宋凌峰，章尹賽楠，劉志龍

武漢大學 經(jīng)濟與管理學院，武漢 430072

引言

在中國金融體系發(fā)展進程中，金融行業(yè)由分業(yè)經(jīng)營向混業(yè)經(jīng)營演變的趨勢日益明顯，金融子部門之間的業(yè)務界限逐漸變得模糊，包括商業(yè)銀行、證券公司、保險公司在內(nèi)的金融機構都向綜合化和多元化方向發(fā)展。一方面，在規(guī)模經(jīng)濟和范圍經(jīng)濟影響下金融部門的運作效率得以提高，有利于避免金融脫媒現(xiàn)象帶來的資源流失；另一方面，隨著各類金融機構不斷突破分業(yè)經(jīng)營限制，其資本和產(chǎn)品等方面的聯(lián)系不斷加強，系統(tǒng)性風險更易在金融子部門之間傳導，以股權控制和資金交易等方式為紐帶，將單個市場、單個部門的風險滲透到金融系統(tǒng)中，從而導致交叉風險派生，并在不同金融子部門之間蔓延。尤其是在此前分業(yè)監(jiān)管的體制下，各監(jiān)管部門無法監(jiān)測資金的真實流向，金融部門的交叉風險往往處于監(jiān)管盲區(qū)內(nèi)，隨著金融風險的外溢速度和規(guī)模的不斷增強，金融系統(tǒng)性風險呈現(xiàn)惡化的態(tài)勢。

從理論上看，金融部門系統(tǒng)性風險包含單個金融機構或子部門自身固有的風險和各金融機構之間由于業(yè)務和資產(chǎn)負債關聯(lián)導致的交叉風險兩部分，但在此前的監(jiān)管體系中，金融部門交叉風險一度處于監(jiān)管空白。對金融部門交叉風險傳導機制及其影響因素進行研究，有利于健全金融監(jiān)管框架，守住不發(fā)生系統(tǒng)性金融危機的底線。本研究在充分考慮厚尾風險和金融機構風險關聯(lián)的前提下構建系統(tǒng)性或有權益分析框架，實現(xiàn)對金融部門固有風險和交叉風險的分解和測量，在此基礎上融入網(wǎng)絡模型和馬爾科夫區(qū)制轉(zhuǎn)移方法，考察網(wǎng)絡結構和固有風險對交叉風險的影響機制。

1 相關研究評述

1.1 金融系統(tǒng)性風險的跨部門關聯(lián)

交叉風險由金融系統(tǒng)性風險的跨部門關聯(lián)所致，目前學術界關于交叉風險的研究側(cè)重于將金融部門作為一個整體，探討整個金融部門與其他部門之間由于資產(chǎn)和業(yè)務關聯(lián)等因素所致的交叉風險，主要包括以下幾類：①實體經(jīng)濟部門與金融部門之間的風險關聯(lián)研究。BALCILAR et al.[1]利用MS-VEC模型研究石油市場和貴金屬(黃金、白銀和鈀金)市場與金融市場之間的風險關系，發(fā)現(xiàn)市場間風險傳導依賴于商品價格和匯率的波動幅度；BAELE et al.[2]利用貝葉斯模型檢驗美國銀行的風險影響因素，發(fā)現(xiàn)房地產(chǎn)市場和Fama-French因素與1986年至2010年期間美國銀行股票收益率具有可靠的相關性。②銀行部門與政府部門的風險反饋研究。巴曙松等[3]通過系統(tǒng)性或有權益分析法綜合考慮極端時期機構之間違約的尾部風險和相依結構，計算中國五大國有銀行的聯(lián)合違約概率和期望損失等風險指標，分析銀行風險與政府隱性擔保之間的關系，為測量政府對金融機構的隱性擔保額提供了量化依據(jù)；宋凌峰等[4]利用或有權益分析法構建雙重隱性擔保模型，探究歐債危機中希臘銀行與政府部門在面臨負面沖擊時的風險反饋機制。③金融風險在不同主權部門之間的傳染研究。WONG et al.[5]采用CoVaR方法考察13個亞洲國家的股市風險關聯(lián)程度；朱正等[6]通過DCC-MVGARCH和BEKK-MVGARCH模型，對金融危機前后中美股票市場時變聯(lián)動關系和風險傳染途徑進行研究，發(fā)現(xiàn)美國金融風險主要通過貿(mào)易溢出和投資者預期的凈傳染效應進行傳染，而金融溢出的傳染效果并不顯著。

隨著金融體系由分業(yè)向混業(yè)演變，金融子部門之間的資產(chǎn)與業(yè)務關聯(lián)不斷加強，交叉風險在子部門之間的溢出效應增強，金融系統(tǒng)內(nèi)子部門之間的風險關聯(lián)研究的重要性日益顯現(xiàn)。KAUFMAN[7]認為整個金融系統(tǒng)中各部門相互關聯(lián)，當某一部門發(fā)生違約時，對其他部門造成負面沖擊從而導致系統(tǒng)性金融風險爆發(fā)；嚴偉祥等[8]通過構建DCC-GARCH模型刻畫銀行、證券、保險、信托以及金融期貨的動態(tài)相關性，并分析其風險溢出效應，同時將結果植入CoVaR方法中，測量行業(yè)間的風險溢出貢獻；沈悅等[9]和徐映梅等[10]采用GARCH-Copula-CoVaR拓展模型測量銀行、保險、證券和信托4個子部門對金融業(yè)的系統(tǒng)性風險貢獻程度以及各子部門之間的風險溢出程度，發(fā)現(xiàn)不同子部門之間風險溢出程度呈非對稱性，銀行業(yè)與證券業(yè)之間的風險溢出效應遠大于其他子部門，但二者在最大風險源方面存在差異，前者認為銀行部門是金融行業(yè)最大風險源，而后者則認為是證券部門。

金融風險在不同機構和不同市場之間傳導主要基于機構和市場之間的業(yè)務關聯(lián)和資產(chǎn)關聯(lián)。在資產(chǎn)關聯(lián)方面，UPPER et al.[11]認為金融機構的資產(chǎn)負債結構是金融網(wǎng)絡結構的重要組成部分；GORTON et al.[12]從美國影子銀行體系批發(fā)性融資模式的角度出發(fā)，發(fā)現(xiàn)在銀行間回購市場的擠兌中，金融風險傳染通過商業(yè)銀行與影子銀行之間的債權債務關聯(lián)引發(fā)；茍文均等[13]利用中國國民經(jīng)濟五大部門的數(shù)據(jù)，以或有權益分析模型為基礎分析債務杠桿與系統(tǒng)性風險傳染之間的關系，發(fā)現(xiàn)債務杠桿的上升使國民經(jīng)濟各部門風險攀升，并通過股權和債務渠道影響系統(tǒng)性風險在部門間的傳導。在業(yè)務關聯(lián)方面，何卓靜等[14]認為金融機構之間的資金與業(yè)務關聯(lián)可能擴大對單個金融機構危機的負面影響，促進交叉風險的派生；方先明等[15]通過構建t-Garch-Copula模型，基于業(yè)務關聯(lián)視角測量影子銀行交叉風險，發(fā)現(xiàn)交叉風險源于影子銀行不同業(yè)務中資金交叉復合使用，從而導致信用、期限和流動性的錯配；葉文輝[16]認為金融業(yè)務的交叉在提高金融運作效率和盈利空間的同時，也使交叉風險的傳染復雜化，且融資類和產(chǎn)品類金融交叉業(yè)務通過通道、信用增級、過橋和回購承諾等方式更易滋生金融風險。

1.2 網(wǎng)絡結構與交叉風險

金融風險事件中的各類風險存在相互作用機制[17]，除金融子部門的固有風險外，金融子部門之間的交叉風險還會受到金融風險網(wǎng)絡結構的影響。DIEBOLD et al.[18-19]通過方差分解的方式構建世界前150家銀行之間的網(wǎng)絡結構，發(fā)現(xiàn)金融網(wǎng)絡結構具有明顯的周期性變化特征，且這種周期性變化在金融危機期間急劇增長。關于金融網(wǎng)絡結構與交叉風險的研究分為兩個層面，一是針對網(wǎng)絡風險傳染的影響因素分析，二是研究不同的網(wǎng)絡結構對金融風險的影響。在網(wǎng)絡風險傳染的影響因素方面，ANAND et al.[20]和CHEN et al.[21]從風險傳染的角度直接研究風險派生的機制，通過分析金融機構的網(wǎng)絡拓撲結構與融資結構的相互作用，認為風險沖擊導致信用關系的破裂，并通過網(wǎng)絡渠道和流動性渠道對系統(tǒng)性風險派生產(chǎn)生影響，網(wǎng)絡風險的傳染受到流動性約束；CRAIG et al.[22]從風險溢出的角度對網(wǎng)絡風險傳染的影響因素進行分析，通過空間計量模型構建銀行之間市場網(wǎng)絡，發(fā)現(xiàn)銀行風險與其相關聯(lián)的金融機構的財務狀況有關，銀行通過調(diào)整貸款和證券業(yè)務結構有利于增強銀行穩(wěn)定性，降低銀行之間市場網(wǎng)絡中系統(tǒng)重要性銀行的違約概率；隋聰?shù)萚23]以中國銀行業(yè)數(shù)據(jù)為基礎，建立銀行之間債務網(wǎng)絡模型，通過不同類型的網(wǎng)絡構建和風險情景設計，模擬銀行之間債務網(wǎng)絡中的風險傳染，發(fā)現(xiàn)降低銀行之間貸款限額以及提高資本充足率可以有效防止銀行之間風險的蔓延，網(wǎng)絡的平均密度對風險蔓延也有明顯的影響。

不同網(wǎng)絡關聯(lián)結構產(chǎn)生的交叉風險存在差異，對交叉風險的研究需要從金融網(wǎng)絡結構分析入手[24-25]。鄧超等[26]利用銀行間市場交易環(huán)境仿真模型，對比不同網(wǎng)絡結構面臨風險沖擊時的脆弱性和恢復力；ALLEN et al.[27]最早將網(wǎng)絡分析法運用到金融機構與金融市場之間風險傳染的研究中，發(fā)現(xiàn)銀行之間市場的風險傳染有賴于其網(wǎng)絡結構，認為緊密的網(wǎng)絡結構特征有利于形成風險共擔，降低負面沖擊對于單個機構的影響，從而增強金融系統(tǒng)的風險彈性。但后續(xù)的部分研究成果發(fā)現(xiàn)緊密的網(wǎng)絡結構會起到風險放大器的作用，BLUME et al.[28]發(fā)現(xiàn)，隨著個體的關聯(lián)機構增加，風險網(wǎng)絡結構更加緊密，系統(tǒng)性風險爆發(fā)的概率也不斷上升，網(wǎng)絡結構的高連通性反而降低系統(tǒng)性風險彈性。此后，在網(wǎng)絡結構和系統(tǒng)性風險的研究中逐步發(fā)展出了傳染的相變理論，即認為網(wǎng)絡系統(tǒng)性風險表現(xiàn)出穩(wěn)健但脆弱的性質(zhì)。BOROVKOVA et al.[29]和MARBUKH[30]認為，當外部風險沖擊較小、系統(tǒng)性危機尚未發(fā)生時，價值鏈網(wǎng)絡結構的高連通性特征有利于分散風險，降低違約概率，而當危機一旦爆發(fā)，高連通性反而提高發(fā)生大規(guī)模違約的概率；胡宗義等[31]利用2014年至2016年中國金融企業(yè)的市值數(shù)據(jù)建立信息關聯(lián)網(wǎng)絡，分析網(wǎng)絡相關性、網(wǎng)絡結構和系統(tǒng)性風險之間的關系，認為當網(wǎng)絡結構受到?jīng)_擊發(fā)生變化時，網(wǎng)絡相關性的增強可以彌補網(wǎng)絡結構弱化帶來的風險溢出。

1.3 基于金融部門關聯(lián)性的系統(tǒng)性風險測量

英格蘭銀行2009年的工作報告中指出，系統(tǒng)性風險來自時間的積累和空間的傳染[32]。測量由金融部門之間關聯(lián)性引發(fā)的系統(tǒng)性風險可以分為時間層面和空間層面，時間層面主要基于金融機構風險損失的時間序列進行分析，空間層面則主要在截面時間點上構建金融風險網(wǎng)絡。

在時間層面上，GRAY et al.[33]將財務數(shù)據(jù)與市場股價數(shù)據(jù)相結合，構建或有權益分析模型，為研究金融機構信用風險演變提供了基本框架。一般來說金融風險表現(xiàn)出明顯的厚尾特征，極端金融風險爆發(fā)期間金融機構之間系統(tǒng)性金融風險的傳染性和聯(lián)動性顯著增強[34]。為更有效地測量金融部門整體尾部系統(tǒng)性風險，GRAY et al.[35]在通過或有權益分析方法得到預期損失的基礎上，利用極值分布理論對預期損失的尾部序列進行擬合和預測，并采用Copula函數(shù)考察金融機構之間的風險相依結構，從而完成信用風險從微觀到宏觀層面的跨越；REBOREDO et al.[36]通過CoVaR-Copula方法研究希臘債務危機發(fā)生前后歐洲主權債務市場的系統(tǒng)性風險，發(fā)現(xiàn)在債務危機之前，主權債務市場都是耦合的，所有國家的系統(tǒng)性風險具有相似性；李志輝等[37]結合中國銀行業(yè)實際情況，基于此框架提出優(yōu)化算法，并采用非參數(shù)統(tǒng)計方法估計時變相依函數(shù)，提出新的系統(tǒng)性風險監(jiān)測指標J-VaR。

在空間層面上，基于網(wǎng)絡的金融風險傳導研究又分為部門內(nèi)部和跨部門兩個方向。ALLEN et al.[38]、 CALDARELLI et al.[39]和GLASSERMAN et al.[40]通過構建金融部門內(nèi)部的機構之間網(wǎng)絡對金融系統(tǒng)性風險進行測量。還有學者在此基礎上對風險的跨部門傳導進行研究，PALTALIDIS et al.[41]通過最大熵算法對歐元區(qū)銀行與政府之間的風險頭寸暴露進行估計，運用Furfine壓力測試模擬計算信用風險的跨境傳導和系統(tǒng)性風險暴露；方意[42]在傳統(tǒng)銀行之間同業(yè)網(wǎng)絡模型中加入去杠桿-降價拋售機制，模擬計算房地產(chǎn)、地方政府融資平臺貸款違約的系統(tǒng)性風險，發(fā)現(xiàn)網(wǎng)絡模型中去杠桿、降價拋售和破產(chǎn)對風險傳染的相對重要性依次遞減。平臺貸款違約概率存在閾值，在閾值之上銀行損失規(guī)模和倒閉數(shù)量急劇攀升。但是基于持有頭寸構建的系統(tǒng)性風險指標在數(shù)據(jù)樣本的獲取和對象范圍的選擇上具有一定的局限性，難以擴展到其他市場之中。

綜上所述，金融交叉風險主要來源于其自身的固有風險以及各金融機構業(yè)務和資產(chǎn)方面的跨部門關聯(lián)，不同金融風險網(wǎng)絡結構對交叉風險的派生具有差異化影響，但已有研究仍存在一定的局限性。①在金融風險的跨部門分析方面，主要將金融系統(tǒng)視為一個整體，由此分析金融部門與其他部門的風險傳導，在僅有的少量金融系統(tǒng)內(nèi)跨部門風險研究中，研究范疇仍限于不同子部門風險對整體系統(tǒng)性風險的貢獻度以及風險在子部門之間的兩兩傳導，而未將各部門之間的交叉風險與其自身的固有風險進行區(qū)分，從而忽視了各部門固有風險對交叉風險的差異化影響。②在金融網(wǎng)絡結構對交叉風險的影響方面，關于網(wǎng)絡風險傳染的影響因素的分析已比較完善，但是外部風險沖擊如何影響網(wǎng)絡結構并最終影響金融部門交叉風險的問題仍待解決。③在系統(tǒng)性風險的測量方法上，網(wǎng)絡分析法主要反映單個時點下金融網(wǎng)絡的風險相依結構，與包括或有權益分析法在內(nèi)的時間維度上的系統(tǒng)性風險測量方法相比，雖然更有利于從空間結構上反映不同風險因素對風險傳染的影響規(guī)律，但是難以實現(xiàn)時間維度上歷史性與預測性的統(tǒng)一。

基于此，本研究從金融子部門之間的資產(chǎn)和業(yè)務關聯(lián)出發(fā)，構建基于網(wǎng)絡視角的系統(tǒng)性或有權益分析模型，實現(xiàn)系統(tǒng)性風險測量過程中時間與空間維度上的統(tǒng)一，繼而測量金融子部門自身固有風險及其相互之間的交叉風險，結合網(wǎng)絡風險傳染的影響因素，分析在固有風險處于不同狀態(tài)時，金融固有風險以及網(wǎng)絡結構對交叉風險的差異性影響。

2 理論分析

2.1 金融系統(tǒng)性風險及其解構

或有權益方法將所有者權益看作總資產(chǎn)的看漲期權，總負債看作無風險負債和預期損失之和。對于金融機構有

ELi=DBie-rTN(-d2i)-AiN(-d1i)

(1)

其中，i為金融機構；EL為預期損失集合，代表金融機構的信用違約風險；DBi為債務的賬面價值；r為無風險利率；T為債務到期的時間；N(·)為標準正態(tài)分布函數(shù)；N(-d2i)為違約概率；d2i為違約距離；d1i為違約距離推導的一個中介變量；Ai為資產(chǎn)市值；δAi為資產(chǎn)市值波動率。

由于i金融機構的資產(chǎn)市值無法通過直觀的數(shù)據(jù)得到，GRAY et al.[33]認為權益市值可以視為以資產(chǎn)市值為標的、以負債水平為執(zhí)行價格的看漲期權，因此隱含的資產(chǎn)市值和波動率可以通過非線性方程組迭代求解計算得到，即

Ei=AiN(d1i)-DBie-rTN(d2i)

(2)

(3)

其中，Ei為權益市值，δEi為權益市值波動率。

在金融機構債務的賬面價值DB和其利率r確定時，預期損失表現(xiàn)為資產(chǎn)市值和資產(chǎn)市值波動率的函數(shù)EL(Ai,δAi)，即金融機構資產(chǎn)市值的波動決定其違約概率和風險損失。在風險損失完全無關的條件下，其系統(tǒng)性風險值為二者簡單的加總，定義金融部門固有風險為

IR=∑ELi(Ai,δAi)

(4)

其中，IR為金融部門固有風險。

金融機構之間存在較為普遍的信用風險關聯(lián)，且主要通過業(yè)務和資產(chǎn)渠道在金融系統(tǒng)中傳導風險。在業(yè)務渠道方面，商業(yè)銀行通過大舉擴張同業(yè)負債和同業(yè)理財?shù)姆绞?，實現(xiàn)信用派生，但由于受到資本充足率等監(jiān)管要求的限制，無法將派生的流動性注入實體經(jīng)濟中，只有將政府或非銀行金融機構作為信用平臺，借道流入實體經(jīng)濟。隨著金融機構不斷獲取多種金融牌照，通過建立金融集團的方式打通資本、貨幣和保險市場，這種業(yè)務模式的創(chuàng)新發(fā)展使金融機構之間的風險關聯(lián)增強，金融杠桿上升，其固有風險和交叉風險得以迅速放大。

在資產(chǎn)渠道方面，企業(yè)除商業(yè)銀行的間接融資外，還通過發(fā)行股票、債券等金融產(chǎn)品進行直接融資，通過金融產(chǎn)品的創(chuàng)新，使金融系統(tǒng)中各部門資產(chǎn)關聯(lián)不斷加強，資本市場各主體由于持有相同或相似的金融資產(chǎn)也導致風險的交叉?zhèn)魅?。特別是在市場發(fā)生極端風險事件時，機構在信息外溢和市場恐慌情緒下會造成對于金融產(chǎn)品的過度拋售和贖回，使金融資產(chǎn)清算價值進一步降低，持有相關金融資產(chǎn)的機構資產(chǎn)負債狀況進一步惡化，發(fā)生跨機構、跨部門的風險傳染。

在考慮金融機構之間風險損失的聯(lián)動時，金融機構的資產(chǎn)市值關聯(lián)性為G(A1,A2,…,Ai,…,An)，資產(chǎn)市值波動率關聯(lián)性為H(δA1,δA2,…,δAi,…,δAn)，G(A1,A2,…,Ai,…,An)=0，H(δA1,δA2,…,δAi,…,δAn)=0。假設金融部門共有n個金融機構，i∈n，除i金融機構外的其他金融機構記為j，即j=1,2,…,n-1，其他金融機構整體記為s。當其他金融機構的資產(chǎn)市值及其波動率確定時，金融系統(tǒng)性風險可以表示為

(5)

(6)

其中，CR為金融部門交叉風險。

由此，金融系統(tǒng)性風險可以被分解為固有風險IR和交叉風險CR兩部分，而各金融子部門的固有風險和交叉風險可通過部門中各機構的風險平均值得到。此外，交叉風險派生主要受到金融機構固有損失和機構之間的資產(chǎn)關聯(lián)狀況兩方面的影響。

2.2 固有風險與交叉風險派生

固有風險對于交叉風險的派生具有促進作用。金融機構信用風險一般存在較為明顯的尾部風險，當面臨外部風險沖擊時，金融機構之間的資產(chǎn)市值及其波動率關聯(lián)明顯增強，即有

(7)

其中，K(Ai,Aj)為i機構與j機構之間資產(chǎn)市值的相關性，K(δAi,δAj)為i機構與j機構之間資產(chǎn)市值波動率的相關性。在風險沖擊下，考慮風險關聯(lián)的狀況下，資產(chǎn)市值小于、資產(chǎn)市值波動率大于其固有風險狀態(tài)下的值，且這種變化隨著風險沖擊的加大而越發(fā)明顯，即

(8)

從而固有風險對交叉風險的派生具有促進作用，較高的固有風險往往對應著較高的交叉風險。進一步對金融部門交叉風險進行標準化處理，得到交叉風險派生系數(shù)為

(9)

(10)

2.3 網(wǎng)絡結構差異性對金融系統(tǒng)性風險的影響

一方面，金融部門系統(tǒng)性風險的擴散效應是風險稀釋的前提，通過風險網(wǎng)絡可以將外部沖擊分散到金融部門的各個機構中，形成風險共擔機制，提高金融部門整體的風險抵御能力，部分緩解交叉風險的派生。另一方面，在外部風險沖擊較大時，金融機構尾部風險相關性較強，網(wǎng)絡結構的風險稀釋效應一般難以表現(xiàn)出來，而風險擴散效應則在此時發(fā)揮主導作用。各部門的風險溢出效應使風險擴散對金融部門風險具有惡化作用，并由于極端外部沖擊的影響在網(wǎng)絡結構內(nèi)產(chǎn)生連鎖反應，進而爆發(fā)系統(tǒng)性金融危機。

因此，在宏觀上存在固有風險的閾值I*，使網(wǎng)絡結構對系統(tǒng)性風險派生的作用呈現(xiàn)出結構化的差異。當IRI*時，網(wǎng)絡結構表現(xiàn)出多米諾骨牌般的脆弱特性。

3 模型和方法

3.1 測量系統(tǒng)性風險

對于系統(tǒng)性風險的測量，本研究基于系統(tǒng)性或有權益分析方法對預期損失的時間序列進行研究，剖析金融機構之間尾部的風險關聯(lián)。PICKANDS[43]的研究表明，超過某一閾值的觀測值漸近服從廣義Pareto分布，將金融機構的預期損失序列通過歷史數(shù)據(jù)進行擬合，即

(11)

其中，el為預期損失集合中的元素，G(el)為金融機構的預期損失函數(shù)序列，k為形狀參數(shù)，u為Pareto分布的閾值，σ為尺度參數(shù)，可通過最大似然估計方法得到k和σ。對于預期損失樣本尾部的數(shù)值EL(EL>el)，其在全樣本中的概率分布可表示為

F(el)=Pr{EL≤el}

=Pr{EL≤u}+(1-Pr{EL≤el})G(el)

(12)

其中，F(xiàn)(el)為全樣本中的預期損失概率分布函數(shù)，Pr{EL≤u}可以通過全樣本中樣本數(shù)值小于閾值的數(shù)量頻率估計，從而可以進一步精確地計算出對于尾部極端值下的樣本分布狀況。

在得到各經(jīng)濟主體預期損失的邊緣概率分布后，在對系統(tǒng)性風險的測量過程中需要進一步考慮機構之間的風險關聯(lián)，即需要對預期損失的聯(lián)合概率分布進行估計和建模，因此引入Copula風險相依結構對經(jīng)濟主體之間預期損失分布進行分析。

目前Copula函數(shù)的種類較多，但其中Archimedean族的Copula函數(shù)由于具有可結合性等良好性質(zhì)，在實踐中應用更為廣泛。特別地，本研究基于Archimedean族中常使用的Gumbel Copula對預期損失的左尾數(shù)據(jù)進行擬合，選擇似然值較大的Copula構建潛在損失的聯(lián)合分布。獲得預期損失的聯(lián)合概率分布，其函數(shù)形式為

C[F1(el1),…,Fn(eln)]

(13)

其中，C[F1(el1),…,Fn(eln)]為預期損失的聯(lián)合概率分布函數(shù)，γ為描述兩個變量間相關性的參數(shù)。

在通過廣義帕累托分布和Copula函數(shù)構建金融機構預期損失的聯(lián)合概率分布C(el1,el2,…,eln)后，需要在此基礎上進一步對其蘊含的系統(tǒng)性風險指標進行構建和測量。根據(jù)廣義帕累托分布，當其形狀參數(shù)大于0時，說明其概率分布表現(xiàn)出明顯的厚尾特征，此時預期損失的期望值等指標均趨向于無窮大，無法成為測量系統(tǒng)性風險的指標。因此，本研究借鑒在險值測量風險的思想，定義金融業(yè)系統(tǒng)性風險。在t時刻，通過聯(lián)合概率分布C(el1,el2,…,eln)，在一定的顯著性水平α下計算金融系統(tǒng)性風險，即

SR=inf{el1+el2+…+eln|C[F1(el1),F2(el2),…,

Fn(eln)]≥α}

(14)

由于極值Copula函數(shù)的解析形式復雜，實際計算SR是采用蒙特卡洛模擬進行數(shù)值計算，具體方式如下。

(1)根據(jù)金融機構的數(shù)量，生成n維隨機數(shù)[F1(el1),F2(el2),…,Fn(eln)]，F(xiàn)i(eli)∈[0,1]。

(2)將n維隨機數(shù)代入估計出的Copula聯(lián)合分布函數(shù)中，計算聯(lián)合累計概率值C[F1(el1),F2(el2),…,Fn(eln)]。

(3)根據(jù)金融機構估計出的廣義Pareto分布，求隨機數(shù)Fi(eli)的反函數(shù)eli。

(5)重復計算10 000次，取計算所得的平均值。

3.2 馬爾科夫區(qū)制轉(zhuǎn)移下的交叉風險派生

為進一步辨析固有風險在網(wǎng)絡結構和交叉風險派生中的結構性差異效果，本研究借鑒HAMILTON[44]和KROLZIG et al.[45]的研究中的馬爾科夫區(qū)制轉(zhuǎn)移模型的思想，將其與NAKAJIMA et al.[46]使用的帶隨機波動的TVP-VAR模型相結合，分析在不同區(qū)制條件下固有風險對交叉風險的影響。馬爾科夫區(qū)制轉(zhuǎn)移模型能夠有效刻畫各變量在不同狀態(tài)之間的動態(tài)演變特征，但是在MS-VAR模型中自回歸的脈沖響應分析無法解釋存在突變時各變量之間的非線性關系，故使之與TVP-VAR模型相結合，以充分反映結構性突變帶來的持久變動。

由于固有風險的狀態(tài)可以分為高風險和低風險兩種狀態(tài)，故選擇兩狀態(tài)的馬爾科夫區(qū)制轉(zhuǎn)移模型，其形式為

ut=yt-E(yt|Yt-1,St),ust|It-1～N(0,ω2)

(15)

由于固有風險根據(jù)風險程度分為高、低兩種狀態(tài)，故本研究將St的個數(shù)設置為2，即有St∈{1,2}。風險狀態(tài)的轉(zhuǎn)移概率為

(16)

p11=Pr(St=1|St-1=1)

p12=Pr(St=2|St-1=1)

p21=Pr(St=1|St-1=2)

p22=Pr(St=2|St-1=2)

(17)

其中，D[St(a)]為固有風險處于不同狀態(tài)的持續(xù)期。

通過將狀態(tài)劃分后的固有風險與其對應時期上的交叉風險和網(wǎng)絡結構指標代入TVP-VAR模型，可以得到不同風險狀態(tài)下金融部門固有風險和網(wǎng)絡結構對交叉風險的影響。

3.3 系統(tǒng)性或有權益分析網(wǎng)絡結構的構建

為了進一步研究金融風險網(wǎng)絡結構對系統(tǒng)性風險和金融交叉風險派生的影響，本研究在系統(tǒng)性或有權益分析方法的基礎上構建金融風險網(wǎng)絡模型?；诮鹑谙到y(tǒng)性風險的聯(lián)合概率分布計算在一定顯著性水平條件下金融機構之間的風險外溢系數(shù)，并基于此構建風險外溢網(wǎng)絡進行網(wǎng)絡分析和結構化模擬分析。

(18)

(19)

(20)

對金融機構兩兩計算風險溢出值和關聯(lián)強度，可以建立金融部門風險溢出網(wǎng)絡，金融體系的總體風險雖然與其節(jié)點機構的風險狀況有關，但由于部門與機構之間的相互影響，其風險變動表現(xiàn)出很強的關聯(lián)性，這種風險關聯(lián)形成的網(wǎng)絡結構對于把握金融系統(tǒng)性風險具有重要意義。

網(wǎng)絡結構特征集中表現(xiàn)在網(wǎng)絡密度、聚類系數(shù)和平均路徑長度3個方面。網(wǎng)絡密度直接測量風險

圖1 中國金融部門系統(tǒng)性風險Figure 1 Systemic Risk in China′s Financial Sector

網(wǎng)絡中實際關聯(lián)邊數(shù)占所有可能關聯(lián)數(shù)的比例，可以很好地代表金融機構之間基于業(yè)務和資產(chǎn)關聯(lián)導致的風險傳染路徑；聚類系數(shù)刻畫了金融網(wǎng)絡中經(jīng)常出現(xiàn)的群聚效應；平均路徑長度測量連接網(wǎng)絡中的任意兩點需要經(jīng)過的平均節(jié)點數(shù)目。

4 實證研究

4.1 數(shù)據(jù)來源和描述性統(tǒng)計

由于在或有權益方法框架下測量金融機構的信用風險需要股票市場數(shù)據(jù)，本研究選取中證金融指數(shù)成分股作為基礎樣本，根據(jù)Wind行業(yè)分類標準篩選出68家金融企業(yè)，同時剔除上市時間在2010年之后、后期通過重組轉(zhuǎn)變金融主營業(yè)務的相關樣本后，最終得到屬于金融行業(yè)的樣本36家，其中，商業(yè)銀行16家，證券公司15家，保險公司5家。

本研究樣本企業(yè)的財務數(shù)據(jù)、權益數(shù)據(jù)和權益年化波動率均來自Wind數(shù)據(jù)庫，計算波動率的滾動窗口為1個月。同時對于部分上市企業(yè)因短期停牌而導致當期權益市值波動率為0或波動率短期內(nèi)出現(xiàn)異常的情況，本研究采用中證金融指數(shù)波動率代替?？紤]到本研究中或有權益方法計算的樣本數(shù)據(jù)為日頻，此處無風險利率選取一年期國債到期收益率的日頻數(shù)據(jù)。對于企業(yè)的財務信息，借鑒宮曉琳等[47]的研究，將或有權益計算中的違約點設定為上市企業(yè)短期負債與一半長期負債之和。由于系統(tǒng)性或有權益分析模型的計算要求高頻數(shù)據(jù)，且企業(yè)債務數(shù)據(jù)波動不劇烈，違約距離和預期損失的計算結果主要取決于企業(yè)的資產(chǎn)市值波動率，而非債務和杠桿率的波動。同時經(jīng)檢驗，使用線性插值法、立方插值法、3次樣條插值法對企業(yè)季度財務數(shù)據(jù)進行插值處理后計算的金融部門系統(tǒng)性風險并無顯著差異，3次樣條插值法計算效率較高，具有較好的收斂性和穩(wěn)定性。故本研究借鑒李志輝等[37]處理債務數(shù)據(jù)的方式，采用3次樣條插值法將財務報表中企業(yè)債務的季頻數(shù)據(jù)轉(zhuǎn)換為日頻數(shù)據(jù)。

運用或有權益分析方法，對所選樣本企業(yè)的信用風險進行測量，并依據(jù)其所處的子部門分類進行平均計算。圖1為中國銀行、證券、保險3個金融子部門和金融部門的平均違約距離。3個金融子部門的風險變化具有同步性，發(fā)生了兩次明顯的轉(zhuǎn)移，2010年第1季度至2014年第3季度違約距離維持在較高水平上，這與全球經(jīng)濟在2008年后的復蘇以及包含“四萬億計劃”在內(nèi)的政府救助措施有關，2014年第3季度至2016年第1季度金融行業(yè)違約風險攀升，2016年第2季度以后風險狀況改善。而就各金融子部門風險進行橫向?qū)Ρ?，銀行部門的風險相對其他兩個子部門更高，體現(xiàn)了銀行部門在金融部門風險構成中的核心地位。

4.2 金融系統(tǒng)性風險測量及其解構

本研究試圖通過極值模型對中國金融機構預期損失進行時變擬合，因此需要充分考慮預期損失在不同風險狀態(tài)下的分布形式。由于金融機構的預期損失可以看作以其權益市值為標的、以負債違約點為敲定價格的看跌期權價值，所以在金融機構風險較高、違約風險較大時，其預期損失必然逼近這一損失上限，從而使其分布出現(xiàn)截尾。因此，本研究考慮使用實用性更強的廣義Pareto分布進行擬合。

在廣義Pareto分布估計過程中，選擇不同樣本閾值會導致不同的參數(shù)估計結果，容易出現(xiàn)樣本閾值選取的隨意性問題。同時廣義Pareto分布適用于樣本極值部分的擬合，當樣本閾值選取的足夠大時，一般總可以找到表現(xiàn)良好的擬合結果。但是當閾值本身設置偏大時，會剔除掉原始樣本中絕大部分數(shù)據(jù)，導致可使用的樣本容量降低，影響估計出的參數(shù)的可靠性。因此，本研究采取逐步估計檢驗的方式，在盡量保證樣本容量的前提下進行廣義Pareto分布的參數(shù)估計。具體操作步驟如下：

步驟1 設置閾值為0，通過最大似然法對原始樣本數(shù)據(jù)進行廣義Pareto分布的參數(shù)估計；

步驟2 對參數(shù)估計結果進行Kolmogorov-Smirnov檢驗；

步驟3 若Kolmogorov-Smirnov檢驗通過5%的顯著性水平，則計算完畢；若未通過則剔除掉樣本最小值，并以該值作為閾值再次進行估計；

圖2 銀行部門廣義Pareto分布形狀參數(shù)估計Figure 2 Generalized Pareto Distribution Shape Parameter Estimation in Banking Sector

圖3 固有風險、交叉風險、系統(tǒng)性風險的演變Figure 3 Evolution of Inherent Risk, Cross-risk, and Systemic Risk

步驟4 重復步驟2和步驟3直至參數(shù)估計通過Kolmogorov-Smirnov檢驗。

本研究依照上述步驟選取時間窗口為1年進行滾動計算估計，對篩選出的36家上市金融企業(yè)預期損失進行廣義Pareto分布估計，限于文章篇幅，僅列出銀行部門廣義Pareto分布估計的結果，銀行部門Pareto分布的形狀參數(shù)見圖2，形狀參數(shù)大于0，表明其概率分布存在明顯的厚尾特征。根據(jù)估計結果，大部分金融子部門的形狀參數(shù)均大于0，即預期損失的厚尾特征較為顯著，2014年第4季度開始金融各部門的形狀參數(shù)明顯降低，表明此時金融部門預期損失位于極值水平，出現(xiàn)截尾現(xiàn)象。

為了進一步考慮機構之間的風險關聯(lián)，對預期損失的聯(lián)合概率分布進行估計和建模，由于Archimedean Copula函數(shù)具有可結合性，通過階段估計法構建Archimedean Copula函數(shù)，計算金融機構的聯(lián)合概率分布，根據(jù)最大似然估計選取最優(yōu)擬合函數(shù)，圖3給出金融部門包括固有風險、交叉風險和交叉風險派生系數(shù)在內(nèi)的各項系統(tǒng)性風險指標。

由圖3可知，在樣本期內(nèi)金融部門的系統(tǒng)性風險以及由其分解出的交叉風險和固有風險的演變趨勢具有一致性，表現(xiàn)出明顯的3階段特征。第1階段為2011年至2014年，隨著金融危機后中國經(jīng)濟的復蘇，金融部門風險水平緩解，各風險指標皆維持在較低水平。第2階段為2015年至2016年，此間中國金融部門系統(tǒng)性風險攀升，尤其在2015年6月，系統(tǒng)性風險達到波動峰值。第3階段為2017年以后，金融部門系統(tǒng)性風險得到有效釋放。

金融部門交叉風險派生系數(shù)存在多個峰值，且與固有風險存在非線性變動關系，固有風險對交叉風險存在正向影響，但在2015年至2016年期間交叉風險派生系數(shù)存在異常變動，此時金融部門各風險指標皆處于較高的狀態(tài)，但交叉風險派生系數(shù)不升反降，其原因可能是風險網(wǎng)絡結構在風險惡化前期能夠發(fā)揮風險稀釋作用，但是一旦金融部門固有風險增長至某一水平時，派生系數(shù)將迅速上升，與固有風險一起加劇交叉風險的惡化。

(a)P(St=1)(b)P(St=2)

4.3 馬爾科夫區(qū)制轉(zhuǎn)移下的交叉風險派生

固有風險和金融網(wǎng)絡結構對交叉風險的影響具有非線性關系，基于固有風險的不同狀態(tài)，會對金融部門交叉風險產(chǎn)生差異化影響。通過馬爾科夫區(qū)制轉(zhuǎn)移模型對固有風險的時變狀態(tài)進行劃分，并使之與TVP-VAR模型相結合，分析不同固有風險狀態(tài)下金融部門固有風險對交叉風險的影響。

經(jīng)過ADF檢驗，金融部門總體及其各子部門的固有風險均為平穩(wěn)的時間序列，根據(jù)AIC、SIC和HQ準則，本研究采用OxMetrics軟件對MSM(2)-AR(3)模型進行估計，對金融部門固有風險的狀態(tài)進行劃分，結果見圖4。

圖4給出固有風險處于不同狀態(tài)時的平滑概率，平滑概率大于0.5表明風險處于該狀態(tài)內(nèi)，圖4(a)給出固有風險處于高風險狀態(tài)時的概率，圖4(b)給出固有風險處于低風險狀態(tài)時的概率。表1給出中國金融系統(tǒng)固有風險的結構性演變，固有風險處于高風險狀態(tài)的時期主要集中在2014年12月至2017年2月，其中2015年發(fā)生的“股災”部分源于該時期各金融子部門固有風險較高，固有風險處于高風險狀態(tài)的概率為0.889。

根據(jù)馬爾科夫區(qū)制轉(zhuǎn)移模型區(qū)制劃分結果，本研究將各時間序列樣本分為兩組，剔除和整合極端數(shù)據(jù)，保證期間連續(xù)性，使之符合TVP-VAR模型的要求。

通過TVP-VAR模型可以對交叉風險在不同的固有風險狀態(tài)下進行時變的脈沖響應分析。用MCMC方法估計參數(shù)的后驗概率分布，為保證估計的準確性，應用MCMC法進行10 000次迭代計算，并剔除前1 000次的抽樣。TVP-VAR模型的滯后階數(shù)為1～5是邊際似然值最小的階數(shù)，根據(jù)邊際似然值選取模型的最優(yōu)滯后階數(shù)為2。表2給出TVP-VAR模型中待估參數(shù)后驗分布的各項統(tǒng)計量結果，其中參數(shù)均值加減標準差的值均處于95%的上下界范圍內(nèi)，Geweke診斷概率均高于20%，并且無效因子均小于60，說明模型用MCMC算法估計是有效的。

表1 狀態(tài)屬性Table 1 State Attributes

表2 MCMC估計結果Table 2 MCMC Estimation Results

與常系數(shù)的VAR模型不同，通過TVP-VAR模型對經(jīng)過區(qū)制劃分后的金融部門總體的固有風險和交叉風險進行脈沖響應分析，可以計算交叉風險在固有風險演變過程中的各時點上不同滯后期的響應函數(shù)。圖5給出固有風險處于高、低兩種不同狀態(tài)時金融部門交叉風險對固有風險的時變脈沖響應結果，滯后期數(shù)為3個月、6個月和12個月，分別代表固有風險在短期、中期和長期對交叉風險的影響。

由圖5(b)可知，在固有風險處于低狀態(tài)時，交叉風險對固有風險的響應為正向響應，其中短期響應比較穩(wěn)定，長期響應在2013年11月出現(xiàn)峰值，此時相應的金融部門違約距離位于波谷，預期損失較大，表明固有風險處于較低狀態(tài)下仍然對交叉風險具有不利影響；而在固有風險處于高狀態(tài)時，長期響應為正，且影響大于其處于低風險狀態(tài)時的程度。當固有風險高時，由于風險網(wǎng)絡結構的相互聯(lián)系，使風險在整個金融體系中傳染、擴散，金融脆弱性加劇，交叉風險的惡化程度提升。但是短期和中期響應均為負值，可能的原因是短期內(nèi)系統(tǒng)性風險網(wǎng)絡的風險稀釋效應發(fā)揮了作用，體現(xiàn)了網(wǎng)絡的穩(wěn)定性。

由于銀行、證券和保險3個金融子部門的業(yè)務結構和性質(zhì)具有異質(zhì)性，各部門固有風險對交叉風險的影響也存在差異，且該影響的差異性在固有風險較高時表現(xiàn)更為顯著。為進一步探究固有風險較高狀態(tài)下不同金融子部門的固有風險對交叉風險的影響，將固有風險按部門進行細分，脈沖響應參數(shù)Ban、Sec、Ins分別代表銀行、證券、保險3個部門的固有風險，圖6給出金融部門交叉風險對不同子部門固有風險的脈沖響應結果。

由圖6可知，固有風險對交叉風險的影響程度排序依次為銀行、證券和保險業(yè)。銀行部門和證券部門固有風險對交叉風險的時變影響趨勢具有相似性，長期響應在2016年1月出現(xiàn)波動峰值，此時金融市場系統(tǒng)性風險較高，但是保險部門在2015年6月至11月交叉風險對固有風險的響應為負，且響應程度遠小于銀行部門和證券部門。銀行部門在中國金融系統(tǒng)中處于核心地位，近年來更通過影子銀行業(yè)務快速擴張使系統(tǒng)性風險攀升。

4.4 網(wǎng)絡特征的結構性差異影響

為進一步分析網(wǎng)絡結構對金融部門交叉風險的影響，本研究基于微觀經(jīng)濟實體的風險關聯(lián)，利用CoVaR模型計算金融機構之間的風險關聯(lián)，建立系統(tǒng)性風險關聯(lián)網(wǎng)絡，并對其網(wǎng)絡結構特征進行分析測量。圖7給出中國金融部門的系統(tǒng)性風險網(wǎng)絡結構各項特征指標的演變過程。

由圖7可知，中國金融部門風險網(wǎng)絡的聚類系數(shù)和網(wǎng)絡密度演變過程具有同步性，但聚類系數(shù)波動幅度相對較小，平均路徑長度與二者呈反向變化。與此前構建的系統(tǒng)性風險指標的變化相似，金融風險網(wǎng)絡結構特征指標的變化也具備明顯的3階段特征，但是其處于高風險階段的期間較短，集中在2015年8月至2016年1月，即網(wǎng)絡結構特征指標與固有風險和交叉風險具有內(nèi)在關聯(lián)，但固有風險與金融風險網(wǎng)絡結構對交叉風險的影響存在差異。

交叉風險不僅受到各金融部門固有風險的影響，金融風險網(wǎng)絡結構在交叉風險演變過程中也發(fā)揮重要作用。沿用上述方法分析當固有風險處于不同狀態(tài)時網(wǎng)絡結構特征指標對交叉風險的影響，由于網(wǎng)絡密度與聚類系數(shù)的變化具有同步性，且聚類系數(shù)波動性較小，故僅就網(wǎng)絡密度net_d和平均路徑長度ave_C對交叉風險的影響進行分析。圖8給出固有風險處于低狀態(tài)時風險網(wǎng)絡結構對金融部門交叉風險的影響，圖9給出固有風險處于高狀態(tài)時風險網(wǎng)絡結構對金融部門交叉風險的影響。

由圖8和圖9可知，網(wǎng)絡密度和平均路徑長度對交叉風險的影響具有負相關關系，且該負相關關系在固有風險處于高風險狀態(tài)時具有對稱性，但當固有風險低時對稱性不成立。當固有風險狀態(tài)不同時網(wǎng)絡密度和平均路徑長度對金融部門交叉風險的影響也存在差異，當固有風險低時，網(wǎng)絡密度對系統(tǒng)性風險具有正向影響，交叉風險對平均路徑長度的響應顯著為負，即隨著平均路徑長度的增加，交叉風險得到緩解，此時在網(wǎng)絡結構對交叉風險的影響中風險稀釋效應發(fā)揮主導作用，金融穩(wěn)定性凸顯。但是在固有風險較高時，網(wǎng)絡密度與平均路徑長度對交叉風險的影響相互抵消，加之聚類系數(shù)對交叉風險的影響與網(wǎng)絡密度對其的影響具有一致性，故此時金融風險網(wǎng)絡表現(xiàn)出脆弱性特征，對交叉風險的傳染具有正向促進作用，加劇金融風險外溢，更易誘發(fā)系統(tǒng)性金融危機。

圖7 中國金融部門系統(tǒng)性風險網(wǎng)絡結構特征Figure 7 Structural Characteristics of the Systemic Risk Network in China′s Financial Sector

5 結論

本研究從金融機構的資產(chǎn)關聯(lián)和業(yè)務關聯(lián)出發(fā)，在系統(tǒng)性或有權益分析框架內(nèi)構建金融風險網(wǎng)絡，結合馬爾科夫區(qū)制轉(zhuǎn)移模型和TVP-VAR方法，對2010年至2017年中國銀行、證券和保險三大金融子部門的系統(tǒng)性風險進行測量，并將其分解為固有風險和交叉風險兩個部分，從金融部門固有風險和網(wǎng)絡結構視角研究交叉風險的派生機制，剖析當固有風險處于不同狀態(tài)時金融部門固有風險和網(wǎng)絡結構對交叉風險的影響。研究結果如下：

(a)εnet_d↑→CR

(b)εave_C↑→CR

(a)εnet_d↑→CR

(b)εave_C↑→CR

(1)金融部門的系統(tǒng)性風險可以分解為固有風險和交叉風險兩部分，前者用于測量金融系統(tǒng)中單個金融子部門在不受其他金融子部門風險影響時的風險程度，后者用于表征金融系統(tǒng)中各部門由于業(yè)務和資產(chǎn)負債關聯(lián)導致的不同金融部門信用風險的外溢和交叉?zhèn)魅尽?/p>

(2)在考慮金融機構之間風險關聯(lián)后的金融部門系統(tǒng)性風險指標存在顯著的非線性特征。金融機構固有風險對交叉風險派生存在明顯的結構性突變，在金融機構的固有風險暴露擴大前期，受到金融網(wǎng)絡結構的風險稀釋作用，雖然交叉風險仍出現(xiàn)比較明顯的上升，但是總體而言交叉風險派生系數(shù)增長不明顯，而隨著金融風險的進一步加大，導致固有風險和交叉風險派生系數(shù)同步上升，二者作用相互疊加使金融部門交叉風險惡化。

(3)金融部門交叉風險不僅受到金融機構固有風險的影響，其風險網(wǎng)絡結構特征也改變金融部門的交叉風險派生。從網(wǎng)絡密度、聚類系數(shù)和平均路徑長度等網(wǎng)絡結構特征看，緊密的網(wǎng)絡結構帶來金融交叉風險的派生，金融風險網(wǎng)絡的關聯(lián)性增加迅速放大整體的系統(tǒng)性風險暴露。此外，金融部門風險網(wǎng)絡結構對交叉風險的影響依金融部門固有風險的狀態(tài)而改變，表現(xiàn)出穩(wěn)健但脆弱的特征。當固有風險較低時，金融風險網(wǎng)絡結構的稀釋效應發(fā)揮主導作用，金融穩(wěn)定性顯著，對交叉風險的傳染具有一定抑制作用；當固有風險上升到一定水平后，網(wǎng)絡的擴散效應使固有風險和網(wǎng)絡結構共同對金融部門交叉風險產(chǎn)生不利影響。

(4)銀行、證券和保險3個部門對金融部門交叉風險的影響存在異質(zhì)性。由于金融系統(tǒng)中各子部門份額及業(yè)務模式不同，銀行和證券的固有風險對交叉風險的影響比保險部門大，風險溢出效應明顯。

隨著中國金融市場化改革的推進，交叉風險在各部門之間滋長。銀監(jiān)會和保監(jiān)會的合并在一定程度上改善了金融部門交叉風險的監(jiān)管環(huán)境，但在完善宏觀和微觀審慎相結合的監(jiān)管框架過程中，交叉風險仍是需要重視的關鍵環(huán)節(jié)。在進行宏觀審慎監(jiān)管中，要考慮金融機構固有風險對交叉風險派生的結構性突變，關注金融機構以及子部門之間的產(chǎn)品和業(yè)務關聯(lián)，建立相應的指標體系和預警機制，進行監(jiān)管協(xié)作，打破交叉風險的監(jiān)管盲區(qū)。在微觀審慎監(jiān)管中，從資本金、杠桿率、表外資本運作等方面降低金融機構之間的風險關聯(lián)，避免出現(xiàn)全局性風險事件爆發(fā)。

本研究也存在一定局限性，在分析交叉風險受固有風險狀態(tài)和網(wǎng)絡結構的影響時，為了能夠時變地反映交叉風險的結構性變化，結合使用了馬爾科夫狀態(tài)轉(zhuǎn)移和TVP-VAR兩種方法，但由于數(shù)據(jù)限制可能導致結果存在誤差，未來可考慮直接利用時變的馬爾科夫區(qū)制轉(zhuǎn)移自回歸模型進行脈沖響應分析，實現(xiàn)技術上的統(tǒng)一。