張立光 滕召建

摘? ?要：本文運用社會網(wǎng)絡(luò)分析法對2011—2018年山東省區(qū)域性金融風(fēng)險的空間關(guān)聯(lián)機(jī)制進(jìn)行了深入探討。結(jié)果發(fā)現(xiàn)：各城市間區(qū)域性金融風(fēng)險存在明顯的空間關(guān)聯(lián)和溢出效應(yīng)，空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)復(fù)雜性、關(guān)聯(lián)性和穩(wěn)健性不斷增強(qiáng)，中心城市不斷增多，處于從屬或邊緣地位的城市減少;位于網(wǎng)絡(luò)中心城市的金融風(fēng)險以輸入效應(yīng)為主，并在風(fēng)險傳染中主要起到中介作用;而位于邊緣地位城市的金融風(fēng)險主要以溢出效應(yīng)為主。進(jìn)一步的探討表明，受風(fēng)險關(guān)聯(lián)、網(wǎng)絡(luò)結(jié)構(gòu)及經(jīng)濟(jì)增長、工業(yè)發(fā)展、城鄉(xiāng)差距和政府收支等因素影響，網(wǎng)絡(luò)中心城市的金融風(fēng)險下降，而網(wǎng)絡(luò)邊緣城市金融風(fēng)險升高，不同網(wǎng)絡(luò)位置區(qū)域金融風(fēng)險表現(xiàn)出明顯的異質(zhì)性。

關(guān)鍵詞：區(qū)域性風(fēng)險;空間關(guān)聯(lián);傳染機(jī)制;社會網(wǎng)絡(luò)分析

中圖分類號：F830? 文獻(xiàn)標(biāo)識碼：B? 文章編號：1674-2265（2021）11-0048-08

DOI：10.19647/j.cnki.37-1462/f.2021.11.007

一、引言

2008年全球金融危機(jī)讓人們認(rèn)識到了危機(jī)爆發(fā)的突然性和系統(tǒng)性金融風(fēng)險的巨大破壞力，反思金融危機(jī)的爆發(fā)，一個很重要的原因是，隨著科技發(fā)展、金融創(chuàng)新及金融脫媒，金融業(yè)務(wù)的全球化、網(wǎng)絡(luò)化和復(fù)雜化不斷加劇，全球市場“蝴蝶效應(yīng)”頻繁發(fā)作，風(fēng)險的傳染性和破壞力大大提升。由于傳統(tǒng)微觀審慎監(jiān)管低估了風(fēng)險的傳染破壞力，導(dǎo)致雷曼的破產(chǎn)風(fēng)險最終演變?yōu)槿蚪鹑谖C(jī)。在經(jīng)濟(jì)全球化和金融危機(jī)頻發(fā)的背景下，如何防范金融風(fēng)險已成為各國的重大課題。

區(qū)域金融風(fēng)險介于宏微觀金融風(fēng)險之間，由一定的微觀層面風(fēng)險聚集而成，但又可能通過網(wǎng)絡(luò)傳染形成宏觀層面的系統(tǒng)性風(fēng)險。在經(jīng)濟(jì)步入新常態(tài)背景下，區(qū)域間經(jīng)濟(jì)聯(lián)系越來越緊密，但近年來隨著經(jīng)濟(jì)增速降低、地方政府債務(wù)擴(kuò)張以及各種金融新興業(yè)態(tài)的發(fā)展，金融創(chuàng)新與風(fēng)險管理間的矛盾凸顯，金融風(fēng)險問題日益突出。而大企業(yè)集團(tuán)、地方法人金融機(jī)構(gòu)及新興金融業(yè)務(wù)風(fēng)險的不斷暴露，特別是新時期金融業(yè)務(wù)和經(jīng)濟(jì)關(guān)聯(lián)的跨區(qū)域、跨市場和跨機(jī)構(gòu)特征，導(dǎo)致風(fēng)險的關(guān)系特性、傳染機(jī)制及影響范圍均發(fā)生了顯著變化，更是給區(qū)域經(jīng)濟(jì)發(fā)展和金融穩(wěn)定帶來較大壓力。針對這一問題和趨勢，近幾年學(xué)術(shù)界針對我國區(qū)域金融風(fēng)險的變化特征進(jìn)行了研究探討。從已有文獻(xiàn)看，探討如何測度系統(tǒng)性金融風(fēng)險和網(wǎng)絡(luò)傳染機(jī)制的文獻(xiàn)較多，但對區(qū)域性金融風(fēng)險的空間關(guān)聯(lián)和傳染機(jī)理展開的研究較少。另外從目前研究方法上來看，無論是VAR模型，還是GARCH簇模型和Copula函數(shù)族，都與現(xiàn)實差距較大，而且忽略了當(dāng)前金融網(wǎng)絡(luò)化發(fā)展趨勢。

鑒于此，本文基于當(dāng)前金融系統(tǒng)網(wǎng)絡(luò)化發(fā)展趨勢，以近些年風(fēng)險暴露比較突出的山東省為樣本，運用網(wǎng)絡(luò)分析法對區(qū)域性金融風(fēng)險傳染機(jī)理進(jìn)行了深入探討。本文貢獻(xiàn)主要體現(xiàn)在回答了三個問題：一是區(qū)域性金融風(fēng)險的空間關(guān)系是如何形成和實現(xiàn)的;二是區(qū)域性金融風(fēng)險的傳染機(jī)制是什么;三是區(qū)域性金融風(fēng)險的空間關(guān)聯(lián)影響程度有多大。本文的研究成果有助于為金融監(jiān)管機(jī)構(gòu)和政府防范和化解區(qū)域性金融風(fēng)險提供參考。

二、文獻(xiàn)綜述

（一）金融風(fēng)險傳染定義

關(guān)于金融風(fēng)險傳染，世界銀行將其定義為：相對于平穩(wěn)市場，在危機(jī)時期金融市場間波動相關(guān)性的增加。多數(shù)學(xué)者對金融風(fēng)險傳染的定義與世界銀行的含義一致，認(rèn)為只有在剔除貿(mào)易聯(lián)系、資金流動和金融聯(lián)系等基本面關(guān)聯(lián)性導(dǎo)致的溢出效應(yīng)與相互依賴性后，不同國家金融市場間的過度關(guān)聯(lián)性才是真正的傳染性，即凈傳染。Karolyi（2003）[1]認(rèn)為還應(yīng)進(jìn)一步剔除理性投資者的協(xié)同運動，剩下的非理性協(xié)同運動才是傳染。國內(nèi)學(xué)者早期的研究主要集中在風(fēng)險傳染機(jī)制上（蔣先玲，2000;鄭慶寰和林莉，2006）[2，3]，對定義的研究相對較少，宮曉琳（2012）[4]將傳染定義為沖擊后宏觀經(jīng)濟(jì)、金融層面風(fēng)險聯(lián)動的增加。張磊（2013）[5]進(jìn)一步地將傳染定義為一個或一組市場、國家或機(jī)構(gòu)遭受極端負(fù)面沖擊后向其他市場、國家或機(jī)構(gòu)傳導(dǎo)的過程。

關(guān)于金融風(fēng)險傳染定義的爭議主要在通過貿(mào)易、金融流動和經(jīng)濟(jì)相似性等傳播的沖擊是否構(gòu)成傳染，在針對區(qū)域性金融風(fēng)險的研究中，本文認(rèn)為可將金融風(fēng)險傳染定義為由沖擊引發(fā)的區(qū)域金融風(fēng)險通過實質(zhì)性關(guān)聯(lián)或非實質(zhì)性關(guān)聯(lián)渠道，導(dǎo)致其他區(qū)域出現(xiàn)風(fēng)險的現(xiàn)象。

（二）金融風(fēng)險傳染渠道

從經(jīng)濟(jì)基本面來看，金融風(fēng)險傳染主要有貿(mào)易渠道和金融渠道。在開放經(jīng)濟(jì)條件下，Gorea和Radev（2014）[6]發(fā)現(xiàn)國際貿(mào)易關(guān)系緊密的國家之間更容易發(fā)生金融風(fēng)險傳染，但是大量實證研究發(fā)現(xiàn)，貿(mào)易聯(lián)系較弱的國家也會發(fā)生金融風(fēng)險傳染，由此學(xué)者們開始認(rèn)識到金融風(fēng)險還可以通過金融渠道傳播。Peek和Rosengreen（1997）[7]最早用實證分析找到了金融渠道傳染的證據(jù)。Kaminsky和Reinhart（2000）[8]認(rèn)為當(dāng)某國發(fā)生金融危機(jī)后，發(fā)達(dá)國家商業(yè)銀行會收縮與危機(jī)發(fā)生國經(jīng)濟(jì)結(jié)構(gòu)相似的國家貸款，并撤回高風(fēng)險項目，進(jìn)而導(dǎo)致該國發(fā)生金融危機(jī)。

由于越來越多的金融風(fēng)險傳染案例難以用經(jīng)濟(jì)基本面關(guān)聯(lián)來解釋，投資者行為在金融風(fēng)險傳染中的作用開始被廣泛關(guān)注。Goldstein（1998）[9]認(rèn)為投資者之間存在“喚醒效應(yīng)”，即某國發(fā)生金融危機(jī)后，投資者會認(rèn)為與該國宏觀經(jīng)濟(jì)類似的國家也會面臨同樣的危機(jī)。Bekaert等（2014）[10]證實了“喚醒效應(yīng)”在金融傳染中的作用。Calvo和Mendoza（2000）[11]則認(rèn)為是“羊群效應(yīng)”導(dǎo)致投資者受到負(fù)面沖擊或信息不完全時，因風(fēng)險厭惡程度加重而拋售跨國資產(chǎn)。肖斌卿（2014）[12]也發(fā)現(xiàn)當(dāng)投資者和公司信息不對稱時，外部沖擊會增大傳染性風(fēng)險。此外，還有學(xué)者用自我實現(xiàn)的預(yù)期傳染機(jī)制來解釋金融風(fēng)險的傳染現(xiàn)象。

雖然風(fēng)險傳染渠道較多，但大量實證研究表明金融風(fēng)險并不是只通過某單一渠道傳染，往往存在多個傳染渠道相互交叉現(xiàn)象，共同作用才形成金融風(fēng)險。金融風(fēng)險傳染渠道與起源國經(jīng)濟(jì)特點、被傳染國經(jīng)濟(jì)基本面、金融脆弱性等諸多因素有關(guān)，并且各傳染渠道的重要性隨著經(jīng)濟(jì)發(fā)展而不斷變化。

（三）金融風(fēng)險傳染測度

從以往文獻(xiàn)看，現(xiàn)有的金融風(fēng)險傳染測度方法主要有相關(guān)性分析法、網(wǎng)絡(luò)分析法和空間計量分析方法。其中，相關(guān)性分析方法較為常用，主要包括VAR模型、GARCH簇模型、Copula函數(shù)族。

相關(guān)性分析法主要是從波動率或者變化率角度判斷一些國家金融市場的資產(chǎn)價格是否存在聯(lián)動和溢出關(guān)系，進(jìn)而判斷金融風(fēng)險傳染的可能性。早期國外學(xué)者就采用GARCH模型來檢驗風(fēng)險傳染的存在性，但由于GARCH簇模型是基于殘差的相關(guān)性，容易遺漏共同沖擊引起的傳染，并且VAR模型和GARCH簇模型對收益率都做出很多嚴(yán)格的假設(shè)。相比之下，Copula函數(shù)不僅能放松這些假設(shè)，還能更好地捕捉金融市場間的非線性和非對稱關(guān)系（王永巧和劉詩文，2011）[13]。

網(wǎng)絡(luò)分析法將金融機(jī)構(gòu)視為網(wǎng)絡(luò)節(jié)點，將金融機(jī)構(gòu)之間的資產(chǎn)負(fù)債關(guān)系視為網(wǎng)絡(luò)鏈條，從而分析金融機(jī)構(gòu)間的互動和關(guān)聯(lián)。王營和曹廷求（2017）[14]運用社會網(wǎng)絡(luò)分析法刻畫區(qū)域性金融風(fēng)險傳染效應(yīng)，結(jié)果發(fā)現(xiàn)我國省際金融風(fēng)險高度關(guān)聯(lián)的網(wǎng)絡(luò)結(jié)構(gòu)形態(tài)。榮夢杰和李剛（2020）[15]、龐念偉（2021）[16]等也采用網(wǎng)絡(luò)分析法來研究金融市場間的風(fēng)險傳染。

空間計量分析法以空間經(jīng)濟(jì)理論和地理空間數(shù)據(jù)為基礎(chǔ)，通過分析空間依存關(guān)系和異質(zhì)性，研究地理關(guān)系在變量關(guān)聯(lián)性中的作用及空間溢出效應(yīng)，這為研究區(qū)域性金融風(fēng)險傳染提供了有效手段。馮林等（2016）[17]運用探索性空間數(shù)據(jù)分析方法研究山東省縣域金融風(fēng)險傳染現(xiàn)狀。沈麗等（2019）[18]利用空間偏微分方法探討了區(qū)域金融風(fēng)險的空間傳染路徑。

除上述方法外，還有協(xié)整分析和SIRS傳染病模型等諸多金融風(fēng)險傳染測度方法。金融風(fēng)險傳染過程復(fù)雜，目前方法大多缺乏對金融風(fēng)險傳染全面系統(tǒng)的探討。

三、研究方法與數(shù)據(jù)來源

社會網(wǎng)絡(luò)分析法有助于刻畫區(qū)域性金融風(fēng)險的空間化和網(wǎng)絡(luò)化特征，因此，本文選用該方法研究區(qū)域性金融風(fēng)險傳染機(jī)理。

（一）區(qū)域性金融風(fēng)險關(guān)聯(lián)關(guān)系測度

區(qū)域性金融風(fēng)險的空間關(guān)聯(lián)網(wǎng)絡(luò)包含了城市或地區(qū)之間風(fēng)險關(guān)聯(lián)的所有關(guān)系，各城市或各地區(qū)是該關(guān)聯(lián)網(wǎng)絡(luò)中的“節(jié)點”，各城市區(qū)域性金融風(fēng)險的空間關(guān)聯(lián)關(guān)系是關(guān)聯(lián)網(wǎng)絡(luò)中的“線”。這些“節(jié)點”和“線”的集合構(gòu)成了空間關(guān)聯(lián)網(wǎng)絡(luò)?？臻g關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建方法包括引力模型和VAR模型?？紤]到VAR模型對數(shù)據(jù)滯后階數(shù)的選擇較為敏感且會忽視研究對象之間空間距離對關(guān)系產(chǎn)生的影響，本文選擇引力模型，并根據(jù)需要做出相應(yīng)修正，模型公式如下：

公式（1）中，[rij]是關(guān)聯(lián)網(wǎng)絡(luò)矩陣中的元素，代表區(qū)域性金融風(fēng)險的相互關(guān)系。[aij]表示兩地在區(qū)域性金融風(fēng)險關(guān)聯(lián)中的貢獻(xiàn)度，即城市[i]對城市[i]與城市[j]之間金融風(fēng)險的貢獻(xiàn)度，[aij=npli（npli+nplj）];[npl]為不良貸款率;[pop]為人口總數(shù);[GDP]為實際地區(qū)生產(chǎn)總值。[Dij]表示兩城間的“距離”，同時考慮地理距離和經(jīng)濟(jì)距離，構(gòu)造公式[D2ij=dijgdpi-gdpj2]，其中[dij]表示城市[i]和城市[j]之間的地理距離，[gdp]表示人均[GDP]。根據(jù)公式（1），得到[Rij=rij17×17]表示空間網(wǎng)絡(luò)矩陣。由于相互作用存在一定門檻值，取矩陣每行均值作為該行臨界值，當(dāng)矩陣中該行元素[rij]大于均值時，表示城市[i]對[j]產(chǎn)生影響，則[rij=1]，否則[rij=0]，即城市[i]對[j]無影響。

（二）區(qū)域性金融風(fēng)險的網(wǎng)絡(luò)特征指標(biāo)

1. 整體網(wǎng)絡(luò)特征。本文通過計算網(wǎng)絡(luò)密度、網(wǎng)絡(luò)關(guān)聯(lián)度、網(wǎng)絡(luò)等級度的值來刻畫山東省區(qū)域性金融風(fēng)險的整體空間關(guān)聯(lián)網(wǎng)絡(luò)特征。

網(wǎng)絡(luò)密度（density）是反映關(guān)聯(lián)網(wǎng)絡(luò)疏密程度的指標(biāo)，測算時用網(wǎng)絡(luò)中的實際連線數(shù)與最大可能連線數(shù)之比表示，取值介于0～1之間，其值越大，表示節(jié)點之間的關(guān)聯(lián)關(guān)系越多，說明各城市區(qū)域金融風(fēng)險之間的聯(lián)系越緊密。計算公式為：

式（2）中，D為網(wǎng)絡(luò)密度，L為實際擁有的關(guān)系數(shù)，N為網(wǎng)絡(luò)規(guī)模，取值在0～1之間。

網(wǎng)絡(luò)關(guān)聯(lián)度（connectedness）反映區(qū)域金融風(fēng)險空間關(guān)聯(lián)網(wǎng)絡(luò)自身的穩(wěn)健性和脆弱性，網(wǎng)絡(luò)關(guān)聯(lián)度越大，網(wǎng)絡(luò)越穩(wěn)健。其計算公式為：

式（3）中，C為關(guān)聯(lián)度，V為網(wǎng)絡(luò)中不可達(dá)點的對數(shù)，N為網(wǎng)絡(luò)規(guī)模，取值在0～1之間。

網(wǎng)絡(luò)等級度（hierarchy）是反映網(wǎng)絡(luò)中各節(jié)點等級結(jié)構(gòu)的指標(biāo)，測度的是網(wǎng)絡(luò)中各節(jié)點在多大程度上非對稱地可達(dá)。該指標(biāo)越大（即高網(wǎng)絡(luò)等級），說明在區(qū)域性金融風(fēng)險空間關(guān)聯(lián)網(wǎng)絡(luò)中處于從屬或邊緣地位的城市越多。其計算公式為：

式（4）中，H為等級度，K為網(wǎng)絡(luò)中對稱可達(dá)的點的對數(shù)，max（K）為網(wǎng)絡(luò)中最大可能的可達(dá)點的對數(shù)，取值在0～1之間。

2. 個體網(wǎng)絡(luò)特征指標(biāo)。個體網(wǎng)絡(luò)結(jié)構(gòu)特征主要用網(wǎng)絡(luò)中心性指標(biāo)表示，常用的是節(jié)點中心度、接近中心度和中間中心度等。其中，節(jié)點中心度（degree centrality）反映的是個體在整體關(guān)聯(lián)網(wǎng)絡(luò)中的中心位置，高節(jié)點中心度表明該城市處于空間網(wǎng)絡(luò)中心地位，與網(wǎng)絡(luò)中與其他城市的聯(lián)系越多。計算公式為：

式（5）中，[n]代表與該城市直接相關(guān)聯(lián)的城市數(shù)目，[N]代表網(wǎng)絡(luò)規(guī)模。

接近中心度（closeness centrality）反映的是個體在整體網(wǎng)絡(luò)中不受其他個體控制的程度，用節(jié)點與節(jié)點之間的距離測算接近中心度。其計算公式為：

式（6）中，[dij]表示節(jié)點[i]與[j]之間的捷徑距離。

中間中心度（betweenness centrality）測度的是某一節(jié)點是否有能力控制其他節(jié)點的程度，其計算公式為：

式（7）中，[gjk]是指節(jié)點[j]和[k]之間的捷徑總數(shù)，[gjki]是指節(jié)點[j]和[k]之間經(jīng)過節(jié)點[i]的捷徑總數(shù)。

3. 塊模型分析。塊模型分析法基于“塊”在網(wǎng)絡(luò)中的角色展開，主要用來揭示和刻畫區(qū)域性金融風(fēng)險的空間網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)狀態(tài)，是社會網(wǎng)絡(luò)中空間聚類分析的常用方法。根據(jù)指標(biāo)間的關(guān)系或者角色位置，可以將網(wǎng)絡(luò)劃分為四類板塊：凈溢出板塊、經(jīng)紀(jì)人板塊、雙向溢出板塊、凈收益板塊。凈收益板塊和雙向溢出板塊共同特點是實際內(nèi)部關(guān)系比例大于期望內(nèi)部關(guān)系比例關(guān)系。經(jīng)紀(jì)人板塊和凈溢出板塊共同特點是實際內(nèi)部關(guān)系比例小于期望內(nèi)部關(guān)系比例。

（三）數(shù)據(jù)來源

本文以山東省為樣本，所用指標(biāo)主要為不良貸款率、地區(qū)生產(chǎn)總值及增速、人口數(shù)據(jù)、工業(yè)企業(yè)資產(chǎn)負(fù)債率和利潤率、城鄉(xiāng)居民收入及政府一般預(yù)算收支等，指標(biāo)數(shù)據(jù)來源于中國人民銀行和統(tǒng)計局等部門，數(shù)據(jù)頻度為季度。城市之間的距離以城市間經(jīng)緯度計算而得。2010年以來，受周期性因素、產(chǎn)業(yè)結(jié)構(gòu)及擔(dān)保圈等多因素影響，山東省金融風(fēng)險開始暴露并不斷上升，2018年全省貸款不良率達(dá)到峰值，2019年開始回落。因此，該時期山東省金融風(fēng)險空間關(guān)聯(lián)且傳染性較為突出，所以將研究區(qū)間定為2011—2018年。具體數(shù)據(jù)來源與指標(biāo)描述如表1所示。

四、區(qū)域性金融風(fēng)險的空間關(guān)聯(lián)網(wǎng)絡(luò)分析

（一）整體網(wǎng)絡(luò)特征分析

為了展示出山東省17個地市①區(qū)域性金融風(fēng)險的空間關(guān)聯(lián)動態(tài)演變情況，本文根據(jù)公式（1），利用2011—2018年相關(guān)指標(biāo)數(shù)據(jù)和UCINET6.212工具，分別繪制出2011年、2014年和2018年山東省區(qū)域性金融風(fēng)險的空間網(wǎng)絡(luò)結(jié)構(gòu)圖，具體如圖1—圖3所示。

可以看出，區(qū)域性金融風(fēng)險空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)呈現(xiàn)出復(fù)雜化和緊密化趨勢。2011年東營市和淄博市位于網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)的中心，濟(jì)南市處于副中心，2014年新增了青島市和臨沂市為副中心，2018年濟(jì)南市和青島市更趨近于網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)的中心。濟(jì)南市和青島市作為山東省經(jīng)濟(jì)的兩個“龍頭”，與其他城市之間均存在密切的經(jīng)濟(jì)與金融關(guān)聯(lián)，因此，在空間關(guān)聯(lián)網(wǎng)絡(luò)中處于中心位置;淄博市作為山東省重工業(yè)基地，與其他城市通過貿(mào)易渠道形成金融風(fēng)險的相互傳染;具有“物流之都”之稱的臨沂市，與其他城市通過物流關(guān)聯(lián)同樣易形成金融風(fēng)險的相互關(guān)聯(lián);東營市人均GDP居全省第一，石油業(yè)發(fā)展優(yōu)勢突出，可通過石油產(chǎn)業(yè)與其他城市形成緊密的金融關(guān)聯(lián)。

表2給出了關(guān)聯(lián)關(guān)系數(shù)、網(wǎng)絡(luò)密度等指標(biāo)以描述網(wǎng)絡(luò)的動態(tài)演變特征。網(wǎng)絡(luò)密度從2011年的0.232上升到2018年的0.254，說明區(qū)域性金融風(fēng)險空間網(wǎng)絡(luò)關(guān)聯(lián)越來越密切。網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系數(shù)由2011年的63上升到2017年的69，說明區(qū)域性金融風(fēng)險空間關(guān)聯(lián)網(wǎng)絡(luò)的穩(wěn)健性不斷增強(qiáng)。網(wǎng)絡(luò)關(guān)聯(lián)度始終為1，表明金融風(fēng)險在各城市之間是相互可達(dá)的。網(wǎng)絡(luò)等級度從2011年的0.587下降到2018年的0.420，說明空間關(guān)聯(lián)網(wǎng)絡(luò)中處于從屬或邊緣地位的城市減少。

因此，從整體網(wǎng)絡(luò)結(jié)構(gòu)特征看：樣本期間內(nèi)，山東省各城市間的區(qū)域性金融風(fēng)險存在高度的空間關(guān)聯(lián)特點，空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)呈現(xiàn)出復(fù)雜化趨勢。同時顯現(xiàn)出空間關(guān)聯(lián)網(wǎng)絡(luò)密度和網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系數(shù)不斷增大、網(wǎng)絡(luò)等級度不斷下降及空間關(guān)聯(lián)網(wǎng)絡(luò)中處于從屬或邊緣地位的城市不斷減少等趨勢。

（二）中心性分析

根據(jù)公式（5）—（7）分別計算出2011—2018年山東省區(qū)域性金融風(fēng)險空間關(guān)聯(lián)網(wǎng)絡(luò)的中心度，因篇幅原因，在此重點分析2018年的網(wǎng)絡(luò)中心性特征，如表3所示。

2018年山東省區(qū)域性金融風(fēng)險空間關(guān)聯(lián)網(wǎng)絡(luò)中共存在69條關(guān)系，其中39條雙向關(guān)系，30條單向關(guān)系，平均每個城市與其他4個城市存在空間關(guān)聯(lián)。在關(guān)系類型方面，發(fā)送關(guān)系數(shù)大于接收關(guān)系數(shù)即以溢出效應(yīng)為主的城市共10個，占58.82%;接收關(guān)系數(shù)大于發(fā)送關(guān)系數(shù)即以輸入效應(yīng)為主的城市共5個，占29.41%。

節(jié)點中心度的均值為36.03，東營、淄博、濟(jì)南、青島和臨沂5市的節(jié)點中心度高于均值，說明這些城市處于中心地位，其中東營市的節(jié)點中心度高達(dá)87.5。濱州、威海、泰安和日照4市的節(jié)點中心度相對較低，其中濱州市的節(jié)點中心度僅為12.5。節(jié)點中心度靠前城市的點入度均大于點出度，說明這些城市較易受到其他城市金融風(fēng)險溢出的影響。

接近中心度均值為60.118。東營、淄博、濟(jì)南、臨沂和青島5市的接近中心度高于均值，其中東營市和淄博市的接近中心度高達(dá)75以上，說明這些城市與其他城市的距離較短、聯(lián)系緊密，在網(wǎng)絡(luò)中扮演中心行動者角色。威海市、濱州市和泰安市等城市排名靠后，這些城市處于邊緣地帶，在關(guān)聯(lián)網(wǎng)絡(luò)中受制于其他城市。

17地市2018年中間中心度的均值為4.706，其中，東營、淄博、臨沂、青島和濟(jì)南5市的中間中心度高于平均值，表明這5個城市在區(qū)域金融風(fēng)險網(wǎng)絡(luò)中處于中心地位，能夠影響和控制其他城市。中間中心度總和為80.003，其中排名居前5的城市在關(guān)聯(lián)網(wǎng)絡(luò)中發(fā)揮了“橋梁”作用，這5個城市的中間中心度之和占總量的87.86%。相比之下，濱州、泰安、威海和日照等城市中間中心度較低，表明這些城市在區(qū)域金融風(fēng)險網(wǎng)絡(luò)中處于邊緣位置，風(fēng)險變動更多受排名靠前城市的影響。縱向來看，2011—2018年，山東省17城市區(qū)域性金融風(fēng)險的空間關(guān)聯(lián)性在不斷增強(qiáng)，因為中間中心度均值由4.265上升到4.706。

從個體網(wǎng)絡(luò)結(jié)構(gòu)特征整體上看，山東區(qū)域間的空間關(guān)聯(lián)網(wǎng)絡(luò)節(jié)點中心度、接近中心度和中間中心度均值均呈現(xiàn)上升趨勢，說明城市間的風(fēng)險關(guān)聯(lián)度在逐步增強(qiáng)。分地市來看，東營、淄博、濟(jì)南、青島和臨沂5市在網(wǎng)絡(luò)中處于中心地位，在空間網(wǎng)絡(luò)中扮演中心行動者角色，是區(qū)域金融風(fēng)險的主要來源;濱州、泰安、威海和日照等城市容易受制于中心地位城市的影響，在空間網(wǎng)絡(luò)中處于從屬邊緣位置。

（三）塊模型分析

為了進(jìn)一步揭示區(qū)域性金融風(fēng)險空間網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)狀態(tài)，本文按照最大分割深度2，收斂標(biāo)準(zhǔn)0.2，基于CONCOR方法把2018年的17個城市分為四個板塊，如表4所示?？梢钥闯?，板塊內(nèi)部的關(guān)系為8條，板塊之間的關(guān)系為61條，這說明板塊之間的金融風(fēng)險聯(lián)動性較強(qiáng)。各板塊特征如下：

第一板塊包括4個城市，依次是濱州、濰坊、日照和臨沂。內(nèi)部關(guān)系比例為8.33%，小于期望比例18.75%，共發(fā)送關(guān)系12條，接收到14條來自其他板塊的關(guān)系。說明該板塊既對其他板塊有溢出，也接受其他板塊的發(fā)出關(guān)系，在區(qū)域性金融風(fēng)險溢出效應(yīng)中起著“橋梁”作用，屬于“經(jīng)紀(jì)人板塊”。

第二板塊包括7個城市，依次是菏澤、德州、萊蕪、聊城、濟(jì)寧、泰安、棗莊。實際內(nèi)部比例為6.66%，小于期望比例37.50%，共發(fā)送關(guān)系30條，2條存在于板塊內(nèi)部，接收到8條來自其他版塊的關(guān)系，該板塊成員向其他板塊成員的溢出關(guān)系明顯多于接收關(guān)系，屬于“凈溢出板塊”。

第三板塊包括4個城市，依次是濟(jì)南、東營、淄博、青島。實際內(nèi)部比例15%，小于期望內(nèi)部比例18.75%，共發(fā)送關(guān)系20條，3條存在于板塊內(nèi)部，接收到39條其他版塊的關(guān)系，屬于“經(jīng)紀(jì)人板塊”。

第四板塊包括煙臺和威海兩個城市，實際內(nèi)部比例為28.57%，大于期望內(nèi)部比例6.25%，共發(fā)送關(guān)系7條，其中2條存在于板塊內(nèi)部，沒有接收到來自其他版塊的關(guān)系，屬于“雙向溢出板塊”。

為了確定1-塊還是0-塊，計算板塊的網(wǎng)絡(luò)密度矩陣，如果板塊密度大于0.2537（整體網(wǎng)絡(luò)密度），賦值為1，反之則賦值為0，由此得到像矩陣（見表5）。由像矩陣可以看出，第一板塊與第二板塊之間沒有風(fēng)險傳染，但第一板塊是第三板塊和第四板塊間的風(fēng)險傳染中介。第二板塊與第三板塊之間存在相互傳染風(fēng)險的影響，即第二板塊的風(fēng)險會傳染到第三板塊，同時也會受到第三板塊的影響，但與其他版塊之間不存在風(fēng)險傳染關(guān)系。第三板塊承擔(dān)了第一板塊和第二板塊間的風(fēng)險傳染中介，其與第四板塊并無風(fēng)險傳染關(guān)系。第四板塊不僅內(nèi)部成員之間的風(fēng)險會相互傳染，而且會傳染到第一板塊借以實現(xiàn)風(fēng)險的相互傳染。

五、進(jìn)一步探討

為了進(jìn)一步探討驗證區(qū)域性金融風(fēng)險的傳染機(jī)理和影響程度，本文以區(qū)域性金融風(fēng)險為被解釋變量，構(gòu)建計量模型做進(jìn)一步檢驗。

區(qū)域性金融風(fēng)險的模型如下：

其中[lognpl]是區(qū)域性金融風(fēng)險的對數(shù);degree、closeness和betweenness分別是節(jié)點中心度、接近中心度和中間中心度，作為解釋變量;GDP增速（rgdp）、工業(yè)企業(yè)資產(chǎn)負(fù)債率（alr）、工業(yè)企業(yè)利潤率（opm）、城鄉(xiāng)居民收入差距（income）和政府行為（gov）為控制變量，樣本區(qū)間為2010—2018年。

由表6各指標(biāo)的極小值、極大值、均值和標(biāo)準(zhǔn)差可以看出，各變量分布比較穩(wěn)定，呈現(xiàn)或近似呈現(xiàn)正態(tài)分布。

由表7的回歸結(jié)果可以看出，三個模型的F統(tǒng)計量均在1%的顯著水平上顯著，解釋變量節(jié)點中心度的系數(shù)為-0.005，在10%的水平上顯著;接近中心度的系數(shù)為-0.010，在10%的水平上顯著;中間中心度的系數(shù)為-0.020，在5%的水平上顯著。

模型一結(jié)果說明，越處于網(wǎng)絡(luò)中心的城市金融風(fēng)險越低。一方面，因為處于網(wǎng)絡(luò)中心的城市與其他城市具有更緊密的經(jīng)濟(jì)往來和風(fēng)險關(guān)聯(lián)，可將自身風(fēng)險分散給與其存在直接或間接關(guān)聯(lián)的城市。另一方面，居于網(wǎng)絡(luò)中心的城市大多是商業(yè)銀行一級分行所在地，資源集中和動員能力均較強(qiáng)，風(fēng)險管理中處于更有利的位置，且風(fēng)險處置手段較多。比如節(jié)點中心度較高的濟(jì)南市和青島市均屬于這種情況，風(fēng)險相對較低。同時，網(wǎng)絡(luò)中心城市也容易將金融風(fēng)險傳染給這些城市，進(jìn)而降低自身金融風(fēng)險，增加與其關(guān)聯(lián)城市的金融風(fēng)險較高。

模型二結(jié)果意味著接近中心度越高的城市，其金融風(fēng)險越低，這是因為與其他城市之間距離越短的城市，與其關(guān)聯(lián)城市的金融互動性越強(qiáng)，越容易將金融風(fēng)險傳染給其他城市。這一結(jié)果基本與模型一的檢驗結(jié)果相吻合。

模型三結(jié)果說明，在區(qū)域金融風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò)中越處于中間位置的城市，其金融風(fēng)險越低。同時，結(jié)合前文塊模型分析還可以進(jìn)一步證實，處于網(wǎng)絡(luò)中心的城市在區(qū)域金融風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò)中會起到中介作用，通過中介效應(yīng)將關(guān)聯(lián)網(wǎng)絡(luò)中其他城市溢出的風(fēng)險傳遞給其他城市。

三個模型的控制變量回歸結(jié)果很好地反映了經(jīng)濟(jì)現(xiàn)實。一是GDP增速在三個模型中的回歸系數(shù)均為負(fù)，表明GDP增長越快，區(qū)域金融風(fēng)險越低，這與實踐相吻合。二是資產(chǎn)負(fù)債率在模型一和模型二中的回歸系數(shù)為正，表明資產(chǎn)負(fù)債率越高，區(qū)域金融風(fēng)險越高，這也證實了企業(yè)較高的資產(chǎn)負(fù)債率隱藏著一定的金融風(fēng)險。三是工業(yè)企業(yè)營業(yè)利潤率在三個模型中的回歸系數(shù)均為負(fù)，表明工業(yè)企業(yè)營業(yè)利潤率越高，區(qū)域金融風(fēng)險越低。四是城鄉(xiāng)居民收入差距在模型三中的回歸系數(shù)為正，并且顯著高于模型一和模型二回歸系數(shù)的絕對值，說明城鄉(xiāng)居民收入差距過大會增加社會不穩(wěn)定性，進(jìn)而引發(fā)區(qū)域金融風(fēng)險的上升。五是政府行為在三個模型中的回歸系數(shù)均為正，說明政府行為與區(qū)域金融風(fēng)險正相關(guān)，這是因為一般公共預(yù)算支出增加會導(dǎo)致潛在的財政金融風(fēng)險。

六、結(jié)論

本文基于社會網(wǎng)絡(luò)分析法，以山東省17個地市為例，利用2011—2018年季度數(shù)據(jù)，探討了區(qū)域性金融風(fēng)險的空間關(guān)聯(lián)性及傳染機(jī)制，結(jié)論如下：

一是從整體網(wǎng)絡(luò)結(jié)構(gòu)特征看，近些年我國區(qū)域性金融風(fēng)險存在高度的空間關(guān)聯(lián)和溢出效應(yīng)，并且呈現(xiàn)出空間網(wǎng)絡(luò)關(guān)聯(lián)結(jié)構(gòu)復(fù)雜性、關(guān)聯(lián)性和穩(wěn)健性不斷增強(qiáng)及中心城市增多、邊緣地位城市減少的趨勢。

二是從個體網(wǎng)絡(luò)結(jié)構(gòu)特征來看，近年來網(wǎng)絡(luò)節(jié)點中心度、接近中心度和中間中心度平均值明顯上升，說明我國區(qū)域金融風(fēng)險的空間關(guān)聯(lián)在加強(qiáng)。中心城市作為空間網(wǎng)絡(luò)中的中心行動者，與其他中心城市及邊緣城市的聯(lián)系日趨緊密，在區(qū)域金融風(fēng)險網(wǎng)絡(luò)中具有顯著影響與控制力。

三是從風(fēng)險傳染機(jī)制看，網(wǎng)絡(luò)中心城市在風(fēng)險傳染中主要起中介作用，金融風(fēng)險以輸入效應(yīng)為主并傳遞給其他城市;而邊緣城市的金融風(fēng)險主要以溢出效應(yīng)為主，其風(fēng)險比較容易傳染給與其關(guān)聯(lián)的城市。

四是進(jìn)一步計量分析發(fā)現(xiàn)，受風(fēng)險關(guān)聯(lián)、網(wǎng)絡(luò)結(jié)構(gòu)及經(jīng)濟(jì)增長、工業(yè)發(fā)展、城鄉(xiāng)差距和政府收支等多種因素的影響，區(qū)域性金融風(fēng)險空間關(guān)聯(lián)網(wǎng)絡(luò)中，越處于網(wǎng)絡(luò)中心的城市，其金融風(fēng)險越低，而位于網(wǎng)絡(luò)邊緣的城市金融風(fēng)險越高，體現(xiàn)出網(wǎng)絡(luò)結(jié)構(gòu)中風(fēng)險的異質(zhì)性及金融資源集聚的正面效應(yīng)。

注：

①2019年，萊蕪市并入濟(jì)南市，本文使用數(shù)據(jù)截至2018年，因此仍以17個地市進(jìn)行研究。

參考文獻(xiàn)：

[1]Karolyi A G. 2003. Does International Finance Contagion Really Exist？ [J].International Finance，6（2）.

[2]蔣先玲.論金融風(fēng)險的國際傳遞及我國的對策 [J].上海金融高等?？茖W(xué)校學(xué)報，2000，（1）.

[3]鄭慶寰，林莉.跨市場金融風(fēng)險的傳遞與監(jiān)管 [J].南方金融，2006，（8）.

[4]宮曉琳.宏觀金融風(fēng)險聯(lián)動綜合傳染機(jī)制 [J].金融研究，2012， （5）.

[5]張磊.基本面關(guān)聯(lián)還是市場恐慌？—金融危機(jī)跨國傳染渠道的文獻(xiàn)綜述及其警示 [J]. 經(jīng)濟(jì)社會體制比較，2013，（3）.

[6]Gorea D，Radev D. 2014. The Euro Area Sovereign Debt Crisis：Can Contagion Spread from the Periphery to the Core？ [J].International Review of Economics and Finance，30（3）.

[7]Peek J，Rosengreen E S. 1997. The International Transmission of Financial Shocks：The Case of Japan [J].American Economic Review，87（4）.

[8]Kaminsky G L，Reinhart C M. 2000. On Crises，Contagion，and Confusion [J].Journal of International Economics，51（1）.

[9]Goldstein M. 1998. The Asian Financial Crisis：Causes，Cures，and Systemic Implications [R].Policy Analyses in International Economics，Washington：Institute for International Economics Working Paper.

[10]Bekaert G，Ehrmann M，F(xiàn)ratzscher M，Mehl A. 2014. The Global Crises and Equity Market Contagion [J]. The Journal of Finance，69（6）.

[11]Calvo G A，Mendoza E G. 2000. Rational Contagion and the Globalization of Securities Markets [J].Journal of International Economics，51（1）.

[12]肖斌卿，王粟旸，周小超，顏建曄.債務(wù)網(wǎng)絡(luò)投資者行為與傳染性風(fēng)險：來自中國銀行業(yè)與房地產(chǎn)業(yè)的研究發(fā)現(xiàn) [J].管理科學(xué)學(xué)報，2014，17（11）.

[13]王永巧，劉詩文.基于時變Copula的金融開放與風(fēng)險傳染 [J].系統(tǒng)工程理論與實踐，2011，31（4）.

[14]王營，曹廷求.中國區(qū)域性金融風(fēng)險的空間關(guān)聯(lián)及其傳染效應(yīng)——基于社會網(wǎng)絡(luò)分析法 [J].金融經(jīng)濟(jì)學(xué)研究，2017，（3）.

[15]榮夢杰，李剛.區(qū)域金融風(fēng)險的空間關(guān)聯(lián)、傳染效應(yīng)與風(fēng)險來源 [J].統(tǒng)計與決策，2020，36 （24）.

[16]龐念偉.我國系統(tǒng)性金融風(fēng)險傳染的空間結(jié)構(gòu)及時變特征 [J].金融發(fā)展研究，2021，（4）.

[17]馮林，董紅霞，郝建嬌.基于ESDA的區(qū)域金融風(fēng)險傳染評價研究——山東縣域數(shù)據(jù)的實證 [J].經(jīng)濟(jì)與管理評論，2016，（1）.

[18]沈麗，張影，李文君.我國區(qū)域金融風(fēng)險的空間傳染路徑研究 [J].當(dāng)代經(jīng)濟(jì)科學(xué)，2019，41（5）.