中国金融体系内极端风险溢出关系研究

吴永钢 赵 航 卜 林

一、引 言

随着经济全球化和金融自由化的不断加深、我国金融改革全面深化和金融开放的逐步实现，不同金融板块间的资本流动水平与信息传递效率均得到了极大的提升，金融风险跨市场、跨机构的溢出效应成为影响金融稳定的重要因素。近年来，系统性风险和金融稳定等研究领域引起了学术界、业界和监管当局的广泛关注，其中最具代表性的是2008年爆发的全球金融危机，风险在短时间内大面积蔓延，导致各国金融市场间风险溢出和联动水平明显提升，我国同期以上证综合指数计算的股票市场累计跌幅逾24%①2008年10月6日，我国上证综合指数前收盘价2293.78点，开盘价2267.38点，当日报收于2173.74点，跌幅5.23%，随后迅速跌破2000点大关，股指迭创新低，最终在31日报收于1728.78点，10月份同期跌幅为24.63%，累计跌幅565.00点。。这场危机告诉我们：针对单个机构稳健性的微观审慎监管不足以维持宏观经济的稳定运行，单个金融机构的风险转移和扩散反而使得金融体系更加容易受到实体经济的冲击。因此，后危机时代全球金融改革的重要成果——巴塞尔Ⅲ，在强调“自下而上”微观审慎监管的同时，引入“自上而下”的宏观审慎监管框架，有效地保证了金融体系在外部风险冲击下维持良好的稳定性，从而促进微观与宏观层面监管的有机融合。

在金融体系改革创新的进程中，我国A股市场先后纳入MSCI指数和富时罗素国际指数，并且伴随人民币汇率形成机制透明化和利率市场化的不断推进，我国外汇市场和货币市场也得以不断完善，这都印证着我国资本市场与国际资本市场进一步接轨，并处于多元化和深化发展进程中。风险的传染与联动是系统性风险爆发最典型的特征，从国内来看，股票、货币、外汇和债券市场等一系列相互关联的金融市场形成高低互现的市场风险，而银行、证券、保险、多元金融等各金融机构也在不断推出交互性金融产品与业务，强化了金融体系组成要素直接或间接的关联性。不同金融机构与市场间的关联性构成了风险传递渠道，而过度关联往往会带来“多米诺骨牌”效应，从而增大风险冲击的破坏力和影响范围，强化金融风险的交叉传染和叠加共振。因此，准确地把握不同金融板块之间的动态关联性和风险溢出效应，对我国系统性风险的识别与度量、金融政策的制定与实施以及金融稳定体系的构建和完善具有重要意义。

本文其余部分结构如下：第二部分为相关研究文献综述；第三部分为研究方法与样本说明；第四部分为实证结果及其分析；最后为结论及政策建议。

二、文献综述

在系统性风险的现代计量与管理中，准确识别其爆发源头与传导路径是一个重要的前提。不同于收益率溢出和波动率溢出，极端风险溢出具有极强的破坏性，会引发金融体系震荡并造成系统性风险爆发等后果(Atik，2010)。因此，在评估某一板块的风险水平时，不仅要考虑到规模等因素，还要考虑不同金融板块间的相互关联性，即单个金融板块陷入困境时，跨机构、跨市场的极端风险溢出效应。本次全球金融危机爆发之后，已涌现出大量在风险溢出与联动方面具有价值的研究，这些研究中不乏开拓性的板块间风险联动研究方法与创新性的系统性风险测度技术，其中绝大多数学者与机构主要着眼于不同金融机构间、金融市场间的相互关联性。

针对金融机构系统性风险的度量，目前研究方法主要分为以下两类。一是基于金融机构间风险溢出和尾部依赖来度量系统性风险，典型的代表有条件在险价值法(CoVaR，Adrian和Brunnermeier，2016)、边际期望损失法(MES，Acharya等，2016)和系统性风险指数法(SRISK，Brownlees和Engle，2017)，这些指标刻画了单个金融机构对金融系统的风险贡献水平。此外，国内学者主要借鉴国际前沿的系统性风险测度技术，并对国内系统性风险水平进行考察，代表性的研究有梁琪等(2013)、卜林和李政(2015)、陈建青等(2015)、李政等(2018b)、杨子晖等(2018)和李政等(2019a和2019d)。二是网络分析法，基于股票价格和CDS价格等市场数据，研究金融机构相互关联的紧密程度，并将金融机构间的关联定义为复杂动态网络。关联网络的构建思路包括基于二元Granger因果检验和广义方差分解(Billio等，2012；Diebold和Yilmaz，2014)、有向无环图(Yang和Zhou，2013)以及TENET方法(Härdle等，2016)等，与第一种方法相比，网络分析法融入了金融体系的动态演变过程等网络特性，同时，网络关联的思想有助于识别金融体系的组成要素是否具备系统性重要地位。由于关联性是现代金融风险分析与风险控制的关键要素，网络分析框架近期也得到了学者的广泛重视。其中，国内外代表性的研究包括梁琪等(2015)、李政等(2016)、Lundgren等(2018)、Nishimura和Sun(2018)和李政等(2019b和2019c)。值得提出的一点是，这些研究将视角局限于金融机构间的风险关联性上，忽视了金融市场与金融机构可能形成的风险联动效应。由于金融机构的系统性风险具有内生性(Danielsson等，2013)，因此，只有立足于更加广阔的视角，将金融机构置于包含金融机构与金融市场的金融体系中，纵览动态关联的风险溢出效应，才能更准确、有效地识别系统性风险的内生问题，为有关监管部门的风险管理提供合理依据。

对于金融市场的风险溢出效应，已有文献主要侧重于考察金融市场之间相互的关联性和传染性。其中，邓燊和杨朝军(2007)借助Granger因果检验、脉冲响应与方差分解发现汇改后我国股票市场与外汇市场间存在长期稳定的协整关系，史永东等(2013)通过Copula理论研究了股票市场与债券市场的联动效应及风险转换特征，周爱民和韩菲(2017)基于GARCH-时变Copula-CoVaR模型讨论了内地、香港的股票市场和外汇市场四个市场的两两风险溢出效应，刘超等(2017)运用溢出指数和复杂网络的方法，从货币、资本、外汇、黄金、房地产、大宗商品交易市场等主要一级市场和二级子市场识别出风险溢出的不对称性，并得出了货币市场尤其是回购市场为风险溢出中心的结论。然而，这些针对金融市场自身探讨市场内部风险关联性的研究是不够充分的，还要将各金融机构纳入其中，建立更加完整的金融体系。为了全面地理解市场风险的生成机理和传导机制，研究金融机构与金融市场间动态化和网络化的风险关联也是必要的。

目前，已有少数学者开始关注部分金融机构与市场之间的风险联动效应，或将不同金融部门与市场纳入统一的金融体系中来考察风险溢出效应。方意等(2018)运用△CoVaR方法，构建了金融市场对银行机构的极端风险溢出的解析框架，在对市场溢出效应进行因素分解的基础上，得出了房地产市场、股票市场对银行业系统具有较大正向溢出效应的结论；杨子晖等(2019)采用ES测度指标，对银行、证券、保险、多元金融、房地产等五个部门和股票市场的极端风险溢出进行量化，并对有效性和可靠性进行了后验分析。但是，以金融体系内相互关联为视角考察不同金融机构与市场间极端风险溢出与动态关联效应的研究尚寥若晨星，而在当今我国混业经营趋势不断加强、金融变革与创新层出不穷的宏观背景下，探讨金融机构与市场间极端风险溢出水平与传导路径显得迫切而重要。

本文的研究贡献主要体现在以下两个方面：第一，将研究视角拓展至更大的金融背景下，在充分考虑到风险溢出的动态特征后，全面考察金融体系中四类金融机构和四个金融市场间的极端风险溢出关系。本文结合关联网络分析和历史事件分析等方法细致阐述了金融体系内极端风险溢出的动态演变过程，并讨论了单个板块极端风险跨市场、跨机构的传染和联动效应。这有助于我们正确评价各个板块在金融体系中的地位，为科学地防范化解系统性金融风险提供参考依据，对资本市场的健康运行也具有重要的现实意义。第二，基于White等(2015)构建的多变量、多分位数CAViaR模型(Multivariate and Multi-quantiles CAViaR Model，简称MVMQ-CAViaR模型)，探讨了金融体系内八个板块两两之间的风险溢出关系，该模型打破了一般分布的自由度限制，更好地响应分位数回归中的结构性冲击，有效克服了现有方法的局限性。

三、研究方法与样本说明

（一）研究方法

在险价值(Value at Risk，简称VaR)用于衡量在一定持有期内和给定的置信水平下金融资产的最大可能损失，是目前测度金融体系极端风险的标准方法(Engle和Manganelli，2004)。但研究表明，VaR不能充分地刻画整个金融体系的风险，并且金融资产收益率分布存在“尖峰厚尾”、自相关性等问题，这会导致错误地估计市场整体风险水平(Adams等，2014)。Hong等(2009)在VaR的基础上提出了具有自相关特性的条件自回归VaR模型(Conditional Autoregressive Value at Risk Model，CAViaR)，用以测度单个金融资产的动态风险水平。CAViaR模型的一般形式为：

其中，1-θ代表VaR的置信水平，βθ为待估参数的列向量，l(·)为滞后算子，Ωt-1为时点t所有可得信息的信息集。将式(1)简化为一阶模型：

其中，Yt为第t期市场或机构收益率观测值，qt代表第(t-1)期收益率Yt-1在θ概率下的条件分位数，qt-1代表滞后一期的条件分位数，它在确保VaR指数平滑的同时，较好地测度了金融市场或机构收益率分布尾部的自相关性，β1度量了金融资产的波动聚集性(Volatility Clusters)，α1反映了前一期的收益率和信息冲击对本期风险价值波动造成的影响。然而，一元CAViaR模型只能评估单个资产的动态风险特征，无法捕捉金融板块之间的风险联动特性。White等(2015)将传统的CAViaR模型中分位数回归思想扩展至更高维的向量自回归结构化方程中，构建出多元多分位数CAViaR模型。该模型有效地量化了互联板块之间极端风险的溢出效应，其跨四类金融机构、四个金融市场两两之间的表达式为：

其中，i=1,2,…,7,j=i+1,…,8，由于前一期过高或过低的极端收益率观测值均会增加本期的VaR，所以式(3)中收益率变化取绝对值以体现风险冲击的对称性。其简化形式为：

在分位数回归模型中，不需要对Yit-qit(θ,β)的分布做出假设(郝毅等，2017；李政等，2018a)，因此本文采用拟极大似然估计(Quasi-Maximum Likelihood，QML)的方法，通过求解最优化目标函数，估计MVMQ-CAViaR模型中的10×1维参数向量γ。最优化目标函数的形式如下：

在MVMQ-CAViaR模型中，系数矩阵A和B分别代表前一期市场或机构的收益率变动Yt-1和极端风险qt-1对本期市场或机构极端风险的溢出水平。其中，矩阵A和B的主对角线元素系数反映了金融板块受自身滞后一期极端风险的影响，非对角线元素系数反映了不同金融板块之间的极端风险关联水平，如果aij或bij系数显著不为0，说明两个金融板块之间存在极端风险溢出效应。通过对系数矩阵A和B的非对角线元素进行联合显著性检验，我们考察四类金融机构、四个金融市场之间是否存在显著的极端风险溢出效应。

式(3)中的估计系数a(θ)、b(θ)、β(θ)服从渐进正态分布。在渐进正态分布假设下，Weiss(1991)构建了非线性动态模型中最小绝对离差(Least Absolute Deviation，LAD)估计算子的Wald统计量，Engle和Manganelli(2004)在此基础上运用Wald检验讨论了CAViaR模型包含多滞后阶数的被解释变量的合理性。鉴于上述思想，本文采用Wald统计量检验不同金融板块间在MVMQ-CAViaR模型中是否存在显著的极端风险溢出效应。Wald统计量在原假设H0：Rγ-r=0下的极限分布为：

如下定义参数：

其中，n为约束方程的个数，VC表示待估参数的方差-协方差矩阵，R为n×10维约束矩阵为模型梯度，fit(0)为密度函数在0时的值。当n＝4，r＝0时，Wald统计量可以用于检验两个金融板块间是否存在显著的极端风险溢出效应；当n＝2，r＝0时，Wald统计量可以检验金融板块间风险溢出的方向。W大于卡方分布显著性水平的临界值时，拒绝原假设H0；反之，则接受原假设。

根据显著性检验结果，本文构建加权有向风险溢出网络G(V,E)，其中代表节点集，E为连接边集合。一个有向连接矩阵的表达形式为：

构建加权有向风险溢出网络分为两步：首先，根据Wald统计量检验结果，在每个滚动子样本中判断i对j是否存在显著的溢出效应，如果存在极端风险溢出效应，记为1，否则记为0；其次，将子样本中i对j存在极端风险溢出效应的有向边进行加总，将溢出(接受)效应显著的边数与子样本总数的比值作为构建加权有向网络的指标，进而构建出金融体系内加权有向风险溢出网络。关联网络中节点代表金融板块，而有方向的连接表示某板块与另一板块间的极端风险溢出关系。本文在金融板块间极端风险溢出的滚动样本均值分析的基础上，从度中心性、接近向量中心性以及特征向量中心性三个指标的入度与出度入手，量化加权有向风险溢出网络中金融机构与市场的中心性指标，并以此甄别加权有向网络中的重要节点。

（二）样本说明

为探究我国金融体系风险联动水平的动态变化过程并分析金融板块间的极端风险溢出效应，本文选取银行、证券、保险和多元金融四类经营业务具有代表性的金融机构，以及股票市场、货币市场、外汇市场和债券市场四个交易活跃的金融市场，具体说明如下。

第一，时间窗口选择方面。本文选取2007年1月18日至2019年3月29日作为总样本区间，共2964组日度观测值，并将滚动样本窗口设定为240天，采用滚动估计分析(Rolling Estimation)的方法，衡量2008年1月11日至2019年3月29日期间，我国金融机构与市场间的极端风险溢出效应。

第二，指数选取方面。对于四类金融机构，本文原始数据来自证监会行业分类标准编制的申银万国二级行业指数，该指数通过股票价格反映金融机构的经营情况，银行、证券、保险和多元金融四个机构分别采用r_b、r_s、r_i、r_d表示。对于四个金融市场，股票市场采用沪深300指数，以股指日对数收益率衡量股票市场的运行状态；货币市场选用银行间7天同业拆借利率，其负向利率变动较好地拟合了资金真实价格走势；外汇市场采用直接标价法下美元对人民币汇率变动的负值来衡量；债券市场选择中债综合净价指数，该指数囊括了市场中最具代表性且信用等级较高的主流债券品种，债券存量约占全市场的74%①资料来源：中国债券信息网(中央结算公司)。，分别定义rs、rc、re、rb为四个金融市场变量标识。变量选取及指标构建如表1所示，数据来源于Wind资讯。

表1 变量选取及指标构建

四、实证分析

（一）金融板块间风险溢出的滚动样本均值特征

首先，本文通过各个金融机构与市场之间极端风险溢出的滚动样本平均结果，考察金融体系中不同组成元素间风险溢出的总体特征，结果如表2所示②为避免繁琐，10%分位数下的结果在分析中仅列示表格与图形，不作说明的部分说明其与 5%分位数下的结论类似或一致。。

整体来看，金融机构与金融市场的极端风险溢出表由8×8的矩阵构成，包含了4个金融机构与4个金融市场间的极端风险溢出信息。将表2从中间细分成四个4×4矩阵③忽略溢出均值和接受均值的行与列，左上角 4×4 分矩阵代表金融机构间的极端风险溢出；左下角 4×4 分矩阵代表金融机构对金融市场的极端风险溢出；右上角 4×4 分矩阵代表金融市场对金融机构的极端风险溢出；右下角4×4分矩阵代表金融市场间的极端风险溢出。并经过分析，本文得出以下发现。

表2 金融板块间极端风险溢出表

第一，我国金融机构与金融市场之间存在极端风险溢出效应，且金融机构对市场的极端风险溢出水平远高于后者对前者的溢出影响，即金融机构与市场间风险溢出存在非对称相依性。通过计算四个分矩阵的均值水平可知，金融机构对金融市场的极端风险溢出水平最高(0.1889)，金融市场间的极端风险溢出水平次之(0.1834)，金融市场对机构的极端风险溢出水平(0.1328)和机构间的极端风险溢出水平(0.1053)较低，这表明在金融机构与市场的溢出关系中，金融机构处于风险溢出的主导地位，而金融市场多表现为风险接受的一方。

金融机构本身会因信用扩张或宏观政策变动等因素积聚风险，这些风险源各自具备不同的风险特征，对于系统性重要或波动性较大的金融板块，风险溢出的影响能力更强，一旦积累了过多的风险，就会以极端风险溢出的形式对其他金融板块造成冲击。在我国金融体系中机构与市场之间存在极端风险溢出效应的原因在于二者具有错综复杂的实际关联性。一方面，金融机构与金融市场在多个维度相互关联，从而直接或间接地在不同金融板块建立风险敞口，开辟机构与市场间潜在的风险传染渠道。极端风险在关联水平高的金融板块间迅速传递，率先引起单个机构风险承担行为的改变，并最终传递至整个金融机构乃至金融体系(方意等，2018)；另一方面，不同的风险源之间还可以通过信息溢出渠道等无形机制对金融体系内其他板块产生直接影响(梁琪等，2015)，随着Fintech技术的不断发展，金融市场上资金流通水平和价格波动频度大幅增加，个别信息冲击首先引发单一金融产品价格变动，进而通过金融机构与市场的信息溢出渠道迅速波及类似金融产品交易者的分析决策，在更大程度上影响交易者信心并实现风险联动。

我国金融机构与金融市场间风险溢出的非对称性与目前的融资结构十分相符，原因有以下三点：首先，从长期来看，以银行体系为核心的金融机构充当了向实体经济融资的主要媒介，这使得金融体系风险向银行等金融机构高度集中。2019年中国人民银行发布的第一季度货币政策执行报告显示，金融机构向实体经济贷款占比最高，占同期社会融资规模增量的76.9%，其中企业债券融资增长较快，股票融资增速有所回落。其次，虽然金融机构与市场均具有风险转移和分散的特点，但是金融市场主要发挥资产定价、资金配置等作用，而金融机构承担了创造货币乘数、改善信息不对称等更具风险的使命，因此金融机构在金融体系内更易积聚风险。再者，金融机构是各金融市场的重要参与者，当金融体系遭受显著的外部冲击时，机构投资者会纷纷折价抛售市场上持有的风险资产而配置安全性较高的产品，这种供需失衡的现象会进一步导致市场产品价格大幅波动，形成金融体系内风险向金融市场传染的效应，而资本异常流动和产品定价失衡往往是系统性风险的重要成因(Greenwood等，2015)。

第二，债券市场与货币市场既是重要的极端风险溢出者又是极端风险的接受者。由表2可知，债券市场对外极端风险溢出和接受均值均位列八个金融板块的榜首，分别为0.1787和0.2360，而货币市场的风险溢出和接受均值分别为0.1689和0.1785，亦在风险源中位列第三位和第二位。

金融交易本质上是在某个时段内对货币资金使用权的让渡，而债券市场与货币市场产品价格直接体现为货币资金的使用价格，也即利率。目前，我国SHIBOR利率的基准利率属性日益增强，其不仅受宏观经济政策的调控，更能反映整个资本市场的价格基本面变动和资金的供求状况。

债券市场与货币市场的风险传导机制主要由利率引导的资产价格变动所决定，在金融体系中充当了“风险放大器”的角色。当经济下行或危机爆发时，一方面，以公允价值计量的债券市场与货币市场产品价格受挫，这将使得持有货币市场头寸的金融机构遭受在险价值的损失，尤其对于利率敏感性缺口为负、持续期缺口为正的商业银行，资产违约与损失的双重冲击使其在金融体系中极端风险传染力度更为显著；另一方面，金融体系的顺周期性使得市场上交易对手倾向于收紧风险偏好(压缩交易敞口、收紧信贷标准、提高保证金比例等)，进而带来金融市场资金流动性的阻滞，造成市场产品价格的进一步下跌，最终陷入负面的“流动性螺旋”(Liquidity Spirals)。循环反馈机制极大地加剧了债券与货币市场对金融体系的风险溢出效应，加之一部分金融产品(如质押式隔夜回购等)的交易机制本身就具有杠杆效应，进而形成“风险放大器”的市场机制，这对传统的系统性风险识别与计量框架形成了一定的挑战。

第三，银行是重要的极端风险溢出者，股票市场是重要的极端风险接受者。银行的极端风险溢出水平(0.1662)明显高于其接受水平(0.1400)，并且银行风险溢出均值仅次于债券市场和货币市场，位居第三位。对于股票市场，其风险接受均值(0.1841)位居第二位，明显高于除债券、货币市场外的其他金融板块。本文还发现，股票市场对其他金融板块的极端风险溢出值每一项均小于其对应接受该板块极端风险的数值，其中最为突出的是债券市场(0.2481)与外汇市场(0.1893)对股票市场的极端风险溢出水平。

随着我国供给侧结构性改革的不断推进，房地产、互联网金融、信息技术等行业风险进一步锐化，实体经济中各行业盈利水平和偿债能力直接关系到信用衍生主体资产负债表的质量，因此在以间接融资为主导的金融体系背景下，企业经营的不确定性使得金融机构的风险无法避免。尤其在宏观经济下行时，银行机构出于审慎的原则，信用收缩更为明显，进一步加剧了部分企业的财务恶化问题，而整个行业周转率的下降和流动性紧缺最终会回溯打击信用创造主体，实体经济积聚的风险通过信贷违约的形式向银行转移，促使金融机构内部集聚的风险水平升高，而资金的再配置使得金融机构对市场的风险溢出也会增加。因此，本文认为银行是连接实体经济和金融市场的重要枢纽，实体经济将行业风险向银行传递，银行进而对金融市场形成显著的极端风险溢出效应。

股票市场是经济活动的晴雨表，而股票价格是宏观经济运行状况的平面镜，映射出国民经济总体运行的态势。中国股票市场是在计划经济向市场经济转型背景下建立起来的，在发展过程中难免存在制度设计和监管约束等问题，其中诸多因素的叠加导致股票市场不可避免地被赋予了极端风险接受者的属性——诸如行政命令干预、国际游资(International Speculative Fund)投机、投资者“羊群效应”等。

从股票市场国内的资本流动情况来看，我国自然人投资者达99.77%，而投资市值份额也占据了市场投资总额的半壁江山，由于个人投资者往往对市场发布的新信息较为敏感，对于给定的负面信息冲击，投资者的风险厌恶情绪和信息不对称效应会使得“羊群效应”带来的危害进一步放大，加剧市场内部共同的风险暴露。尤其是在危机情况下，市场参与者普遍丧失信心且心理恐慌，单只股票价格的偶然下跌可能会引发投资者大幅抛售相关行业的股票，使得股票价格纷纷脱离基本面“跳水”，从而使得金融市场形成十分显著的极端风险接受效应。从国际资本流动情况来看，国外投资者进入我国股票市场主要有两种方式，一是经由QFII与RQFII向股票市场投资，二是通过沪港通、沪伦通购买股票。2019年6月17日，沪伦通于伦敦交易所正式启动，市场资金的双向开放意味着国内与国际股票市场跨境资本流动的风险联动水平将进一步提升，当外汇市场出现重要的风险事件时，会造成国际游资短期的快速流动(热钱涌入或资本外逃)，对市场价格走势形成冲击，进而产生外汇市场对股票市场单方向的极端风险溢出效应。

受我国政策调控、经济形势变动和板块间风险敞口差异等因素影响，中国金融部门极端风险溢出具有持续、显著的非线性趋势(杨子晖等，2019)。因此，有必要对金融体系内风险溢出效应进行加权有向风险溢出关联网络分析。

表3中三个网络中心性指标描述了各类金融机构与市场的重要性，指标数值越大意味着该机构或市场在关联网络中越具有节点影响力。首先，对于能直接体现节点网络中心水平的度中心性DC，从出度指标看，债券市场、货币市场与银行指标居于前三位，分别为0.1787、0.1689与0.1662；从入度指标看，债券市场的度中心性最高为0.2360，股票市场次之为0.1841，货币市场居于第三位为0.1785。其次，从接近中心性CC以及特征向量中心性EC考察，出度和入度指标中的接近中心性排名虽略有差异，但处于前三位的金融板块均没有发生变动。由此我们得出，网络中心性指标分析的结果与滚动样本均值分析中的结论相一致，这表明极端风险溢出与接受水平高的金融板块在关联网络中往往处于中心枢纽地位，也即金融板块的影响深度与影响广度具有一致性。具体而言，债券市场、银行、货币市场以及股票市场在金融机构与市场构成的关联网络中是具有“信息引爆能力”的重要节点(任晓龙和吕琳媛，2014)，其中银行是重要的风险溢出节点，股票市场是重要的风险接受节点，而债券市场与货币市场既是重要的风险溢出节点，又是重要的风险接受节点。

表3 金融机构与市场关联网络的中心性指标

（二）金融板块间极端风险溢出的时序特征

本文采用滚动分析方法从三个方面考察我国金融体系内风险溢出效应的渐进演变，分别为金融体系总体溢出指数、机构与市场间溢出指数和板块间溢出指数。

1.金融体系总体溢出指数

图2反映了2008年—2019年第一季度我国金融体系极端风险溢出总体水平的动态变化特征。在样本区间内，我国八大金融机构与市场总体溢出指数呈现波动聚集性的特点，围绕均值0.1540进行周期性的上下波动。一方面，风险溢出指数维持在0.068至0.267之间，该数值反映了在MVMQ-CAViaR模型中，两两金融板块在某一时点存在极端风险溢出效应的有向边数量占关联网络中有向边总数的6.8%至26.7%，这反映出不同金融板块间具有一定的风险传染和联动能力，但总体风险溢出水平不高；另一方面，风险溢出指数波动时频快、幅度大，风险溢出水平的峰值超出了期望水平的73.43%①在样本区间内，极端风险溢出水平的最大值为 0.2670，发生于 2010年5月，而样本风险溢出均值为0.1540。，且在不同阶段呈现出多个明显的极大值点，反映出金融体系不同组成元素的深度耦合以及对宏观经济形势变动的敏感性，尤其是受危机等极端事件冲击的影响显著。本文依据波动的周期性将样本期分为以下五个阶段。

第一阶段：2008年—2009上半年。

2007年末，我国经济运行整体处于高位，并且面临着严峻的通货膨胀形势，当年GDP增速达13%，CPI全年上涨4.8%。在实际关联和信息机制双重作用下，不同金融行业间的资金流动愈加频繁，同时投资者盲目乐观的情绪使得本无实际关联的资产脱离价格基本面形成资产价格泡沫。2008年上半年，我国金融体系总体风险溢出指数加速攀升至0.2071，高于均值34.57%，9月份雷曼兄弟宣告破产迅速引爆国际金融危机，全球金融市场严重受挫，国内金融市场也受此冲击而发生动荡，但由于我国资产证券化等业务尚未成熟，加之我国背后1.5万亿美元作支撑的外汇储备和国家随后实施4万亿经济刺激计划，对危机后我国经济的复苏起到了重要作用。与2008年初相比，2009年我国金融体系总体溢出指数反而有动态下降的趋势。

第二阶段：2009年下半年—2012年初。

2009年，我国金融体系得到了一定恢复，股市出现了一轮上涨行情。与此同时，我国金融体系分业经营的整体格局在逐步发生变化，银行、保险和信托等机构开始掀起以法人综合模式和集团综合模式等为代表的混业经营热潮①法人综合模式指同一法人同时操作银行、保险、多元金融中两种或两种以上业务的模式；集团综合模式以资本为纽带，主要是商业银行、保险公司以投资主体的形式跨行业注资或控股其他金融机构，其中代表模式有金融控股公司等。，银银、银信、银证、银保等日益密切的合作使得各金融机构间业务联系更加紧密，金融机构与市场间资金的互动往来也愈加频繁，经济走向繁荣的背后隐藏着金融体系内风险的不断积累，金融机构与市场的风险关联水平开始迅速推升。2009年12月欧洲主权债务危机导致部分发达国家需求骤减，进而限制了我国对欧贸易出口商品总量，外汇、期货等金融市场因此受到极端风险的冲击，这进一步强化了处于高位的风险关联水平。2010年5月6日，美国股市闪电崩盘，这对我国金融体系的风险溢出指数造成了巨大的冲击，板块间极端风险溢出水平显著的比例在短时间内急剧增长。2011年，中国证监会借鉴巴塞尔Ⅲ等国际监管改革成果，颁布了《关于中国银行业实施新监管标准的指导意见》，进一步完善了银行业审慎监管标准，商业银行风险的防控与管理得到了有效改善。可以看出，2011年机构与市场间极端风险溢出水平呈现出波动性回落的态势，也在一定程度上反映了国家宏观政策对金融体系干预调控的有效性。

第三阶段：2012年初—2014年第三季度。

2012年以来，我国宏观经济整体出现下行趋势，为增加资金流动性，央行在传统货币政策上进行反向操作，分别于2月和5月两次调低存款准备金率，并在6月和7月连续两次降息。同时，央行积极推进利率市场化改革，6月8日，首次双向扩大存贷款利率浮动区间，流通于机构与市场间的资金迎来了扩张的新一轮“黄金时期”，但与之相生的是行业内部的风险联动水平进入了又一轮的快速增长周期，接下来2013年5月的“钱荒”事件则将金融体系的极端风险溢出水平推升至阶段内的峰值。在随后的2014年，我国宏观经济整体仍处于下行轨道，然而经济效益并未呈现持续恶化的趋势；相反，随着互联网金融时代的到来，我国宏观经济结构发生了积极的变化，信息和资源配置效率低下的企业逐步被新兴企业代替，过去风险溢出水平高的关联业务被新兴业务逐步取代，流转于金融体系内部的风险得到有效释放。

第四阶段：2014年第四季度—2017年第一季度。

2014年底，受益于政策改革红利，我国市场配资(如融资融券和民间配资等)规模开始快速增大，流转于金融体系的杠杆率水平也居高不下，股票市场表面如日中天的繁荣景象无法掩盖金融体系背后潜在的巨大威胁，越来越多的行业开始持有共同的风险敞口，跨行业交叉传染风险的渠道迅速拓宽，资本市场过剩的流动性和结构的脆弱性暴露无遗。2015年6月，证监会开始清查场外配资，违规杠杆资金的快速撤离导致股票市场价格断崖式下跌，资产泡沫破裂的同时出清了部分累积在金融体系的风险，板块间金融风险溢出水平出现一定程度的下降。随着资本市场的逐步开放，跨境资本流动日益频繁，外汇市场交易量几近可与商品和服务的交易量平分秋色，人民币汇率弹性增强的要求已为大势所趋。同年8月，“8·11汇改”中央行主动放松对中间价的管理，使得人民币接连两日大幅贬值，汇率的跳跃性波动将风险溢出指数再次拉升至阶段性的高位。阶段性的风波过后，行业监管层先后采取两融调整、IPO发行暂缓、救市资金入市、自营不减持等救市措施，从而使得极端风险溢出水平明显下降。2016年6月英国宣布脱欧，外汇和大宗商品贸易市场面临极端风险冲击，金融机构与市场间的风险溢出水平再度出现明显的上升。2017年第一季度，央行在不到三个月内缩表1.1万亿元，金融机构和非金融企业的债务融资增速全面下滑，极端风险溢出水平明显有所回落。

第五阶段：2017年第二季度—2019年第一季度。

2017年第二季度开始，我国宏观经济整体呈现复苏态势，但金融体系仍处于内忧外患之中。一方面，国内金融机构与市场面临着流动性回暖和去杠杆机制并行的矛盾状态，另一方面，美联储加息步伐加快，这使得我国各金融板块受到了不同程度的风险冲击，板块间风险关联水平明显上升。2018年7月20日，证监会出台《资管新规》，银保监会于同日发布了理财新规征求意见稿《商业银行理财业务监督管理办法》，这一系列“严监管”金融政策进一步规范了证券、期货和银行等行业的风险资产管理模式，多层嵌套、刚性兑付和期限错配等问题得到有效控制，风险的时序溢出水平明显回落，表明现阶段我国中央政府强调化解重大金融风险的宏观背景下，去杠杆、稳杠杆和结构性去杠杆等措施的逐步推进取得了明显成效，很好地抑制了金融体系内整体风险水平。

通过上述分析可以发现：首先，纵览近十年来我国经历的若干危机，其中既包括国内经济形势和政策变动带来的影响，也包括国际资本市场变迁与国际金融危机造成的冲击，这些危机事件对金融体系总体溢出指数增长的贡献往往短暂而激烈，表现在风险溢出水平上升过程中斜率更加陡峭，而风险释放往往经历一个动态下降的过程。这表明繁荣时期行业间交易的动态关联和表外业务的相互渗透进程十分活跃，从而风险得以迅速积累，而萧条期间由于现金流短缺、投资者信心不足等因素，滞存于金融板块间的极端风险往往需要国家政策调控等方式逐步化解。其次，结合MVMQ-CAViaR模型矩阵系数反映的经济含义，比较国内事件和国际事件带来的极端风险溢出可知，“股灾”(0.2032)、“8·11”汇改(0.1548)与国际金融危机(0.1402)、欧债危机(0.2144)、美股闪电崩盘(0.2670)等事件带来的极端风险溢出效应没有明显的差异，这表明随着经济全球一体化进程的不断发展，国际事件也可以通过信息溢出或共同风险敞口等渠道和国内金融体系形成联动效应，与国内重要的极端风险事件带来同等效力的影响甚至更强烈的冲击。再次，极端风险的时序传导具有一定的可累加性，这既表现在经济复苏或繁荣时期，新一轮危机在先前处于高位指数的基础上叠加到更高水平，又可能是两危机事件先后爆发的情况，风险溢出水平在多维冲击下得到进一步推升，这将可能导致系统性风险爆发时破坏范围更广、影响程度更深。典型例证有混业经营热潮下爆发的欧债危机(0.2144→0.2509)、信用扩张阶段爆发的“钱荒”(0.1563→0.2086)、“股灾”后接连发生的“8·11”汇改(0.1548→0.2115)。

2.金融机构与市场间溢出指数

在滚动样本均值的实证分析中，我们得出了金融机构对市场的风险溢出水平高于金融市场对机构的溢出的结论。那么在滚动估计分析中是否能得出同样的结论？在整个样本区间内不同时期得出的结论是否一致？现在，我们将进一步研究国内金融机构与市场间的极端风险溢出效应。图3和图4反映了金融机构与市场相互风险溢出和内部风险溢出的时序特征。

观察图3可知，金融机构与市场间存在显著的风险联动特征。整体来看，金融机构对市场的风险溢出效应大多数情况下确实高于反向的溢出效应，这进一步印证了滚动样本均值分析中的结论。即金融机构与市场间的风险溢出关系存在非对称性。但在特定时期，金融市场对金融机构的风险溢出效应反而比金融机构对市场的溢出效应更加强烈，形成金融体系内风险溢出效应的结构性反转。这可能由于金融市场在脆弱状态下会快速积累大量风险，导致金融市场对机构的极端风险溢出指数瞬时上升，最终使得其风险溢出指数超过反方向风险溢出指数。其中，持续最久、代表性最强的事件是2013年6月爆发的“钱荒”。事实上，这是以商业银行为主的金融机构与货币当局针对宏观政策未来走向博弈失败后的结果，银行不断借助同业业务扩大融资和债务规模，杠杆倍数飙升，而央行坚守稳健货币政策的行为警示“去杠杆”已为风向。6月 20日，美联储明确释放退出QE信号，成为同业拆借市场流动性急剧收紧的导火索，银行间质押式隔夜回购利率高达史无前例的30%，7天回购利率峰值逾28%，金融市场对机构的极端风险溢出指数达到0.2997的巅峰。随后，2014年“11超日债”、2015年“股灾”和2016年股票市场熔断机制出台等事件也使得极端风险溢出指数出现了类似的反转。

从图4中可以看出，在多数情况下，金融机构内部的风险溢出效应低于金融市场内部的风险溢出效应。回顾滚动样本均值分析的结果可知，金融市场间风险溢出水平(0.1834)远远高于金融机构间的风险溢出水平(0.1053)，这可以从两个方面来解释。一方面，随着资产支持证券(ABS)、信用违约互换(CDS)等结构化产品的不断创新，低风险的基础头寸(货币、债券市场产品)与高风险的标的资产(外汇、股票市场产品)形成了多元化的投资组合，在流动性充裕的宏观背景下，这类夏普比率(Sharp Ratio)具有比较优势的产品会进一步激发投资者的投资热情，而金融市场间各参与者盘根错节的资金往来大大增加了极端风险传染的概率，形成市场体系内部“一荣俱荣，一损俱损”的局面。另一方面，由于金融市场的流动性来源于金融机构与其他投资者所持有的底层资产，金融子市场在资金配置方面存在一定的竞争关系。在经济形势不景气的背景下，大量资金流会从预期收益率低的行业流向市场中高回报行业，这将导致资金运转业已困难的行业融资成本进一步增加，加强了金融市场间的极端风险溢出效应。更有甚者，金融市场对资本等稀缺资源的恶性竞争可能会带来决策中的“零和博弈”，大大强化了极端风险在金融体系内传染与联动带来的影响。

图5和图6分别展示了金融机构和金融市场接受极端风险溢出的时序特征。通过分析不同时段极端风险溢出效应的动态演化，我们发现，金融机构间的风险溢出对于市场向机构的风险溢出有一定的预测能力，也即金融机构内部风险溢出往往会与一段时间后金融市场对机构风险溢出形成同方向变动，但反之没有类似的效果。本文将金融体系中的极端风险溢出归纳为“风险源头→交易对手风险→流动性风险→系统性风险”四个动态演变过程。具体来讲，风险起源于金融体系中的某个特定板块，多表现为单个金融板块中产品或服务源头的风险，通过实际资金往来或信息溢出等渠道传导至多个交易对手，随后，同一板块内交易对手风险逐步扩散至其他关联的金融板块，通过机构持有的共同风险敞口传染或流动性配置等多重机制进而形成不同机构与市场间的流动性风险，在经历金融体系内的流转与扩散后，流动性风险最终酿成波及整个金融体系的系统性风险，最为严重时可致使国家层面引发风险，如墨西哥金融危机、1997年亚洲金融危机等。起源于金融机构内部的风险往往会向金融体系内不同交易对手扩散，这其中既包括金融机构也包括金融市场，而金融市场也会基于流动性溢价、信用风险溢价等定价机制反过来作用于金融机构的风险溢出效应，但相比于金融机构对自身的风险溢出效应而言，伴随着风险传导过程中的震荡和衰减，金融市场对金融机构的风险溢出效应经历了更为漫长的传导路径。因此，机构自身的风险溢出与市场对机构的风险溢出存在时长不等的滞后效应。

3.八大板块间方向性溢出指数

接下来，本文在金融机构和市场间风险溢出时序特征的基础上，将金融体系进一步细分为金融子机构与金融子市场，以方便进一步识别八个金融板块自身极端风险溢出的时序特征以及不同板块间风险联动特性，图7和图8分别刻画了各金融机构与市场在不同时段的极端风险溢出时序特征。

从单个金融机构或市场来看，各金融板块的极端风险溢出与接受水平受极端情形冲击较为明显，同时其指数波动具有一定的不确定性。对于金融市场，债券市场与股票市场的风险接受水平较高，货币市场与债券市场在金融体系中具有较强的风险联动能力。股票市场受极端情形影响的概率较大，在2010年、2013年和2014年均呈现出幅度较大的波动，相较而言，其风险溢出水平比较平稳，仅在“钱荒”时期产生明显的风险溢出效应；货币市场的极端风险接受指数分别于2009年、2013年初和2015年末出现了三次非常显著的峰值，这表明货币市场是在风险源大面积爆发情况下重要的风险接受场所；债券市场在样本期前三年内的风险接受水平居高不下，风险溢出指数均值高达0.3944，这说明2008年至2010年期间，与债券市场互联的板块中有近40%的债券市场产生了显著的风险溢出效应，反映出该阶段债券市场对外风险吸收能力极强，几乎与各个板块均存在风险联动关系，这与胡颖毅和周嘉伟(2018)的部分结论一致。在随后阶段，债券市场的风险接受水平明显有所回落，以风险接受指数均值为0.1895的水平上下波动；外汇市场的极端风险溢出与接受水平均处于第四位，而其极端风险溢出指数的波动幅度较大，从2015年8月至2016年3月，即“8.11汇改”之后，外汇市场的风险溢出指数迅速上升并达到期间内的最高点0.5155。

对于金融机构，不难看出，单个金融机构风险溢出效应与自身风险接受效应的时序特征最为类似。银行极端风险溢出指数整体上高于其风险接受指数，这与滚动样本均值分析中的结论一致，而银行的极端风险溢出和接受水平在近三年均呈现出波动幅度加大的趋势，其中2018年3月的风险溢出水平高达0.5519；多元金融作为蓬勃发展的朝阳领域和金融创新的汇聚点，较好地满足了实体经济多层次、多元化、多类型的业态需求，其业务涉及军工、石油、金控、创投、券商、信托等多行业和领域，目前其监管水平尚不及银行、保险等机构成熟，在极端事件的冲击下，可能会造成经济政策效果的非预期波动；保险机构的风险溢出与接受水平同样在近期呈现明显上升趋势，风险溢出指数均值从样本前期的0.1425上升到近三年的0.2557，而接受指数均值则从前期的0.1045上升到近三年的0.1365，但在全样本视角下其风险联动能力相对较弱；证券的极端风险的溢出与接受水平不高且波动幅度平稳，但是2015年下半年“股灾”爆发后，其风险溢出水平出现了显著上升。

纵览同一板块不同时期风险溢出水平动向和不同机构与市场间的风险联动效应，可以发现如下几个重要结论。

首先，债券市场对股票市场具有显著的单向风险溢出效应，这是由于投资者行为等因素使得股票与债券的市场价格同向变化(co-movement)。在宏观基本面恶化的情况下，债券市场产品价格顺势下跌，配置债券的预期回报率增加，这会吸引更多风险偏好程度较低的资金流转向债券市场，增加国债等安全资产的比例以规避风险，股票市场资本大量流出使得股价下跌，进而形成债券市场对股票市场的极端风险时序溢出效应，这一类风险溢出效应又称为“flight-to-quality”(Goyenko和Ukhov，2009)。但在股票市场下行的情况下，投资者往往选择跨多个市场套利以优化资源配置和分散组合风险，股票市场对债券市场风险溢出效应并不明显。此外，外汇市场的游资间接影响了国内货币的充裕程度和流动性溢价水平，使得股票市场与债券市场的资产价格同方向变动，从而也形成了债券市场对股票市场的单向风险溢出效应。

其次，保险与银行间具有一定的双向风险溢出关系，这主要由于两个机构间资产的直接关联以及通过资本市场的间接关联形成的风险联动效应。保险公司和银行机构交叉持股与互设分支机构等现象在国内愈发普遍，再加上机构不断进行产品和业务创新(比如，资产证券化通过资产打包将自身风险转嫁至对手交易方)，在很大程度上加强了金融机构间风险溢出与联动效应。另外，基于宏观经济或金融市场的共同冲击也是风险传染机制形成的重要原因。银行和保险的高杠杆特性以及行业的顺周期性使得二者必然会同时受经济波动或“流动性螺旋”等影响，进而形成风险联动效应。事实上，保险和银行间的风险传染效应并非是线性的，而很有可能是网络化的。

再者，货币市场在特定时点对极端风险的接受能力极为突出。2016年以前，我国配套监管措施约束尚不严格，这导致部分非合规或未经授权的金融机构以及其他投资者参与到货币市场中，市场拆入资金动向难以把控。面对较高的社会融资需求，本用于解决流动性临时匮乏的资金被用作信贷放款或中长期投资，使得货币市场资金大量涌入资本市场；同时，出于收益性动机，部分自融资资金还流向资产价格波动水平较高的外汇、股票市场，这无形中增加了货币市场所需承担的极端风险冲击。另外，在资金被长时间占用而不能归位时，资金的错配还将带来货币市场流动性边际调节作用失灵等弊端。

五、结论及政策启示

本文采用MVMQ-CAViaR模型，基于滚动样本均值、金融体系总体溢出指数、机构与市场间溢出指数和板块间溢出指数四个方面，对我国银行、证券、保险和多元金融四类金融机构以及股票市场、货币市场、外汇市场和债券市场四个金融市场极端风险溢出效应进行了研究，通过构造Wald统计量，并结合关联网络分析和历史事件分析等方法，对不同金融板块间风险溢出与联动效应做出进一步分析和检验，有效识别了风险传导的动态演变过程，明确各金融板块在极端风险溢出关联网络中扮演的角色，衡量其系统性重要地位。本文研究的主要结论如下。

第一，在整个样本区间内，我国金融体系总体风险溢出水平不高，溢出指数围绕均值的波动呈现出时频快、幅度大等特点，且在金融危机或经济过热等极端情形下会出现较大幅度的提升，反映出金融体系中的组成元素的深度耦合以及对宏观经济形势变化的敏感性。经进一步分析可以发现：首先，风险溢出指数的增长的趋势往往快于溢出指数下降的趋势；其次，国内风险事件与全球风险事件对金融体系风险溢出的贡献没有显著差异；再次，极端风险溢出效应具有一定的可累加性。

第二，我国金融机构与市场间存在显著的风险联动特征。首先，金融体系极端风险溢出效应具有非对称相依性，金融机构是重要的风险溢出者，而金融市场是重要的风险接受者。其次，极端风险事件会造成金融体系内风险溢出效应的结构性反转。其中，2013年“钱荒”是最为典型的例证。再次，本文经归纳得出，金融体系内极端风险溢出主要经历四个动态演变过程，即“风险源头→交易对手风险→流动性风险→系统性风险”。最后，相较于金融机构对自身的风险溢出效应，金融市场对金融机构的风险溢出效应经历了更为漫长的传导路径，这解释了机构内风险溢出对于市场向机构的风险溢出具有一定的预测能力的原因。

第三，从单个板块的风险溢出效应来看，债券市场、货币市场和股票市场以及银行机构在极端风险溢出关联网络中具有系统重要性。其中，债券与货币市场通过负面的“流动性螺旋”机制构成金融体系的“风险放大器”，是极端风险重要的双向传导者。银行作为连接实体经济和金融市场的重要枢纽，是金融体系中重要的极端风险溢出者，而股票市场也受市场有效性、国际资本流动等影响成为重要的风险接受方。从板块间风险联动效应来看，债券市场对股票市场具有显著的单向风险溢出效应，而保险与银行间由于直接资本关联和间接关联等影响存在双向风险溢出效应，货币市场具有最为突出的极端风险接受能力。

为有效防范系统性金融风险，本文提出以下几点建议。首先，防范系统性金融风险不能仅着眼于金融机构或金融市场，而应该将视野放宽至整个金融体系。引导金融机构与金融市场纳入“双支柱”监管体系，实现有效的逆周期宏观审慎监管，是防范化解我国系统性金融风险、维持金融稳定的关键。其次，尽量弱化由极端风险的滞后效应带来的冲击，抑制风险在各个金融部门间的传染扩散。再次，政策制定者须准确定位金融体系中各板块的系统重要性，充分考虑不同板块间风险溢出水平的变化，实行差异化风险准备金制度，同时严格把控货币市场的资金用途，严防期限错配引发的信用违约风险。最后，相关监管部门需要加强对双向风险溢出水平均上升的银行和保险机构的监管，同时重点关注债券市场与股票市场，形成逐项识别、分类监测以及协同监管的风控体系，同时加强金融机构与金融市场的协同配合，防止资金在金融体系空转，促进风险在整个金融体系均衡分散。