葉 莉，王遠(yuǎn)哲，陳勇勇

(河北工業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，天津 300401)

一、引言

伴隨金融自由化進(jìn)程的加快、金融創(chuàng)新的快速發(fā)展和金融主體間交易的增多，金融機(jī)構(gòu)間呈現(xiàn)出日益緊密的網(wǎng)絡(luò)關(guān)聯(lián)關(guān)系，從關(guān)聯(lián)性視角防范系統(tǒng)性風(fēng)險(xiǎn)在當(dāng)前錯(cuò)綜復(fù)雜的金融形勢(shì)下顯得至關(guān)重要。多方實(shí)證研究表明，金融機(jī)構(gòu)巨大的風(fēng)險(xiǎn)損失會(huì)通過關(guān)聯(lián)性渠道迅速向外溢出，這種機(jī)構(gòu)與部門間的尾部關(guān)聯(lián)對(duì)系統(tǒng)性風(fēng)險(xiǎn)集聚埋下隱患。2008年，由美國住房抵押貸款公司引發(fā)的次貸危機(jī)使得尾部風(fēng)險(xiǎn)關(guān)聯(lián)引致系統(tǒng)性風(fēng)險(xiǎn)的“合成謬誤”愈發(fā)成為金融領(lǐng)域關(guān)注的焦點(diǎn)。單一機(jī)構(gòu)的穩(wěn)定并不能保證金融系統(tǒng)的平穩(wěn)有序運(yùn)行，這使得監(jiān)管當(dāng)局不僅要關(guān)注單個(gè)機(jī)構(gòu)的風(fēng)險(xiǎn)穩(wěn)定，同時(shí)也要對(duì)整體的風(fēng)險(xiǎn)流動(dòng)規(guī)律進(jìn)行探索。在世界實(shí)體經(jīng)濟(jì)發(fā)展持續(xù)低迷，逆全球化趨勢(shì)逐漸加強(qiáng)背景下，中國泛金融化趨勢(shì)逐漸顯現(xiàn)，資金“脫實(shí)向虛”涌入金融行業(yè)，阻礙實(shí)體經(jīng)濟(jì)健康穩(wěn)定發(fā)展的同時(shí)，拉長了金融機(jī)構(gòu)間的結(jié)算鏈條，使得尾部風(fēng)險(xiǎn)的關(guān)聯(lián)性更為緊密，單個(gè)機(jī)構(gòu)產(chǎn)生的巨額風(fēng)險(xiǎn)會(huì)導(dǎo)致整個(gè)系統(tǒng)風(fēng)險(xiǎn)的集體爆發(fā)。有鑒于此，依托尾部風(fēng)險(xiǎn)溢出效應(yīng)構(gòu)建中國金融機(jī)構(gòu)關(guān)聯(lián)網(wǎng)絡(luò)，搜索機(jī)構(gòu)、行業(yè)間的風(fēng)險(xiǎn)關(guān)聯(lián)路徑，識(shí)別系統(tǒng)重要性金融機(jī)構(gòu)，排查中國系統(tǒng)性風(fēng)險(xiǎn)演化中的潛在隱患，具有重要現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

章晟等對(duì)已有文獻(xiàn)測量風(fēng)險(xiǎn)關(guān)聯(lián)的方法進(jìn)行了歸納，以往學(xué)者多采用矩陣法網(wǎng)絡(luò)分析法、共同風(fēng)險(xiǎn)模型法、系統(tǒng)期望損失法等[1]。令人遺憾的是，在計(jì)量中運(yùn)用不同方法識(shí)別出的系統(tǒng)重要金融機(jī)構(gòu)有所不同[2]，無法得到統(tǒng)一的結(jié)論，而復(fù)雜網(wǎng)絡(luò)能夠較好地融合跨學(xué)科研究成果，易于挖掘深層次的金融運(yùn)行規(guī)律，且現(xiàn)實(shí)中金融機(jī)構(gòu)間關(guān)聯(lián)關(guān)系日益復(fù)雜，使得網(wǎng)絡(luò)分析法倍受關(guān)注[3]。與新型經(jīng)濟(jì)體比較，發(fā)達(dá)經(jīng)濟(jì)體的銀行間市場建立較早，市場成熟度較高，各項(xiàng)數(shù)據(jù)的可得性為實(shí)證研究提供了有利條件：Aleksiejuk等基于二維有向網(wǎng)絡(luò)模型，首次將統(tǒng)計(jì)物理的方法應(yīng)用到銀行間市場的風(fēng)險(xiǎn)傳染研究，分析了單個(gè)銀行受到?jīng)_擊后經(jīng)營失敗而引起風(fēng)險(xiǎn)傳染問題[4]。Müller采用仿真模擬方法關(guān)注瑞士的銀行間市場金融風(fēng)險(xiǎn)傳染，認(rèn)為銀行間的風(fēng)險(xiǎn)暴露和信用額度同時(shí)承擔(dān)了風(fēng)險(xiǎn)傳染的渠道角色，且兩種風(fēng)險(xiǎn)傳染渠道是相互關(guān)聯(lián)的，銀行間市場的穩(wěn)定性在一定程度上取決于該市場的網(wǎng)絡(luò)結(jié)構(gòu)[5]。隨著2008年金融危機(jī)的爆發(fā)，學(xué)術(shù)界更多關(guān)注風(fēng)險(xiǎn)傳導(dǎo)的網(wǎng)絡(luò)結(jié)構(gòu)特征，尤其是在解決金融系統(tǒng)性風(fēng)險(xiǎn)的問題上。但也由于網(wǎng)絡(luò)的復(fù)雜性，一旦發(fā)生風(fēng)險(xiǎn)傳染，影響會(huì)十分劇烈[6]。Hautsch等考慮到機(jī)構(gòu)間尾部風(fēng)險(xiǎn)暴露(VaR)的相互依賴性并以此建立網(wǎng)絡(luò)，以揭示風(fēng)險(xiǎn)在金融機(jī)構(gòu)的傳播渠道[7]。H?rdle等的研究延續(xù)尾部關(guān)聯(lián)思想，運(yùn)用Adrian等的CoVaR方法建立金融機(jī)構(gòu)間的風(fēng)險(xiǎn)關(guān)聯(lián)矩陣，提出了系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)指數(shù)概念，對(duì)高維度金融風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)進(jìn)行甄別[8-9]。

國內(nèi)復(fù)雜網(wǎng)絡(luò)對(duì)金融學(xué)領(lǐng)域的研究剛剛起步，由于數(shù)據(jù)的不可得性，多數(shù)學(xué)者在構(gòu)建網(wǎng)絡(luò)時(shí)多采用仿真方法，模擬中國金融體系或銀行業(yè)的網(wǎng)絡(luò)模式或沖擊演化過程[10-12]，但嘗試對(duì)風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)構(gòu)建的實(shí)證研究從未停止。李政等采用中國上市金融公司收益率關(guān)聯(lián)思想，運(yùn)用格蘭杰因果檢驗(yàn)方法構(gòu)建連邊，生成有向無權(quán)網(wǎng)絡(luò)，結(jié)論表明中國金融機(jī)構(gòu)信息網(wǎng)絡(luò)具有“小世界(small-world)現(xiàn)象”，符合“無標(biāo)度”(scale-free)特性[13]。類似的，鄧向榮等也使用股價(jià)的直接關(guān)聯(lián)信息，運(yùn)用格蘭杰因果檢驗(yàn)構(gòu)建的金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)，并利用K-核分解值法及PageRank算法從多個(gè)維度對(duì)中國風(fēng)險(xiǎn)網(wǎng)絡(luò)進(jìn)行分析，表明中國金融市場中機(jī)構(gòu)的關(guān)聯(lián)渠道較為復(fù)雜，且具有很強(qiáng)的層次特點(diǎn)[14]。歐陽紅兵利用Mantegna的模型計(jì)算金融機(jī)構(gòu)相關(guān)系數(shù)構(gòu)建距離矩陣，再由Tumminello等提出的最小生成樹與極大平面過濾圖算法，模擬生成了中國銀行間同業(yè)拆借市場的網(wǎng)絡(luò)結(jié)構(gòu)，為識(shí)別中國金融行業(yè)風(fēng)險(xiǎn)傳導(dǎo)的潛在路徑找到了有效方法[15-17]。

綜上，目前國內(nèi)學(xué)者對(duì)于金融機(jī)構(gòu)風(fēng)險(xiǎn)網(wǎng)絡(luò)的實(shí)證研究才剛剛起步，且其網(wǎng)絡(luò)連邊構(gòu)建多局限于收益率序列的直接關(guān)聯(lián)上，運(yùn)用尾部關(guān)聯(lián)建立金融業(yè)的風(fēng)險(xiǎn)網(wǎng)絡(luò)結(jié)構(gòu)在國內(nèi)鮮有嘗試。為描述中國日趨復(fù)雜的金融關(guān)聯(lián)模式，本文利用R語言設(shè)計(jì)程序批量完成多家金融機(jī)構(gòu)間相互的風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)，并運(yùn)用PMFG方法篩選關(guān)鍵網(wǎng)絡(luò)信息，生成了可視化的金融風(fēng)險(xiǎn)網(wǎng)絡(luò)，以此為基礎(chǔ)對(duì)中國銀行、證券、保險(xiǎn)、房地產(chǎn)行業(yè)滬深上市的40家重點(diǎn)金融及泛金融機(jī)構(gòu)進(jìn)行基于尾部風(fēng)險(xiǎn)溢出的有向賦權(quán)網(wǎng)絡(luò)構(gòu)建，為金融機(jī)構(gòu)間風(fēng)險(xiǎn)溢出效應(yīng)關(guān)鍵路徑、節(jié)點(diǎn)識(shí)別提供了新的方法與思路。

三、實(shí)證模型及公式說明

基于尾部關(guān)聯(lián)的CoVaR方法在中國金融市場的運(yùn)用日趨成熟，陳國進(jìn)等運(yùn)用不對(duì)稱CoVaR方法對(duì)中國商業(yè)銀行間的系統(tǒng)性關(guān)聯(lián)度進(jìn)行了測度；沈悅等也運(yùn)用修正的CoVaR模型測度了中國金融業(yè)行業(yè)間的風(fēng)險(xiǎn)關(guān)聯(lián)與溢出效應(yīng)[18-19]。上述文章的模型運(yùn)用在中國金融機(jī)構(gòu)與行業(yè)間的風(fēng)險(xiǎn)溢出效應(yīng)研究中，均取得了較好的效果，故本文采用測量機(jī)構(gòu)間尾部關(guān)聯(lián)的CoVaR方法生成風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)結(jié)構(gòu)。實(shí)證研究大致包括兩部分內(nèi)容，一是使用中國40家重點(diǎn)金融機(jī)構(gòu)收益率數(shù)據(jù)，應(yīng)用CoVaR方法得到機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)矩陣，并運(yùn)用H?rdle等提出的系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)指數(shù)與系統(tǒng)風(fēng)險(xiǎn)暴露指數(shù)測量機(jī)構(gòu)在系統(tǒng)中的總體溢出強(qiáng)度[8]。二是以CoVaR方法得到的ΔCoVaR矩陣網(wǎng)絡(luò)為基礎(chǔ)，采用Tumminello等提出的PMFG算法[16]，提取機(jī)構(gòu)間的關(guān)鍵關(guān)聯(lián)信息，得到金融風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)圖，并通過網(wǎng)絡(luò)節(jié)點(diǎn)的相關(guān)參數(shù)，對(duì)該網(wǎng)絡(luò)節(jié)點(diǎn)特征進(jìn)行描述。以下從CoVaR網(wǎng)絡(luò)構(gòu)建、系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)/暴露指數(shù)、PMFG算法、網(wǎng)絡(luò)節(jié)點(diǎn)特征指標(biāo)四個(gè)方面對(duì)使用的方法、公式加以說明。

(一)基于CoVaR方法的網(wǎng)絡(luò)構(gòu)建

VaR方法是度量尾部風(fēng)險(xiǎn)的一種常用手段，表示q%分位時(shí)機(jī)構(gòu)的資產(chǎn)損失，其定義式如下，其中Xi表示資產(chǎn)收益率：

(1)

在此基礎(chǔ)上，考慮機(jī)構(gòu)間的風(fēng)險(xiǎn)關(guān)聯(lián)特性，CoVaR表示機(jī)構(gòu)i在某事件(C(Xi))下，機(jī)構(gòu)j風(fēng)險(xiǎn)的VaR值，定義式為：

(2)

當(dāng)機(jī)構(gòu)i發(fā)生了較大的資產(chǎn)損失并達(dá)到其VaR值的情況，與該機(jī)構(gòu)運(yùn)行處于正常水平做對(duì)比，上述兩種情形下計(jì)算的CoVaR值之差定義為ΔCoVaR，用于衡量機(jī)構(gòu)i對(duì)j的尾部風(fēng)險(xiǎn)聯(lián)動(dòng)變化：

(3)

實(shí)證研究時(shí)，加入宏觀狀態(tài)變量M以擬合各機(jī)構(gòu)的在險(xiǎn)價(jià)值(VaR)水平，機(jī)構(gòu)i自身的收益率回歸方程與機(jī)構(gòu)i對(duì)機(jī)構(gòu)j的收益率回歸方程可由式(4)與式(5)表示。

(4)

(5)

通過對(duì)以上兩方程進(jìn)行q%分位數(shù)水平下的分位數(shù)回歸，可以得到式(6)、式(7)：

(6)

(7)

由于機(jī)構(gòu)的CoVaR測量是基于單個(gè)機(jī)構(gòu)風(fēng)險(xiǎn)狀況改變的動(dòng)態(tài)過程，結(jié)合式(6)、式(7)，將式(3)進(jìn)行轉(zhuǎn)化得：

(8)

(二)系統(tǒng)風(fēng)險(xiǎn)指數(shù)

其中，P為節(jié)點(diǎn)的總個(gè)數(shù)，b、s、i、r分別代表銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)、房地產(chǎn)業(yè)的英文縮寫(banking、securities、insurer、realty)，n1，n2，…，n4分別為各行業(yè)機(jī)構(gòu)節(jié)點(diǎn)個(gè)數(shù)。

(9)

當(dāng)機(jī)構(gòu)發(fā)生風(fēng)險(xiǎn)損失時(shí)(以分位數(shù)回歸VaR序列的平均值描述)，該風(fēng)險(xiǎn)將成比例地向系統(tǒng)中的其他機(jī)構(gòu)溢出，系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)指數(shù)可以較好地描述該過程。同理，定義系統(tǒng)風(fēng)險(xiǎn)暴露指數(shù)為：

(10)

(11)

(12)

(三)平面極大過濾圖PMFG算法

任意兩節(jié)點(diǎn)間均存在方向各異的兩條風(fēng)險(xiǎn)傳遞路徑，當(dāng)參與建立網(wǎng)絡(luò)的金融機(jī)構(gòu)節(jié)點(diǎn)較多時(shí)，建立的網(wǎng)絡(luò)連邊數(shù)據(jù)較為龐大，大量冗余信息導(dǎo)致無法直觀地反映出金融系統(tǒng)中風(fēng)險(xiǎn)傳遞的關(guān)鍵路徑，從中剝離出各機(jī)構(gòu)間風(fēng)險(xiǎn)聯(lián)動(dòng)的關(guān)鍵信息便顯得尤為重要。

平面極大過濾圖(Planar Maximally Filtered Graph，PMFG)算法對(duì)以上問題提供了較好的解決方案。平面圖基于平面，各邊互不交疊的圖，具有簡潔、連通、包含充足關(guān)聯(lián)信息等特點(diǎn)。PMFG是通過原距離網(wǎng)絡(luò)生成的子圖，其算法思路是從原圖抽離出包含最多信息的平面圖，PMFG節(jié)點(diǎn)個(gè)數(shù)與原圖一致，選邊原則是在生成仍是平面圖的約束條件下，盡可能地加入更多的連邊，使所選擇的圖滿足邊的距離和最小。本文研究中，溢出效應(yīng)越明顯，連邊的權(quán)重越大，即流量最大的路徑更能反映風(fēng)險(xiǎn)的傳導(dǎo)過程，故我們尋求的PMFG應(yīng)是在相同約束下“距離”之和最大的子圖。一個(gè)具有N個(gè)節(jié)點(diǎn)的PMFG應(yīng)含有3N-6條連邊，若兩點(diǎn)間定義的距離各不相同，可以證明所生成的PMFG是唯一的[注]由于該算法主要適用于圖論中的無向圖，而金融行業(yè)間的風(fēng)險(xiǎn)溢出均為雙向，程序設(shè)計(jì)時(shí)我們將兩節(jié)點(diǎn)間雙向ΔCoVaR值的和作為兩機(jī)構(gòu)間總溢出強(qiáng)度，這時(shí)生成的PMFG為無向網(wǎng)絡(luò)圖。考慮溢出方向時(shí)作如下規(guī)定，由于ΔCoVaR均為負(fù)值，這里規(guī)定ΔCoVaR絕對(duì)值較大的一側(cè)為兩機(jī)構(gòu)間形成的強(qiáng)溢出效應(yīng)，較小的一側(cè)稱作弱溢出效應(yīng)，在確定了極大平面過濾圖后，通過對(duì)比雙向連邊上的溢出效應(yīng)強(qiáng)度，將強(qiáng)溢出效應(yīng)保留于圖中，再次將圖形轉(zhuǎn)化為具有風(fēng)險(xiǎn)溢出指向的有向網(wǎng)絡(luò)圖。。

這一處理過程去除了許多冗余信息，使得運(yùn)用PMFG算法生成的網(wǎng)絡(luò)不僅具有簡潔的特點(diǎn)，同時(shí)也保證了尾部風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)的連通性與信息完整性。根據(jù)圖中所含信息可以清晰直觀地找出與各機(jī)構(gòu)緊密關(guān)聯(lián)的相關(guān)機(jī)構(gòu)，機(jī)構(gòu)經(jīng)營者可對(duì)可能面臨的風(fēng)險(xiǎn)方向制定策略進(jìn)行預(yù)防，決策者也可參考圖中風(fēng)險(xiǎn)流動(dòng)方向更有針對(duì)性地進(jìn)行監(jiān)管，控制風(fēng)險(xiǎn)擴(kuò)散效應(yīng)較強(qiáng)機(jī)構(gòu)的經(jīng)營杠桿，對(duì)風(fēng)險(xiǎn)流向性機(jī)構(gòu)及時(shí)進(jìn)行風(fēng)險(xiǎn)疏散，以防范系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)，維護(hù)金融體系的穩(wěn)定。

(四)網(wǎng)絡(luò)節(jié)點(diǎn)特征描述方法

不同于由節(jié)點(diǎn)關(guān)聯(lián)關(guān)系直接生成的網(wǎng)絡(luò)，PMFG方法所得到的網(wǎng)絡(luò)連邊數(shù)量是固定的，故對(duì)網(wǎng)絡(luò)的總體關(guān)聯(lián)特征描繪有一定的局限性，本文主要從風(fēng)險(xiǎn)傳播強(qiáng)度、節(jié)點(diǎn)風(fēng)險(xiǎn)相關(guān)性、風(fēng)險(xiǎn)中心化程度三方面描述網(wǎng)絡(luò)特征。

1.風(fēng)險(xiǎn)傳播強(qiáng)度

風(fēng)險(xiǎn)傳播強(qiáng)度較高的機(jī)構(gòu)在單位時(shí)間內(nèi)將發(fā)散或吸收更多的風(fēng)險(xiǎn)。本文使用節(jié)點(diǎn)的發(fā)散強(qiáng)度與吸收強(qiáng)度定義風(fēng)險(xiǎn)傳播強(qiáng)度，類似于無向圖的點(diǎn)權(quán)(Vertex strength)定義，將從節(jié)點(diǎn)i出發(fā)指向其他節(jié)點(diǎn)的權(quán)重之和定義為節(jié)點(diǎn)的發(fā)散強(qiáng)度，以指向節(jié)點(diǎn)i權(quán)重之和定義為節(jié)點(diǎn)的吸收強(qiáng)度。

2.風(fēng)險(xiǎn)傳播范圍

(13)

3.風(fēng)險(xiǎn)中心化程度

特征向量中心性(Eigenvector centrality)不僅考慮了節(jié)點(diǎn)的連邊數(shù)量情況，也將所連接節(jié)點(diǎn)的強(qiáng)度屬性考慮其中，即以所連接節(jié)點(diǎn)的“質(zhì)量”衡量此節(jié)點(diǎn)的風(fēng)險(xiǎn)中心化程度，每個(gè)節(jié)點(diǎn)的中心性與和該節(jié)點(diǎn)相連的所有節(jié)點(diǎn)的中心性之和成正比，如式(14)：

(14)

M(p)是與p相鄰的點(diǎn)集，wij為賦權(quán)網(wǎng)絡(luò)鄰接矩陣的元素，xi即為節(jié)點(diǎn)p的中心性，式(14)可以由其特征向量方程Dx=λx轉(zhuǎn)化而來。中心性定義為正值，當(dāng)滿足特征向量的任一分量均為正，根據(jù)Perron-Frobenius定理，最大特征值的對(duì)應(yīng)歸一化特征向量中的第i個(gè)元素即為所求節(jié)點(diǎn)p的中心性指標(biāo)xi。對(duì)于有向網(wǎng)絡(luò)，可根據(jù)式(14)直接計(jì)算入度特征向量中心性，由中心性定義，計(jì)算出度特征向量中心性時(shí)僅需將鄰接矩陣D進(jìn)行轉(zhuǎn)置，再利用式(14)便可求得。本文分別以入度特征向量中心性與出度特征向量中心性定義節(jié)點(diǎn)的風(fēng)險(xiǎn)中心化程度。

四、變量選取及程序設(shè)計(jì)思路

考慮到可得樣本區(qū)間的長度，描述近10年來中國金融機(jī)構(gòu)與行業(yè)間風(fēng)險(xiǎn)傳導(dǎo)路徑的狀態(tài)，樣本區(qū)間選取2008年1月11日至2017年11月3日，數(shù)據(jù)頻率定為周數(shù)據(jù)，樣本主要涵蓋銀行、證券、保險(xiǎn)、房地產(chǎn)四個(gè)行業(yè)，就公司影響力、可用樣本區(qū)間[注]銀行業(yè)：選取了2012年前上市的全部16家銀行。證券業(yè)：根據(jù)中國證券業(yè)協(xié)會(huì)網(wǎng)站的證券公司經(jīng)營業(yè)績排名，選取了國內(nèi)影響力較強(qiáng)的11家證券公司。保險(xiǎn)業(yè)：選取了2012年前上市的全部4家保險(xiǎn)公司。房地產(chǎn)業(yè)：根據(jù)中房網(wǎng)近三年發(fā)布的中國房地產(chǎn)公司綜合實(shí)力榜，選取了排名靠前滬深上市的9家上市房地產(chǎn)公司。兩方面因素考慮，選取16家銀行、11家證券公司、4家保險(xiǎn)公司以及9家房地產(chǎn)公司共40家金融領(lǐng)域的上市公司作為研究對(duì)象，運(yùn)用向后賦權(quán)的周收盤價(jià)計(jì)算機(jī)構(gòu)周對(duì)數(shù)收益率描述機(jī)構(gòu)風(fēng)險(xiǎn)變化[注]部分機(jī)構(gòu)的上市時(shí)間遲于樣本的開始時(shí)間，且研究過程涉及多次分位數(shù)回歸，為保證擬合的顯著性，樣本選擇時(shí)最少涵蓋六年期樣本區(qū)間，程序設(shè)計(jì)時(shí)已根據(jù)樣本開始日期并自動(dòng)匹配相應(yīng)區(qū)間的狀態(tài)變量。，具體研究機(jī)構(gòu)見表1。

表1 樣本選取及編號(hào)

計(jì)算CoVaR時(shí)，狀態(tài)變量選取及指標(biāo)說明如表2所示。

表2 狀態(tài)變量及指標(biāo)說明

五、實(shí)證研究

(一)金融機(jī)構(gòu)系統(tǒng)風(fēng)險(xiǎn)指數(shù)測度

1.風(fēng)險(xiǎn)貢獻(xiàn)指數(shù)。從行業(yè)類別來看，銀行業(yè)(-0.003 62)與保險(xiǎn)業(yè)(-0.003 57)的系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)指數(shù)相對(duì)證券業(yè)(-0.003 13)與房地產(chǎn)業(yè)(-0.002 81)更高，充分反映了現(xiàn)實(shí)行業(yè)間業(yè)務(wù)上的聯(lián)系。保險(xiǎn)業(yè)在經(jīng)營其傳統(tǒng)業(yè)務(wù)的基礎(chǔ)上也開始從事諸如投資管理、風(fēng)險(xiǎn)轉(zhuǎn)移等業(yè)務(wù)，以經(jīng)營風(fēng)險(xiǎn)盈利，這就不免導(dǎo)致其易受到其他版塊的影響。近年來銀行關(guān)注類貸款總量一直居高不下，商業(yè)銀行通過資產(chǎn)價(jià)格渠道與信貸渠道主動(dòng)承擔(dān)了大部分來自于實(shí)體企業(yè)的風(fēng)險(xiǎn)[20]，其中包括房地產(chǎn)業(yè)由于房價(jià)變動(dòng)或資金鏈斷裂引發(fā)的流動(dòng)性風(fēng)險(xiǎn)，此類風(fēng)險(xiǎn)會(huì)通過信貸業(yè)務(wù)等渠道向其他金融行業(yè)溢出，放大其風(fēng)險(xiǎn)敞口，加劇這種單向的風(fēng)險(xiǎn)傳遞。

表3 系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)指數(shù)與系統(tǒng)風(fēng)險(xiǎn)暴露指數(shù)

表4 各行業(yè)平均系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)指數(shù)與系統(tǒng)風(fēng)險(xiǎn)暴露指數(shù)

2.風(fēng)險(xiǎn)暴露指數(shù)。系統(tǒng)風(fēng)險(xiǎn)暴露指數(shù)形成了較為明顯的行業(yè)梯度，證券業(yè)在四行業(yè)中風(fēng)險(xiǎn)暴露度均值最高(-0.004 29)，且排行前10的機(jī)構(gòu)中有五家為證券公司，表明證券業(yè)在其他行業(yè)資產(chǎn)損失發(fā)生時(shí)受到影響可能性較大，危機(jī)發(fā)生時(shí)通過風(fēng)險(xiǎn)尾部聯(lián)動(dòng)較容易使風(fēng)險(xiǎn)快速積聚。而銀行業(yè)則相對(duì)穩(wěn)健，系統(tǒng)風(fēng)險(xiǎn)暴露度指數(shù)較低(-0.003 05)，其中尤以國有大型商業(yè)銀行最為顯著。樣本中的五家國有銀行與北京銀行、南京銀行兩家的風(fēng)險(xiǎn)暴露指數(shù)均較低，原因在于政府支持的銀行機(jī)構(gòu)在風(fēng)險(xiǎn)發(fā)生時(shí)能夠及時(shí)得到擺脫困境的救助，滿足其基本償付能力使機(jī)構(gòu)整體的風(fēng)險(xiǎn)保持在安全水平，免于受到源自其他行業(yè)的沖擊。

3.行業(yè)風(fēng)險(xiǎn)指數(shù)[注]行業(yè)風(fēng)險(xiǎn)暴露指數(shù)沒有在正文列出，這里僅分析相關(guān)的重要結(jié)論。。證券業(yè)風(fēng)險(xiǎn)貢獻(xiàn)與風(fēng)險(xiǎn)暴露比較集中，排名前三的機(jī)構(gòu)為海通證券、東北證券、長江證券，且不同于其他行業(yè)內(nèi)指數(shù)的排名。在證券業(yè)內(nèi)部，兩種方向行業(yè)指數(shù)的排名較為類似，說明擁有較高對(duì)行業(yè)內(nèi)部風(fēng)險(xiǎn)輸出能力的機(jī)構(gòu)，往往也表現(xiàn)出較強(qiáng)的風(fēng)險(xiǎn)吸收能力，這種行業(yè)內(nèi)的密集風(fēng)險(xiǎn)關(guān)聯(lián)可能與證券公司業(yè)務(wù)的高度同質(zhì)性有關(guān)，投資者的“羊群效應(yīng)”導(dǎo)致證券業(yè)的風(fēng)險(xiǎn)事件一旦出現(xiàn)會(huì)立即反映至大盤證券板塊，并在行業(yè)板塊內(nèi)部迅速傳播。個(gè)別機(jī)構(gòu)有著較為特殊的風(fēng)險(xiǎn)貢獻(xiàn)度特點(diǎn)，通過與行業(yè)風(fēng)險(xiǎn)貢獻(xiàn)的對(duì)比可以發(fā)現(xiàn)，寧波銀行在銀行業(yè)內(nèi)部的風(fēng)險(xiǎn)流入水平較低(-0.003 17，銀行業(yè)第七)，系統(tǒng)風(fēng)險(xiǎn)暴露卻位于榜首(-0.007 91)，其原因不僅在于其自身的VaR水平相較于其他機(jī)構(gòu)維持于較高水平，也源自這種風(fēng)險(xiǎn)暴露主要表現(xiàn)在源自其他行業(yè)機(jī)構(gòu)的風(fēng)險(xiǎn)溢出效應(yīng)上，借助這種思路有助于識(shí)別風(fēng)險(xiǎn)敏感機(jī)構(gòu)的風(fēng)險(xiǎn)行業(yè)傳遞特點(diǎn)，通過查找溢出系數(shù)鄰接矩陣Dβ，可以具體看到單個(gè)機(jī)構(gòu)遭遇風(fēng)險(xiǎn)時(shí)主要傳遞方向。

(二)中國金融機(jī)構(gòu)間ΔCoVaR網(wǎng)絡(luò)特征描述

運(yùn)用機(jī)構(gòu)間40*40的ΔCoVaR表格，借助matlab圖論工具包中程序生成PMFG網(wǎng)絡(luò)矩陣，再將此矩陣導(dǎo)入ucinet軟件，由其中的netdraw功能進(jìn)行繪制，以圓形、正三角、方形、倒三角分別表示銀行、證券、保險(xiǎn)、房地產(chǎn)的機(jī)構(gòu)節(jié)點(diǎn)，并將機(jī)構(gòu)內(nèi)風(fēng)險(xiǎn)溢出與機(jī)構(gòu)間風(fēng)險(xiǎn)溢出的路徑用深淺不同的線段加以區(qū)分，得到金融機(jī)構(gòu)間風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)圖(見圖1)。

圖1 金融機(jī)構(gòu)間風(fēng)險(xiǎn)溢出均值的極大平面過濾圖

圖1呈現(xiàn)了四行業(yè)間尾部風(fēng)險(xiǎn)的主要傳遞路徑，共包含40個(gè)節(jié)點(diǎn)，114個(gè)加權(quán)的連邊，平均路徑長度1.792，單個(gè)連邊的最大ΔCoVaR絕對(duì)值為0.254，最小為0.054。13家機(jī)構(gòu)的風(fēng)險(xiǎn)傳遞所有連邊僅指向自己，扮演風(fēng)險(xiǎn)主要吸收者角色；5家機(jī)構(gòu)連接箭頭僅指向其他機(jī)構(gòu)，主要扮演風(fēng)險(xiǎn)的輸出者；其余多數(shù)機(jī)構(gòu)，既是箭頭的指向方，也是箭頭的指出方，在系統(tǒng)中的風(fēng)險(xiǎn)并非單向流動(dòng)，而是形成了機(jī)構(gòu)間錯(cuò)綜復(fù)雜的雙向流動(dòng)網(wǎng)絡(luò)。通過對(duì)圖1中行業(yè)間連邊的方向進(jìn)行統(tǒng)計(jì)，得到了行業(yè)間風(fēng)險(xiǎn)流向統(tǒng)計(jì)表，如表5。

表5 行業(yè)間風(fēng)險(xiǎn)流向統(tǒng)計(jì)表

圖1與表5可知行業(yè)的風(fēng)險(xiǎn)流向，可對(duì)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)、暴露指數(shù)的排名做出更加具體的解釋，表現(xiàn)為以下幾點(diǎn)：第一，PMFG方法生成的網(wǎng)絡(luò)可顯示金融風(fēng)險(xiǎn)關(guān)鍵傳遞路徑，根據(jù)風(fēng)險(xiǎn)溢出方向不同，形成了明顯的行業(yè)梯度，風(fēng)險(xiǎn)在證券行業(yè)內(nèi)部的傳遞十分緊密(23/24)，且向內(nèi)指向較多，其風(fēng)險(xiǎn)源自銀行溢出效應(yīng)顯著。第二，圖中較多的連邊從銀行業(yè)指出(59/114)，且銀行內(nèi)部向行業(yè)外指向的箭頭較多(43/59)，其中以民生銀行、農(nóng)業(yè)銀行、工商銀行、中國銀行最為顯著，大型國有商業(yè)銀行對(duì)風(fēng)險(xiǎn)有較強(qiáng)的發(fā)散作用，較好的風(fēng)險(xiǎn)分散能力有利于銀行自身的穩(wěn)定，但同時(shí)也為系統(tǒng)性風(fēng)險(xiǎn)的集聚埋下了隱患，上述作用在系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)指數(shù)的行業(yè)排名中也有所體現(xiàn)。第三，從房地產(chǎn)業(yè)指出的33條網(wǎng)絡(luò)連邊中有18條源自銀行，這反映了中國市場房地產(chǎn)行業(yè)與銀行業(yè)緊密的資金聯(lián)系：經(jīng)濟(jì)繁榮時(shí)期，銀行部門會(huì)對(duì)房地產(chǎn)市場風(fēng)險(xiǎn)過度承擔(dān)，這導(dǎo)致當(dāng)銀行遭遇損失時(shí)會(huì)首先波及房地產(chǎn)行業(yè)，金融深化引致的直接投資沖擊、抵押率沖擊和金融杠桿沖擊深刻地影響中國房產(chǎn)價(jià)格。

網(wǎng)絡(luò)中較多的連邊集中于少數(shù)的關(guān)鍵節(jié)點(diǎn)上，海通證券、東北證券、中國平安、保利地產(chǎn)分別擁有最多條連邊數(shù)量，這些機(jī)構(gòu)均為尾部風(fēng)險(xiǎn)傳遞過程中防范風(fēng)險(xiǎn)傳播的關(guān)鍵性節(jié)點(diǎn)，下面以排名形式給出網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)特征的信息，結(jié)合表(6)、表(7)，以中國平安、興業(yè)銀行等機(jī)構(gòu)為例對(duì)典型機(jī)構(gòu)的風(fēng)險(xiǎn)溢出特征進(jìn)行分析。

表6 向外指向性節(jié)點(diǎn)的特征指標(biāo)排行

表7 向內(nèi)指向性節(jié)點(diǎn)的特征指標(biāo)排行

中國平安是網(wǎng)絡(luò)中主要的風(fēng)險(xiǎn)輸出機(jī)構(gòu)，風(fēng)險(xiǎn)傳播速度、范圍及中心化程度內(nèi)向型指標(biāo)均處于較高水平。此外，中國銀行、農(nóng)業(yè)銀行、工商銀行亦排在前列，建設(shè)銀行也多次上榜。房地產(chǎn)業(yè)與保險(xiǎn)業(yè)總體上在網(wǎng)絡(luò)中顯示出的尾部風(fēng)險(xiǎn)聯(lián)動(dòng)效應(yīng)較弱，原因在于利用PMFG生成的網(wǎng)絡(luò)已經(jīng)過濾了風(fēng)險(xiǎn)傳染過程中作用較弱的連接途徑，多數(shù)房地產(chǎn)與保險(xiǎn)的風(fēng)險(xiǎn)傳導(dǎo)與吸收能力均不突出，導(dǎo)致許多連邊在圖像生成過程中未被選擇，但保利地產(chǎn)卻體現(xiàn)出較強(qiáng)的風(fēng)險(xiǎn)吸收能力，且風(fēng)險(xiǎn)源多數(shù)為銀行機(jī)構(gòu)，監(jiān)管部門應(yīng)當(dāng)引起關(guān)注。

興業(yè)銀行在網(wǎng)絡(luò)中地位特殊，作為風(fēng)險(xiǎn)傳播的一個(gè)“樞紐”，不僅有較高的風(fēng)險(xiǎn)接收能力，同樣表現(xiàn)出較強(qiáng)發(fā)散能力，海通證券也有類似性質(zhì)。根據(jù)特征向量中心度排名可知，雖然此類機(jī)構(gòu)的關(guān)聯(lián)節(jié)點(diǎn)并非高度節(jié)點(diǎn)，但具有雙向溢出效應(yīng)的機(jī)構(gòu)也應(yīng)作為監(jiān)管過程中的“關(guān)鍵節(jié)點(diǎn)”，從其業(yè)務(wù)上的關(guān)聯(lián)對(duì)風(fēng)險(xiǎn)進(jìn)行防控。

方正證券雖然在風(fēng)險(xiǎn)傳播強(qiáng)度、范圍指標(biāo)上并不十分顯著，但其輸入特征向量中心性指標(biāo)卻達(dá)到最高值1，與其相連的四家機(jī)構(gòu)除光大銀行外，光大證券、廣發(fā)證券、東北證券三家券商均名列三榜之上，進(jìn)而能夠從側(cè)面反映出證券行業(yè)具有對(duì)風(fēng)險(xiǎn)吸收能力較強(qiáng)的特點(diǎn)。由于特征向量中心性更加關(guān)注所連接路徑的“質(zhì)量”，出度特征向量中心性越高，該機(jī)構(gòu)更傾向于將風(fēng)險(xiǎn)傳遞給同樣輸出風(fēng)險(xiǎn)較強(qiáng)的機(jī)構(gòu)；入度特征向量中心性越高，意味著該機(jī)構(gòu)更容易受到風(fēng)險(xiǎn)吸收能力較強(qiáng)節(jié)點(diǎn)的威脅。在輸出特征向量中心性排行中，上榜的多為銀行機(jī)構(gòu)，其中以民生銀行、中國銀行最為顯著，上述節(jié)點(diǎn)發(fā)散的風(fēng)險(xiǎn)也指向高危節(jié)點(diǎn)，致使系統(tǒng)性風(fēng)險(xiǎn)生成初期，這種惡性風(fēng)險(xiǎn)傳遞鏈會(huì)導(dǎo)致風(fēng)險(xiǎn)迅速蔓延。而輸入特征向量中心性的上榜機(jī)構(gòu)集中于證券行業(yè)，風(fēng)險(xiǎn)貢獻(xiàn)較強(qiáng)的關(guān)鍵節(jié)點(diǎn)間有著較為緊密的聯(lián)系。政策調(diào)控時(shí)可從兩個(gè)方向入手，在阻斷風(fēng)險(xiǎn)的惡性傳播路徑的同時(shí)，尋求風(fēng)險(xiǎn)的安全疏導(dǎo)途徑，進(jìn)行“開源節(jié)流”。

六、結(jié)論與啟示

本文以金融機(jī)構(gòu)為節(jié)點(diǎn)，以其相互的尾部風(fēng)險(xiǎn)溢出關(guān)系為連邊，建立了有向賦權(quán)金融風(fēng)險(xiǎn)網(wǎng)絡(luò)，系統(tǒng)分析了各機(jī)構(gòu)、行業(yè)在整個(gè)系統(tǒng)的風(fēng)險(xiǎn)雙向傳導(dǎo)能力，結(jié)合兼?zhèn)渲庇^、系統(tǒng)特點(diǎn)的PMFG網(wǎng)絡(luò)連邊搜索算法對(duì)網(wǎng)絡(luò)進(jìn)行了化簡，為度量中國銀行、證券、保險(xiǎn)、房地產(chǎn)四行業(yè)各機(jī)構(gòu)風(fēng)險(xiǎn)溢出效應(yīng)提供了全新視角。主要結(jié)論及文章現(xiàn)實(shí)意義如下：

1.通過金融機(jī)構(gòu)間網(wǎng)絡(luò)的總體風(fēng)險(xiǎn)溢出效應(yīng)矩陣分析可得：金融機(jī)構(gòu)在遭受劇烈風(fēng)險(xiǎn)沖擊時(shí)，在行業(yè)內(nèi)部或整個(gè)系統(tǒng)中，按照雙向的風(fēng)險(xiǎn)傳遞路徑，均存在不同強(qiáng)度風(fēng)險(xiǎn)溢出；各行業(yè)對(duì)系統(tǒng)風(fēng)險(xiǎn)的影響水平有所差異，以風(fēng)險(xiǎn)溢出平均水平來看，系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)指數(shù)從高至低的行業(yè)依次為銀行、證券、保險(xiǎn)、房地產(chǎn)，系統(tǒng)風(fēng)險(xiǎn)暴露指數(shù)從高至低依次為證券、房地產(chǎn)、保險(xiǎn)、銀行；風(fēng)險(xiǎn)暴露指數(shù)最高的10家機(jī)構(gòu)中有五家為證券公司，證券業(yè)內(nèi)部容易受風(fēng)險(xiǎn)影響的機(jī)構(gòu)亦易將風(fēng)險(xiǎn)向外傳遞，銀行業(yè)中大型國有商業(yè)銀行的風(fēng)險(xiǎn)貢獻(xiàn)度顯著較高。

2.通過PMFG算法化簡生成的可視化金融網(wǎng)絡(luò)相關(guān)分析可得：金融機(jī)構(gòu)與行業(yè)間均存在復(fù)雜的風(fēng)險(xiǎn)溢出模式，指標(biāo)分析可知，國有銀行是強(qiáng)力風(fēng)險(xiǎn)沖擊的主要輸出者，風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)圖中，指向性箭頭更多源自大型國有銀行，國有商業(yè)銀行能夠及時(shí)便利地為其他的金融機(jī)構(gòu)提供流動(dòng)性救助從而抵御風(fēng)險(xiǎn)，但考慮到金融風(fēng)險(xiǎn)有“緩積急釋”的特點(diǎn)，這種良好的緩沖作用卻同時(shí)為系統(tǒng)性風(fēng)險(xiǎn)的爆發(fā)埋下了隱患；證券業(yè)內(nèi)部相互的風(fēng)險(xiǎn)聯(lián)動(dòng)較為緊密，且多數(shù)高風(fēng)險(xiǎn)發(fā)散路徑均集中于證券業(yè)內(nèi)，是風(fēng)險(xiǎn)接收的主要中心；銀行業(yè)向房地產(chǎn)的風(fēng)險(xiǎn)溢出效應(yīng)較強(qiáng)，房地產(chǎn)業(yè)與銀行業(yè)存在密切的信用關(guān)系，這使得房地產(chǎn)貸款引發(fā)信用風(fēng)險(xiǎn)具有很強(qiáng)的風(fēng)險(xiǎn)傳染性；保險(xiǎn)業(yè)與地產(chǎn)業(yè)的風(fēng)險(xiǎn)聯(lián)動(dòng)水平雖然整體較弱，但個(gè)別機(jī)構(gòu)節(jié)點(diǎn)在風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)中的表現(xiàn)十分顯著，監(jiān)管時(shí)應(yīng)結(jié)合關(guān)鍵機(jī)構(gòu)的關(guān)聯(lián)特點(diǎn)有針對(duì)性的進(jìn)行風(fēng)險(xiǎn)防范。

隨著中國金融改革不斷深入，金融行業(yè)的混業(yè)經(jīng)營趨勢(shì)愈加顯現(xiàn)，行業(yè)間形成日趨緊密而復(fù)雜的風(fēng)險(xiǎn)網(wǎng)絡(luò)。對(duì)單一行業(yè)的風(fēng)險(xiǎn)描述已不足以刻畫金融系統(tǒng)中錯(cuò)綜復(fù)雜的風(fēng)險(xiǎn)關(guān)聯(lián)關(guān)系，對(duì)金融業(yè)逐步建立綜合監(jiān)管體系，實(shí)行網(wǎng)絡(luò)式的風(fēng)險(xiǎn)管理模式已勢(shì)在必行。本文為金融業(yè)風(fēng)險(xiǎn)網(wǎng)絡(luò)建構(gòu)提供了一種可行的方法。監(jiān)管部門可結(jié)合各項(xiàng)網(wǎng)絡(luò)指標(biāo)從多個(gè)維度對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行合理判斷：對(duì)系統(tǒng)重要性機(jī)構(gòu)加強(qiáng)監(jiān)管，關(guān)注風(fēng)險(xiǎn)的強(qiáng)度與方向，依照路徑甄別、風(fēng)險(xiǎn)疏導(dǎo)兩個(gè)階段對(duì)關(guān)鍵金融風(fēng)險(xiǎn)傳播路徑進(jìn)行重點(diǎn)治理；尤其針對(duì)證券業(yè)內(nèi)部的緊密風(fēng)險(xiǎn)關(guān)聯(lián)進(jìn)行監(jiān)控，防止單個(gè)部門機(jī)構(gòu)遭遇劇烈的風(fēng)險(xiǎn)事件時(shí)，負(fù)面效應(yīng)快速擴(kuò)散；同時(shí)關(guān)注大型國有商業(yè)銀行的風(fēng)險(xiǎn)發(fā)散作用，對(duì)金融機(jī)構(gòu)間互持資產(chǎn)、互持負(fù)債的規(guī)模與比例予以控制，對(duì)過量的風(fēng)險(xiǎn)溢出效應(yīng)設(shè)立預(yù)警機(jī)制。