俞中，佟孟華，邢秉昆

（東北財經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，遼寧大連，116021）

一、引 言

2008年金融危機(jī)促使全球金融監(jiān)管理念發(fā)生了從注重單個金融機(jī)構(gòu)的風(fēng)險傳染向強(qiáng)調(diào)金融市場間風(fēng)險傳染和系統(tǒng)性風(fēng)險溢出的重大變革。風(fēng)險傳染是指在金融市場之間，某一金融市場發(fā)生危機(jī)時對其他金融市場的風(fēng)險溢出效應(yīng)。系統(tǒng)性風(fēng)險是指由金融系統(tǒng)部分或全部受損引起的，并有可能對實體經(jīng)濟(jì)造成嚴(yán)重負(fù)面影響的金融服務(wù)崩潰的風(fēng)險（IMF，2009）。銀行市場、證券市場和保險市場是我國金融市場體系中最主要的金融市場，這些金融市場間業(yè)務(wù)往來、業(yè)務(wù)合作較多，經(jīng)營模式高度相關(guān)，這在促進(jìn)我國經(jīng)濟(jì)繁榮發(fā)展的同時，也為風(fēng)險傳導(dǎo)提供了更多的渠道和途徑。在此背景下，如果某一金融市場或金融機(jī)構(gòu)發(fā)生危機(jī)，就可能通過資產(chǎn)負(fù)債渠道、支付體系渠道、融資渠道等，將風(fēng)險傳染給其他的金融市場或金融機(jī)構(gòu)，形成風(fēng)險傳染循環(huán)系統(tǒng)，甚至還會惡化金融體系的經(jīng)營環(huán)境，對整個金融市場體系產(chǎn)生系統(tǒng)性的影響。因此，深入研究金融市場間的風(fēng)險傳染以及金融市場系統(tǒng)性風(fēng)險溢出效應(yīng)，有助于在發(fā)生危機(jī)前對風(fēng)險進(jìn)行有效的控制和防范，這對于我國金融風(fēng)險的宏觀審慎監(jiān)管有著重要的意義。

關(guān)于金融市場間的風(fēng)險傳染，國內(nèi)外學(xué)者與監(jiān)管機(jī)構(gòu)都有所研究。Craig等（2014）基于2000-2006年德國大額信貸登記數(shù)據(jù)構(gòu)造了銀行同業(yè)網(wǎng)絡(luò)，利用空間計量方法研究發(fā)現(xiàn)，同業(yè)業(yè)務(wù)對手經(jīng)營越不穩(wěn)健，銀行陷入困境的可能性越高，這證實了德國銀行同業(yè)市場中存在風(fēng)險傳染問題［1］。馬君潞等（2007）使用我國銀行資產(chǎn)負(fù)債表數(shù)據(jù)，利用矩陣法估算了我國銀行系統(tǒng)的雙邊傳染風(fēng)險，分析了不同損失水平下單個銀行倒閉及多個銀行同時倒閉所引起的傳染效應(yīng)［2］。李志輝和王穎（2012）利用HP濾波的方式得出了我國債券市場、外匯市場和股票市場的風(fēng)險指數(shù)，構(gòu)建了VEC模型，分析了各金融市場之間的傳染效應(yīng)。結(jié)果表明，中國金融市場間的傳染效應(yīng)和貢獻(xiàn)度不盡相同［3］。苗文龍（2012）使用時變Copula模型實證比較了市場主導(dǎo)型金融、銀行主導(dǎo)型金融和發(fā)展中國家金融市場間的風(fēng)險傳染效應(yīng)，得出如下結(jié)論：金融市場之間的風(fēng)險傳染使不同金融市場之間波動周期趨于同步，而這又強(qiáng)化了金融市場之間的風(fēng)險傳染效應(yīng)［4］。鄭國忠和鄭振龍（2014）在不同市態(tài)下測度了我國股市、債市和匯市的動態(tài)波動溢出效應(yīng)，研究表明：相關(guān)金融市場間存在風(fēng)險傳染效應(yīng)，其波動溢出效應(yīng)不但增加了單個市場的風(fēng)險，同時也增加了組合風(fēng)險［5］。

在系統(tǒng)性風(fēng)險溢出效應(yīng)測度方面，大致可歸納為以下幾類方法：①金融網(wǎng)絡(luò)模型。金融網(wǎng)絡(luò)是基于金融機(jī)構(gòu)之間的資產(chǎn)負(fù)債表相互敞口數(shù)據(jù)研究系統(tǒng)性風(fēng)險的方法，其主要思想是通過金融機(jī)構(gòu)之間的相互敞口和交易數(shù)據(jù)建立網(wǎng)絡(luò)，根據(jù)網(wǎng)絡(luò)形狀模擬風(fēng)險相互傳染情況，從而測算每個網(wǎng)絡(luò)中積累的系統(tǒng)性風(fēng)險。鄧向榮和曹紅（2016）運用復(fù)雜網(wǎng)絡(luò)模型等方法構(gòu)建中國金融風(fēng)險傳染網(wǎng)絡(luò)，可視化金融機(jī)構(gòu)風(fēng)險網(wǎng)絡(luò)傳染路徑，并通過K－核分解、Leader Rank等方法測度系統(tǒng)性風(fēng)險傳染的速度、范圍、深度與風(fēng)險累積程度，綜合評估了系統(tǒng)重要性金融機(jī)構(gòu)［6］。②基于期望損失（ES）的系統(tǒng)性期望損失（SES）和邊際期望損失（MES）方法。范小云等（2011）測度了我國金融機(jī)構(gòu)在美國次貸危機(jī)期間以及危機(jī)前后對金融系統(tǒng)的邊際風(fēng)險貢獻(xiàn)度，研究結(jié)果表明，我國金融機(jī)構(gòu)對系統(tǒng)性風(fēng)險的貢獻(xiàn)度具有明顯的周期性特征［7］。③CoVaR模型。自Baumol（1963）提出VaR模型之后，短期內(nèi)VaR方法在風(fēng)險測量中的應(yīng)用得到了較快發(fā)展［8］。但是VaR方法只能衡量單個的金融機(jī)構(gòu)的風(fēng)險，不能考慮金融機(jī)構(gòu)間的風(fēng)險溢出效應(yīng)。在此基礎(chǔ)上，Adrian和Brunnermeier（2009）給出了CoVaR度量系統(tǒng)性金融風(fēng)險的方法［9］，CoVaR克服了傳統(tǒng)方法的不足，將金融系統(tǒng)視為一個整體，充分研究系統(tǒng)重要性金融機(jī)構(gòu)在金融危機(jī)過程中的風(fēng)險溢出與風(fēng)險傳導(dǎo)效應(yīng)，能夠反映危機(jī)時期機(jī)構(gòu)間相關(guān)性增加的事實，便于監(jiān)管機(jī)構(gòu)識別金融機(jī)構(gòu)的系統(tǒng)重要性。肖璞等（2012）采用ΔCoVaR方法量化了我國上市銀行之間的風(fēng)險溢出效應(yīng)，研究結(jié)果表明，中國銀行對整個系統(tǒng)性風(fēng)險貢獻(xiàn)率最大［10］。陳守東和王妍（2014）結(jié)合使用了極端分位數(shù)回歸技術(shù)和CoVaR模型，估計我國33家上市金融機(jī)構(gòu)對金融系統(tǒng)整體的風(fēng)險貢獻(xiàn)，研究結(jié)果表明，使用極端分位數(shù)回歸技術(shù)可以更準(zhǔn)確地度量尾部的風(fēng)險聯(lián)動性［11］。陳建青等（2015）構(gòu)建了靜態(tài)及動態(tài)CoVaR模型，對我國金融行業(yè)間的系統(tǒng)性金融風(fēng)險溢出效應(yīng)進(jìn)行了實證分析，研究表明，金融行業(yè)間的系統(tǒng)性金融風(fēng)險溢出效應(yīng)具有正向性及非對稱性；當(dāng)金融風(fēng)險加劇時，存在增強(qiáng)循環(huán)鏈和減弱循環(huán)鏈［12］。

本文擬采用微觀經(jīng)濟(jì)學(xué)中彈性的概念［13］，將CoVaR標(biāo)準(zhǔn)化成E-CoVaR，利用分位數(shù)回歸技術(shù)，研究我國銀行、證券和保險市場間的風(fēng)險溢出效應(yīng)以及各金融市場系統(tǒng)性風(fēng)險溢出效應(yīng)，并動態(tài)分析系統(tǒng)性風(fēng)險溢出效應(yīng)隨經(jīng)濟(jì)形勢變化的規(guī)律，以期全面分析我國金融市場的風(fēng)險傳染機(jī)制。

二、研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

本文選取申銀萬國銀行業(yè)、證券業(yè)以及保險業(yè)的行業(yè)指數(shù)，對不同風(fēng)險分位數(shù)水平下，銀行、證券、保險三個金融市場間風(fēng)險傳染強(qiáng)度進(jìn)行實證分析。在研究金融市場系統(tǒng)性風(fēng)險溢出效應(yīng)時，本文選取了中證金融指數(shù)。考慮到金融市場每日尾部事件太短，我們采用每周對數(shù)收益率，樣本數(shù)據(jù)區(qū)間為2007年3月8日至2017年2月17日。為了減少計算誤差，我們將計算的周收益率乘以100，即Rtj=100×ln（Pt-Pt-1），數(shù)據(jù)來源于Wind金融研究數(shù)據(jù)庫和國泰安CSMAR系列數(shù)據(jù)庫。

（二）模型設(shè)計

1.構(gòu)建風(fēng)險傳染指標(biāo)

當(dāng)置信水平取1-q時，可能發(fā)生的最大損失為VaRjq，也可以用條件概率分布的分位數(shù)來表示：Pr（Rjt≤VaRjq）=q；這里以及下文中q的取值為5%、2.5%和1%，VaRjq即為金融市場j在置信水平為1-q時的風(fēng)險價值。為了測度不同風(fēng)險事件下我國金融市場間的風(fēng)險傳染，我們建立式（1）的回歸模型，通過分位數(shù)回歸技術(shù)，可以得到參數(shù) α、β 的估計值。

根據(jù) Adian 和 Brunnermeier（2009）給出的定義：，即金融市場j發(fā)生金融危機(jī)時，金融市場i的風(fēng)險價值。我們可得如下表達(dá)式：

為進(jìn)一步衡量當(dāng)金融市場j由正常狀態(tài)轉(zhuǎn)入風(fēng)險狀態(tài)時，金融市場i的風(fēng)險發(fā)生怎樣的變化，本文借鑒 Adian和Brunnermeier（2011）的定義：

但據(jù)此計算的結(jié)果往往會因為各個金融市場規(guī)模和特性的不同，而使得衡量結(jié)果沒有可比性，本文在研究各金融市場間的風(fēng)險溢出強(qiáng)度時，借鑒了微觀經(jīng)濟(jì)學(xué)中彈性的概念，構(gòu)建如下風(fēng)險傳染指標(biāo)：

其中，VaRj0.5表示金融市場j在50%的置信水平下的風(fēng)險價值，這正是金融市場j股票收益率的中位數(shù)，E－CoVaRi/jq表示當(dāng)金融市場j由正常狀態(tài)向風(fēng)險狀態(tài)轉(zhuǎn)化百分之一時，金融市場i的風(fēng)險在原有基礎(chǔ)上變化的百分?jǐn)?shù)，即E－CoVaRi/jq實質(zhì)上為不同金融市場間的風(fēng)險傳染強(qiáng)度。

同樣，給出測度單個金融市場系統(tǒng)性風(fēng)險溢出效應(yīng)的指標(biāo)如下：

2.系統(tǒng)性風(fēng)險貢獻(xiàn)度的比較檢驗

為了對不同情景下銀行、證券、保險市場的系統(tǒng)性風(fēng)險貢獻(xiàn)度進(jìn)行動態(tài)比較，我們構(gòu)造了時間序列具體構(gòu)造過程如下：①取出t時期內(nèi)銀行、證券、保險市場的周收益率Rjt和中證金融指數(shù)的周收益率Rst；②利用式（1）、式（2）、式（3）和式（5）估計所有金融市場的系統(tǒng)性風(fēng)險貢獻(xiàn)度。 分別取金融市場 i和 j的系統(tǒng)性風(fēng)險貢獻(xiàn)度，記），對序列Xs/i，jt進(jìn)行如下最小二乘回歸：

其中，c是常數(shù)項，πt是回歸方程的隨機(jī)誤差項。系數(shù)估計的標(biāo)準(zhǔn)誤差采用New－West自相關(guān)調(diào)整估計量。在給定的顯著性水平下，如果回歸結(jié)果是＞0，說明金融市場i比金融市場j具有更高的系統(tǒng)性風(fēng)險貢獻(xiàn)度；如果c^并非顯著異于0，則認(rèn)為金融市場i的系統(tǒng)性風(fēng)險貢獻(xiàn)度與金融市場j無顯著差異。

三、實證結(jié)果與分析

（一）金融市場間的風(fēng)險傳染強(qiáng)度

1.描述性統(tǒng)計分析

表1給出了各金融市場的收益率序列的描述性統(tǒng)計分析結(jié)果，樣本數(shù)據(jù)呈現(xiàn)了以下特征：其一，銀行、證券和保險市場收益率均值均為正，且證券市場收益率的均值最大，保險市場收益率的均值最小。這不僅說明了銀行類機(jī)構(gòu)收益率比非銀行類機(jī)構(gòu)相對穩(wěn)定，而且暗示了銀行與非銀行機(jī)構(gòu)的風(fēng)險傳染可能呈現(xiàn)的群落結(jié)構(gòu)特征。其二，相比于證券市場和保險市場，銀行市場的收益率標(biāo)準(zhǔn)差最小。這一方面再次印證銀行機(jī)構(gòu)的股價波動幅度相對小、收益率穩(wěn)定的事實，另一方面也隱含著這類機(jī)構(gòu)是風(fēng)險傳染的基石，如果它們因某種原因發(fā)生較大波動，很可能引起整個金融市場發(fā)生劇烈震蕩。其三，三個市場股價收益率峰度均大于3，明顯異于正態(tài)分布的峰度；J-B檢驗統(tǒng)計量也均較大，概率均為0，拒絕了總資產(chǎn)收益率為正態(tài)分布的原假設(shè)。

因此，本文使用帕累托型尾部下的極端分位數(shù)回歸技術(shù)估計jqVaR。

表1 收益率序列初步描述性統(tǒng)計

2.金融市場間的風(fēng)險傳染強(qiáng)度

根據(jù)模型設(shè)計中的式（1）、式（2）、式（3）和式（4），利用計算得到的三個金融市場之間的股價指數(shù)周報收益率序列，通過EViews6.0軟件進(jìn)行分位數(shù)回歸估計，可得到不同風(fēng)險水平下的各參數(shù)估計值，進(jìn)而計算得出各金融市場之間的風(fēng)險傳染強(qiáng)度，計算結(jié)果如表2所示。

表2 金融市場間的風(fēng)險傳染測度結(jié)果

E-CoVaRi/j0.01 i j銀行市場 證券市場 保險市場銀行市場 ─ 0.9880 0.9488證券市場 1.0287 ─ 0.9699保險市場 1.0565 1.0018 ─

從表2可以看出：

（1）在同一風(fēng)險水平下，金融子市場間的風(fēng)險外溢程度均呈現(xiàn)不對等的非對稱性，這是由于不同的金融市場在風(fēng)險傳遞途徑中所擔(dān)當(dāng)?shù)慕巧煌?。其中，銀行市場發(fā)生風(fēng)險事件時，無論風(fēng)險嚴(yán)重程度如何，對其他金融市場的影響都是巨大的，然后是證券市場，最后是保險市場。這與我國銀行業(yè)占主體經(jīng)營地位的金融體系相吻合。

（2）從分位數(shù)的位置來看，隨著金融風(fēng)險加劇，證券至銀行、證券至保險、保險至銀行以及保險至證券的風(fēng)險傳染強(qiáng)度在增強(qiáng)，而銀行至證券和銀行至保險的風(fēng)險傳染強(qiáng)度在減弱。這可能是由銀行在我國金融體系中的特殊性引起的，在發(fā)生一般風(fēng)險時，相關(guān)部門就開始對風(fēng)險事件進(jìn)行防范和控制，不會任憑銀行類金融機(jī)構(gòu)風(fēng)險蔓延，避免對金融體系產(chǎn)生更大的危害。

（二）金融市場系統(tǒng)性風(fēng)險貢獻(xiàn)度

1.系統(tǒng)性風(fēng)險貢獻(xiàn)度的比較檢驗

利用式（1）、式（2）、式（3）和式（5），我們可以得到不同風(fēng)險水平下各金融市場的系統(tǒng)性風(fēng)險貢獻(xiàn)度E-CoVaRs/jq，進(jìn)一步采用式（6）進(jìn)行統(tǒng)計檢驗，結(jié)果如表3所示。

表3 金融市場的系統(tǒng)性風(fēng)險貢獻(xiàn)度的比較檢驗

注：圓括號內(nèi)數(shù)值為系數(shù)c的p值；右上標(biāo)的*、**、***分別表示系數(shù)在10%、5%和1%的顯著性水平下顯著。

從表3的檢驗結(jié)果可以看出：在q取5%時，銀行市場對系統(tǒng)性風(fēng)險貢獻(xiàn)度顯著高于證券市場和保險市場；在q取2.5%和1%時，銀行市場對系統(tǒng)性風(fēng)險貢獻(xiàn)度顯著高于保險市場。除此之外，在其他情況下，各金融市場對系統(tǒng)性風(fēng)險貢獻(xiàn)度均無顯著差異。這說明隨著風(fēng)險水平的增加，各金融市場對整個金融業(yè)的風(fēng)險沖擊都是巨大的。

2.不同情景下的動態(tài)分析

通過對中證金融指數(shù)走勢的觀察，按照經(jīng)濟(jì)形勢的變化，本文將樣本區(qū)間劃分為四個階段，以分析不同經(jīng)濟(jì)形勢下各金融市場的系統(tǒng)性風(fēng)險貢獻(xiàn)度。第一階段是從2007年至2008年金融危機(jī)時期；第二階段是從2009年至2010年歐洲債務(wù)危機(jī)時期；第三階段是從2011年至2013年的經(jīng)濟(jì)平穩(wěn)發(fā)展期；第四階段是從2014年至2016年的經(jīng)濟(jì)繁榮發(fā)展期。為了更直觀表示三個金融市場系統(tǒng)性風(fēng)險貢獻(xiàn)度的差異性，我們用折線圖進(jìn)行比較，折線圖最右側(cè)是2007-2016年樣本期間算出的平均值，具體見圖1①所示。

從圖1可以看出，在第一階段，受2008年金融危機(jī)影響，三個金融市場的系統(tǒng)性風(fēng)險貢獻(xiàn)度都處于較高的水平，說明當(dāng)出現(xiàn)金融危機(jī)時，各金融市場都會對我國金融市場整體造成較大的負(fù)面影響；在第二階段，隨著2008年金融危機(jī)的結(jié)束，我國政府實施經(jīng)濟(jì)刺激計劃，但2009年年底，由希臘財政問題導(dǎo)致的歐洲債務(wù)危機(jī)爆發(fā)，對我國經(jīng)濟(jì)再次造成了負(fù)面影響，所以三個金融市場在不同分位數(shù)水平下仍處于較高的水平；在第三階段，我國經(jīng)濟(jì)平穩(wěn)發(fā)展，金融市場整體抵御風(fēng)險的能力較強(qiáng)，各金融市場的系統(tǒng)性風(fēng)險貢獻(xiàn)度相對較低；在第四階段，我國經(jīng)濟(jì)繁榮發(fā)展，經(jīng)濟(jì)增長較快，三個金融市場的系統(tǒng)性風(fēng)險貢獻(xiàn)度處于平穩(wěn)水平。

從總體來看，三個金融市場的系統(tǒng)性風(fēng)險貢獻(xiàn)度在大多數(shù)期間都表現(xiàn)出一致的強(qiáng)弱次序，強(qiáng)弱次序為銀行市場、證券市場和保險市場，這和第一部分測度金融市場間風(fēng)險傳染強(qiáng)度得出的結(jié)論一致。但這一次序在2011至2013年期間并不成立，因為在這一階段，證券市場的系統(tǒng)性風(fēng)險貢獻(xiàn)度要大于銀行市場。

圖1 金融子市場系統(tǒng)性風(fēng)險貢獻(xiàn)度的折線圖

四、結(jié)論及啟示

本文在現(xiàn)有研究的基礎(chǔ)上，測度了三種不同風(fēng)險水平下，銀行市場、證券市場和保險市場間的風(fēng)險傳染強(qiáng)度以及各金融市場對金融市場整體系統(tǒng)性風(fēng)險溢出效應(yīng)。另外，在不同經(jīng)濟(jì)形勢下，對三個金融市場系統(tǒng)性風(fēng)險溢出效應(yīng)進(jìn)行了動態(tài)分析。得到的主要結(jié)論及啟示如下：

第一，從金融市場間的風(fēng)險傳染效應(yīng)來看，我國金融市場之間存在風(fēng)險傳染效應(yīng)，且市場之間風(fēng)險互溢，彼此相連。其中，銀行市場對其他金融市場的風(fēng)險傳染強(qiáng)度較大，保險市場被其他金融市場風(fēng)險傳染的強(qiáng)度較大。隨著風(fēng)險水平的增加，證券市場和保險市場的風(fēng)險傳染強(qiáng)度均有増大的趨勢，但銀行市場的風(fēng)險傳染強(qiáng)度卻在遞減。因此，在對銀行業(yè)系統(tǒng)性風(fēng)險監(jiān)管時，同樣要重視對其他金融市場的監(jiān)管，提高每個金融機(jī)構(gòu)自身風(fēng)險控制能力和風(fēng)險管理能力，確保我國各金融機(jī)構(gòu)能夠穩(wěn)健經(jīng)營。

第二，從單個金融市場對金融市場整體系統(tǒng)性風(fēng)險溢出效應(yīng)來看，各金融市場對金融市場整體系統(tǒng)性風(fēng)險溢出效應(yīng)存在差異性，大致來看，銀行市場對金融市場整體的風(fēng)險溢出效應(yīng)最大，證券市場其次，再次是保險市場。但是隨著風(fēng)險水平增加，當(dāng)發(fā)生極端的風(fēng)險時，每個金融市場風(fēng)險溢出效應(yīng)都非常高，對其他金融市場和整個金融系統(tǒng)的影響都是巨大的。因此，應(yīng)該加強(qiáng)對銀行、證券和保險業(yè)極端風(fēng)險的預(yù)警與防范，不能在經(jīng)濟(jì)繁榮期間放松監(jiān)管，在金融危機(jī)發(fā)生的時候再進(jìn)行防范。

第三，從金融市場系統(tǒng)性風(fēng)險溢出效應(yīng)的動態(tài)變化來看，金融危機(jī)時期，三個金融市場對金融市場整體的風(fēng)險溢出效應(yīng)較大；經(jīng)濟(jì)繁榮時期，風(fēng)險溢出效應(yīng)適中；經(jīng)濟(jì)平穩(wěn)時期，風(fēng)險溢出效應(yīng)較小。因此，在經(jīng)濟(jì)繁榮期，加強(qiáng)對金融市場的風(fēng)險監(jiān)控，尤其是對銀行市場，采取相應(yīng)的防范措施，可以在危機(jī)發(fā)生前進(jìn)行有效的抑制和防范，在危機(jī)發(fā)生后可以降低金融市場間的風(fēng)險外溢，從而使金融危機(jī)盡快結(jié)束。

［1］Craig B，Koetter M，Krüger U.Interbank Lending and Distress：Observables，Unobservables，and Network Structure［R］.FRB of Clevel and Working Paper NO.14，2014.

［2］馬君璐，范小云，曹元濤.中國銀行市場間雙邊傳染的風(fēng)險估測及其系統(tǒng)性特征分析［J］.經(jīng)濟(jì)研究，2007（1）：68－78.

［3］李志輝，王穎.我國金融市場間風(fēng)險傳染效應(yīng)分析——基于VEC模型分析［J］.天津財經(jīng)大學(xué)學(xué)報，2012（7）：20-36.

［4］苗文龍.金融危機(jī)與金融市場間風(fēng)險傳染效應(yīng)——以中、美、德三國為例［J］.中國經(jīng)濟(jì)問題，2013（3）：89－99.

［5］鄭國忠，鄭振龍.我國金融市場間動態(tài)相關(guān)及風(fēng)險傳染的異化分析［J］.東南學(xué)術(shù)，2014（2）：79－88.

［6］鄧向榮，曹紅.系統(tǒng)性風(fēng)險、網(wǎng)絡(luò)傳染與金融機(jī)構(gòu)系統(tǒng)重要性評估［J］.中央財經(jīng)大學(xué)學(xué)報，2016（3）：52－60.

［7］范小云，王道平，方意.我國金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險貢獻(xiàn)測度與監(jiān)管——基于邊際風(fēng)險貢獻(xiàn)與杠桿率的研究［J］.南開經(jīng)濟(jì)研究，2011（4）：3-20.

［8］Baumol，William.An Expected Gain-Confidence Limit Criterion for Portfolio Selection ［J］.Management Science.1963（11）：174-182.

［9］Adrian T，Brunnermeier M K.CoVaR［R］.Federal Reserve Bank of New York Staff Report，2009：1-27.

［10］肖璞，劉軼，楊蘇梅.相互關(guān)聯(lián)性、風(fēng)險溢出與系統(tǒng)重要性銀行識別［J］.金融研究，2012（12）：96－106.

［11］陳守東，王妍.我國金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險評估——基于極端分位數(shù)回歸技術(shù)的風(fēng)險度量［J］.中國管理科學(xué)，2014（7）：10－17.

［12］陳建青，王擎，許韶輝.金融行業(yè)間的系統(tǒng)性金融風(fēng)險溢出效應(yīng)研究［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2015（9）：89－100.

［13］方立兵，劉海飛，李心丹.比較“金磚五國”股票市場的系統(tǒng)重要性：基于危機(jī)傳染的證據(jù)［J］.國際金融研究，2015（3）：64－75.