（寧波大學(xué) 商學(xué)院，浙江 寧波 315211）

一、引言

2008 年從美國爆發(fā)的次貸危機迅速蔓延至全球金融市場，各國的金融體系都遭受到了巨大的沖擊，金融風(fēng)險的跨市場、跨行業(yè)、跨部門傳染越來越嚴重，且逐漸趨于常態(tài)化。隨著金融危機沖擊頻次的不斷上升，政策當局和經(jīng)濟學(xué)家的關(guān)注焦點聚焦在系統(tǒng)性風(fēng)險上。系統(tǒng)性風(fēng)險定義的核心思想在于風(fēng)險的傳染，當一個金融市場或金融部門面臨外部沖擊時，其遭受的沖擊會向外溢出，向其他金融主體迅速傳遞，造成金融主體間風(fēng)險的傳染。2020 年是打好防范化解金融風(fēng)險攻堅戰(zhàn)收官之年，為打好這場收官之戰(zhàn)，短期內(nèi)的重點是化解好、控制好目前的金融風(fēng)險點，防止其向全局性、系統(tǒng)性風(fēng)險轉(zhuǎn)化，對系統(tǒng)性風(fēng)險的跨部門傳染溢出效應(yīng)分析，既可以幫助我們從整體上把控當前系統(tǒng)性風(fēng)險的整體水平，又有助于完善監(jiān)管體系，防止跨市場、跨行業(yè)、跨部門的風(fēng)險交叉疊加成系統(tǒng)性的重大風(fēng)險。

目前對系統(tǒng)性風(fēng)險的度量方法主要分為兩大類。第一類為基于金融機構(gòu)間風(fēng)險溢出和尾部依賴來度量系統(tǒng)性風(fēng)險的方法。其中在險價值法（VaR）是最傳統(tǒng)的一種方法，它指的是在市場正常波動的情況下，某個金融資產(chǎn)或證券組合的可能受到的最大損失，此方法計算簡便，且能用于事前對風(fēng)險計算，還能對由多個金融工具組成的投資組合風(fēng)險進行計算，適用范圍較廣。而Adams 等（2014）[1]的研究指出，VaR 方法不能對一個國家整體的風(fēng)險水平進行刻畫，且有可能低估不同金融主體之間的溢出效應(yīng)。隨著研究的不斷深入，Tobias 和Brunnermeier（2016）[2]提出了條件在險價值之差（ΔCoVaR）來衡量特定金融機構(gòu)遭遇市場沖擊時的VaR 與該機構(gòu)正常運轉(zhuǎn)情況下的VaR 之差，用以考察該金融機構(gòu)對整體經(jīng)濟風(fēng)險的貢獻程度，并進一步刻畫了系統(tǒng)性風(fēng)險的整體水平。而根據(jù)Acharya 等（2017）[3]研究，此方法卻僅考慮了處于該研究者設(shè)定的置信水平下的可能損失，而沒有考慮到超過該置信水平的更為極端情形下的潛在損失，仍然存在一定的局限性。在此基礎(chǔ)上Acharya 等（2017）提出了邊際期望損失法（MES），此方法用來衡量單個金融機構(gòu)對系統(tǒng)性風(fēng)險的貢獻度，借期望平均的形式將VaR 方法沒有考慮到的極端情形進行分析，用于衡量當金融機構(gòu)或投資組合的損失超過了VaR 閾值時所遭受的平均損失程度。然而，Brownlees 和Engle（2016）[4]認為MES 方法沒有考慮到金融機構(gòu)的杠桿率與規(guī)模的問題，這種遺漏會使得不少規(guī)模較小、杠桿水平較低的金融機構(gòu)被錯誤的識別為系統(tǒng)重要性金融機構(gòu)，從而造成風(fēng)險貢獻度認定的偏差。Banulescu 和Dumitrescu（2015）[5]提出使用成分期望損失法（CES）來改進MES 指標沒有考慮到各金融機構(gòu)資產(chǎn)規(guī)模的局限性，而Brownlees 和Engle（2016）采用了系統(tǒng)性金融風(fēng)險指數(shù)（SRISK）來衡量特定金融機構(gòu)在嚴重市場衰退條件下的資本缺口，以此來代表系統(tǒng)性風(fēng)險，用以改進MES 方法忽略杠桿率的問題?；谶@些方法，國內(nèi)也展開了深入的研究，代表性的研究有梁琪（2013）[6]、卜林和李政（2015）[7]、方意等（2018）[8]、楊子暉等（2018）[9]。

第二類度量系統(tǒng)性風(fēng)險的方法為網(wǎng)絡(luò)分析法。網(wǎng)絡(luò)分析法是根據(jù)股票價格等數(shù)據(jù)形成的金融主體之間的網(wǎng)絡(luò)形狀來判斷各主體間聯(lián)系的緊密程度，進而模擬系統(tǒng)性風(fēng)險的傳染累計過程。網(wǎng)絡(luò)分析法可以將金融體系的動態(tài)演變過程演繹出來，網(wǎng)絡(luò)關(guān)聯(lián)的思想可以幫甄別網(wǎng)絡(luò)中各金融主體的系統(tǒng)性重要地位。代表性的構(gòu)建關(guān)聯(lián)網(wǎng)絡(luò)的方法有格蘭杰因果關(guān)系檢驗、Diebold 和Y?lmaz（2014）[10]的廣義方差分解、H?rdle 等（2016）[11]的TENET 法等，其中Diebold 和Y?lmaz（2014）的廣義方差分解法得到了廣泛的應(yīng)用。Maghyereh 等（2016）[12]表明廣義方差分解模型不僅可以測度不同金融主體中風(fēng)險的強度與關(guān)聯(lián)程度，還可以識別風(fēng)險的來源，可以考察風(fēng)險溢出效應(yīng)的存在性及方向性，也可以得出溢出規(guī)模的大小，能夠為建立風(fēng)險防范體系提供參考依據(jù)。李政等（2016）[13]利用廣義方差分解法對我國證券、保險和銀行部門的40 家上市金融機構(gòu)構(gòu)建無條件關(guān)聯(lián)網(wǎng)絡(luò)，進而通過網(wǎng)絡(luò)分析法，全面解構(gòu)金融網(wǎng)絡(luò)的總體關(guān)聯(lián)性以及部門內(nèi)和部門間的關(guān)聯(lián)特征,并分析其時變趨勢。楊子暉等（2019）[14]利用波動溢出方法對我國房地產(chǎn)業(yè)和金融業(yè)兩大板塊之間的關(guān)聯(lián)網(wǎng)絡(luò)進行分析，從動態(tài)與靜態(tài)兩個角度研究風(fēng)險的傳染效應(yīng)。國內(nèi)代表性的研究還有楊子暉和周穎剛（2018）[15]、劉超等（2017）[16]、吳永鋼等（2019）[17]、李政等（2019）[18]。

縱觀該領(lǐng)域的研究發(fā)現(xiàn)，對于系統(tǒng)性風(fēng)險的研究應(yīng)該立足于更大的金融體系背景下，而不應(yīng)該將視角局限于銀行系統(tǒng)內(nèi)部。因此，本文采用Diebold和Yilmaz（2014）提出的廣義預(yù)測誤差方差分解方法對銀行、證券、保險、多元金融、房地產(chǎn)五個金融部門間的風(fēng)險溢出效應(yīng)進行測度。首先進行溢出效應(yīng)的靜態(tài)分析，構(gòu)建總溢出指數(shù)表，識別出風(fēng)險溢出效應(yīng)的發(fā)出方與接收方，甄別各部門的系統(tǒng)重要性；然后利用滾動窗口估計分析方法，從動態(tài)的角度分析風(fēng)險的傳導(dǎo)關(guān)系，構(gòu)建時變溢出指數(shù)，分析歷史上不同時期不同沖擊對溢出效應(yīng)的影響。在此基礎(chǔ)上，根據(jù)所得結(jié)論對完善中國金融風(fēng)險防范體系提出相關(guān)建議。

二、模型設(shè)定與方法說明

本文采用Diebold 和Yilmaz（2014）提出的基于廣義預(yù)測誤差方差分解的溢出指數(shù)法對各金融部門間的風(fēng)險溢出效應(yīng)進行測度，刻畫不同部門間風(fēng)險的傳導(dǎo)關(guān)系。模型構(gòu)建過程主要包含三步：首先，構(gòu)建一個N 維p 階VAR 模型；其次，進行廣義方差分解；最后，構(gòu)建總溢出指數(shù)和方向性溢出指數(shù)。下面對該方法進行簡要介紹。

首先，構(gòu)建各個金融部門的N 變量VAR（p）模型：

其中，yt是N 維列向量，由N 個金融部門構(gòu)成。φi是N×N 階自回歸系數(shù)矩陣，εt是獨立同分布的誤差向量。VAR 模型的移動平均表示形式為：

Ai為N×N 階系數(shù)矩陣，滿足遞推形式：

Ai=φ1Ai-1+φ2Ai-2+…+φpAi-p，A0為N×N 單位矩陣且滿足i＜0 時，Ai=0。

其次，進行廣義方差分解，度量每一個金融部門受到其他部門或自身沖擊的影響程度，構(gòu)建各金融部門間的溢出網(wǎng)絡(luò)。部門i 的向前H 步的預(yù)測誤差方差中由部門j 引起的部分為θij（H），即：

其中，∑表示誤差向量ε 的方差矩陣，σjj表示第j 個方程中誤差項的標準差，ei是一個第i 個元素為1、其余元素為0 的N×1 向量。該指數(shù)由N×N 矩陣θ（H）=[θij（H）]構(gòu)成，其中元素θij（H）給出了變量j 對變量i 的預(yù)測誤差方差的貢獻。

廣義預(yù)測誤差方差分解沒有對各個沖擊進行正交化處理，而是通過歷史觀測所得的誤差分布對相關(guān)聯(lián)的沖擊進行解釋，故其自身和交叉變量的方差貢獻之和不等于1。為了方便后續(xù)對溢出指數(shù)進行分析，可以將方差分解矩陣的每一項通過其行和以如下方式進行標準化：

最后，構(gòu)建總溢出指數(shù)和方向性溢出指數(shù)，由于在溢出矩陣中有“FROM”和“TO”兩個不同方向的溢出，F(xiàn)ROM 代表部門i 受到其他所有部門的風(fēng)險傳染效應(yīng)的總和，表示形式記為Ci←*（H），TO 代表從部門i 到其他所有部門的風(fēng)險傳染效應(yīng)的總和，表示形式記為C*←i，各個部門總的風(fēng)險傳染效應(yīng)C（H）可以表示為如下形式，計算方式如下：

我們以Dieboid 和Yilmaz 提出的網(wǎng)絡(luò)拓撲法建立關(guān)聯(lián)度矩陣（見表1），關(guān)聯(lián)度矩陣中，行代表溢出效應(yīng)發(fā)送方，列代表溢出效應(yīng)接收方。矩陣的元素是基于方差分解式子得到的，用來刻畫兩個部門之間的風(fēng)險溢出程度：

表1 溢出指數(shù)表

三、數(shù)據(jù)說明與描述性統(tǒng)計

（一）數(shù)據(jù)說明

本文依照申銀萬國二級行業(yè)分類標準，將銀行業(yè)指數(shù)、證券業(yè)指數(shù)、保險業(yè)指數(shù)、多元金融業(yè)指數(shù)、房地產(chǎn)業(yè)指數(shù)的對數(shù)日收益率作為分部門的代理變量展開研究，根據(jù)數(shù)據(jù)的適用性和可得性，各部門選定的樣本區(qū)間為2007 年1 月8 日至2020 年7月10 日，共3 284 個交易日數(shù)據(jù)，數(shù)據(jù)來源于萬得數(shù)據(jù)庫。

（二）描述性統(tǒng)計

表2 是各金融部門指數(shù)收益率的描述性統(tǒng)計分析表，可以看出，各部門收益率均值都接近于0，從標準差可以直觀的看出收益率的波動程度比較接近，且都是小幅波動；偏度值均較小，接近于0，說明只是輕度偏態(tài)，5 個部門的峰度均大于3，呈現(xiàn)出顯著的尖峰厚尾分布，J-B 統(tǒng)計量檢驗的結(jié)果再次表明所有部門對數(shù)收益率的分布均不滿足正態(tài)分布的結(jié)論。我們在此基礎(chǔ)上利用ADF 檢驗方法進一步對對數(shù)收益率的平穩(wěn)性進行檢驗，滯后階數(shù)由赤池信息準則確定，最后得出的ADF 檢驗結(jié)果顯示，在1%的顯著性水平下需要拒絕存在單位根的原假設(shè)，即所有金融部門的指數(shù)收益率序列都是平穩(wěn)的，這說明利用向量自回歸模型是合適的。

表2 金融部門指數(shù)收益率描述性統(tǒng)計分析

表3 金融部門收益率相關(guān)系數(shù)表

表3展示了五個金融部門收益率的相關(guān)系數(shù)，從中可以看出，五個金融部門的對數(shù)收益率之間存在很強的正向關(guān)系，相關(guān)系數(shù)基本上都在0.54 以上，其中證券部門和其他部門的相關(guān)程度表現(xiàn)最強。

表2 展示了五個金融部門收益率的相關(guān)系數(shù)，從中可以看出，五個金融部門的對數(shù)收益率之間存在很強的正向關(guān)系，相關(guān)系數(shù)基本上都在0.54 以上，其中證券部門和其他部門的相關(guān)程度表現(xiàn)最強。

四、實證結(jié)果與分析

前文的描述性統(tǒng)計分析與相關(guān)性分析的結(jié)果，提供了不同的金融部門間可能存在網(wǎng)絡(luò)連接與風(fēng)險溢出效應(yīng)的一些初步跡象，本節(jié)將分別研究靜態(tài)環(huán)境和動態(tài)環(huán)境下風(fēng)險的溢出特性來展示我們的主要結(jié)果。

（一）金融部門間的靜態(tài)風(fēng)險溢出

對各金融部門的對數(shù)收益率構(gòu)建靜態(tài)溢出指數(shù)，得到表4 所示的全樣本靜態(tài)溢出指數(shù)表，該表是基于10 步預(yù)測誤差的金融部門間靜態(tài)溢出指數(shù)的關(guān)聯(lián)矩陣。A 組矩陣中第（i，j）個元素表示變量j對變量i 的溢出效應(yīng)強度，最后一列“From”表示部門i 從所有其他部門獲得的溢出效應(yīng)總和，而最后一行“To”表示部門i 對所有其他部門產(chǎn)生的溢出效應(yīng)總和，右下角的“Total”表示總溢出的強度?！癗et”行表示的是部門i 的凈溢出指數(shù)的總和，負值代表部門i 是溢出效應(yīng)的凈接收方，正值代表部門i 是溢出效應(yīng)的凈發(fā)送方。

表4 金融部門總溢出指數(shù)表

從總溢出指數(shù)來看，總溢出強度達到了63.9%，這意味著各個金融部門間存在著高度的聯(lián)動性，部門間變動的解釋力很強，金融體系內(nèi)遭受到的任何沖擊都可能對其間的所有部門產(chǎn)生波動影響。從定向溢出指數(shù)來看，證券部門對外波動溢出強度較大，達到了70.8，這也驗證了證券部門在金融系統(tǒng)中的重要性；其次是房地產(chǎn)部門，達到了65.3，原因在于當前我國混業(yè)經(jīng)營的模式不斷加強，金融創(chuàng)新層出不窮，房地產(chǎn)業(yè)與傳統(tǒng)金融業(yè)的交叉重合越來越多，其間風(fēng)險傳導(dǎo)也日益增強。對外波動溢出效應(yīng)最弱的是多元金融部門，溢出強度為56.8。從溢出效應(yīng)的接收程度來看，五個部門的受外溢出強度都在61～66 之間，表現(xiàn)基本一致。從凈溢出指數(shù)Net行來看，證券部門是波動溢出的凈發(fā)送方，溢出強度達到了5.0，其他部門均是溢出效應(yīng)的凈接收方，尤其是多元金融部門，受影響程度達到了4.9，原因在于證券業(yè)是先導(dǎo)板塊，貨幣政策與財政政策的調(diào)整、宏觀經(jīng)濟形式發(fā)展的好壞、匯率的波動等都會影響到證券行業(yè)的波動，證券市場遭受沖擊會迅速蔓延至其他金融部門，具有十分顯著的風(fēng)險溢出效應(yīng)，而多元金融部門作為朝陽產(chǎn)業(yè)與金融創(chuàng)新的聚集點，從多個方面滿足了實體經(jīng)濟的業(yè)態(tài)需求，業(yè)務(wù)領(lǐng)域也較為廣泛，其監(jiān)管水平尚不如其他金融部門成熟，受影響程度較高。

從兩兩溢出的角度來看，我們將各個部門間相互溢出強度進行排名，得到表5 所示的金融部門間兩兩溢出強度表，可以看到兩兩部門間溢出效應(yīng)最強的是保險部門和銀行部門，溢出效應(yīng)達到了20.7，原因是銀行與保險有長期深度合作、融合發(fā)展的基礎(chǔ)，銀行是保險產(chǎn)品最主要的銷售渠道，銀行理財產(chǎn)品與保險產(chǎn)品功能交叉趨同，部門業(yè)務(wù)相關(guān)性強，18 年之前銀保監(jiān)會未合并時，中國“大資產(chǎn)”行業(yè)競合的態(tài)勢形成，業(yè)務(wù)之間的壁壘逐步被淡化，我國金融混業(yè)經(jīng)營、分業(yè)監(jiān)管，卻并未對銀行與保險部門進行統(tǒng)一管理，對風(fēng)險的掌控能力相對較弱一些，銀行部門與保險部門的協(xié)調(diào)性也較差，而銀行與保險作為我國傳統(tǒng)金融的底線，其相互間的影響是巨大的。溢出效應(yīng)最弱的是多元金融對保險、多元金融對銀行，溢出強度僅為11.4。

表5 金融部門間兩兩溢出強度表

（二）金融部門間的動態(tài)溢出時變分析

1.動態(tài)總溢出指數(shù)。為了更準確的刻畫中國各金融部門間的風(fēng)險傳遞情況，描繪金融部門間溢出效應(yīng)的持續(xù)變動，我們用滾動窗口估計來進行溢出效應(yīng)的動態(tài)分析，將預(yù)測步長定為10 天，滾動窗口的寬度設(shè)定為200 天。通過對各金融部門的對數(shù)收益率構(gòu)建動態(tài)溢出指數(shù)，我們得到了如圖1 所示的動態(tài)總溢出指數(shù)時序圖。

圖1 顯示，從整體上來看，中國金融部門間的總溢出強度集中于55～75 之間，處于較高水平，且各個部門間的整體連通度較高。分時期來看，總溢出指數(shù)處于不同時期時有著不同的反應(yīng)，2008 年間雷曼兄弟宣告破產(chǎn)迅速引爆國際金融危機，全球金融市場都嚴重受挫，總體風(fēng)險溢出指數(shù)明顯攀升；2012—2014 年初，發(fā)生了銀行錢荒事件，部門間的連通性增強，總溢出指數(shù)呈現(xiàn)出大起大落的態(tài)勢；2014—2016 年底，總溢出指數(shù)呈現(xiàn)震蕩上升的趨勢，原因在于政策改革紅利的釋放，極大刺激了市場投資，流轉(zhuǎn)于金融體系的杠桿率水平一直居高不下，股市一片繁榮的景象背后潛藏著極大的風(fēng)險；2017—2019 年風(fēng)險溢出指數(shù)經(jīng)歷了巨幅波動，2017年我國宏觀經(jīng)濟整體上顯現(xiàn)出復(fù)蘇的態(tài)勢，部門間的連通度降低，波動溢出大幅度減弱，2018 年至今我國國民經(jīng)濟雖總體平穩(wěn)，但國際政治經(jīng)濟環(huán)境卻較之前更加嚴峻，中美經(jīng)貿(mào)摩擦升級導(dǎo)致經(jīng)濟不確定性明顯上升，經(jīng)濟下行壓力增加，房地產(chǎn)泡沫也比較大，金融風(fēng)險的不斷暴露使得各部門聯(lián)動性再次增加，風(fēng)險溢出水平顯著回升至高位水平。

圖1 金融部門間動態(tài)總溢出指數(shù)時序圖

2.穩(wěn)健性檢驗。我們參考Diebold 和Yilmaz（2014）等前人研究中所使用的替代值方法，利用可替代H步預(yù)測誤差方差分解方法和可替代m 日滾動窗口估計方法來檢驗結(jié)果的穩(wěn)健性。圖2 繪制了以10天、5 天、2 天為預(yù)測步長的200 日滾動窗口估計和250 日滾動窗口估計，此檢驗意在檢驗窗口期選擇與預(yù)測步長選擇的敏感性。從圖2 中可以看到，盡管窗口期與預(yù)測步長的取值不同，總溢出指數(shù)的基本走勢卻完全相同，表明總溢出指數(shù)圖對窗口期大小或預(yù)測步長的選擇不敏感，結(jié)果是穩(wěn)健的。

五、結(jié)論與建議

本文采用廣義預(yù)測誤差方差分解模型，基于金融部門間總溢出指數(shù)、凈溢出指數(shù)對我國銀行、證券、保險、多元金融、房地產(chǎn)五類金融部門間的溢出效應(yīng)進行了研究，明確各金融部門在極端風(fēng)險溢出關(guān)聯(lián)網(wǎng)絡(luò)中所擔(dān)當?shù)慕巧?，衡量其系統(tǒng)性重要地位，并結(jié)合滾動窗口估計法，對不同金融部門間的風(fēng)險溢出效應(yīng)做出了進一步的分析和檢驗，有效識別了風(fēng)險傳導(dǎo)的動態(tài)演變過程。

圖2 溢出指數(shù)的穩(wěn)健性檢驗

金融部門間的靜態(tài)風(fēng)險溢出分析結(jié)果顯示，我國金融體系各金融部門間存在著顯著的風(fēng)險溢出效應(yīng)。從兩兩部門間關(guān)系來看，而銀行部門與保險部門之間的溢出效應(yīng)是最強的，多元金融部門對保險部門、多元金融部門對銀行部門間的溢出效應(yīng)最弱。此外，無論是從總溢出指數(shù)還是凈溢出指數(shù)的角度來看，證券部門都具有最明顯的對外風(fēng)險溢出效應(yīng)，是風(fēng)險凈傳染最主要的發(fā)送者，原因在于我國證券市場中投資人群大多處于高負債狀態(tài)，市場無法準確定價，具有較差的風(fēng)險承受能力，遭受沖擊時風(fēng)險很容易通過債券債務(wù)關(guān)系向外蔓延；多元金融部門是風(fēng)險凈傳染的主要接收者，究其原因，多元金融開始崛起，但仍舊處于成長過程中，其風(fēng)險承擔(dān)能力較弱，容易受到來自其他部門風(fēng)險溢出效應(yīng)的波及，所以也是金融市場中系統(tǒng)性風(fēng)險跨部門傳染的主要接收者。而銀行部門與保險部門之間的溢出效應(yīng)是最強的，多元金融部門與保險部門和金融部門間的動態(tài)風(fēng)險溢出分析結(jié)果顯示，我國金融市場系統(tǒng)性風(fēng)險的溢出效應(yīng)基本穩(wěn)定保持在一個較高的溢出水平，且伴隨著金融危機、錢荒、股災(zāi)等極端風(fēng)險事件各部門的聯(lián)動性也會隨之增強，使得防范化解金融部門間風(fēng)險成為我國經(jīng)濟新常態(tài)下亟待解決的問題。最后我們選擇不同的預(yù)測步長和不同的窗口期對所得動態(tài)溢出結(jié)果進行了穩(wěn)健性檢驗，最后得出結(jié)果是穩(wěn)健的。

綜上所述，整個金融體系中不同金融部門之間跨部門的風(fēng)險溢出是明顯存在的，且證券部門是最主要的風(fēng)險發(fā)送者，保險部門、多元金融部門、房地產(chǎn)部門、銀行部門都是風(fēng)險接收者，且保險部門和多元金融部門的風(fēng)險接收能力最強。因此，從防范風(fēng)險跨部門傳染的角度入手管理系統(tǒng)性風(fēng)險尤為重要。為此，本文提出以下幾點建議：首先，防范系統(tǒng)性風(fēng)險不能局限于金融機構(gòu)或金融市場，應(yīng)該將目光轉(zhuǎn)向整個金融體系中的各個金融部門，有效防范金融風(fēng)險的跨部門傳染，監(jiān)管體制應(yīng)該突出審慎監(jiān)管和功能監(jiān)管，來適應(yīng)當前金融市場相互融合的發(fā)展趨勢；其次，相關(guān)監(jiān)管部門需要加強對證券部門的監(jiān)管，同時要重點關(guān)注保險部門和多元金融部門，提高風(fēng)險預(yù)判能力，形成協(xié)同監(jiān)管的體系，加強不同金融部門間的間的協(xié)同配合，促進風(fēng)險在整個金融體系內(nèi)均衡分散，減少風(fēng)險聚集；最后，在堅持金融業(yè)綜合經(jīng)營方向的基礎(chǔ)上，應(yīng)進一步加強銀保統(tǒng)一監(jiān)管，集中整合監(jiān)管資源、發(fā)揮專業(yè)優(yōu)勢，發(fā)揮協(xié)同效應(yīng)，著力降低銀行部門與保險部門之間的風(fēng)險傳遞，加強兩部門間風(fēng)險管控。