本站小編為你精心準備了全球利率波動關聯網絡演化分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《廣義虛擬經濟研究雜志》2016年第4期

摘要：

在開放經濟下，金融波動具有很強的傳染性和擴散性。表現在貨幣市場上，各國利率往往呈現出同方向運動的特征。把握利率波動時空關聯的整體特性對準確預測和判斷金融風險，防止金融危機的發生具有十分重要的意義。本文根據全球140多個國家和地區的實際利率數據，借助復雜網絡方法，構建了全球利率波動關聯網絡。通過對網絡拓撲量的時間演化特征分析，發現各國利率波動的關聯強度呈現出明顯的時間依賴性。相比于經濟穩定發展時期，金融危機時期各國利率波動的關聯性顯著增強。結合網絡社團搜索方法，考察了各大洲國家利率波動對全球利率波動的影響力差異，發現亞洲、歐洲和北美洲國家對國際利率市場影響力相對較大。

關鍵詞：

廣義虛擬經濟；復雜網絡；波動關聯；空間集聚

一、引言

在開放經濟下，金融市場的各類波動不僅反映了一國內部實體經濟和虛擬經濟的發展狀況，同時，也反映了參與全球市場競爭的各個國家和地區經濟發展之間的相互影響和制約作用。表現在利率市場上，一國利率出現大的波動既可能是由于自身經濟發展的原因引起，也可能是由于其他國家經濟發展不穩定等因素引起。既可能是現實經濟運行不穩定的原因，也可能是人的恐慌心理感染的原因。相對于傳統的實體經濟間的風險傳染而言，金融市場作為廣義虛擬經濟其風險傳染具有“各種經濟形態因‘跨界’而形成交叉”的特征[1-5]。研究利率波動的時空關聯效應不僅補充和完善了廣義虛擬經濟下的金融風險成因、發展規律及其對整個經濟所產生影響的理論研究，同時對于準確預測和判斷金融風險，防止金融危機的發生和擴散具有十分重要的意義。利率作為一國貨幣政策的主要中介指標和宏觀經濟運行的重要經濟杠桿，其波動在國際間的傳導往往是通過資本流動和國際貿易等途徑實現。因此，國內外關于利率波動關聯效應方面的研究也主要集中于資本市場和貿易市場兩個方面。在利率波動和股市、匯市波動之間的關聯效應方面。A.Sensoy等人研究了匯率、利率和股票市場的動態關系[6]，發現大波動會引起三者間相關性關系的較大變化，但這種變化所持續時間較短。A.M.Andrie等人研究了利率、股票價格、匯率之間的互動關系[7]，發現三者間存在顯著的聯動關系。股票價格運動落后于匯率和利率的波動，利率變化對股價變化具有明顯的信號作用。趙天榮等人借助VAR-GARCH模型研究了人民幣利率和匯率間的關系[8]，發現匯率政策調整對匯率與利率間關系的變化具有顯著影響，匯率彈性變化會影響到利率的波動幅度。在利率波動和實體經濟波動之間的關聯效應方面。李敬輝等人研究了利率變化與大宗商品價格變化之間的關聯性[9]，發現利率變化通過影響存貨需求，從而引起商品價格波動，甚至出現“超調”現象。Q.Wang等人利用MF-DFA和MF-DXA方法研究了利率波動和農產品價格波動之間的關聯性[10]，發現其中存在著的自關聯和交叉關聯特征。V.Arora等人研究了利率波動和石油價格波動之間的關聯性[11]，發現短期利率和長期利率的變化都會影響到石油價格的變化。在不同國家利率波動之間的關聯效應方面。E.Anoruo等人研究了亞洲一些國家和地區利率的跨市場聯動[12]，發現不同市場間短期利率的聯動具有較為長期穩定的特征。在一些特殊時期，這種聯動性會增強。P.I.Ji等人研究了一些太平洋地區國家利率的關聯性[13]，發現亞洲金融危機后資本市場聯結程度提高。同時還發現，在危機前后，該區域市場的主導力量發生了變化。趙東喜等人研究了多國利率聯動的時間演化特征[14]，發現國際利率的聯動性具有增強的趨勢，在經濟異動時期這種趨勢更為明顯。李成等人研究了美國次貸危機前后中美利率關聯性[15]，發現利率波動存在顯著的溢出效應，次貸危機后中美利率聯動增強。劉亞等人借助Granger因果檢驗和GARCH模型研究了境內外人民幣利率的聯動關系[16]，發現兩者間存在著雙向報酬溢出和波動溢出效應。從國內外研究現狀可以看出，已有的有關利率波動關聯效應方面的研究大多著眼于某些特殊類型的市場之間，或者少數幾個國家和地區之間的波動關聯，對于全球范圍內利率波動空間關聯的整體性特征缺乏考察。另外，已有研究較為關注利率波動關聯在不同經濟發展時期的差異，對于利率波動關聯的地理性因素和經濟發展因素缺乏考察。利率波動在國際間的傳導是一個多經濟主體、多因素之間相互作用的復雜過程，從整體到局部的考察將有助于我們深入理解金融危機傳染和擴散這一宏觀現象背后的微觀機制。近年來，復雜網絡理論的提出和發展為我們研究經濟活動中各類復雜相互作用問題提供了方法論支持[17-21]。我們將結合網絡模型構建、社團結構搜索和QAP分析等方法，率先在全球利率波動時空關聯的全局性問題方面做些探索。以下內容分為四部分。第一部分是模型和方法的介紹。第二部分是利率波動關聯網絡實證模型的構建和時間演化特征分析。第三部分是波動關聯的空間集聚效應分析。第四部分為結論和建議。

二、模型設計和方法介紹

（一）基于靜態閾值的波動關聯網絡模型及網絡結構度量指標

參考文獻[22]中波動關聯網絡的構建方法。設i國貨幣在t時刻的利率為ri(t)。取利率變化的時間窗口為∆t。在[t-∆t，t]時間內，該利率的變化值為Ri(t)=ri(t)-ri(t-∆t)。將Ri(t)歸一化處理后可得()()/iiiiRt=R−〈R〉σ)，其中22=〉〈−〉〈iiiσRR〈〉，表示時間平均。設i國貨幣和j國貨幣利率變化值的乘積為()()()ijijGt=Rt∗Rt))?？疾霳個國家的貨幣利率在T時間段內的波動關聯性。在時刻t，利率波動的兩兩相關性大小可以用Gij(t)來表示。對所有國家間關系和時間T求平均，我們可以得到Gij(t)的平均值1112()(1)NNTijijitGtNNTς==+==−∑∑∑（1）基于該平均值，可以構造出不同閾值下的利率波動關聯網絡。設存在著某個閾值A=aϛ（a>0），若Gij(t)>A，則i國貨幣和j國貨幣的利率波動關聯，即兩者間有連邊。若Gij(t)≤ϛ，則i國貨幣和j國貨幣的利率波動是不關聯的，即兩者間沒有連邊。給定不同的a值，可以構造出具有不同閾值的利率波動關聯網絡。平均度，度分布，集聚系數，平均最短路徑等網絡拓撲量反映了網絡結構的整體特征。在一個網絡中，與某個節點直接連接的其他節點的數量稱為該節點的度。網絡中所有節點的度的平均值稱為網絡的平均度。兩個具有相同平均度的網絡，其結構也可能存在差異。這種差異往往表現在度分布的差異上。如平均度同樣為4的兩個網絡，一個度分布是δ函數，表示每個節點的度都為4。另一個度分布是泊松函數，表示節點的度在以4為中心的一個范圍內呈正態分布。在網絡中任取3個節點，這3個節點間都存在著連邊的概率，即構成一個三角形的概率反映了網絡節點間相互連接的緊密程度。以網絡中這類三角形的實際數量除以總的可能數量得到的值稱為集聚系數。設Ci為節點i的集聚系數，AC為網絡的平均集聚系數，ki為節點i的度，Ei為ki個節點間的實際連邊數，N為網絡中總的節點數，集聚系數的計算式為1/NiiACCN==∑（2）其中Ci=2Ei/ki(ki-1)。如果網絡中連接任意兩個節點之間的路徑有多條，其中從節點i到節點j所經過的中間節點數最少的那條路徑稱為最短路徑，可以用該路徑上所經過的邊數lij表示最短路徑長度。網絡中各個節點間最短路徑長度的平均值稱為網絡的平均最短路徑AL，其計算式為2/(1)ijijALlNN>=∑−（3）

（二）網絡社團搜索方法

在考察一個復雜網絡結構圖中，可以發現網絡中的有些節點彼此間連接很稠密，而它們與另外一群節點間的連接很稀疏。一群彼此間連接緊密的節點組成稱為社團結構[23-25]。可以按以下的網絡派系判別標準，即連通性標準來判定網絡中的社團結構。1-派系是指由3個或3個以上節點組成的最大完備子圖，即派系中所有節點之間都是兩兩直接連接的，且該派系不能被其它派系所包含。2-派系是指最多只通過一個中介節點就能夠實現連通的子圖。n-派系是指最多只通過n-1個中介節點就能夠實現連通的子圖。在網絡社團搜索算法中，可以按照從大到小、迭代回歸的方法來找到所有的派系。具體可以分為以下四個步驟進行。步驟一，根據網絡節點度的大小進行判斷，找到網絡中最大的派系值Smax。步驟二，從某一個節點出發，找出所有包含該節點且大小為Smax的派系，刪除該節點及與之相連的各條邊。步驟三，重復第二個步驟，直到網絡中所有的Smax派系都被找出來。步驟四，將Smax減1，重復前面三個步驟，直到找到從最大派系值到最小派系值3的所有派系。借助社團搜索，可以區分出網絡中的各個社團。通過對社團中各個成員的特征考察，可以發現節點間形成社團集聚的原因。

三、利率波動關聯網絡實證分析

（一）原始數據來源

本文收集了從2003年到2012年全球143個國家的實際利率數據（年數據）。數據來源于Wind、同花順iFind和世界銀行數據庫。

（二）利率波動關聯網絡的構建

借助公式（1）的計算，可以得到本文所考察的143個國家利率波動關聯值從2004年到2012年9年間的平均值為ϛ=0.1087。以該平均值為參考，我們設定了不同的閾值A=aϛ。依據這些閾值，我們構建出了各個年份利率波動的關聯網絡。下面，通過對平均度、集聚系數、平均最短路徑等網絡拓撲量的分析，我們可以了解到全球利率波動關聯網絡的時間演化特征。

（三）利率波動關聯網絡拓撲性質

1．網絡平均度及度分布時間演化特征

我們分別以A=0.5ϛ，ϛ，2ϛ，3ϛ為閾值，構建了各年份的利率波動關聯網絡。在圖1中，我們畫出了這些網絡平均度隨時間的演化情況。從圖1中我們可以發現，當閾值較小時，如A=0.5ϛ，從2004年到2006年，網絡的平均度在62到52之間。2007年網絡平均度開始小幅提升，到2009年該值已接近90。即在2009年，某個國家的利率波動與其他近90個國家的利率波動都呈現出關聯性特征。從2010年起，網絡的平均度開始大幅回落，到2011年跌落到46左右。2012年網絡的平均度又有小幅回升。增大閾值除了導致各年份平均度普遍有所減小外，網絡平均度的時間演化趨勢與閾值為A=0.5ϛ時的情形基本一致。為了解不同年份平均度差異的主要來源，在圖2中，我們分別畫出了平均度最高的2009年和平均度最低的2011年閾值A=ϛ的網絡度分布圖。通過比較我們發現，在2009年，60%以上節點的度值超過110，其余節點在較小的度值區間和較大的度值區間均有分布。在2011年，15%以上的節點度值為0，其余節點較為均勻地分布在1到86左右的度值區間內。以上的度分布特征表明，2009年全球大多數國家的利率呈現出較大變動。而這一時期正是美國次貸危機的影響向全球擴散的主要時期。

2．網絡集聚系數和平均最短路徑時間演化特征

利率波動關聯網絡的時間依賴性特征不僅反映在網絡平均度的時間演化上，它還同時反映在網絡集聚系數和平均最短路徑等其它網絡拓撲量的時間演化上。在圖3和圖4中，我們分別畫出了閾值A=ϛ的利率波動關聯網絡集聚系數和平均最短路徑的時間演化圖。從圖3中可以看出，從2004年到2006年，網絡集聚系數變化不大，基本在附近呈現出隨機波動狀態。從2007年起，網絡集聚系數開始逐年上升，到2009年集聚系數的值已經接近0.965。從2010年開始，網絡集聚系數連續兩年呈現大幅回落，最低值降到了大約附近。2012年該值又稍有回調。而從圖4和圖3的比較中可以發現，利率波動關聯網絡平均最短路徑的時間演化和集聚系數的時間演化呈負相關關系。圖4顯示，從2004年到2006年，閾值A=ϛ的利率波動關聯網絡的平均最短路徑穩定在AL~1.25附近。從2007年起，網絡平均最短路徑開始逐年下降，最小值降到了2009年的AL~1.04。從2010年開始，網絡平均最短路徑連續兩年呈現大幅上升，最大值達到了1.43左右。2012年該值又有一定程度的回調。比較利率波動關聯網絡的平均度、集聚系數、平均最短路徑的時間演化特征，我們可以發現，2009年各國利率波動呈現出關聯性增強這一整體性特征。

四、利率波動關聯的空間集聚效應：網絡1-派系節點地域分布特征分析

為了解利率波動關聯的地理特征，我們選取利率波動關聯程度最強的2009年數據作為考察對象，通過對閾值為的利率波動關聯網絡中的1-派系結構的搜索，以及對所發現的1-派系結構中的各個節點的地理特征分析，找出利率波動關聯的洲際差異。表1中所列的17個派系是我們通過派系過濾算法所得到的2009年利率波動關聯網絡中的所有1-派系。通過對派系內部節點（國家）按照其所屬大洲進行地域歸類，可以觀察到1-派系中的節點的地理分布特征。從表1中可以看出，在較大的1-派系中，按從高到低的順序，亞洲、歐洲、非洲、北美洲的國家占了多數。在中等大小的1-派系中，按從高到低的順序，亞洲、歐洲、北美洲、非洲的國家占了多數。在以上的17個1-派系中，不同的派系間存在著公共節點。從網絡的整體性來進行考察，這些公共節點起到了聯通整個網絡的重要作用。定義大洲中國家在1-派系中出現的次數多少為該國利率波動的影響強度。我們可以以大洲為單位，將各個國家劃分到其所屬大洲的高、中、低三個影響力組別中去。本文中我們所設定的高、中、低組別中的節點其在1-派系中出現的頻次區間分別為[10，+∞]，[5，9]，[0，4]。圖5為各大洲在不同影響力區間的國家數分布。通過對圖5和表1結果的比較我們可以發現，在亞洲、歐洲、北美洲這三個區域，1-派系中國家數多，就意味著高影響力強度國家多。兩者間呈正相關。亞洲國家利率波動的影響力普遍較強，處于高影響力區間的國家數占所考察的亞洲國家數的60%以上。歐洲和北美洲國家利率波動的影響力次之，處于高影響力區間的國家數分別占所屬大洲國家數的50%以上和40%以上。非洲是較特殊的一個洲。與其它洲相比，該洲在1-派系中的國家數較多，但在高影響力區間的國家數比例最低。亞洲、歐洲和北美洲在高影響力區間中出現了較多國家，表明這幾個洲的國家對國際利率市場影響力較大。非洲國家在高影響力區間中出現的國家數比例最少，表明非洲國家對國際利率市場影響力相對較小。綜合比較高影響力區域和低影響力區域國家數比例排位，我們發現北美洲在高影響力區域和低影響力區域國家數比例相對都較大，而在中等影響力區域國家數比例較少。這表明南美洲國家對國際利率市場影響力呈現出兩極分化的特征。

五、結論與展望

本文根據全球140多個國家和地區的實際利率數據，借助復雜網絡方法，構建了全球利率波動關聯網絡。通過對網絡拓撲結構中各拓撲量的時間演化特征分析，發現全球利率波動的關聯效應存在明顯的時間依賴特征。相比于經濟穩定時期，在金融危機時期，全球利率市場的關聯程度進一步加強。借助網絡派系搜索方法，對利率波動關聯的空間集聚效應進行了分析。發現利率波動關聯存在著洲際差異。利率波動的時空關聯性特征表明，在開放經濟下，金融風險的傳染和擴散具有顯著的時間依賴性和空間依賴性。把握這些時空特征性指標將有助于我們更好的識別金融風險，提高對金融危機的預防和控制能力。

參考文獻：

[1]林左鳴.看不見的心——廣義虛擬經濟時代的到來[M].北京：人民出版社，2007.

[2]林左鳴.廣義虛擬經濟——二元價值容介態的經濟[M].北京：人民出版社,2010.

[3]林左鳴.魔方經濟:全價值維度的新型產業集團探索[J].廣義虛擬經濟研究，2016，1：5-20.

[4]張宏.二元價值容介因素驅動下的國防軍工股聯動效應與波動特征分析[J].廣義虛擬經濟研究，2016，2：90-96.

[5]郭凱，紀膺馳.通脹預期演化、測度與菲利普斯曲線擴展[J].廣義虛擬經濟研究，2016，2：38-47.

[8]趙天榮，李成.人民幣匯率與利率之間的動態關系——基于VAR-GARCH模型的實證研究[J].統計研究，2010，02：72-76.

[9]李敬輝，范志勇.利率調整和通貨膨脹預期對大宗商品價格波動的影響——基于中國市場糧價和通貨膨脹關系的經驗研究[J].經濟研究，2005，06：61-68.

[14]趙東喜，劉義圣.國際利率聯動性動態演變趨勢研究——基于狀態空間模型的分析[J].江蘇師范大學學報(哲學社會科學版)，2013，05：134-140.

[15]李成，王彬，黎克俊.次貸危機前后中美利率聯動機制的實證研究[J].國際金融研究，2010，09：4-11.

[16]劉亞，張曙東，許萍.境內外人民幣利率聯動效應研究——基于離岸無本金交割利率互換[J].金融研究，2009，10：94-106.

作者:鐘立新 許趙淼 徐文娟 單位:浙江財經大學金融學院及中國金融研究院 浙江財經大學法學院 浙江永利實業集團有限公司