互联网金融与传统金融业风险溢出效应研究

陈为民，张琳，赵艳秋，袁旭宏

摘要：为研究互联网金融与传统金融业（银行、证券、保险）之间的相关性和波动影响程度，采用分位数回归方法计算CoVaR来度量风险溢出效应。实证结果显示，互联网金融与传统金融业均存在风险联动性，在处于99%的置信水平下，互联网金融对银行业的风险溢出效应为正且最大，对保险业风险溢出效应最小，而证券业对互联网金融存在反向的风险溢出。

关键词：互联网金融；风险溢出；分位数回归；传统金融

中图分类号：F832.4                 文献标志码：A

Risk spillover effects of internet finance and traditional finance industry

CHEN Weimin， ZHANG Lin， ZHAO Yanqiu， YUAN Xuhong

（School of Business， Hunan University of Science and Technology， Xiangtan 411201， China）

Abstract： To clarify the risk spillover mechanism between Internet Finance and traditional finance （banks， securities， insurance） and to measure it quantitatively， quantile regression method was used to calculate CoVaR to measure the degree of spillover. The results show that there is a risk linkage between internet finance and traditional financial industries. At 99% confidence level， the risk spillover effect of internet finance on the banking industry is positive and maximum， while the risk spillover effect on the insurance industry is minimal. However， the securities industry has a reverse risk spillover effect on internet finance.

Key words： internet finance; risk overflow; quantile regression; traditional finance

近年来，随着互联网技术的不断迭代发展，各行各业都与互联网产生了密切的联系、进行了深度的融合，互联网金融也在蓬勃发展。互联网金融的出现打破了传统金融的模式、削弱了信息不对称、降低了交易成本、提升了市场效率以及促进了资源配置。互联网金融于1997年在中国出现，并于2013年开始爆发式增长。不可否认，互联网金融在给金融业带来新思维和新动力的同时，其产生的风险也成为一个不可忽视的问题，尤其是近年来互联网金融的风险事件不断出现，如违约、跑路等类型的风险事件不断增加。经历过金融市場风险事件的洗礼，幸存下来的金融机构开始关注风险溢出。《关于促进互联网金融健康发展的指导意见》中指出要注意防范系统性风险。系统性风险是由于非系统性风险外溢引起，因此，在互联网金融创新中，防范互联网金融经济外部性风险溢出具有较重要的实际意义。本文采用分位数回归方法计算指标值CoVaR，进而测度了互联网金融与传统金融业之间的风险溢出大小和方向，以事实为依据，助力政府部门职能有的放矢，支持金融行业发展。

1文献综述与研究假设

1.1文献综述

科技的进步使互联网技术为传统金融行业带来了极大的便利，为其降低交易成本、拓展潜在的客户，但也带来了不可忽视的风险[1]。在传统金融行业中，银行业由于受到互联网金融的冲击而增加了其风险管理的难度，因此，商业银行受到互联网金融的风险溢出是正向且显著的[2]， 会导致商业银行的破产风险增加[3]。同时，对于银行的风险承受能力方面，大型商业银行在处理互联网金融带来的挑战时，有更加广阔的操作空间，且更加稳健审慎[4]。另外，由于互联网金融资金流向证券市场助长了证券市场的繁荣假象[5]。在保险行业，互联网销售模式的保险产品导致保险业业务风险增加，加剧了保险合同的不完整性[6]。前几年，互联网金融模式中的网贷（P2P）市场由于其高风险、高收益的特点得到了迅速发展，但网贷市场与债券市场的联动关系不强，P2P市场与资本市场之间的风险溢出效应不显著[7]。另外，商业银行会接受来自P2P网贷市场的单向风险溢出，保险业对P2P网贷市场存在风险传递[8]。

1.2研究假设

1.2.1互联网金融与银行业

银行业在我国传统金融业中占有不容忽视的地位，国家对于银行的监管力度大且规范，其自身的风险会小于传统金融业中的其他行业。互联网金融由于近年来的快速发展，给银行业带来了转型机会，同时也承担着来自互联网金融的负面风险。互联网金融的出现，如第三方支付，对于投资者来说丰富了市场参与主体的资金投资选择项，对银行业的存取款业务是竞争“威胁”。但银行业可以发展互联网金融的部分业务，同时这也面临着风险，例如网贷平台中的客户同时也是银行的消费贷客户，一旦客户在网贷平台中违约，都会造成银行资金的大量流失。除此之外，银行业会因为引入互联网金融业的业务而面临更多的信息安全风险、技术风险，比如传统银行开展网络银行业务，如果风险防范不到位，遭遇黑客入侵，可能会使得客户信息泄露；或者技术操作不当，可能会使网上银行商城面临崩溃。

假设1：在互联网金融与银行业之间的风险来源是互联网金融，而银行业是风险溢出的被动接受方。

1.2.2互联网金融与证券业

证券业与互联网金融业之间的业务往来并没有像银行业那么清晰和直接，但是存在明显联动，投资者的资金在两者之间流动，此少彼多。股票是证券的典型品种之一，股票市场作为经济政策的晴雨表，引发了大量资金的涌入，但同时很多投资者借钱融资炒股，导致杠杆幅度可高达10倍，很多配资公司通过违规操作，使得股价非理性大幅上升，证监会出面管控刺破价值泡沫，股票市场的行情恶化可能会外溢风险至互联金融市场，因为两个市场的参与者可能因为在股票市场的资金大幅缩水，进而对互联网金融业产生不利影响。但对于证券行业中的债券业的影响可能较小，互联网金融业的参与者主要是个人投资者或者小微企业，而债券业的参与者则大多是大中型企业，这两者之间的交叉业务较少。结合前述，互联网金融与证券业存在替代效应，当投资者在寻求利益最大化投资组合以及互联网金融产品处于负面风险状态时，其对证券行业的替代性会减小，但当互联网金融业触发系统性风险时，证券业理应受到影响，但影响程度不定。

假设2：互联网金融对证券业存在单向风险溢出，但影响程度会低于互联网金融对银行业的风险溢出效应。

1.2.3互聯网金融与保险业

互联网金融业一方面为保险业带来了机遇，另一方面也成为其转型发展的挑战。互联网金融与保险业之间的风险主要来自传统保险业对于互联网技术的依托应用，二者风险直接由业务往来传导，呈现出互补效应。当互联网金融业产生风险溢出时候，互联网保险业势必因为互联网风险外溢而产生负面风险。此外，保险业还具备其业务本身应有的传统风险，再加之互联网金融业的新型金融风险可能会增强风险溢出效应。对于互联网金融与传统金融业之间的风险溢出机制，市场参与主体依旧会选择利益最大化的投资组合，当市场经济态势处于负面情况下，市场恐慌情绪可能会蔓延，再加之非理性的羊群行为，可能会使得不同市场参与者对互联网金融与互联网保险行业存在相似的市场预期，间接使得互联网金融的风险外溢至互联网保险行业。当保险行业出现负面风险时，也可能会产生流动性风险至互联网金融业。另外，由于互联网金融业中的某些平台缺乏经营资质和证明，可能会使得保险业在与之进行合作时，会加大自身风险。最后与保险业相比，互联网金融业更易引发系统性风险，当其发生时，与之有业务往来的保险业业务将受到影响。

假设3：互联网金融对保险业存在单向的风险溢出，且风险溢出居于互联网金融业对银行以及对证券行业的中间。

2方法与实证

2.1CoVaR模型

在一定的显著性水平q和给定的时间段内，在险价值（VaR）是指金融市场或行业因利率、汇率等市场风险因子可能遭受的最大损失，

PΔR≤VaR=q（1）

式中：P表示概率；ΔR表示金融市场或行业资产在给定时间段内的收益。

在给定的置信水平1-q和一定时间段内，条件在险价值（CoVaR）表示为当金融行业或市场损失为VaR时，其他金融行业或市场将受到的最大可能损失。假设金融行业或市场j在将来具体时间段的损失为CoVaR，则在1-q的置信度下，其他金融行业或市场i在j处于VaRiq损失下的最大可能损失表示为CoVaRi，jq，具体表示见式（2），

PRi≤CoVaRi，jq|Rj=VaRjq=q（2）

式中：Ri与Rj分别表示金融行业或市场i与j的收益/损失。

风险溢出效应的度量，即金融行业或市场j对i的贡献定义为ΔCoVaRi，jq，金融市场或行业j对i的风险溢出效应的测度实际上是金融行业或市场i在j的投资收益处于其VaR风险状态下的风险增加值，其计算公式为

CoVaRi，jq=CoVaRi，jq-VaRiq（3）

式中：VaRiq表示行业或市场i不考虑溢出风险时的无条件在险价值。由于ΔCoVaRi，jq不能明显反映出风险溢出，为便于比较，对ΔCoVaRi，jq量纲标准化，风险溢出效应的度量值由计算得出金融市场或行业j对i的风险溢出比重PCoVaIRi，jq来表示，其表达式为

PCoVaR，i，jq=ΔCoVaRi，jqVaRiq×100%（4）

2.2基于分位数回归计算CoVaR

金融时间序列普遍“尖峰厚尾”，且存在异方差，所以基于最小二乘法思想的线性回归并不适用，而分位数回归（quantile regression，QR）可以弥补最小二乘法线性回归的缺陷，它根据因变量的条件分位数对自变量进行回归，且不对残差做任何假设。

假设随机变量Y的分布函数为

Fy=PY≤y（5）

其q分位数定义为其概率分布满足F（y）≥q的最小y值，它的计算公式为

FYq=infy：Fy≥q，0

使用分位数回归法计算CoVaR值时，先对收益率序列进行回归，

Rit=β0+β1Rmt+μit（7）

式中：Rit为金融市场或行业的收益率；Rmt为状态变量；μit为残差。

为了测度互联网金融市场j对3个传统金融业的风险溢出效应，需将金融市场或行业j的收益率作为因变量进行二次回归，

Rit=β*0+β*1Rmt+β*2Rjt+μit（8）

式中：Rjt为金融市场或行业的收益率，其中，i指代传统金融行业，j指代为互联网金融业。根据式（7）估计的参数，可计算出对应的VaR值，

VaRitq=β0︿+β1︿rmt（9）

根据式（8）所估计出的参数，可计算出相应的CoVaR值，

CoVaRi，jitq=β*0︿+β*1︿rmt+β*2︿VaRjt（10）

3实证研究

3.1数据选取及其基本特征

互联网金融行业采用中证指数的互联金融指数来表示，银行业采用申万行业指数中的申万银行指数、非银行传统金融业采用申万非银行金融机构指数来表示。此外，考虑到传统金融行业的常见类别，进一步选取申万证券行业指数以及中证方正富邦保险主题指数以及中证银行指数为研究对象。状态变量选取上证综合指数反映整个金融市场的状况。控制变量选取申万保险指数和中证证券指数，限于篇幅原因，不进行控制变量数据报告。指数价格样本为2013年1月4日至2021年1月29日。数据均来自Wind数据库。

在剔除各市场缺失的日度数据后，经整理每个指数均包含1 965个交易日的价格数据，研究采用对数收益率。根据公式

Rit=100×（InPit-InPi（t -1））（11）得到，Rit为金融市场或机构i第t个交易日的收益率，Pit为金融市场或机构i第t个交易日的收盘价，Pi（t -1）为金融市场或机构i第t-1个交易日的收盘价。HJ、ZZ_BAKN、BX、BANK、NON_BANK、ZQ和SZ分别代表互联网金融的收益率、中证银行指数（399 986）、中证保险主題指数（399 809）的收益率、申万银行指数（801 780.SI）、申万非银行指数（801 790.SI）、申万证券行业指数（399 707）以及上证综合指数收益率。

互联网金融指数与传统金融行业指数日收盘价走势和日对数收益率时序图分别见图1和图2。

由图1可以看出，在样本期内互联网金融市场与传统金融市场存在明显的趋势上升和趋势下降特征，而且各行业指数波动幅度相近：牛市时波动较大，熊市时波动较小，且具有一定的风险联动特性。2014年7月，互联网金融业与传统金融业指数开始大幅上涨，直至2015年6月回落。这是因为国家出台了一系列降息降准措施，让居民将储蓄投资于股市，以振兴实体经济。这一时期，互联网金融和传统金融行业发展迅速，但由于杠杆力度大，传统金融业中的股市下跌速度也较快，利好行情持续不到一年；2016年之后进入市场负面期，2018年进入危机震荡期，价格下行趋势明显。此外，在传统金融行业中，保险业指数相对较低的价格和相对稳定的趋势表明我国保险业有很大的发展空间。其他金融业指标有更高的价格和更大的波动，其中证券行业是最突出的，这符合证券行业的资本市场活动。另外，收益率序列均在0附近波动，且序列具有明显的集群效应，符合金融时间序列的特点。

3.2风险溢出值的计算

3.2.1在险价值VaR的计算

使用分位数回归法计算CoVaR值时，首先按式（7）对收益率序列进行回归，选择较为常用的95%置信水平，对应显著性水平为5%，进行分位数回归，得到参数估计结果见表1。

根据式（7）估计出参数，将表2中估计的参数代入式（9）计算，得出分位数为0.05时各指数收益率在的VaR值序列。

3.2.2CoVaR值的计算

根据式（8），分位数q取为0.05，进行二次分位数回归时，参数估计值见表3。

为了测度互联网金融市场j对3个传统金融业的分析溢出效应，需将金融市场或机构i与j的收益率作为因变量进行二次回归，将表3中估计的参数带入式（10）计算，计算出在分位数为0.05时各指数收益率的CoVaR。

3.2.3风险溢出值的计算结果

在得到每个行业的VaR以及当互联网金融处于极端风险时传统金融业的CoVaR后，运用式（3）和式（4），得出互联网金融对传统金融业的风险溢出值，本文在具体计算过程中，在计算出的VaR序列与CoVaR序列取中位数，并将其中位数带入上述公式进行计算，得到互联网金融对传统金融业的风险溢出值。具体计算结果见表4。

从表2可以看出，证券行业的在险价值最高，银行业的在险价值最小，互联网金融的在险价值仅次于证券行业，互联网金融和证券业的高风险价值与其存在一定程度风险的行业特性有关，而银行由于国家干预监管到位，其抗风险能力较强[9]，因此，银行业的在险价值比较小；非银行业的在险价值整体最小，表明对于传统金融业的研究不可以以某一个统一指数来表示，否则会使得结果出现误判。

在风险溢出值的计算结果上，首先，互联网金融与银行、保险、证券等传统金融业之间存在风险溢出。其次，当互联网金融处于极端风险条件下，会加大对传统银行业中的银行、保险业的风险承担，其中两个银行指数都表明对银行的风险溢出值最大，假设1得证。对保险行业的也呈负向效应，假设3得证；但需承担来自证券行业的正向风险溢出达8%，互联网金融对于证券业来讲是处于风险溢出的接受者地位。虽然这与假设2即互联网金融对证券业的单向风险溢出相悖，实证研究表明，互联网对证券业的风险溢出值最小，表明互联网金融对证券业的风险溢出要弱于证券业对于互联网金融的风险溢出，原因可能是证券业的典型品种股票在2015年股市价格波动较大，导致其自身风险加大。另一方面，由于风险溢出存在时滞性，风险因子的累计爆发使得整体时间段的风险溢出表现为外溢到其他市场，综上可以解释证券业对互联网金融产生的正向风险溢出。

3.2.4实证结果的有效性检验

KUPIEC检验是目前在处理模型风险中最为常用的有效性检验方法[10]，该检验的思想是将估计的CoVaR与各指数的实际收益比较，如果资产的实际收益大于CoVaR，则记为1，表示失败事件，反之，如果资产的实际损失小于CoVaR的值，则记为0，表示成功事件。它通过判断实际失败率是否与预期失败率显著不同来检验CoVaR模型的有效性。如果模型有效，那么实际的失败事件占比应该与预期的失败率是一致的，按以下公式计算失败天数N。

N=∑Tt=1It，It=1，rt

式中：失败率P=N/T，T为样本天数。假设CoVaR的置信水平为（1-α），预期的失败率为α，原假设为H0：P=α，备择假设为H1：P≠α，KUPIC指出对原假设最合适的检验是似然比检验LR（Likelihood Ratio，LR），服从自由度为1的卡方X21分布，

LR=2log1-pT-NPpN-log1-αT-NαN～χ21（1-α）（13）

式中：N为失败天数；P为实际失败率；α为预期失败率。若LR＞X21（1-α），则拒绝原假设，即认为VaR无效，若LR≤X21（1-α），则不能拒绝原假设，表明所检验的CoVaR模型估计CoVaR的能力与预期一致或者接近预期，模型的有效性得到确认，查表可得，X12（0.95）=3.841，X21（0.99）=6.635。另外，失败频率检验的非拒绝域，见表5。

KUPIEC失败频率检验法认为如果失败率小于选定的显著性水平或者实际失败次数在可接受之内域，则说明表明模型有效，经验证，在95%的数据水平上，模型是有效的。

4结论

互联网金融与传统金融之间存在风险联动性。在99%的置信水平下，互联网金融业对银行业的风险溢出效应最大，对保险业风险溢出效应最小，而证券业对互联网金融存在反向的风险溢出。因此，互联网金融风险防范任重道远，应该努力建立起风险防范机制，做好证券市场的风险防范工作，如建立证券市场的风险因子体系；监管当局应该从互联网金融与传统金融微观风险溢出機制的3个渠道出发，提高投资主体心智，理性决策，尽量避免盲目的羊群行为，导致市场风险恶化；根据宏观经济政策建立起不确定性预警机制，延长或提前规划风险池；各金融行业应多加注意证券业的风险，合理管控，增加政府干预力度，同时增加市场交易透明度，防范“黑箱”风险的产生；在传统金融业与互联网金融行业的合作过程中要把握适度原则，保持一定边界，减少风险传染。

参考文献：

[1]AGARWAL S， HAUSWALD R. Distance and private information in lending[J].The Review of Financial Studies， 2010， 23（7）： 2757-2788.

[2]翁志超， 颜美玲. 互联网金融对商业银行的系统性风险溢出效应测度[J]. 统计与决策， 2019， 35（22）： 159-163.

[3]戴国强， 方鹏飞. 利率市场化与银行风险： 基于影子银行与互联网金融视角的研究[J]. 金融论坛， 2014， 19（8）： 13-19， 74.

[4]郭品， 沈悦. 互联网金融加重了商业银行的风险承担吗？ ： 来自中国银行业的经验证据[J]. 南开经济研究， 2015（4）： 80-97.

[5]何启志， 彭明生. 互联网金融、股票市场与中小企业发展[J]. 财政研究， 2017（9）： 88-101.

[6]谭媛媛， 孙蓉. 互联网保险契约不完全性的利益冲突及其防范机制[J]. 保险研究， 2018（1）： 112-127.

[7]刘镜秀， 门明. P2P网络借贷市场对资本市场的风险溢出效应[J]. 技术经济， 2016， 35（11）： 97-104.

[8]杨文华， 卢露， 周凯. P2P网贷市场与传统金融机构风险溢出效应分析[J]. 统计与决策， 2021， 37（1）： 149-152.

[9]李苍舒， 沈艳. 数字经济时代下新金融业态风险的识别、测度及防控[J]. 管理世界， 2019， 35（12）： 53-69.

[10]KUPIEC P H. Techniques for verifying the accuracy of risk measurement models[J]. The Journal of Derivatives， 1995， 3（2）： 73-84.