董招娣 徐杰

摘要：使用CoVaR方法，估測了我國10家上市銀行的系統(tǒng)性風(fēng)險(xiǎn)水平，同時(shí)以所有制和經(jīng)營范圍兩個(gè)維度來度量不同層次銀行對系統(tǒng)性金融風(fēng)險(xiǎn)的異質(zhì)性影響并分析產(chǎn)生異質(zhì)性的原因。實(shí)證結(jié)果表明：（1）從所有制角度看，國有銀行比非國有銀行對系統(tǒng)性金融風(fēng)險(xiǎn)的影響更為顯著;（2）從經(jīng)營范圍角度看，與區(qū)域性銀行相比，全國性銀行有較強(qiáng)的風(fēng)險(xiǎn)溢出效應(yīng)。

關(guān)鍵詞：系統(tǒng)性金融風(fēng)險(xiǎn);所有制;經(jīng)營范圍;異質(zhì)性影響

中圖分類號：F832.3 ?文獻(xiàn)標(biāo)志碼：A ?文章編號：1008-4657（2020）02-0067-09

0 引言

商業(yè)銀行在我國金融市場中居于特殊位置，其風(fēng)險(xiǎn)狀況也對系統(tǒng)性金融風(fēng)險(xiǎn)有著重要影響。自2008年金融危機(jī)以來，系統(tǒng)性金融風(fēng)險(xiǎn)引起了各國政府和監(jiān)管機(jī)構(gòu)的高度重視。習(xí)近平總書記曾在多次講話中強(qiáng)調(diào)金融安全的重要性，十九大報(bào)告也明確要求健全金融監(jiān)管體系，將“防范化解重大風(fēng)險(xiǎn)作為三大攻堅(jiān)戰(zhàn)首”，并將“守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線”作為我國金融安全穩(wěn)定運(yùn)行的基本要求。由于商業(yè)銀行在金融體系中居于主導(dǎo)地位，據(jù)央行統(tǒng)計(jì)數(shù)據(jù)，截止2019年第三季度，銀行業(yè)的資產(chǎn)規(guī)模為284.67萬億元，而證券業(yè)的資產(chǎn)總額僅為7.83萬億元，保險(xiǎn)業(yè)為19.96萬億元，我國金融業(yè)機(jī)構(gòu)的總資產(chǎn)為312.46萬億元，因此銀行體系是系統(tǒng)性金融風(fēng)險(xiǎn)的最主要來源。另外，國有銀行是整個(gè)銀行體系的主力軍，全國性經(jīng)營銀行的規(guī)模發(fā)展也越來越龐大，所有制和經(jīng)營范圍這兩個(gè)維度在我國銀行體系中具有重要地位。因此，如何度量和分析兩種維度的銀行對系統(tǒng)性金融風(fēng)險(xiǎn)的影響對防范化解金融風(fēng)險(xiǎn)，保障金融安全穩(wěn)定具有重大意義。

1 文獻(xiàn)綜述

一直以來系統(tǒng)性金融風(fēng)險(xiǎn)的測度與監(jiān)管都是各國政府關(guān)注的焦點(diǎn)，國內(nèi)外許多學(xué)者也對銀行系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了大量卓有成效的研究。在眾多文獻(xiàn)中主要是基于系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的度量以及系統(tǒng)性金融風(fēng)險(xiǎn)影響因素這兩部分內(nèi)容展開研究。

1.1 基于系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的度量研究

隨著金融市場的多樣化發(fā)展，學(xué)者融合了GARCH和Copula等模型進(jìn)一步發(fā)展了條件在險(xiǎn)價(jià)值法（CoVaR）[1-2]，有效解決了金融數(shù)據(jù)的時(shí)變性特征和“尖峰厚尾”的現(xiàn)象。考慮到金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)聯(lián)動性，Acharya[3]基于期望損失（ES）方法，最先使用邊際期望損失方法（MES）和系統(tǒng)性期望損失（SES）來度量銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)，但是該方法忽略了金融機(jī)構(gòu)資產(chǎn)規(guī)模和杠桿等因素對系統(tǒng)性風(fēng)險(xiǎn)的實(shí)質(zhì)性影響。鑒于以上方法的不足，Brownlees等[4]進(jìn)一步發(fā)展MES方法，并參照壓力測試的基本思路融入杠桿因素，構(gòu)建SRISK指數(shù)來衡量系統(tǒng)性風(fēng)險(xiǎn)。

基于國外研究的系統(tǒng)性風(fēng)險(xiǎn)的測量模型方法，國內(nèi)學(xué)者根據(jù)我國經(jīng)濟(jì)發(fā)展情況和金融市場數(shù)據(jù)對我國系統(tǒng)性金融風(fēng)險(xiǎn)也進(jìn)行了定量測度，主要集中于CoVaR，MES和SRISK等方法。高國華等[5]將GARCH模型引入CoVaR方法，測量我國14家上市銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。以范小云等[6]為代表的學(xué)者首次運(yùn)用MES方法測量了我國金融機(jī)構(gòu)在2008年金融危機(jī)期間和危機(jī)后的邊際風(fēng)險(xiǎn)貢獻(xiàn)度，該方法采用“自上而下”的分析思路，這與我國宏觀審慎的監(jiān)管模式相契合。為了全面分析當(dāng)前的系統(tǒng)性金融風(fēng)險(xiǎn)狀況，陶玲等[7]從7個(gè)維度構(gòu)建系統(tǒng)性金融風(fēng)險(xiǎn)綜合指數(shù)，可以較好地監(jiān)測和度量系統(tǒng)性風(fēng)險(xiǎn)的水平。

1.2 基于系統(tǒng)性金融風(fēng)險(xiǎn)影響因素的研究

隨著金融創(chuàng)新和市場化改革的深入推進(jìn)，我國金融市場也呈現(xiàn)出多元化發(fā)展，傳統(tǒng)商業(yè)銀行改變了經(jīng)營方式，由單一的存貸業(yè)務(wù)逐步向投資銀行過渡，創(chuàng)新各種金融產(chǎn)品，并聯(lián)合證券業(yè)、保險(xiǎn)業(yè)等其他金融機(jī)構(gòu)獲取高額回報(bào)。過度的金融創(chuàng)新和各金融機(jī)構(gòu)之間混業(yè)經(jīng)營趨勢的增強(qiáng)，加劇了系統(tǒng)性金融風(fēng)險(xiǎn)的傳播和集聚，這引起國內(nèi)學(xué)者對系統(tǒng)性金融風(fēng)險(xiǎn)的來源的廣泛關(guān)注，尤其是對于銀行、保險(xiǎn)和證券等金融機(jī)構(gòu)對系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)度的關(guān)注。如王妍等[8]基于極值理論，考慮了極端風(fēng)險(xiǎn)事件下，銀行和保險(xiǎn)對金融市場的影響要大于證券和信托行業(yè)，特別是銀行業(yè)對系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)度最高，并且銀行業(yè)中國有銀行的風(fēng)險(xiǎn)影響系數(shù)普遍高于非國有銀行。張蕊等[9]同樣基于極值理論，考察了銀行業(yè)、證券業(yè)和保險(xiǎn)業(yè)等機(jī)構(gòu)在2008年至2013年對系統(tǒng)性金融風(fēng)險(xiǎn)影響的動態(tài)變化，得到結(jié)論：銀行業(yè)尤其是國有銀行引發(fā)系統(tǒng)性風(fēng)險(xiǎn)的可能性最大，并且風(fēng)險(xiǎn)貢獻(xiàn)度逐年上升。張麗影[10]在學(xué)位論文中通過實(shí)證研究也得到銀行業(yè)對我國系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)度最大的結(jié)論。

很少有文獻(xiàn)會從商業(yè)銀行的所有制和經(jīng)營范圍角度進(jìn)一步探究銀行業(yè)對系統(tǒng)性金融風(fēng)險(xiǎn)的影響，事實(shí)上我國銀行體系主體繁雜，不同主體之間產(chǎn)權(quán)結(jié)構(gòu)、業(yè)務(wù)范圍、產(chǎn)品質(zhì)量存在差異，其對系統(tǒng)性金融風(fēng)險(xiǎn)的影響很可能存在異質(zhì)性影響。因此，本文在科學(xué)測度系統(tǒng)性金融風(fēng)險(xiǎn)的基礎(chǔ)上，為補(bǔ)充系統(tǒng)性金融風(fēng)險(xiǎn)研究的理論框架，將基于所有制和經(jīng)營范圍兩個(gè)角度深入分析商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)，并由此為監(jiān)管部門分類監(jiān)管和統(tǒng)籌監(jiān)管提供依據(jù)，從而有效防范系統(tǒng)性金融風(fēng)險(xiǎn)。

2 系統(tǒng)性金融風(fēng)險(xiǎn)的測度

2.1 模型構(gòu)建

2.2 研究對象和數(shù)據(jù)選擇

金融業(yè)包括了銀行、保險(xiǎn)、證券、基金等幾個(gè)子行業(yè)，銀行由于發(fā)展時(shí)間久遠(yuǎn)、資產(chǎn)規(guī)模龐大（資產(chǎn)總額占整個(gè)金融行業(yè)的比例超過了90%），主導(dǎo)著我國金融市場發(fā)展，因而可以通過計(jì)算銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度來狹義代表金融市場的整體風(fēng)險(xiǎn)狀況。選取2012年7月～2019年7月滬深兩市10家具有代表性的銀行作為研究對象（共360個(gè)樣本量），其中包括五家國有銀行（中、農(nóng)、工、建、交）和五家股份制銀行（中信銀行、南京銀行、寧波銀行、華夏銀行、民生銀行），這10家銀行的總資產(chǎn)占銀行業(yè)總資產(chǎn)的比重近70%，具有很好的代表性。選用樣本銀行的周收益率來衡量系統(tǒng)性風(fēng)險(xiǎn)，該期間經(jīng)歷了2013年“錢荒”、2015年我國資本市場異常波動、2018年中美貿(mào)易摩擦等事件，對于衡量系統(tǒng)性風(fēng)險(xiǎn)水平具有很強(qiáng)的參考意義，同時(shí)還用到同期的上證銀行指數(shù)收益率和滬深300指市場收益率。數(shù)據(jù)來源于RESSET數(shù)據(jù)庫。

2.3 正態(tài)性和平穩(wěn)性檢驗(yàn)

在進(jìn)行數(shù)據(jù)之前，先對各銀行收益率序列進(jìn)行描述性統(tǒng)計(jì)，檢驗(yàn)序列的正態(tài)性如表1所示。

從標(biāo)準(zhǔn)差角度看，股份制銀行中的中信銀行（0.049 725）、南京銀行（0.042 324）、寧波銀行（0.045 533）等銀行標(biāo)準(zhǔn)差普遍高于大型國有銀行，這表明股份制銀行風(fēng)險(xiǎn)暴露相對較高。從偏度角度看，所有銀行偏度值都不等于0且都大于0，則樣本銀行收益率序列出現(xiàn)左偏。再從峰度角度看，所有峰值都大于3，可以判斷樣本銀行收益率出現(xiàn)尖峰現(xiàn)象，不符合正態(tài)分布。

另外，為了避免出現(xiàn)偽回歸現(xiàn)象，在計(jì)算各家上市銀行的VaR和CoVaR時(shí)要先對所有收益率序列進(jìn)行平穩(wěn)性檢驗(yàn)，ADF單位根檢驗(yàn)結(jié)果如表2所示。

由表2可知，所有樣本銀行收益率原序列均通過ADF單位根檢驗(yàn)，且都在1%的顯著性水平下顯著，均為平穩(wěn)序列。

結(jié)合描述性統(tǒng)計(jì)結(jié)果看，樣本銀行的收益率序列呈現(xiàn)“尖峰后尾”的不對稱分布，且數(shù)據(jù)平穩(wěn)，因此采用GARCH模型計(jì)算銀行系統(tǒng)性風(fēng)險(xiǎn)能有效處理極端情況下出現(xiàn)的損失。

2.4 商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)的測度

由以上樣本數(shù)據(jù)處理結(jié)果可知收益率序列呈現(xiàn)不對稱分布，因而選擇在q=5%，t分布假設(shè)下測度樣本銀行風(fēng)險(xiǎn)水平。計(jì)算結(jié)果如表3所示。

由表3可知，從所有制角度看，總體上國有銀行總體風(fēng)險(xiǎn)水平低于非國有銀行，國有銀行平均VaR為- 4.84%，而非國有銀行平均VaR為- 6.27%，其中中信銀行風(fēng)險(xiǎn)水平最高，達(dá)到了- 8.45%，這表明國有銀行自身風(fēng)險(xiǎn)防控能力較強(qiáng)，規(guī)模較小的非國有銀行可能在遇到危機(jī)時(shí)風(fēng)險(xiǎn)應(yīng)急能力較弱。另外，從風(fēng)險(xiǎn)溢出程度可以看出國有銀行的平均風(fēng)險(xiǎn)溢出值（- 13.66%）顯著低于非國有銀行（- 27.84%），特別是民生銀行在所有銀行的風(fēng)險(xiǎn)溢出值中位居首位，超過了資產(chǎn)規(guī)模龐大的工商銀行，這可能由于近些年我國非國有銀行發(fā)展迅速，在獲得高收益同時(shí)可能存在高風(fēng)險(xiǎn)的經(jīng)營方式，從而增加了非國有銀行系統(tǒng)性金融風(fēng)險(xiǎn)暴露的敞口。

從經(jīng)營范圍的角度看，全國性銀行的平均自身風(fēng)險(xiǎn)水平（- 5.06%）要低于區(qū)域經(jīng)營的銀行（- 6.29%），并且全國性銀行在風(fēng)險(xiǎn)溢出程度的控制上比區(qū)域銀行要強(qiáng)，這可能因?yàn)閰^(qū)域銀行在地方經(jīng)濟(jì)發(fā)展中發(fā)揮重大作用，當(dāng)出現(xiàn)危機(jī)事件時(shí)會引起區(qū)域經(jīng)濟(jì)波動，進(jìn)而引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)。

3 商業(yè)銀行系統(tǒng)性金融風(fēng)險(xiǎn)的異質(zhì)性影響回對歸分析

3.1 樣本與數(shù)據(jù)來源

基于研究目的和研究方向，本文選取了2012年7月～2019年7月我國商業(yè)銀行主要監(jiān)管指標(biāo)（GDP增速、波動率、換手率和收益率等數(shù)據(jù)）作為變量，其中監(jiān)管指標(biāo)數(shù)據(jù)來源于國泰安數(shù)據(jù)庫，GDP增速來源于國家統(tǒng)計(jì)局，其他數(shù)據(jù)來源于RESSET數(shù)據(jù)庫。

3.2 變量選取

3.2.1 被解釋變量：系統(tǒng)性金融風(fēng)險(xiǎn)

一般來說可以運(yùn)用收益波動性指標(biāo)來衡量微觀個(gè)體經(jīng)營管理風(fēng)險(xiǎn)，本文正是運(yùn)用各家商業(yè)銀行的股票收益率估測系統(tǒng)性風(fēng)險(xiǎn)。基于上文計(jì)算出的銀行業(yè)風(fēng)險(xiǎn)，以流通股為權(quán)重加權(quán)平均來狹義代表系統(tǒng)性金融風(fēng)險(xiǎn)。

3.2.2 核心解釋變量

（1）收益率：收益率反映出商業(yè)銀行的盈利能力，鑒于陳忠陽等[11]根據(jù)上市銀行股票收益率研究國有銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度更高的結(jié)論，可知收益率變動可以有效反映對系統(tǒng)性風(fēng)險(xiǎn)的影響大小，即收益率越高，銀行的貨幣資金越多，銀行運(yùn)營越穩(wěn)健從而對系統(tǒng)性金融風(fēng)險(xiǎn)的影響越小，反之亦然。

（2）換手率：用來衡量商業(yè)銀行上市股票的流動性風(fēng)險(xiǎn)，借鑒海小輝等[12]將股票市場中的換手率作為市場表現(xiàn)的一種重要指標(biāo)，分析上市公司對系統(tǒng)性風(fēng)險(xiǎn)的影響，可知市場表現(xiàn)越活躍，即換手率越高，市場投資氛圍越濃厚，股價(jià)變化越大，風(fēng)險(xiǎn)也相對較高。因此，用換手率來衡量商業(yè)銀行對系統(tǒng)性金融風(fēng)險(xiǎn)的影響也具有相似的結(jié)論。

（3）波動率：參考麥木蓉等[13]選用股票市場波動率作為系統(tǒng)性金融風(fēng)險(xiǎn)測量的狀態(tài)變量，可知波動率能很好地反映商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)。另外，波動率反映了上市股票資產(chǎn)價(jià)格波動情況，價(jià)格變化幅度越大，波動性越高，表明商業(yè)銀行面臨的市場不確定性程度越高，從而表明其對系統(tǒng)性金融風(fēng)險(xiǎn)的影響越顯著。

3.2.3 控制變量

參照曹源芳[14]研究金融錯(cuò)配風(fēng)險(xiǎn)時(shí)選取的控制變量，首先在宏觀經(jīng)濟(jì)層面，選取同期國內(nèi)生產(chǎn)總值同比增速來衡量宏觀經(jīng)濟(jì)環(huán)境變化狀況。穩(wěn)定的宏觀環(huán)境有利于商業(yè)銀行信貸業(yè)務(wù)的開展，增強(qiáng)商業(yè)銀行經(jīng)營的安全性和盈利性，從而有效降低系統(tǒng)性金融風(fēng)險(xiǎn)。

其次在宏觀審慎政策方面，選取了較為常見的監(jiān)管指標(biāo)：資本充足率、資產(chǎn)利潤率、存貸比。上述指標(biāo)受到監(jiān)管的約束程度越高，表明宏觀審慎政策實(shí)施越嚴(yán)。各變量定義與說明如表4所示。

3.3 線性回歸模型設(shè)計(jì)

為了考察不同所有制和經(jīng)營范圍的商業(yè)銀行對于系統(tǒng)性金融風(fēng)險(xiǎn)的不同影響，需要將樣本銀行進(jìn)一步細(xì)分。以所有制劃分商業(yè)銀行可以分為國有銀行和非國有銀行;以經(jīng)營范圍劃分商業(yè)銀行可以分為全國性銀行和僅在區(qū)域范圍內(nèi)經(jīng)營的中小銀行。借鑒李智山等 [15]以銀行集中度指數(shù)和商業(yè)銀行網(wǎng)點(diǎn)在全國省域的分布格局來定義區(qū)域經(jīng)營的中小銀行和全國性銀行的研究成果，將商業(yè)銀行網(wǎng)點(diǎn)在全國覆蓋的省份數(shù)量作為經(jīng)營范圍劃分的標(biāo)準(zhǔn)。具體標(biāo)準(zhǔn)是營業(yè)網(wǎng)點(diǎn)在全國省份超過26個(gè)作為全國性經(jīng)營的銀行，反之低于26個(gè)則為區(qū)域經(jīng)營的中小銀行。

基于以上劃分標(biāo)準(zhǔn)，在本文選取的樣本銀行中，國有銀行包括四大國有銀行（中、農(nóng)、工、建）和交通銀行;非國有銀行包括中信銀行、南京銀行、寧波銀行、民生銀行和華夏銀行。全國性銀行包括四大國有銀行、交通銀行和民生銀行;區(qū)域中小銀行包括中信銀行、華夏銀行、南京銀行、寧波銀行。

參照高國華等[5]有關(guān)銀行業(yè)系統(tǒng)性影響因素設(shè)計(jì)的回歸模型，利用以上四組數(shù)據(jù)進(jìn)行回歸分析，從所有制和經(jīng)營范圍兩個(gè)維度實(shí)證研究其對系統(tǒng)性金融風(fēng)險(xiǎn)的異質(zhì)性影響，數(shù)據(jù)處理使用Eviews8.0。

由表5看出標(biāo)準(zhǔn)差最大的是換手率，高達(dá)0.816 7，說明上市銀行股票市場投機(jī)氛圍濃重，引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)的可能性很大;其次是收益率，達(dá)到0.030 9，上市銀行盈利能力水平的較大波動可能會出現(xiàn)經(jīng)營危機(jī)。

3.4.2 相關(guān)性分析

對所取變量進(jìn)行皮爾森相關(guān)性分析，在相關(guān)性低于80%的假定下，所有解釋變量之間不存在多重共線性問題，檢驗(yàn)結(jié)果如表6所示。

3.4.3 回歸結(jié)果分析

銀行的核心變量對系統(tǒng)性金融風(fēng)險(xiǎn)的影響回歸分析結(jié)果如表7所示。

由表7可以看出不同所有制和經(jīng)營范圍商業(yè)銀行的核心變量對系統(tǒng)性金融風(fēng)險(xiǎn)的影響是顯著的，但各自影響程度卻高低不同，并且控制變量的回歸結(jié)果也表現(xiàn)的各不相同。

從所有制角度看：其一，非國有銀行的換手率（- 0.394 7）和收益率（0.006 8）回歸系數(shù)與國有銀行（- 0.334 1，0.004 1）較為接近，但是國有銀行的波動率回歸系數(shù)（4.751 5）遠(yuǎn)高于非國有銀行（2.728 2），即波動率每變動1%，國有銀行與非國有銀行的風(fēng)險(xiǎn)溢出差值就達(dá)到2.023 3，所以總體上看，國有銀行比非國有銀行對系統(tǒng)性金融風(fēng)險(xiǎn)的影響更為顯著。

其二，在三個(gè)指標(biāo)中，波動率對系統(tǒng)性金融風(fēng)險(xiǎn)的影響最為顯著，與非國有銀行相比，大型國有銀行資產(chǎn)價(jià)格波動引起系統(tǒng)性金融風(fēng)險(xiǎn)的可能性更大，其系數(shù)在1%水平下顯著為4.751 5，這主要是因?yàn)閲秀y行資產(chǎn)規(guī)模龐大，即使小幅度的價(jià)格波動都會引起強(qiáng)烈的市場反應(yīng)，從而引發(fā)系統(tǒng)性的經(jīng)濟(jì)波動。相反，在收益率這個(gè)指標(biāo)中，大型國有銀行在系統(tǒng)性金融風(fēng)險(xiǎn)的溢出上控制較好，非國有銀行風(fēng)險(xiǎn)溢出略微顯著。原因在于非國有銀行的盈利水平代表其經(jīng)營發(fā)展?fàn)顩r，一旦發(fā)生持續(xù)性虧損極易引起非國有銀行經(jīng)營困難，進(jìn)而引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。然而國有銀行成立發(fā)展較早，經(jīng)營穩(wěn)健，利潤水平高并且有政府擔(dān)保，其因經(jīng)營不善引起系統(tǒng)性風(fēng)險(xiǎn)的可能性相對較小。另外，無論是國有銀行還是非國有銀行，換手率的變動對系統(tǒng)性金融風(fēng)險(xiǎn)的作用并不明顯，這可能是因?yàn)樯虡I(yè)銀行在經(jīng)營過程中存在“大而不倒”，有政府兜底保全，一般不會出現(xiàn)銀行倒閉現(xiàn)象，所以人們愿意長期持有商業(yè)銀行股票，所以換手率對系統(tǒng)性金融風(fēng)險(xiǎn)的溢出效應(yīng)較低。控制變量中，非國有銀行的GDP和CDR的回歸系數(shù)分別為0.627 5和1.482 0，而且在不同置信區(qū)間內(nèi)都顯著，其對系統(tǒng)性金融風(fēng)險(xiǎn)的影響比國有銀行更為明顯，這說明非國有銀行的經(jīng)營管理深受宏觀經(jīng)濟(jì)環(huán)境的影響，并且資本充足率會約束非國有銀行的發(fā)展，迫使其采取高風(fēng)險(xiǎn)放貸來滿足資本充足率要求，從而增加了系統(tǒng)性金融風(fēng)險(xiǎn)爆發(fā)的機(jī)會。相反，國有銀行的ROA和LD對系統(tǒng)性金融風(fēng)險(xiǎn)的影響更為顯著，且其回歸系數(shù)都在10%水平下顯著。

從經(jīng)營范圍來看：其一，總體上看，與區(qū)域經(jīng)營的中小銀行相比，全國性銀行的風(fēng)險(xiǎn)溢出效應(yīng)更顯著，全國性銀行的收益率與換手率指標(biāo)（- 0.346 4，0.004 9）對系統(tǒng)性金融風(fēng)險(xiǎn)的影響與區(qū)域銀行（- 0.364 4，0.009 0）相比相差不大，但波動率指標(biāo)的回歸系數(shù)存在較大差距，波動率每變化1%，全國性銀行引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)的可能性增加4.649 4，而區(qū)域性銀行增加2.604 2，所以綜合看出全國性銀行對系統(tǒng)性金融風(fēng)險(xiǎn)的影響更強(qiáng)。

其二，具體分析核心變量可以看出區(qū)域銀行在收益率和換手率兩方面表現(xiàn)出較強(qiáng)的溢出影響，這由于在特定區(qū)域內(nèi)經(jīng)營的銀行深受當(dāng)?shù)亟?jīng)濟(jì)發(fā)展影響，如果區(qū)域經(jīng)濟(jì)不景氣，也會同時(shí)影響到當(dāng)?shù)劂y行的信貸業(yè)務(wù)，進(jìn)而影響到銀行的盈利水平，最終會誘發(fā)系統(tǒng)性的經(jīng)濟(jì)危機(jī)?？刂谱兞恐?，區(qū)域中小銀行的GDP和CDR對系統(tǒng)性金融風(fēng)險(xiǎn)影響較顯著，這是因?yàn)橹行°y行業(yè)務(wù)范圍狹窄，客戶群體比較集中，一旦宏觀經(jīng)濟(jì)出現(xiàn)較大波動會加劇中小銀行風(fēng)險(xiǎn)集聚;且中小銀行自有資本不足，風(fēng)險(xiǎn)承擔(dān)能力較弱，所以資本充足率高低與系統(tǒng)性風(fēng)險(xiǎn)大小呈現(xiàn)顯著正相關(guān)。相反，全國性銀行的CDR回歸系數(shù)為負(fù)，這可能是因?yàn)槿珖糟y行資產(chǎn)規(guī)模龐大，自有資本充足且擁有政府擔(dān)保，從而不易引起系統(tǒng)性金融風(fēng)險(xiǎn)。

4 總結(jié)與政策啟示

通過CoVaR模型，以10家上市銀行為樣本，并選用樣本銀行的周收益率首先度量了樣本銀行風(fēng)險(xiǎn)水平，然后運(yùn)用計(jì)算出來的CoVaR和流通股加權(quán)平均粗略測算系統(tǒng)性金融風(fēng)險(xiǎn)序列。接下來選用收益率，換手率和波動率作為核心變量，并基于所有制和經(jīng)營范圍兩個(gè)維度來觀測其對系統(tǒng)性金融風(fēng)險(xiǎn)的異質(zhì)性影響，實(shí)證分析結(jié)果表明：（1）總體上大型國有銀行比非國有銀行對系統(tǒng)性金融風(fēng)險(xiǎn)的影響更為顯著;（2）相比于區(qū)域經(jīng)營發(fā)展的商業(yè)銀行，全國性銀行引起系統(tǒng)性金融風(fēng)險(xiǎn)的可能性更高。具體從以下幾點(diǎn)入手來防范化解重大金融風(fēng)險(xiǎn)：

4.1 健全逆周期宏微觀審慎監(jiān)管框架

大型國有銀行和全國性銀行系統(tǒng)性金融風(fēng)險(xiǎn)溢出影響突出，監(jiān)管部門應(yīng)該繼續(xù)采用宏觀審慎政策，同時(shí)不能忽視微觀個(gè)體銀行自身較高的風(fēng)險(xiǎn)水平。有效結(jié)合微觀審慎和宏觀審慎，弱化商業(yè)銀行順周期的行為，積極開發(fā)系統(tǒng)性風(fēng)險(xiǎn)管理的政策工具，促進(jìn)商業(yè)銀行平穩(wěn)健康發(fā)展，從而有效化解降低系統(tǒng)性金融風(fēng)險(xiǎn)。

4.2 完善監(jiān)管部門的監(jiān)督體制

針對所有制和不同經(jīng)營范圍的商業(yè)銀行對于系統(tǒng)性金融風(fēng)險(xiǎn)的異質(zhì)性影響，有關(guān)監(jiān)管部門應(yīng)該密切關(guān)注銀行體系的系統(tǒng)性風(fēng)險(xiǎn)的溢出影響，尤其要重視對國有銀行和全國性銀行的監(jiān)管。由于大型國有銀行和在全國范圍內(nèi)經(jīng)營的銀行其本身資產(chǎn)規(guī)模龐大，在金融體系中發(fā)揮著重要作用，成為了系統(tǒng)性金融風(fēng)險(xiǎn)的儲存庫，相關(guān)監(jiān)管部門應(yīng)通過細(xì)化和分類監(jiān)管，密切關(guān)注大型國有銀行風(fēng)險(xiǎn)，避免出現(xiàn)極端情況時(shí)風(fēng)險(xiǎn)在銀行間蔓延傳遞，引發(fā)重大系統(tǒng)性金融風(fēng)險(xiǎn)。同時(shí)也不能忽視非國有銀行和區(qū)域經(jīng)營的中小銀行，應(yīng)該不斷增強(qiáng)其自身風(fēng)險(xiǎn)抵御能力，從而提高宏觀審慎的效力，完善監(jiān)管部門的監(jiān)督體制。

4.3 建立金融市場風(fēng)險(xiǎn)應(yīng)急機(jī)制

雖然我國目前沒有發(fā)生過全面的系統(tǒng)性風(fēng)險(xiǎn)，但是隨著金融全球化和金融創(chuàng)新的快速發(fā)展，加劇了系統(tǒng)金融風(fēng)險(xiǎn)的生成。各個(gè)金融子系統(tǒng)應(yīng)該設(shè)立起完善的風(fēng)險(xiǎn)預(yù)警體系并建立相應(yīng)的風(fēng)險(xiǎn)處理應(yīng)急機(jī)制，確保行業(yè)出現(xiàn)危機(jī)時(shí)及時(shí)抑制其向其他行業(yè)或者整個(gè)金融市場的風(fēng)險(xiǎn)傳染，從而實(shí)現(xiàn)有效化解重大金融風(fēng)險(xiǎn)。

參考文獻(xiàn)：

[1] Wang K， Chen Y H， Huang S W.The Dynamic Dependence between the Chinese Market and Other International Stock Markets：A Time-varying Copula Approach[J].International Review of Economics and Finance，2010，20（4）：654-664.

[2] ?Girardi G， Ergün TA.Systemic Risk Measurement：Multivariate Garch Estimation of Covar[J].Journal of Banking and Finance，2013，37（8）：3 169-3 180.

[3] ?Acharya V， Engle R， Richardson M.Capital Shortfall：A New Approach to Ranking and Regulating Systemic Risks[J].The American Economic Review，2012，102（3）：59-64.

[4] ?Brownlees C， Engle R F.Srisk：A Conditional Capital Shortfall Measure of Systemic Risk[J].Review of Financial Studies，2017，30（1）：48-79.

[5] ?高國華，潘英麗.銀行系統(tǒng)性風(fēng)險(xiǎn)度量——基于動態(tài)CoVaR方法的分析[J].上海交通大學(xué)學(xué)報(bào)，2011，45（12）：1 753-1 759.

[6] ?范小云，王道平，方意.我國金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)測度與監(jiān)管——基于邊際風(fēng)險(xiǎn)貢獻(xiàn)與杠桿率的研究[J].南開經(jīng)濟(jì)研究，2011（4）：3-20.

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

[8] ?王妍，陳守東.尾部極值分布下的系統(tǒng)性金融風(fēng)險(xiǎn)度量及影響因素分析[J].數(shù)理統(tǒng)計(jì)與管理，2014，33（6）：1 010-1 020.

[9] ?張蕊，賀曉宇，戚逸康.極端市場條件下我國金融體系系統(tǒng)性風(fēng)險(xiǎn)度量[J].統(tǒng)計(jì)研究，2015，32（9）：30-38.

[10] ?張麗影.我國系統(tǒng)性金融風(fēng)險(xiǎn)的度量及其影響因素分析[D].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)，2018.

[11] ?陳忠陽，劉志洋.國有大型商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度真的高嗎——來自中國上市商業(yè)銀行股票收益率的證據(jù)[J].財(cái)貿(mào)經(jīng)濟(jì)，2013（9）：57-66.

[12] ?海小輝，王力賓.我國滬市上市公司影響系統(tǒng)性風(fēng)險(xiǎn)因素實(shí)證分析[J].云南財(cái)貿(mào)學(xué)院學(xué)報(bào)（社會科學(xué)版），2006（6）：101-104.

[13] ?麥木蓉，彭濤.基于CoVaR模型的上市商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出研究[J].當(dāng)代經(jīng)濟(jì)，2017（30）：123-125.

[14] ?曹源芳，袁秀文，張景菲.強(qiáng)監(jiān)管下金融錯(cuò)配風(fēng)險(xiǎn)趨于收斂了嗎？——基于互聯(lián)網(wǎng)金融發(fā)展的視角[J].經(jīng)濟(jì)問題，2019（10）：39-47，129.

[15] ?李智山，黃光慶，陳鳳桂，等.中國全國性股份制商業(yè)銀行地理分布特征研究[J].經(jīng)濟(jì)地理，2014，34（2）：19-27.

[責(zé)任編輯：許立群]