中國債券市場信息溢出效應研究

王培輝　張猛

摘? ?要：本文追蹤新冠肺炎疫情暴發、擴散以及常態化管理的過程，研究其對債券市場的沖擊效應。通過構建信息溢出指數，從時域、頻域和非對稱性三方面進行分析，研究發現：從時域角度來看，在疫情的不同階段中國債券市場的信息溢出效應有明顯的差異性，呈現顯著的時變特征，國債和金融債為債券市場的主導，為信息凈溢出者，企業債為凈接收者；從頻域的角度來看，疫情沖擊下債券市場信息溢出由短期主導，但疫情對企業債的影響以長期為主；從非對稱方面來看，疫情期間債券市場受正向信息溢出顯著；以企業債市場內溢出角度來看，疫情對大部分行業、地區的產業債有明顯沖擊，且行業、地區間差異性明顯。

關鍵詞：新冠肺炎；債券市場；信息溢出；時頻域；非對稱性；系統性風險

DOI：10.3969/j.issn.1003-9031.2023.09.001

中圖分類號：F830.9? ? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1003－9031（2023）09－0003－18

一、引言

自2020年初以來，新冠肺炎疫情在全球范圍內暴發，給全球經濟和金融市場帶來了巨大的沖擊。疫情的沖擊，制約著各種市場作用的發揮，對宏微觀經濟與金融市場的發展構成嚴重挑戰（朱武祥等，2020；楊子暉等，2020）。要重視金融市場的穩健運行，減緩沖擊的影響（王睿和李連發，2021）。債券市場作為我國資本市場的重要組成部分，研究疫情對其沖擊的信息溢出效應是防范金融風險和建立科學預警機制的前提。

在努力實現經濟高質量發展背景下，中國債券市場正逐步走向成熟。中國債券市場已經成為全球第二大債券市場，存量規模突破130萬億元①，債券市場的重要性日漸凸顯。作為資本市場的重要組成部分，中國債券市場發展方興未艾，正步入重大戰略機遇期，面臨各種極端風險的挑戰。因此，研究疫情沖擊對中國債券市場信息溢出效應的影響，有助于防范極端事件對債券市場的沖擊，可以更好地理解債券市場的運作機制，為投資者提供更準確的投資建議，同時也可以為政策制定者提供有關風險管理和預警的參考。

二、文獻綜述

當前，針對極端風險事件，特別是新冠肺炎對金融市場的沖擊作用，學者們從不同角度展開了豐富的研究。在研究對象方面，以股票市場為切入點，研究疫情沖擊對股票市場收益率和波動率的風險溢出。疫情對全球股票市場有著持久性沖擊（鐘熙維和吳瑩麗，2020），使全球股市風險關聯更加密切（沈悅等，2023），加大了全球股市的波動性（Cheng et al.，2022），并且全球股票市場有著顯著的地理溢出效應（楊子暉和王姝黛，2021）。風險強度的提升使得新冠肺炎概念股收益率顯著下降，并且波動影響顯著（田金方等，2020），組織冗余作為調節變量可以緩解疫情對股票收益率的影響（金順姬等，2021）。另一些研究則以更為細化的地區、行業展開討論，發現疫情沖擊加劇了企業的盈余管理，受疫情沖擊大的行業和地區影響會加?。╕an et al.，2022），對快遞行業為正向影響，對進出口業務和交通運輸為負向影響（張建平和朱雅錫，2021），受疫情沖擊較大地區的企業股價變動幅度更大（程晨和劉珂，2021），并且經濟較發達的東部風險傳染外溢顯著，西部市場則韌性較低（王姝黛等，2023）。

疫情沖擊導致市場間關聯、風險傳染以及信息溢出不斷增強，已有的研究主要使用協整檢驗法、GARCH-BEKK模型、Copula函數和CoVaR等模型分析各金融市場的溢出效應。上述計量方法有一定的優點，但也存在一定的缺陷。比如GARCH-BEKK模型可以描述市場間的溢出方向，卻無法測得溢出強度；Copula函數無法測得溢出的方向；CoVaR模型不能同時考慮多個市場的溢出關系。Diebold and Yilmaz（2009）基于VAR模型構建溢出指數，但其依賴于變量的順序。之后Diebold and Yilmaz（2012）通過改進后提出的時變特征的方向性溢出指數（DY指數），該方法不僅可以衡量不同市場間的信息總溢出，而且可以測量單個市場間的信息相互溢出的方向和強度?；诖?，Baruník and Kehlík（2018）以DY指數為基礎，進一步考慮到頻率層次的溢出效應，該方法可以同時從時域和頻域兩個視角研究各市場的溢出效應（BK指數）。此外金融市場的波動溢出存在非對稱性，正向的波動與負向波動溢出存在差異，Barndorff-Nielsen（2002）將收益率分解為“好的”和“壞的”波動。Baruník et al.（2016）結合DY指數來衡量正負回報導致溢出效應的非對稱性。Baruník et al.（2017）進一步修正了總溢出的不對稱性的測量。

目前大部分研究都表明疫情對金融市場有顯著沖擊，但多數研究主要針對疫情對股票市場的沖擊影響，有關疫情對債券市場間溢出效應還未涉及，也鮮有文獻研究債券市場間非對稱性信息溢出效應。本文與已有研究不同之處在于：研究對象上，本文側重分析疫情沖擊下不同債券市場間的信息溢出，考慮了不同行業、地區的企業債間的溢出效應；在研究期間的劃分上，由于疫情的不同時期對我國債券市場的影響不同，故本文樣本期間包括疫情暴發前期、疫情暴發擴散階段、常態化管理時期以及疫情反復時期，更能從時間維度研究疫情沖擊的影響；在研究方法上，本文采用Baruník and Kehlík（2018）提出的Frequency Connectedness方法與Baruník et al.（2017）總溢出不對稱性的測量方法，與以往研究時域的變化不同，從時域、頻域和非對稱性三方面研究疫情沖擊下我國債券市場間信息溢出效應。

三、研究方法與樣本數據

（一）模型構建

本文采用Baruník and Kehlík（2018）提出的Frequency Connectedness方法，該方法通過將時域下的總的溢出分解到不同頻率的頻率帶，從而可以從時域和頻域兩個視角分析信息溢出的方向和幅度。非對稱性測量則是采用Baruník et al.（2017）修正的總溢出的不對稱性測量，此方法主要的優點是可以更好分析正負效應對溢出指數的影響。

1.時域下溢出指數的測度

首先是定義參數的自向量回歸模型：

（二）變量選取與數據來源

本文以國債市場、金融債市場、地方政府債市場以及企業債市場為研究對象，分別選取中債國債全價指數、中債地方政府債全價指數、中債金融債全價指數、中債企業債全價指數作為整體研究對象；另外選取產業債行業利差、產業債區域利差作為異質性研究對象。

樣本的數據期間為2019年2月1日至2022年11月11日，時間跨度包含新冠肺炎疫情暴發前期、暴發擴散以及常態化管理的過程。其中產業債行業利差按照申萬（一、二級）行業分組，本文選取其中26種行業；產業債區域利差是按照注冊地所屬省份（直轄市）進行分組，本文選取我國26個省份（直轄市）。數據來源于中債信息網和wind數據庫。

同時，對各債券市場指數和利差的日度數據進行對數差分處理，為了與利差數據方向保持一致，將指數數據差分后取負值，得出該債券市場的對數收益率。

四、中國債券市場間信息溢出分析

（一）時域結果分析

1.總溢出效應分析

圖1為時域下債券市場總溢出指數（TCI）?？梢钥吹街袊?個主要債券市場（國債、地方政府債、金融債、企業債）整體的溢出效應水平波動較大，總溢出指數在樣本期間內維持在48.81%～66.33%之間，說明總波動溢出具有顯著的時變特征。

為了更加清晰地體現出疫情沖擊對我國債券市場的影響，把疫情沖擊劃分為四個階段。2020年1月20日國家衛生健康委員會將新冠肺炎納入乙類傳染病，并采取甲類傳染病的預防、控制措施，以此為第一階段節點；以中央政法委印發《意見》①作為第二階段節點；以奧密克戎毒株首次在我國發現時間作為第三階段節點。四階段時間段分別為：2019年2月1日至2020年1月20日劃分為疫情暴發前階段；2020年1月21日至2020年7月21日劃分為疫情暴發擴散階段；2020年7月22日至2021年12月9日為常態化管理階段；2021年12月10日至2022年11月11日為疫情反復階段。

由圖1可以看出總溢出指數在疫情發展階段內呈現出升-降-升的趨勢，是疫情期間國內市場由經濟平穩運行到受疫情突發沖擊，經歷逐步修復沖擊影響，再到疫情反復的縮影。在疫情暴發前階段，我國債券市場平穩運行，總溢出指數均值達60%，說明此時債券市場運行活躍并且關聯性較強。在疫情暴發擴散階段，總指數由54%激增到66%，這是債券市場受突發沖擊時的應激反應，總指數的激增幅度反映了沖擊的影響程度。常態化管理階段總溢出指數逐步下降，溢出均值回落到59%，說明在疫情得到控制并且實現常態化管理的后債券市場間的應激反應逐步減弱，債市風險逐漸恢復到正常的水平。在疫情反復階段總指數呈階段性上升趨勢，因奧密克戎具有強大的傳染性使疫情又呈小范圍多時點的暴發趨勢，使債券市場整體風險聯動增強。

具體來說，在疫情暴發擴散階段，社會的經濟基本面均受到猛烈沖擊，經濟不確定性升高使債券市場的關聯程度同步增強，另外受美聯儲量化寬松政策的影響，使大量資本流入我國債券市場，債券市場的收益率下降，不同債券市場間行情出現分化，利率債和高等級信用債收益率變動明顯，但低等級信用債償債壓力加大，收益率在較高水平。另外投資者恐慌情緒所導致的市場情緒使金融市場風險聯動增強（方意等，2020），進而使債券市場風險提升，在此背景下，信息溢出指數攀升，溢出效應跨市場共振趨勢明顯。

在常態化管理階段，隨著政府財政金融政策實施，較大程度上緩解了企業經營困境，使得債券市場整體風險下降，風險可以通過政府政策傳導（Duan et al.，2021），說明在疫情得到控制并且實現常態化管理的后債券市場間的應激反應逐步減弱，債市風險逐漸恢復到正常的水平，此階段溢出均值59%。另外，此時國外的疫情還處于快速增長階段，中國率先復工復產而國外還處于停滯的狀態，中國外貿交易加大，從CCFI指數也能明顯發現，此時中國出口商品貿易大幅度上升，但國內需求下降，企業投資信心不足，投資者對債券投資欲望降低，使大量資本從債券市場中流出，流動性下降，使債券市場風險在此階段后期開始上升。

在疫情反復階段，疫情對債券市場造成沖擊，指數開始攀升，另外指數的攀升還與美國加息和縮表預期相關①，一方面美聯儲加息可能進一步導致我國債市的拋售情緒，引發資本流出，債市流動性下降；另一方面經濟增長動力不足，發行信用債的企業償債壓力加大，目前房地產和城投高債務問題仍舊突出，現金流壓力有增無減。鑒于房地產和城投債風險依然較高，美聯儲縮表將進一步加大房地產和城投債信用風險暴露的可能。而一旦房地產和城投債違約增多，也將給信用債市場帶來不利影響。市場避險情緒將會上升，信用利差也將擴大。奧密克戎流行和美聯儲加息和預期縮表使得債券市場風險加大，總溢出指數攀升至63%。

2.各債券市場凈溢出（NET）分析

圖2為4個債券市場的凈溢出效應（NET），表1給出4個債券市場在樣本期間內的平均相關效應。凈溢出可以衡量各債券市場的相對地位，凈溢出為正，代表其對其他市場的溢出效應更大；為負，代表受到的其他債券市場的溢出效應更大。

表1可以看到國債、金融債的凈溢出（NET）為正，企業債凈溢出（NET）為負值。并且國債在樣本期間凈溢出的平均值最高，說明其占市場的主導作用，這和我國債券市場目前的狀況一致。

具體來說，國債和金融債是信息的凈溢出者，國債是政府發行的債券，具有政府信用背書，具有較高的信用評級和較低的違約風險。此外，國債和金融債的發行規模較大，市場流通性較好，容易被廣泛關注和交易，從而使得市場上的信息更加透明和公開。相比之下，企業債則是信息的凈接受者，企業債的發行主體是企業，違約風險相對較高，市場流通性也較差，容易被忽視或者被市場較少關注。因此，企業債的信息披露和透明度相對較低，投資者需要更多研究和分析才能做出正確的投資決策。

在疫情期間，國債和金融債的信息溢出作用更加明顯。由圖2可以看到在2019年末四個債券市場的凈溢出（NET）均達到了樣本期間的波峰，說明疫情沖擊影響顯著。由于疫情的影響，市場風險和不確定性增加，投資者更加關注債券市場的安全性和穩定性。此時，國債和金融債的政府信用背書和較低的違約風險成為投資者的首選，市場需求增加，進一步加強了它們的信息溢出作用。國債的凈溢出在2020年5月達到一個小的波峰，這是因為2020年5月末的《政府工作報告》確定發行1萬億元的抗疫特別國債，另外此次特別國債采用市場化發行以降低財政籌資抗疫成本。特別國債的發行對于擴大內需、做好“六穩”“六?！惫ぷ骶哂兄匾饬x，更加大了其在債券市場的溢出效應。金融債在2020年下半年溢出指數開始攀升，這是由于此時各銀行相繼發行政策性金融債，以及外資持續加倉中國國債和金融債。另外值得一提的是，2020年11月中國國債和政策性銀行債納入彭博巴克萊全球綜合指數，這體現了國際市場于投資者對我國債券市場發展的信心。在此之后，摩根大通、富時羅素都把中國債券加入到旗艦指數。另外，彭博針對我國信用債推出了LCC指數，這是全球首只追蹤國際評級機構給予發行人投資級的中國信用債指數。目前，中國國債和政策性金融債最受國外投資者歡迎，外資的流入也導致了2020年后半年國債和金融債指數的攀升。

相反，企業債的市場需求下降，價格下跌，投資者更加謹慎，對企業的信用評級和財務狀況進行更加嚴格地審查和評估。在大多數市場，重點表現在產品和服務市場都出現不可抗力的萎縮，企業日常經營活動出現困難，支出持續性攀升，債務出現融資困難（張新民等，2020）。此外，疫情對企業的經營和財務狀況造成了一定的沖擊，在疫情沖擊下，企業流動性大都面臨斷流的壓力，企業違約提升（胡恒松和董慧穎，2020）。企業融資難不能有效解決，疫情之下企業面臨的償債壓力上升，企業債券違約概率將提高（何誠穎等，2020）。

疫情對中國企業債發行人盈利影響是顯而易見的，加之不斷有債券違約事件的發生，以及國債和政策性金融債加大發行等原因，投資者可能拋售企業債轉而購買更為穩健的國債和金融債，從而間接導致國債和金融債在疫情期間對企業債的擠兌作用，這可能將政府的財政壓力轉移到企業。這也解釋了圖2中2020年后半年企業債達到樣本期間內又一個波谷。

地方政府債在樣本期間的大部分階段為信息的凈溢出者，在疫情暴發后溢出指數迅速攀升至樣本峰值，“六穩”“六?！闭呤沟胤秸闹С黾哟?，疫情影響下又增收乏力，使政府債凈溢出效應減弱，并且在2021年上半年轉變為信息凈接受方，主要原因是專項政府債在2021年下半年才大規模發行，此后凈溢出指數回升。

總之，國債和金融債是信息的溢出者，企業債為接受者。在疫情期間，國債和金融債的信息溢出作用更加明顯，同時國債、政策性金融債的發行以及企業債違約的發生促使國債和金融債對企業債產生擠兌的影響，使政府的財政壓力轉移到企業，企業債的市場需求下降。

（二）頻域結果分析

本文將總溢出分解成頻率段為短期（1日到5日即一周內）、長期（5個工作日以上），計算對應的不同頻段的頻率溢出。對債券市場間的波動性溢出進行頻變分析，可以明確疫情對債券市場的沖擊溢出是受長期影響還是短期影響。

圖3表示債券市場的頻變溢出。首先，在疫情暴發之前，長短期溢出指數在沒有受到風險沖擊時，其溢出水平持平，說明市場平穩運行。其次，在時間維度上短期與時域的溢出指數在變化的過程中協同，并且在疫情暴發后，短期溢出水平（均值35.54）整體總高于長期（均值25.02），這說明債券市場的信息溢出主要由短期的溢出引導，即債券市場間的信息溢出主要發生在短期。尤其在疫情暴發階段，短期與時域的溢出指數均出現高位，并且短期表現的反應更快，說明疫情暴發在很大程度上加大了債券市場間信息溢出的規模，并且主要由短期主導。最后，在疫情暴發后平穩階段，短期溢出指數有所回落，長期溢出指數有所上升，這是由于疫情沖擊帶來的不確定性，投資者對沖擊預期有所改變，對債券市場影響變為長期，債券市場間信息溢出的持續期變長，但短期溢出指數仍顯著高于長期，債市市場信息溢出仍由短期主導。

表2和表3分別給出了不同債券市場在樣本期間內不同頻率下溢出效應的均值。除企業債市場外其余市場短期的溢出指數的平均水平高于長期，說明債券市場信息溢出主要是由短期因素驅動的。但企業債受長期因素的影響更大，其長期溢入均值（38.4）顯著大于短期均值（21.42），可能的原因在于，疫情之下各行業均受到較大沖擊，疫情反復更加劇了經濟的不確定性，使企業復工復產困難，持續上升的風險會對投資者產生更為持久的響應，由短期主導的溢入轉換為長期的市場不確定性，對企業造成更大程度的沖擊。

（三）債券市場非對稱性分析

金融市場中存在著上下行的溢出效應，可以更好刻畫市場的非對稱性（謝赤等，2021）。圖4為債券市場間的信息溢出非對稱測度，正值代表積極/正向的溢出效應大于消極/負向的溢出效應，負值則相反。數值為零表明正溢出效應和負溢出效應的影響是相同的，換而言之，不存在外溢的非對稱性。

在圖4中，非對稱性表現是明顯的，尤其是在疫情暴發的初期，非對稱性的波動達到了樣本期間的峰值。在疫情暴發時期，正向效應迅速提高，這是因為債券作為固定收益的資產，在受疫情沖擊時，相對其他金融產品具有良好的避險作用。同時股市的震蕩帶來了明顯的“股債蹺蹺板”現象，使投資者避險需求加大，推升債券市場上升趨勢，同時政府采取了一系列措施來支持疫情防控和經濟復蘇，這些措施包括加大政府債券的發行力度、推出減稅降費政策、提供流動性支持等。

具體來說，政府為緩解疫情對經濟的沖擊，財政政策與貨幣政策共同發力。財政政策方面，發放疫情防控專項補助資金的同時減征、免征企業的社保費，發行特別國債、政策性金融債以及專項政府債等，都對債券市場形成正向的影響。貨幣政策方面，通過降準向實體經濟注入流動性，下調中期借貸便利利率以降低企業融資成本等多種寬松政策，為債券市場提供有利的環境。相較于股市等其他金融產品的不確定性，債券有更穩健的收益。另外，由于美聯儲的無限量量化寬松政策的實施，以及中國國債加入海外債券指數，中國利率債作為世界范圍內少數的高等級高收益的品種，使大量資金流入我國債券市場，我國的債券市場成為全球的避險資產。

綜上，在疫情沖擊的情況下，全球經濟增速放緩、投資者的避險行為、政策的配合等共同作用下，對我國債券市場的正向影響激增，在疫情初期正向影響達到樣本的峰值。之后負向信息顯著增加，是因為由于中國采取了有效的措施控制疫情后，國內生產和出口繼續進行，當一些國家的生產力受限，中國出口貿易得以大幅度上升。而國內需求下降，投資者轉變投資方向，資本從債券市場流出，負向信息加大對債券市場的沖擊，使指數變為負值。

本節描述了主體債券市場間的不對稱波動溢出效應。在疫情暴發階段由于市場的不確定性，使投資者更偏愛債券等穩健產品，同時各種針對債券的政策的出臺，使債券市場的正向效應增大，但由于疫情沖擊的不確定性又使負向效應增大，表明債券市場間具有非對稱性，且受事件沖擊的影響顯著。

五、企業債市場內溢出效應分析

（一）分行業債券市場分析

如圖5可以看出不同行業間的差異顯著，溢出指數均由短期主導，與前文分析一致。圖6可以看出產業債風險在各行業之間傳染明顯，交通運輸行業與房地產行業在溢出網絡中與其他行業的關聯度較高，同時兩行業風險凈溢出水平也較高，其中交通運輸業凈溢出均值達34%，說明兩行業在產業債風險溢出體系中占據重要地位。究其原因，可能是疫情沖擊導致的經濟不確定對交通運輸業和房地產形成了巨大威脅，兩行業受到的沖擊較大，從而形成潛在的市場動蕩源。故下文著重分析疫情對兩行業的沖擊原因。

以交通運輸行業為例，2020年第一季度，由于疫情的持續延續和燃油價格上漲等影響，交通運輸行業受到較大沖擊，公路貨物運輸量急劇下降，2020年3月公路運貨量同比下降22.2%①，同時疫情導致的復工延遲，使全國高速公路貨運量出現了斷崖式下滑。另外，復工延遲加之大部分地區實行交通管制，使公路運輸的成本提高。國際貿易受阻、國際航線關閉導致我國港口吞吐量大幅減少、航線貨源極度缺乏，在春節假期和疫情的雙重影響下，下游企業復工節奏緩慢，需求增長不如預期，沿海散貨市場貨盤較少，需求慘淡，運力過剩矛盾突出，運輸價格持續探底。沿海（散貨）綜合運價指數2020年2月28日報收918.56點，較上月末下跌6.6%，月平均值為929.03點，較上月下跌10.5%①。鐵路運輸方面截至2020年一季度末旅客發送量同比減少55.1%，鐵路固定資產投資累計完成額下降21%②。民航受疫情影響同樣嚴重，為了更好控制疫情，多數國家采取了更為嚴格的出入境政策，航空需求大幅度減少，截至2020年一季度末我國民航運輸總周轉率同比下降46.6%③，其余主要生產指標也大幅下降。宏觀環境的波動引發了債券市場的聯動，交通運輸業的凈溢出強度一度逼近50%。但隨著防疫政策的調整和經濟的逐步復蘇指數開始回落。

2021年一季度交通運輸業凈溢出指數少許上升，企業發債規模大幅提升。交通運輸行業債券發行金額較上年同期大幅增長。其中，高速公路企業發債規模最大，機場運營企業和鐵路運輸企業的債券發行數量及發行規模較上年同期均大幅增長。交通運輸行業債券發行主體仍以高級別發行主體為主，合計發行3153億元。

房地產行業在我國體量巨大，涉及的上下游產業眾多，在樣本期間始終處于信息的凈溢出者地位。疫情暴發后，房地產業受到沖擊巨大，信息溢出指數快速攀升達到樣本的峰值。疫情的沖擊主要體現在兩方面：一是房地產行業的業績出現大幅度下滑，因為房地產行業積極配合防疫政策，各地的房地產企業均停止線下看房、咨詢、賣房的過程，大部分房企采取了減少租金等策略，使商家的損失轉移到房地產行業。二是商品房價格呈現穩中有降的趨勢，從國家統計局數據來看，我國一線城市的商品房價格支撐力仍然較強，呈現小幅度上漲；二三線城市商品房則有小幅下降的趨勢。另外根據各地不同的防疫政策，導致房地產發展政策也不同，使經濟市場進一步細分，加劇市場分化，其溢出效應更為明顯。

2021年一季度，房地產行業凈溢出指數拔高是因為房地產行業的投資金額和銷售金額雙創新高，1—2月全國房地產開發投資完成額13986億元，同比增長38.3%，全國商品房銷售面積和銷售額同比增長133.4%和104.9%①。但這與國家讓房地產行業穩定健康發展的理念相背馳，部分城市炒房苗頭出現，熱點城市房價上漲加快，于是國家相繼出臺房地產政策以防范金融風險（見表4）。

“住房不炒”和“穩地價、穩房價、穩預期”的政策基調貫穿全年，房地產行業火熱狀態迅速降溫，房地產融資受限，發展節奏放緩，體現在2021年一季度后指數的快速下行。

綜上分析，交通運輸、房地產等行業是我國產業債市場中重要的風險網絡節點，風險溢出效應較強，為產業債中重要的風險傳染源，并且其風險溢出效應受疫情影響明顯，我國應重點關注此類行業的風險異動，加強違約風險監測和實時預警，避免債券違約的發生，發揮債券對實體經濟的促進作用。

（二）分地區債券市場分析

如圖8和圖9所示，首先，產業債在各個省份之間風險傳導明顯，信息溢出仍由短期主導。其次，產業債風險傳染呈現明顯的區域分化現象，各個省份之間的產業債信息溢出水平相差較大。圖8中，風險溢出最高的兩個省份其凈溢出水平均超過40%，北京市產業債溢出水平均值達46%，說明其具有較高的信息溢出能力，相關的地域性信息能快速傳遞到其他地域市場。溢出水平最低兩個省份其溢出水平低于-20%，容易受到其他周邊區域的債務信息的沖擊。最后，風險的輸入方多為經濟較發達地區，北京、廣東風險溢出顯著高于其他省份產業債，其在網絡節點中也處于重要位置與大部分市場聯動頻繁，與此同時，遼寧、云南是主要的風險接受省份，容易受到其他周邊區域債務信息的沖擊。并且排名較后的省份在樣本期間內的利差存在較大的波動性，可能是由于相應的地區經濟基礎較弱，其擁有的優質企業資源較少，并且債券市場的規模較小，使得投資者對其債券市場的信心不足，并且在新冠疫情期間面臨更大的融資成本壓力，債券市場脆弱性高，更容易受到其他地區的沖擊。

圖10顯示了本文樣本中截至2022年12月10日新冠肺炎累計確診人數前2位的省份（上海、廣東）的凈溢出變動情況。以上兩省份在樣本期間內均為信息的凈溢出者。2020年初兩省份的信息凈溢出指數因疫情沖擊迅速攀升，廣東省、上海市均為我國沿海經濟強省，其擁有完備的金融市場對風險響應迅速。2020年一季度后兩省份指數又迅速開始回落，除了疫情受到控制，經濟基本面對債券市場的穩定有著密不可分的影響。作為經濟大省，對國民經濟的穩定有較大影響，受到外部沖擊影響后，其自身化解沖擊能力較強，使其溢出指數回落迅速。2022年廣東、上海又出現疫情反復，宏觀經濟表現與債券市場受其影響出現波動。以上海為例，在年初病例增長時指數開始攀升，到2022年3月30日上海宣布“全域靜態管理、全員核酸篩查”后指數達32.21%，較2022年初的17.92%上升了14.29%，2022年下半年全面恢復正常生活秩序后指數逐漸回落。

綜上分析，疫情沖擊對產業債（地區）風險溢出的沖擊影響明顯，產業債傳染風險呈現區域分化現象，網絡中重要節點均為經濟發達地區。具體而言，在疫情沖擊下經濟較發達地區的金融體系更加完善，化解沖擊能力較強，而經濟發達程度較低的地區，本身經濟金融資源相對匱乏，導致風險難以化解，在疫情沖擊期間更為明顯，表現為不同地區產業債風險凈溢出在疫情影響下兩極分化愈加明顯。

六、結論與政策建議

（一）結論

自2020年初以來，新冠肺炎疫情在全球范圍內暴發，給全球經濟和金融市場帶來了巨大的沖擊。債券市場作為我國資本市場重要組成部分，在疫情期間也遭受巨大的沖擊影響。因此，討論在疫情沖擊下債券市場間的信息溢出效應，對監管部門應對突發事件的風險管理決策以及不同債券市場投資者的風險管理有重要的參考價值。

本文從時域、頻域及非對稱性三個角度對債券市場間的信息溢出效應進行研究，研究結論如下：第一，疫情沖擊下債券市場間信息溢出效應具有顯著的時變特征，整體上波動較大，并與疫情形勢緊密相關。在疫情前期債券市場的總溢出指數表現比較平穩，在疫情暴發階段，溢出指數顯著提升并且達到樣本峰值，在疫情得到控制后，信息溢出總指數快速下降的同時指數的波動明顯加劇。這說明疫情對債券市場的沖擊是顯著的，債券市場易受極端風險事件的擾動，使各市場共振趨勢明顯，因此總信息溢出指數變化較大。第二，國債和金融債為債券市場信息溢出的主導，為信息凈溢出者，企業債為凈接收者。疫情期間企業債受到沖擊更為明顯，因為有債券違約事件的發生，投資者可能拋售企業債轉而購買更為穩健的國債和金融債，從而間接導致國債和金融債在疫情期間對企業債的擠兌作用，這可能將政府的財政壓力轉移到企業。這表明市場規模更大、安全性更高的國債、金融債更易對地位相對弱勢的企業債產生影響。第三，頻域結果說明債券市場間短期波動更為劇烈，并且趨勢類似于總溢出，長期溢出水平小于短期。說明債券市場風險主要由短期沖擊導致，市場能夠快速處理信息。第四，溢出效應具有顯著的非對稱性。尤其是在疫情暴發的初期，正向波動達到了樣本期間的峰值。說明當發生突發事件沖擊經濟時，債券是良好的資金避風港。第五，疫情對大部分行業、地區的產業債有明顯沖擊，且行業、地區差異性顯著。

（二）政策建議

政府需要健全債券市場金融風險防控體系，防范金融市場間風險溢出。由于我國債券市場間信息溢出在極端風險事件下溢出水平會顯著提高，政府需關注各個市場間信息傳播。構建各債券市場的信息共享機制，建設債券市場協同監測平臺，以防止跨市場的風險傳遞，保障債券市場有序運行；發揮國債、金融債市場主導作用，在債券市場受沖擊時，通過政策性國債、金融債緩解經濟下行，維持市場穩定發展；關注資金流向，避免部分資金過度流向股市、房地產等領域，警惕資產泡沫風險；強化外部金融風險防控，統籌疫情后經濟社會發展，構建新發展格局，夯實我國經濟基本面。

投資者要整體考慮各區域、各行業債券市場的情況，注重外界環境的短期沖擊。我國債券市場間聯動密切，因此在投資某一市場時也應考慮其他市場對其的溢出效應，對市場規模大的國債、金融債尤其關注，另外債券市場受到沖擊以短期為主，對投資期限短的投資者更應關注債券市場直接的溢出效應。通過分散化投資、避免過度集中持倉等方式來降低投資風險。

企業應確定好發債規模和期限，以獲得更好的融資條件。企業債為債券市場的凈接收者易受其他市場的溢出效應影響，企業一方面在發債前應全面評估自身財務和信用狀況，確定好融資規模和期限，避免債券違約，另一方面加強企業治理，做好信息披露，提升自身評級，充分利用市場機制來獲得更優惠的融資條件?！?/p>

（責任編輯：孟潔）

參考文獻：

[1]柴尚蕾，周鵬.基于非參數Copula-CVaR模型的碳金融市場集成風險測度[J].中國管理科學，2019，27（8）：1-13.

[2]程晨，劉珂.新冠肺炎疫情下資本市場的沖擊研究——基于股價同步性視角[J].工業技術經濟，2021，40（3）：125-135.

[3]方意，于渤，王煒.新冠疫情影響下的中國金融市場風險度量與防控研究[J].中央財經大學學報，2020，396（8）：116-128.

[4]何誠穎，聞岳春，常雅麗等.新冠病毒肺炎疫情對中國經濟影響的測度分析[J].數量經濟技術經濟研究，2020，37（5）：3-22.

[5]胡恒松，董慧穎.紓解疫情形勢下民營企業融資難題[J].國際經濟作，2020，405（3）：153-160.

[6]黃新飛，廉勝南，蔡睿思.資本流入激增與系統性金融風險——基于ΔCoVaR方法的實證分析[J].國際金融研究，2023，431（3）：37-49.

[7]蔣彧，李潔，王花.中國房地產市場與股票市場的雙向溢出效應研究[J].上海經濟研究，2021，393（6）：93-104.

[8]金順姬，張俊瑞，金玲，等.疫情沖擊下組織冗余對股票收益率的影響研究[J].金融論壇，2021，26（10）：50-57.

[9]李維安，陳春花，張新民，等.面對重大突發公共衛生事件的治理機制建設與危機管理——“應對新冠肺炎疫情”專家筆談[J].經濟管理，2020，42（3）：5+8-20.

[10]皮天雷，游承靜.加密貨幣與傳統金融資產市場的動態相關性研究——基于t-Copula-DCC-GARCH的實證分析[J].金融論壇，2022，27（5）：42-51.

[11]沈悅，李朝前，趙欣悅.重大風險事件下全球股票市場風險傳染效應研究[J].國際經貿探索，2023，39（4）：82-99.

[12]田金方，楊曉彤，薛瑞，等.不確定性事件、投資者關注與股市異質特征——以COVID-19概念股為例[J].財經研究，2020，46（11）：19-33.

[13]王培輝，陳巖.中美國債市場信息溢出效應檢驗[J].海南金融，2021（9）：57-69.

[14]王睿，李連發.宏觀不確定性與金融不確定性：測度與動態關系研究[J].經濟問題探索，2021，464（3）：27-42.

[15]王姝黛，楊子暉，張平淼.城投債信用風險傳染的地理集聚、路徑演變與驅動機制——基于前沿彈性網絡收縮技術的研究[J].統計研究，2023，40（3）：32-42.

[16]謝赤，賀慧敏，王綱金，等.基于復雜網絡的泛金融市場極端風險溢出效應及其演變研究[J].系統工程理論與實踐，2021，41（8）：1926-1941.

[17]楊子暉，陳雨恬，張平淼.重大突發公共事件下的宏觀經濟沖擊、金融風險傳導與治理應對[J].管理世界，2020，36（5）：13-35+7.

[18]楊子暉，王姝黛.突發公共衛生事件下的全球股市系統性金融風險傳染——來自新冠疫情的證據[J].經濟研究，2021，56（8）：22-38.

[19]張建平，朱雅錫.后疫情時代下新冠肺炎疫情對中國服務經濟影響——基于多期雙重差分模型的研究[J].工業技術經濟，2021，40（4）：58-67.

[20]張菀洺，張珊珊.中國對外貿易的影響因素研究[J].數量經濟技術經濟研究，2020，37（11）：81-98.

[21]鐘熙維，吳瑩麗.新冠肺炎疫情下全球股票市場的聯動性研究[J].工業技術經濟，2020，39（10）：29-37.

[22]朱武祥，張平，李鵬飛，等.疫情沖擊下中小微企業困境與政策效率提升——基于兩次全國問卷調查的分析[J].管理世界，2020，36（4）：13-26.

[23]Barndorff-Nielsen O E.Econometric Analysis of Realized Volatility and Its Use in Estimating Stochastic Volatility Models[J].Journal of the Royal Statistical Society： Series B （Statistical Methodology），2002，64（2）： 253-280.

[24]Baruník J，Kocenda E，Vacha L.Asymmetric Connectedness on the U.S.Stock Market： Bad and Good Volatility Spillovers[J].Journal of Financial Markets，2016，27（1）： 55-78.

[25]Baruník J，Kocenda E，Vacha L.Asymmetric volatility connectedness on the forex market[J].Journal of International Money and Finance，2017，77： 39-56.

[26]Baruník J，K■ehlík T.Measuring the Frequency Dynamics of Financial Connectedness and Systemic Risk[J].Journal of Financial Econometrics，2018，16（2）： 271-296.

[27]Cheng T，Liu J，Yao W，Zhao A B.The impact of COVID-19 pandemic on the volatility connectedness network of global stock market[J].Pacific-Basin Finance Journal，2022，71：1-22.

[28]Diebold F X，Yilmaz K.Measuring Financial Asset Return and Volatility Spillovers，with Application to Global Equity Markets[J].The Economic Journal，2009，119（534）： 158-171.

[29]Diebold F X，Yilmaz K.Better to Give than to Receive： Predictive Directional Measurement of Volatility Spillovers[J].International Journal of Forecasting，2012，28（1）： 57-66.

[30]Duan Y，Ghoul S E，Guedhami O，Li H，Li X.Bank systemic risk around COVID-19： A cross-country analysis[J].Journal of Banking and Finance，2021，133：1-13.

[31]Yan H，Liu Z，Wang H，Zhang X，Zheng X.How does the COVID-19 affect earnings management： Empirical evidence from China[J].Research in International Business and Finance，2022，63：1-13.

基金項目：本文系國家社科基金項目“疫情沖擊下應急金融政策效果評估與退出機制研究”（22BJL039）階段性研究成果。

收稿日期：2023-07-18

作者簡介：王培輝（1981-），男，河北滄縣人，經濟學博士，河北大學經濟學院教授、博士生導師；

張? ? 猛（1999-），男，河北平泉人，河北大學經濟學院碩士研究生。