1. 网站地图
  2. 设为首页
  3. 关于我们


新冠肺炎疫情对金融业的影响及后疫情时代金融治理体系研究

发布时间:2022-02-20 09:54
2020 年新冠肺炎疫情在全球范围内的爆发给人们生活和社会经济发展均带来了巨大影响, 目前尽管我国疫情得到有效控制, 但是国外疫情形势依然严峻。 疫情不仅严重威胁到全球社会稳定, 也对全球经济和金融业发展产生了巨大影响。 据此, 各国政府开始积极采取一系列金融政策来进行宏观调控, 以有效化解疫情对经济和金融业带来的不利冲击, 确保经济平稳运行, 防范化解系统性金融风险。 2020 年 2 月 21 日, 习总书记在统筹推进新冠肺炎疫情防控和经济社会发展工作部署会议上再次强调, 要 “ 守住不发生系统性金融风险的底线”。 因此, 研究疫情对经济和金融业的冲击影响, 同时深入探讨疫情期间金融风险在股票市场、 债券市场、 外汇市场、 银行业以及保险业间的传导途径、 影响力度和溢出效应, 对于有效防范金融风险具有重大学术意义和现实价值。
1文献综述
疫情对全球经济金融造成的持续性消极影响引起社会的广泛关注, 国内外学者纷纷致力于研究突发公共卫生事件对经济和金融业的影响, 力求可以找到有效应对此类事件再次发生时能够保证社会稳定和经济平稳的措施。
在突发公共卫生事件对宏观经济的影响研究中, 很多学者在早期发现突发公共卫生事件会导致一个国家乃至整个社会 GDP 总量下降 ( Keogh- Brown 等,2007)[1] , 就业率下降( Dixon 等,2010)[2] ,失业率升高。 除此之外, 学者们还发现突发公共卫生事件对宏观经济的影响是短期的, 在长期中会逐渐消失 (李正全, 2003)[3] , 并且还会刺激经济发展(Brainerd 和Siegler, 2003)[4] , 呈现出 “V”型复苏的情况 ( Dahl 等, 2020) [ 5] 。 关于突发公共卫生事件对金融市场影响的研究中, 早期大部分学者并没有将注意力放在金融市场上, 相关文献较少。 而在新冠肺炎疫情影响下多国股市数次出现 “ 熔断” 现象成功引起很多学者的关注, 他们普遍认为重大公共卫生事件会使股票市场价格出现大幅度下跌 ( Al-Awadhi 等, 2020) [ 6] , 加剧我国股票市场风险波动 ( 蓝波和庄雷, 2021) [ 7] , 并且风险会在一国乃至全球范围内产生风险共振现象 ( 杨子晖等, 2020) [ 8] 。 从外汇市场看, 疫情对外汇市场同样产生了明显的负向冲击, 加剧了外汇市场汇率的波动 ( 方意等, 2021) [ 9] 。 着眼整个金融市场, 在单独研究各个金融市场风险
状况的同时,  有学者发现在不同金融市场之间也
 
向量 Yt 无法完全捕获到的。 因此, 进一步构造一个 K×1 维的因子向量 Ft 来概括那些不能被观测的信息, 基于两个向量的动态联合, 构建因子增广向量自回归模型:
Ft  = φ( L) Ft-1  +υ
 
存在跨市场风险传染和风险溢出效应, 并且具有
 
Y  Y t
 
[ 10]
 
 t 
 
 t-1 
 
一定时滞性 ( 方意等, 2020)
 
上式中, φ( L) 为 1 个滞后期为 e 的多项式;
 
重大公共卫生事件不仅对宏观经济和金融市场产生了消极影响, 也给银行业和保险业带来了很大冲击。 诸多学者研究发现疫情对银行业的影响主要集中在违约风险、 流动性风险和资产风险上 (Marwa Elnahass 等, 2021)[11] , 同时在 “ 宽信用”、 “ 宽监管”、 “ 宽货币” 的政策背景下, 还面临利润下降、 道德风险和高杠杆风险的问题 ( 钟震和郭立, 2020) [ 12] 。 此外, 还有学者发现疫情对银行不同业务类型的影响也有所不同 ( 彭庆超, 2020) [ 13] 。 对于保险业来说, 很多学者认为疫情给保险业带来了双向影响 ( 许闲等, 2020)[14] , 而从实际上看, 这种正面影响和负面影响会产生冲抵, 从而导致疫情对保险业的影响不显著 ( 杨霞等, 2020) [ 15] 。
纵观整个领域的研究, 国内外大部分文献多以定性分析为主, 在少数定量分析的研究中, 主要采用事件分析法来探究疫情对金融业的负面影响, 并且多侧重于单个或几个市场, 少有文献对金融市场以及金融行业进行全面分析。 因此, 本文采用因子增广向量自回归模型考察新冠肺炎疫情对我国股票市场、 债券市场、 外汇市场、 银行业、 保险业的冲击与影响, 为后疫情时代金融治理体系的建设提供一定参考。
2研究设计
2. 1 模型说明
本文旨在较全面地反映新冠肺炎疫情对金融业的影响, 由于采用了大量银行和保险业的指标
 
υt 为协方差矩阵的随机误差项, 其均值为 0。
2. 2 数据来源及公因子提取
本文选择的样本区间为 2014 年 1 月~ 2021 年3 月, 其中指数类数据来源于 Wind 数据库, 银行类指标数据和保险类指标数据来源于中国银行保险监督管理委员会, 新冠肺炎疫情每日新增确诊人数来源于 Wind 数据库。
特别注意的是, 银行类指标数据和保险类指标数据通常是季度数据, 而指数类数据是日度数据, 因此, 本文综合考虑选取月度数据来进行实证研究, 对于银行类和保险类指标数据本文采用Matlab 软件进行 3 次样条插值处理得到月度数据,对于指数类指标数据则将其日度数据进行月度平均计算处理得到月度数据。
本文采用 IBM SPSS Statistics 软件, 使用主成分分析法完成对因子的提取。  其主要步骤及结果如下。
2. 2. 1 KMO 和巴特利特球形度检验
由表 1 可知, 不论是银行类指标数据还是保险类指标数据都通过了 KMO 检验和巴特利特球形度检验, KMO 值均大于 0. 5 且巴特利特球形度检验的显著性水平均为 0. 000, 因此这两类变量指标数据均适合做因子分析。
  表 1 KMO 和巴特利特检验
银行类 保险类指标数据 指标数据
 
 
数据, 因而容易产生 “ 维度诅咒” 问题, 故本文选取 Bernanke (2005) 提出的因子增广向量自回归模型来有效地刻画疫情对金融业的影响力度和作用途径。
首先构建一个可观测的 M×1 维的向量 Yt , 且向量 Yt 中的各个变量都会对金融业产生影响, 但还有一部分不能观测到的信息对金融业的影响是
 
KMO 0. 672 0. 731
巴特利特球形度检验 近似卡方 3615. 004 5114. 674
自由度 120 120
  显著性 0. 000 0. 000
 
2. 2. 2 旋转后的方差贡献率
由表 2 和表 3 可以看出, 采用主成分分析法
 
第 10 期( 总第 336 期)
 
工业技术经济
 
No. 10 ( General, No. 336)
 
��20�21�年�10�月���������J�ou�rna�l o�f In�du�str�ial �Te�chn�olo�gic�al �Ec�ono�mi�cs ���������O�ct.�20�21 ���
 
经过因子旋转得到的 3 个银行业主成分和 3 个保
险业主成分累积方差贡献率分别达到了 86. 232% 和 83. 555%, 均能够较好地、 较全面地解释银行业和保险业的整体情况, 具有一定代表性。
表 2   银行类指标数据旋转后方差贡献率
  成分 总计 方差百分比 累积(%)     1 6. 845 42. 781 42. 781
2 5. 039 31. 495 74. 276
      3 1. 913 11. 956 86. 232    
 
表 3 保险类指标数据旋转后方差贡献率
 
 
  成分 总计 方差百分比 累积(%)     1 6. 567 41. 045 41. 045
2 5. 180 32. 377 73. 422
      3 1. 621 10. 134 83. 555    
 
2. 2. 3 公共因子命名解释
如表 4 所示, 可以发现提取的因子 1 在流动性比例和存贷比上的载荷较大, 因子 2 在不良贷款率、 可疑类贷款率、 拨备覆盖率和核心一级资本充足率上的载荷较大, 因子 3 在非利息收入占比和成本收入比上的载荷较大, 因此本文定义因子 1 为流动性因子, 因子 2 为风险因子, 因子 3 为效益因子。
由表 5 可以分析得出, 因子 4 在原保险赔付支出、 财产险赔付支出、 健康险赔付支出和人身意外险赔付支出上有较大载荷, 因子 5 在原保险保费收入、 人身险保费收入、 寿险保费收入上载荷较大, 因子 6 在银行存款和投资上有较大的载荷, 因此本文定义因子 4 为赔付支出因子, 因子5 为保费收入因子, 因子 6 为公司资产因子。
计算各公共因子的得分情况, 构建不可观测信息的因子向量 Ft 。
2. 3 核心解释变量选取及说明
本文选取沪深 300 指数( CSI300)、 中证综合债券指数( CSCBI)、 人民币指数( RMBI) 分别作为衡量我国股票市场、 债券市场和外汇市场的代理变量。 对于银行业整体情况的衡量, 本文采用因子分析法对我国银行业的一些重要指标 ( 见表 4) 提取公共因子, 最终得到 3 个公共因子, 分别为流
 
表 4 银行类指标数据旋转后的成分矩阵
 
 
  因子 1 因子 2 因子 3 
不良贷款率 0. 654 0. 734 -0. 103
次级类贷款率 0. 666 0. 481 -0. 170
可疑类贷款率 0. 485 0. 834 -0. 090
损失类贷款率 0. 667 0. 659 0. 055
拨备覆盖率 -0. 366 -0. 881 0. 107
流动性比例 0. 966 0. 074 0. 049
存贷比 0. 951 0. 220 0. 112
人民币超额备付金率 -0. 059 -0. 631 0. 223
资产利润率 -0. 794 -0. 532 -0. 207
资本利润率 -0. 810 -0. 546 -0. 148
非利息收入占比 -0. 308 0. 315 -0. 825
成本收入比 -0. 026 0. 034 0. 985
资本充足率 0. 880 0. 337 0. 175
核心一级资本充足率 0. 221 0. 793 0. 116
累计外汇敞口头寸 -0. 841 -0. 294 -0. 066
  净息差 -0. 636 -0. 635 0. 148 
 
表 5 保险类指标数据旋转后的成分矩阵
 
 
  因子 4 因子 5 因子 6 
原保险保费收入 0. 289 0. 925 0. 106
财产险保费收入 0. 071 0. 203 -0. 028
人身险保费收入 0. 216 0. 947 0. 114
寿险保费收入 0. 114 0. 951 0. 104
健康险保费收入 0. 659 0. 612 0. 145
人身意外伤害险保费收入 0. 701 0. 478 -0. 029
原保险赔付支出 0. 834 0. 491 -0. 069
财产险赔付支出 0. 943 0. 041 -0. 022
人身险赔付支出 0. 532 0. 794 -0. 096
寿险赔付支出 -0. 081 0. 897 -0. 208
健康险赔付支出 0. 936 0. 207 0. 103
人身意外伤害险赔付支出 0. 944 0. 227 -0. 056
业务及管理费 0. 917 -0. 001 -0. 024
银行存款 0. 227 0. 121 0. 888
投资 0. 417 0. 165 -0. 835
  资产总额 0 886 0. 255 -0. 070 
 
动性因子、 风险因子和效益因子。 在衡量保险业整体情况时, 本文采用因子分析法对我国保险业的一些重要指标 ( 见表 5) 提取公共因子, 最终得到 3 个公共因子, 分别为赔付支出因子、 保费
 
第 10 期( 总第 336 期)
 
工业技术经济
 
No. 10 ( General, No. 336)
 
收入因子和公司资产因子。 此外, 本文还选取了新冠肺炎疫情每日新增确诊人数作为新冠肺炎疫情严重程度的代理变量。
2.4 数据处理
由于核心解释变量之间存在量纲的差异, 为了排除量纲对实证结果的影响, 本文对数据进行离差标准化处理。
3实证分析与结论
3.1 单位根检验
由表 6 可以看出, 对所有可观测的变量和不可观测的因子变量进行 ADF 检验, 其 P 值均小于
0. 05, 也就是说在 5% 的显著性水平上, 所有变量均是平稳的。
 
或消失, 具有一定外生性。 因此本文将新冠肺炎疫情每日新增确诊人数作为外生变量引入 FAVAR 模型中。
在建立和估计 FAVAR 模型后, 本文对模型稳定性进行检验, 发现所有特征根均落在单位圆内, 即建立的FAVAR 系统是稳定的, 如图 1 所示。
 
 
 
表 6   单位根检验
 
 
  变量 统计量 P 值 沪深 300 指数 -2. 271 0. 0132
中证综合债券指数 -1. 715 0. 0450
人民币指数 -2. 385 0. 0099
流动性因子 -2. 020 0. 0233
风险因子 -6. 176 0. 0000
效益因子 -2. 924 0. 0022
赔付支出因子 -2. 816 0. 0030
保费收入因子 -8. 419 0. 0000
公司资产因子 -1. 757 0. 0419
   新冠肺炎疫情每日新增确诊人数 -7. 664 0. 0000 
 
3. 2 建立 FAVAR 模型
关于最优滞后阶数的选择, 通过 Stata15. 0 软件进行模拟, AIC、 HQIC 和 SBIC 得到的最优滞后阶数均为 4 阶, 但是当进行实证建模时发现选择滞后 4 阶的 FAVAR 模型存在单位根, 因此考虑到本文一共选取了 10 个变量来进行 VAR 建模, 而且选用的是月度数据, 使得 VAR 模型消耗自由度较多, 可能出现了过度拟合问题, 因此本文选取滞后 3 阶的 FAVAR 模型进行实证分析。
本文采用 Stata15. 0 软件对 FAVAR 模型进行估计和计算, 考虑到新冠肺炎疫情属于突发公共卫生事件, 其爆发具有一定偶然性和意外性, 并且它不会因为金融市场或金融行业的波动而产生
 
 
 
 
图 1 FAVAR 模型稳定性检验
3. 3 疫情对金融业的影响
由图 2 分析出, 对于股票市场而言, 疫情对我国股票市场短期内有明显的负向冲击, 而在之后大约 10 期左右的节点股票市场出现了正向波动, 这主要是因为我国政府在疫情爆发后, 及时采取积极的财政政策和货币政策对国家宏观经济进行调控, 同时采用发放消费券等方式刺激社会需求, 努力将疫情对我国经济金融的影响降到最小, 从实际来看, 政策效果是显而易见的, 我国整体经济金融实现了较快的复苏。 在债券市场上, 可以看到疫情对债券市场产生了正向刺激作用, 是因为债券是一种相对稳定的投资产品, 其价格取决于未来现金流的贴现, 而未来现金流的相对稳定使得债券市场在疫情下受到的影响相对有限; 另外由于投资产品之间具有替代性, 股票市场价格的大幅度下跌, 迫使投资者不得不去寻找一种相对安全的投资产品重新配置自己的资产组合, 债券市场相对稳定的表现给投资者提供了避险的场所, 同时我国为稳定疫情带来的经济冲击发行了
1. 2 万亿公开市场逆回购, 降低了利率水平, 使
 
第 10 期( 总第 336 期)
 
工业技术经济
 
No. 10 ( General, No. 336)
 
 
得疫情对债券市场产生了一定正向作用。 长期来看, 债券市场价格逐渐下跌且产生了持续的负向影响, 这主要是因为社会宏观经济整体较低迷且处于逐渐恢复状态。 对于外汇市场, 疫情导致人民币出现贬值, 在长期中经过短暂的波动后币值恢复稳定。 从银行业的表现上来看, 疫情对银行
 
业的冲击主要反映在违约风险、 流动性风险和银行盈利水平上, 且疫情给银行业带来的冲击呈现波动收敛的趋势。 在保险行业, 疫情对保险业产生的负面影响相对较小, 由图 2 可以看出疫情使保险业的赔付支出和保费收入出现下滑, 而对保险业的公司资产有正向促进作用。
 
 
图 2   新冠肺炎疫情对金融业的动态乘数
 
以上分析均基于短期视角, 从长期来看, 无论是股票市场、 债券市场、 外汇市场、 银行业还是保险业, 在滞后 50 期的情况下, 可以看到疫情对金融业的影响都逐渐趋于 0, 也就是说, 疫情给我国经济金融带来的只是短期的负面冲击, 而在长期中并不影响我国经济发展一片向好的趋势。为了进一步考察疫情对我国金融业波动情况
的影响, 本文将核心解释变量进行一阶差分处理, 由于未差分的核心解释变量为平稳的时间序列, 因此进行一阶差分后的变量依旧平稳, 重新建模后经检验, 新 FAVAR 模型依然是稳定的。 其模型结果如图 3 所示。
由图 3 分析出, 股票市场的波动具有一定时
 
滞性, 在短期内波动幅度并不大, 而在一段时间后波动幅度逐渐增大, 最终呈现收敛趋势。 疫情对债券市场和外汇市场波动的影响主要表现为短期内加剧了市场的波动, 在长期中逐渐恢复稳定。对于银行业来说, 疫情对其波动的影响持续时间较长, 需要经过较长时间波动才会消失。 从保险业看, 疫情对保险业波动产生的影响也主要表现在短期增大了波动幅度, 但波动状况会很快收敛恢复平稳。 总的来说, 疫情加剧了金融业的波动, 而在长期中波动的程度会逐渐衰弱。 此外, 短期冲击造成的高波动并不是持续存在的, 在长期发展的过程中呈现出收敛趋势。 因此, 防范短期高波动带来的系统性风险变得尤为重要。
 
第 10 期( 总第 336 期)
 
工业技术经济
 
No. 10 ( General, No. 336)
 
 
 
 
3. 4 脉冲响应
 
图 3 新冠肺炎疫情对金融业波动的影响
融市场联动产生的间接影响是巨大的, 甚至可能
 
由图 4 看出, 当不同金融市场或行业发生冲击时, 其他金融市场或行业均会受到不同程度的影响。 以股票市场为例, 当股票市场产生外部冲击时, 主要会对股票市场自身、 外汇市场以及银行业的盈利水平产生影响, 而反过来看, 当其他金融市场或行业如债券市场、 外汇市场以及银行业发生外部冲击时, 也会对股票市场产生冲击, 这表明金融体系中的各金融市场或金融行业之间存在一定相关性和联动性, 并且各金融市场或行业之间的相关性和联动性存在较大差异, 股票市场、 债券市场、 外汇市场之间的相关性和联动性较强, 而保险业和其他金融市场或行业之间的相关性和联动性较弱。
当前我国经济对外开放程度不断扩大, 金融体系中各金融市场或金融机构之间的联系更为紧密。 当金融体系中某一金融市场或金融机构发生风险时, 其他各金融市场或机构均会受到一定程度的影响, 且其直接影响是有限的, 但是通过金
 
导致金融体系发生系统性风险, 引发金融危机。
3. 5 方差分解
根据图 5 看出, 在短期内各个金融市场或金融行业主要受到其自身过去的影响比较多, 而在长期中, 其他金融市场或行业对其产生的冲击逐渐表现为产生风险溢出, 并且金融市场或行业之间的风险溢出效应也存在一定异质性, 具体表现为: 股票市场无论长短期均主要受到其自身过去的影响, 其他金融市场或行业对其产生的影响不大, 债券市场主要受到其自身及银行风险水平的影响, 外汇市场除了受到自身的影响外, 股票市场也对其具有一定的风险溢出效应, 银行流动性和银行风险在长期中会受到来自银行流动性、 保险公司资产以及外汇市场的冲击, 银行的效益因子、 保险业的赔付支出因子、 保费收入因子和公司资产因子则主要受到来自自身的影响, 其他金融市场或行业对其风险溢出效应相对较小。
综上所述, 股票市场、 外汇市场以及银行业风
 
第 10 期( 总第 336 期)
 
工业技术经济
 
No. 10 ( General, No. 336)
 
图 4 不同金融市场或金融行业冲击下其他金融市场的脉冲响应
 
险对其他金融市场的风险溢出效应较明显, 保险业受到其他金融市场或金融行业的影响相对较小, 同时其对其他金融市场或行业产生的影响也相对有限, 银行业的流动性因子和风险因子受到来自其他金融市场或行业的冲击源基本相似。
3.6 结 论
本文系统地分析了新冠肺炎疫情对我国金融业的影响, 实证研究发现: ( 1) 疫情在短期内对我国金融市场、 银行业和保险业都带来了不同程度的负面冲击, 并且加剧了我国金融业的波动, 但从长期来看, 疫情的影响会逐渐削弱, 不会影响我国宏观经济的发展趋势; ( 2) 金融市场或金融行业之间具有相关性和联动性, 且存在一定的异质性, 股票市场、 债券市场和外汇市场之间的相关性和联动性较强, 而保险业和其他金融市场或行业之间的相关性则较弱; ( 3) 金融体系内的各金融市场或金融行业之间会产生风险传染, 且不同金融市场或行业产生的风险溢出效应有所不同, 股票市场、 外汇市场以及银行业风险对其他金融市场或行业的风险溢出效应较明显, 而保险
 
业受到其他金融市场或行业的影响相对较小, 同时其对其他金融市场或行业产生的影响也相对有限, 此外还发现银行业的流动性因子和风险因子受到来自其他金融市场或行业的冲击源基本相似。
4后疫情时代金融治理体系建设的策略
面对疫情已经造成的冲击和后续可能的风险, 我国金融业仍需要对其高度重视。 本文就后疫情时代金融治理体系建设提出了几点策略。
4.1 完善金融市场建设, 防范和化解系统性风险
构建完善的金融风险预警体系和覆盖金融体系全部门、 全区域、 全时段的金融压力指数, 实时监测金融压力状况, 对金融市场动荡做出及时准确的预警。 继续确保金融市场常态化运行, 保证投资者流动性需求, 努力使我国资本市场健康化、 成熟化发展。 进一步扩大我国金融市场对外开放力度, 吸引更多国际投资者参与我国多层次金融市场建设, 让国内投资者享受到国际机构提供的金融产品和服务, 同时国内金融机构与优秀国际机构的良性竞争也会促进国内机构的成长和发展。 建设更完善的保险和金融衍生品市场, 防范
 
第 10 期( 总第 336 期)
 
工业技术经济
 
No. 10 ( General, No. 336)
图 5 不同金融市场或金融行业的预测误差方差分解
 
和化解系统性风险, 目前我国保险和衍生品市场发展还很不充分, 需要创新金融基础产品和保险产品来对冲风险, 探索发展金融衍生品市场。
4. 2 推进银行业和保险业数字化转型, 提升金融
服务实体经济能力
制定明确的数字化转型战略实施计划, 为银行业保险业数字化转型指明方向。 金融机构也应不断拓展、 创造、 重构线上业务, 用平台化的服务为客户创造价值, 同时应主动与金融科技公司和互联网企业等外部平台、 外部资源加强合作, 实现金融机构 “ 线上化” 战略, 持续累积和布局金融科技, 提升业务整合能力和快速应对能力。建立深层次的数据库系统, 有针对性地为客户提供信贷、 保险、 现金管理、 供应链金融等综合金融服务, 提高资产负债水平和应对风险冲击的能力。 组建高水平金融科技研究团队, 提高金融机构创新水平, 增强金融机构数据分析能力。 此外, 政府部门要统筹协调, 加快推进新基建合理布局、示范应用、 模式创新, 为银行保险业数字化平台建设筑牢基础。
 
4. 3 加强逆周期宏观政策调控, 维持经济平稳增长
后疫情时代我国应进一步加强逆周期宏观政策调控, 在宏观上采取更为积极的财政政策, 尤其是对中长期有增长空间、 短期受影响大的行业中的中小企业采取更大幅度的临时性减税降费、延缴社保等措施, 切实降低企业运行成本。 同时, 配以适当宽松的货币政策, 保障全国经济运行和资本市场运转的流动性供应。 此外, 还需要进一步加大中央和地方政府的投资和购买, 维护经济需求。 但与此同时也要注意避免宏观政策 “ 大水漫灌” 在中长期内对经济增长效率与金融风险造成的负面影响, 把握好宏观政策宽松的 “ 度” 至关重要。高校学术论文网提供专业的硕士毕业论文写作、博士论文写作发表、硕士论文写作发表、SCI论文写作发表、职称论文写作发表、英文论文润色的服务网站,多年来,凭借优秀的服务和声誉赢得了社会的广泛认可和好评,为毕业生解决写论文的烦恼
 
【本文地址:https://www.xueshulunwenwang.com//biyelunwen/2180.html

上一篇:新冠肺炎疫情期间我国人群交通出行行为分析

下一篇:作为“反应装置”的战争和作为“认知装置”的“战后” —为日本战争文学研究再寻坐标的尝试

相关标签: