金融壓力的溢出效應研究分析

林萍萍 王煒婷 周倩 浙江理工大學

金融壓力的溢出效應研究分析

林萍萍 王煒婷 周倩 浙江理工大學

隨著經濟全球化的不斷加強，各國經濟聯系日益密切，為更好的防范國際間金融風險的傳遞，大量學者對金融系統性風險的量化及傳遞進行了研究。基于此，本文從銀行市場、債券市場、股票市場及外匯市場中選取相關指標構建14國金融壓力指數用以衡量各國金融壓力狀況，最后構建14個國家的GVAR模型來分析各國金融壓力的溢出效應。

金融壓力 garch模型 GVAR模型

一、金融壓力指數的構建

（一）樣本國家的選取

由于本文主要研究各國金融壓力的溢出效應，為了讓研究更具一般性，應該選取盡可能多的國家，但在具體的操作過程中，限于數據的可得性和完整性，本文選取了澳大利亞、奧地利、加拿大、中國、法國、德國、意大利、日本、韓國、墨西哥、西班牙、瑞士、英國、美國等14個代表國家作為樣本對象進行研究分析。

（二） 金融市場指標的選取

根據所選指標能夠代表該金融市場及數據可得性原則，本文選取了TED利差來代表銀行市場，國債波動率來代表債券市場，股票市場波動率及收益率來代表股票市場，外匯市場波動率來代表外匯市場。

TED利差指3個月銀行間拆借利率與無風險收益率的利差，無風險收益率采用各國長期政府債券利率。債券市場的國債波動率、股票市場的波動率和外匯市場的波動分別選取各國的短期債券利率、股票指數和實際匯率作為原始數據。由于股票市場的收益率與金融壓力成反向關系，因此選取股票市場收益率的相反數作為原始數據。

對所選取的各個金融市場的指標數據，均在對數化后，進行單位根檢驗。單位根結果顯示所有指標數據均在一階差分達到平穩。然后分別再對股票指數、債券利率及實際匯率所得平穩數據建立GARCH（1，1）模型，獲取對應的指標波動率。

以上各個指標都選擇月度數據作為原始數據，時間跨度從1994 年1月到2015年12月，數據均來源于IMF、EIU及wind數據庫。

（三）金融壓力指數的合成

雖然金融壓力指數的合成方法上，本文選取最普遍的等方差權重的方法。假設變量服從正態分布，把各個變量進行標準化后賦予相同的權重，然后再加總成金融壓力指數。

將上面五個變量先進行標準化處理，再將各個變量加總成一個指標，最后，通過，將金融壓力指數折算成0-100的數值。

（四）金融壓力指數特征分析

根據所得的金融壓力指數，可知雖然各國的金融壓力存在較大的差異，但是總體的波動趨勢趨向一致，比如2008年美國次貸危機，各國的金融壓力指數均顯著增加，表明金融壓力較大，系統性風險增加。另外，1997年亞洲金融危機和2010年歐債危機都在一定程度上造成了各國金融壓力指數的增加。以澳大利亞為例，亞洲金融危機時期，澳大利亞的FSI顯著增加，2008年美國次貸危機，FSI達到歷史最高點。

二、金融壓力國際間的傳遞

確定各國的金融壓力指數后，本文以工業生產指數、消費者價格指數、短期利率和金融壓力指數作為分析變量，構建全球向量自回歸模型（GVAR）來分析金融壓力在國際間的溢出效應。模型數據區間為1997年1月到2015年12月，所有數據均在對數化后加入GVAR模型。

（一）實證檢驗及結果分析

1.單位根檢驗

為分析各變量的平穩性，本文采用ADF檢驗方法對各變量進行單位根檢驗，并根據AIC準則確定滯后階數，其次，考慮到模型的穩定性，所有變量的最大滯后階數均確定為2。

單位根檢驗結果顯示，在5%顯著性水平下，FSI在水平狀態下即達到平穩，其余所有變量均在一階差分后達到平穩。

2.協整檢驗

接下來將運用跡檢驗來判斷模型中各變量是否存在協整關系。檢驗結果如表1所示。

表1　協整關系檢驗結果

由檢驗結果可知：在5%的顯著性水平下，各個國家均存在1到4個協整關系，其中澳大利亞、加拿大、德國、瑞士4個國家存在1個協整關系；奧地利、中國、意大利、韓國、墨西哥、英國存在2個協整關系；法國、日本、美國存在3個協整關系；西班牙存在4個協整關系。從協整檢驗結果可知，所構建的GVAR模型在長期中是平穩的。

3.弱外生檢驗

弱外生檢驗結果如下表所示。

表2 弱外生性檢驗結果（顯著性水平5%）

國家　F檢驗　臨界值　金融壓力　實際產出　通貨膨脹　短期利率澳大利亞　F（1,214）　3.885　*8.091　1.264　*7.083　2.975奧地利　F（2,214）　3.038　2.053　*3.794　1.729　2.465加拿大　F（1,209）　3.886　0.046　1.045　2.975　0.481中國　F（2,215）　3.038　0.157　2.205　0.687　0.716法國　F（3,213）　2.647　*3.420　*3.470　0.895　0.285

本文得到浙江省高校人文社會科學重點研究基地浙江理工大學應用經濟學基地資金（2014YJZD07）、浙江理工大學研究生課程建設項目（YKC-Z15032）、浙江理工大學應用經濟學基地創新基金項目（2015YJCX26）的資助。

德國　F（1,215）　3.885　1.375　*5.305　1.421　0.119意大利　F（2,214）　3.038　0.290　0.351　1.585　1.476日本　F（3,214）　2.647　*2.666　2.260　0.594　0.318韓國　F（2,214）　3.038　0.101　2.502　0.997　*3.176墨西哥　F（2,208）　3.039　0.548　0.202　2.136　0.301西班牙　F（4,212）　2.414　*2.439　1.162　0.459　1.862瑞士　F（1,216）　3.885　0.332　0.028　0.644　0.004英國　F（2,214）　3.038　0.525　0.228　4.867　0.095美國　F（3,214）　2.647　*3.847　0.594　1.311　0.565

由檢驗結果可知，澳大利亞、法國、日本、西班牙、美國的金融壓力指數，奧地利、法國、德國的實際產出，澳大利亞的通貨膨脹，韓國的短期利率沒有通過弱外生檢驗外，其余的變量均通過弱外生性檢驗，即弱外生變量對模型中其他變量有長期影響，而模型中其他變量對這些弱外生變量沒有明顯的長期影響。

4.基于脈沖響應函數的分析

本文采用脈沖響應函數的方法進行分析，即在GVAR模型中，對某個變量施加一個標準差的沖擊，從動態的角度分析各國經濟的變化。為了研究金融壓力的溢出效應，本文選取美國金融壓力的沖擊對各國金融壓力的影響及中國金融壓力的沖擊對各國金融壓力的影響。

（1）美國金融壓力沖擊對各國金融壓力的影響

從脈沖響應結果可知，美國金融壓力增加各國金融壓力普遍增加，其特點主要可以從滯后時間、影響程度、影響時間三個方面來分析。在滯后時間上，除了韓國在第16個月達到最大值，其他所有國家的影響都在10個月內達到最大值，其中英國、奧地利、日本、澳大利亞、瑞士在兩個月內達到了最大值。

從影響程度上來看，首先是對美國自己的影響最大達到2.1個百分點，其次對法國、西班牙、日本的影響最大，分別為0.6、0.5、0.53個百分點，影響最小的是韓國0.06個百分點。從持續時間來看，大多數國家在36個月后趨于水平，但韓國、日本、墨西哥在16個月已趨于水平。從實證結果可以可得，美國的金融壓力沖擊對西方國家的影響總體要大于對東方國家的影響，而在東方國家的當中，對日本的影響尤為突出。即一國金融壓力的溢出效應，對地理位置更近和對經濟往來密切的國家的影響更大。

（2）中國金融壓力沖擊對各國金融壓力的影響

從脈沖響應結果圖中可以看出，中國金融壓力沖擊對其他各國金融壓力的影響迅速，但影響時間較短。除澳大利亞在16個月時達到金融壓力最大值，其他各個國家均在4個月內達到了最大值，影響時間除德國在28個月內趨于水平其他國家均在16個月內趨于水平。從

影響程度來說，影響最大的是中國達到2.57個百分點，影響最大的是奧地利和加拿大，分別為0.19和0.17個百分點。將中國金融壓力的溢出效應與美國金融壓力的溢出效應的對比中可以看出，中美兩國均為經濟大國，而作為發達國家的美國的金融壓力的溢出效應明顯更強并且持續時間更久。

三、結論

從以上的分析中總體可知如下的結論：第一，金融壓力指數與金融系統性風險變化趨勢非常吻合，系統性風險越高金融壓力指數越大；第二，金融壓力會通過溢出效應傳遞到其他國家，并且具有區域性，相距越近的國家，金融壓力傳遞更快，影響更大；第三，發達國家金融壓力的沖擊對其他國家金融壓力的影響比發展中國家金融壓力沖擊對其他國家的影響要更大，更持久。

［1］ Frankie Chau ， Rataporn Deesomsak. Does linkage fuel the fire？ The transmission of financial stress across the markets［M］. International Review of Financial Analysis，2014（36）：57-70.

［2］George Apostolakis， Athanasios P. Papadopoulos. Financial stress spillovers in advanced economies［M］. Journal of International Financial Markets， Institutions & Money，2014（32）.

［3］ Jonas Dovern， Bj?rn van Roye. International transmission and business-cycle effects offinancial stress［M］. Journal of Financial Stability，2014（13）：1-17.

［4］李良松.構建中國金融壓力指數探析［J］.上海金融，2011（8）.

［5］賴娟、呂江林.基于金融壓力指數的金融系統性風險的測度.統計與決策［J］.2010（19）.

［6］鄭桂環.金融壓力指數的構建及應用［J］.金融發展，2014（8）.

［7］董凱.金融系統性風險的國際傳遞及其影響［M］.吉林大學，2015.

［8］鄭川輝.外部金融壓力沖擊對中國宏觀經濟的影響——基于GVAR的分析［M］.華僑大學（2015）