40.4.38

Abstract：Preventing systemic financial risks has always been one of the important tasks for governments. To explore whether supply side structural reform has effectively reduced the systemic financial risk， this paper embarks from the perspective of risk contagion， takes the time when the supply side structural reform are proposed as the node， and divides into three time window using ARMA EGARCH t model and EVT POT model on the edge of the stock market， foreign exchange market， bond market distribution model， then using the Vine Copula model analyzes the dependence between financial sub markets. The empirical results show that the supply side structural reform has limited improvement in risk contagion among financial markets， and the reduction of systemic financial risks is not obvious.In order to better highlight the effect of supply side structural reform and adapt to the new development pattern， China should continue to unswervingly promote the deepening of supply side structural reform.

Key words：systemic financial risk; supply side structural reform; dependence; copula

1 引言

改革開放40多年以來(lái)，中國(guó)經(jīng)濟(jì)不斷高速增長(zhǎng)，取得了很多驚人的成就，已經(jīng)成為了名副其實(shí)的經(jīng)濟(jì)大國(guó)。然而，中國(guó)經(jīng)濟(jì)進(jìn)入新常態(tài)以來(lái)，供給端的生產(chǎn)成本優(yōu)勢(shì)在逐漸喪失，需求側(cè)出現(xiàn)缺乏高質(zhì)量投資、消費(fèi)需求低迷等問(wèn)題，這些結(jié)構(gòu)性矛盾引起了經(jīng)濟(jì)的失衡。而傳統(tǒng)對(duì)需求側(cè)的管理是針對(duì)需求總量進(jìn)行調(diào)控，不易深入至結(jié)構(gòu)，具有相當(dāng)?shù)木窒扌?。?jù)此，中央適時(shí)提出了供給側(cè)結(jié)構(gòu)性改革，以“三去一降一補(bǔ)”為著力點(diǎn)，在供給側(cè)對(duì)經(jīng)濟(jì)結(jié)構(gòu)進(jìn)行優(yōu)化。其中去杠桿旨在降低我國(guó)各個(gè)經(jīng)濟(jì)部門的杠桿率。歷史事件及文獻(xiàn)表明，金融部門的高杠桿率會(huì)放大金融系統(tǒng)遭受的風(fēng)險(xiǎn)沖擊[1]，同時(shí)，高杠桿率會(huì)使得金融系統(tǒng)間的相依關(guān)聯(lián)結(jié)構(gòu)變得更加錯(cuò)綜復(fù)雜，這表明若單個(gè)潛在的風(fēng)險(xiǎn)源爆發(fā)，會(huì)通過(guò)金融系統(tǒng)間的相依結(jié)構(gòu)進(jìn)行傳染，這種傳染性與金融系統(tǒng)間的相依關(guān)系密切相關(guān)：相依性強(qiáng)，表明風(fēng)險(xiǎn)更易由一個(gè)市場(chǎng)傳染至另外一個(gè)市場(chǎng)，引發(fā)關(guān)聯(lián)動(dòng)蕩，使金融體系穩(wěn)定性降低，甚至引起金融危機(jī)的萌芽。眾所周知，金融危機(jī)會(huì)給一個(gè)國(guó)家或地區(qū)造成相當(dāng)嚴(yán)重的破壞，不僅會(huì)對(duì)經(jīng)濟(jì)造成嚴(yán)重的打擊，甚至還會(huì)危及社會(huì)的穩(wěn)定。近百年以來(lái)，縱觀國(guó)外，無(wú)論是1929年的美股大崩盤、1997年的亞洲金融危機(jī)還是2008年的次貸危機(jī)，都將金融危機(jī)對(duì)于經(jīng)濟(jì)和社會(huì)的破壞性體現(xiàn)得淋漓盡致。

金融危機(jī)是系統(tǒng)性金融風(fēng)險(xiǎn)爆發(fā)的必然結(jié)果。因此，對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行研究，對(duì)杜絕金融危機(jī)具有重要意義。目前，國(guó)內(nèi)外對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的定義沒(méi)有一個(gè)統(tǒng)一的共識(shí)。威廉·夏普于上世紀(jì)60年代最早對(duì)微觀上的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了定義，即證券市場(chǎng)中不能通過(guò)分散投資予以減小風(fēng)險(xiǎn)。宏觀上，國(guó)際上具有代表性的定義有以下三種：一是從風(fēng)險(xiǎn)傳染的角度，即單個(gè)事件通過(guò)關(guān)聯(lián)結(jié)構(gòu)以多米諾骨牌效應(yīng)傳導(dǎo)而導(dǎo)致整體系統(tǒng)損失乃至崩盤[2，3];二是從風(fēng)險(xiǎn)危害程度及范圍的角度，即對(duì)大范圍金融機(jī)構(gòu)造成損害;三是從對(duì)實(shí)體經(jīng)濟(jì)影響的角度，即對(duì)實(shí)體經(jīng)濟(jì)造成嚴(yán)重危害。國(guó)內(nèi)學(xué)者認(rèn)為系統(tǒng)性金融風(fēng)險(xiǎn)具有傳染快和波及廣等特征[4]，能夠通過(guò)機(jī)構(gòu)間關(guān)聯(lián)網(wǎng)絡(luò)進(jìn)行擴(kuò)散[5]，是金融體系的內(nèi)在脆弱性和外部因素相互作用的結(jié)果[6]。綜上，本文認(rèn)為系統(tǒng)性金融風(fēng)險(xiǎn)是由單個(gè)事件積累的潛在風(fēng)險(xiǎn)爆發(fā)，通過(guò)金融系統(tǒng)間的復(fù)雜相依結(jié)構(gòu)進(jìn)行傳染，并引發(fā)金融市場(chǎng)劇烈動(dòng)蕩、經(jīng)濟(jì)嚴(yán)重受損，最終給國(guó)家和社會(huì)帶來(lái)嚴(yán)重的后果?；谝陨戏治?，本文將聚焦于對(duì)金融市場(chǎng)間的相依結(jié)構(gòu)進(jìn)行研究，以此探討供給側(cè)結(jié)構(gòu)性改革對(duì)于降低系統(tǒng)性金融風(fēng)險(xiǎn)的成效。

股票市場(chǎng)、外匯市場(chǎng)和債券市場(chǎng)作為金融市場(chǎng)的三個(gè)重要組成部分，其間的相依結(jié)構(gòu)和風(fēng)險(xiǎn)傳染，關(guān)乎著金融市場(chǎng)乃至整個(gè)國(guó)家金融系統(tǒng)的安全平穩(wěn)運(yùn)行，在當(dāng)前供給側(cè)結(jié)構(gòu)性改革逐步推進(jìn)所帶來(lái)的債務(wù)違約率上升等風(fēng)險(xiǎn)沖擊的背景下，提高對(duì)金融子市場(chǎng)之間的相依關(guān)系的認(rèn)識(shí)，對(duì)這三個(gè)金融子市場(chǎng)的相依關(guān)系進(jìn)行準(zhǔn)確刻畫將有助于國(guó)家提高風(fēng)險(xiǎn)管理水平，避免系統(tǒng)性金融風(fēng)險(xiǎn)的發(fā)生。

金融市場(chǎng)間的相依關(guān)系和風(fēng)險(xiǎn)傳染一直是理論界和實(shí)務(wù)界探討的熱點(diǎn)問(wèn)題。迄今為止，已有大量文獻(xiàn)取得了很多有價(jià)值的研究成果。劉慧悅[7]運(yùn)用了DDC GARCH模型分析了國(guó)際金融市場(chǎng)的動(dòng)態(tài)關(guān)聯(lián)性。劉璐和韓浩[8]運(yùn)用了一元和二元VAR BEEK GARCH模型分析了保險(xiǎn)市場(chǎng)和銀行市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)。Baur[9]運(yùn)用了Granger因果檢驗(yàn)法分析了8個(gè)發(fā)達(dá)國(guó)家股市與債市之間的因果關(guān)系。侯縣平等[10]運(yùn)用了Granger因果檢驗(yàn)法對(duì)金融危機(jī)前后債券市場(chǎng)和股票市場(chǎng)的風(fēng)險(xiǎn)傳染效應(yīng)進(jìn)行了研究，發(fā)現(xiàn)金融危機(jī)使市場(chǎng)間的風(fēng)險(xiǎn)傳染效應(yīng)顯著增強(qiáng)。張秀艷等[11]研究發(fā)現(xiàn)中國(guó)可轉(zhuǎn)債市場(chǎng)與股票市場(chǎng)存在長(zhǎng)期均衡的協(xié)整關(guān)系。然而，上述研究方法存在著不足：GARCH族模型需假設(shè)研究對(duì)象服從同分布，較現(xiàn)實(shí)情況有所偏差;Granger因果檢驗(yàn)未能對(duì)金融市場(chǎng)間的非線性關(guān)系進(jìn)行研究;協(xié)整檢驗(yàn)是對(duì)金融市場(chǎng)間長(zhǎng)期均衡關(guān)系的研究，難以處理短期關(guān)系。自張堯庭[12]在2002年將Copula引入大家的視線后，運(yùn)用非線性的Copula函數(shù)進(jìn)行研究的學(xué)者便多了起來(lái)。徐凱等[13]運(yùn)用了時(shí)變混合Copula分析了大中華區(qū)股票市場(chǎng)間的風(fēng)險(xiǎn)傳染效應(yīng)，得出了風(fēng)險(xiǎn)傳染在不同時(shí)期不同地區(qū)的關(guān)系不同的結(jié)論。淳偉徳等[14]運(yùn)用了混合Copula分析了亞洲股票市場(chǎng)間的極端風(fēng)險(xiǎn)傳染，發(fā)現(xiàn)中國(guó)股市對(duì)其他股市的極端風(fēng)險(xiǎn)傳染顯著。張艾蓮和靳雨佳[15]運(yùn)用了混合Copula模型研究了股票市場(chǎng)與外匯市場(chǎng)的風(fēng)險(xiǎn)外溢，研究結(jié)果表明股票市場(chǎng)與債券市場(chǎng)呈現(xiàn)出非對(duì)稱尾部相依結(jié)構(gòu)，且上尾相依性更為顯著。張幫正等[16]運(yùn)用Vine Copula刻畫了多市場(chǎng)的相關(guān)性，并著重分析了在一個(gè)市場(chǎng)條件下的其他市場(chǎng)尾部相關(guān)性，有利于構(gòu)建合理的投資組合。雖然現(xiàn)有研究已經(jīng)構(gòu)建起了一些研究金融市場(chǎng)相依關(guān)系及金融風(fēng)險(xiǎn)傳導(dǎo)的方法，但上述研究成果沒(méi)有以供給側(cè)結(jié)構(gòu)性改革為背景，更沒(méi)有通過(guò)對(duì)改革不同時(shí)期的對(duì)比來(lái)體現(xiàn)供給側(cè)結(jié)構(gòu)性改革的成效，從而無(wú)法回答供給側(cè)結(jié)構(gòu)性改革是否降低了系統(tǒng)性金融風(fēng)險(xiǎn)。

綜上所述，為了更好地分析供給側(cè)結(jié)構(gòu)性改革前后中國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)的變化，本文以供給側(cè)結(jié)構(gòu)性改革提出的時(shí)間為切入點(diǎn)，分成三個(gè)時(shí)間窗口對(duì)中國(guó)金融市場(chǎng)三大子市場(chǎng)，即股票市場(chǎng)、外匯市場(chǎng)和債券市場(chǎng)，運(yùn)用ARMA EGARCH t模型與EVT POT模型對(duì)其邊緣分布進(jìn)行建模，隨后運(yùn)用Vine Copula理論分析其不同時(shí)間窗口相依關(guān)系的變化，以此探究系統(tǒng)性金融風(fēng)險(xiǎn)在供給側(cè)結(jié)構(gòu)性改革前后的變化，從而在實(shí)證層面分析供給側(cè)結(jié)構(gòu)性改革的成效，并能更好地說(shuō)明供給側(cè)結(jié)構(gòu)性改革在防范系統(tǒng)性金融風(fēng)險(xiǎn)上的作用。

2 模型設(shè)定

2.1 邊緣分布構(gòu)建

金融市場(chǎng)常常表現(xiàn)出尖峰、有偏、自相關(guān)性、波動(dòng)聚集等典型事實(shí)，因此在對(duì)邊緣分布進(jìn)行建模時(shí)要能將這些典型事實(shí)進(jìn)行刻畫。本文首先采用了ARMA EGARCH t模型對(duì)各個(gè)市場(chǎng)的對(duì)數(shù)收益率進(jìn)行建模，該模型能夠很好地對(duì)變量的自回歸、異方差性和杠桿效應(yīng)進(jìn)行刻畫

為了更細(xì)致地分析改革進(jìn)程中各金融市場(chǎng)的相依關(guān)系變化，本文將 樣本細(xì)分為三種時(shí)間窗口進(jìn)行研究：時(shí)間窗口一為[t-1，t+1]、時(shí)間窗口二為[t-2，t+2]、時(shí)間窗口三為[t-3，t+3]。其中供給側(cè)結(jié)構(gòu)性改革提出時(shí)間表示為t，括號(hào)中數(shù)字單位為年。

描述性統(tǒng)計(jì)結(jié)果表明，在三個(gè)市場(chǎng)中，股票市場(chǎng)收益率序列具有最大的標(biāo)準(zhǔn)差，表明其波動(dòng)性較大，漲跌較為劇烈，而債券市場(chǎng)標(biāo)準(zhǔn)差較小，表明其運(yùn)行較為平穩(wěn)。同時(shí)，J B統(tǒng)計(jì)量表明，各市場(chǎng)各時(shí)期收益率在1%的顯著性水平上不服從正態(tài)分布;同時(shí)峰度均顯著大于3，即呈現(xiàn)出尖峰厚尾特征。

3.2 邊緣分布構(gòu)建

本文首先采用了ARMA EGARCH t對(duì)邊緣分布進(jìn)行過(guò)濾，參數(shù)估計(jì)結(jié)果如表1所示，其中條件均值方程依據(jù)AIC準(zhǔn)則選取階數(shù)。

若要運(yùn)用EVT方法，則要求序列近似滿足i.i.d.的條件，需對(duì)標(biāo)準(zhǔn)化殘差序列進(jìn)行BDS檢驗(yàn)來(lái)判斷其是否獨(dú)立同分布，因此本文對(duì)于標(biāo)準(zhǔn)化殘差序列進(jìn)行了BDS檢驗(yàn)，檢驗(yàn)結(jié)果表明，在1%的顯著性水平下，我們上文得到的標(biāo)準(zhǔn)化殘差序列不能拒絕i.i.d.的假設(shè)，因此可以使用EVT POT模型對(duì)標(biāo)準(zhǔn)化殘差序列建模。

使用極值理論需要確定一個(gè)尾部閾值μ，而如何確定該值還沒(méi)有一個(gè)統(tǒng)一的定論。若閾值μ過(guò)大，則超過(guò)該閾值的數(shù)據(jù)樣本就越少，使得估計(jì)精度較低，還可能會(huì)使得參數(shù)估計(jì)的方差變大;若閾值μ過(guò)小，雖然因此獲得的數(shù)據(jù)樣本較多，但會(huì)增強(qiáng)數(shù)據(jù)樣本的中心分布特征，使參數(shù)估計(jì)值偏離。目前對(duì)于選取閾值μ的方法有圖解法，即根據(jù)樣本的超限期望函數(shù)圖或Hill圖來(lái)確定;除此之外還有計(jì)算法，如峰度法、厚尾分布與正態(tài)分布相交法等。DuMouchel[21]選取了10%的樣本量作為極值，從而確定閾值進(jìn)行研究，取得了較好的效果。因此，本文選取各市場(chǎng)數(shù)據(jù)的10%作為極值進(jìn)行擬合，對(duì)于上下尾部之間的部分則采用核平滑方法進(jìn)行處理，結(jié)果如表2所示。

在對(duì)各市場(chǎng)尾部數(shù)據(jù)進(jìn)行擬合后，需要對(duì)擬合后的數(shù)據(jù)進(jìn)行K S（Kolmogorov Smirnov）檢驗(yàn)來(lái)判斷數(shù)據(jù)是否符合（0，1）上的均勻分布，以此符合Copula函數(shù)的建立條件。檢驗(yàn)結(jié)果表明，各時(shí)期各市場(chǎng)的序列都符合在（0，1）上的均勻分布。

3.3 Vine Copula模型分析

為了便于敘述，選用編號(hào)1來(lái)代表股票市場(chǎng)，編號(hào)2來(lái)代表外匯市場(chǎng)，編號(hào)3來(lái)代表債券市場(chǎng)。根據(jù)前節(jié)相應(yīng)模型過(guò)濾得到的各市場(chǎng)的邊緣分布，基于AIC準(zhǔn)則選取最適合的兩元Copula函數(shù)并結(jié)合Vine Copula模型獲得了兩兩市場(chǎng)的非條件相依性和在一個(gè)市場(chǎng)條件下兩個(gè)市場(chǎng)的條件相依性。結(jié)果如表3所示，相依系數(shù)為kendall秩相依系數(shù)，其中N、T和F分別是對(duì)稱的Normal copula、Studentt copula和Frank copula，C代表對(duì)下尾敏感的Clayton copula，G和J分別是對(duì)上尾敏感的Gumbel copula和Joe copula，SC代表Clayton copula旋轉(zhuǎn)了180度，SJ代表Joe copula旋轉(zhuǎn)了180度，RC 90和RC 270代表Clayton copula分別旋轉(zhuǎn)了90度和270度，RJ 90和RJ 270代表Joe copula分別旋轉(zhuǎn)了90度和270度，RBB7 270代表BB7 copula旋轉(zhuǎn)了270度，RBB8 90代表BB7 copula旋轉(zhuǎn)了90度。

由于系統(tǒng)性金融風(fēng)險(xiǎn)具有強(qiáng)傳染性和強(qiáng)關(guān)聯(lián)性等特征，同時(shí)結(jié)合本文對(duì)其定義，若在供給側(cè)結(jié)構(gòu)性改革前后，各市場(chǎng)間的相依系數(shù)減小，代表一個(gè)市場(chǎng)出現(xiàn)風(fēng)險(xiǎn)而傳染至另一個(gè)市場(chǎng)的可能性下降，表明系統(tǒng)性金融風(fēng)險(xiǎn)發(fā)生的可能性也下降，由此可以說(shuō)明供給側(cè)結(jié)構(gòu)性改革對(duì)于降低系統(tǒng)性金融風(fēng)險(xiǎn)取得了較好成效。

結(jié)合表3中的相依系數(shù)的變化，可以發(fā)現(xiàn)：股市與匯市之間除開在時(shí)間窗口一的后期其相依性為正，其余時(shí)期均為負(fù)相依關(guān)系。這表明僅在15～16時(shí)期，股市上漲與人民幣貶值是同向變化。股市與債市之間的非條件相依性在時(shí)間窗口一由正變?yōu)樨?fù)，結(jié)合條件相依性進(jìn)行分析，發(fā)現(xiàn)在時(shí)間窗口一的前期股市與債市的條件相依性不同于非條件相依性，表明在以匯市為條件市場(chǎng)的情況下，股市與債市呈現(xiàn)反向運(yùn)行。在時(shí)間窗口二，股市與債市的非條件相依性和條件相依性均處于同一形態(tài)，但相依系數(shù)的數(shù)值在不斷提升，表明股市與債市間的相依性在不斷提升。在時(shí)間窗口三股市與債市的相依性則在降低。

通過(guò)對(duì)相依性的分析，可以探究到在不同時(shí)期內(nèi)金融市場(chǎng)運(yùn)行存在的問(wèn)題，進(jìn)而對(duì)供給側(cè)結(jié)構(gòu)性改革的成效進(jìn)行分析。2016年是“十三五”規(guī)劃的開端之年，也是供給側(cè)結(jié)構(gòu)性改革提出后的首年，在新常態(tài)的背景下，經(jīng)濟(jì)增長(zhǎng)面臨著種種困難和挑戰(zhàn)。對(duì)于在時(shí)間窗口一的后期，股市與匯市的相依性出現(xiàn)的特殊情況，即相依性變化為正，表明出現(xiàn)股市上漲而人民幣反而貶值的情況。通過(guò)查詢我國(guó)貨物出口總額發(fā)現(xiàn)，2016年出口量較去年減少了兩千多億元人民幣，然而2016年人民幣卻處于貶值趨勢(shì)，理論上這會(huì)使我國(guó)出口量增加。究其原因，本文認(rèn)為這是由于“去產(chǎn)能”還處于布局階段，會(huì)給企業(yè)帶來(lái)較大不確定因素，因此造成了短暫的出口減少，2017年和2018年出口量的攀升則表明貿(mào)易活動(dòng)得到了較大改善。后續(xù)時(shí)窗期間股市與匯市的相依性在不斷降低，兩個(gè)子市場(chǎng)間的聯(lián)動(dòng)性有所下降，表明系統(tǒng)性金融風(fēng)險(xiǎn)也在不斷減小。然而，股市與債市相依性的上升且出現(xiàn)正負(fù)相依性反復(fù)波動(dòng)的情況，這表明此子市場(chǎng)間的風(fēng)險(xiǎn)傳染在增強(qiáng)，加劇了系統(tǒng)性金融風(fēng)險(xiǎn)在此間傳導(dǎo)的可能性。究其原因，本文認(rèn)為這是因?yàn)殡S著供給側(cè)結(jié)構(gòu)性改革的不斷推進(jìn)，去杠桿的過(guò)程不可避免地會(huì)帶來(lái)債務(wù)違約率上升、“僵尸企業(yè)”涌現(xiàn)等風(fēng)險(xiǎn)沖擊，從而給股市與債市的運(yùn)行帶來(lái)了很大程度的不確定性。債市與匯市間的相依程度在不同時(shí)窗的變化較為輕微，表明在當(dāng)前供給側(cè)結(jié)構(gòu)性改革對(duì)于降低債市與匯市間的風(fēng)險(xiǎn)傳染還不明顯。

4 結(jié)論與啟示

本文以中國(guó)股票市場(chǎng)、外匯市場(chǎng)和債券市場(chǎng)為研究對(duì)象，通過(guò)構(gòu)建ARMA EGARCH t和EVT POT模型對(duì)各市場(chǎng)邊緣分布進(jìn)行建模，將得到的序列經(jīng)概率積分轉(zhuǎn)換后運(yùn)用Vine Copula模型分析了供給側(cè)結(jié)構(gòu)性改革前后不同時(shí)間窗口中國(guó)金融子市場(chǎng)之間的相依性變化。研究結(jié)果表明，供給側(cè)結(jié)構(gòu)性改革在當(dāng)前對(duì)于金融子市場(chǎng)間的風(fēng)險(xiǎn)傳染程度改善不一，降低了股市與匯市的風(fēng)險(xiǎn)傳染，而對(duì)于股市與債市、債市與匯市的風(fēng)險(xiǎn)傳染降低較不明顯，表明系統(tǒng)性金融風(fēng)險(xiǎn)未能同時(shí)在這三個(gè)金融子市場(chǎng)間得到顯著改善。

供給側(cè)結(jié)構(gòu)性改革是為了保障我國(guó)經(jīng)濟(jì)長(zhǎng)期健康運(yùn)行而制定的國(guó)策，從長(zhǎng)遠(yuǎn)來(lái)看將有助于提升我國(guó)經(jīng)濟(jì)系統(tǒng)的穩(wěn)健性，也有助于我國(guó)經(jīng)濟(jì)高質(zhì)量發(fā)展。但就短期而言，供給側(cè)結(jié)構(gòu)性改革的不斷推行會(huì)使得經(jīng)濟(jì)金融中隱含的風(fēng)險(xiǎn)顯現(xiàn)，帶來(lái)一定的危害和不確定性。本文的研究也發(fā)現(xiàn)在當(dāng)前供給側(cè)結(jié)構(gòu)性改革的進(jìn)程中，我國(guó)金融子市場(chǎng)之間的風(fēng)險(xiǎn)傳染沒(méi)有整體顯著下降，表明金融風(fēng)險(xiǎn)通過(guò)其間的相依結(jié)構(gòu)進(jìn)行傳染而造成系統(tǒng)性金融風(fēng)險(xiǎn)爆發(fā)的不確定性仍值得密切關(guān)注。

守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線，是國(guó)之大事，也是供給側(cè)結(jié)構(gòu)性改革的重要一環(huán)。在當(dāng)前供給側(cè)結(jié)構(gòu)性改革對(duì)于降低系統(tǒng)性金融風(fēng)險(xiǎn)成果有限的局面下，為了更好地凸顯供給側(cè)結(jié)構(gòu)性改革的成效，我國(guó)應(yīng)堅(jiān)定不移地推動(dòng)改革的進(jìn)一步深化，以“三去一降一補(bǔ)”為著力點(diǎn)，對(duì)經(jīng)濟(jì)結(jié)構(gòu)中失衡的地方進(jìn)行有效調(diào)整。與此同時(shí)在金融市場(chǎng)中要逐步消除股市中存在的不合理高杠桿行為，逐漸剔除泡沫，避免股市出現(xiàn)暴漲暴跌現(xiàn)象而帶來(lái)劇烈風(fēng)險(xiǎn);要對(duì)債市中債券的運(yùn)行進(jìn)行監(jiān)控，避免其受到改革的短期影響而出現(xiàn)違約情況，從而確保債市的平穩(wěn)運(yùn)行;也要保持我國(guó)人民幣匯率相對(duì)穩(wěn)定，避免資本過(guò)度流動(dòng)而帶來(lái)的風(fēng)險(xiǎn)。將金融風(fēng)險(xiǎn)在相依結(jié)構(gòu)中傳染前將其有效防范，會(huì)更加有利于供給側(cè)結(jié)構(gòu)性改革對(duì)我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)的化解。此外，推進(jìn)改革深化也有助于有效疏通國(guó)內(nèi)經(jīng)濟(jì)大循環(huán)的堵塞點(diǎn)，為構(gòu)建新發(fā)展格局提供有力支撐，從而逐步提升經(jīng)濟(jì)發(fā)展質(zhì)量并改善金融市場(chǎng)運(yùn)行，讓系統(tǒng)性金融風(fēng)險(xiǎn)沒(méi)有誕生的土壤。系統(tǒng)性金融風(fēng)險(xiǎn)得到有效消除是我國(guó)金融市場(chǎng)平穩(wěn)運(yùn)行的保障，只有金融穩(wěn)，才能讓金融更好地服務(wù)于實(shí)體經(jīng)濟(jì)，從而改善我國(guó)經(jīng)濟(jì)結(jié)構(gòu)，使經(jīng)濟(jì)得以高質(zhì)量增長(zhǎng)。

參 考 文 獻(xiàn)：

[1]Caballero R J， Krishnamurthy A. Global imbalances and financial fragility[J]. American Economic Review， 2009， 99（2）： 584 588.

[2]Kaufman G G. Bank failures， systemic risk， and bank regulation[J]. Cato Journal， 1996， 16（1）： 17 -45.

[3]Hart O， Zingales L， How to avoid a new financial crisis[R]. Working Paper， University of Chicago， 2009.

[4]張曉樸.系統(tǒng)性金融風(fēng)險(xiǎn)研究：演進(jìn)、成因與監(jiān)管[J].國(guó)際金融研究，2010，（7）：58 -67.

[5]王朝陽(yáng)，王文匯.中國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)表現(xiàn)與防范：一個(gè)文獻(xiàn)綜述的視角[J].金融評(píng)論，2018，10（5）：100 113，125 126.

[6]陶玲，朱迎.系統(tǒng)性金融風(fēng)險(xiǎn)的監(jiān)測(cè)和度量——基于中國(guó)金融體系的研究[J].金融研究，2016，（6）：18 36.

[7]劉慧悅.基于DCC GARCH模型的新興市場(chǎng)金融傳染效應(yīng)檢驗(yàn)[J].統(tǒng)計(jì)與決策，2016，（12）：151 155.

[8]劉璐，韓浩.我國(guó)保險(xiǎn)市場(chǎng)與銀行市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)研究——基于上市銀行和保險(xiǎn)公司的實(shí)證分析[J].保險(xiǎn)研究，2016，（12）：3 14.

[9]Baur D G. Stock bond co movements and cross country linkages[J]. International Journal of Banking， Accounting and Finance， 2010， 2（2）： 111 129.

[10]侯縣平，黃登仕，徐凱，等.金融危機(jī)對(duì)中國(guó)證券市場(chǎng)傳染效應(yīng)的影響[J].系統(tǒng)工程學(xué)報(bào)，2015，30（3）：331 343.

[11]張秀艷，張敏，閔丹.我國(guó)可轉(zhuǎn)換債券市場(chǎng)與股票市場(chǎng)動(dòng)態(tài)傳導(dǎo)關(guān)系實(shí)證研究[J].當(dāng)代經(jīng)濟(jì)研究，2009，（8）：52 55.

[12]張堯庭.連接函數(shù)（copula）技術(shù)與金融風(fēng)險(xiǎn)分析[J].統(tǒng)計(jì)研究，2002，（4）：48 51.

[13]徐凱，潘攀，曹雅晴.基于時(shí)變混合Copula的金融市場(chǎng)傳染效應(yīng)研究[J].軟科學(xué)，2015，29（8）：135 139.

[14]淳偉德，付君實(shí)，趙如波.基于混合Copula函數(shù)的金融市場(chǎng)非線性極端風(fēng)險(xiǎn)傳染研究[J].預(yù)測(cè)，2015，34（4）：53 58.

[15]張艾蓮，靳雨佳.股票市場(chǎng)和外匯市場(chǎng)極端風(fēng)險(xiǎn)的非對(duì)稱外溢[J].西安交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2020，40（5）：30 36.

[16]張幫正，魏宇，余江，等.基于EVT Vine copula的多市場(chǎng)相關(guān)性及投資組合選擇研究[J].管理科學(xué)，2014，27（3）：133 144.

[17]Balkema A A， De Haan L. Residual life time at great age[J]. Annals of Probability， 1974， 2（5）： 792 -804.

[18]Pickands III J. Statistical inference using extreme order statistics[J]. The Annals of Statistics， 1975， 3（1）： 119 131.

[19]Sklar M. Fonctions de repartition an dimensions et leurs marges[J]. Publ Inst Statist Univ Paris， 1959， 8： 229 231.

[20]Joe H. Families of m variate distributions with given margins and m（m 1）/2 bivariate dependence parameters[J]. Lecture Notes Monograph Series， 1996， 28： 120 141.

[21]DuMouchel W H. Estimating the stable index α in order to measure tail thickness： a critique[J]. The Annals of Statistics， 1983， 11（4）： 1019 1031.