中俄哈资本市场系统性风险溢出效应分析——基于新冠肺炎次生灾害视角

左正龙

（1.新疆财经大学金融学院，新疆乌鲁木齐830012；2.衡阳技师学院，湖南衡阳421101）

自2019年12月底首例新冠肺炎在我国被确诊后，不久其他地区也相继确诊了该病例，俄罗斯在2020年1月确诊了6例患者，哈萨克斯坦也于3月中旬出现疫情。之后，我国疫情得到了很好的控制，但俄哈两国疫情有愈发严重的态势。如果将此次疫情看作是“原生灾害”，那么它还将带来一系统列的“次生灾害”（即由原生灾害所引致的灾害）。其中首要的便是经济金融风险，疫情爆发后的股市下挫就是很好的例证。在我国“一带一路”倡议背景下，中国在推动沿线国家经济合作与发展中发挥了重要作用，同时也极度重视金融体系的潜在风险。多次会议都曾强调要防范资本市场系统性风险，2019年习近平总书记进一步明确，“防范化解金融风险特别是防止发生系统性金融风险，是金融工作的根本性任务”[1]。俄罗斯和哈萨克斯坦与中国一衣带水，哈国已成为我国在中亚地区的最大贸易伙伴国；哈国从苏联加盟共和国独立出来后，经济上仍与俄罗斯有着很强的依存关系；中国连续8年来都是俄罗斯的最大贸易伙伴国。中俄哈三国的经济贸易在“一带一路”倡议下联系得更加紧密。因此，研究这三国资本市场系统性风险的溢出效应对了解“一带一路”沿线国家资本市场风险的传染性具有开创性意义。

一、文献回顾

国外关于系统性金融风险溢出效应的理论分析较多，Forbes和Rigobon将既有研究归为两大类：无危机传染理论与危机传染理论。无危机传染理论假设风险期与平稳期的风险传染机制相同，所以冲击发生后各金融市场的联动性没有上升。该理论将风险传染分为四条途径：随机总量冲击、国家重估、贸易和政策协同。危机传染理论分析的是为何在风险期传染机制会发生变化，以及为何冲击发生后各金融市场的联动性会增强[2]。基于此，Forbes和Rigobon进一步提出了系统性金融风险溢出的“过度关联说”。其将风险传染性界定为一个地区发生的冲击引致该地区与其他地区的联动性增强，该学说强调只有关联性发生了变化才能称为传染性。他们将过度关联性的变动作为衡量溢出效应产生的一个重要标准，并以之检验金融危机期间风险传染的变动情况[3]。本文关注的是新冠肺炎冲击下三国资本市场的关联性是否会显著增加，因此，本研究属于危机传染理论范畴。随着对金融风险预警的科学化以及防范措施的更加得力，当今的金融危机表现出更加温和的特点，即不再像以往危机那样剧烈，处于一种“亚危机”状态。受疫情影响，2020年世界经济出现衰退，投资者信心不足而引致资本市场动荡，这就具有“亚危机”的特点。此外，“过度关联说”相对于其他理论而言能对金融风险传染界定得更为精确，因此，本文援引该理论作后续分析。

从研究的方法和思路看，分析资本市场风险的溢出效应主要集中于资产价格的协同运动，如检验危机发生的条件概率，进行资产价格的协整分析、相关性分析、波动性溢出分析等。其中通过估计其他地区发生危机时本地区危机发生的条件概率来判断本地区危机发生可能性的方法，有Eichengreen等、Glick和Rose[4-5]运用Probit模型对金融风险溢出效应的实证检验，其优点是能对溢出的可能性进行定量分析，但并未考虑变量的异方差性，且结果为有偏估计；Cashin等运用协整方法分析了6个新兴市场经济国家与7个工业化国家的证券市场指数[6]，后来Kaminsky和Reinheart也用协整分析证明了溢出的存在性[7]，但自墨西哥金融危机后，大多数危机持续的时间都较短，协整分析并不能发现短期的动态效应；Calvo和Reinheart、Baig和Goldfajn[8-9]分别运用资产价格相关系数检验了墨西哥金融危机与东南亚金融危机的溢出效应，发现危机时期的相关系数显著大于平稳时期，但是，相关系数增加并不表明一定存在溢出效应，这是因为相关系数只是从统计上说明数据上的相关关系，即便相关系数近似于1，也不能充分证明经济上存在因果关系。Park和Song运用GARCH模型检验了东南亚金融危机期间8个亚洲国家外汇市场的波动性溢出效应[10]，Edwards运用同样的模型分析了1994年墨西哥金融危机期间该国利率波动对智利与阿根廷的溢出效应[11]。然而，在有内生变量存在时，此方法可能高估波动性溢出效应。综观这些实证分析，他们借助协方差矩阵或者相关系数来研究市场间的相关程度，目的主要在于检验数据生成过程中的参数稳定性。但是，若存在异方差性、忽略变量或内生变量等问题，检验参数稳定性的结果常常是有偏的。即使在一些特殊情况下能够对其修正，其结果也不能普遍适用，且这些方法均不能反映风险溢出的动态特征，更不能定量化传染冲击的力度。

此外，自Angelini等运用复杂网络理论测度了意大利与美国银行间市场的风险溢出效应[12]以来，网络分析法风靡一时。如Diebold和Yilmaz选择金融机构间市场价格方差分解作为测度相关性的指标来构建传染网络[13]；杨子晖等[14]通过构建非线性关联网络，研究了世界19个主要国家经济政策的不确定性和系统性金融风险溢出的关系，结果表明，危机期有着明显的风险溢出效应；王虎和李守伟[15]运用债务排序法构建系统性金融风险溢出的多层网络模型，对我国银行业的系统性风险及其影响因子进行实证分析；丁慧和沈雨田[16]选取我国28家上市金融机构股票市场价格日数据，采用DYCI法识别这些机构间的系统性风险溢出网络，并以此为基础测度这些机构的网络关联性和系统性风险溢出效应。这些研究的优点是直观，能反映不同网络结构和异质性冲击的不同影响，但是，它们忽略了风险的间接传染途径，模型相对静态。

二、方法选择

鉴于传统分析方法的诸多不足，本文选择向量自回归（VAR）模型来检验疫情冲击条件下系统性金融风险的溢出效应。1980年Sims提出的VAR系统，将考察的所有经济变量都纳入一个模型，这样可反映系统的全部信息，并且经济理论的作用只在于确定变量的滞后期数与变量如何选择，从而把理论对统计推断的限制降至最低。该系统所具有的格兰杰（Granger）因果关系检验与脉冲响应函数（IRF）分析等功能并未建立在参数估计的基础上，所以它能很好地解决基于参数估计的传统检验方法中出现的异方差性、忽略变量与内生变量等问题，因而检验参数稳定性的结果也更可靠。此外，它是由一组动态方程联立构成的新型宏观经济模型，因此能更真实地再现溢出的动态效应并定量化传染冲击的力度，从而使得分析结果也更具普适性。正因为VAR系统所具有的这些功能与优点，所以它特别适用于检验疫情冲击条件下的风险溢出效应。

通过观察新冠肺炎扩散对资本市场形成冲击后，中俄哈三国资本市场波动性之间的格兰杰因果关系的变化，即可判断是否存在溢出效应。若三国资本市场在疫情冲击前的安全期与冲击后的风险期的波动性之间均无因果关系，则该情形不存在风险溢出效应；若三国资本市场波动性之间在安全期没有因果关系，但在风险期存在因果关系，则表明发生了溢出效应；若三国资本市场波动性之间在安全期与风险期均存在因果关系，则应进行脉冲响应分析以判断是否发生了风险溢出。脉冲响应衡量的是随机扰动项一个标准差的信息（冲击）对内生变量目前与未来取值的影响。它可以动态地反映某一经济体发生的冲击对其他经济体的冲击强度、持续时间以及冲击的正负方向。如存在风险溢出效应，则风险期的脉冲响应将比安全期的脉冲响应强得多。反之则相反。

（一）Granger因果检验

若要检验因果关系是从某国金融风险x到另一国金融风险y，还是从金融风险y到金融风险x，或者是双向因果关系，则可以采用Grange于1969年提出的检验方法，即Grange因果关系检验来完成[17]。它基于如下思想：若x是y的原因，但y不是x的反向原因，则x的过去值有助于预测y的将来值，而y的过去值无助于预测x的将来值。考虑如下时间序列模型：

其中εt为白噪声过程，滞后期数p和q不一定相等，其可依据“从大到小的序贯t规则”或“信息准则”来确定。检验零假设H0：β1=…=βq=0，即检验xt的过去值是否能统计地改进对yt的预测，相应的备择假设为H1：βj≠0(∀j，1≤j≤q)。如接受H0，则称xt不是yt的格兰杰因。交换上述回归模型中xt和yt的位置则可以检验yt是否为xt的格兰杰因。

（二）脉冲响应函数

考虑一个p阶向量自回归过程VAR(p)：

其中，Yt为n维内生变量向量，Γ0为常数向量，Γ1，…，Γp为系数矩阵，εt为n维白噪声过程的误差向量，其方差-协方差矩阵为Σε。使用滞后算子，把（2）式写成向量移动平均（VMA）的形式：

若Γ(L)可逆，则方程两边同时左乘Γ(L)-1得VMA模型：

其中，Α为常数向量，Ψs为系数矩阵，它们可由式（2）中的Γ0，…，Γp算 出。Ψs的 第m行、第n列 元 素 等 于(∂ym，t+s/∂εnt)。它表示当第n个变量在时期t的扰动项εnt增加一个单位时（其他期的扰动项和其他变量均不变），对第m个变量在时期(t+s)的取值ym，t+s的影响。即VAR系统中变量m对变量n的s期脉冲响应。

向量白噪声过程εt为弱平稳随机过程，其各个分量间可以存在同期相关，且Σε也不是对角矩阵，因此，须考虑正交化的脉冲响应函数（OIRF）。由于Σε的正定性，因此总存在一个可逆矩阵P使得PP'=Σε，于是（4）式可演变为：

其中，Φs=Ψs P，vt-s=P-1εt-s。经过变换，误差向量εt就变成了标准的向量白噪声过程vt。这时，矩阵Φs的第m行、第n列元素则表示系统中变量m对变量n的1个标准误差的正交化信息（冲击）的s期脉冲响应。

三、实证检验

（一）样本选择与数据预处理

本文以新冠肺炎疫情期间中国、俄罗斯与哈萨克斯坦的股票市场波动为研究对象进行溢出效应分析。选择的指标为中国上证指数（SSCI）、哈国的KASE指数和俄罗斯的MOEX Russia指数（IMOEX），样本周期为2018年4月11日—2020年9月11日的日数据，且把样本分为两个子周期，相关数据来源于英为财情网（https://cn.investing.com/indices），分析软件为Eviews7.2。

本文考察新冠肺炎爆发前后中俄哈三国资本市场间的系统性风险溢出效应主要是基于以下假设，资本市场对外部冲击（风险）的敏感性较强，任何风险因子的出现都将导致资本市场价格的迅速波动。所以，选取中俄哈三国具有代表性的股票市场指数，可构造股票市场收益率指标来度量风险的溢出效应：

其中，Rt表示某国股票市场收益率，It表示股市收盘指数，It-1表示股市开盘指数。则中、俄、哈三国股票市场日收益率指标可分别表示为RC、RR和RK。

鉴于资本市场风险在疫情冲击后会明显放大，所以应选取合理的时间点作为冲击发生的分界点。2019年12月底在我国确诊了首例新冠患者，后陆续在其他地区也确诊了该病例。例如，俄罗斯于2020年1月26日确诊了6例患者，3月中旬哈国也开始出现疫情①数据来自世界卫生组织，网址：https://www.who.int/。。1月14日我国股票市场开始下滑，17日跌势已十分明显。疫情冲击下的我国股市已积聚了风险，并形成了风险源。这会不会对俄哈两国在尚没有疫情冲击下的股市产生风险溢出效应呢？基于此，本文选取2020年1月18作为界点，将时间序列分为平稳期和风险期，其中2018年4月11日—2020年1月17日为疫情发生前的平稳期，剔除各国因节假日休市差异，共有观测值403个；2020年1月18日—2020年9月11日为疫情发生后的风险期，同样剔除各国休市差异，共有观测值144个。

（二）单位根检验

由格兰杰因果关系的内涵可知，必须保证所检验的时间序列严格平稳，否则很可能出现“伪回归”现象。因此，在进行格兰杰因果检验前须进行单位根检验。目前通常采用的是ADF检验，其公式如下：

原假设与备择假设为：

若拒绝备择假设H1，而接受H0，则表明序列yt有单位根存在，为非平稳序列；否则表明序列yt无单位根存在，为平稳序列。若为非平稳时间序列，还应进行高阶差分的稳定性检验。对三个国家的股票市场日收益率序列进行ADF检验的结果如表1所示。

表1 ADF检验结果

注1：***表示在1%置信水平上拒绝序列非平稳性的原假设。

表1的检验结果表明，无论处于平稳期还是风险期，三个时间序列均在1%的显著性水平上拒绝了原序列存在单位根的零假设。所以，可以判断原序列均为平稳的，服从I（0）过程，据此可以进行后续分析。

（三）Granger因果检验

如上文所述，如要检验两国资本市场间是否存在风险的溢出效应，实际上就是运用格兰杰因果关系检验式（1）的原假设，如果接受原假设，两国资本市场间就不存在风险的溢出效应；若拒绝原假设，则表明两国资本市场间存在着风险的溢出效应。对中、俄、哈三国股票市场日收益率序列进行格兰杰因果检验的结果如表2所示。

由表2不难看出，在冲击发生前的平稳期，仅存在一个单向因果关系，即俄罗斯股市对哈国股市在1%置信水平上存在的单向因果关系。这一方面是由于自哈国从加盟共和国分离出来后，在经济体制等方面仍继承了原苏联的模式，哈国金融体系较易受其影响[18]；另一方面是因为俄罗斯作为原苏联的经济主体，在金融资源及涵盖的相关金融风险方面仍对原加盟成员国施加了溢出效应，哈国亦不例外[19]。而在冲击发生后的风险期，由于金融风险的不断放大与扩散，出现了三个单向因果关系。即中国股票市场日收益率波动分别是俄罗斯与哈国股市日收益率波动的单向因素，这表明，疫情冲击下的中国股市波动对俄罗斯与哈国股市均产生了溢出效应。与前期不同的是，此时哈国股市波动成为了俄罗斯股市波动的单向因素。这说明，风险期的小国更有可能成为经济大国的风险源，这一点在既有研究中也有类似结论[20]。三国资本市场间并未出现双向因果关系，即未发生系统性金融风险的交叉传染。这主要是因为中国疫情防控措施得力，确诊病例在2020年2月9日达到高峰后开始下降，股市也开始逐渐恢复信心，即使在世界疫情恶化的情况下中国股市也未受外界影响。

表2 平稳期和风险期股市波动性的Granger因果检验

为了准确地了解各国资本市场对外部冲击产生响应的调整过程、持续时间和正负方向等信息，需运用脉冲响应函数作进一步分析以把握风险溢出的动态特征。

（四）脉冲响应分析

为了得到RC、RR和RK中某个变量对来自其他两变量中另一变量的一个标准差的新息（冲击）的反应过程，本文对相应变量运用VAR模型进行脉冲响应分析。为了比较风险期和平稳期冲击响应规律的不同，下面选取平稳期与风险期的RC、RR和RK序列分别进行脉冲响应函数分析，以考察它们之间的风险溢出动态特征。平稳期和风险期的脉冲响应结果分别如图1、图2所示。

图1 平稳期的脉冲响应

图2 风险期的脉冲响应

从以上两图的脉冲响应结果分析，主要存在下面四个显著特征：

（1）总的来看，风险期的脉冲响应都比平稳期的脉冲响应持续的时间长，中国股市对俄罗斯和哈国股市产生溢出效应时的脉冲响应强度也比平稳期剧烈得多，即使平稳期和风险期俄罗斯和哈国股市均未对中国股市产生溢出效应，但效应的正负方向出现了差异。

（2）俄罗斯和哈国股市对来自中国股市冲击响应的持续时间从平稳期的4天延长到了风险期的7天，俄罗斯股市对来自中国股市冲击的响应由平稳期正向最高的0.2到风险期负向最低的-0.5，哈国股市对来自中国股市冲击的响应程度由平稳期基本保持在正负0.1之间到风险期负向最低的-0.4。这再次表明，中国股市对俄罗斯和哈国股市均存在明显的风险溢出效应。

（3）在平稳期，哈国股市对来自俄罗斯股市冲击响应的正负方向一直为正向逐渐减弱，响应持续时间为4天，响应幅度在第2天曾上升超过了0.2，是平稳期所有情形中最高的；而在风险期的冲击响应方向从正向开始，然后呈正负交替的方式减弱，冲击持续时间虽然有所延长，但冲击响应的幅度从最初的0.2左右开始下降，为风险期所有情形中最低的，这再次证明了平稳期俄罗斯股市对哈国股市存在着风险溢出效应。在平稳期俄罗斯股市对来自哈国股市冲击的响应比较温和，幅度为正负0.1以内，持续时间为4天，正负方向为0值左右；而在风险期的响应更加明显，幅度达到了0.6，持续的时间延长到7天，效应的正负方向由正转负向后逐渐减弱，这也再次表明冲击后的哈国股市对俄罗斯股市存在风险溢出。

（4）在平稳期，中国股市对来自俄罗斯和哈国股市冲击的响应比较温和，响应幅度约为0.2，响应的正负方向一般为正，并且冲击持续的时间较短，约为4天，这表明该时期俄罗斯和哈国股市波动对中国股市的冲击不大。在风险期，中国股市对来自俄罗斯和哈国股市冲击响应的方向从正向开始，后呈正负交替的方式逐渐减弱，虽然响应持续的时间有所延长，但响应的幅度增加不大，一个来自俄罗斯或哈国股市的冲击也不足以对中国股市产生溢出效应。

四、结论与展望

本文基于新冠肺炎次生灾害的视角，选取股票市场日收益率指标作为系统性金融风险的代理变量，运用格兰杰因果检验与脉冲响应函数分析，考察了系统性金融风险在密切联系的中、俄、哈三国组成的“经济三角区”中是否存在溢出效应。结果表明，与在某一经济体内各区域间的风险溢出效应一样，经济联系紧密的国家之间也存在风险溢出效应。格兰杰因果检验与脉冲响应函数分析均表明，各国间金融风险溢出并不是在任何时候均存在双向溢出效应。在平稳期，仅存在俄罗斯对哈国显著的单向因果关系。而在风险期，冲击影响下的中国股市波动对俄罗斯与哈国均产生了风险溢出效应，且具有经济小国特征的哈国对经济大国俄罗斯产生了风险溢出。但此时，金融风险在三国之间并没有产生显著的交叉传染效应。

需提及的是，本文基于VAR模型，仅选择了高频的资本市场日收益率数据，运用格兰杰因果检验与脉冲响应函数分析了国家间的金融风险溢出效应，得出了较为可靠、直观的结论。但是，由于其他非高频、但对金融风险溢出具有重要贡献的因子没有纳入模型，或者因为数据的不可得，未能将更多的“一带一路”沿线国家纳入分析框架，从而在某种程度上影响了本文分析的进一步深入。沿线国家经济存在多大程度的联系，能否形成一个经济区或近似于一个经济联盟，这都有待进一步明确。此外，怎样精确地计量金融风险在各国间的溢出效应等，这都是有待深入分析的问题。