本文通过动态相关计量模型，实证研究我国金融保险、银行、券商三大板块的相关性，识别三大板块之间的相关差异，并在此基础上基于波动性溢出效应进一步探讨风险传导的角色差异。根据实证结论，为我国金融监管机构采取有效监管提供理论支持和相关政策建议。

随着我国金融市场迅猛发展，我国金融行业逐步从分业经营转变为混业经营，混业经营是我国金融发展的未来趋势，但混业经营也为我国金融监管机构的风险管理带来了一系列挑战。金融监管机构管理金融风险的前提是需要分辨各个金融行业的相关关系以及各个板块风险传导的地位差异，抓住金融风险的主要矛盾，积极有效控制金融风险，提高金融管控水平，防范系统性金融风险，牢牢守住金融安全底线。

与此同时，随着我国金融市场朝着混业经营的方向发展，我国金融保险、银行、券商三大板块之间的相关性不断提升，板块之间的相关系数均高于0.65，但三大板块的相关性也容易受到金融监管政策的显著影响。2016年、2017年在金融去杠杆的背景下，三大板块之间的相关性迅速下降；2018年银监会与保监会两大金融监管机构合并时，银行与保险板块的相关性系数迅速提高，并高攀至0.9。同时，在波动溢出方面，券商板块在三大板块风险传导中占据着主导地位，券商板块对保险和银行板块波动的贡献比例分别是51%、45%，而保险和银行板块对券商板块的波动贡献比例很小，共同贡献比例不足5%；保险板块不仅受到券商板块和自身板块波动的影响，而且受到银行板块的影响，并且其波动贡献比例约为18%；保险板块仅受券商和自身板块的影响，银行板块对其波动贡献比例仅为4%。由此看来，券商板块风险是我国金融市场风险管控的主要关注对象。

[实证检验]

模型介绍

DCC-MVGARCH简称为动态条件相关多变量自回归异方差模型，是在CCC-MVGARCH模型基础上进行改进，不仅能够克服传统模型待估参数过多和方差协方差矩阵无法保证有正定性的两大缺陷，而且由于放松CCC-MVGARCH模型中序列相关性恒定为常数的假设，也能反映序列间时间波动的动态关系，更贴近金融资产价格相关随时间变化的现实。DCC-MVGARCH模型是通过改变CCC-MVGARCH模型常数矩阵的假设，对标准化扰动项进行加权平均，模型可表示为：

在上述模型方程中，Xt、Yt分别代表解释变量和被解释变量，C为待估计参数矩阵，Ht为误差项，为条件协方差矩阵，Dt为条件方差矩阵的对角矩阵，Rt表示条件相关系数矩阵，表示由标准化残差得出的无条件相关系数，代表标准化后的随机扰动过程。同时，参数和参数分别代表滞后1期的标准化的残差平方系数（ARCH系数）和异方差系数（GARCH系数），满足前提条件：

DCC-MVGARCH模型预测主要可分为两个步骤：第一步为对每个单变量建立GARCH模型，第二步为以每个单变量的GARCH模型为基础，预测多元变量之间的相关系数时，检验模型的稳定性。

数据样本的选取和处理

表1为变量RQ、RB、RY描述性统计

本文采用申银万国银行指数、申银万国券商指数、申银万国保险指数分别代表我国金融市场的银行、券商、保险三大板块，并依据首写拼音分别命变量为Y、Q、B，其中价格指数皆来自收盘价。样本选取时期为2010年1月4日至2020年8月31日，数据样本量个数为2591，数据来源于Wind金融资讯。在对收盘价取对数基础上进行一阶差分取为收益率，各收益率的描述性结果见表1。

根据表1，通过J-B统计量，可以说明我国银行、券商、保险三大板块收益率都不是正态分布。从标准差角度看，银行板块的收益率标准差最大，符合从2010年后我国股市较大波动走势一致。同时，三个板块指数的收益率峰度均大于3，偏度也大于0，属于比较典型的时间序列的尖峰后尾，并且是右拖尾。

单位根检验

在实证分析前，为避免计量分析中出现“伪回归”问题，先对变量进行平稳性检验，若数据在5%的显著性水平下拒绝原假设，那么认为该序列是平稳的。本文采用Dicky和Fuller的ADF检验（AugmentDicky-FullerTest），其单位根检验结果如表2所示。

表2为各变量ADF单位根检验结果

根据表2可以看出，变量银行板块收益率RY、银行板块收益率RB、券商板块收益率RQ不仅在5%的显著性水平下拒绝原假设，而且在1%显著水平下拒绝原假设，故三大板块的收益率是平稳性的时间序列。

ARCH检验

对各自变量收益率的ARCH效应检验，其检验结果如表3所示：

表3为ARCH-LM检验结果

根据表3可以得出，对于不同的阶数，LM统计量所对应的P值均在1%水平显著，三个收益率具有明显的ARCH效应，满足DCC-MVGARCH模型前提条件。接着对各自收益率进行GARCH（1，1）模型检验，表4显示的是金融三大板块收益率序列单变量GARCH（1，1）模型的估计结果。其中，ω表示常数项参数估计值，α表示ARCH（1）项参数估计值，β表示GARCH（1）项参数估计值，括号内为参数估计值对应的p值。GARCH（1，1）检验如表4所示：

表4为GARCH（1，1）检验结果

根据表4可知，在1%的显著性水平下，除常数项以外，GARCH模型的估计系数均能拒绝原假设，系数项皆显著。同时，ARCH项和GARCH项的系数之和分别为0.993057、0.993769、0.988803，都满足GARCH模型参数约束条件中对小于1的要求，也表明了金融三大板块指数收益率的波动具有显著的持续性。

DCC-MVGARCH模型稳定性检验

使用计量软件进行参数估计，得出DCC-MVGARCH模型，再通过改变CCC-MVGARCH模型常数矩阵假设下的联立方程的稳健性，其结果如表5所示：

表5为DCC-MVGARCH（1，1）模型稳健性估计结果

根据表5可知，DCC-MVGARCH模型中的系数不仅都大于零，而且均在1%的显著性水平下显著。另外，Rt=0.989825<1，符合模型的条件，表明模型整体平稳，对三大板块的相关系数拟合优度高。

在联立方程满足稳健性的前提下，得出我国银行、券商、保险三大板块的动态相关系数图表信息，其结果如表6和图1、图2、图3所示：

表6为动态相关系数描述性统计

图1为保险板块与银行板块动态相关系数

图2为保险板块与券商板块动态相关系数

图3为银行板块与券商板块动态相关系数

根据表6描述性的统计可得，从均值角度看，银行保险、保险券商、银行券商动态相关系数分别为0.758237、0.693386、0.655682，三大板块各自的动态相关系数均在0.65以上，说明我国金融行业随着市场化的发展，混业化逐步加深，金融混业经营和混业化发展大势所趋，特别是银行与保险两大板块的动态相关系数均值高达0.758237，符合2018年中国银监会与保监会合并金融监管机构改革等重大事件，银行与保险高度相关。

从中位数看，银行保险、保险券商、银行券商动态相关系数分别为0.781081、0.735783、0.67432，银行保险和银行券商的中位数与其均值相差不大，但保险券商动态相关系数的均值与中位数差距较大，说明银行保险、银行券商的动态相关系数分布比较均匀。从标准差角度看，保险券商的动态系数在三者中最大，表明了我国券商和保险两大金融行业的混业化发展受到的金融监管政策影响最显著。

从图1、图2、图3可以看出，银行保险、保险券商、银行券商的相关系数并非为恒定的常数，而是随着时间的变化而变化，具有显著的动态变化性，对现实金融现象具有较好的解释力度。同时，从三大板块的图形可以看出，金融板块的动态相关性均在2016年到2017年下降，与我国2016年到2017年的金融去杠杆、表外业务表内化等一系列金融监管相关。

图1显示，银行、保险的相关系数比较稳定，2016年以前在0.7上下波动，2018年以后相关系数迅速提高，这与我国2018年银保监会合并息息相关。图2显示，保险与券商板块在2016年前高度相关，并且高度稳定，但2016年后迅速下降，2018年急剧提高。图3显示，银行和券商板块的相关系数相对前面两个相关系数不稳定，但是2017年后总体趋势上升。

方差分解

在DCC-MVGARCH的基础上，确认了金融银行、保险、券商三大板块动态均处于较高的相关系数，但三者之间的动态系数差距较小，仍然无法分辨出在三大板块中哪个板块处于相对重要地位，故继续通过VAR模型进行方差分解，进一步探究三者之间的关系，为我国金融监管提供理论支撑，其结果见表7：

表7为VAR模型方差分解

根据表7可以得出，在波动溢出方面，券商板块的波动大部分来自于自身板块，基本上不受保险和银行板块的影响，但券商板块对其他另外两个板块都具有重大影响，具体表现为，券商板块对保险和银行板块的波动贡献比例分别为51%、45%。保险板块不仅受到券商板块和自身板块波动的影响，而且受到银行板块的影响，但其波动贡献比例约为18%。另外，保险板块仅受券商板块和自身板块影响，银行板块对其波动贡献比例可以忽略不计。因此，从方差分解中可以看出，券商板块在金融板块风险传染中占据主导作用，并且对其他板块具有单方面的重要影响。保险板块对银行板块波动也具有影响，但相较于券商板块，贡献比例存在一定差距。

[结论]

一方面，随着我国金融市场的发展，保险、银行、券商三大板块的相关性较高，均在0.65以上，并且有逐步提高趋势，显示我国金融混业发展大势所趋。同时，金融三大板块之间的动态相关性都受到金融政策的显著影响，在2016年到2017年相关性显著下降。另外，三大板块之间相关系数也存在差异，银行与保险相关性最高，其次是保险与券商，最后是银行和券商。

另一方面，通过方差分解三大板块收益率的波动溢出效应，得出券商板块波动基本上来源于券商自身，保险与银行板块波动未能影响券商板块波动。不过，券商板块能有效影响保险板块波动，并且贡献比例高达51%，也能影响银行板块波动，贡献比例约为45%。另外，银行板块波动的18%由保险板块贡献，因而券商板块在我国金融风险中占据主导地位。

[政策建议]

一方面，金融混业经营是大势所趋，在风险可控的监管下，可有序放开金融行业管制，引导不同金融行业有序混业经营。同时，也要加强不同金融风险传染的理论研究和实践探索，提升金融系统风险识别、风险监管的水平，统筹协调好金融开放与金融风险监管目标。

另一方面，在金融风险管控中，以“一行两会”为代表的金融监管部门应该对券商板块进行严格监管，把券商板块风险控制作为金融风险管理的主要着力点。通过重点监管券商板块，利用其对银行、保险板块单方面重要的风险溢出效应，积极引导银行板块和保险板块的风险控制，从而实现牢牢守住金融安全底线的目标，防范系统性金融风险，促进我国金融市场平稳健康运行。（作者单位：武汉纺织大学）