国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于廣義方差分解的我國(guó)金融部門風(fēng)險(xiǎn)傳染效應(yīng)研究

2020-02-21 01:18
關(guān)鍵詞:金融部門關(guān)聯(lián)度關(guān)聯(lián)性

[貴州大學(xué) 貴陽(yáng) 550025]

引言

2008年的全球金融次貸危機(jī)中,由單一金融部門的違約最終演變成全球金融危機(jī),這引起了學(xué)界、業(yè)界和各國(guó)監(jiān)管層對(duì)金融部門之間的風(fēng)險(xiǎn)傳染問(wèn)題的關(guān)注。改革開(kāi)放以來(lái),我國(guó)經(jīng)濟(jì)迅速發(fā)展,如今已成為世界上第二大經(jīng)濟(jì)體,與之相對(duì)應(yīng)的是我國(guó)金融業(yè)的規(guī)模也在不斷攀升,金融業(yè)現(xiàn)已是我國(guó)實(shí)體經(jīng)濟(jì)重要組成部分,金融業(yè)一旦陷入危機(jī)勢(shì)必會(huì)嚴(yán)重影響我國(guó)經(jīng)濟(jì)。隨著我國(guó)逐步放開(kāi)金融市場(chǎng),我國(guó)金融業(yè)與國(guó)際金融業(yè)的聯(lián)系越來(lái)越緊密,面對(duì)復(fù)雜的國(guó)際金融環(huán)境,我國(guó)金融風(fēng)險(xiǎn)監(jiān)管也上升到國(guó)家安全高度,尤其是在2017年9月,黨的十九大報(bào)告指出要“健全金融監(jiān)管體系,守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線”。為了維護(hù)國(guó)家金融安全,科學(xué)防范風(fēng)險(xiǎn)傳染,必須明白我國(guó)金融市場(chǎng)各部門風(fēng)險(xiǎn)傳染源和途徑,研究這個(gè)問(wèn)題對(duì)控制我國(guó)金融風(fēng)險(xiǎn)傳染有著重要的理論和現(xiàn)實(shí)意義。

一、文獻(xiàn)綜述

防范金融風(fēng)險(xiǎn)傳染的重要前提是準(zhǔn)確刻畫金融部門之間的風(fēng)險(xiǎn)傳染效應(yīng),而金融市場(chǎng)數(shù)據(jù)具有高頻、時(shí)效和前瞻等特性。自2008年金融危機(jī)后,許多學(xué)者采用金融市場(chǎng)數(shù)據(jù)來(lái)刻畫機(jī)構(gòu)或者部門的風(fēng)險(xiǎn)傳染情況。其中方法大致可以分為相關(guān)系數(shù)法、尾部關(guān)聯(lián)性法和網(wǎng)絡(luò)分析法三類。

(一)相關(guān)系數(shù)法

相關(guān)系數(shù)法是利用金融機(jī)構(gòu)收益率(或波動(dòng)率)相關(guān)系數(shù)來(lái)刻畫機(jī)構(gòu)之間風(fēng)險(xiǎn)傳染效應(yīng)。例如Patro et al以美國(guó)22家上市銀行的股票日收益率為研究對(duì)象采用了參數(shù)Pearson相關(guān)系數(shù)以及非參數(shù)的Spearman和Kendall等級(jí)相關(guān)系數(shù)指標(biāo),用來(lái)捕捉金融風(fēng)險(xiǎn)的變動(dòng)趨勢(shì)和波動(dòng),以此刻畫機(jī)構(gòu)之間風(fēng)險(xiǎn)傳染效應(yīng)[1]。為了解決風(fēng)險(xiǎn)傳染的時(shí)變性,有學(xué)者應(yīng)用基于DCC-GARCH動(dòng)態(tài)相關(guān)系數(shù)來(lái)刻畫機(jī)構(gòu)之間動(dòng)態(tài)風(fēng)險(xiǎn)傳染效應(yīng),例如Brownlees和engle使用DCC-GARCH計(jì)算單個(gè)金融機(jī)構(gòu)和市場(chǎng)收益率的相關(guān)性,以此來(lái)刻畫風(fēng)險(xiǎn)傳染效應(yīng)[2]。但此類方法在刻畫風(fēng)險(xiǎn)傳染時(shí)無(wú)法識(shí)別風(fēng)險(xiǎn)傳染方向,且不能衡量單個(gè)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)。

(二)尾部關(guān)聯(lián)性

隨著風(fēng)險(xiǎn)度量方法的發(fā)展,學(xué)者們利用金融機(jī)構(gòu)間的尾部關(guān)聯(lián)性來(lái)測(cè)度單個(gè)金融機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出效應(yīng)以及對(duì)系統(tǒng)性風(fēng)險(xiǎn)的邊際貢獻(xiàn)。Adrian和Brunnermeier提出了CoVaR(條件在險(xiǎn)值)和ΔCoVaR(增量條件在險(xiǎn)值)模型,CoVaR模型測(cè)度方法是基于VaR模型將其推廣到單個(gè)個(gè)體處于某一危機(jī)狀態(tài)時(shí)對(duì)整個(gè)金融體系金融風(fēng)險(xiǎn)的貢獻(xiàn)程度[3]。ΔCoVaR是以正常情況和處于危機(jī)狀態(tài)下的CoVaR之差,CoVaR能夠及時(shí)反映金融部門系統(tǒng)性風(fēng)險(xiǎn)在時(shí)間維度上的變化狀況,也能前瞻性地反映市場(chǎng)對(duì)金融機(jī)構(gòu)未來(lái)表現(xiàn)的預(yù)期,因此得到后續(xù)學(xué)者的廣泛應(yīng)用[4]。然而CoVaR不能很好地捕捉其門限值以下極端情況下的尾部風(fēng)險(xiǎn),且不具有可加性。Acharya 等提出了MES模型,MES測(cè)度方法主要反映了當(dāng)整個(gè)市場(chǎng)收益列表下跌時(shí)單個(gè)金融機(jī)構(gòu)收益率的期望損失,以此來(lái)反映單個(gè)機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的邊際貢獻(xiàn)[5]。Brownless 和Engle指出,MES沒(méi)有考慮單個(gè)金融機(jī)構(gòu)規(guī)模大小,可能會(huì)低估風(fēng)險(xiǎn),為此提出了SRISK方法。SRISK測(cè)度方法主要是反映單個(gè)金融機(jī)構(gòu)相對(duì)于整個(gè)金融系統(tǒng)資本短缺程度來(lái)衡量其對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn),同時(shí)SRISK方法考慮了規(guī)模、杠桿率、關(guān)聯(lián)性等多個(gè)指標(biāo),更加精準(zhǔn)考慮了尾部關(guān)聯(lián)性[6]。但用尾部關(guān)聯(lián)性刻畫金融風(fēng)險(xiǎn)也有不足,Nikolaus等認(rèn)為這些尾部關(guān)聯(lián)性方法雖然能識(shí)別風(fēng)險(xiǎn)傳染的方向,但只關(guān)注了機(jī)構(gòu)對(duì)系統(tǒng)或者系統(tǒng)對(duì)機(jī)構(gòu)的機(jī)構(gòu)關(guān)聯(lián)性,無(wú)法獲得尾部風(fēng)險(xiǎn)溢出的傳染效應(yīng),低估了機(jī)構(gòu)對(duì)機(jī)構(gòu)之間的關(guān)聯(lián)性[7]。

(三)網(wǎng)絡(luò)分析法

隨著現(xiàn)代計(jì)量經(jīng)濟(jì)學(xué)和復(fù)雜網(wǎng)絡(luò)技術(shù)的發(fā)展,從網(wǎng)絡(luò)科學(xué)的角度來(lái)考察金融風(fēng)險(xiǎn)的關(guān)聯(lián)性成為新的研究工具。Haldane指出網(wǎng)絡(luò)科學(xué)是全面理解金融傳染過(guò)程、研究金融穩(wěn)定性的重點(diǎn)[8]。Allen 和Gale以及Freixas 等首次將金融網(wǎng)絡(luò)應(yīng)用到風(fēng)險(xiǎn)傳染的分析中,他們發(fā)現(xiàn)金融風(fēng)險(xiǎn)傳染依賴于銀行間的關(guān)聯(lián)結(jié)構(gòu)[9]。Billio 等采用Granger二元因果檢驗(yàn)判斷機(jī)構(gòu)間風(fēng)險(xiǎn)溢出關(guān)系的存在性和方向[10]。隨后,Diebold和Yilmaz基于VAR模型的方差分解構(gòu)建金融機(jī)構(gòu)的關(guān)聯(lián)網(wǎng)絡(luò),采用網(wǎng)絡(luò)分析法研究金融機(jī)構(gòu)間的網(wǎng)絡(luò)結(jié)構(gòu)及特征,并測(cè)度金融市場(chǎng)的波動(dòng)溢出效應(yīng)及金融系統(tǒng)性風(fēng)險(xiǎn)水平[11~12]。在Diebold和Yilmaz網(wǎng)絡(luò)拓?fù)湓砩?,Yang 和 Zhou采用遞歸的預(yù)測(cè)方差分解分析方法計(jì)算出多期風(fēng)險(xiǎn)傳染效應(yīng)[13]?;赩AR模型的Granger因果檢驗(yàn)和方差分解技術(shù)能有效刻畫風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)結(jié)構(gòu),但仍在一些不足。例如,Granger因果檢驗(yàn)將兩兩機(jī)構(gòu)置于孤立的環(huán)境中考慮他們的關(guān)聯(lián)性。Yang 等認(rèn)為傳統(tǒng)方差分解分析結(jié)論常常會(huì)因變量不同的排序或關(guān)系設(shè)定不同而產(chǎn)生不一樣的的變化,結(jié)果不夠穩(wěn)健[14]。針對(duì)于方差分解的這一問(wèn)題,Koop 等和Pesaran以及Shin提出的廣義方差分解技術(shù),能夠有效解決傳統(tǒng)方差分解結(jié)果依賴變量次序的問(wèn)題[15-16]。我國(guó)學(xué)者在金融風(fēng)險(xiǎn)傳染效應(yīng)研究方面也做了大量的研究,其中代表性的著作包括洪永淼等[17]、劉曉星等[18]、方意和鄭子文[19]、楊子暉等[20]、楊子暉和周穎剛[21]等。

關(guān)于金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)目前主流的方法仍然是針對(duì)機(jī)構(gòu)或部門之間收益率(或波動(dòng)率)建模,驗(yàn)證各個(gè)機(jī)構(gòu)或部門收益率(或波動(dòng)率)之間的關(guān)聯(lián)性,用關(guān)聯(lián)性來(lái)考慮風(fēng)險(xiǎn)傳染的情況,大多數(shù)文獻(xiàn)把“靜態(tài)”的關(guān)聯(lián)性當(dāng)作風(fēng)險(xiǎn)傳染,但“靜態(tài)”關(guān)聯(lián)性無(wú)法及時(shí)刻畫極端事件發(fā)生時(shí)風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)結(jié)構(gòu),并且“靜態(tài)”關(guān)聯(lián)性越強(qiáng)不能代表風(fēng)險(xiǎn)傳染強(qiáng)度越大,而只能說(shuō)明其關(guān)系密切,為了解決上述問(wèn)題需要從“動(dòng)態(tài)”的關(guān)聯(lián)性入手。其中Bekaert等認(rèn)為僅僅將關(guān)聯(lián)性變化視為風(fēng)險(xiǎn)傳染會(huì)高估傳染現(xiàn)象[22]。Forbes和Rigobon開(kāi)創(chuàng)性的將關(guān)聯(lián)性與風(fēng)險(xiǎn)傳染的概念相區(qū)分,認(rèn)為“風(fēng)險(xiǎn)傳染”是一段時(shí)間內(nèi)資產(chǎn)之間的收益率或者波動(dòng)率關(guān)聯(lián)性明顯超過(guò)平常期間關(guān)聯(lián)性的現(xiàn)象[23]。王獻(xiàn)東和何建敏認(rèn)為Forbes和Rigobon的方法有兩個(gè)鮮明的優(yōu)點(diǎn),一是直觀的提供了檢驗(yàn)風(fēng)險(xiǎn)是否發(fā)生傳染的框架,另一個(gè)是方便直接測(cè)度風(fēng)險(xiǎn)傳染[24]。因此本文采取從動(dòng)態(tài)關(guān)聯(lián)的角度來(lái)刻畫風(fēng)險(xiǎn)傳染。本文的創(chuàng)新和貢獻(xiàn)主要在于:一是采用廣義方差分解技術(shù)構(gòu)建網(wǎng)絡(luò)關(guān)聯(lián)矩陣,可以解決基于傳統(tǒng)方差分解技術(shù)結(jié)果依賴于變量次序的問(wèn)題,使得到的結(jié)果具有穩(wěn)健性。二是,與大多數(shù)學(xué)者以靜態(tài)關(guān)聯(lián)視角去考慮風(fēng)險(xiǎn)傳染不同,本文從動(dòng)態(tài)的關(guān)聯(lián)性去考察風(fēng)險(xiǎn)傳染,算出兩兩機(jī)構(gòu)每日邊際凈關(guān)聯(lián)度,其中當(dāng)天凈關(guān)聯(lián)度進(jìn)入全樣本凈關(guān)聯(lián)度分位數(shù)10%的我們認(rèn)為的傳染效應(yīng)發(fā)生,進(jìn)入分位數(shù)5%我們認(rèn)為有比較顯著傳染效應(yīng)發(fā)生,進(jìn)入分位數(shù)1%的認(rèn)為有非常顯著傳染效應(yīng)發(fā)生,以此來(lái)刻畫風(fēng)險(xiǎn)傳染網(wǎng)絡(luò),研究風(fēng)險(xiǎn)傳染效應(yīng),該方法從動(dòng)態(tài)的角度觀測(cè)我國(guó)金融機(jī)構(gòu)風(fēng)險(xiǎn)傳染情況,能更加精準(zhǔn)、及時(shí)刻畫風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)。

二、方法與數(shù)據(jù)

(一)方法

我們使用Diebold和Yilmaz提出的網(wǎng)絡(luò)方法來(lái)構(gòu)建關(guān)聯(lián)度指數(shù)[10]。具體方法如下:

先考慮一個(gè)具有平穩(wěn)協(xié)方差的滯后期p的N變量 V AR(p)模型:

其中Xt=(x1,t,···,xN,t)′,Φi是N×N的系數(shù)矩陣,且白噪聲εt~(0,Σ)(均值為0,方差協(xié)方差矩陣為 Σ )。假設(shè)該VAR模型具有平穩(wěn)的協(xié)方差,從而可將1式轉(zhuǎn)換為移動(dòng)平均的形式:

這里 Ai= Φ1At-1+Φ2At-2+···ΦpAt-p,A0為N×N單位矩陣,且當(dāng)i<0時(shí)Ai=0。

Diebold和Yilmaz中使用了標(biāo)準(zhǔn)Cholesky分解對(duì)協(xié)方差Σ進(jìn)行了分解,得到關(guān)聯(lián)指數(shù)[25],但是基于Cholesky分解進(jìn)行識(shí)別的結(jié)果取決于變量排序。因此,Diebold和Yilmaz使用了廣義方差分解技術(shù)(GFEVD),這種方法所得到的結(jié)果與變量排序無(wú)關(guān),結(jié)果較為穩(wěn)健。

下面公式為衡量第i個(gè)變量H步(方差分解的期數(shù))預(yù)測(cè)誤差方差受到來(lái)自第j個(gè)變量部分的沖擊,其中i≠j:

我們以Dieboid和Yilmaz提出的網(wǎng)絡(luò)拓?fù)浞ń㈥P(guān)聯(lián)度矩陣(表1):

上面關(guān)聯(lián)度矩陣中,行代表關(guān)聯(lián)度來(lái)源地,列代表關(guān)聯(lián)度接收地。上面矩陣的元素是基于方差分解式子得到的,用來(lái)刻畫兩個(gè)部門之間的關(guān)聯(lián)度程度:

表1 關(guān)聯(lián)度矩陣

將上面對(duì)應(yīng)的公式進(jìn)一步改進(jìn),我們可以定義凈關(guān)聯(lián)度指數(shù)公式為:

它表示為兩部門之間關(guān)聯(lián)度的差額。

在矩陣TO這行中,行中每一個(gè)元素是對(duì)這一列非對(duì)角線元素的加總:

它表示部門j對(duì)其他部門沖擊的和,表示部門j對(duì)其市場(chǎng)總的關(guān)聯(lián)度,稱為對(duì)外關(guān)聯(lián)度。

在矩陣FROM所在的列中,列中每一個(gè)元素是對(duì)這一列非對(duì)角線元素的加總:

它是部門i受到其他市場(chǎng)沖擊的和,表示其他市場(chǎng)對(duì)部門i的關(guān)聯(lián)度,稱為受外關(guān)聯(lián)度。

此外對(duì)TO或者FROM元素求平均就可以得到市場(chǎng)總關(guān)聯(lián)度,能有效衡量出整個(gè)市場(chǎng)關(guān)聯(lián)度情況:

在網(wǎng)絡(luò)拓?fù)浞椒ǖ脑砩?,進(jìn)一步分別計(jì)算1期到t期的關(guān)聯(lián)度矩陣,在算出兩兩部門對(duì)應(yīng)的凈關(guān)聯(lián)度,然后將凈關(guān)聯(lián)度按照時(shí)間進(jìn)行差分可以得到邊際關(guān)聯(lián)度矩陣(表2):

表2 邊際關(guān)聯(lián)度矩陣

其中MNS為邊際凈關(guān)聯(lián)度指數(shù):

“Marginal Net Out”這一行每一個(gè)元素表示其他部門到部門i的邊際凈關(guān)聯(lián)度總效應(yīng)。

“Marginal Net In”這一列的每個(gè)元素表示部門j到其他市場(chǎng)邊際凈關(guān)聯(lián)度總效應(yīng)。

(二)數(shù)據(jù)說(shuō)明

本文依據(jù)wind數(shù)據(jù)庫(kù)的數(shù)據(jù)庫(kù)行業(yè)分類將金融行業(yè)分為九個(gè)部門,綜合各個(gè)行業(yè)指數(shù)編制時(shí)間和其涵蓋公司數(shù),在wind三級(jí)行業(yè)指數(shù)①中選取了保險(xiǎn)指數(shù)(INS),在wind四級(jí)行業(yè)指數(shù)中選取了多領(lǐng)域控股指數(shù)(HOLD),多元化銀行指數(shù)(DB),房地產(chǎn)服務(wù)指數(shù)(RES),房地產(chǎn)經(jīng)營(yíng)公司指數(shù)(REM),房地產(chǎn)開(kāi)發(fā)指數(shù)(RED),區(qū)域銀行指數(shù)(RB),投資銀行與經(jīng)紀(jì)業(yè)務(wù)指數(shù)(IB),資產(chǎn)管理與托管銀行指數(shù)(FB)。樣本區(qū)間為2013年3月1日到2019年6月20日。

表3展示了我國(guó)金融市場(chǎng)九個(gè)部門日收益率描述性統(tǒng)計(jì)指標(biāo),從統(tǒng)計(jì)指標(biāo)可以看出各個(gè)金融部門的分布都具備“尖峰厚尾”特征,同時(shí)JB正態(tài)性檢驗(yàn)表示各序列均不服從正態(tài)分布。

表3 各金融部門收益率變動(dòng)統(tǒng)計(jì)特征表

三、實(shí)證分析

(一)基于廣義方差分解的我國(guó)金融市場(chǎng)關(guān)聯(lián)度矩陣分析

本文對(duì)9個(gè)金融部門的日收益率序列進(jìn)行ADF單位根檢驗(yàn),各收益率序列皆平穩(wěn)。并根據(jù)AIC準(zhǔn)則建立滯后5階的VAR模型,所構(gòu)建的模型通過(guò)穩(wěn)定性檢驗(yàn)③。再根據(jù)(3)式進(jìn)行廣義方差分解得出如下全樣本關(guān)聯(lián)度矩陣(表4)。

表4的最后一列表示對(duì)應(yīng)部門的受外關(guān)聯(lián)指數(shù),受外關(guān)聯(lián)指數(shù)越大表示其自身經(jīng)營(yíng)狀況受其他金融部門影響越大。表4的最后一行表示對(duì)應(yīng)部門的對(duì)外關(guān)聯(lián)指數(shù),對(duì)外關(guān)聯(lián)指數(shù)越大表示自己經(jīng)營(yíng)狀況對(duì)其他金融部門影響程度越大。根據(jù)表4,我們把各個(gè)部門對(duì)外關(guān)聯(lián)度指數(shù)和受外關(guān)聯(lián)度指數(shù)進(jìn)行排序得到各部門對(duì)外關(guān)聯(lián)度和受外關(guān)聯(lián)度排名情況表(表5)。從表5我們可以發(fā)現(xiàn),我國(guó)金融市場(chǎng)各個(gè)部門對(duì)外關(guān)聯(lián)指數(shù)和受外關(guān)聯(lián)指數(shù)大小排序基本一致。對(duì)外關(guān)聯(lián)指數(shù)和受外關(guān)聯(lián)指數(shù)最高的金融部門均為房地產(chǎn)開(kāi)發(fā),其對(duì)外關(guān)聯(lián)指數(shù)達(dá)到了95.2,受外關(guān)聯(lián)指數(shù)達(dá)到了77.58。這說(shuō)明房地產(chǎn)開(kāi)發(fā)部門經(jīng)營(yíng)狀況最易受其他部門影響也最容易影響其他部門。同時(shí),房地產(chǎn)開(kāi)發(fā)部門較為脆弱,而且一旦經(jīng)營(yíng)狀況陷入困境會(huì)對(duì)其他部門造成顯著影響,這是風(fēng)險(xiǎn)監(jiān)管機(jī)構(gòu)在平時(shí)監(jiān)管時(shí)應(yīng)投入較大關(guān)注的部門。對(duì)外關(guān)聯(lián)指數(shù)和受外關(guān)聯(lián)指數(shù)排名在房地產(chǎn)開(kāi)發(fā)之后的金融部門均為投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門,其對(duì)外關(guān)聯(lián)指數(shù)為89.2,受外關(guān)聯(lián)指數(shù)達(dá)為76.68。這與投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門特性有關(guān),該部門掌握金融業(yè)大部分資本資源,經(jīng)營(yíng)狀況好壞會(huì)對(duì)其他金融部門產(chǎn)生影響,同時(shí)投資銀行與經(jīng)紀(jì)業(yè)務(wù)的盈利情況與所投資和經(jīng)紀(jì)的機(jī)構(gòu)盈利情況相關(guān),這些機(jī)構(gòu)不少是金融業(yè)其他部門,所以其他部門經(jīng)營(yíng)狀況好壞也會(huì)影響投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門。因此投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門也是監(jiān)管層需要關(guān)注的部門之一。對(duì)外關(guān)聯(lián)指數(shù)和受外關(guān)聯(lián)指數(shù)最低的是房地產(chǎn)服務(wù),其對(duì)外關(guān)聯(lián)指數(shù)為46.39,受外關(guān)聯(lián)指數(shù)達(dá)為65.05。這說(shuō)明在九個(gè)金融部門中,房地產(chǎn)服務(wù)部門經(jīng)營(yíng)狀況對(duì)其他部門影響較低,受其他部門的影響也較低。

表4 全樣本關(guān)聯(lián)度矩陣

表5 各機(jī)構(gòu)對(duì)外關(guān)聯(lián)聯(lián)度和受外關(guān)聯(lián)度排名情況表

進(jìn)一步,我們基于全樣本關(guān)聯(lián)矩陣(表4)把兩兩關(guān)聯(lián)指數(shù)進(jìn)行排序得到我金融市場(chǎng)兩兩部門關(guān)聯(lián)度表(表6),從表6來(lái)觀察我國(guó)金融市場(chǎng)九部門間的兩兩關(guān)系,可以發(fā)現(xiàn)多元銀行對(duì)區(qū)域銀行和區(qū)域銀行對(duì)多元銀行的兩兩關(guān)聯(lián)度指數(shù)占到了前兩名,指數(shù)分別是21.25和19.57,這說(shuō)明在我國(guó)金融市場(chǎng)金融部門兩兩關(guān)聯(lián)中,區(qū)域銀行對(duì)多元銀行影響最為顯著,但多元銀行對(duì)區(qū)域銀行影響緊跟其后,可見(jiàn)區(qū)域銀行和多元銀行是所有金融部門關(guān)系最緊密的兩個(gè)部門,這與兩部門業(yè)務(wù)相關(guān),多元銀行部門和區(qū)域銀行部門在拆借等同業(yè)務(wù)來(lái)往密切,這也導(dǎo)致兩個(gè)部門經(jīng)營(yíng)狀況互相影響,當(dāng)區(qū)域銀行陷入困境時(shí)監(jiān)管層需要關(guān)注多元銀行狀況,同理當(dāng)多元銀行陷入困境時(shí)應(yīng)多關(guān)心區(qū)域銀行狀況。在兩兩關(guān)關(guān)聯(lián)度表(表6)中指數(shù)倒數(shù)第一和第二分別指的是多元銀行對(duì)房地產(chǎn)服務(wù)和房地產(chǎn)服務(wù)對(duì)多元銀行,指數(shù)分別是2和2.61,這說(shuō)明在金融市場(chǎng)的金融部門中多元銀行和房地產(chǎn)服務(wù)之間的關(guān)聯(lián)性較少。

表6 我金融市場(chǎng)兩兩部門關(guān)聯(lián)度表

在表4中,最后一行最后一個(gè)數(shù)是總的關(guān)聯(lián)度指數(shù),我們可以發(fā)現(xiàn)在我國(guó)金融市場(chǎng)總的關(guān)聯(lián)度指數(shù)為73.02,這說(shuō)明從整個(gè)金融市場(chǎng)來(lái)看,我國(guó)金融市場(chǎng)約有73.02%的日收益率受外部部門影響,這也證明了我國(guó)金融市場(chǎng)各個(gè)部門聯(lián)系緊密,一體化水平高且市場(chǎng)成熟。上述分析為“靜態(tài)”的關(guān)聯(lián)性,代表全樣本情況下我國(guó)金融業(yè)各部門關(guān)聯(lián)情況。但極端事件所引發(fā)的金融風(fēng)險(xiǎn)通常具有突發(fā)性和復(fù)雜性,以全樣本角度出發(fā)“靜態(tài)”關(guān)聯(lián)性顯然是不足以讓監(jiān)管層準(zhǔn)確判斷該金融風(fēng)險(xiǎn)事件的風(fēng)險(xiǎn)源和風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)結(jié)構(gòu),知曉風(fēng)險(xiǎn)傳染途徑,從而無(wú)法采用準(zhǔn)確的監(jiān)管手段,導(dǎo)致金融風(fēng)險(xiǎn)未及時(shí)控制從而金融風(fēng)險(xiǎn)近一步蔓延。因此從“動(dòng)態(tài)”關(guān)聯(lián)性考慮風(fēng)險(xiǎn)傳染至關(guān)重要。

(二)我國(guó)金融市場(chǎng)收益率整體關(guān)聯(lián)度動(dòng)態(tài)分析

前文基于全樣本角度來(lái)分析收益率聯(lián)動(dòng)程度,以靜態(tài)分析的角度去考慮我國(guó)金融市場(chǎng)各部門“靜態(tài)”關(guān)聯(lián)性,但“靜態(tài)”的關(guān)聯(lián)性面對(duì)突發(fā)的極端事件無(wú)法很好的刻畫風(fēng)險(xiǎn)傳染網(wǎng)絡(luò),為了更好觀測(cè)我國(guó)金融市場(chǎng)風(fēng)險(xiǎn)傳染狀況,本文以動(dòng)態(tài)的角度去分析我國(guó)金融市場(chǎng)各部門關(guān)聯(lián)性,方法為采用300天的滾動(dòng)窗口,同時(shí)每個(gè)窗口期建立廣義方差分解以測(cè)算每日我國(guó)金融市場(chǎng)收益率總的關(guān)聯(lián)度指數(shù)。

從圖1可以發(fā)現(xiàn),我國(guó)金融市場(chǎng)收益率關(guān)聯(lián)程度指數(shù)受極端事件影響較大。例如在2015年1月19日收益率關(guān)聯(lián)度指數(shù)飆升,主要受到當(dāng)天“A股1.19事件影響”,隨后市場(chǎng)情緒平復(fù)冷靜,指數(shù)開(kāi)始下降,到了2015年7月27日指數(shù)開(kāi)始飆升,主要是受到當(dāng)日上證300指數(shù)大跌影響,隨后指數(shù)一直有上升的趨勢(shì),在2016年四季度,指數(shù)開(kāi)始下跌,到了2018年初,由于市場(chǎng)對(duì)“中美貿(mào)易戰(zhàn)”預(yù)期,導(dǎo)致指數(shù)開(kāi)始向上漲,到了2018年3月23日,由于“中美貿(mào)易戰(zhàn)”正式爆發(fā),指數(shù)開(kāi)始飆升,隨后直到2019年6月20日為止,指數(shù)依然呈上升趨勢(shì)。為什么收益率關(guān)聯(lián)度指數(shù)會(huì)對(duì)極端事件敏感,張兵等認(rèn)為一個(gè)部門受沖擊,由于投資者恐慌心理預(yù)期和羊群效應(yīng)等非理性下會(huì)使得極端情況下市場(chǎng)聯(lián)動(dòng)性更強(qiáng)[26]。根據(jù)這個(gè)發(fā)現(xiàn)可知代表我國(guó)金融市場(chǎng)聯(lián)動(dòng)性水平收益率關(guān)聯(lián)度指數(shù)的波動(dòng)與市場(chǎng)極端事件有關(guān)。

圖1 我國(guó)金融市場(chǎng)收益率關(guān)聯(lián)度動(dòng)態(tài)圖

(三)我國(guó)金融部門風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)分析

基于前文收益率關(guān)聯(lián)度的動(dòng)態(tài)分析,可以發(fā)現(xiàn)突發(fā)事件會(huì)使得我國(guó)金融市場(chǎng)關(guān)聯(lián)度變強(qiáng),這也可能意味著風(fēng)險(xiǎn)傳染發(fā)生,為了進(jìn)一步的考察突發(fā)事件時(shí)我國(guó)金融市場(chǎng)風(fēng)險(xiǎn)傳染網(wǎng)絡(luò),本文基于2015年1月19日的“A股1.19事件”和2018年3月23日“中美貿(mào)易戰(zhàn)”兩個(gè)極端事件來(lái)測(cè)算不同突發(fā)事件的風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)。

首先本文以“A股1.19事件”為例,考察2015年1月19日的各個(gè)金融部門風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)。2015年1月16~17日證監(jiān)會(huì)調(diào)查融資融券問(wèn)題,隨后的2015年1月19日,A股迎來(lái)了1.19大跌,1月19日,上證指數(shù)以5.94%的跌幅低開(kāi),并保持低位震蕩。截至早盤收盤,上證指數(shù)大跌212.78點(diǎn),跌幅高達(dá)6.3%。受到政策影響最大的金融股為領(lǐng)跌板塊,其中,證券、銀行、保險(xiǎn)板塊的跌幅均超過(guò)9%。

本文基于楊子暉[21]邊際凈效應(yīng)溢出網(wǎng)絡(luò)分析方法和如下機(jī)制刻畫風(fēng)險(xiǎn)傳染。先測(cè)算出每日凈關(guān)聯(lián)度矩陣,計(jì)算2015年1月19日當(dāng)天各個(gè)部門相互之間的凈關(guān)聯(lián)度處于每日凈關(guān)聯(lián)度的分位數(shù)段位置,如果當(dāng)天凈關(guān)聯(lián)度進(jìn)入到全樣本凈關(guān)聯(lián)度前1%的分位數(shù)段則認(rèn)為是非常顯著的風(fēng)險(xiǎn)傳染效應(yīng),在網(wǎng)絡(luò)圖中用最粗的線表示,如果是進(jìn)入5%分位數(shù)段,那么認(rèn)為是比較顯著的風(fēng)險(xiǎn)傳染效應(yīng),用粗線表示,如果是進(jìn)入到10%的分位數(shù)段,那認(rèn)為是顯著風(fēng)險(xiǎn)傳染效應(yīng),用細(xì)線表示,這樣組成當(dāng)日風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)圖。上述定義符合風(fēng)險(xiǎn)傳染是關(guān)聯(lián)度顯著增強(qiáng)的設(shè)定。

根據(jù)圖2可以發(fā)現(xiàn),在2015年1月19日當(dāng)天的風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)圖,在我國(guó)金融市場(chǎng)系統(tǒng)中投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門是這一天主要風(fēng)險(xiǎn)傳染源,對(duì)保險(xiǎn)、資產(chǎn)管理與托管銀行、多領(lǐng)域控股、多元化銀行、區(qū)域銀行、房地產(chǎn)服務(wù)、房地產(chǎn)開(kāi)發(fā)邊際關(guān)聯(lián)度進(jìn)入了全樣本前1%分段,對(duì)房地產(chǎn)經(jīng)營(yíng)際關(guān)聯(lián)度進(jìn)入全樣本5%分段,而受其傳染的部門,也各自對(duì)其他部門進(jìn)行傳染。風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)尾部為多領(lǐng)域控股和房地產(chǎn)服務(wù),這說(shuō)明多領(lǐng)域控股和房地產(chǎn)服務(wù)兩部門受到了其它部門直接或者間接的風(fēng)險(xiǎn)沖擊,且自身未傳遞風(fēng)險(xiǎn)給其他部門。這顯示了在2015年1月19日當(dāng)天,投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門陷入困境時(shí),對(duì)其他金融部門邊際關(guān)聯(lián)度都顯著增強(qiáng),風(fēng)險(xiǎn)傳染效應(yīng)顯著,受到投資銀行與經(jīng)紀(jì)業(yè)務(wù)部門風(fēng)險(xiǎn)傳染的部門迅速把自身的風(fēng)險(xiǎn)傳染給其他部門,直到風(fēng)險(xiǎn)傳染到多領(lǐng)域控股和房地產(chǎn)經(jīng)營(yíng)兩部門為止,此時(shí),我國(guó)金融市場(chǎng)部門間的風(fēng)險(xiǎn)關(guān)聯(lián)性較為顯著。

圖2 2015年1月19日風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)刻畫圖

此外,我們考慮2018年“中美貿(mào)易戰(zhàn)”事件,2018年3月23日特朗普簽署總統(tǒng)備忘錄對(duì)中國(guó)征稅并限制中國(guó)企業(yè)對(duì)美投資,中美貿(mào)易戰(zhàn)開(kāi)始,道指暴跌700點(diǎn),離岸人民幣跌300余點(diǎn),第二天早上我國(guó)滬深兩市指數(shù)雙雙大幅低開(kāi),午后開(kāi)盤后大盤指數(shù)進(jìn)步下跌,最后深指、創(chuàng)業(yè)板指跌超5%,滬指跌超4%。

圖3 2018年3月23日風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)刻畫圖

根據(jù)圖3我們可以發(fā)現(xiàn),在2018年3月23日當(dāng)天我國(guó)金融市場(chǎng)系統(tǒng)中,投資銀行與經(jīng)紀(jì)業(yè)務(wù)和區(qū)域銀行兩部門是這次風(fēng)險(xiǎn)的來(lái)源,其中投資銀行對(duì)房地產(chǎn)經(jīng)營(yíng),保險(xiǎn)和多領(lǐng)域控股邊際關(guān)聯(lián)度進(jìn)入了全樣本前1%分段,對(duì)房地產(chǎn)服務(wù)邊際關(guān)聯(lián)度進(jìn)入全樣本5%分段,對(duì)房地產(chǎn)開(kāi)發(fā)邊際關(guān)聯(lián)度進(jìn)入了全樣本前10%分段。而區(qū)域銀行對(duì)多領(lǐng)域控股,保險(xiǎn),房地產(chǎn)服務(wù),房地產(chǎn)經(jīng)營(yíng)和資產(chǎn)管理與托管銀行部門邊際關(guān)聯(lián)度進(jìn)入了全樣本前1%分段,對(duì)多元化銀行邊際關(guān)聯(lián)度進(jìn)入了全樣本錢10%分段。這天風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)的尾部是多領(lǐng)域控股這部門。這顯示2018年3月23日當(dāng)天,由于貿(mào)易戰(zhàn)事件使得投資銀行和區(qū)域銀行部門陷入了困境,其風(fēng)險(xiǎn)對(duì)其他部門產(chǎn)生了沖擊。受到多元銀行風(fēng)險(xiǎn)傳染的部門迅速把自身風(fēng)險(xiǎn)傳染給下個(gè)部門直到風(fēng)險(xiǎn)傳染到多領(lǐng)域控股這部門為止。

以突發(fā)事件對(duì)收益率的邊際凈溢出網(wǎng)絡(luò)我們可以發(fā)現(xiàn),突發(fā)事件往往會(huì)提高我國(guó)金融市場(chǎng)各部門聯(lián)動(dòng)水平,這使得風(fēng)險(xiǎn)更易傳播,同時(shí)風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)具有動(dòng)態(tài)關(guān)聯(lián)性,監(jiān)管層面對(duì)不同的事件,需要根據(jù)不同的情況去處理。

四、穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)結(jié)果的穩(wěn)健性,本文基于改變預(yù)測(cè)期、改變窗口、改變樣本頻率對(duì)結(jié)果進(jìn)行穩(wěn)健性分析。通過(guò)改變預(yù)測(cè)期來(lái)驗(yàn)證關(guān)聯(lián)度矩陣方法的穩(wěn)健性,分別選取了1、5和15期預(yù)測(cè)期來(lái)構(gòu)建關(guān)聯(lián)度矩陣④。改變樣本頻率方面,使用周度收益率數(shù)據(jù)來(lái)考察關(guān)聯(lián)度矩陣和關(guān)聯(lián)度動(dòng)態(tài)圖方法的穩(wěn)健性(見(jiàn)圖4)。改變窗口方面,采取改變滾動(dòng)窗口來(lái)檢驗(yàn)關(guān)聯(lián)度動(dòng)態(tài)圖方法的穩(wěn)健性,分別選取了100、200、400和500的時(shí)間窗口(見(jiàn)圖4)。上述實(shí)證結(jié)果均和我們本文的結(jié)果幾乎一致,因此本文的結(jié)果是穩(wěn)健的。

圖4 我國(guó)金融市場(chǎng)收益率關(guān)聯(lián)度動(dòng)態(tài)圖(圖滾動(dòng)窗口從左往右從上往下依次為100(日收益率)、200(日收益率)、400(日收益率)、500(日收益率)、100(周收益率))

五、結(jié)論

本文以“動(dòng)態(tài)關(guān)聯(lián)性”來(lái)定義風(fēng)險(xiǎn)傳染,采用廣義方差分解構(gòu)建關(guān)聯(lián)度網(wǎng)絡(luò),從動(dòng)態(tài)的方法觀察我國(guó)金融行業(yè)部門間的風(fēng)險(xiǎn)傳染情況。

從關(guān)聯(lián)度矩陣分析來(lái)看,房地產(chǎn)開(kāi)發(fā)部門較為脆弱,而且一旦經(jīng)營(yíng)狀況陷入困境會(huì)對(duì)其他部門造成顯著影響,這是風(fēng)險(xiǎn)監(jiān)管應(yīng)投入較大關(guān)注的部門。同時(shí)觀察了各個(gè)部門兩兩之間關(guān)聯(lián)情況,發(fā)現(xiàn)多元銀行和區(qū)域銀行是聯(lián)系非常密切的部門。最后發(fā)現(xiàn)我國(guó)金融市場(chǎng)整體關(guān)聯(lián)度指數(shù)為73.01%。這表明除了歸因于自己行業(yè)本身特性外,幾乎約73%上收益率變動(dòng)是來(lái)自于外部沖擊,證明了我國(guó)金融市場(chǎng)收益率聯(lián)系緊密,一體化水平高。但基于全樣本的“靜態(tài)”關(guān)聯(lián)性無(wú)法第一時(shí)間刻畫突發(fā)的極端事件所產(chǎn)生的金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)。為此,本文考察了我國(guó)金融市場(chǎng)動(dòng)態(tài)關(guān)聯(lián)度指數(shù),發(fā)現(xiàn)關(guān)聯(lián)度指數(shù)對(duì)風(fēng)險(xiǎn)傳染較為敏感,極端事件發(fā)生都會(huì)導(dǎo)致關(guān)聯(lián)度指數(shù)上升。在我國(guó)金融部門風(fēng)險(xiǎn)溢出效應(yīng)的網(wǎng)絡(luò)分析中以“A股1.19事件”機(jī)制和“中美貿(mào)易戰(zhàn)”為例作為“外部沖擊事件”,得到我國(guó)金融部門風(fēng)險(xiǎn)溢出效應(yīng)網(wǎng)絡(luò)具有動(dòng)態(tài)關(guān)聯(lián)性特征。兩個(gè)案例也驗(yàn)證了,由于極端事件具有突發(fā)性,每一次事件引發(fā)的金融風(fēng)險(xiǎn)傳染都有自己獨(dú)特的網(wǎng)絡(luò)結(jié)構(gòu)。動(dòng)態(tài)刻畫金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)能夠幫助監(jiān)管層迅速針對(duì)傳染源和傳染途徑采取相應(yīng)的監(jiān)管措施,把風(fēng)險(xiǎn)降到最低。

注釋

① Wind行業(yè)指數(shù)成分股選取參照GICS行業(yè)準(zhǔn)則。網(wǎng)站鏈接:https://www.msci.com/gics.

② ***代表1%顯著水平.

③ 為節(jié)省篇幅,我們這里沒(méi)有提供VAR模型平穩(wěn)性檢驗(yàn)和穩(wěn)定性檢驗(yàn)的結(jié)果,有興趣的讀者可以向作者索取.

④ 為節(jié)省篇幅,我們這里沒(méi)有提供改變預(yù)測(cè)期檢驗(yàn)穩(wěn)健性的結(jié)果,有興趣的讀者可以向作者索取.

猜你喜歡
金融部門關(guān)聯(lián)度關(guān)聯(lián)性
基于熵值法與灰色關(guān)聯(lián)度分析法的羽毛球技戰(zhàn)術(shù)綜合評(píng)價(jià)分析
基于熵權(quán)TOPSIS法和灰色關(guān)聯(lián)度分析的藤茶藥材等級(jí)研究
基于單元視角的關(guān)聯(lián)性閱讀教學(xué)策略淺探
大型房企違約對(duì)金融部門的影響
學(xué)貫中西(4):AI的時(shí)序性推論技能
燃?xì)鉄崴餍阅芘c關(guān)鍵結(jié)構(gòu)參數(shù)關(guān)聯(lián)性分析
飲用油茶與糖尿病患病風(fēng)險(xiǎn)的關(guān)聯(lián)性分析
中國(guó)制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)度分析
中國(guó)制造業(yè)產(chǎn)業(yè)關(guān)聯(lián)度分析
謝文駿與劉翔110m欄分段成績(jī)與總成績(jī)的灰色關(guān)聯(lián)度對(duì)比分析
汉中市| 元阳县| 双城市| 芦溪县| 锦州市| 塔城市| 涞水县| 乡城县| 平湖市| 衡东县| 柳林县| 浮梁县| 富宁县| 珲春市| 松潘县| 道孚县| 平利县| 克什克腾旗| 鄯善县| 建水县| 泾阳县| 靖边县| 六枝特区| 永州市| 田阳县| 铜鼓县| 安新县| 申扎县| 陆河县| 吉林省| 黄龙县| 长沙市| 汉沽区| 白玉县| 静海县| 汕头市| 西藏| 河间市| 大港区| 股票| 温泉县|