1、 15 2023 年 2 月第 1 期总第 177 期金融理论与教学Finance Theory and Teaching中国金融市场间的风险溢出效应研究基于金融压力指数的分析张汝飞，罗雪（河北地质大学 经济学院，河北 石家庄 050031）收稿日期：2022-03-25基金项目：国家社会科学基金重点项目（21ATJ004）；河北省统计科学研究计划项目（2021HD04）。作者简介：张汝飞（1982-），男，河北石家庄人，副教授，统计学博士，研究方向为产业经济、经济统计；罗雪（1997-），女，四川达州人，硕士研究生，研究方向为大数据分析。随着金融创新、金融自由化和全球金融市场一体化的加速发展
2、，金融安全已经成为我国国家安全的重要组成部分，而金融压力也成为金融安全最为关注的核心问题之一。金融压力能通过金融系统内各子金融市场间的关联网络不断传染和放大，显著影响一国宏观经济运行，当金融体系处于持续高压状态时，金融系统正常的资源配置必然会出现紊乱，并且极有可能引发金融危机，为保证金融和经济体系能够健康可持续发展，减少金融压力的积累是必需的，因此，构建合理有效的金融压力指数已成为衡量金融市场稳定的重要工具，这不仅有助于研究金融风险的跨市场溢出效应和传导机制，而且对于防范与治理金融风险，实施宏观审慎监管也具有重要意义。一、文献综述金融压力的概念最早是由 Illing&Liu 两位学者在 200
3、3 年界定的，随后两位学者分别从银行、外汇、债券以及股票市场中综合选取了个风险变量，并以各个子市场市值的比重加权合成了加拿大金融压力指数1。在此基础上，许多学者和金融机构开始深入研究金融压力指数的构建与应用，2008 年，美国 IMF 发布了 17 个样本国家的金融压力指数，进一步验证了该方法的有效性。后来，学者们不断对指数的合成方法进行改进和完善，主要体现在选择权重以及合成方法的不同，如王妍和陈守东（2012）利用等方差加权法合成摘要：合理有效的金融压力指数已成为衡量金融市场稳定的重要工具，有助于研究金融风险的跨市场溢出及传导。文章从我国五个金融子市场选取共计 16 个金融变量构建各市场金融
4、压力指数，并采用MS-VAR 模型对指数有效性进行评估，在此基础上，运用 TVP-VAR-DY 溢出指数模型，基于信息溢出的视角分析了我国金融市场间的风险溢出及其时变特征。结果表明，文章构建的金融压力指数总体走势符合实际，能捕捉重大压力事件对我国金融市场的系统性影响；我国金融市场之间存在适度的相互依赖，风险流动较为顺畅，风险溢出受危机事件等不确定性冲击的影响较大，其中货币市场对外溢出风险最强，股票市场被动接受风险的能力最强，不同金融发展时期风险溢出的净传递者和净接受者也不同。关键词：风险溢出；金融压力指数；MS-VAR 模型；TVP-VAR-DY 模型中图分类号：F832.5文献标识码：A文章
5、编号：1004-9487（2023）01-0015-09DOI:10.13298/ki.ftat.2023.01.004 16 最终的压力指数2，王克达（2020）等指出权重加权忽略了各基础指标对金融压力贡献的个体差异，简单的用平均影响代替差异影响，相比之下，用主成分分析法和因子分析法合成的指数更加理想3，许涤龙和陈双莲（2015）、李学彦和任亚辉（2020）基于 CRITIC 赋权法引入动态权重，测度我国面临的金融压力，进一步提高了测度的准确性4-5，李邵芳和刘晓星（2020）在合成各金融市场的压力指数时，考虑到同一市场中基础指标之间可能存在关联效应，因此对每个基础金融指标取其标准差倒数的比
6、重为权重6，张宗新和陈莹（2022）基于双重因子分析法进行金融压力测试，构建系统性金融风险测度指数7。在 有 关 金 融 风 险 的 溢 出 效 应 研 究 中，由Diebold&Yilmaz（2012）提出的 DY 溢出指数模型被 广 泛 使 用8，如 Diebold&Yilmaz（2015），Yarovaya et al.（2016），Wang et al.（2016）分别使用该模型探讨了金融市场中的动态信息连通性和跨市场信息的溢出效应9-11，基于静态与动态溢出指数，袁梦怡和胡迪（2021）、陈希凤等（2021）研究了金融风险的国际溢出效应12-13，刘超等（2017）结合 DY 溢出指
7、数和复杂网络方法探析了中国金融市场内部的风险溢出效应14。但是，该方法仍有一定缺陷，即人为指定固定的滚动窗口大小，不仅损失样本信息，且精度不高。为此，Antonakakis et al.(2020)对该模型进行了改进，首次将 TVP-VAR 引入 DY 框架，增强了原始模型的动态连通性度量，允许以更加灵活和稳健的方式捕获数据底层结构中可能的变化，由于不涉及滚动窗口分析，因此在计算连通性的动态度量时，既不需要任意设置滚动窗口大小，也不会丢失观察值，同时对异常值不太敏感15。总之，众多学者针对金融压力指数的构建进行了许多扩展研究，有关金融市场风险的跨市场溢出也得到了众多关注，但是，目前我国金融压力
8、指数并未给出官方定义，也缺乏基于金融压力指数对金融市场风险溢出进行分析的文章。因此，研究立足于我国金融市场的实际情况，分别构建金融市场压力指数，旨在分析我国金融市场压力的动态变化，然后基于金融压力指数对我国金融市场间风险溢出的静态特征和动态时变特征进行刻画。二、模型设计与指标选取（一）模型设计1.MS-VAR 模型参考 Hamilton（1989）在 VAR 中添加时变区制变量来构建马尔科夫区制转移模型16，其中回归变量 Yt 取决于不可观测的区制变量 St，且该区制变量 St服从一个离散状态的马尔科夫过程，模型的具体形式表示如下：Yt=v(St)+A1(St)Yt-1+Aq(St)Yt-q+
9、ut模型 St1,2,M，当不可观测的区制变量St服从一阶的马尔科夫过程时，就可得到当期状态的转移概率 Pij：Pij=p(St+1=j|St=i)，pij=1Mj=12.TVP-VAR-DY 模型TVP-VAR 模型表示如下:yt=tyt-1+t t|Mt-1 N(0,Et)vec(t)=vec(t-1)+vt vt|Mt-1 N(0,Rt)yt和 yt-1分别是 N1 和 Np1 维向量，t是NNp维动态系数矩阵，t是 N1 维的误差扰动项，vec(t),vec(t-1)和 vt是 N2p1 维向量，Et和Rt分别是 NN 和 N2pN2p维时变方差协方差矩阵。将 VAR 转换为其向量移动
10、平均形式:j=0j=0yt=FGjtFt-j yt=Witt-j F=IN,Op 是一个 NpN 维矩阵,G=t;IN(p-1),ON(p-1)N 是一个 NpNp维矩阵,Wit是 NN 维矩阵。GIRF 代表变量 i 受到冲击后所有变量 j 的响应，表达式为：GIRFt(K,j,t,Mt-1)=E(Yt+K|j,t=j,t,Mt-1)-E(Yt+K|Mt-1)g j,t(K)=g j,t(K)=此 处 Sjj,t=2j,t,j,t是 选 择 变 量，当 位 于 j 位 置的时候，值为 1，否则值为 0；g j,t(K)为变量 j 的GIRF，K 是预测步长。通过计算 GFEVD 得到从 j
11、到 i 的成对方向连通性，并根据预测误差方差份额说明变量 j 对变量 i 的影响,公式如下:?ij,tgK=t=1K1ij,t2,gj=1Nt=1K1ij,t2,g其中j=1N?ij,tgK=1，i,j=1N?ij,tNK=N。经过归一化后，每一行的和为 1，意味着变量 i 的预测误差方差一起由其他变量解释。2.GFEVD 构建总连通性指数(TCI)，定义为：17 Ctg(K)=i,j=1,ijN?ij,tgKN 100方向溢出将总溢出分解为源自(或流向)特定源头的溢出。首先，计算方向溢出指数（TO），定义为:Cij,tg(K)=j=1,ijN?ji,tgKj=1N?ji,tgK 100其次计
12、算方向溢出指数（FROM）定义为:Cij,tg(K)=j=1,ijN?ij,tgKi=1N?ij,tgK 100最后，从方向溢出指数（TO）中减去方向溢出指数（FROM），以获得净溢出指数，有助于更好地理解潜在的动态变化，定义为：Cgj,t(K)=Cgij,t(K)Cg ijt(K)Cgj,t0表示变量i驱动网络中的溢出，Cgj,t0意味着变量 i 由网络驱动。（二）指标选取及数据来源Hollo et al.（2012）认为在构建金融压力指数选取基础性指标时，要考虑到金融系统压力的时变特征，同时指标蕴含的风险信息应该具备互补性。文章参考已有文献的同时，考虑我国金融系统具体情况及数据获得性的现实
13、问题，选取银行部门、股票市场、债券市场、货币市场和外汇市场五个金融市场共计 16 个原始金融变量，具体名称及计算方法见表 1。表 1 各金融市场指标选取及计算方法金融市场二级指标计算方法银行部门银行 Ted 利差3 个月的银行间同业拆借利率减去 3 个月国债收益率的差值银行间同业拆借利率波动率对 1 月期的 SHIBOR 利率求得 GARCH 波动率股票市场沪深 300 指数负的收益率以沪深 300 指数的对数收益率取相反数沪深 300 指数收益率的波动率对沪深 300 指数收益率求得 GARCH 波动率股票指数涨跌幅原始数据股市换手率沪深两市股市场总市值加权日换手率债券市场负的国债期限利差1
14、 年期国债到期收益率减去 10 年期国债到期收益率差值债券信用利差年期级 企业债到期收益率与年期国债到期收益率之差中证全债指数波动率对中证全债指数日收益率求得 GARCH 波动率中证全债指数涨跌幅原始数据外汇市场人民币兑美元汇率的波动率对人民币兑美元汇率求得 GARCH 波动率人民币兑欧元汇率的波动率对人民币兑欧元汇率求得 GARCH 波动率国内外利差变动国内外利差当期值与上期值差异的绝对值（用天银行间同业拆借加权平均利率作为我国国内利率的代理变量，美国联邦基金利率作为国外利率的代理变量）货币市场短期回购利率波动率对银行间市场天质押式回购利率求得 GARCH 波动率流动性价差1 年期和 3 个
15、月 SHIBOR 的利率之差交易对手信用价差天银行间同业拆放利率 SHIBOR 与 7 天质押式回购（加权平均）利率之差文章选取的样本区间为 2007 年 6 月 25 日至2021 年 7 月 30 日，频率为日频，包含了 2008 年全球金融危机以及 2020 年新冠疫情爆发等重大危机事件，数据来源于国泰安数据库、锐思数据库和中债信息网。三、金融压力指数的构建与评估（一）指标的处理及权重的确定首先对基础金融指标进行标准化处理，考虑到同一市场中基础指标之间存在关联效应，在合成金融压力指数时采用标准差倒数法确定权重：i=1iin1i标准差越大，意味着金融变量时间序列数据的稳定性越低，对这类指标
16、赋予相对小的权重，从而确保各金融市场压力指数均衡反映各指标的波动特性。由此可获得股票市场（GPFSI）、债券市场（ZQFSI）、外汇市场（WHFSI）、货币市场（HBFSI）和银行部门（YHFSI）的金融压力指数，其走势如图 1 至图 5 所示。18 表 2 区制转移概率及持续期区制 1区制 2区制 10.89710.1029区制 20.24360.7564平均持续期9.721.66图 7 区制划分平滑概率图图 1 银行部门压力指数图 4 外汇市场压力指数图 2 股票市场压力指数图 5 货币市场压力指数图 3 债券市场压力指数（二）金融压力指数的评估为了简便，文章先对五个金融子市场的金融压力指数进行标准化处理，采用等方差加权构建金融压力综合指数 CFSI（见图 6），然后应用MS-VAR 模型对 CFSI 进行区制识别，依据信息准则选择了拟合效果最优的 MSMH(2)-VAR(2)模型，区制划分结果如表 2 所示，平滑概率图如图7 所示。图 6 CFSI 的走势图 19 由表 2 可以看出，我国金融压力保持在区制1（低压力时期）和区制 2（高压力时期）的状态概率分别为 0.8971、0