朱建明 汪劍鵬

（上海對(duì)外經(jīng)貿(mào)大學(xué)，上海 201620）

一、引 言

近年來，中美貿(mào)易摩擦是全球各界高度關(guān)注的重要話題。美國(guó)貿(mào)易代表(United States Trade Representative)于2018年3月22日所發(fā)布的《中國(guó)貿(mào)易實(shí)踐的301條款調(diào)查》（以下簡(jiǎn)稱《調(diào)查》）可視為中美貿(mào)易摩擦的重要標(biāo)志。之后，美國(guó)加強(qiáng)對(duì)中國(guó)商品進(jìn)口關(guān)稅的征收，貿(mào)易摩擦日漸升級(jí)。這一系列事件給中美的經(jīng)濟(jì)發(fā)展和社會(huì)狀況帶來了許多不利條件。盡管2019年以來中美貿(mào)易摩擦出現(xiàn)一段短暫的平靜期，但仍具有較大的不確定性及長(zhǎng)期性特征。中美對(duì)世界都有著很大的影響力，且兩者的經(jīng)濟(jì)體量也在全球占據(jù)了很大的比重。因此，在中美貿(mào)易摩擦背景下，研究金融風(fēng)險(xiǎn)的傳染具有必要性和現(xiàn)實(shí)意義。金融市場(chǎng)是經(jīng)濟(jì)風(fēng)險(xiǎn)傳染的重要渠道，而股票、債券是金融領(lǐng)域非常重要的組成模塊。因此，只有對(duì)股票、債券市場(chǎng)中的風(fēng)險(xiǎn)傳染進(jìn)行深入的研究，才能更好掌握金融市場(chǎng)風(fēng)險(xiǎn)傳染的路徑和機(jī)制，從而加深對(duì)風(fēng)險(xiǎn)傳染的理解和認(rèn)識(shí)。世界經(jīng)濟(jì)環(huán)境不平穩(wěn)，全球經(jīng)濟(jì)政策不確定性 (EPU) 持續(xù)上升，從而使得外溢性愈漸加強(qiáng)。將EPU與金融風(fēng)險(xiǎn)傳染聯(lián)系起來進(jìn)行研究，無論從學(xué)術(shù)角度還是實(shí)際角度，都具有非常重要的價(jià)值。它對(duì)我們理解風(fēng)險(xiǎn)傳染的本質(zhì)、掌握風(fēng)險(xiǎn)傳染的渠道和路徑、提前建立風(fēng)險(xiǎn)防御機(jī)制等都有著重要意義。

將復(fù)雜網(wǎng)絡(luò)方法應(yīng)用于金融領(lǐng)域研究是當(dāng)下較為新穎的研究視角和手段?，F(xiàn)有文獻(xiàn)中已有部分學(xué)者將復(fù)雜網(wǎng)絡(luò)結(jié)合到金融市場(chǎng)的研究中，其中不乏利用線性格蘭杰因果檢驗(yàn)和非線性格蘭杰因果檢驗(yàn)分析不同市場(chǎng)之間的關(guān)系。Billio et al.(2012) 根據(jù)美國(guó)銀行、保險(xiǎn)公司等金融機(jī)構(gòu)每月收益的情況，利用線性格蘭杰因果檢驗(yàn)建立復(fù)雜網(wǎng)絡(luò)，對(duì)市場(chǎng)風(fēng)險(xiǎn)情況進(jìn)行分析。Brunetti et al.(2019)對(duì)美國(guó)次貸危機(jī)前后期間，根據(jù)銀行的收益情況建立網(wǎng)絡(luò)，分析得出當(dāng)時(shí)歐美銀行間的沖擊傳導(dǎo)程度加深，且它們之間的相關(guān)性、聯(lián)動(dòng)性明顯上升。但是系統(tǒng)性風(fēng)險(xiǎn)存在顯著的非線性特點(diǎn)（Giglio et al.，2012），若不考慮真實(shí)含有的非線性特點(diǎn)，也許會(huì)使得出的結(jié)論有誤。楊子暉（2020）選取了19個(gè)國(guó)家（地區(qū)）股票、外匯、EPU三個(gè)指標(biāo)，構(gòu)建了非線性的復(fù)雜網(wǎng)絡(luò)，結(jié)果表明股票市場(chǎng)是風(fēng)險(xiǎn)傳染的源頭，外匯市場(chǎng)是風(fēng)險(xiǎn)傳染最大的接受者。而在危機(jī)期間，EPU對(duì)其他市場(chǎng)的風(fēng)險(xiǎn)沖擊力最大。

在當(dāng)今環(huán)境下，中美貿(mào)易摩擦催化了EPU，引起金融市場(chǎng)的大幅波動(dòng)以及風(fēng)險(xiǎn)在不同市場(chǎng)間的傳播。因此，需要將EPU與系統(tǒng)性金融風(fēng)險(xiǎn)聯(lián)合考察，分析整體的風(fēng)險(xiǎn)傳染情況。已有部分研究涉及到經(jīng)濟(jì)政策不確定性與市場(chǎng)風(fēng)險(xiǎn)之間的關(guān)系。Pastor &Veronesi (2012)通過其設(shè)定的模型，表明政策波動(dòng)沖擊股價(jià)的機(jī)制是通過“現(xiàn)金流效應(yīng)”和“貼現(xiàn)率效應(yīng)”實(shí)現(xiàn)的。Hoque & Z aidi (2019)根據(jù)馬爾科夫區(qū)間轉(zhuǎn)移模型，深入分析了經(jīng)濟(jì)政策不確定性對(duì)股票的影響，認(rèn)為在高波動(dòng)區(qū)間里，EPU對(duì)股市引起了明顯沖擊。

對(duì)于股票市場(chǎng)和債券市場(chǎng)之間的關(guān)系，已有不少學(xué)者使用統(tǒng)計(jì)方法等主要手段進(jìn)行了廣泛研究。Keim & Sta mbaugh (1986) 探索了股債之間的聯(lián)系。Ba rsky(1989) 在研究股債的相關(guān)關(guān)系后，認(rèn)為投資者對(duì)股市的信心會(huì)影響其投資分布，投資者會(huì)更多偏向于風(fēng)險(xiǎn)低的安全資產(chǎn)。Shiller & Beltr atti (1992)和Campbell &Ammer (1993) 研究認(rèn)為，股債間的關(guān)系為正相關(guān)關(guān)系。Connolly et al.(2005)得出結(jié)論認(rèn)為，之所以股債間的關(guān)聯(lián)度有變化，其主要原因是股票市場(chǎng)本身的不穩(wěn)定性。Baur (2010) 借助基于向量自回歸模型的格蘭杰因果檢驗(yàn)方法，以美國(guó)、英國(guó)、德國(guó)等8個(gè)國(guó)家為樣本，研究發(fā)現(xiàn)股到債和債到股的格蘭杰因果關(guān)系皆通過了檢驗(yàn)。Papavassiliou (201 4) 基于D CC-GARCH模型，結(jié)論認(rèn)為當(dāng)債券市場(chǎng)處于不穩(wěn)定狀態(tài)時(shí)，原本具有的使股市風(fēng)險(xiǎn)下降的效果就會(huì)減弱。股債間的風(fēng)險(xiǎn)傳染已成為學(xué)術(shù)界重點(diǎn)關(guān)注的一個(gè)領(lǐng)域，且迄今為止已有較為豐富的研究成果。隨著中國(guó)股票、債券市場(chǎng)日趨成熟，有學(xué)者將研究視角相繼轉(zhuǎn)到國(guó)內(nèi)。袁超等（2008）研究發(fā)現(xiàn)，影響中國(guó)股債市場(chǎng)的主要因素是經(jīng)濟(jì)運(yùn)行情況以及宏觀政策。王璐與龐皓（2009）研究了我國(guó)股債的波動(dòng)溢出效應(yīng)，認(rèn)為股債波動(dòng)溢出程度并不明顯，同時(shí)影響程度并不對(duì)等。袁晨與傅強(qiáng)（2010）對(duì)我國(guó)股票、債券、黃金三者之間的相互影響進(jìn)行了研究，結(jié)果發(fā)現(xiàn)次貸危機(jī)發(fā)生前，股票和債券間的沖擊較為明顯，但在危機(jī)期間和危機(jī)過后，投資者呈現(xiàn)出提高投資安全性的偏好，由此出現(xiàn)安全投資轉(zhuǎn)移現(xiàn)象。肖利平（2011）根據(jù)SJC-Copula模型，對(duì)我國(guó)債券、股票的波動(dòng)溢出效應(yīng)進(jìn)行了實(shí)證分析，發(fā)現(xiàn)不僅存在波動(dòng)溢出效應(yīng)，而且該效應(yīng)在外部金融環(huán)境發(fā)生危機(jī)時(shí)會(huì)增強(qiáng)。史永東等（2013）運(yùn)用Copula理論對(duì)中國(guó)股票、債券市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行了研究，發(fā)現(xiàn)股債市場(chǎng)間聯(lián)動(dòng)效應(yīng)總體不顯著。此外，股債市場(chǎng)之間的傳染效應(yīng)會(huì)受到多種因素的影響。Li & Zo u (2 008) 認(rèn)為，影響股債市場(chǎng)相關(guān)關(guān)系變化的主要因素是宏觀經(jīng)濟(jì)政策。Yang et al.(2009) 則認(rèn)為核心因素是短期利率以及通貨膨脹率。Jammazi et al.(2015) 則歸因于安全投資轉(zhuǎn)移。許祥云、廖佳與吳松洋（2014）則從市場(chǎng)情緒角度分析了其對(duì)股票、債券市場(chǎng)的影響。

綜上所述，股票市場(chǎng)、債券市場(chǎng)和EPU之間存在一定的相互影響關(guān)系。當(dāng)今經(jīng)濟(jì)全球化程度日趨加深，不同經(jīng)濟(jì)體相互間關(guān)系日益密切，而影響經(jīng)濟(jì)發(fā)展的因素卻在時(shí)刻變化。各種經(jīng)濟(jì)政策的變化通過當(dāng)今發(fā)達(dá)的技術(shù)及各種通信工具和媒體，影響經(jīng)濟(jì)中有關(guān)消費(fèi)、投資、儲(chǔ)蓄和借貸等行為，從而對(duì)金融市場(chǎng)產(chǎn)生影響。而股票和債券市場(chǎng)之間同樣存在著聯(lián)動(dòng)性。一方面，股票和債券市場(chǎng)的不同性質(zhì)，決定了這兩個(gè)市場(chǎng)在投資收益和風(fēng)險(xiǎn)方面有著較大差別，使得股票市場(chǎng)和債券市場(chǎng)價(jià)格會(huì)在投資者資金配置的變化中，產(chǎn)生一定的聯(lián)動(dòng)性；另一方面，金融市場(chǎng)間的風(fēng)險(xiǎn)傳染也會(huì)影響股債市場(chǎng)之間的聯(lián)動(dòng)性，如其中一個(gè)市場(chǎng)因某些原因產(chǎn)生信用風(fēng)險(xiǎn)，該信用風(fēng)險(xiǎn)可能會(huì)通過投資者情緒傳染到另一個(gè)市場(chǎng)。

本文主要利用復(fù)雜網(wǎng)絡(luò)的方法研究股票市場(chǎng)、債券市場(chǎng)、EPU之間在中美貿(mào)易摩擦的背景下的風(fēng)險(xiǎn)傳染關(guān)系。本文選取G20中的13個(gè)國(guó)家（澳大利亞、巴西、加拿大、中國(guó)、法國(guó)、德國(guó)、印度、意大利、日本、韓國(guó)、俄羅斯、英國(guó)、美國(guó)）以及中國(guó)香港地區(qū)為研究對(duì)象，采用其股票市場(chǎng)指數(shù)、債券市場(chǎng)指數(shù)和經(jīng)濟(jì)政策不確定性指數(shù)為樣本，研究上述三者之間的風(fēng)險(xiǎn)傳染關(guān)系，樣本時(shí)間跨度為2014年6月至2021年1月，并以前述2018 年3 月22 日《調(diào)查》的發(fā)布作為中美貿(mào)易摩擦開始的標(biāo)志，將該樣本時(shí)間跨度分成兩部分：2014年6月至2018年2月作為中美貿(mào)易摩擦前期，2018年3月至2021年1月作為中美貿(mào)易摩擦期間。據(jù)此，根據(jù)全樣本時(shí)期、中美貿(mào)易摩擦前期、中美貿(mào)易摩擦期間三個(gè)時(shí)間段，分別構(gòu)建三個(gè)復(fù)雜網(wǎng)絡(luò)研究不同期間的風(fēng)險(xiǎn)傳染情況，對(duì)比分析中美貿(mào)易摩擦對(duì)金融市場(chǎng)風(fēng)險(xiǎn)傳染的影響。網(wǎng)絡(luò)為有向賦權(quán)網(wǎng)絡(luò)。選取14個(gè)國(guó)家（地區(qū)）的股票市場(chǎng)指數(shù)、債券市場(chǎng)指數(shù)、EPU指數(shù)作為樣本，每個(gè)國(guó)家（地區(qū)）的每個(gè)指數(shù)都對(duì)應(yīng)網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn)，故整個(gè)網(wǎng)絡(luò)有42個(gè)節(jié)點(diǎn)。利用非線性格蘭杰因果檢驗(yàn)對(duì)每?jī)蓚€(gè)節(jié)點(diǎn)相互之間進(jìn)行因果檢驗(yàn)，若通過檢驗(yàn)，則證明存在非線性因果關(guān)系，構(gòu)建有向邊。之后利用灰色系統(tǒng)理論進(jìn)行因素分析，計(jì)算出灰色關(guān)聯(lián)度作為有向邊的權(quán)值。對(duì)于每個(gè)有向賦權(quán)網(wǎng)絡(luò)，計(jì)算網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)的感染度和傳染度：第一，分別計(jì)算股票市場(chǎng)、債券市場(chǎng)、EPU在三個(gè)時(shí)期的感染度和傳染度，分析它們對(duì)金融市場(chǎng)風(fēng)險(xiǎn)傳染的影響程度；第二，計(jì)算股票市場(chǎng)、債券市場(chǎng)、EPU之間的感染度、傳染度，并進(jìn)行關(guān)聯(lián)分析，研究它們之間的風(fēng)險(xiǎn)傳染、感染情況；第三，分別計(jì)算每個(gè)國(guó)家（地區(qū)）EPU的傳染度，并進(jìn)行對(duì)比。

相比于以往有關(guān)文獻(xiàn)，本文在研究對(duì)象、思考維度、模型構(gòu)造等方面有一定程度的創(chuàng)新，主要的邊際貢獻(xiàn)有兩個(gè)方面：（1）本文在利用復(fù)雜網(wǎng)絡(luò)工具研究金融市場(chǎng)風(fēng)險(xiǎn)傳染關(guān)系時(shí)，引入灰色關(guān)聯(lián)度，通過計(jì)算灰色關(guān)聯(lián)度的值，作為網(wǎng)絡(luò)有向邊的權(quán)重，從而量化市場(chǎng)指標(biāo)之間的影響程度，彌補(bǔ)了現(xiàn)有文獻(xiàn)中僅著眼于它們之間是否存在線性或非線性影響的局限性；（2）對(duì)于作為風(fēng)險(xiǎn)資產(chǎn)的股票和作為安全資產(chǎn)的債券，本文使用復(fù)雜網(wǎng)絡(luò)理論對(duì)股票市場(chǎng)和債券市場(chǎng)的關(guān)系進(jìn)行研究，彌補(bǔ)了現(xiàn)有文獻(xiàn)大多采用統(tǒng)計(jì)方法研究?jī)烧哧P(guān)系的不足。

二、變量選擇與研究方法

（一）變量選取

如前所述，本文共選取14個(gè)國(guó)家和地區(qū)（包括G20中的13個(gè)國(guó)家以及中國(guó)香港地區(qū)）的股票市場(chǎng)指數(shù)、債券市場(chǎng)指數(shù)、經(jīng)濟(jì)政策不確定性指數(shù)作為研究對(duì)象，時(shí)間跨度為2014年6月至2021年1月，其中2014年6月至2018年2月作為中美貿(mào)易摩擦前期，2018 年3月至2021年1月作為中美貿(mào)易摩擦期間。

1.以各國(guó)（地區(qū)）的股票市場(chǎng)指數(shù)月度收盤價(jià)代表股票市場(chǎng)（來源：Wind）。

2.以兩年期國(guó)債月度收盤價(jià)代表債券市場(chǎng)（來源：英為財(cái)情）。

3.以Baker et al.(2016)構(gòu)建的E PU數(shù)據(jù)庫(kù)代表經(jīng)濟(jì)政策不確定性指數(shù)，該指數(shù)的三個(gè)組成部分分別是：PU相關(guān)的文章數(shù)量衡量EPU；②稅法法條失效指數(shù)，統(tǒng)計(jì)每年失效的稅法法條數(shù)目來衡量稅法變動(dòng)的不確定性；③經(jīng)濟(jì)預(yù)測(cè)差值指數(shù)，包括CPI預(yù)測(cè)差值和聯(lián)邦/地方州政府支出預(yù)測(cè)差值，其原理是統(tǒng)計(jì)不同預(yù)測(cè)機(jī)構(gòu)對(duì)重要經(jīng)濟(jì)指標(biāo)的預(yù)測(cè)差異，來衡量EPU。EPU總指數(shù)是計(jì)算好各子模塊指數(shù)后進(jìn)行加權(quán)求和，即1/2的新聞指數(shù)、1/6的稅法法條失效指數(shù)、1/6的CPI預(yù)測(cè)差值和1/6的聯(lián)邦/地方州政府支出預(yù)測(cè)差值。

按照該領(lǐng)域的一貫研究方法，將各變量作對(duì)數(shù)差分，分別構(gòu)建國(guó)債收益率、股票收益率和經(jīng)濟(jì)政策不確定性的變化率。具體為：對(duì)股指收盤價(jià)和EPU首先取對(duì)數(shù)，再作一階差分，得到股指收盤價(jià)和EPU的變化率；對(duì)兩年期國(guó)債月末收盤價(jià)計(jì)算其變化率，得到國(guó)債收益變化率；最后，對(duì)每組時(shí)間序列進(jìn)行標(biāo)準(zhǔn)化。

（二）非線性格蘭杰因果檢驗(yàn)

格蘭杰因果檢驗(yàn)的一般定義由Granger (1969) 提出。{Xt}、{Yt}是兩個(gè)標(biāo)準(zhǔn)化的、平穩(wěn)的、可遍歷的時(shí)間序列。設(shè)F(Xt|It-1)是給定二元信息集It-1條件下Xt的概率分布，該信息集由Xt的Lx階滯后向量即，以及Yt的Ly階滯后向量即組成。給定滯后階數(shù)Lx和Ly，若滿足以下式子，則時(shí)間序列{Yt}不是{Xt}嚴(yán)格的格蘭杰原因：

如果式(1)中的等式不成立，則過去Y值的知識(shí)有助于預(yù)測(cè)當(dāng)前和未來的X值，并且Y被稱為X嚴(yán)格的格蘭杰原因。

然而，在線性因果檢驗(yàn)中存在一個(gè)問題，即當(dāng)它面對(duì)一些存在非線性關(guān)系的問題時(shí)，其檢驗(yàn)?zāi)芰?huì)下降。Brock (1991) 提出了一個(gè)簡(jiǎn)單的雙變量非線性模型，來說明線性因果關(guān)系檢驗(yàn)（例如格蘭杰因果檢驗(yàn)）無法表示非線性的情況。其使用的模型如下：

這里{Yt}和{εt}是相互獨(dú)立的且分別服從于N(0,1)的時(shí)間序列，β表示參數(shù)，L和M表示滯后長(zhǎng)度。Xt取決于Yt的某個(gè)過去值，但線性檢驗(yàn)會(huì)錯(cuò)誤地表明不存在滯后動(dòng)態(tài)關(guān)系，因?yàn)樗凶韵嚓P(guān)系數(shù)和交叉相關(guān)系數(shù)都為零。

Baek & Brock (1992) 提出了一種非參數(shù)統(tǒng)計(jì)方法，可以巧妙地表達(dá)非線性因果關(guān)系。如兩個(gè)平穩(wěn)、弱相關(guān)的時(shí)間序列{Xt}和{Yt}，t=1,2,…，用表示Xt之后的m個(gè)數(shù)（包含Xt）。用分別表示Xt、Yt之前的Lx、Ly個(gè)數(shù)（不包含Xt、Yt）。它們分別表示如下：

給定m，Lx≥1，Ly≥1，e＞0，以下條件表示Y不是X的非線性格蘭杰原因：

其中 Pr() 表示概率，|| ||表示最大范數(shù)。

為了基于等式(4)進(jìn)行檢驗(yàn)，Hiemstra ＆ Jones(1994) 提出了TVAL非參檢驗(yàn)方法，用聯(lián)合概率之比的形式表示條件概率。分別使用C1 (m+Lx,Ly,e)/C2(Lx,Ly,e)和C3(m+Lx,e)/C4(Lx,e)這兩個(gè)聯(lián)合概率之比的形式分別表示等式(4)的左邊和右邊。這些聯(lián)合概率定義如下：

則等式(4)中嚴(yán)格的非線性格蘭杰條件可以被表示為：

給定m，Lx≥1，Ly≥1，e＞0。

對(duì)于真實(shí)的時(shí)間序列X、Y，{xt}和{yt}為序列中的數(shù)，其中t=1,2,…,T，用表示{xt}之后的m個(gè)數(shù)（包含{xt}）。用分別表示{xt}、{yt}之前的Lx、Ly個(gè)數(shù)（不包含{xt}、{yt}），和等式(3)中所表示的一樣。同時(shí)，當(dāng)Z1、Z2兩個(gè)形式相同的向量之間的范數(shù)距離（此處為二范數(shù)）在最大范數(shù)距離之內(nèi)，則令I(lǐng)(Z1,Z2,e)的值為1，否則其值為0。等式(5)中估計(jì)值的關(guān)聯(lián)積分形式可以寫作：

利用等式(7)中的聯(lián)合概率估計(jì)，等式(4)中的非線性格蘭杰條件就可以進(jìn)行檢驗(yàn)了。給定m，Lx≥1，Ly≥1，e＞0，并假設(shè){Xt}和{Yt}都是平穩(wěn)、弱相關(guān)的，如果{Yt}不是{Xt}嚴(yán)格的格蘭杰原因，那么：

（三）前沿網(wǎng)絡(luò)拓?fù)浞椒?/h3>

令Net(D,L)為金融風(fēng)險(xiǎn)關(guān)聯(lián)的有向網(wǎng)絡(luò)，D代表網(wǎng)絡(luò)中的節(jié)點(diǎn)，其總數(shù)為N，L代表節(jié)點(diǎn)之間的連接，W代表連接的權(quán)重。對(duì)于，如果j是i的格蘭杰因果原因，定義：

其中Lj→i= 1表示j是i的格蘭杰因果原因；反之，定義Lj→i= 0為j不是i的格蘭杰因果原因。Wj→i代表j到i這條有向邊的權(quán)重的值，本文中定義其具體計(jì)算方式如下：

其中rj→i表示j對(duì)i的灰色關(guān)聯(lián)度，具體計(jì)算方法將在下節(jié)展開。

另外，在Billio et al.(2012)和Wang et al.(2017)所構(gòu)建指標(biāo)的基礎(chǔ)上，結(jié)合本文中的模型創(chuàng)新，新構(gòu)建如下幾個(gè)指標(biāo)：

1.感染度和傳染度

本文中基于網(wǎng)絡(luò)拓?fù)浞椒ǘx了兩個(gè)指標(biāo)：“感染度”和“傳染度”。感染度WI指，網(wǎng)絡(luò)中某個(gè)點(diǎn)，所有對(duì)它有影響的點(diǎn)所產(chǎn)生的有向邊的權(quán)值之和，稱為該點(diǎn)的感染度。傳染度WO是指，網(wǎng)絡(luò)中某個(gè)點(diǎn)，對(duì)所有它能夠產(chǎn)生影響的點(diǎn)所產(chǎn)生的有向邊的權(quán)值之和，稱為該點(diǎn)的傳染度。計(jì)算方式如下：

2.外部感染度和外部傳染度

為測(cè)算指定市場(chǎng)中的個(gè)體，對(duì)除自身市場(chǎng)以外市場(chǎng)的風(fēng)險(xiǎn)傳染程度，或個(gè)體本身受到來自除自身市場(chǎng)以外市場(chǎng)的風(fēng)險(xiǎn)傳染，定義了“外部感染度”和“外部傳染度”。外部感染度表示，網(wǎng)絡(luò)中的某個(gè)點(diǎn)所受到的來自于其他市場(chǎng)的所有對(duì)它有影響的點(diǎn)所產(chǎn)生的有向邊的權(quán)值之和；外部傳染度表示，網(wǎng)絡(luò)中某個(gè)點(diǎn)對(duì)其他市場(chǎng)中能夠產(chǎn)生影響的點(diǎn)所產(chǎn)生的有向邊的權(quán)值之和。二者公式如下：

其中Na表示市場(chǎng)a中個(gè)體的數(shù)目。

（四）灰色系統(tǒng)理論

鄧聚龍教授（1984）提出的灰色系統(tǒng)理論中的灰色關(guān)聯(lián)分析是根據(jù)因素之間發(fā)展趨勢(shì)的相似或相異程度來描述因素間關(guān)系的強(qiáng)弱、大小和次序。因?yàn)樗且在厔?shì)為研究視角，所以對(duì)樣本數(shù)量并不過分依賴，也不用建立在典型的分布規(guī)律上，同時(shí)不至于發(fā)生定量、定性分析結(jié)果相異的情況。以下介紹灰色關(guān)聯(lián)度分析的建模過程。

首先需要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，目的是消除量綱，提高模型質(zhì)量和分析結(jié)果的準(zhǔn)確性。

設(shè)有序列x=(x(1 ) ,x( 2 ),…,x(n))，則稱映射：

為序列x到序列y的數(shù)據(jù)變換。當(dāng)：

稱f是區(qū)間值化變換。

選取參考序列

其中 k 表示時(shí)刻。假設(shè)有m個(gè)比較數(shù)列

則稱

為比較數(shù)列xi對(duì)參考數(shù)列x0在k時(shí)刻的關(guān)聯(lián)系數(shù)，其中ρ∈[0,1]為分辨系數(shù)。稱式(13)中為兩級(jí)最小差，為兩級(jí)最大差。

正常情況下，作為分辨系數(shù)ρ越大，分辨率越大；反之亦然。

式(13)定義的關(guān)聯(lián)系數(shù)是描述比較數(shù)列與參考數(shù)列在某時(shí)刻關(guān)聯(lián)程度的一種指標(biāo)，為了將信息集中化，我們構(gòu)造

為數(shù)列xi對(duì)參考數(shù)列x0的關(guān)聯(lián)度。

關(guān)聯(lián)度是把所有不同時(shí)刻的關(guān)聯(lián)系數(shù)計(jì)算成一個(gè)平均值，相當(dāng)于集中信息。借助這個(gè)指標(biāo)，就能在不同實(shí)際情況背景下開展因素分析。

三、經(jīng)濟(jì)政策不確定性與股債市場(chǎng)風(fēng)險(xiǎn)傳染的實(shí)證研究

（一）非線性賦權(quán)網(wǎng)絡(luò)的構(gòu)建

由于要對(duì)比中美貿(mào)易摩擦前后金融市場(chǎng)風(fēng)險(xiǎn)傳染的變化，本文以《調(diào)查》作為劃分中美貿(mào)易摩擦的時(shí)間節(jié)點(diǎn)，將時(shí)間序列劃分為兩段，2014年6月至2018年2月作為中美貿(mào)易摩擦前期，2018 年3月至2021年1月作為中美貿(mào)易摩擦期間，并分別按照全樣本時(shí)期、中美貿(mào)易摩擦前期、中美貿(mào)易摩擦后期三個(gè)階段，構(gòu)建三個(gè)網(wǎng)絡(luò)。每個(gè)網(wǎng)絡(luò)中共有42個(gè)節(jié)點(diǎn)，其中每個(gè)節(jié)點(diǎn)代表一個(gè)國(guó)家（地區(qū)）對(duì)應(yīng)時(shí)期的一個(gè)指數(shù)。

每個(gè)國(guó)家（地區(qū)）的每個(gè)指數(shù)采用的是月度數(shù)據(jù)，所以每個(gè)指數(shù)都是一組時(shí)間序列數(shù)據(jù)。先進(jìn)行數(shù)據(jù)預(yù)處理并通過平穩(wěn)性檢驗(yàn)。根據(jù)預(yù)處理后的時(shí)間序列，對(duì)42個(gè)節(jié)點(diǎn)中每?jī)蓚€(gè)節(jié)點(diǎn)相互進(jìn)行T V A L 非參檢驗(yàn)的非線性格蘭杰因果檢驗(yàn)。若一個(gè)點(diǎn)對(duì)另一個(gè)點(diǎn)存在非線性格蘭杰因果關(guān)系，則引出一條有向邊，并計(jì)算灰色關(guān)聯(lián)度作為有向邊的權(quán)值，根據(jù)以上方法構(gòu)建有向邊。以此類推，構(gòu)建出非線性框架下的有向賦權(quán)網(wǎng)絡(luò)，如圖1。

圖1 網(wǎng)絡(luò)結(jié)構(gòu)圖

（二）金融市場(chǎng)與經(jīng)濟(jì)政策不確定性的風(fēng)險(xiǎn)傳染總體情況

為了研究金融市場(chǎng)與經(jīng)濟(jì)政策不確定性的風(fēng)險(xiǎn)傳染總體情況，在10%顯著性水平下分別構(gòu)建三個(gè)時(shí)期的有向賦權(quán)網(wǎng)絡(luò)，對(duì)于每個(gè)網(wǎng)絡(luò)分別計(jì)算股票市場(chǎng)、債券市場(chǎng)、EPU在三個(gè)時(shí)期的感染度和傳染度，分析它們?cè)诓煌瑫r(shí)期對(duì)金融市場(chǎng)風(fēng)險(xiǎn)傳染的影響程度。

1.全樣本時(shí)期

構(gòu)建全樣本時(shí)期各國(guó)家（地區(qū)）指標(biāo)間非線性賦權(quán)網(wǎng)絡(luò)。對(duì)網(wǎng)絡(luò)中每?jī)蓚€(gè)點(diǎn)之間相互進(jìn)行非線性格蘭杰因果檢驗(yàn)，這里采用TVAL統(tǒng)計(jì)量。對(duì)于計(jì)算出的所有P值進(jìn)行統(tǒng)計(jì)，按照楊子暉（2020）一文中構(gòu)建網(wǎng)絡(luò)的標(biāo)準(zhǔn)，以10%的顯著性水平作為分界線，將結(jié)果中小于0.1的P值保留，并認(rèn)為其表示兩點(diǎn)之間存在非線性格蘭杰因果檢驗(yàn)。

接下來研究傳染、感染程度。如網(wǎng)絡(luò)節(jié)點(diǎn)A、B 對(duì)應(yīng)的時(shí)間序列分別為{Xt}、{Yt}，序列{Xt}對(duì)序列{Yt}進(jìn)行非線性格蘭杰因果檢驗(yàn)，若通過檢驗(yàn)則說明{Xt}是{Yt}的非線性格蘭杰原因。此時(shí)，將{Yt}作為參考序列，計(jì)算樣本中其他所有序列和{Yt}之間的灰色關(guān)聯(lián)度，而其中{Xt}和{Yt}之間的灰色關(guān)聯(lián)度，表示{Xt}作為{Yt}的影響因素時(shí)的關(guān)聯(lián)程度，并將其作為節(jié)點(diǎn)A到節(jié)點(diǎn)B之間有向邊的權(quán)重。其中灰色關(guān)聯(lián)度越大，表示一個(gè)市場(chǎng)對(duì)另一個(gè)市場(chǎng)的影響程度越大。

表1的非線性賦權(quán)網(wǎng)絡(luò)關(guān)聯(lián)的分析結(jié)果顯示，在感染度“WI”指標(biāo)中股票市場(chǎng)所對(duì)應(yīng)的值最大，達(dá)到了95.54，債券則為43.25排在中間，EPU為33.59排在第三，可以看到股票市場(chǎng)是風(fēng)險(xiǎn)傳染的主要接受方，是風(fēng)險(xiǎn)感染的主要市場(chǎng)。在傳染度“WO”指標(biāo)中，股票市場(chǎng)所對(duì)應(yīng)的值是最大的，為79.39，而債券市場(chǎng)為58.33排在第二，EPU為34.65排在第三。另外，將每個(gè)市場(chǎng)分別與其他兩個(gè)市場(chǎng)的風(fēng)險(xiǎn)傳染、感染關(guān)系進(jìn)行分析，在來自其他市場(chǎng)感染度“WIFO”指標(biāo)中，股票市場(chǎng)達(dá)到了46.93，其所對(duì)應(yīng)的值為最大，債券市場(chǎng)、EPU對(duì)應(yīng)的值分別為27.71、17.56。而在對(duì)其他市場(chǎng)傳染度“WOTO”中，債券市場(chǎng)達(dá)到了42.79為最高值，股票市場(chǎng)、EPU分別達(dá)到了30.78、18.62?？梢钥闯觯善笔袌?chǎng)是風(fēng)險(xiǎn)的主要接受者，極容易受到金融市場(chǎng)風(fēng)險(xiǎn)的傳染。同時(shí)，股票市場(chǎng)也是風(fēng)險(xiǎn)的主要傳染者。而這三個(gè)市場(chǎng)中，受到其他市場(chǎng)影響程度最深的是股票市場(chǎng)，對(duì)其他市場(chǎng)影響程度最深的是債券市場(chǎng)。

表1 非線性賦權(quán)網(wǎng)絡(luò)指標(biāo)分析（全樣本時(shí)期）

2.貿(mào)易摩擦前期

表2的非線性賦權(quán)網(wǎng)絡(luò)關(guān)聯(lián)的分析結(jié)果顯示，在感染度“WI”指標(biāo)中，股票市場(chǎng)達(dá)到了46.30，大于債券市場(chǎng)的27.37、EPU的16.82，可以看到在貿(mào)易摩擦前期，股票市場(chǎng)仍是風(fēng)險(xiǎn)傳染的主要接受方，是風(fēng)險(xiǎn)感染的主要市場(chǎng)，這和全樣本時(shí)期是一樣的。在傳染度“WO”指標(biāo)中，股票市場(chǎng)所對(duì)應(yīng)的值仍然是最大的，達(dá)到了51.92，而債券市場(chǎng)為19.78排在第二，EPU為18.78排在第三。綜合而言，股票市場(chǎng)即使不是在貿(mào)易摩擦期間，其風(fēng)險(xiǎn)傳染程度也是最大的。而在每個(gè)市場(chǎng)分別與其他兩個(gè)市場(chǎng)的風(fēng)險(xiǎn)傳染、感染關(guān)系的分析中，來自其他市場(chǎng)感染度“WIFO”指標(biāo)中債券市場(chǎng)達(dá)到了21.59，大于股票市場(chǎng)的19.32、EPU的8.95。而在對(duì)其他市場(chǎng)傳染度“WOTO”中，股票市場(chǎng)達(dá)到了24.94，為最高值。債券市場(chǎng)、EPU分別達(dá)到了14.01、10.91。可以看出，在貿(mào)易摩擦前期，債券市場(chǎng)接受了最多的來自其他市場(chǎng)的風(fēng)險(xiǎn)傳染，而股票市場(chǎng)對(duì)其他市場(chǎng)的風(fēng)險(xiǎn)傳染是最高的。但就所有市場(chǎng)的傳染度和感染度而言，股票市場(chǎng)仍然是最高的。

表2 非線性賦權(quán)網(wǎng)絡(luò)指標(biāo)分析（貿(mào)易摩擦前期）

3.貿(mào)易摩擦期間

表3的非線性賦權(quán)網(wǎng)絡(luò)關(guān)聯(lián)的分析結(jié)果顯示，在感染度“WI”指標(biāo)中，股票市場(chǎng)達(dá)到了72.80，大于EPU的29.23、債券市場(chǎng)的25.51。可以看到，在貿(mào)易摩擦期間，股票市場(chǎng)既是主要的風(fēng)險(xiǎn)傳染接受方，同時(shí)也是主要的風(fēng)險(xiǎn)感染市場(chǎng)。值得一提的是，EPU在貿(mào)易摩擦期間受到感染的程度明顯大于在貿(mào)易摩擦前期受到的感染程度，且其感染程度已經(jīng)超過了債券市場(chǎng)。說明在中美貿(mào)易摩擦期間，EPU會(huì)受到更大程度的傳染影響，這是因?yàn)樵谫Q(mào)易摩擦期間，中美兩國(guó)的經(jīng)濟(jì)政策出現(xiàn)波動(dòng)所致。在傳染度“WO”指標(biāo)中，股票市場(chǎng)所對(duì)應(yīng)的值仍然是最大的，達(dá)到了49.24，而債券市場(chǎng)為44.64，排在第二，EPU為33.67，排在第三。而在每個(gè)市場(chǎng)分別與其他兩個(gè)市場(chǎng)的風(fēng)險(xiǎn)傳染、感染關(guān)系的分析中，從來自其他市場(chǎng)感染度“WIFO”指標(biāo)中可看出，股票達(dá)到了36.27，大于債券市場(chǎng)的15.80、EPU的18.62。而在對(duì)其他市場(chǎng)傳染度“WOTO”中，債券市場(chǎng)達(dá)到了34.93的最高值，股票市場(chǎng)、EPU分別達(dá)到了12.70、23.05?？梢钥闯?，在貿(mào)易摩擦期間，EPU極容易受到金融市場(chǎng)的風(fēng)險(xiǎn)傳染，各國(guó)（地區(qū)）的經(jīng)濟(jì)政策不確定性在貿(mào)易摩擦期間相比于全樣本時(shí)期和貿(mào)易摩擦前期，更容易受到金融市場(chǎng)波動(dòng)帶來的影響。在此期間，股票對(duì)其他市場(chǎng)的風(fēng)險(xiǎn)傳染程度也比全樣本期間、貿(mào)易摩擦前期更高。

表3 非線性賦權(quán)網(wǎng)絡(luò)指標(biāo)分析（貿(mào)易摩擦期間）

（三）跨市場(chǎng)非線性關(guān)聯(lián)分析

基于上述分析，進(jìn)一步對(duì)股票市場(chǎng)、債券市場(chǎng)、EPU之間進(jìn)行跨市場(chǎng)的非線性關(guān)聯(lián)分析，同樣采用基于TVAL的非線性Granger 檢驗(yàn)方法，并基于灰色關(guān)聯(lián)度進(jìn)行賦權(quán)，測(cè)算各市場(chǎng)間相互的風(fēng)險(xiǎn)傳染程度。計(jì)算股票市場(chǎng)、債券市場(chǎng)、EPU之間的感染度、傳染度，并進(jìn)行關(guān)聯(lián)分析，研究它們之間的風(fēng)險(xiǎn)傳染、感染情況。

1.全樣本時(shí)期

如表4所示，橫軸代表風(fēng)險(xiǎn)的發(fā)出者，縱軸代表風(fēng)險(xiǎn)的接受者。表4的上半部分顯示了基于TVAL的非線性Granger 檢驗(yàn)方法，并基于灰色關(guān)聯(lián)度進(jìn)行賦權(quán)的跨市場(chǎng)間的風(fēng)險(xiǎn)的傳染程度，下半部分則是基于上半部分計(jì)算的風(fēng)險(xiǎn)傳染程度，計(jì)算出相對(duì)應(yīng)的百分比?？梢钥闯?，在全樣本時(shí)期，股票對(duì)股票、股票對(duì)債券的風(fēng)險(xiǎn)傳染占據(jù)了整個(gè)市場(chǎng)風(fēng)險(xiǎn)傳染的約半數(shù)左右，其中股票市場(chǎng)本身以及債券市場(chǎng)的風(fēng)險(xiǎn)感染程度均對(duì)股票市場(chǎng)本身所帶來的影響更大。同時(shí)，能夠看出EPU 受到股票市場(chǎng)風(fēng)險(xiǎn)的傳染程度要顯著大于受到債券市場(chǎng)風(fēng)險(xiǎn)的傳染程度，即股票市場(chǎng)對(duì)EPU 的影響更為顯著。

表4 市場(chǎng)間非線性關(guān)聯(lián)分析（全樣本期間）

根據(jù)不同國(guó)家（地區(qū)）之間的兩兩檢驗(yàn)結(jié)果，中國(guó)的股票市場(chǎng)不太容易受到其他股票市場(chǎng)的傳染，除受到印度的股票市場(chǎng)的影響外（影響程度為0.78，低于各國(guó)、地區(qū)股票市場(chǎng)間的平均影響程度0.81），其他國(guó)家（地區(qū)）的股票市場(chǎng)均未對(duì)中國(guó)股票市場(chǎng)產(chǎn)生顯著性影響（在10%的顯著性水平下，未通過非線性格蘭杰因果檢驗(yàn)）。因此，綜合考慮到貿(mào)易摩擦前期及期間時(shí)段，整體而言中國(guó)股市未受到明顯影響。

中國(guó)債券市場(chǎng)僅受到我國(guó)香港地區(qū)債券市場(chǎng)的顯著性影響（影響程度0.76），未受到其他債券市場(chǎng)的顯著性影響，且就債券市場(chǎng)整體而言，不同國(guó)家（地區(qū)）之間產(chǎn)生影響的有21個(gè)，而股票市場(chǎng)有60個(gè)，由于兩市場(chǎng)性質(zhì)不同，債券市場(chǎng)作為安全資產(chǎn)，相較于股票市場(chǎng)更加穩(wěn)定、不易受影響。

中國(guó)EPU在全樣本時(shí)期，未受到任何國(guó)家（地區(qū)）EPU的顯著性影響，這說明就包含了貿(mào)易摩擦前期、貿(mào)易摩擦期間的整體時(shí)間段而言，中國(guó)的經(jīng)濟(jì)政策不確定性并未明顯受到其他國(guó)家經(jīng)濟(jì)政策的波動(dòng)而帶來的影響。這充分體現(xiàn)了中國(guó)特色社會(huì)主義制度的優(yōu)越性，相比于其他國(guó)家或地區(qū)，中國(guó)政府對(duì)于國(guó)內(nèi)市場(chǎng)經(jīng)濟(jì)的監(jiān)管是更有效的。

2.貿(mào)易摩擦前期

如表5所示，可以看出，在貿(mào)易摩擦前期，各市場(chǎng)間的風(fēng)險(xiǎn)傳染程度明顯小于全樣本時(shí)期，這也比較符合貿(mào)易摩擦前期相對(duì)平和的特征。其中，整體占比較大的是股票市場(chǎng)受到股票、債券市場(chǎng)風(fēng)險(xiǎn)傳染的部分。在此期間，市場(chǎng)整體受EPU影響較為平穩(wěn)，市場(chǎng)間沒有出現(xiàn)較大的差異。

表5 市場(chǎng)間非線性關(guān)聯(lián)分析（貿(mào)易摩擦前期）

在貿(mào)易摩擦前期，總體而言各國(guó)家（地區(qū)）之間的金融市場(chǎng)、EPU影響程度不高，根據(jù)檢驗(yàn)結(jié)果，中國(guó)的股票、債券、EPU也僅受到了個(gè)別國(guó)家（地區(qū)）的影響，且影響程度低于平均值。

3.貿(mào)易摩擦期間

從表6可以看出，在貿(mào)易摩擦期間，各市場(chǎng)之間的風(fēng)險(xiǎn)傳染程度相較于貿(mào)易摩擦前期的程度有了明顯的增大。同時(shí)，各金融市場(chǎng)之間的風(fēng)險(xiǎn)傳染對(duì)EPU的影響明顯加劇，尤其是EPU 受到股票市場(chǎng)的風(fēng)險(xiǎn)傳染程度明顯加大，說明在此期間經(jīng)濟(jì)政策不確定性會(huì)隨著金融市場(chǎng)間風(fēng)險(xiǎn)傳染的加重而變大，也體現(xiàn)了在特殊時(shí)期金融市場(chǎng)對(duì)經(jīng)濟(jì)政策的影響。

表6 市場(chǎng)間非線性關(guān)聯(lián)分析（貿(mào)易摩擦期間）

在貿(mào)易摩擦期間，EPU的受感染程度明顯大于貿(mào)易摩擦前期。但根據(jù)檢驗(yàn)和計(jì)算結(jié)果，中國(guó)在EPU方面，除了顯著受到英國(guó)EPU的非線性影響外（影響程度0.66，低于不同國(guó)家、地區(qū)EPU間的平均影響程度0.71），并未受到其他EPU的顯著影響，這說明貿(mào)易摩擦期間，盡管全球整體EPU受到感染的情況更加明顯，但中國(guó)在政府的監(jiān)管和控制下，并未使EPU產(chǎn)生更大波動(dòng)，這很大程度上減少了其他EPU的變動(dòng)所帶來的影響。

四、結(jié)論與建議

本文基于非線性賦權(quán)關(guān)聯(lián)網(wǎng)絡(luò)研究，以中美貿(mào)易摩擦為背景，選取了具有代表性的國(guó)家（地區(qū)），并將它們的股票市場(chǎng)、債券市場(chǎng)以及經(jīng)濟(jì)政策不確定性作為研究對(duì)象，分析選取國(guó)家（地區(qū)）之間的風(fēng)險(xiǎn)傳染情況。根據(jù)研究結(jié)果，給出以下結(jié)論與建議：

首先，對(duì)比貿(mào)易摩擦期間和貿(mào)易摩擦前期，債券市場(chǎng)的風(fēng)險(xiǎn)傳染能力在貿(mào)易摩擦期間明顯有大幅度上升，由19.78上升到了44.64。對(duì)其他市場(chǎng)的風(fēng)險(xiǎn)傳染程度，債券市場(chǎng)從貿(mào)易摩擦前期的14.01上升到貿(mào)易摩擦期間的34.93，上升幅度也非常明顯。根據(jù)債券市場(chǎng)在貿(mào)易摩擦期間傳染程度的變化，可知當(dāng)經(jīng)濟(jì)政策形勢(shì)發(fā)生變動(dòng)時(shí)，債券市場(chǎng)在風(fēng)險(xiǎn)傳染中的影響明顯提升。盡管總體而言，中國(guó)的債券市場(chǎng)受其他國(guó)家（地區(qū)）的影響并不明顯，但為了保持國(guó)內(nèi)債券市場(chǎng)的穩(wěn)定，需要加強(qiáng)對(duì)國(guó)外債券市場(chǎng)的監(jiān)測(cè)，在國(guó)外債券市場(chǎng)發(fā)生波動(dòng)時(shí)，提前采取措施以加強(qiáng)國(guó)內(nèi)債券市場(chǎng)的穩(wěn)定性。

其次，EPU在貿(mào)易摩擦前期和貿(mào)易摩擦期間的風(fēng)險(xiǎn)傳染程度變化明顯。在貿(mào)易摩擦前期，EPU的WI、WO、WIFO、WOFO四項(xiàng)指標(biāo)分別為16.82、18.78、8.95、10.91，而在貿(mào)易摩擦期間，這四項(xiàng)指標(biāo)分別提升到29.23、33.67、18.62、23.05，尤其是貿(mào)易摩擦期間EPU對(duì)EPU本身以及對(duì)債券市場(chǎng)的傳染程度存在明顯上升趨勢(shì)，說明貿(mào)易摩擦期間EPU的變動(dòng)會(huì)對(duì)市場(chǎng)風(fēng)險(xiǎn)傳染造成明顯影響。為了盡量減少其他國(guó)家（地區(qū)）EPU對(duì)我國(guó)可能產(chǎn)生的影響，平時(shí)需要做好對(duì)各國(guó)（地區(qū)）經(jīng)濟(jì)政策變動(dòng)的關(guān)注，實(shí)時(shí)監(jiān)測(cè)并分析政策變動(dòng)可能對(duì)我國(guó)帶來的影響，為穩(wěn)定國(guó)內(nèi)的金融市場(chǎng)做好提前預(yù)警工作，同時(shí)也需要在經(jīng)濟(jì)政策方面提前研究對(duì)策。

再次，貿(mào)易摩擦期間，股票市場(chǎng)受到風(fēng)險(xiǎn)感染的程度以及受其他市場(chǎng)的感染程度都有明顯上升，且無論哪個(gè)時(shí)期，股票市場(chǎng)的風(fēng)險(xiǎn)傳染能力都是最強(qiáng)的，亦即股票市場(chǎng)是金融市場(chǎng)中的主要傳染源。這說明在貿(mào)易摩擦的動(dòng)蕩期，股票更容易成為風(fēng)險(xiǎn)傳染的來源。因此，我國(guó)需要對(duì)其他國(guó)家（地區(qū)）股票情況進(jìn)行實(shí)時(shí)監(jiān)測(cè)，重點(diǎn)關(guān)注美國(guó)、印度、英國(guó)以及我國(guó)香港地區(qū)的股票市場(chǎng)可能對(duì)我國(guó)產(chǎn)生的重大影響。

最后，貿(mào)易摩擦發(fā)生后，股票市場(chǎng)、債券市場(chǎng)、EPU內(nèi)部自身的風(fēng)險(xiǎn)傳染程度都在加深，股票由26.98上升到36.53，債券由5.78上升到9.72，EPU由7.86上升到10.61。因此，相關(guān)部門在對(duì)金融市場(chǎng)間風(fēng)險(xiǎn)傳染采取監(jiān)管措施時(shí)，應(yīng)當(dāng)重視我國(guó)及國(guó)際股票、債券、經(jīng)濟(jì)政策的變化狀況，并且要實(shí)時(shí)修正政策，以防止系統(tǒng)性金融風(fēng)險(xiǎn)的爆發(fā)。