何卓靜 周利國(guó) 閆麗新

一、引言

金融機(jī)構(gòu)作為市場(chǎng)資金流通的重要中介部門，資金和業(yè)務(wù)關(guān)聯(lián)使得金融機(jī)構(gòu)間以及金融機(jī)構(gòu)與市場(chǎng)之間形成緊密的聯(lián)系，這種千絲萬(wàn)縷的關(guān)聯(lián)一方面能夠提高金融市場(chǎng)資源配置效率促進(jìn)經(jīng)濟(jì)發(fā)展，另一方面也可能放大單個(gè)金融機(jī)構(gòu)危機(jī)事件所帶來(lái)的負(fù)面影響，加速風(fēng)險(xiǎn)擴(kuò)散。2008—2011年間發(fā)生的次貸危機(jī)和歐債危機(jī)，主要原因是金融體系內(nèi)部某一家金融機(jī)構(gòu)發(fā)生的危機(jī)事件在整個(gè)金融體系內(nèi)擴(kuò)散，隨后這種金融恐慌蔓延至實(shí)體經(jīng)濟(jì)部門，最終導(dǎo)致整個(gè)國(guó)家甚至全球經(jīng)濟(jì)蕭條。Gai等(2011)[1]研究表明，相關(guān)性越強(qiáng)的部門，其危機(jī)傳染的可能性越高，對(duì)金融體系以及實(shí)體經(jīng)濟(jì)的負(fù)面沖擊作用越大。因此，防范單個(gè)金融機(jī)構(gòu)極端風(fēng)險(xiǎn)事件對(duì)金融體系的系統(tǒng)性風(fēng)險(xiǎn)外溢成為金融風(fēng)險(xiǎn)管理部門維持金融體系穩(wěn)定的關(guān)鍵所在，也是國(guó)民經(jīng)濟(jì)健康發(fā)展的重要保證(Giglio等，2016[2])。

盡管中國(guó)資本市場(chǎng)受到國(guó)際金融危機(jī)負(fù)面影響的程度較小，但長(zhǎng)期以來(lái)依靠投資拉動(dòng)經(jīng)濟(jì)發(fā)展的思路所導(dǎo)致的信貸擴(kuò)張已經(jīng)成為經(jīng)濟(jì)發(fā)展放緩后信貸市場(chǎng)的巨大隱患，金融體系的系統(tǒng)性風(fēng)險(xiǎn)也日益顯露。當(dāng)前，我國(guó)經(jīng)濟(jì)存在結(jié)構(gòu)性產(chǎn)能過(guò)剩，企業(yè)杠桿率過(guò)高，商業(yè)銀行不良貸款率持續(xù)反彈，銀行業(yè)處于系統(tǒng)性風(fēng)險(xiǎn)暴露的風(fēng)口。由于政府部門、金融監(jiān)管機(jī)構(gòu)以及外部投資者對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的認(rèn)知存在一定局限性，使得金融危機(jī)事件發(fā)生時(shí)不能及時(shí)有效地進(jìn)行控制和處理。因此，一種有效測(cè)度系統(tǒng)性風(fēng)險(xiǎn)的方法對(duì)金融風(fēng)險(xiǎn)監(jiān)管部門來(lái)說(shuō)非常重要。目前學(xué)界普遍認(rèn)為Adrian和Brunnermeier (2016)[3]提出的CoVaR是一種行之有效的測(cè)度系統(tǒng)性風(fēng)險(xiǎn)的方法，尤其在測(cè)度單個(gè)銀行極端風(fēng)險(xiǎn)事件對(duì)金融體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)方面[4-6]。本文應(yīng)用CoVaR技術(shù)測(cè)度單個(gè)銀行對(duì)金融體系系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)。與Adrian和Brunnermeier (2016)[3]采用的CoVaR方法不同，本文基于金融機(jī)構(gòu)之間存在的非線性相關(guān)結(jié)構(gòu)，結(jié)合時(shí)變Copula計(jì)算動(dòng)態(tài)CoVaR，進(jìn)一步分析銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的變化特征。此外，本文認(rèn)為銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)存在時(shí)間維度的差異，因此，文中采用變分模態(tài)分解(VMD)方法來(lái)區(qū)分銀行系統(tǒng)性風(fēng)險(xiǎn)的長(zhǎng)期和短期溢出效應(yīng)，并通過(guò)KS檢驗(yàn)方法檢驗(yàn)系統(tǒng)性風(fēng)險(xiǎn)長(zhǎng)期和短期效應(yīng)之間的差異，拓展了金融監(jiān)管者對(duì)系統(tǒng)性風(fēng)險(xiǎn)的理解。本文的創(chuàng)新點(diǎn)主要體現(xiàn)在：第一，在模型構(gòu)建方面，充分考慮金融時(shí)間序列“尖峰厚尾”的特征，基于銀行與金融體系的非對(duì)稱性相關(guān)關(guān)系，采用時(shí)變Copula方法測(cè)度動(dòng)態(tài)CoVaR，拓展了系統(tǒng)性風(fēng)險(xiǎn)的衡量方法。第二，在實(shí)證方面，結(jié)合VMD和時(shí)變Copula方法測(cè)度銀行系統(tǒng)性風(fēng)險(xiǎn)溢出的長(zhǎng)期和短期效應(yīng)，拓展了時(shí)間維度上系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的研究。第三，基于中國(guó)股票市場(chǎng)的實(shí)際情況，從股票市場(chǎng)異常波動(dòng)時(shí)期和正常波動(dòng)時(shí)期出發(fā)分析三種不同所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，為金融風(fēng)險(xiǎn)監(jiān)管部門制定風(fēng)險(xiǎn)防控策略提供了一定的依據(jù)。

二、文獻(xiàn)綜述

2008年美國(guó)次貸危機(jī)及2009年歐洲主權(quán)債務(wù)危機(jī)發(fā)生以來(lái)，國(guó)際股票市場(chǎng)相繼出現(xiàn)的崩盤事件以及金融機(jī)構(gòu)間“多米諾骨牌”式的系統(tǒng)風(fēng)險(xiǎn)傳染事件，促使國(guó)際金融監(jiān)管部門修訂了《巴塞爾協(xié)議Ⅲ》，從宏觀審慎的角度提倡加強(qiáng)金融體系系統(tǒng)性風(fēng)險(xiǎn)的防控，特別是單個(gè)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的防范與監(jiān)管。

現(xiàn)有文獻(xiàn)關(guān)于系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的研究主要集中于兩方面：一是根據(jù)金融市場(chǎng)數(shù)據(jù)測(cè)度系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)。Acharya等(2017)[7]提出了系統(tǒng)性預(yù)期損失(Systemic Expected Shortfall，SES)指標(biāo)來(lái)度量金融市場(chǎng)動(dòng)蕩時(shí)單個(gè)金融機(jī)構(gòu)的下行風(fēng)險(xiǎn)。Billio等(2012)[8]基于主成分分析和格蘭杰因果檢驗(yàn)度量了不同金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)溢出效應(yīng)。Huang等(2009)[9]構(gòu)建了壓力保險(xiǎn)補(bǔ)償(Distress Insurance Premium，DIP)指標(biāo)測(cè)度金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)。Brownlees和Engle (2017)[10]構(gòu)建了SRISK指標(biāo)衡量單個(gè)金融機(jī)構(gòu)受到的金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的大小。Gravelle和Li (2013)[11]運(yùn)用多元極值理論度量單個(gè)或多個(gè)金融機(jī)構(gòu)的系統(tǒng)重要性。Adrian和Brunnermeier (2016)[3]提出CoVaR方法度量當(dāng)某一金融機(jī)構(gòu)處于極端風(fēng)險(xiǎn)事件時(shí)，其他金融機(jī)構(gòu)或金融市場(chǎng)面臨的風(fēng)險(xiǎn)價(jià)值。由于CoVaR考慮了金融機(jī)構(gòu)間的關(guān)聯(lián)性，從整個(gè)金融體系系統(tǒng)性風(fēng)險(xiǎn)的角度，很好地捕捉了金融機(jī)構(gòu)之間或金融市場(chǎng)之間的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，因此成為學(xué)界普遍認(rèn)同的一種行之有效的風(fēng)險(xiǎn)衡量方法。國(guó)內(nèi)也有學(xué)者運(yùn)用CoVaR方法對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了相關(guān)研究。肖璞等(2012)[12]使用CoVaR方法研究了我國(guó)銀行體系系統(tǒng)性風(fēng)險(xiǎn)。沈悅等(2014)[13]根據(jù)金融市場(chǎng)收益率的非對(duì)稱性特征運(yùn)用GARCH-Copula-CoVaR方法分析了不同金融業(yè)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，研究發(fā)現(xiàn)銀行業(yè)是系統(tǒng)性風(fēng)險(xiǎn)最大的爆發(fā)源。馬麟(2017)[14]基于CoVaR方法比較分析了15家商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)及其溢出效應(yīng)。白雪梅和石大龍(2014)[15]基于CoVaR方法得出銀行業(yè)金融機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度較大的結(jié)論。陳忠陽(yáng)和劉志洋(2013)[16]運(yùn)用二元GARCH模型測(cè)算了不同類型商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度，研究結(jié)果表明股份制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度高于大型商業(yè)銀行。李志輝和樊莉(2011)[17]采用分位數(shù)回歸技術(shù)測(cè)算7家商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)CoVaR值，實(shí)證研究表明國(guó)有商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)大于股份制商業(yè)銀行。陸靜和胡曉紅(2014)[18]引入狀態(tài)變量模擬尾部風(fēng)險(xiǎn)的時(shí)變特征，應(yīng)用分位數(shù)回歸方法對(duì)我國(guó)14家上市商業(yè)銀行CoVaR值進(jìn)行排名發(fā)現(xiàn)，工商銀行系統(tǒng)性風(fēng)險(xiǎn)最大。二是系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的影響因素研究。一些學(xué)者從單個(gè)金融機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的影響因素出發(fā)，認(rèn)為杠桿率、期限錯(cuò)配、非利息收益比例、銀行規(guī)模、短期融資規(guī)模和資金充足率是導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)溢出的重要因素[3][19-21]。另一些學(xué)者則研究了金融系統(tǒng)風(fēng)險(xiǎn)對(duì)單個(gè)金融機(jī)構(gòu)風(fēng)險(xiǎn)溢出的影響因素。如Sedunov (2016)[6]提出外資股本敞口、證券化收入和銀行規(guī)模等因素加劇了銀行系統(tǒng)性風(fēng)險(xiǎn)暴露。

然而，已有文獻(xiàn)就商業(yè)銀行系統(tǒng)重要性問(wèn)題存在不一致的結(jié)論，本文認(rèn)為這種不一致結(jié)論的產(chǎn)生是由于現(xiàn)有研究沒(méi)有從時(shí)間維度的視角考慮金融市場(chǎng)波動(dòng)所導(dǎo)致的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)存在差異的問(wèn)題。Nitschka (2014)[22]認(rèn)為經(jīng)濟(jì)周期是資本市場(chǎng)收益率波動(dòng)的重要因素，它使得資本市場(chǎng)在時(shí)間維度上呈現(xiàn)不同的特征。鄧創(chuàng)和徐曼(2014)[23]分析了中國(guó)金融市場(chǎng)波動(dòng)對(duì)宏觀經(jīng)濟(jì)的時(shí)變影響及其非對(duì)稱性特征。鄭挺國(guó)和王霞(2013)[24]基于現(xiàn)代宏觀經(jīng)濟(jì)研究相關(guān)理論提出，中國(guó)經(jīng)濟(jì)波動(dòng)體現(xiàn)了不同時(shí)間段宏觀經(jīng)濟(jì)指標(biāo)的協(xié)同變動(dòng)特征。何德旭和張捷(2009)[25]梳理了金融加速器理論，分析并研究了資產(chǎn)價(jià)格泡沫，經(jīng)濟(jì)周期的非線性、非對(duì)稱性特征，信貸業(yè)務(wù)的超常增長(zhǎng)與金融不穩(wěn)定之間的關(guān)系，提出現(xiàn)代經(jīng)濟(jì)的金融周期特征越來(lái)越明顯，并對(duì)宏觀政策存在影響?；谝延醒芯刻岢龅慕鹑谑袌?chǎng)波動(dòng)在時(shí)間維度上所呈現(xiàn)的不同特征，本文應(yīng)用變分模態(tài)分解(VMD)方法將金融市場(chǎng)時(shí)間序列根據(jù)其頻域特征分解為長(zhǎng)期時(shí)間序列和短期時(shí)間序列，從時(shí)間維度的視角分析系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，拓展了相關(guān)領(lǐng)域的研究。

三、研究設(shè)計(jì)

(一)樣本選擇與檢驗(yàn)

本文研究單個(gè)商業(yè)銀行對(duì)金融體系系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)，鑒于數(shù)據(jù)的完整性和可獲得性，我們從WIND數(shù)據(jù)庫(kù)選取14家上市商業(yè)銀行股票日收盤價(jià)數(shù)據(jù)作為研究樣本，證監(jiān)會(huì)行業(yè)一級(jí)分類金融業(yè)指數(shù)作為金融市場(chǎng)風(fēng)險(xiǎn)指標(biāo)，研究時(shí)間段始于2007年12月25日至2017年9月28日，共2 377個(gè)工作日股票收盤價(jià)數(shù)據(jù)。樣本覆蓋了4家國(guó)有控股商業(yè)銀行：工商銀行(ICBC)、建設(shè)銀行(CCB)、中國(guó)銀行(BC)和交通銀行(BCC)；7家股份制商業(yè)銀行：招商銀行(CMB)、興業(yè)銀行(CIB)、中信銀行(CITIC)、浦發(fā)銀行(PDB)、民生銀行(MSB)、平安銀行(PABC)和華夏銀行(HXB)；3家城市商業(yè)銀行：北京銀行(BBJ)、南京銀行(BNJ)和寧波銀行(BNB)。本數(shù)據(jù)為股票日數(shù)據(jù)，能較為全面且詳細(xì)地刻畫單個(gè)商業(yè)銀行對(duì)金融體系系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的動(dòng)態(tài)性。各商業(yè)銀行股票收益率和金融指數(shù)收益率定義為rt=100×ln (pt/pt-1)。

由表1可知，股票收益率均值約為零，收益率波動(dòng)較大，且呈現(xiàn)“尖峰厚尾”分布特征，其峰度基本大于5且在1%水平統(tǒng)計(jì)意義上顯著。Jarque-Bera正態(tài)分布檢驗(yàn)統(tǒng)計(jì)值在1%顯著性水平上拒絕各商業(yè)銀行和金融指數(shù)股票收益率時(shí)間序列服從正態(tài)分布假設(shè)，說(shuō)明各商業(yè)銀行及金融指數(shù)股票收益率序列不服從正態(tài)分布。此外，由Ljung-Box自相關(guān)檢驗(yàn)統(tǒng)計(jì)值可見(jiàn)，股票收益率在較長(zhǎng)時(shí)間內(nèi)存在自相關(guān)性，且從ARCH-LM檢驗(yàn)結(jié)果可見(jiàn)，股票收益率存在顯著的異方差效應(yīng)。最后，ADF單位根檢驗(yàn)結(jié)果顯示各商業(yè)銀行與金融指數(shù)股票收益率序列為平穩(wěn)序列。

表1 商業(yè)銀行及金融指數(shù)日收益率描述性統(tǒng)計(jì)

續(xù)前表

(二)模型設(shè)計(jì)

在應(yīng)用Copula函數(shù)估計(jì)商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)時(shí)，需要考慮兩個(gè)基本問(wèn)題：一是單變量邊緣分布模型的構(gòu)建；二是選取合適的Copula函數(shù)來(lái)估計(jì)變量間的非對(duì)稱尾部相關(guān)結(jié)構(gòu)，以衡量極端條件下的金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)?；谝陨峡紤]，本文采用以下步驟來(lái)擬合商業(yè)銀行與金融體系的尾部相關(guān)性：首先利用ARMA(1，1)-GARCH(1，1)-SKST模型對(duì)單變量收益率的邊緣分布進(jìn)行估計(jì)，根據(jù)估計(jì)得到的邊緣分布對(duì)標(biāo)準(zhǔn)化后的殘差序列進(jìn)行概率積分變換，得到服從(0，1)均勻分布的收益率序列。然后，采用不同類型的Copula函數(shù)來(lái)擬合商業(yè)銀行與金融體系的靜態(tài)和動(dòng)態(tài)非對(duì)稱尾部相關(guān)結(jié)構(gòu)。

1.邊緣分布模型。

由表1可知各商業(yè)行及金融指數(shù)股票收益率序列呈現(xiàn)“尖峰厚尾、偏態(tài)、自相關(guān)、異方差”的特征，本文采用ARMA(1，1)-GARCH(1，1)-SKST模型估計(jì)變量的邊緣分布，估計(jì)方程為：

rt=φ0+φ1rt-1+εt+θ1εt-1

(1)

(2)

f(zt;υ,η)=

(3)

2.變分模態(tài)分解(Variational Mode Decomposition, VMD)。

變分模態(tài)分解(VMD)是由Dragomiretskiy和Zosso (2014)[27]提出的有效分解信號(hào)的一種方法，其基本思路是將待變換信號(hào)f分解為不同中心頻率ωk且?guī)捰邢薜腒個(gè)模態(tài)分量uk。對(duì)待變換信號(hào)f進(jìn)行VMD分解的具體步驟如下：

第一，估計(jì)模態(tài)分量uk的帶寬。用Hilbert方法將待變換信號(hào)f進(jìn)行頻域轉(zhuǎn)換，得到模態(tài)uk的單邊頻譜。將每個(gè)模態(tài)uk的頻譜調(diào)制到相應(yīng)的基頻帶，通過(guò)混合預(yù)估中心頻率。計(jì)算上述解調(diào)信號(hào)梯度的平方L2范數(shù)，從而估計(jì)出模態(tài)分量uk的帶寬。

第二，構(gòu)造變分模型。我們通過(guò)構(gòu)建具有約束條件的變分模型將待變換信號(hào)f分解為K個(gè)模態(tài)分量uk，其定義式為：

min{uk},{ωk}=

(4)

其中，?t代表函數(shù)求偏導(dǎo)，K表示原始信號(hào)f進(jìn)行分解后的模態(tài)分量的個(gè)數(shù)，ω，δ(t)和*分別表示頻率，Dirac分布和卷積。{uk}={u1,…,uk}為一系列已分解的K個(gè)有限帶寬的模態(tài)分量，{ωk}={ω1,…,ωk}是K個(gè)模態(tài)分量對(duì)應(yīng)的中心頻率。

第三，通過(guò)拉格朗日乘數(shù)將具有約束條件的變分模型轉(zhuǎn)換成不具有約束條件的變分模型，得到增廣拉格朗日函數(shù)公式：

L(uk,ωk,λ)=

(5)

其中，α為懲罰參數(shù)，λ為拉格朗日乘法算子，這兩個(gè)參數(shù)保證了模型構(gòu)建的準(zhǔn)確度。

(6)

(7)

同時(shí)，拉格朗日乘法算子λ的更新式為：

(8)

3.商業(yè)銀行與金融體系動(dòng)態(tài)尾部相關(guān)性估計(jì)。

Copula函數(shù)所刻畫的非線性關(guān)系有助于風(fēng)險(xiǎn)管理者對(duì)風(fēng)險(xiǎn)資產(chǎn)尾部極端事件發(fā)生的概率做出更好的預(yù)測(cè)，以降低極端風(fēng)險(xiǎn)事件發(fā)生可能帶來(lái)的損失。而商業(yè)銀行對(duì)金融體系系統(tǒng)性風(fēng)險(xiǎn)尾部溢出效應(yīng)的研究，首先需要對(duì)商業(yè)銀行與金融體系間的尾部相關(guān)性特征進(jìn)行準(zhǔn)確的估計(jì)。本文選用Copula方法來(lái)刻畫商業(yè)銀行與金融體系之間的尾部相關(guān)關(guān)系。根據(jù)Sklar定理[30]，對(duì)于兩個(gè)隨機(jī)變量X1和X2，其邊際分布函數(shù)分別為FX1(x1)和FX2(x2)，通過(guò)一個(gè)多元Copula函數(shù)可以構(gòu)建兩個(gè)隨機(jī)變量X1和X2的聯(lián)合分布函數(shù)FX1,X2(x1,x2)，其表達(dá)式如下：

FX1,X2(x1,x2)=C(FX1(x1),FX2(x2))

=C(u1,u2)

其中，u1=FX1(x1)，u2=FX2(x2)的值域?yàn)閇0,1]。當(dāng)隨機(jī)變量X1和X2的邊緣分布函數(shù)連續(xù)時(shí)，則Copula函數(shù)C(u1,u2)是唯一確定的。將隨機(jī)變量X1和X2的聯(lián)合分布函數(shù)FX1,X2(x1,x2)求偏導(dǎo)數(shù)，得到其聯(lián)合概率密度函數(shù)fX1,X2(x1,x2)用Copula函數(shù)表示為：

fX1,X2(x1,x2)=c(u1,u2)fX1(x1)fX2(x2)

其中，c(u1,u2)=?2C(u1,u2)/?u1?u2。由此，隨機(jī)變量X1和X2的聯(lián)合概率密度函數(shù)fX1,X2(x1,x2)分解為兩個(gè)部分，一部分是隨機(jī)變量X1和X2的概率密度函數(shù)fX1(x1)和fX2(x2)，另一部分是描述隨機(jī)變量X1和X2相關(guān)結(jié)構(gòu)的Copula概率密度函數(shù)c(u1,u2)。

Copula模型以上尾相關(guān)系數(shù)λU和下尾相關(guān)系數(shù)λL來(lái)刻畫變量間的尾部相關(guān)性，其表達(dá)式如下：

其中λU,λL∈[0,1]。上尾相關(guān)系數(shù)λU(下尾相關(guān)系數(shù)λL)描述的是當(dāng)隨機(jī)變量X2大于(小于或等于)某一臨界值時(shí)隨機(jī)變量X1也大于(小于或等于)該臨界值的概率。

為了更好地刻畫各商業(yè)銀行與金融體系之間的尾部相關(guān)結(jié)構(gòu)，我們選用了5種不同類型的Copula函數(shù)(Gaussian Copula、Clayton Copula、Gumbel Copula、Symmetrized Joe-Clayton Copula和Joe-Clayton Copula)來(lái)擬合商業(yè)銀行與金融體系之間的靜態(tài)和動(dòng)態(tài)尾部相關(guān)結(jié)構(gòu)。根據(jù)Patton (2006)[31]提出的時(shí)變Copula模型構(gòu)建方法，假定各商業(yè)銀行與金融指數(shù)股票收益率的相關(guān)性滿足自回歸移動(dòng)平均過(guò)程，由此獲得變量間關(guān)聯(lián)性的動(dòng)態(tài)變化特征。對(duì)于Gaussian Copula模型，假定參數(shù)ρt滿足以下自回歸移動(dòng)平均過(guò)程：

(9)

其中，Λ(x)=(1-e-x)(1+e-x)-1是為了使參數(shù)ρt保持值域在[-1,1]之間而做的修正logistic變換。Φ-1(x)是標(biāo)準(zhǔn)正態(tài)分布函數(shù)分位數(shù)。對(duì)于Gumbel Copula和Clayton Copula模型，假定參數(shù)δt滿足以下自回歸移動(dòng)平均過(guò)程：

(10)

對(duì)于Symmetrized Joe-Clayton Copula和Joe-Clayton Copula模型，假定尾部相關(guān)性參數(shù)λU,λL滿足以下自回歸移動(dòng)平均過(guò)程：

(11)

(12)

其中，Δ(x)=(1+e-x)-1是logistic變換以使得λU、λL的值域在[0,1]之間。

4.系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)度量。

(13)

=αβ

(14)

(15)

此外，我們應(yīng)用Abadie (2002)[32]提出的KS boot-strapping檢驗(yàn)方法檢驗(yàn)各商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)所存在的差異。KS檢驗(yàn)的基本原理是基于變量的經(jīng)驗(yàn)分布函數(shù)對(duì)變量間的累積分布函數(shù)進(jìn)行比較以檢驗(yàn)變量間的差異，其定義為：

(16)

其中，F(xiàn)m(x)和Gn(x)為待檢驗(yàn)變量的累積分布函數(shù)，m和n是待檢驗(yàn)變量的樣本數(shù)。

四、實(shí)證結(jié)果與分析

(一)邊緣分布估計(jì)

表2給出了各商業(yè)銀行股票收益率及金融指數(shù)收益率ARMA(1，1)-GARCH(1，1)-SKST邊緣分布估計(jì)結(jié)果。

表2 ARMA(1,1)-GARCH(1,1)-SKST模型估計(jì)結(jié)果

由表2可知：第一，從第三列可見(jiàn)，大多數(shù)商業(yè)銀行股票收益率(除浦發(fā)銀行(PDB)，北京銀行(BBJ)外)存在顯著的自相關(guān)性，金融指數(shù)收益率自相關(guān)性不顯著，此外，所有收益率普遍存在波動(dòng)性。第二，所有商業(yè)銀行股票收益率和金融指數(shù)收益率參數(shù)α1+β1的值均接近于1，說(shuō)明當(dāng)期收益率受到?jīng)_擊時(shí)，收益率波動(dòng)具有非平穩(wěn)性。第三，表2第八列和第九列Skewed Studentt分布的非對(duì)稱性及自由度參數(shù)估計(jì)結(jié)果均顯著，說(shuō)明各商業(yè)銀行股票收益率和金融指數(shù)收益率時(shí)間序列具有非對(duì)稱厚尾特征。為了檢驗(yàn)ARMA(1，1)-GARCH(1，1)-SKST邊緣模型是否很好地?cái)M合各商業(yè)銀行股票收益率和金融指數(shù)收益率序列特征，我們將邊緣模型的殘差標(biāo)準(zhǔn)化后進(jìn)行Skewed Studentt分布的K-S檢驗(yàn)。表2最后一列的檢驗(yàn)統(tǒng)計(jì)量均不能拒絕Skewed Studentt分布的原假設(shè)，可以認(rèn)為ARMA(1，1)-GARCH(1，1)-SKST模型較好地?cái)M合了各序列的邊緣分布。

(二)變分模態(tài)分解(VMD)

為了分析比較各商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)在時(shí)間維度上的差異，我們需要將各商業(yè)銀行股票收益率序列和金融指數(shù)收益率序列應(yīng)用VMD原理，將各收益率邊緣分布模型的標(biāo)準(zhǔn)化殘差分解為10個(gè)不同中心頻率的模態(tài)分量。我們沿用Mensi等(2017)[29]的思路將波動(dòng)平穩(wěn)且波動(dòng)集聚較少的模態(tài)分量VMD1定義為長(zhǎng)期收益率序列，而波動(dòng)劇烈以及波動(dòng)集聚明顯的模態(tài)分量VMD10定義為短期收益率序列。這樣，我們將得到各商業(yè)銀行和金融指數(shù)具有不同中心頻率有限帶寬的長(zhǎng)期和短期收益率序列。

(三)商業(yè)銀行與金融體系動(dòng)態(tài)尾部相關(guān)結(jié)構(gòu)估計(jì)

系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)CoVaR計(jì)算的關(guān)鍵是聯(lián)合分布函數(shù)的估計(jì)，也就是說(shuō)需要選擇合適的Copula函數(shù)來(lái)擬合變量的聯(lián)合分布函數(shù)。本文在對(duì)各商業(yè)銀行股票收益率和金融指數(shù)收益率序列進(jìn)行邊緣分布估計(jì)后，首先，將標(biāo)準(zhǔn)化殘差序列進(jìn)行概率積分變換，使得變換后的序列服從(0，1)均勻分布。其次，我們構(gòu)建了5種不同類型的Copula函數(shù)的相關(guān)結(jié)構(gòu)模型。最后，利用最小AIC準(zhǔn)則選擇最優(yōu)的模型對(duì)各商業(yè)銀行與金融指數(shù)收益率尾部相關(guān)結(jié)構(gòu)進(jìn)行估計(jì)[注]5種不同類型的Copula函數(shù)分別為Gaussian Copula、Clayton Copula、Gumbel Copula、Symmetrized Joe-Clayton Copula、Joe-Clayton Copula，這里僅列出了最優(yōu)Copula模型的擬合結(jié)果，其他各組Copula函數(shù)的靜態(tài)和動(dòng)態(tài)擬合結(jié)果限于篇幅沒(méi)有一一列出，有興趣的讀者可與作者聯(lián)系。。表3給出了14家商業(yè)銀行與金融體系原始收益率序列最優(yōu)Copula模型的參數(shù)估計(jì)結(jié)果[注]我們對(duì)14家商業(yè)銀行和金融指數(shù)收益率進(jìn)行了VMD分解獲得長(zhǎng)期和短期收益率序列，并將各個(gè)商業(yè)銀行長(zhǎng)期和短期收益率序列分別與金融指數(shù)長(zhǎng)期和短期收益率序列構(gòu)建靜態(tài)和動(dòng)態(tài)Copula模型，限于篇幅，長(zhǎng)期和短期收益率序列靜態(tài)和動(dòng)態(tài)Copula模型估計(jì)結(jié)果沒(méi)有列出，有興趣的讀者可與作者聯(lián)系。。擬合結(jié)果表明時(shí)變Copula模型對(duì)各商業(yè)銀行股票收益率和金融指數(shù)收益率序列的擬合優(yōu)于靜態(tài)Copula模型。其中，時(shí)變Symmetrized Joe-Clayton Copula模型擬合工商銀行(ICBC)、中國(guó)銀行(BC)、招商銀行(CMB)、興業(yè)銀行(CIB)、中信銀行(CITIC)、浦發(fā)銀行(PDB)、民生銀行(MSB)和寧波銀行(BNB)與金融體系的動(dòng)態(tài)尾部相關(guān)結(jié)構(gòu)是最優(yōu)的，說(shuō)明這些商業(yè)銀行與金融體系之間存在對(duì)稱的尾部相關(guān)關(guān)系。Joe-Clayton Copula模型則用于擬合建設(shè)銀行(CCB)、交通銀行(BCC)、平安銀行(PABC)、華夏銀行(HXB)、北京銀行(BBJ)和南京銀行(BNJ)與金融體系動(dòng)態(tài)尾部相關(guān)結(jié)構(gòu)是最優(yōu)的，說(shuō)明這些商業(yè)銀行與金融體系之間存在非對(duì)稱的尾部相關(guān)關(guān)系。

(四)商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)

本文從商業(yè)銀行條件風(fēng)險(xiǎn)價(jià)值(CoVaR)和商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度(△CoVaR)兩個(gè)方面研究商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)，并比較分析條件風(fēng)險(xiǎn)價(jià)值和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度在時(shí)間維度上的差異，最后比較不同所有制商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度在時(shí)間維度上的差異。

表3 時(shí)變Copula模型的參數(shù)估計(jì)結(jié)果

續(xù)前表

1.商業(yè)銀行條件風(fēng)險(xiǎn)價(jià)值(CoVaR)估計(jì)。

商業(yè)銀行條件風(fēng)險(xiǎn)價(jià)值用來(lái)衡量當(dāng)某一商業(yè)銀行處于極端風(fēng)險(xiǎn)事件時(shí)整個(gè)金融系統(tǒng)的風(fēng)險(xiǎn)水平。表4給出了商業(yè)銀行在5%分位數(shù)水平下的條件風(fēng)險(xiǎn)價(jià)值及長(zhǎng)期和短期條件風(fēng)險(xiǎn)價(jià)值檢驗(yàn)結(jié)果。首先，商業(yè)銀行條件風(fēng)險(xiǎn)價(jià)值在不考慮時(shí)間效應(yīng)的情況下，各商業(yè)銀行條件風(fēng)險(xiǎn)價(jià)值均值較大，在-1左右，但長(zhǎng)期和短期條件風(fēng)險(xiǎn)價(jià)值均值均小于原始序列的條件風(fēng)險(xiǎn)價(jià)值，且其波動(dòng)性高于原始序列條件風(fēng)險(xiǎn)價(jià)值的波動(dòng)性，說(shuō)明不考慮條件風(fēng)險(xiǎn)價(jià)值的時(shí)間效應(yīng)可能會(huì)造成系統(tǒng)性風(fēng)險(xiǎn)評(píng)估的偏差。其次，從時(shí)間效應(yīng)的維度考慮，14家商業(yè)銀行有10家商業(yè)銀行短期條件風(fēng)險(xiǎn)價(jià)值均值高于或等于長(zhǎng)期條件風(fēng)險(xiǎn)價(jià)值，說(shuō)明大多數(shù)商業(yè)銀行對(duì)金融體系系統(tǒng)風(fēng)險(xiǎn)的短期沖擊要大于長(zhǎng)期沖擊。最后，K-S檢驗(yàn)進(jìn)一步證實(shí)短期條件風(fēng)險(xiǎn)價(jià)值與長(zhǎng)期條件風(fēng)險(xiǎn)價(jià)值存在顯著差異。因此，金融體系系統(tǒng)性風(fēng)險(xiǎn)的評(píng)估不能忽視單個(gè)商業(yè)銀行極端風(fēng)險(xiǎn)事件的影響，同時(shí)商業(yè)銀行條件風(fēng)險(xiǎn)價(jià)值不可忽略時(shí)間效應(yīng)的作用。

表4 商業(yè)銀行條件風(fēng)險(xiǎn)價(jià)值估計(jì)與檢驗(yàn)結(jié)果

續(xù)前表

圖1給出了14家商業(yè)銀行在5%分位數(shù)水平下長(zhǎng)期和短期條件風(fēng)險(xiǎn)價(jià)值動(dòng)態(tài)變化水平，工商銀行(ICBC)、建設(shè)銀行(CCB)、招商銀行(CMB)、興業(yè)銀行(CIB)、民生銀行(MSB)和華夏銀行(HXB)這6家商業(yè)銀行長(zhǎng)期條件風(fēng)險(xiǎn)價(jià)值波動(dòng)要高于短期條件價(jià)值波動(dòng)，且這幾家銀行的條件風(fēng)險(xiǎn)價(jià)值均值基本高于其他商業(yè)銀行。3家城市商業(yè)銀行北京銀行(BBJ)、南京銀行(BNJ)和寧波銀行(BNB)的長(zhǎng)期和短期條件風(fēng)險(xiǎn)價(jià)值波動(dòng)較小。

圖1 商業(yè)銀行長(zhǎng)期和短期條件風(fēng)險(xiǎn)價(jià)值CoVaR

2.商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度(△CoVaR)。

表5給出了商業(yè)銀行在5%分位數(shù)水平下的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度估計(jì)值與檢驗(yàn)結(jié)果。由表5可知，在不考慮時(shí)間效應(yīng)的情況下，工商銀行(ICBC)、建設(shè)銀行(CCB)和中國(guó)銀行(BC)3家國(guó)有控股商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度均值排名前三，△CoVaR均值分別為0.696、0.648和0.642，說(shuō)明這3家國(guó)有控股商業(yè)銀行某一家銀行處于極端風(fēng)險(xiǎn)水平時(shí)，它對(duì)金融體系極端風(fēng)險(xiǎn)價(jià)值水平的貢獻(xiàn)率為60%以上。實(shí)證結(jié)果與已有文獻(xiàn)是一致的，說(shuō)明銀行規(guī)模是影響金融體系系統(tǒng)性風(fēng)險(xiǎn)的重要因素，銀行規(guī)模越大，其對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響越大[6][21][33-34]。從長(zhǎng)期來(lái)看，系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度排名前三的是民生銀行(MSB)、北京銀行(BBJ)和平安銀行(PABC)，它們的△CoVaR均值分別為0.801、0.791和0.736；工商銀行(ICBC)和中國(guó)銀行(BC)排名分別為第4和第5，其△CoVaR均值分別為0.696和0.693，明顯低于排名前三的均值水平。短期來(lái)看，工商銀行(ICBC)、建設(shè)銀行(CCB)和南京銀行(BNJ)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度排名前三。從商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度長(zhǎng)期和短期排名的差異看，銀行的規(guī)模不是影響系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的唯一因素，規(guī)模小的商業(yè)銀行的極端風(fēng)險(xiǎn)事件也可能會(huì)對(duì)系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生巨大影響[35]。另外，通過(guò)K-S檢驗(yàn)證明不同商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的長(zhǎng)期效應(yīng)和短期效應(yīng)存在顯著差異。

表5 商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度估計(jì)與檢驗(yàn)結(jié)果

圖2給出了商業(yè)銀行在5%分位數(shù)水平下長(zhǎng)期和短期系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的動(dòng)態(tài)變化。由圖2可知，工商銀行(ICBC)、建設(shè)銀行(CCB)、中國(guó)銀行(BC)、交通銀行(BCC)、招商銀行(CMB)、興業(yè)銀行(CIB)、中信銀行(CITIC)、民生銀行(MSB)、平安銀行(PABC)、華夏銀行(HXB)、北京銀行(BBJ)的長(zhǎng)期和短期系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度波動(dòng)幅度明顯，且在2008—2013年期間出現(xiàn)比較大范圍的集聚。這可能是因?yàn)槭艿絿?guó)際金融危機(jī)的影響，大型商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)在增加。而南京銀行(BNJ)和寧波銀行(BNB)長(zhǎng)期和短期系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度波動(dòng)較為平緩，且其均值也較小。

圖2 商業(yè)銀行長(zhǎng)期和短期系統(tǒng)風(fēng)險(xiǎn)性貢獻(xiàn)度△CoVaR

3.不同所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。

本部分首先按所有制的不同，將14家商業(yè)銀行分為國(guó)有控股商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行三種類型，比較不同所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出的長(zhǎng)期與短期效應(yīng)。其次，在本文的樣本期間內(nèi)中國(guó)股票市場(chǎng)經(jīng)歷了兩次異常波動(dòng)，因此，我們將樣本期間分為股市正常波動(dòng)時(shí)期和股市異常波動(dòng)時(shí)期兩個(gè)子樣本[注]股市正常波動(dòng)時(shí)期時(shí)間段為：2010年1月1日—2014年12月31日和2017年1月1日—2017年9月28日；股市異常波動(dòng)時(shí)期時(shí)間段為：2007年12月25日—2009年12月31日和2015年1月1日—2016年12月31日。，分析不同所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)在不同樣本期間的差異。

表6給出了不同所有制商業(yè)銀行系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度的均值和標(biāo)準(zhǔn)差。由表6可知，全樣本時(shí)期三種所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度在時(shí)間維度上不存在顯著差異，其均值在60%左右，且系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度標(biāo)準(zhǔn)差較小，波動(dòng)性不大。說(shuō)明在整個(gè)樣本期間內(nèi)很難甄別三種所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出的長(zhǎng)期和短期效應(yīng)之間的差異。通過(guò)將全樣本期間按其是否發(fā)生異常性波動(dòng)，我們從股票市場(chǎng)正常波動(dòng)時(shí)期和股票市場(chǎng)異常波動(dòng)時(shí)期這兩個(gè)子樣本期間出發(fā)來(lái)考察三種不同所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的基本特征。由表6可知，股票市場(chǎng)異常波動(dòng)所帶來(lái)的結(jié)果主要體現(xiàn)為三種不同所有制商業(yè)銀行短期系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的增加。從長(zhǎng)期來(lái)看，股票市場(chǎng)異常性波動(dòng)所導(dǎo)致的三種不同所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)低于股票市場(chǎng)正常性波動(dòng)時(shí)期。由于短期內(nèi)股票市場(chǎng)的異常波動(dòng)，會(huì)造成股價(jià)劇烈波動(dòng)，造成溢出效應(yīng)增大；而長(zhǎng)期來(lái)看股價(jià)則表現(xiàn)為緩慢波動(dòng)，導(dǎo)致風(fēng)險(xiǎn)溢出程度較為平緩，溢出效應(yīng)的差異可能是由于樣本的不同的時(shí)間跨度。

表6 不同所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度描述性統(tǒng)計(jì)

注：圓括號(hào)內(nèi)數(shù)值為標(biāo)準(zhǔn)差。

表7給出了不同所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度在股市正常波動(dòng)時(shí)期和股市異常波動(dòng)時(shí)期長(zhǎng)期效應(yīng)和短期效應(yīng)的檢驗(yàn)結(jié)果。由表7可見(jiàn)，其一，在股市正常波動(dòng)時(shí)期，股份制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度排名無(wú)論在長(zhǎng)期或短期均高于國(guó)有控股商業(yè)銀行和城市商業(yè)銀行；其二，在股市異常波動(dòng)時(shí)期，從長(zhǎng)期來(lái)看，三種不同所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度排名為：股份制商業(yè)銀行>國(guó)有控股商業(yè)銀行>城市商業(yè)銀行。其原因可能在于：一方面股份制商業(yè)銀行股權(quán)所有者主要以機(jī)構(gòu)投資者為主，屬于利潤(rùn)導(dǎo)向型銀行，股份制商業(yè)銀行為迎合股權(quán)所有者對(duì)利潤(rùn)的追求，更傾向于高回報(bào)高風(fēng)險(xiǎn)投資項(xiàng)目，這種對(duì)投資收益的追逐行為容易增加股份制商業(yè)銀行的市場(chǎng)風(fēng)險(xiǎn)敞口。另一方面在監(jiān)管要求上，股份制商業(yè)銀行相對(duì)低于國(guó)有控股商業(yè)銀行，因此股份制銀行在風(fēng)險(xiǎn)防范與管理方面存在較大的自主空間，更傾向于通過(guò)調(diào)高杠桿率來(lái)滿足資金流動(dòng)性需求。在市場(chǎng)環(huán)境不確定性因素影響下，股份制商業(yè)銀行市場(chǎng)風(fēng)險(xiǎn)敞口會(huì)增大，從而造成系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)高于其他所有制商業(yè)銀行。而在股市異常波動(dòng)時(shí)期，國(guó)有控股商業(yè)銀行短期系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度高于股份制商業(yè)銀行和城市商業(yè)銀行。其原因可能在于：國(guó)有控股商業(yè)銀行在政府部門的隱性擔(dān)保下，更有動(dòng)機(jī)利用自身的資源做出一些冒險(xiǎn)的投資決策，這些投資決策本身會(huì)給國(guó)有控股商業(yè)銀行帶來(lái)較大的市場(chǎng)風(fēng)險(xiǎn)敞口。當(dāng)金融市場(chǎng)出現(xiàn)波動(dòng)時(shí)，這種負(fù)向結(jié)果更為明顯。因此在股票市場(chǎng)異常波動(dòng)期間，國(guó)有控股商業(yè)銀行短期系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)高于其他所有制商業(yè)銀行。但從長(zhǎng)期來(lái)看，與國(guó)有控股商業(yè)銀行緊密關(guān)聯(lián)的政府部門出于穩(wěn)定金融市場(chǎng)的目的會(huì)采取措施降低國(guó)有控股商業(yè)銀行的風(fēng)險(xiǎn)敞口。對(duì)于國(guó)有控股商業(yè)銀行來(lái)說(shuō)，它在整個(gè)金融體系中扮演著“大而不能倒”的角色。因此，國(guó)有控股商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出長(zhǎng)期效應(yīng)低于股份制商業(yè)銀行。

表7 不同所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度檢驗(yàn)結(jié)果

續(xù)前表

五、結(jié)論與啟示

近年來(lái)，金融機(jī)構(gòu)系統(tǒng)性關(guān)聯(lián)的增強(qiáng)使得系統(tǒng)性風(fēng)險(xiǎn)溢出成為研究熱點(diǎn)。為了更深入地研究商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，首先，本文以2007年12月25日至2017年9月28日的金融市場(chǎng)數(shù)據(jù)為研究樣本，基于商業(yè)銀行與金融市場(chǎng)收益率間存在的非對(duì)稱相關(guān)結(jié)構(gòu)，采用時(shí)變Copula-CoVaR模型測(cè)度商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。其次，通過(guò)變分模態(tài)分解(VMD)技術(shù)將收益率序列按其頻域特征進(jìn)行分解，測(cè)度了商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出的長(zhǎng)期和短期效應(yīng)。最后，通過(guò)K-S檢驗(yàn)分析比較商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)長(zhǎng)期溢出效應(yīng)和短期溢出效應(yīng)的差異。實(shí)證研究得到以下結(jié)論：1.不同的商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)存在差異?？傮w來(lái)說(shuō)，大型商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)高于小型商業(yè)銀行。2.系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)存在不同時(shí)間維度的差異。工商銀行、建設(shè)銀行和南京銀行短期系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)高于其他商業(yè)銀行，而民生銀行、北京銀行和平安銀行的長(zhǎng)期系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)排名前三。由此，銀行規(guī)模不是衡量金融機(jī)構(gòu)系統(tǒng)重要性的唯一標(biāo)準(zhǔn)，從長(zhǎng)期來(lái)看，規(guī)模較小的銀行也可能對(duì)系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生巨大影響。3.不同所有制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出的長(zhǎng)期效應(yīng)與短期效應(yīng)存在差異。從總體上說(shuō)，股份制商業(yè)銀行對(duì)金融體系系統(tǒng)性風(fēng)險(xiǎn)的溢出價(jià)值要高于國(guó)有控股商業(yè)銀行和城市商業(yè)銀行，當(dāng)股票市場(chǎng)處于異常波動(dòng)時(shí)期，國(guó)有控股商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)短期溢出效應(yīng)顯著。

基于以上結(jié)論，本文得到以下政策啟示：第一，為防范系統(tǒng)性風(fēng)險(xiǎn)的發(fā)生，需要加強(qiáng)金融體系系統(tǒng)性風(fēng)險(xiǎn)監(jiān)管，進(jìn)一步推進(jìn)宏觀審慎政策。第二，有效識(shí)別系統(tǒng)風(fēng)險(xiǎn)重要性金融機(jī)構(gòu)，在密切關(guān)注大型商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的同時(shí)應(yīng)重視對(duì)于中小型商業(yè)銀行的監(jiān)管。第三，由于銀行系統(tǒng)性風(fēng)險(xiǎn)溢出長(zhǎng)期效應(yīng)和短期效應(yīng)存在差異，需要監(jiān)管部門根據(jù)其風(fēng)險(xiǎn)特征，制定與其相匹配的風(fēng)險(xiǎn)管理策略，從而保障我國(guó)金融體系的穩(wěn)健發(fā)展。