金融科技創新對傳統金融業的風險溢出效應研究

摘"要：本文選取了154家具有代表性的金融科技創新上市公司股票數據構造金融科技指數，根據申萬指數構建銀行業指數、證券業指數和保險業指數，運用GARCH-CoVaR模型測算金融科技創新對傳統金融行業的風險溢出效應。研究結果表明，金融科技創新對三大傳統金融業均具有正向風險溢出效應。

關鍵詞：金融科技創新；風險溢出；GARCH-CoVaR模型

中圖分類號：F2"""""文獻標識碼：A""""""doi：10.19311/j.cnki.16723198.2024.23.005

1"金融科技創新對傳統金融業的風險溢出機制

1.1"技術風險溢出

不管是金融科技向傳統金融業的滲透還是傳統金融業向金融科技創新企業購買技術服務，本質上都是金融科技創新，技術本身的缺陷可能疊加在傳統金融業的系統性風險上。同時，金融科技創新企業可能利用技術優勢將存在技術缺陷的金融產品推向市場，市場無法根據以往的經驗分辨金融產品的優劣或者市場走向，從而增加市場風險。

1.2"業務風險溢出

先進的數字技術具有“雙刃劍”特征。雖然智能決策能提高業務處理效率，但是一旦數字技術出現漏洞或者操作失誤，可能使單純的技術風險放大為系統性風險。金融科技創新在傳統金融業的廣泛應用增加了風險連鎖反應。

1.3"監管滯后風險溢出

金融科技創新使傳統金融業態和新型金融業態之間的界限越來越模糊，傳統金融監管手段對于當前的新金融業態產生了明顯的滯后效應。如果金融科技創新企業利用這種滯后效應進行套利活動，監管失靈的風險必然向傳統金融業溢出。

2"模型構建

2.1"風險測度模型

2.1.1"VaR模型

VaR模型表示在一定置信水平和一定持有期內，市場正常波動水平時，金融資產在持有期內資產價格波動下的最大可能損失。VaR模型用隨機變量概率密度函數測度風險價值，具體表達式為：

Pr（yjt≤VaRjq，t）=q（1）

式（1）中，yjt表示金融科技創新行業j在持有期間內第t日的價值損失額，q表示置信水平，VaRjq，t表示金融科技創新行業j在資產持有期內在q置信水平下的最大損失，Pr表示資產價值損失低于可能損失上限的概率。

2.1.2"CoVaR模型

CoVaR模型可以很好地刻畫由于科技創新導致的極端市場波動。通過計算單個市場在面臨風險時的價值與整個市場在正常情況下的風險值的差額，表征單個市場對于整個市場系統性風險的溢出值，以此來度量各個子市場對整個金融市場在面臨風險時的影響。設置某個顯著性水平描述金融科技創新行業j在遭遇損失時，與之相關聯的傳統金融業i可能遭受的最大潛在損失，具體形式為：

Pr（yit≤CoVaRi|jq，t|yjt=VaRjq，t）=q（2）

CoVaRi|jq，t表示在置信水平為q時，金融科技創新行業j發生損失時，傳統金融市場i可能面臨的最大損失，也就是傳統金融業i在金融科技行業j處在某一風險水平時的風險水平，其風險值可以分解為兩部分：無條件風險值和溢出風險值。按照Girardi等（2013）提出的風險溢出價值計算方法，無條件風險值為VaRiq，t，則風險溢出價值為CoVaR與VaR的差值，具體形式為：

ΔCoVaRi|jq，t=CoVaRi|jq，t－VaRiq，t（3）

ΔCoVaRi|jq，t度量金融科技行業j對傳統金融業i的風險溢出量。考慮到不同金融業的無條件風險差異值可能較大，將ΔCoVaRi|jq，t標準化去除量綱得到%ΔCoVaRi|jq，t，代表市場發生危機時金融科技創新行業j對傳統金融業i的風險貢獻程度，具體計算公式為：

%ΔCoVaRi|jq，t=ΔCoVaRi|jq，tVaRiq，t（4）

2.2"GARCH模型

本文采用GARCH模型對CoVaR進行估計。GARCH模型用來解決金融數據中由于波動率的集聚性所造成的異方差問題，適合分析具有后尾分布的股票收益率序列，符合金融科技風險溢出的測度要求。本文使用簡潔的GARCH（1，1）模型擬合市場的收益率序列，并據此測算金融科技創新行業對傳統金融業的風險溢出強度。

2.2.1"金融科技創新行業的VaR值估算

基于GARCH-CoVaR方法對金融科技創新行業的收益率序列建模，形式如下：

yjt=μj+αjpAp（L）yjt－1+εj，t"εj，t=σj，tηj，t（5）

σ2j，t=θj+βj0ε2j，t－1+βj1σ2j，t－1（6）

式（5）為均值方程，μj為無條件期望收益，εj，t為收益率殘差。yjt－1是滯后一期的收益率，Ap（L）是滯后算子，本文取L=1。ηj，t是將金融科技創新行業第t日的收益率進行標準化，用收益率殘差除以標準差，計算公式為：ηj，t=εj，t/σj，t。

式（6）為條件方差方程，反映均值方程中殘差項的波動情況，可以根據前期基礎數據預測方差。σ2j，t是金融科技創新行業在t期的條件方差，β0是ARCH項系數，用來表示金融科技創新行業從前期獲得的波動性信息，β0越大表明波動性沖擊越強烈；β1是GARCH項系數，表示沖擊的持續性。

根據上述模型，金融科技創新行業j在t時期置信水平q下的風險價值估計值為：

VaRjq，t=y︿jt+Q（q）σ︿j，t（7）

y︿jt和σ︿j，t分別表示金融科技創新行業在t時期收益率和方差估計值，Q（q）表示q置信水平下分布的分位數。

2.2.2"傳統金融業風險價值估算

在收益率均值方程（6）的基礎上加入科技創新行業j在t期的收益率作為傳統金融業i收益率的解釋變量，用來反映科技創新行業對傳統金融業的風險溢出效應，方程形式如下：

yit=μi+αipAp（L）yit－1+ξi|jyjt+εi，tεi，t=σi，tηi，t（8）

σ2i，t=θi+βi0ε2i，t－1+βi1σ2i，t－1（9）

式（8）和式（9）分別為傳統金融業的均值方程和條件方差方程，式（9）中系數ξi|j表示j對i的風險溢出影響，對收益率殘差項εi，t也進行標準化處理。

類似地，傳統金融業i在t時期置信水平q下的風險價值估計值為：

VaRiq，t=y︿it+Q（q）σ︿i，t（10）

y︿it和σ︿i，t分別表示傳統金融業在t時期收益率和方差估計值，Q（q）表示q置信水平下分布的分位數。

2.2.3"傳統金融業的條件風險價值估算

將yjt=VaRjq，t帶入式（8），得到以下估計方程：

yit=μ︿i+α︿ipApLyit－1+ξ︿i|jVaRjt+εi，t（11）

σ2i，t=θ︿i+β︿i0ε2i，t－1+β︿i1σ2i，t-1（12）

據此計算出傳統金融業在金融科技創新行業存在風險溢出條件下的在險價值：

CoVaRi|jq，t=y︿it+Q（q）σ︿i，t（13）

式（13）中，條件風險價值被分解為兩部分，一是傳統金融業本身的無條件風險值，二是傳統金融業在金融科技創新業面臨最大可能損失條件下的溢出風險價值。

3"實證分析

3.1"數據來源與指數構建

本文數據來源于Wind數據庫，在金融科技概念股中選取了154家代表性金融科技上市公司作為研究樣本，收集這些公司的股票每日收盤價并運用熵權法構建金融科技創新指數。參考陳建青等（2015）的做法選取申萬指數分別構建銀行業指數、證券業指數和保險業指數，其中包括37家銀行、46家證券公司和8家保險公司。樣本數據區間為2013年1月7日到2019年11月29日，指數構建過程如下：

第t日某行業價格指數：

Pt=∑nk=1pktwktwt（14）

第t日某行業收益率：

yt=（lnPt-lnPt-1）100（15）

式（14）中某行業是指金融科技創新行業、銀行業、證券業和保險業，對應的Pt分別表示第t日上述4個行業指數，pkt表示某行業內公司k第t日的股票收盤價，wkt為某行業內公司k第t日的市值，wt表示某行業第t日的行業總市值。式（15）中，yt為某行業的收益率。

3.2"變量的描述性統計

對四個行業的收益率進行描述性統計分析，結果如表1所示。

表1顯示各行業對數收益率的均值都接近于零，盈利水平均很低。負的偏度說明金融科技創新行業和銀行業虧損的概率大于盈利的概率。4個行業收益率的峰度值均大于正態分布的峰度，說明收益率分布具有尖峰厚尾的特征。另外，正態性J-B檢驗統計量值均較大，表明4個行業的對數收益率明顯不具有正態分布的特征，選擇GARCH模型是合適的。

3.3"估算收益率風險價值VaR

根據式（7）（10）計算VaR時變序列，計算結果如表2所示。各行業收益率VaR絕對值越大，說明該市場面臨的自身風險越大。

3.4"估計金融科技創新風險溢出水平CoVaR

根據式（9），得到金融科技創新對傳統金融行業的風險溢出量和風險貢獻程度如表3所示。在95%置信水平下，金融科技創新對銀行業、證券業、保險業的風險貢獻程度分別為19.798%、41.316%和34.937%。

結果表明：

（1）金融科技創新對銀行業、證券業、保險業都具有風險溢出效應，其中證券業受到金融科技創新風險溢出的威脅最大，保險業居中，銀行業遭受的沖擊較小。當風險來臨時沒有一個市場可以獨善其身。

（2）金融科技創新對保險業的風險溢出比例較低，原因在于2017年4月起，保險監管部門先后發布了一系列文件治理保險市場，說明恰當的監管能提高金融機構和金融科技行業的穩定性。

參考文獻

[1]Girardi"G，Tolga"Ergün"A.Systemic"risk"measurement："Multivariate"GARCH"estimation"of"CoVaR[J].Journal"of"Banking"amp;"Finance，2013，37：31693180.

[2]陳建青，王擎，許韶輝，等.金融行業間的系統性金融風險溢出效應研究[J].數量經濟技術經濟研究，2015，（09）：89100.