胡穎毅 周嘉偉

一、引 言

現(xiàn)代金融體系已經(jīng)發(fā)展成相互交織的網(wǎng)絡(luò)，系統(tǒng)性風(fēng)險(xiǎn)的生成與傳播與網(wǎng)絡(luò)中各個(gè)組成部分之間的相互關(guān)聯(lián)性和關(guān)聯(lián)結(jié)構(gòu)緊密相關(guān)。然而，在2008 年金融危機(jī)前，較少研究涉及金融體系中各個(gè)行業(yè)(市場)之間的相互關(guān)聯(lián)性和關(guān)聯(lián)結(jié)構(gòu)，對(duì)系統(tǒng)性風(fēng)險(xiǎn)的度量和預(yù)警主要采用綜合指數(shù)法和早期預(yù)警系統(tǒng)。綜合指數(shù)法通過將多個(gè)指標(biāo)合成為一個(gè)綜合指數(shù)以反映金融體系的系統(tǒng)性風(fēng)險(xiǎn)，其典型代表包括金融壓力指數(shù)(Financial Stress Index，F(xiàn)SI)、總體金融穩(wěn)定指數(shù)(Aggregate Financial Stability Index，AFSI)、金融穩(wěn)定條件指數(shù)(Financial Stability Conditional Index，F(xiàn)SCI)等(劉春航和朱元倩，2011；陶玲和朱迎，2016)。早期預(yù)警系統(tǒng)(Early Warning System，EWS)的功能是識(shí)別系統(tǒng)性風(fēng)險(xiǎn)，使政策制定者和監(jiān)管者有時(shí)間來阻止或者減緩潛在的金融危機(jī)的出現(xiàn)(Oet et al.，2013)。綜合指數(shù)法和早期預(yù)警系統(tǒng)的劣勢在于無法捕捉系統(tǒng)性風(fēng)險(xiǎn)的傳染效應(yīng)、負(fù)外部性以及系統(tǒng)關(guān)聯(lián)性，在應(yīng)用上具有局限性。網(wǎng)絡(luò)分析法和矩陣法可以從金融機(jī)構(gòu)風(fēng)險(xiǎn)傳染的角度對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行研究(馬君潞等，2007；范小云等，2012；李政等，2016)。有學(xué)者指出這些方法存在雙邊風(fēng)險(xiǎn)敞口數(shù)據(jù)難以獲得、假定條件引起潛在估計(jì)誤差等問題。

2008年金融危機(jī)后，主流的相關(guān)研究視角在于評(píng)估金融系統(tǒng)性風(fēng)險(xiǎn)和單個(gè)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)，而主要的研究方法則是測度金融機(jī)構(gòu)的違約相關(guān)性和市場風(fēng)險(xiǎn)的尾部依賴性。部分學(xué)者通過測度機(jī)構(gòu)之間的聯(lián)合違約概率和違約損失來度量整個(gè)金融體系的系統(tǒng)性風(fēng)險(xiǎn)和單個(gè)機(jī)構(gòu)的風(fēng)險(xiǎn)貢獻(xiàn)，其典型代表包括銀行系統(tǒng)多元密度(Banking System Multivariate Density，BSMD)、系統(tǒng)重要性指數(shù)(Systemic Importance Index，SII)、脆弱性指數(shù)(Vulnerability Index，VI)和因子增強(qiáng)的相關(guān)違約方法(Factor-Augmented Correlated Default Approach)。Jobst 和 Gray(2013)在或有權(quán)益法(Contingent Claims Approach，CCA)的基礎(chǔ)上提出了Systemic CCA并以之測度整個(gè)金融體系的系統(tǒng)性風(fēng)險(xiǎn)(宮曉琳，2012；巴曙松等，2013；范小云等，2013)。

與此同時(shí)，許多學(xué)者采用金融市場數(shù)據(jù)，通過測度金融機(jī)構(gòu)市場風(fēng)險(xiǎn)的尾部依賴性來度量系統(tǒng)性風(fēng)險(xiǎn)。在“自下而上”視角下，條件風(fēng)險(xiǎn)價(jià)值(Conditional Value at Risk，CoVaR)成為重要的研究方法(Adrian and Brunnermeier，2016)。通過測度一個(gè)特定機(jī)構(gòu)陷入困境時(shí)整個(gè)金融系統(tǒng)的CoVaR與該機(jī)構(gòu)在正常條件下金融系統(tǒng)的 CoVaR之差，反映該機(jī)構(gòu)對(duì)系統(tǒng)的風(fēng)險(xiǎn)外溢效應(yīng)，而且CoVaR 可以計(jì)算系統(tǒng)內(nèi)任意兩個(gè)機(jī)構(gòu)之間的風(fēng)險(xiǎn)外溢效應(yīng)(肖璞等，2012；白雪梅和石大龍，2014；沈悅等，2014；陳建青等，2015)。與 CoVaR 思路相同，Co-Risk則采用金融機(jī)構(gòu)的 CDS數(shù)據(jù)，測度一個(gè)金融機(jī)構(gòu)的信用風(fēng)險(xiǎn)由于與另外一家機(jī)構(gòu)相聯(lián)系而導(dǎo)致的增長幅度，該指標(biāo)可以捕捉二者之間直接和間接的風(fēng)險(xiǎn)溢出。CoVaR和Co-Risk 最大的不足在于不具有可加性，單個(gè)機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)溢出之和并不等于整個(gè)金融系統(tǒng)的風(fēng)險(xiǎn)。

在“自上而下”視角下，邊際期望損失(Marginal Expected Shortfall，MES)則可以彌補(bǔ)CoVaR的缺陷(Acharya et al.，2017)。MES為整個(gè)金融市場收益率顯著下跌時(shí)單個(gè)金融機(jī)構(gòu)收益率的期望損失，以此反映單個(gè)機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的邊際貢獻(xiàn)(范小云等，2011)。Banulescu和 Dumitrescu(2015)進(jìn)一步考慮了規(guī)模等其它因素，提出成分預(yù)期損失(Component Expected Shortfall，CES)，以 MES乘以資產(chǎn)規(guī)模衡量單個(gè)機(jī)構(gòu)對(duì)金融系統(tǒng)的風(fēng)險(xiǎn)貢獻(xiàn)。Acharya等(2012)在動(dòng)態(tài)MES的基礎(chǔ)上，提出系統(tǒng)性風(fēng)險(xiǎn)指數(shù)(Systemic Risk Index，SRISK)，以單個(gè)機(jī)構(gòu)相對(duì)于整個(gè)系統(tǒng)的資本短缺程度來衡量其系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)，該指標(biāo)考慮了規(guī)模、關(guān)聯(lián)性、杠桿率等多個(gè)因素(梁琪等，2013)。同樣在“自上而下”視角下，博弈論合作博弈的 Shapley值分解被用于系統(tǒng)性風(fēng)險(xiǎn)的分配(賈彥東，2011；梁琪和李政，2014)。Shapley值分解方法需要計(jì)算每個(gè)子系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)水平，當(dāng)系統(tǒng)中機(jī)構(gòu)數(shù)目較多時(shí)，計(jì)算負(fù)擔(dān)較大，費(fèi)時(shí)較多。

隨著學(xué)術(shù)界對(duì)系統(tǒng)性風(fēng)險(xiǎn)的理解不斷加深，對(duì)金融系統(tǒng)網(wǎng)絡(luò)化特征的認(rèn)識(shí)也到了一個(gè)全新的高度。部分學(xué)者采用相關(guān)系數(shù)、主成分分析、Granger 因果網(wǎng)絡(luò)等多種方法，度量和分析金融機(jī)構(gòu)間的相互關(guān)聯(lián)度和關(guān)聯(lián)結(jié)構(gòu)，評(píng)估系統(tǒng)性風(fēng)險(xiǎn)。Kritzman 等(2011)認(rèn)為少數(shù)特征向量(即主成分)可以解釋或“吸收”資產(chǎn)收益率的總方差，提出采用主成分分析(Principal Components Analysis，PCA)作為研究系統(tǒng)性風(fēng)險(xiǎn)的方法。主成分分析能夠捕捉市場的一體化或者緊密耦合程度，負(fù)向沖擊在緊密耦合的市場比在松散的市場中傳播得更迅速和廣泛，即耦合程度越高，市場越脆弱。Billio等(2012)采用主成分分析法從金融體系的整體相互關(guān)聯(lián)性和風(fēng)險(xiǎn)集中度的角度度量美國金融體系中各個(gè)組成部分受相同風(fēng)險(xiǎn)來源的影響程度。

在波動(dòng)率層面的金融體系的關(guān)聯(lián)性既體系內(nèi)各個(gè)行業(yè)或市場間風(fēng)險(xiǎn)傳導(dǎo)的研究方面，大多從波動(dòng)性溢出(Volatility Spillover)的角度著手。從國內(nèi)外測度波動(dòng)溢出效應(yīng)的方法和應(yīng)用過程看，多元 GARCH 模型采用異方差建模方法，引入了條件方差的時(shí)變概念，因而在處理市場間聯(lián)動(dòng)性的時(shí)變特征上具有優(yōu)勢，能直觀給出風(fēng)險(xiǎn)溢出效應(yīng)的方向。比較有代表性的多元 GARCH模型有：VECH模型、BEKK模型、CCCGARCH模型和DCC-GARCH模型。也有部分學(xué)者通過構(gòu)建GARCH(1，1)模型得到條件標(biāo)準(zhǔn)差，然后采用格蘭杰因果檢驗(yàn)的方法檢驗(yàn)風(fēng)險(xiǎn)傳導(dǎo)方向(汲源，2008；曹廣喜等，2014)。

在對(duì)國內(nèi)金融體系系統(tǒng)性風(fēng)險(xiǎn)的研究中，從研究角度上，以金融體系的相互關(guān)聯(lián)性為出發(fā)點(diǎn)對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行的研究還有所欠缺。從研究方法上，對(duì)于處理數(shù)據(jù)時(shí)變特征具有優(yōu)勢并對(duì)金融體系相互關(guān)聯(lián)性和風(fēng)險(xiǎn)集中度進(jìn)行估計(jì)的主成分分析法的使用還不多見。同時(shí)，目前的研究大多局限于采用股票市場中上市公司的數(shù)據(jù)靜態(tài)地關(guān)注兩行業(yè)或少數(shù)幾個(gè)行業(yè)所構(gòu)成的金融體系的風(fēng)險(xiǎn)衡量和風(fēng)險(xiǎn)傳導(dǎo)。能夠結(jié)合重要?dú)v史事件對(duì)整個(gè)金融體系內(nèi)的風(fēng)險(xiǎn)傳導(dǎo)及其變化進(jìn)行動(dòng)態(tài)考量的研究還較少。與此同時(shí)，能夠納入基金市場、債券市場等并建立更廣泛金融體系的研究往往將股票市場作為一個(gè)整體，而忽略了股票市場中的行業(yè)差別。因此，對(duì)股票市場進(jìn)行行業(yè)細(xì)分后再進(jìn)行金融體系的構(gòu)建，然后對(duì)金融體系的整體系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行動(dòng)態(tài)考察并檢驗(yàn)金融體系各個(gè)組成部分之間的風(fēng)險(xiǎn)傳導(dǎo)就顯得十分必要。

本文首先定義了一個(gè)比較廣泛的金融體系，包括銀行業(yè)、證券業(yè)、信托業(yè)、基金市場、債券市場和貨幣市場，同時(shí)還將與金融體系緊密相關(guān)的房地產(chǎn)業(yè)納入研究范圍?；诮鹑隗w系相互關(guān)聯(lián)性的角度，在充分考慮系統(tǒng)性風(fēng)險(xiǎn)的時(shí)變特征后，本文采用主成分分析法在收益率層面衡量單一風(fēng)險(xiǎn)來源對(duì)金融體系的影響能力，以評(píng)價(jià)金融體系系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)變化。同樣基于相互關(guān)聯(lián)性的視角，考慮到風(fēng)險(xiǎn)傳導(dǎo)受某些標(biāo)志性事件影響可能發(fā)生變化，本文采用 VAR-MVGARCH(1，1)-BEKK模型在波動(dòng)率層面檢驗(yàn)風(fēng)險(xiǎn)在金融體系中的傳導(dǎo)及其動(dòng)態(tài)變化。結(jié)果表明，我國金融體系的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)入本世紀(jì)以來不斷動(dòng)態(tài)變化，而貨幣政策是導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)波動(dòng)的重要原因。很多歷史事件都影響了金融體系中風(fēng)險(xiǎn)的傳導(dǎo)，金融體系各個(gè)組成部分之間風(fēng)險(xiǎn)傳導(dǎo)的能力在逐漸增強(qiáng)。本文彌補(bǔ)了國內(nèi)在相互關(guān)聯(lián)性視角對(duì)系統(tǒng)風(fēng)險(xiǎn)研究上的欠缺。同時(shí)，相較以往的靜態(tài)研究，本文結(jié)合歷史事件的動(dòng)態(tài)研究更具有實(shí)踐意義。

二、收益率層面的相互關(guān)聯(lián)性：金融體系系統(tǒng)性風(fēng)險(xiǎn)研究

（一）度量方法

由于金融體系相互交織形成網(wǎng)絡(luò)，緊密的相互關(guān)聯(lián)性放大了系統(tǒng)性風(fēng)險(xiǎn)的危害性，意味著金融體系更脆弱。因此，本文認(rèn)為，金融體系的系統(tǒng)性風(fēng)險(xiǎn)為包含的各個(gè)行業(yè)或市場發(fā)生單一風(fēng)險(xiǎn)事件(比如行業(yè)指數(shù)大幅度下跌)，并且風(fēng)險(xiǎn)事件迅速在體系內(nèi)傳導(dǎo)會(huì)導(dǎo)致廣泛的流動(dòng)性和信用損失，甚至帶來整個(gè)金融體系崩潰的風(fēng)險(xiǎn)。其具體表現(xiàn)為金融體系受單一因素或事件影響的程度越深，則系統(tǒng)性風(fēng)險(xiǎn)越高；反之亦然。

本文以主成分分析法第一特征值占比作為系統(tǒng)性風(fēng)險(xiǎn)的衡量指標(biāo)(第一、二特征值占比作為參考)。特征值占比越大，系統(tǒng)性風(fēng)險(xiǎn)越大；反之亦然。第一特征值為各時(shí)間序列最重要的影響因素，即最大的風(fēng)險(xiǎn)來源。該值越大表明各個(gè)行業(yè)或市場受單一因素的影響越大，也即各個(gè)行業(yè)或市場受單一風(fēng)險(xiǎn)源影響的程度越深，說明金融體系的相互關(guān)聯(lián)性越強(qiáng)，風(fēng)險(xiǎn)集中度越高，系統(tǒng)性風(fēng)險(xiǎn)越大。

（二）數(shù)據(jù)處理

隨著我國經(jīng)濟(jì)和金融業(yè)的不斷發(fā)展，金融體系各個(gè)組成行業(yè)和市場之間的聯(lián)系變得越來越緊密，所以系統(tǒng)性風(fēng)險(xiǎn)不再僅僅影響某個(gè)行業(yè)或僅在某兩個(gè)市場之間傳導(dǎo)。僅對(duì)某個(gè)關(guān)鍵行業(yè)(比如銀行業(yè))進(jìn)行系統(tǒng)性風(fēng)險(xiǎn)研究或者對(duì)某兩個(gè)重要市場(貨幣市場和股票市場等)進(jìn)行研究的方法已不能滿足對(duì)金融體系整體系統(tǒng)性風(fēng)險(xiǎn)研究的需求，應(yīng)該建立一個(gè)內(nèi)涵更加廣泛的金融體系(股票市場、基金市場、貨幣市場、債券市場等)，并對(duì)其系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行研究。

同時(shí)，以往將股票市場作為整體進(jìn)行研究的方法忽略了股票市場中包含各類細(xì)分金融行業(yè)的事實(shí)。對(duì)股票市場的風(fēng)險(xiǎn)傳導(dǎo)，并不意味著對(duì)其包含的各類細(xì)分金融行業(yè)具有相同的傳導(dǎo)能力。因此，需要對(duì)股票市場進(jìn)一步細(xì)化，研究股票市場中銀行業(yè)、證券業(yè)、信托業(yè)等金融行業(yè)與其它金融市場之間的關(guān)系。

基于以上考慮，本文將我國的金融體系定義為包含銀行業(yè)、證券業(yè)、信托業(yè)、基金市場、貨幣市場和債券市場的一個(gè)廣泛體系?？紤]到房地產(chǎn)業(yè)與金融體系的緊密聯(lián)系，本文也將房地產(chǎn)業(yè)納入研究范圍?？傮w來說，本文的金融體系包含四大金融市場：股票市場、基金市場、貨幣市場和債券市場。同時(shí)，將股票市場中的金融相關(guān)行業(yè)進(jìn)一步細(xì)分為：銀行業(yè)、證券業(yè)、信托業(yè)和房地產(chǎn)業(yè)。因此，本文的研究對(duì)象為一個(gè)以四大金融市場為基礎(chǔ)并對(duì)股票市場做了進(jìn)一步金融行業(yè)劃分的更加廣泛的金融體系。

針對(duì)銀行業(yè)、證券業(yè)、信托業(yè)和房地產(chǎn)業(yè)，本文根據(jù)證監(jiān)會(huì)行業(yè)分類，以上市公司總市值為權(quán)重計(jì)算行業(yè)加權(quán)周收益率。

對(duì)基金市場采用上證基金指數(shù)周變化率。質(zhì)押式回購和同業(yè)拆借占貨幣市場交易量95%,以上。因此，以這兩種產(chǎn)品的周交易量為權(quán)重計(jì)算貨幣市場的總加權(quán)周到期收益率時(shí)間序列。對(duì)于長期債券市場，則采用中信標(biāo)普全債指數(shù)的周收益率時(shí)間序列。

數(shù)據(jù)來源為Wind金融研究數(shù)據(jù)終端。描述性統(tǒng)計(jì)如表1所示。

表1 描述性統(tǒng)計(jì)

銀行業(yè)、證券業(yè)、信托業(yè)和房地產(chǎn)業(yè)的樣本數(shù)量為 754個(gè)，對(duì)應(yīng)數(shù)據(jù)區(qū)間 2000年1月7日至2014年12月31日。由于數(shù)據(jù)源的問題，基金市場的樣本數(shù)量為738個(gè)，對(duì)應(yīng)數(shù)據(jù)區(qū)間2000年5月19日至2014年12月31日，債券市場的樣本數(shù)量為641個(gè)，對(duì)應(yīng)數(shù)據(jù)區(qū)間2002年5月10日至2014年12月31日。由于貨幣市場中同業(yè)拆借和買斷式回購上市的時(shí)間較晚，所以樣本數(shù)量為538個(gè)，對(duì)應(yīng)數(shù)據(jù)區(qū)間2004年5月8日至2014年12月31日。鑒于樣本數(shù)量上存在差異，包含基金市場、債券市場和貨幣市場的分析，在后面會(huì)單獨(dú)給出。

單位根檢驗(yàn)結(jié)果表明，所有時(shí)間序列t統(tǒng)計(jì)量對(duì)應(yīng)的p值均接近于0，拒絕存在單位根的原假設(shè)，所有的收益率序列為平穩(wěn)序列。同時(shí)，各數(shù)據(jù)間在 5%的置信度下存在比較顯著的相關(guān)性，但貨幣市場數(shù)據(jù)和債券市場數(shù)據(jù)與其它數(shù)據(jù)之間的相關(guān)性稍差。對(duì)總體數(shù)據(jù)進(jìn)行 KMO檢驗(yàn)，其結(jié)果為 0.8637，說明可以進(jìn)行主成份分析(單位根檢驗(yàn)和相關(guān)系數(shù)結(jié)果可向作者索取)。

（三）檢驗(yàn)結(jié)果

1. 系統(tǒng)性風(fēng)險(xiǎn)的計(jì)算

計(jì)算方法：以2000年1月7日這周之后n周的歷史各行業(yè)數(shù)據(jù)計(jì)算第一特征和第二特征值的占比作為數(shù)據(jù)1。然后橫向延后一周，以2000年1月14日這周之后n周的數(shù)據(jù)再次計(jì)算第一特征和第二特征值占比作為數(shù)據(jù)2。如此不斷重復(fù)，直到2014年12月31日這一周。為了保證數(shù)據(jù)的準(zhǔn)確性和敏感性，本文以2000年1月7日之后36周(n=36)的歷史數(shù)據(jù)進(jìn)行計(jì)算，每個(gè)特征值占比所使用的歷史數(shù)據(jù)為 9個(gè)月。由此，我們可以得到將近 15年中的系統(tǒng)性風(fēng)險(xiǎn)時(shí)間序列。這種方法充分考慮了系統(tǒng)性風(fēng)險(xiǎn)的時(shí)變特征，有助于了解系統(tǒng)性風(fēng)險(xiǎn)在考察區(qū)間中的動(dòng)態(tài)變化。

本文首先對(duì)包含銀行業(yè)、證券業(yè)和信托業(yè)的亞體系進(jìn)行系統(tǒng)性風(fēng)險(xiǎn)的衡量，結(jié)果如圖1所示。

圖1 特征值占比歷史波動(dòng)圖(銀行、證券和信托)

實(shí)線為第一特征值占比，虛線為第一、二特征值占比。兩支曲線的波動(dòng)趨勢基本一致。2000年至2002年左右，第一特征值占比大致在0.6～0.7左右波動(dòng)，而2002年后，第一特征值占比迅速攀升，2003年后達(dá)到0.9左右的峰值，然后一路下降至2007年后的0.5左右。接下來，第一特征值占比再次迅速上升，于2009年再次達(dá)到0.85左右的峰值。隨后，該指標(biāo)在0.7～0.85之間波動(dòng)，然后于2011年中和2012年中分別兩次大幅下降至0.6和0.5左右的水平。最后，該指標(biāo)一路上行至2013年初的0.8左右。2014年末，該指標(biāo)呈現(xiàn)逐步下降趨勢。

該指標(biāo)的波動(dòng)反映了我國金融體系系統(tǒng)性風(fēng)險(xiǎn)的變化，同時(shí)也反映了最近十幾年來經(jīng)濟(jì)發(fā)展的大趨勢。進(jìn)入 2000年，受國際金融危機(jī)的影響，我國經(jīng)濟(jì)增長速度維持在 8.5%,。進(jìn)入 2002年，經(jīng)濟(jì)增長速度加快，達(dá)到 9.1%,，2003年達(dá)到 10%,，2004年為10.1%,。與此同時(shí)，我國金融體系的系統(tǒng)性風(fēng)險(xiǎn)也迅速升高，2003年初達(dá)到峰值。而后，隨著我國經(jīng)濟(jì)增長方式的穩(wěn)定和經(jīng)濟(jì)刺激政策的放緩，金融體系系統(tǒng)性風(fēng)險(xiǎn)逐漸降低，于2007年左右達(dá)到最低點(diǎn)。受2008年金融危機(jī)的影響，我國于2008年末開啟寬松貨幣政策和4萬億經(jīng)濟(jì)刺激計(jì)劃，導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)再次飆升，于2009年左右達(dá)到峰值。隨后，4萬億經(jīng)濟(jì)刺激計(jì)劃的缺陷逐漸顯現(xiàn)，CPI高漲、過剩產(chǎn)能無法出清，于是M2的增長速度放緩，分別在2011年末和2012年中出現(xiàn)了M2月度負(fù)增長。2013年之后，經(jīng)濟(jì)增長乏力，在控制了 CPI之后，M2的供給再次攀升，于是金融體系的系統(tǒng)性風(fēng)險(xiǎn)再次升高，至 2014年末又呈現(xiàn)緩慢下降的趨勢。在加入了房地產(chǎn)業(yè)后，第一特征值占比表現(xiàn)出和圖1相同的變化趨勢，如圖2所示①加入其它市場數(shù)據(jù)后系統(tǒng)性風(fēng)險(xiǎn)的變化趨勢如圖1和圖2所示，其結(jié)果可向作者索取。。

2. 導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)變化的原因

一旦采取財(cái)政和貨幣政策刺激 GDP增速時(shí)，會(huì)帶來我國金融體系系統(tǒng)性風(fēng)險(xiǎn)的整體提升，從主成分分析中反映出來的就是第一特征值占比增加，金融體系各個(gè)組成部分的風(fēng)險(xiǎn)來源趨同。

圖2 特征值占比歷史波動(dòng)圖(銀行、證券、信托和房地產(chǎn))

Minsky(1992)認(rèn)為，金融不穩(wěn)定假說強(qiáng)調(diào)了在經(jīng)濟(jì)高速增長時(shí)期，經(jīng)濟(jì)單位的收入-債務(wù)安排從對(duì)沖融資(Hedge Finance)(完全對(duì)沖債務(wù))轉(zhuǎn)變?yōu)橥稒C(jī)和龐氏融資(Speculative and Ponzi Finance)(高度不穩(wěn)定的杠桿率與更高的風(fēng)險(xiǎn))。長期的低利率時(shí)期，越來越多的投資者為尋求更高的收益而增加金融風(fēng)險(xiǎn)。因此，從金融穩(wěn)定到金融危機(jī)的演變過程中，寬松的貨幣與信貸政策發(fā)揮了重要作用。Akerlof和 Shiller(2009)指出，因低利率時(shí)期的貨幣幻覺，投資者皆為了尋求高回報(bào)而冒更大風(fēng)險(xiǎn)。許多文獻(xiàn)闡述了在上世紀(jì) 90年代末到本世紀(jì)初這段時(shí)間各國貨幣政策的施行創(chuàng)造了低風(fēng)險(xiǎn)環(huán)境，鼓勵(lì)銀行承擔(dān)更多風(fēng)險(xiǎn)，致使短期債務(wù)過度應(yīng)用與資產(chǎn)負(fù)債表不斷擴(kuò)大(Gaggl and Valderrama，2010；Paligorova and Santos，2012；Delis and Kouretas，2011)。

Adrian和Liang(2014)提出，寬松的貨幣政策(Accommodative Monetary Policy)在改善經(jīng)濟(jì)環(huán)境的同時(shí)，也導(dǎo)致金融脆弱性的積累，對(duì)金融體系的穩(wěn)定造成影響，特別是在經(jīng)濟(jì)接近其增長潛力的時(shí)候。寬松貨幣政策通過資本市場、銀行體系、影子銀行和非金融行業(yè)四個(gè)傳導(dǎo)渠道，壓低了風(fēng)險(xiǎn)溢價(jià)、增加了杠桿并鼓勵(lì)風(fēng)險(xiǎn)承擔(dān)的行為，從而導(dǎo)致整個(gè)金融體系風(fēng)險(xiǎn)增加。本文認(rèn)為，我國貨幣政策的變化是導(dǎo)致金融體系系統(tǒng)性風(fēng)險(xiǎn)變化的重要原因。

選取M2同比增長率(宋旺和鐘正生，2006；于則，2006；王君斌和郭新強(qiáng)，2014)和一年期貸款基準(zhǔn)利率(喻坤等，2014)作為貨幣政策代理指標(biāo)。數(shù)據(jù)來源為 CSMAR金融研究數(shù)據(jù)庫。貨幣政策與系統(tǒng)性風(fēng)險(xiǎn)的關(guān)系如圖3所示。

從圖3可見，貨幣政策與系統(tǒng)性風(fēng)險(xiǎn)之間存在較強(qiáng)的相關(guān)性。M2同比增長率與系統(tǒng)性風(fēng)險(xiǎn)的相關(guān)系數(shù)為 0.2685；一年期貸款基準(zhǔn)利率與系統(tǒng)性風(fēng)險(xiǎn)的相關(guān)系數(shù)為-0.4389，兩者在1%,置信度下顯著。

接下來，對(duì)系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)與 M2同比增長率和貸款基準(zhǔn)利率之間是否存在協(xié)整關(guān)系進(jìn)行檢驗(yàn)。ADF單位根檢驗(yàn)表明，系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)、M2同比增長率和貸款基準(zhǔn)利率同為一階單整。我們采用EG-ADF兩步檢驗(yàn)法。

圖3 貨幣政策指標(biāo)與系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)歷史波動(dòng)

首先，對(duì)以下方程進(jìn)行回歸：

其中，SRt為系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)，M2t為M2同比增長率，LRt為貸款基準(zhǔn)利率?；貧w結(jié)果如表2所示。

表2 回歸結(jié)果

然后，對(duì)殘差項(xiàng)進(jìn)行單位根檢驗(yàn)，結(jié)果在 5%,的置信度下拒絕原假設(shè)，殘差項(xiàng)為平穩(wěn)序列，同時(shí)證明系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)與M2同比增長率和貸款基準(zhǔn)利率之間存在協(xié)整關(guān)系。

我國的寬松貨幣政策在達(dá)到穩(wěn)增長促就業(yè)目標(biāo)的同時(shí)，以影響金融體系系統(tǒng)性風(fēng)險(xiǎn)為代價(jià)。本世紀(jì)初的一輪寬松貨幣政策，保送我國 GDP增長率成功站上兩位數(shù)的臺(tái)階。2009年初的寬松貨幣政策，則穩(wěn)定了經(jīng)濟(jì)增長，抵御了國際金融危機(jī)的沖擊。但是，這兩次的寬松貨幣政策都直接導(dǎo)致我國金融體系系統(tǒng)性風(fēng)險(xiǎn)的高漲。由此可見，寬松貨幣政策是把雙刃劍，經(jīng)濟(jì)快速增長和金融體系穩(wěn)定在寬松貨幣政策面前可能很難兼顧。

三、波動(dòng)率層面的相互關(guān)聯(lián)性：行業(yè)和市場間風(fēng)險(xiǎn)傳導(dǎo)研究

（一）風(fēng)險(xiǎn)傳導(dǎo)（波動(dòng)溢出）的實(shí)證方法

本文采用 VAR-MVGARCH(1，1)-BEKK模型結(jié)合重要?dú)v史事件對(duì)中國金融體系中各個(gè)行業(yè)和市場間風(fēng)險(xiǎn)傳導(dǎo)(波動(dòng)溢出)進(jìn)行實(shí)證檢驗(yàn)。

本文依據(jù) AIC和 SC信息準(zhǔn)則決定不同情況下 VAR模型的最優(yōu)滯后階數(shù)，并采取 Wald檢驗(yàn)作為各行業(yè)(市場)間波動(dòng)溢出效應(yīng)的檢驗(yàn)方法。在均值溢出層面，因?yàn)闄z驗(yàn)結(jié)果基本上不顯著并且不在本文考慮范圍之內(nèi)，故后文未給出均值方程的估計(jì)結(jié)果。同時(shí)，為節(jié)省篇幅，后文也未給出方差方程的估計(jì)結(jié)果(備索)。

（二）檢驗(yàn)結(jié)果

1. 對(duì)銀行業(yè)、證券業(yè)、信托業(yè)和房地產(chǎn)業(yè)的風(fēng)險(xiǎn)傳導(dǎo)(波動(dòng)溢出)檢驗(yàn)

作為我國金融體系最重要的資金提供者，銀行業(yè)為房地產(chǎn)業(yè)的發(fā)展提供大量資金。特別是2005年 11月，銀監(jiān)會(huì)頒布實(shí)施《商業(yè)銀行個(gè)人理財(cái)業(yè)務(wù)管理辦法》和《商業(yè)銀行個(gè)人理財(cái)業(yè)務(wù)風(fēng)險(xiǎn)管理指引》后，銀信合作業(yè)務(wù)以合法身份登上歷史舞臺(tái)，信托業(yè)成為銀行業(yè)向房地產(chǎn)業(yè)提供資金的重要通道。同時(shí)，證券業(yè)也同信托業(yè)一樣，成為資金流通的一個(gè)重要渠道。在這種情況下，銀行業(yè)、證券業(yè)、信托業(yè)和房地產(chǎn)業(yè)的關(guān)系變得越來越緊密，同時(shí)各個(gè)行業(yè)的風(fēng)險(xiǎn)也更容易傳導(dǎo)至另外行業(yè)。特別是房地產(chǎn)業(yè)，作為我國經(jīng)濟(jì)發(fā)展的重要龍頭，它的波動(dòng)會(huì)更加容易傳導(dǎo)給銀行業(yè)、證券業(yè)和信托業(yè)。本文將我國房地產(chǎn)的發(fā)展分為兩個(gè)時(shí)期，一個(gè)是2005年銀信合作合法開始至2009年初寬松貨幣政策和4萬億經(jīng)濟(jì)刺激政策頒布前。在這個(gè)時(shí)期，我國房地產(chǎn)業(yè)得到迅速發(fā)展，但我國政府也意識(shí)到房地產(chǎn)業(yè)過快發(fā)展帶來的諸多問題，至 2009年初，我國房價(jià)上漲的趨勢已經(jīng)在放緩。另一個(gè)時(shí)期是2009年至2012年末，是4萬億經(jīng)濟(jì)刺激計(jì)劃實(shí)施的時(shí)期。在該時(shí)期，我國的房地產(chǎn)業(yè)盡管已經(jīng)弊端盡顯，但在經(jīng)濟(jì)刺激政策之下還是得到了一定程度的發(fā)展，房價(jià)再次大幅上漲。風(fēng)險(xiǎn)傳導(dǎo)(波動(dòng)溢出)的檢驗(yàn)結(jié)果如表3所示。

表3 銀行、證券、信托和房地產(chǎn)業(yè)波動(dòng)溢出Wald檢驗(yàn)結(jié)果

對(duì)于2005—2008年，在5%,的置信度下，房地產(chǎn)業(yè)對(duì)銀行業(yè)、證券業(yè)和信托業(yè)的檢驗(yàn)拒絕原假設(shè)，而接受房地產(chǎn)業(yè)對(duì)銀行業(yè)、證券業(yè)和信托業(yè)存在波動(dòng)溢出的假設(shè)。同時(shí)，在5%,的置信度下，則不存在銀行業(yè)、證券業(yè)和信托業(yè)向房地產(chǎn)業(yè)的波動(dòng)溢出效應(yīng)①銀行業(yè)對(duì)房地產(chǎn)業(yè)的檢驗(yàn)在1%的置信度下。。實(shí)證檢驗(yàn)說明，在這個(gè)時(shí)期，行業(yè)風(fēng)險(xiǎn)由房地產(chǎn)業(yè)向銀行業(yè)、證券業(yè)和信托業(yè)傳遞。對(duì)于 2009—2012年，在5%,的置信度下，則接受原假設(shè)，即不存在房地產(chǎn)業(yè)向銀行業(yè)和證券業(yè)的波動(dòng)溢出效應(yīng)。這個(gè)時(shí)期，房地產(chǎn)業(yè)已經(jīng)不具備向銀行業(yè)和證券業(yè)進(jìn)行風(fēng)險(xiǎn)傳導(dǎo)的能力。究其原因，本文認(rèn)為這與該時(shí)期實(shí)施的嚴(yán)厲“限購、限貸”和房地產(chǎn)企業(yè)開發(fā)貸款限制有關(guān)。不過，與上一個(gè)時(shí)期相同的是，依然存在房地產(chǎn)業(yè)向信托業(yè)的風(fēng)險(xiǎn)傳遞。

那么，信托業(yè)和證券業(yè)作為與銀行業(yè)關(guān)系緊密的兩個(gè)行業(yè)，它們與銀行業(yè)之間的風(fēng)險(xiǎn)傳導(dǎo)關(guān)系是怎么樣的呢？首先，由于證券業(yè)和信托業(yè)與銀行業(yè)的緊密關(guān)系，它們與銀行業(yè)之間很可能存在雙向的風(fēng)險(xiǎn)傳導(dǎo)。其次，信托與銀行業(yè)的合作發(fā)展經(jīng)歷了不同的時(shí)期。從2005年銀信合作的合法身份確立開始，信托業(yè)和銀行業(yè)之間的關(guān)系開始變得越來越緊密。在意識(shí)到可能產(chǎn)生的影子銀行風(fēng)險(xiǎn)之后，2010年 8月，銀監(jiān)會(huì)發(fā)布《關(guān)于規(guī)范銀信理財(cái)合作業(yè)務(wù)有關(guān)事項(xiàng)的通知》，禁止信托公司開展通道類業(yè)務(wù)。至此，銀信合作開始逐漸的萎靡(銀信合作的信托余額占比由2010年9月的64.0%,降至2014年12月的22.14%,)，銀行與信托公司之間的緊密程度變?nèi)?，風(fēng)險(xiǎn)的傳導(dǎo)也逐漸降低。所以，我們認(rèn)為，2005—2010年銀行與信托之間會(huì)存在明顯的風(fēng)險(xiǎn)傳導(dǎo)關(guān)系，而2010年后該風(fēng)險(xiǎn)傳導(dǎo)關(guān)系則會(huì)削弱。表4為對(duì)該問題的檢驗(yàn)結(jié)果。

表4 銀行、證券、信托和房地產(chǎn)業(yè)波動(dòng)溢出Wald檢驗(yàn)結(jié)果

對(duì)于 2005—2010年，在 5%,的置信度下，拒絕原假設(shè)而接受銀行業(yè)向信托業(yè)存在波動(dòng)溢出的假設(shè)，檢驗(yàn)結(jié)果印證了上述理論分析。2010年之后，該波動(dòng)溢出的效應(yīng)明顯減弱，在 1%,的置信度下則接受原假設(shè)，不存在銀行業(yè)向信托業(yè)的波動(dòng)溢出效應(yīng)。我們同時(shí)發(fā)現(xiàn)在銀行業(yè)與證券業(yè)之間的雙向波動(dòng)溢出效應(yīng)一直比較強(qiáng)烈。該結(jié)論與沈悅等(2014)的結(jié)論一致，主要原因是由于銀行業(yè)和證券業(yè)在金融體系中所占份額大，合作關(guān)系起步最早，合作途徑多，聯(lián)系比其它子市場更密切。

2. 對(duì)銀行業(yè)、證券業(yè)、信托業(yè)和基金市場的風(fēng)險(xiǎn)傳導(dǎo)(波動(dòng)溢出)檢驗(yàn)

中國人民銀行、銀監(jiān)會(huì)、證監(jiān)會(huì)于2005年 2月20日聯(lián)合公布并開始實(shí)施《商業(yè)銀行設(shè)立基金管理公司試點(diǎn)管理辦法》。按該規(guī)定，中國商業(yè)銀行可直接出資設(shè)立基金管理公司。2007年其試點(diǎn)范圍擴(kuò)大。中國銀監(jiān)會(huì)于2013年3月4日宣布，擴(kuò)大商業(yè)銀行設(shè)立基金管理公司試點(diǎn)范圍，城市商業(yè)銀行首次入圍。

因此，本文認(rèn)為銀行業(yè)與基金市場之間的關(guān)系正變得越來越緊密，同時(shí)系統(tǒng)性風(fēng)險(xiǎn)也越來越容易在兩者之間傳導(dǎo)。以2005年為重要時(shí)間節(jié)點(diǎn)，將數(shù)據(jù)分為兩個(gè)時(shí)間階段，進(jìn)行銀行和基金數(shù)據(jù)的波動(dòng)溢出檢驗(yàn)，結(jié)果如表5所示。

表5 銀行、證券、信托和基金波動(dòng)溢出Wald檢驗(yàn)結(jié)果

對(duì)于 2000—2005年，在 5%,的置信度下，接受原假設(shè)，不存在銀行業(yè)向基金市場的波動(dòng)溢出效應(yīng)。對(duì)于 2006—2014年，則拒絕原假設(shè)，接受銀行業(yè)和基金市場之間存在較強(qiáng)的的雙向波動(dòng)溢出效應(yīng)。這個(gè)結(jié)果也說明銀行業(yè)和基金市場之間的風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)正變得越來越緊密。

3. 對(duì)銀行業(yè)、證券業(yè)、信托業(yè)、基金市場和貨幣市場的風(fēng)險(xiǎn)傳導(dǎo)(波動(dòng)溢出)檢驗(yàn)

李成等(2010)發(fā)現(xiàn)貨幣市場與股票市場以及債券市場、基金市場等之間存在一定程度的雙向風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)。本文認(rèn)為貨幣市場的波動(dòng)性會(huì)直接影響銀行業(yè)、證券業(yè)、信托業(yè)和基金市場。因?yàn)樨泿攀袌鰯?shù)據(jù)從2004年開始，所以波動(dòng)溢出檢驗(yàn)的數(shù)據(jù)區(qū)間為2004—2014年，結(jié)果如表 6所示。對(duì)于 2004—2014年，在 5%,的置信度下，拒絕原假設(shè)，接受存在貨幣市場向銀行業(yè)、證券業(yè)、信托業(yè)和基金市場的波動(dòng)溢出效應(yīng)的假設(shè)。實(shí)證檢驗(yàn)也印證了上述分析，貨幣市場的波動(dòng)向其它金融體系組成部分傳導(dǎo)。同時(shí)，實(shí)證結(jié)果還發(fā)現(xiàn)銀行業(yè)、證券業(yè)和信托業(yè)也存在向貨幣市場的波動(dòng)溢出，可見貨幣市場與金融體系其它組成部分的聯(lián)系十分緊密。

表6 銀行、證券、信托、基金和貨幣市場波動(dòng)溢出Wald檢驗(yàn)結(jié)果

4. 對(duì)銀行業(yè)、證券業(yè)、信托業(yè)和債券市場的風(fēng)險(xiǎn)傳導(dǎo)(波動(dòng)溢出)檢驗(yàn)

債券市場與其它市場之間的風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)已經(jīng)有很多研究成果，但結(jié)論不一致。王璐和龐皓(2009)發(fā)現(xiàn)債券市場和股票市場之間的風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)并不顯著，而李成等(2010)則發(fā)現(xiàn)股票市場和債券市場之間存在顯著的風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)。對(duì)此，部分學(xué)者分階段進(jìn)行了更加細(xì)致的研究。胡秋靈和馬麗(2011)同樣利用BEKK模型發(fā)現(xiàn)股票市場和債券市場的波動(dòng)均具有顯著的 ARCH效應(yīng)，而在不同行情下，兩市場之間的風(fēng)險(xiǎn)傳導(dǎo)具有明顯不同的特征：當(dāng)股票市場處于牛市或熊市行情時(shí)，只存在股票市場向債券市場的單向風(fēng)險(xiǎn)傳導(dǎo)；當(dāng)股票市場處于反彈行情時(shí)，兩市場之間不存在風(fēng)險(xiǎn)傳導(dǎo)；當(dāng)股票市場處于震蕩行情時(shí)，兩市場之間存在雙向風(fēng)險(xiǎn)傳導(dǎo)。

我們采用類似的分階段研究的方法進(jìn)行檢驗(yàn)，將數(shù)據(jù)區(qū)間分為以下 5個(gè)區(qū)間分別進(jìn)行檢驗(yàn)：2002年5月至2006年7月，緩慢下跌期；2006年7月至2007年11月，大幅上漲期；2007年 11月至 2008年 11月，大幅下跌期；2008年 11月至 2009年 8月，反彈期；2009年 8月至 2014年 12月，振蕩下跌期。檢驗(yàn)結(jié)果如表 7、表 8、表 9所示。

表7 銀行、證券、信托和債券市場波動(dòng)溢出Wald檢驗(yàn)結(jié)果

表8 銀行、證券、信托和債券市場波動(dòng)溢出Wald檢驗(yàn)結(jié)果

實(shí)證結(jié)果表明，在股市大幅上漲期和大幅下跌期時(shí)，債券市場和其它行業(yè)間不存在顯著的風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)；在緩慢下跌期和振蕩下跌期時(shí)，存在顯著的雙向風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)；在反彈期時(shí)，則主要為銀行業(yè)、證券業(yè)和信托業(yè)向債券市場的風(fēng)險(xiǎn)傳導(dǎo)。這與胡秋靈和馬麗(2011)的部分結(jié)果一致。當(dāng)股票市場大漲大跌時(shí)，股票市場與債券市場的波動(dòng)溢出效應(yīng)并不顯著，反而在市場處于振蕩期時(shí)存在雙向波動(dòng)溢出效應(yīng)。該發(fā)現(xiàn)也同樣解釋了之前系統(tǒng)性風(fēng)險(xiǎn)的結(jié)果。當(dāng)系統(tǒng)性風(fēng)險(xiǎn)得到釋放時(shí)(股票市場的表現(xiàn)為大漲大跌)，債券市場與其它行業(yè)之間的風(fēng)險(xiǎn)溢出效應(yīng)被削弱；當(dāng)系統(tǒng)性風(fēng)險(xiǎn)在不斷積聚時(shí)(股票市場的表現(xiàn)為持續(xù)振蕩)，債券市場與其它行業(yè)之間則存在顯著的風(fēng)險(xiǎn)溢出效應(yīng)。

表9 銀行、證券、信托和債券市場波動(dòng)溢出Wald檢驗(yàn)結(jié)果

（三）小結(jié)

我國系統(tǒng)性風(fēng)險(xiǎn)的大小和行業(yè)及市場間的風(fēng)險(xiǎn)傳導(dǎo)并不是孤立和靜態(tài)的，而是一個(gè)隨著經(jīng)濟(jì)的發(fā)展和政策的變化而相互影響、動(dòng)態(tài)變化的過程。

本世紀(jì)初，受寬松貨幣政策的影響，金融體系系統(tǒng)性風(fēng)險(xiǎn)曾經(jīng)達(dá)到一個(gè)較高水平，各個(gè)行業(yè)(市場)之間都出現(xiàn)比較顯著的風(fēng)險(xiǎn)傳導(dǎo)關(guān)系。自2005年后至金融危機(jī)前，隨著房地產(chǎn)市場的迅速發(fā)展和銀信合作的展開，系統(tǒng)性風(fēng)險(xiǎn)呈現(xiàn)出由銀行業(yè)向信托業(yè)傳導(dǎo)的狀態(tài)。同時(shí)，由于房地產(chǎn)業(yè)通過信托和證券行業(yè)源源不斷的獲得資金支持，房地產(chǎn)業(yè)的風(fēng)險(xiǎn)也呈現(xiàn)向信托業(yè)、證券業(yè)和銀行業(yè)傳導(dǎo)的狀態(tài)。這個(gè)現(xiàn)象，在 2008年金融危機(jī)后減弱。

該危機(jī)后，我國金融系統(tǒng)性風(fēng)險(xiǎn)在寬松貨幣政策和 4萬億投資的驅(qū)動(dòng)下再次達(dá)到峰值。在這個(gè)期間，我國金融系統(tǒng)性風(fēng)險(xiǎn)的傳導(dǎo)發(fā)生了一些變化。2010年，隨著銀信合作被銀監(jiān)會(huì)叫停，銀行業(yè)向信托業(yè)的系統(tǒng)性風(fēng)險(xiǎn)傳導(dǎo)減弱。由于嚴(yán)厲的“限購、限貸”和房地產(chǎn)企業(yè)開發(fā)貸款限制，房地產(chǎn)業(yè)向銀行業(yè)和證券業(yè)進(jìn)行風(fēng)險(xiǎn)傳導(dǎo)的能力被極大削弱。同時(shí)，在 2005年商業(yè)銀行允許參與成立基金管理公司后，銀行業(yè)與基金業(yè)的關(guān)系也開始變得越來越緊密。實(shí)證研究也證明，2005年后，基金與銀行業(yè)之間的風(fēng)險(xiǎn)傳導(dǎo)關(guān)系變得越來越顯著。貨幣市場為各個(gè)類型的金融機(jī)構(gòu)提供流動(dòng)性，同時(shí)也是銀行貨幣政策的實(shí)施渠道。所以，貨幣市場的風(fēng)險(xiǎn)很容易向金融體系中的其它行業(yè)傳導(dǎo)。實(shí)證研究表明貨幣市場風(fēng)險(xiǎn)的確會(huì)向銀行業(yè)、證券業(yè)、信托業(yè)和基金市場傳導(dǎo)。

2008年金融危機(jī)前，行業(yè)或市場風(fēng)險(xiǎn)在金融體系中的傳播路徑如圖 4所示。2008年金融危機(jī)后，行業(yè)或市場風(fēng)險(xiǎn)在金融體系中的傳播路徑如圖5所示。

圖4 金融危機(jī)前系統(tǒng)性風(fēng)險(xiǎn)傳播路徑

圖5 金融危機(jī)后系統(tǒng)性風(fēng)險(xiǎn)傳播路徑

四、穩(wěn)健性檢驗(yàn)

（一）金融體系系統(tǒng)性風(fēng)險(xiǎn)波動(dòng)趨勢的穩(wěn)健性檢驗(yàn)

我們采用 DCC-MVGARCH(1，1)模型得到兩兩行業(yè)或市場間的時(shí)變動(dòng)態(tài)相關(guān)系數(shù)來衡量系統(tǒng)性風(fēng)險(xiǎn)的關(guān)聯(lián)性(Bekaert et al.，2009；Eiling and Gerard，2015)。在得到各行業(yè)或市場間時(shí)變動(dòng)態(tài)相關(guān)系數(shù)并計(jì)算均值后，與主成分分析法得到的第一特征值占比進(jìn)行比較，如圖6所示。

圖6 系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)與時(shí)變動(dòng)態(tài)相關(guān)系數(shù)均值波動(dòng)

時(shí)變動(dòng)態(tài)相關(guān)系數(shù)均值表現(xiàn)出與系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)同步波動(dòng)的趨勢。兩項(xiàng)指標(biāo)相關(guān)系數(shù)達(dá)到0.8601，在1%置信度下顯著。

對(duì)時(shí)變動(dòng)態(tài)相關(guān)系數(shù)均值與M2同比增長率和貸款基準(zhǔn)利率之間是否存在協(xié)整關(guān)系進(jìn)行檢驗(yàn)。ADF單位根檢驗(yàn)表明，時(shí)變動(dòng)態(tài)相關(guān)系數(shù)均值、M2同比增長率和貸款基準(zhǔn)利率同為一階單整。我們同樣采用EG-ADF兩步檢驗(yàn)法，在5%的置信度下，檢驗(yàn)結(jié)果拒絕原假設(shè)，證明時(shí)變動(dòng)態(tài)相關(guān)系數(shù)均值與 M2同比增長率和貸款基準(zhǔn)利率之間存在協(xié)整關(guān)系。

（二）風(fēng)險(xiǎn)傳導(dǎo)（波動(dòng)溢出）的穩(wěn)健性檢驗(yàn)

對(duì)各個(gè)行業(yè)和市場之間系統(tǒng)性風(fēng)險(xiǎn)的傳導(dǎo)進(jìn)行穩(wěn)健性檢驗(yàn)。檢驗(yàn)方法采用格蘭杰因果檢驗(yàn)。

首先對(duì)各個(gè)行業(yè)的數(shù)據(jù)進(jìn)行 GARCH(1，1)模型建模①從相關(guān)文獻(xiàn)和本文的數(shù)據(jù)來看，GARCH(1，1)為最適合的模型設(shè)置。具體檢驗(yàn)過程在此省略，備索。，然后計(jì)算該模型的條件標(biāo)準(zhǔn)差，最后代入格蘭杰因果檢驗(yàn)的數(shù)據(jù)為各個(gè)行業(yè)的條件標(biāo)準(zhǔn)差時(shí)間序列(汲源，2008；曹廣喜等，2014)。格蘭杰檢驗(yàn)結(jié)果與前面實(shí)證結(jié)果基本一致，證明了結(jié)論的穩(wěn)健性(不在此贅述，備索)。

五、研究結(jié)論

本文首先定義了一個(gè)較廣泛的金融體系，包括銀行業(yè)、證券業(yè)、信托業(yè)、基金市場、債券市場和貨幣市場，同時(shí)還將與金融體系緊密相關(guān)的房地產(chǎn)業(yè)納入了研究范圍。之后，從金融體系相互關(guān)聯(lián)性的視角，在收益率層面采用主成分分析法衡量單一風(fēng)險(xiǎn)來源對(duì)金融體系的影響能力，在波動(dòng)率層面采用 VAR-MVGARCH(1，1)-BEKK模型確定風(fēng)險(xiǎn)在金融體系中的傳導(dǎo)途徑。

主成分分析具有能很好把握系統(tǒng)性風(fēng)險(xiǎn)時(shí)變特征的優(yōu)點(diǎn)，可以動(dòng)態(tài)的描繪系統(tǒng)性風(fēng)險(xiǎn)在數(shù)據(jù)區(qū)間中的變化趨勢。本文的研究結(jié)果顯示，我國金融體系的系統(tǒng)性風(fēng)險(xiǎn)在本世紀(jì)初達(dá)到峰值，然后緩慢下行，在 2008年世界性金融危機(jī)爆發(fā)前達(dá)到最低值。接下來，由于金融危機(jī)所導(dǎo)致的寬松貨幣政策和 4萬億經(jīng)濟(jì)刺激計(jì)劃的實(shí)施，系統(tǒng)性風(fēng)險(xiǎn)再次上升。盡管基于降低 CPI的需要減緩了 M2的增速，但系統(tǒng)性風(fēng)險(xiǎn)在表現(xiàn)出較大波動(dòng)的同時(shí)始終維持高位。2013年以來，我國金融系統(tǒng)性風(fēng)險(xiǎn)呈逐漸下降的趨勢。實(shí)證結(jié)果表明，金融體系系統(tǒng)性風(fēng)險(xiǎn)的變化主要受我國寬松貨幣政策的影響，歷次寬松貨幣政策的實(shí)施都導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)的提高。

同時(shí)，VAR-MVGARCH(1，1)-BEKK模型結(jié)合格蘭杰因果檢驗(yàn)的實(shí)證結(jié)果表明，在我國不同的發(fā)展時(shí)期，系統(tǒng)性風(fēng)險(xiǎn)在不同行業(yè)或市場間的傳導(dǎo)途徑發(fā)生著變化。房地產(chǎn)業(yè)在發(fā)展的黃金時(shí)期曾經(jīng)成為我國銀行業(yè)、證券業(yè)和信托業(yè)的風(fēng)險(xiǎn)來源，但在房地產(chǎn)業(yè)的黃金發(fā)展時(shí)期過去并且國家對(duì)其進(jìn)行嚴(yán)格監(jiān)管后，房地產(chǎn)業(yè)對(duì)銀行業(yè)和證券業(yè)的風(fēng)險(xiǎn)傳導(dǎo)能力已經(jīng)大幅度降低。銀行業(yè)作為我國金融體系的重要支柱，對(duì)其它的行業(yè)產(chǎn)生了一定程度的風(fēng)險(xiǎn)傳導(dǎo)。銀信合作后，銀行業(yè)成為信托業(yè)的重要風(fēng)險(xiǎn)來源。2005年頒布實(shí)施《商業(yè)銀行設(shè)立基金管理公司試點(diǎn)管理辦法》則成為影響銀行與基金公司之間風(fēng)險(xiǎn)傳導(dǎo)的重要事件。該事件后，基金市場與銀行業(yè)之間存在顯著的雙向風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)。貨幣市場則與其它行業(yè)之間幾乎都存在顯著的雙向風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)，說明貨幣市場與其它行業(yè)之間的聯(lián)系十分緊密。在股市振蕩期時(shí)債券市場與其它行業(yè)之間存在雙向的波動(dòng)溢出效應(yīng)，而在股票市場大漲大跌時(shí)(即系統(tǒng)性風(fēng)險(xiǎn)得到釋放時(shí))則不存在波動(dòng)溢出效應(yīng)?？偟膩碚f，我國金融體系各個(gè)組成部分之間風(fēng)險(xiǎn)傳導(dǎo)的能力并不是靜態(tài)的，而是一個(gè)動(dòng)態(tài)變化的過程。

［1］ 巴曙松，居 姍，朱元倩. 我國銀行業(yè)系統(tǒng)性違約風(fēng)險(xiǎn)研究——基于 Systemic CCA方法的分析[J]. 金融研究，2013(9)：71-83.

［2］ 白雪梅，石大龍. 中國金融體系的系統(tǒng)性風(fēng)險(xiǎn)度量[J]. 國際金融研究，2014(6)：75-85.

［3］ 曹廣喜，崔維軍，韓 彥. 人民幣匯率彈性調(diào)整對(duì)我國匯市與股市關(guān)系的影響——基于長記憶VAR-(BEKK)MVGARCH模型[J]. 數(shù)理統(tǒng)計(jì)與管理，2014(6)：1101-1112.

［4］ 陳建青，王 擎，許韶輝. 金融行業(yè)間的系統(tǒng)性金融風(fēng)險(xiǎn)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.

［5］ 范小云，方 意，王道平. 我國銀行系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)特征及系統(tǒng)重要性銀行甄別——基于CCA與DAG相結(jié)合的分析[J]. 金融研究，2013(11)：82-95.

［6］ 范小云，王道平，劉瀾飚. 規(guī)模、關(guān)聯(lián)性與中國系統(tǒng)重要性銀行的衡量[J]. 金融研究，2012(11)：16-30.

［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(xiǎn)貢獻(xiàn)測度與監(jiān)管——基于邊際風(fēng)險(xiǎn)貢獻(xiàn)與杠桿率的研究[J]. 南開經(jīng)濟(jì)研究，2011(4)：3-20.

［8］ 宮曉琳. 未定權(quán)益分析方法與中國宏觀金融風(fēng)險(xiǎn)的測度分析[J]. 經(jīng)濟(jì)研究，2012(3)：76-87.

［9］ 胡秋靈，馬 麗. 我國股票市場和債券市場波動(dòng)溢出效應(yīng)分析[J]. 金融研究，2011(10)：198-206.

［10］ 汲 源. 房地產(chǎn)股票市場溢出效應(yīng)研究[J]. 統(tǒng)計(jì)研究，2008(12)：66-72.

［11］ 賈彥東. 金融機(jī)構(gòu)的系統(tǒng)重要性分析——金融網(wǎng)絡(luò)中的系統(tǒng)風(fēng)險(xiǎn)衡量與成本分擔(dān)[J]. 金融研究，2011(10)：17-33.

［12］ 李 成，馬文濤，王 彬. 我國金融市場間溢出效應(yīng)研究——基于四元 VAR-GARCH(1，1)-BEKK模型的分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2010(6)：3-19.

［13］ 李 政，梁 琪，涂曉楓. 我國上市金融機(jī)構(gòu)關(guān)聯(lián)性研究——基于網(wǎng)絡(luò)分析法[J]. 金融研究，2016(8)：95-110.

［14］ 梁 琪，李 政，郝項(xiàng)超. 我國系統(tǒng)重要性金融機(jī)構(gòu)的識(shí)別與監(jiān)管——基于系統(tǒng)性風(fēng)險(xiǎn)指數(shù)SRISK方法的分析[J]. 金融研究，2013(9)：56-70.

［15］ 梁 琪，李 政. 系統(tǒng)重要性、審慎工具與我國銀行業(yè)監(jiān)管[J]. 金融研究，2014(8)：32-46.

［16］ 劉春航，朱元倩. 銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)度量框架的研究[J]. 金融研究，2011(12)：85-99.

［17］ 馬君潞，范小云，曹元濤. 中國銀行間市場雙邊傳染的風(fēng)險(xiǎn)估測及其系統(tǒng)性特征分析[J]. 經(jīng)濟(jì)研究，2007(1)：68-78.

［18］ 沈 悅，戴士偉，羅 希. 中國金融業(yè)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)測度——基于 GARCH-Copula-CoVaR模型的研究[J]. 當(dāng)代經(jīng)濟(jì)科學(xué)，2014(6)：30-38.

［19］ 宋 旺，鐘正生. 我國貨幣政策區(qū)域效應(yīng)的存在性及原因——基于最優(yōu)貨幣區(qū)理論的分析[J]. 經(jīng)濟(jì)研究，2006(3)：46-58.

［20］ 陶 玲，朱 迎. 系統(tǒng)性金融風(fēng)險(xiǎn)的監(jiān)測和度量-基于中國金融體系的研究[J]. 金融研究，2016(6)：18-36.

［21］ 王君斌，郭新強(qiáng). 經(jīng)常賬戶失衡、人民幣匯率波動(dòng)與貨幣政策沖擊[J]. 世界經(jīng)濟(jì)，2014(8)：42-69.

［22］ 王 璐，龐 皓. 中國股市和債市波動(dòng)溢出效應(yīng)的MV-GARCH分析[J]. 數(shù)理統(tǒng)計(jì)與管理，2009(1)：152-58.

［23］ 肖 璞，劉 軼，楊蘇梅. 相互關(guān)聯(lián)性、風(fēng)險(xiǎn)溢出與系統(tǒng)重要性銀行識(shí)別[J]. 金融研究，2012(12)：96-106.

［24］ 喻 坤，李治國，張曉蓉，徐劍剛. 企業(yè)投資效率之謎：融資約束假說與貨幣政策沖擊[J].經(jīng)濟(jì)研究，2014(5)：106-20.

［25］ 于 則. 我國貨幣政策的區(qū)域效應(yīng)分析[J]. 管理世界，2006(2)：18-22.

［26］ Acharya V. V.，Engle R. F.，Richardson M. Capital Shortfall：A New Approach to Ranking and Regulating Systemic Risks[J]. American Economic Review：Papers and Proceedings，2012，102(3)：59-64.

［27］ Acharya V. V.，Pedersen L. H.，Philippon T.，Richardson M. Measuring Systemic Risk[J]，Review of Financial Studies，2017，30(1)：2-47.

［28］ Adrian T.，Brunnermeier M. K. CoVaR[J]，American Economic Review，2016，106(7)：1705-41.

［29］ Adrian T.，Liang N. Monetary Policy，F(xiàn)inancial Conditions，and Financial Stability[R]. Federal Reserve Bank of New York，Staff Reports No. 690. 2014.

［30］ Akerlof G. A.，Shiller R. J. Animal Spirits：How Human Psychology Drives the Economy and Why It Matters for Global Capitalism[M]. New Jersey：Princeton University Press. 2009.

［31］ Banulescu G.，Dumitrescu E. Which are the SIFIs? A Component Expected Shortfall Approach to Systemic Risk[J]. Journal of Banking and Finance，2015，50：575-88.

［32］ Bekaert G.，Hodrick R. J.，Zhang X. Y. International Stock Return Comovements[J]. Journal of Finance，2009，64(6)：2591-626.

［33］ Billio M.，Getmansky M.，Lo A. W.，Pelizzon L. Econometric Measures of Connectedness and Systemic Risk in the Finance and Insurance Sectors[J]. Journal of Financial Economics，2012，104(3)：535-59.

［34］ Delis M. D.，Kouretas G. P. Interest Rates and Bank Risk-taking[J]. Journal of Banking and Finance，2011，35(4)：840-55.

［35］ Eiling E.，Gerard B. Emerging Equity Market Comovements：Trends and Macroeconomic Fundamentals[J]. Review of Finance，2015，19(4)：1543-85.

［36］ Gaggl P.，Valderrama M. T. Does a Low Interest Rate Environment Affect Risk Taking in Austria?[J]. Monetary Policy and the Economy，2010，4(10)：32-48.

［37］ Jobst A. A.，Gray D. F. Systemic Contingent Claims Analysis Estimating Market-Implied Systemic Risk[R]. IMF Working Paper，No. 54，2013.

［38］ Kritzman M.，Li Y.，Page S.，Rigobon R. Principal Components as a Measure of Systemic Risk[J]. Journal of Portfolio Management，2011，37(4)：112-26.

［39］ Minsky P. The Financial Instability Hypothesis[R]. Economics Working Paper，1992，No. 74.

［40］ Oet M. V.，Bianco T.，Gramlich D.，Ong S. J. SAFE：An Early Warning System for Systemic Banking Risk[J]. Journal of Banking and Finance，2013，37(11)：4510-33.

［41］ Paligorova T.，Santos J. A. C. Monetary Policy and Bank Risk-Taking：Evidence from the Corporate Loan Market[R]. Federal Reserve Bank of New York Working Paper. 2012.