董招娣 徐杰

摘要：使用CoVaR方法，估測了我國10家上市銀行的系統(tǒng)性風險水平，同時以所有制和經營范圍兩個維度來度量不同層次銀行對系統(tǒng)性金融風險的異質性影響并分析產生異質性的原因。實證結果表明：（1）從所有制角度看，國有銀行比非國有銀行對系統(tǒng)性金融風險的影響更為顯著;（2）從經營范圍角度看，與區(qū)域性銀行相比，全國性銀行有較強的風險溢出效應。

關鍵詞：系統(tǒng)性金融風險;所有制;經營范圍;異質性影響

中圖分類號：F832.3 ?文獻標志碼：A ?文章編號：1008-4657（2020）02-0067-09

0 引言

商業(yè)銀行在我國金融市場中居于特殊位置，其風險狀況也對系統(tǒng)性金融風險有著重要影響。自2008年金融危機以來，系統(tǒng)性金融風險引起了各國政府和監(jiān)管機構的高度重視。習近平總書記曾在多次講話中強調金融安全的重要性，十九大報告也明確要求健全金融監(jiān)管體系，將“防范化解重大風險作為三大攻堅戰(zhàn)首”，并將“守住不發(fā)生系統(tǒng)性金融風險的底線”作為我國金融安全穩(wěn)定運行的基本要求。由于商業(yè)銀行在金融體系中居于主導地位，據央行統(tǒng)計數據，截止2019年第三季度，銀行業(yè)的資產規(guī)模為284.67萬億元，而證券業(yè)的資產總額僅為7.83萬億元，保險業(yè)為19.96萬億元，我國金融業(yè)機構的總資產為312.46萬億元，因此銀行體系是系統(tǒng)性金融風險的最主要來源。另外，國有銀行是整個銀行體系的主力軍，全國性經營銀行的規(guī)模發(fā)展也越來越龐大，所有制和經營范圍這兩個維度在我國銀行體系中具有重要地位。因此，如何度量和分析兩種維度的銀行對系統(tǒng)性金融風險的影響對防范化解金融風險，保障金融安全穩(wěn)定具有重大意義。

1 文獻綜述

一直以來系統(tǒng)性金融風險的測度與監(jiān)管都是各國政府關注的焦點，國內外許多學者也對銀行系統(tǒng)性風險進行了大量卓有成效的研究。在眾多文獻中主要是基于系統(tǒng)性風險溢出效應的度量以及系統(tǒng)性金融風險影響因素這兩部分內容展開研究。

1.1 基于系統(tǒng)性風險溢出效應的度量研究

隨著金融市場的多樣化發(fā)展，學者融合了GARCH和Copula等模型進一步發(fā)展了條件在險價值法（CoVaR）[1-2]，有效解決了金融數據的時變性特征和“尖峰厚尾”的現(xiàn)象。考慮到金融機構之間的風險聯(lián)動性，Acharya[3]基于期望損失（ES）方法，最先使用邊際期望損失方法（MES）和系統(tǒng)性期望損失（SES）來度量銀行業(yè)的系統(tǒng)性風險，但是該方法忽略了金融機構資產規(guī)模和杠桿等因素對系統(tǒng)性風險的實質性影響。鑒于以上方法的不足，Brownlees等[4]進一步發(fā)展MES方法，并參照壓力測試的基本思路融入杠桿因素，構建SRISK指數來衡量系統(tǒng)性風險。

基于國外研究的系統(tǒng)性風險的測量模型方法，國內學者根據我國經濟發(fā)展情況和金融市場數據對我國系統(tǒng)性金融風險也進行了定量測度，主要集中于CoVaR，MES和SRISK等方法。高國華等[5]將GARCH模型引入CoVaR方法，測量我國14家上市銀行的系統(tǒng)性風險溢出效應。以范小云等[6]為代表的學者首次運用MES方法測量了我國金融機構在2008年金融危機期間和危機后的邊際風險貢獻度，該方法采用“自上而下”的分析思路，這與我國宏觀審慎的監(jiān)管模式相契合。為了全面分析當前的系統(tǒng)性金融風險狀況，陶玲等[7]從7個維度構建系統(tǒng)性金融風險綜合指數，可以較好地監(jiān)測和度量系統(tǒng)性風險的水平。

1.2 基于系統(tǒng)性金融風險影響因素的研究

隨著金融創(chuàng)新和市場化改革的深入推進，我國金融市場也呈現(xiàn)出多元化發(fā)展，傳統(tǒng)商業(yè)銀行改變了經營方式，由單一的存貸業(yè)務逐步向投資銀行過渡，創(chuàng)新各種金融產品，并聯(lián)合證券業(yè)、保險業(yè)等其他金融機構獲取高額回報。過度的金融創(chuàng)新和各金融機構之間混業(yè)經營趨勢的增強，加劇了系統(tǒng)性金融風險的傳播和集聚，這引起國內學者對系統(tǒng)性金融風險的來源的廣泛關注，尤其是對于銀行、保險和證券等金融機構對系統(tǒng)性金融風險的貢獻度的關注。如王妍等[8]基于極值理論，考慮了極端風險事件下，銀行和保險對金融市場的影響要大于證券和信托行業(yè)，特別是銀行業(yè)對系統(tǒng)性金融風險的貢獻度最高，并且銀行業(yè)中國有銀行的風險影響系數普遍高于非國有銀行。張蕊等[9]同樣基于極值理論，考察了銀行業(yè)、證券業(yè)和保險業(yè)等機構在2008年至2013年對系統(tǒng)性金融風險影響的動態(tài)變化，得到結論：銀行業(yè)尤其是國有銀行引發(fā)系統(tǒng)性風險的可能性最大，并且風險貢獻度逐年上升。張麗影[10]在學位論文中通過實證研究也得到銀行業(yè)對我國系統(tǒng)性金融風險的貢獻度最大的結論。

很少有文獻會從商業(yè)銀行的所有制和經營范圍角度進一步探究銀行業(yè)對系統(tǒng)性金融風險的影響，事實上我國銀行體系主體繁雜，不同主體之間產權結構、業(yè)務范圍、產品質量存在差異，其對系統(tǒng)性金融風險的影響很可能存在異質性影響。因此，本文在科學測度系統(tǒng)性金融風險的基礎上，為補充系統(tǒng)性金融風險研究的理論框架，將基于所有制和經營范圍兩個角度深入分析商業(yè)銀行的風險溢出效應，并由此為監(jiān)管部門分類監(jiān)管和統(tǒng)籌監(jiān)管提供依據，從而有效防范系統(tǒng)性金融風險。

2 系統(tǒng)性金融風險的測度

2.1 模型構建

2.2 研究對象和數據選擇

金融業(yè)包括了銀行、保險、證券、基金等幾個子行業(yè)，銀行由于發(fā)展時間久遠、資產規(guī)模龐大（資產總額占整個金融行業(yè)的比例超過了90%），主導著我國金融市場發(fā)展，因而可以通過計算銀行業(yè)的系統(tǒng)性風險貢獻度來狹義代表金融市場的整體風險狀況。選取2012年7月～2019年7月滬深兩市10家具有代表性的銀行作為研究對象（共360個樣本量），其中包括五家國有銀行（中、農、工、建、交）和五家股份制銀行（中信銀行、南京銀行、寧波銀行、華夏銀行、民生銀行），這10家銀行的總資產占銀行業(yè)總資產的比重近70%，具有很好的代表性。選用樣本銀行的周收益率來衡量系統(tǒng)性風險，該期間經歷了2013年“錢荒”、2015年我國資本市場異常波動、2018年中美貿易摩擦等事件，對于衡量系統(tǒng)性風險水平具有很強的參考意義，同時還用到同期的上證銀行指數收益率和滬深300指市場收益率。數據來源于RESSET數據庫。

2.3 正態(tài)性和平穩(wěn)性檢驗

在進行數據之前，先對各銀行收益率序列進行描述性統(tǒng)計，檢驗序列的正態(tài)性如表1所示。

從標準差角度看，股份制銀行中的中信銀行（0.049 725）、南京銀行（0.042 324）、寧波銀行（0.045 533）等銀行標準差普遍高于大型國有銀行，這表明股份制銀行風險暴露相對較高。從偏度角度看，所有銀行偏度值都不等于0且都大于0，則樣本銀行收益率序列出現(xiàn)左偏。再從峰度角度看，所有峰值都大于3，可以判斷樣本銀行收益率出現(xiàn)尖峰現(xiàn)象，不符合正態(tài)分布。

另外，為了避免出現(xiàn)偽回歸現(xiàn)象，在計算各家上市銀行的VaR和CoVaR時要先對所有收益率序列進行平穩(wěn)性檢驗，ADF單位根檢驗結果如表2所示。

由表2可知，所有樣本銀行收益率原序列均通過ADF單位根檢驗，且都在1%的顯著性水平下顯著，均為平穩(wěn)序列。

結合描述性統(tǒng)計結果看，樣本銀行的收益率序列呈現(xiàn)“尖峰后尾”的不對稱分布，且數據平穩(wěn)，因此采用GARCH模型計算銀行系統(tǒng)性風險能有效處理極端情況下出現(xiàn)的損失。

2.4 商業(yè)銀行系統(tǒng)性風險的測度

由以上樣本數據處理結果可知收益率序列呈現(xiàn)不對稱分布，因而選擇在q=5%，t分布假設下測度樣本銀行風險水平。計算結果如表3所示。

由表3可知，從所有制角度看，總體上國有銀行總體風險水平低于非國有銀行，國有銀行平均VaR為- 4.84%，而非國有銀行平均VaR為- 6.27%，其中中信銀行風險水平最高，達到了- 8.45%，這表明國有銀行自身風險防控能力較強，規(guī)模較小的非國有銀行可能在遇到危機時風險應急能力較弱。另外，從風險溢出程度可以看出國有銀行的平均風險溢出值（- 13.66%）顯著低于非國有銀行（- 27.84%），特別是民生銀行在所有銀行的風險溢出值中位居首位，超過了資產規(guī)模龐大的工商銀行，這可能由于近些年我國非國有銀行發(fā)展迅速，在獲得高收益同時可能存在高風險的經營方式，從而增加了非國有銀行系統(tǒng)性金融風險暴露的敞口。

從經營范圍的角度看，全國性銀行的平均自身風險水平（- 5.06%）要低于區(qū)域經營的銀行（- 6.29%），并且全國性銀行在風險溢出程度的控制上比區(qū)域銀行要強，這可能因為區(qū)域銀行在地方經濟發(fā)展中發(fā)揮重大作用，當出現(xiàn)危機事件時會引起區(qū)域經濟波動，進而引發(fā)系統(tǒng)性金融風險。

3 商業(yè)銀行系統(tǒng)性金融風險的異質性影響回對歸分析

3.1 樣本與數據來源

基于研究目的和研究方向，本文選取了2012年7月～2019年7月我國商業(yè)銀行主要監(jiān)管指標（GDP增速、波動率、換手率和收益率等數據）作為變量，其中監(jiān)管指標數據來源于國泰安數據庫，GDP增速來源于國家統(tǒng)計局，其他數據來源于RESSET數據庫。

3.2 變量選取

3.2.1 被解釋變量：系統(tǒng)性金融風險

一般來說可以運用收益波動性指標來衡量微觀個體經營管理風險，本文正是運用各家商業(yè)銀行的股票收益率估測系統(tǒng)性風險?；谏衔挠嬎愠龅你y行業(yè)風險，以流通股為權重加權平均來狹義代表系統(tǒng)性金融風險。

3.2.2 核心解釋變量

（1）收益率：收益率反映出商業(yè)銀行的盈利能力，鑒于陳忠陽等[11]根據上市銀行股票收益率研究國有銀行系統(tǒng)性風險貢獻度更高的結論，可知收益率變動可以有效反映對系統(tǒng)性風險的影響大小，即收益率越高，銀行的貨幣資金越多，銀行運營越穩(wěn)健從而對系統(tǒng)性金融風險的影響越小，反之亦然。

（2）換手率：用來衡量商業(yè)銀行上市股票的流動性風險，借鑒海小輝等[12]將股票市場中的換手率作為市場表現(xiàn)的一種重要指標，分析上市公司對系統(tǒng)性風險的影響，可知市場表現(xiàn)越活躍，即換手率越高，市場投資氛圍越濃厚，股價變化越大，風險也相對較高。因此，用換手率來衡量商業(yè)銀行對系統(tǒng)性金融風險的影響也具有相似的結論。

（3）波動率：參考麥木蓉等[13]選用股票市場波動率作為系統(tǒng)性金融風險測量的狀態(tài)變量，可知波動率能很好地反映商業(yè)銀行的風險溢出效應。另外，波動率反映了上市股票資產價格波動情況，價格變化幅度越大，波動性越高，表明商業(yè)銀行面臨的市場不確定性程度越高，從而表明其對系統(tǒng)性金融風險的影響越顯著。

3.2.3 控制變量

參照曹源芳[14]研究金融錯配風險時選取的控制變量，首先在宏觀經濟層面，選取同期國內生產總值同比增速來衡量宏觀經濟環(huán)境變化狀況。穩(wěn)定的宏觀環(huán)境有利于商業(yè)銀行信貸業(yè)務的開展，增強商業(yè)銀行經營的安全性和盈利性，從而有效降低系統(tǒng)性金融風險。

其次在宏觀審慎政策方面，選取了較為常見的監(jiān)管指標：資本充足率、資產利潤率、存貸比。上述指標受到監(jiān)管的約束程度越高，表明宏觀審慎政策實施越嚴。各變量定義與說明如表4所示。

3.3 線性回歸模型設計

為了考察不同所有制和經營范圍的商業(yè)銀行對于系統(tǒng)性金融風險的不同影響，需要將樣本銀行進一步細分。以所有制劃分商業(yè)銀行可以分為國有銀行和非國有銀行;以經營范圍劃分商業(yè)銀行可以分為全國性銀行和僅在區(qū)域范圍內經營的中小銀行。借鑒李智山等 [15]以銀行集中度指數和商業(yè)銀行網點在全國省域的分布格局來定義區(qū)域經營的中小銀行和全國性銀行的研究成果，將商業(yè)銀行網點在全國覆蓋的省份數量作為經營范圍劃分的標準。具體標準是營業(yè)網點在全國省份超過26個作為全國性經營的銀行，反之低于26個則為區(qū)域經營的中小銀行。

基于以上劃分標準，在本文選取的樣本銀行中，國有銀行包括四大國有銀行（中、農、工、建）和交通銀行;非國有銀行包括中信銀行、南京銀行、寧波銀行、民生銀行和華夏銀行。全國性銀行包括四大國有銀行、交通銀行和民生銀行;區(qū)域中小銀行包括中信銀行、華夏銀行、南京銀行、寧波銀行。

參照高國華等[5]有關銀行業(yè)系統(tǒng)性影響因素設計的回歸模型，利用以上四組數據進行回歸分析，從所有制和經營范圍兩個維度實證研究其對系統(tǒng)性金融風險的異質性影響，數據處理使用Eviews8.0。

由表5看出標準差最大的是換手率，高達0.816 7，說明上市銀行股票市場投機氛圍濃重，引發(fā)系統(tǒng)性金融風險的可能性很大;其次是收益率，達到0.030 9，上市銀行盈利能力水平的較大波動可能會出現(xiàn)經營危機。

3.4.2 相關性分析

對所取變量進行皮爾森相關性分析，在相關性低于80%的假定下，所有解釋變量之間不存在多重共線性問題，檢驗結果如表6所示。

3.4.3 回歸結果分析

銀行的核心變量對系統(tǒng)性金融風險的影響回歸分析結果如表7所示。

由表7可以看出不同所有制和經營范圍商業(yè)銀行的核心變量對系統(tǒng)性金融風險的影響是顯著的，但各自影響程度卻高低不同，并且控制變量的回歸結果也表現(xiàn)的各不相同。

從所有制角度看：其一，非國有銀行的換手率（- 0.394 7）和收益率（0.006 8）回歸系數與國有銀行（- 0.334 1，0.004 1）較為接近，但是國有銀行的波動率回歸系數（4.751 5）遠高于非國有銀行（2.728 2），即波動率每變動1%，國有銀行與非國有銀行的風險溢出差值就達到2.023 3，所以總體上看，國有銀行比非國有銀行對系統(tǒng)性金融風險的影響更為顯著。

其二，在三個指標中，波動率對系統(tǒng)性金融風險的影響最為顯著，與非國有銀行相比，大型國有銀行資產價格波動引起系統(tǒng)性金融風險的可能性更大，其系數在1%水平下顯著為4.751 5，這主要是因為國有銀行資產規(guī)模龐大，即使小幅度的價格波動都會引起強烈的市場反應，從而引發(fā)系統(tǒng)性的經濟波動。相反，在收益率這個指標中，大型國有銀行在系統(tǒng)性金融風險的溢出上控制較好，非國有銀行風險溢出略微顯著。原因在于非國有銀行的盈利水平代表其經營發(fā)展狀況，一旦發(fā)生持續(xù)性虧損極易引起非國有銀行經營困難，進而引發(fā)系統(tǒng)性風險。然而國有銀行成立發(fā)展較早，經營穩(wěn)健，利潤水平高并且有政府擔保，其因經營不善引起系統(tǒng)性風險的可能性相對較小。另外，無論是國有銀行還是非國有銀行，換手率的變動對系統(tǒng)性金融風險的作用并不明顯，這可能是因為商業(yè)銀行在經營過程中存在“大而不倒”，有政府兜底保全，一般不會出現(xiàn)銀行倒閉現(xiàn)象，所以人們愿意長期持有商業(yè)銀行股票，所以換手率對系統(tǒng)性金融風險的溢出效應較低。控制變量中，非國有銀行的GDP和CDR的回歸系數分別為0.627 5和1.482 0，而且在不同置信區(qū)間內都顯著，其對系統(tǒng)性金融風險的影響比國有銀行更為明顯，這說明非國有銀行的經營管理深受宏觀經濟環(huán)境的影響，并且資本充足率會約束非國有銀行的發(fā)展，迫使其采取高風險放貸來滿足資本充足率要求，從而增加了系統(tǒng)性金融風險爆發(fā)的機會。相反，國有銀行的ROA和LD對系統(tǒng)性金融風險的影響更為顯著，且其回歸系數都在10%水平下顯著。

從經營范圍來看：其一，總體上看，與區(qū)域經營的中小銀行相比，全國性銀行的風險溢出效應更顯著，全國性銀行的收益率與換手率指標（- 0.346 4，0.004 9）對系統(tǒng)性金融風險的影響與區(qū)域銀行（- 0.364 4，0.009 0）相比相差不大，但波動率指標的回歸系數存在較大差距，波動率每變化1%，全國性銀行引發(fā)系統(tǒng)性金融風險的可能性增加4.649 4，而區(qū)域性銀行增加2.604 2，所以綜合看出全國性銀行對系統(tǒng)性金融風險的影響更強。

其二，具體分析核心變量可以看出區(qū)域銀行在收益率和換手率兩方面表現(xiàn)出較強的溢出影響，這由于在特定區(qū)域內經營的銀行深受當地經濟發(fā)展影響，如果區(qū)域經濟不景氣，也會同時影響到當地銀行的信貸業(yè)務，進而影響到銀行的盈利水平，最終會誘發(fā)系統(tǒng)性的經濟危機?？刂谱兞恐?，區(qū)域中小銀行的GDP和CDR對系統(tǒng)性金融風險影響較顯著，這是因為中小銀行業(yè)務范圍狹窄，客戶群體比較集中，一旦宏觀經濟出現(xiàn)較大波動會加劇中小銀行風險集聚;且中小銀行自有資本不足，風險承擔能力較弱，所以資本充足率高低與系統(tǒng)性風險大小呈現(xiàn)顯著正相關。相反，全國性銀行的CDR回歸系數為負，這可能是因為全國性銀行資產規(guī)模龐大，自有資本充足且擁有政府擔保，從而不易引起系統(tǒng)性金融風險。

4 總結與政策啟示

通過CoVaR模型，以10家上市銀行為樣本，并選用樣本銀行的周收益率首先度量了樣本銀行風險水平，然后運用計算出來的CoVaR和流通股加權平均粗略測算系統(tǒng)性金融風險序列。接下來選用收益率，換手率和波動率作為核心變量，并基于所有制和經營范圍兩個維度來觀測其對系統(tǒng)性金融風險的異質性影響，實證分析結果表明：（1）總體上大型國有銀行比非國有銀行對系統(tǒng)性金融風險的影響更為顯著;（2）相比于區(qū)域經營發(fā)展的商業(yè)銀行，全國性銀行引起系統(tǒng)性金融風險的可能性更高。具體從以下幾點入手來防范化解重大金融風險：

4.1 健全逆周期宏微觀審慎監(jiān)管框架

大型國有銀行和全國性銀行系統(tǒng)性金融風險溢出影響突出，監(jiān)管部門應該繼續(xù)采用宏觀審慎政策，同時不能忽視微觀個體銀行自身較高的風險水平。有效結合微觀審慎和宏觀審慎，弱化商業(yè)銀行順周期的行為，積極開發(fā)系統(tǒng)性風險管理的政策工具，促進商業(yè)銀行平穩(wěn)健康發(fā)展，從而有效化解降低系統(tǒng)性金融風險。

4.2 完善監(jiān)管部門的監(jiān)督體制

針對所有制和不同經營范圍的商業(yè)銀行對于系統(tǒng)性金融風險的異質性影響，有關監(jiān)管部門應該密切關注銀行體系的系統(tǒng)性風險的溢出影響，尤其要重視對國有銀行和全國性銀行的監(jiān)管。由于大型國有銀行和在全國范圍內經營的銀行其本身資產規(guī)模龐大，在金融體系中發(fā)揮著重要作用，成為了系統(tǒng)性金融風險的儲存庫，相關監(jiān)管部門應通過細化和分類監(jiān)管，密切關注大型國有銀行風險，避免出現(xiàn)極端情況時風險在銀行間蔓延傳遞，引發(fā)重大系統(tǒng)性金融風險。同時也不能忽視非國有銀行和區(qū)域經營的中小銀行，應該不斷增強其自身風險抵御能力，從而提高宏觀審慎的效力，完善監(jiān)管部門的監(jiān)督體制。

4.3 建立金融市場風險應急機制

雖然我國目前沒有發(fā)生過全面的系統(tǒng)性風險，但是隨著金融全球化和金融創(chuàng)新的快速發(fā)展，加劇了系統(tǒng)金融風險的生成。各個金融子系統(tǒng)應該設立起完善的風險預警體系并建立相應的風險處理應急機制，確保行業(yè)出現(xiàn)危機時及時抑制其向其他行業(yè)或者整個金融市場的風險傳染，從而實現(xiàn)有效化解重大金融風險。

參考文獻：

[1] Wang K， Chen Y H， Huang S W.The Dynamic Dependence between the Chinese Market and Other International Stock Markets：A Time-varying Copula Approach[J].International Review of Economics and Finance，2010，20（4）：654-664.

[2] ?Girardi G， Ergün TA.Systemic Risk Measurement：Multivariate Garch Estimation of Covar[J].Journal of Banking and Finance，2013，37（8）：3 169-3 180.

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

[4] ?Brownlees C， Engle R F.Srisk：A Conditional Capital Shortfall Measure of Systemic Risk[J].Review of Financial Studies，2017，30（1）：48-79.

[5] ?高國華，潘英麗.銀行系統(tǒng)性風險度量——基于動態(tài)CoVaR方法的分析[J].上海交通大學學報，2011，45（12）：1 753-1 759.

[6] ?范小云，王道平，方意.我國金融機構的系統(tǒng)性風險貢獻測度與監(jiān)管——基于邊際風險貢獻與杠桿率的研究[J].南開經濟研究，2011（4）：3-20.

[7] ?陶玲，朱迎.系統(tǒng)性金融風險的監(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.

[8] ?王妍，陳守東.尾部極值分布下的系統(tǒng)性金融風險度量及影響因素分析[J].數理統(tǒng)計與管理，2014，33（6）：1 010-1 020.

[9] ?張蕊，賀曉宇，戚逸康.極端市場條件下我國金融體系系統(tǒng)性風險度量[J].統(tǒng)計研究，2015，32（9）：30-38.

[10] ?張麗影.我國系統(tǒng)性金融風險的度量及其影響因素分析[D].北京：首都經濟貿易大學，2018.

[11] ?陳忠陽，劉志洋.國有大型商業(yè)銀行系統(tǒng)性風險貢獻度真的高嗎——來自中國上市商業(yè)銀行股票收益率的證據[J].財貿經濟，2013（9）：57-66.

[12] ?海小輝，王力賓.我國滬市上市公司影響系統(tǒng)性風險因素實證分析[J].云南財貿學院學報（社會科學版），2006（6）：101-104.

[13] ?麥木蓉，彭濤.基于CoVaR模型的上市商業(yè)銀行系統(tǒng)性風險溢出研究[J].當代經濟，2017（30）：123-125.

[14] ?曹源芳，袁秀文，張景菲.強監(jiān)管下金融錯配風險趨于收斂了嗎？——基于互聯(lián)網金融發(fā)展的視角[J].經濟問題，2019（10）：39-47，129.

[15] ?李智山，黃光慶，陳鳳桂，等.中國全國性股份制商業(yè)銀行地理分布特征研究[J].經濟地理，2014，34（2）：19-27.

[責任編輯：許立群]