供應鏈風險傳染效應的實證分析

供應鏈風險傳應的實證分析徐敏;喻冬冬【摘要】文章選取2008年金融危機發(fā)生前后的產(chǎn)業(yè)指數(shù)數(shù)據(jù)，采用三元VAR-GARCH(1,1)-BEKK模型分析由煤炭、電力、制造企業(yè)構成的三級供應鏈風險傳染效應。研究表明：制造企業(yè)與電力企業(yè)存在雙向風險傳染效應，電力企業(yè)風險只能單向傳染給煤炭企業(yè)，煤炭企業(yè)風險能單向傳染給制造企業(yè)。供應鏈成員企業(yè)之間的風險雙向及跳躍式傳染會加劇供應鏈整體風險，要求成員企業(yè)協(xié)同分析與控制風險。%Basedonthedataofindustryindexesbeforeandafterthefinancialcrisisin2008,thispaperusesVAR-GARCH(1,1)-BEKKmodeltoanalyzeriskcontagioneffectinathree-levelsupplychaincomposedofcoalenterprises,powerenterprisesandmanufacturingenterprises.Theresultshowsthatthereexistabi-directionalriskcontagioneffectbetweenmanufacturingenterprisesandpowerenterprises,aone-wayriskcontagioneffectfrompowerenterprisestocoalenterprise,alsoonefromcoalenterprisestomanufacturingenterprises.Seeingthatbi-directionalandsalutatoryriskcontagionamongsupplychainmemberswillintensifytheoverallriskofsupplychain,thosememberenterprisesaredemandedtocooperativelyanalyzeandcontrolrisks.【期刊名稱】《西安電子科技大學學報(社會科學版)》【年(卷)，期】2016(026)002【總頁數(shù)】9頁(P13-21)【關鍵詞】供應鏈風險管理;風險傳染VAR-GARCH(1,1)-BEKK模型【作者】徐敏喻冬冬【作者單位】長安大學經(jīng)濟與管理學院，陜西西安710064;長安大學經(jīng)濟與管理學院，陜西西安710064【正文語種】中文【中圖分類】F274隨著世界科學技術和經(jīng)濟的快速發(fā)展，全球經(jīng)濟、市場一體化的程度空前提高，社會分工日益細化，使得供應鏈之間的競爭逐漸替代了企業(yè)之間的競爭［1］。而由于供應鏈成員企業(yè)之間普遍存在交易、債權債務、資本聯(lián)系、商業(yè)信用等相關關系，某個成員企業(yè)的風險會以較快的速度傳染給與之相鄰的上下游企業(yè)，使得那些原本不直接具有風險的企業(yè)也因風險傳染而遭受威脅或損失［2］,進而依托網(wǎng)絡傳染對整個供應鏈系統(tǒng)造成沖擊。近年來，不斷變化的供應鏈隨著距離的增加和工作頻率的縮短，發(fā)生風險的機率越來越高［3］,尤其是2008年金融危機后，某一供應鏈成員企業(yè)的風險引發(fā)整個供應鏈〃多米諾骨牌”效應釋放的情形頻頻發(fā)生，這已在世界范圍內(nèi)引起廣泛關注。目前國內(nèi)外對于風險傳染的研究主要集中在金融市場風險管理領域，以資產(chǎn)價格的協(xié)同運動為焦點，研究方法包括相關性分析、協(xié)整檢驗、均值溢出分析、波動溢出分析等，較少涉及供應鏈風險傳染問題。梁鐘元對寶鋼供應鏈主要上下游企業(yè)2683個交易日的每日收盤價進行相關性分析，發(fā)現(xiàn)企業(yè)之間的相關系數(shù)較大，據(jù)此得出寶鋼供應鏈信用風險的存在性［3］。Cashin對7個工業(yè)化國家和6個新興市場國家證券市場指數(shù)進行協(xié)整分析，結果表明某個國家的市場波動風險需要幾周才能傳到其他國家［4］。何宜慶利用VAR模型對2007年次貸危機前后中國資本市場與銀行體系進行分析，發(fā)現(xiàn)次貸危機前后資本市場與銀行體系之間存在傳染交攵應，但效應不同［5］。方毅利用GARCH模型對中國與倫敦的期銅與期鋁跨市場波動進行研究，發(fā)現(xiàn)期銅的不穩(wěn)定會引發(fā)期鋁的不穩(wěn)定，即引發(fā)跨市場間的〃風險傳染”［6］。王新軍利用BEKK-GARCH(1,1)模型對瀘、深、美三股市的波動溢出效應進行分析，結果表明美國股市的風險能傳染到瀘、深股市，但瀘、深波股風險不會傳到美國股市［7］。Lin和Tamvakis將均值溢出和波動溢出模型相結合，并運用VAR及GARCH模型驗證了紐約商業(yè)交易所與倫敦國際石油交易所石油期貨價格之間的傳染現(xiàn)象［8］,趙鵬等也用類似方法驗證了風險傳染的存在性［9］。風險傳染效應相關系數(shù)僅從統(tǒng)計意義上表明數(shù)據(jù)之間關系，但即使相關系數(shù)接近于1,也并不意味著存在經(jīng)濟上的因果關系；協(xié)整分析主要是基于長期均衡來度量傳染，可是許多重大風險導致的傳染都是在短期，協(xié)整分析不能發(fā)現(xiàn)短期的動態(tài)效應［10］。風險傳染的均值溢出和波動溢出分析，主要是基于多變量或系統(tǒng)的，能夠避免以上兩類分析的一些缺點，在實際運用中也較為廣泛。從當前的研究趨勢來看兼顧均值溢出與波動溢出的風險傳染模型更合理也更普遍。因此，本文嘗試將VAR與GARCH模型相結合，以煤炭、電力、制造企業(yè)構成的三級供應鏈為對象來驗證供應鏈成員企業(yè)之間的風險傳染效應。數(shù)據(jù)選取及特征說明我國是一個制造大國，制造業(yè)在我國經(jīng)濟中占有重要地位，電力、煤炭是制造業(yè)基礎支撐部門，煤炭、電力、制造企業(yè)形成的供應鏈能夠很好地反映當前我國大多數(shù)供應鏈的基本特征。同時，現(xiàn)實中供應鏈以單一企業(yè)鏈條形式存在不具代表性，而網(wǎng)狀特質供應鏈更符合實際。故綜合考慮現(xiàn)實情況及數(shù)據(jù)的代表性，本文選取上證煤炭指數(shù)、申萬電力指數(shù)、深證制造業(yè)指數(shù)每日收盤價代表我國煤炭、電力、制造企業(yè)整體運營情況，即把網(wǎng)狀特質供應鏈中的同級成員企業(yè)抽象為一個市場并用上述指標反映運營狀況。因為2008年金融危機對制造企業(yè)沖擊很大，供應鏈成員企業(yè)集體違約情況頻繁發(fā)生，本文選取時間段為2008年1月2日至2013年11月7日，剔除交易日不匹配日期后得到1411組數(shù)據(jù)。數(shù)據(jù)來自上海證券交易所網(wǎng)站、深圳證券交易所網(wǎng)站和大智慧軟件。為了滿足建模要求，對數(shù)據(jù)進行了如下處理：其中，tP為各指數(shù)的每日收盤價，定義為煤炭、電力、制造股指日收益率。Q(6),Q(12),Q(6)2,Q(12)2表示序列和序列平方的Ljung-BoxQ統(tǒng)計檢驗，括號內(nèi)為其概率，下同。ADF為單位根檢驗，用于檢驗序列的平穩(wěn)性。表1為變量的描述性統(tǒng)計特征。從變量均值看，三個指數(shù)的日收益率都接近等于零。從標準差看，電力指數(shù)日收益率的標準差最小，說明其波動最平緩，上煤炭指數(shù)日收益率次之，煤炭指數(shù)日收益率標準差最大，說明其波動在三個市場中最劇烈。JB統(tǒng)計量顯著及偏度，說明指數(shù)不服從正態(tài)分布。三個指數(shù)峰度均大于3,表明呈尖峰、厚尾分布特征。從Ljung-BoxQ統(tǒng)計來看，序列自身及序列平方和均存在不同程度的序列自相關現(xiàn)象，ARCH效應明顯。表2為三個指數(shù)收益率間的交叉相關系數(shù)。從中可以看出煤炭、電力、制造業(yè)指數(shù)的變動表現(xiàn)出不同程度的關聯(lián)性，即煤炭、電力、制造企業(yè)間存在風險傳染的可能。三元VAR(p)-GARCH(1,1)-BEKK模型建立由于選取的數(shù)據(jù)具有金融時間序列數(shù)據(jù)的特征，所以可借鑒金融領域對風險傳染的研究方法。考慮到上述數(shù)據(jù)特征，本文采取三元VAR(p)-GARCH(1,1)-BEKK分析以制造企業(yè)、電力企業(yè)、煤炭生產(chǎn)企業(yè)形成的三級網(wǎng)狀供應鏈的風險傳染效應。BEKK形式的多元GARCH模型是由Engle和Kroner提出的一類多元GARCH模型［11］，這類模型是研究時間序列的重要模型，與其它形式的多元GARCH模型相比，其優(yōu)點是可以在很弱的條件下保證方差、協(xié)方差矩陣的正定性，而且估計的參數(shù)較少。Kavajecz等的研究表明GARCH（1,1）對金融時間序列能進行很好地刻畫，故取滯后階數(shù)為1,即BEKK-GARCH（1，1）[12]o均值方程：其中，條件方差方程：其中，p是綜合考慮AIC和SC確立的最佳VAR滯后階數(shù)，為三個均值方程殘差項組成的3x1矩陣，為三項為標準化殘差項組成的3x1標準化殘差項矩陣，且均服從正態(tài)分布，為在信息集下的條件方差與協(xié)方差矩陣C為3x3上三角矩陣，A、B均為3x3矩陣。A、B、C矩陣的元素均為待估計參數(shù)，共26個，具體估計形式如下：在A、B的非主對角項中，分別代表市場i對市場j的ARCH型和GARCH型波動溢出效應，即供應鏈中企業(yè)集合i對j的風險傳染效應。將（5）式展開得到：從（2）式到（11）式構成了一個完整的VAR（p）-GARCH（1,1）-BEKK模型。（6）式至（11）式所構成的方差方程探討了各個市場收益率的條件方差與協(xié)方差的影響因素。其中（6）式、（9）式、（11）式探討了條件方差的三個影響因素，分別為滯后一期的各個市場收益率殘差項平方、滯后一期的各個市場收益率殘差項交叉乘積、各個市場滯后一期的條件方差和協(xié)方差。為了保證模型的條件方差協(xié)方差矩陣的正定性，采用最大似然法估計參數(shù)。（12）式為其對數(shù)似然函數(shù)，其中其中△為待估計向量，T為數(shù)據(jù)的樣本量。對各標準化殘差序列及其平方進行序列相關檢驗和ARCH檢驗，如已消除了序列相關和ARCH效應，則可認為建立的模型是合適的，在此基礎上可以進行正確的假設檢驗和統(tǒng)計推斷等。Wald統(tǒng)計檢驗：由（6）到（12）式可知，市場收益率波動來自兩方面：一是自身與其它市場前期的波動方差及協(xié)方差，二是自身與其它市場前期的絕對殘差以及各個市場之間殘差的相互影響。因此對單個市場來說，只要來自其它市場影響不顯著，那么它的波動只接受自身前期影響。如對煤炭企業(yè)來說，只要系數(shù)都顯著為0，即可認為煤炭企業(yè)不收電力與制造企業(yè)風險的傳染，即供應鏈成員企業(yè)間是否存在風險傳染可以檢驗GARCH(1，1)-BEKK模型矩陣元素。若，認為煤炭企業(yè)不受電力企業(yè)風險傳染。同理也可以檢驗電力與制造企業(yè)情況。上述檢驗可以采用Wald檢驗實現(xiàn)。假定P為待估計參數(shù)，考慮含有m個約束組合的零假設為：為B的一致估計量，，Wald統(tǒng)計量為：VAR-GARCH(1,1)-BEKK模型的估計由兩步構成。第一步，使用Eviews6.0估計(2)式至(4)式組成的VAR(p)模型；第二步，基于VAR模型的殘差項，使用Winrats8.0估計三元GARCH(1,1)-BEKK模型。(-)VAR(p)方程估計根據(jù)AIC信息準則，VAR最優(yōu)滯后階數(shù)取2。表3為VAR(p)模型的估計結果。從表3中可以發(fā)現(xiàn)：①3個指數(shù)收益率均受到自身滯后項的顯著影響，其中煤炭指數(shù)滯后1、2期對自身有顯著影響，電力指數(shù)與制造業(yè)指數(shù)業(yè)存在類似情況，說明3個指數(shù)收益率序列均有序列相關性，與表1的描述性統(tǒng)計結果相一致。②從交叉滯后項系數(shù)來看，煤炭指數(shù)的收益率也受到電力指數(shù)與制造業(yè)指數(shù)影響，同理電力指數(shù)、制造業(yè)指數(shù)收益率也受到其它兩指數(shù)影響。但是反映供應鏈網(wǎng)絡中制造業(yè)企業(yè)與電力企業(yè)，煤炭企業(yè)收益率聯(lián)動效應系數(shù)多為負數(shù)，三個市場不能體現(xiàn)收益率的協(xié)同性，故不能直接判斷供應鏈成員企業(yè)間存在風險傳染效應，這需要進一步論證。(二)三元GARCH(1,1)-BEKK模型估計模型最大迭代數(shù)設為200,收斂準則為0.00001，最終模型在148次達到收斂狀態(tài)。由于本文只是考察供應鏈成員企業(yè)的風險傳染情況，故只列出方差方程估計結果。模型的結果及診斷見表3-5。表4為模型檢驗結果，從Ljung-Q統(tǒng)計量可以看出殘差沒有表現(xiàn)出序列相關性，ARCH-LM統(tǒng)計量在1%顯著水平下拒接原假設，即模型估計的ARCH交攵應已消除，模型估計結果合理。由表3模型估計結果可以看出，參數(shù)矩陣A、B的對角元素均顯著異于0，說明各個市場的波動均受到以往波動影響，這與前面的Q檢驗及VAR估計模型結果一致。表5為3個企業(yè)集合的風險傳染效應檢驗結果，可知制造企業(yè)的風險可以傳染給下游的電力企業(yè)，電力企業(yè)的風險可以傳染給下游的煤炭企業(yè)及上游的制造企業(yè)，而煤炭企業(yè)風險會傳染給上游制造企業(yè)?？偨Y起來，供應鏈成員企業(yè)間風險不僅能單雙向傳染，而且可以形成跳躍式傳染，如圖1所示。（三）結果分析我國電力企業(yè)多為國有控股企業(yè)，處于壟斷地位，而煤炭企業(yè)、制造企業(yè)主要是市場競爭型，在整個供應鏈中基本處于弱勢地位。自2008年金融危機以來，我國制造業(yè)受到很大沖擊，對上游電力企業(yè)產(chǎn)能需求出現(xiàn)大幅下降，制造企業(yè)與電力企業(yè)間波動劇烈，由此導致制造企業(yè)與電力企業(yè)彼此間風險相互傳染現(xiàn)象。面對宏觀經(jīng)濟波動，政府通常會限制電煤價格、穩(wěn)定電價來確保整個國民經(jīng)濟的平穩(wěn)運行，這造成了煤炭企業(yè)與電力企業(yè)間風險的單向傳染，也加劇了風險向煤炭企業(yè)傳染的嚴重程度。同時，由于電力企業(yè)特殊性決定其具有很強的風險抵御能力，所以煤炭企業(yè)風險會跳躍傳染給制造企業(yè)?，F(xiàn)實中自2008年以來我國制造企業(yè)、煤炭企業(yè)面對宏觀經(jīng)濟不景氣紛紛減產(chǎn)、倒閉，而電力企業(yè)依然平穩(wěn)運行也驗證了這一結果。進一步，從制造企業(yè)、電力企業(yè)、煤炭企業(yè)間的動態(tài)相關系數(shù)圖（如圖2所示）可以看出供應鏈上下游企業(yè)間彼此的動態(tài)相關系數(shù)始終為正，說明上下游企業(yè)對于宏觀經(jīng)濟的波動具有風險協(xié)同效應；系數(shù)都大于0.4，表示風險的同向變化程度很高。因此，面對金融危機時，供應鏈上下游企業(yè)為了減少了風險傳染的損失，應協(xié)同合作、共擔風險。本文以金融危機發(fā)生前后我國上證煤炭指數(shù)、申萬電力指數(shù)、深證制造業(yè)指數(shù)日數(shù)據(jù)為基礎，構造了三元VAR(2)-GARCH-BEKK模型分析煤炭企業(yè)、電力企業(yè)、制造企業(yè)集合構成的三級供應鏈上風險傳染效應。研究發(fā)現(xiàn)，供應鏈上下游企業(yè)間風險不僅能單雙向傳染，而且可以形成跳躍式傳染。供應鏈上下游企業(yè)間風險雙向及跳躍式傳染容易引起多輪傳染，從而加劇供應鏈風險傳染的后果。因此，供應鏈上下游企業(yè)在評估與控制供應鏈風險時，不僅要分析識別企業(yè)自身風險，而且要關注供應鏈上下游企業(yè)風險發(fā)生可能造成的沖擊，強化風險共同控制理念。本文僅驗證了制造企業(yè)、電力企業(yè)、煤炭企業(yè)集合構成的三級供應鏈風險傳染效應，為了更清楚的研究供應鏈風險傳染效應需要擴展研究范圍，也需要將三元VAR(p)-GARCH-BEKK模型推廣到廣義模型?！鞠嚓P文獻】[1]趙榮.供應鏈信用風險傳導機制研究[D].北京:中國礦業(yè)大學，2011:13-20.[2]王世雄.供應鏈突發(fā)風險傳染機理與控制策略研究[D].上海:東華大學，2010:1-2.[3]CASHINP,KUMARMS,MCDERMOTTCJ.Internationalintegrationofequitymarketsandcontagioneffects[J].SocialScienceElectronicPublishing,1995,95:110.[4]何宜慶，萬媛媛，何典芝.次貸危機下我國資本市場與銀行體系跨市場風險傳染實證研究[J].南昌大學學報(理科版)，2009,33(6):551-556.[5]SIBELC.Themorecontagioneffectonemergingmarkets:TheevidenceofDCC-GARCHmodel[J].EconomicModeling,2012,29(5):1946-1959.[6]MILDAMB.ContagioneffectsinselectedEuropeancapitalmarketsduringthefinancialcrisisof2007-2009[J].ResearchinInternationalBusinessandFinance,2016,37:556-571.[7]方毅，張屹山.國內(nèi)外金屬期貨市場"風險傳染”的實證研究[J].金融研究，2007(5):13