摘"要：本文選取了154家具有代表性的金融科技創(chuàng)新上市公司股票數(shù)據(jù)構(gòu)造金融科技指數(shù)，根據(jù)申萬(wàn)指數(shù)構(gòu)建銀行業(yè)指數(shù)、證券業(yè)指數(shù)和保險(xiǎn)業(yè)指數(shù)，運(yùn)用GARCH-CoVaR模型測(cè)算金融科技創(chuàng)新對(duì)傳統(tǒng)金融行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)。研究結(jié)果表明，金融科技創(chuàng)新對(duì)三大傳統(tǒng)金融業(yè)均具有正向風(fēng)險(xiǎn)溢出效應(yīng)。

關(guān)鍵詞：金融科技創(chuàng)新；風(fēng)險(xiǎn)溢出；GARCH-CoVaR模型

中圖分類號(hào)：F2"""""文獻(xiàn)標(biāo)識(shí)碼：A""""""doi：10.19311/j.cnki.16723198.2024.23.005

1"金融科技創(chuàng)新對(duì)傳統(tǒng)金融業(yè)的風(fēng)險(xiǎn)溢出機(jī)制

1.1"技術(shù)風(fēng)險(xiǎn)溢出

不管是金融科技向傳統(tǒng)金融業(yè)的滲透還是傳統(tǒng)金融業(yè)向金融科技創(chuàng)新企業(yè)購(gòu)買(mǎi)技術(shù)服務(wù)，本質(zhì)上都是金融科技創(chuàng)新，技術(shù)本身的缺陷可能疊加在傳統(tǒng)金融業(yè)的系統(tǒng)性風(fēng)險(xiǎn)上。同時(shí)，金融科技創(chuàng)新企業(yè)可能利用技術(shù)優(yōu)勢(shì)將存在技術(shù)缺陷的金融產(chǎn)品推向市場(chǎng)，市場(chǎng)無(wú)法根據(jù)以往的經(jīng)驗(yàn)分辨金融產(chǎn)品的優(yōu)劣或者市場(chǎng)走向，從而增加市場(chǎng)風(fēng)險(xiǎn)。

1.2"業(yè)務(wù)風(fēng)險(xiǎn)溢出

先進(jìn)的數(shù)字技術(shù)具有“雙刃劍”特征。雖然智能決策能提高業(yè)務(wù)處理效率，但是一旦數(shù)字技術(shù)出現(xiàn)漏洞或者操作失誤，可能使單純的技術(shù)風(fēng)險(xiǎn)放大為系統(tǒng)性風(fēng)險(xiǎn)。金融科技創(chuàng)新在傳統(tǒng)金融業(yè)的廣泛應(yīng)用增加了風(fēng)險(xiǎn)連鎖反應(yīng)。

1.3"監(jiān)管滯后風(fēng)險(xiǎn)溢出

金融科技創(chuàng)新使傳統(tǒng)金融業(yè)態(tài)和新型金融業(yè)態(tài)之間的界限越來(lái)越模糊，傳統(tǒng)金融監(jiān)管手段對(duì)于當(dāng)前的新金融業(yè)態(tài)產(chǎn)生了明顯的滯后效應(yīng)。如果金融科技創(chuàng)新企業(yè)利用這種滯后效應(yīng)進(jìn)行套利活動(dòng)，監(jiān)管失靈的風(fēng)險(xiǎn)必然向傳統(tǒng)金融業(yè)溢出。

2"模型構(gòu)建

2.1"風(fēng)險(xiǎn)測(cè)度模型

2.1.1"VaR模型

VaR模型表示在一定置信水平和一定持有期內(nèi)，市場(chǎng)正常波動(dòng)水平時(shí)，金融資產(chǎn)在持有期內(nèi)資產(chǎn)價(jià)格波動(dòng)下的最大可能損失。VaR模型用隨機(jī)變量概率密度函數(shù)測(cè)度風(fēng)險(xiǎn)價(jià)值，具體表達(dá)式為：

Pr（yjt≤VaRjq，t）=q（1）

式（1）中，yjt表示金融科技創(chuàng)新行業(yè)j在持有期間內(nèi)第t日的價(jià)值損失額，q表示置信水平，VaRjq，t表示金融科技創(chuàng)新行業(yè)j在資產(chǎn)持有期內(nèi)在q置信水平下的最大損失，Pr表示資產(chǎn)價(jià)值損失低于可能損失上限的概率。

2.1.2"CoVaR模型

CoVaR模型可以很好地刻畫(huà)由于科技創(chuàng)新導(dǎo)致的極端市場(chǎng)波動(dòng)。通過(guò)計(jì)算單個(gè)市場(chǎng)在面臨風(fēng)險(xiǎn)時(shí)的價(jià)值與整個(gè)市場(chǎng)在正常情況下的風(fēng)險(xiǎn)值的差額，表征單個(gè)市場(chǎng)對(duì)于整個(gè)市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的溢出值，以此來(lái)度量各個(gè)子市場(chǎng)對(duì)整個(gè)金融市場(chǎng)在面臨風(fēng)險(xiǎn)時(shí)的影響。設(shè)置某個(gè)顯著性水平描述金融科技創(chuàng)新行業(yè)j在遭遇損失時(shí)，與之相關(guān)聯(lián)的傳統(tǒng)金融業(yè)i可能遭受的最大潛在損失，具體形式為：

Pr（yit≤CoVaRi|jq，t|yjt=VaRjq，t）=q（2）

CoVaRi|jq，t表示在置信水平為q時(shí)，金融科技創(chuàng)新行業(yè)j發(fā)生損失時(shí)，傳統(tǒng)金融市場(chǎng)i可能面臨的最大損失，也就是傳統(tǒng)金融業(yè)i在金融科技行業(yè)j處在某一風(fēng)險(xiǎn)水平時(shí)的風(fēng)險(xiǎn)水平，其風(fēng)險(xiǎn)值可以分解為兩部分：無(wú)條件風(fēng)險(xiǎn)值和溢出風(fēng)險(xiǎn)值。按照Girardi等（2013）提出的風(fēng)險(xiǎn)溢出價(jià)值計(jì)算方法，無(wú)條件風(fēng)險(xiǎn)值為VaRiq，t，則風(fēng)險(xiǎn)溢出價(jià)值為CoVaR與VaR的差值，具體形式為：

ΔCoVaRi|jq，t=CoVaRi|jq，t－VaRiq，t（3）

ΔCoVaRi|jq，t度量金融科技行業(yè)j對(duì)傳統(tǒng)金融業(yè)i的風(fēng)險(xiǎn)溢出量?？紤]到不同金融業(yè)的無(wú)條件風(fēng)險(xiǎn)差異值可能較大，將ΔCoVaRi|jq，t標(biāo)準(zhǔn)化去除量綱得到%ΔCoVaRi|jq，t，代表市場(chǎng)發(fā)生危機(jī)時(shí)金融科技創(chuàng)新行業(yè)j對(duì)傳統(tǒng)金融業(yè)i的風(fēng)險(xiǎn)貢獻(xiàn)程度，具體計(jì)算公式為：

%ΔCoVaRi|jq，t=ΔCoVaRi|jq，tVaRiq，t（4）

2.2"GARCH模型

本文采用GARCH模型對(duì)CoVaR進(jìn)行估計(jì)。GARCH模型用來(lái)解決金融數(shù)據(jù)中由于波動(dòng)率的集聚性所造成的異方差問(wèn)題，適合分析具有后尾分布的股票收益率序列，符合金融科技風(fēng)險(xiǎn)溢出的測(cè)度要求。本文使用簡(jiǎn)潔的GARCH（1，1）模型擬合市場(chǎng)的收益率序列，并據(jù)此測(cè)算金融科技創(chuàng)新行業(yè)對(duì)傳統(tǒng)金融業(yè)的風(fēng)險(xiǎn)溢出強(qiáng)度。

2.2.1"金融科技創(chuàng)新行業(yè)的VaR值估算

基于GARCH-CoVaR方法對(duì)金融科技創(chuàng)新行業(yè)的收益率序列建模，形式如下：

yjt=μj+αjpAp（L）yjt－1+εj，t"εj，t=σj，tηj，t（5）

σ2j，t=θj+βj0ε2j，t－1+βj1σ2j，t－1（6）

式（5）為均值方程，μj為無(wú)條件期望收益，εj，t為收益率殘差。yjt－1是滯后一期的收益率，Ap（L）是滯后算子，本文取L=1。ηj，t是將金融科技創(chuàng)新行業(yè)第t日的收益率進(jìn)行標(biāo)準(zhǔn)化，用收益率殘差除以標(biāo)準(zhǔn)差，計(jì)算公式為：ηj，t=εj，t/σj，t。

式（6）為條件方差方程，反映均值方程中殘差項(xiàng)的波動(dòng)情況，可以根據(jù)前期基礎(chǔ)數(shù)據(jù)預(yù)測(cè)方差。σ2j，t是金融科技創(chuàng)新行業(yè)在t期的條件方差，β0是ARCH項(xiàng)系數(shù)，用來(lái)表示金融科技創(chuàng)新行業(yè)從前期獲得的波動(dòng)性信息，β0越大表明波動(dòng)性沖擊越強(qiáng)烈；β1是GARCH項(xiàng)系數(shù)，表示沖擊的持續(xù)性。

根據(jù)上述模型，金融科技創(chuàng)新行業(yè)j在t時(shí)期置信水平q下的風(fēng)險(xiǎn)價(jià)值估計(jì)值為：

VaRjq，t=y︿jt+Q（q）σ︿j，t（7）

y︿jt和σ︿j，t分別表示金融科技創(chuàng)新行業(yè)在t時(shí)期收益率和方差估計(jì)值，Q（q）表示q置信水平下分布的分位數(shù)。

2.2.2"傳統(tǒng)金融業(yè)風(fēng)險(xiǎn)價(jià)值估算

在收益率均值方程（6）的基礎(chǔ)上加入科技創(chuàng)新行業(yè)j在t期的收益率作為傳統(tǒng)金融業(yè)i收益率的解釋變量，用來(lái)反映科技創(chuàng)新行業(yè)對(duì)傳統(tǒng)金融業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)，方程形式如下：

yit=μi+αipAp（L）yit－1+ξi|jyjt+εi，tεi，t=σi，tηi，t（8）

σ2i，t=θi+βi0ε2i，t－1+βi1σ2i，t－1（9）

式（8）和式（9）分別為傳統(tǒng)金融業(yè)的均值方程和條件方差方程，式（9）中系數(shù)ξi|j表示j對(duì)i的風(fēng)險(xiǎn)溢出影響，對(duì)收益率殘差項(xiàng)εi，t也進(jìn)行標(biāo)準(zhǔn)化處理。

類似地，傳統(tǒng)金融業(yè)i在t時(shí)期置信水平q下的風(fēng)險(xiǎn)價(jià)值估計(jì)值為：

VaRiq，t=y︿it+Q（q）σ︿i，t（10）

y︿it和σ︿i，t分別表示傳統(tǒng)金融業(yè)在t時(shí)期收益率和方差估計(jì)值，Q（q）表示q置信水平下分布的分位數(shù)。

2.2.3"傳統(tǒng)金融業(yè)的條件風(fēng)險(xiǎn)價(jià)值估算

將yjt=VaRjq，t帶入式（8），得到以下估計(jì)方程：

yit=μ︿i+α︿ipApLyit－1+ξ︿i|jVaRjt+εi，t（11）

σ2i，t=θ︿i+β︿i0ε2i，t－1+β︿i1σ2i，t-1（12）

據(jù)此計(jì)算出傳統(tǒng)金融業(yè)在金融科技創(chuàng)新行業(yè)存在風(fēng)險(xiǎn)溢出條件下的在險(xiǎn)價(jià)值：

CoVaRi|jq，t=y︿it+Q（q）σ︿i，t（13）

式（13）中，條件風(fēng)險(xiǎn)價(jià)值被分解為兩部分，一是傳統(tǒng)金融業(yè)本身的無(wú)條件風(fēng)險(xiǎn)值，二是傳統(tǒng)金融業(yè)在金融科技創(chuàng)新業(yè)面臨最大可能損失條件下的溢出風(fēng)險(xiǎn)價(jià)值。

3"實(shí)證分析

3.1"數(shù)據(jù)來(lái)源與指數(shù)構(gòu)建

本文數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)，在金融科技概念股中選取了154家代表性金融科技上市公司作為研究樣本，收集這些公司的股票每日收盤(pán)價(jià)并運(yùn)用熵權(quán)法構(gòu)建金融科技創(chuàng)新指數(shù)。參考陳建青等（2015）的做法選取申萬(wàn)指數(shù)分別構(gòu)建銀行業(yè)指數(shù)、證券業(yè)指數(shù)和保險(xiǎn)業(yè)指數(shù)，其中包括37家銀行、46家證券公司和8家保險(xiǎn)公司。樣本數(shù)據(jù)區(qū)間為2013年1月7日到2019年11月29日，指數(shù)構(gòu)建過(guò)程如下：

第t日某行業(yè)價(jià)格指數(shù)：

Pt=∑nk=1pktwktwt（14）

第t日某行業(yè)收益率：

yt=（lnPt-lnPt-1）100（15）

式（14）中某行業(yè)是指金融科技創(chuàng)新行業(yè)、銀行業(yè)、證券業(yè)和保險(xiǎn)業(yè)，對(duì)應(yīng)的Pt分別表示第t日上述4個(gè)行業(yè)指數(shù)，pkt表示某行業(yè)內(nèi)公司k第t日的股票收盤(pán)價(jià)，wkt為某行業(yè)內(nèi)公司k第t日的市值，wt表示某行業(yè)第t日的行業(yè)總市值。式（15）中，yt為某行業(yè)的收益率。

3.2"變量的描述性統(tǒng)計(jì)

對(duì)四個(gè)行業(yè)的收益率進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果如表1所示。

表1顯示各行業(yè)對(duì)數(shù)收益率的均值都接近于零，盈利水平均很低。負(fù)的偏度說(shuō)明金融科技創(chuàng)新行業(yè)和銀行業(yè)虧損的概率大于盈利的概率。4個(gè)行業(yè)收益率的峰度值均大于正態(tài)分布的峰度，說(shuō)明收益率分布具有尖峰厚尾的特征。另外，正態(tài)性J-B檢驗(yàn)統(tǒng)計(jì)量值均較大，表明4個(gè)行業(yè)的對(duì)數(shù)收益率明顯不具有正態(tài)分布的特征，選擇GARCH模型是合適的。

3.3"估算收益率風(fēng)險(xiǎn)價(jià)值VaR

根據(jù)式（7）（10）計(jì)算VaR時(shí)變序列，計(jì)算結(jié)果如表2所示。各行業(yè)收益率VaR絕對(duì)值越大，說(shuō)明該市場(chǎng)面臨的自身風(fēng)險(xiǎn)越大。

3.4"估計(jì)金融科技創(chuàng)新風(fēng)險(xiǎn)溢出水平CoVaR

根據(jù)式（9），得到金融科技創(chuàng)新對(duì)傳統(tǒng)金融行業(yè)的風(fēng)險(xiǎn)溢出量和風(fēng)險(xiǎn)貢獻(xiàn)程度如表3所示。在95%置信水平下，金融科技創(chuàng)新對(duì)銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)的風(fēng)險(xiǎn)貢獻(xiàn)程度分別為19.798%、41.316%和34.937%。

結(jié)果表明：

（1）金融科技創(chuàng)新對(duì)銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)都具有風(fēng)險(xiǎn)溢出效應(yīng)，其中證券業(yè)受到金融科技創(chuàng)新風(fēng)險(xiǎn)溢出的威脅最大，保險(xiǎn)業(yè)居中，銀行業(yè)遭受的沖擊較小。當(dāng)風(fēng)險(xiǎn)來(lái)臨時(shí)沒(méi)有一個(gè)市場(chǎng)可以獨(dú)善其身。

（2）金融科技創(chuàng)新對(duì)保險(xiǎn)業(yè)的風(fēng)險(xiǎn)溢出比例較低，原因在于2017年4月起，保險(xiǎn)監(jiān)管部門(mén)先后發(fā)布了一系列文件治理保險(xiǎn)市場(chǎng)，說(shuō)明恰當(dāng)?shù)谋O(jiān)管能提高金融機(jī)構(gòu)和金融科技行業(yè)的穩(wěn)定性。

參考文獻(xiàn)

[1]Girardi"G，Tolga"Ergün"A.Systemic"risk"measurement："Multivariate"GARCH"estimation"of"CoVaR[J].Journal"of"Banking"amp;"Finance，2013，37：31693180.

[2]陳建青，王擎，許韶輝，等.金融行業(yè)間的系統(tǒng)性金融風(fēng)險(xiǎn)溢出效應(yīng)研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015，（09）：89100.