林茵

【摘要】基于城市群各城市間的經(jīng)濟(jì)、金融與交通聯(lián)系，文章構(gòu)建了相應(yīng)的經(jīng)濟(jì)、金融和交通空間網(wǎng)絡(luò)結(jié)構(gòu)模型，運(yùn)用空間計(jì)量方法，采用粵港澳大灣區(qū)11個(gè)城市2000—2017年經(jīng)濟(jì)金融數(shù)據(jù)，構(gòu)建了基于三種不同空間網(wǎng)絡(luò)的空間權(quán)重矩陣，在此基礎(chǔ)上重點(diǎn)研究了粵港澳大灣區(qū)城市群內(nèi)部金融風(fēng)險(xiǎn)的傳染效應(yīng)。最終發(fā)現(xiàn)粵港澳大灣區(qū)的經(jīng)濟(jì)、金融和交通聯(lián)系日趨緊密，在三種不同的空間網(wǎng)絡(luò)下大灣區(qū)各城市金融風(fēng)險(xiǎn)都具有顯著的正向空間自相關(guān)性，說(shuō)明城市間的金融風(fēng)險(xiǎn)存在傳染性。其中，在經(jīng)濟(jì)網(wǎng)絡(luò)和交通網(wǎng)絡(luò)下金融風(fēng)險(xiǎn)的空間自相關(guān)性更為顯著，意味著金融風(fēng)險(xiǎn)通過(guò)經(jīng)濟(jì)渠道和交通渠道的傳染性更強(qiáng)。

【關(guān)鍵詞】粵港澳大灣區(qū)；金融風(fēng)險(xiǎn)；空間網(wǎng)絡(luò)； 空間計(jì)量

【中圖分類號(hào)】F83

一、引言

建設(shè)粵港澳大灣區(qū)是國(guó)家戰(zhàn)略，根據(jù)其發(fā)展規(guī)劃，大灣區(qū)金融業(yè)將迎來(lái)更大的開放和發(fā)展，與此同時(shí)為金融業(yè)的健康發(fā)展提供與之相適應(yīng)的金融風(fēng)險(xiǎn)防控是當(dāng)前亟待解決的重大問(wèn)題。在此背景下，以考慮粵港澳大灣區(qū)各城市之間形成的關(guān)聯(lián)網(wǎng)絡(luò)為視角研究城市群內(nèi)各城市之間金融風(fēng)險(xiǎn)交叉?zhèn)魅厩闆r，對(duì)大灣區(qū)內(nèi)金融風(fēng)險(xiǎn)防控具有重要意義。

梳理已有國(guó)內(nèi)文獻(xiàn)發(fā)現(xiàn)，大多數(shù)相關(guān)文獻(xiàn)只關(guān)注到空間網(wǎng)絡(luò)與經(jīng)濟(jì)增長(zhǎng)的關(guān)系，只有少量學(xué)者關(guān)注空間網(wǎng)絡(luò)與金融風(fēng)險(xiǎn)傳染的關(guān)系。在現(xiàn)有的空間網(wǎng)絡(luò)與金融風(fēng)險(xiǎn)傳染的關(guān)系研究中，大部分學(xué)者發(fā)現(xiàn)地理接近、貿(mào)易聯(lián)系和金融市場(chǎng)關(guān)聯(lián)可能是金融危機(jī)風(fēng)險(xiǎn)溢出渠道，但實(shí)證研究多停留在國(guó)家間或省間層面。在國(guó)家間研究方面，Kelejian等（2006）通過(guò)構(gòu)建傳統(tǒng)地理距離矩陣和貿(mào)易聯(lián)系矩陣研究新興經(jīng)濟(jì)體之間的金融危機(jī)風(fēng)險(xiǎn)傳染[1]。程棵等（2012）也研究了次貸危機(jī)中地理位置、區(qū)域性經(jīng)濟(jì)組織、國(guó)際貿(mào)易和金融資本流動(dòng)等金融傳染渠道，發(fā)現(xiàn)金融渠道是主要的金融危機(jī)風(fēng)險(xiǎn)溢出渠道[2]。Dell等（2013）利用空間計(jì)量方法研究24個(gè)新興經(jīng)濟(jì)體的主權(quán)債券市場(chǎng)的空間溢出效應(yīng)，發(fā)現(xiàn)除了地理上的接近，空間傳播的渠道還包括貿(mào)易和金融聯(lián)系[3]。李立（2016）用相鄰地理位置二元矩陣、區(qū)域經(jīng)濟(jì)組織關(guān)系二元矩陣與構(gòu)造的兩種不同的引力矩陣來(lái)檢驗(yàn)金融危機(jī)風(fēng)險(xiǎn)的廣義多維經(jīng)濟(jì)空間效應(yīng)，發(fā)現(xiàn)36個(gè)樣本經(jīng)濟(jì)體之間存在金融風(fēng)險(xiǎn)空間溢出效應(yīng)[4]。在省間研究方面，鞠方等（2018）利用我國(guó)30個(gè)省市的數(shù)據(jù)實(shí)證發(fā)現(xiàn)地理臨近和經(jīng)濟(jì)水平相近地區(qū)的房地產(chǎn)金融風(fēng)險(xiǎn)會(huì)產(chǎn)生空間溢出[5]。本文將側(cè)重研究城市間的金融風(fēng)險(xiǎn)傳染，利用粵港澳大灣區(qū)11個(gè)城市的數(shù)據(jù)，探究不同空間網(wǎng)絡(luò)與金融風(fēng)險(xiǎn)的關(guān)系。

二、城市群空間網(wǎng)絡(luò)的構(gòu)建

（一）網(wǎng)絡(luò)結(jié)構(gòu)模型的構(gòu)建

1.經(jīng)濟(jì)互聯(lián)引力模型

19世紀(jì)中葉，吉夫（G.K.Zipf，1946）首次將引力模型應(yīng)用在城市之間相互作用的空間分析中。本文借鑒王欣和吳殿廷等（2006）[6]修正的引力模型，具體公式如下：

其中，Tab代表交通聯(lián)系強(qiáng)度，tab代表兩個(gè)城市之間乘坐直達(dá)列車到達(dá)的最短時(shí)間。

（二）樣本選擇與數(shù)據(jù)來(lái)源

本文選擇粵港澳大灣區(qū)城市群的11個(gè)城市為研究對(duì)象，選取2000—2017年作為研究時(shí)間段。數(shù)據(jù)獲取主要來(lái)源于Wind、香港金融管理局官方網(wǎng)站、香港政府統(tǒng)計(jì)處官方網(wǎng)站、澳門統(tǒng)計(jì)暨普查局官方網(wǎng)站、12306官網(wǎng)和高德地圖。

三、金融風(fēng)險(xiǎn)傳染的實(shí)證分析

（一）區(qū)域金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系構(gòu)建

在進(jìn)行風(fēng)險(xiǎn)傳染的實(shí)證分析之前，我們需要量化測(cè)度各城市節(jié)點(diǎn)的區(qū)域金融風(fēng)險(xiǎn)水平，故首先構(gòu)建區(qū)域金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。參考湯潔等（2014）對(duì)兩岸金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)的研究[8]，一方面，考慮到香港、澳門和廣東九市經(jīng)濟(jì)發(fā)展水平均比較高，且香港和澳門作為獨(dú)立的關(guān)稅區(qū)和中國(guó)內(nèi)地同屬世界貿(mào)易組織的成員，面臨的金融風(fēng)險(xiǎn)來(lái)源基本相同，故可以共用一套相同的指標(biāo)評(píng)價(jià)體系。另一方面，由于香港、澳門經(jīng)濟(jì)模式和廣東九市具有差異性，故指標(biāo)臨界值和指標(biāo)權(quán)重要反映相同指標(biāo)對(duì)金融風(fēng)險(xiǎn)影響的差異性。

1.指標(biāo)體系設(shè)定

借鑒吳詩(shī)偉（2015）[9]設(shè)定的各省金融風(fēng)險(xiǎn)指標(biāo)評(píng)價(jià)體系，本文基于科學(xué)性、靈敏性、全面性、可獲得性的原則選取宏觀經(jīng)濟(jì)和微觀金融兩個(gè)大方面和7個(gè)具體的細(xì)化指標(biāo)來(lái)構(gòu)建區(qū)域金融風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，具體如表1所示。

GDP增長(zhǎng)率、財(cái)政收入占GDP的比重和出口額增長(zhǎng)率三個(gè)宏觀經(jīng)濟(jì)指標(biāo)均參考香港、澳門和廣東九市過(guò)去18年相應(yīng)指標(biāo)的平均值設(shè)定金融風(fēng)險(xiǎn)閾值，而通貨膨脹率則根據(jù)經(jīng)驗(yàn)值設(shè)定無(wú)風(fēng)險(xiǎn)區(qū)間。存貸比指標(biāo)和保費(fèi)收入增速指標(biāo)分別參考法律規(guī)定和過(guò)去18年指標(biāo)的平均值和標(biāo)準(zhǔn)差設(shè)定無(wú)風(fēng)險(xiǎn)區(qū)間。

2.數(shù)據(jù)來(lái)源及預(yù)處理

數(shù)據(jù)來(lái)源于各年《廣東統(tǒng)計(jì)年鑒》、EPS數(shù)據(jù)庫(kù)、中國(guó)經(jīng)濟(jì)社會(huì)大數(shù)據(jù)研究平臺(tái)、香港政府統(tǒng)計(jì)處官方網(wǎng)站、澳門統(tǒng)計(jì)暨普查局官方網(wǎng)站和Wind。

在通常意義的指標(biāo)中，一共有三類指標(biāo)。第一種，正向性指標(biāo)，指標(biāo)值越大代表區(qū)域金融風(fēng)險(xiǎn)水平越高。第二種，負(fù)向性指標(biāo)，指標(biāo)值越大代表區(qū)域金融風(fēng)險(xiǎn)水平越低。最后一種，中間性指標(biāo)，這類指標(biāo)的值處在一定區(qū)間內(nèi)代表處在風(fēng)險(xiǎn)可控狀態(tài)，偏離這個(gè)區(qū)間越多代表區(qū)域金融風(fēng)險(xiǎn)水平越高。故在計(jì)算區(qū)域金融風(fēng)險(xiǎn)指數(shù)之前，首先將數(shù)據(jù)進(jìn)行正向化和標(biāo)準(zhǔn)化處理。

（1）正向化處理

對(duì)于GDP增長(zhǎng)率、財(cái)政收入占GDP比重、出口額增長(zhǎng)率這三個(gè)指標(biāo)，由于含有閾值設(shè)定，當(dāng)指標(biāo)值大于所設(shè)閾值Kj時(shí)，將該指標(biāo)設(shè)定為0；當(dāng)指標(biāo)值小于等于所設(shè)閾值時(shí)，用公式Xij= K-Xij進(jìn)行處理，此時(shí)處理后的數(shù)值Xij越大表示風(fēng)險(xiǎn)越高。而關(guān)于通貨膨脹率、存貸比和保費(fèi)收入增速這三個(gè)指標(biāo)，當(dāng)指標(biāo)值位于設(shè)定的無(wú)風(fēng)險(xiǎn)區(qū)間時(shí)[M1，M2]，將該指標(biāo)賦值為0；當(dāng)指標(biāo)值大于M2時(shí)，用公式Xij= Xij-M2進(jìn)行處理；當(dāng)指標(biāo)值小于M2時(shí)，用公式Xij= M2-Xij進(jìn)行處理，此時(shí)Xij數(shù)值越大代表風(fēng)險(xiǎn)越高。最后關(guān)于儲(chǔ)蓄存款增長(zhǎng)率這個(gè)指標(biāo)，其為負(fù)向性指標(biāo)，由于存在負(fù)數(shù)，故首先使用公式Xij=1+Xij使其全部轉(zhuǎn)化為正數(shù)，然后用公式Xij=1/Xij進(jìn)行處理，將其轉(zhuǎn)化為正向性指標(biāo)。

（2）標(biāo)準(zhǔn)化處理

其中，Xij是正向化處理后的第i個(gè)指標(biāo)在第j年度的取值。

3.各指標(biāo)權(quán)重的計(jì)算及金融風(fēng)險(xiǎn)指數(shù)結(jié)果

本文在對(duì)各個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理后，運(yùn)用熵值法計(jì)算權(quán)重，指標(biāo)結(jié)果如表2所示。

然后利用計(jì)算所得的權(quán)重和對(duì)指標(biāo)加權(quán)求和的公式計(jì)算各個(gè)城市金融風(fēng)險(xiǎn)指數(shù)，具體公式如下：

基于收集的數(shù)據(jù)，我們計(jì)算了粵港澳大灣區(qū)11個(gè)城市2013—2017年的金融風(fēng)險(xiǎn)指數(shù)，結(jié)果如圖1。同時(shí)還展示了大灣區(qū)城市歷年金融風(fēng)險(xiǎn)平均水平，結(jié)果如圖2。

根據(jù)結(jié)果，可以發(fā)現(xiàn)每一年的粵港澳大灣區(qū)城市群里風(fēng)險(xiǎn)水平最高的城市處在持續(xù)的變化中。也就是說(shuō)，金融監(jiān)管機(jī)構(gòu)需要密切注意每一個(gè)城市，因?yàn)槿魏我粋€(gè)城市都有可能成為金融風(fēng)險(xiǎn)的溢出區(qū)域。而大灣區(qū)內(nèi)金融風(fēng)險(xiǎn)的平均水平在2000—2017年間呈現(xiàn)在波動(dòng)中先上升后下降的趨勢(shì)，特別注意到在2007年金融風(fēng)險(xiǎn)平均水平開始急速上升，直至2009年達(dá)到18年來(lái)最高點(diǎn)，這與2007—2009年發(fā)生的世界金融危機(jī)事件吻合。

（二）空間計(jì)量回歸分析方法

首先我們需要考察研究對(duì)象的實(shí)際數(shù)據(jù)是不是有空間依賴性才能決定是不是需要使用空間計(jì)量方法，然后再選擇適合的空間計(jì)量模型?？臻g自相關(guān)的測(cè)度可以衡量城市之間的金融風(fēng)險(xiǎn)是否存在傳染性，如若某城市金融風(fēng)險(xiǎn)水平顯著地與其“相鄰”城市的金融風(fēng)險(xiǎn)水平相關(guān)聯(lián)，那就說(shuō)明城市之間的金融風(fēng)險(xiǎn)存在傳染性。目前最為流行的度量方法即為“莫蘭指數(shù)I”（Morans I）（Moran，1950），故本文也選取這個(gè)方法。

1.空間自相關(guān)指數(shù)（Morans I）

全局莫蘭指數(shù)考察的是整個(gè)空間的空間集聚情況，莫蘭指數(shù)的取值一般位于[-1，1]之間，若取值為正數(shù)，則表示正自相關(guān)；若取值為負(fù)數(shù)，則代表負(fù)自相關(guān)；若取值接近0，則說(shuō)明空間分布隨機(jī)不存在空間自相關(guān)。

（三）變量選取與數(shù)據(jù)說(shuō)明

1.變量選取

被解釋變量是金融風(fēng)險(xiǎn)，通過(guò)上文設(shè)定的指標(biāo)評(píng)價(jià)體系計(jì)算而來(lái)。解釋變量是金融集聚水平，用各年對(duì)應(yīng)城市存貸款總額與粵港澳大灣區(qū)11個(gè)城市的總存貸的比重來(lái)表示。另外，使用區(qū)域政府力量和區(qū)域開放程度作為控制變量，區(qū)域政府力量用區(qū)域政府財(cái)政支出額占區(qū)域GDP的比重來(lái)計(jì)算，衡量政府對(duì)地方經(jīng)濟(jì)金融的干預(yù)程度，而使用對(duì)外依存度為區(qū)域開放程度的代理指標(biāo)，即區(qū)域進(jìn)出口總額與GDP的比重。

2.數(shù)據(jù)說(shuō)明

數(shù)據(jù)來(lái)源于EPS數(shù)據(jù)庫(kù)，并將單位為港元、澳門元和美元的指標(biāo)按照2019年3月16日的匯率數(shù)據(jù)進(jìn)行轉(zhuǎn)換。

（四）實(shí)證結(jié)果分析

1.金融風(fēng)險(xiǎn)空間自相關(guān)的檢驗(yàn)

從表3結(jié)果可以看出，三種空間權(quán)重矩陣下金融風(fēng)險(xiǎn)均呈現(xiàn)顯著的正向空間自相關(guān)，這不僅說(shuō)明需要使用空間計(jì)量模型來(lái)研究粵港澳大灣區(qū)城市群的金融風(fēng)險(xiǎn)，還說(shuō)明各城市之間的金融風(fēng)險(xiǎn)在三種渠道都具有傳染性。此外，對(duì)比三種空間權(quán)重矩陣的MoransI 指數(shù)值，可以發(fā)現(xiàn)在交通聯(lián)系矩陣和經(jīng)濟(jì)聯(lián)系矩陣中MoransI 指數(shù)值要更大，P值更小，更加顯著，說(shuō)明金融風(fēng)險(xiǎn)通過(guò)經(jīng)濟(jì)渠道和交通渠道的傳染性更強(qiáng)。

2.空間杜賓模型回歸結(jié)果

基于上文描述的空間杜賓模型，我們實(shí)證分析了在三種不同的空間權(quán)重矩陣下粵港澳大灣區(qū)區(qū)域金融風(fēng)險(xiǎn)的空間溢出效應(yīng)，還實(shí)證分析了金融集聚、政府力量、對(duì)外開放程度對(duì)金融風(fēng)險(xiǎn)的影響，結(jié)果如表4所示。

從回歸結(jié)果來(lái)看，三種不同的空間權(quán)重矩陣下WRisk的系數(shù)都顯著為正，表明區(qū)域金融風(fēng)險(xiǎn)之間有高度的正相關(guān)性，說(shuō)明區(qū)域金融風(fēng)險(xiǎn)存在空間溢出效應(yīng)，某個(gè)城市的金融風(fēng)險(xiǎn)的爆發(fā)會(huì)波及其他區(qū)域。這種現(xiàn)象產(chǎn)生的原因可能是因?yàn)榛浉郯拇鬄硡^(qū)城市群金融一體化發(fā)展加速，整個(gè)大灣區(qū)的金融產(chǎn)業(yè)連為一體。

變量LnFA的回歸系數(shù)在經(jīng)濟(jì)聯(lián)系網(wǎng)絡(luò)和金融聯(lián)系網(wǎng)絡(luò)模型下顯著為正，表明區(qū)域金融集聚水平的上升會(huì)導(dǎo)致區(qū)域金融風(fēng)險(xiǎn)增加。這可能包含兩個(gè)方面的原因：一方面，金融集聚水平越高，區(qū)域內(nèi)金融機(jī)構(gòu)業(yè)務(wù)聯(lián)系就越多，基于資產(chǎn)負(fù)債表的聯(lián)系就越復(fù)雜，一旦業(yè)務(wù)鏈條上任何一個(gè)環(huán)節(jié)出現(xiàn)風(fēng)險(xiǎn)都會(huì)隨著鏈條傳遞下去，一旦某金融機(jī)構(gòu)資產(chǎn)負(fù)債出現(xiàn)問(wèn)題就會(huì)影響其他有關(guān)系的金融機(jī)構(gòu)。另一方面，一個(gè)區(qū)域的金融集聚水平越高通常其國(guó)際化水平就越高，如香港作為國(guó)際金融中心，其國(guó)際化水平非常高，就會(huì)更敏感地受到來(lái)自國(guó)際金融風(fēng)險(xiǎn)的影響。

控制變量LnGov在三種聯(lián)系網(wǎng)絡(luò)下回歸系數(shù)都顯著為負(fù)，說(shuō)明地方政府對(duì)經(jīng)濟(jì)干預(yù)程度越高，區(qū)域金融風(fēng)險(xiǎn)水平越低。當(dāng)政府對(duì)經(jīng)濟(jì)有越大的影響力，往往意味著政府在發(fā)生金融風(fēng)險(xiǎn)時(shí)“兜底”的能力越強(qiáng)，故有抑制金融風(fēng)險(xiǎn)的作用。

控制變量LnExt在經(jīng)濟(jì)聯(lián)系網(wǎng)絡(luò)和金融聯(lián)系網(wǎng)絡(luò)顯著為負(fù)，說(shuō)明對(duì)外開放程度越高，區(qū)域金融風(fēng)險(xiǎn)水平越低。這跟我國(guó)還是發(fā)展中國(guó)家有關(guān)，在合適范圍內(nèi)加大對(duì)外開放程度有利于風(fēng)險(xiǎn)分擔(dān)。

相比空間自回歸模型和空間誤差模型，空間杜賓模型還能考察自變量的空間溢出效應(yīng)。在金融聯(lián)系網(wǎng)絡(luò)和經(jīng)濟(jì)聯(lián)系網(wǎng)絡(luò)中，WLnFA顯著為負(fù)，說(shuō)明金融集聚有負(fù)向的金融風(fēng)險(xiǎn)溢出效應(yīng)，這表明一個(gè)城市金融集聚水平的提高有利于與其經(jīng)濟(jì)距離或金融距離越近的城市抵御金融風(fēng)險(xiǎn)。原因可能是當(dāng)金融資源向一個(gè)城市集中時(shí)，這個(gè)城市的金融業(yè)的實(shí)力和效率都會(huì)提升，從而能給其他地區(qū)提供有效保護(hù)。在交通聯(lián)系網(wǎng)絡(luò)中，WLnGov顯著為負(fù)，這表明一個(gè)城市的政府力量強(qiáng)大有利于距其距離越小或交通時(shí)間越短的城市抵御金融風(fēng)險(xiǎn)。這可能是因?yàn)橐粋€(gè)城市的政府政策會(huì)影響周邊城市的政府政策選擇，當(dāng)一個(gè)城市的政府選擇更大的影響力的時(shí)候周邊城市的政府也會(huì)趨于做出類似的選擇。

四、結(jié)論與政策建議

本文的研究結(jié)果表明粵港澳大灣區(qū)的經(jīng)濟(jì)聯(lián)系、金融聯(lián)系和交通聯(lián)系越趨緊密，且在三種不同的空間網(wǎng)絡(luò)下，大灣區(qū)各城市金融風(fēng)險(xiǎn)都具有顯著的正向空間自相關(guān)性，說(shuō)明城市之間的金融風(fēng)險(xiǎn)存在傳染性。其中，在經(jīng)濟(jì)網(wǎng)絡(luò)和交通網(wǎng)絡(luò)下金融風(fēng)險(xiǎn)的空間自相關(guān)性更為顯著，說(shuō)明金融風(fēng)險(xiǎn)通過(guò)經(jīng)濟(jì)渠道和交通渠道的傳染性更強(qiáng)。而在經(jīng)濟(jì)網(wǎng)絡(luò)和金融網(wǎng)絡(luò)下，金融集聚水平越高，金融風(fēng)險(xiǎn)水平就越高，說(shuō)明金融集聚會(huì)使金融風(fēng)險(xiǎn)水平提高，同時(shí)金融集聚具有顯著的負(fù)的網(wǎng)絡(luò)溢出效應(yīng)，在交通網(wǎng)絡(luò)下，政府力量具有顯著的正的網(wǎng)絡(luò)溢出效應(yīng)。

針對(duì)以上結(jié)果，本文提出以下幾點(diǎn)防控粵港澳大灣區(qū)金融風(fēng)險(xiǎn)的建議：第一，相關(guān)部門要密切關(guān)注城市群內(nèi)各城市之間金融風(fēng)險(xiǎn)交叉?zhèn)魅镜那闆r，特別注意通過(guò)交通渠道和經(jīng)濟(jì)渠道的傳染。第二，要正確看待金融集聚與金融風(fēng)險(xiǎn)的關(guān)系，區(qū)域金融集聚在增加區(qū)域金融風(fēng)險(xiǎn)的同時(shí)也會(huì)通過(guò)網(wǎng)絡(luò)溢出效應(yīng)抑制金融風(fēng)險(xiǎn)。第三，可以在適度的范圍內(nèi)擴(kuò)大對(duì)外開放程度。

主要參考文獻(xiàn)：

[1]Kelejian H H，Tavlas G S，Hondroyiannis G.A Spatial Modelling Approach to Contagion Among Emerging Economies[J].Open Economies Review，2006，17（4-5）：423-441.

[2]程棵，陸鳳彬，楊曉光.次貸危機(jī)傳染渠道的空間計(jì)量[J].系統(tǒng)工程理論與實(shí)踐，2012，32（3）：483-494.

[3]Dell‘Erba S，Baldacci E，Poghosyan T.Spatial spillovers in emerging market spreads[J].Empirical Economics，2013，45（2）：735-756.

[4]李立.金融危機(jī)風(fēng)險(xiǎn)廣義多維經(jīng)濟(jì)空間溢出、聚集與演變[D].電子科技大學(xué)，2016.

[5]鞠方，陽(yáng)娟，黎小佳.基于空間異質(zhì)性的中國(guó)住房空置率與房地產(chǎn)金融風(fēng)險(xiǎn)研究[J].財(cái)經(jīng)理論與實(shí)踐，2018，39（04）：26-31.

[6]王欣，吳殿廷，王紅強(qiáng).城市間經(jīng)濟(jì)聯(lián)系的定量計(jì)算[J].城市發(fā)展研究，2006，13（3）：55-59.

[7]周迪.長(zhǎng)三角城市群金融資源空間流動(dòng)研究[J].上海經(jīng)濟(jì)研究，2016，（12）：71-81.

[8]湯潔，康荔斌，方秀麗.兩岸金融風(fēng)險(xiǎn)預(yù)警系統(tǒng)設(shè)計(jì)及實(shí)證研究[J].投資研究，2014，（4）：137-148.

[9]吳詩(shī)偉，朱業(yè).互聯(lián)網(wǎng)金融創(chuàng)新與區(qū)域金融風(fēng)險(xiǎn)的實(shí)證研究[J].金融與經(jīng)濟(jì)，2015，（10）：53-58.

[10]何江，張馨之.中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)及其收斂性：空間面板數(shù)據(jù)分析[J].南方經(jīng)濟(jì)，2006，（05）：44-5.