金融危机下信用违约风险的宏观驱动因素及跨区域传染效应——基于亚洲、北美、欧洲三大区域的实证分析

蒋胜杰 傅晓媛 李俊峰

一、引言

自2007年2月美国次级抵押贷款危机渐露端倪，到7、8月金融危机全面爆发，全球金融市场发生了剧烈震荡。由于美国次级房贷危机的蔓延，全球股市下滑，公司债券市场受到一定程度的冲击。信用危机随着穆迪和标普对美国抵押贷款债券信用等级的下调开始有所显现。世界各国央行纷纷试图通过向银行系统注资的方式来缓解信用危机，虽略有成效但好景不长。同年10月，各国多家大型券商宣布高额亏损，信用危机出现了溢出传染的态势。此后，欧元区的国家信用危机在2011年显性化，而美国国家偿债能力也在下降，信用危机逐步深化，2012年9月美联储第三轮量化宽松货币政策（QE3）的启用将引起新一轮国际货币体系的振荡，进一步恶化国际信用环境。随着雷曼兄弟的倒闭以及受全球主要银行、券商信贷相关损失的冲击，全球金融危机持续深化对新兴市场国家和低收入国家也造成了日益加重的不良影响，一些发展中国家的信用风险出现了不同程度的上升，金融危机引发的信用违约风险问题需要引起我们的特别关注。到底哪些因素会影响信用违约风险，金融危机后的违约风险呈现出哪些不同以往的特征，以及国际是否存在信用违约风险的传染溢出效应，这些问题都亟待我们的深入的研究与探讨。

许多学者对2007年以来的金融危机爆发的原因和影响进行了研究，如Kenc和Dibooglu（2010）［1］解释了造成金融危机的重要原因：全球宏观经济失衡、不良风险管理、金融监管不足以及投资机会不对称等；Duchin等（2010）［2］研究了金融危机对企业投资行为的影响。此外还有许多文章讨论了次贷危机对宏观经济、股票市场和汇率造成的影响。但从目前的研究成果来看，对于在金融危机的影响下信用违约风险的驱动因素及传导机制的研究是很少的。本文以北美、欧洲、亚洲三大区域为研究主体，从宏观框架下，首先研究了三大区域的股票市场、宏观经济变量对各自违约风险的影响程度。此外，受金融国际化和经济全球化的影响，各个国家或区域之间的经济行为可能会存在相互之间不同程度上的冲击或影响。金融危机爆发后，从国际上看，美国经济复苏疲软，欧洲主权债务危机不断深化，受发达国家的影响，新兴市场经济增速也有一定程度的下降。因此，本文接着探讨了三大区域各自的影响变量对其违约风险变量是否存在交叉的影响以及三大区域的违约风险是否存在跨区域传染效应。由于违约风险可能会受经济周期的影响，本文将金融危机前后引起的违约风险的经济结构变化考虑在内，引入了马尔科夫状态转移模型，以分析金融危机前后违约风险的特点。

二、文献综述及研究思路

信用违约风险溢价是金融理论研究中一个重要组成部分，在研究信用违约风险文献的模型中主要有结构模型和简化模型两大类。Merton（1974）［3］最早提出结构化模型，他认为企业市场价值的波动是导致违约发生的根源。该模型的缺点是决定违约的唯一不可确定的资源的公司价值以及公司资产通常是不可观测且不流通的，Van Landschoot（2004）［4］、 Delianedis（2001）［5］、 Jones 等 （1984）［6］对模型进行了改进。简化模型最先由 Jarrow 和 Turnbull（2000）［7］提出，该模型已成为债券定价和信用风险估计的有效工具。

在对信用违约风险驱动因素的研究中，一些学者分析了宏观经济因素的对违约风险的影响。Collin-Dufresne等（2001）［8］通过对时间序列数据进行实证研究，发现信用价差主要受宏观经济因素影响而非企业层面特有的信息，并且不同企业债券之间的信用价差存在较高的相关性，他们将这类宏观经济因素归结为：经济增长率、通货膨胀率、国债收益率与股票市场回报率等指标。Ewing（2001）［9］认为预期通货膨胀会增加违约风险的概率，由于货币政策会影响利率并刺激需求，货币当局者可以用来抵抗预期通胀压力，紧缩的货币政策会降低违约风险。Tang和Yan（2006）［10］认为公司现金流动过程中考虑到宏观经济的影响可以显著改善违约概率和信用利差的拟合效果。Duffie等（2007）［11］发现宏观经济变量（例如工业产出增长率）可以很好地对公司违约风险溢价进行预测。

另外，一些学者研究了某些金融变量（如股票价格和利率）对违约风险的影响。Huang和Kong（2003）［12］通过研究五种决定信用利差变化的因素：违约率、利率、股票市场波动、流动性指标和宏观经济指标，发现高收益债券的信用利差与利率和股票市场呈现出更强的相关性。Alexander和Kaeck（2008）［13］认为CDS利差存在状态转移行为，他们采用马尔科夫状态转移模型研究了2004年7月至2007年7月欧洲金融部门主要CDS指数变化的影响因素，结果表明CDS利差对股票收益率和股票波动较敏感，而利率变化只在平稳期对其他金融部门的CDS利差波动有显著影响。 BystrÖm（2008）［14］研究了 CDS 指数价差改变量与股票市场的关系，发现单日价差变化量有较强的自相关性，并且股票市场收益可以作为CDS指数市场的领先指标。张燃（2008）［15］利用VAR模型从宏观角度研究信用价差变化的决定因素，他发现短期利率和股票市场回报率对信用价差具有显著影响，但其影响的强度和持续性各不相同，信用价差与股票市场回报率存在负相关性。 Naifar（2011）［16］采用两阶段马尔科夫时变系数状态转移模型，以日本CDS指数作为违约风险的代理变量，研究了金融危机发生前后，日本宏观经济变量IPI、CPI与日经225指数对信用违约风险的影响，结果表明：日本CDS指数存在状态转移的行为，并且对于股票市场的波动和工业生产指数（IPI）的变化极为敏感。

在对信用违约风险传染机制的研究中，一些学者认为宏观经济因素会同步地间接影响经济运行中企业的财务健康状况，从而产生了循环违约的相关性。例如，Duffie 和 Singleton（1999）［17］、 Lando（1995，1998）［18］［19］等人建立了简约模型，认为企业的违约强度是一个随机过程，它可以由一系列的随机状态变量，例如GDP增长率、利率等宏观经济因素得出，违约事件的相关性则是由于它们共同依赖于这些宏观经济因素的随机状态变量而产生的。另一些学者认为由于企业之间的直接关系链，企业违约概率直接受到相关企业违约概率的影响，从微观角度上解释了信用违约传染。 例如，Lang和 Stulz（1992）［20］指出企业的倒闭影响未违约企业的股票收益，也影响了那些未违约企业的违约概率。 Kiyotaki和 Moore（1997）［21］认为，如果企业间相互关联，一个客户违约，就可以导致一连串倒闭的产生，在经济不景气情况下，信用传染的普遍性要高。

综合来看，目前对信用违约风险影响因素的研究大多采用公司债券价格或者单一的实体CDS利差作为信用违约风险溢价的代理变量。由于公司债价格估计出来的信用利差易受税收因素影响，并且单一实体CDS比CDS指数缺乏流行性，它们的代表性均较差。而对于违约风险传染机制的研究，文献大多局限于对风险传染成因的探究，缺乏对区域间传染效应的实证分析。 本文参照 Naifar（2011）［16］的研究思路和方法，以CDS指数作为信用违约风险的代理变量，并将金融危机前后引起的违约风险的结构变化考虑在内，引入马尔科夫状态转移模型。研究思路及创新处表现在：首先，在Naifar（2011）［16］对日本市场违约风险影响因素的研究基础上，将中国市场的影响考虑在内，构成亚洲市场，并加入北美与欧洲市场，研究了金融危机期间三大市场区域内股票市场和宏观经济变量对各自区域内违约风险的影响以及区域间的交叉影响，从而使结论更加具有普遍性；然后，在此基础上采用MS-VAR模型对三大区域间的信用违约风险的跨区域传染效应进行了实证分析，以此探讨金融危机影响下国际信用违约风险的传染机制，从而填补了对于此类问题研究的空缺。

三、模型的设定与原理

由于政府货币、财政政策的阶段性和不连续性，金融危机以及金融制度的变迁等，使得许多经济时间序列和金融数据表现出显著的变化或中断，采用既定参数集的传统模型无法捕捉这种变化，而结构转移模型就是为了给时间序列数据中偶然且重复出现的结构变化建模而发展起来的。Hamilton（1990）［22］首次将马尔科夫状态转移（Markov regime-switching，MS）模型应用到经济时间序列中，此后，MS模型被广泛应用于经济周期分析、利率期限结构等模型中。结合金融危机的背景，本文首先建立了两状态MS模型，以捕捉经济平稳和经济波动两个状态下，违约风险变动影响因素的变化特点，然后建立两状态马尔科夫状态转移向量自回归模型（MS-VAR），对金融危机下信用违约风险的跨区域传染效应进行实证分析。

（一）MS-VAR模型的设定

根据Hamilton（1995）［23］的研究，假定样本期有M个状态（根据研究问题事先设定），设MS模型为：

其中 ΔCDSht、 ΔCPInt、 ΔIPInt和 ΔRnt分别表示相应区域的CDS指数、消费者价格指数、工业生产指数和股指收益率的变化值。h∈ ｛1，2，3｝，h=1代表欧洲，h=2代表北美，h=3代表亚洲。n∈ ｛1，2，3，4｝，n=1代表欧元区，n=2代表美国，n=3代表中国，n=4 代表日本。β0t（st）、β1t（st）、β2t（st）、β3t（st）分别为变量St取不同状态下的变参数，et～i.i.d.N（0，）。St为时间t=1，2，…，T下不可观测的状态随机变量，其取值可能依赖于St，St-1，…，St-r变化。当St从第i种状态转移到第j种状态时，其转移概率为pij。

在两状态下，利用到时间t为止、到时间t-1为止以及到时间T为止的所知样本信息，分别可以得出St在时间t所处状态的滤波概率Pr［St=j｜ψt］、预测概率Pr［St=j｜ψt-1］及平滑概率Pr［St=j｜ψT］。此外，我们还可以计算状态的期望持续期D来衡量事件处于某个状态下的时间。

MS-VAR模型是在VAR模型基础上引入了马尔科夫状态转移，考虑了不同状态下的参数变化，可视为有限阶VAR（p）模型的一般化形式。MS-VAR模型有两种设定形式，假设模型的阶数为p，则均值调整的两状态MS-VAR模型设为：

其中CDSt=（ΔJP＿CDSt，ΔNA＿CDSt，ΔEURO＿CDSt）′，ΔJP＿CDSt、 ΔNA＿CDSt、 ΔEURO＿CDSt分别表示亚洲、北美和欧洲CDS指数的一阶差分值。et～i.i.d.N（0，），μst为St取不同状态时CDSt的均值向量，A1（st），…，Ap（st）和是不同状态下的变参数。

在某些情形下，当模型从一个状态转移到另一个状态时，假设均值平滑地到达另一个新的水平并不合理。那么，此时可将模型设为截距项状态依赖模型：

对模型（3）的参数估计时，我们需要通过赋予参数初始值来计算似然函数值，并通过数值优化找到使似然值最大化的参数向量。接下来说明如何确定似然函数。

首先，设yt为模型系统中的内生变量向量，建立yt和St的联合密度函数：

其中Ψt-1表示到时间t-1为止的可用信息。

然后，将式（4）中St的所有可能取值处相加，得到yt的边际密度函数，该函数即为最大化似然估计法的最大化对象：

接着，计算式（5）中加权乘子Pr［St=j｜ψt-1］：

最后，将式（6）的值代入式（5）中，得出对数似然函数：

在实际参数的计算中，我们可以使用期望最大化算法（EM）进行数值优化，利用OX-MSVAR软件包可以方便地实现。对于具体的研究过程，由于研究目的不同，有些可能需要参数是随着状态的转移而变化，而有些可能需要参数是非状态依赖的，因此模型又可以分为MSI-VAR（仅截距发生变化）、MSMHVAR（均值和方差发生变化）等多种形式，具体可见 Krolzig（2013）［24］的研究。

（二）状态相依广义脉冲响应函数分析

MS-VAR模型的缺陷是参数众多，理论分析及模型解释较为困难。 此外，Hamilton（1990）［22］指出：由于MS-VAR模型本身的特点，一些传统的检验方法（例如应用MS-VAR的文献常使用t检验）容易失效。 Ehrmann等（2003）［25］对MS-VAR 模型的参数给出了bootstrap仿真检验步骤并且运用状态相依的脉冲响应分析（GIRF）简化模型解释。状态相依的GIRF可以用来描述状态内生变量对一个单位正向干扰反应，即在给定状态下，内生变量对干扰的持续反应。k维内生变量响应向量的函数定义为：

其中h为追踪期数；ek，t为第k维向量在时间t的信息；θki，1，…，θki，h为响应向量，可以用来预测内生变量的反应。 本文参照Ehramann等（2003）［25］的方法，采用bootstrap进行了仿真实验，然后利用状态相依的GIRF来分析违约风险的跨区域传染效应。

四、实证结果分析

（一）指标的选取与处理

本文样本数据来源于中经数据库、万得数据库和Datastream数据库。所选数据依据研究和模型分析要求进行了必要调整和处理：各区域宏观经济变量IPI、CPI均以2005年为基期，且均进行了季节调整，然后对变量进行单位根检验，除股票指数收益率为I（0），其余变量均为I（1）。由于数据的获得难易不同，在研究影响因素时，样本区间定为2005年3月至2010年6月；在研究传染效应时，样本区间定为2005年3月至2011年11月。指标选取的具体说明如下：

1.违约风险指标的选取。

OCC 2010年第四季度银行交易和衍生品研究报告表明，CDS市场规模约占市场信用衍生品的97.14%，远远超过其他类信用缓释工具，目前越来越多的投资人选择用CDS指数交易来进行信用风险对冲。本文分别使用欧洲指数（iTraxx Europe）、日本指数（iTraxx JAPAN）和CDX.NA.IG指数①欧洲指数由欧洲地区流动性最好的125个投资级公司CDS的信用价差加权平均构成。日本指数由日本地区流动性最好的50个投资级公司的CDS信用价差加权平均构成，相对于亚洲市场的其他CDS指数交易而言，该指数交易更为活跃，因此将该指数作为亚洲市场的违约风险代理变量。CDX.NA.IG指数由北美地区125家投资级公司的CDS信用价差的加权平均构成。作为欧洲市场、亚洲市场和北美市场违约风险的代理变量，依次记为EURO＿CDS、JP＿CDS和NA＿CDS。 5年期的CDS指数交易量最大，因此本文选用5年期CDS指数的月度数据。

2.股市指标和宏观经济指标的选取。

选取日经225指数、沪深300指数作为亚洲股市指标的代表，欧元区17国的全部股票指数作为欧洲股市指标的代表，标普500指数作为北美股市指标的代表，然后计算各股票指数的月收益率Rt②计算公式为Rt=Pt｜Pt-1-1，其中Pt与Pt-1分别为本期和上期的收盘价。。选取CPI、工业生产指数（IPI）③GDP可以很好地衡量经济增长，但由于GDP是年度数据，样本频率低，不利于实证分析，所以参照Nader Naifar（2011）［16］的做法，选取衡量工业增长率的IPI指标来代替。作为宏观经济变量：以CPI衡量通胀水平，以IPI衡量经济增长水平。日本、中国的宏观变量代表亚洲市场④日本和中国作为亚洲的两大经济体，本文分别研究了两国的宏观经济变量对违约风险的影响。，欧元区和美国的宏观变量分别代表欧洲市场和北美市场。

（二）模型状态数的确定

由金融危机前后三个区域的CDS指数的变化趋势图（见图1）可以看出，2007年7月之后CDS指数变化值出现了明显的波动。2007年的7—8月、11—12月，2008年的1—2月、6—11月及2009至2011年的个别月份的CDS指数变化较为剧烈，其余月份变化较为平稳。随着2007年6月美国第五大券商、第二大按揭债券承销商贝尔斯登旗下两家对冲基金出现巨额亏损，7月10日信用评级机构穆迪和标普下调美国抵押贷款债券信用等级，信用危机开始出现。为了救市，8月9、10日世界各国央行纷纷向银行系统注资，31日伯南克表示美联储将努力避免信贷危机损害经济，布什政府承诺将采取一揽子计划挽救次级房贷危机，9月份信用危机有所缓解。但随着10月份全球顶级券商美林公布2007年第三季度出现亏损，此前一天日本最大的券商野村证券也宣布当季亏损，并且欧洲资产规模最大的瑞士银行宣布，第三季度出现近5年首次季度亏损达到8.3亿瑞郎，三大区域的CDS指数波动又一轮升高，信用危机加剧。虽然2008年4月份高盛和摩根士丹的CEO纷纷表示信用市场的危机已接近尾声，信用市场危机有所缓解，但随着雷曼兄弟的倒闭，以及受2009年以来的欧债危机和美国量化宽松政策等因素的影响，国际信用市场进一步恶化，当今国际信用环境仍不乐观。结合上述分析，金融危机导致信用环境发生了结构性变化，出现了较为明显的平稳期和波动期。对此，本文将状态数确定为2，研究金融危机前后的平稳期和波动期两种状态下的MS模型及MS-VAR模型。

图1 金融危机前后三区域的CDS指数的变化趋势图

（三）信用违约风险宏观驱动因素的实证分析

本部分利用MS模型对金融危机下信用违约风险在波动期和平稳期两种状态下的宏观驱动因素进行了实证分析。模型估计所得的状态1下所有变量的标准差均小于状态2下变量的标准差，所以可认为状态1为平稳期，状态2为波动期。

1.亚洲市场。

如表1所示，在日本宏观变量与股票市场对日本CDS指数的影响中，状态1的标准差为3.75，为平稳期；状态2的标准差为36.02，为金融危机引发的波动期。波动期内，IPI、CPI和股票收益率的变化对违约风险均有显著影响，其中IPI和股票收益率为负向影响，CPI为正向影响，而平稳期却不明显。在中国对日本CDS指数的影响中，波动期IPI和股票收益率的变化影响显著，但平稳期的影响却不明显。可以看出，金融危机后，中国和日本的宏观经济和金融市场对亚洲市场的宏观环境的影响变得显著，这进一步会影响到信用市场上的违约风险，金融危机所带来的经济联动效应增大。

表1 亚洲市场模型估计结果表

2.北美与欧洲市场。

如表2所示，波动期美国的股票收益率对北美违约风险产生显著的负影响，而平稳期不明显。表3表明平稳期欧洲IPI和股票收益率变化对欧洲违约风险产生了显著的负影响，而波动期仅有股票收益率的影响是显著的，但影响的幅度大于平稳期。

表2 北美市场模型估计结果表

表3 欧洲市场模型估计结果表

3.三大区域市场的交叉影响。

如表4所示，在亚洲市场对欧洲市场CDS指数的影响中，平稳期中国的股票收益率会对欧洲违约风险产生显著的负向冲击，而日本则是IPI会对欧洲违约风险产生一定的负向冲击；波动期中国的IPI、CPI与股票收益率均对欧洲违约风险产生显著影响，而日本的影响不显著。中国对欧洲市场的影响更为显著，这可能是由于中国为欧盟最大贸易伙伴，近年来双方出口量均显著地增长，促进了双方的经济依存性。在亚洲市场对北美市场的影响中，平稳期日本的CPI与中国的股票收益率变化对北美的违约风险产生显著影响，而波动期日本和中国的CPI与IPI是主要的影响因素，并且日本CPI的影响远远高于中国，其对外的通胀输出效应更大。在北美对亚洲CDS指数的影响中，平稳期无显著变化，而波动期的股票收益率变动会产生显著的负向冲击。在北美对欧洲的影响中，平稳期无显著变化，而波动期美国的CPI与股票收益率的变动是主要的影响因素，并且影响幅度明显小于对亚洲市场的影响。在欧洲市场对亚洲市场的影响中，平稳期欧洲股票收益率变化的影响显著，而波动期内，除了股票收益率，CPI与IPI也会产生一定的影响冲击，并且其影响幅度大于平稳期。在欧洲对北美的影响中，平稳期欧洲CPI的正向影响显著，而波动期仅有股票收益率变动会产生一定的负向冲击，但影响幅度小于其对亚洲市场的影响。

表4 区域间相互影响模型估计结果表

续前表

综上可知，三大区域内和区域间的宏观经济变量和股票收益率变动会对违约风险产生一定冲击，IPI与股票收益率的变动同违约风险负相关，即经济繁荣时，股票收益率越大，信用违约的风险越小，而CPI则与之正相关，即一定条件下，通货膨胀水平的上升可能会造成信用违约风险的增大。总体来看，不同经济状态下的变量影响的显著性是不同的，在金融危机引起的波动期影响更为显著。

（四）跨区域传染机制的实证分析

通过上节对信用违约驱动因素研究，我们发现宏观经济变量和股票市场的变动在特定的经济状态下会对信用违约产生一定影响，并且该影响并不仅局限于区域内，在特定经济状态下也会对外部区域产生溢出效应。那么，受宏观经济环境的相互影响，区域间的信用违约风险是否会相互影响，存在传染效应呢？出于这种考虑，我们进一步探讨了三大区域间信用违约风险的传染机制。

本文通过对截距、方差、均值等各个参数随状态变化的MS-VAR模型不同滞后阶数的AIC、SC、HQ、对数似然值LL及似然比LR进行综合比较，根据少数服从多数原则，最终确定 MSIAH（2）-VAR（3）的拟合效果最优，限于篇幅，本文只列了滞后3阶、存在2状态下的各种马尔科夫模型的准则比较值（见表5）。由于MS-VAR系数的传统检验方法有偏，在估计系数时，本文参照Ehrmann等（2003）［25］的研究方法，对MS-VAR模型的参数进行了bootstrap仿真实验，仿真次数400次，取95%的置信区间。在仿真时，由于估计MS-VAR需要运用迭代算法进行优化，因此在仿真过程中去掉那些迭代时不能收敛的仿真次数，估计及仿真结果如表6及图2所示。由平滑概率图可以看出，2007年7月之后CDS指数变化值出现了明显的波动。根据模型估计结果，状态1下的所有变量的标准差均小于状态2下变量的标准差，所以可认为状态1为平稳期，状态2为波动期。由模型估计所得的转移概率p11为0.882 1，p22为0.854 1，可知平稳期持续的时间长于波动期，这与经济繁荣期一般是长于经济的萧条期的事实是一致的。

表5 各种模型比较表

表6 MSIAH（2）-VAR（3）估计结果

图2 平滑概率图

由于MS-VAR模型参数众多，理论分析及模型解释较为困难，本文运用状态相依的脉冲响应分析（GIRF）简化了模型解释，脉冲响应分析结果如下：

1.EURO＿CDS对其他变量的脉冲响应。

图3表明在两种状态下，EURO＿CDS对其他变量的冲击为正向响应，冲击的影响时间较长，并且在波动期（状态2）EURO＿CDS对其他变量的冲击响应比平稳期（状态1）更为明显，这主要表现在冲击更强烈，影响的持续时间更久。例如，在波动期，对于JP＿CDS1单位正向的标准差冲击，EURO＿CDS呈逐渐上升趋势，且在第1个月达到最大值1.5%，几乎是平稳期的2倍，影响持续18个月左右消失。同样，在平稳期，对于NA＿CDS1单位的正向冲击，EURO＿CDS在第2个月半达到顶峰，高于基础线0.25%，在第10个月冲击的影响基本消失。在波动期对于NA＿CDS的冲击，EURO＿CDS在第1个月达到正向的最大值0.8%，随后经过几个月的震荡，影响在第14个月消失。对于自己1单位的正向冲击，在两种状态下，EURO＿CDS初期瞬间升为1%，其反应速度快于对其他变量的冲击反应，在经历16个月后冲击影响消失。由上面的分析可以看出，欧洲的信用违约风险受北美和亚洲违约风险的正向冲击后不会立即响应，而是逐渐地呈现正向扩大趋势，在经济的波动期，冲击的力度更大，影响的时间更长。

图3 EURO＿CDS对其他变量的脉冲响应图

2.JP＿CDS对其他变量的脉冲响应。

图4为JP＿CDS对其他变量的脉冲响应，可以看出在状态2下，JP＿CDS对相关变量冲击的响应更为强烈。在波动期，对于NA＿CDS1单位正向的标准差冲击，JP＿CDS初始时瞬间跳至0.07%，虽然冲击幅度不大，但随后上下波动较为剧烈。而EURO＿CDS的冲击导致JP＿CDS呈逐渐上升趋势，且在第1个月达到最大值0.25%，比平稳期稍高一些，影响时间为10个月左右。JP＿CDS受自身的冲击，瞬间上升至最大值1%，与其余两个变量的冲击响应相比，在两种状态下，其对于自身的冲击响应幅度是最大的。由上面的分析可知，亚洲的信用违约风险受北美和欧洲的冲击后，会产生一定的冲击响应，但响应幅度很小，且不及对自身冲击响应的剧烈，JP＿CDS受外部冲击的影响较小。相对于欧美发达的金融市场，亚洲市场的开放度不高，存在一定的资本管制，信用市场相对也不发达，这在一定程度上导致其不易受到外来冲击的影响。

图4 JP＿CDS对其他变量的脉冲响应图

3.NA＿CDS对其他变量的脉冲响应。

图5为NA＿CDS对其他变量的脉冲响应，与图2的结论相同，在两种状态下，NA＿CDS对其他变量的冲击为正向响应，且在波动期对其他变量的冲击响应比平稳期更为明显。例如，波动期JP＿CDS的冲击导致NA＿CDS初始时瞬间上升到0.1%左右，是平稳期的2倍多，之后冲击力度减弱，经16个月消失。同样，在波动期，受EURO＿CDS的冲击，NA＿CDS瞬间跳至0.14%，比JP＿CDS的冲击响应幅度大，但远小于对自身冲击的响应。此外，结合图3和图4还可以发现，受外部正向冲击后，NA＿CDS在初始期会有明显的正向响应，这表明与EURO＿CDS和JP＿CDS相比，NA＿CDS对于外部的冲击更为敏感。由上面的分析可知，北美的信用违约风险受亚洲和欧洲的正向冲击后也会呈现正向的反应，在经济波动期，冲击的力度更大，影响的时间更长，并且反应很迅速。由于北美金融市场比较完善，信用市场也相对发达、开放，当受到外部冲击时，信用违约风险的传导约束会更小，因此对于外来冲击会更加敏感，影响时间更长。

五、结论

本文首先基于马尔科夫状态转移模型研究了金融危机期间欧洲、北美、亚洲三大区域的股票市场和宏观经济变量对各自区域内信用违约风险的影响以及区域间的交叉影响，然后利用MS-VAR模型对三大区域间的信用违约风险跨区域的传染效应进行了实证分析。主要结论如下：

第一，三大区域内和区域间的宏观经济变量（IPI、CPI）和股票收益率变动会对违约风险产生一定冲击影响，主要表现为：信用违约风险会随着经济走向繁荣和股票市场收益率的提高趋于降低，而较高的通货膨胀水平可能会引起违约风险的上升；此外，这种影响呈现状态转移行为，在不同的经济状态下影响的显著性是不同的，并且这种影响并不仅局限于区域内，在特定经济状态下，也会对外部区域产生溢出效应。

图5 NA＿CDS对其他变量的脉冲响应图

第二，欧洲、北美、亚洲三大区域间的信用违约风险存在传染效应，这表明国际信用违约风险的传染特征是明显存在的，并且这种传染机制存在马尔科夫状态转移行为。主要表现为：在经济的波动期，区域间的违约风险传染效应更为明显，相互的冲击效力更大，冲击的影响时间更长。北美信用违约风险受亚洲和欧洲违约风险的正向冲击后会呈现正向响应，并且反应很迅速，表明其对来自于外部违约风险的冲击较为敏感。欧洲的信用违约风险受北美和亚洲违约风险的正向冲击后不会立即响应，而是逐渐地呈现正向扩大趋势。亚洲的信用违约风险受北美和欧洲违约风险的冲击后，会产生一定的冲击影响，但不及对自身冲击响应的剧烈，其受外部冲击的影响较小。

总之，金融危机引发了国际金融风波，全球的金融系统连为一体，形成了联动互补的新格局。纵观国际，美国经济复苏疲软，欧洲债务危机不断深化，随着2012年9月美联储第三轮量化宽松货币政策（QE3）的启用，将引起新一轮国际货币体系的动荡，进一步恶化国际信用环境。金融危机持续深化对新兴市场国家和低收入国家造成了日益加重的不良影响，一些发展中国家的信用风险出现了不同程度的上升。面对金融国际化和经济的全球化带来的传染效应，为了防范信用违约风险的扩大，我们需要整体把握金融系统的形式和走向而不要孤立片面地看待经济问题，必须坚持风险为本的监管理念，坚持国际标准与我国实际相结合的监管制度。此外，我国金融市场受到制度性的资本管制，信用市场还比较封闭，发展较为落后，这虽然在一定程度上限制了金融危机引起的外部信用违约风险的冲击，但面对金融国际化的大环境，建立完善开放的信用市场对于我国金融市场进一步走向全球化是很必要的。