實體行業風險溢出機制與特征分析

趙 飛

(中南財經政法大學金融學院，湖北 武漢 430073)

一、引 言

2020年10月《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》指出，“加強經濟安全風險預警、防控機制和能力建設，實現重要產業、基礎設施、戰略資源、重大科技等關鍵領域安全可控”。隨著經濟金融結構的調整，系統性風險呈現出跨部門、跨行業傳染的新特點和新趨勢。2020年新冠肺炎疫情肆虐全球，全球產業鏈和供應鏈面臨斷裂風險，特別地，在此期間出現了國際石油價格跌至負值、美股在短時間內觸發4次熔斷等極端事件。這些都說明了實體行業風險溢出對經濟金融體系穩定的重要影響。實體行業風險，尤其是實體行業極端風險關聯成為后疫情時期應當深入思考的重要問題。那么，實體行業風險通過何種機制進行傳遞？各實體行業在其中扮演怎樣的角色？實體行業風險溢出存在何種具體特征？又有哪些行業特征會影響尾部風險關聯？這些問題都亟待回答。鑒于此，本文以實體行業尾部風險關聯為切入點，探究實體行業風險溢出機制，從水平特征、結構特征和行業特征三個維度對以上問題進行回答。

自系統性風險概念提出以來，相關研究相繼涌現。早期關于系統性風險的研究主要集中于金融領域[1][2][3][4]。隨著經濟金融的縱深發展，系統性風險也開始通過一些新路徑在不同部門、不同行業之間傳染擴散。因此，將實體行業風險溢出納入系統性風險研究框架進行分析具有重大意義。目前，已有學者開始將系統性風險關注的范圍從金融領域拓展至實體經濟領域。

根據研究方式的不同，經濟金融全局視角下的系統性風險相關文獻可以分為兩類。第一類為理論研究，主要通過結構模型來解釋金融市場狀態與宏觀經濟總體波動之間的關系[5][6][7][8]。第二類為實證研究。宮小琳和卞江(2010)[9]、Chiu等(2015)[10]、Cotter等(2017)[11]、Silva等(2017)[12]分別從經濟部門、實體行業、信貸企業等角度定量分析系統性風險與實體經濟之間的關系。李政等(2020)[13]、楊子暉和王姝黛(2020)[14]、李守偉等(2020)[15]、賈妍妍等(2020)[16]分別從非對稱、雙向反饋等視角論證了實體行業沖擊對經濟金融體系脆弱性的影響。Nguyen等(2020)[17]則發現美國實體行業之間存在顯著的波動溢出效應，且溢出強度與行業間的貿易依賴程度有關。

實體行業在系統性風險的產生及傳遞過程中扮演著十分重要的角色，然而目前鮮有文獻對實體行業之間的風險傳染機制與特征進行分析。作為對現有文獻的有益補充，本文以實體行業風險溢出為對象，利用LASSO-CoVaR模型對實體行業尾部風險關聯特征進行分析。本文的主要貢獻在于：(1)拓展了系統性風險的研究框架，創新性地提出了基于貿易信貸渠道、供應鏈渠道以及信息渠道的實體行業風險傳染路徑，為研究提供理論支撐；(2)利用LASSO-CoVaR模型構建實體行業高維網絡來考察我國實體行業尾部風險關聯；(3)從行業特征角度探究實體行業風險狀態的影響因素，為防范實體行業風險溢出提供基礎。

二、實體行業風險傳染機制分析

深入分析和識別實體行業風險傳染的機制與路徑，是合理度量風險傳染的前提，更是防范系統性風險的基礎。實體行業風險傳染路徑有以下三條：

第一，貿易信貸渠道。貿易信貸是指企業之間通過應付賬款形成的短期借貸。在行業關聯網絡中，當某一企業遭遇流動性沖擊，可能會導致與其有資金關聯的其他企業也陷入財務困境，進而引起行業之間債務鏈條斷裂，引發債務危機。Bradley和Rubach(2002)[18]調查了131家美國企業破產的原因，其中41家企業破產是由未償付的應收賬款直接導致的，86家企業破產是由未償付的應收賬款對生產經營造成了重大不利影響間接導致的。第二，供應鏈渠道。它主要涉及行業間的投入產出關系，揭示行業之間的技術經濟聯系與依存程度，并且這種技術經濟聯系是在長期生產經營實踐中產生的，具有穩定性。行業間的生產技術關系是行業層面沖擊在整個經濟中傳播的重要渠道[19]。供應鏈的網絡聯系通常會放大初始沖擊的真實效應，尤其在危機時期會對整個社會的就業、消費和投資產生巨大負面影響[20]。沖擊起源于行業層面，通過投入產出關系傳播，最終形成經濟層面的聚合沖擊。第三，信息渠道。根據信息的特性，一個經濟系統總是存在理性信息和非理性信息，它們產生的沖擊效應是不同的。我國行業間理性信息效應主要源于相關經濟政策共同信息以及龍頭企業異質信息推動形成的投資概念，由“概念相關”帶動“行業關聯”，引起行業共振。從非理性信息來看，由于市場信息的不對稱性以及市場主體的非理性行為，行業風險可能通過這類信息渠道相互傳染，產生非理性信息沖擊效應。非理性信息具有非穩定特征，并且會加大實體行業間風險傳遞的強度和破壞性。

三、方法與數據

CoVaR最早由Adrian和Brunnermeier(2016)[3]提出。該模型只能捕捉二元變量間的風險溢出，而現實中風險溢出會受到多維變量的共同影響，本文借鑒Hautsch等(2015)[21]的計算方法，利用LASSO-CoVaR模型構建我國實體行業尾部風險高維傳染網絡。

(一)LASSO-CoVaR模型的構建

首先，利用分位數回歸度量行業i在t期分位數下的VaR值，其數學表達式如下：

(1)

(2)

(3)

(4)

其中，LASSO懲罰項為λ‖β‖1，ρτ(u)=u(τ-I(u<0))。本文通過交叉驗證，選擇使信息統計量最小的懲罰項λ進行計算。

最后，LASSO-CoVaR可通過如下公式計算得到：

(5)

金融市場高頻數據具有時變特征，單一固定參數模型無法適用整個樣本。為捕捉尾部風險的時變性，本文采用200天滾動窗口方法，動態考察實體行業風險溢出的方向與強度。

(二)尾部風險網絡構建及行業系統性風險的測度

(三)數據來源

本文利用申萬一級行業指數數據度量實體行業尾部風險關聯網絡(2)實體行業具體為采掘(cj)、化工(hg)、鋼鐵(gt)、有色金屬(ysjs)、建筑材料(jzcl)、建筑裝飾(jzzs)、電氣設備(dqsb)、機械設備(jxsb)、國防軍工(gfjg)、汽車(qc)、家用電器(jydq)、紡織服裝(fzfz)、輕工制造(qgzz)、商業貿易(symy)、農林牧漁(nlmy)、食品飲料(spyl)、休閑服務(xxfw)、醫藥生物(yysw)、公用事業(gysy)、交通運輸(jtys)、房地產(fdc)、電子(dz)、計算機(jsj)、傳媒(cm)、通信(tx)。。樣本期為2006年10月9日至2020年6月30日，行業收益率序列為行業指數對數收益率。狀態變量參考Adrian和Brunnermeier(2016)[3]的研究，分別選取市場收益率、市場波動率、流動性溢價、期限溢價以及信用溢價(3)受篇幅限制未展示狀態變量計算說明，作者備索。本文所用數據頻率均為日頻，數據來自Wind數據庫。。

四、實證結果

(一)實體行業尾部風險關聯水平分析

1.實體行業尾部風險溢出總體水平分析——“近危機”特征

圖1展示了實體行業尾部風險溢出總體水平(TS)的變化趨勢。根據圖1可以發現，我國實體行業尾部風險溢出總體水平表現出顯著的“近危機”特征，即在危機爆發前期風險不斷積蓄，危機時期尾部風險溢出水平顯著提升直至到達最高點，在危機爆發后風險又逐漸回歸至正常水平，并呈現小幅波動的平穩態勢。根據TS趨勢變化可以發現，樣本期大致包含兩個“近危機”周期，分別為2007～2008年金融危機時期和2014～2015年股災時期。第一個時期的風險主要來自國際間傳染。美國房地產泡沫破裂對全球經濟造成重大沖擊，國際貿易持續萎縮，加之國內經濟結構調整等因素，導致我國外貿出口大幅回落，企業庫存增加，資金嚴重短缺，行業發展遭受重創，初始沖擊在國內經濟體系中循環放大。而在2014～2015年股災期間，總溢出水平由0.15的低位迅速攀升至0.247的最高位。這一階段我國國民經濟增速持續回落，經濟結構深度調整，實體經濟下調風險增大。受制于內需疲軟、外需不振、房地產調整等，全年GDP增速等宏觀指標回落，各行業經營面臨重大挑戰。當重要性行業陷入困境時，沖擊會沿著資金鏈、產業鏈等渠道傳遞至具有生產關聯或業務同質性的其他經濟金融領域。此外，在風險事件出現后，信息渠道通過“喚醒效應”導致經濟主體風險偏好驟轉，引發“羊群效應”與“市場踩踏”。

圖1 實體行業尾部風險溢出總體水平動態變化

2.實體行業尾部風險關聯水平分析——電子、計算機行業成為焦點

為考察各實體行業在風險關聯中的角色，表1報告了各實體行業尾部風險關聯的基本統計量。從風險溢出端來看，電子是風險溢出最大的行業，風險溢出強度均值達到0.19，計算機、機械設備位列其后。從風險吸收端來看，計算機、有色金屬與國防軍工同為風險吸收最大的行業，風險吸收強度均值為0.14。由此可見，電子、計算機在其中扮演著重要的角色。電子、計算機等電子信息產業是我國經濟體系中具有戰略性、基礎性和先導性的行業，滲透性強、帶動作用大。另外，電子、計算機作為高成長科技型行業，存在著熊彼特“破壞性創造”的發展規律。因此，該類行業企業生產經營具有高風險特征。

表1 我國各實體行業尾部風險關聯基本統計量

為分析單個實體行業尾部風險關聯的動態變化，圖2、圖3分別繪制了各實體行業風險溢出與吸收的趨勢特征。結合圖2和圖3可以發現：(1)大多數行業風險溢出與風險吸收的時變趨勢與風險溢出總體水平TS相似，呈現出“近危機”特征。一方面，危機狀態下，經濟處于下行通道，社會有效需求不足，產品滯銷，資金鏈、產業鏈受阻甚至斷裂，導致行業間的風險溢出增加；另一方面，極端沖擊下市場恐慌情緒通過信息渠道迅速蔓延，引起未出現危機的關聯行業資金外流，造成行業風險共振。(2)各實體行業風險波動幅度存在差異，周期性行業風險波動幅度大于非周期性行業。由于非周期性行業產品需求相對穩定，因此受經濟周期的影響較小，表現出穩定的風險波動。而周期性行業的風險狀態則會隨著經濟周期的變化發生波動。

圖2 我國各實體行業風險溢出水平動態變化

圖3 我國各實體行業風險吸收水平動態變化

圖4展示了各實體行業凈風險效應的動態趨勢，可以發現不同行業的凈風險效應的變化趨勢同樣存在一定差異。電子、化工與機械設備等行業在樣本期間表現為凈風險溢出，而國防軍工、有色金屬以及房地產等行業在樣本期間表現為凈風險吸收。

圖4 我國各實體行業凈風險效應動態變化

(二)實體行業尾部風險關聯結構分析

1.全樣本時期實體行業尾部風險關聯結構分析——風險“同質”特征

本文利用風險溢出網絡考察實體行業尾部風險關聯結構。每個節點代表一個行業，節點大小表示行業的在險價值(VaR)，節點間的有向連線表示行業尾部風險關聯，連線的粗細表示關聯強度。為了簡明清晰，本文僅刻畫對行業(節點)j風險溢出位于前5%的連線，如圖5所示。

由圖5可以發現，業務相關性較高的實體行業間尾部風險關聯呈現出同質特征，即處于同一產業鏈或具有相似業務特征的行業彼此存在著較強的尾部風險關聯，例如計算機、電子、通信與傳媒之間，采掘、有色金屬與鋼鐵之間，電氣設備、機械設備與國防軍工之間。這與喬海曙等(2016)[22]的結論一致。以計算機、電子、通信與傳媒行業為例，如圖5所示，電子、計算機、通信與傳媒風險連線最粗，表現出了高度的風險同質效應。隨著數字信息技術的發展，以移動互聯網為代表的新型媒體異軍突起，逐步模糊了行業的分界線，形成了囊括硬件制造、系統集成、軟件開發、信息傳輸以及應用服務的集合產業鏈——電子信息產業。同一產業鏈條、顯著的業務同質特征、相互依賴的經濟技術關聯且具有相似的商業周期導致在經濟體系遭遇外生沖擊時，風險會通過這些關聯路徑在計算機、電子、通信與傳媒行業之間循環傳遞，引發風險共振。

圖5 全樣本下實體行業尾部風險關聯網絡

2.不同風險狀態下實體行業尾部風險關聯分析

為考察實體行業尾部風險關聯的狀態變化，本文將樣本分為危機時期與正常時期兩個階段(4)危機時期為前文所分析的兩個“近危機”周期，即2007～2008年金融危機時期與2014～2015年股災時期；正常時期為樣本其余時期。。表2報告了在不同風險狀態下各實體行業尾部風險關聯水平均值的變化情況。由表2可知，相較于正常時期，危機時期的行業尾部風險關聯顯著增強。在經濟下行時期，社會需求、風險偏好、經濟預期均會下調，外生沖擊沿著傳導路徑在經濟體系中蔓延，導致行業尾部風險關聯增強。從尾部風險關聯水平可以看出，電子和計算機在不同風險狀態下仍保持較強的風險溢出，為經濟體系中主要的風險溢出者，而國防軍工和有色金屬則為經濟體系中主要的風險吸收者。相對而言，風險溢出行業大多在經濟體系中具有基礎性、先導性作用，具有技術滲透性，因此會對其他行業產生明顯的風險外溢。

表2 不同風險狀態下實體行業尾部風險網絡角色分析

續表

表3為不同風險狀態下實體行業間風險傳染排名變化情況(5)受篇幅限制，僅展示部分實體行業間風險傳染排名變化，全表作者備索。排名變動為名次變動的絕對值。。從排名變化情況可以看出，計算機、電子、通信與傳媒之間，采掘、有色金屬與鋼鐵之間，電氣設備、機械設備與國防軍工之間的風險傳染強度仍處于所有行業風險傳染的前列，表現出了穩定的同質特征。這主要源于這些行業的風險傳導路徑具有穩定性，無論是貿易信貸渠道還是供應鏈渠道都是行業企業在長期生產經營中生成的合作關系或戰略關系，因此具有較強的黏性特征。而一些業務相關性較低的行業風險傳染位次出現了較大幅度的變化，表現出了非穩定的尾部風險關聯，例如國防軍工與傳媒、交通運輸與機械設備等。這主要是由于危機時期與正常時期市場受信息效應影響而表現出非理性風險關聯變動。

表3 不同風險狀態下實體行業間風險傳染排名變化分析

五、進一步分析

(一)模型設計與變量選擇

由于各實體行業具有不同的行業特性與風險特征，因此在面對相同沖擊時會產生不同的響應[23][24]。為進一步對實體行業風險關聯的影響因素進行探索，本文選取風險溢出、風險吸收作為被解釋變量，行業特征作為解釋變量，建立如下模型進行回歸分析：

(6)

(7)

其中，被解釋變量Risk_spilloverit、Risk_absorbit分別為行業i在t期的風險溢出和風險吸收。解釋變量xit包括行業風險(VaRit)、行業規模(Sizeit)、行業杠桿率(Levit)、行業盈利能力(Roait)、行業營業收入增長率(Growthit)、行業應付賬款周轉率(APit)、行業應收賬款周轉率(ARit)、行業營業收入現金占比(Cashholdit)、市賬價值比(M2bit)、經濟同比增長率(Gdpt)和貨幣供應量同比增長率(M2t)。ui和vt分別為行業固定效應和季節固定效應，εit為隨機擾動項。相關行業數據來源于CSMAR數據庫，并按申萬一級行業分類標準經市值加權平均得到，樣本期為2007年第一季度至2019年第三季度。各變量描述性統計限于篇幅未報告，作者備索。

(二)回歸結果分析

根據方程(6)、方程(7)建立面板回歸模型，考慮到應付賬款與應收賬款對風險溢出端與吸收端的不同影響，本文分別將應付賬款周轉率(AP)和應收賬款周轉率(AR)作為營運能力變量進行回歸，實證結果如表4所示。

表4 實體行業風險關聯回歸結果

續表

就行業風險溢出端而言，全樣本下行業風險、行業杠桿率系數顯著為正，規模系數顯著為負。在危機時期行業風險、市賬價值比系數顯著為正，行業規模系數顯著為負。在正常時期行業風險系數顯著為正，行業規模系數顯著為負。這說明行業自身風險、行業杠桿率是影響實體行業風險溢出的重要因素，控制行業自身風險、行業杠桿率有助于緩解行業風險溢出。另外，規模較大的實體行業表現得更加穩健。值得注意的是，危機時期的市賬價值比成為影響行業風險溢出的顯著因素，回歸系數解釋為市場估值越高的實體行業，其風險外溢越大。可能的原因在于，危機時期的信息不對稱、投資者非理性等非理性信息效應強化了實體行業間的風險傳遞。

就行業風險吸收端而言，在全樣本下，僅行業風險對風險吸收具有顯著影響。在危機時期，除行業風險外，行業杠桿率對行業風險吸收具有正效應，行業營業收入增長率、行業營業收入現金占比對風險吸收具有顯著負效應。這是由于危機時期實體行業風險狀態變化會比正常時期更加敏感。另外，危機時期提升行業營業收入現金占比、行業營業收入增長率可以增加企業流動性，降低經營風險，增強抵御外部風險的能力，這與貿易信貸渠道的邏輯一致。值得注意的是，貨幣供應量同比增長率在危機時期的回歸系數顯著為負，而正常時期的回歸系數則顯著為正，這表明危機時期采取擴張性的貨幣政策有利于降低實體行業風險關聯，正常時期采取擴張性貨幣政策則會促使實體行業風險聚集。這為我國實施逆周期調節政策提供了一定的證據支撐。

(三)穩健性檢驗

本文使用動態面板模型對實證結果進行穩健性檢驗(6)受篇幅限制，穩健性檢驗結果未報告，作者備索。。行業風險變量、杠桿率變量和規模變量等主要變量回歸系數均與前文分析一致，因此結論具有一定的穩健性。

六、結論與啟示

本文提出了基于貿易信貸、供應鏈和信息渠道的實體行業風險傳染路徑，利用LASSO-CoVaR方法測度了我國實體行業尾部風險溢出效應，從水平和結構維度分析了實體行業風險溢出特征，并利用行業異質性數據考察了實體行業風險溢出的影響因素。主要研究結論包括以下三個方面：(1)風險關聯水平方面，我國實體行業風險溢出總體水平呈現出“近危機”特征，即在危機時期整體風險水平及行業關聯度顯著上升。隨著產業結構的調整升級，以創新驅動為代表的電子、計算機行業成為實體行業尾部風險關聯中主要的風險溢出者。(2)風險關聯結構方面，業務相關性較高的行業間尾部風險關聯呈現出穩定的同質特征。(3)風險關聯影響因素方面，行業自身風險、行業杠桿率均對行業風險溢出具有強化作用，而行業成長性、行業現金流則有助于降低危機時期的行業風險吸收。

本文結論對我國系統性風險管理有如下啟示：第一，系統性風險的防控不應局限于金融領域，需擴展至包括實體行業在內的整個經濟領域；第二，鑒于行業溢出風險呈現“近危機”特征，在繼續實施逆周期調節的基礎上，應協調貨幣、信貸、財政和產業等政策，熨平系統性風險周期；第三，強化對重點行業的風險監控，增強基礎設施保障，構筑具有特色、優勢互補、結構合理的產業鏈集群；第四，針對具有資金關聯、生產技術依賴以及業務同質性的行業，建立健全風險緩沖隔離機制，加強技術多路徑探索，優化融資結構，防止行業共振引發系統性風險。