国际冲击下系统性风险的影响因素与传染渠道研究 内容提要：本文基于区分宏观审慎与微观审慎这一崭新视角，采用前沿的系统性风险分解方法与相对重要性分析技术，准确测度国际输入性风险冲击下，全球４９个主要金融市场的系统关联及尾部风险，精准识别我国金融市场的薄弱环节。 同时，就不同市场冲击下各影响因素对系统性风险及其子成分的作用方向、影响力度等展开深入研究，剖析输入性金融风险的传染渠道。 此外，对发达市场、新兴市场风险的影响因素与传染渠道展开对比分析。 最后，本文采用条件分位数回归模型，探究各因素在不同风险分位数区间的异质性影响，并考察它们在各时期的渐进演变。 在此基础上，为有效应对输入性风险冲击提出了相关政策建议，从而为健全国际金融风险防范机制、“守住不发生系统性风险底线”提供参考依据。关键词：系统关联　 尾部风险　 风险影响因素　 风险传染渠道∗　 杨子晖、陈雨恬（通讯作者），南方科技大学商学院，邮政编码：５１８０５５，电子信箱：ｙａｎｇｚｈ＠ｓｕｓｔｅｃｈ． ｅｄｕ． ｃｎ，ｃｈｅｎｙｔ＠ｓｕｓｔｅｃｈ． ｅｄｕ． ｃｎ；黄卓，北京大学国家发展研究院中国经济研究中心、数字金融研究中心，邮政编码：１０００８０，电子信箱：ｚｈｕｏｈｕａｎｇ＠ｎｓｄ． ｐｋｕ． ｅｄｕ． ｃｎ。 本研究获得２０２１ 年度国家社科基金重大项目“双循环新格局下我国金融风险演化及防控措施研究”（２１＆ＺＤ１１４）的资助。 作者感谢审稿专家的宝贵意见，当然文责自负。一、引　 言防范风险是我国金融业的永恒主题。 “十三五”期间，我国防范化解金融风险攻坚战取得阶段性成就。 然而，近年来，全球新冠疫情反复、地缘政治冲突升级、发达国家大幅加息缩表、国外通胀严重恶化，各种风险交织叠加、相互激化，使得投资者恐慌情绪蔓延，我国资本市场不确定性显著上升。 此外，全球经济持续低迷，系统性风险在世界金融市场间快速传染，国际输入性风险不断加剧。因此，如何在全球外部环境错综复杂、我国金融开放纵深推进的过程中，有效应对国际市场风险冲击、防范金融市场异常波动，成为了“十四五”时期金融监管部门的重要挑战。 习近平总书记在党的二十大报告中指出，要“强化金融稳定保障体系”，以“守住不发生系统性风险底线”。２０２１年１２月，中国人民银行发布《宏观审慎政策指引（试行）》，指出要“强化宏观审慎政策与微观审慎监管的协调配合，充分发挥宏观审慎政策关注金融体系整体、微观审慎监管强化个体机构稳健性的优势，形成政策合力，共同维护金融稳定”。 由此可见，现阶段基于区分宏观审慎与微观审慎这一崭新的研究视角，采用最新发展的系统性风险分解方法，准确测度全球各市场的系统关联与尾部风险，同时分别考察在全球、发达以及新兴市场冲击下，系统性风险的传染渠道，探究各因素在不同风险分位数区间、不同时期的异质性影响，具有重要的学术价值与现实意义。理论分析文献表明，在全球层面上，风险冲击的传染渠道主要包括信息渠道（ｉｎｆｏｒｍａｔｉｏｎａｌｃｈａｎｎｅｌｓ）与真实联系渠道（ｒｅａｌ ｌｉｎｋａｇｅｓ ｃｈａｎｎｅｌｓ）两类（Ｄｅｂａｒｓｙｅｔ ａｌ．，２０１８）。 其中，信息渠道假定金融市场信息并不完全，国际投资者仅能依据已有信息评估其他市场的风险。 即便不考虑贸易、金融等其他互联关系，仅由投资者恐慌情绪引发的羊群行为也可能引发风险传染（Ｋａｍｉｎｓｋｙ ＆０ ９杨子晖等：国际冲击下系统性风险的影响因素与传染渠道研究Ｒｅｉｎｈａｒｔ，２０００）。 而由各市场间的贸易关系与金融关联共同构成的真实联系渠道则是风险的另一重要传染渠道。 文献显示，国际贸易能影响各经济体商业周期运行、国内生产总值，同时也会引发金融市场的风险联动（Ａｓｇｈａｒｉａｎｅｔ ａｌ．，２０１３）。 而国际贸易变动对产出的非对称冲击会放大汇率波动（Ｌｉ ｅｔ ａｌ．，２０１６），实际汇率的震荡则会对贸易平衡产生反馈影响（Ｆａｔｕｍｅｔ ａｌ．，２０１８），引发恶性循环，进一步加剧金融风险隐患。 因此，危机期间，经济体贸易开放程度越高，其金融系统脆弱性就会更大（Ｂｅｋａｅｒｔ ｅｔ ａｌ．，２０１４）。 然而，也有部分学者认为，在贸易高度开放的背景下，由于国际产业分工不断深化，各经济体会减少产出趋同，或通过提供充分的保险，推动金融机构助力国内产业分散借贷风险，反而会减少市场间共同风险敞口，缓释外生冲击（Ｗäｌｔｉ，２０１０；Ｇｎａｎｇｎｏｎ，２０１８）。与此同时，在全球金融一体化的背景下，结合经济体间金融关联的变量（例如，金融开放程度、金融发展水平等）考察风险传染的影响因素，也成为该领域的重要研究视角。 研究表明，金融开放程度的增加会加大国内金融机构的竞争压力，诱使其从事高风险业务（Ｂｒｅｍｕｓ ＆Ｂｕｃｈ，２０１６）。 随着金融开放程度的提升，市场投资者资产的交叉持有量不断攀升。 单个资本市场的暴跌将引发全球资产持有者的“负财富效应”，从而对其他市场产生显著冲击（Ｗäｌｔｉ，２０１０）。 金融发展程度对风险传染也存在重要影响，但现有研究对于该因素的作用方向仍未达成共识。 一方面，在金融危机时期，金融发展程度更高的经济体往往设有存款保险等援助措施，这反而削弱了市场参与者对风险的敏感程度，提高了金融机构的风险承担（Ｖｉｔｈｅｓｓｏｎｔｈｉ，２０１４）；而金融发展水平的提高，会进一步驱动各机构资本结构趋同（Ａｎｔｚｏｕｌａｔｏｓ ｅｔ ａｌ．，２０１６），加剧金融系统的风险隐患。 另一方面，研究表明，金融发展水平较高的经济体能获得更低的交易成本（Ｄｅｍｉｒ ＆Ｄａｈｉ，２０１１），其信贷配置也更有效（Ｃｈｉｕ＆Ｌｅｅ，２０１９），有利于保持宏观经济以及金融市场的安全与稳定。①纵观该领域的研究，第一，现有文献大多集中考察金融风险的传染关系，或仅探究国际贸易等单个因素对风险的驱动影响，而基于国际视角深入剖析系统性风险影响因素与传染途径的研究仍相对较少。 而且，几乎很少文献在统一的框架下，就贸易、金融等不同的风险传染渠道展开全面的对比分析。 然而，最新研究表明，国际金融风险易经由多种渠道传染，冲击整个金融网络，大幅提高金融系统的不稳定性（Ｗｉｅｒｓｅｍａｅｔ ａｌ．，２０２３）。 第二，在风险较高的市场低迷时期，或波动较小的市场平稳运行时期，各影响因素对系统性风险的作用力度往往表现出显著的异质性（Ｍｏｂａｒｅｋｅｔ ａｌ．，２０１６）。 现有为数不多考察风险传染渠道的文献，大多仅分析了各指标在单一风险区间下的影响力度，未能就其在不同分位数水平下，对风险的不同影响展开定量分析。 第三，合适的监管措施对于降低系统性风险承担、防范金融危机至关重要（Ｃｕｒｉ ＆Ｌｏｚａｎｏ⁃Ｖｉｖａｓ，２０２０）。 其中，微观审慎监管旨在降低个体尾部风险、遏制金融机构的过度冒险行为，宏观审慎监管则关注市场的共同风险敞口与相互联系，监管角度的差异可能导致当局选择不同的监管优先次序，甚至相反的政策手段（ＶａｎＯｏｒｄｔ ＆Ｚｈｏｕ，２０１９）。 因此，采用极值定理将系统性风险分解为系统关联与尾部风险两个子成分，分别基于宏观审慎与微观审慎的视角深入剖析系统性风险的影响因素（Ｄａｖｙｄｏｖ ｅｔ ａｌ．，２０２１），已成为该领域最新的研究视角。 第四，过往研究指出，发达市场会产生较高的风险溢出效应（Ｈｅ＆Ｈａｍｏｒｉ，２０２１），易对全球金融业产生明显的不利影响。 而随着全球金融一体化进程的不断推进，经济体间的跨境联系与尾部依赖逐步增强。 新兴市场由于金融市场发展相对滞后、风险管理能力较低，风险暴露水平持续上升，已成为国际金融系统中的潜在风险隐患。 因此，准确测度发达、新兴市场冲击下的系统性风险，并对其影响因素与传染渠道展开对比分析，显得尤为重要。 最１ ９２０２３年第１期① 国内学者在系统性风险领域的代表性研究包括：李政等（２０２０）、杨子晖等（２０２０）、刘晓星等（２０２１）、谭小芬和张文婧（２０２１）、王义中等（２０２２）、杨子晖和陈雨恬（２０２２）等。后，２０２０年以来，新冠疫情冲击叠加国际贸易衰退，致使多国股市频频熔断、全球经济持续低迷，各市场个体尾部风险急剧积聚。 同时，随着我国金融领域的进一步开放，中国金融市场与全球各经济体的联系愈发紧密，境内外市场互联互通水平逐步上升，这就使得完善金融监管协调机制、防范国际金融风险冲击成为我国现阶段亟待研究的重要议题。 有鉴于此，本文采用最新的系统性风险分解方法、前沿的相对重要性分析技术以及条件分位数回归模型，在统一的框架下对中国内地、中国香港、美国等４９个全球主要股票市场的系统性风险传染渠道展开对比分析。 在得出富有启发意义结论的基础上，为有效应对输入性风险冲击提出了相关建议。二、模型设定、方法说明（一）外部冲击下的系统性风险测算及分解方法ＶａｎＯｏｒｄｔ ＆Ｚｈｏｕ（２０１９）基于极值定理（ｅｘｔｒｅｍｅｖａｌｕｅｔｈｅｏｒｙ，ＥＶＴ），测算受到金融系统严重冲击时，单个市场的系统性风险（ｓｙｓｔｅｍｉｃｒｉｓｋ，ＳＲ）。 具体而言，首先刻画极端冲击下的系统性风险：Ｒｉ＝βＴｉＲｓ＋εｉ，对于Ｒｓ＜－ＶａＲｓ（ｐ） （１）　 　 其中，Ｒｉ 为单个市场ｉ 的回报指数，而Ｒｓ 则代表全球（发达、新兴）金融市场ｓ的投资回报。 系数βＴｉ 为系统性风险（ＳＲ）的衡量指标，刻画了在受到全球（发达、新兴）金融市场ｓ 的极端风险冲击时，单个市场ｉ 与国际市场ｓ的关联关系。 εｉ 则代表来自除Ｒｓ 外，其他来源的冲击，ＶａＲｓ（ｐ）为在险价值。 令Ｒｉ、Ｒｓ 服从厚尾分布，尾部指数分别为ζｉ 与ζｓ，得到βＴｉ ≥０：βＴｉ＝ｌｉｍｐ→０τｉ（ｐ）１／ ζｓＶａＲｉ（ｐ）／ ＶａＲｓ（ｐ） （２）　 　 其中，τｉ（ｐ）＝Ｐｒ（Ｒｉ≤－ＶａＲｉ（ｐ）｜Ｒｓ≤－ＶａＲｓ（ｐ）｝，为市场ｉ 与国际市场ｓ 同时发生极端损失的概率。 我们使用ＥＶＴ方法对（２）式进行估计，以克服极端事件中观测样本较小的局限。 当（Ｒｉ，Ｒｓ）有ｎ个观测值时，假设尾部区域的收益观测值数量为ｋ，则有：β(Ｔｉ＝τ(ｉ（ｋ／ ｎ）１／ ζ(ｓＶａＲ(ｉ（ｋ／ ｎ）／ ＶａＲ(ｓ（ｋ／ ｎ） （３）　 　 ＶａＲ(ｉ（ｋ／ ｎ）与ＶａＲ(ｓ（ｋ／ ｎ）由市场ｉ 与国际市场ｓ指数的第（ｋ＋１）个尾部收益观测值估算。 而τ(ｉ（ｋ／ ｎ）为基于τ(ｉ＝ｌｉｍｐ→０τｉ（ｐ）的非参数估计量。 本文设定ｋ／ ｎ＝１０％，测度市场ｉ 在１０％分位数下的系统性风险水平。①将（３）式进行对数变化，分解系统性风险βＴｉ，得到：ｌｏｇＳＲ＝ｌｏｇβ(Ｔｉ＝ｌｏｇτ(ｉ（ｋ／ ｎ）１／ ζ(ｓ＋ｌｏｇ（ＶａＲ(ｉ（ｋ／ ｎ）／ ＶａＲ(ｓ（ｋ／ ｎ）） ＝ｌｏｇＳＬｉ＋ｌｏｇＩＲｉ（４）　 　 上式将系统性风险（ＳＲ）进一步分解为“尾部风险”（ｔａｉｌ ｒｉｓｋ，ＩＲ）与“系统关联”（ｓｙｓｔｅｍｉｃｌｉｎｋａｇｅ，ＳＬ）两个子成分。 前者基于微观审慎监管视角度量金融市场的风险水平，代表个体风险；后者则从宏观审慎的角度衡量了极端损失与系统性事件间的关联，系统关联指标的数值越大，代表单个市场ｉ 在国际市场ｓ冲击下的共振概率越高，其受到系统性冲击时的暴露程度越大。（二）相对重要性分析方法为了对比分析真实关联渠道、信息渠道对系统性风险的异质性作用，本文借鉴Ｉｓｒａｅｌｉ（２００７）等提出的相对重要性分析技术方法（ｄｏｍｉｎａｎｃｅａｎａｌｙｓｉｓ），分析各影响因素对系统性风险的影响强度。具体而言，首先设定截面回归模型Ｒｉｓｋｉ＝ｐ＋ｑ１ｘ１，ｉ＋ｑ２ｘ２，ｉ＋ｕｉ，则其拟合优度如下：Ｒ２＝ＲＳＳＴＳＳ＝Ｖａｒ（Ｒｉｓｋ(）Ｖａｒ（Ｒｉｓｋ）＝１－Ｖａｒ（＾ｕ）Ｖａｒ（Ｒｉｓｋ）＝ｑ(１Ｃｏｖ（ｘ１，ｉ，Ｒｉｓｋ）＋ｑ(２Ｃｏｖ（ｘ２，ｉ，Ｒｉｓｋ）Ｖａｒ（Ｒｉｓｋ）（５）２ ９杨子晖等：国际冲击下系统性风险的影响因素与传染渠道研究① 我们也同样基于ＶａｎＯｏｒｄｔ ＆Ｚｈｏｕ（２０１９）设定的ｋ／ ｎ＝４％进行了稳健性检验，结果一致，备索。　 　 其中，Ｒｉｓｋｉ为本文测度的系统性风险、系统关联与尾部风险指标，ｘｉ 代表各影响因素及控制变量。 假定扰动项与解释变量不相关，将（５）式分解为各解释变量对被解释变量的贡献程度：Ｍ１＝１２！Ｒ２Ｒｉｓｋｉ＝ｐ ＋ｑ１ｘ１，ｉ＋ｑ２ｘ２，ｉ＋ｕｉ[ ]－Ｒ２Ｒｉｓｋｉ＝ｐ′ ＋ｑ２′ｘ２，ｉ＋ｕｉ′[ ]＋Ｒ２Ｒｉｓｋｉ＝ｐ″ ＋ｑ１″ｘ１，ｉ＋ｕｉ″[ ]－Ｒ２Ｒｉｓｋｉ＝ｐ‴＋ｕｉ‴ [ ]{ }（６）　 　 在此基础上，定义第ｋ个变量的贡献程度为：Ｍｋ＝１Ｌ！Ｒ２Ｒｉｓｋｉ＝ｐ ＋∑ｌ∈Ｓｑｌｘｌ，ｉ＋ｑｋｘｋ，ｉ＋ｕｉ[ ]－Ｒ２Ｒｉｓｋｉ＝ｐ′ ＋∑ｌ∈Ｓｑｌ′ｘｌ，ｉ＋ｕｉ′[ ] { }（７）　 　 其中，Ｌ为解释变量个数，Ｓ为其他解释变量在不包含第ｋ个变量时的所有子集。 在本文中，我们测算了各风险影响因素的贡献程度，以衡量其对风险指标的相对重要性。（三）模型设定本文分别对在全球、发达市场以及新兴市场的风险冲击下，各市场的系统性风险、系统关联、尾部风险的影响因素与传染渠道展开分析。 建立如下回归模型：Ｒｉｓｋｎ，ｍ，ｉ，ｔ＝αｎ１＋βｎ１Ｓｉｚｅｉ，ｔ－１＋βｎ２ＶＩＸｉ，ｔ－１＋βｎ３Ｅｘｃｈａｎｇｅｉ，ｔ－１＋βｎ４Ｆｏｐｅｎｎｅｓｓｉ，ｔ－１＋βｎ５Ｏｐｅｎｎｅｓｓｉ，ｔ－１＋βｎ６Ｆｄｅｖｅｌｏｐｍｅｎｔｉ，ｔ－１＋θｎＣｏｎｔｒｏｌｉ，ｔ－１＋ｔｎｔ＋ｕｎｉ，ｔ（８）　 　 其中，ｍ＝｛ｇｌｏｂａｌ，ｄｅｖｅｌｏｐｅｄ，ｅｍｅｒｇｉｎｇ｝分别代表来自全球、发达以及新兴市场的风险冲击，ｎ＝｛ＳＲ，ＳＬ，ＩＲ｝，为本文测度的系统性风险、系统关联、尾部风险指标，ｉ ＝１，． ． ． ，Ｎ代表样本市场，ｔ ＝１，． ． ． ，Ｔ为样本期。 解释变量分别包括经济规模Ｓｉｚｅｉ，ｔ －１、市场恐慌情绪ＶＩＸｉ，ｔ －１、实际汇率指数Ｅｘｃｈａｎｇｅｉ，ｔ －１、金融开放度Ｆｏｐｅｎｎｅｓｓｉ，ｔ －１、贸易开放度Ｏｐｅｎｎｅｓｓｉ，ｔ －１ 以及金融发展指数Ｆｄｅｖｅｌｏｐｍｅｎｔｉ，ｔ －１，分别基于包含贸易与金融关联的真实联系渠道、信息渠道，考察风险的影响因素。其中，借鉴Ｚｈａｎｇｅｔ ａｌ． （２０１５）等的研究，采用进出口总额与ＧＤＰ的比例衡量贸易开放度、外商直接投资（ＦＤＩ）占ＧＤＰ的比重刻画金融开放度，并基于私营企业信贷与ＧＤＰ的比率测度金融发展水平。 Ｃｏｎｔｒｏｌｉ，ｔ －１为控制变量，ｔｔ 为时间固定效应；ｕｉ，ｔ 为残差项。 此外，与该领域的研究相一致，本文将所有解释变量与控制变量滞后一期，以克服潜在的内生性问题。①（四）数据说明本文分别采用ＭＳＣＩ全部国家指数、ＭＳＣＩ发达市场指数与ＭＳＣＩ新兴市场指数作为全球、发达以及新兴市场股票市场的代表变量，并选用全球４９个主要市场的股票指数分别作为单个金融市场收益率的衡量指标，据此测算在受到全球、发达、新兴市场冲击时，各市场的系统性风险（ＳＲ）、系统关联（ＳＬ）以及尾部风险（ＩＲ）。②股指数据为日度数据，分别来源于ＭＳＣＩ官网与Ｗｉｎｄ数据库。 此外，本文使用ＧＤＰ实际值度量一国的经济规模，并将实际有效汇率指数、贸易开放度作为贸易渠道的代表变量，同时采用金融开放水平与金融发展程度刻画金融渠道，我们也把ＶＩＸ恐慌指数作为信息渠道的衡量指标，以全面考察各金融市场风险的影响因素与传染渠道。 还选取了一系列反映金融市场波动与宏观经济状况的控制变量，包含伦敦现货黄金收盘价的收益率变动、布伦特原油合约收盘价的收益率变动，以及ＣＰＩ指数、失业率与经常项目余额。 上述影响因素指标及控制变量均３ ９２０２３年第１期①②与ＶａｎＯｏｒｄｔ ＆Ｚｈｏｕ（２０１９）等一致，本文发现系统性风险与尾部风险之间的相关性较弱，基于不同滞后期的个体尾部风险指标对系统性风险并不具备预测能力，因此，遵循研究惯例，在分析时排除了个体固定效应，仅在基准回归模型中纳入时间固定效应。 检验结果备索。选用的４９个国家（地区）包括中国内地、中国香港、阿联酋、越南、泰国、印度尼西亚、沙特阿拉伯、菲律宾、黎巴嫩、以色列、印度、韩国、新加坡、日本、土耳其、马来西亚、卢森堡、捷克、意大利、希腊、丹麦、爱尔兰、比利时、瑞士、俄罗斯、荷兰、西班牙、法国、德国、英国、波兰、匈牙利、芬兰、挪威、乌克兰、葡萄牙、瑞典、奥地利、埃及、尼日利亚、澳大利亚、新西兰、委内瑞拉、巴西、智利、阿根廷、墨西哥、加拿大、美国。为季度数据，来源于国际金融统计数据库（ＩＦＳ）、国际清算银行（ＢＩＳ）、国泰安数据库。 依据数据的可获得性，本文研究的样本区间为１９９７年１季度至２０２０年４季度。三、实证结果与分析（一）国际冲击下全球系统性风险的测算与分解首先，本文采用系统性风险分解方法，测算受到全球、发达、新兴金融市场冲击时，４９个全球主要金融市场的系统性风险（ＳＲ）、系统关联（ＳＬ）以及个体风险（ＩＲ）。 分别计算４９个市场ＳＬ与ＩＲ在１９９７—２０２０年的均值，并在图１中画出。 图１表明，在三类冲击下，点纹、横纹、竖纹球体横轴落点差异较小，基于全球、发达、新兴市场指数测算的系统关联指标较为接近。 这意味着受到国际输入性冲击时，全球主要金融市场间均会产生明显的风险联动效应，且源自新兴市场的震荡冲击，同样存在全球扩散可能。 而从纵轴来看，图１（ｂ）显示，受发达市场风险冲击时，各市场的个体风险水平较高，且与图１（ａ）中全球冲击下的变动较为类似。 相对应地，图１（ｃ）表明，新兴市场冲击下的尾部风险水平相对较低，竖纹球体球心落点的纵坐标值远低于发达市场冲击下的测度结果（横纹球体）。 这表明较之新兴市场，源自发达市场的极端风险事件更易加剧各市场的尾部风险隐患。图１　 １９９７—２０２０年间各市场的平均系统关联与尾部风险　 　 注：（１）点纹、横纹与竖纹球体分别代表受到全球、发达、新兴市场冲击时的风险测度结果，三类球体各有２３个，分别代表１９９７—１９９８年，１９９８—１９９９年，…，２０１９—２０２０年４９个市场ＳＬ与ＩＲ指标的均值；（２）风险测度指标以２４个月滚动窗宽（窗口滑动步长１个月）滚动估计得到，图２、图３相同，不再赘述。在此基础上，本文逐一计算每个市场在全球、发达、新兴市场冲击下，ＳＬ与ＩＲ指标在１９９７—２０２０年间的平均值，由此画出４９个市场的风险均值。 由图２（ａ）可以清楚地发现，在受到全球风险冲击时，实心图例大多位于空心图例右侧，即发达市场的系统关联指标明显高于新兴市场，这可能是由于新兴市场的贸易开放度与资本市场开放度较低，且金融发展水平也与发达市场存在一定差距，从而导致其与国际金融系统的关联程度相对较低。 但值得注意的是，尾部风险指标显示，在受到国际输入性风险冲击时，小部分新兴市场的纵坐标值处于最高水平，较高的个体尾部风险将引发更剧烈的市场震荡。 为了便于对比分析，我们用圆形标识了中国内地与美国金融市场的风险指标。图２表明，在不同市场冲击下，美国的系统关联指标均高于我国内地市场。 而与此相对应，我国内地市场的尾部风险指标相对较高，纵坐标落点均位于美国上方，表明个体尾部风险将在输入性冲击４ ９杨子晖等：国际冲击下系统性风险的影响因素与传染渠道研究下快速积聚，进一步扩大风险敞口，加剧我国系统性风险隐患。 与图２（ｂ）相较，我国内地市场的横坐标在图２（ｃ）中明显右移，系统关联指标大幅提高。 意味着较之发达市场，我国内地金融市场与新兴市场的系统关联更高，易在新兴市场的冲击下出现显著的风险联动效应。图２　 ４９个市场在不同冲击下的系统关联与尾部风险（总体样本平均）　 　 注：（１）图２展示了每个市场的风险测度结果在１９９７—２０２０年间的风险平均值，并将其划分为新兴市场、发达市场，分别采用空心三角与实心三角标识；（２）每个子图中，三角形图例均有４７个，分别代表除中国内地与美国之外的４７个股票市场。图３画出了我国内地资本市场１９９７—２０２０年间的风险水平。 为了对比，同样展示了美国金融市场的测度结果。 由图３（ａ）与（ｃ）可知，与美国市场相反，对于我国内地市场，在绝大多数样本区间内，基于新兴市场指数测算的系统关联，均高于发达市场冲击下的测度值，表明我国内地市场与新兴市场的整体联动更密切。 反之，美国则与发达市场存在紧密的风险联动，进一步佐证了图２的研究发现。 且２００８年后，内地市场与新兴市场高度互联，系统关联指标逐步上升。 图３（ｂ）显示，在２００７年国际金融危机、２０１５年重大股灾期间（虚线框标识），我国内地市场的尾部风险指标均攀升至高点。 在国际风险冲击下，由于内外金融环境恶化，我国内地金融系统中的个体尾部风险迅速积聚。 值得注意的是，上述危机期间，我国内地市场系统关联这一子成分未显著攀升，这可能得益于我国在过去较长时期内均实行较严格的资本管制与外汇管制，国际风险暴露相对较低。（二）国际冲击下我国各行业系统性风险的测算与分解本文进一步采用中国内地Ａ股市场的１１个行业指数，以２４、３６、４８个月的滚动窗宽，逐月滑动（分别得到２２９个、２１７个与２０５个滚动样本），基于ＭＳＣＩ 的全部国家指数、发达市场指数、新兴市场指数，测算国际冲击下，我国各行业的系统性风险水平（ＳＲ）。①与此同时，我们逐月统计了每个行业的ＳＲ指标进入各滚动样本前三位的次数，结果列于表１。 Ｐａｎｅｌ Ａ显示，在全球、发达与新兴市场冲击下，房地产、信息技术、金融等行业的系统性风险水平始终较高，例如，在全球冲击下，上述行业在２２９个滚动样本中进入前三位的次数分别达到了１５５、１３６与８８次，表明此类行业最容易遭受国际冲击。 究其原因，上述行业的资金投入需求相对较大，对经济金融形势的变动、政策利率的调整往往更敏感，因此易在国际输入性冲击下出现大幅震荡。 因此，必须加大对信息技术、房地产、金融等经济敏感型行业的实时风险监控，及时缓释重点行业波动，从而有效防范化解系统性风险、５ ９２０２３年第１期① 本文选取Ｗｉｎｄ行业一级指数作为金融、房地产、可选消费、日常消费、工业、材料、能源、信息技术、电信服务、公用事业、医疗保健等１１个行业的代表变量，受限于数据可得性，行业分析的样本期为２０００年１月至２０２０年１２月。图３　 不同冲击下中美金融市场风险指标的比较分析　 　 注：图中横坐标１９９７—１９９８年对应滚动窗口为１９９７年１月—１９９８年１２月的测算结果，１９９９—２０００年对应滚动窗口为１９９９年１月—２０００年１２月的测算结果，……，以此类推。保障资本市场平稳发展。 Ｐａｎｅｌ Ｂ与Ｃ中，基于不同滚动期的结果基本一致，结果稳健可靠。表１ 我国各行业系统性风险（ＳＲ）进入前三位的次数统计Ｐａｎｅｌ Ａ（滚动窗宽为２４个月）Ｐａｎｅｌ Ｂ（滚动窗宽为３６个月）Ｐａｎｅｌ Ｃ（滚动窗宽为４８个月）全球 发达 新兴 全球 发达 新兴 全球 发达 新兴能源 ３２ ３１ ４６ ３９ ２２ ３８ １８ ２０ ４０材料 ８８ ９１ ９８ ８５ ８３ ９２ ９２ ９４ １１０工业 ２７ ２２ １９ １６ １１ ４ １ １ ２可选消费 １０ ２ ８ ９ １７ ３ ０ ０ ２日常消费 ５ ３ ０ ７ ８ ０ ３ ５ ０医疗保健 ２８ ２８ ９ １９ １６ １０ １５ １２ ２金融 ８８ ９６ ９３ ９０ ９３ ８６ ６２ ５９ ６６信息技术 １３６ １３５ １４５ １３４ １３７ １４５ １３３ １２７ １３６电信服务 １１４ １１３ １２５ １００ １１３ １３８ １３２ １３５ １２４公用事业 ４ ２ １ ０ ０ ３ ０ ０ ０房地产 １５５ １６４ １４３ １５２ １５１ １３２ １５９ １６２ １３３　 　 接着，采用２４个月的滚动窗宽，将各行业的系统性风险（ＳＲ）分解为系统关联（ＳＬ）、尾部风险（ＩＲ），逐一计算１１个行业的ＳＬ、ＩＲ指标在２０００—２０２０年间的时序均值，并在图４中画出。 图４６ ９杨子晖等：国际冲击下系统性风险的影响因素与传染渠道研究（ａ）显示，在新兴市场冲击下，所有行业的系统关联指标均显著高于全球、发达市场冲击下的测度值，再次证明我国金融市场与新兴市场的整体联动关系更密切。 同时，基于不同冲击的结论均表明，金融行业的ＳＬ指标高于其他行业，与国际市场发生风险联动的概率相对较高。 这与Ｇｒａｎｔ ＆Ｙｕｎｇ（２０２１）等的研究一致。 在金融全球化的背景下，为了实现收益多元化与风险分散化，金融机构、金融行业间存在极为紧密的借贷关联，形成了高度复杂的关联网络，从而大幅提高了风险的传染共振可能。 因此，除更关注个体尾部风险的微观审慎政策外，旨在调控市场的共同风险敞口与相互关联的宏观审慎政策，对切实防范化解国际输入性风险、平抑重点行业波动同样至关重要。 这也符合我国的政策实践：２０２１年１２月，中国人民银行发布《宏观审慎政策指引（试行）》，通过资本、流动性、资产负债等管理工具，对金融机构、产品施加了一系列额外监管要求。 由图４（ｂ）可知，较之新兴市场，在发达市场冲击下，各行业的ＩＲ指标更大，与图１结论相吻合，发达市场的极端风险事件会更显著地加剧我国个体尾部风险隐患。 此外，在输入性冲击下，信息技术业尾部风险的均值始终处于最高水平。图４　 不同冲击下我国各行业系统关联与尾部风险（三）全球金融风险的影响因素与传染渠道分析本文进一步剖析了系统性金融风险的传染渠道，甄别市场整体联动关系以及尾部风险依赖性的影响因素。 首先，分别基于ＭＳＣＩ 全部国家指数、ＭＳＣＩ 发达市场指数、ＭＳＣＩ 新兴市场指数测算风险指标，将其作为被解释变量，进一步考察在全球、发达以及新兴市场的风险冲击下，各经济体系统性风险、系统关联以及尾部风险的影响因素，据此探究风险传染渠道。①表２报告了以全球冲击下的系统性风险指标（ＳＲ）为被解释变量的回归结果。 由表２可知，总体而言，经济规模、贸易开放程度、金融开放程度等指标的系数显著为正。 这就表明，在全球市场震荡期间，经济体间贸易与金融联系的加深均会驱动系统性风险积聚。７ ９２０２３年第１期① 我们还考察了在金融市场收益序列分布５％与１５％分位数下不同滚动窗口期的结果。 此外，与Ｖａｎ Ｏｏｒｄｉｔ ＆Ｚｈｏｕ（２０１９）等一致，本文测度了４８个月滚动窗宽、４％分位数下的系统性风险，并展开传染渠道分析。 结论均稳健一致，相关结果备索。表２ 全球冲击下系统性风险（ＳＲ）的影响因素回归分析Ｐａｎｅｌ Ａ被解释变量：系统性风险ＳＲ（未加入控制变量） Ｐａｎｅｌ Ｂ被解释变量：系统性风险ＳＲ（加入控制变量）模型１ 模型２ 模型３ 模型４ 模型５ 模型６ 模型７ 模型８ 模型９ 模型１０ 模型１１ 模型１２经济规模ｔ －１０. ０５３∗∗∗（０. ００５）０. ０５３∗∗∗（０. ００５）０. ０５７∗∗∗（０. ００５）０. ０４２∗∗∗（０. ００７）０. ０７２∗∗∗（０. ００９）０. ０７５∗∗∗（０. ０１０）０. ０６１∗∗∗（０. ００５）０. ０６１∗∗∗（０. ００５）０. ０５９∗∗∗（０. ００５）０. ０５０∗∗∗（０. ００７）０. ０７７∗∗∗（０. ００９）０. ０９１∗∗∗（０. ０１１）市场恐慌程度ｔ －１０. ００８（０. ０１３）０. ００５（０. ０１４）０. ００７（０. ０１７）０. ００６（０. ０１７）０. ００６（０. ０１７）０. ０１１（０. ０１４）０. ０１０（０. ０１５）０. ００５（０. ０１７）０. ００６（０. ０１７）０. ００７（０. ０１７）实际汇率指数ｔ －１－０. １４４∗∗（０. ０５６）０. ０６５（０. ０７８）０. ０４９（０. ０７９）０. ０４７（０. ０７９）０. ２４９∗∗∗（０. ０６１）０. １９７∗∗∗（０. ０７６）０. １７４∗∗（０. ０７８）０. １６６∗∗（０. ０７８）金融开放程度ｔ －１０. ０３７∗∗∗（０. ００６）０. ０２９∗∗∗（０. ００６）０. ０２７∗∗∗（０. ００７）０. ０３６∗∗∗（０. ００６）０. ０２８∗∗∗（０. ００６）０. ０２３∗∗∗（０. ００７）贸易开放程度ｔ －１０. ０７９∗∗∗（０. ０１４）０. ０８２∗∗∗（０. ０１５）０. ０７２∗∗∗（０. ０１３）０. ０８５∗∗∗（０. ０１５）金融发展程度ｔ －１０. ０１４（０. ０２０）０. ０４５∗∗（０. ０２０）控制变量 否 否 否 否 否 否 是 是 是 是 是 是时间固定效应 是 是 是 是 是 是 是 是 是 是 是 是观测值 ３２７２ ３２７２ ２６５６ ９６７ ９５０ ９５０ ２５９１ ２５９１ ２３０２ ９３７ ９２０ ９２０Ｒ２０. １５６ ０. １５６ ０. １４０ ０. １５９ ０. １９０ ０. １９１ ０. １９７ ０. １９７ ０. １９９ ０. ２１５ ０. ２４２ ０. ２４６　 　 注：（１）∗、∗∗以及∗∗∗分别表示通过１０％、５％以及１％的显著性水平检验；（２）受篇幅所限，省略控制变量与常数项的回归结果；（３）风险测度指标基于２４个月滚动窗宽（窗口滑动步长３个月）滚动估计得到；（４）表３－５相同，不再赘述。同时，基于ＭＳＣＩ全部国家指数测算的系统关联、尾部风险作为被解释变量，考察各影响因素对两类子成分的作用。 表３显示，经济规模、实际汇率指数、贸易开放程度均对系统关联有显著的正向作用。 由Ｐａｎｅｌ Ａ的模型４—６可知，金融开放程度对系统关联的影响系数在１％的置信水平下均显著为正，意味着在全球风险冲击下，与其他市场金融关联更高的市场往往对国际风险更为敏感、共振概率更大。 在Ｐａｎｅｌ Ｂ的模型１２中，经济规模、贸易开放程度的系数达到了０. ０７５与０. ０５０，远高于Ｐａｎｅｌ Ａ模型６中０. ０１６与０. ０３５。 这意味着，较之系统关联指标，贸易渠道会对尾部风险指标产生更显著的影响。 值得注意的是，由模型６与模型１２可知，金融发展程度对系统关联有着明显的负向影响，但与尾部风险存在显著的正相关。 这可能是由于，一方面，体系趋于完整、监管更为完善的金融市场，能够有效缓释风险的跨市场联动，因此，金融发展程度更高，系统关联指标则会更低；另一方面，在金融发展程度更高的经济体中，国际资本与贸易流动更为频繁，金融市场环境及产品愈发复杂，投资者也更偏好于构建高风险的投资组合来谋求更高收益，从而加剧了金融市场的尾部风险隐患。表３ 全球冲击下系统关联（ＳＬ）与尾部风险（ＩＲ）的影响因素回归分析Ｐａｎｅｌ Ａ被解释变量：系统关联ＳＬ Ｐａｎｅｌ Ｂ被解释变量：尾部风险ＩＲ模型１ 模型２ 模型３ 模型４ 模型５ 模型６ 模型７ 模型８ 模型９ 模型１０ 模型１１ 模型１２经济规模ｔ －１０. ０１７∗∗∗（０. ００３）０. ０１７∗∗∗（０. ００３）０. ０１６∗∗∗（０. ００３）０. ００９∗∗（０. ００３）０. ０２６∗∗∗（０. ００４）０. ０１６∗∗∗（０. ００５）０. ０４３∗∗∗（０. ００４）０. ０４４∗∗∗（０. ００４）０. ０４３∗∗∗（０. ００４）０. ０４１∗∗∗（０. ００７）０. ０５２∗∗∗（０. ００８）０. ０７５∗∗∗（０. ０１０）市场恐慌程度ｔ －１－０. ０２３∗∗∗（０. ００７）－０. ０２２∗∗∗（０. ００７）－０. ０２１∗∗（０. ００８）－０. ０１９∗∗（０. ００８）－０. ０１９∗∗（０. ００８）０. ０３５∗∗∗（０. ０１２）０. ０３２∗∗∗（０. ０１２）０. ０２５（０. ０１６）０. ０２５（０. ０１６）０. ０２６（０. ０１６）实际汇率指数ｔ －１０. ２４２∗∗∗（０. ０２９）０. １３３∗∗∗（０. ０３７）０. １５１∗∗∗（０. ０３７）０. １５７∗∗∗（０. ０３６）０. ００６（０. ０４９）０. ０６４（０. ０７０）０. ０２４（０. ０７２）０. ００９（０. ０７２）８ ９杨子晖等：国际冲击下系统性风险的影响因素与传染渠道研究续表３Ｐａｎｅｌ Ａ被解释变量：系统关联ＳＬ Ｐａｎｅｌ Ｂ被解释变量：尾部风险ＩＲ模型１ 模型２ 模型３ 模型４ 模型５ 模型６ 模型７ 模型８ 模型９ 模型１０ 模型１１ 模型１２金融开放程度ｔ －１０. ０１８∗∗∗（０. ００３）０. ０１４∗∗∗（０. ００３）０. ０１７∗∗∗（０. ００３）０. ０１８∗∗∗（０. ００６）０. ０１５∗∗（０. ００６）０. ００５（０. ００６）贸易开放程度ｔ －１０. ０４５∗∗∗（０. ００６）０. ０３５∗∗∗（０. ００７）０. ０２７∗∗（０. ０１２）０. ０５０∗∗∗（０. ０１３）金融发展程度ｔ －１－０. ０３１∗∗∗（０. ００９）０. ０７５∗∗∗（０. ０１８）控制变量 是 是 是 是 是 是 是 是 是 是 是 是时间固定效应是 是 是 是 是 是 是 是 是 是 是 是观测值 ３２７２ ２５９１ ２３０２ ９３７ ９２０ ９２０ ３２７２ ２５９１ ２３０２ ９３７ ９２０ ９２０Ｒ２０. ２２３ ０. ３３５ ０. ３４８ ０. ３９３ ０. ４２８ ０. ４３４ ０. １９８ ０. ２６８ ０. ２９１ ０. ２９７ ０. ３０８ ０. ３２０　 　 我们还考察了在发达市场冲击下，各因素对风险指标的影响方向与作用力度。①表４的ＰａｎｅｌＢ显示，金融开放程度对系统关联的影响系数均显著为正，表明在受到发达市场风险冲击时，金融开放度更高的市场更易出现风险联动与风险共振。 这意味着，在发达市场出现极端风险事件时，其金融机构资产负债表恶化、资本流动性不足等外生冲击易经由境内外金融市场的互通互联渠道进一步放大，提高了全球其他市场的金融脆弱性。 此外，与表３一致，经济规模、贸易开放度的系数在所有回归中均显著为正，且模型６中对尾部风险的影响力度分别达到了０. ０７５与０. ０５０（模型４对系统关联的影响系数分别为０. ０１８与０. ０４０），即在发达市场冲击下，若经济体的规模较大、贸易开放度较高，则其金融市场往往具有更高的个体尾部风险水平。表４ 发达市场冲击下系统性风险、系统关联与尾部风险的影响因素分析Ｐａｎｅｌ Ａ被解释变量：系统性风险ＳＲＰａｎｅｌ Ｂ被解释变量：系统关联ＳＬＰａｎｅｌ Ｃ被解释变量：尾部风险ＩＲ模型１ 模型２ 模型３ 模型４ 模型５ 模型６经济规模ｔ －１０. ０８０∗∗∗（０. ０１０）０. ０９３∗∗∗（０. ０１１）０. ０４３∗∗∗（０. ００６）０. ０１８∗∗∗（０. ００５）０. ０３７∗∗∗（０. ０１０）０. ０７５∗∗∗（０. ０１０）市场恐慌程度ｔ －１０. ００５（０. ０１７）０. ００７（０. ０１７）－０. ０１２（０. ０１０）－０. ０１９∗∗（０. ００９）０. ０１７（０. ０１６）０. ０２６（０. ０１６）实际汇率指数ｔ －１０. ０５８（０. ０７９）０. １７９∗∗（０. ０７８）０. １２１∗∗∗（０. ０４３）０. １７４∗∗∗（０. ０３９）－０. ０６３（０. ０７３）０. ００４（０. ０７１）金融开放程度ｔ －１０. ０２７∗∗∗（０. ００７）０. ０２３∗∗∗（０. ００７）０. ０１８∗∗∗（０. ００４）０. ０１６∗∗∗（０. ００３）０. ００９（０. ００６）０. ００６（０. ００６）贸易开放程度ｔ －１０. ０８９∗∗∗（０. ０１５）０. ０９０∗∗∗（０. ０１５）０. ０５６∗∗∗（０. ００８）０. ０４０∗∗∗（０. ００７）０. ０３３∗∗（０. ０１４）０. ０５０∗∗∗（０. ０１３）金融发展程度ｔ －１０. ０１６（０. ０２０）０. ０４５∗∗（０. ０２０）－０. ０１２（０. ０１１）－０. ０２７∗∗∗（０. ０１０）０. ０２８（０. ０１８）０. ０７３∗∗∗（０. ０１８）９ ９２０２３年第１期① 表４、表５中的逐步回归结果稳健，备索。续表４Ｐａｎｅｌ Ａ被解释变量：系统性风险ＳＲＰａｎｅｌ Ｂ被解释变量：系统关联ＳＬＰａｎｅｌ Ｃ被解释变量：尾部风险ＩＲ模型１ 模型２ 模型３ 模型４ 模型５ 模型６控制变量 否 是 否 是 否 是时间固定效应 是 是 是 是 是 是观测值 ９５０ ９２０ ９５０ ９２０ ９５０ ９２０Ｒ２０. ２００ ０. ２５４ ０. ３３７ ０. ４７５ ０. ２４４ ０. ３３１　 　 本文同样以新兴市场冲击下，各市场的系统性风险、系统关联与尾部风险作为被解释变量，展开回归分析，结果列于表５。 Ｐａｎｅｌ Ｂ的模型４显示，在控制其他变量后，与表３、表４中的结论不同，实际汇率指数对系统关联的影响系数显著为负，即经济体的实际汇率指数越高、货币相对价值越大，则其与新兴市场的系统关联越低。 一种可能的解释是，在新兴市场冲击下，国际投资者通常倾向于大规模抛售其他新兴经济体的货币，从而加剧了国际汇率市场不稳定性，使风险易通过汇率渠道传播与扩散，引发明显的风险联动效应。 在此背景下，经济体实际汇率指数的增加（即货币相对价值的提升），将有助于降低其与新兴市场风险的联动可能，从而缓释输入性风险，增强金融系统稳定性。 表５进一步显示，在受到新兴市场冲击时，较之系统关联，经济规模、贸易开放程度依旧会对尾部风险产生更大的作用力度，模型６中的回归系数分别达到了０. ０７８与０. ０４９。表５ 新兴市场冲击下系统性风险、系统关联与尾部风险的影响因素回归分析Ｐａｎｅｌ Ａ被解释变量：系统性风险ＳＲＰａｎｅｌ Ｂ被解释变量：系统关联ＳＬＰａｎｅｌ Ｃ被解释变量：尾部风险ＩＲ模型１ 模型２ 模型３ 模型４ 模型５ 模型６经济规模ｔ －１０. ０３９∗∗∗（０. ０１０）０. ０８７∗∗∗（０. ０１１）－０. ００２（０. ００３）０. ００９∗∗∗（０. ００３）０. ０４２∗∗∗（０. ０１０）０. ０７８∗∗∗（０. ０１０）市场恐慌程度ｔ －１－０. ０２４（０. ０１８）－０. ０２３（０. ０１７）－０. ００８（０. ００５）－０. ００７（０. ００５）－０. ０１６（０. ０１６）－０. ０１７（０. ０１６）实际汇率指数ｔ －１－０. １６５∗∗（０. ０８０）－０. ０５４（０. ０７６）－０. ０８９∗∗∗（０. ０２４）－０. ０４５∗（０. ０２３）－０. ０７６（０. ０７３）－０. ００９（０. ０７２）金融开放程度ｔ －１０. ０１８∗∗（０. ００７）０. ０１３∗∗（０. ００７）０. ００９∗∗∗（０. ００２）０. ００７∗∗∗（０. ００２）０. ００８（０. ００６）０. ００６（０. ００６）贸易开放程度ｔ －１０. ０３６∗∗（０. ０１５）０. ０５７∗∗∗（０. ０１４）０. ００１（０. ００４）０. ００７∗（０. ００４）０. ０３４∗∗（０. ０１４）０. ０４９∗∗∗（０. ０１３）金融发展程度ｔ －１０. ０１６（０. ０２０）０. ０７０∗∗∗（０. ０２０）－０. ０１７∗∗∗（０. ００６）－０. ００４（０. ００６）０. ０３３∗（０. ０１８）０. ０７４∗∗∗（０. ０１８）控制变量 否 是 否 是 否 是时间固定效应 是 是 是 是 是 是观测值 ９５０ ９２０ ９５０ ９２０ ９５０ ９２０Ｒ２０. ２１９ ０. ３４８ ０. ４４２ ０. ５０６ ０. １６９ ０. ２７３０ ０ １杨子晖等：国际冲击下系统性风险的影响因素与传染渠道研究　 　 进一步地，我们基于相对重要性分析方法，分析经济规模、市场恐慌情绪、实际汇率指数等对系统性风险、系统关联以及尾部风险的解释力度，剖析各渠道的相对重要程度。 由图５（ａ）与（ｂ）可知，各影响因素对系统关联、尾部风险存在较大的异质性作用。 具体而言，与前文分析基本一致，不同外生冲击下，经济体的规模水平、实际汇率指数、贸易开放程度对尾部风险（虚线）的影响力度较大，经济规模的解释力度更是高于４０％。 在发达、新兴市场冲击下，金融开放程度、金融发展程度均对系统关联（点线）产生了较明显的作用。 市场恐慌情绪对各子成分的影响均相对较小，且在大部分回归中并不显著。 由此可见，在全球极端负面冲击下，较之以市场恐慌情绪刻画的信息渠道，真实联系渠道是更为重要的风险传染途径。 其中，贸易渠道对各市场的个体尾部风险产生了显著的驱动作用，而金融关联则是各经济体与全球金融市场风险联动的重要影响因素。图５　 各影响因素对风险指标的相对重要性分析（四）风险影响因素与传染渠道的异质性分析本文还以全球市场冲击下的风险测度指标作为被解释变量，将４９个样本市场划分为发达市场（２５个）、新兴市场（２４个）两组子样本，分别展开回归分析，考察各因素对发达市场风险、新兴市场风险的异质性影响。 图６展示了两组子样本下，各解释变量的系数与置信区间。 图６显示，较之发达市场，经济规模与贸易开放程度对新兴市场均有更显著的正向影响（估计系数更大）。 由图６（ｂ）与（ｃ）可知，在发达市场中，金融发展程度对系统关联的影响在１０％置信水平上显著为负，而对尾部风险存在明显的正向驱动。 对新兴市场的ＳＬ与ＩＲ指标而言，该因素则会产生相反的作用方向，且系数绝对值也更大。 究其原因，一方面，对于金融基础设施较完备、金融体系相对完善的发达市场，其金融发展水平的进一步提升，能够增强金融系统稳定性，避免在冲击下产生显著的风险联动，但随着金融市场的发展，金融产品、金融行为的复杂化也大幅提高了监管难度，市场参与者会倾向于构建高风险、高回报的投资组合，加剧了个体尾部风险隐患；另一方面，对于基础设施较不完善、发展程度普遍较低的新兴市场而言，金融市场的适度发展有助于经济主体间相互分担风险，也有利于市场参与者通过合理的资产配置充分分散风险，能在较大程度上缓释尾部风险，而其金融发展程度的不断提高，也会推动其与全球市场互联互通，对系统关联产生显著的正向影响。本文还基于条件分位数回归模型展开异质性分析。 为了便于识别，我们用灰色阴影区域标识其所对应的９０％置信区间。①由图７可知，绝大多数影响因素，如经济规模、金融开放程度、贸易开１ ０ １２０２３年第１期① 条件分位数回归模型的具体构建详见Ｋｒüｇｅｒ ＆Ｒöｓｃｈ（２０１７）。 限于篇幅，系统关联与尾部风险的异质性分析结果备索。图６　 各因素对发达市场与新兴市场风险影响的比较分析　 　 注：风险测度指标基于２４个月滚动窗宽（窗口滑动步长３个月）滚动估计得到。放程度等，在高风险时期对系统性风险的影响更显著。 图７（ｃ）显示，在低风险分位数区间（高风险时期）下，实际汇率指数的系数在１０％的显著性水平下显著为正。 随着分位数区间的增加（低风险时期），该系数出现了反向变动，但总体来看，其在绝大多数分位数区间保持正向影响。图７　 系统性风险（ＳＲ）影响因素的条件分位数分析　 　 注：（１）以全球市场冲击下的系统性风险指标（ＳＲ）作为被解释变量，测度指标基于２４个月滚动窗宽（窗口滑动步长３个月）滚动估计得到，图８相同，不再赘述；（２）横坐标τ代表风险值大于系统性风险指标序列（１００－τ）％分位数下的水平，即横坐标数值越小，风险越大。（五）风险影响因素与传染渠道的动态分析在前文基础上，下文就各因素对系统性风险指标（ＳＲ）的影响进行分年度回归，进一步从动态视角考察风险传染渠道在１９９７—２０２０年间的渐进演变，并将各因素的系数与置信区间在图８中画出。 由图８可以发现，在大部分的样本区间，经济规模、实际汇率指数、金融开放程度、贸易开放程度对系统性风险均产生了显著的正向影响。 其中，在危机期间，贸易开放程度对风险的作用力度尤为显著，其在２００８年的系数更是达到了０. １２，且影响较为持续，直至２０１２年才有所平复。 图８（ｄ）、（ｅ）、（ｆ）表明，２０１６年以来，金融开放程度、金融发展程度、贸易开放程度对风险的正向作用力度逐步增强。 这表明，近年来随着全球金融一体化进程的加快，金融、贸易开放程度的增加显著提高了全球风险事件同频共振可能，风险易经国际市场间的金融与贸易联系快速扩散。２ ０ １杨子晖等：国际冲击下系统性风险的影响因素与传染渠道研究图８　 系统性风险（ＳＲ）影响因素的动态分析四、结论与启示本文采用前沿的系统性风险分解方法，基于区分宏观审慎与微观审慎这一研究视角，分别测度了全球、发达、新兴市场冲击下，１９９７—２０２０年间全球主要金融市场的系统性风险（ＳＲ）、系统关联（ＳＬ）以及尾部风险（ＩＲ）。 分析结果表明：一方面，从尾部风险指标来看，在受到发达市场冲击时，各市场的个体风险均处于较高水平，而在新兴市场冲击下，其尾部风险水平相对较低；另一方面，从系统关联指标来看，基于发达市场、新兴市场指数测算的风险指标较为接近，源自新兴市场的震荡冲击，同样存在全球扩散的可能。特别地，在发达市场冲击下，我国内地金融市场的系统关联较低，但尾部风险指标相对较高，将出现明显的个体风险积聚现象。 在新兴市场冲击下，我国内地市场的系统关联指标于２００８年后逐步上升，与新兴市场高度互联，风险共振可能较大。 基于我国不同行业的分析结果表明，在受到国际风险冲击时，房地产、信息技术、金融等行业系统性风险（ＳＲ）指标更高。 意味着此类资金投入需求相对较大、对经济形势更为敏感的行业，易在输入性风险冲击下出现大幅震荡。 值得注意的是，风险分解的结果进一步显示，从宏观审慎监管的视角来看，我国金融行业的系统关联（ＳＬ）远高于其他行业，与全球金融市场的联系强度更高，在一定程度上佐证了我国出台《宏观审慎政策指引（试行）》，对金融机构、产品施加额外监管要求的必要性；而从微观审慎监管的视角看，在不同市场的输入性冲击下，信息技术这一高成长行业的尾部风险（ＩＲ）始终处于最高水平。我们还深入考察了各经济体金融风险的影响因素与传染渠道。 结论表明，在国际金融风险的传染中，较之信息渠道，由贸易与金融关联构成的真实联系渠道是更为重要的风险传染途径，经济体间贸易与金融联系的增强会加剧系统性风险隐患。 其中，贸易渠道对各市场的个体尾部风险产生了显著的驱动作用，而金融关联则是各经济体与全球金融市场风险联动的重要影响因素。进一步分析表明，在发达市场与新兴市场中，金融发展程度的影响存在显著差异。 究其原因，对于金融基础设施较完备、金融体系相对完善的发达市场而言，其金融发展水平的进一步提升，能够在一定程度上增强金融系统稳定性，避免在冲击下产生显著的风险联动。 然而，金融产品、金融行为的复杂化也大幅提高了监管难度，诱使市场参与者构建高风险、高回报的投资组合，加剧了个体尾部风险隐患。 对于基础设施较不完善、发展程度普遍较低的新兴市场而言，金融市场的适度发展有助于经济主体间相互分担风险，也有利于市场参与者通过合理的资产配置充分分散风险，因此３ ０ １２０２３年第１期个体尾部风险会随着金融发展程度的加深而降低。最后，分年度回归结果显示，在大部分的样本区间，经济规模、实际汇率指数、金融开放程度、贸易开放程度等因素均对系统性风险产生了显著的正向影响。 其中，２０１６年以来，金融开放程度、贸易开放程度对风险的作用力度逐步增强。 表明近年来随着全球金融一体化进程的加快，金融、贸易开放程度的增加显著提高了全球风险事件同频共振的可能，风险易经由国际市场间的贸易与金融联系快速扩散。基于以上研究结论，本文得到三点启示：第一，统筹宏观审慎管理与微观审慎监管，完善国际输入性风险预警与防范机制。 本文的研究结论表明，金融与贸易开放程度的提高对系统关联水平有显著的正向影响。 这表明在我国深度参与全球贸易分工、加速推进金融市场对外开放的进程中，资本市场与全球金融市场的关联将显著增强，其对国际风险的暴露程度将越高。 因此，应当尽快加强宏观审慎政策与微观审慎监管政策的协调配合，未雨绸缪地防范