數字金融、金融監管與傳統金融跨市場風險溢出

［摘要］防范系統性金融風險一直是金融監管的核心，做好數字金融大文章離不開金融風險的防范。數字金融發展改變了傳統金融網絡結構和網絡密度，進而可能加劇傳統金融跨市場風險傳染，甚至引發系統性金融風險。文章運用TVPVARSV模型分析數字金融發展如何影響傳統金融跨市場風險溢出效應，并考察在數字金融不同監管強度和功能差異下，數字金融對風險溢出效應作用的監管差異性和功能異質性。研究發現：數字金融發展加劇傳統金融跨市場風險總溢出效應；數字金融對傳統金融各市場風險溢出效應的影響存在市場差異性；當前數字金融監管難以有效調控數字金融對傳統金融跨市場風險溢出效應的影響；數字金融對傳統金融跨市場風險溢出效應的影響存在功能異質性。研究認為：在防范系統性金融風險時，需統籌考慮數字金融對傳統金融跨市場風險傳染的作用機制和效果，同時進一步將數字金融多種功能全部納入監管。

［關鍵詞］數字金融；傳統金融；金融監管；風險溢出效應

［中圖分類號］F832.59;F49［文獻標識碼］A［文章編號］1673-0461（2024）08-0073-24

一、引言

2023年10月，中央金融工作會議強調做好數字金融大文章，同時也強調要全面加強金融監管，有效防范化解金融風險。黨的二十大報告指出，“依法將各類金融活動全部納入監管，守住不發生系統性風險底線”。數字金融作為傳統金融的重要補充，一直以來為服務長尾群體融資、構建快捷支付方式等貢獻了重要力量。數字金融通過提供創業機會、降低信息不對稱、緩解融資約束等提升居民收入，促進家庭消費和增加企業融資可得性［1-3］。同時，數字金融通過促進金融業全球化、一體化、網絡化，打破傳統金融地理界限，強化傳統金融網絡復雜結構［4-5］。然而，金融交易相互關聯極易產生連鎖效應，當某個金融市場發生危機時，將迅速傳導至網絡中其他金融市場，進而影響金融系統穩定性［5］，甚至引發系統性金融風險。因此，數字金融發展是否會加劇傳統金融跨市場風險傳染，以及當前數字金融監管能否有效調控數字金融對傳統金融跨市場風險的影響成為值得重點關注的問題。

數字金融主要包括數字支付、數字信貸、數字理財等功能。數字支付運用支付寶、微信等第三方支付提升市場參與者交易便捷性，破除時空限制性，改變市場參與者流動性偏好、持幣動機、現金需求，進而加快傳統金融跨市場資金流通［6-7］。數字信貸借助網絡借貸、眾籌等方式緩解長尾群體融資需求，當借款人獲得資金后，部分資金流入傳統金融市場，進而影響傳統金融資產價格［8-9］。數字理財運用余額寶、互聯網理財等方式吸引大量客戶和資金，一方面加大數字理財與傳統金融博弈，另一方面加劇傳統金融跨市場競爭［10］。另外，數字金融運用人工智能、大數據、云計算等技術有效緩解傳統金融跨市場信息不對稱程度［11］。數字金融加速傳統金融資產流通、改變市場資產價格、加劇市場競爭、緩解跨市場信息不對稱，使得傳統金融形成更為復雜的金融網絡結構，放大傳統金融市場局部風險，加劇傳統金融跨市場風險傳染，進而引致系統性金融風險。

以往學者對數字金融的研究，主要集中于數字金融對居民收入、家庭消費、企業融資可得性、技術創新等的影響。張勛等（2019）［1］研究分析數字金融對包容性增長的影響，研究發現數字金融通過為農村居民提供創業機會、增加農村居民創業行為等增加農村居民收入，尤其是顯著增加農村低收入群體收入。LI等（2020）［2］研究數字金融對家庭消費的影響，發現數字金融可以促進家庭消費，主要促進經常性的家庭支出，具體而言，數字金融促進食品、服裝、房屋維修、醫療、教育和娛樂支出。鐘凱等（2022）［12］研究指出數字金融運用數字技術對企業資金需求精準把控、多維分析企業未來發展前景、降低企業供應鏈上下游與銀行信息不對稱程度等提升企業從數字金融市場融資可得性，并降低融資成本和企業商業信貸二次配置。鄧辛和彭嘉欣（2023）［3］研究發現，移動支付的數字金融服務增加非正規就業者收入，緩解非正規就業者資源稟賦差異。

數字金融與傳統金融高度相關性導致數字金融風險傳導至傳統金融，部分學者研究數字金融風險如何影響傳統金融。OZILI（2018）［13］研究認為，數字金融普惠性和包容性吸引大量難以從傳統銀行獲得融資服務的高風險客戶，然而聚集的高風險客戶一旦出現違約將威脅銀行等金融中介機構穩定性。LING等（2020）［14］研究指出數字金融與傳統金融在行業競爭、商業合作和資產投資等方面存在廣泛聯系，導致市場間具有風險溢出效應，并且當系統性金融風險增加時，數字金融對傳統金融的風險溢出效應更強。戰明華等（2020）［15］研究指出，數字金融通過加大金融市場競爭、緩解金融市場摩擦、降低市場信息不對稱程度，進而影響貨幣市場對其他金融市場信息傳遞渠道，具體體現為強化貨幣政策利率傳遞渠道而削弱貨幣政策信貸傳遞渠道。HSU等（2021）［16］研究發現，加密數字貨幣作為傳統貨幣和黃金的重要替代投資渠道，加密貨幣市場、傳統貨幣市場與黃金市場間存在波動溢出效應，具體表現為比特幣與歐元、日元、現貨黃金等具有正向共同波動溢出效應，而與人民幣、加元等具有非對稱共同波動溢出效應。

然而，以往較少有學者從數字金融視角，分析數字金融發展將如何影響傳統金融跨市場風險溢出效應，以及數字金融不同功能影響傳統金融跨市場風險溢出效應的功能異質性。同時，數字金融監管能否有效調控數字金融對傳統金融跨市場風險溢出效應的作用效果也值得重點關注。針對以上問題，本文從以下方面開展研究：首先，從資產價格渠道、資金流通渠道、信息透明度渠道和市場競爭渠道4個方面，分析數字金融對傳統金融跨市場風險溢出效應的影響機制和渠道。其次，運用DY模型構建股票市場、房地產市場、貨幣市場、債券市場和外匯市場跨市場風險總溢出效應和各市場風險溢出效應。再次，運用TVPVARSV模型分析數字金融發展對傳統金融跨市場風險溢出效應的作用效果。最后，從數字金融監管強度差異性和數字金融功能異質性視角，分析數字金融對傳統金融跨市場風險溢出效應影響的監管差異性和功能異質性。另外，通過改變DY模型滾動窗口和TVPVARDY模型進行穩健性分析。

本文可能貢獻在于：①研究傳統金融跨市場風險溢出效應的影響因素具有重要理論和現實意義，本文從數字金融發展視角，分析數字金融發展將如何影響傳統金融跨市場風險總溢出效應和各市場風險溢出效應。②在分析數字金融對傳統金融跨市場風險溢出效應的影響時，本文運用TVPVARSV模型，相比傳統VAR模型和格蘭杰檢驗，TVPVARSV模型能夠有效刻畫數字金融對傳統金融跨市場風險溢出效應的動態時變影響。③數字金融具有多重功能，本文從數字支付、數字信貸和數字理財3種不同功能視角，進一步研究數字金融影響傳統金融跨市場風險溢出效應的功能異質性。

二、文獻綜述與理論分析

（一）傳統金融跨市場風險溢出效應的文獻綜述

全球市場間和金融機構間由于存在交叉業務、過度關聯、信息共享、資金流通等導致一個市場風險會迅速傳導至其他市場，存在跨市場風險溢出效應。李政等（2019）［17］研究指出由于金融機構存在交叉金融業務以及行業間相互融合滲透，導致金融機構存在加速風險溢出和風險傳染，表現為在銀行、證券和保險3個市場間，銀行是主要風險溢出市場，而證券是主要風險溢入市場。楊子暉等（2020）［18］研究指出英國脫歐、中美經貿摩擦等事件增加經濟政策不確定性，而經濟政策不確定性加劇系統性金融風險跨市場傳染，發現存在通過股票市場影響經濟政策不確定性進而影響外匯市場的風險傳染路徑。何德旭等（2021）［19］研究指出全球市場間存在資本市場和貨幣市場為渠道的風險傳染機制，發現基于資本市場和貨幣市場的風險傳染渠道中，美國和英國分列風險凈輸出國前兩位，而中國為風險凈輸入國。TIWARI等（2022）［20］研究綠色債券、碳價格和可再生能源股票之間的風險傳遞，發現各資產的動態總溢出隨時間變化而不同，且與經濟事件相關，清潔能源在所有其他市場中占主導地位，是整個網絡沖擊的主要凈溢出方。LEE等（2023）［21］研究選取全球7個具有代表性的原油市場來研究石油市場在不同時間尺度上收益溢出效應和風險溢出效應，發現國際原油市場內部一體化程度加深，收益溢出和風險溢出處于較高水平，新冠疫情在長期內提高了市場間風險溢出水平。KHALFAOUI等（2022）［22］研究分析綠色金融市場與美國股票市場間風險溢出效應，發現市場間存在高度溢出效應，其中比特幣、市場不確定性和全球碳指數是沖擊溢出效應的凈接收者，而大多數綠色商品則是凈貢獻者。

（二）數字金融影響傳統金融跨市場風險溢出效應的理論分析

數字金融廣泛運用大數據、云計算、區塊鏈等技術進行數據信息處理，當前數字金融主要包括運用網絡借貸、眾籌、花唄、借唄等進行的數字信貸，運用支付寶、微信支付等第三方支付進行的數字支付，以及運用智能投顧、余額寶、互聯網理財等進行的數字理財。本部分基于數字金融功能視角，分析數字金融發展將如何影響傳統金融跨市場風險溢出效應。

1.資產價格渠道

市場參與者運用數字金融的數字信貸和數字理財功能極大改變了傳統金融市場資金供求，進而影響股票市場和房地產市場等傳統金融市場資產價格。吳雨等（2018）［8］研究發現，房價上漲時部分房屋購買者會從網絡借貸市場獲取購房資金，導致網絡借貸市場融資成本上升。卓麗洪（2020）［9］研究發現，網絡借貸市場融資規模增長率與上海證券交易所成交額正相關，具體體現為股票市場成交越活躍，網絡借貸市場融資規模就越大。當借款人將從數字金融市場獲得的資金投入傳統金融市場后，會抬高房地產市場、股票市場和貨幣市場等傳統金融市場資產價格，甚至出現資產價格泡沫。邱晗等（2018）［23］研究指出余額寶等互聯網理財產品吸引了大量存款，導致銀行選擇存款利率更高的同業負債，推高存款產品價格。資產價格的過度上漲或資產價格崩潰將對其他金融市場產生風險傳染，并危及金融系統穩定性。BRUNERMEIER等（2020）［24］研究房地產市場和股票市場資產價格泡沫與金融風險之間的關系，發現資產價格泡沫顯著增加金融風險傳染和系統性金融風險。PAVLIDIS等（2021）［25］研究房產價格和住房負擔能力對金融風險的影響，發現高漲的房價和過高住房負擔將加劇風險傳染，甚至引發系統性金融風險。方意和荊中博（2022）［26］研究分析資產價格崩潰對金融風險傳染的影響，發現當金融機構間持有大量相同資產時，機構拋售資產將導致資產價格大幅下跌，風險將傳染給其他金融機構。因此，基于數字信貸和數字理財功能視角，數字金融發展會顯著抬高傳統金融市場資產價格，進而加大傳統金融跨市場風險溢出效應。

2.資金流通渠道

市場參與者運用數字金融的數字支付、數字信貸和數字理財功能，降低資金在市場參與者間流通的時空限制，提升資金在市場參與者間的交換速度，進而加速資金在傳統金融跨市場流通。周光友和張逸佳（2018）［6］研究指出以第三方支付為代表的數字貨幣通過改變市場參與者的流動性偏好、持幣動機、現金需求，進而加快資金流通速度。方意等（2020）［27］研究發現網絡借貸市場與股票市場間存在資金流通，具體體現為投資者在兩個市場間進行選擇時投資的替代效應以及融資者通過網絡借貸市場獲取資金進而投資于股票市場的互補效應。CHEN和ZHANG（2021）［7］研究認為數字金融降低金融機構客戶獲取和風險評估成本，提高資金供需匹配效率，進而為金融市場提供更充裕的現金流。ZHAO等（2020）［28］研究中國股票市場、外匯市場、貨幣市場和信貸市場間由于資金流通而引起的風險溢出效應，發現資金流通和市場間風險溢出存在顯著關系，資金流通是市場間風險傳染的媒介，且隨著金融市場漸進式改革，資本流通更加順暢，風險在金融市場間更容易傳染。楊子暉等（2022）［29］研究跨境資金流動規模對市場間風險傳染強度的影響，發現全球范圍內頻繁資金流動將改變市場流動性和影響經濟增長，進而強化金融市場網絡密度，增加市場間風險傳染強度。因此，基于數字支付、數字信貸和數字理財功能視角，數字金融發展有助于增加傳統金融跨市場資金流通速度，進而加大傳統金融跨市場風險溢出效應。

3.信息透明度渠道

數字金融發展助推傳統金融市場運用大數據、云計算和區塊鏈等技術進行數據信息處理，有助于提升信息處理效率、降低市場間信息不對稱程度，進而影響傳統金融跨市場風險溢出效應。LIN等（2022）［11］研究發現，數字金融能夠有效降低貸款人對需求者的信息不對稱以及借款人對資金供應商的信息不對稱，即數字金融能夠降低借款人和貸款人之間的雙向信息不對稱。GUO等（2022）［30］研究指出區塊鏈技術具有去中心化、防篡改、可追溯等特性，區塊鏈技術使得信息在供應鏈各方之間充分共享，供應鏈上參與方的信息完全透明。NIER（2005）［31］研究銀行信息透明度對金融穩定的影響，發現提高銀行信息透明度有助于降低銀行發生嚴重問題的可能性，進而增強金融系統穩定性。吳金宴和王鵬（2022）［32］研究行業信息透明度對行業間風險傳染的影響，發現信息透明度越差的行業對其他行業風險溢出越高，且受到其他行業的風險溢出也越高，信息透明度的提升有助于降低行業間風險傳染。因此，基于大數據、云計算和區塊鏈等數字信息處理技術，數字金融發展有助于降低傳統金融跨市場信息不對稱程度，提升傳統金融市場信息透明度，進而緩解傳統金融跨市場風險溢出效應。

4.市場競爭渠道

數字金融的數字信貸、數字理財和數字支付功能通過為市場參與者提供資金支持、理財渠道和快捷支付方式，吸引傳統金融市場大量客戶和資金。數字金融對客戶和資金的吸引，一方面加劇數字金融與傳統金融市場競爭，另一方面也加劇傳統金融跨市場競爭。封思賢和郭仁靜（2019）［10］研究數字金融對銀行業競爭的影響，指出數字金融通過促進利率市場化、壓縮存貸利差、增加攬儲成本，進而加劇銀行間競爭。PARLOUR等（2022）［33］研究數字金融提供的第三方支付與銀行間競爭，發現第三方支付的競爭影響銀行支付價格及其貸款服務。CHIU等（2015）［34］研究行業競爭強度差異與金融風險關系，發現行業競爭程度越強越容易受到金融行業風險影響，即金融部門對該行業尾部風險溢出越大。邱晗等（2018）［23］研究發現數字金融導致銀行在負債端更多選擇成本更高的批發性資本，使得銀行資產端更傾向于高風險產品以彌補負債成本上升，進而增加銀行風險承擔。因此，基于數字信貸、數字理財和數字支付功能視角，數字金融發展強化傳統金融市場競爭，市場競爭的強化導致傳統金融機構承擔更高風險，加大傳統金融跨市場風險溢出效應。

通過以上分析發現，一方面，數字金融通過抬高傳統金融市場產品價格，加大傳統金融跨市場資金流通速度和強化傳統金融跨市場競爭，進而增加傳統金融跨市場風險溢出。另一方面，數字金融通過降低傳統金融信息不對稱程度，增加傳統金融市場信息透明度，進而緩解傳統金融跨市場風險溢出。因此，數字金融對傳統金融跨市場風險溢出的影響存在市場差異性和功能異質性。

三、研究設計

（一）理論模型

1.DY波動溢出模型

本文借鑒以往學者普遍使用的DY模型［35-36］計算和評估網絡溢出效應。根據SC信息準則以及考慮模型穩定性，本文構建一個協方差平穩的5變量VAR（2）模型，模型可以表示如下：

xt=∑2i=1ixt-i+εtεt～iid（0，t）（1）

對式（1）變換為移動平均模型：

xt=∑∞i=1Aiεt-i（2）

式中，Ai=1Ai-1+2Ai-2，如果i<0，則A0=0。式（1）和式（2）中xt表示m×1維向量，本文xt包含股票市場（STOCK）、房地產市場（HOUSE）、貨幣市場（MONEY）、債券市場（BOND）和外匯市場（EXCHANGE），即m=5。Ai均為5×5維矩陣，εt為5×1維向量。定義變量xj對xi向前H步預測誤差的方差分解為：

θgij（H）=σ-1jj∑H-1h=0（e′iAh∑ej）2∑H-1h=0（e′iAh∑A′hei）（3）

式中，∑為誤差向量ε的協方差矩陣;σjj是第j個方程誤差項的標準差;ei是第i個元素為1，否則為0的選擇向量。如上所述，方差分解表中每一行的元素之和不等于1，即∑Nj=1θgjj（H）≠1。為計算溢出指數時利用方差分解矩陣中的信息，將方差分解矩陣的每個條目按行歸一化，即：

θgjj（H）=θgjj（H）∑Nj=1θgjj（H）（4）

式中，∑Nj=1θgij（H）=1，∑Ni，j=1θgij（H）=N。

利用KPPS方差分解波動率貢獻，可以構建風險溢出指數：

所有市場的風險總溢出效應：

TOTALg（H）=∑Ni，j=1，i≠jθgij（H）∑Ni，j=1θgij（H）×100

=∑Ni，j=1，i≠jθij（H）N×100（5）

市場i對市場j的風險溢出效應：

TOi→j（H）=∑Nj=1，i≠jθji（H）∑Ni，j=1θji（H）×100

=∑Nj=1，i≠jθji（H）N×100（6）

市場i受到來自市場j的風險溢入效應：

FROMj→i（H）=∑Nj=1，i≠jθij（H）∑Ni，j=1θij（H）×100

=∑Nj=1，j≠iθij（H）N×100（7）

市場i的風險凈溢出效應：

NETi→j（H）=TOi→j（H）-FROMj→i（H）（8）

2.TVPVARSV脈沖響應模型

本文計算出傳統金融跨市場風險溢出效應后，進一步運用帶隨機波動的時變參數向量自回歸模型（TVPVARSV）分析數字金融發展對傳統金融跨市場風險溢出效應的影響［37］。TVPVARSV模型設定如下：

yt=ct+B1tyt-1+…+Bstyt-s+et，

et～N（0，Ωt）t=s+1，…，n（9）

式中，yt={數字金融、傳統金融跨市場風險溢出效應}，yt為k×1維向量①；B1t，B2t，…，Bst為k×k維時變系數矩陣；Ωt為k×k維時變協方差矩陣。設定Ωt=A-1t∑t∑tA′-1t，At是對角元素為1的下三角矩陣，∑t=diag（σ1t，σ2t，…，σkt）。定義βt是由B1t，B2t，…，Bst構成的行向量；at=（a1t，a2t，…，aqt）′是由At任意下三角元素構成的行向量。設定ht=（h1t，h2t，…，hkt）且hit=logσ2it。以上時變參數服從隨機游走過程：

βt+1=βt+uβt，αt+1=αt+uαt，ht+1=ht+hαt（10）

εt

uβt

uαt

uht～N0，I000

0∑β00

00∑α0

000∑h（11）

式中，t=s+1，…，n；et=A-1t∑tεt；∑α和∑h為對角陣；βs+1～N（uβ0，∑β0）；αs+1～N（uα0，∑α0）；hs+1～N（uh0，∑h0）。

（二）實證數據與變量選擇

借鑒以往學者研究傳統金融跨市場風險溢出效應時使用的數據［38-39］，本文選用滬深300指數衡量股票市場（STOCK）、WIND房地產市場指數衡量房地產市場（HOUSE）、銀行間同業拆借7天加權利率衡量貨幣市場（MONEY）、中債綜合全價指數衡量債券市場（BOND）、美元兌人民幣匯率衡量外匯市場（EXCHANGE），以上數據均來源于WIND數據庫。根據ADF檢驗，股票市場、房地產市場、債券市場和外匯市場數據為非平穩數據，為保證數據的平穩性和防止出現偽回歸，對以上4個市場數據進行對數差分處理。

以往學者大多使用北京大學發布的數字普惠金融指數衡量數字金融，然而該指數頻率為年度，與本文要求高頻數據不符合。戰明華等（2020）［15］研究認為互聯網支付具有規模大、數據頻率高、數據容易獲得等優勢，并且根據相關性分析還發現互聯網支付數據與北京大學數字普惠金融指數高度相關。易觀分析《中國第三方支付互聯網支付市場季度監測報告2023年第2季度》顯示，2023年第2季度中國第三方互聯網支付市場交易規模為7.76萬億元人民幣。劉敏等（2022）［40］認為余額寶是數字金融最具代表性產品，余額寶交易規模能夠在一定程度上反映我國數字金融發展狀況。據WIND數據顯示，2018年第一季度，余額寶交易規模達到1.69萬億元，在2023年第二季度交易規模仍維持在6700億元。何運信等（2021）［41］認為網絡借貸發展速度快、規模大，網絡借貸規模能夠較好地衡量數字金融發展。網絡借貸一度被作為數字金融的核心產品，據網貸之家數據顯示，僅在2015年，網絡借貸平臺新增數量超過1000家，成交金額超過1萬億元，2017年成交金額達到2.8萬億元。然而網絡借貸的野蠻生長，也導致跑路、詐騙、非法吸儲等問題頻發，截至2020年網絡借貸平臺全部清零。

本文綜合借鑒以往學者衡量數字金融方式和數據可得性，將第三方互聯網支付規模、網絡借貸規模和余額寶規模三者進行加總以衡量數字金融。同時，在分析數字金融影響傳統金融跨市場風險溢出效應功能異質性時，分別運用第三方互聯網支付、網絡借貸和余額寶作為數字支付、數字信貸和數字理財的衡量指標。第三方互聯網支付公布2007年第1季度至2023年第2季度的數據，余額寶和網絡借貸從2013年第1季度開始運營并公布數據，網絡借貸數據時間截至2020年1月。本文數字金融最終使用的時間區間為2007年3月至2023年6月。通過樣條插值法將第三方互聯網支付季度數據和余額寶季度數據轉換為月度頻率。第三方互聯網支付規模、余額寶規模和網絡借貸規模數據均來源于WIND數據庫。圖1報告了數字金融中網絡借貸、余額寶和第三方互聯網支付在2007年3月至2023年6月的發展規模。

四、傳統金融跨市場風險溢出效應

（一）傳統金融市場風險測度

本文采用在險價值法（VaR）測度各個傳統金融市場風險，見圖2。圖2中房地產市場（HOUSE）具有最大的市場風險，股票市場（STOCK）風險次之。房地產市場和股票市場具有相似的風險走勢，在整個時間段內，2008年和2015年兩個市場具有最大的市場風險，源于2008年美國次貸危機和2015年中國股票市場的“股災”。貨幣市場（MONEY）在2011年至2013年個別時點出現較大市場風險，甚至在2013年一度超越房地產市場，源于2013年銀行間出現的“錢荒”，銀行間7天拆借利率甚至超過10%。隨著利率市場化改革的深入推進，2015年后貨幣市場風險顯著降低。5個市場中債券市場（BOND）和外匯市場（EXCHANGE）風險最小，尤其是近年來債券市場風險一直在5個市場中最小，但也需要關注外匯市場風險，外匯市場在2016年后風險顯著上升。總體來看，在險價值法（VaR）較好地測度了中國傳統金融市場風險。

（二）傳統金融跨市場風險溢出

本部分采用DY模型滾動200個窗口測度傳統金融市場跨市場風險溢出，根據信息準則DY模型滯后2階。表1報告股票市場、房地產市場、貨幣市場、債券市場和外匯市場跨市場風險靜態溢出效應，風險溢出結果與以往關于傳統金融跨市場風險溢出的研究結果相近［39］。5個市場風險總溢出值為85.639，每個市場平均風險溢出值為17.128②。從風險溢出視角來看，5個市場中股票市場對其他4個市場風險溢出值最大，達到41.627，房地產市場次之為39.868，貨幣市場、債券市場和外匯市場對其他市場的風險溢出較為接近。從風險溢入視角來看，股票市場和房地產市場風險溢入最高，分別為39.193和40.023，貨幣市場受其他市場風險溢入最小，僅為0.394。總體來看，股票市場和房地產市場具有最大的風險溢出和風險溢入，并且主要體現在兩者間的巨大風險聯動，而貨幣市場、債券市場和外匯市場風險溢出和風險溢入遠小于股票市場和房地產市場。

圖3報告5個傳統金融跨市場風險動態總溢出效應。從圖3可以看出，傳統金融跨市場風險總溢出效應在整個時間區間上具有顯著波動性和時變性，尤其是在2013年和2020年達到峰值。圖3具體表現為，由于受到美國次貸危機的影響，2008年至2010年5個傳統金融跨市場具有較高風險總溢出水平。2013年錢荒事件導致風險總溢出水平的高漲，2015年至2016年股災事件使得傳統金融跨市場風險總溢出水平激增。2016年至2020年間隨著經濟結構轉型以及經濟平穩健康發展，傳統金融市場未出現股災和錢荒等極端風險事件，5個金融市場間風險總溢出水平顯著降低。2020年初新冠疫情下，5個傳統金融跨市場風險總溢出指數迅速攀升，2022年后傳統金融跨市場風險總溢出水平仍然維持在較高位置。

圖4報告傳統金融各市場對其他市場風險動態溢出指數。從股票市場對其他市場風險溢出效應（STOCKTO）來看，在2008年、2015年以及2020年，股票市場對其他市場具有較大的風險溢出效應。具體表現為，2008年美國次貸危機導致上證指數從5200多點跌至1800點，跌幅超過60%，2015年股災期間經歷了千股漲停和千股跌停的巨大波動，2020年初新冠疫情發生后，股市也經歷了暴漲暴跌的極端行情。從房地產市場對其他市場風險溢出效應（HOUSETO）來看，在整個時間維度上風險溢出指數總體較為平穩且均處于高位，在2020年至2021年間，房地產市場對其他市場風險溢出效應迅速增加。從國家統計局發布的《全國房地產市場運行情況》中可以發現，2020年1到2月份商品房銷售金額同比下降19.3%。從貨幣市場對其他市場風險溢出效應（MONEYTO）來看，在2014年前，貨幣市場由于受到美國次貸危機和緊縮貨幣政策的影響，貨幣市場對其他市場具有較大的風險溢出效應，尤其是2013年至2014年間，受到銀行間錢荒影響，貨幣市場對其他市場風險溢出水平激增。2014年后，利率市場化改革深入推進，貨幣市場對其他市場風險溢出效應逐漸降低，且一直維持在較低風險溢出水平。從債券市場對其他市場風險溢出效應（BONDTO）來看，債券市場對其他市場風險溢出效應總體較為平穩，僅在2013年和2020年初出現突變。從外匯市場對其他市場風險溢出效應（EXCHANGETO）來看，總體上外匯市場風險溢出值較低，但仍需關注的是2020年以來，外匯市場對其他市場的風險溢出效應正迅速上升，且在2023年風險溢出指數仍維持在歷史較高水平。接下來，本文從數字金融發展如何影響傳統金融跨市場風險總溢出效應和各市場風險溢出效應展開研究。

五、數字金融對傳統金融跨市場風險溢出效應的影響

（一）數字金融對傳統金融跨市場風險總溢出效應的影響

圖5分析數字金融發展對傳統金融跨市場風險總溢出效應的影響。圖5左εDF↑→TOTALRISK③給出在提前2期、4期和10期即提前2個月、4個月和10個月（分別對應為短期、中期和長期）條件下，數字金融對傳統金融跨市場風險總溢出效應的脈沖響應函數。總體來看，數字金融對傳統金融跨市場風險總溢出效應的脈沖響應函數在短期、中期和長期響應幅度具有較大差異，短期和中期走勢較為平坦，而長期具有較強時變性。其中，數字金融對傳統金融跨市場風險總溢出效應的脈沖響應幅度在短期最大，中期和長期脈沖響應幅度相對有所減弱。從時間維度分析發現，在整個時間段上數字金融對傳統金融跨市場風險總溢出效應的脈沖響應函數均為正值，表明數字金融正向沖擊會增加傳統金融跨市場風險總溢出效應，即數字金融發展顯著加劇傳統金融跨市場風險總溢出效應。可能原因在于：數字金融規模擴張通過提高傳統金融市場資產價格、增加市場間資金流通速度和強化市場間競爭，從而加劇傳統金融跨市場風險總溢出效應。該結論表明，在防范傳統金融市場不發生系統性金融風險時，需將數字金融對傳統金融跨市場風險總溢出效應的加劇作用納入考慮。

圖5右εDF↑→TOTALRISK給出在數字金融不同監管強度下，數字金融影響傳統金融跨市場風險總溢出效應的差異性。本文選擇數字金融3個不同監管強度作為觀測點，2013年作為數字金融元年，對數字金融監管較弱，并結合網絡借貸和余額寶數據，選擇2013年10月作為第一個觀測點，該時點表示數字金融未納入監管時期。在經歷了網絡借貸平臺大面積跑路、破產的情況下，網絡借貸開始納入監管，2017年8月，原銀監會發布《網絡借貸信息中介機構業務活動信息披露指引》，標志著網貸行業監管框架基本形成，因此選擇2017年8月作為第二個觀測點，該時點代表數字金融監管初期。2020年10月，中國人民銀行發布《中國金融科技創新監管工具白皮書》，表明監管層對數字金融的創新監管以及監管強化，因此選擇2020年10月作為第三個觀測點，該時點代表數字金融監管強化。對比數字金融3個不同監管時點的脈沖響應函數發現，在前5期3個時點的脈沖響應函數走勢幾乎一致，而在5期之后，2020年11月的脈沖響應函數值大于2017年8月和2013年10月時點上的脈沖響應值。以上分析表明，數字金融對傳統金融跨市場風險總溢出效應的加劇作用未受到數字金融監管的有效調控，且該加劇作用還有逐漸擴大趨勢。可能原因在于：數字金融監管仍處于探索和起步階段，且對數字金融監管更多的集中于網絡借貸，而對規模更大的第三方支付、數字理財等監管不足。因此，監管層仍需進一步將數字金融的各類功能全部納入監管。

綜合圖5發現，數字金融發展顯著加劇傳統金融跨市場風險總溢出效應。同時，當前數字金融監管難以有效調控數字金融對傳統金融跨市場風險總溢出效應的加劇作用。以上結論表明，在防范傳統金融市場風險時，應將數字金融對傳統金融跨市場風險總溢出效應的加劇作用納入綜合考慮，并將數字金融的各種功能如數字支付、數字理財等納入監管。

（二）數字金融對傳統金融各市場風險溢出效應的影響

圖6報告不同提前期數字金融對傳統金融各市場風險溢出效應的脈沖響應函數，其中εDF↑→STOCKTO④分析數字金融發展如何影響股票市場風險溢出效應。提前期分別為2期、4期和10期（對應短期、中期和長期）的脈沖響應函數具有相似走勢，但脈沖響應幅度存在差異。其中，短期脈沖響應幅度最大，中期和長期脈沖響應幅度相對有所減弱。三條脈沖響應函數在整個時間維度上均為正值，表明數字金融正向外生沖擊加劇股票市場風險溢出效應。可能原因在于：數字金融發展對于股票市場作用更多體現在加速股票市場與其他市場間資金流通，加大股票市場資金流入，抬高股票市場資產價格，進而加劇股票市場風險溢出效應。εDF↑→HOUSETO分析數字金融發展如何影響房地產市場風險溢出效應。3個不同提前期脈沖響應函數走勢較為相似，但脈沖響應幅度存在差異，其中短期脈沖響應幅度最大，中期和長期脈沖響應幅度相對有所減弱。3條脈沖響應函數在整個時間維度上均為負值，表明數字金融正向外生沖擊能夠有效降低房地產市場風險溢出效應。可能原因在于：數字金融發展對房地產市場更多作用于增加房地產市場信息透明度，進而降低房地產市場風險溢出效應。εDF↑→MONEYTO分析數字金融發展如何影響貨幣市場風險溢出效應。短期、中期和長期脈沖響應函數走勢較為相似，且脈沖響應幅度差異較小。3條脈沖響應函數在整個時間維度上多數為負值，表明數字金融發展有助于緩解貨幣市場風險溢出效應。可能原因在于：數字金融發展通過助推利率市場化改革，緩解貨幣市場風險溢出效應。εDF↑→BONDTO分析數字金融發展如何影響債券市場風險溢出效應。短期、中期和長期的脈沖響應函數具有相似走勢，且脈沖響應幅度差異較小。3條脈沖響應函數在整個時間維度上多數為正值，表明數字金融發展加劇債券市場風險溢出效應。可能原因在于：數字金融發展通過增加債券市場與其他市場間資金流通，加大債券市場與其他市場間資金競爭，進而加劇債券市場風險溢出效應。εDF↑→EXCHANGETO報告數字金融發展如何影響外匯市場風險溢出效應。短期、中期和長期脈沖響應函數具有相似走勢，但脈沖響應幅度存在差異，其中短期和中期脈沖響應幅度更大，長期脈沖響應幅度相對有所減弱。3條脈沖響應函數在整個時間維度上均為正值，表明數字金融發展加劇外匯市場風險溢出效應。可能原因在于：數字金融發展通過增加外匯市場交易便捷性，加速外匯市場與其他市場間資金流通速度，進而增加外匯市場風險溢出效應。

圖7報告數字金融監管強度差異下，數字金融對傳統金融各市場風險溢出效應的脈沖響應函數。從圖7的5個脈沖響應圖來看，在數字金融3個不同監管強度時點上，除了數字金融對貨幣政策風險溢出效應外，在監管差異下

數字金融對傳統金融各市場風險溢出效應影響沒有明顯差異，表明當前數字金融監管無法顯著調控數字金融對傳統金融各市場風險溢出效應的緩解和加劇作用。

綜合圖6和圖7可以看出，數字金融發展加劇股票市場、債券市場和外匯市場對其他市場的風險溢出效應，緩解房地產市場和貨幣市場對其他市場的風險溢出效應。該結論表明，數字金融發展對傳統金融各市場風險溢出效應的影響具有市場差異性。同時，在數字金融不同監管強度上，數字金融對傳統金融各市場風險溢出效應的作用效果沒有表現出明顯差異，進一步說明對數字金融監管仍需進一步強化。

六、數字金融影響傳統金融各市場風險溢出效應的功能異質性

數字支付、數字信貸和數字理財作為數字金融最主要組成部分，分別承擔了為市場參與者提供支付、信貸和理財的功能。基于數據可得性與代表性，本節分別以第三方互聯網支付、網絡借貸和余額寶作為數字支付、數字信貸和數字理財衡量指標。接下來，本部分基于數字支付、數字信貸和數字理財視角，分析數字金融發展影響傳統金融跨市場風險溢出效應的功能異質性。

（一）數字金融影響傳統金融跨市場風險總溢出效應的功能異質性

圖8報告數字支付對傳統金融跨市場風險總溢出效應的脈沖響應函數。圖8左εDFPAY↑→TOTALRISK給出在提前分別為2期、4期和10期（對應短期、中期和長期）條件下，數字支付發展對傳統金融跨市場風險總溢出效應的影響。總體來看，3條脈沖響應函數中提前2期和提前4期走勢較為相似，在整個時間段上均較為平坦，提前10期脈沖響應函數具有較大動態時變性。數字支付正向沖擊在短期對傳統金融跨市場風險總溢出效應的影響最大，在長期脈沖響應幅度相對有所減弱。3條脈沖響應函數在整個時間維度多數為正值，表明數字支付正向沖擊會增加傳統金融跨市場風險總溢出效應，即數字支付發展加劇傳統金融跨市場風險總溢出效應。可能原因在于：數字支付發展打破傳統金融交易時空限制，加速市場間資金流通速度，進而加劇傳統金融跨市場風險總溢出效應。

圖8右εDFPAY↑→TOTALRISK分析在數字金融監管3個不同時點上，數字支付對傳統金融跨市場風險總溢出效應的脈沖響應函數。3個時點脈沖響應函數無明顯差異，表明數字金融監管難以有效調控數字支付對傳統金融跨市場風險總溢出效應的加劇作用。綜合圖8來看，以第三方互聯網支付衡量的數字支付對傳統金融跨市場風險總溢出效應具有加劇作用。同時，當前數字金融監管難以有效調控數字支付對傳統金融跨市場風險總溢出效應的加劇作用。

圖9報告以網絡借貸衡量的數字信貸對傳統金融跨市場風險總溢出效應的影響。圖9左εDFP2P↑→TOTALRISK給出數字信貸提前期分別為2個月、4個月和10個月（對應短期、中期和長期）時，數字信貸發展對傳統金融跨市場風險總溢出效應的脈沖響應函數。3條脈沖響應函數走勢具有顯著差異，其中短期脈沖響應函數在整個時間維度上具有明顯下降趨勢，中期脈沖響應函數值在整個時間維度上變化較小，長期脈沖響應函數值近乎為零。3條脈沖響應函數走勢說明，數字信貸對傳統金融跨市場風險總溢出效應的影響僅具有短期作用，中期作用效果較弱，長期無作用效果。該結論表明，數字信貸對傳統金融跨市場風險總溢出效應的影響不具有長期性和持久性。進一步分析短期脈沖響應函數走勢發現，在整個時間維度上脈沖響應函數值始終為負，表明數字信貸正向沖擊緩解傳統金融跨市場風險總溢出效應，且該緩解作用具有增強趨勢。可能原因在于：網絡借貸通過緩解傳統金融市場融資約束、加強信息透明度等，在短期有助于緩解傳統金融跨市場風險總溢出效應，但該緩解作用在中長期不具有持續性。

圖9右εDFP2P↑→TOTALRISK進一步對比數字金融監管強度差異下，數字信貸對傳統金融跨市場風險總溢出效應脈沖響應函數的差異。由于網絡借貸在2020年已經全部清零，且網絡借貸數據區間僅為2013年4月至2020年1月，因此本部分選擇網絡借貸數據的最后一個時間點2020年1月作為第三個觀測時點。3個時點的脈沖響應函數對比來看，3個時點的脈沖響應函數具有相似的走勢，均是在第1期達到負向最大值，在第4期后趨近于零。但3個時點脈沖響應幅度存在顯著差異，2013年10月時點上的脈沖響應幅度小于2017年8月和2020年1月時點的脈沖響應幅度。以上分析表明，網絡借貸未被納入監管時，數字信貸發展對傳統金融跨市場風險總溢出效應的緩解效果較弱，而隨著數字金融被納入監管和監管的強化，數字信貸對傳統金融跨市場風險總溢出效應的緩解作用增強。以上結果表明，網絡借貸被納入監管和監管強化有助于緩解傳統金融跨市場風險總溢出效應。綜合圖9來看，數字信貸對傳統金融跨市場風險總溢出效應具有緩解作用，但該緩解作用不具有長期性和持久性。同時，強化數字金融監管有助于緩解數字信貸對傳統金融跨市場風險總溢出效應的加劇作用。

圖10報告了以余額寶衡量的數字理財對傳統金融跨市場風險總溢出效應的脈沖響應函數。圖10左εDFIF↑→TOTALRISK給出提前期分別為2期、4期和10期（對應短期、中期和長期）時，數字理財發展對傳統金融跨市場風險總溢出效應的脈沖響應函數。總體來看，3條脈沖響應函數走勢具有明顯差異，其中提前2期脈沖響應函數在整個時間維度始終為負，提前4期和提前10期脈沖響應函數恒為正。以上分析表明，數字理財在短期有助于緩解傳統金融跨市場風險總溢出效應，但該緩解作用不具有持久性，在中期和長期，數字理財加劇傳統金融跨市場風險總溢出效應。可能原因在于：數字理財快速發展吸引傳統金融市場大量資金，進而抬高傳統金融市場資金成本，增加傳統金融跨市場資金競爭，在中長期加劇傳統金融跨市場風險總溢出效應。

圖10右εDFIF↑→TOTALRISK報告在數字金融3個不同監管強度時點上，數字理財對傳統金融跨市場風險總溢出效應脈沖響應函數的差異性。總體來看，3個時點脈沖響應函數具有相似走勢⑤，脈沖響應函數值無明顯差異。以上結果表明，當前數字金融監管難以有效調控數字理財對傳統金融跨市場風險總溢出效應的影響。綜合圖10發現，數字理財在短期對傳統金融跨市場風險總溢出效應具有緩解作用，而在中、長期具有加劇作用，當前數字金融監管難以有效調控該作用效果。

對比圖8、圖9和圖10的結果來看，數字支付在短中長期均表現出正向外生沖擊，加劇傳統金融跨市場風險總溢出效應；數字0e3bb91425ebe5b8e59d47e7b91d843c理財在短期緩解傳統金融跨市場風險總溢出效應，而在中長期加劇風險總溢出效應；數字信貸在短期緩解傳統金融跨市場風692011f0aec54b105d6b7d4b28b2325a險總溢出效應，而在中長期影響效果近乎為零。以上結果表明，數字金融對傳統金融跨市場風險總溢出效應的影響存在功能異質性。從數字金融監管來看，當前數字金融監管僅對網絡借貸具有較好調控作用，而對第三方互聯網支付和余額寶的調控效果較差。該結論表明，仍需進一步將數字金融的數字支付和數字理財等功能全部納入監管。

（二）數字金融影響傳統金融各市場風險溢出效應的功能異質性

本部分進一步從數字金融功能異質性視角，分析數字支付、數字信貸和數字理財對傳統金融各市場風險溢出效應影響的功能差異性。圖11報告以第三方互聯網支付衡量的數字支付對傳統金融各市場風險溢出效應的影響。εDFPAY↑→STOCKTO分析數字支付發展對股票市場風險溢出效應的影響。短期、中期和長期脈沖響應函數具有相似走勢，但脈沖響應幅度存在差異，其中短期脈沖響應幅度最大，中期脈沖響應幅度接近于零。短期和長期脈沖響應函數在整個時間維度上恒為正值且具有時變性，表明數字支付發展在短期和長期加劇股票市場風險溢出效應，但長期加劇作用較弱。εDFPAY↑→HOUSETO分析數字支付發展對房地產市場風險溢出效應的影響。短期、中期和長期脈沖響應函數具有較大差異，其中短期和長期脈沖響應函數在整個時間維度上為正值，中期脈沖響應函數恒為負值。3條脈沖響應函數表明，數字支付發展在短期和長期加劇房地產市場風險溢出效應，但長期加劇作用較弱，在中期緩解風險溢出效應。εDFPAY↑→MONEYTO分析數字支付發展對貨幣市場風險溢出效應的影響。短期、中期和長期脈沖響應函數具有較大差異，其中短期脈沖響應函數在整個時間維度更多地體現為負值，中期脈沖響應函數恒為正值，而長期脈沖響應函數接近于零。3條脈沖響應函數表明，數字支付在短期緩解貨幣市場風險溢出效應，中期加劇風險溢出效應，在長期作用效果接近于零。εDFPAY↑→BONDTO分析數字支付發展對債券市場風險溢出效應的影響。短期、中期和長期脈沖響應函數走勢具有較大差異，其中短期脈沖響應函數在整個時間維度恒為負值，中期脈沖響應函數恒為正值，長期脈沖響應函數接近于零。3條脈沖響應函數表明，數字支付發展在短期緩解債券市場風險溢出效應，在中期加劇債券市場風險溢出效應，而在長期作用效果較小。εDFPAY↑→EXCHANGETO分析數字支付發展對外匯市場風險溢出效應的影響。短期、中期和長期脈沖響應函數走勢具有較大差異，其中短期脈沖響應函數在整個時間維度恒為負值，中期脈沖響應函數恒為正值，而長期脈沖響應函數接近于零。3條脈沖響應函數表明，數字支付發展在短期緩解外匯市場風險溢出效應，中期加劇風險溢出效應，長期無作用效果。

圖12報告數字金融3個不同監管強度時點上，數字支付對傳統金融各市場風險溢出效應影響的差異性。從圖12的5個脈沖響應圖來看，3個不同監管時點上脈沖響應函數存在顯著差異，尤其是圖12中前3個脈沖響應圖即數字支付對股票市場風險溢出效應、數字支付對房地產市場風險溢出效應和數字支付對貨幣市場風險溢出效應。3個圖均顯示出，在數字金融納入全面監管后，數字支付對股票市場和房地產市場風險溢出的短期加劇作用有所降低，對貨幣市場風險溢出的短期緩解作用有所增強。

綜合圖11和圖12發現，數字支付對各市場風險溢出效應的影響存在差異性，其中數字支付發展在短期加劇股票市場和房地產市場風險溢出效應，緩解貨幣市場、債券市場和外匯市場風險溢出效應。在中期加劇貨幣市場、債券市場和外匯市場風險溢出效應，緩解股票市場和房地產市場風險溢出效應。數字支付在長期加劇股票市場和房地產市場風險溢出，對貨幣市場、債券市場和外匯市場風險溢出作用效果較弱。該結論與數字金融影響傳統金融各市場風險溢出效應的結論存在差異性，表明數字金融對傳統金融各市場風險溢出效應的影響具有功能異質性。同時，當前數字金融監管能夠有效調控數字支付對部分市場風險溢出效應的作用效果，但也仍需進一步強化數字支付監管。

圖13報告了以網絡借貸衡量的數字信貸對傳統金融各市場風險溢出效應的影響。εDFP2P↑→STOCKTO分析數字信貸發展對股票市場風險溢出效應的影響。短期和中期脈沖響應函數在整個時間維度上具有相似的走勢，并具有動態時變性，而長期脈沖響應函數在整個時間維度上接近于零。3條脈沖響應函數表明，2017年前數字信貸正向沖擊在短期和中期加劇股票市場風險溢出效應，但加劇作用不具有持久性和長期性，在長期幾乎無作用效果。2017年后數字信貸發展在短期和中期有助于緩解股票市場風險溢出效應。εDFP2P↑→HOUSETO分析數字信貸發展對房地產市場風險溢出效應的影響。短期、中期和長期脈沖響應函數在整個時間維度上具有較大差異，其中短期脈沖響應函數在整個時間維度上具有最大的脈沖響應幅度且具有動態時變性，中期脈沖響應幅度較小，長期脈沖響應幅度幾乎為零。3條脈沖響應函數表明，2017年前數字信貸正向沖擊在短期加劇房地產市場風險溢出效應，且具有增強趨勢。2017年后數字信貸在短期對房地產市場風險溢出效應的影響逐漸減弱。數字信貸對房地產市場風險溢出的影響不具有持久性和長期性，在中期和長期該加劇效果較弱。εDFP2P↑→MONEYTO分析數字信貸發展對貨幣市場風險溢出效應的影響。短期、中期和長期脈沖響應函數在整個時間維度上具有較大差異，其中短期脈沖響應函數在整個時間維度上具有最大的脈沖響應幅度且在整個時間維度上為負值，中期脈沖響應幅度顯著減弱且在整個時間維度上為正值，長期脈沖響應函數值近乎為零。3條脈沖響應函數表明，2017年前數字信貸正向沖擊在短期緩解貨幣市場風險溢出效應，2017年后數字信貸在短期對貨幣市場風險溢出緩解作用逐漸減弱。數字信貸對貨幣市場風險溢出的緩解作用不具有持久性和長期性，在中期該緩解作用出現反轉，長期作用效果近乎為零。εDFP2P↑→BONDTO分析數字信貸發展對債券市場風險溢出效應的影響。短期、中期和長期脈沖響應函數在整個時間維度上具有較大差異，其中短期脈沖響應函數在整個時間維度上具有最大的脈沖響應幅度且具有動態時變性，中期和長期脈沖響應函數值接近于零。3條脈沖響應函數表明，數字信貸正向沖擊在短期加劇債券市場風險溢出效應，但加劇作用不具有持久性和長期性，在中期和長期該加劇作用效果近乎為零。εDFP2P↑→EXCHANGETO分析數字信貸發展對外匯市場風險溢出效應的影響。短期、中期和長期脈沖響應函數在整個時間維度上具有較大差異，其中短期和中期脈沖響應函數在整個時間維度上具有相似的走勢，長期脈沖響應函數值幾乎為零。短期和中期脈沖響應函數在整個時間維度上主要為正值，表明數字信貸正向沖擊在短期和中期加劇外匯市場風險溢出效應，該加劇作用效果在長期為零。

圖14報告在數字金融不同監管強度時點上，數字信貸對傳統金融各市場風險溢出效應影響的差異性。從圖14的5個脈沖響應圖來看，數字信貸對傳統金融各市場風險溢出效應的影響，在數字金融3個不同監管時點上具有細微差異性，尤其是數字信貸對股票市場、房地產市場和債券市場的脈沖響應函數。同時，結合圖13也可以發現，在2017年數字金融納入監管后，數字信貸對股票市場、房地產市場和貨幣市場風險溢出效應的作用效果均有所減弱。該結果進一步表明，當前數字金融監管能夠有效調控數字信貸對傳統金融部分市場風險溢出效應的緩解和加劇作用。

綜合圖13和圖14分析發現，數字信貸發展在短期加劇股票市場、房地產市場、債券市場和外匯市場風險溢出效應，緩解貨幣市場風險溢出效應，但數字信貸對傳統金融各市場風險溢出效應的影響均不具有長期性和持久性，數字信貸在長期對所有市場風險溢出效應的影響幾乎為零。本部分研究發現，數字信貸對各市場風險溢出效應的影響與數字金融和數字支付的研究結論存在差異。該結果表明，在研究數字金融對傳統金融各市場風險溢出效應的影響時，仍需基于數字金融不同功能進行差異化檢驗，即數字金融對傳統金融各市場風險溢出效應的影響存在功能異質性。本部分研究還發現，數字金融監管能夠有效調控數字信貸對傳統金融部分市場風險溢出效應的緩解和加劇作用。

圖15報告以余額寶衡量的數字理財對傳統金融各市場風險溢出效應的影響。εDFIF↑→STOCKTO分析數字理財發展對股票市場風險溢出效應的影響。短期、中期和長期脈沖響應函數在整個時間維度上具有較大差異，其中短期脈沖響應函數在整個時間維度上具有最大的脈沖響應幅度，中期脈沖響應幅度相對較小，長期脈沖響應函數在2019年前為負值，2019年后轉為正值但接近于零，3條脈沖響應函數均具有動態時變性。短期和中期脈沖響應函數表明，數字理財正向沖擊在短期和中期加劇股票市場風險溢出效應。長期脈沖響應函數表明，在2019年前數字理財正向沖擊在長期有助于緩解股票市場風險溢出效應，2019年后加劇股票市場風險溢出效應，但作用效果遠弱于短期和長期。εDFIF↑→HOUSETO分析數字理財發展對房地產市場風險溢出效應的影響。短期、中期和長期脈沖響應函數在整個時間維度上具有較大差異，其中短期脈沖響應函數在整個時間維度上具有最大的脈沖響應幅度，中期和長期脈沖響應幅度相對較小。3條脈沖響應函數在整個時間維度上大多為正值，表明數字理財正向沖擊在短期加劇股票市場風險溢出效應，該加劇作用在中期和長期效果較弱。εDFIF↑→MONEYTO分析數字理財發展對貨幣市場風險溢出效應的影響。短期、中期和長期脈沖響應函數在整個時間維度上走勢具有差異性，其中短期脈沖響應函數在整個時間維度上具有最大的脈沖響應幅度，中期和長期脈沖響應幅度相對較小，均具有較好動態時變性。3條脈沖響應函數在整個時間維度上均為正值，表明數字理財正向沖擊加劇貨幣市場風險溢出效應。εDFIF↑→BONDTO分析數字理財發展對債券市場風險溢出效應的影響。短期、中期和長期脈沖響應函數在整個時間維度上具有較大差異，其中短期脈沖響應函數在整個時間維度上具有最大的脈沖響應幅度，中期脈沖響應幅度相對較小，長期脈沖響應幅度最小且恒為負值。3條脈沖響應函數表明，數字理財正向沖擊在短期和中期加劇債券市場風險溢出效應，在長期緩解債券市場風險溢出效應。εDFIF↑→EXCHANGETO分析數字理財發展對外匯市場風險溢出效應的影響。短期、中期和長期脈沖響應函數在整個時間維度上具有較大差異，其中短期脈沖響應幅度最大，中、長期脈沖響應幅度相對較小。3條脈沖響應函數在整個時間維度上均為正值，表明數字理財正向沖擊加劇外匯市場風險溢出效應。

圖16報告在數字金融3個不同監管強度時點上，數字理財對傳統金融各市場風險溢出效應影響的差異性。從圖16的5個脈沖響應圖來看，除了數字理財對貨幣市場脈沖響應函數外，其余4個脈沖響應圖在數字金融3個不同監管強度時點下沒有明顯差異。該結論表明，當前數字金融監管難以顯著調控數字理財對傳統金融各市場風險溢出效應的緩解和加劇作用。

綜合圖15和圖16分析發現，除了在長期對債券市場具有緩解作用外，數字理財發展對5個傳統金融市場風險溢出效應均具有加劇作用。本部分研究發現，數字理財對各市場風險溢出效應的影響與數字金融、數字支付和數字信貸的研究結論存在差異。以上結論表明，在分析數字金融對傳統金融各市場風險溢出效應影響時，應基于數字金融功能異質性，進行差異化檢驗。

綜合圖11至圖16的結論發現，數字支付、數字信貸和數字理財對傳統金融各市場風險溢出效應的作用效果與數字金融對傳統金融各市場風險溢出效應的作用效果總體上具有差異性。該結論表明，在分析數字金融對傳統金融各市場風險溢出效應的影響時，應進一步基于數字金融功能異質性進行審慎判斷。從數字金融監管強度差異來看，當前數字金融監管僅對數字支付和數字信貸具有一定的調控效果，而對數字理財的調控效果很弱，表明仍需進一步將數字金融所有功能全部納入監管。

七、基于DY模型和TVPVARDY模型的穩健性檢驗

以往學者大多運用DY模型測度跨市場風險溢出，但DY模型沒有明確的滾動窗口選擇標準，本部分進一步選擇300個滾動窗口進行穩健性檢驗。同時，ANTONAKAKIS等（2020）［42］提出基于時變參數向量自回歸波動溢出模型（TVPVARDY）測度網絡動態溢出效應。相比DY模型，TVPVARDY模型克服了DY模型滾動窗口選擇的問題。因此，本部分首先分別運用300窗口的DY模型和TVPVARDY模型計算出傳統金融跨市場風險溢出，然后運用TVPVARSV模型分析數字金融發展影響傳統金融跨市場風險溢出的穩健性。圖17至圖22分別報告了基于滾動300窗口的DY模型和基于TVPVARDY模型測度跨市場風險溢出效應下，數字金融對傳統金融跨市場風險總溢出效應和各市場風險溢出效應的作用效

果以及數字金融不同監管強度下作用效果的差異性。從圖17和圖18發現，無論是基于滾動300窗口的DY模型還是基于TVPVARDY模型，數字金融發展均加劇傳統金融跨市場風險總溢出，且在3個不同監管時點下作用效果無明顯差異。以上分析表明，數字金融發展加劇傳統金融風險總溢出以及當前數字金融監管仍需進一步強化的結論具有穩健性。

圖19至圖22分析了數字金融影響傳統金融各市場風險溢出效應的穩健性，從圖19和圖6的對比發現，除了貨幣市場部分時間段外，總體上基于滾動300窗口風險溢出測度下，數字金融對傳統金融各市場風險溢出的作用效果具有穩健性。從圖21和圖6的對比發現，除了房地產市場外，總體上基于TVPVARDY模型風險溢出測度下，數字金融對傳統金融各市場風險溢出的作用效果具有穩健性。從圖20和圖22發現，在數字金融3個不同監管強度時點上，除了個別市場外，數字金融對傳統金融各市場風險溢出效應的影響沒有明顯差異，表明當前數字金融監管無法顯著調控數字金融對傳統金融各市場風險溢出效應的結論具有穩健性。

八、結論

數字金融通過資產價格渠道、資金流通渠道、信息透明度渠道和市場競爭渠道影響傳統金融網絡結構和網絡密度，進而影響傳統金融跨市場風險溢出效應。本文首先運用DY模型構建股票市場、房地產市場、貨幣市場、債券市場和外匯市場跨市場風險總溢出指數和各市場風險溢出指數。其次運用TVPVARSV模型將數字金融和傳統金融跨市場風險溢出指數納入統一框架下，分析數字金融發展如何影響傳統金融跨市場風險總溢出效應和各市場風險溢出效應，并分析在數字金融不同監管強度下，數字金融影響傳統金融跨市場風險溢出效應的監管差異性。再次根據數字金融不同功能，從數字支付、數字信貸和數字理財視角分析數字金融影響傳統金融跨市場風險溢出效應的功能異質性。最后基于DY模型滾動300窗口和TVPVARDY模型，檢驗數字金融影響傳統金融跨市場風險溢出效應的穩健性。

本文研究發現：

第一，傳統金融存在跨市場風險溢出效應，其中股票市場是傳統金融市場中最大風險輸出方，房地產市場對其他市場的風險溢出值在5個市場中僅次于股票市場。基于傳統金融市場風險動態溢出效應發現，受新冠疫情的影響傳統金融跨市場風險總溢出水平較高，其中股票市場、房地產市場和外匯市場在疫情期間風險溢出增速較快。

第二，數字金融從資產價格渠道、資金流通渠道、信息透明度渠道和市場競爭渠道影響傳統金融跨市場風險溢出效應。實證檢驗發現，數字金融發展加劇傳統金融跨市場風險總溢出效應。基于傳統金融各市場風險溢出效應發現，數字金融發展加劇股票市場、債券市場和外匯市場風險溢出效應，而緩解房地產市場和貨幣市場風險溢出效應。

第三，進一步從數字金融功能異質性進行檢驗，發現數字支付、數字信貸和數字理財對傳統金融跨市場風險總溢出效應和各市場風險溢出效應的作用效果具有差異性。該結論表明，數字金融對傳統金融跨市場風險溢出效應的作用效果存在功能異質性。

第四，從數字金融監管強度差異分析發現，在數字金融不同監管強度下，數字金融對傳統金融跨市場風險總溢出效應和各市場風險溢出效應的作用效果無明顯差異，即當前數字金融監管難以有效調控數字金融對傳統金融跨市場風險溢出效應的作用效果。進一步基于數字金融功能異質性分析發現，當前數字金融監管對數字支付、數字信貸和數字理財的調控效果存在功能異質性和市場差異性，但總體調控效果較差。

第五，基于DY模型滾動300窗口和TVPVARDY模型進行穩健性檢驗發現，數字金融對傳統金融跨市場風險溢出效應的作用效果具有穩健性，數字金融監管無法顯著調控數字金融對傳統金融跨市場風險溢出效應的作用效果也具有穩健性。

基于以上研究結論，本文得到的啟示如下：

首先，數字金融發展顯著影響傳統金融跨市場風險溢出效應，尤其是加劇傳統金融跨市場風險總溢出效應。因此，監管層在處理傳統金融市場局部風險時，應將數字金融對傳統金融局部風險的加劇和擴散作用進行統籌考慮，以防局部風險擴散為系統性金融風險。

其次，數字金融發展對傳統金融各市場風險溢出效應作用效果具有市場差異性和功能異質性。因此，在分析和監管數字金融對傳統金融各市場風險溢出效應的影響時，應進一步基于數字金融功能異質性和傳統金融市場差異性進行審慎分析和監管。

最后，當前數字金融監管僅對數字金融的個別功能具有一定的調控效果，而難以有效調控數字金融大部分功能。因此，未來對數字金融的監管，應將數字金融所有功能全部納入監管范圍。

［參考文獻］

［1］張勛，萬廣華，張佳佳，等.數字經濟、普惠金融與包容性增長［J］.經濟研究，2019（8）：71-86.

［2］LIJ，WUY，XIAOJJ.Theimpactofdigitalfinanceonhouseholdconsumption：evidencefromChina［J］.Economicmodelling，2020，86：317-326.

［3］鄧辛，彭嘉欣.基于移動支付的數字金融服務能為非正規就業者帶來紅利嗎？——來自碼商的微觀證據［J］.管理世界，2023（6）：16-33.

［4］LETNL，ABAKAHEJA，TIWARIAK.Timeandfrequencydomainconnectednessandspilloveramongfintech，greenbondsandcryptocurrenciesintheageofthefourthindustrialrevolution［J］.Technologicalforecastingandsocialchange，2021，162：120382.

［5］RISMANA，MULYANAB，SILVATIKAB，etal.Theeffectofdigitalfinanceonfinancialstability［J］.Managementscienceletters，2021，11（7）：1979-1984.

［6］周光友，張逸佳.持幣動機、電子貨幣替代與貨幣供給［J］.金融研究，2018（11）：172-187.

［7］CHENS，ZHANGH.Doesdigitalfinancepromotemanufacturingservitization：microevidencefromChina［J］.Internationalreviewofeconomics&finance，2021，76：856-869.

［8］吳雨，李潔，尹志超.房價上漲對P2P網絡借貸成本的影響分析——來自“人人貸”的經驗證據［J］.金融研究，2018（11）：85-97.

［9］卓麗洪.互聯網金融與經濟安全構成要素關聯度實證研究［J］.數量經濟技術經濟研究，2020（2）：3-25.

［10］封思賢，郭仁靜.數字金融、銀行競爭與銀行效率［J］.改革，2019（11）：75-89.

［11］LINA，PENGY，WUX.Digitalfinanceandinvestmentofmicroandsmallenterprises：evidencefromChina［J］.Chinaeconomicreview，2022，75：101846.

［12］鐘凱，梁鵬，王秀麗，等，數字普惠金融有助于抑制實體經濟“脫實向虛”嗎？——基于實體企業金融資產配置的分析［J］.國際金融研究，2022（2）：13-21.

［13］OZILIPK.Impactofdigitalfinanceonfinancialinclusionandstability［J］.Borsaistanbulreview，2018，18（4）：329-340.

［14］LINGJINGYU，LIJIANPING，ZHUXIAOQIAN，etal.RiskspilloversbetweenFinTechandtraditionalfinancialinstitutions：evidencefromtheUS［J］.Internationalreviewoffinancialanalysis，2020，71：101544.

［15］戰明華，湯顏菲，李帥.數字金融發展、渠道效應差異和貨幣政策傳導效果［J］.經濟研究，2020（6）：22-38.

［16］HSUSH，SHENC，YOONJ.Riskspilloversbetweencryptocurrenciesandtraditionalcurrenciesandgoldunderdifferentglobaleconomicconditions［J］.TheNorthAmericanjournalofeconomicsandfinance，2021，57：101443.

［17］李政，梁琪，方意.中國金融部門間系統性風險溢出的監測預警研究——基于下行和上行ΔCoES指標的實現與優化［J］.金融研究，2019（2）：40-58.

［18］楊子暉，陳里璇，陳雨恬.經濟政策不確定性與系統性金融風險的跨市場傳染——基于非線性網絡關聯的研究［J］.經濟研究，2020（1）：65-81.

［19］何德旭，苗文龍，閆娟娟，等.全球系統性金融風險跨市場傳染效應分析［J］.經濟研究，2021（8）：4-21.

［20］TIWARIAK，ABAKAHEJA，GABAUERD，etal.Dynamicspillovereffectsamonggreenbond，renewableenergystocksandcarbonmarketsduringCOVID19pandemic：implicationsforhedgingandinvestmentsstrategies［J］.Globalfinancejournal，2022，51：100692.

［21］LEECC，ZHOUH，XUC，etal.Dynamicspillovereffectsamonginternationalcrudeoilmarketsfromthetimefrequencyperspective［J］.Resourcespolicy，2023，80：103218.

［22］KHALFAOUIR，JABEURSB，DOGANB.Thespillovereffectsandconnectednessamonggreencommodities，Bitcoins，andUSstockmarkets：evidencefromthequantileVARnetwork［J］.Journalofenvironmentalmanagement，2022，306：114493.

［23］邱晗，黃益平，紀洋.金融科技對傳統銀行行為的影響——基于互聯網理財的視角［J］.金融研究，2018（11）：17-29.

［24］BRUNERMEIERM，ROTHERS，SCHNABELI.Assetpricebubblesandsystemicrisk［J］.Thereviewoffinancialstudies，2020，33（9）：4272-4317.

［25］PAVLIDISE，PAYAI，SKOURALISA.Houseprices，（un）affordabilityandsystemicrisk［J］.NewZealandeconomicpapers，2021，55（1）：105-123.

［26］方意，荊中博.外部沖擊下系統性金融風險的生成機制［J］.管理世界，2022（5）：19-35.

［27］方意，王晏如，荊中博.P2P借貸市場與股票市場間的溢出機制：中國股市2015年異常波動期間的證據［J］.國際金融研究，2020（4）：87-96.

［28］ZHAOX，ZHANGWG，LIUYJ.VolatilityspilloversandriskcontagionpathswithcapitalflowsacrossmultiplefinancialmarketsinChina［J］.Emergingmarketsfinanceandtrade，2020，56（4）：731-749.

［29］楊子暉，李東承，王姝黛.合成網絡新視角下的輸入性金融風險研究［J］.中國工業經濟，2022（3）：38-56.

［30］GUOL，CHENJ，LIS，etal.AblockchainandIoTbasedlightweightframeworkforenablinginformationtransparencyinsupplychainfinance［J］.Digitalcommunicationsandnetworks，2022，8：576-587.

［31］NIEREW.Bankstabilityandtransparency［J］.Journaloffinancialstability，2005，1（3）：342-354.

［32］吳金宴，王鵬.哪些因素影響了股市風險傳染？——來自行業數據的證據［J］.中國管理科學，2022（8）：57-68.

［33］PARLOURCA，RAJANU，ZHUH.Whenfintechcompetesforpaymentflows［J］.Thereviewoffinancialstudies，2022，35（11）：4985-5024.

［34］CHIUWC，PENAJI，WANGCW.Industrycharacteristicsandfinancialriskcontagion［J］.Journalofbanking&finance，2015，50：411-427.

［35］DIEBOLDFX，YILMAZK.Bettertogivethantoreceive：predictivedirectionalmeasurementofvolatilityspillovers［J］.Internationaljournalofforecasting，2012，28（1）：57-66.

［36］DIEBOLDFX，YILMAZK.Onthenetworktopologyofvariancedecompositions：measuringtheconnectednessoffinancialfirms［J］.Journalofeconometrics，2014，182（1）：119-134.

［37］NAKAJIMAJ.TimevaryingparameterVARmodelwithstochasticvolatility：anoverviewofmethodologyandempiricalapplications［J］.Monetaryandeconomicstudies，2011，29：107-142.

［38］宮曉莉，熊熊.波動溢出網絡視角的金融風險傳染研究［J］.金融研究，2020（5）：39-58.

［39］周開國，季蘇楠，楊海生.系統性金融風險跨市場傳染機制研究——基于金融協調監管視角［J］.管理科學學報，2021（7）：1-20.

［40］劉敏，任鐘媛，周德才，等.基于混頻數據的互聯網金融風險測度及預測研究［J］.管理學報，2022（12）：1847-1854.

［41］何運信，洪佳歡，王聰聰，等.互聯網金融如何影響銀行流動性創造——銀行風險承擔中介效應的實證檢驗［J］.國際金融研究，2021（12）：64-73.

［42］ANTONAKAKISN，CHATZIANTONIOUI，GABAUERD.Refinedmeasuresofdynamicconnectednessbasedontimevaryingparametervectorautoregressions［J］.Journalofriskandfinancialmanagement，2020，13（4）：84.

DigitalFinance，FinancialRegulationandtheCrossmarket

RiskSpilloverofTraditionalFinance

LiangHong

（SchoolofEconomics，SouthwestUniversityofPoliticalScience&Law，Chongqing401120，China）

Abstract：Preventingsystemicfinancialriskshasalwaysbeenthecoreoffinancialregulation，anditisimpossibletodoagoodjobindigitalfinancewithoutguardingagainstfinancialrisks.Thedevelopmentofdigitalfinancehaschangedthestructureanddensityofthetraditionalfinancialnetwork，whichmayintensifythecontagionofcrossmarketrisksintraditionalfinance，andeventriggersystemicfinancialrisks.ThispaperusestheTVPVARSVmodeltoanalyzehowthedevelopmentofdigitalfinanceaffectsthecrossmarketriskspillovereffectoftraditionalfinance，andexaminestheregulatorydifferencesandfunctionalheterogeneityoftheimpactofdigitalfinanceontheriskspillovereffectunderdifferentregulatoryintensitiesandfunctionaldifferencesofdigitalfinance.Theresearchfindingsofthispaperareasfollows：first，thedevelopmentofdigitalfinanceexacerbatesthetotalspillovereffectofcrossmarketrisksintraditionalfinance;second，theimpactofdigitalfinanceonthecrossmarketriskspillovereffectofvariousmarketsintraditionalfinancehasmarketdifferences;third，thecurrentregulationofdigitalfinanceisdifficulttoeffectivelyregulatetheimpactofdigitalfinanceonthecrossmarketriskspillovereffectoftraditionalfinance;finally，thereisfunctionalheterogeneityintheimpactofdigitalfinanceonthecrossmarketriskspillovereffectoftraditionalfinance.Researchsuggeststhatinpreventingsystemicfinancialrisks，itisnecessarytocomprehensivelyconsiderthemechanismandtheeffectofdigitalfinanceonthecrossmarketriskspilloveroftraditionalfinance，andfurtherincorporateallfunctionsofdigitalfinanceintoregulation.

Keywords：digitalfinance;traditionalfinance;financialregulation;riskspillovereffect

（責任編輯：蔡曉芹）