楊 霞

（湖北工業(yè)大學(xué) 經(jīng)濟(jì)與政法學(xué)院，湖北 武漢 430068）

一、引言

美國金融危機(jī)蔓延全球，不斷發(fā)展演變，至今還深刻地影響著世界經(jīng)濟(jì)。此次危機(jī)留給金融業(yè)的一個(gè)重大教訓(xùn)就是即使每個(gè)金融機(jī)構(gòu)均健康運(yùn)行，也不能保證整個(gè)金融業(yè)系統(tǒng)的安全穩(wěn)健。以單個(gè)金融機(jī)構(gòu)為目標(biāo)的微觀審慎監(jiān)管體系低估甚至忽視了金融機(jī)構(gòu)的行為及其產(chǎn)生的金融風(fēng)險(xiǎn)的巨大外部性，因此，微觀審慎監(jiān)管無法防范系統(tǒng)性風(fēng)險(xiǎn)的爆發(fā)，甚至有可能帶來系統(tǒng)性風(fēng)險(xiǎn)的積聚。銀行業(yè)作為金融體系的主體，也是金融風(fēng)險(xiǎn)最為集中的領(lǐng)域，防范金融危機(jī)應(yīng)從防范和化解銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)入手。

科學(xué)地設(shè)計(jì)系統(tǒng)性風(fēng)險(xiǎn)測量指標(biāo)，正確識別和防范系統(tǒng)性風(fēng)險(xiǎn)，是加強(qiáng)宏觀審慎監(jiān)管的重要基礎(chǔ)。美國金融危機(jī)之前，對系統(tǒng)性風(fēng)險(xiǎn)的測量與預(yù)警研究雖已有之，但由于對系統(tǒng)性風(fēng)險(xiǎn)尚未形成準(zhǔn)確定義，關(guān)于風(fēng)險(xiǎn)的度量方法也比較零散，而且主要是宏觀整體層面的度量，未有從單個(gè)金融機(jī)構(gòu)考量對整個(gè)銀行業(yè)系統(tǒng)的影響。危機(jī)后的理論發(fā)展更加深化，研究視角更為開放，更多從銀行體系內(nèi)機(jī)構(gòu)之間的相互關(guān)聯(lián)性與傳染性視角出發(fā)，對系統(tǒng)性風(fēng)險(xiǎn)的發(fā)展演變路徑及方式做了深層次的測度與分析。但是，研究模型的實(shí)證效果尚不統(tǒng)一，風(fēng)險(xiǎn)的測量與監(jiān)管的實(shí)施尚未有機(jī)結(jié)合。本文通過對系統(tǒng)性風(fēng)險(xiǎn)的測量方法進(jìn)行系統(tǒng)性的回顧和總結(jié)，并選取不同測量方法分別對中美兩國的銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行實(shí)證研究，不僅有助于探討適于我國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)測量方法，也為進(jìn)一步加強(qiáng)對系統(tǒng)性風(fēng)險(xiǎn)的監(jiān)管，完善我國的宏觀審慎監(jiān)管體系提供支持。

二、文獻(xiàn)綜述

（一）銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)理論界定

目前，國際上對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)并沒有統(tǒng)一的、被普遍接受的定義。這一方面體現(xiàn)出對系統(tǒng)性風(fēng)險(xiǎn)的研究還比較有限，有待進(jìn)一步探索；另一方面也說明了系統(tǒng)性風(fēng)險(xiǎn)本身是一個(gè)復(fù)雜的問題。系統(tǒng)性風(fēng)險(xiǎn)（systemic risk）與我們通常講的系統(tǒng)風(fēng)險(xiǎn)（systematic risk）有著本質(zhì)的區(qū)別。“系統(tǒng)風(fēng)險(xiǎn)”指由共同的或普遍性的因素造成的資產(chǎn)波動性，有時(shí)又稱為不可分散風(fēng)險(xiǎn)或市場風(fēng)險(xiǎn)。在大量的可隨機(jī)選擇的資產(chǎn)中按分散化原則建立投資組合時(shí)，系統(tǒng)風(fēng)險(xiǎn)指該投資組合可以獲得的最低水平的風(fēng)險(xiǎn)。根據(jù)Kaufman和Scott的研究，系統(tǒng)性風(fēng)險(xiǎn)是指整個(gè)系統(tǒng)崩潰的風(fēng)險(xiǎn)或可能性，表現(xiàn)為系統(tǒng)中的大部分或所有組成部分的相關(guān)性［1］。De Bandt和Hartmann指出系統(tǒng)性風(fēng)險(xiǎn)的研究應(yīng)涵蓋銀行體系、金融市場與支付結(jié)算體系領(lǐng)域，包括傳染性的風(fēng)險(xiǎn)與共同沖擊風(fēng)險(xiǎn)［2］。所以，系統(tǒng)性金融風(fēng)險(xiǎn)中的“系統(tǒng)性”包涵兩方面的意義：一方面，是指一個(gè)事件影響了整個(gè)金融體系的正常運(yùn)作；另一方面，該事件還影響到看似不相干的第三方。

（二）系統(tǒng)性風(fēng)險(xiǎn)測量的相關(guān)研究

對系統(tǒng)性風(fēng)險(xiǎn)的量化是防范和管理風(fēng)險(xiǎn)的前提。在美國金融危機(jī)爆發(fā)之前，主要采取綜合指數(shù)法和預(yù)警分析法來度量系統(tǒng)性風(fēng)險(xiǎn)。如果對系統(tǒng)性風(fēng)險(xiǎn)的預(yù)警指標(biāo)設(shè)計(jì)科學(xué)，應(yīng)可以通過指標(biāo)計(jì)算有效地預(yù)測風(fēng)險(xiǎn)，防范危機(jī)。但是，美國金融危機(jī)的最終爆發(fā)并大規(guī)模蔓延顯示出傳統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)測量方法存在致命缺陷。危機(jī)之后，對系統(tǒng)性風(fēng)險(xiǎn)的識別與評估方法的研究逐漸深入，金融監(jiān)管當(dāng)局以及專家學(xué)者們提出了一系列測度系統(tǒng)性風(fēng)險(xiǎn)的新方法。但如上文所言，由于對系統(tǒng)性風(fēng)險(xiǎn)的定義本身就未達(dá)成共識，關(guān)于系統(tǒng)性風(fēng)險(xiǎn)的測量也未形成統(tǒng)一的方法和體系。

1．系統(tǒng)性風(fēng)險(xiǎn)測量的方法。一類是基于各類財(cái)務(wù)數(shù)據(jù)（如資產(chǎn)負(fù)債表數(shù)據(jù)、股票市場數(shù)據(jù)、債券衍生產(chǎn)品市場數(shù)據(jù)等）的指標(biāo)計(jì)算法。指標(biāo)分析法中，一種是通過考察金融機(jī)構(gòu)股票收益率的相關(guān)性變化，來衡量金融部門的系統(tǒng)性風(fēng)險(xiǎn)。如Alfred和Lehar運(yùn)用風(fēng)險(xiǎn)管理方法度量銀行系統(tǒng)性風(fēng)險(xiǎn)，該方法使用銀行資產(chǎn)間的相關(guān)系數(shù)測量系統(tǒng)性風(fēng)險(xiǎn)的傳染，通過模擬銀行資產(chǎn)的波動，考察在滿足一定的資產(chǎn)條件和數(shù)目條件下，系統(tǒng)性風(fēng)險(xiǎn)發(fā)生的概率［3］。另一種是通過金融機(jī)構(gòu)資產(chǎn)收益在統(tǒng)計(jì)上的尾部行為（statistical tail behavior）來測度系統(tǒng)性風(fēng)險(xiǎn)。如Adrian和Brunnermeier基于風(fēng)險(xiǎn)價(jià)值（value at risk，VaR）提出的條件風(fēng)險(xiǎn)價(jià)值（CoVaR）①是度量其他金融市場或金融機(jī)構(gòu)在危機(jī)或高風(fēng)險(xiǎn)條件下投資組合損失的方法［4］。與傳統(tǒng)VaR方法不同的是，CoVaR方法運(yùn)用VaR的方法和框架研究風(fēng)險(xiǎn)溢出效應(yīng)，以條件VaR的數(shù)值表示風(fēng)險(xiǎn)溢出強(qiáng)度的大小。還有，Acharya等基于期望損失（expected shortfall，ES）提出的系統(tǒng)性期望損失（systemic expected shortfall，SES）和邊際期望損失（marginal expected shortfall，MES）方法，SES和MES考慮了金融機(jī)構(gòu)杠桿率對系統(tǒng)性風(fēng)險(xiǎn)和金融機(jī)構(gòu)的邊際風(fēng)險(xiǎn)貢獻(xiàn)的影響，并基于微觀經(jīng)濟(jì)理論模型和極值理論證明了可以通過未發(fā)生金融危機(jī)時(shí)各金融機(jī)構(gòu)的邊際期望損失和杠桿率，預(yù)測發(fā)生系統(tǒng)性金融危機(jī)時(shí)金融機(jī)構(gòu)對整個(gè)系統(tǒng)的邊際風(fēng)險(xiǎn)貢獻(xiàn)［5］。危機(jī)后SES和 MES方法得到了學(xué)者們的廣泛推崇，如Brownlees和Engle［6］，Tarashev et al［7］。

另一類是基于金融機(jī)構(gòu)之間實(shí)際資產(chǎn)負(fù)債關(guān)聯(lián)的網(wǎng)絡(luò)分析法（network analysis approach）。網(wǎng)絡(luò)分析法利用銀行間的雙邊資產(chǎn)負(fù)債敞口，通過模擬銀行網(wǎng)絡(luò)體系中單個(gè)或多個(gè)銀行作為系統(tǒng)性風(fēng)險(xiǎn)誘發(fā)因素導(dǎo)致的銀行破產(chǎn)數(shù)量、破產(chǎn)損失以及誘發(fā)系統(tǒng)性危機(jī)的難易程度，衡量銀行體系的傳染風(fēng)險(xiǎn)（Degryse和 Nguyen［8］、Upper［9］［10］、Mistrulli［11］、黃炎，李善民等［12］），以及單個(gè)銀行對銀行部門的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)和相對系統(tǒng)重要性程度（IMF［13］、范小云等［14］）。IMF借鑒Sundararajan的研究成果，選取了36家銀行為樣本，以1998～2008年的相關(guān)數(shù)據(jù)，從資本充足率、資產(chǎn)質(zhì)量、流動性、杠桿率、盈利能力和股票市場表現(xiàn)六個(gè)方面對監(jiān)管銀行和被監(jiān)管銀行進(jìn)行了差別比較。研究結(jié)果表明，杠桿率是最可靠的預(yù)測系統(tǒng)性風(fēng)險(xiǎn)的指標(biāo)之一；貸款準(zhǔn)備金和資產(chǎn)回報(bào)率表現(xiàn)出了一定的預(yù)測能力，而資本充足率、流動性、非獲利貸款和股權(quán)收益率均未顯示出預(yù)測能力［15］。

2．系統(tǒng)性風(fēng)險(xiǎn)測量的難點(diǎn)。系統(tǒng)性風(fēng)險(xiǎn)的測量存在如下的難點(diǎn)：（1）系統(tǒng)性風(fēng)險(xiǎn)的識別與界定。理論界對系統(tǒng)性風(fēng)險(xiǎn)的界定還存在爭議，即系統(tǒng)性風(fēng)險(xiǎn)發(fā)生與結(jié)束的時(shí)間難以準(zhǔn)確界定。多數(shù)文獻(xiàn)都承認(rèn)由于缺乏銀行金融活動的可靠數(shù)據(jù)，通過建立一個(gè)時(shí)間序列指數(shù)來識別銀行危機(jī)的難度很大?，F(xiàn)有的風(fēng)險(xiǎn)界定理論都以事件為基礎(chǔ)來界定系統(tǒng)性風(fēng)險(xiǎn)，但事件分析存在一定的缺陷，如事件分析法收集的數(shù)據(jù)都是事后的數(shù)據(jù)，無法明確界定風(fēng)險(xiǎn)事件的爆發(fā)時(shí)間與系統(tǒng)性風(fēng)險(xiǎn)的結(jié)束時(shí)間，采用的標(biāo)準(zhǔn)不同，得到風(fēng)險(xiǎn)期間則不同。（2）數(shù)據(jù)可得性。由于銀行體系的保密性，如銀行相關(guān)的數(shù)據(jù)難以獲得，這也導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)測量存在困難。銀行數(shù)據(jù)的不同，導(dǎo)致測量的方法不同。如風(fēng)險(xiǎn)是否爆發(fā)如果采用0，1來表示，那么可以采用Logit模型來進(jìn)行分析，但由于各國的實(shí)際情況以及數(shù)據(jù)的獲得性，在很多條件下，很難采用Logit模型來進(jìn)行模擬和研究。

綜上所述，既有的研究更多將這二者的關(guān)系割裂開來，也就不能很好地將銀行系統(tǒng)性風(fēng)險(xiǎn)的觸發(fā)機(jī)制與傳染機(jī)制結(jié)合起來，因此，本文將探討如何將銀行的微觀風(fēng)險(xiǎn)度量模型（VaR）與銀行系統(tǒng)性風(fēng)險(xiǎn)的測度結(jié)合起來，以及如何將宏觀審慎指標(biāo)與銀行體系微觀特征結(jié)合起來以共同對銀行系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行測度。

三、美國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的實(shí)證研究

次貸危機(jī)的發(fā)生及蔓延說明美國金融體系存在巨大的系統(tǒng)性風(fēng)險(xiǎn)。導(dǎo)致美國次貸危機(jī)的原因有：寬松的貨幣政策、發(fā)達(dá)的金融衍生交易市場、風(fēng)險(xiǎn)管理機(jī)制不健全以及金融監(jiān)管的缺位，這其中最重要的原因是對系統(tǒng)性金融風(fēng)險(xiǎn)防范的忽視導(dǎo)致宏觀審慎監(jiān)管不足。由于數(shù)據(jù)可得性原因，本文將采用指標(biāo)體系的研究方法來探討美國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)。

（一）數(shù)據(jù)來源

本部分的數(shù)據(jù)主要來源于BvD數(shù)據(jù)庫、IMF數(shù)據(jù)庫以及世界銀行WDI數(shù)據(jù)庫等。本文收集的樣本數(shù)據(jù)時(shí)間段為1995～2010年，所有數(shù)據(jù)均以年度為單位。本文使用的統(tǒng)計(jì)工具為EVIEWS6．0。

（二）變量的選擇

本文從系統(tǒng)性風(fēng)險(xiǎn)的微觀基礎(chǔ)來進(jìn)行衡量，所以選擇如下變量：CREDIT代表銀行存款增長率，表示銀行的流動性風(fēng)險(xiǎn)。銀行存款增長越快，代表銀行流動性越強(qiáng)，系統(tǒng)性風(fēng)險(xiǎn)越小。NPR代表不良貸款率，表示銀行的信用風(fēng)險(xiǎn)。銀行不良貸款率上升越快，代表銀行信用風(fēng)險(xiǎn)越高，系統(tǒng)性風(fēng)險(xiǎn)越高。CAR代表資本充足率，表示銀行的資本充足的程度。銀行資本充足率越高，代表銀行抵抗風(fēng)險(xiǎn)的能力越強(qiáng)，系統(tǒng)性風(fēng)險(xiǎn)越低。

（三）實(shí)證模型

利用上述變量進(jìn)行美國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的衡量，可得到代表系統(tǒng)性風(fēng)險(xiǎn)的指數(shù)Z：

其中：Uct代表CREDIT的期望值；Unt代表NPR的期望值；Urt代表CAR的期望值。σct代表CREDIT的方差；σnt代表NPR的方差；σrt代表CREDIT的方差。

（四）計(jì)算結(jié)果

利用式（1），可得到1995～2010年美國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的評估值如表1。根據(jù)系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)Z的定義，可以發(fā)現(xiàn)美國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)變化較大，與危機(jī)的發(fā)展趨勢是一致的。1997年受亞洲金融危機(jī)的影響，美國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)上升；隨著美國經(jīng)濟(jì)和全球經(jīng)濟(jì)的復(fù)蘇，美國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)在1998年后逐漸下降；2004年之后，系統(tǒng)性風(fēng)險(xiǎn)重新集聚，到2007年集中爆發(fā)，最終導(dǎo)致美國銀行業(yè)受到重創(chuàng)；危機(jī)之后，經(jīng)過一系列政策的干預(yù)與調(diào)整，系統(tǒng)性風(fēng)險(xiǎn)有所好轉(zhuǎn)，但美國銀行業(yè)仍處于不穩(wěn)定狀態(tài)。

表1 美國系統(tǒng)性風(fēng)險(xiǎn)評估值

為了界定系統(tǒng)性風(fēng)險(xiǎn)的值所對應(yīng)的金融狀態(tài)，把Z值定義如下：

表2 系統(tǒng)性風(fēng)險(xiǎn)狀態(tài)臨界表

四、中國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的實(shí)證研究

（一）系統(tǒng)性風(fēng)險(xiǎn)測量模型的選擇

本文利用CoVaR法來探討我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響因素。傳統(tǒng)對市場風(fēng)險(xiǎn)的測量主要利用VaR來測量某一資產(chǎn)或投資組合在未來某個(gè)時(shí)點(diǎn)的可能損失。為了衡量多項(xiàng)資產(chǎn)或投資之間的相互影響及其風(fēng)險(xiǎn)，Adrian和Brunnermeier提出的CoVaR模型表示的是在給定置信水平1－q下，當(dāng)銀行i的損失為VaR時(shí)，銀行j的損失為CoVa。CoVa的本質(zhì)是條件VaR［4］。當(dāng)銀行i出現(xiàn)VaR的損失時(shí)，其對銀行j的影響我們定義為風(fēng)險(xiǎn)溢出值：

在式（2）中，i與j代表任意銀行，因此，我們能夠利用上式來計(jì)算銀行之間的系統(tǒng)性風(fēng)險(xiǎn)。

（二）數(shù)據(jù)來源

本部分選取滬深兩市2005年1月1日到2010年12月20日10家上市銀行②的收盤價(jià)數(shù)據(jù)作為樣本，數(shù)據(jù)來源于Wind數(shù)據(jù)庫。本文利用Eviews6．0和Stata 10進(jìn)行數(shù)據(jù)分析和處理。

（三）系統(tǒng)性風(fēng)險(xiǎn)的測量

首先對上述樣本數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果表明在1%的置信水平下，所有樣本銀行的收益率數(shù)據(jù)都拒絕單位根檢驗(yàn)，為平穩(wěn)數(shù)據(jù)。因此，可以利用GARCH模型來計(jì)算各銀行的VaR、CoVaR和ΔCoVaR，得到的結(jié)果見表3：

表3 我國銀行收益率（1%置信水平）

通過表3可知，工商銀行、建設(shè)銀行、中國銀行以及農(nóng)業(yè)銀行日均VaR損失最小，寧波銀行和北京銀行日均VaR損失最大。其他股份制銀行的日均VaR損失居中，這說明中小銀行的潛在風(fēng)險(xiǎn)較高，損失的可能性更高。另外，當(dāng)工商銀行、建設(shè)銀行、中國銀行以及農(nóng)業(yè)銀行其中某一家銀行發(fā)生風(fēng)險(xiǎn)時(shí)，其對系統(tǒng)性風(fēng)險(xiǎn)的影響較大，而中小銀行發(fā)生風(fēng)險(xiǎn)后，其對系統(tǒng)性風(fēng)險(xiǎn)的影響較小。這是因?yàn)橐再Y產(chǎn)規(guī)模來計(jì)算，中農(nóng)工建四大國有商業(yè)銀行的資產(chǎn)規(guī)模2005年底為191 532．2億元，產(chǎn)業(yè)集中度CR高達(dá)55%。2007年我國四大商業(yè)銀行運(yùn)用的人民幣資金占到整個(gè)金融體系人民幣資金運(yùn)用總量的75%③。這四家銀行在我國金融市場上占主導(dǎo)地位，發(fā)揮著系統(tǒng)性的重要作用。

（四）系統(tǒng)性風(fēng)險(xiǎn)的影響因素分析

1．變量選擇。（1）資產(chǎn)收益率（ROA）。銀行的系統(tǒng)性風(fēng)險(xiǎn)與銀行的資產(chǎn)收益率有關(guān)，銀行收益率越高，銀行的系統(tǒng)性風(fēng)險(xiǎn)相對較小。（2）不良貸款率（NPL）。該指標(biāo)衡量的是銀行貸款違約的風(fēng)險(xiǎn)，銀行貸款違約風(fēng)險(xiǎn)上升將導(dǎo)致銀行系統(tǒng)性風(fēng)險(xiǎn)上升。（3）杠桿率（存貸款比例，LEVERAGE）。銀行存貸款比例代表的是銀行的流動性，按照中國人民銀行的規(guī)定，我國商業(yè)銀行的貸款與存款比例不能超過75%。存貸款比率的上升將導(dǎo)致銀行系統(tǒng)性風(fēng)險(xiǎn)的上升。（4）資產(chǎn)規(guī)模（ASSET）。銀行資產(chǎn)規(guī)模越大，其對系統(tǒng)性風(fēng)險(xiǎn)的影響越大。（5）市場風(fēng)險(xiǎn)（VaR）。單一銀行的市場風(fēng)險(xiǎn)的上升將導(dǎo)致銀行業(yè)整體風(fēng)險(xiǎn)的上升。同時(shí)，考慮到風(fēng)險(xiǎn)的滯后效應(yīng)，我們將引入滯后一期的VaR1作為解釋變量。（6）經(jīng)濟(jì)增長率（GDP）。為了衡量一個(gè)國家或地區(qū)經(jīng)濟(jì)增長因素對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響，我們引入經(jīng)濟(jì)增長率變量。當(dāng)一個(gè)國家或地區(qū)經(jīng)濟(jì)增長比較快時(shí)，銀行業(yè)利潤上升，其系統(tǒng)性風(fēng)險(xiǎn)將會下降。

2．實(shí)證模型。根據(jù)上文分析，筆者構(gòu)建如下分析模型：

上式中，αit為截距項(xiàng)，αi（i＝1，…，7）為回歸系數(shù)，λi代表不可觀測的時(shí)間效應(yīng)，它解釋了沒有被包括在回歸模型中和時(shí)間有關(guān)的效應(yīng)。εit是隨機(jī)擾動項(xiàng)。其他變量的含義如上介紹。

3．?dāng)?shù)據(jù)來源。本部分選取滬深兩市10家上市銀行的季度數(shù)據(jù)作為樣本，數(shù)據(jù)來源于Wind數(shù)據(jù)庫、銀監(jiān)會的統(tǒng)計(jì)數(shù)據(jù)、BvD數(shù)據(jù)庫、中經(jīng)數(shù)據(jù)庫、中國人民銀行統(tǒng)計(jì)季報(bào)，時(shí)間段為2005年第1季度到2010年第4季度。

4．實(shí)證分析結(jié)果。利用上述10家上市銀行的數(shù)據(jù)，結(jié)合模型（3）我們來進(jìn)行實(shí)證分析。我們使用的統(tǒng)計(jì)工具是Eviews6．0和Stata 10。

首先，對數(shù)據(jù)的平穩(wěn)性進(jìn)行檢驗(yàn)，發(fā)現(xiàn)數(shù)據(jù)為平穩(wěn)的。在數(shù)據(jù)處理過程中，對資產(chǎn)規(guī)模（ASSET）取對數(shù)進(jìn)行運(yùn)算。其次，我們對上述面板數(shù)據(jù)進(jìn)行豪斯曼檢驗(yàn)（Hausman test）來判斷模型是固定效應(yīng)估計(jì)（fixed effects estimates）還是隨機(jī)效應(yīng)估計(jì)（random effects estimates）的，結(jié)果表明，模型是隨機(jī)效應(yīng)的。最后，把數(shù)據(jù)代入模型，得到的結(jié)果如下：

表4 系統(tǒng)性風(fēng)險(xiǎn)影響因素實(shí)證結(jié)果

通過表3的實(shí)證結(jié)果可以得到，單個(gè)銀行的VaR值對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)有正的影響，單個(gè)銀行的市場風(fēng)險(xiǎn)的上升將導(dǎo)致銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的上升，并且由于風(fēng)險(xiǎn)的滯后性，滯后一期VaR值仍然對系統(tǒng)性風(fēng)險(xiǎn)有正的影響。這是由于我國銀行經(jīng)營體制比較類似，單個(gè)銀行的風(fēng)險(xiǎn)會傳遞給其他銀行。單個(gè)銀行收益率的上升將導(dǎo)致銀行業(yè)系統(tǒng)性性風(fēng)險(xiǎn)的下降，因此變量與系統(tǒng)性風(fēng)險(xiǎn)存在負(fù)的相關(guān)性。單個(gè)銀行的貸款不良率的上升將導(dǎo)致銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的上升，因此，與系統(tǒng)性風(fēng)險(xiǎn)存在正的相關(guān)性。單個(gè)銀行的存貸款比例（杠桿率）的上升表明銀行信貸的擴(kuò)展，這將導(dǎo)致銀行的風(fēng)險(xiǎn)上升，進(jìn)而導(dǎo)致銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的上升，因此，與系統(tǒng)性風(fēng)險(xiǎn)存在正的相關(guān)性。單個(gè)銀行的資產(chǎn)規(guī)模與系統(tǒng)性風(fēng)險(xiǎn)存在正的相關(guān)性，即銀行規(guī)模越大，其對系統(tǒng)性風(fēng)險(xiǎn)的影響也越大，這也與表3研究結(jié)果相吻合。我國經(jīng)濟(jì)的快速增長將促使銀行業(yè)快速發(fā)展，降低銀行業(yè)的風(fēng)險(xiǎn)，因此，與系統(tǒng)性風(fēng)險(xiǎn)直接存在負(fù)的相關(guān)性。

五、結(jié)論與政策建議

本文借鑒指標(biāo)體系的研究方法來測量美國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)，同時(shí)，利用CoVaR法來探討我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響因素。實(shí)證研究表明美國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)變化較大，與危機(jī)的發(fā)展趨勢基本一致。在我國，銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)尚在可控范圍之內(nèi)，但也會受到多項(xiàng)指標(biāo)的影響。比如單個(gè)銀行市場風(fēng)險(xiǎn)的上升、不良貸款率的提高、存貸款比例擴(kuò)大、資產(chǎn)的提高都會帶來系統(tǒng)性風(fēng)險(xiǎn)的上升，而單個(gè)銀行收益率的上升、我國經(jīng)濟(jì)的快速增長會降低銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)。

此外，我國還應(yīng)從政策層面上加強(qiáng)監(jiān)管，防范系統(tǒng)性風(fēng)險(xiǎn)的爆發(fā)。一是賦予中國人民銀行更大的系統(tǒng)性風(fēng)險(xiǎn)監(jiān)管職能。在我國，能對金融穩(wěn)定構(gòu)成嚴(yán)重威脅的系統(tǒng)性風(fēng)險(xiǎn)可能不多，但中國金融體系仍然難以避免外部風(fēng)險(xiǎn)沖擊，要對可能產(chǎn)生的系統(tǒng)性風(fēng)險(xiǎn)予以防范。中國人民銀行一直以來承擔(dān)著防范和化解系統(tǒng)性金融風(fēng)險(xiǎn)、維護(hù)金融體系穩(wěn)定的職責(zé)，擁有金融監(jiān)管的信息、經(jīng)驗(yàn)、技術(shù)和人才等優(yōu)勢，理應(yīng)成為宏觀審慎監(jiān)管的牽頭人。因此，我國應(yīng)進(jìn)一步賦予中國人民銀行廣泛的監(jiān)管權(quán)力，確保其宏觀審慎監(jiān)管的主體地位，使其在金融監(jiān)管中發(fā)揮重要作用，有效防范系統(tǒng)性風(fēng)險(xiǎn)，確保金融體系穩(wěn)健運(yùn)行，促進(jìn)實(shí)體經(jīng)濟(jì)的發(fā)展。

二是要加強(qiáng)系統(tǒng)性風(fēng)險(xiǎn)預(yù)警機(jī)制的建設(shè)。風(fēng)險(xiǎn)預(yù)警機(jī)制建設(shè)是防范系統(tǒng)性風(fēng)險(xiǎn)的重要舉措，通過對相關(guān)指標(biāo)的監(jiān)測，可以提高對系統(tǒng)性風(fēng)險(xiǎn)的識別能力和預(yù)測水平。金融監(jiān)管部門要加強(qiáng)金融統(tǒng)計(jì)基礎(chǔ)數(shù)據(jù)的收集整理，尤其關(guān)注那些與風(fēng)險(xiǎn)密切相關(guān)數(shù)據(jù)的變化?？茖W(xué)合理地選擇系統(tǒng)性風(fēng)險(xiǎn)的表征指標(biāo)，及時(shí)跟蹤指標(biāo)的變化，借鑒國際先進(jìn)的經(jīng)驗(yàn)，不斷完善對系統(tǒng)性風(fēng)險(xiǎn)的測量及預(yù)警機(jī)制。

三是對系統(tǒng)重要性銀行采取更為嚴(yán)格的監(jiān)管。首先，應(yīng)明確界定我國的全球系統(tǒng)重要性金融機(jī)構(gòu)（G-SIFIs）和國內(nèi)系統(tǒng)重要性金融機(jī)構(gòu)（D-SIFIs），對此的識別、評估除了傳統(tǒng)的銀行資產(chǎn)規(guī)模指標(biāo)以外，還應(yīng)考慮復(fù)雜性、內(nèi)外關(guān)聯(lián)性等因素；然后，對由此甄別出來的“系統(tǒng)重要性金融機(jī)構(gòu)”實(shí)行附加資本要求、擴(kuò)大風(fēng)險(xiǎn)資產(chǎn)的覆蓋面；此外，還應(yīng)對大銀行的組織架構(gòu)和業(yè)務(wù)結(jié)構(gòu)的過度復(fù)雜化進(jìn)行監(jiān)管，以維持金融系統(tǒng)的穩(wěn)定。要建立一整套事前防范、事后應(yīng)急處理的措施，一旦系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)，能夠迅速限制其外溢效應(yīng)，降低風(fēng)險(xiǎn)的蔓延。

注釋：

① “Co”包含四層含義：條件（conditional）、聯(lián)動（comovement）、傳染（contagion）、貢獻(xiàn)（contribution），CoVaR中的“Co”是指條件（conditional）。

②10家銀行分別是中國工商銀行、建設(shè)銀行、中國銀行、農(nóng)業(yè)銀行、交通銀行、招商銀行、民生銀行、中信銀行、寧波銀行與北京銀行。下同。

③ 數(shù)據(jù)根據(jù)《中國金融年鑒》的相關(guān)數(shù)據(jù)計(jì)算得到。

［1］Kaufman，G．，Scott，E．．What is Systemic Risk，and Do Bank Regulators Retard or Contribute to It？［J］．The Independent Review，2003，（3）：371—391．

［2］De Bandt O．，Hartmann P．．Systemic Risk：ASurvey［Z］．European Central Bank Working Paper，2000．

［3］Lehar，Alfred．Measuring Systemic Risk：ARisk Management Approach［J］．Journal of Banking ＆Finance，2005，（29）：2577—2603．

［4］Adrian Tobias，Markus Brunnermeier．CoVaR［Z］．Federal Reserve Bank of New York Working Paper No．348，2009．［5］Acharya V．．ATheory of Systemic Risk and Design of Prudential Bank Regulation［J］．Journal of Financial Stability，2009，（5）：224—225．

［6］Brownlees C．T．，R．F．Engle．Volatility，Correlation and Tails for Systemic Risk Measurement［Z］．IMF Working Paper，2010．

［7］Tarashev，Nikola，Claudio Borio，Kostas Tsatsaronis．Attributing Systemic Risk to Individual Institutions［Z］．BIS Working Papers，No．308，2011．

［8］Degryse H．，Nguyen G．．Interbank Exposures：An Empirical Examination of Systemic Risk in the Belgian Banking System［J］．International Journal of Central Banking，2007，（3）：123—171．

［9］Upper，Christian．Using Counterfactual Simulations to Assess the Danger of Contagion in Inter-bank Markets［Z］．Bank for International Settlements Working Paper No．234，2007．

［10］Upper，Christian．Simulation Methods to Assess the Danger of Contagion in Interbank Markets［J］．Journal of Financial Stability，2011，（8）：111—125．

［11］Mistrulli，Paolo Emilio．Assessing Financial Contagion in the Interbank Market：Maximum Entropy Versus Observed Interbank Lending Patterns［J］．Journal of Banking ＆ Finance，2011，35（5）：1114—1127．

［12］黃炎，李善民．美國金融監(jiān)管改革方案述評［J］．中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2011，（4）：85—89．

［13］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)于杠桿率的研究［J］．南開經(jīng)濟(jì)研究，2011，（4）：3—20．

［14］IMF．Global Financial Stability Report：Responding to the Financial Crisis and Measuring Syatemic Risk［Z］．Working Paper，2009．