系統(tǒng)性金融風(fēng)險度量：一個文獻綜述

■杜冠德，胡志浩

一、引言

2008年全球金融危機對世界金融體系造成了嚴(yán)重沖擊和破壞，以西方發(fā)達國家為代表的眾多經(jīng)濟體陷入衰退困境，零利率甚至負利率政策得到廣泛實施，但多年來效果微弱，復(fù)蘇乏力，金融危機已然使世界經(jīng)濟付出了巨大代價。

根據(jù)歷史經(jīng)驗，金融危機所導(dǎo)致的通縮型大衰退一般程度較深，恢復(fù)時間較長。金融危機是系統(tǒng)性金融風(fēng)險不斷積累直至爆發(fā)的結(jié)果，由于金融機構(gòu)共同的風(fēng)險敞口或存在業(yè)務(wù)關(guān)聯(lián)，系統(tǒng)性風(fēng)險會造成大范圍的影響和擴散，威脅金融穩(wěn)定。

此次國際金融危機由美國次貸危機引發(fā)。事前，美聯(lián)儲對次級債務(wù)風(fēng)險做出了嚴(yán)重誤判，認為其是完全可以忽略不計的風(fēng)險。但事實上，美國的主要金融機構(gòu)都大量持有次級債務(wù)相關(guān)的MBS等有毒資產(chǎn)，金融體系為經(jīng)濟的虛假繁榮承擔(dān)著巨大風(fēng)險。

金融危機后，對系統(tǒng)性風(fēng)險的防范受到了高度重視。有效宏觀審慎政策的實施，要求能夠?qū)ο到y(tǒng)性風(fēng)險進行準(zhǔn)確的動態(tài)評估。IMF-FSB-BIS（2016）聯(lián)合報告指出，系統(tǒng)性金融風(fēng)險包括時間和橫截面（結(jié)構(gòu)性）兩個維度。其中：時間維度是指金融體系風(fēng)險隨時間積累而產(chǎn)生的脆弱性，主要包括信貸總量和資產(chǎn)價格過度增長等宏觀脆弱性、家庭和公司信貸增長等部門脆弱性以及金融部門期限和外幣錯配累積的脆弱性；橫截面維度是指金融體系內(nèi)部的相互關(guān)聯(lián)性及相關(guān)的風(fēng)險分布所產(chǎn)生的脆弱性，主要包括金融機構(gòu)（包括金融市場基礎(chǔ)設(shè)施）間的關(guān)聯(lián)性風(fēng)險以及某一機構(gòu)倒閉對整個金融體系的影響。

近年來，學(xué)者們對系統(tǒng)性風(fēng)險的監(jiān)測和度量方法進行了大量探索，國內(nèi)也相繼涌現(xiàn)出一系列的綜述文獻。其中，比較有代表性的是根據(jù)不同的數(shù)據(jù)來源，對現(xiàn)存的各種度量方法進行分類和介紹。

系統(tǒng)性風(fēng)險度量的目的是能夠及時發(fā)現(xiàn)風(fēng)險，從而采取宏觀審慎政策處置風(fēng)險，進而防范危機。而現(xiàn)有文獻中尚缺乏從這一根本目標(biāo)出發(fā)，對系統(tǒng)性風(fēng)險測度進行較為深入的解讀和準(zhǔn)確的概括。也正是基于這一角度，我們才能對現(xiàn)存測度方法的不足有更清晰的認識，從而明確未來研究的著力點。因此，本文根據(jù)學(xué)術(shù)文獻對系統(tǒng)性風(fēng)險界定的不同，將測度方法主要分為三類，即測度（單個）系統(tǒng)重要性金融機構(gòu)所承擔(dān)的整體風(fēng)險，測度經(jīng)濟部門的債務(wù)風(fēng)險和部門間的風(fēng)險傳導(dǎo)以及測度銀行間同業(yè)拆借關(guān)聯(lián)所導(dǎo)致的銀行體系脆弱性。

二、系統(tǒng)重要性金融機構(gòu)所承擔(dān)的整體風(fēng)險

次貸危機爆發(fā)后，作為全球最大保險公司的美國國際集團（AIG，American International Group），因持有大量與次級債務(wù)相關(guān)的衍生品而面臨嚴(yán)重的財務(wù)危機。為避免AIG破產(chǎn)對金融體系造成大范圍的沖擊，美聯(lián)儲對其實施了緊急救助，減少了危機的擴散。其后，美國第四大投資銀行“雷曼兄弟”（Lehman Brothers）因未能獲得救助而破產(chǎn)，由此引發(fā)了持有其大量票據(jù)的貨幣市場共同基金（MMFs）面臨危機，并迅速蔓延至整個MMFs部門（Allen et al.，2009）。這些經(jīng)驗和教訓(xùn)表明，系統(tǒng)重要性金融機構(gòu)對于維護金融穩(wěn)定舉足輕重。目前的主要測度方法正是基于這一角度，對單個金融機構(gòu)所承擔(dān)的系統(tǒng)性風(fēng)險進行監(jiān)測和評估。歸納起來，主要包括以下四類方法：

（一）CoVaR與Co-Risk

自2008年金融危機以來，Adrian&Brunnermeier（2016）提出的△CoVaR是最具代表性的系統(tǒng)性風(fēng)險測度。該測度基于風(fēng)險管理中最為常用的VaR，將其推廣到單個金融機構(gòu)處于某一狀態(tài)時整個金融體系的條件在險價值（CoVaR），并以該金融機構(gòu)處于危機或正常狀態(tài)下的CoVaR之差作為其所承擔(dān)的系統(tǒng)性風(fēng)險度量（相對于個體風(fēng)險承擔(dān)）。

除了上述對橫截面維度的風(fēng)險度量，Adrian&Brunnermeier（2016）還基于CoVaR對時間維度即順周期性進行了討論。他們將公司特性和宏觀指標(biāo)的滯后項作為解釋變量，建立了CoVaR的預(yù)測模型。研究結(jié)果表明，前瞻性的系統(tǒng)性風(fēng)險測度Forward-△CoVaR（即未來△CoVaR的預(yù)測值）和當(dāng)前的△CoVaR具有很強的負相關(guān)性，從而揭示了系統(tǒng)性風(fēng)險的順周期性。然而，CoVaR還只是度量尾部依賴性的一種統(tǒng)計方法，并不能刻畫因果關(guān)系，也不能揭示金融機構(gòu)所承擔(dān)的系統(tǒng)性風(fēng)險的具體機制，因而對于宏觀審慎管理的作用存在局限性。

Chan-Lau et al.（2009）提出了一個類似的條件（分布）度量方法，稱為Co-Risk模型。他們基于美國、歐洲和日本的全球系統(tǒng)重要性金融機構(gòu)的CDS日度價差數(shù)據(jù)，利用分位數(shù)回歸研究一個機構(gòu)的信用風(fēng)險狀況對另一個機構(gòu)信用風(fēng)險的影響。該模型建立了“條件Co-Risk測度”：首先計算一個金融機構(gòu)的條件CDS價差（即在另一個金融機構(gòu)CDS價差處于95%分位數(shù)的條件下），然后計算條件CDS價差相對該機構(gòu)非條件下的95%分位數(shù)價差的變化，并將其作為機構(gòu)間信用風(fēng)險關(guān)聯(lián)性的度量指標(biāo)。

（二）SES與SRISK

Acharya et al.（2017）提 出 的 SES（Systemic Expected Shortfall）測度也產(chǎn)生了較大的影響。他們將整個金融系統(tǒng)資本不足時（將總資本充足率低于某一比例定義為系統(tǒng)性危機）某一單個銀行的預(yù)期資本短缺定義為該銀行的SES，并將其作為對系統(tǒng)性風(fēng)險的貢獻。同時，將金融體系的權(quán)益資本視為單個機構(gòu)資本的組合，用MES（Marginal Expected Shortfall）表示某一單個銀行對金融系統(tǒng)ES（Expected Shortfall）的邊際貢獻。他們的理論模型表明，單個金融機構(gòu)的SES與該機構(gòu)的杠桿率和MES存在較為密切的關(guān)系，故而可用后者對該機構(gòu)的系統(tǒng)性風(fēng)險貢獻（SES）進行分析和預(yù)測。在文中，他們選取的SES代理變量有三種：危機期間壓力測試所評估的資本短缺、危機期間的股票收益率和CDS價差。而且，在一年中市場收益率最低的5%天數(shù)內(nèi)，將銀行股票的平均收益率作為其MES。實證結(jié)果表明，根據(jù)次貸危機前1年的數(shù)據(jù)估計的銀行杠桿率和MES，能夠預(yù)測該銀行在危機期間的SES實現(xiàn)值。

這為度量和預(yù)測金融機構(gòu)對系統(tǒng)性風(fēng)險的貢獻提供了一種新方法，但該方法在理論上也存在一些不足。首先，SES的定義是金融危機中單個金融機構(gòu)的資本短缺，其數(shù)值大小雖然可以在一定程度上代表其對金融體系穩(wěn)定可能帶來的影響，但該機構(gòu)的資本損失也有可能是其他機構(gòu)風(fēng)險溢出的結(jié)果，即仍然是微觀意義上的風(fēng)險。因此，SES測度不能揭示風(fēng)險的來源及風(fēng)險發(fā)生的先后順序等系統(tǒng)性風(fēng)險機制。其次，理論模型對SES與杠桿率、MES存在密切關(guān)系的論證是基于SES的上述定義，文中采用的后兩種代理變量（股票收益率、CDS價差）有些缺乏理論基礎(chǔ)。第三，SES是一種事后測度，對于未發(fā)生過金融危機的國家，該方法的使用將受到制約。

“A到VP”格式中的“到”不是可有可無的。關(guān)于“到”的意義和作用，前文已做了專門討論。它在“A到VP”格式的意義和結(jié)構(gòu)上都承載著不可或缺的作用。單獨看A和VP都不能理解它們的整體含義，不能根據(jù)表面意義得出整個格式的意義，“A到VP”是“A”“到”“VP”意義的整合與融合，它已經(jīng)成為語言表達的固定格式。沒有“到”的連接，整個結(jié)構(gòu)就不完整、不自足，表義也不連貫或有偏差，謂詞性VP對A的描述和補足就不能產(chǎn)生作用。例如：

Brownless&Engle（2017）對MES和SES做了進一步發(fā)展，提出了SRISK（Systemic Risk Indices）測度①“Volatility，Correlation and Tails for Systemic Risk Measurement”為其工作論文版本。：將市場在未來一段時間內(nèi)收益率低于-10%的情況下，某一金融機構(gòu)的預(yù)期資本短缺定義為該機構(gòu)在當(dāng)前時刻的SRISK，并將其作為測度單個機構(gòu)對系統(tǒng)性風(fēng)險貢獻的一種動態(tài)指標(biāo)（有別于SES靜態(tài)測度）。同時，將某一金融機構(gòu)在未來一段時間內(nèi)的股權(quán)預(yù)期收益率（在市場收益率低于-10%的條件下）定義為該機構(gòu)當(dāng)前的LRMES（Long-Run MES）。在一定的假設(shè)條件下，容易得到SRISK是公司規(guī)模、杠桿率和LRMES的函數(shù)。這一測度方法克服了SES事后觀測的不足，并且能夠動態(tài)評估。但根據(jù)定義，SRISK度量的是整個金融體系發(fā)生危機時（風(fēng)險已全面擴散的情況下）某一機構(gòu)的損失，而不是單個機構(gòu)對整個系統(tǒng)造成的風(fēng)險。系統(tǒng)重要性金融機構(gòu)（SIFIs）在整個市場中舉足輕重，市場收益率的崩潰實際上表示SIFIs處于危機狀態(tài)，故而SRISK測度反映的其實是公司規(guī)模的大小，而不能揭示金融風(fēng)險機制。關(guān)于SRISK測度的探討也可參見Acharya et al.，（2012）。

（三）DIP

另一個受到廣泛關(guān)注的系統(tǒng)性風(fēng)險測度是Huang et al.（2009）提出的 DIP（Distress Insurance Premium）。他們將銀行系統(tǒng)大規(guī)模信用違約視為系統(tǒng)性風(fēng)險（文中設(shè)定的閾值為銀行部門債務(wù)組合的違約損失達到其總債務(wù)規(guī)模的15%及以上），計算系統(tǒng)性風(fēng)險爆發(fā)時銀行部門所造成的預(yù)期損失的當(dāng)前價值，即DIP②文中選取了十幾家重要的銀行作為研究樣本。。

具體來說，他們首先基于一定的假設(shè)條件，利用CDS價差計算單個銀行的風(fēng)險中性違約概率③因為要計算現(xiàn)值即無套利價格，故而要計算以無風(fēng)險利率折現(xiàn)后的風(fēng)險中性期望。，然后基于股票價格預(yù)測銀行資產(chǎn)未來收益的相關(guān)性，并將其作為對銀行違約相關(guān)性的估計?；谶@兩個要素所計算的DIP是一種前瞻性的動態(tài)測度。Huang et al.，（2012）對DIP做了進一步發(fā)展，將單個銀行對DIP的邊際貢獻作為該銀行對系統(tǒng)性風(fēng)險的貢獻，并且能夠在時間和橫截面兩個維度進行度量。

（四）Shapley Value

Tarashev et al.（2009）將 合 作 博 弈 論 中 的Shapley值④Shapley（1953）提出了一種度量每位參與者對團隊貢獻的方法：計算每位參與者對所有可能的子團隊邊際貢獻的平均值，即Shapley Value。概念應(yīng)用于系統(tǒng)性風(fēng)險分析，度量單個金融機構(gòu)對系統(tǒng)性風(fēng)險的貢獻，即度量金融機構(gòu)的系統(tǒng)重要性。Shapley值是一種一般性的分配原理，基于這一原理對系統(tǒng)性風(fēng)險分配依賴于具體的風(fēng)險測度。他們選擇ES（Expected Shortfall，預(yù)期損失）作為系統(tǒng)性風(fēng)險測度，對選定的20家大型跨國金融機構(gòu)，運用Shapley值方法分析違約概率、規(guī)模和對共同風(fēng)險的敞口等因素對金融機構(gòu)系統(tǒng)重要性的影響。

Tarashev et al.，（2016）對度量金融機構(gòu)（銀行）系統(tǒng)重要性的Shapley值方法做了進一步研究，建立了嚴(yán)格的理論基礎(chǔ)，并對相關(guān)實證結(jié)果給出了理論證明。

以上四大類方法主要是基于SIFIs的股票收益率進行風(fēng)險度量。此外，也有學(xué)者嘗試運用股票期權(quán)數(shù)據(jù)進行分析，例如Malz（2013）使用的方法包括以下兩個步驟：

1.基于期權(quán)數(shù)據(jù)估計金融部門股票組合收益率的概率分布。首先，基于G-SIBs（Global Systemically Important Banks）的股票期權(quán)價格等數(shù)據(jù)，估計股票未來收益率的概率分布。然后，用單個股票和股票指數(shù)的隱含波動率，估計股票收益率的相關(guān)系數(shù)。最后，基于股票收益率分布和相關(guān)系數(shù)，運用正態(tài)Copula模型估計股票收益率的聯(lián)合分布，進而得到金融部門股票組合的概率分布。

2.基于金融部門股票組合的收益率分布計算系統(tǒng)性風(fēng)險指標(biāo)。首先，計算金融部門股票組合在未來3個月內(nèi)遭受大幅損失（例如25%的市值損失）的概率。其次，計算金融部門股票組合收益率尾部分布（后5%）的平均損失。最后，在某一金融機構(gòu)遭受損失的條件下計算前兩種測度，即“條件系統(tǒng)性風(fēng)險指標(biāo)”。

三、經(jīng)濟部門的債務(wù)風(fēng)險及部門間風(fēng)險傳導(dǎo)

與聚焦于系統(tǒng)重要性金融機構(gòu)的風(fēng)險測度方法不同的是，CCA（Contingent Claims Analysis）模型是基于經(jīng)濟部門的結(jié)構(gòu)模型，通過計算部門的風(fēng)險債務(wù)暴露、違約概率、危機距離等風(fēng)險指標(biāo)，分析各部門的信用風(fēng)險以及部門間基于資產(chǎn)負債表關(guān)聯(lián)的風(fēng)險傳導(dǎo)，并將其作為對系統(tǒng)性風(fēng)險的度量。

CCA是Merton（1973）所提出的分析方法，即假設(shè)總資產(chǎn)的市場價值服從It?隨機過程，則可以運用期權(quán)定價的方法對公司的權(quán)益、債務(wù)的市場價值進行計算和分析。其中，權(quán)益資本可以視為以總資產(chǎn)為標(biāo)的、債務(wù)額為敲定價格的看漲期權(quán)。類似地，公司未來的資本短缺，即總資產(chǎn)相對于總債務(wù)的差額可以視為總資產(chǎn)的看跌期權(quán)。

后來的學(xué)者們對CCA方法進行了拓展，將其應(yīng)用于系統(tǒng)性風(fēng)險分析和度量。例如，Lehar（2005）基于CCA方法，研究了銀行系統(tǒng)的風(fēng)險度量。他將銀行體系的風(fēng)險定義為銀行監(jiān)管者投資組合的風(fēng)險，利用看跌期權(quán)定價原理計算單個銀行預(yù)期資本短缺的現(xiàn)值，并利用股票市場信息估計銀行資產(chǎn)之間的動態(tài)關(guān)聯(lián)，從而對銀行體系的風(fēng)險進行評估。Gray et al.（2007）將CCA模型框架進行了拓展，使其能夠適用于主權(quán)資產(chǎn)負債表，從而能夠?qū)χ鳈?quán)信用風(fēng)險和相關(guān)政策進行量化分析。Gray et al.（2007）基于CCA方法，提出了一個度量系統(tǒng)性風(fēng)險的新框架：將一個經(jīng)濟體的各個部門視為相互關(guān)聯(lián)的由資產(chǎn)、負債和擔(dān)保所構(gòu)成的投資組合，運用風(fēng)險調(diào)整的資產(chǎn)負債表進行風(fēng)險分析。這一方法比傳統(tǒng)方法能夠更好地刻畫風(fēng)險逐漸積累后突然爆發(fā)的非線性特征，以及對資產(chǎn)負債錯配的影響進行量化，并且更加便于通過數(shù)值模擬和壓力測試對宏觀審慎政策的效應(yīng)進行評估。Gray et al.（2008）對基于CCA的主權(quán)信用風(fēng)險模型做了進一步發(fā)展，建立了一個分析公共部門債務(wù)可持續(xù)性的新框架。這一方法克服了傳統(tǒng)方法在度量風(fēng)險暴露、違約概率和信用利差方面存在的缺陷，并且能夠進行相關(guān)政策分析。Gray&Jobst（2010）建立了“系統(tǒng)性 CCA”（Systemic CCA）的新框架，基于市場信息計算預(yù)期損失，對系統(tǒng)性風(fēng)險進行度量，并將該方法應(yīng)用于政府隱性債務(wù)分析。Jobst&Gray（2013）基于“系統(tǒng)性CCA”框架，通過估計金融機構(gòu)的聯(lián)合預(yù)期損失，對系統(tǒng)性的償付能力風(fēng)險進行度量和分析。Gray et al.（2013）將 CCA 和 GVAR（Global Vector Autoregression）方法相結(jié)合，分析銀行、政府、公司等部門間的風(fēng)險傳導(dǎo)。通過對校準(zhǔn)后的模型進行銀行風(fēng)險和主權(quán)風(fēng)險的沖擊模擬，分析風(fēng)險溢出效應(yīng)，并對宏觀審慎政策的有效性進行評估。Gray（2014）基于CCA分析了房地產(chǎn)價格和住房抵押貸款風(fēng)險向銀行部門的傳導(dǎo)，以及銀行部門的風(fēng)險向政府部門及實體經(jīng)濟的傳導(dǎo)，并將這一分析框架應(yīng)用于愛爾蘭。

CCA模型的主要不足在于，其依賴于總資產(chǎn)服從幾何布朗運動的基本假設(shè)①即Black-Scholes模型中對標(biāo)的股票價格過程的假設(shè)，漂移和波動率均為常數(shù)。，并繼而得到部門的權(quán)益和債務(wù)，故而與事實存在較大的偏離。

四、銀行間同業(yè)拆借關(guān)聯(lián)所導(dǎo)致的銀行體系脆弱性

大量文獻基于網(wǎng)絡(luò)模型研究銀行間同業(yè)拆借關(guān)聯(lián)所導(dǎo)致的銀行體系脆弱性。Allen&Gale（2000）是金融網(wǎng)絡(luò)模型的奠基性文獻。他們對銀行間信用關(guān)聯(lián)和風(fēng)險傳染建模，論證了銀行系統(tǒng)信用關(guān)聯(lián)的完全結(jié)構(gòu)（Complete Interconnection）比非完全結(jié)構(gòu)在面臨外部流動性沖擊時更加穩(wěn)定。Eisenberg&Noe（2001）在一定條件下證明了銀行間信用關(guān)聯(lián)網(wǎng)絡(luò)存在唯一的“清算支付向量”，并建立了一個基本算法（“Fictitious Sequential Default”Algorithm），分析銀行違約風(fēng)險的傳染過程。Cifuentes et al.（2005）主要分析了資產(chǎn)拋售與資產(chǎn)減值相互作用所導(dǎo)致的銀行系統(tǒng)風(fēng)險傳染。Degryse&Nguyen（2007）發(fā)現(xiàn)完全結(jié)構(gòu)的銀行間網(wǎng)絡(luò)比“多貨幣中心”（Multiple-Money-Center）網(wǎng)絡(luò)結(jié)構(gòu)更加穩(wěn)健。Gai et al.（2011）的研究表明，銀行間網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性和集中度增加會放大銀行系統(tǒng)的脆弱性。Cont et al.（2013）運用“傳染指數(shù)”（Contagion Index）度量金融機構(gòu)的系統(tǒng)重要性，并對銀行網(wǎng)絡(luò)中的傳染風(fēng)險進行分析。Glasserman&Young（2015）提出了一個不同于傳統(tǒng)金融網(wǎng)絡(luò)模型分析的新思路，即建立單個金融機構(gòu)特性（資產(chǎn)規(guī)模、杠桿率和關(guān)聯(lián)性）與網(wǎng)絡(luò)中傳染放大效應(yīng)之間的關(guān)系，這一關(guān)系并不依賴于網(wǎng)絡(luò)拓撲結(jié)構(gòu)。

五、其他測度方法

（一）宏觀指標(biāo)與宏觀指數(shù)

用一組宏觀指標(biāo)或其合成的宏觀指數(shù)來度量金融體系的總體風(fēng)險狀況，這類方法可以統(tǒng)稱為“金融狀況指數(shù)”（Financial Conditions Indexes）。

例如：Frankel&Rose（1996）、Sachs et al.（1996）對發(fā)生貨幣危機的主要經(jīng)濟基本面因素進行了研究；Kaminsky et al.（1998）建立了貨幣危機預(yù)警系統(tǒng)；Illing&Liu（2006）、Morales&Estrada（2010）、Cardarelli et al.（2011）、Brave&Butters（2012）、Carlson et al.（2014）建 立 了“ 金 融 壓 力 指 數(shù) ”（Financial Stress Indexes）。此外，Brunnermeier et al.（2014）建立了“流動性錯配指數(shù)”（Liquidity Mismatch Index）。

（二）主成分分析與格蘭杰因果網(wǎng)絡(luò)

Billio et al.（2012）基于主成分分析和格蘭杰因果檢驗，建立了兩類度量金融機構(gòu)關(guān)聯(lián)性和系統(tǒng)性風(fēng)險的指標(biāo)。他們在美國的銀行、證券交易商、保險公司和對沖基金四類金融機構(gòu)中分別選取最大的25家，并基于其股票月度收益率（或?qū)_基金的月度收益率）進行統(tǒng)計分析。

首先，將樣本機構(gòu)股票收益率的“方差-協(xié)方差矩陣”進行正交分解，從而可以將收益率表示為主成分的線性組合。將金融系統(tǒng)的總風(fēng)險定義為主成分方差之和。選定前幾個解釋力最強的主成分，將它們的方差之和與總風(fēng)險的比值作為金融系統(tǒng)關(guān)聯(lián)性的（動態(tài)）指標(biāo)。這是因為當(dāng)金融系統(tǒng)關(guān)聯(lián)性增強時，選定的前幾個主成分對總波動的解釋比例增加。同時，金融系統(tǒng)關(guān)聯(lián)性增強也在一定程度上意味著系統(tǒng)性風(fēng)險水平上升。另外，也可以計算單個機構(gòu)對總風(fēng)險的貢獻。

接下來，他們對機構(gòu)的股票收益率序列互相進行格蘭杰因果檢驗，從而建立“格蘭杰因果網(wǎng)絡(luò)”，并基于該網(wǎng)絡(luò)提出了度量關(guān)聯(lián)性的5個指標(biāo)：格蘭杰因果度（Degree of Granger Causality）、關(guān)聯(lián)數(shù)目（Number of Connections）、部門條件關(guān)聯(lián)（Sectorconditional Connections）、緊密度（Closeness）、特征向量中心性（Eigenvector Centrality）。

六、主要結(jié)論

本文對主要的系統(tǒng)性金融風(fēng)險測度方法進行了較為詳盡的回顧。測度（單個）系統(tǒng)重要性金融機構(gòu)所承擔(dān)的系統(tǒng)性風(fēng)險仍是目前的主流方法,但這類方法度量的是危機爆發(fā)后擴散階段的風(fēng)險，并不能揭示系統(tǒng)性風(fēng)險在機制上的來源，故而對于采取有效的宏觀審慎政策進行逆周期調(diào)節(jié)的作用有限。

以美國次貸危機為例，雷曼兄弟等系統(tǒng)重要性金融機構(gòu)對其金融體系穩(wěn)定性的重要意義是不言而喻的，危機爆發(fā)前這些大型金融機構(gòu)看似都保持著穩(wěn)健運行，并無危機征兆，但事實上它們乃至美國金融體系已經(jīng)積累了巨大風(fēng)險。在房地產(chǎn)泡沫破裂后，這些大型金融機構(gòu)所暴露出來的巨大流動性缺口，會迅速表現(xiàn)為整個金融體系穩(wěn)定性的崩潰。從系統(tǒng)性風(fēng)險爆發(fā)的先后順序看，比大型機構(gòu)破產(chǎn)所引發(fā)的連鎖效應(yīng)更為關(guān)鍵的問題是，這些實力強大、舉足輕重的系統(tǒng)重要性金融機構(gòu)為什么會集體同時遭受規(guī)模如此龐大的損失以致破產(chǎn)？這一風(fēng)險從何積累而來？事實上，這就是系統(tǒng)性風(fēng)險，即相當(dāng)數(shù)量的系統(tǒng)重要性金融機構(gòu)因大規(guī)模卷入資產(chǎn)價格泡沫而面臨危機，從而危及金融體系穩(wěn)定。

總之，系統(tǒng)性風(fēng)險是金融體系或多數(shù)系統(tǒng)重要性金融機構(gòu)所面臨的共同風(fēng)險因素，這些風(fēng)險因素及其潛在影響是系統(tǒng)性風(fēng)險分析和度量的核心。在當(dāng)前我國防范化解重大風(fēng)險的關(guān)鍵時期，對房地產(chǎn)泡沫、地方政府債務(wù)、影子銀行體系等主要的系統(tǒng)性風(fēng)險因素及其潛在影響進行準(zhǔn)確的動態(tài)評估，是系統(tǒng)性風(fēng)險度量對于維護金融穩(wěn)定的重要意義所在，其目標(biāo)在于能夠及時采取宏觀審慎政策，增強金融體系的穩(wěn)健性。從經(jīng)濟部門看，房地產(chǎn)價格和住房抵押貸款風(fēng)險向銀行體系傳導(dǎo)，繼而由銀行體系向?qū)嶓w經(jīng)濟和政府部門傳導(dǎo)，是危機的重要傳導(dǎo)路徑。因此，房地產(chǎn)市場的平穩(wěn)和銀行體系的穩(wěn)健，是宏觀穩(wěn)定的重要前提。此外，幾年前的“錢荒”事件充分暴露了銀行間同業(yè)拆借的復(fù)雜關(guān)聯(lián)可能導(dǎo)致的流動性危機，故而對銀行間同業(yè)拆借市場的流動性風(fēng)險監(jiān)測也是維護金融穩(wěn)定必不可少的重要環(huán)節(jié)。