基于潜伏因子模型分析的新兴市场国家金融传染效应研究

张 一，吴宝秀

(东北大学 工商管理学院,辽宁 沈阳 110819)



基于潜伏因子模型分析的新兴市场国家金融传染效应研究

张 一，吴宝秀

(东北大学 工商管理学院,辽宁 沈阳 110819)

构建了基于资本资产定价模型为基础的潜伏因子模型对金融危机传染效应进行分析，将引起市场收益率波动的因素分解为“共同因子”，“特质因子”和“传染因子”，同时采用迭代累计平方和算法内生性地对金融危机演化的不同阶段进行了时间上的划分.以2008年全球金融危机期间4个主要新兴市场国家的股票市场为对象进行了实证研究，结果表明这些国家均遭受到了不同程度的传染，其中中国和巴西受到的传染较弱，而印度和俄罗斯受到的传染较强.

金融危机传染；传染因子；潜伏因子模型；迭代累计平方和算法

1 引 言

自20世纪80年代以来，金融危机频繁发生.金融危机所表现出的传染性越发强烈，一次局部性的金融事件都可能通过金融市场的耦合作用被逐级放大，最终演变为全球性的金融市场动荡，给金融市场造成了严重的破坏.所以，寻找出有效的数量分析方法来对金融危机的传染效应进行刻画，建立金融危机的预警和防范机制具有重要的理论价值和现实意义.

在金融危机传染的实证研究上，Bekaert和Harvey对不同金融市场建立双因素资产定价模型，研究欧洲、东南亚和拉丁美洲股票市场收益率相关系数，证实危机从金融贸易渠道的传染[1].Fasika等使用面板条件概率模型对37个发达和新兴市场经济体季度数据进行分析，认为贸易比其他渠道的影响更重要[2].我国学者韦艳华和齐树天采用Copula理论研究在2008年爆发的越南金融危机对周边亚洲新兴市场的风险传染效应[3].杨柳勇和周强考察了跨国金融机构在金融危机传染过程中的作用，结果表明资产证券化和国际金融市场的存在提升金融市场效率的同时也扩大了市场流动性风险，短期资产价格波动可能导致挤兑现象，引发金融市场系统性风险[4].汪素南和潘云鹤采用小波分辨方法对美国、香港及沪市的波动溢出进行了检验，发现美国股市对香港股市有显著的溢出效应，但沪市的波动则独立于两市[5].游家兴运用非对称多元GARCH模型捕捉中国与亚洲、欧美7个重要的资本市场资产价格的动态条件相关系数，从收益率传染的角度对中国经济一体化进程与金融危机传染二者之间的内在关联机制进行计量分析[6].

本文沿用目前学术界广为接受的对于金融危机传染的定义方法，将其理解为“不能被基本面所解释的资产价格运动的过度协同”，即Masson所谓的“净传染”[7].并以2008年全球金融危机为背景，选取全球主要新兴国家市场为对象进行研究，检验传染效应的存在.采用基于经典的资本资产定价模型所衍生出的潜伏因子模型构建计量模型，定量刻画金融危机传染的强度.同时，为了避免在划分金融危机起止时间上的主观性，采用基于迭代累积平方算法内生性的对金融市场的演化阶段进行了确定.

2 模 型

潜伏因子模型是由资本资产定价模型(CAPM)衍生出来的一种对金融资产收益率序列进行刻画的方法.对于个金融资产，其观测的金融资产收益率序列yi,t，在金融市场的平稳期可将其表示为

yi,t=λiwt+δiui,t；i=1,2,…,N．

(1)

式中，wt表示对所有市场收益率均会影响的共同因子，ui,t为只对具体的某一市场起到影响作用的特质因子，t代表时间，λi和δi分别为共同因子和特质因子的因子载荷.wt和ui,t均为具有零均值和单位方差的潜伏随机过程，wt～i.i.d(0,1)，ui,t～i.i.d(0,1)，且相互正交，E[wtui,t]=0，对应不同市场间的异质因子协方差矩阵为0，E[ui,tuj,t]=0(i≠j).

因此，对于金融危机爆发前的市场平稳期间，yi,t的方差协方差矩阵可以表示为

(2)

E[yi,yi]=λiλj(i=1,2,…,N)，∀i≠j．

(3)

假设某一时刻金融危机在第一个市场爆发，则将对第一个市场产生特质冲击，在金融危机持续期内，该市场产生的金融危机将会向其他市场发生传导，进而影响另一个市场的资产收益率.所以，可以将金融危机持续期间市场的收益率表示为

y1,t=λ1wt+δ1u1,t,

(4)

yi,t=λjwt+δju2,t+δ1,ju1,t(j=2,…,N)．

(5)

若在金融持续期间不同市场间还存在着交叉传染，则式(5)和式(6)可进一步扩展为

(6)

因此，对于金融危机传染的检验转化为对载荷因子φi,js的统计检验显著性上，若φi,js显著地不为0，则表明了传染效应的存在.

在金融危机持续期间，式(7)yi,t的方差可表示为

(7)

则可将引起yi方差变化的因素分解为“共同因子”“特质因子”和“传染因子”，其方差贡献率分别为

(8)

式(9)给出了通过方差贡献率来衡量金融危机传染强度的数量方法.由此可见，潜伏因子模型不仅可以提供金融危机传染的证据，还可以对金融危机传染的强度进行定量的刻画.其中，“共同因子”代表了对所有市场均起到影响的因素，可以理解为是市场之间相互依赖关系的体现，“特质因子”则代表了只对某一特定市场起作用的特质因素，“传染因子”代表了金融危机的“净传染”效应，是不能被经济基本面所解释的市场间资产价格运动的过度协同.

3 数据选择及模型设定

3.1 ICSS算法决定危机窗口

由于对金融危机传染效应的检验结果高度依赖于对金融危机持续窗口的时间划分，故对金融危机起止时间的确定尤为重要.以往的研究中，大多采用时变相关系数法检验金融危机传染效应，对危机时间窗口往往是采用定性的分析方法进行划分，带有较强的主观性和随意性，由此也导致了结论的主观性.本文采用迭代累计平方和算法(ICSS)监测资产收益率方差的突变点，从而内生性地对金融危机起止阶段进行划分.假定在市场的初始平稳阶段收益率序列具有固定方差，当市场遭受外部冲击后收益率序列方差将出现突变点然后恢复稳定一直到出现下一个突变点，ICSS算法能够有效地识别这些突变点，从而可将金融市场的演化阶段进行划分.

(9)

为了有效地估计出方差突变点的个数及所对应的具体时间点，Inclan和Tiao[9]给出了检验统计量Dk：

(10)

当Gk*的值位于置信区间之外时，拒绝“不存在突变点”的原假设.本文选择统计显著度α=5%，此时对应的Gk*临界值为1.406.

3.2 模型设定

实证研究中基于前文模型(5)和(6)对金融危机的传染效应进行研究.2008年的次贷危机首先爆发于美国，并继而向其他市场进行蔓延.为了取得更为精确的结果，检验金融危机对4个新兴市场国家的传染效应.在包括传染源美国市场的前提下，共包含15个矩条件，故共有5个λs和δs.因此，最多可确定5个传染渠道.在实际设定中，定义了4个传染渠道从美国到其他4个国家并通过设定附加参数检验共同因子的突变点，具体模型为

(11)

式中，I为示性函数，在金融危机期间值为1，否则为0.对于模型(11)中的参数，采用广义矩估计法进行估计，对于金融市场的平稳期，各组数据间的方差-协方差矩阵结构如式(3)和(4)所示，对于金融市场危机期间，市场间的方差协方差矩阵可表示为

美国市场的方差为

其他市场的方差构成为

美国市场与其他市场间的协方差矩阵为

其他市场间的协方差矩阵为

以上对于方差贡献率的结算结果不仅可以证明金融危机传染现象是否存在，同时还可以衡量金融危机的传染强度.在检验模型的设定是否有效时，对式(12)加以不同的约束条件，并采用Hansen’sJ·test方法来检验模型在当前约束条件下是否成立.令J=TQ，T为样本容量，Q为GMM估计的目标函数值的计算结果，Q=M'W-1M.其中，M为包含实证与理论矩阵差的向量，W是最优加权矩阵.J统计量服从自由度为ϑ的渐进卡方分布.若J的值在5%的显著水平上小于临界值，则原假设“该模型在当前约束下是有效的”将被接受.

对于传染因子的显著性检验，本文采取自由度为4的LR显著性检验方法检验原假设δ1,j=0是否成立，实际上这等于检验方差协方差矩阵是否发生了改变.

4 实证结果

实证研究中以股票市场作为研究对象，检验2008年次贷危机中传染效应的存在.所选择的国家包括美国，以及巴西、印度、中国和俄罗斯4个新兴市场国家.样本空间为2004年1月2日至2010年12月31日.

4.1 金融危机起止时间计算结果

采用前文所述的迭代累计平方和算法(ICSS)确定金融危机的起止时间，结果如表1所示．

表1 金融危机起止时间

表1是用数量方法得出的金融危机演化阶段时间点，结果和美国经济研究局(NBER)以及世界银行对本次危机时间节点的划分基本吻合，故将金融危机发生期定义为2007年7月19日至2009年5月1日.

4.2 施加约束条件下模型有效性检验

式(16)所代表的传染模型需要15个参数和15个矩条件进行识别.且该模型设定存在一个能够对所有市场起到影响作用的共同因子wt，wt在所有时间段里均被包括且具有时变性.为了检验这一设定是否正确，用Hall所提出的结构变点检测方法假设检验，结果如表2所示.根据表2的结果，接受原假设，即存在这样的共同因子.同时，表2的结果也指明虽然存在着在金融市场平稳期和危机期均起影响作用的共同因子，但共同因子的载荷参数却发生了变化.

表2 断点检测结果

进一步通过施加约束对模型进行检验，所施加的约束分别为

(i)传染参数和共同因子断点参数(φ1,j=λ0=0)；

(ii)仅共同因子断点参数(λ0=0)；

(iii)仅传染参数(φ1,j=0).

采用Hansen’s的J-test进行过度识别约束检验.检验结果如表3的A栏.

表3 模型约束统计检验结果

由表3可知，对于施加约束(i)，检验结果拒绝了原假设.对于施加约束(ii)，检验结果表明无法拒绝原假设.由此可以得出，当美国爆发金融危机后，新兴国家市场间的依赖关系没有明显的变化.

当施加约束(iii)时，检验结果拒绝这一原假设，表明金融危机期间传染效应是真实存在的.

4.3 方差分解结果

表4所示为基于潜伏因子模型的无条件方差分解结果，可以看出对于新兴国家市场，在金融危机期间“共同因子”解释的比例很小，只有巴西市场比较高，其他新兴市场均主要由“特质因子”所主导.巴西市场和中国市场中“传染因子”贡献率较低，分别为25%和31%，而印度和俄罗斯市场中“传染因子”贡献率较高，分别达到55%和74%.此结果表明，在新兴国家市场中，俄罗斯和印度遭受的金融危机传染效应最强，而中国和巴西市场遭受的冲击较小，这可能和巴西以及中国市场的资本开发程度相对较低有关.

表4 无条件方差分解结果

5 结 论

2008年美国爆发的金融危机起源于美国房地产市场的泡沫破灭，进而导致美国资本市场的崩盘，并影响到全球的金融市场，最终导致成为一场系统性的全球金融危机.本文采用基于潜伏因子模型的分析手段对这次金融危机期间全球主要新兴国家市场的传染效应进行了检验，结果不仅证明了传染现象的存在，也给出了传染强度的定量衡量.目前，学术界对于金融危机传染效应的检验更多是采用基于相关系数或是时变相关系数等方法，相比较而言，本文所采用的方法现实经济意义更明显，是对现有的方法一种很好的补充.

[1] K BEKAERT, M HARVEY. Contagion as a wealth effect of financial intermediaries[J]. Journal of Finance, 2014, 31(56): 33-55.

[2] K FASIKA. Export competition and contagious currency crises[J]. Journal of Monetary Economics, 2011, 31(50): 20-31.

[3] 韦艳华, 齐树天. 亚洲新兴市场金融危机传染问题研究——基于Copula理论的检验方法[J]. 国际金融研究, 2009, 30(9): 1- 9.

[4] 杨柳勇, 周强. 资产证券化与金融危机的国际传染——一个理论模型及经验检验[J]. 国际金融研究, 2012, 33(12): 22-29.

[5] 汪素南, 潘云鹤. 美国股市与中国股市间溢出效应的实证研究[J]. 浙江大学学报, 2012, 23(2): 81-86.

[6] 游家兴. 经济一体化进程会放大金融危机传染效应吗？——以中国为样本[J]. 国际金融研究, 2011, 32(3): 3-10.

[7] P MASSON. Information-based contagion and the implications for financial fragility[J]. European Economic Review, 2013, 21(7): 15-22.

[8] A SANS． Testing for changes in the unconditional variance of financial time series[J]. Journal of Econometrica, 2004, 41(3): 558-597.

[9] C INCLAN, G C TIAO. Use of cumulative sums of squares for retrospective detection of changes of variance[J].Journal of the American Statistical Association, 1994, 89 (427): 913-923.

Research on Financial Crisis Contagion Effect of Emerging Markets Based on Latent Factor Model

ZHANG Yi, WU Bao-xiu

(School of Business Administration, Northeastern University, Liaoning,Shenyang 110819,China)

We constructed a latent factor model based on the capital asset pricing model to analyze the contagion effects of the financial crisis. We decomposed the volatility of the returns of the equity market into common factor, idiosyncratic factor and contagion factor respectively, and used an Iterative Cumulative Sum of Square algorithm to identify the crisis period endogenously. We used the data of four major emerging countries' stock markets during the 2008 global financial crisis for empirical studies. The results show that these markets have suffered from different degrees of financial contagion. The contagion effects of China and Brazil are relatively weak while India and Russia are strong.

financial crisis contagion;contagion factor;latent factor model;cumulative sum of square algorithm

2015-06-15

国家自然科学基金资助项目(71503035；71173060；71401028)

张 一(1983—)，男，吉林省白城市人，讲师，博士研究生

E-mail:123811595@qq.com

F830.9

A