國(guó)際金融市場(chǎng)長(zhǎng)短期波動(dòng)的外溢方向、傳遞強(qiáng)度和影響因素分析

林妙

摘? ?要：近年來(lái)，由于經(jīng)濟(jì)貿(mào)易聯(lián)系不斷加強(qiáng)，不同經(jīng)濟(jì)體金融市場(chǎng)的聯(lián)系也在不斷加強(qiáng)。本文選取了1996—2019年美國(guó)、英國(guó)、德國(guó)、日本、中國(guó)香港地區(qū)、澳大利亞、中國(guó)七個(gè)經(jīng)濟(jì)體的金融市場(chǎng)數(shù)據(jù)，利用GARCH-MIDAS模型分離長(zhǎng)期和短期風(fēng)險(xiǎn)，并采用TVP-VAR模型的脈沖響應(yīng)函數(shù)進(jìn)行廣義方差分解，構(gòu)造波動(dòng)溢出矩陣，衡量風(fēng)險(xiǎn)傳遞方向和程度以及經(jīng)濟(jì)體各自的溢出作用和吸收作用，分析風(fēng)險(xiǎn)相互傳遞的情況;通過(guò)計(jì)算出風(fēng)險(xiǎn)凈溢出指數(shù)，分析經(jīng)濟(jì)體之間凈溢出指數(shù)趨勢(shì)的變化。本文選取市場(chǎng)行為和宏觀(guān)經(jīng)濟(jì)基礎(chǔ)兩類(lèi)指標(biāo)，采用面板回歸研究分析出長(zhǎng)短期凈溢出指數(shù)的影響因素，實(shí)證發(fā)現(xiàn)波動(dòng)占比較大的短期風(fēng)險(xiǎn)的溢出比長(zhǎng)期風(fēng)險(xiǎn)嚴(yán)重，而突發(fā)性金融事件會(huì)使得凈溢出指數(shù)不斷上升;在面板回歸中，短期凈溢出指數(shù)金融壓力指數(shù)和匯率指數(shù)與短期凈溢出指數(shù)之間呈現(xiàn)負(fù)相關(guān)關(guān)系，其余指標(biāo)呈現(xiàn)正相關(guān)關(guān)系;市場(chǎng)行為對(duì)長(zhǎng)期凈溢出指數(shù)的影響不顯著。

關(guān)鍵詞：短期金融風(fēng)險(xiǎn);長(zhǎng)期金融風(fēng)險(xiǎn);溢出吸收效應(yīng);影響因素

DOI：10.3969/j.issn.1003-9031.2021.01.005

中圖分類(lèi)號(hào)：F830.9? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ?文章編號(hào)：1003-9031（2021）01-0040-13

金融風(fēng)險(xiǎn)在國(guó)際金融市場(chǎng)中無(wú)處不在，當(dāng)一國(guó)在出現(xiàn)金融事件或政策影響到金融市場(chǎng)時(shí)，會(huì)對(duì)其他經(jīng)濟(jì)體及地區(qū)產(chǎn)生一定的影響，進(jìn)而快速地對(duì)他國(guó)金融市場(chǎng)產(chǎn)生影響的風(fēng)險(xiǎn)，故對(duì)風(fēng)險(xiǎn)分類(lèi)、外溢方向、傳遞影響因素相關(guān)研究顯得尤為重要。

一、文獻(xiàn)綜述

（一）金融風(fēng)險(xiǎn)溢出效應(yīng)

Diebold & Yilmaz（2014）提出通過(guò)VAR模型計(jì)算出各個(gè)市場(chǎng)的收益率和波動(dòng)率作為金融風(fēng)險(xiǎn)的測(cè)度。Singh（2016）利用Diebold & Yilmaz（2014）廣義方差分解框架研究美國(guó)與金磚四國(guó)之間的成對(duì)波動(dòng)溢出效應(yīng)，發(fā)現(xiàn)了印度市場(chǎng)和美國(guó)市場(chǎng)沒(méi)有強(qiáng)烈的凈溢出效應(yīng)，巴西和俄羅斯與美國(guó)市場(chǎng)之間存在強(qiáng)大共同作用，中國(guó)與美國(guó)之間的溢出效應(yīng)介于印度與俄羅斯和巴西之間。何德旭和苗文龍（2015）利用DCC-GARCH、DCC-EGARCH、DCC-TGARCH模型研究中美英德日5國(guó)的金融風(fēng)險(xiǎn)溢出效應(yīng)和傳導(dǎo)效應(yīng)，發(fā)現(xiàn)金融市場(chǎng)周期的相關(guān)性會(huì)通過(guò)共振效應(yīng)加大世界性系統(tǒng)風(fēng)險(xiǎn)。

（二）金融風(fēng)險(xiǎn)傳遞影響因素研究

Huang（2018）構(gòu)造了宏觀(guān)經(jīng)濟(jì)不確定性，通過(guò)研究經(jīng)濟(jì)不確定性的溢出性，發(fā)現(xiàn)美國(guó)對(duì)中國(guó)單向溢出，兩國(guó)的不確定性都會(huì)對(duì)中國(guó)實(shí)體經(jīng)濟(jì)產(chǎn)生負(fù)面影響，但美國(guó)的不確定性影響更大。Shikimi & Yamada（2019）研究認(rèn)為貿(mào)易會(huì)作為一種渠道影響金融危機(jī)的傳播。Hoque & Zaidi（2019）利用馬爾科夫區(qū)間轉(zhuǎn)移模型，研究了2003年9月—2017年3月間全球經(jīng)濟(jì)政策不確定性（EPU）對(duì)不同股票市場(chǎng)的沖擊，發(fā)現(xiàn)在高波動(dòng)區(qū)間下，經(jīng)濟(jì)政策不確定性對(duì)股票市場(chǎng)產(chǎn)生了顯著的影響。趙華和王杰（2018）研究了不同市場(chǎng)之間的溢出效應(yīng)，認(rèn)為經(jīng)濟(jì)景氣一致指數(shù)、期限利差會(huì)對(duì)溢出指數(shù)均具有正向影響，而投資者情緒指數(shù)會(huì)對(duì)溢出指數(shù)有負(fù)向影響，這說(shuō)明了宏觀(guān)指標(biāo)會(huì)對(duì)溢出指數(shù)造成影響。張喜艷和陳樂(lè)一（2018）研究政策不確定性的波動(dòng)溢出效應(yīng)時(shí)，發(fā)現(xiàn)匯率會(huì)對(duì)不同經(jīng)濟(jì)體經(jīng)濟(jì)不確定性產(chǎn)生正向影響，而物價(jià)指數(shù)會(huì)對(duì)經(jīng)濟(jì)不確定性產(chǎn)生負(fù)向影響，從側(cè)面說(shuō)明價(jià)格傳染渠道會(huì)影響金融風(fēng)險(xiǎn)的傳遞。鄭挺國(guó)和劉堂勇（2018）研究金融風(fēng)險(xiǎn)傳遞效應(yīng)的影響因素，發(fā)現(xiàn)政策不確定性、貨幣政策、經(jīng)濟(jì)增長(zhǎng)等宏觀(guān)指標(biāo)也會(huì)影響金融風(fēng)險(xiǎn)的傳遞，說(shuō)明宏觀(guān)變量會(huì)影響金融風(fēng)險(xiǎn)的傳遞;同時(shí)也研究了CPI、股市價(jià)格平均波動(dòng)率對(duì)于凈溢出指數(shù)的影響，從而探究市場(chǎng)因素對(duì)于金融風(fēng)險(xiǎn)傳遞的影響因素大小。楊子暉等（2019）利用了混頻向量自回歸的方法發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性會(huì)加重金融風(fēng)險(xiǎn)的聯(lián)動(dòng)，同時(shí)風(fēng)險(xiǎn)也會(huì)導(dǎo)致財(cái)政、貨幣、匯率和資本賬戶(hù)政策不確定變化。

上述文獻(xiàn)研究金融風(fēng)險(xiǎn)在國(guó)際金融市場(chǎng)之間的傳遞關(guān)系和傳遞方向，有助于政策制定者關(guān)注重要性經(jīng)濟(jì)體風(fēng)險(xiǎn)溢出和風(fēng)險(xiǎn)吸收。但現(xiàn)有研究仍有以下未及之處：沒(méi)有針對(duì)短期風(fēng)險(xiǎn)和長(zhǎng)期風(fēng)險(xiǎn)進(jìn)行區(qū)分，未充分研究溢出指數(shù)，少有結(jié)合多個(gè)方面研究金融風(fēng)險(xiǎn)的傳遞的影響因素。故本文先利用Engle et al.（2013）提出的GARCH-MIDAS建模提取長(zhǎng)期波動(dòng)和短期波動(dòng)。然后通過(guò)Diebold & Yilmaz（2014）提出的廣義方差分解方法和溢出指數(shù)計(jì)算出7個(gè)經(jīng)濟(jì)體之間風(fēng)險(xiǎn)傳遞的程度與方向，利用TVP-VAR脈沖響應(yīng)函數(shù)的提前10期脈沖值構(gòu)造不同經(jīng)濟(jì)體受到的沖擊，加權(quán)平均后得到時(shí)變的沖擊值，再利用Diebold & Yilmaz（2012）計(jì)算出每一個(gè)經(jīng)濟(jì)體的吸收指數(shù)和溢出指數(shù)。最后利用Kao& Chiang（2000）提出的FMOLS估計(jì)方法分析短期、長(zhǎng)期凈溢出指數(shù)的影響因素。

二、模型設(shè)定

（一）GARCH-MIDAS方法

本文利用GARCH-MIDAS方法計(jì)算金融市場(chǎng)的長(zhǎng)期波動(dòng)和短期波動(dòng)測(cè)度結(jié)果，從而用于后續(xù)的建模。假設(shè)向量r是股指期貨第t個(gè)周期（周期有可能是月度、季度和年度等）里面的第i天的對(duì)數(shù)收益率。收益率的波動(dòng)率至少可以分為兩個(gè)成分，其中g(shù)i，t代表的是日度波動(dòng)，與短期的因素有關(guān);？子t是長(zhǎng)期波動(dòng)的，與未來(lái)預(yù)期現(xiàn)金流和未來(lái)折現(xiàn)率有關(guān)，提供了股市長(zhǎng)期波動(dòng)性的信息。本文構(gòu)建出收益率的方程：

三、市場(chǎng)長(zhǎng)期波動(dòng)和短期波動(dòng)的風(fēng)險(xiǎn)測(cè)定

考慮全球金融市場(chǎng)中重大金融事件的發(fā)生時(shí)間和影響范圍，本文選取1996年1月—2019年6月中國(guó)上證綜合指數(shù)、美國(guó)紐約證交所綜合指數(shù)、英國(guó)倫敦金融時(shí)報(bào)100指數(shù)、日本東京日經(jīng)225指數(shù)、中國(guó)香港恒生指數(shù)、德國(guó)法蘭克福DAX指數(shù)和澳大利亞普通股指數(shù)的日度收盤(pán)價(jià)，利用收盤(pán)價(jià)數(shù)據(jù)計(jì)算出該月的日度對(duì)數(shù)收益率來(lái)構(gòu)建代表該國(guó)金融市場(chǎng)長(zhǎng)期波動(dòng)和短期波動(dòng)的風(fēng)險(xiǎn)測(cè)度。

（一）市場(chǎng)短期波動(dòng)和長(zhǎng)期波動(dòng)率測(cè)度估計(jì)結(jié)果

本文利用RMSE（預(yù)測(cè)方根誤差） 來(lái)比較利用GARCH-MIDAS模型估計(jì)的日度己實(shí)現(xiàn)波動(dòng)率與原始數(shù)據(jù)計(jì)算的己實(shí)現(xiàn)波動(dòng)率之間的誤差，以此比較模型的優(yōu)劣，尤其是兩者的波動(dòng)趨勢(shì)是否一致。在參數(shù)設(shè)置方面，長(zhǎng)期部分的滯后階數(shù)表示的是MIDAS濾波滯后的階數(shù)，在這里設(shè)置為6;每一次計(jì)算長(zhǎng)期相關(guān)性的周期設(shè)置為22，即每22個(gè)共同交易日計(jì)算一次波動(dòng)率的長(zhǎng)期成分。

由上述GARCH-MIDAS建模中，得到了用于構(gòu)造長(zhǎng)期波動(dòng)和短期波動(dòng)的參數(shù)。短期波動(dòng)是總波動(dòng)的短期成分，在長(zhǎng)期因素的影響下，短期事件發(fā)生時(shí)股市偏離均值的程度，其計(jì)算出來(lái)是衡量短期變化，受到長(zhǎng)期成分的影響。長(zhǎng)期成分是波動(dòng)的均衡成分，在一段時(shí)間內(nèi)保持穩(wěn)定，在多個(gè)短期事件沖擊之后，在波動(dòng)中留存的影響總波動(dòng)趨勢(shì)的成分。七個(gè)經(jīng)濟(jì)體長(zhǎng)期波動(dòng)趨勢(shì)見(jiàn)圖1。

從圖1可以看出，七個(gè)經(jīng)濟(jì)體之間的長(zhǎng)期波動(dòng)走勢(shì)相近，在1997—1999年，2007—2010年各國(guó)長(zhǎng)期波動(dòng)趨勢(shì)都有上漲，對(duì)應(yīng)著1997年亞洲金融風(fēng)暴和2008年次貸危機(jī)。

（二）不同經(jīng)濟(jì)體間短期市場(chǎng)波動(dòng)風(fēng)險(xiǎn)對(duì)比

本文利用GARCH-MIDAS建模得到的結(jié)果，還有長(zhǎng)期波動(dòng)的建模結(jié)果，計(jì)算出短期波動(dòng)的值（見(jiàn)圖2）。

從圖2可以看出，短期波動(dòng)總體比較平穩(wěn)，走勢(shì)與長(zhǎng)期波動(dòng)不一致，在受到?jīng)_擊之后，會(huì)有一個(gè)明顯的上漲，但很快又平穩(wěn)下來(lái)。在1997年、2001年、2008年、2011年和2015年都有一個(gè)較大的突起，特別是2008年突起的程度最高。2011年的歐債危機(jī)令美國(guó)、德國(guó)、英國(guó)、澳大利亞有一個(gè)較大程度的突起。其余時(shí)間都有一定程度上的波動(dòng)，但總體還是比較平穩(wěn)，短期波動(dòng)一般在50以下。

四、國(guó)際間金融風(fēng)險(xiǎn)傳遞程度與方向?qū)嵶C檢驗(yàn)

本文將利用TVP-VAR的方法，結(jié)合廣義方差分解來(lái)研究七個(gè)經(jīng)濟(jì)體系統(tǒng)間長(zhǎng)期風(fēng)險(xiǎn)和短期風(fēng)險(xiǎn)的傳遞關(guān)系。

（一）不同經(jīng)濟(jì)體間金融風(fēng)險(xiǎn)傳遞程度與方向估計(jì)結(jié)果及分析

由于TVP-VAR模型計(jì)算下的脈沖響應(yīng)函數(shù)具有時(shí)變的特性，在不同時(shí)間點(diǎn)脈沖響應(yīng)函數(shù)得到的系數(shù)矩陣是不同的，也就是說(shuō)在不同時(shí)間節(jié)點(diǎn)處溢出和吸收傳遞的程度是不一樣的。本文在這里做了平均值處理，得到時(shí)間段內(nèi)的平均波動(dòng)溢出矩陣，說(shuō)明時(shí)間段內(nèi)平均的風(fēng)險(xiǎn)傳遞程度和方向。風(fēng)險(xiǎn)傳遞的方向可以定義為：

風(fēng)險(xiǎn)傳遞程度和方向的結(jié)果參照表2、表3。表2顯示的是短期風(fēng)險(xiǎn)傳遞的程度和方向，從總體上看，全時(shí)段總溢出指數(shù)為78.11%，說(shuō)明風(fēng)險(xiǎn)溢出的程度比較高，短期風(fēng)險(xiǎn)在七個(gè)地區(qū)系統(tǒng)里面有78.11%風(fēng)險(xiǎn)相互溢出、吸收。

表3顯示了長(zhǎng)期風(fēng)險(xiǎn)傳遞的情況，總體而言，長(zhǎng)期風(fēng)險(xiǎn)顯示出了一些獨(dú)特的規(guī)律。七個(gè)經(jīng)濟(jì)體系統(tǒng)中，長(zhǎng)期風(fēng)險(xiǎn)的溢出指數(shù)為35.35%，遠(yuǎn)低于短期風(fēng)險(xiǎn)的溢出指數(shù)，說(shuō)明在國(guó)際金融市場(chǎng)上，短期風(fēng)險(xiǎn)的溢出作用比長(zhǎng)期風(fēng)險(xiǎn)的溢出作用強(qiáng)得多。短期金融風(fēng)險(xiǎn)具有高溢出性特征，很容易傳遞到別的經(jīng)濟(jì)體去，這就讓短期風(fēng)險(xiǎn)更具有破壞性，當(dāng)一國(guó)遭受到其他經(jīng)濟(jì)體，特別時(shí)大型經(jīng)濟(jì)體的短期金融風(fēng)險(xiǎn)時(shí)，會(huì)導(dǎo)致自身金融的不穩(wěn)定，甚至引起局部的金融危機(jī)。

（二）吸收指數(shù)與風(fēng)險(xiǎn)溢出指數(shù)構(gòu)建

圖3顯示了七個(gè)經(jīng)濟(jì)體的短期波動(dòng)溢出指數(shù)、吸收指數(shù)和凈溢出指數(shù)，從總體上看，美國(guó)、英國(guó)、德國(guó)都會(huì)向外溢出風(fēng)險(xiǎn)，中國(guó)香港地區(qū)也曾經(jīng)向外溢出短期金融風(fēng)險(xiǎn)，而日本、澳大利亞、和中國(guó)則穩(wěn)定的吸收從外部經(jīng)濟(jì)體傳遞來(lái)的短期金融風(fēng)險(xiǎn)。美國(guó)是穩(wěn)定溢出短期金融風(fēng)險(xiǎn)的經(jīng)濟(jì)體，其溢出指數(shù)要高于吸收指數(shù)，凈溢出指數(shù)大于0。在溢出指數(shù)的數(shù)值上，美國(guó)在40～80之間波動(dòng)，而吸收指數(shù)數(shù)值很小，數(shù)值為0～10之間波動(dòng)，說(shuō)明美國(guó)吸收別的經(jīng)濟(jì)體的短期風(fēng)險(xiǎn)很小，其他經(jīng)濟(jì)體的經(jīng)濟(jì)實(shí)力、金融體量對(duì)美國(guó)的吸收效應(yīng)未能產(chǎn)生重要影響。1997年、1999年、2010年、2012年和2018年美國(guó)凈溢出指數(shù)都有一段上升的趨勢(shì)，這分別對(duì)應(yīng)著亞洲金融風(fēng)暴、互聯(lián)網(wǎng)經(jīng)濟(jì)泡沫破滅、歐債危機(jī)、大規(guī)模的量化寬松政策和中美貿(mào)易摩擦。這些金融事件的發(fā)生都增加了美國(guó)短期金融風(fēng)險(xiǎn)向外的溢出，向外部經(jīng)濟(jì)體溢出了大量的短期金融風(fēng)險(xiǎn)。

圖4顯示了七個(gè)經(jīng)濟(jì)體長(zhǎng)期波動(dòng)的溢出指數(shù)、吸收指數(shù)和凈溢出指數(shù)，與短期波動(dòng)溢出相比，構(gòu)造出的長(zhǎng)期風(fēng)險(xiǎn)吸收指數(shù)和溢出指數(shù)比較平穩(wěn)，各個(gè)經(jīng)濟(jì)體都要利用各自的貨幣政策和財(cái)政政策，使用宏觀(guān)審慎政策進(jìn)行防控，這是一個(gè)長(zhǎng)期而持久的階段，從而保證長(zhǎng)期金融風(fēng)險(xiǎn)處于低水平且平穩(wěn)。相對(duì)于短期風(fēng)險(xiǎn)，長(zhǎng)期風(fēng)險(xiǎn)的溢出更加平穩(wěn)。

五、國(guó)際間金融風(fēng)險(xiǎn)傳遞影響因素實(shí)證檢驗(yàn)

在進(jìn)行了金融風(fēng)險(xiǎn)的凈溢出指數(shù)的測(cè)度之后，本文將通過(guò)面板回歸的方法，從市場(chǎng)行為和經(jīng)濟(jì)基礎(chǔ)兩個(gè)維度分別對(duì)進(jìn)行分析。

（一）面板模型設(shè)定

本文選取了1996年1月—2019年12月的月度數(shù)據(jù)，構(gòu)建的長(zhǎng)期凈溢出指數(shù)和短期凈溢出指數(shù)進(jìn)行回歸，得到凈溢出指數(shù)的影響因素。其中，KOF全球指數(shù)代表各個(gè)經(jīng)濟(jì)體金融開(kāi)放程度，經(jīng)濟(jì)政策不確定性（EPU）代表各個(gè)經(jīng)濟(jì)體實(shí)施政策的程度，金融壓力指數(shù)FSI代表各國(guó)金融的穩(wěn)定性，Trade貿(mào)易開(kāi)放程度代表一個(gè)經(jīng)濟(jì)體貿(mào)易的水平，GDP增速代表經(jīng)濟(jì)體發(fā)展速度和經(jīng)濟(jì)情況，M2增速代表經(jīng)濟(jì)體貨幣政策實(shí)施情況，Exchange匯率指數(shù)代表預(yù)期匯率波動(dòng)套利情況，CPI代表一國(guó)物價(jià)水平波動(dòng)套利情況，current經(jīng)常賬戶(hù)差額代表經(jīng)常賬戶(hù)傳染渠道，capital資本賬戶(hù)差額代表資本賬戶(hù)傳染渠道，spread收益率差額代表資產(chǎn)價(jià)格波動(dòng)套利渠道。

（二）國(guó)際風(fēng)險(xiǎn)凈溢出指數(shù)影響因素的實(shí)證結(jié)果分析

表4顯示了凈溢出指數(shù)根據(jù)兩種方法得到面板回歸結(jié)果，金融開(kāi)放程度和政策不確定性在普通面板回歸中并不顯著，但在FMOLS方法中是顯著的，這證明了動(dòng)態(tài)面板在處理時(shí)可以得到更多的信息。

EPU、FSI和匯率指數(shù)對(duì)短期金融風(fēng)險(xiǎn)凈溢出指數(shù)有負(fù)向作用，而金融開(kāi)放程度、GDP增速、M2增速、貿(mào)易開(kāi)放程度、CPI同比增速、經(jīng)常賬戶(hù)差額、資本賬戶(hù)差額和股市收益率之差對(duì)短期金融風(fēng)險(xiǎn)凈溢出指數(shù)。為了防范短期金融風(fēng)險(xiǎn)，經(jīng)濟(jì)體應(yīng)該逐步開(kāi)放國(guó)內(nèi)金融環(huán)境，做好政策配套，穩(wěn)定經(jīng)濟(jì)政策;同時(shí)在發(fā)展的過(guò)程中，注意資本流動(dòng)和貿(mào)易渠道所傳遞的風(fēng)險(xiǎn)，防止大規(guī)模的金融風(fēng)險(xiǎn)外溢到本國(guó)。

表5研究長(zhǎng)期凈溢出指數(shù)的影響因素。與短期風(fēng)險(xiǎn)不同的是，長(zhǎng)期風(fēng)險(xiǎn)的影響因素較少，在FMOLS方法下，金融開(kāi)場(chǎng)程度、EPU、FSI、GDP同比增速，匯率指數(shù)和CPI同比增速對(duì)于長(zhǎng)期凈溢出指數(shù)是顯著的，而經(jīng)常賬戶(hù)差額、資本賬戶(hù)差額、股市收益率之差不顯著。這說(shuō)明長(zhǎng)期金融風(fēng)險(xiǎn)的傳遞與價(jià)格因素和市場(chǎng)行為的關(guān)系并不大，長(zhǎng)期風(fēng)險(xiǎn)更多受到經(jīng)濟(jì)體內(nèi)宏觀(guān)基礎(chǔ)的影響，由于長(zhǎng)期金融風(fēng)險(xiǎn)是在短期金融風(fēng)險(xiǎn)爆發(fā)之后經(jīng)過(guò)一系列行為后得到的風(fēng)險(xiǎn)，具有持久性，自然更受到宏觀(guān)經(jīng)濟(jì)的影響。

在宏觀(guān)因素中，金融開(kāi)放程度、GDP同比增速、M2增速和CPI同比增速對(duì)長(zhǎng)期金融風(fēng)險(xiǎn)凈溢出具有正向影響，其數(shù)值與短期金融風(fēng)險(xiǎn)相比，有明顯的減少，證明宏觀(guān)政策對(duì)于長(zhǎng)期金融風(fēng)險(xiǎn)的影響要低于短期金融風(fēng)險(xiǎn)。而EPU、FSI和匯率指數(shù)對(duì)于長(zhǎng)期金融風(fēng)險(xiǎn)具有負(fù)向作用，同時(shí)影響因素的數(shù)值比短期金融風(fēng)險(xiǎn)的影響因素來(lái)說(shuō)相對(duì)較小，綜上可以說(shuō)明相比長(zhǎng)期風(fēng)險(xiǎn)，短期風(fēng)險(xiǎn)受宏觀(guān)因素的影響更大，要注意短期金融風(fēng)險(xiǎn)對(duì)于金融穩(wěn)定的影響。但由于宏觀(guān)指標(biāo)對(duì)短期金融風(fēng)險(xiǎn)的影響更大，可能造成政策用力過(guò)猛加劇長(zhǎng)期金融風(fēng)險(xiǎn)的積累，在防控短期金融風(fēng)險(xiǎn)的同時(shí)也要注意對(duì)長(zhǎng)期金融風(fēng)險(xiǎn)的影響，以防止長(zhǎng)期風(fēng)險(xiǎn)溢出。

六、結(jié)語(yǔ)

本文利用GARCH-MIDAS構(gòu)造出長(zhǎng)期波動(dòng)和短期波動(dòng)，用以作為長(zhǎng)期風(fēng)險(xiǎn)和短期風(fēng)險(xiǎn)的測(cè)度。在風(fēng)險(xiǎn)的組成問(wèn)題上，GARCH-MIDAS建模表明長(zhǎng)期成分占總波動(dòng)的0.02到0.03，說(shuō)明長(zhǎng)期風(fēng)險(xiǎn)不是風(fēng)險(xiǎn)組成中的主要部分。在風(fēng)險(xiǎn)的持續(xù)型問(wèn)題上，短期風(fēng)險(xiǎn)序列在突發(fā)性金融事件（如次貸危機(jī)等事件的發(fā)生）時(shí)有一個(gè)較大的上漲，在危機(jī)結(jié)束時(shí)短期風(fēng)險(xiǎn)會(huì)迅速降低。長(zhǎng)期風(fēng)險(xiǎn)在一段事件內(nèi)都能保持穩(wěn)定，突發(fā)性金融事件發(fā)生后略有加劇，在一段時(shí)間之后也能保持穩(wěn)定，考慮其影響持久，盡管占比不大，我們?nèi)皂毺岱篱L(zhǎng)期風(fēng)險(xiǎn)。

本文利用TVP-VAR和廣義方差分解得到風(fēng)險(xiǎn)溢出指數(shù)和波動(dòng)溢出矩陣，用以觀(guān)察短期風(fēng)險(xiǎn)和長(zhǎng)期風(fēng)險(xiǎn)之間的傳遞方向和傳遞程度。從風(fēng)險(xiǎn)溢出傳遞程度來(lái)看，觀(guān)察發(fā)現(xiàn)長(zhǎng)期風(fēng)險(xiǎn)溢出指數(shù)在1996—2019年之間要低于短期風(fēng)險(xiǎn)，說(shuō)明短期風(fēng)險(xiǎn)的外溢更加嚴(yán)重;從風(fēng)險(xiǎn)溢出結(jié)果來(lái)看，突發(fā)性金融事件會(huì)使得短期凈溢出指數(shù)迅速上漲，而長(zhǎng)期金融風(fēng)險(xiǎn)受到的影響比較小;從風(fēng)險(xiǎn)溢出傳遞方向來(lái)看，無(wú)論是長(zhǎng)期風(fēng)險(xiǎn)還是短期風(fēng)險(xiǎn)，美國(guó)和英國(guó)都是風(fēng)險(xiǎn)溢出經(jīng)濟(jì)體，德國(guó)、日本、中國(guó)香港地區(qū)、澳大利亞和中國(guó)都是風(fēng)險(xiǎn)吸收經(jīng)濟(jì)體，要注意美國(guó)和英國(guó)溢出的風(fēng)險(xiǎn)，減少風(fēng)險(xiǎn)帶來(lái)的損失。

本文利用FMOLS面板回歸，使用了金融開(kāi)放程度、經(jīng)濟(jì)政策不確定性、金融壓力指數(shù)、GDP同比增速、貿(mào)易開(kāi)放程度、M2增速、匯率指數(shù)、CPI同比增速、經(jīng)常賬戶(hù)差額、資本賬戶(hù)差額、股市收益率之差11個(gè)指標(biāo)，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性、金融壓力指數(shù)和匯率指數(shù)與短期凈溢出指數(shù)之間呈現(xiàn)負(fù)相關(guān)關(guān)系，其余指標(biāo)呈現(xiàn)正相關(guān)關(guān)系。就與短期風(fēng)險(xiǎn)凈溢出指數(shù)相比，經(jīng)常賬戶(hù)差額、資本賬戶(hù)差額、股市收益率之差與長(zhǎng)期凈溢出指數(shù)不顯著，說(shuō)明長(zhǎng)期風(fēng)險(xiǎn)受到價(jià)格因素的影響相對(duì)較少，受到宏觀(guān)經(jīng)濟(jì)基礎(chǔ)的影響相對(duì)較大，可采取貨幣政策和財(cái)政政策的結(jié)合穩(wěn)定國(guó)內(nèi)宏觀(guān)經(jīng)濟(jì)指標(biāo)，減少長(zhǎng)期風(fēng)險(xiǎn)的外溢，而市場(chǎng)行為對(duì)于短期風(fēng)險(xiǎn)的影響較大，價(jià)格因素更容易導(dǎo)致金融市場(chǎng)短期風(fēng)險(xiǎn)凈溢出增加。

（責(zé)任編輯：夏凡）

參考文獻(xiàn)：

[1]Diebold F X，Yilmaz K.Better to give than to receive： Predictive directional measurement of volatility spillovers[J].International Journal of Forecasting，2012，28（1）：57-66.

[2]Diebold F X，Yilmaz K.On the network topology of variance decompositions： Measuring the connectedness of financial firms[J].Journal of Econometrics，2014，182（1）：119-134.

[3]Engle R F，Ghysels E，Sohn B.Stock Market Volatility and Macroeconomic Fundamentals[J]. Review of Economics and Statistics，2013，95（3）：776-797.

[4]Hoque M E，Zaidi M A S.The impacts of global economic policy uncertainty on stock market returns in regime switching environment： Evidence from sectoral perspectives[J].International Journal of Finance & Economics，2018.

[5]Huang Z，Tong C，Qiu H，Shen Y.The spillover of macroeconomic uncertainty between the US and China[J].Economics Letters，2018，171：123-127.

[6]Kao C，Chiang M H.On the Estimation and Inference of a Cointegrated Regression in Panel Data[J].Social Science Electronic Publishing.

[7]Singh A，Singh M.US financial conditions index and its empirical impact on information transmissions across US-BRIC equity markets[J].The Journal of Finance and Data Science，2016.

[8]Shikimi M，Yamada K.Trade and Financial Channels as the Transmission Mechanism of the Financial Crisis[J].Social Science Electronic Publishing，2016.

[9]何德旭，苗文龍.國(guó)際金融市場(chǎng)波動(dòng)溢出效應(yīng)與動(dòng)態(tài)相關(guān)性[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015，32（11）：23-40.

[10]楊子暉，李東承.我國(guó)銀行系統(tǒng)性金融風(fēng)險(xiǎn)研究——基于“去一法”的應(yīng)用分析[J].經(jīng)濟(jì)研究，2018，53（8）：36-51.

[11]張喜艷，陳樂(lè)一.經(jīng)濟(jì)政策不確定性的溢出效應(yīng)及形成機(jī)理研究[J].統(tǒng)計(jì)研究，2019，36（1）：115-128.

[12]趙華，王杰.基于混頻數(shù)據(jù)的實(shí)體經(jīng)濟(jì)與金融市場(chǎng)時(shí)變溢出效應(yīng)研究[J].統(tǒng)計(jì)研究，2018，35（7）：49-61.

[13]鄭挺國(guó)，劉堂勇.股市波動(dòng)溢出效應(yīng)及其影響因素分析[J].經(jīng)濟(jì)學(xué)（季刊），2018，17（2）：669-692.