李 湛 堯艷珍 湯懷林 張 菁

一、引言

隨著金融一體化與經(jīng)濟(jì)全球化的不斷加深，商品、服務(wù)、技術(shù)及資本的流動愈來愈迅速、頻繁，跨市場聯(lián)動趨勢也日趨明顯(Mieg, 2020)。這一趨勢如一把雙刃劍，在提高資源配置效率、加強(qiáng)信息傳遞廣度的同時，跨市場間金融和經(jīng)濟(jì)活動的高度相關(guān)性將會加劇風(fēng)險的蔓延。換言之，在極端經(jīng)濟(jì)條件下，相關(guān)性在可以增強(qiáng)金融系統(tǒng)彈性的同時，也將成為引發(fā)系統(tǒng)性風(fēng)險和金融不穩(wěn)定的來源，給金融監(jiān)管帶來新的挑戰(zhàn)與不確定性。局部金融風(fēng)險產(chǎn)生溢出和傳染是系統(tǒng)性風(fēng)險的典型特征，隨著不同市場間相關(guān)性日益增強(qiáng)，探討金融風(fēng)險的跨市場溢出效應(yīng)和傳導(dǎo)機(jī)制，對于防范與化解重大金融風(fēng)險、加強(qiáng)宏觀審慎監(jiān)管，有著迫切的需要與重要的應(yīng)用價值。

國內(nèi)外學(xué)者針對金融市場相關(guān)性的研究不勝枚舉，其中早期的研究多關(guān)注不同國家或地區(qū)的單一類型市場間的溢出效應(yīng)(李紅權(quán)等, 2011; 周璞、李自然, 2012; 周愛民、韓菲, 2017; 林娟、趙海龍, 2020; 蔣彧、張玖瑜, 2019; Hamao, 1990; Arshanapalli et al., 1995; Skintzi and Refenes, 2006; Inagaki, 2007; Kiviaho et al., 2014)。這些研究的結(jié)論表明主要國家或地區(qū)間存在明顯的風(fēng)險溢出效應(yīng)，尤其是在極端經(jīng)濟(jì)環(huán)境如金融危機(jī)期間更為顯著。

近年來不少學(xué)者逐漸擴(kuò)展到對跨市場聯(lián)動關(guān)系的研究(李湛、唐晉榮, 2017; 嚴(yán)偉祥等, 2017; 鄧創(chuàng)、謝敬軒, 2020; Andreou et al., 2013; Fan and Xu, 2011; Ftiti et al., 2015; Duan et al., 2018；徐欣，2018)。這些研究嘗試運(yùn)用各種經(jīng)濟(jì)計量模型就兩個金融子市場間的相關(guān)性與關(guān)聯(lián)動態(tài)展開實(shí)證檢驗(yàn)。其中，Kanas(2000)、Caporale et al.(2002)和Andreou et al.(2013)通過建立E-GARCH或BEKK-GARCH等模型，對多個國家或經(jīng)濟(jì)體的股票市場和外匯市場進(jìn)行研究，分析發(fā)現(xiàn)二者間的溢出效應(yīng)具有單向性。韓鑫韜、劉星(2017)則通過構(gòu)建VAR-FBEKK模型，研究發(fā)現(xiàn)我國人民幣匯率對房價波動具有較小的直接波動溢出影響，但其與貨幣供應(yīng)量變化的聯(lián)合波動對房地產(chǎn)市場具有顯著溢出效應(yīng)。

伴隨著金融管制放松、經(jīng)濟(jì)金融全球化和金融創(chuàng)新的不斷推進(jìn)，不同金融子市場間業(yè)務(wù)相互滲透、信息交流日益密切，但顯著增強(qiáng)的互聯(lián)性也為局部風(fēng)險的傳播和放大提供了渠道，進(jìn)而加劇了風(fēng)險波動溢出，因而深入研究多個金融子市場間波動的交互影響動態(tài)及風(fēng)險溢出效應(yīng)是迫切要求。基于四元VAR-GARCH(1,1)-BEKK模型的運(yùn)用，李成等(2010)研究表明我國股市、債市、匯市、貨幣市場四個金融市場間存在顯著、持續(xù)的雙向波動溢出。孟慶浩、張衛(wèi)國(2015)構(gòu)建IC-EGARCH波動溢出擴(kuò)展模型，分析發(fā)現(xiàn)我國股票、基金、債券、外匯和貨幣五個金融市場間存在不對性溢出效應(yīng)。經(jīng)上述梳理分析可知，關(guān)于各金融子市場間的波動溢出效應(yīng)已經(jīng)有大量有價值的研究，然而相關(guān)研究大多基于GARCH及其拓展等經(jīng)濟(jì)計量模型，雖然為深入分析金融市場間溢出關(guān)系提供了有益的參考和借鑒，但在刻畫波動溢出效應(yīng)的時變性特征與極端風(fēng)險溢出方面卻存在天然缺陷。

近十幾年來，越來越多學(xué)者意識到從系統(tǒng)性和極端層面衡量風(fēng)險溢出效應(yīng)的重要性，以及利用復(fù)雜性理論來理解金融市場的行為和動態(tài)的實(shí)用性(Wang et al., 2017; 肖志超等, 2021)。事實(shí)上，網(wǎng)絡(luò)科學(xué)已經(jīng)成為多個領(lǐng)域理解復(fù)雜系統(tǒng)的領(lǐng)先實(shí)用工具，例如基金組生物學(xué)(Junkang et al., 2007)、互聯(lián)網(wǎng)(Cai and Yin, 2009)、電網(wǎng)系統(tǒng)(Pagani and Aiello, 2013)和社會科學(xué)(Borgatti et al., 2009)，近年來也逐漸成為描述金融機(jī)構(gòu)之間相關(guān)性的常用工具(Schweitzer et al., 2009; Haldane and May, 2011)。在這些研究中，金融系統(tǒng)被映射成一個金融網(wǎng)絡(luò)，節(jié)點(diǎn)與節(jié)點(diǎn)間的連邊均被賦予了實(shí)際經(jīng)濟(jì)意義，用以揭示金融系統(tǒng)中的相關(guān)性特征和演變。

結(jié)合傳統(tǒng)的計量經(jīng)濟(jì)學(xué)方法和復(fù)雜網(wǎng)絡(luò)模型，已經(jīng)有部分學(xué)者開始嘗試提出新的框架刻畫金融網(wǎng)絡(luò)中的風(fēng)險傳染和溢出效應(yīng)。例如，Billio et al.(2012)結(jié)合Granger因果關(guān)系和金融網(wǎng)絡(luò)，以平均溢出或回報溢出來量化美國金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險。平均溢出網(wǎng)絡(luò)也被應(yīng)用于不同的金融系統(tǒng)，如歐洲電力市場(Castagneto-Gissey et al., 2014)和韓國金融系統(tǒng)(Song et al., 2016)。然而，這種方法不能捕捉到通常源自大規(guī)模金融危機(jī)的極端風(fēng)險。因此，Wang et al.(2017)在Billio et al.(2012)的研究基礎(chǔ)上，利用Hong et al.(2009)提出的尾部Granger因果檢驗(yàn)，構(gòu)建極端風(fēng)險網(wǎng)絡(luò)模型，用以捕捉極端風(fēng)險，分析不同金融市場間的聯(lián)動性。

Diebold and Yilmaz(2009)為了刻畫不同變量間的相關(guān)性，最早提出溢出指數(shù)的概念。鑒于VAR模型中變量次序改變可能會引起結(jié)果差異，他們在2012年對溢出指數(shù)進(jìn)行改進(jìn)，并提出了更一般化的溢出指數(shù)方法，以度量不同變量間的溢出效應(yīng)(Diebold and Yilmaz, 2012)。在此基礎(chǔ)上，Diebold and Yilmaz(2014)納入復(fù)雜網(wǎng)絡(luò)的思想，基于溢出指數(shù)進(jìn)一步構(gòu)建波動溢出網(wǎng)絡(luò)模型，相較于最初的溢出指數(shù)方法更為成熟和完善、更具有實(shí)用性?；谝绯鲋笖?shù)構(gòu)建的波動溢出網(wǎng)絡(luò)模型通過度量風(fēng)險溢出的方向與強(qiáng)度，也克服了多數(shù)復(fù)雜網(wǎng)絡(luò)中無權(quán)無向的缺陷。該方法自提出后，廣泛運(yùn)用于分析不同國家的金融市場或不同資產(chǎn)間的溢出關(guān)系(Kumar, 2011; Mcmillan and Speight, 2010; Sun et al., 2019)，但對于國內(nèi)金融系統(tǒng)的研究仍十分缺乏。

因此，本文以我國金融系統(tǒng)為研究對象，采用溢出指數(shù)和波動溢出網(wǎng)絡(luò)方法，研究不同金融子市場間的風(fēng)險溢出效應(yīng)。本文的邊際貢獻(xiàn)主要包括兩個方面：第一，基于極端風(fēng)險溢出的視角，通過廣義預(yù)測誤差方差分解(Forecast Error Variance Decomposition, FEVD)方法提取溢出指數(shù)，測度我國不同金融子市場間風(fēng)險溢出的強(qiáng)度，并引入滾動時間窗口技術(shù)動態(tài)深入分析各市場風(fēng)險溢出效應(yīng)的時變特征，以把握風(fēng)險溢出效應(yīng)的全貌；第二，以溢出指數(shù)作為鄰接矩陣構(gòu)建我國金融系統(tǒng)不同子市場的波動溢出網(wǎng)絡(luò)，并識別網(wǎng)絡(luò)中的風(fēng)險溢出中心，為把握金融系統(tǒng)中具有系統(tǒng)重要性的子市場、加強(qiáng)宏觀審慎監(jiān)管與微觀審慎監(jiān)管的協(xié)調(diào)、防范化解系統(tǒng)性金融風(fēng)險提供更多有益的決策依據(jù)和參考。

二、方法

(一)基于廣義VAR模型框架的風(fēng)險溢出指數(shù)構(gòu)建

構(gòu)建協(xié)方差平穩(wěn)的p階VAR模型如下：

(1)

(2)

(2)式為(1)式的移動平均形式。其中，向量xt=(x1t,x2t,...,xNt)′中的變量分別表示N個金融子市場的波動率；εt～(0,∑)為N維擾動列向量，各分量獨(dú)立同分布；φi為自回歸系數(shù)矩陣；N階系數(shù)矩陣Ai服從如下遞歸過程：

Ai=φ1Ai-1+φ2Ai-2+...+φpAi-p

(3)

其中，A0為N階單位矩陣，且當(dāng)i<0時，Ai=0。

(4)

(5)

(6)

(7)

(8)

不同金融子市場間風(fēng)險溢出影響我國金融系統(tǒng)的程度的總溢出指數(shù)，TSH，定義如下：

(9)

(二)基于風(fēng)險溢出指數(shù)的波動溢出網(wǎng)絡(luò)構(gòu)建

表1 有向溢出矩陣與有向溢出指數(shù)

在某一金融系統(tǒng)中，局部區(qū)域形成的風(fēng)險通過不同市場之間的互聯(lián)性(業(yè)務(wù)渠道、信息渠道等)相互傳播，形成金融風(fēng)險溢出效應(yīng)?；趶?fù)雜網(wǎng)絡(luò)的思想，考慮將具有相關(guān)性的子市場作為節(jié)點(diǎn)，子市場之間的風(fēng)險傳導(dǎo)關(guān)系作為節(jié)點(diǎn)間的連邊，構(gòu)建金融風(fēng)險溢出網(wǎng)絡(luò)模型。在本文中，利用表1中間部分的有向溢出指數(shù)作為鄰接矩陣，構(gòu)建我國金融系統(tǒng)的有向波動溢出網(wǎng)絡(luò)，用以分析我國金融系統(tǒng)的風(fēng)險溢出效應(yīng)在不同樣本時期的演化特征。

三、變量選取及數(shù)據(jù)預(yù)處理

本文研究對象包括貨幣市場、資本市場、大宗商品市場、外匯市場、黃金市場以及房地產(chǎn)市場，這六個金融子市場基本構(gòu)成了我國金融系統(tǒng)體系。其中，其中貨幣市場、資本市場和大宗商品市場又可以進(jìn)一步劃分為多個二級子市場。參考鄧創(chuàng)、謝敬軒(2020)的做法，本文將黃金市場和房地產(chǎn)市場納入本文研究對象范圍。黃金雖然是一種特殊的大宗商品，但其會通過影響資產(chǎn)定價的貼現(xiàn)因子中風(fēng)險溢價水平的變化，來影響其他各類金融資產(chǎn)如匯率類、固定收益類及權(quán)益類等資產(chǎn)的價格波動，因而考慮作為單獨(dú)一類子市場來研究；房地產(chǎn)行業(yè)與其他金融行業(yè)具有強(qiáng)互聯(lián)性，既能通過促進(jìn)信貸供給與抵押品價值間的循環(huán)往復(fù)形成金融加速器效應(yīng)，房價的大幅波動也會波及整個金融系統(tǒng)的健康和穩(wěn)定運(yùn)行?；诟鱾€金融子市場的構(gòu)成、數(shù)據(jù)樣本的相關(guān)性及可得性，中國金融系統(tǒng)的結(jié)構(gòu)劃分、相應(yīng)的指標(biāo)選取及英文簡稱如表2所示。

表2 我國金融系統(tǒng)的結(jié)構(gòu)劃分及指標(biāo)體系構(gòu)建

本文所用數(shù)據(jù)集為日度數(shù)據(jù)，數(shù)據(jù)期間為2005/7/22至2019/8/26，其中人民幣/美元匯率(DEXCHUS)的序列數(shù)據(jù)來自Federal Reserve Economic Data數(shù)據(jù)庫，其余數(shù)據(jù)序列均源自WIND。為了進(jìn)一步分析2008年全球金融危機(jī)對中國金融系統(tǒng)風(fēng)險溢出效應(yīng)的影響，依據(jù)Tsai(2015)的做法，本文將整個樣本期間劃分為三個子期間：(1)金融危機(jī)前：2005/07/22-2007/12/31；(2)金融危機(jī)期間：2008/01/01-2009/06/30；(3)金融危機(jī)后：2009/07/01-2019/08/26。

鑒于各金融市場的交易日期存在差異，為了保證各序列數(shù)據(jù)連續(xù)一致，本文參考周璞、李自然(2012)的調(diào)整方法，對當(dāng)日沒有交易數(shù)據(jù)的市場用其前一天的交易數(shù)據(jù)來代替。數(shù)據(jù)補(bǔ)齊后，每個子市場的時間序列得到3430個觀察值，金融危機(jī)前中后三個子樣本期間各包括594個、364個和2472個觀察值?；诟髯兞康膶?shù)收益率序列，運(yùn)用GARCH(1, 1)模型估計得到相應(yīng)的波動率序列。周璞、李自然(2012)、劉超等(2017)研究指出，該模型既具有簡潔而明確的經(jīng)濟(jì)學(xué)含義，又能準(zhǔn)確刻畫金融資產(chǎn)的價格波動變化，因而常應(yīng)用于波動率估計。ADF單位根檢驗(yàn)結(jié)果表明收益率序列和波動率序列均具有平穩(wěn)性，適用于VAR模型。

四、實(shí)證分析

(一)市場相關(guān)性初步分析

在探討中國金融系統(tǒng)的風(fēng)險溢出效應(yīng)前，先估算上述收益率序列的相關(guān)系數(shù)，以分析不同金融子市場間的相關(guān)性，結(jié)果如表3所示。對角元素均為1，非對角元素對表不同變量之間的相關(guān)性，因相關(guān)性具有對稱性，故表3只列出了左下方的結(jié)果。經(jīng)觀察發(fā)現(xiàn)：首先，IBO007與R007間的相關(guān)系數(shù)為0.801，NHMI、NHECI和NHAII兩兩之間的相關(guān)系數(shù)分別為0.709、0.486和0.557，說明貨幣市場、大宗商品市場下的二級子市場間的風(fēng)險波動各自呈現(xiàn)同向性。其次，CSI300與CSIABI間的相關(guān)系數(shù)為-0.623，一定程度印證了股債“蹺蹺板效應(yīng)”。此外，除了GOLD外，CSI300與其他變量間的相關(guān)性正好相反于CSIABI與其他變量間的相關(guān)性，一定程度上反映了“安全投資轉(zhuǎn)移”(Flight to Quality)現(xiàn)象(Hartmann et al., 2004)。最后，除了與外匯市場呈現(xiàn)正相關(guān)，貨幣市場與其他子市場基本呈負(fù)相關(guān)；大宗商品市場波動與黃金市場、房地產(chǎn)市場的波動分別呈正相關(guān)，但與外匯市場呈負(fù)相關(guān)；外匯市場與黃金市場、房地產(chǎn)市場均呈負(fù)相關(guān)；黃金市場與房地產(chǎn)市場呈正相關(guān)?；仡櫖F(xiàn)有研究文獻(xiàn)，這些市場間相關(guān)性可能因經(jīng)濟(jì)政策環(huán)境、數(shù)據(jù)、方法等不同而有所差異，因而本文不作贅述。

表3 不同金融子市場序列間的相關(guān)系數(shù)

(二)全樣本溢出效應(yīng)靜態(tài)分析

估算中國金融系統(tǒng)的總溢出指數(shù)、各個子市場的有向溢出指數(shù)和凈溢出指數(shù)，得到整個樣本期間中國金融系統(tǒng)的風(fēng)險溢出情況，結(jié)果如表4所示。經(jīng)初步觀察和分析，可以得知：其一，比較中間10×10的矩陣中的對角線數(shù)值與其他數(shù)值大小可以發(fā)現(xiàn)，市場受自身滯后效應(yīng)的影響普遍高于市場間的波動溢出效應(yīng)，其中回購市場受自身滯后效應(yīng)的影響最大，約為50.01%。其二，右下角的總溢出指數(shù)約為61.44%，代表了我國金融系統(tǒng)在整個樣本期間內(nèi)風(fēng)險溢出效應(yīng)的平均水平，說明各金融子市場之間具有較強(qiáng)相關(guān)性，易通過資產(chǎn)、信息等渠道進(jìn)行傳導(dǎo)形成風(fēng)險溢出效應(yīng)；其三，各金融子市場間的有向溢出效應(yīng)呈現(xiàn)顯著的不對稱性，貨幣市場對其余市場的溢出效應(yīng)遠(yuǎn)高于其余市場對貨幣市場的溢出效應(yīng)。其中，貨幣市場對其余市場的溢出效應(yīng)均值(包括IBO007和R007對其他市場的溢出指數(shù)之和)高達(dá)518.94%，且所有子市場中只有貨幣市場的凈溢出效應(yīng)為正，表明貨幣市場在我國金融系統(tǒng)中處于風(fēng)險外溢中心，一旦產(chǎn)生局部區(qū)域風(fēng)險，極易通過互聯(lián)性沖擊其他市場，進(jìn)而引發(fā)金融傳染甚至系統(tǒng)性風(fēng)險。

表4 中國金融系統(tǒng)各子市場的風(fēng)險溢出表(2005/07/22-2019/08/26，單位：%)

進(jìn)一步觀察和分析不同子市場間的有向溢出指數(shù)結(jié)果，可以發(fā)現(xiàn)，除了貨幣市場外，其余市場間的有向溢出效應(yīng)呈現(xiàn)出重要特點(diǎn)。其一，股票市場與房地產(chǎn)市場之間的溢出效應(yīng)具有不對稱性，股市波動對房地產(chǎn)市場的有向溢出效應(yīng)相對更大。劉金全、解瑤姝(2016)和蔣彧、陳鵬(2020)研究指出，在GDP增速、房地產(chǎn)調(diào)控政策、金融危機(jī)等多重因素共同作用下，我國股市與房市間波動呈現(xiàn)強(qiáng)相關(guān)性且在不同階段的特征有所差異。然而，股票市場對房地產(chǎn)市場的財富效應(yīng)相對更大，使得股票市場在兩個市場的長期波動關(guān)系中發(fā)揮主導(dǎo)作用(李愛華等, 2014; Chan and Woo, 2013)。其二，不同于Rezitis(2015)的研究結(jié)論，在我國外匯市場與大宗商品市場之間的不對稱溢出效應(yīng)中，大宗商品市場對外匯市場的有向溢出效應(yīng)相對更大。大宗商品市場涉及較多進(jìn)出口業(yè)務(wù)，與國際宏觀經(jīng)濟(jì)關(guān)系緊密，當(dāng)大宗商品市場發(fā)生波動時，往往通過貿(mào)易等渠道在全球范圍內(nèi)傳導(dǎo)，從而對外匯市場造成沖擊，而一國外匯市場尤其是非美元國對大宗商品市場影響較小。其三，在黃金市場與大宗商品市場之間的不對稱溢出效應(yīng)中，大宗商品市場尤其是金屬市場對黃金市場的風(fēng)險溢出程度更高。當(dāng)大宗商品價格大幅上漲時，全球生產(chǎn)要素成本上升導(dǎo)致通貨膨脹風(fēng)險增大，使得投資者轉(zhuǎn)向購買黃金以規(guī)避風(fēng)險。

(三)滾動樣本溢出效應(yīng)分析

為了進(jìn)一步清晰分析中國金融系統(tǒng)風(fēng)險溢出效應(yīng)的動態(tài)變化，本文引入滾動時間窗口技術(shù)檢驗(yàn)總溢出指數(shù)在整個樣本期間內(nèi)的時變特征。為了平滑總溢出指數(shù)的變化，且避免信息失真，本文將滾動窗口期和滾動步長分別設(shè)置為500和12，得到結(jié)果如圖1所示。

圖1 總溢出指數(shù)的動態(tài)變化(2005/07/22-2019/08/26)

在樣本期間內(nèi)，我國金融系統(tǒng)的風(fēng)險溢出指數(shù)在49%至75%之間變化，受金融危機(jī)、歐債危機(jī)等極端風(fēng)險事件沖擊的影響，其間有多次較大程度的波動。首先，從最低值(約49%)開始，總溢出指數(shù)迅速上升到2007年6月的峰值(約75%)。然后，總溢出指數(shù)一直保持在較高水平(74%～75%)直至2009年12月。2007年，一方面我國金融系統(tǒng)受到美國次貸危機(jī)爆發(fā)的波及，另一方面我國經(jīng)濟(jì)正處于GDP增速13%、CPI增速4.8%的高位運(yùn)行狀態(tài)，內(nèi)外壓力的綜合作用促使2007年我國金融系統(tǒng)整體風(fēng)險溢出水平較高。我國各個金融子市場雖因2008年金融危機(jī)而全面受到?jīng)_擊，但因2008年上半年政府實(shí)施從緊的貨幣政策和穩(wěn)健的財政政策組合以應(yīng)對通脹，2008年總波動溢出水平略微有所下降。歐債危機(jī)的全面爆發(fā)大幅沖擊外匯、大宗商品等市場，使得2009下半年我國金融系統(tǒng)風(fēng)險溢出效應(yīng)又有所提高。

緊接著，從2009年底開始，總風(fēng)險溢出效應(yīng)程度急劇下降至53%左右，得益于全球經(jīng)濟(jì)逐步復(fù)蘇與政府大規(guī)模經(jīng)濟(jì)刺激計劃下國內(nèi)經(jīng)濟(jì)的復(fù)蘇。2012年以后，國家實(shí)施積極的財政政策和穩(wěn)健的貨幣政策，兩次降準(zhǔn)降息，調(diào)整經(jīng)濟(jì)結(jié)構(gòu)，管理通脹預(yù)期，堅持實(shí)施房地產(chǎn)調(diào)控政策，使2012年風(fēng)險水平呈下降趨勢。自2013年中旬至2015年中旬，總溢出效應(yīng)又從60%震蕩增至64%左右，這期間發(fā)生了2013年6月以來我國的“錢荒”事件、2014年杠桿放大效應(yīng)下資本市場結(jié)構(gòu)不穩(wěn)定以及2015年6月股市暴跌引發(fā)的股災(zāi)。2014年以后，我國經(jīng)濟(jì)進(jìn)行新常態(tài)，受房地產(chǎn)轉(zhuǎn)折性變化影響，經(jīng)濟(jì)下行壓力進(jìn)一步加大，但我國經(jīng)濟(jì)效應(yīng)并沒有加速惡化，且經(jīng)濟(jì)結(jié)構(gòu)發(fā)生積極變化，加上國家的大力救市，風(fēng)險雖有累積但整體可控，金融市場整體風(fēng)險水平先是保持較高水平，但隨后持續(xù)下降至52.5%左右。自2017年初開始，我國金融系統(tǒng)的總溢出指數(shù)穩(wěn)定增長，甚至有超過金融危機(jī)期間高點(diǎn)的趨勢，表明近幾年我國不同金融子市場間的總體互聯(lián)程度很高，整體金融體系處于脆弱狀態(tài)。

為了進(jìn)一步驗(yàn)證上述結(jié)論在不同滾動窗口期與滾動步長選擇下的穩(wěn)健性，本文在對滾動窗口期分別設(shè)置為200天、300天和500天，以及滾動步長分別設(shè)置為6天和12天，進(jìn)行自由組合的六種情況下，分析了我國金融系統(tǒng)總風(fēng)險溢出效應(yīng)的動態(tài)變化，結(jié)果如圖2所示。從圖2的結(jié)果來看，滾動窗口與滾動步長的合理變化對總溢出指數(shù)的相對影響較小，幾乎不會影響其動態(tài)變化趨勢。

圖2 穩(wěn)健性檢驗(yàn)結(jié)果：不同滾動窗口和滾動步長組合選擇下的總溢出指數(shù)變化

(四)不同子樣本的波動溢出網(wǎng)絡(luò)分析

為了探討中國金融系統(tǒng)風(fēng)險溢出效應(yīng)在金融時期與非金融時期的區(qū)別，進(jìn)而發(fā)掘具有強(qiáng)溢出效應(yīng)的風(fēng)險中心點(diǎn)以及風(fēng)險傳導(dǎo)方向和強(qiáng)度，本文分別構(gòu)建了金融危機(jī)前中后三個樣本時期的風(fēng)險溢出網(wǎng)絡(luò)，結(jié)果見圖3。其中，節(jié)點(diǎn)1-10分別代表表1中的10個金融子市場，節(jié)點(diǎn)大小代表凈溢出效應(yīng)大小，不同金融子市場間的有向溢出效應(yīng)強(qiáng)度則用不同節(jié)點(diǎn)之間具有深淺差異的連邊表示。對于每條連邊，起始節(jié)點(diǎn)為風(fēng)險溢出方，終端節(jié)點(diǎn)為風(fēng)險接受方，連邊顏色越深，則代表有向溢出效應(yīng)強(qiáng)度越高。

圖3 中國金融系統(tǒng)的波動溢出網(wǎng)絡(luò)

首先，如圖3所示，無論在哪個子樣本期間，節(jié)點(diǎn)1和節(jié)點(diǎn)2的大小均大于其余節(jié)點(diǎn)，從節(jié)點(diǎn)1或節(jié)點(diǎn)2發(fā)出的連邊也多于其他節(jié)點(diǎn)發(fā)出的連邊，表明同業(yè)拆借市場和回購市場向其他金融子市場的凈溢出效應(yīng)顯著高于其他金融子市場的凈溢出效應(yīng)，意味著貨幣市場在中國金融體系中扮演著風(fēng)險溢出中心的角色。金融危機(jī)前，貨幣市場對其余市場的風(fēng)險溢出程度比較大，主要存在回購市場對股市、黃金市場、房地產(chǎn)市場、債券市場以及同業(yè)拆借市場對外匯市場的單向溢出，而對其余市場的溢出則相對較少且其余各市場接受風(fēng)險的能力比較均衡。究其原因，這是由于貿(mào)易順差的高速增長，2007年末我國外匯儲備高速增長，儲備糧已超過1.5萬億美元，年增長率高達(dá)43.32%，創(chuàng)下1994年以來外匯儲備增長率之最，超額的外匯儲備增大外匯儲備成本，從而增大外匯儲備風(fēng)險，影響貨幣供應(yīng)量的調(diào)控能力。因美國次貸危機(jī)的影響，投資者風(fēng)險厭惡情緒高漲，對于房地產(chǎn)投資有一定恐慌，加上我國央行多次加息政策，使得股票等資本市場以及黃金市場的波動性增強(qiáng)，從而加劇了金融危機(jī)期間不同市場間的溢出風(fēng)險。

其次，中國金融系統(tǒng)不同子市場間的總風(fēng)險溢出效應(yīng)在不同樣本時期存在差異。具體而言，金融危機(jī)期間的總風(fēng)險溢出效應(yīng)高達(dá)75%，明顯高于金融危機(jī)前(51%)、后時期(68%)。這主要是因?yàn)椋涸诮鹑谖C(jī)的影響下，各國實(shí)體經(jīng)濟(jì)放緩甚至衰退，對金屬、能源等大宗商品的需求下降，我國股票市場也受危機(jī)影響而損失嚴(yán)重，房地產(chǎn)市場交易回落，投資者傾向選擇黃金作為避險工具，導(dǎo)致貨幣市場風(fēng)險主導(dǎo)作用減小，大宗商品市場、股票市場、黃金市場、房地產(chǎn)市場等子市場的風(fēng)險對外溢出能力相對增強(qiáng)，致使金融危機(jī)期間中國金融系統(tǒng)內(nèi)的風(fēng)險溢出效應(yīng)整體水平相對高于非金融危機(jī)時期。

此外，中國金融系統(tǒng)各金融子市場在金融危機(jī)后期間(2009/07/01-2019/08/26)的平均總溢出效應(yīng)高于其在金融危機(jī)前期間(2005/07/22-2007/12/31)的平均總溢出效應(yīng)。一方面，是受金融危機(jī)滯后效應(yīng)包括歐債危機(jī)等事件的影響，金屬市場、股市、黃金市場和房地產(chǎn)等市場的風(fēng)險水平依然較大，風(fēng)險溢出效應(yīng)也有所增強(qiáng)；債券市場直接與貨幣市場和貨幣政策掛鉤，故其仍然是最大的風(fēng)險接收方；而外匯市場的避險作用明顯增強(qiáng)，在危機(jī)后保持較平穩(wěn)運(yùn)行；另外，在金融危機(jī)的影響下，全球場內(nèi)黃金期貨等交易量有所下降，因此基于避險需要，中國黃金市場現(xiàn)貨需求量旺盛，促使黃金價格在后危機(jī)時期震蕩上行，波動性也相對較高；受國家宏觀政策和資本市場調(diào)控影響，股市和房地產(chǎn)市場也整體上揚(yáng)，二者之間存在雙向的較強(qiáng)波動溢出效應(yīng)。另一方面，全球化進(jìn)程日益加快的同時，近幾年從中美貿(mào)易沖突到大國博弈不斷，對國內(nèi)外金融市場均形成較大沖擊影響，也加劇了金融市場整體的波動溢出效應(yīng)。

五、結(jié)論

本文基于Diebold and Yilmaz(2012, 2014)提出的研究方法，對我國不同金融子市場變量的波動率序列分別估計有向溢出指數(shù)、凈溢出指數(shù)和總溢出指數(shù)，并構(gòu)建金融危機(jī)前、中、后不同子樣本期間的風(fēng)險溢出網(wǎng)絡(luò)，系統(tǒng)分析中國金融系統(tǒng)不同金融子市場間的風(fēng)險聯(lián)動水平及變動趨勢，主要得出以下結(jié)論：

首先，我國金融系統(tǒng)在整個樣本期間的總體風(fēng)險溢出效應(yīng)的平均水平約為61.44%，變化范圍為49%～75%。不同子市場間的風(fēng)險聯(lián)動水平較高，單個金融市場的風(fēng)險極易通過各市場間的資產(chǎn)交易、信息傳導(dǎo)等渠道蔓延至整個金融系統(tǒng)，甚至形成系統(tǒng)性風(fēng)險，危害金融穩(wěn)定和實(shí)體經(jīng)濟(jì)。尤其是2019年以來我國金融系統(tǒng)的風(fēng)險溢出水平高居不下，應(yīng)引起警惕。其次，各子市場內(nèi)部的滯后效應(yīng)影響通常高于市場間的有向溢出效應(yīng)，且各子市場兩兩之間的有向溢出效應(yīng)具有強(qiáng)不對稱性。其中，貨幣市場(包括同業(yè)拆借市場和回購市場)處于金融風(fēng)險溢出網(wǎng)絡(luò)的中心，貨幣市場對外溢出程度最高，是典型的風(fēng)險溢出方，而債券市場的相對溢出風(fēng)險較小，通常為風(fēng)險接受方。最后，金融危機(jī)發(fā)生時，貨幣市場依然是風(fēng)險溢出網(wǎng)絡(luò)的中心，但其風(fēng)險主導(dǎo)作用相對下降，其余子市場的風(fēng)險溢出作用則相對增強(qiáng)。

本文的實(shí)踐價值在于：其一，鑒于我國金融系統(tǒng)近年風(fēng)險溢出水平居高不下，監(jiān)管層亟需從宏觀審慎角度出發(fā)，強(qiáng)化我國金融系統(tǒng)不同市場間風(fēng)險聯(lián)動性監(jiān)測，防范預(yù)警系統(tǒng)性風(fēng)險的發(fā)生。其二，在大力利用貨幣市場對金融系統(tǒng)流動性進(jìn)行調(diào)節(jié)的同時，也要完善對貨幣市場的監(jiān)管機(jī)制，強(qiáng)化金融基礎(chǔ)和市場設(shè)施，以降低貨幣市場對其他市場的風(fēng)險溢出效應(yīng)，提高金融穩(wěn)定性，預(yù)警系統(tǒng)性金融風(fēng)險的發(fā)生。