王周偉，蘇榮培

（上海師范大學(xué) 商學(xué)院，上海 200234）

一、引言

風(fēng)險傳染是指一個或幾個系統(tǒng)重要性金融機(jī)構(gòu)經(jīng)營失敗，通過關(guān)聯(lián)網(wǎng)絡(luò)發(fā)生風(fēng)險傳遞，導(dǎo)致關(guān)聯(lián)金融機(jī)構(gòu)陸續(xù)陷入困境。其核心特征在于金融機(jī)構(gòu)信用質(zhì)量惡化風(fēng)險的傳染。因此銀行的風(fēng)險水平及其傳染的測度就是要測度其實質(zhì)性表現(xiàn)的嚴(yán)重程度。目前主流測度指標(biāo)有：（1）條件風(fēng)險價值（CoVaR）與增量條件風(fēng)險價值；（2）條件預(yù)期虧空（CoES）和增量條件預(yù)期虧空；（3）系統(tǒng)性風(fēng)險指數(shù)（SRISK）與成分系統(tǒng)性風(fēng)險指數(shù)；（4）成分系統(tǒng)違約距離或系統(tǒng)違約率。四類指標(biāo)各有優(yōu)劣。前三類指標(biāo)的優(yōu)勢在于合理測度了風(fēng)險的絕對損失及絕對傳染損失，但沒有考慮銀行業(yè)風(fēng)險承擔(dān)能力和風(fēng)險緩釋能力，沒有合理測度剩余信用風(fēng)險損失；第四類指標(biāo)把金融業(yè)看作一個整體，考慮了宏觀經(jīng)濟(jì)沖擊下金融體系的內(nèi)生風(fēng)險，卻沒有考慮金融體系內(nèi)的風(fēng)險關(guān)聯(lián)傳染和協(xié)整聯(lián)動。利用已有指標(biāo)估算整體風(fēng)險傳染，會產(chǎn)生重大模型設(shè)定偏誤，而銀行業(yè)是金融中樞，銀行風(fēng)險傳染水平的合理測度尤為關(guān)鍵。因此，針對系統(tǒng)性風(fēng)險實質(zhì)性表現(xiàn)——信用風(fēng)險傳染，本文創(chuàng)新性地利用KMV模型測度銀行信用風(fēng)險，通過Copula函數(shù)構(gòu)建聯(lián)合分布函數(shù)，估算期間聯(lián)合違約率均值，以測度信用風(fēng)險傳染，并在風(fēng)險傳染網(wǎng)絡(luò)框架中驗證信用風(fēng)險傳染的影響因素。

二、文獻(xiàn)綜述

（一）單個銀行信用風(fēng)險測度

對于單個銀行的信用風(fēng)險的測度，主要的做法有三種。第一種是直接使用銀行事后的銀行風(fēng)險監(jiān)管指標(biāo)作為銀行信用風(fēng)險的度量指標(biāo)，相關(guān)文獻(xiàn)使用不良貸款率作為銀行信用風(fēng)險的代理指標(biāo)，如陳昆等（2019）、王曉等（2019）和朱明秀等（2013）。除了使用不良貸款率作為代理指標(biāo)外，有些文獻(xiàn)還使用撥備覆蓋率作為穩(wěn)健性檢驗時的代理變量，如王曉等（2019）。第二種是使用銀行財務(wù)報表中的數(shù)據(jù)構(gòu)造出銀行信用風(fēng)險評價指標(biāo)，如楊天宇等（2013）和李碩等（2020）使用資產(chǎn)收益率以及銀行資本和資產(chǎn)的比率來計算Z值，劉志洋（2016）使用不良貸款余額與上一期貸款減值準(zhǔn)備的比值作為銀行信用風(fēng)險指標(biāo)。第三種是使用KMV模型來計算單個銀行的違約距離以及對應(yīng)的違約概率，如萬言等（2012）；或采用KMV模型的擴(kuò)展形式CCA模型來計算違約距離，如王培輝等（2017）；還有研究將資產(chǎn)價格存在跳躍的情況納入到違約距離的計算中，如Merton（1976）考慮存在對稱的跳躍過程，Kou（2002）則考慮存在著非對稱的跳躍。

（二）銀行業(yè)信用風(fēng)險測度

金融機(jī)構(gòu)之間的信用風(fēng)險關(guān)系可以大致區(qū)分為兩類，一類是信用風(fēng)險的傳染，另一類是機(jī)構(gòu)間的信用風(fēng)險的關(guān)聯(lián)。前者主要集中于用復(fù)雜網(wǎng)絡(luò)的方法來驗證機(jī)構(gòu)之間的信用風(fēng)險傳染問題，并通過仿真模擬的方式分析影響信用風(fēng)險傳染的因素；后者則只使用CDS、CCA或者KMV的方法計算單個機(jī)構(gòu)的信用風(fēng)險水平，之后通過Copula的方法計算信用風(fēng)險的關(guān)聯(lián)程度或者聯(lián)合違約概率（JPoD）。對于第一類風(fēng)險，關(guān)于銀行信用風(fēng)險復(fù)雜網(wǎng)絡(luò)的構(gòu)建，大多數(shù)文獻(xiàn)采用銀行間的借貸關(guān)系、雙邊同業(yè)資產(chǎn)負(fù)債關(guān)聯(lián)和CDS等來衡量銀行之間信用方面的關(guān)聯(lián)。信用風(fēng)險傳染網(wǎng)絡(luò)主要是由各銀行之間的債務(wù)相互關(guān)聯(lián)、資產(chǎn)互相持有引起的，因此信用風(fēng)險復(fù)雜網(wǎng)絡(luò)的構(gòu)建首先就是利用這種資產(chǎn)和債務(wù)的關(guān)聯(lián)關(guān)系。對于第二類風(fēng)險，機(jī)構(gòu)間信用風(fēng)險，主要使用違約距離或者違約概率來測度風(fēng)險之間的同步關(guān)聯(lián)關(guān)系，而連接的方法主要是Copula函數(shù)。違約距離用來計算信用風(fēng)險相依關(guān)系，主要是使用Copula方法來計算違約距離序列之間的相依系數(shù)，如周利國等（2019）使用Joe-Clayton Copula方法、申敏（2016）使用一系列Copula方法分別計算出企業(yè)之間、銀行之間的相依系數(shù)；聯(lián)合違約概率主要使用CIMDO方法和傳統(tǒng)Copula方法計算，但主要被用于資產(chǎn)組合的配置中，較少用于衡量銀行業(yè)整體的信用風(fēng)險水平。

（三）銀行風(fēng)險傳染的影響因素

銀行風(fēng)險傳染的影響因素大致分為銀行信用質(zhì)量因素、風(fēng)險傳染網(wǎng)絡(luò)因素和國內(nèi)外宏觀經(jīng)濟(jì)因素三個方面。

銀行信用質(zhì)量因素方面，多數(shù)研究是以不良貸款率（NPL）、資本充足率（CAR）、存貸比和凈資產(chǎn)收益率等銀行個體特征變量作為信用風(fēng)險傳染的微觀因素。如丁德臣（2016）選用資本充足率、不良貸款率、應(yīng)收賬款周轉(zhuǎn)率等銀行微觀層面指標(biāo)衡量非經(jīng)常性的風(fēng)險傳染；葉永剛等（2018）選用權(quán)益占比、不良貸款率占比等指標(biāo)，構(gòu)造銀行行業(yè)預(yù)警指標(biāo)體系。

風(fēng)險傳染具有網(wǎng)絡(luò)屬性，有研究引入風(fēng)險溢出網(wǎng)絡(luò)的結(jié)構(gòu)特征指標(biāo)驗證其對風(fēng)險傳染的影響，如胡利琴等（2018）將加權(quán)平均連接度和特征向量中心度納入到風(fēng)險傳染模型中；宮曉莉等（2020）將網(wǎng)絡(luò)結(jié)構(gòu)的特征向量中心性納入到風(fēng)險預(yù)警的機(jī)器學(xué)習(xí)因素中。

在宏觀經(jīng)濟(jì)因素方面，多數(shù)研究用GDP增速、CPI和M2增長率等經(jīng)濟(jì)指標(biāo)來衡量宏觀經(jīng)濟(jì)沖擊，如葉永剛等（2018）利用GDP增速、政府債務(wù)占GDP比率、M2與GDP的比值等指標(biāo)，構(gòu)造外部宏觀環(huán)境預(yù)警指標(biāo)體系；郭衛(wèi)東（2013）用MES方法測度風(fēng)險傳染貢獻(xiàn)，認(rèn)為銀行自身的不良貸款率、杠桿率和總資產(chǎn)收益率是決定其對整個金融系統(tǒng)風(fēng)險邊際貢獻(xiàn)度的重要因素；還有研究將國際金融因素加入國內(nèi)金融風(fēng)險傳染的預(yù)警中，如李雪松等（2019）認(rèn)為金融周期和美聯(lián)儲加息會顯著增加金融危機(jī)發(fā)生概率。

三、銀行信用風(fēng)險傳染效應(yīng)的測度方法設(shè)計

（一）信用風(fēng)險傳染的核心與測度思路

通常意義上風(fēng)險傳染的核心源頭是系統(tǒng)重要性機(jī)構(gòu)的違約破產(chǎn)，這樣風(fēng)險傳染測度的重點與傳染的風(fēng)險最終都是銀行信用風(fēng)險。而目前測度風(fēng)險傳染的主流指標(biāo)有：（1）增量條件風(fēng)險價值（ΔCoVaR）；（2）增量條件預(yù)期虧空（ΔCoES）；（3）成分系統(tǒng)性風(fēng)險指數(shù)（CSRISK）；（4）成分違約距離或成分聯(lián)合違約率。前三類指標(biāo)主要測度的是給定置信水平下的風(fēng)險絕對損失，難以測度剩余信用風(fēng)險發(fā)生的可能性。而第四類指標(biāo)，即或有權(quán)益分析法（CCA）及其違約距離類指標(biāo)，如簡單平均違約距離（ADD）、資產(chǎn)加權(quán)違約距離（WDD）和組合違約距離（PDD）等，是銀行業(yè)信用風(fēng)險傳染測度的主要方法。該方法反映了金融機(jī)構(gòu)的信用風(fēng)險傳染，但是把金融機(jī)構(gòu)行業(yè)作為一個整體測度違約風(fēng)險，忽略了金融機(jī)構(gòu)之間的傳染風(fēng)險與聯(lián)合違約問題，而信用風(fēng)險傳染是風(fēng)險傳染的最終體現(xiàn)，正是風(fēng)險傳染機(jī)制使系統(tǒng)重要性機(jī)構(gòu)的單一風(fēng)險放大演化為整個金融系統(tǒng)的風(fēng)險。

因此，在CCA方法基礎(chǔ)上，依據(jù)信用風(fēng)險關(guān)聯(lián)傳染的含義，可以利用KMV模型估算單個銀行的預(yù)期信用風(fēng)險，通過Copula函數(shù)擬合任意兩家銀行的信用風(fēng)險關(guān)聯(lián)，構(gòu)建二維聯(lián)合分布函數(shù)，估算任意兩個銀行的聯(lián)合違約概率（JPoD），分析期內(nèi)任意兩個銀行的聯(lián)合違約概率序列的平均值，即期間聯(lián)合違約概率代表其關(guān)聯(lián)違約，可以構(gòu)建銀行信用風(fēng)險關(guān)聯(lián)傳染矩陣。進(jìn)而，利用某銀行與其他所有銀行的期間聯(lián)合違約率均值，可穩(wěn)健測度銀行業(yè)信用風(fēng)險傳染。

（二）利用KMV模型評估單個銀行的預(yù)期違約率

目前主流的商業(yè)銀行信用風(fēng)險測度模型是KMV模型、Credit Metrics模型、Credit Risk+模型和Credit Portfolio View模型等。其中，KMV模型的建模理論體系完整，綜合利用資本市場和財務(wù)信息，能前瞻性地有效預(yù)測未來信用風(fēng)險。本文選用KMV模型測度單一銀行的信用風(fēng)險，模型設(shè)定參考蔣彧等（2015）的做法。

KMV模型認(rèn)為，公司資不抵債時會發(fā)生違約，一個上市公司的股權(quán)價值就是以公司的總資產(chǎn)為標(biāo)的資產(chǎn)，公司債務(wù)價值為執(zhí)行價格的歐式看漲期權(quán)價值。利用Black-Scholes歐式看漲期權(quán)定價公式與違約定義，可以推導(dǎo)出預(yù)期違約概率（EDF）估算公式：

其中，V為t時刻（t=1，2，…，T）的公司資產(chǎn)價值；D為公司負(fù)債，等于短期負(fù)債加上長期負(fù)債的一半；DD為違約距離，違約距離越大，預(yù)期違約概率越小。其計算公式為：

其中，r為無風(fēng)險利率；σ為公司資產(chǎn)價值的波動率；T為負(fù)債的到期時間。

公司資產(chǎn)價值及其波動率由Black-Scholes歐式期權(quán)的定價公式及其delta敏感性分析公式聯(lián)立求解得到。Black-Scholes歐式期權(quán)的定價公式為：

其中，d和d分別為：

其中，S為公司的股權(quán)市場價值；V為期初公司的資產(chǎn)價值；N（·）為標(biāo)準(zhǔn)正態(tài)分布的累積概率分布函數(shù)。

設(shè)σ為股票收益率的波動率，則有期權(quán)delta敏感性分析公式：

（三）利用Copula函數(shù)構(gòu)建預(yù)期違約概率的聯(lián)合分布函數(shù)

關(guān)聯(lián)傳染分析方法有：Copula函數(shù)擬合相關(guān)結(jié)構(gòu)法、相關(guān)系數(shù)構(gòu)建相關(guān)矩陣法、DCC-GARCH模型、多元多分位數(shù)條件自回歸風(fēng)險價值模型、向量自相關(guān)（VAR）模型、VECM模型及其脈沖響應(yīng)和廣義方差分解法構(gòu)建響應(yīng)矩陣法、格蘭杰檢驗構(gòu)建關(guān)聯(lián)矩陣法、網(wǎng)絡(luò)模擬仿真分析法與網(wǎng)絡(luò)拓?fù)浞治龇?、空間計量分析法、資產(chǎn)負(fù)債業(yè)務(wù)關(guān)聯(lián)矩陣法、信息熵法等。

風(fēng)險關(guān)聯(lián)相關(guān)傳染具有不對稱性、非線性特征。除了Copula函數(shù)之外，其他方法主要是刻畫了金融機(jī)構(gòu)風(fēng)險之間的全局靜態(tài)線性相關(guān)關(guān)系，但難以測度非線性、上下尾部非對稱的關(guān)聯(lián)相依結(jié)構(gòu)特征。本文選用Copula函數(shù)來構(gòu)建風(fēng)險傳染相關(guān)的預(yù)期違約率聯(lián)合分布函數(shù)。

單個公司一段時間內(nèi)的違約概率并不服從正態(tài)分布，不適合采用正態(tài)Copula函數(shù)作為連接函數(shù)。銀行信用風(fēng)險較高時銀行風(fēng)險傳染關(guān)系更為強(qiáng)烈，而Gumbel-Copula密度函數(shù)具有上尾高下尾低的非對稱性，能夠較為敏感地描述上尾部強(qiáng)相關(guān)特性。本文采用Gumbel-Copula函數(shù)作為連接函數(shù)，構(gòu)建二元聯(lián)合概率分布函數(shù)，這樣，利用單個公司的違約概率及其邊緣分布和Gumbel-Copula函數(shù)可以計算出兩兩公司之間的聯(lián)合違約概率序列。

Gumbel-Copula函數(shù)的表達(dá)式為：

其中，u和v為任意兩家銀行預(yù)期違約概率的邊緣分布函數(shù)；θ為要估計的Gumbel-Copula函數(shù)的參數(shù)。

（四）計算平均聯(lián)合違約概率均值測度系統(tǒng)性信用風(fēng)險傳染

利用MATLAB的平滑核密度（ksdensity）函數(shù)，擬合出樣本銀行的聯(lián)合違約概率序列的邊緣概率分布函數(shù)F（d），代入到Gumbel-Copula函數(shù)（7）式中，可估計出聯(lián)合概率分布函數(shù)。再依次代入任意兩家銀行的邊緣預(yù)期違約概率值，就可以得到這兩家銀行聯(lián)合違約概率的序列。即

任意兩個銀行之間t時刻的聯(lián)合違約概率一般在分析期間變化較大。為反映其集中趨勢，本文計算任意兩個銀行給定時間段內(nèi)任意時刻聯(lián)合違約率的平均值，定義為期間聯(lián)合違約率，反映其在分析期間同時違約的聯(lián)合違約率水平，即銀行i違約時銀行j違約的條件違約率。其計算方式為：

銀行i的期間聯(lián)合違約概率反映了銀行i對任意一家其他銀行的違約風(fēng)險傳染。在同業(yè)拆借業(yè)務(wù)關(guān)聯(lián)、股市信息關(guān)聯(lián)傳染和持有共同資產(chǎn)等關(guān)聯(lián)作用和宏觀行業(yè)共同因素沖擊共振作用下，銀行i對所有其他銀行都有信用風(fēng)險溢出傳染效應(yīng)，這些信用風(fēng)險溢出傳染效應(yīng)都可以用銀行對任意一家其他銀行的期間聯(lián)合違約率測度。這樣，銀行i的總信用風(fēng)險溢出傳染效應(yīng)就可以用其所有與其他銀行的期間聯(lián)合違約概率的平均值測度。所以本文對期間聯(lián)合違約率矩陣的各行求均值，可以計算出銀行i的期間聯(lián)合違約概率的平均水平，定義為期間聯(lián)合違約率均值，測度銀行i對所有其他銀行的違約風(fēng)險溢出傳染效應(yīng)的總體大小，作為衡量該銀行的總信用風(fēng)險外溢傳染效應(yīng)的指標(biāo)。其計算公式為：

利用（10）式和（11）式的計算邏輯，構(gòu)建期間聯(lián)合違約概率矩陣。其與該系統(tǒng)性風(fēng)險溢出傳染指數(shù)的具體計算邏輯如表1所示。

表1 期間聯(lián)合違約概率矩陣與系統(tǒng)性風(fēng)險溢出傳染指數(shù)

四、銀行系統(tǒng)性信用風(fēng)險的傳染效應(yīng)估算結(jié)果與分析

（一）樣本與數(shù)據(jù)

銀行業(yè)自2007年1月1日實施新的企業(yè)會計準(zhǔn)則，本文選取2008年之前上市的所有商業(yè)銀行，共14家，其中包括4家國有商業(yè)銀行、7家股份制銀行和3家城市商業(yè)銀行。數(shù)據(jù)選取2007年9月25日到2020年9月30日的日度市場數(shù)據(jù)和季度財務(wù)數(shù)據(jù)。

選取的銀行代碼和分組如表2所示。

表2 銀行分組和代碼

銀行的股票市場價值以總市值為代表，根據(jù)每日股價可計算出日變動的股價市值。股價收益波動率以20個交易日為窗口長度，用滑動窗口的方式計算出20個交易日對數(shù)收益率的標(biāo)準(zhǔn)差，作為股價收益日波動率，之后再轉(zhuǎn)換成年化股價收益波動率。公司的負(fù)債以負(fù)債總額為代表，無風(fēng)險利率用一年期存款基準(zhǔn)利率衡量，數(shù)據(jù)來源為中國人民銀行公布的數(shù)據(jù)。

（二）全樣本的銀行系統(tǒng)性信用風(fēng)險傳染效應(yīng)靜態(tài)分析

把相關(guān)數(shù)據(jù)代入由（3）式至（6）式組成的聯(lián)立方程組，計算出銀行的資產(chǎn)價值和資產(chǎn)收益波動率，再把結(jié)果與相關(guān)參數(shù)值代入（2）式和（1）式計算出違約距離和預(yù)期違約概率。KMV模型計算結(jié)果的描述統(tǒng)計如表3所示。

由表3可知，預(yù)期違約概率最大值為0.8785，已達(dá)到很有可能違約的程度，由于在危機(jī)時期部分銀行負(fù)債水平過高，超出估計的資產(chǎn)價值，KMV模型定義資不抵債即違約，從KMV模型評估看該銀行大概率已經(jīng)違約；預(yù)期違約概率的最小值為0，這是無金融危機(jī)時期銀行的資產(chǎn)價值水平遠(yuǎn)高于總負(fù)債導(dǎo)致；預(yù)期違約概率的平均值為0.034，與銀行的不良貸款率水平比較接近。

表3 KMV計算結(jié)果的描述性統(tǒng)計

用Gumbel-Copula函數(shù)可以得到聯(lián)合違約概率的估計函數(shù)，直接利用Kendall相關(guān)系數(shù)估計全樣本的Gumbel-Copula的參數(shù)θ值，結(jié)果如表4所示。

表4 全樣本的Gumbel-Copula參數(shù)θ估計結(jié)果

由表4可知，所有銀行的Gumebl-Copula函數(shù)的估計參數(shù)值在1.8～2.5，銀行的Kendall相關(guān)系數(shù)在0.4117～0.6667，這與其余銀行預(yù)期違約率之間的上尾部相關(guān)性較高，信用風(fēng)險關(guān)聯(lián)傳染特征非常相似。

常用的Copula函數(shù)擬合檢驗方法有K-S檢驗、Q-Q圖檢驗和卡方擬合優(yōu)度檢驗。本文使用均勻分布的Q-Q圖檢驗法檢驗Gumebl-Copula函數(shù)對任意兩家銀行預(yù)期違約率的相關(guān)性的擬合有效性。結(jié)果顯示，Gumebl-Copula函數(shù)可以有效擬合任意兩家銀行預(yù)期違約率之間的不對稱相關(guān)性，預(yù)期違約率相關(guān)性具有“J”形分布，上尾部相關(guān)性高，而下尾部相關(guān)性低。

表5 基于Gumbel-Copula的全樣本期間聯(lián)合違約概率

由表5可知，全樣本計算的期間聯(lián)合違約概率中，國有商業(yè)銀行的平均水平是最小的，最大的也僅為0.0097，說明國有商業(yè)銀行的違約風(fēng)險較低，風(fēng)險緩釋能力強(qiáng)，在風(fēng)險爆發(fā)的情況下較少會發(fā)生聯(lián)合違約，基于聯(lián)合違約概率的風(fēng)險度量，可以認(rèn)為國有商業(yè)銀行是銀行業(yè)穩(wěn)定的“阻尼器”。三家城市商業(yè)銀行的平均聯(lián)合違約概率處在三種類型銀行的中間水平，比國有商業(yè)銀行稍高，但小于大部分股份制銀行，說明在全樣本時期的平均水平下，城市商業(yè)銀行風(fēng)險傳染的能力小于股份制銀行。在所有銀行中，股份制銀行的平均聯(lián)合違約水平是較高的。股份制銀行除了招商銀行的平均聯(lián)合違約概率在0.01以下外，其余的6家股份制銀行的平均聯(lián)合違約概率水平均高于0.01，其中華夏銀行的聯(lián)合違約概率接近0.017。按照期間聯(lián)合違約率均值度量的信用風(fēng)險傳染，股份制銀行在全樣本中處于風(fēng)險傳染網(wǎng)絡(luò)的核心位置，在風(fēng)險傳染中起著較為重要的中心節(jié)點作用。因而需要重點關(guān)注股份制銀行的風(fēng)險發(fā)生水平，重點監(jiān)管其相應(yīng)指標(biāo)，以減少聯(lián)合違約發(fā)生的概率，從而降低系統(tǒng)風(fēng)險傳染水平。

（三）銀行系統(tǒng)性信用風(fēng)險傳染效應(yīng)的網(wǎng)絡(luò)分析

根據(jù)期間聯(lián)合違約概率矩陣，用閾值法繪制銀行信用風(fēng)險傳染的網(wǎng)絡(luò)結(jié)構(gòu)圖。將累積分布概率為0.4水平上的分位數(shù)（從大到小第40%個期間聯(lián)合違約概率值）作為臨界閾值，刪除低于臨界值的邊，保留大于等于臨界值的邊；以期間聯(lián)合違約概率作為網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的邊權(quán)重，用網(wǎng)絡(luò)中邊的粗細(xì)描述連接邊的權(quán)重值的相對大小，權(quán)重大的邊較粗；并以連接到節(jié)點的邊的數(shù)量的多少來區(qū)分節(jié)點的大小，連接到節(jié)點的邊的數(shù)量越多，節(jié)點越大。繪制出的網(wǎng)絡(luò)圖如圖1所示。

圖1 以聯(lián)合違約概率度量的風(fēng)險溢出網(wǎng)絡(luò)

從圖1看出，國有商業(yè)銀行的連接數(shù)最少，中國銀行、工商銀行和建設(shè)銀行的連接數(shù)為0，這可能是由于國有商業(yè)銀行有國家資本金做最后擔(dān)保，發(fā)生違約的可能性較小，因而與其他銀行的期間聯(lián)合違約概率也較小，風(fēng)險傳染水平也較低。城市商業(yè)銀行的連接數(shù)也較多，但處在網(wǎng)絡(luò)的外圍，并不是風(fēng)險溢出網(wǎng)絡(luò)的中心部分。股份制銀行不論是連接數(shù)還是網(wǎng)絡(luò)邊的權(quán)重數(shù)都處在較高的位置，這可能是由于股份制銀行追求利潤最大化，借貸資本風(fēng)險較高，發(fā)生違約的可能性較大，聯(lián)合違約概率度量的金融風(fēng)險溢出水平也較高。從風(fēng)險的溢出結(jié)構(gòu)來看，需要重點關(guān)注處于溢出網(wǎng)絡(luò)中心位置的股份制銀行的潛在風(fēng)險傳染水平，以減少風(fēng)險溢出傳染。

度中心性和介數(shù)中心性是衡量網(wǎng)絡(luò)結(jié)構(gòu)的主要指標(biāo)。度中心性用節(jié)點的連接數(shù)量來衡量，一個節(jié)點的連接度越大，說明該節(jié)點與網(wǎng)絡(luò)的關(guān)聯(lián)性越強(qiáng)，越處于風(fēng)險傳染網(wǎng)絡(luò)的中心；介數(shù)中心性以最短路徑中通過節(jié)點的路徑數(shù)來表示，表示的是節(jié)點充當(dāng)“關(guān)聯(lián)橋梁”的作用能力，介數(shù)中心性指標(biāo)值越大，在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中的中介作用越強(qiáng)，風(fēng)險傳遞的能力也就較強(qiáng)。利用全樣本構(gòu)造出網(wǎng)絡(luò)傳染矩陣，得出上述兩個指標(biāo)的描述性統(tǒng)計，結(jié)果如表6所示。

表6 信用風(fēng)險傳染網(wǎng)絡(luò)結(jié)構(gòu)特征的描述性統(tǒng)計

由表6可知，度中心性最大值為10，說明該銀行與其他銀行的聯(lián)合違約概率都比較大，因此保留下來的邊的數(shù)量也較多，在風(fēng)險溢出網(wǎng)路中占據(jù)靠中心的位置；最小值為0，從風(fēng)險溢出網(wǎng)絡(luò)圖中來看，連接數(shù)為0的點是三家國有商業(yè)銀行；平均連接數(shù)和所選擇的閾值有關(guān)，此處意義不大。介數(shù)中心性以最短路徑中通過節(jié)點的路徑數(shù)來表示，最大值為9，說明該銀行充當(dāng)傳染橋梁的次數(shù)較高，在風(fēng)險溢出網(wǎng)絡(luò)中有較強(qiáng)的經(jīng)紀(jì)中介能力，風(fēng)險發(fā)生時容易通過該點傳遞到其他的節(jié)點中；最小值為0，這是由于閾值的確定使得三家銀行沒有和網(wǎng)絡(luò)相連接，沒有風(fēng)險傳遞，此處的銀行機(jī)構(gòu)比較安全；平均值為1.64，表明每個節(jié)點上通過的最短路徑數(shù)為1.64條。

（四）銀行系統(tǒng)性信用風(fēng)險傳染效應(yīng)的時序結(jié)果與分析

以三個月的交易天數(shù)為窗口長度，計算出每個窗口的銀行聯(lián)合違約概率的均值，得到以季度計算的風(fēng)險傳染度量指標(biāo)，即期間聯(lián)合違約概率。樣本時間從2007年第四季度至2020年第三季度，共計52個季度數(shù)據(jù)。用計算出的系統(tǒng)性風(fēng)險傳染效應(yīng)時序數(shù)據(jù)繪制趨勢圖，如圖2所示。

圖2 各銀行的風(fēng)險傳染指標(biāo)時序

由圖2可知，各銀行的期間聯(lián)合違約概率均值在2008—2010年和2015—2016年期間都有明顯提高。在2012年之后的一段時間里，部分銀行期間聯(lián)合違約概率均值也有小幅提高，這與2008年的金融危機(jī)、2012的歐債危機(jī)和2015年的中國股市危機(jī)在時間節(jié)點上還是比較符合的。因此，該指標(biāo)在一定程度上可以作為衡量系統(tǒng)性風(fēng)險傳染效應(yīng)大小的指標(biāo)。從2020年第三季度每家銀行的期間聯(lián)合違約概率均值都開始上升，說明銀行之間的信用風(fēng)險傳染水平在經(jīng)歷新冠肺炎疫情這一重大公共事件沖擊之后有所提升，因而需要采取相應(yīng)的措施以抑制風(fēng)險傳染水平，保持金融系統(tǒng)的穩(wěn)定性，提高市場應(yīng)對疫情負(fù)面沖擊的能力。

五、銀行系統(tǒng)性信用風(fēng)險傳染效應(yīng)的影響因素實證研究結(jié)果與分析

要守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線，只有把握系統(tǒng)性風(fēng)險傳染的影響因素，才能精準(zhǔn)調(diào)控。本文進(jìn)一步從銀行信用質(zhì)量特征、銀行關(guān)聯(lián)網(wǎng)絡(luò)和宏觀經(jīng)濟(jì)環(huán)境三個層面，選取期間聯(lián)合違約概率均值的潛在影響因素，構(gòu)造普通面板回歸模型，驗證相關(guān)因素對系統(tǒng)性風(fēng)險傳染的影響。

（一）變量選擇

參考相關(guān)文獻(xiàn)，本文從銀行信用質(zhì)量特征、銀行關(guān)聯(lián)網(wǎng)絡(luò)和宏觀經(jīng)濟(jì)環(huán)境三個層次選取傳染因素變量，變量選擇如表7所示。

表7 變量的選擇和描述

銀行指標(biāo)數(shù)據(jù)均來自銀行公布的定期報告，國際經(jīng)濟(jì)數(shù)據(jù)和宏觀經(jīng)濟(jì)數(shù)據(jù)來自WIND數(shù)據(jù)庫和國家統(tǒng)計局網(wǎng)站。樣本期間選擇2017年第四季度至2020年第三季度，由于部分銀行的季報數(shù)據(jù)不完整，缺失部分用線性插值法補(bǔ)齊。

（二）數(shù)據(jù)特征檢驗

為避免出現(xiàn)偽回歸情況，本文用LLC檢驗和IPS檢驗進(jìn)行數(shù)據(jù)平穩(wěn)性檢驗，兩個檢驗的原假設(shè)都存在單位根，即變量是不平穩(wěn)的。最優(yōu)滯后階數(shù)均由AIC準(zhǔn)則確定。檢驗結(jié)果表明，上述每個變量至少可以通過一個穩(wěn)定性檢驗，所有變量都具平穩(wěn)性，可以進(jìn)行后續(xù)的方差、協(xié)方差檢驗和個體效應(yīng)檢驗。

對全部銀行及國有商業(yè)銀行、股份制銀行和城市商業(yè)銀行三類，分別進(jìn)行方差、協(xié)方差檢驗，以判斷需要選取的模型形式。從檢驗結(jié)果來看，總樣本要選擇的是變截距模型，說明各銀行間的風(fēng)險傳染效應(yīng)均值差異比較明顯；國有商業(yè)銀行和城市商業(yè)銀行的各分組樣本均需要選擇不變系數(shù)模型，說明組內(nèi)的共性還是比較高的；股份制銀行需要選擇變截矩模型，說明股份制銀行組內(nèi)還存在差異，但總體上同種性質(zhì)的銀行之間比較相似，不同組之間的銀行差距比較大。

選擇好模型之后，要進(jìn)行個體效應(yīng)的Hausman檢驗和F檢驗。檢驗結(jié)果表明，全樣本模型要選擇個體隨機(jī)效應(yīng)的變截距模型；國有商業(yè)銀行和城市商業(yè)銀行需要選擇個體隨機(jī)效應(yīng)的不變系數(shù)模型；股份制銀行要選擇個體隨機(jī)效應(yīng)的變截矩模型。

（三）銀行系統(tǒng)性信用風(fēng)險傳染效應(yīng)影響因素的全樣本驗證結(jié)果與分析

為驗證潛在風(fēng)險傳染因素的實際作用，本文設(shè)定的面板數(shù)據(jù)模型一般形式為：

其中，α為常數(shù)項個體效應(yīng)；μ為常數(shù)項的均值；β為各變量參數(shù)。當(dāng)不同個體的估計系數(shù)和常數(shù)項系數(shù)都相等時，模型為混合回歸模型；當(dāng)估計系數(shù)相同而常數(shù)項不同時，模型為變截矩模型；當(dāng)常數(shù)項和各變量的系數(shù)均不相同時，模型為變系數(shù)模型。

根據(jù)方差、協(xié)方差檢驗和個體效應(yīng)檢驗的結(jié)果選擇相應(yīng)的合適模型，并進(jìn)行參數(shù)估計。估計結(jié)果如表8所示。

由表8可知，從全樣本回歸結(jié)果看，外匯儲備率（FERR）的回歸系數(shù)值顯著為正，這說明在強(qiáng)制結(jié)售匯制度下，國家會提高外匯儲備水平，增加國內(nèi)貨幣供給，造成經(jīng)濟(jì)過熱和資產(chǎn)價格泡沫，導(dǎo)致風(fēng)險傳染擴(kuò)大；廣義貨幣增長率（M2）的系數(shù)估計值顯著為負(fù)，說明適度提高貨幣發(fā)行量，增加金融體系流動性，能夠降低系統(tǒng)性信用風(fēng)險傳染水平。國內(nèi)生產(chǎn)總值增長率（GDP）和價格指數(shù)（CPI）的系數(shù)估計值顯著為負(fù)，這表明經(jīng)濟(jì)增長相對放緩，通貨膨脹水平降低，會增加銀行業(yè)聯(lián)合違約概率，提高風(fēng)險傳染水平。

不良貸款率（NPL）測度了銀行已有風(fēng)險承擔(dān)水平，其系數(shù)估計值顯著為正，說明高風(fēng)險承擔(dān)的銀行不僅自身脆弱性較大，而且會在風(fēng)險傳染網(wǎng)絡(luò)中產(chǎn)生較大負(fù)面沖擊的風(fēng)險傳染。資本充足率（CAR）是總資產(chǎn)與風(fēng)險加權(quán)資產(chǎn)的比率，資本充足率高，說明銀行有較多閑置資金，沒有轉(zhuǎn)換成生息資產(chǎn)或投資。資本充足率的估計系數(shù)顯著為正，說明盡管銀行擁有了較高的風(fēng)險緩釋能力，但其資產(chǎn)盈利性較弱，會導(dǎo)致其自身信用質(zhì)量惡化與聯(lián)合違約概率提升。資產(chǎn)負(fù)債率（RAL）是用總負(fù)債除以總資產(chǎn)，因而資產(chǎn)負(fù)債率越高表示負(fù)債的水平越高，資產(chǎn)負(fù)債率的回歸系數(shù)顯著為正，說明負(fù)債水平的提高會使得違約概率提高，以聯(lián)合違約概率度量的風(fēng)險傳染程度也有所增加。凈資產(chǎn)收益率（ROE）的估計系數(shù)顯著為負(fù)，說明在凈資產(chǎn)收益率較高時，銀行自身違約風(fēng)險較低，其風(fēng)險傳染的能力也會比較低。

從網(wǎng)絡(luò)結(jié)構(gòu)指標(biāo)度中心性和介數(shù)中心性來看，度中心性（DEGR）的估計系數(shù)顯著為正，且數(shù)值較大，說明銀行在網(wǎng)絡(luò)中所處的位置越在中心，其風(fēng)險傳染路徑越多，傳染能力也就倍數(shù)增強(qiáng)，屬于凈溢出機(jī)構(gòu)。而介數(shù)中心性越高說明該網(wǎng)絡(luò)節(jié)點“中介性”作用越強(qiáng)，介數(shù)中心性（BETW）的估計系數(shù)顯著為負(fù)，但數(shù)值較小，說明在網(wǎng)絡(luò)中起到“中介”作用的節(jié)點并不是風(fēng)險傳染的最主要角色。

（四）銀行系統(tǒng)性信用風(fēng)險傳染效應(yīng)影響因素的分類實證結(jié)果與分析

分類分組回歸的結(jié)果如表8第3至5列所示。從回歸結(jié)果來看，除了資產(chǎn)負(fù)債率（RAL）系數(shù)全部變得不顯著之外，系數(shù)的正負(fù)和顯著性水平?jīng)]有太明顯的變化，但在數(shù)值的大小方面組別間存在差異。外匯儲備率（FERR）對國有商業(yè)銀行和股份制銀行聯(lián)合違約概率的正向影響較大，而對城市商業(yè)銀行的影響較低。廣義貨幣增長率（M2）和國內(nèi)生產(chǎn)總值增長率（GDP）對國有商業(yè)銀行和股份制銀行聯(lián)合違約概率的負(fù)向影響相近，而對城市商業(yè)銀行的負(fù)向影響更大，說明以這兩種方式控制風(fēng)險傳染水平時，城市商業(yè)銀行更容易降低風(fēng)險傳染的程度。消費(fèi)者價格指數(shù)（CPI）對國有商業(yè)銀行的負(fù)向影響較其他兩類銀行而言更小，說明在物價水平上升時，國有商業(yè)銀行的聯(lián)合違約概率下降的程度也較其他兩類銀行要小一些。

表8 全部銀行和銀行各組的面板回歸結(jié)果

不良貸款率（NPL）對三類銀行聯(lián)合違約概率的影響差距較大，對國有商業(yè)銀行而言，不良貸款率的上升對風(fēng)險傳染水平的提高影響最大，股份制銀行次之，城市商業(yè)銀行最小。這可能是由資產(chǎn)規(guī)模不同引起的，國有商業(yè)銀行資產(chǎn)規(guī)模比股份制銀行和城市商業(yè)銀行大，不良貸款率的較小上升會帶來不良貸款金額的大幅提高，引起較大的對外影響，風(fēng)險傳染水平也更容易受到影響。資本充足率（CAR）對國有商業(yè)銀行聯(lián)合違約概率的影響最高，對股份制銀行的影響最小，原因除資產(chǎn)規(guī)模之外，還和股份制銀行對風(fēng)險加權(quán)資產(chǎn)的計提較高有關(guān)，一般銀行的資本充足率水平始終在較高水平，風(fēng)險時期和平常時期的變動較小，因此影響程度也就較小。資產(chǎn)負(fù)債率（RAL）在分組之后的各組回歸中都不顯著，可能是由于負(fù)債水平的提高并不能有效影響到聯(lián)合違約風(fēng)險的提高；全樣本時顯著而分組之后不顯著，可能是由于樣本量的減少導(dǎo)致。凈資產(chǎn)收益率（ROE）對國有商業(yè)銀行的負(fù)向影響最大，對股份制銀行的影響最小，理由與資本充足率（CAR）的影響相類似，股份制銀行的資產(chǎn)回報率一般較高，增加1單位的資產(chǎn)回報率產(chǎn)生的對應(yīng)變動比較小，因此所造成的負(fù)向影響會比其他類型的銀行更小，風(fēng)險傳染水平的變動也就更小。

從不同類型銀行網(wǎng)絡(luò)結(jié)構(gòu)化指標(biāo)的估計系數(shù)來看，度中心性和介數(shù)中心性的估計系數(shù)都存在較大差異。其中，國有商業(yè)銀行和股份制銀行的度中心性（DEGR）估計系數(shù)仍然顯著，但對于城市商業(yè)銀行卻變得不顯著了，說明對于城市商業(yè)銀行而言，節(jié)點的連接數(shù)量變化對于風(fēng)險傳染水平的提高與降低沒有顯著的影響。從參數(shù)估計值的大小來看，連接節(jié)點的數(shù)量對股份制銀行的風(fēng)險傳染水平影響更大，與以全部樣本估計出的度中心性系數(shù)相接近。對于介數(shù)中心性（BETW）而言，對國有商業(yè)銀行和股份制銀行的估計系數(shù)依然顯著，但對城市商業(yè)銀行風(fēng)險傳染水平的變化沒有明顯影響。對于國有商業(yè)銀行和股份制銀行而言，雖然介數(shù)中心性（BETW）的系數(shù)是顯著的，但相較于度中心性（DEGR）的指標(biāo)大小而言，其取值差距較大，因而在條件有限的情況下，要更關(guān)注網(wǎng)絡(luò)中連接數(shù)量較多的節(jié)點而不是“中介”作用較強(qiáng)的節(jié)點。

六、研究結(jié)論與政策啟示

系統(tǒng)性風(fēng)險的核心特征在于信用風(fēng)險傳染。本文利用KMV模型估算了樣本銀行的預(yù)期違約概率序列，擬合其邊緣概率分布函數(shù)，并用Copula函數(shù)得出任意兩家銀行間的聯(lián)合違約概率，用其均值測度銀行信用風(fēng)險傳染，構(gòu)建起風(fēng)險傳染網(wǎng)絡(luò)。為了精準(zhǔn)防控系統(tǒng)性風(fēng)險傳染，準(zhǔn)確識別其影響因素，本文通過構(gòu)建面板數(shù)據(jù)模型，驗證了期間聯(lián)合違約概率均值在宏觀、網(wǎng)絡(luò)與銀行三個層面上的影響因素?？梢缘玫揭韵卵芯拷Y(jié)論：

第一，關(guān)于影響因素。實證結(jié)果表明，從全樣本回歸來看，銀行不良貸款率、銀行資產(chǎn)負(fù)債率、銀行資本充足率、宏觀外匯儲備率和銀行網(wǎng)絡(luò)中心度對聯(lián)合違約概率具有顯著正向作用，影響力度依次減弱。CPI、凈資產(chǎn)收益率、M2、國內(nèi)生產(chǎn)總值和銀行介數(shù)中心性對聯(lián)合違約概率具有顯著的負(fù)向影響，影響力度依次減弱。

第二，關(guān)于傳染效應(yīng)。銀行風(fēng)險傳染影響因素的分類面板回歸結(jié)果顯示，多數(shù)因素影響的顯著性和正負(fù)性與全樣本基本一致，只是在作用力度上具有異質(zhì)性。關(guān)于宏觀外匯儲備率和貨幣政策的影響，銀行分類分析和全樣本分析結(jié)果基本相同。而國內(nèi)生產(chǎn)總值對城市商業(yè)銀行的影響力度較大；CPI對國有商業(yè)銀行的影響較弱些；銀行不良貸款率對國有商業(yè)銀行和股份制銀行有顯著的正向影響，而對城市商業(yè)銀行不顯著；資本充足率對國有銀行和城市商業(yè)銀行的影響較顯著，而對股份制銀行不顯著；資產(chǎn)負(fù)債率的影響在分組之后變得不顯著了。從網(wǎng)絡(luò)結(jié)構(gòu)因素看，度中心性對國有商業(yè)銀行和股份制銀行具有顯著的正向影響；而介數(shù)中心性對國有商業(yè)銀行和股份制銀行具有顯著的負(fù)向影響。

由本文結(jié)論，可以得到以下政策啟示：

第一，應(yīng)繼續(xù)深化完善貨幣政策和審慎監(jiān)管政策相互協(xié)調(diào)配合的“雙支柱”調(diào)控框架。外匯儲備率對所有銀行的風(fēng)險傳染都具有顯著正向影響，外匯儲備政策調(diào)整要兼顧保持幣值穩(wěn)定、調(diào)節(jié)國際收支和維護(hù)金融穩(wěn)定三重目標(biāo)。短期內(nèi)貨幣供給增加會直接使經(jīng)濟(jì)體系中的流動性寬裕，抑制銀行風(fēng)險傳染，但同時會增加資產(chǎn)泡沫，提高經(jīng)濟(jì)杠桿率，增加存量風(fēng)險承擔(dān)。貨幣政策調(diào)控要同時兼顧金融和實體經(jīng)濟(jì)雙穩(wěn)定目標(biāo)。要厘清不同政策工具在經(jīng)濟(jì)調(diào)控和風(fēng)險防控兩個領(lǐng)域的作用方向、機(jī)理、方式和適用條件，探索雙支柱調(diào)控下的政策協(xié)調(diào)機(jī)制。

第二，健全跨周期監(jiān)測調(diào)控體系。經(jīng)濟(jì)增長率和CPI對系統(tǒng)性風(fēng)險傳染具有顯著負(fù)向作用，這樣，在金融個體風(fēng)險順周期性的基礎(chǔ)上，增加了金融傳染風(fēng)險的順周期性，雙重順周期性疊加會增強(qiáng)系統(tǒng)性風(fēng)險的順周期性，因此跨周期審慎監(jiān)管掛鉤指標(biāo)與資本緩釋措施應(yīng)當(dāng)覆蓋金融體系的自身風(fēng)險和傳染風(fēng)險。

第三，繼續(xù)完善微觀審慎監(jiān)管。銀行自身特征指標(biāo)對銀行風(fēng)險傳染都有顯著影響，微觀金融安全是宏觀金融穩(wěn)定的基礎(chǔ)與前提。守住不發(fā)生系統(tǒng)性風(fēng)險底線的基礎(chǔ)還在于微觀金融安全，在完善雙支柱調(diào)控框架的同時，還要繼續(xù)加強(qiáng)微觀審慎監(jiān)管，完善壓力測試和監(jiān)測預(yù)警機(jī)制，充分發(fā)揮宏觀審慎結(jié)構(gòu)性調(diào)控監(jiān)管作用。

第四，建立系統(tǒng)重要性審慎監(jiān)管體系。處于關(guān)聯(lián)中心地位的金融機(jī)構(gòu)對系統(tǒng)性風(fēng)險傳染具有顯著正向作用，防控系統(tǒng)性風(fēng)險的一個重點就是系統(tǒng)重要性機(jī)構(gòu)監(jiān)管，合理設(shè)置系統(tǒng)重要性附加資本監(jiān)管。另外，要建立全覆蓋的金融風(fēng)險監(jiān)測預(yù)警體系，重點加強(qiáng)對流動性緊缺、加杠桿、債務(wù)和金融周期的監(jiān)測，把有系統(tǒng)重要性影響的因素、機(jī)構(gòu)、市場和設(shè)施都納入宏觀審慎管理。