系統(tǒng)性風(fēng)險(xiǎn)、網(wǎng)絡(luò)傳染與金融機(jī)構(gòu)系統(tǒng)重要性評(píng)估

鄧向榮 曹 紅

一、引言

2008年金融危機(jī)促使全球金融監(jiān)管理念發(fā)生了從注重單個(gè)金融機(jī)構(gòu)風(fēng)險(xiǎn)的微觀審慎監(jiān)管向強(qiáng)調(diào)系統(tǒng)性風(fēng)險(xiǎn)的宏觀審慎監(jiān)管的重大變革。系統(tǒng)性風(fēng)險(xiǎn)是指由金融系統(tǒng)部分或全部受損引起，并有可能對(duì)實(shí)體經(jīng)濟(jì)造成嚴(yán)重負(fù)面影響的金融服務(wù)崩潰的風(fēng)險(xiǎn)（IMF等，2009［1］），其核心在于風(fēng)險(xiǎn)的傳染性和外溢效應(yīng)。系統(tǒng)重要性金融機(jī)構(gòu)（SIFIs）作為系統(tǒng)性風(fēng)險(xiǎn)的重要來源，其倒閉會(huì)對(duì)整個(gè)經(jīng)濟(jì)帶來嚴(yán)重影響，對(duì)其準(zhǔn)確識(shí)別與重點(diǎn)監(jiān)管成為當(dāng)今國(guó)際金融組織及各國(guó)金融當(dāng)局的高度共識(shí)。目前各金融監(jiān)管當(dāng)局對(duì)系統(tǒng)重要性金融機(jī)構(gòu)的評(píng)估呈現(xiàn)如下特征：第一，偏重于銀行類金融機(jī)構(gòu)在系統(tǒng)性風(fēng)險(xiǎn)中的重要性，如巴塞爾委員會(huì)曾兩次修訂了系統(tǒng)重要性銀行機(jī)構(gòu)的評(píng)估標(biāo)準(zhǔn)；第二，規(guī)模特征成為評(píng)估系統(tǒng)重要性金融機(jī)構(gòu)的主要依據(jù)，如巴塞爾委員會(huì)系用以規(guī)模為首的五大類特征構(gòu)建評(píng)估指標(biāo)體系；第三，基于系統(tǒng)性風(fēng)險(xiǎn)的傳染范圍與影響深度構(gòu)建整個(gè)評(píng)估框架，如中國(guó)人民銀行定期對(duì)系統(tǒng)重要性銀行進(jìn)行壓力測(cè)試，預(yù)估其風(fēng)險(xiǎn)承受能力。這些評(píng)估方法在防控全球系統(tǒng)性風(fēng)險(xiǎn)傳染、維護(hù)金融穩(wěn)定方面發(fā)揮了重要的基礎(chǔ)支撐作用。

監(jiān)管當(dāng)局的上述評(píng)估理念也影響了理論研究對(duì)該問題的關(guān)注，圍繞以系統(tǒng)重要性銀行機(jī)構(gòu)為研究對(duì)象、以規(guī)模特征為主要評(píng)估指標(biāo)、以風(fēng)險(xiǎn)傳染范圍及深度為衡量標(biāo)準(zhǔn)的文獻(xiàn)非常多（Drehmann和Tarashev，2011［2］； Franklin 和 Babus，2010［3］； 嚴(yán)兵等，2014［4］； 馬君潞等，2007［5］）。 這些研究成果無疑為識(shí)別系統(tǒng)重要性金融機(jī)構(gòu)做了重要貢獻(xiàn)，但也存在以下問題：其一，在突出銀行的系統(tǒng)重要性的同時(shí)，忽略了非銀行金融機(jī)構(gòu)的跨行業(yè)風(fēng)險(xiǎn)傳染外溢并引發(fā)全局風(fēng)險(xiǎn)的可能。系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)從不局限在單一群落內(nèi)，而是由內(nèi)生或外生因素引致的整個(gè)金融系統(tǒng)乃至經(jīng)濟(jì)體系的嚴(yán)重危機(jī)。在當(dāng)前銀行與非銀行機(jī)構(gòu)間的多層次業(yè)務(wù)關(guān)聯(lián)與合作使得群落間的相互影響愈加復(fù)雜的背景下，系統(tǒng)性風(fēng)險(xiǎn)群落間交叉?zhèn)魅九c互增強(qiáng)特征愈加明顯。其二，規(guī)模無疑是系統(tǒng)重要性的關(guān)鍵因素，但唯有風(fēng)險(xiǎn)外溢發(fā)生并引發(fā)多米諾骨牌效應(yīng)才會(huì)促使危機(jī)出現(xiàn)，而風(fēng)險(xiǎn)外溢程度并不等同規(guī)模大小，更多地體現(xiàn)在金融機(jī)構(gòu)與外界的關(guān)聯(lián)性上。其三，對(duì)系統(tǒng)性風(fēng)險(xiǎn)的傳染速度和路徑的重要性認(rèn)識(shí)不足。系統(tǒng)重要性金融機(jī)構(gòu)固然具有風(fēng)險(xiǎn)爆發(fā)后波及范圍廣、影響程度深等特征，但金融網(wǎng)絡(luò)系統(tǒng)具有比其他系統(tǒng)更快的負(fù)面信息傳播速度與更復(fù)雜的傳染路徑，更容易引發(fā)投資者恐慌與信心喪失（Kaminsky和 régh，2003［6］），一旦羊群行為出現(xiàn)將加劇風(fēng)險(xiǎn)傳染深度，因此金融網(wǎng)絡(luò)中這些信息傳染的關(guān)鍵節(jié)點(diǎn)同樣具有系統(tǒng)重要性涵義，應(yīng)納入宏觀審慎監(jiān)管范疇。

特別是當(dāng)前中國(guó)互聯(lián)網(wǎng)金融蓬勃發(fā)展使金融脫媒加速，混業(yè)經(jīng)營(yíng)趨勢(shì)日益明顯，銀行在金融體系的地位有所弱化，金融體系呈現(xiàn)出從銀行主導(dǎo)向各類金融機(jī)構(gòu)間相互持有股權(quán)債權(quán)、業(yè)務(wù)合作與市場(chǎng)滲透、資產(chǎn)價(jià)值相互關(guān)聯(lián)等形成錯(cuò)綜復(fù)雜的金融網(wǎng)絡(luò)方向發(fā)展，包括非銀行金融機(jī)構(gòu)在內(nèi)的系統(tǒng)性風(fēng)險(xiǎn)網(wǎng)絡(luò)傳染特征愈加明顯。這使得傳統(tǒng)的評(píng)估方法，如指標(biāo)體系法（巴曙松等，2012［7］）、 條件在險(xiǎn)價(jià)值法（Adrian和 Brunnermeier，2011［8］）、 風(fēng)險(xiǎn)倍率法（Gravelle 和Li，2013［9］； 溫博慧等，2014［10］）與極值理論法（Zhou，2011［11］）等，無法有效捕獲系統(tǒng)性風(fēng)險(xiǎn)網(wǎng)絡(luò)傳染的路徑、速度、范圍、深度等多層次特征。因此，復(fù)雜網(wǎng)絡(luò)分析方法日漸受到理論界與監(jiān)管當(dāng)局的關(guān)注，但既有文獻(xiàn)偏重對(duì)金融網(wǎng)絡(luò)宏觀結(jié)構(gòu)特征及風(fēng)險(xiǎn)傳染路徑的研究（Kodres 和 Pritsker，2002［12］；Kitsak 等，2010［13］； Gai和 Kapadia，2010［14］； 高波和任若恩，2012［15］），對(duì)系統(tǒng)性風(fēng)險(xiǎn)其他網(wǎng)絡(luò)傳染特征的重視與分析尚顯不足。

綜上，本文擬采用隨機(jī)理論去噪方法與VAR模型結(jié)合，描述中國(guó)各金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染關(guān)系，構(gòu)建中國(guó)金融體系的風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)模型，并運(yùn)用復(fù)雜網(wǎng)絡(luò)分析工具識(shí)別該傳染網(wǎng)絡(luò)的各類關(guān)鍵節(jié)點(diǎn)，綜合評(píng)估系統(tǒng)重要性金融機(jī)構(gòu)。其目的在于：一是打破既有群落式分類評(píng)估思想，以統(tǒng)一指標(biāo)評(píng)估全部金融機(jī)構(gòu)系統(tǒng)重要性，避免忽視跨行業(yè)風(fēng)險(xiǎn)傳染的可能，增強(qiáng)識(shí)別的準(zhǔn)確性；二是可視化金融風(fēng)險(xiǎn)網(wǎng)絡(luò)傳染路徑，突出金融機(jī)構(gòu)間的關(guān)聯(lián)性與系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)的傳染過程；三是測(cè)度各金融機(jī)構(gòu)風(fēng)險(xiǎn)傳染速度、范圍、程度及節(jié)點(diǎn)脆弱性等特征，全面捕捉風(fēng)險(xiǎn)傳染關(guān)鍵節(jié)點(diǎn)，為從單一監(jiān)管向綜合監(jiān)管、動(dòng)態(tài)監(jiān)管轉(zhuǎn)化提供了指向性目標(biāo)。本文以下內(nèi)容結(jié)構(gòu)安排為：第二部分是金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)模型構(gòu)建與評(píng)估指標(biāo)確定；第三部分是系統(tǒng)重要性金融機(jī)構(gòu)評(píng)估的實(shí)證測(cè)度；最后為結(jié)論與啟示。

二、金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)模型構(gòu)建與評(píng)估指標(biāo)確定

構(gòu)建中國(guó)風(fēng)險(xiǎn)網(wǎng)絡(luò)傳染模型的基礎(chǔ)在于確定各金融機(jī)構(gòu)間的相關(guān)關(guān)系，形成相關(guān)系數(shù)矩陣。既有研究中關(guān)于金融機(jī)構(gòu)之間的相關(guān)性主要包括三類：第一類是以銀行資產(chǎn)負(fù)債表上的關(guān)聯(lián)性金融資產(chǎn)、負(fù)債及權(quán)益數(shù)據(jù)為基礎(chǔ)，采用熵最優(yōu)化方法估計(jì)各銀行間的關(guān)聯(lián)系數(shù)（馬君潞等，2007［5］）。 但該方法假設(shè)各銀行借貸服從均勻分布，不僅與現(xiàn)實(shí)情況不相符，可能會(huì)導(dǎo)致對(duì)機(jī)構(gòu)間真實(shí)傳染損失的錯(cuò)誤估計(jì)，而且也無法刻畫銀行與非銀行類金融機(jī)構(gòu)之間的關(guān)系。第二類是局部市場(chǎng)中各銀行間的收支信息，如聯(lián)邦儲(chǔ)備市場(chǎng)數(shù)據(jù)（Furfine，2003［16］）或中國(guó)人民銀行支付系統(tǒng)的銀行間支付數(shù)據(jù)（賈彥東，2011［17］），亦不能涵蓋金融系統(tǒng)關(guān)聯(lián)性全貌。第三類是以各上市金融公司的股價(jià)收益率之間的關(guān)聯(lián)性來刻畫各類金融機(jī)構(gòu)之間的相關(guān)關(guān)系（溫博慧等，2014［10］）。盡管該方法以證券市場(chǎng)有效性假設(shè)為前提，與中國(guó)現(xiàn)實(shí)情況并不十分相符，但可以通過一定的去噪手段使股價(jià)變動(dòng)能夠揭示各金融機(jī)構(gòu)間相對(duì)真實(shí)的風(fēng)險(xiǎn)傳染關(guān)系，故本文以此為基礎(chǔ)，通過相應(yīng)改進(jìn)以構(gòu)建中國(guó)金融系統(tǒng)網(wǎng)絡(luò)傳染模型。

（一）金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)模型構(gòu)建

一般而言，金融市場(chǎng)間兩只股票關(guān)聯(lián)性通常采用皮爾遜相關(guān)系數(shù)ρij表示①，其中：ri（t）＝ lnPi（t）－lnPi（t－1）表示金融機(jī)構(gòu)i的股票對(duì)數(shù)收益率，Pi（t）為股票i在第t個(gè)交易日的收盤復(fù)權(quán)價(jià)格（i＝1，2，…，N，N為金融機(jī)構(gòu)樣本總數(shù)；t＝1，2，…，T，T為統(tǒng)計(jì)樣本股票有效交易總天數(shù)）；E（·）表示統(tǒng)計(jì)期望平均；cov（·）是協(xié)方差；Var（·）是方差；σ是標(biāo)準(zhǔn)差。ρij∈［－1，1］，若ρij＞0，表示兩只股票正相關(guān)；ρij＜0，表示兩只股票負(fù)相關(guān)；ρij＝0，表示兩只股票不相關(guān)；ρij＝1或－1，表示兩只股票完全正相關(guān)或者完全負(fù)相關(guān)。，以此為基礎(chǔ)構(gòu)建金融機(jī)構(gòu)相關(guān)系數(shù)矩陣A ＝（ρij）n×n?？紤]到中國(guó)證券市場(chǎng)屬于弱勢(shì)有效范疇，本文對(duì)相關(guān)系數(shù)矩陣進(jìn)行去噪處理，剔除金融機(jī)構(gòu)股價(jià)波動(dòng)中的無效信息，以獲取金融機(jī)構(gòu)間關(guān)聯(lián)性的真實(shí)信息。根據(jù)隨機(jī)矩陣?yán)碚?，相關(guān)系數(shù)矩陣分為兩個(gè)部分：一部分符合隨機(jī)矩陣性質(zhì)，為噪聲，予以剔除②本文使用PG＋方法去噪，詳細(xì)過程參見Plerov等（2002）18。；另一部分屬于相關(guān)系數(shù)矩陣與隨機(jī)矩陣差異部分，為能反映兩只股票間真實(shí)信息的部分，由此形成新矩陣 Anew＝（ρ′ij）n×n。 但上述新矩陣僅能表明兩只股票或者兩個(gè)金融機(jī)構(gòu)間的相關(guān)關(guān)系，尚需要能夠反映金融機(jī)構(gòu)間風(fēng)險(xiǎn)傳染方向的信息。

借鑒高波和任若恩（2013）［15］通過VAR模型及格蘭杰因果檢驗(yàn)實(shí)證金融機(jī)構(gòu)各部門間因果關(guān)系的思路，本文構(gòu)建基于中國(guó)上市金融機(jī)構(gòu)股票對(duì)數(shù)收益率ri（t）與rj（t）的二元 VAR模型，并通過檢驗(yàn)各機(jī)構(gòu)收益率變化的格蘭杰因果關(guān)系確定金融風(fēng)險(xiǎn)傳染方向?？紤]到股票日收益率并不平穩(wěn)，故采用一階差分形式構(gòu)建模型如下：

其中，drit及drjt分別為股票i與j在第t期的差分，dri，t－p與 drj，t－p則分別表示二者滯后 p 期的形式，βi0、βi1、βiP、γi1、γiP、βj0、βj1、βjP、γj1、γjP等為模型的系數(shù)，εit、εjt為不存在自相關(guān)的白噪聲過程。根據(jù)格蘭杰檢驗(yàn)原理，如果γj1、γjP等系數(shù)顯著不等于0，說明drjt含有drit沒有的信息，并可提升drit的預(yù)測(cè)效果，則drjt是drit的Granger原因。換言之，金融機(jī)構(gòu)j收益率的變動(dòng)將顯著影響金融機(jī)構(gòu)i的收益率，表明風(fēng)險(xiǎn)傳染方向?qū)⒂蒵至i。相反，如果γj1、γjP等并不顯著不等于0，說明drjt中并未包含drit沒有的特殊信息，也未能提升drit的預(yù)測(cè)效果，則drjt不是drit的Granger原因，也即金融機(jī)構(gòu)j收益率變動(dòng)并不能影響金融機(jī)構(gòu)i，也不存在顯著的風(fēng)險(xiǎn)傳染關(guān)系。同理可推出i對(duì)j的格蘭杰因果關(guān)系。由此可知，任意兩個(gè)金融機(jī)構(gòu)間將是如下三種關(guān)系中的一種：兩者互為因果、單向因果、無因果。由此形成了金融網(wǎng)絡(luò)結(jié)構(gòu)的鄰接矩陣 M ＝（mij）n×n。

將此含有風(fēng)險(xiǎn)傳染方向信息的鄰接矩陣M與含有權(quán)重信息的相關(guān)系數(shù)矩陣Anew結(jié)合，即令wij＝mij×ρ′ij，形成金融機(jī)構(gòu)間的有向含權(quán)矩陣W＝（wij）n×n，即金融風(fēng)險(xiǎn)網(wǎng)絡(luò)傳染矩陣。其中，wij＝0表示盡管金融機(jī)構(gòu)i與j相關(guān)，但并不存在直接從金融機(jī)構(gòu)i向金融機(jī)構(gòu)j傳導(dǎo)風(fēng)險(xiǎn)的渠道。

雖然風(fēng)險(xiǎn)傳染金融網(wǎng)絡(luò)的矩陣表達(dá)形式能揭示風(fēng)險(xiǎn)傳染關(guān)系，但不易直觀刻畫風(fēng)險(xiǎn)傳染路徑、傳染速度等特征，影響對(duì)系統(tǒng)重要性節(jié)點(diǎn)的準(zhǔn)確度量。為將上述風(fēng)險(xiǎn)傳染特征可視化，本文借鑒 Hidalgo等（2007）［19］構(gòu)建產(chǎn)品空間網(wǎng)絡(luò)的方法，利用Matlab編程及作圖工具，找出中國(guó)金融網(wǎng)絡(luò)系統(tǒng)的最大生成樹，然后逐次添加其他風(fēng)險(xiǎn)傳染特征，最終建立中國(guó)金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)模型。

（二）系統(tǒng)重要性金融機(jī)構(gòu)評(píng)估指標(biāo)確立

在金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)中，不同節(jié)點(diǎn)在危機(jī)爆發(fā)時(shí)對(duì)風(fēng)險(xiǎn)的傳導(dǎo)速度和危害程度存在較大差異。結(jié)合系統(tǒng)重要性金融機(jī)構(gòu)所表現(xiàn)的規(guī)模、關(guān)聯(lián)性、替代性、復(fù)雜度、全球性五個(gè)主要方面的特征（BCBS，2013［20］），本文采用評(píng)價(jià)復(fù)雜網(wǎng)絡(luò)中風(fēng)險(xiǎn)傳染速度快、范圍廣、程度深、脆弱性高等關(guān)鍵節(jié)點(diǎn)的相關(guān)指標(biāo)，從四個(gè)維度綜合測(cè)評(píng)系統(tǒng)重要性金融機(jī)構(gòu)。

1.確定風(fēng)險(xiǎn)傳染速度衡量指標(biāo)。風(fēng)險(xiǎn)傳染速度體現(xiàn)在單個(gè)金融機(jī)構(gòu)出險(xiǎn)后在最短的時(shí)間內(nèi)將風(fēng)險(xiǎn)傳染給其他機(jī)構(gòu)的數(shù)量，可以選用評(píng)估整個(gè)有向含權(quán)網(wǎng)絡(luò)W各節(jié)點(diǎn)的出度指標(biāo)，記為d－（vi）。出度反映節(jié)點(diǎn)風(fēng)險(xiǎn)向外傳染的情況，其值越大，說明機(jī)構(gòu)在風(fēng)險(xiǎn)傳染過程中影響的機(jī)構(gòu)數(shù)量越多，范圍越廣，因此該指標(biāo)能較好地解釋單個(gè)金融機(jī)構(gòu)的直接傳染能力。

2.確定風(fēng)險(xiǎn)傳染范圍衡量指標(biāo)。風(fēng)險(xiǎn)傳染不僅包括直接傳染，還包括間接傳染，即節(jié)點(diǎn)出度不能刻畫風(fēng)險(xiǎn)傳染的范圍，而通過測(cè)度單個(gè)金融機(jī)構(gòu)出險(xiǎn)后傳染至整個(gè)金融系統(tǒng)所需的輪次則能較好地解決上述問題。記單個(gè)金融機(jī)構(gòu)對(duì)整個(gè)金融系統(tǒng)傳導(dǎo)風(fēng)險(xiǎn)所需傳染輪次為R，R越小說明單次傳染范圍越廣。

3.確定風(fēng)險(xiǎn)傳染深度衡量指標(biāo)。在復(fù)雜網(wǎng)絡(luò)理論中，節(jié)點(diǎn)出度指標(biāo)只反映了該節(jié)點(diǎn)所在的局部網(wǎng)絡(luò)信息，無法描述其周圍網(wǎng)絡(luò)環(huán)境信息（如在網(wǎng)絡(luò)中節(jié)點(diǎn)所處的位置、間接關(guān)聯(lián)節(jié)點(diǎn)等）；而K－核分解法能夠刻畫節(jié)點(diǎn)在網(wǎng)絡(luò)中的位置，有效識(shí)別節(jié)點(diǎn)周圍環(huán)境（Garas等，2012［21］），故本文采用 Garas等（2012）［21］提出的K－核指標(biāo)評(píng)估單個(gè)金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染深度。

K－核分解方法的基礎(chǔ)是先定義節(jié)點(diǎn)vi的度值①節(jié)點(diǎn)度值是有向含權(quán)網(wǎng)絡(luò)W中節(jié)點(diǎn)vi的出強(qiáng)度，其含義為所有以節(jié)點(diǎn)i為起始點(diǎn)的邊權(quán)j＝1重之和。d′i實(shí)際上綜合考慮了節(jié)點(diǎn)vi的出度與出強(qiáng)度值。，并據(jù)以完成K－核分解。具體方法為：首先，找到風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)的最外層機(jī)構(gòu)，即如果風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)中存在度值小于1的節(jié)點(diǎn)，則認(rèn)為其是最不重要的金融機(jī)構(gòu)，可將該節(jié)點(diǎn)及與其連接的所有邊去掉，形成新的風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)，并會(huì)再次出現(xiàn)一些度值小于1的節(jié)點(diǎn)，再將這些節(jié)點(diǎn)及關(guān)聯(lián)邊去掉，直到新網(wǎng)絡(luò)中沒有度值小于1的金融機(jī)構(gòu)為止。上述所有被去掉的金融機(jī)構(gòu)組成一個(gè)層，記為ks＝1（稱為1－核）。其次，尋找風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)的次外層結(jié)構(gòu)，即在已去除一層外殼的新風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)中，按上述方法逐次去除出剩余度值小于2的節(jié)點(diǎn)，所剔除的金融機(jī)構(gòu)組成第二層外殼，記為ks＝2（稱為2－核）。再次重復(fù)以上方法，直到風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)中沒有節(jié)點(diǎn)為止。ks值越高，節(jié)點(diǎn)的影響范圍越大，程度越深。K－核分解法的基本邏輯是將外圍最不重要的節(jié)點(diǎn)層層剝掉，留下的內(nèi)層節(jié)點(diǎn)擁有更高的影響力和傳染性。

4.確定金融機(jī)構(gòu)節(jié)點(diǎn)脆弱性衡量指標(biāo)。金融網(wǎng)絡(luò)節(jié)點(diǎn)脆弱性是指該節(jié)點(diǎn)極易累積風(fēng)險(xiǎn)，并成為傳遞風(fēng)險(xiǎn)的源頭。本文采用有向網(wǎng)絡(luò)重要節(jié)點(diǎn)排序的LeaderRank算法②LeaderRank算法原本是衡量網(wǎng)頁(yè)重要程度的方法，其核心思想是網(wǎng)絡(luò)中一個(gè)頁(yè)面的重要程度取決于指向它的頁(yè)面的數(shù)量和質(zhì)量。最終得分值來刻畫各金融機(jī)構(gòu)累積風(fēng)險(xiǎn)的能力。其邏輯是：在初始時(shí)刻，賦予每個(gè)節(jié)點(diǎn)相同的WLR值，隨后每一期每個(gè)節(jié)點(diǎn)都把當(dāng)前的WLR值平均分給它所指向的所有節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)的新WLR值即為它所獲得的WLR值之和；同時(shí)充分考慮間接傳染的可能性，設(shè)置背景節(jié)點(diǎn)g保證網(wǎng)絡(luò)的強(qiáng)連通性，即：

其中，經(jīng)過T期迭代所有節(jié)點(diǎn)的WLR值達(dá)到穩(wěn)定，此時(shí)將背景節(jié)點(diǎn)得分平均分到各網(wǎng)絡(luò)節(jié)點(diǎn)上，該網(wǎng)絡(luò)節(jié)點(diǎn)的最終得分是其累積風(fēng)險(xiǎn)能力，得分越高，說明該節(jié)點(diǎn)積累風(fēng)險(xiǎn)能力越強(qiáng)，節(jié)點(diǎn)重要性越強(qiáng)。

最后綜合考慮以上測(cè)評(píng)信息，賦予每個(gè)統(tǒng)計(jì)指標(biāo)一定權(quán)重，全面評(píng)價(jià)一個(gè)金融機(jī)構(gòu)在金融風(fēng)險(xiǎn)網(wǎng)絡(luò)傳染中的系統(tǒng)重要性。

三、系統(tǒng)重要性金融機(jī)構(gòu)評(píng)估的實(shí)證測(cè)度

（一）樣本數(shù)據(jù)選取與統(tǒng)計(jì)特征分析

本文選取滬深兩市A股上市金融機(jī)構(gòu)股價(jià)日收益率數(shù)據(jù)構(gòu)建金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)。樣本數(shù)據(jù)的選取基于以下原則：一是機(jī)構(gòu)數(shù)量足夠多，二是樣本區(qū)間足夠長(zhǎng)，三是數(shù)據(jù)盡可能貼近當(dāng)前時(shí)期。經(jīng)綜合考慮①按證監(jiān)會(huì)行業(yè)分類統(tǒng)計(jì)，截至2015年03月31日，滬深兩市A股共有上市金融機(jī)構(gòu)47家。其中，中國(guó)農(nóng)業(yè)銀行于2010年7月上市，其后兩年內(nèi)光大銀行、興業(yè)證券、山西證券、方正證券、國(guó)海證券、東吳證券、新華保險(xiǎn)也相繼上市。為使金融網(wǎng)絡(luò)能涵蓋更多的金融機(jī)構(gòu)，故以上述最晚一家新華保險(xiǎn)2011年12月16日上市日為樣本數(shù)據(jù)起始日期。由于西部證券、中航資本、國(guó)信證券、申萬(wàn)宏源、東興證券和東方證券6家機(jī)構(gòu)上市較晚，與樣本數(shù)據(jù)時(shí)期不一致，且都是小證券等機(jī)構(gòu)，按金融穩(wěn)定理事會(huì)和巴塞爾委員會(huì)發(fā)布的系統(tǒng)重要性金融機(jī)構(gòu)評(píng)估指引，規(guī)模是其中很重要的一項(xiàng)，故本文綜合考慮將上述6只股票剔除。，本文共選取41家上市金融機(jī)構(gòu)，包括16家銀行類金融機(jī)構(gòu)和25家非銀行金融機(jī)構(gòu)，涵蓋證券、保險(xiǎn)、信托等其他金融領(lǐng)域。樣本數(shù)據(jù)區(qū)間為2011年12月16日至2015年3月31日，涉及794個(gè)有效交易日的股票收盤價(jià)數(shù)據(jù)?？紤]到樣本期內(nèi)多只股票進(jìn)行除權(quán)和分紅配股，故本文對(duì)所有收盤股價(jià)進(jìn)行前向復(fù)權(quán)處理。數(shù)據(jù)來源于wind資訊數(shù)據(jù)庫(kù)。

首先，測(cè)算并分析各金融機(jī)構(gòu)的股票日收益率，樣本數(shù)據(jù)呈現(xiàn)了以下特征：其一，近三年中國(guó)滬深上市金融機(jī)構(gòu)股票日收益率均值雖為正，最高值才為0.002 5，印證了中國(guó)股市近三年所呈現(xiàn)的低迷態(tài)勢(shì)。其二，銀行類金融機(jī)構(gòu)股票日收益率均值為0.000 8，非銀行類金融機(jī)構(gòu)股票日收益率均值為0.001 4，兩者相差83.03%。這不僅說明了銀行類機(jī)構(gòu)股票日收益率比非銀行類機(jī)構(gòu)相對(duì)穩(wěn)定，而且暗示了風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)系統(tǒng)中銀行與非銀行機(jī)構(gòu)可能呈現(xiàn)的群落結(jié)構(gòu)特征。其三，相比于國(guó)海證券、國(guó)金證券等小規(guī)模金融機(jī)構(gòu)，工商銀行、農(nóng)業(yè)銀行等大型商業(yè)銀行的股票日收益率標(biāo)準(zhǔn)差極小。這一方面再次印證銀行機(jī)構(gòu)的股價(jià)波動(dòng)幅度相對(duì)小、收益率穩(wěn)定的事實(shí)，另一方面也隱含著這類機(jī)構(gòu)是傳染網(wǎng)絡(luò)系統(tǒng)的基石，如果它們因某種原因發(fā)生較大波動(dòng)，很可能引起整個(gè)金融市場(chǎng)發(fā)生劇烈震蕩。

其次，計(jì)算各金融機(jī)構(gòu)間的皮爾遜相關(guān)系數(shù)，獲得中國(guó)金融網(wǎng)絡(luò)系統(tǒng)41×41的相關(guān)系數(shù)矩陣。為保證矩陣能反映股票之間關(guān)聯(lián)性的真實(shí)信息，剔除股價(jià)隨機(jī)波動(dòng)的干擾性噪聲信息，使用隨機(jī)矩陣方法進(jìn)行去噪處理，得到新的相關(guān)系數(shù)矩陣數(shù)據(jù)②限于篇幅，本文并未列示去噪前后相關(guān)系數(shù)矩陣信息，感興趣的讀者可以向作者索取。。從該矩陣及各機(jī)構(gòu)均值的去噪前后統(tǒng)計(jì)分析（見表1）中，可以發(fā)現(xiàn)以下特征：其一，無論去噪前后，皮爾遜相關(guān)系數(shù)全部為正值，說明中國(guó)金融機(jī)構(gòu)整體存在正向關(guān)聯(lián)，暗示了危機(jī)爆發(fā)后金融風(fēng)險(xiǎn)將呈現(xiàn)交叉?zhèn)魅九c互相增強(qiáng)特征，進(jìn)一步加重危機(jī)影響與深度。其二，盡管去噪前后相關(guān)系數(shù)均值都相對(duì)集中在 ［0.4，0.7］之內(nèi)，表明各金融機(jī)構(gòu)間的平均關(guān)聯(lián)程度相近，機(jī)構(gòu)間總體聯(lián)系緊密，但去噪前后的矩陣數(shù)值分別在［0.27，0.91］與 ［0.22，0.85］之間，反映機(jī)構(gòu)間的關(guān)聯(lián)性差異較大，互動(dòng)效果迥異，推知我國(guó)金融網(wǎng)絡(luò)結(jié)構(gòu)應(yīng)該呈現(xiàn)密切而不均勻分布的特征。其三，與去噪前原相關(guān)系數(shù)矩陣的平均值0.602 0相比，去噪后的相關(guān)系數(shù)矩陣平均值為0.608 1，金融機(jī)構(gòu)間的平均相關(guān)程度有效提升；而且對(duì)比表1第Ⅰ列與第Ⅱ列可見，去噪后每個(gè)金融機(jī)構(gòu)的相關(guān)系數(shù)均值都大于去噪前均值，各金融機(jī)構(gòu)之間的相關(guān)性呈現(xiàn)增強(qiáng)趨勢(shì)，說明去噪方法達(dá)到了剔除噪聲信息、保留真實(shí)信息的預(yù)期目的。這保證了后文以此為基礎(chǔ)構(gòu)建金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)的準(zhǔn)確度。

表1 41家金融機(jī)構(gòu)去噪前后皮爾遜相關(guān)系數(shù)均值的描述型統(tǒng)計(jì)

續(xù)前表

（二）金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)可視化描繪

本文以上述相關(guān)系數(shù)矩陣本身所反映的金融機(jī)構(gòu)間關(guān)聯(lián)特性為基礎(chǔ)，通過構(gòu)建金融機(jī)構(gòu)股票對(duì)數(shù)收益率ri（t）與rj（t）的VAR（P）模型，運(yùn)用機(jī)構(gòu)間收益率變化的格蘭杰因果檢驗(yàn)方法確定各金融機(jī)構(gòu)間風(fēng)險(xiǎn)傳染路徑，并運(yùn)用Matlab編程及cytoscape作圖軟件描繪金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)，可視化風(fēng)險(xiǎn)傳染特征。

以中國(guó)銀行和中國(guó)平安為例，用drcb（t）與drci（t）分別表示中國(guó)銀行與中國(guó)平安在第t期的股票對(duì)數(shù)收益率差分，以反映二者當(dāng)期收益波動(dòng)程度，根據(jù)AIC及SBIC信息準(zhǔn)則，估計(jì)滯后4階的VAR模型參數(shù)（見表2），并檢驗(yàn)二者的格蘭杰因果關(guān)系（見表3）。從表2可以看出，以drcb（t）為被解釋變量，drci（t）的大部分滯后項(xiàng)都通過了顯著性檢驗(yàn)；而以drci（t）為被解釋變量，drcb（t）的滯后項(xiàng)都未能通過顯著性檢驗(yàn)。這說明中國(guó)平安的股票收益率序列里包含了中國(guó)銀行股票收益率的信息，即中國(guó)銀行股價(jià)波動(dòng)對(duì)中國(guó)平安股價(jià)波動(dòng)有顯著影響，但反之不成立。這與表3的Granger因果檢驗(yàn)結(jié)果一致，即在5%的顯著性水平下，中國(guó)銀行是中國(guó)平安股價(jià)波動(dòng)的格蘭杰原因，而中國(guó)平安不是中國(guó)銀行股價(jià)波動(dòng)的格蘭杰原因。這說明，當(dāng)金融危機(jī)發(fā)生時(shí)，中國(guó)銀行會(huì)通過金融網(wǎng)絡(luò)將風(fēng)險(xiǎn)傳染給中國(guó)平安，即金融網(wǎng)絡(luò)中形成了一條從中國(guó)銀行到中國(guó)平安的單向風(fēng)險(xiǎn)傳染路徑。

表2 VAR模型的參數(shù)估計(jì)

續(xù)前表

表3 Granger因果檢驗(yàn)

同理，采用上述方法檢驗(yàn)全部41個(gè)金融機(jī)構(gòu)兩兩之間的格蘭杰因果關(guān)系，形成具有56組雙向傳染關(guān)系、161組單向傳染關(guān)系的鄰接矩陣M。然后將此矩陣與相關(guān)系數(shù)矩陣內(nèi)各對(duì)應(yīng)位置元素相乘，形成有向含權(quán)矩陣W，即金融風(fēng)險(xiǎn)傳染關(guān)系矩陣。為進(jìn)一步可視化風(fēng)險(xiǎn)傳染特征，本文以有向含權(quán)矩陣W為基礎(chǔ)，首先利用Matlab編程，找出該矩陣的最大生成樹，以保證風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)涵蓋全部41個(gè)金融機(jī)構(gòu)，然后將前述具有傳染關(guān)系的信息添加其上（即以箭頭所指表示傳染方向），形成具有41個(gè)節(jié)點(diǎn)、247個(gè)連接權(quán)重的金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)圖（見圖1）。

圖1 中國(guó)金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)

從中可以得到：第一，銀行、證券、保險(xiǎn)、信托等行業(yè)間形成了錯(cuò)綜復(fù)雜的傳染路徑，除個(gè)別金融機(jī)構(gòu)的關(guān)聯(lián)箭頭全部指向其他機(jī)構(gòu)或全部指向自己，呈現(xiàn)單向傳染或受傳染特征（如東北證券、國(guó)金證券、方正證券等）外，大多數(shù)機(jī)構(gòu)既是箭頭指出方也是箭頭所指方，反映了雙向的傳染與受傳染傾向（如中國(guó)銀行、中國(guó)人壽、西南證券等），表明中國(guó)金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)中并未呈現(xiàn)典型的群落結(jié)構(gòu)特征，銀行群落并非唯一的系統(tǒng)性風(fēng)險(xiǎn)來源，機(jī)構(gòu)間相互傳染、群落間交叉?zhèn)魅境蔀轱L(fēng)險(xiǎn)傳染的主要形式，群落式監(jiān)管很難切斷系統(tǒng)內(nèi)跨行業(yè)傳染風(fēng)險(xiǎn)。第二，銀行機(jī)構(gòu)中，建設(shè)銀行、招商銀行的指出性箭頭數(shù)量多于具有規(guī)模優(yōu)勢(shì)的工商銀行及中國(guó)銀行；非銀行金融機(jī)構(gòu)中，西南證券、華泰證券等的指出性箭頭數(shù)量亦多于規(guī)模超過自己的中信證券、海通證券：表明規(guī)模并非一定與風(fēng)險(xiǎn)傳染范圍呈線性關(guān)系，風(fēng)險(xiǎn)傳染能力有著除規(guī)模外更復(fù)雜、更隱蔽的因素。第三，相比于建設(shè)銀行、招商銀行、西南證券等擁有更多指出性箭頭的機(jī)構(gòu)而言，另一些機(jī)構(gòu)如農(nóng)業(yè)銀行、工商銀行、光大證券等擁有更多指入性箭頭，說明金融系統(tǒng)內(nèi)一些機(jī)構(gòu)是風(fēng)險(xiǎn)傳染與外溢的源頭，而另一些機(jī)構(gòu)則可能在危機(jī)發(fā)生時(shí)不斷承受外來沖擊，進(jìn)一步累積風(fēng)險(xiǎn)。這種路徑顯示為識(shí)別系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)的內(nèi)在與外在原因，采取有效阻斷風(fēng)險(xiǎn)傳染的針對(duì)性措施提供了有益信息。

（三）系統(tǒng)重要性金融機(jī)構(gòu)評(píng)估

本文運(yùn)用Matlab編程測(cè)度了金融機(jī)構(gòu)風(fēng)險(xiǎn)傳染速度、風(fēng)險(xiǎn)傳染范圍、風(fēng)險(xiǎn)傳染深度及風(fēng)險(xiǎn)累積程度四個(gè)方面的風(fēng)險(xiǎn)傳染指標(biāo)值，具體結(jié)果見表4。

風(fēng)險(xiǎn)傳染速度方面，出度值d－（vi）越大，說明相同時(shí)間內(nèi)金融機(jī)構(gòu)風(fēng)險(xiǎn)直接傳染能力越強(qiáng)。根據(jù)測(cè)度得到：第一，建設(shè)銀行、中國(guó)銀行、農(nóng)業(yè)銀行、工商銀行、交通銀行五大國(guó)有銀行的出度值最高，都在24以上，其出險(xiǎn)將在第一輪傳染時(shí)間即波及半數(shù)以上金融機(jī)構(gòu)，而愛建股份、安信信托、錦龍股份的出度值為0，表明小型信托機(jī)構(gòu)出險(xiǎn)對(duì)金融系統(tǒng)的影響一定程度上可以忽略。第二，西南證券在證券行業(yè)中具有最高的出度值（值為24），其出險(xiǎn)后極易使負(fù)面信息迅速傳播，波及其他機(jī)構(gòu)，引發(fā)羊群效應(yīng)。這一方面與其所處證券行業(yè)本身具有信息發(fā)布功能有關(guān)；另一方面與其作為重慶地區(qū)龍頭券商對(duì)西南地區(qū)乃至中國(guó)經(jīng)濟(jì)的業(yè)務(wù)關(guān)聯(lián)在持續(xù)快速增強(qiáng)密切相關(guān)。

風(fēng)險(xiǎn)傳染范圍方面，根據(jù)傳染輪次R值的分布范圍，大部分機(jī)構(gòu)傳染輪次居于 ［2，4］區(qū)間，其中半數(shù)銀行通過兩輪傳染即將風(fēng)險(xiǎn)擴(kuò)散至整個(gè)金融系統(tǒng)；傳染輪次最多的是愛建股份、安信信托、錦龍股份、山西證券等，其出險(xiǎn)后不論經(jīng)過多少輪次也不能影響全局，反映了一些較小的信托或證券機(jī)構(gòu)不足以影響整個(gè)金融體系的穩(wěn)定：這與金融當(dāng)局對(duì)系統(tǒng)重要性銀行機(jī)構(gòu)實(shí)施重點(diǎn)監(jiān)管的事實(shí)相一致。然而，另一些非銀行類金融機(jī)構(gòu)如中國(guó)平安、中信證券、海通證券等的傳染輪次也多在2到3之間，在風(fēng)險(xiǎn)交叉?zhèn)魅九c跨群落傳染的情況下，也具有使危機(jī)擴(kuò)散至整個(gè)金融系統(tǒng)的能力，說明在中國(guó)金融體系中，保險(xiǎn)和證券的跨行業(yè)風(fēng)險(xiǎn)傳染能力不可忽視，如監(jiān)管缺位同樣也會(huì)引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。

風(fēng)險(xiǎn)傳染深度方面，16家銀行類金融機(jī)構(gòu)中，總共有13家機(jī)構(gòu)KS＝5，處于風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)的最核心；同處核心的還有中信證券、中國(guó)平安、中國(guó)人壽、新華保險(xiǎn)、光大證券等各類非銀行類金融機(jī)構(gòu)；處在風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)最外緣的是山西證券、安信信托等，KS＝0。說明在中國(guó)以銀行為主導(dǎo)的金融體系中，部分證券和保險(xiǎn)機(jī)構(gòu)也逐漸成為舉足輕重的部門。

風(fēng)險(xiǎn)累積程度方面，按照有向網(wǎng)絡(luò)重要節(jié)點(diǎn)排序的LeaderRank算法，依據(jù)公式（3），經(jīng)過12期迭代，風(fēng)險(xiǎn)擴(kuò)散趨于平穩(wěn)，故第12期的綜合得分記為L(zhǎng)eaderRank值，反映風(fēng)險(xiǎn)累積程度高低?？梢园l(fā)現(xiàn)：第一，建設(shè)銀行、農(nóng)業(yè)銀行、工商銀行得分值最高，分別為2.46、2.27與2.18，中國(guó)銀行和交通銀行得分值較低，分別為0.97與0.71，反映五大國(guó)有商業(yè)銀行在危機(jī)爆發(fā)時(shí)的風(fēng)險(xiǎn)累積程度呈現(xiàn)等級(jí)化特征，系統(tǒng)重要性銀行機(jī)構(gòu)監(jiān)管措施有進(jìn)一步分類細(xì)化的空間；第二，西南證券、光大銀行得分值偏高，分別為1.98與1.96，風(fēng)險(xiǎn)累積可能性及機(jī)構(gòu)脆弱性需要引起重視；第三，其他機(jī)構(gòu)的得分在 ［0.4－1.5］區(qū)間，亦沒有呈現(xiàn)依銀行、證券、保險(xiǎn)等形成的群落得分差別，表明交叉?zhèn)魅径菣C(jī)構(gòu)規(guī)模是風(fēng)險(xiǎn)累積的主要形式。

需要注意的是，測(cè)度風(fēng)險(xiǎn)傳染范圍的指標(biāo)R值越小，表示傳染性越強(qiáng)，與其余三類指標(biāo)揭示的風(fēng)險(xiǎn)傳染性方向相反，因此在做綜合評(píng)估時(shí)本文取了該值的倒數(shù)，以保證傳染風(fēng)險(xiǎn)測(cè)評(píng)指標(biāo)的一致性。依據(jù)上述測(cè)度結(jié)果，賦予各類指標(biāo)25%的權(quán)重，綜合評(píng)估各類金融機(jī)構(gòu)的系統(tǒng)重要性。最后得出系統(tǒng)重要性金融機(jī)構(gòu)的綜合得分（見表4）?？梢钥吹?，除建、農(nóng)、中、工、交五大國(guó)有商業(yè)銀行得分最高外，還有西南證券、中信證券、光大證券、中國(guó)平安等非銀行金融機(jī)構(gòu)排名也十分靠前，需要納入系統(tǒng)重要性金融機(jī)構(gòu)的綜合監(jiān)管框架中。此外，上述排序結(jié)果也并不依賴于資產(chǎn)規(guī)?；蛘咝袠I(yè)分類，如規(guī)模略低的建設(shè)銀行與農(nóng)業(yè)銀行系統(tǒng)重要性排名高于規(guī)模最大的工商銀行，規(guī)模較小的西南證券的系統(tǒng)重要性排名也高于更大規(guī)模的中信證券與海通證券等。因此，中國(guó)金融體系的宏觀審慎監(jiān)管需要重視具有較高負(fù)面信息擴(kuò)散能力的金融機(jī)構(gòu)引發(fā)跨行業(yè)風(fēng)險(xiǎn)傳染外溢并轉(zhuǎn)變?yōu)橄到y(tǒng)性金融風(fēng)險(xiǎn)的可能。

表4 41家金融機(jī)構(gòu)風(fēng)險(xiǎn)傳染能力情況

四、結(jié)論及啟示

本文運(yùn)用復(fù)雜網(wǎng)絡(luò)模型及產(chǎn)品空間方法構(gòu)建中國(guó)金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)，可視化金融機(jī)構(gòu)風(fēng)險(xiǎn)網(wǎng)絡(luò)傳染路徑，并通過K－核分解、LeaderRank等方法測(cè)度系統(tǒng)性風(fēng)險(xiǎn)傳染的速度、范圍、深度與風(fēng)險(xiǎn)累積程度，綜合評(píng)估系統(tǒng)重要性金融機(jī)構(gòu)，主要結(jié)論及啟示如下。

第一，金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)具有的多層次、多通道、交互式特性，沖擊了原有依循銀行與非銀行群落實(shí)施分業(yè)監(jiān)管的基礎(chǔ)。隨著金融創(chuàng)新深化、混業(yè)經(jīng)營(yíng)加速，非銀行金融機(jī)構(gòu)在整個(gè)金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)中的作用會(huì)進(jìn)一步增強(qiáng)，而傳統(tǒng)銀行業(yè)的作用將有所弱化，特別是在系統(tǒng)性風(fēng)險(xiǎn)形成與傳導(dǎo)過程中，非銀行金融機(jī)構(gòu)通過多種通道與銀行相互傳導(dǎo)風(fēng)險(xiǎn)，并在短時(shí)期內(nèi)使風(fēng)險(xiǎn)急劇放大。因此，單純關(guān)注系統(tǒng)重要性銀行機(jī)構(gòu)不足以防范系統(tǒng)性風(fēng)險(xiǎn)傳染，必須將非銀行機(jī)構(gòu)的系統(tǒng)重要性納入評(píng)估和監(jiān)管范圍；特別是打破既有群落式監(jiān)管模式，建立網(wǎng)絡(luò)監(jiān)管模式，成為防范金融系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)和危機(jī)蔓延的必然選擇。

第二，規(guī)模因素在金融機(jī)構(gòu)系統(tǒng)重要性評(píng)估中依然占有重要位置，但規(guī)模并不與金融風(fēng)險(xiǎn)傳染能力呈線性關(guān)系。從風(fēng)險(xiǎn)網(wǎng)絡(luò)傳染路徑及四維評(píng)估指標(biāo)測(cè)度結(jié)果都可以看出，一些風(fēng)險(xiǎn)累積程度較高的小規(guī)模非銀行金融機(jī)構(gòu)在出險(xiǎn)后，也可以通過業(yè)務(wù)上的直接關(guān)聯(lián)或負(fù)面信息傳導(dǎo)而產(chǎn)生風(fēng)險(xiǎn)外溢，借由金融風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)，而在數(shù)輪沖擊后將風(fēng)險(xiǎn)擴(kuò)散至整個(gè)金融系統(tǒng)。因此，風(fēng)險(xiǎn)累積程度與風(fēng)險(xiǎn)外溢效應(yīng)是與規(guī)模同等重要的系統(tǒng)重要性金融機(jī)構(gòu)衡量指標(biāo)。

第三，部分證券與保險(xiǎn)機(jī)構(gòu)具有在極短時(shí)間內(nèi)將風(fēng)險(xiǎn)迅速傳播至整個(gè)網(wǎng)絡(luò)的能力，這種強(qiáng)勢(shì)沖擊速度和沖擊力量是由金融網(wǎng)絡(luò)所固有的負(fù)面信息快速擴(kuò)散特性，引發(fā)投資者避險(xiǎn)情緒上升與羊群效應(yīng)所決定的。因此，系統(tǒng)重要性的涵義需要延伸到負(fù)面信息傳播速度層面，加強(qiáng)對(duì)具有極高負(fù)面信息擴(kuò)散速度的金融機(jī)構(gòu)監(jiān)管，是切斷系統(tǒng)性風(fēng)險(xiǎn)的多米諾骨牌效應(yīng)發(fā)生、防范危機(jī)加深的重要舉措。

［1］IMF，F(xiàn)SB，BIS.Guidance to Assess the Systemic Importance of Financial Institutions，Markets and Instruments：Initial Considerations ［R／OL］.（2009 －10 －28）［2015 －10 －15］.http：／www.fsb.org／wp-content／uplads／r-091107c.pdf？ page＿ mored ＝1，2009.

［2］Drehmann M，Tarashev N.Measuring the Systemic Importance of Interconnected Banks ［J］.Journal of Financial Intermediation，2011，22（4）：586－607.

［3］Franklin A，Babus A，Carletti E.Financial Connections and Systemic Risk ［R］.NBER Working Paper，2010：No.16177.

［4］嚴(yán)兵，張禹，王振磊.中國(guó)系統(tǒng)重要性銀行評(píng)估——基于14家上市銀行數(shù)據(jù)的研究 ［J］.國(guó)際金融研究，2013（2）：47－57.

［5］馬君潞，范小云，曹元濤.中國(guó)銀行間市場(chǎng)雙邊傳染的風(fēng)險(xiǎn)估測(cè)及其系統(tǒng)性特征分析 ［J］.經(jīng)濟(jì)研究，2007（1）：68－78.

［6］Kaminsky G L，Végh C A.The Unholy Trinity of Financial Contagion ［R］.NBER Working Papers，2003（4）：51 －74.

［7］巴曙松，左偉，朱元倩.金融網(wǎng)絡(luò)及傳染對(duì)金融穩(wěn)定的影響 ［J］.財(cái)經(jīng)問題研究，2013（2）：3－11.

［8］Adrian T，Brunnermeier M.CoVaR ［R］.NBER Working Paper，No.17454，2011.

［9］Gravelle T，Li F.Measuring Systemic Importance of Financial Institutions：An Extreme Value Theory Approach ［J］.Journal of Banking and Finance，2013，37（7）：2196 －2209.

［10］溫博慧，李向前，袁銘.中國(guó)非銀行金融機(jī)構(gòu)系統(tǒng)重要性再評(píng)估——基于風(fēng)險(xiǎn)倍率擴(kuò)增綜合指標(biāo) ［J］.國(guó)際金融研究，2014（10）：53－63.

［11］Zhou C.Are Banks Too Big to Fail？ Measuring Systemic Importance of Financial Institutions ［J］.International Journal of Central Banking，2010，12（6）：205－250.

［12］Kodres L E，Pritsker M.A Rational Expectations Model of Financial Contagion ［J］.Journal of Finance，2002，57（2）：769 －799.

［13］Kitsak M，Gallos L K，Havlin S，et al.Identification of Influential Spreaders in Complex Networks ［J］.Nature Physics，2010，6（11）：888－893.

［14］Gai P，Kapadia S.Contagion in Financial Networks ［J］.Proceedings of the Royal Society A Mathematical Physical＆ Engineering Sciences，2010，466（2120）：2401－2423.

［15］高波，任若恩.基于Granger因果網(wǎng)絡(luò)模型的金融機(jī)構(gòu)系統(tǒng)重要性評(píng)估 ［J］.管理評(píng)論，2013（6）：3－10.

［16］Furfine C H.Interbank Exposures：Quantifying the Risk of Contagion ［J］.Journal of Money Credit＆ Banking，2003，35（1）：111 －128.

［17］賈彥東.金融機(jī)構(gòu)的系統(tǒng)重要性分析——金融網(wǎng)絡(luò)中的系統(tǒng)風(fēng)險(xiǎn)衡量與成本分擔(dān) ［J］.金融研究，2011（10）：17－33.

［18］Plerou V，Parameswaran G，Bernd R.Random Matrix Approach to Cross Correlations in Financial Data ［J］.Physical Review E，2002，65（6）：104－130.

［19］Hidalgo C A，et al.The Product Space Conditions the Development of Nations ［J］.Science，2007（7）：482 －487.

［20］BCBS.Global Systemically Important Banks：Assessment Methodology and the Additional Loss Absorbency Requirement［EB／OL］.（2013 －07 －03）［2015 －10 －15］.http：／www.bis.org／publ／bcbs255.htm，2013.

［21］Garas A，Schweitzer F，Havlin S.A K-Shell Decomposition Method for Weighted Networks ［J］.New Journal of Physics，2012（8）：83030 －83043.