全球經濟政策不確定性對中國系統性金融風險的溢出效應

鄭天歌 ,豆振江

(1.廣西大學國際學院,廣西南寧 530004;2.湖南人文科技學院商學院,湖南婁底 417000)

一、問題的提出

當今世界經濟正經歷百年未有之大變局,貿易保護主義抬頭、地緣政治矛盾上升、俄烏沖突等事件相互交織,使全球經濟復蘇乏力,歐美主要經濟體通脹水平居高不下。為應對當前全球面臨的經濟下行風險和抑制通貨膨脹,美國等主要經濟體頻繁發布及調整貨幣財政等經濟政策,導致全球經濟政策不確定性顯著提升,由此對全球經濟產生顯著的外溢效應。黨的十九大以來,著力防范和化解系統性金融風險,牢牢守住不發生系統性金融風險的底線成為我國金融工作的重中之重。當前,在世界經濟艱難復蘇背景下,我國經濟雖表現出超強發展韌性,但仍然面臨較大的下行壓力,金融體系尚存在互聯網金融等領域監管部分缺失、房地產等行業杠桿率偏高、金融資源配置效率低等金融風險隱患。近期,美國硅谷銀行倒閉引起市場恐慌情緒在全球不斷蔓延,全球資本市場波動性顯著上升,這持續考驗全球金融系統的安全性。系統性風險的成因主要包括內部因素和外部事件沖擊,經濟周期和貨幣財政政策過度干預是系統性金融風險累積的重要外部因素[1],隨著全球經濟政策不確定性的上升,市場經濟的參與者對經濟增長的預期會發生變化,從而影響其經營行為和投資決策,進而增加金融體系的脆弱性和金融風險的跨國傳染與蔓延。基于此,在全球經濟政策不確定性上升的背景下,研究全球經濟政策不確定性對中國系統性金融風險的溢出效應和溢出渠道,對我們科學防控系統性金融風險具有重要意義。

二、文獻綜述

(一)系統性金融風險的測度

美國次貸危機爆發后,如何測度與識別系統性金融風險成為學術界研究的焦點。根據已有研究成果,國內外學者主要從宏觀和微觀兩個層面來測度系統性金融風險。在宏觀層面,基于多維宏觀經濟指標編制金融風險綜合指數,進而測度系統性金融風險。代表性文獻,如陶玲和朱迎(2016)基于主成分分析法構建了包括金融機構、股票市場、貨幣市場等7 個維度的系統性金融風險指數[2]。章曦(2016)基于負的期限利差、股票市場波動等8 個代表性指標測度了我國金融壓力指數,結果顯示我國系統性金融風險整體可控[3]。Oet 等(2015)基于美國的信貸、融資、房地產、證券化、外匯和股票市場的數據,構建了克利夫蘭金融壓力指數(CFSI)來測度美國系統性金融風險[4]。在微觀層面,基于高頻數據計算單個金融機構的系統性、重要性與傳染性,并測度其對系統性金融風險的貢獻程度。采用的研究方法主要包括指標法(BIS 等)和模型法(CoVaR、MES、SRISK、CES等)。代表性文獻,如楊子暉等(2019)基于預期損失方法(Expected Shortfall,ES)測度了我國系統性金融風險,并考察了各金融部門之間風險的傳染性[5]。張曉玫和毛亞琪(2014)采用我國16 家上市銀行的高頻數據,基于長期邊際期望損失的方法測度了我國銀行業系統性風險[6]。

(二)經濟政策不確定性的溢出效應

國內外學者主要從存在性、溢出程度和影響因素進行經濟政策不確定性的溢出效應研究。Zhang 等(2019)基于Diebold 和Yilmaz(2014)提出的方向溢出模型,研究了中美兩國經濟政策不確定性幾個關鍵國際市場(即股票、信貸、能源和大宗商品市場)的溢出效應[7]-[8],研究結果發現,盡管中國的影響力越來越大,但美國的溢出效應仍占主導地位。李政等(2021)基于廣義方差分解譜方法研究了全球15 個主要經濟體的溢出效應,研究發現開放度高的國家的溢出與溢入程度較大[9]。張喜艷和陳樂一(2019)研究結果表明,經濟政策不確定性的溢出效應受全球重大突發公共事件的影響,在全球金融危機期間尤為明顯[10]。Balli 等(2017)探討了經濟政策不確定性跨國溢出效應的決定因素[11]。研究發現,貿易和共同語言等雙邊因素在解釋EPU 溢出效應的程度方面發揮著非常重要的作用。此外,在財政、貿易或金融負債失衡方面脆弱性較高的國家,EPU 產生溢出效應的程度也更高。Ouyang 等(2022)基于TVP -FAVAR 模型研究了美國貨幣政策不確定性對中國系統性金融風險的非線性溢出效應,研究發現,美國貨幣政策不確定性主要通過資本流動、利率和經濟政策不確定性引致渠道影響中國系統性金融風險,且影響程度受國際重大突發風險事件的影響[12]。

梳理上述文獻發現,國內外學者對系統性金融風險的測度和經濟政策不確定性進行了深入研究,但研究全球經濟政策不確定性對中國系統性金融風險的溢出效應較少。再者從研究方法看,已有文獻大多基于線性的計量方法進行研究,無法刻畫經濟政策不確定性溢出效應的非線性特點。基于此,本文首先基于長期邊際期望損失(Long-term marginal expected loss ,簡稱LRMES)方法測度我國系統性金融進行風險,并基于時變參數的FAVAR 模型考察全球經濟政策不確定性對中國系統性金融風險的非線性溢出效應和溢出渠道,以科學制定應對全球經濟政策不確定對我國系統性金融風險沖擊的對策。

三、實證研究設計

(一)模型設定

從已有研究可知,全球政策不確定性的溢出效應是溢入國開放程度、匯率和雙邊貿易政策和全球重大突發公共事件等因素共同作用的結果,即經濟政策不確定性的溢出效應具有非線性特點,因此本文采用Korobilis(2013)提出的TVP -FAVAR 模型實證檢驗全球經濟政策不確定性對中國系統性金融風險的非線性溢出效應[13],模型設定如下:

其中,Xt是n×1 維平穩向量,包括影響系統性金融風險的國內和國際因素,當然也包括中國系統性金融風險溢出渠道。Ft是l維不可觀測的共同因子,Yt是全球政策不確定性指數,可以理解為可觀測的因子,λyt和λft表示共同因子的時變載荷矩陣。其中,Bt,p為滯后項系數,P為滯后階數,εt和ut是殘差項。此外,下標t表示系數具有時變性,由此刻畫全球經濟政策不確定性對中國系統性金融風險溢出效應的非線性特征。將模型(2)用矩陣語言重新表述如下:

文獻中通常用隨機波動(SV)模型或廣義自回歸條件異方差(GARCH)模型刻畫特質擾動項Vt和共同擾動項Qt的時變性,然而,Korobilis(2013)認為這種設定在模型參數估計過程中會增加計算負擔,為此他采用免模擬的矩陣貼現法刻畫VT和Qt時變特征[13]。具體如下:

其中,k1和k2稱為衰退因子,用于刻畫擾動沖擊隨時間推移而發生衰減幅度。

(二)變量選取

1.全球經濟政策不確定性。本文采用Baker 等(2016)基于文本大數據方法測算的全球政策不確定性指數[14],數據來源于www.policyuncertainty.com,記為GEPU,具體走勢見圖1。

圖1 全球經濟政策不確定性指數(2005M1—2022M12)

2.中國系統性金融風險。由于學術界對系統性金融風險的形成原因和認識存在一定分歧,因而測度系統性金融風險的方法豐富多樣,各具特色。其中利用資本市場數據的易得性、頻率高和前瞻性強等優勢測算的系統性金融風險,因測度結果較為客觀被國內外學者廣泛借鑒和應用。鑒于此,本文借鑒Brownlees 和Engle(2017)提出的LRMES 方法來測度中國系統性金融風險[15],并記為LRMES。測度樣本包括16 家銀行業企業、4 家保險業企業、15 家證券業企業、21 家房地產上市企業和8 家其他金融企業,合計64 家上市企業①,樣本的日度收益率數據和市場收益率數據來源于Wind 數據庫,測度結果見圖2。3.傳導渠道。就短期資本流動路徑而言,本文借鑒彭紅楓和祝小全(2019)的間接測算方法,計算公式為:短期資本流動=外匯儲備增加額-貿易順差金額-外商直接投資額,并計為CF;就利率路徑而言,隨著中國利率市場化進程的基本完成,銀行間同業拆借利率逐漸成為貨幣政策的“風向標”,它能及時準確地反映市場利率的變化。基于此考慮,本文參照李雙建和田國強(2020)的做法,選取銀行間7 天同業拆借利率作為利率渠道的代理變量[16],并記為IRL。

圖2 中國系統性金融風險測度值(2005M1—2019M12)

4.國際國內宏觀經濟信息集。參照歐陽志剛和薛龍(2017)的做法[17],國際宏觀經濟信息集包括:(1)中國主要貿易伙伴的經濟增長速度,包括美國、日本、歐元區和韓國等國的GDP 增長率;(2)主要發達經濟體的貨幣供應量,包括美國、日本M2同比增速,韓國和歐元區M3 同比增速;(3)美國的主要宏觀經濟指標,包括CPI 指數、進出口金額同比增速、制造業和非制造業PMI 指數等;(4)匯率類,包括美元兌換人民幣、歐元兌換人民幣和人民幣有效匯率指數。國內宏觀經濟信息集包括:(1)實際產出類,包括工業增加值、主要能源產品產量(原煤、焦炭和發電量等)和重要工業品的產量(生鐵、粗鋼和水泥等);(2)實際投資類,包括固定資產投資、房地產開發投資和三次產業的固定資產投資完成額;(3)資本市場價格類,包括滬深300 指數、境內上市公司總市值、流通市值和平均市盈率;(4)宏觀經濟景氣指數類,包括一致指數、先行指數和滯后指數;(5)貿易類,包括中國的進出口總額、凈出口總額等;(6)杠桿類,包括實體經濟部門、居民部門、非金融企業和政府部門杠桿率;(7)中國的貨幣政策,包括M2 同比增速、活期存款利率和定期存款利率等;(8)其他類,如CPI、PPI、金融機構存貸款余額、財政收入等共計94 維數據,數據來源于Wind 數據庫。

四、實證結果分析

本節以2005M1—2019M12 作為全球經濟政策不確定性沖擊的發生時間區間,首先利用TVP -FAVAR 模型中的三維脈沖響應檢驗了全球經濟政策不確定性對中國系統性金融風險的溢出效應和傳導渠道,具體結果用三維脈沖響應圖呈現。其中,X 軸表示GEPU 沖擊的發生時間,Y 軸表示目標變量對GEPU 沖擊的響應持續期,Z 軸表示目標變量對貨幣政策工具沖擊的脈沖響應值。

(一)全球經濟政策不確定性對中國系統性金融風險的溢出效應

系統性金融風險的成因大致可以劃分為內部因素和外部沖擊兩個方面。相對于其他類型的金融風險而言,系統性金融風險的形成大多歸因于外部沖擊。這里的外部沖擊,實際上是指風險源(方意等,2018)[18]。我國系統性金融風險的風險源主要來自宏觀經濟對金融體系產生的系統性沖擊、金融體系內部的自身演化和逐步累積的內生風險、外部風險溢出效應三個方面。其中,經濟政策不確定性是干擾經濟正常運行的重要外部負面沖擊,當經濟政策不確定性上升時極易造成投資者產生恐慌情緒,羊群效應會進一步加大金融市場的波動幅度,最終引發金融風險在金融各部門和機構之間迅速傳播,造成銀行擠兌并引發系統性金融風險(陳昆亭和周炎,2020)[19]。

根據圖3 的脈沖響應結果可知,給定一個單位的GEPU 正向沖擊,當期LRMES 的脈沖響應值主要為正值,這表明全球經濟政策不確定性上升會增加中國系統性金融風險。從分區間來看,全球金融危機期間(2008—2010),全球經濟政策不確定性沖擊對中國系統性金融風險的溢出程度最大,LRMES 最大正向響應值為0.05,這意味著全球經濟政策不確定性對中國系統性金融風險的溢出效應具有非線性特征。可能的原因是,全球經濟政策不確定性會通過利率和資本流動渠道影響中國系統性金融風險,隨著我國對外開放程度和利率市場化程度的不斷提升,利率渠道和資本流動渠道的傳導更為順暢,因而我國系統性金融風險的溢入程度更大。再者,全球經濟政策不確定性具有聯動效應,隨著全球經濟政策不確定性的提升,中國的經濟政策不確定性也會隨之上升,企業的發展前景面臨較大不確定性,由此會導致企業壓縮投資,在二級市場上拋售資產,從而引起資產價格下降和金融資產價格劇烈波動,威脅到金融市場的穩定,增加了我國系統性金融風險(王 金明和王心培,2021)[20]。

圖3 GEPU 對LRMES 沖擊的三維脈沖響應圖

(二)溢出機制

全球經濟政策不確定性主要資本流動和利率渠道對中國系統性金融風險產生溢出效應。就資本流動渠道而言,其涵蓋的機理是:全球經濟政策不確定性上升會導致短期資本流入中國市場(Fratzscher 等,2013)[21],短期資本流入會加劇中國系統性金融風險。具體來說,由于中國經濟市場具有良好的投資環境和投資機會,經濟韌性強勁且前景廣闊,因而是跨國資本投資的“避風港”。全球經濟政策不確定性上升會導致國際短期資本流入中國市場。由第三代貨幣理論可知,大規模的短期資本流入會增加國內金融體系的脆弱性,容易引發系統性金融風險。就利率渠道而言,其涵蓋的機理是:全球經濟政策不確定性上升,意味著全球經濟面臨重大風險事件,為了應對全球風險和穩定國內經濟,中國央行會下調利率(Chen 等,2016)[22],而低利率環境會導致銀行的風險承擔水平上升,容易引發系統性金融風險。

1.利率渠道

根據圖4 的脈沖響應結果可知,給定一個單位的GEPU 正向沖擊,當期IRL 的脈沖響應值主要為負值,這表明全球經濟政策不確定性上升會引致中國市場化利率下降。分區間來看,全球金融危機期間(2007—2009)和歐洲債務危機期間(2011—2015),全球經濟政策不確定性沖擊對中國市場化利率的影響程度較高,最大負向響應值為-0.15,但溢出效應持續時間相對較短,在第8 個月基本消失。這意味著不同經濟時期,利率渠道發揮的傳導作用有顯著差異,在全球金融風險較高時期的傳導效應更大,這與張喜艷和陳樂一(2019)的研究結論一致[10]。這是因為,全球經濟政策不確定性與國際重大金融風險事件顯著正相關,全球經濟政策不確定性上升,從而引起國際資本市場流向中國,中國的銀行間拆借率出現較大幅度的下降。

圖4 GEPU 對IRL 沖擊的三維脈沖響應圖

2.資本流動渠道

圖5 的結果表明,給定一個單位的GEPU 正向沖擊,當期CF 的脈沖響應值主要為負值,這說明全球經濟政策不確定性對國際資本流動有顯著的正向溢出效應,即全球經濟政策不確定性增加,會加劇國際資本流入中國市場,這與Fratzscher 等(2013)的研究結論基本一致[21]。當全球經濟政策不確定性上升時會提高投資者的風險厭惡情緒,從而加劇國際資本流向投資風險低的國家。相對其他經濟體而言,中國經濟增長的韌性強、基本面長期趨勢向好,因而是投資者避險的首要選擇,最終導致短期資本流入規模增加,大規模的短期資本流入會增加國內金融體系的脆弱性,容易引發系統性金融風險。

圖5 GEPU 對CF 沖擊的三維脈沖響應圖

五研究結論與政策建議

本文首先采用最新發展的LRMES 方法,基于64 家上市金融機構的高頻數據測度了我國系統性金融風險,并借鑒Korobilis(2013)提出的TVP -FAVAR 模型實證研究了全球經濟政策不確定性對中國系統性金融風險的溢出效應[13]。主要結論如下:(1)全球經濟政策不確定性上升會加劇中國系統性金融風險,且不同經濟時期,全球經濟政策不確定性對中國系統性金融風險的溢出效應具有非線性特征,在全球經濟政策不確定性較高時期,溢出程度更大。(2)全球經濟政策不確定性主要通過利率渠道和資本流動渠道影響中國系統性風險。對于利率渠道而言,全球經濟政策不確定性上升會導致中國市場化利率下降,從而增加金融機構的風險承擔水平,進而導致系統性風險上升。對于資本流動渠道而言,全球經濟政策不確定性上升會導致國際資本流入國內,大規模的短期資本流入會增加國內金融體系的脆弱性,容易引發系統性金融風險。

基于上述結論,結合我國的實際情況,現提出以下建議:(1)政府部門應密切關注全球經濟政策不確定性的變化,加強國際合作和預期管理,保持政策的一致性和連貫性,引導公眾對經濟政策變化作出合理預判。(2)擴大資本市場對外開放,引導資本合理流動。研究結果表明利率渠道和資本流動渠道是全球經濟政策不確定性的重要溢出渠道,因此政府應繼續深化利率市場化改革,優化貨幣政策利率體系。同時要加強對國際資本流動的監管與引流,動態監測國際資本的動向,合理引導國際資本注入實體經濟,保持資本市場健康穩定發展。

注釋:

①64 家上市企業,即包括銀行業:工商銀行、建設銀行、農業銀行、中國銀行、招商銀行、交通銀行、興業銀行、浦發銀行、中信銀行、民生銀行、平安銀行、光大銀行、北京銀行、華夏銀行、寧波銀行和南京銀行;保險業:中國平安、中國人壽、中國太保和新華保險;證券業:東北證券、錦龍股份、國元證券、國海證券、廣發證券、長江證券、山西證券、中信證券、國金證券、西南證券、海通證券、招商證券、光大證券、興業證券和太平洋;房地產業:萬科、深振業、深物業、沙河股份、大悅城、中洲控股、華僑城、金融街、中南建設、保利地產、大龍地產、臥龍地產、新湖中寶、城建發展、天房發展、華夏幸福、首開股份、綠地控股、萬業企業、中華企業和上實發展;其他金融業:民生控股、陜國投、九鼎投資、同花順、新力金融、五礦資本、建集團和浙江東方。