左正龍

（1.新疆財(cái)經(jīng)大學(xué)金融學(xué)院，新疆烏魯木齊830012；2.衡陽技師學(xué)院，湖南衡陽421101）

自2019年12月底首例新冠肺炎在我國(guó)被確診后，不久其他地區(qū)也相繼確診了該病例，俄羅斯在2020年1月確診了6例患者，哈薩克斯坦也于3月中旬出現(xiàn)疫情。之后，我國(guó)疫情得到了很好的控制，但俄哈兩國(guó)疫情有愈發(fā)嚴(yán)重的態(tài)勢(shì)。如果將此次疫情看作是“原生災(zāi)害”，那么它還將帶來一系統(tǒng)列的“次生災(zāi)害”（即由原生災(zāi)害所引致的災(zāi)害）。其中首要的便是經(jīng)濟(jì)金融風(fēng)險(xiǎn)，疫情爆發(fā)后的股市下挫就是很好的例證。在我國(guó)“一帶一路”倡議背景下，中國(guó)在推動(dòng)沿線國(guó)家經(jīng)濟(jì)合作與發(fā)展中發(fā)揮了重要作用，同時(shí)也極度重視金融體系的潛在風(fēng)險(xiǎn)。多次會(huì)議都曾強(qiáng)調(diào)要防范資本市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)，2019年習(xí)近平總書記進(jìn)一步明確，“防范化解金融風(fēng)險(xiǎn)特別是防止發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)，是金融工作的根本性任務(wù)”[1]。俄羅斯和哈薩克斯坦與中國(guó)一衣帶水，哈國(guó)已成為我國(guó)在中亞地區(qū)的最大貿(mào)易伙伴國(guó)；哈國(guó)從蘇聯(lián)加盟共和國(guó)獨(dú)立出來后，經(jīng)濟(jì)上仍與俄羅斯有著很強(qiáng)的依存關(guān)系；中國(guó)連續(xù)8年來都是俄羅斯的最大貿(mào)易伙伴國(guó)。中俄哈三國(guó)的經(jīng)濟(jì)貿(mào)易在“一帶一路”倡議下聯(lián)系得更加緊密。因此，研究這三國(guó)資本市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)對(duì)了解“一帶一路”沿線國(guó)家資本市場(chǎng)風(fēng)險(xiǎn)的傳染性具有開創(chuàng)性意義。

一、文獻(xiàn)回顧

國(guó)外關(guān)于系統(tǒng)性金融風(fēng)險(xiǎn)溢出效應(yīng)的理論分析較多，F(xiàn)orbes和Rigobon將既有研究歸為兩大類：無危機(jī)傳染理論與危機(jī)傳染理論。無危機(jī)傳染理論假設(shè)風(fēng)險(xiǎn)期與平穩(wěn)期的風(fēng)險(xiǎn)傳染機(jī)制相同，所以沖擊發(fā)生后各金融市場(chǎng)的聯(lián)動(dòng)性沒有上升。該理論將風(fēng)險(xiǎn)傳染分為四條途徑：隨機(jī)總量沖擊、國(guó)家重估、貿(mào)易和政策協(xié)同。危機(jī)傳染理論分析的是為何在風(fēng)險(xiǎn)期傳染機(jī)制會(huì)發(fā)生變化，以及為何沖擊發(fā)生后各金融市場(chǎng)的聯(lián)動(dòng)性會(huì)增強(qiáng)[2]?；诖耍現(xiàn)orbes和Rigobon進(jìn)一步提出了系統(tǒng)性金融風(fēng)險(xiǎn)溢出的“過度關(guān)聯(lián)說”。其將風(fēng)險(xiǎn)傳染性界定為一個(gè)地區(qū)發(fā)生的沖擊引致該地區(qū)與其他地區(qū)的聯(lián)動(dòng)性增強(qiáng)，該學(xué)說強(qiáng)調(diào)只有關(guān)聯(lián)性發(fā)生了變化才能稱為傳染性。他們將過度關(guān)聯(lián)性的變動(dòng)作為衡量溢出效應(yīng)產(chǎn)生的一個(gè)重要標(biāo)準(zhǔn)，并以之檢驗(yàn)金融危機(jī)期間風(fēng)險(xiǎn)傳染的變動(dòng)情況[3]。本文關(guān)注的是新冠肺炎沖擊下三國(guó)資本市場(chǎng)的關(guān)聯(lián)性是否會(huì)顯著增加，因此，本研究屬于危機(jī)傳染理論范疇。隨著對(duì)金融風(fēng)險(xiǎn)預(yù)警的科學(xué)化以及防范措施的更加得力，當(dāng)今的金融危機(jī)表現(xiàn)出更加溫和的特點(diǎn)，即不再像以往危機(jī)那樣劇烈，處于一種“亞危機(jī)”狀態(tài)。受疫情影響，2020年世界經(jīng)濟(jì)出現(xiàn)衰退，投資者信心不足而引致資本市場(chǎng)動(dòng)蕩，這就具有“亞危機(jī)”的特點(diǎn)。此外，“過度關(guān)聯(lián)說”相對(duì)于其他理論而言能對(duì)金融風(fēng)險(xiǎn)傳染界定得更為精確，因此，本文援引該理論作后續(xù)分析。

從研究的方法和思路看，分析資本市場(chǎng)風(fēng)險(xiǎn)的溢出效應(yīng)主要集中于資產(chǎn)價(jià)格的協(xié)同運(yùn)動(dòng)，如檢驗(yàn)危機(jī)發(fā)生的條件概率，進(jìn)行資產(chǎn)價(jià)格的協(xié)整分析、相關(guān)性分析、波動(dòng)性溢出分析等。其中通過估計(jì)其他地區(qū)發(fā)生危機(jī)時(shí)本地區(qū)危機(jī)發(fā)生的條件概率來判斷本地區(qū)危機(jī)發(fā)生可能性的方法，有Eichengreen等、Glick和Rose[4-5]運(yùn)用Probit模型對(duì)金融風(fēng)險(xiǎn)溢出效應(yīng)的實(shí)證檢驗(yàn)，其優(yōu)點(diǎn)是能對(duì)溢出的可能性進(jìn)行定量分析，但并未考慮變量的異方差性，且結(jié)果為有偏估計(jì)；Cashin等運(yùn)用協(xié)整方法分析了6個(gè)新興市場(chǎng)經(jīng)濟(jì)國(guó)家與7個(gè)工業(yè)化國(guó)家的證券市場(chǎng)指數(shù)[6]，后來Kaminsky和Reinheart也用協(xié)整分析證明了溢出的存在性[7]，但自墨西哥金融危機(jī)后，大多數(shù)危機(jī)持續(xù)的時(shí)間都較短，協(xié)整分析并不能發(fā)現(xiàn)短期的動(dòng)態(tài)效應(yīng)；Calvo和Reinheart、Baig和Goldfajn[8-9]分別運(yùn)用資產(chǎn)價(jià)格相關(guān)系數(shù)檢驗(yàn)了墨西哥金融危機(jī)與東南亞金融危機(jī)的溢出效應(yīng)，發(fā)現(xiàn)危機(jī)時(shí)期的相關(guān)系數(shù)顯著大于平穩(wěn)時(shí)期，但是，相關(guān)系數(shù)增加并不表明一定存在溢出效應(yīng)，這是因?yàn)橄嚓P(guān)系數(shù)只是從統(tǒng)計(jì)上說明數(shù)據(jù)上的相關(guān)關(guān)系，即便相關(guān)系數(shù)近似于1，也不能充分證明經(jīng)濟(jì)上存在因果關(guān)系。Park和Song運(yùn)用GARCH模型檢驗(yàn)了東南亞金融危機(jī)期間8個(gè)亞洲國(guó)家外匯市場(chǎng)的波動(dòng)性溢出效應(yīng)[10]，Edwards運(yùn)用同樣的模型分析了1994年墨西哥金融危機(jī)期間該國(guó)利率波動(dòng)對(duì)智利與阿根廷的溢出效應(yīng)[11]。然而，在有內(nèi)生變量存在時(shí)，此方法可能高估波動(dòng)性溢出效應(yīng)。綜觀這些實(shí)證分析，他們借助協(xié)方差矩陣或者相關(guān)系數(shù)來研究市場(chǎng)間的相關(guān)程度，目的主要在于檢驗(yàn)數(shù)據(jù)生成過程中的參數(shù)穩(wěn)定性。但是，若存在異方差性、忽略變量或內(nèi)生變量等問題，檢驗(yàn)參數(shù)穩(wěn)定性的結(jié)果常常是有偏的。即使在一些特殊情況下能夠?qū)ζ湫拚浣Y(jié)果也不能普遍適用，且這些方法均不能反映風(fēng)險(xiǎn)溢出的動(dòng)態(tài)特征，更不能定量化傳染沖擊的力度。

此外，自Angelini等運(yùn)用復(fù)雜網(wǎng)絡(luò)理論測(cè)度了意大利與美國(guó)銀行間市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)[12]以來，網(wǎng)絡(luò)分析法風(fēng)靡一時(shí)。如Diebold和Yilmaz選擇金融機(jī)構(gòu)間市場(chǎng)價(jià)格方差分解作為測(cè)度相關(guān)性的指標(biāo)來構(gòu)建傳染網(wǎng)絡(luò)[13]；楊子暉等[14]通過構(gòu)建非線性關(guān)聯(lián)網(wǎng)絡(luò)，研究了世界19個(gè)主要國(guó)家經(jīng)濟(jì)政策的不確定性和系統(tǒng)性金融風(fēng)險(xiǎn)溢出的關(guān)系，結(jié)果表明，危機(jī)期有著明顯的風(fēng)險(xiǎn)溢出效應(yīng)；王虎和李守偉[15]運(yùn)用債務(wù)排序法構(gòu)建系統(tǒng)性金融風(fēng)險(xiǎn)溢出的多層網(wǎng)絡(luò)模型，對(duì)我國(guó)銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)及其影響因子進(jìn)行實(shí)證分析；丁慧和沈雨田[16]選取我國(guó)28家上市金融機(jī)構(gòu)股票市場(chǎng)價(jià)格日數(shù)據(jù)，采用DYCI法識(shí)別這些機(jī)構(gòu)間的系統(tǒng)性風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)，并以此為基礎(chǔ)測(cè)度這些機(jī)構(gòu)的網(wǎng)絡(luò)關(guān)聯(lián)性和系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。這些研究的優(yōu)點(diǎn)是直觀，能反映不同網(wǎng)絡(luò)結(jié)構(gòu)和異質(zhì)性沖擊的不同影響，但是，它們忽略了風(fēng)險(xiǎn)的間接傳染途徑，模型相對(duì)靜態(tài)。

二、方法選擇

鑒于傳統(tǒng)分析方法的諸多不足，本文選擇向量自回歸（VAR）模型來檢驗(yàn)疫情沖擊條件下系統(tǒng)性金融風(fēng)險(xiǎn)的溢出效應(yīng)。1980年Sims提出的VAR系統(tǒng)，將考察的所有經(jīng)濟(jì)變量都納入一個(gè)模型，這樣可反映系統(tǒng)的全部信息，并且經(jīng)濟(jì)理論的作用只在于確定變量的滯后期數(shù)與變量如何選擇，從而把理論對(duì)統(tǒng)計(jì)推斷的限制降至最低。該系統(tǒng)所具有的格蘭杰（Granger）因果關(guān)系檢驗(yàn)與脈沖響應(yīng)函數(shù)（IRF）分析等功能并未建立在參數(shù)估計(jì)的基礎(chǔ)上，所以它能很好地解決基于參數(shù)估計(jì)的傳統(tǒng)檢驗(yàn)方法中出現(xiàn)的異方差性、忽略變量與內(nèi)生變量等問題，因而檢驗(yàn)參數(shù)穩(wěn)定性的結(jié)果也更可靠。此外，它是由一組動(dòng)態(tài)方程聯(lián)立構(gòu)成的新型宏觀經(jīng)濟(jì)模型，因此能更真實(shí)地再現(xiàn)溢出的動(dòng)態(tài)效應(yīng)并定量化傳染沖擊的力度，從而使得分析結(jié)果也更具普適性。正因?yàn)閂AR系統(tǒng)所具有的這些功能與優(yōu)點(diǎn)，所以它特別適用于檢驗(yàn)疫情沖擊條件下的風(fēng)險(xiǎn)溢出效應(yīng)。

通過觀察新冠肺炎擴(kuò)散對(duì)資本市場(chǎng)形成沖擊后，中俄哈三國(guó)資本市場(chǎng)波動(dòng)性之間的格蘭杰因果關(guān)系的變化，即可判斷是否存在溢出效應(yīng)。若三國(guó)資本市場(chǎng)在疫情沖擊前的安全期與沖擊后的風(fēng)險(xiǎn)期的波動(dòng)性之間均無因果關(guān)系，則該情形不存在風(fēng)險(xiǎn)溢出效應(yīng)；若三國(guó)資本市場(chǎng)波動(dòng)性之間在安全期沒有因果關(guān)系，但在風(fēng)險(xiǎn)期存在因果關(guān)系，則表明發(fā)生了溢出效應(yīng)；若三國(guó)資本市場(chǎng)波動(dòng)性之間在安全期與風(fēng)險(xiǎn)期均存在因果關(guān)系，則應(yīng)進(jìn)行脈沖響應(yīng)分析以判斷是否發(fā)生了風(fēng)險(xiǎn)溢出。脈沖響應(yīng)衡量的是隨機(jī)擾動(dòng)項(xiàng)一個(gè)標(biāo)準(zhǔn)差的信息（沖擊）對(duì)內(nèi)生變量目前與未來取值的影響。它可以動(dòng)態(tài)地反映某一經(jīng)濟(jì)體發(fā)生的沖擊對(duì)其他經(jīng)濟(jì)體的沖擊強(qiáng)度、持續(xù)時(shí)間以及沖擊的正負(fù)方向。如存在風(fēng)險(xiǎn)溢出效應(yīng)，則風(fēng)險(xiǎn)期的脈沖響應(yīng)將比安全期的脈沖響應(yīng)強(qiáng)得多。反之則相反。

（一）Granger因果檢驗(yàn)

若要檢驗(yàn)因果關(guān)系是從某國(guó)金融風(fēng)險(xiǎn)x到另一國(guó)金融風(fēng)險(xiǎn)y，還是從金融風(fēng)險(xiǎn)y到金融風(fēng)險(xiǎn)x，或者是雙向因果關(guān)系，則可以采用Grange于1969年提出的檢驗(yàn)方法，即Grange因果關(guān)系檢驗(yàn)來完成[17]。它基于如下思想：若x是y的原因，但y不是x的反向原因，則x的過去值有助于預(yù)測(cè)y的將來值，而y的過去值無助于預(yù)測(cè)x的將來值。考慮如下時(shí)間序列模型：

其中εt為白噪聲過程，滯后期數(shù)p和q不一定相等，其可依據(jù)“從大到小的序貫t規(guī)則”或“信息準(zhǔn)則”來確定。檢驗(yàn)零假設(shè)H0：β1=…=βq=0，即檢驗(yàn)xt的過去值是否能統(tǒng)計(jì)地改進(jìn)對(duì)yt的預(yù)測(cè)，相應(yīng)的備擇假設(shè)為H1：βj≠0(?j，1≤j≤q)。如接受H0，則稱xt不是yt的格蘭杰因。交換上述回歸模型中xt和yt的位置則可以檢驗(yàn)yt是否為xt的格蘭杰因。

（二）脈沖響應(yīng)函數(shù)

考慮一個(gè)p階向量自回歸過程VAR(p)：

其中，Yt為n維內(nèi)生變量向量，Γ0為常數(shù)向量，Γ1，…，Γp為系數(shù)矩陣，εt為n維白噪聲過程的誤差向量，其方差-協(xié)方差矩陣為Σε。使用滯后算子，把（2）式寫成向量移動(dòng)平均（VMA）的形式：

若Γ(L)可逆，則方程兩邊同時(shí)左乘Γ(L)-1得VMA模型：

其中，Α為常數(shù)向量，Ψs為系數(shù)矩陣，它們可由式（2）中的Γ0，…，Γp算 出。Ψs的 第m行、第n列 元 素 等 于(?ym，t+s/?εnt)。它表示當(dāng)?shù)趎個(gè)變量在時(shí)期t的擾動(dòng)項(xiàng)εnt增加一個(gè)單位時(shí)（其他期的擾動(dòng)項(xiàng)和其他變量均不變），對(duì)第m個(gè)變量在時(shí)期(t+s)的取值ym，t+s的影響。即VAR系統(tǒng)中變量m對(duì)變量n的s期脈沖響應(yīng)。

向量白噪聲過程εt為弱平穩(wěn)隨機(jī)過程，其各個(gè)分量間可以存在同期相關(guān)，且Σε也不是對(duì)角矩陣，因此，須考慮正交化的脈沖響應(yīng)函數(shù)（OIRF）。由于Σε的正定性，因此總存在一個(gè)可逆矩陣P使得PP'=Σε，于是（4）式可演變?yōu)椋?/p>

其中，Φs=Ψs P，vt-s=P-1εt-s。經(jīng)過變換，誤差向量εt就變成了標(biāo)準(zhǔn)的向量白噪聲過程vt。這時(shí)，矩陣Φs的第m行、第n列元素則表示系統(tǒng)中變量m對(duì)變量n的1個(gè)標(biāo)準(zhǔn)誤差的正交化信息（沖擊）的s期脈沖響應(yīng)。

三、實(shí)證檢驗(yàn)

（一）樣本選擇與數(shù)據(jù)預(yù)處理

本文以新冠肺炎疫情期間中國(guó)、俄羅斯與哈薩克斯坦的股票市場(chǎng)波動(dòng)為研究對(duì)象進(jìn)行溢出效應(yīng)分析。選擇的指標(biāo)為中國(guó)上證指數(shù)（SSCI）、哈國(guó)的KASE指數(shù)和俄羅斯的MOEX Russia指數(shù)（IMOEX），樣本周期為2018年4月11日—2020年9月11日的日數(shù)據(jù)，且把樣本分為兩個(gè)子周期，相關(guān)數(shù)據(jù)來源于英為財(cái)情網(wǎng)（https://cn.investing.com/indices），分析軟件為Eviews7.2。

本文考察新冠肺炎爆發(fā)前后中俄哈三國(guó)資本市場(chǎng)間的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)主要是基于以下假設(shè)，資本市場(chǎng)對(duì)外部沖擊（風(fēng)險(xiǎn)）的敏感性較強(qiáng)，任何風(fēng)險(xiǎn)因子的出現(xiàn)都將導(dǎo)致資本市場(chǎng)價(jià)格的迅速波動(dòng)。所以，選取中俄哈三國(guó)具有代表性的股票市場(chǎng)指數(shù)，可構(gòu)造股票市場(chǎng)收益率指標(biāo)來度量風(fēng)險(xiǎn)的溢出效應(yīng)：

其中，Rt表示某國(guó)股票市場(chǎng)收益率，It表示股市收盤指數(shù)，It-1表示股市開盤指數(shù)。則中、俄、哈三國(guó)股票市場(chǎng)日收益率指標(biāo)可分別表示為RC、RR和RK。

鑒于資本市場(chǎng)風(fēng)險(xiǎn)在疫情沖擊后會(huì)明顯放大，所以應(yīng)選取合理的時(shí)間點(diǎn)作為沖擊發(fā)生的分界點(diǎn)。2019年12月底在我國(guó)確診了首例新冠患者，后陸續(xù)在其他地區(qū)也確診了該病例。例如，俄羅斯于2020年1月26日確診了6例患者，3月中旬哈國(guó)也開始出現(xiàn)疫情①數(shù)據(jù)來自世界衛(wèi)生組織，網(wǎng)址：https://www.who.int/。。1月14日我國(guó)股票市場(chǎng)開始下滑，17日跌勢(shì)已十分明顯。疫情沖擊下的我國(guó)股市已積聚了風(fēng)險(xiǎn)，并形成了風(fēng)險(xiǎn)源。這會(huì)不會(huì)對(duì)俄哈兩國(guó)在尚沒有疫情沖擊下的股市產(chǎn)生風(fēng)險(xiǎn)溢出效應(yīng)呢？基于此，本文選取2020年1月18作為界點(diǎn)，將時(shí)間序列分為平穩(wěn)期和風(fēng)險(xiǎn)期，其中2018年4月11日—2020年1月17日為疫情發(fā)生前的平穩(wěn)期，剔除各國(guó)因節(jié)假日休市差異，共有觀測(cè)值403個(gè)；2020年1月18日—2020年9月11日為疫情發(fā)生后的風(fēng)險(xiǎn)期，同樣剔除各國(guó)休市差異，共有觀測(cè)值144個(gè)。

（二）單位根檢驗(yàn)

由格蘭杰因果關(guān)系的內(nèi)涵可知，必須保證所檢驗(yàn)的時(shí)間序列嚴(yán)格平穩(wěn)，否則很可能出現(xiàn)“偽回歸”現(xiàn)象。因此，在進(jìn)行格蘭杰因果檢驗(yàn)前須進(jìn)行單位根檢驗(yàn)。目前通常采用的是ADF檢驗(yàn)，其公式如下：

原假設(shè)與備擇假設(shè)為：

若拒絕備擇假設(shè)H1，而接受H0，則表明序列yt有單位根存在，為非平穩(wěn)序列；否則表明序列yt無單位根存在，為平穩(wěn)序列。若為非平穩(wěn)時(shí)間序列，還應(yīng)進(jìn)行高階差分的穩(wěn)定性檢驗(yàn)。對(duì)三個(gè)國(guó)家的股票市場(chǎng)日收益率序列進(jìn)行ADF檢驗(yàn)的結(jié)果如表1所示。

表1 ADF檢驗(yàn)結(jié)果

注1：***表示在1%置信水平上拒絕序列非平穩(wěn)性的原假設(shè)。

表1的檢驗(yàn)結(jié)果表明，無論處于平穩(wěn)期還是風(fēng)險(xiǎn)期，三個(gè)時(shí)間序列均在1%的顯著性水平上拒絕了原序列存在單位根的零假設(shè)。所以，可以判斷原序列均為平穩(wěn)的，服從I（0）過程，據(jù)此可以進(jìn)行后續(xù)分析。

（三）Granger因果檢驗(yàn)

如上文所述，如要檢驗(yàn)兩國(guó)資本市場(chǎng)間是否存在風(fēng)險(xiǎn)的溢出效應(yīng)，實(shí)際上就是運(yùn)用格蘭杰因果關(guān)系檢驗(yàn)式（1）的原假設(shè)，如果接受原假設(shè)，兩國(guó)資本市場(chǎng)間就不存在風(fēng)險(xiǎn)的溢出效應(yīng)；若拒絕原假設(shè)，則表明兩國(guó)資本市場(chǎng)間存在著風(fēng)險(xiǎn)的溢出效應(yīng)。對(duì)中、俄、哈三國(guó)股票市場(chǎng)日收益率序列進(jìn)行格蘭杰因果檢驗(yàn)的結(jié)果如表2所示。

由表2不難看出，在沖擊發(fā)生前的平穩(wěn)期，僅存在一個(gè)單向因果關(guān)系，即俄羅斯股市對(duì)哈國(guó)股市在1%置信水平上存在的單向因果關(guān)系。這一方面是由于自哈國(guó)從加盟共和國(guó)分離出來后，在經(jīng)濟(jì)體制等方面仍繼承了原蘇聯(lián)的模式，哈國(guó)金融體系較易受其影響[18]；另一方面是因?yàn)槎砹_斯作為原蘇聯(lián)的經(jīng)濟(jì)主體，在金融資源及涵蓋的相關(guān)金融風(fēng)險(xiǎn)方面仍對(duì)原加盟成員國(guó)施加了溢出效應(yīng)，哈國(guó)亦不例外[19]。而在沖擊發(fā)生后的風(fēng)險(xiǎn)期，由于金融風(fēng)險(xiǎn)的不斷放大與擴(kuò)散，出現(xiàn)了三個(gè)單向因果關(guān)系。即中國(guó)股票市場(chǎng)日收益率波動(dòng)分別是俄羅斯與哈國(guó)股市日收益率波動(dòng)的單向因素，這表明，疫情沖擊下的中國(guó)股市波動(dòng)對(duì)俄羅斯與哈國(guó)股市均產(chǎn)生了溢出效應(yīng)。與前期不同的是，此時(shí)哈國(guó)股市波動(dòng)成為了俄羅斯股市波動(dòng)的單向因素。這說明，風(fēng)險(xiǎn)期的小國(guó)更有可能成為經(jīng)濟(jì)大國(guó)的風(fēng)險(xiǎn)源，這一點(diǎn)在既有研究中也有類似結(jié)論[20]。三國(guó)資本市場(chǎng)間并未出現(xiàn)雙向因果關(guān)系，即未發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的交叉?zhèn)魅尽＿@主要是因?yàn)橹袊?guó)疫情防控措施得力，確診病例在2020年2月9日達(dá)到高峰后開始下降，股市也開始逐漸恢復(fù)信心，即使在世界疫情惡化的情況下中國(guó)股市也未受外界影響。

表2 平穩(wěn)期和風(fēng)險(xiǎn)期股市波動(dòng)性的Granger因果檢驗(yàn)

為了準(zhǔn)確地了解各國(guó)資本市場(chǎng)對(duì)外部沖擊產(chǎn)生響應(yīng)的調(diào)整過程、持續(xù)時(shí)間和正負(fù)方向等信息，需運(yùn)用脈沖響應(yīng)函數(shù)作進(jìn)一步分析以把握風(fēng)險(xiǎn)溢出的動(dòng)態(tài)特征。

（四）脈沖響應(yīng)分析

為了得到RC、RR和RK中某個(gè)變量對(duì)來自其他兩變量中另一變量的一個(gè)標(biāo)準(zhǔn)差的新息（沖擊）的反應(yīng)過程，本文對(duì)相應(yīng)變量運(yùn)用VAR模型進(jìn)行脈沖響應(yīng)分析。為了比較風(fēng)險(xiǎn)期和平穩(wěn)期沖擊響應(yīng)規(guī)律的不同，下面選取平穩(wěn)期與風(fēng)險(xiǎn)期的RC、RR和RK序列分別進(jìn)行脈沖響應(yīng)函數(shù)分析，以考察它們之間的風(fēng)險(xiǎn)溢出動(dòng)態(tài)特征。平穩(wěn)期和風(fēng)險(xiǎn)期的脈沖響應(yīng)結(jié)果分別如圖1、圖2所示。

圖1 平穩(wěn)期的脈沖響應(yīng)

圖2 風(fēng)險(xiǎn)期的脈沖響應(yīng)

從以上兩圖的脈沖響應(yīng)結(jié)果分析，主要存在下面四個(gè)顯著特征：

（1）總的來看，風(fēng)險(xiǎn)期的脈沖響應(yīng)都比平穩(wěn)期的脈沖響應(yīng)持續(xù)的時(shí)間長(zhǎng)，中國(guó)股市對(duì)俄羅斯和哈國(guó)股市產(chǎn)生溢出效應(yīng)時(shí)的脈沖響應(yīng)強(qiáng)度也比平穩(wěn)期劇烈得多，即使平穩(wěn)期和風(fēng)險(xiǎn)期俄羅斯和哈國(guó)股市均未對(duì)中國(guó)股市產(chǎn)生溢出效應(yīng)，但效應(yīng)的正負(fù)方向出現(xiàn)了差異。

（2）俄羅斯和哈國(guó)股市對(duì)來自中國(guó)股市沖擊響應(yīng)的持續(xù)時(shí)間從平穩(wěn)期的4天延長(zhǎng)到了風(fēng)險(xiǎn)期的7天，俄羅斯股市對(duì)來自中國(guó)股市沖擊的響應(yīng)由平穩(wěn)期正向最高的0.2到風(fēng)險(xiǎn)期負(fù)向最低的-0.5，哈國(guó)股市對(duì)來自中國(guó)股市沖擊的響應(yīng)程度由平穩(wěn)期基本保持在正負(fù)0.1之間到風(fēng)險(xiǎn)期負(fù)向最低的-0.4。這再次表明，中國(guó)股市對(duì)俄羅斯和哈國(guó)股市均存在明顯的風(fēng)險(xiǎn)溢出效應(yīng)。

（3）在平穩(wěn)期，哈國(guó)股市對(duì)來自俄羅斯股市沖擊響應(yīng)的正負(fù)方向一直為正向逐漸減弱，響應(yīng)持續(xù)時(shí)間為4天，響應(yīng)幅度在第2天曾上升超過了0.2，是平穩(wěn)期所有情形中最高的；而在風(fēng)險(xiǎn)期的沖擊響應(yīng)方向從正向開始，然后呈正負(fù)交替的方式減弱，沖擊持續(xù)時(shí)間雖然有所延長(zhǎng)，但沖擊響應(yīng)的幅度從最初的0.2左右開始下降，為風(fēng)險(xiǎn)期所有情形中最低的，這再次證明了平穩(wěn)期俄羅斯股市對(duì)哈國(guó)股市存在著風(fēng)險(xiǎn)溢出效應(yīng)。在平穩(wěn)期俄羅斯股市對(duì)來自哈國(guó)股市沖擊的響應(yīng)比較溫和，幅度為正負(fù)0.1以內(nèi)，持續(xù)時(shí)間為4天，正負(fù)方向?yàn)?值左右；而在風(fēng)險(xiǎn)期的響應(yīng)更加明顯，幅度達(dá)到了0.6，持續(xù)的時(shí)間延長(zhǎng)到7天，效應(yīng)的正負(fù)方向由正轉(zhuǎn)負(fù)向后逐漸減弱，這也再次表明沖擊后的哈國(guó)股市對(duì)俄羅斯股市存在風(fēng)險(xiǎn)溢出。

（4）在平穩(wěn)期，中國(guó)股市對(duì)來自俄羅斯和哈國(guó)股市沖擊的響應(yīng)比較溫和，響應(yīng)幅度約為0.2，響應(yīng)的正負(fù)方向一般為正，并且沖擊持續(xù)的時(shí)間較短，約為4天，這表明該時(shí)期俄羅斯和哈國(guó)股市波動(dòng)對(duì)中國(guó)股市的沖擊不大。在風(fēng)險(xiǎn)期，中國(guó)股市對(duì)來自俄羅斯和哈國(guó)股市沖擊響應(yīng)的方向從正向開始，后呈正負(fù)交替的方式逐漸減弱，雖然響應(yīng)持續(xù)的時(shí)間有所延長(zhǎng)，但響應(yīng)的幅度增加不大，一個(gè)來自俄羅斯或哈國(guó)股市的沖擊也不足以對(duì)中國(guó)股市產(chǎn)生溢出效應(yīng)。

四、結(jié)論與展望

本文基于新冠肺炎次生災(zāi)害的視角，選取股票市場(chǎng)日收益率指標(biāo)作為系統(tǒng)性金融風(fēng)險(xiǎn)的代理變量，運(yùn)用格蘭杰因果檢驗(yàn)與脈沖響應(yīng)函數(shù)分析，考察了系統(tǒng)性金融風(fēng)險(xiǎn)在密切聯(lián)系的中、俄、哈三國(guó)組成的“經(jīng)濟(jì)三角區(qū)”中是否存在溢出效應(yīng)。結(jié)果表明，與在某一經(jīng)濟(jì)體內(nèi)各區(qū)域間的風(fēng)險(xiǎn)溢出效應(yīng)一樣，經(jīng)濟(jì)聯(lián)系緊密的國(guó)家之間也存在風(fēng)險(xiǎn)溢出效應(yīng)。格蘭杰因果檢驗(yàn)與脈沖響應(yīng)函數(shù)分析均表明，各國(guó)間金融風(fēng)險(xiǎn)溢出并不是在任何時(shí)候均存在雙向溢出效應(yīng)。在平穩(wěn)期，僅存在俄羅斯對(duì)哈國(guó)顯著的單向因果關(guān)系。而在風(fēng)險(xiǎn)期，沖擊影響下的中國(guó)股市波動(dòng)對(duì)俄羅斯與哈國(guó)均產(chǎn)生了風(fēng)險(xiǎn)溢出效應(yīng)，且具有經(jīng)濟(jì)小國(guó)特征的哈國(guó)對(duì)經(jīng)濟(jì)大國(guó)俄羅斯產(chǎn)生了風(fēng)險(xiǎn)溢出。但此時(shí)，金融風(fēng)險(xiǎn)在三國(guó)之間并沒有產(chǎn)生顯著的交叉?zhèn)魅拘?yīng)。

需提及的是，本文基于VAR模型，僅選擇了高頻的資本市場(chǎng)日收益率數(shù)據(jù)，運(yùn)用格蘭杰因果檢驗(yàn)與脈沖響應(yīng)函數(shù)分析了國(guó)家間的金融風(fēng)險(xiǎn)溢出效應(yīng)，得出了較為可靠、直觀的結(jié)論。但是，由于其他非高頻、但對(duì)金融風(fēng)險(xiǎn)溢出具有重要貢獻(xiàn)的因子沒有納入模型，或者因?yàn)閿?shù)據(jù)的不可得，未能將更多的“一帶一路”沿線國(guó)家納入分析框架，從而在某種程度上影響了本文分析的進(jìn)一步深入。沿線國(guó)家經(jīng)濟(jì)存在多大程度的聯(lián)系，能否形成一個(gè)經(jīng)濟(jì)區(qū)或近似于一個(gè)經(jīng)濟(jì)聯(lián)盟，這都有待進(jìn)一步明確。此外，怎樣精確地計(jì)量金融風(fēng)險(xiǎn)在各國(guó)間的溢出效應(yīng)等，這都是有待深入分析的問題。