加载中...
Research on the Spillover Effect between Multi-scale Systemic Risk and Macroeconomy
统筹高质量发展与高水平安全背景下,全面探究系统性风险与宏观经济的溢出效应具有重要意义。本文在测度系统性风险指数基础上,采用集成经验模态分解将系统性风险分解为高、中、低频三种频域成分,通过测度LSTVAR-DY溢出指数构建包含高、中、低频率系统性风险与宏观经济变量的两区制非线性溢出网络,从频域视角研究系统性风险与宏观经济间的非线性溢出效应,明确溢出效应的来源和方向,并采用非线性格兰杰因果检验进一步确认各变量间的非线性因果关系。结果表明,我国系统性风险具有丰富的多尺度频域特征。系统性风险与宏观经济总体上存在显著的双向溢出效应,且总溢出效应在不同区制下存在非对称性;在经济上下行区制,系统性风险是主要的净溢出源头,在系统性风险高低区制,系统性风险与宏观经济均存在重要的净溢出来源;系统性风险低频分量是经济金融网络中的重要风险源头,中频分量在溢出网络中的角色存在区制转变,高频分量则在各区制中均为溢出的净输入节点。本文研究结论为完善稳增长与防风险的宏观调控政策提供新的经验证据。
Abstract
It is of great significance to comprehensively explore the spillover effects between systemic risk and macroeconomy factors in the context of coordinating high-quality development and high-level security. This paper first measures a systemic risk index and then employs ensemble empirical mode decomposition (EEMD) to decompose systemic risk into three frequency-domain components, that is the high frequency, the medium frequency, and the low frequency. It measures the LSTVAR-DY spillover index, constructs a two-regime nonlinear spillover network that incorporates systemic risk components of different frequencies and macroeconomic variables, and explores the nonlinear spillover effects between systemic risk and macroeconomy from a frequency-domain perspective to identify the sources and directions of spillovers. Additionally, a nonlinear Granger causality test is conducted to further confirm the nonlinear causal relationships among variables. The results show that systemic risk in China exhibits multi-scale frequency-domain characteristics. There exists a significant bidirectional spillover effect between systemic risk and macroeconomy, with asymmetric total spillover effects across different regimes. In the economic expansion and downturn regime, systemic risk serves as the primary net spillover source, whereas in different systemic risk regimes, both systemic risk and macroeconomic factors act as significant net spillover sources. The low-frequency component of systemic risk is a crucial risk source within the economic-financial network, while the role of the medium-frequency component shifts across different regimes. The high-frequency component consistently acts as a net spillover receiver across all regimes. The research conclusions provide new empirical evidence for improving macro-control policies aimed at balancing growth stabilization and risk prevention.
我国系统性风险呈现明显的多尺度频域特征
本文采用EEMD方法将系统性风险指数分解为高、中、低三种频域成分。其中低频分量平均周期约3年,方差贡献率达57.88%,与系统性风险指数演变趋势高度一致,由宏观经济基本面、金融周期等驱动;中频分量波动峰值与重大金融、经贸、政策事件高度吻合,体现'黑天鹅'事件影响;高频分量振幅小、频率高,代表短期不规则扰动。
系统性风险与宏观经济存在显著双向溢出效应且区制非对称
经济下行区制下总溢出效应为86.23%,经济上行区制下总溢出效应为85.28%;系统性风险低风险区制下总溢出效应为85.36%,高风险区制下总溢出效应为86.18%。表明系统性风险与宏观经济间存在显著双向溢出效应,且当宏观经济面临下行压力或金融体系处于高风险状态时,溢出效应更为强烈,呈现非对称性。
经济上下行区制下系统性风险是主要净溢出源头
在经济下行区制,系统性风险中频分量是唯一的净溢出输出者(净溢出指数359.21%),表明面临经济下行压力时重大事件冲击对金融系统稳定和宏观经济运行影响最大。在经济上行区制,系统性风险低频分量是唯一的净溢出输出者(净溢出指数456.24%),表明经济形势向好时系统性风险低频周期波动影响最大。
系统性风险低频分量是重要风险源头且角色存在区制差异
在系统性风险低区制和高区制,低频分量均为最大净溢出完全输出者。低风险区制下低频分量净溢出指数为503.75%,方向性溢出指数TO为516.07%;高风险区制下低频分量净溢出指数为246.35%。中频分量在低风险区制是完全的溢出接受者(净溢入99.56%),在高风险区制由净输入转变为净输出。高频分量在各区制中均为净输入节点。
非线性格兰杰因果检验确认溢出主要通过低频分量传导
系统性风险低频分量是消费、投资和物价的格兰杰原因,但不是产出的格兰杰原因;产出和物价是低频分量的格兰杰原因。中频分量不是产出、消费和投资的格兰杰原因,但物价与其存在双向格兰杰因果关系。高频分量与各宏观经济变量均不存在格兰杰因果关系,但物价是高频分量的格兰杰原因。
核心解释变量
高频分量(H)、中频分量(M)、低频分量(L),即通过EEMD方法将系统性风险指数分解得到的高、中、低频三种频域成分
被解释变量
产出(IP,工业增加值当月同比增速)、投资(I,固定资产投资累计同比增速)、消费(C,社会消费品零售总额当月同比增速)、物价(CPI,居民消费价格指数当月同比)
样本与数据
样本区间为2006年10月至2024年12月,数据频率为月度。系统性风险指数构建涉及非金融部门上市公司4909家和金融部门上市公司266家。数据来源于万得(Wind)数据库。采用Census X-12方法对宏观经济变量进行季节性调整。
识别方法 / 模型设定
采用时变相关系数矩阵法构建金融压力指数(CISS)测度系统性风险,通过EEMD方法分解为高、中、低频分量;基于LSTVAR-DY模型构建两区制非线性溢出网络,分别以CPI和系统性风险低频分量作为转移变量划分区制,计算预测误差方差分解溢出指数;采用非线性格兰杰因果检验进一步确认变量间因果关系。
内生性及稳健性检验
综合运用ADF检验和PP检验进行线性单位根检验,采用ESTAR和LSTAR统计量展开非线性单位根检验,确认所有内生变量均为平稳时间序列;分别采用BDS检验和非线性LM检验验证变量间存在非线性依存关系;通过二维网格搜索法确定转移速度和门槛值,确保LSTVAR模型估计的可靠性。
更多相关数据正在补充