郭紅玉，皓 星，楊景陸

（對外經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院， 北京 100029）

一、引言

2008 年全球金融危機(jī)引發(fā)學(xué)術(shù)界與政策制定者對系統(tǒng)性風(fēng)險、宏觀審慎監(jiān)管、銀行風(fēng)險承擔(dān)等議題的廣泛關(guān)注。 部分學(xué)者認(rèn)為，銀行業(yè)過度風(fēng)險承擔(dān)行為是金融危機(jī)爆發(fā)的重要推手，而危機(jī)前長期寬松的貨幣政策是主要原因之一。自Borio and Zhu（2012）首次提出貨幣政策的風(fēng)險承擔(dān)渠道后，學(xué)者對該機(jī)制展開廣泛的理論與實證研究，國內(nèi)學(xué)者的研究多證實寬松貨幣政策會增加銀行風(fēng)險承擔(dān)，由于金融系統(tǒng)內(nèi)存在網(wǎng)絡(luò)關(guān)聯(lián)，銀行業(yè)積累的風(fēng)險又會通過關(guān)聯(lián)網(wǎng)絡(luò)傳導(dǎo)至其他金融子部門，造成金融系統(tǒng)內(nèi)風(fēng)險的整體放大。然而，隨著對系統(tǒng)性風(fēng)險研究的不斷深入，又有學(xué)者發(fā)現(xiàn)，中國經(jīng)濟(jì)金融系統(tǒng)中的風(fēng)險源頭在于實體經(jīng)濟(jì)， 包括銀行在內(nèi)的金融體系則具有風(fēng)險吸收的作用。 2008 年全球金融危機(jī)是由金融系統(tǒng)風(fēng)險引發(fā)的，而2020 年新冠肺炎疫情危機(jī)則是由黑天鵝事件對實體經(jīng)濟(jì)的負(fù)面沖擊引發(fā)的，在此背景下，研究銀行在金融危機(jī)與經(jīng)濟(jì)危機(jī)中究竟是放大風(fēng)險還是吸收了風(fēng)險，具有重要現(xiàn)實意義與政策價值。

系統(tǒng)性風(fēng)險的準(zhǔn)確識別與度量是研究上述問題的前提。 2008 年金融危機(jī)后，學(xué)術(shù)界對系統(tǒng)性風(fēng)險的度量展開廣泛研究，CoVaR 和MES 方法成為度量系統(tǒng)性風(fēng)險的主流方法，然而這兩種方法存在無法捕捉極端事件中的尾部風(fēng)險與無法反映單個機(jī)構(gòu)風(fēng)險特征的問題，且主要度量單家機(jī)構(gòu)的系統(tǒng)性風(fēng)險貢獻(xiàn)程度而非金融系統(tǒng)的整體風(fēng)險。 為彌補(bǔ)上述缺陷，許多學(xué)者基于copula 方法構(gòu)建不同的系統(tǒng)性風(fēng)險度量指標(biāo)， 精確捕捉在極端事件下金融系統(tǒng)尾部風(fēng)險的變化。 然而，上述方法在分析樣本區(qū)間內(nèi)的系統(tǒng)性風(fēng)險變化時，多采用滾動窗口計算系統(tǒng)性風(fēng)險序列，并結(jié)合系統(tǒng)性風(fēng)險時變圖進(jìn)行描述性分析， 這種方法只能識別系統(tǒng)性風(fēng)險變化的方向， 無法識別變化的顯著性與結(jié)構(gòu)性， 容易誤將隨機(jī)擾動與不顯著的方向變化識別為系統(tǒng)重要性結(jié)構(gòu)變化， 使得政策應(yīng)用價值大打折扣。

本文的貢獻(xiàn)主要體現(xiàn)在以下兩方面：第一，本文以EVT-copula 方法為基礎(chǔ)，引入時間序列門檻模型，能夠同時識別系統(tǒng)性風(fēng)險變化的顯著性與結(jié)構(gòu)性，具有實時監(jiān)測系統(tǒng)性風(fēng)險變化的政策應(yīng)用價值。 第二，本文研究發(fā)現(xiàn)，在2008 年全球金融危機(jī)期間，金融系統(tǒng)整體風(fēng)險被放大，在2020 年新冠肺炎疫情期間，系統(tǒng)性風(fēng)險則主要向銀行業(yè)集中，對其他金融機(jī)構(gòu)起保護(hù)作用。

二、文獻(xiàn)綜述與研究假設(shè)

國內(nèi)學(xué)者的研究證實，在次貸危機(jī)期間，中國金融系統(tǒng)內(nèi)各部門風(fēng)險均出現(xiàn)不同程度的上升，而銀行業(yè)風(fēng)險激增是金融系統(tǒng)整體風(fēng)險上升的主要原因。朱曉謙等（2018）發(fā)現(xiàn)在次貸危機(jī)期間，中國銀行業(yè)的境外投資損失給銀行帶來負(fù)面沖擊， 系統(tǒng)性風(fēng)險顯著上升，同時證券行業(yè)的風(fēng)險也有所上漲，保險行業(yè)風(fēng)險則始終維持在高位， 銀行業(yè)對金融系統(tǒng)整體風(fēng)險的影響始終高于其他行業(yè)。 王輝等（2020）證實次貸危機(jī)影響了國內(nèi)金融市場的穩(wěn)定性， 國內(nèi)銀行系統(tǒng)性風(fēng)險事件出現(xiàn)的概率激增。 李政等（2020）檢驗了中國經(jīng)濟(jì)系統(tǒng)中各部門間的網(wǎng)絡(luò)關(guān)聯(lián)特征， 發(fā)現(xiàn)相較于與實體行業(yè)的關(guān)聯(lián)性，金融行業(yè)內(nèi)部的關(guān)聯(lián)更為密切，金融行業(yè)內(nèi)部通過多種形式的金融創(chuàng)新開展業(yè)務(wù)合作， 混業(yè)經(jīng)營趨勢明顯，具有更為豐富的傳導(dǎo)渠道，即中國金融系統(tǒng)內(nèi)部呈現(xiàn)網(wǎng)絡(luò)關(guān)聯(lián)性。全球金融危機(jī)期間，銀行業(yè)風(fēng)險激增會通過關(guān)聯(lián)網(wǎng)絡(luò)傳導(dǎo)至整個金融系統(tǒng)， 造成金融系統(tǒng)整體風(fēng)險的放大。 基于此，本文提出假設(shè)1：

假設(shè)1：全球金融危機(jī)期間，金融系統(tǒng)內(nèi)各部門間系統(tǒng)性風(fēng)險均顯著上升，金融系統(tǒng)整體風(fēng)險放大。

近年來，部分學(xué)者探討了銀行的風(fēng)險吸收功能。賈妍妍等（2020）認(rèn)為系統(tǒng)性風(fēng)險的實際源頭在于實體經(jīng)濟(jì)，而金融系統(tǒng)則具有風(fēng)險吸收的作用，體現(xiàn)了金融體系的專業(yè)風(fēng)險管理功能，并將風(fēng)險吸收定義為包含銀行在內(nèi)的金融體系降低實體經(jīng)濟(jì)風(fēng)險的作用，為辯證看待銀行風(fēng)險承擔(dān)提供了新視角。張?zhí)鸬虾陀嘌╋w（2021）基于貝葉斯網(wǎng)絡(luò)與copula R 藤的樹形拓?fù)浣Y(jié)構(gòu)測度風(fēng)險傳染過程，也得出系統(tǒng)性風(fēng)險源頭來自實體經(jīng)濟(jì)的結(jié)論。 Naceur et al.（2018） 則提出一種銀行風(fēng)險吸收機(jī)制： 銀行通過信貸活動增強(qiáng)其風(fēng)險吸收能力。 銀行期限錯配的貸款業(yè)務(wù)必然伴隨風(fēng)險承擔(dān)， 這種機(jī)制就建立了銀行風(fēng)險承擔(dān)與銀行風(fēng)險吸收間的聯(lián)系： 銀行風(fēng)險承擔(dān)增加使實體部門獲得更多的流動性支持，從而降低企業(yè)破產(chǎn)的概率，而在企業(yè)破產(chǎn)實際發(fā)生時，銀行可能無法收回全部貸款，與企業(yè)共同承擔(dān)全部損失。 即銀行風(fēng)險承擔(dān)越多，銀行通過貸款業(yè)務(wù)與其他部門建立聯(lián)系， 通過流動性補(bǔ)充與風(fēng)險共擔(dān)機(jī)制吸收了其他部門的風(fēng)險， 銀行風(fēng)險吸收能力越強(qiáng)。

對貨幣政策風(fēng)險承擔(dān)渠道的研究表明，寬松型貨幣政策會增加銀行風(fēng)險承擔(dān)，貨幣政策通過調(diào)控利率進(jìn)而通過多種渠道影響銀行風(fēng)險承擔(dān)行為，如估值效應(yīng)渠道、利效應(yīng)渠道等。 江曙霞等（2012）將存款準(zhǔn)備金率納入貨幣政策風(fēng)險承擔(dān)渠道的理論模型，并進(jìn)行實證檢驗，證明準(zhǔn)備金率政策與利率政策對銀行風(fēng)險承擔(dān)的影響方向一致。 在新冠肺炎疫情暴發(fā)前夕，準(zhǔn)備金率由2017 年的16.5%逐步下調(diào)至9.9%， 如圖1所示，2019 年 8 月 LPR 改革后，LPR 利率也不斷下調(diào)。 數(shù)量型與價格型貨幣政策均表明，新冠肺炎疫情暴發(fā)前夕我國正處于寬松貨幣政策區(qū)間，根據(jù)貨幣政策的風(fēng)險承擔(dān)渠道，銀行風(fēng)險承擔(dān)將顯著增加，從而銀行風(fēng)險吸收能力也會增加，在新冠肺炎疫情期間可能對其他部門提供保護(hù)作用。 殷秀仙等（2020）發(fā)現(xiàn)，LPR 改革后，高風(fēng)險中小企業(yè)增加的銀行貸款顯著更多，說明銀行風(fēng)險承擔(dān)行為確實顯著增加?；诖?，本文提出假設(shè)2：

圖1 LPR 改革以來我國LPR：1 年變化情況

假設(shè)2：新冠疫情期間，系統(tǒng)性風(fēng)險主要向銀行業(yè)集中，銀行風(fēng)險吸收為其他金融機(jī)構(gòu)提供保護(hù)作用。

綜上所述，銀行業(yè)在不同類型的危機(jī)中可能具有異質(zhì)性作用，兩種危機(jī)的關(guān)鍵差異在于危機(jī)的傳導(dǎo)起點不同。在2008 年的系統(tǒng)性金融危機(jī)中，中國銀行業(yè)的境外投資損失給銀行帶來負(fù)面沖擊 （朱曉謙等，2018）， 此時銀行業(yè)的系統(tǒng)性風(fēng)險通過金融系統(tǒng)的網(wǎng)絡(luò)關(guān)聯(lián)傳導(dǎo)至其他部門（李政等，2020），金融系統(tǒng)整體風(fēng)險放大。 在這種危機(jī)中，銀行業(yè)的風(fēng)險傳染具有“火上澆油”的影響。 而在2020 年的新冠肺炎疫情危機(jī)中，其他實體經(jīng)濟(jì)部門首先受到?jīng)_擊，銀行業(yè)則穩(wěn)健經(jīng)營，銀行業(yè)與其他部門間的貸款業(yè)務(wù)聯(lián)系緩沖了危機(jī)對這些部門的影響，此時銀行業(yè)吸收了來自其他部門的風(fēng)險。 在這種危機(jī)中，銀行業(yè)的風(fēng)險吸收具有“雪中送炭”的作用。 具體邏輯鏈條如圖2 所示。

圖2 銀行業(yè)在不同類型的危機(jī)中的異質(zhì)性作用

三、模型設(shè)定與數(shù)據(jù)描述

（一）模型設(shè)定

在極端事件發(fā)生時，系統(tǒng)性風(fēng)險度量指標(biāo)應(yīng)當(dāng)精準(zhǔn)捕捉風(fēng)險變化的方向性與顯著性，以及時防范與化解系統(tǒng)性危機(jī)，而傳統(tǒng)的線性相關(guān)系數(shù)在危機(jī)期間捕捉風(fēng)險變化的效果甚微。 趙寧等（2019）對比發(fā)現(xiàn)，在2008 年全球金融危機(jī)期間， 線性相關(guān)系數(shù)始終保持低位，無顯著的方向性變化，而EVT-copula 模型構(gòu)建的下尾相關(guān)系數(shù)則在危機(jī)期間出現(xiàn)明顯攀升，證明該方法能夠精確捕捉極值事件中的風(fēng)險變化。為識別全球金融危機(jī)與新冠肺炎疫情期間中國金融系統(tǒng)各部門間的風(fēng)險變化情況， 本文以Wind 行業(yè)指數(shù)日收盤價數(shù)據(jù)為基礎(chǔ)， 沿用EVT-copula 方法構(gòu)建系統(tǒng)性風(fēng)險度量指標(biāo)，并引入時間序列門檻模型同時識別系統(tǒng)性風(fēng)險變化的顯著性與結(jié)構(gòu)性。

首先采用樣本數(shù)據(jù)計算出相應(yīng)的對數(shù)收益率序列，對數(shù)收益率的計算公式為：

由于金融數(shù)據(jù)的尖峰厚尾特性， 相比于正態(tài)分布，廣義極值分布擬合收益率數(shù)據(jù)邊緣分布的效果更好，廣義極值分布的表達(dá)式為：

其中，μ 是位置參數(shù)，σ 是尺度參數(shù)，ξ 是形狀參數(shù)。

在估計出邊緣分布后， 用Clayton copula 函數(shù)擬合聯(lián)合違約概率，Clayton copula 的生成函數(shù)是：

最后用極大似然法估計出copula 參數(shù)的值作為系統(tǒng)性風(fēng)險的估計值，稱為下尾相關(guān)系數(shù)（LTDC）：

由于系統(tǒng)性風(fēng)險是實時變化的，本文通過窗口滾動過程，實現(xiàn)下尾相關(guān)系數(shù)值的時變滾動，最終得到數(shù)據(jù)區(qū)間內(nèi)的下尾相關(guān)系數(shù)的序列數(shù)據(jù)。 借鑒Diebold 等（2014）的處理方法，選擇窗口寬度為100個數(shù)據(jù)單位， 并分別用75 和125 個數(shù)據(jù)單位的滾動窗口進(jìn)行穩(wěn)健性檢驗。

但是， 尾部相關(guān)性雖然以條件概率的方式提出，卻暗含了兩個變量趨向于極限時的條件概率相等的假設(shè)，相當(dāng)于喪失了變量間的因果關(guān)系。因此，下尾相關(guān)系數(shù)只體現(xiàn)兩部門間的風(fēng)險相關(guān)性， 不具有方向性，無法識別部門間風(fēng)險傳導(dǎo)方向。因此，為識別金融系統(tǒng)的風(fēng)險放大與風(fēng)險吸收，需要采用如下組合識別策略：

估計銀行間下尾相關(guān)系數(shù)序列A、銀行與其他金融機(jī)構(gòu)間下尾相關(guān)系數(shù)序列B 以及其他金融機(jī)構(gòu)間下尾相關(guān)系數(shù)序列C。

（1）如果在樣本區(qū)間內(nèi)，A、B、C 同時顯著增加，說明金融系統(tǒng)整體風(fēng)險上升；

（2）如果在樣本區(qū)間內(nèi)，A 顯著上升，B 與 C 同時顯著下降，說明系統(tǒng)性風(fēng)險主要累積在銀行業(yè)，銀行風(fēng)險吸收對其他金融機(jī)構(gòu)起保護(hù)作用。

為進(jìn)一步識別系統(tǒng)性風(fēng)險變化的顯著性與結(jié)構(gòu)性，本文引入Hansen（2000）的時間序列門檻模型，選定區(qū)制變量， 以殘差平方和最小化為條件確定門檻值，根據(jù)搜尋到的門檻值將樣本分為多個區(qū)間分別進(jìn)行回歸，得到每個區(qū)間的回歸方程，通過樣本自抽樣（Bootstrap）方法構(gòu)造LM 統(tǒng)計量，檢驗不同區(qū)間的系數(shù)是否顯著不同。 該模型設(shè)定為：

其中，Yt表示下尾相關(guān)系數(shù)，t 表示時間， 系數(shù)估計值θ 就表示下尾相關(guān)系數(shù)的變化率，區(qū)制變量設(shè)定為時間t，T 表示相應(yīng)的時間門檻值。

鄒檢驗等方法也可以識別時間序列數(shù)據(jù)的結(jié)構(gòu)性變動，可作為穩(wěn)健性檢驗，本文通過設(shè)置虛擬變量的方法， 使用鄒檢驗、Wald 檢驗、LR 檢驗以及 LM 檢驗來檢驗不同區(qū)間內(nèi)下尾相關(guān)系數(shù)的變化趨勢是否存在顯著差異。 具體的模型設(shè)置如下：

其中，D0和D1表示兩個虛擬變量，若樣本期在區(qū)間1，則D0和D1取值都為1，若樣本期在區(qū)間2，則D0和D1取值都為0。

（二）數(shù)據(jù)選取與描述性統(tǒng)計

本文研究全球金融危機(jī)及新冠肺炎疫情期間中國金融系統(tǒng)內(nèi)部風(fēng)險變化的異質(zhì)性特征，因此樣本數(shù)據(jù)涵蓋兩個區(qū)間段：（1）2005 年 1 月 1 日-2013 年 12月31 日， 此區(qū)間涵蓋了2008 年金融危機(jī)的全過程，包括了危機(jī)的前夕、 爆發(fā)與平息；（2）2019 年 1 月 1日-2020 年 10 月 31 日， 此區(qū)間涵蓋了 LPR 改革、疫情的全面暴發(fā)以及疫情在中國基本得到控制。通過考察兩個區(qū)間中國金融系統(tǒng)內(nèi)部各部門間下尾相關(guān)系數(shù)的動態(tài)變化得出研究結(jié)論。

選取Wind 四級行業(yè)指數(shù)中的多元化銀行指數(shù)和區(qū)域性銀行指數(shù)來測度銀行間系統(tǒng)性風(fēng)險， 同時選取Wind 中國行業(yè)指數(shù)中的銀行指數(shù)、多元金融指數(shù)、 券商指數(shù)及保險指數(shù)以測度金融系統(tǒng)各部門間系統(tǒng)性風(fēng)險，選用指標(biāo)為各指數(shù)的日收盤價數(shù)據(jù)。 其中，由于區(qū)域性銀行指數(shù)從2007 年起才開始有數(shù)據(jù)，對銀行間系統(tǒng)性風(fēng)險的測度從2007 年開始， 但由于金融危機(jī)的全面爆發(fā)也始于2007 年， 因此不影響本文結(jié)論。

根據(jù)公式（1）計算出相應(yīng)的對數(shù)收益率序列，最終根據(jù)公式（4）計算銀行間下尾相關(guān)系數(shù)、銀行與其他金融機(jī)構(gòu)間下尾相關(guān)系數(shù)，以及其他金融機(jī)構(gòu)間下尾相關(guān)系數(shù)。然后對樣本區(qū)間內(nèi)的下尾相關(guān)系數(shù)進(jìn)行初步的描述性統(tǒng)計，描述性統(tǒng)計結(jié)果見表1。

表1 下尾相關(guān)系數(shù)描述性統(tǒng)計

從表1 中可以發(fā)現(xiàn)，縱觀兩次危機(jī)區(qū)間，下尾相關(guān)系數(shù)的最小值也高達(dá)0.5649，說明整個金融系統(tǒng)內(nèi)部均存在很強(qiáng)的風(fēng)險相關(guān)性。 銀行間下尾相關(guān)系數(shù)均值最大，說明銀行業(yè)系統(tǒng)性風(fēng)險集聚效應(yīng)最強(qiáng)， 銀行業(yè)與保險行業(yè)間下尾相關(guān)系數(shù)均值次之，說明銀行業(yè)與保險行業(yè)間的風(fēng)險相關(guān)性最強(qiáng)。 李紹芳等（2018）的研究發(fā)現(xiàn)銀行和保險機(jī)構(gòu)是受系統(tǒng)性風(fēng)險影響最為顯著的部門，描述性統(tǒng)計結(jié)果很好地支持了這一結(jié)論。 對比兩次危機(jī)期間系統(tǒng)性風(fēng)險的異質(zhì)性特征，券商與銀行業(yè)、券商與保險行業(yè)間的下尾相關(guān)系數(shù)在全球金融危機(jī)期間均值更大，說明金融危機(jī)期間券商行業(yè)與其他金融部門間的風(fēng)險聯(lián)動性更強(qiáng)；其他行業(yè)間的下尾相關(guān)系數(shù)則在新冠肺炎疫情期間均值更大，隨著金融體系不斷發(fā)展完善，金融系統(tǒng)各部門間系統(tǒng)性風(fēng)險關(guān)聯(lián)性有所上升；與全球金融危機(jī)期間相比，近年來各部門間系統(tǒng)性風(fēng)險的波動性也明顯增加， 除券商與保險行業(yè)， 各部門間下尾相關(guān)系數(shù)的標(biāo)準(zhǔn)差均明顯增加。整體來看，近年來金融系統(tǒng)各部門風(fēng)險網(wǎng)絡(luò)的相關(guān)性與波動性均明顯上升。

四、實證研究

（一）下尾相關(guān)系數(shù)描述性分析

系統(tǒng)性風(fēng)險需從時間與空間兩個維度體現(xiàn)。 本文利用滾動時間窗口估計的方法， 刻畫尾部依賴的動態(tài)變化。 當(dāng)下尾相關(guān)系數(shù)變大時， 二者相依性變強(qiáng)，系統(tǒng)性風(fēng)險升高，下尾相關(guān)系數(shù)下降則代表二者尾部依賴性變小， 系統(tǒng)性風(fēng)險亦變小。 參照以往研究， 首先對樣本區(qū)間內(nèi)的下尾相關(guān)系數(shù)進(jìn)行描述性分析。

圖3 顯示了2008 年全球金融危機(jī)期間中國金融系統(tǒng)各部門間系統(tǒng)性風(fēng)險的動態(tài)演變。 從圖中可以看出，在陰影區(qū)間內(nèi)金融危機(jī)的全面爆發(fā)時期，金融系統(tǒng)各部門間的系統(tǒng)性風(fēng)險均呈現(xiàn)不同幅度的上升，其中銀行業(yè)的系統(tǒng)性風(fēng)險由0.77 飆升至0.8 的高位， 銀行業(yè)與其他金融機(jī)構(gòu)間的系統(tǒng)性風(fēng)險也均呈現(xiàn)不同幅度的上升， 銀行業(yè)與多元金融行業(yè)間的風(fēng)險上升較為溫和，由0.64 上升至0.68，而銀行業(yè)與保險行業(yè)間的風(fēng)險漲幅最大，由0.68 上升至0.76，漲幅接近0.1， 說明銀行業(yè)與保險行業(yè)的風(fēng)險關(guān)聯(lián)性最強(qiáng)。 多元金融、券商與保險行業(yè)間的系統(tǒng)性風(fēng)險也大幅上升。2010 年起危機(jī)逐漸平息后，各部門間系統(tǒng)性風(fēng)險才開始下降，但整體風(fēng)險仍高于危機(jī)前水平。 根據(jù)第三部分的判別條件，金融系統(tǒng)整體風(fēng)險上升，假設(shè)1 成立，即危機(jī)期間中國金融系統(tǒng)受到來自美國極端流動性窘迫、若干企業(yè)瀕臨破產(chǎn)的影響風(fēng)險上升，并通過網(wǎng)絡(luò)關(guān)聯(lián)傳導(dǎo)至金融系統(tǒng)各部門， 造成整體風(fēng)險上升。

圖3 全球金融危機(jī)期間中國金融系統(tǒng)各部門間風(fēng)險時變圖

圖4 顯示了新冠肺炎疫情期間中國金融系統(tǒng)各部門間系統(tǒng)性風(fēng)險的動態(tài)演變。與全球金融危機(jī)中的風(fēng)險演變不同之處在于， 新冠肺炎疫情暴發(fā)前夕，中國處于寬松貨幣政策區(qū)間，根據(jù)貨幣政策的風(fēng)險承擔(dān)渠道，銀行風(fēng)險承擔(dān)會顯著上升，銀行風(fēng)險的增加會通過金融系統(tǒng)關(guān)聯(lián)網(wǎng)絡(luò)傳導(dǎo)至其他部門，從圖中可以看出，從 2019 年 8 月中旬 LPR 改革至 2020 年 1 月下旬新冠肺炎疫情全面暴發(fā)的時間區(qū)間內(nèi)，金融系統(tǒng)內(nèi)各部門間系統(tǒng)性風(fēng)險均不同程度上升，說明銀行風(fēng)險承擔(dān)的增加在一般時期表現(xiàn)為金融系統(tǒng)整體風(fēng)險的上升。然而，根據(jù)第二部分的分析可知，銀行風(fēng)險承擔(dān)增加也為銀行風(fēng)險吸收能力創(chuàng)造前提，通過流動性補(bǔ)充與風(fēng)險共擔(dān)機(jī)制吸收其他部門的風(fēng)險，會降低其他部門在實體經(jīng)濟(jì)極端負(fù)面沖擊中爆發(fā)系統(tǒng)性風(fēng)險的概率。 在陰影區(qū)間內(nèi)新冠肺炎疫情全面暴發(fā)時期，只有銀行業(yè)系統(tǒng)性風(fēng)險震蕩上升，其他部門間系統(tǒng)性風(fēng)險均不同程度下降。 需要注意，當(dāng)下尾相關(guān)系數(shù)高于0.8 以后， 繼續(xù)攀升已經(jīng)非常困難， 銀行業(yè)看似僅有0.02 幅度的增長，事實上孕育著大量的風(fēng)險聚積。 銀行與多元金融及券商行業(yè)間的風(fēng)險值則急劇下降，其中，銀行業(yè)與多元金融行業(yè)間的系統(tǒng)性風(fēng)險由0.8 迅速下降至0.65，銀行業(yè)與券商行業(yè)間的系統(tǒng)性風(fēng)險由0.7 迅速下降至0.62， 銀行業(yè)與保險行業(yè)間的系統(tǒng)性風(fēng)險下降幅度較小。 多元金融、券商與保險行業(yè)間的系統(tǒng)性風(fēng)險也大幅下降。根據(jù)判別條件可知假設(shè)2 成立， 即疫情沖擊帶來的風(fēng)險聚集主要由銀行業(yè)所吸收，從而對其他金融機(jī)構(gòu)存在一定的緩沖保護(hù)作用。

圖4 新冠疫情期間中國金融系統(tǒng)各部門間風(fēng)險時變圖

從以上分析中可以得出如下重要結(jié)論： 第一，銀行業(yè)在不同類型的危機(jī)中具有異質(zhì)性作用，在系統(tǒng)性金融危機(jī)中， 銀行業(yè)與其他金融部門風(fēng)險均顯著上升，通過金融系統(tǒng)網(wǎng)絡(luò)聯(lián)結(jié)關(guān)系造成金融系統(tǒng)整體風(fēng)險增加，并容易引發(fā)經(jīng)濟(jì)危機(jī)，而在黑天鵝事件的負(fù)面沖擊造成的實體經(jīng)濟(jì)危機(jī)中，由于銀行業(yè)對其他部門的流動性補(bǔ)充與風(fēng)險共擔(dān)機(jī)制，吸收了其他部門的部分風(fēng)險，降低了其他部門在危機(jī)中爆發(fā)系統(tǒng)性風(fēng)險的概率；第二，銀行風(fēng)險承擔(dān)的增加具有兩面性，一方面使銀行業(yè)的系統(tǒng)性風(fēng)險上升并通過關(guān)聯(lián)網(wǎng)絡(luò)傳導(dǎo)至整個金融系統(tǒng)，另一方面也增加了銀行的風(fēng)險吸收能力， 在實體經(jīng)濟(jì)負(fù)面沖擊為其他部門提供保護(hù)；第三，銀行風(fēng)險吸收功能有效發(fā)揮的前提是銀行體系的穩(wěn)健性，銀行風(fēng)險吸收雖然在實體經(jīng)濟(jì)危機(jī)中降低了其他部門的系統(tǒng)性風(fēng)險，但也造成系統(tǒng)性風(fēng)險在銀行業(yè)的大量積聚，如果銀行始終保持經(jīng)營穩(wěn)健，則能夠成為其他部門的保護(hù)傘，一旦銀行系統(tǒng)崩塌，整個經(jīng)濟(jì)將牽一發(fā)而動全身。因此，加強(qiáng)宏觀審慎監(jiān)管，建設(shè)穩(wěn)健的銀行體系尤為重要。

（二）實證結(jié)果分析

對系統(tǒng)性風(fēng)險的序列分析能有效識別危機(jī)期間系統(tǒng)性風(fēng)險的變化方向，卻無法體現(xiàn)風(fēng)險變化的顯著性與結(jié)構(gòu)性，為進(jìn)一步驗證兩次危機(jī)期間風(fēng)險變化是否具有顯著性，以及風(fēng)險方向的改變是由于隨機(jī)擾動還是由于危機(jī)引起的結(jié)構(gòu)性變化，本小節(jié)采用時間序列門檻模型對兩次危機(jī)中的下尾相關(guān)系數(shù)序列數(shù)據(jù)進(jìn)行實證檢驗，具體檢驗結(jié)果分別見表2 至表4。

表2 門檻效應(yīng)檢驗結(jié)果

表3 區(qū)間（1）時間序列門檻結(jié)果

表4 區(qū)間（2）時間序列門檻結(jié)果

由表2 的門檻效應(yīng)檢驗結(jié)果可知，對兩次危機(jī)區(qū)間內(nèi)各組下尾相關(guān)系數(shù)的變化進(jìn)行LM 檢驗的結(jié)果均拒絕不存在門檻效應(yīng)的原假設(shè)，各組下尾相關(guān)系數(shù)在區(qū)間內(nèi)均存在單一門檻，因此可以認(rèn)為系統(tǒng)性風(fēng)險在兩次危機(jī)期間均發(fā)生了顯著結(jié)構(gòu)性變化。同時也說明門檻模型能夠精準(zhǔn)識別由危機(jī)引發(fā)的系統(tǒng)性風(fēng)險結(jié)構(gòu)性變化，而不會將區(qū)間內(nèi)下尾相關(guān)系數(shù)隨機(jī)的微小方向變動誤識別為結(jié)構(gòu)性變動，具有實時監(jiān)測系統(tǒng)性風(fēng)險結(jié)構(gòu)性變化的政策應(yīng)用價值。

從表3 中可以發(fā)現(xiàn)，在全球金融危機(jī)期間，金融系統(tǒng)各部門間系統(tǒng)性風(fēng)險均顯著上升，假設(shè)1 得到支持。在越過門檻時點后，危機(jī)的影響逐漸減弱，各部門系統(tǒng)性風(fēng)險顯著下降。 從門檻時點來看，銀行業(yè)最先從危機(jī)中恢復(fù)，2009 年2 月起銀行業(yè)系統(tǒng)性風(fēng)險就開始下降，這與危機(jī)期間積極的財政與貨幣刺激政策有關(guān)，銀行業(yè)的率先恢復(fù)也帶動了其他金融部門逐步走出危機(jī)的影響，從2009 年11 月開始，各部門系統(tǒng)性風(fēng)險開始下降，到2010 年低，金融系統(tǒng)各部門系統(tǒng)性風(fēng)險均步入下降區(qū)間，金融系統(tǒng)整體風(fēng)險逐步下降。

從表4 可以看出，各部門間的門檻時點均在新冠肺炎疫情初期，這說明金融行業(yè)系統(tǒng)性風(fēng)險的結(jié)構(gòu)性突變確實與新冠疫情息息相關(guān)。 在門檻時點前，由于寬松貨幣政策使銀行風(fēng)險承擔(dān)增加，并通過關(guān)聯(lián)網(wǎng)絡(luò)傳導(dǎo)至整個金融系統(tǒng)，各部門間系統(tǒng)性風(fēng)險均顯著上升。越過門檻時點后，新冠肺炎疫情全面暴發(fā)，此時銀行業(yè)的系統(tǒng)性風(fēng)險仍顯著上升，而其他部門間系統(tǒng)性風(fēng)險均顯著下降，假設(shè)2 得到支持。與前文分析一致，疫情沖擊帶來的風(fēng)險主要向銀行業(yè)集中，銀行風(fēng)險吸收對其他金融部門存在一定的緩沖保護(hù)作用。

（三）穩(wěn)健性檢驗

為進(jìn)一步說明本文的實證結(jié)論的可靠性，通過公式（7）的方法設(shè)置虛擬變量進(jìn)行穩(wěn)健性檢驗，具體的檢驗結(jié)果如表5、表6 所示。

表5 區(qū)間（1）穩(wěn)健性檢驗

表6 區(qū)間（2）穩(wěn)健性檢驗

從表5、表6 的結(jié)果中可以看出，鄒檢驗、Wald 檢驗、LR 檢驗以及LM 檢驗的結(jié)果均拒絕了下尾相關(guān)系數(shù)在樣本區(qū)間內(nèi)未發(fā)生結(jié)構(gòu)性變動的原假設(shè)， 可以認(rèn)為區(qū)間內(nèi)系統(tǒng)性風(fēng)險確實出現(xiàn)了顯著性變化， 并且系數(shù)估計值的大小和符號與時間序列門檻的估計結(jié)果基本一致。 因此，可以認(rèn)為本文的研究結(jié)論具有穩(wěn)健性。

為進(jìn)一步檢驗滾動窗口長度的選擇是否會影響結(jié)論，參照Diebold 等（2014）的處理方法，分別用75和125 個數(shù)據(jù)單位的滾動窗口進(jìn)行穩(wěn)健性檢驗，結(jié)果見圖5、圖6。從圖中可以看出，更換窗口長度后，本文的主要結(jié)論未發(fā)生變化：新冠肺炎疫情期間系統(tǒng)性風(fēng)險主要向銀行業(yè)聚集。邊緣分布類型的選取也可能影響結(jié)論，采用正態(tài)分布擬合收益率邊緣分布進(jìn)行穩(wěn)健性檢驗，結(jié)果見圖7。 從圖中可以看出，copula 方法構(gòu)建的系統(tǒng)性風(fēng)險指標(biāo)對邊緣分布的選取不敏感，本文主要結(jié)論亦未發(fā)生變化。

圖5 窗口長度75 的穩(wěn)健性檢驗

圖6 窗口長度125 的穩(wěn)健性檢驗

圖7 正態(tài)分布的穩(wěn)健性檢驗

（四）其他機(jī)制排除

非銀金融機(jī)構(gòu)間系統(tǒng)性風(fēng)險的顯著下降也可能是由新冠肺炎疫情本身引發(fā)的，積極的財政貨幣政策也可能導(dǎo)致系統(tǒng)性風(fēng)險的顯著下降。 為進(jìn)一步排除新冠肺炎疫情本身以及相關(guān)財政貨幣政策對研究結(jié)論的影響， 本文選取樣本區(qū)間內(nèi)MSCI 發(fā)達(dá)國家二級行業(yè)指數(shù)的日收盤價數(shù)據(jù)測算系統(tǒng)性風(fēng)險。 從圖8 中可以看出，在2020 年之前，系統(tǒng)性風(fēng)險基本維持不變，說明在此區(qū)間內(nèi)發(fā)達(dá)國家未發(fā)生影響金融系統(tǒng)整體風(fēng)險的重大事件， 在2020 年1月，受到疫情全面暴發(fā)的影響，系統(tǒng)性風(fēng)險出現(xiàn)斷崖式上升，而在2020 年3 月后，新冠肺炎疫情給發(fā)達(dá)國家?guī)矶喾矫娴挠绊憽?如市場恐慌情緒造成2020 年3 月美股在10 天內(nèi)罕見發(fā)生四次熔斷，分別發(fā)生在 9 日、12 日、16 日及 18 日；再如疫情大暴發(fā)造成歐洲多國封城；又如，雖然國外并未像我國一樣采取嚴(yán)格的防控政策停工停產(chǎn)，但各國GDP 的銳減也均反映了疫情帶來的 “減產(chǎn)減工”。 與此同時，發(fā)達(dá)國家在疫情暴發(fā)后，相繼出臺了寬松的貨幣政策和積極的財政政策， 且程度較我國明顯更甚。 但在這些因素的疊加影響下，發(fā)達(dá)國家金融系統(tǒng)各部門間系統(tǒng)性風(fēng)險均未出現(xiàn)顯著下降，從而排除了新冠肺炎疫情與積極的財政貨幣政策會導(dǎo)致系統(tǒng)性風(fēng)險顯著下降的機(jī)制。

圖8 發(fā)達(dá)國家非銀金融機(jī)構(gòu)間系統(tǒng)性風(fēng)險時變圖

（五）進(jìn)一步分析

上述實證結(jié)果表明，新冠肺炎疫情期間，系統(tǒng)性風(fēng)險主要向銀行業(yè)集中， 金融行業(yè)其他子行業(yè)間系統(tǒng)性風(fēng)險均不同程度下降， 說明銀行風(fēng)險吸收功能確實在黑天鵝事件引發(fā)的實體經(jīng)濟(jì)危機(jī)中對其他金融機(jī)構(gòu)起保護(hù)作用。 然而，賈妍妍等（2020）認(rèn)為系統(tǒng)性風(fēng)險的實際源頭在于實體經(jīng)濟(jì)， 銀行系統(tǒng)具有降低實體經(jīng)濟(jì)風(fēng)險的作用。 為了進(jìn)一步驗證新冠疫情期間銀行風(fēng)險吸收功能是否顯著降低了實體經(jīng)濟(jì)部門的系統(tǒng)性風(fēng)險，本文選用Wind 一級行業(yè)指數(shù)測算新冠疫情期間實體經(jīng)濟(jì)重要行業(yè)的系統(tǒng)性風(fēng)險變化情況，結(jié)果見圖9。

從圖9 中可以看出，在新冠肺炎疫情全面暴發(fā)期間，工業(yè)、可選消費與信息技術(shù)等實體經(jīng)濟(jì)重要行業(yè)間系統(tǒng)性風(fēng)險均保持平穩(wěn)或出現(xiàn)不同程度的下降，說明銀行風(fēng)險吸收功能確實具有降低實體經(jīng)濟(jì)風(fēng)險的作用。 但與圖4 對比可以發(fā)現(xiàn)，銀行業(yè)對非銀金融機(jī)構(gòu)的風(fēng)險吸收作用要強(qiáng)于對其他實體經(jīng)濟(jì)部門的風(fēng)險吸收作用。 此外，在LPR 改革后，銀行風(fēng)險承擔(dān)顯著增加，表現(xiàn)為銀行業(yè)與各部門間系統(tǒng)性風(fēng)險均顯著上升，在新冠肺炎疫情暴發(fā)前夕，銀行業(yè)的系統(tǒng)性風(fēng)險通過金融系統(tǒng)的網(wǎng)絡(luò)關(guān)聯(lián)傳導(dǎo)至其他部門，導(dǎo)致其他金融子行業(yè)間系統(tǒng)性風(fēng)險均不同程度上升。然而如圖9 所示，在這一期間，實體經(jīng)濟(jì)重要部門間系統(tǒng)性風(fēng)險則始終處于下降的區(qū)間，這一結(jié)果驗證了李政等（2020）的觀點：在一般時期，銀行業(yè)系統(tǒng)性風(fēng)險傳染的網(wǎng)絡(luò)關(guān)聯(lián)渠道主要在金融系統(tǒng)內(nèi)發(fā)揮作用，對實體經(jīng)濟(jì)的影響較小。Naceur et al.（2018）提出的銀行風(fēng)險吸收機(jī)制表明，銀行風(fēng)險承擔(dān)是銀行風(fēng)險吸收的重要前提，這就解釋了新冠肺炎疫情期間銀行業(yè)對非銀金融機(jī)構(gòu)的風(fēng)險吸收作用要強(qiáng)于對其他實體經(jīng)濟(jì)部門的風(fēng)險吸收作用的原因。

圖9 新冠疫情期間中國實體經(jīng)濟(jì)重要行業(yè)間風(fēng)險時變圖

四、總結(jié)與思考

本文以EVT-copula 模型為基礎(chǔ)， 引入時間序列門檻模型， 采用Wind 行業(yè)指數(shù)數(shù)據(jù)研究全球金融危機(jī)與新冠疫情危機(jī)期間中國金融行業(yè)內(nèi)各部門間系統(tǒng)性風(fēng)險的動態(tài)變化情況。 結(jié)果顯示，銀行業(yè)在不同類型的危機(jī)中具有異質(zhì)性作用， 在系統(tǒng)性金融危機(jī)中，銀行業(yè)與其他金融部門風(fēng)險均顯著上升，通過金融系統(tǒng)網(wǎng)絡(luò)聯(lián)結(jié)關(guān)系造成金融系統(tǒng)整體風(fēng)險增加；而在黑天鵝事件的負(fù)面沖擊造成的實體經(jīng)濟(jì)危機(jī)中，由于銀行業(yè)對其他部門的流動性補(bǔ)充與風(fēng)險共擔(dān)機(jī)制，吸收了其他部門的部分風(fēng)險，降低了其他部門在危機(jī)中爆發(fā)系統(tǒng)性風(fēng)險的概率。

銀行風(fēng)險承擔(dān)與銀行風(fēng)險吸收是一枚硬幣的兩面，銀行風(fēng)險承擔(dān)行為的增加雖然會通過金融系統(tǒng)網(wǎng)絡(luò)關(guān)聯(lián)使整體風(fēng)險增加，但也增加了銀行的風(fēng)險吸收能力，在實體經(jīng)濟(jì)遭受負(fù)面沖擊時能夠為其他部門提供保護(hù)。 然而，銀行風(fēng)險吸收功能有效發(fā)揮的前提是銀行體系始終保持經(jīng)營穩(wěn)健，銀行風(fēng)險吸收造成系統(tǒng)性風(fēng)險在銀行業(yè)的大量積聚，如果銀行始終保持經(jīng)營穩(wěn)健，則能夠成為其他部門的保護(hù)傘，一旦銀行系統(tǒng)崩塌，整個經(jīng)濟(jì)將牽一發(fā)而動全身。因此，加強(qiáng)宏觀審慎監(jiān)管，建設(shè)穩(wěn)健的銀行體系尤為重要。