摘 要：科學(xué)、有效地進(jìn)行系統(tǒng)性金融風(fēng)險動態(tài)測度與分析，直接關(guān)系到我國金融風(fēng)險的防范與化解。本文基于46家上市金融機(jī)構(gòu)股票數(shù)據(jù)，構(gòu)建了系統(tǒng)性金融風(fēng)險的動態(tài)CoVaR研究模型，分析各金融機(jī)構(gòu)的風(fēng)險溢出價值以及對金融體系整體的貢獻(xiàn)情況，最后為我國金融監(jiān)管工作提出相關(guān)政策建議。

關(guān)鍵詞：系統(tǒng)性金融風(fēng)險；CoVaR模型；風(fēng)險溢出價值

一、引言

最近十年在經(jīng)濟(jì)下行和中美摩擦不斷的背景下，我國金融系統(tǒng)面臨的風(fēng)險復(fù)雜多樣，且更容易爆發(fā)。2013年的“錢荒”，2015年的股災(zāi)，以及突發(fā)的公共衛(wèi)生事件對整個宏觀經(jīng)濟(jì)的不利沖擊，都不同程度的影響系統(tǒng)性金融風(fēng)險。隨著經(jīng)濟(jì)下行壓力繼續(xù)加大和就業(yè)環(huán)境持續(xù)惡化，未來系統(tǒng)性金融風(fēng)險爆發(fā)概率可能提高。如何防范和化解系統(tǒng)性金融風(fēng)險是關(guān)乎黨和國家金融安全的重大問題。

二、文獻(xiàn)綜述

國內(nèi)外大量學(xué)者用不同的計量方法實證測算和度量系統(tǒng)性金融風(fēng)險，并形成了比較完整的測量和應(yīng)對方法，其中CoVaR是最近國內(nèi)外常用的一種測度金融機(jī)構(gòu)對系統(tǒng)性金融風(fēng)險的邊際貢獻(xiàn)的方法。Tobias Adrian等（2016）詳細(xì)探討CoVaR定義、指標(biāo)估算、指標(biāo)運(yùn)用、指標(biāo)構(gòu)建和研究結(jié)論[1]。王周偉等（2014）認(rèn)為條件風(fēng)險價值（CoVaR）是度量系統(tǒng)性風(fēng)險的有效指標(biāo)之一。有多種方法計算條件在險價值，其中分位數(shù)回歸法能夠較好地刻畫不同分位數(shù)對應(yīng)的系統(tǒng)性風(fēng)險價值[2]。白雪梅（2014）選用了我國27家上市金融機(jī)構(gòu)2008—2013年的股價對數(shù)收益率數(shù)據(jù)，并建立了一個條件在險價值CoVaR的模型[3]。張曉雪（2022）構(gòu)建了動態(tài)CoVaR模型，旨在研究各個銀行的系統(tǒng)性風(fēng)險的溢出價值，研究發(fā)現(xiàn)，國有四大行的風(fēng)險溢出價值比其他股份制商業(yè)銀行高，其系統(tǒng)關(guān)聯(lián)度最高[4]。陳守東和王妍（2014）采用條件在險值（CoVaR）結(jié)合分位數(shù)回歸技術(shù)測量金融機(jī)構(gòu)的風(fēng)險溢出效應(yīng)，并分析各類金融機(jī)構(gòu)對系統(tǒng)性金融風(fēng)險貢獻(xiàn)率的大小[5]。楊璐，劉永文（2022）認(rèn)為影響股票市場的系統(tǒng)性風(fēng)險的因素復(fù)雜多樣，其中金融部門的杠桿率、全社會融資規(guī)模、宏觀經(jīng)濟(jì)因素是最顯著的影響因素[6]。肖璞等（2012）使用CoVaR方法，選用我國上市銀行的股價數(shù)據(jù)，結(jié)果表明，國有四大行的風(fēng)險溢出效應(yīng)高于城商行和其他股份制商業(yè)銀行[7]。高國華，潘英麗（2011）選用CoVaR模型測度我國14家上市商業(yè)銀行的系統(tǒng)性風(fēng)險貢獻(xiàn)度，并發(fā)現(xiàn)各個銀行的CoVaR受自身的VaR水平、不良貸款率以及宏觀經(jīng)濟(jì)波動的顯著影響[8]。

綜上所述，動態(tài)CoVaR模型是測度和分析系統(tǒng)性金融風(fēng)險的常用成熟方法。但是主流文獻(xiàn)主要關(guān)注銀行的系統(tǒng)性金融風(fēng)險，而忽視各大保險公司和證券公司的風(fēng)險貢獻(xiàn)度。其次主流文獻(xiàn)多集中于2020年之前，即2008年后—2019年末，導(dǎo)致突發(fā)公共衛(wèi)生事件對系統(tǒng)性金融風(fēng)險的影響研究少之又少。本文將進(jìn)一步深化并做出兩點改進(jìn)：首先樣本并不局限于研究各大銀行的系統(tǒng)性金融風(fēng)險，嘗試加入各大券商和保險公司，分析整個金融體系的系統(tǒng)性金融風(fēng)險。其次重點分析突發(fā)公共衛(wèi)生事件前后我國系統(tǒng)性金融風(fēng)險發(fā)生的顯著變化，揭示突發(fā)公共衛(wèi)生事件對系統(tǒng)性金融風(fēng)險影響的復(fù)雜性。

三、基于動態(tài)CoVaR系統(tǒng)性金融風(fēng)險分析

（一）動態(tài)CoVaR模型的構(gòu)建

動態(tài)CoVaR模型是在靜態(tài)CoVaR模型的基礎(chǔ)上改進(jìn)而來。下面先詳細(xì)介紹靜態(tài)CoVaR模型。首先定義在險價值VaR為在給定的置信水平下發(fā)生損失的最小概率。然后建立分析兩機(jī)構(gòu)回報率之間的關(guān)系，這里定義兩機(jī)構(gòu)為金融系統(tǒng)system和機(jī)構(gòu)i，在機(jī)構(gòu)i損失為[Xi]情況下：

[Xsystem|Xiq=αiq+βiqXi] （1）

其中[Xsystem|Xiq]表示一定置信水平下機(jī)構(gòu)i發(fā)生風(fēng)險時間損失為[Xi]的條件下系統(tǒng)的q分位數(shù)損失估計值，從而依據(jù)VaR的定義，得出：

[CoVaRsystem|Xiq=Xsystem|Xiq] （2）

其中CoVaR是機(jī)構(gòu) i 的 VaR 下的條件VaR，是指超過一定條件概率下的平均超額 VaR 值，也就是當(dāng)一家機(jī)構(gòu)發(fā)生危機(jī)時對整個系統(tǒng)的風(fēng)險貢獻(xiàn)度。因此分位數(shù)回歸得到的基于機(jī)構(gòu) i 損失的條件下?lián)p失的預(yù)測值就是系統(tǒng)在[Xi]條件下的 VaR 值。其中[CoVaRsystem|Xiq]就是條件分位數(shù)，當(dāng)[Xi]取[VaRiq]時，就可以計算機(jī)構(gòu) i 的 CoVaR 值：

[CoVaRiq=VaRsystem|Xi=VaRiqq=αiq+βiqVaRiq] （3）

[VaRiq]可以由機(jī)構(gòu)i收益率序列里的q分位數(shù)得到，那么根據(jù)風(fēng)險溢出值：

[ΔCoVaRiq=CoVaRsystem|VaRiqq-CoVaRsystem|VaRi0.5q=βiqVaRiq（VaRiq-VaRi0.5）] （4）

就可以計算出整個金融系統(tǒng)中各機(jī)構(gòu)的風(fēng)險排名。其中分位數(shù) q=0.5 是指在正常情況下機(jī)構(gòu)i的[VaRi0.5]，而分位數(shù)q=0.05 是指在發(fā)生風(fēng)險事件[Xi]下機(jī)構(gòu)i的[VaRi0.5]。

以上就是靜態(tài)CoVaR模型的構(gòu)建，接著引入狀態(tài)變量構(gòu)建動態(tài)CoVaR模型，將收益率看作狀態(tài)變量的函數(shù)，運(yùn)用分位數(shù)回歸模型進(jìn)一步得到動態(tài)VaR和動態(tài)ΔCoVaR序列，考慮到風(fēng)險傳遞的滯后性，狀態(tài)變量也滯后一階，狀態(tài)變量的變化刻畫了隨時間變化的各金融機(jī)構(gòu)尾部風(fēng)險特征。還是定義金融系統(tǒng)為system，機(jī)構(gòu)i的損失為[Xi]，q為機(jī)構(gòu)發(fā)生危機(jī)時的置信水平（通常q=0.05）。具體的計算方法如下：

[Xit=αiq+γiqMt-1+εiq，t] （5）

[Xsystemit=αsystemiq+βsystemiqXit+γsystemiqMt-1+εsystemiq，t]" （6）

進(jìn)一步地，運(yùn)用上述分位數(shù)回歸方程的參數(shù)估計值可以得到：

[VaRiq，t=αiq+γiqMt-1] （7）

[CoVaRiq，t=αsystemiq+βsystemiqVaRiq，t+γsystemiqMt-1]（8）

從而得到了危機(jī)時（q=0.05）的動態(tài)VaR和動態(tài)CoVaR的序列，同理計算正常狀態(tài)時（q=0.5）的動態(tài)VaR和動態(tài)CoVaR的序列

最后，兩種情況下的條件在險價值的差值即是機(jī)構(gòu)i發(fā)生危機(jī)時對系統(tǒng)性金融風(fēng)險的邊際貢獻(xiàn)ΔCoVaR：

[ΔCoVaRiq，t=CoVaRiq，t-CoVaRi0.5，t=βsystemiq（VaRiq，t-VaRi0.5，t）] （9）

通過上面的計算過程，可以得到每個金融機(jī)構(gòu)的月度[ΔCoVaRiq，t]面板數(shù)據(jù)和每個機(jī)構(gòu)對應(yīng)的系數(shù)[βsystemi0.5]，從而分析得出各個金融機(jī)構(gòu)對整體系統(tǒng)的貢獻(xiàn)大小排名。

（二）樣本及變量選擇

1. 研究樣本及數(shù)據(jù)

動態(tài)ΔCoVaR選取我國46家上市金融機(jī)構(gòu)的股價相關(guān)數(shù)據(jù)，其中包含23 家證券公司、16家上市銀行、5家保險公司和2家多元金融機(jī)構(gòu)。具體包含以下機(jī)構(gòu)：平安銀行、中油資本、天貿(mào)集團(tuán)、東北證券、錦龍股份、國元證券、國海證券、廣發(fā)證券、長江證券、寧波銀行、山西證券、西部證券、東方財富、浦發(fā)銀行、華夏銀行、民生銀行、中信證券、招商銀行、國投資本、湘財股份、國金證券、西南證券、華鑫股份、魯信創(chuàng)投、海通證券、哈投股份、招商證券、南京銀行、太平洋、興業(yè)銀行、北京銀行、農(nóng)業(yè)銀行、中國平安、交通銀行、新華保險、興業(yè)證券、工商銀行、東吳證券、中國太保、中國人壽、華泰證券、光大證券、光大銀行、建設(shè)銀行、中國銀行和中信銀行。月度數(shù)據(jù)以2013年1月為起始，以2023年7月為結(jié)束，共127個月份的數(shù)據(jù)，每個金融機(jī)構(gòu)的月收益率采用不考慮現(xiàn)金紅利再投資的月個股回報率。上市銀行股價相關(guān)數(shù)據(jù)來源于國泰安數(shù)據(jù)庫，分位數(shù)回歸模型使用計量軟件STATA16處理。

2. 狀態(tài)變量選取

狀態(tài)變量主要選取與金融行業(yè)的市場風(fēng)險相關(guān)的因素，并盡量結(jié)合我國金融市場和資本市場的本土特征，選用本土包括國房景氣指數(shù)、滬深300指數(shù)及國債收益率等特色宏觀指標(biāo)，這些指標(biāo)可以從多個角度影響金融行業(yè)的系統(tǒng)性風(fēng)險。對這些狀態(tài)變量做滯后一階處理。這些狀態(tài)變量并不是直接的系統(tǒng)性風(fēng)險因素，更多的是考慮他們對與風(fēng)險測度的穩(wěn)定性。本文主要選取六個狀態(tài)變量，分別代表市場月收益率、宏觀利率變化、利率風(fēng)險、市場波動、房地產(chǎn)景氣程度和宏觀經(jīng)濟(jì)變化，具體如表1。

其中市場月收益率用滬深300指數(shù)月收益率（V1）來代表，滬深300指數(shù)是上交所和深交所聯(lián)合共同推出的指數(shù)，是我國股市中最有代表性的指數(shù)數(shù)據(jù)之一，可以很好分析我國宏觀股市的走勢。3個月中債國債收益率（V2），可以作為無風(fēng)險變量的一個衡量，可以在一定程度上反映宏觀利率的走勢。期限利差（V3）是衡量資本市場風(fēng)險的主要指標(biāo)之一，反映了資本市場的利率風(fēng)險，對銀行和券商資產(chǎn)配置及杠桿率都有比較明顯的影響。市場波動用滬深300指數(shù)月標(biāo)準(zhǔn)差（V4）反映了股票市場的收益的不確定，代表整個股票市場的價格指數(shù)變動。房地產(chǎn)行業(yè)和金融行業(yè)息息相關(guān)，房地產(chǎn)景氣程度也影響金融行業(yè)的收益和波動，因此選用國房景氣指數(shù)（V5）。最后考慮消費(fèi)者物價指數(shù)CPI（V6）這個宏觀經(jīng)濟(jì)指標(biāo)對系統(tǒng)性金融風(fēng)險的影響。

（三）模型回歸結(jié)果

根據(jù)模型回歸公式（3.5）-公式（3.9）的步驟進(jìn)行回歸，得到各個金融機(jī)構(gòu)的分位數(shù)回歸模型參數(shù)估計結(jié)果匯總于下表2并做排名，[βsystemi0.5]對應(yīng)[Xi]在回歸方程（3.6）中的系數(shù)。

[βsystemi0.5]表示當(dāng)金融機(jī)構(gòu)在p=0.5（正常狀態(tài)下）時對整體金融體系的風(fēng)險貢獻(xiàn)度，這對于其對金融體系的風(fēng)險溢出效應(yīng)起到?jīng)Q定性作用。由大到小排序分別為：農(nóng)業(yè)銀行、中國銀行、北京銀行、交通銀行、光大銀行、華夏銀行、工商銀行、民生銀行、中信銀行、浦發(fā)銀行、興業(yè)銀行、建設(shè)銀行、中國平安、招商銀行、廣發(fā)證券、南京銀行、寧波銀行、中國太保、中國人壽、國海證券、招商證券、中信證券、海通證券、東北證券、華泰證券、新華保險、國金證券、平安銀行、長江證券、興業(yè)證券、光大證券、山西證券、國元證券、西南證券、東吳證券、太平洋、西部證券、天貿(mào)集團(tuán)、國投資本、錦龍股份、哈投股份、華鑫股份、中油資本、東方財富、魯信創(chuàng)投和湘財股份?？梢钥闯觯笆际谴笮豌y行，證券公司排在中游，最后幾名是一些規(guī)模較小的投資類公司，說明風(fēng)險貢獻(xiàn)度與機(jī)構(gòu)的資產(chǎn)規(guī)模成正相關(guān)關(guān)系。分銀行類別來看，大型國有銀行對風(fēng)險貢獻(xiàn)度最高，國有五大行的系數(shù)平均也有0.92。值得關(guān)注的是，前十名有5位股份制商業(yè)銀行，說明近十年股份制商業(yè)銀行在市場表現(xiàn)活躍，波動也比較大，因此對整個金融體系的風(fēng)險貢獻(xiàn)度也增加，也需要金融監(jiān)管機(jī)構(gòu)高度重視。

四、對金融風(fēng)險監(jiān)管的建議

積極轉(zhuǎn)型，提升發(fā)展質(zhì)量。目前我國大部分銀行風(fēng)險較高，所以當(dāng)前金融監(jiān)管的重點仍然集中在大型銀行。當(dāng)下經(jīng)濟(jì)增速放緩，很多企業(yè)剛剛擺脫瀕臨破產(chǎn)的陰影，企業(yè)還款能力下降。銀行要順應(yīng)時代的變化，改變落后的經(jīng)營方式，提升資產(chǎn)的質(zhì)量，為企業(yè)和客戶提供更穩(wěn)健健康的投資理財方案，降低杠桿率和不良貸款率，走資本節(jié)約型路線。

“兩點論”和“重點論”相結(jié)合。既要重點監(jiān)管國有大型銀行的資產(chǎn)安全，又要關(guān)注日益活躍的城商行和股份商業(yè)銀行。既要加強(qiáng)對系統(tǒng)重要性銀行的防范，又要關(guān)注規(guī)模雖小但高杠桿運(yùn)營的各類投資類公司。既要重點考慮金融機(jī)構(gòu)自身的特點，又要關(guān)注外在宏觀因素對金融系統(tǒng)的沖擊。

建立全國性的監(jiān)管機(jī)構(gòu)，完善風(fēng)險預(yù)測和評價制度。我國目前仍然是以分業(yè)監(jiān)管為主，這種模式下，很容易忽視不同類型金融機(jī)構(gòu)之間的風(fēng)險傳導(dǎo)，比如銀行和券商相互傳導(dǎo)風(fēng)險，不利于阻止金融風(fēng)險的傳播和放大。建立全國性的金融風(fēng)險監(jiān)管機(jī)構(gòu)，從宏觀上把握系統(tǒng)性金融風(fēng)險的動態(tài)變化，完善系統(tǒng)性金融風(fēng)險的預(yù)警監(jiān)測制度，有利于我國控制和防范系統(tǒng)性金融風(fēng)險。

參考文獻(xiàn)：

[1] ADRINA，T.， M. K. BRUNNERMEIER， “CoVaR”， American Economic ReView， 2016（106）：1705-1741.

[2] 王周偉，呂思聰，茆訓(xùn)誠.基于風(fēng)險溢出關(guān)聯(lián)特征的CoVaR計算方法有效性比較及應(yīng)用[J].經(jīng)濟(jì)評論，2014（4）：148-160.

[3] 白雪梅，石大龍.中國金融體系的系統(tǒng)性風(fēng)險度量[J].國際金融研究，2014，326（6）：75-85.

[4] 張曉雪.基于動態(tài)CoVaR模型的商業(yè)銀行系統(tǒng)性風(fēng)險研究[J].淮南師范學(xué)院學(xué)報，2022，24（3）：57-60.

[5] 陳守東，王妍.系統(tǒng)性金融風(fēng)險與宏觀審慎監(jiān)管研究[C]//吉林科學(xué)技術(shù)出版社.2016-2017年吉林省自然科學(xué)學(xué)術(shù)成果獎匯集.吉林科學(xué)技術(shù)出版社，2019：10.

[6] 楊璐，劉永文.經(jīng)濟(jì)政策不確定性對股票市場系統(tǒng)性風(fēng)險的影響研究——基于動態(tài)CoVaR模型的實證分析[J].生產(chǎn)力研究，2022（8）：131-135.

[7] 肖璞，劉軼，楊蘇梅.相互關(guān)聯(lián)性、風(fēng)險溢出與系統(tǒng)重要性銀行識別[J].金融研究，2012（12）：96-106.

[8] 高國華，潘英麗.銀行系統(tǒng)性風(fēng)險度量——基于動態(tài)CoVaR方法的分析[J].上海交通大學(xué)學(xué)報，2011，45（12）：1753-1759.