代婉瑞, 姚 儉
(上海理工大學 管理學院,上海 200093)
自互聯(lián)網(wǎng)金融走進社會大眾的生活,就備受關注和熱議。它在帶來方便高效的同時又對銀行業(yè)務形成巨大挑戰(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注。
關于互聯(lián)網(wǎng)金融對商業(yè)銀行的影響,國內(nèi)外眾多學者研究后得到的結(jié)論存在一定差異。一部分學者認為互聯(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效率方面起到積極作用。而另一部分學者表示互聯(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)在應用較為廣泛的主流技術,它是在原來風險價值VaR(Value at Risk)模型的基礎上進行了改進,解決了VaR 模型無法測度不同金融機構(gòu)之間風險關聯(lián)性的問題。對于CoVaR 值的估算,國內(nèi)外學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CDS 價格與股市指數(shù)之間的條件風險關系進行了研究;李強等[10]運用分位數(shù)回歸技術和CoVaR 方法研究了中美股、匯市場間的雙向風險溢出效應,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;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)絡傳染溢出效應;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;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,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?;诖?,本文在前期學者研究的基礎上,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,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變化。
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)已成為風險管理領域的主流技術,被廣泛應用。
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
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。
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)金融相關的滬深A 股作為樣本股,具有一定的權威性和代表性。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,如建設銀行表示為js,其他銀行以此類推,hj 代表互聯(lián)網(wǎng)金融。
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。
銀行與互聯(lián)網(wǎng)金融之間的風險溢出效應是雙向的,所以應當分別計算當互聯(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,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,對建設銀行的風險溢出效應為9.63%;當建設銀行處于風險時,對互聯(lián)網(wǎng)金融的風險溢出效應為16.14%?;ヂ?lián)網(wǎng)金融對建設銀行的風險溢出效應遠小于建設銀行對互聯(lián)網(wǎng)金融的風險溢出效應,這說明建設銀行發(fā)生風險損失時,對互聯(lián)網(wǎng)金融的影響是很大的。相反,建設銀行受外部沖擊較小,表明建設銀行防范外部風險能力較強,這與建設銀行作為我國四大國有銀行的地位是相符的。
與研究建設銀行的方法類似,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,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較大,其中對平安銀行的風險溢出效應最大,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比互聯(lián)網(wǎng)金融對商業(yè)銀行的風險溢出效應更強,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
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,利用分位數(shù)回歸技術的優(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最強,對股份制銀行風險溢出效應次之,對國有銀行的風險溢出效應最小。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。而國有銀行中的建設銀行,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最強,且各商業(yè)銀行對互聯(lián)網(wǎng)金融的風險溢出效應比互聯(lián)網(wǎng)金融對商業(yè)銀行的風險溢出效應更強。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。
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最強。一方面由于城市商業(yè)銀行扎根于地方,主要服務于當?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)務活動的背后依賴于強大的客戶需求基礎,當城商行陷入風險危機時,龐大的客戶群體業(yè)務受到影響,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,使其風險加大。另一方面,由于中間業(yè)務成本低,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。而互聯(lián)網(wǎng)金融對于城商行中間業(yè)務的發(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比互聯(lián)網(wǎng)金融對商業(yè)銀行的風險溢出效應更強。一方面,互聯(lián)網(wǎng)金融依附于商業(yè)銀行,其業(yè)務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更強。
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?;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進行了研究,并對兩者之間不同方向上的風險溢出效應進行了對比分析,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,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,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更強。其中,互聯(lián)網(wǎng)金融對城商行的風險溢出效應最強、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。