中國(guó)香港、中國(guó)內(nèi)地及日本金融系統(tǒng)風(fēng)險(xiǎn)測(cè)度與溢出效應(yīng)探究

米軍 張道涵

[摘要] 進(jìn)入新世紀(jì)以來(lái)，隨著全球金融一體化程度加深與國(guó)際形勢(shì)不確定性的增強(qiáng)，不同區(qū)域與國(guó)家間金融系統(tǒng)風(fēng)險(xiǎn)的傳染性明顯提升，準(zhǔn)確識(shí)別并有效防范金融系統(tǒng)風(fēng)險(xiǎn)刻不容緩。文章在梳理現(xiàn)有文獻(xiàn)的基礎(chǔ)上，采用VaR模型分別對(duì)中國(guó)香港、中國(guó)內(nèi)地和日本的金融系統(tǒng)風(fēng)險(xiǎn)進(jìn)行度量。研究結(jié)果表明，中國(guó)香港金融系統(tǒng)風(fēng)險(xiǎn)基本趨于平穩(wěn)，但偶有劇烈波動(dòng);中國(guó)內(nèi)地金融系統(tǒng)風(fēng)險(xiǎn)整體波動(dòng)明顯，但維持在可控水平;日本金融系統(tǒng)風(fēng)險(xiǎn)雖然近兩年趨于穩(wěn)定，但階段性高點(diǎn)也較為突出。研究發(fā)現(xiàn)，中國(guó)香港、中國(guó)內(nèi)地、日本之間存在金融系統(tǒng)風(fēng)險(xiǎn)的傳導(dǎo)鏈關(guān)系和顯著的風(fēng)險(xiǎn)溢出效應(yīng)，這使得三地難以獨(dú)自維持金融穩(wěn)定、實(shí)現(xiàn)金融安全。因此，只有在加強(qiáng)對(duì)三地金融系統(tǒng)風(fēng)險(xiǎn)監(jiān)測(cè)的基礎(chǔ)上，構(gòu)建與完善區(qū)域金融協(xié)調(diào)機(jī)制，才是應(yīng)對(duì)風(fēng)險(xiǎn)的上策。

[關(guān)鍵詞] 金融風(fēng)險(xiǎn);VaR模型;風(fēng)險(xiǎn)測(cè)度;溢出效應(yīng);新冠肺炎疫情

[中圖分類(lèi)號(hào)] F830.9 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1008-0694（2020）02-0067-12

[作者] 米軍 教授 四川大學(xué)經(jīng)濟(jì)學(xué)院 成都 610041

張道涵 四川大學(xué)經(jīng)濟(jì)學(xué)院 成都 610041

[基金項(xiàng)目]國(guó)家社會(huì)科學(xué)基金項(xiàng)目“未來(lái)3～5年共建‘一帶一路面臨的機(jī)遇、風(fēng)險(xiǎn)和挑戰(zhàn)研究”（19VDL002）。

一、文獻(xiàn)綜述

進(jìn)入新世紀(jì)以來(lái)，隨著全球金融一體化程度加深，特別是近年來(lái)國(guó)際形勢(shì)的不確定性顯著增強(qiáng)，不同區(qū)域與國(guó)家間金融系統(tǒng)風(fēng)險(xiǎn)的傳染性明顯提升。與此同時(shí)，隨著“一帶一路”倡議影響力的不斷擴(kuò)大，中國(guó)內(nèi)地與“一帶一路”沿線國(guó)家（地區(qū)）的相互作用將日益明顯。因此，準(zhǔn)確判識(shí)并有效防范“一帶一路”沿線國(guó)家（地區(qū)）的金融系統(tǒng)風(fēng)險(xiǎn)刻不容緩。其中，中國(guó)香港目前是全球最大的人民幣離岸中心，與中國(guó)內(nèi)地有高度緊密的金融聯(lián)系，同時(shí)中日間經(jīng)濟(jì)聯(lián)系強(qiáng)度非常高，特別是日本近年對(duì)“一帶一路”項(xiàng)目的態(tài)度也逐漸由抵制、觀望轉(zhuǎn)變?yōu)榉e極參與。另外，因考慮到數(shù)據(jù)獲得的充分性，本文最終選取中國(guó)香港、中國(guó)內(nèi)地和日本東亞次區(qū)域來(lái)探究其金融系統(tǒng)風(fēng)險(xiǎn)以及相互間的溢出效應(yīng)。

在國(guó)外，金融系統(tǒng)風(fēng)險(xiǎn)度量方法的研究經(jīng)過(guò)了漫長(zhǎng)的探索過(guò)程，并最終落腳于各類(lèi)VaR模型（Value at Risk）。其中，最早期的研究者M(jìn)arkowitz傾向于使用收益率的方差作為風(fēng)險(xiǎn)的衡量標(biāo)準(zhǔn)，[1]并成為此后幾十年間的主流。然而在實(shí)際中，此種方法更多被運(yùn)用于投資組合的風(fēng)險(xiǎn)衡量。直至20世紀(jì)90年代，VaR模型的出現(xiàn)使得金融風(fēng)險(xiǎn)第一次可以被準(zhǔn)確度量。此后，大量方法相繼問(wèn)世，較為傳統(tǒng)的有Frankel（1996）的FR模型[2]Sachs （1996）的STV截面模型[3]和Kaminsky （1998）的KLR信號(hào)分析法。[4]近幾年的新一代風(fēng)險(xiǎn)測(cè)度方法則有Acharya （2012）的“邊際期望損失法”、[5] Adrian （2016）的“條件風(fēng)險(xiǎn)在值法”等。[6]其中，VaR模型的簡(jiǎn)便性、普適性和易評(píng)估性，使得它逐漸成為測(cè)度金融風(fēng)險(xiǎn)的主流方法。在國(guó)內(nèi)，研究金融風(fēng)險(xiǎn)度量的學(xué)者更傾向于“選取金融指標(biāo)一度量金融風(fēng)險(xiǎn)一建立預(yù)警模型”的操作流程。徐蘭（2012）選取一級(jí)指標(biāo)，共包括12項(xiàng)子指標(biāo)，構(gòu)建了開(kāi)放經(jīng)濟(jì)條件下國(guó)際金融風(fēng)險(xiǎn)的預(yù)警體系;[7]王大慶（2013）則建立了一個(gè)基于模糊模式識(shí)別的金融風(fēng)險(xiǎn)預(yù)警模型;[8]唐升（2018）對(duì)1995～2014年中國(guó)的金融風(fēng)險(xiǎn)進(jìn)行評(píng)分，在此基礎(chǔ)上利用GARCH-VaR方法對(duì)金融風(fēng)險(xiǎn)進(jìn)行測(cè)量。[9]與此同時(shí)，針對(duì)金融風(fēng)險(xiǎn)溢出效應(yīng)的研究也同樣得到高度關(guān)注。Apostolakis （2014）研究了G7國(guó)家之間的金融風(fēng)險(xiǎn)溢出效果;[10]蔣勝杰（2019）利用MS-VaR模型對(duì)中國(guó)和歐洲間的信用違約風(fēng)險(xiǎn)的跨區(qū)域傳染效應(yīng)進(jìn)行了實(shí)證分析;[11]楊子暉（2018）采用有向無(wú)環(huán)圖技術(shù)方法以及網(wǎng)絡(luò)拓?fù)浞治龇椒?，以中?guó)、美國(guó)、英國(guó)等國(guó)家為代表，從網(wǎng)絡(luò)關(guān)聯(lián)視角考察全球金融風(fēng)險(xiǎn)的動(dòng)態(tài)演變;[12]樸基石（2019）選擇中日韓三國(guó)之間金融系統(tǒng)風(fēng)險(xiǎn)的總體溢出效果進(jìn)行研究。[13]以上研究表明，金融系統(tǒng)風(fēng)險(xiǎn)在地區(qū)間存在溢出效應(yīng)，各地區(qū)難以獨(dú)自維持金融穩(wěn)定、實(shí)現(xiàn)金融安全。

在上述研究的基礎(chǔ)上，本文嘗試對(duì)中國(guó)香港、中國(guó)內(nèi)地及日本的金融系統(tǒng)風(fēng)險(xiǎn)和其溢出效應(yīng)進(jìn)行考察。首先利用VaR模型量化各自的金融系統(tǒng)風(fēng)險(xiǎn)，然后結(jié)合事實(shí)與各地區(qū)金融系統(tǒng)風(fēng)險(xiǎn)走勢(shì)圖進(jìn)行實(shí)證分析，最后建立VaR模型考察地區(qū)之間金融系統(tǒng)風(fēng)險(xiǎn)的溢出效應(yīng)，并提出相應(yīng)的建議。

二、金融系統(tǒng)風(fēng)險(xiǎn)測(cè)度實(shí)證分析

一般來(lái)說(shuō)，一個(gè)開(kāi)放經(jīng)濟(jì)體的金融系統(tǒng)風(fēng)險(xiǎn)，在很大程度上源于金融機(jī)構(gòu)的運(yùn)營(yíng)。因?yàn)榻鹑跈C(jī)構(gòu)本身存在負(fù)債率高、杠桿率高和信息不對(duì)稱(chēng)等問(wèn)題，具有較大的負(fù)外部性，也是金融系統(tǒng)脆弱性與不穩(wěn)定性的來(lái)源。為了量化這種特性，本文先選取各地主要金融部門(mén)代表性機(jī)構(gòu)的日對(duì)數(shù)收益率，根據(jù)各機(jī)構(gòu)與所屬部門(mén)的市值對(duì)其進(jìn)行加權(quán)處理，再對(duì)由此得到的各部門(mén)綜合收益率進(jìn)行主成分分析，以獲取一個(gè)能反映金融系統(tǒng)整體情況的綜合指標(biāo)，最后對(duì)這一指標(biāo)進(jìn)行VaR分析，進(jìn)而甄別各地的金融系統(tǒng)風(fēng)險(xiǎn)。

1.指標(biāo)構(gòu)建

為了最小化誤差影響，本文在篩選數(shù)據(jù)時(shí)，主要選擇金融系統(tǒng)中的銀行部門(mén)、保險(xiǎn)部門(mén)、證券部門(mén)和其他部門(mén)（包括信托等服務(wù)）的主要代表性機(jī)構(gòu)（詳見(jiàn)表1），因?yàn)檫@些機(jī)構(gòu)的行情在很大程度上是整體金融系統(tǒng)走勢(shì)的晴雨表。

以中國(guó)內(nèi)地銀行部門(mén)的處理為例，本文將該部門(mén)所有已上市機(jī)構(gòu)按市值從大到小排序，并計(jì)算各機(jī)構(gòu)市值占總市值的百分比，最終選定的機(jī)構(gòu)為中國(guó)銀行、工商銀行、建設(shè)銀行、農(nóng)業(yè)銀行、交通銀行、招商銀行和中信銀行，其市值總和超過(guò)中國(guó)內(nèi)地銀行部門(mén)總市值的60%。針對(duì)其他兩地與部門(mén)的處理方法和標(biāo)準(zhǔn)與此一致。以此方法和標(biāo)準(zhǔn)選取的樣本，由于其市值比重高，在金融系統(tǒng)中具有較為明顯的代表性。本文所用數(shù)據(jù)為根據(jù)以上標(biāo)準(zhǔn)選取的金融機(jī)構(gòu)的日對(duì)數(shù)收益率，樣本區(qū)間為2014年1月1日至2020年3月6日，共1490個(gè)交易數(shù)據(jù)。選取這一區(qū)間，是因?yàn)樵?013年下半年，習(xí)近平總書(shū)記提出了“一帶一路倡議，探究此后三地間的金融系統(tǒng)風(fēng)險(xiǎn)狀況及溢出效應(yīng)更具現(xiàn)實(shí)意義。