金融風險內部傳染效應分析

喬涵

摘要：國際金融危機的爆發，對經濟造成了巨大的破壞力。金融風險不僅可以在國家間傳染，也可以在同一國家中不同的金融市場之間傳染。在中國最主要的金融市場有債券市場、外匯市場和股票市場，因此本文主要考察中國債券市場、外匯市場和股票市場的風險傳染機制，為不同金融市場抵御金融風險傳染提供重要的理論依據。

關鍵詞：金融風險 傳染機制 計量分析

一、研究背景及文獻梳理

國際金融危機的爆發，使得金融風險在全球范圍內傳播，對經濟造成了巨大的破壞力。金融風險不僅可以在國家間傳染，也可以在同一國家中不同的金融市場之間傳染。金融市場之間的風險傳染是從中觀層面探討不同金融產品之間的風險傳遞機制，金融市場由不同的金融產品組成，在中國最主要的金融市場有債券市場、外匯市場和股票市場，因此本文主要考察中國債券市場、外匯市場和股票市場的風險傳染機制，為不同金融市場抵御金融風險傳染提供重要的理論依據。

如果金融風險的沖擊從某一金融市場傳遞到另外一個金融市場，這兩個金融市場之間會因為風險沖擊產生顯著的變化，則表明這兩個金融市場之間存在著風險傳染。隨著金融全球化進程的推進，金融風險傳播速度加快，金融危機爆發頻繁，針對金融市場間風險傳染的研究有所加強。

（一）國外的研究

不同國家，由于金融市場的發達程度不同，其風險傳染的效果也不同。Ruey和ShanWu（2005）研究中指出，在新興市場國家中，股票市場和債券市場之間的傳染聯動效應顯著。Ebrahim（2000）對德國、加拿大等金融市場發達國家數據的實證研究表明，貨幣市場和外匯市場之間存在正向價格溢出和波動溢出的風險傳染效應。

（二）國內的研究

國內對金融市場風險傳染的研究主要有袁晨和傅強（2010）利用CARCH 模型實證研究了我國2003-2010年股票市場與債券市場、黃金市場之間階段時變特征的傳染效應。謝志超和曾忠東（2012）利用VAR方法檢驗了美國金融危機對我國金融市場的傳染效應。結合國內外文獻，金融市場間的風險傳染效應在研究方法上主要采用向量自回歸模型VAR、多變量GARCH模型和協整分析等。本文主要運用聯立方程組的方法，加入滯后項構造出修正的VAR模型，實則是對VAR系統方法的一種改進；本模型比VAR模型改進之處在于盡可能消除隨機擾動項與變量之間的自相關，從而使模型更加精確。

本文研究的對象是包括債券市場風險、外匯市場風險和股票市場風險在內的金融市場風險。

二、樣本數據選擇和變量說明

本文的債券市場數據，以債券市場交易總量來代表。債券市場是發行和買賣債券的場所，是金融市場的一個重要組成部分。債券市場是一國金融體系中不可或缺的部分。一個統一、成熟的債券市場可以為全社會的投資者和籌資者提供低風險的投融資工具；債券的收益率曲線是社會經濟中一切金融商品收益水平的基準，因此債券市場也是傳導中央銀行貨幣政策的重要載體。可以說，統一、成熟的債券市場構成了一個國家金融市場的基礎。債券市場交易總量即為在債券市場中的交易總額。本文中采用的是1999到2010年每年的平均交易總額。

股票市場數據采用股票市價總值。對一家上市公司來說，它的股票市場價格乘以發行的總股數，即為該公司在市場上的價值，也就是公司的市價總值。把所有上市公司的市值加總，就可得出整個股票市場的市價總值。股市的市場總值是衡量一個國家股票市場發達程度的重要指標。市價總值：當前市場價格×股本數=市價總值。本文采用的是1999到2010年每年平均的股票市價總值

外匯市場數據采用人民幣對美元的基礎匯率（exchange）為數據。作為主要的貿易伙伴國以及全球第一經濟體，美元匯率具有很高的代表性，其數據能夠很好地代表外匯市場。

三、實證模型

通過在國家統計局等相關政府部門門戶網站查找數據后，本文將債券總量、股票市值、人民幣兌美元的匯率、固定資產投資量、價格指數、進出口量等數據進行了Eviews軟件的處理，得出了債券總量、股票市值、人民幣兌美元的匯率之間的變量關系。以下為得出的參數模型：

de=c（1）+c（2）*s+c（3）*e+c（4）*d_t_1_+c（5）*f （1）

s=c（6）+c（7）*de+c（8）*e+c（9）*s_t_1_+c（10）*p （2）

e=c（11）+c（12）*de+c（13）*s+c（14）*e_t_1_+c（15）*ex （3）

其中p f ex d_t_1_ s_t_1_ e_t_1_是工具變量。

de：債券市場交易總量；

s：股票市價總值；

e：人民幣兌美元的匯率；

d_t_1_：債券市場交易總量滯后項；

s_t_1_：股票市價總值的滯后項；

e_t_1：人民幣兌美元匯率的滯后項；

f：固定資產投資總量；

p：價格指數；

ex：進出口量；

驗證模型的可識別性：

M=3 K=6，

對（1）來說，k=2，K-k=4>M-1=2，該方程可以識別，并且是過度識別；

對（2）來說，k=2，K-k=4>M-1=2，該方程可以識別，并且是過度識別；

對（3）來說，k=2，K-k=4>M-1=2，該方程可以識別，并且是過度識別；

因此該模型可以識別。

用eviews對模型進行檢驗，t檢驗結果基本顯著。

通過Eviews軟件的處理和運算，得出各參數數值：

將Eviews軟件處理后的數據代入原始公式，得到了以下結果：

de=（-42874.60）+0.065574*s+5341.992*e+0.040864*d_t_1_+0.010378*f （1）

s=222104.6+15.01321*de+（-12435.51）*e+0.097684*s_t_1_+（-1682.774）*p（2）

e=3.163880+0.000161*de+（-1.00E-05）*s+0.589436*e_t_1_+（-4.56E-06）*ex（3）

de：債券市場交易總量；

s：股票市價總值；

e：人民幣兌美元的匯率；

d_t_1_：債券市場交易總量滯后項；

s_t_1_：股票市價總值的滯后項；

e_t_1：人民幣兌美元匯率的滯后項；

f：固定資產投資總量；

p：價格指數；

ex：進出口量；

四、結論

第一，由于債券市場和股票市場之間的關系系數為正，且在（1）中系數為0.065574，（2）中系數為15.01321，表明債券市場和股票市場之間存在正的相關關系，但是股票市場的變動對債券市場的波動影響較弱，而債券市場的波動對股票市場的波動影響較強。

第二，由于債券市場和外匯市場之間的關系系數為正，且在（1）中系數為5341.992，（2）中系數為0.000161，表明債券市場和外匯市場之間存在正的相關關系，但是外匯市場的波動對債券市場的波動影響很強，而債券市場的波動對外匯市場的關系較弱。

第三，由于股票市場和外匯市場之間的關系系數為正，且在（2）中系數為-12435.51，（3）中的系數為-1.00E-05，表明債券市場和外匯市場之間存在負的相關關系，外匯市場的波動對股票市場的波動影響較強，股票市場的波動對外匯市場的波動影響十分強。

五、與中國實際結合和政策建議

第一，由于股票市場的變動對債券市場的波動影響較弱，而債券市場的波動對股票市場的波動影響較強，所以我們應該防止債券市場出現波動時對股票造成的影響。因為利率的變化對股票和債券價格都有著很深的影響，所以我們首先應該調整的是我國的利率制度，實現利率市場化。利率市場化的實現必須依據條件的成熟程度決定利率放開的計劃安排，使利率市場化有計劃、有步驟地順利實現。目前，我國利率市場化改革的總體框架是：先外幣，后本幣；先貸款，后存款；先農村，后城市；先批發，后零售。其改革遵守兩個基本原則，一是漸進式，二是力爭與國際慣例接軌。逐步“建立以中央銀行利率為基礎、以貨幣市場利率為中介、由市場供求決定金融機構存貸款利率的市場利率體系和利率形成機制”。

第二，由于外匯市場的波動對債券市場的波動影響很強，而債券市場的波動對外匯市場的關系較弱。美歐債務危機后，靠外國的經濟理論和政策是解決不了問題的，中國必須靠自主獨立的、將西方經濟理論中國化的貨幣政策：實行提幅增頻雙向浮動的人民幣匯率政策；在外匯管理方面實行“限入獎出”政策。人民幣匯率雙向浮動提幅增頻，增強外匯政策的自主性，能夠減少外匯儲備，進而減少持有美歐政府債券的數量，減少美國政府信用等級下調帶來的外匯儲備損失。與此同時，外匯儲備減少，外匯占款規模收縮，國內貨幣供給量下降，還有利于抑制國內通貨膨脹。

第三，外匯市場的波動對股票市場的波動影響較強，股票市場的波動對外匯市場的波動影響十分強。由于外匯市場與股票市場之間的相互影響，導致金融風險在兩個市場之間傳遞更加無孔不入，金融風險越來越立體，擴散性、溢出性不斷加強，金融市場的不穩定性大大增強，甚至易引發金融體系乃至整個經濟體系的動蕩。為了降低“蝴蝶效應”下金融風險的快速擴散，促進外匯市場和股票市場的協調健康發展，可從以下幾個方面著手：首先，強化對國際資本流動的監管，引導投機資本合理合法的流動。一方面構建風險預警指標體系，利用這些指標對國際資本流向實體經濟、流向證券市場的風險程度進行測算，從而做好預防措施；另一方面加強國際間資本流動的動態監控，改進外商投資企業外匯登記和資本金結匯管理，探索對結匯資金流向的后續核查和監管，遏制通過僑匯分拆方式規避外匯限額監管的行為，跟蹤調查異常的外匯流動等。其次，從多角度規范證券市場發展，完善信息披露制度，規范信息披露報告的內容和標準，構建多層次資本市場，培育成熟的市場參與主體，進一步完善和修改《證券法》，為市場提供透明公開的交易環境，形成科學的價格發現功能，避免股價隨匯率變化發生大幅波動。

參考文獻：

[1]吳信如.人民幣匯率購買力評價的互動關系——一個VEC模型分析[J].財經研究，2007，（8）.

[2]袁晨，傅強.我國金融市場見投資轉移和市場傳染的階段實變特征——股票與債券、黃金間關聯性的實證分析[J].系統工程，2010，（5）.

[3]李志輝，王穎.中國金融市場間風險傳染效應分析——基于VEC模型分析的視角[J].現代財經，2012，（7）.

[4] Johansen S.Likelihood-based inference in cointe-grated vector autoregressive models[M].Oxford U-niversity Press，1995.