林茵

【摘要】基于城市群各城市間的經(jīng)濟、金融與交通聯(lián)系，文章構建了相應的經(jīng)濟、金融和交通空間網(wǎng)絡結構模型，運用空間計量方法，采用粵港澳大灣區(qū)11個城市2000—2017年經(jīng)濟金融數(shù)據(jù)，構建了基于三種不同空間網(wǎng)絡的空間權重矩陣，在此基礎上重點研究了粵港澳大灣區(qū)城市群內(nèi)部金融風險的傳染效應。最終發(fā)現(xiàn)粵港澳大灣區(qū)的經(jīng)濟、金融和交通聯(lián)系日趨緊密，在三種不同的空間網(wǎng)絡下大灣區(qū)各城市金融風險都具有顯著的正向空間自相關性，說明城市間的金融風險存在傳染性。其中，在經(jīng)濟網(wǎng)絡和交通網(wǎng)絡下金融風險的空間自相關性更為顯著，意味著金融風險通過經(jīng)濟渠道和交通渠道的傳染性更強。

【關鍵詞】粵港澳大灣區(qū)；金融風險；空間網(wǎng)絡； 空間計量

【中圖分類號】F83

一、引言

建設粵港澳大灣區(qū)是國家戰(zhàn)略，根據(jù)其發(fā)展規(guī)劃，大灣區(qū)金融業(yè)將迎來更大的開放和發(fā)展，與此同時為金融業(yè)的健康發(fā)展提供與之相適應的金融風險防控是當前亟待解決的重大問題。在此背景下，以考慮粵港澳大灣區(qū)各城市之間形成的關聯(lián)網(wǎng)絡為視角研究城市群內(nèi)各城市之間金融風險交叉?zhèn)魅厩闆r，對大灣區(qū)內(nèi)金融風險防控具有重要意義。

梳理已有國內(nèi)文獻發(fā)現(xiàn)，大多數(shù)相關文獻只關注到空間網(wǎng)絡與經(jīng)濟增長的關系，只有少量學者關注空間網(wǎng)絡與金融風險傳染的關系。在現(xiàn)有的空間網(wǎng)絡與金融風險傳染的關系研究中，大部分學者發(fā)現(xiàn)地理接近、貿(mào)易聯(lián)系和金融市場關聯(lián)可能是金融危機風險溢出渠道，但實證研究多停留在國家間或省間層面。在國家間研究方面，Kelejian等（2006）通過構建傳統(tǒng)地理距離矩陣和貿(mào)易聯(lián)系矩陣研究新興經(jīng)濟體之間的金融危機風險傳染[1]。程棵等（2012）也研究了次貸危機中地理位置、區(qū)域性經(jīng)濟組織、國際貿(mào)易和金融資本流動等金融傳染渠道，發(fā)現(xiàn)金融渠道是主要的金融危機風險溢出渠道[2]。Dell等（2013）利用空間計量方法研究24個新興經(jīng)濟體的主權債券市場的空間溢出效應，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)濟組織關系二元矩陣與構造的兩種不同的引力矩陣來檢驗金融危機風險的廣義多維經(jīng)濟空間效應，發(fā)現(xiàn)36個樣本經(jīng)濟體之間存在金融風險空間溢出效應[4]。在省間研究方面，鞠方等（2018）利用我國30個省市的數(shù)據(jù)實證發(fā)現(xiàn)地理臨近和經(jīng)濟水平相近地區(qū)的房地產(chǎn)金融風險會產(chǎn)生空間溢出[5]。本文將側重研究城市間的金融風險傳染，利用粵港澳大灣區(qū)11個城市的數(shù)據(jù)，探究不同空間網(wǎng)絡與金融風險的關系。

二、城市群空間網(wǎng)絡的構建

（一）網(wǎng)絡結構模型的構建

1.經(jīng)濟互聯(lián)引力模型

19世紀中葉，吉夫（G.K.Zipf，1946）首次將引力模型應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)系強度，tab代表兩個城市之間乘坐直達列車到達的最短時間。

（二）樣本選擇與數(shù)據(jù)來源

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

三、金融風險傳染的實證分析

（一）區(qū)域金融風險評價指標體系構建

在進行風險傳染的實證分析之前，我們需要量化測度各城市節(jié)點的區(qū)域金融風險水平，故首先構建區(qū)域金融風險評價指標體系。參考湯潔等（2014）對兩岸金融風險預警系統(tǒng)的研究[8]，一方面，考慮到香港、澳門和廣東九市經(jīng)濟發(fā)展水平均比較高，且香港和澳門作為獨立的關稅區(qū)和中國內(nèi)地同屬世界貿(mào)易組織的成員，面臨的金融風險來源基本相同，故可以共用一套相同的指標評價體系。另一方面，由于香港、澳門經(jīng)濟模式和廣東九市具有差異性，故指標臨界值和指標權重要反映相同指標對金融風險影響的差異性。

1.指標體系設定

借鑒吳詩偉（2015）[9]設定的各省金融風險指標評價體系，本文基于科學性、靈敏性、全面性、可獲得性的原則選取宏觀經(jīng)濟和微觀金融兩個大方面和7個具體的細化指標來構建區(qū)域金融風險評價指標體系，具體如表1所示。

GDP增長率、財政收入占GDP的比重和出口額增長率三個宏觀經(jīng)濟指標均參考香港、澳門和廣東九市過去18年相應指標的平均值設定金融風險閾值，而通貨膨脹率則根據(jù)經(jīng)驗值設定無風險區(qū)間。存貸比指標和保費收入增速指標分別參考法律規(guī)定和過去18年指標的平均值和標準差設定無風險區(qū)間。

2.數(shù)據(jù)來源及預處理

數(shù)據(jù)來源于各年《廣東統(tǒng)計年鑒》、EPS數(shù)據(jù)庫、中國經(jīng)濟社會大數(shù)據(jù)研究平臺、香港政府統(tǒng)計處官方網(wǎng)站、澳門統(tǒng)計暨普查局官方網(wǎng)站和Wind。

在通常意義的指標中，一共有三類指標。第一種，正向性指標，指標值越大代表區(qū)域金融風險水平越高。第二種，負向性指標，指標值越大代表區(qū)域金融風險水平越低。最后一種，中間性指標，這類指標的值處在一定區(qū)間內(nèi)代表處在風險可控狀態(tài)，偏離這個區(qū)間越多代表區(qū)域金融風險水平越高。故在計算區(qū)域金融風險指數(shù)之前，首先將數(shù)據(jù)進行正向化和標準化處理。

（1）正向化處理

對于GDP增長率、財政收入占GDP比重、出口額增長率這三個指標，由于含有閾值設定，當指標值大于所設閾值Kj時，將該指標設定為0；當指標值小于等于所設閾值時，用公式Xij= K-Xij進行處理，此時處理后的數(shù)值Xij越大表示風險越高。而關于通貨膨脹率、存貸比和保費收入增速這三個指標，當指標值位于設定的無風險區(qū)間時[M1，M2]，將該指標賦值為0；當指標值大于M2時，用公式Xij= Xij-M2進行處理；當指標值小于M2時，用公式Xij= M2-Xij進行處理，此時Xij數(shù)值越大代表風險越高。最后關于儲蓄存款增長率這個指標，其為負向性指標，由于存在負數(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進行處理，將其轉(zhuǎn)化為正向性指標。

（2）標準化處理

其中，Xij是正向化處理后的第i個指標在第j年度的取值。

3.各指標權重的計算及金融風險指數(shù)結果

本文在對各個指標進行標準化處理后，運用熵值法計算權重，指標結果如表2所示。

然后利用計算所得的權重和對指標加權求和的公式計算各個城市金融風險指數(shù)，具體公式如下：

基于收集的數(shù)據(jù)，我們計算了粵港澳大灣區(qū)11個城市2013—2017年的金融風險指數(shù)，結果如圖1。同時還展示了大灣區(qū)城市歷年金融風險平均水平，結果如圖2。

根據(jù)結果，可以發(fā)現(xiàn)每一年的粵港澳大灣區(qū)城市群里風險水平最高的城市處在持續(xù)的變化中。也就是說，金融監(jiān)管機構需要密切注意每一個城市，因為任何一個城市都有可能成為金融風險的溢出區(qū)域。而大灣區(qū)內(nèi)金融風險的平均水平在2000—2017年間呈現(xiàn)在波動中先上升后下降的趨勢，特別注意到在2007年金融風險平均水平開始急速上升，直至2009年達到18年來最高點，這與2007—2009年發(fā)生的世界金融危機事件吻合。

（二）空間計量回歸分析方法

首先我們需要考察研究對象的實際數(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量方法，然后再選擇適合的空間計量模型。空間自相關的測度可以衡量城市之間的金融風險是否存在傳染性，如若某城市金融風險水平顯著地與其“相鄰”城市的金融風險水平相關聯(lián)，那就說明城市之間的金融風險存在傳染性。目前最為流行的度量方法即為“莫蘭指數(shù)I”（Morans I）（Moran，1950），故本文也選取這個方法。

1.空間自相關指數(shù)（Morans I）

全局莫蘭指數(shù)考察的是整個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；若取值為負數(shù)，則代表負自相關；若取值接近0，則說明空間分布隨機不存在空間自相關。

（三）變量選取與數(shù)據(jù)說明

1.變量選取

被解釋變量是金融風險，通過上文設定的指標評價體系計算而來。解釋變量是金融集聚水平，用各年對應城市存貸款總額與粵港澳大灣區(qū)11個城市的總存貸的比重來表示。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)域政府財政支出額占區(qū)域GDP的比重來計算，衡量政府對地方經(jīng)濟金融的干預程度，而使用對外依存度為區(qū)域開放程度的代理指標，即區(qū)域進出口總額與GDP的比重。

2.數(shù)據(jù)說明

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

（四）實證結果分析

1.金融風險空間自相關的檢驗

從表3結果可以看出，三種空間權重矩陣下金融風險均呈現(xiàn)顯著的正向空間自相關，這不僅說明需要使用空間計量模型來研究粵港澳大灣區(qū)城市群的金融風險，還說明各城市之間的金融風險在三種渠道都具有傳染性。此外，對比三種空間權重矩陣的MoransI 指數(shù)值，可以發(fā)現(xiàn)在交通聯(lián)系矩陣和經(jīng)濟聯(lián)系矩陣中MoransI 指數(shù)值要更大，P值更小，更加顯著，說明金融風險通過經(jīng)濟渠道和交通渠道的傳染性更強。

2.空間杜賓模型回歸結果

基于上文描述的空間杜賓模型，我們實證分析了在三種不同的空間權重矩陣下粵港澳大灣區(qū)區(qū)域金融風險的空間溢出效應，還實證分析了金融集聚、政府力量、對外開放程度對金融風險的影響，結果如表4所示。

從回歸結果來看，三種不同的空間權重矩陣下WRisk的系數(shù)都顯著為正，表明區(qū)域金融風險之間有高度的正相關性，說明區(qū)域金融風險存在空間溢出效應，某個城市的金融風險的爆發(fā)會波及其他區(qū)域。這種現(xiàn)象產(chǎn)生的原因可能是因為粵港澳大灣區(qū)城市群金融一體化發(fā)展加速，整個大灣區(qū)的金融產(chǎn)業(yè)連為一體。

變量LnFA的回歸系數(shù)在經(jīng)濟聯(lián)系網(wǎng)絡和金融聯(lián)系網(wǎng)絡模型下顯著為正，表明區(qū)域金融集聚水平的上升會導致區(qū)域金融風險增加。這可能包含兩個方面的原因：一方面，金融集聚水平越高，區(qū)域內(nèi)金融機構業(yè)務聯(lián)系就越多，基于資產(chǎn)負債表的聯(lián)系就越復雜，一旦業(yè)務鏈條上任何一個環(huán)節(jié)出現(xiàn)風險都會隨著鏈條傳遞下去，一旦某金融機構資產(chǎn)負債出現(xiàn)問題就會影響其他有關系的金融機構。另一方面，一個區(qū)域的金融集聚水平越高通常其國際化水平就越高，如香港作為國際金融中心，其國際化水平非常高，就會更敏感地受到來自國際金融風險的影響。

控制變量LnGov在三種聯(lián)系網(wǎng)絡下回歸系數(shù)都顯著為負，說明地方政府對經(jīng)濟干預程度越高，區(qū)域金融風險水平越低。當政府對經(jīng)濟有越大的影響力，往往意味著政府在發(fā)生金融風險時“兜底”的能力越強，故有抑制金融風險的作用。

控制變量LnExt在經(jīng)濟聯(lián)系網(wǎng)絡和金融聯(lián)系網(wǎng)絡顯著為負，說明對外開放程度越高，區(qū)域金融風險水平越低。這跟我國還是發(fā)展中國家有關，在合適范圍內(nèi)加大對外開放程度有利于風險分擔。

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。在金融聯(lián)系網(wǎng)絡和經(jīng)濟聯(lián)系網(wǎng)絡中，WLnFA顯著為負，說明金融集聚有負向的金融風險溢出效應，這表明一個城市金融集聚水平的提高有利于與其經(jīng)濟距離或金融距離越近的城市抵御金融風險。原因可能是當金融資源向一個城市集中時，這個城市的金融業(yè)的實力和效率都會提升，從而能給其他地區(qū)提供有效保護。在交通聯(lián)系網(wǎng)絡中，WLnGov顯著為負，這表明一個城市的政府力量強大有利于距其距離越小或交通時間越短的城市抵御金融風險。這可能是因為一個城市的政府政策會影響周邊城市的政府政策選擇，當一個城市的政府選擇更大的影響力的時候周邊城市的政府也會趨于做出類似的選擇。

四、結論與政策建議

本文的研究結果表明粵港澳大灣區(qū)的經(jīng)濟聯(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)絡下，大灣區(qū)各城市金融風險都具有顯著的正向空間自相關性，說明城市之間的金融風險存在傳染性。其中，在經(jīng)濟網(wǎng)絡和交通網(wǎng)絡下金融風險的空間自相關性更為顯著，說明金融風險通過經(jīng)濟渠道和交通渠道的傳染性更強。而在經(jīng)濟網(wǎng)絡和金融網(wǎng)絡下，金融集聚水平越高，金融風險水平就越高，說明金融集聚會使金融風險水平提高，同時金融集聚具有顯著的負的網(wǎng)絡溢出效應，在交通網(wǎng)絡下，政府力量具有顯著的正的網(wǎng)絡溢出效應。

針對以上結果，本文提出以下幾點防控粵港澳大灣區(qū)金融風險的建議：第一，相關部門要密切關注城市群內(nèi)各城市之間金融風險交叉?zhèn)魅镜那闆r，特別注意通過交通渠道和經(jīng)濟渠道的傳染。第二，要正確看待金融集聚與金融風險的關系，區(qū)域金融集聚在增加區(qū)域金融風險的同時也會通過網(wǎng)絡溢出效應抑制金融風險。第三，可以在適度的范圍內(nèi)擴大對外開放程度。

主要參考文獻：

[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.次貸危機傳染渠道的空間計量[J].系統(tǒng)工程理論與實踐，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.金融危機風險廣義多維經(jīng)濟空間溢出、聚集與演變[D].電子科技大學，2016.

[5]鞠方，陽娟，黎小佳.基于空間異質(zhì)性的中國住房空置率與房地產(chǎn)金融風險研究[J].財經(jīng)理論與實踐，2018，39（04）：26-31.

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

[7]周迪.長三角城市群金融資源空間流動研究[J].上海經(jīng)濟研究，2016，（12）：71-81.

[8]湯潔，康荔斌，方秀麗.兩岸金融風險預警系統(tǒng)設計及實證研究[J].投資研究，2014，（4）：137-148.

[9]吳詩偉，朱業(yè).互聯(lián)網(wǎng)金融創(chuàng)新與區(qū)域金融風險的實證研究[J].金融與經(jīng)濟，2015，（10）：53-58.

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