歐元區主權債務風險蔓延實證分析

梁 茹

(天津商業大學，天津 300134)

一、國際金融危機蔓延相關理論

在2008—2009年的全球金融危機中，歐洲經濟遭遇嚴重的財政問題。在之后的幾年里，由于限制財政的政策，歐洲經濟增速有所放緩。歐元區國家如果不進行結構改革，將面臨長期債務可持續性風險不斷增加的事實。因此自金融危機爆發以來，由于對歐元區國家財政收支狀況不斷惡化的擔心以及對其在歐洲范圍內蔓延的恐懼，市場要求主權風險的溢價不斷增長。本文將用實證證明是否此種擔心加劇了金融恐慌的蔓延。

從理論上說，對國際金融危機蔓延的恐懼多產生在一個多樣化產品能通過自我調整實現平衡的市場中。因為在這種情況下，宏觀經濟基本面一般情況下既不能強大到可以防止市場投機性攻擊，另一方面也沒有脆弱到使某種投機性攻擊完全不可避免。因此，正如2009年底的希臘債務事件，揭示某一個國家擁有不良債務這個行為本身可能會突然減弱投資者的信心。最終，投資者對這種預期的轉變可能會導致市場價格通過自我調整來實現跨國投資組合的再次平衡。Obstfeld(1996)和Masson(1999)兩位學者曾提供了理論基礎來支持這些結論。

Forbes和Rigobon(2002)對由于金融危機導致的恐慌蔓延以及正常情況下市場通過相互依賴作用產生的影響進行了區分。這種分類已成為金融恐慌蔓延研究的焦點，如Corsett和Candelon(2005)等人的研究。Kaminsky和Reinhart(2000)認為，當普通沖擊下金融市場通過相互依賴作用產生影響的渠道不存在或者被完全控制時，真正的金融恐慌蔓延才會蔓延。Pesaran和Pick(2007)首次推出一個恐懼蔓延規范模型(PP模型)來識別相互依存下的傳染效應，本文即采用此模型來測試歐洲主權債券市場的金融恐慌蔓延，并對此模型在兩個方向上進行了延伸。首先，為了確定金融蔓延的傳導方向，在模型中加入了陷入債券市場困境國家的某些具體指標。其次，使用風險價值(VAR)的方法將一個主權市場的信貸事件確定為市場的波動性函數，因為收益率溢價具有條件異方差性，“極端事件”隨著時間的變化而變化，溢價波動的時間序列性便顯得非常重要，因為在金融危機期間波動上升足以扭曲已經建立好的跨國的金融蔓延聯系模型(Forbes ＆ Rigobon，2002)。

二、經典蔓延模型

以下為兩個主權債券市場收益率溢價的聯立方程組，yi，t指的是 t時刻國家 i，i=1，2，……N 的主權債券收益率溢價:

gt是可以捕捉的全球金融市場范圍內市場相互依賴的影響因素，si，t指的是特定國家的回歸因素。變量 Cj，t是一個二進制指標，Cj，t在一個信用事件j國家主權債券市場的值為1，其他市場為0(J∈希臘，愛爾蘭，意大利，葡萄牙，西班牙 j≠ i)。殘差 ui，t，標準差為 0，方差為，并且在信息集Ft－1中取值，Ft－1是以v為自由度的學生T分布。金融市場范圍內不能捕捉到的影響因素可能具有非零殘差相關性。

事實上，一個主權國家的信用事件通常被定義為一個主權國家債務加重、債務暫?；騻鶆罩亟M。但是，這些事件在現實中很少出現，因此，我們給償債困難賦予一個更廣泛的定義，即一個遇到困難的主權債券市場，主權債券的收益率溢價以一個極低概率超過臨界值:

危機指標Cj，t是內生的，因此，最小二乘法采用單方程工具變量的方法提供一個有偏估計的參數估計模型。本文使用異方差和自相關一致(HAC)以及二階最小二乘法進行估計。在余下的n–1個國家債券市場中，滯后因變量用來作為內生信貸事件指標。Kelejian(1971)認為，由于Cj，t是一個非線性函數，其近似值可以通過改善自由度為d來近似估計，因此，本文的報告估計中使用d=3。

三、信貸事件的識別

其中，F是學生T分布。因此，Cj，t指標給出了t時刻下p條件下的VAR值。

為了估計公式(4)，制定了一個輔助模型——條件均值方程，因為只有在這種情況下，信貸事件指標Cj，t還未被識別。為盡量減少由于變量減少、結構變化、參數不確定帶來的誤差，Lumsdaine和Ng在1999年提出了一個均值方程ARMA－GARCH模型。同樣，h取不同的值時，剩下的T－h個變量中采用從第h+1個開始可以觀察到的變量 gt，sj，t，yj，t－1……yj，t－p對 yi，t進行遞歸估計，可以得到以下遞歸的殘差公式:

在第二步驟中，一個輔助模型估計:

其中，wj＞ 0，θj，kj≥0 并且 θj+kj＜ 1。

四、實證結果

本文采用數據庫中從2006年1月31日到2012年2月1日10個國家(奧地利、比利時、芬蘭、法國、希臘、愛爾蘭、意大利、荷蘭、葡萄牙、西班牙)10年期主權債券與德國政府債券到期收益率之間的差價。市場風險偏好和不確定性在主權風險的決定因素中起到了重要作用。因此，本文采取3個月歐元銀行同業拆息利率(EURIBOR)以及德國國庫券收益率之間的滯后收益率作為歐洲的風險溢價，并且使用對數差分的歐洲恐慌指數(VSTOXX)。歐洲恐慌指數是一個基于歐洲50波動指數(EURO STOXX 50)實時期權價格來進行市場預期的前瞻性措施。本文加入以歐元計值的滯后股市回報，并使用五階自回歸來控制自相關性和一周以內的交易模式的變化(Forbes＆ Rigobon 2002年)。

Longstaff(2010)曾強調在2008年早期美國次貸危機就已經發展成為全球性的金融危機。因此，本文估計使用500個交易日的信貸事件指標來作提前一期預測的1%的VAR。這導致從2008年1月1日至2011年2月1日之間樣本容量T=1067的一個預測區間。本文選擇數年之久的樣本一方面可以提高預測的有效性，另一方面可以得到一系列VAR預測值，還能減輕樣本選擇偏差造成的在最近幾年里長時間的高波動性。

由表1顯示的單方程HAC－2SLS規范的參數估計蔓延模型可以發現，在交易周內收益率溢價是持久性的。本文也證實了Baek等人認為的市場的風險偏好是主權風險不確定性上升的重要決定因素。因為在不確定的歐洲市場導致了顯著的利差擴大，這一發現支持了自我實現的危機的觀點，即投資者對不良預期的經濟狀態往往反應過度。然而，普通的違約率因素對收益率波動的影響卻沒有那么顯著。此外，荷蘭的債券市場構成有趣的案例，因為對違約風險的不利反應成為對不確定性的避風港。愛爾蘭和葡萄牙等國上升的股票收益替代了債券與股票，而在主權信用評級較高的奧地利、芬蘭、法國、荷蘭等國則導致了更高的債券回報。

表1中的結果顯示，歐元區主權收益利差在歐洲五國做出了明顯反應超越了全球市場的互動因素的影響。反應明顯的是希臘、愛爾蘭、葡萄牙，而意大利和西班牙將傳染控制在一個較小范圍內。希臘對比利時、法國、葡萄牙、西班牙發揮了最強傳染效應。同時我們發現愛爾蘭和葡萄牙對希臘有著更強大的傳染效應，西班牙對意大利也是如此。值得注意的是，核心歐元區經濟體廣泛受到影響，而比利時最受沖擊。然而，危機蔓延的影響，從歐洲周邊到核心區比從歐洲五國出發的影響要溫和 得多。

表1 金融恐慌蔓延的參數估計模型

表1中，參數αi指的是自回歸系數，βRP指的是3月期歐元同業拆借利率以及德國債券之間滯后收益的判別系數，βVS指的是歐洲恐慌指數的判別系數，γ指的是特定國家滯后股市的系數返回，δi指的是蔓延系數。HAC標準差在括號里，顯著性是95%，是最后一列J－statistic。

表2 廣義自回歸條件異方差模型的回歸結果

Freq分析結果，JUC是無覆蓋的統計結果，Jino是獨立的統計結果，JCC是P值下的有條件覆蓋結果。所有的統計計算都考慮五個矩條件，都已取得良好的數據統計結果(見表2)。

大量統計檢驗都可以用來對估計模型進行評估。表1的最后一列J統計報告提供了一個聯合測試。在零假設下該模型是正確的，測試的零假設統計量漸近χ2分布，自由度等于過度識別矩條件的數目。所有檢驗統計量的p值都接近1，表明在95%的顯著性條件下不能拒絕零假設。此外，驗證了VAR風險規范模型。

表2列出了基于廣義矩方法(GMM)的統計數據，這是針對小樣本的誤差和強大的模型誤差風險。第二列VaR的違規行為與樣本大小的比例顯示了VaR的估計頻率。提供J統計量為無條件覆蓋假設JUC，持有其發生的概率，事后觀察超過VaR的預測等于覆蓋率P，JCC是P值下的有條件覆蓋統計數據，必須是獨立同分布在兩個不同的日期，觀察到的風險值侵犯的隨機變量，J－統計量的條件覆蓋假設JCC是對UC和IND的聯合測試。總信貸事件的數量是接近真實的報道概率對所有國家的1%。這一結果與J－統計量結論說明波動率模型是很顯著成立的。在95%的顯著性水平上，不能拒絕零假設，即風險值預測正確的UC，估計信貸事件指標Cj，t是獨立同分布序列，這意味著有風險值預測提供有效的信用事件的指標。

五、結論

本文研究了2008—2012年之間歐元區主權風險的蔓延，詳細介紹了由Pesaran和Pick(2007)提出的典型傳染模型，明確了信貸危機的定義和測量，并且認為信貸事件來自隨時間變化的金融市場波動性指標。在對歐元區的主權收益率差進行實證分析之后，發現全球信貸危機爆發以來存在著顯著的跨境蔓延。

[1]Pesaran，M.H.，Pick，A.Econometric Issues in the Analysis of Contagion[J].Journal of Economic Dynamics and Control.2007(31):1245－1277.

[2]Obstfeld，M.Models of Currency Crises with Selffulfilling Features[J].European Economic Review，1996(40):1037－1047.

[3]Forbes，K.J.，Rigobon，R.No Contagion，Only Interdependence:Measuring Stockmarket Comovements[J].Journal of Finance，2002(57):2223 －2261.

[4]Candelon，B.，Hecq，A.，Verschoor，W.F.C.Measuring Common Cyclical Features During Financial Turmoil:Evidence of Interdependence Not Contagion[J].Journal of International Money and Finance，2005(24):1317－1334.

[5]Christoffersen，P.，Hahn，J.，Inoue，A.Testing and Comparing Value－at－ riskmeasures[J].Journal of Empirical Finance 2001(8):325－342.

[6]Corsetti，G.，Pericoli，M.，Sbracia，M.Some Contagion，Some Interdependence:More Pitfalls in Tests of Financial Contagion[J].Journal of International Money and Finance，2005(24):1177－1199.

[7]Candelon，B.，Colletaz，G.，Hurlin，C..Tokpavi，S.Backtesting Value－at－risk:A GMM Durationbased Test[J].Journal of Financial Econometrics，2011(9):314－343.

[8]Kaminsky，G.L.，Reinhart，C.M.On Crises，Contagion，and Confusion[J].Journal of International Economics，2000(51):145－168.

[9]Kelejian，H.H.Two－ stage Least Squares and Econometric Systems Linear In Parameters but Nonlinear in the Endogenous Variables[J].Journal of the American Statistical Association，1971(66):373 －374.

[10]Longstaff，E.A.The Subprime Credit Crisis and Contagion in Financial Markets[J].Journal of Financial Economics，2010(97):436－450.