中国金融系统风险溢出效应研究 黄金和股票市场收益经常呈正相关关系吗

随着金融一体化与经济全球化的不断加深，商品、服务、技术及资本的流动愈来愈迅速、频繁，跨市场联动趋势也日趋明显(Mieg, 2023)。这一趋势如一把双刃剑，在提高资源配置效率、加强信息传递广度的同时，跨市场间金融和经济活动的高度相关性将会加剧风险的蔓延。换言之，在极端经济条件下，相关性在可以增强金融系统弹性的同时，也将成为引发系统性风险和金融不稳定的来源，给金融监管带来新的挑战与不确定性。局部金融风险产生溢出和传染是系统性风险的典型特征，随着不同市场间相关性日益增强，探讨金融风险的跨市场溢出效应和传导机制，对于防范与化解重大金融风险、加强宏观审慎监管，有着迫切的需要与重要的应用价值。

国内外学者针对金融市场相关性的研究不胜枚举，其中早期的研究多关注不同国家或地区的单一类型市场间的溢出效应(李红权等, 2011; 周璞、李自然, 2012; 周爱民、韩菲, 2017; 林娟、赵海龙, 2023; 蒋彧、张玖瑜, 2023; Hamao, 1990; Arshanapalli et al., 1995; Skintzi and Refenes, 2006; Inagaki, 2007; Kiviaho et al., 2014)。这些研究的结论表明主要国家或地区间存在明显的风险溢出效应，尤其是在极端经济环境如金融危机期间更为显著。

近年来不少学者逐渐扩展到对跨市场联动关系的研究(李湛、唐晋荣, 2017; 严伟祥等, 2017; 邓创、谢敬轩, 2023; Andreou et al., 2013; Fan and Xu, 2011; Ftiti et al., 2015; Duan et al., 2018；徐欣，2018)。这些研究尝试运用各种经济计量模型就两个金融子市场间的相关性与关联动态展开实证检验。其中，Kanas(2000)、Caporale et al.(2002)和Andreou et al.(2013)通过建立E-GARCH或BEKK-GARCH等模型，对多个国家或经济体的股票市场和外汇市场进行研究，分析发现二者间的溢出效应具有单向性。韩鑫韬、刘星(2017)则通过构建VAR-FBEKK模型，研究发现我国人民币汇率对房价波动具有较小的直接波动溢出影响，但其与货币供应量变化的联合波动对房地产市场具有显著溢出效应。

伴随着金融管制放松、经济金融全球化和金融创新的不断推进，不同金融子市场间业务相互渗透、信息交流日益密切，但显著增强的互联性也为局部风险的传播和放大提供了渠道，进而加剧了风险波动溢出，因而深入研究多个金融子市场间波动的交互影响动态及风险溢出效应是迫切要求。基于四元VAR-GARCH(1, 1)-BEKK模型的运用，李成等(2010)研究表明我国股市、债市、汇市、货币市场四个金融市场间存在显著、持续的双向波动溢出。孟庆浩、张卫国(2015)构建IC-EGARCH波动溢出扩展模型，分析发现我国股票、基金、债券、外汇和货币五个金融市场间存在不对性溢出效应。经上述梳理分析可知，关于各金融子市场间的波动溢出效应已经有大量有价值的研究，然而相关研究大多基于GARCH及其拓展等经济计量模型，虽然为深入分析金融市场间溢出关系提供了有益的参考和借鉴，但在刻画波动溢出效应的时变性特征与极端风险溢出方面却存在天然缺陷。

近十几年来，越来越多学者意识到从系统性和极端层面衡量风险溢出效应的重要性，以及利用复杂性理论来理解金融市场的行为和动态的实用性(Wang et al., 2017; 肖志超等, 2023)。事实上，网络科学已经成为多个领域理解复杂系统的领先实用工具，例如基金组生物学(Junkang et al., 2007)、互联网(Cai and Yin, 2009)、电网系统(Pagani and Aiello, 2013)和社会科学(Borgatti et al., 2009)，近年来也逐渐成为描述金融机构之间相关性的常用工具(Schweitzer et al., 2009; Haldane and May, 2011)。在这些研究中，金融系统被映射成一个金融网络，节点与节点间的连边均被赋予了实际经济意义，用以揭示金融系统中的相关性特征和演变。

结合传统的计量经济学方法和复杂网络模型，已经有部分学者开始尝试提出新的框架刻画金融网络中的风险传染和溢出效应。例如，Billio et al.(2012)结合Granger因果关系和金融网络，以平均溢出或回报溢出来量化美国金融机构的系统性风险。平均溢出网络也被应用于不同的金融系统，如欧洲电力市场(Castagneto-Gissey et al., 2014)和韩国金融系统(Song et al., 2016)。然而，这种方法不能捕捉到通常源自大规模金融危机的极端风险。因此，Wang et al.(2017)在Billio et al.(2012)的研究基础上，利用Hong et al.(2009)提出的尾部Granger因果检验，构建极端风险网络模型，用以捕捉极端风险，分析不同金融市场间的联动性。

Diebold and Yilmaz(2009)为了刻画不同变量间的相关性，最早提出溢出指数的概念。鉴于VAR模型中变量次序改变可能会引起结果差异，他们在2012年对溢出指数进行改进，并提出了更一般化的溢出指数方法，以度量不同变量间的溢出效应(Diebold and Yilmaz, 2012)。在此基础上，Diebold and Yilmaz(2014)纳入复杂网络的思想，基于溢出指数进一步构建波动溢出网络模型，相较于最初的溢出指数方法更为成熟和完善、更具有实用性。基于溢出指数构建的波动溢出网络模型通过度量风险溢出的方向与强度，也克服了多数复杂网络中无权无向的缺陷。该方法自提出后，广泛运用于分析不同国家的金融市场或不同资产间的溢出关系(Kumar, 2011; Mcmillan and Speight, 2010; Sun et al., 2023)，但对于国内金融系统的研究仍十分缺乏。

因此，