曾從豪（南京林業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，江蘇 南京 210037）

0 引言

物流概念在國外已有近百年的發(fā)展史，日本從美國引用了PD（Physical Distribution）概念，并用日文“物流”代替，我國如今日常使用的“物流”一詞，便是從日文翻譯而來。

1978 年11 月，原國家物資總局副局長陶立同志率領(lǐng)由17 人組成的中國物資工作考察團(tuán)前往日本學(xué)習(xí)生產(chǎn)資料管理和流通情況，并出版和發(fā)行了《外國和港澳地區(qū)物資管理考察》一書。1979 年10 月，日本物的流通協(xié)會(huì)副會(huì)長十時(shí)昌、東京大學(xué)教授林周二等人組成的日本物的流通協(xié)會(huì)物流訪華團(tuán)，在我國北京、上海、成都等多地進(jìn)行學(xué)術(shù)講演，詳細(xì)介紹了國外物流發(fā)展現(xiàn)狀以及物流管理經(jīng)驗(yàn)，在我國引起強(qiáng)烈反響，“物流”一詞也因此在國內(nèi)迅速傳播開來。1988 年，我國設(shè)立物資部，開展了物資運(yùn)輸?shù)膶ｍ?xiàng)行動(dòng)。1992 年，小平同志在南巡講話中表示，要建立社會(huì)主義市場經(jīng)濟(jì)體制、拓展物流外包、提高物流管理水平，引進(jìn)國外的物流思想、技術(shù)和模式，最終達(dá)到讓中國的物流企業(yè)走上正軌的目標(biāo)。與此同時(shí)，民營物流企業(yè)也在快速發(fā)展，國有物流企業(yè)向現(xiàn)代物流企業(yè)轉(zhuǎn)變，國有和民營兩方形成了新格局。21 世紀(jì)初，我國正式加入WTO。隨著改革開放進(jìn)程的加快，現(xiàn)代物流也隨之進(jìn)入了“新紀(jì)元”。近15 年來，我國物流業(yè)發(fā)展極其迅猛，覆蓋范圍急劇擴(kuò)大，包括了以順豐、韻達(dá)等為代表的快遞業(yè)，以美團(tuán)、達(dá)達(dá)等為代表的即時(shí)速送業(yè)，以百世、招商為代表的倉儲(chǔ)業(yè)。作為經(jīng)濟(jì)大國，中國的物流市場十分龐大，到2018 年為止，我國第三方物流規(guī)模就已經(jīng)達(dá)到了2 400 億美元，位居世界前列。物流已經(jīng)是市場經(jīng)濟(jì)的重要一環(huán)，連接著各行各業(yè)，聯(lián)通著千家萬戶，是加快經(jīng)濟(jì)發(fā)展、保障民生建設(shè)的重要內(nèi)容。

然而，隨著“新冠肺炎”疫情不斷蔓延，全國各地的鐵路、公路、水路、民航運(yùn)輸都受到了嚴(yán)重的影響。我國也開始出臺(tái)限制國外航班、輪船、旅客等的入境和登陸，這次突然發(fā)生的“黑天鵝”事件，給我國物流行業(yè)帶來了空前的影響。疫情的巨大沖擊下，市場需求降低，客戶訂單減少，生產(chǎn)活動(dòng)受限，市場競爭加劇，各企業(yè)都面臨著盈利困難、收益下降的局面，同時(shí)，由于終端零售市場的需求急劇下降，導(dǎo)致進(jìn)出口貿(mào)易受到限制，總體利潤下降。而采取隔離、限制人員流動(dòng)等措施，會(huì)使工作效率下降，使得運(yùn)輸和物流成本也隨之進(jìn)一步升高。

一方面，物流企業(yè)因復(fù)工推遲而出現(xiàn)的人力和運(yùn)力短缺，導(dǎo)致人力和時(shí)間成本上升；另一方面，在多數(shù)省份實(shí)施交通管制以后，由于道路規(guī)劃的限制，導(dǎo)致了跨省的車輛繞行費(fèi)用的提高，而且由于貨運(yùn)量的減少，導(dǎo)致了空駛率的提高，使得單車的運(yùn)輸費(fèi)用也隨之升高。綜上，疫情的反復(fù)使得物流企業(yè)面對的風(fēng)險(xiǎn)加劇，因此，研究物流企業(yè)間的風(fēng)險(xiǎn)溢出效應(yīng)對物流企業(yè)的風(fēng)險(xiǎn)防范有著重要意義。

1 計(jì)量模型

1.1 CoVar 模型。CoVaR 這個(gè)概念來源于VaR，它的經(jīng)濟(jì)意義是指一個(gè)企業(yè)發(fā)生風(fēng)險(xiǎn)時(shí)，另一個(gè)企業(yè)因此而承擔(dān)的總體風(fēng)險(xiǎn)價(jià)值。VaR 表示在某一置信水平下，一個(gè)機(jī)構(gòu)可能會(huì)遭受的最大損失，VaR 一般表達(dá)式為：Prob（ΔP ＞Va R）=1-T，而CoVaR 一般表達(dá)式則為：機(jī)構(gòu)i 在機(jī)構(gòu)j 發(fā)生風(fēng)險(xiǎn)的情況下所承擔(dān)的總體風(fēng)險(xiǎn)是其中機(jī)構(gòu)i 本身的自由風(fēng)險(xiǎn)為VaRi，剝離其自由風(fēng)險(xiǎn)后采用增量來表示機(jī)構(gòu)j 給機(jī)構(gòu)i 帶來的風(fēng)險(xiǎn)，表達(dá)式：

1.2 DCC-GARCH 模型。DCC-GARCH 模型是Engle 將CCC-GARCH 模型常數(shù)相關(guān)假設(shè)進(jìn)行改進(jìn)得到的動(dòng)態(tài)條件相關(guān)GARCH模型，主要用于描述不同變量間動(dòng)態(tài)變化關(guān)系和相互影響，可以較好刻畫時(shí)變非線性相關(guān)關(guān)系，其一般步驟是先計(jì)算單變量GARCH 模型，后通過所得參數(shù)計(jì)算多變量間的相關(guān)系數(shù)ρ。GARCH 模型（以GARCH（1,1）為例）一般表達(dá)式如下：

如果涉及到多變量，則涉及到矩陣和協(xié)方差概念，公式如下：

其中：為Ht條件協(xié)方差矩陣，Dt為條件標(biāo)準(zhǔn)差組成的對角矩陣，Rt為動(dòng)態(tài)相關(guān)系數(shù)矩陣，Qt為協(xié)方差矩陣，Q*為經(jīng)過殘差標(biāo)準(zhǔn)化后的無條件協(xié)方差矩陣，為Qt的對角矩陣。

兩變量間動(dòng)態(tài)相關(guān)系數(shù)可以表示為：

1.3 DCC-GARCH-CoVaR 模型。在計(jì)算出前文DCC-GARCH 模型中動(dòng)態(tài)相關(guān)系數(shù)情況下，VaR 和CoVaR 的表達(dá)式可以分別表示為：

其中：Q（q）為置信水平為1-q 時(shí)機(jī)構(gòu)i 收益率所符合的分布下的q 分位數(shù)值，ρij,t為t 時(shí)刻下兩變量間動(dòng)態(tài)條件相關(guān)系數(shù)。

2 實(shí)證研究

2.1 樣本選擇及描述性統(tǒng)計(jì)分析。本文主要選擇了順豐控股和圓通速遞兩只股票日收盤價(jià)作為研究對象，原因是順豐控股和圓通速遞在我國物流公司里最具代表性。樣本的起始日期是2021 年1 月1 日，截止日期是2022 年6 月30 日，所有數(shù)據(jù)均來自于新浪財(cái)經(jīng)網(wǎng)站。在實(shí)證研究之前，先將原數(shù)據(jù)進(jìn)行預(yù)處理，定義股票交易收益率為Rt=ln（Pt/Pt-1），其中：Rt表示當(dāng)期收益率，Pt表示當(dāng)日股票收盤價(jià)格，Pt-1表示前一日股票收盤價(jià)格。用這個(gè)方法計(jì)算收益率主要優(yōu)點(diǎn)有：主要考察價(jià)格變動(dòng)率，避免了波動(dòng)性問題；計(jì)算復(fù)利時(shí)可以將其直接相加，便于直觀地感受一段時(shí)間內(nèi)的收益。

通過Eviews 繪制樣本期間兩支股票收益率趨勢圖，并觀察其走勢。

圖1 描繪了兩支股票的收益率序列，從圖1 中可以看出，順豐控股和圓通速遞的股票收益率均在-0.1 和0.1 區(qū)間波動(dòng)，且呈現(xiàn)出波動(dòng)聚集特征，即高波動(dòng)率和低波動(dòng)率各自聚集在某一時(shí)間段。從波動(dòng)幅度來看，圓通速遞的收益率明顯更為劇烈，即圓通速遞在股票市場表現(xiàn)更為活躍，風(fēng)險(xiǎn)也更大。

圖1 順豐控股和圓通速遞股票收益率時(shí)間序列圖

對兩支股票收益率序列進(jìn)行描述性統(tǒng)計(jì)，結(jié)果如表1 所示。從均值來看，兩支股票收益率均為正。標(biāo)準(zhǔn)差通常被用于衡量數(shù)據(jù)波動(dòng)程度，從標(biāo)準(zhǔn)差來看，圓通速遞的標(biāo)準(zhǔn)差更大，表明圓通速遞股價(jià)波動(dòng)更劇烈，市場風(fēng)險(xiǎn)更大。偏度用于衡量數(shù)據(jù)的偏斜方向和偏斜程度，當(dāng)偏度大于0 時(shí)，長尾在右，說明數(shù)據(jù)中位于平均值右側(cè)的數(shù)據(jù)居多，從偏度來看，順豐控股和圓通速遞收益率序列長尾均在右邊。峰度是一個(gè)對比特征量，對比對象為正態(tài)分布，它研究的是數(shù)據(jù)概率密度曲線分布在均值處的高低，當(dāng)峰度大于3 時(shí)，則數(shù)據(jù)對于正態(tài)分布相對陡峭，存在尖峰厚尾特征，其出現(xiàn)極端值的概率也更大，如表1 顯示，兩支股票收益率序列的峰度均大于3，即都存在尖峰厚尾特征。從J-B 檢驗(yàn)結(jié)果可以看出，兩支股票收益率序列都在0.1 的顯著性水平下拒絕原假設(shè)，即都呈現(xiàn)非正態(tài)分布。

表1 順豐控股和圓通速遞股票收益率序列描述性統(tǒng)計(jì)

2.2 實(shí)證分析

2.2.1 平穩(wěn)性檢驗(yàn)。平穩(wěn)性檢驗(yàn)是檢驗(yàn)序列是否平穩(wěn)，如果存在單位根，會(huì)使得回歸分析中出現(xiàn)偽回歸。當(dāng)時(shí)間數(shù)多于截面數(shù)時(shí)，需要先進(jìn)性平穩(wěn)性檢驗(yàn)。故本文使用常規(guī)的ADF 檢驗(yàn)方法對兩支股票收益率序列平穩(wěn)性進(jìn)行檢驗(yàn)。結(jié)果如表2 所示：

表2 順豐控股和圓通速遞股票收益率序列ADF 檢驗(yàn)結(jié)果

從表2 可以看出，順豐控股和圓通速遞收益率序列ADF 統(tǒng)計(jì)值均小于1%顯著性水平下的臨界值，即兩個(gè)序列是平穩(wěn)的，可以對其構(gòu)建GARCH 模型。

2.2.2 ARMA-GARCH 模型估計(jì)結(jié)果。本文使用R 軟件并基于AIC 信息原則，篩選順豐控股和圓通速遞收益率序列的最優(yōu)ARMA 滯后階數(shù)，對于平穩(wěn)的收益率序列進(jìn)行ARMA（p,q）模型定階。建立GARCH 模型的前提是殘差項(xiàng)的平方存在自相關(guān)性，因此本文先提取ARIMA 模型的殘差進(jìn)行LB 檢驗(yàn)，防止影響下文結(jié)果，結(jié)果如表3 所示。

如表3 所示，p 值均不顯著，即殘差項(xiàng)不存在自相關(guān)性，接下來繼續(xù)對殘差項(xiàng)的平方進(jìn)行LB 檢驗(yàn)，結(jié)果如表4 所示。

表3 殘差項(xiàng)LB 檢驗(yàn)結(jié)果

表4 殘差項(xiàng)平方LB 檢驗(yàn)結(jié)果

如表4 所示，p 值顯著，接受原假設(shè)，即殘差項(xiàng)的平方存在自相關(guān)性，可以對其構(gòu)建GARCH 模型。

根據(jù)R 軟件auto.arima 函數(shù)結(jié)果，對順豐控股和圓通速遞收益率序列都構(gòu)建ARMA（0,0）-GARCH（1,1）模型，估計(jì)結(jié)果如表5 所示：

表5 單變量GARCH 模型估計(jì)結(jié)果

α 表示短期內(nèi)股票對市場上新信息的敏感程度，（α+β）表示股票長期波動(dòng)性趨勢的持續(xù)性。從表5 可以看出，順豐控股和圓通速遞收益率序列模型參數(shù)均為正，且（α+β）值均小于1，滿足模型的約束條件。從顯著性上來看，除順豐控股的α 值在0.05 的顯著性水平下顯著外，其他參數(shù)均在0.01 的顯著性水平下顯著。從（α+β）值來看，兩支股票均比較接近1，說明所構(gòu)造的GARCH 模型擬合情況較好。

2.2.3 DCC-GARCH 模型估計(jì)結(jié)果。根據(jù)前文所構(gòu)建的ARMA-GARCH 模型，對順豐控股和圓通速遞收益率序列構(gòu)建DCC-GARCH 模型，模型估計(jì)結(jié)果如表6 所示。

從表6 可以看出，DCC-GARCH 模型估計(jì)參數(shù)均為正數(shù)，且滿足（α+β）值小于1 的約束條件，參數(shù)在0.05 顯著性水平下顯著。從結(jié)果來看，α 值越小，說明滯后一期的殘差乘積對動(dòng)態(tài)相關(guān)系數(shù)的影響越不明顯，β 值越接近于1，說明前一期對兩支股票的收益率序列相關(guān)系數(shù)影響越大，且兩支股票的相關(guān)系數(shù)持續(xù)性較強(qiáng)。表6 結(jié)果顯示，DCC-GARCH 模型估計(jì)的α 值較小，說明順豐控股和圓通速遞收益率序列動(dòng)態(tài)相關(guān)系數(shù)受滯后一期的標(biāo)準(zhǔn)化殘差乘積影響很小，而β 值較大，說明二者相關(guān)系數(shù)具有較強(qiáng)的持續(xù)性。二者動(dòng)態(tài)相關(guān)系數(shù)時(shí)序圖如圖2 所示。

表6 DCC-GARCH 模型估計(jì)結(jié)果

圖2 順豐控股和圓通速遞收益率序列動(dòng)態(tài)相關(guān)系數(shù)時(shí)序圖

2.2.4 實(shí)證結(jié)果分析。從上文DCC-GARCH 模型所得到的結(jié)果，并結(jié)合ΔCoVar 計(jì)算公式，采用5%分位數(shù)水平對樣本期間順豐控股和圓通速遞收益率序列極端風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行量化，得到二者間ΔCoVar 結(jié)果如圖3 所示：

圖3 順豐控股和圓通速遞收益率序列極端風(fēng)險(xiǎn)溢出效應(yīng)

圖3 給出了，當(dāng)極端風(fēng)險(xiǎn)發(fā)生時(shí)，順豐控股和圓通速遞間動(dòng)態(tài)風(fēng)險(xiǎn)變化情況，從溢出水平上來看，順豐控股對圓通速遞的風(fēng)險(xiǎn)溢出水平大于圓通速遞對順豐控股的風(fēng)險(xiǎn)溢出水平。這意味著，當(dāng)物流市場發(fā)生風(fēng)險(xiǎn)事件時(shí)，順豐控股對于圓通速遞的風(fēng)險(xiǎn)傳染程度更高。觀察兩條曲線走勢可以發(fā)現(xiàn)，順豐控股對圓通速遞的風(fēng)險(xiǎn)溢出水平波動(dòng)范圍更大，整體溢出值在0 到0.062的范圍內(nèi)波動(dòng)，這說明了當(dāng)順豐控股受到風(fēng)險(xiǎn)沖擊時(shí)，更加容易快速做出反應(yīng)，并向市場其他企業(yè)傳播風(fēng)險(xiǎn)。相比下，圓通速遞對市場的風(fēng)險(xiǎn)傳染速度相對較慢。

具體分析兩支股票風(fēng)險(xiǎn)溢出情況可知，溢出值在大部分時(shí)間較為穩(wěn)定，在0 到0.04 的范圍內(nèi)小幅度波動(dòng)，主要在2020 年2 月、2020 年9 月和2022 年1 月達(dá)到峰值，分別為0.05、0.05 和0.06，其原因可能在于，2020 年2 月，國內(nèi)疫情處于開端，也是傳染風(fēng)險(xiǎn)最大的階段，政府對于物流的限制，導(dǎo)致了國內(nèi)物流企業(yè)風(fēng)險(xiǎn)激增；2021 年9 月，中國物流與采購聯(lián)合會(huì)公布的國內(nèi)物流業(yè)景氣指數(shù)為54%，同比上升了4.5 個(gè)百分點(diǎn)，物流行業(yè)內(nèi)有“金九銀十”的規(guī)律，并隨著中秋、國慶兩節(jié)的來臨，物流需求趨旺，業(yè)務(wù)活躍，扭轉(zhuǎn)了連續(xù)四個(gè)月回落的走勢，物流企業(yè)業(yè)務(wù)激增；2022 年1 月，受到疫情影響區(qū)域、領(lǐng)域供給短缺，物流供需結(jié)構(gòu)性失衡加劇，物流服務(wù)價(jià)格波動(dòng)明顯增大，加劇了物流業(yè)間風(fēng)險(xiǎn)傳遞。而通過觀察圖3 可以看出，順豐控股和圓通速遞收益率序列極端風(fēng)險(xiǎn)溢出效應(yīng)在2022 年3 月至5 月，均有較大波動(dòng)幅度，結(jié)合國內(nèi)疫情分析，以上海、蘇州為代表的華東地區(qū)，均呈現(xiàn)出情況嚴(yán)重、持續(xù)時(shí)間較長的疫情反復(fù)，這些經(jīng)濟(jì)發(fā)達(dá)的地區(qū)物流倉儲(chǔ)庫房和場站在疫情下停止運(yùn)轉(zhuǎn)了，整個(gè)分揀工作因此就無法完成，對物流業(yè)的沖擊是非常明顯的。