林維維 李莉莉

摘要：為了厘清金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染效應(yīng)，基于滬深上市77家金融機(jī)構(gòu)的日度股票收益率構(gòu)建分位數(shù)回歸的CoVaR模型，度量金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)水平，采用網(wǎng)絡(luò)拓?fù)浞治龇ńL(fēng)險(xiǎn)傳染網(wǎng)絡(luò)。研究結(jié)果表明，證券、銀行、保險(xiǎn)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響較大，隨著中國金融的不斷發(fā)展，多元金融對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)增加;規(guī)模越大的機(jī)構(gòu)更容易成為風(fēng)險(xiǎn)來源;由于業(yè)務(wù)關(guān)聯(lián)程度增加，中小規(guī)模金融機(jī)構(gòu)在機(jī)構(gòu)風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)中的地位不容忽視。

關(guān)鍵詞：CoVaR;系統(tǒng)性金融風(fēng)險(xiǎn);風(fēng)險(xiǎn)溢出;網(wǎng)絡(luò)關(guān)聯(lián)

中圖分類號(hào)：F832.59???????? 文獻(xiàn)標(biāo)志碼：A

自2008年金融危機(jī)后，系統(tǒng)性風(fēng)險(xiǎn)受到廣泛關(guān)注。學(xué)術(shù)界和監(jiān)管者發(fā)現(xiàn)僅僅關(guān)注個(gè)體金融機(jī)構(gòu)的風(fēng)險(xiǎn)并不足以防范金融危機(jī)，開始關(guān)注系統(tǒng)性金融風(fēng)險(xiǎn)研究。系統(tǒng)性風(fēng)險(xiǎn)是導(dǎo)致眾多市場(chǎng)參與者同時(shí)受到損失，且損失又?jǐn)U散到整個(gè)系統(tǒng)的風(fēng)險(xiǎn)[1]，一旦發(fā)生，危害將波及整個(gè)系統(tǒng)。準(zhǔn)確測(cè)度系統(tǒng)性風(fēng)險(xiǎn)有助于監(jiān)管機(jī)構(gòu)高效防控系統(tǒng)性金融風(fēng)險(xiǎn)爆發(fā)。目前系統(tǒng)性金融風(fēng)險(xiǎn)測(cè)度方法有條件在險(xiǎn)價(jià)值（Conditional Value at Risk， CoVaR）[2]、邊際期望損失（MES）[3]、資本缺口法（SRISK）[4]等。這些方法基于市場(chǎng)公開數(shù)據(jù)測(cè)度金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)，既各有優(yōu)勢(shì)，亦有局限性。CoVaR側(cè)重于從金融機(jī)構(gòu)的日常交易數(shù)據(jù)（如股票市場(chǎng)收益等）度量系統(tǒng)性風(fēng)險(xiǎn)，邊際期望損失和資本缺口法側(cè)重于從系統(tǒng)性風(fēng)險(xiǎn)成因（比如機(jī)構(gòu)在危機(jī)中面臨的資本短缺等）度量系統(tǒng)性風(fēng)險(xiǎn)。相較于后兩種方法，CoVaR數(shù)據(jù)更易獲取且系統(tǒng)性風(fēng)險(xiǎn)預(yù)測(cè)能力較好，能捕捉金融機(jī)構(gòu)的極端風(fēng)險(xiǎn)[5-8]，容易擴(kuò)展成高維和非線性的情形[9]。CoVaR雖能較好測(cè)度系統(tǒng)性風(fēng)險(xiǎn)，但未考慮金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染效應(yīng)，而網(wǎng)絡(luò)關(guān)聯(lián)可以利用機(jī)構(gòu)特征刻畫機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染關(guān)系。眾多學(xué)者從網(wǎng)絡(luò)關(guān)聯(lián)視角出發(fā)，通過網(wǎng)絡(luò)拓?fù)浞治鰳?gòu)建風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)[10]，分別識(shí)別了金融市場(chǎng)[11]、金融部門[12-14]以及行業(yè)[15]的風(fēng)險(xiǎn)來源中心。研究發(fā)現(xiàn)在全球系統(tǒng)性金融風(fēng)險(xiǎn)傳遞中，中國內(nèi)地金融市場(chǎng)是風(fēng)險(xiǎn)溢出的凈輸入者[11]。網(wǎng)絡(luò)拓?fù)淇梢宰R(shí)別出風(fēng)險(xiǎn)溢出機(jī)構(gòu)，銀行類金融機(jī)構(gòu)在行業(yè)風(fēng)險(xiǎn)網(wǎng)絡(luò)中承擔(dān)風(fēng)險(xiǎn)穩(wěn)定器的功能[16]。因此，從網(wǎng)絡(luò)關(guān)聯(lián)角度研究系統(tǒng)性風(fēng)險(xiǎn)，能更加準(zhǔn)確地識(shí)別系統(tǒng)重要性金融機(jī)構(gòu)，更有效地刻畫系統(tǒng)性風(fēng)險(xiǎn)。隨著金融行業(yè)混業(yè)經(jīng)營趨勢(shì)日益明顯，特別是房地產(chǎn)行業(yè)與其他行業(yè)關(guān)聯(lián)性增強(qiáng)[17]，金融機(jī)構(gòu)跨部門風(fēng)險(xiǎn)傳染不可忽視。本文選取銀行、證券、保險(xiǎn)、房地產(chǎn)、多元金融作為系統(tǒng)性風(fēng)險(xiǎn)的研究對(duì)象，基于CoVaR從網(wǎng)絡(luò)關(guān)聯(lián)的角度探討金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)與風(fēng)險(xiǎn)傳染關(guān)系，識(shí)別系統(tǒng)重要性金融機(jī)構(gòu)。

1 度量方法及數(shù)據(jù)說明

1.1 基于分位數(shù)回歸的CoVaR模型

基于CoVaR度量單個(gè)機(jī)構(gòu)陷入危機(jī)時(shí)對(duì)其他金融機(jī)構(gòu)的風(fēng)險(xiǎn)貢獻(xiàn)，探究金融機(jī)構(gòu)在危機(jī)期間的關(guān)聯(lián)效應(yīng)?？紤]到金融機(jī)構(gòu)收益率的尖峰、厚尾特征，選擇分位數(shù)回歸[2]，CoVaR的表述為

P（Xj，t≤CoVaRj|i，t，q|Xi，t=VaRi，t，q）=q（1）

Xj，t=αj|i，q+βj|i.qMt-1+γj|i，qXi，t+εj|i，q（2）

CoVaR∧j|i，t，q=α∧j|i，q+β∧j|i，qMt-1+γ∧j|i，qVaR∧i，t，q（3）

其中，Xi，t=ln（Pt/Pt-1）代表金融機(jī)構(gòu)i在t時(shí)刻的對(duì)數(shù)收益率;Pt為樣本股票日收盤價(jià);Mt-1表示t-1時(shí)刻反映整體經(jīng)濟(jì)狀況的宏觀狀態(tài)變量;α、β和γ為待估參數(shù)，其中αj|i，q為q分位數(shù)下的截距項(xiàng)，βj|i，q表示q分位數(shù)下宏觀狀態(tài)變量對(duì)金融收益率的影響系數(shù)，γj|i，q表示q分位數(shù)水平下機(jī)構(gòu)i對(duì)機(jī)構(gòu)j的風(fēng)險(xiǎn)溢出系數(shù);α∧、β∧和γ∧為對(duì)式（2）進(jìn)行分位數(shù)回歸得到α、β、γ的估計(jì)值;VaRi，t，q為機(jī)構(gòu)i在t時(shí)刻q分位數(shù)的在險(xiǎn)價(jià)值，對(duì)于極端情況下的VaR，取q=0.05。

1.2 金融機(jī)構(gòu)間網(wǎng)絡(luò)傳染模型

基于分位數(shù)回歸的CoVaR模型計(jì)算風(fēng)險(xiǎn)溢出值ΔCoVaR，構(gòu)建金融機(jī)構(gòu)間風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)，金融機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出關(guān)系見表1。

當(dāng)該值為正時(shí)，說明機(jī)構(gòu)i對(duì)于機(jī)構(gòu)j的風(fēng)險(xiǎn)溢出水平大于風(fēng)險(xiǎn)溢入水平，為風(fēng)險(xiǎn)凈溢出機(jī)構(gòu);當(dāng)該值為負(fù)時(shí)，說明該機(jī)構(gòu)為風(fēng)險(xiǎn)凈溢入機(jī)構(gòu)。風(fēng)險(xiǎn)溢出關(guān)系表中，“FROM”所在列的元素表示機(jī)構(gòu)i受到其他所有機(jī)構(gòu)的風(fēng)險(xiǎn)傳染效應(yīng)，“TO”所在行的元素表示機(jī)構(gòu)j對(duì)其他所有機(jī)構(gòu)的風(fēng)險(xiǎn)傳染效應(yīng)。

1.3 數(shù)據(jù)來源及統(tǒng)計(jì)特征

考慮中國金融機(jī)構(gòu)的組成及數(shù)據(jù)可得性，選取了涵蓋銀行、證券、保險(xiǎn)、多元金融（從事綜合金融服務(wù)、消費(fèi)信貸和資本市場(chǎng)等業(yè)務(wù)的機(jī)構(gòu)）和房地產(chǎn)五個(gè)部門的77家滬深上市金融機(jī)構(gòu)，其中銀行15家，保險(xiǎn)4家，證券19家，多元金融6家，房地產(chǎn)33家。為有效反映中國金融市場(chǎng)發(fā)展?fàn)顩r，避免2020年新冠肺炎類似突發(fā)公共衛(wèi)生事件對(duì)金融市場(chǎng)的影響，將樣本區(qū)間定為2015年1月1日至2019年12月31日，計(jì)算樣本股票收益率得到1 219個(gè)交易日數(shù)據(jù)。采用上證綜合指數(shù)的日收益率衡量金融系統(tǒng)的收益率。受篇幅限制，表2僅展示樣本中各部門規(guī)模排名前六金融機(jī)構(gòu)。

本文選取6個(gè)宏觀狀態(tài)變量[2]：股票市場(chǎng)波動(dòng)率，用上證綜指指數(shù)回報(bào)率的增長變動(dòng)率的絕對(duì)值表示，反映股票市場(chǎng)波動(dòng)情況;3個(gè)月國債收益率的增長率，代表債券市場(chǎng)景氣程度的變化;10個(gè)月國債與3個(gè)月國債收益率之差，反映金融市場(chǎng)流動(dòng)性;同期10年期國債與10年期AAA企業(yè)債收益率之差和上一期10年期國債與10年期AAA企業(yè)債收益率之差的差值反映違約風(fēng)險(xiǎn);7天銀行同業(yè)拆借利率反映短期資金流動(dòng)性;上證房地產(chǎn)指數(shù)對(duì)數(shù)收益率反映房地產(chǎn)行業(yè)景氣程度。原始數(shù)據(jù)均源于CSMAR數(shù)據(jù)庫。

通過各金融機(jī)構(gòu)收益率及金融系統(tǒng)收益率的描述性統(tǒng)計(jì)分析，發(fā)現(xiàn)金融機(jī)構(gòu)及金融系統(tǒng)收益率呈現(xiàn)左偏或右偏，且峰度系數(shù)大于3，即不服從正態(tài)分布，具有尖峰、厚尾的特征。收益率數(shù)據(jù)特征表明本研究更適用于分位數(shù)回歸刻畫金融機(jī)構(gòu)、金融系統(tǒng)的尾部聯(lián)動(dòng)效應(yīng)。

2 實(shí)證研究

2.1 金融機(jī)構(gòu)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的CoVaR估計(jì)

首先采用分位數(shù)回歸研究77家金融機(jī)構(gòu)對(duì)金融系統(tǒng)的影響，每家金融機(jī)構(gòu)股票收益率和宏觀狀態(tài)變量對(duì)金融系統(tǒng)收益率的影響均采用式（2）進(jìn)行回歸，結(jié)果顯示γ顯著為正，說明各金融機(jī)構(gòu)的極端收益波動(dòng)顯著影響金融系統(tǒng)收益，且與金融系統(tǒng)收益同方向波動(dòng)。股票市場(chǎng)波動(dòng)率的系數(shù)顯著為負(fù)，市場(chǎng)收益率波動(dòng)會(huì)導(dǎo)致金融體系收益下降。除東北證券外，其他機(jī)構(gòu)的3個(gè)月國債收益率增長率的系數(shù)均為負(fù)，但不顯著。10個(gè)月國債與3個(gè)月國債收益率之差的回歸結(jié)果中有61%顯著為負(fù)，表明當(dāng)國債收益率的長短利差變大時(shí)，貨幣政策趨于收緊，宏觀經(jīng)濟(jì)進(jìn)入通貨緊縮階段，金融體系收益率隨之下降。68%的7天銀行同業(yè)拆借指標(biāo)回歸結(jié)果為負(fù)，說明銀行間同業(yè)拆借利率上升時(shí)，會(huì)導(dǎo)致金融體系收益下降。反映違約風(fēng)險(xiǎn)指標(biāo)系數(shù)顯著為負(fù)，表示違約風(fēng)險(xiǎn)上升會(huì)導(dǎo)致金融系統(tǒng)收益下降。房地產(chǎn)收益率指標(biāo)的回歸系數(shù)顯著為正，表明房地產(chǎn)行業(yè)繁榮引發(fā)大量資金流向房地產(chǎn)行業(yè)，金融系統(tǒng)收益隨之增加。綜上，金融機(jī)構(gòu)股票收益率和宏觀狀態(tài)變量能夠捕捉到金融系統(tǒng)收益的尾部變動(dòng)，可以通過該模型計(jì)算金融機(jī)構(gòu)對(duì)金融系統(tǒng)的風(fēng)險(xiǎn)貢獻(xiàn)值ΔCoVaR。

通過式（3）和式（4）計(jì)算各機(jī)構(gòu)極端情況下的系統(tǒng)性金融風(fēng)險(xiǎn)及系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)值ΔCoVaR，各機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)貢獻(xiàn)值描述性統(tǒng)計(jì)分析如表3所示。可以看出，對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)影響較大的是保險(xiǎn)、銀行、證券。保險(xiǎn)業(yè)在發(fā)展過程中，與其他金融機(jī)構(gòu)業(yè)務(wù)聯(lián)系增加，業(yè)務(wù)經(jīng)營范圍擴(kuò)大，規(guī)模增大，當(dāng)其發(fā)生極端事件時(shí)，極易引起其他金融機(jī)構(gòu)發(fā)生風(fēng)險(xiǎn)，進(jìn)而引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。銀行在中國金融系統(tǒng)中占據(jù)重要位置，與其他機(jī)構(gòu)的直接風(fēng)險(xiǎn)敞口和間接風(fēng)險(xiǎn)敞口都較大，一旦發(fā)生危機(jī)，風(fēng)險(xiǎn)將在金融系統(tǒng)內(nèi)傳播擴(kuò)散。中國股票市場(chǎng)發(fā)展較晚，各方面發(fā)展尚不完善。當(dāng)股市利好時(shí)，證券機(jī)構(gòu)由于傭金收入、特別是受到股票市場(chǎng)預(yù)期的推動(dòng)而價(jià)格大漲，股價(jià)過度上漲是風(fēng)險(xiǎn)的隱患，泡沫一旦破裂會(huì)損害整個(gè)金融系統(tǒng)。影響金融系統(tǒng)風(fēng)險(xiǎn)排名前十的機(jī)構(gòu)依次是寧波銀行、農(nóng)業(yè)銀行、平安銀行、山西證券、太平洋證券、西南證券、湘財(cái)股份、興業(yè)證券、長江證券以及招商證券，即系統(tǒng)重要性金融機(jī)構(gòu)，應(yīng)該重點(diǎn)監(jiān)控其風(fēng)險(xiǎn)水平。

2.2 金融機(jī)構(gòu)間的風(fēng)險(xiǎn)貢獻(xiàn)

金融機(jī)構(gòu)之間由于業(yè)務(wù)關(guān)聯(lián)或相互持有資產(chǎn)，在發(fā)生極端事件時(shí)，容易發(fā)生風(fēng)險(xiǎn)傳染效應(yīng)。為此，構(gòu)建機(jī)構(gòu)兩兩之間的股票收益率分位數(shù)回歸，研究當(dāng)某一機(jī)構(gòu)發(fā)生極端事件時(shí)，對(duì)其他金融機(jī)構(gòu)的影響。對(duì)外溢出、接受溢出以及凈溢出排名前十的金融機(jī)構(gòu)見表4。從對(duì)外溢出來看，證券機(jī)構(gòu)平均對(duì)外溢出水平較高，其次是保險(xiǎn)和房地產(chǎn)。這可能由于證券機(jī)構(gòu)經(jīng)營范圍涵蓋高風(fēng)險(xiǎn)的融資融券業(yè)務(wù)，自身風(fēng)險(xiǎn)水平比較高。另一方面，隨著中國直接融資比重上升，證券機(jī)構(gòu)逐漸成為其他機(jī)構(gòu)獲得投融資的重要渠道，與其他機(jī)構(gòu)的業(yè)務(wù)關(guān)聯(lián)加強(qiáng)，金融衍生品頭寸逐漸增多，但證券機(jī)構(gòu)規(guī)范程度較弱，政府的監(jiān)管力度不夠，其脆弱性逐漸凸顯。因此，證券機(jī)構(gòu)一旦發(fā)生風(fēng)險(xiǎn)，將會(huì)波及業(yè)務(wù)關(guān)聯(lián)的機(jī)構(gòu)。保險(xiǎn)業(yè)在發(fā)展的過程中，與其他金融部門的業(yè)務(wù)不斷增加，規(guī)模增大，另外由于保險(xiǎn)機(jī)構(gòu)涉獵的領(lǐng)域不斷擴(kuò)大也導(dǎo)致其對(duì)外溢出增大，例如中國平安橫跨保險(xiǎn)、銀行、證券三大領(lǐng)域。2012年中國房價(jià)開始新一輪上漲，導(dǎo)致資金向房地產(chǎn)集中繼而促進(jìn)了房價(jià)上漲。這不僅導(dǎo)致金融資源持續(xù)向房地產(chǎn)集中，也進(jìn)一步增加了房地產(chǎn)機(jī)構(gòu)面臨的風(fēng)險(xiǎn)。另外，參控股金融機(jī)構(gòu)進(jìn)入房地產(chǎn)行業(yè)，亦提高了房地產(chǎn)機(jī)構(gòu)的風(fēng)險(xiǎn)水平。房地產(chǎn)機(jī)構(gòu)自身風(fēng)險(xiǎn)水平的提高與外部關(guān)聯(lián)性的增強(qiáng)，增加了其風(fēng)險(xiǎn)對(duì)外溢出的可能性。

從接受溢出來看，房地產(chǎn)、保險(xiǎn)機(jī)構(gòu)受到的風(fēng)險(xiǎn)沖擊較大。房地產(chǎn)投資周期長、投資規(guī)模大，融資依賴于其他金融機(jī)構(gòu)，因此房地產(chǎn)成為主要的接受溢出機(jī)構(gòu)。此外，一些房地產(chǎn)機(jī)構(gòu)通過控股方式參與到其他金融機(jī)構(gòu)的經(jīng)營，其系統(tǒng)性風(fēng)險(xiǎn)水平及跨部門關(guān)聯(lián)水平也會(huì)上升，增加了受到風(fēng)險(xiǎn)傳染的機(jī)會(huì)，例如，新湖中寶擁有銀行、證券、保險(xiǎn)、期貨等多家金融機(jī)構(gòu)的股權(quán)。

從凈溢出來看，華金資本的凈溢出值最大，達(dá)到2.490 5，而當(dāng)其他機(jī)構(gòu)處于極端事件時(shí)，華金資本受到的風(fēng)險(xiǎn)沖擊僅為0.362 6，也就是說，在系統(tǒng)發(fā)生危機(jī)時(shí)，華金資本更容易將自身危機(jī)蔓延，成為風(fēng)險(xiǎn)傳染源，通過影響其他機(jī)構(gòu)的風(fēng)險(xiǎn)水平影響系統(tǒng)性風(fēng)險(xiǎn)。其余機(jī)構(gòu)均是證券和房地產(chǎn)機(jī)構(gòu)，即在系統(tǒng)發(fā)生危機(jī)時(shí)，證券和房地產(chǎn)機(jī)構(gòu)極容易成為風(fēng)險(xiǎn)傳染源，影響其他機(jī)構(gòu)的風(fēng)險(xiǎn)水平。

綜合風(fēng)險(xiǎn)溢出水平來看，房地產(chǎn)機(jī)構(gòu)容易成為風(fēng)險(xiǎn)來源，也更容易受到風(fēng)險(xiǎn)沖擊。對(duì)外溢出和凈溢出值較大的金融機(jī)構(gòu)均是規(guī)模較大券商和房地產(chǎn)機(jī)構(gòu)，其業(yè)務(wù)經(jīng)營領(lǐng)域?qū)挿?，與其他機(jī)構(gòu)的業(yè)務(wù)關(guān)聯(lián)較大，屬于系統(tǒng)重要性金融機(jī)構(gòu)。

2.3 金融機(jī)構(gòu)間的網(wǎng)絡(luò)傳染效應(yīng)分析

基于計(jì)算的風(fēng)險(xiǎn)溢出值構(gòu)建金融機(jī)構(gòu)風(fēng)險(xiǎn)關(guān)聯(lián)矩陣，從規(guī)模、對(duì)外風(fēng)險(xiǎn)溢出和接受風(fēng)險(xiǎn)溢出的視角，分析金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染情況。規(guī)模排名前六金融機(jī)構(gòu)的關(guān)聯(lián)機(jī)構(gòu)情況見表5?？芍ど蹄y行風(fēng)險(xiǎn)最容易傳至中國太保，而又容易受到中國平安影響，即中國平安發(fā)生危機(jī)時(shí)，極容易導(dǎo)致工商銀行發(fā)生風(fēng)險(xiǎn)。風(fēng)險(xiǎn)通過在機(jī)構(gòu)之間傳導(dǎo)，進(jìn)而影響整個(gè)系統(tǒng)。中國銀行、平安銀行、農(nóng)業(yè)銀行的相互傳染力較強(qiáng)。對(duì)外溢出和接受溢出排名前十金融機(jī)構(gòu)及關(guān)聯(lián)機(jī)構(gòu)見表6。對(duì)外風(fēng)險(xiǎn)溢出最大的機(jī)構(gòu)是北辰實(shí)業(yè)，其風(fēng)險(xiǎn)最容易傳至華夏幸福，同時(shí)又受到保利地產(chǎn)的風(fēng)險(xiǎn)沖擊，這三家機(jī)構(gòu)均為房地產(chǎn)機(jī)構(gòu)，風(fēng)險(xiǎn)容易在部門內(nèi)部傳染。風(fēng)險(xiǎn)傳染較強(qiáng)的機(jī)構(gòu)中房地產(chǎn)和證券機(jī)構(gòu)占60%，銀行類機(jī)構(gòu)占25%，因此，金融危機(jī)的發(fā)生不僅與銀行部門的機(jī)構(gòu)有關(guān)，還有可能來自其他金融部門。對(duì)外溢出和接受溢出排名前十金融機(jī)構(gòu)及關(guān)聯(lián)機(jī)構(gòu)的風(fēng)險(xiǎn)傳染圖如圖1所示，北辰實(shí)業(yè)、泛?？毓伞⑷A夏幸福在網(wǎng)絡(luò)傳染中扮演著風(fēng)險(xiǎn)傳播的角色，說明系統(tǒng)重要性金融機(jī)構(gòu)不僅只有大型金融機(jī)構(gòu)，規(guī)模較小但與系統(tǒng)緊密關(guān)聯(lián)的金融機(jī)構(gòu)也有可能產(chǎn)生極大影響。

3 結(jié)論

本文基于分位數(shù)回歸的CoVaR模型和網(wǎng)絡(luò)拓?fù)浞椒?，研究探討?015—2019年77家金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)與網(wǎng)絡(luò)傳染效應(yīng)。研究結(jié)果表明，證券等傳統(tǒng)金融機(jī)構(gòu)是系統(tǒng)性風(fēng)險(xiǎn)的主要來源。隨著金融業(yè)趨于混業(yè)經(jīng)營，機(jī)構(gòu)間的網(wǎng)絡(luò)傳染效應(yīng)不容忽視。建議監(jiān)控系統(tǒng)性風(fēng)險(xiǎn)除了重點(diǎn)防控傳統(tǒng)部門，應(yīng)加強(qiáng)監(jiān)控新興部門如多元金融及中小規(guī)模金融機(jī)構(gòu)風(fēng)險(xiǎn)水平。金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)水平除了受到宏觀經(jīng)濟(jì)環(huán)境的影響，也會(huì)受到其自身規(guī)模、資產(chǎn)負(fù)債率、杠桿水平等因素的影響。下一步研究在構(gòu)建CoVaR模型時(shí)充分考慮微觀因素的影響，提升測(cè)度系統(tǒng)性風(fēng)險(xiǎn)水平的精準(zhǔn)度。

參考文獻(xiàn)

[1]BENOIT S， COLLIARD J E， HURLIN C， et al. Where the risks lie： A survey on systemic risk[J]. Review of Finance， 2017， 21（1）： 109-152.

[2]ADRIAN T， BRUNNERMEIER M K. CoVaR[J]. American Economic Review， 2016， 106 （7）： 1705-1741.

[3]ACHARYA V V， PEDERSEN L H， PHILIPPON T， et al. Measuring systemic risk[J]. Review of Financial Studies， 2017， 30（1）： 2-47.

[4]BROWNLEES C， ENGLE R. SRISK： A conditional capital shortfall measure of systemic risk[J]. Review of Financial Studies， 2017， 30（1）： 48-79.

[5]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， 32（9）： 89-100.

[6]楊子暉， 陳雨恬， 謝銳楷. 我國金融機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)度量與跨部門風(fēng)險(xiǎn)溢出效應(yīng)研究[J]. 金融研究， 2018（10）： 19-37.

[7]吳婷婷， 華飛， 江世銀. 中國金融機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)貢獻(xiàn)度的量化研究—基于極端分位數(shù)回歸的CoVaR模型[J]. 江西社會(huì)科學(xué)， 2020， 40（9）： 54-65.

[8]DENKOWSKA A， WANAT S. A tail dependence-based MST and their topological indicators in modeling systemic risk in the European insurance sector[J/OL]. Risks， 2020， 8（2）： 1-22[2021-11-21]. https：//www. webofscience.com/wos/alldb/full-record/WOS：000551226600034. DOI： 10.3390/risks8020039.

[9]張興敏， 傅強(qiáng)， 張帥， 等. 金融系統(tǒng)的網(wǎng)絡(luò)結(jié)構(gòu)及尾部風(fēng)險(xiǎn)度量—基于動(dòng)態(tài)半?yún)?shù)分位數(shù)回歸模型[J]. 管理評(píng)論， 2021， 33（4）： 59-70.

[10] DIEBOLD F X， YILMAZ K. On the network topology of variance decompositions： Measuring the connectedness of financial firms[J]. Journal of Econometrics， 2014， 182（1）： 119-134.

[11] 楊子暉， 周穎剛. 全球系統(tǒng)性金融風(fēng)險(xiǎn)溢出與外部沖擊[J]. 中國社會(huì)科學(xué)， 2018（12）： 69-90+200-201.

[12] BILLIO M， GETMANSKY M， LO A W， et al. Econometric measures of connectedness and systemic risk in the finance and insurance sectors[J]. Journal of Financial Economics， 2012， 104（3）： 535-559.

[13] 周天蕓， 楊子暉， 余潔宜. 機(jī)構(gòu)關(guān)聯(lián)、風(fēng)險(xiǎn)溢出與中國金融系統(tǒng)性風(fēng)險(xiǎn)[J]. 統(tǒng)計(jì)研究， 2014， 31（11）： 43-49.

[14] 梁琪， 常姝雅. 我國金融混業(yè)經(jīng)營與系統(tǒng)性金融風(fēng)險(xiǎn)—基于高維風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)的研究[J]. 財(cái)貿(mào)經(jīng)濟(jì)， 2020， 41（11）： 67-82.

[15] 任英華， 劉洋， 彭慶雪， 等. 中國系統(tǒng)性金融風(fēng)險(xiǎn)信息溢出者是誰—來自SRISK模型及網(wǎng)絡(luò)分析法的經(jīng)驗(yàn)證據(jù)[J]. 湖南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2021， 35（3）： 49-59.

[16] 陳少凌， 譚黎明， 楊海生， 等. 我國金融行業(yè)的系統(tǒng)重要性研究—基于HD-TVP-VAR模型的復(fù)雜網(wǎng)絡(luò)分析[J]. 系統(tǒng)工程理論與實(shí)踐， 2021， 41（8）： 1911-1925.

[17] 王守峰， 陳陽， 岑彩云. 中國房地產(chǎn)業(yè)與其他行業(yè)的關(guān)聯(lián)性—基于行業(yè)股價(jià)收益率的連通性分析[J]. 青島大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2020， 33（4）： 101-109.

Research on Systemic Financial Risks of Chinese Financial Institutions

LIN Wei-wei， LI Li-li

（College of Economics， Qingdao University， Qingdao 266061， China）

Abstract：

Based on the daily stock return of 77 financial institutions listed in Shanghai and Shenzhen， CoVaR model of quantile regression was used to measure the systemic risk of financial institutions， which could clarify the risk contagion effect among financial institutions. Then the network topology analysis method was used to establish the risk contagion network. The results show that securities， banks and insurance have a great influence on systemic financial risk. The contribution of diversified finance to systemic financial risk increases with the continuous development of China's finance. Larger institutions are more likely to become a source of risk. Due to the increase of business relevance， the position of small and medium-sized financial institutions to systemic risk can not be ignored.

Keywords：

CoVaR; systemic financial risk; risk spillover; network correlation

收稿日期：2021-09-07

基金項(xiàng)目：

山東省金融應(yīng)用重點(diǎn)研究項(xiàng)目（批準(zhǔn)號(hào)：2020-JRZZ-03）資助。

通信作者：

李莉莉，女，博士，教授，主要研究方向?yàn)榻鹑诮y(tǒng)計(jì)、統(tǒng)計(jì)調(diào)查與預(yù)測(cè)。E-mail： lili_lee2003@126.com