系統(tǒng)性風(fēng)險：金融系統(tǒng)與實體經(jīng)濟間反饋效應(yīng)①

李守偉，王 虎，劉曉星

(1.東南大學(xué)經(jīng)濟管理學(xué)院，南京 211189；2.東南大學(xué)金融復(fù)雜性與風(fēng)險管理研究中心，南京 211189)

0 引 言

現(xiàn)代社會經(jīng)濟發(fā)展過程中，金融系統(tǒng)與實體經(jīng)濟間存在高度的關(guān)聯(lián)性.該關(guān)聯(lián)性為金融風(fēng)險傳染提供了媒介，加速了風(fēng)險在金融系統(tǒng)與實體經(jīng)濟間反饋效應(yīng).典型的例子便是2008年由美國房地產(chǎn)企業(yè)引發(fā)的次貸危機及其后續(xù)的全球性金融危機.這讓人們逐步認(rèn)識到基于傳統(tǒng)微觀審慎監(jiān)管手段難以從單一個體層面有效控制系統(tǒng)性風(fēng)險的形成與傳染，而應(yīng)從關(guān)聯(lián)性與整體性的視角，借助宏觀審慎監(jiān)管手段展開系統(tǒng)性風(fēng)險的防控工作.正是鑒于金融系統(tǒng)與實體經(jīng)濟間存在損失聯(lián)動、風(fēng)險共擔(dān)的特征，由金融系統(tǒng)與實體經(jīng)濟間關(guān)聯(lián)性與整體性所引發(fā)的風(fēng)險反饋效應(yīng)成為系統(tǒng)性風(fēng)險形成與傳染的主要來源與加速劑.

根據(jù)中國人民銀行統(tǒng)計數(shù)據(jù)可知，從2012年～2019年，我國實體經(jīng)濟從金融體系獲得的人民幣貸款呈現(xiàn)逐年遞增趨勢，到2019年為168 834億元，其中較大一部分資金流向房地產(chǎn)企業(yè).同時，銀行的不良貸款率也呈現(xiàn)逐年增加特征，由0.95%增加到1.86%.這些都反映了我國金融系統(tǒng)與實體經(jīng)濟間存在較強的債務(wù)關(guān)聯(lián)性及其風(fēng)險反饋效應(yīng).面對如此嚴(yán)峻金融形勢，防范與化解系統(tǒng)性風(fēng)險成為黨和國家關(guān)注的焦點.2017年8月21日，習(xí)近平總書記在全國金融工作會議上指出“金融安全是國家安全的重要組成部分，要把主動防范化解系統(tǒng)性金融風(fēng)險放在更加重要的位置”.2017年底的中央經(jīng)濟工作會議又將“防范化解重大風(fēng)險”列為三大攻堅戰(zhàn)之首，并明確指出“重點是防控金融風(fēng)險”.2018年4月的中央財經(jīng)委員會第一次會議又明確提出“打好防范化解金融風(fēng)險攻堅戰(zhàn)”，首次提出“結(jié)構(gòu)性去杠桿”.2019年2月22日，習(xí)近平總書記在中共中央政治局第十三次集體學(xué)習(xí)時指出，“防范化解金融風(fēng)險特別是防止發(fā)生系統(tǒng)性金融風(fēng)險，是金融工作的根本性任務(wù).” 2020年2月21日，中共中央政治局召開會議，研究新冠肺炎疫情防控工作，部署統(tǒng)籌做好疫情防控和經(jīng)濟社會發(fā)展工作.會議強調(diào)“打好防范化解重大風(fēng)險攻堅戰(zhàn)，堅決守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線.”

從金融系統(tǒng)與實體經(jīng)濟間反饋效應(yīng)視角研究系統(tǒng)性風(fēng)險，對全面認(rèn)識以及防范與化解系統(tǒng)性風(fēng)險具有重要的理論與實踐意義.然而，現(xiàn)有對系統(tǒng)性風(fēng)險的度量研究主要關(guān)注于金融系統(tǒng)的系統(tǒng)性風(fēng)險，很少從整體性與關(guān)聯(lián)性的角度考慮其與實體經(jīng)濟間風(fēng)險反饋效應(yīng)，容易造成對系統(tǒng)性風(fēng)險的低估.在我國金融系統(tǒng)中，銀行部門在間接融資方面發(fā)揮主導(dǎo)作用，這使得我國金融系統(tǒng)中大部分風(fēng)險都集中在銀行體系內(nèi)部[1].因此，本研究中的金融系統(tǒng)聚焦于銀行系統(tǒng).本研究旨在提出系統(tǒng)性風(fēng)險反饋效應(yīng)測度方法，揭示我國銀行系統(tǒng)與實體經(jīng)濟間風(fēng)險反饋效應(yīng)，以及整個經(jīng)濟系統(tǒng)的系統(tǒng)性風(fēng)險影響因素.本研究的貢獻主要體現(xiàn)為：1)提出了一種更能反映現(xiàn)實風(fēng)險傳染情況的系統(tǒng)性風(fēng)險反饋效應(yīng)測度方法，為更加準(zhǔn)確度量系統(tǒng)性風(fēng)險提供解決方案.2)對我國系統(tǒng)性風(fēng)險的研究，往往聚焦于金融系統(tǒng)的研究.而本研究揭示了我國實體經(jīng)濟對銀行系統(tǒng)性風(fēng)險的貢獻，不同行業(yè)引發(fā)銀行系統(tǒng)性風(fēng)險的差異，銀行系統(tǒng)對實體經(jīng)濟系統(tǒng)性風(fēng)險的貢獻，以及銀行系統(tǒng)和實體經(jīng)濟對整個經(jīng)濟系統(tǒng)的系統(tǒng)性風(fēng)險貢獻程度.上述研究為構(gòu)建有效的系統(tǒng)性風(fēng)險防控措施提供了參考依據(jù).3)銀行與企業(yè)是經(jīng)濟系統(tǒng)的兩大主要經(jīng)濟主體，本研究通過構(gòu)建面板數(shù)據(jù)回歸模型分別揭示銀行系統(tǒng)和實體經(jīng)濟引發(fā)的系統(tǒng)性風(fēng)險的影響因素.4)楊子暉和李東承[1]指出現(xiàn)有的國內(nèi)文獻在測度銀行系統(tǒng)性風(fēng)險時其樣本容量大多不超過35家，同時他們的研究樣本為177家，但本研究的樣本容量為209家.因此本研究更能全面反映我國整個銀行系統(tǒng)的現(xiàn)實情況.

1 文獻綜述

2007年～2009年的全球性金融危機引發(fā)學(xué)者對系統(tǒng)性風(fēng)險更為廣泛的關(guān)注與研究，學(xué)者提出不同的系統(tǒng)性風(fēng)險度量方法，但主要集中于金融系統(tǒng).而此類研究主要包括兩類：基于同業(yè)拆借數(shù)據(jù)的研究和基于股票市場數(shù)據(jù)的研究.基于同業(yè)拆借數(shù)據(jù)的研究主要是采用網(wǎng)絡(luò)分析方法，該方法基于銀行間同業(yè)拆借關(guān)系將銀行系統(tǒng)視為一個復(fù)雜網(wǎng)絡(luò)，進而研究單個或多個銀行風(fēng)險通過網(wǎng)絡(luò)關(guān)聯(lián)的傳染效應(yīng)[2-6].采用該方法學(xué)者們基于不同國家的數(shù)據(jù)對銀行系統(tǒng)性風(fēng)險進行了大量的實證研究，如馬君潞等[7]針對中國銀行系統(tǒng)性風(fēng)險，研究發(fā)現(xiàn)：在不考慮金融安全網(wǎng)的情況下，銀行系統(tǒng)性風(fēng)險程度主要取決于誘導(dǎo)因素的種類、損失率的變化及銀行關(guān)聯(lián)程度；方意[8]構(gòu)建了包含銀行破產(chǎn)機制和去杠桿機制的資產(chǎn)負(fù)債表直接關(guān)聯(lián)網(wǎng)絡(luò)，對我國銀行系統(tǒng)性風(fēng)險傳染渠道與效應(yīng)進行了分析；Borges等[9]分析了2016年第4季度通過安哥拉支付系統(tǒng)的銀行間支付網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，旨在探討該支付系統(tǒng)抵御系統(tǒng)性風(fēng)險的能力.基于股票市場數(shù)據(jù)研究的主要是采用是自下而上的條件風(fēng)險價值法(CoVaR)和自上而下的期望損失法.系統(tǒng)性風(fēng)險CoVaR度量方法是Adrian和Brunnermeier[10]首次提出的，該方法考慮了系統(tǒng)性風(fēng)險的外部性和溢出性.Acharya等[11]基于邊際預(yù)期缺口構(gòu)建了系統(tǒng)性預(yù)期缺口方法，用來度量金融機構(gòu)的系統(tǒng)性風(fēng)險貢獻.學(xué)者們基于條件風(fēng)險價值法和期望損失法，對各國金融系統(tǒng)的系統(tǒng)性風(fēng)險展開一定的分析[12-19].

上述的研究主要集中于金融系統(tǒng)分析系統(tǒng)性風(fēng)險，實際上金融系統(tǒng)與實體經(jīng)濟存在緊密的關(guān)聯(lián)，其也是系統(tǒng)性風(fēng)險形成渠道之一.針對此，學(xué)者們開始通過構(gòu)建模型研究金融系統(tǒng)與實體經(jīng)濟間風(fēng)險傳染效應(yīng)，而目前研究主要是針對銀行系統(tǒng)與實體企業(yè)部門展開研究.相關(guān)研究可分為構(gòu)建模型進行仿真研究和基于實際數(shù)據(jù)進行實證研究兩類.在第一類研究中，主要是基于銀行與企業(yè)兩類經(jīng)濟主體的信貸關(guān)聯(lián)，通過構(gòu)建模型仿真研究跨銀行與企業(yè)部門的風(fēng)險傳染效應(yīng).如Gatti等[20, 21]以最優(yōu)選擇交易對手機制構(gòu)建銀企風(fēng)險傳染模型，主要研究了企業(yè)間破產(chǎn)雪崩問題.Riccetti等[22]在Gatti等[21]研究基礎(chǔ)上，研究了杠桿率與銀企風(fēng)險傳染的關(guān)系，發(fā)現(xiàn)杠桿率的增加導(dǎo)致銀行與企業(yè)的破產(chǎn)增加.類似于Gatti等[20, 21]，鄧晶等[23]以最優(yōu)交易對手選擇機制構(gòu)建銀行與企業(yè)兩部門網(wǎng)絡(luò)模型，主要研究了主體之間交互機制對經(jīng)濟波動的影響，而對風(fēng)險傳染機制只是進行簡單的描述分析.Catullo 等[24]構(gòu)建了銀企信貸網(wǎng)絡(luò)模型，研究發(fā)現(xiàn)高杠桿率增加了企業(yè)違約風(fēng)險，高度連接將加速銀行與企業(yè)負(fù)面效應(yīng)的傳染.Lux[25]對金融部門和非金融部門的信貸網(wǎng)絡(luò)連接結(jié)構(gòu)進行了研究，結(jié)果表明單個實體企業(yè)的違約會對系統(tǒng)產(chǎn)生兩極化的影響，一種是不會對系統(tǒng)產(chǎn)生影響，另一種是引發(fā)多米諾骨牌效應(yīng).隋新和何建敏[26]通過構(gòu)建了包含銀行信貸網(wǎng)絡(luò)、企業(yè)信貸網(wǎng)絡(luò)和銀企信貸網(wǎng)絡(luò)的復(fù)合網(wǎng)絡(luò)，仿真分析了銀企風(fēng)險傳染特征.Gurgone等[27]構(gòu)建了包含金融部門和實體經(jīng)濟的多主體模型，研究發(fā)現(xiàn)實體經(jīng)濟中企業(yè)倒閉的影響通過金融加速器被顯著放大.相比上述第一類研究，第二類的研究甚少.主要的困難在于：缺乏銀行對實體經(jīng)濟貸款的雙邊風(fēng)險暴露數(shù)據(jù)以及銀行間風(fēng)險暴露數(shù)據(jù)；缺乏能捕獲金融系統(tǒng)與實體經(jīng)濟間反饋效應(yīng)的系統(tǒng)性風(fēng)險度量方法[28].針對此，基于Battiston等[29]提出的DebtRank模型，Silva等[28, 30]構(gòu)建了跨銀行與實體經(jīng)濟的系統(tǒng)性風(fēng)險反饋模型，并利用巴西國家數(shù)據(jù)研究了金融加速器機制對銀企間風(fēng)險反饋的影響，提出忽視銀企間的風(fēng)險反饋效應(yīng)會嚴(yán)重低估銀行系統(tǒng)性風(fēng)險，并且網(wǎng)絡(luò)結(jié)構(gòu)可以減弱或放大來自實體部門的沖擊，從而在傳染過程中發(fā)揮重要作用.

基于上述現(xiàn)有研究可知，正是因為金融系統(tǒng)與實體經(jīng)濟間風(fēng)險反饋效應(yīng)的存在，不考慮實體經(jīng)濟分析系統(tǒng)性風(fēng)險，將導(dǎo)致嚴(yán)重低估系統(tǒng)性風(fēng)險.而此不利于全面了解系統(tǒng)性風(fēng)險，進而導(dǎo)致系統(tǒng)性風(fēng)險防控策略不準(zhǔn)確到位.因此，十分有必要納入實體經(jīng)濟度量系統(tǒng)性風(fēng)險，同時有待加強系統(tǒng)性風(fēng)險反饋效應(yīng)度量方法研究.由于Battiston等[29]提出的DebtRank模型是根據(jù)債務(wù)者遭受的損失通過信貸關(guān)聯(lián)轉(zhuǎn)化為相應(yīng)債權(quán)者資產(chǎn)的相對損失的方式來測算系統(tǒng)性風(fēng)險.在Silva等[28, 30]模型中，即使很小的風(fēng)險沖擊，也有可能在整個系統(tǒng)中進行傳染，對整個系統(tǒng)產(chǎn)生影響.但在現(xiàn)實中，由于銀行存在資本緩沖，使得銀行遭受損失不一定就會產(chǎn)生風(fēng)險傳染，只有當(dāng)損失達到一定的程度時才可能會產(chǎn)生風(fēng)險傳染.即使銀行損失達到一定的程度，由于銀行融資和抵制風(fēng)險能力存在差異，遭受同樣程度損失的銀行是否產(chǎn)生風(fēng)險傳染也存在一定差異.同樣，對于企業(yè)來說，也具有相似的風(fēng)險傳染過程.因此，Silva等[28, 30]提出的系統(tǒng)性風(fēng)險反饋效應(yīng)度量方法不能很好的體現(xiàn)現(xiàn)實中風(fēng)險傳染情況.針對此，本研究在Silva等[28, 30]研究基礎(chǔ)上，提出更能反映現(xiàn)實風(fēng)險傳染情況的系統(tǒng)性風(fēng)險反饋效應(yīng)度量方法.并基于該方法研究我國銀行系統(tǒng)與實體經(jīng)濟間反饋效應(yīng)，銀行系統(tǒng)和實體經(jīng)濟對整個經(jīng)濟系統(tǒng)的系統(tǒng)性風(fēng)險的貢獻程度，以及系統(tǒng)性風(fēng)險的影響因素.

2 系統(tǒng)性風(fēng)險反饋效應(yīng)測度方法

金融系統(tǒng)與實體經(jīng)濟間反饋效應(yīng)是指金融系統(tǒng)或?qū)嶓w經(jīng)濟遭受沖擊產(chǎn)生的風(fēng)險通過信貸渠道、資產(chǎn)價格波動等渠道在兩者之間的傳染，如圖1所示.其中，金融系統(tǒng)遭受沖擊，進而可能造成實體經(jīng)濟融資困難或者被提前抽貸等不利影響；實體經(jīng)濟遭受沖擊，進而可能造成金融系統(tǒng)信貸違約、股票和債券等資產(chǎn)價格波動等不利影響.注意到，在金融系統(tǒng)與實體經(jīng)濟間風(fēng)險反饋過程中，金融系統(tǒng)與實體經(jīng)濟內(nèi)部均可能存在風(fēng)險傳染過程，而此往往會導(dǎo)致金融系統(tǒng)與實體經(jīng)濟遭受更大沖擊.在金融系統(tǒng)中風(fēng)險可能通過同業(yè)拆借關(guān)聯(lián)、衍生品交易關(guān)聯(lián)、投資組合重疊關(guān)聯(lián)或信息溢出渠道在金融機構(gòu)間或者金融市場間傳染；在實體經(jīng)濟中，風(fēng)險可能通過商業(yè)信用關(guān)聯(lián)、擔(dān)保關(guān)聯(lián)或者交叉持股關(guān)聯(lián)在實體企業(yè)間或者實體經(jīng)濟部門間傳染.

圖1 金融系統(tǒng)與實體經(jīng)濟間反饋效應(yīng)

在我國金融體系中，銀行部門在間接融資方面發(fā)揮主導(dǎo)作用，這使得我國金融系統(tǒng)中大部分風(fēng)險都集中在銀行體系內(nèi)部[1].因此，本研究的金融系統(tǒng)聚焦于銀行系統(tǒng).實體經(jīng)濟包括居民部門、非金融類企業(yè)部門和政府部門，考慮到數(shù)據(jù)的可獲得性，本研究的實體經(jīng)濟只包括非金融類企業(yè)部門.

2.1 銀行同業(yè)拆借規(guī)模估測

由于本研究中系統(tǒng)性風(fēng)險涉及到銀行同業(yè)拆借關(guān)聯(lián)，需要銀行間同業(yè)拆借數(shù)據(jù).通常只能得到每家銀行同業(yè)拆借總規(guī)模數(shù)據(jù)，為了得到任意兩家銀行間同業(yè)拆借規(guī)模，國際上通常采用最大熵方法進行銀行同業(yè)拆借矩陣估測[2, 31].

(1)

(2)

(3)

2.2 風(fēng)險反饋DebtRank模型

(4)

(5)

(6)

上述原始DR模型雖然避免了重復(fù)計算風(fēng)險的弊端，但當(dāng)銀行系統(tǒng)中存在循環(huán)或多次風(fēng)險傳染時，將可能嚴(yán)重低估了系統(tǒng)性風(fēng)險.為了彌補原始DR模型的不足，Bardoscia等[33]通過僅計算銀行在上一時刻受到的風(fēng)險增量來避免風(fēng)險的重復(fù)計算，即通過差分迭代的方式對原始DR模型進行了改進，提出差分DR模型，表達式如下

(7)

其中B表示銀行的集合；Δbj(t-1)表示銀行j在t-1時刻的資產(chǎn)損失率的增量.差分DR模型能夠計算系統(tǒng)內(nèi)所有的銀行，并且當(dāng)銀行在t時刻處于違約狀態(tài)時，Δbj(t+k)=0(?k>0)，此時該銀行不再傳染風(fēng)險.因此，差分DR模型與原始DR模型相比，能夠度量當(dāng)系統(tǒng)內(nèi)存在多輪風(fēng)險傳染時的系統(tǒng)性風(fēng)險，同時通過減去銀行i在初始沖擊影響下所造成的損失，來更為準(zhǔn)確反映銀行i對銀行系統(tǒng)所造成的影響，具體表達式為

(8)

其中bi(0)表示銀行i在初始沖擊下的損失，θi表示銀行i的同業(yè)負(fù)債占系統(tǒng)中所有銀行同業(yè)負(fù)債總和的比例，比例越大說明銀行i違約對系統(tǒng)造成的風(fēng)險沖擊越強.

銀行系統(tǒng)與實體經(jīng)濟間關(guān)聯(lián)性導(dǎo)致系統(tǒng)性風(fēng)險在兩者間存在反饋效應(yīng)，針對此Silva等[28, 30]在銀行差分DebtRank模型中引入實體企業(yè)，構(gòu)建了基于差分DebtRank模型的系統(tǒng)性風(fēng)險反饋效應(yīng)測度模型.本研究在Silva等[28, 30]的研究基礎(chǔ)上，通過引入4個狀態(tài)來刻畫銀行與企業(yè)風(fēng)險傳染狀態(tài)，以更能反映現(xiàn)實風(fēng)險傳染情況，進而構(gòu)建具有4個狀態(tài)的銀企DebtRank模型度量系統(tǒng)性風(fēng)險反饋效應(yīng).

由于現(xiàn)實數(shù)據(jù)可獲得性限制，本研究只考慮銀行間和銀企間風(fēng)險傳染效應(yīng).對于銀企間風(fēng)險傳染過程描述是通過脆弱矩陣Wbank-firm和Wfirm-bank進行的，借鑒Aoyama等[34]的研究，采用相對風(fēng)險暴露計算上述矩陣元素，具體方法如下

(9)

(10)

其中Ciu表示銀行i對企業(yè)u的貸款規(guī)模；F表示企業(yè)集合.在式(9)中，利用銀行i對企業(yè)u的貸款規(guī)模占企業(yè)u貸款總額的比例刻畫企業(yè)u對銀行i的影響；而在式(10)中，銀行i對企業(yè)u的貸款規(guī)模占銀行i對所有企業(yè)貸款總規(guī)模的比例刻畫銀行i對企業(yè)u的影響.根據(jù)上述分析，本研究將系統(tǒng)性風(fēng)險傳染過程中，銀行與企業(yè)狀態(tài)分為4類：正常狀態(tài)(N)、傳染狀態(tài)(C)、不傳染狀態(tài)(I)和違約狀態(tài)(D).其中N表示沒有受到?jīng)_擊，C表示受到?jīng)_擊并傳染風(fēng)險，I表示受到?jīng)_擊但并不傳染風(fēng)險，D表示受到?jīng)_擊并導(dǎo)致違約.利用fu(t)表示t時刻企業(yè)u的凈資產(chǎn)損失率，下面式(11)～式(14)刻畫了系統(tǒng)性風(fēng)險反饋機制

(11)

(12)

(13)

(14)

根據(jù)上述模型可以得到銀行系統(tǒng)的系統(tǒng)性風(fēng)險DRbank、實體經(jīng)濟系統(tǒng)性風(fēng)險DRfirm以及整個經(jīng)濟系統(tǒng)的系統(tǒng)性風(fēng)險DR，分別如下所示

(15)

(16)

(17)

其中χi(i∈B)表示銀行i的資產(chǎn)規(guī)模占所有銀行資產(chǎn)總規(guī)模的比例，χu(u∈F)表示企業(yè)u的資產(chǎn)規(guī)模占所有企業(yè)資產(chǎn)總規(guī)模的比例；vi(i∈B)表示銀行i的資產(chǎn)規(guī)模在所有銀行與企業(yè)資產(chǎn)規(guī)模總和中的比例，vu(u∈F)表示企業(yè)u的資產(chǎn)規(guī)模在所有銀行與企業(yè)資產(chǎn)規(guī)?？偤椭械谋壤?

目前學(xué)者們提出了不同的系統(tǒng)性風(fēng)險度量方法，主要包括網(wǎng)絡(luò)分析方法、條件風(fēng)險價值法和期望損失法.其中網(wǎng)絡(luò)分析方法，主要分析在金融機構(gòu)倒閉情境下造成的風(fēng)險傳染，而此往往會造成低估系統(tǒng)性風(fēng)險；條件風(fēng)險價值法和期望損失法主要是基于股票市場數(shù)據(jù)進行分析，由于我國上市金融機構(gòu)數(shù)量不多，此類方法不能反映出我國金融系統(tǒng)實際情況.而本研究提出的具有4個狀態(tài)的系統(tǒng)性風(fēng)險反饋效應(yīng)度量方法，主要基于經(jīng)濟主體信貸數(shù)據(jù)，同時可以分析經(jīng)濟主體出現(xiàn)困境和倒閉兩種情形下的風(fēng)險傳染，可以有效地解決網(wǎng)絡(luò)分析方法、條件風(fēng)險價值法和期望損失法的不足.同時本研究的方法相比Battiston等[29]提出的DebtRank模型和Silva等[28, 30]基于差分DebtRank模型的系統(tǒng)性風(fēng)險反饋效應(yīng)測度方法優(yōu)勢在于以下兩個方面：1)Battiston等的DebtRank模型中只有3個風(fēng)險狀態(tài)，本研究將其擴展到4個風(fēng)險狀態(tài)；Battiston等的DebtRank模型中，只有處于困境狀態(tài)的經(jīng)濟主體才進行風(fēng)險傳染，并且在傳染一次風(fēng)險后就變?yōu)椴换钴S狀態(tài)，此顯然造成對系統(tǒng)性風(fēng)險低估，而本研究的方法有效的避免了此低估問題.2)在Silva等模型中，銀行或者企業(yè)只要受到風(fēng)險沖擊就會進行風(fēng)險傳染，導(dǎo)致初始很小的風(fēng)險沖擊也可能會引起整個系統(tǒng)的違約級聯(lián)效應(yīng).因此，該方法會高估系統(tǒng)性風(fēng)險.相比Silva等的模型，本研究將資本緩沖作用納入模型構(gòu)建中，可以有效地解決風(fēng)險高估問題.

3 數(shù)據(jù)與結(jié)果

3.1 樣本數(shù)據(jù)

本研究的系統(tǒng)性風(fēng)險反饋效應(yīng)涉及到銀行同業(yè)拆借和銀企信貸兩類數(shù)據(jù)，數(shù)據(jù)來源于國泰安CSMAR系列數(shù)據(jù)庫.為了最大程度的使樣本具有代表性，同時保持樣本的一致性，本研究選擇銀行樣本跨度為2013年～2017年.2013年～2017年的銀行樣本數(shù)量均在200家以上，并且包括我國所有的國有商業(yè)銀行、股份制商業(yè)銀行以及主要的城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行，而2013年之前銀行樣本數(shù)量均小于200家.2018年和2019年銀行樣本數(shù)量分別為236家和36家，但2018年銀行樣本與2013年～2017年銀行樣本具有較大差異，在2013年～2017年共有的209家銀行中有105家銀行不包含在2018年銀行樣本中.由于較大的樣本差異性和較少樣本數(shù)量，2018年和2019年銀行樣本被舍棄.因此，本研究選擇2013年～2017年的銀行樣本作為研究對象.銀行同業(yè)拆借總規(guī)模來源于銀行資產(chǎn)負(fù)債表.其中，同業(yè)資產(chǎn)包括存放同業(yè)和其他金融機構(gòu)款項、拆出資金買入返售金融資產(chǎn)，同業(yè)負(fù)債包括同業(yè)和其他金融機構(gòu)存放款項、拆入資金、賣出回購金融資產(chǎn)款項.剔除同業(yè)資產(chǎn)和同業(yè)負(fù)債為零的銀行，然后根據(jù)所有者權(quán)益、信用等級、總資產(chǎn)和負(fù)債合計等項目數(shù)據(jù)可獲得性的篩選，共得到209家銀行的有效數(shù)據(jù).

根據(jù)2013年～2017年所有銀行和上市企業(yè)貸款數(shù)據(jù)，剔除無效數(shù)據(jù)(無具體銀行名稱、無貸款金額等)，得到42 162條銀企信貸數(shù)據(jù)，包含2 155家企業(yè).由于原始數(shù)據(jù)中銀行名稱不規(guī)范，需要人工處理成統(tǒng)一名稱，最后根據(jù)企業(yè)總資產(chǎn)、資產(chǎn)負(fù)債率、所有者權(quán)益和負(fù)債合計等項目數(shù)據(jù)可獲得性的篩選，共得到1 901家企業(yè).為了保證所獲得數(shù)據(jù)能最大程度的反映我國銀行和企業(yè)信貸關(guān)系，只要2013年～2017年中有一年該企業(yè)與銀行存在貸款數(shù)據(jù)，該企業(yè)就被保留.在構(gòu)建不同年份銀企信貸矩陣時，企業(yè)按照行業(yè)進行排序，銀行分別按照類型和資產(chǎn)規(guī)模排序，不存在信貸關(guān)系的矩陣對應(yīng)單元均設(shè)置為0.根據(jù)我國行業(yè)分類標(biāo)準(zhǔn)，將1 901家企業(yè)劃分為11個行業(yè)大類，分別為：采礦業(yè)，電力、熱力生產(chǎn)和供應(yīng)業(yè)，房地產(chǎn)業(yè)，建筑業(yè)，交通運輸、倉儲和郵政業(yè)，居民服務(wù)、修理和其他服務(wù)業(yè)，農(nóng)林牧漁業(yè)，批發(fā)和零售業(yè)，水利、環(huán)境和公共設(shè)施管理業(yè)，制造業(yè)和其他行業(yè).其中，衛(wèi)生業(yè)、住宿和餐飲業(yè)、文化、體育和娛樂業(yè)由于企業(yè)數(shù)量過少，統(tǒng)一歸到其他行業(yè)中.

模型中涉及到的銀行信用評級水平數(shù)據(jù)來源于我國四大資信評級機構(gòu)：大公國際信用評級有限公司，國衡信國際信用評級中心有限公司，中誠信國際信用評級有限公司和聯(lián)合資信評估有限公司.根據(jù)信用評級的10個等級: AAA、AA+、AA、AA-、A+、A、A-、BBB+、BBB、BBB-，對最低等級到最高等級分別賦值為1到10.銀行風(fēng)險傳染狀態(tài)轉(zhuǎn)移概率參數(shù)設(shè)置為α=β=0.05,φi=10-Ri，其中Ri為銀行i信用評級對應(yīng)的賦值.而企業(yè)風(fēng)險傳染狀態(tài)轉(zhuǎn)移概率參數(shù)設(shè)置為δ=γ=0.1；銀行同業(yè)拆借網(wǎng)絡(luò)密度C=0.15.

3.2 結(jié)果分析

3.2.1 實體經(jīng)濟對銀行系統(tǒng)性風(fēng)險的貢獻

以往對系統(tǒng)性風(fēng)險研究主要聚焦于銀行系統(tǒng)，而且忽視了實體經(jīng)濟在系統(tǒng)性風(fēng)險中的作用.針對此，本節(jié)分析實體經(jīng)濟對銀行系統(tǒng)性風(fēng)險的影響.為此，在上述銀企風(fēng)險反饋DebtRank模型中分兩種情況進行分析，一種是不考慮銀企風(fēng)險傳染效應(yīng)，另一種考慮此種效應(yīng).由于資產(chǎn)規(guī)模大的銀行在銀行同業(yè)拆借以及銀企信貸中處于更重要的地位，而且已有研究顯示規(guī)模大的銀行造成的系統(tǒng)性風(fēng)險效應(yīng)更大[33].因此，本研究考慮銀行規(guī)模差異分析實體經(jīng)濟對銀行系統(tǒng)性風(fēng)險的影響.我國銀行可以分為國有商業(yè)銀行、股份制商業(yè)銀行、城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行5類，其中國有商業(yè)銀行和股份制商業(yè)銀行的規(guī)模較大，在整個銀行系統(tǒng)中處于核心位置并能夠?qū)φ麄€銀行系統(tǒng)產(chǎn)生較大影響；而城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行數(shù)量比例較大，但規(guī)模相對較小，一般處于銀行系統(tǒng)邊緣位置，這些銀行的風(fēng)險沖擊對整個銀行系統(tǒng)不會產(chǎn)生重大影響.基于此，本研究將銀行分為大規(guī)模銀行和小規(guī)模銀行兩類，其中大規(guī)模銀行包括國有商業(yè)銀行和股份制商業(yè)銀行，小規(guī)模銀行包括城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行.

將每家銀行違約作為初始沖擊，進而計算DRbank平均值度量銀行系統(tǒng)性風(fēng)險.2013年～2017年實體經(jīng)濟對銀行系統(tǒng)性風(fēng)險影響結(jié)果如圖2所示，其中圖2(a)和圖2(b)分別是沒有考慮實體經(jīng)濟和考慮實體經(jīng)濟兩種條件下的結(jié)果.從圖2中可以看出，無論是否考慮實體經(jīng)濟，大規(guī)模銀行所造成的系統(tǒng)性風(fēng)險都要遠遠大于小規(guī)模銀行的.由圖2(a)和圖2(b)比較可知，當(dāng)考慮銀企風(fēng)險傳染渠道時，銀行系統(tǒng)性風(fēng)險顯著大于只考慮銀行風(fēng)險傳染渠道的系統(tǒng)性風(fēng)險；并且大規(guī)模銀行的增加程度遠大于小規(guī)模銀行.與小規(guī)模銀行相比，大規(guī)模銀行往往與更多的企業(yè)有信貸聯(lián)系，當(dāng)大規(guī)模銀行受到風(fēng)險沖擊將風(fēng)險傳染給企業(yè)時，企業(yè)通過信貸渠道傳染給其他有關(guān)聯(lián)的銀行，進而將風(fēng)險反饋給銀行系統(tǒng)，放大了風(fēng)險傳染范圍和沖擊程度.而小規(guī)模銀行由于連接的企業(yè)數(shù)量通常較少，就大大降低了銀企間的風(fēng)險反饋效應(yīng).此外，在圖2(a)中系統(tǒng)性風(fēng)險最高的年份為2013年，而在圖2(b)中最高的年份為2014年.這意味著銀企風(fēng)險傳染在銀行系統(tǒng)性風(fēng)險中占有重要地位，忽視他可能會錯誤估計銀行系統(tǒng)性風(fēng)險.其中，對于大規(guī)模銀行而言，2013年～2017年低估銀行系統(tǒng)性風(fēng)險的比例分別為4.73%、21.38%、35.64%、57.54%和78.68%；而小規(guī)模銀行2013年～2017年低估的比例分別為6.61%、31.84%、72.48%、25.75%和19.78%.不同年份的銀行系統(tǒng)性風(fēng)險變化趨勢也反映出我國銀行系統(tǒng)性風(fēng)險在2014年之后逐漸降低.這體現(xiàn)了我國對金融行業(yè)監(jiān)管力度的加強和金融供給側(cè)結(jié)構(gòu)性改革有效地降低了銀行系統(tǒng)性風(fēng)險.

圖2 實體經(jīng)濟對銀行系統(tǒng)性風(fēng)險的影響

從圖2可知，銀行系統(tǒng)性風(fēng)險DR值在2014年之后逐漸變小，這意味著實體經(jīng)濟對銀行系統(tǒng)性風(fēng)險的影響從2014年開始呈現(xiàn)下降趨勢.這其中可能的原因在于2016年前后國家層面防范系統(tǒng)性金融風(fēng)險背景下的“去杠桿”政策的作用結(jié)果，如2016年10月國務(wù)院印發(fā)《關(guān)于積極穩(wěn)妥降低企業(yè)杠桿率的意見》等.在去杠桿率政策下，銀行貸款在企業(yè)部門債務(wù)中的占比呈現(xiàn)下降趨勢，進而使得實體經(jīng)濟對銀行系統(tǒng)性風(fēng)險的影響在降低.

3.2.2 不同行業(yè)對銀行系統(tǒng)性風(fēng)險影響差異

2018年4月2日中央財經(jīng)委員會召開第一次會議，首次提出“結(jié)構(gòu)性去杠桿”，為“打好防范化解金融風(fēng)險攻堅戰(zhàn)”劃定基本思路.同時指出，要以結(jié)構(gòu)性去杠桿為基本思路，分部門、分債務(wù)類型提出不同要求.本研究進一步分析不同行業(yè)對銀行系統(tǒng)性風(fēng)險影響，對“結(jié)構(gòu)性去杠桿”具有重要意義.本節(jié)通過設(shè)置不同行業(yè)所有企業(yè)在均遭受相當(dāng)于其核心資產(chǎn)不同比例的損失作為初始條件，分析不同行業(yè)對銀行系統(tǒng)性風(fēng)險影響.由圖1實體經(jīng)濟與金融系統(tǒng)間反饋效應(yīng)可知，實體經(jīng)濟遭受沖擊，可通過信貸關(guān)聯(lián)導(dǎo)致金融系統(tǒng)的信貸資產(chǎn)損失，亦可引發(fā)金融資產(chǎn)價格波動導(dǎo)致金融市場風(fēng)險，進而造成金融系統(tǒng)遭受風(fēng)險，甚至引發(fā)金融系統(tǒng)內(nèi)部風(fēng)險傳染.表1揭示了實體經(jīng)濟中實體企業(yè)遭受沖擊通過信貸關(guān)聯(lián)引發(fā)的銀行系統(tǒng)性風(fēng)險效應(yīng).

表1顯示了不同行業(yè)在遭受核心資產(chǎn)比例為0.15和0.40的沖擊條件下，不同行業(yè)引發(fā)的銀行系統(tǒng)性風(fēng)險.從表1可以看出，在兩種沖擊程度下，2013年～2017年中對銀行系統(tǒng)性風(fēng)險影響最大的均是制造業(yè)，并且會引起整個銀行系統(tǒng)的崩潰.主要的原因在于制造行業(yè)的企業(yè)數(shù)量占較大比例，同時總貸款基數(shù)較大，并且大部分企業(yè)都屬于中小規(guī)模企業(yè)，更容易受到外部風(fēng)險沖擊的影響.因此，在較小沖擊條件下，就有可能對銀行系統(tǒng)造成較大的風(fēng)險損失.當(dāng)沖擊程度增大到0.40時，2013年～2017年居民服務(wù)、修理和其他服務(wù)業(yè)對銀行系統(tǒng)影響也非常大，其亦可引發(fā)整個銀行系統(tǒng)的崩潰.而此主要原因在于，居民服務(wù)、修理和其他服務(wù)行業(yè)的企業(yè)抗風(fēng)險沖擊能力強，但行業(yè)銀行信貸規(guī)模較大.只有在遭受較大程度沖擊時，才會通過較大規(guī)模銀行信貸對銀行系統(tǒng)產(chǎn)生顯著影響.而對于房地產(chǎn)業(yè)，在沖擊程度為0.40時，只有2013年～2015年間會造成銀行系統(tǒng)崩潰.這意味著，房地產(chǎn)業(yè)在遭受較小沖擊是不會對銀行系統(tǒng)造成極大影響.而隨著2016年國家房地產(chǎn)調(diào)控政策實施以來，房地產(chǎn)行業(yè)在遭受相對較大程度沖擊時，其對銀行系統(tǒng)的影響也是很有限的.

表1 不同行業(yè)引發(fā)的銀行系統(tǒng)性風(fēng)險效應(yīng)

3.2.3 銀行系統(tǒng)對實體經(jīng)濟系統(tǒng)性風(fēng)險的貢獻

圖3 銀行系統(tǒng)對實體經(jīng)濟系統(tǒng)性風(fēng)險的影響

本研究進一步分析不同類型銀行造成的實體經(jīng)濟系統(tǒng)性風(fēng)險的差異.表2顯示了不同類型銀行在遭受核心資產(chǎn)比例為0.15和0.40的沖擊條件下，引發(fā)的實體經(jīng)濟系統(tǒng)性風(fēng)險效應(yīng).從表2可以看出在兩種沖擊程度下，國有商業(yè)銀行和股份制商業(yè)銀行對實體經(jīng)濟造成的風(fēng)險效應(yīng)均顯著高于城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行.雖然國有商業(yè)銀行和股份制商業(yè)銀行數(shù)量較少，但對企業(yè)貸款總和占所有銀行對企業(yè)貸款總和的比例超過80%.因此，這兩類銀行受到風(fēng)險沖擊后對實體經(jīng)濟的影響要顯著高于其他3類銀行.

表2 不同類型銀行引發(fā)的實體經(jīng)濟系統(tǒng)性風(fēng)險效應(yīng)

3.2.4 實體經(jīng)濟和銀行系統(tǒng)對系統(tǒng)性風(fēng)險的貢獻

本節(jié)分析實體經(jīng)濟和銀行系統(tǒng)對整個經(jīng)濟系統(tǒng)的系統(tǒng)性風(fēng)險的貢獻程度.首先分析單個銀行或企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險DR之間的差異，圖4便是2017年銀行和企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險DR結(jié)果，其中圖4(a)和圖4(b)分別是銀行和企業(yè)的對應(yīng)的結(jié)果.從圖4可知，銀行和企業(yè)的引發(fā)的系統(tǒng)性風(fēng)險分布很相似，絕大部分銀行和企業(yè)引發(fā)的整個經(jīng)濟系統(tǒng)的系統(tǒng)性風(fēng)險很小，只有極少部分銀行和企業(yè)能夠?qū)φ麄€經(jīng)濟系統(tǒng)產(chǎn)生較大影響，并且銀行違約對整個經(jīng)濟系統(tǒng)的影響大于企業(yè).這意味著與單個企業(yè)違約相比，單個銀行的違約能夠?qū)φ麄€經(jīng)濟系統(tǒng)產(chǎn)生較大的風(fēng)險沖擊.進一步根據(jù)計算的DR值對所有銀行與企業(yè)比較分析可知，在銀行系統(tǒng)中引發(fā)較大系統(tǒng)性風(fēng)險的少數(shù)銀行主要集中在五大國有商業(yè)銀行和部分股份制商業(yè)銀行(興業(yè)銀行、招商銀行、浦發(fā)銀行、中國民生銀行和中信銀行)，其他類型單個銀行的違約幾乎不會對整個經(jīng)濟系統(tǒng)產(chǎn)生顯著影響.國有商業(yè)銀行和部分股份制商業(yè)銀行由于在整個經(jīng)濟系統(tǒng)中占有較大規(guī)模的信貸比例和信貸關(guān)系，這些銀行的違約能夠影響到大部分的銀行和企業(yè)，進而能夠?qū)φ麄€經(jīng)濟系統(tǒng)產(chǎn)生重大影響.而在所有企業(yè)中，引發(fā)較高系統(tǒng)性風(fēng)險的企業(yè)主要集中在房地產(chǎn)業(yè)、居民服務(wù)、修理和其他服務(wù)業(yè)以及制造業(yè).

圖4 銀行與企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險

上述分析了單個銀行或企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險效應(yīng)，本節(jié)進一步分析整個實體經(jīng)濟和銀行系統(tǒng)對整個經(jīng)濟系統(tǒng)的系統(tǒng)性風(fēng)險貢獻程度.其中，實體經(jīng)濟對經(jīng)濟系統(tǒng)的系統(tǒng)性風(fēng)險貢獻程度是指所有單個企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險總效應(yīng)占所有單個銀行和企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險總效應(yīng)之比.顯然，銀行系統(tǒng)對經(jīng)濟系統(tǒng)的系統(tǒng)性風(fēng)險貢獻程度是指所有單個銀行違約引發(fā)的系統(tǒng)性風(fēng)險總效應(yīng)占所有單個銀行和企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險總效應(yīng)之比.圖5顯示了2013年～2017年銀行系統(tǒng)與實體經(jīng)濟的系統(tǒng)性風(fēng)險貢獻程度.從圖5中可以看出，2013年和2015年實體經(jīng)濟的系統(tǒng)性風(fēng)險的貢獻程度超過了銀行系統(tǒng)，這更加說明了本研究在分析系統(tǒng)性風(fēng)險時不能忽視實體經(jīng)濟的風(fēng)險反饋作用.在2016年和2017年，實體經(jīng)濟的系統(tǒng)性風(fēng)險貢獻程度顯著在降低，這也體現(xiàn)了我國在防范金融風(fēng)險的政策起到顯著作用.

圖5 系統(tǒng)性風(fēng)險貢獻程度

3.2.5 系統(tǒng)性風(fēng)險的影響因素

為了更有針對性的應(yīng)對系統(tǒng)性風(fēng)險，需要了解能夠?qū)ο到y(tǒng)性風(fēng)險產(chǎn)生影響的因素.相關(guān)研究表明銀行和企業(yè)規(guī)模會對系統(tǒng)性風(fēng)險產(chǎn)生重要影響，銀行和企業(yè)資產(chǎn)規(guī)模越大，其違約對經(jīng)濟系統(tǒng)的沖擊越大[35, 36]；Shim[37]認(rèn)為銀行投資多元化和市場集中度的是影響金融穩(wěn)定的重要因素.此外，杠桿倍數(shù)、資產(chǎn)負(fù)債率、權(quán)益負(fù)債比等因素也會對銀行系統(tǒng)性風(fēng)險產(chǎn)生影響[1, 38-40].基于上述研究，本研究通過2013年～2017年的面板數(shù)據(jù)研究銀行引發(fā)的系統(tǒng)性風(fēng)險與銀行資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率、杠桿倍數(shù)、權(quán)益負(fù)債比、信貸總額和信貸集中度的關(guān)系，以及企業(yè)引發(fā)系統(tǒng)性風(fēng)險與企業(yè)資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率、杠桿倍數(shù)、權(quán)益負(fù)債比、融資總額和融資集中度的關(guān)系.通過Herfindhal指數(shù)計算銀行信貸集中度和企業(yè)融資集中度.對銀行規(guī)模、企業(yè)規(guī)模、信貸總額和融資總額作取對數(shù)處理，并分別對銀行和企業(yè)建立如下面板數(shù)據(jù)回歸模型

year+εit

(18)

year+εit

(19)

對模型主要變量的描述性統(tǒng)計結(jié)果如表3和表4所示，可知：企業(yè)的平均規(guī)模要大于銀行，但銀行引發(fā)的系統(tǒng)性風(fēng)險效應(yīng)平均值和標(biāo)準(zhǔn)差均大于企業(yè)；銀行的平均杠桿倍數(shù)和資產(chǎn)負(fù)債率均高于企業(yè)，銀行的平均權(quán)益負(fù)債比遠低于企業(yè).權(quán)益負(fù)債比作為衡量企業(yè)償債能力的重要指標(biāo)，權(quán)益負(fù)債比越高，銀行或者企業(yè)抵御風(fēng)險的能力越強，這也反映了銀行業(yè)處于較高的風(fēng)險水平.此外，企業(yè)的融資總額和融資集中度分別與銀行的貸款總額和貸款集中度相近.

表3 銀行相關(guān)變量描述性統(tǒng)計

表4 企業(yè)相關(guān)變量描述性統(tǒng)計

表5和表6結(jié)果顯示，資產(chǎn)規(guī)模、信貸總額、融資總額、杠桿倍數(shù)和資產(chǎn)負(fù)債率與系統(tǒng)性風(fēng)險具有顯著正相關(guān)關(guān)系.全球金融穩(wěn)定委員會將資產(chǎn)規(guī)模作為識別系統(tǒng)重要性金融機構(gòu)指標(biāo)之一，這顯然意味著資產(chǎn)規(guī)模越大的銀行或企業(yè)往往處于重要的地位，其違約會對整個經(jīng)濟系統(tǒng)產(chǎn)生較大沖擊，引發(fā)較高的系統(tǒng)性風(fēng)險.而信貸總額越大的銀行和融資總額越大企業(yè)，他們在整個風(fēng)險傳染渠道中是關(guān)鍵性節(jié)點，其違約往往會擴大風(fēng)險傳染效應(yīng)，進而引發(fā)更大程度的系統(tǒng)性風(fēng)險.杠桿倍數(shù)和資產(chǎn)負(fù)債率是衡量銀行和企業(yè)風(fēng)險水平和償債能力的重要指標(biāo)，杠桿倍數(shù)和資產(chǎn)負(fù)債率越大，銀行和企業(yè)的債務(wù)水平越高，其違約對其他銀行和企業(yè)造成的風(fēng)險沖擊越大，這也符合實際情況.權(quán)益負(fù)債比與系統(tǒng)性風(fēng)險呈顯著負(fù)相關(guān)關(guān)系，這主要因為權(quán)益負(fù)債比越高，表示銀行和企業(yè)的核心資本比例越高，抵御風(fēng)險沖擊的能力越強，降低了對其他銀行和企業(yè)的風(fēng)險傳染影響.

表5 銀行引發(fā)的系統(tǒng)性風(fēng)險影響因素

表6 企業(yè)引發(fā)的系統(tǒng)性風(fēng)險影響因素

從表5可以看出，銀行引發(fā)的系統(tǒng)性風(fēng)險隨著銀行信貸集中度增加而變小.這是因為大規(guī)模銀行一般會持有更多元化的信貸組合，并且大部分企業(yè)和銀行都具有信貸關(guān)系.因此，大規(guī)模銀行的信貸集中度相對較小，但信貸規(guī)模要比中小規(guī)模銀行大的多，導(dǎo)致大規(guī)模銀行的違約能夠?qū)Υ蟛糠制髽I(yè)和銀行產(chǎn)生風(fēng)險沖擊，引發(fā)較大的系統(tǒng)性風(fēng)險.而中小規(guī)模銀行信貸對象相對單一，相對大規(guī)模銀行來說，信貸集中度較高，但信貸規(guī)模相對較小.小規(guī)模銀行的違約所造成的風(fēng)險沖擊就要小的多.此結(jié)果說明信貸組合的多元化并不一定會降低系統(tǒng)性風(fēng)險，要同時考慮信貸規(guī)模和網(wǎng)絡(luò)效應(yīng).

表6顯示企業(yè)引發(fā)的系統(tǒng)性風(fēng)險隨著企業(yè)融資集中度的增加而增加.這主要在于：當(dāng)企業(yè)從多家銀行貸款時，由于資本緩沖的存在，該企業(yè)的違約對銀行造成的風(fēng)險損失被銀行自身所吸收，阻止了風(fēng)險的進一步擴散.但當(dāng)貸款集中于1家或少數(shù)幾家銀行時，該企業(yè)違約對銀行造成的風(fēng)險損失就可能超過銀行的資本緩沖閾值，進而引起風(fēng)險的級聯(lián)效應(yīng)，放大了風(fēng)險的傳染效應(yīng).這也說明降低企業(yè)的融資集中度在一定程度上能夠化解企業(yè)的違約風(fēng)險，從而降低其對經(jīng)濟系統(tǒng)的風(fēng)險沖擊.

此外，對銀行控制年份固定效應(yīng)和類型固定效應(yīng)以及對企業(yè)控制年份固定效應(yīng)和行業(yè)固定效應(yīng)，回歸結(jié)果依然穩(wěn)健.當(dāng)解釋變量和誤差項之間存在相關(guān)性時，可能會出現(xiàn)內(nèi)生性問題.測量誤差、自變量和因變量之間的相互因果關(guān)系和遺漏變量等因素均會引起變量間的內(nèi)生性問題.為了進一步對回歸結(jié)果的穩(wěn)健性進行檢驗，本研究通過使用滯后一期的解釋變量作為工具變量來排除潛在的內(nèi)生性問題.回歸結(jié)果見表7和表8，可以看到滯后一期回歸結(jié)果與原始結(jié)果基本一致.

表7 滯后一期條件下銀行引發(fā)的系統(tǒng)性風(fēng)險影響因素

表8 滯后一期條件下企業(yè)引發(fā)的系統(tǒng)性風(fēng)險影響因素

4 結(jié)束語

在我國社會經(jīng)濟發(fā)展過程中，金融系統(tǒng)與實體經(jīng)濟間具有高度的債務(wù)關(guān)聯(lián)性.此關(guān)聯(lián)性在促進社會經(jīng)濟發(fā)展的同時，為系統(tǒng)性風(fēng)險形成提供了風(fēng)險傳染渠道，使得系統(tǒng)性風(fēng)險在金融系統(tǒng)與實體經(jīng)濟間具有反饋效應(yīng).而現(xiàn)有對我國系統(tǒng)性風(fēng)險研究往往聚焦于金融系統(tǒng)，忽視了其與實體經(jīng)濟之間風(fēng)險反饋效應(yīng).針對此，本研究提出了一種新的DebtRank模型，用于度量具有風(fēng)險反饋的系統(tǒng)性風(fēng)險.基于我國2013年～2017年銀行與實體企業(yè)相關(guān)數(shù)據(jù)，對我國系統(tǒng)性風(fēng)險的反饋效應(yīng)與影響因素進行實證研究，得到如下主要結(jié)論.

1)我國銀行系統(tǒng)性風(fēng)險主要來源規(guī)模大的銀行，大規(guī)模銀行的系統(tǒng)性風(fēng)險顯著大于小規(guī)模銀行的系統(tǒng)性風(fēng)險.這也在此印證銀行“太大而不能倒”問題.而忽視實體經(jīng)濟在銀行系統(tǒng)性風(fēng)險的作用，將會造成低估銀行系統(tǒng)性風(fēng)險.其中，在2017年時造成大規(guī)模銀行的系統(tǒng)性風(fēng)險低估超過70%.

2)我國實體經(jīng)濟不同行業(yè)對銀行系統(tǒng)性風(fēng)險的影響具有顯著差異性.在所有行業(yè)中，制造業(yè)對銀行系統(tǒng)性風(fēng)險影響最大，該行業(yè)遭受沖擊很可能通過風(fēng)險反饋機制造成銀行系統(tǒng)崩潰；當(dāng)行業(yè)遭受較大程度沖擊時候，居民服務(wù)、修理和其他服務(wù)業(yè)以及房地產(chǎn)業(yè)亦會對銀行系統(tǒng)產(chǎn)生較大影響，甚至?xí)?dǎo)致銀行系統(tǒng)崩潰.但隨著我國房地產(chǎn)調(diào)控政策的實施，房地產(chǎn)行業(yè)對銀行系統(tǒng)的影響顯著降低.

3)我國銀行系統(tǒng)對實體經(jīng)濟系統(tǒng)性風(fēng)險具有顯著影響，而且不同類型銀行的影響具有顯著差異性.其中，國有商業(yè)銀行和股份制商業(yè)銀行對實體經(jīng)濟造成的風(fēng)險效應(yīng)最為顯著，而且他們造成的影響均顯著高于城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行.

4)絕大部分銀行和企業(yè)引發(fā)的整個經(jīng)濟系統(tǒng)的系統(tǒng)性風(fēng)險很小，只有極少部分銀行和企業(yè)能夠?qū)φ麄€經(jīng)濟系統(tǒng)產(chǎn)生較大影響，并且銀行違約對整個經(jīng)濟系統(tǒng)的影響大于企業(yè)違約的影響.在銀行系統(tǒng)中引發(fā)較大系統(tǒng)性風(fēng)險的少數(shù)銀行主要集中在5大國有商業(yè)銀行和部分股份制商業(yè)銀行.而在所有企業(yè)中，引發(fā)較高系統(tǒng)性風(fēng)險的企業(yè)主要集中在房地產(chǎn)業(yè)、居民服務(wù)、修理和其他服務(wù)業(yè)以及制造業(yè).銀行系統(tǒng)對整個經(jīng)濟系統(tǒng)的系統(tǒng)性風(fēng)險貢獻程度隨著時間在變化，不一定就比實體經(jīng)濟的高.

5)系統(tǒng)性風(fēng)險影響因素分析結(jié)果顯示：銀行與企業(yè)的資產(chǎn)規(guī)模、杠桿倍數(shù)和資產(chǎn)負(fù)債率，以及銀行信貸總額和企業(yè)融資總額均與系統(tǒng)性風(fēng)險具有顯著正相關(guān)關(guān)系；銀行與企業(yè)的權(quán)益負(fù)債比與系統(tǒng)性風(fēng)險具有顯著負(fù)相關(guān)關(guān)系；銀行信貸集中度對銀行違約引發(fā)的系統(tǒng)性風(fēng)險具有負(fù)向影響，而企業(yè)融資集中度對企業(yè)違約引發(fā)的系統(tǒng)性風(fēng)險有正向影響.

由上述結(jié)論可知，在防范系統(tǒng)性風(fēng)險發(fā)生過程中，不能僅從單一的銀行系統(tǒng)出發(fā)，應(yīng)同時考慮實體經(jīng)濟對銀行系統(tǒng)的影響.首先，重點關(guān)注在銀行系統(tǒng)中處于核心地位的大規(guī)模銀行，對大規(guī)模銀行增設(shè)附加資本，充分發(fā)揮大規(guī)模銀行“風(fēng)險屏障”的作用，這樣既降低了銀行系統(tǒng)性風(fēng)險發(fā)生的概率，又有利于發(fā)揮金融行業(yè)的資本效率，更有效的服務(wù)實體經(jīng)濟.其次，“結(jié)構(gòu)性去杠桿”應(yīng)從金融去杠桿向?qū)嶓w去杠桿轉(zhuǎn)變，不僅要降低系統(tǒng)重要性銀行的杠桿率，也要嚴(yán)格控制風(fēng)險較高行業(yè)的杠桿水平，如制造業(yè)和房地產(chǎn)業(yè)等，防止實體經(jīng)濟對金融行業(yè)的風(fēng)險反饋效應(yīng).最后，要充分發(fā)揮“貨幣政策和宏觀審慎政策雙支柱”相結(jié)合的監(jiān)管措施，應(yīng)重視金融系統(tǒng)和實體經(jīng)濟間的金融加速器效應(yīng).