基于非對(duì)稱Copula函數(shù)的系統(tǒng)流動(dòng)性風(fēng)險(xiǎn)研究

陳金鑫，朱元倩

（1.中國(guó)科學(xué)技術(shù)大學(xué) 統(tǒng)計(jì)與金融系，合肥 230026；2.中國(guó)銀監(jiān)會(huì)，北京100140）

0 引言

監(jiān)管體系對(duì)于系統(tǒng)性風(fēng)險(xiǎn)的監(jiān)管缺失是引發(fā)2008年金融危機(jī)并使其快速擴(kuò)散的重要原因之一（Brunnermeier 2009），在此之后，系統(tǒng)性風(fēng)險(xiǎn)的度量與監(jiān)管成為國(guó)內(nèi)外學(xué)者研究的重點(diǎn)。危機(jī)期間，金融機(jī)構(gòu)出于兩方面的原因而拒絕提供流動(dòng)性：一是為了防范可能出現(xiàn)的對(duì)手方風(fēng)險(xiǎn)，二是為了留存自身安全的流動(dòng)性需求。這就使得市場(chǎng)流動(dòng)性進(jìn)一步縮減，導(dǎo)致金融機(jī)構(gòu)融資環(huán)境進(jìn)一步惡化，引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。

2007年美國(guó)“兩房”等金融機(jī)構(gòu)發(fā)行的住房抵押貸款支持的次級(jí)債違約而導(dǎo)致的融資困境，是此次金融危機(jī)發(fā)生的導(dǎo)火索，房地產(chǎn)市場(chǎng)流動(dòng)性的變動(dòng)傳遞到了信貸市場(chǎng)范圍，其具體的作用機(jī)制和傳導(dǎo)路徑是本文的研究重點(diǎn)之一。但目前對(duì)于兩市場(chǎng)流動(dòng)性相互作用的研究，其重點(diǎn)基本放在相關(guān)性檢驗(yàn)以及銀行流動(dòng)性度量以及流動(dòng)性過剩的分析上?；诖耍疚膶⑦M(jìn)一步研究房地產(chǎn)市場(chǎng)流動(dòng)性與銀行體系流動(dòng)性間的作用機(jī)理及影響機(jī)制[1]。

證券市場(chǎng)作為主要的投資市場(chǎng)之一，融資渠道的流動(dòng)性會(huì)在房地產(chǎn)市場(chǎng)以及證券市場(chǎng)流動(dòng)，其流動(dòng)性變動(dòng)以及與房地產(chǎn)市場(chǎng)流動(dòng)性相關(guān)性也是研究系統(tǒng)流動(dòng)性風(fēng)險(xiǎn)的重要節(jié)點(diǎn)。目前國(guó)內(nèi)也有很多學(xué)者對(duì)金融市場(chǎng)間的相關(guān)性進(jìn)行了深入研究，但都未對(duì)銀行體系流動(dòng)性與證券市場(chǎng)流動(dòng)性具體的理論作用機(jī)理及影響機(jī)制進(jìn)行說明。本文將對(duì)此進(jìn)行補(bǔ)充研究和分析，對(duì)三市場(chǎng)流動(dòng)性間相互影響作用的動(dòng)態(tài)機(jī)制進(jìn)行梳理，以期實(shí)現(xiàn)對(duì)系統(tǒng)流動(dòng)性風(fēng)險(xiǎn)的聯(lián)動(dòng)研究。

1 理論框架

整理目前學(xué)術(shù)界常用的主流理論觀點(diǎn)，本文分別研究了房地產(chǎn)市場(chǎng)、證券市場(chǎng)流動(dòng)性以及銀行體系流動(dòng)性的雙向作用機(jī)制。

《新帕爾格雷夫經(jīng)濟(jì)學(xué)辭典》中將財(cái)富效應(yīng)定義為：“假定其他條件不變，由貨幣余額的變化所引起的總消費(fèi)支出水平的變化?！倍诜康禺a(chǎn)市場(chǎng)流動(dòng)性與證券市場(chǎng)流動(dòng)性的作用機(jī)制中卻并不是通常認(rèn)為的從資產(chǎn)價(jià)格變動(dòng)影響財(cái)富總量的作用方式[2]。

1.1 財(cái)富效應(yīng)下證券市場(chǎng)流動(dòng)性對(duì)房地產(chǎn)市場(chǎng)流動(dòng)性的影響

本文將證券市場(chǎng)流動(dòng)性對(duì)房地產(chǎn)市場(chǎng)流動(dòng)性的影響分為直接影響和間接影響兩類。直接影響是指證券市場(chǎng)流動(dòng)性的改變直接作用于消費(fèi)者財(cái)富總量，進(jìn)而影響房地產(chǎn)市場(chǎng)流動(dòng)性的渠道。證券市場(chǎng)和房地產(chǎn)市場(chǎng)是我國(guó)消費(fèi)者投資最大的兩類市場(chǎng)，當(dāng)證券市場(chǎng)收益率上升時(shí)，證券市場(chǎng)流動(dòng)性上升，此時(shí)居民總體的財(cái)富水平上升，使得居民增加對(duì)房地產(chǎn)市場(chǎng)的投資，提升房地產(chǎn)市場(chǎng)的流動(dòng)性。同時(shí)，居民也會(huì)進(jìn)一步增加對(duì)于證券市場(chǎng)的資金投入，導(dǎo)致證券市場(chǎng)流動(dòng)性與房地產(chǎn)市場(chǎng)流動(dòng)性同向變動(dòng)[3]；同樣的，當(dāng)證券市場(chǎng)收益率下降時(shí)，證券市場(chǎng)流動(dòng)性下降，居民財(cái)富水平有所縮減，縮減房地產(chǎn)市場(chǎng)和股票市場(chǎng)投資，使得房地產(chǎn)市場(chǎng)和股票市場(chǎng)流動(dòng)性有所下降。

1.2 財(cái)富效應(yīng)下房地產(chǎn)市場(chǎng)流動(dòng)性對(duì)于證券市場(chǎng)流動(dòng)性的影響

財(cái)富效應(yīng)下考慮房地產(chǎn)市場(chǎng)流動(dòng)性改變對(duì)于證券市場(chǎng)流動(dòng)性的影響，是針對(duì)于不同房地產(chǎn)使用類型的。房地產(chǎn)市場(chǎng)投資占我國(guó)居民財(cái)富的較大比重，與證券市場(chǎng)類似的是，房地產(chǎn)價(jià)格變動(dòng)會(huì)直接影響居民可支配的財(cái)富總量以及居民對(duì)未來收入的預(yù)期，進(jìn)而影響投資及消費(fèi)情況。但與證券市場(chǎng)不同的是，房地產(chǎn)價(jià)格變動(dòng)使得出售和租賃收入變動(dòng)，居民總體收入水平改變，也會(huì)影響居民消費(fèi)和投資水平，繼而作用于市場(chǎng)流動(dòng)性層面[4]。

當(dāng)房地產(chǎn)市場(chǎng)收益率上升時(shí)，出售及租賃的收入上升，實(shí)際收入的上升也增強(qiáng)了居民的投資意愿，使得兩市場(chǎng)流動(dòng)性上升。反之，房地產(chǎn)價(jià)格下降時(shí)：一方面使得居民未來收入預(yù)期下降，財(cái)富總額下降，居民出于謹(jǐn)慎性會(huì)減少投資同時(shí)降低消費(fèi)水平，因此房地產(chǎn)市場(chǎng)及股票市場(chǎng)流動(dòng)性會(huì)有所下降；另一方面，通過出售及租賃獲得的實(shí)際收入下降，會(huì)直接使居民可投資金額下降，也會(huì)導(dǎo)致兩市場(chǎng)流動(dòng)性下降[5]。

綜上所述，財(cái)富效應(yīng)使得房地產(chǎn)市場(chǎng)和證券市場(chǎng)流動(dòng)性同向變動(dòng)、相互帶動(dòng)，而替代效應(yīng)和投資資產(chǎn)組合理論又認(rèn)為兩者在一定程度上相互制約，從而形成了房地產(chǎn)市場(chǎng)和證券市場(chǎng)流動(dòng)性的相互作用機(jī)制。

2 模型理論

按照分布圖的對(duì)稱性可將其分為對(duì)稱型和非對(duì)稱型，因?yàn)榻鹑谛蛄蟹植级喑尸F(xiàn)非對(duì)稱性[7]，故本文分析阿基米德Copula中的Gumbel Copula和Clayton Copula。

2.1 Gumbel Copula函數(shù)

Gumbel Copula函數(shù)的分布函數(shù)、密度函數(shù)分別為：

其中，相關(guān)參數(shù)α∈(0 ,1]。當(dāng)α=1時(shí)，隨機(jī)變量u、v獨(dú)立，即CG(u,v;1)=uv；當(dāng)α→0時(shí)，隨機(jī)變量u、v趨向于完全相關(guān)Gumbel Copula函數(shù)的密度函數(shù)具有非對(duì)稱性[8]，呈現(xiàn)“J”字型，即上尾高下尾低，對(duì)上尾變化十分敏感，通常用于描述具有上尾相關(guān)性的相關(guān)關(guān)系。

2.2 Clayton Copula函數(shù)

Clayton Copula函數(shù)的分布函數(shù)、密度函數(shù)分別為：

其中，相關(guān)參數(shù)θ∈(0,∞)。當(dāng)θ→0時(shí)，隨機(jī)變量u、v獨(dú)立，即；當(dāng)θ→∞時(shí)，隨機(jī)變量u、v趨向于完全相關(guān)Clayton Copula函數(shù)的密度函數(shù)也具有非對(duì)稱性，但與Gumbel Copula不同，Clayton Copula函數(shù)的密度分布呈現(xiàn)“L”型，即下尾高上尾低，對(duì)下尾變化十分敏感，通常用于描述具有下尾相關(guān)性的相關(guān)關(guān)系。

2.3 尾部相關(guān)性分析及Copula函數(shù)相關(guān)性分析

Copula函數(shù)對(duì)尾部相關(guān)性的分析包括上尾相關(guān)系數(shù)λU和下尾相關(guān)系數(shù)λL，通常用于刻畫兩市場(chǎng)是否會(huì)同時(shí)處于暴漲或暴跌的情形[9]。

Copula函數(shù)C(u,v)與Kendall秩相關(guān)系數(shù)τ，Speramanz秩相關(guān)系數(shù)ρ關(guān)系如下：

特別的，對(duì)于Gumbel Copula函數(shù)和Clayton Copula函數(shù)的尾部相關(guān)系數(shù)λ有：

3 實(shí)證研究

為研究不同市場(chǎng)流動(dòng)性間的相互影響，在指標(biāo)選取方面，本文選擇2010年1月至2017年3月的證券市場(chǎng)每日換手率、商品房成交量以及七日回購(gòu)利率分別作為證券市場(chǎng)流動(dòng)性、房地產(chǎn)市場(chǎng)流動(dòng)性以及銀行間市場(chǎng)流動(dòng)性的衡量指標(biāo)。本文數(shù)據(jù)來自Wind數(shù)據(jù)庫以及中國(guó)人民銀行網(wǎng)站，計(jì)量軟件選用Matlab2015b。

3.1 確定邊緣分布

首先，本文用參數(shù)法確定三個(gè)隨機(jī)變量的邊緣分布，如圖1至下頁圖3所示。

圖1 證券市場(chǎng)流動(dòng)性分布圖

圖2 房地產(chǎn)市場(chǎng)流動(dòng)性分布圖

通過繪制證券市場(chǎng)、房地產(chǎn)市場(chǎng)以及銀行間市場(chǎng)流動(dòng)性的頻率直方圖，初步判斷變量的分布類型及Copula函數(shù)類型。從頻率直方圖可以明顯看出，三個(gè)變量的分布均不對(duì)稱，進(jìn)一步對(duì)變量進(jìn)行正態(tài)性檢驗(yàn)。如表1所示，三個(gè)序列的偏度均偏離0，峰度均大于3，同時(shí)結(jié)合J-b檢驗(yàn)、K-s檢驗(yàn)及Lillie檢驗(yàn)結(jié)果，說明三個(gè)變量基本不服從正態(tài)分布。其中，證券市場(chǎng)流動(dòng)性和銀行間市場(chǎng)流動(dòng)性數(shù)據(jù)均呈現(xiàn)右偏拖尾現(xiàn)象，而房地產(chǎn)市場(chǎng)流動(dòng)性數(shù)據(jù)則呈現(xiàn)明顯的左偏拖尾現(xiàn)象，且三者都具有尖峰厚尾的特點(diǎn)。

圖3 銀行間市場(chǎng)流動(dòng)性分布圖

表1 統(tǒng)計(jì)檢驗(yàn)結(jié)果

進(jìn)一步通過非參數(shù)法確定三個(gè)序列的分布，運(yùn)用經(jīng)驗(yàn)累積分布（Ecdf）函數(shù)求樣本的經(jīng)驗(yàn)分布函數(shù)，作為總體分布函數(shù)的近似，并利用核光滑密度函數(shù)估計(jì)總體的分布。如圖4至圖6所示，經(jīng)驗(yàn)分布函數(shù)圖和核分布估計(jì)圖幾乎重合。

圖4 證券市場(chǎng)經(jīng)驗(yàn)分布和核分布估計(jì)圖

圖5 房地產(chǎn)市場(chǎng)經(jīng)驗(yàn)分布和核分布估計(jì)圖

3.2 選取合適的Copula模型

圖6 銀行間市場(chǎng)經(jīng)驗(yàn)分布和核分布估計(jì)圖

通過計(jì)算銀行間市場(chǎng)流動(dòng)性與證券市場(chǎng)及房地產(chǎn)市場(chǎng)、證券市場(chǎng)與房地產(chǎn)市場(chǎng)的邊緣分布U=f(X)和V=g（X），可以初步通過（U,V）二元直方圖的形狀來確定Copula函數(shù)[10]。如圖7至圖9所示：三種市場(chǎng)流動(dòng)性數(shù)據(jù)間的頻率直方圖并不具備尾部對(duì)稱性，即（U,V）的Copula密度函數(shù)不具有對(duì)稱的尾部，所以初步判斷用非對(duì)稱Gumbel Copula或者Clayton Copula更符合分布要求。

圖7 銀行間市場(chǎng)流動(dòng)性與證券市場(chǎng)流動(dòng)性的二元頻率直方圖

圖8 銀行間市場(chǎng)流動(dòng)性與房地產(chǎn)市場(chǎng)流動(dòng)性的二元頻率直方圖

圖9 證券市場(chǎng)流動(dòng)性與房地產(chǎn)市場(chǎng)流動(dòng)性的二元頻率直方圖

為了進(jìn)一步確定選擇較優(yōu)的Copula模型，同時(shí)估計(jì)Copula函數(shù)中的未知參數(shù)，本文通過最大似然估計(jì)來進(jìn)行參數(shù)估計(jì)，利用Copulafit函數(shù)估計(jì)Copula函數(shù)中相關(guān)參數(shù)并選擇較優(yōu)的Copula函數(shù)。如下頁表2所示，L指似然函數(shù)的相反數(shù)，根據(jù)最大似然估計(jì)法L取最小值，在估計(jì)結(jié)果中，銀行間市場(chǎng)與證券市場(chǎng)流動(dòng)性及房地產(chǎn)市場(chǎng)流動(dòng)性中皆為Clayton Copula函數(shù)的L擬合值最小，因此選用Clayton Copula函數(shù)。而在證券市場(chǎng)與房地產(chǎn)市場(chǎng)流動(dòng)性中Gumbel Copula函數(shù)的L擬合值更小，因此選用Gumbel Copula函數(shù)。而AIC指標(biāo)來源于Akaike準(zhǔn)則，AIC=（2倍參數(shù)個(gè)數(shù)-2倍對(duì)數(shù)似然函數(shù)值）/T，通常用于評(píng)價(jià)模型估計(jì)結(jié)果，數(shù)值越小說明模型估計(jì)越準(zhǔn)確[11]?？梢钥闯觯y行間市場(chǎng)與證券市場(chǎng)流動(dòng)性及房地產(chǎn)市場(chǎng)流動(dòng)性中仍是Clayton Copula函數(shù)最佳，證券市場(chǎng)與房地產(chǎn)市場(chǎng)流動(dòng)性中Gumbel Copula函數(shù)最佳。

表2 Copula函數(shù)相關(guān)估計(jì)表

3.3 尾部相關(guān)性及秩相關(guān)系數(shù)統(tǒng)計(jì)分析

3.3.1 尾部相關(guān)性分析

證券市場(chǎng)與銀行間市場(chǎng)流動(dòng)性尾部相關(guān)性為：

房地產(chǎn)市場(chǎng)與銀行間市場(chǎng)流動(dòng)性的尾部相關(guān)性為：

證券市場(chǎng)與房地產(chǎn)市場(chǎng)流動(dòng)性的尾部相關(guān)性為：

以上對(duì)不同市場(chǎng)間選擇的Copula模型的尾部相關(guān)性進(jìn)行了計(jì)算，從結(jié)果可以看出：證券市場(chǎng)流動(dòng)性、房地產(chǎn)市場(chǎng)流動(dòng)性以及銀行間市場(chǎng)流動(dòng)性之間具有顯著的相互影響。如：證券市場(chǎng)收益率上升時(shí)，導(dǎo)致證券市場(chǎng)流動(dòng)性上升而銀行間市場(chǎng)流動(dòng)性下降的概率為42.85%；房地產(chǎn)市場(chǎng)流動(dòng)性變動(dòng)對(duì)于銀行間市場(chǎng)流動(dòng)性變動(dòng)的影響概率為50.72%；而證券市場(chǎng)流動(dòng)性變動(dòng)對(duì)于房地產(chǎn)市場(chǎng)流動(dòng)性的影響概率則為57.67%。

本文接著對(duì)三個(gè)市場(chǎng)間的相關(guān)性進(jìn)行了分析。圖10至圖12分別是證券市場(chǎng)流動(dòng)性、房地產(chǎn)市場(chǎng)流動(dòng)性及銀行間市場(chǎng)流動(dòng)性間二元Copula的密度函數(shù)和分布函數(shù)圖。結(jié)合上文分析，銀行間市場(chǎng)與證券市場(chǎng)流動(dòng)性及房地產(chǎn)市場(chǎng)流動(dòng)性中仍是Clayton Copula函數(shù)最佳。從銀行間市場(chǎng)與證券市場(chǎng)流動(dòng)性及房地產(chǎn)市場(chǎng)流動(dòng)性變量的二元Clayton Copula密度函數(shù)和分布函數(shù)圖可以看出：證券市場(chǎng)流動(dòng)性、房地產(chǎn)市場(chǎng)流動(dòng)性與銀行間市場(chǎng)流動(dòng)性皆存在明顯的下尾相依特性，分布的下尾部變量間具有較強(qiáng)的相關(guān)性；而在分布的上尾部，變量間則是漸近獨(dú)立的[12]，這與理論依據(jù)中的分析相一致，充分驗(yàn)證了證券市場(chǎng)以及房地產(chǎn)市場(chǎng)流動(dòng)性變動(dòng)與系統(tǒng)流動(dòng)性風(fēng)險(xiǎn)的相關(guān)性。

接下來考量證券市場(chǎng)流動(dòng)性與房地產(chǎn)市場(chǎng)流動(dòng)性的尾部相關(guān)性。從尾部相關(guān)性的計(jì)算結(jié)果及密度函數(shù)和分布函數(shù)圖來看，分布的上尾部變量間具有較強(qiáng)的相關(guān)性，而在分布的下尾部，變量間則是漸近獨(dú)立的[13]，說明證券市場(chǎng)與房地產(chǎn)市場(chǎng)流動(dòng)性具有較強(qiáng)的上尾相關(guān)性。這與宏觀經(jīng)濟(jì)角度的分析相一致：在宏觀經(jīng)濟(jì)因素較好時(shí)，房地產(chǎn)市場(chǎng)流動(dòng)性和股票市場(chǎng)流動(dòng)性會(huì)同向上升；而在宏觀經(jīng)濟(jì)狀況較差時(shí)，股票市場(chǎng)因?yàn)榭纯蘸涂只徘榫w影響，流動(dòng)性變動(dòng)大于房地產(chǎn)市場(chǎng)，而房地產(chǎn)市場(chǎng)因出售流通程序較復(fù)雜，流動(dòng)性變動(dòng)會(huì)出現(xiàn)一定程度的滯后[14]，即上尾相關(guān)性更強(qiáng)。

圖10 證券市場(chǎng)與銀行間市場(chǎng)流動(dòng)性二元Clayton Copula密度函數(shù)和分布函數(shù)圖

圖11 房地產(chǎn)市場(chǎng)與銀行間市場(chǎng)流動(dòng)性二元Clayton Copula密度函數(shù)和分布函數(shù)圖

3.3.2 秩相關(guān)系數(shù)統(tǒng)計(jì)分析

估計(jì)了Copula中的參數(shù)后，本文繼續(xù)估計(jì)Kendall秩相關(guān)系數(shù)和Spearman秩相關(guān)系數(shù)。從三個(gè)市場(chǎng)的Kendall秩相關(guān)系數(shù)和Spearman秩相關(guān)系數(shù)可以看出，之前的相關(guān)性分析較好地反映了三個(gè)市場(chǎng)流動(dòng)性間的相關(guān)性。由表3可知：證券市場(chǎng)與房地產(chǎn)市場(chǎng)流動(dòng)性的Kendall秩相關(guān)系數(shù)和Spearman秩相關(guān)系數(shù)分別為-0.0245和-0.0314，說明證券市場(chǎng)與房地產(chǎn)市場(chǎng)流動(dòng)性呈現(xiàn)負(fù)相關(guān)關(guān)系，驗(yàn)證了理論分析中替代效應(yīng)和投資資產(chǎn)組合理論所得結(jié)論[15]；而房地產(chǎn)市場(chǎng)與銀行間市場(chǎng)流動(dòng)性的Kendall秩相關(guān)系數(shù)和Spearman秩相關(guān)系數(shù)分別為-0.0104和-0.0156，說明房地產(chǎn)市場(chǎng)與銀行間市場(chǎng)流動(dòng)性呈現(xiàn)負(fù)相關(guān)關(guān)系，與理論分析中所得結(jié)論相同；證券市場(chǎng)與銀行間市場(chǎng)流動(dòng)性的Kendall秩相關(guān)系數(shù)和Spearman秩相關(guān)系數(shù)分別為0.0036和0.0059，這與通常理論研究結(jié)果不同，說明我國(guó)證券市場(chǎng)發(fā)展尚未成熟，其運(yùn)行機(jī)制以及作用機(jī)理需要進(jìn)一步規(guī)范與完善。

表3 各項(xiàng)秩相關(guān)系數(shù)值

4 結(jié)論

從金融理論方面來看，本文基于Markowitz的投資組合理論以及財(cái)富效應(yīng)、替代效應(yīng)角度對(duì)證券市場(chǎng)和房地產(chǎn)市場(chǎng)流動(dòng)性的相關(guān)性進(jìn)行分析，認(rèn)為財(cái)富效應(yīng)使得房地產(chǎn)市場(chǎng)和證券市場(chǎng)流動(dòng)性同向變動(dòng)、相互帶動(dòng)，而替代效應(yīng)和投資資產(chǎn)組合理論則會(huì)造成兩者反向變動(dòng)，在就一定程度上使得兩市場(chǎng)相互制約[16]。

從實(shí)證角度進(jìn)行驗(yàn)證，發(fā)現(xiàn)證券市場(chǎng)與銀行間市場(chǎng)流動(dòng)性呈現(xiàn)負(fù)相關(guān)關(guān)系，更加符合理論分析中替代效應(yīng)和投資資產(chǎn)組合理論所得結(jié)論。在實(shí)證檢驗(yàn)方面，數(shù)據(jù)結(jié)果顯示，房地產(chǎn)市場(chǎng)與銀行間市場(chǎng)流動(dòng)性呈現(xiàn)負(fù)相關(guān)關(guān)系，與理論分析中所得結(jié)論相同，但證券市場(chǎng)與銀行間市場(chǎng)流動(dòng)性動(dòng)性呈現(xiàn)正相關(guān)關(guān)系，這與通常理論研究結(jié)果不同，說明我國(guó)證券市場(chǎng)發(fā)展尚未完善。從系統(tǒng)流動(dòng)性來看，在市場(chǎng)流動(dòng)性一定的條件下，銀行間流動(dòng)性與證券市場(chǎng)和房地產(chǎn)市場(chǎng)流動(dòng)性呈現(xiàn)此消彼長(zhǎng)的態(tài)勢(shì)，而對(duì)于證券市場(chǎng)流動(dòng)性和房地產(chǎn)市場(chǎng)流動(dòng)性，財(cái)富效應(yīng)使其同向變動(dòng)、相互帶動(dòng)，而替代效應(yīng)和投資資產(chǎn)組合理論又認(rèn)為兩者在一定程度上相互制約，從而形成了相互作用機(jī)制。