葉 莉　李園豐　王遠(yuǎn)哲

摘要 商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)既在宏觀層面上表現(xiàn)出對銀行體系的風(fēng)險(xiǎn)沖擊，也在微觀層面上反映了銀行之間的風(fēng)險(xiǎn)關(guān)聯(lián)。本文運(yùn)用部分上市商業(yè)銀行2007—2017年股票價(jià)格數(shù)據(jù)，采用分位數(shù)回歸的CoVaR方法對各商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行測度。研究結(jié)果表明，過去十年間，宏觀層面上，各商業(yè)銀行在危機(jī)時(shí)期對銀行體系風(fēng)險(xiǎn)溢出效應(yīng)明顯增加，其中部分股份制銀行風(fēng)險(xiǎn)溢出效應(yīng)高于大型國有銀行，而國有銀行則通過控制自身風(fēng)險(xiǎn)價(jià)值降低了其風(fēng)險(xiǎn)溢出水平。從微觀角度看，銀行之間的風(fēng)險(xiǎn)溢出效應(yīng)與風(fēng)險(xiǎn)傳染的方向相關(guān)，且單家銀行對其他銀行的風(fēng)險(xiǎn)外溢程度會(huì)影響其對銀行體系的風(fēng)險(xiǎn)溢出作用。

關(guān) 鍵 詞 風(fēng)險(xiǎn)溢出效應(yīng);系統(tǒng)性風(fēng)險(xiǎn);CoVaR方法;分位數(shù)回歸

中圖分類號(hào) F832.33? ? ?文獻(xiàn)標(biāo)志碼 A

Measurement of systemic risk spillover effect of commercial banks in China based on CoVaR method

YE Li， LI Yuanfeng， WANG Yuanzhe

（School of Economics and Management， Hebei University of Technology， Tianjin 300401， China）

Abstract The systemic risk spillover effect of commercial banks are reflected not only on the impact to the banking system at the macro level， but also on the correlation among banks at the micro level. The stock price data of some stock-listed commercial banks will be used to measure the systemic risk spillover effect of commercial banks which will rely on CoVaR method of quantile regression. The empirical result shows that during the period of the past decade， the systemic risk spillover effect of commercial banks to the banking system increased significantly when the crisis happened. And joint-stock banks had higher risk spillover effect than the state-owned banks， while the systemic risk spillover effect of the state-owned banks can be reduced by controlling their risk level. From the micro perspective， there is a relationship between the systemic risk spillover effect among banks and the direction of risk contagion. Besides， the spillover effect to the banking system of a single bank will be influenced by its risk spillover effect to other banks.

Key words risk spillover effect; CoVaR method;quantile regression; systemic risk

0 引言

銀行在金融體系的正常運(yùn)行中發(fā)揮著至關(guān)重要的作用。銀行間形成的密集風(fēng)險(xiǎn)關(guān)聯(lián)網(wǎng)絡(luò)是銀行系統(tǒng)脆弱的原因之一[1]，因此作為金融體系核心部門的銀行業(yè)最容易受到風(fēng)險(xiǎn)沖擊。單家銀行的破產(chǎn)會(huì)引發(fā)大范圍的金融危機(jī)[2]，危機(jī)事件發(fā)生時(shí)，商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)會(huì)導(dǎo)致單家銀行的損失擴(kuò)散至整個(gè)行業(yè)，并放大其風(fēng)險(xiǎn)對該體系的沖擊作用。我國2013年錢荒事件中，單家銀行陷入信托兌付困境導(dǎo)致整個(gè)銀行體系發(fā)生相同的危機(jī)，進(jìn)而反映出銀行業(yè)內(nèi)緊密的資產(chǎn)負(fù)債關(guān)系。隨著我國金融自由化、科技化和信息化程度的加深，以及現(xiàn)階段商業(yè)銀行不良貸款率和杠桿率的反彈，銀行市場內(nèi)隱含的系統(tǒng)性風(fēng)險(xiǎn)不斷加劇，對我國銀行業(yè)風(fēng)險(xiǎn)監(jiān)管提出了更高要求。

風(fēng)險(xiǎn)溢出是系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)之前的典型特征，國外學(xué)者在對相關(guān)問題的研究中均指出，單一事件會(huì)造成單個(gè)或部分金融機(jī)構(gòu)陷入困境，而風(fēng)險(xiǎn)則會(huì)通過信貸和資本供給等途徑擴(kuò)散至整個(gè)金融體系，導(dǎo)致一定數(shù)量的機(jī)構(gòu)同時(shí)發(fā)生危機(jī)[3-5]。在我國銀行市場的研究中，國內(nèi)學(xué)者肖璞[6]認(rèn)為單個(gè)銀行的風(fēng)險(xiǎn)擴(kuò)散便是風(fēng)險(xiǎn)溢出效應(yīng)，對于具有較強(qiáng)風(fēng)險(xiǎn)溢出效應(yīng)的銀行，其倒閉會(huì)導(dǎo)致銀行體系爆發(fā)系統(tǒng)性風(fēng)險(xiǎn)。周天蕓[7]通過對我國金融業(yè)系統(tǒng)性風(fēng)險(xiǎn)的研究，指出應(yīng)重點(diǎn)監(jiān)控商業(yè)銀行的風(fēng)險(xiǎn)外溢，從而減少其發(fā)生風(fēng)險(xiǎn)時(shí)對金融體系的沖擊作用。由此可見，測度商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)對于防控銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)具有重要意義。

風(fēng)險(xiǎn)溢出效應(yīng)的測度始于次貸危機(jī)之后，次貸危機(jī)之前的風(fēng)險(xiǎn)測度偏重于微觀視角，且更多依賴于資產(chǎn)負(fù)債表數(shù)據(jù)，主要有指數(shù)法[8]和網(wǎng)絡(luò)模型法[9]。吳衛(wèi)星[10]指出上述方法存在兩個(gè)缺陷：1）金融機(jī)構(gòu)資產(chǎn)負(fù)債表數(shù)據(jù)存在信息時(shí)滯性，且數(shù)據(jù)不易獲取;2）兩種方法均局限于對微觀層面風(fēng)險(xiǎn)的測度，不符合宏觀審慎監(jiān)管的要求。次貸危機(jī)之后，IMF[11]在全球金融穩(wěn)定報(bào)告中提出4種方法用于測度系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，主要包括：網(wǎng)絡(luò)分析法，共同風(fēng)險(xiǎn)模型法，壓力矩陣法和違約強(qiáng)度模型法。其中網(wǎng)絡(luò)分析與共同風(fēng)險(xiǎn)模型是近年來較為常見的用于評(píng)估風(fēng)險(xiǎn)溢出水平的方法。Borovkova[12]和Klinger[13]運(yùn)用網(wǎng)絡(luò)分析法分別測度了不同經(jīng)濟(jì)政策下場外衍生交易市場和銀行市場的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，該方法借助機(jī)構(gòu)間風(fēng)險(xiǎn)敞口矩陣構(gòu)建了關(guān)聯(lián)網(wǎng)絡(luò)，并模擬網(wǎng)絡(luò)結(jié)構(gòu)中陷入困境的單個(gè)或多個(gè)金融機(jī)構(gòu)對網(wǎng)絡(luò)系統(tǒng)產(chǎn)生的影響。共同風(fēng)險(xiǎn)模型法主要利用金融市場交易數(shù)據(jù)測度單個(gè)機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)[11]，相較于風(fēng)險(xiǎn)敞口數(shù)據(jù)，金融市場數(shù)據(jù)具有時(shí)效性和前瞻性優(yōu)勢，且可以動(dòng)態(tài)體現(xiàn)金融機(jī)構(gòu)在時(shí)間上的風(fēng)險(xiǎn)變化特點(diǎn)[14]。共同風(fēng)險(xiǎn)模型方法提出之前，度機(jī)構(gòu)的在險(xiǎn)價(jià)值（Value at Risk，VaR）方法普遍應(yīng)用于風(fēng)險(xiǎn)管理領(lǐng)域，其利用金融資產(chǎn)或證券組合收益率數(shù)據(jù)，在一定置信區(qū)間下，計(jì)算金融機(jī)構(gòu)的最低收益回報(bào)，記為該機(jī)構(gòu)的風(fēng)險(xiǎn)價(jià)值。汪冬華[15]運(yùn)用VaR方法對我國商業(yè)銀行的整體風(fēng)險(xiǎn)進(jìn)行度量，并發(fā)現(xiàn)正態(tài)VaR會(huì)忽略銀行體系風(fēng)險(xiǎn)溢出效應(yīng)，從而低估了銀行業(yè)整體風(fēng)險(xiǎn)價(jià)值。Adrian and Brunnermeier[16]在此基礎(chǔ)之上提出了CoVaR方法，即于VaR方法基礎(chǔ)之上加入前綴Co，代表Conditional，Contagion或者Comovement，中文稱為條件在險(xiǎn)價(jià)值法，該方法運(yùn)用市場數(shù)據(jù)計(jì)算金融機(jī)構(gòu)在其他機(jī)構(gòu)陷入經(jīng)營困境條件下的風(fēng)險(xiǎn)價(jià)值及風(fēng)險(xiǎn)溢出水平，較VaR方法更能捕捉到金融機(jī)構(gòu)的風(fēng)險(xiǎn)動(dòng)態(tài)聯(lián)動(dòng)。Adrian and Brunnermeier [17]基于CoVaR方法，從宏觀視角，選取1986—2010年美國1226家金融機(jī)構(gòu)的股票收益率及宏觀狀態(tài)變量數(shù)據(jù)，計(jì)算出其對金融體系的風(fēng)險(xiǎn)溢出值，驗(yàn)證并得出了各金融機(jī)構(gòu)對金融體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)會(huì)提高金融體系的系統(tǒng)性風(fēng)險(xiǎn)水平的結(jié)論。近年來CoVaR作為測量風(fēng)險(xiǎn)溢出效應(yīng)的方法被廣泛應(yīng)用于銀行風(fēng)險(xiǎn)研究領(lǐng)域，Bernal and Gnabo [18]運(yùn)用CoVaR方法分別對歐元區(qū)和美國的銀行機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行測度。Roengpitya and Rungcharoenkitkul[19]采用CoVaR模型量化研究了1996—2009年泰國6家主要商業(yè)銀行對銀行體系的風(fēng)險(xiǎn)溢出水平。運(yùn)用CoVaR方法的國外文獻(xiàn)還有Moreno and López-Espinosa[20]和Drakos and Kouretas[21]等。國內(nèi)學(xué)者亦將CoVaR思想運(yùn)用到銀行體系風(fēng)險(xiǎn)溢出效應(yīng)的相關(guān)研究中，白雪梅[22]和陳守東[23]通過CoVaR模型證明了銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)高于其他金融行業(yè)。另有學(xué)者基于CoVaR方法測度了各商業(yè)銀行對我國銀行體系的風(fēng)險(xiǎn)溢出水平，均指出其溢出效應(yīng)對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的爆發(fā)具有一定貢獻(xiàn)度[24-25]。

根據(jù)現(xiàn)有國際經(jīng)驗(yàn)，商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)對銀行體系具有較大沖擊作用。我國銀行業(yè)現(xiàn)階段杠桿率、不良貸款率居高不下和銀行間關(guān)聯(lián)日益密切，意味著商業(yè)銀行存在的高風(fēng)險(xiǎn)勢必會(huì)外溢，極易爆發(fā)系統(tǒng)性風(fēng)險(xiǎn)[6]。鑒于銀行系統(tǒng)在維持中國金融體系穩(wěn)定過程中的重要作用，對銀行業(yè)風(fēng)險(xiǎn)的有效管控勢在必行。但上述研究僅大多關(guān)注單家銀行對銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，忽視銀行間微觀層面的風(fēng)險(xiǎn)關(guān)聯(lián)，存在片面性。由于以上兩層面同屬銀行業(yè)風(fēng)險(xiǎn)監(jiān)管的一個(gè)有機(jī)整體，故應(yīng)在對銀行業(yè)進(jìn)行宏觀審慎監(jiān)管的同時(shí)適當(dāng)結(jié)合微觀審慎監(jiān)管，以保證監(jiān)測體系的完善[26]。有鑒于此，本文從兩方面對我國商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行了測度。由于CoVaR方法不但能夠反映銀行業(yè)風(fēng)險(xiǎn)的實(shí)時(shí)動(dòng)態(tài)情況，還能夠體現(xiàn)銀行間的風(fēng)險(xiǎn)聯(lián)動(dòng)性，故將CoVaR方法和分位數(shù)回歸技術(shù)相結(jié)合，構(gòu)建測度模型。一方面，測度各銀行宏觀層面上對銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，剖析其動(dòng)態(tài)變化及波動(dòng)中蘊(yùn)藏的經(jīng)濟(jì)原因;另一方面，從微觀視角度量銀行之間的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，量化銀行相互之間的風(fēng)險(xiǎn)關(guān)聯(lián)?；谝陨蟽蓚€(gè)層面對我國商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的測度，不僅為銀行風(fēng)險(xiǎn)監(jiān)管部門監(jiān)測體系的搭建提供更加全面的支撐，同時(shí)，有助于提升我國銀行業(yè)風(fēng)險(xiǎn)監(jiān)管水平。

1 研究方法與數(shù)據(jù)描述

1.1 研究方法

1.1.1 CoVaR方法的定義

在傳統(tǒng)的風(fēng)險(xiǎn)管理中，VaR是度量風(fēng)險(xiǎn)的主流方法，其基本表達(dá)式為[Pr（Xi≤VaRiq）=q]，其中Pr為概率probability縮寫，Xi是機(jī)構(gòu)i的收益率序列，q%為機(jī)構(gòu)i收益率的分位數(shù)水平。在此基礎(chǔ)之上，Adrian and Brunnermeier提出了CoVaR方法，并將[CoVaRjiq]定義為機(jī)構(gòu)j在機(jī)構(gòu)i發(fā)生極端事件g（Xi）條件下的VaR值，即q%分位數(shù)下的條件分布：

[Pr（Xj≤CoVaRj|g（Xi）q|g（Xi））=q] 。 （1）

為計(jì)算機(jī)構(gòu)i處于不同條件下，機(jī)構(gòu)j的風(fēng)險(xiǎn)變化程度，Adrian and Brunnermeier將[ΔCoVaR]定義為機(jī)構(gòu)i陷入困境與正常經(jīng)營狀態(tài)下，機(jī)構(gòu)j增加的風(fēng)險(xiǎn)損失，以表示機(jī)構(gòu)i對機(jī)構(gòu)j的風(fēng)險(xiǎn)溢出效應(yīng)強(qiáng)度

[ΔCoVaRjiq=CoVaRj|Xi=VaRiqq-CoVaRj|Xi=Medianiq] ， （2）

式中：[CoVaRj|Xi=VaRiqq]和[CoVaRj|Xi=Medianiq]分別表示機(jī)構(gòu)i處于不同經(jīng)營條件下，機(jī)構(gòu)j的風(fēng)險(xiǎn)變化程度，即為[Pr（Xj≤CoVaRj|it|Xi=VaRiq）=q]和[Pr（Xj≤CoVaRj|it|Xi=VaRi50%）=q]。

1.1.2 銀行體系[ΔCoVaR]模型的設(shè)定

根據(jù)上述CoVaR的定義，本節(jié)構(gòu)建ΔCoVaR模型以測度各商業(yè)銀行對銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。Adrian and Brunnermeier建立的ΔCoVaR模型劃分為無條件CoVaR估計(jì)和有條件CoVaR估計(jì)，其中基于無條件CoVaR估計(jì)得出的結(jié)果在時(shí)間維度上恒定不變，不能體現(xiàn)風(fēng)險(xiǎn)的時(shí)序性，故本文采用后者，將ΔCoVaR作為宏觀狀態(tài)變量的函數(shù)，以捕捉其在時(shí)間維度上尾部風(fēng)險(xiǎn)的變化。首先需要測算單個(gè)銀行陷入困境時(shí)自身最大可能的損失和正常經(jīng)營狀態(tài)下的收益率水平，分別為銀行在q%分位數(shù)水平和50%分位數(shù)水平下的VaR值，并將1%的分位數(shù)水平定義為銀行陷入困境。

在模型的求解方法方面，Adrian and Brunnermeier結(jié)合Koenker and Bassett提出的分位數(shù)回歸方法計(jì)算金融機(jī)構(gòu)的在險(xiǎn)價(jià)值VaR和金融體系的條件在險(xiǎn)價(jià)值CoVaR。本文在確定模型求解方法之前，首先對選取的樣本銀行的股票收益率和銀行體系總體收益率序列進(jìn)行正態(tài)性檢驗(yàn)。通過檢驗(yàn)發(fā)現(xiàn)，股票收益率序列的峰度最小為5，最大為32，均大于正態(tài)分布的峰度3;Jarque-Bera統(tǒng)計(jì)量大于臨界值，且P值均為0，說明收益率序列均呈非正態(tài)分布。同時(shí)股票收益率序列的QQ圖均呈“尖峰厚尾”的特征，因此使用傳統(tǒng)線性回歸方法對模型進(jìn)行估計(jì)時(shí)失效。同時(shí)，VaR和CoVaR本質(zhì)上都是分位數(shù)?；诖?，本文運(yùn)用分位數(shù)回歸對ΔCoVaR模型進(jìn)行估計(jì)。

首先，建立單個(gè)銀行收益率序列分位數(shù)回歸模型：

[Xit=αi+βiMt-1+εit]? ， （3）

式中：[Xit]表示銀行i在t時(shí)期的收益率;[αi]為模型的截距項(xiàng);[εit]為模型的殘差項(xiàng);[Mt-1]為滯后一期的狀態(tài)變量，其中包括流動(dòng)性風(fēng)險(xiǎn)Yl、股票市場波動(dòng)率Yv、利率風(fēng)險(xiǎn)Yr、利率期限結(jié)構(gòu)Yt、信用風(fēng)險(xiǎn)Yc、趨勢變量Yq和房地產(chǎn)市場收益率Ye，對于狀態(tài)變量的選取及描述將在下節(jié)進(jìn)行說明。

其次，對式（3）做1%水平的分位數(shù)回歸，得到銀行i陷入困境時(shí)的在險(xiǎn)價(jià)值VaR序列，用[Vi1%，t]表示：

[Vi1? ? ，t=αi1? ? +βi1? ? Mt-1]? 。 （4）

同理對式（3）做50%水平的分位數(shù)回歸，得到銀行i處于正常經(jīng)營狀況下的收益率序列[Vi50%，t]：

[Vi50? ? ，t=αi50? ? +βi50? ? Mt-1] ， （5）

式中：參數(shù)[αi1? ? ?]，[αi50? ? ?]分別為式（4）、式（5）的截距項(xiàng)估計(jì)值，參數(shù)[βi1? ? ]，[βi50? ? ]分別為式（4）、式（5）的回歸系數(shù)估計(jì)值。

同理，構(gòu)建銀行體系對銀行[i]的分位數(shù)回歸模型：

[Xst=αsi+βsiMt-1+γsiXit+εtsi] ， （6）

式中：[Xst]是銀行體系的整體收益率序列;[αsi]，[βsi]，[γsi]分別為待估參數(shù);[εtsi]為殘差項(xiàng)。

為反映銀行i陷入經(jīng)營困境時(shí)銀行體系的CoVaR值，對式（6）進(jìn)行1%水平的分位數(shù)回歸，得到：

[Csit，1? ? =αsi+βsiMt-1+γsiVi1? ? ?，t]? ， （7）

式中：[Csit，1? ? ]代表銀行i陷入經(jīng)營困境時(shí)銀行體系的CoVaR序列;[γsi]表示銀行i與銀行體系的風(fēng)險(xiǎn)關(guān)聯(lián)系數(shù)，衡量銀行i陷入經(jīng)營困境時(shí)自身風(fēng)險(xiǎn)對銀行體系的溢出比例。最終根據(jù)各銀行不同狀態(tài)下的VaR差值和[γsi]，計(jì)算銀行i對銀行體系的ΔCoVaR序列，用[ΔCsit]表示：

[ΔCsi1? ? ，t=CsXi=VaRiq1? ? ，t-CsXi=Mediant50? ? ，t=γsi（Vi1? ? ，t-Vi50? ? ，t）]。 （8）

1.1.3 銀行間ΔCoVaR模型的設(shè)定

將上述ΔCoVaR模型進(jìn)行修正， 首先構(gòu)建銀行j對銀行i的分位數(shù)回歸模型

[Xjt=αji+βjiMt-1+γjiXit+εtji] ， （9）

式中：[Xjt]和[Xit]分別代表兩個(gè)銀行的收益率序列;[αji]，[βji]和[γji]為模型的待估參數(shù);[Mt-1]為滯后一期狀態(tài)變量，這里狀態(tài)變量的選取與銀行體系ΔCoVaR模型相同;[εtji]為殘差項(xiàng)。

接著，對式（9）做1%分位數(shù)水平的回歸，得到：

[Cjit，1? ? =αji+βjiMt-1+γjiVi1? ? ，t] ， （10）

式中：[αsi]為模型截距項(xiàng);[βsi]和[γsi]均為變量的參數(shù)估計(jì)值;[γsi]為銀行i和銀行j之間的風(fēng)險(xiǎn)關(guān)聯(lián)系數(shù)，即銀行i陷入困境后自身風(fēng)險(xiǎn)對銀行j的溢出比例。

最終可以計(jì)算出銀行i對銀行j的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，計(jì)算方法與式（8）相同：

[ΔCjit=γji（Vi1? ? ，t-Vi50? ? ，t）] 。 （11）

為進(jìn)一步研究銀行i發(fā)生風(fēng)險(xiǎn)時(shí)對銀行j的影響，引入相對風(fēng)險(xiǎn)溢出指標(biāo)[ΔCji? ? ]，以表示當(dāng)銀行i發(fā)生風(fēng)險(xiǎn)時(shí)銀行j風(fēng)險(xiǎn)增加的倍數(shù)

[ΔCji? ? =ΔCjitVj1? ? ，t]? ?。 （12）

1.2 樣本選取與數(shù)據(jù)描述

1.2.1 樣本選取

考慮到選取的數(shù)據(jù)應(yīng)涵蓋重要經(jīng)濟(jì)時(shí)期，故將研究區(qū)間設(shè)定為2007年7月20日至2017年9月1日。在確定的研究區(qū)間，選取的12家商業(yè)銀行均在2007年7月20日前完成上市。其中國有銀行包括中國銀行、工商銀行以及交通銀行;國有控股銀行包括浦發(fā)、華夏、民生、招商、興業(yè)、中信和平安銀行;城市商業(yè)銀行包括南京銀行和寧波銀行。股票市場數(shù)據(jù)與宏觀狀態(tài)變量數(shù)據(jù)均以周為頻率，數(shù)據(jù)源于同花順iFinD。

1.2.2 指標(biāo)選取

銀行[i]的收益率[Rit]為

[Rit]=[ln（PitPit-1）] ， （13）

式中：[Pit]、[Pit-1]分別表示銀行i在[t]和[t-1]時(shí)期的股票收盤價(jià)格。

銀行體系的收益率[Rst]由樣本銀行收益率加權(quán)求和后得到，其中權(quán)重根據(jù)各銀行同期的A股流通市值占樣本銀行當(dāng)期總流通市值比重求得。

[Rst=iMVitjMVjtRit]， （14）

式中：[MVit]為銀行i在t時(shí)期的A股流通市值;[jMVjt]為所有樣本銀行在t時(shí)期的A股流通總值;[Rit]為銀行i的股票收益率。

狀態(tài)變量有以下7各變量。

1）流動(dòng)性風(fēng)險(xiǎn)（Yl）。該指標(biāo)定義為3個(gè)月期上海同業(yè)拆借利率與3個(gè)月期國債利率的差額，以度量短期流動(dòng)性風(fēng)險(xiǎn)，即銀行在短期內(nèi)無法從金融市場中獲得充足資金，以應(yīng)對資產(chǎn)增長或支付到期債務(wù)的風(fēng)險(xiǎn)。

Yl = t3月期shibor – t3月期國債利率。? ? （15）

2）股票市場波動(dòng)率（Yv）。股票市場波動(dòng)率反映股票市場的收益波動(dòng)情況，由上證A股指數(shù)日收益率的周標(biāo)準(zhǔn)差表示。

[Yv=1ni=1nri-μt2] ，? ? ? ? ? ? （16）

式中：n為第t周內(nèi)的交易天數(shù);[ri]為第t周內(nèi)第i天的股票收益率;[μt]為第t周內(nèi)的股票日收益率均值。

3）利率風(fēng)險(xiǎn)（Yr）。利率變化會(huì)導(dǎo)致銀行本期利率的實(shí)際收益與上期利率的預(yù)期收益發(fā)生背離，該指標(biāo)反映了商業(yè)銀行發(fā)生這種不確定損失的可能性，由3月國債利率的變動(dòng)量表示。

Yr = t3月期國債利率 -? （t - 1）3月國債利率 。 （17）

4）利率期限結(jié)構(gòu)（Yt）。該指標(biāo)為10年期國債利率與3個(gè)月國債利率利差的變化值，反映了資金在不同時(shí)期的供求關(guān)系。

Yt = （t10月期國債利率 - t3月期國債利率） - [（t - 1）10月國債利率 - （t - 1）3月國債利率] 。 （18）

5）信用風(fēng)險(xiǎn)（Yc）。信用風(fēng)險(xiǎn)為交易對手未履行約定契約義務(wù)而造成經(jīng)濟(jì)損失的風(fēng)險(xiǎn)，由10年期AAA級(jí)企業(yè)債與10年期國債利差的變化量表示。

Yc = （t AAA企債利率 - t 10年國債利率） - [（t - 1） AAA企債利率 - （t - 1）10年國債利率]。 （19）

6）趨勢變量（Yq）。該指標(biāo)用以預(yù)測中國經(jīng)濟(jì)周期，以10年期國債利率和3月期國債利率利差表示。

Yq = t10年國債利率 - t 3月國債利率。 （20）

2 銀行對體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)測度

實(shí)證結(jié)果描述：表1數(shù)據(jù)為各解釋變量分位數(shù)回歸后的參數(shù)估計(jì)值和標(biāo)準(zhǔn)誤差。表1顯示，銀行i的收益率和各宏觀變量的參數(shù)估計(jì)大多顯著，且修正后的擬合優(yōu)度在合理范圍之內(nèi)，故認(rèn)為本模型設(shè)定合理。

宏觀狀態(tài)變量中，上證綜合指數(shù)波動(dòng)率和房地產(chǎn)收益率變量的參數(shù)估計(jì)顯著性較高，具有很強(qiáng)的解釋能力。其中指數(shù)波動(dòng)率的回歸系數(shù)皆小于零，可以看出銀行體系收益率與上證指數(shù)波動(dòng)率呈負(fù)相關(guān)關(guān)系，說明股市波動(dòng)會(huì)增加銀行體系的風(fēng)險(xiǎn)價(jià)值。而房地產(chǎn)市場收益率變量的高顯著性則體現(xiàn)了銀行業(yè)與房地產(chǎn)行業(yè)的緊密聯(lián)系。其余狀態(tài)變量的回歸系數(shù)及其顯著性水平與不同銀行樣本有關(guān)。

回歸結(jié)果中銀行i與銀行體系的風(fēng)險(xiǎn)關(guān)聯(lián)系數(shù)[γsi]皆在1%的水平顯著，故可用其表示銀行i陷入經(jīng)營困境時(shí)對銀行體系的風(fēng)險(xiǎn)溢出比例。由表1可知，中國銀行、工商銀行和交通銀行與銀行體系的風(fēng)險(xiǎn)關(guān)聯(lián)系數(shù)[γsi]最大，分別為0.979 553、0.899 393和0.832 787，表示3家銀行的風(fēng)險(xiǎn)每增加1單位，銀行體系的風(fēng)險(xiǎn)價(jià)值分別增加0.979 553、0.899 393和0.832 787。由于中國銀行和工商銀行為國有銀行，交通銀行為國有控股商業(yè)銀行，故出于資金規(guī)模等因素，上述3家銀行與銀行體系風(fēng)險(xiǎn)關(guān)聯(lián)大于其他商業(yè)銀行，當(dāng)其發(fā)生風(fēng)險(xiǎn)時(shí)，很大程度傳遞給銀行體系屬于系統(tǒng)重要性銀行。

根據(jù)各銀行的[γsi]系數(shù)和其陷入困境與正常經(jīng)營的風(fēng)險(xiǎn)價(jià)值之差，可得到銀行i在各時(shí)期的ΔCoVaR序列，以表示銀行i對銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。結(jié)果顯示，所有銀行ΔCoVaR序列均為負(fù)數(shù)，說明各銀行發(fā)生危機(jī)時(shí)均會(huì)增加銀行體系風(fēng)險(xiǎn)損失。此外，通過將各銀行ΔCoVaR序列生成折線圖，可以發(fā)現(xiàn)ΔCoVaR序列變化具有相似趨勢。其中2007至2009年全球金融危機(jī)時(shí)期，各商業(yè)銀行對銀行體系的ΔCoVaR較大;2009年之后，各銀行ΔCoVaR絕對值開始變小，但自2012年，ΔCoVaR絕對值出現(xiàn)小范圍回升趨勢，華夏、民生以及興業(yè)銀行受錢荒等事件的影響，于2013年6月前后出現(xiàn)ΔCoVaR絕對值驟升的現(xiàn)象;2015年的股災(zāi)事件亦在ΔCoVaR序列折線圖上有所體現(xiàn)。圖1呈現(xiàn)了民生銀行、工商銀行與寧波銀行對銀行體系的ΔCoVaR動(dòng)態(tài)變化，3家銀行分別為股份制商業(yè)銀行、國有銀行和城市商業(yè)銀行。

表2給出了各銀行陷入經(jīng)營困境的風(fēng)險(xiǎn)價(jià)值VaR、風(fēng)險(xiǎn)關(guān)聯(lián)系數(shù)[γsi]以及對銀行體系的ΔCoVaR均值。ΔCoVaR絕對值越大，表示該銀行對銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)越強(qiáng)。按照各銀行ΔCoVaR絕對值由小到大順序排列，可以發(fā)現(xiàn)興業(yè)、民生與浦發(fā)銀行對銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)最大，其ΔCoVaR均值分別為-0.13452、-0.11515和-0.10759。表2還顯示，興業(yè)、民生與浦發(fā)的系統(tǒng)性風(fēng)險(xiǎn)關(guān)聯(lián)系數(shù)分別為0.63239、0.720905和0.570343，皆小于國有銀行的系統(tǒng)性風(fēng)險(xiǎn)關(guān)聯(lián)系數(shù)，但由于危機(jī)時(shí)期國有銀行的風(fēng)險(xiǎn)價(jià)值較小，分別為-0.08943、-0.09531和-0.11736，故3家國有銀行對銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)小于部分股份制商業(yè)銀行。

3 銀行間系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)測度

上節(jié)運(yùn)用CoVaR方法測度了我國商業(yè)銀行陷入經(jīng)營困境時(shí)對銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，該結(jié)果是監(jiān)管部門監(jiān)測商業(yè)銀行風(fēng)險(xiǎn)應(yīng)重點(diǎn)考慮的問題。但伴隨金融自由化進(jìn)程的加快和市場化程度的提高，銀行間通過資產(chǎn)、債務(wù)等渠道建立的聯(lián)系亦不容忽視。本節(jié)通過構(gòu)建銀行間的風(fēng)險(xiǎn)溢出效應(yīng)測度模型，量化研究危機(jī)時(shí)期各銀行之間的風(fēng)險(xiǎn)關(guān)聯(lián)性，為銀行風(fēng)險(xiǎn)監(jiān)管提出更加全面建議。

對銀行間ΔCoVaR模型進(jìn)行求解，其回歸結(jié)果顯著性與修正后的擬合程度在合理范圍內(nèi)，故認(rèn)為模型設(shè)定合理。表3中各數(shù)據(jù)表示其所在列的銀行j發(fā)生風(fēng)險(xiǎn)時(shí)對其所在行的銀行i的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)均值。如第1列數(shù)據(jù)表示浦發(fā)銀行經(jīng)營陷入困境時(shí)，其他11家銀行增加的風(fēng)險(xiǎn)損失，其中浦發(fā)銀行對華夏銀行的風(fēng)險(xiǎn)溢出為0.172 38，其余銀行間的風(fēng)險(xiǎn)溢出效應(yīng)皆可通過此表查詢。

由表3結(jié)果可知，銀行j陷入困境對銀行i的風(fēng)險(xiǎn)溢出效應(yīng)不等于銀行i陷入困境時(shí)對銀行j的風(fēng)險(xiǎn)溢出效應(yīng)，即[ΔCoVaRij≠ΔCoVaRji]。以浦發(fā)銀行為例，第1列與第1行所對應(yīng)位置數(shù)據(jù)均不相等;通過比較數(shù)據(jù)大小還可發(fā)現(xiàn)，除興業(yè)銀行的風(fēng)險(xiǎn)溢出強(qiáng)度高于浦發(fā)銀行的風(fēng)險(xiǎn)溢出強(qiáng)度外，各銀行對浦發(fā)的風(fēng)險(xiǎn)溢出效應(yīng)均小于浦發(fā)銀行的風(fēng)險(xiǎn)外溢程度，說明危機(jī)時(shí)期，浦發(fā)銀行會(huì)對其他銀行造成更大的沖擊，這與浦發(fā)銀行對銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)較大相一致。此外，工商銀行和中國銀行所在行的[ΔCoVaR]絕對值均小于0.1，表明受其他銀行的風(fēng)險(xiǎn)外溢效應(yīng)較小，體現(xiàn)出國有銀行具有較強(qiáng)的抵御同業(yè)風(fēng)險(xiǎn)能力。

表4、表5分別表示各銀行總風(fēng)險(xiǎn)外溢效應(yīng)和總風(fēng)險(xiǎn)接收效應(yīng)，并按照絕對值的降序進(jìn)行排列。表4結(jié)果表明，興業(yè)銀行、浦發(fā)銀行與民生銀行的風(fēng)險(xiǎn)外溢效應(yīng)最大，國有銀行的風(fēng)險(xiǎn)外溢效應(yīng)較小，與表2的ΔCoVaR排名相似;表5反映了各銀行接收風(fēng)險(xiǎn)程度的大小，表明興業(yè)、平安和華夏銀行的風(fēng)險(xiǎn)接收效應(yīng)最大，其中興業(yè)銀行對其他銀行的總風(fēng)險(xiǎn)外溢與接收效應(yīng)均居于首位。

表6為銀行間相對風(fēng)險(xiǎn)溢出指標(biāo)[ΔCji%]的計(jì)算結(jié)果，用以衡量危機(jī)時(shí)期銀行i的風(fēng)險(xiǎn)溢出效應(yīng)對銀行j的相對影響程度。表中各個(gè)數(shù)據(jù)代表其所在列的銀行經(jīng)營陷入困境，從而導(dǎo)致所在行的銀行風(fēng)險(xiǎn)增加的倍數(shù)，如第2行第1列數(shù)據(jù)表示危機(jī)時(shí)期浦發(fā)銀行陷入困境使華夏銀行風(fēng)險(xiǎn)損失增加了1.189 617 65倍?？梢钥闯?，[ΔCji%]與[ΔCoVaRij]具有相同的性質(zhì)：一是[ΔCji%]大小與風(fēng)險(xiǎn)溢出方向有關(guān)，即[ΔCji%≠ΔCij%];二是[ΔCji%]同樣可以反映出銀行間存在的風(fēng)險(xiǎn)關(guān)聯(lián)性，亦可作為監(jiān)測銀行間風(fēng)險(xiǎn)溢出效應(yīng)的指標(biāo)。與[ΔCoVaRij]不同的是，該指標(biāo)測度了銀行間風(fēng)險(xiǎn)溢出的相對量，而[ΔCoVaRij]測度的是銀行間風(fēng)險(xiǎn)溢出的絕對量。結(jié)合表3與表6，單從風(fēng)險(xiǎn)溢出絕對量角度看，國有銀行受其他銀行的風(fēng)險(xiǎn)外溢效應(yīng)較小，但以風(fēng)險(xiǎn)溢出相對量來說，浦發(fā)、民生和興業(yè)銀行對其具有較大的相對風(fēng)險(xiǎn)溢出，其中興業(yè)銀行對國有銀行的相對風(fēng)險(xiǎn)溢出超過1。故應(yīng)同時(shí)考慮風(fēng)險(xiǎn)溢出的絕對與相對量，將[ΔCoVaRij]與[ΔCji%]指標(biāo)結(jié)合測度評(píng)估銀行間系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。

值得注意的是，浦發(fā)、民生、南京、興業(yè)及交通銀行對其他商業(yè)銀行的相對風(fēng)險(xiǎn)溢出值均存在大于1的情況。該結(jié)果表明在上述銀行經(jīng)營陷入困境時(shí)，可能導(dǎo)致部分銀行的風(fēng)險(xiǎn)損失增加到自身的2倍以上。具體地，浦發(fā)銀行對華夏銀行、招商銀行、交通銀行的[ΔCji%]分別為1.189 617 65、1.096 998 04和1.154 655 5;興業(yè)銀行對浦發(fā)、華夏銀行及3家國有銀行均存在[ΔCji%]大于1的情況;民生銀行和交通銀行分別對招商銀行和華夏銀行的[ΔCji%]大于1;南京銀行與寧波銀行同處江浙地區(qū)，業(yè)務(wù)聯(lián)系較為緊密，故南京銀行對寧波銀行的[ΔCji%]最大，達(dá)到1.260 181 1。監(jiān)管部門與銀行管理者應(yīng)重視[ΔCji%]大于1的情況，尤其是對國有銀行具有較強(qiáng)的相對風(fēng)險(xiǎn)溢出效應(yīng)的浦發(fā)銀行和興業(yè)銀行，二者對國有銀行的風(fēng)險(xiǎn)外溢在很大程度上提高了銀行業(yè)的整體風(fēng)險(xiǎn)水平。

4 結(jié)論與政策建議

本文基于CoVaR方法，對我國銀行體系中部分銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行測度。研究結(jié)果表明：1）宏觀層面上：各銀行對銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)在危機(jī)時(shí)期會(huì)呈顯著提高，其中興業(yè)、民生與浦發(fā)3家股份制商業(yè)銀行對銀行體系有較大的風(fēng)險(xiǎn)溢出均值;國有銀行與銀行體系的系統(tǒng)性風(fēng)險(xiǎn)關(guān)聯(lián)系數(shù)明顯高于其他商業(yè)銀行，但在危機(jī)發(fā)生時(shí)能夠通過降低自身風(fēng)險(xiǎn)價(jià)值減少其對銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。2）微觀層面上：銀行之間的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)會(huì)導(dǎo)致單個(gè)銀行發(fā)生的風(fēng)險(xiǎn)極易蔓延至其他銀行，從而增加銀行的風(fēng)險(xiǎn)損失。由于各銀行在規(guī)模以及業(yè)務(wù)關(guān)聯(lián)等方面存在差異性，不同銀行之間的風(fēng)險(xiǎn)溢出效應(yīng)強(qiáng)度不同，相同兩家銀行之間不同風(fēng)險(xiǎn)溢出方向也會(huì)導(dǎo)致溢出強(qiáng)度不等。3）興業(yè)、民生和浦發(fā)3家銀行對銀行體系的風(fēng)險(xiǎn)溢出強(qiáng)度最大，同時(shí)其在微觀層次上的風(fēng)險(xiǎn)外溢效應(yīng)顯著高于其他商業(yè)銀行。說明銀行對體系的風(fēng)險(xiǎn)溢出效應(yīng)與銀行間風(fēng)險(xiǎn)溢出效應(yīng)存在較強(qiáng)相關(guān)性，相較于風(fēng)險(xiǎn)的接收效應(yīng)，這種相關(guān)性主要體現(xiàn)在風(fēng)險(xiǎn)的外溢作用。

結(jié)合以上結(jié)論提出如下對策建議：政府和銀行風(fēng)險(xiǎn)監(jiān)管部門應(yīng)通過構(gòu)建宏觀與微觀視角相結(jié)合的風(fēng)險(xiǎn)溢出測度體系，對我國商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行監(jiān)測，并在風(fēng)險(xiǎn)溢出強(qiáng)度過大時(shí)對商業(yè)銀行及時(shí)進(jìn)行干預(yù)，以防范銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的爆發(fā)。從宏觀層次來看，經(jīng)濟(jì)順周期時(shí)，各銀行對銀行體系的風(fēng)險(xiǎn)溢出效應(yīng)維持在低水平，但危機(jī)發(fā)生時(shí)會(huì)集中爆發(fā)，對銀行體系造成嚴(yán)重沖擊。鞏固銀行體系安全防線、完善風(fēng)險(xiǎn)應(yīng)急處置機(jī)制、著力化解銀行系統(tǒng)性風(fēng)險(xiǎn)，是我國進(jìn)行經(jīng)濟(jì)逆周期監(jiān)管所面臨的重要問題。具體地，對于國有銀行來說，其發(fā)生風(fēng)險(xiǎn)對于銀行體系造成的影響大于其他銀行，應(yīng)嚴(yán)格控制國有銀行風(fēng)險(xiǎn)價(jià)值，發(fā)生危機(jī)時(shí)需要首先對其進(jìn)行資金救助，通過降低系統(tǒng)重要性銀行的風(fēng)險(xiǎn)損失，減少其在危機(jī)時(shí)期對我國銀行體系的影響;對于部分對銀行體系具有高風(fēng)險(xiǎn)溢出效應(yīng)的股份制商業(yè)銀行來說，其系統(tǒng)重要性雖不比大型國有銀行，但由于自身較高的風(fēng)險(xiǎn)價(jià)值，危機(jī)時(shí)期對銀行體系的沖擊強(qiáng)于國有銀行，應(yīng)對其制定更加嚴(yán)格的監(jiān)管制度，降低此類銀行的杠桿率，限制其高風(fēng)險(xiǎn)資產(chǎn)以及不良貸款的持有量，并提出更高的準(zhǔn)備金率、動(dòng)態(tài)撥備率和資本充足率要求。銀行間的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)在銀行交叉感染凸顯的今日愈加不可忽視，監(jiān)管部門對單家銀行進(jìn)行風(fēng)險(xiǎn)管控的同時(shí)，亦要重視銀行間的風(fēng)險(xiǎn)關(guān)聯(lián)。其中銀行監(jiān)管部門可采用銀行間CoVaR方法測度單家銀行對其他主體的風(fēng)險(xiǎn)溢出值，并對相互存在高風(fēng)險(xiǎn)溢出效應(yīng)的兩銀行間業(yè)務(wù)往來嚴(yán)格把控，降低兩者間風(fēng)險(xiǎn)傳染;銀行管理者可借助相同思路管理自身風(fēng)險(xiǎn)價(jià)值，識(shí)別與自身具有高風(fēng)險(xiǎn)關(guān)聯(lián)性的銀行，并通過降低其他銀行對自身的風(fēng)險(xiǎn)溢出效應(yīng)規(guī)避風(fēng)險(xiǎn)聯(lián)動(dòng)所帶來的負(fù)面沖擊。

參考文獻(xiàn)：

[1]? ? UPPER C，WORMS A. Estimating bilateral exposures in the German interbank market：Is there a danger of contagion？[J]. European Economic Review，2004，48（4）：827-849.

[2]? ? OORT C J. Banks and the stability of the international financial system [J]. De Economist，1990，138（4）：451-463.

[3]? ? Lehar A. Measuring systemic risk：a risk management approach [J]. Journal of Banking & Finance，2005，29（10）：2577-2603.

[4]? ? ADRIAN T，BRUNNERMEIER M K. Federal reserve Bank of New York staff report 348 [R]. Federal Reserve Bank of New York Staff Reports，2011，55（6）：301-348.

[5]? ? ACHARYA V V， RICHARDSON M. Causes of the financial crisis [J]. Critical Review，2009，21（2-3）：195-210.

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

[7]? ? 統(tǒng)計(jì)究，2014，31（11）：43-49.

[8]? ? ILLING M，LIU Y. An index of financial stress for Canada [R]. Staff Working Papers，2002，29（3-14）.

[9]? ? ALLEN F，GALE D. Financial contagion [J]. Journal of Political Economy，2000，108（1）：1-33.

[10]? 吳衛(wèi)星，張琳琬，顏建曄. 金融系統(tǒng)風(fēng)險(xiǎn)的成因、傳導(dǎo)機(jī)制和度量：一個(gè)綜述 [J]. 國際商務(wù)（對外經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào)），2014（1）：34-42.

[11]? IMF. Global financial stability report：Responding to the financial crisis and measuring systemic risk [R]. Washington：IMF，2009.

[12]? BOROVKOVA S，HICHAM L E M. Systemic risk and centralized clearing of OTC derivatives：A network approach [J]. Social Science Electronic Publishing，2013（10）：1-56.

[13]? KLINGER T，TEPL P. Systemic risk of the global banking system - an agent-based network model approach [J]. Prague Economic Papers，2014，23（1）：24-41.

[14]? HUANG X，ZHOU H，ZHU H B. A framework for assessing the systemic risk of major financial institutions [J]. Journal of Banking & Finance，2009，33（11）：2036-2049.

[15]? 汪冬華，黃康，龔樸，等. 我國商業(yè)銀行整體風(fēng)險(xiǎn)度量及其敏感性分析——基于我國商業(yè)銀行財(cái)務(wù)數(shù)據(jù)和金融市場公開數(shù)據(jù) [J]. 系統(tǒng)工程理論與實(shí)踐，2013，33（2）：284-295.

[16]? ADRIAN T，BRUNNERMEIER M. CoVaR：A method for macroprudential regulation [R]. Working Paper，2008.

[17]? ADRIAN T，BRUNNERMEIER M K. CoVaR [J]. American Economic Review，2016，106（7）：1705-1741.

[18]? BERNAL O，GNABO J Y，GUILMIN G. Assessing the contribution of banks，insurance and other financial services to systemic risk [J]. Journal of Banking & Finance，2014，47（1）：270-287.

[19]? ROENGPITYA R，RUNGCHAROENKITKUL P. Measuring systemic risk and financial linkages in the Thai Banking System [EB/OL]. [2011-02-28]. https：//papers. ssrn. com/sol3/papers. cfm？abstract_id=1773208.

[20]? LóPEZ-ESPINOSA G，MORENO A，RUBIA A，et al. Short-term wholesale funding and systemic risk：A global CoVaR approach [J]. Social Science Electronic Publishing，2012，36（12）：3150-3162.

[21]? DRAKOS A A，KOURETAS G P. Bank ownership，financial segments and the measurement of systemic risk：An application of CoVaR [J]. International Review of Economics & Finance，2015，40（6）：127-140.

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

[23]? 陳守東，王妍. 我國金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)評(píng)估——基于極端分位數(shù)回歸技術(shù)的風(fēng)險(xiǎn)度量 [J]. 中國管理科學(xué)，2014，22（7）：10-17.

[24]? 高國華，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)，2011，45（12）：1753-1759.

[25]? 周天蕓，周開國，黃亮. 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) [J]. 國際金融研究，2012（4）：77-87.

[26]? BORIO C. Towards a macroprudential framework for financial supervision and regulation？ [J]. Journal of Banking & Finance，2003，49（2）：1-18.

[責(zé)任編輯 田 豐]