蔣勝杰 傅曉媛 李俊峰

一、引言

自2007年2月美國次級抵押貸款危機漸露端倪，到7、8月金融危機全面爆發(fā)，全球金融市場發(fā)生了劇烈震蕩。由于美國次級房貸危機的蔓延，全球股市下滑，公司債券市場受到一定程度的沖擊。信用危機隨著穆迪和標(biāo)普對美國抵押貸款債券信用等級的下調(diào)開始有所顯現(xiàn)。世界各國央行紛紛試圖通過向銀行系統(tǒng)注資的方式來緩解信用危機，雖略有成效但好景不長。同年10月，各國多家大型券商宣布高額虧損，信用危機出現(xiàn)了溢出傳染的態(tài)勢。此后，歐元區(qū)的國家信用危機在2011年顯性化，而美國國家償債能力也在下降，信用危機逐步深化，2012年9月美聯(lián)儲第三輪量化寬松貨幣政策（QE3）的啟用將引起新一輪國際貨幣體系的振蕩，進(jìn)一步惡化國際信用環(huán)境。隨著雷曼兄弟的倒閉以及受全球主要銀行、券商信貸相關(guān)損失的沖擊，全球金融危機持續(xù)深化對新興市場國家和低收入國家也造成了日益加重的不良影響，一些發(fā)展中國家的信用風(fēng)險出現(xiàn)了不同程度的上升，金融危機引發(fā)的信用違約風(fēng)險問題需要引起我們的特別關(guān)注。到底哪些因素會影響信用違約風(fēng)險，金融危機后的違約風(fēng)險呈現(xiàn)出哪些不同以往的特征，以及國際是否存在信用違約風(fēng)險的傳染溢出效應(yīng)，這些問題都亟待我們的深入的研究與探討。

許多學(xué)者對2007年以來的金融危機爆發(fā)的原因和影響進(jìn)行了研究，如Kenc和Dibooglu（2010）［1］解釋了造成金融危機的重要原因：全球宏觀經(jīng)濟失衡、不良風(fēng)險管理、金融監(jiān)管不足以及投資機會不對稱等；Duchin等（2010）［2］研究了金融危機對企業(yè)投資行為的影響。此外還有許多文章討論了次貸危機對宏觀經(jīng)濟、股票市場和匯率造成的影響。但從目前的研究成果來看，對于在金融危機的影響下信用違約風(fēng)險的驅(qū)動因素及傳導(dǎo)機制的研究是很少的。本文以北美、歐洲、亞洲三大區(qū)域為研究主體，從宏觀框架下，首先研究了三大區(qū)域的股票市場、宏觀經(jīng)濟變量對各自違約風(fēng)險的影響程度。此外，受金融國際化和經(jīng)濟全球化的影響，各個國家或區(qū)域之間的經(jīng)濟行為可能會存在相互之間不同程度上的沖擊或影響。金融危機爆發(fā)后，從國際上看，美國經(jīng)濟復(fù)蘇疲軟，歐洲主權(quán)債務(wù)危機不斷深化，受發(fā)達(dá)國家的影響，新興市場經(jīng)濟增速也有一定程度的下降。因此，本文接著探討了三大區(qū)域各自的影響變量對其違約風(fēng)險變量是否存在交叉的影響以及三大區(qū)域的違約風(fēng)險是否存在跨區(qū)域傳染效應(yīng)。由于違約風(fēng)險可能會受經(jīng)濟周期的影響，本文將金融危機前后引起的違約風(fēng)險的經(jīng)濟結(jié)構(gòu)變化考慮在內(nèi)，引入了馬爾科夫狀態(tài)轉(zhuǎn)移模型，以分析金融危機前后違約風(fēng)險的特點。

二、文獻(xiàn)綜述及研究思路

信用違約風(fēng)險溢價是金融理論研究中一個重要組成部分，在研究信用違約風(fēng)險文獻(xiàn)的模型中主要有結(jié)構(gòu)模型和簡化模型兩大類。Merton（1974）［3］最早提出結(jié)構(gòu)化模型，他認(rèn)為企業(yè)市場價值的波動是導(dǎo)致違約發(fā)生的根源。該模型的缺點是決定違約的唯一不可確定的資源的公司價值以及公司資產(chǎn)通常是不可觀測且不流通的，Van Landschoot（2004）［4］、 Delianedis（2001）［5］、 Jones 等 （1984）［6］對模型進(jìn)行了改進(jìn)。簡化模型最先由 Jarrow 和 Turnbull（2000）［7］提出，該模型已成為債券定價和信用風(fēng)險估計的有效工具。

在對信用違約風(fēng)險驅(qū)動因素的研究中，一些學(xué)者分析了宏觀經(jīng)濟因素的對違約風(fēng)險的影響。Collin-Dufresne等（2001）［8］通過對時間序列數(shù)據(jù)進(jìn)行實證研究，發(fā)現(xiàn)信用價差主要受宏觀經(jīng)濟因素影響而非企業(yè)層面特有的信息，并且不同企業(yè)債券之間的信用價差存在較高的相關(guān)性，他們將這類宏觀經(jīng)濟因素歸結(jié)為：經(jīng)濟增長率、通貨膨脹率、國債收益率與股票市場回報率等指標(biāo)。Ewing（2001）［9］認(rèn)為預(yù)期通貨膨脹會增加違約風(fēng)險的概率，由于貨幣政策會影響利率并刺激需求，貨幣當(dāng)局者可以用來抵抗預(yù)期通脹壓力，緊縮的貨幣政策會降低違約風(fēng)險。Tang和Yan（2006）［10］認(rèn)為公司現(xiàn)金流動過程中考慮到宏觀經(jīng)濟的影響可以顯著改善違約概率和信用利差的擬合效果。Duffie等（2007）［11］發(fā)現(xiàn)宏觀經(jīng)濟變量（例如工業(yè)產(chǎn)出增長率）可以很好地對公司違約風(fēng)險溢價進(jìn)行預(yù)測。

另外，一些學(xué)者研究了某些金融變量（如股票價格和利率）對違約風(fēng)險的影響。Huang和Kong（2003）［12］通過研究五種決定信用利差變化的因素：違約率、利率、股票市場波動、流動性指標(biāo)和宏觀經(jīng)濟指標(biāo)，發(fā)現(xiàn)高收益?zhèn)男庞美钆c利率和股票市場呈現(xiàn)出更強的相關(guān)性。Alexander和Kaeck（2008）［13］認(rèn)為CDS利差存在狀態(tài)轉(zhuǎn)移行為，他們采用馬爾科夫狀態(tài)轉(zhuǎn)移模型研究了2004年7月至2007年7月歐洲金融部門主要CDS指數(shù)變化的影響因素，結(jié)果表明CDS利差對股票收益率和股票波動較敏感，而利率變化只在平穩(wěn)期對其他金融部門的CDS利差波動有顯著影響。 Bystr?m（2008）［14］研究了 CDS 指數(shù)價差改變量與股票市場的關(guān)系，發(fā)現(xiàn)單日價差變化量有較強的自相關(guān)性，并且股票市場收益可以作為CDS指數(shù)市場的領(lǐng)先指標(biāo)。張燃（2008）［15］利用VAR模型從宏觀角度研究信用價差變化的決定因素，他發(fā)現(xiàn)短期利率和股票市場回報率對信用價差具有顯著影響，但其影響的強度和持續(xù)性各不相同，信用價差與股票市場回報率存在負(fù)相關(guān)性。 Naifar（2011）［16］采用兩階段馬爾科夫時變系數(shù)狀態(tài)轉(zhuǎn)移模型，以日本CDS指數(shù)作為違約風(fēng)險的代理變量，研究了金融危機發(fā)生前后，日本宏觀經(jīng)濟變量IPI、CPI與日經(jīng)225指數(shù)對信用違約風(fēng)險的影響，結(jié)果表明：日本CDS指數(shù)存在狀態(tài)轉(zhuǎn)移的行為，并且對于股票市場的波動和工業(yè)生產(chǎn)指數(shù)（IPI）的變化極為敏感。

在對信用違約風(fēng)險傳染機制的研究中，一些學(xué)者認(rèn)為宏觀經(jīng)濟因素會同步地間接影響經(jīng)濟運行中企業(yè)的財務(wù)健康狀況，從而產(chǎn)生了循環(huán)違約的相關(guān)性。例如，Duffie 和 Singleton（1999）［17］、 Lando（1995，1998）［18］［19］等人建立了簡約模型，認(rèn)為企業(yè)的違約強度是一個隨機過程，它可以由一系列的隨機狀態(tài)變量，例如GDP增長率、利率等宏觀經(jīng)濟因素得出，違約事件的相關(guān)性則是由于它們共同依賴于這些宏觀經(jīng)濟因素的隨機狀態(tài)變量而產(chǎn)生的。另一些學(xué)者認(rèn)為由于企業(yè)之間的直接關(guān)系鏈，企業(yè)違約概率直接受到相關(guān)企業(yè)違約概率的影響，從微觀角度上解釋了信用違約傳染。 例如，Lang和 Stulz（1992）［20］指出企業(yè)的倒閉影響未違約企業(yè)的股票收益，也影響了那些未違約企業(yè)的違約概率。 Kiyotaki和 Moore（1997）［21］認(rèn)為，如果企業(yè)間相互關(guān)聯(lián)，一個客戶違約，就可以導(dǎo)致一連串倒閉的產(chǎn)生，在經(jīng)濟不景氣情況下，信用傳染的普遍性要高。

綜合來看，目前對信用違約風(fēng)險影響因素的研究大多采用公司債券價格或者單一的實體CDS利差作為信用違約風(fēng)險溢價的代理變量。由于公司債價格估計出來的信用利差易受稅收因素影響，并且單一實體CDS比CDS指數(shù)缺乏流行性，它們的代表性均較差。而對于違約風(fēng)險傳染機制的研究，文獻(xiàn)大多局限于對風(fēng)險傳染成因的探究，缺乏對區(qū)域間傳染效應(yīng)的實證分析。 本文參照 Naifar（2011）［16］的研究思路和方法，以CDS指數(shù)作為信用違約風(fēng)險的代理變量，并將金融危機前后引起的違約風(fēng)險的結(jié)構(gòu)變化考慮在內(nèi)，引入馬爾科夫狀態(tài)轉(zhuǎn)移模型。研究思路及創(chuàng)新處表現(xiàn)在：首先，在Naifar（2011）［16］對日本市場違約風(fēng)險影響因素的研究基礎(chǔ)上，將中國市場的影響考慮在內(nèi)，構(gòu)成亞洲市場，并加入北美與歐洲市場，研究了金融危機期間三大市場區(qū)域內(nèi)股票市場和宏觀經(jīng)濟變量對各自區(qū)域內(nèi)違約風(fēng)險的影響以及區(qū)域間的交叉影響，從而使結(jié)論更加具有普遍性；然后，在此基礎(chǔ)上采用MS-VAR模型對三大區(qū)域間的信用違約風(fēng)險的跨區(qū)域傳染效應(yīng)進(jìn)行了實證分析，以此探討金融危機影響下國際信用違約風(fēng)險的傳染機制，從而填補了對于此類問題研究的空缺。

三、模型的設(shè)定與原理

由于政府貨幣、財政政策的階段性和不連續(xù)性，金融危機以及金融制度的變遷等，使得許多經(jīng)濟時間序列和金融數(shù)據(jù)表現(xiàn)出顯著的變化或中斷，采用既定參數(shù)集的傳統(tǒng)模型無法捕捉這種變化，而結(jié)構(gòu)轉(zhuǎn)移模型就是為了給時間序列數(shù)據(jù)中偶然且重復(fù)出現(xiàn)的結(jié)構(gòu)變化建模而發(fā)展起來的。Hamilton（1990）［22］首次將馬爾科夫狀態(tài)轉(zhuǎn)移（Markov regime-switching，MS）模型應(yīng)用到經(jīng)濟時間序列中，此后，MS模型被廣泛應(yīng)用于經(jīng)濟周期分析、利率期限結(jié)構(gòu)等模型中。結(jié)合金融危機的背景，本文首先建立了兩狀態(tài)MS模型，以捕捉經(jīng)濟平穩(wěn)和經(jīng)濟波動兩個狀態(tài)下，違約風(fēng)險變動影響因素的變化特點，然后建立兩狀態(tài)馬爾科夫狀態(tài)轉(zhuǎn)移向量自回歸模型（MS-VAR），對金融危機下信用違約風(fēng)險的跨區(qū)域傳染效應(yīng)進(jìn)行實證分析。

（一）MS-VAR模型的設(shè)定

根據(jù)Hamilton（1995）［23］的研究，假定樣本期有M個狀態(tài)（根據(jù)研究問題事先設(shè)定），設(shè)MS模型為：

其中 ΔCDSht、 ΔCPInt、 ΔIPInt和 ΔRnt分別表示相應(yīng)區(qū)域的CDS指數(shù)、消費者價格指數(shù)、工業(yè)生產(chǎn)指數(shù)和股指收益率的變化值。h∈ ｛1，2，3｝，h=1代表歐洲，h=2代表北美，h=3代表亞洲。n∈ ｛1，2，3，4｝，n=1代表歐元區(qū)，n=2代表美國，n=3代表中國，n=4 代表日本。β0t（st）、β1t（st）、β2t（st）、β3t（st）分別為變量St取不同狀態(tài)下的變參數(shù)，et～i.i.d.N（0，）。St為時間t=1，2，…，T下不可觀測的狀態(tài)隨機變量，其取值可能依賴于St，St-1，…，St-r變化。當(dāng)St從第i種狀態(tài)轉(zhuǎn)移到第j種狀態(tài)時，其轉(zhuǎn)移概率為pij。

在兩狀態(tài)下，利用到時間t為止、到時間t-1為止以及到時間T為止的所知樣本信息，分別可以得出St在時間t所處狀態(tài)的濾波概率Pr［St=j｜ψt］、預(yù)測概率Pr［St=j｜ψt-1］及平滑概率Pr［St=j｜ψT］。此外，我們還可以計算狀態(tài)的期望持續(xù)期D來衡量事件處于某個狀態(tài)下的時間。

MS-VAR模型是在VAR模型基礎(chǔ)上引入了馬爾科夫狀態(tài)轉(zhuǎn)移，考慮了不同狀態(tài)下的參數(shù)變化，可視為有限階VAR（p）模型的一般化形式。MS-VAR模型有兩種設(shè)定形式，假設(shè)模型的階數(shù)為p，則均值調(diào)整的兩狀態(tài)MS-VAR模型設(shè)為：

其中CDSt=（ΔJP＿CDSt，ΔNA＿CDSt，ΔEURO＿CDSt）′，ΔJP＿CDSt、 ΔNA＿CDSt、 ΔEURO＿CDSt分別表示亞洲、北美和歐洲CDS指數(shù)的一階差分值。et～i.i.d.N（0，），μst為St取不同狀態(tài)時CDSt的均值向量，A1（st），…，Ap（st）和是不同狀態(tài)下的變參數(shù)。

在某些情形下，當(dāng)模型從一個狀態(tài)轉(zhuǎn)移到另一個狀態(tài)時，假設(shè)均值平滑地到達(dá)另一個新的水平并不合理。那么，此時可將模型設(shè)為截距項狀態(tài)依賴模型：

對模型（3）的參數(shù)估計時，我們需要通過賦予參數(shù)初始值來計算似然函數(shù)值，并通過數(shù)值優(yōu)化找到使似然值最大化的參數(shù)向量。接下來說明如何確定似然函數(shù)。

首先，設(shè)yt為模型系統(tǒng)中的內(nèi)生變量向量，建立yt和St的聯(lián)合密度函數(shù)：

其中Ψt-1表示到時間t-1為止的可用信息。

然后，將式（4）中St的所有可能取值處相加，得到y(tǒng)t的邊際密度函數(shù)，該函數(shù)即為最大化似然估計法的最大化對象：

接著，計算式（5）中加權(quán)乘子Pr［St=j｜ψt-1］：

最后，將式（6）的值代入式（5）中，得出對數(shù)似然函數(shù)：

在實際參數(shù)的計算中，我們可以使用期望最大化算法（EM）進(jìn)行數(shù)值優(yōu)化，利用OX-MSVAR軟件包可以方便地實現(xiàn)。對于具體的研究過程，由于研究目的不同，有些可能需要參數(shù)是隨著狀態(tài)的轉(zhuǎn)移而變化，而有些可能需要參數(shù)是非狀態(tài)依賴的，因此模型又可以分為MSI-VAR（僅截距發(fā)生變化）、MSMHVAR（均值和方差發(fā)生變化）等多種形式，具體可見 Krolzig（2013）［24］的研究。

（二）狀態(tài)相依廣義脈沖響應(yīng)函數(shù)分析

MS-VAR模型的缺陷是參數(shù)眾多，理論分析及模型解釋較為困難。 此外，Hamilton（1990）［22］指出：由于MS-VAR模型本身的特點，一些傳統(tǒng)的檢驗方法（例如應(yīng)用MS-VAR的文獻(xiàn)常使用t檢驗）容易失效。 Ehrmann等（2003）［25］對MS-VAR 模型的參數(shù)給出了bootstrap仿真檢驗步驟并且運用狀態(tài)相依的脈沖響應(yīng)分析（GIRF）簡化模型解釋。狀態(tài)相依的GIRF可以用來描述狀態(tài)內(nèi)生變量對一個單位正向干擾反應(yīng)，即在給定狀態(tài)下，內(nèi)生變量對干擾的持續(xù)反應(yīng)。k維內(nèi)生變量響應(yīng)向量的函數(shù)定義為：

其中h為追蹤期數(shù)；ek，t為第k維向量在時間t的信息；θki，1，…，θki，h為響應(yīng)向量，可以用來預(yù)測內(nèi)生變量的反應(yīng)。 本文參照Ehramann等（2003）［25］的方法，采用bootstrap進(jìn)行了仿真實驗，然后利用狀態(tài)相依的GIRF來分析違約風(fēng)險的跨區(qū)域傳染效應(yīng)。

四、實證結(jié)果分析

（一）指標(biāo)的選取與處理

本文樣本數(shù)據(jù)來源于中經(jīng)數(shù)據(jù)庫、萬得數(shù)據(jù)庫和Datastream數(shù)據(jù)庫。所選數(shù)據(jù)依據(jù)研究和模型分析要求進(jìn)行了必要調(diào)整和處理：各區(qū)域宏觀經(jīng)濟變量IPI、CPI均以2005年為基期，且均進(jìn)行了季節(jié)調(diào)整，然后對變量進(jìn)行單位根檢驗，除股票指數(shù)收益率為I（0），其余變量均為I（1）。由于數(shù)據(jù)的獲得難易不同，在研究影響因素時，樣本區(qū)間定為2005年3月至2010年6月；在研究傳染效應(yīng)時，樣本區(qū)間定為2005年3月至2011年11月。指標(biāo)選取的具體說明如下：

1.違約風(fēng)險指標(biāo)的選取。

OCC 2010年第四季度銀行交易和衍生品研究報告表明，CDS市場規(guī)模約占市場信用衍生品的97.14%，遠(yuǎn)遠(yuǎn)超過其他類信用緩釋工具，目前越來越多的投資人選擇用CDS指數(shù)交易來進(jìn)行信用風(fēng)險對沖。本文分別使用歐洲指數(shù)（iTraxx Europe）、日本指數(shù)（iTraxx JAPAN）和CDX.NA.IG指數(shù)①歐洲指數(shù)由歐洲地區(qū)流動性最好的125個投資級公司CDS的信用價差加權(quán)平均構(gòu)成。日本指數(shù)由日本地區(qū)流動性最好的50個投資級公司的CDS信用價差加權(quán)平均構(gòu)成，相對于亞洲市場的其他CDS指數(shù)交易而言，該指數(shù)交易更為活躍，因此將該指數(shù)作為亞洲市場的違約風(fēng)險代理變量。CDX.NA.IG指數(shù)由北美地區(qū)125家投資級公司的CDS信用價差的加權(quán)平均構(gòu)成。作為歐洲市場、亞洲市場和北美市場違約風(fēng)險的代理變量，依次記為EURO＿CDS、JP＿CDS和NA＿CDS。 5年期的CDS指數(shù)交易量最大，因此本文選用5年期CDS指數(shù)的月度數(shù)據(jù)。

2.股市指標(biāo)和宏觀經(jīng)濟指標(biāo)的選取。

選取日經(jīng)225指數(shù)、滬深300指數(shù)作為亞洲股市指標(biāo)的代表，歐元區(qū)17國的全部股票指數(shù)作為歐洲股市指標(biāo)的代表，標(biāo)普500指數(shù)作為北美股市指標(biāo)的代表，然后計算各股票指數(shù)的月收益率Rt②計算公式為Rt=Pt｜Pt-1-1，其中Pt與Pt-1分別為本期和上期的收盤價。。選取CPI、工業(yè)生產(chǎn)指數(shù)（IPI）③GDP可以很好地衡量經(jīng)濟增長，但由于GDP是年度數(shù)據(jù)，樣本頻率低，不利于實證分析，所以參照Nader Naifar（2011）［16］的做法，選取衡量工業(yè)增長率的IPI指標(biāo)來代替。作為宏觀經(jīng)濟變量：以CPI衡量通脹水平，以IPI衡量經(jīng)濟增長水平。日本、中國的宏觀變量代表亞洲市場④日本和中國作為亞洲的兩大經(jīng)濟體，本文分別研究了兩國的宏觀經(jīng)濟變量對違約風(fēng)險的影響。，歐元區(qū)和美國的宏觀變量分別代表歐洲市場和北美市場。

（二）模型狀態(tài)數(shù)的確定

由金融危機前后三個區(qū)域的CDS指數(shù)的變化趨勢圖（見圖1）可以看出，2007年7月之后CDS指數(shù)變化值出現(xiàn)了明顯的波動。2007年的7—8月、11—12月，2008年的1—2月、6—11月及2009至2011年的個別月份的CDS指數(shù)變化較為劇烈，其余月份變化較為平穩(wěn)。隨著2007年6月美國第五大券商、第二大按揭債券承銷商貝爾斯登旗下兩家對沖基金出現(xiàn)巨額虧損，7月10日信用評級機構(gòu)穆迪和標(biāo)普下調(diào)美國抵押貸款債券信用等級，信用危機開始出現(xiàn)。為了救市，8月9、10日世界各國央行紛紛向銀行系統(tǒng)注資，31日伯南克表示美聯(lián)儲將努力避免信貸危機損害經(jīng)濟，布什政府承諾將采取一攬子計劃挽救次級房貸危機，9月份信用危機有所緩解。但隨著10月份全球頂級券商美林公布2007年第三季度出現(xiàn)虧損，此前一天日本最大的券商野村證券也宣布當(dāng)季虧損，并且歐洲資產(chǎn)規(guī)模最大的瑞士銀行宣布，第三季度出現(xiàn)近5年首次季度虧損達(dá)到8.3億瑞郎，三大區(qū)域的CDS指數(shù)波動又一輪升高，信用危機加劇。雖然2008年4月份高盛和摩根士丹的CEO紛紛表示信用市場的危機已接近尾聲，信用市場危機有所緩解，但隨著雷曼兄弟的倒閉，以及受2009年以來的歐債危機和美國量化寬松政策等因素的影響，國際信用市場進(jìn)一步惡化，當(dāng)今國際信用環(huán)境仍不樂觀。結(jié)合上述分析，金融危機導(dǎo)致信用環(huán)境發(fā)生了結(jié)構(gòu)性變化，出現(xiàn)了較為明顯的平穩(wěn)期和波動期。對此，本文將狀態(tài)數(shù)確定為2，研究金融危機前后的平穩(wěn)期和波動期兩種狀態(tài)下的MS模型及MS-VAR模型。

圖1 金融危機前后三區(qū)域的CDS指數(shù)的變化趨勢圖

（三）信用違約風(fēng)險宏觀驅(qū)動因素的實證分析

本部分利用MS模型對金融危機下信用違約風(fēng)險在波動期和平穩(wěn)期兩種狀態(tài)下的宏觀驅(qū)動因素進(jìn)行了實證分析。模型估計所得的狀態(tài)1下所有變量的標(biāo)準(zhǔn)差均小于狀態(tài)2下變量的標(biāo)準(zhǔn)差，所以可認(rèn)為狀態(tài)1為平穩(wěn)期，狀態(tài)2為波動期。

1.亞洲市場。

如表1所示，在日本宏觀變量與股票市場對日本CDS指數(shù)的影響中，狀態(tài)1的標(biāo)準(zhǔn)差為3.75，為平穩(wěn)期；狀態(tài)2的標(biāo)準(zhǔn)差為36.02，為金融危機引發(fā)的波動期。波動期內(nèi)，IPI、CPI和股票收益率的變化對違約風(fēng)險均有顯著影響，其中IPI和股票收益率為負(fù)向影響，CPI為正向影響，而平穩(wěn)期卻不明顯。在中國對日本CDS指數(shù)的影響中，波動期IPI和股票收益率的變化影響顯著，但平穩(wěn)期的影響卻不明顯?？梢钥闯?，金融危機后，中國和日本的宏觀經(jīng)濟和金融市場對亞洲市場的宏觀環(huán)境的影響變得顯著，這進(jìn)一步會影響到信用市場上的違約風(fēng)險，金融危機所帶來的經(jīng)濟聯(lián)動效應(yīng)增大。

表1 亞洲市場模型估計結(jié)果表

2.北美與歐洲市場。

如表2所示，波動期美國的股票收益率對北美違約風(fēng)險產(chǎn)生顯著的負(fù)影響，而平穩(wěn)期不明顯。表3表明平穩(wěn)期歐洲IPI和股票收益率變化對歐洲違約風(fēng)險產(chǎn)生了顯著的負(fù)影響，而波動期僅有股票收益率的影響是顯著的，但影響的幅度大于平穩(wěn)期。

表2 北美市場模型估計結(jié)果表

表3 歐洲市場模型估計結(jié)果表

3.三大區(qū)域市場的交叉影響。

如表4所示，在亞洲市場對歐洲市場CDS指數(shù)的影響中，平穩(wěn)期中國的股票收益率會對歐洲違約風(fēng)險產(chǎn)生顯著的負(fù)向沖擊，而日本則是IPI會對歐洲違約風(fēng)險產(chǎn)生一定的負(fù)向沖擊；波動期中國的IPI、CPI與股票收益率均對歐洲違約風(fēng)險產(chǎn)生顯著影響，而日本的影響不顯著。中國對歐洲市場的影響更為顯著，這可能是由于中國為歐盟最大貿(mào)易伙伴，近年來雙方出口量均顯著地增長，促進(jìn)了雙方的經(jīng)濟依存性。在亞洲市場對北美市場的影響中，平穩(wěn)期日本的CPI與中國的股票收益率變化對北美的違約風(fēng)險產(chǎn)生顯著影響，而波動期日本和中國的CPI與IPI是主要的影響因素，并且日本CPI的影響遠(yuǎn)遠(yuǎn)高于中國，其對外的通脹輸出效應(yīng)更大。在北美對亞洲CDS指數(shù)的影響中，平穩(wěn)期無顯著變化，而波動期的股票收益率變動會產(chǎn)生顯著的負(fù)向沖擊。在北美對歐洲的影響中，平穩(wěn)期無顯著變化，而波動期美國的CPI與股票收益率的變動是主要的影響因素，并且影響幅度明顯小于對亞洲市場的影響。在歐洲市場對亞洲市場的影響中，平穩(wěn)期歐洲股票收益率變化的影響顯著，而波動期內(nèi)，除了股票收益率，CPI與IPI也會產(chǎn)生一定的影響沖擊，并且其影響幅度大于平穩(wěn)期。在歐洲對北美的影響中，平穩(wěn)期歐洲CPI的正向影響顯著，而波動期僅有股票收益率變動會產(chǎn)生一定的負(fù)向沖擊，但影響幅度小于其對亞洲市場的影響。

表4 區(qū)域間相互影響模型估計結(jié)果表

續(xù)前表

綜上可知，三大區(qū)域內(nèi)和區(qū)域間的宏觀經(jīng)濟變量和股票收益率變動會對違約風(fēng)險產(chǎn)生一定沖擊，IPI與股票收益率的變動同違約風(fēng)險負(fù)相關(guān)，即經(jīng)濟繁榮時，股票收益率越大，信用違約的風(fēng)險越小，而CPI則與之正相關(guān)，即一定條件下，通貨膨脹水平的上升可能會造成信用違約風(fēng)險的增大?？傮w來看，不同經(jīng)濟狀態(tài)下的變量影響的顯著性是不同的，在金融危機引起的波動期影響更為顯著。

（四）跨區(qū)域傳染機制的實證分析

通過上節(jié)對信用違約驅(qū)動因素研究，我們發(fā)現(xiàn)宏觀經(jīng)濟變量和股票市場的變動在特定的經(jīng)濟狀態(tài)下會對信用違約產(chǎn)生一定影響，并且該影響并不僅局限于區(qū)域內(nèi)，在特定經(jīng)濟狀態(tài)下也會對外部區(qū)域產(chǎn)生溢出效應(yīng)。那么，受宏觀經(jīng)濟環(huán)境的相互影響，區(qū)域間的信用違約風(fēng)險是否會相互影響，存在傳染效應(yīng)呢？出于這種考慮，我們進(jìn)一步探討了三大區(qū)域間信用違約風(fēng)險的傳染機制。

本文通過對截距、方差、均值等各個參數(shù)隨狀態(tài)變化的MS-VAR模型不同滯后階數(shù)的AIC、SC、HQ、對數(shù)似然值LL及似然比LR進(jìn)行綜合比較，根據(jù)少數(shù)服從多數(shù)原則，最終確定 MSIAH（2）-VAR（3）的擬合效果最優(yōu)，限于篇幅，本文只列了滯后3階、存在2狀態(tài)下的各種馬爾科夫模型的準(zhǔn)則比較值（見表5）。由于MS-VAR系數(shù)的傳統(tǒng)檢驗方法有偏，在估計系數(shù)時，本文參照Ehrmann等（2003）［25］的研究方法，對MS-VAR模型的參數(shù)進(jìn)行了bootstrap仿真實驗，仿真次數(shù)400次，取95%的置信區(qū)間。在仿真時，由于估計MS-VAR需要運用迭代算法進(jìn)行優(yōu)化，因此在仿真過程中去掉那些迭代時不能收斂的仿真次數(shù)，估計及仿真結(jié)果如表6及圖2所示。由平滑概率圖可以看出，2007年7月之后CDS指數(shù)變化值出現(xiàn)了明顯的波動。根據(jù)模型估計結(jié)果，狀態(tài)1下的所有變量的標(biāo)準(zhǔn)差均小于狀態(tài)2下變量的標(biāo)準(zhǔn)差，所以可認(rèn)為狀態(tài)1為平穩(wěn)期，狀態(tài)2為波動期。由模型估計所得的轉(zhuǎn)移概率p11為0.882 1，p22為0.854 1，可知平穩(wěn)期持續(xù)的時間長于波動期，這與經(jīng)濟繁榮期一般是長于經(jīng)濟的蕭條期的事實是一致的。

表5 各種模型比較表

表6 MSIAH（2）-VAR（3）估計結(jié)果

圖2 平滑概率圖

由于MS-VAR模型參數(shù)眾多，理論分析及模型解釋較為困難，本文運用狀態(tài)相依的脈沖響應(yīng)分析（GIRF）簡化了模型解釋，脈沖響應(yīng)分析結(jié)果如下：

1.EURO＿CDS對其他變量的脈沖響應(yīng)。

圖3表明在兩種狀態(tài)下，EURO＿CDS對其他變量的沖擊為正向響應(yīng)，沖擊的影響時間較長，并且在波動期（狀態(tài)2）EURO＿CDS對其他變量的沖擊響應(yīng)比平穩(wěn)期（狀態(tài)1）更為明顯，這主要表現(xiàn)在沖擊更強烈，影響的持續(xù)時間更久。例如，在波動期，對于JP＿CDS1單位正向的標(biāo)準(zhǔn)差沖擊，EURO＿CDS呈逐漸上升趨勢，且在第1個月達(dá)到最大值1.5%，幾乎是平穩(wěn)期的2倍，影響持續(xù)18個月左右消失。同樣，在平穩(wěn)期，對于NA＿CDS1單位的正向沖擊，EURO＿CDS在第2個月半達(dá)到頂峰，高于基礎(chǔ)線0.25%，在第10個月沖擊的影響基本消失。在波動期對于NA＿CDS的沖擊，EURO＿CDS在第1個月達(dá)到正向的最大值0.8%，隨后經(jīng)過幾個月的震蕩，影響在第14個月消失。對于自己1單位的正向沖擊，在兩種狀態(tài)下，EURO＿CDS初期瞬間升為1%，其反應(yīng)速度快于對其他變量的沖擊反應(yīng)，在經(jīng)歷16個月后沖擊影響消失。由上面的分析可以看出，歐洲的信用違約風(fēng)險受北美和亞洲違約風(fēng)險的正向沖擊后不會立即響應(yīng)，而是逐漸地呈現(xiàn)正向擴大趨勢，在經(jīng)濟的波動期，沖擊的力度更大，影響的時間更長。

圖3 EURO＿CDS對其他變量的脈沖響應(yīng)圖

2.JP＿CDS對其他變量的脈沖響應(yīng)。

圖4為JP＿CDS對其他變量的脈沖響應(yīng)，可以看出在狀態(tài)2下，JP＿CDS對相關(guān)變量沖擊的響應(yīng)更為強烈。在波動期，對于NA＿CDS1單位正向的標(biāo)準(zhǔn)差沖擊，JP＿CDS初始時瞬間跳至0.07%，雖然沖擊幅度不大，但隨后上下波動較為劇烈。而EURO＿CDS的沖擊導(dǎo)致JP＿CDS呈逐漸上升趨勢，且在第1個月達(dá)到最大值0.25%，比平穩(wěn)期稍高一些，影響時間為10個月左右。JP＿CDS受自身的沖擊，瞬間上升至最大值1%，與其余兩個變量的沖擊響應(yīng)相比，在兩種狀態(tài)下，其對于自身的沖擊響應(yīng)幅度是最大的。由上面的分析可知，亞洲的信用違約風(fēng)險受北美和歐洲的沖擊后，會產(chǎn)生一定的沖擊響應(yīng)，但響應(yīng)幅度很小，且不及對自身沖擊響應(yīng)的劇烈，JP＿CDS受外部沖擊的影響較小。相對于歐美發(fā)達(dá)的金融市場，亞洲市場的開放度不高，存在一定的資本管制，信用市場相對也不發(fā)達(dá)，這在一定程度上導(dǎo)致其不易受到外來沖擊的影響。

圖4 JP＿CDS對其他變量的脈沖響應(yīng)圖

3.NA＿CDS對其他變量的脈沖響應(yīng)。

圖5為NA＿CDS對其他變量的脈沖響應(yīng)，與圖2的結(jié)論相同，在兩種狀態(tài)下，NA＿CDS對其他變量的沖擊為正向響應(yīng)，且在波動期對其他變量的沖擊響應(yīng)比平穩(wěn)期更為明顯。例如，波動期JP＿CDS的沖擊導(dǎo)致NA＿CDS初始時瞬間上升到0.1%左右，是平穩(wěn)期的2倍多，之后沖擊力度減弱，經(jīng)16個月消失。同樣，在波動期，受EURO＿CDS的沖擊，NA＿CDS瞬間跳至0.14%，比JP＿CDS的沖擊響應(yīng)幅度大，但遠(yuǎn)小于對自身沖擊的響應(yīng)。此外，結(jié)合圖3和圖4還可以發(fā)現(xiàn)，受外部正向沖擊后，NA＿CDS在初始期會有明顯的正向響應(yīng)，這表明與EURO＿CDS和JP＿CDS相比，NA＿CDS對于外部的沖擊更為敏感。由上面的分析可知，北美的信用違約風(fēng)險受亞洲和歐洲的正向沖擊后也會呈現(xiàn)正向的反應(yīng)，在經(jīng)濟波動期，沖擊的力度更大，影響的時間更長，并且反應(yīng)很迅速。由于北美金融市場比較完善，信用市場也相對發(fā)達(dá)、開放，當(dāng)受到外部沖擊時，信用違約風(fēng)險的傳導(dǎo)約束會更小，因此對于外來沖擊會更加敏感，影響時間更長。

五、結(jié)論

本文首先基于馬爾科夫狀態(tài)轉(zhuǎn)移模型研究了金融危機期間歐洲、北美、亞洲三大區(qū)域的股票市場和宏觀經(jīng)濟變量對各自區(qū)域內(nèi)信用違約風(fēng)險的影響以及區(qū)域間的交叉影響，然后利用MS-VAR模型對三大區(qū)域間的信用違約風(fēng)險跨區(qū)域的傳染效應(yīng)進(jìn)行了實證分析。主要結(jié)論如下：

第一，三大區(qū)域內(nèi)和區(qū)域間的宏觀經(jīng)濟變量（IPI、CPI）和股票收益率變動會對違約風(fēng)險產(chǎn)生一定沖擊影響，主要表現(xiàn)為：信用違約風(fēng)險會隨著經(jīng)濟走向繁榮和股票市場收益率的提高趨于降低，而較高的通貨膨脹水平可能會引起違約風(fēng)險的上升；此外，這種影響呈現(xiàn)狀態(tài)轉(zhuǎn)移行為，在不同的經(jīng)濟狀態(tài)下影響的顯著性是不同的，并且這種影響并不僅局限于區(qū)域內(nèi)，在特定經(jīng)濟狀態(tài)下，也會對外部區(qū)域產(chǎn)生溢出效應(yīng)。

圖5 NA＿CDS對其他變量的脈沖響應(yīng)圖

第二，歐洲、北美、亞洲三大區(qū)域間的信用違約風(fēng)險存在傳染效應(yīng)，這表明國際信用違約風(fēng)險的傳染特征是明顯存在的，并且這種傳染機制存在馬爾科夫狀態(tài)轉(zhuǎn)移行為。主要表現(xiàn)為：在經(jīng)濟的波動期，區(qū)域間的違約風(fēng)險傳染效應(yīng)更為明顯，相互的沖擊效力更大，沖擊的影響時間更長。北美信用違約風(fēng)險受亞洲和歐洲違約風(fēng)險的正向沖擊后會呈現(xiàn)正向響應(yīng)，并且反應(yīng)很迅速，表明其對來自于外部違約風(fēng)險的沖擊較為敏感。歐洲的信用違約風(fēng)險受北美和亞洲違約風(fēng)險的正向沖擊后不會立即響應(yīng)，而是逐漸地呈現(xiàn)正向擴大趨勢。亞洲的信用違約風(fēng)險受北美和歐洲違約風(fēng)險的沖擊后，會產(chǎn)生一定的沖擊影響，但不及對自身沖擊響應(yīng)的劇烈，其受外部沖擊的影響較小。

總之，金融危機引發(fā)了國際金融風(fēng)波，全球的金融系統(tǒng)連為一體，形成了聯(lián)動互補的新格局?？v觀國際，美國經(jīng)濟復(fù)蘇疲軟，歐洲債務(wù)危機不斷深化，隨著2012年9月美聯(lián)儲第三輪量化寬松貨幣政策（QE3）的啟用，將引起新一輪國際貨幣體系的動蕩，進(jìn)一步惡化國際信用環(huán)境。金融危機持續(xù)深化對新興市場國家和低收入國家造成了日益加重的不良影響，一些發(fā)展中國家的信用風(fēng)險出現(xiàn)了不同程度的上升。面對金融國際化和經(jīng)濟的全球化帶來的傳染效應(yīng)，為了防范信用違約風(fēng)險的擴大，我們需要整體把握金融系統(tǒng)的形式和走向而不要孤立片面地看待經(jīng)濟問題，必須堅持風(fēng)險為本的監(jiān)管理念，堅持國際標(biāo)準(zhǔn)與我國實際相結(jié)合的監(jiān)管制度。此外，我國金融市場受到制度性的資本管制，信用市場還比較封閉，發(fā)展較為落后，這雖然在一定程度上限制了金融危機引起的外部信用違約風(fēng)險的沖擊，但面對金融國際化的大環(huán)境，建立完善開放的信用市場對于我國金融市場進(jìn)一步走向全球化是很必要的。