刘公石 任英华 汤季蓉:金融市场风险传染的时空效应研

选择字号:   本文共阅读 72 次 更新时间:2022-02-20 23:53:59

进入专题: 金融市场风险传染  

刘公石   任英华   汤季蓉  

   【内容提要】 防范金融市场的外部冲击是各国金融监管的重要内容之一。本文以区域全面经济伙伴关系协定参与国为主要样本,构建半参数空间向量自回归模型研究不同国家间银行系统与外汇、债券、股票三个市场的风险传染关系及时空效应。研究表明:外汇市场、债券市场和股票市场三者是紧密相连的,其决定因素是投资者对一国货币的利率预期;不同国家金融市场间的风险传染不仅受国家对外贸的依赖程度的影响,也受到经济地理距离的影响,但实施不同汇率制度的国家,因资本管制程度不同,受到金融风险的冲击也是不同的;当银行系统处于高风险时,银行压力的增大会增加外汇市场面对的压力,而债券市场能够承接部分银行系统风险。因此,中国应建立金融风险预警与防范机制,预防外部市场冲击,保护国家金融安全。

   【关键词】 金融市场风险传染,半参数空间向量自回归,时空脉冲响应分析

  

   20世纪90年代以来,金融全球化使得世界各国的金融市场联动紧密,国际金融市场风险变得更加复杂,金融风险传染的全球性和系统性特征越来越突显。无论是突发风险事件的发生,还是单个国家金融危机的爆发都会使各国金融市场遭受危机感染的可能性加大。2008年席卷全球的金融危机使国际金融市场间的风险传染问题越来越受到各国监管部门的重视,如何防范并减缓金融市场的外部冲击对本国的影响成为金融监管的重要内容之一。2020年11月15日由东盟十国发起的区域全面经济伙伴关系协定(RCEP)的签署,标志着当前世界上人口最多、经贸规模最大的自由贸易区正式启航。这一协议在给亚太地区经济繁荣与发展带来新动能的同时,也给这些国家防范区域金融风险的传染带来了新挑战。

  

   鉴于已有文献对金融风险时空传染研究的不足,本文以区域全面经济伙伴关系协定参与国为主要样本,选取2008年1月—2020年12月的相关金融指标,构建面板数据半参数空间向量自回归模型研究不同国家之间和不同市场之间的风险传染关系和时空效应。这对防范金融风险跨市场、跨地区传染具有较强的现实意义。

   一、文献综述与研究视角

  

   国内外关于金融风险传染的文献主要集中在金融风险跨市场和跨地区研究两个方面。已有文献对金融风险跨市场研究主要是以一个国家或地区内部的多个金融市场之间的风险传染为主。严伟祥等利用动态条件相关-广义自回归条件异方差-条件风险价值模型(DCC-GARCH-CoVaR),研究金融风险在银行业、保险业、股票市场、信托业以及金融期货市场之间的传染风险效应(严伟祥、张维、牛华伟,2017)。李志辉和王颖采用向量误差修正模型(VEC)分析了债券市场、外汇市场和股票市场三个金融子市场之间的传染效应,并对每个市场的风险传染效应的贡献度进行了测算(李志辉、王颖,2012)。迪博尔德(Francis X. Diebold )和伊尔马兹(Kamil Yilmaz)利用网络分析方法,构建网络风险溢出模型来考察金融子市场间的风险传染效应(Diebold and Yilmaz, 2012)。杨子晖等采用在险价值(VaR)、边际损失期望(MES)、条件风险价值(CoVaR) 以及风险溢出(ΔCoVaR)四类风险测度指标,对中国A股市场56家上市金融机构和房地产公司的系统性金融风险展开研究,考察了中国金融风险的跨部门传染。研究结果表明金融体系整体上存在较为明显的跨部门风险传染效应(杨子晖、陈雨恬、谢锐楷,2018)。

  

   针对金融风险跨地区研究,已有文献主要以多个国家或地区间相互的金融风险传染为主进行展开。宫越(Tatsuyoshi Miyakoshi)研究了日本、亚洲其他国家和美国等多个国家之间股票市场的金融风险溢出效应(Miyakoshi, 2003)。迪博尔德和伊尔马兹将向量自回归模型(VAR)和方差分解技术进行了结合,发现美国、英国等全球19个主要国家或地区的股票市场之间存在风险溢出效应(Diebold and Yilmaz, 2009)。埃尔曼娜(Michael Ehrmanna)等利用向量自回归模型对美国和欧洲地区之间股票市场、债券市场、货币市场和外汇市场的金融风险传导进行了研究(Ehrmanna,Fratzscherb,and Rigobon, 2011)。张银山等以美元、卢布、人民币、坚戈(哈萨克斯坦货币)这四种货币作为变量构建向量自回归-广义自回归条件异方差-多变量波动性模型(VAR-MGARCH-BEKK),以人民币汇率主要改革时间为节点,分多个阶段对中哈两国汇率市场的风险溢出效应进行考察(张银山、秦放鸣、张雯,2019)。

  

   已有文献研究表明在当前复杂的国际金融市场环境下,金融风险跨市场、跨地区传染的空间特征明显。苗文龙等基于货币市场和外汇市场构建了全球系统性金融风险传染网络,探究了系统性金融风险在不同市场、不同国家之间的传染效应。研究表明金融风险可能通过金融网络实现跨市场传染,从而对其他国家/地区的货币市场/外汇市场形成风险冲击。阿波斯托拉基斯(George Apostolakis)等通过构建金融压力指数检验了七国集团(Group of Seven, G7)国家之间的金融压力共同变动和金融风险的溢出效应,研究发现相对于金融稳定时期,在金融危机时期和经济不确定时期七国集团国家之间的压力共同变动更大,并且更容易受到外部冲击的影响(Apostolakis, and Papadopoulos, 2014)。蒋胜杰、傅晓缓、李俊峰(2019)利用马尔科夫状态转移模型及马尔科夫区制转移向量自回归模型(MS-VAR)研究了金融危机背景下信用环境在经济波动期和平稳期不同状态下风险跨区域的传染效应,研究表明,明显存在着区域间的信用违约风险特征,并且在经济波动期传染效应更为显著。

  

   在研究方法上,现有文献大多采用传统计量经济模型或时间序列模型进行风险传染研究(严伟祥等,2017;Diebold and Yilmaz, 2009;Ehrmanna et al., 2011),时间序列模型的优点是可以从时间序列中找出变量变化的特征、趋势以及发展规律,从而对变量的未来变化进行有效的预测。但时间序列模型仅考虑了时序特征,忽略了截面信息的影响。为了同时将时间和截面两个维度都纳入研究框架,本文采用半参数空间向量自回归模型(Semi-Parameter Spatial Vector Autoregression, SSpVAR)进行研究,较好地解决了传统计量经济模型和时间序列模型的局限性。空间向量自回归模型是一种对时间因素和空间因素都进行考虑的内生系统,该模型由贝恩斯托克(Michael Beenstock)和费尔森施泰因(Daniel Felsenstein)(2007)在2007年首次提出,之后在库斯(Todd H. Kuethe)等(Kuethe and Pede, 2011)、拉马乔(Julian Ramajo)等(Ramaji, M􀅡rquez and Hewings,2013)、郑万吉和叶阿忠(2015)的文献中有深入的应用。空间向量自回归模型将空间计量模型与向量自回归模型结合,较好地解决了空间计量模型中存在多个内生变量的问题。

  

   本文的边际贡献主要体现在以下方面:第一,本文采用的半参数空间向量自回归模型考虑了不同国家的空间地理相关性和空间经济相关性,而传统经典计量经济模型是建立在经济单元间相互独立的假设基础之上的,这与现实并不相符,因为地理或经济邻近的国家或地区在经济或贸易联系上会更密切。因此本文将空间权重纳入模型可以有效地解决经典计量模型中忽略截面个体空间相关的问题。第二,首次在考虑了地理邻近和经济邻近关系的基础上,将国家间的外汇市场、债券市场、股票市场和银行系统作为研究对象,构建半参数空间向量自回归模型研究金融风险跨地区跨市场传染。第三,本文除了引入空间项之外,还将银行压力指数作为外生变量和非参数项加入模型中,更好地刻画金融市场间非线性的关系。由于金融市场之间的关系往往是非线性的,参数估计模型难以准确估计,而该模型能够更好地处理经济活动变量之间的非线性影响。最后,从政策意义来看,本文通过时空脉冲响应函数对金融风险在不同市场、不同地区之间的传染进行研究,可为防范金融风险跨地区传染提供政策参考。

   二、半参数空间向量自回归模型的构建

  

   (一)理论模型设定

  

   本文的主旨是研究金融风险在不同国家之间以及不同市场之间的传染关系和时空效应,因此既需要考虑不同截面个体之间的相关关系,又需要从时间演化的角度观察风险冲击的演化特征,而半参数空间向量自回归模型可将目标变量的时间因素和空间因素都纳入内生系统,从而真实地反映个体间的相互关系。

  

   为保证模型的适用性,本文先对变量进行平稳性、非线性和因果关系检验,发现各市场压力指数为平稳序列,银行压力指数是非线性的,且三个市场之间存在两两互为因果的关系。因此本文将外汇、债券、股票三个市场压力指数视为内生变量,把银行压力指数作为非参数项纳入模型,建立时间滞后和空间滞后都为一期的半参数面板向量自回归模型,形式如下:

  

   [empiitembiitemstockit=γ11   γ12   γ13γ21    γ22   γ23γ31    γ32   γ33empiit-1embiit-1emstockit-1+λ11   λ12   λ13λ21    λ22   λ23λ31    λ32   λ33empi*it-1embi*it-1emstock*it-1+M1bankitM2bankitM3bankit+ϕ1iϕ2iϕ3i+λ1tλ2tλ3t+μ1tμ2tμ3t]         (1)

  

   其中,方程左边的[empiit]表示外汇市场压力指数,[embiit]表示债券市场压力指数,[emstockit]表示股票市场压力指数,方程右边分别代表被解释变量的时间滞后一期项和空间滞后一期项。[empi*it-1]、[embi*it-1]、[emstock*it-1]分别代表各变量的空间滞后一期项,[empi*it-1=wijempiit-1],[embi*it-1=wijembiit-1],[emstock*it-1=wijemstockit-1],空间权重矩阵[wij=minjr2ij,i≠j0,i=j],其中[r2ij]表示国家之间的地理距离,[mi]、[nj]则分别代表两个国家的经济状况。为了计算空间权重矩阵([wij]),本文借鉴冯烽和叶阿忠(2012)的做法,先根据经纬度坐标计算出地区之间的地理距离,然后将经济状况临近的两个国家作为参数,将空间权重纳入模型。[bankit]代表非参数项银行压力指数,[M(bankit)]为其未知函数形式。[ϕ]、[λ]、[μ]分别代表变量横截面上的个体固定影响、变量时间上的固定影响、变量的空间误差项。

为了平缓波动趋势,(点击此处阅读下一页)

    进入专题: 金融市场风险传染  

本文责编:陈冬冬
发信站:爱思想(http://www.aisixiang.com),栏目:天益学术 > 经济学 > 金融经济学
本文链接:http://www.aisixiang.com/data/131607.html
文章来源:《开放时代》2022年第1期

0 推荐

在方框中输入电子邮件地址,多个邮件之间用半角逗号(,)分隔。

爱思想(aisixiang.com)网站为公益纯学术网站,旨在推动学术繁荣、塑造社会精神。
凡本网首发及经作者授权但非首发的所有作品,版权归作者本人所有。网络转载请注明作者、出处并保持完整,纸媒转载请经本网或作者本人书面授权。
凡本网注明“来源:XXX(非爱思想网)”的作品,均转载自其它媒体,转载目的在于分享信息、助推思想传播,并不代表本网赞同其观点和对其真实性负责。若作者或版权人不愿被使用,请来函指出,本网即予改正。
Powered by aisixiang.com Copyright © 2022 by aisixiang.com All Rights Reserved 爱思想 京ICP备12007865号-1 京公网安备11010602120014号.
工业和信息化部备案管理系统