系統(tǒng)性金融風險的測度及影響因素研究

摘要：本文采用指標法，選取銀行業(yè)β系數(shù)與風險利差、無風險收益期限利差、股票市場波動性和匯率波動性等指標，構建金融壓力指數(shù)，逐季測算我國系統(tǒng)性金融風險水平，研究表明在樣本期內有三個階段系統(tǒng)性金融風險壓力較大；選取四大類25個指標利用主成分分析法的實證結果表明，我國系統(tǒng)性金融風險的影響因素按重要性依次為經(jīng)濟脆弱性、宏觀經(jīng)濟熱度、經(jīng)濟運行穩(wěn)健性、證券市場發(fā)育狀況、證券市場投機程度、經(jīng)濟增長動力和實際經(jīng)濟增速。

關鍵詞：系統(tǒng)性金融風險；金融壓力指數(shù)；主成分分析

中圖分類號：F832.5 文獻標識碼：A

收稿日期：2015-09-24

作者簡介：魏金明（1976-），男，山東臨沂人，山東大學經(jīng)濟學院應用經(jīng)濟學博士后流動站博士后，中國人民銀行濟南分行經(jīng)濟師，經(jīng)濟學博士，研究方向：金融風險管理。

基金項目：國家自然科學基金項目“交易型開放式指數(shù)證券投資基金組合套利投資中的動態(tài)市場風險測度及其最優(yōu)動態(tài)資產(chǎn)配置策略”，項目編號：71171155；國家社會科學基金項目“新常態(tài)下的貨幣政策轉型問題研究”，項目編號：15BJY157。

系統(tǒng)性金融風險具有強關聯(lián)性、廣覆蓋性、高傳染性和強破壞性等特征。后金融危機時代，測度、防范和處置系統(tǒng)性金融風險，加強系統(tǒng)性風險的全球治理，已是各國監(jiān)管當局亟需解決、事關本國和全球金融體系穩(wěn)定的重大問題。在金融開放和金融自由化不斷加深的背景下，我國金融機構之間的競爭與合作、各類金融業(yè)務之間的關聯(lián)與融合、國內外金融體系之間的相互滲透和擴張，都可能導致系統(tǒng)性風險產(chǎn)生、蔓延、累積和爆發(fā)。當前我國正處于經(jīng)濟增速放緩、結構調整任務艱巨、風險暴露明顯增加、金融體制改革加快推進的歷史時期，在系統(tǒng)性風險防范方面尚存在三方面不足，一是金融分業(yè)監(jiān)管與事實上的金融混業(yè)經(jīng)營不相適應，二是金融監(jiān)管創(chuàng)新滯后與以互聯(lián)網(wǎng)金融、影子銀行等為代表的金融創(chuàng)新加快不相適應，三是現(xiàn)有金融風險總體防范能力對經(jīng)濟轉型過程中局部風險暴露加大不適應。防范系統(tǒng)性金融風險既是維護金融體系平穩(wěn)運行，又是促進經(jīng)濟轉型升級的重要保障。本文試圖通過構建金融壓力指數(shù)測度我國系統(tǒng)性金融風險水平，并利用主成分分析法揭示其影響因素，以期為系統(tǒng)性金融風險防范提供依據(jù)。

一、文獻述評

2008年金融危機之后系統(tǒng)性風險問題引起監(jiān)管當局和理論界的廣泛關注。識別系統(tǒng)重要性金融機構和測度系統(tǒng)性金融風險，是防范系統(tǒng)性金融風險的前提。近幾年針對這方面的研究主要著眼于兩個層面：一是宏觀層面，利用宏觀數(shù)據(jù)編制各種指數(shù)，以測度金融系統(tǒng)的整體風險；二是微觀層面，針對單個金融機構，識別其系統(tǒng)重要性，并測度其對系統(tǒng)性風險的貢獻。

（一）基于宏觀層面的研究方法

1.金融壓力指數(shù)構建?；诤暧^層面的系統(tǒng)性風險測度方法主要被國際金融組織和一些經(jīng)濟體的央行采用。加拿大央行的Illing和Liu（2003）最早提出了金融壓力（Financial Stress）的概念。他們將金融壓力定義為金融市場和金融機構的不確定性或預期損失的變化對經(jīng)濟主體帶來的壓力。認為金融壓力具有連續(xù)性，隨預期金融損失、風險和不確定的增加而增大。金融壓力可用金融壓力指數(shù)（Financial Stress Index，F(xiàn)SI）來衡量，當金融壓力指數(shù)出現(xiàn)極端值時，一國就會處于金融危機狀態(tài)。鑒于微觀經(jīng)濟主體所承受的金融壓力會通過其在銀行體系、外匯市場、債券市場和股票市場上的交易行為體現(xiàn)出來，Illing和Liu（2003）以銀行部門滾動β系數(shù)衡量銀行部門壓力，以匯率波動率衡量外匯市場壓力，以風險和無風險債券收益利差、國庫券買賣價差、商業(yè)票據(jù)與國庫券利差、長期和短期債券利差、收益率曲線斜率衡量債券市場壓力，以股價指數(shù)波動率衡量股票市場壓力。利用上述9個指標，以各個子市場市值占整個金融市場市值的比重加權，構建金融壓力指數(shù)，測算加拿大系統(tǒng)性金融風險壓力。

美國堪薩斯城聯(lián)邦儲備銀行的Hakkiot和Keeton（2009）認為金融壓力具有五個方面的特征，分別是資產(chǎn)價值不確定性增大、投資者行為的不確定性加大、信息不對稱程度加劇、公眾持有風險資產(chǎn)的意愿降低和公眾持有非流動性資產(chǎn)的意愿降低。他們選取了11個金融市場變量刻畫這五個特征，編制了堪薩斯城金融壓力指數(shù)（The Kansas City Financial Stress Index）測度美國銀行體系風險。該指數(shù)也是當前很多國家和機構判斷風險狀況的重要參考指標之一。

2.金融壓力指數(shù)的應用。IMF的Cardarelli、Elekdag和Lall（2009）利用Illing和Liu構建的金融壓力指數(shù)測算了17個發(fā)達國家30年的金融壓力狀況。在所測算出的113次金融壓力異常值中，約有半數(shù)伴之以經(jīng)濟下滑或衰退。研究還發(fā)現(xiàn)，出現(xiàn)在金融壓力指數(shù)異常值之前的經(jīng)濟衰退，其嚴重程度往往比其他時候更嚴重、持續(xù)時間也更長，尤其當金融壓力主要集中在銀行部門時，這種現(xiàn)象更為突出。金融壓力指數(shù)出現(xiàn)異常值時是否會隨之出現(xiàn)經(jīng)濟下滑現(xiàn)象，主要取決于當時的經(jīng)濟環(huán)境，取決于在金融壓力異常值出現(xiàn)以前，房地產(chǎn)價格和信貸總量上升的水平。而且，當社會融資更依賴于非金融部門時，伴隨金融壓力異常而來的經(jīng)濟下滑會更加嚴重，此時家庭部門的財務失衡程度決定著經(jīng)濟是否會由放緩滑落到衰退。

（二）基于微觀層面的研究方法

系統(tǒng)重要性金融機構是系統(tǒng)性金融風險的重要來源。全球金融危機后理論研究更關注金融機構之間的關聯(lián)性和風險的傳染性，研究視角也從宏觀轉向微觀，從探索總體金融壓力指數(shù)構建轉向研究單個金融機構風險溢出效應及其對系統(tǒng)性風險的潛在影響，研究方法主要有指標法和模型法。

1.指標法。BIS（2011）利用指標法提出了識別和評估全球系統(tǒng)重要性銀行的準則。從規(guī)模、關聯(lián)性、可替代性、復雜性和全球活躍程度5個方面，選取了12個指標，評估單個銀行的系統(tǒng)重要性。中國銀監(jiān)會（2014）則以調整后表內資產(chǎn)余額為標準篩選出13家系統(tǒng)重要性銀行，并要求這些銀行按年披露12項定量指標。

2.模型法。更多研究則是基于模型法，使用高頻數(shù)據(jù)揭示單個金融機構對系統(tǒng)性金融風險的貢獻。使用的方法主要有條件在險價值法（CoVaR）、邊際期望損失法（MES）、系統(tǒng)性風險指數(shù)法（SRISK）和成分預期損失法（CES）。

Adrian和Brunnermeier（2008）提出了條件在險價值方法（CoVaR）。CoVaR關注個體金融風險的尾部分布特征，利用分位數(shù)回歸技術測算單個金融機構對系統(tǒng)性金融風險的貢獻，并以該金融機構處于危機時與在正常狀態(tài)時的在險價值之差，來衡量風險溢出效應的大小。但CoVaR方法也有兩個方面的缺陷，一是該方法只考慮了損失分布的α分位數(shù)，不能很好地捕捉門限值以下極端情況的尾部風險（范小云等，2011）；二是該方法不具可加性，不能以單個金融機構的風險加總來估計整個金融體系的風險水平。

Acharya et al.（2010）基于期望損失（Expected Shortfall，ES）理論提出的邊際預期損失（Marginal Expected Shortfall，MES）方法，該方法既能測度分位數(shù)以外的所有損失，還具有可加性，能彌補CoVaR方法的不足。Acharya et al.（2010）認為金融風險具有負外部性和溢出效應，若金融體系總體出現(xiàn)風險，則會增加單個金融機構的波動性、杠桿率、相互聯(lián)系和風險的尾部相關性（tail-dependence），從而出現(xiàn)股權價值損失，并將這種損失稱之為邊際預期損失（Marginal Expected Shortfall，MES）。他們證明邊際預期損失乘以杠桿率便是系統(tǒng)期望損失（System Expected Shortfall，SES），并以此衡量單個金融機構對系統(tǒng)性風險的貢獻。

但以MES方法測算的系統(tǒng)性風險結果卻與常識不符。理論研究通常認為，規(guī)模越大、杠桿率越高的金融機構因存在“大而不倒”問題，對系統(tǒng)性金融風險的貢獻越大。但MES測算結果顯示，規(guī)模小、杠桿率低的金融機構系統(tǒng)性風險水平反倒比規(guī)模大、杠桿率高的金融機構大。并且，Acharya et al.（2010）基于MES方法的實證結果顯示，2006年6月至2007年6月期間，美國系統(tǒng)性風險最高的前五個金融機構并不是美國最大的金融機構，并且這五家機構在金融危機期間除有一家被收購外，其余的風險水平都較低，經(jīng)營較穩(wěn)健。原因在于，MES方法更強調金融機構之間的關聯(lián)性對系統(tǒng)性風險的影響，而并未重視金融機構規(guī)模和杠桿等因素對系統(tǒng)性風險的影響，即更注重以“聯(lián)系太緊密而不能倒”的邏輯而非以“大而不倒”的邏輯研究系統(tǒng)性風險。

鑒于CoVaR模型和MES方法的不足，Brownlees和Engle（2012）更注重金融機構的規(guī)模和杠桿率對系統(tǒng)性風險的影響，利用包含規(guī)模、杠桿率和MES三個變量的函數(shù)構建了一個系統(tǒng)性風險指數(shù)（SRISK），用以測算危機中金融機構的預期資本損失。SRISK指數(shù)值的大小取決于金融機構的長期MES、市值和負債。從這個方面講，該指數(shù)能很好地在“大而不倒”與“聯(lián)系太緊而不能倒”的邏輯之間做出平衡。但SRISK方法混合使用高頻市場數(shù)據(jù)（如股價、市值等指標的日數(shù)據(jù)）和低頻資產(chǎn)負債表數(shù)據(jù)（如杠桿率），雖能按日計算出金融機構的系統(tǒng)性風險值，其前提卻假定金融危機期間金融機構的負債規(guī)模保持不變，這顯然與現(xiàn)實不符。

Banulescu和 Dumitrescu（2012）為彌補MES方法與SRISK指數(shù)的不足，提出了一個新的系統(tǒng)性風險測量方法：成分期望損失（Component Expected Shortfall，CES）。CES測量金融機構對整個金融系統(tǒng)期望損失的“絕對”貢獻。CES按照市值加權計算金融機構的邊際期望損失（MES），金融機構的CES值越大，對整個金融體系系統(tǒng)性金融風險的貢獻也越大，這種做法更便于識別系統(tǒng)重要性金融機構。

CES方法有幾個方面的優(yōu)勢：一是采用以金融機構市值加權的方法，兼顧“大而不倒”與“聯(lián)系太緊密而不能倒”的理論邏輯。二是采用日數(shù)據(jù)計算CES，便于實時測算系統(tǒng)性風險；并且假定危機期間金融機構的杠桿率和負債水平是實時變化的，模型更貼近現(xiàn)實。三是風險可加總，所有單個金融機構的風險之和便是整個金融體系的系統(tǒng)性風險水平，從而也能計算出每天每個金融機構風險水平及對系統(tǒng)性風險的貢獻。四是CES方法不僅可以計算歷史風險水平，還可以預測未來的風險狀況（短則可預測第二天風險狀況，長則可預測未來六個月的風險狀況），便于監(jiān)管部門防范系統(tǒng)性風險的累積。

（三）針對中國系統(tǒng)性風險的研究

近年來，國內學者也嘗試采用上述方法識別中國系統(tǒng)重要性金融機構、測算系統(tǒng)性金融風險。

賴娟和呂江林（2010）基于Illing和Liu（2003）的方法構建了金融壓力指數(shù)，并證明該指數(shù)能較好地擬合2002年以來我國金融系統(tǒng)的總體風險狀況。陳守東和王妍（2014）發(fā)現(xiàn)，極端分位數(shù)回歸法可以更準確地度量金融機構資產(chǎn)收益率尾部風險的聯(lián)動性。實證結果表明，銀行部門對系統(tǒng)性風險的貢獻高于證券、保險和信托機構，系統(tǒng)性風險貢獻最大的前十個金融機構基本為銀行類機構。原因在于，一是銀行業(yè)資產(chǎn)規(guī)模占整個金融體系的比重遠高于其他行業(yè)；二是因為在中國經(jīng)濟高速增長過程中，直接融資市場受到限制，巨額資金需求很大程度上靠銀行體系解決，“過度銀行化”（白雪梅，石大龍，2014）使得銀行業(yè)在中國金融體系中具有天然的系統(tǒng)重要性。

就銀行部門而言，到底是大銀行的系統(tǒng)重要性程度高還是小銀行系統(tǒng)重要性程度高，結論卻不一致。周強和楊柳勇（2014）認為大型商業(yè)銀行的系統(tǒng)性風險貢獻遠大于小銀行。并且，中國上市銀行的系統(tǒng)重要性與可替代性的相關系數(shù)最大，與復雜性、關聯(lián)性的相關系數(shù)較?。ül(wèi)東，2013）。

但趙進文等（2013）研究卻發(fā)現(xiàn)，大型國有商業(yè)銀行（如中國銀行、建設銀行）的系統(tǒng)性風險貢獻很小，而較小的股份制商業(yè)銀行的系統(tǒng)性風險貢獻較大（如興業(yè)銀行、浦發(fā)銀行）。陳忠陽和劉志洋（2013）也發(fā)現(xiàn)，股份制商業(yè)銀行的系統(tǒng)性風險貢獻度高于國有大型商業(yè)銀行。原因在于，股份制商業(yè)銀行缺乏政府聲譽資本，且營業(yè)網(wǎng)點相對稀少，陷入危機時，很有可能通過其廣泛的關聯(lián)度將沖擊擴散至整個銀行體系。而國有大型商業(yè)銀行出現(xiàn)危機時，由于有國家聲譽資本入股，市場參與者往往認為其“大而不倒”，故其倒閉從而引發(fā)銀行體系出現(xiàn)困境的概率極低。

（四）簡要評價

既有文獻在研究系統(tǒng)性風險的過程中，無論基于宏觀層面還是微觀層面，無論采用指標法還是模型法，都取得了一些有價值的研究成果。這些方法各有其優(yōu)點。CoVaR法側重于反映銀行個體風險對系統(tǒng)性風險的貢獻，MES法側重于反映市場風險，SRISK指數(shù)側重于反映規(guī)模、杠桿率等銀行層面的因素。但這些方法也都存在一些不足。比如CoVaR方法只能測算單個金融機構的風險，無法通過單個金融機構風險的加總而得到總體風險狀況；MES法和SRISK法以實際發(fā)生的危機事件為條件，并不適用于沒發(fā)生過系統(tǒng)性金融風險的經(jīng)濟體。

對比指標法和模型法可以發(fā)現(xiàn)，指標法簡單、清晰、數(shù)據(jù)易獲得、模型易實現(xiàn)，但該方法在對各項指標賦予權重時帶有很強的主觀性。模型法對系統(tǒng)性風險的測度更精確，但適用條件有限制性，有些實證數(shù)據(jù)難獲取，并且穩(wěn)健性受質疑。

模型法通常采用高頻數(shù)據(jù)，多以上市金融機構為研究對象，并通常以股票價格指數(shù)收益率作為單個金融機構或整個金融體系資產(chǎn)收益率的替代變量。就我國而言，股票市場仍屬弱式有效市場，股票價格易受噪聲影響，以其作為收益率替代變量，可靠性不夠強。同時由于大量中小金融機構并未上市，并且事實上地方金融機構在區(qū)域金融安全中的地位非常重要?；谏鲜薪鹑跈C構的研究，雖能揭示資產(chǎn)規(guī)模因素對系統(tǒng)性風險的影響，但尚不足以揭示關聯(lián)性、網(wǎng)絡性等因素的影響。所以，基于宏觀經(jīng)濟指標和金融機構資產(chǎn)負債表指標，從宏觀層面測算系統(tǒng)性金融風險仍較符合我國實情。

二、基于金融壓力指數(shù)的系統(tǒng)性金融風險測度

（一）金融壓力指數(shù)構建與金融壓力識別

借鑒Illing和Liu（2003）、Hakkiot和Keeton（2009）的研究方法，將金融體系分為銀行部門、債券市場、股票市場和外匯市場四個子部分。針對中國金融體系的特點，并基于數(shù)據(jù)可獲得性，本文選擇銀行業(yè)β系數(shù)、銀行業(yè)風險利差以衡量銀行部門壓力，以無風險收益期限利差衡量債券部門壓力，以股票市場波動性衡量股票市場壓力，以匯率波動性衡量外匯市場壓力，利用2002年1季度到2014年3季度的數(shù)據(jù)構建我國金融壓力指數(shù)。

1.指標選取。（1）銀行業(yè)β系數(shù)（I1）。以上市銀行為樣本，分別以申萬銀行業(yè)指數(shù)和滬深300指數(shù)收盤價計算上市銀行和大盤的日收益率，在此基礎上按季度計算銀行業(yè)β系數(shù)，以反映銀行業(yè)對整體經(jīng)濟波動的敏感性。（2）銀行業(yè)風險利差（I2）。鑒于我國金融債大多數(shù)由銀行之間相互持有，金融債與同期國債之間利差增加，會增加銀行信用風險和流動性風險暴露，用中長期金融債平均到期收益率與同期國債平均到期收益率之差衡量銀行業(yè)風險利差。（3）無風險收益期限利差（I3）。以期限在10年以上的長期國債平均到期收益率與1年以下的短期國債平均到期收益率之差表示，反映經(jīng)濟主體將短期債務轉換為長期資產(chǎn)時的成本。當負的期限利差出現(xiàn)時，經(jīng)濟主體的利潤將被嚴重侵蝕。（4）股票市場波動性（I4）。股票市場波動性加劇是風險壓力加大的表現(xiàn)。本文參考Patel和Sarkar（1998）的做法以CMAX方法測度股票市場波動性。

（二）我國系統(tǒng)性金融風險測算

根據(jù)公式（3）測算的我國2002年1季度至2014年3季度的金融壓力識別指數(shù)表明，樣本期三個時間段內我國系統(tǒng)性金融風險壓力需引起關注，一是2002-2003年期間，二是2008年期間，三是2012年4季度至今（見圖1）。

第一階段：2002-2003年。這一階段，中國系統(tǒng)性金融風險壓力很大，金融壓力識別指數(shù)于2002年第三季度達到3.7的最高點。

由于市場機制不完善，本世紀初，我國銀行體系產(chǎn)權制度不明晰，公司治理機制不完善，政府干預嚴重，資本充足率和風險管理水平低，經(jīng)營績效較差，銀行業(yè)不良率在有些年份甚至超過30%，一些銀行陷入技術性破產(chǎn)邊緣。

自2003年起，中國啟動了國有商業(yè)銀行股份制改革戰(zhàn)略。通過政府注資、補充資本金、剝離不良資產(chǎn)、引入戰(zhàn)略投資者、公開上市等措施，化解了歷史包袱，完成了股份制改造，在拓寬了融資渠道的同時，完善了公司治理機制，提高了經(jīng)營管理能力和風險防范水平。同時，中國還于2004年拉開了資本市場改革的序幕，于2005年進行了匯率體制改革。改革紅利的釋放，緩解了系統(tǒng)性金融風險壓力，直到2008年金融危機之前，我國系統(tǒng)性金融風險識別指數(shù)都處于較低水平，金融體系總體運行穩(wěn)健。

第二階段：2008年金融危機時期。2007年次債危機的影響迅速傳至我國，導致金融壓力識別指數(shù)迅速攀升，到2008年3季度已達到2.1，表明我國金融體系存在較大的系統(tǒng)性風險壓力。在中央政府采取的積極財政政策和適度寬松貨幣政策等宏觀調控措施的共同作用下，系統(tǒng)性金融風險壓力得到緩解，自2009年1季度直到2013年1季度一直處于較低水平。

第三階段：2012年4季度至今。系統(tǒng)性金融風險壓力識別指數(shù)迅速攀升。自2013年，中國經(jīng)濟進入三期疊加的下行周期，傳統(tǒng)行業(yè)產(chǎn)能過剩，企業(yè)經(jīng)營壓力加大，房地產(chǎn)業(yè)風險加劇，擔保圈風險集中暴露，多重因素導致銀行業(yè)不良貸款余額和不良貸款率雙升，至2014年3季度末已達1.16%，創(chuàng)三年以來新高，系統(tǒng)性風險壓力較大。

具體分析當前我國金融體系系統(tǒng)性風險的特點。首先，房地產(chǎn)與地方融資平臺是系統(tǒng)性金融風險的主要誘因。一是2014年以來房地產(chǎn)市場持續(xù)降溫，進入周期性調整階段，銷售面積和價格同比持續(xù)下跌，庫存壓力較大，房地產(chǎn)投資資金來源明顯萎縮，信用風險上升，部分中小房企資金鏈條緊張，房地產(chǎn)業(yè)風險成為短期內中國經(jīng)濟發(fā)展所面臨的主要風險，也是系統(tǒng)性金融風險的主要誘因。二是在經(jīng)濟減速過程中，財政收入增速下降，尤其是作為地方財政收入主要來源的土地出讓金收入下降。同時，為履行逆周期調控職責，在積極財政政策下政府支出擴大，必然導致政府赤字規(guī)模和債務規(guī)模的擴大。加之中央政府對地方政府債務約束增強，地方財政回旋余地更小。這些因素會加大地方政府存量債務違約風險，也是影響金融體系穩(wěn)定的不利因素。其次，影子銀行是潛在的系統(tǒng)性金融風險隱患。我國“影子銀行”風險雖然總體可控，但由于監(jiān)管制度以及相關法律法規(guī)不完善，“影子銀行”與傳統(tǒng)金融體系（尤其是銀行體系）之間并未建立起嚴格的風險隔離機制，“影子銀行”風險極易傳導到傳統(tǒng)金融體系內部，引發(fā)系統(tǒng)性金融風險。

三、我國系統(tǒng)性金融風險影響因素分析

單一風險來源通常難以形成系統(tǒng)性風險，探討系統(tǒng)性金融風險的影響因素，需要基于多市場、多層次、多維度的指標進行綜合分析。

（一）指標設計

本文借鑒沈悅和亓莉（2008）以及麥強盛（2011）的研究思路，通過構建經(jīng)濟子系統(tǒng)、銀行子系統(tǒng)、國際收支子系統(tǒng)和證券市場子系統(tǒng)四大類指標體系（見表1），探討系統(tǒng)性金融風險的影響因素。經(jīng)濟子系統(tǒng)指標反映與金融體系密切關聯(lián)的宏觀經(jīng)濟環(huán)境狀況。銀行子系統(tǒng)指標反映銀行體系運行是否穩(wěn)健，是否存在債務危機或破產(chǎn)風險。國際收支子系統(tǒng)指標反映國際貿易、國際資本借貸以及國際資金轉移狀況。證券市場子系統(tǒng)指標反映證券市場狀況。

（二）影響因素識別

1.數(shù)據(jù)處理及模型求解。本文選取1994-2013年期間各指標數(shù)據(jù)。數(shù)據(jù)來源于Wind資訊數(shù)據(jù)庫、BVD數(shù)據(jù)庫、《中國統(tǒng)計年鑒》和《中國證券期貨統(tǒng)計年鑒》。（1）數(shù)據(jù)正向化處理。上述評價指標中，既有正向指標又有負向指標，還有適度指標。為避免指標不同向造成綜合指數(shù)偏差，必須將指標進行同趨勢化處理。本文采用正向化處理方法，即把負向指標和適度指標轉化為正向指標①。（2）模型求解。利用SPSS19.0軟件進行主成分分析，各主成分的特征值如表2所示。前7個主成分的特征值都大于1且累積方差貢獻率達到87.5 %。依據(jù)初始特征值大于1且累積方差貢獻率大于85%的判定原則，可以認為保留前7個主成分較為恰當。

2.主成分命名。

主成分1：經(jīng)濟脆弱性。從表3可以看出，在第1個主成分中，短期外債/外債總額、償債率、負債率、債務率、不良貸款比率和資本充足率等指標的加權系數(shù)較大。其中前4個債務指標反映了我國的外債負擔、經(jīng)濟增長對外債的依賴程度、外債償還壓力和償債能力，能綜合反映我國的外債風險。理論研究認為，債務負擔是導致經(jīng)濟脆弱性的重要因素。一個經(jīng)濟體對外負債過高，尤其是公共部門對外負債過重，會引發(fā)通脹和貨幣貶值，甚至會誘發(fā)貨幣危機，歐洲主權債務危機便是很好的例證。外債清償力還直接影響到金融體系的脆弱性。過度負債、償債能力不足會惡化經(jīng)濟基本面，由于金融脆弱性具有自我強化機制，一旦出現(xiàn)外部沖擊，便可能誘發(fā)金融危機。不良貸款比率和資本充足率是衡量金融脆弱性的重要監(jiān)管指標。所以，可以將第1個主成分命名為“經(jīng)濟脆弱性”，該主成分解釋了系統(tǒng)性金融風險的28.8%。

主成分2：宏觀經(jīng)濟熱度。在第2個主成分中，中長期貸款/總貸款、存貸比、短期外債/外匯儲備、國內外利差、M2/GDP等指標具有較高的加權系數(shù)。中長期貸款占總貸款的比重越大，說明以項目投資為主的固定資產(chǎn)投資旺盛；存貸比越高，說明銀行存款向貸款轉化的效率越高，銀行的經(jīng)營越活躍；M2/GDP的比重越高說明貨幣供給量和金融深化程度越高，貨幣資金供給越充足；國內外利差越大，越能吸引外部資金流入，增加投資資金來源；短期外債主要源于貿易融資，短期外債增多在很大程度上意味著對外貿易活躍。因此，可將第2個主成分命名為“宏觀經(jīng)濟熱度”，該主成分解釋了系統(tǒng)性金融風險的17%。

主成分3：經(jīng)濟運行的穩(wěn)健性。在第3個主成分中，經(jīng)常項目差額/GDP、財政赤字/GDP、準備金率、上證綜指波動具有較高的加權系數(shù)。經(jīng)常項目差額/GDP在一定程度上可反映國際收支平衡狀況，該指標不超過4%被視為一個經(jīng)濟體對外平衡的重要標志。財政赤字/GDP是衡量財政風險的重要指標，適度的財政赤字率有利于促進經(jīng)濟增長，保持物價穩(wěn)定，體現(xiàn)出一國財政的穩(wěn)健性。準備金率是體現(xiàn)貨幣政策松緊狀況和穩(wěn)健性的重要指標。上證綜指波動程度能體現(xiàn)股票市場穩(wěn)健性。所以上述指標能反映出國際收支平衡狀況以及財政政策、貨幣政策和資本市場的穩(wěn)健性，能從總體上反映經(jīng)濟運行質量。因此，第3個主成分可命名為“經(jīng)濟運行的穩(wěn)健性”，該主成分解釋了系統(tǒng)性金融風險的13.2%。

主成分4：證券市場發(fā)育狀況。第4個主成分中，市盈率和股票總市值/GDP具有較高加權系數(shù)。股票總市值/GDP代表證券化率，一國證券化率越高，表明證券市場在該國經(jīng)濟體系中越重要。市盈率是反映股票收益與風險的重要指標，市盈率偏高的股票，其價格與價值的背離程度就越高，投資者承擔的投資風險也越大。這兩個指標分別反映經(jīng)濟體的證券化程度和與之相伴的風險狀況，所以該主成分可以命名為“證券市場發(fā)育狀況”，該主成分解釋了系統(tǒng)性金融風險的9.8%。

主成分5：證券市場投機程度。在第5個主成分中，股市成交額波動和換手率的加權系數(shù)較高。股票成交量和換手率成正比關系，成交量越大，換手率就越高。換手率一方面能反映股票流動性，換手率越高股票市場越活躍，另一方面，高換手率也往往意味著短線交易活躍，投機性較強②。此外，成交量波動所產(chǎn)生的放量和縮量等不規(guī)則交易行為，也往往會帶來股票價格的劇烈波動，從而誘發(fā)股票市場投機交易。所以，第5個主成分可命名為“證券市場投機程度”，該主成分解釋了系統(tǒng)性金融風險的7.3%。

主成分6：經(jīng)濟增長動力。第6個主成分中，信貸增長率/GDP增長率和固定資產(chǎn)投資增長率的加權系數(shù)較大。改革開放以來投資成為拉動我國經(jīng)濟快速增長主要動力，2008年危機之后內需乏力、外需不振，經(jīng)濟增長更依賴大規(guī)模基礎設施建設投資和房地產(chǎn)開發(fā)投資，可以說固定資產(chǎn)投資增長率反映出中國經(jīng)濟持續(xù)增長的動力。信貸資金是投資快速增長的重要支撐力量，也是促進經(jīng)濟增長的重要投入要素。較高的信貸增速既表明經(jīng)濟發(fā)展過程中資金投入較為充裕，又表明信貸資金的使用效率不高，還意味著部分信貸資金可能流出實體經(jīng)濟領域。信貸資金的“漏損”及使用的低效率，無疑會影響經(jīng)濟增長的可持續(xù)性。根據(jù)以上分析，第6個主成分可命名為“經(jīng)濟增長的動力”，該主成分解釋了銀行業(yè)系統(tǒng)性風險的5.9%。

主成分7：經(jīng)濟實際增速。第7個主成分中，只有GDP增長率和CPI的加權系數(shù)較大，該主成分可命名為“實際經(jīng)濟增速”，解釋了銀行業(yè)系統(tǒng)性風險的5.5%。

四、結論

準確識別系統(tǒng)重要性金融機構，精確測算系統(tǒng)性金融風險是防范和化解系統(tǒng)性風險的前提。鑒于我國金融體系的特點、不同市場和不同頻度經(jīng)濟金融數(shù)據(jù)的質量，并考慮到數(shù)據(jù)可獲得性，基于宏觀層面、運用總體數(shù)據(jù)、采用指標法測算系統(tǒng)性金融風險，仍具有較強的可行性和可靠性。

本文采用指標法，選取銀行業(yè)β系數(shù)、銀行業(yè)風險利差、無風險收益期限利差、股票市場波動性和匯率波動性五個指標，刻畫銀行體系、債券市場、股票市場和外匯市場的系統(tǒng)性風險壓力。通過構建金融壓力指數(shù)，采用2002年1季度到2014年3季度的相關數(shù)據(jù)，逐季測算出我國系統(tǒng)性金融風險水平。研究結果表明，樣本期內，2002-2003年期間、2008年期間、2012年4季度至今這三個階段，我國系統(tǒng)性金融風險壓力較大。該結論與實際情況較為一致，表明采用金融壓力指數(shù)測度的我國系統(tǒng)性金融風險，結果較為可靠。

針對系統(tǒng)性風險影響因素具有多層次、多維度、多元化的特征，本文選取經(jīng)濟子系統(tǒng)、銀行子系統(tǒng)、國際收支子系統(tǒng)和證券市場子系統(tǒng)四大類25個指標，利用主成分分析法探討系統(tǒng)性金融風險的影響因素?；?994-2013年數(shù)據(jù)的實證結果表明，我國系統(tǒng)性金融風險的影響因素按重要性依次為：經(jīng)濟脆弱性、宏觀經(jīng)濟熱度、經(jīng)濟運行穩(wěn)健性、證券市場發(fā)育狀況、證券市場投機程度、經(jīng)濟增長動力和實際經(jīng)濟增速。

注釋：

① 負向指標正向化處理的方法是對原始值取反，即x′=-x。適度指標正向化處理的方法是對原始值與均值之差的絕對值取反，即x′=-|x-|。

② 張崢和劉力（2006）的研究發(fā)現(xiàn)，投資者的異質性信念會滋生交易的投機性，這種投機性會使股票價格中包含泡沫成分。投資者意見分歧的波動越大，股票價格中的投機性泡沫成分也越高。并且意見分歧程度的高波動會導致高換手率，所以高換手率往往伴之以高投機性。

參考文獻：

[1] Basel Committee on Banking Supervision. Global Systemically Important Banks： Assessment Methodology and the Additional Loss Absorbency Requirement[R].BCBS publications， 2011.

[2] ChristianBrownlees， Robert Engley. Volatility， Correlation and Tails for Systemic Risk Measurement[EB/OL].http：//papers.ssrn.com/sol3/papers.cfm？abstract_id=1611229，2012.

[3] Georgiana-Denisa Banulescu， Elena-Ivona Dumitrescu. Which are the SIFIs？ A Component Expected Shortfall （CES） Approach to Systemic Risk[R].EUI Working Papers，2013， No.MWP 2013/23.

[4] Hakkio CS， Keeton WR. Financial Stress： What is It， How can It be Measured， and Why Does It Matter？[J].Economic Review， 2009（II）：5-50.

[5] Illing M， Liu Y. An index of Financial Stress for Canada[R].Bank of Canada Working Paper， 2003：1-63.

[6] RobertoCardarelli，Selim Elekdag，Subir Lall. Financial Stress， Downturns， and Recoveries[R].IMF Working Paper， 2009，No.WP/09/100.

[7] Tobias Adrian， Markus KBrunnermeier. CoVaR[R].Federal Reserve Bank of New York Staff Reports， 2008，No.348.

[8] Viral VAcharya， Lasse H Pedersen，Thomas Philippon， and Matthew Richardsony. Measuring Systemic Risk[R].AFA 2011 Denver Meetings Paper， 2011.

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

[10]陳守東，王妍.我國金融機構的系統(tǒng)性金融風險評估——基于極端分位數(shù)回歸技術的風險度量[J]. 中國管理科學， 2014，22（7）： 10-17.

[11]陳忠陽，劉志洋.國有大型商業(yè)銀行系統(tǒng)性風險貢獻度真的高嗎——來自中國上市商業(yè)銀行股票收益率的證據(jù)[J]. 財貿經(jīng)濟， 2013（9）： 57-66.

[12]范小云，王道平，方意.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[J].南開經(jīng)濟研究，2011（4）： 3-20.

[13]郭衛(wèi)東.中國上市銀行的系統(tǒng)重要性評估—基于指標法的實證分析[J].當代經(jīng)濟科學， 2013，35（2）： 28-35.

[14]賴娟，呂江林.基于金融壓力指數(shù)的金融系統(tǒng)性風險的測度[J].統(tǒng)計與決策， 2010（19）： 128-131.

[15]麥強盛. 基于宏觀審慎監(jiān)管的銀行業(yè)系統(tǒng)性風險研究[D].廣州：暨南大學博士學位論文，2011.

[16]沈悅，亓莉. 中國商業(yè)銀行系統(tǒng)性風險預警指標體系及監(jiān)測分析[J]. 西南大學學報：社會科學版， 2008，34（4）：139-143.

[17]張崢，劉力.換手率與股票收益：流動性溢價還是投機性泡沫？[J]. 經(jīng)濟學（季刊）， 2006，5（3）：871-892.

[18]趙進文，張勝保，韋文彬. 系統(tǒng)性金融風險度量方法的比較與應用[J]. 統(tǒng)計研究， 2013，30（10）：46-53.

[19]周強，楊柳勇. 論中國系統(tǒng)重要性銀行識別-市場模型法還是指標法[J]. 國際金融研究， 2014（9）： 70-79.

Abstract：With an indicator-based approach， this paper develops an financial stress index （FSI） by using five components， such as banking sector β， financial bonds yield spread， Treasury bill bid-offer spread， stock market volatility and exchange rate volatility. Using the FSI， this paper measures the level of Chinese systemic financial risk quarter by quarter. The study shows there are 3 phases in the sample period that the financial systemic risk is significantly higher than normal. This paper adopts principal component analysis by selecting 25 indexes which are included in 4 categories to investigate the influence factors of Chinese systemic financial risk. According to importance， these influence factors can be ranked as： economic frailties， macro-economic boom， robustness of economic system， the development degree of securities market， the degree of speculation of securities market， the driver of economic growth and the real economic growth rate.

Key words：systemic financial risk； index of financial stress； principal component analysis

（責任編輯：李江）