城市商業(yè)銀行風(fēng)險(xiǎn)的關(guān)聯(lián)性及溢出效應(yīng)研究

李蔚 石濤

摘 要：基于2017—2020年12家滬深上市城市商業(yè)銀行863個(gè)交易日的面板數(shù)據(jù)，利用廣義方差分解法，分析上市城市商業(yè)銀行金融風(fēng)險(xiǎn)的關(guān)聯(lián)性及空間溢出效應(yīng)。研究結(jié)論表明：城市商業(yè)銀行間的風(fēng)險(xiǎn)溢出顯著雙向關(guān)聯(lián)且存在風(fēng)險(xiǎn)溢出性，外部沖擊對(duì)城市商業(yè)銀行間的沖擊具有異質(zhì)性，但是銀行間的風(fēng)險(xiǎn)外溢及風(fēng)險(xiǎn)凈溢出效應(yīng)具有一定差異。城市商業(yè)銀行間的風(fēng)險(xiǎn)具有動(dòng)態(tài)溢出效應(yīng)，金融風(fēng)險(xiǎn)具有周期波動(dòng)性且極端事件的外部沖擊較為明顯。城市商業(yè)銀行金融風(fēng)險(xiǎn)溢出效應(yīng)具有顯著的網(wǎng)絡(luò)效應(yīng)，部分銀行的網(wǎng)絡(luò)溢出效應(yīng)較為突出。為此，需要強(qiáng)化地方商業(yè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)監(jiān)管、增強(qiáng)造血能力、建立風(fēng)險(xiǎn)聯(lián)席處置機(jī)制，以不斷降低其金融風(fēng)險(xiǎn)及風(fēng)險(xiǎn)傳染性。

關(guān)鍵詞：城市商業(yè)銀行;關(guān)聯(lián)性;溢出效應(yīng);廣義方差分解

中圖分類號(hào)：F832.59 ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-2101（2022）01-0082-08

?一、引言

防控地方金融風(fēng)險(xiǎn)是推進(jìn)區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展的關(guān)鍵。近年來(lái)，為了有效降低金融風(fēng)險(xiǎn)，國(guó)家大力推進(jìn)“去杠桿”政策。2016年10月，國(guó)務(wù)院先后發(fā)布《關(guān)于積極穩(wěn)妥降低企業(yè)杠桿率的意見(jiàn)》及《關(guān)于市場(chǎng)化銀行債股轉(zhuǎn)股權(quán)的指導(dǎo)意見(jiàn)》等政策，明確要降低企業(yè)杠桿率，防范和化解債務(wù)風(fēng)險(xiǎn)。2017年7月及11月財(cái)政部相繼發(fā)布《政府采購(gòu)貨物和服務(wù)招標(biāo)投標(biāo)管理辦法》及《關(guān)于規(guī)范PPP綜合信息平臺(tái)項(xiàng)目庫(kù)管理的通知》，旨在防范隱形債務(wù)風(fēng)險(xiǎn)。同年11月“一行三會(huì)一局”聯(lián)合發(fā)布（《中國(guó)人民銀行、銀監(jiān)會(huì)、證監(jiān)會(huì)、保監(jiān)會(huì)、外匯局關(guān)于規(guī)范金融機(jī)構(gòu)資產(chǎn)管理業(yè)務(wù)的指導(dǎo)意見(jiàn)（征求意見(jiàn)稿）》），規(guī)范和治理企業(yè)債權(quán)關(guān)系，銀行、企業(yè)等相關(guān)行為主體的杠桿率得到有效控制。金融杠桿率的下降使得金融風(fēng)險(xiǎn)得到一定程度的抑制，但是，部分銀行“跑馬圈地”式規(guī)模擴(kuò)張導(dǎo)致的金融風(fēng)險(xiǎn)也逐漸暴露，突出表現(xiàn)為金融杠桿率下降使得部分銀行流動(dòng)性風(fēng)險(xiǎn)加大、表外理財(cái)規(guī)?？s小導(dǎo)致盈利能力下降、銀行間存款業(yè)務(wù)競(jìng)爭(zhēng)加劇等，尤其是公司治理能力相對(duì)偏弱且規(guī)模較小的城市商業(yè)銀行金融風(fēng)險(xiǎn)更為突出。

伴隨中美貿(mào)易摩擦持續(xù)，以及全球重大公共衛(wèi)生事件等多重外部沖擊疊加，中小微企業(yè)經(jīng)營(yíng)受到重大影響。而城市商業(yè)銀行以服務(wù)中小微企業(yè)為主，加之去杠桿政策的縮表趨向，城市商業(yè)銀行自身風(fēng)險(xiǎn)趨勢(shì)明顯增強(qiáng)。同時(shí)，銀行間傳統(tǒng)業(yè)務(wù)競(jìng)爭(zhēng)日趨激烈，通過(guò)業(yè)務(wù)創(chuàng)新、擴(kuò)大規(guī)模等多種途徑突破自身發(fā)展瓶頸尋找新增長(zhǎng)點(diǎn)是城市商業(yè)銀行的重要選擇。但是，過(guò)度創(chuàng)新及擴(kuò)張式發(fā)展，尤其是游走政策邊緣的創(chuàng)新將導(dǎo)致潛在風(fēng)險(xiǎn)。2019年包商銀行等爆雷事件，進(jìn)一步印證了多重不確定性因素疊加下城市商業(yè)銀行風(fēng)險(xiǎn)性增加的客觀事實(shí)，城市商業(yè)銀行成為地方金融風(fēng)險(xiǎn)防控的關(guān)鍵所在。在國(guó)家大力推進(jìn)防范系統(tǒng)性金融風(fēng)險(xiǎn)、強(qiáng)化地方金融風(fēng)險(xiǎn)監(jiān)管的政策背景下，城市商業(yè)銀行作為地方金融機(jī)構(gòu)的主體，這就需要思考城市商業(yè)銀行金融風(fēng)險(xiǎn)存不存關(guān)聯(lián)性，金融風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)及溢出方向是什么？

探索城市商業(yè)銀行金融風(fēng)險(xiǎn)關(guān)聯(lián)性及溢出效應(yīng)，對(duì)于防范地方金融風(fēng)險(xiǎn)具有重要現(xiàn)實(shí)意義。由此，筆者基于滬深上市城市商業(yè)銀行日股票波動(dòng)數(shù)據(jù)，利用廣義方差分解法得出城市商業(yè)銀行金融風(fēng)險(xiǎn)的關(guān)聯(lián)性及溢出方向，探索城市商業(yè)銀行金融風(fēng)險(xiǎn)的溢出效應(yīng)。同時(shí)，運(yùn)用社會(huì)網(wǎng)絡(luò)分析法分析特定時(shí)點(diǎn)下城市商業(yè)銀行風(fēng)險(xiǎn)溢出的空間網(wǎng)絡(luò)，探索城市商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)的空間特征，以期為城市商業(yè)銀行金融風(fēng)險(xiǎn)治理提供有效參考。

二、文獻(xiàn)綜述

理論上，城市商業(yè)銀行的初衷應(yīng)該是定位于社區(qū)銀行、區(qū)域性銀行（邱兆祥、趙麗，2006）[1]，但是如果貸款業(yè)務(wù)過(guò)于集中于少數(shù)大客戶將導(dǎo)致城市商業(yè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)（王海霞，2009）[2]，跨區(qū)域經(jīng)營(yíng)成為城市商業(yè)銀行降低自身風(fēng)險(xiǎn)、提高盈利能力的關(guān)鍵之舉，大多數(shù)城市商業(yè)銀行跨區(qū)域經(jīng)營(yíng)方式是異地設(shè)立分支機(jī)構(gòu)（周好文、劉飛，2010）[3]。在國(guó)有銀行、股份制商業(yè)銀行等多種形式銀行參與競(jìng)爭(zhēng)日趨激烈的現(xiàn)實(shí)下，城市商業(yè)銀行走出去又成為學(xué)者們討論的焦點(diǎn)。支持者認(rèn)為，城市商業(yè)銀行跨區(qū)域經(jīng)營(yíng)有助于解決中小企業(yè)融資難問(wèn)題，是解決“單一城市經(jīng)營(yíng)制”隱含系統(tǒng)性金融風(fēng)險(xiǎn)的有效方式（劉久彪、楊曉東，2011）[4]。與只在本區(qū)域經(jīng)營(yíng)的銀行相比，跨區(qū)域經(jīng)營(yíng)能有效分散投資風(fēng)險(xiǎn)，避免區(qū)域經(jīng)濟(jì)波動(dòng)的風(fēng)險(xiǎn)，有益于降低銀行風(fēng)險(xiǎn)水平（王擎、吳瑋、黃娟，2012）[5]。但是，跨區(qū)域經(jīng)營(yíng)業(yè)務(wù)存在風(fēng)險(xiǎn)，跨區(qū)域經(jīng)營(yíng)中的地理擴(kuò)張部分會(huì)通過(guò)風(fēng)險(xiǎn)控制水平的中介對(duì)其產(chǎn)生負(fù)向作用（李思瑞、呂穎童，2018）[6]。2009年，在國(guó)家允許城市商業(yè)銀行跨區(qū)域經(jīng)營(yíng)的政策環(huán)境下，空間地理上的擴(kuò)張使得城市商業(yè)銀行通過(guò)同業(yè)業(yè)務(wù)、創(chuàng)新業(yè)務(wù)在一定程度上擴(kuò)大了自身風(fēng)險(xiǎn)的傳染性。

為了克服CoVaR條件下VaR在風(fēng)險(xiǎn)值方法上的不足，Adrian和Brunnermeier（2008）[7]認(rèn)為金融市場(chǎng)或金融機(jī)構(gòu)發(fā)生極端風(fēng)險(xiǎn)時(shí)對(duì)其他金融市場(chǎng)或機(jī)構(gòu)造成的金融損失即為金融風(fēng)險(xiǎn)的溢出值。因此，城市商業(yè)銀行間的風(fēng)險(xiǎn)溢出實(shí)際上是某一城市商業(yè)銀行發(fā)生金融風(fēng)險(xiǎn)時(shí)，通過(guò)某種機(jī)制對(duì)其他城市商業(yè)銀行造成的風(fēng)險(xiǎn)損失。針對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出問(wèn)題，學(xué)者們從不同角度進(jìn)行了分析。Roengpitya等（2010）[8]認(rèn)為在亞洲金融危機(jī)后，單個(gè)銀行機(jī)構(gòu)的風(fēng)險(xiǎn)與資產(chǎn)規(guī)模正相關(guān)，風(fēng)險(xiǎn)溢出效應(yīng)隨著時(shí)間逐漸擴(kuò)大。同時(shí)，系統(tǒng)重要性金融機(jī)構(gòu)是歐洲地區(qū)金融風(fēng)險(xiǎn)產(chǎn)生的重要來(lái)源，非盈利性銀行會(huì)對(duì)盈利性銀行產(chǎn)生風(fēng)險(xiǎn)溢出效應(yīng)（Andries， A.M.; Galasan， E.，2021）[9]。實(shí)際上，銀行風(fēng)險(xiǎn)具有方向性和非對(duì)稱性，大型商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)高于小型商業(yè)銀行，商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)在時(shí)間維度上存在差異（馬麟[10]、張?zhí)祉敗堄睿?015[11];何卓靜、周利國(guó)、閆麗新，2018）[12]。同時(shí)，股份制銀行和城市發(fā)展銀行對(duì)其他銀行風(fēng)險(xiǎn)溢出以及受其他銀行風(fēng)險(xiǎn)溢出程度更顯著（陳健、王鑫，2019）[13]，銀行網(wǎng)絡(luò)關(guān)聯(lián)度與風(fēng)險(xiǎn)溢出效應(yīng)呈正比，銀行自身財(cái)務(wù)指標(biāo)能夠影響風(fēng)險(xiǎn)溢出效應(yīng)，當(dāng)宏觀經(jīng)濟(jì)狀況良好時(shí)，銀行間的風(fēng)險(xiǎn)溢出程度減少。但是，商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)與規(guī)模并無(wú)顯著的直接聯(lián)系，而中間業(yè)務(wù)的發(fā)展具有顯著為正的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)，在股份制銀行和城市商業(yè)銀行中尤為明顯（史仕新，2019[14];王艷，2020）[15]。進(jìn)一步地，王重潤(rùn)、王文靜（2021）[16]認(rèn)為當(dāng)中小銀行面對(duì)流動(dòng)性沖擊時(shí)，同業(yè)業(yè)務(wù)放大了流動(dòng)性沖擊對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出的影響程度。同時(shí)，中小銀行同業(yè)業(yè)務(wù)規(guī)模增長(zhǎng)會(huì)加大中小銀行系統(tǒng)性風(fēng)險(xiǎn)溢出，期限錯(cuò)配程度越高，同業(yè)業(yè)務(wù)對(duì)系統(tǒng)性風(fēng)險(xiǎn)溢出的影響越大。此外，還有學(xué)者從實(shí)體經(jīng)濟(jì)（方意、和文佳、荊中博，2021[17];馬亞明、胡春陽(yáng)，2021[18]）、貨幣政策（溫博慧、牛英杰，2021）[19]等角度探討了非銀行要素對(duì)銀行風(fēng)險(xiǎn)的溢出效應(yīng)。此外，針對(duì)商業(yè)銀行金融風(fēng)險(xiǎn)溢出效應(yīng)的刻畫(huà)主要包括三種方式：一是相關(guān)系數(shù)法，典型方法包括DCC-GARCH法（ADRIAN T， BRUNNERMEIER M K.，2014）[20]以及非參數(shù)的Spearman和Kendall等級(jí)相關(guān)系數(shù)法等（Brownlees C， Engle R. F.，2016）[21];二是尾部關(guān)聯(lián)法，典型方法包括SymbolDA@ CoVaR模型和SRISK法（Diebold F X， Yilmaz K.，2012[22];楊子暉、周穎剛，2018）[23];三是網(wǎng)絡(luò)分析法，典型代表有廣義方差分解法，其中，廣義方差分解法既考慮了數(shù)據(jù)間的關(guān)聯(lián)性和時(shí)變性，又是研究金融風(fēng)險(xiǎn)溢出效應(yīng)的主流方法（Ghulam， Yaseen和Doering， Jana，2018）[24]。

學(xué)者們對(duì)城市商業(yè)銀行的內(nèi)在和外在風(fēng)險(xiǎn)進(jìn)行了較為詳細(xì)的研究，著重于商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)和溢出方向，聚焦于外部要素以及不同類型銀行之間的風(fēng)險(xiǎn)關(guān)聯(lián)及風(fēng)險(xiǎn)溢出，少數(shù)學(xué)者聚焦于城市商業(yè)銀行間的風(fēng)險(xiǎn)關(guān)聯(lián)及溢出效應(yīng)。當(dāng)前，城市商業(yè)銀行財(cái)務(wù)風(fēng)險(xiǎn)整體偏高，表現(xiàn)為抗市場(chǎng)風(fēng)險(xiǎn)能力弱、信用風(fēng)險(xiǎn)過(guò)于集中、操作風(fēng)險(xiǎn)控制不力（侯毅恒、龔椿楠、林艷，2018）[25]。尤其是在2016年國(guó)家多部委著力金融去杠桿、強(qiáng)化金融監(jiān)管的政策背景，以及中美貿(mào)易摩擦、全球重大公共衛(wèi)生事件對(duì)中小微企業(yè)經(jīng)營(yíng)產(chǎn)生負(fù)向沖擊的現(xiàn)實(shí)境況下，城市商業(yè)銀行的金融風(fēng)險(xiǎn)持續(xù)存在。在此背景下，筆者將聚焦于城市商業(yè)銀行間風(fēng)險(xiǎn)問(wèn)題，分析特定時(shí)間節(jié)點(diǎn)上的空間溢出效應(yīng)。

三、研究設(shè)計(jì)與變量選取

（一）研究設(shè)計(jì)

股票價(jià)格本身是金融機(jī)構(gòu)經(jīng)營(yíng)狀況的主要表現(xiàn)，股票價(jià)格波動(dòng)間的相互影響是金融風(fēng)險(xiǎn)關(guān)聯(lián)的重要渠道，股票日收益率也成為學(xué)者們研究金融機(jī)構(gòu)風(fēng)險(xiǎn)的關(guān)鍵參數(shù)（黃瑋強(qiáng)、莊新田、姚爽，2018[26];徐放達(dá)、王增濤，2020）[27]。為此，筆者運(yùn)用上市城市商業(yè)銀行股票日收益率來(lái)分析城市商業(yè)銀行金融風(fēng)險(xiǎn)的網(wǎng)絡(luò)效應(yīng)及傳染關(guān)聯(lián)度，其中，上市城市商業(yè)銀行股票日收益率的計(jì)算公式為：

（二）變量選擇與數(shù)據(jù)說(shuō)明

國(guó)家于2016年底開(kāi)始實(shí)施去杠桿政策，考慮政策實(shí)施的時(shí)滯效應(yīng)，樣本選擇起點(diǎn)為2017年1月，研究時(shí)間范圍為2017年1月24日至2020年8月7日共860個(gè)交易日。筆者以中國(guó)證監(jiān)會(huì)制定的《上市公式行業(yè)分類指引》為依據(jù)，選擇上市城市商業(yè)銀行樣本。據(jù)有關(guān)統(tǒng)計(jì)數(shù)據(jù)顯示截至2017年1月，國(guó)內(nèi)共有12家城市商業(yè)銀行在滬深兩市上市。未經(jīng)特殊說(shuō)明，文中所有數(shù)據(jù)均來(lái)自WIND數(shù)據(jù)庫(kù)，相關(guān)實(shí)證分析使用EViews軟件來(lái)實(shí)現(xiàn)。表1顯示了12個(gè)城市商業(yè)銀行收益率描述統(tǒng)計(jì)指標(biāo)。從表1中可以看出，不同城市商業(yè)銀行的收益率均具有“尖峰厚尾”的特征。

四、實(shí)證估計(jì)分析

（一）全樣本的靜態(tài)溢出效應(yīng)分析

基于廣義方差分解法，計(jì)算出樣本考察期間內(nèi)國(guó)內(nèi)上市城市商業(yè)銀行間風(fēng)險(xiǎn)溢出的分布特征，如表2所示。

在表2中，總體上來(lái)說(shuō)，樣本考察期間我國(guó)城市商業(yè)銀行風(fēng)險(xiǎn)存在雙向關(guān)聯(lián)。首先，城市商業(yè)銀行全樣本總溢出效應(yīng)指數(shù)為41.6%，表明城市商業(yè)銀行間整體存在關(guān)聯(lián)，風(fēng)險(xiǎn)傳染效應(yīng)明顯。與只在本區(qū)域經(jīng)營(yíng)的銀行相比，跨區(qū)域經(jīng)營(yíng)能分散投資風(fēng)險(xiǎn)，避免區(qū)域經(jīng)濟(jì)波動(dòng)的風(fēng)險(xiǎn)降低銀行風(fēng)險(xiǎn)水平，而同業(yè)拆借作為一種銀行間的表外業(yè)務(wù)，一度成為城市商業(yè)銀行利潤(rùn)的主要來(lái)源，業(yè)務(wù)交叉也使得城市商業(yè)銀行間風(fēng)險(xiǎn)關(guān)聯(lián)性增加。其中，無(wú)錫銀行的風(fēng)險(xiǎn)凈溢出效應(yīng)最大。來(lái)自無(wú)錫銀行年報(bào)數(shù)據(jù)顯示，2016年國(guó)家出臺(tái)去杠桿政策以后，2017年無(wú)錫銀行同業(yè)資產(chǎn)規(guī)?？s表幅度達(dá)到74.7%，位居同期全國(guó)城市商業(yè)銀行的首位。但隨后無(wú)錫銀行同業(yè)規(guī)模有持續(xù)上升趨勢(shì)，2018年末無(wú)錫銀行存放同業(yè)和拆借資金達(dá)到98.95億元，較以往有大幅提升。同時(shí)，上海銀行的綜合風(fēng)險(xiǎn)溢出和風(fēng)險(xiǎn)吸收兩項(xiàng)指標(biāo)均相對(duì)較低，表明上海銀行和其他銀行的風(fēng)險(xiǎn)關(guān)聯(lián)度不高，這主要得益于上海銀行持續(xù)大幅縮小同業(yè)業(yè)務(wù)規(guī)模，從而使得自身資產(chǎn)結(jié)構(gòu)得到優(yōu)化，對(duì)風(fēng)險(xiǎn)的緩解能力增強(qiáng)。其次，樣本城市商業(yè)銀行受到外部沖擊在總體上呈現(xiàn)一致性，個(gè)別銀行存在異質(zhì)性。在國(guó)家大力推進(jìn)金融機(jī)構(gòu)去杠桿、降低金融風(fēng)險(xiǎn)的政策背景下，大部分銀行縮表抵御風(fēng)險(xiǎn)的行動(dòng)具有一致性，但是，整體風(fēng)險(xiǎn)吸收水平較低，風(fēng)險(xiǎn)敞口并未有效縮小，部分銀行表現(xiàn)出一定的脆弱性。最后，樣本城市商業(yè)銀行之間風(fēng)險(xiǎn)外溢和風(fēng)險(xiǎn)凈溢出效應(yīng)的差異顯著。其中，無(wú)錫銀行、江蘇銀行的風(fēng)險(xiǎn)外溢指數(shù)均超過(guò)100，其余銀行的風(fēng)險(xiǎn)外溢指數(shù)相對(duì)較低。同時(shí)，無(wú)錫銀行、江蘇銀行、南京銀行、杭州銀行、上海銀行、寧波銀行及江陰銀行等東部沿海發(fā)達(dá)地區(qū)城市商業(yè)銀行的風(fēng)險(xiǎn)凈溢出效應(yīng)指數(shù)相對(duì)較高，其余銀行風(fēng)險(xiǎn)凈溢出效應(yīng)指數(shù)相對(duì)較低。這表明沿海發(fā)達(dá)地區(qū)城市商業(yè)銀行的金融創(chuàng)新程度較高，結(jié)構(gòu)化轉(zhuǎn)型力度較大，成為城市商業(yè)銀行間風(fēng)險(xiǎn)溢出的主體。而其他地區(qū)，尤其是貴陽(yáng)銀行等西部地區(qū)銀行業(yè)務(wù)擴(kuò)展相對(duì)保守，自身風(fēng)險(xiǎn)對(duì)金融市場(chǎng)的外溢效應(yīng)較低。

（二）樣本的動(dòng)態(tài)溢出效應(yīng)分析

基于廣義方差分解法，筆者以200天為滾動(dòng)窗口，預(yù)測(cè)期為10天，觀測(cè)城市商業(yè)銀行間風(fēng)險(xiǎn)溢出效應(yīng)的周期性波動(dòng)及演進(jìn)特征，圖1顯示了樣本的動(dòng)態(tài)溢出效應(yīng)趨勢(shì)。從圖1中可以看出：一是樣本城市商業(yè)銀行金融風(fēng)險(xiǎn)總溢出指數(shù)波動(dòng)范圍為44.12%～76.05%，城市商業(yè)銀行風(fēng)險(xiǎn)傳染均有雙向溢出效應(yīng)，與靜態(tài)分析基本一致。二是2017年以來(lái)，我國(guó)城市商業(yè)銀行市場(chǎng)的系統(tǒng)性金融風(fēng)險(xiǎn)并未表現(xiàn)出大幅增加的趨勢(shì)，但是仍呈現(xiàn)上升態(tài)勢(shì)，周期性波動(dòng)特點(diǎn)顯著。如在2018年7月4日、2019年6月18日、2020年7月10日出現(xiàn)了三個(gè)波峰，這與我國(guó)銀行業(yè)去杠桿政策、穩(wěn)金融、防范系統(tǒng)性金融風(fēng)險(xiǎn)政策以及金融機(jī)構(gòu)自身的結(jié)構(gòu)化轉(zhuǎn)型密切相關(guān)。三是極端事件對(duì)城市商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)指數(shù)上升。2016年以來(lái)，在英國(guó)“脫歐”、中美貿(mào)易摩擦持續(xù)的現(xiàn)實(shí)背景下，東部沿海地區(qū)民營(yíng)經(jīng)濟(jì)、外貿(mào)型經(jīng)濟(jì)受到一定程度的影響，樣本中城市商業(yè)銀行大多數(shù)位于江蘇、上海、浙江等東部發(fā)達(dá)沿海地區(qū)，外部不確定性對(duì)經(jīng)濟(jì)的負(fù)向效應(yīng)在一定程度上加劇了城市商業(yè)銀行之間風(fēng)險(xiǎn)的溢出效應(yīng)。

（三）城市商業(yè)銀行風(fēng)險(xiǎn)溢出動(dòng)態(tài)網(wǎng)絡(luò)分析

為了更好地分析考察期內(nèi)樣本城市商業(yè)銀行金融風(fēng)險(xiǎn)的動(dòng)態(tài)特征，筆者參考文中分析的金融風(fēng)險(xiǎn)動(dòng)態(tài)溢出波峰時(shí)間，依次選擇2018年7月4日、2019年6月18日、2020年7月10日出現(xiàn)的三個(gè)波峰所在年份為代表年份，運(yùn)用UCINET可視化工具繪制了各時(shí)間節(jié)點(diǎn)城市商業(yè)銀行金融風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)的有向圖，圖圈越大表明該城商行在網(wǎng)絡(luò)中心的位置越突出。

圖2顯示了上述節(jié)點(diǎn)不同樣本城市商業(yè)銀行間風(fēng)險(xiǎn)的傳染溢出關(guān)系。圖2顯示，樣本城市商業(yè)銀行金融風(fēng)險(xiǎn)溢出效應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)存在一定的時(shí)變特征。一是樣本城市商業(yè)銀行之間的金融風(fēng)險(xiǎn)沒(méi)有孤立點(diǎn)，存在明顯的網(wǎng)絡(luò)結(jié)構(gòu)。同時(shí)，在城市商業(yè)銀行金融風(fēng)險(xiǎn)的空間關(guān)聯(lián)網(wǎng)絡(luò)中，大多數(shù)銀行與其他銀行都有空間鏈接，空間網(wǎng)絡(luò)存在標(biāo)度特征。外部沖擊對(duì)部分銀行產(chǎn)生沖擊時(shí)，將極易影響其他大部分銀行，城市商業(yè)銀行之間的網(wǎng)絡(luò)效應(yīng)較為緊密。二是2018年6月，城市商業(yè)銀行金融風(fēng)險(xiǎn)的溢出效應(yīng)明顯，尤其是無(wú)錫銀行、張家港銀行。一方面，2018年國(guó)內(nèi)城市商業(yè)銀行（含農(nóng)商行）的不良率較高，對(duì)城市商業(yè)銀行間的同業(yè)業(yè)務(wù)質(zhì)量造成了一定風(fēng)險(xiǎn)。來(lái)自WIND的統(tǒng)計(jì)數(shù)據(jù)顯示，2018年7月以來(lái)，貴陽(yáng)農(nóng)商行、鄒平農(nóng)商行、吉林蛟河農(nóng)商行、丹東銀行和山東廣饒農(nóng)商行等城市商業(yè)銀行因不良率上升其評(píng)級(jí)被下調(diào)。另一方面，由于網(wǎng)點(diǎn)數(shù)量小、吸收存款慢、歷史包袱重等多種原因，導(dǎo)致同業(yè)業(yè)務(wù)成為城市商業(yè)銀行擴(kuò)大規(guī)模、尋找利潤(rùn)增長(zhǎng)點(diǎn)的關(guān)鍵舉措之一。而同期無(wú)錫銀行、張家港銀行的同業(yè)業(yè)務(wù)相對(duì)突出，在樣本考察期間內(nèi)對(duì)其他城市商業(yè)銀行的溢出效應(yīng)較為明顯。三是隨著中美貿(mào)易摩擦持續(xù)深入，受新冠肺炎疫情的影響，城市商業(yè)銀行間的風(fēng)險(xiǎn)溢出效應(yīng)持續(xù)存在，尤其是常熟銀行。一方面，中小微企業(yè)是城市商業(yè)銀行的主要服務(wù)對(duì)象，在中美貿(mào)易摩擦以及新冠肺炎疫情等多種不確定性因素雙重疊加下，中小微企業(yè)收入的降低直接導(dǎo)致城市商業(yè)銀行不良率的增加，銀行經(jīng)營(yíng)風(fēng)險(xiǎn)持續(xù)存在。另一方面，2019年、2020年常熟銀行的中心度較為突出。來(lái)自常熟銀行的統(tǒng)計(jì)公報(bào)顯示，2019年末常熟銀行的不良資產(chǎn)達(dá)到10.56億元，不良率為0.96%，僅次于郵儲(chǔ)銀行，居同業(yè)第二位，風(fēng)險(xiǎn)相對(duì)較高。

五、結(jié)論與政策建議

基于2017—2020年國(guó)內(nèi)12家上市城市商業(yè)銀行的日頻面板數(shù)據(jù)，利用廣義方差分解模型和社會(huì)網(wǎng)絡(luò)分析法，分析了“去杠桿”政策下城市商業(yè)銀行風(fēng)險(xiǎn)的關(guān)聯(lián)性及溢出效應(yīng)，得出結(jié)論如下：一是城市商業(yè)銀行的風(fēng)險(xiǎn)溢出具有明顯的雙向關(guān)聯(lián)特征。在去杠桿政策背景下，城市商業(yè)銀行間風(fēng)險(xiǎn)溢出效應(yīng)明顯，城市商業(yè)銀行受到外部沖擊具有一致性，但風(fēng)險(xiǎn)外溢和風(fēng)險(xiǎn)凈溢出效應(yīng)差異顯著。二是城市商業(yè)銀行風(fēng)險(xiǎn)具有動(dòng)態(tài)溢出效應(yīng)，銀行間金融風(fēng)險(xiǎn)存在明顯的上升態(tài)勢(shì)，周期性波動(dòng)特征顯著，同時(shí)，極端事件對(duì)城市商業(yè)銀行溢出效應(yīng)指數(shù)上升。三是樣本城市商業(yè)銀行的金融風(fēng)險(xiǎn)溢出效應(yīng)存在明顯的網(wǎng)絡(luò)結(jié)構(gòu)，網(wǎng)絡(luò)效應(yīng)顯著，部分銀行的波動(dòng)溢出效應(yīng)較為突出。

在中美貿(mào)易摩擦、全球重大突發(fā)公共衛(wèi)生事件等不確定性因素的持續(xù)沖擊下，防控地方金融風(fēng)險(xiǎn)尤其是防控城市商業(yè)銀行金融風(fēng)險(xiǎn)尤為重要。結(jié)合上述結(jié)論，筆者提出如下建議：一是加強(qiáng)對(duì)城市商業(yè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)的監(jiān)管力度，降低風(fēng)險(xiǎn)溢出性。地方金融監(jiān)管部門(mén)可將擔(dān)保、資產(chǎn)轉(zhuǎn)移、授信、住房租賃等關(guān)聯(lián)業(yè)務(wù)、創(chuàng)新業(yè)務(wù)納入到地方金融監(jiān)管體系中，密切關(guān)注城市商業(yè)銀行同業(yè)業(yè)務(wù)等風(fēng)險(xiǎn)傳染性較強(qiáng)的結(jié)算、代理、咨詢等表外業(yè)務(wù)。同時(shí)，通過(guò)大數(shù)據(jù)平臺(tái)，形成多維、立體的風(fēng)險(xiǎn)防控預(yù)警體系，加大對(duì)城市商業(yè)銀行風(fēng)險(xiǎn)的監(jiān)管力度。二是加大對(duì)城市商業(yè)銀行的監(jiān)管。在國(guó)家定向降準(zhǔn)支持中小微型企業(yè)發(fā)展的有利政策下，在鼓勵(lì)城市商業(yè)“守土有責(zé)”支持本地中小微企業(yè)發(fā)展的同時(shí)，多種形式加強(qiáng)對(duì)中小微企業(yè)不良貸款撥備率、不良貸款率等關(guān)鍵指標(biāo)的監(jiān)管，在外部不確定性沖擊較大的情況下，加快城市商業(yè)銀行資本充足率的補(bǔ)充節(jié)奏，加強(qiáng)城市商業(yè)銀行自身抗風(fēng)險(xiǎn)能力。三是構(gòu)建城市商業(yè)銀行風(fēng)險(xiǎn)監(jiān)管的地方聯(lián)席會(huì)議機(jī)制。鑒于區(qū)域間經(jīng)濟(jì)交易往來(lái)較為密切，以經(jīng)濟(jì)為鏈條的金融風(fēng)險(xiǎn)傳染效應(yīng)較大，可以轄區(qū)內(nèi)城市商業(yè)銀行經(jīng)營(yíng)業(yè)務(wù)半徑為依據(jù)，組建以地方金融監(jiān)管為主的省際間銀行金融風(fēng)險(xiǎn)監(jiān)管機(jī)制，通過(guò)省—市—縣（區(qū)）三級(jí)聯(lián)動(dòng)，銀行、財(cái)政、稅務(wù)、法律、公安、司法等部門(mén)協(xié)同，以及大數(shù)據(jù)分析載體平臺(tái)數(shù)據(jù)互換等多種機(jī)制，統(tǒng)籌地方金融資源，阻隔風(fēng)險(xiǎn)傳染渠道。四是多樣化處置城市商業(yè)銀行風(fēng)險(xiǎn)。城市商業(yè)銀行的風(fēng)險(xiǎn)溢出存在明顯異質(zhì)性特征，需要個(gè)性化處理不同城市商業(yè)銀行的風(fēng)險(xiǎn)。一方面，需要地方政府牽頭對(duì)轄內(nèi)城市商業(yè)銀行進(jìn)行壓力測(cè)試，堅(jiān)持預(yù)防為主，提前謀劃，盡早釋放金融壓力，避免風(fēng)險(xiǎn)發(fā)生。另一方面，對(duì)于城市商業(yè)銀行已經(jīng)發(fā)生的風(fēng)險(xiǎn)，如資產(chǎn)質(zhì)量持續(xù)惡化、流動(dòng)性嚴(yán)重不足、不良資產(chǎn)高的，存在重大違法違紀(jì)行為、經(jīng)營(yíng)管理存在重大缺陷，要嚴(yán)格依法依規(guī)進(jìn)行破產(chǎn)重組，及時(shí)釋放風(fēng)險(xiǎn)，并運(yùn)用存款保險(xiǎn)金減少儲(chǔ)戶等利益相關(guān)者的損失。

參考文獻(xiàn)：

[1]邱兆祥，趙麗.城市商業(yè)銀行宜定位于社區(qū)銀行[J].金融理論與實(shí)踐，2006（1）：4-6.

[2]王海霞.銀行風(fēng)險(xiǎn)、收益與客戶貸款集中度——基于城市商業(yè)銀行的實(shí)證分析[J].金融理論與實(shí)踐，2009（11）：71-74.

[3]周好文，劉飛.城市商業(yè)銀行跨區(qū)域經(jīng)營(yíng)模式分析[J].金融論壇，2010（10）：52-56.

[4]劉久彪，楊曉東.我國(guó)城市商業(yè)銀行跨區(qū)域經(jīng)營(yíng)問(wèn)題研究[J].當(dāng)代經(jīng)濟(jì)研究，2011（7）：55-59.

[5]王擎，吳瑋，黃娟.城市商業(yè)銀行跨區(qū)域經(jīng)營(yíng)：信貸擴(kuò)張、風(fēng)險(xiǎn)水平及銀行績(jī)效[J].金融研究，2012（1）：141-153.

[6]李思瑞，呂穎童.城市商業(yè)銀行跨區(qū)域經(jīng)營(yíng)與信貸結(jié)構(gòu)——基于風(fēng)險(xiǎn)控制水平中介效應(yīng)的實(shí)證研究[J].金融發(fā)展研究，2018（10）：12-21.

[7]T ADRIAN，M K BRUNNERMEIER.CoVaR[R].FRB of New York Staff Reports，2008.

[8]ROENGPITYA RUNGPORN ， RUNGCHAROENKITKUL PHURICHAI. Measuring Systemic Risk and Financial Linkages in the Thai Banking System [J]. Social Science Electronic Publishing，2011（2）.

[9]ANDRIES A M， GALASAN E. Measuring Financial Contagion and Spillover Effects with a State-Dependent Sensitivity Value-at-Risk Model[J]. Risks， 2020（1）： 1-20.

[10]馬麟.我國(guó)商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)及溢出效應(yīng)研究[J].宏觀經(jīng)濟(jì)研究，2017（11）：30-37+114.

[11]張?zhí)祉敚瑥堄?我國(guó)上市商業(yè)銀行風(fēng)險(xiǎn)溢出評(píng)價(jià)與宏觀審慎監(jiān)管[J].現(xiàn)代財(cái)經(jīng)（天津財(cái)經(jīng)大學(xué)學(xué)報(bào)），2016（7）：80-91.

[12]何卓靜，周利國(guó)，閆麗新.商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)研究：條件風(fēng)險(xiǎn)價(jià)值估計(jì)與系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度測(cè)量[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2018（12）：37-51.

[13]陳健，王鑫.商業(yè)銀行風(fēng)險(xiǎn)溢出的網(wǎng)絡(luò)關(guān)聯(lián)效應(yīng)研究[J].金融經(jīng)濟(jì)學(xué)研究，2019（4）：71-81+109.

[14]史仕新.商業(yè)銀行中間業(yè)務(wù)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)[J].財(cái)經(jīng)科學(xué)，2019（3）：16-27.

[15]王艷.我國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)網(wǎng)絡(luò)傳染研究[J].經(jīng)濟(jì)問(wèn)題，2020（12）：29-36.

[16]王重潤(rùn)，王文靜.同業(yè)業(yè)務(wù)對(duì)中小銀行系統(tǒng)性風(fēng)險(xiǎn)溢出的影響[J].南方金融，2021（8）：40-52.

[17]方意，和文佳，荊中博.中國(guó)實(shí)體經(jīng)濟(jì)與金融市場(chǎng)的風(fēng)險(xiǎn)溢出研究[J].世界經(jīng)濟(jì)，2021（8）：3-27.

[18]馬亞明，胡春陽(yáng).脫實(shí)向虛和金融強(qiáng)監(jiān)管對(duì)金融實(shí)體行業(yè)間極端風(fēng)險(xiǎn)關(guān)聯(lián)的影響[J].統(tǒng)計(jì)研究，2021（4）：74-88.

[19]溫博慧，牛英杰.美國(guó)貨幣政策對(duì)中國(guó)系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生溢出效應(yīng)嗎——基于反事實(shí)分析和因果中介效應(yīng)檢驗(yàn)[J].廣東財(cái)經(jīng)大學(xué)學(xué)報(bào)，2021（3）：18-33.

[20]ADRIAN T，BRUNNERMEIER M.K.CoVaR[J].American Economic Review，2016（7）：1705-1741.

[21]BROWNLEES C， ENGLE R F. SRISK： A Conditional Capital Shortfall Measure of Systemic Risk[J]. Esrb Working Paper， 2016（1）：48-79.

[22]DIEBOLD F X， YILMAZ K. Better to Give than to Receive： Predictive Directional Measurement of Volatility Spillovers[J]. International Journal of Forecasting， 2012（1）：57-66.

[23]楊子暉，周穎剛.全球系統(tǒng)性金融風(fēng)險(xiǎn)溢出與外部沖擊[J].中國(guó)社會(huì)科學(xué)，2018（12）： 69-90+200-201.

[24]GHULAM YASEEN，DOERING JANA.Spillover effects among financial institutions within Germany and the United Kingdom[J].Research in International Business and Finance，Elsevier，2018（4）：49-63.

[25]侯毅恒，龔椿楠，林艷.城市商業(yè)銀行財(cái)務(wù)風(fēng)險(xiǎn)管理問(wèn)題研究[J].經(jīng)濟(jì)體制改革，2018（5）：152-157.

[26]黃瑋強(qiáng)，莊新田，姚爽.基于信息溢出網(wǎng)絡(luò)的金融機(jī)構(gòu)風(fēng)險(xiǎn)傳染研究[J].系統(tǒng)管理學(xué)報(bào)，2018（2）：235-243.

[27]徐放達(dá)，王增濤.機(jī)構(gòu)傳導(dǎo)、網(wǎng)絡(luò)關(guān)聯(lián)與金融業(yè)系統(tǒng)性風(fēng)險(xiǎn)擴(kuò)散[J].統(tǒng)計(jì)與決策，2020（12）：134-137.

[28]DIEBOLD F X， YILMAZ K. On the network topology of variance decompositions： Measuring the connectedness of financial firms[J]. Journal of Econometrics， 2014（1）：119-134.

責(zé)任編輯：李金霞

?Abstract：Based on the panel data of 863 trading days of 12 Shanghai and Shenzhen listed city commercial banks in 2017 and 2020， the generalized variance decomposition method is used to analyze the financial risk relevance and spatial spillover effects of listed city commercial banks. The results show that the risk spillover among city commercial banks is significantly two-way related and there is risk spillover， and the impact of external shocks on city commercial banks is heterogeneous. However， there are some differences in risk spillover and net risk spillover effects between banks. The risk among city commercial banks has dynamic spillover effect， the financial risk has periodic volatility and the external impact of extreme events is more obvious. The financial risk spillover effect of city commercial banks has a significant network effect， and the network spillover effect of some banks is more prominent. For this reason， it is necessary to strengthen the operational risk supervision of local commercial banks， enhance the ability of hematopoiesis， and establish a joint risk management mechanism to continuously reduce their financial risks and risk infectivity.?

Key words：city commercial banks; relevance; spillover effect; generalized variance decomposition