周天蕓++張幸

摘要：日益增加的金融機(jī)構(gòu)倒閉和日趨嚴(yán)重的金融市場動(dòng)蕩引起全球?qū)τ诮鹑谙到y(tǒng)風(fēng)險(xiǎn)的關(guān)注，文章基于主成分分析方法和格蘭杰因果檢驗(yàn)所構(gòu)建的指標(biāo)，從金融機(jī)構(gòu)之間的關(guān)聯(lián)度入手，采用銀行、證券、保險(xiǎn)、基金四個(gè)部門2008-2012的周數(shù)據(jù)，測量中國金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染和系統(tǒng)性風(fēng)險(xiǎn)的水平，結(jié)果發(fā)現(xiàn)，中國的證券機(jī)構(gòu)與其他金融機(jī)構(gòu)的關(guān)聯(lián)最為緊密，因而容易溢出風(fēng)險(xiǎn)也容易受到其他金融機(jī)構(gòu)的沖擊，而中國的商業(yè)銀行雖然規(guī)模巨大，但在風(fēng)險(xiǎn)的傳導(dǎo)方面卻比較穩(wěn)定，同時(shí)，文章還通過識(shí)別高風(fēng)險(xiǎn)溢出的金融機(jī)構(gòu)，預(yù)測和防范中國的金融系統(tǒng)性風(fēng)險(xiǎn)。

關(guān)鍵詞：關(guān)聯(lián)度；金融機(jī)構(gòu)；系統(tǒng)性風(fēng)險(xiǎn)

隨著金融對(duì)于實(shí)體經(jīng)濟(jì)的影響日益重要，金融系統(tǒng)風(fēng)險(xiǎn)的控制和金融系統(tǒng)的穩(wěn)定越來越受到關(guān)注。系統(tǒng)性風(fēng)險(xiǎn)指某一系統(tǒng)性事件的發(fā)生對(duì)一系列的金融機(jī)構(gòu)和金融市場造成嚴(yán)重的影響，從而影響金融系統(tǒng)的穩(wěn)定性，影響社會(huì)公眾對(duì)整個(gè)金融系統(tǒng)的信心。隨著金融衍生品市場的發(fā)展、全球金融一體化的加深，金融系統(tǒng)內(nèi)部各機(jī)構(gòu)之間的聯(lián)系日趨緊密。因此，當(dāng)某個(gè)機(jī)構(gòu)出現(xiàn)流動(dòng)性不足、無力償付，或者產(chǎn)生損失時(shí)，這種沖擊會(huì)很快在不同機(jī)構(gòu)之間傳播擴(kuò)散，從而形成金融系統(tǒng)性風(fēng)險(xiǎn)。

金融系統(tǒng)性風(fēng)險(xiǎn)對(duì)國民經(jīng)濟(jì)的穩(wěn)定發(fā)展造成嚴(yán)重影響。金融系統(tǒng)的質(zhì)量安全是質(zhì)量管理和控制的一個(gè)層面，與宏觀經(jīng)濟(jì)的運(yùn)行息息相關(guān)。因此，本文研究如何識(shí)別、測量、進(jìn)而對(duì)金融系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行防范，無疑具有理論和現(xiàn)實(shí)意義。

一、文獻(xiàn)回顧

系統(tǒng)性風(fēng)險(xiǎn)的爆發(fā)往往導(dǎo)致金融危機(jī)，研究系統(tǒng)性風(fēng)險(xiǎn)往往與研究金融危機(jī)聯(lián)系在一起。對(duì)金融危機(jī)的研究一般關(guān)注四個(gè)“L”，即杠桿率（Leverage）、流動(dòng)性（Liquidity）、損失（Losses）、關(guān)聯(lián)性（Linkage）。因此，有關(guān)系統(tǒng)性風(fēng)險(xiǎn)的研究主要集中在這四個(gè)方面。

在系統(tǒng)性風(fēng)險(xiǎn)的理論模型研究方面，Cifuentes（2005）指出在一家企業(yè)出現(xiàn)流動(dòng)性危機(jī)出售資產(chǎn)會(huì)壓低資產(chǎn)的價(jià)格，且這種行為具有傳染性，所以即使一個(gè)小沖擊也有可能導(dǎo)致危機(jī)出現(xiàn)。Gai等（2011）通過一個(gè)銀行間借貸的網(wǎng)絡(luò)模型，解釋金融網(wǎng)絡(luò)中的復(fù)雜性和集中性怎么樣放大金融脆弱性，并導(dǎo)致系統(tǒng)流動(dòng)性危機(jī)。Morris等（2010）發(fā)現(xiàn)資本市場上極少數(shù)的逆向選擇也能產(chǎn)生腐蝕性的效應(yīng)，并導(dǎo)致交易機(jī)制的失效，其根源在于市場信心的喪失，信息不對(duì)稱會(huì)擴(kuò)大風(fēng)險(xiǎn)?，F(xiàn)有的研究發(fā)現(xiàn)流動(dòng)性缺失、機(jī)構(gòu)之間的緊密聯(lián)系、信息不對(duì)稱等原因都會(huì)導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)的傳染，導(dǎo)致金融危機(jī)的發(fā)生。

實(shí)證研究方面，金融危機(jī)前對(duì)于系統(tǒng)性風(fēng)險(xiǎn)的度量大部分是基于宏觀經(jīng)濟(jì)與金融體系的沖擊及聯(lián)系的角度，危機(jī)之后度量系統(tǒng)性風(fēng)險(xiǎn)的視角逐漸放開，更多地考慮金融體系內(nèi)部關(guān)聯(lián)性和傳染性度量。目前對(duì)于系統(tǒng)性風(fēng)險(xiǎn)的測量方法，大致可以分成兩類。第一類主要是利用會(huì)計(jì)資產(chǎn)負(fù)債數(shù)據(jù)，構(gòu)建系統(tǒng)性風(fēng)險(xiǎn)衡量指標(biāo)。IMF（2009）提出的網(wǎng)絡(luò)模型法考慮了金融機(jī)構(gòu)的流動(dòng)性風(fēng)險(xiǎn)以及系統(tǒng)間的傳染，通過銀行間相互敞口和交易數(shù)據(jù)建立網(wǎng)絡(luò)，模擬風(fēng)險(xiǎn)傳導(dǎo)情況，以此來測算累積的系統(tǒng)性風(fēng)險(xiǎn)。馬運(yùn)全等（2011）利用資本充足率、資產(chǎn)收益率等指標(biāo)建立了中國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的預(yù)警模型。呂江林等（2011）將中國金融壓力指數(shù)作為解釋變量，以滯后的宏觀經(jīng)濟(jì)變量、貨幣信貸變量、資產(chǎn)價(jià)格變量和相關(guān)經(jīng)濟(jì)大國的宏觀經(jīng)濟(jì)變量為解釋變量，運(yùn)用逐步回歸法建立金融系統(tǒng)性風(fēng)險(xiǎn)最佳預(yù)測方程，并對(duì)我國 2010 年金融系統(tǒng)性風(fēng)險(xiǎn)狀況進(jìn)行預(yù)測。第二類的系統(tǒng)性風(fēng)險(xiǎn)測量方法充分利用了金融市場數(shù)據(jù)來構(gòu)建風(fēng)險(xiǎn)測量指標(biāo)。在危機(jī)爆發(fā)之前，在險(xiǎn)價(jià)值（Value-at-Risk，VaR）已經(jīng)被普遍用來衡量金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)。VaR衡量的是在q%的置信區(qū)間，金融機(jī)構(gòu)可能出現(xiàn)的最大損失。但VaR衡量的是單個(gè)機(jī)構(gòu)的風(fēng)險(xiǎn)水平，無法刻畫機(jī)構(gòu)之間的相互作用。Rockafellar等（2002）指出條件風(fēng)險(xiǎn)價(jià)值（Conditional Value-at-Risk，CoVaR）比VaR在測量風(fēng)險(xiǎn)上更優(yōu)，因?yàn)镃oVaR可以衡量離散狀態(tài)的分布，并給出了例子驗(yàn)證。Adian等（2011）構(gòu)建了CoVar，即在其他金融機(jī)構(gòu)處于危機(jī)或者高風(fēng)險(xiǎn)條件下的VAR，以此衡量系統(tǒng)性風(fēng)險(xiǎn)，并將金融機(jī)構(gòu)處于危機(jī)下和正常狀況下的CoVaR值的差異作為該機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度的度量。高國華等（2011）利用CoVaR模型對(duì)我國上市銀行的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行測量，得出銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度與自身VaR無關(guān)，但是與溢出風(fēng)險(xiǎn)CoVaR有關(guān)。周天蕓等（2012）根據(jù)VaR和CoVaR模型的回歸，來測量不同銀行對(duì)經(jīng)濟(jì)體共同沖擊的反應(yīng)以及金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出效應(yīng)。Huang等（2009）構(gòu)建了困境保費(fèi)（Distress Insurance Presium，DIP）指標(biāo)來衡量系統(tǒng)性風(fēng)險(xiǎn)，即為了防止金融機(jī)構(gòu)經(jīng)營失敗陷入財(cái)務(wù)困境所需要支付的保費(fèi)額。Huang等（2011）用這種方法對(duì)亞太地區(qū)22家金融機(jī)構(gòu)進(jìn)行研究，分析金融危機(jī)對(duì)該地區(qū)的溢出效應(yīng)，測量單一金融機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的溢出。但是，這些從損失出發(fā)來衡量系統(tǒng)性風(fēng)險(xiǎn)的方法依賴于歷史損失數(shù)據(jù)，對(duì)于我國這樣沒有明顯的金融危機(jī)爆發(fā)的國家，測量精確度有限。Acharya 等（2010）基于期望損失（ES）提出了系統(tǒng)性期望損失（SES）和邊際期望損失（MES）方法。范小云等（2011）利用邊際期望損失（SES）和杠桿率，測度中國的金融機(jī)構(gòu)在美國次貸危機(jī)期間以及危機(jī)前后對(duì)金融系統(tǒng)的邊際風(fēng)險(xiǎn)貢獻(xiàn)程度。

隨著各種金融創(chuàng)新的發(fā)展，金融機(jī)構(gòu)之間的業(yè)務(wù)往來越來越密集，關(guān)聯(lián)程度越來越緊密。這種緊密的聯(lián)系會(huì)加快沖擊在機(jī)構(gòu)之間的傳染，使得風(fēng)險(xiǎn)快速蔓延。Patro等（2012）指出金融機(jī)構(gòu)股票回報(bào)之間的關(guān)聯(lián)是一個(gè)很好的系統(tǒng)性風(fēng)險(xiǎn)測量指標(biāo)，并對(duì)美國22家大銀行進(jìn)行研究，發(fā)現(xiàn)異質(zhì)性風(fēng)險(xiǎn)的關(guān)聯(lián)程度增加導(dǎo)致了系統(tǒng)性風(fēng)險(xiǎn)的上升。Billio等（2012）基于主成分分析（PCA）和格蘭杰因果網(wǎng)絡(luò)，構(gòu)造測量系統(tǒng)性風(fēng)險(xiǎn)的指標(biāo)，反映系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)變化，且能夠識(shí)別系統(tǒng)性重要金融機(jī)構(gòu)，有利于系統(tǒng)性風(fēng)險(xiǎn)的監(jiān)測。

雖然關(guān)于金融系統(tǒng)性風(fēng)險(xiǎn)的研究比較豐富，但隨著系統(tǒng)性風(fēng)險(xiǎn)的日趨嚴(yán)重和復(fù)雜，學(xué)界并沒有形成一致的研究結(jié)論，研究的視角也不斷創(chuàng)新。目前基于關(guān)聯(lián)性測度中國金融系統(tǒng)性風(fēng)險(xiǎn)的文獻(xiàn)不多，且主要集中于對(duì)商業(yè)銀行一類機(jī)構(gòu)的研究，而對(duì)證券、基金、保險(xiǎn)等各類金融機(jī)構(gòu)構(gòu)成的機(jī)構(gòu)體系的風(fēng)險(xiǎn)研究較少，考慮各類金融機(jī)構(gòu)之間關(guān)聯(lián)性的研究更少。本文嘗試運(yùn)用主成分分析、格蘭杰因果關(guān)系構(gòu)建計(jì)量指標(biāo)，計(jì)算系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度PCAS、格蘭杰因果關(guān)聯(lián)程度DGC和關(guān)聯(lián)數(shù)，創(chuàng)新地基于銀行、證券、基金、保險(xiǎn)四類金融機(jī)構(gòu)的關(guān)聯(lián)性測度金融系統(tǒng)性風(fēng)險(xiǎn)，跟蹤中國金融系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)變化，識(shí)別高風(fēng)險(xiǎn)的金融部門及金融機(jī)構(gòu)。

二、數(shù)據(jù)與統(tǒng)計(jì)描述

由于中國金融系統(tǒng)由各類機(jī)構(gòu)組成，本文考慮銀行、保險(xiǎn)、證券、基金四類機(jī)構(gòu)，共選擇商業(yè)銀行14家、保險(xiǎn)公司3家、證券公司8家，具體機(jī)構(gòu)類型和名稱如下表1。

考慮到金融危機(jī)后金融發(fā)展一個(gè)較為完整的周期，有助于觀察和測度系統(tǒng)性風(fēng)險(xiǎn)的水平與變化，本研究的數(shù)據(jù)為2008-2012的五年回報(bào)率的周數(shù)據(jù)，銀行、保險(xiǎn)、證券的回報(bào)率根據(jù)A股上市企業(yè)的收盤價(jià)計(jì)算得到，并進(jìn)行年化處理。

由于目前沒有A股上市的基金公司，本文根據(jù)2011年末基金公司管理的基金資產(chǎn)凈值的排名，選取排名前10的公司，并選取公司旗下在2008年以前發(fā)行的、規(guī)模最大的1只非封閉式基金，用基金收益率代替基金公司的回報(bào)率，本文選取的10只基金中，包括股票基金、ETF、貨幣市場基金、指數(shù)基金。貨幣市場基金收益率采用7日年化收益率，股票基金、ETF、指數(shù)基金根據(jù)基金單位凈值計(jì)算回報(bào)率，并進(jìn)行年化處理。

除貨幣市場基金7日年化收益率數(shù)據(jù)來源于金融網(wǎng)站外，本文其他數(shù)據(jù)均來自WIND數(shù)據(jù)庫，各變量的描述統(tǒng)計(jì)如下表2。

五、結(jié)論

伴隨金融發(fā)展和金融創(chuàng)新，金融機(jī)構(gòu)之間的聯(lián)系越來越密切，金融機(jī)構(gòu)相互依賴的程度越來越高，由此形成更加復(fù)雜的金融機(jī)構(gòu)網(wǎng)絡(luò)，奠定金融系統(tǒng)性風(fēng)險(xiǎn)生成的基礎(chǔ)。本文基于中國金融機(jī)構(gòu)的關(guān)聯(lián)度，采用主成分分析和格蘭杰因果檢驗(yàn)方法的計(jì)量模型，通過量化金融機(jī)構(gòu)之間的關(guān)聯(lián)度，測量由銀行、證券、保險(xiǎn)、基金等四類金融部門構(gòu)成的金融系統(tǒng)性風(fēng)險(xiǎn)，結(jié)果發(fā)現(xiàn)在2008-2012年的樣本觀察期間，中國金融系統(tǒng)性風(fēng)險(xiǎn)水平隨金融機(jī)構(gòu)之間關(guān)聯(lián)度的變換而變化，在2009年上半年和2010年下半年相對(duì)較高。

無論是系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度PCAS，還是格蘭杰因果關(guān)聯(lián)度DGC，或者是關(guān)聯(lián)數(shù)，本文三個(gè)實(shí)證結(jié)果都反映中國的證券機(jī)構(gòu)與其他機(jī)構(gòu)的關(guān)聯(lián)最為密切，風(fēng)險(xiǎn)敏感程度最高，風(fēng)險(xiǎn)溢出也最大，容易對(duì)其他機(jī)構(gòu)造成影響，應(yīng)對(duì)其風(fēng)險(xiǎn)加以重點(diǎn)關(guān)注；中國的銀行機(jī)構(gòu)雖然規(guī)模巨大，卻表現(xiàn)出相對(duì)的穩(wěn)定性，特別是國有股份制商業(yè)銀行更加具有穩(wěn)定性，能夠有效地降低中國的金融系統(tǒng)性風(fēng)險(xiǎn)。

金融體系的質(zhì)量是最具創(chuàng)新性、普遍性的發(fā)展要素，本文研究結(jié)果表明，中國金融改革應(yīng)注重金融機(jī)構(gòu)之間的關(guān)聯(lián)度，提升金融機(jī)構(gòu)網(wǎng)絡(luò)的彈性和韌性，避免金融系統(tǒng)性風(fēng)險(xiǎn)的發(fā)生，以提升中國實(shí)體經(jīng)濟(jì)的運(yùn)行質(zhì)量，維護(hù)中國宏觀經(jīng)濟(jì)的穩(wěn)定。

參考文獻(xiàn)：

[1]范小云、王道平、方意，2011：《我國金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)測度與監(jiān)管——基于邊際風(fēng)險(xiǎn)貢獻(xiàn)與杠桿率的研究》，《南開經(jīng)濟(jì)研究》第4期。

[2]高國華、潘英麗，2011：《銀行系統(tǒng)性風(fēng)險(xiǎn)度量——基于動(dòng)態(tài)CoVaR方法的分析》，《上海交通大學(xué)學(xué)報(bào)》第12期。

[3]馬運(yùn)全、朱寶麗，2011：《我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)：預(yù)警模型與實(shí)證分析》，《湖南涉外經(jīng)濟(jì)學(xué)院學(xué)報(bào)》第4期。

[4]周天蕓、周開國、黃亮，2012：《機(jī)構(gòu)集聚、風(fēng)險(xiǎn)傳染與香港銀行的系統(tǒng)性風(fēng)險(xiǎn)》，《國際金融研究》第4期。

[5]朱元倩，苗雨峰，2012：《關(guān)于系統(tǒng)性風(fēng)險(xiǎn)度量和預(yù)警的模型綜述》，《國際金融研究》第1期。

[6]Acharya，V.，Pedersen，L.H.，Philippon，T.，and Richardson.M.，2011，“Measuring Systemic Risk”，Working Paper.

[7]Adrian，T.，and Brunnermeier，M.K.，2010，“COVAR”，Working Paper， Princeton University and Federal Reserve Bank of New York.

[8]Billio，M.，Getmansky，M.，Lo，A.W.，and Pelizzon，L.，2012，“Econometric Measures of Connectedness and Systemic Risk in the Finance and Insurance Sectors”，Journal of Financial Economics，pp.535-559.

[9]Cifuentes，R.，Shin，H.S.，and Ferrucci，2005，“Liquidity Risk And Contagion”，Journal of the European Economic Associtation，pp.556-566.

[10]Huang，X.，Zhou，H.，Zhu，H.，2011，“Assessing the Systemic Risk of a Heterogeneous Portfolio of Banks During the Recent Financial Crisis” ，Journal of Financial Stability.

[11]Huang，X.，Zhou，H.，Zhu，H.，2009，“A Framework for Assessing the Systemic Risk of Major Financial Institutions”，Journal of Banking & Finance，pp.2036-2049.

[12]IMF，2009，“Global Stability Report-Responding to the Financial Crisis and Measuring Systemic Risks”，Working Paper.

[13]Rockafellar，R.T.，and Uryasev，S.，2002，“Conditional Value-at-risk for General Loss Distributions”，Journal of Banking & Finance，pp.1443-1471.

[14]Morris，S.and Shin，H.S.，2012，“Contagious Adverse Selection”，American Economic Journal： Macroeconomics，pp.1-21.

[15]Patro，D.K.， Qi，M.，and Sun，X.，2012，“A Simple Indicator of Systemic Risk”，Journal of Financial Stability，2012.

[16]Prasanna， Gai，Andrew Haldane，and Sujit Kapadia，2011，“Complexity，Concentration and Contagion”，Journal of Monetary Economics，pp.453-470.

Connectedness and Systemic Risk Measuring

of Financial Institions

Zhou Tianyun and Zhang Xing

（International Business School，Sun Yat-sen University）

Abstract：As financial crisis outbreak frequently， the systemic risk issue has attracted more and more attention. In this paper， we propose several measures of connectedness and the systemic risk degree based on principle components analysis and granger causality method. We contain four financial sectors in our analysis， including banking， securities， insurance and fund. We find that the securities sector has more connections with others， likely increasing the level of systemic risk. And the banking sector seem to be more stable in our analysis， though it has large size. In this paper， we also try to monitor the dynamic changes of financial systemic risk and recognize the high risk spillover institutions.

Key Words：Connectedness；Financial Institutions；Systemic Risk

責(zé)任編輯汪曉清