運用極端分位數(shù)回歸方法對中國33家上市金融機構(gòu)對系統(tǒng)性金融風險的貢獻度進行測度，結(jié)果顯示，中國金融機構(gòu)的資產(chǎn)收益率具有明顯的非正態(tài)分布特征，極端分位數(shù)回歸方法能更準確測度尾部風險的聯(lián)動性；銀行機構(gòu)對系統(tǒng)性風險的貢獻度最高并且波動最大，對系統(tǒng)性風險的貢獻度排名前十的均為銀行類機構(gòu)；保險類、證券類金融機構(gòu)對系統(tǒng)性風險的貢獻度相對較低；對比其他研究結(jié)果發(fā)現(xiàn)，在極端情形下，由于尾部風險的聯(lián)動性，股份制商業(yè)銀行對系統(tǒng)性風險的貢獻度上升。

一、引言

極端的金融事件通常是發(fā)生概率極小的黑天鵝事件，但是常常得不到主流研究的重視。傳統(tǒng)的經(jīng)濟學與金融學理論的模型通常是在平穩(wěn)的隨機過程中采用連續(xù)擴散的假設(shè)，對金融風險從漸進積累到突然爆發(fā)的過程進行描述和分析比較困難，對金融風險突變和傳染的非線性機理考慮不充分。然而，自20世紀以來，世界各國極端金融事件發(fā)生的頻率和規(guī)模不斷增加，每一次極端性的金融事件都給涉事國家的金融系統(tǒng)帶來巨大挑戰(zhàn)。當前，我國所處的國際和國內(nèi)經(jīng)濟環(huán)境異常復雜，金融風險加速聚集，所以一定要將預(yù)防風險置于突出的位置，努力避免發(fā)生重大風險。雖然目前學術(shù)界已有不少文獻使用CoVaR對中國上市金融機構(gòu)系統(tǒng)性金融風險進行了相關(guān)研究，但對系統(tǒng)性金融風險的測度僅側(cè)重于使用基于分位數(shù)回歸的CoVaR模型本身進行分析，而對于模型分位數(shù)回歸的結(jié)果沒有進行細致的拓展，也沒有將回歸結(jié)果與其他測度系統(tǒng)性金融風險方法進行比較分析。此外，對如何識別系統(tǒng)重要性金融機構(gòu)尚未形成一致標準。

本文首先對金融機構(gòu)系統(tǒng)性金融風險貢獻度的概念、作用機制進行了仔細的梳理和總結(jié)；接著以CoVaR模型為基礎(chǔ)，運用股票市場指數(shù)的收益率和波動率、短期流動性利差、利率期限利差四個狀態(tài)變量來模擬系統(tǒng)性金融風險的時變性，利用分位數(shù)回歸方法對我國銀行、證券、保險這三類上市金融機構(gòu)對系統(tǒng)性金融風險的貢獻度進行了回歸分析，并選取了7個有代表性的金融機構(gòu)繪制了△CoVaR季度動態(tài)時序圖，同時將本文所運用的分位數(shù)回歸方法所確定出的系統(tǒng)重要性金融機構(gòu)與前人使用的指標法、網(wǎng)絡(luò)模型所得到的結(jié)果進行比較分析，以全方面、多維度的測度金融機構(gòu)對系統(tǒng)性金融風險的貢獻度。為識別系統(tǒng)重要性的金融機構(gòu)提供理論依據(jù)，同時為我國宏觀審慎監(jiān)管背景下宏觀審慎政策的實施提供實證支持。

二、文獻綜述

Bank of England提出，金融機構(gòu)對系統(tǒng)性金融風險的貢獻度形成的主要原因是風險的空間的傳染與時間的積累。［1］Marius和Nicolae認為，金融機構(gòu)對系統(tǒng)性金融風險的貢獻度不是相互獨立存在的，而是相互聯(lián)系相互依存的，且不能夠由投資組合的這種方式消除。［2］當經(jīng)濟體受到一定的沖擊以后，就會造成資本的利用率大大下降，資產(chǎn)價格在金融市場中大幅度波動，從而造成系統(tǒng)性的金融風險。［3］［4］BIS（國際清算銀行）、IMF（國際貨幣基金組織）以及FSB（金融穩(wěn)定理事會）指出，當金融系統(tǒng)中的一些或者全部金融機構(gòu)受到?jīng)_擊后，金融機構(gòu)對系統(tǒng)性金融風險的貢獻度增大，不能再進行金融服務(wù)從而造成實體經(jīng)濟不能夠進行融資活動，而帶來的巨大負面影響。Ellis L認為，金融機構(gòu)對系統(tǒng)性金融風險貢獻度是因為金融機構(gòu)大面積的崩潰，造成無法進行融資業(yè)務(wù)，從而對實體經(jīng)濟不能及時融資而面臨嚴重的危險。［5］Girardi G、Ergun A.T.與Gauthier C、A Lehar and M Souissi先后對此也進行了分析。［6］［7］

張曉樸對金融機構(gòu)對系統(tǒng)性金融風險的貢獻度做了深入的分析，研究表明沖擊事件與風險傳導以及風險都均有內(nèi)生性。［8］聞岳春發(fā)現(xiàn)金融機構(gòu)對系統(tǒng)性金融風險的內(nèi)生性問題大多從金融機構(gòu)的規(guī)模與關(guān)聯(lián)性進行研究的。［9］張興軍等指出，所謂的金融機構(gòu)對系統(tǒng)性的金融風險的貢獻度就是當微觀的金融風險累積到一定程度后，如果外部事件進行沖擊從而對實體經(jīng)濟造成嚴重的損害，最終會造成金融系統(tǒng)癱瘓。［10］對于金融機構(gòu)對系統(tǒng)性金融風險的貢獻度產(chǎn)生的原因，范小云認為，當前金融行業(yè)的快速發(fā)展使得金融機構(gòu)之間的聯(lián)系越來越緊密，金融機構(gòu)的網(wǎng)絡(luò)關(guān)系也變得非常復雜，如果系統(tǒng)中的金融機構(gòu)一旦出現(xiàn)危機，這種風險就會馬上通過金融網(wǎng)絡(luò)傳導到其他的金融機構(gòu)，在這個過程中金融體系中的風險在不斷集聚和傳播，這種效應(yīng)會使得經(jīng)濟體的運行受到很大的影響。［11］白雪梅、石大龍通過研究證明金融機構(gòu)之間有很多重合的業(yè)務(wù)，這種重合業(yè)務(wù)會產(chǎn)生風險溢出效應(yīng)，這種溢出效應(yīng)正是發(fā)生系統(tǒng)性金融風險的根本原因。［12］陶玲認為金融機構(gòu)的綜合經(jīng)營和銀行大量進行的表外業(yè)務(wù)以及道德風險是造成系統(tǒng)性金融風險的根本原因。［13］研究的視角不同、使用的方法不同，針對金融機構(gòu)對系統(tǒng)性金融風險的貢獻度的特征的認識也是不同［14］。

三、金融機構(gòu)風險對系統(tǒng)性金融風險貢獻度的實證研究

(一)金融機構(gòu)對系統(tǒng)性金融風險度量模型的方法

在2008年金融危機發(fā)生之前，像早期預(yù)警法和綜合指標法等對系統(tǒng)性金融危機進行預(yù)警的方法都沒有能夠很好預(yù)測到這次危機的發(fā)生，許多學者開始反思這些預(yù)測方法的缺陷：基于歷史數(shù)據(jù)進行建模和度量來預(yù)測下一場危機的方法，今后金融危機還會以同樣的方式重演，而且該種方法沒有考慮金融風險的失效性。［15-17］在繼續(xù)尋找更加有效的方法中，條件在險價值方法CoVaR引起了學者的關(guān)注。［18-20］這種方法考慮了指標的連續(xù)性以及時效性，具有很好的操作性和有效性。CoVaR由風險指標的理論方面演變而來，VaR只能度量個體金融機構(gòu)所存在的風險，而CoVaR顯著的價值是可以度量單個機構(gòu)在尾部極端事件中對系統(tǒng)性金融風險的貢獻度。CoVaR這種方法要得到有條件的情況下與無條件時的VaR值，這些都需要使用極端分位數(shù)回歸方法。

1.風險價值VaR方法。風險價值VaR（Value At Risk）是衡量交易活動中一些持有頭寸所暴露出來的市場風險，即在一定的置信水平上，一定期間內(nèi)頭寸由于市場上不利波動所遭受的最大損失。Adams Z,R Fuss and R Gropp.分析了它們的相互影響。［21］可以假設(shè)為q的分位數(shù)，則：

其中，Xij為金融機構(gòu)擁有的資產(chǎn)在一定的日期△t內(nèi)的最大損失，VaR是置信區(qū)間在1-q上金融機構(gòu)所擁有的風險價值。置信度主要是用來表示金融機構(gòu)厭惡風險的程度。金融機構(gòu)厭惡風險的程度越大，置信度就會越高。國外監(jiān)管當局對很多金融機構(gòu)都已經(jīng)用VaR值來測度金融機構(gòu)處在風險條件下的指標。

2.條件在險價值CoVaR方法。由于VaR技術(shù)在計算風險時沒有考慮金融機構(gòu)之間存在的相互影響的因素，無法捕捉金融機構(gòu)對系統(tǒng)性風險的貢獻度的測度，Adrian等在VaR方法基礎(chǔ)上，引入CoVaR方法測度金融機構(gòu)系統(tǒng)性風險的貢獻度。［22］

在（2）式中，金融機構(gòu)i與j的資產(chǎn)收益，都是在置信水平為q的尾部風險區(qū)間。金融機構(gòu)i在中位數(shù)條件下的資產(chǎn)收益為，中位數(shù)條件下的收益表示金融機構(gòu)是在正常狀態(tài)下，尾部收益表示已經(jīng)發(fā)生了危機事件。在公式（3）中，這兩種條件下的CoVaR之差，表示金融機構(gòu)i處在危機狀態(tài)下對另外機構(gòu)的風險貢獻度：

由于CoVaR方法需要計算無條件以及有條件水平下的VaR值，本文通過分位數(shù)回歸方法度量出金融機構(gòu)的不同置信區(qū)度，進而可以計算出公式(4)中的系數(shù)。

通過式（5）與式（6）這兩個方程，能夠得到機構(gòu)i對系統(tǒng)性金融風險的貢獻度：

(二)變量選取

1.主要變量。本文主要變量為：狀態(tài)變量Mt、金融機構(gòu)的資產(chǎn)收益率。金融機構(gòu)的資產(chǎn)收益率的計算過程為：通過上市機構(gòu)的交易價格與資產(chǎn)負債率中得到的財務(wù)杠桿率（總資產(chǎn)與權(quán)益的比值）進行結(jié)合而得到金融機構(gòu)的資產(chǎn)收益率。其中，財務(wù)杠桿率為季度數(shù)據(jù)，所以將其轉(zhuǎn)換為日度數(shù)據(jù)，使之能與交易價格的頻率相匹配。在將財務(wù)杠桿率變換為日度數(shù)據(jù)中，我們使用線性的平均法，金融機構(gòu)的資產(chǎn)收益率為：

2.狀態(tài)變量。借鑒以前學者的研究，本文選取研究變量為利率期限的利差與短期流動性的利差、股票市場指數(shù)收益序列的波動率、股票市場指數(shù)的收益率。短期的流動性利差和利率期限的利差分別代表貨幣與債券市場上的交易以及風險和股票市場指數(shù)的收益率與波動率代表證券市場上的信息。狀態(tài)變量Mt的指標見表1。

（三）樣本選取

從上證指數(shù)成分股中的42個金融機構(gòu)中篩選出33家，而由于上市金融公司在2007年以前的數(shù)量不多，因此為了使得所選的樣本數(shù)量和分析具有代表性，我們剔除了42家企業(yè)中因為上市時間比較晚且數(shù)據(jù)不足的7個金融公司，最后選擇了14個銀行、14個證券公司以及5個保險公司，以每家公司每個交易日中的收盤價格為基礎(chǔ)，這樣各金融機構(gòu)的觀測值有2434個。樣本時間間隔為2008—2017年，能夠覆蓋此間多個極端性的金融事件，如2008年的全球性金融危機，2010年的歐洲債務(wù)性危機，2015年的大股災(zāi)，這些極端的金融事件對于度量金融數(shù)據(jù)的顯性表示非常重要。本文所有上市機構(gòu)股票市場數(shù)據(jù)均來自Wind數(shù)據(jù)庫。

（四）數(shù)據(jù)處理

表1 狀態(tài)變量Mt的選取

在本文研究的樣本數(shù)據(jù)中，對于部分變量，例如財務(wù)杠桿率是在通過資產(chǎn)負債表中獲得，為了與資產(chǎn)負債率中得到的財務(wù)杠桿率（總資產(chǎn)與權(quán)益的比值）進行結(jié)合。其中財務(wù)杠桿率為季度數(shù)據(jù)，所以將其轉(zhuǎn)換為日度數(shù)據(jù)，以至于能與交易價格的頻率相匹配。假定在t期末以及在t+1期末，金融機構(gòu)的資產(chǎn)負債表中的杠桿率的數(shù)據(jù)分別是levt與levt+1，那么在t+1期內(nèi)的日度杠桿率就會呈現(xiàn)出等差數(shù)列，差額為(levt+1-levt)/n，其中n為t+1期經(jīng)歷的天數(shù)。在進行數(shù)據(jù)的頻率轉(zhuǎn)換后，我們可以得到2008年1月2日到2017年12月31日完整的數(shù)據(jù)序列。

（五）平穩(wěn)性檢驗

在使用分位數(shù)回歸方法之前，首先對全部變量實行平穩(wěn)性檢驗，因為金融公司的個數(shù)較多，所以最終的檢驗結(jié)果以表格的形式只列出其中的10個機構(gòu)。表2結(jié)果顯示這些金融變量均平穩(wěn)，滿足建模的條件。

(六)描述性統(tǒng)計

為了便于分析，本文只列出10個金融機構(gòu)收益率的描述性統(tǒng)計結(jié)果，見表3。從表中可見，金融公司的資產(chǎn)收益率在0值附近，有明顯的零均值的特點。第一天上市進行交易以及進行重組后再進行交易時沒有漲跌停的限制，很容易出現(xiàn)大幅度的波動，所以為了防止極端值對實證結(jié)果的不良影響，通過winsorize縮尾的方法剔除一些收益率，這樣把金融公司的上市價格漲跌幅度局限在10%，也就是最小值是-0.1與最大值是0.1。

表2 變量單位根檢驗結(jié)果

表3 金融公司的收益率的描述性統(tǒng)計

研究發(fā)現(xiàn)，金融公司的標準差在不同行業(yè)之間也存在很大差異，證券類公司和保險類公司的標準差大部分大于0.0，銀行類公司的標準差則小于0.03，非銀行類金融公司的資產(chǎn)收益率的波動率明顯大于銀行類公司。銀行類公司的標準差在其內(nèi)部也有結(jié)構(gòu)性的差異，除交通銀行外的3個大型國有銀行公司的標準差都小于0.02，而股份制銀行的標準差都大于0.02。而在偏度與峰度這兩個指標上，這些金融公司的特征幾乎是一致性的，表現(xiàn)在偏度的值大于0，峰度的值大于3，也就是收益率數(shù)據(jù)是右偏和厚尾的特點，滿足金融數(shù)據(jù)的尖峰、厚尾的特點。不僅如此，每個金融公司的J-B統(tǒng)計量與對應(yīng)的概率值都是顯著的拒絕原假設(shè)，從而也證明金融公司資產(chǎn)收益率的分布不滿足正態(tài)分布。

(七)分位數(shù)回歸

通過檢驗確定金融變量都是平穩(wěn)的序列后，根據(jù)（5）式與（6）式來進行q=5%的分位數(shù)回歸，這里僅列估計結(jié)果中的十家金融公司，見表4。

表4的結(jié)果表明，每個金融公司金融市場的整體資產(chǎn)收益率與波動率都十分顯著。參數(shù)β1在1%的顯著水平上均為正，表示金融市場的行情和金融公司的資產(chǎn)收益率呈同方向變動的趨勢。而且β1的特點也十分明顯，除了4個國有大型銀行的這個參數(shù)小于0.5以外，其他29個金融公司都接近1，顯示出大型國有銀行對價格的變化更加平緩，然而股份制的商業(yè)銀行、證券類公司與保險類公司對市場價格的變化表現(xiàn)得很敏感。每個金融公司對于市場波動率的表現(xiàn)系數(shù)在1%的顯著水平上均為負，說明市場中的波動率越大，投資者的情緒對投資行為會表現(xiàn)地更加不確定，單個金融公司的資產(chǎn)收益率趨向于向下。在利率期限利差的參數(shù)與短期流動性利差的參數(shù)中，顯著數(shù)較少。短期流動性利差參數(shù)值皆為負，說明在極端的條件下，同業(yè)之間進行拆借的流動性風險溢價越大，金融公司的資產(chǎn)收益率降低。利率期限利差顯著的參數(shù)值皆為正，顯示出在極端條件下,對于金融公司的資產(chǎn)收益率有正向的作用。通常情況下，發(fā)生尾部極端事件的時候經(jīng)濟下行但是需求在下降，這個時候是正向的，表示對于管控風險的水平比較強的時候，金融公司有一種規(guī)避風險的動機，這時就會將長期的貸款利率提高，并將存款利率降低，從而擴大利率的期限利差，以此改善公司的自身經(jīng)營狀況。通過（5）式來研究單個的金融公司對于金融系統(tǒng)的作用參數(shù)，參數(shù)γsys表示單個金融公司的收益率對整體的金融體系影響。結(jié)果顯示銀行類、保險類、證券類公司的γsys參數(shù)大都顯著性為正，這表明系統(tǒng)性風險傳導機制是存在的，同時也證明了CoVaR模型是有效的。證券類公司的系數(shù)值幾乎顯著地小于銀行類公司與保險公司的系數(shù)值，說明其對金融系統(tǒng)的風險貢獻度沒有銀行和保險公司大。

表4 分位數(shù)回歸結(jié)果（分位數(shù)為q=5%）

(八)各金融機構(gòu)對系統(tǒng)性風險貢獻度的實證結(jié)果分析

以式（5）與式（6）為基礎(chǔ)，能夠度量出單個金融公司對于系統(tǒng)性風險的貢獻度△CoVaR。最終的計算結(jié)果通常是負數(shù)，為了分析簡便，對△CoVaR的日度數(shù)據(jù)取絕對值使其為正，得到33個金融公司對系統(tǒng)金融風險貢獻度的均值。

表5是全部金融公司在樣本期內(nèi)的△CoVaR的均值及排序，能夠用來研究單個金融公司對系統(tǒng)性金融風險的貢獻度。銀行類公司對于系統(tǒng)性風險的貢獻度最大，其均值在0.48附近，其中建設(shè)銀行與工商銀行對于系統(tǒng)性金融風險的貢獻度位于前兩位，并且排名前四的公司都是國有大型銀行，華夏銀行對系統(tǒng)性風險的貢獻度最低。資產(chǎn)規(guī)模大的金融公司通常對系統(tǒng)性風險的影響也是較大的，因此，監(jiān)管當局既要重點防范銀行類公司對系統(tǒng)性金融風險的貢獻度，還要根據(jù)資產(chǎn)規(guī)模來確定系統(tǒng)重要性公司。證券類的公司對系統(tǒng)性風險的貢獻度都比較低，其△CoVaR均值都在0.06附近。保險類公司對系統(tǒng)性風險的貢獻度處在中間地位，其△CoVaR均值都在0.11附近，其中，太平洋對系統(tǒng)性金融風險的貢獻度最高。

為了描述動態(tài)時序的金融機構(gòu)的△CoVaR，把日度△CoVaR序列進行處理從而得到各機構(gòu)的季度△CoVaR序列。因為樣本中的金融公司數(shù)量比較多，所以選取一些有代表性的公司進行分析。圖1簡潔地顯示出在2008年第1季度至2017年第3季度期間內(nèi)有代表性的金融公司對系統(tǒng)性風險貢獻度的季度△CoVaR時序圖。

表5 金融機構(gòu)樣本期內(nèi)△CoVaR的均值及排名

圖1 7個代表性金融公司的△CoVaR動態(tài)時序圖

從動態(tài)時序圖中趨勢分析發(fā)現(xiàn)，所有金融公司的△CoVaR，其變動趨勢具有同一步調(diào)的特征，而且都能很好地對極端性事件與系統(tǒng)性風險做出反應(yīng)。在2008年期間處于整個樣本期間的最高位，其中峰值是在2008年的第2季度，也就是在雷曼兄弟倒閉前后時間。國家出臺四萬億救市政策后金融體系中的系統(tǒng)性風險開始降低。隨著經(jīng)濟的復蘇，從2009年開始金融機構(gòu)的△CoVaR大幅度下降。然而，從2012年的第二季度開始，各金融機構(gòu)的△CoVaR又逐漸地增大，主要原因是當時我國經(jīng)濟發(fā)展增速已出現(xiàn)放緩趨勢。2012年我國國內(nèi)GDP增速僅為7.8%，創(chuàng)13年來最低水平。實體經(jīng)濟發(fā)展不佳導致風險增大，再加上歐洲債務(wù)危機的外部影響，系統(tǒng)性金融風險逐漸集聚，最終在2013年6月導致系統(tǒng)性風險在銀行業(yè)中的集中爆發(fā)，從而誘發(fā)錢荒事件。然而，2011年末到發(fā)生錢荒事件期間，△CoVaR的值并不是很大，這說明金融公司對系統(tǒng)性風險的貢獻度比較溫和，△CoVaR值只是在一定的幅度內(nèi)有上升的趨勢，而且各種金融公司在發(fā)生錢荒事件期間中的△CoVaR值比金融危機期間的峰值小很多，這表明出經(jīng)濟發(fā)展的速度下降以及錢荒事件的沖擊，均不會使金融公司對系統(tǒng)性金融風險的貢獻度有大幅的增加。但是，在2015年全部金融公司的△CoVaR都同時大幅度增加時，金融公司對系統(tǒng)性風險的貢獻度顯著地增大，這與2015年我國股市上出現(xiàn)的瘋牛行情以及在之后爆發(fā)的股災(zāi)事件是相呼應(yīng)的。

(九)三種不同方法的系統(tǒng)重要性機構(gòu)比較

本文通過分位數(shù)方法得到金融機構(gòu)對系統(tǒng)性風險的貢獻度，并對前十個系統(tǒng)性風險貢獻度重要性金融公司進行排序。將本文方法、張強等的指標法與賈彥東的網(wǎng)絡(luò)模型這三種方法得到的結(jié)果進行比較分析（見表6）。

對比分析結(jié)果表明，運用指標法和網(wǎng)絡(luò)模型法研究得到的排名前五的重要性金融機構(gòu)均為國有大型銀行，但排序差別較大。本文通過分析極端事件的尾部風險，發(fā)現(xiàn)股份制商業(yè)銀行（比如招商銀行和浦發(fā)銀行）對系統(tǒng)性金融風險貢獻度的排名有所上升?；诖?，本文認為，在評估系統(tǒng)重要性金融機構(gòu)的時候，不應(yīng)僅使用某一種方法進行單一衡量，而應(yīng)運用多種度量方法以綜合測度金融機構(gòu)對系統(tǒng)性風險的貢獻度，為金融風險的監(jiān)管實踐提供切實有效的借鑒。

表6 不同方法下的系統(tǒng)重要性機構(gòu)比較

四、結(jié)論與建議

(一)金融機構(gòu)對系統(tǒng)性金融風險貢獻度的研究結(jié)論

1.金融市場總資產(chǎn)收益率的尖峰、后尾特性滿足分位數(shù)回歸方法的前提條件。股票市場的震蕩越大，金融公司所遭受的損失就會越大；期限利差與流動性利差對于不同種類的金融公司的作用差異很大。當期限利差變大時，銀行、保險類金融公司出現(xiàn)極端風險的可能性降低，但是證券行業(yè)的公司發(fā)生極端風險的可能性加大；短期流動性的利差對銀行業(yè)公司有較大的影響，主要發(fā)生在十分極端的分位數(shù)下。在這種條件下，會增大銀行業(yè)中金融公司的風險；金融公司規(guī)模這個變量對于系統(tǒng)性風險的影響是十分顯著的，那些規(guī)模很大的金融公司往往也對系統(tǒng)性金融風險的貢獻度較大。

2.按風險的貢獻度從大到小排序為銀行類機構(gòu)、保險類機構(gòu)和證券類機構(gòu)。銀行類金融公司中對系統(tǒng)性金融風險貢獻度最高的是中國建設(shè)銀行；而證券類金融公司對系統(tǒng)性風險貢獻度普遍較低；保險類金融公司對系統(tǒng)性風險的貢獻度處于中間位置。對各大金融機構(gòu)系統(tǒng)性風險貢獻度進行排名，得到前十名系統(tǒng)重要性的金融機構(gòu)，皆為銀行機構(gòu)。這說明銀行在中國金融系統(tǒng)中占有最重要的位置。銀行類金融機構(gòu)若出現(xiàn)金融風險，會對金融體系產(chǎn)生很大的沖擊作用。

(二)金融機構(gòu)視角下的系統(tǒng)性金融風險防范建議

1.多種度量工具并用。多種度量工具并用，加強對金融數(shù)據(jù)的統(tǒng)計，把上市與非上市金融機構(gòu)的相關(guān)數(shù)據(jù)詳細統(tǒng)計，然后利用各種度量方法對系統(tǒng)性金融風險的貢獻度進行測度，從而能夠?qū)鹑跈C構(gòu)系統(tǒng)性風險的貢獻度有一個全面的了解，以便對整個金融體系的系統(tǒng)性風險有一個很好的把控。傳統(tǒng)的技術(shù)雖然被大量應(yīng)用，然而這種方法在宏觀審慎監(jiān)管中有很大的不足。技術(shù)可測度金融機構(gòu)對系統(tǒng)性風險的貢獻度，在一定程度上彌補技術(shù)上的不足，然而，用這種方法計算的數(shù)值，需要數(shù)據(jù)具有較強的有效性且模型具有較強的適用性。因此，監(jiān)管機構(gòu)不能僅依賴單一方法，要同時使用多種風險測度方法對系統(tǒng)性金融風險進行量化研究，比如利用CoRisk(條件風險模型)、SRISK(系統(tǒng)風險指數(shù)模型)、SES(系統(tǒng)預(yù)期損失模型)，全方位、多維度測度金融機構(gòu)之間的風險溢出效應(yīng)以及對整個金融系統(tǒng)的邊際風險貢獻。

2.對重要性機構(gòu)實施動態(tài)監(jiān)控。如今，金融市場發(fā)展日新月異，我國混業(yè)經(jīng)營加速。金融機構(gòu)對系統(tǒng)性金融風險的貢獻度是不穩(wěn)定的，而且在不同時期內(nèi)的波動性也是不一樣的，所以要實時、動態(tài)地對金融機構(gòu)進行監(jiān)管。在經(jīng)濟較為平穩(wěn)的時期，對規(guī)模較大或期限錯配水平較高的機構(gòu)，由于其較高的傳染性，應(yīng)要求更高的準備金率和撥備覆蓋率以增強其應(yīng)對非預(yù)期損失的能力，從而避免其在遭受損失時發(fā)生大范圍的風險傳染；［23］在經(jīng)濟繁榮時期，監(jiān)管者應(yīng)該將關(guān)注重點轉(zhuǎn)移到此時系統(tǒng)性風險較高的機構(gòu)，因為一旦出現(xiàn)危機，這些機構(gòu)受到?jīng)_擊的速度及風險傳染的速度更快，加劇金融市場的動蕩；危機發(fā)生時，金融脆弱性較高與其他機構(gòu)關(guān)聯(lián)性較強、風險承擔能力較低的金融機構(gòu)，應(yīng)及時得到政府的救助，避免危機進一步傳遞。

3.按照功能和地位分類監(jiān)管。近年來，我國新型金融機構(gòu)發(fā)展迅速，規(guī)模增長迅猛，不同金融子行業(yè)的金融機構(gòu)之間的風險溢出效應(yīng)很強，然而與此相應(yīng)的分類與綜合風險監(jiān)管體系卻尚未有效建構(gòu)起來。所以，每個金融子行業(yè)都要提高自身行業(yè)的風險度量與防范能力，從防控體系、技術(shù)手段和人才培養(yǎng)等各維度上加大投入，以同時增強分類和綜合風險管理能力。此外，監(jiān)管當局要根據(jù)不同的金融機構(gòu)在系統(tǒng)性風險積累、傳導過程中所處的不同位置來制定與之相對應(yīng)的監(jiān)管方式，進行差異化管理。在監(jiān)管的過程中，需要考慮每個金融機構(gòu)對于系統(tǒng)性金融風險的貢獻度，對于那些貢獻度排名靠前的金融機構(gòu)（比如，銀行類機構(gòu)）要嚴加防控，對其風險進行實時度量和動態(tài)化的監(jiān)管，及時發(fā)現(xiàn)機構(gòu)潛在的異常波動風險，重點排查風險源頭，做到早期識別、及時預(yù)警、主動處置，積極引導金融機構(gòu)回歸本源，聚焦服務(wù)實體經(jīng)濟；而對于排名靠后的金融機構(gòu)，實施相對較寬松一點的監(jiān)管政策。一方面能夠使得中國的金融系統(tǒng)保持穩(wěn)定性，另一方面又能夠使得中國的金融系統(tǒng)保有活力。具體而言，我國銀行部門是系統(tǒng)性風險的主要產(chǎn)生者，因此加強對銀行部門的風險監(jiān)管，降低銀行部門的風險溢出水平是防范化解我國系統(tǒng)性金融風險，維護金融系統(tǒng)安全穩(wěn)定的關(guān)鍵。［24］可以針對股份制商業(yè)性銀行、國有大型商業(yè)銀行提出不同的監(jiān)管方法，把監(jiān)管的標準進行細分化，也可以根據(jù)銀行機構(gòu)的規(guī)模和地域性等方面來制定出分類的差別化監(jiān)管準則。

4.根據(jù)不同類型機構(gòu)風險精準施策。對系統(tǒng)性金融風險的貢獻較高的金融機構(gòu)，依照高風險金融集團既定方案和分工安排依法依規(guī)進行管理處置。對農(nóng)村金融機構(gòu)所面臨的風險，要堅持縣域法人地位總體穩(wěn)定，鼓勵綜合運用多種方式補充資本，引進戰(zhàn)略投資者。對城商行和信托等金融機構(gòu)所面臨的風險，要及時制定并實施風險處置方案。另外，加快統(tǒng)一系統(tǒng)重要性金融機構(gòu)的識別方法，列舉國內(nèi)系統(tǒng)重要性金融機構(gòu)名單，對于名單內(nèi)的金融機構(gòu)，組織制定恢復與處置計劃，建立高效的問題機構(gòu)風險處置機制。金融機構(gòu)要履行好主體責任，股東特別是主要股東要承擔重要責任，金融管理部門履行監(jiān)管主體責任。［25］尤其針對那些貢獻度排名靠前的銀行類金融機構(gòu)，要健全存款保險制度和機構(gòu)體系，充分發(fā)揮早介入、早預(yù)警、早處置的作用。

5.規(guī)范金融機構(gòu)內(nèi)部管理機制，防范化解金融科技風險。長期以來，我國金融機構(gòu)普遍存在“重貸款，輕管理”的問題，一些金融機構(gòu)為了追求規(guī)模效益，比較重視經(jīng)濟業(yè)務(wù)的發(fā)展，忽略了系統(tǒng)性金融風險的防控。［26］由于過度關(guān)注績效考核，將業(yè)務(wù)重點放在了資金投放上，缺乏對貸后資金細致且有效的管理，貸后管理成為信貸管理的薄弱環(huán)節(jié)。因此，金融機構(gòu)要嚴格把關(guān)資金的投放領(lǐng)域，加強對資金流向的監(jiān)控力度，建立健全風險預(yù)警機制。在信貸資金投放時，要嚴格把關(guān)信貸準入門檻，保證審批流程的完善性和合理性，同時注意提升貸后管理能力，在重大風險發(fā)生前，綜合運用多種風險測度方法對系統(tǒng)性金融風險進行量化研究，做出風險預(yù)判。金融機構(gòu)在運用大數(shù)據(jù)、云計算、人工智能等高新技術(shù)的同時也要注意傳統(tǒng)金融風險的表現(xiàn)形式、傳染路徑可能發(fā)生的潛在變化。

6.構(gòu)建全球多邊監(jiān)管機制。在全球金融危機爆發(fā)前，國際上通行的監(jiān)管規(guī)則主要是針對機構(gòu)層面的微觀審慎監(jiān)管，用系統(tǒng)內(nèi)各個金融機構(gòu)風險的簡單加總來衡量整體的金融風險。這種監(jiān)管方式主要是依靠金融機構(gòu)的自制能力，監(jiān)管當局普遍認為只要每個金融機構(gòu)的個體風險被較好地控制，整個金融體系的風險就能被控制。然而，國際金融危機的爆發(fā)證明，即使世界上絕大多數(shù)國家金融機構(gòu)穩(wěn)健，也不能杜絕系統(tǒng)性全球金融風險的爆發(fā)。因此，后金融危機時代的金融監(jiān)管不應(yīng)該只關(guān)注單個國家的個體金融機構(gòu)，而是轉(zhuǎn)向全球范圍內(nèi)整個金融體系的宏觀審慎監(jiān)管，構(gòu)建一個多邊的、宏觀審慎與微觀審慎相結(jié)合的國際金融監(jiān)管體制機制，站在人類命運共同體的高度對系統(tǒng)性金融風險進行全球性的宏觀審慎監(jiān)管。［27］