关于商业银行流动性风险跨市场传染的研究

摘 要

随着金融产品的不断更新换代，金融自由化的不断发展深入，各个金融机构之间的联系通过各种途径变得更加紧密，同时这也意味着发生跨市场的风险传染的可能性变得更大。因此，进一步研究跨市场风险传染，无论是出于自身稳定运行的需要，还是出于监管的要求，都具有十分重要的理论和现实意义。

本文首先阐明了商业银行流动性风险跨市场传染的途径和衡量风险传染的主要方法，然后运用SVAR模型对我国同业拆借市场、债券市场、股票市场和外汇市场进行了实证分析，在此基础上，运用脉冲响应和方差分解，探讨了不同时期内同业拆借市场对债券市场，股票市场和外汇市场跨市场风险传染的变化情况，从而得到同业拆借市场对其他市场的风险传染特点。本文的创新主要有两个方面。第一个是研究对象的创新，本文研究的时间阶段的选择了钱荒时期，股票上涨时期和股市下跌时期。由此来对比不同经济背景的背景下的商业银行流动性风险跨市场传染的变化特征，使得结果更加全面。第二个是测度方法的创新，本文将较多使用的VAR模型拓展到结构性动态模型，既SVAR模型，可以描述出各变量之间当期关系的具体形式，捕捉到模型系统内部变量之间的同期结构关系，可以更准确的刻画变量之间的相互影响关系，加强实证的效果。研究表明所有的阶段中，同业拆借市场对股票市场都为正向的影响，对债券市场都为负向的影响，对外汇市场基本都是负向的影响。

　关键词：金融市场；跨市场；风险传染；SVAR模型

　　第1章 绪论

1.1 研究背景和意义

1.1.1 研究背景

我国的历史上出现过很多因银行流动性出现了问题而使受到了惨重教训的事件。1997年的亚洲金融危机造成的恐慌导致了很多银行的倒闭。2008年的金融海啸席卷全球，使得包括银行业，证券业，信托业在内的金融机构都胆战心惊，更有需对企业接连倒闭，而这场对金融市场造成重大打击的事件正是由流动性短缺而导致的连锁反应。

我国近年来也有流动性风险跨市场传染而带来恶劣后果的案例。如2013年银行间市场爆发的的“钱荒”事件。先是光大和兴业银行传出千亿交割违约，导致各种期限的上海银行间同业拆放利率全部上涨。随后很多大型的商业银行也开始在市场上借钱，隔夜利率第一次超过了10%。很快，“钱荒”传到了股票市场，上证综指的跌幅达到了5.3%，很多股票跌停。这次的“钱荒”事件可以看出，金融市场间风险传染越来越紧密，一旦发现某个市场的流动性出现问题，很快其他市场就会被传染。

随着我国加入世贸组织和金融市场的深化，资本市场的高回报和银行间拆借市场的发展，银行信贷合作、银行证券合作等交易活动逐渐出现，银行资金的跨市场流动变得越来越容易。中国的同业拆借市场包括所有银行和非银行金融机构，部分银行的同业业务甚至超过了信贷业务。因此，为了防止出现多重复杂的情况和可能产生的严重后果，对流动性风险跨市场传染的研究变得非常重要。

国家高度重视金融市场风险，于2018年的中央经济工作会议上提出了防止金融市场出现异常波动和共振的要求。春节后，中共中央政治局于2019年2月22日举行了第一次集体学习。本次学习的主要内容集中在金融领域，要提高金融服务水平，防范金融风险。各国领导人也再次强调，金融是国家的硬实力。金融稳定与否关系到国家的安全。银行作为中国金融体系的中心，金融想要稳定活跃的发展，离不开银行的稳定。

1.1.2 研究意义

自2007年X的次贷危机爆发以来，人们对各种风险的特征和风险传染的研究越来越多，关注度也越来越提高。我国是具有中国特色的社会主义国家，发展一直有自己独特的方式，特别是在中国金融业，也有着非常鲜明的中国特色。国外关于风险传染的理论研究和成果在中国市场的适应与否还有待检验。国内对风险传染的研究主要集中在风险传染的途径、机制和度量上。因此，进一步研究跨市场风险传染，无论是出于自身稳定运行的需要，还是出于监管的要求，都具有十分重要的理论和现实意义。

1.2 国内外文献综述

1.2.1 国外研究状况

流动性风险只是单一风险，但在一定条件下，它会因传染而演化为系统性风险，这意味着流动性风险的跨市场传染必然成为宏观审慎监管的重要组成部分。由于银行业与资本市场联系非常紧密，风险很容易扩散到其他市场。国外的一些学者对这个问题进行了相关的研究。Kaufman(1996)主要解释了为什么银行更容易比其他金融市场发生风险传染,因为银行是国家金融体系的中心,与其他金融机构紧密相连, 况且银行主要业务是吸收存款,然后把钱给那些需要资金的人,处于高负债经营状态，所以一旦发生流动性危机,它可能很快影响到其他市场。Fleming J等(1998)研究X同业拆借市场、债券市场、股票市场之间的相关性，给予了他们相同的信息，最后发现相同的信息会同时影响这三个市场，但是由于交易成本、套期保值等的存在，市场间的风险传染效应却被减弱了。Flannery(2001) 他使用逆向选择模型来研究金融机构之间的关系。有钱的银行更倾向于把钱贷给风险较低的银行。然而，由于金融机构之间的信息不对称，资金出借者并不清楚对方金融机构的信用状况到底是负债还是经营良好。结果就出现了逆向选择，无论资本机构的信用状况是好还是坏，贷款人都会增加资金的借贷成本，那么信用较差的机构就会获得更多获得资金的机会，信用好的金融机构不能以较低的代价来获得所需要的资金，最终导致流动性出现问题，情况严重可能还会导致破产。Bernanke等(2005)也发现货币市场和股票市场之间存在风险传染。

关于银行业风险跨市场传染的实证研究中，Diamond等(1983)通过建立D-D模型，既银行挤兑模型来研究风险传染，同时还阐述了是由存款者预期的改变所造成了挤兑风险的出现。Gai和Kapadia(2010)利用复杂的数学模型，研究任意网络结构的传染，研究得出虽然金融市场相互传染的概率很低，但是一旦发生了相互传染，所产生的的后果是十分严重的。

关于银行风险跨市场传染途径研究中，Ahnert和Bertsch(2013)认为的传染渠道是战略不确定性和信息传染，他们认为信息采集增加了投机者间的不确定性，致使没有互相接触的投机者之间出现了风险传染。

1.2.2 国内研究状况

目前我国对各金融市场之间关系的研究主要是从两个角度展开的：一是从相关关系出发，二是从溢出效应出发。谁对货币市场和其他金融市场的影响更大以及谁在其中起主导作用的研究结果并不十分一致。有人认为，货币市场是货币市场与股票市场关系中的活跃方，货币市场对股票市场的影响是显著的。岳正坤和张勇(2014)借助向量自回归模型来研究货币市场、股市、债券市场之间的均值溢出，构建非对称的三元对角BEKK模型来研究三者之间的波动溢出，研究发现货币市场收益率对股票市场收益率具有持久性的冲击，货币市场的波动通过债券市场更容易传导至股票市场。蒋振声(2001)用了协整和误差修正模型，分析了我国同业拆借市场与股票市场的之间的动态关系，研究发现从同业拆借市场到股票市场的价格传递是灵敏的，资金流动也是迅速的。宋清华(2002)研究发现资金流从商业银行流向资本市场数量比较大，但反过来流动的数量就不是很明显。但是另一些人如张金林等(2012)基于四元VEC-GARCH-BEKK模型来研究我国金融市场间的风险溢出，结果发现股票市场是主要的风险溢出方，而货币市场对股票市场的影响较弱。赵华和麻露(2016)使用VAR模型构建出溢出指数，然后研究货币市场、股票市场、债券市场、外汇市场间的溢出效应，得到了股票市场的溢出明显大于货币市场的结论。还有一些人认为货币市场与其他金融市场之间的联动性差，不存在谁是风险净溢出方的问题。王宝和肖庆宪(2008)用了DCC-MVGARCH模型，研究了银行间同业拆借市场、债市和股市之间的动态相关性，发现银行间市场与股票市场的动态相关性并不强，他们认为是由我国金融机构管理的模式限制银行资金流向股票市场。李世泽(2012)从收益波动性的角度利用VAR模型研究了我国金融市场之间的关系，也得到类似的结论。徐青海(2014)对我国金融市场间的联动性进行了研究，主要分析了次贷危机对金融市场的影响，也得出货币市场与资本市场间风险的跨市场传染较弱的结论。

关于银行业风险跨市场传染的实证研究中，王丽英(2005)通过资金的流动，研究了银行间同业拆借市场和股票市场之间的相关性，最后得出了同业拆借市场资金的变动与证券一级市场资金的变动有关，与二级市场及其指数的资金变动无关的结论。李宗怡和李玉海(2005)运用矩阵法估计银行体系的风险传染，研究发现银行体系内风险传染的概率在逐年下降，同时同业拆借市场的风险传染正在跨市场影响其他金融机构，尤其是券商。熊正德和谢敏(2007)利用EGARCH模型来分别研究银行同业拆借市场和沪深股市之间的波动溢出，选择的变量为一周银行间同业拆借利率、上证综合指数和深证成份指数，研究发现银行间同业拆借利率受到自身滞后值和股票收益率滞后值的影响很显著，但是股票收益率受到同业拆借利率的影响不显著，而且还发现存在双向的波动溢出在股市与同业拆借市场之间。徐浩(2014)通过建立VAR和多元GARCH模型来分析同业拆借市场、债券市场、股市之间的波动溢出，研究发现股市与同业拆借市场之间的波动溢出显著。周天芸等(2014)利用非对称CoVaR模型和分位数回归的方法分析金融机构间的风险传染机制，并度量了银行、证券、保险市场间的风险溢出水平，研究表明我国金融机构间的风险溢出具有非对称性，银行业的风险溢出效应最强，但是其风险贡献程度比其他市场小，这是由于目前我国银行业较为稳定。徐映梅和徐露(2015)利用GARCH-Copula-CoVaR模型研究了银行、证券、保险、信托之间的风险传导关系，结果发现这四类市场两两之间的风险溢出是非对称的。刘慧悦(2016)构建了DCC-GARCH模型来研究国际市场的金融传染效应，结果发现传染在逐渐增强。廖东(2017)利用三元DCC-MVGARCH模型和GARCH-BEKK模型研究同业拆借市场、股票市场、外汇市场三者之间的均值溢出和波动溢出，研究发现股票市场对同业拆借市场的波动溢出是单向的。俞中等(2017)运用分位数回归和E-CoVaR模型来度量我国金融行业中的银行、证券、保险间的风险传染强度，研究发现银行业的风险传染强度比其他两类更大，然后是证券市场、保险市场。叶莉和王远哲(2019)从机构陷入困境的角度考虑，建立有向加权网络，分析我国金融市场间的风险动态关系，研究得出银行市场具有较强的风险溢出，证券业较易受到风险冲击。

关于银行业风险跨市场传染途径的研究中，杨文生(2009)以X国际集团为例来研究风险传染的路径，研究得出银行业风险以抵押贷款证券化(MBS)为媒介将风险转移给资本市场中的投资者，再利用债务担保凭证(CDO)将风险从资本市场转移回银行业，最后通过次级产品将风险从银行业传染至保险业。苗文龙(2013)通过金融各部门间的资产负债关系，研究了金融市场间的风险传染机制，以中国、德国和X为研究对象，利用Copula模型实证研究冲击传染效应，研究得出同业拆借市场、证券市场、外汇市场等因为相互之间的资产负债关系无形中形成了一个复杂网络，这些网络成为了风险传染的途径，流动性危机会通过网络快速传播，加速了风险传染，这种传染调整了不同金融市场间的波动周期，使其逐渐趋同，这会使金融市场间的风险传染变得更显著。方意(2016)构建了资产负债表关联网络模型，在风险传染的渠道研究中加入了资产负债表。

1.2.3 研究文献评述

从上述的文献综述中可以看出，对于流动性风险和风险传染的研究是比较全面的。在当前对流动性风险跨市场传染的研究中，国外学者从信息流、逆向选择模型等多个角度考虑了商业银行与资本市场的关系。国内学者主要是从三个方面进行研究：第一，在商业银行与资本市场的关系中，传染的主要溢出方到底是商业银行还是资本市场，研究结果并不十分一致。第二，流动性风险跨市场传染的实证研究方法很多，如D-D模型、GARCH系列模型、CoVaR模型、VAR系列、矩阵法、Copula系列和网络结构等，不同的方法各有利弊。第三，研究流动性风险跨市场传染方式的成果已经比较成熟。本文主要是在向量自回归模型的基础上拓展到了结构性动态模型，即结构向量自回归模型 ，用这种方法分析商业银行流动性风险的传染效应。

1.3 研究内容与方法

1.3.1 研究内容

本文综述了商业银行流动性风险跨市场传染的途径和衡量风险传染的主要方法。然后运用SVAR模型对我国同业拆借市场、债券市场、股票市场和外汇市场进行了实证分析，在此基础上，运用脉冲响应和方差分解，探讨了不同时期内同业拆借市场对债券市场，股票市场和外汇市场跨市场风险传染的变化情况，从而得到同业拆借市场对其他市场的风险传染特点。

1.3.2 研究方法

本文采用了理论与实证分析相结合的研究方法。通过理论分析和文献研究，了解流动性风险传染的研究现状，并对传染渠道和测度方法进行考察，在理论分析的基础上，采用SVAR模型，利用SVAR模型得到脉冲响应和方差分解的结果，实证检验我国商业银行流动性风险跨市场传染的特征。

1.4 主要工作和创新

本文的主要工作是构建SVAR模型对我国同业拆借市场、债券市场、股票市场和外汇市场进行实证分析，并且在此模型基础上运用了脉冲响应和方差分解的方法，分析了分别在货币短缺时期、股市上涨时期和股市下跌时期同业拆借市场对债券市场、股票市场、外汇市场的跨市场风险传染的变化情况和特性。

本文的创新有以下几点：

（1）研究对象的创新。对风险传染的研究主要集中在次贷危机和其他重大金融危机上。而本文的研究对象中纳入了2013年的钱荒时期，分析了流动性风险的跨市场传染，在此之前对其相关研究和实证分析较少，同时也纳入分析了2015年牛市行情。加上了这些特征明显且起伏较大的时期，就可以更容易发现不同时期商业银行流动性风险跨市场传染的变化特征，充实了实证的内容，也使得实证结果更加全面。

（2）测度方法的创新。风险传染的测度方法一般主要是向量自回归模型、GARCH 系列和 Copula 系列等，而本文将一般的向量自回归模型拓展到经济金融领域经常用到的结构性(Structural)动态模型，即结构向量自回归模型(SVAR) 。结构向量自回归模型可以捕捉模型系统内各个变量之间的即时性结构性关系。

1.5 论文的基本框架

第一部分是绪论。首先，介绍了本文的研究背景和意义。然后对国内外的研究成果进行了总结和评述，找出了本文的研究重点和创新点，并对本文的研究内容、方法和基本框架进行了说明。

第二部分是商业银行流动性风险传染的途径和测度方法。首先分析了商业银行流动性风险的跨市场传染途径，包括信息途径传染、支付结算系统传染、金融产品传染和市场主体传染。然后介绍了风险传染的度量方法，包括向量自回归模型系列、Granger因果关系检验法、溢出指数法、自回归条件异方差模型系列和Copula系列。

第三部分是我国商业银行流动性风险跨市场传染的实证分析。首先是论述了数据和变量选择的原则，然后进行了实证分析，包括变量处理和描述性统计、平稳性检验、模型的最后滞后阶数、模型的平稳性检验、脉冲响应和方差分解，最后得出了商业银行流动性风险跨市场传染的特征。

第四部分是商业银行流动性风险跨市场传染的防范对策。主要从以下几个方面提出建议:要构建有效的风险预警指标;加强对金融创新产品的监管;疏通跨市场资金流动渠道;完善存款保险制度。

第2章商业银行流动性风险传染的途径和测度方法

本章主要介绍了我国商业银行流动性风险跨市场传染的途径以及一些主要的风险传染的测度方法，并对其进行评价。

2.1 商业银行流动性风险跨市场传染途径

2.1.1信息途径传染

存款人和银行之间存在着严重的不对称。存款人无法对银行的经营状况做出合理、全面的分析。当市场出现问题时，没有标准和合法的渠道给出答案;当然，银行对存款人的了解并不一定是完整的。因此，当某些银行出现“钱荒”时，信息不对称的存款人会对自己所在的银行的经营产生怀疑，从而出现挤兑现象。同时，理性的存款人会做出正确的判断，但是因为存款人和存款人之间也存在着不对称，为了避免自己的财产损失，这些理智的存款人也会去银行部分挤兑，这就造成了银行在良好经营状况下的流动性问题，进而影响到资本市场的资金流动。银行类机构的资产结构和运行方式具有极强的相似性，所以当一家银行出现问题时，存款人就会担心自己所在的银行也会出现这种问题，于是便会去取出存款，从而引发挤兑现象。王怡和李红刚（2012）采用羊群效应模型研究了储户与银行以及储户与储户之间由于信息不对称导致了挤兑现象的发生，从而引发风险传染。

2.1.2支付结算体系传染

支付结算系统是整个金融业资本流动的渠道，覆盖着所有银行，连接资本市场、货币市场等资本聚集地。一旦某个节点出现问题，就有可能产生非常严重的后果，甚至导致金融体系瘫痪。支付结算系统为人们的交易提供了便利的同时，也无意间为风险传染提供了通道。如果一家银行因流动性问题无法满足客户的支付要求，而其他银行也知道这种情况，他们可能会因为自保而在该银行提取原来存储的资金，这使得原本就流动性不足的银行雪上加霜，并且滞后可能会出现连锁挤兑，从而影响资本市场。Acharya 和 Bisin（2014）发现如果支付结算系统中只有一个共同对手方，则可以大大减小系统性风险。

2.1.3 金融产品传染

近年来，随着金融创新的不断发展，金融业混业经营不断扩大，出现了大量金融产品，金融体制改革也逐渐完善。金融产品是连接着银行间拆借市场、股票市场、债券市场、外汇市场和货币市场的各个环节的一个纽带，已成为了跨市场风险传染的新载体。以理财产品为例，以往的市场上的理财产品大多是固定收益的产品，2017年11月发布的《关于规范金融机构资产管理业务的指导意见（征求意见稿）》正式要求金融机构打破刚性兑付，实现资产管理产品的净值管理。净值产品出现后，发行人为了提高产品的收益，可能会加大对高风险高收益产品的投资。一旦行情不好，投资者进行赎回，就可能造成银行流动性不足，进而的风险再会蔓延到其他市场。

2.1.4市场主体传染

商业银行流动性风险跨市场传染主要途径是同业拆借市场。2007年7月中国人民银行发布了《同业拆借管理办法》，规定16类可以进入同业拆借市场的金融机构。通过同业拆借市场，金融机构之间互相连接成一个大的网络，形成复杂的债权债务关系，同时大部分的非银行金融机构是可以进行股票和债券的投资，这就造就了同业拆借市场成为了风险跨市场传染的主要渠道。例如一家银行经营不善，通过同业拆借网络传导到了资本市场，最终造成风险的跨市场传染。吴晓求等（2001）研究发现银行信贷资金进入股市的通道有以下几条：一是证券公司依靠股票质押贷款获得资金，二是企业把银行贷款投入股市，三是基金和证券公司依靠同业拆借市场获得资金，四是个人贷款及其他。

2.2风险传染的测度方法

2.2.1VAR系列

VAR 模型（向量自回归模型）由Christopher Sims于1980年提出，是是AR模型的推广。它是不带有任何事先约束条件的用模型中所有当期变量对所有变量的若干滞后变量进行回归来估计联合内生变量的动态关系。后来人们又创新出 SVAR（结构向量自回归）和 TVP-VAR（时变系数向量自回归）等。SVAR加入了变量的当期值和实际经济理论的约束，克服了VAR的缺陷， TVP-VAR 是让回归系数发生变化。蒋晓川（2018）建立 TVP-VAR 模型来研究证券市场、房地产市场和货币供应量的联动关系，研究表明，长期来说房地产市场对证券市场有负面影响。

2.2.2 格兰杰因果检验法

在传染的研究中，如果两个变量经检验有格兰杰因果关系，那么就可以认为他们之间可能存在风险传染。Gómez-Puig 和 Soszilla-Rivero（2014）用格兰杰因果检验法来研究欧洲 11 国国债市场的风险传染问题。曲昭光和陈春林（2017）运用向量自回归和格兰杰因果检验法研究金融控股集团子公司的风险传染，发现银行类的子公司相较于其他类型的公司之间风险传染更强。但是格兰杰因果检验法只能用来刻画线性关系，不能测度金融市场间的非线性关系，因此检验结果会有一定偏差。

2.2.3溢出指数法

溢出指数法最早是由 Diehold 和 Yilmaz（2009）提出的，是基于 VAR 模型，利用方差分解提取出一个指数用来量化风险传染的大小，他们在全球股票市场上应用这种方法度量金融资产的收益溢出和波动溢出。结果发现收益溢出有一个缓慢增长趋势、没有突变，但是波动溢出没有趋势、有突变。但是这种方法有一个缺点就是 VAR 模型中变量次序改变会导致结果不同，于是 Diehold 和 Yilmaz（2012）对这一方法进行改进，提出更一般的溢出指数，用一般化 VAR 处理法来解决变量次序变化所引起的问题。用这种方法他们研究了X股市、债券市场、外汇市场以及商品市场之间的波动溢出。

2.2.4GARCH系列

ARCH模型全称自回归条件异方差模型，解决了传统的计量经济学对时间序列变量方差恒定所引起的问题。GARCH模型是ARCH模型的拓展，被称为广义ARCH模型，由Bollerslev(1986)发展起来的，他可以度量单一市场的波动，但是不能去研究跨市场的风险传染。后经过众多学者的努力，GARCH 模型扩展到了多元GARCH ，逐渐有了DCC-GARCH、VEC-GARCH、BEKK-GARCH等。Chiang 等（2007）运用亚洲 9 个国家的股票市场数据构建 DCC-GARCH 模型，研究发现在1996-2003 年之间确实发生风险传染。

2.2.5Copula系列

Copula 函数是在 1959 年由 Sklar 提出的，又叫连接函数，可以将联合分布函数和边缘分布函数连接在一起，能够十分恰当的描述变量之间的非线性关系，也可以对变量间的尾部相关性进行研究。近年来随着许多学者的不懈努力，Copula 函数已经发展成为一个大家族，主要分为两类：一是椭圆分布族，包括正态 Copula、t-分布 Copula（反映上下尾对称的相依结构）等；二是阿基米德分布族，主要有 Gumbel（用于描述上尾具有极强相依结构的现象）、Frank、Clayton（用于描述下尾具有极强相依结构的现象）和Joe Copula，可以使多变量研究转化为单一变量的研究。还有一些其他的形式比如机制转换 Copula。张庆和杨坤（2017）时变 Copula研究了人民币和美、日、欧元之间的关系。Kenourgios 等（2011）运用机制转换 Copula 研究发达国家和金砖国家之间的风险传染。陈思柳（2018）构建了 MRS Copula 来研究沪港股市间的相依关系并与普通的时变 Copula 模型进行对比，发现 MRS Copula 能够更好的刻画沪港股市的尾部相关性。

2.3小结

本章主要介绍了商业银行流动性风险跨市场传染的途径以及国内外一些迄今为止常用的风险传染的测度方法。首先本文归纳了我国商业银行流动性风险跨市场传染的四大主要途径，包括通过信息途径传染、支付结算体系传染、金融产品传染和市场主体传染。接下来介绍了几个主要的风险传染的测度方法，包括向量自回归模型系列、格兰杰因果检验法、溢出指数法、自回归条件异方差模型系列和Copula系列，并且评价了各自的优缺点。

　第3章 商业银行流动性风险跨市场传染的实证分析

3.1数据和变量选择

本文主要研究股票市场、债券市场、外汇市场收到同业拆借市场的流动性风险传染，选取四个变量，分别是沪深300指数、中证全债指数、人民币兑美元汇率以及银行间同业拆借利率，样本区间选择2013年1月到2016年5月。这样选择时间的原因是这个区间内包括了三个时期：钱荒时期、股市上涨时期以及股市下跌时期。

沪深300指数选取沪深300强个股作为样本。指数行业的分布与市场行业基本一致。故选择沪深300指数来代表股市。中证全债指数是中证指数公司编制的跨市场债券指数，综合反映了银行间债券市场和沪深交易所债券市场。选择中证全债指数作为债券市场的代表。美元是世界货币，亦是我国的主要外汇储备，美元的变动对我国外汇市场会产生很大影响，所以选择人民币兑美元汇率来代表外汇市场。上海银行间同业拆借利率SHIBOR有隔夜、一周、两周、一个月、三个月、六个月、九个月和一年的利率，隔夜银行拆借利率太短，而流动性不足一般是一个短期事件，会迅速的波及到其他市场，故本文选择一周的银行间同业拆借利率作为研究的对象。本文选择了四个市场同时交易的数据，数据来自同花顺财经、英为财情、上海银行间同业拆放利率官网。

3.2实证分析

为了研究商业银行流动性风险跨市场传染，本章选取了2013年1月至2016年5月的时间区间，此区间包括了三个时期，分别为2013年1月—2013年12月的钱荒时期、2014年6月—2015年6月的股市上涨时期、2015年7月—2016年5月的股市下跌时期，中间没有选择的区间是股市变化不明显的时间段。然后再对其进行平稳性检验、脉冲响应、方差分解来研究同业拆借市场与其他三个市场的关系。

3.2.1 变量处理与描述统计

将人民币对美元汇率（rmb）、沪深300指数（hs300）和中证全债指数（zzqz）换算成收益率，换算公式为R=ln（Rt/Rt-1），其中Rt为当期值，Rt-1为滞后一期的值。换算之后与银行间同业拆借率（shibor）均为收益率形式。

表3-1 第一阶段描述性统计

表3-2 第二阶段描述性统计

表3-3 第三阶段描述性统计

上述描述性统计表中，可知RHS300、RRMB、RZZQZ和SHIBOR四个变量的均值、标准差、极值、偏度值、峰度值以及JB统计量等。从偏度值>0,、且峰度值>3（第二阶段SHIBOR除外），可知序列均呈现出“右偏、瘦高”的分布形态。

3.2.2 平稳性检验

分别对RHS300、RZZQZ、RRMB和SHIBOR序列进行ADF检验，其结果如下所示：

表3-4 第一阶段ADF检验表

表3-5 第二阶段ADF检验表

表3-6 第三阶段ADF检验表

通过ADF检验表可知，第一阶段中SHIBOR序列的t检验值为-3.656925，对应的显著性P值为0.0054，小于0.05，表示拒绝存在单位根的原假设，说明序列SHIBOR不存在单位根，即该序列为平稳序列。同理可知，第一阶段的RZZQZ、RRMB和RSH300均为平稳序列。第二、三阶段的SHIBOR的一阶差分项、RZZQZ、RRMB和RSH300均为平稳序列，因此可用平稳序列建立SVAR模型。

3.2.3 模型的最优滞后阶数

本次模型是通过Eviews10.0来实现的SVAR模型分析，其默认滞后解释为滞后2期，通过lag structure criteria来确定最终的滞后阶数为最优（LR、FPE、AIC、SC、HQ等项的星号*最多）。最终第一、二、三阶段模型最优滞后阶数均为1期，其结果如表所示。

表3-7第一阶段最优滞后阶数检验表

表3-8 第二阶段最优滞后阶数检验表

表3-9 第三阶段最优滞后阶数检验表

3.2.4 模型的平稳性检验

只有平稳的SVAR模型才是具有经济学意义的，通过检验模型的AR特征根的倒数的模是否小于1，可验证模型是否稳定，验证结果如图所示。

　　图3-1 第一、二、三阶段模型的AR特征根倒数的单位圆图示

通过上述第一、二、三个阶段模型的AR特征根倒数的单位圆图示可知三个模型的AR特征根的倒数的模均在单位圆内，因此三个模型均是平稳的，具有一定的统计学意义。

3.2.5 脉冲响应

　　图3-2 第一阶段的RHS300、RRMB、RZZQZ脉冲响应图

第一阶段中，分别给RSH300、RZZQZ和RRMB一个标准差的SHIBOR的正向冲击，RRMB和RSH300均在当期作出逐渐增大的正向响应，并在第二期达到响应最高值，第二至第十期两者的响应程度保持正向的缓慢降低；RZZQZ受一个标准差的SHIBOR的冲击后立即作出负向的响应关系，至第四期时负向影响达到最高值，之后基本保持不变。

　　图3-3 第二阶段的RHS300、RRMB、RZZQZ脉冲响应图

第二阶段中，分别给RZZQZ、RRMB和RSH300一个标准差的DSHIBOR的正向冲击，RZZQZ当期立即做出负向的响应，在第二期时达到负向最大，接着负向响应逐渐降低，在第七期之后响应程度逐渐为0；RRMB和RSH300均在当期作出逐渐增大的正向响应，并在第二期至第四期响应值逐渐降低为0。

　　图3-4 第三阶段的RHS300、RRMB、RZZQZ脉冲响应图

第三阶段中，分别给RZZQZ、RRMB和RSH300一个标准差的DSHIBOR的正向冲击，RZZQZ当期立即做出最大的负向响应，之后响应程度逐渐降低，至第四期后趋于0；RRMB在当期作出逐渐增大的正向响应，并在第二期达到响应最高值，在第二期至第四期响应值逐渐降低为0；RSH300在当期作出最大的正向响应，之后响应程度逐渐降低，至第四期后趋于0。

3.2.6 方差分解

表3-10 方差分解表

从方差分解可知，随着期数的增加，RZZQZ、RRMB、RHS300变动方差由SHIBOR或DSHIBOR引起的部分逐渐增加，均在第十期达到峰值。第一阶段中，同业拆借市场对股票市场影响最大，为1.322%，对外汇市场影响最小，为0.196%；第二阶段中，同业拆借市场对债券市场影响最大，为0.768%，对股票市场影响最小，为0.33%；第三阶段中，同业拆借市场对股票市场影响最大，为2.265%，对债券市场影响最小，为0.104%。

3.3 小结

本章构建了SVAR模型来研究商业银行流动性风险的跨市场传染，选取了沪深300指数，中证全债指数，人民币兑美元汇率和上海银行间同业拆放利率的数据来分别代表股票市场，债券市场，外汇市场和同业拆借市场，然后再进行脉冲响应和方差分解，最后得到了同业拆借市场对其他三个市场的传染特征。研究发现：第一，所有的阶段中，同业拆借市场对股票市场都为正向的影响，且在除股票上涨的阶段中，受到的影响要大于债券市场和外汇市场。第二，所有的阶段中，同业拆借市场对债券市场都为负向的影响，且在股票上涨阶段收到的影响是三个阶段中最大的。第三，所有的阶段中，同业拆借市场对外汇市场基本都是负向的影响，且在钱荒时期收到的影响是三个市场中最小的。

　第4章 商业银行流动性风险跨市场传染的防范对策

银行间拆借市场与资本市场的联系正变得越来越紧密，这意味着风险传染的渠道越来越多，风险也越来越容易传染。本章的主要为维护金融稳定提出相应的风险防范建议。

4.1 构建有效的风险预警指标

从前文可知，银行流动性危机容易蔓延到另一个市场，扩大其影响，造成严重后果，因此非常有必要构建一个有效、科学、合理的预警指标。如果能够构建一个有效的风险预警指标，可以在流动性危机大规模爆发前对市场产生预警作用，使金融机构，央行和监管机构可以提前应对，采取相应措施，那么就可以防止流动性问题大规模爆发，减少公众损失。

4.2 加强对金融创新产品的监管

金融市场的快速发展和金融创新的自由化，使得金融产品的升级换代步伐的不断加快，银行业也开始了对金融产品的创新，使投资者在理财上有更多的选择权，对金融产品的监管变得更加重要。但由于政策具有滞后性，政策出台速度往往跟不上产品升级的速度，监管存在灰色地带。因此，监管部门首先要加强对金融市场的重视程度，引进走在时代前沿的监管人才，注重多个市场、多个部门的联合监管，特别是要重视协调配合中央银行、银监会、证监会，建立完整、快捷、高效的监管体系，尽可能缩小监管的灰色地带。并且要严格监管发行创新金融产品的金融机构，规范产品生产流程，严格控制风险。

4.3 疏通跨市场资金流动渠道

金融机构长期以来分业经营，阻碍了资金的跨市场流动，一些监管外的流通渠道自然而然的出现。而其中可能有风险未知的大量资金流动，因此一旦资金流动出现问题，风险也会接踵而至。为此，可以通过两种方式来疏通资金流动的渠道，使资金的流动冰的更加透明。一是扩大同业拆借市场的准入机构的范围，二是机枪对准入机构质量的检测。只有市场高度关联，才能实现资源的有效配置，才能从根本上降低风险蔓传染的可能性，从而保证金融体系的安全。

4.4 完善存款保险制度

银行业是我国金融体系的核心，与每个人都有着非常紧密的关系。但是如果银行流动性出现问题的消息在群众中传播开，人们害怕自己的利益受到损伤，为了减少自己损失，便纷纷去银行挤兑，这使得原本流动性就不足的银行用更高的成本去获得流动性，银行的压力就会变得更大，甚至可能濒临破产，随之而来的是与该银行有债权债务关系的机构也被此波及，导致了流动性风险跨市场传染。解决该问题的方法是存款保险制度，它保护了储户的利益，最高赔付额为 50 万，增强了储户对银行的信心，那么在银行流动性出现问题的消息传出后，就不会有很大量的人去挤兑，从而大大减少了银行的压力，使得恶性循环停止在初始阶段。存款保险制度可有效提升金融系统的安全性，降低金融风险，保持金融秩序的稳定，推动银行业适度竞争，所以应该加强完善存款保险制度，维护金融稳定。

4.5 小结

本章就如何防范流动性风险的跨市场传染提出了相应的对策建议：要构建有效的风险预警指标；加强对金融创新产品的监管，严要求才能出好产品；疏通跨市场资金流动渠道，让资金流动透明化；完善存款保险制度，降低风险传染的可能性。

　第5章 结论与展望

5.1 结论

自2000年以来，信息技术飞速发展，互联网金融、比特币等新兴事物层出不穷，国际之间的联系也越来越紧密，中国金融市场也受到了很大影响，金融创新不断加快，竞争也越来越激烈。我国金融业虽然是分业经营，但随着经济的发展，银行也需要大量的资金流，在资本市场高收入的吸引下，银行开始与其他金融机构合作开展金融创新，与其他金融机构的关系也变得更加密切。联系紧密当然是好现象，但凡事都具有两面性，联系紧密的同时也为风险传染创造了条件，使风险更容易传染，一旦发生银行流动性危机，它很快就会传染到其他金融市场，因此很有必要对商业银行流动性风险的跨市场传染进行研究。这不仅有利于银行自身战略的调整，也有利于监管部门建立银行业跨市场流动性风险传染的防范机制，防范银行体系跨市场的风险传染。

本文首先对商业银行流动性风险传染进行了研究，总结了流动性风险跨市场传染的途径和衡量风险传染的主要方法。然后运用SVAR模型对我国同业拆借市场、债券市场、股票市场和外汇市场进行了实证分析。在此基础上，运用脉冲响应和方差分解方法，探讨了银行间拆借市场、债券市场、股票市场和外汇市场在不同时期的跨市场风险传染变化情况。

研究发现，纵观钱荒，股市上涨，股市下跌三个时期，同业拆借市场对股票市场的正向冲击在股市下跌时期最大；对债券市场的负向冲击在钱荒时期最大；对外汇市场的负向冲击在股市下跌时期最大。分别分析三个时期，在钱荒时期，同业拆借市场对股票市场的影响要大于其他两个市场；在股市上涨时期，同业拆借市场对找齐全市场的影响要大于其他两个市场；在股市下跌时期，同业拆借市场对股票市场的影响要大于其他两个市场。

5.2 展望

创新和国际化将世界联系起来，同时这样也造就了金融机构被越来越多的利益所吸引，风险传染也就更有可能会发生，所以对风险传染的研究也越来越重要。但由于自身的学术水平有限，商业银行流动性风险跨市场传染的其他可能性以及如何更好地防范流动性风险跨市场传染仍存在许多不足，有待进一步研究。

参考文献

[1] 方意．系统性风险的传染渠道与度量研究——兼论宏观审慎政策实施[J]．管理世界（月刊），2016(8)：32-57．

[2] 蒋振声，金戈．中国资本市场与货币市场的均衡关系[J]．世界经济，2001(10):32-35．

[3] 李世泽．基于VAR模型的我国主要金融市场间波动性的关系研究[J]．财务与金融，2012(1)：14-20．

[4] 李宗怡，李玉海．我国银行同业拆借市场“传染”风险的实证研究[J]．财贸研我国商业银行流动性风险跨市场传染研究究，2005，(06):51-58．

[5] 廖冬．股市、汇市和货币市场的互动关系研究[D]．暨南大学，2017．

[6] 刘慧悦．基于DCC-GARCH模型的新兴市场金融传染效应检验[J]．统计与决策，2016(12)：151-155．

[7] 苗文龙．金融危机与金融市场间风险传染效应——以中、美、德三国为例[J]．中国经济问题，2013(03):89-99．

[8] 宋清华．与资本市场的资金互动性分析[J]．证券市场导报，2002(07):4-10．

[9] 王宝，肖庆宪．我国金融市场间风险传染特征的实证检验[J]．统计与决策．，2008(11):78-79．

[10] 王丽英．我国银行同业拆借市场资金变动对股票市场影响的实证分析[J]．当代经济研究，2005(03):49-53．

[11] 熊正德，谢敏．中国利率与股市间波动溢出效应的实证研究[J]．财经理论与实践，2007(01):46-50．

[12] 徐浩．银行间同业拆借市场与股票市场、债券市场相关性的实证研究[D]．华中师范大学，2014．

[13] 徐清海，贺根庆．基于DCC-MVGARCH模型的中国金融市场联动性分析[J]．金融理论与实践，2014(07):20-24．

[14] 徐映梅，徐露．中国金融业跨市场风险测度与分析——基于GARCH-Copula-CoVaR模型[J]．统计与信息论坛，2015(4)：28-32．

[15] 杨文生，汪洋．银行业风险向保险业传递的路径研究[J]．统计与决策，2009(15):126-129．

[16] 叶莉，王远哲．机构困境关联下风险溢出网络研究——基于我国上市金融机构的实证[J]．金融理论与实践，2019(1)：60-67．

[17] 俞中，佟孟华，邢秉昆．我国金融市场间风险传染与系统性风险溢出效应——基于银行、证券、保险市场的E-CoVaR模型分析[J]．上海立信会计金融学院学报，2017(5)：5-14．

[18] 岳正坤，张勇．货币市场、债券市场对沪深300指数溢出效应的实证研究[J]．宏观经济研究，2014(03):100-108．

[19] 张金林，贺根庆，王伟．中国金融市场间风险溢出效应的实证研究——基于四元VEC-GARCH(1,1)-BEKK模型[J]．中央财经大学学报，2012(07):26-31．

[20] 赵华，麻露．中国金融市场的时变信息溢出研究[J]．财贸研究，2016(5)：19-29．

[21] 钟永红，王其发．我国金融市场动态关联性研究——基于货币市场、股票市场、外汇市场日度数据的实证分析[J]．价格理论与实践，2015(10)：96-98．

[22] 周天芸，杨子晖，余洁宜．机构关联、风险溢出与中国金融系统性风险[J]．统计研究，2014(11):43-49．

[23] Bernanke B S et al．What Explains the Stock Market’s Reaction to Federal Reserve Policy[J]．Journal of Finance,2005,(3):1221-1257．

[24] Diamond et al．Bank Runs, Deposit Insurance, and Liquidity[J]．The Journal of Political Economy,1983,(2):401-419．

[25] Fleming J et al．Information and volatility linkages in the stock, bond, and money markets1[J]．Journal of Financial Economics,1998,(1):111-137．

[26] Gai Pet al．Contagion in Financial Networks[J]．Journal of Royal Society,2010:2401-2423．

[27] Kaufman G．Bank Contagion: A Review of the Theory and Evidence[J]．Federal Reserve Bank of Chicago Working paper,1996,(1)．

致 谢

转眼间，大学的学习生涯就要结束了，过去四年的生活就像电影一样一幕一幕在我的脑海里重现。大学带给了我很多，不仅带给我更加充实的知识体系，更加严谨的学习态度，更带给了我一群活泼可爱、阳光向上的同学，认真负责、和蔼可亲的老师。他们的存在让我的大学生活变得快乐而有意义。

首先我要感谢我的导师。老师在生活上温暖可爱，就像朋友一样和同学相处，彼此之间没有很大的代沟，平时在校园里碰见也总是面带微笑，亲切的和同学们打招呼。她面对任何学术的任务问题都非常严格，依稀记得大一刚入学时我们去给老师交一份自己的文件，当时的我们处理事情非常马虎，不严谨，很多人的排版都有问题，甚至在文件中还有很多的错别字，老师看了之后，严肃的批评了我们，又耐心的说明了问题，让我们全部重新改好再交给她，并告诉我们上了大学和原来就不一样了，要为自己的行为负责。这句话让我受益匪浅，陪伴着我，影响着我，走过了我大学的四年。我的论文从选题开始也离不开老师的指导，她帮我认真订正错误，润色言语，修改逻辑，才有了现在这边论文的成品，再次感谢李老师。

其次我要感谢的是教给我学科的老师们。老师们都有非常丰富的知识储备，良好的沟通能力，强烈的责任心。课前认真备课，课堂上认真讲解，课下耐心解疑。一锹挖不成水井，一天盖不成罗马城，正是老师们悉心教导为我奠定了知识的基础和框架，才使我能够顺利的完成这篇论文。

然后我要感谢我的同学们。在课堂上同学们认真听讲，积极回答问题，带动了整个课堂的学习氛围，有了他们才使得课堂变得有趣，在课下同学们互帮互助，帮助彼此解答了很多课堂上没有听懂的问题，还组织各种活动，使同学们的课余生活丰富多彩，有了一个更加健康积极的大学生活。

我还要感谢我的母校山西财经大学。学校的教学楼，学校的食堂，学校的操场，学校的图书馆，学校的一花一木，这一切在我的心中烙下了深刻的记号，我将永远为我是山财人而骄傲。

最后我要感谢我的父母。他们为我提供了一个和谐有爱的家庭环境，是我坚强有力的后盾，正是他们的支持和鼓励才使我选择了我心爱的学校和专业，并顺利的没有忧虑的完成了学业。

修德立信，博学求真。这八字校训将在今后的生活中激励着我，监督着我，不让自己的人生留下遗憾。

关于商业银行流动性风险跨市场传染的研究

价格 ¥9.90 发布时间 2023年5月20日

下载查看全文内容

已付费？登录 或 刷新