考虑到高耗能行业对金融行业风险溢出效应的波动聚集性和风险相关性，本文采用DCC-GARCH来描述高耗能行业和金融行业风险的动态相关关系，并测算了高耗能行业对金融行业的风险溢出效应。首先根据Engle对模型的设定 [9] ，假设收益率序列 $R_t$，DCC-GARCH模型可定义为：

$R_t={\mu }_t+e_t$(1)

$e_t=H_t^{\frac{1}{2}}{\epsilon }_t$(2)

$H_t=D_t{X}_t{D}_t$(3)

其中， $R_t={\left(R_t^i,R_t^j\right)}^{\prime }$， $R_t^i$和 $R_t^j$分别表示t时刻，金融行业i和j的收益率， ${\mu }_t$为条件均值向量； ${\epsilon }_t$为随机扰动项，可以服从任意特定分布； $H_t$是条件协方差矩阵，(3)式中将其分解为条件方差 $D_t$和动态相关

系数 $X_t$， $D_t=\left[\begin{array}{cc}\sqrt{h_t^i}& 0\\ 0& \sqrt{h_t^j}\end{array}\right]$是由GARCH模型计算得到的条件标准差取对角项的 $k\ast k$对角矩阵， $h_t$可由 $\text{GARCH}\left(p,q\right)$来表示： $h_t={\alpha }_0+{\displaystyle {\sum }_{p=1}^p{\alpha }_p{\epsilon }_{t-1}^2}+{\displaystyle {\sum }_{q=1}^q{\alpha }_q{h}_{t-1}^2}$，其中 $p$， $q$分别为残差平方和和条件方差的滞

后项阶数。

Adian和Brunnermerier在传统 $VaR$模型的基础上，提出了 $CoVaR$模型 [10] 并将其定义为：在 $1-q$的置信区间上，金融机构在发生风险损失为 $Va{R}_q^i$的条件下，机构的 $VaR$值，即：

$\mathrm{Pr}\left(X^j\le CoVa{R}_q^{j|i}|X^i=Va{R}_q^i\right)=q$(4)

$CoVa{R}_q^{j|i}$可以分解为金融机构i的风险价值 $Va{R}_q^i$和金融机构 $j$对 $i$的风险溢出价值 $\Delta CoVa{R}_q^{j|i}$，其中我们将风险溢出价值 $\Delta CoVa{R}_q^{j|i}$定义为金融机构 $j$对金融机构 $i$的风险溢出强度，定义式为：

$\Delta CoVa{R}_q^{j|i}=CoVa{R}_q^{j|i}-Va{R}_q^j$(5)

依据影响的作用机理和渠道，本文将重大突发事件对高耗能行业和金融行业的影响划分为金融途径和非金融途径进行分析。

金融途径是直接传导途径，指由重大突发事件直接影响的资本与流动性风险，包括突发事件下导致的外汇资产贬值，使得金融行业资金受到损失，同时短期资本流动波动性上升也会对金融行业造成潜在风险。在重大突发事件中，资产贬值导致的外汇储备下降与贸易的相对萎缩导致了偿债风险的增加。

非金融途径是间接传导途径，指经由企业间关联性和投资者情绪传导的风险路径，主要是对行业的影响。包括供应链风险、投资者在风险中的低心理预期和企业的违约风险和道德风险。从现实角度来看，我国金融行业发展多年仍面临监管缺失的问题，且金融行业现今的过度脱实向虚会导致实体经济空心化，产生经济泡沫，引发金融危机；间接融资比例过高作为历史遗留问题，至今仍是我国金融行业的重大风险隐患，计划经济时期几乎所有融资类型都是间接融资，这导致在惯性的影响下我国目前间接融资比重仍居高不下，过高的间接融资比例会加剧国有银行的系统性风险。目前受俄乌战争影响，西方对俄罗斯的原油“限价令”将导致国际油价持续在高位震荡，同样俄罗斯对欧洲的天然气减供在提高欧洲气价的同时也使欧洲面临能源转型的风险。尽管中国在此次全球能源形势紧张中仍保持稳健地位，但外部风险带来的挑战仍在持续上升。

首先对于高耗能行业的界定和分类，依据国家统计局颁布的《工业统计》的标准，结合“申万”

行业指数的分类，选取“申万”一级行业指数中的基础化工(801030)、有色金属(801050)、国防军工(801740)、机械设备(801890)、建筑材料(801710)和石油石化(801960)作为高耗能行业的代理变量。其次对于金融行业的界定和分类，本文参考了谢赤的研究，选择“申万”二级行业指数中的银行业指数、证券业指数、保险业指数和多元金融业指数作为金融行业指数，“申万”行业指数严格遵循证监会的行业分类标准，具有很高的认可度。

本文选取了2009年3月9日至2023年7月8日的“申万”指数日收盘价作为原始数据。基于前文对重大突发事件的界定，样本周期包含了2009年欧债危机时期、2013“钱荒”时期、2015年中国股市波动时期、2018年中美贸易摩擦时期、2020年新冠疫情爆发时期和2022年俄乌战争时期六次重大突发事件。

经过筛选后，最终得到38,346个数据，所有数据均来源于Choice金融终端。考虑到方便后续实证分析的数据处理，对得到的日收盘价数据进行对数收益率计算，并将计算结果放大100倍以降低误差，计算公式为

$R=\ln \left(X_{i|t}/X_{i|t-1}\right)\ast 100$(6)

为后续模型的建构提供理论依据，本文首先对获得的高耗能行业和金融行业收益率序列数据进行描述性统计和相关检验分析，结果如下 表1 和 表2 所示。由 表1 可知，各时间序列数据峰度值均大于3，表明其都具有尖峰厚尾特征。由JB检验结果可知，各收益率序列数据均不服从正态分布。由 表2 可知，ADF检验和PP检验均拒绝原假设，表明各收益率数据平稳，且ARCH-LM检验结果表明各收益率数据残差存在ARCH效应。基于此，本文进一步对风险溢出强度进行计算。

注：^***表示在1%的水平上显著。

鉴于银行业在我国金融行业中的重要地位，本文根据申万指数对金融行业的划分标准，从银行业和包含的证券业、保险业和多元金融业的非银金融业两个部分进行风险溢出效应分析。为了凸显重大突发事件对风险溢出效应的影响，本文从时间进程角度进行分析，其中 图1 为高耗能行业对银行业的风险溢出效应图， 图2~4 为高耗能行业对非银金融业的风险溢出效应图。

高耗能行业对银行业的风险溢出效应如 图1 所示，自2009年至2023年的后金融危机时代总体风险溢出效应折线图来看，较大幅度的风险溢出效应均发生于重大突发事件时期，表明高耗能行业与金融行业存在显著的风险联动性特征。风险溢出强度在冲击时期的剧烈波动有效刻画出了2009年的欧债危机、2013年“钱荒”事件、2015年股灾、2018年中美贸易摩擦、2020年新冠疫情以及2022年俄乌战争六次明显的重大突发事件。2009年欧债危机期间，欧洲的经济低迷使得欧盟进口商的违约风险增加，且在此背景下，国内出口企业出现贸易逆差，同时在人民币的快速升值中热钱迅速流入，导致经济面临升温压力。2013年“钱荒”事件下，高耗能行业在高利率的压力下面临流动性放缓、资金周转周期拉长的窘境。资金在金融机构间空转，严重影响了资金的使用效率，增加了高耗能行业的融资难度。高耗能行业对银行业的风险溢出强度峰值出现在2015股灾期间，千股跌停的动荡使得高耗能行业相关企业利润表受损，银行业压力陡增，违约风险的增加导致了风险从高耗能行业向金融业传递。2018年中美贸易摩擦对高耗能行业的小幅影响集中于进出口贸易上，中美之间的进出口贸易量大幅缩水，部分出口商在此背景下受到风险冲击。2020年初新冠疫情爆发为国内企业和金融行业带来新一轮风险冲击，短期影响下部分下游企业停工引发的风险向上游企业传递，订单的堆积与生产的停滞带来的是企业的违约风险剧增，资产负债表受损使得银行业承受风险的传递。长期情况下，由于停工企业的被永久性替代引发的供应链风险进一步扩大了新冠疫情的风险冲击。2022年2月，俄乌冲突造成了全球能源市场的普遍悲观预期，能源价格不断创新高，高耗能行业生产成本提高使得企业经营利润受到冲击，进而通过资金渠道将企业经营风险传递给资金供给者，即金融行业。

图2. 高耗能行业对银行业风险溢出效应

非银金融业与银行业的主要区别在于信用形式不同，这种不同在风险积聚效应上有显著影响，导致非银金融业相较于银行业更易在重大突发事件下成为高耗能行业风险溢出的对象。如 图2~4 所示，从风险溢出强度波动范围上来对比，非银金融业存在普遍大于银行业的情况。如 图5 所示，基础化工业对多元金融业的风险溢出强度2015年股灾期间一度接近8。如 图3 和 图5 所示，高耗能行业对证券业和多元金融业的风险溢出强度峰值普遍在6~8之间，表明非银金融业的经营模式相对于银行业更易受到高耗能行业的风险冲击。相较于银行业，2013“钱荒”事件对于非银金融业的冲击更大，主要原因在于“钱荒”事件出自杠杆率过高情况下，银行间的资金不足引发利率的显著上升，进一步导致金融机构受到风险冲击。总体上来看，非银金融业由于其自身经营存在高风险的特征，风险集聚效应相比更大，因而高耗能行业对其的风险溢出效应存在呈现出震荡幅度更大、波动密集等特点。高风险敏感性也导致了风险溢出效应的时间段落性更强，这个特征在新冠疫情期间尤其明显。新冠疫情存在时间跨度长的特点，使得风险溢出效应在新冠疫情的不同阶段呈现出明显的时间异质性。由 图2~4 可以看出，在疫情伊始，风险溢出效应出现明显的震荡波动，峰值均出现在2020年的上半年时期，但是在疫情常态化时期风险溢出强度甚至出现比疫情前更低的情况，这主要是由于我国在疫情期间对各行业进行了严格的监管和调控，因此这个阶段的风险传播极为有限。

金融行业对高耗能行业风险溢出效应如 图5~9 所示，可以看出，其总体与高耗能行业对金融行业的风险溢出效应保持相似的趋势，即对重大突发事件有相近的风险敏感性。但是在部分时间段，金融行业对高耗能行业的风险溢出效应与高耗能行业对金融行业的也存在显著的差异性。2009年的欧债危机使得欧元区政府在欧洲经济回暖过程中普遍转向了紧缩的财政政策，因此在此次突发事件下，金融行业对高耗能行业的风险溢出效应强于高耗能行业对金融行业的风险溢出。对于中国来说，欧债危机的影响是

图3. 高耗能行业对证券业风险溢出效应

图4. 高耗能行业对保险业风险溢出效应

图5. 高耗能行业对多元金融业风险溢出效应

间接性的。从影响途径来看主要分为金融途径和非金融途径，金融途径体现在欧元的贬值导致外汇储备相对下降，与欧洲的贸易萎缩也造成了潜在偿债风险与违约风险，非金融途径根源于金融途径造成的低预期，影响投资者信心，引发“羊群效应”导致进出口贸易的低迷，造成进出口企业违约风险与道德风险激增。另一个显著的差异性体现在新冠疫情期间，金融行业对高耗能行业的风险溢出效应弱于高耗能行业对金融行业的风险溢出。主要原因在于疫情导致高耗能行业中的部分企业出现严重的供应链风险，大量企业出现现金流问题，违约风险的剧增将风险传导至金融行业，而金融安全作为国家安全的战略重点，在疫情期间受到有关部门的重点管理，稳健的货币政策也保证了人民币没有出现预期中的大规模贬值。

图6. 银行业对高耗能行业风险溢出效应

图7. 证券业对高耗能行业风险溢出效应

图8. 保险业对高耗能行业风险溢出效应

图9. 多元金融业对高耗能行业风险溢出效应