馬亞明 宋羚娜

(天津財經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院，天津 300222)

金融網(wǎng)絡(luò)關(guān)聯(lián)與我國影子銀行的風(fēng)險溢出效應(yīng)——基于GARCH-Copula-CoVaR模型的分析

馬亞明 宋羚娜

(天津財經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院，天津 300222)

在系統(tǒng)闡述我國影子銀行體系的特征及其與傳統(tǒng)商業(yè)銀行的關(guān)聯(lián)性基礎(chǔ)上，采用GARCH-Copula-CoVaR拓展模型測度我國各類影子銀行機(jī)構(gòu)對傳統(tǒng)商業(yè)銀行的系統(tǒng)性風(fēng)險溢出及其動態(tài)效應(yīng)。結(jié)果表明：證券類影子銀行對我國商業(yè)銀行的風(fēng)險溢出效應(yīng)最大，其次是信托業(yè)，最后是民間借貸類機(jī)構(gòu)。整體而言，各類影子銀行的風(fēng)險溢出強(qiáng)度處于可控狀態(tài)，但在2015年的股災(zāi)中，其風(fēng)險溢出效應(yīng)明顯增強(qiáng)。

影子銀行；商業(yè)銀行；系統(tǒng)性風(fēng)險；風(fēng)險溢出效應(yīng)

一、引言

在對傳統(tǒng)商業(yè)銀行融資進(jìn)行有益的補(bǔ)充的同時，影子銀行也充當(dāng)貨幣資金體外循環(huán)與“貨幣窖藏”的通道，使大量資金囤積在虛擬經(jīng)濟(jì)領(lǐng)域，進(jìn)而助長資產(chǎn)泡沫的形成。在股票市場的場外配資以及非理性增長的房地產(chǎn)市場中，均有影子銀行的“身影”。Turner(2012)證實，影子銀行增加了金融工具的交易環(huán)節(jié)，使得交易鏈條延長，將影子銀行的風(fēng)險轉(zhuǎn)移到了商業(yè)銀行、保險等傳統(tǒng)金融部門，而在這個過程中如果存在過度交易、監(jiān)管不力的情況，就會導(dǎo)致風(fēng)險大量聚集到傳統(tǒng)金融部門，使得金融系統(tǒng)不穩(wěn)定，可能引發(fā)金融危機(jī)。影子銀行在其產(chǎn)品設(shè)計和信息披露方面存在不透明性，表現(xiàn)為高杠桿操作、期限結(jié)構(gòu)極端錯配和過度創(chuàng)新等特征，因而具有內(nèi)在的脆弱性，再加上現(xiàn)代金融體系的復(fù)雜關(guān)聯(lián)結(jié)構(gòu)、信息傳染途徑和資產(chǎn)價格波動途徑等，極易導(dǎo)致風(fēng)險在整個金融體系內(nèi)擴(kuò)散。一旦影子銀行體系爆發(fā)局部危機(jī)，投資者信心喪失和資產(chǎn)價格崩潰會導(dǎo)致信用鏈條斷裂，在影子銀行遭到市場擠兌時，商業(yè)銀行就會通過出售金融資產(chǎn)的去杠桿化方式來減少損失，但去杠桿化會加劇金融資產(chǎn)價格的下跌和企業(yè)財富的縮水，進(jìn)一步加劇信貸緊縮，進(jìn)而可能演變?yōu)檎麄€金融體系的系統(tǒng)性風(fēng)險。李政(2016)等通過網(wǎng)絡(luò)分析法發(fā)現(xiàn)，2012年以來，我國影子銀行與其他金融機(jī)構(gòu)的關(guān)聯(lián)性呈現(xiàn)明顯的上升趨勢，2014 年的關(guān)聯(lián)程度甚至超過了金融危機(jī)期間。據(jù)穆迪估算，截至2016年底，我國影子銀行的規(guī)模達(dá)到64.5萬億元人民幣，占GDP的87%。由于規(guī)模的急劇擴(kuò)張以及與商業(yè)銀行千絲萬縷的聯(lián)系，我國影子銀行潛在的風(fēng)險或者在桌面下的風(fēng)險遠(yuǎn)比我們實際看到的大得多，在我國經(jīng)濟(jì)步入“新常態(tài)”的背景下，測度其累積的系統(tǒng)性風(fēng)險及其對傳統(tǒng)商業(yè)銀行的風(fēng)險外溢效應(yīng)，對維護(hù)我國金融的安全與穩(wěn)定無疑具有重要的理論價值與現(xiàn)實意義。

二、文獻(xiàn)綜述

美國金融危機(jī)調(diào)查委員會(FCIC)2010年曾指出，由于高杠桿、依賴短期資金市場、缺乏明確的政府支持等原因，影子銀行體系在金融動蕩下極度脆弱，容易傳導(dǎo)到商業(yè)銀行體系，引發(fā)金融危機(jī)。Bernanke(2010)提出，影子銀行體系與傳統(tǒng)銀行體系的競爭與合作，促使商業(yè)銀行過度冒險或深度參與運(yùn)作，突破了其傳統(tǒng)的經(jīng)營邊界，從而導(dǎo)致了系統(tǒng)的不穩(wěn)定性。Schwarcz(2012)認(rèn)為，影子銀行體系容易引發(fā)風(fēng)險的原因是，在復(fù)雜的金融體系下，眾多的金融機(jī)構(gòu)參與其中，導(dǎo)致了市場分割、關(guān)聯(lián)性和不透明性，市場主體無法有效地處理信息，市場恐慌易被觸發(fā)并鏈?zhǔn)絺鬟f，形成系統(tǒng)性風(fēng)險。我國的影子銀行根植于傳統(tǒng)的商業(yè)銀行，與國外相比有著完全不同的特征和形態(tài)，最本質(zhì)的差異在于我國影子銀行體系受商業(yè)銀行主導(dǎo)，因而與商業(yè)銀行之間存在更密切的關(guān)聯(lián)關(guān)系。陸曉明(2014)認(rèn)為，我國影子銀行雖然獨(dú)立于商業(yè)銀行，但兩者在所有權(quán)、客戶、資金等方面都存在“你中有我，我中有你”的特征，進(jìn)而為商業(yè)銀行留下風(fēng)險敞口；不僅如此，由于影子銀行的通道業(yè)務(wù)、同業(yè)業(yè)務(wù)以及商業(yè)銀行非標(biāo)證券化業(yè)務(wù)的急劇擴(kuò)張，我國影子銀行部門與商業(yè)銀行的系統(tǒng)關(guān)聯(lián)性還在不斷增強(qiáng)。龔明華等(2011)認(rèn)為，影子銀行與傳統(tǒng)銀行體系的業(yè)務(wù)界限日益模糊，商業(yè)銀行深度參與影子銀行的各項業(yè)務(wù)，因而風(fēng)險交叉?zhèn)魅静豢杀苊?。毛澤盛?2012)發(fā)現(xiàn)，我國影子銀行規(guī)模與銀行體系穩(wěn)定性之間存在閾值效應(yīng)，當(dāng)影子銀行規(guī)模大于 6.07 萬億元人民幣時，會降低銀行體系的穩(wěn)定性。宋巍等(2012)利用 CoVaR 和面板數(shù)據(jù)模型，考察了外部影子銀行和內(nèi)部影子銀行體系對商業(yè)銀行的風(fēng)險溢出效應(yīng)，結(jié)果表明，考慮影子銀行對商業(yè)銀行的風(fēng)險溢出后，商業(yè)銀行的風(fēng)險值將明顯增大，而且各影子銀行對國有大型商業(yè)銀行風(fēng)險溢出強(qiáng)度尤為顯著。林琳等(2015)以D-D模型為基礎(chǔ)，構(gòu)建一個包含商業(yè)銀行和影子銀行的金融復(fù)雜網(wǎng)絡(luò)系統(tǒng)模型，通過仿真實驗發(fā)現(xiàn)：影子銀行的出現(xiàn)和參與增大了商業(yè)銀行系統(tǒng)的脆弱性；而且，影子銀行與商業(yè)銀行關(guān)聯(lián)的規(guī)模越大，商業(yè)銀行被傳染的可能性和風(fēng)險越大。李叢文等(2015)將偏 t分布引入 GARCH 殘差項模型，測度了各類型影子銀行對商業(yè)銀行的整體以及局部動態(tài)風(fēng)險溢出效應(yīng)，結(jié)果表明，信托類影子銀行的風(fēng)險溢出最大，而且影子銀行系統(tǒng)對股份制商業(yè)銀行的風(fēng)險溢出最高。涂曉楓等(2016)以我國16 家上市銀行為樣本進(jìn)行的研究表明，銀行的影子業(yè)務(wù)與銀行系統(tǒng)性風(fēng)險之間呈顯著的U型關(guān)系，銀行的影子規(guī)模不斷增大會造成銀行之間的關(guān)聯(lián)性過高，風(fēng)險傳染會放大該銀行的系統(tǒng)性風(fēng)險。

2008年全球金融危機(jī)爆發(fā)以后，不同金融領(lǐng)域內(nèi)的風(fēng)險擴(kuò)散傳遞成為研究的熱點(diǎn)，定量測度不同金融子系統(tǒng)間的風(fēng)險傳染效應(yīng)引起國內(nèi)外學(xué)者的普遍關(guān)注。主要研究方法有結(jié)構(gòu)化方法和簡化性方法兩類。結(jié)構(gòu)化方法即利用資產(chǎn)負(fù)債表中的數(shù)據(jù)來衡量單個銀行對銀行系統(tǒng)的風(fēng)險溢出效應(yīng)。相對于結(jié)構(gòu)化方法，簡化方法采用市場數(shù)據(jù)對機(jī)構(gòu)的未來表現(xiàn)進(jìn)行預(yù)期估計，成本低，能更準(zhǔn)確地測度金融系統(tǒng)性風(fēng)險水平。Adrian et al.(2008)采用條件風(fēng)險價值模型來度量單一機(jī)構(gòu)陷入極端危機(jī)時整個系統(tǒng)的風(fēng)險外溢程度，填補(bǔ)了機(jī)構(gòu)之間系統(tǒng)性風(fēng)險測度的空白。但該方法不具有可加性，單個機(jī)構(gòu)測度的風(fēng)險價值之和并不能反映整個系統(tǒng)的風(fēng)險價值?；诖?，Tarashev(2009)采用Shapley值分解法來評估系統(tǒng)性風(fēng)險水平，但存在著機(jī)構(gòu)數(shù)目眾多和計算負(fù)擔(dān)重的嚴(yán)重弊端，因此只能應(yīng)用于簡單數(shù)量機(jī)構(gòu)間的風(fēng)險水平測度。Acharya et al.(2010)提出了邊際期望損失(MES)的概念來測度單個機(jī)構(gòu)的邊際貢獻(xiàn)度，其局限性在于無法得到整個系統(tǒng)的系統(tǒng)性風(fēng)險貢獻(xiàn)度。楊有振等(2013)采用分歸的方法計算了我國商業(yè)銀行的系統(tǒng)性風(fēng)險溢出程度，但這種方法對殘差的假設(shè)往往忽略了金融時間序列普遍存在的GARCH效應(yīng)。針對此假設(shè)缺陷，章番(2014)利用多元DCC-GARCH模型來估計邊際貢獻(xiàn)度，更加準(zhǔn)確描述極端情況下的系統(tǒng)期望損失。GARCH模型能夠很好地刻畫金融時間序列波動聚集效應(yīng)，但其存在的參數(shù)估計、邊緣分布等局限性仍然不能準(zhǔn)確地描述金融系統(tǒng)內(nèi)的估計值。李叢文等(2015)基于我國影子銀行的特點(diǎn)與主要業(yè)務(wù)，認(rèn)為CoVaR在測度影子銀行系統(tǒng)風(fēng)險溢出方面更加貼近我國現(xiàn)實。因此，本文擬在CoVaR基礎(chǔ)上構(gòu)建GARCH模型，并引入Copula連接函數(shù)來描述金融市場系統(tǒng)風(fēng)險的非線性相依結(jié)構(gòu)，即結(jié)合GARCH模型和Copula函數(shù)對CoVaR進(jìn)行計算，測度我國影子銀行對商業(yè)銀行的風(fēng)險溢出效應(yīng)。

本文的主要貢獻(xiàn)在于：(1)從金融網(wǎng)絡(luò)關(guān)聯(lián)的視角系統(tǒng)闡述影子銀行對傳統(tǒng)商業(yè)銀行產(chǎn)生風(fēng)險溢出效應(yīng)的原因，并利用GARCH-Copula-CoVaR拓展模型，測度我國各類影子銀行機(jī)構(gòu)對傳統(tǒng)商業(yè)銀行的系統(tǒng)性風(fēng)險溢出及其動態(tài)效應(yīng)；(2)樣本數(shù)據(jù)涵蓋2008年全球金融危機(jī)和2015年我國發(fā)生股災(zāi)這兩個特殊時期，研究結(jié)論有助于在極端風(fēng)險下研判我國影子銀行體系的風(fēng)險溢出效應(yīng)。

三、研究方法及模型

(一)條件風(fēng)險價值CoVaR

(1)

(2)

(3)

(二)GARCH-Copula-CoVaR模型

1．利用GARCH模型估計邊緣分布

Bollerslev(1986)提出了估計更為有效的GARCH模型，克服了ARCH模型滯后階數(shù)q過大的不足，GARCH(p,q)模型表達(dá)式如下：

(4)

其中，p>0，q>0，α>0，γi≥0，βj≥0(i=1,2，…，p;j=1,2，…，q)。

為了刻畫金融時間序列的尾部性特征，一般GARCH模型中ξ服從t分布、GED分布。

2. 采用Copula連接函數(shù)

Copula函數(shù)是用來描述變量間的相關(guān)關(guān)系結(jié)構(gòu)的一種函數(shù)集合，其功能是作為聯(lián)合分布函數(shù)和邊緣分布函數(shù)之間的的橋梁。N 維Copula函數(shù)C(u1,u2,…,uN)應(yīng)滿足以下性質(zhì)：

(ⅰ)定義域為[0,1]N；

(ⅱ)具有零基面且是 N 維遞增函數(shù)；

(ⅲ)其邊緣分布函數(shù)應(yīng)滿足Ci(ui)=C(1,…,1,ui,1,…,1)=u，其中ui∈[0,1]，i=1,2,…,N。

3. 結(jié)合GARCH和Copula函數(shù)計算風(fēng)險溢出效應(yīng)值

首先，利用各金融機(jī)構(gòu)時間序列GARCH(1,1)-t的參數(shù)估計得到：

(5)

其中，qTv(·)代表自由度v的標(biāo)準(zhǔn)化t分布的分位數(shù)，σt代表條件標(biāo)準(zhǔn)差。

(6)

(7)

(8)

四、中國影子銀行風(fēng)險溢出效應(yīng)實證分析

(一)數(shù)據(jù)選取和基本統(tǒng)計量描述

考慮到數(shù)據(jù)的可得性，本文將上市影子銀行體系相關(guān)的機(jī)構(gòu)和上市商業(yè)銀行作為實證分析的對象，截取樣本數(shù)據(jù)的時間跨度為2007年1月5日到2015年12月31日，覆蓋了2008年金融危機(jī)和2015年我國發(fā)生股災(zāi)兩個特殊時期，期間也經(jīng)歷了利率市場化改革、四萬億財政刺激政策、銀行理財與管道業(yè)務(wù)的快速發(fā)展、互聯(lián)網(wǎng)金融的崛起等重大事件。選取廣發(fā)證券、東北證券、國海證券、國金證券、國元證券、海通證券、西南證券、長江證券、中信證券等作為證券類影子銀行代表；選取安信信托、陜國投A以及愛建集團(tuán)作為信托類影子銀行代表；選取香溢融通、魯信創(chuàng)投及渤海租賃作為民間借貸類影子銀行的代表；同時，選取工商銀行、中國銀行、建設(shè)銀行、浦發(fā)銀行、民生銀行、華夏銀行、北京銀行、南京銀行、寧波銀行等作為我國商業(yè)銀行系統(tǒng)的代表。

表1 描述性統(tǒng)計結(jié)果

將各子系統(tǒng)時間序列進(jìn)行平穩(wěn)性檢驗，在表2中可以看到，ADF檢驗統(tǒng)計量明顯均小于各自5%顯著水平下的臨界值，表明各收益率序列平穩(wěn)。而實證表明GARCH(1,1)-t模型可以較好地描述各收益率序列的尖峰厚尾以及波動叢集的特征，為此，本文擬在GARCH(1,1)模型殘差項服從t分布的假設(shè)下計算溢出風(fēng)險價值。

表2 各子系統(tǒng)ADF檢驗結(jié)果

(二)風(fēng)險溢出效應(yīng)的計算

根據(jù)GARCH(1,1)-t模型得到殘差序列，通過概率積分轉(zhuǎn)化為[0,1]均勻分布，再帶入Copula函數(shù)求解參數(shù)。確定了各收益率序列的邊緣分布后，選擇具有對稱尾部的二維t-Copula函數(shù)來更好地捕捉隨機(jī)變量之間的相關(guān)結(jié)構(gòu)關(guān)系，用Matlab軟件進(jìn)行參數(shù)估計，結(jié)果如表3所示。

表3 二維t-Copula函數(shù)的參數(shù)估計

表4 不同類型影子銀行的風(fēng)險價值及溢出效應(yīng)

根據(jù)GARCH(1,1)-t模型的殘差序列，可以計算各類影子銀行在不同年份的風(fēng)險價值VaR和條件風(fēng)險價值CoVaR；然后根據(jù)式(2)和(3)可以求出不同類型影子銀行對商業(yè)銀行的風(fēng)險溢出價值△CoVaR和去量綱化的風(fēng)險溢出價值%CoVaR，如表4所示(顯著性水平為5%)。

為了直觀比較，將年度各類型影子銀行的系統(tǒng)性風(fēng)險衡量指標(biāo)VaR、CoVaR均取絕對值來表示。由結(jié)果可知，以風(fēng)險貢獻(xiàn)度為測度依據(jù)的話，信托類影子銀行的VaR均值為4.48，民間借貸類影子銀行的VaR均值為4.41，證券類影子銀行的VaR均值為4.19。但如果考查各類影子銀行對商業(yè)銀行的溢出風(fēng)險程度，則發(fā)現(xiàn)證券類影子銀行的風(fēng)險程度最高，其去量綱化的風(fēng)險溢出價值%CoVaR為0.48，其次為信托類影子銀行，其%CoVaR均值為0.45，民間借貸類影子銀行風(fēng)險溢出程度最小，其%CoVaR均值為0.36。證券類影子銀行的風(fēng)險溢出程度之所以最高，一方面是因為以銀證合作為基礎(chǔ)的證券公司通道業(yè)務(wù)的快速擴(kuò)張，而且樣本期內(nèi)我國股市經(jīng)歷了大起大落；另一方面是在我國68家信托公司中，上市的3家信托公司規(guī)模較小，因而信托類影子銀行的風(fēng)險溢出效應(yīng)被嚴(yán)重低估。就整體而言，各類型影子銀行對我國商業(yè)銀行的風(fēng)險溢出程度不是很高，這說明目前我國影子銀行系統(tǒng)性風(fēng)險處于可控狀態(tài)，引發(fā)金融危機(jī)的可能性不大，這與李建軍等(2014)、李叢文等(2015)等的研究結(jié)論基本一致。當(dāng)然，這也與自2013年以來我國金融監(jiān)管當(dāng)局對影子銀行相關(guān)業(yè)務(wù)進(jìn)行規(guī)范與監(jiān)管，在一定程度上限制了影子銀行規(guī)模的急劇擴(kuò)張，有效控制了影子銀行的風(fēng)險溢出有關(guān)。與李建軍等(2014)、李叢文等(2015)等認(rèn)為對商業(yè)銀行風(fēng)險溢出貢獻(xiàn)最大的是信托類影子銀行不同，本文的結(jié)論是證券類影子銀行的風(fēng)險溢出效應(yīng)最大，造成結(jié)論偏差的可能原因是它們的研究樣本沒有考慮2015年發(fā)生的股災(zāi)，而股災(zāi)直接放大了證券類影子銀行的風(fēng)險溢出效應(yīng)。

圖1我國影子銀行對商業(yè)銀行的風(fēng)險溢出的時變特征

為考察各類影子銀行對商業(yè)銀行的風(fēng)險溢出的動態(tài)特征，以2007—2015年月度數(shù)據(jù)為基礎(chǔ)，分別計算不同類影子銀行的月度去量綱化的風(fēng)險溢出價值%CoVaR，如圖1所示。不難發(fā)現(xiàn)：首先，民間借貸類影子銀行對商業(yè)銀行的風(fēng)險溢出效應(yīng)波動相對較小，但由于2011年溫州“跑路”現(xiàn)象引致的民間借貸危機(jī)，2012年7月借貸類影子銀行對商業(yè)銀行的風(fēng)險溢出效應(yīng)達(dá)到了最大。在銀行信貸政策趨緊時，部分商業(yè)銀行通過各種方式成為了民間借貸的資金來源；此外，受利差誘使，客戶挪用銀行貸款，將銀行資金投入民間借貸，一旦企業(yè)資金鏈斷裂，勢必波及商業(yè)銀行。由于民間借貸操作不規(guī)范、部分民間借貸有龐氏融資之嫌、新型民間借貸形式P2P的興起等，自2011年以來，民間借貸違約事件不斷發(fā)生，其對商業(yè)銀行的負(fù)面外溢效應(yīng)也不容忽視。其次，信托類影子銀行對商業(yè)銀行的風(fēng)險溢出效應(yīng)波動也相對平穩(wěn)，風(fēng)險溢出程度處于相對較高水平。近些年來，銀信合作理財業(yè)務(wù)的發(fā)展日益繁榮，其業(yè)務(wù)渠道與商業(yè)銀行關(guān)聯(lián)性較強(qiáng)，極易強(qiáng)化風(fēng)險傳染的鏈條。自2012年以來，國內(nèi)經(jīng)濟(jì)經(jīng)歷結(jié)構(gòu)性轉(zhuǎn)型的陣痛及實體經(jīng)濟(jì)增速放緩，投向?qū)嶓w產(chǎn)業(yè)的信托類產(chǎn)品收益正在走低，風(fēng)險正在放大；同時，證監(jiān)會打擊場外配資及對傘形信托的清理，也使得證券類信托產(chǎn)品整體陷入低迷，僅2015年就有近20個信托產(chǎn)品出現(xiàn)兌付違約，也進(jìn)一步暴露了風(fēng)險外溢效應(yīng)。最后，溢出效應(yīng)波動最為明顯的是證券類影子銀行。2010年，由于銀監(jiān)會頒布《關(guān)于規(guī)范銀信理財合作業(yè)務(wù)有關(guān)事項的通知》，銀信合作有萎縮的趨勢，銀行理財開始轉(zhuǎn)向與證券合作，銀證合作成為證券類影子銀行風(fēng)險外溢的重要渠道。證券類影子銀行風(fēng)險外溢效應(yīng)動態(tài)特征一般折射出證券市場行情的變化，由圖1中可以看出，其與股價變動高度相關(guān)，證券類影子銀行對商業(yè)銀行的外溢效應(yīng)在2010、2012、2014以及2015年波動明顯，溢出值較高，尤其是2015年6月下旬爆發(fā)的股災(zāi)也使其溢出程度達(dá)到了高峰點(diǎn)。這說明，證券市場的極端風(fēng)險可能會加劇影子銀行的風(fēng)險溢出，甚至成為引發(fā)系統(tǒng)性金融風(fēng)險的導(dǎo)火索。

從圖1中還可以發(fā)現(xiàn)，我國影子銀行對商業(yè)銀行的風(fēng)險溢出程度與經(jīng)濟(jì)周期密切相關(guān)。在次貸危機(jī)爆發(fā)的2007年以及歐債危機(jī)爆發(fā)的2010年，各類型影子銀行機(jī)構(gòu)的%CoVaR較低。而伴隨著危機(jī)逐漸退去，在推出經(jīng)濟(jì)刺激方案的2008、2009年，以及歐債危機(jī)高峰期后的2011、2012年，各類型影子銀行機(jī)構(gòu)的%CoVaR又普遍回升。這說明監(jiān)管部門應(yīng)順應(yīng)經(jīng)濟(jì)發(fā)展的周期，正確認(rèn)識影子銀行子系統(tǒng)間的風(fēng)險傳染性，加強(qiáng)系統(tǒng)性風(fēng)險動態(tài)監(jiān)管機(jī)制。

五、研究結(jié)論與政策建議

我國影子銀行與傳統(tǒng)商業(yè)銀行通過管道業(yè)務(wù)、同業(yè)業(yè)務(wù)、支付結(jié)算等業(yè)務(wù)渠道以及股權(quán)關(guān)系等形成系統(tǒng)關(guān)聯(lián)，影子銀行的業(yè)務(wù)模式和特性使得其風(fēng)險的傳染性逐步顯露，進(jìn)而影響到商業(yè)銀行的經(jīng)營與穩(wěn)定。本文從我國影子銀行的自身特殊性出發(fā)，采用能刻畫非線性風(fēng)險相依變化的GARCH-Copula-CoVaR模型測度影子銀行系統(tǒng)的風(fēng)險溢出效應(yīng)。結(jié)果表明，證券類子系統(tǒng)風(fēng)險溢出程度最顯著，其次為信托類，民間金融風(fēng)險溢出程度較小。盡管我國影子銀行對商業(yè)銀行系統(tǒng)的風(fēng)險溢出程度較小，局部風(fēng)險可控，引發(fā)全面系統(tǒng)性風(fēng)險的可能性較小，但由于利率市場化改革和金融創(chuàng)新的不斷深化，商業(yè)銀行與影子銀行的網(wǎng)絡(luò)關(guān)聯(lián)度在不斷增強(qiáng)，影子銀行風(fēng)險向商業(yè)銀行溢出和傳染的通道和條件已經(jīng)形成，因此，監(jiān)管部門還需嚴(yán)密防控影子銀行的風(fēng)險溢出。

有鑒于此，本文在此提出以下政策建議：

第一，加強(qiáng)對影子銀行體系的監(jiān)管和引導(dǎo)，防范影子銀行業(yè)務(wù)盲目擴(kuò)張引致的系統(tǒng)性風(fēng)險。一方面，要密切關(guān)注影子銀行體系資金的流向，嚴(yán)格控制其流向房地產(chǎn)和一些不符合國家產(chǎn)業(yè)政策的產(chǎn)能過剩部門；同時，應(yīng)盡量減少影子銀行資金在金融體系內(nèi)轉(zhuǎn)，引導(dǎo)其流向新能源、高端裝備制造業(yè)、新興信息產(chǎn)業(yè)等戰(zhàn)略性新興產(chǎn)業(yè)。另一方面，防范影子銀行過度金融創(chuàng)新可能引發(fā)的風(fēng)險。在當(dāng)前我國金融分業(yè)經(jīng)營的背景下，信托公司、證券公司等影子銀行利用其經(jīng)營的靈活性，進(jìn)行各類交叉性金融產(chǎn)品的創(chuàng)新，這些產(chǎn)品橫跨信貸市場、資本市場、貨幣市場、衍生品市場、房地產(chǎn)市場等，可能引致跨市場金融風(fēng)險，因而，建立人民銀行、銀監(jiān)會、保監(jiān)會、證監(jiān)會的協(xié)調(diào)聯(lián)合監(jiān)管機(jī)制勢在必行。

第二，在影子銀行與商業(yè)銀行之間建立風(fēng)險隔離機(jī)制，避免影子銀行風(fēng)險向商業(yè)銀行蔓延和擴(kuò)散。一方面，嚴(yán)格監(jiān)控商業(yè)銀行內(nèi)部的影子銀行業(yè)務(wù)，限制商業(yè)銀行表內(nèi)資金過度表外化；另一方面，應(yīng)該限制商業(yè)銀行資金流向外部影子銀行機(jī)構(gòu)，禁止商業(yè)銀行信用注入影子銀行、為影子銀行提供隱性擔(dān)保、承諾保底和無風(fēng)險收益等行為。

第三，強(qiáng)化對影子銀行機(jī)構(gòu)的資本與杠桿率監(jiān)管。一方面，加強(qiáng)對證券公司和信托公司資本充足率的監(jiān)管，將其債務(wù)的杠桿率水平控制在合理的范圍內(nèi)；另一面，應(yīng)該對商業(yè)銀行繞開資本充足率、存款準(zhǔn)備金率和存貸比等指標(biāo)而開展的表外理財?shù)扔白鱼y行業(yè)務(wù)進(jìn)行并表處理或者計提風(fēng)險資本，嚴(yán)格控制杠桿率水平。

龔明華，張曉樸，文竹. 2011. 影子銀行的風(fēng)險與監(jiān)管[J]. 中國金融(3)：41-44.

李叢文，閆世軍. 2015. 我國影子銀行對商業(yè)銀行的風(fēng)險溢出效應(yīng):基于GARCH-時變Copula-CoVaR 模型的分析[J]. 國際金融研究(10)：64-75.

李建軍，薛瑩. 2014. 中國影子銀行部門系統(tǒng)性風(fēng)險的形成、影響與應(yīng)對[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究(8)：117-130.

李政，梁琪，涂曉楓. 2016. 我國上市金融機(jī)構(gòu)關(guān)聯(lián)性研究:基于網(wǎng)絡(luò)分析法[J]. 金融研究(8)：95-110.

林琳, 曹勇. 2015.基于復(fù)雜網(wǎng)絡(luò)的中國影子銀行體系風(fēng)險傳染機(jī)制研究[J]. 經(jīng)濟(jì)管理(8)：109-119.

陸曉明. 2014. 中美影子銀行系統(tǒng)比較分析和啟示[J]. 國際金融研究(1)：55-63.

毛澤盛, 萬亞蘭. 2012. 中國影子銀行與銀行體系穩(wěn)定性閾值效應(yīng)研究[J]. 國際金融研究(11)：65-73.

宋巍，劉俊奇. 2015. 我國影子銀行對商業(yè)銀行風(fēng)險溢出效應(yīng)的實證研究[J]. 武漢金融(2)：56-60.

涂曉楓，李政. 2016. 銀行的影子：風(fēng)險分擔(dān)還是風(fēng)險傳染[J]. 當(dāng)代經(jīng)濟(jì)科學(xué)(2)：20-29.

楊有振，王書華. 2013. 中國上市商業(yè)銀行系統(tǒng)性風(fēng)險溢出效應(yīng)分析:基于CoVaR技術(shù)的分位數(shù)估計[J]. 山西財經(jīng)大學(xué)學(xué)報(5)：24-33.

章番. 2014. 中國金融業(yè)系統(tǒng)性風(fēng)險研究:基于DCC-GARCH模型[J]. 東北財經(jīng)大學(xué)學(xué)報(3)：30-38.

ACHARYA V， PEDERSEN L， PHILIPPON T, et al. 2010. Measuring systemic risk [R]. FRB of Cleveland Working Paper No.10-02.

ADRIAN T， BRUNNERMEIER M K. 2009. CoVaR [R]. Fed Reserve Bank of New York Staff Report.

BERNANKE B S. 2010. Causes of the recent financial and economic crisis [Z]. Testimony before the Financial Crisis Inquiry Commission， Waohington， D. C.

BOLLERSLEV T. 1986. Generalized autoregressive conditional heteroscedasticity [J]. Journal of Econometrics， 31(3)：307-327.

SCHWARCZ S. 2012. Regulating shadow banking [J]. Review of Banking and Financial Law， 31(1)：619-642.

TARASHEV N, BORIO C, TSATSARONIS K. 2009. The systemic importance of financial institutions [J]. BIS Quarterly Review， (3)：75-87.

TURNER A. 2012. Shadow banking and financial instability [Z]. Speech at CASS Business School.

(責(zé)任編輯 劉志煒)

FinancialNetworkInterconnectednessandRiskSpilloverEffectsofShadowBankingSysteminChina:EmpiricalAnalysisofGARCH-Copula-CoVaRModel

MA YaMing SONG LingNa

(School of Economics, Tianjin University of Finance and Economics, Tianjin 300222)

Based on systematic formulation of the characteristics of shadow banking system and its interconnectedness with commercial banks in China, the extending model of GARCH-Copula-CoVaR is used in this paper to measure the systemic risk spillover effects of various shadow banking systems on traditional commercial banks. The result shows that the biggest effect comes from the securities industry, followed by the trust industry, and finally the folk lending industry. The overall strength of risk spillover is in a controllable state, but it is amplified in the stock market disaster of 2015.

shadow banking; commercial banking; systemic risk; risk spillover effect

2017-05-18

馬亞明(1973--)，男，湖北赤壁人，天津財經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院教授，博士生導(dǎo)師。 宋羚娜(1992--)，女，天津人，天津財經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院碩士生。

國家社科基金重點(diǎn)項目“新常態(tài)下我國影子銀行體系的風(fēng)險溢出效應(yīng)及其對貨幣政策的影響研究”(15AJY021)，并得到天津財經(jīng)大學(xué)研究生科研項目“我國影子銀行體系的風(fēng)險溢出效應(yīng)研究”(2015TCS11)的資助。

F832.33

：A

：1001-6260(2017)07-0069-08

10.19337/j.cnki.34-1093/f.2017.07.007