中國金融業(yè)系統(tǒng)性風(fēng)險(xiǎn)分析

劉志洋

摘 ? 要：本文從金融業(yè)各個(gè)類型業(yè)態(tài)的關(guān)聯(lián)度視角出發(fā)，以中國上市金融機(jī)構(gòu)為研究樣本，使用股票交易數(shù)據(jù)，在剔除系統(tǒng)風(fēng)險(xiǎn)因子后，測(cè)度了銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)和其他類型上市金融機(jī)構(gòu)之間的關(guān)聯(lián)度。實(shí)證結(jié)論表明，證券公司之間的關(guān)聯(lián)度風(fēng)險(xiǎn)顯著高于商業(yè)銀行、保險(xiǎn)公司和其他類型的金融機(jī)構(gòu)。商業(yè)銀行與證券公司、保險(xiǎn)公司和其他類型金融機(jī)構(gòu)的組合會(huì)增加金融機(jī)構(gòu)之間的關(guān)聯(lián)度風(fēng)險(xiǎn)，而對(duì)于證券公司來講，證券公司與商業(yè)銀行、保險(xiǎn)公司和其他類型金融機(jī)構(gòu)的融合有助于降低金融機(jī)構(gòu)的關(guān)聯(lián)度風(fēng)險(xiǎn)。

關(guān)鍵詞：關(guān)聯(lián)度;系統(tǒng)性風(fēng)險(xiǎn);混業(yè)經(jīng)營

中圖分類號(hào)：F830 ?文獻(xiàn)標(biāo)識(shí)碼： A ?文章編號(hào)：1674-2265（2019）12-0022-08

DOI：10.19647/j.cnki.37-1462/f.2019.12.003

一、引言

系統(tǒng)性金融風(fēng)險(xiǎn)的爆發(fā)源于金融體系的不穩(wěn)定性。2008年全球金融危機(jī)表明，系統(tǒng)性金融風(fēng)險(xiǎn)會(huì)給實(shí)體經(jīng)濟(jì)的增長帶來嚴(yán)重的威脅。20世紀(jì)70年代中期，國際清算銀行經(jīng)濟(jì)學(xué)家Lamfalussy研究了宏觀經(jīng)濟(jì)出現(xiàn)的失衡現(xiàn)象，并且提出宏觀經(jīng)濟(jì)的失衡會(huì)增加金融體系的脆弱性。Lamfalussy認(rèn)為金融體系能夠內(nèi)生地產(chǎn)生金融危機(jī)，且金融創(chuàng)新不一定能夠降低金融風(fēng)險(xiǎn)。Crockett（2000）和Knight（2006）進(jìn)一步發(fā)展了Lamfalussy的思想，并提出了要實(shí)施宏觀審慎管理的主張。

系統(tǒng)性金融危機(jī)蘊(yùn)含了兩方面的內(nèi)容：第一，金融體系是脆弱的，金融機(jī)構(gòu)之間的關(guān)聯(lián)度非常高;第二，金融危機(jī)的爆發(fā)需要外部的負(fù)面沖擊，比如美國的次級(jí)貸款、西班牙的房地產(chǎn)泡沫破滅、歐洲主權(quán)債務(wù)危機(jī)中的希臘違約。金融體系存在脆弱性是負(fù)面沖擊發(fā)生作用的前提。如果金融體系不存在脆弱性，則即使出現(xiàn)負(fù)面沖擊，也不會(huì)爆發(fā)大規(guī)模的系統(tǒng)性金融風(fēng)險(xiǎn)。因此從金融監(jiān)管當(dāng)局來看，有效評(píng)估金融體系的脆弱性程度是制定系統(tǒng)性金融風(fēng)險(xiǎn)管理政策的必要前提。

然而如何認(rèn)識(shí)金融體系脆弱性本身就是一個(gè)非常大的挑戰(zhàn)。雖如此，一個(gè)共識(shí)是金融體系的脆弱性來自金融機(jī)構(gòu)相互之間的關(guān)聯(lián)程度。關(guān)聯(lián)程度的大小與監(jiān)管規(guī)則的制定、金融體系的結(jié)構(gòu)性變化、金融創(chuàng)新、宏觀經(jīng)濟(jì)金融政策等均有密切關(guān)系。本文的主要關(guān)注點(diǎn)不在于研究影響關(guān)聯(lián)度的因素，而在于測(cè)度金融機(jī)構(gòu)之間的關(guān)聯(lián)程度。這種關(guān)聯(lián)程度對(duì)于推廣宏觀審慎管理非常重要（Crockett，2000），因?yàn)橐揽磕承┨囟ǖ暮暧^金融變量來推測(cè)系統(tǒng)性金融風(fēng)險(xiǎn)效果不是非常理想（He和Krishnamurthy，2014）。2017年黨的十九大報(bào)告中指出，“健全貨幣政策和宏觀審慎政策雙支柱調(diào)控框架”，“守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線”。因此，有效評(píng)估中國金融體系脆弱性，對(duì)于管理系統(tǒng)性金融風(fēng)險(xiǎn)、實(shí)施宏觀審慎管理具有重要的實(shí)踐價(jià)值。

二、文獻(xiàn)綜述

系統(tǒng)性金融風(fēng)險(xiǎn)往往被定義為金融部門在一些情景下無法正常運(yùn)轉(zhuǎn)，導(dǎo)致信貸可得性下降，進(jìn)而危害實(shí)體經(jīng)濟(jì)的健康發(fā)展（Bisias等，2012）。

在系統(tǒng)性風(fēng)險(xiǎn)評(píng)估方面，學(xué)者們進(jìn)行了大量的研究，開發(fā)了眾多指標(biāo)測(cè)度系統(tǒng)性金融風(fēng)險(xiǎn)。早期的研究已經(jīng)關(guān)注到金融機(jī)構(gòu)之間的關(guān)聯(lián)度導(dǎo)致的系統(tǒng)性金融風(fēng)險(xiǎn)的增加。比如Furfine（1999）使用Fedwire轉(zhuǎn)移系統(tǒng)研究銀行間市場(chǎng)在聯(lián)邦基金市場(chǎng)中的信貸投放問題，使用模擬的辦法分析雙邊風(fēng)險(xiǎn)敞口導(dǎo)致的期望損失。Elsinger等（2002）構(gòu)建了奧地利銀行間市場(chǎng)關(guān)聯(lián)度矩陣，研究銀行間市場(chǎng)的傳染風(fēng)險(xiǎn)。Iori等（2003）模擬分析了銀行間傳染風(fēng)險(xiǎn)，認(rèn)為當(dāng)銀行間市場(chǎng)關(guān)聯(lián)度增加時(shí)，銀行體系的脆弱性增加，且風(fēng)險(xiǎn)高的銀行倒閉會(huì)引發(fā)經(jīng)營穩(wěn)健的商業(yè)銀行倒閉?？傊?，早期的研究結(jié)論認(rèn)為，銀行間關(guān)聯(lián)度越緊密，銀行體系脆弱性越高，爆發(fā)危機(jī)的可能性就越大。

2008年金融危機(jī)爆發(fā)后，大量學(xué)者采取了更為直接的方法研究系統(tǒng)性金融風(fēng)險(xiǎn)，其主要特征就是提出了系統(tǒng)性金融風(fēng)險(xiǎn)的測(cè)度指標(biāo)。這些系統(tǒng)性風(fēng)險(xiǎn)測(cè)度指標(biāo)在預(yù)警金融危機(jī)方面具有較為理想的效果（Hollo等，2012;Duca和Peltonen，2013）。Hollo等（2012）整合了歐盟區(qū)15個(gè)金融市場(chǎng)指標(biāo)，將其分成五類，構(gòu)建了歐盟區(qū)系統(tǒng)性金融風(fēng)險(xiǎn)指標(biāo)。具體來講，Hollo等（2012）的五類指標(biāo)包括：金融中介、貨幣市場(chǎng)、股票市場(chǎng)、債券市場(chǎng)和外匯市場(chǎng)。Hollo 等（2012）在考慮這五類指標(biāo)的截面相關(guān)性之后，在關(guān)注每一個(gè)市場(chǎng)影響的基礎(chǔ)上進(jìn)行了加權(quán)，進(jìn)而構(gòu)建出監(jiān)測(cè)系統(tǒng)性金融風(fēng)險(xiǎn)的指標(biāo)。

在構(gòu)建系統(tǒng)性金融風(fēng)險(xiǎn)的相關(guān)指標(biāo)基礎(chǔ)上，學(xué)者們積極運(yùn)用所構(gòu)建的指標(biāo)進(jìn)行預(yù)測(cè)分析。Aspachs等（2006）將商業(yè)銀行市值的變化與違約概率進(jìn)行加總來評(píng)估銀行體系的穩(wěn)定性。其優(yōu)勢(shì)在于，商業(yè)銀行的違約在此模型中是內(nèi)生的。Aspachs等（2006）使用向量自回歸模型證明，加總的指標(biāo)影響GDP增長率，因此可以用來評(píng)估系統(tǒng)性金融風(fēng)險(xiǎn)。Segoviano 和Goodhart（2009）測(cè)度了單一商業(yè)銀行的違約概率，發(fā)現(xiàn)可以使用這些違約概率數(shù)據(jù)來預(yù)測(cè)商業(yè)銀行整體陷入困境的概率。Salidas（2012）使用違約距離作為系統(tǒng)性金融風(fēng)險(xiǎn)的測(cè)度指標(biāo)，發(fā)現(xiàn)單個(gè)商業(yè)銀行的違約距離的平均值與整體銀行的違約距離并不一致，這之間的差別與商業(yè)銀行之間的關(guān)聯(lián)度密切相關(guān)。Acharya等（2011）、Adrian和Brunnermeier（2016）也分別測(cè)度了商業(yè)銀行對(duì)銀行業(yè)整體的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。

由于金融機(jī)構(gòu)之間存在傳染風(fēng)險(xiǎn)，因此在近期的研究中，學(xué)者們開始使用網(wǎng)絡(luò)模型研究金融機(jī)構(gòu)之間的關(guān)聯(lián)度。2008年金融危機(jī)爆發(fā)后，基于網(wǎng)絡(luò)模型的壓力測(cè)試得到了監(jiān)管當(dāng)局和學(xué)者們的青睞，代表性文獻(xiàn)包括Montagna和Lux（2017）、Castren和Rancan（2014）、Rancan等（2015）等。在運(yùn)用網(wǎng)絡(luò)理論進(jìn)行研究過程中，學(xué)者們常常關(guān)注網(wǎng)絡(luò)結(jié)構(gòu)與金融體系穩(wěn)定之間的關(guān)系。Leon等（2018）分析回購市場(chǎng)和銀行間市場(chǎng)，發(fā)現(xiàn)金融市場(chǎng)中的等級(jí)結(jié)構(gòu)對(duì)于金融體系的穩(wěn)定非常重要。Cetina等（2018）使用美國存款信托及清算公司（Depository Trust和Clearing Corporation）的數(shù)據(jù)，發(fā)現(xiàn)一家商業(yè)銀行倒閉所帶來的間接負(fù)面影響大于其直接的負(fù)面影響。在實(shí)證分析方面，除銀行間市場(chǎng)外，學(xué)者們也開始關(guān)注銀行間債務(wù)相互持有、衍生工具和表外業(yè)務(wù)所構(gòu)成的網(wǎng)絡(luò)結(jié)構(gòu)給金融體系穩(wěn)定帶來的影響，近期的研究成果包括Anand等（2018）、Aldasoro和Alves（2018）、Halaj等（2018）等。在實(shí)證分析方面，對(duì)于高精度的數(shù)據(jù)要求非常高，這需要監(jiān)管當(dāng)局和金融市場(chǎng)參與者的有效配合。

總之，2008年金融危機(jī)爆發(fā)后，無論金融監(jiān)管當(dāng)局，還是學(xué)術(shù)界，都非常關(guān)注對(duì)于由金融機(jī)構(gòu)相互關(guān)聯(lián)導(dǎo)致的系統(tǒng)性風(fēng)險(xiǎn)。對(duì)于管理系統(tǒng)性金融風(fēng)險(xiǎn)來講，最重要的就是要提前布局、設(shè)定預(yù)案，而這些工作的前提是有效的監(jiān)測(cè)和評(píng)估系統(tǒng)性金融風(fēng)險(xiǎn)。然而，在信息披露方面，金融機(jī)構(gòu)很少披露其交易對(duì)手的明細(xì)資產(chǎn)負(fù)債數(shù)據(jù)，這會(huì)給研究金融機(jī)構(gòu)之間關(guān)聯(lián)程度帶來很大阻礙。為了解決此問題，使用金融市場(chǎng)交易數(shù)據(jù)，尤其是金融機(jī)構(gòu)股票交易數(shù)據(jù)來研究金融機(jī)構(gòu)之間的關(guān)聯(lián)程度、進(jìn)而監(jiān)測(cè)系統(tǒng)性金融風(fēng)險(xiǎn)，成為學(xué)者們的選擇。因此，本文擬使用中國上市金融機(jī)構(gòu)的股票交易數(shù)據(jù)，構(gòu)建系統(tǒng)性金融風(fēng)險(xiǎn)監(jiān)測(cè)評(píng)估指標(biāo)，以期為中國管理系統(tǒng)性金融風(fēng)險(xiǎn)提供參考。

三、研究方法與樣本數(shù)據(jù)

（一）研究理論基礎(chǔ)

2008年金融危機(jī)爆發(fā)后，對(duì)于系統(tǒng)性風(fēng)險(xiǎn)的研究從“大而不倒”演變?yōu)椤疤B接而不倒”。這說明關(guān)聯(lián)度是影響系統(tǒng)性風(fēng)險(xiǎn)的重要因素。本文認(rèn)為，關(guān)聯(lián)度增加導(dǎo)致系統(tǒng)性金融風(fēng)險(xiǎn)增加的理論基礎(chǔ)在于資產(chǎn)組合理論。馬科維茨1952年提出的資產(chǎn)組合理論表明，金融資產(chǎn)收益率變化的協(xié)方差決定了資產(chǎn)組合的風(fēng)險(xiǎn)。這說明如果金融資產(chǎn)收益變化的相關(guān)系數(shù)變大，則資產(chǎn)組合的風(fēng)險(xiǎn)也會(huì)變大。如果我們將中國金融體系看作一個(gè)資產(chǎn)組合，將每一個(gè)金融機(jī)構(gòu)看作組合中的一份資產(chǎn)，則不難說明，金融機(jī)構(gòu)之間相關(guān)性增加會(huì)導(dǎo)致整體組合風(fēng)險(xiǎn)的變大。這說明，各個(gè)資產(chǎn)收益率變化的相關(guān)性可以用來作為表示整體資產(chǎn)組合風(fēng)險(xiǎn)的替代指標(biāo)。隨著中國金融業(yè)綜合化經(jīng)營的趨勢(shì)不斷發(fā)展，銀行、證券、保險(xiǎn)以及其他類型的金融業(yè)務(wù)均出現(xiàn)了融合的態(tài)勢(shì)，因此可以將各類型金融機(jī)構(gòu)看作金融體系這一“大的資產(chǎn)組合”的組成部分，研究不同類型金融機(jī)構(gòu)之間的相關(guān)程度，以進(jìn)一步測(cè)度金融體系的系統(tǒng)性風(fēng)險(xiǎn)。

金融體系的脆弱性主要反映在金融機(jī)構(gòu)風(fēng)險(xiǎn)承擔(dān)行為之間的關(guān)聯(lián)性上，因此一個(gè)直觀性的測(cè)量方法是測(cè)度金融機(jī)構(gòu)股票收益率之間的相關(guān)性。如果股票收益率之間相關(guān)系數(shù)非常高，則負(fù)面沖擊就會(huì)給金融體系帶來很大的負(fù)面影響。因此，可以使用股票收益率數(shù)據(jù)測(cè)度在每一個(gè)時(shí)間點(diǎn)的相關(guān)系數(shù)。正如Hollo 等（2012）指出，金融系統(tǒng)的脆弱性來源于金融機(jī)構(gòu)之間的截面相關(guān)性。關(guān)聯(lián)度的增加會(huì)導(dǎo)致交叉性金融風(fēng)險(xiǎn)的上升。這種風(fēng)險(xiǎn)具有復(fù)雜性、系統(tǒng)性、變異性的特征，破壞能力強(qiáng)，危害范圍廣泛。交叉性金融風(fēng)險(xiǎn)會(huì)通過各種渠道在金融機(jī)構(gòu)之間傳染。相對(duì)于傳統(tǒng)的“黑天鵝”理論，交叉性風(fēng)險(xiǎn)更多地表現(xiàn)為“灰犀牛”現(xiàn)象。

關(guān)聯(lián)度增加導(dǎo)致的傳染風(fēng)險(xiǎn)是系統(tǒng)性風(fēng)險(xiǎn)生成的主要機(jī)制。在傳染風(fēng)險(xiǎn)方面，學(xué)者們主要從以下四個(gè)方面進(jìn)行研究：第一，違約導(dǎo)致的傳染風(fēng)險(xiǎn)，代表性文獻(xiàn)包括Acemoglu等（2015）、Elliott等（2014）的研究;第二，由金融體系困境導(dǎo)致的傳染風(fēng)險(xiǎn)，代表性文獻(xiàn)包括Tasca和Battiston（2016）、Battiston等（2016）的研究;第三，由共同風(fēng)險(xiǎn)敞口導(dǎo)致的傳染風(fēng)險(xiǎn)，代表性文獻(xiàn)包括Caballero和Simsek（2013）、Caccioli等（2014）等的研究;第四，由融資流動(dòng)性導(dǎo)致的傳染風(fēng)險(xiǎn)，代表性文獻(xiàn)包括Fourel等（2013）、Acharya和Merrouche（2013）、Lee（2013）等的研究。

本文認(rèn)為，關(guān)聯(lián)度增加導(dǎo)致系統(tǒng)性金融風(fēng)險(xiǎn)增加的理論基礎(chǔ)在于資產(chǎn)組合理論。馬科維茨1952年提出的資產(chǎn)組合理論表明，金融資產(chǎn)收益率變化的協(xié)方差決定了資產(chǎn)組合的風(fēng)險(xiǎn)。這說明如果金融資產(chǎn)收益變化的相關(guān)系數(shù)變大，則資產(chǎn)組合的風(fēng)險(xiǎn)也會(huì)變大。如果我們將中國金融體系看作一個(gè)資產(chǎn)組合，將每一個(gè)金融機(jī)構(gòu)看作組合中的一份資產(chǎn)，則不難說明，金融機(jī)構(gòu)之間相關(guān)性增加會(huì)導(dǎo)致整體組合風(fēng)險(xiǎn)的變大。這說明，各個(gè)資產(chǎn)收益率變化的相關(guān)性可以用來作為表示整體資產(chǎn)組合風(fēng)險(xiǎn)的替代指標(biāo)。隨著中國金融業(yè)綜合化經(jīng)營的趨勢(shì)不斷發(fā)展，銀行、證券、保險(xiǎn)以及其他類型的金融業(yè)務(wù)均出現(xiàn)了融合的態(tài)勢(shì)，因此可以將各類型金融機(jī)構(gòu)看作金融體系這一“大的資產(chǎn)組合”的組成部分，研究不同類型金融機(jī)構(gòu)之間的相關(guān)程度，以進(jìn)一步測(cè)度金融體系的系統(tǒng)性風(fēng)險(xiǎn)。

（二）實(shí)證方法

根據(jù)資產(chǎn)組合理論的經(jīng)典思想，本文將金融體系視作一個(gè)大的資產(chǎn)組合，因此可以使用相關(guān)系數(shù)研究金融機(jī)構(gòu)之間的關(guān)聯(lián)度。由于本文使用的是股票收益率數(shù)據(jù)，因此可以測(cè)度每一個(gè)時(shí)間點(diǎn)上金融機(jī)構(gòu)之間的關(guān)聯(lián)度。結(jié)合Gibson等（2018）的研究，金融機(jī)構(gòu)之間的關(guān)聯(lián)程度可以表示為：

[σ（ri）σ（ri）=σ（ri）+2cov（ri，rj）σ（ri）] （1）

其中σ表示方差，Cov表示協(xié)方差，ri表示商業(yè)銀行i股票收益率。之所以選擇股票收益率數(shù)據(jù)，其主要原因是股票收益率數(shù)據(jù)可得性強(qiáng)，能夠?qū)崿F(xiàn)實(shí)時(shí)評(píng)估風(fēng)險(xiǎn)。在理想情況下，我們可以運(yùn)用（1）式得到時(shí)變的協(xié)方差數(shù)值，將這些協(xié)方差進(jìn)行加總，就可以得到金融機(jī)構(gòu)之間整體的關(guān)聯(lián)度情況。為了估計(jì)方差和協(xié)方差，Garch族模型是主要計(jì)算工具。多元Garch模型可以估計(jì)許多變量之間的時(shí)變協(xié)方差。然而，當(dāng)變量維度增加時(shí)，運(yùn)算量急劇上升，待估參數(shù)量顯著增加。即使在Garch（1，1）模型下，如果存在5個(gè)變量，則需要估計(jì)465個(gè)參數(shù)（Gibson等，2018）。雖然可以通過對(duì)角矩陣簡(jiǎn)化參數(shù)估計(jì)，但此模型忽略了變量之間的協(xié)方差。而即使使用BEKK模型，當(dāng)存在5個(gè)變量時(shí)，估計(jì)參數(shù)也達(dá)到75個(gè)。因子Garch（Factor Garch）模型能夠簡(jiǎn)化估計(jì)過程，但對(duì)協(xié)方差的時(shí)變性估計(jì)存在局限性。

由于本文的樣本包括了中國所有上市金融機(jī)構(gòu)，且本文主要關(guān)注的是關(guān)聯(lián)度引發(fā)的系統(tǒng)性金融風(fēng)險(xiǎn)，因此本文首先使用單變量Garch模型（Univariate Garch Model）估計(jì)股票收益率的方差。對(duì)于每家金融機(jī)構(gòu)，本文使用Garch（1，1）模型進(jìn)行參數(shù)估計(jì)，并將所估計(jì)的方差進(jìn)行加總得到方差的總和。如果（1）式的比值大于1，說明金融機(jī)構(gòu)之間的關(guān)聯(lián)度為正值;（1）式小于1說明金融機(jī)構(gòu)之間的相關(guān)性為負(fù);（1）式為零，說明金融機(jī)構(gòu)之間不存在相關(guān)性。

然而，正如Gibson等（2018）指出，（1）式的大小與樣本量n有關(guān)，因此（1）式無法比較不同類型金融機(jī)構(gòu)之間的關(guān)聯(lián)度。在極端情況下，如果金融機(jī)構(gòu)股票收益率完全相關(guān)，則樣本量的值與（1）式的值永遠(yuǎn)相等。為了避免此問題，Gibson等（2018）提出了依據(jù)樣本量調(diào)整的監(jiān)測(cè)指標(biāo)，見（2）式：

[R=（j=1n-1i=j+1n2cov（rj，ri））/（n-1）i=1nσ（ri）+1] （2）

從（2）式可以看出，如果R大于1，則說明金融機(jī)構(gòu)之間存在正相關(guān)性;（2）式小于1則說明存在負(fù)相關(guān)性。R值越大，說明金融機(jī)構(gòu)之間相關(guān)性越強(qiáng)，由關(guān)聯(lián)度風(fēng)險(xiǎn)引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)可能性就越大。

根據(jù)資本資產(chǎn)定價(jià)模型，所有股票收益率都會(huì)受到系統(tǒng)風(fēng)險(xiǎn)因子的影響，因此金融機(jī)構(gòu)股票收益率之間會(huì)通過系統(tǒng)風(fēng)險(xiǎn)因子產(chǎn)生關(guān)聯(lián)。為了研究純粹由金融機(jī)構(gòu)之間經(jīng)營導(dǎo)致的關(guān)聯(lián)度，本文將剔除金融機(jī)構(gòu)股票收益率中系統(tǒng)風(fēng)險(xiǎn)因子部分，將得到的殘差項(xiàng)代入（2）式的計(jì)算中。首先本文假設(shè)金融機(jī)構(gòu)股票收益率受到給定的系統(tǒng)風(fēng)險(xiǎn)因子的影響。在系統(tǒng)風(fēng)險(xiǎn)因子的選取方面，本文使用Fama-French三因素模型中的三個(gè)風(fēng)險(xiǎn)因子：市場(chǎng)組合溢價(jià)（MKTPRE）、市值因子（SMB）和賬面市值因子（HML）。具體見（3）式：

[ri，t-rf=αi+βiMKTPREt+γiSMBt+θiHMLt+εi，t] （3）

其中，rf表示無風(fēng)險(xiǎn)利率，MKTPRE、HML、SMB均對(duì)無風(fēng)險(xiǎn)利率進(jìn)行調(diào)整。本文使用銀行間市場(chǎng)隔夜拆借利率作為無風(fēng)險(xiǎn)利率的代表，使用HS300指數(shù)作為市場(chǎng)組合的代表。[εi，t]表示非系統(tǒng)沖擊，刻畫金融機(jī)構(gòu)自身的經(jīng)營風(fēng)險(xiǎn)。本文在（3）式基礎(chǔ)上，將（3）式與Garch（1，1）模型聯(lián)合，將聯(lián)合模型生成的殘差代入（2）式求解協(xié)方差，以剔除系統(tǒng)風(fēng)險(xiǎn)因子的影響，全面刻畫由于金融機(jī)構(gòu)自身經(jīng)營導(dǎo)致的傳染風(fēng)險(xiǎn)。

（三）樣本數(shù)據(jù)

本文的樣本期間為2007年1月至2017年12月，數(shù)據(jù)頻率為月度數(shù)據(jù)，數(shù)據(jù)來源為萬得數(shù)據(jù)庫。本文使用上述上市金融機(jī)構(gòu)月度股票收益率數(shù)據(jù)進(jìn)行實(shí)證分析。

本文的樣本為所有中國上市的金融機(jī)構(gòu)，具體包括銀行類金融機(jī)構(gòu)、券商類金融機(jī)構(gòu)、保險(xiǎn)類金融機(jī)構(gòu)和其他類型的金融機(jī)構(gòu)。其中銀行類金融機(jī)構(gòu)包括：平安銀行、寧波銀行、江陰銀行、張家港銀行、浦發(fā)銀行、華夏銀行、民生銀行、招商銀行、無錫銀行、江蘇銀行、杭州銀行、南京銀行、常熟銀行、興業(yè)銀行、北京銀行、上海銀行、農(nóng)業(yè)銀行、交通銀行、工商銀行、光大銀行、建設(shè)銀行、中國銀行、貴陽銀行、中信銀行、吳江銀行。券商類金融機(jī)構(gòu)包括：申萬宏源、中油資本、東北證券、錦龍股份、國元證券、國海證券、廣發(fā)證券、長江證券、越秀金控、山西證券、國盛金控、西部證券、國信證券、第一創(chuàng)業(yè)、中信證券、國投資本、國金證券、寶碩股份、西南證券、華鑫股份、綠庭投資、海通證券、華安證券、東方證券、招商證券、太平洋、財(cái)通證券、東興證券、國泰君安、中原證券、興業(yè)證券、東吳證券、華泰證券、光大證券、浙商證券、中國銀河、方正證券、綠庭B股等。保險(xiǎn)類金融機(jī)構(gòu)包括：天茂集團(tuán)、西水股份、中國平安、新華保險(xiǎn)、中國太保、中國人壽。其他類型金融機(jī)構(gòu)包括：民生控股、陜國投、海德股份、民盛金科、新力金融、五礦資本、熊貓金控、愛建集團(tuán)、中航資本、安信信托等。銀行類金融機(jī)構(gòu)25家，券商類金融機(jī)構(gòu)38家、保險(xiǎn)類金融機(jī)構(gòu)6家、其他類型金融機(jī)構(gòu)10家。

四、實(shí)證結(jié)果

本文首先分別測(cè)算了銀行業(yè)（bank）、證券業(yè)（qs）、保險(xiǎn)業(yè)（bx）和其他類型金融機(jī)構(gòu)（qt）各類型自身的相關(guān)度指標(biāo)（即（2）式的R值）。同時(shí)，本文又分別將銀行券商（bqs）、銀行保險(xiǎn)（bbx）、銀行與其他金融機(jī)構(gòu)（bqt）、券商與保險(xiǎn)（qsbx）、券商與其他金融機(jī)構(gòu)（qsqt）、保險(xiǎn)與其他金融機(jī)構(gòu)（bxqt）、銀行券商保險(xiǎn)（bqsbx）、銀行券商其他金融機(jī)構(gòu)（bqsqt）、銀行保險(xiǎn)其他金融機(jī)構(gòu)（bbxqt）、券商保險(xiǎn)其他金融機(jī)構(gòu)（qsbxqt）以及銀行券商保險(xiǎn)其他金融機(jī)構(gòu)（bqsbxqt）看作一個(gè)整體，分別測(cè)算金融機(jī)構(gòu)之間的關(guān)聯(lián)度，以研究不同類型金融機(jī)構(gòu)之間的關(guān)聯(lián)度指標(biāo)，為系統(tǒng)性風(fēng)險(xiǎn)監(jiān)測(cè)提供預(yù)警。本文使用時(shí)間序列模型，能夠求解樣本期內(nèi)每一個(gè)月各個(gè)類型金融機(jī)構(gòu)組合的關(guān)聯(lián)度情況，進(jìn)而形成了關(guān)聯(lián)度的時(shí)間序列。

表1為金融機(jī)構(gòu)之間各個(gè)月份關(guān)聯(lián)度的統(tǒng)計(jì)特征。從單個(gè)類型的金融機(jī)構(gòu)來看，券商之間的關(guān)聯(lián)度最高，指標(biāo)平均值達(dá)到了100以上，其他類型的金融機(jī)構(gòu)之間的關(guān)聯(lián)度指標(biāo)值平均為14.84，略高于商業(yè)銀行的平均值10.77。保險(xiǎn)行業(yè)的各個(gè)金融機(jī)構(gòu)之間的平均關(guān)聯(lián)度最低，僅為1.35。然而，從“混業(yè)”經(jīng)營視角來看，券商與保險(xiǎn)融合，其關(guān)聯(lián)度指標(biāo)平均值為105.0652，券商與其他類型金融機(jī)構(gòu)融合的關(guān)聯(lián)度指標(biāo)的平均值為121.7333。商業(yè)銀行與券商、商業(yè)銀行與保險(xiǎn)以及商業(yè)銀行與其他金融機(jī)構(gòu)的融合，其關(guān)聯(lián)度指標(biāo)略微高于銀行業(yè)自身的關(guān)聯(lián)度指標(biāo)，平均值分別為13.2602、10.9505和16.6531。商業(yè)銀行與證券公司和保險(xiǎn)公司、商業(yè)銀行與保險(xiǎn)公司和其他金融機(jī)構(gòu)的融合，關(guān)聯(lián)度指標(biāo)的平均值也略微高于銀行業(yè)自身的關(guān)聯(lián)度指標(biāo)平均值，但證券公司與保險(xiǎn)和其他金融機(jī)構(gòu)的融合關(guān)聯(lián)度指標(biāo)非常高。如果將四類金融機(jī)構(gòu)融合在一起，則其關(guān)聯(lián)度指標(biāo)平均值為18.3682，高于商業(yè)銀行和其他類型金融機(jī)構(gòu)自身的關(guān)聯(lián)度指標(biāo)，但明顯低于證券業(yè)自身的關(guān)聯(lián)度指標(biāo)。

圖1—圖5為金融機(jī)構(gòu)之間關(guān)聯(lián)度的走勢(shì)圖。從圖1可以看出，各個(gè)類型的金融機(jī)構(gòu)自身之間的關(guān)聯(lián)度走勢(shì)不盡相同。證券公司之間的關(guān)聯(lián)度指標(biāo)非常高，而保險(xiǎn)公司整體關(guān)聯(lián)度水平最低。從關(guān)聯(lián)度指標(biāo)波動(dòng)性來看，各金融子行業(yè)關(guān)聯(lián)度的走勢(shì)不是非常一致。對(duì)于證券公司來講，在2013年初，關(guān)聯(lián)度出現(xiàn)了顯著上升，說明在2013年第一季度，證券業(yè)系統(tǒng)性風(fēng)險(xiǎn)顯著上升，但隨后又快速下降。從商業(yè)銀行來看，在2017年3月之前，銀行業(yè)整體關(guān)聯(lián)度風(fēng)險(xiǎn)不是非常高，而到2017年第一季度，銀行業(yè)關(guān)聯(lián)度風(fēng)險(xiǎn)顯著上升。對(duì)于其他類型的金融機(jī)構(gòu)來講，在2016年年中，關(guān)聯(lián)度出現(xiàn)顯著上升。

[4]Adrian T. 2016. Brunnermeier M K.CoVaR[J]. American Economic Review，106（7）.

[5]Aspachs O，Goodhart C，Segoviano M. 2006. Searching for a Metric for Financial Stability[C].London School of Economics，F(xiàn)inancial Markets Group.

[6]Anand，K.，van Lelyveld，I.，Banai et al. 2018. The missing links：aglobal study on uncovering financial network structures from partial data[J].Journal of Financial Stability， 35.

[7]Aldasoro，I.，Alves，I.I. 2018. Multiplex interbank networks和systemicimportance： an application to European data. Journal of Financial Stability，35.

[8]Battiston S，Marco D'Errico， Stefano Gurciullo，et al. 2016. Leveraging the network：a stress-test framework based on DebtRank[J].Statistic Risk Model，33.

[9]Bisias D， Flood M， Lo A W， et al. 2012. A Survey of Systemic Risk Analytics[J]. Annual Review of Financial Economics， 4（76）.

[10]Cetina，J.，Paddrik，M.，Rajan，S. 2018. Stressed to the core：counterparty concentrations和systemic losses in CDS markets. Journal of Financial Stability，35.

[11]Crockett Andrew. 2000. Marrying the Micro-and Macro-prudential Dimensions of Financial Stability[C].Remarks before the Eleventh Internationl Conference of Banking Supervisors，Semtember.

[12]Caballero R J，Simsek A. 2013. Fire Sales in a Model of Complexity[J].Journal of Finance，68（6）.

[13]Castrén O，Rancan M. 2014. Macro-Networks：An application to euro area financial accounts[J].Journal of Banking & Finance，46（1）.

[14]Caccioli F，Shrestha M， Moore C， et ak. 2014. Stability analysis of financial contagion due to overlapping portfolios[J]. Journal of Banking & Finance，46（3）.

[15]Duca M L，Peltonen T A. 2013. Assessing systemic risks和predicting systemic events[J].Journal of Banking & Finance，37（7）.

[16]Elsinger，Helmut，Lehar，Alfred，Summer，Martin. 2002. Risk Assessment for Banking System[R].Oesterreichische National Bank Working papers.

[17]Elliott M， Golub B， Jackson M O. 2014. Financial Networks and Contagion[J]. American Economic Review， 104（10）.

[18]Fourel V， Heam J C， Salakhova D，et al. 2013. Domino Effects When Banks Hoard Liquidity：The French Network[J]. Working Papers.

[19]Furfine.C. 1999. The Microstructure of the Federal Funds Markets[J].Financial Markets，Institutions&Instruments，8（5）.

[20]Gibson H D，Hall S G，Tavlas G S. 2018. Measuring Systemic Vulnerability in European Banking Systems[J]. Journal of Financial Stability，forthcoming.

[21]Ha?aj，G.，Peltonen，T.A.，Scheicher，M. 2018. How did the Greek credit eventimpact the credit default swap market？[J].Journal of Financial Stability，35.

[22]He Z，Krishnamurthy A. 2014. A Macroeconomic Framework for Quantifying Systemic Risk[R].NBER Working Papers， 2014.

[23]Hollo D，Kremer M，Lo Duca M. 2012. CISS - A Composite Indicator of Systemic Stress in the Financial System[J]. Working Paper， 2012， 92（3）：347-351.

[24]Iori，Guilia，Jafarey，Saqib，Padilla，F(xiàn)rancisco. 2003. Interbank lending and Systemic Risk[R].Mimeo.

[25]Knight M D. 2006. Marrying the Micro- and Macro-prudential Dimensions of Financial Stability[C].Siz Years on Conference of Banking Supervisors， Merida，Octorber.

[26]León，C.，Machado，C.，Sarmiento，M. 2018. Identifying central bank liquiditysuper-spreaders in interbank funds networks. Journal of Financial. Stability，35.

[27]Montagna M，Lux T. 2017. Contagion risk in the interbank market：a probabilistic approach to cope with incomplete structural information[J].Quantitative Finance，（17）.

[28]Rancan，M.，Sarlin，P.，Peltonen， T.A. 2015. Interconnectedness of the Banking Sector as a Vulnerability to Crises， Available at SSRN 2605810.

[29]Saldías M. 2010. Systemic risk analysis using forward-looking Distance-to-Default series[J].Journal of Financial Stability，9（4）.

[30]Segoviano Basurto，Miguel，Goodhart， Charles. ?2009. Banking Stability Measures[R].IMF Working Papers， No.23.

[31]Tasca，S. Battiston. 2016. Market Procyclicality and Systemic Risk[J].Quantitative Finance，16（8）.

Systemic Risk Analysis of Financial System in China

——From the Perspective of Financial Form Correlation

Liu Zhiyang

（College of Economics and Management，Northeast Normal University，Jilin ? Changchun ? 130117）

Abstract：From correlation of various type of financial form perspective，taking the listed financial institutions in China as the samples，this paper measures banking industry，securities business，insurance companies and other financial institutions' correlation by using stock trading data of listed financial institutions after removing systemic risk factors. Empirical evidence shows that the correlation among securities companies is significantly higher than commercial banks，insurance companies and other financial institutions. When commercial banks are combined with investment banks，insurance companies and other kinds of institutions，the correlation risk will increase. But with regard to the security companies，when they are combined with commercial banks，insurance companies and other kinds of institutions，the correlation risk will decrease.

Key Words： correlation，systemic risk，mixed operation