贸易网络中心性对国际证券资本流动的影响研究

［摘要］ 基于1990—2019年全球131个国家（地区）的进出口贸易等数据构建贸易网络中心性测度指标，采用面板回归模型实证检验贸易网络中心性对国际证券资本流动的影响效应。结果表明：贸易网络中心性水平提升，该国国际证券资本（净）流入将受到抑制；抑制作用的机制通过影响股票和债券的国际投资得以实现，次贷危机期间及发达国家所受到的抑制效果更趋明显；抑制作用的强弱受各国的股市波动率、银行业发展水平和贷款风险溢价等因素影响，套利因素将促使资本经由处于贸易网络中心的国家流到边缘国家。我国应结合贸易网络中心优势产生的外部影响力和控制力，优化政策体系，提高国际证券资本配置效率。

［关键词］ 贸易网络中心性；股市波动率；银行业发展；贷款风险溢价；国际证券资本流动

［中图分类号］  F753；F757［文献标识码］ Ａ［文章编号］ 1008-1763（2024）02-0076-09

Research on the Impact of Trade Network Centrality on International Securities Capital Flows：Empirical Data Based on Global Markets

OUYANG Haiqin1， 2

（1. School of Finance， Jiangxi Normal University， Nanchang330022， China;

2. Postdoctoral Research Statiton， Jiangxi University of Finance and Economics， Nanchang330013， China）

Abstract：Using the data such as import and export trade from 1990 to 2019 for 131 countries （regions） worldwide， this study constructs centrality measurement indicators for the trade network and employs a panel regression model to empirically test the impact of trade network centrality on international securities capital flows. The results show that as the level of trade network centrality increases， the country's international securities capital （net） inflows will be suppressed; the suppression mechanism is achieved by affecting international investments in stocks and bonds， with the suppression effect being more pronounced during the subprime crisis in developed countries; the strength of the suppression is influenced by the factors such as the country's stock market volatility， the level of banking sector development， and loan risk premium， with arbitrage factors prompting capital to flow from trade network central countries to peripheral countries. China should combine the external influence and control generated by the centrality advantage of the trade network to optimize the policy system and improve the efficiency of international securities capital allocation.

Key words： trade network centrality; stock market volatility; banking development; loan risk premium; international securities capital flows

一文獻综述与研究切入点

经济全球化促使贸易网络联结密度显著提升，处于贸易网络中心的国家开始展现出政策、市场、预期等方面的优势地位。同期，国际证券资本流动规模大幅增长，各国证券市场联系愈发紧密，全球证券资本流动与贸易同向发展，各显特色。

（一）贸易网络中心性定义与测度

贸易网络中心性（trade network centrality）源于网络中心性概念，是个体在网络中的结构化指标，指国际贸易系统网络中，一个国家相对其他国家而言是否更趋近于中心位置，处于中心位置的国家通过权力地位、信息优势、作用节点等特质，对处于非中心位置的国家施加影响力或控制力。

目前，学者对贸易网络中心性的测度方法主要有以下两种：（1）使用二进制复杂网络分析方法对不同国家的贸易网络中心性指标进行测度，该方法使用“有无”标记对贸易网络关系进行区分，缺点是不同国家在整体贸易网络中的强度和方向无法表现 [1-3]，各国之间的无向网络关系也存在长期不易改变的特征；（2）通过引入多重信息指标，采用加权网络与无权网络差异分析方法构造不同国家的贸易网络中心性指标[4-5]。

（二）国际证券资本流动的影响因素

现有文献针对国际证券资本流动驱动因素的研究主要基于“推力—拉力”框架[6]。其中，推力指东道国经济体以外的因素，如全球风险、全球流动性、美元利率、全球金融不确定性变化和外部资产价格等外部因素[7-8]；拉力包括东道国的国内资产价格、国内基本面、国内利率水平等内部因素[9-11]。

识别国际贸易对国际证券资本流动的影响及作用机制，有助于防范国际证券资金大幅度流入和流出所引发的金融风险。Benigno和Nistico从实际汇率对冲的角度分析发现，选择本国股票资产有利于规避长期实际汇率风险[12]。杨海珍等分析国际证券资金流动的网络特征后认為，较高的贸易关联、金融关联度，相似的经济基本面或政策等对国际证券资本流动均会产生促进作用[13]。陈雅和许统生的研究表明“一带一路”沿线国家贸易通过银行业发展、金融开放和股票市场发展对股票市场一体化产生正向影响[14]。

当前，学界大多局限于对贸易和国际证券资本流动中某个单一主体的研究，没有从完整的贸易网络传导链条来分析国际证券资本流动，这成为本文研究选择的重要切入点。本文的边际贡献如下：一是传统双边贸易只能反映两国之间的贸易关系，在当前贸易网络化大格局下，贸易网络中心性可以准确地反映世界各国之间的贸易互动关系，引入网络分析法更切合经济运行实际。二是在分析贸易网络中心性对国际证券资本流动的影响基础上，进一步对国际证券资本种类、国家类型、金融危机前后三个因素的异质性影响进行了实证分析。三是讨论了贸易网络中心性通过股市波动率、银行业发展和贷款风险溢价等作用渠道对国际证券资本流动的作用效果与机制。四是选取物流绩效指数和运输相关基础设施质量分别作为贸易网络中心性的工具变量，为贸易与国际证券投资的替代关系研究提供了新的思路与视角。

二理论分析与研究假设

新冠肺炎疫情全球蔓延导致各国股市剧烈动荡，金融市场运行的互动性和传染性逐步增强，单点的突发事件开始通过国际证券资本流动迅速在全球各国金融市场间传播扩散。随着中国在全球贸易网络中的地位提升，国际证券资本流动成为中国调整对外投资结构和优化海外资产收益比的关键问题[15]。

（一）国际证券资本流动的主要视角

国际证券资本流动本质上是金融资产全球配置和动态调整的过程，反映了国际收支平衡表数据的宏观变化。国际证券资本流动主要分为净流入、流入和流出三个视角。2008年金融危机之前，发展中国家主要依赖外国资本流入，对外投资较少，国际证券资本净流动可以表示为一国资本流动的方向和规模。随着发展中国家的经济发展，越来越多的学者开始考虑国际证券资本流动的不同项目，如以股票类和债券类为代表的国际证券资本流动等[16]。考虑到本文样本中的国家大部分属于发展中国家，国际证券资本（净）流入占总国际证券资本流动的规模较大，国际证券资本流出的规模较小，本文以国际证券资本的（净）流入作为研究重点。

（二）贸易网络中心性对国际证券资本流动的影响机制分析

贸易网络中心性越高，一国（地区）在贸易网络中获取、控制和整合资源的能力就越强[4]。贸易网络中心性较高的国家能够依靠自身的地位优势，促使本国的证券投资便利化，有利于该国的证券市场自由化改革，实现金融资产全球优化配置。整体而言，贸易网络中心性对国际证券资本流动的影响有两个方面：（1）相比于边缘国家，处在贸易网络中心位置的国家具有较为完善的金融体系和风险承担能力 [13]，进而增强了国际投资者对中心国家资本市场的安全感和信心，有利于减少国际证券资本的频繁进出；（2）贸易网络是信息传递渠道[17]，一国出现的投资机会往往会通过贸易网络优先传递到处于贸易网络中心位置的国家，这使得贸易网络地位越高的国家信息不对称水平越低，与边缘国家相比，中心国家具有更低的利率和货币风险溢价[18]，可套利、套汇、套价的空间更小。因此，中心国家利用自身的地位优势，促使国际投资者增加对边缘国家的资产配置，导致中心国家的国际证券资本（净）流入规模降低。基于此，本文提出假设1。

假设1：贸易网络中心性对国际证券资本（净）流入具有抑制作用。

（三）银行业发展、股市波动率和贷款风险溢价的调节作用

银行业发展能够改善经济基本面，有利于该国的资本流动[19]，但当银行业“空转”或“脱实向虚”时，就会形成对贸易的替代效应。中心国家的银行业发展水平较边缘国家更高，银行业竞争更趋激烈，利润空间更小，金融开放程度更高，此时中心国家银行业资金更活跃，更易流出到国际市场其他国家寻求超额收益，从而对国际证券资本（净）流入起到负向影响。因此，提出假说2。

假说2：各国的银行业发展强化了贸易网络中心性对国际证券资本（净）流入的负向调节作用。

现有研究表明，处在贸易网络中心位置的国家更容易受到产业变迁的影响和全球消费格局的扰动，其股市波动率和市场风险也较大[20]，由此强化了贸易网络中心性对国际证券资本（净）流入的负向影响。因此，提出假说3。

假说3：股市波动率在贸易网络中心性影响国际证券资本（净）流入的关系中起着负向调节作用。

贷款风险溢价主要来源于外债和外部净资产[21]，贷款风险溢价还反映了银行业对经济增长波动、市场波动等风险的补偿 [22]。一国在国际贸易网络链条中的地位决定了各国之间的利率差异[23-24] 。在预期未来经济不确定风险增加时，中心国家的银行业往往会通过价格保护机制提高贷款风险溢价，从而抵御外部风险冲击[25]。因此，本文提出假说4。

假说4：贷款风险溢价在贸易网络中心性影响国际证券资本（净）流入的关系中起着负向调节作用。

三模型与变量

（一）模型设定

参考“推力—拉力”框架[26]，本文从国际和国内两个方面选取控制变量，构建如下面板回归模型：

PORTit=α0+α1TNCit+α2Xit+CEi+

YEt+εit（1）

其中，PORTit表示i国t时期的不同类型国际证券资本流动（包括净流入、流入和流出）；TNCit表示i国家t时期的贸易网络中心性；Xit表示控制变量；CEi和YEt分别为国家（个体）固定效应和年度固定效应；εit表示随机误差；α0、α1表示待估参数。

（二）变量选取

本文选取全球范围内131个国家（地区）的年度数据，涵盖世界主要经济体，能够代表全球贸易网络和国际证券资本变化的整体情况。

1.被解釋变量

国际证券资本流动。数据来源于国际货币基金组织（IMF）的国际收支平衡表（BOP）。同时获取国际证券资本净流入、流入和流出数据。为了剔除国家（地区）规模的影响，参考黄宪等[27]的方法，将各个国家（地区）的国际证券资本流动数据除以当期国内生产总值进行标准化处理。

2.核心解释变量

（1）贸易网络中心性

参考Richmond[18]的研究，使用双边贸易和国内生产总值数据来测度贸易网络中心性。数据来源于IMF和世界银行数据库。计算公式为

TNCit=∑Nj=1（ijt+ijtit+jt）jt（2）

其中，i和j表示国家；t表示年份；TNCit表示i国在t时期的贸易网络中心性；ijt为t时期i国对j国的出口值；ijt为t时期i国对j国的进口值；分子整体就是i国的双边贸易总额；it为t时期i国的名义国内生产总值;jt表示t时期i国对j国的出口份额占i国的出口份额和进口份额总和的百分比。

（2）网络异质性

网络异质性反映了贸易网络中的关联形式，刻画了与节点i相连的各边权重分布的离散程度，能够衡量一国的贸易整体分布情况，即一国对外贸易是集中在少数几个国家还是分散在很多国家。参考Brown和Konrad[28]的方法，指标构成如式（3）所示：

disparityit=（N－1）∑jwtijstrengthi2－1N－2（3）

其中，wtij表示加权无向贸易网络矩阵Wt中的元素，wtij∈［0，1］。对于节点i的di条边，如果所有权重相差不大，表明各边所对应的权重的分布比较均匀。disparityit的值表示节点i国家的差异性； disparityit的值越大，即越接近于1，说明该国的对外贸易越集中在少数几个国家；disparityit的值越小，即越接近于0，说明该国与其他国家的贸易量分布越均匀。

3.调节变量

（1）股市波动率（ln VG）

参考张学勇等[29]的做法，先计算股指日收益率的标准差，再根据“年化标准差=标准差×T（T为当年交易天数）”得到各国的年化标准差，以此作为各国的股市波动率指标。数据来源于WIND数据库。

（2）银行业发展水平（ln BD）

参考陈雅等[14]的方法，用私营部门的国内信贷占国内生产总值的比例表示银行业发展水平指标。数据来源于世界银行。

（3）贷款风险溢价（ln RPL）

采用银行向私营部门客户收取的贷款利率减去国库券利率作为贷款风险溢价指标。数据来源于世界银行。

4.工具变量

（1）物流绩效指数（LPI）

使用主成分分析方法，由一国海关效率、贸易与运输相关基础设施的质量、物流服务质量和能力、国际运输便利性、货物运输及时性和货物可追溯性等六个要素计算得到物流绩效指数。数据来源于世界银行的WDI数据库。

（2）贸易与运输相关基础设施的质量（INFR）

采用铁路、公路、港口和信息技术的质量评估分数，取值范围在1～5之间。数据来源于世界银行的WDI数据库。

5.其他变量

参考现有文献，选取美国标准普尔500指数波动率、G4经济体的M2总和的同比增长率、汇率波动率、经常账户余额、外汇储备变动额、总储蓄水平等国际和国内因素作为控制变量。相关数据来源于Wind数据库、国际基金组织IFS数据库、世界银行WDI数据库和BVD-EIU Countrydata数据库。

（三）描述性统计

本文剔除数据缺失严重的国家和年份，最终选取1990—2019年131个国家作为研究样本。表1展示了变量的描述性统计结果。

四实证结果与分析

（一）贸易网络中心性对国际证券资本流动的影响

将贸易网络中心性指标纳入基准回归模型（1），结果见表2。一是第（Ⅰ）列和（Ⅱ）列的因变量均为国际证券资本净流入。无论是否加入控制变量，贸易网络中心性对国际证券资本净流入均存在显著负向影响，说明贸易网络中心性的提升显著抑制了国际证券资本净流入。中心国家具有相对完善的金融体系、更开放的金融市场和更高的风险承担能力，促进中心国家向资本输出的投资国转型[18]。

二是第（Ⅲ）列和（Ⅳ）列因变量均为的国际证券资本流入，结果显示贸易网络中心性对国际证券资本流入产生了显著负向影响。综合分析来看，贸易网络是信息传递渠道，贸易网络地位较高的国家信息不对称水平更低，利率和货币风险溢价也更低[17]，可套利、套汇、套价的空间更小，国际投资者将减少投资配置，验证了理论假说1。

三是第（Ⅴ）列和（Ⅵ）列的因变量均为国际证券资本流出。无论是否加入控制变量，贸易网络中心性与国际证券资本流出的关系均不显著。本文样本中的国家大部分属于发展中国家，许多国家的资本项目仍未完全自由化，这在一定程度上阻隔了贸易网络中心性对国际主证券资本流出的影响效应。

（二）异质性分析

在基准回归的基础上，本文使用虚拟变量与核心解释变量的交互项，进一步分析发达国家、发展中国家以及金融危机前后贸易网络中心性对不同种类国际证券资本流动的差异性影响。实证结果见表3。

参考刘威等［30］的做法，本文将股票和债券资产额中的负值数据取为0，获取股票类和债券类的国际证券资本净流入数据。表3第（Ⅰ）列和第（Ⅱ）列结果表明，贸易网络中心性对国际股票资本净流入具有显著负向影响。总体而言，中心国家金融开放程度更高、金融市场更成熟，涉及的跨境资本业务更复杂，有能力以较低的利率从国外借款；而边缘国家恰恰相反，国际证券资本将从处于贸易网络中心的国家流出到边缘国家追求资本的高收益。

表3第（Ⅲ）列结果显示，交互项对国际证券资本净流入的回归系数显著为负，第（Ⅳ）列的交互项对国际证券资本流入存在显著的负向影响，表明处于贸易网络中心国家的国际证券资本净流入受到的抑制作用更大。综合分析而言，发达国家主权货币认可度高、金融产品更丰富、金融市场更自由，市场参与的投资者数量多、规模大，呈现出全球性市场特征，容易受到外部风险冲击的影响，导致贸易网络中心性对国际证券资本（净）流入产生负向影响。

（三）作用机制检验

为了探究贸易网络中心性影响国际证券资本流动的具体作用机制，本文引入各国股市波动率、银行业发展、贷款风险溢价作为调节变量，探讨贸易网络中心性对国际证券资本流动的影响路径。回归结果如表4所示。

表4的panel A是贸易网络中心性通过股市波动率对不同类型的国际证券资本流动的影响。第（Ⅰ）列的因变量为国际证券资本净流入。在贸易网络中心性给定时，各国股市波动率每增加1单位的数量将导致国际证券资本流入水平下降2.368个单位，各国的股市波动率强化了贸易网络中心性对国际证券资本净流入的负向影响，验证了理论假说2。第（Ⅱ）列的被解释变量为国际证券资本流入，贸易网络中心性与股市波动率的交互项对国际证券资本流入显著负相关，股市波动率强化了贸易网络中心性对国际证券资本流入的负向影响。

表4的panel B是贸易网络中心性通过银行业发展水平影响不同类型的国际证券资本流动。第（Ⅲ）列表明贸易网络中心性通过各国银行业发展的渠道强化了对国际证券资本净流入的负向影响。第（Ⅳ）列的被解释变量为国际证券资本流入，表明银行业发展将导致该国的国际资本流入水平下降。因此，各国的银行业发展强化了贸易网络中心性对国际证券资本流入的负向作用，验证了理论假说3。

表4的panel C是贸易网络中心性通过各国贷款风险溢价影响不同类型的国际证券资本流动。第（Ⅴ）列和第（Ⅵ）列结果显示，交互项对国际证券资本（净）流入存在显著的负向影响，表明贷款风险溢价增强了贸易网络中心性对国际证券资本（净）流入的负向影响，验证了理论假说4。

五稳健性检验

为检验回归结果的稳健性，本文采取一系列稳健性测试。

（一）更换被解释变量

采用国际证券资本流动的规模的对数，作为因变量的衡量指标替换[31]。回归结果见表6。结果显示，第（Ⅰ）列的因变量为国际证券资本净流入，贸易网络中心性与国际证券资本净流入呈现显著的负向关系，与表2基准回归结果保持一致。第（Ⅱ）列的被解释变量为国际证券资本流入，贸易网络中心性将抑制国际证券资本的流入。第（Ⅲ）列的因变量为国际证券资本流出。结果表明贸易网络中心性与国际证券资本流出无显著关系，系数符号和显著性与上文基准回归结果一致，证明基准模型结论有效。

（二）更换核心解释变量

采用网络异质性衡量贸易网络中心性特征进行稳健性测试，结果见表5。第（Ⅳ）列和（Ⅴ）列表明网络异质性的提升将促进国际证券资本（净）流入，即网络异质性越高，对外贸易越分散；网络异质性低，将处于贸易网络中心位置。证明了基准回归结果的稳健性。

（三）内生性检验

工具变量选取原因包括：一是物流绩效指数考虑了各国或地区的跨境物流网络联系，由于物流联系强调经济性和时效性，物流绩效综合水平可以合理地分析各国之间的贸易联系。现有文献表明物流绩效指数对进出口贸易具有显著的促进效果 [32]。同时，国际证券资本流动并不会受本国的物流绩效指数的影响，物流绩效指数符合相关性和外生性的要求。二是各国贸易与运输相关基础设施的质量（INFR）涵盖了经济体中的贸易物流相关的基础设施，例如铁路、公路、港口和信息技术的质量。质量越高，贸易与运输相关基础设施越发达。现有文献表明贸易与运输相关基础设施的质量对一国参与全球贸易具有重要的作用，随着产业链全球化进程的深入，基础设施与贸易网络中心性的联系更紧密。回归结果见表6。

表6的panel A是把物流绩效指数（LPI）作为工具变量的回归结果。第（Ⅰ）列和（Ⅱ）列的因变量分别为国际证券资本净流入和国际证券资本流入，第一阶段回归的F统计量大于经验值10，表明选取的工具变量（LPI）与内生解释变量（TNC）之间是高度相关的，排除了弱工具变量问题。第一阶段回归的物流绩效指数与贸易网络中心性均在1%水平上显著正相关，佐证了所选工具变量的合理性。第二阶段均通过了识别不足检验和弱识别检验，进一步说明所选取工具变量的有效性。贸易网络中心性对国际证券资本（净）流入的影响在方向上和显著性上均与基准回归相同，验证了基准回归结果的稳健性。

表6中panel B是把贸易与运输相关基础设施的质量（INFR）作为工具变量的回归结果。第一阶段的F统计量大于经验值10，排除了弱工具变量问题，且INFR与贸易网络中心性呈正显著的关系。第二阶段回归结果通过了识别不足检验和弱识别检验，佐证了所选工具变量的合理性。第（Ⅲ）列至第（Ⅳ）列的第二阶段回归显示，贸易网络中心性对不同类型的国际证券資本流动的影响在方向上和显著性上均与基准回归相似。相比于基准回归，贸易网络中心性的系数在绝对值上增大了，说明潜在的内生性问题可能会导致低估贸易网络中心性对不同类型国际证券资本净流入的负向作用，进一步验证了回归结果的稳健性。

六结论与建议

在经济全球化大背景下，各国之间的贸易与资本流动发生了深刻变化，推动了国际贸易、资本流动与产业价值链的重塑。随着全球产品生产、销售、流转的网络化发展，世界贸易网络格局逐步成型，以网络视角和方法研究分析贸易问题已势在必行。本文依托网络分析方法，使用1990—2019年全球主要国家（地区）样本数据，研究了贸易网络中心性对国际证券资本流动的影响效应。研究结果表明：（1）贸易网络中心性水平提升，该国国际证券资本（净）流入将受到抑制；（2）抑制作用的机制是通过影响股票和债券的国际投资得以实现，次贷危机期间及发达国家所受到的抑制效果更趋明显；（3）抑制作用的强弱受各国的股市波动率、银行业发展水平和贷款风险溢价等因素影响，套利因素将促使资本经由处于贸易网络中心的国家流到边缘国家。

本文结合贸易网络中心产生的外部影响力和控制力，在政策体系优化与资本配置策略等方面提出以下三点建议：第一，在国际环境发生巨大变化的新形势下，我国需要进一步深化与全球各国的贸易网络关系，提前防范极端事件发生导致的股市极端波动风险。第二，兼顾国内金融市场的发展和银行业全球竞争力的提升，加快互联网发展速度并推动“互联网+”工程的实施，有效发挥贸易网络中心性与国际证券资本流动之间的协调作用，助力中国实现从以商品输出为主要特征的贸易大国逐渐转变为以资本输出为主要特征的投资大国。第三，鉴于处在贸易网络中心的国家，其股票市场、债券市场和货币市场往往收益相对较低，在调整全球资产的配置过程中，除考虑外汇风险等因素以外，还需要将各国在国际贸易网络中所处的地位纳入考虑，进一步分析国际投资目标国资产定价的合理性。

［参考文献］

［1］Garlaschelli D， Loffredo M I. Structure and evolution of the world trade network[J]. Physica A：Statistical Mechanics and  Its Applications， 2005 （1）： 138-144.

[2]馬述忠，任婉婉，吴国杰．一国农产品贸易网络特征及其对全球价值链分工的影响——基于社会网络分析视角[J]．管理世界，2016（3）：60-72.

[3]曾志坚，吴汪洋．贸易渠道视角下的金融危机传染研究：基于复杂网络与SIRS模型[J].湖南大学学报（社会科学版），2018 （3）：87-93.

[4]凌爱凡，欧阳海琴.贸易网络中心性对跨国直接投资的影响研究——基于全球市场的经验数据[J].南昌大学学报（人文社会科学版）， 2022 （2）：42-55.

[5]吕越，尉亚宁．全球价值链下的企业贸易网络和出口国内附加值[J]. 世界经济，2020 （12）：50-75.

[6]Fratzscher M. Capital flows， push versus pull factors and the global financial crisis[J]. Journal of International Economics， 2012 （2）：341-356.

[7]谭小芬，虞梦微.全球金融周期与跨境资本流动[J]. 金融研究，2021（10）：22-39.

[8]方芳，苗珊，黄汝南.金融不确定性对国际证券资本流动的影响研究[J].国际金融研究，2021（4）：57-66.

[9]张明，肖立晟.国际资本流动的驱动因素：新兴市场与发达经济体的比较[J].世界经济，2014（8）：151-172.

[10]顾海峰，谢疏影.跨境资本流动、债务杠杆与银行经营绩效[J].湖南大学学报（社会科学版），2022（3）：40-50.

[11] Griffin J M， Nardari F，Stulz R M.Are daily cross-border equity flows pushed or pulled？[J].Review of Economics and Statistics， 2004（3）：641-657.

[12]Benigno P， Nistico S. International portfolio allocation under model uncertainty[J]. American Economic Journal： Macroeconomics， 2012（1）： 144-189.

[13]杨海珍，李昌萌，李苏骁.国际证券资金流动相关性网络特征与其影响因素——20世纪90年代以来的数据分析[J]．国际金融研究，2020（10）：44-54.

[14]陈雅，许统生.国际贸易对股票市场国际一体化的影响——来自“一带一路”沿线国的证据[J].南开经济研究，2020（3）：161-181.

[15]刘昌阳，汪勇，尹玉刚，等.国际贸易结构对国际资产价格的影响研究：基于地缘冲突风险的视角[J].世界经济研究，2020（10）：45-62.

[16] Byrne J P， Fiess N. International capital flows to emerging markets： national and global determinants[J]. Journal of International Money and Finance， 2016（61）： 82-100.

[17]闫海洲，张桁国.贸易网络地位影响企业跨国并购吗？基于中国上市公司的实证检验[J].世界经济研究，2023（9）：62-72.

[18]Richmond R J. Trade network centrality and currency risk premia[J]. The Journal of Finance， 2019（3）： 1315-1361.

[19] 欧阳海琴，凌爱凡.人民币国际化、汇率波动、跨境结算与中国进出口贸易——基于两国开放经济的均衡模型与“一带一路”沿线国家的实证分析[J].系统工程理论与实践，2022（12）：3165-3183.

[20] Acemoglu D， Johnson S， Robinson J， et al. Institutional causes， macroeconomic symptoms： volatility， crises and growth[J]. Journal of Monetary Economics， 2003（1）： 49-123.

[21]Corte P D， Riddiough S J， Sarno L. Currency premia and global imbalances[J]. The Review of Financial Studies， 2016（8）： 2161-2193.

[22]Harris T S， Khan U， Nissim D. The expected rate of credit losses on banks loan portfolios[J]. The Accounting Review， 2018（5）：245-271.

[23]Ready R， Roussanov N， Ward C. Commodity trade and the carry trade： a tale of two countries[J]. The Journal of Finance， 2017 （6）： 2629-2684.

[24]Barrot J N， Loualiche E， Sauvagnat J. The globalization risk premium[J]. The Journal of Finance， 2019 （5）： 2391-2439.

[25]Khan U， Ozel N B. Real activity forecasts using loan portfolio information[J]. Journal of Accounting Research， 2016（3）：895-937.

[26]范小云，朱張元，肖立晟. 从净资本流动到总资本流动——外部脆弱性理论的新发展[J].国际金融研究，2018（1）：16-24.

[27]黄宪，刘岩，童韵洁.金融发展对经济增长的促进作用及其持续性研究——基于英美、德国、法国法系的比较视角[J].金融研究，2019（12）：147-168.

[28]Brown D W，Konrad A M. Granovetter was right the importance of weak ties to a contemporary job search[J]. Group & Organization Management， 2001（26）：434-462.

[29]张学勇，陶醉.收入差距与股市波动率[J].经济研究，2014（10）：152-164.

[30]刘威，李炳.文化距离与跨境证券投资选择：影响及比较[J].国际金融研究，2016（3）：72-83.

[31]刘粮，陈雷.外部冲击、汇率制度与跨境资本流动[J].国际金融研究，2018（5）：45-54.

[32] 陶章，乔森.“一带一路”国际贸易的影响因素研究——基于贸易协定与物流绩效的实证检验[J].社会科学，2020（1）：63-71.