我國(guó)上市銀行系統(tǒng)關(guān)聯(lián)性研究
——基于方差分解的網(wǎng)絡(luò)拓?fù)浞治?/h1>
2017-03-29 06:34:43文風(fēng)汪洋
金融與經(jīng)濟(jì) 2017年2期
■文風(fēng)，汪洋
我國(guó)上市銀行系統(tǒng)關(guān)聯(lián)性研究
——基于方差分解的網(wǎng)絡(luò)拓?fù)浞治?/p>
■文風(fēng)，汪洋
2008年金融危機(jī)以后，系統(tǒng)性風(fēng)險(xiǎn)成為理論界與監(jiān)管當(dāng)局的重點(diǎn)研究領(lǐng)域。本文使用2013年11月至2016年9月間我國(guó)16家上市銀行股價(jià)日波動(dòng)率數(shù)據(jù)，通過(guò)廣義方差分解模型（GVD）得到我國(guó)上市銀行系統(tǒng)關(guān)聯(lián)性矩陣，進(jìn)而得到描述系統(tǒng)及機(jī)構(gòu)間關(guān)聯(lián)性的網(wǎng)絡(luò)拓?fù)鋱D。研究發(fā)現(xiàn)，我國(guó)上市銀行系統(tǒng)具有“小世界”和“無(wú)標(biāo)度”的網(wǎng)絡(luò)特性，并且在樣本期間內(nèi)，上市銀行的機(jī)構(gòu)關(guān)聯(lián)性呈現(xiàn)上升趨勢(shì)，2015年股災(zāi)之后，我國(guó)銀行機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)在短期之內(nèi)不但沒(méi)有得以消化，反而累積了更多的風(fēng)險(xiǎn)。因而，監(jiān)管部門(mén)在現(xiàn)今階段不能放松警惕，而應(yīng)該加強(qiáng)對(duì)系統(tǒng)重要性機(jī)構(gòu)的監(jiān)管。
關(guān)聯(lián)性；廣義方差分解；銀行；監(jiān)管部門(mén)
文風(fēng)，華中科技大學(xué)經(jīng)濟(jì)學(xué)院，研究方向?yàn)榻鹑跈C(jī)構(gòu)與金融市場(chǎng)；汪洋，華中科技大學(xué)經(jīng)濟(jì)學(xué)院，研究方向?yàn)闀r(shí)間序列與金融經(jīng)濟(jì)學(xué)。（湖北武漢430074）
一、引言
2008年金融危機(jī)以后，理論界和監(jiān)管當(dāng)局深刻反思金融系統(tǒng)性風(fēng)險(xiǎn)。金融穩(wěn)定委員會(huì)（FSB）將系統(tǒng)性風(fēng)險(xiǎn)定義為針對(duì)金融機(jī)構(gòu)而言、由金融系統(tǒng)局部破壞或者全面受損引起的，并且可能對(duì)實(shí)體經(jīng)濟(jì)造成嚴(yán)重負(fù)面影響的風(fēng)險(xiǎn)。該定義強(qiáng)調(diào)了系統(tǒng)性風(fēng)險(xiǎn)的外部性概念，任何類(lèi)型的金融機(jī)構(gòu)和金融市場(chǎng)都有可能在一定程度上受到其他金融機(jī)構(gòu)尤其是系統(tǒng)重要性金融機(jī)構(gòu)的負(fù)外部性影響。外部性理論認(rèn)為，金融機(jī)構(gòu)通常只會(huì)著眼于自身業(yè)務(wù)的風(fēng)險(xiǎn)和收益，而不會(huì)在意整個(gè)金融體系的風(fēng)險(xiǎn)，當(dāng)市場(chǎng)出現(xiàn)重大的不利因素后，有可能會(huì)導(dǎo)致所有金融機(jī)構(gòu)同時(shí)采取行動(dòng)（比如金融危機(jī)期間各機(jī)構(gòu)瘋狂拋售手中持有的證券的行為），引起系統(tǒng)性崩潰。
金融機(jī)構(gòu)作為金融系統(tǒng)的重要主體和金融風(fēng)險(xiǎn)的主要載體，研究它們之間的關(guān)聯(lián)性是理解金融系統(tǒng)性風(fēng)險(xiǎn)的核心?！瓣P(guān)聯(lián)性”是資產(chǎn)配置、衍生品定價(jià)以及風(fēng)險(xiǎn)管理等眾多金融研究領(lǐng)域里的重要議題，對(duì)關(guān)聯(lián)性的計(jì)量是測(cè)度市場(chǎng)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、交易對(duì)手方風(fēng)險(xiǎn)以及系統(tǒng)風(fēng)險(xiǎn)的重要組成部分。描述關(guān)聯(lián)性的傳統(tǒng)方法是使用簡(jiǎn)單的統(tǒng)計(jì)學(xué)測(cè)度兩者之間的皮爾遜相關(guān)系數(shù)，然而有學(xué)者認(rèn)為，使用皮爾遜相關(guān)系數(shù)只有助于描述研究對(duì)象的線性相關(guān)程度，而在測(cè)度非線性相關(guān)程度時(shí)皮爾遜系數(shù)則表現(xiàn)得過(guò)于苛刻。此外，在對(duì)變量進(jìn)行非線性單調(diào)轉(zhuǎn)換時(shí)，線性相關(guān)系數(shù)也有可能發(fā)生變化，比如兩個(gè)市場(chǎng)收益率是線性無(wú)關(guān)，而波動(dòng)率卻有可能線性相關(guān)。考慮到線性相關(guān)系數(shù)在描述金融市場(chǎng)關(guān)聯(lián)性所具有的固有缺陷，學(xué)者們提供了諸多改進(jìn)思路。第一是在原有的普通相關(guān)系數(shù)法的基礎(chǔ)上發(fā)展出擬相關(guān)系數(shù)法測(cè)量金融數(shù)據(jù)的聯(lián)系性，比如Engle&Kelly（2011）通過(guò)計(jì)算所有變量成對(duì)的平均相關(guān)系數(shù)來(lái)描述相關(guān)程度；其次是構(gòu)建新的測(cè)量相關(guān)程度的模型，比如Krishna H.K et al（2015）利用由Sklar和Nelson等人發(fā)展的Copula函數(shù)描述金融時(shí)間序列之間的相關(guān)性。運(yùn)用Copula理論分析金融市場(chǎng)尾部相關(guān)性具有得天獨(dú)厚的優(yōu)勢(shì)，不同Copula函數(shù)形式可以用來(lái)分析不同極端市場(chǎng)條件下的相關(guān)性，金融危機(jī)以后，Copula方法在風(fēng)險(xiǎn)管理和資產(chǎn)配置等方面的研究領(lǐng)域中備受青睞（Riadh Aloui et al，2016）。盡管以上理論的發(fā)展在測(cè)度金融市場(chǎng)的相關(guān)性方面做出了重要貢獻(xiàn)，但也存在著種種不足。首先，無(wú)論是擬相關(guān)系數(shù)方法還是Copula方法一般只適用于局部的關(guān)聯(lián)性分析，而不能很好地描述系統(tǒng)關(guān)聯(lián)性；其次，我們?cè)谘芯拷鹑谙到y(tǒng)性風(fēng)險(xiǎn)時(shí)，往往會(huì)關(guān)注影響力巨大的系統(tǒng)重要性金融機(jī)構(gòu)，而這兩種方法均不能做到對(duì)金融網(wǎng)絡(luò)結(jié)構(gòu)特征的識(shí)別。為解決這些傳統(tǒng)方法力不能及的問(wèn)題，近年來(lái)，許多經(jīng)濟(jì)金融學(xué)家嘗試?yán)梦锢硐到y(tǒng)和社交系統(tǒng)等領(lǐng)域已經(jīng)發(fā)展成熟的網(wǎng)絡(luò)理論模型，去解釋金融危機(jī)過(guò)程中的風(fēng)險(xiǎn)外溢等現(xiàn)象（巴曙松等，2013）。網(wǎng)絡(luò)分析方法在經(jīng)濟(jì)金融的應(yīng)用范圍較廣，比如在金融市場(chǎng)方面有關(guān)于國(guó)內(nèi)國(guó)際的股票市場(chǎng)聯(lián)動(dòng)性方面的研究（李岸等，2016），在宏觀經(jīng)濟(jì)方面有關(guān)于區(qū)域宏觀經(jīng)濟(jì)增長(zhǎng)空間關(guān)聯(lián)性的研究等等（李敬等，2014）。從大多數(shù)文獻(xiàn)來(lái)看，網(wǎng)絡(luò)理論的發(fā)展為研究金融市場(chǎng)關(guān)聯(lián)性以及金融危機(jī)的闡述提供了新的思路，既打破了傳統(tǒng)重視局部關(guān)聯(lián)性研究的思維盲區(qū)，以整個(gè)金融系統(tǒng)為視角評(píng)估金融市場(chǎng)的風(fēng)險(xiǎn)相關(guān)性，又能借助于網(wǎng)絡(luò)模型以可視化的形式識(shí)別出金融機(jī)構(gòu)之間的關(guān)聯(lián)性以及系統(tǒng)重要性金融機(jī)構(gòu)。而且運(yùn)用網(wǎng)絡(luò)模型可以監(jiān)測(cè)系統(tǒng)重要性金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出效應(yīng)，并據(jù)此分析金融危機(jī)時(shí)期金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染機(jī)制（Diebold& Kamil，2011）。
近年來(lái)，我國(guó)金融業(yè)呈現(xiàn)出準(zhǔn)混業(yè)化經(jīng)營(yíng)的趨勢(shì)，面臨互聯(lián)網(wǎng)金融的劇烈沖擊以及為滿足自身業(yè)務(wù)發(fā)展的需求下，銀行、基金、證券、保險(xiǎn)等業(yè)務(wù)的邊界逐漸模糊，傳統(tǒng)“一行三會(huì)”分業(yè)監(jiān)管模式遭遇到巨大挑戰(zhàn)。在此形勢(shì)下，利用網(wǎng)絡(luò)模型研究我國(guó)金融機(jī)構(gòu)的關(guān)聯(lián)性成為一個(gè)重要議題。歐陽(yáng)紅兵等（2015）通過(guò)網(wǎng)絡(luò)模型研究13家上市銀行機(jī)構(gòu)的股價(jià)波動(dòng)率，認(rèn)為整個(gè)體系的關(guān)聯(lián)程度較高，說(shuō)明我國(guó)金融機(jī)構(gòu)可能存在過(guò)度關(guān)聯(lián)的現(xiàn)象。其中國(guó)有銀行之間的風(fēng)險(xiǎn)溢出效應(yīng)更大，傳統(tǒng)四大行則處于系統(tǒng)內(nèi)的核心位置，應(yīng)該受到監(jiān)管當(dāng)局的重點(diǎn)關(guān)注。吳念魯?shù)龋?015）通過(guò)網(wǎng)絡(luò)模型計(jì)算我國(guó)金融機(jī)構(gòu)之間的聚集程度，認(rèn)為我國(guó)銀行同業(yè)間聚集系數(shù)在金融危機(jī)之后逐年上升，并且也認(rèn)為四大行處于系統(tǒng)重要性金融機(jī)構(gòu)的地位，監(jiān)管機(jī)構(gòu)應(yīng)該加強(qiáng)對(duì)這些機(jī)構(gòu)的管理水平。鄧向榮等（2016）認(rèn)為在金融混業(yè)經(jīng)營(yíng)的背景下，金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)具有多層次、多通道、交互式的特點(diǎn)，傳統(tǒng)的分業(yè)監(jiān)管模式將逐漸不能滿足新的金融業(yè)態(tài)，因此，具有系統(tǒng)重要性意義的、在金融網(wǎng)絡(luò)中信息傳染的關(guān)鍵節(jié)點(diǎn)的金融機(jī)構(gòu)理應(yīng)納入宏觀審慎監(jiān)管的范疇。
國(guó)內(nèi)現(xiàn)有文獻(xiàn)利用網(wǎng)絡(luò)分析法研究金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)還處于起步階段，所使用的研究方法較為簡(jiǎn)單。本文采用16家上市銀行的股價(jià)日波動(dòng)率數(shù)據(jù)，通過(guò)向量自回歸模型（VAR）以及廣義預(yù)測(cè)誤差方差分解（GVD）模型構(gòu)建出有向權(quán)重關(guān)聯(lián)性矩陣，并基于關(guān)聯(lián)性矩陣提供可視化的金融機(jī)構(gòu)關(guān)聯(lián)性網(wǎng)絡(luò)拓?fù)鋱D，分析近年來(lái)我國(guó)上市金融機(jī)構(gòu)的風(fēng)險(xiǎn)關(guān)聯(lián)性以及系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度。
本文第二部分為理論與方法介紹，第三部分為實(shí)證分析，最后一部分為結(jié)論及政策建議。
二、理論與方法
（一）網(wǎng)絡(luò)系統(tǒng)關(guān)聯(lián)性測(cè)度
網(wǎng)絡(luò)模式是當(dāng)前經(jīng)濟(jì)社會(huì)最常見(jiàn)的一種存在方式，用網(wǎng)絡(luò)理論分析和解決現(xiàn)實(shí)問(wèn)題已經(jīng)成為經(jīng)濟(jì)學(xué)和社會(huì)學(xué)領(lǐng)域的重要研究方向。假設(shè)網(wǎng)絡(luò)N由N個(gè)節(jié)點(diǎn)以及L條連接節(jié)點(diǎn)的連線組成，我們用Sij表示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的距離，它定義為從節(jié)點(diǎn)i到節(jié)點(diǎn)j所經(jīng)歷的最少連線的數(shù)目。這就意味著對(duì)于任意的i和j，只要存在Sij≤N-1，那么網(wǎng)絡(luò)N則是相連的。比如由0和1兩種元素可以組成的鄰接矩陣可以構(gòu)造出最簡(jiǎn)單的網(wǎng)絡(luò)結(jié)構(gòu)，假設(shè)矩陣A是由N×N維的鄰接矩陣，當(dāng)節(jié)點(diǎn)i和節(jié)點(diǎn)j之間相連時(shí)，Aij=1，否則Aij=0，由于Aij=Aji，此時(shí)矩陣A一定是對(duì)稱矩陣。鄰接矩陣A作為網(wǎng)絡(luò)模型的代數(shù)表達(dá)形式，網(wǎng)絡(luò)的所有性質(zhì)都被賦予在鄰接矩陣A中，因而對(duì)于網(wǎng)絡(luò)關(guān)聯(lián)性的研究可以轉(zhuǎn)化為對(duì)鄰接矩陣A的關(guān)聯(lián)性研究。
測(cè)度鄰接矩陣關(guān)聯(lián)程度的主要指標(biāo)有“度”和“直徑”。網(wǎng)絡(luò)節(jié)點(diǎn)的“度”是指這個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)連線的數(shù)量，因此容易推算出節(jié)點(diǎn)的度服從0、1、…、（N-1）的離散單變量分布。網(wǎng)絡(luò)的特性與“度”的分布有著緊密的聯(lián)系，包括其分布的尾厚、偏度、規(guī)模和位置，通常分布的位置用均值來(lái)測(cè)度，并且可以作為衡量網(wǎng)絡(luò)整體關(guān)聯(lián)性的基準(zhǔn)統(tǒng)計(jì)量，如果“度”的均值越大，則說(shuō)明網(wǎng)絡(luò)的關(guān)聯(lián)性越強(qiáng)。度的概念強(qiáng)調(diào)直接關(guān)聯(lián)，然而在網(wǎng)絡(luò)中也存在間接關(guān)聯(lián)，即節(jié)點(diǎn)i與節(jié)點(diǎn)m相連，而節(jié)點(diǎn)m又與節(jié)點(diǎn)j相連，因此可以認(rèn)為節(jié)點(diǎn)i與節(jié)點(diǎn)j間接相連，當(dāng)網(wǎng)絡(luò)中任意兩個(gè)節(jié)點(diǎn)間接相連所需要經(jīng)過(guò)的節(jié)點(diǎn)越少，說(shuō)明這個(gè)網(wǎng)絡(luò)的關(guān)聯(lián)性越強(qiáng)。由于間接相連的最小連線數(shù)目就是前文所描述的距離Sij，因此可以記網(wǎng)絡(luò)的直徑為Smax=maxi，jSij。直徑可以作為衡量網(wǎng)絡(luò)關(guān)聯(lián)程度的另一個(gè)基準(zhǔn)指標(biāo)，網(wǎng)絡(luò)的直徑越小，系統(tǒng)的關(guān)聯(lián)性越強(qiáng)。
（二）系統(tǒng)關(guān)聯(lián)性表
假設(shè)維帶有正交沖擊的協(xié)方差平穩(wěn)數(shù)據(jù)的生成過(guò)程為xt=Φ（L）ut，其中Φ（L）代表滯后系數(shù)矩陣，Φ（L）=Φ0+Φ1L+Φ2L2+…，E（utu′t）=I。在此一般性數(shù)據(jù)生成表達(dá)式中，容易推算出變量之間的所有關(guān)聯(lián)性都包含在系數(shù)矩陣Φ中，其中即期的關(guān)聯(lián)性主要體現(xiàn)在系數(shù)Φ0中，而動(dòng)態(tài)的關(guān)聯(lián)性主要體現(xiàn)在{Φ1，Φ2…}。然而在很多情況下測(cè)量其關(guān)聯(lián)性可能需要涉及過(guò)多的系數(shù)，因此通常需要將系數(shù)矩陣Φ轉(zhuǎn)換成一個(gè)更為精簡(jiǎn)的形式，來(lái)更好地反映系統(tǒng)的關(guān)聯(lián)性。
一種常見(jiàn)的轉(zhuǎn)換方式是通過(guò)方差分解方法將原本復(fù)雜的系數(shù)矩陣轉(zhuǎn)化為可以反映系統(tǒng)關(guān)聯(lián)性的矩陣，并據(jù)此衍生出整個(gè)網(wǎng)絡(luò)分析法的基石——關(guān)聯(lián)性表。關(guān)聯(lián)性表的基本結(jié)構(gòu)如表1。關(guān)聯(lián)性表基本元素是由方差分解的結(jié)果構(gòu)成，標(biāo)記左上方的矩陣為方差分解矩陣，為D=[dHij]。矩陣D的非對(duì)角元素即為N步預(yù)測(cè)誤差方差分解的結(jié)果，每一個(gè)元素衡量成對(duì)變量的有向關(guān)聯(lián)性。記從節(jié)點(diǎn)j到節(jié)點(diǎn)i的關(guān)聯(lián)性為CHi←j=dHij，反映的是節(jié)點(diǎn)j到節(jié)點(diǎn)i的“出度”。并且在通常情況下，節(jié)點(diǎn)j到節(jié)點(diǎn)i的“出度”與節(jié)點(diǎn)i到節(jié)點(diǎn)j的“出度”并不相同，即CHi←j≠CHj←i，因此方差分接矩陣D中共N2-N個(gè)非對(duì)角元素恰好衡量N個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的成對(duì)有向關(guān)聯(lián)性。此外，我們定義節(jié)點(diǎn)j與節(jié)點(diǎn)i的“凈”的關(guān)聯(lián)性為CHij=CHj←i-CHi←j，“凈”值反映出節(jié)點(diǎn)對(duì)節(jié)點(diǎn)j的“凈出度”。
網(wǎng)絡(luò)關(guān)聯(lián)性表最右邊一列是對(duì)應(yīng)行的非對(duì)角線元素之和，表示其他節(jié)點(diǎn)對(duì)該節(jié)點(diǎn)的沖擊所產(chǎn)生的H步預(yù)測(cè)誤差方差的百分比，記其他節(jié)點(diǎn)對(duì)節(jié)點(diǎn)i的總的有向關(guān)聯(lián)性為C，即節(jié)點(diǎn)i的“入度”。同樣的，網(wǎng)絡(luò)關(guān)聯(lián)性表最下一行是對(duì)應(yīng)列的非對(duì)角元素之和，表示該節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)的沖擊，記節(jié)點(diǎn)j對(duì)其他節(jié)點(diǎn)的總的有向關(guān)聯(lián)性為CH·←j=，即節(jié)點(diǎn)j的“出度”。與成對(duì)節(jié)點(diǎn)關(guān)聯(lián)性的測(cè)度一樣，我們定義節(jié)點(diǎn)i與其他所有節(jié)點(diǎn)總的凈關(guān)聯(lián)性為
在網(wǎng)絡(luò)N中共有N個(gè)總的凈關(guān)聯(lián)性測(cè)度值。而系統(tǒng)總的關(guān)聯(lián)度即可定義為CH=
表1 網(wǎng)絡(luò)關(guān)聯(lián)性表
（三）基于GVD模型的方差分解
方差分解方法是指將系統(tǒng)內(nèi)任一變量的預(yù)測(cè)均方誤差分解成系統(tǒng)中各變量的隨機(jī)沖擊所做的貢獻(xiàn)，進(jìn)而計(jì)算出各變量沖擊的貢獻(xiàn)占總貢獻(xiàn)的比率。通過(guò)方差分解可以揭示變量相對(duì)重要性信息的時(shí)變情況，即通過(guò)方差分解方法可以觀察到一個(gè)變量的運(yùn)動(dòng)軌跡有多大程度由自身沖擊決定，有多大程度由其他變量的沖擊決定。在正交的數(shù)據(jù)生成系統(tǒng)中，由于權(quán)重和的方差近似等于方差加權(quán)之和，因此方差分解比較容易計(jì)算。而在實(shí)際應(yīng)用中，沖擊通常并不具有正交性，從而給經(jīng)濟(jì)學(xué)研究帶來(lái)一定程度的困擾。由Sims（1980）提出的VAR模型中，通過(guò)使用喬里斯基因子方法可以將沖擊項(xiàng)正交化，可以有效地解決正交性問(wèn)題。同樣的，由VAR模型衍生出來(lái)的SVAR模型以及廣義方差分解模型（GVD）、動(dòng)態(tài)隨機(jī)一般均衡模型（DSGE）等均可以得到正交化的方差分解矩陣。值得一提的是，VAR模型或者SVAR模型在進(jìn)行喬里斯基分解的過(guò)程中對(duì)變量的排序極為敏感，而在本文研究中由于研究的對(duì)象較多，又不可避免涉及到排序問(wèn)題，因此傳統(tǒng)的VAR模型或者SVAR模型可能不適用于本文的通過(guò)方差分解估計(jì)相關(guān)性矩陣的步驟。而GVD模型獨(dú)立于變量的排序，更適用于作為本文的方差分解矩陣的估計(jì)方法。
給定t時(shí)刻的信息集和變量i的各期沖擊Ui，t+1，Ui，t+2，…，Ui，t+h，可以得到隨機(jī)過(guò)程Zt+h的條件預(yù)測(cè)方差為：
其中{Ut}～N（0，∑），E（Ut｜Uit=δi）=（σ1i，σ2i，…，表示一個(gè)標(biāo)準(zhǔn)差的沖擊。容易推算出E（Ut+h-1-k｜Ui，t+h-1-k）=（σ-1ii∑ei）Ui，t+h-1-k，其中k=1，2，…，h-1；i=1，2，…，m；ei是第i個(gè)元素為1，其他元素為0的m維列向量。從而可以進(jìn)一步求出條件預(yù)測(cè)誤差方差為：
三、實(shí)證檢驗(yàn)
（一）數(shù)據(jù)與樣本
商業(yè)銀行作為間接融資的主體，其抵抗風(fēng)險(xiǎn)的能力對(duì)我國(guó)金融市場(chǎng)的穩(wěn)定性有著至關(guān)重要的作用。本文的研究主體為包括中、農(nóng)、工、建四大行在內(nèi)的16家上市銀行，這些銀行由于資產(chǎn)規(guī)模龐大、業(yè)務(wù)種類(lèi)繁雜，可以作為我國(guó)商業(yè)銀行的代表。此外，上市銀行披露的財(cái)務(wù)數(shù)據(jù)和市場(chǎng)行情數(shù)據(jù)又相對(duì)豐富，為本文的研究提供一定的可行性。
商業(yè)銀行之間的關(guān)聯(lián)性研究通常會(huì)涉及到對(duì)銀行間業(yè)務(wù)分析，然而商業(yè)銀行之間以直接或間接的方式進(jìn)行對(duì)手方交易或者資產(chǎn)頭寸互相持有，這使得僅僅依靠在資本市場(chǎng)上所披露的財(cái)務(wù)報(bào)表獲取高頻的業(yè)務(wù)數(shù)據(jù)并進(jìn)行進(jìn)一步分析變得不大可能。根據(jù)有效市場(chǎng)理論，股票市場(chǎng)可以反映出所有歷史記錄的信息，這為學(xué)者們利用股票市場(chǎng)數(shù)據(jù)研究金融市場(chǎng)或者金融機(jī)構(gòu)的關(guān)聯(lián)性提供了理論基礎(chǔ)。因此，本文嘗試?yán)霉善笔袌?chǎng)的數(shù)據(jù)研究金融系統(tǒng)的風(fēng)險(xiǎn)關(guān)聯(lián)性并揭示我國(guó)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)。在金融學(xué)中，波動(dòng)率往往是衡量風(fēng)險(xiǎn)的理想指標(biāo)，因此本文選取從2013年11月至2016年9月之間16家上市銀行共796個(gè)交易日的日波動(dòng)率數(shù)據(jù)作為衡量金融機(jī)構(gòu)風(fēng)險(xiǎn)的代理指標(biāo)。由于日波動(dòng)率的估計(jì)方式較多，一般認(rèn)為由ARCH族模型估計(jì)出來(lái)的日波動(dòng)率最為精確，因此本文采用的日波動(dòng)率均由GARCH模型估計(jì)所得，數(shù)據(jù)來(lái)源為銳思數(shù)據(jù)庫(kù)。
圖1描繪了16家上市銀行日波動(dòng)率走勢(shì)。總體來(lái)看，16家上市銀行日波動(dòng)率走勢(shì)具有高度的一致性，這說(shuō)明我國(guó)上市銀行之間的關(guān)聯(lián)性可能較強(qiáng)。近三年來(lái)上市銀行股波動(dòng)率走勢(shì)大致可以分為三個(gè)階段，第一階段為2013年第四季度至2014年第四季度，在此期間，我國(guó)銀行業(yè)穩(wěn)步擴(kuò)大資產(chǎn)負(fù)債規(guī)模、完善公司治理、健全組織體系、逐步提升經(jīng)營(yíng)管理效率和風(fēng)險(xiǎn)防控水平?？傮w來(lái)看，我國(guó)上市銀行在此階段經(jīng)營(yíng)態(tài)勢(shì)良好，資本充足水平維持在高位，市場(chǎng)對(duì)我國(guó)銀行業(yè)信心較強(qiáng)，銀行股風(fēng)險(xiǎn)較低；第二階段為2014年末到2016年第一季度，該區(qū)間內(nèi)國(guó)際國(guó)內(nèi)金融市場(chǎng)以及大宗商品價(jià)格均出現(xiàn)了劇烈的波動(dòng)，2015年我國(guó)證券市場(chǎng)經(jīng)歷了一輪暴漲暴跌的周期加劇了整個(gè)金融體系的不確定性。同時(shí)，在經(jīng)濟(jì)下行的壓力下，我國(guó)金融業(yè)資產(chǎn)質(zhì)量下行壓力也較大，國(guó)際市場(chǎng)風(fēng)險(xiǎn)、房地產(chǎn)風(fēng)險(xiǎn)、政府債務(wù)風(fēng)險(xiǎn)與經(jīng)濟(jì)增長(zhǎng)率驟降等風(fēng)險(xiǎn)均對(duì)我國(guó)金融體系的發(fā)展造成潛在威脅。第三階段為2016年第二季度之后，隨著大盤(pán)趨于穩(wěn)定，銀行股的波動(dòng)率也下降到2014年的水平。
圖1 上市銀行股價(jià)日波動(dòng)率
（二）系統(tǒng)關(guān)聯(lián)性表的構(gòu)建
本部分以第三階段樣本數(shù)據(jù)為例詳細(xì)介紹網(wǎng)絡(luò)模型的構(gòu)建。首先，股價(jià)日波動(dòng)率序列具有明顯的序列相關(guān)性，在建立向量自回歸模型之前我們首先將原始數(shù)據(jù)進(jìn)行對(duì)數(shù)處理，既有利于得到相對(duì)平穩(wěn)的數(shù)據(jù)，又能夠得到一個(gè)具有近似正態(tài)分布的時(shí)間序列，以滿足方差分解步驟對(duì)正態(tài)性數(shù)據(jù)的要求。我們使用eviews軟件對(duì)經(jīng)過(guò)處理的數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，檢驗(yàn)結(jié)果認(rèn)為所有序列均在10%的水平下拒絕單位根檢驗(yàn)。繼而進(jìn)行VAR建模的滯后期選擇檢驗(yàn)，檢驗(yàn)結(jié)果顯示滯后1階建模最佳。因此，我們構(gòu)建VAR(1)模型，并進(jìn)而得到所有銀行廣義方差分解的結(jié)果。根據(jù)其他學(xué)者的研究經(jīng)驗(yàn)，取向前廣義預(yù)測(cè)誤差方差分解的步數(shù)為H=10，得到的方差分解關(guān)聯(lián)矩陣D。根據(jù)表1中出度和入度的算法，我們得到第三階段的系統(tǒng)關(guān)聯(lián)性表（表2）。
表2 系統(tǒng)性關(guān)聯(lián)矩陣
我們首先觀察表2中的方差分解矩陣部分，該矩陣為16×16的方陣。其中對(duì)角元素表示金融機(jī)構(gòu)對(duì)自身的關(guān)聯(lián)性，因而不難理解對(duì)角線上的元素值通常較大；非對(duì)角元素表示成對(duì)金融機(jī)構(gòu)的關(guān)聯(lián)性，正如第二部分所述，由于dHij表示節(jié)點(diǎn)j到節(jié)點(diǎn)i的關(guān)聯(lián)性，dHji表示節(jié)點(diǎn)i到節(jié)點(diǎn)j的關(guān)聯(lián)性，所以該方陣并不具有對(duì)稱性。比如該方陣中非對(duì)角元素?cái)?shù)值最大為21.96，表示華夏銀行對(duì)工商銀行的關(guān)聯(lián)性，而其對(duì)稱元素僅有1.42。這說(shuō)明當(dāng)華夏銀行的波動(dòng)率受到?jīng)_擊時(shí)，工商銀行的波動(dòng)率很大程度上也會(huì)受到影響。換句話說(shuō)，華夏銀行的風(fēng)險(xiǎn)可能會(huì)傳導(dǎo)到工商銀行。而工商銀行的波動(dòng)率受到?jīng)_擊后對(duì)華夏銀行的影響不大，工商銀行的風(fēng)險(xiǎn)不能有效地傳導(dǎo)到華夏銀行。
系統(tǒng)關(guān)聯(lián)性表的最后一列元素表示對(duì)應(yīng)機(jī)構(gòu)的關(guān)聯(lián)性入度，即其他金融機(jī)構(gòu)對(duì)該機(jī)構(gòu)的關(guān)聯(lián)性，入度值越大表示在金融市場(chǎng)的波動(dòng)中該機(jī)構(gòu)更加脆弱。入度值最大的是工商銀行，可見(jiàn)銀行系統(tǒng)的脆弱程度與資產(chǎn)規(guī)模不盡相關(guān)。此外，寧波銀行、光大銀行、中國(guó)銀行的入度也處在高位。對(duì)于脆弱程度較高的銀行，應(yīng)該加強(qiáng)資產(chǎn)質(zhì)量的管理，提升中間業(yè)務(wù)收入，提高自身抵御風(fēng)險(xiǎn)的能力。
表2的倒數(shù)第二行元素表示對(duì)應(yīng)機(jī)構(gòu)的出度，也就是該機(jī)構(gòu)對(duì)其他金融機(jī)構(gòu)的影響能力。出度值越大，表明該機(jī)構(gòu)越有可能成為系統(tǒng)重要性機(jī)構(gòu)。華夏銀行的出度值居于首位，從表3中可以看出華夏銀行對(duì)大多數(shù)上市銀行的關(guān)聯(lián)性都較高，因此是系統(tǒng)重要性銀行。2016年上半年，華夏銀行資產(chǎn)質(zhì)量下行壓力較大，關(guān)注類(lèi)貸款余額節(jié)節(jié)攀升，這可能預(yù)示著未來(lái)華夏銀行不良率可能上升，造成金融市場(chǎng)對(duì)華夏銀行資產(chǎn)質(zhì)量的擔(dān)憂，反映在股市中則表現(xiàn)為股價(jià)波動(dòng)率的協(xié)同上升。此外，華夏銀行還面臨著第一大股東德銀股權(quán)減持的威脅，加大了市場(chǎng)對(duì)其未來(lái)經(jīng)營(yíng)的不確定性。緊接著是興業(yè)銀行、廣大銀行、中國(guó)銀行，這些銀行的出度都在100以上，表明這些機(jī)構(gòu)對(duì)我國(guó)金融市場(chǎng)的影響能力較大，應(yīng)該成為我國(guó)監(jiān)管當(dāng)局重點(diǎn)監(jiān)控的對(duì)象。
表2最后一行元素顯示各機(jī)構(gòu)關(guān)聯(lián)性的凈值，當(dāng)元素?cái)?shù)值為正時(shí)，表示對(duì)應(yīng)機(jī)構(gòu)對(duì)整個(gè)系統(tǒng)有風(fēng)險(xiǎn)傳染性；當(dāng)元素?cái)?shù)值為負(fù)時(shí)，表示對(duì)應(yīng)機(jī)構(gòu)受到系統(tǒng)的風(fēng)險(xiǎn)傳染。結(jié)果顯示，華夏銀行、興業(yè)銀行等作為系統(tǒng)重要性機(jī)構(gòu)，對(duì)整個(gè)系統(tǒng)有著舉足輕重的影響；而工商銀行、民生銀行等機(jī)構(gòu)應(yīng)該加強(qiáng)自身風(fēng)險(xiǎn)管理，提升自身的風(fēng)險(xiǎn)抵御能力。系統(tǒng)總的關(guān)聯(lián)程度為79.86，處于較高的水平，這與我們研究的行業(yè)有關(guān)，金融行業(yè)不但容易受到行業(yè)層面的沖擊，也容易受到宏觀經(jīng)濟(jì)層面和政策層面的沖擊，因此上市銀行股價(jià)波動(dòng)率的關(guān)聯(lián)程度處于高位也較為符合我國(guó)經(jīng)濟(jì)金融發(fā)展的實(shí)際情況。
（三）系統(tǒng)性風(fēng)險(xiǎn)可視化分析
利用網(wǎng)絡(luò)模型構(gòu)建拓?fù)浞治鰣D能夠?qū)⑾到y(tǒng)性風(fēng)險(xiǎn)直觀形象的表現(xiàn)出來(lái)，本部分我們將基于網(wǎng)絡(luò)拓?fù)浞治鰣D比較樣本期間內(nèi)三個(gè)階段的系統(tǒng)系風(fēng)險(xiǎn)。網(wǎng)絡(luò)拓?fù)鋱D是基于方差分解矩陣?yán)L制而得，我們將展示出樣本期間內(nèi)關(guān)聯(lián)性最強(qiáng)的有向連線。由于每個(gè)時(shí)期將會(huì)有120條表示凈關(guān)聯(lián)性連線，三個(gè)時(shí)期共有360條連線。按照經(jīng)驗(yàn)，我們將繪制關(guān)聯(lián)性排在前15%的有向連線。繪制工具為UNINET軟件，拓?fù)鋱D見(jiàn)圖2、圖3和圖4。
圖2 第一階段網(wǎng)絡(luò)拓?fù)鋱D
圖3 第二階段網(wǎng)絡(luò)拓?fù)鋱D
圖4第三階段網(wǎng)絡(luò)拓?fù)鋱D
圖2 至圖4分別表示樣本期間三個(gè)階段的關(guān)聯(lián)網(wǎng)絡(luò)圖，顯示出我國(guó)上市銀行信息溢出的關(guān)聯(lián)網(wǎng)絡(luò)具有復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)特征。經(jīng)測(cè)算，三個(gè)階段衡量網(wǎng)絡(luò)拓?fù)鋱D關(guān)聯(lián)程度的“度”的均值分別為14.17、16.19以及30.00，對(duì)應(yīng)的“直徑”則分別為1.04、1.00、0.81，“直徑”的數(shù)值偏小反映出金融市場(chǎng)聯(lián)系緊密，金融網(wǎng)絡(luò)模型具有“小世界現(xiàn)象（Small-World Phenomena）”的特性。金融市場(chǎng)網(wǎng)絡(luò)模型還具有“無(wú)標(biāo)度現(xiàn)象（Scale-Free Phenomena）”的特性，即大部分節(jié)點(diǎn)只與很少的節(jié)點(diǎn)有關(guān)聯(lián)，但也有極少數(shù)節(jié)點(diǎn)與其他較多的節(jié)點(diǎn)有關(guān)聯(lián)?！盁o(wú)標(biāo)度”特性造成金融體系受到金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)傳染的概率并不大，而一旦系統(tǒng)重要性機(jī)構(gòu)受到風(fēng)險(xiǎn)傳染，則整個(gè)網(wǎng)絡(luò)的脆弱性將會(huì)集中體現(xiàn)出來(lái)。通過(guò)比較三個(gè)階段的網(wǎng)絡(luò)拓?fù)鋱D，我國(guó)16家上市銀行信息溢出效應(yīng)愈發(fā)強(qiáng)烈。與第一階段相比，第二階段正處于我國(guó)股市經(jīng)歷大幅變動(dòng)的時(shí)期，上市銀行共同的風(fēng)險(xiǎn)敞口迅速放大，信息傳染能力顯著增強(qiáng)，造成金融機(jī)構(gòu)之間的關(guān)聯(lián)性出現(xiàn)上升趨勢(shì)。在經(jīng)歷“過(guò)山車(chē)”的暴漲暴跌之后，市場(chǎng)投資者在第三階段的風(fēng)險(xiǎn)厭惡情緒明顯上升。伴隨著宏觀經(jīng)濟(jì)基本面的持續(xù)下行與銀行資產(chǎn)質(zhì)量不斷惡化，金融市場(chǎng)參與者對(duì)市場(chǎng)的信心急劇下降以及對(duì)未來(lái)股市收益率的不確定性迅速上升，導(dǎo)致單支銀行股票價(jià)格下跌可能會(huì)引起其他上市銀行股票的聯(lián)動(dòng)下跌?；诰W(wǎng)絡(luò)拓?fù)鋱D可以直觀的發(fā)現(xiàn)，第三階段上市銀行的系統(tǒng)關(guān)聯(lián)程度大大上升，這意味著外生的沖擊將以更多的渠道對(duì)系統(tǒng)內(nèi)其他機(jī)構(gòu)產(chǎn)生影響。一旦在某個(gè)時(shí)刻受到一定程度的外生沖擊，系統(tǒng)關(guān)聯(lián)性越高就越容易放大系統(tǒng)沖擊的破壞能力和影響范圍。我國(guó)銀行類(lèi)風(fēng)險(xiǎn)在第三階段期間不僅沒(méi)有將股災(zāi)期間的風(fēng)險(xiǎn)釋放出去，反而積累了更多的風(fēng)險(xiǎn)。
網(wǎng)絡(luò)拓?fù)鋱D連線表示成對(duì)機(jī)構(gòu)之間的凈關(guān)聯(lián)性，因而利用網(wǎng)絡(luò)拓?fù)鋱D有助于我們直觀地尋找出系統(tǒng)重要性機(jī)構(gòu)或者系統(tǒng)脆弱性機(jī)構(gòu)。不同金融機(jī)構(gòu)在不同階段的系統(tǒng)重要性是有所變化的。在第一階段，北京銀行和工商銀行很容易受到其他銀行的風(fēng)險(xiǎn)傳染，而在第二階段，系統(tǒng)脆弱性銀行則是北京銀行、南京銀行和農(nóng)業(yè)銀行，在第三階段，系統(tǒng)脆弱性銀行包括寧波銀行、平安銀行、浦發(fā)銀行以及民生銀行?？梢园l(fā)現(xiàn)，資產(chǎn)規(guī)模較小的銀行更加容易受到系統(tǒng)性風(fēng)險(xiǎn)的傳染，比如北京銀行、寧波銀行以及南京銀行作為區(qū)域性銀行，資產(chǎn)規(guī)模以及業(yè)務(wù)范圍都比不上其他上市銀行，在各個(gè)階段都受到其他銀行風(fēng)險(xiǎn)傳染的可能性更大。在三個(gè)階段中，系統(tǒng)重要性銀行包括華夏銀行、建設(shè)銀行以及交通銀行等。無(wú)論是對(duì)于系統(tǒng)重要性機(jī)構(gòu)，還是系統(tǒng)脆弱性機(jī)構(gòu)，監(jiān)管當(dāng)局和機(jī)構(gòu)自身都應(yīng)該加強(qiáng)監(jiān)管與風(fēng)險(xiǎn)控制，確保這些機(jī)構(gòu)不會(huì)成為危機(jī)爆發(fā)的導(dǎo)火索。
四、結(jié)論及政策建議
2008年全球金融危機(jī)以后，金融系統(tǒng)性風(fēng)險(xiǎn)逐漸成為學(xué)界和監(jiān)管當(dāng)局的研究熱點(diǎn)。針對(duì)以往學(xué)者在研究系統(tǒng)性風(fēng)險(xiǎn)問(wèn)題時(shí)往往存在變量與數(shù)據(jù)選取不恰當(dāng)、方法與模型具有局限性以及分析結(jié)果不直觀不全面等種種不足，本文基于2013年11月至2016年9月16家上市銀行日波動(dòng)率數(shù)據(jù)，通過(guò)廣義誤差方差分解模型（GVD）得到的系統(tǒng)關(guān)聯(lián)性矩陣，并以此構(gòu)建網(wǎng)絡(luò)模型，繪制相應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)拓?fù)鋱D，分析我國(guó)上市銀行的關(guān)聯(lián)特征，揭示我國(guó)上市銀行系統(tǒng)性風(fēng)險(xiǎn)的時(shí)變特征。
研究表明，我國(guó)上市銀行在樣本期間內(nèi)的信息溢出網(wǎng)絡(luò)具有“小世界”和“無(wú)標(biāo)度”的特性。也就是說(shuō)，從系統(tǒng)來(lái)看，我國(guó)金融體系具有較強(qiáng)的系統(tǒng)關(guān)聯(lián)性；從單個(gè)機(jī)構(gòu)來(lái)看，盡管大部分金融機(jī)構(gòu)只與少數(shù)其他金融機(jī)構(gòu)關(guān)聯(lián)性較強(qiáng)，然而一旦系統(tǒng)重要性機(jī)構(gòu)受到外生沖擊，將會(huì)對(duì)整個(gè)金融體系造成強(qiáng)烈的沖擊。通過(guò)比較三個(gè)階段的網(wǎng)絡(luò)拓?fù)鋱D結(jié)構(gòu)，我國(guó)上市銀行在股災(zāi)期間的系統(tǒng)關(guān)聯(lián)性比第一階段有所加強(qiáng)，這意味著股災(zāi)期間我國(guó)上市銀行體系的風(fēng)險(xiǎn)有所上升。而在股災(zāi)之后的第三階段，我國(guó)上市銀行的系統(tǒng)關(guān)聯(lián)性并沒(méi)有隨之減弱，這有可能意味著股災(zāi)之后我國(guó)上市銀行的風(fēng)險(xiǎn)在短時(shí)間內(nèi)不但沒(méi)有消化掉，反而積累了更多的風(fēng)險(xiǎn)。宏觀經(jīng)濟(jì)下行壓力加大、房地產(chǎn)市場(chǎng)的不確定性加強(qiáng)、貨幣政策的不確定性等等不利影響都會(huì)造成投資者對(duì)我國(guó)金融業(yè)前景產(chǎn)生悲觀態(tài)度，反映在股價(jià)中則是一只金融股價(jià)格下跌會(huì)導(dǎo)致整個(gè)金融股價(jià)格下跌的“羊群效應(yīng)”現(xiàn)象。因此在當(dāng)前階段下，為防止金融機(jī)構(gòu)出現(xiàn)系統(tǒng)性的破壞，如何加強(qiáng)對(duì)系統(tǒng)重要性機(jī)構(gòu)的識(shí)別、金融業(yè)務(wù)監(jiān)管和金融風(fēng)險(xiǎn)監(jiān)控成為監(jiān)管當(dāng)局的重要課題。
在使用網(wǎng)絡(luò)拓?fù)淠Ｐ妥R(shí)別系統(tǒng)重要性機(jī)構(gòu)時(shí)發(fā)現(xiàn)，我國(guó)上市銀行的系統(tǒng)重要性是隨時(shí)間發(fā)生變化的?？偟膩?lái)看，系統(tǒng)重要性機(jī)構(gòu)包括華夏銀行、建設(shè)銀行以及交通銀行等，系統(tǒng)脆弱性銀行包括寧波銀行、南京銀行、北京銀行等。金融機(jī)構(gòu)的系統(tǒng)重要性在一定程度上與其資產(chǎn)規(guī)模有關(guān)，比如建設(shè)銀行作為我國(guó)銀行業(yè)資產(chǎn)規(guī)模最大的銀行，其股價(jià)波動(dòng)將會(huì)對(duì)其他銀行產(chǎn)生傳染性影響，而寧波銀行、北京銀行、南京銀行等作為地區(qū)性銀行，較容易受到其他金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染。此外，金融機(jī)構(gòu)的系統(tǒng)重要性還取決于銀行間對(duì)手方交易、金融機(jī)構(gòu)對(duì)市場(chǎng)輻射能力、政策等因素，然而對(duì)于這些因素，變量的選取和數(shù)據(jù)的收集都極為困難，為我們進(jìn)一步地分析帶來(lái)障礙。換而言之，網(wǎng)絡(luò)拓?fù)淠Ｐ偷膬?yōu)點(diǎn)就是能拋開(kāi)機(jī)構(gòu)對(duì)手業(yè)務(wù)等數(shù)據(jù)的收集，直接從股價(jià)入手分析金融機(jī)構(gòu)的關(guān)聯(lián)性，并識(shí)別出系統(tǒng)重要性機(jī)構(gòu)，以此為監(jiān)管當(dāng)局政策制定提供一定的參考價(jià)值。
[1]李政，梁琪，涂曉楓.我國(guó)上市金融機(jī)構(gòu)關(guān)聯(lián)性研究——基于網(wǎng)絡(luò)分析法[J].金融研究,2016， (08):95～110.
[2]巴曙松，左偉，朱元倩.金融網(wǎng)絡(luò)及傳染對(duì)金融穩(wěn)定的影響[J].財(cái)經(jīng)問(wèn)題研究,2013，（02）:3～11.
[3]李岸，粟亞亞，喬海曙.中國(guó)股票市場(chǎng)國(guó)際聯(lián)動(dòng)性研究——基于網(wǎng)絡(luò)分析方法[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2016，（08）：113～127.
[4]鄧向榮，曹紅.系統(tǒng)性風(fēng)險(xiǎn)、網(wǎng)絡(luò)傳染與金融機(jī)構(gòu)系統(tǒng)重要性評(píng)估[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（03）：52～60.
[5]吳念魯，徐麗麗.我國(guó)銀行同業(yè)間網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征分析及啟示[J].當(dāng)代財(cái)經(jīng)，2015，（11）：42～52.
[6]歐陽(yáng)紅兵，汪清梅.基于網(wǎng)絡(luò)拓?fù)涞闹袊?guó)銀行體系關(guān)聯(lián)度分析[J].武漢金融，2016，（01）：14～17.
[7]Diebold,F.X，and K.Yilmaz.(2014).On the NetworkTopologyofVarianceDecompositions: Measuring the Connectedness of Financial Firms. Journal of Econometrics,182，（1）：119～134．
[8]Pesaran，H.M，andY.Shin.(1998). Generalizedimpulseresponseanalysisinlinear multivariate models.Economics Letters 58,17～29.
[9]Markku Lanne,and Henri Nyberg.（2016）. Generalized Forecast Error Variance Decomposition for Linear and Nonlinear Multivariate Models.Oxford Bulletin of Economics and Statistics,78(4):595～603.
[10]Engle,Robert F.and Kelly,Bryan T.（2011）. Dynamic Equicorrelation.NYU Working Paper No. FIN-08-038;Chicago Booth Research Paper No.12-07;Fama-Miller Working Paper.Available at SSRN: https://ssrn.com/abstract=1354525 or http://dx.doi.org/ 10.2139/ssrn.1354525
[11]Koirala KH,et al.(2015).Energy prices and agriculturalcommodityprices:Testingcorrelation using copulas method.ENERGY
[12]Aloui，R，&BenA?ssa，M.S.（2016）. Relationship between oil,stock prices and exchange rates:A vine copula based GARCH method.North American Journal of Economics and Finance,http://dx. doi.org/10.1016/j.najef.2016.05.002
F830
A
1006-169X（2017）02-0064-07
猜你喜歡
改革是化解中小金融機(jī)構(gòu)風(fēng)險(xiǎn)的重要途徑華人時(shí)刊(2023年15期)2023-09-27 09:05:02 方差怎么算中學(xué)生數(shù)理化·七年級(jí)數(shù)學(xué)人教版(2023年6期)2023-05-25 12:17:42 概率與統(tǒng)計(jì)(2)——離散型隨機(jī)變量的期望與方差中學(xué)生數(shù)理化(高中版.高考數(shù)學(xué))(2021年3期)2021-06-09 06:09:10 金融機(jī)構(gòu)共商共建“一帶一路”中國(guó)外匯(2019年10期)2019-08-27 01:58:06 計(jì)算方差用哪個(gè)公式中學(xué)生數(shù)理化·七年級(jí)數(shù)學(xué)人教版(2019年6期)2019-06-25 01:01:32 方差生活秀初中生世界·九年級(jí)(2017年10期)2017-11-08 21:30:36 四物湯有效成分的關(guān)聯(lián)性分析中成藥(2017年3期)2017-05-17 06:09:05 資金結(jié)算中心：集團(tuán)公司的金融機(jī)構(gòu)商周刊(2017年26期)2017-04-25 08:13:06 如何準(zhǔn)確認(rèn)定排污行為和環(huán)境損害之間的關(guān)聯(lián)性中國(guó)環(huán)境監(jiān)察(2016年12期)2016-10-24 05:29:18 CRP檢測(cè)與新生兒感染的關(guān)聯(lián)性中國(guó)衛(wèi)生標(biāo)準(zhǔn)管理(2015年6期)2016-01-14 05:17:08
■文風(fēng)，汪洋
我國(guó)上市銀行系統(tǒng)關(guān)聯(lián)性研究
——基于方差分解的網(wǎng)絡(luò)拓?fù)浞治?/p>
■文風(fēng)，汪洋
2008年金融危機(jī)以后，系統(tǒng)性風(fēng)險(xiǎn)成為理論界與監(jiān)管當(dāng)局的重點(diǎn)研究領(lǐng)域。本文使用2013年11月至2016年9月間我國(guó)16家上市銀行股價(jià)日波動(dòng)率數(shù)據(jù)，通過(guò)廣義方差分解模型（GVD）得到我國(guó)上市銀行系統(tǒng)關(guān)聯(lián)性矩陣，進(jìn)而得到描述系統(tǒng)及機(jī)構(gòu)間關(guān)聯(lián)性的網(wǎng)絡(luò)拓?fù)鋱D。研究發(fā)現(xiàn)，我國(guó)上市銀行系統(tǒng)具有“小世界”和“無(wú)標(biāo)度”的網(wǎng)絡(luò)特性，并且在樣本期間內(nèi)，上市銀行的機(jī)構(gòu)關(guān)聯(lián)性呈現(xiàn)上升趨勢(shì)，2015年股災(zāi)之后，我國(guó)銀行機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)在短期之內(nèi)不但沒(méi)有得以消化，反而累積了更多的風(fēng)險(xiǎn)。因而，監(jiān)管部門(mén)在現(xiàn)今階段不能放松警惕，而應(yīng)該加強(qiáng)對(duì)系統(tǒng)重要性機(jī)構(gòu)的監(jiān)管。
關(guān)聯(lián)性；廣義方差分解；銀行；監(jiān)管部門(mén)
文風(fēng)，華中科技大學(xué)經(jīng)濟(jì)學(xué)院，研究方向?yàn)榻鹑跈C(jī)構(gòu)與金融市場(chǎng)；汪洋，華中科技大學(xué)經(jīng)濟(jì)學(xué)院，研究方向?yàn)闀r(shí)間序列與金融經(jīng)濟(jì)學(xué)。（湖北武漢430074）
一、引言
2008年金融危機(jī)以后，理論界和監(jiān)管當(dāng)局深刻反思金融系統(tǒng)性風(fēng)險(xiǎn)。金融穩(wěn)定委員會(huì)（FSB）將系統(tǒng)性風(fēng)險(xiǎn)定義為針對(duì)金融機(jī)構(gòu)而言、由金融系統(tǒng)局部破壞或者全面受損引起的，并且可能對(duì)實(shí)體經(jīng)濟(jì)造成嚴(yán)重負(fù)面影響的風(fēng)險(xiǎn)。該定義強(qiáng)調(diào)了系統(tǒng)性風(fēng)險(xiǎn)的外部性概念，任何類(lèi)型的金融機(jī)構(gòu)和金融市場(chǎng)都有可能在一定程度上受到其他金融機(jī)構(gòu)尤其是系統(tǒng)重要性金融機(jī)構(gòu)的負(fù)外部性影響。外部性理論認(rèn)為，金融機(jī)構(gòu)通常只會(huì)著眼于自身業(yè)務(wù)的風(fēng)險(xiǎn)和收益，而不會(huì)在意整個(gè)金融體系的風(fēng)險(xiǎn)，當(dāng)市場(chǎng)出現(xiàn)重大的不利因素后，有可能會(huì)導(dǎo)致所有金融機(jī)構(gòu)同時(shí)采取行動(dòng)（比如金融危機(jī)期間各機(jī)構(gòu)瘋狂拋售手中持有的證券的行為），引起系統(tǒng)性崩潰。
金融機(jī)構(gòu)作為金融系統(tǒng)的重要主體和金融風(fēng)險(xiǎn)的主要載體，研究它們之間的關(guān)聯(lián)性是理解金融系統(tǒng)性風(fēng)險(xiǎn)的核心?！瓣P(guān)聯(lián)性”是資產(chǎn)配置、衍生品定價(jià)以及風(fēng)險(xiǎn)管理等眾多金融研究領(lǐng)域里的重要議題，對(duì)關(guān)聯(lián)性的計(jì)量是測(cè)度市場(chǎng)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、交易對(duì)手方風(fēng)險(xiǎn)以及系統(tǒng)風(fēng)險(xiǎn)的重要組成部分。描述關(guān)聯(lián)性的傳統(tǒng)方法是使用簡(jiǎn)單的統(tǒng)計(jì)學(xué)測(cè)度兩者之間的皮爾遜相關(guān)系數(shù)，然而有學(xué)者認(rèn)為，使用皮爾遜相關(guān)系數(shù)只有助于描述研究對(duì)象的線性相關(guān)程度，而在測(cè)度非線性相關(guān)程度時(shí)皮爾遜系數(shù)則表現(xiàn)得過(guò)于苛刻。此外，在對(duì)變量進(jìn)行非線性單調(diào)轉(zhuǎn)換時(shí)，線性相關(guān)系數(shù)也有可能發(fā)生變化，比如兩個(gè)市場(chǎng)收益率是線性無(wú)關(guān)，而波動(dòng)率卻有可能線性相關(guān)。考慮到線性相關(guān)系數(shù)在描述金融市場(chǎng)關(guān)聯(lián)性所具有的固有缺陷，學(xué)者們提供了諸多改進(jìn)思路。第一是在原有的普通相關(guān)系數(shù)法的基礎(chǔ)上發(fā)展出擬相關(guān)系數(shù)法測(cè)量金融數(shù)據(jù)的聯(lián)系性，比如Engle&Kelly（2011）通過(guò)計(jì)算所有變量成對(duì)的平均相關(guān)系數(shù)來(lái)描述相關(guān)程度；其次是構(gòu)建新的測(cè)量相關(guān)程度的模型，比如Krishna H.K et al（2015）利用由Sklar和Nelson等人發(fā)展的Copula函數(shù)描述金融時(shí)間序列之間的相關(guān)性。運(yùn)用Copula理論分析金融市場(chǎng)尾部相關(guān)性具有得天獨(dú)厚的優(yōu)勢(shì)，不同Copula函數(shù)形式可以用來(lái)分析不同極端市場(chǎng)條件下的相關(guān)性，金融危機(jī)以后，Copula方法在風(fēng)險(xiǎn)管理和資產(chǎn)配置等方面的研究領(lǐng)域中備受青睞（Riadh Aloui et al，2016）。盡管以上理論的發(fā)展在測(cè)度金融市場(chǎng)的相關(guān)性方面做出了重要貢獻(xiàn)，但也存在著種種不足。首先，無(wú)論是擬相關(guān)系數(shù)方法還是Copula方法一般只適用于局部的關(guān)聯(lián)性分析，而不能很好地描述系統(tǒng)關(guān)聯(lián)性；其次，我們?cè)谘芯拷鹑谙到y(tǒng)性風(fēng)險(xiǎn)時(shí)，往往會(huì)關(guān)注影響力巨大的系統(tǒng)重要性金融機(jī)構(gòu)，而這兩種方法均不能做到對(duì)金融網(wǎng)絡(luò)結(jié)構(gòu)特征的識(shí)別。為解決這些傳統(tǒng)方法力不能及的問(wèn)題，近年來(lái)，許多經(jīng)濟(jì)金融學(xué)家嘗試?yán)梦锢硐到y(tǒng)和社交系統(tǒng)等領(lǐng)域已經(jīng)發(fā)展成熟的網(wǎng)絡(luò)理論模型，去解釋金融危機(jī)過(guò)程中的風(fēng)險(xiǎn)外溢等現(xiàn)象（巴曙松等，2013）。網(wǎng)絡(luò)分析方法在經(jīng)濟(jì)金融的應(yīng)用范圍較廣，比如在金融市場(chǎng)方面有關(guān)于國(guó)內(nèi)國(guó)際的股票市場(chǎng)聯(lián)動(dòng)性方面的研究（李岸等，2016），在宏觀經(jīng)濟(jì)方面有關(guān)于區(qū)域宏觀經(jīng)濟(jì)增長(zhǎng)空間關(guān)聯(lián)性的研究等等（李敬等，2014）。從大多數(shù)文獻(xiàn)來(lái)看，網(wǎng)絡(luò)理論的發(fā)展為研究金融市場(chǎng)關(guān)聯(lián)性以及金融危機(jī)的闡述提供了新的思路，既打破了傳統(tǒng)重視局部關(guān)聯(lián)性研究的思維盲區(qū)，以整個(gè)金融系統(tǒng)為視角評(píng)估金融市場(chǎng)的風(fēng)險(xiǎn)相關(guān)性，又能借助于網(wǎng)絡(luò)模型以可視化的形式識(shí)別出金融機(jī)構(gòu)之間的關(guān)聯(lián)性以及系統(tǒng)重要性金融機(jī)構(gòu)。而且運(yùn)用網(wǎng)絡(luò)模型可以監(jiān)測(cè)系統(tǒng)重要性金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出效應(yīng)，并據(jù)此分析金融危機(jī)時(shí)期金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染機(jī)制（Diebold& Kamil，2011）。
近年來(lái)，我國(guó)金融業(yè)呈現(xiàn)出準(zhǔn)混業(yè)化經(jīng)營(yíng)的趨勢(shì)，面臨互聯(lián)網(wǎng)金融的劇烈沖擊以及為滿足自身業(yè)務(wù)發(fā)展的需求下，銀行、基金、證券、保險(xiǎn)等業(yè)務(wù)的邊界逐漸模糊，傳統(tǒng)“一行三會(huì)”分業(yè)監(jiān)管模式遭遇到巨大挑戰(zhàn)。在此形勢(shì)下，利用網(wǎng)絡(luò)模型研究我國(guó)金融機(jī)構(gòu)的關(guān)聯(lián)性成為一個(gè)重要議題。歐陽(yáng)紅兵等（2015）通過(guò)網(wǎng)絡(luò)模型研究13家上市銀行機(jī)構(gòu)的股價(jià)波動(dòng)率，認(rèn)為整個(gè)體系的關(guān)聯(lián)程度較高，說(shuō)明我國(guó)金融機(jī)構(gòu)可能存在過(guò)度關(guān)聯(lián)的現(xiàn)象。其中國(guó)有銀行之間的風(fēng)險(xiǎn)溢出效應(yīng)更大，傳統(tǒng)四大行則處于系統(tǒng)內(nèi)的核心位置，應(yīng)該受到監(jiān)管當(dāng)局的重點(diǎn)關(guān)注。吳念魯?shù)龋?015）通過(guò)網(wǎng)絡(luò)模型計(jì)算我國(guó)金融機(jī)構(gòu)之間的聚集程度，認(rèn)為我國(guó)銀行同業(yè)間聚集系數(shù)在金融危機(jī)之后逐年上升，并且也認(rèn)為四大行處于系統(tǒng)重要性金融機(jī)構(gòu)的地位，監(jiān)管機(jī)構(gòu)應(yīng)該加強(qiáng)對(duì)這些機(jī)構(gòu)的管理水平。鄧向榮等（2016）認(rèn)為在金融混業(yè)經(jīng)營(yíng)的背景下，金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)具有多層次、多通道、交互式的特點(diǎn)，傳統(tǒng)的分業(yè)監(jiān)管模式將逐漸不能滿足新的金融業(yè)態(tài)，因此，具有系統(tǒng)重要性意義的、在金融網(wǎng)絡(luò)中信息傳染的關(guān)鍵節(jié)點(diǎn)的金融機(jī)構(gòu)理應(yīng)納入宏觀審慎監(jiān)管的范疇。
國(guó)內(nèi)現(xiàn)有文獻(xiàn)利用網(wǎng)絡(luò)分析法研究金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)還處于起步階段，所使用的研究方法較為簡(jiǎn)單。本文采用16家上市銀行的股價(jià)日波動(dòng)率數(shù)據(jù)，通過(guò)向量自回歸模型（VAR）以及廣義預(yù)測(cè)誤差方差分解（GVD）模型構(gòu)建出有向權(quán)重關(guān)聯(lián)性矩陣，并基于關(guān)聯(lián)性矩陣提供可視化的金融機(jī)構(gòu)關(guān)聯(lián)性網(wǎng)絡(luò)拓?fù)鋱D，分析近年來(lái)我國(guó)上市金融機(jī)構(gòu)的風(fēng)險(xiǎn)關(guān)聯(lián)性以及系統(tǒng)性風(fēng)險(xiǎn)的測(cè)度。
本文第二部分為理論與方法介紹，第三部分為實(shí)證分析，最后一部分為結(jié)論及政策建議。
二、理論與方法
（一）網(wǎng)絡(luò)系統(tǒng)關(guān)聯(lián)性測(cè)度
網(wǎng)絡(luò)模式是當(dāng)前經(jīng)濟(jì)社會(huì)最常見(jiàn)的一種存在方式，用網(wǎng)絡(luò)理論分析和解決現(xiàn)實(shí)問(wèn)題已經(jīng)成為經(jīng)濟(jì)學(xué)和社會(huì)學(xué)領(lǐng)域的重要研究方向。假設(shè)網(wǎng)絡(luò)N由N個(gè)節(jié)點(diǎn)以及L條連接節(jié)點(diǎn)的連線組成，我們用Sij表示節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的距離，它定義為從節(jié)點(diǎn)i到節(jié)點(diǎn)j所經(jīng)歷的最少連線的數(shù)目。這就意味著對(duì)于任意的i和j，只要存在Sij≤N-1，那么網(wǎng)絡(luò)N則是相連的。比如由0和1兩種元素可以組成的鄰接矩陣可以構(gòu)造出最簡(jiǎn)單的網(wǎng)絡(luò)結(jié)構(gòu)，假設(shè)矩陣A是由N×N維的鄰接矩陣，當(dāng)節(jié)點(diǎn)i和節(jié)點(diǎn)j之間相連時(shí)，Aij=1，否則Aij=0，由于Aij=Aji，此時(shí)矩陣A一定是對(duì)稱矩陣。鄰接矩陣A作為網(wǎng)絡(luò)模型的代數(shù)表達(dá)形式，網(wǎng)絡(luò)的所有性質(zhì)都被賦予在鄰接矩陣A中，因而對(duì)于網(wǎng)絡(luò)關(guān)聯(lián)性的研究可以轉(zhuǎn)化為對(duì)鄰接矩陣A的關(guān)聯(lián)性研究。
測(cè)度鄰接矩陣關(guān)聯(lián)程度的主要指標(biāo)有“度”和“直徑”。網(wǎng)絡(luò)節(jié)點(diǎn)的“度”是指這個(gè)節(jié)點(diǎn)與其他節(jié)點(diǎn)連線的數(shù)量，因此容易推算出節(jié)點(diǎn)的度服從0、1、…、（N-1）的離散單變量分布。網(wǎng)絡(luò)的特性與“度”的分布有著緊密的聯(lián)系，包括其分布的尾厚、偏度、規(guī)模和位置，通常分布的位置用均值來(lái)測(cè)度，并且可以作為衡量網(wǎng)絡(luò)整體關(guān)聯(lián)性的基準(zhǔn)統(tǒng)計(jì)量，如果“度”的均值越大，則說(shuō)明網(wǎng)絡(luò)的關(guān)聯(lián)性越強(qiáng)。度的概念強(qiáng)調(diào)直接關(guān)聯(lián)，然而在網(wǎng)絡(luò)中也存在間接關(guān)聯(lián)，即節(jié)點(diǎn)i與節(jié)點(diǎn)m相連，而節(jié)點(diǎn)m又與節(jié)點(diǎn)j相連，因此可以認(rèn)為節(jié)點(diǎn)i與節(jié)點(diǎn)j間接相連，當(dāng)網(wǎng)絡(luò)中任意兩個(gè)節(jié)點(diǎn)間接相連所需要經(jīng)過(guò)的節(jié)點(diǎn)越少，說(shuō)明這個(gè)網(wǎng)絡(luò)的關(guān)聯(lián)性越強(qiáng)。由于間接相連的最小連線數(shù)目就是前文所描述的距離Sij，因此可以記網(wǎng)絡(luò)的直徑為Smax=maxi，jSij。直徑可以作為衡量網(wǎng)絡(luò)關(guān)聯(lián)程度的另一個(gè)基準(zhǔn)指標(biāo)，網(wǎng)絡(luò)的直徑越小，系統(tǒng)的關(guān)聯(lián)性越強(qiáng)。
（二）系統(tǒng)關(guān)聯(lián)性表
假設(shè)維帶有正交沖擊的協(xié)方差平穩(wěn)數(shù)據(jù)的生成過(guò)程為xt=Φ（L）ut，其中Φ（L）代表滯后系數(shù)矩陣，Φ（L）=Φ0+Φ1L+Φ2L2+…，E（utu′t）=I。在此一般性數(shù)據(jù)生成表達(dá)式中，容易推算出變量之間的所有關(guān)聯(lián)性都包含在系數(shù)矩陣Φ中，其中即期的關(guān)聯(lián)性主要體現(xiàn)在系數(shù)Φ0中，而動(dòng)態(tài)的關(guān)聯(lián)性主要體現(xiàn)在{Φ1，Φ2…}。然而在很多情況下測(cè)量其關(guān)聯(lián)性可能需要涉及過(guò)多的系數(shù)，因此通常需要將系數(shù)矩陣Φ轉(zhuǎn)換成一個(gè)更為精簡(jiǎn)的形式，來(lái)更好地反映系統(tǒng)的關(guān)聯(lián)性。
一種常見(jiàn)的轉(zhuǎn)換方式是通過(guò)方差分解方法將原本復(fù)雜的系數(shù)矩陣轉(zhuǎn)化為可以反映系統(tǒng)關(guān)聯(lián)性的矩陣，并據(jù)此衍生出整個(gè)網(wǎng)絡(luò)分析法的基石——關(guān)聯(lián)性表。關(guān)聯(lián)性表的基本結(jié)構(gòu)如表1。關(guān)聯(lián)性表基本元素是由方差分解的結(jié)果構(gòu)成，標(biāo)記左上方的矩陣為方差分解矩陣，為D=[dHij]。矩陣D的非對(duì)角元素即為N步預(yù)測(cè)誤差方差分解的結(jié)果，每一個(gè)元素衡量成對(duì)變量的有向關(guān)聯(lián)性。記從節(jié)點(diǎn)j到節(jié)點(diǎn)i的關(guān)聯(lián)性為CHi←j=dHij，反映的是節(jié)點(diǎn)j到節(jié)點(diǎn)i的“出度”。并且在通常情況下，節(jié)點(diǎn)j到節(jié)點(diǎn)i的“出度”與節(jié)點(diǎn)i到節(jié)點(diǎn)j的“出度”并不相同，即CHi←j≠CHj←i，因此方差分接矩陣D中共N2-N個(gè)非對(duì)角元素恰好衡量N個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的成對(duì)有向關(guān)聯(lián)性。此外，我們定義節(jié)點(diǎn)j與節(jié)點(diǎn)i的“凈”的關(guān)聯(lián)性為CHij=CHj←i-CHi←j，“凈”值反映出節(jié)點(diǎn)對(duì)節(jié)點(diǎn)j的“凈出度”。
網(wǎng)絡(luò)關(guān)聯(lián)性表最右邊一列是對(duì)應(yīng)行的非對(duì)角線元素之和，表示其他節(jié)點(diǎn)對(duì)該節(jié)點(diǎn)的沖擊所產(chǎn)生的H步預(yù)測(cè)誤差方差的百分比，記其他節(jié)點(diǎn)對(duì)節(jié)點(diǎn)i的總的有向關(guān)聯(lián)性為C，即節(jié)點(diǎn)i的“入度”。同樣的，網(wǎng)絡(luò)關(guān)聯(lián)性表最下一行是對(duì)應(yīng)列的非對(duì)角元素之和，表示該節(jié)點(diǎn)對(duì)其他節(jié)點(diǎn)的沖擊，記節(jié)點(diǎn)j對(duì)其他節(jié)點(diǎn)的總的有向關(guān)聯(lián)性為CH·←j=，即節(jié)點(diǎn)j的“出度”。與成對(duì)節(jié)點(diǎn)關(guān)聯(lián)性的測(cè)度一樣，我們定義節(jié)點(diǎn)i與其他所有節(jié)點(diǎn)總的凈關(guān)聯(lián)性為
在網(wǎng)絡(luò)N中共有N個(gè)總的凈關(guān)聯(lián)性測(cè)度值。而系統(tǒng)總的關(guān)聯(lián)度即可定義為CH=
表1 網(wǎng)絡(luò)關(guān)聯(lián)性表
（三）基于GVD模型的方差分解
方差分解方法是指將系統(tǒng)內(nèi)任一變量的預(yù)測(cè)均方誤差分解成系統(tǒng)中各變量的隨機(jī)沖擊所做的貢獻(xiàn)，進(jìn)而計(jì)算出各變量沖擊的貢獻(xiàn)占總貢獻(xiàn)的比率。通過(guò)方差分解可以揭示變量相對(duì)重要性信息的時(shí)變情況，即通過(guò)方差分解方法可以觀察到一個(gè)變量的運(yùn)動(dòng)軌跡有多大程度由自身沖擊決定，有多大程度由其他變量的沖擊決定。在正交的數(shù)據(jù)生成系統(tǒng)中，由于權(quán)重和的方差近似等于方差加權(quán)之和，因此方差分解比較容易計(jì)算。而在實(shí)際應(yīng)用中，沖擊通常并不具有正交性，從而給經(jīng)濟(jì)學(xué)研究帶來(lái)一定程度的困擾。由Sims（1980）提出的VAR模型中，通過(guò)使用喬里斯基因子方法可以將沖擊項(xiàng)正交化，可以有效地解決正交性問(wèn)題。同樣的，由VAR模型衍生出來(lái)的SVAR模型以及廣義方差分解模型（GVD）、動(dòng)態(tài)隨機(jī)一般均衡模型（DSGE）等均可以得到正交化的方差分解矩陣。值得一提的是，VAR模型或者SVAR模型在進(jìn)行喬里斯基分解的過(guò)程中對(duì)變量的排序極為敏感，而在本文研究中由于研究的對(duì)象較多，又不可避免涉及到排序問(wèn)題，因此傳統(tǒng)的VAR模型或者SVAR模型可能不適用于本文的通過(guò)方差分解估計(jì)相關(guān)性矩陣的步驟。而GVD模型獨(dú)立于變量的排序，更適用于作為本文的方差分解矩陣的估計(jì)方法。
給定t時(shí)刻的信息集和變量i的各期沖擊Ui，t+1，Ui，t+2，…，Ui，t+h，可以得到隨機(jī)過(guò)程Zt+h的條件預(yù)測(cè)方差為：
其中{Ut}～N（0，∑），E（Ut｜Uit=δi）=（σ1i，σ2i，…，表示一個(gè)標(biāo)準(zhǔn)差的沖擊。容易推算出E（Ut+h-1-k｜Ui，t+h-1-k）=（σ-1ii∑ei）Ui，t+h-1-k，其中k=1，2，…，h-1；i=1，2，…，m；ei是第i個(gè)元素為1，其他元素為0的m維列向量。從而可以進(jìn)一步求出條件預(yù)測(cè)誤差方差為：
三、實(shí)證檢驗(yàn)
（一）數(shù)據(jù)與樣本
商業(yè)銀行作為間接融資的主體，其抵抗風(fēng)險(xiǎn)的能力對(duì)我國(guó)金融市場(chǎng)的穩(wěn)定性有著至關(guān)重要的作用。本文的研究主體為包括中、農(nóng)、工、建四大行在內(nèi)的16家上市銀行，這些銀行由于資產(chǎn)規(guī)模龐大、業(yè)務(wù)種類(lèi)繁雜，可以作為我國(guó)商業(yè)銀行的代表。此外，上市銀行披露的財(cái)務(wù)數(shù)據(jù)和市場(chǎng)行情數(shù)據(jù)又相對(duì)豐富，為本文的研究提供一定的可行性。
商業(yè)銀行之間的關(guān)聯(lián)性研究通常會(huì)涉及到對(duì)銀行間業(yè)務(wù)分析，然而商業(yè)銀行之間以直接或間接的方式進(jìn)行對(duì)手方交易或者資產(chǎn)頭寸互相持有，這使得僅僅依靠在資本市場(chǎng)上所披露的財(cái)務(wù)報(bào)表獲取高頻的業(yè)務(wù)數(shù)據(jù)并進(jìn)行進(jìn)一步分析變得不大可能。根據(jù)有效市場(chǎng)理論，股票市場(chǎng)可以反映出所有歷史記錄的信息，這為學(xué)者們利用股票市場(chǎng)數(shù)據(jù)研究金融市場(chǎng)或者金融機(jī)構(gòu)的關(guān)聯(lián)性提供了理論基礎(chǔ)。因此，本文嘗試?yán)霉善笔袌?chǎng)的數(shù)據(jù)研究金融系統(tǒng)的風(fēng)險(xiǎn)關(guān)聯(lián)性并揭示我國(guó)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)。在金融學(xué)中，波動(dòng)率往往是衡量風(fēng)險(xiǎn)的理想指標(biāo)，因此本文選取從2013年11月至2016年9月之間16家上市銀行共796個(gè)交易日的日波動(dòng)率數(shù)據(jù)作為衡量金融機(jī)構(gòu)風(fēng)險(xiǎn)的代理指標(biāo)。由于日波動(dòng)率的估計(jì)方式較多，一般認(rèn)為由ARCH族模型估計(jì)出來(lái)的日波動(dòng)率最為精確，因此本文采用的日波動(dòng)率均由GARCH模型估計(jì)所得，數(shù)據(jù)來(lái)源為銳思數(shù)據(jù)庫(kù)。
圖1描繪了16家上市銀行日波動(dòng)率走勢(shì)。總體來(lái)看，16家上市銀行日波動(dòng)率走勢(shì)具有高度的一致性，這說(shuō)明我國(guó)上市銀行之間的關(guān)聯(lián)性可能較強(qiáng)。近三年來(lái)上市銀行股波動(dòng)率走勢(shì)大致可以分為三個(gè)階段，第一階段為2013年第四季度至2014年第四季度，在此期間，我國(guó)銀行業(yè)穩(wěn)步擴(kuò)大資產(chǎn)負(fù)債規(guī)模、完善公司治理、健全組織體系、逐步提升經(jīng)營(yíng)管理效率和風(fēng)險(xiǎn)防控水平?？傮w來(lái)看，我國(guó)上市銀行在此階段經(jīng)營(yíng)態(tài)勢(shì)良好，資本充足水平維持在高位，市場(chǎng)對(duì)我國(guó)銀行業(yè)信心較強(qiáng)，銀行股風(fēng)險(xiǎn)較低；第二階段為2014年末到2016年第一季度，該區(qū)間內(nèi)國(guó)際國(guó)內(nèi)金融市場(chǎng)以及大宗商品價(jià)格均出現(xiàn)了劇烈的波動(dòng)，2015年我國(guó)證券市場(chǎng)經(jīng)歷了一輪暴漲暴跌的周期加劇了整個(gè)金融體系的不確定性。同時(shí)，在經(jīng)濟(jì)下行的壓力下，我國(guó)金融業(yè)資產(chǎn)質(zhì)量下行壓力也較大，國(guó)際市場(chǎng)風(fēng)險(xiǎn)、房地產(chǎn)風(fēng)險(xiǎn)、政府債務(wù)風(fēng)險(xiǎn)與經(jīng)濟(jì)增長(zhǎng)率驟降等風(fēng)險(xiǎn)均對(duì)我國(guó)金融體系的發(fā)展造成潛在威脅。第三階段為2016年第二季度之后，隨著大盤(pán)趨于穩(wěn)定，銀行股的波動(dòng)率也下降到2014年的水平。
圖1 上市銀行股價(jià)日波動(dòng)率
（二）系統(tǒng)關(guān)聯(lián)性表的構(gòu)建
本部分以第三階段樣本數(shù)據(jù)為例詳細(xì)介紹網(wǎng)絡(luò)模型的構(gòu)建。首先，股價(jià)日波動(dòng)率序列具有明顯的序列相關(guān)性，在建立向量自回歸模型之前我們首先將原始數(shù)據(jù)進(jìn)行對(duì)數(shù)處理，既有利于得到相對(duì)平穩(wěn)的數(shù)據(jù)，又能夠得到一個(gè)具有近似正態(tài)分布的時(shí)間序列，以滿足方差分解步驟對(duì)正態(tài)性數(shù)據(jù)的要求。我們使用eviews軟件對(duì)經(jīng)過(guò)處理的數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，檢驗(yàn)結(jié)果認(rèn)為所有序列均在10%的水平下拒絕單位根檢驗(yàn)。繼而進(jìn)行VAR建模的滯后期選擇檢驗(yàn)，檢驗(yàn)結(jié)果顯示滯后1階建模最佳。因此，我們構(gòu)建VAR(1)模型，并進(jìn)而得到所有銀行廣義方差分解的結(jié)果。根據(jù)其他學(xué)者的研究經(jīng)驗(yàn)，取向前廣義預(yù)測(cè)誤差方差分解的步數(shù)為H=10，得到的方差分解關(guān)聯(lián)矩陣D。根據(jù)表1中出度和入度的算法，我們得到第三階段的系統(tǒng)關(guān)聯(lián)性表（表2）。
表2 系統(tǒng)性關(guān)聯(lián)矩陣
我們首先觀察表2中的方差分解矩陣部分，該矩陣為16×16的方陣。其中對(duì)角元素表示金融機(jī)構(gòu)對(duì)自身的關(guān)聯(lián)性，因而不難理解對(duì)角線上的元素值通常較大；非對(duì)角元素表示成對(duì)金融機(jī)構(gòu)的關(guān)聯(lián)性，正如第二部分所述，由于dHij表示節(jié)點(diǎn)j到節(jié)點(diǎn)i的關(guān)聯(lián)性，dHji表示節(jié)點(diǎn)i到節(jié)點(diǎn)j的關(guān)聯(lián)性，所以該方陣并不具有對(duì)稱性。比如該方陣中非對(duì)角元素?cái)?shù)值最大為21.96，表示華夏銀行對(duì)工商銀行的關(guān)聯(lián)性，而其對(duì)稱元素僅有1.42。這說(shuō)明當(dāng)華夏銀行的波動(dòng)率受到?jīng)_擊時(shí)，工商銀行的波動(dòng)率很大程度上也會(huì)受到影響。換句話說(shuō)，華夏銀行的風(fēng)險(xiǎn)可能會(huì)傳導(dǎo)到工商銀行。而工商銀行的波動(dòng)率受到?jīng)_擊后對(duì)華夏銀行的影響不大，工商銀行的風(fēng)險(xiǎn)不能有效地傳導(dǎo)到華夏銀行。
系統(tǒng)關(guān)聯(lián)性表的最后一列元素表示對(duì)應(yīng)機(jī)構(gòu)的關(guān)聯(lián)性入度，即其他金融機(jī)構(gòu)對(duì)該機(jī)構(gòu)的關(guān)聯(lián)性，入度值越大表示在金融市場(chǎng)的波動(dòng)中該機(jī)構(gòu)更加脆弱。入度值最大的是工商銀行，可見(jiàn)銀行系統(tǒng)的脆弱程度與資產(chǎn)規(guī)模不盡相關(guān)。此外，寧波銀行、光大銀行、中國(guó)銀行的入度也處在高位。對(duì)于脆弱程度較高的銀行，應(yīng)該加強(qiáng)資產(chǎn)質(zhì)量的管理，提升中間業(yè)務(wù)收入，提高自身抵御風(fēng)險(xiǎn)的能力。
表2的倒數(shù)第二行元素表示對(duì)應(yīng)機(jī)構(gòu)的出度，也就是該機(jī)構(gòu)對(duì)其他金融機(jī)構(gòu)的影響能力。出度值越大，表明該機(jī)構(gòu)越有可能成為系統(tǒng)重要性機(jī)構(gòu)。華夏銀行的出度值居于首位，從表3中可以看出華夏銀行對(duì)大多數(shù)上市銀行的關(guān)聯(lián)性都較高，因此是系統(tǒng)重要性銀行。2016年上半年，華夏銀行資產(chǎn)質(zhì)量下行壓力較大，關(guān)注類(lèi)貸款余額節(jié)節(jié)攀升，這可能預(yù)示著未來(lái)華夏銀行不良率可能上升，造成金融市場(chǎng)對(duì)華夏銀行資產(chǎn)質(zhì)量的擔(dān)憂，反映在股市中則表現(xiàn)為股價(jià)波動(dòng)率的協(xié)同上升。此外，華夏銀行還面臨著第一大股東德銀股權(quán)減持的威脅，加大了市場(chǎng)對(duì)其未來(lái)經(jīng)營(yíng)的不確定性。緊接著是興業(yè)銀行、廣大銀行、中國(guó)銀行，這些銀行的出度都在100以上，表明這些機(jī)構(gòu)對(duì)我國(guó)金融市場(chǎng)的影響能力較大，應(yīng)該成為我國(guó)監(jiān)管當(dāng)局重點(diǎn)監(jiān)控的對(duì)象。
表2最后一行元素顯示各機(jī)構(gòu)關(guān)聯(lián)性的凈值，當(dāng)元素?cái)?shù)值為正時(shí)，表示對(duì)應(yīng)機(jī)構(gòu)對(duì)整個(gè)系統(tǒng)有風(fēng)險(xiǎn)傳染性；當(dāng)元素?cái)?shù)值為負(fù)時(shí)，表示對(duì)應(yīng)機(jī)構(gòu)受到系統(tǒng)的風(fēng)險(xiǎn)傳染。結(jié)果顯示，華夏銀行、興業(yè)銀行等作為系統(tǒng)重要性機(jī)構(gòu)，對(duì)整個(gè)系統(tǒng)有著舉足輕重的影響；而工商銀行、民生銀行等機(jī)構(gòu)應(yīng)該加強(qiáng)自身風(fēng)險(xiǎn)管理，提升自身的風(fēng)險(xiǎn)抵御能力。系統(tǒng)總的關(guān)聯(lián)程度為79.86，處于較高的水平，這與我們研究的行業(yè)有關(guān)，金融行業(yè)不但容易受到行業(yè)層面的沖擊，也容易受到宏觀經(jīng)濟(jì)層面和政策層面的沖擊，因此上市銀行股價(jià)波動(dòng)率的關(guān)聯(lián)程度處于高位也較為符合我國(guó)經(jīng)濟(jì)金融發(fā)展的實(shí)際情況。
（三）系統(tǒng)性風(fēng)險(xiǎn)可視化分析
利用網(wǎng)絡(luò)模型構(gòu)建拓?fù)浞治鰣D能夠?qū)⑾到y(tǒng)性風(fēng)險(xiǎn)直觀形象的表現(xiàn)出來(lái)，本部分我們將基于網(wǎng)絡(luò)拓?fù)浞治鰣D比較樣本期間內(nèi)三個(gè)階段的系統(tǒng)系風(fēng)險(xiǎn)。網(wǎng)絡(luò)拓?fù)鋱D是基于方差分解矩陣?yán)L制而得，我們將展示出樣本期間內(nèi)關(guān)聯(lián)性最強(qiáng)的有向連線。由于每個(gè)時(shí)期將會(huì)有120條表示凈關(guān)聯(lián)性連線，三個(gè)時(shí)期共有360條連線。按照經(jīng)驗(yàn)，我們將繪制關(guān)聯(lián)性排在前15%的有向連線。繪制工具為UNINET軟件，拓?fù)鋱D見(jiàn)圖2、圖3和圖4。
圖2 第一階段網(wǎng)絡(luò)拓?fù)鋱D
圖3 第二階段網(wǎng)絡(luò)拓?fù)鋱D
圖4第三階段網(wǎng)絡(luò)拓?fù)鋱D
圖2 至圖4分別表示樣本期間三個(gè)階段的關(guān)聯(lián)網(wǎng)絡(luò)圖，顯示出我國(guó)上市銀行信息溢出的關(guān)聯(lián)網(wǎng)絡(luò)具有復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)特征。經(jīng)測(cè)算，三個(gè)階段衡量網(wǎng)絡(luò)拓?fù)鋱D關(guān)聯(lián)程度的“度”的均值分別為14.17、16.19以及30.00，對(duì)應(yīng)的“直徑”則分別為1.04、1.00、0.81，“直徑”的數(shù)值偏小反映出金融市場(chǎng)聯(lián)系緊密，金融網(wǎng)絡(luò)模型具有“小世界現(xiàn)象（Small-World Phenomena）”的特性。金融市場(chǎng)網(wǎng)絡(luò)模型還具有“無(wú)標(biāo)度現(xiàn)象（Scale-Free Phenomena）”的特性，即大部分節(jié)點(diǎn)只與很少的節(jié)點(diǎn)有關(guān)聯(lián)，但也有極少數(shù)節(jié)點(diǎn)與其他較多的節(jié)點(diǎn)有關(guān)聯(lián)?！盁o(wú)標(biāo)度”特性造成金融體系受到金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)傳染的概率并不大，而一旦系統(tǒng)重要性機(jī)構(gòu)受到風(fēng)險(xiǎn)傳染，則整個(gè)網(wǎng)絡(luò)的脆弱性將會(huì)集中體現(xiàn)出來(lái)。通過(guò)比較三個(gè)階段的網(wǎng)絡(luò)拓?fù)鋱D，我國(guó)16家上市銀行信息溢出效應(yīng)愈發(fā)強(qiáng)烈。與第一階段相比，第二階段正處于我國(guó)股市經(jīng)歷大幅變動(dòng)的時(shí)期，上市銀行共同的風(fēng)險(xiǎn)敞口迅速放大，信息傳染能力顯著增強(qiáng)，造成金融機(jī)構(gòu)之間的關(guān)聯(lián)性出現(xiàn)上升趨勢(shì)。在經(jīng)歷“過(guò)山車(chē)”的暴漲暴跌之后，市場(chǎng)投資者在第三階段的風(fēng)險(xiǎn)厭惡情緒明顯上升。伴隨著宏觀經(jīng)濟(jì)基本面的持續(xù)下行與銀行資產(chǎn)質(zhì)量不斷惡化，金融市場(chǎng)參與者對(duì)市場(chǎng)的信心急劇下降以及對(duì)未來(lái)股市收益率的不確定性迅速上升，導(dǎo)致單支銀行股票價(jià)格下跌可能會(huì)引起其他上市銀行股票的聯(lián)動(dòng)下跌?；诰W(wǎng)絡(luò)拓?fù)鋱D可以直觀的發(fā)現(xiàn)，第三階段上市銀行的系統(tǒng)關(guān)聯(lián)程度大大上升，這意味著外生的沖擊將以更多的渠道對(duì)系統(tǒng)內(nèi)其他機(jī)構(gòu)產(chǎn)生影響。一旦在某個(gè)時(shí)刻受到一定程度的外生沖擊，系統(tǒng)關(guān)聯(lián)性越高就越容易放大系統(tǒng)沖擊的破壞能力和影響范圍。我國(guó)銀行類(lèi)風(fēng)險(xiǎn)在第三階段期間不僅沒(méi)有將股災(zāi)期間的風(fēng)險(xiǎn)釋放出去，反而積累了更多的風(fēng)險(xiǎn)。
網(wǎng)絡(luò)拓?fù)鋱D連線表示成對(duì)機(jī)構(gòu)之間的凈關(guān)聯(lián)性，因而利用網(wǎng)絡(luò)拓?fù)鋱D有助于我們直觀地尋找出系統(tǒng)重要性機(jī)構(gòu)或者系統(tǒng)脆弱性機(jī)構(gòu)。不同金融機(jī)構(gòu)在不同階段的系統(tǒng)重要性是有所變化的。在第一階段，北京銀行和工商銀行很容易受到其他銀行的風(fēng)險(xiǎn)傳染，而在第二階段，系統(tǒng)脆弱性銀行則是北京銀行、南京銀行和農(nóng)業(yè)銀行，在第三階段，系統(tǒng)脆弱性銀行包括寧波銀行、平安銀行、浦發(fā)銀行以及民生銀行?？梢园l(fā)現(xiàn)，資產(chǎn)規(guī)模較小的銀行更加容易受到系統(tǒng)性風(fēng)險(xiǎn)的傳染，比如北京銀行、寧波銀行以及南京銀行作為區(qū)域性銀行，資產(chǎn)規(guī)模以及業(yè)務(wù)范圍都比不上其他上市銀行，在各個(gè)階段都受到其他銀行風(fēng)險(xiǎn)傳染的可能性更大。在三個(gè)階段中，系統(tǒng)重要性銀行包括華夏銀行、建設(shè)銀行以及交通銀行等。無(wú)論是對(duì)于系統(tǒng)重要性機(jī)構(gòu)，還是系統(tǒng)脆弱性機(jī)構(gòu)，監(jiān)管當(dāng)局和機(jī)構(gòu)自身都應(yīng)該加強(qiáng)監(jiān)管與風(fēng)險(xiǎn)控制，確保這些機(jī)構(gòu)不會(huì)成為危機(jī)爆發(fā)的導(dǎo)火索。
四、結(jié)論及政策建議
2008年全球金融危機(jī)以后，金融系統(tǒng)性風(fēng)險(xiǎn)逐漸成為學(xué)界和監(jiān)管當(dāng)局的研究熱點(diǎn)。針對(duì)以往學(xué)者在研究系統(tǒng)性風(fēng)險(xiǎn)問(wèn)題時(shí)往往存在變量與數(shù)據(jù)選取不恰當(dāng)、方法與模型具有局限性以及分析結(jié)果不直觀不全面等種種不足，本文基于2013年11月至2016年9月16家上市銀行日波動(dòng)率數(shù)據(jù)，通過(guò)廣義誤差方差分解模型（GVD）得到的系統(tǒng)關(guān)聯(lián)性矩陣，并以此構(gòu)建網(wǎng)絡(luò)模型，繪制相應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)拓?fù)鋱D，分析我國(guó)上市銀行的關(guān)聯(lián)特征，揭示我國(guó)上市銀行系統(tǒng)性風(fēng)險(xiǎn)的時(shí)變特征。
研究表明，我國(guó)上市銀行在樣本期間內(nèi)的信息溢出網(wǎng)絡(luò)具有“小世界”和“無(wú)標(biāo)度”的特性。也就是說(shuō)，從系統(tǒng)來(lái)看，我國(guó)金融體系具有較強(qiáng)的系統(tǒng)關(guān)聯(lián)性；從單個(gè)機(jī)構(gòu)來(lái)看，盡管大部分金融機(jī)構(gòu)只與少數(shù)其他金融機(jī)構(gòu)關(guān)聯(lián)性較強(qiáng)，然而一旦系統(tǒng)重要性機(jī)構(gòu)受到外生沖擊，將會(huì)對(duì)整個(gè)金融體系造成強(qiáng)烈的沖擊。通過(guò)比較三個(gè)階段的網(wǎng)絡(luò)拓?fù)鋱D結(jié)構(gòu)，我國(guó)上市銀行在股災(zāi)期間的系統(tǒng)關(guān)聯(lián)性比第一階段有所加強(qiáng)，這意味著股災(zāi)期間我國(guó)上市銀行體系的風(fēng)險(xiǎn)有所上升。而在股災(zāi)之后的第三階段，我國(guó)上市銀行的系統(tǒng)關(guān)聯(lián)性并沒(méi)有隨之減弱，這有可能意味著股災(zāi)之后我國(guó)上市銀行的風(fēng)險(xiǎn)在短時(shí)間內(nèi)不但沒(méi)有消化掉，反而積累了更多的風(fēng)險(xiǎn)。宏觀經(jīng)濟(jì)下行壓力加大、房地產(chǎn)市場(chǎng)的不確定性加強(qiáng)、貨幣政策的不確定性等等不利影響都會(huì)造成投資者對(duì)我國(guó)金融業(yè)前景產(chǎn)生悲觀態(tài)度，反映在股價(jià)中則是一只金融股價(jià)格下跌會(huì)導(dǎo)致整個(gè)金融股價(jià)格下跌的“羊群效應(yīng)”現(xiàn)象。因此在當(dāng)前階段下，為防止金融機(jī)構(gòu)出現(xiàn)系統(tǒng)性的破壞，如何加強(qiáng)對(duì)系統(tǒng)重要性機(jī)構(gòu)的識(shí)別、金融業(yè)務(wù)監(jiān)管和金融風(fēng)險(xiǎn)監(jiān)控成為監(jiān)管當(dāng)局的重要課題。
在使用網(wǎng)絡(luò)拓?fù)淠Ｐ妥R(shí)別系統(tǒng)重要性機(jī)構(gòu)時(shí)發(fā)現(xiàn)，我國(guó)上市銀行的系統(tǒng)重要性是隨時(shí)間發(fā)生變化的?？偟膩?lái)看，系統(tǒng)重要性機(jī)構(gòu)包括華夏銀行、建設(shè)銀行以及交通銀行等，系統(tǒng)脆弱性銀行包括寧波銀行、南京銀行、北京銀行等。金融機(jī)構(gòu)的系統(tǒng)重要性在一定程度上與其資產(chǎn)規(guī)模有關(guān)，比如建設(shè)銀行作為我國(guó)銀行業(yè)資產(chǎn)規(guī)模最大的銀行，其股價(jià)波動(dòng)將會(huì)對(duì)其他銀行產(chǎn)生傳染性影響，而寧波銀行、北京銀行、南京銀行等作為地區(qū)性銀行，較容易受到其他金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染。此外，金融機(jī)構(gòu)的系統(tǒng)重要性還取決于銀行間對(duì)手方交易、金融機(jī)構(gòu)對(duì)市場(chǎng)輻射能力、政策等因素，然而對(duì)于這些因素，變量的選取和數(shù)據(jù)的收集都極為困難，為我們進(jìn)一步地分析帶來(lái)障礙。換而言之，網(wǎng)絡(luò)拓?fù)淠Ｐ偷膬?yōu)點(diǎn)就是能拋開(kāi)機(jī)構(gòu)對(duì)手業(yè)務(wù)等數(shù)據(jù)的收集，直接從股價(jià)入手分析金融機(jī)構(gòu)的關(guān)聯(lián)性，并識(shí)別出系統(tǒng)重要性機(jī)構(gòu)，以此為監(jiān)管當(dāng)局政策制定提供一定的參考價(jià)值。
[1]李政，梁琪，涂曉楓.我國(guó)上市金融機(jī)構(gòu)關(guān)聯(lián)性研究——基于網(wǎng)絡(luò)分析法[J].金融研究,2016， (08):95～110.
[2]巴曙松，左偉，朱元倩.金融網(wǎng)絡(luò)及傳染對(duì)金融穩(wěn)定的影響[J].財(cái)經(jīng)問(wèn)題研究,2013，（02）:3～11.
[3]李岸，粟亞亞，喬海曙.中國(guó)股票市場(chǎng)國(guó)際聯(lián)動(dòng)性研究——基于網(wǎng)絡(luò)分析方法[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2016，（08）：113～127.
[4]鄧向榮，曹紅.系統(tǒng)性風(fēng)險(xiǎn)、網(wǎng)絡(luò)傳染與金融機(jī)構(gòu)系統(tǒng)重要性評(píng)估[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2016（03）：52～60.
[5]吳念魯，徐麗麗.我國(guó)銀行同業(yè)間網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征分析及啟示[J].當(dāng)代財(cái)經(jīng)，2015，（11）：42～52.
[6]歐陽(yáng)紅兵，汪清梅.基于網(wǎng)絡(luò)拓?fù)涞闹袊?guó)銀行體系關(guān)聯(lián)度分析[J].武漢金融，2016，（01）：14～17.
[7]Diebold,F.X，and K.Yilmaz.(2014).On the NetworkTopologyofVarianceDecompositions: Measuring the Connectedness of Financial Firms. Journal of Econometrics,182，（1）：119～134．
[8]Pesaran，H.M，andY.Shin.(1998). Generalizedimpulseresponseanalysisinlinear multivariate models.Economics Letters 58,17～29.
[9]Markku Lanne,and Henri Nyberg.（2016）. Generalized Forecast Error Variance Decomposition for Linear and Nonlinear Multivariate Models.Oxford Bulletin of Economics and Statistics,78(4):595～603.
[10]Engle,Robert F.and Kelly,Bryan T.（2011）. Dynamic Equicorrelation.NYU Working Paper No. FIN-08-038;Chicago Booth Research Paper No.12-07;Fama-Miller Working Paper.Available at SSRN: https://ssrn.com/abstract=1354525 or http://dx.doi.org/ 10.2139/ssrn.1354525
[11]Koirala KH,et al.(2015).Energy prices and agriculturalcommodityprices:Testingcorrelation using copulas method.ENERGY
[12]Aloui，R，&BenA?ssa，M.S.（2016）. Relationship between oil,stock prices and exchange rates:A vine copula based GARCH method.North American Journal of Economics and Finance,http://dx. doi.org/10.1016/j.najef.2016.05.002
F830
A
1006-169X（2017）02-0064-07
猜你喜歡
華人時(shí)刊(2023年15期)2023-09-27 09:05:02
中學(xué)生數(shù)理化·七年級(jí)數(shù)學(xué)人教版(2023年6期)2023-05-25 12:17:42
中學(xué)生數(shù)理化(高中版.高考數(shù)學(xué))(2021年3期)2021-06-09 06:09:10
中國(guó)外匯(2019年10期)2019-08-27 01:58:06
中學(xué)生數(shù)理化·七年級(jí)數(shù)學(xué)人教版(2019年6期)2019-06-25 01:01:32
初中生世界·九年級(jí)(2017年10期)2017-11-08 21:30:36
中成藥(2017年3期)2017-05-17 06:09:05
商周刊(2017年26期)2017-04-25 08:13:06
中國(guó)環(huán)境監(jiān)察(2016年12期)2016-10-24 05:29:18
中國(guó)衛(wèi)生標(biāo)準(zhǔn)管理(2015年6期)2016-01-14 05:17:08
