新兴市场国家金融风险传染性研究

发布时间：2016-09-08 10:18

  本文关键词：新兴市场国家金融风险传染性研究，由笔耕文化传播整理发布。

GlobalFinance

环球金融

新兴市场国家金融风险传染性研究

靳玉英

周

兵

*

内容摘要：本文选取12个新兴市场国家1997年至2009年的月度数据，运用金融压力指数和面板VAR模型研究主要金融领域风险的传染性及其对宏观审慎监管的政策含义。主要结论是：新兴市场国家各金融市场间普遍存在金融压力的传染性；金融压力的传染性突出体现在危机阶段，稳定期则不显著；外汇市场压力的溢出效应最普遍，银行系统压力的溢出效应最弱。最后，本文就主要研究结论对宏观审慎监管的政策含义进行了阐释。

关键词：金融压力中图分类号：F831

风险传染

系统性金融风险

宏观审慎监管

文献标识码：A

周期的金融宏观审慎管理制度框架”。

引言

宏观审慎监管旨在防范系统性金融风险，从而避免金融危机对宏观经济的损害。为此，宏观审慎监管框架的构建显然是要建立在对系统性金融风险内涵和成因的准确把握上。目前，有关系统性金融风险的研究尚不深入（马勇，

美国次贷问题引发了全球性金融危机，世界经济因此陷入1929-1933年以来最严重的经济衰退，这让政策层面和学界不得不重新思考如何进行宏观经济管理问题。一个共识是，仅仅靠对单个金融系统的微观审慎监管不足以保证整个金融系统的稳定，必须对系统性金融风险进行审慎管理，即宏观审慎监管。

宏观审慎监管的概念自20世纪70年代提出，至今对其研究依然处于起步阶段，即便就金融稳定等一些相关基础概念也尚存在很大分歧（Galati&Moessner，2010）。但毋庸置疑的是，宏观审慎监管是重要的。次贷危机后，各国政策层面均在紧锣密鼓地制定本国的宏观审慎监管框架，我国在“十二五”规划中明确提出“构建逆

2011），即便是对系统性金融风险本身都未形成共识的界定（张晓朴，2010）。有关系统性金融

风险的成因，通常从两个角度分析：一是所有金融机构或金融市场普遍承受的风险，该风险主要来自宏观经济政策调节等外部冲击；二是强调金融机构或市场之间的相互联系使得单个金融机构或金融市场所承受的风险得以传递到整个金融系统，从而形成系统性的金融风险。本文认为，20世纪90年代以来各国纷纷采用的金融混业经营和金融开放使得后者的作用更加显著，次贷问题演化为全球性系统性金融危

作者简介：靳玉英，经济学博士，上海财经大学国际工商管理学院教授；周兵，上海财经大学国际工商管理学院博士研究生。

*基金项目：国家社会科学基金重点项目“世界经济周期性波动及其对我国宏观审慎监管框架构建的政策含义研究”（12AZD051）；国家自然科学基金项目“零利率下限约束下货币政策和财政政策组合研究：理论、实践及中国的前瞻性政策含义”（71173142）；上海财经大学研究生创新基金资助项目“新兴市场国家外汇市场压力问题的研究”（XJJ-2011-322）。

·20135/国际金融研究49

环球金融

GlobalFinance

机在一定程度上印证了这一点。

为此，本文旨在对主要金融领域金融风险的传染性进行研究，间接检验金融主体和金融市场间因股权、债券等形成的金融关联对系统性金融风险的作用，从而对我国宏观审慎监管框架的构建提供一定的政策建议。

金融压力传染性的研究主要集中在金融压力在国别间的传染。Balakrishnanetal.（2009）构建了新兴市场国家的金融压力指数，用以研究这些国家与发达经济体间金融压力的联动性、传染性和传染渠道等问题。他们发现，发达经济体的金融压力向新兴经济体传染的速度在加快，并且金融联系（银行借贷）逐渐成为主要传染渠道。Moriyama（2010）采用FSI研究金融危机对中东与北非新兴市场国家金融条件和经济活动的溢出效应，发现自雷曼兄弟破产后，这些国家增加的金融压力中有2／3直接或间接来自于发达国家，并且发达国家金融压力的增长和经济衰退对新兴市场国家的实际GDP的下降有一半的解释力。

基于金融压力指数能够有效代表金融风险及其对金融风险传染性问题研究的适用性，本文通过研究代表性金融领域压力间的传染性，间接检验金融联系对系统性风险形成的作用机制，从而为宏观审慎监管框架的构建提供政策建议。

一、数据、指标与统计

（一）金融风险代表性变量的选择与构建———金融压力

1.金融压力指标的选择

要测度金融风险在不同金融领域间的传染性，首先要确定金融风险的代表性量化指标。金融风险的量化通常有四种做法：基于资产负债表和市场指数的金融困境指数、早期预警指标、基于VAR模型的指标和宏观压力测试指标。本文选用金融压力指数作为金融风险的量化指标，

①

金融压力指数衡量的是金融系统承受

的变化压力，金融压力上升意味着金融风险的加大，不确定性上升。金融压力指数可以分解为外汇市场、银行系统等单个具体金融市场的压力，便于分析各金融市场间金融风险的传染性，适用于本文的研究。

2.金融压力指标的构建

本研究针对的是新兴市场国家，在金融压力指数的构建上沿用Balakrishnanetal.（2009）提出的新兴市场国家金融压力指数（EM_FSI）。该指数由代表外汇市场、银行系统、股票市场、债券市场四个主要金融领域的5个部分组成。具体为：

Illing&Liu（2006）构建了综合加拿大各主要金融市场的金融压力指数（FinancialStressIndex，FSI），用以衡量金融系统的风险程度，结论表明，FSI适用于分析金融传染性和金融系统的外部环境。Dasetal.（2005）在此基础上发展了FSI和金融政策质量指数（IQFP），他们

首先构建了银行部门、外汇市场、股票市场和政府债券市场的分部门压力指数，最后加总得到FSI。Cardarellietal.（2009）使用了囊括各主要金融市场的金融压力指数（FSI）研究17个主要发达经济体承受的金融风险以及金融周期对实体经济的影响，不仅确定了过去30年中的极端金融事件，而且指出，银行部门压力所引致的经济衰退力度更大、持续时间更长。

目前，学界采用金融压力指数进行的关于

①

EM_FSI=Beta+Em_stock+Rsq_stock+Embi+Empi

银行部门“Beta”系数即资本资产定价模型中的“β”，由βi,t=COV（rMi,t，rBi,t）/σ2i,M得到，

它代表银行部门压力，为银行系统的压力指数。其中rMi,t、rBi,t分别表示i国第t期的股市回报和银行回报，当β大于1时，则表明银行部门处于风险之中，爆发银行危机的可能性增大。

股市收益（Em_stock）由股票市场指数按年同比变化乘以负1计算所得。股票价格下降增大了证券市场压力，股市收益波动性（Rsq_stock）代表了股市的不确定性，波动性增大表明经济的不确定性也在增大，该指数通过GARCH（1，1）对市场波动性进行时变性的测量获得。股票市场

金融风险的量化指标最常用的是由IMF构建的金融稳定指数（Moorhouse，，2004;IMF，2008）和依赖于股权、

CDs以及其他金融衍生产品的市场指数（Illing&Liu，2006;Tarashev&Zhu，2006，2008），但IMF的金融稳定指数

指标体系庞大复杂，且时间期限相对较短，不适合本文的研究。

50

国际金融研究/2013·5

Global

Finance

环球金融

收益和股票市场波动性两部分共同代表股票市场压力，构成股票市场压力指数。

主权债务利差被定义为债券收益率减去10年期的美国国库券收益率，本文用JP摩根新兴市场国家债券指数（Embi）代替主权债务利差，当Embi数据不可得时，则使用5年期的信贷违约掉期利差（CDs）代替。该指标代表主权债务市场压力，是主权债务市场压力指数。Embi上升表明一国主权债务违约风险上升。

外汇市场压力（Emp）指数衡量了汇率和储备的相对变动情况，本文使用了标准化外汇市场压力计算公式，即：

9月总共149个月。之所以做这样的样本区间

选择，主要原因是，这个阶段涵盖了亚洲金融危机和美国次贷危机两次重大危机，而本文旨在对这两次危机阶段代表性金融市场金融压力的传染性进行比较研究。同时，该阶段属于新兴市场国家金融危机的多发期，

①

便于考察金融

压力和金融危机的关系。本文选择Balakrishnan

etal.（2009）设计的金融市场压力指数所涵盖

的外汇市场、银行系统、股票市场和债券市场四个金融领域作为本文金融压力传染性研究的代表性金融市场。本文综合Balakrishnanetal.（2009）和摩根斯坦利资本国际（MSCI）的研究，选择了数据齐整性良好的12个新兴市场国家，分别为：阿根廷、巴西、中国、哥伦比亚、马来西亚、墨西哥、摩洛哥、秘鲁、波兰、泰国、土耳其和南非。

对各金融市场压力指标采用标准化处理可以有效减少各指数的波动性（Kaminsky&Rein-

EMPitSta=

11（Δei,t-μi,Δe）-（ΔIRi,t-μi,ΔRES）

i,Δei,ΔRES

其中，Δei,t、ΔIRi,t分别表示一国两个季度间名义汇率和储备存量（不包括黄金存量）的变化；

μi,Δe、μi,ΔRES分别表示一国两季度间汇率和储备

变化的均值；σi,Δe和σi,ΔRES分别表示一国两季度

间汇率和储备变化的标准差。当EMP>0时，表示本币承受贬值压力；当EMP<0时，则表示本币承受升值压力。

在以上指标中，名义汇率、储备以及股票市场指数来自IMF的IFS数据库，Embi和银行部门回报指数来自Bloomberg数据库。

（二）金融市场压力特征

本文样本区间选自1997年5月到2009年

hart，1999）以及避免某部门压力指数剧烈波动对FSI产生大的影响（Moriyama，2010）。本文得到样本国家平均FSI以及各金融部门的压力指数，具体如图1所示。Balakrishnanetal.（2009）认为，当金融压力指数超过其均值的1.5

倍标准差时即可表明该时间点金融风险突出，如果应对有误，极有可能演化为金融危机。为此，本文选择该压力水平为基准线，即图1中的基

图1

①

各金融部门的压力指数

在该区间，新兴市场国家所发生的一系列金融危机，包括：东亚金融危机、俄罗斯债务拖欠危机、巴西货币危

机、阿根廷的主权债务危机以及2008-2009年美国次贷问题引发的全球性金融危机。

·20135/国际金融研究51

环球金融

GlobalFinance

线。超过该线的压力水平视为风险突出的状态。

在图1中，综合压力指数FSI反映整个金融系统的稳定状况。1997年9月之前、2003年

4月至2007年12月两个阶段为整个金融系统相对稳定的时期。1997—1998年和2008—2009

年两个阶段是总体金融压力指数的两个高峰阶段。从强度上来说，2008—2009年金融危机期间的FSI峰值（7.96）高于亚洲金融危机期间的峰值（7.01），这在一定程度上表明，后者的金融风险大于前者。

对于单个金融市场而言，其压力指数存在共性同时也有一定的差异。共性在于，各金融市场在两次危机阶段都为波峰状态，呈现高压力，所承受的金融风险增大。差异在于：相对于其他金融市场，银行部门呈现多峰值的压力状态，这说明银行部门风险的波动性更强；与其他金融部门不同，主权债务市场在第二次金融危机阶段的峰值远小于第一次金融危机阶段。这说明，在第二次金融危机阶段，新兴市场国家主权债务市场压力小于其在亚洲金融危机阶段的压力，这可能与第二次危机阶段新兴市场国家外汇储备持有条件远远好于第一阶段有关。

（三）风险点与极端点

金融压力大小不同，对宏观经济的影响和监管意义不同。大的金融压力往往蕴含着大的经济风险，甚至与金融危机相契合。本文在此参照Balakrishnanetal.（2009）的做法，当某一金融市场压力指数超过其均值1.5倍标准差时，就将其视为该市场的金融风险点。在此基础上，如果金融风险点正好处于某一金融周期的波峰时，则将该点视为金融风险的极端点，这些金融压力的极端点往往与金融危机时点吻合（Illing&Liu，2006）。以此为基础，本文统计了各金融市场风险点与极端点，具体如图2所示。就整个FSI而言，共有71个风险点，极端值共23个。银行部门风险点共69个，极端值共21个；股票市场风险点共58，极端值共

图2

各金融部门风险点和极端点的分布

通过图2可直观比较各金融市场风险点和极端点出现的顺序特征。就风险点来看，在亚洲金融危机期间，外汇市场和银行部门的风险点出现时间较早，分别出现于1997年7月和8月，股票市场和债券市场的风险点出现较晚，基本都出现在1997年10月。在2008-

2009年金融危机全面爆发前，外汇市场和银行部门的风险点便分别于2007年8月和2007年12月出现。股票市场风险点在2008年1月出现，债务市场风险点于2008年10月出现。

从极端点分布的时间来看，在亚洲金融危机期间，外汇市场极端点出现最早，于1997年

7月出现。银行部门和债务市场的极端点次之，基本都于1997年10月出现。股票市场的极端点出现最晚，于1998年2月出现。在2008-2009年全球金融危机期间，外汇市场和

银行部门的极端点出现时间仍然较早，分别于2007年8月和2008年2月出现，股票市场的极端值在2008年4月出现，债券市场的极端值则在2008年10月出现。

金融压力的极端值实际上就是金融危机（Illing&Liu，2006）。从压力极端点的频率来看，新兴市场国家的外汇市场和银行部门相对更加脆弱，易于率先出现异常情况。从风险点和极端点的分布时点来看，各金融市场压力指数以及总的FSI与各种危机的匹配性良好。此，这些压力指数可作为危机预警指标。

①

20个；债券市场风险点共76个，极端值共17个；外汇市场风险点共66个，极端值共28个。

①

因

在整个样本期间，新兴市场国家发生了多次重大危机。如1997-1998年的东亚金融危机、1998年的俄罗斯债

务拖欠危机、1998-1999的巴西货币危机、2002年阿根廷的主权债务危机以及2008-2009年全球金融危机。本文构建的各金融市场压力指数以及总的FSI能够识别出这些金融事件。

52

国际金融研究/2013·5

GlobalFinance

环球金融

固定效应来克服“个体异质性”。此外，由于滞

二、计量模型与检验

本文以金融压力代表金融风险展开对银行部门、股票市场（代表证券市场）、债券市场（国债）和外汇市场四个金融领域风险传染性问题的研究。

（一）模型设定

就多个国家在时间序列上某个变量受其他变量冲击所产生的效果进行研究时，面板向量自回归的方法（PanelVAR）是个合适的计量工具。由于FSI是由各金融部门压力指数加总而成，因此本文研究单个市场压力对其他金融领域压力传染性问题时，并不考虑FSI的冲击以及受力情况，且同时将各金融部门压力指数视为内生变量。对于单个国家，设定模型如下：

后因变量的存在，一般意义上的“均值差分法”会排除固定效应并因此造成结果有偏。为避免这一情况，本文使用“前向均值差分法”，即“Helmert”过程（Arellano&Bover，1995）。

①

在此基础上，本文将滞后的解释变量作为工具变量，使用系统GMM方法进行估计。此外，国家层面特定时间虚拟变量的存在是为了获取该层面影响危机的其他一些宏观冲击。

为了分析脉冲响应函数，需要估计置信区间。脉冲响应函数矩阵由估计的VAR系数组成，同时报出其标准误。本文使用模特卡罗模拟②得出脉冲响应函数的标准误和置信区间。最后，本文将列出方差分解的结果，反映一个变量冲击所引起的另一个变量变动的百分比。

从本文第二部分可知，新兴市场国家在不同时点的金融风险程度不同，因此需要对样本区间进行划分。图1表明，1997年5月至2003年6月与2008年1月至2009年9月两个样本区间包含了新兴市场国家大部分的风险点与极端点。据此，本文将数据分为三组，分别为A组

（1997m5-2003m6）、B组

（2003m7-

Zit=Γ0+ΓjZit-j+fi+di,t+et

其中，Zt为四维矢量，即{Beta，Em_stock，Embi，Emp}，i为单个国家，t为时间，Γj为变量滞后效应的方阵，j则为滞后阶数，fi为个体固定效应，di,t为国家层面特定时间虚拟变量，et为扰动项。

对面板数据使用VAR程序，需要限定每个

横截面的基本结构相同。为此，本文通过加入

表1

variablePanelABetaEm-stockEmbiEmpPanelBBetaEm-stockEmbiEmpPanelCBetaEm-stockEmbiEmp

①②

2007m12）和C组（2008m1-2009m9），各阶段的描述性统计如表1所示。

各变量的描述性统计

min-0.849-1.183-1.321-4.642-0.849-1.221-1.554-2.765-0.849-0.903-1.308-2.576

p25-0.591-0.507-0.119-0.340-0.626-0.735-1.015-0.557-0.616-0.365-0.664-0.524

p50-0.373-0.2460.3120.021-0.461-0.566-0.811-0.246-0.3980.040-0.447-0.105

p751.0200.5020.9270.332-0.318-0.375-0.6190.0241.2691.0140.1130.362

max3.2244.2697.0466.8503.7983.5292.1002.5945.4015.6744.4203.844

N888888888888648648648648252252252252

mean0.0870.1540.4790.104-0.180-0.468-0.699-0.2440.3040.473-0.197-0.034

sd0.9941.0400.9330.9710.8610.5250.5720.5701.3091.2250.8111.009

这一变换可以保持交换变量和滞后的解释变量之间的正交化。

本文使用估计系数与其协方差矩阵和重新计算的脉冲响应随机产生Γ的系数，本文重复这个过程500次。同

时，得到5%和95%的分布，用来作为脉冲响应的置信区间。

·20135/国际金融研究53

  本文关键词：新兴市场国家金融风险传染性研究，由笔耕文化传播整理发布。

本文编号：111654