我國(guó)區(qū)域金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)與傳染機(jī)制研究

張立光 滕召建

摘? ?要：本文運(yùn)用社會(huì)網(wǎng)絡(luò)分析法對(duì)2011—2018年山東省區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)機(jī)制進(jìn)行了深入探討。結(jié)果發(fā)現(xiàn)：各城市間區(qū)域性金融風(fēng)險(xiǎn)存在明顯的空間關(guān)聯(lián)和溢出效應(yīng)，空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)復(fù)雜性、關(guān)聯(lián)性和穩(wěn)健性不斷增強(qiáng)，中心城市不斷增多，處于從屬或邊緣地位的城市減少;位于網(wǎng)絡(luò)中心城市的金融風(fēng)險(xiǎn)以輸入效應(yīng)為主，并在風(fēng)險(xiǎn)傳染中主要起到中介作用;而位于邊緣地位城市的金融風(fēng)險(xiǎn)主要以溢出效應(yīng)為主。進(jìn)一步的探討表明，受風(fēng)險(xiǎn)關(guān)聯(lián)、網(wǎng)絡(luò)結(jié)構(gòu)及經(jīng)濟(jì)增長(zhǎng)、工業(yè)發(fā)展、城鄉(xiāng)差距和政府收支等因素影響，網(wǎng)絡(luò)中心城市的金融風(fēng)險(xiǎn)下降，而網(wǎng)絡(luò)邊緣城市金融風(fēng)險(xiǎn)升高，不同網(wǎng)絡(luò)位置區(qū)域金融風(fēng)險(xiǎn)表現(xiàn)出明顯的異質(zhì)性。

關(guān)鍵詞：區(qū)域性風(fēng)險(xiǎn);空間關(guān)聯(lián);傳染機(jī)制;社會(huì)網(wǎng)絡(luò)分析

中圖分類號(hào)：F830? 文獻(xiàn)標(biāo)識(shí)碼：B? 文章編號(hào)：1674-2265（2021）11-0048-08

DOI：10.19647/j.cnki.37-1462/f.2021.11.007

一、引言

2008年全球金融危機(jī)讓人們認(rèn)識(shí)到了危機(jī)爆發(fā)的突然性和系統(tǒng)性金融風(fēng)險(xiǎn)的巨大破壞力，反思金融危機(jī)的爆發(fā)，一個(gè)很重要的原因是，隨著科技發(fā)展、金融創(chuàng)新及金融脫媒，金融業(yè)務(wù)的全球化、網(wǎng)絡(luò)化和復(fù)雜化不斷加劇，全球市場(chǎng)“蝴蝶效應(yīng)”頻繁發(fā)作，風(fēng)險(xiǎn)的傳染性和破壞力大大提升。由于傳統(tǒng)微觀審慎監(jiān)管低估了風(fēng)險(xiǎn)的傳染破壞力，導(dǎo)致雷曼的破產(chǎn)風(fēng)險(xiǎn)最終演變?yōu)槿蚪鹑谖C(jī)。在經(jīng)濟(jì)全球化和金融危機(jī)頻發(fā)的背景下，如何防范金融風(fēng)險(xiǎn)已成為各國(guó)的重大課題。

區(qū)域金融風(fēng)險(xiǎn)介于宏微觀金融風(fēng)險(xiǎn)之間，由一定的微觀層面風(fēng)險(xiǎn)聚集而成，但又可能通過(guò)網(wǎng)絡(luò)傳染形成宏觀層面的系統(tǒng)性風(fēng)險(xiǎn)。在經(jīng)濟(jì)步入新常態(tài)背景下，區(qū)域間經(jīng)濟(jì)聯(lián)系越來(lái)越緊密，但近年來(lái)隨著經(jīng)濟(jì)增速降低、地方政府債務(wù)擴(kuò)張以及各種金融新興業(yè)態(tài)的發(fā)展，金融創(chuàng)新與風(fēng)險(xiǎn)管理間的矛盾凸顯，金融風(fēng)險(xiǎn)問題日益突出。而大企業(yè)集團(tuán)、地方法人金融機(jī)構(gòu)及新興金融業(yè)務(wù)風(fēng)險(xiǎn)的不斷暴露，特別是新時(shí)期金融業(yè)務(wù)和經(jīng)濟(jì)關(guān)聯(lián)的跨區(qū)域、跨市場(chǎng)和跨機(jī)構(gòu)特征，導(dǎo)致風(fēng)險(xiǎn)的關(guān)系特性、傳染機(jī)制及影響范圍均發(fā)生了顯著變化，更是給區(qū)域經(jīng)濟(jì)發(fā)展和金融穩(wěn)定帶來(lái)較大壓力。針對(duì)這一問題和趨勢(shì)，近幾年學(xué)術(shù)界針對(duì)我國(guó)區(qū)域金融風(fēng)險(xiǎn)的變化特征進(jìn)行了研究探討。從已有文獻(xiàn)看，探討如何測(cè)度系統(tǒng)性金融風(fēng)險(xiǎn)和網(wǎng)絡(luò)傳染機(jī)制的文獻(xiàn)較多，但對(duì)區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)和傳染機(jī)理展開的研究較少。另外從目前研究方法上來(lái)看，無(wú)論是VAR模型，還是GARCH簇模型和Copula函數(shù)族，都與現(xiàn)實(shí)差距較大，而且忽略了當(dāng)前金融網(wǎng)絡(luò)化發(fā)展趨勢(shì)。

鑒于此，本文基于當(dāng)前金融系統(tǒng)網(wǎng)絡(luò)化發(fā)展趨勢(shì)，以近些年風(fēng)險(xiǎn)暴露比較突出的山東省為樣本，運(yùn)用網(wǎng)絡(luò)分析法對(duì)區(qū)域性金融風(fēng)險(xiǎn)傳染機(jī)理進(jìn)行了深入探討。本文貢獻(xiàn)主要體現(xiàn)在回答了三個(gè)問題：一是區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)系是如何形成和實(shí)現(xiàn)的;二是區(qū)域性金融風(fēng)險(xiǎn)的傳染機(jī)制是什么;三是區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)影響程度有多大。本文的研究成果有助于為金融監(jiān)管機(jī)構(gòu)和政府防范和化解區(qū)域性金融風(fēng)險(xiǎn)提供參考。

二、文獻(xiàn)綜述

（一）金融風(fēng)險(xiǎn)傳染定義

關(guān)于金融風(fēng)險(xiǎn)傳染，世界銀行將其定義為：相對(duì)于平穩(wěn)市場(chǎng)，在危機(jī)時(shí)期金融市場(chǎng)間波動(dòng)相關(guān)性的增加。多數(shù)學(xué)者對(duì)金融風(fēng)險(xiǎn)傳染的定義與世界銀行的含義一致，認(rèn)為只有在剔除貿(mào)易聯(lián)系、資金流動(dòng)和金融聯(lián)系等基本面關(guān)聯(lián)性導(dǎo)致的溢出效應(yīng)與相互依賴性后，不同國(guó)家金融市場(chǎng)間的過(guò)度關(guān)聯(lián)性才是真正的傳染性，即凈傳染。Karolyi（2003）[1]認(rèn)為還應(yīng)進(jìn)一步剔除理性投資者的協(xié)同運(yùn)動(dòng)，剩下的非理性協(xié)同運(yùn)動(dòng)才是傳染。國(guó)內(nèi)學(xué)者早期的研究主要集中在風(fēng)險(xiǎn)傳染機(jī)制上（蔣先玲，2000;鄭慶寰和林莉，2006）[2，3]，對(duì)定義的研究相對(duì)較少，宮曉琳（2012）[4]將傳染定義為沖擊后宏觀經(jīng)濟(jì)、金融層面風(fēng)險(xiǎn)聯(lián)動(dòng)的增加。張磊（2013）[5]進(jìn)一步地將傳染定義為一個(gè)或一組市場(chǎng)、國(guó)家或機(jī)構(gòu)遭受極端負(fù)面沖擊后向其他市場(chǎng)、國(guó)家或機(jī)構(gòu)傳導(dǎo)的過(guò)程。

關(guān)于金融風(fēng)險(xiǎn)傳染定義的爭(zhēng)議主要在通過(guò)貿(mào)易、金融流動(dòng)和經(jīng)濟(jì)相似性等傳播的沖擊是否構(gòu)成傳染，在針對(duì)區(qū)域性金融風(fēng)險(xiǎn)的研究中，本文認(rèn)為可將金融風(fēng)險(xiǎn)傳染定義為由沖擊引發(fā)的區(qū)域金融風(fēng)險(xiǎn)通過(guò)實(shí)質(zhì)性關(guān)聯(lián)或非實(shí)質(zhì)性關(guān)聯(lián)渠道，導(dǎo)致其他區(qū)域出現(xiàn)風(fēng)險(xiǎn)的現(xiàn)象。

（二）金融風(fēng)險(xiǎn)傳染渠道

從經(jīng)濟(jì)基本面來(lái)看，金融風(fēng)險(xiǎn)傳染主要有貿(mào)易渠道和金融渠道。在開放經(jīng)濟(jì)條件下，Gorea和Radev（2014）[6]發(fā)現(xiàn)國(guó)際貿(mào)易關(guān)系緊密的國(guó)家之間更容易發(fā)生金融風(fēng)險(xiǎn)傳染，但是大量實(shí)證研究發(fā)現(xiàn)，貿(mào)易聯(lián)系較弱的國(guó)家也會(huì)發(fā)生金融風(fēng)險(xiǎn)傳染，由此學(xué)者們開始認(rèn)識(shí)到金融風(fēng)險(xiǎn)還可以通過(guò)金融渠道傳播。Peek和Rosengreen（1997）[7]最早用實(shí)證分析找到了金融渠道傳染的證據(jù)。Kaminsky和Reinhart（2000）[8]認(rèn)為當(dāng)某國(guó)發(fā)生金融危機(jī)后，發(fā)達(dá)國(guó)家商業(yè)銀行會(huì)收縮與危機(jī)發(fā)生國(guó)經(jīng)濟(jì)結(jié)構(gòu)相似的國(guó)家貸款，并撤回高風(fēng)險(xiǎn)項(xiàng)目，進(jìn)而導(dǎo)致該國(guó)發(fā)生金融危機(jī)。

由于越來(lái)越多的金融風(fēng)險(xiǎn)傳染案例難以用經(jīng)濟(jì)基本面關(guān)聯(lián)來(lái)解釋，投資者行為在金融風(fēng)險(xiǎn)傳染中的作用開始被廣泛關(guān)注。Goldstein（1998）[9]認(rèn)為投資者之間存在“喚醒效應(yīng)”，即某國(guó)發(fā)生金融危機(jī)后，投資者會(huì)認(rèn)為與該國(guó)宏觀經(jīng)濟(jì)類似的國(guó)家也會(huì)面臨同樣的危機(jī)。Bekaert等（2014）[10]證實(shí)了“喚醒效應(yīng)”在金融傳染中的作用。Calvo和Mendoza（2000）[11]則認(rèn)為是“羊群效應(yīng)”導(dǎo)致投資者受到負(fù)面沖擊或信息不完全時(shí)，因風(fēng)險(xiǎn)厭惡程度加重而拋售跨國(guó)資產(chǎn)。肖斌卿（2014）[12]也發(fā)現(xiàn)當(dāng)投資者和公司信息不對(duì)稱時(shí)，外部沖擊會(huì)增大傳染性風(fēng)險(xiǎn)。此外，還有學(xué)者用自我實(shí)現(xiàn)的預(yù)期傳染機(jī)制來(lái)解釋金融風(fēng)險(xiǎn)的傳染現(xiàn)象。

雖然風(fēng)險(xiǎn)傳染渠道較多，但大量實(shí)證研究表明金融風(fēng)險(xiǎn)并不是只通過(guò)某單一渠道傳染，往往存在多個(gè)傳染渠道相互交叉現(xiàn)象，共同作用才形成金融風(fēng)險(xiǎn)。金融風(fēng)險(xiǎn)傳染渠道與起源國(guó)經(jīng)濟(jì)特點(diǎn)、被傳染國(guó)經(jīng)濟(jì)基本面、金融脆弱性等諸多因素有關(guān)，并且各傳染渠道的重要性隨著經(jīng)濟(jì)發(fā)展而不斷變化。

（三）金融風(fēng)險(xiǎn)傳染測(cè)度

從以往文獻(xiàn)看，現(xiàn)有的金融風(fēng)險(xiǎn)傳染測(cè)度方法主要有相關(guān)性分析法、網(wǎng)絡(luò)分析法和空間計(jì)量分析方法。其中，相關(guān)性分析方法較為常用，主要包括VAR模型、GARCH簇模型、Copula函數(shù)族。

相關(guān)性分析法主要是從波動(dòng)率或者變化率角度判斷一些國(guó)家金融市場(chǎng)的資產(chǎn)價(jià)格是否存在聯(lián)動(dòng)和溢出關(guān)系，進(jìn)而判斷金融風(fēng)險(xiǎn)傳染的可能性。早期國(guó)外學(xué)者就采用GARCH模型來(lái)檢驗(yàn)風(fēng)險(xiǎn)傳染的存在性，但由于GARCH簇模型是基于殘差的相關(guān)性，容易遺漏共同沖擊引起的傳染，并且VAR模型和GARCH簇模型對(duì)收益率都做出很多嚴(yán)格的假設(shè)。相比之下，Copula函數(shù)不僅能放松這些假設(shè)，還能更好地捕捉金融市場(chǎng)間的非線性和非對(duì)稱關(guān)系（王永巧和劉詩(shī)文，2011）[13]。

網(wǎng)絡(luò)分析法將金融機(jī)構(gòu)視為網(wǎng)絡(luò)節(jié)點(diǎn)，將金融機(jī)構(gòu)之間的資產(chǎn)負(fù)債關(guān)系視為網(wǎng)絡(luò)鏈條，從而分析金融機(jī)構(gòu)間的互動(dòng)和關(guān)聯(lián)。王營(yíng)和曹廷求（2017）[14]運(yùn)用社會(huì)網(wǎng)絡(luò)分析法刻畫區(qū)域性金融風(fēng)險(xiǎn)傳染效應(yīng)，結(jié)果發(fā)現(xiàn)我國(guó)省際金融風(fēng)險(xiǎn)高度關(guān)聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu)形態(tài)。榮夢(mèng)杰和李剛（2020）[15]、龐念偉（2021）[16]等也采用網(wǎng)絡(luò)分析法來(lái)研究金融市場(chǎng)間的風(fēng)險(xiǎn)傳染。

空間計(jì)量分析法以空間經(jīng)濟(jì)理論和地理空間數(shù)據(jù)為基礎(chǔ)，通過(guò)分析空間依存關(guān)系和異質(zhì)性，研究地理關(guān)系在變量關(guān)聯(lián)性中的作用及空間溢出效應(yīng)，這為研究區(qū)域性金融風(fēng)險(xiǎn)傳染提供了有效手段。馮林等（2016）[17]運(yùn)用探索性空間數(shù)據(jù)分析方法研究山東省縣域金融風(fēng)險(xiǎn)傳染現(xiàn)狀。沈麗等（2019）[18]利用空間偏微分方法探討了區(qū)域金融風(fēng)險(xiǎn)的空間傳染路徑。

除上述方法外，還有協(xié)整分析和SIRS傳染病模型等諸多金融風(fēng)險(xiǎn)傳染測(cè)度方法。金融風(fēng)險(xiǎn)傳染過(guò)程復(fù)雜，目前方法大多缺乏對(duì)金融風(fēng)險(xiǎn)傳染全面系統(tǒng)的探討。

三、研究方法與數(shù)據(jù)來(lái)源

社會(huì)網(wǎng)絡(luò)分析法有助于刻畫區(qū)域性金融風(fēng)險(xiǎn)的空間化和網(wǎng)絡(luò)化特征，因此，本文選用該方法研究區(qū)域性金融風(fēng)險(xiǎn)傳染機(jī)理。

（一）區(qū)域性金融風(fēng)險(xiǎn)關(guān)聯(lián)關(guān)系測(cè)度

區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)網(wǎng)絡(luò)包含了城市或地區(qū)之間風(fēng)險(xiǎn)關(guān)聯(lián)的所有關(guān)系，各城市或各地區(qū)是該關(guān)聯(lián)網(wǎng)絡(luò)中的“節(jié)點(diǎn)”，各城市區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)關(guān)系是關(guān)聯(lián)網(wǎng)絡(luò)中的“線”。這些“節(jié)點(diǎn)”和“線”的集合構(gòu)成了空間關(guān)聯(lián)網(wǎng)絡(luò)。空間關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建方法包括引力模型和VAR模型。考慮到VAR模型對(duì)數(shù)據(jù)滯后階數(shù)的選擇較為敏感且會(huì)忽視研究對(duì)象之間空間距離對(duì)關(guān)系產(chǎn)生的影響，本文選擇引力模型，并根據(jù)需要做出相應(yīng)修正，模型公式如下：

公式（1）中，[rij]是關(guān)聯(lián)網(wǎng)絡(luò)矩陣中的元素，代表區(qū)域性金融風(fēng)險(xiǎn)的相互關(guān)系。[aij]表示兩地在區(qū)域性金融風(fēng)險(xiǎn)關(guān)聯(lián)中的貢獻(xiàn)度，即城市[i]對(duì)城市[i]與城市[j]之間金融風(fēng)險(xiǎn)的貢獻(xiàn)度，[aij=npli（npli+nplj）];[npl]為不良貸款率;[pop]為人口總數(shù);[GDP]為實(shí)際地區(qū)生產(chǎn)總值。[Dij]表示兩城間的“距離”，同時(shí)考慮地理距離和經(jīng)濟(jì)距離，構(gòu)造公式[D2ij=dijgdpi-gdpj2]，其中[dij]表示城市[i]和城市[j]之間的地理距離，[gdp]表示人均[GDP]。根據(jù)公式（1），得到[Rij=rij17×17]表示空間網(wǎng)絡(luò)矩陣。由于相互作用存在一定門檻值，取矩陣每行均值作為該行臨界值，當(dāng)矩陣中該行元素[rij]大于均值時(shí)，表示城市[i]對(duì)[j]產(chǎn)生影響，則[rij=1]，否則[rij=0]，即城市[i]對(duì)[j]無(wú)影響。

（二）區(qū)域性金融風(fēng)險(xiǎn)的網(wǎng)絡(luò)特征指標(biāo)

1. 整體網(wǎng)絡(luò)特征。本文通過(guò)計(jì)算網(wǎng)絡(luò)密度、網(wǎng)絡(luò)關(guān)聯(lián)度、網(wǎng)絡(luò)等級(jí)度的值來(lái)刻畫山東省區(qū)域性金融風(fēng)險(xiǎn)的整體空間關(guān)聯(lián)網(wǎng)絡(luò)特征。

網(wǎng)絡(luò)密度（density）是反映關(guān)聯(lián)網(wǎng)絡(luò)疏密程度的指標(biāo)，測(cè)算時(shí)用網(wǎng)絡(luò)中的實(shí)際連線數(shù)與最大可能連線數(shù)之比表示，取值介于0～1之間，其值越大，表示節(jié)點(diǎn)之間的關(guān)聯(lián)關(guān)系越多，說(shuō)明各城市區(qū)域金融風(fēng)險(xiǎn)之間的聯(lián)系越緊密。計(jì)算公式為：

式（2）中，D為網(wǎng)絡(luò)密度，L為實(shí)際擁有的關(guān)系數(shù)，N為網(wǎng)絡(luò)規(guī)模，取值在0～1之間。

網(wǎng)絡(luò)關(guān)聯(lián)度（connectedness）反映區(qū)域金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)自身的穩(wěn)健性和脆弱性，網(wǎng)絡(luò)關(guān)聯(lián)度越大，網(wǎng)絡(luò)越穩(wěn)健。其計(jì)算公式為：

式（3）中，C為關(guān)聯(lián)度，V為網(wǎng)絡(luò)中不可達(dá)點(diǎn)的對(duì)數(shù)，N為網(wǎng)絡(luò)規(guī)模，取值在0～1之間。

網(wǎng)絡(luò)等級(jí)度（hierarchy）是反映網(wǎng)絡(luò)中各節(jié)點(diǎn)等級(jí)結(jié)構(gòu)的指標(biāo)，測(cè)度的是網(wǎng)絡(luò)中各節(jié)點(diǎn)在多大程度上非對(duì)稱地可達(dá)。該指標(biāo)越大（即高網(wǎng)絡(luò)等級(jí)），說(shuō)明在區(qū)域性金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)中處于從屬或邊緣地位的城市越多。其計(jì)算公式為：

式（4）中，H為等級(jí)度，K為網(wǎng)絡(luò)中對(duì)稱可達(dá)的點(diǎn)的對(duì)數(shù)，max（K）為網(wǎng)絡(luò)中最大可能的可達(dá)點(diǎn)的對(duì)數(shù)，取值在0～1之間。

2. 個(gè)體網(wǎng)絡(luò)特征指標(biāo)。個(gè)體網(wǎng)絡(luò)結(jié)構(gòu)特征主要用網(wǎng)絡(luò)中心性指標(biāo)表示，常用的是節(jié)點(diǎn)中心度、接近中心度和中間中心度等。其中，節(jié)點(diǎn)中心度（degree centrality）反映的是個(gè)體在整體關(guān)聯(lián)網(wǎng)絡(luò)中的中心位置，高節(jié)點(diǎn)中心度表明該城市處于空間網(wǎng)絡(luò)中心地位，與網(wǎng)絡(luò)中與其他城市的聯(lián)系越多。計(jì)算公式為：

式（5）中，[n]代表與該城市直接相關(guān)聯(lián)的城市數(shù)目，[N]代表網(wǎng)絡(luò)規(guī)模。

接近中心度（closeness centrality）反映的是個(gè)體在整體網(wǎng)絡(luò)中不受其他個(gè)體控制的程度，用節(jié)點(diǎn)與節(jié)點(diǎn)之間的距離測(cè)算接近中心度。其計(jì)算公式為：

式（6）中，[dij]表示節(jié)點(diǎn)[i]與[j]之間的捷徑距離。

中間中心度（betweenness centrality）測(cè)度的是某一節(jié)點(diǎn)是否有能力控制其他節(jié)點(diǎn)的程度，其計(jì)算公式為：

式（7）中，[gjk]是指節(jié)點(diǎn)[j]和[k]之間的捷徑總數(shù)，[gjki]是指節(jié)點(diǎn)[j]和[k]之間經(jīng)過(guò)節(jié)點(diǎn)[i]的捷徑總數(shù)。

3. 塊模型分析。塊模型分析法基于“塊”在網(wǎng)絡(luò)中的角色展開，主要用來(lái)揭示和刻畫區(qū)域性金融風(fēng)險(xiǎn)的空間網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)狀態(tài)，是社會(huì)網(wǎng)絡(luò)中空間聚類分析的常用方法。根據(jù)指標(biāo)間的關(guān)系或者角色位置，可以將網(wǎng)絡(luò)劃分為四類板塊：凈溢出板塊、經(jīng)紀(jì)人板塊、雙向溢出板塊、凈收益板塊。凈收益板塊和雙向溢出板塊共同特點(diǎn)是實(shí)際內(nèi)部關(guān)系比例大于期望內(nèi)部關(guān)系比例關(guān)系。經(jīng)紀(jì)人板塊和凈溢出板塊共同特點(diǎn)是實(shí)際內(nèi)部關(guān)系比例小于期望內(nèi)部關(guān)系比例。

（三）數(shù)據(jù)來(lái)源

本文以山東省為樣本，所用指標(biāo)主要為不良貸款率、地區(qū)生產(chǎn)總值及增速、人口數(shù)據(jù)、工業(yè)企業(yè)資產(chǎn)負(fù)債率和利潤(rùn)率、城鄉(xiāng)居民收入及政府一般預(yù)算收支等，指標(biāo)數(shù)據(jù)來(lái)源于中國(guó)人民銀行和統(tǒng)計(jì)局等部門，數(shù)據(jù)頻度為季度。城市之間的距離以城市間經(jīng)緯度計(jì)算而得。2010年以來(lái)，受周期性因素、產(chǎn)業(yè)結(jié)構(gòu)及擔(dān)保圈等多因素影響，山東省金融風(fēng)險(xiǎn)開始暴露并不斷上升，2018年全省貸款不良率達(dá)到峰值，2019年開始回落。因此，該時(shí)期山東省金融風(fēng)險(xiǎn)空間關(guān)聯(lián)且傳染性較為突出，所以將研究區(qū)間定為2011—2018年。具體數(shù)據(jù)來(lái)源與指標(biāo)描述如表1所示。

四、區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)網(wǎng)絡(luò)分析

（一）整體網(wǎng)絡(luò)特征分析

為了展示出山東省17個(gè)地市①區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)動(dòng)態(tài)演變情況，本文根據(jù)公式（1），利用2011—2018年相關(guān)指標(biāo)數(shù)據(jù)和UCINET6.212工具，分別繪制出2011年、2014年和2018年山東省區(qū)域性金融風(fēng)險(xiǎn)的空間網(wǎng)絡(luò)結(jié)構(gòu)圖，具體如圖1—圖3所示。

可以看出，區(qū)域性金融風(fēng)險(xiǎn)空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)呈現(xiàn)出復(fù)雜化和緊密化趨勢(shì)。2011年?yáng)|營(yíng)市和淄博市位于網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)的中心，濟(jì)南市處于副中心，2014年新增了青島市和臨沂市為副中心，2018年濟(jì)南市和青島市更趨近于網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)的中心。濟(jì)南市和青島市作為山東省經(jīng)濟(jì)的兩個(gè)“龍頭”，與其他城市之間均存在密切的經(jīng)濟(jì)與金融關(guān)聯(lián)，因此，在空間關(guān)聯(lián)網(wǎng)絡(luò)中處于中心位置;淄博市作為山東省重工業(yè)基地，與其他城市通過(guò)貿(mào)易渠道形成金融風(fēng)險(xiǎn)的相互傳染;具有“物流之都”之稱的臨沂市，與其他城市通過(guò)物流關(guān)聯(lián)同樣易形成金融風(fēng)險(xiǎn)的相互關(guān)聯(lián);東營(yíng)市人均GDP居全省第一，石油業(yè)發(fā)展優(yōu)勢(shì)突出，可通過(guò)石油產(chǎn)業(yè)與其他城市形成緊密的金融關(guān)聯(lián)。

表2給出了關(guān)聯(lián)關(guān)系數(shù)、網(wǎng)絡(luò)密度等指標(biāo)以描述網(wǎng)絡(luò)的動(dòng)態(tài)演變特征。網(wǎng)絡(luò)密度從2011年的0.232上升到2018年的0.254，說(shuō)明區(qū)域性金融風(fēng)險(xiǎn)空間網(wǎng)絡(luò)關(guān)聯(lián)越來(lái)越密切。網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系數(shù)由2011年的63上升到2017年的69，說(shuō)明區(qū)域性金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)的穩(wěn)健性不斷增強(qiáng)。網(wǎng)絡(luò)關(guān)聯(lián)度始終為1，表明金融風(fēng)險(xiǎn)在各城市之間是相互可達(dá)的。網(wǎng)絡(luò)等級(jí)度從2011年的0.587下降到2018年的0.420，說(shuō)明空間關(guān)聯(lián)網(wǎng)絡(luò)中處于從屬或邊緣地位的城市減少。

因此，從整體網(wǎng)絡(luò)結(jié)構(gòu)特征看：樣本期間內(nèi)，山東省各城市間的區(qū)域性金融風(fēng)險(xiǎn)存在高度的空間關(guān)聯(lián)特點(diǎn)，空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)呈現(xiàn)出復(fù)雜化趨勢(shì)。同時(shí)顯現(xiàn)出空間關(guān)聯(lián)網(wǎng)絡(luò)密度和網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系數(shù)不斷增大、網(wǎng)絡(luò)等級(jí)度不斷下降及空間關(guān)聯(lián)網(wǎng)絡(luò)中處于從屬或邊緣地位的城市不斷減少等趨勢(shì)。

（二）中心性分析

根據(jù)公式（5）—（7）分別計(jì)算出2011—2018年山東省區(qū)域性金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)的中心度，因篇幅原因，在此重點(diǎn)分析2018年的網(wǎng)絡(luò)中心性特征，如表3所示。

2018年山東省區(qū)域性金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)中共存在69條關(guān)系，其中39條雙向關(guān)系，30條單向關(guān)系，平均每個(gè)城市與其他4個(gè)城市存在空間關(guān)聯(lián)。在關(guān)系類型方面，發(fā)送關(guān)系數(shù)大于接收關(guān)系數(shù)即以溢出效應(yīng)為主的城市共10個(gè)，占58.82%;接收關(guān)系數(shù)大于發(fā)送關(guān)系數(shù)即以輸入效應(yīng)為主的城市共5個(gè)，占29.41%。

節(jié)點(diǎn)中心度的均值為36.03，東營(yíng)、淄博、濟(jì)南、青島和臨沂5市的節(jié)點(diǎn)中心度高于均值，說(shuō)明這些城市處于中心地位，其中東營(yíng)市的節(jié)點(diǎn)中心度高達(dá)87.5。濱州、威海、泰安和日照4市的節(jié)點(diǎn)中心度相對(duì)較低，其中濱州市的節(jié)點(diǎn)中心度僅為12.5。節(jié)點(diǎn)中心度靠前城市的點(diǎn)入度均大于點(diǎn)出度，說(shuō)明這些城市較易受到其他城市金融風(fēng)險(xiǎn)溢出的影響。

接近中心度均值為60.118。東營(yíng)、淄博、濟(jì)南、臨沂和青島5市的接近中心度高于均值，其中東營(yíng)市和淄博市的接近中心度高達(dá)75以上，說(shuō)明這些城市與其他城市的距離較短、聯(lián)系緊密，在網(wǎng)絡(luò)中扮演中心行動(dòng)者角色。威海市、濱州市和泰安市等城市排名靠后，這些城市處于邊緣地帶，在關(guān)聯(lián)網(wǎng)絡(luò)中受制于其他城市。

17地市2018年中間中心度的均值為4.706，其中，東營(yíng)、淄博、臨沂、青島和濟(jì)南5市的中間中心度高于平均值，表明這5個(gè)城市在區(qū)域金融風(fēng)險(xiǎn)網(wǎng)絡(luò)中處于中心地位，能夠影響和控制其他城市。中間中心度總和為80.003，其中排名居前5的城市在關(guān)聯(lián)網(wǎng)絡(luò)中發(fā)揮了“橋梁”作用，這5個(gè)城市的中間中心度之和占總量的87.86%。相比之下，濱州、泰安、威海和日照等城市中間中心度較低，表明這些城市在區(qū)域金融風(fēng)險(xiǎn)網(wǎng)絡(luò)中處于邊緣位置，風(fēng)險(xiǎn)變動(dòng)更多受排名靠前城市的影響。縱向來(lái)看，2011—2018年，山東省17城市區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)性在不斷增強(qiáng)，因?yàn)橹虚g中心度均值由4.265上升到4.706。

從個(gè)體網(wǎng)絡(luò)結(jié)構(gòu)特征整體上看，山東區(qū)域間的空間關(guān)聯(lián)網(wǎng)絡(luò)節(jié)點(diǎn)中心度、接近中心度和中間中心度均值均呈現(xiàn)上升趨勢(shì)，說(shuō)明城市間的風(fēng)險(xiǎn)關(guān)聯(lián)度在逐步增強(qiáng)。分地市來(lái)看，東營(yíng)、淄博、濟(jì)南、青島和臨沂5市在網(wǎng)絡(luò)中處于中心地位，在空間網(wǎng)絡(luò)中扮演中心行動(dòng)者角色，是區(qū)域金融風(fēng)險(xiǎn)的主要來(lái)源;濱州、泰安、威海和日照等城市容易受制于中心地位城市的影響，在空間網(wǎng)絡(luò)中處于從屬邊緣位置。

（三）塊模型分析

為了進(jìn)一步揭示區(qū)域性金融風(fēng)險(xiǎn)空間網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)狀態(tài)，本文按照最大分割深度2，收斂標(biāo)準(zhǔn)0.2，基于CONCOR方法把2018年的17個(gè)城市分為四個(gè)板塊，如表4所示。可以看出，板塊內(nèi)部的關(guān)系為8條，板塊之間的關(guān)系為61條，這說(shuō)明板塊之間的金融風(fēng)險(xiǎn)聯(lián)動(dòng)性較強(qiáng)。各板塊特征如下：

第一板塊包括4個(gè)城市，依次是濱州、濰坊、日照和臨沂。內(nèi)部關(guān)系比例為8.33%，小于期望比例18.75%，共發(fā)送關(guān)系12條，接收到14條來(lái)自其他板塊的關(guān)系。說(shuō)明該板塊既對(duì)其他板塊有溢出，也接受其他板塊的發(fā)出關(guān)系，在區(qū)域性金融風(fēng)險(xiǎn)溢出效應(yīng)中起著“橋梁”作用，屬于“經(jīng)紀(jì)人板塊”。

第二板塊包括7個(gè)城市，依次是菏澤、德州、萊蕪、聊城、濟(jì)寧、泰安、棗莊。實(shí)際內(nèi)部比例為6.66%，小于期望比例37.50%，共發(fā)送關(guān)系30條，2條存在于板塊內(nèi)部，接收到8條來(lái)自其他版塊的關(guān)系，該板塊成員向其他板塊成員的溢出關(guān)系明顯多于接收關(guān)系，屬于“凈溢出板塊”。

第三板塊包括4個(gè)城市，依次是濟(jì)南、東營(yíng)、淄博、青島。實(shí)際內(nèi)部比例15%，小于期望內(nèi)部比例18.75%，共發(fā)送關(guān)系20條，3條存在于板塊內(nèi)部，接收到39條其他版塊的關(guān)系，屬于“經(jīng)紀(jì)人板塊”。

第四板塊包括煙臺(tái)和威海兩個(gè)城市，實(shí)際內(nèi)部比例為28.57%，大于期望內(nèi)部比例6.25%，共發(fā)送關(guān)系7條，其中2條存在于板塊內(nèi)部，沒有接收到來(lái)自其他版塊的關(guān)系，屬于“雙向溢出板塊”。

為了確定1-塊還是0-塊，計(jì)算板塊的網(wǎng)絡(luò)密度矩陣，如果板塊密度大于0.2537（整體網(wǎng)絡(luò)密度），賦值為1，反之則賦值為0，由此得到像矩陣（見表5）。由像矩陣可以看出，第一板塊與第二板塊之間沒有風(fēng)險(xiǎn)傳染，但第一板塊是第三板塊和第四板塊間的風(fēng)險(xiǎn)傳染中介。第二板塊與第三板塊之間存在相互傳染風(fēng)險(xiǎn)的影響，即第二板塊的風(fēng)險(xiǎn)會(huì)傳染到第三板塊，同時(shí)也會(huì)受到第三板塊的影響，但與其他版塊之間不存在風(fēng)險(xiǎn)傳染關(guān)系。第三板塊承擔(dān)了第一板塊和第二板塊間的風(fēng)險(xiǎn)傳染中介，其與第四板塊并無(wú)風(fēng)險(xiǎn)傳染關(guān)系。第四板塊不僅內(nèi)部成員之間的風(fēng)險(xiǎn)會(huì)相互傳染，而且會(huì)傳染到第一板塊借以實(shí)現(xiàn)風(fēng)險(xiǎn)的相互傳染。

五、進(jìn)一步探討

為了進(jìn)一步探討驗(yàn)證區(qū)域性金融風(fēng)險(xiǎn)的傳染機(jī)理和影響程度，本文以區(qū)域性金融風(fēng)險(xiǎn)為被解釋變量，構(gòu)建計(jì)量模型做進(jìn)一步檢驗(yàn)。

區(qū)域性金融風(fēng)險(xiǎn)的模型如下：

其中[lognpl]是區(qū)域性金融風(fēng)險(xiǎn)的對(duì)數(shù);degree、closeness和betweenness分別是節(jié)點(diǎn)中心度、接近中心度和中間中心度，作為解釋變量;GDP增速（rgdp）、工業(yè)企業(yè)資產(chǎn)負(fù)債率（alr）、工業(yè)企業(yè)利潤(rùn)率（opm）、城鄉(xiāng)居民收入差距（income）和政府行為（gov）為控制變量，樣本區(qū)間為2010—2018年。

由表6各指標(biāo)的極小值、極大值、均值和標(biāo)準(zhǔn)差可以看出，各變量分布比較穩(wěn)定，呈現(xiàn)或近似呈現(xiàn)正態(tài)分布。

由表7的回歸結(jié)果可以看出，三個(gè)模型的F統(tǒng)計(jì)量均在1%的顯著水平上顯著，解釋變量節(jié)點(diǎn)中心度的系數(shù)為-0.005，在10%的水平上顯著;接近中心度的系數(shù)為-0.010，在10%的水平上顯著;中間中心度的系數(shù)為-0.020，在5%的水平上顯著。

模型一結(jié)果說(shuō)明，越處于網(wǎng)絡(luò)中心的城市金融風(fēng)險(xiǎn)越低。一方面，因?yàn)樘幱诰W(wǎng)絡(luò)中心的城市與其他城市具有更緊密的經(jīng)濟(jì)往來(lái)和風(fēng)險(xiǎn)關(guān)聯(lián)，可將自身風(fēng)險(xiǎn)分散給與其存在直接或間接關(guān)聯(lián)的城市。另一方面，居于網(wǎng)絡(luò)中心的城市大多是商業(yè)銀行一級(jí)分行所在地，資源集中和動(dòng)員能力均較強(qiáng)，風(fēng)險(xiǎn)管理中處于更有利的位置，且風(fēng)險(xiǎn)處置手段較多。比如節(jié)點(diǎn)中心度較高的濟(jì)南市和青島市均屬于這種情況，風(fēng)險(xiǎn)相對(duì)較低。同時(shí)，網(wǎng)絡(luò)中心城市也容易將金融風(fēng)險(xiǎn)傳染給這些城市，進(jìn)而降低自身金融風(fēng)險(xiǎn)，增加與其關(guān)聯(lián)城市的金融風(fēng)險(xiǎn)較高。

模型二結(jié)果意味著接近中心度越高的城市，其金融風(fēng)險(xiǎn)越低，這是因?yàn)榕c其他城市之間距離越短的城市，與其關(guān)聯(lián)城市的金融互動(dòng)性越強(qiáng)，越容易將金融風(fēng)險(xiǎn)傳染給其他城市。這一結(jié)果基本與模型一的檢驗(yàn)結(jié)果相吻合。

模型三結(jié)果說(shuō)明，在區(qū)域金融風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)中越處于中間位置的城市，其金融風(fēng)險(xiǎn)越低。同時(shí)，結(jié)合前文塊模型分析還可以進(jìn)一步證實(shí)，處于網(wǎng)絡(luò)中心的城市在區(qū)域金融風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)中會(huì)起到中介作用，通過(guò)中介效應(yīng)將關(guān)聯(lián)網(wǎng)絡(luò)中其他城市溢出的風(fēng)險(xiǎn)傳遞給其他城市。

三個(gè)模型的控制變量回歸結(jié)果很好地反映了經(jīng)濟(jì)現(xiàn)實(shí)。一是GDP增速在三個(gè)模型中的回歸系數(shù)均為負(fù)，表明GDP增長(zhǎng)越快，區(qū)域金融風(fēng)險(xiǎn)越低，這與實(shí)踐相吻合。二是資產(chǎn)負(fù)債率在模型一和模型二中的回歸系數(shù)為正，表明資產(chǎn)負(fù)債率越高，區(qū)域金融風(fēng)險(xiǎn)越高，這也證實(shí)了企業(yè)較高的資產(chǎn)負(fù)債率隱藏著一定的金融風(fēng)險(xiǎn)。三是工業(yè)企業(yè)營(yíng)業(yè)利潤(rùn)率在三個(gè)模型中的回歸系數(shù)均為負(fù)，表明工業(yè)企業(yè)營(yíng)業(yè)利潤(rùn)率越高，區(qū)域金融風(fēng)險(xiǎn)越低。四是城鄉(xiāng)居民收入差距在模型三中的回歸系數(shù)為正，并且顯著高于模型一和模型二回歸系數(shù)的絕對(duì)值，說(shuō)明城鄉(xiāng)居民收入差距過(guò)大會(huì)增加社會(huì)不穩(wěn)定性，進(jìn)而引發(fā)區(qū)域金融風(fēng)險(xiǎn)的上升。五是政府行為在三個(gè)模型中的回歸系數(shù)均為正，說(shuō)明政府行為與區(qū)域金融風(fēng)險(xiǎn)正相關(guān)，這是因?yàn)橐话愎差A(yù)算支出增加會(huì)導(dǎo)致潛在的財(cái)政金融風(fēng)險(xiǎn)。

六、結(jié)論

本文基于社會(huì)網(wǎng)絡(luò)分析法，以山東省17個(gè)地市為例，利用2011—2018年季度數(shù)據(jù)，探討了區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)性及傳染機(jī)制，結(jié)論如下：

一是從整體網(wǎng)絡(luò)結(jié)構(gòu)特征看，近些年我國(guó)區(qū)域性金融風(fēng)險(xiǎn)存在高度的空間關(guān)聯(lián)和溢出效應(yīng)，并且呈現(xiàn)出空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)復(fù)雜性、關(guān)聯(lián)性和穩(wěn)健性不斷增強(qiáng)及中心城市增多、邊緣地位城市減少的趨勢(shì)。

二是從個(gè)體網(wǎng)絡(luò)結(jié)構(gòu)特征來(lái)看，近年來(lái)網(wǎng)絡(luò)節(jié)點(diǎn)中心度、接近中心度和中間中心度平均值明顯上升，說(shuō)明我國(guó)區(qū)域金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)在加強(qiáng)。中心城市作為空間網(wǎng)絡(luò)中的中心行動(dòng)者，與其他中心城市及邊緣城市的聯(lián)系日趨緊密，在區(qū)域金融風(fēng)險(xiǎn)網(wǎng)絡(luò)中具有顯著影響與控制力。

三是從風(fēng)險(xiǎn)傳染機(jī)制看，網(wǎng)絡(luò)中心城市在風(fēng)險(xiǎn)傳染中主要起中介作用，金融風(fēng)險(xiǎn)以輸入效應(yīng)為主并傳遞給其他城市;而邊緣城市的金融風(fēng)險(xiǎn)主要以溢出效應(yīng)為主，其風(fēng)險(xiǎn)比較容易傳染給與其關(guān)聯(lián)的城市。

四是進(jìn)一步計(jì)量分析發(fā)現(xiàn)，受風(fēng)險(xiǎn)關(guān)聯(lián)、網(wǎng)絡(luò)結(jié)構(gòu)及經(jīng)濟(jì)增長(zhǎng)、工業(yè)發(fā)展、城鄉(xiāng)差距和政府收支等多種因素的影響，區(qū)域性金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)中，越處于網(wǎng)絡(luò)中心的城市，其金融風(fēng)險(xiǎn)越低，而位于網(wǎng)絡(luò)邊緣的城市金融風(fēng)險(xiǎn)越高，體現(xiàn)出網(wǎng)絡(luò)結(jié)構(gòu)中風(fēng)險(xiǎn)的異質(zhì)性及金融資源集聚的正面效應(yīng)。

注：

①2019年，萊蕪市并入濟(jì)南市，本文使用數(shù)據(jù)截至2018年，因此仍以17個(gè)地市進(jìn)行研究。

參考文獻(xiàn)：

[1]Karolyi A G. 2003. Does International Finance Contagion Really Exist？ [J].International Finance，6（2）.

[2]蔣先玲.論金融風(fēng)險(xiǎn)的國(guó)際傳遞及我國(guó)的對(duì)策 [J].上海金融高等專科學(xué)校學(xué)報(bào)，2000，（1）.

[3]鄭慶寰，林莉.跨市場(chǎng)金融風(fēng)險(xiǎn)的傳遞與監(jiān)管 [J].南方金融，2006，（8）.

[4]宮曉琳.宏觀金融風(fēng)險(xiǎn)聯(lián)動(dòng)綜合傳染機(jī)制 [J].金融研究，2012， （5）.

[5]張磊.基本面關(guān)聯(lián)還是市場(chǎng)恐慌？—金融危機(jī)跨國(guó)傳染渠道的文獻(xiàn)綜述及其警示 [J]. 經(jīng)濟(jì)社會(huì)體制比較，2013，（3）.

[6]Gorea D，Radev D. 2014. The Euro Area Sovereign Debt Crisis：Can Contagion Spread from the Periphery to the Core？ [J].International Review of Economics and Finance，30（3）.

[7]Peek J，Rosengreen E S. 1997. The International Transmission of Financial Shocks：The Case of Japan [J].American Economic Review，87（4）.

[8]Kaminsky G L，Reinhart C M. 2000. On Crises，Contagion，and Confusion [J].Journal of International Economics，51（1）.

[9]Goldstein M. 1998. The Asian Financial Crisis：Causes，Cures，and Systemic Implications [R].Policy Analyses in International Economics，Washington：Institute for International Economics Working Paper.

[10]Bekaert G，Ehrmann M，F(xiàn)ratzscher M，Mehl A. 2014. The Global Crises and Equity Market Contagion [J]. The Journal of Finance，69（6）.

[11]Calvo G A，Mendoza E G. 2000. Rational Contagion and the Globalization of Securities Markets [J].Journal of International Economics，51（1）.

[12]肖斌卿，王粟旸，周小超，顏建曄.債務(wù)網(wǎng)絡(luò)投資者行為與傳染性風(fēng)險(xiǎn)：來(lái)自中國(guó)銀行業(yè)與房地產(chǎn)業(yè)的研究發(fā)現(xiàn) [J].管理科學(xué)學(xué)報(bào)，2014，17（11）.

[13]王永巧，劉詩(shī)文.基于時(shí)變Copula的金融開放與風(fēng)險(xiǎn)傳染 [J].系統(tǒng)工程理論與實(shí)踐，2011，31（4）.

[14]王營(yíng)，曹廷求.中國(guó)區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)及其傳染效應(yīng)——基于社會(huì)網(wǎng)絡(luò)分析法 [J].金融經(jīng)濟(jì)學(xué)研究，2017，（3）.

[15]榮夢(mèng)杰，李剛.區(qū)域金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)、傳染效應(yīng)與風(fēng)險(xiǎn)來(lái)源 [J].統(tǒng)計(jì)與決策，2020，36 （24）.

[16]龐念偉.我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)傳染的空間結(jié)構(gòu)及時(shí)變特征 [J].金融發(fā)展研究，2021，（4）.

[17]馮林，董紅霞，郝建嬌.基于ESDA的區(qū)域金融風(fēng)險(xiǎn)傳染評(píng)價(jià)研究——山東縣域數(shù)據(jù)的實(shí)證 [J].經(jīng)濟(jì)與管理評(píng)論，2016，（1）.

[18]沈麗，張影，李文君.我國(guó)區(qū)域金融風(fēng)險(xiǎn)的空間傳染路徑研究 [J].當(dāng)代經(jīng)濟(jì)科學(xué)，2019，41（5）.