系統(tǒng)性市場風(fēng)險度量指標(biāo)的測算與評價*

江 婕， 王正位

系統(tǒng)性市場風(fēng)險度量指標(biāo)的測算與評價*

江 婕， 王正位

對系統(tǒng)性市場風(fēng)險進行監(jiān)管的一大難點是選擇恰當(dāng)?shù)娘L(fēng)險度量工具。對基于股票市場數(shù)據(jù)的五種常用系統(tǒng)性市場風(fēng)險度量指標(biāo)(β系數(shù)、VaR、ES、CoVaR、MES)進行歸納和特性比較，并以中國上市金融機構(gòu)在2008年金融危機期間的市值損失表現(xiàn)為研究對象，檢驗這五種度量指標(biāo)對系統(tǒng)性資本化不足的風(fēng)險測度效果。結(jié)果表明：五種市場風(fēng)險度量指標(biāo)都有一定的解釋能力，但是CoVaR的解釋和測度效果最好，ES和VaR次之，β系數(shù)和MES最次。這一結(jié)論有助于對系統(tǒng)性市場風(fēng)險管理工具的選擇。

系統(tǒng)性市場風(fēng)險； 測度指標(biāo)； CoVaR

引 言

2008年席卷全球的金融危機爆發(fā)之后，加強宏觀審慎監(jiān)管已經(jīng)成為各國金融監(jiān)管改革的共同趨勢。宏觀審慎監(jiān)管的目標(biāo)是限制整個金融體系的系統(tǒng)性風(fēng)險，以避免金融體系風(fēng)險的溢出效應(yīng)，盡可能降低金融不穩(wěn)定所造成的宏觀經(jīng)濟損失。雖然對系統(tǒng)性風(fēng)險的監(jiān)測和防范一直是金融監(jiān)管存在的理論基石，但直到2010年底巴塞爾協(xié)議Ⅲ誕生之前，具體的監(jiān)管框架設(shè)計(例如巴塞爾協(xié)議Ⅰ和Ⅱ)一直主要關(guān)注微觀審慎監(jiān)管，即對單個金融機構(gòu)的信用風(fēng)險、市場風(fēng)險和操作風(fēng)險等進行分離監(jiān)管，隱含的邏輯是只要單個金融機構(gòu)是穩(wěn)健的，則整個金融系統(tǒng)就不會出現(xiàn)問題(Lehar, 2005; Brunnermeier et al., 2009)。實踐表明，這一監(jiān)管理念以及具體監(jiān)管框架是有缺陷的——盡管在正常市況下單個機構(gòu)的個體風(fēng)險得到了恰當(dāng)?shù)奶幹?，但是金融機構(gòu)之間的相互關(guān)聯(lián)性和共同的風(fēng)險暴露沒有得到足夠的重視甚至是完全脫離監(jiān)管的，所以系統(tǒng)性風(fēng)險仍然保留了下來，在某些情況下導(dǎo)致金融體系非常脆弱，很容易受到宏觀經(jīng)濟沖擊的侵害，甚至引起經(jīng)濟危機的爆發(fā)。

金融危機后，宏觀審慎監(jiān)管框架中新增了不少針對系統(tǒng)性風(fēng)險的監(jiān)控政策，例如最低監(jiān)管資本要求、流動性要求、系統(tǒng)重要性銀行的資本追加等措施。這些風(fēng)險監(jiān)控工具最終都要求落實在單個金融機構(gòu)層面，因此對單個金融機構(gòu)的系統(tǒng)性風(fēng)險的衡量顯得尤為重要。VaR方法一直是金融機構(gòu)的主流風(fēng)險測量方法，它能夠衡量金融機構(gòu)內(nèi)部不同種類資產(chǎn)的風(fēng)險大小，但作為風(fēng)險監(jiān)管工具是不足夠的。雖然VaR值測量法的弊端眾所周知，但是監(jiān)管部門仍一直沿用，這主要是因為大部分理論分析推導(dǎo)出來的風(fēng)險測量方法往往建立在完美市場一般均衡模型的基礎(chǔ)上，與真實的監(jiān)管環(huán)境(不完全市場、存在道德風(fēng)險和信息不對稱)有很大差距，導(dǎo)致理論構(gòu)建的測度方法與實際需要之間存在很大差距。近年來，金融理論的發(fā)展提出了一些新的關(guān)于單個金融機構(gòu)系統(tǒng)性風(fēng)險的度量方法，問題是，這些方法是否、以及在多大程度上能夠捕捉系統(tǒng)性風(fēng)險呢？

依據(jù)模型所使用的數(shù)據(jù)來源，系統(tǒng)性風(fēng)險度量方法可以概括為兩大類：一是基于會計資產(chǎn)負(fù)債表數(shù)據(jù)；二是基于金融市場數(shù)據(jù)，包括股票市場數(shù)據(jù)、債券和衍生品市場數(shù)據(jù)?；跁嬞Y產(chǎn)負(fù)債表數(shù)據(jù)的模型主要包括綜合指數(shù)法、早期預(yù)警技術(shù)和網(wǎng)絡(luò)模型法。這類模型的優(yōu)點是模型較為簡單、經(jīng)濟含義明顯，缺點是指標(biāo)選擇有一定的主觀性、對專家智慧的依賴程度較高，采用的歷史數(shù)據(jù)不具有前瞻性?；诮鹑谑袌鰯?shù)據(jù)的模型主要圍繞市場風(fēng)險和信用風(fēng)險展開。其中，基于債券和衍生品市場數(shù)據(jù)的模型主要通過對金融工具定價時隱含的違約概率逆向提取來預(yù)測市場風(fēng)險和信用風(fēng)險；基于股票市場數(shù)據(jù)的模型主要是在險價值(Value-at-Risk, VaR)方法及其各種變形(Gray & Jobst，2009；朱元倩和苗雨峰，2012；FSB, IMF & BIS，2009)。鑒于我國主要的金融機構(gòu)目前都已上市，市場流動性較好，數(shù)據(jù)即時可得，而債券和衍生品市場發(fā)展相對較為薄弱，因此，本文試圖通過對基于股票市場數(shù)據(jù)的系統(tǒng)性市場風(fēng)險度量指標(biāo)進行實證研究，分析這些指標(biāo)捕捉系統(tǒng)性風(fēng)險的能力，為監(jiān)管政策工具的選擇提供參考。

雖然系統(tǒng)性風(fēng)險度量指標(biāo)各有差異，但關(guān)于系統(tǒng)性風(fēng)險，有兩個被經(jīng)濟學(xué)家和監(jiān)管者普遍認(rèn)可的觀點：首先，對金融機構(gòu)進行監(jiān)管的主要理由是金融機構(gòu)的失敗會帶來負(fù)外部性，溢出到經(jīng)濟其他部門；其次，如果金融機構(gòu)的負(fù)外部性未能加以內(nèi)部化，則會通過杠桿以及金融業(yè)務(wù)和金融交易方面的羊群行為放大成為額外風(fēng)險(De Bandt & Hartmann，2000；Brunnermeier，2009)?；谝陨蟽牲c，對系統(tǒng)性風(fēng)險進行監(jiān)管的關(guān)鍵步驟是對負(fù)外部性的恰當(dāng)建模。在既有文獻中，例如羅榭與梯若爾(Rochet & Tirole，1996)，阿查里雅與尤如爾梅澤(Acharya & Yorulmazer，2007)，布蘭納梅爾與佩德森(Brunnermeier & Pedersen，2009)，阿查里雅等(Acharya et al.，2010)等，負(fù)外部性常常被假定為金融行業(yè)的總資本化不足(capital shortfall)。股票價格反映了市場對未來累計收益的預(yù)期。金融機構(gòu)的巨額市值損失，意味著市場認(rèn)識到金融機構(gòu)的資產(chǎn)由于種種原因(市場風(fēng)險、信用風(fēng)險、流動性風(fēng)險、操作風(fēng)險、法律風(fēng)險等)已經(jīng)或即將遭受巨大虧損，使得金融體系的職能(如資產(chǎn)評估、信貸配置、支付職能等)受到損害，從而給經(jīng)濟的其他部門帶來沖擊。這也是本文選擇以基于股票市場數(shù)據(jù)的系統(tǒng)性風(fēng)險度量指標(biāo)為主要研究對象的另一依據(jù)。

本文結(jié)構(gòu)安排如下：第一部分歸納基于股票市場數(shù)據(jù)的5種常用系統(tǒng)性市場風(fēng)險度量指標(biāo)，并對其經(jīng)濟學(xué)和統(tǒng)計學(xué)的特性進行了比較；第二部分對這5種風(fēng)險度量指標(biāo)的實證測算方法和樣本數(shù)據(jù)選擇進行說明；第三部分是實證結(jié)果，包括各指標(biāo)的估計結(jié)果及其對市值損失的風(fēng)險測算效果分析；第四部分是結(jié)論。

一、系統(tǒng)性市場風(fēng)險的度量指標(biāo)

(一)度量指標(biāo)概述

1.β系數(shù)

2.在險價值(Value-at-Risk)

在險價值(Value-at-Risk，簡稱VaR)方法自20世紀(jì)90年代早期提出后，在金融機構(gòu)得到了廣泛運用，已經(jīng)成為風(fēng)險管理的國際標(biāo)準(zhǔn)。

VaR的定義為“資產(chǎn)(組合)在一定的持有期(Holding Period)，一定的置信水平(Confidence Level)1-α下可能的最大損失”。在實踐中，α通常被設(shè)定為1%或5%。例如，如果α=5%，則VaR是在95%置信度下金融機構(gòu)面臨的最大損失。因此，VaR=-qα，其中qα是金融機構(gòu)收益率R的α分位數(shù)：

VaR方法有很多優(yōu)點，但也有其局限性。首先，VaR是一個非一致風(fēng)險測度，不滿足次可加性的要求。其次，對尾部風(fēng)險的估計不足，VaR無法反映處于分位點下方的尾部損失，而在危機爆發(fā)時，尾部損失才是關(guān)注的焦點。最后，VaR忽略了金融機構(gòu)之間的互相聯(lián)系和影響，無法捕捉金融機構(gòu)之間的風(fēng)險溢出效應(yīng)。針對這些缺陷和不足，學(xué)者們開發(fā)了一些VaR的變種，包括預(yù)期資本不足(Expected Shortfall，即ES)和條件風(fēng)險價值(Conditional Value at Risk, 即CoVaR)等。

3.預(yù)期資本不足(ES)

ES是基于極值理論的一種風(fēng)險度量工具，自1997年亞洲金融危機后逐漸成為人們關(guān)注的熱點。ES的定義是在正常市場條件和一定的置信水平下，給定時間段內(nèi)超出VaR值損失的條件期望值，即最糟的α概率下可能發(fā)生損失的均值。ES考察尾部損失的均值而非單一分位點。ES的模型如下：

阿特茲納等(Artzner et al.，1999)，阿瑟比、挪迪歐和西爾托里(Acerbi，Nordio & Sirtori，2001)，阿瑟比與塔什(Acerbi & Tasche,2002)，亞麥與尤芝(Yamai & Yoshiba,2005)等證明了在方法論上，ES優(yōu)于VaR，并且滿足連續(xù)函數(shù)條件下的次可加性，從而滿足風(fēng)險計量的一致性要求。Acharya等 (2010)指出，ES比VaR更穩(wěn)健，因為VaR不能捕捉極端(例如低于1%或5%分位數(shù))情形的負(fù)收益。ES和VaR結(jié)合在一起，現(xiàn)在已經(jīng)成為度量在發(fā)生極端情況時金融機構(gòu)所面臨風(fēng)險的標(biāo)準(zhǔn)工具。

4.條件風(fēng)險價值(CoVaR)

其中，1-α為置信水平。CoVaR本質(zhì)上是條件概率分布的分位數(shù)，代表了金融資產(chǎn)i對j的風(fēng)險溢出效應(yīng)，包含了無條件在險價值和溢出風(fēng)險價值。溢出風(fēng)險價值定義為CoVaR與無條件VaR的差值：

如果取i為金融市場的系統(tǒng)風(fēng)險，則衡量了單個機構(gòu)對整個系統(tǒng)風(fēng)險的貢獻程度。

5.邊際預(yù)期不足(Marginal Expected Shortfall,MES)

Acharya等(2010)在ES的基礎(chǔ)上提出了邊際預(yù)期不足(Marginal Expected Shortfall, MES)模型。對于一個包含n個機構(gòu)的組合，系統(tǒng)預(yù)期不足(Systemic Expected Shortfall, SES)被定義為：

其中，yi代表第i個機構(gòu)在組合中的權(quán)重，代表第i個機構(gòu)的收益率。

組合中第i個機構(gòu)對SES的貢獻程度被定義為MES：

Acharya等(2010)構(gòu)建了一個簡單的理論模型，證明如果監(jiān)管者基于SES對金融機構(gòu)征稅，將有助于降低金融機構(gòu)承擔(dān)風(fēng)險的動機，從而減少它們的違約引起的外部性。

(二)度量指標(biāo)的比較

從以上各風(fēng)險度量指標(biāo)的定義可以看出，5個變量都衡量的是市場風(fēng)險，但是從經(jīng)濟學(xué)和統(tǒng)計學(xué)的角度來看，其側(cè)重點是不一樣的。β衡量的是單個資產(chǎn)預(yù)期收益率和市場預(yù)期收益率之間的一致性，所側(cè)重的是預(yù)期收益率整體分布。但是，沒有理由假設(shè)個體資產(chǎn)和市場之間的相關(guān)度在整體分布都保持一致，尤其是在極端分布的時候。因此后面的幾種度量方法都拋棄了整體分布的一致性，轉(zhuǎn)而研究極端分布的情況。所不同的是：VaR強調(diào)的是極端分布的分位點，而ES則更進一步強調(diào)的是極端分布的均值。不過，盡管VaR和ES都指出了極端分布在風(fēng)險中的重要性，但二者畢竟基于單個資產(chǎn)的分布狀態(tài)，忽略了“系統(tǒng)性”的重要作用。因此CoVaR和MES從經(jīng)濟意義上來說又更進一步，在變量定義中重新引進了系統(tǒng)的重要性。

二、實證測度方法與樣本數(shù)據(jù)說明

(一)實證測度方法

在前部分的討論中，我們給出了系統(tǒng)性市場風(fēng)險度量指標(biāo)的理論定義，但是在實際操作過程中，無法觀測到資產(chǎn)的實際分布狀態(tài)。因此在實際操作中還需要借助一些技術(shù)手段進行測度。

1.β的測度

對β系數(shù)進行估計的基礎(chǔ)是CAPM模型，即ri=rf+β(rM-rf)。如果假設(shè)每個收益率的觀測是總體收益率分布的一次抽樣，那么就可以借助資產(chǎn)的日收益率對市場日收益率進行線性回歸：

2.VaR的測度

3.ES的測度

4.CoVaR的測度

CoVaR的測度方法有三種：基于極端事件的動態(tài)二階矩法、基于歷史收益率的bootstrapping模擬法和分位點回歸法。在國內(nèi)，葉五一等(2008)、高國華等(2011)、周天蕓等(2012)曾用不同方法對CoVaR進行估計。Adrian和Brunnermeier(2011)指出分位點回歸是計算CoVaR的特別有效的估計。因此本文使用分位點回歸(Quantile Regression)的方法來計算CoVaR，利用市場收益估計資產(chǎn)i的5%分位點回歸估計值可以表示如下：

5.MES的測度

(二)樣本數(shù)據(jù)說明

盡管自中國金融系統(tǒng)建立以來尚未爆發(fā)顯性的系統(tǒng)性金融機構(gòu)危機，但2008年的金融危機無疑為從市場表現(xiàn)度量各金融機構(gòu)系統(tǒng)性風(fēng)險提供了“自然實驗窗口”。也就是說，如果各種金融機構(gòu)系統(tǒng)性風(fēng)險測量指標(biāo)真的有警示功能，那么我們預(yù)期：從截面數(shù)據(jù)上來看，由指標(biāo)測算出的風(fēng)險越大的金融機構(gòu)，則其在金融危機期間的市值損失應(yīng)該更多。基于這種想法，我們就可以利用2008年的金融危機窗口評估各種風(fēng)險度量指標(biāo)的優(yōu)劣。

一般認(rèn)為，由美國次貸危機引發(fā)的金融危機在2008年6月開始傳導(dǎo)至中國，因此本文以2008年6月1日起之后的半年作為中國金融危機影響最深的時間段，并以此時間段計算各金融機構(gòu)的市值損失，視為實現(xiàn)的系統(tǒng)性預(yù)期資本化不足(Realized SES)。由于風(fēng)險度量指標(biāo)的測算需要使用提前半年的數(shù)據(jù)，因此，本文選擇的樣本為在2007年12月31日前已上市的金融機構(gòu)，共28家。其中，商業(yè)銀行14家，保險公司4家，證券和信托公司10家。表1列出了各金融機構(gòu)在此期間的市值損失。

表1 各金融機構(gòu)在2008年6月1日— 2008年11月30日期間的市值損失

三、實證結(jié)果

(一)度量指標(biāo)的估計和相關(guān)性分析

1.度量指標(biāo)的估計結(jié)果

利用前文所述的實證測度方法，本文對金融危機傳導(dǎo)至中國前半年的時間區(qū)間(即2007年12月1日—2008年5月31日)內(nèi)各系統(tǒng)性市場風(fēng)險度量指標(biāo)進行了測算。表2列出了這些指標(biāo)的計算結(jié)果。

表2 各金融機構(gòu)2007年12月1日— 2008年5月31日系統(tǒng)性風(fēng)險測度結(jié)果

注：為了直觀理解之便，VaR、ES、CoVaR、MES都采用了正數(shù)進行表述，因此按照定義，其數(shù)值越大表明其風(fēng)險越大，下同。

2.度量指標(biāo)的相關(guān)性

在測算完各金融機構(gòu)的風(fēng)險測度的基礎(chǔ)上，一個很自然的問題是表中的各種指標(biāo)之間的相關(guān)性如何，即：盡管各項指標(biāo)背后的經(jīng)濟原理不同，但它們同樣都度量了金融機構(gòu)的系統(tǒng)性風(fēng)險，如果不同的投資者(或監(jiān)管者)根據(jù)自身偏好選取了不同的指標(biāo)，那么它們之間會不會出現(xiàn)較大的背離？基于這一想法，我們首先檢驗了各變量之間的相關(guān)性系數(shù)(如表3所示)。由表3可以看到，MES和CoVaR之間的相關(guān)性最小，但相關(guān)系數(shù)也達到了0.49，且在1%的統(tǒng)計水平下顯著；VaR和ES之間的相關(guān)性更是高達0.97。這些統(tǒng)計數(shù)據(jù)說明我們選取的各種風(fēng)險測度的指標(biāo)之間并沒有出現(xiàn)較大的背離，也就是這些指標(biāo)盡管背后的原理有一定的差異，但從實際數(shù)據(jù)來看，它們之間還是呈現(xiàn)出了較大的一致性。

表3 各風(fēng)險測度指標(biāo)之間相關(guān)性系數(shù)表

注：上標(biāo)***表示在1%的水平下顯著。

(二)度量指標(biāo)的風(fēng)險測度效果比較

在前文基礎(chǔ)工作之后，我們就可以比較這5個指標(biāo)的風(fēng)險測度擬合效果。從圖1可以看到，5個指標(biāo)都和金融危機期間金融機構(gòu)的市值損失呈現(xiàn)出正向關(guān)系。說明這幾個指標(biāo)在不同程度上都有一定的風(fēng)險測度價值，尤其值得關(guān)注的是VaR、ES、CoVaR、MES 4個指標(biāo)。從圖中可以看到，由于變量的定義方式以及中國股票市場中的漲停板限制，VaR、ES、MES的極值都大致被鎖定在10%以內(nèi)，但是由于CoVaR的測度中采用了回歸方法進行估計，其極值可以超越10%，因此從這一點上來說，CoVaR比VaR、ES、MES有更多的信息。

圖1 各指標(biāo)與金融危機期間市值損失的散點圖

被解釋變量:各金融機構(gòu)在2008年6月1日—2008年11月30日期間的市值損失截距項0.342***(5.59)0.306***(5.61)0.221***(2.94)0.223***(3.58)0.316***(3.32)β0.116**(2.34)VaR2.459*(3.33)ES3.180*(3.51)CoVaR2.850*(4.24)MES2.404*(1.76)N2828282828R20.1740.2990.3220.4090.107Adj-R20.1420.2720.2960.3860.072

注：括號中為變量t值，上標(biāo)*、**、***、分別表示在10%、5%、1%的統(tǒng)計水平下顯著。

表4給出了各指標(biāo)和市值損失之間的回歸檢驗。從結(jié)果可以看到，5個回歸模型都至少在10%的統(tǒng)計水平下顯著*單變量回歸中，模型F值的顯著性和單變量t值的顯著性是一致的。。說明以往文獻所定義的5種市場風(fēng)險度量指標(biāo)對金融機構(gòu)的市場風(fēng)險都有一定的解釋能力，變量有其真正的經(jīng)濟含義。

從變量的解釋能力來看，5個指標(biāo)中，CoVaR的解釋能力最高，模型的R方達到40.9%。考慮到這僅僅是單變量回歸的結(jié)果，模型的R方很高表明CoVaR的確表現(xiàn)出了優(yōu)異的風(fēng)險測度擬合能力。該結(jié)果說明：盡管5個指標(biāo)都能衡量中國上市金融機構(gòu)的市場風(fēng)險，但是從“金融危機”這種極端風(fēng)險的角度來說，CoVaR還是具有更優(yōu)的風(fēng)險測度能力。

此外，風(fēng)險測度功能稍次的變量是ES和VaR。ES的解釋力度比VaR稍強，這也印證了ES比VaR更穩(wěn)健的觀點。因為VaR不能捕捉極端情形的負(fù)收益。

最后，β和MES的風(fēng)險測度力度稍差，其中MES的風(fēng)險測度能力最差，這一結(jié)果和Acharya等(2010)的結(jié)果大相徑庭。Acharya等(2011)指出，MES在系統(tǒng)性市場風(fēng)險的測度中具有更好的解釋能力，但是從本文的實證結(jié)果來看，該結(jié)果是最差的。究其原因，可能是我國的市場中存在漲跌停的限制，這種限制導(dǎo)致我們在測算MES的時候可能會存在偏差。

四、結(jié) 論

加強宏觀審慎監(jiān)管已經(jīng)成為各國金融監(jiān)管改革的共同趨勢，為避免金融體系風(fēng)險的溢出效應(yīng)給整體宏觀金融體系帶來的沖擊，對金融機構(gòu)的風(fēng)險監(jiān)測與識別則構(gòu)成了宏觀審慎監(jiān)管的重要內(nèi)容。以往的文獻已經(jīng)在金融機構(gòu)系統(tǒng)性風(fēng)險的度量上構(gòu)建了一系列指標(biāo)，但是尚未回答這些指標(biāo)孰優(yōu)孰劣的問題。

本文以2008年金融危機時期的中國上市金融機構(gòu)市值損失(負(fù)外部性的替代指標(biāo))為樣本，對基于股票市場數(shù)據(jù)的5種常用系統(tǒng)性市場風(fēng)險度量指標(biāo)進行了測算和效果比較。實證研究發(fā)現(xiàn)，CoVaR是最好的系統(tǒng)性市場風(fēng)險度量指標(biāo)，ES和VaR次之，β和MES最差。這一結(jié)果與基于各風(fēng)險度量指標(biāo)的經(jīng)濟含義和統(tǒng)計特性的預(yù)期效果基本符合。

本文的研究結(jié)果具有一定的政策意義與實踐價值。首先，對于監(jiān)管部門來說，本文的結(jié)果表明，使用CoVar對金融機構(gòu)進行風(fēng)險評估，有助于監(jiān)管部門更準(zhǔn)確地監(jiān)測單個金融機構(gòu)的系統(tǒng)性市場風(fēng)險，進而未雨綢繆。其次，本文的結(jié)果還有助于金融機構(gòu)進行內(nèi)部風(fēng)險管理。國內(nèi)的金融機構(gòu)在內(nèi)部風(fēng)險控制方面還遠(yuǎn)遠(yuǎn)落后于國際水平，其中一個重要的原因在于，很難找到一個合適的風(fēng)險度量指標(biāo)體系。本文的結(jié)果表明，CoVaR在金融機構(gòu)系統(tǒng)性風(fēng)險測度方面具有良好的解釋能力，應(yīng)當(dāng)被納入金融機構(gòu)內(nèi)部風(fēng)險控制的指標(biāo)體系當(dāng)中。第三，本文的結(jié)果對于普通投資者進行風(fēng)險評估與管理也有一定的參考價值，可以幫助投資者梳理自己所投資產(chǎn)品的系統(tǒng)性市場風(fēng)險。因此可以預(yù)期，在不久的將來，CoVaR有可能逐漸取代VaR成為新的、主流的風(fēng)險管理工具和監(jiān)管政策工具。

高國華,潘英麗. 銀行系統(tǒng)性風(fēng)險度量——基于動態(tài)CoVaR方法的分析.上海交通大學(xué)學(xué)報，2011,(12).

葉五一,繆柏其. 應(yīng)用門限分位點回歸模型估計條件VaR.系統(tǒng)工程學(xué)報，2008,(2).

周天蕓,周開國,黃亮. 機構(gòu)聚集、風(fēng)險傳染與香港銀行的系統(tǒng)性風(fēng)險. 國際金融研究，2012,(4).

朱元倩,苗雨峰. 關(guān)于系統(tǒng)性風(fēng)險度量和預(yù)警的模型綜述. 國際金融研究，2012,(1).

Acerbi C., Nordio C. & Sirtori C., Expected Shortfall as a Tool for Financial Risk Management. arXivpreprin tcond-mat/0102304. 2001.

Acerbi C. and Tasche D., Expected Shortfall：A Natural Coherent Alternative to Value-at-Risk.Economic Notes. 2002,(31):379—388.

Acharya V., Pedersen L., Philippon T., and Richardson M. Measuring Systemic Risk, working paper 1002, Federal Reserve Bank of Cleveland. 2010

Acharya V. V. and Yorulmazer T. Too Many to Fail——An Analysis of Time-inconsistency in Bank Closure Policies. Journal of Financial Intermediation, 2007,(16):1—31.

Adrian T. and Brunnermeier M. K. CoVaR. Working Paper, Federal Reserve Bank of New York. 2008.

Adrian T. and Brunnermeier M. K.CoVaR. Working Paper, Federal Reserve Bank of New York. 2011.

Artzner P., Delbaen F., Eber J.-M. and Heath D., Coherent Measures of Risk. Mathematical Finance. 1999,(9): 203—228.

Brunnermeier, Markus K. Deciphering the 2007—2008 Liquidity and Credit Crunch. Journal of Economic Perspectives. 2009,(1): 77—100.

Brunnermeier M., Crockett A., Goodhart C., Hellwig M., Persaud A. and Shin H. The fundamental principles of financial regulation. Geneva Reports on the World Economy 11 (Preliminary Conference Draft), 2009.

Brunnermeier M. and Pedersen L.H. Market Liquidity and Funding Liquidity. The Review of Financial Studies. 2009，(22): 2201—2238.

De Bandt, O. and Hartmann P.. Systemic Risk: A Survey. European Central Bank Working Paper No. 35. 2000.

FSB, IMF & BIS. Guidance to Assess the Systemic Importance of Financial Institutions, Markets and Instruments: Initial Consideration.2009.

Gray D. and Jobst A. Tail Dependence Measures of Systemic Risk Using Equity Options Data-Implications for Financial Stability. Forthcoming Working Paper, International Monetary Fund (IMF), Washington, D.C, 2009.

Lehar, Alfred. Measuring Systemic Risk: A Risk Management Approach. Journal of Banking & Finance. 2005,(29):2577—2603.

Markowitz H. Portfolio Selection. Journal of Finance, 1952,(7):77—91.

Rochet J.C. and Tirole J. Interbank Lending and Systemic Risk. Journal of Money, Credit and Banking, 1996 ，(28):733—762.

Sharpe W.F., Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk. Journal of Finance. 1964, (47):13—37.

Yamai, Y. and Yoshiba, T., Value-at-risk versus expected shortfall: A practical perspective. Journal of Banking and Finance, 2005,29, 997—1015.

附：金融機構(gòu)IPO日期表

數(shù)據(jù)來源：同花順iFinD

【責(zé)任編輯：許玉蘭；責(zé)任校對：許玉蘭，楊海文】

2015—04—20

中央高校基本科研業(yè)務(wù)費專項資金資助項目“外部沖擊與內(nèi)部傳染：我國金融系統(tǒng)性風(fēng)險研究”(2012WYB36)

江 婕，北京師范大學(xué)經(jīng)濟與工商管理學(xué)院講師(北京 100875); 王正位，清華大學(xué)五道口金融學(xué)院助理教授(北京100084)。

F831

A

1000-9639(2015)06-0187-09