海南自由贸易港金融风险溢出...基于海南上市企业的实证研究_黄新飞.pdf

2023年7月第41卷 第4期Jul.2023Vol.41 No.4海南大学学报（人文社会科学版）JOURNAL OF HAINAN UNIVERSITY(HUMANITIES&SOCIAL SCIENCES)海南自由贸易港金融风险溢出网络分析基于海南上市企业的实证研究黄新飞1，2，孙霄霓1，王飞1，2（1.中山大学 国际金融学院，广东 珠海 519082；2.中山大学 高级金融研究院，广东 广州 510275）摘要 本文以海南自由贸易港上市企业为研究对象，使用复杂网络的方法对金融风险溢出的结构性特征进行了研究，并从动态的视角使用SIR模型进行风险传染模拟研究。实证结果发现，次贷危机、中国股市异常波动及新冠疫情暴发期间，网络均较平静时期呈现更高的聚集特征，即企业间金融风险溢出的相关性有所上升。随时间推移，单个企业在风险溢出中的地位并非一成不变，而是交替成为系统重要性企业。此外，根据模拟结果发现，海南上市企业网络中具有系统重要性的企业若出现金融风险，更有可能在市场中快速扩散并造成大规模的风险传染，使得市场稳定受到冲击。为了维护海南自由贸易港的金融稳定与金融安全，除了关注金融机构，还应关注企业间的金融风险溢出，识别、早期预警与防范金融风险，因时制宜地做好风险管理。关键词 海南自由贸易港；风险溢出；有向网络；上市企业中图分类号 F832 文献标志码 A 文章编号 1004-1710（2023）04-0121-09DOI 10.15886/ki.hnus.202111.1626一、前 沿国务院印发的 中国（海南）自由贸易试验区总体方案(下称“方案”)指出，应充分发挥金融支持自贸试验区建设的重要作用，以服务实体经济、促进贸易投融资便利化为出发点和落脚点，大力推动自贸试验区金融开放创新，进一步扩大金融业开放，为贸易投资便利化提供优质金融服务。在海南建设中国特色自由贸易港，是习近平总书记亲自谋划、亲自部署、亲自推动的改革开放重大举措。海南作为中国最大的经济特区，具备试验最高水平开放政策和实施全面深化改革的特有优势。如今，海南发展正迎来新的重大历史机遇，同时也面临前所未有的巨大挑战。金融是国民经济的血脉，对海南而言，在金融开放进程中如何建立健全风险防控体系，建立自由贸易港宏观审慎风险管理体系，加强对重大风险的识别和系统性金融风险的防范是未来工作的重要立足点。不论是20072009年的全球金融危机，2015年中国股市的异常波动，还是2020年初暴发的新冠疫情，都对经济和社会的稳定造成了冲击，影响了金融运行效率和经济运行水平。后金融危机时代的海南省整体经济风险逐步上升，海南自由贸易港遭受重大风险传染可能性进一步上升。事实表明，传统的侧重于单个机构的风险监管不能有效防范系统性风险，因此，有必要从微观主体角度出发，找出其中的风险溢出关联，在系统背景下诉诸宏观审慎监管。传统的单个监管难以防范和应对系统性风险形成和扩散的一个关键原因是，它没有密切关注企业或机构之间的风险关联性和结构性网络特征。事实上，企业间通过业务交易、由于市场地位等因素，形成了一个复杂、庞大且看似健全的金融网络。一方面，这种联收稿日期 2021-11-16基金项目 国家自然科学基金应急项目（72041030）；国家自然科学基金面上项目（72174218）；海南省自然科学基金项目（721MS021）；广东省自然科学基金项目（2021A1515011197）作者简介 黄新飞（1979-），男，江西赣县人，中山大学国际金融学院教授、高级金融研究院执行院长，主要从事国际经济学研究。通信作者 王飞（1987-），男，安徽淮北人，中山大学国际金融学院副教授、高级金融研究院研究员，主要从事应急与风险管理研究。中国特色自由贸易港研究121第4期2023年海南大学学报（人文社会科学版）系能带来快速的经济增长和高度分散的金融风险；但另一方面，它可能导致负面冲击(如共同持有资产的短缺)或突发事件的快速扩散，使得系统性风险呈指数增长，最终导致金融网络崩溃，引发系统性事件(如金融危机)。纵观该领域的研究，现有文献大多关注金融机构间的风险溢出，鲜有从单个企业的角度出发，研究其间风险溢出的关系。事实上，金融风险的来源不仅包括金融市场主体，也包括经济领域的产业主体，尤其当企业处在金融开放程度较高的经济环境里，更容易产生金融风险链的延伸，对中国的宏观经济增长和金融稳定起着不容忽视的影响。为此，对单个企业间金融风险溢出情况进行深入分析十分必要。海南自由贸易港建设作为国家的重大决策，对其实施金融风险管理的重要性不言而喻。因此，本文将以准确测度海南省上市企业间的风险溢出水平为切入点，深入分析企业金融风险溢出效应。本文的贡献在于：（1）从金融网络的视角出发，以海南省单个上市企业为研究对象，分别构建次贷危机、股市异常波动和新冠疫情等事件发生前、中、后时期的企业间金融风险溢出网络，从各企业间的金融风险溢出效应、网络聚集特征等角度，分析不同阶段金融风险对企业的影响；（2）以往对于风险主体的研究局限在分析两个给定主体之间的影响，而非整个系统的变化，且通常没有关注主体间的非对称影响，本文构建有向加权复杂网络，以考察企业间的非对称风险溢出，一定程度弥补了这方面实证的不足；（3）为弥补之前研究鲜有从系统角度考虑发生风险传染后情形的问题，本文基于SIR模型模拟了不同系统重要性企业作为风险传染源时将对海南整体市场产生何种不同规模的影响。研究结论可以为防范系统性风险的暴发和蔓延，保持海南自由贸易港的持续健康发展提供参考。二、文献综述近年来，金融风险溢出及其对市场的冲击程度以及如何进行风险防范都是研究者与政策制定者关注的问题，金融网络作为风险传染的路径载体，成为研究金融风险溢出问题的重要工具。金融风险会在不同金融主体之间的溢出，研究者的关注也从宏观的金融市场进入到微观的金融机构。他们认为，某个金融主体会通过一定的风险传染渠道和机制，对其他金融主体产生相应的风险溢出效应。通过总结现有文献可以发现，研究金融风险溢出的文献大致可以分为三支，一支是基于计量模型来进行分析的方法，探究特定国家或市场是否受到金融风险溢出的影响，包括VAR类模型、GARCH族模型和Copula族模型等；第二支是基于复杂网络或复杂网络与模型的结合来进行研究，关注金融风险的动态演化情况与传播结果；第三支是基于传染模型模拟金融风险溢出，分析风险出现后将会造成何种后果。首先，就第一支文献来说，郑挺国和刘堂勇1根据8个国际上重要的股市在19932016年间的数据基于TVP-VAR模型测算了其间的波动溢出情况，结果发现总波动溢出效应在国际股市间出现上升趋势，这种上升在金融震荡时期变得尤为显著。类似地，宫晓莉和熊熊2通过TVP-VAR模型测算方差分解溢出指数，发现股票市场具有最大的对外溢出能力。对于Copula模型的应用来说，叶五一等3通过建立时变动态Copula模型发现VIX指数显著影响了股票市场间的联动性。对于GARCH模型的研究来说，周爱民和韩菲4采用GARCH族模型测度了股市和汇市的金融风险，发现同类别金融市场间、同地区（不同市场）间、跨地区、跨市场的金融风险溢出效应依次递减。接着，我们关注第二支文献脉络。事实上，复杂网络方法在研究金融风险溢出方面具有强大优势，经过构造金融市场复杂网络可以看出不同金融主体间如何相互影响，并直观体现影响的程度及方向。具体来看，为了挖掘网络简化的主体结构特征，Wang,Xie和Stanley5基于MST-Pearson和MST-Partial相关网络分析了世界股票市场的相关结构和演化，结果发现从MST-Partial获得的结果比从MST-Pearson获得的结果更合理。Kanno6基于相关性网络使用网络中心性和MST方法，评估了COVID-19对日本上市公司的传染效应，发现股票的集聚与相关行业相对应，在COVID-19暴发期间，部门间的联系变得更强。然而，根据Carlsson和Mmoli7的研究，MST的局限性在于计算获得的聚类通常不稳定，很小的输入扰动可能使得聚类结果产生巨大差异，加之MST构建的是无向关系，无法刻画金融风险溢出的非对称关122黄新飞等：海南自由贸易港金融风险溢出网络分析系，因此有向关系的构建是大势所趋。首先提出节点间影响方向这一问题的是Kenett8，他通过偏相关系数计算溢出影响，构建了偏相关平面最大过滤图(Partial Correlation Planar maximally Filtered Graph,PCPG)网络，实证研究了基于纽交所300只股票的收益率数据，发现金融股票在样本期间具有最大的影响力。后来，不少学者也使用了各类方法力求刻画出风险溢出的非对称影响。其中，杨子晖和周颖刚9从网络关联视角分析了国际金融危机对各国的冲击，结果表明中国金融市场是系统中的风险溢出净输入者，且金融风险可以跨市场传染，因此应将理念从“太大而不能倒”转变为“太关联而不能倒”。Wang等10基于14家上市商业银行的日波动序列构建波动溢出网络，研究表明，商业银行间具有高度的连通性，国有商业银行对波动连通性的贡献小于股份制商业银行和城商行，城商行是波动连通性最大的(净)提供方，即一家银行可能“太大而不能倒”，但不一定“关联太大而不能倒”，反之亦然；若该体系陷入困境，这两种情况也可能共存。最后，为了探讨金融风险可能造成多大范围内的传染，除了观测金融风险溢出网络的结构特征，考察风险在其中的传染情况也逐渐受到学者的关注，此类研究文献通常参考传染病传播模型。在经典传染病模型中，各节点在网络中依照状态不同分为三类：易感染状态S(Suspected)，感染状态I(Infected)和免疫状态R(Recovery)11。相应地，基于节点状态之间转换的研究模型主要有SI、SIS及SIR模型等12。Garas,Argyrakis和Rozenblat13等通过SIR模型模拟经济危机如何在各国间进行传染，其研究发现，除了GDP体量庞大的美国，诸如比利时这类的国家也有可能成为危机传染源。同样基于SIR模型，马源源等14的研究表明，当网络中的重要节点受到冲击时，危机在网络中具有极快的传播速度，从而影响力也更为巨大。Brandi等15基于SIR模型考察了银行间网络的联系，结果发现在20072008年全球金融危机之初，银行间网络非常容易受到流动性传染的影响，研究证明了“关联太大而不能倒”的观点，说明流动性冲击对银行间网络的影响在压力测试情景中是极其重要的，即使较弱的初始冲击，也可能导致严重的整体损失。Feng,Jo和Kim16研究发现，一些国家的银行在风险传染中占据着重要的地位，风险传染的规模因国家不同而存在差异。近年来，很多研究只关注于金融机构之间的波动溢出，且通常使用无向网络，无法识别风险溢出的方向与强度。此外，由于地理位置及产业链关联，上市企业之间的金融风险溢出及传染情况也不应被忽视。基于本文的研究体系，既能刻画海南省上市企业体系受到金融风险冲击时整体的金融稳定性，又能协助我们挖掘不同企业在金融风险溢出链条上的地位，将SIR传染病模型及有向复杂网络等方法统一起来辅助构建新的研究框架，从而为海南自由贸易港的风险防范制度建设提供参考。三、模型与数据本文从金融风险溢出的角度出发，采用有向加权网络以及传染病模型考察海南省上市企业之间的金融风险传染的动态影响，在复杂网络上模拟传染病传染过程以此刻画企业间金融风险溢出的动态情况。首先，使用偏相关系数方法计算各上市企业之间非对称的金融风险净溢出关系。其次，在此基础上，使用PCPG方法构建有向加权网络探讨各企业在金融风险溢出链中的地位，并研究随时间推移各企业在金融风险溢出链中地位的动态演变。最后，通过传染病模型模拟金融风险在企业间的传递，考察不同重要性的传染源对风险的传播能力及对整体金融稳定的影响。通过上述分析，一方面有助于找到海南自由贸易港中的系统重要性企业，明确各企业在金融风险溢出链中的地位，另一方面有助于识别企业间金融风险溢出，从而协助做好风险的早期预警与防范，为维护海南自由贸易港的金融稳定与金融安全提供参考依据，确保