摘 要：本文基于中證800行業(yè)指數(shù)2013年-2018年日度數(shù)據(jù)，構(gòu)建靜態(tài)及動(dòng)態(tài)CoVaR模型，研究該時(shí)期我國(guó)銀行、證券、保險(xiǎn)三大金融子行業(yè)與金融業(yè)整體間的風(fēng)險(xiǎn)溢出效應(yīng)。研究表明：①各行業(yè)間均存在顯著的風(fēng)險(xiǎn)邊際溢出效應(yīng)，但影響程度有差異。②各行業(yè)間風(fēng)險(xiǎn)總溢出效應(yīng)隨風(fēng)險(xiǎn)水平改變。當(dāng)風(fēng)險(xiǎn)加劇，證券業(yè)成為風(fēng)險(xiǎn)溢出水平最大的行業(yè)。
　　關(guān)鍵詞：風(fēng)險(xiǎn)溢出效應(yīng)；靜態(tài)CoVaR模型；動(dòng)態(tài)CoVaR模型
　　一、前言
　　隨著金融業(yè)改革開(kāi)放進(jìn)程的加快，我國(guó)銀行業(yè)、證券業(yè)和保險(xiǎn)業(yè)混業(yè)經(jīng)營(yíng)趨勢(shì)也越發(fā)明顯。在此背景下，某一金融行業(yè)的個(gè)體風(fēng)險(xiǎn)很容易通過(guò)關(guān)聯(lián)業(yè)務(wù)等渠道將風(fēng)險(xiǎn)溢出給其他相關(guān)金融行業(yè)，進(jìn)而對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生重大影響。因此，科學(xué)測(cè)度不同金融行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)，對(duì)監(jiān)管和防范金融系統(tǒng)性風(fēng)險(xiǎn)具有重要的理論意義和現(xiàn)實(shí)意義。
　　二、文獻(xiàn)綜述
　　系統(tǒng)性金融風(fēng)險(xiǎn)溢出是指某金融機(jī)構(gòu)或行業(yè)遭受損失時(shí)，與其業(yè)務(wù)關(guān)聯(lián)的其他金融機(jī)構(gòu)或行業(yè)無(wú)法獨(dú)善其身，也會(huì)遭遇不同程度的損失。
　　Adrian和Brunnermeier（2008）在VaR模型以及分位數(shù)回歸的基礎(chǔ)上，首次提出構(gòu)建CoVaR模型來(lái)捕捉和度量金融機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出效應(yīng)，并得到了學(xué)術(shù)界的廣泛認(rèn)可。殷克東等（2017）運(yùn)用該模型對(duì)我國(guó)2008年-2014年金融行業(yè)間的風(fēng)險(xiǎn)溢出情況進(jìn)行了研究，結(jié)論顯示我國(guó)信托業(yè)目前受其他金融行業(yè)風(fēng)險(xiǎn)溢出影響最大。嚴(yán)偉祥等（2017）使用DCC-GARCH模型檢驗(yàn)金融市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)，并將該模型參數(shù)和結(jié)果植入CoVaR度量其風(fēng)險(xiǎn)溢出效應(yīng)程度。
　　國(guó)內(nèi)外學(xué)者對(duì)于CoVaR方法在風(fēng)險(xiǎn)溢出效應(yīng)測(cè)度方面的運(yùn)用已經(jīng)有了較為豐富的實(shí)踐，但現(xiàn)有研究仍有尚未覆蓋的方向：①研究視角上，探究風(fēng)險(xiǎn)水平發(fā)生變化時(shí)溢出效應(yīng)的變化情況。②數(shù)據(jù)選擇上，眾多研究在確定行業(yè)指標(biāo)時(shí)口徑上缺乏一致性。因此，本文將選用分位數(shù)回歸技術(shù)，對(duì)2013年5月-2018年5月間中證800行業(yè)系列指數(shù)建立靜態(tài)和動(dòng)態(tài)CoVaR模型，測(cè)度不同風(fēng)險(xiǎn)水平下金融業(yè)間的風(fēng)險(xiǎn)溢出效應(yīng)。
　　三、模型、方法和數(shù)據(jù)
　　1.模型設(shè)定與研究方法
　　本文建立CoVaR模型捕捉在特定風(fēng)險(xiǎn)損失水平下，不同金融行業(yè)之間的風(fēng)險(xiǎn)外溢程度。研究在某一金融機(jī)構(gòu)遭遇風(fēng)險(xiǎn)損失時(shí)，其對(duì)相關(guān)金融機(jī)構(gòu)所造成的損失。
　　（1）靜態(tài)CoVaR模型
　　CoVaR模型利用市場(chǎng)數(shù)據(jù)捕捉在極端風(fēng)險(xiǎn)下不同金融行業(yè)之間的風(fēng)險(xiǎn)外溢程度。定義為在1-q的置信水平下，當(dāng)行業(yè)j處于極端風(fēng)險(xiǎn)下行業(yè)i的VaR值。本文以q作為分位數(shù)水平，選取q=0.05和q=0.01代表不同風(fēng)險(xiǎn)程度。
　　（2）動(dòng)態(tài)CoVaR模型
　　動(dòng)態(tài)CoVaR模型是在靜態(tài)CoVaR的基礎(chǔ)上引入一個(gè)“滾動(dòng)窗口”，將一定期間時(shí)間段作為固定窗口進(jìn)行回歸檢驗(yàn)，動(dòng)態(tài)考察不同金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)外溢的變化情況。本文研究期內(nèi)的數(shù)據(jù)樣本共有1235有效交易日數(shù)據(jù)，選擇時(shí)間窗口的大小n=500，滾動(dòng)步長(zhǎng)l=1。
　　2.變量選取與數(shù)據(jù)說(shuō)明
　　本文選用中證800金融、銀行、保險(xiǎn)、資本市場(chǎng)指數(shù)分別代表對(duì)應(yīng)行業(yè)市場(chǎng)情況。數(shù)據(jù)的時(shí)間跨度自2013年5月9日至2018年5月30日，去除休息日、節(jié)假日及各市場(chǎng)時(shí)間不一致的情況后，共得到1235個(gè)有效交易數(shù)據(jù)。本文所有數(shù)據(jù)均來(lái)自wind資訊庫(kù)。
　　四、實(shí)證結(jié)果與分析
　　1.行業(yè)指數(shù)平穩(wěn)性處理
　　對(duì)所選指標(biāo)的收盤(pán)指數(shù)取對(duì)數(shù)一階差分并乘以100來(lái)計(jì)算每日百分比對(duì)數(shù)收益率。然后對(duì)四個(gè)序列進(jìn)行ADF檢驗(yàn)，其P值均低于0.01，可以認(rèn)為四個(gè)時(shí)間序列均平穩(wěn)。
　　2.靜態(tài)CoVaR模型結(jié)果與分析
　�。�1）行業(yè)間風(fēng)險(xiǎn)邊際溢出效應(yīng)測(cè)度結(jié)果與分析
　　從模型參數(shù)估計(jì)來(lái)看，參數(shù)β表示不考慮各金融行業(yè)的規(guī)模影響，僅反映在兩個(gè)行業(yè)間當(dāng)某一行業(yè)風(fēng)險(xiǎn)發(fā)生變化時(shí)對(duì)另一行業(yè)的風(fēng)險(xiǎn)外溢效應(yīng)強(qiáng)弱，即某一行業(yè)對(duì)另一行業(yè)發(fā)生風(fēng)險(xiǎn)后的敏感性。
　　可以發(fā)現(xiàn)，在同一風(fēng)險(xiǎn)水平下，子行業(yè)間及其對(duì)金融業(yè)的風(fēng)險(xiǎn)邊際溢出效應(yīng)具有差異性。風(fēng)險(xiǎn)加劇時(shí)，銀行業(yè)對(duì)其他行業(yè)的風(fēng)險(xiǎn)邊際溢出效應(yīng)有一定的減弱，證券業(yè)對(duì)其他行業(yè)的風(fēng)險(xiǎn)邊際溢出效應(yīng)則都有一定的加強(qiáng)。而通過(guò)對(duì)不同行業(yè)間風(fēng)險(xiǎn)總溢出效應(yīng)測(cè)度結(jié)果與分析可知，我國(guó)銀行業(yè)、保險(xiǎn)業(yè)和證券業(yè)由于混業(yè)經(jīng)營(yíng)和業(yè)務(wù)合作的不斷深化和拓展，其系統(tǒng)性金融風(fēng)險(xiǎn)傳染情況非常嚴(yán)重。當(dāng)風(fēng)險(xiǎn)加劇時(shí)，證券業(yè)的危機(jī)將對(duì)金融業(yè)整體產(chǎn)生最大的額外風(fēng)險(xiǎn)。
　　3.動(dòng)態(tài)CoVaR模型結(jié)果與分析
　　將樣本數(shù)據(jù)隨時(shí)間窗口逐步向前滾動(dòng)，對(duì)每次滾動(dòng)后的時(shí)間序列進(jìn)行分位數(shù)回歸，考察各子行業(yè)對(duì)金融業(yè)整體的動(dòng)態(tài)總風(fēng)險(xiǎn)溢出效應(yīng)的變化情況。
　　上圖顯示，各子行業(yè)對(duì)金融業(yè)整體的總風(fēng)險(xiǎn)溢出效應(yīng)變化趨勢(shì)并不一致，呈現(xiàn)出典型的時(shí)變特征。具體可以分為以下兩個(gè)階段：
　　第一階段，序列區(qū)間[1，500]，起始點(diǎn)的變化區(qū)間為[2013/5，2015/5]，該段時(shí)間內(nèi)，我國(guó)股票市場(chǎng)漸漸復(fù)蘇，大量資金自各個(gè)渠道涌入，杠桿水平不斷加大，證券業(yè)對(duì)金融業(yè)整體的總風(fēng)險(xiǎn)溢出高企。
　　第二階段，序列區(qū)間[500，675]，起始點(diǎn)的變化區(qū)間為[2015/5，2016/2]，該時(shí)期內(nèi)我國(guó)政府加強(qiáng)了對(duì)股市的監(jiān)管與調(diào)控，強(qiáng)去杠桿引發(fā)資金抽離。在股災(zāi)發(fā)生前期，證券業(yè)對(duì)金融業(yè)的總風(fēng)險(xiǎn)溢出達(dá)到了峰值，隨著監(jiān)管政策力度的不斷加大，證券業(yè)的總風(fēng)險(xiǎn)溢出顯著下降。
　　五、結(jié)論與建議
　　金融行業(yè)間的風(fēng)險(xiǎn)邊際溢出效應(yīng)具有正向性和非對(duì)稱(chēng)性。任一子行業(yè)風(fēng)險(xiǎn)的增加都會(huì)使得金融業(yè)整體和其他子行業(yè)的風(fēng)險(xiǎn)加劇，但其受影響程度大有區(qū)別。金融行業(yè)間的風(fēng)險(xiǎn)總溢出效應(yīng)與邊際溢出效應(yīng)規(guī)律差異顯著。另外，系統(tǒng)性金融風(fēng)險(xiǎn)監(jiān)控是一個(gè)全局性、長(zhǎng)期性的工作，除了要借鑒金融行業(yè)間風(fēng)險(xiǎn)溢出效應(yīng)的敏感性來(lái)構(gòu)建風(fēng)險(xiǎn)預(yù)警體系外，在加大金融創(chuàng)新的過(guò)程中，尤其要關(guān)注混業(yè)經(jīng)營(yíng)等方式對(duì)風(fēng)險(xiǎn)溢出的影響，做好事前風(fēng)險(xiǎn)防范。
　　參考文獻(xiàn)：
　　[1]Group of Ten.Report on Consolidation in the Financial Sector[R].Bankfor International Settlements，2001.
　　[2]Adrian T，Brunnermeier M.K. CoVaR[R].Federal Reserve Bank of New York Staff Report，No.348，2008.
　　[3]殷克東，任文菡，肖游.我國(guó)金融業(yè)內(nèi)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)研究[J].統(tǒng)計(jì)與決策，2017（01）：156-161.
　　[4]嚴(yán)偉祥，張維，牛華偉.金融風(fēng)險(xiǎn)動(dòng)態(tài)相關(guān)與風(fēng)險(xiǎn)溢出異質(zhì)性研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2017，38（10）：67-81.
　　作者簡(jiǎn)介：周陽(yáng)（1994- ），男，漢族，江蘇宿遷人，南京郵電大學(xué)經(jīng)濟(jì)學(xué)院，2016級(jí)研究生，應(yīng)用統(tǒng)計(jì)專(zhuān)業(yè)

相關(guān)熱詞搜索：金融業(yè) 溢出 效應(yīng) 風(fēng)險(xiǎn) 我國(guó)