沈麗 張影 李文君

摘要：本文從經(jīng)濟四部門入手，基于區(qū)域內(nèi)外兩個角度對區(qū)域金融風(fēng)險部門間的空間傳染路徑進行理論分析，并在合理測度中國區(qū)域金融風(fēng)險的基礎(chǔ)上，運用空間偏微分方法驗證了上述路徑。研究表明，中國存在企業(yè)部門—金融部門、政府部門—金融部門和家戶部門—金融部門的區(qū)域金融風(fēng)險傳染路徑，且由于家戶貸款屬于個人行為，金融機構(gòu)向企業(yè)融資是市場行為，通過融資平臺向地方政府融資存在行政干預(yù)，從而政府、企業(yè)和家戶部門對區(qū)域金融風(fēng)險的影響存在差異性，但從影響程度看，政府部門和企業(yè)部門是區(qū)域金融風(fēng)險的主要傳染源。此外，由于存在區(qū)域間政府競爭、技術(shù)知識溢出及資本、勞動力流動等區(qū)域間作用渠道，上述傳染效應(yīng)會被進一步放大。最后，從區(qū)域內(nèi)和區(qū)域外兩個方面對中國防控區(qū)域金融風(fēng)險提出政策建議。

關(guān)鍵詞：區(qū)域金融風(fēng)險;空間傳染;經(jīng)濟四部門;空間偏微分方法

文獻標識碼：A

文章編號：1002-2848-2019（05）-0062-12

一、研究背景

目前，我國進入長期積累的金融風(fēng)險易發(fā)多發(fā)期，各種不確定性因素、不穩(wěn)定因素的沖擊導(dǎo)致各類隱性風(fēng)險逐漸顯性化，防控系統(tǒng)性、區(qū)域性金融風(fēng)險成為新常態(tài)下最嚴峻的挑戰(zhàn)之一。值得關(guān)注的是，近年來我國區(qū)域金融風(fēng)險呈現(xiàn)形式發(fā)生著多樣性變化，不僅表現(xiàn)為金融部門內(nèi)部的風(fēng)險，還突出表現(xiàn)為由于業(yè)務(wù)往來或復(fù)雜的債權(quán)債務(wù)關(guān)聯(lián)導(dǎo)致地方政府部門、企業(yè)部門及家戶部門風(fēng)險對金融部門風(fēng)險的傳染。如2008年前后出現(xiàn)的山東海龍擔(dān)保圈的違規(guī)擔(dān)保，溫州、鄂爾多斯和東營天信集團民間借貸等的非法集資形式，2017年前后出現(xiàn)的魏橋系事件和農(nóng)民征信暴動事件，都在不同程度上表明政府部門、企業(yè)部門和家戶部門對區(qū)域金融風(fēng)險的影響不容小覷。在此背景下，基于經(jīng)濟四部門視角客觀分析我國區(qū)域金融風(fēng)險的空間傳染機制，對于消除區(qū)域金融風(fēng)險隱患和減少區(qū)域金融風(fēng)險爆發(fā)可能性，促進區(qū)域經(jīng)濟協(xié)調(diào)健康發(fā)展具有重要意義。

目前，關(guān)于區(qū)域金融風(fēng)險傳染的文獻汗牛充棟。梳理相關(guān)文獻發(fā)現(xiàn)，根據(jù)學(xué)者研究金融風(fēng)險傳染的主體可將相關(guān)文獻分為以下四部分。一是金融危機期間國家（地區(qū)）間的風(fēng)險傳染。學(xué)者們的研究證實了國際金融危機的傳染路徑主要有以下兩種：基于基本面?zhèn)魅镜馁Q(mào)易渠道和金融渠道[1-3]和不能由經(jīng)濟的基本面?zhèn)魅窘忉?，通過諸如風(fēng)險厭惡、信息不對稱、羊群效應(yīng)和委托代理等投資者行為因素導(dǎo)致的金融風(fēng)險在多國（地區(qū)）傳染渠道[4-6]。二是不同國家（地區(qū)）間金融市場的風(fēng)險傳染。Luo等[7-9]證實了不同國家（地區(qū)）通過金融機構(gòu)的跨市場投資、國際對沖基金以及信息傳遞和其他國家金融市場形成聯(lián)動機制而產(chǎn)生金融風(fēng)險傳染效應(yīng)，袁晨等[10-12]則證明了我國內(nèi)部多個金融市場間的風(fēng)險傳染。三是金融機構(gòu)間的風(fēng)險傳染。涂曉楓等[13]基于銀行的影子業(yè)務(wù)視角，探究了銀銀、銀信、銀證、銀保等之間的風(fēng)險傳染。鄧超等[14-16]基于債券債務(wù)的復(fù)雜網(wǎng)絡(luò)關(guān)系探討了不同銀行間金融風(fēng)險傳染，馬德功等[17]基于影子銀行資金供給視角研究了商業(yè)銀行間的金融風(fēng)險傳染，王麗珍[18]對我國保險業(yè)的再保險業(yè)務(wù)的風(fēng)險傳染效應(yīng)進行了研究。四是不同省域之間的金融風(fēng)險傳染。王營等[19]基于我國2005—2014年數(shù)據(jù)驗證了中國省際間區(qū)域性金融風(fēng)險的高度關(guān)聯(lián)性。但上述大部分的研究主要聚焦在不同國家、不同金融市場、不同金融機構(gòu)以及不同省域間的金融風(fēng)險傳染，而作為經(jīng)濟運行主體的四部門，其間的債權(quán)債務(wù)鏈條錯綜復(fù)雜，政府部門、企業(yè)部門以及家戶部門的行為必然會對金融部門的風(fēng)險產(chǎn)生影響，因此從經(jīng)濟運行主體四部門入手，考察其間的債權(quán)債務(wù)關(guān)系導(dǎo)致金融風(fēng)險傳染的研究有待進一步展開。宋凌峰等[20]的研究也驗證了區(qū)域內(nèi)“部門—部門”的金融風(fēng)險傳染路徑，但并沒有進一步檢驗區(qū)域外政府、企業(yè)和家戶部門對本區(qū)域金融部門風(fēng)險傳染的放大效應(yīng)。而近年來伴隨著我國區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略的持續(xù)推進，區(qū)域間關(guān)聯(lián)日益加強，區(qū)域間的風(fēng)險溢出不容忽視。因此，為了更好地探究金融風(fēng)險傳染路徑，本文的研究既關(guān)注區(qū)域內(nèi)政府、企業(yè)和家戶部門對本區(qū)域金融部門的風(fēng)險傳染，也關(guān)注區(qū)域外政府、企業(yè)和家戶部門對本區(qū)域金融部門的風(fēng)險傳染。

從區(qū)域金融風(fēng)險傳染的研究方法上，早期的研究多是通過簡單的Pearson相關(guān)系數(shù)法檢驗國家（地區(qū)）金融危機傳染的可能性，由于該方法無法規(guī)避數(shù)據(jù)存在的異方差問題，也無法反映金融市場之間非線性關(guān)系，后來學(xué)者們逐漸引入越來越成熟的計量模型來檢驗金融風(fēng)險的傳染效應(yīng)，如Baig等[21-23]利用Copula函數(shù)研究了國家（地區(qū)）金融風(fēng)險的傳染效應(yīng)，Kelejian等[24-26]則采用空間計量經(jīng)濟學(xué)的研究方法探究國家（地區(qū)）間金融風(fēng)險的傳染機制。本文借鑒了Kelejian等采用的空間計量方法，該方法在探究空間傳染時具有很大的優(yōu)勢，既能夠排除空間相關(guān)性和空間異質(zhì)性對實證結(jié)果的影響，又可同時考察區(qū)域內(nèi)外的共同影響。

鑒于此，本文可能的創(chuàng)新之處是從經(jīng)濟運行主體四部門入手，基于其間債權(quán)債務(wù)鏈條變化，探討區(qū)域內(nèi)外政府、企業(yè)和家戶部門對本區(qū)域金融部門風(fēng)險的空間傳染路徑，包含區(qū)域內(nèi)和區(qū)域外雙重影響。對于以上問題的研究，理論層面豐富了金融風(fēng)險傳染機制的研究，現(xiàn)實層面則有利于更清晰地辨別金融風(fēng)險產(chǎn)生的源頭，遏制區(qū)域金融風(fēng)險傳染渠道，以防控、消除、化解金融風(fēng)險，維護區(qū)域經(jīng)濟平穩(wěn)健康運行。

二、區(qū)域金融風(fēng)險的空間傳染機制分析

基于區(qū)域內(nèi)和區(qū)域外兩種角度對區(qū)域金融風(fēng)險部門間的空間傳染路徑展開理論分析。兩種視角下尋找區(qū)域性金融風(fēng)險爆發(fā)的源頭，能夠比較全面、明確地發(fā)現(xiàn)區(qū)域金融風(fēng)險的傳染路徑，防止區(qū)域金融風(fēng)險演變?yōu)橄到y(tǒng)性金融風(fēng)險，擴大危害。

（一）金融風(fēng)險部門間空間傳染的區(qū)域內(nèi)視角

區(qū)域內(nèi)視角主要是指通過分析區(qū)域內(nèi)經(jīng)濟主體的某些可能導(dǎo)致區(qū)域金融風(fēng)險產(chǎn)生的行為來分析區(qū)域金融風(fēng)險產(chǎn)生的原因，從兩個角度整合分析：其一是區(qū)域內(nèi)橫向視角，例如區(qū)域內(nèi)政府政策、企業(yè)運營、家戶預(yù)期等因素，這些個體的經(jīng)濟行為必然會自下而上影響區(qū)域金融風(fēng)險的爆發(fā);其二是區(qū)域內(nèi)縱向視角，主要包含區(qū)域內(nèi)金融機構(gòu)自身由于操作、審查等出現(xiàn)紕漏產(chǎn)生的風(fēng)險，如信用風(fēng)險或操作風(fēng)險等。

1.區(qū)域內(nèi)橫向視角

區(qū)域內(nèi)政府、企業(yè)和家戶部門的行為必然會對區(qū)域內(nèi)金融風(fēng)險造成影響。地方政府是國家政治、政策和法律的載體，其行為對地方金融機構(gòu)信貸具有軟約束。一方面，我國轄區(qū)內(nèi)地方政府與地方金融機構(gòu)存在隸屬關(guān)系，金融機構(gòu)放貸給地方政府既要考慮盈利還要考慮行政因素;另一方面，銀行等金融機構(gòu)作為特殊的商業(yè)企業(yè)，其決策者在利潤、晉升及隱性收入的驅(qū)使下，尤其愿意向具有超強信用的地方政府放貸，構(gòu)成實質(zhì)的信貸軟約束。一旦地方政府決策失誤，風(fēng)險極易通過債權(quán)債務(wù)鏈條傳導(dǎo)到金融部門，對區(qū)域金融風(fēng)險形成潛在威脅。企業(yè)運營狀況影響金融機構(gòu)承擔(dān)的風(fēng)險，具體表現(xiàn)：經(jīng)濟上行，企業(yè)及銀行紛紛加大投資和信貸力度;經(jīng)濟下行，由于企業(yè)經(jīng)營不善銀行不良貸款迅速增加，金融風(fēng)險增大。此外，信貸市場存在信息不對稱，非金融上市企業(yè)將利用自身優(yōu)勢獲得的銀行貸款直接貸給難以通過正當(dāng)手段從正規(guī)金融機構(gòu)獲得貸款的中小微企業(yè)，導(dǎo)致資金“脫實向虛”，增大金融杠桿，形成信貸泡沫，出現(xiàn)Allen等[27]提出的“信貸—資產(chǎn)泡沫”式杠桿效應(yīng)，極易誘發(fā)金融危機。家戶部門行為對區(qū)域金融風(fēng)險的“凈傳染效應(yīng)”也不容忽視。當(dāng)個體銀行信譽降低或不良貸款飆漲引發(fā)投資者非理性預(yù)期及恐慌信息蔓延時，資產(chǎn)拋售的羊群行為會導(dǎo)致擠兌發(fā)生，銀行危機爆發(fā)。

2.區(qū)域內(nèi)縱向視角

關(guān)于區(qū)域金融風(fēng)險誘發(fā)因素縱向視角的分析主要著眼于金融機構(gòu)內(nèi)部，具體可用單一金融機構(gòu)或某一金融活動的資產(chǎn)損失或收益來衡量。雖然這種微觀因素通常是個體、孤立及非系統(tǒng)性的，但傳統(tǒng)微觀監(jiān)管的對象如法人治理結(jié)構(gòu)不完善、內(nèi)控機制不健全、從業(yè)人員素質(zhì)低下及風(fēng)險管理手段技術(shù)落后等產(chǎn)生的風(fēng)險則會通過轉(zhuǎn)化通道集聚成宏觀金融風(fēng)險。尤其當(dāng)區(qū)域內(nèi)某一系統(tǒng)性重要金融機構(gòu)發(fā)生重大風(fēng)險事故且監(jiān)管不力時，公眾會重新審視其他金融機構(gòu)的運營狀況及風(fēng)險管理，導(dǎo)致類似的金融風(fēng)險在不同金融機構(gòu)間傳染。此種情形雖然金融機構(gòu)間并無資金和業(yè)務(wù)往來，但金融風(fēng)險卻發(fā)生傳染和擴散。

（二）金融風(fēng)險部門間空間傳染的區(qū)域外視角

區(qū)域外視角主要探討導(dǎo)致金融風(fēng)險的區(qū)域外影響因素，也從兩方面分析：其一，區(qū)域間因素，尤其是地理位置相鄰或經(jīng)濟發(fā)展基礎(chǔ)以及經(jīng)濟發(fā)展模式相似的區(qū)域;其二，宏觀金融因素，如宏觀政策、制度、金融市場等因素。

1.區(qū)域間關(guān)系視角

區(qū)域間關(guān)系的建立主要通過以下三種渠道：渠道一為GDP溢出。GDP溢出標準內(nèi)涵自1998年Douven等[28]提出后逐漸形成，主要指本地區(qū)經(jīng)濟政策或其余內(nèi)生變量變動引起其他地區(qū)經(jīng)濟變量的變動程度，2002年Ligon[29]又進一步完善了此概念，認為GDP溢出指本地區(qū)GDP中不能被生產(chǎn)要素解釋的那一部分產(chǎn)出與其他地區(qū)GDP的相互影響。而當(dāng)前我國中央政府影響地方政府履行職能的方式即“政治錦標賽”制具有顯著的GDP溢出效應(yīng)。在有限的晉升職位下，地方政府關(guān)注并趕超高經(jīng)濟發(fā)展水平的地區(qū)，同時會減少為與之競爭官員所在地帶來正外部性。地方政府間特有的競爭機制既刺激地方政府投資動機，競相重復(fù)投資，又對資源和稀缺資本造成浪費，區(qū)域金融風(fēng)險加大。渠道二為知識技術(shù)溢出。知識技術(shù)溢出主要指的是企業(yè)“輸入”和“輸出”知識技術(shù)的過程。企業(yè)知識技術(shù)“輸入”指企業(yè)會通過勞動力培訓(xùn)、技術(shù)指導(dǎo)、聘請研發(fā)人員以及“資金換技術(shù)”等方式主動獲取知識技術(shù)，企業(yè)知識技術(shù)“輸出”則是指企業(yè)主動獲取的知識技術(shù)會以非自覺和非自愿擴散、傳播、轉(zhuǎn)移等方式影響周邊地區(qū)。再加上鄰近地區(qū)也會通過主動學(xué)習(xí)和積極模仿先進技術(shù)知識以提高自身競爭力，該種“學(xué)習(xí)模仿效應(yīng)”和“促競爭效應(yīng)”強化了區(qū)域間企業(yè)的知識技術(shù)溢出。渠道三為要素流動效應(yīng)。要素流動主要是指資本和勞動力的跨區(qū)域流動。資本的逐利性會使資金在經(jīng)濟發(fā)展各異地區(qū)跨區(qū)流動。起初資金會由落后地區(qū)流向發(fā)達地區(qū)，但當(dāng)經(jīng)濟發(fā)展到一定水平時，資金則會回流。資金大規(guī)模頻繁的跨區(qū)域流動在促進區(qū)域經(jīng)濟發(fā)展的同時，可能引發(fā)復(fù)雜的債權(quán)債務(wù)鏈條，構(gòu)成區(qū)域金融風(fēng)險擴散的通道。勞動力這一生產(chǎn)要素為了追求高工資或舒適的居住環(huán)境等也會發(fā)生跨區(qū)際的流動。由于勞動力掌握技術(shù)與研發(fā)創(chuàng)新知識，因此其跨區(qū)流動成為技術(shù)知識區(qū)域間溢出的重要途徑。

2.宏觀金融與區(qū)域金融視角

全國經(jīng)濟和金融系統(tǒng)遭受的宏觀金融風(fēng)險落實或反映到某一具體的區(qū)域，則會形成自上而下的區(qū)域金融風(fēng)險。宏觀金融風(fēng)險具有一定系統(tǒng)性，其本質(zhì)上的形成原因在于金融脆弱性或金融一體化、自由化所造成的外部沖擊，具體表現(xiàn)為金融資產(chǎn)極度失水，銀行機構(gòu)擠兌風(fēng)潮和資產(chǎn)價格的急劇波動。此種情形下，任一區(qū)域都無法在這種上源性的金融風(fēng)險中幸免。此外，國家為了防止宏觀性、系統(tǒng)性金融風(fēng)險的爆發(fā)通常會制定一元的宏觀政策，而區(qū)域之間的異質(zhì)性會導(dǎo)致區(qū)域不同對相同政策的吸收消化程度有差異。一般而言，發(fā)達區(qū)域憑借其健全的金融機構(gòu)體系和成熟的金融市場條件可以達到政策預(yù)期結(jié)果，落后區(qū)域則不然，進而風(fēng)險在不同區(qū)域出現(xiàn)不同程度的積累。

三、我國區(qū)域金融風(fēng)險的度量

為了更好地展開研究，本文從狹義上界定區(qū)域金融風(fēng)險為區(qū)域金融部門風(fēng)險，即我國區(qū)域內(nèi)（一般指省域）金融機構(gòu)在資本或貨幣市場中遭受的資產(chǎn)縮水和聲譽受損的不確定性。在確立區(qū)域金融風(fēng)險內(nèi)涵后，本文還從區(qū)域金融風(fēng)險指標選擇和區(qū)域金融風(fēng)險壓力指數(shù)構(gòu)建兩個方面對我國各省域金融風(fēng)險展開測度。

（一）區(qū)域金融風(fēng)險指標選擇

梳理國內(nèi)外相關(guān)文獻發(fā)現(xiàn)，從多維度選擇指標構(gòu)建金融壓力指數(shù)衡量金融風(fēng)險成為大多數(shù)學(xué)者展開研究的一項共識。諸多學(xué)者均基于銀行、房地產(chǎn)市場等多角度構(gòu)建金融壓力指數(shù)評估金融風(fēng)險[30-32]。鑒于此，結(jié)合數(shù)據(jù)的可獲得性，本文的金融壓力指數(shù)構(gòu)建主要基于銀行、保險、股票和房地產(chǎn)四大市場，具體指標選擇見表1。其中，保費深度表征保險業(yè)發(fā)展程度，股票市值/GDP代表股票市場發(fā)展水平，不良貸款率衡量壞賬的風(fēng)險累積程度，存貸比反映金融機構(gòu)風(fēng)險抵抗力，信貸膨脹率表明信貸飆漲所隱藏的風(fēng)險，住宅銷售價格指數(shù)表征房價快速增長所蘊含的風(fēng)險。不良貸款率、住宅銷售價格指數(shù)為正向指標，保費深度、股票市值/GDP和存貸比為逆向指標，信貸膨脹率為適度指標，該指標數(shù)值過高或過低都代表積累風(fēng)險過多。本文的研究對象為我國30個?。ㄊ小⒆灾螀^(qū)），不包括數(shù)據(jù)遺失的西藏和港澳臺地區(qū)，樣本期間為2005—2017年，數(shù)據(jù)來源于Wind數(shù)據(jù)庫、國家統(tǒng)計局、EPS全球統(tǒng)計數(shù)據(jù)庫以及《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》。

（二）區(qū)域金融壓力指數(shù)的構(gòu)建

在選擇測度區(qū)域金融風(fēng)險的指標基礎(chǔ)上，本文構(gòu)建中國區(qū)域金融壓力指數(shù)來代表區(qū)域金融風(fēng)險大小。已有相關(guān)文獻中運用的構(gòu)建模型，主要有以下幾類：一是經(jīng)驗法，基于已經(jīng)發(fā)生金融危機的國家估計金融危機爆發(fā)概率[33-34];二是按照指標賦權(quán)方式，有熵權(quán)法[35]、CRITIC賦權(quán)法[36]和主成分分析法[37];三是GARCH模型及其擴展形式等其他方法[38-39]。鑒于熵權(quán)法既不像主成分分析等方法使原始變量失去明確含義，又能綜合多方面考量區(qū)域金融風(fēng)險的優(yōu)勢，本文采用沈悅等[35]的熵權(quán)法

熵權(quán)法是用來判斷某個指標離散程度的數(shù)學(xué)方法，該指標離散程度越大，對綜合評價值的影響越大。熵權(quán)法的具體步驟為數(shù)據(jù)標準化、計算信息熵和計算差異系數(shù)。此外，指標賦權(quán)的方法主要有主成分分析法、層次分析法等，但是基于主成分分析法得出的主成分，失去了原始變量清楚明確的含義，層次分析法的指標賦權(quán)又太過主觀隨意，熵權(quán)法的賦權(quán)過程能夠避免上述缺點。構(gòu)建更客觀實用的金融壓力指數(shù)。

首先，對指標進行正向標準化處理以消除不同量綱對測算指數(shù)的差異影響。

基于上述處理，最終得出的指標值越大風(fēng)險越大，我國30個?。ㄊ小⒆灾螀^(qū)）2005—2017年區(qū)域金融風(fēng)險綜合評估值見表2。

（三）我國區(qū)域金融風(fēng)險的典型化事實描述

為了更好地闡釋表2中區(qū)域金融風(fēng)險演變趨勢，本文按照目前我國區(qū)域協(xié)同發(fā)展戰(zhàn)略中的“四大板塊”2015年3月李克強總理在政府工作報告中指出：“拓展區(qū)域發(fā)展新空間，統(tǒng)籌實施‘四大板塊區(qū)域發(fā)展戰(zhàn)略”，黨的十九大報告提出深入推進建設(shè)更加有效的“四大板塊”區(qū)域協(xié)調(diào)發(fā)展新機制。內(nèi)涵，將我國劃分為東部地區(qū)、中部地區(qū)、西部地區(qū)和東北地區(qū)

西部地區(qū)包括廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆和內(nèi)蒙古共12個省區(qū)市;中部地區(qū)包括山西、安徽、江西、河南、湖北和湖南共6個省份;東部地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南共10個省市;東北地區(qū)包括黑龍江、吉林和遼寧共3個省份。并對各地區(qū)各省域金融風(fēng)險的發(fā)展演變趨勢進行了典型化事實描述。由于部分數(shù)據(jù)缺失，本文只描述了除西藏之外的30個?。ㄊ?、自治區(qū)）的金融風(fēng)險演變趨勢。具體分析如下：

2005—2017年四大區(qū)域整體金融風(fēng)險呈現(xiàn)“上升—下降—小幅上升”波動性變化。其中兩個時間段上升較快：一是在全球金融危機爆發(fā)期的2008—2009年，二是“股災(zāi)”“人民幣貶值”和“債市波動”等“風(fēng)險事件”和金融“亂象”頻發(fā)的2014—2017年。此外，我國政府為應(yīng)對危機出臺的4萬億經(jīng)濟刺激計劃，推遲了金融風(fēng)險暴露進程，導(dǎo)致2014年之后我國經(jīng)濟結(jié)構(gòu)失衡、產(chǎn)能過剩等問題愈發(fā)嚴重，風(fēng)險加快累積。區(qū)域金融風(fēng)險平均水平從小到大排序依次為東部地區(qū)、中部地區(qū)、西部地區(qū)和東北地區(qū)，比較符合我國的現(xiàn)實。東部地區(qū)由于金融發(fā)展較早，金融市場、金融風(fēng)險防控技術(shù)和金融資源配置體系比較成熟，金融風(fēng)險較低，尤其是首都北京，金融風(fēng)險最低。中部地區(qū)金融風(fēng)險除山西外，其余省區(qū)市均居于0.5～0.8之間，且呈現(xiàn)“下降—上升”波動變化趨勢。山西省產(chǎn)業(yè)結(jié)構(gòu)單一偏重且企業(yè)轉(zhuǎn)型升級較慢導(dǎo)致其在淘汰落后產(chǎn)能、深入推進“供給側(cè)結(jié)構(gòu)性改革”的背景下金融風(fēng)險偏高且波動幅度較大。西部地區(qū)其余省區(qū)市風(fēng)險居于0.3～0.8范圍內(nèi)。西部地區(qū)由于地理區(qū)位、機制體制和資源稟賦的關(guān)系，經(jīng)濟發(fā)展滯后，金融風(fēng)險處于較高水平。東北地區(qū)金融風(fēng)險較高，其變化呈現(xiàn)出先小幅下降，后快速上升的態(tài)勢。在我國積極推進“供給側(cè)結(jié)構(gòu)性改革”背景下，東北三省資源型企業(yè)面臨淘汰落后產(chǎn)能的巨大壓力，其企業(yè)轉(zhuǎn)型升級和有效防控風(fēng)險成為目前工作的重中之重。

四、實證檢驗

（一）自相關(guān)檢驗

本文基于最常用的“莫蘭指數(shù)”（Morans I）進行區(qū)域金融風(fēng)險空間自相關(guān)檢驗。鄰接權(quán)重矩陣、地理距離權(quán)重矩陣和經(jīng)濟距離權(quán)重

根據(jù)Waldo Tobler“任何事物都相關(guān)，相近事物關(guān)聯(lián)更密切”的觀點，設(shè)置鄰接權(quán)重矩陣（w1）反映地理分布遠近產(chǎn)生的溢出效應(yīng)，該矩陣在區(qū)域i和區(qū)域j相鄰時設(shè)置為1，否則為0;地理權(quán)重矩陣（w2）采用地理距離平方的倒數(shù)構(gòu)建，地理距離指的是省會城市之間的球面距離;本文參照林光平等[40-41]的方法設(shè)置經(jīng)濟距離權(quán)重矩陣（w3），w3=w2×m，w2為地理距離權(quán)重矩陣，m為經(jīng)濟距離矩陣，用省際人均GDP之差的倒數(shù)來衡量。矩陣下我國區(qū)域金融風(fēng)險的莫蘭指數(shù)見表3。

由表3可知：第一，莫蘭指數(shù)在三種空間權(quán)重矩陣下多年顯著為正，意味著我國區(qū)域金融風(fēng)險空間相關(guān)性較強，且金融風(fēng)險區(qū)域間分布態(tài)勢呈現(xiàn)“高-高”模式，區(qū)域金融風(fēng)險空間依賴及外溢效應(yīng)較強。第二，樣本期內(nèi)莫蘭指數(shù)在經(jīng)濟距離權(quán)重下最大，鄰接權(quán)重矩陣下次之，地理距離權(quán)重矩陣下最小，這表明經(jīng)濟發(fā)展程度相似的省份和鄰近省域間金融風(fēng)險外溢效應(yīng)明顯。

（二）模型設(shè)定

為驗證政府、企業(yè)和家戶部門對金融部門的風(fēng)險外溢效應(yīng)，本文參照了LeSage等[42]提出的空間杜賓模型（SDM），該模型能夠很好彌補傳統(tǒng)模型由于忽略可抑制性和相關(guān)性造成結(jié)果有偏的缺陷。具體模型設(shè)計如下：

其中，y為n階向量，表示區(qū)域金融風(fēng)險，具體為中國區(qū)域金融壓力指數(shù)，α為常數(shù)項，In為n×1階單位矩陣，ε為誤差項，W為空間權(quán)重矩陣，Wy與WX分別考慮了被解釋變量y和解釋變量X的空間滯后項。X是基于政府、企業(yè)和家戶部門及宏觀環(huán)境方面的指標，具體見表4。

政府部門指標反映財政風(fēng)險，用財政缺口率代表，表征政府財政收支的缺口大小，為正向指標。

企業(yè)部門指標表征企業(yè)經(jīng)營過程中蘊藏的風(fēng)險，用roa表明企業(yè)的盈利能力，流動比率（lq）代表企業(yè)短期資金周轉(zhuǎn)情況，虧損率（loss）揭示企業(yè)虧損程度，資產(chǎn)負債率（ds）表明企業(yè)的償債負擔(dān)，其中，roa和lq為逆向指標，loss和ds為正向指標。

家戶部門指標表征所有家庭的風(fēng)險積累，用居民家庭人均收入增長率表示家庭收入情況，為負向指標，用失業(yè)率反映勞動產(chǎn)能未轉(zhuǎn)化為家庭財富的勞動力閑置情況，為正向指標。

宏觀環(huán)境反映國家經(jīng)濟總體運行出現(xiàn)偏差積累的風(fēng)險，分別用GDP增長率、進出口額/GDP、固定資產(chǎn)投資/GDP和通貨膨脹率表示。上述指標為適度指標，指標值應(yīng)在一定范圍內(nèi)，過高或過低都表明風(fēng)險擴大。

需指明的是，估計的系數(shù)中如果ρ不等于0，直接用自變量及Wy的系數(shù)來表示政府、企業(yè)和家戶部門對金融部門風(fēng)險的空間傳染效應(yīng)將會產(chǎn)生偏差，因此進一步提出改進的空間回歸偏微分方法，其重置模型如下：

（三）實證結(jié)果分析

由式（8）得到三種空間權(quán)重矩陣下的空間滯后項系數(shù)ρ不為0，且通過了1%的顯著性水平檢驗，因此回歸系數(shù)無法直接代替各變量的經(jīng)濟含義，此時需根據(jù)LeSage等[42]提出的空間偏微分方法將空間溢出效應(yīng)分解為區(qū)域內(nèi)、區(qū)域間和總溢出效應(yīng)。三種空間權(quán)重矩陣下豪斯曼檢驗結(jié)果分別為2.560、2.340和3.480，均顯著為正，故本文選擇空間杜賓模型的固定效應(yīng)模型。區(qū)域內(nèi)、區(qū)域間及總溢出效應(yīng)的具體結(jié)果見表5—7。

區(qū)域金融風(fēng)險空間傳染的區(qū)域內(nèi)溢出效應(yīng)見表5。從中可知，財政缺口率（gas）在三種空間權(quán)重距離下與區(qū)域金融風(fēng)險存在顯著正相關(guān)，即政府財政缺口率越大，區(qū)域金融風(fēng)險越高，這可能由于一方面銀行高管出于逐利、晉升等動機對地方政府具有較強的放貸意愿，另一方面地方政府出于某種政策考慮對轄區(qū)內(nèi)銀行形成實質(zhì)上的信貸軟約束，從而政府財政缺口率越大。上述兩種效應(yīng)越強，地方政府決策失誤所導(dǎo)致的風(fēng)險越易通過政府和銀行的債權(quán)債務(wù)關(guān)聯(lián)傳染到金融部門，導(dǎo)致區(qū)域金融風(fēng)險越大。因此，政府在進行宏觀調(diào)控時，應(yīng)慎重投資或經(jīng)濟決策，避免政府的不當(dāng)行為對區(qū)域金融風(fēng)險產(chǎn)生正向沖擊。企業(yè)的盈利能力（roa）和流動性比率（lq）與區(qū)域金融風(fēng)險呈負相關(guān)關(guān)系，即企業(yè)盈利能力及流動性越強，區(qū)域金融風(fēng)險越低，這可能由于根據(jù)企業(yè)優(yōu)序融資理論，企業(yè)獲得資金時考慮的融資順序為內(nèi)源融資、債權(quán)融資和權(quán)益融資。盈利水平高和流動性強的企業(yè)，由于其較強的內(nèi)源融資能力而較少依賴銀行的信貸融資，從而對區(qū)域金融部門風(fēng)險影響較小。資產(chǎn)負債率（ds）、虧損率（loss）則與區(qū)域金融風(fēng)險呈正相關(guān)關(guān)系，表明這類企業(yè)一方面由于自身內(nèi)源融資能力不足，通過債權(quán)融資等外部融資方式與銀行等金融機構(gòu)的聯(lián)系更加緊密復(fù)雜，另一方面資產(chǎn)負債率和虧損率較高的企業(yè)，其自身發(fā)生破產(chǎn)的概率較大，由此導(dǎo)致的財務(wù)困境成本較高，更加重自身破產(chǎn)，最終因無法償還貸款而將破產(chǎn)風(fēng)險轉(zhuǎn)嫁到銀行等金融機構(gòu)，加劇區(qū)域金融風(fēng)險的爆發(fā)。此外，目前我國企業(yè)的“自金融”現(xiàn)象比較嚴重，即一些大型國有企業(yè)憑借自身優(yōu)勢以較低成本從銀行獲得款項，卻以更高的資金成本放貸給無法以正規(guī)渠道從銀行獲得貸款的中小微企業(yè)，這種非正規(guī)渠道的企業(yè)“自金融”現(xiàn)象無疑延長了銀行和企業(yè)的信貸鏈條，放大了企業(yè)部門風(fēng)險對區(qū)域金融部門的風(fēng)險沖擊。家庭失業(yè)率（unem）越大，意味著家庭收入降低。中國家庭普遍面臨的住房剛需及投機需求加劇了家庭償債負擔(dān)，強化了家庭對收入或損失波動的敏感性，因此銀行信譽降低或不良貸款飆漲極易引發(fā)投資者非理性預(yù)期及恐慌情緒，隨之產(chǎn)生資產(chǎn)拋售的羊群行為，這種“凈傳染效應(yīng)”通過銀行的擠兌風(fēng)潮誘發(fā)銀行危機。宏觀層面，區(qū)域GDP增長率對區(qū)域金融風(fēng)險具有負向沖擊，表明區(qū)域金融風(fēng)險傳染具有“逆經(jīng)濟周期”特點，即經(jīng)濟越繁榮，區(qū)域金融風(fēng)險越小。固定資產(chǎn)投資與區(qū)域金融風(fēng)險正相關(guān)，這正好闡釋了當(dāng)前中國“去產(chǎn)能”的必要性和重要性。大型重工業(yè)企業(yè)一般固定資產(chǎn)投資較多，目前這些企業(yè)大部分是落后產(chǎn)能企業(yè)。在我國供需結(jié)構(gòu)調(diào)整的當(dāng)下，這些企業(yè)已經(jīng)不能適應(yīng)需求，如果繼續(xù)增加固定資產(chǎn)投資力度，必然會加大區(qū)域內(nèi)金融風(fēng)險爆發(fā)的可能性。

區(qū)域金融風(fēng)險空間傳染機制的區(qū)域間溢出效應(yīng)見表6。從中可知，三種空間距離權(quán)重下別的省份的企業(yè)、家戶和政府部門會通過區(qū)域間的關(guān)聯(lián)渠道等因素對本區(qū)域金融風(fēng)險產(chǎn)生溢出效應(yīng)。具體來看，財政缺口率的系數(shù)為正且通過了5%的顯著性水平檢驗，表明其他地區(qū)地方政府財政缺口率對本區(qū)域金融風(fēng)險存在正向關(guān)系。在中國特有的政績考核模式下，其他地區(qū)地方政府的收支行為通過GDP溢出渠道給本地區(qū)金融部門風(fēng)險帶來負外部性，一方面表現(xiàn)為地方政府官員為獲得晉升、提高政績，過度進行基建投資，造成大規(guī)模的重復(fù)性投資，浪費了資源，加劇了區(qū)域金融風(fēng)險，另一方面地方政府間的惡性競爭還會促使當(dāng)?shù)卣M量避免采取能為與之競爭官員所在地帶來正外部性的行為，表明了財政分權(quán)下單一政績考核方式的負作用。roa的系數(shù)顯著為負，loss和ds系數(shù)顯著為正，這表明通常盈利能力強、資金豐裕、資產(chǎn)負債率和虧損率低的企業(yè)通過勞動力培訓(xùn)、技術(shù)指導(dǎo)、聘請研發(fā)人員以及“資金換技術(shù)”等方式主動獲取知識技術(shù)溢出的能力較強，而獲得的這種知識技術(shù)溢出又會以非自覺和非自愿擴散、傳播、轉(zhuǎn)移等方式對周邊地區(qū)產(chǎn)生正外部性，同時鄰近地區(qū)也會主動學(xué)習(xí)和積極模仿先進的技術(shù)知識以提高自身競爭力，該種“學(xué)習(xí)模仿效應(yīng)”和“促競爭效應(yīng)”強化了上述正外部效應(yīng)，因而本區(qū)域金融風(fēng)險降低。unem系數(shù)顯著為正， 意味著較高的失業(yè)率不但不能使勞動力掌握的技術(shù)與創(chuàng)新知識轉(zhuǎn)換為生產(chǎn)力，還會減弱勞動力的跨區(qū)際流動，堵塞技術(shù)知識向其他地區(qū)擴散與傳播的途徑，加劇本區(qū)域金融風(fēng)險爆發(fā)。宏觀層面，rgdp的系數(shù)顯著為負，表明GDP增長率對地理位置鄰近或經(jīng)濟發(fā)展水平相近的地區(qū)具有正外部性，fix的系數(shù)顯著為正，意味著固定投資對地理位置鄰近或經(jīng)濟發(fā)展水平相近的地區(qū)具有負外部性。此外就影響程度來看，區(qū)域間溢出效應(yīng)要顯著大于區(qū)域內(nèi)溢出效應(yīng)，體現(xiàn)出空間因素對區(qū)域金融風(fēng)險傳染效應(yīng)的放大效應(yīng)，地理位置鄰近和經(jīng)濟發(fā)展水平相近的省域金融風(fēng)險關(guān)聯(lián)更強。

區(qū)域金融風(fēng)險空間傳染的總效應(yīng)見表7。從中可知，企業(yè)、政府和家戶部門行為對區(qū)域金融風(fēng)險具有顯著影響，區(qū)域金融風(fēng)險的空間傳染有以下三條渠道：企業(yè)部門—金融部門、政府部門—金融部門以及家戶部門—金融部門，并且政府、企業(yè)和家戶部門對區(qū)域金融風(fēng)險的影響具有異質(zhì)性，樣本期間企業(yè)和政府部門對金融部門的風(fēng)險外溢效應(yīng)高于家戶部門，成為區(qū)域金融風(fēng)險的主要風(fēng)險源。造成此現(xiàn)象的原因可能是金融部門向企業(yè)的融資是市場行為，家戶向銀行部門存貸屬于受心理預(yù)期和羊群效應(yīng)的影響的個人行為，而通過融資平臺向地方政府融資受行政干擾，且政府的主動性更強，由此導(dǎo)致政府、企業(yè)和家戶部門對金融部門差異化的風(fēng)險外溢效應(yīng)。

五、相關(guān)結(jié)論與政策建議

本文從區(qū)域內(nèi)外兩大視角闡釋了我國區(qū)域金融風(fēng)險的空間傳染路徑，并在測度我國區(qū)域金融風(fēng)險的基礎(chǔ)上，基于空間偏微分方法驗證了上述路徑，得出研究結(jié)論如下：我國存在企業(yè)部門—金融部門、政府部門—金融部門和家戶部門—金融部門的區(qū)域金融風(fēng)險傳染路徑，且由于家戶貸款屬于個人行為，金融機構(gòu)向企業(yè)融資是市場行為，通過融資平臺向地方政府融資具有行政干擾，從而政府、企業(yè)和家戶部門對金融部門風(fēng)險的空間外溢效應(yīng)存在差異性，但從影響效果來看，政府和企業(yè)部門是區(qū)域金融風(fēng)險主要來源。此外，上述效應(yīng)在考慮了區(qū)域間政府競爭、技術(shù)知識溢出及資本、勞動力流動等空間作用之后被放大。

基于上述研究，為抑制和防范我國可能發(fā)生潛在區(qū)域金融風(fēng)險，本文提出如下政策建議。首先，基于區(qū)域外視角：第一，完善地方政府政績考核方式，避免地方政府間惡性競爭導(dǎo)致的資源浪費和負外部性行為。此外，加強金融風(fēng)險的合作治理，積極建立地區(qū)間風(fēng)險防控的協(xié)作機制，避免區(qū)域間金融風(fēng)險的交叉?zhèn)魅颈l(fā)區(qū)域性系統(tǒng)性風(fēng)險。第二，掃除知識型、創(chuàng)新型人才流動障礙，構(gòu)建人才流動長效機制，充分發(fā)揮區(qū)域間知識技術(shù)外溢效應(yīng)，加強對欠發(fā)達省區(qū)市的技術(shù)支持。第三，建立科學(xué)合理有序互補的金融資源配置體系，提高金融資源配置效率，防止因企業(yè)“自金融”現(xiàn)象惡化社會信用環(huán)境，加劇區(qū)域金融風(fēng)險的傳染。其次，基于區(qū)域內(nèi)視角：第一，通過組建數(shù)據(jù)大平臺等方式加強對系統(tǒng)重要性金融機構(gòu)的監(jiān)管，防止其因內(nèi)控機制不健全、操作失誤等自身脆弱性由內(nèi)而外造成區(qū)域金融風(fēng)險的爆發(fā)。第二，硬化地方政府債務(wù)的預(yù)算軟約束機制，加快實現(xiàn)地方政府債務(wù)融資的市場化機制，防止地方政府對金融機構(gòu)的信貸軟約束機制扭曲資源配置，加速累積風(fēng)險。第三，加快產(chǎn)業(yè)轉(zhuǎn)型升級，全面實施創(chuàng)新驅(qū)動發(fā)展，培育一批符合時代要求的優(yōu)質(zhì)新型企業(yè)，從源頭上防范化解區(qū)域金融風(fēng)險。第四，建立完善的就業(yè)體系，提供充足的崗前培訓(xùn)，減少因勞動產(chǎn)能未轉(zhuǎn)化為家庭財富而爆發(fā)區(qū)域金融風(fēng)險的可能性。

參考文獻：

[1]?Dornbusch R， Park Y C， Claessens S. Contagion： Understanding how it spreads[J]. World Bank Research Observer， 2000， 15（2）： 177-197.

[2]?Forbes K J. The Asian flu and Russian virus： The international transmission of crises in firm-level data[J]. Journal of International Economics， 2004， 63（1）： 59-29.

[3]?梁芹， 陸靜. 國際金融危機期間的匯率風(fēng)險傳染效應(yīng)研究[J]. 當(dāng)代經(jīng)濟科學(xué)， 2013（2）： 1-10.

[4]?Diebold F， Schuermann T， Stroughair J. Pitfalls and opportunities in the use of extreme value theory in risk management[J]. Journal of Finance， 2000， 1（2）： 30-35.

[5]?Boschi M， Goenka A. Relative risk aversion and the transmission of financial crises[J]. Journal of Economic Dynamics and Control， 2012， 36（1）： 85-99.

[6]?王聰， 張鐵強. 經(jīng)濟開放進程中金融危機沖擊比較研究[J]. 金融研究， 2011（3）： 97-110.

[7]?Luo W， Brooks R D， Silvapulle P. Effects of the open policy on the dependence between the Chinese A stock market and other equity markets： An industry sector perspective[J]. Journal of International Financial Markets， Institusions and Money， 2011， 21（1）： 49-74.

[8]?Christoffersen P， Errunza V R， Jacobs K， et al. Correkation dynamics and international diversification benefits[J]. International Journal of Forecasting， 2013， 30（3）： 807-824.

[9]?蘇木亞， 郭崇慧. 全球主要股票市場對我國股市的多渠道協(xié)同波動溢出效應(yīng)——歐債危機背景下基于中證行業(yè)指數(shù)視角的研究[J]. 管理評論， 2015（11）： 21-32.

[10]袁晨， 傅強. 我國金融市場間投資轉(zhuǎn)移和市場傳染的階段時變特征——股票與債券、黃金間關(guān)聯(lián)性的實證分析[J]. 系統(tǒng)工程， 2010（5）： 1-7.

[11]李志輝， 王穎. 中國金融市場間風(fēng)險傳染的效應(yīng)分析——基于VEC模型分析的視角[J]. 現(xiàn)代財經(jīng)， 2012（7）： 20-27.

[12]王鵬， 吳金宴. 基于協(xié)高階矩視角的滬港股市風(fēng)險傳染分析[J]. 管理科學(xué)學(xué)報， 2018（6）： 29-42.

[13]涂曉楓， 李政. 銀行的影子： 風(fēng)險分擔(dān)還是風(fēng)險傳染[J]. 當(dāng)代經(jīng)濟科學(xué)， 2016（2）： 20-29.

[14]鄧超， 陳學(xué)軍. 基于多主體建模分析的銀行間網(wǎng)絡(luò)系統(tǒng)性風(fēng)險研究[J]. 中國管理科學(xué)， 2016（1）： 67-75.

[15]隋聰， 鄧爽玲， 王宗堯. 銀行資產(chǎn)負債結(jié)構(gòu)對金融風(fēng)險傳染的影響[J]. 系統(tǒng)工程理論與實踐， 2017（8）： 1973-1981.

[16]隋聰， 譚照林， 王宗堯. 基于網(wǎng)絡(luò)視角的銀行業(yè)系統(tǒng)性風(fēng)險度量方法[J]. 中國管理科學(xué)， 2016（5）： 54-64.

[17]馬德功， 趙新， 韓喜昆. 商業(yè)銀行參與影子銀行業(yè)務(wù)與金融風(fēng)險傳染——基于影子銀行體系資金供給方的視角[J]. 重慶大學(xué)學(xué)報（社會科學(xué)版）， 2019（3）： 72-83.

[18]王麗珍. 中國保險業(yè)系統(tǒng)性風(fēng)險再保險業(yè)務(wù)傳染效應(yīng)研究[J]. 當(dāng)代經(jīng)濟科學(xué)， 2015（5）： 1-10.

[19]王營， 曹廷求. 中國區(qū)域性金融風(fēng)險的空間關(guān)聯(lián)及其傳染效應(yīng)——基于社會網(wǎng)絡(luò)分析法[J]. 金融經(jīng)濟學(xué)研究， 2017（3）： 46-55.

[20]宋凌峰， 葉永剛. 中國區(qū)域金融風(fēng)險部門間傳遞研究[J]. 管理世界， 2011（9）： 172-173.

[21]Baig T， Goldfajn I. Financial market contagion in the Asian crisis[J]. IMF Economic Review， 1999， 46（2）： 167-195.

[22]韋艷華， 齊樹天. 亞洲新興市場金融危機傳染問題研究——基于Copula理論的檢驗方法[J]. 國際金融研究， 2008（9）： 22-29.

[23]葉五一， 繆柏其. 基于Copula變點檢測的美國次級債金融危機傳染分析[J]. 中國管理科學(xué)， 2009（3）： 1-7.

[24]Kelejian H H， Tavals G S， Hondroyiannis G. A spatial modelling approach to contagion among emerging economics[J]. Open Economies Review， 2006， 17（4/5）： 423-441.

[25]程棵， 陸鳳彬， 楊曉光. 次貸危機傳染渠道的空間計量[J]. 系統(tǒng)工程理論與實踐， 2012（3）： 483-394.

[26]崔百勝， 姜逸菲. 歐洲主權(quán)債務(wù)危機的傳染效應(yīng)及空間傳染渠道分析[J]. 國際貿(mào)易問題， 2015（9）： 133-144.

[27]Allen F， Gale D M. Financial contagion[J]. Journal of Political Economy， 2000， 108（1）： 1-33.

[28]Douven R， Peeters M. GDP-spillovers in multi-country models[J]. MPRA Paper， 1998， 15（2）： 163-195.

[29]Ligon C E. Economic distance and cross-country spillovers[J]. Journal of Economic Growth， 2002， 7（2）： 157-187.

[30]Illing M， Liu Y. Measuring financial stress in a developed country： An application to Canada[J]. Journal Financial Stability， 2003， 2（3）： 243-265.

[31]Balakrishnan R， Danninger S， Elekdag S， et al. The transmission of financial stress from advanced to emerging economies[J]. Emerging Markets Finance & Trade， 2011， 47（2）： 40-68.

[32]徐榮， 郭娜， 李金鑫， 等. 我國房地產(chǎn)價格波動對系統(tǒng)性金融風(fēng)險影響的動態(tài)機制研究——基于有向無環(huán)圖的分析[J]. 南方經(jīng)濟， 2017（11）： 1-17.

[33]Duca M L， Peltonen T A. Macro-financial vulnerabilities and future financial stress： Assessing systemic risks and predicting systemic events[R]. ECB Working Paper， No. 1311， 2011.

[34]王春麗， 胡玲. 基于馬爾科夫區(qū)制轉(zhuǎn)移模型的中國金融風(fēng)險預(yù)警研究[J]. 金融研究， 2014（9）： 99-114.

[35]沈悅， 張珍. 中國金融安全預(yù)警指標體系設(shè)置研究[J]. 山西財經(jīng)大學(xué)學(xué)報， 2007（10）： 89-94.

[36]許滌龍， 陳雙蓮. 基于金融壓力指數(shù)的系統(tǒng)性金融風(fēng)險測度研究[J]. 經(jīng)濟學(xué)動態(tài)， 2015（4）： 69-78.

[37]宮曉琳. 未定權(quán)益分析方法與中國宏觀金融風(fēng)險的測度分析[J]. 經(jīng)濟研究， 2012（3）： 76-87.

[38]范小云， 方意， 王道平. 我國銀行系統(tǒng)性風(fēng)險的動態(tài)特征及系統(tǒng)重要性銀行甄別——基于CCA與DAG相結(jié)合的分析[J]. 金融研究， 2013（11）： 82-95.

[39]Rodríguez M M， Pea J I. Systemic risk measures： The simpler the better？[J]. Journal of Banking & Finance， 2013， 37（6）： 1817-1831.

[40]林光平， 龍志和， 吳梅. 我國地區(qū)經(jīng)濟收斂的空間計量實證分析： 1978—2002年[J]. 經(jīng)濟學(xué)（季刊）， 2005（S1）： 67-82.

[41]沈麗， 劉媛， 李文君. 不良貸款、空間溢出與區(qū)域經(jīng)濟增長[J]. 經(jīng)濟與管理評論， 2018（3）： 26-41.

[42]LeSage J， Pace R K. Introduction to spatial econometrics[M]. Florida： CRC Press， 1973.