摘 要：文章从金融风险传染的定义、金融市场风险传染的原因和金融市场风险传染特征等几个方面对国内外相关研究进行了较为全面的梳理与评述，并对未来的发展趋势进行展望，目的是为从事该领域学术研究的学者和监管部门提供一些思路。

关键词：风险传染 传染病模型 金融市场风险

随着我国金融自由化步伐的加快，各种金融创新工具层出不穷，这些金融市场上的创新工具给我们带来投资收益的同时，也同样带来了风险。我国现行金融市场由货币市场、债券市场、股票市场、基金市场、外汇市场、黄金市场、金融衍生品市场等构成，具有交易场所多层次、交易品种多样化和交易机制多元化等特征，这些金融市场随着资金流动，人员关联联系日益密切，一旦某个子市场风险暴露，其会传染给其他子市场，形成一种多米诺骨牌效应，进而造成金融市场的紊乱，对国家经济造成较大冲击。特别是当前全球政治、经济格局变化莫测，中美贸易摩擦、新冠疫情爆发并在全球加速持续蔓延等事件加剧了全球经济政策不确定性，导致全球金融市场的剧烈震荡及金融风险跨市场交叉传染。因此，本文从金融风险传染的定义、金融市场风险传染的原因及传染特征等几个方面对国内外相关研究进行了较为全面的梳理与评述，并对未来的发展趋势进行展望，目的是为从事该领域学术研究的学者和监管部门提供一些思路。

一、金融风险传染定义

风险传染是不确定性在不同主体之间的传染过程，是由存在风险的主体向其他主体传递风险的过程。Forbes和Rigobon （2002） 认为， 金融风险的溢出就是一个国家 （或地区） 所引发的风险冲击造成市场间关联性的显著增加， 也就是说， 与正常时期相比， 风险来临的时候， 如果市场之间相关系数显著增加， 则表明金融市场间存在风险溢出效应【1】。李志辉、王颖（2012）指出，若金融风险的冲击从某一金融市场传递到另外一个金融市场，这两个金融市场之间会因为风险冲击产生显著变化，则表明这两个金融市场之间存在着风险传染【2】。虽然目前有许多定义金融风险传染的理论，但至今尚未有统一认可的概念。

世界银行对“金融风险传染”给出了三种定义，分别为广义风险传染、严格和非常严格意义下的风险传染。广义的风险传染是指市场波动引起其他市场波动的行为;严格的风险传染是指金融市场波动向其他市场传递，甚至跨越国界的相关性超过了国家之间其他基本面的关联性或者正常时期的关联性;非常严格意义下的风险传染是指相对于平稳市场，在危机时期金融市场间波动相关性的增加才称为风险传染。

二、金融风险传染的原因

不同市场间如果能够进行充分的信息传递和资源配置， 市场参与主体可根据市场价格变化去推测其他市场价格变化， 使得不同市场具有类似的波动形态， 进而市场间就出现了风险传递， 形成所谓的风险传染。金融风险传染可归因为金融市场的联动性、情绪传染、国际资本流动等。

金融市场的联动性。国外学者Bekaert和Harey（1995）， Baig和Goldfajn （1999）等论证了金融市场的关联性和互动性， 提出了金融市场的高度联动性是金融风险传递的重要原因， 认为两国之间经济与金融一体化程度越高， 资产价格和其他经济变量变动的同步性越强， 基本面冲击和投资者行为冲击造成的传染程度也会越深。由于金融市场各金融资产品种间的关联性，价格动荡可蔓延到其他资产或市场，金融风险传播的可能和程度都要加大（杨廷干，2010）【3】。系统性金融风险的传染主要体现在各金融市场和各金融机构的关联性上，一旦忽视金融体系内部各金融市场和金融机构间的关联性，将无法准确估计整个金融体系的风险来源比例（梁琪等，2015）【4】。我国股票市场与外汇市场间存在显著的非线性联动效应，单个市场的风险会通过两者间紧密的关联性而快速传染，成为我国金融系统中的风险隐患（杨子晖等，2020）【5】。不同国家或地区的货币市场与外汇市场链接成强度不一的金融网络，金融风险可能通过金融网络实现跨国传染，从而对其他国家或地区的货币市场、外汇市场形成风险冲击（苗文龙等，2021）【6】。

信息冲击及情绪传染。金融市场传染效应主要是由信息冲击或者流动性冲击引起的， 来自某个市场上这两个方面的冲击会通过信号效应以及流动性效应传递到其他市场， 从而对其他市场的价格产生影响（蒋序怀等，2006）【7】。战略性投资者全球性的投资组合与风险管理引致资金、风险及时流动及情绪传染和公众预期调整是不同国家或地区间金融风险传染的原因（刘海二等，2014）【8】;但也有学者认为认为不同银行机构间存在错综复杂的关联关系，系统性金融风险在银行间通过金融市场、尾部风险渠道传染相对明显，通过投资者情绪渠道传染相对不明显（苗子清等，2021）【9】。

国际资本流动等。经济全球化和金融自由化在为世界带来比较优势下的专业化分工以及投融资业务可观收益的同时，加快了国际间资本跨区域流动，金融市场一体化不断增强，导致金融风险跨市场的传播与扩散（卞志村，2021）【10】。马峻等（2021）基于中国上市银行的资产负债表数据建立了金融风险传染模型，认为银行的资产结构和金融市场深度都是影响金融风险传染的重要因素，金融风险的演化呈非线性，判断风险的阶段对于监管部门至关重要【11】。

三、金融风险跨市场传染实证研究

国内外学者对金融风险跨市场传染已经做了很多的研究。从研究对象来看，目前与金融市场风险交互传染相关的文献，既涉及跨区域金融市场又涉及同区域不同金融市场。包括诸如股票市场与股票市场、期货市场与期货市场等同类市场;股票市场、债券市场与银行市场以及汇率市场、债券市场和股票市场等三市场间风险传染机制的研究。

Forbes等利用市场相关理论和相关系数论证了美国不同期货市场间存在风险传染效应【1】。何宜庆等（2009）使用Granger因果检验， VAR模型， 方差分解模型和脉冲响应函数等方法对美国次贷危机下中国债券市场、股票市场、期货市场等资本市场金融风险向银行体系传染进行实证分析， 结果表明股票市场对信贷市场、票据市场存在着金融风险的跨市场传染效应，金融风险同样也会由银行体系向资本市场传导【12】。李志辉等（2012）运用基于协整关系的向量误差修正模型（VEC），对中国股票、债券、外汇等金融市场之间的风险传染效应进行了分析。实证结果表明中国金融市场之间有着明显的风险传染效应，且不同金融市场的传染效应和贡献度不尽相同【2】。张岩等（2017）实证结果表明我国汇率市场、债券市场和股票市场三个金融资产市场之间存在风险交互溢出效应【13】。

风险传染现象不仅存在于一个国家的金融市场， 同时也存在于不同国家的金融市场。经济危机中发达国家和发展中国家金融市场间存在风险的传染现象（Boyer等，2006）【14】。周伟等（2012）运用多元随机风险传染模型， 对沪铜场内外风险传染现象进行了实证，实证表明沪铜的波动主要来自国际市场的风险传染，金融市场间风险传染类似金融市场波动存在集聚效应、沪铜与沪铝市场存在风险传染交替变化现象【15】。刘锡良等（2014）基于时变Copula-GARCH模型，分析美洲发达经济体美国， 欧洲发达经济体德国、英国、俄罗斯， 亚洲发达经济体日本及中国等国家货币市场、资本市场及外汇市场的周期同步性和传染效应。认为欧洲债务危机期间， 危机国金融市场对其他国家金融市场具有显著的传染效应和冲击效应【16】。

四、金融市场风险传染的特征

时滞性。张志英（2007）通过建立金融市场变量的向量自回归模型，利用脉冲相应函数和方差分解方法，分析我国货币市场、债券市场、股票市场、外汇市场等金融市场波动传导的时滞。其实证分析结果表明，某个金融市场发生的波动会传导到其他金融市场，金融市场波动传导均存在一定的时滞，并且时滞最长可达51个月【17】。陈燕武（2013）针对次贷危机前后美国的道琼斯指数、中国的上证指数、日本的日经指数和英国的金融时报指数的收益率，采用在险价值 （VaR） 的方法，用非参分位数回归模型进行金融市场风险传染的分析。实证表明不同国家的金融市场存在着风险传染效应，但是这种传染具有滞后性， 首先对风险发生国产生影响， 接着再影响到其他国家金融市场。而且，这种风险的传染对各国金融市场的影响程度都不一样.一般来说， 金融市场比较健全、制度比较完善的金融市场的影响程度较小， 而对处于发展初期的金融市场的影响程度较大【18】。

时变性。金融市场的风险传染性普遍存在，但传染效应强弱存在显著差异。王宝等（2008）使用 DCC- MVGARCH 模型研究我国股票市场、债券市场和银行市场间风险的传染问题。认为我国股票市场和债券市场两者的传染非常容易发生， 一个市场的价格变动， 会引起另一个市场的价格向相反的方向变化， 并且这种变化具有动态性【19】。孟浩等（2021）运用溢出指数模型，分析各金融市场之间的风险传染问题，认为金融市场风险溢出呈现出不稳定性、方向非对称性以及随机性，金融系统的风险溢出效应具有明显的时变特征【20】。宋玉臣（2021）以国际主要股票市场为对象，研究国际金融风险传染的趋势特征，从动态冲击的角度分析国际金融市场风险对我国金融市场的冲击传染效应。研究结果表明国际股票市场间存在明显的风险传染效应且表现出一定的区域性和时变特征，同时风险传染效应呈现波动增强的趋势【21】。

非对称性。Cappiello和Engle引入非对称动态条件相关模型 （AR-DCC-MVGARCH） 度量了国际主要股票市场和期货市场间的非对称风险及其风险传染， 证明了风险传染的动态性与非对称性【22】。何德旭等（2021）测度全球14个主要国家（地区）货币市场、资本市场的跨市场金融网络，研究国际重大风险事件冲击下的全球系统性金融风险的传染效应。认为全球系统性金融风险通过各国货币市场、资本市场进行交叉传染，资本市场的风险传染效应大于货币市场，但货币市场通过对本国资本市场的影响进而对其他国家金融市场的风险传染效应不容忽视【23】。

五、基于传染病模型的金融风险传染机制研究

1926年，Kermack和McKendrick提出了著名的传染病仓室模型，该模型基本逻辑是将人群依据不同疾病状态划分为若干类别（仓室），然后采用数学模型构建仓室间的动力学联系。在此基础上，基于不同的仓室假设，先后演化出SIS、SIR、SIRS等仓室模型，用于模拟不同的传染病传播特征。

由于金融风险的传染和传染病的传播相类似，故许多学者用医学传染病动力模型来拟合金融市场风险传播情况，探究金融市场间风险传染的机制。胡志浩等（2017）在无标度金融网络的基础上，构建SIRS模型来模拟金融风险传染【24】。沈禧等（2017）基于传染病SIR模型引入死亡者和被治愈无免疫者，构建符合银行间风险传染的数学模型，通过仿真模拟描述风险在银行间的传染机制，并从银行的传染率、治愈率、免疫率和破产率角度对风险传染效应的影响进行分析【25】。中国人民银行南宁中心支行课题组（2017）基于医学 SIRS 传染病模型对金融市场间风险交叉传染机制进行研究，研究发现金融市场间风险传染取决于基本再生数R0，当基本再生数大于1时，一个子市场的金融风险将传染至其他子市场，该值越大，金融风险越容易蔓延。金融风险在各个金融子市场之间交叉传染蔓延趋势主要取决于风险传染率β等因素【26】。王俊勇、李心丹等（2021）基于习近平新时代中国特色社会主义金融思想与大数据时代背景，利用SIRS模型对金融风险跨市场交叉网络传染机制进行深入研究，研究结果同样表明防控金融风险跨市场交叉传染主要取决于R0，其值越大，金融风险跨市场交叉传染越容易形成蔓延趋势【27】。

六、总结与展望

本文梳理了金融市场风险传染定义、传染原因及传染特征等方面的文献，为从事该领域学术研究的学者和监管部门提供一些思路。国内外众多学者目前针对金融风险跨市场传染研究较为深入，但关于金融市场风险传染研究主要是针对跨地区同类金融市场风险传染机制或者经济体内部两个金融子市场间风险传染进行分析，而较少从整体机制来研究金融市场间风险的传染。金融体系内包括众多的金融市场，各类金融市场之间存在错综复杂的关系，仅仅考虑两个或三个金融市场之间的风险传染关系已经不能满足风险防范的需要。

从传染机制来看，金融风险传染与医学传染病具有较强的相似性。为此，借鉴传染病动力学的相关模型，深入研究金融市场风险交叉传染的机制，从而对于增强我国金融市场风险传染的防范、控制能力，具有重要的理论和现实意义。然而学者运用传染病模型从宏观角度来研究金融风险传染大多数都是基于SIS、SIR、SIRS等传染病模型，忽略了金融市场间风险传染的时滞性。事实上，在风险传染演化初期，某些金融市场信息披露程度较高，风控机制较完善，这类主体通常具有一定的抗风险能力，虽然已经感染风险，但风险症状并未表现出来，随着金融市场风险传染力的增强和宏观微观环境变化，金融市场风险传染的潜伏期结束，这些市场可能会转变为感染市场，从而增加现存感染市场的总量，从而加快金融市场风险传染。

因此，学者们可以从考虑时滞的的金融市场风险传染机制入手，研究新时代金融风险在各个金融子市场之间交叉传染机制，探寻新时代增强金融风险跨市场交叉传染防范与控制的策略，从而更好的防范与化解系统性金融风险以助力打好防范化解重大风险攻坚战、维护国家金融安全，弥补现有研究的不足。

参考文献

[1]Kristin J. Forbes and Roberto Rigobon. No Contagion， Only Interdependence： Measuring Stock Market Comovements[J]. The Journal of Finance， 2002， 57（5） ： 2223-2261.

[2]李志辉，王颖.中国金融市场间风险传染效应分析——基于VEC模型分析的视角[J].现代财经（天津财经大学学报），2012，32（07）：20-27+36.DOI：10.19559/j.cnki.12-1387.2012.07.004.

[3]杨廷干.关于宏观金融风险及其管理的几点思考[J].金融与经济，2010（03）：22-25.DOI：10.19622/j.cnki.cn36-1005/f.2010.03.006.

[4]梁琪，李政，郝项超.中国股票市场国际化研究：基于信息溢出的视角[J].经济研究，2015，50（04）：150-164.

[5]杨子晖，周颖刚，龚华燕.全球系统性金融风险溢出与外部冲击（英文）[J].Social Sciences in China，2020，41（02）：26-49.

[6]苗文龙，杨朔寒，田妍.全球系统性金融风险跨市场传染效应分析——基于货币市场/外汇市场金融网络的视角[J].金融监管研究，2021（07）：86-100.DOI：10.13490/j.cnki.frr.2021.07.006.

[7]蒋序怀，吴富佳，金桩.当前资本市场的风险传导机制——基于传染效应的实证分析[J].财经科学，2006（02）：16-24.

[8]刘海二，苗文龙.区域性、系统性风险的生成与演化[J].西南金融，2014（07）：8-11.

[9]苗子清，张涛，党印.中国银行体系系统性金融风险传染研究——基于24家A股银行的大数据与机器学习分析[J].金融评论，2021，13（05）：58-74+124-125.

[10]卞志村，仝玉超，沈雨田.全球股票市场系统性风险测度与非线性演变[J].经济问题，2021（02）：12-21.DOI：10.16011/j.cnki.jjwt.2021.02.002.

[11]马骏，何晓贝.金融风险传染机制研究——基于中国上市银行数据的模拟[J].金融研究，2021（09）：12-29.

[12]何宜庆，万媛媛，何典芝.次贷危机下我国资本市场与银行体系跨市场风险传染实证研究[J].南昌大学学报（理科版），2009，33（06）：551-556.

[13]张岩，胡迪.中国金融市场风险交互溢出效应分析——来自股灾期间的新证据[J].金融论坛，2017，22（11）：41-55.DOI：10.16529/j.cnki.11-4613/f.2017.11.006.

[14]Brian H. Boyer and Tomomi Kumagai and Kathy Yuan. How Do Crises Spread？ Evidence from Accessible and Inaccessible Stock Indices[J]. The Journal of Finance， 2006， 61（2） ： 957-1003.

[15]周伟，何建敏，余德建.多元随机风险传染模型及沪铜场内外风险传染实证[J].中管理科学，2012，20（03）：70-78.DOI：10.16381/j.cnki.issn1003-207x.2012.03.007.

[16]刘锡良，吕娅娴，苗文龙.国际风险冲击与金融市场波动[J].中国经济问题，2014（03）：90-100.DOI：10.19365/j.issn1000-4181.2014.03.009.

[17]张志英.中国金融市场波动传导的时滞分析[J].财贸经济，2007（S1）：84-89.DOI：10.19795/j.cnki.cn11-1166/f.2007.s1.018.

[18]陈燕武，黄静菲.利用非参分位数回归模型分析金融市场的风险传染[J].华侨大学学报（自然科学版），2013，34（02）：215-219.

[19]王宝，肖庆宪.我国金融市场间风险传染特征的实证检验[J].统计与决策，2008（11）：78-79.

[20]孟浩，张蕾，程烨.中国金融市场风险溢出效应研究[J].统计与信息论坛，2021，36（11）：63-75.

[21]宋玉臣，吕静茹.国际金融风险传染演化趋势与应对策略——来自股票市场的证据[J].学习与探索，2021（09）：130-138+192.

[22]Cappiello Lorenzo and Engle Robert F. and Sheppard Kevin. Asymmetric Dynamics in the Correlations of Global Equity and Bond Returns[J]. Journal of Financial Econometrics， 2006， 4（4） ： 537-572.

[23]何德旭，苗文龙，闫娟娟，沈悦.全球系统性金融风险跨市场传染效应分析[J].经济研究，2021，56（08）：4-21.

[24]沈禧，徐立平.银行间风险传导机制和传染效应研究——基于SIR传染病模型[J].海南金融，2017（10）：4-10.

[25]吴田，胡海青，张丹，刘鑫.基于复杂网络的交叉性金融业务风险传染仿真[J].系统工程，2018，36（01）：22-30.

[26]中国人民银行南宁中心支行课题组，崔瑜.金融市场风险交叉传染机制与防控策略研究——基于医学SIRS传染病模型[J].南方金融，2017（02）：3-13.

[27]王俊勇，李心丹，林良才.新时代防控金融风险跨市场交叉网络传染机制研究[J].中国管理科学，2021，29（06）：23-35.DOI：10.16381/j.cnki.issn1003-207x.2018.1371.