陳宇璘,劉谷金
(1.湖南大學,湖南 長沙,410082;2.湖南科技大學,湖南 湘潭,411101)
21世紀以來突發公共衛生事件對全球經濟發展及社會帶來了極大的不穩定性。目前我國經濟已經恢復了平穩運行并具有較好的未來預期,這與我國所提出的諸多政策密不可分。本文擬借鑒金融壓力指數構建方式來衡量各金融部門風險水平,利用TVP-SV-VAR模型對股票市場、外匯市場、銀行業、債券市場、房地產市場的金融風險溢出效應進行研究。
結合我國金融市場中各部分的重要程度,選取股票市場、外匯市場、銀行業、債券市場、房地產市場作為研究對象。參考Illing和Liu,張晶和高晴,梁琪、劉精山和王睿的研究[1~3],選取能夠基本反映金融市場不確定性的變動以及風險溢價波動的指標,且指標間具有一定的互補性及相關性。最終選取5個市場12個指標,指標具體內容及相關解釋如表1所示。

表1 金融風險指標選取及其解釋
本文將依據CRITIC方法,考慮指標的變異性及不同指標的影響方向設定各指標的權重,各指標權重的計算公式為ωj為權重,σj為標準差,rij為i與j間相關系數。
根據中華人民共和國國家衛健委網站內疫情通報文件,將樣本區間定為2020年1月16日至2021年1月16日,頻率為日頻,共242個數據。本文所有金融數據來自國泰安數據庫和WIND數據庫,疫情相關數據來自OWID數據庫及衛健委網站。
本文通過Eviews中的ADF方法來對數據進行平穩性檢驗。平穩性檢驗結果如表2所示。平穩性結果表明,各數據均在1%的顯著性水平下。

表2 ADF平穩性檢驗
依據Nakajiam,假設參數的先驗分布服從Gamma分 布Γ(40,0.02)(40,0.02)。且將參數的初始值假定為μβ0=μα0=μh0=0,∑β0=∑α0=∑h0=10×I[4]。為了準確估計后驗分布,本文利用MCMC模擬運行了10 000次,其中前1 000次為預燒期,參數估計結果如表3所示。

表3 TVP-SV-VAR模型參數估計結果
由表3中Geweke統計量得出1 000次的預燒期能夠使得模型的參數收斂于后驗分布。由無效因子數據可知,本文對模型參數的模擬估計是有效的。
選取滯后1期、4期以及8期作為短、中、長期的代表來模擬各市場風險間的脈沖響應關系。通過圖形中脈沖響應數值大小及變化幅度,選取對各市場影響相對較大及變化明顯的幾個市場進行具體分析。動加劇風險高漲,在經濟不確定性較大的情況下,機構往往會增配收益穩定的債權資產,債券市場內理性資產增多造成風險降低。另一方面,一年間央行不斷釋放流動性,同樣帶動債市增強。
從圖1可以看出,股票市場對各市場的沖擊均較大,在疫情暴發后對外匯市場均為正向沖擊,對銀行部門以及房地產市場的影響呈波動狀態,對債券市場的影響基本為負向。疫情暴發對我國的進出口企業造成巨大沖擊,受疫情影響股市波
從圖2可以看到,銀行部門對其余市場的影響較大,在3月對各市場沖擊最大。在3月左右,發布諸如定向降準、再貸款、延期還本付息等政策,主動向各市場減費讓利來緩解各市場所承受的風險。10月其余部門以正向壓力風險居多,10月期間人民幣對美元匯率繼續升高波動幅度擴大,國債收益率有所降低,房地產市場10月承受較大風險。其余市場風險的增大以及此時市場逆周期調控政策的陸續退出,再加之疫情初期各部門通過適當下調貸款利率、增加信用貸款和中長期貸款等方式,支持相關企業戰勝疫情災害影響的政策,共同促進了銀行部門壓力風險數值的負向增長。
從圖3可以看到,債券市場年末對股票市場的負向影響較大,對外匯市場基本均為負向影響。中國人民銀行釋放流動性將導致股票市場與債券市場的同步增強,但由于債券資產對利率更為敏感,股市反映相對滯后,前期債券市場上漲吸收了部分預期,股市受益于年末利率下降和經濟相對穩定,這也造成了年末股票市場較為強勁、債券市場稍顯弱勢的現象,也就是說在年末債市的波動在一定程度上緩解了股市的波動。
宏觀經濟杠桿利率比例受疫情的嚴重影響,出現了一個階段性的大幅上升,不良貸款利率比例持續上升,這類信用風險隱患將會在未來逐步體現出來。因此,貨幣政策應該在穩定的基礎上適當增加靈活性和精確度。綜合運用中期借貸便利、公開市場操縱等多種流動性貨幣政策手段,滿足各類金融機構短期、中期、長期流動性要求。健全可持續的商業銀行資本補充機制,加大對商業銀行發展永續債補充資本的扶持力度,提升商業銀行服務于實體經濟及防范各類金融風險的能力。最后,需健全金融風險防范、預警、處置等制度。維護市場經濟金融安全,健全重大金融風險綜合防范聯動預警和應急處置通報制度、問責檢查機制,彌補金融監管政策體制上的短板。