中國上市商業(yè)銀行系統(tǒng)性風(fēng)險測度
——基于SCCA方法的分析

■張煒，童中文

中國上市商業(yè)銀行系統(tǒng)性風(fēng)險測度
——基于SCCA方法的分析

■張煒，童中文

本文利用系統(tǒng)性或有權(quán)益分析法（SCCA），優(yōu)化采用時變多元Copula函數(shù)測度了我國14家上市銀行2007年第4季度至2016年第3季度的系統(tǒng)性風(fēng)險。實證結(jié)果表明：基于時變多元Copula函數(shù)的SCCA方法能很好地體現(xiàn)銀行系統(tǒng)性風(fēng)險的整體性和時變性；回歸分析證明銀行資產(chǎn)的流動性水平、資本充足率、信貸資產(chǎn)質(zhì)量和宏觀經(jīng)濟形勢等對系統(tǒng)性風(fēng)險都有顯著影響。本研究對我國商業(yè)銀行風(fēng)險監(jiān)管提供了理論支持。

SCCA；時變多元Copula函數(shù)；系統(tǒng)性風(fēng)險

張煒（1992-），江蘇泰州人，南京師范大學(xué)商學(xué)院，金融工程研究所，碩士生，研究方向為金融工程、金融風(fēng)險；童中文（1973-），安徽人，博士后，南京師范大學(xué)商學(xué)院，金融工程研究所，副教授。（江蘇南京210000）

一、引言

隨著金融機構(gòu)和金融市場之間的關(guān)聯(lián)性不斷提升，金融交易背后隱含的風(fēng)險已經(jīng)不再是傳統(tǒng)意義上的單個風(fēng)險，而是綜合性、全局性的系統(tǒng)性風(fēng)險。在我國金融體系中，銀行業(yè)一直處主導(dǎo)地位，其主要收益和風(fēng)險都來自于信貸業(yè)務(wù)。由于業(yè)務(wù)之間存在同質(zhì)性和相關(guān)性，銀行系統(tǒng)性風(fēng)險有極大的傳染性和破壞性。

根據(jù)銀監(jiān)會公布的監(jiān)管指標(biāo)，2016年商業(yè)銀行不良貸款余額持續(xù)大幅上升，截至第三季度已高達14939億元，不良貸款率達1.76%。2016年李克強總理在政府工作報告中強調(diào)要重點深化金融體制改革，為避免潛在金融風(fēng)險集中爆發(fā)和風(fēng)險疊加導(dǎo)致系統(tǒng)性金融風(fēng)險，要加快推進金融監(jiān)管轉(zhuǎn)型，因此防范系統(tǒng)性金融風(fēng)險是“十三五”時期的金融改革面臨的任務(wù)之一。這就要求我們加強對系統(tǒng)性風(fēng)險的監(jiān)管，而加強系統(tǒng)性風(fēng)險監(jiān)管的核心就在于如何對系統(tǒng)性風(fēng)險進行合理度量。

二、文獻綜述

近年來，國內(nèi)外學(xué)者研究系統(tǒng)性風(fēng)險的主要方向有系統(tǒng)性風(fēng)險的傳播方式、系統(tǒng)重要性銀行監(jiān)測、利用市場數(shù)據(jù)量化系統(tǒng)性風(fēng)險等方面。

對傳播方式的研究主要采用網(wǎng)絡(luò)結(jié)構(gòu)分析法，Nacaskul（2010）利用銀行的網(wǎng)絡(luò)中心性對系統(tǒng)性風(fēng)險進行測度。Drehmann and Tarashev（2011）利用廣義貢獻法對系統(tǒng)重要性銀行進行測度，發(fā)現(xiàn)銀行間網(wǎng)絡(luò)和銀行在該網(wǎng)絡(luò)中所處位置比銀行的規(guī)模對整個系統(tǒng)風(fēng)險的影響更大。吳畏等(2014)運用復(fù)雜網(wǎng)絡(luò)方法，發(fā)現(xiàn)網(wǎng)絡(luò)中體量大的節(jié)點對金融體系的系統(tǒng)風(fēng)險影響更大。歐陽紅兵和劉曉東（2014）將最小生成樹和平面極大過濾圖方法運用到網(wǎng)絡(luò)分析法中，證明利用復(fù)雜網(wǎng)絡(luò)的節(jié)點中心性來識別系統(tǒng)重要性的方法是有效的。但是銀行間的實際雙邊風(fēng)險暴露矩陣較難獲得，數(shù)據(jù)的獲得難度降低了該方法的實用性（范小云,2011）。

目前很多學(xué)者利用單個機構(gòu)對系統(tǒng)性風(fēng)險貢獻度對系統(tǒng)重要性銀行進行研究。Adrian and Brunnermeier(2008)提出了條件在險價值(CoVaR)的概念測度單個金融機構(gòu)對系統(tǒng)風(fēng)險的貢獻度，發(fā)現(xiàn)遠期△CoVaR有助于逆周期監(jiān)管。王蓉（2016）利用我國16家上市商業(yè)銀行數(shù)據(jù)進行CoVaR模型估計，發(fā)現(xiàn)我國商業(yè)銀行系統(tǒng)性風(fēng)險存在明顯的正向雙向溢出效應(yīng)。陸靜和胡曉紅(2014)利用CoVaR方法對中國銀行系統(tǒng)性風(fēng)險做了實證研究，但是通過單個金融機構(gòu)CoVaR的簡單相加并不能得到整個系統(tǒng)的風(fēng)險價值。Huang et al.(2009)根據(jù)CDs價差計算系統(tǒng)性風(fēng)險的邊際風(fēng)險，度量各機構(gòu)在金融系統(tǒng)中的系統(tǒng)重要性。由于中國還沒有發(fā)達的衍生品市場，故該方法在度量中國金融市場的系統(tǒng)性風(fēng)險時，具有一定的局限性。

量化系統(tǒng)性風(fēng)險的指標(biāo)主要有ES、MES、AR值、SRISK、違約距離等。Acharya et al.(2011)提出了系統(tǒng)性期望損失(SES)和邊際期望損失(MES)兩種指標(biāo)測度系統(tǒng)性風(fēng)險。Kritzman,et al.(2010)基于主成分分析的思想，利用吸收率(AR)這一指標(biāo)來描述系統(tǒng)性風(fēng)險。Brownlees and Engle(2012)將反映金融機構(gòu)經(jīng)營狀況的市值、負(fù)債等規(guī)模因素納入系統(tǒng)性風(fēng)險指數(shù)，提出SRISK方法。Gray and Malone (2008)、宮曉琳(2012)、毛建林和張紅偉(2015)利用CCA方法測度系統(tǒng)性風(fēng)險，Harada and Ito(2008)以總違約距離(Aggregated DD)為基準(zhǔn)，研究了在危機時期的金融風(fēng)險，證明了違約距離(DD)在測度系統(tǒng)性風(fēng)險時的有效性。De Nicolò and Tieman(2006)、Saldías(2012)研究了歐洲地區(qū)的平均違約距離(Average DD)和組合違約距離(Portfolio DD)，發(fā)現(xiàn)通常情況下組合違約距離都大于平均違約距離。范小云等(2013)將CCA方法和DAG技術(shù)相結(jié)合，對我國銀行系統(tǒng)性風(fēng)險進行測度并對系統(tǒng)重要性銀行進行鑒別。

但由于資產(chǎn)負(fù)債表的關(guān)聯(lián)性、信息不對稱性及金融風(fēng)險的傳染性，在危機時期，這些方法無法準(zhǔn)確描述金融風(fēng)險的“厚尾”性。因此在CCA的基礎(chǔ)上，王擎等(2016)將CCA-POT-Copula和△CoVaR相結(jié)合，采用滾動固定窗口的方法測度不同時間段內(nèi)各商業(yè)銀行的違約相關(guān)性，發(fā)現(xiàn)全國性股份制商業(yè)銀行具有較高的系統(tǒng)性風(fēng)險貢獻。Gray and Jobst (2010)提出系統(tǒng)性或有權(quán)益分析法(SCCA)，將整個金融系統(tǒng)的風(fēng)險視作是單個金融機構(gòu)違約風(fēng)險的集合，利用多元極值分布理論測度金融機構(gòu)違約風(fēng)險之間的相關(guān)性。該方法不僅能度量單個金融機構(gòu)對政府或有債務(wù)的貢獻度，還具有前瞻性的優(yōu)勢。

因此本文在SCCA方法的基礎(chǔ)上，拓展利用時變多元Copula函數(shù)表現(xiàn)各上市銀行在不同時間段的相依關(guān)系，通過整合上市銀行的市場信息和財務(wù)信息，得到整個銀行系統(tǒng)在各時間段的系統(tǒng)性風(fēng)險指標(biāo)。基于時變多元Copula函數(shù)的SCCA方法能更好地適應(yīng)金融市場發(fā)展的動態(tài)性和復(fù)雜性。

三、模型構(gòu)建

（一）基于CCA方法測度潛在風(fēng)險

根據(jù)或有權(quán)益資產(chǎn)負(fù)債表，一個機構(gòu)的資產(chǎn)市值(Assets)在任何時刻都等于股權(quán)的市場價值（Equity）和債務(wù)的市場價值(Risky Debt)之和，且t時刻的資產(chǎn)價值A(chǔ)（t）隨著時間服從幾何布朗運動：

式中μA、δA分別表示資產(chǎn)的收益率和波動率，μA∈R，δA＞0，ε服從標(biāo)準(zhǔn)正態(tài)分布。假設(shè)初始時刻t的資產(chǎn)價值為A（t），根據(jù)(2)式可以解出在負(fù)債到期時刻T的資產(chǎn)價值A(chǔ)（T）。由于資產(chǎn)收益率μA難以估計，因此用無風(fēng)險利率r代替μA（Gray and Jobst，2010）：

由于A（T）是隨機波動的，在到期償付日T，資產(chǎn)市值A(chǔ)（T）可能小于機構(gòu)的承諾償付額B①機構(gòu)的承諾償付額B又稱為債務(wù)違約閾值。而違約。在t時刻預(yù)期的實際違約概率PD（t）：

表示實際概率下的違約距離，是資產(chǎn)的市場價值和違約閾值之間的標(biāo)準(zhǔn)化距離。

t時刻的高風(fēng)險債務(wù)D（t）等于違約閾值B減去違約擔(dān)保價值PE（t），因B在T時期到期，則：

D（t）=Be-r（T-t）-PE（t）（6）

在期權(quán)定價理論的假設(shè)下，該違約擔(dān)保模型可看作是與違約閾值B和資產(chǎn)市值A(chǔ)（t）有關(guān)的隱性看跌期權(quán)，此隱性看跌期權(quán)反映了債務(wù)投資者t時刻的潛在損失：

t時刻的股權(quán)價值E（t）可以看作是以資產(chǎn)市值A(chǔ)（t）為標(biāo)準(zhǔn)，以違約閾值B為執(zhí)行價格，以負(fù)債到期期限T-t為持有期的看漲期權(quán)：

式中A（t）和δA無法從市場直接觀測到，但是根據(jù)Merton（1974）關(guān)于波動率的公式，資產(chǎn)隱含波動率δA可以用股票市值波動率δE轉(zhuǎn)換得到：

根據(jù)(8)、(9)式，運用Newton-Raphson迭代法，可以求出A（t）和δA，從而求出債務(wù)的違約距離和潛在損失等風(fēng)險指標(biāo)。

（二）潛在損失的聯(lián)合分布

因為多元極值分布是一種非常復(fù)雜的非線性分布，所以近年來，很多學(xué)者將Copula函數(shù)和一元極值分布函數(shù)相結(jié)合，大大減少了分析問題的難度，同時也方便了解各機構(gòu)風(fēng)險之間的相依關(guān)系。

1.極值分布擬合

根據(jù)Fisher-Tippett定理，任何極值分布都可以用Frechet、Weibull、Gumbel三種分布族中的一種來描述，然后根據(jù)擬合的效果選取最適合的邊際損失分布函數(shù)，一般格式如下:

其中μ∈R為位置參數(shù)，σ＞0為刻度參數(shù)；當(dāng)μ= 0，σ=1時，函數(shù)為標(biāo)準(zhǔn)形式。

2.基于時變多元Copula函數(shù)的相依結(jié)構(gòu)

對于連續(xù)的多維分布函數(shù)，一維邊際分布和多維分布函數(shù)之間可以通過Copula函數(shù)連接起來(張金清和李徐，2008)。本文選取最常見的多元正態(tài)Copula函數(shù)來描述各上市銀行之間的相依關(guān)系，多元正態(tài)Copula函數(shù)的密度函數(shù)如下：

式中ρ為相關(guān)系數(shù)矩陣，Φρ，n（·）為相關(guān)系數(shù)矩陣為ρ的多元正態(tài)分布函數(shù)，Φ-1（·）為標(biāo)準(zhǔn)正態(tài)分布的反函數(shù)。

為了描述n個變量之間的相依關(guān)系隨時間變化的趨勢，我們利用動態(tài)條件相關(guān)(DCC-GARCH)方法計算相關(guān)系數(shù)矩陣ρt的動態(tài)變化過程(Engle，2002；謝赤等，2012；鄭振龍和楊偉，2012)：

式中Qt為變量之間的協(xié)方差矩陣，Q為標(biāo)準(zhǔn)化殘差所求出的無條件協(xié)方差；α、β為DCC-GARCH模型的估計參數(shù)，要求α+β＜1。

（三）系統(tǒng)性風(fēng)險的度量

根據(jù)得到的極值分布及時變多元Copula函數(shù)的估計參數(shù)，利用蒙特卡洛模擬法模擬各季度的樣本數(shù)據(jù)10000次，分別算出在置信度a下銀行體系的VaR和ES①預(yù)期損失ES表示超過置信度水平的樣本數(shù)據(jù)的均值。來描述系統(tǒng)性風(fēng)險：

四、模型分析

（一）數(shù)據(jù)處理

我國有16家上市銀行，但農(nóng)業(yè)銀行于2010年7月15日上市交易、光大銀行于2010年8月18日上市，未能涵蓋2007年美國次貸危機、2008年全球金融危機及2010年歐洲債務(wù)危機的時間段，因此本文選取工商銀行、建設(shè)銀行、中國銀行、交通銀行、北京銀行、華夏銀行、民生銀行、南京銀行、寧波銀行、平安銀行、浦發(fā)銀行、興業(yè)銀行、招商銀行、中信銀行14家上市銀行作為樣本，本文的研究區(qū)間為2007年第四季度到2016年第三季度。文中各商業(yè)銀行的市場數(shù)據(jù)及財務(wù)報表數(shù)據(jù)來源于同花順，系統(tǒng)性風(fēng)險的影響因素數(shù)據(jù)來自銀監(jiān)會和中國統(tǒng)計局官網(wǎng)。

無風(fēng)險利率選取中國人民銀行發(fā)布的三個月期存款利率；銀行權(quán)益市場價值為A股總市值，即總股本乘以收盤價；違約閾值取值為負(fù)債總額的賬面價值①KMV模型的違約障礙通常取值為流動負(fù)債加上長期負(fù)債的一半。我國上市銀行財務(wù)季報沒有明確劃分流動負(fù)債與長期負(fù)債。由于在實際中有政府提供的隱性信用擔(dān)保，很少發(fā)生銀行違約，因此違約障礙水平不是CCA方法分析的關(guān)鍵所在（吳恒煜等，2013)。；負(fù)債的到期期限T-t按慣例取值為1年(吳恒煜等，2013；張玲等，2004；王擎等，2016)。

（二）結(jié)果分析

從圖1可以看出各類上市銀行的潛在損失變化趨勢，其中國有大型銀行是國家配置金融資源的主要渠道，存貸款及托管等業(yè)務(wù)種類較多，占據(jù)的市場份額較大，因此潛在損失也相對較大，且在危機時期表現(xiàn)更加敏感；而城市商業(yè)銀行由于資產(chǎn)規(guī)模和杠桿率均低于股份制商業(yè)銀行和國有大型銀行，其潛在損失最小且變動幅度也小?？梢园l(fā)現(xiàn)在金融危機時，國有大型銀行和股份制商業(yè)銀行的風(fēng)險都很大，而現(xiàn)今金融體制改革時期，股份制商業(yè)銀行的風(fēng)險相對較大。上市銀行潛在損失的整體變動趨勢與吳恒煜等(2013)、王擎等(2016)對我國上市銀行潛在損失趨勢的研究結(jié)果大致相符。

圖1 上市銀行潛在損失

在對CCA方法得出的各上市銀行的潛在損失進行后續(xù)分析之前，需要了解各損失序列的分布特征和平穩(wěn)性等。表1列出了14家上市銀行潛在損失的描述性統(tǒng)計、ADF檢驗的結(jié)果。在樣本區(qū)間內(nèi)，數(shù)據(jù)的偏度均大于0，且峰度均大于正態(tài)分布所對應(yīng)的3，分布具有“尖峰厚尾”的特征。從J-B統(tǒng)計量來看，在5%和1%的顯著性水平下均拒絕原假設(shè)，表明各上市銀行的損失分布均不服從正態(tài)分布。單位根ADF檢驗表明，所有的數(shù)據(jù)均不存在單位根，因此序列平穩(wěn)，可以進行GARCH模型處理。

表1 潛在損失的基本統(tǒng)計分析

對邊際分布進行參數(shù)估計，根據(jù)似然值發(fā)現(xiàn)Gumbel分布族的擬合效果最好，估計結(jié)果見表2。

表2 邊際分布模型參數(shù)估計結(jié)果及檢驗值

多元時變Clayton Copula函數(shù)參數(shù)估計見表3。

表3 時變Copula參數(shù)估計

99%置信度下的VaR和ES見表4。

表499 %置信度下的VaR和ES

從圖2可以看出99%置信度下的ES表示的銀行系統(tǒng)性風(fēng)險明顯要比各銀行風(fēng)險的簡單相加值高，說明各銀行風(fēng)險的簡單相加會低估銀行系統(tǒng)的整體風(fēng)險，在測度商業(yè)銀行的系統(tǒng)性風(fēng)險時，要考慮到銀行之間關(guān)聯(lián)性和危急時刻風(fēng)險的傳染性。

圖2的變動趨勢表明，由于2007年的美國次貸危機及2008年全球金融危機的爆發(fā)，銀行業(yè)的系統(tǒng)性風(fēng)險因此一直處于較高水平，不過政府及時推出的四萬億刺激政策對拉動內(nèi)需、促進產(chǎn)業(yè)結(jié)構(gòu)調(diào)整起到了關(guān)鍵作用，所以銀行系統(tǒng)性風(fēng)險雖有波動，但整體處于下降趨勢，并在2012年第二季度達到最低點。

在2008年底以來的大規(guī)模信用擴張過程中，銀行新增信貸主要流向了地方政府融資、房地產(chǎn)業(yè)和其他固定資產(chǎn)投資的上游企業(yè)，然而2012年末開始，之前的經(jīng)濟刺激政策的副作用開始凸顯，煤炭、鋼鐵、造船等多個行業(yè)出現(xiàn)產(chǎn)能過剩的問題，產(chǎn)能過剩行業(yè)的貸款風(fēng)險對銀行盈利造成負(fù)面影響。加上我國利率市場化，地方政府和企業(yè)的債務(wù)壓力增加，導(dǎo)致銀行壞賬余額上升，系統(tǒng)性風(fēng)險增加。

2015年隨著企業(yè)進入去杠桿化、去產(chǎn)能化進程，中國政府推進經(jīng)濟結(jié)構(gòu)調(diào)整的重要措施控制了這些行業(yè)的信貸需求，銀行無法避免資產(chǎn)質(zhì)量下降的壓力。而產(chǎn)能過剩企業(yè)往往是大型國企，在銀行貸款量相對較大，因此商業(yè)銀行的不良貸款余額出現(xiàn)大幅度增加，系統(tǒng)性風(fēng)險持續(xù)上升。2016年經(jīng)濟結(jié)構(gòu)調(diào)整及產(chǎn)能過剩治理仍在持續(xù)進行，銀行業(yè)資產(chǎn)質(zhì)量也隨之持續(xù)承壓，深入推進的利率匯率市場化又使市場風(fēng)險的管理難度加大，因此銀行整體系統(tǒng)性風(fēng)險在2016年仍然較大。

圖2 各置信度下的ES

表5是影響系統(tǒng)性風(fēng)險的各種因素的回歸分析結(jié)果，解釋變量x1、x2、x3、x4、x5、x6分別表示不良貸款率、資本充足率、流動性比率、資產(chǎn)利潤率、GDP增長率、通貨膨脹率，被解釋變量是99%置信度下的ES。考慮到數(shù)據(jù)的平滑性，除了通貨膨脹率因為存在零值之外，其他數(shù)據(jù)均取對數(shù)進行擬合，回歸結(jié)果也證實取對數(shù)之后擬合效果更好。

不良貸款率系數(shù)為正，說明不良貸款率越高，銀行系統(tǒng)性風(fēng)險越大，因此銀行一定要保證信貸資產(chǎn)的質(zhì)量，控制呆賬和壞賬余額。流動性比率的系數(shù)為負(fù)說明流動性比率越大，風(fēng)險的溢出效應(yīng)越小，商業(yè)銀行需要通過持有更多的流動性資產(chǎn)來對沖信貸承諾的增加所帶來的流動性風(fēng)險，進而降低其系統(tǒng)性風(fēng)險(劉志洋和宋玉穎，2015)。資本利潤率的系數(shù)為正，說明收益較高的銀行，業(yè)務(wù)風(fēng)險越大，這與王擎等人（2016）的結(jié)論一致。GDP增長率系數(shù)為負(fù)，通貨膨脹率系數(shù)為正，說明GDP增長速度越慢，通貨膨脹率越大，商業(yè)銀行系統(tǒng)性風(fēng)險越大。因為通貨膨脹會使銀行資產(chǎn)的實際收益下降，同時政府會選擇緊縮的貨幣政策治理通貨膨脹，緊縮的貨幣政策會導(dǎo)致經(jīng)濟下滑，大多數(shù)企業(yè)的盈利狀況轉(zhuǎn)差導(dǎo)致還款意愿及還款能力下降，銀行信貸風(fēng)險上升。

表5 系統(tǒng)性風(fēng)險影響因素回歸結(jié)果分析

五、結(jié)論

以上采用SCCA方法，將CCA和EVT、時變多元Copula函數(shù)相結(jié)合，利用極大似然估計和蒙特卡洛模擬對我國14家上市銀行2007年第4季度到2016年第3季度的系統(tǒng)性風(fēng)險進行了測度。實證結(jié)果表明我國銀行系統(tǒng)性風(fēng)險經(jīng)歷了2007年次貸危機開始從高風(fēng)險位置震蕩下降的過程，而從2013年開始由于之前的經(jīng)濟刺激政策的副作用以及政府的經(jīng)濟結(jié)構(gòu)調(diào)整，銀行系統(tǒng)性風(fēng)險又緩慢上升?；诖丝梢缘贸鲆韵陆Y(jié)論：

（1）SCCA方法能較好地反映商業(yè)銀行系統(tǒng)性風(fēng)險，現(xiàn)代金融體系使得國際金融危機對我國銀行系統(tǒng)有很大的影響。我國政府出臺的一系列經(jīng)濟政策和監(jiān)管措施對銀行系統(tǒng)性風(fēng)險有很大的作用。（2）通過回歸分析，發(fā)現(xiàn)銀行信貸資產(chǎn)的質(zhì)量以及宏觀經(jīng)濟形勢對銀行系統(tǒng)性風(fēng)險都有一定的影響，不良貸款率越高，流動性水平越差，資產(chǎn)利潤率越高，銀行系統(tǒng)性風(fēng)險越大。并且經(jīng)濟形勢以及政府的貨幣政策對系統(tǒng)性風(fēng)險的影響較大。（3）產(chǎn)能過剩問題是導(dǎo)致近幾年銀行系統(tǒng)性風(fēng)險上升的重要原因，去產(chǎn)能化的過程必定會導(dǎo)致經(jīng)濟下行，企業(yè)盈利水平和還款能力下降，從而造成銀行信貸業(yè)務(wù)的壓力。

基于此，本文對銀行風(fēng)險監(jiān)管有以下建議：（1）商業(yè)銀行在信貸資金配置時應(yīng)考慮到通貨膨脹和經(jīng)濟形勢對各行業(yè)的影響。同時還應(yīng)密切關(guān)注國家產(chǎn)業(yè)政策和貨幣政策的變化，關(guān)注有關(guān)行業(yè)信貸風(fēng)險，特別是房地產(chǎn)、出口等行業(yè)中有關(guān)企業(yè)的信貸風(fēng)險變化，提高信貸資產(chǎn)質(zhì)量，把握產(chǎn)業(yè)結(jié)構(gòu)調(diào)整帶來的盈利機會，提高銀行經(jīng)營水平。（2）系統(tǒng)性風(fēng)險具有時變性，監(jiān)管部門要定期對銀行風(fēng)險進行評估，制定具有前瞻性和科學(xué)性的監(jiān)管機制。（3）對于商業(yè)銀行系統(tǒng)性風(fēng)險除了銀行自身需要注意外，政府在制定貨幣政策和推行經(jīng)濟改革時也應(yīng)考慮到銀行收益的平穩(wěn)性和風(fēng)險的控制。（4）必須加強金融風(fēng)險監(jiān)管，建立符合現(xiàn)代金融發(fā)展特點、統(tǒng)籌協(xié)調(diào)的現(xiàn)代金融監(jiān)管框架，形成有效的市場風(fēng)險約束機制，有效防范系統(tǒng)性金融風(fēng)險。

[1]Nacaskul P，2010.Systemic Import Analysis（SIA）-Application of Entropic Eigenvector Centrality（EEC）Criterion for a Priori Ranking of Financial InstitutionsinTermsofRegulatory-supervisory Concern，withDemonstrationsonStylisedSmall Network Topologies and Connectivity Weights[R]. SSRN Working Paper No.161893.

[2]Drehmann，M and N Tarashev,2011.Measuring the Systemic Importance of Interconnected Banks[R]. BIS Working Papers，No.342

[3]吳畏,王文旭,樊瑛.基于風(fēng)險傳染的金融網(wǎng)絡(luò)系統(tǒng)風(fēng)險模型[J].北京師范大學(xué)學(xué)報(自然科學(xué)版),2014，(6).

[4]歐陽紅兵,劉曉東.基于網(wǎng)絡(luò)分析的金融機構(gòu)系統(tǒng)重要性研究[J].管理世界,2014,（08）:171～172.

[5]范小云,王道平,方意.我國金融機構(gòu)的系統(tǒng)性風(fēng)險貢獻測度與監(jiān)管——基于邊際風(fēng)險貢獻與杠桿率的研究[J].南開經(jīng)濟研究,2011,（04）:3～20.

[6]Tobias Adrian and Markus K.Brunnermeier, 2008.CoVaR[R].FRB of New York Staff Report 348.

[7]陸靜,胡曉紅.基于條件在險價值法的商業(yè)銀行系統(tǒng)性風(fēng)險研究[J].中國軟科學(xué),2014，(04).

[8]Xin Huang，Hao Zhou and Haibin Zhu，2009．A Framework for Assessing the Systemic Risk of Major Financial Institutions[R].BIS Working Paper 281．

[9]Acharya，V，L.Pedersen and T．Philippon，2011．Measuring Systemic risk[R].AFA 2011 Denver Meetings Paper．

[10]Kritzman,K,Y.Li,S.Page and R.Rigobon,2010. Principal Components as a Measure of Systemic Risk [R].MIT Sloan Research Paper 4785～10.

[11]Eichengreen B，Mody A，Nedeljkovic M，et al.2012 How the subprime crisis went global:Evidence from bank credit defaultswap spreads[J].Journal of International Money and Finance，31(5).

[12]Gray,DaleF.andS.Malone,2008．Macro financialRiskAnalysis[M].NewYork:John Wiley&Sons.

[13]宮曉琳.未定權(quán)益分析方法與中國宏觀金融風(fēng)險的測度分析[J].經(jīng)濟研究,2012，(03).

[14]毛建林,張紅偉.基于CCA模型的我國銀行系統(tǒng)性金融風(fēng)險實證研究[J].宏觀經(jīng)濟研究,2015，(03).

[15]Harada,K.and Ito,T.,2008.Did Mergers Help Japanese Mega-Banks Avoid Failure?Analysis of the Distance to Default of Banks[R].NBER Working Paper 14518.

[16]De Nicolò,G.and Tieman，A，2006.Economic IntegrationandFinancialStability:AEuropean Perspective[R].IMF Working Paper 296.

[17]Saldías，M，2012.SystemicRiskAnalysis using Forward-looking Distance-to-Default Series[R]. Federal Reserve Bank of Cleveland Working Paper 10～05.

[18]王擎,白雪,牛鋒.我國商業(yè)銀行的系統(tǒng)性風(fēng)險測度及影響因素研究——基于CCA-POT-Copula方法的分析[J].當(dāng)代經(jīng)濟科學(xué),2016，(02).

[19]Gray，D，Jobst，A，2010.Systemic CCA：A Model Approach to Systemic Risk[R].IMF Working Paper.

[20]R.F.Engle，2002.Dynamicconditional correlation：a simple class of multivariate GARCH models[J].Journal of Business and Economic Statistics, Vol.20,No.3:339～350.

[21]謝赤,周亮球,岳漢奇,王綱金.基于時變多元Copula-VaR的商業(yè)銀行匯率風(fēng)險度量[J].湖南大學(xué)學(xué)報(自然科學(xué)版),2012，(12).

[22]鄭振龍，楊偉.金融資產(chǎn)收益動態(tài)相關(guān)性:基于DCC多元變量GARCH模型的實證研究[J].當(dāng)代財經(jīng),2012，(07).

[23]吳恒煜,胡錫亮,呂江林.我國銀行業(yè)系統(tǒng)性風(fēng)險研究——基于拓展的未定權(quán)益分析法[J].國際金融研究,2013，(07).

[24]張玲,楊貞柿,陳收.KMV模型在上市公司信用風(fēng)險評價中的應(yīng)用研究[J].系統(tǒng)工程,2004，(11).

[25]劉志洋,宋玉穎.商業(yè)銀行流動性風(fēng)險與系統(tǒng)性風(fēng)險貢獻度[J].南開經(jīng)濟研究，2015，(01).

F832

A

1006-169X（2017）02-0057-07

國家社會科學(xué)基金青年項目（12CJY108）；教育部“長江學(xué)者和創(chuàng)新團隊發(fā)展計劃”資助項目（IRT13020）。