欧元区国家金融市场的风险溢出效应研究

欧阳雪艳　杨晓光　李应求

摘 要 采用CoVaR方法分析欧元区金融市场的风险关联，通过测度金融市场间的系统性风险溢出效应，考察单个市场的脆弱性和对系统性风险的贡献性.实证发现，一方面，危机程度较严重的欧洲五国市场的风险关联较强，但风险传染并不明显，陷入危机主要是源于自身经济出现问题；另一方面，德国靠其强大的经济基础，受到的影响是有限的，扮演着稳定市场的角色.

关键词 欧洲主权债务危机；CoVaR；风险关联

中图分类号 F833/837 文献标识码 A

1 引 言

随着金融国际化程度的加深，金融市场间的关联性逐渐增强.次贷危机中，美国金融市场的风险迅速扩散到其他国家，最终发展为全球性的金融危机.欧债危机的迅速蔓延，致使本已遭受全球金融危机冲击的全球经济更加低迷.在此背景下，众多学者开始深入研究危机的传染，其中，金融机构尤其是系统重要性金融机构的风险溢出效应成为研究的重点.

次贷危机爆发后，风险管理领域的主流技术在险价值法（VaR）暴露出其无法捕捉金融机构间风险溢出效应的局限性.Adrian & Brunnermeier（2008） [1]在此背景下，将风险溢出效应纳入VaR框架下，首次提出了CoVaR方法.CoVaR通过测度单个金融机构陷入困境对其他金融机构的尾部风险影响，来衡量金融机构间的风险关联性，有效地度量出金融市场间的风险外溢效应，有利于金融监管当局及时跟踪系统性风险的变化，确保整个金融体系的稳定.

CoVaR方法提出后，被众多学者在实证研究中加以使用.Roengpitya et al.（2010）运用CoVaR方法发现泰国银行机构对系统性风险的贡献度与资产规模呈正相关^[2].Wong & Fong（2010）采用CoVaR方法考察亚洲13个国家的风险关联程度^[3].Brunnermeier、Dong & Palia（2012）分别利用CoVaR和SES度量美国银行的系统性风险，并考察了非利息收入对银行系统的贡献^[4].在国内，刘晓星和谢福座（2010）首先利用CoVaR方法对我国金融市场的风险溢出效应进行考察^[5].毛菁和罗猛（2011）利用CoVaR方法度量我国证券业和银行业之间的风险溢出效应，指出两者在金融危机期间存在正向风险外溢效应^[6].高国华等（2011）应用GARCH-CoVaR模型分析我国上市银行的系统性风险贡献度^[7].

4 实证分析

欧洲多国陷入主权债务危机，表现出一定的危机传染现象，基于此，本文采用CoVaR方法，衡量欧元区金融市场间的风险关联性，并分别考察欧元区债券市场和股票市场的风险溢出效应.考虑到德国作为欧元区的第一大经济实力强国，而希腊是欧债危机的爆发地，接下来将重点探索与这两个国家金融市场相关联的风险结构变化.本文的方法同样适用于对其他国家金融市场的风险分析.由于所选取的样本持续时间较短，实证结果表明，采取5%分位点时的稳健性较好.因此，在接下来的分析中，主要关注5%分位点的风险程度.

4.1 债券市场风险溢出效应分析

本小节重点考察欧元区国家债券市场的风险溢出效应.首先以希腊和德国债券市场为例，考察两国与其他欧元区成员国债券市场间的风险关联.最后分析，系统市场与各国债券市场的相互影响，以考察单个市场的脆弱性和对系统性风险的贡献性.

表3～表6分别描述了希腊、德国与其他欧元区成员国债券市场的风险关联，表格第一行表示施加影响的市场，第一列表示受到影响的市场.一方面，考察希腊（德国）市场对其他成员国市场产生的风险影响；另一方面，考察各债券市场对希腊（德国）市场产生的风险影响.

表3～表4的结果显示，危机爆发初始国希腊与爱尔兰、意大利、葡萄牙、西班牙的风险相互关联程度强.一方面是由于欧元区的统一整合，各成员国市场产生了显著关联；另一方面可能是由于希腊主权债务危机的爆发，引起了其他四国的主权债务风险的上扬.希腊债券市场融资成本上升，随后，爱尔兰等国国债收益率也迅速上升，融资困难，这也是希腊债务危机随后演变为欧债危机的发展过程.反过来，爱尔兰、葡萄牙等国家危机的爆发，影响整个欧元区债券市场的信心，进一步恶化希腊市场预期，危机越演越烈.

但需要注意的是，希腊与爱尔兰、西班牙、葡萄牙之间并没有显著的债务危机传染效应，在希腊之后这三个国家纷纷陷入债务危机，其根本的原因还在于自身经济出现了问题，如国内需求疲弱、财政赤字高企、失业率上升等原因.而希腊与意大利之间则存在着显著的债务危机传染效应，这表明意大利债务危机的出现在一定程度上是由于希腊传染而来的.

4.2 股票市场风险溢出效应分析

类似于上节对债券市场风险溢出效应的分析，本小节将重点考察欧元区国家股票市场的风险溢出效应.同样以希腊和德国市场为例，考察两国与其他欧元区成员国股票市场间的风险关联.最后分析，系统市场与各国股票市场的相互影响，以考察单个市场的脆弱性和对系统性风险的贡献性.

表9～表10描述了希腊与其他欧元区成员国股票市场间风险的相互关联.考察了德国股票市场的风险情况，其风险关联情况与德国债券市场的结果一致，出于版面考虑，未将结果呈现出来.

表9～表10结果显示，与债券市场的风险关联相似，危机爆发初始国希腊与爱尔兰、意大利等国的风险关联程度较强，欧元区的统一整合，使得希腊股票市场状况的恶化的同时，市场的不乐观开始蔓延开来.但与债券市场的风险关联不同的是，希腊同时与德国、法国等股票市场之间也存在显著的风险关联，希腊债务危机爆发后，市场看空欧洲股市，资金大量撤出，导致危机源附近国家市场受到影响.此外，股票市场间的传染效应与风险关联程度相一致，风险关联越强的市场间的风险溢出效应越大，这表明股票市场的信息传递速度迅速，风险传染效应随着与危机源市场的关联而加强.endprint

最后，分析各金融市场在不同显著水平下对系统性风险的贡献（ΔCoVaR），考察市场在危机时期（取5%分位点）与繁荣时期（取95%分位点），风险溢出效应是否对称.结果如图6所示，其中左图为债券市场的情况，右图为股票市场的情形，横坐标表示各成员国金融市场在危机时期对系统性风险的溢出效应，纵坐标表示各成员国金融市场在繁荣时期对系统性风险的溢出效应，其中的斜线代表两个时期的风险溢出效应相等.

从图3中可以看出，对所有市场而言，ΔCoVaR都随市场的风险增大而增大（对应于q值越小），对系统的风险溢出强度越高.从图中可以发现，有67%的国家其债券市场在危机时期的风险溢出效应强于市场繁荣时期；而股票市场的结果则显示，所有国家的市场风险溢出效应在危机时期均比繁荣时期强烈.市场在危机时期的风险溢出效应强于市场繁荣时期，风险在危机时期容易传染放大，缺乏对风险溢出效应的考虑，可能会导致风险水平被严重低估.

5 结 论

本文通过采用CoVaR方法，测量欧元区金融市场间风险溢出效应.CoVaR能够反映出单个金融机构对系统性风险的影响，以一具体数值表示风险溢出效应的大小，便于实现对系统重要性机构的识别及其附加资本的计算，为风险管理实践提供了新的思路和方法.实证结果表明：第一，市场间的风险溢出具有双向性，且溢出量级存在非对称性.第二，各国对系统性风险的贡献程度与市场规模的大小和单个市场自身的风险状况并没有显著的线性关系，表明以VaR为核心指标的监管政策不能有效防范系统性风险溢价.

参考文献

[1] T ADRIAN， M K BRUNNERWEIER. CoVaR[R]. New York： Federal Reserve Bank， 2008.

[2] R ROENGPITYA， P RUNGCHAROENKITKUL. Measuring systemic risk and financial linkages in the Thai banking system[J]. Systemic Risk， Basel III， Financial Stability and Regulation， 2011.

[3] AYT WONG， TPW FONG. Analysing interconnectivity among economies[J]. Emerging Markets Review， 2011， 12（4）： 432-442.

[4] M K BRUNNERMEIER， G DONG， D PALIA. Banks non-interest income and systemic risk[C]//American Finance Association 2012 Chicago Meetings Paper. 2012.

[5] 刘晓星， 段斌， 谢福座. 股票市场风险溢出效应研究： 基于EVT-Copula-CoVaR模型的分析[J]. 世界经济， 2011，（11）： 145-159.

[6] 毛菁， 罗猛. 银行业与证券业间风险外溢效应研究——基于 CoVaR 模型的分析[J]. 新金融， 2011，（5）： 27-31.

[7] 高国华，潘英丽.银行系统性风险度量——基于动态CoVaR方法的分析[J].上海交通大学学报： 自然科学版，2011，45（12）：1753-1759.endprint

最后，分析各金融市场在不同显著水平下对系统性风险的贡献（ΔCoVaR），考察市场在危机时期（取5%分位点）与繁荣时期（取95%分位点），风险溢出效应是否对称.结果如图6所示，其中左图为债券市场的情况，右图为股票市场的情形，横坐标表示各成员国金融市场在危机时期对系统性风险的溢出效应，纵坐标表示各成员国金融市场在繁荣时期对系统性风险的溢出效应，其中的斜线代表两个时期的风险溢出效应相等.

从图3中可以看出，对所有市场而言，ΔCoVaR都随市场的风险增大而增大（对应于q值越小），对系统的风险溢出强度越高.从图中可以发现，有67%的国家其债券市场在危机时期的风险溢出效应强于市场繁荣时期；而股票市场的结果则显示，所有国家的市场风险溢出效应在危机时期均比繁荣时期强烈.市场在危机时期的风险溢出效应强于市场繁荣时期，风险在危机时期容易传染放大，缺乏对风险溢出效应的考虑，可能会导致风险水平被严重低估.

5 结 论

本文通过采用CoVaR方法，测量欧元区金融市场间风险溢出效应.CoVaR能够反映出单个金融机构对系统性风险的影响，以一具体数值表示风险溢出效应的大小，便于实现对系统重要性机构的识别及其附加资本的计算，为风险管理实践提供了新的思路和方法.实证结果表明：第一，市场间的风险溢出具有双向性，且溢出量级存在非对称性.第二，各国对系统性风险的贡献程度与市场规模的大小和单个市场自身的风险状况并没有显著的线性关系，表明以VaR为核心指标的监管政策不能有效防范系统性风险溢价.

参考文献

[1] T ADRIAN， M K BRUNNERWEIER. CoVaR[R]. New York： Federal Reserve Bank， 2008.

[2] R ROENGPITYA， P RUNGCHAROENKITKUL. Measuring systemic risk and financial linkages in the Thai banking system[J]. Systemic Risk， Basel III， Financial Stability and Regulation， 2011.

[3] AYT WONG， TPW FONG. Analysing interconnectivity among economies[J]. Emerging Markets Review， 2011， 12（4）： 432-442.

[4] M K BRUNNERMEIER， G DONG， D PALIA. Banks non-interest income and systemic risk[C]//American Finance Association 2012 Chicago Meetings Paper. 2012.

[5] 刘晓星， 段斌， 谢福座. 股票市场风险溢出效应研究： 基于EVT-Copula-CoVaR模型的分析[J]. 世界经济， 2011，（11）： 145-159.

[6] 毛菁， 罗猛. 银行业与证券业间风险外溢效应研究——基于 CoVaR 模型的分析[J]. 新金融， 2011，（5）： 27-31.

[7] 高国华，潘英丽.银行系统性风险度量——基于动态CoVaR方法的分析[J].上海交通大学学报： 自然科学版，2011，45（12）：1753-1759.endprint

最后，分析各金融市场在不同显著水平下对系统性风险的贡献（ΔCoVaR），考察市场在危机时期（取5%分位点）与繁荣时期（取95%分位点），风险溢出效应是否对称.结果如图6所示，其中左图为债券市场的情况，右图为股票市场的情形，横坐标表示各成员国金融市场在危机时期对系统性风险的溢出效应，纵坐标表示各成员国金融市场在繁荣时期对系统性风险的溢出效应，其中的斜线代表两个时期的风险溢出效应相等.

从图3中可以看出，对所有市场而言，ΔCoVaR都随市场的风险增大而增大（对应于q值越小），对系统的风险溢出强度越高.从图中可以发现，有67%的国家其债券市场在危机时期的风险溢出效应强于市场繁荣时期；而股票市场的结果则显示，所有国家的市场风险溢出效应在危机时期均比繁荣时期强烈.市场在危机时期的风险溢出效应强于市场繁荣时期，风险在危机时期容易传染放大，缺乏对风险溢出效应的考虑，可能会导致风险水平被严重低估.

5 结 论

本文通过采用CoVaR方法，测量欧元区金融市场间风险溢出效应.CoVaR能够反映出单个金融机构对系统性风险的影响，以一具体数值表示风险溢出效应的大小，便于实现对系统重要性机构的识别及其附加资本的计算，为风险管理实践提供了新的思路和方法.实证结果表明：第一，市场间的风险溢出具有双向性，且溢出量级存在非对称性.第二，各国对系统性风险的贡献程度与市场规模的大小和单个市场自身的风险状况并没有显著的线性关系，表明以VaR为核心指标的监管政策不能有效防范系统性风险溢价.

参考文献

[1] T ADRIAN， M K BRUNNERWEIER. CoVaR[R]. New York： Federal Reserve Bank， 2008.

[2] R ROENGPITYA， P RUNGCHAROENKITKUL. Measuring systemic risk and financial linkages in the Thai banking system[J]. Systemic Risk， Basel III， Financial Stability and Regulation， 2011.

[3] AYT WONG， TPW FONG. Analysing interconnectivity among economies[J]. Emerging Markets Review， 2011， 12（4）： 432-442.

[4] M K BRUNNERMEIER， G DONG， D PALIA. Banks non-interest income and systemic risk[C]//American Finance Association 2012 Chicago Meetings Paper. 2012.

[5] 刘晓星， 段斌， 谢福座. 股票市场风险溢出效应研究： 基于EVT-Copula-CoVaR模型的分析[J]. 世界经济， 2011，（11）： 145-159.

[6] 毛菁， 罗猛. 银行业与证券业间风险外溢效应研究——基于 CoVaR 模型的分析[J]. 新金融， 2011，（5）： 27-31.

[7] 高国华，潘英丽.银行系统性风险度量——基于动态CoVaR方法的分析[J].上海交通大学学报： 自然科学版，2011，45（12）：1753-1759.endprint