歐陽資生陳世麗楊希特

(1.湖南工商大學(xué)財(cái)政金融學(xué)院,湖南長沙 410205;2.湖南師范大學(xué) 商學(xué)院,湖南長沙 410000;3.四川大學(xué)商學(xué)院,四川成都,610064)

§1 引言

近年來頻繁發(fā)生的突發(fā)事件對經(jīng)濟(jì)的平穩(wěn)運(yùn)行造成了一定的影響,并且誘發(fā)金融市場的劇烈波動(dòng).地震,恐怖襲擊等影響范圍具有一定的地域性,而突發(fā)公共衛(wèi)生事件1《突發(fā)公共衛(wèi)生事件應(yīng)急條例》中指出:突發(fā)公共衛(wèi)生事件包括突發(fā)發(fā)生,造成或者可能造成社會公眾健康嚴(yán)重?fù)p害的重大傳染病疫情,群體性不明原因疾病等事件.參考http://www.gov.cn/zhengce/2020-12/26/content_5574586.htm因其傳染性影響范圍較廣,涉及領(lǐng)域較多,并且當(dāng)其事件發(fā)生時(shí),通常會采取相應(yīng)的物理隔離措施,因此會導(dǎo)致經(jīng)濟(jì)運(yùn)行受到供給和需求的雙重沖擊,從而阻礙經(jīng)濟(jì)的發(fā)展;另一方面,突發(fā)衛(wèi)生事件發(fā)生后對經(jīng)濟(jì)運(yùn)行產(chǎn)生的沖擊會通過資金鏈,產(chǎn)業(yè)鏈以及供應(yīng)鏈等傳導(dǎo)至金融市場[1],同時(shí),衛(wèi)生事件也會通過影響投資者情緒而加大金融市場的波動(dòng)(Ichev和Marin[2];王箐等[3]),甚至可能引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn).

2020年爆發(fā)的新冠肺炎疫情被世衛(wèi)組織定性為一種大范圍的流行病,此次疫情對國內(nèi)經(jīng)濟(jì)及金融市場均產(chǎn)生較大影響,如2020年第一季度GDP出現(xiàn)負(fù)增長,國內(nèi)A股市場股票在2月3日跌停,滬深300指數(shù)跌破4000點(diǎn)等.此外,對全球市場也產(chǎn)生較大影響,如美股的4次熔斷等,基于此,各國政府高度重視完善突發(fā)事件的防范機(jī)制.黨的十九屆五中全會中也提出突發(fā)公共衛(wèi)生事件應(yīng)急能力顯著增強(qiáng),維護(hù)金融安全,守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)底線為“十四五”期間的主要目標(biāo).然而金融機(jī)構(gòu)間的業(yè)務(wù)往來隨著經(jīng)濟(jì)的快速發(fā)展愈發(fā)增多,金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染可能性因?yàn)闄C(jī)構(gòu)間的強(qiáng)關(guān)聯(lián)性逐漸增多.因此,如何準(zhǔn)確考察突發(fā)公共衛(wèi)生事件對系統(tǒng)性風(fēng)險(xiǎn)的影響以及金融機(jī)構(gòu)間風(fēng)險(xiǎn)的傳染,把握金融機(jī)構(gòu)間風(fēng)險(xiǎn)的傳染路徑,對監(jiān)控系統(tǒng)性金融風(fēng)險(xiǎn)具有重要意義.

系統(tǒng)性金融風(fēng)險(xiǎn)一直是學(xué)術(shù)界研究的熱點(diǎn)問題.自金融危機(jī)后,系統(tǒng)性金融風(fēng)險(xiǎn)的研究引起學(xué)者的重視.關(guān)于系統(tǒng)性金融風(fēng)險(xiǎn),業(yè)界和學(xué)界尚未有一個(gè)權(quán)威的定義,在現(xiàn)有文獻(xiàn)的提法上也有“金融系統(tǒng)性風(fēng)險(xiǎn)”和“系統(tǒng)性金融風(fēng)險(xiǎn)”兩種表述方式.“難以定義,卻一目了然”(Benoit等[4])很好地說明了系統(tǒng)性金融風(fēng)險(xiǎn)的難界定.國際清算銀行對系統(tǒng)性風(fēng)險(xiǎn)的定義是:“由于金融系統(tǒng)的全部或部分受損而導(dǎo)致金融服務(wù)中斷的風(fēng)險(xiǎn),并有可能對實(shí)體經(jīng)濟(jì)產(chǎn)生嚴(yán)重的負(fù)面影響”(Caruana[5]).Billio等[6]將系統(tǒng)性風(fēng)險(xiǎn)定義為影響金融系統(tǒng)穩(wěn)定性的任何事件或情況.而對系統(tǒng)性風(fēng)險(xiǎn)的度量已有較多成果供參考.一部分學(xué)者基于資本缺口度量系統(tǒng)性金融風(fēng)險(xiǎn):Acharya等[7]認(rèn)為整個(gè)金融部門的資金不足會損害實(shí)體經(jīng)濟(jì),因此用SES和MES度量了系統(tǒng)性金融風(fēng)險(xiǎn).但MES這一方法忽略了金融機(jī)構(gòu)間的規(guī)模,資金充足率以及杠桿等因素,因此衍生出了SRISK方法.Brownlees和Engle[8]引入SRISK衡量金融危機(jī)中金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)并指出SRISK能夠衡量金融機(jī)構(gòu)的預(yù)期資本缺口.梁琪等[9]基于SRISK識別中國34家金融機(jī)構(gòu)的資本短期程度,并確定了系統(tǒng)性重要金融機(jī)構(gòu).另外也有一部分學(xué)者基于溢出效應(yīng)度量系統(tǒng)性金融風(fēng)險(xiǎn):Adrian和Brunnermeier[10]提出用CoVaR模型度量系統(tǒng)性金融風(fēng)險(xiǎn),并且指出CoVaR模型能夠捕捉機(jī)構(gòu)與金融體系間的尾部依賴性.歐陽資生和莫廷程[11]考慮到金融機(jī)構(gòu)的尾部特征,將CoVaR模型進(jìn)行延伸得到廣義CoVaR模型并用以測度系統(tǒng)性金融風(fēng)險(xiǎn).林娟和趙海龍[12]基于時(shí)變CoVaR模型估算中國滬深和香港股市的風(fēng)險(xiǎn)溢出效應(yīng).歐陽資生等[13]利用DCC-GARCH-CoVaR模型度量45家上市金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)。綜上可以發(fā)現(xiàn)目前學(xué)術(shù)界對系統(tǒng)性風(fēng)險(xiǎn)度量的研究已較為成熟,但上述文獻(xiàn)中度量系統(tǒng)性風(fēng)險(xiǎn)時(shí)較少考慮收益率的非對稱影響,基于此,本文借鑒López-Espinosa等,歐陽資生等的研究思路構(gòu)建非對稱CoVaR模型,充分考慮不同收益率對系統(tǒng)性金融風(fēng)險(xiǎn)影響的差異性[14-15].

目前突發(fā)公共衛(wèi)生事件對金融市場沖擊的研究主要有兩個(gè)方面,即對金融市場收益和金融市場波動(dòng)的研究.Mctier等[16]研究發(fā)現(xiàn)流感發(fā)病率與股票市場回報(bào)存在顯著的負(fù)相關(guān).Alfaro等[17]基于傳染病模型預(yù)測其感染程度,并在此基礎(chǔ)上分析傳染病對股市回報(bào)的影響,研究發(fā)現(xiàn)SARS預(yù)測病例對中國香港恒生指數(shù)的回報(bào)呈顯著負(fù)相關(guān),新冠疫情預(yù)測病例數(shù)翻一番會導(dǎo)致美國股市收盤價(jià)平均下跌8.6%,開盤價(jià)平均下跌4.8%.Barro等[18]研究發(fā)現(xiàn)流感死亡率與市場回報(bào)呈顯著負(fù)相關(guān),具體表現(xiàn)為當(dāng)流感死亡率上漲2%時(shí),市場回報(bào)會下跌14%.然而,也有學(xué)者認(rèn)為傳染性疾病對股市沖擊是短期影響,如:Topcu和Gulal[19]研究發(fā)現(xiàn)每增加一單位的感染率,股票市場表現(xiàn)會降低0.153%,但其沖擊是有限的.Baker等[20]通過對11家報(bào)紙進(jìn)行文本分析發(fā)現(xiàn)公共衛(wèi)生事件會增大股市波動(dòng).王箐等[3]通過建立新冠疫情新增確診人數(shù)與股票收益波動(dòng)之間的回歸模型發(fā)現(xiàn):疫情與股票波動(dòng)之間存在U型關(guān)系,并且指出疫情發(fā)生后通過影響投資者情緒也會對股票波動(dòng)產(chǎn)生影響.另外也有學(xué)者認(rèn)為突發(fā)公共衛(wèi)生事件影響金融市場波動(dòng)主要是當(dāng)公共衛(wèi)生事件發(fā)生時(shí),因其特有的傳染性,會導(dǎo)致人們的恐慌情緒驟增,從而影響投資者情緒,進(jìn)而加大金融市場的波動(dòng)(Ichev和Marin[2]).

White等[21]研究發(fā)現(xiàn)金融市場在危機(jī)事件發(fā)生后會產(chǎn)生傳導(dǎo)效應(yīng),Barun′?k和K?rehl′?k[22]研究也發(fā)現(xiàn)某個(gè)機(jī)構(gòu)或市場遭受沖擊后,其負(fù)面影響會傳染至其它金融機(jī)構(gòu)或市場,并且隨著金融市場和經(jīng)濟(jì)進(jìn)程的加快,金融機(jī)構(gòu)之間的關(guān)聯(lián)性由于機(jī)構(gòu)之間頻繁的業(yè)務(wù)往來而逐漸增強(qiáng),這正好提供了加快金融風(fēng)險(xiǎn)在金融機(jī)構(gòu)之間快速傳染的可能,因此,近年來越來越多的學(xué)者開始致力于傳染效應(yīng)的研究.Battiston等[23]在研究中指出:所謂金融風(fēng)險(xiǎn)傳染就是一家金融機(jī)構(gòu)發(fā)生危機(jī)時(shí),可能會導(dǎo)致多家金融機(jī)構(gòu)也發(fā)生危機(jī),并且系統(tǒng)性風(fēng)險(xiǎn)會隨著金融機(jī)構(gòu)間的連通性而增加.楊子暉和周穎剛[24]認(rèn)為風(fēng)險(xiǎn)傳染是指一個(gè)或多個(gè)金融機(jī)構(gòu),金融市場面臨的沖擊或風(fēng)險(xiǎn),通過某種渠道會向其他機(jī)構(gòu)及其他市場傳播.可以發(fā)現(xiàn)上述金融風(fēng)險(xiǎn)傳染的核心是金融機(jī)構(gòu)間的關(guān)聯(lián)性.其中最主要的是通過溢出效應(yīng)構(gòu)建復(fù)雜網(wǎng)絡(luò)圖來進(jìn)行分析.Yang和Zhou[25]基于VAR模型并用其殘差構(gòu)造方差協(xié)方差矩陣分析了美國國債市場和全球股票和商品之間的波動(dòng)溢出網(wǎng)絡(luò),并得出美國股市處于其網(wǎng)絡(luò)中心.楊子暉等[26]基于VAR模型,利用遞歸估計(jì)法考察了金融系統(tǒng)內(nèi)金融部門間的風(fēng)險(xiǎn)溢出效應(yīng),并通過構(gòu)建網(wǎng)絡(luò)圖分析了部門間的動(dòng)態(tài)風(fēng)險(xiǎn)傳染效應(yīng).宮曉莉和熊熊[27]通過建立TVP-VAR模型進(jìn)行廣義預(yù)測方差分解得出溢出指數(shù),從而建立風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)對金融系統(tǒng)內(nèi)不同市場的風(fēng)險(xiǎn)傳染進(jìn)行了分析.

基于上述文獻(xiàn)可以發(fā)現(xiàn),目前突發(fā)公共衛(wèi)生事件對系統(tǒng)性金融風(fēng)險(xiǎn)沖擊以及突發(fā)公共衛(wèi)生事件背景下金融機(jī)構(gòu)間風(fēng)險(xiǎn)傳染的研究較為缺乏,因此本文利用面板向量自回歸分析突發(fā)公共衛(wèi)生事件對系統(tǒng)性金融風(fēng)險(xiǎn)的沖擊,并且借鑒Brunnermeier等[28]的研究方法,將系統(tǒng)性金融風(fēng)險(xiǎn)拆分成隨時(shí)間變化和不隨時(shí)間變化的風(fēng)險(xiǎn),并在此基礎(chǔ)上進(jìn)一步考慮突發(fā)公共衛(wèi)生事件對系統(tǒng)性金融風(fēng)險(xiǎn)的內(nèi)部風(fēng)險(xiǎn)沖擊;其次,借鑒Lpez-Espinosa等,歐陽資生等的研究[14-15],通過非對稱CoVaR模型構(gòu)建溢出效應(yīng)的有向網(wǎng)絡(luò)圖分析金融金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染,從而考慮收益率對系統(tǒng)性風(fēng)險(xiǎn)的非對稱影響.另外,有學(xué)者研究證實(shí)金融市場的波動(dòng)會受突發(fā)公共衛(wèi)生事件的影響,因此本文在已有研究基礎(chǔ)上研究突發(fā)公共衛(wèi)生事件是否會對系統(tǒng)性金融風(fēng)險(xiǎn)產(chǎn)生影響,并創(chuàng)新性的用注冊地金融機(jī)構(gòu)的疫情新增人數(shù)衡量新冠疫情的嚴(yán)重程度,將其作為內(nèi)生變量納入非對稱CoVaR模型中,進(jìn)而得到單指標(biāo)非對稱CoVaR模型,對其進(jìn)行求解得出金融機(jī)構(gòu)間的溢出效應(yīng),并以此構(gòu)建相應(yīng)的有向網(wǎng)絡(luò)圖,從而分析金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染效應(yīng).單指標(biāo)非對稱CoVaR模型與傳統(tǒng)的CoVaR模型相比,具有如下優(yōu)點(diǎn):第一,該模型不僅考慮了收益率的非對稱的影響,還充分考慮了突發(fā)公共衛(wèi)生事件的影響因素,能夠更好的衡量突發(fā)衛(wèi)生事件對系統(tǒng)性風(fēng)險(xiǎn)的影響;第二,該模型充分考慮了金融機(jī)構(gòu)彼此之間的聯(lián)系,能夠更好的衡量金融機(jī)構(gòu)的傳染關(guān)系.最后基于研究結(jié)論得出相應(yīng)的建議.

本文可能的邊際貢獻(xiàn)是:第一,豐富了突發(fā)公共衛(wèi)生事件與金融市場之間的研究.目前學(xué)術(shù)界較多研究突發(fā)公共衛(wèi)生事件對實(shí)體經(jīng)濟(jì)或是對金融市場收益及金融市場波動(dòng)的影響,而對系統(tǒng)性金融風(fēng)險(xiǎn)沖擊的研究較少,因此本文通過面板向量自回歸模型分析突發(fā)衛(wèi)生事件對系統(tǒng)性金融風(fēng)險(xiǎn)的沖擊有助于豐富其相關(guān)領(lǐng)域的研究.第二,加深了突發(fā)公共衛(wèi)生事件對金融機(jī)構(gòu)風(fēng)險(xiǎn)傳染的認(rèn)識.目前對于傳染效應(yīng)的研究大多局限于通過股票收益數(shù)據(jù)構(gòu)建復(fù)雜網(wǎng)絡(luò),從而分析在事件發(fā)生時(shí)間點(diǎn)金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染情況,而本文則是將突發(fā)公共衛(wèi)生事件納入溢出效應(yīng)的模型中,能夠更好的分析在突發(fā)公共衛(wèi)生事件背景下金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染,從而加深了突發(fā)公共衛(wèi)生事件對金融機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)傳染的認(rèn)識.

本文余下的結(jié)構(gòu)安排如下:§2是面板向量自回歸,系統(tǒng)性金融風(fēng)險(xiǎn)測度以及基于單指標(biāo)非對稱CoVaR模型的有向網(wǎng)絡(luò)圖的構(gòu)建;§3是深入分析突發(fā)公共衛(wèi)生事件對系統(tǒng)性金融風(fēng)險(xiǎn)造成的沖擊以及在突發(fā)公共衛(wèi)生事件背景下金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染;§4是相應(yīng)的研究結(jié)論以及建議.

§2 模型設(shè)定

2.1 面板向量自回歸模型

面板向量自回歸模型包含時(shí)間和空間兩個(gè)維度,能夠利用更多信息分析變量之間的動(dòng)態(tài)演變關(guān)系.為此,設(shè)SY Si,t表示金融機(jī)構(gòu)i在t時(shí)刻的系統(tǒng)性金融風(fēng)險(xiǎn),同時(shí),參照Ichev和Marin[2]以及王箐等[3]的做法,用ENid,t表示金融機(jī)構(gòu)i所對應(yīng)注冊地d在t時(shí)刻的疫情新增確診人數(shù),利用面板向量自回歸分析金融機(jī)構(gòu)間系統(tǒng)性金融風(fēng)險(xiǎn)與疫情的動(dòng)態(tài)演變關(guān)系.其模型設(shè)定為

其中Yi,t是包含系統(tǒng)性金融風(fēng)險(xiǎn)與疫情新增確診人數(shù)的集合,即Yi,t={SY Si,t,ENid,t}.SY Si,t,ENid,t,γi,?t與εi,t分別表示金融機(jī)構(gòu)i在t時(shí)刻的系統(tǒng)性風(fēng)險(xiǎn),金融機(jī)構(gòu)i所對應(yīng)注冊地d在t時(shí)刻的新增確診人數(shù),個(gè)體固定效應(yīng),時(shí)間固定效應(yīng)以及不相關(guān)的殘差向量.

2.2 系統(tǒng)性金融風(fēng)險(xiǎn)的測度

本文采用Adrian和Brunnermeier[10]提出的?CoVaR來度量金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn),其計(jì)算步驟為:先計(jì)算出各金融機(jī)構(gòu)在對應(yīng)分位數(shù)水平下的VaR值,然后再計(jì)算各金融機(jī)構(gòu)的CoVaR,最后計(jì)算q分位數(shù)與中位數(shù)水平下CoVaR的差值即可得各金融機(jī)構(gòu)在q分位數(shù)的?CoVaR.具體表達(dá)式如下.

表1 狀態(tài)變量的選擇及計(jì)算

2.3 有向傳染網(wǎng)絡(luò)的構(gòu)建

本文主要采用歐陽資生等[15]構(gòu)建金融有向網(wǎng)絡(luò)的框架,從單指標(biāo)非對稱CoVaR入手,計(jì)算其風(fēng)險(xiǎn)溢出效應(yīng)從而分析在突發(fā)公共衛(wèi)生事件背景下金融機(jī)構(gòu)之間的系統(tǒng)性金融風(fēng)險(xiǎn)傳染.

單指標(biāo)非對稱CoVaR 中非對稱指的是:由于金融機(jī)構(gòu)之間的正負(fù)收益率對系統(tǒng)性金融風(fēng)險(xiǎn)的相關(guān)性有差異,因此為充分考慮不同符號收益率的不同影響,在式(4)的基礎(chǔ)上加入示性函數(shù)I(·),即

而單指標(biāo)非對稱CoVaR中單指標(biāo)指的是將新冠疫情新增確診人數(shù)作為變量納入CoVaR模型中.與已有研究相比,本文在模型中不僅考慮了收益率的非對稱的影響,還綜合考慮了新冠疫情的影響,以期能更全面的衡量金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染關(guān)系.即式(9),式(10) 可寫成

對于式(11)的求解首先構(gòu)造損失函數(shù).由分位數(shù)回歸可知其損失函數(shù)為ρq(u)=u(q ?I(u<0)),q ∈(0,1),同理可知式(11)的損失函數(shù)為

其次求解其滿足最小化的參數(shù)值,此參數(shù)即為所需求解的參數(shù).其求解的參數(shù)即為使得式(13)滿足最小化的值,即

根據(jù)式(14)可知S(·)是β的隱性函數(shù),因此對上式(14) 的估計(jì)需要求解S(·)與β兩部分,而由于S(·)中涉及變量較多,且易產(chǎn)生維數(shù)禍根問題,因此對連接函數(shù)S(·) 的求解引入LASSO懲罰函數(shù),并用局部估計(jì)法進(jìn)行求解.

其中Kω(·)為高斯核函數(shù),ω為鄰域窗寬.

然后通過內(nèi)點(diǎn)法即可得β的參數(shù)估計(jì)為

其中l(wèi)表示迭代次數(shù),為第l次迭代β的估計(jì)值.

最后,將式(18)與式(19)對式(12)求偏導(dǎo)得

§3 實(shí)證研究

3.4 數(shù)據(jù)說明

本文將銀行,證券和保險(xiǎn)作為研究對象,選取這三個(gè)行業(yè)中的所有上市股票作為研究樣本,并剔除次新股以及在研究期間有停牌的股票,最終確定研究樣本銀行35家,證券36家,保險(xiǎn)5家2金融機(jī)構(gòu)樣本為:平安銀行(PAYH),寧波銀行(NBYH),江陰銀行(JYYH),張家港行(ZJGH),鄭州銀行(ZZYH),青島銀行(QDYH),青農(nóng)商行(QNSH),蘇州銀行(SZYH),浦發(fā)銀行(PFYH),華夏銀行(HXYH),民生銀行(MSYH),招商銀行(ZSYH),無錫銀行(WXYH),江蘇銀行(JSuYH),杭州銀行(HZYH),西安銀行(XAYH),南京銀行(NJYH),渝農(nóng)商行(YNSH),常熟銀行(CShuYH),興業(yè)銀行(XYYH),北京銀行(BJYH),上海銀行(SHYH),農(nóng)業(yè)銀行(NYYH),交通銀行(JTYH),工商銀行(GSYH),長沙銀行(CShaYH),光大銀行(GDYH),成都銀行(CDYH),紫金銀行(ZJYH),浙商銀行(ZheSYH),建設(shè)銀行(JSYH),中國銀行(ZGYH),貴陽銀行(GYYH),中信銀行(ZXYH),蘇農(nóng)銀行(SNYH);申萬宏源(SWHY),東北證券(DBZQ),錦龍股份(JLGF),廣發(fā)證券(GFZQ),長江證券(CJZQ),國盛金控(GSJK),西部證券(XBZQ),國信證券(GXZQ),第一創(chuàng)業(yè)(DYCY),華西證券(HXZQ),長城證券(CCZQ),華林證券(HLZQ),東方財(cái)富(DFCF),中信證券(ZXZQ),國投資本(GTZB),華創(chuàng)陽安(HCYA),西南證券(XNZQ),華鑫股份(HXGF),海通證券(HaiTZQ),哈投股份(HTGF),華安證券(HAZQ),東方證券(DFZQ),中信建投(ZXJT),太平洋(TPY),財(cái)通證券(CTZQ),東興證券(DXZQ),國泰君安(GTJA),紅塔證券(HTZQ),中原證券(ZYZQ),興業(yè)證券(XYZQ),華泰證券(HuaTZQ),光大證券(GDZQ),浙商證券(ZSZQ),中國銀河(ZGYH),方正證券(FAZQ),南京證券(NJZQ);中國平安(ZGPA),中國人保(ZGRB),新華保險(xiǎn)(XHBX),中國太保(ZGTB),中國人壽(ZGRS),樣本時(shí)間段為2019年12月3日至2020年11月30日,頻率為日頻.而突發(fā)公共衛(wèi)生事件以新冠肺炎疫情為例,其衡量疫情嚴(yán)重程度的數(shù)據(jù)(疫情新增確診人數(shù):ENid,t)來源于各金融機(jī)構(gòu)注冊地所屬城市衛(wèi)健委發(fā)布的疫情通報(bào),金融數(shù)據(jù)來源于國泰安和Wind數(shù)據(jù)庫.

3.5 突發(fā)公共衛(wèi)生事件對系統(tǒng)性金融風(fēng)險(xiǎn)的影響分析

為分析突發(fā)公共衛(wèi)生事件對系統(tǒng)性金融風(fēng)險(xiǎn)的影響,本文將突發(fā)公共衛(wèi)生事件與系統(tǒng)性金融風(fēng)險(xiǎn)()作為內(nèi)生變量,構(gòu)建面板向量自回歸模型分析彼此之間的動(dòng)態(tài)影響關(guān)系.另外,由于突發(fā)公共衛(wèi)生事件不僅會在宏觀層面產(chǎn)生影響,還會在微觀層面產(chǎn)生影響,因此將拆分成尾部風(fēng)險(xiǎn)(alpha),關(guān)聯(lián)性風(fēng)險(xiǎn)(gama)以及能夠捕捉宏觀經(jīng)濟(jì)與金融因素影響的風(fēng)險(xiǎn)(beta),其中alpha和beta能夠衡量金融機(jī)構(gòu)間的微觀審慎風(fēng)險(xiǎn),gama能夠衡量每單位微觀審慎風(fēng)險(xiǎn)的宏觀審慎風(fēng)險(xiǎn).而由于alpha與gama不隨時(shí)間變化而變化,因此只進(jìn)一步研究能夠衡量微觀審慎風(fēng)險(xiǎn)beta與疫情新增確診人數(shù)之間的動(dòng)態(tài)關(guān)系.具體步驟為:變量單位根檢驗(yàn)→確定最優(yōu)滯后階→建立模型→模型穩(wěn)定性檢驗(yàn)→格蘭杰因果檢驗(yàn)→脈沖響應(yīng)圖分析.

為滿足面板向量自回歸的使用前提,本文利用LLC,HT,Fisher-ADF以及Fisher-PP四種方法對beta和ENid,t進(jìn)行單位根檢驗(yàn)發(fā)現(xiàn),三個(gè)變量的單位根檢驗(yàn)P值均為0,不存在單位根,因此可用面板向量自回歸作進(jìn)一步分析.其次,利用J 統(tǒng)計(jì)量,MBIC,MAIC以及MQIC確定面板向量自回歸的最優(yōu)滯后階數(shù),其結(jié)果如表2所示.

表2 面板向量自回歸最優(yōu)滯后階的選擇結(jié)果

由表2的結(jié)果可知:根據(jù)J統(tǒng)計(jì)量原則,最優(yōu)滯后階數(shù)為8階,根據(jù)MBIC 準(zhǔn)則,最優(yōu)滯后階數(shù)為3階,根據(jù)MAIC與MQIC準(zhǔn)則,最優(yōu)滯后階數(shù)為5 階.然而,根據(jù)MBIC 選擇3 階滯后可能過于簡潔,而根據(jù)J統(tǒng)計(jì)量選擇8階滯后又可能會損失較多樣本量,因此本文選擇滯后5階作為最優(yōu)滯后階,其模型估計(jì)結(jié)果如表3所示.

表3 PVAR的參數(shù)估計(jì)結(jié)果

根據(jù)表3的回歸結(jié)果可以發(fā)現(xiàn)疫情新增人數(shù)對?CoVaR與beta在滯后2-4期時(shí)在1%顯著,說明疫情新增人數(shù)對系統(tǒng)性金融風(fēng)險(xiǎn)與微觀審慎審慎風(fēng)險(xiǎn)間均存在顯著的相關(guān)關(guān)系.在估計(jì)得出模型之后對面板向量自回歸進(jìn)行殘差相關(guān)性檢驗(yàn)與穩(wěn)定性檢驗(yàn),其檢驗(yàn)結(jié)果如表4和圖1所示.

表4中對角線上的元素表示殘差的方差,非對角線上的元素表示變量殘差間的協(xié)方差.可以發(fā)現(xiàn)變量殘差間的協(xié)方差均較小,說明其殘差無自相關(guān),即擾動(dòng)項(xiàng)為白噪聲.

表4 殘差的方差-協(xié)方差矩陣

根據(jù)圖1可以發(fā)現(xiàn)各變量特征值均在單位圓內(nèi),說明該模型具有穩(wěn)定性.另外,可以發(fā)現(xiàn)有的特征根離單位圓較近,說明有的沖擊所產(chǎn)生的動(dòng)態(tài)影響具有較強(qiáng)的持續(xù)性.

圖1 面板向量自回歸穩(wěn)定性檢驗(yàn)結(jié)果

進(jìn)一步,為說明?CoVaR,beta與疫情新增確診人數(shù)之間的因果關(guān)系,引入格蘭杰因果關(guān)系檢驗(yàn),檢驗(yàn)結(jié)果如表5.

表5 變量之間的格蘭杰因果檢驗(yàn)結(jié)果

根據(jù)表5的結(jié)果可以發(fā)現(xiàn):在?CoVaR的格蘭杰因果檢驗(yàn)中,疫情新增確診人數(shù)是?CoVaR的格蘭杰原因(拒絕原假設(shè)),而?CoVaR不是疫情新增確診人數(shù)的格蘭杰原因,即疫情新增確診人數(shù)與?CoVaR之間存在單向格蘭杰因果關(guān)系,具體表現(xiàn)為疫情新增確診人數(shù)的變化能夠引起?CoVaR的變化,但?CoVaR的變化不能引起新增確診人數(shù)的變化.同理可知,疫情新增確診人數(shù)與beta也存在單向因果關(guān)系,即疫情新增確診人數(shù)的變化能夠引起beta的變化,但beta的變化不能引起新增確診人數(shù)的變化.

最后,根據(jù)面板向量自回歸模型畫出其脈沖響應(yīng)圖分析變量之間的動(dòng)態(tài)影響關(guān)系,結(jié)果如圖2所示.

圖2 疫情新增確診人數(shù)的脈沖效應(yīng)圖

圖2中,左圖為疫情新增確診人數(shù)對?CoVaR的脈沖響應(yīng)圖,右圖為疫情新增確診人數(shù)對beta的脈沖響應(yīng)圖,根據(jù)圖2可以發(fā)現(xiàn):對于疫情新增確診人數(shù)的沖擊,?CoVaR與beta均呈現(xiàn)出正響應(yīng),并且在第3期達(dá)到最大值,之后開始逐漸減弱,逐漸趨向于0.這說明,疫情新增確診人數(shù)增加時(shí)在短期內(nèi)會使系統(tǒng)性風(fēng)險(xiǎn)(?CoVaR)與微觀審慎風(fēng)險(xiǎn)(beta)增大,并且影響時(shí)間持續(xù)較長,但其影響程度會隨時(shí)間逐漸減小.

3.6 突發(fā)公共衛(wèi)生事件對系統(tǒng)性金融風(fēng)險(xiǎn)的傳染效應(yīng)分析

為充分考慮突發(fā)公共衛(wèi)生事件的影響,將疫情新增確診人數(shù)作為解釋變量納入系統(tǒng)性金融風(fēng)險(xiǎn)的測度中,并構(gòu)建相應(yīng)的溢出網(wǎng)絡(luò)分析金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)在疫情發(fā)生后的傳染效應(yīng).具體包括:(1)求解連通性和平均λ,并分析其動(dòng)態(tài)演化過程,從而得出兩者之間演變關(guān)系;(2)求解各金融機(jī)構(gòu)的輸入與輸出連接,并在此基礎(chǔ)上得出不同板塊的總輸入連接與總輸出連接,從而得出不同金融板塊間的傳染程度;(3)根據(jù)求解出的單個(gè)金融機(jī)構(gòu)的輸入與輸出連接構(gòu)建有向金融網(wǎng)絡(luò),并結(jié)合疫情以及平均λ的演變,選擇有代表性的時(shí)間點(diǎn)分析各金融機(jī)構(gòu)間的連接關(guān)系,并分析不同時(shí)間點(diǎn)有向金融網(wǎng)絡(luò)的變化;(4)在求解的各金融機(jī)構(gòu)輸入與輸出連接的基礎(chǔ)上得出各金融機(jī)構(gòu)的總輸入連接與總輸出連接排名,分析不同金融機(jī)構(gòu)間的傳染能力.

3.6.1 連通性與平均λ的演化分析

圖3 連通性與平均λ時(shí)序圖

由圖3可以發(fā)現(xiàn):第一,系統(tǒng)性金融風(fēng)險(xiǎn)從2020年1月份開始上升,在3 月份達(dá)到一個(gè)峰值,這可能是由于在1月23日武漢受疫情影響開始封城,投資者恐慌情緒加劇,疫情這一負(fù)外部沖擊導(dǎo)致股市波動(dòng)增大,另外,在春節(jié)后的首個(gè)交易日A股市場大部分股票跌停,中國滬深300 指數(shù)在2月份跌破4 千點(diǎn),并在3 月份跌至最低點(diǎn),跌幅一直持續(xù)至5月份,另外美國股指在3月份更是經(jīng)歷了史無前例的4次熔斷,基于此,面對中國股市滬深300指數(shù)的大幅下降,以及國際資本市場的劇烈震蕩,我國股市波動(dòng)增加,從而引起金融機(jī)構(gòu)間系統(tǒng)性風(fēng)險(xiǎn)上升;接下來,系統(tǒng)性風(fēng)險(xiǎn)在6月份開始逐漸上升,在8月份達(dá)到最大值,這可能是由于在抗疫取得階段性勝利后,中國股市開始逐漸復(fù)蘇,滬深300 指數(shù)在6 月份開始上漲,一直上漲至8月份,3個(gè)月時(shí)間滬深300指數(shù)漲幅達(dá)到24.5%,變動(dòng)幅度較大,另外國家為應(yīng)對新冠疫情的影響,在6月份發(fā)行1萬億抗疫國債,主要用于保市場主體,保就業(yè)等,促進(jìn)經(jīng)濟(jì)復(fù)蘇,國家的救市行為發(fā)布后的一個(gè)月,市場總體上處于低風(fēng)險(xiǎn)水平.但由于2020 年7 至8 月央行為維持疫情后金融市場的流動(dòng)性,連續(xù)開展14 天期逆回購操作,創(chuàng)業(yè)板大批量新股集中上市發(fā)行吸金,8 月流動(dòng)性缺口大等幾個(gè)綜合性因素疊加的市場反應(yīng),由于指標(biāo)的構(gòu)建主要考慮收益率和疫情新增確診人數(shù),而國內(nèi)新增確診人數(shù)在2020年7月和8月短期反彈,達(dá)到了一個(gè)階段性峰值,因此就導(dǎo)致系統(tǒng)性金融風(fēng)險(xiǎn)到達(dá)峰值.但隨著政策落地和國內(nèi)疫情的有效防控,前期受疫情影響較大的行業(yè)逐步恢復(fù)正常運(yùn)行,相關(guān)行業(yè)開始正常運(yùn)行,金融市場逐漸趨于穩(wěn)定.第二,1至3 月系統(tǒng)性金融風(fēng)險(xiǎn)值一直呈上漲趨勢,但遠(yuǎn)小于7月與8月的系統(tǒng)性金融風(fēng)險(xiǎn)值,這可能是由于疫情期間政府部門下發(fā)多項(xiàng)政策以應(yīng)對疫情沖擊,特別是中小企業(yè)的展期政策極大緩和了銀行資產(chǎn)負(fù)債表壞賬的產(chǎn)生,然而在7 至8月金融機(jī)構(gòu)間不僅受市場自身波動(dòng)的影響,還可能受到實(shí)際違約事件的影響(如不能按期償還銀行貸款,資金鏈斷裂等),因此在此雙重影響下導(dǎo)致7至8 月的系統(tǒng)性金融風(fēng)險(xiǎn)值高于3月份,即疫情對金融市場的影響存在一定的滯后效應(yīng).第三,連通性在1月期間呈低位運(yùn)行,而在2 月中旬之后連通性開始回升,在7月份達(dá)到最大值,這可能的原因是疫情發(fā)生之間各地紛紛采取強(qiáng)制物理隔離措施,各地紛紛延長復(fù)工時(shí)間,因此導(dǎo)致金融機(jī)構(gòu)間的聯(lián)系減弱,導(dǎo)致連通性減弱,而隨著企業(yè)的復(fù)工復(fù)產(chǎn),金融機(jī)構(gòu)間的關(guān)聯(lián)性開始逐漸增強(qiáng),機(jī)構(gòu)間的傳染性也愈發(fā)增強(qiáng),從而導(dǎo)致連通性開始逐漸上漲.

3.6.2 金融機(jī)構(gòu)間的有向網(wǎng)絡(luò)分析

有向網(wǎng)絡(luò)的構(gòu)建借助于金融機(jī)構(gòu)間的溢出效應(yīng),通過鄰接矩陣中的元素表示金融機(jī)構(gòu)間的有向連接.在前文中已經(jīng)證實(shí)新冠這一突發(fā)衛(wèi)生事件會對系統(tǒng)性金融風(fēng)險(xiǎn)產(chǎn)生影響,并且受疫情影響,武漢在1月23日封城,自此投資者恐慌情緒開始逐漸上漲蔓延,并且2月3日上千只股票跌停,因此為了充分討論此次疫情背景下金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染,本文選取2020年2月3日至2020年3月3 日一段時(shí)間的有向網(wǎng)絡(luò)圖分析疫情期間金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染情況.另外,在2020年4月8日武漢解封,標(biāo)志著抗疫取得階段性成果,疫情得到一定的控制,因此本文選取2020年4月8日至2020年5月12日一段時(shí)間的有向網(wǎng)絡(luò)圖作為疫情緩解后的風(fēng)險(xiǎn)傳染,除此之外,在2020年1月10日武漢市衛(wèi)健委發(fā)布疫情通報(bào)確診有41例,因此選擇2020年1月10 日之前的有向網(wǎng)絡(luò)圖作為疫情前的風(fēng)險(xiǎn)傳染,即2020年1月3日至2020年1月9日,從而比較疫情發(fā)生前,疫情發(fā)生期間以及疫情緩解后金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染情況.此外,由于系統(tǒng)性金融風(fēng)險(xiǎn)在8月份達(dá)到最大值,因此還選取了系統(tǒng)性金融風(fēng)險(xiǎn)值最大即2020 年8 月6日至2020 年9月4日期間的有向網(wǎng)絡(luò)圖,從而分析金融機(jī)構(gòu)間的傳染性.結(jié)果如圖4所示.

圖4 新冠疫情以及系統(tǒng)性風(fēng)險(xiǎn)最大時(shí)的有向網(wǎng)絡(luò)圖

根據(jù)圖4 可以發(fā)現(xiàn):第一,不僅金融板塊內(nèi)部存在連接關(guān)系,即傳染關(guān)系,金融板塊之間也存在傳染關(guān)系;第二,以疫情緩解后的有向網(wǎng)絡(luò)為例,金融機(jī)構(gòu)間既存在強(qiáng)傳染關(guān)系(如NJYH與HXGF),也存在弱傳染關(guān)系(如ZGRS與GSYH,ZGPA與ZGRS 等),既存在雙向傳染關(guān)系(如ZGTB與ZGPA,ZGRS與ZGTB 等),也存在單向傳染關(guān)系(如ZGPA與XBBX,ZGTB與ZGRB等).可以發(fā)現(xiàn)在圖4中強(qiáng)傳染關(guān)系大多在金融板塊之間,這是由于金融板塊之間業(yè)務(wù)的關(guān)聯(lián)而產(chǎn)生的強(qiáng)傳染關(guān)系,比如證券與銀行之間,銀行向證券發(fā)放貸款,并且結(jié)算證券行業(yè)的相關(guān)業(yè)務(wù),增強(qiáng)了彼此之間的聯(lián)系,而銀行與保險(xiǎn),證券與保險(xiǎn)之間,則較大可能是因?yàn)槟壳氨ｋU(xiǎn)行業(yè)的風(fēng)險(xiǎn)較之銀行,證券較小,因此作為銀行,證券分散風(fēng)險(xiǎn)的對象,從而各金融板塊之間達(dá)成戰(zhàn)略協(xié)議,關(guān)聯(lián)性增強(qiáng),因此受到外部沖擊產(chǎn)生系統(tǒng)性金融風(fēng)險(xiǎn)時(shí),在金融板塊之間的傳染性也增強(qiáng).

圖4的結(jié)果雖能分析出金融板塊內(nèi)部以及金融板塊之間的傳染性,但由于金融機(jī)構(gòu)間的傳染關(guān)系并不唯一,即金融機(jī)構(gòu)不僅會受到多個(gè)金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染,也會將風(fēng)險(xiǎn)傳染至多個(gè)金融機(jī)構(gòu),因此圖4中各金融機(jī)構(gòu)的連接關(guān)系較多,導(dǎo)致不能直觀清楚地分析金融機(jī)構(gòu)內(nèi)部以及金融機(jī)構(gòu)板塊之間的傳染關(guān)系以及傳染強(qiáng)度,因此本文借助閾值法刪除金融機(jī)構(gòu)間傳染關(guān)系較弱的連邊,只保留傳染關(guān)系較強(qiáng)的連邊,而閾值設(shè)定為76個(gè)最大連邊權(quán)重的平均值.最終如圖5 所示.

圖5 新冠疫情以及系統(tǒng)性風(fēng)險(xiǎn)最大時(shí)的閾值有向網(wǎng)絡(luò)圖

由圖5可知金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染有以下幾個(gè)結(jié)論,第一:銀行類金融機(jī)構(gòu)在風(fēng)險(xiǎn)積累階段占據(jù)重要位置.圖5中可以發(fā)現(xiàn)疫情前,疫情時(shí),疫情緩解時(shí)銀行板塊的連邊分別為13條,4條和8條,疫情前和疫情緩解后銀行的連線比疫情期間的多,說明在沖擊發(fā)生前后應(yīng)重點(diǎn)關(guān)注銀行板塊的風(fēng)險(xiǎn)監(jiān)管,從而避免發(fā)生沖擊時(shí)由于系統(tǒng)性重要性銀行將風(fēng)險(xiǎn)傳染至其它金融金融機(jī)構(gòu)從而引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn).第二,證券類金融機(jī)構(gòu)在風(fēng)險(xiǎn)爆發(fā)階段占據(jù)重要位置.這是由于在疫情發(fā)生期間(2 月3日-3 月3日)和系統(tǒng)性金融風(fēng)險(xiǎn)最大時(shí)(8月6日-9月4日)證券板塊內(nèi)部的連邊比疫情前(1月3日-1月9 日)和疫情緩解后(4月8日-5月12 日)的多(疫情前連邊8條,疫情時(shí)13 條,疫情緩解后11條,系統(tǒng)性金融風(fēng)險(xiǎn)最大時(shí)14條),說明證券內(nèi)部的聯(lián)動(dòng)性最強(qiáng),即證券類金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染關(guān)系最強(qiáng),當(dāng)某一個(gè)證券機(jī)構(gòu)受到?jīng)_擊風(fēng)險(xiǎn)增加時(shí),其風(fēng)險(xiǎn)極易通過某種渠道傳染至其它機(jī)構(gòu),從而引起整個(gè)證券板塊發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn),因此在沖擊發(fā)生時(shí)應(yīng)重點(diǎn)關(guān)注證券等非銀行類金融機(jī)構(gòu).第三,疫情增加了證券板塊內(nèi)部的傳染性.圖5疫情前,疫情時(shí)和疫情緩解后的有向網(wǎng)絡(luò)圖連邊分別為8條,13條和11 條,可以發(fā)現(xiàn)疫情期間證券板塊內(nèi)部的連線比疫情前的連線多,并且在疫情得到緩解后證券板塊內(nèi)部的連線減少,說明疫情增加了證券板塊內(nèi)部的傳染性.第四,銀行與證券之間的風(fēng)險(xiǎn)傳染程度會比保險(xiǎn)與證券之間的風(fēng)險(xiǎn)傳染強(qiáng).從圖5中前三個(gè)時(shí)間段金融板塊間的連線來看,銀行與證券的連線比保險(xiǎn)與證券的多,說明銀行對證券的傳染關(guān)系比保險(xiǎn)對證券的傳染關(guān)系強(qiáng),這可能的原因是隨著金融創(chuàng)新的進(jìn)一步深化,銀行與證券之間的業(yè)務(wù)往來更加密切,關(guān)聯(lián)性也越強(qiáng),從而導(dǎo)致兩個(gè)板塊之間的風(fēng)險(xiǎn)傳染較強(qiáng).另外,根據(jù)板塊間的連線還可以發(fā)現(xiàn)證券與銀行更易受其它金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染,也更易將風(fēng)險(xiǎn)傳染至其它金融機(jī)構(gòu),這可能的原因是證券作為中介機(jī)構(gòu),不僅受市場供給方的影響,還受到市場需求方的影響,因此,不論是市場哪一方受到?jīng)_擊產(chǎn)生風(fēng)險(xiǎn)時(shí)都會傳染至證券板塊,而證券板塊發(fā)生風(fēng)險(xiǎn)時(shí)也極易傳染至其它金融機(jī)構(gòu);對于銀行來說,作為經(jīng)濟(jì)運(yùn)行的核心,遭受的沖擊會比其它金融機(jī)構(gòu)的多,并且當(dāng)其受到?jīng)_擊發(fā)生風(fēng)險(xiǎn)時(shí),銀行出現(xiàn)不良貸款的概率會急劇增加,極易引起資金鏈的斷裂,從而將風(fēng)險(xiǎn)傳染至其它金融機(jī)構(gòu).第五,保險(xiǎn)板塊的風(fēng)險(xiǎn)傳染較弱.從圖5四個(gè)時(shí)間段的有向網(wǎng)絡(luò)圖可以發(fā)現(xiàn)保險(xiǎn)板塊間的連邊不僅在系統(tǒng)內(nèi)部是最少的,在于其它板塊的連邊也是最少的,說明保險(xiǎn)板塊內(nèi)部的風(fēng)險(xiǎn)傳染以及對其它板塊金融機(jī)構(gòu)的傳染均較弱.

此外,對比新冠疫情和系統(tǒng)性金融風(fēng)險(xiǎn)最大時(shí)的有向網(wǎng)絡(luò)可以發(fā)現(xiàn):第一,證券板塊的傳染性最強(qiáng).在新冠疫情期間與系統(tǒng)性金融風(fēng)險(xiǎn)最大時(shí)的有向網(wǎng)絡(luò)圖中證券板塊的連邊均是最多的,說明證券不僅易受其它金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染,也極易將風(fēng)險(xiǎn)傳染至其它金融機(jī)構(gòu),因此金融監(jiān)管部門應(yīng)著重加強(qiáng)證券類的風(fēng)險(xiǎn)監(jiān)管,完善證券板塊的風(fēng)險(xiǎn)監(jiān)管體系.第二,金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染存在滯后效應(yīng).對比圖5中的四個(gè)圖可以發(fā)現(xiàn),系統(tǒng)性金融風(fēng)險(xiǎn)最大時(shí)的連線比其它三個(gè)時(shí)間段的連線都多,說明在此時(shí)金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染是最強(qiáng)的,可能是由于在疫情期間國家出臺的一系列疫情防控政策使得疫情的負(fù)面影響受到控制但沒有消除,比如銀保監(jiān)會發(fā)布政策延長中小企業(yè)貸款還本付息時(shí)間,但由于企業(yè)受疫情影響,產(chǎn)能供應(yīng)不足,出現(xiàn)違約可能性較大,因此疫情政策的出臺使得金融機(jī)構(gòu)間受疫情影響出現(xiàn)滯后效應(yīng),從而使得在8月的風(fēng)險(xiǎn)傳染比其它時(shí)間點(diǎn)的風(fēng)險(xiǎn)傳染強(qiáng).

3.6.3 金融機(jī)構(gòu)傳染能力分析

為分析金融機(jī)構(gòu)間的傳染能力,本文在求解出樣本期間內(nèi)各金融機(jī)構(gòu)的輸入連接與輸出連接的基礎(chǔ)上得出各金融機(jī)構(gòu)的總輸入連接與總輸出連接,并對其進(jìn)行排名從而得出金融機(jī)構(gòu)間的傳染能力.表6列出了總輸入連接與總輸出連接中排名前10的金融機(jī)構(gòu),具體如下:

表6 總輸入連接與總輸出連接排名

由表6可以得出:第一,總輸入連接中證券有8家機(jī)構(gòu),銀行2家,而總輸出連接中全為證券機(jī)構(gòu),這說明在樣本期內(nèi),證券的傳染能力最強(qiáng),其次是銀行,最后是保險(xiǎn).第二,可以發(fā)現(xiàn)在總輸入連接中,常熟銀行總輸入連接排名第4,青農(nóng)商行排名第9,兩家銀行均為地方性農(nóng)村商業(yè)銀行,并且根據(jù)《金融業(yè)企業(yè)劃型標(biāo)準(zhǔn)規(guī)定》兩家銀行均為小型金融機(jī)構(gòu),這說明在發(fā)生外部沖擊時(shí)小型地方性銀行更容易受到風(fēng)險(xiǎn)傳染.第三,表3中的證券機(jī)構(gòu)根據(jù)《金融業(yè)企業(yè)劃型標(biāo)準(zhǔn)規(guī)定》可知,除中信建投外均為中型證券機(jī)構(gòu),這說明中型證券機(jī)構(gòu)的傳染能力是最強(qiáng)的.

§4 結(jié)論

考本文以銀行,證券,保險(xiǎn)板塊的金融機(jī)構(gòu)作為研究樣本,首先基于面板向量自回歸考察了突發(fā)公共衛(wèi)生事件對系統(tǒng)性風(fēng)險(xiǎn)的沖擊情況(以新冠肺炎疫情為例),其次在突發(fā)衛(wèi)生事件的背景下,考慮正負(fù)收益率對系統(tǒng)性風(fēng)險(xiǎn)的不同影響,構(gòu)建單指標(biāo)非對稱CoVaR模型,并用LASSO與局部估計(jì)進(jìn)行求解,最終得出金融機(jī)構(gòu)間的有向連接,并構(gòu)建有向網(wǎng)絡(luò)圖.結(jié)果顯示:

第一,突發(fā)衛(wèi)生事件的發(fā)生會使系統(tǒng)性金融風(fēng)險(xiǎn)以及微觀審慎風(fēng)險(xiǎn)(beta)水平短暫上升.根據(jù)脈沖響應(yīng)圖可知疫情新增疫情人數(shù)沖擊會使整體系統(tǒng)性金融風(fēng)險(xiǎn)和微觀審慎風(fēng)險(xiǎn)呈現(xiàn)出正響應(yīng),并且在第3 期達(dá)到峰值后影響逐漸減弱,這說明新冠這一突發(fā)衛(wèi)生事件在短期內(nèi)加大系統(tǒng)性風(fēng)險(xiǎn)水平,但從長遠(yuǎn)來看,由于金融市場的自我調(diào)節(jié)以及國家應(yīng)對突發(fā)衛(wèi)生事件政策的實(shí)施,系統(tǒng)性風(fēng)險(xiǎn)會逐漸呈現(xiàn)低位運(yùn)行.

第二,金融機(jī)構(gòu)整體連通性與系統(tǒng)性金融風(fēng)險(xiǎn)有相同的演變趨勢,并且系統(tǒng)性金融風(fēng)險(xiǎn)會滯后于連通性.具體表現(xiàn)為:整體連通性在1月份開始呈下降態(tài)勢,在2 月達(dá)到低點(diǎn)之后開始逐漸上漲至7月份,隨后又開始下降,而系統(tǒng)性金融風(fēng)險(xiǎn)在3 月到達(dá)峰值之后開始下降,之后在5 月份一直處在低位運(yùn)行狀態(tài),在6月份受抗疫國債影響,滬深300 指數(shù)開始逐漸上漲,直至8 月份達(dá)到最大值,之后開始一直下降,可以發(fā)現(xiàn)從整體上來看,整體連通性的動(dòng)態(tài)演變會先于系統(tǒng)性金融風(fēng)險(xiǎn).

第三,疫情增加了證券板塊的傳染性并且在整個(gè)樣本期間證券的傳染性最強(qiáng).具體表現(xiàn)為:在疫情發(fā)生期間(2020年2月3日-2020年3月3 日)證券板塊內(nèi)部的連線比疫情發(fā)生前和疫情發(fā)生后的連線都要多,說明新冠疫情發(fā)生后證券內(nèi)部的風(fēng)險(xiǎn)傳染增強(qiáng);其次,證券板塊的總輸入連通性與總輸出連接性均是最大的,并且總輸入連接與總輸出連接的排名中前10的金融機(jī)構(gòu)超過80%為證券機(jī)構(gòu),說明證券金融機(jī)構(gòu)的傳染能力較強(qiáng),并且中型金融機(jī)構(gòu)傳染性更強(qiáng)(在總輸入與總輸出連通性的排名中,根據(jù)其《金融業(yè)企業(yè)劃型標(biāo)準(zhǔn)規(guī)定》劃分可知除中信建投外均為中型金融機(jī)構(gòu))..

第四,疫情對金融機(jī)構(gòu)間的系統(tǒng)性金融風(fēng)險(xiǎn)風(fēng)險(xiǎn)傳染存在滯后效應(yīng).具體表現(xiàn)為:在疫情發(fā)生后,金融機(jī)構(gòu)間的連線減少,說明金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染關(guān)系減弱,而在2020年8月6日-2020年9月4日金融機(jī)構(gòu)間的連線增多,即此時(shí)金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染關(guān)系較疫情期間更強(qiáng),這可能是由于防控疫情政策的影響,使得金融機(jī)構(gòu)面臨的風(fēng)險(xiǎn)滯后了,從而使得在疫情發(fā)生后的傳染關(guān)系比疫情期間的還要強(qiáng).