全球、区域系统性风险测量与中国海外投资

开篇：润墨网以专业的文秘视角，为您筛选了一篇全球、区域系统性风险测量与中国海外投资范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

[摘要] 随着全球经济一体化的深入，任何一个投资目的地的风险中必然包含了全球的系统性风险因素。同时，地理或经济上联系紧密的国家（地区）还共同受区域系统性风险的影响。中国海外投资目的地的总体风险可分解为全球、区域系统性风险与非系统性风险。研究发现：总体风险方面，发达国家平均总风险显著低于其他地区；全球系统性风险方面，欧洲国家显著高于其他地区，开放度高的小型经济体国家受全球系统性风险影响较大；作为我国企业海外投资最主要目的地的亚洲和欧洲大部分国家受区域系统性风险影响较大，可适当增加对与亚洲发展中国家经济发展程度类似的南美国家的投资，分散区域系统性风险；非洲国家非系统性风险占比最高，而欧洲国家的非系统性风险较小。

[关键词] 中国海外投资； 全球系统性风险； 区域系统性风险； 风险测量

2012年11月杨柳勇张晶晶： 全球、区域系统性风险测量与中国海外投资2012年11月浙江大学学报（人文社会科学版）一、 引言

中国经济经历了三十多年的高速稳定发展，且多年“双顺差”积累了高额的外汇储备，促使中国正逐渐从主要的海外投资流入国转型为海外投资流出国本文研究范围为中国大陆地区的对外投资目的地，文中的中国都指中国大陆，不包括港澳台地区。。尤其是2007年全球金融危机以来，中国经济相对于西方国家受金融危机影响较小，更为中国企业提供了“海外抄底”的机会[1]。2010年，中国对外直接投资净额（流量）达688.1亿美元，同比增长了21.7%，位居全球第五。对外直接投资连续九年保持增长，年均增速达49.9%数据来源：商务部、国家统计局、外汇管理中心联合的《2010年度中国对外直接投资统计公报》。。

随着海外投资规模的扩大，海外投资的风险防控也越来越受关注。特别是中国企业的海外投资处于起步阶段，对国外环境不熟悉，且缺乏国际投资经验，特别需要能够有效控制海外投资风险的信息。国家层面海外投资风险的已有研究主要集中于对“国家风险”的分析，将国家风险细分为政治风险、经济风险、经营管理风险等维度，研究其中的一种或几种风险。目前，特定国家的风险信息来源较为丰富，国际上有标准普尔、欧洲货币局、穆迪等权威机构为投资者提供相关国家的信用评级信息，我国官方通过商务部主办的《中国投资指南》为投资者提供海外投资目的地风险提示信息，商务部出版的《中国对外投资促进国别/地区系列报告》也为投资者提供相应信息。

上述研究和信息都将不同国家（地区）的风险分别独立看待，未考虑影响多个国家（地区）的系统性风险因素。系统性风险（systematic risk），一般又称为市场风险、不可分散风险，是指由宏观经济参数的变化而导致的影响整个市场且不可通过分散投资来规避的风险。随着全球经济一体化的加深，世界各国间的联系日趋紧密，全球市场的系统性风险对各国经济的影响逐渐突显出来。因此，任何一个投资目的地的风险中必然包含了全球的系统性风险因素。同时，随着区域一体化的深入，区域内各国经济间的联系更加紧密，如使用统一货币且合作紧密的欧洲，因此，地理位置或经济上联系紧密的国家（地区）还共同受区域系统性风险的影响。在研究海外投资风险时必须将这类同时影响多个国家（地区）的系统性风险与投资目的地的特有风险（idiosyncratic risk）区别开来。而在本文调查范围内，目前已有的关于中国海外投资风险的研究中几乎没有针对系统性风险的研究。

因此，本文的研究目的是通过测量中国海外投资目的地的全球、区域系统性风险与非系统性风险，分析各国系统性风险特征，为投资者提供相应的系统性风险提示信息，帮助投资者更加合理地布局海外投资，避免集中投资于受系统性风险影响较大的国家（地区），合理规避系统性风险。

关于海外投资的系统性风险研究，Solnik提出了ICAPM模型。该模型直接将资本资产定价模型应用于国际市场，通过在全球市场进行组合投资来分散非系统性风险，将无法分散的系统性风险归入风险溢价，从而对海外投资项目进行定价[2]505510。大量实证研究基于这一基本思想，采用不同的样本和实证方法，计算投资项目的Beta系数，研究海外投资的系统性风险溢价[3][4]47 。但投资组合理论的基本假设较为理想，要求市场有效、所有投资者同质并拥有相同的进出国际资本市场的权利以及企业的投资与融资决策相互独立，而这些条件在企业进行海外投资时难以满足[5]2331。Harvey认为，跨期资本资产定价模型在发达经济体适用，但在新兴市场中失效[6]。因此，在微观层面，利用投资组合理论与资本资产定价模型评估的中国海外投资系统性风险的方法存在缺陷。

Kose等用GDP增长率方差来衡量一国经济波动，将60个国家 1960—1990年的GDP波动率分别分解为全球系统性因素、区域系统性因素和国家特有因素三部分。研究发现，在全球系统性因素占比中，发达国家高于发展中国家，而在非系统性因素的占比中，发展中国家高于发达国家，且只有北美地区存在明显的区域系统性风险[7]。Swartz将亚洲国家（地区）的总体风险分解为全球风险、区域风险和国家特有风险，研究发现，中国、韩国、中国台湾的回报更多受到全球性冲击的影响，日本、印度的回报更多受区域性冲击的影响[8]。

本文参考上述研究思想，将全球各国看作一个完整的市场，用全球各国经济波动中的共同部分来描述系统性因素，从国家层面评估海外投资目的地的系统性风险本文选择宏观国家层面的研究角度也是因为我国企业层面的具体海外投资规模数据无法获得。。本文还在Akdogan提出的国际风险分解模型[9]的基础上进行改进，将中国海外投资目的地的总风险分解为全球系统性风险、区域系统性风险与该国（地区）特有风险（非系统性风险），并将分解结果与中国在该地的历史平均投资额相结合，评价中国海外投资系统性风险的现状，为从事海外投资的企业提供系统性风险的相关信息。

二、 研究设计

（一） 全球、区域系统性风险分解

本文在Akdogan提出的国际风险分解模型[9]的基础上进行了改进，将一国的总风险分解为全球、区域系统性风险和非系统性风险。Akdogan的模型如下： εi，t=λi，wwt+ei，tei，t～IID（0，σ2ei）（1）（1）式中，εi，t代表对i国投资t期的非预期回报 衡量一国投资总风险的是非预期回报的方差，而不是总回报方差，因此以非预期回报为基础进行分解。该变量的具体测量方法将在后文说明。；ωt为全球系统性因素，代表了全球经济一体化导致的t时期各国同时受到的全球经济的系统性影响；λi，w为全球系统性因素对非预期回报的影响程度；λi，wωt代表非预期回报εi，t中受全球系统性影响的部分；ei，t代表i国t期非预期回报中剔除了全球系统性因素后剩下的部分。

本文在Akdogan提出的模型基础上进一步假设各国同时还受一个区域系统性因素的影响，继续建立以下模型：ei，t=∑kj=1Zi，jλi，φjφt，j+μi，tμi，t～IID（0，σ2μi）（2）（2）式中，ei，t为（1）式中i国t期剔除了全球系统性因素后剩下的非预期回报；φt，j为j区域的系统性因素，代表了区域经济一体化导致的t时期同一区域内各国同时受到的区域经济系统性影响；将全球各国分为k个区域，j代表区域编号，Zi，j为虚拟变量，若i国属于j区域，则Zi，j取1，否则为0；λi，φj为区域系统性因素对非预期回报的影响程度；λi，φjφt，j代表非预期回报中的区域系统性因素部分；μi，t为i国非预期回报中剔除了全球、区域系统性因素后剩下的非系统性因素部分，代表了该国受到的来自国内的意外冲击。

综上所述，对一国投资的非预期回报εi，t可分解为：εi，t=λi，wwt+∑kj=1Zi，jλi，φjφt，j+μi，tμi，t～IID（0，σ2μi）（3）假设全球系统性因素、区域系统性因素与非系统性因素之间互相独立，则εi，t的方差σ2εi可分解为：σ2εi=λ2i，wσ2w+λ2i，φjσ2φj+σ2μi（4）其中σ2εi为非预期回报的方差，代表i国的总体投资风险；σ2ω为全球系统性因子ωt的方差，σ2φj为区域系统性因子φt，j的方差，σ2μi为非系统性因素的方差。通过（4）式，将代表i国总体风险的σ2εi分解为全球系统性风险λ2i，ωσ2ω、区域系统性风险λ2i，φjσ2φj与非系统性风险σ2μi三部分。

（二） 风险测量方法

1.总风险测量

首先测量各投资目的地的总风险。本文参考Sunesen的做法[10]38，用GDP增长率代表投资回报，基于新古典增长理论与内生增长理论，将投资回报分解为预期与非预期两个部分，其中非预期回报部分的方差即为总风险。参考Islam的面板增长模型[11]11291131，构建如下计量经济学模型：lnYi，t=αi+∑m1k'=1β1，k'lnYi，tk'+∑m2k=0β2，klninvi，tk+∑m3k=0β3，kln（ni，tk+g+δ）+∑m4k=0β4，klnopeni，tk+εi，t（5）其中Yi，t为i国t期的人均GDP，为排除通胀因素使用以2005年为基期的不变价折算的实际GDP；αi为无法观测的个体固定效应，反映了不随时间变化的国家（地区）个体特征，如地理环境、文化背景、政治体制等。索罗模型中资本积累是经济增长的主要动力，故模型引入投资作为解释变量，invi，tk为i国tk期总投资。ni，tk为i国tk期人口增长率，g为技术增长率，δ为折旧率。此外，在开放经济下，经济增长受到贸易量的影响，故引入净出口额变量，openi，tk为i国t-k期净出口总额。εi，t为随机扰动项，反映了意外冲击，用于测量（1）式中的非预期回报，其方差即为总风险。由于经济变量之间的影响在时间上存在滞后性，因此本模型引入了各个解释变量的滞后项，mi为滞后阶数，其具体数值在模型估计中根据模型的估计效果确定。所有变量取对数形式是为了消除数据的规模影响。

模型中含有被解释变量的滞后项，滞后被解释变量Yi，tk与个体固定效应ai存在相关性，会产生内生性问题，Hsiao[12]3190和Nickell[13]分别证明了Pooled OLS（POLS）估计法和Fixed Effects（FE）估计法在估计动态面板模型时得到的均为有偏估计，故本文采用系统GMM（System Generalized Method of Moments）法估计模型Arellano和Bond最早提出用差分GMM（Difference GMM）来估计动态面板模型，但是Blundell和Bond提出，当被解释变量序列相关度不高时，滞后项与当前差分项的相关性很小，即滞后水平项不是差分项适合的工具变量，在此情况下差分GMM估计会出现偏差。Blundell和Bond提出了系统GMM（System GMM），在假设解释变量的差分与固定效应不相关的前提下，差分项作为滞后水平项的工具变量，比差分GMM中的工具变量更有效，因此估计效果也更好。参见M.Arellano & S.Bond，″Some Tests of Specification for Panel Data： Monte Carlo Evidence and an Application to Employment Equations，″Review of Economic Studies，Vol.58， No.2（1991），pp.277297；R.Blundell & S.Bond，″Initial Conditions and Moment Restrictions in Dynamic Panel Data Models，″Journal of Econometrics，Vol.87，No.1（1998），pp.115143。。由于GMM方法要求在大样本条件下估计，故本文进行了小样本修正，用逐步引入法在引入工具变量时，lninv、ln（n+g+δ）、lnopen均被视作内生变量，采用GMMSTYLE引入法。具体参见F.Windmeijer，″A Finite Sample Correction for the Variance of Linear Efficient TwoStep GMM Estimators，″ Journal of Econometrics，Vol.126，No.1（2005）， pp.2551。确定解释变量滞后阶数的取值。全部估计在Stata中完成。

2.全球、区域系统性风险测量

接下来将总风险分解为全球、区域系统性风险与非系统性风险。Akdogan直接用已有的指标度量全球系统性因素，通过回归的方法估计风险分解模型[9]。该方法的主要问题在于所选用的指标能否准确度量影响全球各国经济波动的系统性因素。本文采用主成分分析法（Principal Components Analysis， PCA），用主成分因素来代表系统性因素，可以更加直接地捕捉各国（地区）经济波动的“共同”部分，抓住系统性风险的“市场风险”本质。

首先，从非预期回报中提取全球系统性因素。将119个国家（地区）的非预期回报进行主成分分析，按方差解释能力的顺序提取主成分，得到的第一主成分因子能最多地解释各国（地区）非预期回报中的共同点，可将该因子视为影响全球各国经济波动的全球系统性因素ωt，该主成分的因子负载即为λi，ω，解释为全球系统性因素对非预期回报的影响，ωt的方差代表全球系统性风险。

同理，用主成分分析法提取区域系统性因子。将119个国家（地区）按照地理或者经济上联系的紧密程度分为4个区域：亚洲、非洲、欧美与大洋洲 由于作为中国海外投资主要目的地的北美国家只有加拿大和美国，无法用本文的主成分分析法单独测量北美的区域系统性风险，考虑到北美与欧洲同属发达国家，经济金融联系紧密，因此在本阶段的分析中将两者合为一个区域，后文将分别分析两个区域的风险。以及南美洲。对非预期回报提取全球系统性因素后剩下的部分为ei，t，按区域分别进行主成分回归。按照方差解释能力的顺序提取主成分，提取得到的第一主成分因子能够最多地解释各个国家（地区）非预期回报在剔除了全球共同因子后的共同点，因此可将该因子视为影响该区域各国（地区）经济波动的区域系统性因子φt，j，该主成分的因子负载即为λi，φi，代表区域系统性因子对非预期回报的影响，φt，j的方差代表区域系统性风险。

（三） 样本选择

本文研究范围为《2009年中国对外直接投资统计公报》中公布的2003年以来中国有过海外投资的国家（地区），剔除了其中数据不全或不可得的以及避税天堂的国家（地区），总计119个国家（地区）。由于本文主要用于研究中国大陆海外投资目的地的风险问题，而不是研究一般的国家风险，因此将研究范围限定为中国海外投资目的地，可以提高研究的针对性。数据时间跨度为1980—2009年，由数据可得性确定。