金融市場對證券業系統性風險的溢出效應研究

李 婷，廖 昕

（上海理工大學管理學院，上海 200093）

一、引言

據證券業協會統計，截至2019 年底，我國已經注冊的證券機構有133 家，資產規模達6.14 萬億元，凈資產規模為2.02 萬億元。但目前資本市場仍是我國金融體系的短板，習近平總書記在十九屆四中全會中指出，“加強資本市場基礎制度建設，健全具有高度適應性、競爭力、普惠性的現代金融體系，有效防范化解金融風險”。隨著資本市場在我國現代化經濟體系的地位和作用的不斷提高，對證券業的發展也提出了更高的要求。與此同時，證券業在我國金融市場中的地位也越來越重要，與其他金融行業的關聯性逐步加強。因此為了更好地控制我國金融體系的系統性風險，有必要對證券業的系統性風險進行研究。

在我國金融體系系統性風險的相關研究中，大量文獻關注的是銀行業的系統性風險，以及不同金融行業間的系統性風險溢出效應，對于證券業系統性風險的研究相對較少。曹源芳和蔡則祥（2015）[1]通過時變CoVaR 模型分別得到了證券業和銀行業的系統性風險，對比發現證券業的系統性風險小于銀行業。佘笑荷等（2019）[2]基于尾部相依視角，建立了多種類型的Vine Copula 模型對證券業系統性風險進行度量。而在證券業與其他相關行業的風險溢出方面，沈悅等（2014）[3]建立了GARCH-Copula-CoVaR拓展模型測度了銀行、保險、證券和信托對金融業的系統性風險貢獻程度，以及它們之間的風險溢出程度。楊揚和徐匯（2018）[4]則基于靜態、動態CoVaR模型研究了銀行、證券、保險三個子系統間的風險傳導和溢出效應。楊子暉等（2018）[5]基于VaR、MES、CoVaR 以及△CoVaR 四種測度，對我國金融風險跨部門傳染進行了研究，發現房地產和證券部門在“熔斷機制”事件中會成為風險傳染的網絡中心。李政等（2019）[6]通過采用上行和下行△CoES 指標研究了我國證券、銀行、保險三個行業間的系統性風險溢出效應，并指出證券業是系統性風險的主要接收者。

已有文獻研究了證券業的系統性風險，以及其與相關行業之間的風險溢出關系，但并未考慮金融市場對證券業的溢出效應。而從我國金融體系的運行實踐來看，證券業作為金融體系運行中不可或缺的一環，其風險狀況不僅會受到證券業內部機構風險的影響，也會被其他金融子市場的風險所傳染。尤其隨著我國利率市場化、匯率市場化等金融自由化程度的加速推進，金融機構之間通過股票市場、貨幣市場、債券市場等相互持有資產和負債，這使得中國的股票市場、貨幣市場、債券市場、外匯市場與證券業之間的聯系更加緊密。因此，有必要將證券業納入包含金融市場在內的金融體系下，不僅研究證券業內部的關聯性，還考慮金融市場對證券業系統性風險的溢出效應。

另外，國際經驗和大量研究表明，房地產價格和房地產信貸是影響金融體系穩定的重要因素。白鶴祥等（2020）[7]指出房地產市場通過房價上漲與信貸擴張相互作用的風險累積、房價下跌后的跨部門風險溢出和基于雙邊債權結構的金融機構間風險傳染這三個階段將風險傳導至金融市場。而自從1998 年中國啟動住房制度改革以來，中國房地產市場在獲得長足發展的同時，房地產信貸規模持續擴張，與金融市場的聯系愈發密切，從而也為證券業系統性風險帶來隱患。這表明，在研究金融市場對證券業系統性風險的溢出效應時，房地產市場作為重要的風險源不可忽略。因此，本文參考方意等（2018）[8]的研究，在引入股票、貨幣、債券、外匯四個金融子市場以及房地產市場作為風險源因素的基礎上，考察證券業系統性風險情況，并進一步對比研究不同金融子市場對證券業系統性風險的溢出效應，為更好地防范和監管證券業系統性風險，提高我國證券業抗風險能力提供量化參考。

二、研究模型與方法

（一）證券業系統性風險度量模型

為了研究金融市場對證券業系統性風險的變化，本文參考方意等（2018）[8]的研究，在Adrian 和Brunnermeier（2016）[9]所提出的CoVaR 模型基礎上，加入各類金融市場收益率作為狀態變量進行改進。首先，以證券業系統損失率（Systemt，為收益率的負值）為被解釋變量，以單家證券機構損失率（Xi，t，為收益率的負值）為解釋變量，在q%分位數水平下構建分位數回歸模型。具體形式為：

其中，Mk，t為第k 類市場的基本狀態變量，k∈{1，2，3，4，5}，分別指代股票市場、貨幣市場、債券市場、外匯市場4 個金融子市場和房地產市場。i 指代第i 個證券機構。

其中，符號“∧”表示估計之后的參數值。

在測度金融市場對證券業系統性風險的溢出效應時，本文借鑒方意等（2018）[8]的研究，以金融子市場及房地產市場k 的基本狀態變量為被解釋變量，以常數項為解釋變量進行分位數回歸，并選擇120 個交易日（約半年）為固定窗口實現動態化，得到金融市場及房地產市場的風險狀態變量將單家證券機構的風險值以及單個市場的風險狀態變量代入式（2），可以得到納入金融市場及房地產市場風險狀態變量后的證券業條件在險價值：

借鑒方意等（2018）[8]、Adrian 和Brunnermeier（2016）[9]，以單家證券機構的資產市值（Ai，t）占比為權重對證券機構對證券業系統性風險的貢獻度進行加權平均，最后得到考慮了證券機構相對規模效應的證券業系統性風險

（二）單個金融子市場溢出效應的度量模型

當某個金融子市場或房地產市場和單家證券機構均處于風險狀態時，證券業系統性金融風險值可表示為：

類似地，當單個市場和單家證券機構由正常狀態轉化為風險狀態時，其對證券業系統性風險會產生溢出效應，該溢出效應可表示為：

進一步通過市值加權，可得單個金融子市場或房地產市場對證券業系統性風險的溢出效應為：

三、數據來源與變量說明

（一）數據來源

本文選取了八家在A 股上市的證券公司收盤價作為研究樣本。為了充分研究近年來發展迅猛的證券公司對證券業的影響，本文選擇了市值規模在2019 年度排名前列的八家公司，具體為：01 中信證券，02 國泰君安，03 海通證券，04 華泰證券，05 廣發證券，06 招商證券，07 申萬宏源證券，08 國信證券。樣本期間為2015 年7 月1 日至2020 年6 月30日，共1 217 個交易日。樣本數據來源于Wind 數據庫。

（二）變量說明及描述性統計分析

為研究樣本證券公司的系統性金融風險及其溢出效應，本文選取單個證券公司損失率和證券業系統損失率 為因變量。由于本文研究的是股票市場、貨幣市場、債券市場、外匯市場四個金融子市場以及房地產市場對證券業的溢出效應，因此選取這五個市場的代表性數據作為狀態變量，度量證券業的系統性風險及其溢出效應，具體指標（見表1）。關于樣本選取頻率，單個證券公司損失率、證券業系統損失率以及不同市場的狀態變量均為日頻。另外，本文中的正常狀態和風險狀態分別是50%分位數水平和95%分位數水平。

表1 指標變量的選取

表2 給出了八大證券公司以及證券業損失率序列的描述性統計。從中可知，各家證券公司及證券業損失率序列的均值均在0 附近波動，且都大于0。標準差在2.5 附近左右波動，損失率序列的峰度均大于3，即正態分布的峰度值，呈現出典型的“尖峰厚尾”的分布特征。表3 是4 個金融子市場以及房地產市場損失率的描述性統計，從平均值來看，5個市場中，只有股票市場的損失率為正值，其余3個金融子市場和房地產市場的損失率均為負值，這說明股票市場自2015 年由牛市轉入熊市以來，整體較為疲軟，有微弱的虧損狀況，而其他3 個金融子市場和房地產市場整體來看都略有盈利。從標準差來看，貨幣市場損失率波動最為顯著，外匯市場波動最小，這一點同樣也可以從最大值、最小值的數據看出。另外，金融市場損失率同樣也呈現出了“尖峰厚尾”的特征。

表2 各家證券公司損失率的描述性統計

表3 金融市場和房地產市場損失率的描述性統計

四、實證結果分析

（一）證券業系統性風險溢出效應分析

表4 分別在4 個金融子市場和房地產市場均處于風險狀態下以及單個市場處于風險狀態下，給出了單家證券公司對證券業系統性風險的溢出效應平均值。通過市值加權進一步對應得到了金融市場和房地產市場對證券業系統性風險的溢出效應平均值。由表4 可知，證券業系統性風險溢出效應為0.017 4，說明當四個金融子市場和房地產市場風險狀態的同時改變會加劇證券業整體系統性風險。但在金融市場和房地產市場風險狀態同時改變時，中信證券和海通證券對證券業系統性風險的貢獻度呈現負向。考慮到中信證券在發展過程中，一直在通過收購合并擴大其運營規模，而海通證券是目前我國證券業國際業務的領頭羊，參考我國中國人民銀行、中國銀行保險監督管理委員會和中國證券監督管理委員會在2018 年末聯合發布的《關于完善系統重要性金融機構監管的指導意見》，中信證券和海通證券已經可以被認為是“系統重要性金融機構”。因此本文認為這兩家證券公司的風險變化有預警作用，一旦機構風險波動變化情況有所增強時，受到其預警作用的影響，更容易引起整個證券業的關注，監管機構相應加強風險監管，因此整個證券業的風險波動反而會有所減小。

對于單個金融子市場，股票市場、貨幣市場、債券市場和外匯市場對證券業系統性風險的溢出效應均為負值。其中外匯市場的負向溢出效應最為明顯，從表4 可以看出這是由于海通證券的系統性風險溢出效應最為明顯所引起。如前文所述，海通證券作為我國證券業國際業務的領頭羊，其國際業務目前已經成為公司的重要收入來源，風險管理經驗豐富，所以在外匯市場風險狀態發生變化時，海通證券相比于其他證券公司更能夠降低證券業系統性風險。而房地產市場的風險狀態改變對證券業系統性風險的溢出效應為正，這可能是因為當房地產市場風險由于房價波動與供需不平衡出現大幅波動時，投資者會由于替代效應，選擇其他理財產品進行投資，而證券機構作為中間機構，其業務規模以及產品種類會相應地增加，從而導致證券機構系統性風險水平的加劇。

表4 證券業系統性風險溢出效應均值

（二）金融市場對證券業系統性風險溢出效應的渠道分析

根據式（7）可知，單個金融子市場對證券公司的溢出效應可從金融子市場自身風險單家證券公司風險對金融子市場的敏感性以及金融子市場對證券業系統性風險的信息溢出渠道三個渠道進行分析。

1.金融市場自身風險的變化狀況分析。圖1 給出了四個金融子市場和房地產市場的風險值在2015—2020 年期間，我國債券市場和外匯市場風險控制較好，風險波動幾乎為0。這主要是因為我國債券市場以安全性高和流動性強的債券為主，例如國債和金融債，所以債券市場的運行較為平穩。又由于我國外匯市場實行的是有管理的浮動匯率制度，國際投資業務尚未成為體系，所以風險控制情況良好，風險波動微弱。股票市場和房地產市場的風險波動則較小，且在2015 年后，風險波動日益收縮，由此表明我國在2015 年的股市危機之后，金融風險監管工作有所成效。風險波動最大的市場為貨幣市場，隨著我國金融市場的不斷開放，利率市場化的不斷完善，貨幣市場的傳導機制不斷暢通，我國貨幣市場利率受到國內外經濟環境的影響也越來越大。尤其在2016 年之后，受到英國脫歐、中美貿易摩擦、新冠疫情等突發事情的影響，我國貨幣市場風險波動愈發加劇。

圖1 金融子市場及房地產市場自身風險變化圖

2.單家證券公司風險對金融市場的敏感性分析。單家證券公司風險對金融市場的敏感性可由計算得到，反映了證券公司風險狀態隨單個金融子市場風險狀態變化而變化的程度，k沂{1，2，3，4，5}。表5 給出了當單個金融子市場及房地產市場風險狀態改變時對證券公司風險狀態的平均變化程度，可以看到，四個金融子市場及房地產市場對單家證券公司風險的影響均為負。這說明，當四個金融子市場和房地產市場風險波動狀況加強時，證券公司的風險波動狀況反而會有所減弱，其中單家證券公司對股票市場的敏感性最強。本文認為，金融市場對證券機構具有一定的信號作用，其風險波動預警著整個資本市場的風險變化，此時證券公司會通過調整業務和資產結構主動控制風險，從而降低風險波動。

表5 單家證券公司風險對金融市場的敏感性—均值

表5 單家證券公司風險對金融市場的敏感性—均值

表6 金融市場風險波動對溢出效應的影響——均值

表6 金融市場風險波動對溢出效應的影響——均值

五、結論與政策啟示

討論金融市場對我國證券業系統性金融風險溢出效應，可以幫助理解證券業系統性風險的生成，進一步穩定我國金融市場。本文以中信證券、國泰君安等八家上市證券機構為研究對象，借鑒方意等（2018）[8]的方法，將股票、貨幣、債券、外匯四個金融子市場以及房地產市場納入條件在險價值模型（CoVaR 模型），分析了金融市場對我國證券業系統性風險的溢出效應。研究發現：（1）股票市場、貨幣市場、債券市場和外匯市場對證券業系統性風險具有負向的溢出效應，而房地產市場則對證券業系統性風險有正向的溢出效應。（2）在金融市場對證券業系統性風險溢出效應的傳導渠道中：貨幣市場風險波動最大；單家證券公司風險對股票市場風險狀態變化的敏感性最強；相比于房地產市場，股票市場、貨幣市場、債券市場和外匯市場四個金融子市場豐富的信息量對證券業系統性風險的溢出效應能產生更多的影響。

針對所得結論，并結合我國發展現狀，本文提出如下建議：

（1）管理證券業系統性風險可以考慮從金融市場入手。監管部門在關注證券業內部風險傳染效應的同時，還應同時注意金融市場以及房地產市場的風險動向，尤其是房地產市場的風險變化，以便從源頭降低證券業的系統性風險。

（2）要持續關注證券公司的風險情況。對資產規模、業務關聯性等方面的監管要做到及時且全面，并且要針對突出業務做到重點防控，例如海通證券的國際業務。對證券公司違規操作、逃避監管等情況要積極引導，提高我國證券公司的專業性，改善其公司治理的不健全問題，規范證券公司在公司治理、內部控制、風險管理等制度安排，提高證券公司的抗風險能力。