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(jìn)社會(huì)大眾的生活，就備受關(guān)注和熱議。它在帶來(lái)方便高效的同時(shí)又對(duì)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?cè)馐芰瞬恍p失，同時(shí)沖擊著我國(guó)金融系統(tǒng)的穩(wěn)定，引起社會(huì)各界的廣泛關(guān)注。

關(guān)于互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行的影響，國(guó)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(rèn)為互聯(lián)網(wǎng)金融對(duì)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(shí)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(lái)；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(fēng)險(xiǎn)；國(guó)內(nèi)學(xué)者牛蕊[3]也認(rèn)為互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行金融效率的提高有明顯的促進(jìn)作用，且股份制銀行的效率指標(biāo)比國(guó)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(huì)對(duì)商業(yè)銀行造成負(fù)面沖擊，甚至加大銀行的風(fēng)險(xiǎn)承擔(dān)：Claessens 等[5]研究發(fā)現(xiàn)互聯(lián)網(wǎng)金融會(huì)轉(zhuǎn)變商業(yè)銀行的經(jīng)營(yíng)模式使其風(fēng)險(xiǎn)增加，并對(duì)金融系統(tǒng)的穩(wěn)定性造成沖擊；戴國(guó)強(qiáng)等[6]指出互聯(lián)網(wǎng)金融通過(guò)影響銀行的資金成本和貸款利率增大了銀行風(fēng)險(xiǎn)；李慶華等[7]通過(guò)研究余額寶與商業(yè)銀行利率之間的波動(dòng)關(guān)系后發(fā)現(xiàn)，短期內(nèi)余額寶會(huì)對(duì)商業(yè)銀行造成沖擊，增加其系統(tǒng)性風(fēng)險(xiǎn)。

而目前在探究系統(tǒng)性風(fēng)險(xiǎn)的理論體系中，在對(duì)風(fēng)險(xiǎn)定量測(cè)度方面，Adrian 等[8]提出的條件風(fēng)險(xiǎn)價(jià)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(lái)風(fēng)險(xiǎn)價(jià)值VaR（Value at Risk）模型的基礎(chǔ)上進(jìn)行了改進(jìn)，解決了VaR 模型無(wú)法測(cè)度不同金融機(jī)構(gòu)之間風(fēng)險(xiǎn)關(guān)聯(lián)性的問(wèn)題。對(duì)于CoVaR 值的估算，國(guó)內(nèi)外學(xué)者也進(jìn)行了較多研究：Stolbov[9]基于分位數(shù)回歸法的CoVaR 模型對(duì)中美法等11 個(gè)國(guó)家的主權(quán)CDS 價(jià)格與股市指數(shù)之間的條件風(fēng)險(xiǎn)關(guān)系進(jìn)行了研究；李強(qiáng)等[10]運(yùn)用分位數(shù)回歸技術(shù)和CoVaR 方法研究了中美股、匯市場(chǎng)間的雙向風(fēng)險(xiǎn)溢出效應(yīng)，結(jié)果發(fā)現(xiàn)美國(guó)股、匯市場(chǎng)對(duì)中國(guó)股、匯市場(chǎng)存在較強(qiáng)的單向風(fēng)險(xiǎn)溢出。陳珂等[11]通過(guò)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(duì)金融市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)；葉喬冰等[12]建立GARCH-CoVaR 模型，實(shí)證分析了我國(guó)上市商業(yè)銀行的綜合風(fēng)險(xiǎn)網(wǎng)絡(luò)傳染溢出效應(yīng)；王培輝等[13]采用時(shí)變Copula-CoVaR 方法研究了我國(guó)保險(xiǎn)業(yè)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)；王帥等[14]構(gòu)建動(dòng)態(tài)Copula-CoVaR模型，系統(tǒng)考量了影子銀行和傳統(tǒng)金融市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)，結(jié)果表明兩者之間存在雙向凈風(fēng)險(xiǎn)溢出，且隨著時(shí)間的推移溢出程度加大。

就目前來(lái)看，在前期的研究中，學(xué)者們對(duì)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)的定量研究不多，在對(duì)互聯(lián)網(wǎng)金融與商業(yè)銀行之間風(fēng)險(xiǎn)溢出效應(yīng)的研究方面也僅涉及互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行的單方向風(fēng)險(xiǎn)溢出，未考慮各商業(yè)銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出效應(yīng)?；诖?，本文在前期學(xué)者研究的基礎(chǔ)上，對(duì)互聯(lián)網(wǎng)金融與商業(yè)銀行之間的雙向風(fēng)險(xiǎn)溢出效應(yīng)展開(kāi)研究。同時(shí)選用分位數(shù)回歸方法，結(jié)合CoVaR 模型測(cè)度兩者之間的風(fēng)險(xiǎn)溢出效應(yīng)，利用分位數(shù)回歸的優(yōu)勢(shì)，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(fēng)險(xiǎn)溢出效應(yīng)變化。

1 研究模型與方法

1.1 CoVaR 模型

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

VaR 稱(chēng)為風(fēng)險(xiǎn)價(jià)值，是指某金融機(jī)構(gòu)或市場(chǎng)在某一特定置信區(qū)間下可能發(fā)生的最大損失，其表達(dá)式為

式中：q為顯著性水平；Xi表示金融機(jī)構(gòu)i在該時(shí)間段內(nèi)的損失為金融機(jī)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(fēng)險(xiǎn)價(jià)值CoVaR，表達(dá)式為

為了更方便直接地反映金融機(jī)構(gòu)i對(duì)金融機(jī)構(gòu)j的風(fēng)險(xiǎn)溢出幅度大小，將標(biāo)準(zhǔn)化處理，表達(dá)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(duì)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(duì)被解釋變量整個(gè)條件分布的影響，且對(duì)于分布假設(shè)要求不高，在擾動(dòng)項(xiàng)非正態(tài)時(shí)，估計(jì)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(duì)被解釋變量的影響情況，估計(jì)結(jié)果也更加穩(wěn)健。

2 實(shí)證分析

2.1 樣本選取

我國(guó)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(shí)間較晚，故暫不作為此次的研究對(duì)象，所以以我國(guó)14 家上市商業(yè)銀行為研究對(duì)象：選擇工商銀行、中國(guó)銀行、交通銀行和建設(shè)銀行代表國(guó)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(pán)價(jià)數(shù)據(jù)，所有數(shù)據(jù)均來(lái)自wind 數(shù)據(jù)庫(kù)。在下面實(shí)證過(guò)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(lèi)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(pán)價(jià)數(shù)據(jù)作為原始數(shù)據(jù)，樣本容量為1576 個(gè)，將互聯(lián)網(wǎng)金融指數(shù)和各銀行股的收盤(pán)價(jià)轉(zhuǎn)換成對(duì)數(shù)收益率形式。為了計(jì)算結(jié)果更加準(zhǔn)確，將結(jié)果擴(kuò)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(pán)價(jià)格。對(duì)14 家銀行和互聯(lián)網(wǎng)金融指數(shù)的收益率序列進(jìn)行描述性統(tǒng)計(jì)，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(jì)量檢測(cè)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(jìn)行實(shí)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(duì)各收益率序列進(jìn)行單位根檢驗(yàn)，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(yàn)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(jìn)行回歸分析。

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

銀行與互聯(lián)網(wǎng)金融之間的風(fēng)險(xiǎn)溢出效應(yīng)是雙向的，所以應(yīng)當(dāng)分別計(jì)算當(dāng)互聯(lián)網(wǎng)金融處于風(fēng)險(xiǎn)時(shí)各銀行面臨的風(fēng)險(xiǎn)，以及當(dāng)各銀行處于風(fēng)險(xiǎn)時(shí)互聯(lián)網(wǎng)金融面臨的風(fēng)險(xiǎn)。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(fēng)險(xiǎn)溢出效應(yīng)，建立當(dāng)q=0.05 時(shí)的分位數(shù)模型。

運(yùn)用Eviews9.0 軟件進(jìn)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(jì)Tab.1 Descriptive statistics on the yields of 14 bank stocks and internet finance index

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

式中括號(hào)內(nèi)的數(shù)字為t統(tǒng)計(jì)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(jì)算出建設(shè)銀行與互聯(lián)網(wǎng)金融之間的風(fēng)險(xiǎn)溢出值，即

研究結(jié)果可知，當(dāng)互聯(lián)網(wǎng)金融處于風(fēng)險(xiǎn)時(shí)，對(duì)建設(shè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)為9.63%；當(dāng)建設(shè)銀行處于風(fēng)險(xiǎn)時(shí)，對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出效應(yīng)為16.14%?；ヂ?lián)網(wǎng)金融對(duì)建設(shè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)遠(yuǎn)小于建設(shè)銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出效應(yīng)，這說(shuō)明建設(shè)銀行發(fā)生風(fēng)險(xiǎn)損失時(shí)，對(duì)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(fēng)險(xiǎn)能力較強(qiáng)，這與建設(shè)銀行作為我國(guó)四大國(guó)有銀行的地位是相符的。

與研究建設(shè)銀行的方法類(lèi)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(fēng)險(xiǎn)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(duì)商業(yè)銀行的風(fēng)險(xiǎn)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(jì)算結(jié)果可以發(fā)現(xiàn)，國(guó)有銀行風(fēng)險(xiǎn)最小，其VaR 值和CoVaR 值均值的絕對(duì)值分別為3.445 和3.736；城市商業(yè)銀行風(fēng)險(xiǎn)最大，其VaR 值均值的絕對(duì)值為4.326，CoVaR 值均值的絕對(duì)值為4.871。其中，風(fēng)險(xiǎn)最小的是工商銀行2.907，最大的是南京銀行4.863，表明國(guó)有銀行具有良好的抗風(fēng)險(xiǎn)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(fēng)險(xiǎn)。與此同時(shí)，通過(guò)對(duì)比VaR 值可以發(fā)現(xiàn)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)遠(yuǎn)大于國(guó)有銀行風(fēng)險(xiǎn)，但和城市商業(yè)銀行風(fēng)險(xiǎn)差別不大。其次，14 家銀行的CoVaR 絕對(duì)值都大于VaR絕對(duì)值，表明在計(jì)算風(fēng)險(xiǎn)時(shí)使用VaR 模型容易低估風(fēng)險(xiǎn)，相較之下CoVaR 模型有效性更高。最后，根據(jù)表3 中的風(fēng)險(xiǎn)溢出值（%CoVaR）及其排名可知，互聯(lián)網(wǎng)金融在爆發(fā)風(fēng)險(xiǎn)時(shí)三類(lèi)銀行受到的影響并不相同，它對(duì)股份制銀行和城市商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)較大，其中對(duì)平安銀行的風(fēng)險(xiǎn)溢出效應(yīng)最大，為16.64%。但從總體分析，互聯(lián)網(wǎng)金融對(duì)城市商業(yè)銀行的風(fēng)險(xiǎn)溢出最高，風(fēng)險(xiǎn)溢出值均值達(dá)到12.46%，且三大城市商業(yè)銀行的風(fēng)險(xiǎn)溢出值排名均靠前，但對(duì)股份制銀行的風(fēng)險(xiǎn)溢出值均值只有11.16%，顯然對(duì)國(guó)有銀行風(fēng)險(xiǎn)溢出最小，風(fēng)險(xiǎn)溢出均值僅為8.37%，其中對(duì)工商銀行風(fēng)險(xiǎn)溢出最小，為7.22%。

通過(guò)對(duì)表4 風(fēng)險(xiǎn)溢出值（%CoVaR）的比較可以看出，不同類(lèi)型的商業(yè)銀行在發(fā)生風(fēng)險(xiǎn)時(shí)對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出值也不同，城市商業(yè)銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出值最大，高達(dá)18.35%。其中南京銀行對(duì)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)溢出值最高，為25.25%；其次是股份制銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出值，為14.91%；國(guó)有銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出值最小，為13.06%。此外，結(jié)合表3 可知，各商業(yè)銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出效應(yīng)比互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)更強(qiáng)，表明銀行對(duì)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(fēng)險(xiǎn)變化的影響。

表 4 商業(yè)銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)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(fēng)險(xiǎn)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(fēng)險(xiǎn)溢出效應(yīng)，利用分位數(shù)回歸技術(shù)的優(yōu)勢(shì)，對(duì)q進(jìn)行不同取值，分別計(jì)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(fēng)險(xiǎn)溢出值，這里分別取q=0.01，0.03，0.05，并將最終計(jì)算結(jié)果匯總，如表5 和表6 所示。

首先，通過(guò)對(duì)表5 中各分位數(shù)下互聯(lián)網(wǎng)金融對(duì)各商業(yè)銀行風(fēng)險(xiǎn)溢出值的計(jì)算結(jié)果比較可知：第一，從互聯(lián)網(wǎng)金融對(duì)不同類(lèi)型商業(yè)銀行的風(fēng)險(xiǎn)溢出均值的橫向比較來(lái)看，當(dāng)q= 0.01，0.03，0.05 時(shí)，均是互聯(lián)網(wǎng)金融對(duì)城商行的風(fēng)險(xiǎn)溢出效應(yīng)最強(qiáng)，對(duì)股份制銀行風(fēng)險(xiǎn)溢出效應(yīng)次之，對(duì)國(guó)有銀行的風(fēng)險(xiǎn)溢出效應(yīng)最小。第二，從互聯(lián)網(wǎng)金融對(duì)同類(lèi)型商業(yè)銀行的風(fēng)險(xiǎn)溢出均值的縱向比較來(lái)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(duì)同類(lèi)型商業(yè)銀行的風(fēng)險(xiǎn)溢出強(qiáng)度逐漸增大。以國(guó)有銀行為例，當(dāng)q=0.05 時(shí)，互聯(lián)網(wǎng)金融對(duì)其風(fēng)險(xiǎn)溢出強(qiáng)度為8.37%；當(dāng)q=0.03時(shí)，風(fēng)險(xiǎn)溢出強(qiáng)度為8.68%；當(dāng)q= 0.01 時(shí)，風(fēng)險(xiǎn)溢出強(qiáng)度為11.32%?；ヂ?lián)網(wǎng)金融對(duì)股份制銀行和城市商業(yè)銀行的風(fēng)險(xiǎn)溢出也有同樣情況，這是由于各金融機(jī)構(gòu)處于越極端風(fēng)險(xiǎn)水平時(shí)，機(jī)構(gòu)之間越容易發(fā)生較大的風(fēng)險(xiǎn)溢出，風(fēng)險(xiǎn)傳染度增強(qiáng)。第三，雖然從總體上看，當(dāng)互聯(lián)網(wǎng)金融陷入風(fēng)險(xiǎn)危機(jī)時(shí)，對(duì)城市商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)最大，但從不同分位數(shù)水平下的風(fēng)險(xiǎn)溢出值的排名中可以得到警示：互聯(lián)網(wǎng)金融對(duì)平安銀行的風(fēng)險(xiǎn)溢出不能忽視，監(jiān)管部門(mén)除了需要重視互聯(lián)網(wǎng)金融對(duì)城市商業(yè)銀行的風(fēng)險(xiǎn)溢出情況外，還需在管控互聯(lián)網(wǎng)金融對(duì)股份制銀行的風(fēng)險(xiǎn)外溢時(shí)，尤其注意其對(duì)平安銀行的風(fēng)險(xiǎn)溢出。

表 5 不同分位數(shù)下互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行的風(fēng)險(xiǎn)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(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出值Tab.6 Risk spillover value of commercial banks to internet finance in different quantiles

其次，同樣對(duì)表6 中不同分位數(shù)水平下各商業(yè)銀行對(duì)互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)溢出值的計(jì)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(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出效應(yīng)最強(qiáng)，而國(guó)有銀行與股份制銀行相比，更易在極端風(fēng)險(xiǎn)水平下對(duì)互聯(lián)網(wǎng)金融產(chǎn)生較大的風(fēng)險(xiǎn)溢出。如當(dāng)q=0.01 時(shí)，國(guó)有銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)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(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出值的排名中可知，在不同分位數(shù)下寧波銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出效應(yīng)均是最強(qiáng)，因此，監(jiān)管部門(mén)要采取更嚴(yán)格的風(fēng)控和監(jiān)督措施，嚴(yán)防寧波銀行爆發(fā)風(fēng)險(xiǎn)時(shí)對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)傳導(dǎo)。而國(guó)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(fēng)險(xiǎn)危機(jī)時(shí)，對(duì)互聯(lián)網(wǎng)金融也會(huì)造成不小的風(fēng)險(xiǎn)溢出，所以互聯(lián)網(wǎng)金融行業(yè)需要對(duì)這些銀行進(jìn)行重點(diǎn)風(fēng)險(xiǎn)監(jiān)控和防范。

最后，綜合表5 和表6 來(lái)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(fēng)險(xiǎn)溢出效應(yīng)最強(qiáng)，且各商業(yè)銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出效應(yīng)比互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)更強(qiáng)。此外還可以看出，當(dāng)互聯(lián)網(wǎng)金融行業(yè)與各商業(yè)銀行之間發(fā)生風(fēng)險(xiǎn)溢出情況時(shí)，銀行規(guī)模大小不是決定風(fēng)險(xiǎn)溢出強(qiáng)度的主要標(biāo)準(zhǔn)，規(guī)模大的國(guó)有銀行與互聯(lián)網(wǎng)金融之間的風(fēng)險(xiǎn)溢出強(qiáng)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(fēng)險(xiǎn)溢出程度可能被低估。

2.5 實(shí)證結(jié)果分析

基于以上實(shí)證結(jié)果，本文對(duì)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(fēng)險(xiǎn)溢出效應(yīng)最強(qiáng)。一方面由于城市商業(yè)銀行扎根于地方，主要服務(wù)于當(dāng)?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(guó)有銀行，城市商業(yè)銀行占據(jù)了地利，客戶(hù)資源更豐富，區(qū)域影響力更強(qiáng)；而互聯(lián)網(wǎng)金融業(yè)務(wù)活動(dòng)的背后依賴(lài)于強(qiáng)大的客戶(hù)需求基礎(chǔ)，當(dāng)城商行陷入風(fēng)險(xiǎn)危機(jī)時(shí)，龐大的客戶(hù)群體業(yè)務(wù)受到影響，造成客戶(hù)群體出現(xiàn)資金或支付結(jié)算等問(wèn)題，進(jìn)而對(duì)互聯(lián)網(wǎng)金融行業(yè)的運(yùn)行造成不小沖擊，引發(fā)風(fēng)險(xiǎn)傳導(dǎo)，使其風(fēng)險(xiǎn)加大。另一方面，由于中間業(yè)務(wù)成本低，對(duì)銀行收入貢獻(xiàn)大，近年來(lái)越來(lái)越多的城市商業(yè)銀行開(kāi)始重點(diǎn)發(fā)展中間業(yè)務(wù)。而互聯(lián)網(wǎng)金融對(duì)于城商行中間業(yè)務(wù)的發(fā)展具有明顯的促進(jìn)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(cái)業(yè)務(wù)方面不斷創(chuàng)新，2019 年2 月，各類(lèi)銀行的平均理財(cái)收益率的排名中，城商行居于首位，達(dá)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(jìng)爭(zhēng)走向合作，聯(lián)系日益緊密。當(dāng)互聯(lián)網(wǎng)金融爆發(fā)風(fēng)險(xiǎn)時(shí)，會(huì)顯著影響城商行的中間業(yè)務(wù)從而造成較大的風(fēng)險(xiǎn)溢出。

第二，各大商業(yè)銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出效應(yīng)比互聯(lián)網(wǎng)金融對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)更強(qiáng)。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(dòng)的背后仍有賴(lài)于實(shí)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(lài)于銀行搭建的支付平臺(tái)；同時(shí)，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(jí)也離不開(kāi)商業(yè)銀行龐大的資金支持。因此，當(dāng)商業(yè)銀行發(fā)生風(fēng)險(xiǎn)時(shí)，對(duì)互聯(lián)網(wǎng)金融行業(yè)無(wú)疑會(huì)造成巨大沖擊，進(jìn)而產(chǎn)生顯著的風(fēng)險(xiǎn)溢出效應(yīng)造成互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)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(fēng)險(xiǎn)控制體系，監(jiān)管方面也十分審慎，抗風(fēng)險(xiǎn)能力較強(qiáng)；而互聯(lián)網(wǎng)金融是近幾年才興起壯大的，發(fā)展時(shí)間較短，抗風(fēng)險(xiǎn)能力相對(duì)較弱，監(jiān)管方面相對(duì)缺失。因而在商業(yè)銀行與互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)傳染過(guò)程中，表現(xiàn)為各商業(yè)銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出效應(yīng)更強(qiáng)。

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(fēng)險(xiǎn)問(wèn)題也不容小覷?；ヂ?lián)網(wǎng)金融領(lǐng)域的風(fēng)險(xiǎn)事件頻繁發(fā)生，對(duì)商業(yè)銀行造成了風(fēng)險(xiǎn)溢出效應(yīng)。基于此，本文通過(guò)運(yùn)用CoVaR 模型，結(jié)合分位數(shù)回歸方法，以我國(guó)14 家上市商業(yè)銀行為研究對(duì)象，對(duì)互聯(lián)網(wǎng)金融與不同類(lèi)型商業(yè)銀行之間的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行了研究，并對(duì)兩者之間不同方向上的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行了對(duì)比分析，最終根據(jù)實(shí)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(fēng)險(xiǎn)測(cè)度的VaR 絕對(duì)值均低于CoVaR 絕對(duì)值，表明在計(jì)算風(fēng)險(xiǎn)時(shí)使用VaR 模型容易低估風(fēng)險(xiǎn)。與VaR 方法相比，CoVaR 方法更能準(zhǔn)確地測(cè)度金融機(jī)構(gòu)在面臨極端風(fēng)險(xiǎn)時(shí)可能存在的風(fēng)險(xiǎn)溢出效應(yīng)，是一種更全面的風(fēng)險(xiǎn)測(cè)量方法。

b. 互聯(lián)網(wǎng)金融與各類(lèi)型商業(yè)銀行的自身風(fēng)險(xiǎn)價(jià)值并不一樣。國(guó)有銀行風(fēng)險(xiǎn)最小，其中最小的是工商銀行，表明國(guó)有銀行的風(fēng)險(xiǎn)管控能力較強(qiáng)；其次是股份制銀行；風(fēng)險(xiǎn)最大的是城市商業(yè)銀行。互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)與城市商業(yè)銀行風(fēng)險(xiǎn)水平相當(dāng)。

c. 通過(guò)對(duì)分位數(shù)水平的不同取值，進(jìn)一步分析互聯(lián)網(wǎng)金融與各商業(yè)銀行的雙向風(fēng)險(xiǎn)溢出效應(yīng)，結(jié)果表明，互聯(lián)網(wǎng)金融與各類(lèi)型商業(yè)銀行之間均存在雙向不對(duì)稱(chēng)的正向溢出，且各商業(yè)銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出效應(yīng)更強(qiáng)。其中，互聯(lián)網(wǎng)金融對(duì)城商行的風(fēng)險(xiǎn)溢出效應(yīng)最強(qiáng)、股份制銀行次之、國(guó)有銀行最小。反之，當(dāng)各商業(yè)銀行爆發(fā)風(fēng)險(xiǎn)時(shí)，也會(huì)對(duì)互聯(lián)網(wǎng)金融行業(yè)造成沖擊，其中，城市商業(yè)銀行對(duì)互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)溢出程度最大，國(guó)有銀行與股份制銀行相比，更易在極端風(fēng)險(xiǎn)水平下對(duì)互聯(lián)網(wǎng)金融行業(yè)產(chǎn)生較大的風(fēng)險(xiǎn)溢出。

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

因此，在風(fēng)險(xiǎn)溢出效應(yīng)管控層面，監(jiān)管當(dāng)局一方面要進(jìn)一步健全各金融機(jī)構(gòu)的外部風(fēng)險(xiǎn)預(yù)警機(jī)制，尤其要提高互聯(lián)網(wǎng)金融行業(yè)和城商行的抗風(fēng)險(xiǎn)能力，努力降低其自身潛在的高風(fēng)險(xiǎn)隱患。另一方面要重點(diǎn)監(jiān)控和防范互聯(lián)網(wǎng)金融與城商行之間的風(fēng)險(xiǎn)溢出，對(duì)國(guó)有銀行和股份制銀行與互聯(lián)網(wǎng)金融之間的風(fēng)險(xiǎn)管理，采取差異化措施，對(duì)風(fēng)險(xiǎn)溢出強(qiáng)度高的銀行嚴(yán)防嚴(yán)控，如國(guó)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(shí)，可依據(jù)對(duì)互聯(lián)網(wǎng)金融與各商業(yè)銀行之間的實(shí)時(shí)風(fēng)險(xiǎn)監(jiān)測(cè)結(jié)果及時(shí)調(diào)整管理手段，切實(shí)保障金融系統(tǒng)的安全穩(wěn)定。