金融機構關聯(lián)度與系統(tǒng)性風險的測度

周天蕓++張幸

摘要：日益增加的金融機構倒閉和日趨嚴重的金融市場動蕩引起全球對于金融系統(tǒng)風險的關注，文章基于主成分分析方法和格蘭杰因果檢驗所構建的指標，從金融機構之間的關聯(lián)度入手，采用銀行、證券、保險、基金四個部門2008-2012的周數(shù)據(jù)，測量中國金融機構的風險傳染和系統(tǒng)性風險的水平，結果發(fā)現(xiàn)，中國的證券機構與其他金融機構的關聯(lián)最為緊密，因而容易溢出風險也容易受到其他金融機構的沖擊，而中國的商業(yè)銀行雖然規(guī)模巨大，但在風險的傳導方面卻比較穩(wěn)定，同時，文章還通過識別高風險溢出的金融機構，預測和防范中國的金融系統(tǒng)性風險。

關鍵詞：關聯(lián)度；金融機構；系統(tǒng)性風險

隨著金融對于實體經(jīng)濟的影響日益重要，金融系統(tǒng)風險的控制和金融系統(tǒng)的穩(wěn)定越來越受到關注。系統(tǒng)性風險指某一系統(tǒng)性事件的發(fā)生對一系列的金融機構和金融市場造成嚴重的影響，從而影響金融系統(tǒng)的穩(wěn)定性，影響社會公眾對整個金融系統(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)內部各機構之間的聯(lián)系日趨緊密。因此，當某個機構出現(xiàn)流動性不足、無力償付，或者產(chǎn)生損失時，這種沖擊會很快在不同機構之間傳播擴散，從而形成金融系統(tǒng)性風險。

金融系統(tǒng)性風險對國民經(jīng)濟的穩(wěn)定發(fā)展造成嚴重影響。金融系統(tǒng)的質量安全是質量管理和控制的一個層面，與宏觀經(jīng)濟的運行息息相關。因此，本文研究如何識別、測量、進而對金融系統(tǒng)性風險進行防范，無疑具有理論和現(xiàn)實意義。

一、文獻回顧

系統(tǒng)性風險的爆發(fā)往往導致金融危機，研究系統(tǒng)性風險往往與研究金融危機聯(lián)系在一起。對金融危機的研究一般關注四個“L”，即杠桿率（Leverage）、流動性（Liquidity）、損失（Losses）、關聯(lián)性（Linkage）。因此，有關系統(tǒng)性風險的研究主要集中在這四個方面。

在系統(tǒng)性風險的理論模型研究方面，Cifuentes（2005）指出在一家企業(yè)出現(xiàn)流動性危機出售資產(chǎn)會壓低資產(chǎn)的價格，且這種行為具有傳染性，所以即使一個小沖擊也有可能導致危機出現(xiàn)。Gai等（2011）通過一個銀行間借貸的網(wǎng)絡模型，解釋金融網(wǎng)絡中的復雜性和集中性怎么樣放大金融脆弱性，并導致系統(tǒng)流動性危機。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，并導致交易機制的失效，其根源在于市場信心的喪失，信息不對稱會擴大風險?，F(xiàn)有的研究發(fā)現(xiàn)流動性缺失、機構之間的緊密聯(lián)系、信息不對稱等原因都會導致系統(tǒng)性風險的傳染，導致金融危機的發(fā)生。

實證研究方面，金融危機前對于系統(tǒng)性風險的度量大部分是基于宏觀經(jīng)濟與金融體系的沖擊及聯(lián)系的角度，危機之后度量系統(tǒng)性風險的視角逐漸放開，更多地考慮金融體系內部關聯(lián)性和傳染性度量。目前對于系統(tǒng)性風險的測量方法，大致可以分成兩類。第一類主要是利用會計資產(chǎn)負債數(shù)據(jù)，構建系統(tǒng)性風險衡量指標。IMF（2009）提出的網(wǎng)絡模型法考慮了金融機構的流動性風險以及系統(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，模擬風險傳導情況，以此來測算累積的系統(tǒng)性風險。馬運全等（2011）利用資本充足率、資產(chǎn)收益率等指標建立了中國銀行業(yè)系統(tǒng)性風險的預警模型。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)濟變量、貨幣信貸變量、資產(chǎn)價格變量和相關經(jīng)濟大國的宏觀經(jīng)濟變量為解釋變量，運用逐步回歸法建立金融系統(tǒng)性風險最佳預測方程，并對我國 2010 年金融系統(tǒng)性風險狀況進行預測。第二類的系統(tǒng)性風險測量方法充分利用了金融市場數(shù)據(jù)來構建風險測量指標。在危機爆發(fā)之前，在險價值（Value-at-Risk，VaR）已經(jīng)被普遍用來衡量金融機構的系統(tǒng)性風險。VaR衡量的是在q%的置信區(qū)間，金融機構可能出現(xiàn)的最大損失。但VaR衡量的是單個機構的風險水平，無法刻畫機構之間的相互作用。Rockafellar等（2002）指出條件風險價值（Conditional Value-at-Risk，CoVaR）比VaR在測量風險上更優(yōu)，因為CoVaR可以衡量離散狀態(tài)的分布，并給出了例子驗證。Adian等（2011）構建了CoVar，即在其他金融機構處于危機或者高風險條件下的VAR，以此衡量系統(tǒng)性風險，并將金融機構處于危機下和正常狀況下的CoVaR值的差異作為該機構對系統(tǒng)性風險的貢獻度的度量。高國華等（2011）利用CoVaR模型對我國上市銀行的系統(tǒng)性風險進行測量，得出銀行系統(tǒng)性風險貢獻度與自身VaR無關，但是與溢出風險CoVaR有關。周天蕓等（2012）根據(jù)VaR和CoVaR模型的回歸，來測量不同銀行對經(jīng)濟體共同沖擊的反應以及金融機構的風險溢出效應。Huang等（2009）構建了困境保費（Distress Insurance Presium，DIP）指標來衡量系統(tǒng)性風險，即為了防止金融機構經(jīng)營失敗陷入財務困境所需要支付的保費額。Huang等（2011）用這種方法對亞太地區(qū)22家金融機構進行研究，分析金融危機對該地區(qū)的溢出效應，測量單一金融機構對系統(tǒng)性風險的溢出。但是，這些從損失出發(fā)來衡量系統(tǒng)性風險的方法依賴于歷史損失數(shù)據(jù)，對于我國這樣沒有明顯的金融危機爆發(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，測度中國的金融機構在美國次貸危機期間以及危機前后對金融系統(tǒng)的邊際風險貢獻程度。

隨著各種金融創(chuàng)新的發(fā)展，金融機構之間的業(yè)務往來越來越密集，關聯(lián)程度越來越緊密。這種緊密的聯(lián)系會加快沖擊在機構之間的傳染，使得風險快速蔓延。Patro等（2012）指出金融機構股票回報之間的關聯(lián)是一個很好的系統(tǒng)性風險測量指標，并對美國22家大銀行進行研究，發(fā)現(xiàn)異質性風險的關聯(lián)程度增加導致了系統(tǒng)性風險的上升。Billio等（2012）基于主成分分析（PCA）和格蘭杰因果網(wǎng)絡，構造測量系統(tǒng)性風險的指標，反映系統(tǒng)性風險的動態(tài)變化，且能夠識別系統(tǒng)性重要金融機構，有利于系統(tǒng)性風險的監(jiān)測。

雖然關于金融系統(tǒng)性風險的研究比較豐富，但隨著系統(tǒng)性風險的日趨嚴重和復雜，學界并沒有形成一致的研究結論，研究的視角也不斷創(chuàng)新。目前基于關聯(lián)性測度中國金融系統(tǒng)性風險的文獻不多，且主要集中于對商業(yè)銀行一類機構的研究，而對證券、基金、保險等各類金融機構構成的機構體系的風險研究較少，考慮各類金融機構之間關聯(lián)性的研究更少。本文嘗試運用主成分分析、格蘭杰因果關系構建計量指標，計算系統(tǒng)性風險貢獻度PCAS、格蘭杰因果關聯(lián)程度DGC和關聯(lián)數(shù)，創(chuàng)新地基于銀行、證券、基金、保險四類金融機構的關聯(lián)性測度金融系統(tǒng)性風險，跟蹤中國金融系統(tǒng)性風險的動態(tài)變化，識別高風險的金融部門及金融機構。

二、數(shù)據(jù)與統(tǒng)計描述

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

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

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)基金單位凈值計算回報率，并進行年化處理。

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)計如下表2。

五、結論

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

無論是系統(tǒng)性風險貢獻度PCAS，還是格蘭杰因果關聯(lián)度DGC，或者是關聯(lián)數(shù)，本文三個實證結果都反映中國的證券機構與其他機構的關聯(lián)最為密切，風險敏感程度最高，風險溢出也最大，容易對其他機構造成影響，應對其風險加以重點關注；中國的銀行機構雖然規(guī)模巨大，卻表現(xiàn)出相對的穩(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)性風險。

金融體系的質量是最具創(chuàng)新性、普遍性的發(fā)展要素，本文研究結果表明，中國金融改革應注重金融機構之間的關聯(lián)度，提升金融機構網(wǎng)絡的彈性和韌性，避免金融系統(tǒng)性風險的發(fā)生，以提升中國實體經(jīng)濟的運行質量，維護中國宏觀經(jīng)濟的穩(wěn)定。

參考文獻：

[1]范小云、王道平、方意，2011：《我國金融機構的系統(tǒng)性風險貢獻測度與監(jiān)管——基于邊際風險貢獻與杠桿率的研究》，《南開經(jīng)濟研究》第4期。

[2]高國華、潘英麗，2011：《銀行系統(tǒng)性風險度量——基于動態(tài)CoVaR方法的分析》，《上海交通大學學報》第12期。

[3]馬運全、朱寶麗，2011：《我國銀行業(yè)系統(tǒng)性風險：預警模型與實證分析》，《湖南涉外經(jīng)濟學院學報》第4期。

[4]周天蕓、周開國、黃亮，2012：《機構集聚、風險傳染與香港銀行的系統(tǒng)性風險》，《國際金融研究》第4期。

[5]朱元倩，苗雨峰，2012：《關于系統(tǒng)性風險度量和預警的模型綜述》，《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

責任編輯汪曉清