郭德友,石振宇

(天津財(cái)經(jīng)大學(xué) 金融學(xué)院,天津 300222)

一、引言

后危機(jī)時(shí)代全球經(jīng)濟(jì)增速持續(xù)放緩與中美貿(mào)易摩擦不斷反復(fù),疊加中國(guó)經(jīng)濟(jì)“大調(diào)整”關(guān)鍵時(shí)期,國(guó)內(nèi)經(jīng)濟(jì)和金融下行壓力不斷增大。2020年初新冠肺炎疫情全球“大流行”,不僅加劇了國(guó)際金融市場(chǎng)的劇烈震蕩,而且導(dǎo)致全球經(jīng)濟(jì)急劇衰退。為緩解外部風(fēng)險(xiǎn)沖擊,中國(guó)政府加大宏觀經(jīng)濟(jì)政策的逆周期調(diào)控力度,在國(guó)民經(jīng)濟(jì)企穩(wěn)回升的同時(shí)也導(dǎo)致各部門杠桿率快速擴(kuò)張。金融套利和杠桿交易造成的資金“脫實(shí)向虛”,不僅壓縮了實(shí)體經(jīng)濟(jì)的發(fā)展空間,而且還將對(duì)金融體系平穩(wěn)運(yùn)行產(chǎn)生潛在影響。在此背景下,探討中國(guó)省際金融周期波動(dòng)的溢出動(dòng)態(tài)、網(wǎng)絡(luò)結(jié)構(gòu)和區(qū)域關(guān)聯(lián),具有重要的學(xué)術(shù)價(jià)值和現(xiàn)實(shí)意義,不僅有助于刻畫中國(guó)金融波動(dòng)風(fēng)險(xiǎn)的跨時(shí)空交叉?zhèn)魅竞屯l共振效應(yīng),探究金融波動(dòng)省際關(guān)聯(lián)的驅(qū)動(dòng)因素與傳導(dǎo)機(jī)制,防范系統(tǒng)性金融風(fēng)險(xiǎn)隱患,而且有助于健全“貨幣政策+宏觀審慎政策”雙支柱跨時(shí)期、跨市場(chǎng)調(diào)控框架的制度設(shè)計(jì)和政策協(xié)調(diào),實(shí)現(xiàn)穩(wěn)增長(zhǎng)與防風(fēng)險(xiǎn)的動(dòng)態(tài)平衡。

二、文獻(xiàn)綜述

Borio(2014)[1]將金融周期定義為價(jià)值和風(fēng)險(xiǎn)認(rèn)知與風(fēng)險(xiǎn)偏好和融資約束在繁榮與蕭條中交替更迭的相互自我強(qiáng)化作用?，F(xiàn)有文獻(xiàn)分析了金融周期波動(dòng)特征與外生政策沖擊之間的關(guān)系及其相互作用特征。一方面,金融周期的長(zhǎng)度和波幅均依賴于政策制度,并且波頻低于經(jīng)濟(jì)周期,金融周期的波峰與金融危機(jī)相互關(guān)聯(lián),可用于測(cè)度金融風(fēng)險(xiǎn)的累積程度(Borio and Lowe,2002;Borio and Drehmann,2009;Drehmann et al.,2012)[2～4]。另一方面,政策的失調(diào)可能加劇長(zhǎng)期金融失衡,范小云等(2017)[5]認(rèn)為,當(dāng)政策當(dāng)局忽視資產(chǎn)價(jià)格、風(fēng)險(xiǎn)偏好與融資約束之間的相互反饋機(jī)制對(duì)宏觀經(jīng)濟(jì)的影響時(shí),可能在實(shí)現(xiàn)抑制短期實(shí)體衰退的同時(shí)加劇長(zhǎng)期金融失衡。上述研究讓學(xué)術(shù)界更加重視對(duì)金融周期理論的研究,因?yàn)閷?duì)金融周期的建模和波動(dòng)性預(yù)測(cè),可以通過測(cè)度金融體系的失衡和金融市場(chǎng)的困境為政策當(dāng)局宏觀審慎監(jiān)管提供實(shí)時(shí)預(yù)警(伊楠和張斌,2016)[6]。換言之,當(dāng)著眼于短周期的經(jīng)濟(jì)周期理論難以化解長(zhǎng)期積累的深層次結(jié)構(gòu)性問題時(shí),中長(zhǎng)周期視角下的金融周期理論則可以為探索經(jīng)濟(jì)持續(xù)增長(zhǎng)提供新的政策思路(范小云等,2017)[5]。這為本研究從金融周期視角探討中國(guó)省際風(fēng)險(xiǎn)敞口的演變及其波動(dòng)溢出特征,考察省際風(fēng)險(xiǎn)關(guān)聯(lián)的驅(qū)動(dòng)因素與傳導(dǎo)機(jī)制,進(jìn)而防范系統(tǒng)性金融風(fēng)險(xiǎn)提供了重要理論基礎(chǔ)。

有關(guān)金融周期波動(dòng)的網(wǎng)絡(luò)結(jié)構(gòu)及時(shí)變溢出動(dòng)態(tài)研究近年來取得了一定進(jìn)展,現(xiàn)有文獻(xiàn)重點(diǎn)關(guān)注了溢出主體之間的影響關(guān)系、溢出強(qiáng)度的演變、溢出的方向特征、溢出的驅(qū)動(dòng)因素及溢出渠道等方面。具體如下:其一,在溢出關(guān)系的特征方面,鄧創(chuàng)和徐曼(2019)[7]采用基于TVP-VAR模型的時(shí)變溢出指數(shù)考察中美兩國(guó)金融周期波動(dòng)的溢出效應(yīng)及傳導(dǎo)機(jī)制,發(fā)現(xiàn)美國(guó)金融波動(dòng)對(duì)中國(guó)金融體系的定向溢出效應(yīng)相對(duì)更強(qiáng),并且隨著兩國(guó)金融周期協(xié)動(dòng)性的提高,金融風(fēng)險(xiǎn)的主要傳導(dǎo)渠道由雙邊貿(mào)易渠道轉(zhuǎn)為資本市場(chǎng)聯(lián)動(dòng)渠道(鄧創(chuàng)和徐曼,2015)[8]。這一研究以風(fēng)險(xiǎn)的“跨國(guó)”溢出為視角,而本研究則關(guān)注省際溢出網(wǎng)絡(luò)及溢出動(dòng)態(tài)。其二,在波動(dòng)溢出的強(qiáng)度演變特征方面,趙艷平等(2021)[9]證明了全球金融周期關(guān)聯(lián)程度自國(guó)際金融危機(jī)以來顯著增強(qiáng),各經(jīng)濟(jì)體之間的跨境溢出在危機(jī)沖擊后強(qiáng)度明顯增加。其三,在波動(dòng)溢出的方向特征方面,有學(xué)者刻畫了引發(fā)風(fēng)險(xiǎn)凈溢出的主要國(guó)家,陳創(chuàng)練等(2021)[10]指出,美國(guó)、西班牙、日本和意大利是全球主要的金融周期波動(dòng)凈溢出國(guó),而楊子暉和周穎剛(2018)[11]通過研究全球系統(tǒng)性金融風(fēng)險(xiǎn)溢出與外部沖擊的關(guān)系發(fā)現(xiàn),中國(guó)金融周期波動(dòng)與全球風(fēng)險(xiǎn)周期波動(dòng)之間的同步性不斷增強(qiáng),全球金融周期波動(dòng)風(fēng)險(xiǎn)具有明顯的跨市場(chǎng)傳染效應(yīng),并且中國(guó)是全球金融風(fēng)險(xiǎn)溢出中的凈風(fēng)險(xiǎn)吸收者。其四,在溢出驅(qū)動(dòng)因素及其對(duì)中國(guó)金融市場(chǎng)的影響方面,Scheubel等(2019)[12]測(cè)度了全球金融周期,并識(shí)別出全球資本流動(dòng)因素引發(fā)的貨幣危機(jī)是加劇金融周期波動(dòng)的重要驅(qū)動(dòng)因素。梁琪等(2015)[13]則進(jìn)一步證明了中國(guó)股市的波動(dòng)率受全球金融危機(jī)等極端事件的影響非常顯著,單一市場(chǎng)在極端條件下的尾部風(fēng)險(xiǎn)也是導(dǎo)致全球金融周期波動(dòng)的重要驅(qū)動(dòng)因素。其五,在風(fēng)險(xiǎn)溢出的傳導(dǎo)渠道方面,Agénor和Pereira(2022)[14]證明了國(guó)際金融風(fēng)險(xiǎn)傳染渠道包括證券投資組合、跨國(guó)銀行信貸渠道、貿(mào)易關(guān)聯(lián)渠道、信息或信心渠道以及政策溢出渠道。徐少君等(2020)[15]認(rèn)為金融渠道是國(guó)際金融壓力風(fēng)險(xiǎn)傳染的重要機(jī)制,而貿(mào)易關(guān)聯(lián)渠道等的作用則相對(duì)較小。

綜合上述文獻(xiàn)可知,隨著金融全球化程度不斷提高,國(guó)際金融壓力風(fēng)險(xiǎn)溢出效應(yīng)正逐漸增強(qiáng),在金融危機(jī)期間呈現(xiàn)出一致性和傳染性特征(Balakrishnan et al.,2011)[16],并且對(duì)全球經(jīng)濟(jì)系統(tǒng)和實(shí)體經(jīng)濟(jì)造成毀滅性沖擊(Dovern and Van,2014)[17]。然而,現(xiàn)有研究大多關(guān)注金融周期波動(dòng)的跨國(guó)溢出,而對(duì)一國(guó)內(nèi)部金融周期跨區(qū)域溢出的關(guān)注較少。曹廷求和張翠燕(2021)[18]認(rèn)為,在全國(guó)統(tǒng)一的宏觀審慎監(jiān)管框架下,不同地區(qū)由于微觀經(jīng)濟(jì)主體行為表現(xiàn)不同進(jìn)而形成地區(qū)金融周期波動(dòng)差異。這種波動(dòng)差異由于財(cái)政赤字壓力下地方政府之間的競(jìng)爭(zhēng)及區(qū)際要素流動(dòng)而產(chǎn)生溢出聯(lián)動(dòng)效應(yīng)。這為本研究探索省際金融周期波動(dòng)溢出特征及其網(wǎng)絡(luò)結(jié)構(gòu)指明了理論價(jià)值和現(xiàn)實(shí)意義。圖1為區(qū)域金融周期存在性及跨區(qū)域關(guān)聯(lián)示意圖。

圖1 區(qū)域金融周期存在性及跨區(qū)域關(guān)聯(lián)示意圖

縱觀現(xiàn)有研究,學(xué)術(shù)界較少探討中國(guó)省際金融周期波動(dòng)的溢出效應(yīng),但是區(qū)域間金融波動(dòng)的相互沖擊和傳染則可能疊加放大系統(tǒng)性金融風(fēng)險(xiǎn)。有鑒于此,本研究著重考察中國(guó)省際金融周期波動(dòng)的跨時(shí)空風(fēng)險(xiǎn)傳染及關(guān)聯(lián)機(jī)制。與已有文獻(xiàn)相比,本研究可能的創(chuàng)新之處在于:其一,時(shí)間維度上,采用LASSO-VAR模型構(gòu)建滾動(dòng)溢出指數(shù),在解決高維變量VAR模型估計(jì)“維度詛咒”難題的同時(shí),探究省際金融波動(dòng)關(guān)聯(lián)的動(dòng)態(tài)變化特征。其二,空間維度上,運(yùn)用復(fù)雜網(wǎng)絡(luò)塊模型分析研判省際金融波動(dòng)關(guān)聯(lián)網(wǎng)絡(luò)的節(jié)點(diǎn)系統(tǒng)重要性、板塊溢出角色特征和省際風(fēng)險(xiǎn)傳遞路徑。其三,關(guān)聯(lián)解釋上,使用復(fù)雜網(wǎng)絡(luò)二次指派程序方法識(shí)別金融波動(dòng)省際關(guān)聯(lián)的驅(qū)動(dòng)因素及傳導(dǎo)機(jī)制,從而為金融波動(dòng)跨時(shí)空傳染提供經(jīng)驗(yàn)檢驗(yàn)。

三、研究方法與數(shù)據(jù)說明

構(gòu)建包含中國(guó)31個(gè)省(自治區(qū)、直轄市,以下稱省份)的高維變量LASSO-VAR模型;運(yùn)用模型估計(jì)得到的滾動(dòng)廣義預(yù)測(cè)誤差方差分解方法,構(gòu)造省際金融周期波動(dòng)溢出指數(shù)和關(guān)聯(lián)網(wǎng)絡(luò)。對(duì)變量和數(shù)據(jù)選取進(jìn)行簡(jiǎn)要說明。

(一)研究方法

1.LASSO-VAR模型

借鑒Diebold和Yilmaz(2009)[19]的做法,采用滾動(dòng)VAR模型的預(yù)測(cè)誤差方差分解方法探討中國(guó)省際金融周期波動(dòng)關(guān)聯(lián)程度?？紤]以下協(xié)方差平穩(wěn)的N維VAR(p)過程:

(1)

其中,xt為N維列向量,由N個(gè)省份的金融周期指數(shù)構(gòu)成;εt～(0,Σ)為N維獨(dú)立同分布的擾動(dòng)列向量,Σ為誤差向量ε的協(xié)方差矩陣。式(1)的移動(dòng)平均形式為:

(2)

其中,N×N維系數(shù)矩陣Ai服從遞歸公式Ai=Φ1Ai-1+Φ2Ai-2+…+ΦpAi-p,A0為N×N維單位矩陣,且當(dāng)i<0時(shí),Ai=0。

為解決由于高維數(shù)據(jù)導(dǎo)致VAR模型普通最小二乘法估計(jì)的自由度不足問題,引入LASSO(最小絕對(duì)壓縮和選擇算子)方法估計(jì)模型參數(shù)。LASSO是在最小二乘法基礎(chǔ)上對(duì)系數(shù)的1范數(shù)施加約束,以同時(shí)實(shí)現(xiàn)參數(shù)估計(jì)和變量選擇(Messner and Pinson,2019)[20],LASSO-VAR模型估計(jì)的矩陣表達(dá)式為(Nicholson et al.,2017)[21]:

(3)

其中,‖A‖F(xiàn)為矩陣A的Frobenius范數(shù);‖Φi‖1為l1的懲罰項(xiàng);λi為懲罰參數(shù),表示對(duì)參數(shù)的壓縮程度?？紤]到時(shí)間序列數(shù)據(jù)可能存在自相關(guān)性,因此分別借鑒Nicholson等(2017)[21]和Friedman等(2010)[22]的做法,運(yùn)用滾動(dòng)交叉驗(yàn)證法確定λi的取值,采用坐標(biāo)下沉算法求解模型。

2.基于LASSO-VAR模型的溢出指數(shù)

借鑒Diebold和Yilmaz(2012)[23]的做法,基于LASSO-VAR模型的廣義方差分解方法構(gòu)建中國(guó)各省份之間的金融周期波動(dòng)溢出指數(shù)。定義由省份j沖擊引起省份i波動(dòng)的H步前向預(yù)測(cè)誤差方差分解θij(H)為:

(4)

(5)

3.基于LASSO-VAR模型的關(guān)聯(lián)網(wǎng)絡(luò)

借鑒Diebold和Yilmaz(2014)[24]的研究,基于LASSO-VAR模型測(cè)度的波動(dòng)溢出指數(shù)構(gòu)建各省份之間金融周期波動(dòng)的關(guān)聯(lián)網(wǎng)絡(luò)。定義全國(guó)金融周期波動(dòng)的總體溢出效應(yīng)為:

(6)

定義省份i金融周期波動(dòng)對(duì)其他省份的波動(dòng)溢入、溢出和凈效應(yīng)為:

(7)

(8)

(9)

基于復(fù)雜網(wǎng)絡(luò)視角,將系統(tǒng)內(nèi)各省份作為網(wǎng)絡(luò)的節(jié)點(diǎn),將省際金融周期波動(dòng)溢出方向作為網(wǎng)絡(luò)的連邊,將波動(dòng)溢出指數(shù)作為網(wǎng)絡(luò)的鄰接矩陣,構(gòu)建中國(guó)各省份之間的金融周期波動(dòng)溢出網(wǎng)絡(luò)。

(二)變量選取與數(shù)據(jù)說明

Borio(2014)[1]認(rèn)為信貸規(guī)模和房地產(chǎn)價(jià)格是測(cè)度金融周期的基準(zhǔn)變量。其中,信貸連接儲(chǔ)蓄與投資,能夠刻畫金融市場(chǎng)波動(dòng)(Gorton and He,2008)[25];房地產(chǎn)作為普遍的抵押品,其價(jià)格變動(dòng)能夠反映宏觀經(jīng)濟(jì)波動(dòng)(IMF,2003)[26]?？紤]到信貸與房?jī)r(jià)的聯(lián)動(dòng)刻畫了融資約束、資產(chǎn)價(jià)格與風(fēng)險(xiǎn)認(rèn)知的交互增強(qiáng)作用(伊楠和張斌,2016)[6],而杠桿與房?jī)r(jià)的結(jié)合則能夠減少誤差與擾動(dòng),以準(zhǔn)確測(cè)算金融周期(范小云等,2017)[5],因此借鑒朱太輝和黃海晶(2018)[27]的做法,選取中國(guó)31個(gè)省份的本外幣各項(xiàng)貸款余額、房地產(chǎn)開發(fā)企業(yè)商品房銷售單價(jià)和本外幣各項(xiàng)貸款余額/GDP的同比增速作為變量,數(shù)據(jù)經(jīng)標(biāo)準(zhǔn)化處理后運(yùn)用主成分分析方法合成金融周期指數(shù)(1)指標(biāo)測(cè)算過程中,借鑒彭紅楓和朱怡哲(2019)[28]的方法,將GDP季度數(shù)據(jù)轉(zhuǎn)換為月度數(shù)據(jù)。。樣本區(qū)間為2006年1月至2019年12月,數(shù)據(jù)來源于Wind數(shù)據(jù)庫(2)鑒于數(shù)據(jù)可得性,未將中國(guó)香港、中國(guó)澳門和中國(guó)臺(tái)灣的數(shù)據(jù)納入研究樣本。。

四、實(shí)證結(jié)果與分析

運(yùn)用滾動(dòng)溢出指數(shù)分析全國(guó)及各內(nèi)部區(qū)域金融周期波動(dòng)的時(shí)變溢出動(dòng)態(tài)。基于復(fù)雜網(wǎng)絡(luò)視角探討省際金融周期波動(dòng)的空間網(wǎng)絡(luò)結(jié)構(gòu);運(yùn)用二次指派程序分析對(duì)關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)的驅(qū)動(dòng)因素和傳導(dǎo)機(jī)制進(jìn)行實(shí)證檢驗(yàn)。

(一)中國(guó)金融周期波動(dòng)的時(shí)變溢出動(dòng)態(tài)

1.總體時(shí)變溢出動(dòng)態(tài)

圖2為中國(guó)金融周期波動(dòng)的總體時(shí)變溢出動(dòng)態(tài)及中國(guó)經(jīng)濟(jì)周期運(yùn)行態(tài)勢(shì)(3)滾動(dòng)估計(jì)過程中,設(shè)定滾動(dòng)窗口為37個(gè)月,設(shè)定預(yù)測(cè)期為6個(gè)月。。由圖2可知,總體而言,中國(guó)金融波動(dòng)溢出指數(shù)與宏觀經(jīng)濟(jì)景氣指數(shù)走勢(shì)較為吻合,即省際金融波動(dòng)風(fēng)險(xiǎn)傳染具有順周期性。經(jīng)濟(jì)上行周期中的“金融加速器”效應(yīng)使得作為抵押品的房地產(chǎn)等資產(chǎn)價(jià)格上漲,企業(yè)經(jīng)營(yíng)狀況改善、償債能力增強(qiáng),銀企之間信息不對(duì)稱程度縮小,從而使得信貸風(fēng)險(xiǎn)降低,銀行降低信貸標(biāo)準(zhǔn)并引起信貸投放增加。金融市場(chǎng)活躍度上升通過信貸總量擴(kuò)張、風(fēng)險(xiǎn)偏好增加與房地產(chǎn)價(jià)格上漲的交互增強(qiáng)效應(yīng)提高省際金融周期波動(dòng)關(guān)聯(lián)程度。反之,經(jīng)濟(jì)下行周期金融市場(chǎng)活躍度較低,省際金融波動(dòng)關(guān)聯(lián)程度也隨之降低。除此之外,各種外部沖擊和政策調(diào)整也將影響省際金融波動(dòng)的總體溢出水平,具體而言:

圖2 中國(guó)金融周期波動(dòng)的總體時(shí)變溢出動(dòng)態(tài)及中國(guó)經(jīng)濟(jì)周期運(yùn)行態(tài)勢(shì)

2008年底,為應(yīng)對(duì)金融危機(jī)的財(cái)政刺激計(jì)劃,直接刺激信貸在短期內(nèi)擴(kuò)張,使得銀行業(yè)風(fēng)險(xiǎn)偏好在危機(jī)期間不降反升。危機(jī)中,經(jīng)濟(jì)基本面和金融資產(chǎn)質(zhì)量不斷惡化,金融市場(chǎng)之間的共同風(fēng)險(xiǎn)敞口迅速擴(kuò)大,投資者的風(fēng)險(xiǎn)厭惡情緒和非理性羊群效應(yīng)使得省際金融風(fēng)險(xiǎn)跨市場(chǎng)傳染不斷增強(qiáng)。此后,隨著中國(guó)經(jīng)濟(jì)發(fā)展面臨“三期疊加”、經(jīng)濟(jì)增長(zhǎng)進(jìn)入“新常態(tài)”,受出口放緩、產(chǎn)能過剩和樓市調(diào)整等因素的影響,經(jīng)濟(jì)下行壓力持續(xù)增大,加之信貸環(huán)境偏緊、資金利率高企、市場(chǎng)融資成本上漲,導(dǎo)致房地產(chǎn)開發(fā)投資減速較快、房地產(chǎn)銷售降幅較大、土地市場(chǎng)明顯降溫,國(guó)房景氣指數(shù)持續(xù)回落使得房地產(chǎn)行業(yè)整體呈現(xiàn)低迷狀態(tài),并由此導(dǎo)致信貸投放增速持續(xù)放緩,金融波動(dòng)溢出指數(shù)持續(xù)走低。2013年上半年,外匯占款下降、季末“沖時(shí)點(diǎn)”和財(cái)政存款減少造成中國(guó)人民銀行貨幣資金持續(xù)回籠并觸發(fā)6月份的“錢荒”,市場(chǎng)流動(dòng)性被動(dòng)緊縮導(dǎo)致銀行間同業(yè)拆借利率迅速飆升、省際銀行同業(yè)業(yè)務(wù)急劇收縮,金融波動(dòng)溢出效應(yīng)驟增。2016年底,中國(guó)人民銀行將宏觀審慎評(píng)估體系納入貨幣政策和宏觀審慎政策雙支柱調(diào)控框架,通過貨幣政策和監(jiān)管政策共同收緊,降低企業(yè)杠桿、抑制樓市泡沫,加之2017年美聯(lián)儲(chǔ)加息縮表引發(fā)國(guó)內(nèi)金融市場(chǎng)和貨幣政策不確定性增加,市場(chǎng)恐慌情緒蔓延導(dǎo)致金融波動(dòng)關(guān)聯(lián)水平不斷上漲。2018年初,隨著中美貿(mào)易摩擦升級(jí)和全球金融市場(chǎng)震蕩加劇,投資者悲觀預(yù)期迅速向國(guó)內(nèi)擴(kuò)散,國(guó)內(nèi)金融去杠桿政策深化導(dǎo)致資本市場(chǎng)非理性波動(dòng)加大,部分企業(yè)融資渠道收縮、債券違約風(fēng)險(xiǎn)增加,加之2019年銀行破產(chǎn)事件的負(fù)面沖擊,導(dǎo)致中小銀行同業(yè)業(yè)務(wù)風(fēng)險(xiǎn)加大,金融波動(dòng)溢出指數(shù)再度回升至高位。在此期間,部分北方省份調(diào)整GDP統(tǒng)計(jì)口徑導(dǎo)致省際宏觀杠桿率出現(xiàn)較大分化,使得全國(guó)金融波動(dòng)總體關(guān)聯(lián)水平驟降。

圖3為東西部地區(qū)和南北方地區(qū)金融周期波動(dòng)的時(shí)變溢出動(dòng)態(tài)(4)東部地區(qū)包括:北京、天津、河北、遼寧、上海、江蘇、浙江、福建、廣東、山東和海南;西部地區(qū)包括:廣西、內(nèi)蒙古、四川、重慶、貴州、云南、陜西、甘肅、青海、寧夏、新疆和西藏。北方地區(qū)包括:北京、天津、河北、山西、河南、山東、陜西、黑龍江、吉林和遼寧;南方地區(qū)包括:江蘇、安徽、上海、浙江、福建、廣東、海南、湖北、湖南、江西、四川、重慶、貴州、云南和廣西。中部地區(qū)金融周期波動(dòng)的時(shí)變溢出動(dòng)態(tài)介于東部地區(qū)和西部地區(qū)之間,為簡(jiǎn)化繪圖未將其繪制在圖中;對(duì)于跨南北方地區(qū)的省份,根據(jù)省份包含于兩個(gè)地區(qū)的相對(duì)面積和省會(huì)城市所在地區(qū)進(jìn)行劃分。。由圖3可知,一方面,2017年以來,東西部地區(qū)的金融波動(dòng)總體溢出水平出現(xiàn)分化態(tài)勢(shì)。這是因?yàn)?017年初,“一行三會(huì)”分別通過提高M(jìn)LF利率、回籠貨幣和加強(qiáng)同業(yè)、理財(cái)及投資等業(yè)務(wù)監(jiān)管方式,收緊貨幣和監(jiān)管政策,這使得金融抑制較強(qiáng)、市場(chǎng)化程度較低的西部地區(qū)受到的政策沖擊更大,其金融波動(dòng)關(guān)聯(lián)水平明顯上升。此外,近年來西部地區(qū)經(jīng)濟(jì)增速較快而東部地區(qū)經(jīng)濟(jì)增長(zhǎng)乏力,部分東部省份調(diào)整GDP統(tǒng)計(jì)口徑加劇了東西部地區(qū)經(jīng)濟(jì)增速分化,導(dǎo)致東部地區(qū)金融波動(dòng)關(guān)聯(lián)程度隨著經(jīng)濟(jì)增速趨緩和統(tǒng)計(jì)數(shù)據(jù)調(diào)整而減弱。另一方面,樣本期內(nèi),南方地區(qū)金融波動(dòng)總體溢出水平高于北方地區(qū)。原因是南方地區(qū)擁有較多的國(guó)家重大戰(zhàn)略發(fā)展區(qū)域、綜合配套改革試驗(yàn)區(qū)和經(jīng)濟(jì)特區(qū),靈活的經(jīng)濟(jì)機(jī)制和寬松的政策制度環(huán)境造就了南方地區(qū)較高的民營(yíng)經(jīng)濟(jì)發(fā)展水平,良好的金融環(huán)境和市場(chǎng)活力使得省際資本流動(dòng)壁壘較低。此外,南方地區(qū)的省份空間位置集聚、地理距離較小,省際銀行同業(yè)業(yè)務(wù)往來、金融資產(chǎn)價(jià)格漲跌以及各部門杠桿率狀況關(guān)聯(lián)更為密切,因而其金融波動(dòng)溢出水平高于北方地區(qū)。

圖3 東西部地區(qū)和南北方地區(qū)金融周期波動(dòng)的時(shí)變溢出動(dòng)態(tài)

2.定向時(shí)變溢出動(dòng)態(tài)

為考察不同時(shí)期各省份定向溢出水平的變化特征,參考楊子暉等(2020)[29]的研究和經(jīng)驗(yàn)事實(shí)(美國(guó)開始對(duì)第一批清單上的中國(guó)商品加征關(guān)稅),按照重大外部沖擊持續(xù)時(shí)間將樣本劃分為三個(gè)階段:全球金融危機(jī)期間(樣本起點(diǎn)至2014年5月)、正常時(shí)期(2014年6月至2018年6月)、中美貿(mào)易摩擦期間(2018年7月至樣本終點(diǎn))。

圖4為不同時(shí)期各省份金融周期波動(dòng)定向溢出水平散點(diǎn)圖及擬合直線。其中,橫坐標(biāo)和縱坐標(biāo)分別表示子樣本期內(nèi)單個(gè)省份溢出和溢入的均值,虛線表示全樣本期內(nèi)所有省份溢出和溢入的均值。由圖4可知,一方面,三個(gè)時(shí)期省際金融波動(dòng)溢出效應(yīng)均具有明顯的時(shí)變特征,即全球金融危機(jī)期間省際金融波動(dòng)溢出和溢入水平普遍較高,正常時(shí)期各省份金融波動(dòng)溢出效應(yīng)較為分散且較弱,中美貿(mào)易摩擦期間省際金融波動(dòng)溢出效應(yīng)則較為集中。究其原因,主要是重大沖擊造成的市場(chǎng)恐慌和投資者看空情緒等悲觀預(yù)期,通過羊群效應(yīng)在省際金融市場(chǎng)之間傳遞、擴(kuò)散,新的信息被系統(tǒng)充分吸收并同頻疊加,最終反映為各省份金融波動(dòng)溢出效應(yīng)的集中上漲。另一方面,不同時(shí)期省際金融波動(dòng)溢出和溢入水平之間的正相關(guān)關(guān)系具有時(shí)變特征,即全球金融危機(jī)期間和中美貿(mào)易摩擦期間風(fēng)險(xiǎn)溢入和溢出的相關(guān)程度高于正常時(shí)期。原因在于金融波動(dòng)溢出水平較高省份多位于空間鄰接緊湊的內(nèi)陸地區(qū),地理位置臨近省份之間高度相關(guān)的經(jīng)濟(jì)基本面和快速蔓延的金融市場(chǎng)情緒為省際金融波動(dòng)關(guān)聯(lián)提供了傳遞渠道,并且在區(qū)域內(nèi)金融波動(dòng)疊加共振作用下不斷放大溢出和溢入水平。反之,金融波動(dòng)溢出水平較低省份多位于空間鄰接稀疏的邊境地區(qū),其金融波動(dòng)溢入水平也普遍較低。重大沖擊期間省際金融市場(chǎng)共同風(fēng)險(xiǎn)敞口擴(kuò)大和投資者資產(chǎn)配置集中調(diào)整,使得省際風(fēng)險(xiǎn)溢出和溢入的相關(guān)性在整體震蕩的金融環(huán)境中明顯上漲。

圖4 不同時(shí)期金融周期波動(dòng)定向溢出水平散點(diǎn)圖及擬合直線

3.凈時(shí)變溢出動(dòng)態(tài)

圖5為四大戰(zhàn)略發(fā)展區(qū)域金融周期波動(dòng)的凈時(shí)變溢出動(dòng)態(tài)(5)京津冀包括:北京、天津和河北;長(zhǎng)三角包括:上海、江蘇、浙江和安徽;長(zhǎng)江經(jīng)濟(jì)帶包括:上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、貴州和云南;“一帶一路”包括:上海、浙江、福建、廣東、海南、遼寧、吉林、黑龍江、內(nèi)蒙古、廣西、重慶、云南、西藏、陜西、甘肅、青海、寧夏和新疆,其中前5個(gè)為21世紀(jì)海上絲綢之路圈定省份,后13個(gè)為絲綢之路經(jīng)濟(jì)帶圈定省份。。由圖5可知,北方地區(qū)和南方地區(qū)(包括南方省份占多數(shù))戰(zhàn)略發(fā)展區(qū)域的金融波動(dòng)分別表現(xiàn)為波動(dòng)凈溢出和風(fēng)險(xiǎn)凈溢入。究其原因,主要是北方地區(qū)資本存量增長(zhǎng)緩慢、創(chuàng)新驅(qū)動(dòng)不足且新舊動(dòng)能轉(zhuǎn)換艱難、經(jīng)濟(jì)結(jié)構(gòu)不合理且經(jīng)濟(jì)機(jī)制僵化、勞動(dòng)力數(shù)量下降過快且人力資本下行趨勢(shì)明顯,導(dǎo)致南北方經(jīng)濟(jì)發(fā)展差距不斷擴(kuò)大(盛來運(yùn)等,2018;許憲春等,2021)[30～31],逐利資本吸收北方地區(qū)金融波動(dòng)帶來的金融風(fēng)險(xiǎn),并向投資回報(bào)率更高的南方地區(qū)流動(dòng)。除此之外,各種區(qū)域性政策調(diào)整也將影響各大戰(zhàn)略發(fā)展區(qū)域之間金融波動(dòng)的凈溢出溢入水平。

圖5 四大戰(zhàn)略發(fā)展區(qū)域金融周期波動(dòng)的凈時(shí)變溢出動(dòng)態(tài)

具體而言,樣本初期,京津冀主要表現(xiàn)為金融波動(dòng)風(fēng)險(xiǎn)凈溢出,與此同時(shí),粵港澳規(guī)劃構(gòu)建珠江口大灣區(qū)世界級(jí)城市群,粵港澳大灣區(qū)雛形初現(xiàn),其高速的經(jīng)濟(jì)增長(zhǎng)和寬松的政策制度環(huán)境吸引了大量境內(nèi)外資本流入,使得包括廣東省在內(nèi)的“一帶一路”戰(zhàn)略發(fā)展區(qū)域呈現(xiàn)金融波動(dòng)的風(fēng)險(xiǎn)凈溢入。2010年規(guī)劃構(gòu)建長(zhǎng)江三角洲世界級(jí)城市群,長(zhǎng)三角和包含長(zhǎng)三角的長(zhǎng)江經(jīng)濟(jì)帶出現(xiàn)短暫風(fēng)險(xiǎn)凈溢入,“一帶一路”戰(zhàn)略發(fā)展區(qū)域則逐漸表現(xiàn)為風(fēng)險(xiǎn)凈溢出。2013年“一帶一路”倡議首次提出,加之作為“四萬億計(jì)劃”等經(jīng)濟(jì)刺激計(jì)劃的“后遺癥”,南北方經(jīng)濟(jì)發(fā)展差距擴(kuò)大轉(zhuǎn)折點(diǎn)的“2013年現(xiàn)象”(鄧忠奇等,2020)[32],使得京津冀風(fēng)險(xiǎn)凈溢出水平在2013年達(dá)到波峰,而同時(shí)期長(zhǎng)三角、長(zhǎng)江經(jīng)濟(jì)帶和“一帶一路”戰(zhàn)略發(fā)展區(qū)域均出現(xiàn)不同程度的風(fēng)險(xiǎn)凈溢入。隨著2014年京津冀協(xié)同發(fā)展逐漸上升為國(guó)家戰(zhàn)略、長(zhǎng)江三角洲世界級(jí)城市群一體化發(fā)展,2016年和2017年規(guī)劃建設(shè)北京城市副中心和決定設(shè)立河北雄安新區(qū),2018年長(zhǎng)江三角洲區(qū)域一體化發(fā)展上升為國(guó)家戰(zhàn)略,京津冀、長(zhǎng)三角和包括部分長(zhǎng)三角的“一帶一路”戰(zhàn)略發(fā)展區(qū)域,均出現(xiàn)歷時(shí)較長(zhǎng)、規(guī)模較大的風(fēng)險(xiǎn)凈溢入。

(二)中國(guó)金融周期波動(dòng)的空間網(wǎng)絡(luò)結(jié)構(gòu)

1.溢出網(wǎng)絡(luò)分析

基于1/3和2/3分位點(diǎn)將定向溢出指數(shù)劃分為高、中、低水平,并保留溢出強(qiáng)度前1/3分位點(diǎn)的溢出關(guān)系。以節(jié)點(diǎn)大小刻畫節(jié)點(diǎn)的加權(quán)出度(入度),以連接節(jié)點(diǎn)的有向線段代表省際波動(dòng)溢出路徑,即節(jié)點(diǎn)形狀越大表示該節(jié)點(diǎn)省份的波動(dòng)溢出(溢入)強(qiáng)度越大,有向線段的形狀越粗代表省際溢出強(qiáng)度越高。采用Fruchterman &Reingold算法布局構(gòu)建網(wǎng)絡(luò),使關(guān)聯(lián)度較高的省份盡可能接近,以直觀展示中國(guó)金融周期波動(dòng)的空間網(wǎng)絡(luò)結(jié)構(gòu)特征。

圖6為中國(guó)金融周期波動(dòng)的空間網(wǎng)絡(luò)結(jié)構(gòu)。由圖6可知,一方面,省際金融波動(dòng)關(guān)聯(lián)網(wǎng)絡(luò)存在明顯的空間自相關(guān)性和區(qū)域集聚特征,即某省份與其他省份的平均地理距離越小、鄰接省份越多,則省際金融周期波動(dòng)溢出水平越高、溢出關(guān)系越多(見圖7),例如四川、河北、湖南等鄰接省份較多,其出度、入度數(shù)也較高,而遼寧、海南、西藏等平均地理距離較大的省份,其度數(shù)中心度則較小(見表1),原因在于:一方面,空間地理位置臨近的同區(qū)域各省份之間資本和勞動(dòng)力流動(dòng)規(guī)模更大、頻率更高,密切的省際經(jīng)貿(mào)往來使得區(qū)域內(nèi)經(jīng)濟(jì)基本面整體關(guān)聯(lián)程度增強(qiáng),從而經(jīng)濟(jì)周期協(xié)同度更高,并通過“金融加速器”效應(yīng)放大區(qū)域內(nèi)金融周期的相互聯(lián)動(dòng),而且同區(qū)域各省份之間金融運(yùn)行狀況較為相似,房地產(chǎn)價(jià)格波動(dòng)和企業(yè)融資方式更為趨同,加之市場(chǎng)情緒和投資者非理性行為等因素的影響,進(jìn)而使得區(qū)域內(nèi)省際金融周期波動(dòng)的空間溢出效應(yīng)更強(qiáng)。另一方面,空間關(guān)聯(lián)網(wǎng)絡(luò)中心位置節(jié)點(diǎn)多為四川、寧夏、湖南、陜西等金融發(fā)展水平一般的中西部省份,而北京、上海、天津、浙江等金融發(fā)展水平較高的東部省份大多處于關(guān)聯(lián)網(wǎng)絡(luò)的邊緣(6)本文的各省份金融發(fā)展水平綜合考慮了以下兩個(gè)指標(biāo):省份金融發(fā)展水平I=(省份內(nèi)金融業(yè)增加值+省份內(nèi)房地產(chǎn)業(yè)增加值)/省份內(nèi)生產(chǎn)總值;省份金融發(fā)展水平II=(省份內(nèi)金融業(yè)增加值+省份內(nèi)房地產(chǎn)業(yè)增加值)/省份內(nèi)常住人口。,這是由于除了空間地理位置(省際平均地理距離和鄰接省份個(gè)數(shù))外,地區(qū)間制度環(huán)境(產(chǎn)權(quán)保護(hù)、非稅負(fù)擔(dān)和政府干預(yù))、經(jīng)濟(jì)基礎(chǔ)和政策環(huán)境等方面的差異也會(huì)導(dǎo)致省際資本流動(dòng)呈現(xiàn)不均衡狀態(tài),使得資本不斷由西部地區(qū)流向東部地區(qū)聚集(胡凱和吳清,2012;郭金龍和王宏偉,2003)[33～34],從而對(duì)東部地區(qū)房地產(chǎn)價(jià)格的長(zhǎng)期趨勢(shì)和短期波動(dòng)產(chǎn)生更大沖擊(梁云芳和高鐵梅,2007)[35]。最終,中西部地區(qū)的金融周期波動(dòng)在信貸規(guī)模和房地產(chǎn)價(jià)格變動(dòng)的交互增強(qiáng)作用下對(duì)東部地區(qū)金融周期波動(dòng)產(chǎn)生更多的溢出效應(yīng)和更高的溢出水平,從而位于系統(tǒng)重要的網(wǎng)絡(luò)中心位置。

表1 中國(guó)金融周期波動(dòng)溢出網(wǎng)絡(luò)中心性分析

圖6 中國(guó)金融周期波動(dòng)的空間網(wǎng)絡(luò)結(jié)構(gòu)

圖7 平均地理距離、鄰接省份個(gè)數(shù)與度數(shù)中心度的關(guān)系

2.塊模型分析

采用CONCOR算法對(duì)省際金融周期波動(dòng)溢出網(wǎng)絡(luò)進(jìn)行塊模型分析,通過空間聚類刻畫關(guān)聯(lián)網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)板塊角色。借鑒丁如曦和倪鵬飛(2015)[36]的做法,選擇最大分割深度為2,收斂標(biāo)準(zhǔn)為0.2,將31個(gè)省份劃分為4個(gè)金融周期波動(dòng)板塊。1/3分位點(diǎn)金融周期波動(dòng)關(guān)聯(lián)網(wǎng)絡(luò)的溢入溢出關(guān)系總數(shù)為310個(gè),其中板塊內(nèi)溢出關(guān)系數(shù)為145個(gè),板塊之間溢出關(guān)系數(shù)為165個(gè),即關(guān)聯(lián)網(wǎng)絡(luò)中的各板塊之間存在明顯的空間溢出效應(yīng)。

表2為中國(guó)金融周期波動(dòng)溢出網(wǎng)絡(luò)板塊角色分析。其中,板塊I成員包括北京、內(nèi)蒙古和西藏3個(gè)省份。板塊I接收板塊外關(guān)系比例為92.3%,發(fā)出板塊外關(guān)系比例為87.5%,即該板塊接收和發(fā)出板塊外關(guān)系占較高比例,并且期望內(nèi)部關(guān)系比例和實(shí)際內(nèi)部關(guān)系比例均較低,故板塊I屬于“經(jīng)紀(jì)人板塊”。板塊II成員包括甘肅、天津、河南、黑龍江和浙江5個(gè)省份。板塊II接收板塊外關(guān)系數(shù)為42個(gè),發(fā)出板塊外關(guān)系數(shù)為32個(gè),即該板塊既接收較多板塊外溢出關(guān)系,也發(fā)出較多板塊外溢出關(guān)系,故板塊II屬于“經(jīng)紀(jì)人板塊”,在金融周期波動(dòng)溢出效應(yīng)的傳導(dǎo)路徑中起到橋梁作用。板塊III成員包括江西、江蘇、廣東、河北、貴州、福建、山東、陜西、湖北、湖南、青海、四川、新疆和寧夏14個(gè)省份,主要為金融周期波動(dòng)溢出網(wǎng)絡(luò)中度數(shù)中心度比較高的省份。板塊III內(nèi)部關(guān)系數(shù)為127個(gè),發(fā)出板塊外關(guān)系數(shù)為98個(gè),即該板塊既存在板塊內(nèi)部的溢出關(guān)系,又存在發(fā)出板塊外的溢出關(guān)系,并且實(shí)際內(nèi)部關(guān)系比例大于期望內(nèi)部關(guān)系比例,故板塊III屬于“雙向溢出板塊”。板塊IV成員包括遼寧、廣西、云南、山西、吉林、海南、重慶、安徽和上海9個(gè)省份。板塊IV實(shí)際內(nèi)部關(guān)系比例為36.4%,期望內(nèi)部關(guān)系比例為26.7%,即該板塊實(shí)際內(nèi)部關(guān)系比例大于期望內(nèi)部關(guān)系比例,故板塊IV屬于“主受益板塊”。

表2 中國(guó)金融周期波動(dòng)溢出網(wǎng)絡(luò)板塊角色分析

通過計(jì)算整體網(wǎng)絡(luò)及各板塊的密度矩陣,考察板塊之間金融周期波動(dòng)的傳導(dǎo)路徑。整體關(guān)聯(lián)網(wǎng)絡(luò)的密度為1.270,如果板塊密度大于1.270,即該板塊密度大于總體平均水平,則將其重新賦值為1,否則賦值為0,從而將密度矩陣轉(zhuǎn)化為像矩陣,像矩陣直觀顯示出金融周期波動(dòng)板塊之間存在的傳導(dǎo)路徑。如表3所示,像矩陣對(duì)角線元素為1,表明該板塊內(nèi)部的金融周期波動(dòng)具有顯著的關(guān)聯(lián)性,表現(xiàn)為明顯的“俱樂部”效應(yīng)。金融周期波動(dòng)溢出的動(dòng)力主要來自板塊III,其在自身金融波動(dòng)關(guān)聯(lián)集聚的同時(shí)也將波動(dòng)的動(dòng)能傳遞給板塊II和板塊IV,板塊II又將金融波動(dòng)的動(dòng)能傳遞給板塊I,因而第II板塊在板塊間傳導(dǎo)路徑中起到樞紐作用,表明該傳導(dǎo)路徑具有明顯的“梯度”溢出特征。

表3 中國(guó)金融周期波動(dòng)溢出網(wǎng)絡(luò)板塊的密度矩陣和像矩陣

五、進(jìn)一步分析:中國(guó)金融周期波動(dòng)的區(qū)域關(guān)聯(lián)解釋

為檢驗(yàn)前文提及的省際地理距離、經(jīng)濟(jì)基本面關(guān)聯(lián)度和金融運(yùn)行狀況相似度對(duì)金融波動(dòng)空間溢出網(wǎng)絡(luò)的影響,采用QAP(二次指派程序)方法探討關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)的影響因素及其傳導(dǎo)作用機(jī)制。

(一)QAP模型設(shè)計(jì)

考慮到各省份房地產(chǎn)價(jià)格(丁如曦和倪鵬飛,2015)[36]、生產(chǎn)總值(李敬等,2014)[37]和信貸投放(錢明輝和胡日東,2014)[38]的空間溢出效應(yīng)隨地理距離的變小而減弱,因此推斷中國(guó)省際金融周期波動(dòng)存在空間自相關(guān)性。此外,省際經(jīng)濟(jì)輻射能力、經(jīng)濟(jì)金融關(guān)聯(lián)度和產(chǎn)業(yè)結(jié)構(gòu)相似度也會(huì)影響金融波動(dòng)在各省份之間的相互沖擊和傳染(李政等,2021)[39],因此選取省際經(jīng)濟(jì)發(fā)展水平差異、產(chǎn)業(yè)結(jié)構(gòu)升級(jí)差異、經(jīng)濟(jì)周期協(xié)同性以及金融周期協(xié)同性等因素,探討金融周期波動(dòng)關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)的影響因素與形成機(jī)制。據(jù)此,將QAP回歸模型設(shè)定為:

N=f(G,E,I,B,F)

(10)

式(10)表示相關(guān)數(shù)據(jù)之間的函數(shù)關(guān)系,實(shí)證數(shù)據(jù)為關(guān)系矩陣形式。其中,N為省際金融周期波動(dòng)空間溢出網(wǎng)絡(luò),G為省際空間地理臨近矩陣,E和I分別為省際經(jīng)濟(jì)發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)差異矩陣,B和F分別為省際經(jīng)濟(jì)周期和金融周期協(xié)同矩陣,關(guān)系矩陣采用樣本區(qū)間內(nèi)各省份對(duì)應(yīng)指標(biāo)的平均值計(jì)算?？臻g地理臨近性采用百度地圖測(cè)距工具測(cè)量的各省會(huì)城市之間的地理距離衡量;經(jīng)濟(jì)發(fā)展水平差異和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)差異分別采用省際人均GDP之差的絕對(duì)值和第三產(chǎn)業(yè)占GDP比重之差的絕對(duì)值衡量;經(jīng)濟(jì)周期協(xié)同性和金融周期協(xié)同性分別采用省際GDP同比增速和金融周期指數(shù)的余弦相似度衡量,其測(cè)算公式為:

(11)

(二)QAP實(shí)證分析

表4為基于5000次隨機(jī)置換得到的中國(guó)金融周期波動(dòng)區(qū)域關(guān)聯(lián)因素的相關(guān)分析結(jié)果。結(jié)果顯示,空間關(guān)聯(lián)矩陣N與地理距離矩陣G負(fù)相關(guān),相關(guān)系數(shù)為-0.176,在1%的水平上顯著,這表明中國(guó)省際金融周期波動(dòng)具有顯著的空間自相關(guān)性?？臻g關(guān)聯(lián)矩陣N與經(jīng)濟(jì)水平差異矩陣E、產(chǎn)業(yè)結(jié)構(gòu)差異矩陣I負(fù)相關(guān),但由于產(chǎn)業(yè)結(jié)構(gòu)差異主要受各省份內(nèi)部因素的影響,其對(duì)區(qū)域間空間關(guān)聯(lián)的影響較弱,因此使得矩陣N與矩陣I的相關(guān)系數(shù)不顯著。空間關(guān)聯(lián)矩陣N與經(jīng)濟(jì)周期協(xié)同矩陣B、金融周期協(xié)同矩陣F正相關(guān),相關(guān)系數(shù)分別為0.166和0.313,分別在5%和1%的水平上顯著,這表明省際經(jīng)濟(jì)周期協(xié)同性和金融周期協(xié)同性對(duì)金融周期波動(dòng)的空間溢出具有顯著正向影響。

表4 中國(guó)金融周期波動(dòng)區(qū)域關(guān)聯(lián)因素相關(guān)分析

表5為基于5000次隨機(jī)置換得到的中國(guó)金融周期波動(dòng)區(qū)域關(guān)聯(lián)因素的回歸分析結(jié)果。基準(zhǔn)分析結(jié)果顯示,地理距離矩陣G的回歸系數(shù)為-0.115,在10%的水平上顯著,這表明省際地理距離每增加1000km,金融周期波動(dòng)溢出效應(yīng)下降11.5%,即臨近省份相較于遠(yuǎn)隔省份具有更強(qiáng)的空間溢出效應(yīng)。經(jīng)濟(jì)水平差異矩陣E的回歸系數(shù)為負(fù)但不顯著,這表明在考慮省際經(jīng)濟(jì)周期協(xié)同性和金融周期協(xié)同性之后,省際經(jīng)濟(jì)發(fā)展水平對(duì)金融周期波動(dòng)溢出效應(yīng)的影響不再重要。經(jīng)濟(jì)周期協(xié)同矩陣B的回歸系數(shù)在10%的水平上顯著為正,這表明省際經(jīng)濟(jì)運(yùn)行協(xié)同程度上漲將增強(qiáng)金融波動(dòng)的空間關(guān)聯(lián)。原因在于省際經(jīng)濟(jì)波動(dòng)在“同漲同跌”之間相互疊加聯(lián)動(dòng),并通過“金融加速器”效應(yīng)加劇信貸擴(kuò)張(收縮)和房?jī)r(jià)上漲(下跌)的正反饋循環(huán),進(jìn)而增強(qiáng)宏觀杠桿率,從而形成金融周期的相互聯(lián)動(dòng)。金融周期協(xié)同矩陣F的回歸系數(shù)在1%的水平上顯著為正,這表明省際金融運(yùn)行協(xié)同程度上升將增強(qiáng)金融波動(dòng)的空間溢出,這是由于金融發(fā)展水平和金融產(chǎn)業(yè)結(jié)構(gòu)相似的省份之間銀行同業(yè)業(yè)務(wù)往來、金融資產(chǎn)價(jià)格漲跌以及各部門杠桿率狀況關(guān)聯(lián)更為密切,其金融波動(dòng)相比于金融協(xié)同度較低省份之間產(chǎn)生的溢出效應(yīng)也更強(qiáng)。上述回歸結(jié)果表明,省際地理距離、經(jīng)濟(jì)基本面關(guān)聯(lián)度和金融運(yùn)行狀況相似度確實(shí)能夠?qū)鹑诓▌?dòng)空間溢出網(wǎng)絡(luò)產(chǎn)生顯著影響,從而驗(yàn)證了前文的解釋。

表5 中國(guó)金融周期波動(dòng)區(qū)域關(guān)聯(lián)因素回歸分析

中介效應(yīng)的檢驗(yàn)結(jié)果顯示,解釋變量GB和GF的回歸系數(shù)分別為-0.064和-0.096,均通過了10%的水平性檢驗(yàn),這表明省際地理距離每增加1000km,經(jīng)濟(jì)和金融運(yùn)行協(xié)同性分別下降6.4%和9.6%,即臨近省份相比于遠(yuǎn)隔省份經(jīng)濟(jì)和金融運(yùn)行的相似程度更高。結(jié)合解釋變量BN和FN的回歸系數(shù)顯著為正可知,在省際空間地理距離影響金融周期波動(dòng)溢出效應(yīng)過程中,經(jīng)濟(jì)周期協(xié)同性和金融周期協(xié)同性的中介效應(yīng)顯著,存在“空間地理距離增加——經(jīng)濟(jì)金融協(xié)同性下降——金融周期關(guān)聯(lián)程度下降”的傳導(dǎo)路徑。

(三)穩(wěn)健性檢驗(yàn)

表6為基于5000次隨機(jī)置換得到的中國(guó)金融周期波動(dòng)區(qū)域關(guān)聯(lián)因素分析結(jié)果的穩(wěn)健性檢驗(yàn)。在穩(wěn)健性檢驗(yàn)中,采用空間鄰接關(guān)系替換空間地理距離,使用省際Queen鄰接矩陣表征,省際地理位置相鄰取1,不相鄰取0。采用省際經(jīng)濟(jì)發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的歐氏距離替換相應(yīng)變量之差的絕對(duì)值。采用省際GDP同比增速和金融周期指數(shù)的皮爾遜相關(guān)系數(shù)替換相應(yīng)變量的余弦相似度。穩(wěn)健性檢驗(yàn)顯示,地理臨近矩陣G、經(jīng)濟(jì)周期協(xié)同矩陣B和金融周期協(xié)同矩陣F與空間關(guān)聯(lián)矩陣N顯著正相關(guān),并且省際空間地理臨近、經(jīng)濟(jì)和金融運(yùn)行協(xié)同程度上升將顯著增強(qiáng)金融周期波動(dòng)的溢出效應(yīng)。在省際空間地理臨近影響金融周期波動(dòng)溢出的中介效應(yīng)模型中,回歸方程的估計(jì)系數(shù)均顯著,即存在經(jīng)濟(jì)周期協(xié)同性和金融周期協(xié)同性的中介效應(yīng)。這表明本研究的結(jié)論穩(wěn)健。

表6 中國(guó)金融周期波動(dòng)區(qū)域關(guān)聯(lián)因素的穩(wěn)健性檢驗(yàn)

六、結(jié)論與啟示

基于LASSO-VAR模型、復(fù)雜網(wǎng)絡(luò)塊模型分析以及二次指派程序方法,考察中國(guó)金融周期波動(dòng)的時(shí)變溢出動(dòng)態(tài)、空間網(wǎng)絡(luò)結(jié)構(gòu)和區(qū)域關(guān)聯(lián)機(jī)制。

通過分析,得到以下結(jié)論:

第一,時(shí)間維度上,中國(guó)省際金融波動(dòng)風(fēng)險(xiǎn)傳染具有順周期性,且東西部地區(qū)和南北方地區(qū)的金融關(guān)聯(lián)水平呈現(xiàn)動(dòng)態(tài)分化和較大差距;全球金融危機(jī)和中美貿(mào)易摩擦等重大外部不利沖擊期間省際共同風(fēng)險(xiǎn)敞口擴(kuò)大,導(dǎo)致省際金融波動(dòng)溢出溢入水平普遍提高;受南北方經(jīng)濟(jì)發(fā)展方式及差距的影響,其戰(zhàn)略發(fā)展區(qū)域的金融波動(dòng)分別表現(xiàn)為波動(dòng)凈溢出和風(fēng)險(xiǎn)凈溢入。

第二,空間維度上,鄰近省份之間高度關(guān)聯(lián)的經(jīng)濟(jì)基本面和相似度更高的金融運(yùn)行狀況,使得省際金融波動(dòng)關(guān)聯(lián)網(wǎng)絡(luò)存在明顯的空間自相關(guān)性和區(qū)域集聚特征;東西部地區(qū)經(jīng)濟(jì)發(fā)展不均衡,使得位于系統(tǒng)重要網(wǎng)絡(luò)中心位置的多為中西部地區(qū);省際金融波動(dòng)關(guān)聯(lián)網(wǎng)絡(luò)板塊內(nèi)部存在明顯的“俱樂部”效應(yīng),四大板塊之間的傳導(dǎo)路徑具有明顯的“梯度”溢出特征。

第三,關(guān)聯(lián)解釋上,省際地理距離與金融波動(dòng)關(guān)聯(lián)程度負(fù)相關(guān),臨近省份相較于遠(yuǎn)隔省份具有更強(qiáng)的金融波動(dòng)空間溢出效應(yīng);省際經(jīng)濟(jì)和金融協(xié)同性與金融波動(dòng)關(guān)聯(lián)程度正相關(guān),協(xié)同程度上升將增強(qiáng)金融波動(dòng)的空間溢出;在省際空間地理距離影響金融周期波動(dòng)溢出效應(yīng)過程中,存在“空間地理距離增加——經(jīng)濟(jì)金融協(xié)同性下降——金融周期關(guān)聯(lián)度下降”的傳導(dǎo)路徑。

基于研究結(jié)論,得到以下啟示:

第一,要實(shí)時(shí)監(jiān)測(cè)各種不利沖擊中省際金融波動(dòng)關(guān)聯(lián)的動(dòng)態(tài)變化,采用“貨幣政策+宏觀審慎政策”雙支柱調(diào)控降低風(fēng)險(xiǎn)傳染的順周期性,防范系統(tǒng)性金融風(fēng)險(xiǎn)的跨時(shí)期傳染。

第二,要研判金融波動(dòng)關(guān)聯(lián)網(wǎng)絡(luò)的節(jié)點(diǎn)系統(tǒng)重要性、板塊溢出角色特征和省際風(fēng)險(xiǎn)傳遞路徑,重點(diǎn)監(jiān)控中西部和北方等主要金融波動(dòng)風(fēng)險(xiǎn)輸出地區(qū),防范系統(tǒng)性金融風(fēng)險(xiǎn)的跨市場(chǎng)、跨區(qū)域傳染。

第三,要識(shí)別金融波動(dòng)省際關(guān)聯(lián)的驅(qū)動(dòng)因素和傳導(dǎo)機(jī)制,在推進(jìn)長(zhǎng)三角、粵港澳大灣區(qū)和“一帶一路”發(fā)展戰(zhàn)略過程中,注意防范區(qū)域外金融波動(dòng)帶來的輸入性金融風(fēng)險(xiǎn)。