宋凌峰，鄔詩婕

武漢大學(xué) 經(jīng)濟與管理學(xué)院，武漢 430072

引言

金融危機表現(xiàn)為金融體系內(nèi)許多機構(gòu)陷入困境或破產(chǎn)，金融系統(tǒng)功能喪失會給宏觀經(jīng)濟和社會財富造成巨大損失。隨著中國經(jīng)濟進入新常態(tài)，經(jīng)濟增長出現(xiàn)趨勢性下降，由高速增長階段轉(zhuǎn)入中速增長階段，企業(yè)經(jīng)營面臨諸多困難，宏觀經(jīng)濟條件的變化和經(jīng)濟結(jié)構(gòu)調(diào)整都給金融系統(tǒng)帶來風(fēng)險。研究系統(tǒng)性風(fēng)險的構(gòu)成并將外部沖擊和內(nèi)部脆弱性引發(fā)的風(fēng)險進行區(qū)分，分析不同經(jīng)濟狀態(tài)下銀行部門系統(tǒng)性風(fēng)險的變化，有利于識別銀行部門系統(tǒng)性風(fēng)險的來源，并能夠為政府部門在面臨宏觀經(jīng)濟的負面沖擊時提供建議，對防范金融風(fēng)險和維護金融穩(wěn)定具有重要意義。

從理論上看，系統(tǒng)性風(fēng)險由外部沖擊和金融系統(tǒng)內(nèi)部結(jié)構(gòu)引發(fā)，而且目前在經(jīng)濟增長變化對系統(tǒng)性風(fēng)險影響的相關(guān)研究中，一般將經(jīng)濟增長作為外生變量考察，忽視了系統(tǒng)性風(fēng)險度量模型已經(jīng)將經(jīng)濟增長狀態(tài)影響內(nèi)生化的問題，較少有研究從系統(tǒng)性風(fēng)險內(nèi)部和外部構(gòu)成的角度出發(fā)分析外部沖擊造成的系統(tǒng)性風(fēng)險。本研究基于系統(tǒng)性風(fēng)險的內(nèi)、外部構(gòu)成角度將銀行部門系統(tǒng)性風(fēng)險分解為內(nèi)部脆弱性風(fēng)險和外部經(jīng)濟增長狀態(tài)影響，利用馬爾科夫區(qū)制轉(zhuǎn)移模型將內(nèi)生化的經(jīng)濟增長狀態(tài)風(fēng)險作為背景風(fēng)險從銀行部門系統(tǒng)性風(fēng)險中剝離出來，通過對系統(tǒng)性風(fēng)險的分解，分析銀行系統(tǒng)性風(fēng)險各組成部分之間的關(guān)系以及經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的影響，并研究危機狀態(tài)下救助政策對系統(tǒng)性風(fēng)險的影響。

1 相關(guān)研究評述

1.1 金融系統(tǒng)性風(fēng)險發(fā)生的內(nèi)部機制和外部機制

在內(nèi)部機制研究方面，DIAMOND et al.[1]認為銀行在資產(chǎn)負債管理中的借短貸長行為是銀行的資本結(jié)構(gòu)脆弱的根源，且容易導(dǎo)致擠兌風(fēng)險；ALLEN et al.[2]認為金融機構(gòu)資產(chǎn)相互持有以及相互交易而產(chǎn)生的連鎖反應(yīng)是系統(tǒng)性風(fēng)險形成的重要機制；TAYLOR[3]認為風(fēng)險的內(nèi)部擴散機制除連鎖反應(yīng)渠道外還包括相同風(fēng)險暴露渠道，即金融機構(gòu)持有共同資產(chǎn)；GAN[4]總結(jié)了系統(tǒng)性風(fēng)險的引發(fā)機制，認為系統(tǒng)性風(fēng)險的引發(fā)和傳染源于銀行資產(chǎn)負債表中的內(nèi)生性風(fēng)險，資產(chǎn)負債表影響系統(tǒng)性風(fēng)險的渠道包括銀行資本結(jié)構(gòu)選擇、相互關(guān)聯(lián)結(jié)構(gòu)和銀行經(jīng)理的行為選擇等。通過一系列研究可以看出，金融系統(tǒng)性風(fēng)險的內(nèi)部發(fā)生機制內(nèi)生于資產(chǎn)負債表，且主要受資本結(jié)構(gòu)和關(guān)聯(lián)機制的影響，這方面的理論研究得到了實證支持。LAEVEN et al.[5]結(jié)合回歸分析和SRISK模型研究不同規(guī)模銀行的脆弱性以及對系統(tǒng)性風(fēng)險的影響，結(jié)果表明大型銀行由于資本充足度更低、融資結(jié)構(gòu)更脆弱、參與基于市場的經(jīng)濟活動更廣泛以及組織結(jié)構(gòu)更復(fù)雜，其內(nèi)部脆弱性風(fēng)險更高，且對系統(tǒng)性風(fēng)險的貢獻高于中小型銀行。VALLASCAS et al.[6]基于或有權(quán)益分析法(contingent claim analysis, CCA)模型構(gòu)建系統(tǒng)性沖擊下的銀行風(fēng)險暴露指標，利用回歸分析研究影響銀行風(fēng)險暴露的因素，研究發(fā)現(xiàn)銀行規(guī)模、非利息收入比重和資產(chǎn)增長率是關(guān)鍵影響因素。

在外部機制研究方面，MISHKIN[7]認為金融部門危機源自宏觀經(jīng)濟沖擊；ALLEN et al.[8]認為金融部門與實體經(jīng)濟之間存在周期性聯(lián)系，經(jīng)濟周期的變化容易引發(fā)金融危機。經(jīng)濟條件或者市場環(huán)境區(qū)制突變是引發(fā)系統(tǒng)性風(fēng)險的重要因素[9]。陶玲等[10]對系統(tǒng)性風(fēng)險的外部成因進行總結(jié)，認為經(jīng)濟周期因素和政策干預(yù)是兩個主要來源。在實證方面，SORGE et al.[11]基于資產(chǎn)負債表方法和Wilson模型，通過情景模擬法對芬蘭銀行部門進行宏觀壓力測試，研究GDP和短期利率對銀行貸款損失準備金占貸款總額的比值和企業(yè)部門貸款違約率的影響，發(fā)現(xiàn)GDP增長率下降或短期利率上升的極端情形都會導(dǎo)致企業(yè)貸款違約率以及銀行貸款損失準備金占貸款總額的比值上升，而且GDP沖擊的效果更強、更持久。利用非線性回歸模型能夠捕捉宏觀經(jīng)濟運行的結(jié)構(gòu)性變化和金融風(fēng)險的非線性演變特征。MARCUCCI et al.[12]利用門限回歸模型研究經(jīng)濟周期與銀行違約率之間的關(guān)系，發(fā)現(xiàn)信用風(fēng)險在經(jīng)濟下行時更加明顯，而且銀行自身風(fēng)險越高，其信用風(fēng)險的順周期性越強。通過運用馬爾科夫轉(zhuǎn)換自回歸條件方差模型估計高波動狀態(tài)概率與美國銀行系統(tǒng)和保險系統(tǒng)的聯(lián)合違約概率(J Pods)，并與銀行穩(wěn)定指數(shù)(BSI)進行比較，研究發(fā)現(xiàn)市場波動狀態(tài)轉(zhuǎn)移預(yù)示著系統(tǒng)性風(fēng)險事件的發(fā)生[9]。王春麗等[13]通過結(jié)合馬爾科夫區(qū)制轉(zhuǎn)移模型與金融壓力指數(shù)對金融風(fēng)險進行研究，發(fā)現(xiàn)M2與GDP比值的增長率、股市波動率和外貿(mào)依存度與中國金融風(fēng)險呈正向關(guān)系，股市收益率和外匯儲備占GDP的比值則與金融風(fēng)險成反向關(guān)系。除考慮經(jīng)濟周期對金融風(fēng)險的影響，還有學(xué)者對金融周期與金融危機之間的關(guān)系進行研究。陳雨露等[14]利用動態(tài)面板模型和系統(tǒng)GMM估計考察GDP增長率和私人部門信貸變化對金融危機發(fā)生概率的影響，研究發(fā)現(xiàn)金融周期處于高漲期時金融危機概率明顯升高，金融波動的上升會增加金融危機發(fā)生概率。

1.2 金融部門系統(tǒng)性風(fēng)險的度量

度量金融部門系統(tǒng)性風(fēng)險的方法主要有財務(wù)指標預(yù)警法、金融穩(wěn)定指數(shù)法和或有權(quán)益分析法。LO[15]認為系統(tǒng)性風(fēng)險由財務(wù)杠桿、流動性、相關(guān)性、業(yè)務(wù)集中度、風(fēng)險敏感度和機構(gòu)之間的聯(lián)系密切程度綜合衡量。金融穩(wěn)定指數(shù)法主要選取市場數(shù)據(jù)進行指標構(gòu)建，與財務(wù)預(yù)警指標相比，數(shù)據(jù)頻率更高，且能夠及時反映市場的變化。ILLING et al.[16]采用銀行部門、外匯市場、債務(wù)市場和股票市場的相關(guān)指標，運用因子分析、信用權(quán)重、等方差權(quán)重和CDF轉(zhuǎn)換等方法構(gòu)建加拿大金融壓力指數(shù)；張勇等[17]運用復(fù)合式系統(tǒng)壓力指標方法，通過設(shè)置時變權(quán)重構(gòu)建反映風(fēng)險溢出和傳染效應(yīng)的金融壓力指數(shù)?；谪攧?wù)報表數(shù)據(jù)的系統(tǒng)性風(fēng)險度量方法由于數(shù)據(jù)頻率較低，存在信息滯后問題，對風(fēng)險的衡量缺乏前瞻性，為了克服這種缺陷，構(gòu)建基于市場數(shù)據(jù)的系統(tǒng)性風(fēng)險度量模型。BENOS et al.[18]通過在Merton模型中引入財務(wù)比率和會計變量構(gòu)建一個混合模型，研究表明結(jié)合了財務(wù)比率計算得到的風(fēng)險指標能夠在基于市場數(shù)據(jù)的模型基礎(chǔ)上提供更多與流動性風(fēng)險、信用風(fēng)險、杠桿風(fēng)險等相關(guān)的信息，使該模型具有更好的擬合效果和預(yù)測能力。

GRAY et al.[19]提出或有權(quán)益分析法，基于期權(quán)定價理論，結(jié)合市場數(shù)據(jù)和資產(chǎn)負債表數(shù)據(jù)，構(gòu)建結(jié)構(gòu)化金融模型和前瞻性的系統(tǒng)性風(fēng)險指標。違約距離、預(yù)期損失、違約概率等指標既能夠反映金融部門的歷史財務(wù)狀況，又能夠及時反映市場變化，而且能夠反映宏觀經(jīng)濟對系統(tǒng)性風(fēng)險產(chǎn)生的非線性效應(yīng)。宮曉琳[20]利用CCA框架建立主要宏觀經(jīng)濟部門的風(fēng)險財務(wù)報表，并度量宏觀經(jīng)濟部門的違約距離。宋凌峰等[21]基于CCA框架構(gòu)建風(fēng)險反饋模型，研究經(jīng)濟下行背景下銀行部門與政府部門間的信用風(fēng)險反饋以及政府隱性救助方式與救助成本間的關(guān)系，結(jié)果表明經(jīng)濟下行沖擊主要通過貨幣供應(yīng)量和匯率波動影響系統(tǒng)性風(fēng)險，而且監(jiān)管寬容會增加政府對銀行的隱性擔(dān)保成本。茍文均等[22]利用CCA模型研究債務(wù)杠桿與系統(tǒng)性風(fēng)險傳染的關(guān)系，結(jié)果表明債務(wù)杠桿會通過債務(wù)和股權(quán)渠道影響系統(tǒng)性風(fēng)險的形成和傳染，發(fā)展股權(quán)融資、改善企業(yè)融資結(jié)構(gòu)有利于提升金融穩(wěn)健性。

1.3 政策干預(yù)對系統(tǒng)性風(fēng)險的影響

HRYCKIEWICZ[23]基于z-scores模型并利用回歸分析研究各種政府干預(yù)手段對銀行穩(wěn)定性的影響，發(fā)現(xiàn)總體來看政府干預(yù)對銀行部門穩(wěn)定性具有負面影響，干預(yù)政策會增加后危機時期的銀行風(fēng)險，其中政府擔(dān)保、國有化和資產(chǎn)管理公司(AMCs)會導(dǎo)致被救助銀行承擔(dān)更多風(fēng)險。也有一些學(xué)者認為政府干預(yù)能夠穩(wěn)定銀行部門風(fēng)險狀況。DEWATRIPONT[24]通過研究歷次銀行危機，發(fā)現(xiàn)金融不穩(wěn)定的危機成本遠高于銀行救助的成本，當(dāng)遭受宏觀經(jīng)濟負面沖擊時仍然應(yīng)該考慮對銀行進行融資救助。BERGER et al.[25]利用雙重差分回歸模型研究不良資產(chǎn)處置計劃救助政策對系統(tǒng)性風(fēng)險的影響，研究發(fā)現(xiàn)，不良資產(chǎn)處置計劃救助政策能夠顯著降低銀行對系統(tǒng)性風(fēng)險的影響程度，而且對于規(guī)模更大、更穩(wěn)健或處于經(jīng)濟更發(fā)達地區(qū)的銀行效果更顯著，該救助政策主要通過資本緩沖渠道降低杠桿風(fēng)險。這一研究結(jié)果為救助銀行的選擇以及救助形式提供了政策建議。KOSMIDOU et al.[26]基于大量的新聞報道，利用事件分類法和回歸分析，研究歐盟、歐洲央行和國際貨幣基金組織的救助計劃對資本市場中金融部門和實體經(jīng)濟部門的系統(tǒng)性風(fēng)險的影響，研究表明政府擔(dān)保和提供流動性支持的政策干預(yù)能夠顯著改善希臘銀行部門的系統(tǒng)性風(fēng)險。楊柳勇等[27]基于銀行間資產(chǎn)回報相關(guān)性角度分析存在救助時資本要求對系統(tǒng)性風(fēng)險的影響，認為當(dāng)金融市場資產(chǎn)價格較低或資產(chǎn)錯配成本較高時，如果多個銀行可能同時倒閉，則監(jiān)管機構(gòu)的最佳選擇是提供救助。

已有研究表明，外部沖擊和內(nèi)部脆弱性是金融部門系統(tǒng)性風(fēng)險發(fā)生的兩個來源，其中，資產(chǎn)負債表中的內(nèi)生性風(fēng)險通過資本結(jié)構(gòu)、資產(chǎn)規(guī)模、關(guān)聯(lián)結(jié)構(gòu)和業(yè)務(wù)模式等因素影響金融部門的內(nèi)部脆弱性，而GDP沖擊和政策干預(yù)則是構(gòu)成系統(tǒng)性風(fēng)險外部沖擊的主要影響因素?，F(xiàn)有系統(tǒng)性風(fēng)險分析框架中很少同時考慮外部沖擊風(fēng)險和內(nèi)部脆弱性風(fēng)險，而且忽視了系統(tǒng)性風(fēng)險度量模型已經(jīng)將經(jīng)濟狀態(tài)影響內(nèi)生化的特點。由于資產(chǎn)負債表數(shù)據(jù)能夠提供與內(nèi)部脆弱性風(fēng)險相關(guān)的重要信息，且金融部門與宏觀經(jīng)濟之間存在非線性的動態(tài)關(guān)聯(lián)特點，本研究選取CCA模型進行系統(tǒng)性風(fēng)險度量。CCA模型對系統(tǒng)性風(fēng)險的度量是基于市場數(shù)據(jù)調(diào)整的資產(chǎn)負債表數(shù)據(jù)，使用的違約距離等風(fēng)險指標具有前瞻性，利用CCA模型分析經(jīng)濟增長對系統(tǒng)性風(fēng)險的影響時需要對系統(tǒng)性風(fēng)險中的外部沖擊風(fēng)險和內(nèi)部脆弱性風(fēng)險進行區(qū)分。本研究利用區(qū)制轉(zhuǎn)移模型刻畫經(jīng)濟狀態(tài)的非線性變化，使用轉(zhuǎn)移概率對違約距離風(fēng)險指標進行調(diào)整，分離外部沖擊和內(nèi)部脆弱性所引發(fā)的風(fēng)險，并在此基礎(chǔ)上研究經(jīng)濟增長和政策干預(yù)對銀行部門系統(tǒng)性風(fēng)險的影響。

2 理論模型

2.1 考慮外部沖擊和內(nèi)部脆弱性的系統(tǒng)性風(fēng)險

根據(jù)GRAY et al.[19]的或有權(quán)益分析框架，建立宏觀經(jīng)濟部門基于市場數(shù)據(jù)的資產(chǎn)負債表，經(jīng)濟主體的資產(chǎn)市值等于權(quán)益市值與風(fēng)險債務(wù)市值之和，部門的風(fēng)險債務(wù)市值等于部門的無違約風(fēng)險債務(wù)減去基于部門資產(chǎn)市值的看跌期權(quán)價值。企業(yè)部門的負債項中包含銀行部門貸款，銀行資產(chǎn)市值中包含企業(yè)部門的風(fēng)險債務(wù)市值，經(jīng)濟增長狀態(tài)影響企業(yè)部門的風(fēng)險狀況，企業(yè)部門的風(fēng)險通過風(fēng)險債務(wù)市值中隱含的看跌期權(quán)傳導(dǎo)至銀行部門，通過銀行部門資產(chǎn)負債表的資產(chǎn)項影響銀行系統(tǒng)性風(fēng)險，銀行系統(tǒng)性風(fēng)險可以用預(yù)期損失和違約距離度量。

將銀行部門資產(chǎn)負債表中的權(quán)益看作以部門資產(chǎn)為基礎(chǔ)資產(chǎn)、債務(wù)賬面價值為行權(quán)價的看漲期權(quán)。權(quán)益市值可以表示為資產(chǎn)市值和波動率的函數(shù)，即

E=AN(d1)-Be-rTN(d2)

(1)

(2)

將銀行部門的信用違約風(fēng)險看作以銀行部門資產(chǎn)為基礎(chǔ)資產(chǎn)、債務(wù)賬面價值為行權(quán)價的看跌期權(quán)，其中看跌期權(quán)的價值為擔(dān)保主體的預(yù)期損失，即

EL=Be-rTN(-d2)-AN(-d1)

(3)

其中，EL為預(yù)期損失。

(4)

其中，dd為違約距離，即(1)式中的參數(shù)d2。

將預(yù)期損失對銀行部門的資產(chǎn)市值求導(dǎo)，可得

(5)

(6)

(7)

違約距離是基于市場數(shù)據(jù)和資產(chǎn)負債表數(shù)據(jù)的指標。銀行部門的資產(chǎn)市值和資產(chǎn)市值波動率通過市場數(shù)據(jù)反映，銀行部門的資產(chǎn)規(guī)模、資本結(jié)構(gòu)和關(guān)聯(lián)結(jié)構(gòu)的變化則通過資產(chǎn)負債表信息反映。短期內(nèi)，外部沖擊主要通過銀行部門的資產(chǎn)市值影響銀行部門系統(tǒng)性風(fēng)險，內(nèi)部脆弱性通過基于賬面數(shù)據(jù)的資產(chǎn)負債表影響銀行部門系統(tǒng)性風(fēng)險，因此違約距離是一個疊加了外部沖擊和內(nèi)部脆弱性影響的混合性指標。當(dāng)不利外部沖擊導(dǎo)致資產(chǎn)市值下降時，預(yù)期損失加速增長，違約距離加速下降。當(dāng)銀行部門債務(wù)杠桿率增加時，違約距離下降，而且債務(wù)杠桿率越小時違約距離加速上升。外部沖擊和內(nèi)部脆弱性對銀行系統(tǒng)性風(fēng)險的影響都具有非線性特征。

（4）將試板用乙醇擦拭干凈。干燥后，以試板長向的中心線為準，從試板的一端與膠帶的一端對齊，順中心線向試板另一端粘過去125 mm，剩下的125 mm粘膠面與紙相貼，并將試板上的膠面壓緊。將與紙相貼部分180°反折超出試板上端25 mm。此端夾于試驗機上端夾頭，試板之下端夾于下面夾頭。以300 mm/min的速度勻速的連續(xù)拉開，記錄其最大負荷，單位為N/25 mm。取三條試件的平均值。

2.2 系統(tǒng)性風(fēng)險的分解

現(xiàn)實中宏觀經(jīng)濟變量存在結(jié)構(gòu)性變化，經(jīng)濟增長狀態(tài)的變化是最重要的外部沖擊之一。短期內(nèi)經(jīng)濟增長狀態(tài)的結(jié)構(gòu)性變化通過銀行部門基于市場價值的資產(chǎn)負債表影響系統(tǒng)性風(fēng)險狀況[28-29]，經(jīng)濟增長狀態(tài)存在區(qū)制劃分和區(qū)制轉(zhuǎn)移，相應(yīng)地，銀行部門系統(tǒng)性風(fēng)險變化也存在區(qū)制劃分和區(qū)制轉(zhuǎn)移[30]。不同經(jīng)濟增長狀態(tài)中銀行部門系統(tǒng)性風(fēng)險狀況不同，不同狀態(tài)下經(jīng)濟增長對銀行部門系統(tǒng)性風(fēng)險的影響也不同。

銀行借短貸長的經(jīng)營活動導(dǎo)致銀行具有內(nèi)生的脆弱性，高杠桿經(jīng)營、資產(chǎn)負債期限不匹配的內(nèi)生性特征導(dǎo)致銀行容易發(fā)生系統(tǒng)性危機。銀行內(nèi)部脆弱性風(fēng)險源于基于賬面價值的銀行部門資產(chǎn)負債表結(jié)構(gòu)，內(nèi)部脆弱性風(fēng)險主要受銀行資本結(jié)構(gòu)、業(yè)務(wù)模式和銀行經(jīng)營管理行為的影響。金融市場的信息不對稱和存款者的羊群行為是內(nèi)部脆弱性危機爆發(fā)的重要外部因素[31]。從系統(tǒng)性風(fēng)險的內(nèi)部形成機制看，銀行系統(tǒng)性危機的爆發(fā)主要通過兩種渠道，一是隨機變量“太陽黑子”自發(fā)作用誘發(fā)的羊群行為[32]，二是存款者與銀行間的信息不對稱[33]。銀行脆弱性危機內(nèi)生于銀行部門的資產(chǎn)負債表結(jié)構(gòu)并由隨機變量和信息不對稱引發(fā)，是銀行自身、外部隨機變量以及市場參與者行為共同作用的結(jié)果。銀行部門的內(nèi)部脆弱性風(fēng)險與外部經(jīng)濟增長狀態(tài)無關(guān)。

銀行部門系統(tǒng)性風(fēng)險可以分解為兩個部分，內(nèi)部脆弱性風(fēng)險和外部經(jīng)濟增長狀態(tài)影響。CCA模型度量的系統(tǒng)性風(fēng)險同時考慮了外部沖擊和內(nèi)部脆弱性并內(nèi)化了經(jīng)濟增長狀態(tài)的影響。而且CCA框架假設(shè)經(jīng)濟增長的不同狀態(tài)對資產(chǎn)市值的影響方式相同。為了識別銀行部門系統(tǒng)性風(fēng)險的主要來源并分析不同經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的影響[34]，在CCA模型的基礎(chǔ)上對系統(tǒng)性風(fēng)險進行分解。

銀行規(guī)模與系統(tǒng)性風(fēng)險存在密切聯(lián)系。一方面，不同規(guī)模銀行的資產(chǎn)市值變化過程不同，短期內(nèi)外部沖擊主要通過銀行部門的資產(chǎn)市值影響銀行部門系統(tǒng)性風(fēng)險，經(jīng)濟增長狀態(tài)對不同規(guī)模銀行系統(tǒng)性風(fēng)險的影響不同。另一方面，由于大型商業(yè)銀行與中小型商業(yè)銀行在資產(chǎn)規(guī)模、資本結(jié)構(gòu)、組織結(jié)構(gòu)和業(yè)務(wù)模式等方面存在較大差異[35]，資產(chǎn)負債表結(jié)構(gòu)不同，內(nèi)生于資產(chǎn)負債表的內(nèi)部脆弱性風(fēng)險狀況也不同。

CCA模型度量出的風(fēng)險指標是受經(jīng)濟增長狀態(tài)影響的條件風(fēng)險指標，主要反映某個時點的風(fēng)險而未考慮經(jīng)濟增長狀態(tài)發(fā)生區(qū)制轉(zhuǎn)移的可能性。內(nèi)部脆弱性風(fēng)險是不受經(jīng)濟增長狀態(tài)影響的無條件風(fēng)險指標，反映跨周期性風(fēng)險，在度量銀行部門自身穩(wěn)定狀況時需要考慮經(jīng)濟增長狀態(tài)的區(qū)制轉(zhuǎn)移，剝離經(jīng)濟增長狀態(tài)的影響。假設(shè)經(jīng)濟增長狀態(tài)可預(yù)測，通過全期望公式同時利用經(jīng)濟增長狀態(tài)的區(qū)制轉(zhuǎn)移概率和違約距離的相關(guān)概率分布，可以得出銀行部門內(nèi)部脆弱性風(fēng)險，從而實現(xiàn)系統(tǒng)性風(fēng)險的分解。

非線性模型能夠反映變量的結(jié)構(gòu)性變化和非對稱性特征。馬爾科夫區(qū)制轉(zhuǎn)移模型已經(jīng)在經(jīng)濟周期研究中得到了很好的應(yīng)用，該模型不僅能夠較好地刻畫時間序列的結(jié)構(gòu)性突變，而且與其他非線性回歸模型相比，馬爾科夫區(qū)制轉(zhuǎn)移模型可以計算不同狀態(tài)間的轉(zhuǎn)移概率，并能夠推斷出各個時點處于某個狀態(tài)的概率，進而得到各個時點所處的經(jīng)濟狀態(tài)。HAMILTON[36]提出的馬爾科夫區(qū)制轉(zhuǎn)移模型能夠比較合理地反映經(jīng)濟增長在不同區(qū)制下的動態(tài)演化過程，并可以通過概率的形式比較準確地識別出經(jīng)濟增長的不同狀態(tài)。通過馬爾科夫區(qū)制轉(zhuǎn)移模型劃分經(jīng)濟增長區(qū)制，將區(qū)制轉(zhuǎn)移概率引入CCA框架中，利用經(jīng)濟增長狀態(tài)與銀行部門系統(tǒng)性風(fēng)險之間的聯(lián)系以及經(jīng)濟增長狀態(tài)和違約距離的相關(guān)概率，可以得到違約距離的隨機平穩(wěn)分布，進而計算反映銀行內(nèi)部脆弱性風(fēng)險的違約距離，實現(xiàn)對銀行部門系統(tǒng)性風(fēng)險的分解，度量出內(nèi)部脆弱性風(fēng)險和外部經(jīng)濟增長狀態(tài)的影響。

引入馬爾科夫區(qū)制轉(zhuǎn)移模型[37]劃分經(jīng)濟增長的狀態(tài)并研究狀態(tài)間的轉(zhuǎn)移概率，該模型的基本思路是，變量所處的狀態(tài)是不可觀測的，模型中的參數(shù)隨狀態(tài)的變化而變化，狀態(tài)的轉(zhuǎn)移由外生的不可觀測的馬爾科夫鏈決定。具體形式為

εt|It-1～iidN[0,σ2(St)]

(8)

(9)

銀行部門系統(tǒng)性風(fēng)險的變化與經(jīng)濟增長的狀態(tài)轉(zhuǎn)移密切相關(guān)，經(jīng)濟增長狀態(tài)的區(qū)制轉(zhuǎn)移通過銀行部門的資產(chǎn)市值影響銀行部門系統(tǒng)性風(fēng)險變化狀況，經(jīng)濟增長狀態(tài)的結(jié)構(gòu)性變化被反映在違約距離的條件概率分布中。不同經(jīng)濟增長狀態(tài)影響下銀行部門系統(tǒng)性風(fēng)險變化不同，經(jīng)濟增長下行狀態(tài)中的違約距離服從概率密度為f1(dd)的概率分布，經(jīng)濟增長上行狀態(tài)中的違約距離服從概率密度為f2(dd)的概率分布。銀行部門內(nèi)部脆弱性風(fēng)險不受經(jīng)濟增長狀態(tài)影響，無經(jīng)濟增長狀態(tài)影響下的違約距離服從概率密度為f(dd)的概率分布，則f(dd)與條件概率分布f1(dd)和f2(dd)的差異為外部沖擊帶來的風(fēng)險，而f(dd)反映剝離狀態(tài)影響后的銀行內(nèi)部脆弱性風(fēng)險變化。

利用經(jīng)濟增長狀態(tài)的轉(zhuǎn)移概率構(gòu)建違約距離的無條件概率分布f(dd)，即無論經(jīng)濟增長處于上行還是下行狀態(tài)，違約距離都服從同一個隨機平穩(wěn)分布。f(dd)既能反映經(jīng)濟增長上行狀態(tài)中銀行部門的系統(tǒng)性風(fēng)險變化狀況，也能反映經(jīng)濟增長下行狀態(tài)中的風(fēng)險變化狀況。將樣本區(qū)間劃分為n個子區(qū)間，n取值為1，2，3…，z為區(qū)間時間跨度，第n個子區(qū)間可以表示為(tn,tn+z]。經(jīng)濟增長狀態(tài)的轉(zhuǎn)移概率為Pt(St)，Pt(St)=P(St|It)。Ptn+z(St=1)為(tn+z)時刻經(jīng)濟增長轉(zhuǎn)移到下行狀態(tài)的概率，Ptn+z(St=2)為(tn+z)時刻經(jīng)濟增長轉(zhuǎn)移到上行狀態(tài)的概率。銀行部門內(nèi)部脆弱性風(fēng)險的概率分布ftn(dd)為根據(jù)tn時刻所有歷史信息對于未來(tn+z+1)時刻違約距離概率分布的預(yù)測。銀行部門內(nèi)部脆弱性風(fēng)險的概率分布可表示為

ftn(dd)=Ptn+z(St=1)fn,1(dd)+Ptn+z(St=2)fn,2(dd)

(10)

其中，fn,1(dd)為第n個子區(qū)間內(nèi)經(jīng)濟增長下行狀態(tài)中違約距離服從的概率密度，fn,2(dd)為第n個子區(qū)間內(nèi)經(jīng)濟增長上行狀態(tài)中違約距離服從的概率密度。

由違約距離的條件概率分布可以得到dd的條件期望值，第n個子區(qū)間內(nèi)經(jīng)濟增長下行狀態(tài)下的dd期望值和經(jīng)濟增長上行狀態(tài)下的dd期望值分別表示為

(11)

(12)

其中，En,1(dd)為經(jīng)濟增長下行狀態(tài)下的違約距離期望值，En,2(dd)為經(jīng)濟增長上行狀態(tài)下的違約距離期望值。

受經(jīng)濟增長狀態(tài)影響的違約距離是條件風(fēng)險指標?？紤]到經(jīng)濟增長存在狀態(tài)轉(zhuǎn)移，利用經(jīng)濟增長的狀態(tài)轉(zhuǎn)移概率構(gòu)建不受經(jīng)濟增長狀態(tài)影響的無條件風(fēng)險指標En(dd)。En(dd)是根據(jù)tn時刻所有歷史信息對于未來(tn+z+1)時刻銀行部門內(nèi)部脆弱性風(fēng)險的預(yù)測。ddtn+z+1為(tn+z+1)時刻的條件違約距離，表示系統(tǒng)性風(fēng)險，可以分解為內(nèi)部脆弱性風(fēng)險En(dd)和經(jīng)濟增長狀態(tài)的影響[ddtn+z+1-En(dd)]。ddtn+z+1與En(dd)的差值表示經(jīng)濟增長狀態(tài)對于系統(tǒng)性風(fēng)險的影響。銀行部門內(nèi)部脆弱性風(fēng)險表示為

En(dd)=Ptn+z(St=1)En,1(dd)+

Ptn+z(St=2)En,2(dd)

(13)

2.3 經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的影響

根據(jù)Ptn+z(St=1)+Ptn+z(St=2)=1，En(dd)可以表示為

En(dd)=Ptn+z(St=1)[En,1(dd)-En,2(dd)]+

En,2(dd)

(14)

En(dd)=Ptn+z(St=2)[En,2(dd)-En,1(dd)]+

En,1(dd)

(15)

由En,1(dd)

En,2(dd)-En(dd)

=Ptn+z(St=1)[En,2(dd)-En,1(dd)]>0

(16)

En,1(dd)-En(dd)

=Ptn+z(St=2)[En,1(dd)-En,2(dd)]<0

(17)

銀行部門的系統(tǒng)性風(fēng)險可以表示為內(nèi)部脆弱性風(fēng)險與經(jīng)濟增長狀態(tài)影響之和，經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險存在正面影響和負面影響。不同經(jīng)濟增長狀態(tài)中銀行部門系統(tǒng)性風(fēng)險的大小不同，一般情況下經(jīng)濟增長下行狀態(tài)中的系統(tǒng)性風(fēng)險高于經(jīng)濟增長上行狀態(tài)中的系統(tǒng)性風(fēng)險。不同狀態(tài)下經(jīng)濟增長對銀行部門系統(tǒng)性風(fēng)險的作用不同，經(jīng)濟增長上行狀態(tài)中，En,2(dd)大于銀行部門內(nèi)部脆弱性風(fēng)險指標En(dd)，經(jīng)濟增長上行狀態(tài)對銀行部門系統(tǒng)性風(fēng)險狀況具有穩(wěn)定作用；經(jīng)濟增長下行狀態(tài)中，En,1(dd)小于銀行部門內(nèi)部脆弱性風(fēng)險指標En(dd)，經(jīng)濟增長下行狀態(tài)對系統(tǒng)性風(fēng)險具有惡化作用。

經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的影響程度表示為

(18)

(19)

其中，ω為經(jīng)濟增長狀態(tài)對系統(tǒng)風(fēng)險的影響程度。ddtn+z+1與En(dd)之間的差值越大，表明經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的影響越顯著。當(dāng)En(dd)ddtn+z+1時，銀行部門內(nèi)部脆弱性風(fēng)險低于經(jīng)濟增長狀態(tài)影響下的系統(tǒng)性風(fēng)險指標，表明經(jīng)濟增長狀態(tài)惡化銀行部門的風(fēng)險狀況。經(jīng)濟增長狀態(tài)的影響與銀行部門內(nèi)部脆弱性風(fēng)險呈負相關(guān)關(guān)系，當(dāng)En(dd)越低時，ω越大，表明銀行部門內(nèi)部脆弱性風(fēng)險越高，經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的影響程度越大；當(dāng)En(dd)越高時，ω越小，表明銀行部門內(nèi)部脆弱性風(fēng)險狀況改善時，經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的影響程度越小。

2.4 政策干預(yù)對系統(tǒng)性風(fēng)險的影響

政策干預(yù)也是一種重要的外部沖擊，政府救助一般出現(xiàn)在金融危機爆發(fā)期間，政府對銀行的救助方法包括注入優(yōu)先股、提供流動性支持、信用擔(dān)保和資本重組等。短期內(nèi)救助政策主要通過外部機制影響系統(tǒng)性風(fēng)險，救助政策對銀行部門系統(tǒng)性風(fēng)險的作用渠道可劃分為直接渠道和間接渠道。從直接渠道看，政府救助通過注入流動性、剝離不良資產(chǎn)等方式增加銀行資本金，提高銀行資產(chǎn)質(zhì)量，在短期內(nèi)迅速改善銀行資產(chǎn)負債表，降低系統(tǒng)性風(fēng)險；從間接渠道看，政府通過對銀行部門提供救助恢復(fù)銀行系統(tǒng)服務(wù)實體經(jīng)濟的基本功能，從基于市場價值的資產(chǎn)負債表渠道緩解經(jīng)濟增長下行對實體經(jīng)濟的負面沖擊，改變外部經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的影響[38]。

3 經(jīng)濟增長狀態(tài)與系統(tǒng)性風(fēng)險的實證分析——以希臘為例

對于發(fā)生過銀行危機的國家和地區(qū)來說，經(jīng)濟增長和政策干預(yù)是系統(tǒng)性風(fēng)險外部機制的兩個重要影響因素。將經(jīng)濟增長狀態(tài)變化和政策干預(yù)作為主要的外部沖擊，對銀行系統(tǒng)性風(fēng)險進行分解，研究希臘銀行部門內(nèi)部脆弱性風(fēng)險和外部經(jīng)濟狀態(tài)影響。

3.1 樣本、數(shù)據(jù)和系統(tǒng)性風(fēng)險指標

希臘經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)單一且對外依存度高，金融危機爆發(fā)后，經(jīng)濟增長受到外部負面沖擊的影響，企業(yè)部門經(jīng)營環(huán)境惡化，支柱產(chǎn)業(yè)收入嚴重縮水，主權(quán)債務(wù)危機的爆發(fā)加劇了金融市場的動蕩，經(jīng)濟陷入嚴重衰退階段，經(jīng)濟增長狀態(tài)轉(zhuǎn)變?yōu)橄滦袪顟B(tài)。實體經(jīng)濟的衰退導(dǎo)致銀行部門不良貸款增加，資產(chǎn)質(zhì)量下降，銀行存款供給和貸款需求萎縮，銀行部門陷入融資難的困境，希臘主權(quán)債務(wù)危機將風(fēng)險傳導(dǎo)至銀行部門并導(dǎo)致了銀行危機[39]。圖1反映了希臘銀行部門從2007年至2016年的系統(tǒng)性風(fēng)險變化趨勢。2008年金融危機爆發(fā)以來，違約距離不斷下降，銀行部門系統(tǒng)性風(fēng)險急劇上升，2009年至2013年歐債危機期間，銀行部門違約距離處于較低水平，系統(tǒng)性風(fēng)險高，銀行部門陷入危機。2015年希臘未能償還IMF的歐元貸款，出現(xiàn)債務(wù)違約，銀行部門系統(tǒng)性風(fēng)險再次急劇上升。

圖1 希臘銀行部門系統(tǒng)性風(fēng)險演變Figure 1 Systemic Risk Evolution ofGreece′s Banking Sector

3.2 銀行部門系統(tǒng)性風(fēng)險分解

若時間序列中存在單位根過程，則序列非平穩(wěn)，容易出現(xiàn)回歸分析中的偽回歸。將樣本期間內(nèi)的經(jīng)濟增長GDPR進行自回歸檢驗，ADF單位根檢驗的結(jié)果表明時間序列平穩(wěn)。按照參數(shù)是否為狀態(tài)依賴的特性，將馬爾科夫區(qū)制轉(zhuǎn)移模型歸納為幾個不同的類型[37]，根據(jù)AIC、SC、HQ準則確定模型為MSIAH形式的馬爾科夫區(qū)制轉(zhuǎn)移模型，即截距項、自回歸參數(shù)和殘差標準差均狀態(tài)依賴[40]。對于滯后階數(shù)的確定，結(jié)合實際情況，考慮MSIAH(2)-AR(3)模型。

圖2給出MSIAH(2)-AR(3)模型的經(jīng)濟增長區(qū)制劃分結(jié)果，根據(jù)平滑概率可以判斷各個時點經(jīng)濟增長狀態(tài)所處的區(qū)制。一般來說，當(dāng)其概率值大于0.500時，可以認為當(dāng)期狀態(tài)處于該區(qū)制內(nèi)。由圖2可知， 2008年7月至2009年4月、2010年1月至2013年8月以及2015年7月至2015年10月希臘經(jīng)濟處于危機狀態(tài)，其余期間處于正常狀態(tài)。

(a)經(jīng)濟增長下行區(qū)制

(b)經(jīng)濟增長上行區(qū)制

假設(shè)樣本區(qū)間內(nèi)經(jīng)濟增長狀態(tài)的轉(zhuǎn)移概率相同，表1給出經(jīng)濟增長狀態(tài)的轉(zhuǎn)移概率矩陣。經(jīng)濟增長保持在下行狀態(tài)的概率為0.916，保持在上行狀態(tài)的概率為0.887，經(jīng)濟增長從上行狀態(tài)轉(zhuǎn)移到下行狀態(tài)的概率為0.113，從下行狀態(tài)轉(zhuǎn)移到上行狀態(tài)的概率為0.084。樣本期內(nèi)，經(jīng)濟狀態(tài)存在明顯的區(qū)制劃分，經(jīng)濟的結(jié)構(gòu)性變化特點明顯。

表1 希臘經(jīng)濟增長狀態(tài)轉(zhuǎn)移概率矩陣Table 1 Transition Probabilities Matrixof Greece′s Economic Growth State

利用經(jīng)濟增長狀態(tài)的轉(zhuǎn)移概率和違約距離的條件概率分布構(gòu)建違約距離的無條件概率分布，該概率分布是對違約距離概率分布的預(yù)測，能夠反映銀行部門內(nèi)部脆弱性風(fēng)險。由于經(jīng)濟增長狀態(tài)的轉(zhuǎn)移概率與經(jīng)濟所處的狀態(tài)有關(guān)，因此分別討論經(jīng)濟增長正處于上行和下行狀態(tài)時違約距離的無條件概率分布。

由于在2007年至2010年期間希臘的經(jīng)濟經(jīng)歷了明顯的狀態(tài)轉(zhuǎn)移，而且風(fēng)險狀態(tài)也存在顯著變化，期間的數(shù)據(jù)能夠體現(xiàn)危機狀態(tài)的特征，因此選取該期間內(nèi)數(shù)據(jù)進行實證分析。

圖3(a)和(b)表示經(jīng)濟增長正處于下行和上行狀態(tài)時的違約距離概率分布。下行期內(nèi)，違約距離概率密度曲線f1(dd)處于偏左的位置，說明銀行部門更可能出現(xiàn)較小的違約距離；而上行期內(nèi)，違約距離概率密度曲線f2(dd)處于偏右的位置，說明銀行部門更可能出現(xiàn)較大的違約距離。經(jīng)濟增長狀態(tài)通過銀行部門的資產(chǎn)市值渠道影響銀行部門的系統(tǒng)性風(fēng)險狀況，經(jīng)濟增長下行時銀行部門系統(tǒng)性風(fēng)險較高，而經(jīng)濟增長上行時銀行部門系統(tǒng)性風(fēng)險較低。

根據(jù)樣本區(qū)間內(nèi)的轉(zhuǎn)移概率矩陣得到無經(jīng)濟增長狀態(tài)影響下的概率密度f(dd)，銀行內(nèi)部脆弱性風(fēng)險的概率密度曲線f(dd)基本處于下行狀態(tài)和上行狀態(tài)的曲線中間，內(nèi)部脆弱性風(fēng)險的概率密度與不同狀態(tài)中系統(tǒng)性風(fēng)險的概率密度的差別反映了經(jīng)濟增長的狀態(tài)影響。經(jīng)濟增長上行狀態(tài)的影響使內(nèi)部脆弱性風(fēng)險的概率密度曲線向右移動，經(jīng)濟增長下行狀態(tài)的影響使內(nèi)部脆弱性風(fēng)險的概率密度曲線向左移動，經(jīng)濟增長狀態(tài)影響與銀行內(nèi)部脆弱風(fēng)險構(gòu)成銀行部門的系統(tǒng)性風(fēng)險，內(nèi)化了上行狀態(tài)影響的銀行部門的系統(tǒng)性風(fēng)險狀況變得更加穩(wěn)定，而內(nèi)化了下行狀態(tài)影響的銀行部門的系統(tǒng)性風(fēng)險狀況進一步惡化。

(a)經(jīng)濟增長正處于下行狀態(tài) (b)經(jīng)濟增長正處于上行狀態(tài)

圖4 希臘銀行部門系統(tǒng)性風(fēng)險的分解Figure 4 Decomposition of Systemic Risk of Greece′s Banking Sector

而且，當(dāng)經(jīng)濟增長正處于上行狀態(tài)時，上行狀態(tài)期間的違約距離概率密度曲線與反映銀行部門內(nèi)部脆弱性風(fēng)險的概率密度曲線的位置更加接近；當(dāng)經(jīng)濟增長正處于下行狀態(tài)時，下行狀態(tài)期間的違約距離概率密度曲線更靠近內(nèi)部脆弱性風(fēng)險的概率密度曲線，表明銀行部門內(nèi)部脆弱性風(fēng)險狀況決定了不同經(jīng)濟增長狀態(tài)下系統(tǒng)性風(fēng)險的變化狀況，銀行部門的系統(tǒng)性風(fēng)險主要由內(nèi)部脆弱性風(fēng)險決定。

3.3 內(nèi)部脆弱性風(fēng)險度量

利用前一個子區(qū)間的歷史信息對未來時點的銀行部門內(nèi)部脆弱性風(fēng)險指標進行預(yù)測，考慮數(shù)據(jù)限制以及實證過程的數(shù)據(jù)要求，本研究僅分析2009年第1季度至2016年第4季度的銀行部門的季度系統(tǒng)性風(fēng)險指標。利用2007年1月至2009年2月子區(qū)間內(nèi)數(shù)據(jù)計算2009年第1季度的系統(tǒng)性風(fēng)險指標，該子區(qū)間內(nèi)包含26個月，之后的區(qū)間即選取2009年第2季度之前的26個月作為第2個子區(qū)間，以此類推并分別求出季度銀行內(nèi)部脆弱性風(fēng)險指標En(dd)，圖4給出希臘銀行部門的內(nèi)部脆弱性風(fēng)險。

2009年第1季度至2011年第4季度以及2014年第3季度至2016年第4季度，無條件違約距離呈現(xiàn)波動下降的趨勢，銀行部門內(nèi)部脆弱性風(fēng)險逐漸上升，不穩(wěn)定性增加。希臘債務(wù)危機爆發(fā)初期，希臘銀行部門的內(nèi)部脆弱性風(fēng)險下降尤其明顯。2012年第1季度至2014年第2季度，無條件違約距離呈波動上升趨勢，銀行部門的內(nèi)部脆弱性風(fēng)險下降，金融穩(wěn)健性增加。銀行部門系統(tǒng)性風(fēng)險與內(nèi)部脆弱性風(fēng)險的變化趨勢基本一致，銀行內(nèi)部脆弱性風(fēng)險在系統(tǒng)性風(fēng)險的變化過程中起主導(dǎo)作用。

3.4 經(jīng)濟增長對于系統(tǒng)性風(fēng)險的影響

銀行部門內(nèi)部脆弱性風(fēng)險與系統(tǒng)性風(fēng)險之間的差異來源于外部經(jīng)濟狀態(tài)的影響。2009年至2016年期間經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的影響見圖4。2010年第1季度至第2季度、2012年第3季度至2013年第2季度以及2015年第3季度，經(jīng)濟增長狀態(tài)處于下行區(qū)制，條件違約距離低于剝離經(jīng)濟增長狀態(tài)影響的違約距離，經(jīng)濟增長下行狀態(tài)對系統(tǒng)性風(fēng)險具有惡化作用。2010年第3季度至2012年第2季度，歐盟委員會、歐洲央行和國際貨幣基金組織對希臘進行了救助，幫助希臘恢復(fù)經(jīng)濟，并通過注資、擔(dān)保等救助措施緩解危機對金融機構(gòu)的沖擊，恢復(fù)金融系統(tǒng)服務(wù)實體經(jīng)濟的職能；此時，經(jīng)濟增長狀態(tài)雖然仍處于下行區(qū)制，但條件違約距離高于剝離經(jīng)濟增長狀態(tài)影響的違約距離，救助政策對系統(tǒng)性風(fēng)險的正面影響大于經(jīng)濟增長下行的負面影響，因此危機狀態(tài)下，經(jīng)濟狀態(tài)對系統(tǒng)性風(fēng)險的作用表現(xiàn)為穩(wěn)定作用。2014年期間，經(jīng)濟增長處于上行狀態(tài)，總體上看條件違約距離高于無條件違約距離，經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險主要產(chǎn)生穩(wěn)定作用。由此表明銀行部門系統(tǒng)性風(fēng)險的變化主要由銀行內(nèi)部脆弱性決定，外部經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險具有增效器作用。危機狀態(tài)中，經(jīng)濟增長狀態(tài)和救助政策同時對系統(tǒng)性風(fēng)險產(chǎn)生沖擊，救助政策對銀行部門的系統(tǒng)性風(fēng)險具有穩(wěn)定作用。

如圖4所示，經(jīng)濟增長對系統(tǒng)性風(fēng)險的影響程度能夠反映經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的非對稱性影響。2010年第1季度至第2季度以及2012年第3季度至2013年第2季度期間，經(jīng)濟增長對系統(tǒng)性風(fēng)險的影響程度總體較大，而在2014年期間，經(jīng)濟增長對系統(tǒng)性風(fēng)險的影響程度較小。2010年第3季度至2012年第2季度期間，救助政策對系統(tǒng)性風(fēng)險的正面影響大于經(jīng)濟增長下行的負面影響，因此危機狀態(tài)下，經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的影響程度較小。結(jié)果表明經(jīng)濟增長下行狀態(tài)會導(dǎo)致銀行部門的系統(tǒng)性風(fēng)險加速惡化，而經(jīng)濟增長上行狀態(tài)能夠平穩(wěn)降低銀行部門的系統(tǒng)性風(fēng)險，而且救助政策能夠穩(wěn)定銀行部門的風(fēng)險狀況。

經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的影響與銀行部門內(nèi)部脆弱性風(fēng)險狀況有關(guān)，經(jīng)濟增長對系統(tǒng)性風(fēng)險的放大效果是不對稱的。當(dāng)銀行部門內(nèi)部脆弱性風(fēng)險狀況出現(xiàn)惡化時，經(jīng)濟增長下行狀態(tài)的增效器作用更加強烈；當(dāng)銀行部門內(nèi)部脆弱性風(fēng)險狀況得到改善時，經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的增效作用則相比更加溫和。在危機狀態(tài)下，經(jīng)濟狀態(tài)對系統(tǒng)性風(fēng)險的影響方向需要綜合考慮經(jīng)濟增長下行的負面影響和救助政策的正面影響，救助政策能夠增加銀行部門穩(wěn)定性。

4 經(jīng)濟增長狀態(tài)與系統(tǒng)性風(fēng)險的實證分析——對中國的觀察

由于中國沒有出現(xiàn)過真正意義上的系統(tǒng)性危機，經(jīng)濟增長狀態(tài)是影響中國銀行部門系統(tǒng)性風(fēng)險的最主要的外部沖擊，從銀行總體和不同規(guī)模銀行整體兩個角度對系統(tǒng)性風(fēng)險進行分解，研究中國銀行部門的內(nèi)部脆弱性風(fēng)險和外部經(jīng)濟增長狀態(tài)影響，并且對不同規(guī)模銀行的系統(tǒng)性風(fēng)險分解結(jié)果進行比較，最后根據(jù)實證結(jié)果討論降低中國銀行部門系統(tǒng)性風(fēng)險的相關(guān)措施。

4.1 樣本、數(shù)據(jù)和系統(tǒng)性風(fēng)險指標

以在滬、深證券交易所上市的銀行整體作為樣本，數(shù)據(jù)區(qū)間為2007年1月至2016年12月，數(shù)據(jù)來源于Wind數(shù)據(jù)庫，指標計算過程與希臘實證部分基本一致。2007年1月至2016年12月銀行部門系統(tǒng)性風(fēng)險變化趨勢見圖5，2007年至2008年金融危機、2010年歐債危機、2013年銀行“錢荒”以及2015年股市大跌等都出現(xiàn)過違約距離較低、銀行部門系統(tǒng)性風(fēng)險上升的情況。

4.2 銀行部門系統(tǒng)性風(fēng)險分解

利用馬爾科夫區(qū)制轉(zhuǎn)移模型識別經(jīng)濟增長的上行狀態(tài)和下行狀態(tài)。結(jié)果表明，2008年至2009年和2011下半年以來都處于經(jīng)濟增長下行期，其他區(qū)間處于經(jīng)濟增長上行期。2007年1月至2011年5月，經(jīng)濟增長狀態(tài)發(fā)生了兩次轉(zhuǎn)移，是一次完整的經(jīng)濟周期循環(huán)，2011年6月以后，經(jīng)濟增長波動更頻繁，但波動幅度更小，呈現(xiàn)整體平穩(wěn)的趨勢，為一個正在經(jīng)歷的新周期[41-42]。2007年1月至2011年5月，經(jīng)濟狀態(tài)存在明顯的區(qū)制劃分，經(jīng)濟的結(jié)構(gòu)性變化特點明顯；2011年6月以后，經(jīng)濟增長基本在均值附近波動，經(jīng)濟增長狀態(tài)繼續(xù)保持在同一個區(qū)制內(nèi)的概率較低，經(jīng)濟增長狀態(tài)的區(qū)制劃分不明顯，經(jīng)濟狀態(tài)的結(jié)構(gòu)性變化特點更弱。

圖5 中國銀行部門系統(tǒng)性風(fēng)險演變Figure 5 Systemic Risk Evolution of China′s Banking Sector

圖6 中國銀行部門系統(tǒng)性風(fēng)險的分解Figure 6 Decomposition of Systemic Risk of China′s Banking Sector

將銀行部門的系統(tǒng)性風(fēng)險分解為外部經(jīng)濟增長狀態(tài)影響和內(nèi)部脆弱性風(fēng)險，圖6給出2009年至2016年中國銀行部門系統(tǒng)性風(fēng)險的分解結(jié)果。從內(nèi)部脆弱性風(fēng)險看，2009年第1季度至2015年第2季度，無條件違約距離波動上升，銀行部門內(nèi)部脆弱性風(fēng)險逐漸減小。2015年第3季度至2016年第4季度，無條件違約距離波動下降，銀行部門的內(nèi)部脆弱性風(fēng)險上升。銀行部門系統(tǒng)性風(fēng)險與內(nèi)部脆弱性風(fēng)險的總體變化趨勢一致。從外部經(jīng)濟增長狀態(tài)影響看，2009年第2季度至第3季度，經(jīng)濟增長處于經(jīng)濟增長下行區(qū)制，條件違約距離低于無條件違約距離，經(jīng)濟增長下行狀態(tài)對系統(tǒng)性風(fēng)險具有惡化作用；2009年第4季度至2011年第2季度，經(jīng)濟增長維持在較高水平，經(jīng)濟增長處于上行區(qū)制，條件違約距離高于無條件違約距離，經(jīng)濟增長上行狀態(tài)對系統(tǒng)性風(fēng)險具有穩(wěn)定作用。2011年第3季度至2016年第4季度，經(jīng)濟增長處于波動下行之中，經(jīng)濟增長的結(jié)構(gòu)性變化不明顯，經(jīng)濟增長狀態(tài)對銀行系統(tǒng)性風(fēng)險既存在穩(wěn)定作用也存在惡化作用，但總體上看條件違約距離低于無條件違約距離，經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險主要產(chǎn)生惡化作用。銀行部門內(nèi)部脆弱性風(fēng)險是系統(tǒng)性風(fēng)險變化趨勢的主要決定因素，外部經(jīng)濟增長對系統(tǒng)性風(fēng)險發(fā)揮類似增效器的作用。經(jīng)濟增長下行狀態(tài)會加劇銀行部門系統(tǒng)性風(fēng)險的惡化，而經(jīng)濟增長上行狀態(tài)能穩(wěn)定銀行部門的風(fēng)險狀況。

從經(jīng)濟增長對于系統(tǒng)性風(fēng)險的影響程度看，2009年第1季度至第3季度以及2012年第3季度至2016年第4季度，經(jīng)濟增長對系統(tǒng)性風(fēng)險的影響程度總體較大，而在2009年第4季度至2012年第2季度，經(jīng)濟增長對系統(tǒng)性風(fēng)險的影響程度較小，表明經(jīng)濟增長狀態(tài)對銀行部門系統(tǒng)性風(fēng)險的增效作用具有不對稱性，經(jīng)濟增長下行狀態(tài)會導(dǎo)致銀行部門的系統(tǒng)性風(fēng)險加速惡化，而經(jīng)濟增長上行狀態(tài)能夠平穩(wěn)降低銀行部門的系統(tǒng)性風(fēng)險。

銀行部門的內(nèi)部脆弱性風(fēng)險是系統(tǒng)性風(fēng)險的關(guān)鍵組成部分，決定了系統(tǒng)性風(fēng)險的變化趨勢。而且經(jīng)濟增長狀態(tài)對銀行部門系統(tǒng)性風(fēng)險的影響程度與內(nèi)部脆弱性風(fēng)險有關(guān)，當(dāng)內(nèi)部脆弱性風(fēng)險上升時經(jīng)濟增長下行狀態(tài)的影響更加顯著，而當(dāng)內(nèi)部脆弱性風(fēng)險降低時經(jīng)濟增長下行狀態(tài)的影響則相對更小。在降低系統(tǒng)性風(fēng)險時，應(yīng)重點關(guān)注內(nèi)生于資產(chǎn)負債表的內(nèi)部脆弱性風(fēng)險，提升銀行部門的經(jīng)營管理水平，完善對銀行高風(fēng)險業(yè)務(wù)的監(jiān)管，加強對銀行部門流動性風(fēng)險的管理和監(jiān)控，提升銀行部門內(nèi)部穩(wěn)健性，降低銀行部門的內(nèi)部脆弱性風(fēng)險，增強銀行部門對外部負面沖擊的抵御能力。

經(jīng)濟增長狀態(tài)影響作為系統(tǒng)性風(fēng)險的重要組成部分，對系統(tǒng)性風(fēng)險的影響具有增效器作用。在維護金融穩(wěn)定、防范系統(tǒng)性金融風(fēng)險時，應(yīng)重視外部經(jīng)濟條件和實體部門與系統(tǒng)性風(fēng)險的聯(lián)系[43-44]，銀行部門與實體經(jīng)濟之間的正反饋機制會加劇經(jīng)濟周期的波動和金融不穩(wěn)定，為了減輕金融體系的順周期性影響，應(yīng)完善宏觀審慎監(jiān)管框架[45]，引入逆周期的監(jiān)管政策工具，建立動態(tài)的、前瞻性的逆周期監(jiān)管機制，緩解經(jīng)濟周期波動對銀行部門系統(tǒng)性風(fēng)險的影響，增強金融體系的穩(wěn)定性。監(jiān)管部門還應(yīng)該提高對系統(tǒng)性不穩(wěn)定因素的識別和評估能力，完善銀行部門系統(tǒng)性風(fēng)險預(yù)警體系，緩解外部沖擊對銀行系統(tǒng)性風(fēng)險的負面影響[46-47]。

4.3 銀行規(guī)模與系統(tǒng)性風(fēng)險

銀行規(guī)模與系統(tǒng)性風(fēng)險密切相關(guān)，由于資產(chǎn)規(guī)模、資本結(jié)構(gòu)、業(yè)務(wù)模式、組織結(jié)構(gòu)和經(jīng)營管理等方面的差異，大型商業(yè)銀行與中小型商業(yè)銀行的整體系統(tǒng)性風(fēng)險也不同。借鑒林毅夫等[48]的做法，本研究把中國工商銀行、中國農(nóng)業(yè)銀行、中國銀行、中國建設(shè)銀行、交通銀行5家銀行定義為大型商業(yè)銀行，將這5家銀行以外的其他所有銀行定義為中小型商 業(yè)銀行，將5家大型商業(yè)銀行與其他中小型商業(yè)銀行視作兩個異質(zhì)的整體，并對兩個整體進行系統(tǒng)性風(fēng)險分解，研究銀行規(guī)模與系統(tǒng)性風(fēng)險的關(guān)系。圖7和圖8分別對兩類銀行的內(nèi)部脆弱性風(fēng)險和外部經(jīng)濟增長狀態(tài)影響的大小進行比較。

圖7 內(nèi)部脆弱性風(fēng)險比較Figure 7 Comparison of Internal Vulnerabilities Risk

圖8 經(jīng)濟增長狀態(tài)影響比較Figure 8 Comparison of the Impact of Economic Growth State

由圖7可知，兩類商業(yè)銀行的內(nèi)部脆弱性風(fēng)險的變化趨勢基本一致，2010年第2季度至2013年第2季度，中小型商業(yè)銀行和大型商業(yè)銀行的內(nèi)部脆弱性風(fēng)險呈現(xiàn)波動上升趨勢，2013年第3季度至2016年第4季度，中小型商業(yè)銀行和大型商業(yè)銀行的內(nèi)部脆弱性風(fēng)險呈逐年下降趨勢。隨著中國利率市場化進程加快，中國商業(yè)銀行面臨的外部經(jīng)濟環(huán)境發(fā)生重大變化，利率市場化在提高資源配置效率的同時，也加劇了銀行部門的內(nèi)部脆弱性[49]。中小型商業(yè)銀行的無條件違約距離小于大型商業(yè)銀行的，中小型商業(yè)銀行的內(nèi)部脆弱性風(fēng)險高于大型商業(yè)銀行的。

由圖8可知，經(jīng)濟增長對中小型商業(yè)銀行的影響程度總體高于大型商業(yè)銀行。綜上所述，異質(zhì)銀行的系統(tǒng)性風(fēng)險分解結(jié)果表明，大型商業(yè)銀行的內(nèi)部脆弱性風(fēng)險相對較低且受經(jīng)濟增長影響程度更小，而中小型商業(yè)銀行的內(nèi)部脆弱性風(fēng)險較高且受經(jīng)濟增長影響程度更大。銀行內(nèi)部脆弱性風(fēng)險越高，經(jīng)濟增長狀態(tài)的影響越顯著。

隨著中國利率市場化的加速，銀行部門的經(jīng)營模式和盈利模式發(fā)生重大變化，銀行內(nèi)部脆弱性風(fēng)險上升，經(jīng)濟增長狀態(tài)的影響也更加顯著，中小型商業(yè)銀行內(nèi)部脆弱性風(fēng)險高于大型商業(yè)銀行且受經(jīng)濟增長狀態(tài)影響更加明顯。不同規(guī)模銀行應(yīng)準確認識自身的優(yōu)勢和劣勢，結(jié)合自身情況確定合適的發(fā)展路線，重視提升經(jīng)營管理水平，在提高業(yè)務(wù)創(chuàng)新能力的同時注重內(nèi)部脆弱性風(fēng)險的管理，增強銀行部門內(nèi)部穩(wěn)健性，降低外部沖擊的負面影響。在利率市場化背景下，建立健全相應(yīng)的配套制度保障和監(jiān)管措施，降低利率市場化對銀行部門穩(wěn)定性的影響。

5 結(jié)論

本研究從系統(tǒng)性風(fēng)險的構(gòu)成角度出發(fā)，將馬爾科夫區(qū)制轉(zhuǎn)移模型引入CCA框架，對2007年至2016年經(jīng)濟狀態(tài)與希臘和中國銀行部門的系統(tǒng)性風(fēng)險進行研究，得到以下結(jié)論。

(1)外部沖擊和內(nèi)部脆弱性是發(fā)生銀行系統(tǒng)性風(fēng)險的兩個來源，結(jié)合馬爾科夫區(qū)制轉(zhuǎn)移模型和CCA方法，利用經(jīng)濟狀態(tài)與銀行部門系統(tǒng)性風(fēng)險之間的聯(lián)系以及經(jīng)濟狀態(tài)、違約距離的相關(guān)概率，將銀行部門系統(tǒng)性風(fēng)險分解為內(nèi)部脆弱性風(fēng)險和外部經(jīng)濟狀態(tài)影響。

(2)基于希臘和中國銀行部門的實證分析，研究發(fā)現(xiàn)銀行部門系統(tǒng)性風(fēng)險變化趨勢主要由內(nèi)部脆弱性風(fēng)險決定，經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的作用類似于增效器，經(jīng)濟增長下行狀態(tài)會加劇銀行部門系統(tǒng)性風(fēng)險的惡化，經(jīng)濟增長上行狀態(tài)能夠穩(wěn)定銀行部門的風(fēng)險狀況。

(3)經(jīng)濟增長對銀行部門系統(tǒng)性風(fēng)險的放大效果具有不對稱性。在銀行部門內(nèi)部脆弱性風(fēng)險狀況出現(xiàn)惡化時，經(jīng)濟增長下行狀態(tài)的增效器作用更加強烈；銀行部門內(nèi)部脆弱性風(fēng)險狀況得到改善時，經(jīng)濟增長狀態(tài)對系統(tǒng)性風(fēng)險的增效作用則相對溫和。

(4)救助政策在短期內(nèi)通過外部機制影響系統(tǒng)性風(fēng)險，經(jīng)濟增長狀態(tài)和救助政策同時對系統(tǒng)性風(fēng)險產(chǎn)生外部沖擊，而且救助政策對系統(tǒng)性風(fēng)險的正面影響大于經(jīng)濟增長下行的負面影響，危機狀態(tài)下救助政策能夠?qū)ο到y(tǒng)性風(fēng)險發(fā)揮明顯的穩(wěn)定作用。

目前中國經(jīng)濟進入新常態(tài)，經(jīng)濟增長面臨趨勢性下降，而銀行資產(chǎn)大幅增長且資金大多流向房地產(chǎn)投資，外部經(jīng)濟條件變化和銀行內(nèi)部脆弱性都可能成為中國金融系統(tǒng)性危機爆發(fā)的源頭。因此，在宏觀審慎監(jiān)管中，應(yīng)重視外部經(jīng)濟條件和實體部門與系統(tǒng)性風(fēng)險的聯(lián)系，在經(jīng)濟增長下行時，不僅要求銀行部門降低內(nèi)部脆弱性風(fēng)險，而且要對銀行部門與企業(yè)部門的關(guān)系進行干預(yù)，建立動態(tài)的、前瞻性的逆周期監(jiān)管機制，緩解外部沖擊對銀行部門的不利影響。當(dāng)宏觀經(jīng)濟遭受較大的負面沖擊時，政府部門應(yīng)該及時提供救助并選擇有效的救助形式，防止風(fēng)險的進一步蔓延，同時為了緩解道德風(fēng)險問題，在防范系統(tǒng)性風(fēng)險時，應(yīng)該注重事前的系統(tǒng)性風(fēng)險管理，實施具有前瞻性的宏觀審慎監(jiān)管。

由于數(shù)據(jù)限制，本研究樣本區(qū)間的選擇對于實證結(jié)果可能具有一定程度的影響，未來研究可以考慮使用時變轉(zhuǎn)移概率馬爾科夫區(qū)制轉(zhuǎn)移模型刻畫經(jīng)濟增長狀態(tài)概率。

[1]DIAMOND D W,RAJAN R G.Liquidityrisk,liquiditycreation,andfinancialfragility:atheoryofbanking.SSRN:CRSP Working Papers No.476,1998.

[2]ALLEN F,GALE D.Financial contagion.JournalofPoliticalEconomy,2000,108(1):1-33.

[3]TAYLOR J B.Defining systemic risk operationally∥SCOTT K E,SHULTZ G P,TAYLOR J B.SystemicRiskTheoryandinPractice.Stanford,CA:Stanford University,2010:33-57.

[4]GAN V B Y.Banking balance sheet channel of systemic risk.JournalofRiskAnalysisandCrisisResponse,2015,5(1):16-30.

[5]LAEVEN L,RATNOVSKI L,TONG H.Bank size, capital,and systemic risk:some international evidence.JournalofBanking&Finance,2016,69:S25-S34.

[6]VALLASCAS F,KEASEY K.Bank resilience to systemic shocks and the stability of banking systems:small is beautiful.JournalofInternationalMoneyandFinance,2012,31(6):1745-1776.

[7]MISHKIN F S.Systemic risk and the international lender of last resort∥KAUFMAN G G.TenthAnnualInternationalBankingConference.Chicago,Illinois:Federal Reserve Bank of Chicago,2007.

[8]ALLEN F,BABUS A,CARLETTI E.Financialconnectionsandsystemicrisk.Philadelphia,PA:University of Pennsylvania,2010.

[9]International Monetary Fund.Respondingtothefinancialcrisisandmeasuringsystemicrisks.Washington,DC:Global Financial Stability Report,2009.

[10] 陶玲,朱迎.系統(tǒng)性金融風(fēng)險的監(jiān)測和度量:基于中國金融體系的研究.金融研究,2016(6):18-36.

TAO Ling,ZHU Ying.On China′s financial systemic risks.JournalofFinancialResearch,2016(6):18-36.(in Chinese)

[11] SORGE M,VIROLAINEN K.A comparative analysis of macro stress-testing methodologies with application to Finland.JournalofFinancialStability,2006,2(2):113-151.

[12] MARCUCCI J,QUAGLIARIELLO M.Asymmetric effects of the business cycle on bank credit risk.JournalofBanking&Finance,2009,33(9):1624-1635.

[13] 王春麗,胡玲.基于馬爾科夫區(qū)制轉(zhuǎn)移模型的中國金融風(fēng)險預(yù)警研究.金融研究,2014(9):99-114.

WANG Chunli,HU Ling.An empirical research on early-warning mechanism of financial risk in China.JournalofFinancialResearch,2014(9):99-114.(in Chinese)

[14] 陳雨露,馬勇,阮卓陽.金融周期和金融波動如何影響經(jīng)濟增長與金融穩(wěn)定?.金融研究,2016(2):1-22.

CHEN Yulu,MA Yong,RUAN Zhuoyang.How do financial cycle and financial volatility affect economic growth and financial stability?.JournalofFinancialResearch,2016(2):1-22.(in Chinese)

[15] LO A W.Hedgefunds,systemicrisk,andthefinancialcrisisof2007-2008.Washington:U.S.House of Representatives Committee on Oversight and Government Reform,2008.

[16] ILLING M,LIU Y.Measuring financial stress in a developed country:an application to Canada.JournalofFinancialStability,2006,2(3):243-265.

[17] 張勇,彭禮杰,莫嘉浩.中國金融壓力的度量及其宏觀經(jīng)濟的非線性效應(yīng).統(tǒng)計研究,2017,34(1):67-79.

ZHANG Yong,PENG Lijie,MO Jiahao.The measurement of financial stress and nonlinear effect on macroeconomic activity in China.StatisticalResearch,2017,34(1):67-79.(in Chinese)

[18] BENOS A,PAPANASTASOPOULOS G.Extending the Merton model:a hybrid approach to assessing credit quality.MathematicalandComputerModeling,2007,46(1/2):47-68.

[19] GRAY D F,MERTON R C,BODIE Z.Newframeworkformeasuringandmanagingmacrofinancialriskandfinancialstability.SSRN:NBER Working Paper Series No.13607,2007.

[20] 宮曉琳.未定權(quán)益分析方法與中國宏觀金融風(fēng)險的測度分析.經(jīng)濟研究,2012,47(3):76-87.

GONG Xiaolin.Measuring and analyzing China′s macro-financial risk with CCA approach.EconomicResearchJournal,2012,47(3):76-87.(in Chinese)

[21] 宋凌峰,陽浪.經(jīng)濟下行、信用風(fēng)險反饋和政府隱性救助.管理科學(xué)學(xué)報,2016,19(11):103-113.

SONG Lingfeng,YANG Lang.Economic downturn,credit risk feedback and government implicit bailout.JournalofManagementSciencesinChina,2016,19(11):103-113.(in Chinese)

[22] 茍文均,袁鷹,漆鑫.債務(wù)杠桿與系統(tǒng)性風(fēng)險傳染機制:基于CCA模型的分析.金融研究,2016(3):74-91.

GOU Wenjun,YUAN Ying,QI Xin.Leverage and systemic risk contagion mechanism:an analysis based on CCA model.JournalofFinancialResearch,2016(3):74-91.(in Chinese)

[23] HRYCKIEWICZ A.What do we know about the impact of government interventions in the banking sector?An assessment of various bailout programs on bank behavior.JournalofBanking&Finance,2014,46:246-265.

[24] DEWATRIPONT M.European banking:bailout,bail-in and state aid control.InternationalJournalofIndustrialOrganization,2014,34:37-43.

[25] BERGER A N,ROMAN R A,SEDUNOV J.Dobankbailoutsreduceorincreasesystemicrisk?TheeffectsofTARPonfinancialsystemstability.SSRN:The Federal Reserve Bank of Kansas City Research Working Paper 16-08,2016.

[26] KOSMIDOU K V,KOUSENIDIS D V,NEGAKIS C I.The impact of the EU/ECB/IMF bailout programs on the financial and real sectors of the ASE during the Greek sovereign crisis.JournalofBanking&Finance,2015,50(C):440-454.

[27] 楊柳勇, 周強.資本要求、“多而不倒”救助與系統(tǒng)性風(fēng)險.經(jīng)濟理論與經(jīng)濟管理,2014(5):69-79.

YANG Liuyong,ZHOU Qiang.Capital requirement, “too many to fail” bailout and systemic risk.EconomicTheoryandBusinessManagement,2014(5):69-79.(in Chinese)

[28] APOSTOLAKIS G,PAPADOPOULOS A P.Financial stress spillovers across the banking,securities and foreign exchange markets.JournalofFinancialStability,2015,19:1-21.

[30] POTGEITER L,FUSAI G.Sovereign credit risk in a hidden Markov regime-switching framework.Part 1:methodology.JournalofFinancialTransformation,2013,37:99-109.

[31] 田國強,趙禹樸,宮汝凱.利率市場化、存款保險制度與銀行擠兌.經(jīng)濟研究,2016,51(3):96-109.

TIAN Guoqiang,ZHAO Yupu,GONG Rukai.Market-oriented interest rate,deposit insurance system and bank runs.EconomicResearchJournal,2016,51(3):96-109.(in Chinese)

[32] DIAMOND D W,DYBVIG P H.Bank runs,deposit insurance,and liquidity.JournalofPoliticalEconomy,1983,91(3):401-419.

[33] CHARI V V,JAGANNATHAN R.Banking panics,information,and rational expectations equilibrium.TheJournalofFinance,1988,43(3):749-761.

[34] KIM T S,PARK J W,PARK Y J.Macroeconomic conditions and credit default swap spread changes.TheJournalofFuturesMarkets,2017,37(8):766-802.

[35] 張宗益,劉胤,唐先明,等.銀行資本調(diào)整與風(fēng)險控制:內(nèi)生互動與周期性特征.管理科學(xué)學(xué)報,2014,17(6):60-74.

ZHANG Zongyi,LIU Yin,TANG Xianming,et al.Banking capitalization and risk-taking under capital adequacy regulation:empirical evidence based on cyclicality hypothesis.JournalofManagementSciencesinChina,2014,17(6):60-74.(in Chinese)

[36] HAMILTON J D.A new approach to the economic analysis of nonstationary time series and the business cycle.Econometrica,1989,57(2):357-384.

[37] KROLZIG H M.Markov-switchingvectorautoregressions:modelling,statisticalinference,andapplicationtobusinesscycleanalysis.Berlin Heidelberg:Springer-Verlag,1997:6-147.

[38] KEISTER T.Bailouts and financial fragility.TheReviewofEconomicStudies,2016,83(2):704-736.

[39] OCCHINO F,PESCATORI A.Debt overhang in a business cycle model.EuropeanEconomicReview,2015,73:58-84.

[40] 徐國祥,李波.中國金融壓力指數(shù)的構(gòu)建及動態(tài)傳導(dǎo)效應(yīng)研究.統(tǒng)計研究,2017,34(4):59-71.

XU Guoxiang,LI Bo.Study on the construction of China′s financial stress index and its dynamic transmission effect.StatisticalResearch,2017,34(4):59-71.(in Chinese)

[41] 馬勇,馮心悅,田拓.金融周期與經(jīng)濟周期:基于中國的實證研究.國際金融研究,2016(10):3-14.

MA Yong,FENG Xinyue,TIAN Tuo.Financial cycle and economic cycle:evidence from China.StudiesofInternationalFinance,2016(10):3-14.(in Chinese)

[42] 李正輝,鄭玉航.基于混頻數(shù)據(jù)模型的中國經(jīng)濟周期區(qū)制監(jiān)測研究.統(tǒng)計研究,2015,32(1):33-40.

LI Zhenghui,ZHENG Yuhang.Monitoring China′s business cycle regime based on MIDAS model.StatisticalResearch,2015,32(1):33-40.(in Chinese)

[43] 郭娜,梁琪.我國房地產(chǎn)市場周期與金融穩(wěn)定：基于隨機游走濾波的分析.南開經(jīng)濟研究,2011(4):98-107.

GUO Na,LIANG Qi.Real estate cycle and financial stability in China:empirical analysis from random walk filter.NankaiEconomicStudies,2011(4):97-107.(in Chinese)

[44] GIGLIO S,KELLY B,PRUITT S.Systemic risk and the macroeconomy:an empirical evaluation.JournalofFinancialEconomics,2016,119(3):457-471.

[45] BLACK L,CORREA R,HUANG X,et al.The systemic risk of European banks during the financial and sovereign debt crises.JournalofBanking&Finance,2016,63:107-125.

[46] 方蕾,粟芳.全球銀行業(yè)系統(tǒng)性風(fēng)險的成因：內(nèi)憂還是外患？基于74個國家的比較分析.國際金融研究,2017(8):65-74.

FANG Lei,SU Fang.The main cause of bank system risk in the world:internal or external?Base on comparable analysis of 74 countries in financial crisis.StudiesofInternationalFinance,2017(8):65-74.(in Chinese)

[47] 方意.系統(tǒng)性風(fēng)險的傳染渠道與度量研究：兼論宏觀審慎政策實施.管理世界,2016(9):32-57.

FANG Yi.Study on the transmission channel and measure of systematic risk:for macro-prudential policy implementation.ManagementWorld,2016(8):32-57.(in Chinese)

[48] 林毅夫,孫希芳.銀行業(yè)結(jié)構(gòu)與經(jīng)濟增長.經(jīng)濟研究,2008,43(9):31-45.

LIN Yifu,SUN Xifang.Banking structure and economic growth:evidence from Chinese provincial panel data.EconomicResearchJournal,2008,43(9):31-45.(in Chinese)

[49] 李宏瑾.利率市場化對商業(yè)銀行的挑戰(zhàn)及應(yīng)對.國際金融研究,2015(2):65-76.

LI Hongjin.The challenges of interest rate liberalization to banks and the strategies.StudiesofInternationalFinance,2015(2):65-76.(in Chinese)

FundedProject:Supported by the National Social Science Foundation of China(15BJY152) and the Humanity and Social Science Foundation of Ministry of Education of China (14YJC790100)

Biography:SONG Lingfeng, doctor in economics, is an associate professor in the Economics and Management School at Wuhan University. His research interests include financial engineering and risk management. His representative paper titled “Economic downturn, credit risk feedback and government implicit bailout” was published in theJournalofManagementSciencesinChina(Issue 11,2016). E-mail：songlingfeng@whu.edu.cn

WU Shijie is a master degree candidate in the Economics and Management School at Wuhan University. Her research interest focuses on risk management. E-mail：578367151@qq.com