高 揚(yáng), 李楊洋, 王耀君

(1.北京工業(yè)大學(xué) 經(jīng)濟(jì)與管理學(xué)院, 北京 100124; 2.中國(guó)農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院, 北京 100083)

0 引言

綠色金融是通過(guò)資產(chǎn)定價(jià)、價(jià)值流通引導(dǎo)社會(huì)經(jīng)濟(jì)資源促進(jìn)可持續(xù)發(fā)展的政策工具[1]。 目前, 我國(guó)正處于經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和發(fā)展方式轉(zhuǎn)變的關(guān)鍵時(shí)期,以環(huán)境破壞為代價(jià)的傳統(tǒng)經(jīng)濟(jì)發(fā)展模式亟須改革。 綠色金融不僅能通過(guò)優(yōu)化資源配置提升資本收益,更能有效支持國(guó)內(nèi)綠色環(huán)保產(chǎn)業(yè)發(fā)展,是我國(guó)提升經(jīng)濟(jì)發(fā)展質(zhì)量的重要手段。 在2020 年召開的十九屆五中全會(huì)上,習(xí)近平總書記再次強(qiáng)調(diào)了“綠水青山就是金山銀山”的概念,并設(shè)立了“2030 年實(shí)現(xiàn)碳達(dá)峰,2060 年實(shí)現(xiàn)碳中和”宏偉目標(biāo),進(jìn)一步肯定了綠色金融的發(fā)展地位。當(dāng)前,我國(guó)綠色金融體系快速發(fā)展,以“綠色債券”和“綠色股票”為代表的綠色證券市場(chǎng)表現(xiàn)卓越。 僅在2019 年,我國(guó)便發(fā)行了229 億美元的綠色債券,居全球首位;同樣地,截至2020 年,我國(guó)綠色股票指數(shù)成分股的總市值超過(guò)了21 萬(wàn)億人民幣,成為股票市場(chǎng)上的重要分支。

在國(guó)家貫徹發(fā)展綠色金融的過(guò)程中,隨著國(guó)內(nèi)投資者的綠色環(huán)保意識(shí)不斷增強(qiáng),綠色證券市場(chǎng)越發(fā)受到投資者的關(guān)注與青睞。 此外,綠色證券自身所具有的交易便捷、流通性強(qiáng)、風(fēng)險(xiǎn)相對(duì)較低等優(yōu)勢(shì),也吸引了眾多投資者進(jìn)行多元化的資產(chǎn)配置,進(jìn)一步推動(dòng)了綠色證券市場(chǎng)規(guī)模的擴(kuò)張。 因此,針對(duì)我國(guó)綠色債券和綠色股票這兩個(gè)新興市場(chǎng)的深入研究,可以進(jìn)一步完善我國(guó)綠色金融發(fā)展的理論框架,為相關(guān)政策決策者提供理論依據(jù),并為有意投資綠色證券的投資者提供實(shí)證參考。 然而,隨著我國(guó)綠色證券市場(chǎng)規(guī)模的不斷擴(kuò)張,以及開放政策的進(jìn)一步實(shí)施,資本在不同市場(chǎng)流動(dòng)性增強(qiáng)的同時(shí),也加劇了金融市場(chǎng)風(fēng)險(xiǎn)的傳導(dǎo)。 而國(guó)內(nèi)市場(chǎng)上金融政策的不斷調(diào)整,以及國(guó)際市場(chǎng)上突發(fā)金融事件不斷發(fā)生,則進(jìn)一步提升了風(fēng)險(xiǎn)在市場(chǎng)間傳導(dǎo)的不確定性。 另一方面,國(guó)際政治經(jīng)濟(jì)環(huán)境的不穩(wěn)定和貿(mào)易摩擦的升級(jí)改變了投資者的偏好,投資者可能傾向于選擇靈活性強(qiáng)、安全性高的金融資產(chǎn),從而導(dǎo)致資產(chǎn)大規(guī)模集中,進(jìn)一步放大風(fēng)險(xiǎn)。 此外,受到近期新冠疫情的影響,世界經(jīng)濟(jì)發(fā)展速度顯著減緩,投資者恐慌情緒加劇。 從長(zhǎng)遠(yuǎn)來(lái)看,這些原因可能使風(fēng)險(xiǎn)在多個(gè)市場(chǎng)之間轉(zhuǎn)化為“蝴蝶效應(yīng)”,造成金融風(fēng)險(xiǎn)的大規(guī)模傳染, 并通過(guò)財(cái)富效應(yīng)負(fù)向影響到消費(fèi)和投資,對(duì)實(shí)體經(jīng)濟(jì)造成沖擊。

因此,本文對(duì)我國(guó)綠債市場(chǎng)、綠股市場(chǎng)與傳統(tǒng)金融市場(chǎng)間風(fēng)險(xiǎn)傳染機(jī)制進(jìn)行研究,不僅可以用來(lái)識(shí)別它們之間的信息傳遞規(guī)律與風(fēng)險(xiǎn)傳染效應(yīng),更對(duì)我國(guó)新興綠色金融市場(chǎng)和傳統(tǒng)金融市場(chǎng)間的資源配置乃至國(guó)內(nèi)整體金融市場(chǎng)的風(fēng)險(xiǎn)防范具有重大意義。 本文通過(guò)深入探究綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)間的風(fēng)險(xiǎn)傳染特征,有助于市場(chǎng)決策者規(guī)避由風(fēng)險(xiǎn)傳染對(duì)綠色證券市場(chǎng)的建設(shè)所產(chǎn)生的負(fù)面影響,為構(gòu)建穩(wěn)定健康的綠色證券市場(chǎng)提供理論參考。

本文的研究框架如下：第一章對(duì)現(xiàn)有文獻(xiàn)及研究成果進(jìn)行總結(jié)回顧,第二章對(duì)模型方法進(jìn)行介紹,第三章進(jìn)行實(shí)證分析,第四章得出結(jié)論并總結(jié)全文。

1 文獻(xiàn)綜述

1.1 綠色債券和綠色股票市場(chǎng)相關(guān)研究現(xiàn)狀

作為兩種促進(jìn)可持續(xù)發(fā)展的金融工具,“綠色債券”指用于資助環(huán)保項(xiàng)目的債券,如可再生能源、生物能源和低碳交通等,而“綠色股票”則指以可持續(xù)發(fā)展為己任,將環(huán)境效益和對(duì)環(huán)境的保護(hù)納入經(jīng)營(yíng)管理且具有較高環(huán)?？?jī)效的企業(yè)所發(fā)行的股票[2]。 與傳統(tǒng)金融市場(chǎng)相比,綠色證券市場(chǎng)出現(xiàn)較晚,因此多數(shù)研究只關(guān)注產(chǎn)品的風(fēng)險(xiǎn)特征和投資價(jià)值。 其中,國(guó)外學(xué)者Croce 等[3]首先提出市場(chǎng)缺乏對(duì)綠色項(xiàng)目相關(guān)風(fēng)險(xiǎn)特征的識(shí)別、跟蹤和記錄,Mathews[4]則對(duì)比分析了綠色債券在發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家的發(fā)展過(guò)程,肯定了其在綠色金融中的重要地位。 Horsch[5]對(duì)綠色債券的收益率水平進(jìn)行了研究,發(fā)現(xiàn)債券的低收益率并不是促使投資者投資綠色債券的主要因素。

近年來(lái),更多學(xué)者開始關(guān)注綠色證券市場(chǎng)自身存在的金融風(fēng)險(xiǎn),Febi 等[6]基于綠色債券的流動(dòng)性風(fēng)險(xiǎn)和收益率,指出目前綠色債券的流動(dòng)性風(fēng)險(xiǎn)很小,而導(dǎo)致綠色債券市場(chǎng)的流動(dòng)性風(fēng)險(xiǎn)的主要原因在于供應(yīng)不足和需求過(guò)剩。 相比之下,國(guó)內(nèi)學(xué)者王遙和李哲媛[7]考察了上市公司環(huán)境事件與國(guó)內(nèi)股票市場(chǎng)的關(guān)系,并根據(jù)研究結(jié)果對(duì)增強(qiáng)股市的綠色有效性提出一定的建議。 金佳宇和韓立巖[8]則總結(jié)和歸納了國(guó)際上綠色債券的特點(diǎn)和發(fā)展趨勢(shì),認(rèn)為綠色債券具備項(xiàng)目透明性較高、信用評(píng)級(jí)較高、流動(dòng)性較好的風(fēng)險(xiǎn)特征。 余婷等[9]在系統(tǒng)梳理了國(guó)內(nèi)綠色股票指數(shù)的相關(guān)研究的基礎(chǔ)上,進(jìn)一步肯定了綠色證券的良好金融特性,提出了優(yōu)化國(guó)內(nèi)綠色股票市場(chǎng)運(yùn)行制度的建議。

隨著金融事件的頻繁發(fā)生和信息的快速傳遞,部分學(xué)者開始定量分析綠色證券市場(chǎng)的風(fēng)險(xiǎn)大小和各市場(chǎng)之間的風(fēng)險(xiǎn)分布,以補(bǔ)充現(xiàn)有研究中對(duì)綠色證券市場(chǎng)風(fēng)險(xiǎn)承受能力和傳遞能力研究的不足。 針對(duì)綠色股票市場(chǎng),國(guó)外學(xué)者Henriques 和Sadorsky[10]研究發(fā)現(xiàn)美國(guó)市場(chǎng)上原油價(jià)格與科技公司運(yùn)行狀況都對(duì)新能源股價(jià)具有影響。 Sadorsky[11]和Kumar 等[12]進(jìn)一步研究發(fā)現(xiàn)原油價(jià)格與新能源企業(yè)股價(jià)正向相關(guān),但相關(guān)性只存在于經(jīng)濟(jì)衰退時(shí)期。 Reboredo[13]通過(guò)測(cè)度量石油價(jià)格和可再生能源公司股票價(jià)格的系統(tǒng)性風(fēng)險(xiǎn)發(fā)現(xiàn)石油價(jià)格對(duì)其上、下行的風(fēng)險(xiǎn)貢獻(xiàn)度達(dá)到30%。Reboredo 等[14-15]等則進(jìn)一步研究原油價(jià)格與清潔能源公司股票價(jià)格的因果關(guān)系,并發(fā)現(xiàn)前者是后者的格蘭杰原因。 針對(duì)綠色債券市場(chǎng),Pham[16]研究發(fā)現(xiàn)傳統(tǒng)債券市場(chǎng)的整體影響傾向于向綠色債券市場(chǎng)擴(kuò)散,且溢出效應(yīng)為時(shí)變。Reboredo[17]將研究框架進(jìn)一步細(xì)化,發(fā)現(xiàn)綠色債券市場(chǎng)與公司債券市場(chǎng)、國(guó)債市場(chǎng)與股票市場(chǎng)、能源商品市場(chǎng)之間存在較弱的相互作用。 Reboredo 和Ugolini[18]則將研究對(duì)象拓展至完整的傳統(tǒng)金融市場(chǎng),發(fā)現(xiàn)綠色債券市場(chǎng)、固定收益和外匯市場(chǎng)存在密切的價(jià)格溢出效應(yīng)。 相比之下,針對(duì)國(guó)內(nèi)綠色證券市場(chǎng)風(fēng)險(xiǎn)的研究則很少,例如溫曉倩[19]研究發(fā)現(xiàn),WTI期貨價(jià)格對(duì)我國(guó)傳統(tǒng)行業(yè)及新能源行業(yè)均有顯著的溢出效應(yīng),并發(fā)現(xiàn)原油價(jià)格對(duì)我國(guó)新能源股票市場(chǎng)的溢出效應(yīng)具有非對(duì)稱性。

綜上所述,綠色證券具有風(fēng)險(xiǎn)水平較低、收益穩(wěn)定、流通相對(duì)性強(qiáng)的優(yōu)良特性,是國(guó)家發(fā)展綠色環(huán)保事業(yè),促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要一環(huán),也是投資者進(jìn)行風(fēng)險(xiǎn)對(duì)沖的理想投資對(duì)象,因此對(duì)綠色證券的風(fēng)險(xiǎn)傳染特征進(jìn)行深入探究具有一定的理論和實(shí)踐價(jià)值。 同時(shí),部分學(xué)者的研究成果表明綠色債券市場(chǎng)與傳統(tǒng)債券、貨幣市場(chǎng)存在風(fēng)險(xiǎn)關(guān)聯(lián)性,綠色股票市場(chǎng)則與部分能源大宗商品市場(chǎng)存在風(fēng)險(xiǎn)關(guān)聯(lián)性。 然而,上述針對(duì)綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)間的風(fēng)險(xiǎn)傳染效應(yīng)的研究成果一方面數(shù)量較少,針對(duì)中國(guó)國(guó)內(nèi)的綠債、綠股市場(chǎng)的相關(guān)研究更是屈指可數(shù),亟需相關(guān)研究對(duì)該領(lǐng)域的理論框架進(jìn)行補(bǔ)充。 另一方面,相關(guān)研究大多將研究對(duì)象限定在某兩個(gè)或某幾個(gè)固定的市場(chǎng)范圍內(nèi),以至于研究成果的前提條件較多,影響了現(xiàn)有理論實(shí)際應(yīng)用價(jià)值,還需要進(jìn)一步拓展研究范圍,即對(duì)綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)進(jìn)行全面系統(tǒng)的深入研究。 因此,本文以中國(guó)綠色債券、綠色股票市場(chǎng)為主要研究對(duì)象,探究其與包括債券、股票、外匯、貨幣、大宗商品市場(chǎng)等在內(nèi)的傳統(tǒng)金融市場(chǎng)間的風(fēng)險(xiǎn)傳染機(jī)制,不僅可以充分識(shí)別信息傳遞規(guī)律與風(fēng)險(xiǎn)溢出狀況,對(duì)國(guó)內(nèi)綠色證券市場(chǎng)的理論框架進(jìn)行完善和補(bǔ)充,同時(shí)對(duì)于國(guó)家發(fā)展綠色經(jīng)濟(jì),防控金融市場(chǎng)風(fēng)險(xiǎn)具有重要的意義。

1.2 金融市場(chǎng)風(fēng)險(xiǎn)傳染研究現(xiàn)狀

對(duì)金融市場(chǎng)風(fēng)險(xiǎn)傳染的相關(guān)研究大致可分為金融市場(chǎng)的聯(lián)動(dòng)性、風(fēng)險(xiǎn)溢出和傳染效應(yīng)等方面。 對(duì)于金融市場(chǎng)聯(lián)動(dòng)性,早期國(guó)內(nèi)外學(xué)者主要運(yùn)用了ADF 檢驗(yàn)法、協(xié)整檢驗(yàn)法、Granger 因果檢驗(yàn)法、VAR 模型和MSV 模型等,但是這些方法較難得到各個(gè)金融市場(chǎng)聯(lián)動(dòng)性水平的具體量化結(jié)果。 隨后,為了進(jìn)一步精確地描述多個(gè)市場(chǎng)間的相互作用關(guān)系,GARCH 族模型和Copula 函數(shù)逐漸被廣泛應(yīng)用,并成為金融市場(chǎng)聯(lián)動(dòng)性相關(guān)研究的兩個(gè)主要分支。 與金融市場(chǎng)聯(lián)動(dòng)性的發(fā)展路徑相似,針對(duì)金融市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)的實(shí)證研究亦經(jīng)歷了從Granger 因果檢驗(yàn)等定性方法到GARCH 族模型、Copula 函數(shù)、CoVaR 模型等定量模型的發(fā)展軌跡。 然而,GARCH 族模型和Copula 函數(shù)雖然可以較好地通過(guò)市場(chǎng)間的動(dòng)態(tài)相關(guān)系數(shù)和尾部相依性評(píng)估金融市場(chǎng)間風(fēng)險(xiǎn)的關(guān)聯(lián)性水平,卻無(wú)法同時(shí)刻畫不同時(shí)點(diǎn)下多個(gè)市場(chǎng)間風(fēng)險(xiǎn)傳遞的方向以及強(qiáng)度大小;CoVaR 模型能夠綜合考慮機(jī)構(gòu)之間的風(fēng)險(xiǎn)溢出作用,但是其計(jì)算較為復(fù)雜,且更加適合于銀行等金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)的度量,對(duì)于多市場(chǎng)間風(fēng)險(xiǎn)溢出的度量效果較差。 相比之下,Diebold 和Yilmaz[20]以及Baruník 和Krehlík[21]等學(xué)者提出的Diebold-Yilmaz(DY) 及Baruník-Krehlík(BK)風(fēng)險(xiǎn)溢出指數(shù)模型既可以度量多個(gè)市場(chǎng)間在某一時(shí)間段內(nèi)的風(fēng)險(xiǎn)溢出強(qiáng)度與方向,又可以通過(guò)滾動(dòng)時(shí)間窗的方法捕捉風(fēng)險(xiǎn)傳染的時(shí)變特征,逐漸成為國(guó)內(nèi)外學(xué)者研究金融市場(chǎng)間風(fēng)險(xiǎn)傳染效應(yīng)的重要選擇。

隨著復(fù)雜網(wǎng)絡(luò)模型在經(jīng)濟(jì)與金融學(xué)研究的廣泛應(yīng)用,眾多學(xué)者開始構(gòu)建金融網(wǎng)絡(luò)對(duì)金融市場(chǎng)間的風(fēng)險(xiǎn)傳染機(jī)制進(jìn)行研究,從而精確探究金融市場(chǎng)之間的網(wǎng)絡(luò)連通性和風(fēng)險(xiǎn)溢出效應(yīng)。 其中,Naylor 等[22]首次應(yīng)用復(fù)雜網(wǎng)絡(luò)模型重點(diǎn)研究了網(wǎng)絡(luò)整體拓?fù)浣Y(jié)構(gòu)之于外匯市場(chǎng)的傳導(dǎo)作用與影響,將最小生成樹理論與層次樹理論相結(jié)合,對(duì)1995—2001 年間由全球外匯市場(chǎng)中主要貨幣構(gòu)成的網(wǎng)絡(luò)進(jìn)行分析。 Gilmore等[23]則以最小生成樹及層次樹研究方法為理論基礎(chǔ),對(duì)21個(gè)歐洲國(guó)家股票指數(shù)的互相關(guān)關(guān)系進(jìn)行研究,發(fā)現(xiàn)波蘭、匈牙利和捷克等金融主體之間的股票市場(chǎng)波動(dòng)呈相關(guān)關(guān)系。隨著風(fēng)險(xiǎn)溢出測(cè)度理論的不斷發(fā)展,學(xué)者們開始將更為復(fù)雜的測(cè)度方法運(yùn)用到網(wǎng)絡(luò)的構(gòu)建中[24]。 例如,Eom 等[25]和Ulusoy 等[26]以隨機(jī)矩陣?yán)碚摓槌霭l(fā)點(diǎn)并綜合最小生成樹的金融時(shí)間序列股票網(wǎng)絡(luò)拓?fù)湫再|(zhì),研究發(fā)現(xiàn)股票間的信息流也會(huì)顯著影響市場(chǎng)效率。 黃飛雪等[27]則運(yùn)用最小生成樹與亞超度量空間相關(guān)理論與方法,分析并比較了全球主要股指在金融危機(jī)發(fā)生前后的動(dòng)態(tài)穩(wěn)定性和互動(dòng)關(guān)系,考察分析了中國(guó)股票市場(chǎng)中的個(gè)股在上證50 指數(shù)的分層結(jié)構(gòu)。 然而,上述無(wú)向加權(quán)網(wǎng)絡(luò)雖然可以描述多市場(chǎng)間的風(fēng)險(xiǎn)傳播結(jié)構(gòu),但并不能夠準(zhǔn)確度量各市場(chǎng)間的風(fēng)險(xiǎn)傳染方向。 為了解決這一問(wèn)題,Diebold 和Yilmaz[20]運(yùn)用溢出指數(shù)構(gòu)建出有向加權(quán)金融網(wǎng)絡(luò),進(jìn)一步探究了金融市場(chǎng)之間的網(wǎng)絡(luò)連通性和風(fēng)險(xiǎn)溢出效應(yīng),為有向加權(quán)網(wǎng)絡(luò)在金融風(fēng)險(xiǎn)傳染的相關(guān)研究中的應(yīng)用奠定了基礎(chǔ)。 以此思路,Al-Yahyaee 等[28]使用DY 溢出指數(shù)作為邊,構(gòu)建有向加權(quán)金融網(wǎng)絡(luò)探究了GCC 股票市場(chǎng)與期貨市場(chǎng)之間的風(fēng)險(xiǎn)溢出關(guān)系。 國(guó)內(nèi)學(xué)者李政等[29]則更進(jìn)一步基于BK 溢出指數(shù)分別構(gòu)建了高頻與低頻下,國(guó)內(nèi)主權(quán)債務(wù)風(fēng)險(xiǎn)的溢出網(wǎng)絡(luò)。

此外,使用藤-Copula 函數(shù)構(gòu)建多個(gè)金融序列的聯(lián)合分布模型,并通過(guò)藤狀相依結(jié)構(gòu)分析風(fēng)險(xiǎn)在不同市場(chǎng)之間的傳染機(jī)制,也成為了研究金融市場(chǎng)風(fēng)險(xiǎn)傳染的重要方法。 具體來(lái)說(shuō),藤Copula 從傳統(tǒng)多元Copula 函數(shù)的基礎(chǔ)上發(fā)展而來(lái),將傳統(tǒng)Copula 函數(shù)以藤狀結(jié)構(gòu)的形式分解成一系列的二維或者條件二維Copula,在精確擬合各序列聯(lián)合分布的前提下,擺脫了多元相依之間只能用同一種Copula 函數(shù)描述的限制。 因此,藤-Copula 模型既保留了Copula 函數(shù)可以從非線性視角更加精確擬合市場(chǎng)關(guān)聯(lián)性的優(yōu)勢(shì),同時(shí)還能將多個(gè)主體相關(guān)聯(lián),從系統(tǒng)層面進(jìn)一步深入分析各主體的關(guān)聯(lián)結(jié)構(gòu)。進(jìn)一步,通過(guò)最大生成樹法(MST-PRIM)的逐層篩選,R-藤Copula 模型得以將風(fēng)險(xiǎn)相關(guān)水平最高的市場(chǎng)聯(lián)結(jié)在一起,從而構(gòu)建市場(chǎng)相依結(jié)構(gòu)圖,并結(jié)合尾部相關(guān)系數(shù)全面展示風(fēng)險(xiǎn)在市場(chǎng)間的傳染效應(yīng)。 經(jīng)過(guò)學(xué)者們不斷的發(fā)展與完善,藤-Copula 函數(shù)衍生出C 藤[30]、D 藤[31]和R 藤[32]三種不同的藤結(jié)構(gòu)。 其中,C 藤、D 藤均為固定結(jié)構(gòu),而R-藤Copula 函數(shù)為自由藤狀結(jié)構(gòu),且各序列主體可以分別服從不同分布,因而逐漸被學(xué)者們廣泛應(yīng)用[33]。 例如張國(guó)富和杜子平[34]基于R-藤Copula 研究了各股票對(duì)行業(yè)和市場(chǎng)及各股票間的相依結(jié)構(gòu),結(jié)果顯示各股票行業(yè)風(fēng)險(xiǎn)差異很大,相對(duì)于行業(yè)風(fēng)險(xiǎn),所有股票的市場(chǎng)風(fēng)險(xiǎn)較小。 郭文偉和王禮昱[35]構(gòu)建動(dòng)態(tài)條件相關(guān)模型并采用R-藤Copula 方法,通過(guò)研究發(fā)現(xiàn)內(nèi)地股市和沿線國(guó)家股市之間存在較低的時(shí)變聯(lián)動(dòng)性。 劉超等[36]則運(yùn)用混合R-藤Copula 模型分析了金融危機(jī)期間國(guó)際股票市場(chǎng)的風(fēng)險(xiǎn)傳染效應(yīng),并發(fā)現(xiàn)中國(guó)香港是國(guó)際金融風(fēng)險(xiǎn)向中國(guó)傳染的主要節(jié)點(diǎn)。

綜上,金融市場(chǎng)作為一個(gè)復(fù)雜金融系統(tǒng)的組成,其內(nèi)部往往相互聯(lián)系、相互依賴,呈現(xiàn)出多屬性、多類型連接的多層特征。 近年構(gòu)建復(fù)雜網(wǎng)絡(luò)對(duì)金融市場(chǎng)間的風(fēng)險(xiǎn)傳染進(jìn)行研究的數(shù)量日益增多,但多數(shù)學(xué)者使用基于相關(guān)性的無(wú)向加權(quán)網(wǎng)絡(luò)分析金融市場(chǎng)的風(fēng)險(xiǎn)傳染路徑,然而此類方法只能衡量節(jié)點(diǎn)在傳染系統(tǒng)中的重要程度,無(wú)法得到含有傳染方向信息的金融網(wǎng)絡(luò)。 因此,引入有向加權(quán)網(wǎng)絡(luò)也可以有效彌補(bǔ)現(xiàn)有研究中對(duì)于風(fēng)險(xiǎn)傳染方向信息的缺失。 同時(shí),基于各市場(chǎng)聯(lián)合分布的R-藤Copula 模型所體現(xiàn)的金融市場(chǎng)藤狀相依結(jié)構(gòu)以及尾部相關(guān)系數(shù)則是對(duì)金融網(wǎng)絡(luò)的有效補(bǔ)充。 由此,本文分別構(gòu)建R-藤Copula 模型與混頻有向加權(quán)金融網(wǎng)絡(luò),并將兩者相結(jié)合對(duì)比分析,從多角度全面地探究中國(guó)綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)之間的風(fēng)險(xiǎn)傳染效應(yīng)與路徑。

相比于現(xiàn)有文獻(xiàn),本文主要對(duì)中國(guó)金融市場(chǎng)風(fēng)險(xiǎn)傳染特征的研究方法與理論框架進(jìn)行了完善與發(fā)展。 首先,本文將研究對(duì)象拓展至中國(guó)綠色債券、綠色股票與完整細(xì)分的國(guó)內(nèi)傳統(tǒng)金融市場(chǎng),并基于海外金融事件、中國(guó)金融事件、國(guó)際金融事件這三階段重大金融事件,按由弱到強(qiáng)的順序依次對(duì)比分析了原油價(jià)格暴漲、中美貿(mào)易戰(zhàn)/定向降準(zhǔn)以及新冠疫情下國(guó)內(nèi)金融市場(chǎng)的風(fēng)險(xiǎn)傳染機(jī)制。 進(jìn)一步補(bǔ)充了風(fēng)險(xiǎn)傳染的路徑機(jī)制理論框架,充分考慮到不同市場(chǎng)之間的動(dòng)態(tài)相關(guān)性和非線性相關(guān)特征,以動(dòng)態(tài)視角展現(xiàn)各市場(chǎng)在不同條件下的演化過(guò)程。 其次,本文采用BK 溢出指數(shù)模型從高頻、中頻、低頻三個(gè)頻率段對(duì)市場(chǎng)間風(fēng)險(xiǎn)溢出水平進(jìn)行了頻域分解,使得本文在理論推導(dǎo)分析的基礎(chǔ)上,進(jìn)一步更為準(zhǔn)確地構(gòu)建網(wǎng)絡(luò)以量化分析市場(chǎng)間的動(dòng)態(tài)風(fēng)險(xiǎn)溢出特征。 最后,本文將R-藤Copula 模型與混頻復(fù)雜網(wǎng)絡(luò)相結(jié)合,不再局限于具體風(fēng)險(xiǎn)傳播鏈,而是從系統(tǒng)層面探究金融市場(chǎng)間風(fēng)險(xiǎn)傳染機(jī)制,整體分析國(guó)內(nèi)風(fēng)險(xiǎn)傳染的核心節(jié)點(diǎn)與傳播路徑,進(jìn)一步深入挖掘金融風(fēng)險(xiǎn)在各市場(chǎng)間的傳染機(jī)制。

研究結(jié)果表明,從市場(chǎng)間風(fēng)險(xiǎn)傳染強(qiáng)度來(lái)看,綠色債券市場(chǎng)與國(guó)債和金融債市場(chǎng)之間具有最強(qiáng)的風(fēng)險(xiǎn)關(guān)聯(lián)水平,與企業(yè)債和公司債市場(chǎng)具有較強(qiáng)的風(fēng)險(xiǎn)關(guān)聯(lián)水平,與傳統(tǒng)股票市場(chǎng)和期貨市場(chǎng)間具有中等水平的風(fēng)險(xiǎn)關(guān)聯(lián)性,與其余市場(chǎng)的風(fēng)險(xiǎn)傳染性較弱;綠色股票與傳統(tǒng)股票市場(chǎng)之間具有最強(qiáng)的風(fēng)險(xiǎn)關(guān)聯(lián)性,與期貨市場(chǎng)之間具有較強(qiáng)的風(fēng)險(xiǎn)關(guān)聯(lián)水平,與其余市場(chǎng)風(fēng)險(xiǎn)關(guān)聯(lián)較弱。 從系統(tǒng)層面的風(fēng)險(xiǎn)傳染路徑來(lái)看,我國(guó)金融體系在常規(guī)狀態(tài)下以股票市場(chǎng)、債券市場(chǎng)、期貨市場(chǎng)為主體與其余金融市場(chǎng)相連形成線性的風(fēng)險(xiǎn)聯(lián)動(dòng)結(jié)構(gòu)。同類型市場(chǎng)內(nèi)部風(fēng)險(xiǎn)聯(lián)動(dòng)水平較強(qiáng)且大多市場(chǎng)間具有非對(duì)稱的上尾相關(guān)結(jié)構(gòu),易受極端風(fēng)險(xiǎn)的影響產(chǎn)生風(fēng)險(xiǎn)傳遞。 從金融事件期間金融市場(chǎng)間風(fēng)險(xiǎn)傳染機(jī)制來(lái)看,金融突發(fā)事件是驅(qū)動(dòng)風(fēng)險(xiǎn)溢出的主要因素,當(dāng)市場(chǎng)面臨巨大的下行壓力或意外事件時(shí),波動(dòng)性將增加,風(fēng)險(xiǎn)傳染隨之加劇。 具體來(lái)說(shuō),金融事件可以通過(guò)將相同類型的內(nèi)部溢出轉(zhuǎn)化為跨市場(chǎng)溢出來(lái)強(qiáng)化金融系統(tǒng)的連通性,且影響力越大的金融事件越容易產(chǎn)生上述風(fēng)險(xiǎn)外散效應(yīng)。 同時(shí),金融事件的出現(xiàn)會(huì)引起使得高頻溢出水平顯著上升,中頻溢出和低頻溢出會(huì)向高頻溢出轉(zhuǎn)化,也即金融事件的發(fā)生會(huì)促使市場(chǎng)間產(chǎn)生周期較短的即時(shí)風(fēng)險(xiǎn)傳染。

2 模型構(gòu)建

2.1 綠色證券與傳統(tǒng)金融市場(chǎng)風(fēng)險(xiǎn)溢出模型構(gòu)建

本節(jié)分別介紹了探究綠色證券與金融市場(chǎng)間風(fēng)險(xiǎn)溢出水平時(shí),所應(yīng)用的DY 溢出指數(shù)模型和BK 溢出指數(shù)模型的理論設(shè)定與構(gòu)建方法。

2.1.1 DY 風(fēng)險(xiǎn)溢出指數(shù)模型構(gòu)建方法

Diebold 和Yilmaz[37]最早提出溢出指數(shù)的計(jì)量方法,該方法以VAR 為基礎(chǔ),通過(guò)廣義預(yù)測(cè)誤差方差分解提取溢出指數(shù),并將溢出指數(shù)定義為：總溢出指數(shù)、有向溢出指數(shù)和凈溢出指數(shù),用來(lái)衡量多變量間的波動(dòng)溢出關(guān)系。 本文考察多個(gè)市場(chǎng)間的波動(dòng)溢出行為,分別對(duì)N個(gè)市場(chǎng)已實(shí)現(xiàn)的波動(dòng)率建立p階VAR 模型如下：

其中,Xt為市場(chǎng)波動(dòng)率的N維列向量;Ψi為N × N維系數(shù)矩陣,εt為N維的隨機(jī)擾動(dòng)列向量,滿足不存在序列相關(guān)性、零均值且獨(dú)立同分布的基本假定。 進(jìn)一步,得到VAR(p)的移動(dòng)平均形式如下：

式(2)為VAR(p)的移動(dòng)平均形式,當(dāng)i ＜0 時(shí),Zi =0;當(dāng)i =0 時(shí),Zi為N階單位陣;當(dāng)i ＞0 時(shí),Zi服從式(3)的遞歸形式。 基于此,考慮向前H步預(yù)測(cè)誤差方差分解,可得到預(yù)測(cè)誤差方差分解矩陣：

(1)總溢出指數(shù),將預(yù)測(cè)誤差方差分解矩陣的非對(duì)角線元素求和取平均,用來(lái)解釋N個(gè)市場(chǎng)間相互溢出效果對(duì)總預(yù)測(cè)誤差方差的貢獻(xiàn)度。

(3)凈溢出指數(shù),衡量市場(chǎng)i對(duì)其他所有市場(chǎng)的凈溢出大小,表現(xiàn)為溢出指數(shù)和溢入指數(shù)之差。

2.1.2 BK 風(fēng)險(xiǎn)溢出指數(shù)模型構(gòu)建方法

Baruník 和Krehlík[21]基于頻率響應(yīng)函數(shù)Ψ(e-iω)=給出Xt在頻率ω上的譜密度SX(ω) 如公式(10) 所示,可以刻畫Xt的方差在頻率ω上的分布。

其中,Ψ(e-iω) 由Ψh的傅里葉變換得到

廣義因果譜(generalized causation spectrum)則可以定義為

其中(f(ω))j,k表示在給定頻率ω上,變量j的譜由變量k的沖擊導(dǎo)致的部分,由于式(11) 的分母在給定頻率ω上變量j的譜,可以將(f(ω))j,k解釋為頻率內(nèi)的因果關(guān)系,并且進(jìn)一步引入變量j方差的頻率份額作為權(quán)重函數(shù)：

Γj(ω) 表示在給定頻率上變量j的功率。 因此,在頻率帶d上的廣義方差分解為

其中d =(a,b),a,b∈(-π,π),a ＜b。 而且(θd)j,k,等于時(shí)域下H→∞時(shí)的(θH)j,k。(θd)j,k可進(jìn)一步標(biāo)準(zhǔn)化為

此外,還可以計(jì)算在給定頻率帶d上的頻率帶內(nèi)溢出指數(shù)(within spillover index)：

Sd忽略了其他頻率帶,僅關(guān)注單個(gè)頻率帶內(nèi)溢出的相對(duì)占比。

2.2 綠色證券與傳統(tǒng)金融市場(chǎng)風(fēng)險(xiǎn)傳染模型構(gòu)建

本節(jié)主要介紹在探究綠色證券與金融市場(chǎng)間風(fēng)險(xiǎn)傳染機(jī)制時(shí),所采用的R-藤Copula 模型與復(fù)雜網(wǎng)絡(luò)的模型設(shè)定及構(gòu)建方法。

2.2.1 混合R-藤Copula 模型構(gòu)建方法

由于金融變量間非線性相依性的存在,根據(jù)Sklar 定理,Copula 函數(shù)是一類將聯(lián)合分布函數(shù)與其各自邊緣分布函數(shù)連接在一起的函數(shù),多維變量的聯(lián)合分布可以分解為一系列邊緣分布函數(shù)的乘積。 首先,由DCC-GARCH 模型可以得到標(biāo)準(zhǔn)化殘差向量(e1,t,e2,t,…,ek,t)。 設(shè)(e1,t,e2,t,…,ek,t) 的聯(lián)合分布函數(shù)為F,聯(lián)合密度函數(shù)為f,邊緣分布函數(shù)分別為F1,F2,…,Fk,邊緣密度函數(shù)分別為f1,f2,…,fk, 根據(jù)Sklar定理,存在一個(gè)K維的Copula 函數(shù)C,使得

令ui,t = Fi(ei,t),則

設(shè)Copula 函數(shù)C的密度函數(shù)為c,對(duì)(18)式兩邊同時(shí)求導(dǎo)得

根據(jù)式(17)至式(19)構(gòu)建Copula 函數(shù),并通過(guò)最大似然函數(shù)法估計(jì)Copula 的參數(shù)。

上式中,ξ =(φ1,φ2,…,φn;θ) 包含了邊緣分布的參數(shù)φi和Copula 的參數(shù)θ。

變量維數(shù)增加時(shí),Copula 模型難以分析高維變量,根據(jù)PCC 理論,可以將多維Copula 函數(shù)分解成一系列二維Copula函數(shù)的乘積,以便描述隨機(jī)變量之間的相依性結(jié)構(gòu)。 將Vine結(jié)構(gòu)的圖論思想引入進(jìn)行PCC 的構(gòu)建,通過(guò)多棵有序排列的樹,表示了多維變量之間的關(guān)系,每棵樹的每條邊都對(duì)應(yīng)著一個(gè)Pair-Copula 函數(shù)。 根據(jù)最大生成樹的算法(MSTPRIM 算法)構(gòu)建R-Vine 模型,如式(21)所示令樹中任意兩個(gè)節(jié)點(diǎn)之間Kendall′τ 絕對(duì)值之和最大,其中δi,j代表每?jī)蓚€(gè)節(jié)點(diǎn)之間Kendall′τ 的絕對(duì)值。

本文選取樣本數(shù)據(jù)的維度是15,根據(jù)Pair Copula 函數(shù)構(gòu)建多維Copula 函數(shù)的原理,將有15×(15-1)/2=105 個(gè)函數(shù)類型待確定。 多元Copula 函數(shù)可以分解為多個(gè)Pair Copula 函數(shù)乘積的形式,混合R-Vine Copula 的密度函數(shù)為

2.2.2 有向加權(quán)金融網(wǎng)絡(luò)構(gòu)建

在金融系統(tǒng)中,各市場(chǎng)風(fēng)險(xiǎn)通過(guò)某種關(guān)系相互溢出,從而使得金融風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)得以形成。 基于網(wǎng)絡(luò)分析的思想,金融系統(tǒng)中的各子市場(chǎng)作為金融風(fēng)險(xiǎn)網(wǎng)絡(luò)中的節(jié)點(diǎn),節(jié)點(diǎn)之間的連邊則代表市場(chǎng)之間的風(fēng)險(xiǎn)傳導(dǎo)關(guān)系。 本文采用2.1節(jié)中計(jì)算得到的DY 溢出指數(shù)和BK 溢出指數(shù)作為金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)的鄰接矩陣構(gòu)建我國(guó)綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)之間的風(fēng)險(xiǎn)傳染網(wǎng)絡(luò),并通過(guò)節(jié)點(diǎn)的中心度來(lái)分析金融風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)的特點(diǎn)和演化規(guī)律。 在加權(quán)網(wǎng)絡(luò)中,節(jié)點(diǎn)的中心度定義為與該節(jié)點(diǎn)相連的邊的權(quán)重之和,用以衡量節(jié)點(diǎn)的重要即一個(gè)節(jié)點(diǎn)的度越大,則該節(jié)點(diǎn)在金融風(fēng)險(xiǎn)網(wǎng)絡(luò)中所處的地位就越重要。 對(duì)于有向網(wǎng)絡(luò)來(lái)說(shuō),通常分為出度和入度。在本文構(gòu)建的金融風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)中,由于是以溢出指數(shù)作為網(wǎng)絡(luò)的權(quán)重,因此2.1 節(jié)構(gòu)建的DY 和BK 方向性溢出指數(shù)可以直接體現(xiàn)為節(jié)點(diǎn)的出度和入度,這也是本文所構(gòu)建的金融風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)的另一優(yōu)勢(shì)所在。

3 實(shí)證分析

3.1 數(shù)據(jù)選取及變量說(shuō)明

為了全面探究中國(guó)綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)之間的風(fēng)險(xiǎn)傳染特征,對(duì)現(xiàn)有文獻(xiàn)研究對(duì)象較為片面的不足加以補(bǔ)充,本文將以行業(yè)細(xì)分的完整金融體系作為研究對(duì)象進(jìn)行探究。 其中,由于部分特定行業(yè)的二級(jí)金融子市場(chǎng)與綠色證券市場(chǎng)明顯不存在顯著相關(guān)性,本文并未將信息行業(yè)、醫(yī)療行業(yè)在內(nèi)的少數(shù)金融子市場(chǎng)納入研究體系。 經(jīng)過(guò)調(diào)整,本文的研究對(duì)象分為綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)兩個(gè)大類共計(jì)15 個(gè)金融子市場(chǎng)。 具體來(lái)說(shuō),綠色證券包括綠色債券和綠色股票2 個(gè)子市場(chǎng),而傳統(tǒng)金融市場(chǎng)包含將股票市場(chǎng)、債券市場(chǎng)、外匯市場(chǎng)、大宗商品交易市場(chǎng)和貨幣市場(chǎng)5 個(gè)一級(jí)子市場(chǎng)依行業(yè)細(xì)分后的13 個(gè)二級(jí)子市場(chǎng)。 為了更好的衡量各個(gè)金融子市場(chǎng)的行情表現(xiàn),本文分別選擇了有代表性的金融指數(shù)作為代理變量,各市場(chǎng)序號(hào)及具體的代理指數(shù)如表1 所示。

表1 我國(guó)綠色證券市場(chǎng)與非綠色金融市場(chǎng)研究框架表Table 1 Research framework of China's green securities market and non-green financial markets

本文所獲取的全部金融數(shù)據(jù)均來(lái)自于Wind 金融數(shù)據(jù)庫(kù),數(shù)據(jù)口徑為日度收盤價(jià)數(shù)據(jù)。 樣本區(qū)間為2015 年6 月30 日至2020 年9 月2 日,對(duì)于不同類型金融市場(chǎng)開盤差異導(dǎo)致的樣本量不同的問(wèn)題,通過(guò)保留公共樣本,刪除特殊樣本的方式將各指標(biāo)序列的樣本量統(tǒng)一為1264。 為了進(jìn)一步探究不同金融事件對(duì)于綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)風(fēng)險(xiǎn)傳染機(jī)制的影響,本文分別設(shè)定了3 個(gè)階段的金融事件子樣本,包括國(guó)際原油期貨暴漲時(shí)期(2016 年10 月20 日至2017年2 月10 日)、中美貿(mào)易戰(zhàn)與央行定向降準(zhǔn)時(shí)期(2017 年10月11 日至2018 年10 月15 日)以及新冠疫情暴發(fā)時(shí)期(2020 年2 月3 日至2020 年9 月2 日)。 各指標(biāo)收益率數(shù)據(jù)基于如下公式計(jì)算：Rt =log(Pt)-log(Pt-1)。

進(jìn)一步地,各金融市場(chǎng)收益率序列的描述統(tǒng)計(jì)總結(jié)于表2。

表2 各金融市場(chǎng)收益率序列描述統(tǒng)計(jì)表Table 2 The descriptive statistics of return series for each financial market

由表2 可知,樣本期內(nèi),除傳統(tǒng)股票市場(chǎng)和外匯市場(chǎng)平均收益率為負(fù)值,其余市場(chǎng)收益率均大于且接近于0。 其中綠色債券的平均收益小于傳統(tǒng)債券,暴露出其收益水平較低的缺點(diǎn),而綠色股票市場(chǎng)收益水平高于傳統(tǒng)股票市場(chǎng)則體現(xiàn)出綠色股票收益穩(wěn)定的特點(diǎn)。 從各收益序列的標(biāo)準(zhǔn)誤差來(lái)看,股票市場(chǎng)與期貨市場(chǎng)相對(duì)較高,其他金融市場(chǎng)相對(duì)較低,與前文的初步判斷結(jié)論一致。 從各序列的分布特征來(lái)看,全部金融市場(chǎng)的JB 統(tǒng)計(jì)量均顯著且峰度大于3,絕大多數(shù)序列的偏度小于0,因而各個(gè)金融市場(chǎng)都呈現(xiàn)出輕微左偏,并具有金融時(shí)間序列特有的尖峰厚尾分布特征。 也因此,本文對(duì)各個(gè)收益序列擬合GARCH 模型計(jì)算波動(dòng)率時(shí)對(duì)殘差項(xiàng)均采用了偏t分布。 此外,各個(gè)金融市場(chǎng)均通過(guò)了單位根檢驗(yàn),說(shuō)明其為平穩(wěn)序列,可以進(jìn)行時(shí)間序列分析。 絕大多數(shù)序列的Q 統(tǒng)計(jì)量,全部序列的Q2統(tǒng)計(jì)量顯著表明序列具有自相關(guān)效應(yīng),ARCH-LM 統(tǒng)計(jì)量顯著則表明全部金融序列均具有異方差效應(yīng),適合運(yùn)用GARCH 模型進(jìn)行擬合以提取波動(dòng)率數(shù)據(jù)。

3.2 混合R-藤Copula 模型構(gòu)建與分析

本節(jié)對(duì)國(guó)內(nèi)綠色證券與傳統(tǒng)金融市場(chǎng)首先構(gòu)建了R-藤Copula 模型,并根據(jù)AIC 準(zhǔn)則選擇兩兩市場(chǎng)間最優(yōu)的Copula類型。 需要注意的是,R-藤Copula 依據(jù)最強(qiáng)相依性準(zhǔn)則構(gòu)建,也即相連的市場(chǎng)在系統(tǒng)中具有最強(qiáng)的風(fēng)險(xiǎn)關(guān)聯(lián)性,從而可以從系統(tǒng)層面探究風(fēng)險(xiǎn)聯(lián)動(dòng)網(wǎng)絡(luò),但并不意味著未相連的市場(chǎng)間風(fēng)險(xiǎn)聯(lián)動(dòng)性一定比較弱。 全樣本期內(nèi)R-藤Copula 模型的第一棵樹結(jié)構(gòu)總結(jié)于表3 中Panel A。 此外,為了進(jìn)一步探究金融事件對(duì)于金融市場(chǎng)風(fēng)險(xiǎn)傳染的影響機(jī)制,本章進(jìn)一步對(duì)三階段金融事件發(fā)生時(shí)間分別構(gòu)建了R-藤Copula 模型,并將結(jié)果總結(jié)于表3 的Panel B 至Panel D。 具體來(lái)說(shuō),表格中樹中的邊為兩兩市場(chǎng)間的連結(jié)情況,第一棵樹結(jié)構(gòu)即為聯(lián)系最為緊密的金融市場(chǎng)兩兩組合而成的網(wǎng)狀結(jié)構(gòu),Copula類別代表兩兩市場(chǎng)的聯(lián)合分布情況,第四列的相關(guān)系數(shù)特指Kendall 相關(guān)系數(shù)。 以金融市場(chǎng)為節(jié)點(diǎn),R-藤Copula 的數(shù)形結(jié)構(gòu)為邊,本章分別對(duì)常規(guī)狀態(tài)與三階段金融事件發(fā)生時(shí)期繪制了多層聯(lián)動(dòng)網(wǎng)絡(luò)圖,各市場(chǎng)聯(lián)動(dòng)狀況如圖1 所示。 為了更直觀地展示不同時(shí)期下綠色證券市場(chǎng)在金融系統(tǒng)中的結(jié)構(gòu)變化,圖1 中的虛線將綠色股票市場(chǎng)和綠色債券市場(chǎng)各自串聯(lián)。同時(shí),本文將藤狀結(jié)構(gòu)的“主干道”標(biāo)記為加粗實(shí)線,用以突出風(fēng)險(xiǎn)傳遞路徑,而各“枝杈”則以點(diǎn)線加以區(qū)分。

圖1 綠色證券與金融市場(chǎng)多層動(dòng)態(tài)風(fēng)險(xiǎn)聯(lián)動(dòng)網(wǎng)絡(luò)圖Figure 1 Multi-layer dynamic risk linkage network diagram of green securities and financial markets

表3 第一棵樹R-藤Copula 模型參數(shù)表Table 3 Parameter estimation table of the first level R-Vine-Copula model

此外,在構(gòu)建R-藤Copula 模型時(shí),Copula 函數(shù)主要分為阿基米德Copula 函數(shù)族以及橢圓Copula 函數(shù)族。 其中橢圓Copula 函數(shù)族主要包括t-Copula 函數(shù)以及Gaussian-Copula函數(shù)等,該類函數(shù)的尾部相關(guān)性呈對(duì)稱分布。 而阿基米德Copula 函數(shù)族主要包括 Gumbel-Copula 函數(shù)、 Clayton-Copula 函數(shù)、Frank-Copula 函數(shù)以及各基礎(chǔ)函數(shù)的旋轉(zhuǎn)函數(shù),該類函數(shù)的特征在于其僅對(duì)上尾或下尾的其中一類較為敏感,上下尾相關(guān)性不對(duì)稱。 相比于普通的相關(guān)系數(shù),尾部相關(guān)系數(shù)一般用來(lái)衡量極端風(fēng)險(xiǎn)下的市場(chǎng)聯(lián)動(dòng)性,其中各金融市場(chǎng)波動(dòng)率的上尾相關(guān)性指兩個(gè)金融市場(chǎng)聯(lián)合分布的左側(cè)尾部的相關(guān)性水平,也即波動(dòng)率暴漲時(shí)期的相關(guān)水平。 與之相對(duì)應(yīng)的,下尾相關(guān)指聯(lián)合分布的右側(cè)尾部的相關(guān)性水平,也即波動(dòng)率暴跌時(shí)的相關(guān)水平。

3.2.1 基于全樣本期內(nèi)R-藤結(jié)構(gòu)的風(fēng)險(xiǎn)傳染機(jī)制分析

根據(jù)表3 中R-藤Copula 模型第一棵樹結(jié)果結(jié)合圖1 中第一層常規(guī)聯(lián)動(dòng)網(wǎng)絡(luò)可以看出,除貨幣市場(chǎng)外,同類市場(chǎng)具有更強(qiáng)的相關(guān)水平,整個(gè)金融市場(chǎng)以股票市場(chǎng)、債券市場(chǎng)和期貨市場(chǎng)為主體串聯(lián)而成。 而從市場(chǎng)間的聯(lián)動(dòng)水平來(lái)看,同類型不同行業(yè)的金融市場(chǎng)內(nèi)部風(fēng)險(xiǎn)相關(guān)性均在0.5 以上,市場(chǎng)內(nèi)部更易傳遞風(fēng)險(xiǎn)。 此外,各市場(chǎng)間大多具有非對(duì)稱性的上尾相關(guān)系數(shù),也即某一市場(chǎng)的波動(dòng)率水平出現(xiàn)極端上升時(shí)更容易通過(guò)風(fēng)險(xiǎn)傳遞使其他市場(chǎng)產(chǎn)生風(fēng)險(xiǎn)的極端上升。

具體來(lái)說(shuō),在常規(guī)時(shí)期內(nèi)的金融系統(tǒng)內(nèi),綠色債券市場(chǎng)主要與公司債市場(chǎng)、金融債市場(chǎng)以及能源期貨市場(chǎng)相連,作為中介市場(chǎng)貫通債券市場(chǎng)和期貨市場(chǎng)。 其中,綠色債券與公司債券市場(chǎng)之間以正態(tài)分布(N分布)相連,相關(guān)系數(shù)為0.34,兩者聯(lián)動(dòng)水平較低;綠色債券與金融債市場(chǎng)間以非對(duì)稱的Gumbel 分布(G分布)相連,相關(guān)系數(shù)為0.65,而上尾相關(guān)系數(shù)高達(dá)0.72,說(shuō)明兩市場(chǎng)風(fēng)險(xiǎn)聯(lián)動(dòng)水平較強(qiáng)且在風(fēng)險(xiǎn)上升具有更強(qiáng)的傳染性;綠色債券與工業(yè)期貨市場(chǎng)之間以Student-t(t分布)分布相連,相關(guān)系數(shù)為0.54,上下尾相關(guān)系數(shù)為對(duì)稱的0.13,兩市場(chǎng)間具有中等強(qiáng)度的風(fēng)險(xiǎn)關(guān)聯(lián)性,且極端金融事件對(duì)于風(fēng)險(xiǎn)傳染強(qiáng)度的影響較小。 相比之下,綠色股票市場(chǎng)在常規(guī)狀態(tài)下處于股票市場(chǎng)的邊緣位置,分別與外匯市場(chǎng)以及工業(yè)股票市場(chǎng)相連。 其中,綠色股票市場(chǎng)與外匯市場(chǎng)間以旋轉(zhuǎn)180 度的Clayton 分布(SC分布)相連,兩者相關(guān)系數(shù)為0.24,上尾相關(guān)系數(shù)為0.34,說(shuō)明在極端事件下兩者的風(fēng)險(xiǎn)聯(lián)動(dòng)性會(huì)上升,但整體上依然處于較低水平;綠色股票與工業(yè)股票市場(chǎng)之間同樣以SC分布相連,相關(guān)系數(shù)為0.69,上尾相關(guān)系數(shù)為0.85,較高的上尾溢出表明兩者更易受極端風(fēng)險(xiǎn)的影響產(chǎn)生風(fēng)險(xiǎn)傳遞。 此外,工業(yè)股票市場(chǎng)以及工業(yè)期貨市場(chǎng)是整個(gè)金融體系中的重要風(fēng)險(xiǎn)傳輸樞紐,兩者分別將股票市場(chǎng)、貨幣市場(chǎng)、債券市場(chǎng)以及期貨市場(chǎng)、債券市場(chǎng)相聯(lián)結(jié),說(shuō)明工業(yè)行業(yè)依然是我國(guó)金融體系中的風(fēng)險(xiǎn)核心,需要市場(chǎng)監(jiān)管者加以關(guān)注。 結(jié)合表3 常規(guī)狀態(tài)相關(guān)系數(shù)參數(shù)與圖1 藤狀相依結(jié)構(gòu)可以進(jìn)一步看出,在常規(guī)狀態(tài)下,我國(guó)金融市場(chǎng)的風(fēng)險(xiǎn)傳遞結(jié)構(gòu)相對(duì)穩(wěn)定,同類市場(chǎng)具有更強(qiáng)的風(fēng)險(xiǎn)關(guān)聯(lián)水平。 即某一市場(chǎng)產(chǎn)生意外的金融波動(dòng)時(shí),金融風(fēng)險(xiǎn)更加傾向于向同類市場(chǎng)進(jìn)行內(nèi)部傳播,不易產(chǎn)生跨市場(chǎng)風(fēng)險(xiǎn)傳染。 當(dāng)風(fēng)險(xiǎn)傳遞至工業(yè)股票市場(chǎng)與工業(yè)期貨市場(chǎng)這樣的樞紐型市場(chǎng)時(shí),才會(huì)有限地向外界傳播,而風(fēng)險(xiǎn)水平也可能在傳遞過(guò)程中進(jìn)一步減弱。 因此,常規(guī)狀態(tài)下較為穩(wěn)定的市場(chǎng)結(jié)構(gòu)會(huì)導(dǎo)致金融風(fēng)險(xiǎn)集中于同類市場(chǎng)內(nèi)部,難以形成跨市場(chǎng)的系統(tǒng)性交叉?zhèn)魅尽?同時(shí),可以發(fā)現(xiàn)常規(guī)狀態(tài)下的傳播鏈較短,且各藤狀結(jié)構(gòu)的“枝杈”均為同類市場(chǎng),這也意味著各個(gè)不同“枝杈”的金融市場(chǎng)難以互相逾越傳遞風(fēng)險(xiǎn)。

綜上所述,在常規(guī)狀態(tài)下,我國(guó)金融體系以股票市場(chǎng)、債券市場(chǎng)、期貨市場(chǎng)為主體與其余金融市場(chǎng)相連形成線性的風(fēng)險(xiǎn)聯(lián)動(dòng)結(jié)構(gòu)。 同類型市場(chǎng)內(nèi)部風(fēng)險(xiǎn)聯(lián)動(dòng)水平較強(qiáng)且大多市場(chǎng)間具有非對(duì)稱的上尾相關(guān)結(jié)構(gòu),易受極端風(fēng)險(xiǎn)的影響產(chǎn)生風(fēng)險(xiǎn)傳遞。 工業(yè)行業(yè)股票、期貨市場(chǎng)是金融體系中的風(fēng)險(xiǎn)傳輸樞紐,而綠色債券與綠色股票分別聯(lián)結(jié)了債券、期貨以及外匯、股票市場(chǎng)。 在未發(fā)生重大金融事件的情況下,風(fēng)險(xiǎn)傾向于在同類市場(chǎng)內(nèi)部傳遞,難以進(jìn)行大規(guī)模的跨市場(chǎng)風(fēng)險(xiǎn)傳染。

3.2.2 基于金融事件發(fā)生期間R-藤結(jié)構(gòu)的風(fēng)險(xiǎn)傳染機(jī)制分析

相比于常規(guī)狀態(tài),金融事件發(fā)生期間,我國(guó)金融體系中各市場(chǎng)的風(fēng)險(xiǎn)聯(lián)動(dòng)水平以及聯(lián)動(dòng)結(jié)構(gòu)均發(fā)生了較大變化,而綠色證券市場(chǎng)與其他金融市場(chǎng)間的聯(lián)動(dòng)狀態(tài)也發(fā)生了顯著變動(dòng)。 由此,為了進(jìn)一步探究金融事件對(duì)于中國(guó)綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)間風(fēng)險(xiǎn)傳染特征的影響,本文分別針對(duì)包括原油價(jià)格暴漲、中美貿(mào)易戰(zhàn)/定向降準(zhǔn)以及新冠疫情在內(nèi)的2015 年至2020 年最重要的三階段金融事件依次構(gòu)建了R-藤Copula 模型。 具體來(lái)說(shuō),原油暴漲事件產(chǎn)生的原因在于OPEC 國(guó)家為了控制國(guó)際原油價(jià)格而進(jìn)行產(chǎn)量限制,以至于國(guó)際油價(jià)快速飆升,從而通過(guò)能源相關(guān)市場(chǎng)間接影響國(guó)內(nèi)金融市場(chǎng)。 而在中美貿(mào)易戰(zhàn)/定向降準(zhǔn)階段,中國(guó)作為事件中重要的主體之一,金融市場(chǎng)受到了嚴(yán)重的負(fù)面沖擊。 但是在該階段,金融影響主要在中美雙方,對(duì)國(guó)際金融市場(chǎng)主要存在間接影響,影響范圍相對(duì)有限。 在近期發(fā)生且依然持續(xù)的國(guó)際新冠疫情階段,中國(guó)作為最早受到疫情影響的國(guó)家之一,實(shí)體經(jīng)濟(jì)受到嚴(yán)重影響,進(jìn)而拖累金融市場(chǎng),造成股價(jià)暴跌等負(fù)面情況。 同時(shí),新冠疫情的出現(xiàn)不僅局限于中國(guó),對(duì)于全世界各國(guó)的實(shí)體經(jīng)濟(jì)與跨國(guó)貿(mào)易均產(chǎn)生了嚴(yán)重下行影響,進(jìn)而產(chǎn)生國(guó)際市場(chǎng)波動(dòng),進(jìn)一步反向惡化國(guó)內(nèi)金融市場(chǎng)。本文通過(guò)深入對(duì)比分析影響力由弱到強(qiáng)的海外金融事件、中國(guó)金融事件、國(guó)際金融事件,得以進(jìn)一步解析中國(guó)綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)間的風(fēng)險(xiǎn)傳染機(jī)制,為應(yīng)對(duì)金融事件,控制市場(chǎng)風(fēng)險(xiǎn)提供理論參考。

在原油價(jià)格暴漲階段,雖然金融體系依然遵從著以債券、股票、期貨市場(chǎng)為主體的線性相依結(jié)構(gòu),但是綠色股票市場(chǎng)不再繼續(xù)與傳統(tǒng)股票市場(chǎng)相連,轉(zhuǎn)而與金融債券市場(chǎng)聯(lián)結(jié)。 具體來(lái)看,綠色債券市場(chǎng)作為股票市場(chǎng)以及債券市場(chǎng)間的連接點(diǎn)分別與能源股票市場(chǎng)和金融債市場(chǎng)相連。 其中,綠債市場(chǎng)與金融債市場(chǎng)以G分布相連,相關(guān)系數(shù)為0.76,上尾相關(guān)系數(shù)為0.82;綠債市場(chǎng)與能源股票市場(chǎng)以Frank 分布(F分布)相連,相關(guān)系數(shù)為負(fù)0.32,也即兩者在原油價(jià)格保障期間兩者金融風(fēng)險(xiǎn)呈較低相關(guān)性的反方向變動(dòng)。 作為能源市場(chǎng)上的重要標(biāo)的物之一,原油價(jià)格的暴漲直接影響了能源企業(yè)的營(yíng)運(yùn)與市場(chǎng)表現(xiàn),從而推動(dòng)能源行業(yè)股票價(jià)格大幅波動(dòng)。 相比之下,傳統(tǒng)能源的價(jià)格上漲對(duì)于以新能源科技創(chuàng)新為主要產(chǎn)業(yè)的綠色環(huán)保企業(yè)來(lái)說(shuō)是利好消息,從而綠色債券的發(fā)行主體也會(huì)因自身經(jīng)營(yíng)業(yè)績(jī)的上升減弱違約風(fēng)險(xiǎn),維持債券價(jià)格的穩(wěn)定。 原油價(jià)格暴漲對(duì)于綠債市場(chǎng)和能源股票市場(chǎng)的反向作用機(jī)制造成了兩者的負(fù)相關(guān)系數(shù)。 與之類似,綠色股票市場(chǎng)在此階段也異常地與金融債券市場(chǎng)以F分布相連,并且產(chǎn)生了-0.5 的反向風(fēng)險(xiǎn)聯(lián)動(dòng)。 而在整個(gè)系統(tǒng)層面,原本作為重要風(fēng)險(xiǎn)聯(lián)動(dòng)樞紐的工業(yè)行業(yè)股票、期貨市場(chǎng)也在此階段被與油價(jià)更為緊密的能源行業(yè)和農(nóng)業(yè)行業(yè)代替。從原油價(jià)格暴漲時(shí)期的系統(tǒng)藤狀結(jié)構(gòu)結(jié)合相關(guān)系數(shù)來(lái)看,同類市場(chǎng)內(nèi)部的風(fēng)險(xiǎn)關(guān)聯(lián)性依然處于較高水平,特別是債券市場(chǎng)的內(nèi)部相關(guān)系數(shù)進(jìn)一步上升,使得風(fēng)險(xiǎn)進(jìn)一步在同類市場(chǎng)內(nèi)部傳遞。 具體來(lái)說(shuō),原油價(jià)格水平的上升會(huì)通過(guò)影響能源相關(guān)市場(chǎng)對(duì)金融系統(tǒng)風(fēng)險(xiǎn)水平產(chǎn)生影響。 同時(shí),中國(guó)作為世界上最大的石油進(jìn)口國(guó),原油價(jià)格上漲還會(huì)對(duì)國(guó)內(nèi)實(shí)體經(jīng)濟(jì),特別是產(chǎn)業(yè)鏈上游的企業(yè)造成嚴(yán)重負(fù)面影響,進(jìn)一步間接影響金融市場(chǎng)穩(wěn)定性[38]。 這一過(guò)程具體表現(xiàn)為債券、股票、大宗商品市場(chǎng)的風(fēng)險(xiǎn)關(guān)聯(lián)性進(jìn)一步上升。 然而整體來(lái)看,原油價(jià)格的上漲并未對(duì)我國(guó)金融市場(chǎng)的風(fēng)險(xiǎn)傳遞產(chǎn)生結(jié)構(gòu)性影響,也即同類市場(chǎng)的內(nèi)部傳染依然是金融風(fēng)險(xiǎn)的主要傳遞路徑,跨市場(chǎng)的風(fēng)險(xiǎn)傳遞有所增加,但依然為間接傳染。這一現(xiàn)象表明,國(guó)際原油價(jià)格暴漲作為一種海外產(chǎn)生,并且影響范圍集中于能源產(chǎn)業(yè)上游市場(chǎng)的金融事件,盡管會(huì)對(duì)提升中國(guó)金融市場(chǎng)的風(fēng)險(xiǎn)關(guān)聯(lián)水平,但并不會(huì)對(duì)系統(tǒng)結(jié)構(gòu)產(chǎn)生顯著影響。

在中美貿(mào)易戰(zhàn)/定向降準(zhǔn)階段,期貨市場(chǎng)與債券市場(chǎng)都產(chǎn)生了顯著的割裂現(xiàn)象,同類市場(chǎng)內(nèi)部會(huì)被其他市場(chǎng)截?cái)?而股票市場(chǎng)在此階段作為系統(tǒng)核心,與其他類別的金融市場(chǎng)均有聯(lián)結(jié)。 無(wú)論是在風(fēng)險(xiǎn)傳播鏈的“主干道”還是外延的“枝杈”,都存在眾多跨市場(chǎng)類型的連接點(diǎn)位。 具體來(lái)看,與常規(guī)狀態(tài)一致,綠色債券市場(chǎng)作為中介將債券市場(chǎng)和期貨市場(chǎng)聯(lián)結(jié),分別與金融債市場(chǎng)和工業(yè)期貨市場(chǎng)相連。 其中,綠色債券與金融債市場(chǎng)間以t分布相連,相關(guān)系數(shù)為0.75,上下尾相關(guān)系數(shù)為對(duì)稱的0.76,三者數(shù)值相似表明兩個(gè)市場(chǎng)在任何情況下均具有較強(qiáng)的風(fēng)險(xiǎn)關(guān)聯(lián)水平;綠色債券與工業(yè)期貨市場(chǎng)以Clayton 分布(C分布)相連,相關(guān)系數(shù)為0.42,下尾相關(guān)系數(shù)為0.62,也即兩市場(chǎng)在波動(dòng)率處在較低水平時(shí)具有更強(qiáng)的聯(lián)動(dòng)性。 綠色股票市場(chǎng)則分別與工業(yè)股票市場(chǎng)以及回購(gòu)市場(chǎng)相連。 綠色股票與回購(gòu)市場(chǎng)以旋轉(zhuǎn)了90 度的Clayton 分布(C90 分布)相連,相關(guān)系數(shù)為0.4;綠色股票與工業(yè)股票市場(chǎng)以F分布相連,相關(guān)系數(shù)為0.73。 在中美貿(mào)易戰(zhàn)與定向降準(zhǔn)的影響下,原本指向同類市場(chǎng)的風(fēng)險(xiǎn)聯(lián)動(dòng)開始向外部市場(chǎng)轉(zhuǎn)化,從而形成了圖1 中此階段各類市場(chǎng)斷裂的風(fēng)險(xiǎn)聯(lián)動(dòng)。 此外,由于中美貿(mào)易戰(zhàn)主要通過(guò)影響國(guó)際性的外貿(mào)交易,對(duì)于企業(yè)的市場(chǎng)表現(xiàn)產(chǎn)生的巨大的負(fù)面影響,因而股票市場(chǎng)成為了此時(shí)間段下的主要風(fēng)險(xiǎn)輸出者,這也是整個(gè)系統(tǒng)下股票市場(chǎng)成為核心的主要原因。 同時(shí),在中美貿(mào)易戰(zhàn)產(chǎn)生的負(fù)面影響下,我國(guó)金融系統(tǒng)的風(fēng)險(xiǎn)傳染結(jié)構(gòu)開始產(chǎn)生顯著變化。 在此階段,金融風(fēng)險(xiǎn)的傳遞不再局限于同類市場(chǎng)內(nèi)部,具體表現(xiàn)為在最大生成樹的篩選下,不同類型市場(chǎng)間的風(fēng)險(xiǎn)關(guān)聯(lián)性開始出現(xiàn)顯著上升。 當(dāng)某一金融市場(chǎng)受到經(jīng)濟(jì)下行影響產(chǎn)生波動(dòng)時(shí),金融風(fēng)險(xiǎn)除內(nèi)部擴(kuò)散外,還有更大幾率向其他市場(chǎng)交叉?zhèn)魅?從而向整個(gè)金融系統(tǒng)擴(kuò)散蔓延。由此可見,不同于原油價(jià)格上升,中美貿(mào)易戰(zhàn)這類對(duì)中國(guó)全行業(yè)均存在負(fù)面影響的金融事件,不僅會(huì)提升市場(chǎng)間的風(fēng)險(xiǎn)溢出水平,還會(huì)顯著改變風(fēng)險(xiǎn)傳染結(jié)構(gòu),將常規(guī)狀態(tài)下的同類市場(chǎng)內(nèi)部傳染轉(zhuǎn)化為跨類屬性的交叉?zhèn)魅尽?/p>

在新冠疫情階段,債券市場(chǎng)與貨幣市場(chǎng)同樣出現(xiàn)了割裂現(xiàn)象,公司債市場(chǎng)轉(zhuǎn)而與期貨市場(chǎng)相連。 并且在此階段,綠色債券與綠色股票市場(chǎng)分別處于債券和股票市場(chǎng)內(nèi)部,而非作為中介處在多類市場(chǎng)中間。 具體來(lái)說(shuō),在新冠疫情階段,綠色債券市場(chǎng)在債券市場(chǎng)內(nèi)部?jī)H與國(guó)債和企業(yè)債市場(chǎng)相連。其中,綠色債券與國(guó)債市場(chǎng)以正態(tài)分布相連,相關(guān)系數(shù)為0.5;同樣的,綠色債券與企業(yè)債券之間以正態(tài)分布相連,相關(guān)系數(shù)為0.51。 在新冠疫情期間,綠色股票市場(chǎng)則處于傳統(tǒng)股票市場(chǎng)內(nèi)部與能源股票以及材料股票市場(chǎng)相連。 其中,綠色股票與能源股票市場(chǎng)間以t分布相連,相關(guān)系數(shù)為0.76,上下尾相關(guān)系數(shù)為對(duì)稱的0.29。 值得注意的是,綠色股票與能源股票間是極少數(shù)的上下尾相關(guān)性遠(yuǎn)小于Kendall 相關(guān)系數(shù)的情況,說(shuō)明在正常狀態(tài)下兩市場(chǎng)間便具有較強(qiáng)的風(fēng)險(xiǎn)關(guān)聯(lián)性,而極端事件的出現(xiàn)并不會(huì)顯著提升兩者間的風(fēng)險(xiǎn)傳染能力。 綠色股票與材料股票市場(chǎng)之間以Joe 分布(J分布)相連,相關(guān)系數(shù)為0.79,上尾相關(guān)系數(shù)為0.9。 與中美貿(mào)易戰(zhàn)/定向降準(zhǔn)階段相似,在新冠疫情階段我國(guó)金融系統(tǒng)同樣具有跨市場(chǎng)聯(lián)結(jié)的特征,且同類型金融市場(chǎng)內(nèi)部的風(fēng)險(xiǎn)聯(lián)動(dòng)性有所降低,轉(zhuǎn)化為跨市場(chǎng)的風(fēng)險(xiǎn)聯(lián)動(dòng)。 從中國(guó)金融市場(chǎng)的風(fēng)險(xiǎn)傳遞結(jié)構(gòu)來(lái)看,新冠疫情的出現(xiàn)使常規(guī)狀態(tài)下的穩(wěn)定結(jié)構(gòu)進(jìn)一步遭到破壞,風(fēng)險(xiǎn)傳染的“主干道”變長(zhǎng),而“枝杈”數(shù)量有所減少。 這一現(xiàn)象意味著跨市場(chǎng)的交叉?zhèn)魅舅竭M(jìn)一步強(qiáng)化,各“枝杈”對(duì)于風(fēng)險(xiǎn)傳染的抑制效果減弱,多數(shù)市場(chǎng)均在主要路徑上因而更易受到金融風(fēng)險(xiǎn)的交叉?zhèn)魅尽?相比于原油價(jià)格暴漲和中美貿(mào)易戰(zhàn),新冠疫情在中國(guó)首先得到確認(rèn)并在世界范圍內(nèi)都產(chǎn)生了嚴(yán)重的負(fù)面影響,其對(duì)國(guó)際經(jīng)濟(jì)造成的下行效應(yīng)要強(qiáng)于前兩者。 新冠疫情對(duì)于我國(guó)金融市場(chǎng)藤狀結(jié)構(gòu)的影響進(jìn)一步證明,金融事件的產(chǎn)生會(huì)使常規(guī)狀態(tài)下的同類市場(chǎng)內(nèi)部傳染轉(zhuǎn)化為跨市場(chǎng)傳染,并基于風(fēng)險(xiǎn)的循環(huán)往復(fù)式發(fā)展,產(chǎn)生橫跨全部金融市場(chǎng)的系統(tǒng)性金融風(fēng)險(xiǎn)。

總結(jié)來(lái)說(shuō),相比于常規(guī)狀態(tài)下的金融市場(chǎng)風(fēng)險(xiǎn)聯(lián)動(dòng)結(jié)構(gòu),在金融事件發(fā)生期間,各同類型的金融市場(chǎng)會(huì)具有更顯著的割裂效果,也即同類型市場(chǎng)的內(nèi)部風(fēng)險(xiǎn)傳染會(huì)轉(zhuǎn)化為與其他類型市場(chǎng)的跨市場(chǎng)交叉?zhèn)魅尽?而從原油價(jià)格暴漲到中美貿(mào)易戰(zhàn)再到新冠疫情期間割裂效果逐漸增強(qiáng)的現(xiàn)狀可以看出,影響范圍更廣、負(fù)面效果更強(qiáng)的金融事件更易造成風(fēng)險(xiǎn)在各個(gè)市場(chǎng)間的交叉?zhèn)魅?并進(jìn)一步演化為貫穿整個(gè)金融市場(chǎng)的系統(tǒng)性金融風(fēng)險(xiǎn)。 從風(fēng)險(xiǎn)聯(lián)動(dòng)水平上看,同類型金融市場(chǎng)內(nèi)部的聯(lián)動(dòng)水平會(huì)有所降低,轉(zhuǎn)化為跨市場(chǎng)的風(fēng)險(xiǎn)聯(lián)動(dòng),但在金融事件的作用下,同類市場(chǎng)內(nèi)部更易出現(xiàn)極端風(fēng)險(xiǎn)聯(lián)動(dòng)。

3.3 有向加權(quán)金融網(wǎng)絡(luò)構(gòu)建與分析

為了進(jìn)一步從系統(tǒng)層面探究綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)間的風(fēng)險(xiǎn)傳染機(jī)制,本節(jié)基于DY 和BK 溢出指數(shù)構(gòu)建了有向加權(quán)金融網(wǎng)絡(luò)進(jìn)行分析。 首先,分別使用基于GARCH 族模型計(jì)算得到的波動(dòng)率數(shù)據(jù),構(gòu)建了綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)間的DY 風(fēng)險(xiǎn)溢出指數(shù)和BK 風(fēng)險(xiǎn)溢出指數(shù)。 其中,DY 溢出指數(shù)在計(jì)算過(guò)程中根據(jù)AIC 準(zhǔn)則選取2階滯后項(xiàng),向前預(yù)測(cè)步長(zhǎng)為100,用以探究時(shí)頻條件下綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)間的風(fēng)險(xiǎn)溢出關(guān)系。 為了進(jìn)一步探究不同頻率段下各市場(chǎng)間差異化的風(fēng)險(xiǎn)溢出情況,本文參考Liang 等[39]的研究方法,將頻域分解為0 ～22 天的高頻率段(一個(gè)月)、23～250 天的中頻率段(一個(gè)月至一年)以及251天以上(一年以上)的低頻率段。 在計(jì)算BK 溢出指數(shù)的過(guò)程中,根據(jù)AIC 準(zhǔn)則選取滯后階數(shù)為2,并且為設(shè)定一個(gè)較大的向前預(yù)測(cè)步長(zhǎng)以降低模型誤差,本文將BK 溢出指數(shù)中的H 設(shè)定為250。 為了進(jìn)一步探究綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)間的動(dòng)態(tài)風(fēng)險(xiǎn)溢出水平,本文使用滾動(dòng)時(shí)間窗的方法,將時(shí)間窗設(shè)定為200,分別構(gòu)建了時(shí)域以及頻域下的動(dòng)態(tài)風(fēng)險(xiǎn)溢出指數(shù)。

3.3.1 基于全樣本期內(nèi)有向加權(quán)網(wǎng)絡(luò)的風(fēng)險(xiǎn)傳染機(jī)制分析

將基于上述方法計(jì)算得到的溢出指數(shù)作為邊,各個(gè)金融市場(chǎng)作為節(jié)點(diǎn),對(duì)常規(guī)狀態(tài)以及原油價(jià)格暴漲、中美貿(mào)易戰(zhàn)/定向降準(zhǔn)、新冠疫情三階段金融事件分別構(gòu)建了圖2 至5 所示的金融市場(chǎng)風(fēng)險(xiǎn)傳染有向溢出網(wǎng)絡(luò)。 其中,節(jié)點(diǎn)的顏色深淺代表該市場(chǎng)的風(fēng)險(xiǎn)溢出類型,深色節(jié)點(diǎn)表示該金融市場(chǎng)為風(fēng)險(xiǎn)凈溢入市場(chǎng),淺色節(jié)點(diǎn)代表風(fēng)險(xiǎn)凈溢出市場(chǎng)。 各節(jié)點(diǎn)直徑的大小代表該金融市場(chǎng)的風(fēng)險(xiǎn)溢出水平的大小,節(jié)點(diǎn)直徑越大表示該市場(chǎng)的風(fēng)險(xiǎn)總溢出水平越強(qiáng),節(jié)點(diǎn)間的箭頭越粗代表該溢出水平越強(qiáng)。

圖2 常規(guī)狀態(tài)下綠色證券與金融市場(chǎng)間風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)① 風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)中高、中、低強(qiáng)度的劃分分別以常規(guī)狀態(tài)下風(fēng)險(xiǎn)溢出水平的10%、30%作為閾值。Figure 2 Risk contagion network between green securities and financial markets under normal conditions

圖2展示了常規(guī)狀態(tài)(全樣本期內(nèi))下綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)間的風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)圖。 從圖中可以看出,無(wú)論在時(shí)域還是頻域下,最強(qiáng)風(fēng)險(xiǎn)溢出水平幾乎只存在于同類型市場(chǎng)內(nèi)部,也即我國(guó)金融系統(tǒng)內(nèi)的高水平風(fēng)險(xiǎn)溢出都集中于內(nèi)部傳染,且債券、股票與期貨市場(chǎng)的內(nèi)部風(fēng)險(xiǎn)傳染最為強(qiáng)烈。 具體來(lái)說(shuō),在常規(guī)狀態(tài)下,中頻溢出強(qiáng)度最高,流動(dòng)性較強(qiáng)的股票市場(chǎng)和期貨市場(chǎng)是金融系統(tǒng)中主要的風(fēng)險(xiǎn)凈溢出者。 相比之下,高頻溢出和低頻溢出強(qiáng)度較低。 但是值得注意的是,在高頻率段下,債券市場(chǎng)具有最強(qiáng)的溢出水平,而在低頻率下,股票市場(chǎng)和期貨市場(chǎng)則具有較強(qiáng)的風(fēng)險(xiǎn)溢出水平,兩頻率段下的風(fēng)險(xiǎn)溢出水平存在“蹺蹺板”效應(yīng)。 產(chǎn)生這一現(xiàn)象的原因可能在于：債券作為一種長(zhǎng)周期的債權(quán)證明,其價(jià)格波動(dòng)主要存在于結(jié)算期前的二級(jí)市場(chǎng)供求關(guān)系的變動(dòng),因而其市場(chǎng)內(nèi)部的風(fēng)險(xiǎn)傳染也主要存在于結(jié)算期前的較短周期內(nèi)。 與之相比,股票市場(chǎng)在常規(guī)狀態(tài)下由于沒(méi)有極端事件的影響,投資者主要依據(jù)上市企業(yè)的基本面信息進(jìn)行中長(zhǎng)期的價(jià)值投資,因而股票市場(chǎng)的風(fēng)險(xiǎn)傳染也主要產(chǎn)生于中長(zhǎng)贖回期,也即在常規(guī)狀態(tài)下相較于高頻股票市場(chǎng)更易出現(xiàn)低頻溢出。

綜上,在常規(guī)狀態(tài)下,較高水平的風(fēng)險(xiǎn)溢出主要集中于同類市場(chǎng)內(nèi)部,跨市場(chǎng)風(fēng)險(xiǎn)傳染水平相對(duì)較低,而股票市場(chǎng)是整個(gè)金融系統(tǒng)的風(fēng)險(xiǎn)凈輸出核心。 從不同頻率的溢出差異來(lái)看,常規(guī)狀態(tài)下中頻溢出的水平最強(qiáng),高頻溢出與低頻溢出的強(qiáng)度最低,且兩頻率段下的風(fēng)險(xiǎn)溢出水平強(qiáng)度存在“蹺蹺板”效應(yīng),也即同一市場(chǎng)大多僅在高、低其中一個(gè)頻率段下具有較強(qiáng)的風(fēng)險(xiǎn)溢出。

3.3.2 基于三階段金融事件發(fā)生期間金融網(wǎng)絡(luò)的風(fēng)險(xiǎn)傳染機(jī)制分析

與R-藤Copula 相對(duì)應(yīng)地,本文同樣針對(duì)原油價(jià)格暴漲時(shí)期、中美貿(mào)易戰(zhàn)/定向降準(zhǔn)以及新冠疫情期間分別構(gòu)建了混頻風(fēng)險(xiǎn)傳染網(wǎng)絡(luò),網(wǎng)絡(luò)結(jié)構(gòu)如圖3 至圖5 所示。

圖3 國(guó)際原油價(jià)格暴漲期(2016 年10 月20 日—2017 年2 月10 日 )綠色證券與金融市場(chǎng)間風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)Figure 3 Risk contagion network between green securities and financial markets during sharp rise in international crude oil prices period (October 20, 2016—February 10, 2017)

在原油價(jià)格暴漲時(shí)期,由于股票市場(chǎng)和大宗商品交易市場(chǎng)的流通性較強(qiáng),其對(duì)原油價(jià)格快速且劇烈的上升反應(yīng)最為強(qiáng)烈。 在(a)子圖的時(shí)頻條件下,高強(qiáng)度的風(fēng)險(xiǎn)溢出主要集中于股票市場(chǎng)和期貨市場(chǎng),其中股票除了向內(nèi)部輸出風(fēng)險(xiǎn),其對(duì)債券市場(chǎng)的交叉風(fēng)險(xiǎn)溢出水平同樣顯著上升,系統(tǒng)整體的聯(lián)通性有所上升,這一現(xiàn)象與現(xiàn)有文獻(xiàn)結(jié)果一致[40]。 值得注意的是,由于傳統(tǒng)能源的價(jià)格上漲利好新能源等綠色資源市場(chǎng),從而促使投資者集中配置綠色股票,強(qiáng)化了綠色股票市場(chǎng)的風(fēng)險(xiǎn)溢出水平,使得綠色股票市場(chǎng)在此階段成為金融系統(tǒng)的風(fēng)險(xiǎn)核心,對(duì)多個(gè)市場(chǎng)均產(chǎn)生了較高強(qiáng)度的風(fēng)險(xiǎn)溢出。 在時(shí)域狀態(tài)下,高頻溢出整體上升最為明顯,各市場(chǎng)間均產(chǎn)生了強(qiáng)度相似的高水平風(fēng)險(xiǎn)溢出,在金融系統(tǒng)內(nèi)均勻擴(kuò)散;相比之下,中頻溢出與時(shí)域溢出表現(xiàn)最為接近,金融系統(tǒng)中以股票市場(chǎng)和期貨市場(chǎng)作為風(fēng)險(xiǎn)輸出主體,整體呈現(xiàn)出跨市場(chǎng)的交叉風(fēng)險(xiǎn)外溢;最后,低頻溢出表現(xiàn)與高頻溢出相反,在此時(shí)期市場(chǎng)內(nèi)外部溢出水不升反降,金融系統(tǒng)整體上呈現(xiàn)出均勻的低風(fēng)險(xiǎn)溢出。 在此階段,國(guó)際原油價(jià)格的上升是由OPEC 控制石油出口量導(dǎo)致的供不應(yīng)求,事件持續(xù)較短且對(duì)于金融市場(chǎng)的影響有限,因而市場(chǎng)上的金融風(fēng)險(xiǎn)傾向于短期快速傳播,具體表現(xiàn)為低頻溢出向高頻溢出轉(zhuǎn)化,并通過(guò)交叉?zhèn)魅镜姆绞绞故袌?chǎng)整體風(fēng)險(xiǎn)聯(lián)通性顯著上升。

從圖4 可以看出,在中美貿(mào)易戰(zhàn)/定向降準(zhǔn)時(shí)期,債券市場(chǎng)成為了主要的風(fēng)險(xiǎn)溢出者。 在此階段,中美貿(mào)易戰(zhàn)的主體雙方中美兩國(guó)均對(duì)對(duì)方施加了高額的反傾銷關(guān)稅,嚴(yán)重影響了中國(guó)乃至國(guó)際貿(mào)易市場(chǎng)。 國(guó)際經(jīng)濟(jì)環(huán)境的顯著惡化,促使投資者降低高風(fēng)險(xiǎn)高流動(dòng)性資產(chǎn)的配置份額,轉(zhuǎn)而將資金投入于風(fēng)險(xiǎn)水平較低的債券市場(chǎng),定向降準(zhǔn)政策的頒發(fā)使企業(yè)得以以較低的實(shí)際貼現(xiàn)率大幅發(fā)債融資,進(jìn)一步強(qiáng)化了這一現(xiàn)象。 從不同頻率段的水平差異來(lái)看,時(shí)域下的高水平風(fēng)險(xiǎn)溢出主要出現(xiàn)在債券市場(chǎng),而跨市場(chǎng)的風(fēng)險(xiǎn)溢出也大多上升至中等強(qiáng)度。 在頻域下,金融系統(tǒng)的高頻溢出相比于常規(guī)狀態(tài)整體上升明顯,且債券、股票、期貨三個(gè)主要市場(chǎng)間的具有高強(qiáng)度的跨市場(chǎng)溢出;中頻條件下,系統(tǒng)內(nèi)風(fēng)險(xiǎn)溢出結(jié)構(gòu)與時(shí)域相似,溢出水平整體上升,而同類市場(chǎng)內(nèi)部溢出下降;低頻條件下,除公司債市場(chǎng)對(duì)外輸出較強(qiáng)的長(zhǎng)周期溢出外,其余市場(chǎng)間風(fēng)險(xiǎn)溢出水平均顯著下降。 從系統(tǒng)整體的視角來(lái)看,相比于常規(guī)狀態(tài),同類市場(chǎng)內(nèi)部的風(fēng)險(xiǎn)溢出水平進(jìn)一步降低,其中股票市場(chǎng)的表現(xiàn)尤為明顯,取而代之的是各個(gè)市場(chǎng)間產(chǎn)生了中高水平的跨市場(chǎng)交叉風(fēng)險(xiǎn)傳染,該表現(xiàn)與原油價(jià)格上升階段具有一致性。 此外,在頻域下,跨市場(chǎng)溢出水平的顯著上升主要集中于中頻和低頻,而高頻溢出依然具有較為強(qiáng)烈的內(nèi)部溢出。 這一現(xiàn)象進(jìn)一步表明,短期內(nèi),受到金融事件引起的金融風(fēng)險(xiǎn)會(huì)在同類市場(chǎng)內(nèi)部進(jìn)行擴(kuò)散,并逐步傳染至其他市場(chǎng),經(jīng)過(guò)循環(huán)往復(fù)的交叉?zhèn)魅竞笞罱K導(dǎo)致金融系統(tǒng)聯(lián)通性的整體上升。

圖4 中美貿(mào)易戰(zhàn)/定向降準(zhǔn)時(shí)期(2017 年10 月11 日—2018 年10 月15 日)綠色證券與金融市場(chǎng)間風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)Figure 4 Risk contagion network between green securities and financial markets during Sino-U.S. trade war/targeted RRR cuts period (October 11, 2017—October 15, 2018)

在新冠疫情爆發(fā)時(shí)期,世界性嚴(yán)重疫情的出現(xiàn)使得跨國(guó)貿(mào)易市場(chǎng)停擺,國(guó)內(nèi)實(shí)體經(jīng)濟(jì)增長(zhǎng)停滯,對(duì)金融市場(chǎng)產(chǎn)生了無(wú)差別的嚴(yán)重負(fù)面影響。 由圖5 可知,在此時(shí)期,由于實(shí)體產(chǎn)業(yè)收益水平下降,大量資金被投入資本市場(chǎng),這其中可操作性較強(qiáng)、收益水平較高的股票、期貨市場(chǎng)成為投資者首選,導(dǎo)致股票市場(chǎng)和期貨市場(chǎng)在此階段成為了系統(tǒng)中主要的風(fēng)險(xiǎn)溢出者。 從不同頻率段的水平差異來(lái)看,時(shí)域條件下,新冠疫情的出現(xiàn)使得我國(guó)金融市場(chǎng)的系統(tǒng)聯(lián)通性進(jìn)一步上升。除股票市場(chǎng)和期貨市場(chǎng)內(nèi)部存在部分高水平溢出,其余市場(chǎng)內(nèi)外部風(fēng)險(xiǎn)溢出均轉(zhuǎn)化為強(qiáng)度相近的中等溢出,跨市場(chǎng)的風(fēng)險(xiǎn)交叉?zhèn)魅緦?dǎo)致系統(tǒng)整體風(fēng)險(xiǎn)聯(lián)通性顯著上升。 而在時(shí)域下,高頻溢出水平相較于常規(guī)狀態(tài)有所上升,部分跨市場(chǎng)溢出水平由中等強(qiáng)度上升至高強(qiáng)度;中頻條件下,在內(nèi)部溢出不減的情況下,跨市場(chǎng)溢出有所上升,系統(tǒng)內(nèi)部溢出水平整體上升;低頻條件下,各市場(chǎng)內(nèi)部溢出向跨市場(chǎng)溢出轉(zhuǎn)化,但系統(tǒng)總溢出水平有所下降。 這一現(xiàn)象與前兩階段金融事件相似,均表現(xiàn)為低頻溢出向高頻溢出轉(zhuǎn)化,同時(shí)風(fēng)險(xiǎn)傳染路徑是由市場(chǎng)內(nèi)部傳染逐步向跨市場(chǎng)交叉?zhèn)魅巨D(zhuǎn)化,最后引起市場(chǎng)整體連通性的上升。

圖5 新冠疫情時(shí)期(2020 年2 月3 日—2020 年9 月2 日)綠色證券與金融市場(chǎng)間風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)Figure 5 Risk contagion network between green securities and financial markets during COVID-19 period (February 3, 2020—September 2, 2020)

總結(jié)來(lái)說(shuō),相比于常規(guī)狀態(tài)下的風(fēng)險(xiǎn)溢出水平,金融事件的出現(xiàn)主要存在以下影響：首先,金融事件發(fā)生期間,無(wú)論是在時(shí)域還是頻域,同類型市場(chǎng)內(nèi)部的風(fēng)險(xiǎn)溢出會(huì)向跨市場(chǎng)的溢出進(jìn)行轉(zhuǎn)化,同類市場(chǎng)的內(nèi)部風(fēng)險(xiǎn)溢出有所下降,跨市場(chǎng)溢出有所上升。 也即金融事件對(duì)于金融系統(tǒng)風(fēng)險(xiǎn)傳染的作用機(jī)制是通過(guò)提升跨市場(chǎng)風(fēng)險(xiǎn)傳染使金融系統(tǒng)風(fēng)險(xiǎn)聯(lián)通性整體上升,而非簡(jiǎn)單提升某個(gè)具體市場(chǎng)的風(fēng)險(xiǎn)傳染能力。同時(shí),上述影響機(jī)制的產(chǎn)生存在一定發(fā)展過(guò)程,而非即時(shí)完成,具體表現(xiàn)為：在短期內(nèi),受到金融事件引起的金融風(fēng)險(xiǎn)會(huì)在同類市場(chǎng)內(nèi)部進(jìn)行擴(kuò)散,并逐步傳染至其他市場(chǎng),經(jīng)過(guò)循環(huán)往復(fù)的交叉?zhèn)魅竞笞罱K導(dǎo)致金融系統(tǒng)聯(lián)通性的整體上升。其次,從不同頻率的風(fēng)險(xiǎn)溢出來(lái)看,金融事件的出現(xiàn)會(huì)引起使得高頻溢出水平顯著上升,中頻溢出和低頻溢出會(huì)向高頻溢出轉(zhuǎn)化,也即重大金融事件期間會(huì)產(chǎn)生更為劇烈的即時(shí)影響。 并且,上述機(jī)制在運(yùn)行過(guò)程的劇烈程度與金融事件自身的影響水平有關(guān),事件影響范圍越廣、影響力度越強(qiáng)的金融事件所產(chǎn)生劇烈程度也會(huì)越強(qiáng)。

3.4 R-藤Copula 模型與混頻金融網(wǎng)絡(luò)結(jié)果的比較分析

比較3.2 節(jié)中R-藤Copula 模型的結(jié)果以及3.3 節(jié)中混頻復(fù)雜網(wǎng)絡(luò)的結(jié)果可以發(fā)現(xiàn),兩者分析得到的結(jié)論基本一致,可以簡(jiǎn)單概括為金融事件會(huì)通過(guò)提升跨市場(chǎng)交叉?zhèn)魅舅秸w提升金融系統(tǒng)的風(fēng)險(xiǎn)聯(lián)通性。 而復(fù)雜網(wǎng)絡(luò)所體現(xiàn)出的頻域信息則進(jìn)一步表明,金融事件發(fā)生期間,金融風(fēng)險(xiǎn)低頻溢出會(huì)向高頻溢出轉(zhuǎn)化,并由內(nèi)部傳染逐步向跨市場(chǎng)交叉?zhèn)魅巨D(zhuǎn)化。 具體來(lái)說(shuō),金融系統(tǒng)中的任何市場(chǎng)都可能在突發(fā)事件的影響下產(chǎn)生金融風(fēng)險(xiǎn),其中資產(chǎn)流動(dòng)性高,個(gè)人投資者較多的核心市場(chǎng)(如股市、債市等)更易發(fā)生風(fēng)險(xiǎn)。 隨后,風(fēng)險(xiǎn)會(huì)首先在同類型市場(chǎng)的內(nèi)部進(jìn)行傳播,當(dāng)風(fēng)險(xiǎn)傳遞至核心的中介市場(chǎng)時(shí),受到金融資產(chǎn)“探戈效應(yīng)”的影響,其市場(chǎng)波動(dòng)水平很可能會(huì)隨之放大。 另一方面,由于國(guó)內(nèi)金融市場(chǎng)上依然以個(gè)人投資者為主,投資者獲得的有限信息很可能受到自身“羊群效應(yīng)”與“喚醒效應(yīng)”的影響,通過(guò)投資標(biāo)的的二次轉(zhuǎn)換進(jìn)一步產(chǎn)生跨市場(chǎng)交叉?zhèn)魅尽?在此過(guò)程中,R-藤Copula 的結(jié)果表明我國(guó)金融市場(chǎng)間具有更高的上尾相關(guān)系數(shù),也即突發(fā)性的極端風(fēng)險(xiǎn)上升時(shí)更易產(chǎn)生風(fēng)險(xiǎn)傳遞。 在上述過(guò)程的循環(huán)往復(fù)下,多次的交叉再傳染使得原本同類市場(chǎng)內(nèi)部傳染的穩(wěn)定結(jié)構(gòu)發(fā)生改變,各市場(chǎng)間的風(fēng)險(xiǎn)溢出水平不斷接近,從而最終發(fā)生整個(gè)金融系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn),也即混頻復(fù)雜網(wǎng)絡(luò)中所顯示的市場(chǎng)整體風(fēng)險(xiǎn)互通。

4 結(jié)論

本文首先構(gòu)建了常規(guī)狀態(tài)與原油價(jià)格暴漲、中美貿(mào)易戰(zhàn)/定向降準(zhǔn)以及新冠疫情三階段金融事件下的R-藤Copula 模型,并分別繪制了綠色證券與傳統(tǒng)金融市場(chǎng)間第一棵樹結(jié)構(gòu)的聯(lián)動(dòng)網(wǎng)絡(luò)。 隨后,基于時(shí)域與頻域下的溢出指數(shù),構(gòu)建了常規(guī)狀態(tài)與三階段金融事件下各市場(chǎng)間的有向加權(quán)溢出網(wǎng)絡(luò)。 通過(guò)聯(lián)動(dòng)網(wǎng)絡(luò)與溢出網(wǎng)絡(luò)的實(shí)證分析,在系統(tǒng)層面下探究了我國(guó)綠色證券與傳統(tǒng)金融市場(chǎng)間的風(fēng)險(xiǎn)傳染機(jī)制,得到如下研究結(jié)論：

一方面,從系統(tǒng)層面的風(fēng)險(xiǎn)聯(lián)動(dòng)角度來(lái)看,在常規(guī)狀態(tài)下,我國(guó)金融體系以股票市場(chǎng)、債券市場(chǎng)、期貨市場(chǎng)為主體與其余金融市場(chǎng)相連形成線性的風(fēng)險(xiǎn)聯(lián)動(dòng)結(jié)構(gòu)。 同類型市場(chǎng)內(nèi)部風(fēng)險(xiǎn)聯(lián)動(dòng)水平較強(qiáng)且大多市場(chǎng)間具有非對(duì)稱的上尾相關(guān)結(jié)構(gòu),易受極端風(fēng)險(xiǎn)的影響產(chǎn)生風(fēng)險(xiǎn)傳遞。 相比之下,在金融事件發(fā)生期間,各同類型的金融市場(chǎng)會(huì)具有更顯著的割裂效果,即同類型的金融市場(chǎng)會(huì)轉(zhuǎn)而與其他類型的市場(chǎng)連結(jié)。 從風(fēng)險(xiǎn)聯(lián)動(dòng)水平上看,同類型金融市場(chǎng)內(nèi)部的聯(lián)動(dòng)水平會(huì)有所降低,轉(zhuǎn)化為跨市場(chǎng)的風(fēng)險(xiǎn)聯(lián)動(dòng),但在金融事件的作用下,同類市場(chǎng)內(nèi)部更易出現(xiàn)極端風(fēng)險(xiǎn)聯(lián)動(dòng)。

另一方面,從系統(tǒng)層面的風(fēng)險(xiǎn)溢出角度來(lái)看,常規(guī)狀態(tài)下,高水平風(fēng)險(xiǎn)溢出主要集中于同類市場(chǎng)內(nèi)部,股票市場(chǎng)是整個(gè)金融系統(tǒng)的風(fēng)險(xiǎn)輸出核心。 從不同頻率的溢出差異來(lái)看,常規(guī)狀態(tài)下中頻溢出的水平最強(qiáng),高頻溢出與低頻溢出的強(qiáng)度最低,且兩頻率段下的風(fēng)險(xiǎn)溢出水平強(qiáng)度存在“蹺蹺板”效應(yīng),同一市場(chǎng)大多僅在高、低其中一個(gè)頻率段下具有較強(qiáng)的風(fēng)險(xiǎn)溢出。 相比之下,金融事件的發(fā)生主要在兩方面影響金融系統(tǒng)的風(fēng)險(xiǎn)溢出。 首先,金融事件會(huì)通過(guò)提升跨市場(chǎng)風(fēng)險(xiǎn)傳染使金融系統(tǒng)風(fēng)險(xiǎn)聯(lián)通性整體上升,經(jīng)過(guò)“產(chǎn)生→交叉?zhèn)魅尽俳徊鎮(zhèn)魅尽钡倪^(guò)程最終使整個(gè)金融系統(tǒng)內(nèi)部的市場(chǎng)間風(fēng)險(xiǎn)溢出水平趨于一致,系統(tǒng)風(fēng)險(xiǎn)聯(lián)通性顯著上升。 其次,從不同頻率的風(fēng)險(xiǎn)溢出來(lái)看,金融事件的出現(xiàn)會(huì)引起使得高頻溢出水平顯著上升,中頻溢出和低頻溢出會(huì)向高頻溢出轉(zhuǎn)化。

基于上述研究結(jié)論,本文提出了如下建議：

首先,對(duì)于綠色證券市場(chǎng)的市場(chǎng)監(jiān)管者來(lái)說(shuō),可以從優(yōu)化風(fēng)險(xiǎn)管理指標(biāo)體系,以及動(dòng)態(tài)監(jiān)控國(guó)際金融環(huán)境兩個(gè)角度提升綠色證券市場(chǎng)的風(fēng)險(xiǎn)防控水平,優(yōu)化新興證券市場(chǎng)的管理體系。 市場(chǎng)監(jiān)管者需要與政府政策制定者合作,通過(guò)分析政策的施行方式以及國(guó)際經(jīng)濟(jì)環(huán)境形式,提前對(duì)潛在金融事件進(jìn)行早期預(yù)警,盡量降低金融事件對(duì)于綠色證券水平的負(fù)面影響,防止因投資者集中買賣放大市場(chǎng)風(fēng)險(xiǎn)。

其次,對(duì)于綠色證券市場(chǎng)的投資者來(lái)說(shuō),由于自身獲取信息的能力相對(duì)有限,在負(fù)面金融事件發(fā)生產(chǎn)生金融風(fēng)險(xiǎn)時(shí)難以通過(guò)及時(shí)調(diào)整投資標(biāo)的方式降低投資損失。 因此,投資者一方面應(yīng)該提升自身的信息獲取能力,并將其運(yùn)用到資金倉(cāng)位的管理當(dāng)中。 另一方面,投資者還可以根據(jù)本文得到的綠色證券市場(chǎng)與傳統(tǒng)金融市場(chǎng)間風(fēng)險(xiǎn)傳染水平的相關(guān)結(jié)論,選擇綠色證券以及與之風(fēng)險(xiǎn)聯(lián)動(dòng)較低的市場(chǎng)構(gòu)建多個(gè)投資組合,通過(guò)分散資金、降低內(nèi)部風(fēng)險(xiǎn)傳染的方式減少潛在的投資損失。