李守偉，王 虎，劉曉星

(1.東南大學(xué)經(jīng)濟(jì)管理學(xué)院，南京 211189；2.東南大學(xué)金融復(fù)雜性與風(fēng)險(xiǎn)管理研究中心，南京 211189)

0 引 言

現(xiàn)代社會(huì)經(jīng)濟(jì)發(fā)展過程中，金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間存在高度的關(guān)聯(lián)性.該關(guān)聯(lián)性為金融風(fēng)險(xiǎn)傳染提供了媒介，加速了風(fēng)險(xiǎn)在金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間反饋效應(yīng).典型的例子便是2008年由美國房地產(chǎn)企業(yè)引發(fā)的次貸危機(jī)及其后續(xù)的全球性金融危機(jī).這讓人們逐步認(rèn)識(shí)到基于傳統(tǒng)微觀審慎監(jiān)管手段難以從單一個(gè)體層面有效控制系統(tǒng)性風(fēng)險(xiǎn)的形成與傳染，而應(yīng)從關(guān)聯(lián)性與整體性的視角，借助宏觀審慎監(jiān)管手段展開系統(tǒng)性風(fēng)險(xiǎn)的防控工作.正是鑒于金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間存在損失聯(lián)動(dòng)、風(fēng)險(xiǎn)共擔(dān)的特征，由金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間關(guān)聯(lián)性與整體性所引發(fā)的風(fēng)險(xiǎn)反饋效應(yīng)成為系統(tǒng)性風(fēng)險(xiǎn)形成與傳染的主要來源與加速劑.

根據(jù)中國人民銀行統(tǒng)計(jì)數(shù)據(jù)可知，從2012年～2019年，我國實(shí)體經(jīng)濟(jì)從金融體系獲得的人民幣貸款呈現(xiàn)逐年遞增趨勢(shì)，到2019年為168 834億元，其中較大一部分資金流向房地產(chǎn)企業(yè).同時(shí)，銀行的不良貸款率也呈現(xiàn)逐年增加特征，由0.95%增加到1.86%.這些都反映了我國金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間存在較強(qiáng)的債務(wù)關(guān)聯(lián)性及其風(fēng)險(xiǎn)反饋效應(yīng).面對(duì)如此嚴(yán)峻金融形勢(shì)，防范與化解系統(tǒng)性風(fēng)險(xiǎn)成為黨和國家關(guān)注的焦點(diǎn).2017年8月21日，習(xí)近平總書記在全國金融工作會(huì)議上指出“金融安全是國家安全的重要組成部分，要把主動(dòng)防范化解系統(tǒng)性金融風(fēng)險(xiǎn)放在更加重要的位置”.2017年底的中央經(jīng)濟(jì)工作會(huì)議又將“防范化解重大風(fēng)險(xiǎn)”列為三大攻堅(jiān)戰(zhàn)之首，并明確指出“重點(diǎn)是防控金融風(fēng)險(xiǎn)”.2018年4月的中央財(cái)經(jīng)委員會(huì)第一次會(huì)議又明確提出“打好防范化解金融風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)”，首次提出“結(jié)構(gòu)性去杠桿”.2019年2月22日，習(xí)近平總書記在中共中央政治局第十三次集體學(xué)習(xí)時(shí)指出，“防范化解金融風(fēng)險(xiǎn)特別是防止發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)，是金融工作的根本性任務(wù).” 2020年2月21日，中共中央政治局召開會(huì)議，研究新冠肺炎疫情防控工作，部署統(tǒng)籌做好疫情防控和經(jīng)濟(jì)社會(huì)發(fā)展工作.會(huì)議強(qiáng)調(diào)“打好防范化解重大風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)，堅(jiān)決守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線.”

從金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間反饋效應(yīng)視角研究系統(tǒng)性風(fēng)險(xiǎn)，對(duì)全面認(rèn)識(shí)以及防范與化解系統(tǒng)性風(fēng)險(xiǎn)具有重要的理論與實(shí)踐意義.然而，現(xiàn)有對(duì)系統(tǒng)性風(fēng)險(xiǎn)的度量研究主要關(guān)注于金融系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)，很少從整體性與關(guān)聯(lián)性的角度考慮其與實(shí)體經(jīng)濟(jì)間風(fēng)險(xiǎn)反饋效應(yīng)，容易造成對(duì)系統(tǒng)性風(fēng)險(xiǎn)的低估.在我國金融系統(tǒng)中，銀行部門在間接融資方面發(fā)揮主導(dǎo)作用，這使得我國金融系統(tǒng)中大部分風(fēng)險(xiǎn)都集中在銀行體系內(nèi)部[1].因此，本研究中的金融系統(tǒng)聚焦于銀行系統(tǒng).本研究旨在提出系統(tǒng)性風(fēng)險(xiǎn)反饋效應(yīng)測(cè)度方法，揭示我國銀行系統(tǒng)與實(shí)體經(jīng)濟(jì)間風(fēng)險(xiǎn)反饋效應(yīng)，以及整個(gè)經(jīng)濟(jì)系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)影響因素.本研究的貢獻(xiàn)主要體現(xiàn)為：1)提出了一種更能反映現(xiàn)實(shí)風(fēng)險(xiǎn)傳染情況的系統(tǒng)性風(fēng)險(xiǎn)反饋效應(yīng)測(cè)度方法，為更加準(zhǔn)確度量系統(tǒng)性風(fēng)險(xiǎn)提供解決方案.2)對(duì)我國系統(tǒng)性風(fēng)險(xiǎn)的研究，往往聚焦于金融系統(tǒng)的研究.而本研究揭示了我國實(shí)體經(jīng)濟(jì)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)，不同行業(yè)引發(fā)銀行系統(tǒng)性風(fēng)險(xiǎn)的差異，銀行系統(tǒng)對(duì)實(shí)體經(jīng)濟(jì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)，以及銀行系統(tǒng)和實(shí)體經(jīng)濟(jì)對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)程度.上述研究為構(gòu)建有效的系統(tǒng)性風(fēng)險(xiǎn)防控措施提供了參考依據(jù).3)銀行與企業(yè)是經(jīng)濟(jì)系統(tǒng)的兩大主要經(jīng)濟(jì)主體，本研究通過構(gòu)建面板數(shù)據(jù)回歸模型分別揭示銀行系統(tǒng)和實(shí)體經(jīng)濟(jì)引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)的影響因素.4)楊子暉和李東承[1]指出現(xiàn)有的國內(nèi)文獻(xiàn)在測(cè)度銀行系統(tǒng)性風(fēng)險(xiǎn)時(shí)其樣本容量大多不超過35家，同時(shí)他們的研究樣本為177家，但本研究的樣本容量為209家.因此本研究更能全面反映我國整個(gè)銀行系統(tǒng)的現(xiàn)實(shí)情況.

1 文獻(xiàn)綜述

2007年～2009年的全球性金融危機(jī)引發(fā)學(xué)者對(duì)系統(tǒng)性風(fēng)險(xiǎn)更為廣泛的關(guān)注與研究，學(xué)者提出不同的系統(tǒng)性風(fēng)險(xiǎn)度量方法，但主要集中于金融系統(tǒng).而此類研究主要包括兩類：基于同業(yè)拆借數(shù)據(jù)的研究和基于股票市場(chǎng)數(shù)據(jù)的研究.基于同業(yè)拆借數(shù)據(jù)的研究主要是采用網(wǎng)絡(luò)分析方法，該方法基于銀行間同業(yè)拆借關(guān)系將銀行系統(tǒng)視為一個(gè)復(fù)雜網(wǎng)絡(luò)，進(jìn)而研究單個(gè)或多個(gè)銀行風(fēng)險(xiǎn)通過網(wǎng)絡(luò)關(guān)聯(lián)的傳染效應(yīng)[2-6].采用該方法學(xué)者們基于不同國家的數(shù)據(jù)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了大量的實(shí)證研究，如馬君潞等[7]針對(duì)中國銀行系統(tǒng)性風(fēng)險(xiǎn)，研究發(fā)現(xiàn)：在不考慮金融安全網(wǎng)的情況下，銀行系統(tǒng)性風(fēng)險(xiǎn)程度主要取決于誘導(dǎo)因素的種類、損失率的變化及銀行關(guān)聯(lián)程度；方意[8]構(gòu)建了包含銀行破產(chǎn)機(jī)制和去杠桿機(jī)制的資產(chǎn)負(fù)債表直接關(guān)聯(lián)網(wǎng)絡(luò)，對(duì)我國銀行系統(tǒng)性風(fēng)險(xiǎn)傳染渠道與效應(yīng)進(jìn)行了分析；Borges等[9]分析了2016年第4季度通過安哥拉支付系統(tǒng)的銀行間支付網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，旨在探討該支付系統(tǒng)抵御系統(tǒng)性風(fēng)險(xiǎn)的能力.基于股票市場(chǎng)數(shù)據(jù)研究的主要是采用是自下而上的條件風(fēng)險(xiǎn)價(jià)值法(CoVaR)和自上而下的期望損失法.系統(tǒng)性風(fēng)險(xiǎn)CoVaR度量方法是Adrian和Brunnermeier[10]首次提出的，該方法考慮了系統(tǒng)性風(fēng)險(xiǎn)的外部性和溢出性.Acharya等[11]基于邊際預(yù)期缺口構(gòu)建了系統(tǒng)性預(yù)期缺口方法，用來度量金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn).學(xué)者們基于條件風(fēng)險(xiǎn)價(jià)值法和期望損失法，對(duì)各國金融系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)展開一定的分析[12-19].

上述的研究主要集中于金融系統(tǒng)分析系統(tǒng)性風(fēng)險(xiǎn)，實(shí)際上金融系統(tǒng)與實(shí)體經(jīng)濟(jì)存在緊密的關(guān)聯(lián)，其也是系統(tǒng)性風(fēng)險(xiǎn)形成渠道之一.針對(duì)此，學(xué)者們開始通過構(gòu)建模型研究金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間風(fēng)險(xiǎn)傳染效應(yīng)，而目前研究主要是針對(duì)銀行系統(tǒng)與實(shí)體企業(yè)部門展開研究.相關(guān)研究可分為構(gòu)建模型進(jìn)行仿真研究和基于實(shí)際數(shù)據(jù)進(jìn)行實(shí)證研究?jī)深?在第一類研究中，主要是基于銀行與企業(yè)兩類經(jīng)濟(jì)主體的信貸關(guān)聯(lián)，通過構(gòu)建模型仿真研究跨銀行與企業(yè)部門的風(fēng)險(xiǎn)傳染效應(yīng).如Gatti等[20, 21]以最優(yōu)選擇交易對(duì)手機(jī)制構(gòu)建銀企風(fēng)險(xiǎn)傳染模型，主要研究了企業(yè)間破產(chǎn)雪崩問題.Riccetti等[22]在Gatti等[21]研究基礎(chǔ)上，研究了杠桿率與銀企風(fēng)險(xiǎn)傳染的關(guān)系，發(fā)現(xiàn)杠桿率的增加導(dǎo)致銀行與企業(yè)的破產(chǎn)增加.類似于Gatti等[20, 21]，鄧晶等[23]以最優(yōu)交易對(duì)手選擇機(jī)制構(gòu)建銀行與企業(yè)兩部門網(wǎng)絡(luò)模型，主要研究了主體之間交互機(jī)制對(duì)經(jīng)濟(jì)波動(dòng)的影響，而對(duì)風(fēng)險(xiǎn)傳染機(jī)制只是進(jìn)行簡(jiǎn)單的描述分析.Catullo 等[24]構(gòu)建了銀企信貸網(wǎng)絡(luò)模型，研究發(fā)現(xiàn)高杠桿率增加了企業(yè)違約風(fēng)險(xiǎn)，高度連接將加速銀行與企業(yè)負(fù)面效應(yīng)的傳染.Lux[25]對(duì)金融部門和非金融部門的信貸網(wǎng)絡(luò)連接結(jié)構(gòu)進(jìn)行了研究，結(jié)果表明單個(gè)實(shí)體企業(yè)的違約會(huì)對(duì)系統(tǒng)產(chǎn)生兩極化的影響，一種是不會(huì)對(duì)系統(tǒng)產(chǎn)生影響，另一種是引發(fā)多米諾骨牌效應(yīng).隋新和何建敏[26]通過構(gòu)建了包含銀行信貸網(wǎng)絡(luò)、企業(yè)信貸網(wǎng)絡(luò)和銀企信貸網(wǎng)絡(luò)的復(fù)合網(wǎng)絡(luò)，仿真分析了銀企風(fēng)險(xiǎn)傳染特征.Gurgone等[27]構(gòu)建了包含金融部門和實(shí)體經(jīng)濟(jì)的多主體模型，研究發(fā)現(xiàn)實(shí)體經(jīng)濟(jì)中企業(yè)倒閉的影響通過金融加速器被顯著放大.相比上述第一類研究，第二類的研究甚少.主要的困難在于：缺乏銀行對(duì)實(shí)體經(jīng)濟(jì)貸款的雙邊風(fēng)險(xiǎn)暴露數(shù)據(jù)以及銀行間風(fēng)險(xiǎn)暴露數(shù)據(jù)；缺乏能捕獲金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間反饋效應(yīng)的系統(tǒng)性風(fēng)險(xiǎn)度量方法[28].針對(duì)此，基于Battiston等[29]提出的DebtRank模型，Silva等[28, 30]構(gòu)建了跨銀行與實(shí)體經(jīng)濟(jì)的系統(tǒng)性風(fēng)險(xiǎn)反饋模型，并利用巴西國家數(shù)據(jù)研究了金融加速器機(jī)制對(duì)銀企間風(fēng)險(xiǎn)反饋的影響，提出忽視銀企間的風(fēng)險(xiǎn)反饋效應(yīng)會(huì)嚴(yán)重低估銀行系統(tǒng)性風(fēng)險(xiǎn)，并且網(wǎng)絡(luò)結(jié)構(gòu)可以減弱或放大來自實(shí)體部門的沖擊，從而在傳染過程中發(fā)揮重要作用.

基于上述現(xiàn)有研究可知，正是因?yàn)榻鹑谙到y(tǒng)與實(shí)體經(jīng)濟(jì)間風(fēng)險(xiǎn)反饋效應(yīng)的存在，不考慮實(shí)體經(jīng)濟(jì)分析系統(tǒng)性風(fēng)險(xiǎn)，將導(dǎo)致嚴(yán)重低估系統(tǒng)性風(fēng)險(xiǎn).而此不利于全面了解系統(tǒng)性風(fēng)險(xiǎn)，進(jìn)而導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)防控策略不準(zhǔn)確到位.因此，十分有必要納入實(shí)體經(jīng)濟(jì)度量系統(tǒng)性風(fēng)險(xiǎn)，同時(shí)有待加強(qiáng)系統(tǒng)性風(fēng)險(xiǎn)反饋效應(yīng)度量方法研究.由于Battiston等[29]提出的DebtRank模型是根據(jù)債務(wù)者遭受的損失通過信貸關(guān)聯(lián)轉(zhuǎn)化為相應(yīng)債權(quán)者資產(chǎn)的相對(duì)損失的方式來測(cè)算系統(tǒng)性風(fēng)險(xiǎn).在Silva等[28, 30]模型中，即使很小的風(fēng)險(xiǎn)沖擊，也有可能在整個(gè)系統(tǒng)中進(jìn)行傳染，對(duì)整個(gè)系統(tǒng)產(chǎn)生影響.但在現(xiàn)實(shí)中，由于銀行存在資本緩沖，使得銀行遭受損失不一定就會(huì)產(chǎn)生風(fēng)險(xiǎn)傳染，只有當(dāng)損失達(dá)到一定的程度時(shí)才可能會(huì)產(chǎn)生風(fēng)險(xiǎn)傳染.即使銀行損失達(dá)到一定的程度，由于銀行融資和抵制風(fēng)險(xiǎn)能力存在差異，遭受同樣程度損失的銀行是否產(chǎn)生風(fēng)險(xiǎn)傳染也存在一定差異.同樣，對(duì)于企業(yè)來說，也具有相似的風(fēng)險(xiǎn)傳染過程.因此，Silva等[28, 30]提出的系統(tǒng)性風(fēng)險(xiǎn)反饋效應(yīng)度量方法不能很好的體現(xiàn)現(xiàn)實(shí)中風(fēng)險(xiǎn)傳染情況.針對(duì)此，本研究在Silva等[28, 30]研究基礎(chǔ)上，提出更能反映現(xiàn)實(shí)風(fēng)險(xiǎn)傳染情況的系統(tǒng)性風(fēng)險(xiǎn)反饋效應(yīng)度量方法.并基于該方法研究我國銀行系統(tǒng)與實(shí)體經(jīng)濟(jì)間反饋效應(yīng)，銀行系統(tǒng)和實(shí)體經(jīng)濟(jì)對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)程度，以及系統(tǒng)性風(fēng)險(xiǎn)的影響因素.

2 系統(tǒng)性風(fēng)險(xiǎn)反饋效應(yīng)測(cè)度方法

金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間反饋效應(yīng)是指金融系統(tǒng)或?qū)嶓w經(jīng)濟(jì)遭受沖擊產(chǎn)生的風(fēng)險(xiǎn)通過信貸渠道、資產(chǎn)價(jià)格波動(dòng)等渠道在兩者之間的傳染，如圖1所示.其中，金融系統(tǒng)遭受沖擊，進(jìn)而可能造成實(shí)體經(jīng)濟(jì)融資困難或者被提前抽貸等不利影響；實(shí)體經(jīng)濟(jì)遭受沖擊，進(jìn)而可能造成金融系統(tǒng)信貸違約、股票和債券等資產(chǎn)價(jià)格波動(dòng)等不利影響.注意到，在金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間風(fēng)險(xiǎn)反饋過程中，金融系統(tǒng)與實(shí)體經(jīng)濟(jì)內(nèi)部均可能存在風(fēng)險(xiǎn)傳染過程，而此往往會(huì)導(dǎo)致金融系統(tǒng)與實(shí)體經(jīng)濟(jì)遭受更大沖擊.在金融系統(tǒng)中風(fēng)險(xiǎn)可能通過同業(yè)拆借關(guān)聯(lián)、衍生品交易關(guān)聯(lián)、投資組合重疊關(guān)聯(lián)或信息溢出渠道在金融機(jī)構(gòu)間或者金融市場(chǎng)間傳染；在實(shí)體經(jīng)濟(jì)中，風(fēng)險(xiǎn)可能通過商業(yè)信用關(guān)聯(lián)、擔(dān)保關(guān)聯(lián)或者交叉持股關(guān)聯(lián)在實(shí)體企業(yè)間或者實(shí)體經(jīng)濟(jì)部門間傳染.

圖1 金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間反饋效應(yīng)

在我國金融體系中，銀行部門在間接融資方面發(fā)揮主導(dǎo)作用，這使得我國金融系統(tǒng)中大部分風(fēng)險(xiǎn)都集中在銀行體系內(nèi)部[1].因此，本研究的金融系統(tǒng)聚焦于銀行系統(tǒng).實(shí)體經(jīng)濟(jì)包括居民部門、非金融類企業(yè)部門和政府部門，考慮到數(shù)據(jù)的可獲得性，本研究的實(shí)體經(jīng)濟(jì)只包括非金融類企業(yè)部門.

2.1 銀行同業(yè)拆借規(guī)模估測(cè)

由于本研究中系統(tǒng)性風(fēng)險(xiǎn)涉及到銀行同業(yè)拆借關(guān)聯(lián)，需要銀行間同業(yè)拆借數(shù)據(jù).通常只能得到每家銀行同業(yè)拆借總規(guī)模數(shù)據(jù)，為了得到任意兩家銀行間同業(yè)拆借規(guī)模，國際上通常采用最大熵方法進(jìn)行銀行同業(yè)拆借矩陣估測(cè)[2, 31].

(1)

(2)

(3)

2.2 風(fēng)險(xiǎn)反饋DebtRank模型

(4)

(5)

(6)

上述原始DR模型雖然避免了重復(fù)計(jì)算風(fēng)險(xiǎn)的弊端，但當(dāng)銀行系統(tǒng)中存在循環(huán)或多次風(fēng)險(xiǎn)傳染時(shí)，將可能嚴(yán)重低估了系統(tǒng)性風(fēng)險(xiǎn).為了彌補(bǔ)原始DR模型的不足，Bardoscia等[33]通過僅計(jì)算銀行在上一時(shí)刻受到的風(fēng)險(xiǎn)增量來避免風(fēng)險(xiǎn)的重復(fù)計(jì)算，即通過差分迭代的方式對(duì)原始DR模型進(jìn)行了改進(jìn)，提出差分DR模型，表達(dá)式如下

(7)

其中B表示銀行的集合；Δbj(t-1)表示銀行j在t-1時(shí)刻的資產(chǎn)損失率的增量.差分DR模型能夠計(jì)算系統(tǒng)內(nèi)所有的銀行，并且當(dāng)銀行在t時(shí)刻處于違約狀態(tài)時(shí)，Δbj(t+k)=0(?k>0)，此時(shí)該銀行不再傳染風(fēng)險(xiǎn).因此，差分DR模型與原始DR模型相比，能夠度量當(dāng)系統(tǒng)內(nèi)存在多輪風(fēng)險(xiǎn)傳染時(shí)的系統(tǒng)性風(fēng)險(xiǎn)，同時(shí)通過減去銀行i在初始沖擊影響下所造成的損失，來更為準(zhǔn)確反映銀行i對(duì)銀行系統(tǒng)所造成的影響，具體表達(dá)式為

(8)

其中bi(0)表示銀行i在初始沖擊下的損失，θi表示銀行i的同業(yè)負(fù)債占系統(tǒng)中所有銀行同業(yè)負(fù)債總和的比例，比例越大說明銀行i違約對(duì)系統(tǒng)造成的風(fēng)險(xiǎn)沖擊越強(qiáng).

銀行系統(tǒng)與實(shí)體經(jīng)濟(jì)間關(guān)聯(lián)性導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)在兩者間存在反饋效應(yīng)，針對(duì)此Silva等[28, 30]在銀行差分DebtRank模型中引入實(shí)體企業(yè)，構(gòu)建了基于差分DebtRank模型的系統(tǒng)性風(fēng)險(xiǎn)反饋效應(yīng)測(cè)度模型.本研究在Silva等[28, 30]的研究基礎(chǔ)上，通過引入4個(gè)狀態(tài)來刻畫銀行與企業(yè)風(fēng)險(xiǎn)傳染狀態(tài)，以更能反映現(xiàn)實(shí)風(fēng)險(xiǎn)傳染情況，進(jìn)而構(gòu)建具有4個(gè)狀態(tài)的銀企DebtRank模型度量系統(tǒng)性風(fēng)險(xiǎn)反饋效應(yīng).

由于現(xiàn)實(shí)數(shù)據(jù)可獲得性限制，本研究只考慮銀行間和銀企間風(fēng)險(xiǎn)傳染效應(yīng).對(duì)于銀企間風(fēng)險(xiǎn)傳染過程描述是通過脆弱矩陣Wbank-firm和Wfirm-bank進(jìn)行的，借鑒Aoyama等[34]的研究，采用相對(duì)風(fēng)險(xiǎn)暴露計(jì)算上述矩陣元素，具體方法如下

(9)

(10)

其中Ciu表示銀行i對(duì)企業(yè)u的貸款規(guī)模；F表示企業(yè)集合.在式(9)中，利用銀行i對(duì)企業(yè)u的貸款規(guī)模占企業(yè)u貸款總額的比例刻畫企業(yè)u對(duì)銀行i的影響；而在式(10)中，銀行i對(duì)企業(yè)u的貸款規(guī)模占銀行i對(duì)所有企業(yè)貸款總規(guī)模的比例刻畫銀行i對(duì)企業(yè)u的影響.根據(jù)上述分析，本研究將系統(tǒng)性風(fēng)險(xiǎn)傳染過程中，銀行與企業(yè)狀態(tài)分為4類：正常狀態(tài)(N)、傳染狀態(tài)(C)、不傳染狀態(tài)(I)和違約狀態(tài)(D).其中N表示沒有受到?jīng)_擊，C表示受到?jīng)_擊并傳染風(fēng)險(xiǎn)，I表示受到?jīng)_擊但并不傳染風(fēng)險(xiǎn)，D表示受到?jīng)_擊并導(dǎo)致違約.利用fu(t)表示t時(shí)刻企業(yè)u的凈資產(chǎn)損失率，下面式(11)～式(14)刻畫了系統(tǒng)性風(fēng)險(xiǎn)反饋機(jī)制

(11)

(12)

(13)

(14)

根據(jù)上述模型可以得到銀行系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)DRbank、實(shí)體經(jīng)濟(jì)系統(tǒng)性風(fēng)險(xiǎn)DRfirm以及整個(gè)經(jīng)濟(jì)系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)DR，分別如下所示

(15)

(16)

(17)

其中χi(i∈B)表示銀行i的資產(chǎn)規(guī)模占所有銀行資產(chǎn)總規(guī)模的比例，χu(u∈F)表示企業(yè)u的資產(chǎn)規(guī)模占所有企業(yè)資產(chǎn)總規(guī)模的比例；vi(i∈B)表示銀行i的資產(chǎn)規(guī)模在所有銀行與企業(yè)資產(chǎn)規(guī)?？偤椭械谋壤?，vu(u∈F)表示企業(yè)u的資產(chǎn)規(guī)模在所有銀行與企業(yè)資產(chǎn)規(guī)?？偤椭械谋壤?

目前學(xué)者們提出了不同的系統(tǒng)性風(fēng)險(xiǎn)度量方法，主要包括網(wǎng)絡(luò)分析方法、條件風(fēng)險(xiǎn)價(jià)值法和期望損失法.其中網(wǎng)絡(luò)分析方法，主要分析在金融機(jī)構(gòu)倒閉情境下造成的風(fēng)險(xiǎn)傳染，而此往往會(huì)造成低估系統(tǒng)性風(fēng)險(xiǎn)；條件風(fēng)險(xiǎn)價(jià)值法和期望損失法主要是基于股票市場(chǎng)數(shù)據(jù)進(jìn)行分析，由于我國上市金融機(jī)構(gòu)數(shù)量不多，此類方法不能反映出我國金融系統(tǒng)實(shí)際情況.而本研究提出的具有4個(gè)狀態(tài)的系統(tǒng)性風(fēng)險(xiǎn)反饋效應(yīng)度量方法，主要基于經(jīng)濟(jì)主體信貸數(shù)據(jù)，同時(shí)可以分析經(jīng)濟(jì)主體出現(xiàn)困境和倒閉兩種情形下的風(fēng)險(xiǎn)傳染，可以有效地解決網(wǎng)絡(luò)分析方法、條件風(fēng)險(xiǎn)價(jià)值法和期望損失法的不足.同時(shí)本研究的方法相比Battiston等[29]提出的DebtRank模型和Silva等[28, 30]基于差分DebtRank模型的系統(tǒng)性風(fēng)險(xiǎn)反饋效應(yīng)測(cè)度方法優(yōu)勢(shì)在于以下兩個(gè)方面：1)Battiston等的DebtRank模型中只有3個(gè)風(fēng)險(xiǎn)狀態(tài)，本研究將其擴(kuò)展到4個(gè)風(fēng)險(xiǎn)狀態(tài)；Battiston等的DebtRank模型中，只有處于困境狀態(tài)的經(jīng)濟(jì)主體才進(jìn)行風(fēng)險(xiǎn)傳染，并且在傳染一次風(fēng)險(xiǎn)后就變?yōu)椴换钴S狀態(tài)，此顯然造成對(duì)系統(tǒng)性風(fēng)險(xiǎn)低估，而本研究的方法有效的避免了此低估問題.2)在Silva等模型中，銀行或者企業(yè)只要受到風(fēng)險(xiǎn)沖擊就會(huì)進(jìn)行風(fēng)險(xiǎn)傳染，導(dǎo)致初始很小的風(fēng)險(xiǎn)沖擊也可能會(huì)引起整個(gè)系統(tǒng)的違約級(jí)聯(lián)效應(yīng).因此，該方法會(huì)高估系統(tǒng)性風(fēng)險(xiǎn).相比Silva等的模型，本研究將資本緩沖作用納入模型構(gòu)建中，可以有效地解決風(fēng)險(xiǎn)高估問題.

3 數(shù)據(jù)與結(jié)果

3.1 樣本數(shù)據(jù)

本研究的系統(tǒng)性風(fēng)險(xiǎn)反饋效應(yīng)涉及到銀行同業(yè)拆借和銀企信貸兩類數(shù)據(jù)，數(shù)據(jù)來源于國泰安CSMAR系列數(shù)據(jù)庫.為了最大程度的使樣本具有代表性，同時(shí)保持樣本的一致性，本研究選擇銀行樣本跨度為2013年～2017年.2013年～2017年的銀行樣本數(shù)量均在200家以上，并且包括我國所有的國有商業(yè)銀行、股份制商業(yè)銀行以及主要的城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行，而2013年之前銀行樣本數(shù)量均小于200家.2018年和2019年銀行樣本數(shù)量分別為236家和36家，但2018年銀行樣本與2013年～2017年銀行樣本具有較大差異，在2013年～2017年共有的209家銀行中有105家銀行不包含在2018年銀行樣本中.由于較大的樣本差異性和較少樣本數(shù)量，2018年和2019年銀行樣本被舍棄.因此，本研究選擇2013年～2017年的銀行樣本作為研究對(duì)象.銀行同業(yè)拆借總規(guī)模來源于銀行資產(chǎn)負(fù)債表.其中，同業(yè)資產(chǎn)包括存放同業(yè)和其他金融機(jī)構(gòu)款項(xiàng)、拆出資金買入返售金融資產(chǎn)，同業(yè)負(fù)債包括同業(yè)和其他金融機(jī)構(gòu)存放款項(xiàng)、拆入資金、賣出回購金融資產(chǎn)款項(xiàng).剔除同業(yè)資產(chǎn)和同業(yè)負(fù)債為零的銀行，然后根據(jù)所有者權(quán)益、信用等級(jí)、總資產(chǎn)和負(fù)債合計(jì)等項(xiàng)目數(shù)據(jù)可獲得性的篩選，共得到209家銀行的有效數(shù)據(jù).

根據(jù)2013年～2017年所有銀行和上市企業(yè)貸款數(shù)據(jù)，剔除無效數(shù)據(jù)(無具體銀行名稱、無貸款金額等)，得到42 162條銀企信貸數(shù)據(jù)，包含2 155家企業(yè).由于原始數(shù)據(jù)中銀行名稱不規(guī)范，需要人工處理成統(tǒng)一名稱，最后根據(jù)企業(yè)總資產(chǎn)、資產(chǎn)負(fù)債率、所有者權(quán)益和負(fù)債合計(jì)等項(xiàng)目數(shù)據(jù)可獲得性的篩選，共得到1 901家企業(yè).為了保證所獲得數(shù)據(jù)能最大程度的反映我國銀行和企業(yè)信貸關(guān)系，只要2013年～2017年中有一年該企業(yè)與銀行存在貸款數(shù)據(jù)，該企業(yè)就被保留.在構(gòu)建不同年份銀企信貸矩陣時(shí)，企業(yè)按照行業(yè)進(jìn)行排序，銀行分別按照類型和資產(chǎn)規(guī)模排序，不存在信貸關(guān)系的矩陣對(duì)應(yīng)單元均設(shè)置為0.根據(jù)我國行業(yè)分類標(biāo)準(zhǔn)，將1 901家企業(yè)劃分為11個(gè)行業(yè)大類，分別為：采礦業(yè)，電力、熱力生產(chǎn)和供應(yīng)業(yè)，房地產(chǎn)業(yè)，建筑業(yè)，交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)，居民服務(wù)、修理和其他服務(wù)業(yè)，農(nóng)林牧漁業(yè)，批發(fā)和零售業(yè)，水利、環(huán)境和公共設(shè)施管理業(yè)，制造業(yè)和其他行業(yè).其中，衛(wèi)生業(yè)、住宿和餐飲業(yè)、文化、體育和娛樂業(yè)由于企業(yè)數(shù)量過少，統(tǒng)一歸到其他行業(yè)中.

模型中涉及到的銀行信用評(píng)級(jí)水平數(shù)據(jù)來源于我國四大資信評(píng)級(jí)機(jī)構(gòu)：大公國際信用評(píng)級(jí)有限公司，國衡信國際信用評(píng)級(jí)中心有限公司，中誠信國際信用評(píng)級(jí)有限公司和聯(lián)合資信評(píng)估有限公司.根據(jù)信用評(píng)級(jí)的10個(gè)等級(jí): AAA、AA+、AA、AA-、A+、A、A-、BBB+、BBB、BBB-，對(duì)最低等級(jí)到最高等級(jí)分別賦值為1到10.銀行風(fēng)險(xiǎn)傳染狀態(tài)轉(zhuǎn)移概率參數(shù)設(shè)置為α=β=0.05,φi=10-Ri，其中Ri為銀行i信用評(píng)級(jí)對(duì)應(yīng)的賦值.而企業(yè)風(fēng)險(xiǎn)傳染狀態(tài)轉(zhuǎn)移概率參數(shù)設(shè)置為δ=γ=0.1；銀行同業(yè)拆借網(wǎng)絡(luò)密度C=0.15.

3.2 結(jié)果分析

3.2.1 實(shí)體經(jīng)濟(jì)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)

以往對(duì)系統(tǒng)性風(fēng)險(xiǎn)研究主要聚焦于銀行系統(tǒng)，而且忽視了實(shí)體經(jīng)濟(jì)在系統(tǒng)性風(fēng)險(xiǎn)中的作用.針對(duì)此，本節(jié)分析實(shí)體經(jīng)濟(jì)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響.為此，在上述銀企風(fēng)險(xiǎn)反饋DebtRank模型中分兩種情況進(jìn)行分析，一種是不考慮銀企風(fēng)險(xiǎn)傳染效應(yīng)，另一種考慮此種效應(yīng).由于資產(chǎn)規(guī)模大的銀行在銀行同業(yè)拆借以及銀企信貸中處于更重要的地位，而且已有研究顯示規(guī)模大的銀行造成的系統(tǒng)性風(fēng)險(xiǎn)效應(yīng)更大[33].因此，本研究考慮銀行規(guī)模差異分析實(shí)體經(jīng)濟(jì)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響.我國銀行可以分為國有商業(yè)銀行、股份制商業(yè)銀行、城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行5類，其中國有商業(yè)銀行和股份制商業(yè)銀行的規(guī)模較大，在整個(gè)銀行系統(tǒng)中處于核心位置并能夠?qū)φ麄€(gè)銀行系統(tǒng)產(chǎn)生較大影響；而城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行數(shù)量比例較大，但規(guī)模相對(duì)較小，一般處于銀行系統(tǒng)邊緣位置，這些銀行的風(fēng)險(xiǎn)沖擊對(duì)整個(gè)銀行系統(tǒng)不會(huì)產(chǎn)生重大影響.基于此，本研究將銀行分為大規(guī)模銀行和小規(guī)模銀行兩類，其中大規(guī)模銀行包括國有商業(yè)銀行和股份制商業(yè)銀行，小規(guī)模銀行包括城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行.

將每家銀行違約作為初始沖擊，進(jìn)而計(jì)算DRbank平均值度量銀行系統(tǒng)性風(fēng)險(xiǎn).2013年～2017年實(shí)體經(jīng)濟(jì)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)影響結(jié)果如圖2所示，其中圖2(a)和圖2(b)分別是沒有考慮實(shí)體經(jīng)濟(jì)和考慮實(shí)體經(jīng)濟(jì)兩種條件下的結(jié)果.從圖2中可以看出，無論是否考慮實(shí)體經(jīng)濟(jì)，大規(guī)模銀行所造成的系統(tǒng)性風(fēng)險(xiǎn)都要遠(yuǎn)遠(yuǎn)大于小規(guī)模銀行的.由圖2(a)和圖2(b)比較可知，當(dāng)考慮銀企風(fēng)險(xiǎn)傳染渠道時(shí)，銀行系統(tǒng)性風(fēng)險(xiǎn)顯著大于只考慮銀行風(fēng)險(xiǎn)傳染渠道的系統(tǒng)性風(fēng)險(xiǎn)；并且大規(guī)模銀行的增加程度遠(yuǎn)大于小規(guī)模銀行.與小規(guī)模銀行相比，大規(guī)模銀行往往與更多的企業(yè)有信貸聯(lián)系，當(dāng)大規(guī)模銀行受到風(fēng)險(xiǎn)沖擊將風(fēng)險(xiǎn)傳染給企業(yè)時(shí)，企業(yè)通過信貸渠道傳染給其他有關(guān)聯(lián)的銀行，進(jìn)而將風(fēng)險(xiǎn)反饋給銀行系統(tǒng)，放大了風(fēng)險(xiǎn)傳染范圍和沖擊程度.而小規(guī)模銀行由于連接的企業(yè)數(shù)量通常較少，就大大降低了銀企間的風(fēng)險(xiǎn)反饋效應(yīng).此外，在圖2(a)中系統(tǒng)性風(fēng)險(xiǎn)最高的年份為2013年，而在圖2(b)中最高的年份為2014年.這意味著銀企風(fēng)險(xiǎn)傳染在銀行系統(tǒng)性風(fēng)險(xiǎn)中占有重要地位，忽視他可能會(huì)錯(cuò)誤估計(jì)銀行系統(tǒng)性風(fēng)險(xiǎn).其中，對(duì)于大規(guī)模銀行而言，2013年～2017年低估銀行系統(tǒng)性風(fēng)險(xiǎn)的比例分別為4.73%、21.38%、35.64%、57.54%和78.68%；而小規(guī)模銀行2013年～2017年低估的比例分別為6.61%、31.84%、72.48%、25.75%和19.78%.不同年份的銀行系統(tǒng)性風(fēng)險(xiǎn)變化趨勢(shì)也反映出我國銀行系統(tǒng)性風(fēng)險(xiǎn)在2014年之后逐漸降低.這體現(xiàn)了我國對(duì)金融行業(yè)監(jiān)管力度的加強(qiáng)和金融供給側(cè)結(jié)構(gòu)性改革有效地降低了銀行系統(tǒng)性風(fēng)險(xiǎn).

圖2 實(shí)體經(jīng)濟(jì)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響

從圖2可知，銀行系統(tǒng)性風(fēng)險(xiǎn)DR值在2014年之后逐漸變小，這意味著實(shí)體經(jīng)濟(jì)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響從2014年開始呈現(xiàn)下降趨勢(shì).這其中可能的原因在于2016年前后國家層面防范系統(tǒng)性金融風(fēng)險(xiǎn)背景下的“去杠桿”政策的作用結(jié)果，如2016年10月國務(wù)院印發(fā)《關(guān)于積極穩(wěn)妥降低企業(yè)杠桿率的意見》等.在去杠桿率政策下，銀行貸款在企業(yè)部門債務(wù)中的占比呈現(xiàn)下降趨勢(shì)，進(jìn)而使得實(shí)體經(jīng)濟(jì)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響在降低.

3.2.2 不同行業(yè)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)影響差異

2018年4月2日中央財(cái)經(jīng)委員會(huì)召開第一次會(huì)議，首次提出“結(jié)構(gòu)性去杠桿”，為“打好防范化解金融風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)”劃定基本思路.同時(shí)指出，要以結(jié)構(gòu)性去杠桿為基本思路，分部門、分債務(wù)類型提出不同要求.本研究進(jìn)一步分析不同行業(yè)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)影響，對(duì)“結(jié)構(gòu)性去杠桿”具有重要意義.本節(jié)通過設(shè)置不同行業(yè)所有企業(yè)在均遭受相當(dāng)于其核心資產(chǎn)不同比例的損失作為初始條件，分析不同行業(yè)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)影響.由圖1實(shí)體經(jīng)濟(jì)與金融系統(tǒng)間反饋效應(yīng)可知，實(shí)體經(jīng)濟(jì)遭受沖擊，可通過信貸關(guān)聯(lián)導(dǎo)致金融系統(tǒng)的信貸資產(chǎn)損失，亦可引發(fā)金融資產(chǎn)價(jià)格波動(dòng)導(dǎo)致金融市場(chǎng)風(fēng)險(xiǎn)，進(jìn)而造成金融系統(tǒng)遭受風(fēng)險(xiǎn)，甚至引發(fā)金融系統(tǒng)內(nèi)部風(fēng)險(xiǎn)傳染.表1揭示了實(shí)體經(jīng)濟(jì)中實(shí)體企業(yè)遭受沖擊通過信貸關(guān)聯(lián)引發(fā)的銀行系統(tǒng)性風(fēng)險(xiǎn)效應(yīng).

表1顯示了不同行業(yè)在遭受核心資產(chǎn)比例為0.15和0.40的沖擊條件下，不同行業(yè)引發(fā)的銀行系統(tǒng)性風(fēng)險(xiǎn).從表1可以看出，在兩種沖擊程度下，2013年～2017年中對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)影響最大的均是制造業(yè)，并且會(huì)引起整個(gè)銀行系統(tǒng)的崩潰.主要的原因在于制造行業(yè)的企業(yè)數(shù)量占較大比例，同時(shí)總貸款基數(shù)較大，并且大部分企業(yè)都屬于中小規(guī)模企業(yè)，更容易受到外部風(fēng)險(xiǎn)沖擊的影響.因此，在較小沖擊條件下，就有可能對(duì)銀行系統(tǒng)造成較大的風(fēng)險(xiǎn)損失.當(dāng)沖擊程度增大到0.40時(shí)，2013年～2017年居民服務(wù)、修理和其他服務(wù)業(yè)對(duì)銀行系統(tǒng)影響也非常大，其亦可引發(fā)整個(gè)銀行系統(tǒng)的崩潰.而此主要原因在于，居民服務(wù)、修理和其他服務(wù)行業(yè)的企業(yè)抗風(fēng)險(xiǎn)沖擊能力強(qiáng)，但行業(yè)銀行信貸規(guī)模較大.只有在遭受較大程度沖擊時(shí)，才會(huì)通過較大規(guī)模銀行信貸對(duì)銀行系統(tǒng)產(chǎn)生顯著影響.而對(duì)于房地產(chǎn)業(yè)，在沖擊程度為0.40時(shí)，只有2013年～2015年間會(huì)造成銀行系統(tǒng)崩潰.這意味著，房地產(chǎn)業(yè)在遭受較小沖擊是不會(huì)對(duì)銀行系統(tǒng)造成極大影響.而隨著2016年國家房地產(chǎn)調(diào)控政策實(shí)施以來，房地產(chǎn)行業(yè)在遭受相對(duì)較大程度沖擊時(shí)，其對(duì)銀行系統(tǒng)的影響也是很有限的.

表1 不同行業(yè)引發(fā)的銀行系統(tǒng)性風(fēng)險(xiǎn)效應(yīng)

3.2.3 銀行系統(tǒng)對(duì)實(shí)體經(jīng)濟(jì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)

圖3 銀行系統(tǒng)對(duì)實(shí)體經(jīng)濟(jì)系統(tǒng)性風(fēng)險(xiǎn)的影響

本研究進(jìn)一步分析不同類型銀行造成的實(shí)體經(jīng)濟(jì)系統(tǒng)性風(fēng)險(xiǎn)的差異.表2顯示了不同類型銀行在遭受核心資產(chǎn)比例為0.15和0.40的沖擊條件下，引發(fā)的實(shí)體經(jīng)濟(jì)系統(tǒng)性風(fēng)險(xiǎn)效應(yīng).從表2可以看出在兩種沖擊程度下，國有商業(yè)銀行和股份制商業(yè)銀行對(duì)實(shí)體經(jīng)濟(jì)造成的風(fēng)險(xiǎn)效應(yīng)均顯著高于城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行.雖然國有商業(yè)銀行和股份制商業(yè)銀行數(shù)量較少，但對(duì)企業(yè)貸款總和占所有銀行對(duì)企業(yè)貸款總和的比例超過80%.因此，這兩類銀行受到風(fēng)險(xiǎn)沖擊后對(duì)實(shí)體經(jīng)濟(jì)的影響要顯著高于其他3類銀行.

表2 不同類型銀行引發(fā)的實(shí)體經(jīng)濟(jì)系統(tǒng)性風(fēng)險(xiǎn)效應(yīng)

3.2.4 實(shí)體經(jīng)濟(jì)和銀行系統(tǒng)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)

本節(jié)分析實(shí)體經(jīng)濟(jì)和銀行系統(tǒng)對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)程度.首先分析單個(gè)銀行或企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)DR之間的差異，圖4便是2017年銀行和企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)DR結(jié)果，其中圖4(a)和圖4(b)分別是銀行和企業(yè)的對(duì)應(yīng)的結(jié)果.從圖4可知，銀行和企業(yè)的引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)分布很相似，絕大部分銀行和企業(yè)引發(fā)的整個(gè)經(jīng)濟(jì)系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)很小，只有極少部分銀行和企業(yè)能夠?qū)φ麄€(gè)經(jīng)濟(jì)系統(tǒng)產(chǎn)生較大影響，并且銀行違約對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)的影響大于企業(yè).這意味著與單個(gè)企業(yè)違約相比，單個(gè)銀行的違約能夠?qū)φ麄€(gè)經(jīng)濟(jì)系統(tǒng)產(chǎn)生較大的風(fēng)險(xiǎn)沖擊.進(jìn)一步根據(jù)計(jì)算的DR值對(duì)所有銀行與企業(yè)比較分析可知，在銀行系統(tǒng)中引發(fā)較大系統(tǒng)性風(fēng)險(xiǎn)的少數(shù)銀行主要集中在五大國有商業(yè)銀行和部分股份制商業(yè)銀行(興業(yè)銀行、招商銀行、浦發(fā)銀行、中國民生銀行和中信銀行)，其他類型單個(gè)銀行的違約幾乎不會(huì)對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)產(chǎn)生顯著影響.國有商業(yè)銀行和部分股份制商業(yè)銀行由于在整個(gè)經(jīng)濟(jì)系統(tǒng)中占有較大規(guī)模的信貸比例和信貸關(guān)系，這些銀行的違約能夠影響到大部分的銀行和企業(yè)，進(jìn)而能夠?qū)φ麄€(gè)經(jīng)濟(jì)系統(tǒng)產(chǎn)生重大影響.而在所有企業(yè)中，引發(fā)較高系統(tǒng)性風(fēng)險(xiǎn)的企業(yè)主要集中在房地產(chǎn)業(yè)、居民服務(wù)、修理和其他服務(wù)業(yè)以及制造業(yè).

圖4 銀行與企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)

上述分析了單個(gè)銀行或企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)效應(yīng)，本節(jié)進(jìn)一步分析整個(gè)實(shí)體經(jīng)濟(jì)和銀行系統(tǒng)對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)程度.其中，實(shí)體經(jīng)濟(jì)對(duì)經(jīng)濟(jì)系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)程度是指所有單個(gè)企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)總效應(yīng)占所有單個(gè)銀行和企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)總效應(yīng)之比.顯然，銀行系統(tǒng)對(duì)經(jīng)濟(jì)系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)程度是指所有單個(gè)銀行違約引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)總效應(yīng)占所有單個(gè)銀行和企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)總效應(yīng)之比.圖5顯示了2013年～2017年銀行系統(tǒng)與實(shí)體經(jīng)濟(jì)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)程度.從圖5中可以看出，2013年和2015年實(shí)體經(jīng)濟(jì)的系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)程度超過了銀行系統(tǒng)，這更加說明了本研究在分析系統(tǒng)性風(fēng)險(xiǎn)時(shí)不能忽視實(shí)體經(jīng)濟(jì)的風(fēng)險(xiǎn)反饋?zhàn)饔?在2016年和2017年，實(shí)體經(jīng)濟(jì)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)程度顯著在降低，這也體現(xiàn)了我國在防范金融風(fēng)險(xiǎn)的政策起到顯著作用.

圖5 系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)程度

3.2.5 系統(tǒng)性風(fēng)險(xiǎn)的影響因素

為了更有針對(duì)性的應(yīng)對(duì)系統(tǒng)性風(fēng)險(xiǎn)，需要了解能夠?qū)ο到y(tǒng)性風(fēng)險(xiǎn)產(chǎn)生影響的因素.相關(guān)研究表明銀行和企業(yè)規(guī)模會(huì)對(duì)系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生重要影響，銀行和企業(yè)資產(chǎn)規(guī)模越大，其違約對(duì)經(jīng)濟(jì)系統(tǒng)的沖擊越大[35, 36]；Shim[37]認(rèn)為銀行投資多元化和市場(chǎng)集中度的是影響金融穩(wěn)定的重要因素.此外，杠桿倍數(shù)、資產(chǎn)負(fù)債率、權(quán)益負(fù)債比等因素也會(huì)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生影響[1, 38-40].基于上述研究，本研究通過2013年～2017年的面板數(shù)據(jù)研究銀行引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)與銀行資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率、杠桿倍數(shù)、權(quán)益負(fù)債比、信貸總額和信貸集中度的關(guān)系，以及企業(yè)引發(fā)系統(tǒng)性風(fēng)險(xiǎn)與企業(yè)資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率、杠桿倍數(shù)、權(quán)益負(fù)債比、融資總額和融資集中度的關(guān)系.通過Herfindhal指數(shù)計(jì)算銀行信貸集中度和企業(yè)融資集中度.對(duì)銀行規(guī)模、企業(yè)規(guī)模、信貸總額和融資總額作取對(duì)數(shù)處理，并分別對(duì)銀行和企業(yè)建立如下面板數(shù)據(jù)回歸模型

year+εit

(18)

year+εit

(19)

對(duì)模型主要變量的描述性統(tǒng)計(jì)結(jié)果如表3和表4所示，可知：企業(yè)的平均規(guī)模要大于銀行，但銀行引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)效應(yīng)平均值和標(biāo)準(zhǔn)差均大于企業(yè)；銀行的平均杠桿倍數(shù)和資產(chǎn)負(fù)債率均高于企業(yè)，銀行的平均權(quán)益負(fù)債比遠(yuǎn)低于企業(yè).權(quán)益負(fù)債比作為衡量企業(yè)償債能力的重要指標(biāo)，權(quán)益負(fù)債比越高，銀行或者企業(yè)抵御風(fēng)險(xiǎn)的能力越強(qiáng)，這也反映了銀行業(yè)處于較高的風(fēng)險(xiǎn)水平.此外，企業(yè)的融資總額和融資集中度分別與銀行的貸款總額和貸款集中度相近.

表3 銀行相關(guān)變量描述性統(tǒng)計(jì)

表4 企業(yè)相關(guān)變量描述性統(tǒng)計(jì)

表5和表6結(jié)果顯示，資產(chǎn)規(guī)模、信貸總額、融資總額、杠桿倍數(shù)和資產(chǎn)負(fù)債率與系統(tǒng)性風(fēng)險(xiǎn)具有顯著正相關(guān)關(guān)系.全球金融穩(wěn)定委員會(huì)將資產(chǎn)規(guī)模作為識(shí)別系統(tǒng)重要性金融機(jī)構(gòu)指標(biāo)之一，這顯然意味著資產(chǎn)規(guī)模越大的銀行或企業(yè)往往處于重要的地位，其違約會(huì)對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)產(chǎn)生較大沖擊，引發(fā)較高的系統(tǒng)性風(fēng)險(xiǎn).而信貸總額越大的銀行和融資總額越大企業(yè)，他們?cè)谡麄€(gè)風(fēng)險(xiǎn)傳染渠道中是關(guān)鍵性節(jié)點(diǎn)，其違約往往會(huì)擴(kuò)大風(fēng)險(xiǎn)傳染效應(yīng)，進(jìn)而引發(fā)更大程度的系統(tǒng)性風(fēng)險(xiǎn).杠桿倍數(shù)和資產(chǎn)負(fù)債率是衡量銀行和企業(yè)風(fēng)險(xiǎn)水平和償債能力的重要指標(biāo)，杠桿倍數(shù)和資產(chǎn)負(fù)債率越大，銀行和企業(yè)的債務(wù)水平越高，其違約對(duì)其他銀行和企業(yè)造成的風(fēng)險(xiǎn)沖擊越大，這也符合實(shí)際情況.權(quán)益負(fù)債比與系統(tǒng)性風(fēng)險(xiǎn)呈顯著負(fù)相關(guān)關(guān)系，這主要因?yàn)闄?quán)益負(fù)債比越高，表示銀行和企業(yè)的核心資本比例越高，抵御風(fēng)險(xiǎn)沖擊的能力越強(qiáng)，降低了對(duì)其他銀行和企業(yè)的風(fēng)險(xiǎn)傳染影響.

表5 銀行引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)影響因素

表6 企業(yè)引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)影響因素

從表5可以看出，銀行引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)隨著銀行信貸集中度增加而變小.這是因?yàn)榇笠?guī)模銀行一般會(huì)持有更多元化的信貸組合，并且大部分企業(yè)和銀行都具有信貸關(guān)系.因此，大規(guī)模銀行的信貸集中度相對(duì)較小，但信貸規(guī)模要比中小規(guī)模銀行大的多，導(dǎo)致大規(guī)模銀行的違約能夠?qū)Υ蟛糠制髽I(yè)和銀行產(chǎn)生風(fēng)險(xiǎn)沖擊，引發(fā)較大的系統(tǒng)性風(fēng)險(xiǎn).而中小規(guī)模銀行信貸對(duì)象相對(duì)單一，相對(duì)大規(guī)模銀行來說，信貸集中度較高，但信貸規(guī)模相對(duì)較小.小規(guī)模銀行的違約所造成的風(fēng)險(xiǎn)沖擊就要小的多.此結(jié)果說明信貸組合的多元化并不一定會(huì)降低系統(tǒng)性風(fēng)險(xiǎn)，要同時(shí)考慮信貸規(guī)模和網(wǎng)絡(luò)效應(yīng).

表6顯示企業(yè)引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)隨著企業(yè)融資集中度的增加而增加.這主要在于：當(dāng)企業(yè)從多家銀行貸款時(shí)，由于資本緩沖的存在，該企業(yè)的違約對(duì)銀行造成的風(fēng)險(xiǎn)損失被銀行自身所吸收，阻止了風(fēng)險(xiǎn)的進(jìn)一步擴(kuò)散.但當(dāng)貸款集中于1家或少數(shù)幾家銀行時(shí)，該企業(yè)違約對(duì)銀行造成的風(fēng)險(xiǎn)損失就可能超過銀行的資本緩沖閾值，進(jìn)而引起風(fēng)險(xiǎn)的級(jí)聯(lián)效應(yīng)，放大了風(fēng)險(xiǎn)的傳染效應(yīng).這也說明降低企業(yè)的融資集中度在一定程度上能夠化解企業(yè)的違約風(fēng)險(xiǎn)，從而降低其對(duì)經(jīng)濟(jì)系統(tǒng)的風(fēng)險(xiǎn)沖擊.

此外，對(duì)銀行控制年份固定效應(yīng)和類型固定效應(yīng)以及對(duì)企業(yè)控制年份固定效應(yīng)和行業(yè)固定效應(yīng)，回歸結(jié)果依然穩(wěn)健.當(dāng)解釋變量和誤差項(xiàng)之間存在相關(guān)性時(shí)，可能會(huì)出現(xiàn)內(nèi)生性問題.測(cè)量誤差、自變量和因變量之間的相互因果關(guān)系和遺漏變量等因素均會(huì)引起變量間的內(nèi)生性問題.為了進(jìn)一步對(duì)回歸結(jié)果的穩(wěn)健性進(jìn)行檢驗(yàn)，本研究通過使用滯后一期的解釋變量作為工具變量來排除潛在的內(nèi)生性問題.回歸結(jié)果見表7和表8，可以看到滯后一期回歸結(jié)果與原始結(jié)果基本一致.

表7 滯后一期條件下銀行引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)影響因素

表8 滯后一期條件下企業(yè)引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)影響因素

4 結(jié)束語

在我國社會(huì)經(jīng)濟(jì)發(fā)展過程中，金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間具有高度的債務(wù)關(guān)聯(lián)性.此關(guān)聯(lián)性在促進(jìn)社會(huì)經(jīng)濟(jì)發(fā)展的同時(shí)，為系統(tǒng)性風(fēng)險(xiǎn)形成提供了風(fēng)險(xiǎn)傳染渠道，使得系統(tǒng)性風(fēng)險(xiǎn)在金融系統(tǒng)與實(shí)體經(jīng)濟(jì)間具有反饋效應(yīng).而現(xiàn)有對(duì)我國系統(tǒng)性風(fēng)險(xiǎn)研究往往聚焦于金融系統(tǒng)，忽視了其與實(shí)體經(jīng)濟(jì)之間風(fēng)險(xiǎn)反饋效應(yīng).針對(duì)此，本研究提出了一種新的DebtRank模型，用于度量具有風(fēng)險(xiǎn)反饋的系統(tǒng)性風(fēng)險(xiǎn).基于我國2013年～2017年銀行與實(shí)體企業(yè)相關(guān)數(shù)據(jù)，對(duì)我國系統(tǒng)性風(fēng)險(xiǎn)的反饋效應(yīng)與影響因素進(jìn)行實(shí)證研究，得到如下主要結(jié)論.

1)我國銀行系統(tǒng)性風(fēng)險(xiǎn)主要來源規(guī)模大的銀行，大規(guī)模銀行的系統(tǒng)性風(fēng)險(xiǎn)顯著大于小規(guī)模銀行的系統(tǒng)性風(fēng)險(xiǎn).這也在此印證銀行“太大而不能倒”問題.而忽視實(shí)體經(jīng)濟(jì)在銀行系統(tǒng)性風(fēng)險(xiǎn)的作用，將會(huì)造成低估銀行系統(tǒng)性風(fēng)險(xiǎn).其中，在2017年時(shí)造成大規(guī)模銀行的系統(tǒng)性風(fēng)險(xiǎn)低估超過70%.

2)我國實(shí)體經(jīng)濟(jì)不同行業(yè)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響具有顯著差異性.在所有行業(yè)中，制造業(yè)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)影響最大，該行業(yè)遭受沖擊很可能通過風(fēng)險(xiǎn)反饋機(jī)制造成銀行系統(tǒng)崩潰；當(dāng)行業(yè)遭受較大程度沖擊時(shí)候，居民服務(wù)、修理和其他服務(wù)業(yè)以及房地產(chǎn)業(yè)亦會(huì)對(duì)銀行系統(tǒng)產(chǎn)生較大影響，甚至?xí)?dǎo)致銀行系統(tǒng)崩潰.但隨著我國房地產(chǎn)調(diào)控政策的實(shí)施，房地產(chǎn)行業(yè)對(duì)銀行系統(tǒng)的影響顯著降低.

3)我國銀行系統(tǒng)對(duì)實(shí)體經(jīng)濟(jì)系統(tǒng)性風(fēng)險(xiǎn)具有顯著影響，而且不同類型銀行的影響具有顯著差異性.其中，國有商業(yè)銀行和股份制商業(yè)銀行對(duì)實(shí)體經(jīng)濟(jì)造成的風(fēng)險(xiǎn)效應(yīng)最為顯著，而且他們?cè)斐傻挠绊懢@著高于城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行.

4)絕大部分銀行和企業(yè)引發(fā)的整個(gè)經(jīng)濟(jì)系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)很小，只有極少部分銀行和企業(yè)能夠?qū)φ麄€(gè)經(jīng)濟(jì)系統(tǒng)產(chǎn)生較大影響，并且銀行違約對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)的影響大于企業(yè)違約的影響.在銀行系統(tǒng)中引發(fā)較大系統(tǒng)性風(fēng)險(xiǎn)的少數(shù)銀行主要集中在5大國有商業(yè)銀行和部分股份制商業(yè)銀行.而在所有企業(yè)中，引發(fā)較高系統(tǒng)性風(fēng)險(xiǎn)的企業(yè)主要集中在房地產(chǎn)業(yè)、居民服務(wù)、修理和其他服務(wù)業(yè)以及制造業(yè).銀行系統(tǒng)對(duì)整個(gè)經(jīng)濟(jì)系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)程度隨著時(shí)間在變化，不一定就比實(shí)體經(jīng)濟(jì)的高.

5)系統(tǒng)性風(fēng)險(xiǎn)影響因素分析結(jié)果顯示：銀行與企業(yè)的資產(chǎn)規(guī)模、杠桿倍數(shù)和資產(chǎn)負(fù)債率，以及銀行信貸總額和企業(yè)融資總額均與系統(tǒng)性風(fēng)險(xiǎn)具有顯著正相關(guān)關(guān)系；銀行與企業(yè)的權(quán)益負(fù)債比與系統(tǒng)性風(fēng)險(xiǎn)具有顯著負(fù)相關(guān)關(guān)系；銀行信貸集中度對(duì)銀行違約引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)具有負(fù)向影響，而企業(yè)融資集中度對(duì)企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)有正向影響.

由上述結(jié)論可知，在防范系統(tǒng)性風(fēng)險(xiǎn)發(fā)生過程中，不能僅從單一的銀行系統(tǒng)出發(fā)，應(yīng)同時(shí)考慮實(shí)體經(jīng)濟(jì)對(duì)銀行系統(tǒng)的影響.首先，重點(diǎn)關(guān)注在銀行系統(tǒng)中處于核心地位的大規(guī)模銀行，對(duì)大規(guī)模銀行增設(shè)附加資本，充分發(fā)揮大規(guī)模銀行“風(fēng)險(xiǎn)屏障”的作用，這樣既降低了銀行系統(tǒng)性風(fēng)險(xiǎn)發(fā)生的概率，又有利于發(fā)揮金融行業(yè)的資本效率，更有效的服務(wù)實(shí)體經(jīng)濟(jì).其次，“結(jié)構(gòu)性去杠桿”應(yīng)從金融去杠桿向?qū)嶓w去杠桿轉(zhuǎn)變，不僅要降低系統(tǒng)重要性銀行的杠桿率，也要嚴(yán)格控制風(fēng)險(xiǎn)較高行業(yè)的杠桿水平，如制造業(yè)和房地產(chǎn)業(yè)等，防止實(shí)體經(jīng)濟(jì)對(duì)金融行業(yè)的風(fēng)險(xiǎn)反饋效應(yīng).最后，要充分發(fā)揮“貨幣政策和宏觀審慎政策雙支柱”相結(jié)合的監(jiān)管措施，應(yīng)重視金融系統(tǒng)和實(shí)體經(jīng)濟(jì)間的金融加速器效應(yīng).