大金融科技行業(yè)風(fēng)險識別與溢出效應(yīng)測度

摘" "要：近年來，大型科技公司憑借資本、技術(shù)、平臺優(yōu)勢，與金融業(yè)加速融合，成為跨界混業(yè)的新型大金融科技行業(yè)。科技行業(yè)逐步金融化，加劇了新舊金融風(fēng)險疊加、衍化和傳染溢出。本文從“太大而不能倒”和“太關(guān)聯(lián)而不能倒”雙維角度出發(fā)，選取2015—2022年銀行、證券、保險及港股科技指數(shù)作為樣本，建立DCC-GARCH-CoVaR模型并結(jié)合風(fēng)險溢出路徑，對中國大金融科技行業(yè)的風(fēng)險情況進行識別與評估。結(jié)果表明：大金融科技行業(yè)收益率波動大于傳統(tǒng)金融業(yè);大金融科技行業(yè)與證券業(yè)、保險業(yè)的動態(tài)關(guān)聯(lián)性處于較高水平，與銀行業(yè)動態(tài)相關(guān)性相對較低;大金融科技行業(yè)與傳統(tǒng)金融業(yè)風(fēng)險溢出效應(yīng)有雙向性，且呈現(xiàn)不對稱性，其中前者風(fēng)險溢出更為顯著，存在明顯時變性。本文認為，要有效防范大金融科技行業(yè)風(fēng)險滋生與溢出，必須樹立先進監(jiān)管理念，建立大金融科技行業(yè)反壟斷機制，改進大金融科技行業(yè)監(jiān)管模式。

關(guān)鍵詞：大科技公司;金融科技;風(fēng)險識別分析;風(fēng)險溢出效應(yīng);DCC-GARCH-CoVaR

DOI：10.3969/j.issn.1003-9031.2024.08.001

中圖分類號：F832" " " " " " "文獻標(biāo)識碼：A" " "文章編號：1003-9031（2024）08-0003-15

一、引言

近年來，第四次工業(yè)革命方興未艾，數(shù)字化浪潮勢不可擋，大數(shù)據(jù)、區(qū)塊鏈、云計算、人工智能等新興技術(shù)廣泛運用，推動了互聯(lián)網(wǎng)金融向金融科技的衍化升級。頭部科技平臺憑借固有資本、技術(shù)、數(shù)據(jù)等優(yōu)勢，競相逐鹿金融科技行業(yè)進行跨界混業(yè)經(jīng)營，大金融科技行業(yè)因此應(yīng)運而生。金融科技在推動金融創(chuàng)新、提升金融效率的同時也帶來一系列風(fēng)險隱患。當(dāng)前，大金融科技行業(yè)內(nèi)頭部企業(yè)在第三方支付市場占有絕對優(yōu)勢，具備系統(tǒng)重要金融機構(gòu)的特征，風(fēng)險可能由傳統(tǒng)基礎(chǔ)平臺傳染至金融科技市場。此外，由于“科技+金融”的雙重屬性，加上固有平臺特征，大金融科技行業(yè)不僅存在傳統(tǒng)金融風(fēng)險，還會引發(fā)數(shù)據(jù)泄露、算法歧視、技術(shù)漏洞等新型風(fēng)險，各種風(fēng)險相互交織疊加，形成十分復(fù)雜隱蔽的金融科技風(fēng)險。

金融科技行業(yè)的頭部企業(yè)具備系統(tǒng)重要性，“數(shù)字壟斷”優(yōu)勢的存在使得其金融業(yè)務(wù)競爭優(yōu)勢加強;同時基于業(yè)務(wù)規(guī)模和重要市場職能，大金融科技行業(yè)處于金融系統(tǒng)的網(wǎng)絡(luò)中心并與其他行業(yè)聯(lián)系緊密，風(fēng)險關(guān)聯(lián)性也更強。從一定程度上來說，這些平臺金融巨頭正在形成新的“太大而不能倒”和“太關(guān)聯(lián)而不能倒”，一旦風(fēng)險爆發(fā)，對金融市場造成的沖擊難以估量。基于此，本文利用2015—2022年上市機構(gòu)數(shù)據(jù)，構(gòu)建DCC-GARCH-CoVaR模型，計算CoVaR值和ΔCoVaR值以測度大金融科技行業(yè)與傳統(tǒng)金融業(yè)間的風(fēng)險溢出效應(yīng)。在此基礎(chǔ)上，探究包含關(guān)鍵信息的%CoVaR風(fēng)險溢出路徑，識別大金融科技行業(yè)風(fēng)險貢獻度;最后探討大金融科技行業(yè)風(fēng)險防控對策，建立大金融行業(yè)公司監(jiān)管機制。

二、文獻綜述

（一）大金融科技行業(yè)

金融穩(wěn)定理事會（FBS）在2016年將金融科技定義為“技術(shù)帶動的金融創(chuàng)新”，即通過人工智能、大數(shù)據(jù)、區(qū)塊鏈等前沿技術(shù)推動金融業(yè)出現(xiàn)新模式、新應(yīng)用及新服務(wù)。Gai et al.（2018）則認為FinTech除了指代被金融服務(wù)機構(gòu)采用的新技術(shù)外，通常還可用于指代業(yè)務(wù)范圍寬泛的企業(yè)或機構(gòu)中的金融技術(shù)部門，這些主體使用信息技術(shù)以提升服務(wù)質(zhì)量。Carstens（2019）指出狹義的金融科技主體通常是科技公司，分為初創(chuàng)型金融科技公司與大型金融科技公司。巴曙松和白海峰（2016）認為金融科技是將大數(shù)據(jù)、區(qū)塊鏈、人工智能等技術(shù)運用于金融行業(yè)，進而降低金融行業(yè)成本并提高效率的手段。皮天雷等（2018）主張金融科技是以新興科技為后端支撐，給傳統(tǒng)金融行業(yè)帶來業(yè)務(wù)模式的金融創(chuàng)新，提升了金融服務(wù)效率，革新了金融市場，同時創(chuàng)造了新金融產(chǎn)品、新金融服務(wù)需求以及新金融業(yè)務(wù)模式。方意等（2021）研究認為大科技公司依托數(shù)據(jù)流量、新興技術(shù)及平臺優(yōu)勢跨界金融領(lǐng)域，引發(fā)出新一輪金融創(chuàng)新，進一步提升金融效率，但也帶來一系列金融風(fēng)險隱患。尹振濤和馮心歌（2020）認為大金融科技是具有數(shù)字技術(shù)優(yōu)勢的大型領(lǐng)先科技公司在多重供需因素的驅(qū)動下涉足金融領(lǐng)域，并逐步構(gòu)建獨特的運營模式和金融生態(tài)。

（二）大金融科技行業(yè)風(fēng)險傳播與效應(yīng)

Parminder et al.（2022）研究發(fā)現(xiàn)金融科技影響金融業(yè)，傳統(tǒng)銀行業(yè)可以從新興技術(shù)中獲益，但易帶來對技術(shù)依賴性增加、成本高昂、與數(shù)據(jù)有關(guān)的安全風(fēng)險等弊端。Vu[C][ˇ]ini[C]['] Milena and Luburi[C]['] Radoica（2022）認為金融科技創(chuàng)新（FinTech）正在改變傳統(tǒng)金融服務(wù)提供方式，對金融體系構(gòu)成潛在威脅。Anagnostopoulos（2018）研究認為金融科技會衍生出交叉風(fēng)險。方意等（2021）對大型科技公司典型商業(yè)模式進行分析，認為大科技公司進入金融領(lǐng)域，兼具互聯(lián)網(wǎng)屬性和金融屬性。盡管兩種屬性可以產(chǎn)生協(xié)同作用但并未改變金融業(yè)務(wù)的本質(zhì)，反而形成了混業(yè)經(jīng)營的綜合化金融平臺，其風(fēng)險隱患具有內(nèi)外部雙重效應(yīng)。蔚趙春和徐劍剛（2017）認為金融科技產(chǎn)生跨界金融，不同業(yè)務(wù)之間進行關(guān)聯(lián)滲透，市場風(fēng)險滲透力和傳染力更強。根據(jù)馬太效應(yīng)，金融科技巨頭強者恒強，容易產(chǎn)生寡頭壟斷風(fēng)險。孫天琦（2020）認為金融科技帶來新的系統(tǒng)性風(fēng)險傳染渠道，金融科技應(yīng)用越廣，越容易產(chǎn)生復(fù)雜的網(wǎng)絡(luò)效應(yīng)和傳染性。曹齊芳和孔英（2021）用TENET方法構(gòu)建了金融科技公司和傳統(tǒng)金融機構(gòu)的風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò)，研究指出金融科技公司與銀行和證券相比具有更強的內(nèi)部和外部風(fēng)險暴露。王志宏和孫鵬（2021）采用分位數(shù)回歸的CoVaR方法測度金融科技對商業(yè)銀行體系的風(fēng)險溢出效應(yīng)，結(jié)果表明金融科技對商業(yè)銀行體系的系統(tǒng)性風(fēng)險溢出效應(yīng)均大于商業(yè)銀行對金融科技的溢出效應(yīng)。

（三）大金融科技行業(yè)風(fēng)險監(jiān)管

Magnuson（2018）認為應(yīng)對金融科技風(fēng)險進行實質(zhì)性監(jiān)管，一方面賦予監(jiān)管者事前限制傳播機制的權(quán)限，以防止?jié)撛诘娘L(fēng)險關(guān)聯(lián);另一方面為穩(wěn)定金融科技市場，可以設(shè)立權(quán)威機構(gòu)采取具體而直接的事后行動來抑制沖擊。Ramona and Stefan（2022）提出監(jiān)管是金融科技公司發(fā)展過程中的重要問題，其中亟待解決的是缺乏適合金融科技行業(yè)的特殊監(jiān)管框架。尹振濤等（2020）提出要采取更加審慎的監(jiān)管措施，避免因過度監(jiān)管而阻礙行業(yè)發(fā)展，或因監(jiān)管不力而引致風(fēng)險。胡濱和楊濤等（2021）認為要合理把握大金科技金融監(jiān)管的度和邊界，使得金融監(jiān)管、社會治理和政府監(jiān)管的協(xié)同發(fā)展。高惺惟（2021）主張加快構(gòu)建大科技金融的監(jiān)管框架，遏制無序的資本擴張，促進公平競爭，維護金融市場秩序，從而防控系統(tǒng)性金融風(fēng)險。郭文偉等（2023）指出為了及時識別潛在的金融科技整體風(fēng)險和個體風(fēng)險，監(jiān)管當(dāng)局可以采用大數(shù)據(jù)分析和數(shù)據(jù)可視化技術(shù)建立金融科技監(jiān)測和預(yù)警機制。陳萌（2022）從反壟斷、數(shù)據(jù)核查和隱私保護、科技監(jiān)管等方面提出了改進金融科技監(jiān)管的思路。

綜上，目前學(xué)術(shù)界對金融機構(gòu)系統(tǒng)性風(fēng)險溢出和風(fēng)險監(jiān)管予以較多關(guān)注并進行了深入研究，而對大金融科技行業(yè)風(fēng)險未予以足夠的關(guān)注，雖然有少數(shù)學(xué)者開始注意到大金融科技行業(yè)，但主要集中于大金融科技行業(yè)的特征與效應(yīng)研究，對大金融科技行業(yè)風(fēng)險的系統(tǒng)研究鮮見。本文基于金融科技風(fēng)險識別和傳染溢出的相關(guān)研究，建立DCC-GARCH-CoVaR模型對中國大金融科技行業(yè)的風(fēng)險情況進行定量識別與評估。

三、研究設(shè)計

（一）風(fēng)險模型

1.VaR模型

VaR（Value at Risk）模型，即風(fēng)險價值模型，能度量一定時間內(nèi)某一資產(chǎn)或投資組合在給定置信度下可能的最大損失，模型可以表示為：

P（△P≤VaR）=1-α（1）

其中，P為概率，α為置信度，△P=P-P為標(biāo)的在未來△t時間區(qū)間內(nèi)的損失值，P為標(biāo)的在t時間的價值。

2.CoVaR模型

CoVaR模型是一種多變量風(fēng)險管理模型，旨在評估系統(tǒng)性風(fēng)險貢獻。與VaR模型相比，其考慮到了各金融板塊間的相互影響和關(guān)聯(lián)關(guān)系，具有更為全面的統(tǒng)計功能，可以測量分析出市場上某一金融部門遭遇極端情況時，市場上與其相關(guān)聯(lián)的金融部門所面臨的風(fēng)險水平，因此能夠更好地反映系統(tǒng)性風(fēng)險，CoVaR模型可以表示為：

P（X≤CoVaR|X≤VaR）=q%，0lt;qlt;1（2）

其中，CoVaR是機構(gòu)i在機構(gòu)j收益率為VaR時的風(fēng)險價值，由i的在險價值VaR和j對i的風(fēng)險溢出值△CoVaR兩部分組成，表示為：

CoVaR=VaR+△CoVaR（3）

將該公式變形可得△CoVaR：

△CoVaR=CoVaR-VaR（4）

（二）波動模型

1.ARCH 模型

ARCH（Autoregressive Conditional Heteroskedasticity）模型，是一種用于描述時間序列中異方差性的經(jīng)濟計量模型。ARCH模型通常應(yīng)用于金融市場和宏觀經(jīng)濟學(xué)領(lǐng)域，通過分析金融時間序列誤差項的方差，對金融資產(chǎn)收益率和波動率的變化進行建模和預(yù)測。滯后階的ARCH（p）模型可表示為：

y=β+βx+μ，μ～N（0，σ）（5）

σ=E（μ|μ，μ，…）=α+αμ（6）

其中，μ為無序列相關(guān)性的隨機干擾項，σ數(shù)理意義為t時刻干擾項方差，代表金融序列風(fēng)險水平，然而ARCH模型估計結(jié)果往往會因為參數(shù)過多而不理想。

2.GARCH 模型

GARCH模型（廣義ARCH模型），將σ的多個滯后項用自身一個滯后項替代，有效減少了所需參數(shù)的個數(shù)，提升了模型估計的效率和精度，表示為：

σ=α+αa+βσ（7）

a=υσ（8）

其中，a為擾動項，υ是一組白噪聲序列，σ為時間的條件異方差，通常是a的函數(shù)，a稱為ARCH項，σ稱為GARCH項。學(xué)者發(fā)現(xiàn)GARCH（1，1）對金融序列波動性擬合效果好，且模型簡單易用。GARCH（1，1）模型公式表示為：

σ=α+αa+βσ（9）

其中，α、α、β均大于零，為了保證

a平穩(wěn)，要求α+βlt;1。擾動序列a表示為：

a=υ（10）

3.DCC-GARCH 模型

Engle（2002）提出了DCC-GARCH（Dynamic Conditional Correlation GARCH）模型，是GARCH模型的擴展，其在GARCH模型基礎(chǔ)上引入了動態(tài)相關(guān)系數(shù)，能夠同時對多個資產(chǎn)的波動率和相關(guān)性進行建模，并在時間上動態(tài)調(diào)整相關(guān)系數(shù)，準(zhǔn)確地反映不同資產(chǎn)之間的相關(guān)性變化。具體而言，DCC-GARCH模型可表示為：

H=（h）=DRD（11）

R=QQQ（12）

Q1-α-β+αεε-βQ（13）

Dt=diga（14）

其中，H為協(xié)方差矩陣，D為標(biāo)準(zhǔn)差結(jié)果取對角項，R表示研究序列的動相關(guān)性，ε為標(biāo)準(zhǔn)化處理后的殘差項，是標(biāo)準(zhǔn)殘差的條件方差，α和β分別表示樣本外部敏感度和衰減系數(shù)，α和β之和小于1，越接近1代表收益率序列波動越平穩(wěn)和持久。

（三）風(fēng)險溢出模型

CoVaR模型下的風(fēng)險溢出模型包括分位數(shù)回歸法、Copula函數(shù)法及DCC-GARCH模型法。其中，分位數(shù)CoVaR對于非線性結(jié)構(gòu)的風(fēng)險相關(guān)關(guān)系計算不準(zhǔn)確，適用于線性關(guān)系。Copula函數(shù)法特別強調(diào)尾部風(fēng)險研究，而在處理二元變量時容易導(dǎo)致稀疏性問題，并且模型的計算十分復(fù)雜。而DCC-GARCH模型能有效估計大規(guī)模變量矩陣，更準(zhǔn)確地衡量相鄰時期間的風(fēng)險傳遞，有效反映動態(tài)相關(guān)性的變化，在風(fēng)險管理和投資組合優(yōu)化方面具有較好的應(yīng)用前景，有利于研究時變與非線性的變量關(guān)系。此外，與其他多元GARCH模型相比，該模型具有較高的計算效率和較強的穩(wěn)健性，能夠應(yīng)對金融市場中變量之間的異質(zhì)性和非對稱性等復(fù)雜特征。因此，本文主要利用DCC-GARCH模型方法進行CoVaR值計算。

姜永宏等（2019）研究發(fā)現(xiàn)，金融股票時間序列的風(fēng)險損失往往服從有條件的二元正態(tài)分布，即：

X，X～N00， （15）

其中，σ和σ是金融序列α、β的條件方差和動態(tài)條件相關(guān)系，根據(jù)正態(tài)分布可得：

X|X～N，1-（ρ）（σ）（16）"Prx=VaR≤=q%（17）

由于～N（0，1），且α序列的VaR=Φ（q%），則在α序列發(fā)生風(fēng)險損失時，β序列條件在險價值表示為：

CoVaR=Φ（q%）σ+Φ（q%）ρσ（18）

金融序列α對金融序列β的邊際風(fēng)險溢出程度和風(fēng)險貢獻度分別為：

ΔCoVaR=Φ（q%）ρσ（19）

%ΔCoVaR=ΔCoVaR/VaR（20）

四、實證結(jié)果與分析

（一）大金融科技行業(yè)風(fēng)險分析

1.數(shù)據(jù)選取和變量說明

本文主要研究大金融科技行業(yè)與傳統(tǒng)金融業(yè)的風(fēng)險溢出情況，中證指數(shù)有限公司編制的港股科技指數(shù)包含科技龍頭公司，能較好反映大金融科技行業(yè)的整體情況，因此本文采用中證港股科技指數(shù)測量大金融科技行業(yè)風(fēng)險水平。金融機構(gòu)選擇方面，大金融科技行業(yè)業(yè)務(wù)合作方和競爭方主要是銀行、證券和保險這三個行業(yè)?；诖耍疚膮⒄展膫ズ屯醵Y昱（2019）等的研究結(jié)果，選取中證銀行指數(shù)、中證全指證券公司指數(shù)、中證方正富邦保險主題指數(shù)以及中證香港科技指數(shù)代表我國銀行業(yè)、證券業(yè)、保險業(yè)以及大金融科技行業(yè)的發(fā)展?fàn)顩r。在此基礎(chǔ)上，將各指數(shù)作為解釋變量，對其日度收盤價進行處理，進而分析大金融科技行業(yè)的風(fēng)險溢出效應(yīng)。

本文研究目標(biāo)為2016年及之后我國金融科技迅速發(fā)展階段，因此選取了各指數(shù)2015年1月1日至2022年12月31日的交易日收盤價，剔除非交易日數(shù)據(jù)，并對存在缺失數(shù)據(jù)進行刪除或插補，共得到1948個有效交易日樣本，數(shù)據(jù)來源于中證指數(shù)（CSI）、同花順。具體指數(shù)構(gòu)成如表1所示。

由于選取各板塊指數(shù)的原始數(shù)據(jù)是每日收盤價，而收盤價時間序列一般波動性較大，因此本文進行一階對數(shù)差分處理，得到相對平穩(wěn)的對數(shù)收益率：

r=100 ln（21）

2.描述性統(tǒng)計分析

在建模前，先對中國銀行業(yè)、保險業(yè)、證券業(yè)及大金融科技行業(yè)的收益率進行描述性統(tǒng)計分析，了解各收益率序列的統(tǒng)計分布和相關(guān)性特征，結(jié)果如表2所示。

由表2可以看出，第一，比較各金融板塊收益率均值，大金融科技行業(yè)平均收益率最高，其次為銀行業(yè)，證券業(yè)最低。第二，從收益率標(biāo)準(zhǔn)差來看，各金融板塊中證券業(yè)2.21為最大，說明其收益率波動程度較大，但收益率最高值19.20和最低值-12.07均出現(xiàn)在大金融科技行業(yè)中，這表明大金融科技行業(yè)收益率也存在較大不確定性，綜合來看銀行業(yè)收益率最為平穩(wěn)。第三，從偏度、峰度和J-B檢驗值來看，各部門偏度系數(shù)均不為0，銀行業(yè)和證券業(yè)收益率都呈現(xiàn)左偏趨勢，而保險業(yè)和大金融科技行業(yè)呈現(xiàn)右偏趨勢，且峰度系數(shù)均比3大，J-B檢驗顯示樣本數(shù)據(jù)明顯不服從正態(tài)分布，這表明各金融部門收益率指數(shù)序列具有“非對稱厚尾”的特點。這表明本文選用CoVaR方法具備可行性與合理性。

3.收益率序列動態(tài)波動時序分析

將大金融科技行業(yè)與傳統(tǒng)金融行業(yè)的收益率時間序列圖進行比較，由圖1所示。長期來看，我國各金融部門的動態(tài)波動率通常處于較低水平，各部門波動率的高低水平也相對穩(wěn)定，具有“波動集聚”效應(yīng)，且呈現(xiàn)協(xié)同波動趨勢，這說明各部門間存在較大關(guān)聯(lián)性。但各部門內(nèi)部對數(shù)收益率的最值相差較大，橫向比較三類傳統(tǒng)金融機構(gòu)主體可知，證券業(yè)和保險業(yè)的波動性相對較大，銀行的波動性最小。此外，各板塊的收益率呈現(xiàn)相似的變動趨勢，在2015年前后、2018年前后和2020年以后這三個時間段波動較為劇烈。而2016年以后大金融科技行業(yè)的波動圖線幾乎包絡(luò)了三類傳統(tǒng)金融業(yè)，因此大金融科技行業(yè)的收益率波動是最大的。

具體來看，2015—2016年，受中國“股災(zāi)”影響，各金融板塊波動率達到峰值，其中證券業(yè)受影響最大，而中國金融科技處于興起階段，其收益存在較大的不確定性。2018—2019年中美貿(mào)易戰(zhàn)、P2P爆雷，中國股市出現(xiàn)了寬幅震蕩，各金融板塊的波動率相對升高。2020年初，新冠疫情暴發(fā)，全球經(jīng)濟發(fā)展受到巨大影響，中國金融市場內(nèi)各金融板塊波動程度有所增加。2020年7月，中國創(chuàng)業(yè)板全面實行注冊制改革，各金融板塊也隨之產(chǎn)生一定程度的波動，尤其是證券板塊。此外，自2020年下半年以來，金融監(jiān)管部門發(fā)布了一系列金融科技行業(yè)的監(jiān)管規(guī)定，這表明我國正在加強對科技平臺所進行金融活動的監(jiān)督和審查。此后，大金融科技行業(yè)收益率波動程度達到歷史新高。

4.平穩(wěn)性、自相關(guān)效應(yīng)及ARCH效應(yīng)檢驗

本文使用R語言軟件對銀行業(yè)、證券業(yè)、保險業(yè)及大金融科技行業(yè)的收益率序列進行檢驗，判斷時間序列是否平穩(wěn)、具有自相關(guān)以及條件異方差性。結(jié)果如表3、表4和表5所示。

平穩(wěn)性檢驗結(jié)果（ADF）表明各部門收益率序列伴隨概率（P值）都為0.01，在99%的置信水平上拒絕原假設(shè)，表明不存在單位根，收益率序列均是平穩(wěn)的。

分析滯后一期的自相關(guān)檢驗結(jié)果可知，各板塊都存在正相關(guān)性，且在置信水平為95%時，各部門自相關(guān)系數(shù)均顯著，因此收益率序列存在自相關(guān)的現(xiàn)象。

ARCH效應(yīng)檢驗結(jié)果顯示，在99%的置信水平下，所有部門LM統(tǒng)計量均大于對應(yīng)臨界值，說明各部門的收益率序列均存在條件異方差性，因此滿足構(gòu)建DCC-GARCH模型的條件。

（二）大金融科技行業(yè)與傳統(tǒng)金融業(yè)風(fēng)險溢出效應(yīng)測度

1.在險價值（VaR）的動態(tài)時序圖

圖2為我國大金融科技行業(yè)、銀行業(yè)、保險業(yè)和證券業(yè)在險價值的動態(tài)序列圖。可以看出大金融科技行業(yè)風(fēng)險價值處于較高水平上，而銀行業(yè)的波動最小，VaR值也處于最低水平。

2.動態(tài)相關(guān)系數(shù)及動態(tài)風(fēng)險溢出

（1）DCC-GARCH風(fēng)險溢出的參數(shù)估計

由于GARCH（1，1）模型的估計效果較為理想，且易于計算。本文借助R軟件進行GARCH（1，1）擬合，結(jié)果如表6所示?？梢钥闯觯y行業(yè)和大金融科技行業(yè)GARCH擬合表中α參數(shù)值相對較高，β參數(shù)值相對較低，說明其收益率對于市場信息反應(yīng)較靈敏，且收益率波動受外部沖擊影響較大，同時其收益率衰減速度較快。相對而言，保險業(yè)和證券業(yè)α值較低、β值較高，表明其收益率對市場信息反應(yīng)較弱，受內(nèi)部和歷史波動影響較大，衰減速度相對較慢。總體來看，各板塊值均小于且接近1，說明各金融部門收益率波動都具有平穩(wěn)性和長期性。

（2）動態(tài)相關(guān)系數(shù)時序圖

通過繪制出相關(guān)系數(shù)時序走勢圖，可以直觀地看出銀行、保險、證券三大傳統(tǒng)金融業(yè)與大金融科技行業(yè)收益率動態(tài)關(guān)聯(lián)性，如圖3所示。

總體來說，各金融板塊指數(shù)動態(tài)相關(guān)性較強且具有明顯的時變性，尤其是金融市場波動較大的時候，這種相關(guān)性相對更大，這也側(cè)面反映出各金融板塊之間具有較大的風(fēng)險傳染和交互作用，某一部門的風(fēng)險很容易引起其他部門甚至整個市場的震蕩。其中，大金融科技行業(yè)與證券業(yè)的動態(tài)相關(guān)系數(shù)最大，維持在0.4上下，與保險業(yè)關(guān)聯(lián)性也處于較高水平但波動較大，與銀行業(yè)之間動態(tài)相關(guān)系數(shù)相對較低。

3.條件在險價值（CoVaR）的計算

溢出風(fēng)險價值為負數(shù)表明產(chǎn)生了正向溢出效應(yīng)，即關(guān)聯(lián)雙方中某一方風(fēng)險增加，另一方風(fēng)險也將增加。根據(jù)表7來看，CoVaR值均為負數(shù)，說明大金融科技行業(yè)對傳統(tǒng)金融業(yè)均產(chǎn)生了正向的風(fēng)險溢出效應(yīng)。其中，大金融科技行業(yè)對證券業(yè)的CoVaR值最大，達到了4.50（已取絕對值），對保險業(yè)次之，對銀行業(yè)最低。

4.ΔCoVaR值計算及波動時序圖

由表8和圖4可知，首先，總體上大金融科技行業(yè)與傳統(tǒng)金融業(yè)的風(fēng)險溢出具有較強關(guān)聯(lián)性，并呈現(xiàn)相似波動趨勢，這也反映出各金融板塊間存在風(fēng)險傳導(dǎo)性。同時，大金融科技行業(yè)圖線基本在傳統(tǒng)金融業(yè)的下方，得出大金融科技行業(yè)ΔCoVaR絕對值總體上大于傳統(tǒng)金融業(yè)，即大金融科技行業(yè)的動態(tài)風(fēng)險溢出水平高于傳統(tǒng)金融業(yè)。其次，觀察傳統(tǒng)金融業(yè)，2015—2016年的股市動蕩期其動態(tài)風(fēng)險溢出值均顯著提高并達到峰值，隨后有所下降，2018年及2020年風(fēng)險溢出值再次提高，其中證券業(yè)尤為顯著。最后，觀察大金融科技行業(yè)風(fēng)險溢出情況，其ΔCoVaR值在2015—2016年股市動蕩期、2018—2019年貿(mào)易戰(zhàn)、P2P爆雷及2020年新冠疫情、監(jiān)管新規(guī)等沖擊下都有相應(yīng)增加，并在2021年達到最高。

5.部門間系統(tǒng)相對風(fēng)險貢獻度（%CoVaR）的測度與分析

表9為大金融科技行業(yè)與傳統(tǒng)金融業(yè)相對風(fēng)險貢獻度%CoVaR的大小，為了更準(zhǔn)確體現(xiàn)趨勢變化，本文給出了每年相對風(fēng)險貢獻度%CoVaR的平均值。首先，表中%CoVaR都為正值，說明大金融科技行業(yè)與傳統(tǒng)金融業(yè)之間的風(fēng)險溢出效應(yīng)是正向且是雙向的，但溢出效應(yīng)具有不對稱性，大金融科技行業(yè)對傳統(tǒng)金融業(yè)的風(fēng)險貢獻度明顯更強。具體而言，大金融科技行業(yè)對銀行業(yè)、保險業(yè)的風(fēng)險貢獻度達到了58.31%、52.94%，而銀行業(yè)、保險業(yè)對大金融科技行業(yè)的貢獻度為26.08%、40.14%;證券業(yè)對大金融科技行業(yè)的風(fēng)險貢獻度達到了54.52%，略高于大金融科技行業(yè)對證券業(yè)的48.31%?？傮w看，大金融科技行業(yè)對傳統(tǒng)金融業(yè)風(fēng)險貢獻度較高。其次，觀察2015—2022年每年度的%CoVaR平均值動態(tài)變化情況，從大金融科技行業(yè)向傳統(tǒng)金融業(yè)風(fēng)險溢出角度看，大金融科技行業(yè)對證券業(yè)的風(fēng)險溢出比例值相對較低，對銀行業(yè)的溢出比例值相對較高。由時間序列來看，大金融科技行業(yè)對傳統(tǒng)金融業(yè)的風(fēng)險貢獻度呈現(xiàn)逐漸提高的趨勢，其中2016年、2018年、2022年較往期有顯著提升。從傳統(tǒng)金融業(yè)向大金融科技行業(yè)風(fēng)險溢出角度看，銀行業(yè)的風(fēng)險貢獻度較低，證券業(yè)和保險業(yè)的風(fēng)險溢出比例較高，且傳統(tǒng)金融業(yè)的相對風(fēng)險貢獻度呈現(xiàn)逐漸下降的趨勢。

選取典型階段部門間系統(tǒng)風(fēng)險貢獻度進行路徑分析，由圖5可以看出，2015年傳統(tǒng)金融機構(gòu)風(fēng)險溢出較大，其中風(fēng)險溢出比例最大的是證券行業(yè)，而大金融科技行業(yè)風(fēng)險吸收比例較大。在2018年、2020年和2022等年份中大金融科技行業(yè)風(fēng)險溢出比例越來越大，已超過傳統(tǒng)金融機構(gòu)，吸收比例相比于溢出比例逐漸減少。

五、結(jié)論與政策建議

（一）結(jié)論

本文立足于我國大金融科技行業(yè)金融業(yè)務(wù)發(fā)展的現(xiàn)實背景，利用金融信息指數(shù)，構(gòu)建DCC-GARCH-CoVaR模型，計算CoVaR值和ΔCoVaR值以測度大金融科技行業(yè)與傳統(tǒng)金融業(yè)兩類主體間的風(fēng)險溢出效應(yīng);在此基礎(chǔ)上，構(gòu)建包含關(guān)鍵信息的%CoVaR風(fēng)險溢出路徑，識別大金融科技行業(yè)的風(fēng)險貢獻度;最后探討大金融科技行業(yè)監(jiān)管的機制模式，提供相關(guān)的政策建議。主要結(jié)論如下：大金融科技行業(yè)與證券業(yè)、保險業(yè)的動態(tài)關(guān)聯(lián)性處于較高水平，與銀行業(yè)之間動態(tài)相關(guān)性相對較低;大金融科技行業(yè)對銀行業(yè)、證券業(yè)和保險業(yè)的CoVaR值均為正，說明大金融科技行業(yè)提升了傳統(tǒng)金融業(yè)的風(fēng)險承擔(dān);大金融科技行業(yè)ΔCoVaR絕對值大于傳統(tǒng)金融業(yè)，即大金融科技行業(yè)的動態(tài)風(fēng)險溢出水平高于傳統(tǒng)金融業(yè);各部門的%CoVaR都為正值，說明兩類主體間的風(fēng)險溢出效應(yīng)是正向的且是雙向的，但大金融科技行業(yè)對傳統(tǒng)金融業(yè)的風(fēng)險貢獻度明顯更強，并且會隨著外部市場環(huán)境的改變和自身行業(yè)發(fā)展的不同階段呈現(xiàn)動態(tài)變化。

（二）政策建議

樹立先進監(jiān)管理念。一是推行包容審慎監(jiān)管原則，監(jiān)管機構(gòu)應(yīng)踐行“對產(chǎn)業(yè)包容，對企業(yè)審慎”的監(jiān)管思路，針對大金融科技行業(yè)的金融產(chǎn)品和技術(shù)創(chuàng)新持鼓勵和保護態(tài)度，但也要積極預(yù)防和控制其創(chuàng)新過程中的潛在風(fēng)險。同時堅守風(fēng)險底線原則，確保不損害金融消費者權(quán)益，保證金融市場穩(wěn)定健康運行。二是強化宏觀審慎監(jiān)管作用，基于大金融科技行業(yè)的數(shù)據(jù)統(tǒng)計分析優(yōu)勢，構(gòu)建相關(guān)金融業(yè)務(wù)有效監(jiān)管指標(biāo)，提高風(fēng)險監(jiān)測、預(yù)警能力，完善宏觀審慎監(jiān)管框架。三是側(cè)重功能監(jiān)管而非機構(gòu)監(jiān)管，遵循“相同業(yè)務(wù)，相同監(jiān)管”原則，縮小大金融科技行業(yè)與傳統(tǒng)金融業(yè)的監(jiān)管差距，避免監(jiān)管套利亂象及監(jiān)管空白。這種統(tǒng)一監(jiān)管模式更能適應(yīng)金融科技背景下的“混業(yè)經(jīng)營”，解決大金融科技行業(yè)各種金融科技創(chuàng)新的監(jiān)管困境，防范因金融科技創(chuàng)新引發(fā)的系統(tǒng)性金融風(fēng)險。

建立大金融科技行業(yè)的反壟斷機制。一是明確大金融科技行業(yè)的數(shù)據(jù)責(zé)任，對金融數(shù)據(jù)監(jiān)管進行規(guī)范?；诮鹑诳萍籍a(chǎn)品和業(yè)務(wù)模式特殊性，形成針對大金融科技行業(yè)內(nèi)企業(yè)的市場支配地位、數(shù)據(jù)濫用等制定“壟斷標(biāo)準(zhǔn)”，防范金融科技市場的不正當(dāng)競爭。二是在法律規(guī)制層面上進行規(guī)范，構(gòu)建完善的金融數(shù)據(jù)治理法規(guī)體系。優(yōu)化金融數(shù)據(jù)犯罪認定，針對金融領(lǐng)域中的各類違法行為進行準(zhǔn)確判斷和懲處，從而保障金融數(shù)據(jù)安全。三是構(gòu)建協(xié)同監(jiān)管機制，大金融科技行業(yè)的壟斷問題涉及多方利益，其潛在金融風(fēng)險是金融領(lǐng)域的重大問題。各金融監(jiān)管部門應(yīng)厘清監(jiān)管職責(zé)，對大金融科技行業(yè)的金融業(yè)務(wù)進行全方位監(jiān)管。同時構(gòu)建信息共享平臺，形成多元協(xié)同治理體系，提高金融監(jiān)管部門的監(jiān)管效率。

改進大金融科技行業(yè)監(jiān)管模式。一是推動大金融科技行業(yè)設(shè)立更多金融控股公司，將符合條件的金融控股公司納入宏觀審慎監(jiān)管范疇，同時金融管理部門對金融控股公司的設(shè)立、治理和風(fēng)險管理等提出明確規(guī)定。二是建立大金融科技行業(yè)內(nèi)企業(yè)金融業(yè)務(wù)的風(fēng)險隔離機制，將金融業(yè)務(wù)剝離開來從而最大程度上防范混業(yè)經(jīng)營，建立信息披露機制，在信息系統(tǒng)、關(guān)聯(lián)交易多方面設(shè)置“防火墻”，防范金融風(fēng)險交叉感染。三是運用監(jiān)管科技手段完善“監(jiān)管沙盒”模式。一方面，充分利用云計算、大數(shù)據(jù)等手段，實現(xiàn)數(shù)字化、標(biāo)準(zhǔn)化和程序化監(jiān)管，提升監(jiān)管效率及監(jiān)管準(zhǔn)確性。另一方面，及時總結(jié)“監(jiān)管沙盒”模式試點經(jīng)驗，積極將“監(jiān)管沙盒”運用于大金融科技行業(yè)創(chuàng)新業(yè)務(wù)監(jiān)管模式，使大金融科技行業(yè)在創(chuàng)新與風(fēng)險動態(tài)平衡中穩(wěn)健發(fā)展。

（責(zé)任編輯：夏凡）

參考文獻：

[1]Gai K，Qiu M，Sun X.A Survey on FinTech[J].Journal of Network and Computer Applications，2018，103：262-273.

[2]Carstens A.Big tech in Finance and New Challenges for Public Policy[J].SUERF Policy Note，2019，2（54）：1-12.

[3]Parminder V，Shivinder N，Kiran S， et al.Thematic Analysis of Financial Technology（Fintech） Influence on the Banking Industry[J].Risks，2022，10（10）：186-186.

[4]Victor M，Efthymios R，Markos Z.The Impact of the FinTech Revolution on the Future of Banking： Opportunities and Risks[J].International Review of Financial Analysis，2022，（prepublish）：102103.

[5]Anagnostopoulos I.Fintech and Regtech： Impact on Regulators and Banks[J].Journal of Economics and Business，2018，100：7-25.

[6]Magnuson W.Regulating Fintech[J].VANDERBILT LAW REVIEW，2018，71（4）：1176-1226.

[7]Ramona R，StefanW.FinTech Development and Regulatory Scrutiny：A Contradiction？The Case of Latvia[J].Risks，2022，10（9）：167-167.

[8]Engle R.Dynamic Conditional Correlation[J].Journal of Business amp; Economic Statistics，2002，20（3）：339-350.

[9]巴曙松，白海峰.金融科技的發(fā)展歷程與核心技術(shù)應(yīng)用場景探索[J].清華金融評論，2016（11）：99-103.

[10]皮天雷，劉垚森，吳鴻燕.金融科技：內(nèi)涵、邏輯與風(fēng)險監(jiān)管[J].財經(jīng)科學(xué)，2018（9）：16-25.

[11]方意，王琦，等.大科技公司的金融風(fēng)險隱患和監(jiān)管[J].學(xué)習(xí)與實踐，2021（8）：54-66.

[12]尹振濤，馮心歌.大科技金融：概念、發(fā)展與挑戰(zhàn)[J].金融評論，2020（3）：65-75+125.

[13]蔚趙春，徐劍剛.監(jiān)管科技RegTech的理論框架及發(fā)展應(yīng)對[J].上海金融，2017（10）：63-69.

[14]孫天琦.對數(shù)字金融/金融科技與金融穩(wěn)定關(guān)系的幾點思考[J].清華金融評論，2020（12）：91-96.

[15]曹齊芳，孔英.基于復(fù)雜網(wǎng)絡(luò)視角的金融科技風(fēng)險傳染研究[J].金融監(jiān)管研究，2021（2）：37-53.

[16]王志宏，孫鵬.金融科技對商業(yè)銀行系統(tǒng)性風(fēng)險溢出效應(yīng)研究[J].廣西社會科學(xué)，2021（11）：126-133.

[17]尹振濤，侯姝琦，李蘊霏.互聯(lián)網(wǎng)金融風(fēng)險治理效果評估及改革取向——基于P2P網(wǎng)絡(luò)借貸專項整治問卷調(diào)查數(shù)據(jù)[J].經(jīng)濟縱橫，2020（11）：111-118.

[18]胡濱，楊濤，程煉，等.大型互聯(lián)網(wǎng)平臺的特征與監(jiān)管[J].金融評論，2021，13（3）：101-122+126.

[19]高惺惟.平臺壟斷與金融風(fēng)險問題研究[J]. 現(xiàn)代經(jīng)濟探討，2021（7）：68-75.

[20]陳萌.平臺經(jīng)濟泛金融化與金融科技監(jiān)管的研究——基于數(shù)據(jù)要素的視角[J].新金融，2022（10）：32-38.

[21]郭文偉，朱洪進，唐靖，等.金融科技風(fēng)險傳染效應(yīng)的識別與防范研究[J].海南金融，2023（5）：20-33.

[22]姜永宏，穆金旗，等.國際石油價格與中國行業(yè)股市的風(fēng)險溢出效應(yīng)研究[J].經(jīng)濟與管理評論，2019（5）：99-112.

[23]郭文偉，王禮昱.關(guān)聯(lián)網(wǎng)絡(luò)、風(fēng)險溢出與重要系統(tǒng)性金融機構(gòu)識別——基于市場、行業(yè)和機構(gòu)的實證[J].中央財經(jīng)大學(xué)學(xué)報，2019（5）：33-48.

[24]胡剛，陸岷峰.科技金融促進新質(zhì)生產(chǎn)力形成路徑研究——基于新目標(biāo)策略影響分析[J].區(qū)域金融研究，2024（2）：31-38.

基金項目：本文系國家社科基金項目“新關(guān)聯(lián)網(wǎng)絡(luò)下金融科技風(fēng)險疊加衍化、傳染溢出及監(jiān)管政策研究”（22BJY111）階段性研究成果。

作者簡介：譚中明（1963-），男，湖南益陽人，金融學(xué)博士，江蘇大學(xué)財經(jīng)學(xué)院教授、碩士生導(dǎo)師;

趙" " 夏（2001-），女，安徽宿州人，江蘇大學(xué)財經(jīng)學(xué)院碩士研究生。