■聞岳春 唐學(xué)敏

系統(tǒng)性金融風(fēng)險(xiǎn)的影響因素研究
——基于金融機(jī)構(gòu)關(guān)聯(lián)性的視角

■聞岳春 唐學(xué)敏

金融機(jī)構(gòu)關(guān)聯(lián)性是2007年美國(guó)次貸危機(jī)之后國(guó)內(nèi)外學(xué)者對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的研究中較為關(guān)注的問(wèn)題之一。本文采用實(shí)證方法從金融機(jī)構(gòu)關(guān)聯(lián)性的視角對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響因素進(jìn)行分析，明確關(guān)聯(lián)性及其他因素對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響大小并對(duì)其影響機(jī)理進(jìn)行研究。研究發(fā)現(xiàn)：金融機(jī)構(gòu)關(guān)聯(lián)性具有風(fēng)險(xiǎn)轉(zhuǎn)移的特性，對(duì)金融機(jī)構(gòu)系統(tǒng)風(fēng)險(xiǎn)邊際貢獻(xiàn)的影響分為直接影響與間接影響，直接影響體現(xiàn)為風(fēng)險(xiǎn)的直接上升，而間接影響則表現(xiàn)為將杠桿率、期限錯(cuò)配和金融業(yè)綜合經(jīng)營(yíng)程度的風(fēng)險(xiǎn)在金融機(jī)構(gòu)間進(jìn)行分?jǐn)?。此外，金融機(jī)構(gòu)的規(guī)模越大、盈利能力越強(qiáng)、市場(chǎng)收益水平越高、GDP增速越低，金融機(jī)構(gòu)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)越小。

金融機(jī)構(gòu)關(guān)聯(lián)性；系統(tǒng)性金融風(fēng)險(xiǎn)；金融創(chuàng)新

聞岳春，同濟(jì)大學(xué)經(jīng)濟(jì)與管理學(xué)院教授，博士；（上海 200002）

唐學(xué)敏，同濟(jì)大學(xué)經(jīng)濟(jì)與管理學(xué)院博士生。（上海 201210）

一、引言

自2007年美國(guó)次貸危機(jī)以來(lái)，國(guó)內(nèi)外學(xué)者從各個(gè)角度對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)（Systemic Risk）進(jìn)行了深入的研究。對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的新型觀點(diǎn)認(rèn)為，風(fēng)險(xiǎn)是內(nèi)生的，包括沖擊事件和擴(kuò)散過(guò)程［1］。這種系統(tǒng)性金融風(fēng)險(xiǎn)內(nèi)生的觀點(diǎn)已被國(guó)內(nèi)外許多學(xué)者認(rèn)可，目前大多數(shù)的研究也都是從風(fēng)險(xiǎn)內(nèi)生于金融系統(tǒng)這一角度出發(fā)來(lái)研究系統(tǒng)性金融風(fēng)險(xiǎn)。在具體的研究中，金融機(jī)構(gòu)的規(guī)模與關(guān)聯(lián)性是兩個(gè)重要的研究視角，即“太大而不能倒”（too-big-to-fail，TBTF）和“關(guān)聯(lián)性太強(qiáng)而不能倒”（too-connected-to-fail，TCTF）。

2009年，國(guó)際貨幣基金組織（IMF）、金融穩(wěn)定委員會(huì)（FSB）和國(guó)際清算銀行（BIS）針對(duì)具有系統(tǒng)重要性的金融機(jī)構(gòu)、市場(chǎng)及工具對(duì)27個(gè)國(guó)家中央銀行及監(jiān)管機(jī)構(gòu)發(fā)起的問(wèn)卷調(diào)查結(jié)果顯示，金融危機(jī)之后在對(duì)系統(tǒng)重要性金融機(jī)構(gòu)的界定上，多數(shù)國(guó)家認(rèn)為內(nèi)部關(guān)聯(lián)性、杠桿及期限錯(cuò)配是決定該機(jī)構(gòu)是否具有系統(tǒng)重要性的重要因素；而在金融危機(jī)之前，大多數(shù)國(guó)家都認(rèn)為規(guī)模是最重要的參考指標(biāo)［2］。這顯示出在金融危機(jī)之后，金融機(jī)構(gòu)關(guān)聯(lián)性更多地引起了全球央行及監(jiān)管機(jī)構(gòu)的廣泛重視。金融危機(jī)之后，美國(guó)國(guó)家經(jīng)濟(jì)研究協(xié)會(huì)［3］（NERA）針對(duì)美國(guó)監(jiān)管機(jī)構(gòu)構(gòu)建的以金融機(jī)構(gòu)規(guī)模為重要參照指標(biāo)的監(jiān)管策略，提出了批評(píng)，認(rèn)為監(jiān)管機(jī)構(gòu)不應(yīng)過(guò)度關(guān)注金融機(jī)構(gòu)的規(guī)模，而應(yīng)更加關(guān)注金融機(jī)構(gòu)的內(nèi)部關(guān)聯(lián)性。近年來(lái)國(guó)內(nèi)學(xué)者也開(kāi)始關(guān)注關(guān)聯(lián)性對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響，例如范小云、王道平和劉瀾飆［4］的研究表明，銀行間負(fù)債關(guān)聯(lián)程度是決定銀行誘發(fā)系統(tǒng)性危機(jī)難易程度和破產(chǎn)損失大小的重要因素，與銀行規(guī)模相比，應(yīng)更重視銀行間負(fù)債的關(guān)聯(lián)程度。

2008年以來(lái)，隨著金融危機(jī)對(duì)發(fā)達(dá)國(guó)家（地區(qū)）的影響逐漸加深，外需減少導(dǎo)致的出口下滑與投資拉動(dòng)GDP的可持續(xù)性下降，中國(guó)經(jīng)濟(jì)下行壓力凸顯，對(duì)以銀行為代表的大型金融機(jī)構(gòu)出現(xiàn)系統(tǒng)性金融風(fēng)險(xiǎn)的擔(dān)憂時(shí)隱時(shí)現(xiàn)。在防范與監(jiān)控系統(tǒng)性金融風(fēng)險(xiǎn)時(shí)，重要的一點(diǎn)是對(duì)其影響因素及其形成機(jī)理進(jìn)行研究，這能幫助我們更加深入地認(rèn)識(shí)系統(tǒng)性金融風(fēng)險(xiǎn)，并在監(jiān)管層面降低風(fēng)險(xiǎn)事件發(fā)生的概率。因此，本文將從金融機(jī)構(gòu)關(guān)聯(lián)性的角度對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行研究，明確關(guān)聯(lián)性及其他因素對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響大小并對(duì)其影響機(jī)理進(jìn)行分析。

二、文獻(xiàn)綜述

在最近一次金融危機(jī)之前，對(duì)金融機(jī)構(gòu)關(guān)聯(lián)性及其對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響的研究多從銀行網(wǎng)絡(luò)間的風(fēng)險(xiǎn)傳染效應(yīng)進(jìn)行考察，更多地考慮風(fēng)險(xiǎn)傳染的機(jī)制及它對(duì)金融系統(tǒng)穩(wěn)定性的影響。Allen、Gale［5］對(duì)銀行系統(tǒng)在不同的網(wǎng)絡(luò)結(jié)構(gòu)下的傳染機(jī)制進(jìn)行了研究，發(fā)現(xiàn)不完全的網(wǎng)絡(luò)結(jié)構(gòu)比完全的網(wǎng)絡(luò)結(jié)構(gòu)更容易受到傳染的影響，這意味著銀行系統(tǒng)關(guān)聯(lián)性具有某種非線性的特征，當(dāng)關(guān)聯(lián)性達(dá)到一定程度之后，有助于抵御傳染的侵害，而且銀行間的關(guān)聯(lián)性低到一定程度，同樣會(huì)把傳染效應(yīng)限制在一定范圍，只有達(dá)到某種中間狀態(tài)時(shí)，傳染效應(yīng)才會(huì)達(dá)到最大。Freixas、Parigi、Rochet［6］也得到類(lèi)似的結(jié)論，認(rèn)為銀行間通過(guò)信貸連接起來(lái)的關(guān)聯(lián)會(huì)對(duì)沖區(qū)域的流動(dòng)性沖擊，銀行間的關(guān)聯(lián)能夠加強(qiáng)金融系統(tǒng)的彈性。Gai、Kapadia［7］認(rèn)為關(guān)聯(lián)性的增強(qiáng)能夠減少大范圍違約的可能性，但一旦違約發(fā)生，這種沖擊會(huì)造成嚴(yán)重的影響。鑒于關(guān)聯(lián)性一方面能夠分擔(dān)風(fēng)險(xiǎn)，另一方面卻增加了整個(gè)系統(tǒng)崩潰的可能性，Leitner［8］則構(gòu)造了一個(gè)最優(yōu)的網(wǎng)絡(luò)模型來(lái)最小化這種狀態(tài)的轉(zhuǎn)換。金融機(jī)構(gòu)關(guān)聯(lián)性這種非線性的特征也在Nier et al.［9］和NBER［10］中得到了印證，他們的研究表明銀行內(nèi)部關(guān)聯(lián)性對(duì)金融系統(tǒng)穩(wěn)定性的影響是一個(gè)非線性的過(guò)程，最初的內(nèi)部關(guān)聯(lián)性的增加會(huì)增強(qiáng)傳染效應(yīng)，然而，當(dāng)超過(guò)一定閥值時(shí)，這種內(nèi)部關(guān)聯(lián)性會(huì)增強(qiáng)金融系統(tǒng)吸收沖擊的能力。反過(guò)來(lái)說(shuō)，當(dāng)銀行內(nèi)部關(guān)聯(lián)性一定時(shí)，小規(guī)模的沖擊會(huì)被這種風(fēng)險(xiǎn)分擔(dān)機(jī)制所消化，但沖擊到達(dá)一定程度時(shí)，銀行內(nèi)部關(guān)聯(lián)性將成為沖擊傳播的關(guān)鍵途徑，并且導(dǎo)致大范圍的金融脆弱。

在金融危機(jī)之后更多的觀點(diǎn)則認(rèn)為金融機(jī)構(gòu)間的關(guān)聯(lián)性是產(chǎn)生金融危機(jī)的重要原因，對(duì)關(guān)聯(lián)性的研究也更偏向了實(shí)證的度量及對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的研究。Chan-Lau、Espinosa［11］介紹了一種基于資產(chǎn)負(fù)債表的網(wǎng)絡(luò)分析方法對(duì)銀行系統(tǒng)的內(nèi)部關(guān)聯(lián)性及其系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行評(píng)估，他使用BIS銀行間頭寸的跨國(guó)數(shù)據(jù)構(gòu)造了銀行間頭寸矩陣，然后對(duì)極端情況進(jìn)行模擬，進(jìn)而得到了在極端情形下銀行發(fā)生違約的廣度和深度。Giesecke、Kim［12］構(gòu)造的違約強(qiáng)度模型使用穆迪違約風(fēng)險(xiǎn)服務(wù)中的違約數(shù)據(jù)，對(duì)金融機(jī)構(gòu)間由于直接關(guān)聯(lián)性和間接關(guān)聯(lián)性產(chǎn)生的系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行了評(píng)估。IMF［13］介紹了一種基于金融機(jī)構(gòu)信用違約互換（CDS）數(shù)據(jù)和分位數(shù)回歸方法的Co-Risk模型，該模型考慮了金融機(jī)構(gòu)間的非線性關(guān)系，并且能夠評(píng)估金融機(jī)構(gòu)在處于困境時(shí)風(fēng)險(xiǎn)因子的協(xié)同變化。Segoviano、Goodhart［14］的多元密度估計(jì)法則將整個(gè)銀行系統(tǒng)看作由不同銀行組成的資產(chǎn)組合，從系統(tǒng)、銀行與銀行和系統(tǒng)與銀行三個(gè)角度對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行了考察。除以上的實(shí)證模型外，還有一些模型也引起了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注，如Adrian、Brunnermeier［15］的CoVaR模型與Acharya、Pedersen、Philippon和Richardson［16］的SES模型都能夠用于衡量當(dāng)出現(xiàn)極端情形時(shí)，由于金融機(jī)構(gòu)間高度關(guān)聯(lián)導(dǎo)致的單個(gè)金融機(jī)構(gòu)或整個(gè)金融系統(tǒng)可能產(chǎn)生的損失大小。Billio、Getmansky、Lo和Pelizzon［17］認(rèn)為，在正常時(shí)期金融機(jī)構(gòu)間關(guān)聯(lián)性的大小會(huì)顯著低于出現(xiàn)金融困境時(shí)的關(guān)聯(lián)性大小，在危機(jī)發(fā)生之時(shí)，金融系統(tǒng)關(guān)聯(lián)性會(huì)顯著上升，因而該文使用了主成分分析法和格蘭杰因果網(wǎng)絡(luò)模型更加簡(jiǎn)單明了地對(duì)金融機(jī)構(gòu)關(guān)聯(lián)性進(jìn)行了度量，并對(duì)相應(yīng)的系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行了分析。

從以上對(duì)已有文獻(xiàn)的梳理中可以發(fā)現(xiàn)，在金融危機(jī)之前，對(duì)金融機(jī)構(gòu)間關(guān)聯(lián)性的研究表明它可能存在風(fēng)險(xiǎn)分擔(dān)與風(fēng)險(xiǎn)擴(kuò)散兩種機(jī)制；而在金融危機(jī)之后，由于危機(jī)造成的重要影響，許多研究偏向于默認(rèn)關(guān)聯(lián)性是“有害的”，而忽略了它可能存在的風(fēng)險(xiǎn)分擔(dān)的作用。這種默認(rèn)體現(xiàn)在，已有的許多系統(tǒng)性金融風(fēng)險(xiǎn)測(cè)量的模型中多從關(guān)聯(lián)性的角度構(gòu)建并度量（如CoVaR、Co-Risk等），但在模型中并沒(méi)有對(duì)關(guān)聯(lián)性有直接體現(xiàn)。因此，本文將這一思路作為切入點(diǎn)，通過(guò)對(duì)關(guān)聯(lián)性進(jìn)行實(shí)證度量，并通過(guò)面板回歸模型引入交叉項(xiàng)的方式考察關(guān)聯(lián)性及其他因素（在關(guān)聯(lián)性的影響下）對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響機(jī)制。

三、實(shí)證分析

（一）實(shí)證模型及方法

1.金融機(jī)構(gòu)關(guān)聯(lián)性與系統(tǒng)性金融風(fēng)險(xiǎn)的度量

本文實(shí)證分析的第一步擬采用格蘭杰因果網(wǎng)絡(luò)模型對(duì)關(guān)聯(lián)性進(jìn)行度量。根據(jù)Billio et al.［17］，在使用傳統(tǒng)的線性格蘭杰因果檢驗(yàn)之前，首先采用GARCH（1,1）控制資產(chǎn)回報(bào)率的自相關(guān)性。在控制住各資產(chǎn)回報(bào)原始序列的異方差性之后，對(duì)資產(chǎn)i和資產(chǎn)j，使用調(diào)整后的資產(chǎn)收益率進(jìn)行格蘭杰因果檢驗(yàn)，計(jì)算方法如下：

通過(guò)以上方法計(jì)算出的值為一個(gè)周期內(nèi)（比如一個(gè)季度）的數(shù)值，我們可以在t個(gè)周期內(nèi)對(duì)值進(jìn)行計(jì)算，從而得到關(guān)聯(lián)性測(cè)度的一組面板數(shù)據(jù)。

國(guó)內(nèi)外學(xué)者的研究表明，邊際期望損失（Marginal Expected Shortfall,MES）能夠較好地反應(yīng)金融機(jī)構(gòu)運(yùn)行的穩(wěn)健程度及其系統(tǒng)重要性，同時(shí)也能較好地預(yù)測(cè)金融機(jī)構(gòu)在危機(jī)期間系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)［18］。因此在本文的實(shí)證分析中對(duì)個(gè)體金融機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)的度量將采用邊際期望損失方法進(jìn)行評(píng)估。方法如下：

其中R為資產(chǎn)的整體收益水平，ri為R第i個(gè)部分的預(yù)期收益，VaR為在險(xiǎn)價(jià)值。通過(guò)公式3計(jì)算得出的即為金融機(jī)構(gòu)i對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)。

2.系統(tǒng)性金融風(fēng)險(xiǎn)的影響因素分析

在對(duì)關(guān)聯(lián)性與系統(tǒng)性金融風(fēng)險(xiǎn)進(jìn)行度量后，本文將構(gòu)建面板回歸模型進(jìn)行系統(tǒng)性金融風(fēng)險(xiǎn)的影響因素分析。為了更全面地考察關(guān)聯(lián)性對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響，該模型中自變量的選擇包括三個(gè)部分，分別是主要解釋變量、交叉項(xiàng)以及控制變量。

主要解釋變量包括關(guān)聯(lián)性（Linkage）、杠桿率（Leverage）、期限錯(cuò)配（Mismatch）、短期流動(dòng)性（Liquidity）以及金融業(yè)綜合經(jīng)營(yíng)（IM）；交叉項(xiàng)包括關(guān)聯(lián)性與杠桿率的交叉項(xiàng)（Linkage_Leverage）、關(guān)聯(lián)性與期限錯(cuò)配的交叉項(xiàng)（Linkage_Mismatch）、關(guān)聯(lián)性與流動(dòng)性的交叉項(xiàng)（Linkage_Liquidity）、關(guān)聯(lián)性與金融業(yè)綜合經(jīng)營(yíng)的交叉項(xiàng)（Linkage_IM）；控制變量包括公司規(guī)模（Assets）、總資產(chǎn)收益率（ROA）、滬深300指數(shù)收益率（HS）、國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率（GDP）、行業(yè)虛擬變量D1、D2、D3。具體的計(jì)算方法與說(shuō)明見(jiàn)表1。

在確定了解釋變量之后，考慮到內(nèi)生性的影響，除虛擬變量外的所有解釋變量均加入滯后一階作為工具變量，構(gòu)建面板回歸模型如下：

表1 實(shí)證模型解釋變量的計(jì)算方法與解釋

（二）數(shù)據(jù)來(lái)源

本文實(shí)證采用中國(guó)A股上市金融機(jī)構(gòu)的數(shù)據(jù)。截至2014年11月26日，中國(guó)A股上市的金融機(jī)構(gòu)共有44家，包括16家商業(yè)銀行、20家證券公司，4家保險(xiǎn)公司、3家信托公司和1家其他金融業(yè)公司。由于部分金融機(jī)構(gòu)上市時(shí)間較晚，同時(shí)部分金融機(jī)構(gòu)的股票交易存在較長(zhǎng)時(shí)間的停牌，影響了整體數(shù)據(jù)的統(tǒng)一性和相對(duì)的準(zhǔn)確性，因此在樣本選取中將剔除在2008年之后上市以及上市期間停牌時(shí)間超過(guò)3個(gè)月的金融機(jī)構(gòu)。最后選取的樣本為24家上市金融機(jī)構(gòu)，其中包含14家商業(yè)銀行（分別為平安銀行、寧波銀行、浦發(fā)銀行、華夏銀行、民生銀行、招商銀行、南京銀行、興業(yè)銀行、北京銀行、交通銀行、工商銀行、建設(shè)銀行、中國(guó)銀行、中信銀行），6家證券公司（分別為東北證券、國(guó)元證券、長(zhǎng)江證券、中信證券、國(guó)金證券、海通證券），2家保險(xiǎn)公司（分別為中國(guó)人壽和中國(guó)平安）、1家信托公司 （陜國(guó)投A）以及1家其他金融業(yè)公司（愛(ài)建股份），樣本選取的時(shí)間段為2008年1月2日至2014年9月30日。最后進(jìn)入面板模型的數(shù)據(jù)均為季度數(shù)據(jù)，且來(lái)自Wind數(shù)據(jù)庫(kù)。

表2 變量的描述性統(tǒng)計(jì)

表3 面板單位根檢驗(yàn)

另外，實(shí)證中對(duì)每個(gè)季度關(guān)聯(lián)性和系統(tǒng)性金融風(fēng)險(xiǎn)的度量均采用上述24家金融機(jī)構(gòu)資產(chǎn)市場(chǎng)價(jià)值波動(dòng)率的日數(shù)據(jù)作為基礎(chǔ)進(jìn)行分析。金融機(jī)構(gòu)資產(chǎn)市場(chǎng)價(jià)值波動(dòng)率的計(jì)算采用Adrian、Brunnermeier（2010）中的數(shù)據(jù)處理方法：

其中，MEiT為金融機(jī)構(gòu)i在T時(shí)刻的總市值，LEViT為金融機(jī)構(gòu)i在T時(shí)刻總資產(chǎn)與賬面價(jià)值的比率。由此，賬面總資產(chǎn)就通過(guò)市值賬面權(quán)益比轉(zhuǎn)化成了資產(chǎn)的市場(chǎng)價(jià)值A(chǔ)iT。由于報(bào)表中的總資產(chǎn)與賬面權(quán)益為季度數(shù)據(jù)，因此在數(shù)據(jù)處理時(shí)當(dāng)季內(nèi)的總資產(chǎn)與賬面權(quán)益保持不變。

（三）面板回歸及結(jié)果分析

在進(jìn)行面板回歸之前，首先對(duì)除虛擬變量之外的其他變量進(jìn)行描述性統(tǒng)計(jì)，見(jiàn)表2。

由于非平穩(wěn)數(shù)據(jù)在進(jìn)行面板回歸時(shí)可能存在偽回歸現(xiàn)象，因此在進(jìn)行回歸之前，應(yīng)對(duì)所有面板數(shù)據(jù)做面板單位根檢驗(yàn)。本文主要采取四種方法進(jìn)行檢驗(yàn)，分別是LLC檢驗(yàn)、IPS檢驗(yàn)、Fisher-ADF檢驗(yàn)和Fisher-PP檢驗(yàn)，檢驗(yàn)結(jié)果見(jiàn)表3（不包含虛擬變量）。從檢驗(yàn)結(jié)果我們可以看到，除短期流動(dòng)性（Liquidity）是非平穩(wěn)的以外，其他所有面板數(shù)據(jù)均是平穩(wěn)的。在嘗試對(duì)Liquidity數(shù)據(jù)進(jìn)行序列變換之后，數(shù)據(jù)仍然無(wú)法平穩(wěn)，因此在后續(xù)實(shí)證中將剔除該變量。

本文在進(jìn)行面板模型分析時(shí)采取逐步剔除不顯著變量的方法進(jìn)行回歸，得到的實(shí)證結(jié)果見(jiàn)表4。實(shí)證結(jié)果中的最終參數(shù)估計(jì)模型Ⅱ中各項(xiàng)系數(shù)的估計(jì)值均較為顯著，同時(shí)殘差平穩(wěn)性檢驗(yàn)較好，表明模型較為穩(wěn)定。

從表4的實(shí)證結(jié)果中，我們發(fā)現(xiàn)：

表4 面板模型回歸實(shí)證結(jié)果

1.關(guān)聯(lián)性（當(dāng)期及滯后一期）對(duì)金融機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)貢獻(xiàn)率的影響顯著為負(fù)。由于MES的值為負(fù)值，負(fù)的影響意味著，當(dāng)關(guān)聯(lián)性上升時(shí)，會(huì)直接增加其邊際預(yù)期損失；同時(shí)，關(guān)聯(lián)性與杠桿率的交叉項(xiàng)（滯后一期）、關(guān)聯(lián)性與期限錯(cuò)配的交叉項(xiàng)（當(dāng)期）、關(guān)聯(lián)性與金融業(yè)綜合經(jīng)營(yíng)的交叉項(xiàng)（滯后一期）、關(guān)聯(lián)性與短期流動(dòng)性的交叉項(xiàng)（當(dāng)期）的系數(shù)顯著為正，表明當(dāng)金融機(jī)構(gòu)的關(guān)聯(lián)性增強(qiáng)時(shí)，能夠有效分散其自身由于杠桿、期限錯(cuò)配、金融業(yè)綜合經(jīng)營(yíng)以及流動(dòng)性不足而產(chǎn)生的風(fēng)險(xiǎn)。根據(jù)實(shí)證結(jié)果對(duì)關(guān)聯(lián)性的當(dāng)期與滯后一期變量分別進(jìn)行求導(dǎo)，可以得到：

以公式6為例，當(dāng)期限錯(cuò)配程度較低、短期流動(dòng)性較為充裕時(shí)，可能會(huì)小于0，此時(shí)單個(gè)金融機(jī)構(gòu)關(guān)聯(lián)性的增加會(huì)加大該機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)，這意味著當(dāng)自身風(fēng)險(xiǎn)較小時(shí)，關(guān)聯(lián)性的增加會(huì)加大被傳染的風(fēng)險(xiǎn)，進(jìn)而增加其系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)；而當(dāng)期限錯(cuò)配程度較高、短期流動(dòng)性較為不足時(shí)，關(guān)聯(lián)性的上升會(huì)減少其系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)，這意味著當(dāng)金融機(jī)構(gòu)自身風(fēng)險(xiǎn)較大時(shí)，關(guān)聯(lián)性會(huì)體現(xiàn)出風(fēng)險(xiǎn)分擔(dān)的作用，進(jìn)而減少該機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)。同時(shí)，滯后一期的關(guān)聯(lián)性與杠桿率交叉項(xiàng)、關(guān)聯(lián)性與金融業(yè)綜合經(jīng)營(yíng)交叉項(xiàng)顯著，說(shuō)明金融機(jī)構(gòu)通過(guò)關(guān)聯(lián)性分散其杠桿率與金融業(yè)綜合經(jīng)營(yíng)的風(fēng)險(xiǎn)具有滯后性。

2.滯后一期的杠桿率對(duì)金融機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)率影響顯著為負(fù)，說(shuō)明增加杠桿率會(huì)直接增加該機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)，同時(shí)該風(fēng)險(xiǎn)具有滯后效應(yīng)；當(dāng)期的金融業(yè)綜合經(jīng)營(yíng)程度對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)率的影響顯著為負(fù)，說(shuō)明金融機(jī)構(gòu)金融業(yè)綜合經(jīng)營(yíng)程度的上升，會(huì)增加其系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)。

3.當(dāng)期的金融機(jī)構(gòu)總資產(chǎn)和資產(chǎn)收益率前系數(shù)顯著為正，說(shuō)明金融機(jī)構(gòu)的規(guī)模越大，盈利能力越強(qiáng)，越能夠抵御風(fēng)險(xiǎn)；滬深300指數(shù)收益率前系數(shù)顯著為正，說(shuō)明市場(chǎng)的收益水平越高，金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)貢獻(xiàn)度越??；虛擬變量D1和D2前系數(shù)顯著為正，說(shuō)明中國(guó)商業(yè)銀行與證券公司經(jīng)營(yíng)較為穩(wěn)健，能夠有效控制自身的邊際風(fēng)險(xiǎn)貢獻(xiàn)；滯后一期的國(guó)內(nèi)生產(chǎn)總值前系數(shù)顯著為負(fù)，說(shuō)明當(dāng)前階段中國(guó)經(jīng)濟(jì)增速過(guò)快會(huì)增加金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)，進(jìn)而更容易引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)，適度降低GDP的增速有利于減少系統(tǒng)性金融風(fēng)險(xiǎn)發(fā)生的概率。

四、結(jié)論與建議

在最近一次金融危機(jī)之后，越來(lái)越多的研究表明，金融機(jī)構(gòu)關(guān)聯(lián)性對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的形成具有重要影響。本文以金融機(jī)構(gòu)關(guān)聯(lián)性為視角，綜合采用多種實(shí)證方法對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響因素及影響機(jī)制進(jìn)行了研究，其主要結(jié)論與相應(yīng)的政策建議如下。

首先，關(guān)聯(lián)性對(duì)金融機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)邊際貢獻(xiàn)的影響分為直接影響與間接影響兩個(gè)方面，其直接影響會(huì)增加系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)，而間接影響則會(huì)減少系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)。同時(shí)，關(guān)聯(lián)性還具有風(fēng)險(xiǎn)轉(zhuǎn)移的特性。對(duì)于自身風(fēng)險(xiǎn)較低（杠桿率、期限錯(cuò)配與金融業(yè)綜合經(jīng)營(yíng)程度較低）的金融機(jī)構(gòu)，在與其他金融機(jī)構(gòu)關(guān)聯(lián)性增強(qiáng)時(shí)，其系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)會(huì)上升；而對(duì)于自身風(fēng)險(xiǎn)較高 （杠桿率、期限錯(cuò)配與金融業(yè)綜合經(jīng)營(yíng)程度較高）的金融機(jī)構(gòu)來(lái)說(shuō)，關(guān)聯(lián)性的上升會(huì)減少其系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)。不論是風(fēng)險(xiǎn)分擔(dān)還是風(fēng)險(xiǎn)擴(kuò)散，關(guān)聯(lián)性在這一機(jī)制的背后都表現(xiàn)為一種風(fēng)險(xiǎn)轉(zhuǎn)移，即通過(guò)關(guān)聯(lián)性將風(fēng)險(xiǎn)從風(fēng)險(xiǎn)較高的金融機(jī)構(gòu)轉(zhuǎn)移至風(fēng)險(xiǎn)較低的金融機(jī)構(gòu)。這意味著，關(guān)聯(lián)性與系統(tǒng)性金融風(fēng)險(xiǎn)可能存在 “順周期”效應(yīng)，即系統(tǒng)性金融風(fēng)險(xiǎn)上升時(shí)，金融機(jī)構(gòu)（尤其是自身風(fēng)險(xiǎn)較高的金融機(jī)構(gòu)）傾向于通過(guò)關(guān)聯(lián)性的增強(qiáng)來(lái)分散（或轉(zhuǎn)移）其風(fēng)險(xiǎn)，而隨著關(guān)聯(lián)性的增強(qiáng)使得整個(gè)金融系統(tǒng)的風(fēng)險(xiǎn)隨之上升。因此，監(jiān)管部門(mén)可能需要對(duì)這種系統(tǒng)性金融風(fēng)險(xiǎn)的“自我實(shí)現(xiàn)機(jī)制”加以警惕。

其次，杠桿率與金融業(yè)綜合經(jīng)營(yíng)程度對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響也存在直接效應(yīng)與間接效應(yīng)。一方面，杠桿率與金融業(yè)綜合經(jīng)營(yíng)程度會(huì)直接增加金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)度，另一方面，它們會(huì)通過(guò)關(guān)聯(lián)性風(fēng)險(xiǎn)轉(zhuǎn)移的特性減少金融機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)。因此，我們應(yīng)適度控制金融機(jī)構(gòu)的杠桿率與綜合經(jīng)營(yíng)程度，并且在金融機(jī)構(gòu)自身風(fēng)險(xiǎn)控制與風(fēng)險(xiǎn)適度分散之間達(dá)到某種健康的平衡。

再次，實(shí)證結(jié)果表明，金融機(jī)構(gòu)的規(guī)模、盈利能力越強(qiáng)，市場(chǎng)收益水平越高，金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)邊際貢獻(xiàn)越??；而GDP增速越高，會(huì)加大金融機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)的邊際貢獻(xiàn)；同時(shí)，中國(guó)商業(yè)銀行與證券公司相對(duì)其他金融機(jī)構(gòu)有更好的控制風(fēng)險(xiǎn)的能力。因此，為防范系統(tǒng)性金融風(fēng)險(xiǎn)的發(fā)生，中國(guó)應(yīng)鼓勵(lì)金融機(jī)構(gòu)做大規(guī)模、增強(qiáng)盈利能力，同時(shí)也要提高市場(chǎng)收益水平、適度減緩GDP的增長(zhǎng)速度。

［1］張曉樸.系統(tǒng)性金融風(fēng)險(xiǎn)研究：演進(jìn)、成因與監(jiān)管［J］.國(guó)際金融研究，2010，（7）.

［2］International Monetary Fund,the Bank for International Settlements,the Secretariat of the Financial Stability Board, Guidance to Assess the Systemic Importance of Financial Institutions,Marketsand Instruments:Initial Considerations—Background Paper.Report to the G-20Finance Ministersand Central Bank Governors,2009.

［3］NERA.Why“too-big-to-fail”is Too Short-Sighted to Succeed.PCI White Paper,2010.

［4］范小云,王道平,劉瀾飆.規(guī)模、關(guān)聯(lián)性與中國(guó)系統(tǒng)重要性銀行的衡量［J］.金融研究，2012，（11）.

［5］Allen,F.,D.Gale,Financial Contagion.Journal of Political Economy,2000,Vol.108,No.1.

［6］Freixas,X.,B.Parigi,andJ.Rochet,Systemic Risk,Interbank Relations and Liquidity Provision by the Central Bank.Journal of Money,Credit&Banking,2000,(32).

［7］Gai,P.,S.Kapadia,Contagion in Financial Networks. working paper,Bank of England,2007.

［8］Leitner,Y.,Financial Networks:Contagion,Commitment,and Private Sector Bailouts.Journal of Finance,2005, (60).

［9］Nier,E.,J.Yang,T.Yorulmazer,A.Alentorn,Network modelsand financial stability.Journal of Economic Dynamics& Control,2007,(31).

［10］NBER.Systemic Risk and Stability in Financial Networks.Working Paper 18727,2013.

［11］Chan-Lau,J.,M.Espinosa,J.Sole.On the use of network analysis to assess systemic financial linkages,IMF Working Paper,2009.

［12］Giesecke,K.,B.Kim,Risk analysis of collateralized debt obligations.Operations Research,Vol.59,No.1,2011.

［13］International Monetary Fund,Assessing the Systemic Implications of Financial Link-ages.Global Financial Stability Review,2009.

［14］Segoviano,M.A.,C.Goodhart,Banking stability measures.Financial Markets Group Discussion paper 627, London School of Economics and Political Science,2009.

［15］Adrian,T.,M.Brunnermeier,CoVaR.Federal Reserve Bank of New York Staff Report,2010,No.348.

［16］Acharya,V.,L.Pedersen,T.Philippon,M. Richardson,Measuring Systemic Risk.New York University working paper,2010.

［17］Billio,M.,M.Getmansky,A.W.Lo,and L.Pelizzon,Econometric measures of systemic risk in the finance and insurance sectors.NBER Working Paper 16223,2010.

［18］范小云,王道平,方意.我國(guó)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)測(cè)度與監(jiān)管——基于邊際風(fēng)險(xiǎn)貢獻(xiàn)與杠桿率的研究［J］.南開(kāi)經(jīng)濟(jì)研究，2011，（4）.

［19］高國(guó)華,潘英麗.銀行系統(tǒng)性風(fēng)險(xiǎn)度量——基于動(dòng)態(tài)CoVaR方法的分析［J］.上海交通大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，（12）.

［20］陸靜,胡曉紅.基于條件在險(xiǎn)價(jià)值法的商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)研究［J］.中國(guó)軟科學(xué)，2014，（4）.

［21］白雪梅,石大龍.中國(guó)金融體系的系統(tǒng)性風(fēng)險(xiǎn)度量［J］.國(guó)際金融研究，2014，（6）.

【責(zé)任編輯：薛華】

F830

A

1004－518X（2015）07－0072-08

國(guó)家自然基金項(xiàng)目“中國(guó)資本市場(chǎng)系統(tǒng)穩(wěn)定性評(píng)估與監(jiān)測(cè)研究”（71273190）、國(guó)家社科基金重大項(xiàng)目“創(chuàng)新型國(guó)家背景下的科技創(chuàng)新與金融創(chuàng)新結(jié)合問(wèn)題研究”子課題“促進(jìn)科技創(chuàng)新的資本市場(chǎng)創(chuàng)新研究”（11&ZD139）