代婉瑞， 姚 儉

（上海理工大學(xué) 管理學(xué)院，上海 200093）

自互聯(lián)網(wǎng)金融走進社會大眾的生活，就備受關(guān)注和熱議。它在帶來方便高效的同時又對銀行業(yè)務(wù)形成巨大挑戰(zhàn)，甚至發(fā)生了譬如攜款跑路、非法集資等一系列惡性事件，使投資者們遭受了不小損失，同時沖擊著我國金融系統(tǒng)的穩(wěn)定，引起社會各界的廣泛關(guān)注。

關(guān)于互聯(lián)網(wǎng)金融對商業(yè)銀行的影響，國內(nèi)外眾多學(xué)者研究后得到的結(jié)論存在一定差異。一部分學(xué)者認為互聯(lián)網(wǎng)金融對商業(yè)銀行有正面、有利的影響：Lin 等[1]表示由于互聯(lián)網(wǎng)金融產(chǎn)品的高效率使得傳統(tǒng)金融業(yè)受到?jīng)_擊，但與此同時也促使商業(yè)銀行緊跟互聯(lián)網(wǎng)金融的步伐，逐漸參與到互聯(lián)網(wǎng)金融的創(chuàng)新中來；Allen 等[2]指出互聯(lián)網(wǎng)金融可以提升商業(yè)銀行效率分散其風險；國內(nèi)學(xué)者牛蕊[3]也認為互聯(lián)網(wǎng)金融對商業(yè)銀行金融效率的提高有明顯的促進作用，且股份制銀行的效率指標比國有銀行要好；管仁榮等[4]表示互聯(lián)網(wǎng)金融在銀行綜合效率和純技術(shù)效率方面起到積極作用。而另一部分學(xué)者表示互聯(lián)網(wǎng)金融的出現(xiàn)會對商業(yè)銀行造成負面沖擊，甚至加大銀行的風險承擔：Claessens 等[5]研究發(fā)現(xiàn)互聯(lián)網(wǎng)金融會轉(zhuǎn)變商業(yè)銀行的經(jīng)營模式使其風險增加，并對金融系統(tǒng)的穩(wěn)定性造成沖擊；戴國強等[6]指出互聯(lián)網(wǎng)金融通過影響銀行的資金成本和貸款利率增大了銀行風險；李慶華等[7]通過研究余額寶與商業(yè)銀行利率之間的波動關(guān)系后發(fā)現(xiàn)，短期內(nèi)余額寶會對商業(yè)銀行造成沖擊，增加其系統(tǒng)性風險。

而目前在探究系統(tǒng)性風險的理論體系中，在對風險定量測度方面，Adrian 等[8]提出的條件風險價值CoVaR（Conditional Value at Risk）模型仍是現(xiàn)在應(yīng)用較為廣泛的主流技術(shù)，它是在原來風險價值VaR（Value at Risk）模型的基礎(chǔ)上進行了改進，解決了VaR 模型無法測度不同金融機構(gòu)之間風險關(guān)聯(lián)性的問題。對于CoVaR 值的估算，國內(nèi)外學(xué)者也進行了較多研究：Stolbov[9]基于分位數(shù)回歸法的CoVaR 模型對中美法等11 個國家的主權(quán)CDS 價格與股市指數(shù)之間的條件風險關(guān)系進行了研究；李強等[10]運用分位數(shù)回歸技術(shù)和CoVaR 方法研究了中美股、匯市場間的雙向風險溢出效應(yīng)，結(jié)果發(fā)現(xiàn)美國股、匯市場對中國股、匯市場存在較強的單向風險溢出。陳珂等[11]通過建立GARCH 模型估算CoVaR 值的方法研究了互聯(lián)網(wǎng)貨幣基金產(chǎn)品對金融市場的風險溢出效應(yīng)；葉喬冰等[12]建立GARCH-CoVaR 模型，實證分析了我國上市商業(yè)銀行的綜合風險網(wǎng)絡(luò)傳染溢出效應(yīng)；王培輝等[13]采用時變Copula-CoVaR 方法研究了我國保險業(yè)系統(tǒng)性風險溢出效應(yīng)；王帥等[14]構(gòu)建動態(tài)Copula-CoVaR模型，系統(tǒng)考量了影子銀行和傳統(tǒng)金融市場之間的風險溢出效應(yīng)，結(jié)果表明兩者之間存在雙向凈風險溢出，且隨著時間的推移溢出程度加大。

就目前來看，在前期的研究中，學(xué)者們對互聯(lián)網(wǎng)金融風險的定量研究不多，在對互聯(lián)網(wǎng)金融與商業(yè)銀行之間風險溢出效應(yīng)的研究方面也僅涉及互聯(lián)網(wǎng)金融對商業(yè)銀行的單方向風險溢出，未考慮各商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出效應(yīng)。基于此，本文在前期學(xué)者研究的基礎(chǔ)上，對互聯(lián)網(wǎng)金融與商業(yè)銀行之間的雙向風險溢出效應(yīng)展開研究。同時選用分位數(shù)回歸方法，結(jié)合CoVaR 模型測度兩者之間的風險溢出效應(yīng)，利用分位數(shù)回歸的優(yōu)勢，選取不同的分位數(shù)水平，更系統(tǒng)全面地研究互聯(lián)網(wǎng)金融與各商業(yè)銀行之間的雙向風險溢出效應(yīng)變化。

1 研究模型與方法

1.1 CoVaR 模型

20 世紀90 年代，JP Morgan 提出了VaR 理論，在風險理論測度方面做出了巨大貢獻，現(xiàn)已成為風險管理領(lǐng)域的主流技術(shù)，被廣泛應(yīng)用。

VaR 稱為風險價值，是指某金融機構(gòu)或市場在某一特定置信區(qū)間下可能發(fā)生的最大損失，其表達式為

式中：q為顯著性水平；Xi表示金融機構(gòu)i在該時間段內(nèi)的損失為金融機構(gòu)i在1~q的概率水平下可能發(fā)生的最大損失。

隨后，Adrian 等提出了條件風險價值CoVaR，表達式為

為了更方便直接地反映金融機構(gòu)i對金融機構(gòu)j的風險溢出幅度大小，將標準化處理，表達式為

1.2 分位數(shù)回歸

傳統(tǒng)的回歸模型一般考察的是解釋變量對被解釋變量條件期望的影響，其本質(zhì)是均值回歸；而分位數(shù)回歸則能夠考察解釋變量對被解釋變量整個條件分布的影響，且對于分布假設(shè)要求不高，在擾動項非正態(tài)時，估計結(jié)果比傳統(tǒng)回歸更加有效。因此，與傳統(tǒng)回歸模型相比，分位數(shù)回歸能夠更詳盡具體地反映解釋變量對被解釋變量的影響情況，估計結(jié)果也更加穩(wěn)健。

2 實證分析

2.1 樣本選取

我國共有16 家上市銀行，但由于光大銀行和農(nóng)業(yè)銀行相較于其他商業(yè)銀行上市時間較晚，故暫不作為此次的研究對象，所以以我國14 家上市商業(yè)銀行為研究對象：選擇工商銀行、中國銀行、交通銀行和建設(shè)銀行代表國有銀行；選擇平安銀行、民生銀行、華夏銀行、招商銀行、浦發(fā)銀行、興業(yè)銀行和中信銀行代表股份制銀行；選擇北京銀行、南京銀行和寧波銀行代表城市商業(yè)銀行，選用由中證指數(shù)有限公司發(fā)布的互聯(lián)網(wǎng)金融指數(shù)代表互聯(lián)網(wǎng)金融行業(yè)，該指數(shù)選取如融資、支付等其他與互聯(lián)網(wǎng)金融相關(guān)的滬深A(yù) 股作為樣本股，具有一定的權(quán)威性和代表性。樣本數(shù)據(jù) 選 擇2013 年7 月18 日 至2019 年12 月31 日 期間的14 家商業(yè)銀行和互聯(lián)網(wǎng)金融指數(shù)的日股票收盤價數(shù)據(jù)，所有數(shù)據(jù)均來自wind 數(shù)據(jù)庫。在下面實證過程中，以各銀行的首字母代表各銀行，如建設(shè)銀行表示為js，其他銀行以此類推，hj 代表互聯(lián)網(wǎng)金融。

2.2 數(shù)據(jù)處理

以互聯(lián)網(wǎng)金融指數(shù)和各銀行股的日收盤價數(shù)據(jù)作為原始數(shù)據(jù)，樣本容量為1576 個，將互聯(lián)網(wǎng)金融指數(shù)和各銀行股的收盤價轉(zhuǎn)換成對數(shù)收益率形式。為了計算結(jié)果更加準確，將結(jié)果擴大100倍，即

式中：Rt為股票在t日的收益率；Pt和Pt?1分別為股票在t日和t－1 日的收盤價格。對14 家銀行和互聯(lián)網(wǎng)金融指數(shù)的收益率序列進行描述性統(tǒng)計，結(jié)果如表1 所示。各銀行和互聯(lián)網(wǎng)金融收益率序列的偏度均不為0，峰度都大于3，JB（Jarque-Bera）統(tǒng)計量檢測的P值都為0，顯然不服從正態(tài)分布，“尖峰厚尾”的特征顯著，適合用分位數(shù)回歸方法進行實證分析。

為了避免回歸分析中出現(xiàn)偽回歸現(xiàn)象，有必要對各收益率序列進行單位根檢驗，判斷收益率序列是否平穩(wěn)。各銀行和互聯(lián)網(wǎng)金融指數(shù)收益率序列的單位根檢驗結(jié)果如表2 所示。結(jié)果表明，各銀行和互聯(lián)網(wǎng)金融收益率序列的ADF（Augmented Dickey-Fuller）值均小于顯著性水平在1%，5%和10%下的臨界值，所以各收益率序列均為平穩(wěn)序列，可以直接進行回歸分析。

2.3 各銀行與互聯(lián)網(wǎng)金融的雙向風險溢出效應(yīng)

銀行與互聯(lián)網(wǎng)金融之間的風險溢出效應(yīng)是雙向的，所以應(yīng)當分別計算當互聯(lián)網(wǎng)金融處于風險時各銀行面臨的風險，以及當各銀行處于風險時互聯(lián)網(wǎng)金融面臨的風險。本文以建設(shè)銀行為例，研究各商業(yè)銀行與互聯(lián)網(wǎng)金融之間的風險溢出效應(yīng)，建立當q=0.05 時的分位數(shù)模型。

運用Eviews9.0 軟件進行分析，采用分位數(shù)回歸方法，將建設(shè)銀行及互聯(lián)網(wǎng)金融的收益率數(shù)據(jù)代入式（6）和式（7），得出結(jié)果如下：

表 1 14 家銀行股和互聯(lián)網(wǎng)金融指數(shù)收益率的描述性統(tǒng)計Tab.1 Descriptive statistics on the yields of 14 bank stocks and internet finance index

表 2 單位根檢驗結(jié)果Tab.2 Unit root test result

式中括號內(nèi)的數(shù)字為t統(tǒng)計量。

將上述結(jié)果代入式（8）和式（9）中，即得

將建設(shè)銀行的收益率序列從小到大排列，取5%水平下的收益率數(shù)值，則代入式（12）和式（13）中可得

同理，可得

由此，可以計算出建設(shè)銀行與互聯(lián)網(wǎng)金融之間的風險溢出值，即

研究結(jié)果可知，當互聯(lián)網(wǎng)金融處于風險時，對建設(shè)銀行的風險溢出效應(yīng)為9.63%；當建設(shè)銀行處于風險時，對互聯(lián)網(wǎng)金融的風險溢出效應(yīng)為16.14%?；ヂ?lián)網(wǎng)金融對建設(shè)銀行的風險溢出效應(yīng)遠小于建設(shè)銀行對互聯(lián)網(wǎng)金融的風險溢出效應(yīng)，這說明建設(shè)銀行發(fā)生風險損失時，對互聯(lián)網(wǎng)金融的影響是很大的。相反，建設(shè)銀行受外部沖擊較小，表明建設(shè)銀行防范外部風險能力較強，這與建設(shè)銀行作為我國四大國有銀行的地位是相符的。

與研究建設(shè)銀行的方法類似，可以用相同的方法估算其他銀行與互聯(lián)網(wǎng)金融的雙向風險溢出效應(yīng)，結(jié)果如表3 和表4 所示。

表 3 互聯(lián)網(wǎng)金融對商業(yè)銀行的風險溢出值Tab.3 Risk spillover value of internet finance to commercial banks

根據(jù)表3，從VaR 值和CoVaR 值的計算結(jié)果可以發(fā)現(xiàn)，國有銀行風險最小，其VaR 值和CoVaR 值均值的絕對值分別為3.445 和3.736；城市商業(yè)銀行風險最大，其VaR 值均值的絕對值為4.326，CoVaR 值均值的絕對值為4.871。其中，風險最小的是工商銀行2.907，最大的是南京銀行4.863，表明國有銀行具有良好的抗風險能力，中小型商業(yè)銀行尤其是城商行仍存在很大的潛在風險。與此同時，通過對比VaR 值可以發(fā)現(xiàn)互聯(lián)網(wǎng)金融風險遠大于國有銀行風險，但和城市商業(yè)銀行風險差別不大。其次，14 家銀行的CoVaR 絕對值都大于VaR絕對值，表明在計算風險時使用VaR 模型容易低估風險，相較之下CoVaR 模型有效性更高。最后，根據(jù)表3 中的風險溢出值（%CoVaR）及其排名可知，互聯(lián)網(wǎng)金融在爆發(fā)風險時三類銀行受到的影響并不相同，它對股份制銀行和城市商業(yè)銀行的風險溢出效應(yīng)較大，其中對平安銀行的風險溢出效應(yīng)最大，為16.64%。但從總體分析，互聯(lián)網(wǎng)金融對城市商業(yè)銀行的風險溢出最高，風險溢出值均值達到12.46%，且三大城市商業(yè)銀行的風險溢出值排名均靠前，但對股份制銀行的風險溢出值均值只有11.16%，顯然對國有銀行風險溢出最小，風險溢出均值僅為8.37%，其中對工商銀行風險溢出最小，為7.22%。

通過對表4 風險溢出值（%CoVaR）的比較可以看出，不同類型的商業(yè)銀行在發(fā)生風險時對互聯(lián)網(wǎng)金融的風險溢出值也不同，城市商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出值最大，高達18.35%。其中南京銀行對互聯(lián)網(wǎng)金融風險溢出值最高，為25.25%；其次是股份制銀行對互聯(lián)網(wǎng)金融的風險溢出值，為14.91%；國有銀行對互聯(lián)網(wǎng)金融的風險溢出值最小，為13.06%。此外，結(jié)合表3 可知，各商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出效應(yīng)比互聯(lián)網(wǎng)金融對商業(yè)銀行的風險溢出效應(yīng)更強，表明銀行對互聯(lián)網(wǎng)金融的影響更大，互聯(lián)網(wǎng)金融行業(yè)更容易受到銀行風險變化的影響。

表 4 商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出值Tab.4 Risk spillover value of commercial banks to internet finance

2.4 不同分位數(shù)下各銀行與互聯(lián)網(wǎng)金融的雙向風險溢出效應(yīng)

為了更好地分析各商業(yè)銀行與互聯(lián)網(wǎng)金融之間的雙向風險溢出效應(yīng)，利用分位數(shù)回歸技術(shù)的優(yōu)勢，對q進行不同取值，分別計算不同分位數(shù)水平下各商業(yè)銀行與互聯(lián)網(wǎng)金融之間的雙向風險溢出值，這里分別取q=0.01，0.03，0.05，并將最終計算結(jié)果匯總，如表5 和表6 所示。

首先，通過對表5 中各分位數(shù)下互聯(lián)網(wǎng)金融對各商業(yè)銀行風險溢出值的計算結(jié)果比較可知：第一，從互聯(lián)網(wǎng)金融對不同類型商業(yè)銀行的風險溢出均值的橫向比較來看，當q= 0.01，0.03，0.05 時，均是互聯(lián)網(wǎng)金融對城商行的風險溢出效應(yīng)最強，對股份制銀行風險溢出效應(yīng)次之，對國有銀行的風險溢出效應(yīng)最小。第二，從互聯(lián)網(wǎng)金融對同類型商業(yè)銀行的風險溢出均值的縱向比較來看，隨著分位數(shù)q的取值減小和置信水平的提高，互聯(lián)網(wǎng)金融對同類型商業(yè)銀行的風險溢出強度逐漸增大。以國有銀行為例，當q=0.05 時，互聯(lián)網(wǎng)金融對其風險溢出強度為8.37%；當q=0.03時，風險溢出強度為8.68%；當q= 0.01 時，風險溢出強度為11.32%?；ヂ?lián)網(wǎng)金融對股份制銀行和城市商業(yè)銀行的風險溢出也有同樣情況，這是由于各金融機構(gòu)處于越極端風險水平時，機構(gòu)之間越容易發(fā)生較大的風險溢出，風險傳染度增強。第三，雖然從總體上看，當互聯(lián)網(wǎng)金融陷入風險危機時，對城市商業(yè)銀行的風險溢出效應(yīng)最大，但從不同分位數(shù)水平下的風險溢出值的排名中可以得到警示：互聯(lián)網(wǎng)金融對平安銀行的風險溢出不能忽視，監(jiān)管部門除了需要重視互聯(lián)網(wǎng)金融對城市商業(yè)銀行的風險溢出情況外，還需在管控互聯(lián)網(wǎng)金融對股份制銀行的風險外溢時，尤其注意其對平安銀行的風險溢出。

表 5 不同分位數(shù)下互聯(lián)網(wǎng)金融對商業(yè)銀行的風險溢出值Tab.5 Risk spillover value of internet finance to commercial banks in different quantiles

表 6 不同分位數(shù)下商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出值Tab.6 Risk spillover value of commercial banks to internet finance in different quantiles

其次，同樣對表6 中不同分位數(shù)水平下各商業(yè)銀行對互聯(lián)網(wǎng)金融風險溢出值的計算結(jié)果比較可知：第一，在q的不同取值下，均是城市商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出效應(yīng)最強，而國有銀行與股份制銀行相比，更易在極端風險水平下對互聯(lián)網(wǎng)金融產(chǎn)生較大的風險溢出。如當q=0.01 時，國有銀行對互聯(lián)網(wǎng)金融的風險溢出總體均值為16.09%，而股份制銀行為14.21%。第二，從各商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出值的排名中可知，在不同分位數(shù)下寧波銀行對互聯(lián)網(wǎng)金融的風險溢出效應(yīng)均是最強，因此，監(jiān)管部門要采取更嚴格的風控和監(jiān)督措施，嚴防寧波銀行爆發(fā)風險時對互聯(lián)網(wǎng)金融的風險傳導(dǎo)。而國有銀行中的建設(shè)銀行，股份制銀行中的平安銀行、興業(yè)銀行和華夏銀行，在其陷入風險危機時，對互聯(lián)網(wǎng)金融也會造成不小的風險溢出，所以互聯(lián)網(wǎng)金融行業(yè)需要對這些銀行進行重點風險監(jiān)控和防范。

最后，綜合表5 和表6 來看，在不同分位數(shù)水平下，均是互聯(lián)網(wǎng)金融與城市商業(yè)銀行之間雙向風險溢出效應(yīng)最強，且各商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出效應(yīng)比互聯(lián)網(wǎng)金融對商業(yè)銀行的風險溢出效應(yīng)更強。此外還可以看出，當互聯(lián)網(wǎng)金融行業(yè)與各商業(yè)銀行之間發(fā)生風險溢出情況時，銀行規(guī)模大小不是決定風險溢出強度的主要標準，規(guī)模大的國有銀行與互聯(lián)網(wǎng)金融之間的風險溢出強度反而不及城市商業(yè)銀行，城市商業(yè)銀行與互聯(lián)網(wǎng)金融之間的風險溢出程度可能被低估。

2.5 實證結(jié)果分析

基于以上實證結(jié)果，本文對此作出如下分析：

第一，互聯(lián)網(wǎng)金融與城市商業(yè)銀行之間雙向風險溢出效應(yīng)最強。一方面由于城市商業(yè)銀行扎根于地方，主要服務(wù)于當?shù)鼐用窈椭行∑髽I(yè)，為他們提供資金支持，因此相較于大型國有銀行，城市商業(yè)銀行占據(jù)了地利，客戶資源更豐富，區(qū)域影響力更強；而互聯(lián)網(wǎng)金融業(yè)務(wù)活動的背后依賴于強大的客戶需求基礎(chǔ)，當城商行陷入風險危機時，龐大的客戶群體業(yè)務(wù)受到影響，造成客戶群體出現(xiàn)資金或支付結(jié)算等問題，進而對互聯(lián)網(wǎng)金融行業(yè)的運行造成不小沖擊，引發(fā)風險傳導(dǎo)，使其風險加大。另一方面，由于中間業(yè)務(wù)成本低，對銀行收入貢獻大，近年來越來越多的城市商業(yè)銀行開始重點發(fā)展中間業(yè)務(wù)。而互聯(lián)網(wǎng)金融對于城商行中間業(yè)務(wù)的發(fā)展具有明顯的促進作用：如互聯(lián)網(wǎng)貨幣基金的出現(xiàn)促使城市商業(yè)銀行在理財業(yè)務(wù)方面不斷創(chuàng)新，2019 年2 月，各類銀行的平均理財收益率的排名中，城商行居于首位，達到4.43%，而第三方支付也在中間業(yè)務(wù)方面與城商行逐漸由競爭走向合作，聯(lián)系日益緊密。當互聯(lián)網(wǎng)金融爆發(fā)風險時，會顯著影響城商行的中間業(yè)務(wù)從而造成較大的風險溢出。

第二，各大商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出效應(yīng)比互聯(lián)網(wǎng)金融對商業(yè)銀行的風險溢出效應(yīng)更強。一方面，互聯(lián)網(wǎng)金融依附于商業(yè)銀行，其業(yè)務(wù)活動的背后仍有賴于實際金融，而不可能是一種純粹的虛擬金融，比如第三方支付很大程度上依賴于銀行搭建的支付平臺；同時，互聯(lián)網(wǎng)金融也依附于商業(yè)銀行的資金供給，其行業(yè)的產(chǎn)品創(chuàng)新和技術(shù)升級也離不開商業(yè)銀行龐大的資金支持。因此，當商業(yè)銀行發(fā)生風險時，對互聯(lián)網(wǎng)金融行業(yè)無疑會造成巨大沖擊，進而產(chǎn)生顯著的風險溢出效應(yīng)造成互聯(lián)網(wǎng)金融風險增大。另一方面，各商業(yè)銀行發(fā)展歷史悠久，建立了較完善的風險控制體系，監(jiān)管方面也十分審慎，抗風險能力較強；而互聯(lián)網(wǎng)金融是近幾年才興起壯大的，發(fā)展時間較短，抗風險能力相對較弱，監(jiān)管方面相對缺失。因而在商業(yè)銀行與互聯(lián)網(wǎng)金融的風險傳染過程中，表現(xiàn)為各商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出效應(yīng)更強。

3 結(jié)論與建議

互聯(lián)網(wǎng)金融是互聯(lián)網(wǎng)與金融業(yè)相結(jié)合的一種新興金融模式，但隨著互聯(lián)網(wǎng)金融行業(yè)的迅猛發(fā)展，其風險問題也不容小覷?；ヂ?lián)網(wǎng)金融領(lǐng)域的風險事件頻繁發(fā)生，對商業(yè)銀行造成了風險溢出效應(yīng)?；诖?，本文通過運用CoVaR 模型，結(jié)合分位數(shù)回歸方法，以我國14 家上市商業(yè)銀行為研究對象，對互聯(lián)網(wǎng)金融與不同類型商業(yè)銀行之間的風險溢出效應(yīng)進行了研究，并對兩者之間不同方向上的風險溢出效應(yīng)進行了對比分析，最終根據(jù)實證結(jié)果得到以下結(jié)論并提出相關(guān)建議：

a. 各上市商業(yè)銀行風險測度的VaR 絕對值均低于CoVaR 絕對值，表明在計算風險時使用VaR 模型容易低估風險。與VaR 方法相比，CoVaR 方法更能準確地測度金融機構(gòu)在面臨極端風險時可能存在的風險溢出效應(yīng)，是一種更全面的風險測量方法。

b. 互聯(lián)網(wǎng)金融與各類型商業(yè)銀行的自身風險價值并不一樣。國有銀行風險最小，其中最小的是工商銀行，表明國有銀行的風險管控能力較強；其次是股份制銀行；風險最大的是城市商業(yè)銀行?；ヂ?lián)網(wǎng)金融風險與城市商業(yè)銀行風險水平相當。

c. 通過對分位數(shù)水平的不同取值，進一步分析互聯(lián)網(wǎng)金融與各商業(yè)銀行的雙向風險溢出效應(yīng)，結(jié)果表明，互聯(lián)網(wǎng)金融與各類型商業(yè)銀行之間均存在雙向不對稱的正向溢出，且各商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出效應(yīng)更強。其中，互聯(lián)網(wǎng)金融對城商行的風險溢出效應(yīng)最強、股份制銀行次之、國有銀行最小。反之，當各商業(yè)銀行爆發(fā)風險時，也會對互聯(lián)網(wǎng)金融行業(yè)造成沖擊，其中，城市商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出程度最大，國有銀行與股份制銀行相比，更易在極端風險水平下對互聯(lián)網(wǎng)金融行業(yè)產(chǎn)生較大的風險溢出。

d. 當互聯(lián)網(wǎng)金融行業(yè)與各商業(yè)銀行之間發(fā)生風險溢出情況時，銀行規(guī)模大小并不是決定風險溢出強度的主要標準?，F(xiàn)實中，大家的直觀感受更傾向于國有銀行與互聯(lián)網(wǎng)金融之間風險溢出效應(yīng)更強，但實際上可能是城商行與互聯(lián)網(wǎng)金融的雙向風險溢出效應(yīng)更大，城商行與互聯(lián)網(wǎng)金融之間的風險溢出程度存在被低估的可能。

因此，在風險溢出效應(yīng)管控層面，監(jiān)管當局一方面要進一步健全各金融機構(gòu)的外部風險預(yù)警機制，尤其要提高互聯(lián)網(wǎng)金融行業(yè)和城商行的抗風險能力，努力降低其自身潛在的高風險隱患。另一方面要重點監(jiān)控和防范互聯(lián)網(wǎng)金融與城商行之間的風險溢出，對國有銀行和股份制銀行與互聯(lián)網(wǎng)金融之間的風險管理，采取差異化措施，對風險溢出強度高的銀行嚴防嚴控，如國有銀行中的建設(shè)銀行，股份制銀行中的平安銀行、興業(yè)銀行和華夏銀行。同時，可依據(jù)對互聯(lián)網(wǎng)金融與各商業(yè)銀行之間的實時風險監(jiān)測結(jié)果及時調(diào)整管理手段，切實保障金融系統(tǒng)的安全穩(wěn)定。