论文部分内容阅读
[摘要] 进入新世纪以来，随着全球金融一体化程度加深与国际形势不确定性的增强，不同区域与国家间金融系统风险的传染性明显提升，准确识别并有效防范金融系统风险刻不容缓。文章在梳理现有文献的基础上，采用VaR模型分别对中国香港、中国内地和日本的金融系统风险进行度量。研究结果表明，中国香港金融系统风险基本趋于平稳，但偶有剧烈波动;中国内地金融系统风险整体波动明显，但维持在可控水平;日本金融系统风险虽然近两年趋于稳定，但阶段性高点也较为突出。研究发现，中国香港、中国内地、日本之间存在金融系统风险的传导链关系和显著的风险溢出效应，这使得三地难以独自维持金融稳定、实现金融安全。因此，只有在加强对三地金融系统风险监测的基础上，构建与完善区域金融协调机制，才是应对风险的上策。
[关键词] 金融风险;VaR模型;风险测度;溢出效应;新冠肺炎疫情
[中图分类号] F830.9 [文献标识码]A [文章编号]1008-0694（2020）02-0067-12
[作者] 米军 教授 四川大学经济学院 成都 610041
张道涵 四川大学经济学院 成都 610041
[基金项目]国家社会科学基金项目“未来3～5年共建‘一带一路’面临的机遇、风险和挑战研究”（19VDL002）。
一、文献综述
进入新世纪以来，随着全球金融一体化程度加深，特别是近年来国际形势的不确定性显著增强，不同区域与国家间金融系统风险的传染性明显提升。与此同时，随着“一带一路”倡议影响力的不断扩大，中国内地与“一带一路”沿线国家（地区）的相互作用将日益明显。因此，准确判识并有效防范“一带一路”沿线国家（地区）的金融系统风险刻不容缓。其中，中国香港目前是全球最大的人民币离岸中心，与中国内地有高度紧密的金融联系，同时中日间经济联系强度非常高，特别是日本近年对“一带一路”项目的态度也逐渐由抵制、观望转变为积极参与。另外，因考虑到数据获得的充分性，本文最终选取中国香港、中国内地和日本东亚次区域来探究其金融系统风险以及相互间的溢出效应。
在国外，金融系统风险度量方法的研究经过了漫长的探索过程，并最终落脚于各类VaR模型（Value at Risk）。其中，最早期的研究者Markowitz倾向于使用收益率的方差作为风险的衡量标准，[1]并成为此后几十年间的主流。然而在实际中，此种方法更多被运用于投资组合的风险衡量。直至20世纪90年代，VaR模型的出现使得金融风险第一次可以被准确度量。此后，大量方法相继问世，较为传统的有Frankel（1996）的FR模型[2]Sachs （1996）的STV截面模型[3]和Kaminsky （1998）的KLR信号分析法。[4]近几年的新一代风险测度方法则有Acharya （2012）的“边际期望损失法”、[5] Adrian （2016）的“条件风险在值法”等。[6]其中，VaR模型的简便性、普适性和易评估性，使得它逐渐成为测度金融风险的主流方法。在国内，研究金融风险度量的学者更倾向于“选取金融指标一度量金融风险一建立预警模型”的操作流程。徐兰（2012）选取一级指标，共包括12项子指标，构建了开放经济条件下国际金融风险的预警体系;[7]王大庆（2013）则建立了一个基于模糊模式识别的金融风险预警模型;[8]唐升（2018）对1995～2014年中国的金融风险进行评分，在此基础上利用GARCH-VaR方法对金融风险进行测量。[9]与此同时，针对金融风险溢出效应的研究也同样得到高度关注。Apostolakis （2014）研究了G7国家之间的金融风险溢出效果;[10]蒋胜杰（2019）利用MS-VaR模型对中国和欧洲间的信用违约风险的跨区域传染效应进行了实证分析;[11]杨子晖（2018）采用有向无环图技术方法以及网络拓扑分析方法，以中国、美国、英国等国家为代表，从网络关联视角考察全球金融风险的动态演变;[12]朴基石（2019）选择中日韩三国之间金融系统风险的总体溢出效果进行研究。[13]以上研究表明，金融系统风险在地区间存在溢出效应，各地区难以独自维持金融稳定、实现金融安全。
在上述研究的基础上，本文尝试对中国香港、中国内地及日本的金融系统风险和其溢出效应进行考察。首先利用VaR模型量化各自的金融系统风险，然后结合事实与各地区金融系统风险走势图进行实证分析，最后建立VaR模型考察地区之间金融系统风险的溢出效应，并提出相应的建议。
二、金融系统风险测度实证分析
一般来说，一个开放经济体的金融系统风险，在很大程度上源于金融机构的运营。因为金融机构本身存在负债率高、杠杆率高和信息不对称等问题，具有较大的负外部性，也是金融系统脆弱性与不稳定性的来源。为了量化这种特性，本文先选取各地主要金融部门代表性机构的日对数收益率，根据各机构与所属部门的市值对其进行加权处理，再对由此得到的各部门综合收益率进行主成分分析，以获取一个能反映金融系统整体情况的综合指标，最后对这一指标进行VaR分析，进而甄别各地的金融系统风险。
1.指标构建
为了最小化误差影响，本文在筛选数据时，主要选择金融系统中的银行部门、保险部门、证券部门和其他部门（包括信托等服务）的主要代表性机构（详见表1），因为这些机构的行情在很大程度上是整体金融系统走势的晴雨表。
以中国内地银行部门的处理为例，本文将该部门所有已上市机构按市值从大到小排序，并计算各机构市值占总市值的百分比，最终选定的机构为中国银行、工商银行、建设银行、农业银行、交通银行、招商银行和中信银行，其市值总和超过中国内地银行部门总市值的60%。针对其他两地与部门的处理方法和标准与此一致。以此方法和标准选取的样本，由于其市值比重高，在金融系统中具有较为明显的代表性。本文所用数据为根据以上标准选取的金融机构的日对数收益率，样本区间为2014年1月1日至2020年3月6日，共1490个交易数据。选取这一区间，是因为在2013年下半年，习近平总书记提出了“一带一路’’倡議，探究此后三地间的金融系统风险状况及溢出效应更具现实意义。 为了使表1所示的机构最终能代表各自地区金融部门的行情，首先应在各地的每个部门内对其所包含机构的日对数收益率赋予权重，权重为该机构市值与该部门整体市值的比值，再进行加权处理，进而可以得到各部门的综合收益率。接下来，根据所处地的不同，对该地四个部门的收益率进行主成分分析，最终就能获取一个可反映该地金融系统整体走势的综合指标。
下面以对中国内地的数据处理方法为例进行重点描述，将中国内地的银行部门、保险部门、证券部门和其他部门的综合日对数收益率分别命名为cl、c2、c3和c4。
使用主成分分析法前应先检验因子相关性，本文采用了KMO检验方法和巴特利特球度检验方法，得到中国内地数据的KMO值和巴特利特球形检验统计量分别为0.533和1089.218，伴随概率为0.OOO，在99%的置信水平下拒绝原假设。因此，本文可以认为能够使用主成分分析法对上述数据降维。
对cl、c2、c3、c4进行主成分分析操作后，其结果如表2所示：第一个成分占总方差的0.451，第二个成分占0.293，第三个成分占0.178，第四个占0.078。一般认为，取到累计贡献度达0.85时的因子即可，鉴于本文的因子数较少，考虑到文章的严谨性，故提取全部四个因子，分别命名为：fcl、fc2、fc3和fc4。将初始特征值贡献度作为加权数，可以得到综合统计量fc的表达式：
fc=0.451*fcl+0.293*fc2+0.178*fc3+0.078*fc4
又根据表3中得到的成分得分系数矩阵，得到如下四个因子的表达式：
fcl=0.642*cl+0. 209*c2+0. 356*c3+0.646*c4
fc2=-0.279*cl+0. 723*c2+0. 571*c3-0.271*c4
fc3=0.118*cl+0.658*c2-0.740*c3+0.077*c4
fc4=0.704*cl-0.015*c2+0.026*c3-0.710*c4
从而可以分别计算出fcl、fc2、fc3、fc4的序列，并最终得出fc的序列。这样对各部门加权指标再次进行加权得到的fc序列，就可以较好地代表中国内地金融系统的整体形势。
2.风险测度
（l）数据检验。接下来利用fc的序列进行VaR建模。首先，进行正态性检验。利用软件观察fc的因子序列描述统计结果，发现其Jarque-Bera统计量为1464.071，对应的Probability值为0OOO，因此在95%的置信水平下，拒绝fc的因子序列服从正态分布的原假设。然后，进行因子序列平稳性的检验。fc因子序列经ADF单位根检验后，ADF检验值为-30.963，对应的P值为0.OOO，可以认为序列平稳。
通过ADF检验后，即可运用fc因子序列进行相关性分析。本文运用的方法是GARCH-VaR，接下来对fc的序列进行ARCH-LM检验。在建立了序列AR （1）方程后进行检验，检验结果为：F统计量为5.338，对应P值为0.021，Obs*R-squared的值为5.326，对应P值为0.021，因此fc的序列在5%的显著性水平下拒绝原假设，存在自回归条件异方差效应。故而应在AR（1）均值方程基础上建立GARCH（1，1）模型。在对中国内地数据处理成功的基础上，本文用相同方式对中国香港与日本的数据进行处理，并得到了类似的结论。最终依据AIC准则，三地模型构建的最佳拟合结果如表4所示。
（2） VaR计算及分析。基于上述各地的拟合结果，可以得到它们各自的条件均值序列与条件方差序列。同时，根据GARCH模型估计VaR的公式如下：图1），图中较为明显的波动区间已用灰色阴影区域进行标识。同样的方式对中国香港和日本的数据进行处理，分别得到了中国香港金融系统风险走势图（详见图2）和日本金融系统风险走势图（详见图3）。
目前学界对VaR测度值与风险水平的定量关联暂未形成统一标准。根据计算结果，结合已有研究，并适当考虑操作的简便性，进行如下定义：VaR测度值在6%以下为低风险信号，在6%至8%为普通可控风险信号，超过8%为风险失控信号。据此定义，由图1可知，中国内地的金融系统风险波动频繁，但整体可控，这体现了发展中国家大型经济体的特点以及宏观调控的积极作用。样本期内，中国内地的VaR测量值基本在1%至6%之间浮动，有五个阶段性高点达到了6%至8%之间的水平。其中，2015年7月、2016年1月和2019年5月都对应了当年的“千股跌停”事件，2016年1月更是中国股市由于熔断机制发生暴跌的时段。2016年4月则是沪深两市在供给侧结构性改革概念股的强势影响下，发生持续震荡的一段时期，但随后较长一段时间内，中国内地金融系统风险维持在较低水平。直到2020年初的新冠肺炎疫情使得市场对中国内地经济增长的担忧加剧，2020年2月3日开盘后上证指数和深证综指同时下跌7%以上，此时中国内地的金融系统风险又出现了快速攀升的现象。综上所述，中国内地的金融系统风险整体波動较明显，与其金融体制还不够成熟有很大关系;尽管不稳定，但中国内地的金融系统风险也没有出现过于突出的极值点，这得益于我国金融系统背后的宏观调控，党中央一直在金融系统发生剧烈波动时，努力守住不发生金融系统风险的底线。
在对中国香港的风险走势图进行实证分析时，我们认为，香港作为金融中心，其金融系统风险展现出整体平稳，但偶有失控现象的特点。样本区间内，中国香港的金融风险基本趋于平稳，其VaR测度值几乎都在2%至5%的范围内浮动。这符合香港金融系统成熟，整体风险较低的实际情况。但尽管如此，香港的金融风险仍会偶尔出现极大波动，在图2中所示的时期内，2015年6月VaR的短期峰值激增到了13%左右，2019年7月左右的峰值接近9%，这主要与同期发生的重大事件如香港证监会与廉政公署执法反IPO贪腐以及香港修例风波相关。两个时间段内，中国香港政治的不确定性都大大增加，进而使投资者的预期下调，产生了过激反应与“羊群效应”，与此同时香港恒生指数也都出现了不同程度的明显下跌，中国香港的金融系统风险也呈现跳跃式激增。 日本作为发达国家大型经济体，其金融系统风险整体由乱趋稳，且易受国际形势巨变影响。尽管日本也拥有较为发达的金融系统，依然会出现阶段性的金融风险失控趋势。样本区间内，虽然日本的VaR测度大部分稳定在2%至6%之间，但其阶段性高点也较为突出，最高达到了10%左右，且分布集中于2016年，这主要与同期英国决定退出欧盟以及特朗普赢得美国总统选举等国际大事的影响密切相关。不过之后的两年，日本的金融系统风险逐渐趋于稳定。
三、金融系统风险溢出效应分析
随着经济全球化和区域经济一体化的不断推进，加之中国香港、中国内地与日本间紧密的经济金融联系，三者之间必然会产生金融系统风险的溢出效应。为了量化这种溢出效应，在对三地的金融系统风险进行度量，且结论经实证分析与事实较为相符的条件下，本文对各地的风险测度指标建立了VaR模型，并基于SC准则选择最优的滞后阶数。在完成建模之后，为了更加简洁直观地了解三地金融风险关联性，并观察时间对这种关联性产生的影响，本文将利用方差分解工具，对其进行可视化处理。
在为方差分解設定预测期时，本文发现三地间的金融系统风险溢出效应均在预测期为60天左右时趋于平稳。为体现这一趋势特征，本文选取了各地第1天、第30天、第60天、第90天和第120天的数据（详见表5）。
可见60天后，分析结果数据的变化幅度明显缩小。这说明各地之间金融系统风险的传导将会在两个月后逐步稳定。因此，为了兼顾时效性与代表性，更直接有效地刻画溢出效应，本文最终选择报告预测期为60天的3×3风险溢出矩阵（详见表6）。其中，TO衡量的是各列地区（国家）对三地的总风险溢出，FROM代表各行地区（国家）受到三地的总风险溢出。此外，溢出矩阵的右下角元素衡量的是各地金融体系的风险溢出指数，它等于所有TO元素加总或所有FROM元素加总的均值。
根据表6，从FROM指标来看，中国内地的金融系统风险受到溢出效应的影响最大，稳定在12.281%，日本紧随其后，中国香港所受影响相对较小。从TO指标来看，中国香港的金融系统风险产生的溢出效应最大，为15.031%，这也符合香港作为世界金融中心的实际情况，其次是中国内地（11.630%）.都高于日本（2.014%）。
总体上看，中国香港、中国内地及日本三地之间存在着显著的风险溢出效应。具体来看，首先，中国内地虽是溢出效应的最大接受者，却并不是最大输出者。作为发展中国家大型经济体的代表，尽管中国内地拥有巨大的经济体量，但由于其内在金融机制的不成熟，以及投资者信心不足而可能导致的羊群效应，依然会面临溢出效应带来的风险剧烈波动，这时体量的巨大反而可能加剧情况的恶化。其次，中国香港作为世界金融中心之一，在可以成熟应对外来冲击的同时，其自身的金融系统风险必然会对其他两地产生不容忽视的溢出效应。这一结论也与杨子晖（2018）的研究结果相吻合。[14]因为中国香港金融系统风险的剧烈变化，往往能让投资者对金融行业的整体预期产生变化，进而导致投资市场的需求下降，从而在一定的延迟后，对其他两地的金融系统产生巨大冲击。另外，日本作为发达国家的大型经济体，尽管拥有较为成熟的金融系统，也不可避免地会受到临近大型经济体以及金融中心的风险冲击。
最后，为了甄别上文VaR模型中的相互溢出效应是否真实存在，本文将对三地的金融系统风险序列进行格兰杰因果关系检验，以确定各地区间风险溢出效应的因果关系，检验结果如表7所示。
根据结果，在5%的显著性水平上，中国香港金融系统风险是中国内地金融系统风险的格兰杰原因，中国内地金融系统风险是日本金融系统风险的格兰杰原因。这说明“中国香港（金融中心）一中国内地（发展中国家大型经济体）一日本（发达国家大型经济体）”之间存在金融系统风险的传导链关系。
以上结果表明，首先，中国香港作为世界性金融中心的同时，也是金融系统风险的传染中心。香港一贯以国际金融中心地位自居，对国际形势变化的敏感性较强，且资本出于对风险的高度敏感性，往往会流到具有高度风险管理能力的香港市场，这就使得中国香港成为三地金融系统风险的传播源头。其次，中国内地是三者间的重要枢纽。一方面，中国内地与中国香港的金融联系紧密，中国香港目前是全球最大的人民币离岸中心，是中国内地在对外贸易及对外合作方面的“桥头堡”，并且香港特区政府还在2017年提出将“继续全力支持‘一带一路’倡议，凭着‘一国两制’及其他优势，充分发挥‘超级联系人’作用”，这进一步加深了二者的联系。另一方面，中日间的经济联系强度非常高，互为重要贸易伙伴。最后，尽管日本拥有较为成熟的金融体系，中国香港的金融系统风险难以直接传导至日本，但其却可以传染金融体系相对不成熟且在三者间处于纽带地位的中国内地，再由体量巨大的内地将来自中国香港的金融系统溢出的风险放大并传染给日本，最终形成中国香港对日本的间接影响，形成完整的金融系统风险传导链。
四、结论及建议
本文采用VaR模型分别对中国香港、中国内地和日本的金融系统风险进行度量，并进行了三地间风险溢出效应分析，得出如下结论：
第一，结合三个区域的金融系统风险走势图来看，它们各自的风险特点如下：中国内地波动频繁，但整体可控，其VaR值在1%至6%之间浮动，最高点仅为8%，体现了政府宏观调控的积极作用;中国香港偶有失控现象，但整体平稳，其VaR值大部分时间在2%至5%的范围内浮动，也有高点达到13%，其趋势可佐证多种风险间的连锁反应;日本存在阶段性失控现象，整体由乱趋稳，其VaR值大部分稳定在2%至6%之间，但阶段性高点也较为突出，高点达到了10%左右，表明其易受到国际形势巨变影响。
第二，传统安全风险和非传统安全风险事件会对金融系统风险造成较大冲击。比如中国香港由于“一国两制”的特殊性，其金融系统极易受政治事件的影响。对日本来说，我们也发现其金融系统风险受国际性事件的影响较大。此外，非传统安全风险也不容小觑，比如新冠肺炎疫情暴发这样的全球性突发公共卫生事件也会对金融系统风险造成冲击。以上类型的事件，都会通过恐慌情绪的扩散与投资者预期的降低，造成金融系统风险水平的快速攀升。 第三，构建出了一条“中国香港（金融中心）一中国内地（发展中国家大型经济体）一日本（发达国家大型经济体）”的金融系统风险传导链。同时发现，三地的金融系统风险存在显著的溢出效应，且这种效应在60天左右具有趋于稳定的特性，并总结了它们各自代表的经济体类型在风险传导中扮演的角色。
基于以上结论，本文提出如下建议：
第一，继续深化金融改革。结合关于中国内地风险测度的结论，可以发现，如供给侧结构改革这样的概念与措施会使金融系统出现短期波动，但却有利于其长期稳定。因此，我国应该继续坚持有序推进金融改革发展，构建风险投资、银行信贷、债券市场、股票市场等全方位、多层次金融支持服务体系。与此同时，还要明确实体经济的健康发展才是防范化解风险的基础，因此金融部门应回归本源，服务实体经济的发展。
第二，兼顾多重风险。防范金融系统风险时，不能只将目光局限于金融层面。从三地的风险走势中不难看出，除了金融风险因素，以政治风险为首的传统安全风险和以新冠肺炎疫情为代表的非传统安全风险，都会引起金融系统风险的连锁反应，各种风险之间存在溢出传导作用。特别是我国通过“一带一路”建设与沿线国家（地区）合作的过程中，风险连锁反应的可能性大大增加。
为防范传统安全风险，我国应在发展经济的同时，突出维护社会稳定和关注百姓民生的中心问题，特别是在香港、澳门、台湾问题上，在坚持一个中国原则下加强对内和对外全方位、多领域综合应对准备。对诸如英国脱欧、美国大选等国际重大政治事件，应及早加强正确的舆论导向和宣传。
针对非传统安全风险，比如新冠肺炎疫情不断扩散的情况下，当务之急是先尝试在“一带一路”疫情防控区域建立国际联防联控合作机制，为沿线各国的医疗设施提供升级服务。待新冠肺炎疫情被完全控制且疫情防控区域合作组织的运作积累一定经验后，继续着手“一带一路”生态环境委员会、“一带一路”非法移民委员会、“一带一路”投资指导委员会等区域合作组织的架构，最终形成一个完整而成熟的“一带一路”非传统安全风险联防联控机制。同时，抓住新冠肺炎疫情等非传统风险带来的发展契机，特别加强中日韩（包括我国港澳台等地区）在相关产业的合作，抵消新冠肺炎疫情对金融的部分负面冲击。
第三，完善區域金融合作机制。在地区间金融系统风险溢出效应无法避免的情况下，不妨化风险为机遇，以实施“一带一路”项目为契机，加强与丝路沿线各国在银行、保险、证券等行业的金融合作，推进“一带一路”货币稳定体系、投融资体系和信用体系的建设。与此同时，应建立金融系统风险识别与处置的合作机制，从国家层面到区域层面，构建点面结合的金融风险预警体系，特别是通过建立金融风险地区与国别援助机制，对经济金融出现困难的国家或地区提供及时的国际援助，这既有利于最小化其他国家对我国的溢出效应，也能提升国际形象。
参考文献：
[1]Markowitz H.Portfolio Selection[J]. Journal of Finance， 1952， （01）.
[2] Frankel J A， Rose A K.Currency Crashes in Emerging Markets： An Empirical Treat-ment [J]. International Finance Discussion Papers， 1996， （03）.
[3） Sachs J D， Tornell A， Andres Velasco， et al.Financial Crises in Emerging Markets：The Lessons from 1995 [J]. Brookings Papers on Economic Activity， 1996， （01）.
[4] Kaminsky G， Reinhart L C M. Leading Indicators of Currency Crises [J]. Staff Papers，1998， （01）。
[5] Acharya Viral V， Pedersen Lasse H， Philippon Thomas， Richardson Matthew P.Mea-suring Systemic Risk[R]. C. E.P. R.Discussion Papers， 2012.
[6] Adrian T， Brunnermeier M K.CoVaR [J]. The American Economic Review， 2016，（07）.
[7]徐兰，国际金融风险预警体系构建与实证检验[J].求索，2012，（11）.
[8]王大庆，系统性金融风险预警模型创建研究[J].经济研究参考，2013，（49）.
[9]唐升，周新苗.中国系统性金融风险与安全预警实证研究[J].宏观经济研究，2018，（03）.
[10] Apostolakis G， Papadopoulos A P.Financial Stress Spillovers in Advanced Economies[J]. Journal of International Financial Markets Institutions&Money， 2014， （09）.
[11]蒋胜杰，傅晓媛，李俊峰.金融危机下信用违约风险的宏观驱动因素及跨区域传染效应——基于亚洲、北美、欧洲三大区域的实证分析[J].中央财经大学学报，2019，（06）.
[12][14]杨子晖，周颖刚.全球系统性金融风险溢出与外部冲击[J].中国社会科学，2018，（12）.
[13]朴基石，金华林.中日韩金融系统风险的溢出特征研究[J].现代日本经济，2019，（03）. （責任编辑 张筠） Study on Risk Measurement and Spillover Effect of Financial
System in China. Hong Kong，Mainland China and Japan
Mi Jun Zhang Daohan
Abstract ： Since the beginning of the new century， with the deepening of globalfinancial integration and the increasing uncertainty of international situation， thecontagion of financial system risk among different regions and countries has in-creased significantly. Therefore，it is urgent to accurately identify and effectivelyprevent financial system risk. Based on reviewing the existing literature ， this paperuses VaR model to measure the financial system risk of Hong Kong ，mainland Chinaand Japan respectively. The results show that， the financial system risk in HongKong ， China tends to be stable ， but occasionally fluctuates violently; the overall fi-nancial system risk in mainland China fluctuates obviously， but remains at a con-trollable level;the financial system risk in Japan tends to be stable in recent twoyears， but the staged high points are also relatively prominent. Further researchshows that there are transmission chain and significant risk spillover effect betweenHong Kong，mainland China and Japan，which makes it difficult for them to main-tain financial stability and achieve financial security alone. Therefore， Building andimproving the regional financial coordination mechanism on the basis of strengthen-ing the risk monitoring of the three financial systems is the best way to deal withrisk.
Key words ： financial system risk; VaR model; risk measurement; spillover ef-fect ; COVID-19
[关键词] 金融风险;VaR模型;风险测度;溢出效应;新冠肺炎疫情
[中图分类号] F830.9 [文献标识码]A [文章编号]1008-0694（2020）02-0067-12
[作者] 米军 教授 四川大学经济学院 成都 610041
张道涵 四川大学经济学院 成都 610041
[基金项目]国家社会科学基金项目“未来3～5年共建‘一带一路’面临的机遇、风险和挑战研究”（19VDL002）。
一、文献综述
进入新世纪以来，随着全球金融一体化程度加深，特别是近年来国际形势的不确定性显著增强，不同区域与国家间金融系统风险的传染性明显提升。与此同时，随着“一带一路”倡议影响力的不断扩大，中国内地与“一带一路”沿线国家（地区）的相互作用将日益明显。因此，准确判识并有效防范“一带一路”沿线国家（地区）的金融系统风险刻不容缓。其中，中国香港目前是全球最大的人民币离岸中心，与中国内地有高度紧密的金融联系，同时中日间经济联系强度非常高，特别是日本近年对“一带一路”项目的态度也逐渐由抵制、观望转变为积极参与。另外，因考虑到数据获得的充分性，本文最终选取中国香港、中国内地和日本东亚次区域来探究其金融系统风险以及相互间的溢出效应。
在国外，金融系统风险度量方法的研究经过了漫长的探索过程，并最终落脚于各类VaR模型（Value at Risk）。其中，最早期的研究者Markowitz倾向于使用收益率的方差作为风险的衡量标准，[1]并成为此后几十年间的主流。然而在实际中，此种方法更多被运用于投资组合的风险衡量。直至20世纪90年代，VaR模型的出现使得金融风险第一次可以被准确度量。此后，大量方法相继问世，较为传统的有Frankel（1996）的FR模型[2]Sachs （1996）的STV截面模型[3]和Kaminsky （1998）的KLR信号分析法。[4]近几年的新一代风险测度方法则有Acharya （2012）的“边际期望损失法”、[5] Adrian （2016）的“条件风险在值法”等。[6]其中，VaR模型的简便性、普适性和易评估性，使得它逐渐成为测度金融风险的主流方法。在国内，研究金融风险度量的学者更倾向于“选取金融指标一度量金融风险一建立预警模型”的操作流程。徐兰（2012）选取一级指标，共包括12项子指标，构建了开放经济条件下国际金融风险的预警体系;[7]王大庆（2013）则建立了一个基于模糊模式识别的金融风险预警模型;[8]唐升（2018）对1995～2014年中国的金融风险进行评分，在此基础上利用GARCH-VaR方法对金融风险进行测量。[9]与此同时，针对金融风险溢出效应的研究也同样得到高度关注。Apostolakis （2014）研究了G7国家之间的金融风险溢出效果;[10]蒋胜杰（2019）利用MS-VaR模型对中国和欧洲间的信用违约风险的跨区域传染效应进行了实证分析;[11]杨子晖（2018）采用有向无环图技术方法以及网络拓扑分析方法，以中国、美国、英国等国家为代表，从网络关联视角考察全球金融风险的动态演变;[12]朴基石（2019）选择中日韩三国之间金融系统风险的总体溢出效果进行研究。[13]以上研究表明，金融系统风险在地区间存在溢出效应，各地区难以独自维持金融稳定、实现金融安全。
在上述研究的基础上，本文尝试对中国香港、中国内地及日本的金融系统风险和其溢出效应进行考察。首先利用VaR模型量化各自的金融系统风险，然后结合事实与各地区金融系统风险走势图进行实证分析，最后建立VaR模型考察地区之间金融系统风险的溢出效应，并提出相应的建议。
二、金融系统风险测度实证分析
一般来说，一个开放经济体的金融系统风险，在很大程度上源于金融机构的运营。因为金融机构本身存在负债率高、杠杆率高和信息不对称等问题，具有较大的负外部性，也是金融系统脆弱性与不稳定性的来源。为了量化这种特性，本文先选取各地主要金融部门代表性机构的日对数收益率，根据各机构与所属部门的市值对其进行加权处理，再对由此得到的各部门综合收益率进行主成分分析，以获取一个能反映金融系统整体情况的综合指标，最后对这一指标进行VaR分析，进而甄别各地的金融系统风险。
1.指标构建
为了最小化误差影响，本文在筛选数据时，主要选择金融系统中的银行部门、保险部门、证券部门和其他部门（包括信托等服务）的主要代表性机构（详见表1），因为这些机构的行情在很大程度上是整体金融系统走势的晴雨表。
以中国内地银行部门的处理为例，本文将该部门所有已上市机构按市值从大到小排序，并计算各机构市值占总市值的百分比，最终选定的机构为中国银行、工商银行、建设银行、农业银行、交通银行、招商银行和中信银行，其市值总和超过中国内地银行部门总市值的60%。针对其他两地与部门的处理方法和标准与此一致。以此方法和标准选取的样本，由于其市值比重高，在金融系统中具有较为明显的代表性。本文所用数据为根据以上标准选取的金融机构的日对数收益率，样本区间为2014年1月1日至2020年3月6日，共1490个交易数据。选取这一区间，是因为在2013年下半年，习近平总书记提出了“一带一路’’倡議，探究此后三地间的金融系统风险状况及溢出效应更具现实意义。 为了使表1所示的机构最终能代表各自地区金融部门的行情，首先应在各地的每个部门内对其所包含机构的日对数收益率赋予权重，权重为该机构市值与该部门整体市值的比值，再进行加权处理，进而可以得到各部门的综合收益率。接下来，根据所处地的不同，对该地四个部门的收益率进行主成分分析，最终就能获取一个可反映该地金融系统整体走势的综合指标。
下面以对中国内地的数据处理方法为例进行重点描述，将中国内地的银行部门、保险部门、证券部门和其他部门的综合日对数收益率分别命名为cl、c2、c3和c4。
使用主成分分析法前应先检验因子相关性，本文采用了KMO检验方法和巴特利特球度检验方法，得到中国内地数据的KMO值和巴特利特球形检验统计量分别为0.533和1089.218，伴随概率为0.OOO，在99%的置信水平下拒绝原假设。因此，本文可以认为能够使用主成分分析法对上述数据降维。
对cl、c2、c3、c4进行主成分分析操作后，其结果如表2所示：第一个成分占总方差的0.451，第二个成分占0.293，第三个成分占0.178，第四个占0.078。一般认为，取到累计贡献度达0.85时的因子即可，鉴于本文的因子数较少，考虑到文章的严谨性，故提取全部四个因子，分别命名为：fcl、fc2、fc3和fc4。将初始特征值贡献度作为加权数，可以得到综合统计量fc的表达式：
fc=0.451*fcl+0.293*fc2+0.178*fc3+0.078*fc4
又根据表3中得到的成分得分系数矩阵，得到如下四个因子的表达式：
fcl=0.642*cl+0. 209*c2+0. 356*c3+0.646*c4
fc2=-0.279*cl+0. 723*c2+0. 571*c3-0.271*c4
fc3=0.118*cl+0.658*c2-0.740*c3+0.077*c4
fc4=0.704*cl-0.015*c2+0.026*c3-0.710*c4
从而可以分别计算出fcl、fc2、fc3、fc4的序列，并最终得出fc的序列。这样对各部门加权指标再次进行加权得到的fc序列，就可以较好地代表中国内地金融系统的整体形势。
2.风险测度
（l）数据检验。接下来利用fc的序列进行VaR建模。首先，进行正态性检验。利用软件观察fc的因子序列描述统计结果，发现其Jarque-Bera统计量为1464.071，对应的Probability值为0OOO，因此在95%的置信水平下，拒绝fc的因子序列服从正态分布的原假设。然后，进行因子序列平稳性的检验。fc因子序列经ADF单位根检验后，ADF检验值为-30.963，对应的P值为0.OOO，可以认为序列平稳。
通过ADF检验后，即可运用fc因子序列进行相关性分析。本文运用的方法是GARCH-VaR，接下来对fc的序列进行ARCH-LM检验。在建立了序列AR （1）方程后进行检验，检验结果为：F统计量为5.338，对应P值为0.021，Obs*R-squared的值为5.326，对应P值为0.021，因此fc的序列在5%的显著性水平下拒绝原假设，存在自回归条件异方差效应。故而应在AR（1）均值方程基础上建立GARCH（1，1）模型。在对中国内地数据处理成功的基础上，本文用相同方式对中国香港与日本的数据进行处理，并得到了类似的结论。最终依据AIC准则，三地模型构建的最佳拟合结果如表4所示。
（2） VaR计算及分析。基于上述各地的拟合结果，可以得到它们各自的条件均值序列与条件方差序列。同时，根据GARCH模型估计VaR的公式如下：图1），图中较为明显的波动区间已用灰色阴影区域进行标识。同样的方式对中国香港和日本的数据进行处理，分别得到了中国香港金融系统风险走势图（详见图2）和日本金融系统风险走势图（详见图3）。
目前学界对VaR测度值与风险水平的定量关联暂未形成统一标准。根据计算结果，结合已有研究，并适当考虑操作的简便性，进行如下定义：VaR测度值在6%以下为低风险信号，在6%至8%为普通可控风险信号，超过8%为风险失控信号。据此定义，由图1可知，中国内地的金融系统风险波动频繁，但整体可控，这体现了发展中国家大型经济体的特点以及宏观调控的积极作用。样本期内，中国内地的VaR测量值基本在1%至6%之间浮动，有五个阶段性高点达到了6%至8%之间的水平。其中，2015年7月、2016年1月和2019年5月都对应了当年的“千股跌停”事件，2016年1月更是中国股市由于熔断机制发生暴跌的时段。2016年4月则是沪深两市在供给侧结构性改革概念股的强势影响下，发生持续震荡的一段时期，但随后较长一段时间内，中国内地金融系统风险维持在较低水平。直到2020年初的新冠肺炎疫情使得市场对中国内地经济增长的担忧加剧，2020年2月3日开盘后上证指数和深证综指同时下跌7%以上，此时中国内地的金融系统风险又出现了快速攀升的现象。综上所述，中国内地的金融系统风险整体波動较明显，与其金融体制还不够成熟有很大关系;尽管不稳定，但中国内地的金融系统风险也没有出现过于突出的极值点，这得益于我国金融系统背后的宏观调控，党中央一直在金融系统发生剧烈波动时，努力守住不发生金融系统风险的底线。
在对中国香港的风险走势图进行实证分析时，我们认为，香港作为金融中心，其金融系统风险展现出整体平稳，但偶有失控现象的特点。样本区间内，中国香港的金融风险基本趋于平稳，其VaR测度值几乎都在2%至5%的范围内浮动。这符合香港金融系统成熟，整体风险较低的实际情况。但尽管如此，香港的金融风险仍会偶尔出现极大波动，在图2中所示的时期内，2015年6月VaR的短期峰值激增到了13%左右，2019年7月左右的峰值接近9%，这主要与同期发生的重大事件如香港证监会与廉政公署执法反IPO贪腐以及香港修例风波相关。两个时间段内，中国香港政治的不确定性都大大增加，进而使投资者的预期下调，产生了过激反应与“羊群效应”，与此同时香港恒生指数也都出现了不同程度的明显下跌，中国香港的金融系统风险也呈现跳跃式激增。 日本作为发达国家大型经济体，其金融系统风险整体由乱趋稳，且易受国际形势巨变影响。尽管日本也拥有较为发达的金融系统，依然会出现阶段性的金融风险失控趋势。样本区间内，虽然日本的VaR测度大部分稳定在2%至6%之间，但其阶段性高点也较为突出，最高达到了10%左右，且分布集中于2016年，这主要与同期英国决定退出欧盟以及特朗普赢得美国总统选举等国际大事的影响密切相关。不过之后的两年，日本的金融系统风险逐渐趋于稳定。
三、金融系统风险溢出效应分析
随着经济全球化和区域经济一体化的不断推进，加之中国香港、中国内地与日本间紧密的经济金融联系，三者之间必然会产生金融系统风险的溢出效应。为了量化这种溢出效应，在对三地的金融系统风险进行度量，且结论经实证分析与事实较为相符的条件下，本文对各地的风险测度指标建立了VaR模型，并基于SC准则选择最优的滞后阶数。在完成建模之后，为了更加简洁直观地了解三地金融风险关联性，并观察时间对这种关联性产生的影响，本文将利用方差分解工具，对其进行可视化处理。
在为方差分解設定预测期时，本文发现三地间的金融系统风险溢出效应均在预测期为60天左右时趋于平稳。为体现这一趋势特征，本文选取了各地第1天、第30天、第60天、第90天和第120天的数据（详见表5）。
可见60天后，分析结果数据的变化幅度明显缩小。这说明各地之间金融系统风险的传导将会在两个月后逐步稳定。因此，为了兼顾时效性与代表性，更直接有效地刻画溢出效应，本文最终选择报告预测期为60天的3×3风险溢出矩阵（详见表6）。其中，TO衡量的是各列地区（国家）对三地的总风险溢出，FROM代表各行地区（国家）受到三地的总风险溢出。此外，溢出矩阵的右下角元素衡量的是各地金融体系的风险溢出指数，它等于所有TO元素加总或所有FROM元素加总的均值。
根据表6，从FROM指标来看，中国内地的金融系统风险受到溢出效应的影响最大，稳定在12.281%，日本紧随其后，中国香港所受影响相对较小。从TO指标来看，中国香港的金融系统风险产生的溢出效应最大，为15.031%，这也符合香港作为世界金融中心的实际情况，其次是中国内地（11.630%）.都高于日本（2.014%）。
总体上看，中国香港、中国内地及日本三地之间存在着显著的风险溢出效应。具体来看，首先，中国内地虽是溢出效应的最大接受者，却并不是最大输出者。作为发展中国家大型经济体的代表，尽管中国内地拥有巨大的经济体量，但由于其内在金融机制的不成熟，以及投资者信心不足而可能导致的羊群效应，依然会面临溢出效应带来的风险剧烈波动，这时体量的巨大反而可能加剧情况的恶化。其次，中国香港作为世界金融中心之一，在可以成熟应对外来冲击的同时，其自身的金融系统风险必然会对其他两地产生不容忽视的溢出效应。这一结论也与杨子晖（2018）的研究结果相吻合。[14]因为中国香港金融系统风险的剧烈变化，往往能让投资者对金融行业的整体预期产生变化，进而导致投资市场的需求下降，从而在一定的延迟后，对其他两地的金融系统产生巨大冲击。另外，日本作为发达国家的大型经济体，尽管拥有较为成熟的金融系统，也不可避免地会受到临近大型经济体以及金融中心的风险冲击。
最后，为了甄别上文VaR模型中的相互溢出效应是否真实存在，本文将对三地的金融系统风险序列进行格兰杰因果关系检验，以确定各地区间风险溢出效应的因果关系，检验结果如表7所示。
根据结果，在5%的显著性水平上，中国香港金融系统风险是中国内地金融系统风险的格兰杰原因，中国内地金融系统风险是日本金融系统风险的格兰杰原因。这说明“中国香港（金融中心）一中国内地（发展中国家大型经济体）一日本（发达国家大型经济体）”之间存在金融系统风险的传导链关系。
以上结果表明，首先，中国香港作为世界性金融中心的同时，也是金融系统风险的传染中心。香港一贯以国际金融中心地位自居，对国际形势变化的敏感性较强，且资本出于对风险的高度敏感性，往往会流到具有高度风险管理能力的香港市场，这就使得中国香港成为三地金融系统风险的传播源头。其次，中国内地是三者间的重要枢纽。一方面，中国内地与中国香港的金融联系紧密，中国香港目前是全球最大的人民币离岸中心，是中国内地在对外贸易及对外合作方面的“桥头堡”，并且香港特区政府还在2017年提出将“继续全力支持‘一带一路’倡议，凭着‘一国两制’及其他优势，充分发挥‘超级联系人’作用”，这进一步加深了二者的联系。另一方面，中日间的经济联系强度非常高，互为重要贸易伙伴。最后，尽管日本拥有较为成熟的金融体系，中国香港的金融系统风险难以直接传导至日本，但其却可以传染金融体系相对不成熟且在三者间处于纽带地位的中国内地，再由体量巨大的内地将来自中国香港的金融系统溢出的风险放大并传染给日本，最终形成中国香港对日本的间接影响，形成完整的金融系统风险传导链。
四、结论及建议
本文采用VaR模型分别对中国香港、中国内地和日本的金融系统风险进行度量，并进行了三地间风险溢出效应分析，得出如下结论：
第一，结合三个区域的金融系统风险走势图来看，它们各自的风险特点如下：中国内地波动频繁，但整体可控，其VaR值在1%至6%之间浮动，最高点仅为8%，体现了政府宏观调控的积极作用;中国香港偶有失控现象，但整体平稳，其VaR值大部分时间在2%至5%的范围内浮动，也有高点达到13%，其趋势可佐证多种风险间的连锁反应;日本存在阶段性失控现象，整体由乱趋稳，其VaR值大部分稳定在2%至6%之间，但阶段性高点也较为突出，高点达到了10%左右，表明其易受到国际形势巨变影响。
第二，传统安全风险和非传统安全风险事件会对金融系统风险造成较大冲击。比如中国香港由于“一国两制”的特殊性，其金融系统极易受政治事件的影响。对日本来说，我们也发现其金融系统风险受国际性事件的影响较大。此外，非传统安全风险也不容小觑，比如新冠肺炎疫情暴发这样的全球性突发公共卫生事件也会对金融系统风险造成冲击。以上类型的事件，都会通过恐慌情绪的扩散与投资者预期的降低，造成金融系统风险水平的快速攀升。 第三，构建出了一条“中国香港（金融中心）一中国内地（发展中国家大型经济体）一日本（发达国家大型经济体）”的金融系统风险传导链。同时发现，三地的金融系统风险存在显著的溢出效应，且这种效应在60天左右具有趋于稳定的特性，并总结了它们各自代表的经济体类型在风险传导中扮演的角色。
基于以上结论，本文提出如下建议：
第一，继续深化金融改革。结合关于中国内地风险测度的结论，可以发现，如供给侧结构改革这样的概念与措施会使金融系统出现短期波动，但却有利于其长期稳定。因此，我国应该继续坚持有序推进金融改革发展，构建风险投资、银行信贷、债券市场、股票市场等全方位、多层次金融支持服务体系。与此同时，还要明确实体经济的健康发展才是防范化解风险的基础，因此金融部门应回归本源，服务实体经济的发展。
第二，兼顾多重风险。防范金融系统风险时，不能只将目光局限于金融层面。从三地的风险走势中不难看出，除了金融风险因素，以政治风险为首的传统安全风险和以新冠肺炎疫情为代表的非传统安全风险，都会引起金融系统风险的连锁反应，各种风险之间存在溢出传导作用。特别是我国通过“一带一路”建设与沿线国家（地区）合作的过程中，风险连锁反应的可能性大大增加。
为防范传统安全风险，我国应在发展经济的同时，突出维护社会稳定和关注百姓民生的中心问题，特别是在香港、澳门、台湾问题上，在坚持一个中国原则下加强对内和对外全方位、多领域综合应对准备。对诸如英国脱欧、美国大选等国际重大政治事件，应及早加强正确的舆论导向和宣传。
针对非传统安全风险，比如新冠肺炎疫情不断扩散的情况下，当务之急是先尝试在“一带一路”疫情防控区域建立国际联防联控合作机制，为沿线各国的医疗设施提供升级服务。待新冠肺炎疫情被完全控制且疫情防控区域合作组织的运作积累一定经验后，继续着手“一带一路”生态环境委员会、“一带一路”非法移民委员会、“一带一路”投资指导委员会等区域合作组织的架构，最终形成一个完整而成熟的“一带一路”非传统安全风险联防联控机制。同时，抓住新冠肺炎疫情等非传统风险带来的发展契机，特别加强中日韩（包括我国港澳台等地区）在相关产业的合作，抵消新冠肺炎疫情对金融的部分负面冲击。
第三，完善區域金融合作机制。在地区间金融系统风险溢出效应无法避免的情况下，不妨化风险为机遇，以实施“一带一路”项目为契机，加强与丝路沿线各国在银行、保险、证券等行业的金融合作，推进“一带一路”货币稳定体系、投融资体系和信用体系的建设。与此同时，应建立金融系统风险识别与处置的合作机制，从国家层面到区域层面，构建点面结合的金融风险预警体系，特别是通过建立金融风险地区与国别援助机制，对经济金融出现困难的国家或地区提供及时的国际援助，这既有利于最小化其他国家对我国的溢出效应，也能提升国际形象。
参考文献：
[1]Markowitz H.Portfolio Selection[J]. Journal of Finance， 1952， （01）.
[2] Frankel J A， Rose A K.Currency Crashes in Emerging Markets： An Empirical Treat-ment [J]. International Finance Discussion Papers， 1996， （03）.
[3） Sachs J D， Tornell A， Andres Velasco， et al.Financial Crises in Emerging Markets：The Lessons from 1995 [J]. Brookings Papers on Economic Activity， 1996， （01）.
[4] Kaminsky G， Reinhart L C M. Leading Indicators of Currency Crises [J]. Staff Papers，1998， （01）。
[5] Acharya Viral V， Pedersen Lasse H， Philippon Thomas， Richardson Matthew P.Mea-suring Systemic Risk[R]. C. E.P. R.Discussion Papers， 2012.
[6] Adrian T， Brunnermeier M K.CoVaR [J]. The American Economic Review， 2016，（07）.
[7]徐兰，国际金融风险预警体系构建与实证检验[J].求索，2012，（11）.
[8]王大庆，系统性金融风险预警模型创建研究[J].经济研究参考，2013，（49）.
[9]唐升，周新苗.中国系统性金融风险与安全预警实证研究[J].宏观经济研究，2018，（03）.
[10] Apostolakis G， Papadopoulos A P.Financial Stress Spillovers in Advanced Economies[J]. Journal of International Financial Markets Institutions&Money， 2014， （09）.
[11]蒋胜杰，傅晓媛，李俊峰.金融危机下信用违约风险的宏观驱动因素及跨区域传染效应——基于亚洲、北美、欧洲三大区域的实证分析[J].中央财经大学学报，2019，（06）.
[12][14]杨子晖，周颖刚.全球系统性金融风险溢出与外部冲击[J].中国社会科学，2018，（12）.
[13]朴基石，金华林.中日韩金融系统风险的溢出特征研究[J].现代日本经济，2019，（03）. （責任编辑 张筠） Study on Risk Measurement and Spillover Effect of Financial
System in China. Hong Kong，Mainland China and Japan
Mi Jun Zhang Daohan
Abstract ： Since the beginning of the new century， with the deepening of globalfinancial integration and the increasing uncertainty of international situation， thecontagion of financial system risk among different regions and countries has in-creased significantly. Therefore，it is urgent to accurately identify and effectivelyprevent financial system risk. Based on reviewing the existing literature ， this paperuses VaR model to measure the financial system risk of Hong Kong ，mainland Chinaand Japan respectively. The results show that， the financial system risk in HongKong ， China tends to be stable ， but occasionally fluctuates violently; the overall fi-nancial system risk in mainland China fluctuates obviously， but remains at a con-trollable level;the financial system risk in Japan tends to be stable in recent twoyears， but the staged high points are also relatively prominent. Further researchshows that there are transmission chain and significant risk spillover effect betweenHong Kong，mainland China and Japan，which makes it difficult for them to main-tain financial stability and achieve financial security alone. Therefore， Building andimproving the regional financial coordination mechanism on the basis of strengthen-ing the risk monitoring of the three financial systems is the best way to deal withrisk.
Key words ： financial system risk; VaR model; risk measurement; spillover ef-fect ; COVID-19