我國(guó)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)測(cè)度及影響因素研究——基于CCA-POT-Copula方法的分析

王　擎，白　雪，?！′h

(1．西南財(cái)經(jīng)大學(xué) 中國(guó)金融研究中心，四川 成都 611130；2.西南財(cái)經(jīng)大學(xué) 金融學(xué)院，四川 成都 611130)

?

我國(guó)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)測(cè)度及影響因素研究
——基于CCA-POT-Copula方法的分析

王擎1，白雪1，牛鋒2

(1．西南財(cái)經(jīng)大學(xué) 中國(guó)金融研究中心，四川 成都 611130；2.西南財(cái)經(jīng)大學(xué) 金融學(xué)院，四川 成都 611130)

摘要：本文基于CCA方法測(cè)度我國(guó)商業(yè)銀行的個(gè)體風(fēng)險(xiǎn)，利用POT-Copula方法考察危機(jī)時(shí)期銀行間違約相關(guān)性的變化，并對(duì)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)及其影響因素進(jìn)行實(shí)證分析。結(jié)果表明：在當(dāng)前深化金融改革時(shí)期，我國(guó)商業(yè)銀行的個(gè)體風(fēng)險(xiǎn)急劇攀升；與國(guó)有大型商業(yè)銀行和城市商業(yè)銀行相比，全國(guó)性股份制商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)總體較高；各商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)呈現(xiàn)明顯的時(shí)變特征；杠桿率高、盈利能力強(qiáng)和業(yè)務(wù)復(fù)雜程度高的商業(yè)銀行具有更高的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)。本研究為監(jiān)管當(dāng)局根據(jù)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)制定逆周期的宏觀審慎監(jiān)管政策提供了有益參考。

關(guān)鍵詞：潛在損失；系統(tǒng)性風(fēng)險(xiǎn)；CCA-POT-Copula方法

一、引言

2008年發(fā)端于美國(guó)的國(guó)際金融危機(jī)暴露了金融監(jiān)管體系對(duì)系統(tǒng)性風(fēng)險(xiǎn)的監(jiān)管缺失,此后，系統(tǒng)重要性金融機(jī)構(gòu)的識(shí)別以及金融體系宏觀審慎監(jiān)管成為國(guó)內(nèi)外學(xué)術(shù)領(lǐng)域和監(jiān)管部門(mén)關(guān)注的焦點(diǎn)。巴塞爾委員會(huì)2012年發(fā)布《國(guó)內(nèi)系統(tǒng)重要性銀行綱領(lǐng)》，指出一些金融機(jī)構(gòu)即使全球系統(tǒng)重要性程度并不明顯，仍可能對(duì)一國(guó)或地區(qū)的金融穩(wěn)定產(chǎn)生重要影響。此后，各國(guó)掀起了研究國(guó)內(nèi)系統(tǒng)重要性金融機(jī)構(gòu)的浪潮。

長(zhǎng)期以來(lái)，我國(guó)銀行體系在分配資源、投資、風(fēng)險(xiǎn)管理等方面起著主導(dǎo)作用，但其內(nèi)在風(fēng)險(xiǎn)也在不斷積累。從空間維度看，我國(guó)金融機(jī)構(gòu)尤其是商業(yè)銀行的資產(chǎn)交叉性和同質(zhì)性不斷增強(qiáng)，增加了風(fēng)險(xiǎn)相互傳染的可能性[1]；從時(shí)間維度來(lái)看，我國(guó)漸進(jìn)式的金融改革導(dǎo)致銀行風(fēng)險(xiǎn)過(guò)度集中與政府隱性擔(dān)保加劇，增加了系統(tǒng)性風(fēng)險(xiǎn)聚集、金融體系崩潰的概率。在當(dāng)前金融自由化和金融改革的大背景下，研究我國(guó)銀行體系內(nèi)部的經(jīng)濟(jì)相依關(guān)系、測(cè)度各銀行在極端情形下的風(fēng)險(xiǎn)溢出效應(yīng)以及潛在損失顯得尤為重要。

國(guó)內(nèi)外學(xué)者基于不同的視角提出多種方法測(cè)度金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)。其中，網(wǎng)絡(luò)模型法通過(guò)金融機(jī)構(gòu)之間的實(shí)際業(yè)務(wù)往來(lái)數(shù)據(jù)估測(cè)其系統(tǒng)性風(fēng)險(xiǎn)大小，但信用數(shù)據(jù)的難以獲得使該方法的應(yīng)用受到限制；條件在險(xiǎn)價(jià)值法(CoVaR)和邊際期望損失法(MES)僅僅利用市場(chǎng)數(shù)據(jù)的單方面信息對(duì)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行度量，而我國(guó)股票市場(chǎng)的有效性不足降低了這類(lèi)方法的可信度；未定權(quán)益分析法(CCA)同時(shí)運(yùn)用金融機(jī)構(gòu)的債務(wù)、市場(chǎng)收益等多方面信息測(cè)度系統(tǒng)性風(fēng)險(xiǎn)，卻很少對(duì)金融機(jī)構(gòu)之間的違約相關(guān)性加以考慮。

針對(duì)以上不足，本文首先，綜合利用商業(yè)銀行的財(cái)務(wù)報(bào)表數(shù)據(jù)和市場(chǎng)數(shù)據(jù)，采用未定權(quán)益分析法(CCA)量化商業(yè)銀行的個(gè)體風(fēng)險(xiǎn)；其次，本文利用極值理論(EVT)和Copula函數(shù)，構(gòu)建各商業(yè)銀行與銀行體系中潛在損失序列的尾部聯(lián)合分布，合理刻畫(huà)潛在損失序列的“厚尾”特征和非線性、非對(duì)稱(chēng)的尾部相依結(jié)構(gòu)；在此基礎(chǔ)上，我們采用滾動(dòng)固定窗口的方法考察了商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的動(dòng)態(tài)變化趨勢(shì)。

本文結(jié)構(gòu)安排如下：第二部分通過(guò)現(xiàn)有文獻(xiàn)提出本文的研究思路；第三部分為研究設(shè)計(jì)；第四部分基于我國(guó)上市商業(yè)銀行數(shù)據(jù)進(jìn)行實(shí)證分析；第五部分是文章的結(jié)論及啟示。

二、文獻(xiàn)回顧

為了實(shí)施有效的宏觀審慎監(jiān)管，完善系統(tǒng)性風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警和評(píng)估處置機(jī)制，各國(guó)學(xué)者從理論和實(shí)證方面對(duì)系統(tǒng)性風(fēng)險(xiǎn)做了大量研究。總體來(lái)看，分析金融機(jī)構(gòu)間的相互關(guān)聯(lián)以及對(duì)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行測(cè)度的方法可大體分為兩類(lèi)，即結(jié)構(gòu)化方法和簡(jiǎn)約化方法。

結(jié)構(gòu)化方法主要通過(guò)各金融機(jī)構(gòu)在風(fēng)險(xiǎn)頭寸等方面的關(guān)聯(lián)數(shù)據(jù)，研究系統(tǒng)性風(fēng)險(xiǎn)的傳播路徑及影響程度，其中以網(wǎng)絡(luò)模型法最為典型。賈彥東，基于我國(guó)銀行間支付結(jié)算數(shù)據(jù)構(gòu)建金融網(wǎng)絡(luò)模型，通過(guò)“直接貢獻(xiàn)”和“間接參與”兩種方式對(duì)商業(yè)銀行的風(fēng)險(xiǎn)擴(kuò)散機(jī)制進(jìn)行分析，并對(duì)其系統(tǒng)重要性程度進(jìn)行測(cè)評(píng)[2]；隋聰，等構(gòu)建了完整的測(cè)度銀行系統(tǒng)性風(fēng)險(xiǎn)和銀行間違約傳染的研究框架，并在此基礎(chǔ)上研究了不同網(wǎng)絡(luò)結(jié)構(gòu)下的銀行系統(tǒng)性風(fēng)險(xiǎn)[3]。網(wǎng)絡(luò)模型法將系統(tǒng)性風(fēng)險(xiǎn)的傳染與銀行的實(shí)際交易相關(guān)聯(lián)，使得傳染路徑有跡可尋，但該方法通常只能考察銀行間實(shí)際業(yè)務(wù)往來(lái)的風(fēng)險(xiǎn)傳染路徑，而事實(shí)上銀行間的風(fēng)險(xiǎn)傳染存在廣泛的間接渠道。

簡(jiǎn)約化方法不追究各金融機(jī)構(gòu)之間的相互關(guān)聯(lián)如何形成，而試圖基于財(cái)務(wù)報(bào)表數(shù)據(jù)或股價(jià)等市場(chǎng)數(shù)據(jù)直接測(cè)度系統(tǒng)性金融風(fēng)險(xiǎn)。該研究方法可大致分為三種：綜合指數(shù)法、市場(chǎng)法和未定權(quán)益分析法。

綜合指數(shù)法在衡量系統(tǒng)性風(fēng)險(xiǎn)時(shí)，首先選取影響系統(tǒng)性風(fēng)險(xiǎn)的子指標(biāo)構(gòu)建衡量指標(biāo)體系，然后利用統(tǒng)計(jì)方法將各指標(biāo)進(jìn)行綜合，利用綜合指數(shù)的大小反映系統(tǒng)性風(fēng)險(xiǎn)狀況。Hakkio和Keeton基于美國(guó)數(shù)據(jù)構(gòu)建了測(cè)度金融系統(tǒng)性風(fēng)險(xiǎn)的指標(biāo)體系KCFSI，并驗(yàn)證了該指標(biāo)體系可以有效印證已發(fā)生的金融危機(jī)[4]。劉春航等從宏觀經(jīng)濟(jì)沖擊、銀行自身經(jīng)營(yíng)脆弱性以及傳染等角度構(gòu)建了我國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的度量框架[5]。綜合指數(shù)法雖然具有簡(jiǎn)單明了、可操作性強(qiáng)的優(yōu)點(diǎn)，但指標(biāo)選取的主觀性和任意性較強(qiáng)，且無(wú)法度量金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)。

市場(chǎng)法通過(guò)股價(jià)等市場(chǎng)數(shù)據(jù)考察金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)相關(guān)性，進(jìn)而基于不同視角對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行度量[6]。其中，條件在險(xiǎn)價(jià)值法(CoVaR)，是指單個(gè)金融機(jī)構(gòu)處于困境時(shí)對(duì)其他金融機(jī)構(gòu)或金融市場(chǎng)尾部風(fēng)險(xiǎn)的影響，現(xiàn)有研究大多采用△CoVaR測(cè)度金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)。高國(guó)華和潘英麗，基于GARCH模型計(jì)算商業(yè)銀行的動(dòng)態(tài)CoVaR，并認(rèn)為該方法能夠比傳統(tǒng)的分位數(shù)回歸更有效地度量銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)[7]。汪東華、陳守東，等將極值理論(EVT)、Copula理論引入到系統(tǒng)性金融風(fēng)險(xiǎn)的度量中[8-9]。系統(tǒng)性期望損失(SES)和邊際期望損失(MES)方法考察了門(mén)限值以外的所有信息而非單一分位點(diǎn)的期望損失。范小云，等采用SES和MES的方法測(cè)度了在美國(guó)次貸危機(jī)時(shí)期，我國(guó)金融機(jī)構(gòu)對(duì)金融系統(tǒng)的邊際風(fēng)險(xiǎn)貢獻(xiàn)程度[10]；方意，等利用SES和MES指標(biāo)度量了我國(guó)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，并對(duì)系統(tǒng)性風(fēng)險(xiǎn)的驅(qū)動(dòng)因素進(jìn)行了分析[11]。

未定權(quán)益分析法(CCA)可通過(guò)違約距離、違約概率、隱性擔(dān)保等一系列風(fēng)險(xiǎn)測(cè)度指標(biāo)衡量金融風(fēng)險(xiǎn)大小。范小云，等指出系統(tǒng)性違約距離與平均違約距離能夠較好地反映我國(guó)銀行系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)變化[12]；而吳恒煜，等認(rèn)為組合違約距離與平均違約距離之差更適合作為我國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度指標(biāo)[13]。部分學(xué)者通過(guò)隱性擔(dān)保數(shù)據(jù)反映系統(tǒng)性風(fēng)險(xiǎn)大小，許友傳，等結(jié)合我國(guó)特有的隱性保險(xiǎn)和監(jiān)管救助特點(diǎn)，運(yùn)用CCA的分析框架估計(jì)了政府對(duì)我國(guó)上市銀行的隱性救助概率和救助成本[14]；吳恒煜，等采用CCA方法測(cè)算我國(guó)商業(yè)銀行的政府隱性擔(dān)保，并指出在銀行違約概率越大時(shí)政府對(duì)其隱性的擔(dān)保則越高[13]。

在已有的研究成果中，CoVaR和MES方法僅僅運(yùn)用了市場(chǎng)數(shù)據(jù)的單方面信息，而CCA方法在財(cái)務(wù)報(bào)表數(shù)據(jù)的基礎(chǔ)上引入市場(chǎng)數(shù)據(jù)，能夠考慮多維度的風(fēng)險(xiǎn)信息且不失前瞻性。然而，當(dāng)前運(yùn)用CCA方法的研究并未充分考慮危機(jī)時(shí)期銀行間違約相關(guān)性的變化，且基于存款保險(xiǎn)賠付的角度考察商業(yè)銀行個(gè)體風(fēng)險(xiǎn)，同時(shí)對(duì)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)進(jìn)行動(dòng)態(tài)度量的文章并不多見(jiàn)。

因此，本文首先綜合運(yùn)用CCA-POT-Copula方法，在測(cè)度商業(yè)銀行潛在損失的基礎(chǔ)上進(jìn)一步考察商業(yè)銀行的違約相關(guān)性，然后借鑒CoVaR方法的思想測(cè)度單個(gè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)并對(duì)其影響因素進(jìn)行實(shí)證分析。理論層面上，本文基于存款保險(xiǎn)賠付的角度測(cè)度銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)，這在一定程度上豐富和拓展了系統(tǒng)性金融風(fēng)險(xiǎn)測(cè)度和傳遞理論的研究視閾；實(shí)踐層面上，我們分別通過(guò)商業(yè)銀行的潛在損失和△CoVaR*①測(cè)度其個(gè)體風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的動(dòng)態(tài)變化，并在此基礎(chǔ)上探究商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)的驅(qū)動(dòng)因素，能夠?yàn)楸O(jiān)管當(dāng)局制定逆周期的宏觀審慎監(jiān)管政策提供有益參考。

三、研究設(shè)計(jì)

(一)基于CCA方法的潛在損失測(cè)度

1. 違約距離

未定權(quán)益分析法(CCA)利用Black-Scholes期權(quán)定價(jià)模型計(jì)算銀行違約的可能性，一般假定銀行的資產(chǎn)價(jià)值服從以下幾何布朗運(yùn)動(dòng)：

dVt=μvVtdt+σvVtdWt

(1)

其中，μv和σv分別為銀行資產(chǎn)的收益率及其波動(dòng)率，Wt服從標(biāo)準(zhǔn)布朗運(yùn)動(dòng)。根據(jù)伊藤引理，銀行的資產(chǎn)價(jià)值Vt服從以下對(duì)數(shù)正態(tài)分布：

(2)

這里，N(·)表示標(biāo)準(zhǔn)正態(tài)分布的累積分布函數(shù)，V0代表銀行資產(chǎn)的初始價(jià)值。至負(fù)債到期日T時(shí)，若銀行資產(chǎn)價(jià)值小于負(fù)債水平，則銀行發(fā)生違約。因此，我們可以得到銀行在t時(shí)刻預(yù)期的實(shí)際違約概率(Probability of Default，PD)為：

(3)

①本文借鑒傳統(tǒng)△CoVaR思想，采用商業(yè)銀行潛在損失數(shù)據(jù)而非市場(chǎng)收益率數(shù)據(jù)構(gòu)造△CoVaR*。

式(3)中dt為違約距離。銀行的股權(quán)價(jià)值Et可以看作以隱含資產(chǎn)價(jià)值Vt為標(biāo)的、以負(fù)債的賬面價(jià)值Bt為執(zhí)行價(jià)格、以負(fù)債的到期期限T-t為持有期的歐式看漲期權(quán)，根據(jù)BS期權(quán)定價(jià)模型，其理論價(jià)值可以表示為：

(4)

根據(jù)伊藤引理，隱含資產(chǎn)波動(dòng)率σv與股權(quán)市值波動(dòng)率σE之間存在以下關(guān)系：

(5)

銀行資產(chǎn)的期望收益率μv通常用無(wú)風(fēng)險(xiǎn)利率r代替，負(fù)債的到期期限T-t按照慣例取值為1年(許友傳等[14]；吳恒煜等[13])，由以上公式可計(jì)算得到違約距離等風(fēng)險(xiǎn)測(cè)度指標(biāo)。

2. 潛在損失

如果存款保險(xiǎn)到期時(shí)銀行的資產(chǎn)價(jià)值大于負(fù)債的賬面價(jià)值，則保險(xiǎn)公司支付的賠償費(fèi)用為零；反之，保險(xiǎn)公司將支付銀行負(fù)債與其資產(chǎn)價(jià)值的差額部分。根據(jù)Merton構(gòu)建的存款保險(xiǎn)定價(jià)模型，銀行的風(fēng)險(xiǎn)債務(wù)Dt可看作以銀行資產(chǎn)Vt為標(biāo)的、以負(fù)債的賬面價(jià)值Bt為執(zhí)行價(jià)格、以負(fù)債的到期期限T-t為持有期的看跌期權(quán)[15]。根據(jù)看跌期權(quán)定價(jià)公式，存款保險(xiǎn)機(jī)構(gòu)到期的賠付為：

(6)

為了方便分析，本文將存款保險(xiǎn)機(jī)構(gòu)的到期賠付取為負(fù)值，代表商業(yè)銀行的潛在損失(Potential Loss，PL)，即PLt=-Dt，整個(gè)銀行體系的潛在損失(TPL)為各商業(yè)銀行的潛在損失之和。銀行潛在損失序列的測(cè)算步驟如圖1所示。

圖1　CCA方法計(jì)算銀行潛在損失步驟

(二)潛在損失的聯(lián)合分布建模

1. 邊緣分布的擬合

Pickands的研究表明，超過(guò)某一閾值的觀測(cè)值漸近服從廣義Pareto分布(GPD)[16]。則單個(gè)銀行和整個(gè)銀行體系潛在損失序列的邊緣分布表示為：

2. 基于Copula的相依結(jié)構(gòu)

Sklar提出的Copula理論通過(guò)將聯(lián)合分布表示為各邊緣分布的函數(shù)，極大拓展了多維聯(lián)合分布的應(yīng)用范圍。其中，阿基米德Copula中的Gumbel Copula和Clayton Copula分別適合于右尾相關(guān)性較強(qiáng)和左尾相關(guān)性較強(qiáng)的相依結(jié)構(gòu)建模，能夠很好地捕捉隨機(jī)變量之間非線性、非對(duì)稱(chēng)的相關(guān)關(guān)系，因此在金融風(fēng)險(xiǎn)管理領(lǐng)域得到廣泛應(yīng)用。Copula函數(shù)的選擇一直是當(dāng)前風(fēng)險(xiǎn)管理領(lǐng)域的難題，現(xiàn)有研究主要通過(guò)尾部相關(guān)系數(shù)、樣本平均超越值、邊際似然值等對(duì)Copula進(jìn)行選擇[18]。這里分別使用Gumbel Copula和Clayton Copula對(duì)潛在損失的左尾數(shù)據(jù)進(jìn)行擬合，選擇似然值較大的Copula構(gòu)建潛在損失的聯(lián)合分布。兩類(lèi)Copula對(duì)應(yīng)的聯(lián)合分布函數(shù)分別為：

(8)

(9)

式(8)和式(9)中G(x)、H(y)分別指單個(gè)銀行和銀行體系潛在損失對(duì)應(yīng)的邊緣分布。

(三)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的度量

(10)

(11)

(四)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的影響因素研究

我國(guó)的銀行體系存在“太大而不能倒”和“太關(guān)聯(lián)而不能倒”的現(xiàn)象。因此，從微觀層面和宏觀層面研究我國(guó)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的影響因素，對(duì)維護(hù)國(guó)內(nèi)金融穩(wěn)定具有重要意義。本文以△CoVaR*作為被解釋變量，根據(jù)已有研究(范小云等[12]；白雪梅等[20])，選取商業(yè)銀行規(guī)模、杠桿率、不良貸款率、總資產(chǎn)收益率、業(yè)務(wù)復(fù)雜性以及與其他銀行的關(guān)聯(lián)程度等作為解釋變量，以經(jīng)濟(jì)結(jié)構(gòu)和經(jīng)濟(jì)增長(zhǎng)等宏觀經(jīng)濟(jì)因素作為控制變量，建立面板數(shù)據(jù)回歸模型對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的影響因素進(jìn)行實(shí)證分析。具體回歸模型如下：

(12)

其中，Size為銀行資產(chǎn)規(guī)模的自然對(duì)數(shù)；Leverage表示銀行的杠桿率；NPLR為銀行的不良貸款率；ROA表示銀行的總資產(chǎn)收益率；LR為銀行的拆出資金與其自身資產(chǎn)規(guī)模的比例，代表銀行與其他銀行的關(guān)聯(lián)程度；OR為銀行其他業(yè)務(wù)收入占總營(yíng)業(yè)收入的比例，表示銀行自身經(jīng)營(yíng)的復(fù)雜程度；MGR為M2與GDP的比值，代表宏觀經(jīng)濟(jì)結(jié)構(gòu)；GDPG為GDP同比增長(zhǎng)速度，表示宏觀經(jīng)濟(jì)增長(zhǎng)；εit為殘差項(xiàng)。

四、實(shí)證結(jié)果分析

(一)樣本與數(shù)據(jù)

本文選取的樣本包括中國(guó)工商銀行、中國(guó)銀行、中國(guó)建設(shè)銀行和交通銀行4家國(guó)有大型商業(yè)銀行，招商銀行、平安銀行、浦發(fā)銀行、民生銀行、華夏銀行、興業(yè)銀行、中信銀行7家全國(guó)性股份制商業(yè)銀行，寧波銀行、南京銀行、北京銀行3家城市商業(yè)銀行。本文的研究區(qū)間選擇為2007年第四季度到2014年底。

文中各上市商業(yè)銀行財(cái)務(wù)數(shù)據(jù)和市場(chǎng)數(shù)據(jù)均來(lái)自wind資訊金融數(shù)據(jù)庫(kù)和CSMAR研究數(shù)據(jù)庫(kù)。無(wú)風(fēng)險(xiǎn)利率為中國(guó)人民銀行公布的一年期定期存款基準(zhǔn)利率與其實(shí)際執(zhí)行天數(shù)的加權(quán)平均；為了得到商業(yè)銀行每日的潛在損失，本文采用三次樣條差值法將違約障礙的季度數(shù)據(jù)轉(zhuǎn)變?yōu)槿斩葦?shù)據(jù)；時(shí)變的股權(quán)波動(dòng)率采用GARCH(1,1)建模獲得。

(二)商業(yè)銀行的潛在損失

1. 數(shù)據(jù)的統(tǒng)計(jì)特征

基于各商業(yè)銀行的財(cái)務(wù)報(bào)表和市場(chǎng)數(shù)據(jù)，本文利用CCA方法得到各銀行的潛在損失，表1報(bào)告了我國(guó)商業(yè)銀行潛在損失的描述性統(tǒng)計(jì)結(jié)果。①由表1可以看出，各商業(yè)銀行和銀行體系的偏度系數(shù)均小于0，表明潛在損失序列具有明顯的左偏特征，峰度系數(shù)均大于正態(tài)分布對(duì)應(yīng)的3，呈現(xiàn)“尖峰厚尾”的特征；JB檢驗(yàn)的p值均為0，則在5%的顯著性水平下均拒絕原假設(shè)，表明各商業(yè)銀行及銀行體系潛在損失序列均顯著異于正態(tài)分布。

表1　潛在損失的統(tǒng)計(jì)描述

2. 潛在損失數(shù)據(jù)趨勢(shì)分析

圖2報(bào)告了研究區(qū)間內(nèi)各商業(yè)銀行潛在損失的變化趨勢(shì)。為方便比較，我們將研究樣本分為國(guó)有大型商業(yè)銀行(圖2-a)、全國(guó)性股份制商業(yè)銀行(圖2-c、2-d)和城市商業(yè)銀行(圖2-b)。從圖2可以發(fā)現(xiàn)，總體來(lái)看，國(guó)有大型商業(yè)銀行的潛在損失最高，全國(guó)性股份制商業(yè)銀行次之，城市商業(yè)銀行的個(gè)體潛在損失相對(duì)較小。

①潛在損失的單位為十億元人民幣，下同。

圖2　各商業(yè)銀行的潛在損失

注：為了方便分析，圖中報(bào)告的是潛在損失的絕對(duì)值，數(shù)值越大表明商業(yè)銀行的個(gè)體風(fēng)險(xiǎn)越大。

此外，我國(guó)銀行體系的潛在損失具有明顯的波動(dòng)性。2007-2008年期間，受金融危機(jī)沖擊，我國(guó)商業(yè)銀行的整體風(fēng)險(xiǎn)較為突出；2010年歐債危機(jī)時(shí)期，由于國(guó)有大型商業(yè)銀行國(guó)際業(yè)務(wù)占比相對(duì)較高，個(gè)體潛在損失明顯上升，而全國(guó)性股份制商業(yè)銀行和城市商業(yè)銀行所受影響相對(duì)較??；2013年銀行“錢(qián)荒”時(shí)期，全國(guó)性股份制商業(yè)銀行和城市商業(yè)銀行的風(fēng)險(xiǎn)明顯增加，而國(guó)有大型商業(yè)銀行風(fēng)險(xiǎn)無(wú)明顯變化；2014年以來(lái)，隨著我國(guó)利率市場(chǎng)化的推進(jìn)以及人民幣國(guó)際化等金融改革進(jìn)程的加快，我國(guó)商業(yè)銀行蘊(yùn)藏的風(fēng)險(xiǎn)也在急劇攀升。

(三)邊緣分布和Copula函數(shù)的參數(shù)估計(jì)

本文以?xún)赡曜鳛闀r(shí)間窗口，通過(guò)滾動(dòng)更新數(shù)據(jù)對(duì)商業(yè)銀行以及銀行體系的聯(lián)合分布進(jìn)行建模。表2報(bào)告了2013-2014年期間的參數(shù)估計(jì)結(jié)果，其中大多數(shù)銀行的形狀參數(shù)k大于零，表明潛在損失呈現(xiàn)出“厚尾、拖尾”的特征；而浦發(fā)銀行、興業(yè)銀行、中信銀行和平安銀行的形狀參數(shù)k小于零，說(shuō)明潛在損失在極端值處具有“截尾”特征[21]。由于各商業(yè)銀行與銀行體系潛在損失序列具有非線性和非對(duì)稱(chēng)性的相關(guān)關(guān)系，我們采用Copula函數(shù)對(duì)該相依結(jié)構(gòu)進(jìn)行擬合，并根據(jù)極大似然函數(shù)值確定合適的Copula類(lèi)型，由表2中Copula函數(shù)的選擇及參數(shù)估計(jì)結(jié)果可以看出，不同商業(yè)銀行與銀行體系的相依結(jié)構(gòu)存在明顯差異。

(四)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)

該部分基于單個(gè)銀行與銀行體系潛在損失的相依結(jié)構(gòu)對(duì)各銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)進(jìn)行度量。由于不同時(shí)期宏觀經(jīng)濟(jì)狀況和各商業(yè)銀行的經(jīng)營(yíng)狀況會(huì)發(fā)生變化，我們采用滾動(dòng)固定窗口的方法測(cè)度不同時(shí)間段內(nèi)各商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。圖3以5%分位點(diǎn)下的△CoVaR*為例，報(bào)告了我國(guó)各商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的變化趨勢(shì)。

圖3　我國(guó)上市商業(yè)銀行的△CoVaR*_5%

注：(1)△CoVaR*的實(shí)際值為負(fù)，為方便分析圖中均取其絕對(duì)值，數(shù)值越大表明系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)越大。

(2)圖中縱坐標(biāo)單位為十億元。

由圖3可以看出，各商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)呈現(xiàn)明顯的時(shí)變特征，其中在2008年金融危機(jī)時(shí)期，商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)整體較高，2010年之后有所回落并維持在較低水平，而2014年以來(lái)隨著我國(guó)金融改革進(jìn)程加速，各商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)迅速上升。整體來(lái)看，全國(guó)性股份制商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)較大，而國(guó)有大型商業(yè)銀行雖然個(gè)體風(fēng)險(xiǎn)較大，但其對(duì)銀行系統(tǒng)的風(fēng)險(xiǎn)溢出效應(yīng)卻相對(duì)較小。

表2　參數(shù)估計(jì)結(jié)果

表3選取2007-2008年金融危機(jī)、2009-2010年歐債危機(jī)以及2013-2014年我國(guó)深化金融改革時(shí)期三個(gè)區(qū)間，報(bào)告了我國(guó)商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的度量結(jié)果及其排序。

表3　我國(guó)商業(yè)銀行的△CoVaR_5%

由表3可以看出，2007-2008年金融危機(jī)時(shí)期我國(guó)商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)整體較高，其中招商銀行、南京銀行和華夏銀行等系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)排在前列，而國(guó)有大型商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)相對(duì)較小。這一現(xiàn)象可能是由于中小型商業(yè)銀行在金融危機(jī)前受利益驅(qū)使迅速增加杠桿，因而在遭到?jīng)_擊時(shí)的風(fēng)險(xiǎn)溢出效應(yīng)加大；而在此期間，國(guó)有大型商業(yè)銀行杠桿率增加程度相對(duì)較小，系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)也相應(yīng)地較低。

2009-2010年歐債危機(jī)時(shí)期，各商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)相對(duì)較小，中信銀行和國(guó)有大型商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)排序靠前。這可能是由于歐債危機(jī)主要對(duì)我國(guó)銀行業(yè)的國(guó)際業(yè)務(wù)產(chǎn)生較大沖擊，而中信銀行的國(guó)際業(yè)務(wù)一直領(lǐng)跑行業(yè)，國(guó)有大型商業(yè)銀行的國(guó)際業(yè)務(wù)規(guī)模也相對(duì)較大，因此在這一階段的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)相對(duì)較高。

2013-2014年深化金融改革時(shí)期，我國(guó)商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)整體較大。其中，興業(yè)銀行、中信銀行等全國(guó)性股份制商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)較高，國(guó)有大型商業(yè)銀行的風(fēng)險(xiǎn)貢獻(xiàn)總體處于中間水平，城市商業(yè)銀行風(fēng)險(xiǎn)貢獻(xiàn)相對(duì)較小。近年來(lái)，由于股份制商業(yè)銀行“影子銀行”業(yè)務(wù)發(fā)展迅速，并且當(dāng)前面臨的市場(chǎng)定位、風(fēng)險(xiǎn)管理等問(wèn)題較為突出，在深化金融改革過(guò)程中系統(tǒng)性風(fēng)險(xiǎn)增加迅速。而城市商業(yè)銀行主要為地方經(jīng)濟(jì)以及地方居民提供金融服務(wù)，客戶(hù)關(guān)系網(wǎng)絡(luò)穩(wěn)定，因此該時(shí)期系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)相對(duì)較小。

(五)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的影響因素

本文采用14家上市商業(yè)銀行2007-2014年的年度財(cái)務(wù)數(shù)據(jù)對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的影響因素進(jìn)行實(shí)證分析，由于各時(shí)點(diǎn)的△CoVaR*值由歷史兩年數(shù)據(jù)計(jì)算得到，因此各解釋變量取對(duì)應(yīng)時(shí)間區(qū)間內(nèi)的平均值。回歸結(jié)果如表4所示。

表4中，10%分位點(diǎn)下的△CoVaR*對(duì)應(yīng)的回歸結(jié)果顯示，Size的系數(shù)顯著為正，表明銀行自身的資產(chǎn)規(guī)模與其系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)呈負(fù)相關(guān)關(guān)系，由于規(guī)模越大的商業(yè)銀行經(jīng)營(yíng)的穩(wěn)定性越好，在一定程度上其對(duì)銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)就越小，這一結(jié)論與白雪梅和石大龍[20]的研究結(jié)果一致；Leverage系數(shù)顯著為負(fù)，表明在發(fā)生危機(jī)時(shí)杠桿率越高的銀行風(fēng)險(xiǎn)傳染和風(fēng)險(xiǎn)溢出效應(yīng)越大；ROA的系數(shù)顯著為負(fù)，由于收益較高的銀行往往從事具有更高風(fēng)險(xiǎn)的業(yè)務(wù)，因此在極端情形下的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)越高；OR的系數(shù)顯著為負(fù)，說(shuō)明銀行的經(jīng)營(yíng)復(fù)雜程度越高，其經(jīng)營(yíng)風(fēng)險(xiǎn)越難掌控，相應(yīng)的風(fēng)險(xiǎn)貢獻(xiàn)就會(huì)越大。當(dāng)以5%分位點(diǎn)下的△CoVaR*為被解釋變量時(shí)，所得結(jié)論并無(wú)實(shí)質(zhì)性差異。

表4　銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)影響因素的實(shí)證結(jié)果

除了銀行自身特征之外，宏觀經(jīng)濟(jì)狀況也對(duì)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)具有顯著影響。表4的實(shí)證結(jié)果表明，M2/GDP的值越大，即宏觀經(jīng)濟(jì)杠桿率越高，商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)越大；此外，以GDP增速表示的實(shí)體經(jīng)濟(jì)波動(dòng)同樣會(huì)促進(jìn)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的擴(kuò)散。

五、結(jié)論與啟示

本文基于CCA方法測(cè)度了我國(guó)商業(yè)銀行的個(gè)體風(fēng)險(xiǎn)，采用POT-Copula方法構(gòu)建各商業(yè)銀行與銀行體系潛在損失的聯(lián)合分布；在此基礎(chǔ)上，我們對(duì)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)及其影響因素進(jìn)行實(shí)證分析。研究結(jié)果表明：(1)2007-2008年金融危機(jī)、2010年歐債危機(jī)、2013年銀行“錢(qián)荒”以及2014年以來(lái)深化金融改革時(shí)期，我國(guó)商業(yè)銀行的個(gè)體風(fēng)險(xiǎn)較大，潛在損失較高。(2)總體來(lái)看，盡管?chē)?guó)有大型商業(yè)銀行個(gè)體潛在損失較高，但其系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)卻相對(duì)靠后，而全國(guó)性股份制商業(yè)銀行具有較高的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)。(3)各商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)呈現(xiàn)明顯的時(shí)變特征，金融危機(jī)時(shí)期和當(dāng)前深化金融改革階段全國(guó)性股份制商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)較大，而國(guó)有大型商業(yè)銀行在歐債危機(jī)時(shí)期系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)排序明顯上升。(4)杠桿率、總資產(chǎn)收益率和業(yè)務(wù)復(fù)雜程度越高的商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)越大，宏觀經(jīng)濟(jì)的杠桿率和波動(dòng)性提高也會(huì)促進(jìn)銀行體系系統(tǒng)性風(fēng)險(xiǎn)的擴(kuò)散。

本文結(jié)論對(duì)當(dāng)前我國(guó)金融監(jiān)管具有以下啟示：第一，由于規(guī)模和業(yè)務(wù)特征存在明顯差異，各商業(yè)銀行在宏觀經(jīng)濟(jì)沖擊下的個(gè)體風(fēng)險(xiǎn)表現(xiàn)不同。因此，在深化金融改革時(shí)期政府部門(mén)應(yīng)當(dāng)針對(duì)不同類(lèi)型的商業(yè)銀行制定差異化的監(jiān)管政策。第二，部分個(gè)體風(fēng)險(xiǎn)低的商業(yè)銀行可能具有較高的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)，監(jiān)管部門(mén)應(yīng)當(dāng)同時(shí)重視個(gè)體潛在損失和極端情形下的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，將微觀審慎和宏觀審慎監(jiān)管相結(jié)合。第三，各商業(yè)銀行在不同研究區(qū)間內(nèi)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)存在差異，監(jiān)管當(dāng)局應(yīng)當(dāng)根據(jù)宏觀經(jīng)濟(jì)環(huán)境變化對(duì)監(jiān)管政策進(jìn)行及時(shí)調(diào)整，提高金融監(jiān)管的有效性。第四，一些規(guī)模相對(duì)較小、但杠桿率較高和業(yè)務(wù)較為復(fù)雜的商業(yè)銀行具有較高的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)，政府部門(mén)應(yīng)當(dāng)結(jié)合銀行規(guī)模、經(jīng)營(yíng)特點(diǎn)以及宏觀經(jīng)濟(jì)狀況等多重因素，完善相應(yīng)的信息披露和資本附加制度。

參考文獻(xiàn)：

[1] 劉春航,苗雨峰,朱元倩. 銀行業(yè)同質(zhì)性的度量及其對(duì)金融穩(wěn)定的影響[J].金融監(jiān)管研究,2012(2):18-31.

[2] 賈彥東. 金融機(jī)構(gòu)的系統(tǒng)重要性分析——金融網(wǎng)絡(luò)中的系統(tǒng)風(fēng)險(xiǎn)衡量與成本分擔(dān)[J].金融研究,2011(10):17-33.

[3] 隋聰,遲國(guó)泰,王宗堯. 網(wǎng)絡(luò)結(jié)構(gòu)與銀行系統(tǒng)性風(fēng)險(xiǎn)[J].管理科學(xué)學(xué)報(bào),2014(4):57-70.

[4] Hakkio C S, Keeton W R. Financial stress: what is it, how can it be measured, and why does it matter? [J]. Federal Reserve Bank of Kansas Economic Review, 2009:5-50.

[5] 劉春航,朱元倩. 銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)度量框架的研究[J].金融研究,2011(12):85-99.

[6] 徐超. 系統(tǒng)重要性金融機(jī)構(gòu)識(shí)別方法綜述[J].國(guó)際金融研究,2011(11):57-64.

[7] 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),2011(12):1753-1759.

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

[9] 陳守東,王妍. 我國(guó)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(guó)管理科學(xué),2014(7):10-17.

[10] 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):3-20.

[11] 方意,趙勝民,王道平. 我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)測(cè)度——基于DCC-GARCH模型的研究[J].金融監(jiān)管研究,2012(11):26-42.

[12] 范小云,方意,王道平. 我國(guó)銀行系統(tǒng)性風(fēng)險(xiǎn)的動(dòng)態(tài)特征及系統(tǒng)重要性銀行甄別：基于CCA與DAG相結(jié)合的分析[J].金融研究,2013(11):82-95.

[13] 吳恒煜,胡錫亮,呂江林. 我國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)研究：基于拓展的未定權(quán)益分析法[J].國(guó)際金融研究,2013(7):85-96.

[14] 許友傳,劉慶富,陳可楨. 中國(guó)政府對(duì)上市銀行的隱性救助概率和救助成本[J].金融研究,2012(10):60-74.

[15] Merton R. An analytic derivation of the cost of loan guarantees and deposit insurance: an application of modern option pricing theory [J]. Journal of Banking and Finance, 1977, 1(1):3-11.

[16] Pickands J. Statistical inference using extreme order statistics [J]. The Annals of Statistics, 1975, 3(1):119-131.

[17] Dumouchel W H. Estimating the stable index α in order to measure tail thickness: a critique [J]. Annals of Statistics, 1983, 11(4):1019-1031.

[18] Rocco M. Extreme value theory in finance: a survey [J]. Journal of Economic Surveys, 2014, 28(1):82-108.

[19] Adrian T, Brunnermeier M K. CoVaR [R]. FRB of New York Staff Reports, 2008:1-51.

[20] 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):75-85.

[21] 桂文林,韓兆洲,潘慶年. POT模型中GPD“厚尾”性及金融風(fēng)險(xiǎn)測(cè)度[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2010(1):107-118.

責(zé)任編輯、校對(duì)：郭燕慶

The Systemic Risk Measurement and Influencing Factors of Chinese Commercial Banks—An Analysis Based on CCA-POT-Copula Method

WANG Qing1, BAI Xue1, NIU Feng2

(1. Center for Chinese Financial Research, Southwest University of Finance and Economics, Chengdu 611130, China; 2. School of Finance, Southwest University of Finance and Economics, Chengdu 611130, China)

Abstract:This paper measures the individual risks of Chinese commercial banks based on CCA method, investigates the interbank default relativity change in crisis period and empirically analyzes the systematic risk contribution of commercial banks and its influencing factors. The results show that: the individual risks of Chinese commercial banks rise sharply when the financial reform is being deepened currently. In comparison with that of large stated owned commercial banks and urban commercial banks, the spillover effect of the individual risks of Chinese commercial banks is generally relatively high. The systematic risk contribution of each commercial bank has clear time-change features. The commercial banks that have higher leverage, stronger profitability and more complex degree of businesses have higher systematic risk contribution. This study provides beneficial reference for the regulatory authority to make countercyclical macro-prudential regulation policy according to the systematic risks of commercial banks.

Key words:Potential Loss; Systematic Risk; CCA-POT-Copula Method

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1002-2848-2016(02)-0001-09

作者簡(jiǎn)介：王擎(1973-)，重慶市人，西南財(cái)經(jīng)大學(xué)中國(guó)金融研究中心、金融安全協(xié)同創(chuàng)新中心教授，博士生導(dǎo)師，研究方向：宏觀金融、公司金融、資本市場(chǎng)；白雪(1989-)，女，河南省周口市人，西南財(cái)經(jīng)大學(xué)中國(guó)金融研究中心博士研究生，研究方向：宏觀金融風(fēng)險(xiǎn)管理、資本市場(chǎng)；牛鋒(1990-)，安徽省阜陽(yáng)市人，西南財(cái)經(jīng)大學(xué)金融學(xué)院博士研究生，研究方向：金融風(fēng)險(xiǎn)管理、實(shí)證資產(chǎn)定價(jià)。

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目“銀行資本約束下我國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)傳遞研究”(71473200)；教育部人文社科重點(diǎn)研究基地重大項(xiàng)目“基于金融穩(wěn)定的貨幣政策與宏觀審慎監(jiān)管協(xié)調(diào)配合研究”(15JJD790027)；2015年中央高?；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金項(xiàng)目“企業(yè)財(cái)務(wù)杠桿與銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)”(JBK1507028)和“基于EVT-Copula的我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)研究”(JBK1507031)。

收稿日期：2015-11-17