王綱金，徐梓雙，謝 赤

(湖南大學(xué)工商管理學(xué)院，長沙 410082)

0 引 言

2008年次貸危機爆發(fā)后，金融機構(gòu)間的關(guān)聯(lián)性以及系統(tǒng)性風(fēng)險引起了學(xué)術(shù)界與監(jiān)管者的廣泛關(guān)注. 系統(tǒng)性風(fēng)險指在由不同行業(yè)的金融機構(gòu)組成的體系中，一個事件可以影響整個金融體系的功能，同時也讓看似不相關(guān)的第三方遭受損失. 由于金融工具的不斷創(chuàng)新，各類衍生品涌現(xiàn)，表外業(yè)務(wù)范圍擴大，金融機構(gòu)個體間的聯(lián)動性逐漸上升，金融市場風(fēng)險傳染速度加快. 金融機構(gòu)間的過度關(guān)聯(lián)使得負面沖擊在機構(gòu)個體之間、部門行業(yè)間以及金融系統(tǒng)和實體經(jīng)濟之間傳導(dǎo)擴散，沖擊破壞力急劇上升，影響范圍迅速擴大，放大了風(fēng)險傳染的渠道與可能性. 正是機構(gòu)間的相互關(guān)聯(lián)，造成了系統(tǒng)性風(fēng)險的傳播.

從當(dāng)前國內(nèi)背景來看，金融業(yè)改革不斷深化，從目前的分業(yè)經(jīng)營模式過渡至混業(yè)經(jīng)營趨勢明顯. 同時，在企業(yè)與居民對差異性金融產(chǎn)品需求上升的環(huán)境下，金融創(chuàng)新產(chǎn)品發(fā)展迅速，金融服務(wù)的廣度和深度不斷擴展. 2015年的股災(zāi)便是金融機構(gòu)大力開展影子業(yè)務(wù)，規(guī)避監(jiān)管部門約束，從而引發(fā)系統(tǒng)關(guān)聯(lián)性上升和風(fēng)險聚增的集中體現(xiàn)[1]. “一委一行兩會”新的監(jiān)管格局正是監(jiān)管部門應(yīng)對目前金融混業(yè)和綜合經(jīng)營形勢的新舉措.2020年12月2日，中國人民銀行和中國銀行保險監(jiān)督管理委員會聯(lián)合發(fā)布了2021年1月1日起正式實施的《系統(tǒng)重要性銀行評估辦法》，從規(guī)模、關(guān)聯(lián)度、可替代性和復(fù)雜性等四個維度構(gòu)建評估指標(biāo)體系以識別我國系統(tǒng)重要性銀行，通過對系統(tǒng)重要性銀行進行差異化監(jiān)管，以降低其發(fā)生重大風(fēng)險的可能性，防范系統(tǒng)性風(fēng)險. 盡管指標(biāo)評估方法能透明、簡捷地獲取系統(tǒng)重要性銀行的名單，但是該方法無法動態(tài)地捕捉金融機構(gòu)間的風(fēng)險傳染效應(yīng)與負外部性影響，且無法分辨金融機構(gòu)的系統(tǒng)性風(fēng)險貢獻與其參與風(fēng)險性事件的區(qū)別[2]. 同時，在經(jīng)濟新常態(tài)的背景下，經(jīng)濟下行壓力加大，面臨潛在系統(tǒng)性風(fēng)險逐步顯性化的問題. 愈加復(fù)雜的金融系統(tǒng)更易引發(fā)極端事件發(fā)生，同時尾部極端風(fēng)險容易通過網(wǎng)絡(luò)傳染至其它機構(gòu)，從而加劇系統(tǒng)性風(fēng)險發(fā)生的可能性.

另一方面，在國際視角下當(dāng)前中國金融市場逐步推動對外開放. 隨著近兩年A股市場正式分別納入MSCI指數(shù)與FTSE Russel指數(shù)、放寬或取消外資在國內(nèi)金融機構(gòu)的持股比例、2018年12月正式啟動滬倫通計劃以及進一步完善內(nèi)地與中國香港兩地股票市場互聯(lián)互通機制等舉措出臺落地，中國金融系統(tǒng)與國際金融系統(tǒng)的聯(lián)系不斷加深. 金融系統(tǒng)的穩(wěn)定是保證經(jīng)濟平穩(wěn)發(fā)展的關(guān)鍵，尤其在“十九大報告”強調(diào)“健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”是金融工作永恒主題的背景下，加強對整個金融系統(tǒng)的宏觀審慎監(jiān)管的關(guān)注，探究如何防范外部金融風(fēng)險沖擊，把握金融系統(tǒng)的關(guān)聯(lián)性，衡量金融機構(gòu)系統(tǒng)性風(fēng)險貢獻對落實有效金融監(jiān)管措施、維護金融系統(tǒng)健康穩(wěn)定具有重要意義.

在此背景下，本文旨在利用尾部風(fēng)險度量方法，衡量金融機構(gòu)的尾部風(fēng)險，構(gòu)建尾部風(fēng)險溢出網(wǎng)絡(luò)以測度金融系統(tǒng)關(guān)聯(lián)性，探究金融機構(gòu)系統(tǒng)性風(fēng)險貢獻，評估個體金融機構(gòu)處于極端條件下對整體系統(tǒng)性風(fēng)險的貢獻，從中識別具有系統(tǒng)重要性的機構(gòu). 從理論意義角度，本文在金融機構(gòu)尾部風(fēng)險溢出網(wǎng)絡(luò)關(guān)聯(lián)性的基礎(chǔ)之上，引入評估金融機構(gòu)財務(wù)狀況的公司特征變量，提出網(wǎng)絡(luò)-市場-賬面(network-market-book)相結(jié)合的系統(tǒng)性風(fēng)險貢獻測度，該測度綜合考慮尾部風(fēng)險網(wǎng)絡(luò)的關(guān)聯(lián)性以及影響金融機構(gòu)系統(tǒng)性風(fēng)險貢獻的公司特征(如規(guī)模、杠桿率、流動性)，從而更充分地探究金融機構(gòu)“太關(guān)聯(lián)而不能倒”與“太大而不能倒”等道德風(fēng)險問題. 從現(xiàn)實意義角度，在系統(tǒng)性金融風(fēng)險不斷累積、金融行業(yè)中業(yè)務(wù)相關(guān)性和交叉性增強的背景下，通過測度金融機構(gòu)系統(tǒng)性風(fēng)險貢獻能在金融管理實踐中為系統(tǒng)性風(fēng)險防范與宏觀審慎監(jiān)管提供一定參考依據(jù).

1 文獻綜述

根據(jù)對系統(tǒng)性風(fēng)險定義的不同，測度方法分為宏觀和微觀兩種. 宏觀方法是將金融系統(tǒng)視為一個有機整體，并對其風(fēng)險大小進行衡量；微觀方法則是將重心放在金融機構(gòu)個體的表現(xiàn)上，通過機構(gòu)間的風(fēng)險傳染衡量個體機構(gòu)對其它機構(gòu)的風(fēng)險溢出及其系統(tǒng)性風(fēng)險貢獻.

Kaminskya和Reinhartb[3]提出的信號法是從宏觀層面出發(fā)的代表性早期預(yù)警指標(biāo)方法. 這種方法監(jiān)測選定指標(biāo)的動態(tài)變化，并根據(jù)超出閾值的預(yù)警指標(biāo)數(shù)量判斷金融危機發(fā)生的可能性. 在亞洲金融危機之后，IMF[4]提出了金融穩(wěn)健性指標(biāo)，通過對資本充足率、資產(chǎn)質(zhì)量、流動性水平等指標(biāo)考察評價金融體系的穩(wěn)健性. 延續(xù)綜合指數(shù)的思路，陶玲和朱迎[5]結(jié)合我國轉(zhuǎn)軌體制特點和現(xiàn)實情況，提出了包含7個維度的系統(tǒng)性風(fēng)險綜合指數(shù)對風(fēng)險指標(biāo)狀態(tài)及其拐點進行識別和判斷.

相比通過宏觀經(jīng)濟變量評估系統(tǒng)性金融風(fēng)險，微觀市場數(shù)據(jù)的優(yōu)勢在于能利用高頻市場交易數(shù)據(jù)，反映機構(gòu)間的動態(tài)風(fēng)險傳染信息. 基于收益率損失度量系統(tǒng)性風(fēng)險貢獻是通過高頻市場數(shù)據(jù)判斷系統(tǒng)性風(fēng)險大小、衡量機構(gòu)系統(tǒng)重要性的一個重要方法. 在傳統(tǒng)風(fēng)險價值(value-at-risk, VaR)模型基礎(chǔ)之上，Adrian和Brunnermeier[6]提出條件風(fēng)險價值(conditional VaR, CoVaR)，并采用某一機構(gòu)陷入困境時與其正常經(jīng)營時的風(fēng)險價值之差(ΔCoVaR)來衡量金融機構(gòu)的系統(tǒng)性風(fēng)險貢獻. 肖璞等[7]利用CoVaR量化商業(yè)銀行的風(fēng)險溢出效應(yīng)，并測度銀行陷入困境時對銀行系統(tǒng)的風(fēng)險貢獻程度. Acharya等[8]則在CoVaR的基礎(chǔ)上進一步考慮了更為極端情況下的期望損失(expected shortfall, ES)，提出邊際期望損失(marginal expected shortfall, MES)測度金融機構(gòu)系統(tǒng)性風(fēng)險貢獻以及系統(tǒng)性期望損失考察面對系統(tǒng)性風(fēng)險時金融系統(tǒng)的可能損失. 楊子暉等[9]分別采用VaR、MES、CoVaR和ΔCoVaR等4種方法對金融機構(gòu)和房地產(chǎn)公司的系統(tǒng)性風(fēng)險貢獻進行評估和比較，發(fā)現(xiàn)這4種方法均能有效識別金融行業(yè)風(fēng)險集聚的尾部事件. Brownlees和Engle[10]完善MES未曾考慮金融機構(gòu)本身規(guī)模及杠桿率的問題，提出系統(tǒng)性風(fēng)險指數(shù)(systemic risk index, SRISK)，并實證測度美國95家金融機構(gòu)的系統(tǒng)性風(fēng)險，證實該指數(shù)有助于捕捉金融危機的早期現(xiàn)象. 梁琪等[11]基于SRISK估計中國上市金融機構(gòu)的資本短缺程度，識別系統(tǒng)重要性機構(gòu)，發(fā)現(xiàn)加強機構(gòu)杠桿率審慎監(jiān)管對監(jiān)管實務(wù)具有重要意義. 雖然以上CoVaR, MES和SRISK等方法得到了廣泛的關(guān)注與應(yīng)用，但是此類方法主要關(guān)注單個金融機構(gòu)與金融系統(tǒng)或者兩個金融機構(gòu)之間的關(guān)聯(lián)性，卻忽視了不同金融機構(gòu)之間的關(guān)聯(lián)性以及整個系統(tǒng)的網(wǎng)絡(luò)關(guān)聯(lián)性，從而無法準(zhǔn)確識別復(fù)雜金融網(wǎng)絡(luò)的系統(tǒng)性風(fēng)險.

考慮到金融實體間復(fù)雜的交互行為以及金融系統(tǒng)是復(fù)雜的巨系統(tǒng)，學(xué)者們開始運用復(fù)雜網(wǎng)絡(luò)理論來研究金融機構(gòu)間的關(guān)聯(lián)性以測度系統(tǒng)性風(fēng)險并識別系統(tǒng)重要性金融機構(gòu)[12-17]. 相關(guān)性網(wǎng)絡(luò)模型是基于市場數(shù)據(jù)構(gòu)建復(fù)雜金融網(wǎng)絡(luò)的代表性方法，主要通過過濾金融實體間相關(guān)性矩陣來構(gòu)建相對應(yīng)的金融網(wǎng)絡(luò). 常見的相關(guān)性網(wǎng)絡(luò)建模方法有：最小生成樹[18]、平面最大限度濾波圖[19]、閾值法[20]和偏相關(guān)性[21]. 雖然相關(guān)性網(wǎng)絡(luò)能有效度量金融實體間的關(guān)聯(lián)性及其演化特性，并廣泛應(yīng)用于資產(chǎn)組合的選擇與優(yōu)化，但是它們?yōu)闊o向網(wǎng)絡(luò)，只能反映金融實體間的相關(guān)性，無法捕捉到金融實體之間領(lǐng)先滯后的信息溢出關(guān)系. 因此，在當(dāng)前金融機構(gòu)聯(lián)系愈加緊密的趨勢下，評估機構(gòu)間信息溢出效應(yīng)也是衡量系統(tǒng)性風(fēng)險的重要思路，許多學(xué)者從信息溢出網(wǎng)絡(luò)關(guān)聯(lián)性角度開展研究. 例如，Billio等[22]提出Granger因果網(wǎng)絡(luò)(又稱均值溢出網(wǎng)絡(luò))測度金融機構(gòu)間的關(guān)聯(lián)性，并發(fā)現(xiàn)近年來金融系統(tǒng)關(guān)聯(lián)性不斷上升. Wang等[23]基于VaR指標(biāo)和風(fēng)險Granger因果檢驗提出極端風(fēng)險溢出網(wǎng)絡(luò)，實證研究84家金融機構(gòu)間的關(guān)聯(lián)性與動態(tài)演化行為，發(fā)現(xiàn)銀行業(yè)是極端風(fēng)險的凈溢出者. Diebold和Ylmaz[24]基于向量自回歸模型與方差分解框架提出溢出指數(shù)方法，并據(jù)此構(gòu)建波動率溢出網(wǎng)絡(luò)(又稱方差分解網(wǎng)絡(luò)). Wang等[25]采用波動溢出網(wǎng)絡(luò)研究中國銀行系統(tǒng)的關(guān)聯(lián)性及其動態(tài)演化行為，以探討規(guī)模大的國有商業(yè)銀行是否貢獻更多的波動關(guān)聯(lián)性. 在CoVaR的基礎(chǔ)上，Hautsch等[26]結(jié)合分位數(shù)回歸和LASSO算法提出尾部風(fēng)險網(wǎng)絡(luò)模型；Fang等[27]在此基礎(chǔ)上構(gòu)建中國金融機構(gòu)尾部風(fēng)險網(wǎng)絡(luò)，并度量不同階段的尾部風(fēng)險傳染大小. H?rdle等[28]擴展CoVaR模型，引入金融機構(gòu)的非線性關(guān)系，提出了基于尾部事件驅(qū)動的網(wǎng)絡(luò)(TENET)模型，構(gòu)建納斯達克上市的100家金融機構(gòu)的尾部風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò)，并發(fā)現(xiàn)銀行具有較高的系統(tǒng)重要性. Wang等[29]采用TENET模型研究中國上市金融機構(gòu)關(guān)聯(lián)性與系統(tǒng)性風(fēng)險，并發(fā)現(xiàn)一些規(guī)模較小的金融機構(gòu)也有較強的風(fēng)險溢出效應(yīng). TENET模型[28]相較于Billio等[22]提出的Granger因果網(wǎng)絡(luò)以及楊子暉等[30]提出的非線性Granger因果網(wǎng)絡(luò)具有以下兩方面的優(yōu)點：1) (非線性) Granger因果網(wǎng)絡(luò)為有向無權(quán)網(wǎng)絡(luò)，而TENET為有向加權(quán)網(wǎng)絡(luò). 因此TENET能有效測度金融機構(gòu)間的溢出強度，相比前者它蘊含更多的關(guān)聯(lián)性溢出信息；2) (非線性) Granger因果網(wǎng)絡(luò)為均值溢出網(wǎng)絡(luò)，而TENET為尾部風(fēng)險溢出網(wǎng)絡(luò)，故它能有效捕捉極端風(fēng)險或尾部事件對金融機構(gòu)關(guān)聯(lián)性的影響. 另外，與Diebold和Ylmaz[24]提出的方差分解網(wǎng)絡(luò)相比，TENET模型[28]具有以下優(yōu)勢：1)方差分解網(wǎng)絡(luò)只考察了金融機構(gòu)的均值或波動率溢出效應(yīng)，而忽略TENET模型所捕捉的尾部風(fēng)險溢出效應(yīng)，故不能有效測度極端尾部風(fēng)險下的金融機構(gòu)關(guān)聯(lián)性；2)方差分解網(wǎng)絡(luò)為有向完全圖，即任意兩個頂點之間都有兩條方向相反的邊相連接，因此包含了較多的冗余信息，而TENET則為包含非線性關(guān)聯(lián)性的有向圖.

總之，以往測度金融機構(gòu)系統(tǒng)性風(fēng)險貢獻的文獻存在以下三方面的不足：1)類似CoVaR、MES、SRISK等方法都只關(guān)注金融機構(gòu)間的局部關(guān)聯(lián)水平(即，單個金融機構(gòu)與金融系統(tǒng)或成對金融機構(gòu)間的關(guān)聯(lián)性)，忽視了金融網(wǎng)絡(luò)的整體結(jié)構(gòu)特征，即沒有全面地考察金融機構(gòu)間所有可能的關(guān)聯(lián)性，從而使得度量結(jié)果具有一定的片面性；2)盡管目前利用網(wǎng)絡(luò)分析方法探討關(guān)聯(lián)性的文獻較多，但在極端事件頻發(fā)的環(huán)境下，只有較少工作從尾部風(fēng)險溢出視角展開研究，研究對象也多集中于銀行同業(yè)市場；3)現(xiàn)有的網(wǎng)絡(luò)分析法還只停留在關(guān)注金融網(wǎng)絡(luò)的總體關(guān)聯(lián)性以及金融機構(gòu)的關(guān)聯(lián)性強度與排序，較少有研究將網(wǎng)絡(luò)關(guān)聯(lián)性(特別是尾部風(fēng)險溢出網(wǎng)絡(luò)關(guān)聯(lián)性)與影響金融機構(gòu)系統(tǒng)性風(fēng)險貢獻的其它因素全面、有機地相結(jié)合而構(gòu)建相應(yīng)的系統(tǒng)性風(fēng)險貢獻測度. 具體而言，從網(wǎng)絡(luò)理論出發(fā)能有效捕捉金融機構(gòu)間的風(fēng)險溢出關(guān)聯(lián)性及其動態(tài)變化，然而現(xiàn)有文獻主要探討的是系統(tǒng)性風(fēng)險的整體水平和機構(gòu)的關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)，較少結(jié)合尾部風(fēng)險溢出網(wǎng)絡(luò)關(guān)聯(lián)性與公司微觀特征并從個體角度分析金融機構(gòu)對系統(tǒng)性風(fēng)險的貢獻水平.

盡管H?rdle等[28]和Wang等[29]基于TENET網(wǎng)絡(luò)提出了結(jié)合金融機構(gòu)規(guī)模和關(guān)聯(lián)性的系統(tǒng)性風(fēng)險貢獻測度，但是該測度只是簡單地將金融機構(gòu)的規(guī)模與關(guān)聯(lián)性相乘，這使得所測算的金融機構(gòu)系統(tǒng)性風(fēng)險貢獻過度依賴其規(guī)模，即金融機構(gòu)規(guī)模越大，則其系統(tǒng)性風(fēng)險貢獻則大，從而忽略了關(guān)聯(lián)性的重要性；并且該測度也沒有考慮其他影響公司風(fēng)險的個體特征(如，杠桿和流動性). 比如，應(yīng)用廣泛的SRISK指標(biāo)[9]的優(yōu)勢在于它同時考慮了金融機構(gòu)關(guān)聯(lián)性、規(guī)模和杠桿的影響，但是該指標(biāo)沒有考慮金融機構(gòu)間的網(wǎng)絡(luò)關(guān)聯(lián)性. 因此，為了克服以往研究的不足，本文提出一種新的系統(tǒng)性風(fēng)險貢獻測度，有機地結(jié)合了尾部風(fēng)險溢出網(wǎng)絡(luò)下金融機構(gòu)的網(wǎng)絡(luò)關(guān)聯(lián)性與金融機構(gòu)個體特征(如，規(guī)模、杠桿、流動性)，基于改進的PageRank算法構(gòu)建網(wǎng)絡(luò)-市場-賬面相結(jié)合的系統(tǒng)性風(fēng)險貢獻測度，以期為完善宏觀審慎監(jiān)管框架提供實踐參考依據(jù).

2 研究設(shè)計

由于尾部風(fēng)險溢出網(wǎng)絡(luò)TENET模型擴展于雙變量CoVaR模型，因此本節(jié)將首先介紹雙變量CoVaR模型，其次引入考慮非線性和變量選擇的半?yún)?shù)分位數(shù)回歸框架來構(gòu)建TENET網(wǎng)絡(luò)，然后從系統(tǒng)整體、部門行業(yè)、機構(gòu)個體三方面引入網(wǎng)絡(luò)關(guān)聯(lián)性測度，最后在尾部風(fēng)險溢出網(wǎng)絡(luò)關(guān)聯(lián)性的基礎(chǔ)上，提出基于改進的PageRank算法構(gòu)建網(wǎng)絡(luò)-市場-賬面相結(jié)合的系統(tǒng)性風(fēng)險貢獻測度.

2.1 CoVaR尾部風(fēng)險

VaR是衡量市場風(fēng)險大小的重要方法，其定義為在一定時期內(nèi)、一定置信水平下金融機構(gòu)或資產(chǎn)組合未來遭受的最大可能損失，可表示為

Pr(Xi,t≤VaRi,t,τ)≡τ

(1)

其中τ為置信水平，Xi,t為機構(gòu)i在時刻t下的收益率.

由Adrian和Brunnermeier[6]提出的條件風(fēng)險價值(CoVaR)方法是傳統(tǒng)VaR方法的改進，該方法考慮了金融機構(gòu)間的溢出效應(yīng)和宏觀環(huán)境的影響. 在時刻t，考慮兩個金融機構(gòu)i和j，機構(gòu)j的CoVaR定義為當(dāng)機構(gòu)i處于某種極端風(fēng)險狀態(tài)或事件C(Xi,t)時機構(gòu)j的風(fēng)險價值，即CoVaRj |C(Xi,t),t,τ隱含地定義為條件概率分布的τ分位數(shù)

Pr(Xj,t|C(Xi,t)≤CoVaRj |C(Xi,t),t,τ)≡τ

(2)

其中信息集C(Xi,t)包含了Xi,t=VaRi,t,τ的事件和宏觀經(jīng)濟狀態(tài)Mt-1.簡單起見，將CoVaRj|C(Xi, t),t,τ簡記為CoVaRj|i,t,τ.

采用線性分位數(shù)回歸估計時變VaR與CoVaR，該回歸方法不必關(guān)注資產(chǎn)收益率的概率分布，其表達式為

Xi,t=αi+γiMt-1+εi,t

(3)

Xj,t=αj |i+γj |iMt-1+βj |iXi,t+εj |i,t

(4)

其中系數(shù)βj|i表示金融機構(gòu)j對機構(gòu)i收益率變化的敏感度，即i對j的影響程度，或者說是i對j的溢出風(fēng)險的大小，Mt-1為影響風(fēng)險溢出效應(yīng)的宏觀狀態(tài)變量.VaRi,t,τ和CoVaRj|i,t,τ可代入式(3)和式(4)進行估計，具體為

(5)

(6)

2.2 尾部風(fēng)險溢出網(wǎng)絡(luò)模型

本文根據(jù)H?rdle等[28]的TENET模型，構(gòu)建金融系統(tǒng)的尾部風(fēng)險溢出網(wǎng)絡(luò). TENET模型擴展了雙變量CoVaR模型，并采用非線性關(guān)聯(lián)估計方法，引入更多影響機構(gòu)間尾部風(fēng)險溢出的因素，構(gòu)建高維網(wǎng)絡(luò)模型. TENET方法首先利用式(5)估計各個金融機構(gòu)的VaR. 其次，采用單指數(shù)分位數(shù)回歸構(gòu)建尾部風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò)，即

(7)

(8)

(9)

其中Xj,t為機構(gòu)j的收益率，Rj,t≡{X-j,t,Mt-1,Bj,t-1}.X-j,t≡{X1,t,X2,t,…,Xk,t}為引入的解釋變量，包含金融系統(tǒng)中除機構(gòu)j以外其它金融機構(gòu)的收益率，k為金融系統(tǒng)中機構(gòu)數(shù)目. 由于信息傳遞具有滯后性，Mt-1為滯后一期的宏觀經(jīng)濟變量.Bj,t-1為基于各機構(gòu)資產(chǎn)負債表計算出的企業(yè)特征變量，包括杠桿率、期限匹配度、賬面市值比、規(guī)模.

(10)

2.3 網(wǎng)絡(luò)關(guān)聯(lián)性測度

(11)

從行業(yè)角度，分別采用行業(yè)出度強度與入度強度對行業(yè)在系統(tǒng)中的風(fēng)險溢出與溢入進行描述. 行業(yè)出度強度(out-strength of sector, OSS)定義為某一個行業(yè)整體對外尾部風(fēng)險溢出絕對值的總和

(12)

行業(yè)入度強度(in-strength of sector, ISS)定義為其它行業(yè)對某一行業(yè)的溢出程度絕對值的總和

(13)

其中Vm為屬于行業(yè)m的機構(gòu)集合.

通過引入跨行業(yè)風(fēng)險溢出強度(the strength of cross sector, SCS)評估不同行業(yè)間的風(fēng)險關(guān)聯(lián)和動態(tài)變化，以分析行業(yè)間及行業(yè)內(nèi)部的尾部風(fēng)險溢出關(guān)系，具體表達式為

(14)

其中n和m代表不同行業(yè)，Nn和Nm分別為行業(yè)n和行業(yè)m的機構(gòu)數(shù)量. 當(dāng)衡量行業(yè)內(nèi)部的尾部風(fēng)險溢出時，Nn=Nm-1，Vn=Vm，并且i≠j.

從個體角度，引入機構(gòu)出度強度和入度強度衡量個體在系統(tǒng)中所產(chǎn)生和接受的風(fēng)險溢出強度. 機構(gòu)出度強度定義為某機構(gòu)對其它機構(gòu)風(fēng)險溢出水平的絕對值之和，而入度強度則為其它機構(gòu)對該機構(gòu)風(fēng)險溢出水平的絕對值之和. 具體地，機構(gòu)出度強度(out-strength of institution, OSI)和入度強度(in-strength of institution, ISI)分別定義為

(15)

(16)

2.4 系統(tǒng)性風(fēng)險貢獻測度

盡管H?rdle等[28]在網(wǎng)絡(luò)關(guān)聯(lián)性的基礎(chǔ)上結(jié)合金融機構(gòu)市值提出了系統(tǒng)性風(fēng)險溢出指數(shù)與接收指數(shù)來測度金融機構(gòu)系統(tǒng)性風(fēng)險貢獻，但是這兩個指數(shù)忽略了金融機構(gòu)的個體微觀風(fēng)險特征，如杠桿與流動性，從而不能全面有效地度量金融機構(gòu)系統(tǒng)性風(fēng)險貢獻. 為了有效刻畫金融機構(gòu)對系統(tǒng)性風(fēng)險的貢獻，比較不同機構(gòu)對系統(tǒng)性風(fēng)險的影響程度，參照Van De Leur等[31]和Dungey等[32]的研究，構(gòu)建一種基于改進的PageRank算法，衡量網(wǎng)絡(luò)中心性并考慮了機構(gòu)規(guī)模、杠桿和流動性的系統(tǒng)性風(fēng)險貢獻測度.

一般地，若某金融機構(gòu)與許多其它金融機構(gòu)具有較強的風(fēng)險溢出關(guān)聯(lián)性，或它與其它系統(tǒng)重要性金融機構(gòu)具有緊密的關(guān)聯(lián)性，則該機構(gòu)具有系統(tǒng)重要性. 因此，假定Si,t表示機構(gòu)i在時刻t的系統(tǒng)性風(fēng)險貢獻或系統(tǒng)重要性，它取決于與之相連接機構(gòu)的系統(tǒng)重要性，即

(17)

(18)

(19)

其中N×1維向量St中第i個元素Si,t表示機構(gòu)i的系統(tǒng)性風(fēng)險貢獻，該值越高，表示機構(gòu)i在系統(tǒng)性風(fēng)險中有更大的貢獻；t為機構(gòu)間N×N維風(fēng)險溢出矩陣. 根據(jù)Van De Leur等[31]和Dungey等[32]的研究，若給定t，式(19)的解St可由PagkRank算法得到，即t為特征值所對應(yīng)的歸一化特征向量. PageRank最早應(yīng)用于Google搜索引擎中，是一種基于網(wǎng)頁鏈接結(jié)構(gòu)對網(wǎng)頁重要性進行排序的方法，其基本思想是認(rèn)為被更多高質(zhì)量網(wǎng)頁指向的網(wǎng)頁具有更高的重要性.

(20)

其中α為小于1的權(quán)重以調(diào)節(jié)網(wǎng)絡(luò)關(guān)聯(lián)性的貢獻，γ為正數(shù)的權(quán)重向量以調(diào)整企業(yè)特征的貢獻. 對于N個金融機構(gòu)組成的金融系統(tǒng)，可將式(20)寫成向量形式

(21)

進一步轉(zhuǎn)化可得

St=(I-αCt)-1γ′fct

(22)

以上即為PageRank算法的一個改進版本，而PageRank又源自特征向量中心性測度. 參考Van De Leur等[31]和Dungey等[32]的研究，設(shè)定α=0.66，γ′=(0.4, 0.4, 0.2)，其中規(guī)模(sizei,t)為資產(chǎn)總市值，杠桿(levi,t)定義為負債賬面價值與市值的比值，流動性(liqi,t)為現(xiàn)金與短期投資之和與資產(chǎn)賬面價值的比值. 由于三個解釋變量的絕對數(shù)值相差較大，故進行以下標(biāo)準(zhǔn)化處理

(23)

(24)

(25)

因此，所構(gòu)建的網(wǎng)絡(luò)-市場-賬面相結(jié)合的系統(tǒng)性風(fēng)險貢獻測度不僅充分考慮了金融系統(tǒng)尾部風(fēng)險溢出網(wǎng)絡(luò)的關(guān)聯(lián)性，而且還結(jié)合了個體金融機構(gòu)的規(guī)模、杠桿、流動性特征.

3 樣本數(shù)據(jù)

借鑒Adrian和Brunnermeier[6]，H?rdle等[28]和Wang等[29]的工作，解釋變量分別選取7個宏觀經(jīng)濟變量：短期流動息差、短期債券利率差、期限結(jié)構(gòu)、信用利差、市場回報率、市場波動率、房地產(chǎn)收益率，分別反映流動性風(fēng)險、利率風(fēng)險、不同期限的資金供求關(guān)系、信用違約風(fēng)險、股市收益、股市波動、房地產(chǎn)市場收益，以及反映金融機構(gòu)內(nèi)在脆弱性和規(guī)模的4個企業(yè)特征變量：杠桿率、期限錯配、市場賬面比、規(guī)模，具體如表2所示. 由于企業(yè)特征變量主要從機構(gòu)季度財務(wù)報表中獲取，故通過樣條插值將其季度頻率轉(zhuǎn)為周度. 以上相關(guān)數(shù)據(jù)均來源為Wind，樣本期內(nèi)各時間序列包含474個觀測值.

表1 金融機構(gòu)樣本及其收益率描述性統(tǒng)計

表2 宏觀經(jīng)濟變量與公司特征變量選取

4 實證分析

本文采用滾動窗口分析方法，設(shè)定窗寬W=51 (約為1個交易年)，分位數(shù)τ=0.01，計算系統(tǒng)整體、部門行業(yè)、個體機構(gòu)的關(guān)聯(lián)性，并以此測度金融機構(gòu)系統(tǒng)性風(fēng)險貢獻大小，最后分析2015年股災(zāi)期間市場極端下行時金融機構(gòu)關(guān)聯(lián)性與系統(tǒng)性風(fēng)險貢獻.

4.1 金融系統(tǒng)總體關(guān)聯(lián)性分析

圖1為金融系統(tǒng)總體關(guān)聯(lián)性在2011年9月至2019年12月期間的動態(tài)演化結(jié)果. 整體來看，中國上市金融機構(gòu)尾部風(fēng)險網(wǎng)絡(luò)總體關(guān)聯(lián)性具有一定的周期性.

圖1 金融系統(tǒng)動態(tài)總體關(guān)聯(lián)性

從2011年至2012年初，全球經(jīng)濟進入后危機時代，總體關(guān)聯(lián)性在波動中下降，并于2012年第二季度達到最低點16.28. 至2012年，總體關(guān)聯(lián)性水平開始回升，并在隨后兩年在15到30區(qū)間中波動. 一方面，中國央行于2月和5月兩次調(diào)低存款準(zhǔn)備金率，同時雙向擴大存貸款利率浮動區(qū)間，提高市場流動性，金融機構(gòu)資金往來頻繁，實際關(guān)聯(lián)性加深. 另一方面，歐債危機的惡化也對國內(nèi)投資者情緒造成沖擊，使得風(fēng)險通過信息機制傳染. 在經(jīng)歷了2012年至2014年第二季度的相對穩(wěn)定期后，從2014年第三季度開始，即中國股市進入牛市后，系統(tǒng)總體關(guān)聯(lián)性有了明顯上升并維持較高位. 隨后，中國股市也出現(xiàn)了巨大震蕩，在2015年～2016年的股災(zāi)中，上證綜合指數(shù)跌幅高達32%，上市公司大面積停牌. 2016年年初出臺的熔斷機制也推高了整體關(guān)聯(lián)性. 楊曉蘭和金雪軍[33]的研究發(fā)現(xiàn)，熔斷機制會造成賣單的大量涌現(xiàn)，提高市場訂單流的不平衡性，產(chǎn)生“磁力效應(yīng)”，并引發(fā)股市波動. 自2016年年中開始，系統(tǒng)總體關(guān)聯(lián)性維持在高位水平，并以較大幅度波動. 2017年7月，全國金融工作會議召開，國務(wù)院金融穩(wěn)定發(fā)展委員會設(shè)立，通過統(tǒng)一協(xié)調(diào)引導(dǎo)金融回歸實體經(jīng)濟本源，并強化了人民銀行宏觀審慎管理的職責(zé)，強烈的金融監(jiān)管信號穩(wěn)定了市場，總體關(guān)聯(lián)性下降. 而隨后國內(nèi)國際金融市場不確定性增強，總體關(guān)聯(lián)性整體上雖有下降但仍然維持較高水平. 比如，2017年，歐洲央行宣布縮減量化寬松；同年年底，美國實行大規(guī)模減稅法案，使其國內(nèi)面臨巨大的資金流出壓力，資產(chǎn)泡沫破裂加強，銀行流動性下降. 為應(yīng)對互聯(lián)網(wǎng)金融因缺乏監(jiān)管造成的風(fēng)險暴露，央行聯(lián)合銀監(jiān)會共同下發(fā)《關(guān)于規(guī)范整頓“現(xiàn)金貸”業(yè)務(wù)的通知》等網(wǎng)絡(luò)貸款監(jiān)管文件，明確統(tǒng)籌監(jiān)管，使得資金市場進一步緊張. 經(jīng)歷2017年“史上最嚴(yán)”金融監(jiān)管年后，次年爆發(fā)了中美貿(mào)易戰(zhàn)，總體關(guān)聯(lián)性有所下降但維持在較高水平并一直持續(xù)到2018年上半年. 隨著中美貿(mào)易戰(zhàn)的常態(tài)化以及P2P網(wǎng)貸行業(yè)的縮水，在2019年總體關(guān)聯(lián)性呈現(xiàn)下降趨勢并保持在較低水平.

4.2 金融行業(yè)關(guān)聯(lián)性分析

圖2為行業(yè)入度強度與出度強度演化圖，顯示了金融系統(tǒng)三大行業(yè)在樣本期內(nèi)尾部風(fēng)險溢入和尾部風(fēng)險溢出的強弱及其動態(tài)變化. 圖2上圖為行業(yè)入度強度變化圖，反映了行業(yè)接受外部尾部風(fēng)險溢出的情況. 從縱向分析強度的動態(tài)變化，不同行業(yè)在危機時刻的趨勢具有一定的相似性，如在2015年三個行業(yè)的入度強度都有一定的上升；從橫向?qū)Ρ炔煌袠I(yè)的結(jié)果，銀行業(yè)和證券業(yè)接受風(fēng)險相對較高. 圖2下圖為行業(yè)出度強度變化圖，顯示了行業(yè)整體對外溢出尾部風(fēng)險的動態(tài)特征. 整體上上下兩圖具有相似的時變特征，如在股市動蕩時期，銀行業(yè)和證券業(yè)的尾部風(fēng)險的入度強度與出度強度都呈上升趨勢，但保險業(yè)的出度強度在樣本期內(nèi)則處于相對穩(wěn)定的狀態(tài)，表明保險業(yè)對其它行業(yè)的影響相對較弱.

圖2 行業(yè)入度強度與出度強度

圖3展示了樣本期間金融系統(tǒng)中各行業(yè)對自身和其它行業(yè)風(fēng)險溢出強度在樣本期間的動態(tài)變化，這在一定程度上可以刻畫各行業(yè)在整體的系統(tǒng)性風(fēng)險中的重要程度. 可以看出，銀行、證券以及保險行業(yè)內(nèi)部關(guān)聯(lián)程度較為緊密，在大部分時間內(nèi)行業(yè)內(nèi)部風(fēng)險溢出強度比跨行業(yè)風(fēng)險溢出強度更高. 但不同金融行業(yè)間的尾部風(fēng)險關(guān)聯(lián)性具有明顯差異性. 首先，在2012年下半年至2013年年初期間銀行業(yè)對證券業(yè)有顯著的風(fēng)險溢出，正值證券業(yè)成立“金融超市”進一步推動了混業(yè)經(jīng)營. 2014年中期至2015年第1季度的股市牛市期間，銀行業(yè)對證券業(yè)的風(fēng)險溢出主導(dǎo)了此時總體關(guān)聯(lián)性先上升與后下降的趨勢. 銀行業(yè)對保險業(yè)在2015年～2016年股市暴跌階段的尾部風(fēng)險溢出明顯高于同時期銀行業(yè)對證券業(yè)的風(fēng)險溢出. 在此期間銀行業(yè)與保險業(yè)間的風(fēng)險溢出具有非對稱性，即銀行業(yè)對保險業(yè)的風(fēng)險溢出影響大于保險業(yè)對銀行業(yè)的影響，這也與徐華等[34]的實證研究一致. 其次，證券業(yè)在危機期間對銀行業(yè)和保險業(yè)的風(fēng)險溢出水平也有上升，這可能是由于證券業(yè)中以個人投資者為主，易受極端情況下恐慌情緒影響，造成風(fēng)險傳染. 特別地，在2015年～2016年股災(zāi)期間，證券業(yè)對保險業(yè)存在顯著風(fēng)險溢出，而在2016年年中至2017年第2季度期間證券業(yè)對銀行業(yè)存在先上升后下降的風(fēng)險溢出，但各自的風(fēng)險溢出水平都要小于證券業(yè)內(nèi)部的溢出水平. 最后，保險業(yè)內(nèi)部的風(fēng)險溢出水平要顯著高于它對銀行業(yè)與證券業(yè)的風(fēng)險溢出水平，并且其趨勢存在顯著的周期性波動.

圖3 跨行業(yè)風(fēng)險溢出

4.3 金融機構(gòu)關(guān)聯(lián)性分析

從機構(gòu)個體角度，圖4給出了金融系統(tǒng)中各個機構(gòu)入度強度的動態(tài)變化，反映了機構(gòu)接受風(fēng)險溢出的強度. 白色代表機構(gòu)接受的風(fēng)險溢出強度高，黑色則代表接受風(fēng)險溢出強度低. 在2012年，興業(yè)銀行為主要的風(fēng)險溢出接受者. 在2014年～2015年股市牛市期間，證券機構(gòu)，例如東北證券、長江證券、國金證券、太平洋證券、興業(yè)證券等，是主要的風(fēng)險溢出接受者. 值得注意的是，在2015年～2016年股市震蕩時期，各機構(gòu)對應(yīng)熱力圖顏色由深黑色變?yōu)橄鄬^淺的灰色或白色，表明在宏觀金融環(huán)境不穩(wěn)定時期不同行業(yè)機構(gòu)所受風(fēng)險溢出均上升. 其中，尤以中國平安的變化最為明顯，其作為保險業(yè)混業(yè)經(jīng)營的領(lǐng)導(dǎo)者，且不同于其它保險機構(gòu)以國有控股為主的狀態(tài)，中國平安股權(quán)呈現(xiàn)高度分散化，對市場動蕩的反映也更為明顯. 在2017年至2018年期間，南京銀行接受的尾部風(fēng)險溢出明顯加強. 在2018年年中至2019年期間，金融機構(gòu)所對應(yīng)的熱力圖顏色都為黑色，這與總體關(guān)聯(lián)性下降趨勢類似.

圖4 機構(gòu)入度強度

圖5為金融系統(tǒng)中各機構(gòu)出度強度的動態(tài)變化，反映了機構(gòu)個體對其它機構(gòu)的風(fēng)險溢出強度. 在2012年至2014年期間，北京銀行、民生銀行等股份制商業(yè)銀行對外風(fēng)險溢出效應(yīng)較強；而農(nóng)業(yè)銀行、工商銀行、中國銀行等國有大型銀行對外風(fēng)險溢出維持在一個較為穩(wěn)定的水平. 在2015年至2016年的股災(zāi)時期，寧波銀行、中信銀行以及證券業(yè)中的華泰證券和光大證券產(chǎn)生的風(fēng)險溢出影響較大；在2017年興業(yè)銀行和招商銀行成為主要的風(fēng)險溢出者. 相對于大型國有商業(yè)銀行，股份制商業(yè)銀行對外的風(fēng)險溢出更為強烈，這可能與其商業(yè)模式有關(guān). 股份制商業(yè)銀行涉及業(yè)務(wù)廣泛，盈利動機較強，在銀行同業(yè)市場中參與度高，對系統(tǒng)流動性風(fēng)險影響強[35]. 其中，尤其是以有“同業(yè)之王”之稱的興業(yè)銀行為代表，通過設(shè)立“銀銀平臺”以及加強銀證、銀信、銀保合作等舉措便利了業(yè)務(wù)辦理，加強了資源整合和行業(yè)合作. 在2018年～2019年期間，大多數(shù)銀行所對應(yīng)的熱力圖顏色由淺灰色逐漸轉(zhuǎn)變?yōu)樯詈谏?，而證券與保險機構(gòu)則多保持為灰色，這表明金融系統(tǒng)總體關(guān)聯(lián)性所呈現(xiàn)的下降趨勢主要是由于銀行的風(fēng)險溢出水平下降所導(dǎo)致的.

圖5 機構(gòu)出度強度

4.4 金融機構(gòu)系統(tǒng)性風(fēng)險貢獻度量與排序

為進一步分析金融機構(gòu)在不同時期對整體系統(tǒng)性金融風(fēng)險的影響，利用企業(yè)財務(wù)報表季度數(shù)據(jù)計算金融機構(gòu)系統(tǒng)性風(fēng)險貢獻的動態(tài)變化. 圖6為各機構(gòu)系統(tǒng)性風(fēng)險貢獻值的熱力圖，其中白色代表貢獻值高，黑色代表貢獻值低. 首先從系統(tǒng)整體動態(tài)變化來看，隨時間推移熱力圖顏色變淺，特別是在2015年后，銀行和保險機構(gòu)的顏色由淺灰色突變?yōu)榘咨砻鞲鳈C構(gòu)系統(tǒng)性金融風(fēng)險貢獻程度不斷增強，也反映了中國金融系統(tǒng)關(guān)聯(lián)性水平上升. 其次從行業(yè)角度，三大行業(yè)系統(tǒng)性風(fēng)險貢獻具有較大差異性. 分別位于上半部分的銀行業(yè)和位于底部的保險業(yè)顏色偏白，說明這兩個行業(yè)的機構(gòu)系統(tǒng)性風(fēng)險貢獻值較高. 其中，保險業(yè)的中國人壽和中國平安兩家機構(gòu)的系統(tǒng)性風(fēng)險貢獻明顯上升，這可能與國家加快保險業(yè)改革，放開保險資金運用空間有關(guān). 位于下半部分的證券業(yè)在樣本期間機構(gòu)系統(tǒng)性風(fēng)險貢獻圖像則以灰色與黑色為主，表示證券業(yè)對系統(tǒng)性風(fēng)險貢獻程度相對較低. 圖7根據(jù)各季度機構(gòu)系統(tǒng)性風(fēng)險貢獻值給出了機構(gòu)在系統(tǒng)內(nèi)的排名，并以此繪制了排名的動態(tài)熱力圖. 顏色偏白代表機構(gòu)系統(tǒng)性風(fēng)險貢獻排名靠前，偏黑則代表排名靠后.

圖6 金融機構(gòu)系統(tǒng)性風(fēng)險貢獻值

圖7 金融機構(gòu)系統(tǒng)性風(fēng)險貢獻排名

圖7與圖6具有相同的特征，排名靠前的機構(gòu)集中于銀行業(yè)和保險業(yè)，證券機構(gòu)則相對排名靠后. 銀行業(yè)對系統(tǒng)性風(fēng)險具有重要影響的原因在于中國經(jīng)濟的迅速增長和直接融資市場的有限體量造成的“過度銀行化”[36]. 在經(jīng)濟快速發(fā)展和政策刺激下，中國銀行信貸增長，寬松型貨幣政策通過提高銀行杠桿化程度加劇了銀行風(fēng)險承擔(dān)[37]. 國內(nèi)居民的儲蓄偏好特征也推動銀行資產(chǎn)負債表擴大. 同時，長期以來中國社會融資過度依賴間接融資，直接融資占比較低，作為間接融資主要中介機構(gòu)的銀行承擔(dān)了社會融資中大部分的違約風(fēng)險. 此外，游離于監(jiān)管系統(tǒng)之外的影子銀行雖然提高了社會信用創(chuàng)造能力，但對它們的監(jiān)管缺失也使行業(yè)內(nèi)存在剛性兌付、期限錯配等問題. 因此，銀行業(yè)積累了大量風(fēng)險. 除銀行業(yè)之外，保險業(yè)也在系統(tǒng)性風(fēng)險貢獻方面占據(jù)了重要地位. 在金融混業(yè)經(jīng)營趨勢下，保險機構(gòu)逐漸向業(yè)務(wù)多元化方向發(fā)展，與資本市場的互動增強，逐漸成為信用保證市場的重要參與者. 證券業(yè)系統(tǒng)性風(fēng)險貢獻排名靠后的主要原因是，盡管存在機構(gòu)間日益復(fù)雜的業(yè)務(wù)關(guān)聯(lián)、投資者心理預(yù)期以及監(jiān)管機制不健全[38]，但由于券商規(guī)模較小和資本相對充足，其對整體的系統(tǒng)性風(fēng)險貢獻較小.

4.5 2015年股災(zāi)期間金融機構(gòu)關(guān)聯(lián)性與系統(tǒng)性風(fēng)險貢獻

為了研究市場極端下行時金融機構(gòu)關(guān)聯(lián)性與系統(tǒng)性風(fēng)險貢獻，本節(jié)考察了2015年股災(zāi)期間金融機構(gòu)尾部風(fēng)險溢出網(wǎng)絡(luò). 同時為了比較，也考察了全樣本期間金融機構(gòu)尾部風(fēng)險溢出網(wǎng)絡(luò). 具體地，前者選取圖1中系統(tǒng)總體關(guān)聯(lián)性在2015年股災(zāi)期間的高點，即2015年第二季度，同時涵蓋了“6·19”暴跌和“6·26”暴跌等極端尾部事件，后者選取2010年10月至2019年12月的季度均值. 圖8和圖9分別給出了全樣本期間與2015年第二季度中國金融機構(gòu)尾部風(fēng)險平均溢出網(wǎng)絡(luò). 網(wǎng)絡(luò)圖中各個節(jié)點代表樣本機構(gòu)，其中銀行、證券和保險業(yè)分別以圓形、方形和球體標(biāo)記. 連邊代表網(wǎng)絡(luò)中機構(gòu)間的風(fēng)險溢出關(guān)系，其寬度反映了風(fēng)險溢出強度，越粗代表強度越大；連邊的箭頭方向指示了風(fēng)險溢出的對象；連邊的類型代表產(chǎn)生風(fēng)險溢出的機構(gòu)所屬行業(yè)，其中虛線(---)、實線(—)、虛點線(-·-)分別表示產(chǎn)生風(fēng)險溢出的機構(gòu)為銀行、證券、保險. 由于金融系統(tǒng)各個機構(gòu)聯(lián)系緊密，為使網(wǎng)絡(luò)能更清晰地刻畫風(fēng)險溢出，圖中僅保留系數(shù)大于0.5的連邊.

圖8 全樣本期間金融機構(gòu)尾部風(fēng)險溢出網(wǎng)絡(luò)

圖9 2015年第二季度金融機構(gòu)尾部風(fēng)險溢出網(wǎng)絡(luò)

從圖8可發(fā)現(xiàn)，各機構(gòu)箭頭主要指向同形狀節(jié)點，且箭頭指向大多為雙向，表明行業(yè)內(nèi)部的聯(lián)系相對緊密. 其中，銀行與證券機構(gòu)之間連邊密集，說明銀行業(yè)和證券行業(yè)內(nèi)部風(fēng)險溢出效應(yīng)較強. 相較之下，圖9也體現(xiàn)了部分相似特征，即同行業(yè)之間聯(lián)系緊密. 但值得注意的是，極端事件下的尾部風(fēng)險溢出網(wǎng)絡(luò)顯示出了不同的網(wǎng)絡(luò)拓撲特征. 一方面，圖9中網(wǎng)絡(luò)的連邊更粗，表明極端事件下金融機構(gòu)間的尾部風(fēng)險溢出效應(yīng)更強；另一方面，在2015年第二季度，跨行業(yè)間的網(wǎng)絡(luò)連邊數(shù)量顯著增加，特別是證券機構(gòu)與銀行之間存在大量跨行業(yè)連邊，表明這兩個行業(yè)之間存在顯著的尾部風(fēng)險溢出效應(yīng).

更具體地，表3給出了圖9尾部風(fēng)險溢出網(wǎng)絡(luò)的(跨)行業(yè)出度及強度，其中出度表示風(fēng)險從某行業(yè)金融機構(gòu)溢出到其它行業(yè)或自身機構(gòu)的連邊數(shù)，而出度強度則表示某行業(yè)金融機構(gòu)對其他行業(yè)或自身機構(gòu)的風(fēng)險溢出強度. 從行業(yè)自身出度及強度來看，銀行業(yè)的出度最大，證券業(yè)次之，但是證券業(yè)的出度強度要大于銀行業(yè)，表明此時證券業(yè)內(nèi)部的風(fēng)險溢出要強于銀行業(yè)內(nèi)部. 無論是跨行業(yè)出度還是其出度強度，證券業(yè)對銀行業(yè)的風(fēng)險溢出都要強于銀行業(yè)對證券業(yè)，進一步表明2015年股災(zāi)期間證券業(yè)是風(fēng)險的主要溢出者. 相對而言，保險業(yè)內(nèi)部與對外的風(fēng)險溢出都較小，但它對銀行業(yè)的風(fēng)險溢出僅小于其內(nèi)部的風(fēng)險溢出，表明銀行業(yè)是保險業(yè)風(fēng)險溢出的主要接受者.

表3 2015年第二季度(跨)行業(yè)出度及強度

表4 2015年第二季度金融機構(gòu)風(fēng)險溢出強度前10條邊

表5測度了2015年第二季度金融機構(gòu)整體的系統(tǒng)性風(fēng)險貢獻值及其排名. 整體來看，銀行業(yè)的系統(tǒng)性風(fēng)險貢獻值要大于保險業(yè)、證券業(yè)，此時規(guī)模在決定單個機構(gòu)系統(tǒng)性風(fēng)險貢獻水平上具有關(guān)鍵作用，但是如浦發(fā)銀行和寧波銀行等規(guī)模相對較小的股份制商業(yè)銀行和城市商業(yè)銀行具有非常靠前的排名. 這一方面可能是由于這些規(guī)模相對較小的金融機構(gòu)的產(chǎn)權(quán)比率較高，削弱了其抵御外部沖擊的能力，另一方面是這些商業(yè)銀行具有較強的網(wǎng)絡(luò)關(guān)聯(lián)性或中心性，使得其具有較大的系統(tǒng)性風(fēng)險貢獻值. 國有大型商業(yè)銀行的系統(tǒng)性風(fēng)險貢獻排名相對不高，這一方面是由于它們有國家信用做擔(dān)保，故市場預(yù)期國有大型商業(yè)銀行“太大而不能倒”，即當(dāng)它們一旦陷入經(jīng)營困境或財務(wù)危機，市場參與者相信國家會通過救市或者救助來維護金融系統(tǒng)穩(wěn)定，從而這種市場信心與“太大而不能倒”的預(yù)期充分反映在它們的股價之中；另一方面是相對于城市商業(yè)銀行和股份制商業(yè)銀行，國有大型商業(yè)銀行的股權(quán)結(jié)構(gòu)較為集中，例如中國銀行的最大股東中央?yún)R金公司擁有其64%的股份，而像寧波銀行的最大股東寧波開發(fā)投資集團有限公司僅擁有其約18%的股份，因此國有大型商業(yè)銀行的股價受市場極端下行或波動的影響相對較小. 證券機構(gòu)中，長江證券對系統(tǒng)性風(fēng)險貢獻最大，太平洋證券的貢獻較小. 整體而言，中國銀行業(yè)由于其體量優(yōu)勢和業(yè)務(wù)的廣度與深度，系統(tǒng)性金融風(fēng)險貢獻程度較強，這也說明系統(tǒng)性金融風(fēng)險防范的重點依然在銀行.

表5 2015年第二季度金融機構(gòu)系統(tǒng)性風(fēng)險貢獻值與排名

5 結(jié)束語

基于CoVaR和TENET模型，本文構(gòu)建了2010年至2019年中國32家上市金融機構(gòu)的尾部風(fēng)險溢出網(wǎng)絡(luò)以度量金融系統(tǒng)關(guān)聯(lián)性，并引入公司規(guī)模、杠桿和流動性指標(biāo)，在改進PageRank算法的基礎(chǔ)上提出了網(wǎng)絡(luò)-市場-賬面相結(jié)合的金融機構(gòu)系統(tǒng)性風(fēng)險貢獻測度方法. 實證結(jié)果表明：1)網(wǎng)絡(luò)總體關(guān)聯(lián)性水平在市場危機時刻上升. 例如，股市動蕩、熔斷機制時期系統(tǒng)總體關(guān)聯(lián)性攀升、風(fēng)險跨行業(yè)傳染效應(yīng)顯著增強；而在2012年和2017年以來兩個時間段，總體關(guān)聯(lián)性呈回落態(tài)勢，表明市場平和與金融強監(jiān)管時期風(fēng)險水平下降. 2)行業(yè)內(nèi)關(guān)聯(lián)性水平總體高于行業(yè)間關(guān)聯(lián)性水平，但在極端情況下跨行業(yè)風(fēng)險溢出程度增強，并存在非對稱性. 例如，在2015年股災(zāi)期間，不同行業(yè)間尾部風(fēng)險溢出強于全樣本期間平均溢出強度，銀行業(yè)對保險業(yè)的風(fēng)險溢出強度大于反方向的溢出強度. 由于機構(gòu)的業(yè)務(wù)范圍、財務(wù)狀況存在差異，行業(yè)內(nèi)不同機構(gòu)風(fēng)險溢出效應(yīng)也不同，如股份制銀行更易受到其它行業(yè)風(fēng)險溢出影響.3)從個體角度看，隨著金融系統(tǒng)各行業(yè)業(yè)務(wù)關(guān)聯(lián)性和復(fù)雜度上升，機構(gòu)系統(tǒng)性風(fēng)險貢獻值整體呈上升趨勢. 作為間接融資主要中介機構(gòu)的銀行和與金融市場不斷融合的保險公司對系統(tǒng)性金融風(fēng)險具有顯著的貢獻水平，其中銀行業(yè)中國有大型商業(yè)銀行對整體系統(tǒng)性風(fēng)險影響較大，另外規(guī)模相對較小但關(guān)聯(lián)性較強的股份制商業(yè)銀行和城市商業(yè)銀行也具有較高的系統(tǒng)性風(fēng)險貢獻排名. 無論是從靜態(tài)還是動態(tài)結(jié)果來看，證券業(yè)對系統(tǒng)性風(fēng)險的貢獻水平都要顯著低于銀行業(yè)與保險業(yè).

本文實證結(jié)果有如下幾點啟示.

首先，當(dāng)前中國金融系統(tǒng)依然呈現(xiàn)出以銀行為主的態(tài)勢，因此銀行，尤其是國有大型商業(yè)銀行依然是金融風(fēng)險防范與宏觀審慎監(jiān)管的重點. 近年來，各金融機構(gòu)系統(tǒng)性風(fēng)險貢獻水平隨時間而不斷增強，因此監(jiān)管當(dāng)局在通過指標(biāo)法確定系統(tǒng)重要性金融機構(gòu)的同時，還可通過金融系統(tǒng)潛在的尾部風(fēng)險傳染效應(yīng)動態(tài)實時地測度金融機構(gòu)系統(tǒng)性風(fēng)險貢獻并評估其系統(tǒng)重要性，從而達到交叉驗證與實時監(jiān)測的目的. 對于系統(tǒng)重要性金融機構(gòu)，應(yīng)對其進行差異化監(jiān)管，可適時地提高其金融監(jiān)管標(biāo)準(zhǔn)，比如提出額外資本要求.

其次，盡管中小商業(yè)銀行影響力遜于大型國有商業(yè)銀行，但不能忽視中小商業(yè)銀行因其高的外部關(guān)聯(lián)性而可能造成的系統(tǒng)性風(fēng)險，也說明規(guī)模并不是決定金融機構(gòu)系統(tǒng)性風(fēng)險貢獻的唯一因素. 例如，2015年股災(zāi)期間，部分股份制銀行和城市商業(yè)銀行因其較高的網(wǎng)絡(luò)關(guān)聯(lián)性與中心性而具有非?？壳暗南到y(tǒng)性風(fēng)險貢獻排名. 因此，對于這些關(guān)聯(lián)性較高、風(fēng)險溢出較大的中小商業(yè)銀行，監(jiān)管當(dāng)局需實時關(guān)注它們的經(jīng)營現(xiàn)狀與風(fēng)險控制，防范“太關(guān)聯(lián)而不能倒”所引發(fā)的系統(tǒng)性風(fēng)險與道德風(fēng)險. 這也說明在識別出系統(tǒng)重要性金融機構(gòu)的同時，監(jiān)管當(dāng)局應(yīng)實時地辨別系統(tǒng)重要性差異的來源以及關(guān)注極端市場狀態(tài)下金融系統(tǒng)的關(guān)聯(lián)性，從而實施差異化監(jiān)管以有效維護金融系統(tǒng)穩(wěn)定.

最后，在市場極端條件或尾部事件下，盡管各行業(yè)的內(nèi)部關(guān)聯(lián)性仍占據(jù)系統(tǒng)總體關(guān)聯(lián)性的主導(dǎo)地位，但是跨行業(yè)關(guān)聯(lián)性與風(fēng)險溢出效應(yīng)會呈現(xiàn)出明顯的上升趨勢，例如2015年股災(zāi)期間銀行業(yè)與證券業(yè)存在顯著的雙向風(fēng)險溢出. 因此，在市場極端下行時，監(jiān)管當(dāng)局應(yīng)當(dāng)關(guān)注跨行業(yè)間的關(guān)聯(lián)性指標(biāo)、密切監(jiān)測跨行業(yè)金融機構(gòu)間的業(yè)務(wù)關(guān)聯(lián)與往來，同時加強不同監(jiān)管部門的協(xié)同合作.