胡可為 安毅 劉文超

摘 要：文章選取2007年1月至2021年4月的日數(shù)據(jù)，基于極端風(fēng)險溢出視角，采用cross-quantilogram模型對我國證券、銀行、保險三個金融部門與股市間的風(fēng)險溢出效應(yīng)進(jìn)行實證分析，重點考察各金融部門在2008年、2015年、2018年股災(zāi)及2020年新冠肺炎疫情中的系統(tǒng)性風(fēng)險，評估其系統(tǒng)重要性與脆弱性。結(jié)果表明：全樣本下各金融部門與股市間存在顯著的雙向極端風(fēng)險溢出效應(yīng);各金融部門的系統(tǒng)重要性與脆弱性在不同極端事件中存在著異質(zhì)性特征，其中證券部門在歷次極端事件中表現(xiàn)最強。

關(guān)鍵詞：系統(tǒng)性風(fēng)險;系統(tǒng)重要性;系統(tǒng)脆弱性;極端風(fēng)險溢出

一、引言與文獻(xiàn)綜述

防控金融系統(tǒng)性風(fēng)險、維護(hù)金融穩(wěn)定是我國實現(xiàn)金融安全的長期任務(wù)。2014年，中國人民銀行第一次提出“要及時化解和處置各類金融風(fēng)險，牢牢守住不發(fā)生區(qū)域性、系統(tǒng)性金融風(fēng)險的底線?！钡搅?015年，我國金融風(fēng)險事件首先出現(xiàn)在股市，由放任加杠桿和嚴(yán)厲去杠桿所引發(fā)的股市劇烈波動幾乎引發(fā)整個金融系統(tǒng)的不穩(wěn)定。為此各部門花費了很多精力才控制住股市風(fēng)險向整個金融體系的蔓延和擴大。2017年，黨的十九大報告再次強調(diào)“守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”。然而，2018年10月股市由于利空消息和廣泛存在的股權(quán)質(zhì)押問題之間的相互作用開始大幅下跌，險些再次引發(fā)金融系統(tǒng)風(fēng)險。為此，2019年中央經(jīng)濟工作會議再次提出“必須強化風(fēng)險意識，牢牢守住不發(fā)生系統(tǒng)性風(fēng)險的底線?！笨梢哉J(rèn)為，金融部門的系統(tǒng)重要性和脆弱性逐漸成為我國經(jīng)濟和金融運行必須要長期考慮和探討的問題。

從文獻(xiàn)來看，對系統(tǒng)重要性和脆弱性進(jìn)行研究的基本視角是對金融市場之間、金融機構(gòu)之間、金融市場與金融機構(gòu)之間的風(fēng)險溢出效應(yīng)開展實證分析。很多學(xué)者對波動溢出效應(yīng)進(jìn)行了研究。然而，僅關(guān)注波動溢出效應(yīng)并不能精準(zhǔn)刻畫金融市場間的風(fēng)險溢出情況?？紤]到極端風(fēng)險溢出具有極強的破壞性，會引發(fā)金融體系震蕩，甚至?xí)l(fā)系統(tǒng)性風(fēng)險，因此十分有必要考慮極端風(fēng)險的溢出效應(yīng)。

國內(nèi)對極端風(fēng)險溢出效應(yīng)的研究主要集中于金融機構(gòu)之間（歐陽資生和莫廷程，2017;王錦陽等，2018;楊子暉和李東承，2018）、金融部門之間（楊子暉等，2018;李政等，2019）、金融市場之間（周愛民和韓菲，2017;劉超等，2017），而對金融部門與金融市場間極端風(fēng)險溢出效應(yīng)關(guān)注得相對較少。但是隨著我國金融市場與金融機構(gòu)間的關(guān)聯(lián)性日益增強，金融市場與金融機構(gòu)間的極端風(fēng)險溢出問題已經(jīng)開始凸顯。只有考察金融市場對金融機構(gòu)系統(tǒng)性風(fēng)險的影響，才能更深地了解金融機構(gòu)系統(tǒng)性風(fēng)險的內(nèi)生性問題（方意等，2018）。為此，方意等研究了不同金融市場對銀行業(yè)系統(tǒng)性風(fēng)險的溢出問題，發(fā)現(xiàn)股市的風(fēng)險溢出效應(yīng)最強。楊子暉等則基于ES指標(biāo)，對銀行、證券、保險、多元金融、房地產(chǎn)五個部門和股市間的極端風(fēng)險溢出的非線性因果關(guān)系進(jìn)行探討。吳永鋼等借鑒White等提出的MVMQ-CAViaR模型，將銀行、證券、保險和多元金融四類金融機構(gòu)以及股市、債市、貨幣市場和外匯市場四類金融市場納入我國金融體系，基于網(wǎng)絡(luò)關(guān)聯(lián)視角研究這八個板塊兩兩之間的極端風(fēng)險溢出效應(yīng)。

在上述文獻(xiàn)的基礎(chǔ)上，本文擬通過采用cross-quantilogram方法來進(jìn)一步探索我國金融部門與金融市場間的極端風(fēng)險溢出效應(yīng)，同時評估我國金融部門的系統(tǒng)重要性與脆弱性。其中，借鑒李政等的研究，本文將金融部門的系統(tǒng)性風(fēng)險貢獻(xiàn)定義為當(dāng)金融部門發(fā)生系統(tǒng)性風(fēng)險時，金融部門對金融市場系統(tǒng)性風(fēng)險的貢獻(xiàn)程度，反映金融部門的系統(tǒng)重要性;將金融部門的系統(tǒng)性風(fēng)險敞口定義為當(dāng)金融市場發(fā)生系統(tǒng)性風(fēng)險時，金融市場對金融部門的極端風(fēng)險溢出程度，反映金融部門的系統(tǒng)脆弱性。相比已有研究采用VAR-VaR、ES指標(biāo)或非線性格蘭杰因果檢驗等方法，本文采用的cross-quantilogram方法不僅可以量化金融部門與金融市場間極端風(fēng)險溢出的程度，還可以深入分析其極端風(fēng)險溢出效應(yīng)的滯后性與持續(xù)性。最重要的是，考慮到2008年、2015年和2018年的股災(zāi)事件及2020年新冠肺炎疫情對我國金融市場的重要影響，本文著重分析了各風(fēng)險事件時期金融部門與金融市場間的極端風(fēng)險溢出效應(yīng)，探究各金融部門的系統(tǒng)重要性與脆弱性在各時期的異質(zhì)性特征，并基于歷史事件分析法來分析產(chǎn)生這種差異的原因，以期為我國金融系統(tǒng)性風(fēng)險的防范與管理提供政策啟示。

二、方法與數(shù)據(jù)

（一）cross-quantilogram 模型

本文使用Han等提出的交叉定量圖（CQ）來研究我國金融部門的系統(tǒng)性風(fēng)險。CQ方法是變量之間相關(guān)性的無模型度量，且與傳統(tǒng)的相關(guān)度量不同，CQ估計變量分布的分位數(shù)之間的相關(guān)性。因此，該方法可以捕獲依賴結(jié)構(gòu)中的交叉分位數(shù)不對稱性。此外，值得注意的是，CQ方法要求變量是平穩(wěn)的時間序列。

（二）樣本數(shù)據(jù)選擇與描述性統(tǒng)計分析

本文主要考察我國金融部門與金融市場間的極端風(fēng)險溢出效應(yīng)，選取證券、銀行、保險部門作為金融部門的代表?？紤]到股市在我國金融市場中的系統(tǒng)重要性，以及近年來我國股市極端風(fēng)險事件頻發(fā)的現(xiàn)狀，選取股市作為金融市場的代表。數(shù)據(jù)選擇上，以申萬二級指數(shù)的證券、銀行和保險行業(yè)指數(shù)作為各金融部門的代表，以滬深300指數(shù)作為股市的代表。此外，鑒于保險行業(yè)指數(shù)從2007年1月17日開始，因此本文的樣本區(qū)間為2007年1月17日至2021年4月30日。所有數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。定義各指數(shù)收益率Rt為：Rt=lnPtPt-1， 其中，Pt為某指數(shù)在第t日的收盤價。

表1給出了樣本期間我國證券、銀行、保險部門及股市各價格指數(shù)收益率的描述性統(tǒng)計結(jié)果。從表中可以發(fā)現(xiàn)：①標(biāo)準(zhǔn)差統(tǒng)計量顯示我國金融部門的波動大于股市，證券部門的波動大于銀行與保險部門，說明金融部門的市場風(fēng)險強于股市，證券部門的市場風(fēng)險強于銀行與保險部門。②偏度、峰度指標(biāo)表明我國股市、證券和保險部門的收益率均存在左偏和肥尾特征，說明負(fù)向極端風(fēng)險發(fā)生的概率大于正向極端風(fēng)險發(fā)生的概率，而銀行部門恰恰相反。③J-B統(tǒng)計量顯示各收益率均不服從正態(tài)分布，說明僅使用均值溢出模型或多元GARCH模型并不能準(zhǔn)確刻畫我國金融部門與金融市場間的風(fēng)險溢出效應(yīng)。9A12BED8-D238-43C5-A21B-7259BF963ED4

三、實證結(jié)果與分析

本文的實證部分主要包括以下兩方面。一方面，在全樣本數(shù)據(jù)下分析我國各金融部門與股市之間的極端風(fēng)險溢出效應(yīng)，考察各金融部門的系統(tǒng)重要性與脆弱性。另一方面，基于2008年、2015年、2018年及2020年的四次極端風(fēng)險事件，考察我國各金融部門在不同時期的系統(tǒng)重要性與脆弱性的異質(zhì)性，并采用歷史事件分析法探討產(chǎn)生異質(zhì)性的原因。具體地，子樣本1為2007年至2009年，包含2008年股災(zāi)事件;子樣本2為2014年至2016年，包含2015年股災(zāi)事件;子樣本3為2017年至2019年，包含2018年股災(zāi)事件;子樣本4為2020年至2021年4月，包含新冠肺炎疫情事件。另外，為保證結(jié)果的一致性和可比性，所有的交叉分位數(shù)圖ρ︿α（k）均將參數(shù)設(shè)定為k=60且α1=α2=0.05，以表示在滯后60期內(nèi)我國各金融部門與股市間的極端風(fēng)險溢出情況。

（一）全樣本下我國各金融部門的系統(tǒng)重要性與脆弱性分析

圖1給出了全樣本下我國各金融部門與股市之間的極端風(fēng)險溢出結(jié)果。圖（a1）～（a3）描繪的是我國各金融部門對股市的極端風(fēng)險溢出結(jié)果，從圖中可以發(fā)現(xiàn)：①各金融部門對股市的極端風(fēng)險溢出在滯后1期均顯著，且證券和保險部門對股市的系統(tǒng)性風(fēng)險貢獻(xiàn)在滯后3期達(dá)到最大值，銀行部門對股市的系統(tǒng)性風(fēng)險貢獻(xiàn)程度在滯后13期達(dá)到最大值。說明各金融部門極端風(fēng)險事件的發(fā)生均會引起股市系統(tǒng)性風(fēng)險的加劇。②各金融部門對股市系統(tǒng)性風(fēng)險的持續(xù)影響主要集中在2周內(nèi)，且1個月后的極端風(fēng)險溢出效應(yīng)會明顯減弱。說明一旦金融部門發(fā)生極端風(fēng)險事件，2周內(nèi)就可能蔓延到股市，并引發(fā)系統(tǒng)性風(fēng)險。這也表明，應(yīng)對金融機構(gòu)突發(fā)事件引致的股市系統(tǒng)性風(fēng)險加劇的最佳時間是極端事件發(fā)生的1個月內(nèi)。

圖（b1）～（b3）描繪的是我國股市對各金融部門的極端風(fēng)險溢出情況，反映的是各金融部門的系統(tǒng)脆弱性。由圖中可以發(fā)現(xiàn)：①證券與保險部門受股市極端事件的沖擊在滯后1期是顯著的，而銀行部門在滯后1期時不顯著。表明股市極端風(fēng)險事件的發(fā)生對證券和保險部門的沖擊更迅速。②證券、銀行和保險部門的金融脆弱程度分別在滯后13期、4期、3期時達(dá)到最大，說明我國銀行與保險部門在短期內(nèi)更容易受到金融系統(tǒng)性風(fēng)險的影響。③三個金融部門受系統(tǒng)性風(fēng)險影響的時間段主要集中在滯后20期內(nèi)，之后受金融系統(tǒng)性風(fēng)險的影響便逐步下降。且相較于銀行和保險部門，證券部門受系統(tǒng)性風(fēng)險影響的時間會更持久。

（二）不同極端事件發(fā)生期間我國各金融部門的系統(tǒng)重要性與脆弱性分析

1. 2008年股災(zāi)期間我國各金融部門的系統(tǒng)重要性與脆弱性分析

圖2描繪的是2008年股災(zāi)期間我國各金融部門與股市之間的極端風(fēng)險溢出情況。圖（a1）～（a3）及圖（b1）～（b3）分別反映在該子樣本期間我國各金融部門的系統(tǒng)重要性和系統(tǒng)脆弱性。從圖中可以發(fā)現(xiàn)，在2008年的國際金融危機中，我國銀行、保險部門與股市之間并不存在顯著的極端風(fēng)險溢出效應(yīng)，僅證券部門在滯后2期時受到股市極端風(fēng)險的沖擊，說明該時期我國股市對各金融部門的沖擊并不持久。這是因為2008年的股災(zāi)主要是由于國際金融危機引發(fā)全球金融市場急劇下跌，且在這期間我國的金融部門混業(yè)經(jīng)營并不明顯，銀行、保險部門與股市之間仍然相互分割，只有證券部門因為業(yè)務(wù)往來與股市存在相互關(guān)聯(lián)的情況。

2. 2015年股災(zāi)期間我國金融部門的系統(tǒng)重要性與脆弱性分析

圖3反映的是2015年股災(zāi)期間我國各金融部門與股市之間的極端風(fēng)險溢出情況。圖（a1）～（a3）描繪的是我國金融部門對股市的極端風(fēng)險溢出情況，反映金融部門的系統(tǒng)重要性;圖（b1）～（b3）描繪的是我國股市對各金融部門系統(tǒng)性風(fēng)險的溢出情況，反映各金融部門的系統(tǒng)脆弱性。由圖可知：①雖然各金融部門極端風(fēng)險事件的發(fā)生均會導(dǎo)致股市極端風(fēng)險增強，但證券部門對股市的系統(tǒng)性風(fēng)險貢獻(xiàn)度在滯后1期時就達(dá)到最大，而銀行與保險部門直到滯后13期時才達(dá)到最大值。說明在此期間，相比其他兩部門，證券部門的極端風(fēng)險對股市沖擊更迅速，扮演著引發(fā)或加劇股市系統(tǒng)性風(fēng)險的角色。②我國各金融部門對股市系統(tǒng)性風(fēng)險的持續(xù)影響主要集中在3周內(nèi)，且沖擊在1個月后明顯減弱，表明應(yīng)對金融機構(gòu)突發(fā)事件引致的系統(tǒng)性風(fēng)險加劇的最佳時間是極端事件發(fā)生的1個月內(nèi)，因此監(jiān)管層應(yīng)盡早制訂相關(guān)應(yīng)對方案。③股市對證券、銀行和保險部門的極端風(fēng)險溢出效應(yīng)分別在滯后2期、3期、37期處達(dá)到最大值，且對證券部門的溢出效應(yīng)最強。另外，相比銀行部門，證券與保險部門受到股市極端風(fēng)險沖擊的時間更持久，尤其是證券部門，持續(xù)期可以長達(dá)1個多月。這說明證券部門是我國金融部門中最容易受到金融系統(tǒng)性風(fēng)險沖擊的部門，其系統(tǒng)脆弱性最強。

綜上分析可知，證券部門是2015年股災(zāi)發(fā)生期間系統(tǒng)脆弱性最大的金融部門，在2015年股市繁榮與泡沫破期間均扮演著重要的角色。因此，政府在2015年股災(zāi)期間采取購買上證50指數(shù)成分股來救市的政策的確能起到穩(wěn)定股市的作用。

3. 2018年股災(zāi)期間我國各金融部門的系統(tǒng)重要性與脆弱性分析

圖4描繪的是2018年股災(zāi)期間我國各金融部門與股市之間的極端風(fēng)險溢出情況。從圖中可以發(fā)現(xiàn)：①在樣本期間，證券和銀行部門并沒有對股市產(chǎn)生顯著的極端風(fēng)險溢出效應(yīng)，僅保險部門在滯后3期時對股市有輕微的沖擊。表明金融部門極端風(fēng)險的上升并不是引起股市發(fā)生極端風(fēng)險的主要原因。②證券部門最早在滯后3期處受到股市極端風(fēng)險的明顯沖擊，銀行和保險部門最早在滯后7期處受到股市極端風(fēng)險的明顯沖擊，且被沖擊力度由強到弱依次為銀行、證券和保險部門。這說明在2018年股災(zāi)發(fā)生期間，相比保險部門，證券和銀行部門的系統(tǒng)脆弱性更強，股市極端風(fēng)險沖擊會更迅速地傳導(dǎo)到證券部門，但會以更強的力度沖擊到銀行部門。這為“股權(quán)質(zhì)押危機”是2018年股災(zāi)的主要原因提供了新的經(jīng)驗證據(jù)，也表明業(yè)務(wù)關(guān)聯(lián)渠道是此次金融部門與股市之間極端風(fēng)險傳染的主要渠道。即在2015年后影子銀行被限制的大背景下，為緩解融資難問題，上市公司通過將股權(quán)質(zhì)押給券商的方式獲得資金。部分銀行也參與其中，它們以券商為通道提供資金支持。因此，當(dāng)股市暴跌時，銀行和券商的風(fēng)險暴露倉口顯著增強，成為最易受股市極端風(fēng)險沖擊的金融部門。9A12BED8-D238-43C5-A21B-7259BF963ED4

4. 2020年新冠肺炎疫情期間我國各金融部門的系統(tǒng)重要性與脆弱性分析

圖5描繪的是2020年新冠肺炎疫情期間我國各金融部門與股市之間的極端風(fēng)險溢出情況。圖（a1）～（a3）及圖（b1）～（b3）分別反映在該子樣本期間我國各金融部門的系統(tǒng)重要性和系統(tǒng)脆弱性。從圖中可以發(fā)現(xiàn)，在2020年新冠肺炎疫情期間，我國證券、銀行和保險部門與股市之間并不存在顯著的極端風(fēng)險溢出效應(yīng)。表明在政府有力的疫情防控和高效的宏觀調(diào)控下，此次公共衛(wèi)生事件沖擊并未對我國金融部門與金融市場的風(fēng)險水平產(chǎn)生顯著影響。

（三）進(jìn)一步比較

表2給出了全樣本及不同極端事件時期我國各金融部門與股市之間極端風(fēng)險溢出的主要信息統(tǒng)計結(jié)果。由表中可知，在四次極端事件中，2015年股災(zāi)期間的極端風(fēng)險溢出效應(yīng)更強，且該時期，各金融部門的系統(tǒng)重要性與脆弱性均顯著增強。其中，與銀行和保險部門相比，證券部門對股市的沖擊速度更快，沖擊力度也較強，受股市沖擊的力度也更強。相對于2015年和2018年股災(zāi)而言，國際外部風(fēng)險事件引發(fā)的2008年股災(zāi)和2020年新冠肺炎疫情引發(fā)的股市極端風(fēng)險事件對金融體系系統(tǒng)性風(fēng)險的沖擊更小。這表明我國各金融部門之間、金融部門與股市之間的業(yè)務(wù)關(guān)聯(lián)性是影響我國各金融部門系統(tǒng)重要性與脆弱性的主要因素，而國際金融動蕩及疫情等外部風(fēng)險事件對我國股市與各金融部門的沖擊較小。

四、結(jié)論與建議

本文基于2007年1月至2021年4月的日數(shù)據(jù)，通過cross-quantilogram模型對我國證券、銀行和保險部門與股市之間的極端風(fēng)險溢出效應(yīng)進(jìn)行實證分析。進(jìn)一步，基于2008年、2015年、2018年的三次股災(zāi)及2020年新冠肺炎疫情時期的子樣本，探討了不同金融部門與股市之間的極端風(fēng)險溢出效應(yīng)，進(jìn)而揭示不同金融部門所具有的系統(tǒng)重要性以及系統(tǒng)脆弱性的異質(zhì)性。

結(jié)果表明：第一，在全樣本中，我國證券、銀行和保險部門與股市之間存在顯著的極端風(fēng)險溢出效應(yīng)，且該效應(yīng)具有明顯的滯后性與持續(xù)性。第二，在2015年股災(zāi)期間，各金融部門均表現(xiàn)出顯著的系統(tǒng)重要性與脆弱性，且強度是三次股災(zāi)中最大的。另外，證券部門是該次股災(zāi)中系統(tǒng)重要性與脆弱性最強的金融部門，顯示了證券部門與股市的強相關(guān)性。第三，在2008年股災(zāi)和2018年股災(zāi)期間，我國證券、銀行和保險部門并沒有對股市產(chǎn)生顯著的極端風(fēng)險溢出效應(yīng)，說明我國各金融部門不是這兩次股災(zāi)中系統(tǒng)性風(fēng)險的主要貢獻(xiàn)者。第四，歷次風(fēng)險事件中我國金融部門與股市間的極端風(fēng)險溢出情況表明各金融部門之間、金融部門與股市之間的業(yè)務(wù)關(guān)聯(lián)性是影響我國各金融部門系統(tǒng)性風(fēng)險的重要因素。

據(jù)此，本文提出以下三點建議：首先，監(jiān)管部門在防范和管理我國金融系統(tǒng)性風(fēng)險時，應(yīng)深入分析引致金融體系系統(tǒng)性風(fēng)險加劇的深層次原因，只有找出引發(fā)系統(tǒng)性風(fēng)險的源頭與傳導(dǎo)路徑，才能有針對性地采取相關(guān)措施來緩解我國各金融部門與金融市場間的極端風(fēng)險溢出效應(yīng)，維護(hù)金融體系的穩(wěn)定。其次，監(jiān)管部門在防范和管理金融系統(tǒng)性風(fēng)險時，也要密切關(guān)注極端風(fēng)險溢出的滯后性與持續(xù)性，及時采取相關(guān)措施，降低各金融部門與金融市場之間的關(guān)聯(lián)性，緩解由極端風(fēng)險溢出的滯后效應(yīng)與持續(xù)效應(yīng)所帶來的不利沖擊。最后，無論是在全樣本中還是在四次極端事件中，證券部門的系統(tǒng)重要性與系統(tǒng)脆弱性最為明顯，且其系統(tǒng)重要性與脆弱性的持續(xù)期也較其他部門更長。因此，應(yīng)重點關(guān)注證券部門的系統(tǒng)性風(fēng)險，一方面，要防范因證券部門的風(fēng)險水平升高而引致整體金融體系的風(fēng)險水平上升;另一方面，要防范其他部門或市場的風(fēng)險因素引致證券部門的系統(tǒng)性風(fēng)險加劇。

參考文獻(xiàn)

[1]歐陽資生，莫廷程.基于廣義CoVaR模型的系統(tǒng)重要性銀行的風(fēng)險溢出效應(yīng)研究[J].統(tǒng)計研究，2017，34（9）：36-43.

[2]王錦陽，劉錫良，杜在超.相依結(jié)構(gòu)、動態(tài)系統(tǒng)性風(fēng)險測度與后驗分析[J].統(tǒng)計研究，2018，35（3）：3-13.

[3]楊子暉，李東承.我國銀行系統(tǒng)性金融風(fēng)險研究——基于“去一法”的應(yīng)用分析[J].經(jīng)濟研究，2018，53（8）：36-51.

[4]楊子暉，陳雨恬，謝銳楷.我國金融機構(gòu)系統(tǒng)性金融風(fēng)險度量與跨部門風(fēng)險溢出效應(yīng)研究[J].金融研究，2018（10）：19-37.

[5]李政，梁琪，方意.中國金融部門間系統(tǒng)性風(fēng)險溢出的監(jiān)測預(yù)警研究——基于下行和上行ΔCoES指標(biāo)的實現(xiàn)與優(yōu)化[J].金融研究，2019（2）：40-58.

[6]周愛民，韓菲.股票市場和外匯市場間風(fēng)險溢出效應(yīng)研究——基于GARCH-時變Copula-CoVaR模型的分析[J].國際金融研究，2017（11）：54-64.

[7]劉超，徐君慧，周文文.中國金融市場的風(fēng)險溢出效應(yīng)研究——基于溢出指數(shù)和復(fù)雜網(wǎng)絡(luò)方法[J].系統(tǒng)工程理論與實踐，2017，37（4）：831-842.

[8]方意，陳敏，楊嬿平.金融市場對銀行業(yè)系統(tǒng)性風(fēng)險的溢出效應(yīng)及渠道識別研究[J].南開經(jīng)濟研究，2018（5）：58-75.

[9]楊子暉，陳雨恬，陳里璇.極端金融風(fēng)險的有效測度與非線性傳染[J].經(jīng)濟研究，2019，54（5）：63-80.

[10]吳永鋼，趙航，卜林.中國金融體系內(nèi)極端風(fēng)險溢出關(guān)系研究[J].南開經(jīng)濟研究，2019（5）：98-121.

[11]WHITE H，KIM T-H，MANGANELLI S. VAR for VaR： Measuring tail dependence using multivariate regression quantiles[J]. Journal of Econometrics，2015，187（1）：169-188.

[12]李政，涂曉楓，卜林.金融機構(gòu)系統(tǒng)性風(fēng)險：重要性與脆弱性[J].財經(jīng)研究，2019，45（2）：100-112，152.

[13]HAN H，LINTON O，OKA T，et al. The cross-quantilogram： Measuring quantile dependence and testing directional predictability between time series[J]. Journal of Econometrics，2016，193（1）：251-270.9A12BED8-D238-43C5-A21B-7259BF963ED4