金融业与实体经济的波动溢出效应研究——以工业行业为例

唐悦

（长沙理工大学经济与管理学院 湖南长沙 410114）

近年来，防范和化解系统性风险成为新时代我国经济工作的核心任务，受到党和国家的高度重视，“十四五”规划中提出将“防范化解重大风险体制机制不断健全”作为主要目标之一。目前，在中国经济低速发展、产业结构调整、资本脱实向虚的复杂背景下，如何防范和化解系统性风险成为国内外学者的研究重点。在中央政治局会议上，习近平总书记提出的“金融活，经济活；金融稳，经济稳”将金融安全纳入经济平稳发展的考虑范畴。随着我国金融改革的推进，资本市场更加开放，互联网及信息技术的不断发展，跨行业经营和投资业务层出不穷，金融业与实体行业的联系愈加紧密。在此背景下，研究金融业与实体经济间的波动关联性对充分了解行业间的风险传导具有重要意义，也有利于政府监管部门制定和实施金融业与实体经济的跨行业监管政策。

近年来，国内外已有较多学者开始研究金融业与实体经济间的波动溢出和风险传导。刘向丽和顾舒婷(2014)通过从理论研究和AR-GARCH-CoVaR模型两方面分析地产行业和金融市场间的关联关系和溢出机制，发现金融危机会导致地产市场风险溢出增大；Chiu等(2015)通过构建条件共限(CCX)溢出指标，测度2001—2011年美国金融部门对实体经济部门的波动和尾部溢出效应；宋文娟和鲍静海(2017)利用相关系数分析和Semi-APARCH模型测度金融和实体经济的联动关系，发现两者间存在较强的联动性；李政等(2019)基于TENET模型构建行业风险关联网络，分析金融业与实体经济的风险传导机制；Brunnermrier等(2020)在研究美国银行非利息收入与总体系统性风险关系时也强调了金融业与实体行业间的溢出效应。黄昌利等(2021)利用DY溢出指数和上市公司财务数据研究金融业和行业特征对实体行业风险溢出程度的影响。

本文运用BRKK-GARCH模型和Wald联合检验分析金融业和实体经济间的波动溢出关系，考察实体行业和金融业间的信息传递和风险传导方向。限于篇幅，本文主要选择工业作为实体经济代表行业，研究其与金融业的波动溢出效应。

1 数据选取及模型构建

1.1 数据选取及预处理

在以第二产业为支柱发展第三产业的时代背景下，工业的健康发展是中国经济平稳运行的关键，对其上下游产业的影响显著，因此本文选择工业为代表研究实体经济与金融业的波动溢出效应。数据选择WIND一级行业指数的日收盘价，数据起止时间选择为2007年1月5日—2021年8月10日(数据来源于WIND 数据库)。收益率运用对数收益率进行计算：

式(1)中：Rt表示第t天的日收益率；Pt表示第t天的日指数收盘价；Pt-1表示第t-1天的日指数收盘价。

1.2 模型的选择

1.2.1 BEKK-GARCH模型

BEKK-GARCH模型能够同时测度金融时间序列波动溢出效应的方向和显著性。本文基于VAR模型构建BEKK-GARCH模型，表达式如下：

其中：Rt=(r1t，r2t)表示收益率向量，α0，α1，…，αp分别表示常数和系数矩阵，表示条件残差在t时刻的条件协方差矩阵，矩阵C为三角常数矩阵，矩阵A是反映波动集聚性的ARCH项系数矩阵，矩阵B是反映波动持续性的GARCH系数矩阵。方差方程的矩阵形式如式(4)所示。

各元素具体表达如式(5)(6)(7)所示。

其中：h11，t和h22，t表示r1t和r2t的方差，h12，t表示r1t和r2t的协方差，主对角线元素aii和bii(i=1，2)分别表示rit(i=1，2)自身波动的ARCH效应和GARCH效应，非主对角线元素aij和bij(i，j=1，2，i≠j)分别表示r1t和r1t之间的ARCH效应和GARCH效应。aij和bij显著不为零说明两个市场之间存在明显的波动溢出效应。

1.2.2 Wald检验

本文主要研究金融业与工业间的波动溢出效应，Wald检验可以判断两个行业间的波动溢出效应是单向还是双向。当Wald检验的统计量大于临界值，则拒绝原假设。

假设1：H0：a12=b12=a21=b21=0，两个行业间不存在波动溢出。

假设2：H0：a21=b21=0，工业对金融业不存在单向波动溢出效应。

假设3：H0：a12=b12=0，金融业对工业不存在单向波动溢出效应。

2 实证结果分析

2.1 初步统计结果

首先对样本数据进行描述性统计，由表1可知，金融业和工业的均值在样本期内均是正数，且工业的标准差大于金融业的标准差，说明工业的波动程度大于金融业。同时，工业和金融业均呈现左偏态，且两序列的峰度均大于3，J-B检验结果也表示工业和金融业数据序列拒绝正态分布的假设，说明两个序列具有“尖峰厚尾”特征，参数估计时误差应服从T分布。ADF单位根检验的结果显示金融业和工业序列在1%显著性水平拒绝原假设，均是平稳时间序列。

表1 初步统计结果

2.2 实证结果分析

表2显示工业和金融行业在样本期内的BEKK-GAR CH模型的参数估计结果。衡量波动溢出效应的参数a12、a21、b21、b12显著异于零分别表示工业和金融业收到另一行业信息冲击的溢出效应，其中在1%的显著性水平下，来自金融业的一单位冲击使得工业的波动率上升了0.0036(=0.0036)，在大于10%的显著性水平下，来自工业的一单位冲击使得金融业的波动率上升了0.0002(=0.0002)，因为，说明工业受到金融业信息冲击的溢出效应大于反方向的溢出效应。同时，，说明工业本身冲击所引起的波动大于金融业的波动溢出，，说明来自工业的波动溢出小于金融业本身冲击所引起的波动。分别衡量工业和金融业受到对方前期波动的溢出效应，用以表示波动溢出的持续性。高于10%显著性水平时，工业的前期波动会使金融业的波动率增加，而在1%的显著性水平下，金融业每增加一单位的前期波动率将会导致工业的波动率增加0.0001个单位(=0.0001)。此外，且，说明来自另一方的前期波动溢出效应均小于自身前期波动，自身前期波动的持续性更显著。总体来看，金融业和工业间存在双向溢出效应，且金融业对工业的溢出效应更显著。

表2 BEKK-GARCH模型估计结果

为验证参数估计的准确性并反映整体溢出效应，对以上系数进行Wald检验。结果如表3所示，在1%显著性水平下，工业和金融业之间存在双向溢出效应。从Wald检验来看，尽管在单个系数检验下，工业对金融业的溢出效应不显著，但联合Wald检验的结果证明行业间的波动溢出是显著的。

表3 Wald检验

3 结语

通过对工业和金融业行业指数构建BEKK-GARCH模型和联合Wald检验可知，第一，金融业与实体经济间存在显著的双向波动溢出效应，但实体经济对金融业的单向溢出并不显著，金融业主导着金融与实体经济间的波动溢出效应；第二，行业的波动主要受自身前期波动持续和自身信息冲击的影响。

鉴于此，本文得到以下几点启示：首先，在当前经济背景下，政府应当建立健全金融监管体系，调整金融信贷政策，拓宽企业融资融券渠道，以促进实体经济的发展；其次，政府可以建立金融业与实体行业间的长效隔离机制，提高处置金融风险的效率，防范系统性风险的形成；最后，实体经济供给侧结构性改革和金融风险监管并行，合理调控实体行业和金融业间的“杠杆”，提高实体经济的市场竞争力，以实现金融支持实体经济发展的目标。