首頁 >> 管理學 >> 本網首發
金融市場與宏觀經濟的風險傳染關系——基于混合頻率的實證研究
2021年03月09日 10:56 來源:《中國社會科學評價》2020年第12期 作者:楊子暉 字號
2021年03月09日 10:56
來源:《中國社會科學評價》2020年第12期 作者:楊子暉

內容摘要:

關鍵詞:

作者簡介:

    一、文獻綜述

  隨著系統性金融風險理論研究的日臻完善,從實證分析的角度來考察金融市場與宏觀經濟的風險傳染關系,成為一個新的研究視角。

  早前的相關研究就已注意到,基于不同頻率采樣,時間序列數據的可用性會嚴重受限。隨著現代計量經濟學方法的不斷發展,最新的研究開始采用混頻模型對不同頻次變量間的相互作用展開分析,近年來逐步應用于金融領域相關問題的研究。Ghysels等在最新研究中提出了混頻向量自回歸模型(The Mixed-Frequency VAR Model,MF-VAR),有效克服了傳統混頻模型無法分解預測誤差方差的缺陷。在此基礎上,Cotter等進一步提出了混合頻率溢出方法,該方法能夠基于不同頻次的多變量展開分析,量化高頻變量與低頻變量間的風險沖擊與傳染關系。

  國內很多學者已從人口結構、非線性傳染等不同角度對系統性金融風險進行了研究??v觀該領域的研究,首先,現有文獻大部分集中在分析金融部門之間的風險傳染效應,很少對金融風險與宏觀經濟之間的相互關系展開深入研究。其次,傳統共頻分析框架會因忽略高頻信息而產生結論偏差,難以準確衡量金融風險與宏觀經濟的沖擊傳導關系。最后,在分析過程中常常面臨“維度詛咒”(Curse of Dimensionality)問題,使得現有研究無法就系統性金融風險對宏觀經濟部門的具體沖擊展開客觀分析。而前沿的因子增廣向量自回歸(Factor-Augmented Vector Autoregressive)模型不僅能有效克服數據受限問題,而且能夠精確地刻畫金融風險與大量不同類別宏觀變量的作用關系。

  有鑒于此,首先,本文基于CAViaR模型測度我國股票市場與外匯市場的尾部風險。其次,本文采用混合頻率溢出方法,分別從靜態與動態視角考察了我國金融市場與宏觀經濟間的相互作用關系,并基于混頻因果檢驗等方法進一步探討了金融危機期間的風險傳導機制。最后,本文采用前沿的因子增廣向量自回歸模型,分析了金融風險對我國宏觀經濟7個部門90個變量的具體沖擊,為加強金融監管協調機制建設,未雨綢繆進行系統性金融風險防控,以及構建實體經濟與金融市場良性互動的經濟環境,保障經濟穩中向好與長期向好的發展趨勢,提供重要參考依據。

  二、模型設定、方法說明

 ?。ㄒ唬┗诨祛l向量自回歸模型(MF-VAR)的因果關系檢驗

  為了簡化計算,模型假定數據的采樣頻率只分為高頻(High Frequency,HF)、低頻(Low Frequency,LF)兩類,且頻率比率為m。因此,Ghysels等分別將高頻數據降頻為低頻數據,以及聚合為混頻變量(Mixed Frequency,MF)。其中,混頻向量可用下式表示:

  與此同時,他們假定該混頻向量服從VAR(p)過程,即:

  為了檢驗混頻變量間是否存在長期Granger因果關系,他在考慮預測步長h的基礎上將式(2)進一步擴展,得到MF-VAR(p,h)模型,即:

  其中。Ghysels等將原假設“不存在因果關系”轉變為線性系數約束表達,即:

  其中,R是行滿秩的選擇矩陣,B(h)為MF-VAR(p,h)模型的系數,r則為約束向量。為了對模型的有效性進行檢驗,Ghysels同時構建了如下的Wald統計量:

  為信息集中的有效樣本數量,是式(5)原假設中B(h)的最小二乘估計量。此外,該模型還使用自舉p值法(bootstrapped p-value)對Wald統計量的顯著性水平進行進一步檢驗。

 ?。ǘ┗祛l溢出方法(Mixed-Frequency Spillover Methodology)

  Cotter等構建了混合頻率溢出方法,從而能夠直接使用原始低頻的宏觀經濟數據和高頻金融財務數據估計溢出指數與沖擊力度?;诖?,Cotter等構建了k維的混合頻率矢量序列,該序列包含了低頻(圖8)與高頻(圖9)兩類信息,頻率比例為m。他們在每個低頻時間段的基礎上,將高頻觀測值分組,以便展開預測誤差方差分解(FEVD)聚合。

 ?。ㄈ祿f明

  本文分別選用上證綜指和人民幣廣義實際匯率指數作為股市與匯市指數收益率的衡量指標,并根據Cotter等人的建議,我們將每個月內的交易日劃分為4周,并在此基礎上使用日度數據構造周頻率的風險指標。

  我們使用月度工業增加值來衡量我國經濟產出,并分別選擇中國社會消費品零售總額、固定資產投資完成額、金融機構中人民幣各項貸款的月度增加值以及銀行間同業拆借加權平均利率、貨幣和準貨幣(M2)作為消費、投資、貸款、利率、貨幣等宏觀部門的代表變量,同時引入了宏觀經濟景氣一致指數與消費者信心指數,并在此基礎上構造了7個信息集,類別包含了工業增加值、消費、投資、貸款、貨幣、經濟景氣與消費者信心,共計90個指標。其中,上證綜指來源于Wind數據庫,匯率數據來源于國際清算銀行(Bank of International Settlements,BIS),而相關的宏觀變量則來源于中經網統計數據庫以及Wind數據庫。依據數據的可獲得性,本文分析的樣本期間為1996年5月1日—2018年12月31日。

  為了具有可比性,遵循該領域的研究慣例,本文采用CPI定基指數將上述名義指標調整為實際變量,并結合X11方法對宏觀變量進行季節性調整。

  三、實證結果

 ?。ㄒ唬┪覈鹑谑袌鱿到y性金融風險測度

  首先,本文采用CAViaR模型測度我國股票市場與外匯市場的尾部風險,使用DQ檢驗進行后驗分析,分析表明,1996年至2018年間,我國資本市場的尾部風險與一些重大風險事件緊密相關,且由于我國股票市場與外匯市場存在緊密的關聯性,易由此引發系統性金融風險。

 ?。ǘ┪覈鹑谑袌雠c宏觀經濟風險溢出的靜態分析

  在前文分析的基礎上,本文以股票與外匯市場的CAViaR指標作為我國金融市場尾部風險的衡量指標,并分別采用混頻與共頻方法考察我國系統性金融風險與宏觀經濟間的相互作用機制。結果表明,在總體樣本內金融市場的尾部風險并未對我國經濟平穩運行的基本態勢造成嚴重影響。自1996年以來,我國金融市場均為風險沖擊的凈輸出方,所有宏觀經濟部門均為風險沖擊的凈輸入者,而相對于外匯市場,源于股票市場的風險沖擊力度更大。同時,宏觀部門間也存在較強的關聯性,銀行間同業拆借市場與貨幣市場間存在顯著的作用關系。此外,來自消費、投資的沖擊易進一步擴散。

  我們比較了風險溢出指數在混頻與共頻模型下的差值與比值。結果表明,使用混頻方法計算的金融市場的風險溢出遠高于共頻模型下的溢出強度。本文進一步考察了不同預測期下,分別使用混頻與共頻模型估計的風險溢出效應??梢郧宄乜吹?,在兩種方法下,金融市場對宏觀經濟的風險沖擊均隨著預測期的延長不斷增強,凈溢出力度不斷增加。共頻模型在低估經濟部門受到沖擊的同時,在衡量風險溢出效應時,也存在顯著的滯后性。

 ?。ㄈ┪覈鹑谑袌雠c宏觀經濟風險溢出的動態分析

  在上述全樣本靜態分析的基礎上,本文使用 “滾動估計分析”方法,具體識別影響我國經濟發展全局的風險事件。結果表明,基于混頻方法和共頻方法的總溢出指數在全樣本期間的波動走勢大致類似,2008年以來,市場間的風險溢出整體呈上升趨勢。但自2016年12月中央經濟工作會議首次強調要把防范金融風險放到更加重要的位置后,監管措施密集出臺,風險溢出指數也從2017年后開始略微下落。與此同時,在全樣本期間,采用混頻方法估計的風險溢出均顯著地高于共頻方法的估計結果,同時能更好地識別出我國2016年1月的“熔斷機制”出臺等尾部風險事件。與此形成鮮明對比的是,基于共頻模型的風險溢出指數依舊均無法對上述事件進行準確刻畫,且嚴重低估了資本市場產生的風險沖擊。

 ?。ㄋ模┪C期間我國金融市場與宏觀經濟的風險溢出效應分析

  下面采用混頻溢出方法對1997年亞洲金融危機等三個重要的尾部風險爆發時期,我國金融市場與宏觀經濟間的作用關系展開分析。

  我們考察了亞洲金融危機時期(1997年7月—1999年12月),我國金融市場與宏觀各部門間的風險沖擊力度??梢郧宄匕l現,在該危機爆發時段,金融市場依舊是風險的凈輸出方,宏觀部門則均為風險沖擊的凈接收者。其中,股票市場產生了最高的風險溢出效應,外匯市場的對外作用力度較小,這意味著我國對宏觀調控方向進行的調整,有效緩釋了該國際金融風暴通過外匯市場造成的外溢沖擊。

  M2與利率是宏觀經濟中的薄弱環節,受到了最為顯著的金融風險沖擊。亞洲金融危機期間,信貸流動性緊張,銀行間利率市場震蕩,進而對貸款供給產生顯著的影響,而貸款部門隨之對工業增加值產生了沖擊。

  國際金融危機帶來的資本市場的劇烈波動,使得危機期間我國企業融資需求銳減、居民消費需求低迷,而實體經濟的走弱也對金融市場產生了顯著的不良反饋。

  由以上分析,可以清楚地看出,我國金融市場與實體經濟間密切相連,金融風險易對宏觀經濟造成顯著沖擊,并通過相互作用機制產生反饋效應,引發風險沖擊在經濟系統中的惡性循環。

  較之全樣本的分析結果,在危機期間,資本市場對實體經濟的風險沖擊強度顯著提高,金融危機會放大資本市場對宏觀經濟的負外部性,沖擊實體經濟的平穩發展。而股票市場對各宏觀部門的風險沖擊在各時期均明顯大于外匯市場的影響,是我國金融系統中主要的風險輸出者。此外,較之來自全球金融市場的沖擊,國內金融體系中潛在風險的爆發,將可能引發我國實體經濟部門更大幅度的波動。

 ?。ㄎ澹┪覈鹑谑袌雠c宏觀經濟的風險傳導機制

  在上文的研究基礎上,本文采用宏觀經濟景氣一致指數替代工業增加值,并進一步將消費者信心指數納入分析框架,根據最新發展的混頻因果關系檢驗方法,深入探討中國“股災”時期(2015年6月—2017年12月),風險沖擊在我國金融市場與宏觀經濟各部門間的傳導路徑。

  混頻檢驗結果顯示,股票市場與外匯市場的風險聯動效應在股災期間大幅增強,存在顯著的雙向傳染關系。同時,我國金融市場在重大股災期間的巨幅震蕩對消費、投資、利率和貨幣等宏觀經濟部門的平穩運行造成明顯沖擊。

  此外,金融市場的風險事件在對M2、利率等宏觀部門造成直接影響的同時,會經由消費者信心對宏觀經濟的平穩產生間接沖擊。然而,通過對比分析我們發現,傳統共頻分析方法卻無法識別“金融風險→消費者信心→相關宏觀經濟部門”這一重要的風險傳染途徑。

  我們結合混頻因果關系的分析結果,推出了以下的沖擊傳導機制圖。首先,消費與投資部門受到了金融風險的顯著沖擊。其次,還存在著“金融市場→M2→投資→金融市場”的因果關系。最后,“金融市場→利率→貸款→金融市場”的因果關系表明,在金融風險沖擊下,銀行間同業拆借市場震蕩,進而產生了顯著的收入效應與替代效應,使得借款人降低貸款水平。此外,存在“相關宏觀部門→消費者信心→金融市場”“經濟景氣→金融市場”的宏觀反饋機制。

 ?。爸卮蠊蔀摹睍r期我國金融風險對宏觀經濟的沖擊影響

  本文采用了因子增廣向量自回歸模型,分析2015年“重大股災”期間,系統性金融風險對我國宏觀經濟的沖擊影響。結果表明,與糧油食品等需求彈性較小的行業不同,在金融市場動蕩期間,家具等需求彈性較大的行業受到了明顯的負面沖擊。同時,娛樂行業的消費在事件初期也出現了短暫的回落態勢。此外,黃金等貴金屬商品依舊是重要避險資產之一,在一定程度上能夠緩釋金融市場波動的風險。較之制造業、房地產業以及金融業,租賃與商務服務業對金融風險的敏感程度較高。且受金融市場大幅波動影響,消費者對市場的預期出現了持續性的下調。

  此外,危機期間,股市與匯市的風險分別對短期貸款及票據融資產生了正向影響,中長期貸款受到了負向沖擊。因此,在危機期間應對金融風險事件帶來的短期流動性問題時,應適度提高中小企業中長期貸款額度,具體甄別金融風險事件對不同宏觀部門的影響,實施更精細化的貨幣調控政策。

  結論與啟示

  混頻風險溢出的估計結果表明:首先,我國金融市場均為風險沖擊的凈輸出方,而所有宏觀經濟部門均為風險沖擊的凈輸入方,相對于外匯市場,源于股市的風險沖擊力度更大。其次,基于動態視角深入考察金融風險溢出與宏觀負面反饋效應的漸進演變,發現混頻模型能夠準確識別2008年國際金融危機、2015年中國“股災”、2016年“熔斷機制”出臺等風險事件。

  因子增廣向量自回歸模型的分析結果則進一步顯示,“重大股災”時期,金融風險對不同宏觀變量的具體影響存在顯著差異。

  本文是系統性金融風險研究領域的一次有益拓展和嘗試。將高頻次的金融市場數據與低頻次的宏觀數據進行有機的結合,深入挖掘金融數據序列所包含的高頻信息,將有助于我們結合中國實際經濟條件,有效甄別宏觀實體經濟與金融市場的傳染關系與作用機制,為完善與高質量發展要求相適應的宏觀調控體系提供有針對性的意見和建議。同時,本文也為混頻方法在金融學研究中的應用推廣,以及推動系統性金融風險與宏觀經濟傳染研究的未來發展提供了借鑒。

 ?。ㄗ髡邌挝唬褐猩酱髮W嶺南學院?!吨袊鐣茖W評價》2020年第12期,中國社會科學網 閆琪/摘)

作者簡介

姓名:楊子暉 工作單位:

轉載請注明來源:中國社會科學網 (責編:賽音)
W020180116412817190956.jpg

回到頻道首頁
中國社會科學院概況|中國社會科學雜志社簡介|關于我們|法律顧問|廣告服務|網站聲明|聯系我們
中國社會科學院概況|中國社會科學雜志社簡介|關于我們|法律顧問|廣告服務|網站聲明|聯系我們
丁香婷婷亚洲开心五月,国产大香伊蕉人在播放,国产在线亚洲精品观看不卡,日本无码av不卡一区二区三区 <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>