中國銀行系統(tǒng)穩(wěn)定性研究

【摘 要】當(dāng)前，中國銀行系統(tǒng)穩(wěn)定性仍未明顯改善，商業(yè)銀行的不良貸款比例再次上升，債券市場(chǎng)違約事件增加以及股票市場(chǎng)下跌。首先，根據(jù)在險(xiǎn)價(jià)值（CoVaR）模型對(duì)中國銀行系統(tǒng)穩(wěn)定性的評(píng)估結(jié)果顯示，在金融去杠桿的影響已傳導(dǎo)至實(shí)體部門的背景下，在商業(yè)銀行受到個(gè)體性沖擊時(shí)，單家商業(yè)銀行的個(gè)體損失以及平均風(fēng)險(xiǎn)溢出率均未呈現(xiàn)改善；在商業(yè)銀行受到系統(tǒng)性沖擊時(shí)，五大國有商業(yè)銀行抗擊系統(tǒng)性風(fēng)險(xiǎn)的能力雖然依然強(qiáng)于其他銀行，但其優(yōu)勢(shì)正在縮小。此外，根據(jù)網(wǎng)絡(luò)模型的分析，雖然中國金融機(jī)構(gòu)間同業(yè)網(wǎng)絡(luò)整體穩(wěn)定性有一定改善，但五大商業(yè)銀行的穩(wěn)定性值得特別關(guān)注。

【關(guān)鍵詞】 金融風(fēng)險(xiǎn)；系統(tǒng)重要性銀行；在險(xiǎn)價(jià)值模型；網(wǎng)絡(luò)模型

Absrtact： At present， the stability of Chinas banking system is not improved significantly. The proportion of non-performing loans in commercial banks has risen again， the number of defaults in the bond market has been increased and the stock market has fallen. First of all， it is shown from the evaluation results of the stability of Chinas banking system based on the value at risk （CoVaR） model that under the background that the influence of financial deleveraging has been transmitted to the real economy， when commercial banks are subject to individual shocks， the individual losses and the average risk overflow rate of a single commercial bank have not been improved. When commercial banks are systematically impacted， the five major state-owned commercial banks are still better than other banks in resisting systemic risks， but their advantages are diminished. In addition， according to the analysis of network model， although the overall stability of the interbank network among Chinese financial institutions has been improved to some extents， the stability of the five major commercial banks deserves special attention.

Key words： Financial Risk； Systematically Important Banks； CoVaR Model； Network Model2018年以來，國際政治經(jīng)濟(jì)環(huán)境發(fā)生深刻變化，國內(nèi)經(jīng)濟(jì)下行壓力加大。此外，2017年以來的金融系統(tǒng)去杠桿和強(qiáng)監(jiān)管的效應(yīng)仍在持續(xù)，這些都對(duì)中國金融系統(tǒng)的穩(wěn)定運(yùn)行帶來較大挑戰(zhàn)，使得中國商業(yè)銀行的不良貸款比例再次上升，債券市場(chǎng)違約事件增加以及股票市場(chǎng)下跌。針對(duì)這些現(xiàn)象，2018年12月召開的中央經(jīng)濟(jì)工作會(huì)議確定了今后3年的“三大攻堅(jiān)戰(zhàn)”之中的打好防范化解重大風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)，重點(diǎn)是防控金融風(fēng)險(xiǎn)。由此可見，金融風(fēng)險(xiǎn)的防控在中國未來經(jīng)濟(jì)工作中的重要性，而要防控金融風(fēng)險(xiǎn)首先需要精準(zhǔn)識(shí)別風(fēng)險(xiǎn)點(diǎn)，才能進(jìn)行有效處置。長(zhǎng)期以來銀行在中國金融系統(tǒng)中占據(jù)主導(dǎo)地位，并且在未來較長(zhǎng)時(shí)間內(nèi)仍將維持這一格局，因此，識(shí)別金融系統(tǒng)的風(fēng)險(xiǎn)點(diǎn)關(guān)鍵在于識(shí)別銀行中的潛在風(fēng)險(xiǎn)。

一、風(fēng)險(xiǎn)評(píng)估模型

評(píng)估和分析各銀行間以及金融系統(tǒng)的風(fēng)險(xiǎn)主要有兩類模型。一類是簡(jiǎn)約模型，如在險(xiǎn)價(jià)值（CoVaR）模型。這類模型主要利用的是較高頻的市場(chǎng)數(shù)據(jù)（如日數(shù)據(jù)、周數(shù)據(jù)等），通過分析這些數(shù)據(jù)的聯(lián)動(dòng)性來識(shí)別系統(tǒng)重要性銀行，其主要優(yōu)勢(shì)在于可以利用高頻數(shù)據(jù)來及時(shí)發(fā)現(xiàn)系統(tǒng)或某些銀行的異常情況。但這類簡(jiǎn)約模型的最大缺點(diǎn)在于假設(shè)前提非常強(qiáng)，例如CoVaR模型的隱含假設(shè)為市場(chǎng)是“半有效”或“強(qiáng)有效”的，否則如果市場(chǎng)是“弱有效”的，該方法則幾乎無效。另一類是結(jié)構(gòu)化模型，如網(wǎng)絡(luò)模型。該類模型主要是基于金融機(jī)構(gòu)間的關(guān)聯(lián)網(wǎng)絡(luò) 來識(shí)別系統(tǒng)重要性金融機(jī)構(gòu)，從而分析危機(jī)傳染路徑和范圍并測(cè)算損失程度。這類模型的主要優(yōu)勢(shì)在于不要求市場(chǎng)是“半有效”或“強(qiáng)有效”，只要能夠較全面和準(zhǔn)確地構(gòu)建出金融機(jī)構(gòu)間網(wǎng)絡(luò)就可以進(jìn)行分析和測(cè)算。但是這類模型的缺點(diǎn)也很明顯，即受制于金融機(jī)構(gòu)財(cái)務(wù)數(shù)據(jù)公布頻率，無法高頻率地觀測(cè)金融機(jī)構(gòu)間網(wǎng)絡(luò)的變化，從而及時(shí)更新危機(jī)傳染路徑和范圍并測(cè)算損失程度。由于兩類模型各自的優(yōu)缺點(diǎn)都非常明顯，為了準(zhǔn)確評(píng)估中國金融系統(tǒng)的穩(wěn)定性并識(shí)別系統(tǒng)重要性金融機(jī)構(gòu)，我們分別用兩種模型做了定量分析。

二、基于CoVaR模型的分析

我們從WIND的股票數(shù)據(jù)庫中選取了2011年1月1日至2018年12月14日在滬深兩市上市至少兩年的商業(yè)銀行，共計(jì)16家商業(yè)銀行 的日度數(shù)據(jù)作為樣本數(shù)據(jù)。截至2018年三季度，這16家銀行的總資產(chǎn)占中國商業(yè)銀行資產(chǎn)總額的比例達(dá)75.4% ，代表性良好。在估計(jì)銀行系統(tǒng)以及各家銀行的VaR和CoVaR系數(shù)時(shí)，我們用16家上市銀行后復(fù)權(quán)日收盤價(jià)來計(jì)算的各家銀行的日收益率表示各銀行的運(yùn)行情況，用中證滬深300商業(yè)銀行全收益指數(shù)日收盤指數(shù)來計(jì)算的日收益率表示銀行系統(tǒng)的運(yùn)行情況。表1列出了樣本區(qū)間內(nèi)，中證滬深300商業(yè)銀行全收益指數(shù)日收益率以及各家商業(yè)銀行后復(fù)權(quán)日收益率的統(tǒng)計(jì)描述。

首先，當(dāng)單家銀行受到將使其產(chǎn)生最大損失的外部沖擊時(shí)，我們估算了每家銀行自身將受到的損失，即在險(xiǎn)價(jià)值（Value at Risk，VaR），但是VaR并沒有考慮單個(gè)銀行風(fēng)險(xiǎn)溢出的影響，即單家銀行遭受沖擊并發(fā)生損失時(shí)導(dǎo)致的系統(tǒng)中其他銀行產(chǎn)生的損失。為了考察每家銀行在遭受沖擊時(shí)的風(fēng)險(xiǎn)溢出效應(yīng)，我們還估算了每家銀行的條件在險(xiǎn)價(jià)值（Conditional Value at Risk，CoVaR）。每家銀行風(fēng)險(xiǎn)溢出的影響用CoVaR和VaR之差表示，即△CoVaR=CoVaR-VaR。此外，我們還計(jì)算了△CoVaR/VaR，來衡量每家銀行自身遭受將產(chǎn)生最大損失的外部沖擊時(shí)，其引發(fā)的系統(tǒng)中其他銀行的損失與其造成的總損失的比例。

表2列出了在5%的置信水平下每家樣本銀行自身受到使其產(chǎn)生最大損失的外部沖擊時(shí)，其自身受到的損失和對(duì)整個(gè)銀行系統(tǒng)的影響?？梢钥闯?，中國上市銀行中每家銀行受到將使其產(chǎn)生最大損失的外部沖擊時(shí)，如果不考慮風(fēng)險(xiǎn)溢出效應(yīng)，除了交通銀行、光大銀行和興業(yè)銀行外，其他銀行的日均VaR損失均超過了3%，其中日均VaR損失最大的是中信銀行，為3.25%，五大國有商業(yè)銀行和其他銀行并不存在顯著的差異。在考慮各家銀行風(fēng)險(xiǎn)的溢出效應(yīng)時(shí)，風(fēng)險(xiǎn)溢出（即△CoVaR）最大的四家銀行恰好為傳統(tǒng)的國有四大行（工、農(nóng)、中、建），交通銀行的風(fēng)險(xiǎn)溢出水平也處于第六位。需要指出的是，我們發(fā)現(xiàn)隨著金融系統(tǒng)內(nèi)部去杠桿持續(xù)推進(jìn)以及內(nèi)部監(jiān)管逐漸加強(qiáng)，上市的股份制銀行、城商行和農(nóng)商行風(fēng)險(xiǎn)溢出造成的損失比例較2017年中有所減小；但各家銀行風(fēng)險(xiǎn)溢出造成的損失比例上升到比2017年中更高的水平。當(dāng)前，中國銀行系統(tǒng)的穩(wěn)定性不但沒有改善，其脆弱性再次凸顯。從△CoVaR/VaR來看，國有五大行溢出的損失所占其造成的總損失的比例最大，而且工商銀行、中國銀行和農(nóng)業(yè)銀行風(fēng)險(xiǎn)溢出的損失所占比例超過了30%，農(nóng)業(yè)銀行甚至高達(dá)36%?？梢姡袊虡I(yè)銀行間的關(guān)聯(lián)程度進(jìn)一步增強(qiáng)，國有五大行風(fēng)險(xiǎn)溢出影響進(jìn)一步加大?；谧钚聰?shù)據(jù)的分析結(jié)果，我們認(rèn)為股份制銀行和區(qū)域性銀行對(duì)銀行系統(tǒng)的影響日益增大，不可忽視，但當(dāng)前保持國有五大行的穩(wěn)定對(duì)于保持中國銀行系統(tǒng)的穩(wěn)定至關(guān)重要，應(yīng)該優(yōu)先關(guān)注國有五大行的穩(wěn)定性。

其次，我們還考慮了當(dāng)整個(gè)銀行系統(tǒng)遭受將使其產(chǎn)生最大損失的外部沖擊時(shí)，在不考慮各銀行會(huì)產(chǎn)生反饋式風(fēng)險(xiǎn)溢出的情況下系統(tǒng)性沖擊對(duì)每家銀行造成的損失（即在險(xiǎn)價(jià)值，VaR），以及在考慮各銀行會(huì)產(chǎn)生反饋式風(fēng)險(xiǎn)溢出的情況下系統(tǒng)性沖擊對(duì)各家銀行造成的損失（即條件在險(xiǎn)價(jià)值，CoVaR），并計(jì)算了反饋式風(fēng)險(xiǎn)溢出程度（即條件在險(xiǎn)價(jià)值與在險(xiǎn)價(jià)值之差，△CoVaR=CoVaR-VaR）和風(fēng)險(xiǎn)溢出率（△CoVaR/VaR）。表3列出了在5%的置信水平下每家樣本銀行遭受系統(tǒng)性沖擊時(shí)，其自身受到的損失和對(duì)整個(gè)銀行系統(tǒng)的影響。

從表3可以看出，當(dāng)整個(gè)銀行系統(tǒng)遭受將使其產(chǎn)生最大損失的外部沖擊時(shí)，在不考慮風(fēng)險(xiǎn)的溢出效應(yīng)時(shí)，日均VaR最大的兩家銀行分別是中信銀行和平安銀行，均超過4%，損失最小的不再是國有五大銀行，而是光大銀行。平均而言，國有五大行的日均損失較其他股份制銀行和城市商業(yè)銀行僅小0.18%，即國有五大行抗擊系統(tǒng)性風(fēng)險(xiǎn)的能力僅稍強(qiáng)于股份制銀行和城市商業(yè)銀行。在考慮各家銀行風(fēng)險(xiǎn)的溢出效應(yīng)時(shí)，風(fēng)險(xiǎn)溢出程度（即△CoVaR）最高的是依然中信銀行和平安銀行，均超過1%；而風(fēng)險(xiǎn)溢出程度最小的則是光大銀行以及興業(yè)銀行。從△CoVaR/VaR來看，平均而言，當(dāng)整個(gè)銀行系統(tǒng)遭受巨大外部沖擊時(shí)，國有五大行對(duì)系統(tǒng)溢出的風(fēng)險(xiǎn)占其總損失的比例較其他股份制銀行、城商行和農(nóng)商行的該比例僅低1%。也就是說，在出現(xiàn)系統(tǒng)性風(fēng)險(xiǎn)時(shí)國有五大行抗擊系統(tǒng)性風(fēng)險(xiǎn)的能力雖然依然強(qiáng)于其他銀行，但其優(yōu)勢(shì)正在縮小。從具體數(shù)字上來看，幾乎所有銀行的風(fēng)險(xiǎn)溢出率較2017年末均呈上升之勢(shì)，雖然國有五大行的平均上升幅度小于其他全國性股份制銀行和區(qū)域性銀行，但這一指標(biāo)均上升到20%以上，而在2017年末有一半的銀行是低于20%的。2018年以來國有五大行抗擊系統(tǒng)性風(fēng)險(xiǎn)的能力雖然依然強(qiáng)于其他銀行，但其風(fēng)險(xiǎn)溢出率持續(xù)上升，即對(duì)穩(wěn)定銀行系統(tǒng)所起到的作用越來越弱。

三、基于網(wǎng)絡(luò)模型的分析

由于數(shù)據(jù)的限制，基于CoVaR模型的分析只能考察上市銀行與銀行系統(tǒng)的關(guān)系，而不能對(duì)非上市銀行進(jìn)行考察，也不能識(shí)別風(fēng)險(xiǎn)傳染的路徑以及傳染范圍。因此，我們?cè)谏鲜秀y行的基礎(chǔ)之上，將三家政策性銀行6，更多的城市商業(yè)銀行和農(nóng)村商業(yè)銀行，以及其他上市的非銀行金融機(jī)構(gòu)納入了考察范圍，構(gòu)建了金融機(jī)構(gòu)間的關(guān)系網(wǎng)絡(luò)?；谠摼W(wǎng)絡(luò)，在假定金融系統(tǒng)整體受到外部沖擊并引發(fā)金融機(jī)構(gòu)間雙邊頭寸清算的情況下，我們分析了危機(jī)傳染路徑和傳染范圍并測(cè)算了損失程度，從而對(duì)整個(gè)金融系統(tǒng)的穩(wěn)定性進(jìn)行評(píng)估并對(duì)系統(tǒng)重要性金融機(jī)構(gòu)進(jìn)行識(shí)別。

我們從ORBIS Bank Focus數(shù)據(jù)庫中，剔除了數(shù)據(jù)缺失的銀行和其他金融機(jī)構(gòu)后，選取了2017年末共計(jì)251家銀行和其他金融機(jī)構(gòu)的相關(guān)數(shù)據(jù)作為樣本。其中，包括3家政策性銀行、5家大型國有商業(yè)銀行，11家股份制銀行以及176家城市和農(nóng)村商業(yè)銀行。此外，由于中國同業(yè)市場(chǎng)的參與者不僅限于銀行，還包括證券業(yè)、保險(xiǎn)業(yè)等金融機(jī)構(gòu)。因此，為了更為全面地構(gòu)建中國同業(yè)市場(chǎng)網(wǎng)絡(luò)，我們還將在A股上市的36家證券公司、6家保險(xiǎn)公司以及9家其他金融機(jī)構(gòu)納入考察范圍。由于該樣本已包括中國所有大中型銀行、眾多城市和農(nóng)村商業(yè)銀行以及主要的證券公司和保險(xiǎn)公司，因此我們假設(shè)該樣本完全代表中國金融機(jī)構(gòu)同業(yè)市場(chǎng)的參與者。根據(jù)相關(guān)文獻(xiàn)，銀行間的關(guān)聯(lián)網(wǎng)絡(luò)是通過各家銀行在同業(yè)市場(chǎng)的雙邊頭寸建立起來的。理想狀態(tài)是能夠獲取每家銀行與系統(tǒng)中其他各家銀行在同業(yè)市場(chǎng)的雙邊頭寸，可是在實(shí)際操作中，中國的金融機(jī)構(gòu)并不需要披露與其他金融機(jī)構(gòu)在同業(yè)市場(chǎng)的雙邊頭寸，而只需在財(cái)務(wù)報(bào)表中披露其在同業(yè)市場(chǎng)中拆入和拆出的總頭寸數(shù)據(jù)。因此，我們利用最大熵方法估計(jì)出了2017年樣本金融機(jī)構(gòu)在同業(yè)市場(chǎng)的雙邊頭寸數(shù)據(jù)，并將其寫成了借貸關(guān)系矩陣以便分析。

傳統(tǒng)文獻(xiàn)中，金融機(jī)構(gòu)的同業(yè)資產(chǎn)的定義是存放在國內(nèi)同業(yè)的款項(xiàng)和拆放給國內(nèi)同業(yè)的款項(xiàng)之和，同業(yè)負(fù)債項(xiàng)的定義則是同業(yè)存放在本行的款項(xiàng)與同業(yè)拆放給本行的款項(xiàng)之和。但隨著中國金融系統(tǒng)的快速發(fā)展，同業(yè)業(yè)務(wù)的手段已經(jīng)不再局限于同業(yè)拆放，而且監(jiān)管層也意識(shí)到了這一點(diǎn)并對(duì)同業(yè)業(yè)務(wù)的定義進(jìn)行了拓展7，例如央行在2017年二季度貨幣政策執(zhí)行報(bào)告中宣布擬于2018年一季度將同業(yè)存單納入MPA同業(yè)負(fù)債占比考核。因此，我們?cè)谠形墨I(xiàn)的基礎(chǔ)之上對(duì)金融機(jī)構(gòu)同業(yè)資產(chǎn)和同業(yè)負(fù)債的定義進(jìn)行了拓展 。其中，拓展的同業(yè)資產(chǎn)為存放同業(yè)款項(xiàng)、拆出資金凈額、買入返售金融資產(chǎn)凈額、交易性金融資產(chǎn)、可供出售金融資產(chǎn)凈額和持有至到期投資凈額之和；而拓展的同業(yè)負(fù)債為同業(yè)及其他金融機(jī)構(gòu)存放款項(xiàng)、拆入資金和賣出回購金融資產(chǎn)之和。另外，我們還假設(shè)由于外部沖擊引起的各金融機(jī)構(gòu)間同業(yè)頭寸進(jìn)行清算將導(dǎo)致銀行資本的損失，當(dāng)某家金融機(jī)構(gòu)的資本損失殆盡時(shí)將會(huì)倒閉。在本文的分析中，資本定義為金融機(jī)構(gòu)的所有者權(quán)益。表4列出了樣本金融機(jī)構(gòu)的同業(yè)資產(chǎn)、同業(yè)負(fù)債和資本的統(tǒng)計(jì)描述。

如表4所示，2017年末樣本金融機(jī)構(gòu)的平均同業(yè)資產(chǎn)為2519.8億元，平均同業(yè)負(fù)債為1745.9億元；而同業(yè)資產(chǎn)和負(fù)債的中位數(shù)則分別為471.2億元和265.3億元。與2017年末的情況類似，中國金融機(jī)構(gòu)的同業(yè)資產(chǎn)和負(fù)債的分布嚴(yán)重左偏，但左偏程度已經(jīng)較2017年有所減弱?？梢?，中國金融機(jī)構(gòu)的同業(yè)資產(chǎn)和同業(yè)負(fù)債雖然依然主要集中在少數(shù)金融機(jī)構(gòu)（如三大政策性銀行、大型國有銀行、大中型股份制銀行、少數(shù)城商行以及主要的保險(xiǎn)公司），大多數(shù)小規(guī)模的城市和農(nóng)村商業(yè)銀行、證券公司在同業(yè)市場(chǎng)的資產(chǎn)和負(fù)債的頭寸相對(duì)而言均較小，但中國金融機(jī)構(gòu)的同業(yè)資產(chǎn)的分布正朝更均勻的方向發(fā)展。

基于我們所估計(jì)的2017年樣本金融機(jī)構(gòu)在同業(yè)市場(chǎng)的借貸關(guān)系矩陣，可以通過模擬由于每家金融機(jī)構(gòu)破產(chǎn)導(dǎo)致對(duì)其他金融機(jī)構(gòu)的負(fù)債無法償還，而致使其他金融機(jī)構(gòu)破產(chǎn)的數(shù)目和整個(gè)金融系統(tǒng)的系統(tǒng)性損失（即所有者權(quán)益的損失）是否超過某個(gè)臨界值來確定其是否為系統(tǒng)重要性金融機(jī)構(gòu)。這里某家金融機(jī)構(gòu)對(duì)其他金融機(jī)構(gòu)的違約情況由平均違約率表示8。通過模擬，我們發(fā)現(xiàn)，與2016年末不同的是，除了國家開發(fā)銀行以外，發(fā)生兌付危機(jī)時(shí)也會(huì)引發(fā)其他金融機(jī)構(gòu)破產(chǎn)的金融機(jī)構(gòu)新增了工商銀行和中國銀行，但會(huì)被引發(fā)倒閉的金融機(jī)構(gòu)的數(shù)目均只有1家，且不會(huì)引起二次傳染，這與2017年的情況出現(xiàn)了較大變化。具體地，我們?cè)?017年末發(fā)現(xiàn)只有國家開發(fā)銀行發(fā)生兌付危機(jī)時(shí)會(huì)引發(fā)其他金融機(jī)構(gòu)破產(chǎn)，但隨著平均違約率的上升而破產(chǎn)的金融機(jī)構(gòu)家數(shù)快速增加，極端情況下會(huì)使得48家金融機(jī)構(gòu)破產(chǎn)?？梢?，隨著金融去杠桿的深入推進(jìn)，雖然可能引發(fā)其他金融機(jī)構(gòu)破產(chǎn)的重要金融機(jī)構(gòu)增加了兩家，但發(fā)生危機(jī)時(shí)波及的范圍大大縮小了。

如果以引發(fā)系統(tǒng)性損失的大小來定義系統(tǒng)重要性金融機(jī)構(gòu)，如下金融機(jī)構(gòu)以括號(hào)內(nèi)的平均違約率違約將會(huì)造成1萬億元以上的系統(tǒng)損失：國家開發(fā)銀行（27%），中國銀行（27%），建設(shè)銀行（30%），工商銀行（27%），農(nóng)業(yè)銀行（36%），交通銀行（28%），興業(yè)銀行（31%），浦發(fā)銀行（35%），民生銀行（46%），招行銀行（56%），中信銀行（54%），光大銀行（85%）；有如下金融機(jī)構(gòu)以括號(hào)內(nèi)的平均違約率違約將會(huì)造成2萬億元以上的系統(tǒng)損失：國家開發(fā)銀行（46%），中國銀行（55%），建設(shè)銀行（62%），工商銀行（55%），農(nóng)業(yè)銀行（73%），交通銀行（57%），興業(yè)銀行（63%），浦發(fā)銀行（70%），民生銀行（93%）。國家開發(fā)銀行的平均違約率達(dá)到69%時(shí)，會(huì)造成的系統(tǒng)損失超過3萬億元，其最大會(huì)造成4.3萬億元的系統(tǒng)損失。工、農(nóng)、中、建、交五大國有銀行會(huì)造成的最大損失分別為3.7萬億、2.7萬億、3.6萬億、3.3萬億和3.5萬億元。

與2017年相比，國家開發(fā)銀行的安全邊際明顯提高，造成1萬億元以上損失的平均違約率從10%提高到了30%，而且可能造成的最大損失也從10.5萬億元下降到了4.3萬億元。但需要注意的是，工、農(nóng)、中、建、交五大國有大型商業(yè)銀行的安全邊際均出現(xiàn)不同程度的下降，以工商銀行為例，其造成1萬億元以上損失的平均違約率從47%下降到27%，其可能造成的最大損失也從2.6萬億元上升至3.7萬億元。由此可見，雖然中國金融市場(chǎng)同業(yè)網(wǎng)絡(luò)整體穩(wěn)定性有一定改善，但五大國有商業(yè)銀行的穩(wěn)定性再次值得特別關(guān)注。在不考慮信心崩潰、擠兌等因素的情況下，五大國有商業(yè)銀行平均違約率不超過30%即會(huì)造成1萬億元以上的系統(tǒng)損失。但是，不可否認(rèn)的是，這些大中型金融機(jī)構(gòu)一旦出現(xiàn)違約，勢(shì)必會(huì)在金融市場(chǎng)上形成恐慌，造成擠兌、出逃式拋售等現(xiàn)象，使得資產(chǎn)價(jià)格陷入螺旋式下降的情形，在這種情況下會(huì)造成的損失則將會(huì)是我們所估計(jì)的損失的數(shù)倍甚至數(shù)十倍。

四、總結(jié)

2018年以來，國際政治經(jīng)濟(jì)環(huán)境發(fā)生深刻變化，國內(nèi)經(jīng)濟(jì)下行壓力加大。此外，2017年以來的金融系統(tǒng)去杠桿和強(qiáng)監(jiān)管的效應(yīng)仍在持續(xù)。這些都對(duì)中國金融系統(tǒng)的穩(wěn)定運(yùn)行帶來較大挑戰(zhàn)，使得中國商業(yè)銀行的不良貸款比例再次上升，債券市場(chǎng)違約事件增加以及股票市場(chǎng)下跌。首先，根據(jù)在險(xiǎn)價(jià)值（CoVaR）模型對(duì)中國銀行系統(tǒng)穩(wěn)定性的評(píng)估，我們發(fā)現(xiàn)在金融去杠桿的影響已傳導(dǎo)至實(shí)體部門的背景下，在商業(yè)銀行受到個(gè)體性沖擊時(shí)，單家商業(yè)銀行的個(gè)體損失以及平均風(fēng)險(xiǎn)溢出率均未改善，尤其是工、農(nóng)、中、建四大國有銀行的風(fēng)險(xiǎn)溢出率已超過30%；在商業(yè)銀行受到系統(tǒng)性沖擊時(shí)，五大國有商業(yè)銀行抗擊系統(tǒng)性風(fēng)險(xiǎn)的能力雖然依然強(qiáng)于其他銀行，但其優(yōu)勢(shì)正在縮小，從數(shù)字上來看，幾乎所有銀行的風(fēng)險(xiǎn)溢出率較2018年中均沒有明顯變化，而較2017年末則均呈上升之勢(shì)。

此外，為了更全面準(zhǔn)確地評(píng)價(jià)中國金融系統(tǒng)的穩(wěn)定性，我們還估計(jì)了中國金融機(jī)構(gòu)間同業(yè)網(wǎng)絡(luò)，該網(wǎng)絡(luò)涵蓋了銀行、保險(xiǎn)、證券等251家金融機(jī)構(gòu)?；谠摼W(wǎng)絡(luò)，我們利用網(wǎng)絡(luò)模型分析，發(fā)現(xiàn)中國金融機(jī)構(gòu)間的同業(yè)網(wǎng)絡(luò)的安全性較2017年發(fā)生了一些變化。第一，除了國家開發(fā)銀行以外，發(fā)生兌付危機(jī)時(shí)也會(huì)引發(fā)其他金融機(jī)構(gòu)破產(chǎn)的金融機(jī)構(gòu)新增了中國工商銀行和中國銀行，但會(huì)被引發(fā)倒閉的金融機(jī)構(gòu)的數(shù)目均只有1家，且不會(huì)引起二次傳染。第二，國家開發(fā)銀行的安全邊際明顯提高，造成1萬億元以上損失的平均違約率從10%提高至30%，并且可能造成的最大損失也從10.5萬億元下降至4.3萬億元；而五大國有大型商業(yè)銀行的安全邊際則均出現(xiàn)不同程度的下降，以中國工商銀行為例，其造成1萬億元以上損失的平均違約率從47%下降至27%，其可能造成的最大損失也從2.6萬億元上升至3.7萬億元。由此可見，雖然中國金融機(jī)構(gòu)間同業(yè)網(wǎng)絡(luò)整體穩(wěn)定性有一定改善，但五大商業(yè)銀行的穩(wěn)定性再次值得特別關(guān)注。

參考文獻(xiàn)：

[1]馬君潞，范小云，曹元濤.中國銀行間市場(chǎng)雙邊傳染的風(fēng)險(xiǎn)估測(cè)及其系統(tǒng)性特征分布[J].經(jīng)濟(jì)研究， 2007（1）.

[2]范小云，王道平，劉瀾飚.規(guī)模、關(guān)聯(lián)性與中國系統(tǒng)重要性銀行的衡量[J].金融研究， 2012（11）.

[3]Upper， Christian and Andreas Worms. Estimating Bilateral Exposures in the German Interbank Market： Is There a Danger of Contagion？[J]. European Economic Review，2004： 48.

（責(zé)任編輯：吳思）