金融创新效率对区域流动性风险影响的空间溢出效应分析

茆训诚

(上海师范大学 商学院，上海 200234)

金融创新效率对区域流动性风险影响的空间溢出效应分析

茆训诚

(上海师范大学 商学院，上海 200234)

基于空间效应的“跨期储蓄—投资”模型，构建区域流动性风险定价模型，度量中国各省域流动性风险，然后利用数据包络分析方法(DEA)计算出各省域金融创新效率，最后采用空间面板模型分析金融创新效率对区域流动性风险的空间溢出效应。实证结果表明，2010年以来，中国区域流动性风险呈快速上升趋势，表明中国资本跨区域流动突然中断风险比以往更加严峻。金融创新效率在样本期内呈总体上升趋势。金融创新效率对区域流动性风险的影响存在空间效应，邻近省域流动性风险及其影响因素对目标省域发生资本流动突然中断风险具有显著溢出效应，表明金融创新效率显著加剧了区域流动性风险的发生，但金融创新在区域经济增长作用下，对区域流动性的间接风险具有抑制作用。

金融创新效率；区域流动性风险；空间面板模型；空间溢出效应

一、引言

从区域经济发展的角度看，区域经济的发展离不开区域金融的支撑，金融工具主要是用来对冲和化解风险的，由于金融工具的不断创新，使得资本在逐利效应的带动下，在不同区域间不断流动，从而使流动性短缺的地区能够获得其他地区的流动性供给，进而避免了发生流动性供给不足的困境。因此，一方面，区域金融创新是引导资本在不同区域间流动，避免部分区域发生流动性风险事件的重要因素；另一方面，也正是由于金融创新所带来的资本跨区域流动便利，才使得当发生流动性风险事件时，原先持续不断的流动性供给会像“黑洞”般消失，进而引发区域流动性供给不足，造成金融风险，甚至是经济危机。

金融创新或许本身就是一种“金融风险”，这种风险的特征主要表现为，在资本自由流动下，由于金融创新提供的便利，导致资本在发生流动性风险事件时，能够以更快的速度、更便利的方式流出本区域，出现资本跨区域流入的放缓，从而导致本区域发生流动性供给缺口，进而破坏区域内实体经济的发展。这种“流动性黑洞”效应是指国际资本在危机爆发时会因规避风险而出现短时期跨区域流动减弱的现象，给处于危机期间的经济体带来更大的打击，加大了其走出危机的难度。对于国际资本跨区域流动可能出现的这种危害，本文认为同样也会出现在一个经济体内部不同区域之间。

金融的不断创新导致区域资本流动趋于自由化，区域经济逐渐一体化，同时也使得金融体系更加复杂化，从而带来更多金融危机的风险源。随着中国各省市经济发展的竞争日益激烈、区域金融一体化趋势逐渐加强、区域资本流动日益便利，各省市之间的资本竞争也更加激烈。从这个角度考虑，对于幅员辽阔、区域发展差异较大的中国而言，资本在国内各省域之间跨区域流动，也可能存在资本流动突然中断的风险。然而，当前对资本跨区域流动突然中断风险的理论与实证研究，均以国际资本跨境流动风险为主，国内不同省域内流动性风险的研究相对较少，因此，定量分析中国省域资本跨区域流动所存在的潜在风险，以及金融创新效率对区域流动性风险的空间溢出效应，对于理清金融创新影响资本区域流动性的作用机制，促进中国区域经济发展，防范跨区域资本流动风险的发生，具有十分重要的理论意义和现实价值。

二、文献回顾

区域流动性风险的研究主要集中在区域流动性风险识别、度量与类型划分，以及影响因素等方面。卡尔沃(Calvo)初步探索了资本国际流动突然中断所带来的风险，认为这种风险是导致金融危机的重要原因。[1]在区域性流动性风险的识别和度量方面，爱德华兹(Edwards)认为一国资本流入净值的减少量超过该国GDP的5%，那么该国就存在资本国际流动突然中断的风险；[2]弗兰克尔(Cavalloand Frankel)则是以一国资本净流入的下降幅度，在1年内累计超过该国资本流动样本均值的两个标准差以上为计量方法，衡量了资本国际流动中断的风险。[3]对于资本跨区域流动的计量方面，除上述已有成果外，近年来，“跨期储蓄—投资”模型及其各类扩展模型，主要用于研究中国省域资本流动与金融发展、经济增长等的关系。[4][5]在区域性流动性风险类型划分方面，卡尔德隆和库伯托(Calderón and Kubto)研究资本国际流动的中断风险时认为，应当将这种资本流动突然中断风险分为流出驱动型中断风险和流入驱动型中断风险。[6]福布斯和瓦诺克(Forbes and Warnock)运用面板数据研究了发达国家和新型市场国家流出驱动型中断风险。[7]卡尔德隆和库伯托运用面板数据分析了极端事件所导致资本国际流动的中断风险，并指出这种突然中断风险具有较强的传染性。[6]郑璇运用1986-2012年26个新兴市场国家的季度数据，研究了新兴市场国家流出驱动型和流入驱动型国际资本突然中断所带来的风险。[8]在区域流动性风险影响因素与效应方面，有从汇率角度进行实证分析，认为一国经常账户持续逆差是导致该国国际资本突然中断的原因；[9]也有通过两地区竞争模型来分析FDI对区域资本流动的影响机制；[10]以及通过构建两部门C-D模型，探讨中央投资对区域资本的挤出效应。[11]

区域金融创新的研究主要围绕区域金融创新指标体系构建与应用、区域金融创新效率评价等方面展开。在区域金融创新指标体系构建与应用方面，包括从微观和宏观两个维度各自构建指标体系，[12]但没有给出具体的实证结果；也有从金融创新主体、金融服务中介、金融创新资源以及金融管理体系四个角度构建指标体系的。[13]在区域金融创新效率评价方面，主要有结合金融地理学和金融创新两个要素，运用因子分析方法的评价，[14]基于主成分分析法的金融创新水平评价，[15]采用两阶段[16]和三阶段数据包络分析的区域金融效率评价，[17]以及通过灰色模糊综合评价体系，借助于不同类型的权重矩阵和权重向量来评价区域金融创新能力。[18]在区域金融创新效应方面，那嘎亚素(Jun Nagayasu)发现加入金融创新后的货币与产出关系更为稳定。[19]巴克利等(Buckley et.al)则对东亚国家的金融自由化和创新之间的权衡进行了分析。[20]李渊博和朱顺林研究互联网金融创新与商业银行经济发展关系，发现互联网创新是未来商业银行经济发展的单向原因。[21]

有关金融创新效率是否及如何影响区域流动性风险的文献相对较少，但金融发展所带来的负面效应已被很多学者和监管层重视。有研究将新兴市场国家发生货币危机甚至金融危机的罪魁祸首归因于金融自由化。[22]也有研究认为金融不断创新发展，银行破产及金融危机发生的频率会更加频繁。[23]意庆格林等(Eichengreen et al)研究认为，优质产业或地区会随着金融的创新发展趋势增加对资本流入的依赖性，当金融危机发生时，这种过度依赖关系反而会加剧原先优质产业或地区发展的恶化，造成更为严重的损失。[24]刘少波和杨竹清认为金融发展是一把“双刃剑”，既能提高金融资产配置效率，又使金融体系发展更为复杂，并伴随更多的金融风险源。[25]

三、指标与模型构建

1.区域流动性风险指标构建

本文研究的区域流动性风险是基于资本跨区域流动所带来的潜在风险，因此，借鉴费尔德斯坦和霍里奥克(Feldstein and Horioka)的“跨期储蓄—投资”模型(即F-H模型)，并考虑空间效应因素，构建区域流动性风险衡量指标，具体过程如下：

首先，考虑第i省域t期的F-H模型：

(1)

其中，Iit、Sit和Yit分别是i省域t期的投资、储蓄和产出。很显然，公式(1)的左边是资本需求(投资)，右边则是资本供给(储蓄)。如果资本供给无法满足需求，则会形成资本供给缺口，也就是资本的流动性风险，因此，得出区域流动性风险定价公式：

(2)

其次，为研究资本跨区域流动所带来的风险，将其区域外其他周围省域的资本需求所产生的空间效应因素引入公式(1)，以便分解出周围省域资本需求对目标省域资本供给的挤出效应，得到：

(3)

其中，ρt表示t期，区域外资本需求与区域内资本需求的空间相关系数，用以衡量区域外省域资本需求对目标省域资本供给的挤出效应。wij表示经过标准化后的空间权重矩阵W中的对应元素。

最后，可以将考虑空间效应因素条件下的各省域的资本流动性风险缺口表示为：

(4)

2.区域金融创新效率指标构建

金融创新效率计量的方法主要分为参数和非参数模型，本文使用非参数的数据包络分析方法(DEA)，建立中国31个省域的金融创新效率测算模型，求解如下对偶规划模型：

(5)

其中，K表示决策单元个数(本文使用31个省市作为决策单元，因此K=31)，I和J分别表示投入变量和输出变量的个数；θk表示决策单元k的效率值，且0θk1；ε是用于保证权重变量严格为正数的非阿基米德无穷小量；s-和s+代表松弛变量，是金融投入产出要素实际值与效率之间的差额，是能够体现DEA方法相对其他效率估计方法的优势之一；xik和yjk分别表示第k个决策单元的第i个金融投入要素和第j个金融产出要素；λi和ψj分别为金融投入要素xik、yjk和产出要素yjk的加权系数。

运用线性规划求解式(5)中θk的最优解θk*、s*-、s*+，可以归为三种情况：若θk*=1，且s*-=s*+=0，则表明决策单元k的金融要素投入产出配置是有效率的；若θk*=1，且s*-+s*+>0，则表明决策单元k的金融要素投入产出配置是弱有效的；若0θk*<1，则表明决策单元k的金融要素投入产出配置是无效率的。

3.实证模型设计

(1)控制变量的选取

为建立金融创新效率对区域流动性风险影响的实证模型，除了考虑区域流动性风险和金融效率衡量指标之外，还需考虑影响区域资本流动突然中断的其他风险因素，因此，本文从区域资本来源与资本流动驱动力的角度来考虑控制变量的引入。

首先，从区域资本来源来看，一个区域的资本来源主要有国外和国内两个部分。从国外来源看，现阶段外商直接投资是国外资本跨境投资的主要渠道(用外商直接投资的同比增长率衡量，用FDI表示)。从国内来源看，地方政府财政支出(用地方政府财政支出同比增长率衡量，用Gov表示)与中央银行的流动性扩充(用货币供给M2的同比增长率衡量，用MT表示)对中国各省域资本供给有着重要影响。因此，从区域资本来源的角度，本文的控制变量主要加入目标省域内获得的外商直接投资、地方政府财政支出以及中央银行货币供给3个变量。

其次，从区域资本流动的驱动力来看，追求适当的收益率是资本本质的体现。因此，本文将各省域GDP增长率作为控制变量之一(用GDP表示)。同时，一个地区金融的创新离不开整个地区的创新环境，劳动生产率能够在一定程度上代表一个地区资源的配置效率，本文参照王喜和赵增耀的做法，[10]将各个省份劳动生产率引入控制变量(用Lavor表示)。

(2)金融创新影响区域流动性风险的空间计量模型

考虑到资本跨区域流动的空间效应具有两种可能，一种是周边省域对目标省域流动性风险的示范效应及其区域流动性风险的外溢效应，另一种是在分析区域流动性风险影响因素时，可能存在区域外的影响因素对本区域的流动性风险产生影响。

对于第一种空间效应，本文建立如下空间滞后模型(SLM)：

+γ3FDIit+γ4Govit+γ5MTit+ui+vt+εit。

(6)

其中，下标i=1,2,…,N，表示样本省域的个数，本文中N=31；下标t=1,…,T，表示样本区间，本文中T=11。Ino表示各省域的金融创新效率。wijRiskjt反映的是各省区域流动性风险的空间依赖性的重要因素，综合体现其他邻近省域存在的流动性缺口对目标省域的溢出效应。wij是N×N空间权重矩阵W中第i行第j列的元素，它反映了不同省域之间的空间作用关系，本文采用地理邻近距离构建空间权重矩阵。交叉项Inoit×GDPit的引入，旨在反映在经济增长的作用下，金融创新效率对区域流动性风险的影响。ui反映模型中不同省域之间的截面固定效应。vt反映不同样本期间的时间固定效应。εit为服从N(0,δ2)的随机误差项。

对于第二种空间效应，本文建立如下空间误差模型(SEM)：

Riskit=α+βInoit+γInoit×GDPit+γ1GDPit+γ2Lavorit

+γ3FDIit+γ4Govit+γ5MTit+ui+vt+φit，

(7)

其中，模型残差φit表明，目标省域的残差项依赖于其他省域残差项，这种空间依赖效应能够反映出其他省域影响流动性风险因素对目标省域流动性风险的空间溢出作用。

最后，为了与上述两种空间面板模型进行比较，本文还建立如下非空间效应的普通面板模型：

Riskit=α+βInoit+γInoit×GDPit+γ1GDPit+γ2Lavorit

+γ3FDIit+γ4Govit+γ5MTit+ui+vt+εit。

(8)

四、数据选择、指标计算与分析

1.数据选择

本文选取2004-2014年，中国31省市共11个年份的面板数据为研究样本。数据来源于《中国统计年鉴》《中国金融统计年鉴》《中国区域金融运行报告》以及Wind资讯数据库。

2.指标计算与分析

(1)区域流动性风险的计算与分析

本文使用GeoDa软件对公式(3)进行计算，得到全国水平的投资储蓄相关系数，将各省市每年贷款余额本地区金融产值的比重作为投资率，各省市每年存款余额占本地区金融产值的比重作为储蓄率。这种投资率和储蓄率的计算方法之所以不同于一般方法(通常是将各地区贷款、存款余额占本地区GDP比重作为投资率和储蓄率)，是因为本文所研究的资本跨区域流动主要是基于金融资本的跨区域流动，用金融产值代替GDP更能体现本文的研究视角。最后，再通过公式(4)计算出各省市2004—2014年每年的流动性风险值，其描述性统计见表1。

表1 2004—2014年各省市区域流动性风险值的描述性统计

将中国各省市样本期间流动性风险估算值的均值和方差绘制成折线图，得到图1。

图1 2004—2014年中国各省市区域流动性风险值的均值和方差时序图

由图1可以看出，区域流动性风险计算值的均值随着时间的变化，具有上升趋势，而标准差呈下降趋势。这表明随着中国经济与金融的发展，警惕区域流动性风险应该得到越来越多的重视，全国各省市之间的流动性风险缺口也逐渐趋于相同水平。

进一步分析可以看出，区域流动性风险估算值在2010年之前，其变化趋势并不明显，但是在2010年后呈现出明显的上升趋势。这与中国为应对2008年次贷危机而出台的“四万亿”刺激政策有关。金融次贷危机引发全球出现经济危机，世界各国均具有不同程度的流动性风险问题，为化解金融危机的冲击，从2008年到2010年末，由中央政府以及地方政府共同向市场投放了数万亿元的流动性，致使迅速扩充的流动性资金优劣共选，造成了大量的投资浪费以及有毒资产，为日后缓解刺激政策造成了不良影响。加之近年加速经济结构转型所带来结构转型阵痛，经济增长速度进入换挡期。“三期叠加”的内外因素，是导致中国区域流动性风险估算值在2010年之后迅速上升的主要原因。

(2)区域金融创新效率计算与分析

利用DEA2.1软件，对公式(5)进行计算，得到各省域2004—2014年每年金融创新效率的计算值，其描述性统计见表2。

表2 2004—2014年各省市区域金融创新效率估算值的描述性统计

从表2可以看出，中国金融创新效率估算值，在样本期内，从大约0.3的较低水平逐渐上升到大约0.7左右的相对较高水平，而标准差则基本稳定在0.2的水平。这表明中国区域金融创新效率整体具有显著上升趋势。这与中国近年来金融发展水平不断提升，区域金融一体化的背景相一致。

五、实证结果分析

1.控制变量的描述性统计

其他控制变量的描述性统计，见表3。

表3 2004—2014年控制变量描述性统计

从表3可以看出，GDP增长率在样本期内呈现出明显波动。2008年金融次贷危机前，中国经济增长保持持续快速增长态势。受金融次贷危机影响，2009年GDP增长率仅有9%。在中央和地方政府刺激性投资下，2010年后经济增长有所恢复，但随后带来的通货膨胀，使得宏观政策随之调整，经济增速逐步回落。区域劳动增长率在整个样本期内基本保持稳定，但不同区域间的水平差异很大，这从其标准差较大可以看出：劳动生产率较高的地区主要集中在北京、上海、广东和浙江等地，劳动生产率较低的地区主要集中在中西部地区。不同地区间劳动生产率的变动趋势也有差异，有些省份劳动生产率持续保持较高水平，如北京和上海；有些地区劳动生产率呈逐年下降趋势，如广东省。FDI在样本期内波动幅度较大，有些年份增长较快，如2005年和2011年均超过了30%；有些年份增长幅度则较小，如2009年和2014年。不同省域间的差异较大，这从每年的标准差较大可以看出。Gov在样本期内基本变化不大，但2011年后呈逐年递减趋势。M2的增长率均值达到16.75%，高于GDP的平均增长率。

2.面板数据的单位根检验

本文采用LLC、IPS、ADF以及PP四种面板单位根检验方法，对上述指标进行检验，结果见表4。

表4 面板数据的单位根检验结果

注：“*”“**”“***”分别表示在10%、5%、1%水平上显著。指标括号中的“0”和“1”分别表示原始序列和一阶差分序列，检验统计量中的括号为P值。

由表4可知，Risk、Ino、GDP、Ino×GDP和FDI均是平稳序列，Lavor、Gov以及MT均是一阶差分平稳序列，本文在进行回归分析时，对这3个变量进行一阶差分处理。

3.模型估计结果分析

本文模型分析表明，基于资本跨区域流动视角对区域流动性风险进行研究应当采用空间计量的方法。对本文所建立的空间计量模型进行豪斯曼(Hausman)检验的结果显示，空间滞后模型(SLM)的P值为0.9930、空间误差模型(SEM)的P值为0.5167，非空间面板模型的P值为1.000，均远大于10%的显著性水平，这表明空间面板模型和非空间面板模型均应当采用随机效应模型进行分析。在空间面板模型的选择上，安瑟琳和雷伊(Anselin and Rey)给出了是选择SLM模型还是SEM模型的统计量。LM-Spatial-Lag用于检验空间滞后模型，其原假设是回归模型不符合空间滞后模型；LM-Spatial-Error用于检验空间误差模型，其原假设是回归模型不符合空间误差模型。当LM-Spatial-Lag显著优于LM-Spatial-Error时，最优模型选择应该是SLM；反之，则是SEM。安瑟琳和雷伊同时给出了对上述两个检验指标的拉格朗日乘子稳定性检验的对应统计量robust LM-Spatial-Lag和robust LM-Spatial-Error。[26]表5给出了模型设定形式检验结果。

表5 空间计量模型的设定形式检验结果

由表5可知，LM-Spatial-Error 与robust LM-Spatial-Error 都显著优于LM-Spatial-Lag与robust LM-Spatial-Lag，因此，本文对空间计量模型的回归结果分析将主要集中于随机效应下的空间误差模型。

表6 金融创新效率对区域流动性风险影响的参数估计结果

注：“*”“**”“***”分别表示在10%、5%、1%水平上显著。

由表6可以看出，金融创新效率对区域流动性风险的直接效应都显著为正，而且系数值的大小也比较相近；但是金融创新效率通过经济发展对区域流动性风险的间接效应在含有空间因素下的模型中都显著为负，并且回归系数值也比较相近，其绝对值都大于直接效应的对应系数值，因此，金融创新效率对区域资本流动性风险的总效应是起到了抑制作用。其回归结果的具体分析如下：

(1)流动性风险的空间效应分析

空间滞后效应系数和空间误差效应系数均显著，且数值均为正。显著为正的空间滞后系数表明周围省域发生区域流动性风险对目标省域具有正向溢出效应，同时也说明区域流动性风险具有扩散效应；显著为正的空间误差系数表明区域金融创新效率、劳动生产率、外商投资增长率等影响因素对区域流动性风险的空间作用具有正向溢出作用，即周围省域资本跨区域流动影响因素的综合作用，对目标省域发生资本流动中断风险具有扩大作用。

由于非空间面板数据的回归系数大多并不显著，加之空间面板数据的空间项系数均显著，因此，从模型的整体回归结果和空间效应系数的显著性来看，基于资本跨区域流动研究金融创新效率对区域流动性风险的作用效果时，空间效应的引入是十分必要的，这不仅是因为资本跨区域流动具有空间区位的选择特性，而且也得到了本文实证结果的验证。

(2)金融创新效率对区域流动性风险的影响分析

由表6可知，本文所建立的计量检验模型中，金融创新效率对区域流动性风险的直接作用系数，都在1%的显著性水平下显著为正。本文构造区域流动性风险的原理是，目标省域发生流动性风险事件时，资本跨区域流动突然中断时的潜在流动性风险缺口风险值越大，表明目标省域在发生流动性风险事件时存在的流动性风险就越大。因此，显著为正值的Ino系数，表明随着区域金融创新效率的提升，目标省域发生区域流动性风险的可能性也就越大。

金融创新效率与GDP增长率的交叉项Inoit×GDP的系数值均显示为负，且SEM和SLM模型均在1%的水平下显著，表明金融创新效率在区域经济增长的作用下，对区域流动性风险的间接效应具有抑制作用，这是不断发展金融和鼓励金融创新的原因所在。尽管金融创新可能会使金融体系更加复杂，金融市场发生风险的源头更加繁多，但是金融的创新发展能够促进资源的配置效率，能够为实体经济提供更多的投融资工具，能够让实体经济获得更快和更健康的发展。

(3)其他控制变量对区域流动性风险的影响分析

无论是空间面板模型还是非空间面板模型，省域GDP同比增长率对区域流动性风险的作用系数均在10%水平下不显著，表明省域经济增长并不能显著作用于区域流动性风险。本文认为，这一结果正好吻合历次经济危机出现的规律，任何经济体，无论其经济发展增速如何，都不能保证不发生流动性危机。资本流动中断风险，既可能发生在发达经济体，也可能发生在新兴市场国家或者不发达地区。从中国现阶段经济运行的实际情况看，中国经济总体增速虽然已经向下换挡，从两位数的增速降到如今7%左右的水平，但是相对于世界其他地区的经济增速，中国当前经济增长依然处于高位水平，我们不能因为经济高速增长而忽略发生区域流动性风险的可能性。同时，根据国际资本流动的危机理论，资本中断带来的危害，对于新兴市场国家的冲击可能更大，因此，中国当前对资本跨区域流动的研究，不仅要注重国际资本流失的风险，也应当注重研究国内资本在各省域之间的均衡发展，防止发生资本跨省域流动中断所带来的风险。

劳动生产率同样表现出与金融创新效率直接效应一样的效果，即对区域流动性风险也具有显著的加剧作用。这一结果更加证实了金融创新效率确实增加了发生流动性风险的可能性，也符合金融不稳定理论的观点。金融创新发展本身就是一种风险，或者说其创新活动本身就可能增多风险发生的源头及加剧风险发生的复杂度。

对于目标省域资本流入的三大源头——外商直接投资(FDI)、财政支出(Gov)以及货币供应增长率(MT)，可以发现FDI与财政支出并未显著作用于区域流动性风险，但是三者的作用系数均为负数，且MT的回归系数在1%的水平下显著。这表明，无论是国外资本流入，还是国内资本流入，都能够一定程度上为目标省域资本需求提供帮助，因此具有抵御目标省域发生流动性风险的能力。但是中国目前资本项目对外开放程度有限，国外资本对中国各省域资本需求的供给有限，因此，不能显著作用于资本跨区域流动所产生的中断风险。地方政府的财政支出，多数是直接运用于实体经济发展，而且在中国地方政府当前的财政支出中还不存在地方政府从金融市场上得到的直接融资，地方政府之间的资本交流并未体现在财政收支中，因此，地方政府的财政支出虽然对本地区资本需求提供一定支持，但是并不能体现在资本跨区域流动的作用中，也就不会对区域资本流动性风险产生影响。来自中央银行的货币支持是通过金融市场来运作的，金融市场引导资本流动的关键就是利用资本趋利避害的本性，货币供给提供资金在跨区域流动的选择上相对于财政资金更具有一定的自由度，因此，MT对区域流动性风险产生显著影响。

六、结论

本文首先通过在“跨期储蓄—投资”模型(F-H模型)中引入空间效应，构建出衡量区域资本流动突然中断的风险定价模型，并通过样本数据对各省市2004-2014年的区域流动性风险进行了计算。结果发现，中国各省市发生区域资本流动突然中断的潜在风险总体上是随着时间推移呈上升趋势的，特别是2010年后，中国“四万亿”刺激政策实施完成后，这种上升趋势更加明显，表明当前中国存在较之前更为严重的潜在区域流动性风险。这与近年来中国不断出现的地方经济违约事件的事实相吻合，能够在一定程度上对中国区域资本流动性风险进行评估。

本文接着运用DEA，以各个省市的金融业固定资产投资和金融行业人力资本投入为输入变量，以金融业产值为输出变量，采用投入导向型DEA，计算出各省市2004—2014年的金融创新效率，发现中国各省市金融创新效率均呈现出总体上升趋势，特别是经济相对发达的省份，金融创新的效率也相应更高。这一估算结果与中国金融的区域金融发展实际情况相吻合，能够很好地测度中国区域金融的创新效率。

本文最后通过构建空间面板模型和非空间面板模型，研究金融创新效率对区域流动性风险的影响，引入影响省域资本供给的外商直接投资、地方政府财政支出、中央银行货币供给以及地区经济投资综合回报率(GDP同比增长率)作为控制变量。实证结果表明，基于资本跨区域视角研究金融创新效率对区域资本流动性风险的影响，引入空间效应具有十分重要的意义，邻近省市存在的流动性风险及其影响因素对目标省域都具有显著的正向溢出作用。发生流动性风险事件时，金融创新效率高的省份存在较大的资本流动突然中断风险，但是金融创新伴随实体经济的增长，对区域流动性风险的综合作用却是起到了抑制作用。这表明，金融创新确实为资本跨区域流动带来了更大的风险可能性，但是由于金融创新更能促进实体经济发展，从而间接降低了区域资本流动的突然中断风险。同时，本文还得出，外商直接投资、地方政府财政支出、中央银行货币供给都在一定显著性水平上对区域流动性风险起到抑制作用，但是外商直接投资和地方政府财政支出对于抑制区域流动性风险的作用有限，而中央银行的货币供给对于降低区域流动性风险的作用则十分显著。本文认为，这主要是由中国资本市场对外开放程度低、中国地方政府财政的支出模式以及货币供给流动的趋利避害性造成的。

金融创新效率对区域流动性风险直接效应的回归结果符合“流动性黑洞”效应、金融不稳定假说以及国际资本流动危机理论，这就要求我们必须高度警惕金融创新所带来的潜在风险。随着中国金融市场的不断发展，区域经济一体化逐步加强，在享受金融发展红利的同时，要重点对区域金融发展所带来的负面效应进行研究，及时防范区域资本流动突然中断所引发的流动性风险。这对于中国区域经济进一步发展，以及中国整体经济持续健康稳定发展，都具有十分重要的意义。在金融创新对区域流动性风险的间接效应的作用下，金融创新对区域流动性风险的总效应起到抑制作用，因此，虽然要警惕金融发展所造成的一定困难，也要把握金融不断创新发展所带来的经济发展机会，进一步加强区域经济发展合作，实现国内省域经济发展一体化。

[1] Calvo G A. Capital Flows and Capital-Market Crises: The Simple Economics of Sudden Stops[J]. Journal of Applied Economics，1998，(1).

[2] Edwards S. Capital controls, capital flow contractions, and macroeconomic vulnerability[J]. Journal of International Money and Finance，2007，26(5).

[3] Cavallo E A，Frankel J A. Does openness to trade make countries more vulnerable to sudden stops, or less? Using gravity to establish causality[J]. Journal of International Money and Finance，2008，27(8).

[4] 张璟,陈继明,刘晓辉.区域间信贷资金流动性、金融发展与经济增长——来自中国省际面板数据的经验证据[J].投资研究，2013，(6).

[5] 王守坤.中国各省区资本流动能力再检验:基于广义空间计量模型的分析[J].经济评论，2014，(4).

[6] Calderon C，Kubota M. Sudden stops: Are global and local investors alike?[J]. Journal of International Economics，2013，89(1).

[7] Forbes K J，Warnock F E. Debt-and Equity-Led Capital Flow Episodes[M]. NBER Working Papers,2012.

[8] 郑璇.流入驱动型与流出驱动型国际资本流动突然中断的影响因素分析——以新兴市场国家为例[J].国际金融研究，2014，(1).

[9] 张良.资本流动突然中断的影响因素分析[J].财贸研究，2010，(4).

[10] 王喜,赵增耀.FDI与区域资本流动:抑制还是促进[J].国际贸易问题，2014，(4).

[11] 王曦,杨扬,余壮雄.中央投资对中国区域资本流动的影响[J].中国工业经济，2014，(4).

[12] 喻平,李敏.金融创新能力的评价研究[J].当代经济管理，2007，(3).

[13] 陈晶莹.区域金融创新体系研究[J].改革与战略，2008,(11).

[14] 朱尔茜.基于因子分析的中国区域金融创新能力评价[J].武汉大学学报(哲学社会科学版)，2013，(3).

[15] 章莳安.基于主成分分析法的金融创新水平评价——以赣南等原中央苏区14县(市)为例[J].江西社会科学，2013，(12).

[16] 蒋瑞波,蒋岳祥.区域金融创新与区域经济发展的实证研究[J].浙江学刊，2012，(5).

[17] 蒋岳祥,蒋瑞波.区域金融创新:效率评价、环境影响与差异分析[J].浙江大学学报(人文社会科学版)，2013，(4).

[18] Li L，Wang R，Li X. Grey fuzzy comprehensive evaluation of regional financial innovation ability based on two types weights[J].Grey Systems，2016，6(2).

[19] Jun Nagayasu. Financial innovation and regional money[J]. Applied Economics，2012，44(35).

[20] Buckley R P. Financial Innovation in East Asia[J]. Seattle University Law Review，2013，(37).

[21] 李渊博,朱顺林.互联网金融创新与商业银行经济发展的关系研究——基于省级面板数据的因果关系检验[J].南方经济，2014，(12).

[22] Komulainen T，Lukkarila J. What drives financial crises in emerging markets?[J]. Emerging Markets Review，2003，4(3).

[23] Giannetti M. Financial liberalization and banking crises: The role of capital inflows and lack of transparency[J]. Journal of Financial Intermediation，2007，16(1).

[24] Eichengreen B J，Feldman R A，Liebman J B. Public debts : nuts, bolts and worries[J]. Geneva Reports on the World Economy，2011，16(3).

[25] 刘少波,杨竹清.资本市场开放及金融自由化的经济后果研究述评[J].经济学动态，2012，(5).

[26] Anselin L，Florax R J G M， Rey S J. Advances in spatial econometrics : methodology, tools and applications[M].Springer,2010.

AnAnalysisoftheSpilloverEffectofFinancialInnovationEfficiencyImpactonRegionalLiquidityRiskBasedonSpatialPanelModel

MAO Xuncheng
(School of Finance and Business, Shanghai Normal University, Shanghai 200234, China)

Firstly, based on the spatial effect of the intertemporal savings investment model, this paper establishes the regional liquidity risk pricing model. Liquidity risk in China’s provinces is measured. Secondly, the financial innovation efficiency is calculated by using the DEA model. Finally, the spatial panel model is used to analyze the spatial spillover effect of financial innovation on regional liquidity risk. The empirical results show that since 2010, China’s regional liquidity risk shows a rapid upward trend, indicating that China’s capital flows across the region suddenly interrupted risk is more severe than ever before. In the sample period, the efficiency of financial innovation showed an overall upward trend. The influence of financial innovation efficiency of regional liquidity risk exists space effect. The liquidity risk and its influencing factors in the neighboring provinces have a significant spillover effect on the sudden interruption of capital flows in the target province. The results show that the efficiency of financial innovation has aggravated the occurrence of regional liquidity risk. But under the effect of regional economic growth, the financial innovation has an inhibitory effect on the regional liquidity risk.

financial innovation efficiency, regional liquidity risk, spatial panel model, spatial spillover effect

F832.1

A

1004-8634(2017)06-0058-(11)

10.13852/J.CNKI.JSHNU.2017.06.008

2017-08-21

国家自然科学基金项目“基于流动性视角的资本定价模型重构研究”(71471117)

茆训诚，河北人，上海师范大学商学院教授，主要从事金融管理研究。

(责任编辑：知 鱼)