经济下行期，风险传染效应对经济冲击的催化作用对我国金融体系带来挑战，现有研究忽略了从银行、担保等金融、准金融机构向实体企业的流动性风险传染效应，少有对此防范机制与政策建议。运用多案例研究法，本文基于 10 家我国中小企业融资担保机构或组织的不同风险管理模式与实际稳定性，从风险传染理论探究流动性风险传染机制及其管理策略。研究发现：流动性风险会通过银行抽断贷或拒绝放款、担保机构拒偿或追诉从银行、担保机构向中小企业传染，途径银行、担保的流动性风险传染效应可能被加剧、加速，有效应对手段包括寻找内生风险分担方和及时处置不良的行为风险抑制策略，和平衡谈判地位和收益风险配置、构建经营大数据预警机制的经营风险管理策略。本研究丰富了风险传染理论和风险管理理论，引出了金融、准金融机构向实体企业风险传染研究话题，对融资担保业金融创新的实践和监管亦有贡献。

本文选用事件分析法，对 2001 年至 2018 年的明星丑闻事件样本进行研究。发现 明星丑闻事件对其相关的代言公司、经纪公司和投资公司股票价格均产生显著的负面影响。 对于代言公司而言，明星代言的沪深市场、港台市场和海外上市的公司股票超额收益也均显 著为负。而且短期内明星代言公司的异常回报率与明星影响力显著负相关，而与事件性质(违 法或违反道德)以及事件关注度等并无显著的关系。长期来看，明星代言公司的异常回报率 与明星影响力和事件关注度显著正相关。对于明星投资公司而言，长期来看公司的异常回报 与明星影响力、事件关注度呈显著正相关。当事件为违法事件时，投资公司的股票负向收益 变化幅度更大。对于明星经纪公司而言，本文研究发现，公司的异常回报与明星影响力以及 事件关注度均无显著性关系。当明星丑闻曝光时，短期亲朋好友公司的累积异常回报与涉事 明星公司的累积异常回报呈现正相关关系。同时，丑闻曝光引发的股市波动会对公司产生实 质性层面的影响。当明星丑闻曝光时，累积异常回报下降越多的公司，其下一季度收入与净 利润下降越大。

随着互联网金融在我国的发展，网络借贷产品在家庭资产配置中逐渐受到青睐。本文以 2010 年 1 月 1 日至 2014 年 12 月 31 日中国日均交易量最大的 P2P 平台——红岭创投（www.my089.com）所有有效成功借款为研究样本， 发现股票市场投资者情绪对于网络借贷溢酬的整体线性影响为正向的溢出效应， 但适度情绪下的溢出效应与极端情绪下的传染效 应共同作用的结果在高次项加入回归时发现存在降低-提高-降低的 S 型效应， 说明在极端情绪下，负向的传染效会成为主导。 进一步利用借款项目逾期情况与借款基本信息进行 Probit 回归， 发现高潜在违约率的项目股市的投资者情绪对借款溢酬的影响仍符合 S 型， 但低潜在违约率的项目传染效应会弱化， 这说明投资者能够在极端情绪下识别低风险项目， 并能发 现它的避险功能。

在金融市场典型事实约束下，运用 ARFIMA-FIAPARCH 模型和极值理论分别对条件波动率和标准收益极端尾部建模，计算出各股市的极端风险，进而探讨在不同的市场波动状态下中外股市的极端风险传染效应及其变化规律。通过实证研究发现，沪、深、港三个中国股市之间的极端风险传染效应在剧烈波动期强于相对平静期，熊市期间强于牛市期间。同样地，三个国外股市之间的极端风险传染效应剧烈波动期强于相对平静期，熊市强于牛市。但是，中外股市之间的风险传染效应与上述结论相反，即相对平静期强于剧烈波动期，牛市强于熊市。

在金融市场典型事实约束下，运用 ARFIMA-FIAPARCH 模型和极值理论分别对条件波动率和标准收益极端尾部建模，计算出各股市的极端风险，进而探讨在不同的市场波动状态下中外股市的极端风险传染效应及其变化规律。通过实证研究发现，沪、深、港三个中国股市之间的极端风险传染效应在剧烈波动期强于相对平静期，熊市期间强于牛市期间。同样地，三个国外股市之间的极端风险传染效应剧烈波动期强于相对平静期，熊市强于牛市。但是，中外股市之间的风险传染效应与上述结论相反，即相对平静期强于剧烈波动期，牛市强于熊市。

对证券市场之间互动关系的研究，不仅有助于揭示市场信息的跨国（境）传播机制特别是国 际金融风险的传导机制，还可以增进人们对证券市场微观结构与信息效率的认识。本文应用 Hong（2001）、Hong et al. (2009）新近提出的信息溢出检验方法，详细考察并比较了我国A 股市场与美股、港股在次贷危机前后的互动关系，首次揭示了三者联动结构与信息传递的全 景图，包括互动的方式、方向、相对强度、当期影响与多期滞后关系以及时变性。研究结果 表明：（1）在三者的关系中，美股处于主导地位，并且对港股、A 股市场具有金融传染效应；（2） A 股市场不再是“独立市”，A 股不仅能够反映美股、港股等外围市场的重要信息，而且已具 有影响外围市场的能力；（3）A 股与美股、港股之间的互动关系体现在均值溢出、波动率溢 出、极端风险溢出等多个层面，既有线性关系也包括非线性关联方式。