一、引言

我国自2011年起，跨境贸易中以人民币计价结算扩展至全球范围。同样是在这一年，以人民币计价的跨境投资和金融交易活动陆续开始试点。资本账户管理政策出现了松动的迹象，人民币陆续得到周边以及发展中国家货币当局的普遍认可，先后有7个国家将人民币列入其外汇储备。这一年在业界被称为“人民币国际化元年”。在随后的5年中，人民币国际化的进程稳步推进，金融理论界和实务界逐渐出现更多的声音呼吁我国尽快放开外汇管制，以实现在经典“三元悖论”中的货币政策独立性和人民币汇率的相对稳定，从而进一步助力人民币国际化的开展。随着中国整体改革开放进程的不断推进，中国的金融改革也在不断深化。人民币纳入国际货币基金组织(IMF)特别提款权(SDR)是中国金融改革深化到一定程度的体现。

截至2015年，中国利率市场化进程已经基本完成。利率的市场化有利于金融机构合理定价和促进资产价格的有效形成，有利于资本市场的健康发展。与此同时，我国的资本市场改革也在稳步地推进。在法律法规和市场基础设施不断完善、利率市场化和资本市场改革的背景下，中国资本市场未来的发展机会越来越多，空间越来越大，而与之相关联的是资本账户开放的问题。资本市场的发展，必然对资金的自由流动提出更高的要求。金融机构风险管理和资源优化配置要求全球的市场能够实现更好的风险共担。中国资本账户的不断开放和汇率形成机制改革为进一步促进中国资本市场与全球资本市场的一体化与风险共担创造了条件，但同时也面临了新的问题。

在全球市场一体化的背景下，金融风险的跨境传导使得无论是宏观还是微观的风险管理变得更加复杂。风险管理失当会导致金融体系不能正常发挥功能，并对实体经济产生损害，严重的情况下，会阻碍改革开放进程的进一步推进。为确保金融改革更好地促进金融体系效率的提高，对风险的管控是非常必要的。在资本账户开放和汇率形成机制改革的进程中，一个必须要回答的问题是金融市场和国际资本流动以及和汇率波动是如何互动的？风险是如何传导的？本研究试图对这个问题提供详细的分析。

“一带一路”是符合我国国情的发展战略，它的实施将促进中国经济，社会，文化的迅速发展，并促进沿线国家之间的经济文化交流。因而国家战略层面的政策不容忽视，这些政策是指导纺织服装产业发展的基础。“一带一路”的政策首次提出之后，相关具体实施政策陆续推出，如图1所示。

本文首先通过SRISK指标估算了我国的系统性风险，然后选取代表我国系统性风险、短期跨境资本流动、股票价格收益率、人民币在岸—离岸汇价差、离岸人民币与美元利差的五变量，通过构建VAR模型和VAR-MGARCH-DCC模型进行变量及其波动性之间的关联分析，并根据实证结果得出结论和政策性建议。

二、文献综述

(一)关于短期跨境资本流动

短期跨境资本简称为“热钱”或国际游资或投机性短期资本。短期跨境资本流动是指资金周转期在一年以下的跨境资本流动。一般可分为四类：平衡型短期资本流动、投机型短期资本流动、收入型短期资本流动、自主型短期资本流动。2005年7月21日汇改后，对短期跨境资本流动的学术研究基本都聚焦在流动途径、流动规模、影响因素方面。中国最早研究短期跨境资本流动可以追溯到王军发表的关于中国资本流出的总量和结构的论文。[1]短期跨境资本流动呈现短期多样、隐形的特点，且具有易变性。频发大量资本的流动会影响宏观经济，加大本币贬值压力，增加资产价格泡沫以及流动性过剩，进而触发更大的危机。《2014中国跨境资金流动监测报告》显示，2014年前三个季度我国短期跨境资本净流出规模接近684亿美元，而2013年为净流入846亿美元，规模较大且方向切换较快。[2]我国也通过多种形式对短期跨境资本流动进行探索性管理来缓解其产生的影响，比如：B股，H股，熊猫债，QFII，QDII，RQFII，沪港通等。

29个省（自治区、直辖市）基本完成辖区内“三条红线”指标分解，覆盖300多个地级行政区和近700个县级行政区。31个省（自治区、直辖市）全部建立由政府一把手负总责的最严格水资源管理制度行政首长负责制。完成第一批25条重要跨省江河水量分配技术方案，启动第二批28条江河水量分配工作。完成175个全国重要饮用水水源地达标评估，完成10项工业与服务业取用水定额标准。国家水资源监控能力建设中央项目累计完成投资8112万元。确定46个全国水生态文明建设试点。

因此，根据国内目前金融体系的情况，以及全球金融周期的特殊节点，更详尽地了解短期跨境资本流动是非常必要的，同时要加强对短期跨境资本流动的管理，发现与其相关的各种复杂影响因素，从而制定合理的监管政策，加速金融体制改革，不断完善金融市场。

(二)关于系统性风险

综合来看，文献中通行的系统性风险的度量方法主要是在2010年前后由国外学者提出。Bisias et al曾经进行过全面的测度方法总结，归纳并阐述了30余种指标可用来测量系统性风险。[3]从测度方法本身的逻辑和具体计算来看，相关指标可分为微观测度和宏观测度两方面。目前，微观测度法是量化系统性风险所用的主要方法，它可被进一步细化分为预期短缺(expected shortfall，ES)类测度法和在险价值(value at risk，VaR)类测度法。如果进一步细分，具体的方法还有边际预期短缺(marginal expected shortfall，MES)测度法、Delta 条件在险价值(delta conditional value at risk)测度法、系统性预期短缺(systemic expected shortfall，SES)测度法、直接系统性风险测度(SRISK)等。

由于餐厨垃圾的高含水率、高有机物等特点，决定了餐厨垃圾直接填埋的可行性较低。餐厨垃圾填埋处理技术在国内尚无应用的实例，其主要优缺点如下：优点是处理数量很大，运输成本费用很低，处理工艺没有什么科技含量，处理起来也方便、简单。但同时也存在许多缺点，比如大量占用土地，增加成本投资，且填埋场空间有限，需要持续不断新建，进一步增加土地资源的占用与投资成本。所以填埋处理虽然现在是一些经济欠发达地区常用主要处理方法之一，但是会带来严重的后遗症和二次污染问题，随着地区经济的发展今后会杜绝这种处理方法。

Brownlees and Engle针对银行的权益价值提出MES，即边际预期短缺，类似于在压力测试的情况下银行的边际预期损失。[4]在此基础之上，Acharya et al进一步提出了系统性风险的MES测度法。[5]用MES方法求得：在极端市场情况下，如果整个市场的收益率位于概率分布的左侧尾部，特定金融机构的预期权益损失。并进一步拓展，应用此指标来评价经济体的系统性风险。国内研究方面，赵进文和韦文彬基于MES测度法研究得到如下结论：2008—2012年“次贷危机”期间内，我国商业银行体系的系统性风险出现了较为明显的升高，而在危机前后商业银行的边际系统性风险贡献都相对较小。[6]

VaR类测度法以VaR风险监控方法为基础，是目前市场风险测度中最常用的风控指标，指的是在给定概率水平之下，某资产组合在未来某特定时期内的最大预期损失。基于VaR的原理，Adrian and Brunnermeier提出了Delta Co-VaR的测度法。[7]该测度法充分考虑了金融机构间的联动和风险溢出关系，将特定金融机构系统性风险的增加值与整个金融体系VaR的边际增加量联系起来，通过分位数进行回归并得到系统性风险的估计指标。此后，Roengpitya and Rungcharoenkitkul分别将Delta Co-VaR运用于泰国和加拿大的金融机构中，进行对特定类型金融机构和特定地区的系统性金融风险的监控。[8]国内学者方面，高国华和潘英丽将Delta Co-VaR模型应用到了我国已上市的商业银行系统性风险度量中，检测得到四大国有商业银行中，建设银行、工商银行和中国银行对我国系统性风险有着最高的重要性，且其影响权重显著超过其他各类股份制商业银行和城商行。[9]此外，范小云等人对比分析了Delta Co-VaR和MES模型在测量系统性风险时的优缺点，并进一步基于MES测度法研究了我国金融机构在次贷危机前期、中期、后期对我国系统性金融风险贡献程度的差异。[10]

宏观测度方面的研究在文献中相对稀少，比较有代表性的是Allen et al提出的CATFIN测度法。该方法基于特定金融机构的权益收益率，通过极值理论估计金融系统的整体风险。Allen et al发现该系统性金融风险指标对信贷收缩和经济衰退有一定的预测能力。[11]

此外，对系统性风险度量的模型还包括Giesecke and Kim提出的DIM违约强度模型法和Gray and Jobst提出的CCA未定权益分析法等。[12][13]

Ut=(rCNH,t-1-rUS,t-1)-(lneo,t-lneo,t-1)

此外，必须承认SRISK指标像任何一种人为构建的检测指标一样，存在其内在缺陷。例如，由于SRISK在参数中通过股票市价估算银行的权益价值和杠杆，这就对市场的有效性提出了较高要求，风险偏好的改变、资本环境的变化等因素都会对其测度的准确性产生影响。再比如，SRISK并没有考虑金融机构的表外负债，在表外负债高企的情况下，SRISK存在低估金融机构风险的可能。这也是笔者在中国经济风险观测中是否选择基于公开市场数据因子而非传统指标法时所感到的纠结之处。欣慰的是，回顾相关文献和历史数据，市场指标法的系统性风险测度正得到越来越多的研究支持。如周强和杨柳勇认为，当前市场模型法与指标法对中国系统性风险测度的结论基本一致。[16]指标法的赋权比重体现了监管的风险判断和偏好，虽然提高某一指标的赋权比重有利于引导银行降低该指标在银行业务中的比重，从而降低其系统重要性得分，但同时对其他指标较低的赋权比重又会带来反向的激励。因此，笔者认为市场模型的客观性和及时性会是监管层主观判断以外对系统性风险测度的必要补充。此外，在商业银行表外理财去杠杆的大背景下，表外负债对测度有效性的影响势必越来越小。梁琪等人认为，SRISK在“大而不能倒”和“相互关联而不能倒”之间做了一个非常好的折中，充分利用SRISK指标对金融机构风险关联性的计算，统筹观测宏观经济中存在的系统性风险，也符合当前宏观审慎监管的思路和要求。[17]

综上所述，SRISK不仅是一种前瞻性的系统性金融风险的度量指标，而且能够将股票市场价格信息和商业银行财务报表信息有机结合起来，克服了单一依赖股票市场价格信息判断系统性金融风险的局限性。虽然可能存在市场有效性、表外资产等影响，但并不影响其视角的客观性和全面性。因此，本文选用该指标作为系统性金融风险的度量。

(三)短期跨境资本与系统性风险的关联

目前，国内外学者对于短期跨境资本流动与系统性风险相关性的认识可以分为两大类。第一类认为短期跨境资本流动有利于全球市场防范系统性风险。例如，Levine and Zervos提出，短期跨境资本的自由流动有利于增强资本市场的流动性。[18] Chari and Henry也指出，短期跨境资本自由流动有助于吸引外资金融机构进入，从而提高目标国家金融市场的有效性和普遍竞争力。[19]第二类认为短期跨境资本自由流动加强了系统性风险，这主要基于三代货币危机理论。Krugman提出的第一代货币危机理论认为短期跨境资本流动的主要原因是投资者进行全球资产的重新配置而导致的汇率大幅波动。该理论的背景是投资者对特定经济体经济发展速度、汇率等宏观指标的一致预期发生显著变化。[20] Obstfeld提出的第二代货币危机理论认为，投资者在货币贬值预期下的投机性行为主导了短期跨境资本流动的大幅波动及随后的货币危机。[21] Kaminsky and Reinhart提出的第三代货币危机理论则强调道德风险下跨境资本流动引发的货币危机。[22]

国内的相关研究则多从短期跨境资本流动所带来的风险展开。金雪军等人通过研究2003—2006年我国跨境资本流动的状况，指出该期间大规模的跨境资金(游资)流入恶化了我国宏观经济的整体稳定性。[23]吕江林和杨玉凤指出，短期热钱的大量流入会使我国国际收支平衡状况恶化，妨碍货币政策的有效性，推升资本市场和房地产泡沫，进而增加整个经济体系的系统性风险。[24]周豪和温小敏通过实证研究指出，在对跨境资本流动未来的可能状况进行预测时，可以参考经济体的工业GDP、货币政策宽松程度和本币汇率。[25]

这位长期从事小麦育种的研究者希望能从中找到一种小麦种子：没有白垩状的白色真菌（这种真菌分泌的毒素会导致小麦镰刀菌枯萎病）。进而寻找新的基因，使小麦能够抵抗世界上最具毁灭性的植物病害之一。安德森负责该大学的小麦育种项目，这是美国致力于通过传统育种来改善作物的几十个育种项目之一。由于基因技术的发展，这样的项目也越来越多了，而安德森可以利用的研究工具也日益增多。

尤其是在短期跨境资本流动、汇率和资本市场之间关联关系的国内外研究方面，Kapur通过研究新加坡元对美元的汇率波动提出，新元汇率波动并非资本流动引起，是由新加坡经济基本面状况和盯住篮子货币的汇率制度设计所决定的。[26]张谊浩和沈晓华指出，人民币升值预期和资本市场上涨会引起国际热钱流入，但热钱流入并不是人民币升值和资本市场上涨的原因。[27]巴曙松和严敏指出了利差对汇率在价格溢出的效应，中美实际利差的缩小会导致外资流出，适当放宽人民币汇率的浮动区间，有助于在一定程度上阻碍热钱的频繁往来，为我国货币政策的有效制定提供制度空间。[28]朱孟楠和刘林对短期国际跨境资本流动、汇率与资产价格之间的相互关系进行了理论分析，并建立了一个包含以上三个变量的无限制向量自回归(unrestricted VAR)模型，进而对2005年汇率制度改革以来三者之间的动态联系机制进行实证分析。[29]实证研究结果表明，短期国际资本的净流入会导致人民币汇率升值，进而引起市场对人民币的升值预期，还会导致股价和房价上涨，而人民币升值和升值预期又会导致短期国际资本进一步流入，但是房价的上涨会导致资本流出，进而引起人民币即期汇率贬值和股价下跌的压力。陈浪南和陈云将影响我国短期国际资本流动的主要因素归纳为国内外利差(DIR)、人民币名义汇率(NER)、人民币汇率预期变化率(EE)、股票市场投资收益(SR)、房地产市场投资收益(RR)和虚拟变量六个因素，并运用ARDL-ECM模型实验得出结论，国内外利差和人民币汇率预期变化率对短期国际资本流动的影响十分显著，但是不存在显著的反向影响。[30]吕光明和徐曼则指出短期国际资本流入中国国内市场的动因是在等待人民币升值的同时，进入股票和房地产等资产市场套取价格收益。[31]

(四)汇改前后汇率机制的影响机制和影响渠道

为了给本文定量分析结果提供重要的理论依据，因此了解“8·11”汇改前后汇率机制的影响因素和渠道是非常必要的。叶亚飞和石建勋在对汇率和资本流动的研究中提到汇改前我国短期资本流动前四个影响因素和渠道分别为人民币升值预期、新增外汇储备、国内利率、国内通胀率等，以国内经济基本面因素为主因；汇改后分别为人民币升值预期、国外利率、国内利率、经济增长潜力以资本获利因素为主因。[32]张明研究发现“8·11”汇改的目的是取消央行对汇率中间价的干预，让市场供求来决定。但之后为了抑制贬值，央行进行了出售美元、买入人民币的操作，导致外汇储备的流失。[33]而这种贬值抑制人民币有效汇率的过度升值，很大程度上避免对出口增速的冲击，同时消除了人民币持续贬值预期，使中国金融市场稳定性增强。余永定和肖立晟认为“8·11”汇改后增加了汇率管理规则的透明度，央行通过汇率浮动来发挥调节器作用，改善国际收支、降低资本管制的压力，进而使市场价格和资源配置趋于正常，而且汇率的波动将降低资本流动对金融体系的冲击。[34]由上可知，人民币汇率快速升值与劳动力成本增加、经济增长放缓有关，内部去杠杆、人民币利率市场化、银行体系风险暴露的可能性、美国加息对资本的吸引等都会引起短期资本的外流。而“8·11”汇改前导致短期资本外流的最主要原因是人民币贬值预期的不断增加，通过汇率改革影响并纠正贬值预期，减缓短期资本持续外流，从而使中国经济增长与金融稳定得以持续。

综上所述，现有关于跨境资本流动、汇率和资产价格关系的研究较少考虑中国有在岸和离岸两个人民币市场的情况。不仅如此，大量的研究将研究的重点放在收益率的联动方面，而较少考虑波动性之间的联动。也没有研究将系统性金融风险和跨境资本流动、汇率和资产价格的关系有机地结合起来。下一节，笔者将引入一个实证模型，以弥补这几个方面的不足。

三、变量选取及模型设计

(一)中国资本市场、人民币离在岸汇率差、利息差联动

持有美元的外国投资者可在t-1时刻兑换人民币并投资中国股票市场，在t时刻该投资者的人民币收益(这里考虑投资市场组合的收益)为:

SRISK指标计算的是经济体内具有系统重要性的金融机构在发生金融危机时的资本短缺量，其本质是一种压力测试的量化结果。在SRISK的计算中，需要用到金融机构权益的市场价格和资产负债表中的负债总额。在给定金融机构审慎性监管要求的情况下，若金融机构的实际资本充足率和法定资本充足率之差大于零，则认为该金融机构保有足够支撑金融危机流动性需求的资本，反之则认为该金融机构资本留存不足，存在系统性风险，并将其记作SRISKi,t。

(1)

式中，Pt是定义在t时刻的股票市场指数，因为上式的计算过程并未考虑等额美元进行其他投资的机会成本和汇兑损益，所以作为度量机构投资者经济收益的单一指标不够精确。一方面，外国投资者将美元资金转化为人民币投入中国股票市场，放弃了这些美元的存款利率收益；另一方面，持有美元的外国投资者投资中国资本市场需要将美元兑换成人民币，在计算最终收益时需要将人民币兑换成美元，因此存在潜在的汇兑损益。式(1)可进行相应调整，纳入机会成本和汇兑损益之后，表达如下：

Rt

(2)

从表2可以看出，股市收益率(St)和无抛补利率溢价(Ut)在汇改前后都对我国的系统性风险存在负向影响，这表明投资我国资本市场的收益率提升有助于增强金融稳定。汇改前后，离/在岸汇率差(Xt)对无抛补利率溢价(Ut)均存在显著的负向影响，而Ut对St均存在显著的正向影响，系统性风险的指标SRISKt对其他四个变量均不存在显著影响。

St=lnPt-lnPt-1-rCNY,t-1

图2和图3所示分别为“8·11”汇率制度改革前后的脉冲响应函数，指的是一单位正向外生冲击对各变量的影响。限于篇幅，笔者只汇报了短期跨境资本流动所带来的冲击。从图2和图3可以看出，当短期资本流动受到一个正向外部冲击时，对其他变量所产生的影响。这里将其总结为表2，即五变量间的脉冲影响关系。

-(rCNY,t-1-rCNH,t-1)

忽然，脑袋里冒出一个想法—把它带回教室！这个想法是如此强烈，我不禁惊讶起来，一向“冷漠”的自己，竟然关心起一只小麻雀来。

SRISK是由Brownlees and Engle首次提出的，基于MES衍生出通过条件预期损失的方法计算系统性风险。[4]此后，Acharya et al与Brownlees and Engle都通过不同角度分析并总结了该方法。[14][15]SRISK与其他测度法的不同在于，它能够较好地将市场对权益的估值和商业银行的资产负债表(杠杆)有机结合起来，不完全依赖于股价的变动或关联性。Acharya et al发现杠杆率拥有基于股价信息所提取的MES指标之外的有价值的信息。该信息对于金融危机中金融机构的预期损失或资本不足的预测有较大价值。因此，SRISK将这一信息和股票价格信息结合起来是有益的。目前，国内对于SRISK方法运用的文献仍然相对较少。与SRISK测度类似的是Acharya et al提出的SES测度法，同样是通过对关键金融机构预期资本短缺的计算来估计系统性风险。[5]但是，SES测度法成立必须基于已经发生过的极端金融系统波动的数据，也就是说，SES是一种事后测度而缺乏前瞻性。与SRISK测度相比，SES不具备预测性。

(3)

式中，eo,t表示离岸人民币兑美元汇率(CNH/USD)；rCNY,t与rCNH,t分别表示人民币在岸利率与离岸利率；因子St为A股市场在时间t的人民币超额收益率；因子Xt为持有任意一期的离岸—在岸人民币资产组合的超额收益率，具体而言，该组合的构造为每期买入离岸人民币同时卖出在岸人民币；因子Ut可视为用美元进行离岸人民币利率套利交易(持有一期)时，纳入汇率损益的当期净头寸。根据式(3)中的三个因子，对Rt进行分解可得：

总之，乌江风情廊道跨省域文化旅游建设，是渝黔政府在欠发达民族地区，以生态保护和经济发展为双重目标的区域发展探索，推动以旅游为主导的资源配置方式在资源富集、生态脆弱区积极尝试。乌江流域涵盖的全国生态功能区众多，旅游资源禀赋优异，需积极升级文化旅游产业集群聚集方式，拓展旅游文化产业上下游协作链条，努力提升区域产品品质和服务质量，强化交通、品牌、市场拓展协同作战能力，争取跻身于全国生态民族旅游强区，为全国人民提供更多优质生态度假产品、民族风情体验产品，以满足人民日益增长的优美生态环境需要。

其次，教师可以引导或是由学生自发的去建立英语口语小组，在小组之间组织多元化的英语口语交际活动。比如说英语兴趣小组可以定期组织学习经验交流活动，让每个小组成员交流彼此在英语口语交际当中的心得，让每位成员都能够不断的完善学习方法。再如，英语兴趣小组的各成员可以组织以及参与绘画表演、英语演讲、英语故事比赛等，这些英语口语实践活动都能够极大程度上锻炼我们的语言表达能力，进而在活动当中积累自信心，在今后的口语表达当中获得更大进步。

Rt=St-Xt+Ut

(4)

由此可见，跨境资本的净收益可以看作简单的线性资产组合，即分别买入一单位股票市场超额收益(St)和一单位(离岸—在岸)无抛补利率溢价(Ut)，同时卖出一单位(离岸—在岸)人民币价差超额收益(Xt)。由式(4)可见，三个因素随时间的动态路径决定了Rt的过程。然而三个因素都由不同的市场化指标所构成，因而又具有潜在的相互独立性。假设在岸—离岸人民币市场之间不存在套利机会或者不存在人民币在岸—离岸市场的划分，则Xt取值为0。投资A股市场的外国投资者的美元收益由股票市场的人民币超额收益和人民币—美元无抛补套利超额收益两部分组成。这种情况下，之前文献关于跨境资本流动、汇率和股市收益率的实证模型基本上能够刻画这三者之间的动态关系。* 事实上，即便如此，很多研究也忽略了中美利率差异对于投资人民币和美元的收益率之差的影响。但是在现实中，在岸和离岸人民币市场的套利机会是经常出现且不断变化的。遗漏这一点将遗漏影响跨境资本流动收益的重要因素。

(二)SRISK指标的构建

SRISK的本质是计算危机时需要补足的预期资金短缺，t时刻金融机构i的SRISKi,t为：

SRISKi,t=(ESi,t|I=1)

=E{[k(Di,t+1+Mi,t+1)

-Mi,t+1]|I=1}

(5)

式中，k表示金融机构的核心资本充足率要求，一般设定为8%；金融机构i在t时刻的总负债和总权益分别以Di,t和Mi,t表示。因此，式(5)表示在未来t+1时点发生危机(I=1)时，金融机构i所面临的资本短缺。进一步假定6个月后负债不变，而权益价值发生改变，则：

Di,t+1=Di,t

(6)

Mi,t+1=(1-LRMESi,t)×Mi,t

(7)

SRISKi,t=kDi,t-(1-k)

式中，LRMESi,t表示长期边际预期差*根据Acharya et al的研究，如果笔者用边际预期差(MESi,t)表示日内股指下跌超过2%时该机构的预期权益损失，则LRMESi,t可以被近似表示为1-exp(-18MESi,t)。其中，MESi,t可以通过统计给定时间区间内市场收益率低于5%时特定金融机构的平均收益率得到。[14]，即在半年时间内股指下跌超过40%的情况下，金融机构总权益的预期损失。此外，还应注意在进行各金融机构系统性风险加总时，因为机构之间并不能自由转移盈余资金，各家金融机构的系统性风险(如果存在)恒大于零，即SRISKi,t > 0。将式(6)和式(7)代入式(5)，SRISKi,t的计算公式变换为：

对侨民的赞美和爱戴在节庆时刻得到集中展示，也是对他们贡献的回报形式。在节庆中，侨民收获的无形权力体现为人气和声誉——作为“皇后”“公主”的人气和作为海外侨民作出贡献的声誉，来自四面八方的艳羡和敬重在节庆时刻达到极致。侨民的皇后加冕已经形成一种乡村礼仪规范，维系着侨民与本地留守人员之间的关系。参与其中的侨民和本地留守人员默认维护着这一套乡村礼仪规范，成为节庆大群体的成员。不认同该“规则”的人也有权选择不参与这一套礼仪规范。

×(1-LRMESi,t)×Mi,t

(8)

如式(8)所示，SRISKi,t可分解为资本充足率k、总负债Di,t、长期边际预期差LRMESi,t和权益价值Mi,t四个因素。资本充足率k需要根据地区具体监管要求确定，通常为8%。权益价值和总负债可以分别通过资本市场和金融机构的资产负债表直接获取。

本文实证部分对于系统性风险的计算严格按照上述逻辑进行。在得到特定金融机构相关数据以后，按照一定的标准筛选出具有系统重要性的金融机构，进而加总得到国家或地区的系统性风险总值。*需要注意的是，如果个别金融机构的SRISK值小于0，则按照零加总。根据Brownlees and Engle的研究，在经济危机中，金融机构的盈余资本很难短时间通过兼并重组或者贷款等形式转移到系统内其他机构中。[4]在本文的模型中，系统性风险指标选取的是6个月内市场下滑超过40%情况下的SRISK。为保证选出的金融机构具有系统重要性，选取的目标公司为在中国A股市场上市且截至2015年12月31日市值超过300亿元人民币的金融机构共41家。同时，在公司的再筛选中，本文将该段时间内没有连续市值的金融机构剔除掉，以保证所选区间内权益价值涨跌幅的连续性。

(三)多元广义自回归条件异方差模型

多元广义自回归条件异方差模型，即MGARCH模型，突破了传统GARCH模型仅能处理一维随机变量条件方差的瓶颈。MGARCH模型根据不同的研究目的有若干种变体形式，目前有二元式模型和高维向量模型两种基本形式。根据研究目的，本文采用的是高维向量模型，且该模型是基于动态条件相关系数来估计并推断若干随机变量的条件二阶矩(MGARCH-DCC模型)。[35]

MGARCH-DCC模型首先通过传统GARCH模型计算条件方差去除残差得到标准化残差序列，进而推导模型的动态条件相关系数。具体模型设定中，笔者假定ut为期望为零的向量，因子α(L)表示滞后过程，将条件均值模型设定为向量自回归(VAR)模型：

α(L)(yt-μ)=ut

(9)

式中，Ht为随机变量ut的方差协方差矩阵，等价于如下等式：

 

在上述对角矩阵Dt的表达式中，服从GARCH过程如下：

同时，基于条件相关系数的对称阵Mt=ρij,t，当且仅当i=j时，Rt=1。即MGARCH-DCC模型具备如下形式：

(10)

此处，Mt通过εt和Dt等参数与条件均值及yt和σi,t2联系起来，为笔者探寻五变量之间的相关关系提供方法论。相较于建立传统的VAR模型，加入描述条件方差的MGARCH-DCC模型放松了常相关系数的假定，并且对方差的估计进行了优化，能够更好地体现变量之间的收益和方差的互动关系。

四、实证结果

鉴于离岸人民币的中国香港同业拆借利率(CNH Hibor)从2013年6月24日开始统计，本文数据的选择范围是2013年6月25日—2016年3月的日度交易数据。* 时间选择截至2016年第一季度，一方面原因是截至本文创作完成时，2016年第二季报尚未公布，2016年3月份以后的财报数据不可得；另一方面，从2016年中开始，特朗普因素对市场的影响日渐加大，时间选择在该时间截止也可以尽量规避该政治范畴的外生因素。另外，基于2015年8月11日我国央行为增强人民币兑美元汇率中间价的市场化程度和基准性推行的人民币汇率中间价形成制度改革，笔者对“8·11”汇改前后的联动关系进行了分别测定。短期跨境资本流动数据取自新兴市场投资基金研究公司(EPFR Global)*EPFR(Emerging Portfolio Fund Research)是注册地在美国的基金研究机构。它是全球最大的各类基金监测机构，数据范围涵盖全球基金流向和资产配置，监测超过15 000个新兴市场基金市场和超过7万亿美元的美国基金，这些基金管理着全球24万亿美元的资产。其数据被世界各国央行、国际组织使用，用于做政策分析。数据库。中国A股收益率数据选取自沪深300指数超额收益率，本文的其他数据：美元的伦敦同业拆借利率(USD Libor)、在岸人民币的上海同业拆借利率(CNY Shibor)、CNH Hibor、美元兑在岸人民币当日结算汇率(USD/CNY)、美元兑离岸人民币当日结算汇率(USD/CNH)、沪深300指数(CSI300)数据均来自彭博(Bloomberg)数据库。经过Winrats软件初步数据处理，笔者共得到649个有效样本。在单位选择上，短期跨境资本流动的单位是十亿(billion)美元，其余均为百分比。在实证分析中，笔者首先通过标准模型、向量自回归(VAR)模型，对上述五变量的条件均值之间联动关系进行研究。在建立并估计VAR模型的基础上，本文通过单变量GARCH模型计算条件方差去除残差得到标准化残差序列，进而推导模型的动态条件相关系数，进而构建VAR-MGARCH-DCC模型，以对方差的估计进行优化，最终推导五变量波动性之间的联动关系。变量描述性统计和序列见表1和图1。表1显示，在“8·11”汇改之前和之后笔者考察的这五个变量中除了Xt之外，其他变量在“8·11”汇改之前和之后方差变动剧烈。

 

表1 变量描述

  

五变量“8·11”汇改前“8·11”汇改后至2016年3月底均值方差均值方差Ft-0.01920.3247-0.01520.0203Xt-0.00130.0001-0.00070.0001St-0.07122.96780.08980.7098Ut-0.00050.0004-0.00230.0088SRISKt0.10637.87580.16203.1736

说明：表1显示在“8·11”汇改之前和之后笔者考察的这五个变量中除了Xt之外，其他变量在“8·11”汇改之前和之后方差变动剧烈。

图1所示为所选区间内五变量的时间序列动态图。从该图可以看到，离岸在岸人民币汇率差(Xt)和无抛补利率溢价(Ut)的波动性在“8·11”汇改后明显增加，这是对汇改增加汇率弹性的反映。相比而言，短期资本流动变量(Ft)和中国股市收益率(St)的波动性在汇改后均未出现明显变化。系统性风险(SRISKt)的波动性在汇改后有所下降。

Xt=(lned,t-lneo,t)-(lned,t-1-lneo,t-1)

式中，ed,t表示在岸人民币兑美元汇率(CNY/USD)；rUS,t-1为滞后一期美国市场名义利率；因变量Rt为外国投资者跨境投资A股市场的净收益。因此，根据式(2)的净收益率公式构造，可得出影响Rt的三个因素(股票总收益率Rt0、汇率损益ln(ed,t/ed,t-1)，和美元利率rUS,t-1)之间呈现线性关系。式(2)考虑了汇兑损益和机会成本，但仍然没有考虑人民币有在岸和离岸两个市场的情况。具体而言，由于在岸和离岸人民币汇率存在差异，投资者还有在两个市场之间进行套利的机会。考虑到这一点，笔者可以把式(2)中的美元超额收益分解成三个因子，其中一个因子反映投资中国股票市场组合的人民币超额收益；第二个因子反映在岸-离岸人民币市场套利的超额收益；第三个因子反映离岸人民币和美元之间套汇的超额收益。具体而言，笔者构造如下三个因子：

 

 

 

 

  

图1 五变量的时间序列动态(2013.06.25—2016.03.31)

资料来源：EPFR Global，彭博数据(Bloomberg)。

汇改前后五变量互动模式的变化主要有以下三点：

第一，汇改之后短期跨境资本流动(Ft)对股市收益率(St)和系统性风险(SRISKt)的影响方向发生反转，汇改前短期资本流入降低股市市场收益率且推高系统性风险，而在汇改之后，短期资本流入推高股票价格且降低系统性金融风险。这一结果表明，在汇率改革之前，短期跨境资金的流入具有较强的汇市投机动机，对资本市场和中国整体金融稳定并没有起到积极的作用。在汇率改革之后，跨境资金流入的动机变得更加单纯(人民币汇率的投机利润收窄，更多只用于股权投资)，在这一时期跨境资本A股市场上的买入行为更多地属于“抄底”行为，有利于平抑股票市场风险，抑制恐慌行为，从而有利于降低中国系统性风险。

  

图2 VAR模型估计出的具有显著性的脉冲响应函数(“8·11”之前)

  

图3 VAR模型估计出的具有显著性的脉冲响应函数(“8·11”之后)

 

表2 五变量间脉冲响应关系

  

给定变量yit发生1单位正向冲击“8·11”汇改前各变量累积效果“8·11”汇改后各变量累积效果FtXtStUtSRISKtFtXtStUtSRISKty1t=Ft——负—正——正—负y2t=Xt负—负负————负—y3t=St————负正———负y4t=Ut——正—负——正—负y5t=SRISKt——————————

说明：表中第一列中各变量定义如下：Ft表示短期资本流动；Xt表示离岸在岸人民币兑美元汇率差；St表示A股市场收益率；Ut表示无抛补利率溢价；SRISKt表示系统性风险。相关检验结果均符合显著性需求。

第二，在“8·11”汇改前，离岸在岸汇率差(Xt)对短期跨境资本流动(Ft)和股市收益率(St)均存在显著的负向影响，而该影响路径在汇改后不再显著。这一结果主要体现出汇改的效果之一是减少了离岸/在岸人民币套利的短期资本流动及其对股市的影响。

第三，在汇改前St指标的外生变化只对SRISKt存在显著影响，而汇改后除对SRISKt的影响外，还对短期跨境资本流动Ft产生显著的正向影响。这一结果与以上两点分析具备一致性，汇率改革之后由于抑制了对于离岸/在岸人民币汇率的投机行为，因而中国A股市场的表现对于短期跨境资本的投资越来越具备指示意义。

总的来说，汇改前后短期跨境资本流动、资本市场表现、无抛补利率溢价是中国系统性风险的三大影响因素，其中资本市场表现和无抛补利率溢价对系统性风险始终为负向影响。汇改前后出现变化的影响因素为短期跨境资本流动。汇改前资本流入会显著增加系统性风险，汇改后则会减少系统性风险，这主要是由于资本流动对于中国A股市场的影响发生变化导致的。短期跨境资本流动在汇改前受到离岸和在岸人民币汇率差的显著影响，而汇改后这一影响基本消除。

随后，笔者通过增广模型和VAR-MGARCH-DCC模型，对五变量间波动性的联动关系进行研究。图4、图5和图6所示为通过VAR-MGARCH-DCC模型拟合之后所得到的五变量动态条件相关系数。动态相关系数corr(Xt,Ut)和corr(St,SRISKt)是其中两组明显区别于0的相关系数，故将其单独列出以增加图表的可读性。由图4和图5可以看到，变量波动性之间的八组相关系数均接近于0，其中，corr(Ut,SRISKt)和corr(Ft,SRISKt)多处于(-0.05，-0.1)之间，而其余六组相关系数多处于(0,0.05)区间。实证分析表明，在“8·11”汇改之前，各组变量的条件动态相关系数均较为平稳，随时间变化不大，但是在“8·11”汇改后八组相关系数的波动性明显增加。这些结果表明汇率改革的直接后果是改变中国主要的大类金融资产价格的相关性，而且使这些金融资产不再具备稳定和连续的相关性。

  

图4 五变量VAR-MGARCH-DCC模型波动性动态条件相关系数(1)

从图6中可以看到，corr(Xt,Ut)和corr(St,SRISKt)在所选区间内处于(-0.6,-0.8)之间，说明影响离在岸人民币利差与离岸人民币美元利差、A股收益率与我国系统性风险的外生冲击之间均存在显著的负相关关系。corr(Ut,Xt)显著为负。根据定义，不难看出Ut等于Xt与买在岸人民币卖美元的非抛补套利超额收益(为方便讨论，笔者用Wt表示该收益)之和。因此，Ut和Xt的条件负相关意味着买离岸人民币卖在岸人民币的超额收益(Xt)与买在岸人民币卖美元的非抛补套利超额收益(Wt)条件负相关。明显地在岸人民币利率本身的波动是这一条件负相关的一个重要来源。在岸人民币利率上升，则会降低Xt，而抬高Wt。反之，人民币利率下降，则会抬高前者，降低后者。因此，Xt和Wt显著负相关意味着人民币利率变动是驱动Xt和Wt变动的主要因素。

  

图5 五变量VAR-MGARCH-DCC模型波动性动态条件相关系数(2)

  

图6 五变量VAR-MGARCH-DCC模型波动性动态条件相关系数(3)

由于Ut=Xt+Wt，而表2显示系统性风险受到Ut影响，而不受Xt影响，这表明表2中Ut上升降低系统性风险的作用来自于Wt上升。由于人民币利率变动是驱动Wt变动的主要因素，这就意味着提高人民币利率有利于降低系统性风险。

渠道整平后，重新铺设保温板。保温板摆放要整齐，铺设要满足设计尺寸要求，不得出现漏铺现象；施工过程不得人为踩踏保温板和放置重物，以免造成保温板断裂，破坏保温板的整体性，影响保温效果。

另外，corr(St,SRISKt)显著为负说明推高股市收益率的外生冲击与能够降低系统性风险的外生冲击存在正向的联系。这意味着在笔者的样本期间内导致股票市场大跌的因素同时也是系统性金融风险的重要来源。

“不错。一开始我只是把他当作棋子，故意把照片泄露给他。只是，我没有想到他乘虚而入，骗得雪萤同他结婚。我当然不会坐视不管，就收买那个看守公厕的老头儿，让他诬陷夏冰，并让你来推波助澜。这样，我就可以一箭双雕。”范坚强把手里剩下的几颗鱼饲料投到鱼缸里，抽出一张湿巾纸擦手。

综合以上结果，我国短期跨境资本流动与系统性风险之间存在显著的单向影响关系，且“8·11”汇改前后该影响的方向反转。同时，影响短期跨境资本流动与系统性风险的外生冲击同样存在负向关联关系。此外，短期跨境资本流动还通过影响A股收益率影响我国的系统性风险，而系统性风险同时受到短期跨境资本流动、A股收益率和离岸人民币与美元利差的共同影响。

课后，学生深化对课堂知识的应用，通过超星学习通浏览教师上传的拓展知识或者资料，个性化学习，教师提供课下的在线指导、资源和点评。

五、结论与政策性建议

基于本文的实证结果和分析研究，结合目前的国内外经济政治形势，笔者提出政策性建议如下：

原有方案已经设置了杂散电流收集网，因此针对该方案的解决对策就是增加排流柜。排流柜被设置在牵引变电所内，是杂散电流腐蚀防护的重要设备，它使杂散电流单方向流回到牵引变电所的负极，防止杂散电流过多地流向车站主体结构钢筋和其他金属导体。

第一，本文实证分析表明，由于短期跨境资本是影响中国系统性风险指标的重要因素之一，因而在资本账户的开放过程中，需要秉承审慎原则，切勿冒进。尤其对于以金融类资产为主要投资标的的短期跨境资本，必须予以严格审批，对于机构资质、投资标的、投资额度等方面继续坚持现行的严格准入制度和相关管理规范。

第二，通过上文的实证分析表明，中国资本市场虽然发展时间短、机制不够成熟，但已经具备吸收和缓冲系统性风险的能力。因此，在制度上必须尽快打造适度宽松的准入机制，使更多的创新性企业和中小公司上市，扩展实体经济融资渠道，进一步降低传统银行融资的比重，从而降低间接债权融资累积形成的系统性风险。

第三，根据本文实证的结果，我国应当充分认识到短期跨境资本流动对系统性风险造成的影响，尤其是在金融市场相对平稳的时期。目前，虽然名义上的短期跨境资本主要由获得批准的合格境外投资者(QFII)构成，且资金的数量相对于我国庞大的A股市场总市值并不大，但是QFII资金的投资行为是很多其他各类资金的重要先导指标，其波动性会撬动远大于其自身的资金额。

第四，本文实证表明，在“8·11”汇改以前，短期跨境资本净流入并非完全是以投资中国资本市场为目的的，而更多的是以投机离/在岸人民币价差为主要目的，因此具有极强的“热钱”特征。“8·11”汇率改革之后，投机成本显著提高，因此，新的报价机制在抑制针对人民币汇率的投机行为上具有积极意义，应当持续下去。

第五，在开放经济条件下，人民币对美元相对收益的提高有助于防止资金外逃，进而维持金融稳定。在产能过剩和经济下行双重压力之下，货币政策有宽松化的压力，但考虑到适度的利率水平对于维持金融稳定的作用，过度宽松的货币刺激是需要有效管控的。

电气自动化的发展使得现代生活更为便捷，生产效率更高，而电气自动化节能技术的引入为电气自动化的稳定性和高效性提供了更多可能技术支持，也为电气自动化的发展提供了更广阔的平台，同时也解决了制约电气自动化发展的一些问题。

第六，加快金融监管体制改革，设立能够综合协调“一行三会”的大金融监管体系。本文的研究结论表明，短期跨境资本流动和系统性风险存在显著的相互影响。事实上，短期跨境资本流动的监管权力隶属于中国证监会，而系统性风险重要影响因素也包括商业银行，是中国银监会的监管范围，货币政策、支付结算等系统重要性金融系统和金融稳定的全局则归属中国人民银行。由此可见，短期跨境资本流动和系统性风险的监管尚存在央行和证监会职权交叉和责任不明的问题。因此，应尽快建立大金融监管体系，有助于帮助去除金融监管中存在的盲点，更好地管控系统性风险。

国际和国内有越来越多的呼声希望加快资本账户开放的进程，要求尽快放松外汇管制，以实现“三元悖论”博弈中的人民币汇率稳定和货币政策独立性，更快地将国内经济与国际接轨，并通过汇率稳定进一步推动人民币的全球化。但是，基于20世纪90年代亚洲金融危机、21世纪初全球金融危机，特别是泰国、韩国、中国香港等发达国家和地区的金融危机的经验教训，我们应当充分认识到我国金融体系与西方先进国家的差距和特异性，并在建立严格风险控制体系的基础之上，不断完善并审慎推进与资本开放相关的制度建设，对资本账户开放要认真评估其经济后果，防范系统性风险的发生。

参考文献

[1]王军.中国资本流出的总量和结构分析[J].改革，1996，(5).

[2]国家外汇管理局国际收支分析小组.2014中国跨境资金流动监测报告[EB/OL].https://wenku.baidu.com/view/97155535a8956bec0875e361.html，2018-01-12.

[3]D.Bisias，M.D.Flood，A.W.Lo，S.Valavanis.A Survey of Systemic Risk Analytics[J].Annual Review of Financial Economics，2012，(4).

[4]C.T.Brownlees，R.F.Engle.Volatility，Correlation and Tails for Systemic Risk Measurement[Z].NYU-Stern Working Paper，2010.

[5]V.V.Acharya，L.H.Pedersen，T.Philippon，M.P.Richardson.Measuring Systemic Risk[Z].NYU-Stern Working Paper，2010.

[6]赵进文,韦文彬.基于MES测度我国银行业系统性风险[J].金融监管研究，2012,(8).

[7]T.Adrian，M.K.Brunnermeier.CoVaR[J].American Economic Review,2016,106(7).

[8]R.Roengpitya，P.Rungcharoenkitkul.Measuring Systemic Risk and Financial Linkages in the Thai Banking System[Z].Bank of Thailand Working Papers，2011.

[9]高国华,潘英丽.银行系统性风险度量——基于动态CoVaR方法的分析[J].上海交通大学学报，2011,(12).

[10]范小云,王道平,方意.我国金融机构的系统性风险贡献测度与监管——基于边际风险贡献与杠杆率的研究[J].南开经济研究，2011,(4).

[11]L.Allen，T.G.Bali，Y.Tang.Does Systemic Risk in the Financial Sector Predict Future Economic Downturns?[J].Review of Financial Studies，2012，25(10).

[12]K.Giesecke，B.Kim.Systemic Risk: What Defaults Are Telling Us[J].Management Science，2011，57.

[13]D.F.Gray，A.Jobst.New Directions in Financial Sector and Sovereign Risk Management[J].Journal of Investment Management，2010，8(1).

[14]V.V.Acharya，R.Engle，M.Richardson.Capital Shortfall: A New Approach to Ranking and Regulating Systemic Risks[J].American Economic Review，2012，102(3).

[15]C.T.Brownlees，R.F.Engle.SRISK: A Conditional Capital Shortfall Measure of Systemic Risk[Z].NYU-Stern Working Paper，2015.

[16]周强，杨柳勇.论中国系统重要性银行识别——市场模型法还是指标法[J].国际金融研究，2014,(9).

[17]梁琪，李政，郝项超.我国系统重要性金融机构的识别与监管——基于系统性风险指数SRISK方法的分析[J].金融研究，2013，(9).

[18]R.Levine，S.Zervos.Capital Control Liberalization and Stock Market Development[J].World Development，1998，26 (7).

[19]A.Chari，P.B.Henry.Risk Sharing and Asset Prices: Evidence from a Natural Experiment[Z].NBER Working Papers No.8 988，2002.

[20]P.Krugman.A Model of Balance-of-Payments Crises[J].Journal of Money Credit & Banking，1979，(11).

[21]M.Obstfeld.Rational and Self-Fulfilling Balance-of-Payments Crises[J].American Economic Review，1986，76(1).

[22]G.L.Kaminsky，C.M.Reinhart.Financial Crises in Asia and Latin America: Then and Now[J].American Economic Review，1998，88 (2).

[23]金雪军，张雪芳，李红坤.国际游资流入对我国宏观经济冲击机制分析[J].浙江大学学报(人文社会科学版)，2006，36(2).

[24]吕江林，杨玉凤.当前我国资本大规模流入问题及对策[J].当代财经，2007，(2).

[25]周豪，温小敏.跨境资金流动风险监测预警指标体系的构建与实证分析[J].上海金融，2010，(5).

[26]B.K.Kapur.Capital Flows and Exchange Rate Volatility: Singapore’s Experience[Z].NBER Working Papers No.11 369，2005.

[27]张谊浩，沈晓华.人民币升值、股价上涨和热钱流入关系的实证研究[J].金融研究，2008，(11).

[28]巴曙松，严敏.股票价格与汇率之间的动态关系——基于中国市场的经验分析[J].南开经济研究，2009，(3).

[29]朱孟楠，刘林.短期国际资本流动、汇率与资产价格——基于汇改后数据的实证研究[J].财贸经济，2010,(5).

[30]陈浪南，陈云.人民币汇率、资产价格与短期国际资本流动[J].经济管理，2009,(1).

[31]吕光明，徐曼.中国的短期国际资本流动——基于月度VAR模型的三重动因解析[J].国际金融研究，2012,(4).

[32]叶亚飞，石建勋.汇改、资本流动及我国金融改革的时间窗口选择[J].财经科学，2016,(3).

[33]张明.人民币汇率形成机制改革:历史成就、当前形势与未来方向[J].国际经济评论，2016,(3).

[34]余永定，肖立晟.完成“811汇改”:人民币汇率形成机制改革方向分析[J].国际经济评论，2017,(1).

[35]R.F.Engle，K.Sheppard.Theoretical and Empirical Properties of Dynamic Conditional Correlation Multivariate GARCH[Z].NBER Working Papers No.8 554，2001.