金融業與實體經濟的波動溢出效應研究
——以工業行業為例

唐悅

（長沙理工大學經濟與管理學院 湖南長沙 410114）

近年來，防范和化解系統性風險成為新時代我國經濟工作的核心任務，受到黨和國家的高度重視，“十四五”規劃中提出將“防范化解重大風險體制機制不斷健全”作為主要目標之一。目前，在中國經濟低速發展、產業結構調整、資本脫實向虛的復雜背景下，如何防范和化解系統性風險成為國內外學者的研究重點。在中央政治局會議上，習近平總書記提出的“金融活，經濟活；金融穩，經濟穩”將金融安全納入經濟平穩發展的考慮范疇。隨著我國金融改革的推進，資本市場更加開放，互聯網及信息技術的不斷發展，跨行業經營和投資業務層出不窮，金融業與實體行業的聯系愈加緊密。在此背景下，研究金融業與實體經濟間的波動關聯性對充分了解行業間的風險傳導具有重要意義，也有利于政府監管部門制定和實施金融業與實體經濟的跨行業監管政策。

近年來，國內外已有較多學者開始研究金融業與實體經濟間的波動溢出和風險傳導。劉向麗和顧舒婷(2014)通過從理論研究和AR-GARCH-CoVaR模型兩方面分析地產行業和金融市場間的關聯關系和溢出機制，發現金融危機會導致地產市場風險溢出增大；Chiu等(2015)通過構建條件共限(CCX)溢出指標，測度2001—2011年美國金融部門對實體經濟部門的波動和尾部溢出效應；宋文娟和鮑靜海(2017)利用相關系數分析和Semi-APARCH模型測度金融和實體經濟的聯動關系，發現兩者間存在較強的聯動性；李政等(2019)基于TENET模型構建行業風險關聯網絡，分析金融業與實體經濟的風險傳導機制；Brunnermrier等(2020)在研究美國銀行非利息收入與總體系統性風險關系時也強調了金融業與實體行業間的溢出效應。黃昌利等(2021)利用DY溢出指數和上市公司財務數據研究金融業和行業特征對實體行業風險溢出程度的影響。

本文運用BRKK-GARCH模型和Wald聯合檢驗分析金融業和實體經濟間的波動溢出關系，考察實體行業和金融業間的信息傳遞和風險傳導方向。限于篇幅，本文主要選擇工業作為實體經濟代表行業，研究其與金融業的波動溢出效應。

1 數據選取及模型構建

1.1 數據選取及預處理

在以第二產業為支柱發展第三產業的時代背景下，工業的健康發展是中國經濟平穩運行的關鍵，對其上下游產業的影響顯著，因此本文選擇工業為代表研究實體經濟與金融業的波動溢出效應。數據選擇WIND一級行業指數的日收盤價，數據起止時間選擇為2007年1月5日—2021年8月10日(數據來源于WIND 數據庫)。收益率運用對數收益率進行計算：

式(1)中：Rt表示第t天的日收益率；Pt表示第t天的日指數收盤價；Pt-1表示第t-1天的日指數收盤價。

1.2 模型的選擇

1.2.1 BEKK-GARCH模型

BEKK-GARCH模型能夠同時測度金融時間序列波動溢出效應的方向和顯著性。本文基于VAR模型構建BEKK-GARCH模型，表達式如下：

其中：Rt=(r1t，r2t)表示收益率向量，α0，α1，…，αp分別表示常數和系數矩陣，表示條件殘差在t時刻的條件協方差矩陣，矩陣C為三角常數矩陣，矩陣A是反映波動集聚性的ARCH項系數矩陣，矩陣B是反映波動持續性的GARCH系數矩陣。方差方程的矩陣形式如式(4)所示。

各元素具體表達如式(5)(6)(7)所示。

其中：h11，t和h22，t表示r1t和r2t的方差，h12，t表示r1t和r2t的協方差，主對角線元素aii和bii(i=1，2)分別表示rit(i=1，2)自身波動的ARCH效應和GARCH效應，非主對角線元素aij和bij(i，j=1，2，i≠j)分別表示r1t和r1t之間的ARCH效應和GARCH效應。aij和bij顯著不為零說明兩個市場之間存在明顯的波動溢出效應。

1.2.2 Wald檢驗

本文主要研究金融業與工業間的波動溢出效應，Wald檢驗可以判斷兩個行業間的波動溢出效應是單向還是雙向。當Wald檢驗的統計量大于臨界值，則拒絕原假設。

假設1：H0：a12=b12=a21=b21=0，兩個行業間不存在波動溢出。

假設2：H0：a21=b21=0，工業對金融業不存在單向波動溢出效應。

假設3：H0：a12=b12=0，金融業對工業不存在單向波動溢出效應。

2 實證結果分析

2.1 初步統計結果

首先對樣本數據進行描述性統計，由表1可知，金融業和工業的均值在樣本期內均是正數，且工業的標準差大于金融業的標準差，說明工業的波動程度大于金融業。同時，工業和金融業均呈現左偏態，且兩序列的峰度均大于3，J-B檢驗結果也表示工業和金融業數據序列拒絕正態分布的假設，說明兩個序列具有“尖峰厚尾”特征，參數估計時誤差應服從T分布。ADF單位根檢驗的結果顯示金融業和工業序列在1%顯著性水平拒絕原假設，均是平穩時間序列。

表1 初步統計結果

2.2 實證結果分析

表2顯示工業和金融行業在樣本期內的BEKK-GAR CH模型的參數估計結果。衡量波動溢出效應的參數a12、a21、b21、b12顯著異于零分別表示工業和金融業收到另一行業信息沖擊的溢出效應，其中在1%的顯著性水平下，來自金融業的一單位沖擊使得工業的波動率上升了0.0036(=0.0036)，在大于10%的顯著性水平下，來自工業的一單位沖擊使得金融業的波動率上升了0.0002(=0.0002)，因為，說明工業受到金融業信息沖擊的溢出效應大于反方向的溢出效應。同時，，說明工業本身沖擊所引起的波動大于金融業的波動溢出，，說明來自工業的波動溢出小于金融業本身沖擊所引起的波動。分別衡量工業和金融業受到對方前期波動的溢出效應，用以表示波動溢出的持續性。高于10%顯著性水平時，工業的前期波動會使金融業的波動率增加，而在1%的顯著性水平下，金融業每增加一單位的前期波動率將會導致工業的波動率增加0.0001個單位(=0.0001)。此外，且，說明來自另一方的前期波動溢出效應均小于自身前期波動，自身前期波動的持續性更顯著。總體來看，金融業和工業間存在雙向溢出效應，且金融業對工業的溢出效應更顯著。

表2 BEKK-GARCH模型估計結果

為驗證參數估計的準確性并反映整體溢出效應，對以上系數進行Wald檢驗。結果如表3所示，在1%顯著性水平下，工業和金融業之間存在雙向溢出效應。從Wald檢驗來看，盡管在單個系數檢驗下，工業對金融業的溢出效應不顯著，但聯合Wald檢驗的結果證明行業間的波動溢出是顯著的。

表3 Wald檢驗

3 結語

通過對工業和金融業行業指數構建BEKK-GARCH模型和聯合Wald檢驗可知，第一，金融業與實體經濟間存在顯著的雙向波動溢出效應，但實體經濟對金融業的單向溢出并不顯著，金融業主導著金融與實體經濟間的波動溢出效應；第二，行業的波動主要受自身前期波動持續和自身信息沖擊的影響。

鑒于此，本文得到以下幾點啟示：首先，在當前經濟背景下，政府應當建立健全金融監管體系，調整金融信貸政策，拓寬企業融資融券渠道，以促進實體經濟的發展；其次，政府可以建立金融業與實體行業間的長效隔離機制，提高處置金融風險的效率，防范系統性風險的形成；最后，實體經濟供給側結構性改革和金融風險監管并行，合理調控實體行業和金融業間的“杠桿”，提高實體經濟的市場競爭力，以實現金融支持實體經濟發展的目標。