基于空间网络的粤港澳大湾区城市群金融风险传染效应研究

林茵

【摘要】基于城市群各城市间的经济、金融与交通联系，文章构建了相应的经济、金融和交通空间网络结构模型，运用空间计量方法，采用粤港澳大湾区11个城市2000—2017年经济金融数据，构建了基于三种不同空间网络的空间权重矩阵，在此基础上重点研究了粤港澳大湾区城市群内部金融风险的传染效应。最终发现粤港澳大湾区的经济、金融和交通联系日趋紧密，在三种不同的空间网络下大湾区各城市金融风险都具有显著的正向空间自相关性，说明城市间的金融风险存在传染性。其中，在经济网络和交通网络下金融风险的空间自相关性更为显著，意味着金融风险通过经济渠道和交通渠道的传染性更强。

【关键词】粤港澳大湾区；金融风险；空间网络； 空间计量

【中图分类号】F83

一、引言

建设粤港澳大湾区是国家战略，根据其发展规划，大湾区金融业将迎来更大的开放和发展，与此同时为金融业的健康发展提供与之相适应的金融风险防控是当前亟待解决的重大问题。在此背景下，以考虑粤港澳大湾区各城市之间形成的关联网络为视角研究城市群内各城市之间金融风险交叉传染情况，对大湾区内金融风险防控具有重要意义。

梳理已有国内文献发现，大多数相关文献只关注到空间网络与经济增长的关系，只有少量学者关注空间网络与金融风险传染的关系。在现有的空间网络与金融风险传染的关系研究中，大部分学者发现地理接近、贸易联系和金融市场关联可能是金融危机风险溢出渠道，但实证研究多停留在国家间或省间层面。在国家间研究方面，Kelejian等（2006）通过构建传统地理距离矩阵和贸易联系矩阵研究新兴经济体之间的金融危机风险传染[1]。程棵等（2012）也研究了次贷危机中地理位置、区域性经济组织、国际贸易和金融资本流动等金融传染渠道，发现金融渠道是主要的金融危机风险溢出渠道[2]。Dell等（2013）利用空间计量方法研究24个新兴经济体的主权债券市场的空间溢出效应，发现除了地理上的接近，空间传播的渠道还包括贸易和金融联系[3]。李立（2016）用相邻地理位置二元矩阵、区域经济组织关系二元矩阵与构造的两种不同的引力矩阵来检验金融危机风险的广义多维经济空间效应，发现36个样本经济体之间存在金融风险空间溢出效应[4]。在省间研究方面，鞠方等（2018）利用我国30个省市的数据实证发现地理临近和经济水平相近地区的房地产金融风险会产生空间溢出[5]。本文将侧重研究城市间的金融风险传染，利用粤港澳大湾区11个城市的数据，探究不同空间网络与金融风险的关系。

二、城市群空间网络的构建

（一）网络结构模型的构建

1.经济互联引力模型

19世纪中叶，吉夫（G.K.Zipf，1946）首次将引力模型应用在城市之间相互作用的空间分析中。本文借鉴王欣和吴殿廷等（2006）[6]修正的引力模型，具体公式如下：

其中，Tab代表交通联系强度，tab代表两个城市之间乘坐直达列车到达的最短时间。

（二）样本选择与数据来源

本文选择粤港澳大湾区城市群的11个城市为研究对象，选取2000—2017年作为研究时间段。数据获取主要来源于Wind、香港金融管理局官方网站、香港政府统计处官方网站、澳门统计暨普查局官方网站、12306官网和高德地图。

三、金融风险传染的实证分析

（一）区域金融风险评价指标体系构建

在进行风险传染的实证分析之前，我们需要量化测度各城市节点的区域金融风险水平，故首先构建区域金融风险评价指标体系。参考汤洁等（2014）对两岸金融风险预警系统的研究[8]，一方面，考虑到香港、澳门和广东九市经济发展水平均比较高，且香港和澳门作为独立的关税区和中国内地同属世界贸易组织的成员，面临的金融风险来源基本相同，故可以共用一套相同的指标评价体系。另一方面，由于香港、澳门经济模式和广东九市具有差异性，故指标临界值和指标权重要反映相同指標对金融风险影响的差异性。

1.指标体系设定

借鉴吴诗伟（2015）[9]设定的各省金融风险指标评价体系，本文基于科学性、灵敏性、全面性、可获得性的原则选取宏观经济和微观金融两个大方面和7个具体的细化指标来构建区域金融风险评价指标体系，具体如表1所示。

GDP增长率、财政收入占GDP的比重和出口额增长率三个宏观经济指标均参考香港、澳门和广东九市过去18年相应指标的平均值设定金融风险阈值，而通货膨胀率则根据经验值设定无风险区间。存贷比指标和保费收入增速指标分别参考法律规定和过去18年指标的平均值和标准差设定无风险区间。

2.数据来源及预处理

数据来源于各年《广东统计年鉴》、EPS数据库、中国经济社会大数据研究平台、香港政府统计处官方网站、澳门统计暨普查局官方网站和Wind。

在通常意义的指标中，一共有三类指标。第一种，正向性指标，指标值越大代表区域金融风险水平越高。第二种，负向性指标，指标值越大代表区域金融风险水平越低。最后一种，中间性指标，这类指标的值处在一定区间内代表处在风险可控状态，偏离这个区间越多代表区域金融风险水平越高。故在计算区域金融风险指数之前，首先将数据进行正向化和标准化处理。

（1）正向化处理

对于GDP增长率、财政收入占GDP比重、出口额增长率这三个指标，由于含有阈值设定，当指标值大于所设阈值Kj时，将该指标设定为0；当指标值小于等于所设阈值时，用公式Xij= K-Xij进行处理，此时处理后的数值Xij越大表示风险越高。而关于通货膨胀率、存贷比和保费收入增速这三个指标，当指标值位于设定的无风险区间时[M1，M2]，将该指标赋值为0；当指标值大于M2时，用公式Xij= Xij-M2进行处理；当指标值小于M2时，用公式Xij= M2-Xij进行处理，此时Xij数值越大代表风险越高。最后关于储蓄存款增长率这个指标，其为负向性指标，由于存在负数，故首先使用公式Xij=1+Xij使其全部转化为正数，然后用公式Xij=1/Xij进行处理，将其转化为正向性指标。

（2）標准化处理

其中，Xij是正向化处理后的第i个指标在第j年度的取值。

3.各指标权重的计算及金融风险指数结果

本文在对各个指标进行标准化处理后，运用熵值法计算权重，指标结果如表2所示。

然后利用计算所得的权重和对指标加权求和的公式计算各个城市金融风险指数，具体公式如下：

基于收集的数据，我们计算了粤港澳大湾区11个城市2013—2017年的金融风险指数，结果如图1。同时还展示了大湾区城市历年金融风险平均水平，结果如图2。

根据结果，可以发现每一年的粤港澳大湾区城市群里风险水平最高的城市处在持续的变化中。也就是说，金融监管机构需要密切注意每一个城市，因为任何一个城市都有可能成为金融风险的溢出区域。而大湾区内金融风险的平均水平在2000—2017年间呈现在波动中先上升后下降的趋势，特别注意到在2007年金融风险平均水平开始急速上升，直至2009年达到18年来最高点，这与2007—2009年发生的世界金融危机事件吻合。

（二）空间计量回归分析方法

首先我们需要考察研究对象的实际数据是不是有空间依赖性才能决定是不是需要使用空间计量方法，然后再选择适合的空间计量模型。空间自相关的测度可以衡量城市之间的金融风险是否存在传染性，如若某城市金融风险水平显著地与其“相邻”城市的金融风险水平相关联，那就说明城市之间的金融风险存在传染性。目前最为流行的度量方法即为“莫兰指数I”（Morans I）（Moran，1950），故本文也选取这个方法。

1.空间自相关指数（Morans I）

全局莫兰指数考察的是整个空间的空间集聚情况，莫兰指数的取值一般位于[-1，1]之间，若取值为正数，则表示正自相关；若取值为负数，则代表负自相关；若取值接近0，则说明空间分布随机不存在空间自相关。

（三）变量选取与数据说明

1.变量选取

被解释变量是金融风险，通过上文设定的指标评价体系计算而来。解释变量是金融集聚水平，用各年对应城市存贷款总额与粤港澳大湾区11个城市的总存贷的比重来表示。另外，使用区域政府力量和区域开放程度作为控制变量，区域政府力量用区域政府财政支出额占区域GDP的比重来计算，衡量政府对地方经济金融的干预程度，而使用对外依存度为区域开放程度的代理指标，即区域进出口总额与GDP的比重。

2.数据说明

数据来源于EPS数据库，并将单位为港元、澳门元和美元的指标按照2019年3月16日的汇率数据进行转换。

（四）实证结果分析

1.金融风险空间自相关的检验

从表3结果可以看出，三种空间权重矩阵下金融风险均呈现显著的正向空间自相关，这不仅说明需要使用空间计量模型来研究粤港澳大湾区城市群的金融风险，还说明各城市之间的金融风险在三种渠道都具有传染性。此外，对比三种空间权重矩阵的MoransI 指数值，可以发现在交通联系矩阵和经济联系矩阵中MoransI 指数值要更大，P值更小，更加显著，说明金融风险通过经济渠道和交通渠道的传染性更强。

2.空间杜宾模型回归结果

基于上文描述的空间杜宾模型，我们实证分析了在三种不同的空间权重矩阵下粤港澳大湾区区域金融风险的空间溢出效应，还实证分析了金融集聚、政府力量、对外开放程度对金融风险的影响，结果如表4所示。

从回归结果来看，三种不同的空间权重矩阵下WRisk的系数都显著为正，表明区域金融风险之间有高度的正相关性，说明区域金融风险存在空间溢出效应，某个城市的金融风险的爆发会波及其他区域。这种现象产生的原因可能是因为粤港澳大湾区城市群金融一体化发展加速，整个大湾区的金融产业连为一体。

变量LnFA的回归系数在经济联系网络和金融联系网络模型下显著为正，表明区域金融集聚水平的上升会导致区域金融风险增加。这可能包含两个方面的原因：一方面，金融集聚水平越高，区域内金融机构业务联系就越多，基于资产负债表的联系就越复杂，一旦业务链条上任何一个环节出现风险都会随着链条传递下去，一旦某金融机构资产负债出现问题就会影响其他有关系的金融机构。另一方面，一个区域的金融集聚水平越高通常其国际化水平就越高，如香港作为国际金融中心，其国际化水平非常高，就会更敏感地受到来自国际金融风险的影响。

控制变量LnGov在三种联系网络下回归系数都显著为负，说明地方政府对经济干预程度越高，区域金融风险水平越低。当政府对经济有越大的影响力，往往意味着政府在发生金融风险时“兜底”的能力越强，故有抑制金融风险的作用。

控制变量LnExt在经济联系网络和金融联系网络显著为负，说明对外开放程度越高，区域金融风险水平越低。这跟我国还是发展中国家有关，在合适范围内加大对外开放程度有利于风险分担。

相比空间自回归模型和空间误差模型，空间杜宾模型还能考察自变量的空间溢出效应。在金融联系网络和经济联系网络中，WLnFA显著为负，说明金融集聚有负向的金融风险溢出效应，这表明一个城市金融集聚水平的提高有利于与其经济距离或金融距离越近的城市抵御金融风险。原因可能是当金融资源向一个城市集中时，这个城市的金融业的实力和效率都会提升，从而能给其他地区提供有效保护。在交通联系网络中，WLnGov显著为负，这表明一个城市的政府力量强大有利于距其距离越小或交通时间越短的城市抵御金融风险。这可能是因为一个城市的政府政策会影响周边城市的政府政策选择，当一个城市的政府选择更大的影响力的时候周边城市的政府也会趋于做出类似的选择。

四、结论与政策建议

本文的研究结果表明粤港澳大湾区的经济联系、金融联系和交通联系越趋紧密，且在三种不同的空间网络下，大湾区各城市金融风险都具有显著的正向空间自相关性，说明城市之间的金融风险存在传染性。其中，在经济网络和交通网络下金融风险的空间自相关性更为显著，说明金融风险通过经济渠道和交通渠道的传染性更强。而在经济网络和金融网络下，金融集聚水平越高，金融风险水平就越高，说明金融集聚会使金融风险水平提高，同时金融集聚具有显著的负的网络溢出效应，在交通网络下，政府力量具有显著的正的网络溢出效应。

针对以上结果，本文提出以下几点防控粤港澳大湾区金融风险的建议：第一，相关部门要密切关注城市群内各城市之间金融风险交叉传染的情况，特别注意通过交通渠道和经济渠道的传染。第二，要正确看待金融集聚与金融风险的关系，区域金融集聚在增加区域金融风险的同时也会通过网络溢出效应抑制金融风险。第三，可以在适度的范围内扩大对外开放程度。

主要参考文献：

[1]Kelejian H H，Tavlas G S，Hondroyiannis G.A Spatial Modelling Approach to Contagion Among Emerging Economies[J].Open Economies Review，2006，17（4-5）：423-441.

[2]程棵，陆凤彬，杨晓光.次贷危机传染渠道的空间计量[J].系统工程理论与实践，2012，32（3）：483-494.

[3]Dell‘Erba S，Baldacci E，Poghosyan T.Spatial spillovers in emerging market spreads[J].Empirical Economics，2013，45（2）：735-756.

[4]李立.金融危机风险广义多维经济空间溢出、聚集与演变[D].电子科技大学，2016.

[5]鞠方，阳娟，黎小佳.基于空间异质性的中国住房空置率与房地产金融风险研究[J].财经理论与实践，2018，39（04）：26-31.

[6]王欣，吴殿廷，王红强.城市间经济联系的定量计算[J].城市发展研究，2006，13（3）：55-59.

[7]周迪.長三角城市群金融资源空间流动研究[J].上海经济研究，2016，（12）：71-81.

[8]汤洁，康荔斌，方秀丽.两岸金融风险预警系统设计及实证研究[J].投资研究，2014，（4）：137-148.

[9]吴诗伟，朱业.互联网金融创新与区域金融风险的实证研究[J].金融与经济，2015，（10）：53-58.

[10]何江，张馨之.中国区域经济增长及其收敛性：空间面板数据分析[J].南方经济，2006，（05）：44-5.