康立 王尚 陳柏廷

摘 要：基于資本市場(chǎng)高頻交易數(shù)據(jù)，分別采用條件在險(xiǎn)價(jià)值模型（CoVaR）和系統(tǒng)性風(fēng)險(xiǎn)指數(shù)（SRISK）兩種主流模型法，對(duì)我國(guó)38家上市金融機(jī)構(gòu)2011—2018年的系統(tǒng)性風(fēng)險(xiǎn)水平進(jìn)行測(cè)度。研究發(fā)現(xiàn)，SRISK指數(shù)法對(duì)我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)度量更具適用性，并有助于金融機(jī)構(gòu)系統(tǒng)重要性識(shí)別。同時(shí)發(fā)現(xiàn)，規(guī)模較大、權(quán)益資產(chǎn)比偏低的商業(yè)銀行和保險(xiǎn)公司的系統(tǒng)性風(fēng)險(xiǎn)水平和系統(tǒng)重要性，要顯著超過(guò)規(guī)模相對(duì)較小、權(quán)益資產(chǎn)比較高的證券公司和信托機(jī)構(gòu)。因此，金融管理當(dāng)局應(yīng)對(duì)我國(guó)不同系統(tǒng)重要性金融機(jī)構(gòu)進(jìn)行區(qū)別監(jiān)管。

關(guān)鍵詞：金融機(jī)構(gòu);系統(tǒng)性風(fēng)險(xiǎn);SRISK指數(shù)法;模型法

中圖分類號(hào)：F832.3 ? ? ? ? 文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號(hào)：1673-291X（2022）07-0105-07

引言

近年來(lái)，我國(guó)政府高度重視系統(tǒng)性金融風(fēng)險(xiǎn)的防范和系統(tǒng)重要性銀行評(píng)估。2017年，中共“十九大”會(huì)議，多次提出要“守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線”。2018年，中國(guó)人民銀行與銀保監(jiān)會(huì)、證監(jiān)會(huì)對(duì)我國(guó)系統(tǒng)重要性金融機(jī)構(gòu)的識(shí)別、監(jiān)管和處置做出總體性制度安排。2019年，中央政治局會(huì)議再次強(qiáng)調(diào)深化金融供給側(cè)改革，平衡好“穩(wěn)增長(zhǎng)”和“防風(fēng)險(xiǎn)”的關(guān)系。2020年，中央經(jīng)濟(jì)工作會(huì)議提出，要處理好后疫情時(shí)期恢復(fù)經(jīng)濟(jì)和防范金融風(fēng)險(xiǎn)的關(guān)系。2021年，我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)防控步入常態(tài)化，宏觀審慎政策和加強(qiáng)重點(diǎn)風(fēng)險(xiǎn)領(lǐng)域監(jiān)管將進(jìn)一步強(qiáng)化。其間，隨著各項(xiàng)決策的落實(shí)，我國(guó)金融系統(tǒng)性風(fēng)險(xiǎn)處置取得積極成效。結(jié)構(gòu)性去杠桿有序推進(jìn)，高風(fēng)險(xiǎn)金融業(yè)務(wù)日漸收縮，金融機(jī)構(gòu)野蠻擴(kuò)張逐步收斂，市場(chǎng)約束日益增強(qiáng)，金融亂象得到遏制，市場(chǎng)主體心理預(yù)期出現(xiàn)積極變化，審慎經(jīng)營(yíng)理念得到強(qiáng)化，金融運(yùn)行整體穩(wěn)健。然而，當(dāng)前和今后一段時(shí)期，我國(guó)金融領(lǐng)域仍處于風(fēng)險(xiǎn)易發(fā)高發(fā)期，且呈現(xiàn)出隱蔽性和復(fù)雜性特征。因此，探尋合適的測(cè)度方法對(duì)我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)水平進(jìn)行科學(xué)度量，對(duì)系統(tǒng)重要性金融機(jī)構(gòu)進(jìn)行有效識(shí)別，顯得尤為重要。

一、文獻(xiàn)綜述

目前，國(guó)內(nèi)外學(xué)界對(duì)于金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)度量方法的研究，主要集中于基于宏微觀數(shù)據(jù)的指標(biāo)法、基于網(wǎng)絡(luò)結(jié)構(gòu)的分析法和基于市場(chǎng)數(shù)據(jù)的模型法（陳尾虹、唐振鵬，2016）。

指標(biāo)法通過(guò)選定相關(guān)指標(biāo)并賦予相應(yīng)權(quán)重，根據(jù)得分排名確定金融機(jī)構(gòu)重要性名單。金融穩(wěn)定理事會(huì)（FSB）和巴塞爾委員會(huì)（BIS）（2011）發(fā)布《全球系統(tǒng)重要性銀行標(biāo)準(zhǔn)征求意見(jiàn)稿》，通過(guò)賦予規(guī)模、關(guān)聯(lián)度、可替代性、復(fù)雜性和跨境業(yè)務(wù)量五類指標(biāo)各20%的權(quán)重，來(lái)計(jì)算評(píng)選國(guó)際金融體系中重要性程度相對(duì)較高的銀行。同年，我國(guó)銀監(jiān)會(huì)發(fā)布《中國(guó)銀行業(yè)實(shí)施新監(jiān)管標(biāo)準(zhǔn)的指導(dǎo)意見(jiàn)》。在上述指標(biāo)體系基礎(chǔ)上剔除跨境業(yè)務(wù)量指標(biāo)，賦予剩余四個(gè)指標(biāo)各25%的權(quán)重。評(píng)估結(jié)果表明，四大國(guó)有銀行均是國(guó)內(nèi)系統(tǒng)重要性銀行，并入選全球系統(tǒng)重要性銀行名單。2020年，中國(guó)人民銀行與銀保監(jiān)會(huì)聯(lián)合發(fā)布《系統(tǒng)重要性銀行評(píng)估辦法》。再次從規(guī)模、關(guān)聯(lián)度、可替代性和復(fù)雜性四個(gè)維度確立了我國(guó)系統(tǒng)重要性銀行的評(píng)估指標(biāo)體系。

網(wǎng)絡(luò)分析法先后應(yīng)用于度量銀行系統(tǒng)性風(fēng)險(xiǎn)和金融危機(jī)傳染渠道上。Frey&Hledik（2014）借助儲(chǔ)蓄機(jī)構(gòu)之間的網(wǎng)絡(luò)結(jié)構(gòu)模型，對(duì)引發(fā)系統(tǒng)性危機(jī)的直接和間接傳染渠道進(jìn)行了比較分析。Acharya&Thakor（2016）研究發(fā)現(xiàn)，金融機(jī)構(gòu)通過(guò)信息渠道傳導(dǎo)擴(kuò)散風(fēng)險(xiǎn)。國(guó)內(nèi)學(xué)者賈彥東（2011）將金融網(wǎng)絡(luò)結(jié)構(gòu)因素納入系統(tǒng)性風(fēng)險(xiǎn)衡量和風(fēng)險(xiǎn)擴(kuò)散機(jī)制分析中，發(fā)現(xiàn)我國(guó)國(guó)有銀行都是系統(tǒng)重要性銀行。李紹芳、劉曉星（2018）基于動(dòng)態(tài)尾部事件驅(qū)動(dòng)網(wǎng)絡(luò)模型，構(gòu)建了中國(guó)金融機(jī)構(gòu)體系的關(guān)聯(lián)網(wǎng)絡(luò)，指出銀行和保險(xiǎn)機(jī)構(gòu)是引起我國(guó)金融體系系統(tǒng)性風(fēng)險(xiǎn)的重要誘因。李政等（2019）通過(guò)構(gòu)建金融系統(tǒng)的極端風(fēng)險(xiǎn)網(wǎng)絡(luò)與傳染性和脆弱性指數(shù)，測(cè)度了我國(guó)金融機(jī)構(gòu)傳染性風(fēng)險(xiǎn)水平。宮曉莉等（2020）采用方差分解網(wǎng)絡(luò)方法，對(duì)我國(guó)上市金融機(jī)構(gòu)建立信息溢出網(wǎng)絡(luò)，甄別出金融網(wǎng)絡(luò)風(fēng)險(xiǎn)傳染中的系統(tǒng)重要性金融機(jī)構(gòu)。

模型法依賴市場(chǎng)高頻交易數(shù)據(jù)，通過(guò)構(gòu)建擬合收益率尾部風(fēng)險(xiǎn)模型，測(cè)度金融機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度，包括條件在險(xiǎn)價(jià)值模型（CoVaR）和系統(tǒng)性風(fēng)險(xiǎn)指數(shù)（SRISK）。Adrian&Brunnermeier（2008）借助分位數(shù)回歸法得出各金融機(jī)構(gòu)的△CoVaR，并據(jù)此對(duì)美國(guó)金融機(jī)構(gòu)系統(tǒng)重要性進(jìn)行排名。其后，學(xué)者們對(duì)CoVaR模型進(jìn)行了改進(jìn)。如采用DCC-GARCH模型來(lái)估計(jì)金融系統(tǒng)和金融機(jī)構(gòu)的聯(lián)合概率分布（Giulio&Ergun，2013），或?qū)opula函數(shù)引入CoVaR模型中，估計(jì)金融機(jī)構(gòu)對(duì)于金融系統(tǒng)的風(fēng)險(xiǎn)溢出效應(yīng)（Chen&Khashanah，2014）。國(guó)內(nèi)學(xué)者將CoVaR模型用于度量金融機(jī)構(gòu)對(duì)金融體系的風(fēng)險(xiǎn)溢出效應(yīng)。王永巧、胡浩（2012）借助動(dòng)態(tài)參數(shù)Copula模型和GARCH族模型，發(fā)現(xiàn)通過(guò)構(gòu)建聯(lián)合分布計(jì)算出的△CoVaR，能準(zhǔn)確地度量金融危機(jī)時(shí)的極端風(fēng)險(xiǎn)溢出。吳婷婷等（2020）運(yùn)用極端分位數(shù)回歸的CoVaR模型，對(duì)我國(guó)上市金融機(jī)構(gòu)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)度進(jìn)行了測(cè)度。相比CoVaR，預(yù)期損失法包括系統(tǒng)性期望損失法（SES）、邊際期望損失法（MES）、成分期望損失法（CES）和SRISK指數(shù)法。其認(rèn)為，系統(tǒng)性風(fēng)險(xiǎn)是在整個(gè)金融體系處于危機(jī)狀態(tài)時(shí)，單家公司將會(huì)遭受的最大損失或面臨的最大風(fēng)險(xiǎn)。Brownless&Engle（2011）通過(guò)雙變量DCC-GARCH模型和非參數(shù)估計(jì)法計(jì)算出MES和LRMES，并將杠桿率等因素與短期期望損失融合得到SRISK指數(shù)。Banulescu&Dumitrescu（2015）發(fā)現(xiàn)，CES既能夠?qū)ξ磥?lái)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，也能充分考慮機(jī)構(gòu)資產(chǎn)規(guī)模、權(quán)益資產(chǎn)比及市值對(duì)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)測(cè)度的內(nèi)在影響。國(guó)內(nèi)學(xué)者梁琪等（2013）運(yùn)用SRISK法，計(jì)算出我國(guó)上市金融機(jī)構(gòu)的SRISK指數(shù)，提出系統(tǒng)重要性金融機(jī)構(gòu)的界定標(biāo)準(zhǔn)和名單。宋清華、姜玉東（2014）運(yùn)用DCC-GARCH模型估計(jì)法和非參數(shù)估計(jì)，計(jì)算出我國(guó)上市銀行的MES，發(fā)現(xiàn)不同資產(chǎn)規(guī)模銀行的系統(tǒng)性風(fēng)險(xiǎn)隨時(shí)間呈現(xiàn)不同的變化趨勢(shì)。張?zhí)祉敗堄睿?018）對(duì)我國(guó)上市金融機(jī)構(gòu)CES均值進(jìn)行排序，從而得到系統(tǒng)重要性機(jī)構(gòu)的名單。

從金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的度量和系統(tǒng)重要性識(shí)別方法來(lái)看，指標(biāo)法中指標(biāo)權(quán)重賦予主觀性較強(qiáng)，且只注重資產(chǎn)負(fù)債表上的數(shù)據(jù)，忽視了能夠反映市場(chǎng)期望的股價(jià)。網(wǎng)絡(luò)分析法因?yàn)閿?shù)據(jù)獲取的問(wèn)題，較少關(guān)注由市場(chǎng)風(fēng)險(xiǎn)因素引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)研究。模型法基于資本市場(chǎng)的高頻交易數(shù)據(jù)，通過(guò)構(gòu)建能較好擬合收益率尾部分布的模型，彌補(bǔ)了前兩種方法的不足。另外，我國(guó)目前出臺(tái)的《系統(tǒng)重要性銀行評(píng)估辦法》，主要針對(duì)商業(yè)銀行，未全面覆蓋其他金融機(jī)構(gòu)。鑒于此，本文利用我國(guó)38家上市金融機(jī)構(gòu)2011—2018年的資本市場(chǎng)交易數(shù)據(jù)，通過(guò)比較條件在險(xiǎn)價(jià)值模型（CoVaR）和系統(tǒng)性風(fēng)險(xiǎn)指數(shù)（SRISK）兩種主流模型法，度量并分析金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)水平及其動(dòng)態(tài)變化，為我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)防范和金融機(jī)構(gòu)監(jiān)管提供政策依據(jù)。

二、基于CoVaR法對(duì)我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的度量

（一）CoVaR法說(shuō)明

Adrian&Brunnermeier（2008）在險(xiǎn)價(jià)值VaR的基礎(chǔ)上，首次提出CoVaR的概念，認(rèn)為單個(gè)金融機(jī)構(gòu)的在險(xiǎn)價(jià)值VaR只能衡量自身風(fēng)險(xiǎn)水平，沒(méi)有考慮該機(jī)構(gòu)對(duì)金融體系的風(fēng)險(xiǎn)溢出。CoVaR法通過(guò)△CoVaR來(lái)測(cè)度單個(gè)金融機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度，彌補(bǔ)了傳統(tǒng)在險(xiǎn)價(jià)值VaR的不足。

本文采用分位數(shù)回歸對(duì)單個(gè)金融機(jī)構(gòu)的條件在險(xiǎn)價(jià)值進(jìn)行估計(jì)。

（二）數(shù)據(jù)選取與描述性統(tǒng)計(jì)

本文選取我國(guó)38家上市金融機(jī)構(gòu)作為研究樣本，包括16家商業(yè)銀行、15家證券公司、3家保險(xiǎn)公司及4家信托公司。樣本數(shù)據(jù)區(qū)間為2011年1月4日至2018年12月28日。從CSMAR數(shù)據(jù)庫(kù)中獲取這38家上市金融機(jī)構(gòu)在上述研究區(qū)間內(nèi)的股票日交易數(shù)據(jù)，并使用滬深300金融指數(shù)計(jì)算市場(chǎng)收益率。市場(chǎng)收益率計(jì)算如下：

式（5）中，Pi，t表示第t期機(jī)構(gòu)i股價(jià)或滬深300金融指數(shù)大小，Pi，t-1表示第t-1期機(jī)構(gòu)i股價(jià)或滬深300金融指數(shù)大小，Ri，t表示第t期機(jī)構(gòu)i或滬深300金融指數(shù)收益率。

描述性統(tǒng)計(jì)結(jié)果顯示，38家金融機(jī)構(gòu)及滬深300指數(shù)在1 980個(gè)工作日內(nèi)的市場(chǎng)收益率序列最大值與最小值差距較大，但標(biāo)準(zhǔn)差較小，表明各序列數(shù)值存在一定程度的集聚性。對(duì)各收益率序列的平穩(wěn)性進(jìn)行相關(guān)檢驗(yàn)，結(jié)果都顯著拒絕了原假設(shè)，因此可以采用GARCH族模型擬合各收益率序列。

（三）基于CoVaR法對(duì)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的度量

表1結(jié)果表明，無(wú)論是行業(yè)間還是業(yè)內(nèi)機(jī)構(gòu)間，金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度都存在較大差異。從行業(yè)間來(lái)看，保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)均值最高，證券業(yè)和銀行業(yè)次之，信托業(yè)最低。從業(yè)內(nèi)機(jī)構(gòu)來(lái)看，銀行業(yè)中，股份制商業(yè)銀行的△CoVaR均值和極大值都比國(guó)有銀行高，這表明股份制商業(yè)銀行有更高的風(fēng)險(xiǎn)溢出。證券業(yè)內(nèi)，規(guī)模較大的券商，如廣發(fā)證券、海通證券等系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度較高，業(yè)務(wù)規(guī)模相對(duì)較小的券商，如錦龍股份、國(guó)金證券等貢獻(xiàn)度較低。保險(xiǎn)業(yè)中，三家保險(xiǎn)公司系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度差異不大，風(fēng)險(xiǎn)溢出大小較為均衡。信托業(yè)中，4家上市信托機(jī)構(gòu)的△CoVaR最大值都相對(duì)較小，說(shuō)明各家信托機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度都較低。

CoVaR法雖然彌補(bǔ)了VaR法只關(guān)注機(jī)構(gòu)自身風(fēng)險(xiǎn)的不足，但CoVaR法只捕捉到資本市場(chǎng)上上市公司的溢出風(fēng)險(xiǎn)，并沒(méi)有考慮到單個(gè)金融機(jī)構(gòu)資產(chǎn)負(fù)債表內(nèi)的杠桿率、資產(chǎn)規(guī)模等變量，以及因同業(yè)業(yè)務(wù)導(dǎo)致的機(jī)構(gòu)之間相似風(fēng)險(xiǎn)敞口等因素，因而得出保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)水平最高，證券業(yè)、銀行業(yè)排在其后的與現(xiàn)實(shí)相悖的結(jié)論。

三、基于SRISK指數(shù)法對(duì)我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的度量

（一）SRISK指數(shù)的計(jì)算方法

Brownless&Engle（2011）最早提出系統(tǒng)性風(fēng)險(xiǎn)指數(shù)法（SRISK）。SRISKi，t表示當(dāng)整個(gè)金融體系處在危機(jī)狀態(tài)或出現(xiàn)嚴(yán)重資本短缺時(shí)，單家金融機(jī)構(gòu)i在t階段的預(yù)期資本缺口大小：

SRISKi，t=Et-1（Capital Shortfalli|Crisis）（6）

式（6）中，金融體系危機(jī)根據(jù)所選市場(chǎng)指數(shù)變化的考察時(shí)間跨度，可分為短期和長(zhǎng)期系統(tǒng)性危機(jī)。短期系統(tǒng)性危機(jī)是指市場(chǎng)指數(shù)在一個(gè)交易日內(nèi)下降了2個(gè)百分點(diǎn)，單個(gè)上市金融機(jī)構(gòu)股價(jià)變動(dòng)幅度，即為短期邊際期望（MES）。長(zhǎng)期系統(tǒng)性危機(jī)是指當(dāng)市場(chǎng)指數(shù)在六個(gè)月內(nèi)下降幅度超過(guò)40%時(shí)，單個(gè)從事金融業(yè)務(wù)的上市公司其股價(jià)變動(dòng)幅度，稱為長(zhǎng)期邊際期望（LRMES）。

本文首先采用Brownless&Engle（2011）的研究方法來(lái)估計(jì)短期邊際期望（MES）。

第一步，通過(guò)DCC-GARCH模型來(lái)擬合公司i和市場(chǎng)日收益率的動(dòng)態(tài)性：

Rm，t=σm，tεm，t;Ri，t=σi，t（ρi，m，tεm，t+t） （εm，t，ξi，t）～D（7）

式（7）中，公司i和市場(chǎng)m在第t天的對(duì)數(shù)收益率分別由Ri，t和Rm，t表示，兩者的條件標(biāo)準(zhǔn)差則由σm，t、σi，t表示，機(jī)構(gòu)i和市場(chǎng)m的條件相關(guān)系數(shù)為ρi，m，t，沖擊（εm，t，ξi，t）隨著時(shí)間是獨(dú)立同分布的，并且具有零均值、單位方差和零協(xié)方差的特征。

Brownless&Engle（2011）認(rèn)為，提前1期的MES可以定義為短期MES。短期邊際期望損失能夠用公司i和市場(chǎng)m的σm，t、σi，t、ρi，m，t和標(biāo)準(zhǔn)化殘差尾部期望的函數(shù)來(lái)表示：

式（9）中，K（t）=（u）du，k（u）為核函數(shù)，h為帶寬參數(shù)。根據(jù)Scaillet（2005）的研究，將帶寬參數(shù)h固定在T-1/5。式（9）中定義的非參數(shù)估計(jì)量的明顯優(yōu)勢(shì)在于它們都是切點(diǎn)k的光滑函數(shù)，因而估計(jì)出的短期MES是k的光滑函數(shù)。

由于短期邊際期望損失側(cè)重于考察近期的危機(jī)，無(wú)法從動(dòng)態(tài)角度反映系統(tǒng)性金融風(fēng)險(xiǎn)的變化過(guò)程。因此，需要采用LRMES來(lái)構(gòu)建系統(tǒng)性風(fēng)險(xiǎn)指數(shù)SRISK。Acharya等（2012）指出，LRMES近似等于1-exp（-18*MES），所以估計(jì)出機(jī)構(gòu)i的短期邊際期望損失，即可求得機(jī)構(gòu)i的系統(tǒng)性風(fēng)險(xiǎn)指數(shù)。

參照Acharya等（2012）的研究，假定金融機(jī)構(gòu)其負(fù)債的賬面價(jià)值在考察期內(nèi)相對(duì)不變，而所有者權(quán)益下跌的幅度為長(zhǎng)期邊際期望損失，故單個(gè)金融機(jī)構(gòu)其資本短缺的大小為：

SRISKi，t=max[0;E（k（Debt+Equity）-Equity|Crisis）]

=max[0;kDebti，t-（1-k）（1-LRMESi，t）*Equityi，t]（10）

式（10）中，Debt和Equity分別代表金融機(jī)構(gòu)i在t階段的負(fù)債和所有者權(quán)益，k為公司i的資產(chǎn)負(fù)債率。這樣，單家公司i相對(duì)于金融體系總體的資本短缺程度占比為：

式（11）表示，SRISK%越大，金融機(jī)構(gòu)i的系統(tǒng)性風(fēng)險(xiǎn)水平相對(duì)越高，說(shuō)明在整個(gè)金融系統(tǒng)出現(xiàn)危機(jī)時(shí)，該家公司對(duì)整個(gè)金融系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度越大，系統(tǒng)重要性程度相對(duì)越高，越應(yīng)該被視為系統(tǒng)重要性機(jī)構(gòu)進(jìn)行區(qū)別監(jiān)管。

（二）基于短期邊際期望損失的金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)

計(jì)算短期邊際期望損失（MES）的數(shù)據(jù)選取與描述性統(tǒng)計(jì)同前。為真實(shí)反映金融機(jī)構(gòu)的系統(tǒng)重要性，本文選取金融機(jī)構(gòu)的歷史權(quán)益資產(chǎn)比率作為k值。根據(jù)估計(jì)MES三步法，得出我國(guó)38家上市金融機(jī)構(gòu)樣本期內(nèi)的MES均值并排序見(jiàn)表2。從行業(yè)間來(lái)看，證券業(yè)的MES普遍較高，往后依次是信托業(yè)、保險(xiǎn)業(yè)和銀行業(yè)。從行業(yè)內(nèi)來(lái)看，銀行業(yè)中，寧波銀行、平安銀行等股份制商業(yè)銀行MES排名靠前，而國(guó)有銀行的MES均位列靠后。錦龍股份、中國(guó)太保和民生控股的MES，分別在證券業(yè)、保險(xiǎn)業(yè)和信托業(yè)中排名最高，長(zhǎng)江證券、中國(guó)人壽和安信信托在各行業(yè)中排名最后，這個(gè)結(jié)果顯然與現(xiàn)實(shí)相悖。因?yàn)橐?guī)模較大的金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)水平一般較高，銀行業(yè)應(yīng)是我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的主要來(lái)源。另外，各個(gè)子行業(yè)中，規(guī)模較大的商業(yè)銀行、證券公司、保險(xiǎn)公司和信托機(jī)構(gòu)的系統(tǒng)重要性排名也應(yīng)靠前，但基于MES的排名結(jié)果都與之相反。出現(xiàn)上述矛盾，主要是因?yàn)镸ES在計(jì)算過(guò)程中，僅考慮了市場(chǎng)指數(shù)短期下降時(shí)，金融機(jī)構(gòu)風(fēng)險(xiǎn)水平的變動(dòng)幅度，忽略了金融機(jī)構(gòu)資產(chǎn)負(fù)債表中的負(fù)債和所有者權(quán)益因素。

（三）基于SRISK指數(shù)的金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)

SRISK指數(shù)是MES的進(jìn)一步計(jì)算。SRISK指數(shù)法融入了壓力指數(shù)，通過(guò)選取金融機(jī)構(gòu)或金融系統(tǒng)具有代表性的考察變量，如資產(chǎn)規(guī)模、杠桿率及關(guān)聯(lián)性等構(gòu)建的綜合性指標(biāo)，并引入資產(chǎn)負(fù)債表中的負(fù)債和所有者權(quán)益，考量市場(chǎng)指數(shù)處于長(zhǎng)期下降趨勢(shì)下金融機(jī)構(gòu)風(fēng)險(xiǎn)水平的變動(dòng)幅度。因此，相較MES，SRISK指數(shù)法更全面。

參照LRMES計(jì)算方法，利用表2中各金融機(jī)構(gòu)MES年度均值，先計(jì)算出相應(yīng)的LRMES，然后根據(jù)式（10）和式（11）估計(jì)并計(jì)算出各金融機(jī)構(gòu)的SRISK%。通過(guò)表3行業(yè)交叉對(duì)比發(fā)現(xiàn)，整體上銀行業(yè)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響最大，這歸因于我國(guó)目前的銀行主導(dǎo)型金融體系。保險(xiǎn)業(yè)在整個(gè)行業(yè)中的系統(tǒng)重要性也較高，三家保險(xiǎn)機(jī)構(gòu)的SRISK%排名均靠前，其系統(tǒng)性風(fēng)險(xiǎn)水平甚至超過(guò)了多數(shù)銀行機(jī)構(gòu)，這是因?yàn)楸ｋU(xiǎn)業(yè)近年來(lái)迅猛發(fā)展，使其資產(chǎn)規(guī)模僅次于銀行業(yè)，成為第二大金融子行業(yè)。權(quán)益資產(chǎn)比率較低的證券業(yè)和信托業(yè)SRISK%值均較低，內(nèi)部排名變化也較小，表明其系統(tǒng)重要性程度較低。從業(yè)內(nèi)排名結(jié)果看，銀行業(yè)內(nèi)國(guó)有銀行SRISK%值均靠前，說(shuō)明國(guó)有銀行的系統(tǒng)性風(fēng)險(xiǎn)水平明顯高于其他商業(yè)銀行，這是因?yàn)閲?guó)有銀行各種規(guī)?？偤鸵堰_(dá)到銀行業(yè)總規(guī)模的60%。在保險(xiǎn)業(yè)、信托業(yè)和證券業(yè)中，中國(guó)平安、安信信托和中信證券分別排名第一，且其他金融機(jī)構(gòu)的重要性排名與其資產(chǎn)排名也基本吻合，說(shuō)明SRISK指數(shù)充分捕捉到資產(chǎn)規(guī)模這一重要影響因素。

四、我國(guó)金融機(jī)構(gòu)系統(tǒng)重要性動(dòng)態(tài)變化及識(shí)別

（一）我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)動(dòng)態(tài)變化

從△CoVaR和MES動(dòng)態(tài)變化趨勢(shì)看見(jiàn)下頁(yè)圖1和圖2，大多數(shù)年份中，保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)最大，其次是證券業(yè)和銀行業(yè)，最后是信托業(yè)。在2013年、2015年及2018年，不同類別的金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)水平均達(dá)到峰值或存在上升趨勢(shì)，說(shuō)明在這三個(gè)時(shí)點(diǎn)，我國(guó)金融機(jī)構(gòu)風(fēng)險(xiǎn)溢出增加。這三個(gè)節(jié)點(diǎn)也分別對(duì)應(yīng)了我國(guó)2013年的“錢(qián)荒”、2015年“股災(zāi)”和2018年金融去杠桿引發(fā)的流動(dòng)性退潮等事件，說(shuō)明金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)與我國(guó)宏觀經(jīng)濟(jì)形勢(shì)具有強(qiáng)相關(guān)性。對(duì)比圖1和圖2可知，圖3的SRISK指數(shù)動(dòng)態(tài)變化整體相對(duì)平緩，但行業(yè)間的排名發(fā)生了變化。保險(xiǎn)業(yè)仍在多數(shù)年份穩(wěn)居第一，銀行業(yè)位居第二，之后是證券業(yè)和信托業(yè)?？紤]到保險(xiǎn)業(yè)樣本較少，與現(xiàn)實(shí)經(jīng)濟(jì)狀態(tài)較為契合的是，杠桿率較高且規(guī)模相對(duì)較大的銀行業(yè)系統(tǒng)重要性程度更高，杠桿率較低及規(guī)模相對(duì)較小的證券公司和信托機(jī)構(gòu)系統(tǒng)重要性程度較低。另外，從SRISK絕對(duì)值來(lái)看，各金融機(jī)構(gòu)的資本缺口均在2015年達(dá)到最大，而后逐年下降，但相對(duì)值并無(wú)較大波動(dòng)。這是因?yàn)?015年銀行業(yè)存款由于利率市場(chǎng)化拓展了負(fù)債資金來(lái)源，導(dǎo)致資本缺口陡然增加。保險(xiǎn)業(yè)隨著商業(yè)健康險(xiǎn)的蓬勃發(fā)展，系統(tǒng)重要性提升較快。證券業(yè)在2015年的“股災(zāi)”中損失慘重，資本缺口較往年提升較多。信托業(yè)受增資浪潮和通道受限的影響，資本缺口降低。

（二）我國(guó)系統(tǒng)重要性金融機(jī)構(gòu)動(dòng)態(tài)排名

表4報(bào)告了2011—2018年，我國(guó)動(dòng)態(tài)追蹤系統(tǒng)重要性排名前十位的金融機(jī)構(gòu)名單。數(shù)據(jù)表明，首先，規(guī)模因素是影響系統(tǒng)重要性較為重要但并非唯一的因素，各金融機(jī)構(gòu)的權(quán)益資產(chǎn)比率（杠桿率）、關(guān)聯(lián)性和風(fēng)險(xiǎn)敞口也會(huì)影響系統(tǒng)重要性排名。就各組間的排名來(lái)看，資產(chǎn)規(guī)模較大的銀行類金融機(jī)構(gòu)系統(tǒng)重要性排名較為靠前，但部分股份制銀行，如招商銀行SRISK排名在多數(shù)時(shí)候超過(guò)其資產(chǎn)規(guī)模排名，部分時(shí)點(diǎn)甚至超過(guò)了交通銀行。保險(xiǎn)業(yè)三家公司的系統(tǒng)重要性排名在多數(shù)時(shí)間都高于其各自規(guī)模排名，這可能與保險(xiǎn)公司權(quán)益資產(chǎn)比率一直處于較低水平有關(guān)。其次，金融機(jī)構(gòu)的系統(tǒng)重要性程度呈現(xiàn)出動(dòng)態(tài)變化的特征。當(dāng)單個(gè)金融機(jī)構(gòu)規(guī)?？焖贁U(kuò)張時(shí)，其自身的系統(tǒng)重要性也會(huì)隨之上升，如中國(guó)平安超越中國(guó)人壽和中國(guó)太平洋保險(xiǎn)，成為保險(xiǎn)業(yè)系統(tǒng)重要性最高的保險(xiǎn)公司。另外，當(dāng)單個(gè)金融機(jī)構(gòu)自身抵御風(fēng)險(xiǎn)的能力發(fā)生變化時(shí)，其系統(tǒng)重要性也會(huì)發(fā)生變化，如表4中沒(méi)有出現(xiàn)證券公司和信托機(jī)構(gòu)，但隨著它們逐年降低權(quán)益資產(chǎn)比，SRISK%會(huì)越來(lái)越高，系統(tǒng)重要性也會(huì)相應(yīng)提升。

結(jié)語(yǔ)

從理論上看，CoVaR法雖可度量單個(gè)金融機(jī)構(gòu)在危機(jī)下對(duì)于金融系統(tǒng)的風(fēng)險(xiǎn)溢出大小，但礙于將其加總后不能得到整個(gè)金融體系的風(fēng)險(xiǎn)水平，故無(wú)法用于評(píng)估金融體系中金融機(jī)構(gòu)的重要性程度。基于動(dòng)態(tài)MES的SRISK指數(shù)法，不僅能夠測(cè)度單家金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)大小，也能夠用所有金融機(jī)構(gòu)相加后的系統(tǒng)性風(fēng)險(xiǎn)指數(shù)，度量整個(gè)金融系統(tǒng)的風(fēng)險(xiǎn)水平并評(píng)估金融機(jī)構(gòu)的重要性程度。從實(shí)證檢驗(yàn)來(lái)看，采用△CoVaR法或SRISK指數(shù)，都能較好地呈現(xiàn)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)變化。但CoVaR法只捕捉到資本市場(chǎng)上市公司的溢出風(fēng)險(xiǎn)，因而得出與現(xiàn)實(shí)相悖的結(jié)論。SRISK指數(shù)法考慮到更多反映金融機(jī)構(gòu)風(fēng)險(xiǎn)水平變動(dòng)的因素，如資產(chǎn)規(guī)模、杠桿率、關(guān)聯(lián)性和風(fēng)險(xiǎn)敞口等，得出更符合現(xiàn)實(shí)的結(jié)論。因此，對(duì)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)度量和系統(tǒng)重要性識(shí)別，SRISK指數(shù)法要優(yōu)于CoVaR法。SRISK指數(shù)法應(yīng)用范圍更廣泛，其對(duì)系統(tǒng)性風(fēng)險(xiǎn)度量結(jié)果更可信。另外，基于SRISK指數(shù)法研究發(fā)現(xiàn)，規(guī)模較大、權(quán)益資產(chǎn)比偏低的商業(yè)銀行和保險(xiǎn)公司的系統(tǒng)性風(fēng)險(xiǎn)水平和系統(tǒng)重要性，要顯著超過(guò)規(guī)模相對(duì)較小、權(quán)益資產(chǎn)比較高的證券公司和信托機(jī)構(gòu)。因此，金融管理當(dāng)局應(yīng)對(duì)我國(guó)不同的系統(tǒng)重要性金融機(jī)構(gòu)進(jìn)行區(qū)別監(jiān)管。

參考文獻(xiàn)：

[1] ?Acharya V.，A.Thakor.The Dark Side of Liquidity Creation：Leverage and Systemic Risk[J].Journal of Financial Intermediation，2016，（28）.

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

[3] ?Adrian T.，M.Brunnermeier.Covar[A].Federal Reserve Bank of New York Staff Report，2008.

[4] ?Baulescu D.，E.Dumitrescu.Which Are the SIFs？ [J].Journal of Banking and Finance，2015，（4）.

[5] ?Brownless C.，R.Engle.Volatility，Correlation and Tails for Systemic Risk Measurement[A].NYU Working Paper，2011.

[6] ?Chen K.，K.Khaldoun.Measuring Systemic Risk：Copula CoVar[J].Social Science Electronic Publishing，2014，（8）.

[7] ?Frey R.，J.Hledik.Correlation and Contagion as Sources of Systemic Risk[J].Communications in Stochastic Analysis，2014，（1）.

[8] ?Giulio G.，A.Ergun.Systemic Risk Measurement：Multivariate GARCH Estimation of CoVaR[J].Journal of Banking & Finance，2013，（37）.

[9] ?陳尾虹，唐振鵬.金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)研究述評(píng)——基于機(jī)制、測(cè)度與監(jiān)管視角[J].當(dāng)代財(cái)經(jīng)，2016，（5）.

[10] ?宮曉莉，熊熊，張維.我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)度量與外溢效應(yīng)研究[J].管理世界，2020，（8）.

[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）.

[12] ?李紹芳，劉曉星.中國(guó)金融機(jī)構(gòu)關(guān)聯(lián)網(wǎng)絡(luò)與系統(tǒng)性金融風(fēng)險(xiǎn)[J].金融經(jīng)濟(jì)學(xué)研究，2018，（9）.

[13] ?李政，朱明皓，范穎嵐.我國(guó)金融機(jī)構(gòu)的傳染性風(fēng)險(xiǎn)與系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)——基于極端風(fēng)險(xiǎn)網(wǎng)絡(luò)視角的研究[J].南開(kāi)經(jīng)濟(jì)研究，2019，（6）.

[14] ?梁琪，李政，郝項(xiàng)超.我國(guó)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）.

[15] ?宋清華，姜玉東.中國(guó)上市銀行系統(tǒng)性風(fēng)險(xiǎn)度量——基于MES方法的分析[J].財(cái)經(jīng)理論與實(shí)踐，2014，（6）.

[16] ?王永巧，胡浩.基于時(shí)變參數(shù)Copula的ΔCoVaR度量技術(shù)[J].統(tǒng)計(jì)與信息論壇，2012，（6）.

[17] ?吳婷婷，華飛，江世銀.中國(guó)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，（9）.

[18] ?張?zhí)祉?，張?我國(guó)金融市場(chǎng)系統(tǒng)重要性機(jī)構(gòu)的評(píng)估及政策啟示[J].管理評(píng)論，2018，（1）.

Systematic Risk Measurement and Importance Identification of Financial Institutions in China based on Model Method

KANG Li1，WANG Shang2，CHEN Bai-ting3

（1.Zhongnan University of Economics and Law，Wuhan 430073，China;

2.Chailease International Finance Corp.，Shanghai 200335，;3.SunYat-sen University，Zhuhai 519082，China）

Abstract：Based on the data of capital market transactions，this article uses CoVaR and SRISK index method to measure and compare the systematic risk level of 38 listed financial institutions in China during the period of 2011—2018.It is found that the SRISK index method is more applicable to the systematic risk measurement of financial institutions in China.It is also found that the systematic risk level of banks and insurance companies with large scale and low equity asset ratio is significantly higher than that of trust companies and securities companies with relatively small scale and high equity asset ratio.The financial regulatory authorities should implement differentiated supervision on different systemically important financial institutions.

Key words：financial institutions;systemic risk;CoVaR;SRISK Index Method;model method