林妙

摘   要：近年来，由于经济贸易联系不断加强，不同经济体金融市场的联系也在不断加强。本文选取了1996—2019年美国、英国、德国、日本、中国香港地区、澳大利亚、中国七个经济体的金融市场数据，利用GARCH-MIDAS模型分离长期和短期风险，并采用TVP-VAR模型的脉冲响应函数进行广义方差分解，构造波动溢出矩阵，衡量风险传递方向和程度以及经济体各自的溢出作用和吸收作用，分析风险相互传递的情况;通过计算出风险净溢出指数，分析经济体之间净溢出指数趋势的变化。本文选取市场行为和宏观经济基础两类指标，采用面板回归研究分析出长短期净溢出指数的影响因素，实证发现波动占比较大的短期风险的溢出比长期风险严重，而突发性金融事件会使得净溢出指数不断上升;在面板回归中，短期净溢出指数金融压力指数和汇率指数与短期净溢出指数之间呈现负相关关系，其余指标呈现正相关关系;市场行为对长期净溢出指数的影响不显著。

关键词：短期金融风险;长期金融风险;溢出吸收效应;影响因素

DOI：10.3969/j.issn.1003-9031.2021.01.005

中图分类号：F830.9           文献标识码：A           文章编号：1003-9031（2021）01-0040-13

金融风险在国际金融市场中无处不在，当一国在出现金融事件或政策影响到金融市场时，会对其他经济体及地区产生一定的影响，进而快速地对他国金融市场产生影响的风险，故对风险分类、外溢方向、传递影响因素相关研究显得尤为重要。

一、文献综述

（一）金融风险溢出效应

Diebold & Yilmaz（2014）提出通过VAR模型计算出各个市场的收益率和波动率作为金融風险的测度。Singh（2016）利用Diebold & Yilmaz（2014）广义方差分解框架研究美国与金砖四国之间的成对波动溢出效应，发现了印度市场和美国市场没有强烈的净溢出效应，巴西和俄罗斯与美国市场之间存在强大共同作用，中国与美国之间的溢出效应介于印度与俄罗斯和巴西之间。何德旭和苗文龙（2015）利用DCC-GARCH、DCC-EGARCH、DCC-TGARCH模型研究中美英德日5国的金融风险溢出效应和传导效应，发现金融市场周期的相关性会通过共振效应加大世界性系统风险。

（二）金融风险传递影响因素研究

Huang（2018）构造了宏观经济不确定性，通过研究经济不确定性的溢出性，发现美国对中国单向溢出，两国的不确定性都会对中国实体经济产生负面影响，但美国的不确定性影响更大。Shikimi & Yamada（2019）研究认为贸易会作为一种渠道影响金融危机的传播。Hoque & Zaidi（2019）利用马尔科夫区间转移模型，研究了2003年9月—2017年3月间全球经济政策不确定性（EPU）对不同股票市场的冲击，发现在高波动区间下，经济政策不确定性对股票市场产生了显著的影响。赵华和王杰（2018）研究了不同市场之间的溢出效应，认为经济景气一致指数、期限利差会对溢出指数均具有正向影响，而投资者情绪指数会对溢出指数有负向影响，这说明了宏观指标会对溢出指数造成影响。张喜艳和陈乐一（2018）研究政策不确定性的波动溢出效应时，发现汇率会对不同经济体经济不确定性产生正向影响，而物价指数会对经济不确定性产生负向影响，从侧面说明价格传染渠道会影响金融风险的传递。郑挺国和刘堂勇（2018）研究金融风险传递效应的影响因素，发现政策不确定性、货币政策、经济增长等宏观指标也会影响金融风险的传递，说明宏观变量会影响金融风险的传递;同时也研究了CPI、股市价格平均波动率对于净溢出指数的影响，从而探究市场因素对于金融风险传递的影响因素大小。杨子晖等（2019）利用了混频向量自回归的方法发现经济政策不确定性会加重金融风险的联动，同时风险也会导致财政、货币、汇率和资本账户政策不确定变化。

上述文献研究金融风险在国际金融市场之间的传递关系和传递方向，有助于政策制定者关注重要性经济体风险溢出和风险吸收。但现有研究仍有以下未及之处：没有针对短期风险和长期风险进行区分，未充分研究溢出指数，少有结合多个方面研究金融风险的传递的影响因素。故本文先利用Engle et al.（2013）提出的GARCH-MIDAS建模提取长期波动和短期波动。然后通过Diebold & Yilmaz（2014）提出的广义方差分解方法和溢出指数计算出7个经济体之间风险传递的程度与方向，利用TVP-VAR脉冲响应函数的提前10期脉冲值构造不同经济体受到的冲击，加权平均后得到时变的冲击值，再利用Diebold & Yilmaz（2012）计算出每一个经济体的吸收指数和溢出指数。最后利用Kao& Chiang（2000）提出的FMOLS估计方法分析短期、长期净溢出指数的影响因素。

二、模型设定

（一）GARCH-MIDAS方法

本文利用GARCH-MIDAS方法计算金融市场的长期波动和短期波动测度结果，从而用于后续的建模。假设向量r是股指期货第t个周期（周期有可能是月度、季度和年度等）里面的第i天的对数收益率。收益率的波动率至少可以分为两个成分，其中gi，t代表的是日度波动，与短期的因素有关;？子t是长期波动的，与未来预期现金流和未来折现率有关，提供了股市长期波动性的信息。本文构建出收益率的方程：

三、市场长期波动和短期波动的风险测定

考虑全球金融市场中重大金融事件的发生时间和影响范围，本文选取1996年1月—2019年6月中国上证综合指数、美国纽约证交所综合指数、英国伦敦金融时报100指数、日本东京日经225指数、中国香港恒生指数、德国法兰克福DAX指数和澳大利亚普通股指数的日度收盘价，利用收盘价数据计算出该月的日度对数收益率来构建代表该国金融市场长期波动和短期波动的风险测度。

（一）市场短期波动和长期波动率测度估计结果

本文利用RMSE（预测方根误差） 来比较利用GARCH-MIDAS模型估计的日度己实现波动率与原始数据计算的己实现波动率之间的误差，以此比较模型的优劣，尤其是两者的波动趋势是否一致。在参数设置方面，长期部分的滞后阶数表示的是MIDAS滤波滞后的阶数，在这里设置为6;每一次计算长期相关性的周期设置为22，即每22个共同交易日计算一次波动率的长期成分。

由上述GARCH-MIDAS建模中，得到了用于构造长期波动和短期波动的参数。短期波动是总波动的短期成分，在长期因素的影响下，短期事件发生时股市偏离均值的程度，其计算出来是衡量短期变化，受到长期成分的影响。长期成分是波动的均衡成分，在一段时间内保持稳定，在多个短期事件冲击之后，在波动中留存的影响总波动趋势的成分。七个经济体长期波动趋势见图1。

从图1可以看出，七个经济体之间的长期波动走势相近，在1997—1999年，2007—2010年各国长期波动趋势都有上涨，对应着1997年亚洲金融风暴和2008年次贷危机。

（二）不同经济体间短期市场波动风险对比

本文利用GARCH-MIDAS建模得到的结果，还有长期波动的建模结果，计算出短期波动的值（见图2）。

从图2可以看出，短期波动总体比较平稳，走势与长期波动不一致，在受到冲击之后，会有一个明显的上涨，但很快又平稳下来。在1997年、2001年、2008年、2011年和2015年都有一个较大的突起，特别是2008年突起的程度最高。2011年的欧债危机令美国、德国、英国、澳大利亚有一个较大程度的突起。其余时间都有一定程度上的波动，但总体还是比较平稳，短期波动一般在50以下。

四、国际间金融风险传递程度与方向实证检验

本文将利用TVP-VAR的方法，结合广义方差分解来研究七个经济体系统间长期风险和短期风险的传递关系。

（一）不同经济体间金融风险传递程度与方向估计结果及分析

由于TVP-VAR模型计算下的脉冲响应函数具有时变的特性，在不同时间点脉冲响应函数得到的系数矩阵是不同的，也就是说在不同时间节点处溢出和吸收传递的程度是不一样的。本文在这里做了平均值处理，得到时间段内的平均波动溢出矩阵，说明时间段内平均的风险传递程度和方向。风险传递的方向可以定义为：

风险传递程度和方向的结果参照表2、表3。表2显示的是短期风险传递的程度和方向，从总体上看，全时段总溢出指数为78.11%，说明风险溢出的程度比较高，短期风险在七个地区系统里面有78.11%风险相互溢出、吸收。

表3显示了长期风险传递的情况，总体而言，长期风险显示出了一些独特的规律。七个经济体系统中，长期风险的溢出指数为35.35%，远低于短期风险的溢出指数，说明在国际金融市场上，短期风险的溢出作用比长期风险的溢出作用强得多。短期金融风险具有高溢出性特征，很容易传递到别的经济体去，这就让短期风险更具有破坏性，当一国遭受到其他经济体，特别时大型经济体的短期金融风险时，会导致自身金融的不稳定，甚至引起局部的金融危机。

（二）吸收指数与风险溢出指数构建

图3显示了七个经济体的短期波动溢出指数、吸收指数和净溢出指数，从总体上看，美国、英国、德国都会向外溢出风险，中国香港地区也曾经向外溢出短期金融风险，而日本、澳大利亚、和中国则稳定的吸收从外部经济体传递来的短期金融风险。美国是稳定溢出短期金融风险的经济体，其溢出指数要高于吸收指数，净溢出指数大于0。在溢出指数的数值上，美国在40～80之间波动，而吸收指数数值很小，数值为0～10之间波动，说明美国吸收别的经济体的短期风险很小，其他经济体的经济实力、金融体量对美国的吸收效应未能产生重要影响。1997年、1999年、2010年、2012年和2018年美国净溢出指数都有一段上升的趋势，这分别对应着亚洲金融风暴、互联网经济泡沫破灭、欧债危机、大规模的量化宽松政策和中美贸易摩擦。这些金融事件的发生都增加了美国短期金融风险向外的溢出，向外部经济体溢出了大量的短期金融风险。

图4显示了七个经济体长期波动的溢出指数、吸收指数和净溢出指数，与短期波动溢出相比，构造出的长期风险吸收指数和溢出指数比较平稳，各个经济体都要利用各自的货币政策和财政政策，使用宏观审慎政策进行防控，这是一个长期而持久的阶段，从而保证长期金融风险处于低水平且平稳。相对于短期风险，长期风险的溢出更加平稳。

五、国际间金融风险传递影响因素实证检验

在进行了金融风险的净溢出指数的测度之后，本文将通过面板回归的方法，从市场行为和经济基础两个维度分别对进行分析。

（一）面板模型设定

本文选取了1996年1月—2019年12月的月度数据，构建的长期净溢出指数和短期净溢出指数进行回归，得到净溢出指数的影响因素。其中，KOF全球指数代表各个经济体金融开放程度，经济政策不确定性（EPU）代表各个经济体实施政策的程度，金融压力指数FSI代表各国金融的稳定性，Trade贸易开放程度代表一个经济体贸易的水平，GDP增速代表经济体发展速度和经济情况，M2增速代表经济体货币政策实施情况，Exchange汇率指数代表预期汇率波动套利情况，CPI代表一国物价水平波动套利情况，current经常账户差额代表经常账户传染渠道，capital资本账户差额代表资本账户传染渠道，spread收益率差额代表资产价格波动套利渠道。

（二）国际风险净溢出指数影响因素的实证结果分析

表4顯示了净溢出指数根据两种方法得到面板回归结果，金融开放程度和政策不确定性在普通面板回归中并不显著，但在FMOLS方法中是显著的，这证明了动态面板在处理时可以得到更多的信息。

EPU、FSI和汇率指数对短期金融风险净溢出指数有负向作用，而金融开放程度、GDP增速、M2增速、贸易开放程度、CPI同比增速、经常账户差额、资本账户差额和股市收益率之差对短期金融风险净溢出指数。为了防范短期金融风险，经济体应该逐步开放国内金融环境，做好政策配套，稳定经济政策;同时在发展的过程中，注意资本流动和贸易渠道所传递的风险，防止大规模的金融风险外溢到本国。

表5研究长期净溢出指数的影响因素。与短期风险不同的是，长期风险的影响因素较少，在FMOLS方法下，金融开场程度、EPU、FSI、GDP同比增速，汇率指数和CPI同比增速对于长期净溢出指数是显著的，而经常账户差额、资本账户差额、股市收益率之差不显著。这说明长期金融风险的传递与价格因素和市场行为的关系并不大，长期风险更多受到经济体内宏观基础的影响，由于长期金融风险是在短期金融风险爆发之后经过一系列行为后得到的风险，具有持久性，自然更受到宏观经济的影响。

在宏观因素中，金融开放程度、GDP同比增速、M2增速和CPI同比增速对长期金融风险净溢出具有正向影响，其数值与短期金融风险相比，有明显的减少，证明宏观政策对于长期金融风险的影响要低于短期金融风险。而EPU、FSI和汇率指数对于长期金融风险具有负向作用，同时影响因素的数值比短期金融风险的影响因素来说相对较小，综上可以说明相比长期风险，短期风险受宏观因素的影响更大，要注意短期金融风险对于金融稳定的影响。但由于宏观指标对短期金融风险的影响更大，可能造成政策用力过猛加剧长期金融风险的积累，在防控短期金融风险的同时也要注意对长期金融风险的影响，以防止长期风险溢出。

六、结语

本文利用GARCH-MIDAS构造出长期波动和短期波动，用以作为长期风险和短期风险的测度。在风险的组成问题上，GARCH-MIDAS建模表明长期成分占总波动的0.02到0.03，说明长期风险不是风险组成中的主要部分。在风险的持续型问题上，短期风险序列在突发性金融事件（如次贷危机等事件的发生）时有一个较大的上涨，在危机结束时短期风险会迅速降低。长期风险在一段事件内都能保持稳定，突发性金融事件发生后略有加剧，在一段时间之后也能保持稳定，考虑其影响持久，尽管占比不大，我们仍须提防长期风险。

本文利用TVP-VAR和广义方差分解得到风险溢出指数和波动溢出矩阵，用以观察短期风险和长期风险之间的传递方向和传递程度。从风险溢出传递程度来看，观察发现长期风险溢出指数在1996—2019年之间要低于短期风险，说明短期风险的外溢更加严重;从风险溢出结果来看，突发性金融事件会使得短期净溢出指数迅速上涨，而长期金融风险受到的影响比较小;从风险溢出传递方向来看，无论是长期风险还是短期风险，美国和英国都是风险溢出经济体，德国、日本、中国香港地区、澳大利亚和中国都是风险吸收经济体，要注意美国和英国溢出的风险，减少风险带来的损失。

本文利用FMOLS面板回归，使用了金融开放程度、经济政策不确定性、金融压力指数、GDP同比增速、贸易开放程度、M2增速、汇率指数、CPI同比增速、经常账户差额、资本账户差额、股市收益率之差11个指标，发现经济政策不确定性、金融壓力指数和汇率指数与短期净溢出指数之间呈现负相关关系，其余指标呈现正相关关系。就与短期风险净溢出指数相比，经常账户差额、资本账户差额、股市收益率之差与长期净溢出指数不显著，说明长期风险受到价格因素的影响相对较少，受到宏观经济基础的影响相对较大，可采取货币政策和财政政策的结合稳定国内宏观经济指标，减少长期风险的外溢，而市场行为对于短期风险的影响较大，价格因素更容易导致金融市场短期风险净溢出增加。

（责任编辑：夏凡）

参考文献：

[1]Diebold F X，Yilmaz K.Better to give than to receive： Predictive directional measurement of volatility spillovers[J].International Journal of Forecasting，2012，28（1）：57-66.

[2]Diebold F X，Yilmaz K.On the network topology of variance decompositions： Measuring the connectedness of financial firms[J].Journal of Econometrics，2014，182（1）：119-134.

[3]Engle R F，Ghysels E，Sohn B.Stock Market Volatility and Macroeconomic Fundamentals[J]. Review of Economics and Statistics，2013，95（3）：776-797.

[4]Hoque M E，Zaidi M A S.The impacts of global economic policy uncertainty on stock market returns in regime switching environment： Evidence from sectoral perspectives[J].International Journal of Finance & Economics，2018.

[5]Huang Z，Tong C，Qiu H，Shen Y.The spillover of macroeconomic uncertainty between the US and China[J].Economics Letters，2018，171：123-127.

[6]Kao C，Chiang M H.On the Estimation and Inference of a Cointegrated Regression in Panel Data[J].Social Science Electronic Publishing.

[7]Singh A，Singh M.US financial conditions index and its empirical impact on information transmissions across US-BRIC equity markets[J].The Journal of Finance and Data Science，2016.

[8]Shikimi M，Yamada K.Trade and Financial Channels as the Transmission Mechanism of the Financial Crisis[J].Social Science Electronic Publishing，2016.

[9]何德旭，苗文龙.国际金融市场波动溢出效应与动态相关性[J].数量经济技术经济研究，2015，32（11）：23-40.

[10]杨子晖，李东承.我国银行系统性金融风险研究——基于“去一法”的应用分析[J].经济研究，2018，53（8）：36-51.

[11]张喜艳，陈乐一.经济政策不确定性的溢出效应及形成机理研究[J].统计研究，2019，36（1）：115-128.

[12]赵华，王杰.基于混频数据的实体经济与金融市场时变溢出效应研究[J].统计研究，2018，35（7）：49-61.

[13]郑挺国，刘堂勇.股市波动溢出效应及其影响因素分析[J].经济学（季刊），2018，17（2）：669-692.