黃新飛， 孫霄霓， 王 飛

（1.中山大學 國際金融學院，廣東 珠海 519082；2. 中山大學 高級金融研究院，廣東 廣州 510275）

一、前 沿

國務院印發(fā)的《中國（海南）自由貿易試驗區(qū)總體方案》(下稱“方案”)指出，應充分發(fā)揮金融支持自貿試驗區(qū)建設的重要作用，以服務實體經濟、促進貿易投融資便利化為出發(fā)點和落腳點，大力推動自貿試驗區(qū)金融開放創(chuàng)新，進一步擴大金融業(yè)開放，為貿易投資便利化提供優(yōu)質金融服務。在海南建設中國特色自由貿易港，是習近平總書記親自謀劃、親自部署、親自推動的改革開放重大舉措。海南作為中國最大的經濟特區(qū)，具備試驗最高水平開放政策和實施全面深化改革的特有優(yōu)勢。如今，海南發(fā)展正迎來新的重大歷史機遇，同時也面臨前所未有的巨大挑戰(zhàn)。金融是國民經濟的血脈，對海南而言，在金融開放進程中如何建立健全風險防控體系，建立自由貿易港宏觀審慎風險管理體系，加強對重大風險的識別和系統(tǒng)性金融風險的防范是未來工作的重要立足點。

不論是2007—2009 年的全球金融危機，2015 年中國股市的異常波動，還是2020 年初暴發(fā)的新冠疫情，都對經濟和社會的穩(wěn)定造成了沖擊，影響了金融運行效率和經濟運行水平。后金融危機時代的海南省整體經濟風險逐步上升，海南自由貿易港遭受重大風險傳染可能性進一步上升。事實表明，傳統(tǒng)的側重于單個機構的風險監(jiān)管不能有效防范系統(tǒng)性風險，因此，有必要從微觀主體角度出發(fā)，找出其中的風險溢出關聯(lián)，在系統(tǒng)背景下訴諸宏觀審慎監(jiān)管。傳統(tǒng)的單個監(jiān)管難以防范和應對系統(tǒng)性風險形成和擴散的一個關鍵原因是，它沒有密切關注企業(yè)或機構之間的風險關聯(lián)性和結構性網絡特征。事實上，企業(yè)間通過業(yè)務交易、由于市場地位等因素，形成了一個復雜、龐大且看似健全的金融網絡。一方面，這種聯(lián)系能帶來快速的經濟增長和高度分散的金融風險；但另一方面，它可能導致負面沖擊(如共同持有資產的短缺)或突發(fā)事件的快速擴散，使得系統(tǒng)性風險呈指數(shù)增長，最終導致金融網絡崩潰，引發(fā)系統(tǒng)性事件(如金融危機)。

縱觀該領域的研究，現(xiàn)有文獻大多關注金融機構間的風險溢出，鮮有從單個企業(yè)的角度出發(fā)，研究其間風險溢出的關系。事實上，金融風險的來源不僅包括金融市場主體，也包括經濟領域的產業(yè)主體，尤其當企業(yè)處在金融開放程度較高的經濟環(huán)境里，更容易產生金融風險鏈的延伸，對中國的宏觀經濟增長和金融穩(wěn)定起著不容忽視的影響。為此，對單個企業(yè)間金融風險溢出情況進行深入分析十分必要。

海南自由貿易港建設作為國家的重大決策，對其實施金融風險管理的重要性不言而喻。因此，本文將以準確測度海南省上市企業(yè)間的風險溢出水平為切入點，深入分析企業(yè)金融風險溢出效應。本文的貢獻在于：（1）從金融網絡的視角出發(fā)，以海南省單個上市企業(yè)為研究對象，分別構建次貸危機、股市異常波動和新冠疫情等事件發(fā)生前、中、后時期的企業(yè)間金融風險溢出網絡，從各企業(yè)間的金融風險溢出效應、網絡聚集特征等角度，分析不同階段金融風險對企業(yè)的影響；（2）以往對于風險主體的研究局限在分析兩個給定主體之間的影響，而非整個系統(tǒng)的變化，且通常沒有關注主體間的非對稱影響，本文構建有向加權復雜網絡，以考察企業(yè)間的非對稱風險溢出，一定程度彌補了這方面實證的不足；（3）為彌補之前研究鮮有從系統(tǒng)角度考慮發(fā)生風險傳染后情形的問題，本文基于SIR模型模擬了不同系統(tǒng)重要性企業(yè)作為風險傳染源時將對海南整體市場產生何種不同規(guī)模的影響。研究結論可以為防范系統(tǒng)性風險的暴發(fā)和蔓延，保持海南自由貿易港的持續(xù)健康發(fā)展提供參考。

二、文獻綜述

近年來，金融風險溢出及其對市場的沖擊程度以及如何進行風險防范都是研究者與政策制定者關注的問題，金融網絡作為風險傳染的路徑載體，成為研究金融風險溢出問題的重要工具。金融風險會在不同金融主體之間的溢出，研究者的關注也從宏觀的金融市場進入到微觀的金融機構。他們認為，某個金融主體會通過一定的風險傳染渠道和機制，對其他金融主體產生相應的風險溢出效應。通過總結現(xiàn)有文獻可以發(fā)現(xiàn)，研究金融風險溢出的文獻大致可以分為三支，一支是基于計量模型來進行分析的方法，探究特定國家或市場是否受到金融風險溢出的影響，包括VAR類模型、GARCH族模型和Copula族模型等；第二支是基于復雜網絡或復雜網絡與模型的結合來進行研究，關注金融風險的動態(tài)演化情況與傳播結果；第三支是基于傳染模型模擬金融風險溢出，分析風險出現(xiàn)后將會造成何種后果。

首先，就第一支文獻來說，鄭挺國和劉堂勇[1]根據8 個國際上重要的股市在1993—2016 年間的數(shù)據基于TVP-VAR 模型測算了其間的波動溢出情況，結果發(fā)現(xiàn)總波動溢出效應在國際股市間出現(xiàn)上升趨勢，這種上升在金融震蕩時期變得尤為顯著。類似地，宮曉莉和熊熊[2]通過TVP-VAR 模型測算方差分解溢出指數(shù)，發(fā)現(xiàn)股票市場具有最大的對外溢出能力。對于Copula 模型的應用來說，葉五一等[3]通過建立時變動態(tài)Copula模型發(fā)現(xiàn)VIX 指數(shù)顯著影響了股票市場間的聯(lián)動性。對于GARCH 模型的研究來說，周愛民和韓菲[4]采用GARCH 族模型測度了股市和匯市的金融風險，發(fā)現(xiàn)同類別金融市場間、同地區(qū)（不同市場）間、跨地區(qū)、跨市場的金融風險溢出效應依次遞減。

接著，我們關注第二支文獻脈絡。事實上，復雜網絡方法在研究金融風險溢出方面具有強大優(yōu)勢，經過構造金融市場復雜網絡可以看出不同金融主體間如何相互影響，并直觀體現(xiàn)影響的程度及方向。具體來看，為了挖掘網絡簡化的主體結構特征，Wang, Xie 和Stanley[5]基于MST-Pearson 和MST-Partial 相關網絡分析了世界股票市場的相關結構和演化，結果發(fā)現(xiàn)從MST-Partial 獲得的結果比從MST-Pearson獲得的結果更合理。Kanno[6]基于相關性網絡使用網絡中心性和MST 方法，評估了COVID-19 對日本上市公司的傳染效應，發(fā)現(xiàn)股票的集聚與相關行業(yè)相對應，在COVID-19 暴發(fā)期間，部門間的聯(lián)系變得更強。然而，根據Carlsson 和Mémoli[7]的研究，MST 的局限性在于計算獲得的聚類通常不穩(wěn)定，很小的輸入擾動可能使得聚類結果產生巨大差異，加之MST構建的是無向關系，無法刻畫金融風險溢出的非對稱關系，因此有向關系的構建是大勢所趨。

首先提出節(jié)點間影響方向這一問題的是Kenett[8]，他通過偏相關系數(shù)計算溢出影響，構建了偏相關平面最大過濾圖(Partial Correlation Planar maximally Filtered Graph, PCPG)網絡，實證研究了基于紐交所300 只股票的收益率數(shù)據，發(fā)現(xiàn)金融股票在樣本期間具有最大的影響力。后來，不少學者也使用了各類方法力求刻畫出風險溢出的非對稱影響。其中，楊子暉和周穎剛[9]從網絡關聯(lián)視角分析了國際金融危機對各國的沖擊，結果表明中國金融市場是系統(tǒng)中的風險溢出凈輸入者，且金融風險可以跨市場傳染，因此應將理念從“太大而不能倒”轉變?yōu)椤疤P聯(lián)而不能倒”。Wang 等[10]基于14 家上市商業(yè)銀行的日波動序列構建波動溢出網絡，研究表明，商業(yè)銀行間具有高度的連通性，國有商業(yè)銀行對波動連通性的貢獻小于股份制商業(yè)銀行和城商行，城商行是波動連通性最大的(凈)提供方，即一家銀行可能“太大而不能倒”，但不一定“關聯(lián)太大而不能倒”，反之亦然；若該體系陷入困境，這兩種情況也可能共存。

最后，為了探討金融風險可能造成多大范圍內的傳染，除了觀測金融風險溢出網絡的結構特征，考察風險在其中的傳染情況也逐漸受到學者的關注，此類研究文獻通常參考傳染病傳播模型。在經典傳染病模型中，各節(jié)點在網絡中依照狀態(tài)不同分為三類：易感染狀態(tài)S(Suspected)，感染狀態(tài)I(Infected)和免疫狀態(tài)R(Recovery)[11]。相應地，基于節(jié)點狀態(tài)之間轉換的研究模型主要有SI、SIS及SIR模型等[12]。Garas,Argyrakis 和Rozenblat[13]等通過SIR 模型模擬經濟危機如何在各國間進行傳染，其研究發(fā)現(xiàn)，除了GDP 體量龐大的美國，諸如比利時這類的國家也有可能成為危機傳染源。同樣基于SIR 模型，馬源源等[14]的研究表明，當網絡中的重要節(jié)點受到沖擊時，危機在網絡中具有極快的傳播速度，從而影響力也更為巨大。Brandi 等[15]基于SIR 模型考察了銀行間網絡的聯(lián)系，結果發(fā)現(xiàn)在2007—2008 年全球金融危機之初，銀行間網絡非常容易受到流動性傳染的影響，研究證明了“關聯(lián)太大而不能倒”的觀點，說明流動性沖擊對銀行間網絡的影響在壓力測試情景中是極其重要的，即使較弱的初始沖擊，也可能導致嚴重的整體損失。Feng, Jo和Kim[16]研究發(fā)現(xiàn)，一些國家的銀行在風險傳染中占據著重要的地位，風險傳染的規(guī)模因國家不同而存在差異。

近年來，很多研究只關注于金融機構之間的波動溢出，且通常使用無向網絡，無法識別風險溢出的方向與強度。此外，由于地理位置及產業(yè)鏈關聯(lián)，上市企業(yè)之間的金融風險溢出及傳染情況也不應被忽視?；诒疚牡难芯矿w系，既能刻畫海南省上市企業(yè)體系受到金融風險沖擊時整體的金融穩(wěn)定性，又能協(xié)助我們挖掘不同企業(yè)在金融風險溢出鏈條上的地位，將SIR傳染病模型及有向復雜網絡等方法統(tǒng)一起來輔助構建新的研究框架，從而為海南自由貿易港的風險防范制度建設提供參考。

三、模型與數(shù)據

本文從金融風險溢出的角度出發(fā)，采用有向加權網絡以及傳染病模型考察海南省上市企業(yè)之間的金融風險傳染的動態(tài)影響，在復雜網絡上模擬傳染病傳染過程以此刻畫企業(yè)間金融風險溢出的動態(tài)情況。首先，使用偏相關系數(shù)方法計算各上市企業(yè)之間非對稱的金融風險凈溢出關系。其次，在此基礎上，使用PCPG 方法構建有向加權網絡探討各企業(yè)在金融風險溢出鏈中的地位，并研究隨時間推移各企業(yè)在金融風險溢出鏈中地位的動態(tài)演變。最后，通過傳染病模型模擬金融風險在企業(yè)間的傳遞，考察不同重要性的傳染源對風險的傳播能力及對整體金融穩(wěn)定的影響。通過上述分析，一方面有助于找到海南自由貿易港中的系統(tǒng)重要性企業(yè)，明確各企業(yè)在金融風險溢出鏈中的地位，另一方面有助于識別企業(yè)間金融風險溢出，從而協(xié)助做好風險的早期預警與防范，為維護海南自由貿易港的金融穩(wěn)定與金融安全提供參考依據，確保海南自由貿易港在蓬勃發(fā)展的同時守住不發(fā)生系統(tǒng)性金融風險的底線。

（一）非對稱溢出影響分析——偏相關系數(shù)方法

依照Kenett(2010)的方法，我們采用迭代法來獲取偏相關系數(shù)，刻畫待考察變量間的非對稱關系。對于變量X1, X2, X3，一階偏相關系數(shù)ρ(X1,X2:X3)的計算路徑是基于普通的Pearson 相關系數(shù)ρ(X1,X2)、ρ(X1,X3)和ρ(X2,X3)進行的：

根據公式（1），若ρ(X1,X2:X3)的值越小，說明變量X3更多地影響X1和X2之間的相關關系。若公式中ρ(X1,X2)、ρ(X1,X3)和ρ(X2,X3)均較小，也會使得ρ(X1,X2:X3)值變小，但此類情況不在本文考慮中。為量化X3對X1和X2的影響并區(qū)分上述兩種情況，本文定義X3對X1和X2這兩個變量之間關系產生的影響為：

顯然，d(X1,X2:X3)會很大當且僅當ρ(X1,X2)的顯著部分可以被X3解釋。因而，下一步的分析更多關注于大的d(X1,X2:X3)，定義X3對X1的平均偏相關影響d(X1:X3)為：

不失一般性，d(X1:X3)≠d(X3:X1)，因此它可以作為變量間存在的非對稱關系的更優(yōu)度量方式。

（二）有向加權網絡分析——偏相關平面最大過濾圖

為了解釋不同變量之間可能存在的非對稱溢出效應，本文使用Kenett等人的PCPG 法構建海南省上市企業(yè)有向加權網絡，過程如下：

(1) 將N個節(jié)點間存在的N(N－1)個平均影響關系依降序排列(不考慮各節(jié)點自己對自己的影響)；

(2) 給定包含N 個節(jié)點的空網絡，依照(1)中的排序進行加邊，繼續(xù)加邊的條件是加邊后的新網絡依然是一個二維平面。例如，從排序中最大元素開始，若其為d(i,j)，當且僅當加上此連接后形成的新網絡是平面的，可以連接這條由j 指向i 的邊，并記為j →i。此外，為保存最重要的信息以及避免交疊，若d(i,j) > d(j,i)，那么只有j →i會被保留在網絡中；

(3) 對有N 個節(jié)點的網絡，重復上述加邊操作至最終有3(N - 2)條邊存于網絡中。這3(N - 2)條有限的邊，是對網絡中N ×(N - 1) ×(N - 2)/2 個原始偏相關關系進行較強過濾后剩余的，即使減少了部分原始信息，它仍提供了一個展示節(jié)點間相互影響的主干網。本文構建的有向網絡，連邊代表各企業(yè)股票統(tǒng)計上的相互影響，也刻畫了風險在企業(yè)間的溢出。

對于無向網絡，與節(jié)點i直接相連的邊的個數(shù)vi稱為該節(jié)點的度；對于有向網絡，從其它節(jié)點指向節(jié)點i的邊的個數(shù)稱作入度(In-degree)，從節(jié)點i指向其他節(jié)點的邊的個數(shù)稱作出度(Out-degree)。

（三）數(shù)據來源與區(qū)間劃分

本節(jié)擬重點考察海南省上市企業(yè)復雜網絡的結構及不同時段的差異，選擇海南省內上市企業(yè)股票收盤價作為研究對象，從樣本中剔除在研究期間內因長期停牌、未上市、退市等原因導致存在大量缺失數(shù)據的股票，剔除數(shù)據不完整股票樣本后，保留了22 支股票從2005 年06 月01 日到2021 年06 月30 日間的日收盤價，相關數(shù)據獲取自Wind數(shù)據庫。

為考察不同時期海南省上市企業(yè)風險溢出情況，將樣本分為7個區(qū)間：時期I：次貸危機前(2005年6月1日至2007年5月30日)、時期II：次貸危機中(2007年6月1日至2009年5月30日)、時期III：次貸危機后股市異常波動前(2009年6月1日至2015年6月12日)、時期IV：股市異常波動中(2015年6月12日至2017年6月19日)、時期V：股市異常波動后新冠疫情前(2017年6月20日至2020年1月22日)、時期VI：新冠疫情中(2020年1月23日至2020年5月7日)、時期VII：后新冠疫情時期(2020年5月8日至2021年6月30日)。

四、海南省內上市企業(yè)金融風險溢出分析

（一）統(tǒng)計分析

股票的收益率定義為價格時間序列的對數(shù)差分，即：

其中，p(t)為股票t日的價格，p(t - 1)為股票t - 1日的價格。

表1給出了海南省上市企業(yè)股票收益率的描述性統(tǒng)計?？梢钥闯觯髌髽I(yè)股票收益率均值都接近于0，且小于各自的標準差，表明平均收益率很低并存在高投資風險；同時，收益率的樣本偏度異于0且峰度異于3，表明各企業(yè)收益率均存在“尖峰厚尾”特征。

表2 時期I與時期II上市企業(yè)有向網絡節(jié)點度分布（前10名）

圖1 展示了根據公式(3)計算出的上市企業(yè)股票間偏相關平均影響的累計概率分布。可以看出，從時期II(次貸危機中)階段開始，上市企業(yè)股票之間的相互影響較次貸危機前更為緊密。在時期III至時期VI 期間股票之間的關聯(lián)性明顯增強且持續(xù)保持一個高位，這期間市場經歷了股票市場的異常波動與突然暴發(fā)的新冠疫情，直到時期VII(后新冠疫情時期)緊密程度才重新下降，說明在金融風險或事件沖擊發(fā)生時，企業(yè)間金融風險溢出的相關性顯著上升，這種緊密的關聯(lián)往往會導致風險在傳播鏈上快速擴散，甚至引發(fā)海南省重大金融風險。

圖1 不同時期股票間的偏相關平均影響

圖2 時期I、II下海南省上市企業(yè)金融風險溢出網絡

（二）不同時期金融風險溢出情況分析

本節(jié)找出了不同時期海南省內具有系統(tǒng)重要性的上市企業(yè)，并在各網絡中展示了企業(yè)間金融風險溢出的大小(以連邊的粗細表示)與方向(以箭頭的方向表示)。文中僅展示了次貸危機發(fā)生時期的結果，各時期完整的節(jié)點度分布表①全部7個時期完整的節(jié)點度分布表見增強出版附件資料中的表A.1—A.4。以及剩余未展示的金融風險溢出網絡圖②剩余未展示在正文中的金融風險溢出網絡圖詳見圖A.1—A.3.詳見增強出版附件資料圖。在時期I(次貸危機暴發(fā)前)，海南海藥、*ST海醫(yī)和ST大洲是網絡中最重要的3個中心企業(yè)，可能是由于這些企業(yè)在該時期對各自所處行業(yè)具有重要影響，中心企業(yè)股價波動更容易影響其他相關企業(yè)，形成股價間的強關聯(lián)關系，并在市場網絡的構建過程中被保留。在時期II(次貸危機期間)，華聞集團、*ST海醫(yī)、海南高速成為最重要的三個中心企業(yè)，也就是從這個時期開始，海南高速逐漸走上了海南省內重要上市企業(yè)的歷史舞臺。

縱觀整個樣本期間，企業(yè)間金融風險溢出網絡均具有較高的聚集特征，在三個事件發(fā)生時則出現(xiàn)了更明顯的聚集性，而這種聚集性在平靜時期有所減弱。此外，不同時期海南省上市企業(yè)在網絡中的地位不盡相同，少數(shù)企業(yè)在金融風險的溢出過程中起到了較大的作用，且其中最具影響力的公司隨時間而改變。由于金融風險溢出網絡中的少數(shù)企業(yè)對金融風險的擴散起到關鍵作用，一旦這些企業(yè)受到外部風險沖擊，或陷于金融困境，其會迅速向市場溢出金融風險，進而可能造成金融風險的大規(guī)模傳染，最終造成海南省內市場的不穩(wěn)定；而網絡中一些影響力低的企業(yè)發(fā)生金融風險時，對整個網絡的影響是有限的。因此，從海南省內風險溢出的角度看，應重點關注影響力較大的企業(yè)，但同時也應關注系統(tǒng)整體的健康，做到早期預警，避免未來發(fā)生系統(tǒng)性的金融風險。

（三）基于SIR 分析省內上市企業(yè)間的金融風險傳染

基于傳播動力學能刻畫待觀測系統(tǒng)中一些復雜的傳播行為，因而成為復雜網絡相關研究中一個重要的工具和方向。為了刻畫傳播網絡中節(jié)點的屬性以及風險在整體網絡中的傳染情況，SIR(Susceptible-Infect-Recover)模型被一些研究所采用。SIR模型將個體在網絡中依照狀態(tài)分為易感(S)、感染(I)和免疫(R)三種類型，免疫個體被定義為感染后被治愈或者遭受感染后死亡，不會繼續(xù)參與后續(xù)傳播過程。因此，可以用如下微分方程表示SIR模型的傳播動力學：

其中，s (t)、i (t)和r (t)分別代表時刻t處于S狀態(tài)、I狀態(tài)和R狀態(tài)的密度。

事實上，市場中各個企業(yè)的狀態(tài)能夠天然地類比于SIR模型中各節(jié)點的狀態(tài)。若一個主體處于正常狀態(tài)時，存在被其他主體傳染金融風險的可能性，即處于S狀態(tài)；若一個主體本身存在金融風險時，則其對其他主體具備傳染能力，即處于I 狀態(tài)；若一個主體經歷風險事件后，喪失了其在市場中的影響能力，則其處于R 狀態(tài)。根據上述分類，本節(jié)基于海南省內上市企業(yè)相關網絡，使用SIR 模型模擬金融風險在企業(yè)間的傳染情況。為對比不同企業(yè)作為風險源頭對金融風險傳染產生的影響，分別將傳染源選定為度最大的企業(yè)和度最小的企業(yè)，然后求出模擬500次后的均值。

圖3 以次貸危機期間為例展示了分別選取度最大企業(yè)和度最小企業(yè)作為傳染源時的金融風險傳染情況，所有七個子樣本期間的模擬情況在附錄圖B.1中展示①7個不同子樣本時期的完整傳染圖詳見增強出版附件資料附錄A。，結果發(fā)現(xiàn)最終傳染規(guī)模隨著時期和傳染源的不同呈現(xiàn)出大小更替的情況。具體而言，以最大度企業(yè)作為傳染源時，當次貸危機發(fā)生時，被感染的企業(yè)數(shù)量在第3次迭代時達到峰值，當中國股市異常波動出現(xiàn)和新冠疫情暴發(fā)時，被感染企業(yè)的數(shù)量在第5 次迭代時達到峰值。相對而言，以度最小的企業(yè)作為傳染源時，感染數(shù)量峰值平均在第8 次迭代時才達到峰值，且峰值低于前者，說明金融風險更難從度更小的企業(yè)傳出，即使傳出，其擴散也更慢。

圖3 次貸危機時期的風險傳染分析

與之對應的是，未曾受到金融風險傳染的企業(yè)數(shù)量呈現(xiàn)出逐漸減少的態(tài)勢，而處于免疫移除狀態(tài)的企業(yè)數(shù)量逐漸增加。從感染的最終規(guī)模來看，當金融風險從度最大企業(yè)溢出時，最終約有70%—80%的企業(yè)受到風險感染；當金融風險從度最小企業(yè)溢出時，僅有約30%—50%的企業(yè)最終受到風險感染，被感染的企業(yè)數(shù)量一直保持在較低水平，受感染被移除的企業(yè)在前40次迭代中緩慢增加，最后趨于穩(wěn)定。

總體來看，次貸危機的沖擊相比其他二者造成了金融風險更快、規(guī)模更大的傳染。但是其他兩個沖擊的影響仍不可忽視，因為通過觀測其他相對平靜時期的模擬結果可以發(fā)現(xiàn)，無論選取何種企業(yè)作為傳染源，上市企業(yè)之間的金融風險在次貸危機期間、中國股市異常波動期間和新冠疫情暴發(fā)期間均呈現(xiàn)出傳染速度更快、傳播規(guī)模更大的特性。綜合來看，海南省內上市企業(yè)間金融風險感染規(guī)模與傳染源的系統(tǒng)重要性有關，具有更大影響力的企業(yè)擁有更強的金融風險傳染能力，一旦受到內部或外部沖擊時，更易導致整個體系陷入風險。

五、結論與分析

本文基于金融風險溢出網絡考察了海南上市企業(yè)間的金融風險溢出關系，并采用SIR傳染病模型動態(tài)刻畫了外部風險沖擊發(fā)生時，整個上市企業(yè)金融風險溢出網絡受單個企業(yè)金融風險溢出影響而遭受感染的演變過程?；诤Ｄ犀F(xiàn)狀，本文圍繞省內環(huán)境深入研究了上市企業(yè)間金融風險溢出的方向、強度，并模擬了外部風險沖擊不同系統(tǒng)重要性企業(yè)可能導致的風險傳染規(guī)模，得到如下主要結論：

根據海南省上市企業(yè)金融風險有向加權網絡的分析結果，發(fā)現(xiàn)少數(shù)企業(yè)在網絡中占據重要的地位，且風險溢出程度最大的企業(yè)隨時間推移而改變。對比不同時期發(fā)現(xiàn)，次貸危機期間企業(yè)間的相互影響較次貸危機前更為緊密；相比其他平靜時期，在經歷中國股票市場異常波動與新冠疫情暴發(fā)的兩個時期，網絡呈現(xiàn)出更高的聚集特征，企業(yè)間金融風險溢出的相關性也有所上升，且這種較強的溢出直到后新冠疫情時期才重新下降。這種較強的關聯(lián)會使得金融風險快速累積與傳染，甚至引發(fā)海南省的重大金融風險。此外，通過SIR模型模擬金融風險擴散程度時發(fā)現(xiàn)，三次事件發(fā)生期間，金融風險溢出速度和規(guī)模均較平靜時期大，且次貸危機的沖擊相比股市異常波動和新冠疫情造成了金融風險更快、規(guī)模更大的傳染，并且感染規(guī)模隨傳染源的系統(tǒng)重要性提升而擴大。

綜合本文的研究，在制定相關金融風險防范措施時應重點防范系統(tǒng)重要性企業(yè)發(fā)生金融風險。為了減少金融風險溢出的發(fā)生，具體可以從兩個角度出發(fā)進行風險管理，一是海南省監(jiān)管機構應未雨綢繆，建立區(qū)域金融監(jiān)管協(xié)調機制，有效履行屬地金融監(jiān)管職責，規(guī)范上市企業(yè)投融資行為，強化外資準入管理，構建自貿試驗區(qū)金融安全信息平臺，建立自由貿易港跨境資本流動宏觀審慎管理體系，防范企業(yè)融資杠桿斷裂或跨境資金轉移可能引發(fā)的金融風險，做到事前風險管理與早期預警。二是建立應急響應機制，明確各企業(yè)在金融風險溢出鏈中的地位，在實際金融風險事件發(fā)生時，從關鍵企業(yè)入手，最大程度降低風險傳染范圍，穩(wěn)定區(qū)域市場，確保海南自由貿易港蓬勃發(fā)展。最后，重點關注上市企業(yè)的整體金融健康，從微觀企業(yè)出發(fā)，但著眼于上市企業(yè)的宏觀表現(xiàn)。由于海南自由貿易港建設要擴大金融開放水平，勢必會增加金融風險防控壓力，在推動海南省進一步提高開放水平的進程中，必須守住不發(fā)生系統(tǒng)性金融風險的底線。