第31卷第11期统计研究Vol. 31, 2014年11月Statistical Research Nov. 2014 机构关联、风险溢出与中国金融系统性风险周天芸杨子晖余洁宜-内容提要:本文基于现有研究文献，解析金融机构关联性与风险传染之间的机制，运用非对称CoVaR模型和分位数回归的方法，测度证券、银行、保险等机构的风险溢出水平，实证研究中国金融系统性风险的动态变化。结果表明，中国金融机构的风险溢出具有非对称的特征，负向冲击对金融系统的风险溢出要比遭受正向冲击时大，银行机构的风险贡献程度比其他机构小，证券部门的风险贡献值较大。关键词:关联性;风险溢出;系统性风险中图分类号:C812文献标识码:A文章编号:1002 -4565 (2014) 11 -0043 -07 Interconnectedness、RiskSpillovers and China’ s Financial Systemic Risk Zhou Tianyun Yang Zihui Yu Jieyi Abstract: The highly interconnected may stimulate risk spillovers of l nancial institutions and induce systemic risk. Based on relative research, this paper explains the mechanism of interconnectedness and risk contagion. Using data, the paper apply Co V aR and quantile regression to measure risk spillover of Chinese financial institutions, which includes hanking, securities and insurance sectors. The empirical results show that the risk spillovers of financial institutions are symmetric and the risk contrihution of banks is small while the risk contrihution of securities companies is relatively high. Key words: Interconnectedness; Risk Spillovers; Systemic Risk Rochet和Tirole( 1996 )将系统性风险定义为一点，在2008年金融危机之前，对系统性风险的研究家机构的倒闭通过金融交易扩散到与其相关的其他大多关注宏观经济变量对金融体系的影响，关注单机构[1]; Steven (2008)指出，金融体系之间的内在相一机构的风险水平。风险测量主要采用指标法。关性导致一家或者部分机构经营失败引起一连串机Illing等(2003)采用金融压力指数来测量系统性风构的经营失败，从而使金融系统或者市场崩溃的可险程度，并利用金融变量构建加拿大的金融系统性能性就是金融系统性风险[2]0 IMF、FSB，风险预警指标体系;Frankel等(1996)提出FR概率BIS (2009) 模型，建立Logistic模型预测金融危机发生的概认为，系统性风险是指金融体系部分或全部受到损率[3];Sachs等(1996)提出STV模型，将外汇储备的害导致大范围的金融服务中断，并给实体经济造成变动率作为危机指数，采用汇率的贬值程度、信贷增严重损害的风险。上述研究关注市场的冲击、机构长率和虚拟变量建立模型。同时，也有部分研究转之间的传染以及金融体系崩溃的可能性。根据系统向通过市场数据获取信息，测量市场风险的在险价性风险的定义，如果缺失中间的金融机构关联性及值(VaR) 0 Rockafellar等(2002)发现条件风险价值传染步骤，则不可能形成和爆发金融系统性风险。( CoVaR)比VaR更优，CoVaR可以衡量离散状态的因此，本文将基于机构的关联性及单个金融机构风险外溢的情况，研究中国的金融系统性风险。*本文获得教育部新世纪优秀人才支持计划项目"金融经济学、宏观经济学..(-0546)、中山大学港澳台研究中心以及港一、文献综述澳与内地合作发展协同创新中心课题"香港离岸人民币市场对人民金融系统性风险的测量一直是学界研究的重币国际化的影响研究"的资助。
.44. 统计研究2014年11月分布[4]; Alfred (2005)用极大似然法估算资产波动因素，认为银行的系统重要性不仅取决于其对实体率和收益率，利用资产价值的时间序列测算银行系经济的风险施加，而且取决于其与其他银行借出借统危机发生的概率。入所产生的风险[7]; KrÍtzman等(2004)提出用"吸次贷危机的爆发表明，金融机构之间的高度相收率度量系统性风险，AR高则说明风险来源单一，关正是系统性危机爆发的条件，低关联度情形中单系统性风险水平高，AR水平低则表示风险来源分一事件不可能在短期内造成广泛影响，也不会对金散，系统性风险水平低;Acharya等(2009)基于期望融系统甚至于实体经济造成严重创伤，而随着关联损失(ES)提出系统性期望损失(SES)和边际期望度的上升，影响逐步增加，甚至出现"太关联以致不损失(MES)0 MES可以衡量机构对系统性风险的能倒闭"现象。Rustam等(2011)发现2008年的次边际贡献，而SES表示当金融系统资本不足时，该贷危机呈现明显的外部性，而且次贷危机的系统性机构的资本不足倾向，这种倾向会随杠杆率、波动风险来自金融机构风险资产组合之间的相互关联性、关联性和尾部依赖的增加而增加。Brownlees等性;Gai等(2011)通过银行间的借贷网络模型，证明(2011 )和Acharya等(2012)结合MES模型和金融正是银行间市场的崩横导致2008年的系统流动性机构的负债和规模指标，拓展出系统性风险度量危机，而金融网络的复杂性则放大系统的脆弱性，系( SRISK)指标，并采用DCC-GARCH模型估计边际统性风险通过传染和资产关联两个途径得以放大;期望损失(MES) [8] ; Adian等(2011)构建CoVaR方Nijskens和Wagner(2011)利用信用违约掉期和抵押法，即在其他融机构处于危机或者高风险条件下的贷款证券交易的银行样本，测量个体银行风险和银VAR，以此衡量系统性风险，并将金融机构处于危机行系统性风险，发现银行通过信用风险转移降低自下和正常状况下的CoVaR值的差异作为该机构对身风险的同时却提高系统性风险。研究表明，金融系统性风险贡献度的度量[9]L6pez-Espinosa等机构之间的关联性与传染性成为次贷危机的显著特(2012)则考虑个体银行与系统之间的非线性尾部点，也成为金融系统性风险研究的主流方向。联动，提出非对称CoVaR方法[叫;L6pez-Espinosa等在有关机构之间关联性的研究中，Billo等(2013 )运用CoVaR方法测量大型国际银行的系统(2012)采用主成分分析方法和格兰杰因果网络研性风险，发现机构关联对系统性风险具有正向的显究美国金融市场，也发现相关性呈现增加趋势[5]著影响，而规模、杠杆率等则对系统性风险影响Faith (2012)使用主成分分析方法，发现金融行业内不大。部和金融行业之间的关联度呈现上升趋势，且金融国内学者也越来越关注金融机构关联度与金融机构回报的相关程度能够解释这种关联度;Bhar和系统性风险的问题，范小云等(2011)利用边际期望Ni kolova ( 2009 )运用随时间变化的风险价格方法，损失(MES)和杠杆率，测度中国金融机构在美国次利用卡尔曼滤波测试机构之间的关联性，发现法国、贷危机期间以及危机前后的边际风险贡献程度[ll] 德国、英国和美国的金融机构存在短期相关性，而德赵进文等(2012)通过DCC-GARCH模型计算边际国和美国的金融机构之间存在长期相关性。期望损失(MES)，测算我国银行业的系统性风险;基于市场数据的关联性系统性风险度量方法发高国华等(2011)利用CoVaR模型对我国上市银行展迅速，Huang等(2009)运用CDS市场数据，构建的系统性风险进行测量，发现单个银行对于系统性了困境保费(DIP)指标衡量系统性风险[6];E111ang风险的贡献度与谧出风险CoVaR有关;周天芸等等(2011)用困境保费指标对亚太地区的22家金融(2012)根据VaR和CoVaR模型的回归，测量不同机构进行研究，分析金融危机对该地区的溢出效应，银行对共同冲击的反应以及金融机构的风险溢出效应响。测量单一金融机构对系统性风险的溢出，发现系统风险的增加来自风险厌恶的增长和流动性的挤出，上述基于关联性的系统性风险测量方法各有优而风险溢出取决于机构规模;Tarashev等(2010)通劣，但目前对中国系统性风险研究的文献总体上较过"贡献法(CA)"将系统姓风险分配到各个金融机少，缺少采用非对称CoVaR测量中国金融系统性风构;Drehman和Tarashev(2011)采用"广义贡献法"险的研究，故本文尝试基于机构关联度和风险溢出(GCA)进行风险分摊，并充分考虑银行之间的网络测度和分析中国金融系统性风险。
.45 . 第31卷第11期周天芸等:机构关联、风险溢出与中国金融系统性风险相关的一系列可观察的信息，X"s的条件分位方程二、中国金融系统性风险的实证检验用Qx，)71!1,) =j(X"..Z，;(}(7))表示;其中j(.) 本文基于现有研究，采用中国金融市场的数据，是可以估计的函数形式，(}(7)是取决于T的未知系应用非对称CoVaR模型和分位数回归的方法，实证数的向量，Adrian和Brunnermeier(2011 )建立如下检验中国的金融系统性风险。线性函数形式:{一)非对称CoVaR模型。( 7 I !1,) Z’ 1 (}M ( 7) + (),( T) X"i (3 ) Adria和Brunnermeier( 2011 )提出条件在险价上述函数中，Z'_1是对条件均值和方差具有预值(CoVaR)，基于机构之间的关联性建立CoVaR模测力的一系列变量的向量'(}i(r)手O是系统风险溢型，利用其研究个体机构资产价值下降，导致危机传出系数，测量在控制其他效应后，的条件分布在播而带来的与金融系统尾部价值变化的联功效应。第T分位时的平均反应。金融系统的CoVaR;1 i (7)可设X"S和X"川t以根据回归得到的系数估计值，利用下式进行预测。= 1，…，T，分别是整个金融系统和个体金融机构的收益率。在某一确定的概率水平CoVαR;li( 7) = z’ I(}M(7) + (}i(7)VaR~" (4) 7E(0，1)，资产组合第百分之7X 100的VaR值(用因此，机构i的边际风险贡献程度如下:hRfs来表示)，定义为存在一个隐含的水平值z，使áCoVaR~li(7) = CoVaR~li(7，7) -CoVaR~li(7，) 得1minR : Pr( 运z)去71，其中代表资产组ZE = (}i ( T) [ Va R ~.， -Vα，R~5.，J (5) 合的收益率。当T是一个很小的概率时，z是收益率现实中，个体金融机构所带来的影响并非正负分布左端的损失价值，所以这时的VaR可以看成是程度相当，Beber和Brandt(2010)的研究发现，在不第T分位时的价值损失，也即是1-7的置信区间的同类型的新闻冲击和不同商业周期阶段中，金融机最大价值损失。构的资产回报呈非对称性，在扩张阶段遭受负面新金融系统与金融机构之间的条件在险价值闻冲击时影响最大。基于此，López-Espinosa等( CoVaR)表示当金融机构i在特定置信水平下，或(2012)提出非对称CoVaR模型，在非对称CoVaR处于极端损失水平时，金融系统的风险水平，用SIi模型中，个体金融机构与金融系统之间的尾部联动CoVaR( 7 I T勺表示，即X，.iVaR~..，时，金融系是非线性的，即金融机构价值变动相同程度的正向统收益率第T分位时的价值损失，即:冲击和负向冲击对金融系统的影响并不相同OmipPr(XZJS三zI X"ι= Vα，R卜")二~7(1) 假设不存在金融系统与金融机构间的相互依对于某一下行风险的一个小概率值(如7颇，金融系统的回报率可以用下述线性方程估) ，设定扩7，个体金融机构对整个金融系统计得到O风险的边际贡献值.1CoVaR~1i ( 7) ，定义为在某一段X，.Sα+ M’,"Y +风η"η，-iid ( 0 , 1 ) ( 6 ) 时间内，在特定置信水平T下，金融机构i出现最大其中M，是对期望回报有预测力的变量，ηt是服损失这种极值事件与处于正常经营水平下对金融系从独立同分布的独立项，σz刻画波动过程。为解决统的CoVaR之差。非线性尾部联动的问题，本文定义X;ιX"J(X，.i<O)、áCoVα，R~Ii(T) CoVα，R~li (7，7)甲CoVaR~li(7，0，5)x:z=XJ(XtAO)，I(·)是一个指示函数，符合括号中(2) 的内容说明时取值为1，否则取值为0。据此，式6当X"i= Vα，R:s时，第T分位时的价值损失可扩展为:与= Vα，R~.5.，时的价值的差异，本文以X"S =α。+αlD，+M'，γ+δ1，ιx;ι+δ;总+σsη，(7) CoVaR;li(7)表示CoVaR;li仆，7)。其中，事实上，个体金融机构Vα尺"的真实动态变化σσ，(X".) +σ'.S (8) 不可观测，一般通过样本估计求CoVaR值，即将σ，(X".)σ0.; +σ1λ~.i +σ2，txz\(9) CoVaR;1 i ( 7)的函数形式用个体金融机构回报率的σ，.SσS + N’,g (10) 函数来表示。上式中，N，是对条件波动有预测力的变量，δLi设集合0，= (Z气，X')，是与金融系统收益率是一个下行的类似于β的系数，估测当个体金融机
.46. 统计研究2014年11月Ii构的回报下降时，个体金融机构与金融系统组合之´CoVaR:Ii(T) = CoVaR:Ii(T,T) -CoY4αR:( T ,0,5) 间的联合波动程度;δ估测当个体机构回报上升= 8-(T) (Y4αR~~， -VaR~-5..) +δ+ (T)(VaR~:， -VaR~-5.，) 时，个体机构与金融系统之间的联动。如果(δ1川(13 ) δ2‘)' > 0，单一金融机构资产的变动会非线性地影只要8-""δ二成立，这种方法测算的风险贡献值响到金融系统，使X"S的条件均值与X...同向变动。就会比用式(5)测算的结果更加精确。上述的非对称CoVaR模型还能通过波动性捕(二}分位数回归方法捉非线性的系统性联动，由式(8)可知，系统性的被本研究的系数估计采用分位数回归，利用解释动由个体金融机构的波动溢出矶(X...)和受到市场变量的多个分位数得到被解释变量的条件分布相应驱动的自主性成分σ..s构成，其中与市场相关的σ..s的分位数方程，测量解释变量对被解释变量在特定由一系列状态变量尺来预测，σ，(X"J受到回报的分位的影响，提供数据不同层次、不同区间的信息，正向与负向所影响。D，是一个虚拟变量，区分是否是对古典最小二乘回归方法的拓展。使用分位数回是受金融危机影响的时期，在金融危机深度影响时归，可以更精确地测量金融机构在下行市场、在极端期，取值为1，否则为0。则式(7)-(10)可改写成值处的联动效应。如下形式:分位数回归通过使加权绝对误差之和最小化来QX,)T I 0.) =α(T) +αID， + M’,y + N’,g( T) 得到参数估计，具体地，如果(y:!:三q.)= T，则说明y+δ(T)X'~i +δ+ (T )X;飞(11) 的T分位值是q.，用集合表示为，对于F(y)= prob( Y 其中，α(T)=α。+[σ， +σO，iJ F;I (T I 0,), :::;; y)，可得q.= infly:F(y) ;;::: Tf (0 < T < 1)。在回δ-(T) = 8,i +σl，iF;ICT‘I 0，)，δ+ (T) 1归模型yi=αri + X’i 1’ +μn中，被解释变量yi的第T:7"’. δ+σ2，.F;'(TI O，)，g~T) = gF;l(TI 0，)，而条件分位回归中，参数的估计是通过对在回归线上方Fjl(T l Oe)是ηt在条件。s下第T分位的值。的点赋予权重T，在回归线下方的点赋予权重1-T, 如果δl，i> 0，σl，i <ι那么一个X"i的负向冲然后求误差绝对值的加权之和，使得其最小化，求解击会使得X"S的值下降，同时使条件波动上升。下式(14)可获得α、β的参数估计值。Ff<Tl t)在概率分布的左尾部T处时，其值一般卢引叫ztT|yz-州-α1+豆(1为负数，所以在这种情况下与损失相关的CoVaR系-T) 1只-z:ι-α1](14) 数δ-(T)是正的，也就是说，X..的一个贸向冲击不i{三}变量及其统计特征仅会使个体金融机构的VaR值上升，而且会使金融对于式(11)非对称CoVaR模型中的变量选取，系统的条件V/J，R值更大幅度地上升。本文参考Adrian和Brunnermeier( 2011 )、L6pez式(11)中，Q性X ,.S (T I 0，)虽然是X..的非线iEspinosa等(2012)的研究，选取对回报率条件分布形式，但式(11)中的参数是线性的，这些参数可通的尾部波动具有良好预测的变量。过线性分位数回归方程的估计得到，根据非对称和一蜡状一态一变一量一的一变蝉一甜CoVaR模型，得到CoVaR的拟合值为:CoVaR:Ii(T) = (’r) + D, + M'丘+N'，g(T)1沪深300指数的回报率，代表宏观经济市场的回报率变dJs300 动情况+ 8-(T) Vα，豆T，t+δ+ (T) Va R ~:， (1 2) 7天银行同业拆解利率，表示金融机构问同业市场的违Shibor 约风险与流动性回归系数δ-(T)是金融机构的风险溢出系数，3个月国债收益率的增长率，代表债券市场的景气程度hsm，e皿1表示金融机构i处于极端损失水平时对金融系统的O~-O-I变化10年期国债与3个月国债的收益率之差，反应金融市潜在风险溢出，δ-(T)系数越大，金融机构i的损失liquidity 场的流动性大小处于极端值时，整个金融系统的CoVaR越大，系统国房景气指数，研究表明房地产行业对整个金融市场housing 具有重大影响性风险增加越多，所以8-(T)系最大的机构是系统沪深3∞指数回报率的增长变动率的绝对值，反应市场v_hs3oo 重要性金融机构。而金融机构i对金融系统的实际回报率的波动水平边际风险贡献程度为:
.47 . 第31卷第11期周天芸等:机构关联、凤险溢出与中国金融系统性凤险对于预测金融系统波动变化的市场状态变量{四)实证结果及其解释尺，本文选取股市回报的波动率，即沪深300指数回运用非对称CoVaR模型研究个体金融机构对报率的变化率的绝对值;预测金融市场的状态变量金融系统的风险溢出，本文首先采用分位数回归研究非对称尾部联动情况，对每个金融机构均采用式M，选取银行间同业拆解利率Shibor，3个月国债收(11 )进行回归。应用Statall软件进行回归分析益率的变动、10年期与3个月国债收益率之差、国时，设定极端损失情况时概率T=，即对收益分房景气指数、沪深300指数的回报率;对于金融危机布的左端尾部1%分位进行研究。影响的虚拟变量矶，在2008年9月至2009年3月保险机构的分位数回归结果显示，X'~i系数都期间取1，其余时间段取值为0，原因是美国次贷危显著为正，说明个体保险机构的负向极端收益波动机引起的金融危机在2008年8月恶化后，对世界及对整体金融系统收益变动的影响是显著的，保险机中国的经济金融造成严重影响，但2009年4月，由构收益的下降会导致金融体系收益下降。然而X'~i于中国政府的政策措施，中国各种经济金融指标开的系数值并不显著，即保险机构获得收益并不会明始回升，金融危机影响趋于减弱。显带动金融体系收益的提高，这可能由于保险机构在非对称CoVaR回归模型中，X'-i和X，.s分别收益来源于保费增加、投资资产收益提高等因素，与表示个体金融机构和金融机构组合的收益率，考虑其他机构收益来源不完全一致。同时，Wald检验的到中国金融系统的机构组成以及数据的可得性，本结果说明XJ:a系数与XJ二系数显著不相等，印证了前文选择包括商业银行、保险、证券在内的25家金融面的假设，即个体金融机构的负向冲击与正向冲击机构的样本，数据区间为2008年1月至2013年1对金融体系的影响程度是不同的。月，用其上市A股的回报率代替收益率，时间频度~保险机构中，虽然太平洋保险公司的资产规模为每日;而金融系统回报率采用式(15)计算，即通在三家保险机构中最小，但其对金融系统性风险的过个体金融机构回报率并根据资产规模加权求和溢出较夫71主可能源于太平洋保险公司的投资组合获得。更加分散，与其他金融机构之间的往来更加紧密，关X，.s平幸(15) 联程度更高，所以风险溢出会更大。证券机构非对称CoVaR模型的实证结果显示，式(15)的分子中，在金融机构组合的构建时，X'~i系数均为正，除宏源证券、海通证券的X'~i系数将机构i排除在外，这样可以避免组合所导致的金之外，其余证券机构的X二s系数都显著，说明如果证融系统回报率与个体金融机构回报率自身的相关券机构的个体收益率为负值，则整个金融系统的收性，更加准确地估计该机构与金融系统的尾部联动益率也会下降。但分位数回归结果显示X'~i的系数情况。显著为负，说明证券机构股价的上升使整个金融体本研究除国房景气指数来自凤凰财经网站，其系的收益下降，证券机构价值的上升会导致金融系他数据均来自于WIND数据库。金融机构收益率数统性风险的上升。这可能是由于中国的金融市场发据的均值都在0左右波动，最小值、最大值偏离均值展尚不完善，股市利好时，证券公司由于佣金收入、的程度相差不大，说明本文选取的时间，包括正、负特别是受到市场预期的推动而价格大涨，股价的过收益期都具有较好的代表性。同时，金融机掏收益度上涨是风险的隐患，泡沫一且破裂则会损害金融率并不服从正态分布，偏度系数大于0，收益率的分经济，因此，证券公司回报率的过度上升可能导致金布右偏，峰度系数全部大于正态分布下的3，即分布融系统风险的上升。的尾部比正态分布的尾部厚，具有尖峰、厚尾特征，银行机构非对称CoVaR模型的结果显示，除宁说明投资者对市场信息的处理不完全是线性的，信波银行外，其余银行的X二‘和X'~i系数均显著为正，息并没有立即体现在股价变动上，信息积累会使收与预期一致，说明随着个体银行回报率的升(降), 益率的变动更大。数据特性表明，使用最小二乘回金融系统的回报率也升(降)，金融系统风险水平与归会导致系数估计出现偏误，本研究更适合采用分银行的风险同步变化。由于银行规模大，在金融系位数回归。统中地位重要，与其他金融机构的联系会更加繁杂
.48. 统计研究2014年11月密切，机构之间相互持有头寸，持有共同的资产，直来频繁，关联程度高，股价的下跌、资产的减值对整接风险敞口和间接风险敞口都会较大，银行风险变个金融体系资产收益的变动具有更显著影响;证券化会很快传导到其他机构中，引起其他机构的风险公司的汇ι系数值总体较小，表明证券机构的潜在变动，从而影响金融系统性风险。回归结果中X二ι风险溢出能力较小，但值得注意的是，证券机构回报系数明显比x:ι系数大，银行遭受负向冲击与遭受率的上升并没有增加金融体系的资产价值，同时还正向冲击相比，对金融系统的风险溢出大。提高金融体系的风险。上述三类机构的分位数回归结果中，虚拟变量同时，本文根据非对称CoVaR模型的式(13), D，均显著为负，说明金融危机这种外部冲击对金融采用风险贡献值..1CoVaR测算各个金融机构对金融体系的收益率有较大影响;沪深300指数回报率的系统性风险的边际风险贡献，结果如表2。表2金融机构的凤险贡献值.;1CoVaR系数，除南京银行的非对称CoVaR模型分位数回归结果外，其他全部显著为正，说明金融体系的回报率.1CoVaR .1CoVaR .1CoVaR 中国平安保险 宏源证券-1. 6900 平安银行 与市场回报率同方向变化，金融系统风险水平受到中国太平洋保险 东北证券 宁波银行 宏观经济景气程度的影响;640毛的Shibor回归结果中国人寿保险 国元证券 浦发银行 显著为负，说明银行间同业拆解利率的上升，银行间长江证券 华夏银行 中信证券 民生银行 流动性的趋紧，资金成本的提高，会使得整个金融体国金证券 招商银行 系的收益率下降;Change_gz指标，即国债收益率曲海通证券 南京银行。.0126线的斜率变化，除其中的一个回归结果，其余均为负太平祥证券 兴业银行 数，但并不显著;529岛的Liquidity回归结果显著为北京银行1. 1711 交通银行 负，当国债收益率的长短期利差变大时，反映货币政中国工商银行 策趋于收紧，宏观经济进入通货紧缩的阶段，金融体中国建设银行 系的收益率也随之下降;v_hs300指标的回归结果中国银行 中信银行-2. 1081 有正有负，表明市场收益率波动对金融体系的影响不明确;国房景气指数Housing有6个结果显著为与风险溢出系数δ(7)的结果不同，虽然证券负，即占比249毛的国房景气指数Housing回归结果机构8-(7)的估计值普遍较小，但总体上对金融体显著为负，总体上体现房地产景气程度的上升带来系的风险贡献值..1Co VaR较大;而商业银行虽然风金融体系收益率的下降，房地产业进入繁荣期之后，险溢出系数相对较大;但是风险贡献值..1Co VaR却各种贷款、投资增加，资产开始膨胀，金融资源投向相对较小。房地产业，具有高度的一致性与相关性，金融体系的银行机构在中国金融体系占据重要地位，其资风险也随之增加，但影响效果不明显。产价值的波动变化相对较小，对系统性风险的贡献三类机构回归结果的Wald检验Ho:lr并矿，较小，特别是资产规模巨大的国有股份制商业银行，有84%的结果在显著性水平下可以拒绝原假设。拥有国家信用支持，风险状况比较稳定，不会给金融个体金融机构的正向冲击和负向冲击对金融体系的系统带来很大的风险。但如果银行股价大幅度下影响不一致，负向冲击比正向冲击的影响更加剧烈。跌，导致银行的资产价值损失巨大，则可能通过风险由于模型设计能够捕捉到非线性的尾部联动，溢出系数，给整个金融体系带来毁灭性的影响。股对金融机构风险溢出有更好的估测效果。根据实证份制商业银行中，风险溢出贡献较大的前三个机构结果，金融机构的下行风险溢出系数，即Xt~i的系是兴业银行、平安银行、华夏银行。一方面，股份制数，最大的三个金融机构依次为中国工商银行商业银行为加强竞争力，会通过与其他机构的贷款(1. 055 )、中国建设银行(O. 940 )和中国银行转让、资产买卖、证券投资等各方面增加自身的收入()，系数最小的三个金融机构是海通证券来源，而这在使自身资产多样化的同时，也增强与系()、宏源证券()和东北证券()。统中其他机构的联系，导致机构自身价值变动会影国有股份制商业银行的资产雄厚，在金融市场中占响到其他机构的收益变动;另一方面，相对于国有股据主导地位，中间收入水平高，与其他机构的业务往份制银行稳股份制商业银行稳健程度可能较低，运
.49. 第31卷第11期周天芸等:机构关联、风险溢出与中国金融系统性风险作过程中资产价值波动较大，所以实际风险贡献值参考文献[ 1 ] Rochet J-C, J. Tiro!e. Interbank Lending and Systemic [J]. 较高。Jouma! of Money,Credit and Banking, 1996(28),733 -62. 证券公司的风险溢出系数较小，但由于其自身[ 2 ] Steven L. Schwarcz. Systemic risk. American Law & Economics 的价值波动剧烈，导致整体的系统性风险贡献度普Association Annual Meetings[ C] ,2008. 遍较高。[ 3 ] Frankel, J. A., A. K. Rose. Curreney Crashes in Emerging Markets: An Empirical Treatment [ J ]. Joumal of Intemational 保险机构的实际风险贡献度也较高，保险机构Economies, 1996 ( 41) :351 -366. 通过资产技资，将保费资金分散投资，导致与其他金[ 4 ] Rockafellar, R. T., U叮酣肝，S.. Conditional value-at-risk for 融机构之间的联系紧密。一旦保费资金管理不善，general loss distributions [ J]. Joumal of Banking & Finance, 2002 风险水平上升或价值损失，则投资资金可能被抽回、(26) : 1443 -1471. 中断或资产被抛售等，进而影响其他资产的价值，导[5 ] Billio, M., Getmansky, M., Lo ,A. W., et al. Econometric measures of connectedness and systemic risk in the finance and 致整个金融体系的价值损失。保险机构的股价披动insurance sectors [ J]. Jouma! of Financial Economics, 2012 ( 104) : 比较高，自身受冲击影响的反应程度更强烈，抗冲击535 -559 能力弱，所以对金融体系的边际风险贡献值也较银[6]Huang,X., Zhou, H., Zhu, H. A framework for assessing the 行机构更高。systemic risk of m句or晶nancialinstitutions. Joumal of Banking & Finance[Jl. 2009(33) :2036 -2049. 三、结论[ 7 ] Drehmann M. , Tarashev N. Measuring the Systemic Importance of Interconnected Banks, BIS W orking Papers, 2011 本文分析了金融机构之间的关联性及其传染机[ 8 ] Acharya V. , R. Engle, M. Richardson‘Cap阳IShortfall: A Ne w 制，采用银行、证券、保险部门2008年到2013年的Approach to Ranking and Regulating Systemic Risks [ J]. American 数据，考虑到金融机构与金融系统之间的非线性尾Economic Review, 20 12 ( 3 ) : 59町64部联动，运用非对称CoVaR模型，测量了1%分位上[9 ] Adrian, T., Brunnermeier, M. K., COVAR, Working Paper, 的系统性联动程度，捕捉金融机构在极端损失水平Princelon University and Federal Reserve Bank of New York ,2011. [10] L 6pez-Espinosa. G., Moreno A., Rubia A. et al,. Short-term 下对整个金融体系的风险溢出水平，并根据分位数wholesale funding and systemic risk: A global Co VaR approach 回归结果测算了个体金融机构的边际风险贡献程度[J]. Joumal of Banking & Finance,2012(36) :3150 -3162 .1CoVaR，得到以下结论:[11 J范小云，王道平，方意.我国金融机构的系统性风险贡献测度与1.非对称CoVaR模型的分位数回归结果表明，监管一一基于边际风险贡献与杠杆率的研究[J].南开经济研中国工商银行、中国建设银行、中国银行三大国有股究，2011 ( 4) :3 -20. [12J周天芸，周开圈，黄亮.机构集聚、风险传染与香港银行的系统份制商业银行的负向极端价值变动对金融系统风险性风险[J].国际金融研究，2012(4):77-87. 的潜在影响巨大。[ 13] Erlend Ni肘，Jing Yang, Tanju Yoru!mazer, et al. Network models 2.证券机构资产价值波动剧烈，风险的贡献值and financial stahility [ J J. Joumal of Economic Dynamics & 普遍较高:保险公司次之，而商业银行虽然风险溢出Control ,2007 (31 ) :2033 -2060. 系数大，但实质风险贡献程度较低;中国的银行体系作者简介相对稳健，盘有给金融体系带来巨大的风险溢出。周天芸，女，1966年生，浙江宁波人，2003年毕业于中山3.总体上，金融机构受到负向冲击比正向冲击大学世界经济专业，获经济学博士学位，现为中山大学国际对金融体系的风险溢出大，金融体系对负向冲击更，商学院教授、副院长。研究方向为金融机构管理。为敏感。杨子晖，男，1979年生，广东揭阳人，2007年毕业于中山本文结论的政策意义在于，监管部门应关注银大学岭南学院，获经济学博士学位，现为中山大学岭南学院行业，特别是大型国有股份制商业银行，防止其经营副教授。研究方向为金融经济学、宏观经济学。风险或遭受外部冲击时给金融体系带来的风险溢余洁宜，女，1989年生，广东潮州人，2013年毕止于中山出;对于证券机构等潜在风险溢出系数小，但实际给大学国际商学院金融学专业，获经济学硕士学位。研究方向金融体系带来很大风险的机构，应该加强监管，提高为金融机构管理。其资产质量，以确保其能控制风险、稳健运膏。(责任编辑:曹麦)
