• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      我國區(qū)域金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)與傳染機(jī)制研究

      2021-12-28 23:19張立光滕召建
      金融發(fā)展研究 2021年11期
      關(guān)鍵詞:社會網(wǎng)絡(luò)分析

      張立光 滕召建

      摘? ?要:本文運(yùn)用社會網(wǎng)絡(luò)分析法對2011—2018年山東省區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)機(jī)制進(jìn)行了深入探討。結(jié)果發(fā)現(xiàn):各城市間區(qū)域性金融風(fēng)險(xiǎn)存在明顯的空間關(guān)聯(lián)和溢出效應(yīng),空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)復(fù)雜性、關(guān)聯(lián)性和穩(wěn)健性不斷增強(qiáng),中心城市不斷增多,處于從屬或邊緣地位的城市減少;位于網(wǎng)絡(luò)中心城市的金融風(fēng)險(xiǎn)以輸入效應(yīng)為主,并在風(fēng)險(xiǎn)傳染中主要起到中介作用;而位于邊緣地位城市的金融風(fēng)險(xiǎn)主要以溢出效應(yīng)為主。進(jìn)一步的探討表明,受風(fēng)險(xiǎn)關(guān)聯(lián)、網(wǎng)絡(luò)結(jié)構(gòu)及經(jīng)濟(jì)增長、工業(yè)發(fā)展、城鄉(xiāng)差距和政府收支等因素影響,網(wǎng)絡(luò)中心城市的金融風(fēng)險(xiǎn)下降,而網(wǎng)絡(luò)邊緣城市金融風(fēng)險(xiǎn)升高,不同網(wǎng)絡(luò)位置區(qū)域金融風(fēng)險(xiǎn)表現(xiàn)出明顯的異質(zhì)性。

      關(guān)鍵詞:區(qū)域性風(fēng)險(xiǎn);空間關(guān)聯(lián);傳染機(jī)制;社會網(wǎng)絡(luò)分析

      中圖分類號:F830? 文獻(xiàn)標(biāo)識碼:B? 文章編號:1674-2265(2021)11-0048-08

      DOI:10.19647/j.cnki.37-1462/f.2021.11.007

      一、引言

      2008年全球金融危機(jī)讓人們認(rèn)識到了危機(jī)爆發(fā)的突然性和系統(tǒng)性金融風(fēng)險(xiǎn)的巨大破壞力,反思金融危機(jī)的爆發(fā),一個(gè)很重要的原因是,隨著科技發(fā)展、金融創(chuàng)新及金融脫媒,金融業(yè)務(wù)的全球化、網(wǎng)絡(luò)化和復(fù)雜化不斷加劇,全球市場“蝴蝶效應(yīng)”頻繁發(fā)作,風(fēng)險(xiǎn)的傳染性和破壞力大大提升。由于傳統(tǒng)微觀審慎監(jiān)管低估了風(fēng)險(xiǎn)的傳染破壞力,導(dǎo)致雷曼的破產(chǎn)風(fēng)險(xiǎn)最終演變?yōu)槿蚪鹑谖C(jī)。在經(jīng)濟(jì)全球化和金融危機(jī)頻發(fā)的背景下,如何防范金融風(fēng)險(xiǎn)已成為各國的重大課題。

      區(qū)域金融風(fēng)險(xiǎn)介于宏微觀金融風(fēng)險(xiǎn)之間,由一定的微觀層面風(fēng)險(xiǎn)聚集而成,但又可能通過網(wǎng)絡(luò)傳染形成宏觀層面的系統(tǒng)性風(fēng)險(xiǎn)。在經(jīng)濟(jì)步入新常態(tài)背景下,區(qū)域間經(jīng)濟(jì)聯(lián)系越來越緊密,但近年來隨著經(jīng)濟(jì)增速降低、地方政府債務(wù)擴(kuò)張以及各種金融新興業(yè)態(tài)的發(fā)展,金融創(chuàng)新與風(fēng)險(xiǎn)管理間的矛盾凸顯,金融風(fēng)險(xiǎn)問題日益突出。而大企業(yè)集團(tuán)、地方法人金融機(jī)構(gòu)及新興金融業(yè)務(wù)風(fēng)險(xiǎn)的不斷暴露,特別是新時(shí)期金融業(yè)務(wù)和經(jīng)濟(jì)關(guān)聯(lián)的跨區(qū)域、跨市場和跨機(jī)構(gòu)特征,導(dǎo)致風(fēng)險(xiǎn)的關(guān)系特性、傳染機(jī)制及影響范圍均發(fā)生了顯著變化,更是給區(qū)域經(jīng)濟(jì)發(fā)展和金融穩(wěn)定帶來較大壓力。針對這一問題和趨勢,近幾年學(xué)術(shù)界針對我國區(qū)域金融風(fēng)險(xiǎn)的變化特征進(jìn)行了研究探討。從已有文獻(xiàn)看,探討如何測度系統(tǒng)性金融風(fēng)險(xiǎn)和網(wǎng)絡(luò)傳染機(jī)制的文獻(xiàn)較多,但對區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)和傳染機(jī)理展開的研究較少。另外從目前研究方法上來看,無論是VAR模型,還是GARCH簇模型和Copula函數(shù)族,都與現(xiàn)實(shí)差距較大,而且忽略了當(dāng)前金融網(wǎng)絡(luò)化發(fā)展趨勢。

      鑒于此,本文基于當(dāng)前金融系統(tǒng)網(wǎng)絡(luò)化發(fā)展趨勢,以近些年風(fēng)險(xiǎn)暴露比較突出的山東省為樣本,運(yùn)用網(wǎng)絡(luò)分析法對區(qū)域性金融風(fēng)險(xiǎn)傳染機(jī)理進(jìn)行了深入探討。本文貢獻(xiàn)主要體現(xiàn)在回答了三個(gè)問題:一是區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)系是如何形成和實(shí)現(xiàn)的;二是區(qū)域性金融風(fēng)險(xiǎn)的傳染機(jī)制是什么;三是區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)影響程度有多大。本文的研究成果有助于為金融監(jiān)管機(jī)構(gòu)和政府防范和化解區(qū)域性金融風(fēng)險(xiǎn)提供參考。

      二、文獻(xiàn)綜述

      (一)金融風(fēng)險(xiǎn)傳染定義

      關(guān)于金融風(fēng)險(xiǎn)傳染,世界銀行將其定義為:相對于平穩(wěn)市場,在危機(jī)時(shí)期金融市場間波動(dòng)相關(guān)性的增加。多數(shù)學(xué)者對金融風(fēng)險(xiǎn)傳染的定義與世界銀行的含義一致,認(rèn)為只有在剔除貿(mào)易聯(lián)系、資金流動(dòng)和金融聯(lián)系等基本面關(guān)聯(lián)性導(dǎo)致的溢出效應(yīng)與相互依賴性后,不同國家金融市場間的過度關(guān)聯(lián)性才是真正的傳染性,即凈傳染。Karolyi(2003)[1]認(rèn)為還應(yīng)進(jìn)一步剔除理性投資者的協(xié)同運(yùn)動(dòng),剩下的非理性協(xié)同運(yùn)動(dòng)才是傳染。國內(nèi)學(xué)者早期的研究主要集中在風(fēng)險(xiǎn)傳染機(jī)制上(蔣先玲,2000;鄭慶寰和林莉,2006)[2,3],對定義的研究相對較少,宮曉琳(2012)[4]將傳染定義為沖擊后宏觀經(jīng)濟(jì)、金融層面風(fēng)險(xiǎn)聯(lián)動(dòng)的增加。張磊(2013)[5]進(jìn)一步地將傳染定義為一個(gè)或一組市場、國家或機(jī)構(gòu)遭受極端負(fù)面沖擊后向其他市場、國家或機(jī)構(gòu)傳導(dǎo)的過程。

      關(guān)于金融風(fēng)險(xiǎn)傳染定義的爭議主要在通過貿(mào)易、金融流動(dòng)和經(jīng)濟(jì)相似性等傳播的沖擊是否構(gòu)成傳染,在針對區(qū)域性金融風(fēng)險(xiǎn)的研究中,本文認(rèn)為可將金融風(fēng)險(xiǎn)傳染定義為由沖擊引發(fā)的區(qū)域金融風(fēng)險(xiǎn)通過實(shí)質(zhì)性關(guān)聯(lián)或非實(shí)質(zhì)性關(guān)聯(lián)渠道,導(dǎo)致其他區(qū)域出現(xiàn)風(fēng)險(xiǎn)的現(xiàn)象。

      (二)金融風(fēng)險(xiǎn)傳染渠道

      從經(jīng)濟(jì)基本面來看,金融風(fēng)險(xiǎn)傳染主要有貿(mào)易渠道和金融渠道。在開放經(jīng)濟(jì)條件下,Gorea和Radev(2014)[6]發(fā)現(xiàn)國際貿(mào)易關(guān)系緊密的國家之間更容易發(fā)生金融風(fēng)險(xiǎn)傳染,但是大量實(shí)證研究發(fā)現(xiàn),貿(mào)易聯(lián)系較弱的國家也會發(fā)生金融風(fēng)險(xiǎn)傳染,由此學(xué)者們開始認(rèn)識到金融風(fēng)險(xiǎn)還可以通過金融渠道傳播。Peek和Rosengreen(1997)[7]最早用實(shí)證分析找到了金融渠道傳染的證據(jù)。Kaminsky和Reinhart(2000)[8]認(rèn)為當(dāng)某國發(fā)生金融危機(jī)后,發(fā)達(dá)國家商業(yè)銀行會收縮與危機(jī)發(fā)生國經(jīng)濟(jì)結(jié)構(gòu)相似的國家貸款,并撤回高風(fēng)險(xiǎn)項(xiàng)目,進(jìn)而導(dǎo)致該國發(fā)生金融危機(jī)。

      由于越來越多的金融風(fēng)險(xiǎn)傳染案例難以用經(jīng)濟(jì)基本面關(guān)聯(lián)來解釋,投資者行為在金融風(fēng)險(xiǎn)傳染中的作用開始被廣泛關(guān)注。Goldstein(1998)[9]認(rèn)為投資者之間存在“喚醒效應(yīng)”,即某國發(fā)生金融危機(jī)后,投資者會認(rèn)為與該國宏觀經(jīng)濟(jì)類似的國家也會面臨同樣的危機(jī)。Bekaert等(2014)[10]證實(shí)了“喚醒效應(yīng)”在金融傳染中的作用。Calvo和Mendoza(2000)[11]則認(rèn)為是“羊群效應(yīng)”導(dǎo)致投資者受到負(fù)面沖擊或信息不完全時(shí),因風(fēng)險(xiǎn)厭惡程度加重而拋售跨國資產(chǎn)。肖斌卿(2014)[12]也發(fā)現(xiàn)當(dāng)投資者和公司信息不對稱時(shí),外部沖擊會增大傳染性風(fēng)險(xiǎn)。此外,還有學(xué)者用自我實(shí)現(xiàn)的預(yù)期傳染機(jī)制來解釋金融風(fēng)險(xiǎn)的傳染現(xiàn)象。

      雖然風(fēng)險(xiǎn)傳染渠道較多,但大量實(shí)證研究表明金融風(fēng)險(xiǎn)并不是只通過某單一渠道傳染,往往存在多個(gè)傳染渠道相互交叉現(xiàn)象,共同作用才形成金融風(fēng)險(xiǎn)。金融風(fēng)險(xiǎn)傳染渠道與起源國經(jīng)濟(jì)特點(diǎn)、被傳染國經(jīng)濟(jì)基本面、金融脆弱性等諸多因素有關(guān),并且各傳染渠道的重要性隨著經(jīng)濟(jì)發(fā)展而不斷變化。

      (三)金融風(fēng)險(xiǎn)傳染測度

      從以往文獻(xiàn)看,現(xiàn)有的金融風(fēng)險(xiǎn)傳染測度方法主要有相關(guān)性分析法、網(wǎng)絡(luò)分析法和空間計(jì)量分析方法。其中,相關(guān)性分析方法較為常用,主要包括VAR模型、GARCH簇模型、Copula函數(shù)族。

      相關(guān)性分析法主要是從波動(dòng)率或者變化率角度判斷一些國家金融市場的資產(chǎn)價(jià)格是否存在聯(lián)動(dòng)和溢出關(guān)系,進(jìn)而判斷金融風(fēng)險(xiǎn)傳染的可能性。早期國外學(xué)者就采用GARCH模型來檢驗(yàn)風(fēng)險(xiǎn)傳染的存在性,但由于GARCH簇模型是基于殘差的相關(guān)性,容易遺漏共同沖擊引起的傳染,并且VAR模型和GARCH簇模型對收益率都做出很多嚴(yán)格的假設(shè)。相比之下,Copula函數(shù)不僅能放松這些假設(shè),還能更好地捕捉金融市場間的非線性和非對稱關(guān)系(王永巧和劉詩文,2011)[13]。

      網(wǎng)絡(luò)分析法將金融機(jī)構(gòu)視為網(wǎng)絡(luò)節(jié)點(diǎn),將金融機(jī)構(gòu)之間的資產(chǎn)負(fù)債關(guān)系視為網(wǎng)絡(luò)鏈條,從而分析金融機(jī)構(gòu)間的互動(dòng)和關(guān)聯(lián)。王營和曹廷求(2017)[14]運(yùn)用社會網(wǎng)絡(luò)分析法刻畫區(qū)域性金融風(fēng)險(xiǎn)傳染效應(yīng),結(jié)果發(fā)現(xiàn)我國省際金融風(fēng)險(xiǎn)高度關(guān)聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu)形態(tài)。榮夢杰和李剛(2020)[15]、龐念偉(2021)[16]等也采用網(wǎng)絡(luò)分析法來研究金融市場間的風(fēng)險(xiǎn)傳染。

      空間計(jì)量分析法以空間經(jīng)濟(jì)理論和地理空間數(shù)據(jù)為基礎(chǔ),通過分析空間依存關(guān)系和異質(zhì)性,研究地理關(guān)系在變量關(guān)聯(lián)性中的作用及空間溢出效應(yīng),這為研究區(qū)域性金融風(fēng)險(xiǎn)傳染提供了有效手段。馮林等(2016)[17]運(yùn)用探索性空間數(shù)據(jù)分析方法研究山東省縣域金融風(fēng)險(xiǎn)傳染現(xiàn)狀。沈麗等(2019)[18]利用空間偏微分方法探討了區(qū)域金融風(fēng)險(xiǎn)的空間傳染路徑。

      除上述方法外,還有協(xié)整分析和SIRS傳染病模型等諸多金融風(fēng)險(xiǎn)傳染測度方法。金融風(fēng)險(xiǎn)傳染過程復(fù)雜,目前方法大多缺乏對金融風(fēng)險(xiǎn)傳染全面系統(tǒng)的探討。

      三、研究方法與數(shù)據(jù)來源

      社會網(wǎng)絡(luò)分析法有助于刻畫區(qū)域性金融風(fēng)險(xiǎn)的空間化和網(wǎng)絡(luò)化特征,因此,本文選用該方法研究區(qū)域性金融風(fēng)險(xiǎn)傳染機(jī)理。

      (一)區(qū)域性金融風(fēng)險(xiǎn)關(guān)聯(lián)關(guān)系測度

      區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)網(wǎng)絡(luò)包含了城市或地區(qū)之間風(fēng)險(xiǎn)關(guān)聯(lián)的所有關(guān)系,各城市或各地區(qū)是該關(guān)聯(lián)網(wǎng)絡(luò)中的“節(jié)點(diǎn)”,各城市區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)關(guān)系是關(guān)聯(lián)網(wǎng)絡(luò)中的“線”。這些“節(jié)點(diǎn)”和“線”的集合構(gòu)成了空間關(guān)聯(lián)網(wǎng)絡(luò)??臻g關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建方法包括引力模型和VAR模型。考慮到VAR模型對數(shù)據(jù)滯后階數(shù)的選擇較為敏感且會忽視研究對象之間空間距離對關(guān)系產(chǎn)生的影響,本文選擇引力模型,并根據(jù)需要做出相應(yīng)修正,模型公式如下:

      公式(1)中,[rij]是關(guān)聯(lián)網(wǎng)絡(luò)矩陣中的元素,代表區(qū)域性金融風(fēng)險(xiǎn)的相互關(guān)系。[aij]表示兩地在區(qū)域性金融風(fēng)險(xiǎn)關(guān)聯(lián)中的貢獻(xiàn)度,即城市[i]對城市[i]與城市[j]之間金融風(fēng)險(xiǎn)的貢獻(xiàn)度,[aij=npli(npli+nplj)];[npl]為不良貸款率;[pop]為人口總數(shù);[GDP]為實(shí)際地區(qū)生產(chǎn)總值。[Dij]表示兩城間的“距離”,同時(shí)考慮地理距離和經(jīng)濟(jì)距離,構(gòu)造公式[D2ij=dijgdpi-gdpj2],其中[dij]表示城市[i]和城市[j]之間的地理距離,[gdp]表示人均[GDP]。根據(jù)公式(1),得到[Rij=rij17×17]表示空間網(wǎng)絡(luò)矩陣。由于相互作用存在一定門檻值,取矩陣每行均值作為該行臨界值,當(dāng)矩陣中該行元素[rij]大于均值時(shí),表示城市[i]對[j]產(chǎn)生影響,則[rij=1],否則[rij=0],即城市[i]對[j]無影響。

      (二)區(qū)域性金融風(fēng)險(xiǎn)的網(wǎng)絡(luò)特征指標(biāo)

      1. 整體網(wǎng)絡(luò)特征。本文通過計(jì)算網(wǎng)絡(luò)密度、網(wǎng)絡(luò)關(guān)聯(lián)度、網(wǎng)絡(luò)等級度的值來刻畫山東省區(qū)域性金融風(fēng)險(xiǎn)的整體空間關(guān)聯(lián)網(wǎng)絡(luò)特征。

      網(wǎng)絡(luò)密度(density)是反映關(guān)聯(lián)網(wǎng)絡(luò)疏密程度的指標(biāo),測算時(shí)用網(wǎng)絡(luò)中的實(shí)際連線數(shù)與最大可能連線數(shù)之比表示,取值介于0~1之間,其值越大,表示節(jié)點(diǎn)之間的關(guān)聯(lián)關(guān)系越多,說明各城市區(qū)域金融風(fēng)險(xiǎn)之間的聯(lián)系越緊密。計(jì)算公式為:

      式(2)中,D為網(wǎng)絡(luò)密度,L為實(shí)際擁有的關(guān)系數(shù),N為網(wǎng)絡(luò)規(guī)模,取值在0~1之間。

      網(wǎng)絡(luò)關(guān)聯(lián)度(connectedness)反映區(qū)域金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)自身的穩(wěn)健性和脆弱性,網(wǎng)絡(luò)關(guān)聯(lián)度越大,網(wǎng)絡(luò)越穩(wěn)健。其計(jì)算公式為:

      式(3)中,C為關(guān)聯(lián)度,V為網(wǎng)絡(luò)中不可達(dá)點(diǎn)的對數(shù),N為網(wǎng)絡(luò)規(guī)模,取值在0~1之間。

      網(wǎng)絡(luò)等級度(hierarchy)是反映網(wǎng)絡(luò)中各節(jié)點(diǎn)等級結(jié)構(gòu)的指標(biāo),測度的是網(wǎng)絡(luò)中各節(jié)點(diǎn)在多大程度上非對稱地可達(dá)。該指標(biāo)越大(即高網(wǎng)絡(luò)等級),說明在區(qū)域性金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)中處于從屬或邊緣地位的城市越多。其計(jì)算公式為:

      式(4)中,H為等級度,K為網(wǎng)絡(luò)中對稱可達(dá)的點(diǎn)的對數(shù),max(K)為網(wǎng)絡(luò)中最大可能的可達(dá)點(diǎn)的對數(shù),取值在0~1之間。

      2. 個(gè)體網(wǎng)絡(luò)特征指標(biāo)。個(gè)體網(wǎng)絡(luò)結(jié)構(gòu)特征主要用網(wǎng)絡(luò)中心性指標(biāo)表示,常用的是節(jié)點(diǎn)中心度、接近中心度和中間中心度等。其中,節(jié)點(diǎn)中心度(degree centrality)反映的是個(gè)體在整體關(guān)聯(lián)網(wǎng)絡(luò)中的中心位置,高節(jié)點(diǎn)中心度表明該城市處于空間網(wǎng)絡(luò)中心地位,與網(wǎng)絡(luò)中與其他城市的聯(lián)系越多。計(jì)算公式為:

      式(5)中,[n]代表與該城市直接相關(guān)聯(lián)的城市數(shù)目,[N]代表網(wǎng)絡(luò)規(guī)模。

      接近中心度(closeness centrality)反映的是個(gè)體在整體網(wǎng)絡(luò)中不受其他個(gè)體控制的程度,用節(jié)點(diǎn)與節(jié)點(diǎn)之間的距離測算接近中心度。其計(jì)算公式為:

      式(6)中,[dij]表示節(jié)點(diǎn)[i]與[j]之間的捷徑距離。

      中間中心度(betweenness centrality)測度的是某一節(jié)點(diǎn)是否有能力控制其他節(jié)點(diǎn)的程度,其計(jì)算公式為:

      式(7)中,[gjk]是指節(jié)點(diǎn)[j]和[k]之間的捷徑總數(shù),[gjki]是指節(jié)點(diǎn)[j]和[k]之間經(jīng)過節(jié)點(diǎn)[i]的捷徑總數(shù)。

      3. 塊模型分析。塊模型分析法基于“塊”在網(wǎng)絡(luò)中的角色展開,主要用來揭示和刻畫區(qū)域性金融風(fēng)險(xiǎn)的空間網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)狀態(tài),是社會網(wǎng)絡(luò)中空間聚類分析的常用方法。根據(jù)指標(biāo)間的關(guān)系或者角色位置,可以將網(wǎng)絡(luò)劃分為四類板塊:凈溢出板塊、經(jīng)紀(jì)人板塊、雙向溢出板塊、凈收益板塊。凈收益板塊和雙向溢出板塊共同特點(diǎn)是實(shí)際內(nèi)部關(guān)系比例大于期望內(nèi)部關(guān)系比例關(guān)系。經(jīng)紀(jì)人板塊和凈溢出板塊共同特點(diǎn)是實(shí)際內(nèi)部關(guān)系比例小于期望內(nèi)部關(guān)系比例。

      (三)數(shù)據(jù)來源

      本文以山東省為樣本,所用指標(biāo)主要為不良貸款率、地區(qū)生產(chǎn)總值及增速、人口數(shù)據(jù)、工業(yè)企業(yè)資產(chǎn)負(fù)債率和利潤率、城鄉(xiāng)居民收入及政府一般預(yù)算收支等,指標(biāo)數(shù)據(jù)來源于中國人民銀行和統(tǒng)計(jì)局等部門,數(shù)據(jù)頻度為季度。城市之間的距離以城市間經(jīng)緯度計(jì)算而得。2010年以來,受周期性因素、產(chǎn)業(yè)結(jié)構(gòu)及擔(dān)保圈等多因素影響,山東省金融風(fēng)險(xiǎn)開始暴露并不斷上升,2018年全省貸款不良率達(dá)到峰值,2019年開始回落。因此,該時(shí)期山東省金融風(fēng)險(xiǎn)空間關(guān)聯(lián)且傳染性較為突出,所以將研究區(qū)間定為2011—2018年。具體數(shù)據(jù)來源與指標(biāo)描述如表1所示。

      四、區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)網(wǎng)絡(luò)分析

      (一)整體網(wǎng)絡(luò)特征分析

      為了展示出山東省17個(gè)地市①區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)動(dòng)態(tài)演變情況,本文根據(jù)公式(1),利用2011—2018年相關(guān)指標(biāo)數(shù)據(jù)和UCINET6.212工具,分別繪制出2011年、2014年和2018年山東省區(qū)域性金融風(fēng)險(xiǎn)的空間網(wǎng)絡(luò)結(jié)構(gòu)圖,具體如圖1—圖3所示。

      可以看出,區(qū)域性金融風(fēng)險(xiǎn)空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)呈現(xiàn)出復(fù)雜化和緊密化趨勢。2011年東營市和淄博市位于網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)的中心,濟(jì)南市處于副中心,2014年新增了青島市和臨沂市為副中心,2018年濟(jì)南市和青島市更趨近于網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)的中心。濟(jì)南市和青島市作為山東省經(jīng)濟(jì)的兩個(gè)“龍頭”,與其他城市之間均存在密切的經(jīng)濟(jì)與金融關(guān)聯(lián),因此,在空間關(guān)聯(lián)網(wǎng)絡(luò)中處于中心位置;淄博市作為山東省重工業(yè)基地,與其他城市通過貿(mào)易渠道形成金融風(fēng)險(xiǎn)的相互傳染;具有“物流之都”之稱的臨沂市,與其他城市通過物流關(guān)聯(lián)同樣易形成金融風(fēng)險(xiǎn)的相互關(guān)聯(lián);東營市人均GDP居全省第一,石油業(yè)發(fā)展優(yōu)勢突出,可通過石油產(chǎn)業(yè)與其他城市形成緊密的金融關(guān)聯(lián)。

      表2給出了關(guān)聯(lián)關(guān)系數(shù)、網(wǎng)絡(luò)密度等指標(biāo)以描述網(wǎng)絡(luò)的動(dòng)態(tài)演變特征。網(wǎng)絡(luò)密度從2011年的0.232上升到2018年的0.254,說明區(qū)域性金融風(fēng)險(xiǎn)空間網(wǎng)絡(luò)關(guān)聯(lián)越來越密切。網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系數(shù)由2011年的63上升到2017年的69,說明區(qū)域性金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)的穩(wěn)健性不斷增強(qiáng)。網(wǎng)絡(luò)關(guān)聯(lián)度始終為1,表明金融風(fēng)險(xiǎn)在各城市之間是相互可達(dá)的。網(wǎng)絡(luò)等級度從2011年的0.587下降到2018年的0.420,說明空間關(guān)聯(lián)網(wǎng)絡(luò)中處于從屬或邊緣地位的城市減少。

      因此,從整體網(wǎng)絡(luò)結(jié)構(gòu)特征看:樣本期間內(nèi),山東省各城市間的區(qū)域性金融風(fēng)險(xiǎn)存在高度的空間關(guān)聯(lián)特點(diǎn),空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)呈現(xiàn)出復(fù)雜化趨勢。同時(shí)顯現(xiàn)出空間關(guān)聯(lián)網(wǎng)絡(luò)密度和網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系數(shù)不斷增大、網(wǎng)絡(luò)等級度不斷下降及空間關(guān)聯(lián)網(wǎng)絡(luò)中處于從屬或邊緣地位的城市不斷減少等趨勢。

      (二)中心性分析

      根據(jù)公式(5)—(7)分別計(jì)算出2011—2018年山東省區(qū)域性金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)的中心度,因篇幅原因,在此重點(diǎn)分析2018年的網(wǎng)絡(luò)中心性特征,如表3所示。

      2018年山東省區(qū)域性金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)中共存在69條關(guān)系,其中39條雙向關(guān)系,30條單向關(guān)系,平均每個(gè)城市與其他4個(gè)城市存在空間關(guān)聯(lián)。在關(guān)系類型方面,發(fā)送關(guān)系數(shù)大于接收關(guān)系數(shù)即以溢出效應(yīng)為主的城市共10個(gè),占58.82%;接收關(guān)系數(shù)大于發(fā)送關(guān)系數(shù)即以輸入效應(yīng)為主的城市共5個(gè),占29.41%。

      節(jié)點(diǎn)中心度的均值為36.03,東營、淄博、濟(jì)南、青島和臨沂5市的節(jié)點(diǎn)中心度高于均值,說明這些城市處于中心地位,其中東營市的節(jié)點(diǎn)中心度高達(dá)87.5。濱州、威海、泰安和日照4市的節(jié)點(diǎn)中心度相對較低,其中濱州市的節(jié)點(diǎn)中心度僅為12.5。節(jié)點(diǎn)中心度靠前城市的點(diǎn)入度均大于點(diǎn)出度,說明這些城市較易受到其他城市金融風(fēng)險(xiǎn)溢出的影響。

      接近中心度均值為60.118。東營、淄博、濟(jì)南、臨沂和青島5市的接近中心度高于均值,其中東營市和淄博市的接近中心度高達(dá)75以上,說明這些城市與其他城市的距離較短、聯(lián)系緊密,在網(wǎng)絡(luò)中扮演中心行動(dòng)者角色。威海市、濱州市和泰安市等城市排名靠后,這些城市處于邊緣地帶,在關(guān)聯(lián)網(wǎng)絡(luò)中受制于其他城市。

      17地市2018年中間中心度的均值為4.706,其中,東營、淄博、臨沂、青島和濟(jì)南5市的中間中心度高于平均值,表明這5個(gè)城市在區(qū)域金融風(fēng)險(xiǎn)網(wǎng)絡(luò)中處于中心地位,能夠影響和控制其他城市。中間中心度總和為80.003,其中排名居前5的城市在關(guān)聯(lián)網(wǎng)絡(luò)中發(fā)揮了“橋梁”作用,這5個(gè)城市的中間中心度之和占總量的87.86%。相比之下,濱州、泰安、威海和日照等城市中間中心度較低,表明這些城市在區(qū)域金融風(fēng)險(xiǎn)網(wǎng)絡(luò)中處于邊緣位置,風(fēng)險(xiǎn)變動(dòng)更多受排名靠前城市的影響??v向來看,2011—2018年,山東省17城市區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)性在不斷增強(qiáng),因?yàn)橹虚g中心度均值由4.265上升到4.706。

      從個(gè)體網(wǎng)絡(luò)結(jié)構(gòu)特征整體上看,山東區(qū)域間的空間關(guān)聯(lián)網(wǎng)絡(luò)節(jié)點(diǎn)中心度、接近中心度和中間中心度均值均呈現(xiàn)上升趨勢,說明城市間的風(fēng)險(xiǎn)關(guān)聯(lián)度在逐步增強(qiáng)。分地市來看,東營、淄博、濟(jì)南、青島和臨沂5市在網(wǎng)絡(luò)中處于中心地位,在空間網(wǎng)絡(luò)中扮演中心行動(dòng)者角色,是區(qū)域金融風(fēng)險(xiǎn)的主要來源;濱州、泰安、威海和日照等城市容易受制于中心地位城市的影響,在空間網(wǎng)絡(luò)中處于從屬邊緣位置。

      (三)塊模型分析

      為了進(jìn)一步揭示區(qū)域性金融風(fēng)險(xiǎn)空間網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)狀態(tài),本文按照最大分割深度2,收斂標(biāo)準(zhǔn)0.2,基于CONCOR方法把2018年的17個(gè)城市分為四個(gè)板塊,如表4所示??梢钥闯?,板塊內(nèi)部的關(guān)系為8條,板塊之間的關(guān)系為61條,這說明板塊之間的金融風(fēng)險(xiǎn)聯(lián)動(dòng)性較強(qiáng)。各板塊特征如下:

      第一板塊包括4個(gè)城市,依次是濱州、濰坊、日照和臨沂。內(nèi)部關(guān)系比例為8.33%,小于期望比例18.75%,共發(fā)送關(guān)系12條,接收到14條來自其他板塊的關(guān)系。說明該板塊既對其他板塊有溢出,也接受其他板塊的發(fā)出關(guān)系,在區(qū)域性金融風(fēng)險(xiǎn)溢出效應(yīng)中起著“橋梁”作用,屬于“經(jīng)紀(jì)人板塊”。

      第二板塊包括7個(gè)城市,依次是菏澤、德州、萊蕪、聊城、濟(jì)寧、泰安、棗莊。實(shí)際內(nèi)部比例為6.66%,小于期望比例37.50%,共發(fā)送關(guān)系30條,2條存在于板塊內(nèi)部,接收到8條來自其他版塊的關(guān)系,該板塊成員向其他板塊成員的溢出關(guān)系明顯多于接收關(guān)系,屬于“凈溢出板塊”。

      第三板塊包括4個(gè)城市,依次是濟(jì)南、東營、淄博、青島。實(shí)際內(nèi)部比例15%,小于期望內(nèi)部比例18.75%,共發(fā)送關(guān)系20條,3條存在于板塊內(nèi)部,接收到39條其他版塊的關(guān)系,屬于“經(jīng)紀(jì)人板塊”。

      第四板塊包括煙臺和威海兩個(gè)城市,實(shí)際內(nèi)部比例為28.57%,大于期望內(nèi)部比例6.25%,共發(fā)送關(guān)系7條,其中2條存在于板塊內(nèi)部,沒有接收到來自其他版塊的關(guān)系,屬于“雙向溢出板塊”。

      為了確定1-塊還是0-塊,計(jì)算板塊的網(wǎng)絡(luò)密度矩陣,如果板塊密度大于0.2537(整體網(wǎng)絡(luò)密度),賦值為1,反之則賦值為0,由此得到像矩陣(見表5)。由像矩陣可以看出,第一板塊與第二板塊之間沒有風(fēng)險(xiǎn)傳染,但第一板塊是第三板塊和第四板塊間的風(fēng)險(xiǎn)傳染中介。第二板塊與第三板塊之間存在相互傳染風(fēng)險(xiǎn)的影響,即第二板塊的風(fēng)險(xiǎn)會傳染到第三板塊,同時(shí)也會受到第三板塊的影響,但與其他版塊之間不存在風(fēng)險(xiǎn)傳染關(guān)系。第三板塊承擔(dān)了第一板塊和第二板塊間的風(fēng)險(xiǎn)傳染中介,其與第四板塊并無風(fēng)險(xiǎn)傳染關(guān)系。第四板塊不僅內(nèi)部成員之間的風(fēng)險(xiǎn)會相互傳染,而且會傳染到第一板塊借以實(shí)現(xiàn)風(fēng)險(xiǎn)的相互傳染。

      五、進(jìn)一步探討

      為了進(jìn)一步探討驗(yàn)證區(qū)域性金融風(fēng)險(xiǎn)的傳染機(jī)理和影響程度,本文以區(qū)域性金融風(fēng)險(xiǎn)為被解釋變量,構(gòu)建計(jì)量模型做進(jìn)一步檢驗(yàn)。

      區(qū)域性金融風(fēng)險(xiǎn)的模型如下:

      其中[lognpl]是區(qū)域性金融風(fēng)險(xiǎn)的對數(shù);degree、closeness和betweenness分別是節(jié)點(diǎn)中心度、接近中心度和中間中心度,作為解釋變量;GDP增速(rgdp)、工業(yè)企業(yè)資產(chǎn)負(fù)債率(alr)、工業(yè)企業(yè)利潤率(opm)、城鄉(xiāng)居民收入差距(income)和政府行為(gov)為控制變量,樣本區(qū)間為2010—2018年。

      由表6各指標(biāo)的極小值、極大值、均值和標(biāo)準(zhǔn)差可以看出,各變量分布比較穩(wěn)定,呈現(xiàn)或近似呈現(xiàn)正態(tài)分布。

      由表7的回歸結(jié)果可以看出,三個(gè)模型的F統(tǒng)計(jì)量均在1%的顯著水平上顯著,解釋變量節(jié)點(diǎn)中心度的系數(shù)為-0.005,在10%的水平上顯著;接近中心度的系數(shù)為-0.010,在10%的水平上顯著;中間中心度的系數(shù)為-0.020,在5%的水平上顯著。

      模型一結(jié)果說明,越處于網(wǎng)絡(luò)中心的城市金融風(fēng)險(xiǎn)越低。一方面,因?yàn)樘幱诰W(wǎng)絡(luò)中心的城市與其他城市具有更緊密的經(jīng)濟(jì)往來和風(fēng)險(xiǎn)關(guān)聯(lián),可將自身風(fēng)險(xiǎn)分散給與其存在直接或間接關(guān)聯(lián)的城市。另一方面,居于網(wǎng)絡(luò)中心的城市大多是商業(yè)銀行一級分行所在地,資源集中和動(dòng)員能力均較強(qiáng),風(fēng)險(xiǎn)管理中處于更有利的位置,且風(fēng)險(xiǎn)處置手段較多。比如節(jié)點(diǎn)中心度較高的濟(jì)南市和青島市均屬于這種情況,風(fēng)險(xiǎn)相對較低。同時(shí),網(wǎng)絡(luò)中心城市也容易將金融風(fēng)險(xiǎn)傳染給這些城市,進(jìn)而降低自身金融風(fēng)險(xiǎn),增加與其關(guān)聯(lián)城市的金融風(fēng)險(xiǎn)較高。

      模型二結(jié)果意味著接近中心度越高的城市,其金融風(fēng)險(xiǎn)越低,這是因?yàn)榕c其他城市之間距離越短的城市,與其關(guān)聯(lián)城市的金融互動(dòng)性越強(qiáng),越容易將金融風(fēng)險(xiǎn)傳染給其他城市。這一結(jié)果基本與模型一的檢驗(yàn)結(jié)果相吻合。

      模型三結(jié)果說明,在區(qū)域金融風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)中越處于中間位置的城市,其金融風(fēng)險(xiǎn)越低。同時(shí),結(jié)合前文塊模型分析還可以進(jìn)一步證實(shí),處于網(wǎng)絡(luò)中心的城市在區(qū)域金融風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)中會起到中介作用,通過中介效應(yīng)將關(guān)聯(lián)網(wǎng)絡(luò)中其他城市溢出的風(fēng)險(xiǎn)傳遞給其他城市。

      三個(gè)模型的控制變量回歸結(jié)果很好地反映了經(jīng)濟(jì)現(xiàn)實(shí)。一是GDP增速在三個(gè)模型中的回歸系數(shù)均為負(fù),表明GDP增長越快,區(qū)域金融風(fēng)險(xiǎn)越低,這與實(shí)踐相吻合。二是資產(chǎn)負(fù)債率在模型一和模型二中的回歸系數(shù)為正,表明資產(chǎn)負(fù)債率越高,區(qū)域金融風(fēng)險(xiǎn)越高,這也證實(shí)了企業(yè)較高的資產(chǎn)負(fù)債率隱藏著一定的金融風(fēng)險(xiǎn)。三是工業(yè)企業(yè)營業(yè)利潤率在三個(gè)模型中的回歸系數(shù)均為負(fù),表明工業(yè)企業(yè)營業(yè)利潤率越高,區(qū)域金融風(fēng)險(xiǎn)越低。四是城鄉(xiāng)居民收入差距在模型三中的回歸系數(shù)為正,并且顯著高于模型一和模型二回歸系數(shù)的絕對值,說明城鄉(xiāng)居民收入差距過大會增加社會不穩(wěn)定性,進(jìn)而引發(fā)區(qū)域金融風(fēng)險(xiǎn)的上升。五是政府行為在三個(gè)模型中的回歸系數(shù)均為正,說明政府行為與區(qū)域金融風(fēng)險(xiǎn)正相關(guān),這是因?yàn)橐话愎差A(yù)算支出增加會導(dǎo)致潛在的財(cái)政金融風(fēng)險(xiǎn)。

      六、結(jié)論

      本文基于社會網(wǎng)絡(luò)分析法,以山東省17個(gè)地市為例,利用2011—2018年季度數(shù)據(jù),探討了區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)性及傳染機(jī)制,結(jié)論如下:

      一是從整體網(wǎng)絡(luò)結(jié)構(gòu)特征看,近些年我國區(qū)域性金融風(fēng)險(xiǎn)存在高度的空間關(guān)聯(lián)和溢出效應(yīng),并且呈現(xiàn)出空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)復(fù)雜性、關(guān)聯(lián)性和穩(wěn)健性不斷增強(qiáng)及中心城市增多、邊緣地位城市減少的趨勢。

      二是從個(gè)體網(wǎng)絡(luò)結(jié)構(gòu)特征來看,近年來網(wǎng)絡(luò)節(jié)點(diǎn)中心度、接近中心度和中間中心度平均值明顯上升,說明我國區(qū)域金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)在加強(qiáng)。中心城市作為空間網(wǎng)絡(luò)中的中心行動(dòng)者,與其他中心城市及邊緣城市的聯(lián)系日趨緊密,在區(qū)域金融風(fēng)險(xiǎn)網(wǎng)絡(luò)中具有顯著影響與控制力。

      三是從風(fēng)險(xiǎn)傳染機(jī)制看,網(wǎng)絡(luò)中心城市在風(fēng)險(xiǎn)傳染中主要起中介作用,金融風(fēng)險(xiǎn)以輸入效應(yīng)為主并傳遞給其他城市;而邊緣城市的金融風(fēng)險(xiǎn)主要以溢出效應(yīng)為主,其風(fēng)險(xiǎn)比較容易傳染給與其關(guān)聯(lián)的城市。

      四是進(jìn)一步計(jì)量分析發(fā)現(xiàn),受風(fēng)險(xiǎn)關(guān)聯(lián)、網(wǎng)絡(luò)結(jié)構(gòu)及經(jīng)濟(jì)增長、工業(yè)發(fā)展、城鄉(xiāng)差距和政府收支等多種因素的影響,區(qū)域性金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)中,越處于網(wǎng)絡(luò)中心的城市,其金融風(fēng)險(xiǎn)越低,而位于網(wǎng)絡(luò)邊緣的城市金融風(fēng)險(xiǎn)越高,體現(xiàn)出網(wǎng)絡(luò)結(jié)構(gòu)中風(fēng)險(xiǎn)的異質(zhì)性及金融資源集聚的正面效應(yīng)。

      注:

      ①2019年,萊蕪市并入濟(jì)南市,本文使用數(shù)據(jù)截至2018年,因此仍以17個(gè)地市進(jìn)行研究。

      參考文獻(xiàn):

      [1]Karolyi A G. 2003. Does International Finance Contagion Really Exist? [J].International Finance,6(2).

      [2]蔣先玲.論金融風(fēng)險(xiǎn)的國際傳遞及我國的對策 [J].上海金融高等專科學(xué)校學(xué)報(bào),2000,(1).

      [3]鄭慶寰,林莉.跨市場金融風(fēng)險(xiǎn)的傳遞與監(jiān)管 [J].南方金融,2006,(8).

      [4]宮曉琳.宏觀金融風(fēng)險(xiǎn)聯(lián)動(dòng)綜合傳染機(jī)制 [J].金融研究,2012, (5).

      [5]張磊.基本面關(guān)聯(lián)還是市場恐慌?—金融危機(jī)跨國傳染渠道的文獻(xiàn)綜述及其警示 [J]. 經(jīng)濟(jì)社會體制比較,2013,(3).

      [6]Gorea D,Radev D. 2014. The Euro Area Sovereign Debt Crisis:Can Contagion Spread from the Periphery to the Core? [J].International Review of Economics and Finance,30(3).

      [7]Peek J,Rosengreen E S. 1997. The International Transmission of Financial Shocks:The Case of Japan [J].American Economic Review,87(4).

      [8]Kaminsky G L,Reinhart C M. 2000. On Crises,Contagion,and Confusion [J].Journal of International Economics,51(1).

      [9]Goldstein M. 1998. The Asian Financial Crisis:Causes,Cures,and Systemic Implications [R].Policy Analyses in International Economics,Washington:Institute for International Economics Working Paper.

      [10]Bekaert G,Ehrmann M,F(xiàn)ratzscher M,Mehl A. 2014. The Global Crises and Equity Market Contagion [J]. The Journal of Finance,69(6).

      [11]Calvo G A,Mendoza E G. 2000. Rational Contagion and the Globalization of Securities Markets [J].Journal of International Economics,51(1).

      [12]肖斌卿,王粟旸,周小超,顏建曄.債務(wù)網(wǎng)絡(luò)投資者行為與傳染性風(fēng)險(xiǎn):來自中國銀行業(yè)與房地產(chǎn)業(yè)的研究發(fā)現(xiàn) [J].管理科學(xué)學(xué)報(bào),2014,17(11).

      [13]王永巧,劉詩文.基于時(shí)變Copula的金融開放與風(fēng)險(xiǎn)傳染 [J].系統(tǒng)工程理論與實(shí)踐,2011,31(4).

      [14]王營,曹廷求.中國區(qū)域性金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)及其傳染效應(yīng)——基于社會網(wǎng)絡(luò)分析法 [J].金融經(jīng)濟(jì)學(xué)研究,2017,(3).

      [15]榮夢杰,李剛.區(qū)域金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)、傳染效應(yīng)與風(fēng)險(xiǎn)來源 [J].統(tǒng)計(jì)與決策,2020,36 (24).

      [16]龐念偉.我國系統(tǒng)性金融風(fēng)險(xiǎn)傳染的空間結(jié)構(gòu)及時(shí)變特征 [J].金融發(fā)展研究,2021,(4).

      [17]馮林,董紅霞,郝建嬌.基于ESDA的區(qū)域金融風(fēng)險(xiǎn)傳染評價(jià)研究——山東縣域數(shù)據(jù)的實(shí)證 [J].經(jīng)濟(jì)與管理評論,2016,(1).

      [18]沈麗,張影,李文君.我國區(qū)域金融風(fēng)險(xiǎn)的空間傳染路徑研究 [J].當(dāng)代經(jīng)濟(jì)科學(xué),2019,41(5).

      猜你喜歡
      社會網(wǎng)絡(luò)分析
      突發(fā)事件網(wǎng)絡(luò)輿情傳播的實(shí)證研究
      社會網(wǎng)絡(luò)視角下的旅游規(guī)劃決策研究
      網(wǎng)絡(luò)學(xué)習(xí)平臺和移動(dòng)學(xué)習(xí)平臺協(xié)作學(xué)習(xí)效果比較研究
      國內(nèi)圖書館嵌入式服務(wù)研究主題分析
      展會品牌利益相關(guān)者的構(gòu)成及其網(wǎng)絡(luò)結(jié)構(gòu)研究
      境外公益旅游研究進(jìn)展與啟示
      新浪微博娛樂明星的社會網(wǎng)絡(luò)分析
      基于社會網(wǎng)絡(luò)分析的我國微課研究探析
      國內(nèi)計(jì)算機(jī)領(lǐng)域科研團(tuán)隊(duì)結(jié)構(gòu)分析
      近10年我國會計(jì)學(xué)專業(yè)教育改革的綜合可視化分析
      敦化市| 上饶市| 乳源| 交城县| 苍梧县| 北京市| 合江县| 凉城县| 河源市| 手机| 稷山县| 茶陵县| 即墨市| 贵定县| 泽普县| 承德县| 宝应县| 韶关市| 越西县| 丹凤县| 专栏| 海阳市| 隆子县| 罗田县| 定安县| 莱西市| 瓦房店市| 尼木县| 高陵县| 汉源县| 鸡西市| 丰原市| 通山县| 七台河市| 滨海县| 山东省| 静海县| 锡林郭勒盟| 奈曼旗| 灵石县| 彭阳县|