陳為民，張琳，趙艷秋，袁旭宏

摘要：為研究互聯(lián)網(wǎng)金融與傳統(tǒng)金融業(yè)（銀行、證券、保險(xiǎn)）之間的相關(guān)性和波動(dòng)影響程度，采用分位數(shù)回歸方法計(jì)算CoVaR來度量風(fēng)險(xiǎn)溢出效應(yīng)。實(shí)證結(jié)果顯示，互聯(lián)網(wǎng)金融與傳統(tǒng)金融業(yè)均存在風(fēng)險(xiǎn)聯(lián)動(dòng)性，在處于99%的置信水平下，互聯(lián)網(wǎng)金融對(duì)銀行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)為正且最大，對(duì)保險(xiǎn)業(yè)風(fēng)險(xiǎn)溢出效應(yīng)最小，而證券業(yè)對(duì)互聯(lián)網(wǎng)金融存在反向的風(fēng)險(xiǎn)溢出。

關(guān)鍵詞：互聯(lián)網(wǎng)金融；風(fēng)險(xiǎn)溢出；分位數(shù)回歸；傳統(tǒng)金融

中圖分類號(hào)：F832.4? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)志碼：A

Risk spillover effects of internet finance and traditional finance industry

CHEN Weimin， ZHANG Lin， ZHAO Yanqiu， YUAN Xuhong

（School of Business， Hunan University of Science and Technology， Xiangtan 411201， China）

Abstract： To clarify the risk spillover mechanism between Internet Finance and traditional finance （banks， securities， insurance） and to measure it quantitatively， quantile regression method was used to calculate CoVaR to measure the degree of spillover. The results show that there is a risk linkage between internet finance and traditional financial industries. At 99% confidence level， the risk spillover effect of internet finance on the banking industry is positive and maximum， while the risk spillover effect on the insurance industry is minimal. However， the securities industry has a reverse risk spillover effect on internet finance.

Key words： internet finance; risk overflow; quantile regression; traditional finance

近年來，隨著互聯(lián)網(wǎng)技術(shù)的不斷迭代發(fā)展，各行各業(yè)都與互聯(lián)網(wǎng)產(chǎn)生了密切的聯(lián)系、進(jìn)行了深度的融合，互聯(lián)網(wǎng)金融也在蓬勃發(fā)展?；ヂ?lián)網(wǎng)金融的出現(xiàn)打破了傳統(tǒng)金融的模式、削弱了信息不對(duì)稱、降低了交易成本、提升了市場效率以及促進(jìn)了資源配置?；ヂ?lián)網(wǎng)金融于1997年在中國出現(xiàn)，并于2013年開始爆發(fā)式增長。不可否認(rèn)，互聯(lián)網(wǎng)金融在給金融業(yè)帶來新思維和新動(dòng)力的同時(shí)，其產(chǎn)生的風(fēng)險(xiǎn)也成為一個(gè)不可忽視的問題，尤其是近年來互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)事件不斷出現(xiàn)，如違約、跑路等類型的風(fēng)險(xiǎn)事件不斷增加。經(jīng)歷過金融市場風(fēng)險(xiǎn)事件的洗禮，幸存下來的金融機(jī)構(gòu)開始關(guān)注風(fēng)險(xiǎn)溢出。《關(guān)于促進(jìn)互聯(lián)網(wǎng)金融健康發(fā)展的指導(dǎo)意見》中指出要注意防范系統(tǒng)性風(fēng)險(xiǎn)。系統(tǒng)性風(fēng)險(xiǎn)是由于非系統(tǒng)性風(fēng)險(xiǎn)外溢引起，因此，在互聯(lián)網(wǎng)金融創(chuàng)新中，防范互聯(lián)網(wǎng)金融經(jīng)濟(jì)外部性風(fēng)險(xiǎn)溢出具有較重要的實(shí)際意義。本文采用分位數(shù)回歸方法計(jì)算指標(biāo)值CoVaR，進(jìn)而測度了互聯(lián)網(wǎng)金融與傳統(tǒng)金融業(yè)之間的風(fēng)險(xiǎn)溢出大小和方向，以事實(shí)為依據(jù)，助力政府部門職能有的放矢，支持金融行業(yè)發(fā)展。

1文獻(xiàn)綜述與研究假設(shè)

1.1文獻(xiàn)綜述

科技的進(jìn)步使互聯(lián)網(wǎng)技術(shù)為傳統(tǒng)金融行業(yè)帶來了極大的便利，為其降低交易成本、拓展?jié)撛诘目蛻?，但也帶來了不可忽視的風(fēng)險(xiǎn)[1]。在傳統(tǒng)金融行業(yè)中，銀行業(yè)由于受到互聯(lián)網(wǎng)金融的沖擊而增加了其風(fēng)險(xiǎn)管理的難度，因此，商業(yè)銀行受到互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出是正向且顯著的[2]， 會(huì)導(dǎo)致商業(yè)銀行的破產(chǎn)風(fēng)險(xiǎn)增加[3]。同時(shí)，對(duì)于銀行的風(fēng)險(xiǎn)承受能力方面，大型商業(yè)銀行在處理互聯(lián)網(wǎng)金融帶來的挑戰(zhàn)時(shí)，有更加廣闊的操作空間，且更加穩(wěn)健審慎[4]。另外，由于互聯(lián)網(wǎng)金融資金流向證券市場助長了證券市場的繁榮假象[5]。在保險(xiǎn)行業(yè)，互聯(lián)網(wǎng)銷售模式的保險(xiǎn)產(chǎn)品導(dǎo)致保險(xiǎn)業(yè)業(yè)務(wù)風(fēng)險(xiǎn)增加，加劇了保險(xiǎn)合同的不完整性[6]。前幾年，互聯(lián)網(wǎng)金融模式中的網(wǎng)貸（P2P）市場由于其高風(fēng)險(xiǎn)、高收益的特點(diǎn)得到了迅速發(fā)展，但網(wǎng)貸市場與債券市場的聯(lián)動(dòng)關(guān)系不強(qiáng)，P2P市場與資本市場之間的風(fēng)險(xiǎn)溢出效應(yīng)不顯著[7]。另外，商業(yè)銀行會(huì)接受來自P2P網(wǎng)貸市場的單向風(fēng)險(xiǎn)溢出，保險(xiǎn)業(yè)對(duì)P2P網(wǎng)貸市場存在風(fēng)險(xiǎn)傳遞[8]。

1.2研究假設(shè)

1.2.1互聯(lián)網(wǎng)金融與銀行業(yè)

銀行業(yè)在我國傳統(tǒng)金融業(yè)中占有不容忽視的地位，國家對(duì)于銀行的監(jiān)管力度大且規(guī)范，其自身的風(fēng)險(xiǎn)會(huì)小于傳統(tǒng)金融業(yè)中的其他行業(yè)。互聯(lián)網(wǎng)金融由于近年來的快速發(fā)展，給銀行業(yè)帶來了轉(zhuǎn)型機(jī)會(huì)，同時(shí)也承擔(dān)著來自互聯(lián)網(wǎng)金融的負(fù)面風(fēng)險(xiǎn)。互聯(lián)網(wǎng)金融的出現(xiàn)，如第三方支付，對(duì)于投資者來說豐富了市場參與主體的資金投資選擇項(xiàng)，對(duì)銀行業(yè)的存取款業(yè)務(wù)是競爭“威脅”。但銀行業(yè)可以發(fā)展互聯(lián)網(wǎng)金融的部分業(yè)務(wù)，同時(shí)這也面臨著風(fēng)險(xiǎn)，例如網(wǎng)貸平臺(tái)中的客戶同時(shí)也是銀行的消費(fèi)貸客戶，一旦客戶在網(wǎng)貸平臺(tái)中違約，都會(huì)造成銀行資金的大量流失。除此之外，銀行業(yè)會(huì)因?yàn)橐牖ヂ?lián)網(wǎng)金融業(yè)的業(yè)務(wù)而面臨更多的信息安全風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)，比如傳統(tǒng)銀行開展網(wǎng)絡(luò)銀行業(yè)務(wù)，如果風(fēng)險(xiǎn)防范不到位，遭遇黑客入侵，可能會(huì)使得客戶信息泄露；或者技術(shù)操作不當(dāng)，可能會(huì)使網(wǎng)上銀行商城面臨崩潰。

假設(shè)1：在互聯(lián)網(wǎng)金融與銀行業(yè)之間的風(fēng)險(xiǎn)來源是互聯(lián)網(wǎng)金融，而銀行業(yè)是風(fēng)險(xiǎn)溢出的被動(dòng)接受方。

1.2.2互聯(lián)網(wǎng)金融與證券業(yè)

證券業(yè)與互聯(lián)網(wǎng)金融業(yè)之間的業(yè)務(wù)往來并沒有像銀行業(yè)那么清晰和直接，但是存在明顯聯(lián)動(dòng)，投資者的資金在兩者之間流動(dòng)，此少彼多。股票是證券的典型品種之一，股票市場作為經(jīng)濟(jì)政策的晴雨表，引發(fā)了大量資金的涌入，但同時(shí)很多投資者借錢融資炒股，導(dǎo)致杠桿幅度可高達(dá)10倍，很多配資公司通過違規(guī)操作，使得股價(jià)非理性大幅上升，證監(jiān)會(huì)出面管控刺破價(jià)值泡沫，股票市場的行情惡化可能會(huì)外溢風(fēng)險(xiǎn)至互聯(lián)金融市場，因?yàn)閮蓚€(gè)市場的參與者可能因?yàn)樵诠善笔袌龅馁Y金大幅縮水，進(jìn)而對(duì)互聯(lián)網(wǎng)金融業(yè)產(chǎn)生不利影響。但對(duì)于證券行業(yè)中的債券業(yè)的影響可能較小，互聯(lián)網(wǎng)金融業(yè)的參與者主要是個(gè)人投資者或者小微企業(yè)，而債券業(yè)的參與者則大多是大中型企業(yè)，這兩者之間的交叉業(yè)務(wù)較少。結(jié)合前述，互聯(lián)網(wǎng)金融與證券業(yè)存在替代效應(yīng)，當(dāng)投資者在尋求利益最大化投資組合以及互聯(lián)網(wǎng)金融產(chǎn)品處于負(fù)面風(fēng)險(xiǎn)狀態(tài)時(shí)，其對(duì)證券行業(yè)的替代性會(huì)減小，但當(dāng)互聯(lián)網(wǎng)金融業(yè)觸發(fā)系統(tǒng)性風(fēng)險(xiǎn)時(shí)，證券業(yè)理應(yīng)受到影響，但影響程度不定。

假設(shè)2：互聯(lián)網(wǎng)金融對(duì)證券業(yè)存在單向風(fēng)險(xiǎn)溢出，但影響程度會(huì)低于互聯(lián)網(wǎng)金融對(duì)銀行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)。

1.2.3互聯(lián)網(wǎng)金融與保險(xiǎn)業(yè)

互聯(lián)網(wǎng)金融業(yè)一方面為保險(xiǎn)業(yè)帶來了機(jī)遇，另一方面也成為其轉(zhuǎn)型發(fā)展的挑戰(zhàn)。互聯(lián)網(wǎng)金融與保險(xiǎn)業(yè)之間的風(fēng)險(xiǎn)主要來自傳統(tǒng)保險(xiǎn)業(yè)對(duì)于互聯(lián)網(wǎng)技術(shù)的依托應(yīng)用，二者風(fēng)險(xiǎn)直接由業(yè)務(wù)往來傳導(dǎo)，呈現(xiàn)出互補(bǔ)效應(yīng)。當(dāng)互聯(lián)網(wǎng)金融業(yè)產(chǎn)生風(fēng)險(xiǎn)溢出時(shí)候，互聯(lián)網(wǎng)保險(xiǎn)業(yè)勢(shì)必因?yàn)榛ヂ?lián)網(wǎng)風(fēng)險(xiǎn)外溢而產(chǎn)生負(fù)面風(fēng)險(xiǎn)。此外，保險(xiǎn)業(yè)還具備其業(yè)務(wù)本身應(yīng)有的傳統(tǒng)風(fēng)險(xiǎn)，再加之互聯(lián)網(wǎng)金融業(yè)的新型金融風(fēng)險(xiǎn)可能會(huì)增強(qiáng)風(fēng)險(xiǎn)溢出效應(yīng)。對(duì)于互聯(lián)網(wǎng)金融與傳統(tǒng)金融業(yè)之間的風(fēng)險(xiǎn)溢出機(jī)制，市場參與主體依舊會(huì)選擇利益最大化的投資組合，當(dāng)市場經(jīng)濟(jì)態(tài)勢(shì)處于負(fù)面情況下，市場恐慌情緒可能會(huì)蔓延，再加之非理性的羊群行為，可能會(huì)使得不同市場參與者對(duì)互聯(lián)網(wǎng)金融與互聯(lián)網(wǎng)保險(xiǎn)行業(yè)存在相似的市場預(yù)期，間接使得互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)外溢至互聯(lián)網(wǎng)保險(xiǎn)行業(yè)。當(dāng)保險(xiǎn)行業(yè)出現(xiàn)負(fù)面風(fēng)險(xiǎn)時(shí)，也可能會(huì)產(chǎn)生流動(dòng)性風(fēng)險(xiǎn)至互聯(lián)網(wǎng)金融業(yè)。另外，由于互聯(lián)網(wǎng)金融業(yè)中的某些平臺(tái)缺乏經(jīng)營資質(zhì)和證明，可能會(huì)使得保險(xiǎn)業(yè)在與之進(jìn)行合作時(shí)，會(huì)加大自身風(fēng)險(xiǎn)。最后與保險(xiǎn)業(yè)相比，互聯(lián)網(wǎng)金融業(yè)更易引發(fā)系統(tǒng)性風(fēng)險(xiǎn)，當(dāng)其發(fā)生時(shí)，與之有業(yè)務(wù)往來的保險(xiǎn)業(yè)業(yè)務(wù)將受到影響。

假設(shè)3：互聯(lián)網(wǎng)金融對(duì)保險(xiǎn)業(yè)存在單向的風(fēng)險(xiǎn)溢出，且風(fēng)險(xiǎn)溢出居于互聯(lián)網(wǎng)金融業(yè)對(duì)銀行以及對(duì)證券行業(yè)的中間。

2方法與實(shí)證

2.1CoVaR模型

在一定的顯著性水平q和給定的時(shí)間段內(nèi)，在險(xiǎn)價(jià)值（VaR）是指金融市場或行業(yè)因利率、匯率等市場風(fēng)險(xiǎn)因子可能遭受的最大損失，

PΔR≤VaR=q（1）

式中：P表示概率；ΔR表示金融市場或行業(yè)資產(chǎn)在給定時(shí)間段內(nèi)的收益。

在給定的置信水平1-q和一定時(shí)間段內(nèi)，條件在險(xiǎn)價(jià)值（CoVaR）表示為當(dāng)金融行業(yè)或市場損失為VaR時(shí)，其他金融行業(yè)或市場將受到的最大可能損失。假設(shè)金融行業(yè)或市場j在將來具體時(shí)間段的損失為CoVaR，則在1-q的置信度下，其他金融行業(yè)或市場i在j處于VaRiq損失下的最大可能損失表示為CoVaRi，jq，具體表示見式（2），

PRi≤CoVaRi，jq|Rj=VaRjq=q（2）

式中：Ri與Rj分別表示金融行業(yè)或市場i與j的收益/損失。

風(fēng)險(xiǎn)溢出效應(yīng)的度量，即金融行業(yè)或市場j對(duì)i的貢獻(xiàn)定義為ΔCoVaRi，jq，金融市場或行業(yè)j對(duì)i的風(fēng)險(xiǎn)溢出效應(yīng)的測度實(shí)際上是金融行業(yè)或市場i在j的投資收益處于其VaR風(fēng)險(xiǎn)狀態(tài)下的風(fēng)險(xiǎn)增加值，其計(jì)算公式為

CoVaRi，jq=CoVaRi，jq-VaRiq（3）

式中：VaRiq表示行業(yè)或市場i不考慮溢出風(fēng)險(xiǎn)時(shí)的無條件在險(xiǎn)價(jià)值。由于ΔCoVaRi，jq不能明顯反映出風(fēng)險(xiǎn)溢出，為便于比較，對(duì)ΔCoVaRi，jq量綱標(biāo)準(zhǔn)化，風(fēng)險(xiǎn)溢出效應(yīng)的度量值由計(jì)算得出金融市場或行業(yè)j對(duì)i的風(fēng)險(xiǎn)溢出比重PCoVaIRi，jq來表示，其表達(dá)式為

PCoVaR，i，jq=ΔCoVaRi，jqVaRiq×100%（4）

2.2基于分位數(shù)回歸計(jì)算CoVaR

金融時(shí)間序列普遍“尖峰厚尾”，且存在異方差，所以基于最小二乘法思想的線性回歸并不適用，而分位數(shù)回歸（quantile regression，QR）可以彌補(bǔ)最小二乘法線性回歸的缺陷，它根據(jù)因變量的條件分位數(shù)對(duì)自變量進(jìn)行回歸，且不對(duì)殘差做任何假設(shè)。

假設(shè)隨機(jī)變量Y的分布函數(shù)為

Fy=PY≤y（5）

其q分位數(shù)定義為其概率分布滿足F（y）≥q的最小y值，它的計(jì)算公式為

FYq=infy：Fy≥q，0

使用分位數(shù)回歸法計(jì)算CoVaR值時(shí)，先對(duì)收益率序列進(jìn)行回歸，

Rit=β0+β1Rmt+μit（7）

式中：Rit為金融市場或行業(yè)的收益率；Rmt為狀態(tài)變量；μit為殘差。

為了測度互聯(lián)網(wǎng)金融市場j對(duì)3個(gè)傳統(tǒng)金融業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)，需將金融市場或行業(yè)j的收益率作為因變量進(jìn)行二次回歸，

Rit=β*0+β*1Rmt+β*2Rjt+μit（8）

式中：Rjt為金融市場或行業(yè)的收益率，其中，i指代傳統(tǒng)金融行業(yè)，j指代為互聯(lián)網(wǎng)金融業(yè)。根據(jù)式（7）估計(jì)的參數(shù)，可計(jì)算出對(duì)應(yīng)的VaR值，

VaRitq=β0︿+β1︿rmt（9）

根據(jù)式（8）所估計(jì)出的參數(shù)，可計(jì)算出相應(yīng)的CoVaR值，

CoVaRi，jitq=β*0︿+β*1︿rmt+β*2︿VaRjt（10）

3實(shí)證研究

3.1數(shù)據(jù)選取及其基本特征

互聯(lián)網(wǎng)金融行業(yè)采用中證指數(shù)的互聯(lián)金融指數(shù)來表示，銀行業(yè)采用申萬行業(yè)指數(shù)中的申萬銀行指數(shù)、非銀行傳統(tǒng)金融業(yè)采用申萬非銀行金融機(jī)構(gòu)指數(shù)來表示。此外，考慮到傳統(tǒng)金融行業(yè)的常見類別，進(jìn)一步選取申萬證券行業(yè)指數(shù)以及中證方正富邦保險(xiǎn)主題指數(shù)以及中證銀行指數(shù)為研究對(duì)象。狀態(tài)變量選取上證綜合指數(shù)反映整個(gè)金融市場的狀況?？刂谱兞窟x取申萬保險(xiǎn)指數(shù)和中證證券指數(shù)，限于篇幅原因，不進(jìn)行控制變量數(shù)據(jù)報(bào)告。指數(shù)價(jià)格樣本為2013年1月4日至2021年1月29日。數(shù)據(jù)均來自Wind數(shù)據(jù)庫。

在剔除各市場缺失的日度數(shù)據(jù)后，經(jīng)整理每個(gè)指數(shù)均包含1 965個(gè)交易日的價(jià)格數(shù)據(jù)，研究采用對(duì)數(shù)收益率。根據(jù)公式

Rit=100×（InPit-InPi（t -1））（11）得到，Rit為金融市場或機(jī)構(gòu)i第t個(gè)交易日的收益率，Pit為金融市場或機(jī)構(gòu)i第t個(gè)交易日的收盤價(jià)，Pi（t -1）為金融市場或機(jī)構(gòu)i第t-1個(gè)交易日的收盤價(jià)。HJ、ZZ_BAKN、BX、BANK、NON_BANK、ZQ和SZ分別代表互聯(lián)網(wǎng)金融的收益率、中證銀行指數(shù)（399 986）、中證保險(xiǎn)主題指數(shù)（399 809）的收益率、申萬銀行指數(shù)（801 780.SI）、申萬非銀行指數(shù)（801 790.SI）、申萬證券行業(yè)指數(shù)（399 707）以及上證綜合指數(shù)收益率。

互聯(lián)網(wǎng)金融指數(shù)與傳統(tǒng)金融行業(yè)指數(shù)日收盤價(jià)走勢(shì)和日對(duì)數(shù)收益率時(shí)序圖分別見圖1和圖2。

由圖1可以看出，在樣本期內(nèi)互聯(lián)網(wǎng)金融市場與傳統(tǒng)金融市場存在明顯的趨勢(shì)上升和趨勢(shì)下降特征，而且各行業(yè)指數(shù)波動(dòng)幅度相近：牛市時(shí)波動(dòng)較大，熊市時(shí)波動(dòng)較小，且具有一定的風(fēng)險(xiǎn)聯(lián)動(dòng)特性。2014年7月，互聯(lián)網(wǎng)金融業(yè)與傳統(tǒng)金融業(yè)指數(shù)開始大幅上漲，直至2015年6月回落。這是因?yàn)閲页雠_(tái)了一系列降息降準(zhǔn)措施，讓居民將儲(chǔ)蓄投資于股市，以振興實(shí)體經(jīng)濟(jì)。這一時(shí)期，互聯(lián)網(wǎng)金融和傳統(tǒng)金融行業(yè)發(fā)展迅速，但由于杠桿力度大，傳統(tǒng)金融業(yè)中的股市下跌速度也較快，利好行情持續(xù)不到一年；2016年之后進(jìn)入市場負(fù)面期，2018年進(jìn)入危機(jī)震蕩期，價(jià)格下行趨勢(shì)明顯。此外，在傳統(tǒng)金融行業(yè)中，保險(xiǎn)業(yè)指數(shù)相對(duì)較低的價(jià)格和相對(duì)穩(wěn)定的趨勢(shì)表明我國保險(xiǎn)業(yè)有很大的發(fā)展空間。其他金融業(yè)指標(biāo)有更高的價(jià)格和更大的波動(dòng)，其中證券行業(yè)是最突出的，這符合證券行業(yè)的資本市場活動(dòng)。另外，收益率序列均在0附近波動(dòng)，且序列具有明顯的集群效應(yīng)，符合金融時(shí)間序列的特點(diǎn)。

3.2風(fēng)險(xiǎn)溢出值的計(jì)算

3.2.1在險(xiǎn)價(jià)值VaR的計(jì)算

使用分位數(shù)回歸法計(jì)算CoVaR值時(shí)，首先按式（7）對(duì)收益率序列進(jìn)行回歸，選擇較為常用的95%置信水平，對(duì)應(yīng)顯著性水平為5%，進(jìn)行分位數(shù)回歸，得到參數(shù)估計(jì)結(jié)果見表1。

根據(jù)式（7）估計(jì)出參數(shù)，將表2中估計(jì)的參數(shù)代入式（9）計(jì)算，得出分位數(shù)為0.05時(shí)各指數(shù)收益率在的VaR值序列。

3.2.2CoVaR值的計(jì)算

根據(jù)式（8），分位數(shù)q取為0.05，進(jìn)行二次分位數(shù)回歸時(shí)，參數(shù)估計(jì)值見表3。

為了測度互聯(lián)網(wǎng)金融市場j對(duì)3個(gè)傳統(tǒng)金融業(yè)的分析溢出效應(yīng)，需將金融市場或機(jī)構(gòu)i與j的收益率作為因變量進(jìn)行二次回歸，將表3中估計(jì)的參數(shù)帶入式（10）計(jì)算，計(jì)算出在分位數(shù)為0.05時(shí)各指數(shù)收益率的CoVaR。

3.2.3風(fēng)險(xiǎn)溢出值的計(jì)算結(jié)果

在得到每個(gè)行業(yè)的VaR以及當(dāng)互聯(lián)網(wǎng)金融處于極端風(fēng)險(xiǎn)時(shí)傳統(tǒng)金融業(yè)的CoVaR后，運(yùn)用式（3）和式（4），得出互聯(lián)網(wǎng)金融對(duì)傳統(tǒng)金融業(yè)的風(fēng)險(xiǎn)溢出值，本文在具體計(jì)算過程中，在計(jì)算出的VaR序列與CoVaR序列取中位數(shù)，并將其中位數(shù)帶入上述公式進(jìn)行計(jì)算，得到互聯(lián)網(wǎng)金融對(duì)傳統(tǒng)金融業(yè)的風(fēng)險(xiǎn)溢出值。具體計(jì)算結(jié)果見表4。

從表2可以看出，證券行業(yè)的在險(xiǎn)價(jià)值最高，銀行業(yè)的在險(xiǎn)價(jià)值最小，互聯(lián)網(wǎng)金融的在險(xiǎn)價(jià)值僅次于證券行業(yè)，互聯(lián)網(wǎng)金融和證券業(yè)的高風(fēng)險(xiǎn)價(jià)值與其存在一定程度風(fēng)險(xiǎn)的行業(yè)特性有關(guān)，而銀行由于國家干預(yù)監(jiān)管到位，其抗風(fēng)險(xiǎn)能力較強(qiáng)[9]，因此，銀行業(yè)的在險(xiǎn)價(jià)值比較小；非銀行業(yè)的在險(xiǎn)價(jià)值整體最小，表明對(duì)于傳統(tǒng)金融業(yè)的研究不可以以某一個(gè)統(tǒng)一指數(shù)來表示，否則會(huì)使得結(jié)果出現(xiàn)誤判。

在風(fēng)險(xiǎn)溢出值的計(jì)算結(jié)果上，首先，互聯(lián)網(wǎng)金融與銀行、保險(xiǎn)、證券等傳統(tǒng)金融業(yè)之間存在風(fēng)險(xiǎn)溢出。其次，當(dāng)互聯(lián)網(wǎng)金融處于極端風(fēng)險(xiǎn)條件下，會(huì)加大對(duì)傳統(tǒng)銀行業(yè)中的銀行、保險(xiǎn)業(yè)的風(fēng)險(xiǎn)承擔(dān)，其中兩個(gè)銀行指數(shù)都表明對(duì)銀行的風(fēng)險(xiǎn)溢出值最大，假設(shè)1得證。對(duì)保險(xiǎn)行業(yè)的也呈負(fù)向效應(yīng)，假設(shè)3得證；但需承擔(dān)來自證券行業(yè)的正向風(fēng)險(xiǎn)溢出達(dá)8%，互聯(lián)網(wǎng)金融對(duì)于證券業(yè)來講是處于風(fēng)險(xiǎn)溢出的接受者地位。雖然這與假設(shè)2即互聯(lián)網(wǎng)金融對(duì)證券業(yè)的單向風(fēng)險(xiǎn)溢出相悖，實(shí)證研究表明，互聯(lián)網(wǎng)對(duì)證券業(yè)的風(fēng)險(xiǎn)溢出值最小，表明互聯(lián)網(wǎng)金融對(duì)證券業(yè)的風(fēng)險(xiǎn)溢出要弱于證券業(yè)對(duì)于互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出，原因可能是證券業(yè)的典型品種股票在2015年股市價(jià)格波動(dòng)較大，導(dǎo)致其自身風(fēng)險(xiǎn)加大。另一方面，由于風(fēng)險(xiǎn)溢出存在時(shí)滯性，風(fēng)險(xiǎn)因子的累計(jì)爆發(fā)使得整體時(shí)間段的風(fēng)險(xiǎn)溢出表現(xiàn)為外溢到其他市場，綜上可以解釋證券業(yè)對(duì)互聯(lián)網(wǎng)金融產(chǎn)生的正向風(fēng)險(xiǎn)溢出。

3.2.4實(shí)證結(jié)果的有效性檢驗(yàn)

KUPIEC檢驗(yàn)是目前在處理模型風(fēng)險(xiǎn)中最為常用的有效性檢驗(yàn)方法[10]，該檢驗(yàn)的思想是將估計(jì)的CoVaR與各指數(shù)的實(shí)際收益比較，如果資產(chǎn)的實(shí)際收益大于CoVaR，則記為1，表示失敗事件，反之，如果資產(chǎn)的實(shí)際損失小于CoVaR的值，則記為0，表示成功事件。它通過判斷實(shí)際失敗率是否與預(yù)期失敗率顯著不同來檢驗(yàn)CoVaR模型的有效性。如果模型有效，那么實(shí)際的失敗事件占比應(yīng)該與預(yù)期的失敗率是一致的，按以下公式計(jì)算失敗天數(shù)N。

N=∑Tt=1It，It=1，rt

式中：失敗率P=N/T，T為樣本天數(shù)。假設(shè)CoVaR的置信水平為（1-α），預(yù)期的失敗率為α，原假設(shè)為H0：P=α，備擇假設(shè)為H1：P≠α，KUPIC指出對(duì)原假設(shè)最合適的檢驗(yàn)是似然比檢驗(yàn)LR（Likelihood Ratio，LR），服從自由度為1的卡方X21分布，

LR=2log1-pT-NPpN-log1-αT-NαN～χ21（1-α）（13）

式中：N為失敗天數(shù)；P為實(shí)際失敗率；α為預(yù)期失敗率。若LR＞X21（1-α），則拒絕原假設(shè)，即認(rèn)為VaR無效，若LR≤X21（1-α），則不能拒絕原假設(shè)，表明所檢驗(yàn)的CoVaR模型估計(jì)CoVaR的能力與預(yù)期一致或者接近預(yù)期，模型的有效性得到確認(rèn)，查表可得，X12（0.95）=3.841，X21（0.99）=6.635。另外，失敗頻率檢驗(yàn)的非拒絕域，見表5。

KUPIEC失敗頻率檢驗(yàn)法認(rèn)為如果失敗率小于選定的顯著性水平或者實(shí)際失敗次數(shù)在可接受之內(nèi)域，則說明表明模型有效，經(jīng)驗(yàn)證，在95%的數(shù)據(jù)水平上，模型是有效的。

4結(jié)論

互聯(lián)網(wǎng)金融與傳統(tǒng)金融之間存在風(fēng)險(xiǎn)聯(lián)動(dòng)性。在99%的置信水平下，互聯(lián)網(wǎng)金融業(yè)對(duì)銀行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)最大，對(duì)保險(xiǎn)業(yè)風(fēng)險(xiǎn)溢出效應(yīng)最小，而證券業(yè)對(duì)互聯(lián)網(wǎng)金融存在反向的風(fēng)險(xiǎn)溢出。因此，互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)防范任重道遠(yuǎn)，應(yīng)該努力建立起風(fēng)險(xiǎn)防范機(jī)制，做好證券市場的風(fēng)險(xiǎn)防范工作，如建立證券市場的風(fēng)險(xiǎn)因子體系；監(jiān)管當(dāng)局應(yīng)該從互聯(lián)網(wǎng)金融與傳統(tǒng)金融微觀風(fēng)險(xiǎn)溢出機(jī)制的3個(gè)渠道出發(fā)，提高投資主體心智，理性決策，盡量避免盲目的羊群行為，導(dǎo)致市場風(fēng)險(xiǎn)惡化；根據(jù)宏觀經(jīng)濟(jì)政策建立起不確定性預(yù)警機(jī)制，延長或提前規(guī)劃風(fēng)險(xiǎn)池；各金融行業(yè)應(yīng)多加注意證券業(yè)的風(fēng)險(xiǎn)，合理管控，增加政府干預(yù)力度，同時(shí)增加市場交易透明度，防范“黑箱”風(fēng)險(xiǎn)的產(chǎn)生；在傳統(tǒng)金融業(yè)與互聯(lián)網(wǎng)金融行業(yè)的合作過程中要把握適度原則，保持一定邊界，減少風(fēng)險(xiǎn)傳染。

參考文獻(xiàn)：

[1]AGARWAL S， HAUSWALD R. Distance and private information in lending[J].The Review of Financial Studies， 2010， 23（7）： 2757-2788.

[2]翁志超， 顏美玲. 互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)測度[J]. 統(tǒng)計(jì)與決策， 2019， 35（22）： 159-163.

[3]戴國強(qiáng)， 方鵬飛. 利率市場化與銀行風(fēng)險(xiǎn)： 基于影子銀行與互聯(lián)網(wǎng)金融視角的研究[J]. 金融論壇， 2014， 19（8）： 13-19， 74.

[4]郭品， 沈悅. 互聯(lián)網(wǎng)金融加重了商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)嗎？ ： 來自中國銀行業(yè)的經(jīng)驗(yàn)證據(jù)[J]. 南開經(jīng)濟(jì)研究， 2015（4）： 80-97.

[5]何啟志， 彭明生. 互聯(lián)網(wǎng)金融、股票市場與中小企業(yè)發(fā)展[J]. 財(cái)政研究， 2017（9）： 88-101.

[6]譚媛媛， 孫蓉. 互聯(lián)網(wǎng)保險(xiǎn)契約不完全性的利益沖突及其防范機(jī)制[J]. 保險(xiǎn)研究， 2018（1）： 112-127.

[7]劉鏡秀， 門明. P2P網(wǎng)絡(luò)借貸市場對(duì)資本市場的風(fēng)險(xiǎn)溢出效應(yīng)[J]. 技術(shù)經(jīng)濟(jì)， 2016， 35（11）： 97-104.

[8]楊文華， 盧露， 周凱. P2P網(wǎng)貸市場與傳統(tǒng)金融機(jī)構(gòu)風(fēng)險(xiǎn)溢出效應(yīng)分析[J]. 統(tǒng)計(jì)與決策， 2021， 37（1）： 149-152.

[9]李蒼舒， 沈艷. 數(shù)字經(jīng)濟(jì)時(shí)代下新金融業(yè)態(tài)風(fēng)險(xiǎn)的識(shí)別、測度及防控[J]. 管理世界， 2019， 35（12）： 53-69.

[10]KUPIEC P H. Techniques for verifying the accuracy of risk measurement models[J]. The Journal of Derivatives， 1995， 3（2）： 73-84.