結(jié)構(gòu)性去杠桿與金融機構(gòu)系統(tǒng)性風險溢出：促進還是抑制？

郭文偉

一、引言

2015年12月，“去杠桿”作為“三去一降一補”五大任務(wù)之一首次在中央經(jīng)濟工作會議上被提出。2016年的中央經(jīng)濟工作明確，去杠桿要在控制總杠桿率的前提下，把降低企業(yè)杠桿率作為重中之重，要規(guī)范政府舉債行為等。2017年7月，全國金融工作會議進一步明確，要把國有企業(yè)降杠桿作為重中之重，嚴控地方政府債務(wù)增量。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險攻堅戰(zhàn)”劃定基本思路。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，地方政府和企業(yè)特別是國有企業(yè)要盡快把杠桿降下來，努力實現(xiàn)宏觀杠桿率穩(wěn)定和逐步下降。此次中央財經(jīng)委首提的“結(jié)構(gòu)性去杠桿”不僅高度概括了此前去杠桿的整體思路，并將這一任務(wù)上升為“頂層設(shè)計”。2019年7月17日央行發(fā)布的2019年第一季度中國貨幣政策執(zhí)行報告顯示，結(jié)構(gòu)性去杠桿過程中，必要的市場出清也能更好地釋放沉淀資源、提高資金效率，疏通貨幣政策傳導(dǎo)，形成良性循環(huán)。下一階段，穩(wěn)健的貨幣政策要松緊適度，保持流動性合理充裕，與結(jié)構(gòu)性去杠桿進程協(xié)調(diào)推進，平衡好穩(wěn)增長和防風險之間的關(guān)系。對此，如何進一步實施有序結(jié)構(gòu)性去杠桿？不同部門(金融部門、非金融企業(yè)部門、政府部門、居民部門)的去杠桿力度和節(jié)奏對不同類型金融機構(gòu)系統(tǒng)性風險溢出是否存在顯著的影響差異？各部門的去杠桿進程是否會導(dǎo)致不同金融子行業(yè)機構(gòu)系統(tǒng)性風險的交叉?zhèn)魅?？對這些問題進行深入研究將有助于進一步厘清結(jié)構(gòu)性去杠桿對金融機構(gòu)系統(tǒng)性風險溢出的影響機制，在當前中央政府強調(diào)有序推進結(jié)構(gòu)性去杠桿以化解重大金融系統(tǒng)性風險的背景下，就具有重要的現(xiàn)實意義和研究價值：第一、有助于厘清不同部門杠桿及其波動對金融機構(gòu)系統(tǒng)性風險溢出的影響效應(yīng)；第二、有助于明確當前實施結(jié)構(gòu)性去杠桿的重點和方向，避免因過度去杠桿而引發(fā)嚴重金融機構(gòu)系統(tǒng)性風險或交叉?zhèn)魅撅L險，為科學評價結(jié)構(gòu)性去杠桿政策的實施效果，制定更為合理的差異化去杠桿措施提供有益的啟示。

二、文獻綜述

(一)金融機構(gòu)系統(tǒng)性風險溢出及其影響因素研究

2008年金融危機的爆發(fā)凸顯出金融機構(gòu)系統(tǒng)性風險的傳染性、聯(lián)動性與系統(tǒng)性，暴露了早期金融系統(tǒng)性風險測度方法沒有考慮到外來風險對金融機構(gòu)和整個金融市場的沖擊和傳染的嚴重缺陷。隨后不斷有學者提出新的金融系統(tǒng)性風險測度方法(網(wǎng)絡(luò)模型法和條件在險價值法CoVaR)，其中衡量金融系統(tǒng)性風險的CoVaR和衡量系統(tǒng)性風險溢出效應(yīng)的ΔCoVaR最具代表性；CoVaR是在VaR方法的基礎(chǔ)上，通過金融機構(gòu)收益率序列的條件標準差與不同序列間相關(guān)性來計算兩兩不同金融機構(gòu)間的風險溢出效應(yīng)。當前國內(nèi)外學者主要通過三種方法進行CoVaR估計：第一種方法是Adrian和Brunnermeier首先提出的通過分位數(shù)回歸度量CoVaR(Drakos和Kouretas，2015[1]；Bernard和Czado，2015[2])。該方法通過構(gòu)建金融機構(gòu)在分位數(shù)為ɑ時的風險溢出回歸模型對VaR和CoVaR進行估計，其不足之處在于測算結(jié)果比較粗糙，也無法刻畫變量間的非線性關(guān)系。第二種方法是基于DCC-GARCH模型計算CoVaR(Trabelsi，2017[3]；Fang，2017[4])。這種模型可以捕捉收益率序列間的時變聯(lián)動性，簡化了條件方差和協(xié)方差矩陣的計算和變量相關(guān)性估計。第三種基于Copula模型對CoVaR進行測算(Bernardi等，2017[5]；Boako，2017[6])。相對于前兩種方法，基于Copula模型測算的CoVaR可以充分刻畫隨機變量之間的上下尾相依結(jié)構(gòu)和相依性，進而測度出非對稱性的系統(tǒng)性風險溢出特征，但至今高維動態(tài)Copula-CoVaR方法的建模技術(shù)仍不夠成熟，制約了其推廣和應(yīng)用。這種方法相比前面兩類方法顯著提升了測算的精確性，但運行效率低于前者。

在金融系統(tǒng)性風險溢出效應(yīng)的實證方面，國內(nèi)大部分學者基于CoVaR和ΔCoVaR方法研究了金融市場和金融子行業(yè)的系統(tǒng)性風險溢出效應(yīng)。沈悅等(2014)[7]、王琳和沈沛龍(2017)[8]、嚴偉祥等(2017)[9]、王擎等(2016)[10]分別基于EVT-Copula-CoVaR模型、GARCH-Copula-CoVaR模型和DCC-GARCH模型對我國上市金融機構(gòu)(銀行、證券、保險、信托業(yè)以及金融期貨)之間的動態(tài)相關(guān)性和系統(tǒng)性風險溢出效應(yīng)進行了廣泛研究，大部分研究結(jié)果均表明金融業(yè)存在明顯的風險溢出效應(yīng)，各金融子系統(tǒng)之間存在顯著的關(guān)聯(lián)性和風險溢出效應(yīng)。

在金融系統(tǒng)性風險溢出效應(yīng)的影響因素研究方面，國內(nèi)大部分文獻的結(jié)論認為金融機構(gòu)的規(guī)模大小、業(yè)務(wù)復(fù)雜性、金融資產(chǎn)數(shù)量、可代替性，以及金融機構(gòu)之間的內(nèi)部關(guān)聯(lián)度和影響力對金融機構(gòu)系統(tǒng)性風險溢出具有重要影響；但對不同金融子行業(yè)來說，其系統(tǒng)性風險的關(guān)鍵驅(qū)動因素有所不同。對銀行業(yè)來說，傳統(tǒng)存貸業(yè)務(wù)占比和流動性越低、不良貸款率越高的銀行往往面臨越高的系統(tǒng)性風險。商業(yè)銀行的資產(chǎn)規(guī)模、杠桿、股價波動、期限錯配等因素與其系統(tǒng)性風險溢出有顯著關(guān)系(陸靜和胡曉紅，2014[11]；王妍和陳守東，2014[12]；張?zhí)祉敽蛷堄畛桑?017[13])。而更多的學者認為金融杠桿對系統(tǒng)性風險溢出具有顯著的正向影響(方意等，2012[12]；王妍和陳守東，2014[12]；王擎等，2016[10])。

(三)結(jié)構(gòu)性去杠桿對金融機構(gòu)系統(tǒng)性風險溢出的影響研究

在結(jié)構(gòu)性去杠桿與金融機構(gòu)系統(tǒng)性風險溢出之間的關(guān)系研究方面，中外學者出現(xiàn)了不同研究路徑。國外學者側(cè)重研究金融去杠桿對宏觀經(jīng)濟和商業(yè)銀行產(chǎn)生的沖擊影響。Eggertsson和Krugman(2012)[15]首先提出“去杠桿化危機”，指明去杠桿化會對宏觀經(jīng)濟調(diào)控產(chǎn)生負面影響。去杠桿帶來的金融資產(chǎn)價格下跌將引發(fā)新一輪的流動性風險和信用風險，實體經(jīng)濟的融資能力下降也會抑制經(jīng)濟發(fā)展。國外學者普遍認為銀行規(guī)模和銀行業(yè)杠桿是系統(tǒng)性風險溢出的關(guān)鍵驅(qū)動因素(Black，2013[16])；具有更高財務(wù)杠桿和資產(chǎn)規(guī)模的商業(yè)銀行，其系統(tǒng)性風險溢出效應(yīng)更大(Engle等，2014[17]；Hautsch等，2014[18])。除資產(chǎn)規(guī)模和金融杠桿外，銀行中非利息收入過高和流動性偏低都會顯著增加銀行系統(tǒng)性風險(Vallascas和Keasey，2012[19])。

國內(nèi)學者的研究重點則緊跟國家政策走向(實體經(jīng)濟去杠桿→金融去杠桿→有序結(jié)構(gòu)性去杠桿)，目前大部分文獻集中研究金融去杠桿對系統(tǒng)性風險和經(jīng)濟增長的影響研究，而對結(jié)構(gòu)性去杠桿的研究相對較少。從現(xiàn)有研究結(jié)論來看，主要有如下幾類：第一，適度金融杠桿能促進經(jīng)濟增長。馬勇和李振(2016)[20]研究發(fā)現(xiàn)在城鎮(zhèn)化的進程中，金融杠桿與經(jīng)濟增長存在倒U型關(guān)系，適度金融杠桿能夠促進經(jīng)濟增長；王愛儉和杜強(2017)[21]同樣認為金融杠桿對經(jīng)濟增長具有非線性的促進作用，且這種促進作用能夠提升金融效率和優(yōu)化金融結(jié)構(gòu)。第二，過度金融去杠桿會引發(fā)系統(tǒng)性風險。茍文均等(2012)[22]認為由于不同部門的杠桿率對系統(tǒng)性金融風險的影響存在差異，金融去杠桿有可能引發(fā)其他新的系統(tǒng)性風險。金融去杠桿對資產(chǎn)價格產(chǎn)生負面沖擊，導(dǎo)致資產(chǎn)價值嚴重縮水，加大了系統(tǒng)性風險和金融危機發(fā)生的可能性(陳雨露等，2014[23])。第三，金融去杠桿加劇了金融杠桿波動和經(jīng)濟波動，不利于金融穩(wěn)定和經(jīng)濟增長(馬勇和陳雨露，2017[24]；顧永昆，2017[25]；吳建鑾等，2018[26])，金融去杠桿政策需要在區(qū)別長期和短期政策影響的基礎(chǔ)上審慎選擇(張婧屹和李建強，2018[27])。

綜上所述，盡管現(xiàn)有文獻已經(jīng)對我國金融業(yè)的系統(tǒng)性風險溢出效應(yīng)及其影響因素方面進行了廣泛的研究，取得了豐富的研究成果，但依然存在一些局限：第一，研究視角的局限。在實踐層面，中央政府已經(jīng)強調(diào)要實施有序結(jié)構(gòu)性去杠桿戰(zhàn)略以防范和化解重大金融系統(tǒng)性風險，但至今理論研究明顯滯后于實踐進展。鮮有文獻基于微觀視角來專門研究結(jié)構(gòu)性去杠桿對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的影響機制。第二，研究問題的局限。現(xiàn)有文獻主要集中于銀行業(yè)的系統(tǒng)性風險溢出效應(yīng)及其影響因素的實證分析，而忽視了其他金融子行業(yè)的異質(zhì)性差異；與此同時，少數(shù)文獻研究了金融去杠桿或金融杠桿波動的宏觀經(jīng)濟效應(yīng)，而鮮有文獻研究各部門(居民、金融、非金融企業(yè)、政府)去杠桿對微觀金融主體(銀行、保險、證券、信托、其他非銀金融(1)本文的其他非銀金融上市機構(gòu)包括除了銀行、信托、保險、證券之外的其他主營業(yè)務(wù)為融資租賃、小額信貸等業(yè)務(wù)的機構(gòu)以及財務(wù)公司等。)系統(tǒng)性風險溢出效應(yīng)的影響效應(yīng)及其行業(yè)異質(zhì)性差異。相比現(xiàn)有相關(guān)研究，本文的研究特色主要表現(xiàn)為：第一，研究視角的創(chuàng)新。本文采用微觀視角來研究結(jié)構(gòu)性去杠桿對國內(nèi)上市金融機構(gòu)系統(tǒng)性風險及其溢出效應(yīng)的影響效應(yīng)及其影響路徑。第二,研究對象更為全面。不同于大多數(shù)文獻的研究對象僅僅局限于整個金融業(yè)或某一金融子行業(yè)，本文以整個金融業(yè)及其五個金融子行業(yè)(銀行、保險、證券、信托、其他非銀金融)的60家上市企業(yè)為研究對象，并基于行業(yè)和企業(yè)特征等層面來深入分析結(jié)構(gòu)性去杠桿影響系統(tǒng)性風險溢出效應(yīng)的異質(zhì)性特征。第三，揭示不同部門去杠桿對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的影響差異，為制定科學合理的有序結(jié)構(gòu)性去杠桿措施提供實證支持。

對此，本文首先從金融部門、非金融企業(yè)部門、居民部門和政府部門來衡量我國的結(jié)構(gòu)性杠桿，同時采取HP濾波方法來量化各個部門的去杠桿程度；接著分別采用ΔCoVaR方法和MES方法來測度各金融機構(gòu)的系統(tǒng)性風險溢出效應(yīng)和尾部風險溢出效應(yīng)；最后，結(jié)合金融機構(gòu)微觀特征、外部環(huán)境沖擊(國內(nèi)外政策不確定性、股市波動、經(jīng)濟增速、廣義貨幣增速)等因素來深入分析結(jié)構(gòu)性去杠桿對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的影響效應(yīng)及其差異；在此基礎(chǔ)上基于中介調(diào)節(jié)效應(yīng)方法來探討結(jié)構(gòu)性去杠桿影響金融機構(gòu)系統(tǒng)性風險溢出的路徑。

三、實證模型的構(gòu)建與說明

(一)時變聯(lián)動性測度：DCC模型

DCC-GARCH的邊緣分布將采用AR(1)-GJR(1,1)-Guass模型，模型形式如下：

Ri,t=c0+c1Ri,t-1+ei,t,i=1,2,…，n

(1)

ei,t=hi,tεi,t,εi,t∶Guass

(2)

(3)

公式(1)為均值方程，ei,t為收益率系列的殘差；隨機變量ε具有d(εi,t,v,λ)一樣的密度函數(shù)。公式(3)為方差方程，I(ei,t-1<0)為指示性指標，當ei,t<0時取1，否則取0；公式(3)還存在如下約束條件：

α+2β+γ<2,α>-γ,β∈(0,1)

(4)

DCC-GARCH模型形式如下：

(5)

(二)系統(tǒng)性風險溢出效應(yīng)：ΔCoVaR模型

在險價值(VaR)是指在一定置信水平下，金融資產(chǎn)在未來一定時間內(nèi)可能發(fā)生的最大損失值，其表達式為：

(6)

(7)

(8)

(9)

因為φ-1(50%)=0，所以行業(yè)i對行業(yè)j的邊際風險溢出公式(8)可以簡化為：

(10)

(三)尾部風險溢出效應(yīng)：MES模型

根據(jù)Brownlees和Engle(2011)[28]的推導(dǎo)，提前1期的MES可由市場和機構(gòu)的波動率σm,t、σi,t、相關(guān)性ρi,m,t及其標準化尾部期望的函數(shù)來衡量，其模型如公式(11)所示。其中，常數(shù)C一般取-2%，表示股市指數(shù)在一個交易日內(nèi)跌幅為2%。(εm,t,ξi,t)表示金融市場和金融機構(gòu)的下尾風險沖擊。MES可用來刻畫金融市場與金融機構(gòu)之間的尾部風險溢出效應(yīng)。

(11)

四、金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)測度

(一)樣本數(shù)據(jù)選擇與說明

本文以涉及5個金融子行業(yè)(保險業(yè)、信托業(yè)、銀行業(yè)、證券業(yè)、其他非銀金融業(yè))的60家國內(nèi)上市的金融機構(gòu)股票價格的日收盤價作為樣本數(shù)據(jù)進行實證研究(2)信托業(yè)有2家(陜國投A、安信信托)，證券業(yè)有21家(東北證券、錦龍股份、國元證券、國海證券、廣發(fā)證券、長江證券、山西證券、中信證券、國投安信、國金證券、寶碩股份、西南證券、華鑫股份、海通證券、招商證券、太平洋證券、興業(yè)證券、東吳證券、華泰證券、光大證券、方正證券)，保險業(yè)有6家(天茂集團、西水股份、中國平安、新華保險、中國太保、中國人壽)，銀行業(yè)有16家(平安銀行、寧波銀行、浦發(fā)銀行、華夏銀行、民生銀行、招商銀行、南京銀行、興業(yè)銀行、北京銀行、農(nóng)業(yè)銀行、交通銀行、工商銀行、光大銀行、建設(shè)銀行、中國銀行、中信銀行)，其他非銀金融業(yè)有15家(渤海金控、民生控股、海德股份、中油資本、經(jīng)緯紡織、越秀金控、二三四五、寶德股份、易見股份、西部資源、新力金融、五礦資本、愛建集團、綠庭投資、中航資本)。由于部分金融機構(gòu)上市較晚導(dǎo)致出現(xiàn)樣本數(shù)據(jù)量較少等可能影響本文實證研究有效性和操作性的問題，對此，本文剔除了江陰銀行、張家港行、無錫銀行、綠庭B股、申萬宏源和華西證券等數(shù)據(jù)量較少或非國內(nèi)A股的金融機構(gòu)。。行業(yè)分類參考東財行業(yè)指數(shù)標準進行分類，數(shù)據(jù)來源于東方財富Choice數(shù)據(jù)庫。研究時期從2012年1月1日至2018年12月31日。所有數(shù)據(jù)均為日度收盤價，同時剔除不在同一天交易的數(shù)據(jù)，這里對樣本數(shù)據(jù)均進行了對數(shù)收益率處理。

(二)變量描述性統(tǒng)計分析及相關(guān)檢驗

這里對股票市場(以滬深300指數(shù)來代表)和各金融機構(gòu)股票價格的日度收益序列進行描述性統(tǒng)計(3)由于論文篇幅限制，這里在表1中不再一一列出60個金融機構(gòu)收益序列的描述性統(tǒng)計結(jié)果，而是僅列出每個金融子行業(yè)的一個代表性金融機構(gòu)的收益序列描述性統(tǒng)計結(jié)果，感興趣的讀者，可向作者索取。表2也做類似處理。代表性金融機構(gòu)分別為：保險業(yè)的中國平安、信托業(yè)的安信信托、銀行業(yè)的工商銀行、證券業(yè)的中信證券、其他非銀行金融業(yè)的民生控股。。對各個金融子行業(yè)來說，在偏度方面，除了中信證券存在微弱的右偏，其他四個機構(gòu)和股票市場均呈現(xiàn)左偏特征；在峰度方面，各機構(gòu)和股票市場均呈現(xiàn)“尖峰”特征；從J-B檢驗來看，所有金融機構(gòu)和股票市場均不服從正態(tài)性假設(shè)；ADF檢驗表明序列均平穩(wěn)；Q(1)表明序列均不存在自相關(guān)性；LM檢驗結(jié)果如表明股票市場及5個代表性金融機構(gòu)均存在顯著的ARCH效應(yīng)。

表1 股票市場及代表性金融機構(gòu)收益序列的描述性統(tǒng)計

數(shù)據(jù)來源：作者根據(jù)描述性統(tǒng)計檢驗結(jié)果整理得到。

(三)邊緣分布模型的參數(shù)估計結(jié)果

本文采用邊緣分布函數(shù)AR(1)-GJR(1,1)-Guass進行參數(shù)估計；此外，為了檢驗序列概率積分變換后是否服從(0,1)分布，本文引進K-S Z統(tǒng)計值進行描述，結(jié)果如表2所示。從表2的估計結(jié)果中可以看到：c0參數(shù)只有在部分序列顯著，c1參數(shù)只有在銀行業(yè)顯著，說明序列前后之間存在的自相關(guān)性較弱；α參數(shù)和β參數(shù)顯著，且α+β接近1，但w參數(shù)和γ參數(shù)基本不顯著，表明序列波動具有持續(xù)性，并且正負面消息沖擊影響不存在明顯的非對稱性特征，即“杠杠效應(yīng)”并不顯著。

表2 邊緣分布參數(shù)估計結(jié)果

注：c0和c1分別表示均值方程中的截距項和趨勢項；w表示方差方程中的截距項；LL是方程整體似然估計量；K-SZ值和漸進顯著性是基于BDS獨立性檢驗的Z統(tǒng)計值及其顯著性。

數(shù)據(jù)來源：作者根據(jù)邊緣分布統(tǒng)計檢驗結(jié)果整理得到。

(四)金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)ΔCoVaR和尾部風險溢出效應(yīng)MES

這里首先利用DCC-GARCH-CoVaR和MES方法來動態(tài)測度在整個研究時期內(nèi)各金融機構(gòu)在95%置信水平上的系統(tǒng)性風險CoVaR、溢出效應(yīng)ΔCoVaR和尾部風險溢出效應(yīng)MES；然后基于市值加權(quán)方法來合成整個金融行業(yè)的系統(tǒng)性風險溢出效應(yīng)。最終結(jié)果如圖1所示。從圖1可知，在整個研究時期內(nèi)(2012—2018年)三種風險指標(CoVaR、ΔCoVaR、MES)的走勢較為趨同，可分為三個典型時期。在第一時期(2012年1月—2014年9月)，這三種風險指標走勢較為平緩，說明該時期各金融機構(gòu)系統(tǒng)性風險水平及其溢出效應(yīng)均不存在顯著波動；從絕對值水平來看，CoVaR>MES>ΔCoVaR，說明這段時期內(nèi)金融業(yè)的系統(tǒng)性風險水平(CoVaR)高于短期邊際預(yù)期損失(MES)，更高于系統(tǒng)性風險溢出效應(yīng)(ΔCoVaR)。在第二時期(2014年10月—2015年10月)，整個金融業(yè)的三種風險指標(CoVaR、ΔCoVaR、MES)開始大幅上升，并分別在2014年12月達到前期高點，隨后持續(xù)快速回落直至2015年2月；在資本市場杠桿牛市的強力帶動下開始出現(xiàn)上升態(tài)勢，并在2015年7月創(chuàng)出歷史新高，但隨后在證監(jiān)會強力去杠桿而引發(fā)股災(zāi)的沖擊下出現(xiàn)快速回落。在該時期，三種風險值大小依次為MES>CoVaR>ΔCoVaR，這表明在資本市場出現(xiàn)短期暴漲暴跌的情境內(nèi)，金融機構(gòu)面臨的最大風險是短期內(nèi)資本短缺風險。在第三時期(2015年11月—2018年12月)，金融業(yè)的三種風險指標走勢恢復(fù)到之前的平穩(wěn)態(tài)勢，從絕對值水平來看，三種風險值大小依次為CoVaR>MES>ΔCoVaR，但該時期三種風險指標的平均值要明顯大于第一時期(2012年1月—2014年9月)，而明顯小于第二時期(2014年10月—2015年10月)。

圖1 基于60家金融機構(gòu)合計的系統(tǒng)性風險及其溢出效應(yīng)走勢

對其所屬子行業(yè)的動態(tài)風險溢出效應(yīng)(在95%置信水平上的ΔCoVaR)，按照累加值從大到小選取前三家金融機構(gòu)進行比較分析，最終分析結(jié)果匯總?cè)绫?所示。各金融子行業(yè)系統(tǒng)性風險溢出效應(yīng)從大到小依次為：證券業(yè)、銀行業(yè)、其他非銀金融業(yè)、保險業(yè)和信托業(yè)，各自占比依次為40.33%、25.45%、20.02%、10.59%、3.61%；顯然，證券業(yè)的系統(tǒng)性風險溢出效應(yīng)最大，比第二名的銀行業(yè)高出15%，而信托業(yè)的系統(tǒng)性風險溢出效應(yīng)最小，只占總體系統(tǒng)性風險溢出效應(yīng)的3.61%，不過這與信托業(yè)目前僅有2家上市公司存在較大關(guān)系。

從微觀金融機構(gòu)層面來看，對證券業(yè)系統(tǒng)性風險溢出效應(yīng)貢獻占比最大的前三家機構(gòu)依次為東北證券(5.97%)、廣發(fā)證券(5.63%)和長江證券(5.39%)。對銀行業(yè)系統(tǒng)性風險溢出效應(yīng)貢獻占比最大的前三家機構(gòu)依次為華夏銀行(7.94%)、平安銀行(7.31%)和招商銀行(6.88%)。對其他非銀金融業(yè)系統(tǒng)性風險溢出效應(yīng)貢獻占比最大的前三家機構(gòu)依次為經(jīng)緯紡織(8.61%)、五礦資本(7.37%)和綠庭投資(7.25%)。對保險業(yè)系統(tǒng)性風險溢出效應(yīng)貢獻占比最大的前三家機構(gòu)依次為中國太保(22.51%)、中國平安(20.80%)和中國人壽(16.78%)。對證券業(yè)系統(tǒng)性風險溢出效應(yīng)貢獻占比最大的兩家機構(gòu)依次為陜國投A(53.57%)和安信信托(46.43%)。

表3 基于ΔCoVaR選取的機構(gòu)在95%置信水平上的ΔCoVaR 單位：億元

數(shù)據(jù)來源：作者根據(jù)實證結(jié)果自行整理得到。

五、部門杠桿對金融系統(tǒng)性風險溢出的影響分析

(一)模型變量選取及說明

本文在借鑒現(xiàn)有相關(guān)文獻研究結(jié)論的基礎(chǔ)上，從微觀(機構(gòu)特征)、宏觀(股市波動、經(jīng)濟增長、經(jīng)濟政策不確定性)這兩個層面來全面分析各部門杠桿對系統(tǒng)性風險溢出效應(yīng)的影響及其行業(yè)和區(qū)域異質(zhì)性特征。模型因變量：金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)和尾部風險溢出效應(yīng)(ΔCoVaR、MES)。核心自變量有兩類：一類是各部門杠桿。這里借鑒陳雨露等(2014)[23]的做法，采用對其他金融部門債權(quán)占國內(nèi)信貸的比率來衡量金融杠桿FL、采用非金融企業(yè)部門債權(quán)占國內(nèi)信貸的比率來衡量非金融企業(yè)部門杠桿NFL、采用對政府部門債權(quán)占國內(nèi)信貸的比率來衡量政府部門杠桿GL；對于居民部門杠桿JML，運用學界普遍采用的居民貸款占GDP的比率來衡量。另一類是宏觀經(jīng)濟杠桿。這里采用廣義貨幣M2與GDP的比率來衡量宏觀經(jīng)濟杠桿M2_GDP。各部門杠桿走勢如圖2所示，從走勢來看，在整個研究時期內(nèi)，四個部門杠桿走勢各異。其中，金融部門杠桿從2012年持續(xù)上漲至2016年見頂后開始出現(xiàn)下降至2018年年底；非金融企業(yè)部門杠桿則在2012—2017年呈現(xiàn)出震蕩走勢，但從2018年年初開始出現(xiàn)上漲態(tài)勢；政府部門杠桿則在2012—2014年處于底部盤整后，從2015年至今出現(xiàn)持續(xù)上升格局；居民部門杠桿除了在2008年略有下降，其他時期均處于上升趨勢?？傮w表現(xiàn)為：金融部門正處于去杠桿階段，而其他三個部門仍然處于加杠桿階段。與此同時，采用權(quán)益乘數(shù)(總資產(chǎn)/股權(quán)權(quán)益之比)來衡量企業(yè)財務(wù)杠桿CWGG。

在機構(gòu)特征層面上的控制變量包括：資產(chǎn)規(guī)模ZSZ(采取自然對數(shù)形式的總市值)、盈利能力YLNL(采用凈利潤與總銷售收入之比)、發(fā)展能力FZNL(采用主營營業(yè)收入同比增速)、運營能力YYNL(采用總資產(chǎn)周轉(zhuǎn)率)。與此同時，采取1個虛擬變量來衡量不同企業(yè)的性質(zhì)D：如果屬于國資控股取值取1，否則取值為0。

圖2 各部門杠桿走勢

在宏觀經(jīng)濟層面上的控制變量包括：股票市場波動率BDL、季度GDP同比增速、國內(nèi)經(jīng)濟政策不確定性EPU1和全球經(jīng)濟政策不確定性EPU2(4)本文采用 Baker et al(2016)構(gòu)建的經(jīng)濟政策不確定性指數(shù)。該指數(shù)的構(gòu)造基于新聞報道內(nèi)容，由斯坦福大學和芝加哥大學聯(lián)合發(fā)布，涵蓋了全球主要經(jīng)濟體。Baker et al.(2016)選取了香港南華早報(South China Morning Post)作為新聞報道檢索平臺，基于文本檢索和過濾方法構(gòu)建了中國經(jīng)濟政策不確定性指數(shù)和全球經(jīng)濟政策不確定性。本文采用這兩種指數(shù)的自然對數(shù)形式。。

上述變量中，金融機構(gòu)的系統(tǒng)性風險(CoVaR)、系統(tǒng)性風險溢出(ΔCoVaR)、尾部風險溢出效應(yīng)(MES)、股票市場的波動率(BDL)均由AR(1)-GJR(1,1)-GARCH(1,1)-DCC(1,1)模型獲得日度數(shù)據(jù)，然后再取季度平均值以保持與金融機構(gòu)季度財務(wù)指標匹配。本文研究時期為2012年第一季度至2018年第四季度，共28期，總樣本數(shù)據(jù)量達到1 680，最終所有變量數(shù)據(jù)均為季度數(shù)據(jù)，原始數(shù)據(jù)來源于東方財富Choice數(shù)據(jù)庫。

(二)模型變量數(shù)據(jù)描述性統(tǒng)計

表4為各模型變量的指標說明及描述性統(tǒng)計。從表5的分析結(jié)果可知，在整個研究時期內(nèi)金融機構(gòu)的尾部風險溢出效應(yīng)MES要明顯大于其系統(tǒng)性風險溢出值ΔCoVaR。從各部門杠桿率水平來看，非金融企業(yè)部門杠桿率均值(17.8%)遠大于金融部門杠桿率(2.84%)和政府部門杠桿率(1.74%)。居民部門杠桿均值高達39.66%，且在2018年年底達到53.2%，這表明我國居民部門杠桿經(jīng)過多年的持續(xù)上漲，已經(jīng)達到歷史新高。實體經(jīng)濟杠桿均值也達到1.96，表明我國經(jīng)濟貨幣化程度較為嚴重。從杠桿率波動程度來看，居民部門杠桿波動率最大，而非金融企業(yè)部門杠桿波動率最?。唤鹑诓块T杠桿波動率明顯大于政府部門杠桿和非金融企業(yè)部門杠桿的波動率。從機構(gòu)微觀特征來看，各金融機構(gòu)的資產(chǎn)規(guī)模、財務(wù)杠桿差異較大。從企業(yè)性質(zhì)來看，樣本中的國企(由國有資本絕對和相對控股的企業(yè))占65%，非國企(民企和合資企業(yè))占35%。從企業(yè)的區(qū)域分布來看，東部企業(yè)占67%，中部企業(yè)占12%，西部企業(yè)占21%。

表4 模型變量的描述性統(tǒng)計

數(shù)據(jù)來源：根據(jù)統(tǒng)計結(jié)果自行整理。

(三)估計結(jié)果及討論

本文實證分析所用模型均為面板數(shù)據(jù)模型，主要分為面板固定效應(yīng)模型和面板隨機效應(yīng)模型。這里通過Hausman檢驗效果選擇固定效應(yīng)。最終分析結(jié)果見表5。從表5可知，不同部門杠桿對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的影響存在顯著差異，具體表現(xiàn)在：金融部門杠桿和實體經(jīng)濟杠桿對金融機構(gòu)系統(tǒng)性風險存在顯著的抑制效應(yīng)，而非金融企業(yè)部門杠桿、政府部門杠桿和居民部門杠桿對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)存在顯著的促進作用。從影響程度來看，居民部門對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的促進作用最大，而金融部門杠桿對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的抑制程度相對較小。在控制變量方面，機構(gòu)規(guī)模和運營效率、市場波動程度、廣義貨幣增速均對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)存在顯著的促進作用，而金融機構(gòu)盈利能力和經(jīng)濟增速對金融系統(tǒng)性風險溢出效應(yīng)具有明顯的抑制作用。金融機構(gòu)的發(fā)展速度雖然對系統(tǒng)性風險溢出有正向影響，但并不顯著。在經(jīng)濟政策不確定性影響方面，國內(nèi)經(jīng)濟政策不確定性雖然會對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)產(chǎn)生正向影響，但缺乏統(tǒng)計顯著性，說明影響程度較小。而全球經(jīng)濟政策不確定性會對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)產(chǎn)生顯著的抑制作用，由此說明在外部經(jīng)濟政策不確定性沖擊下，金融機構(gòu)可能更加慎重經(jīng)營并重視自身風險防范，從而降低了自身系統(tǒng)性風險溢出效應(yīng)。四個部門杠桿波動率中，除了金融杠桿波動率會顯著促進金融機構(gòu)系統(tǒng)性風險上升外，其他幾個部門杠桿波動率均對系統(tǒng)性風險溢出存在一定的負向影響。從四個部門杠桿同時回歸結(jié)果來看，與前面各部門杠桿單獨估計結(jié)果基本一致，各部門杠桿的影響程度更大，但影響方向不變。

表5 基于整個金融業(yè)的實證分析結(jié)果

六、結(jié)構(gòu)性去杠桿對系統(tǒng)性風險溢出的影響效應(yīng)分析

(一)結(jié)構(gòu)性去杠桿的測度

為了進一步揭示結(jié)構(gòu)性去杠桿對系統(tǒng)性風險溢出效應(yīng)的影響機制，這里基于HP濾波方法(lambda=1 440)先分別將四部門(金融部門、非金融企業(yè)部門、政府部門、居民部門)杠桿和實體經(jīng)濟杠桿序列分解為趨勢序列Trend和周期波動序列Cycle之和。由于周期波動序列反映了每個時點上圍繞金融杠桿趨勢序列的偏離程度，當周期波動序列值Cycle大于0時，表示該時點上存在加杠桿的變化；而當周期波動序列值Cycle小于0時，表示該時點上存在降杠桿的變化。因此，可根據(jù)周期波動序列值來確定去杠桿變量FL的取值；以金融部門杠桿為例，當其周期波動序列值Cycle小于0時，金融部門去杠桿變量FL=1，否則取FL=0，其他部門去杠桿變量取值也按類似處理。

(二)各部門去杠桿對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的影響

四部門和實體經(jīng)濟去杠桿對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的影響結(jié)果如表6和表7所示(5)為節(jié)省篇幅，這里不再給出控制變量的估計結(jié)果，感興趣的讀者可向作者索取。。從整個金融業(yè)來看，金融部門和政府部門實施去杠桿不但不能降低金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)，反而在一定程度上起到助推作用。與此相反，非金融企業(yè)部門去杠桿和居民部門去杠桿就能明顯抑制金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)。為了揭示去杠桿對金融子行業(yè)系統(tǒng)性風險溢出影響的差異性，這里重點進一步分析非金融企業(yè)部門去杠桿和居民部門去杠桿對5個金融子行業(yè)系統(tǒng)性風險溢出效應(yīng)的影響差異。最終結(jié)果如表7所示。從估計結(jié)果可知，非金融企業(yè)部門去杠桿能有效降低信托業(yè)、銀行業(yè)、證券業(yè)和其他非銀金融業(yè)的系統(tǒng)性溢出效應(yīng)，但無法降低保險業(yè)系統(tǒng)性風險溢出效應(yīng)；而實施居民部門去杠桿只能有效降低信托業(yè)和銀行業(yè)的系統(tǒng)性風險風險溢出效應(yīng)，而無法有效降低保險業(yè)和其他非銀金融業(yè)的系統(tǒng)性風險溢出效應(yīng)。

表6 各部門去杠桿對系統(tǒng)性風險溢出效應(yīng)的影響結(jié)果

表7 結(jié)構(gòu)性去杠桿對各金融子行業(yè)系統(tǒng)性風險溢出的影響

(三)各部門去杠桿影響金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的路徑檢驗

通過總結(jié)國內(nèi)外關(guān)于部門去杠桿對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的影響機理等方面的研究結(jié)論，得出主要有如下幾個影響路徑：

第一，財務(wù)杠桿會放大金融機構(gòu)系統(tǒng)性風險，而結(jié)構(gòu)性去杠桿通過降低金融機構(gòu)財務(wù)杠桿進而抑制其系統(tǒng)性風險溢出效應(yīng)。由于金融機構(gòu)信貸擴張與金融危機存在正相關(guān)關(guān)系(馬勇等，2009[29])，而結(jié)構(gòu)性去杠桿激勵金融機構(gòu)采用風險更低的貸款方式(Kiema和Jokivuolle，2014[30])，減少金融機構(gòu)負債并增加其資本充足率，降低了金融機構(gòu)財務(wù)杠桿并通過縮短金融負債鏈條有效防止系統(tǒng)性金融風險的傳遞(王國剛，2017[31])。

第二，結(jié)構(gòu)性去杠桿會通過緩解金融市場波動率或行業(yè)波動率而加劇金融機構(gòu)系統(tǒng)性風險溢出的強度。市場過度波動是導(dǎo)致金融不穩(wěn)定的根源，由于金融市場及各金融子行業(yè)之間均存在高度聯(lián)動性，因此市場波動或子行業(yè)的波動勢必會對微觀金融機構(gòu)產(chǎn)生沖擊，加劇其系統(tǒng)性風險和溢出效應(yīng)。在金融去杠桿背景下，出于融資成本和資本監(jiān)管的壓力，金融機構(gòu)會在一定程度上縮小經(jīng)營規(guī)模進行審慎經(jīng)營，從而削弱了與市場和行業(yè)的交易規(guī)模，這就在一定程度上削弱了與市場和行業(yè)之間的聯(lián)動性，也降低了來自市場和行業(yè)的波動沖擊程度(Brunnermeier和Pedersen，2009[32]；吳建鑾等，2018[26])。因此，實施結(jié)構(gòu)性去杠桿將會明顯緩解金融市場波動對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的促進作用。

第三，結(jié)構(gòu)性去杠桿會減緩國內(nèi)經(jīng)濟政策不確定性對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的加劇作用。部分學者認為金融去杠桿可能抑制經(jīng)濟增長并引發(fā)更大的經(jīng)濟波動，加劇金融環(huán)境的不穩(wěn)定性(Aghion等，2010[33])，因此在高杠桿的經(jīng)濟環(huán)境下，為了預(yù)防經(jīng)濟危機的爆發(fā)，政府會出臺更多金融政策，導(dǎo)致經(jīng)濟政策存在更大的不確定性。去杠桿降低經(jīng)濟政策不確定性對系統(tǒng)性風險溢出效應(yīng)的促進作用主要表現(xiàn)在以下兩個方面：第一，緩解市場信息不對稱。經(jīng)濟政策不確定性加大了企業(yè)決策者的預(yù)期難度從而導(dǎo)致自愿披露信息的意愿下降，從而加劇資本市場信息不對稱(劉慧芬和王華，2015[34])。第二，減少金融市場波動。經(jīng)濟政策不確定性會引起匯率和資產(chǎn)價格波動甚至導(dǎo)致市場失靈，對金融穩(wěn)定和金融機構(gòu)經(jīng)營帶來不利影響(Leblang和Bernhard，2006[35]；張浩等，2015[36])。

為了驗證上述影響路徑，這里首先將各部門去杠桿變量分別與財務(wù)杠桿變量、行業(yè)波動率變量、國內(nèi)政策不確定性變量相乘，形成三個交叉變量，也即三個中介調(diào)節(jié)變量，然后在原有實證模型中分別增加三個中介調(diào)節(jié)變量來分別檢驗三種影響路徑。實證結(jié)果見表8。結(jié)果表明，對于整個金融業(yè)來說，非金融企業(yè)部門去杠桿會通過三種路徑(財務(wù)杠桿路徑、行業(yè)波動路徑和國內(nèi)經(jīng)濟政策不確定性路徑)來降低金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)；而居民部門去杠桿會通過兩種路徑(財務(wù)杠桿路徑、行業(yè)波動路徑)來降低金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)；對于各金融子行業(yè)來說，非金融企業(yè)部門去杠桿會影響財務(wù)杠桿的路徑來抑制銀行業(yè)、證券業(yè)和其他非銀行金融業(yè)的系統(tǒng)性風險溢出，也會通過緩解行業(yè)波動沖擊和國內(nèi)經(jīng)濟政策不確定性沖擊來抑制信托業(yè)、銀行業(yè)、證券業(yè)和其他非銀金融業(yè)的系統(tǒng)性風險溢出；居民部門去杠桿會通過影響財務(wù)杠桿和緩解國內(nèi)經(jīng)濟政策不確定性沖擊來抑制銀行業(yè)系統(tǒng)性風險溢出，也會通過緩解行業(yè)波動沖擊來抑制信托業(yè)系統(tǒng)性風險溢出效應(yīng)。

表8 結(jié)構(gòu)性去杠桿抑制金融機構(gòu)系統(tǒng)性風險溢出的路徑檢驗結(jié)果

(四)穩(wěn)健性和內(nèi)生性檢驗

1.穩(wěn)健性檢驗

為了進一步檢驗本文研究結(jié)論的穩(wěn)健性，這里以尾部風險溢出效應(yīng)指標(MES)代替系統(tǒng)性風險溢出效應(yīng)指標(ΔCoVaR)作為因變量來重新進行實證分析，以檢驗結(jié)構(gòu)性去杠桿對金融機構(gòu)尾部風險溢出效應(yīng)的影響是否與之前的分析結(jié)果一致,結(jié)果如表9所示。從表9結(jié)果可知：單獨實施非金融企業(yè)部門去杠桿同樣能有效降低金融機構(gòu)尾部風險溢出效應(yīng)，這與之前的研究結(jié)論一致；單獨實施居民部門去杠桿對金融機構(gòu)尾部風險溢出效應(yīng)沒有明顯影響。實體經(jīng)濟去杠桿雖然對金融機構(gòu)尾部風險溢出效應(yīng)具有負向影響，但缺乏統(tǒng)計顯著性。從四部門同時實施去杠桿的回歸結(jié)果來看，非金融企業(yè)部門去杠桿和居民部門去杠桿能有效抑制金融機構(gòu)尾部風險溢出效應(yīng)，這與之前基于ΔCoVaR指標的研究結(jié)論是比較一致的，從而進一步證明了上述研究的穩(wěn)健性。

表9 各部門去杠桿對金融機構(gòu)尾部風險溢出效應(yīng)的影響結(jié)果

2.內(nèi)生性檢驗。

考慮到系統(tǒng)性風險溢出(ΔCoVaR)具有自相關(guān)性，上一期的ΔCoVaR會影響隨后一期的ΔCoVaR，從而產(chǎn)生內(nèi)生性問題。對此，為了避免由于內(nèi)生性導(dǎo)致的估計結(jié)果偏差，這里引入滯后一階的ΔCoVaR作為核心自變量(L.ΔCoVaR)，采用修正后的一步系統(tǒng)GMM進行估計。最終估計結(jié)果如表10所示。結(jié)果顯示，金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)存在顯著的正向自相關(guān)性，凸顯出明顯的風險溢出慣性。在考慮金融系統(tǒng)性風險溢出的自相關(guān)性后，非金融企業(yè)部門去杠桿依舊對金融業(yè)和三個子行業(yè)(銀行業(yè)、證券業(yè)和其他非銀金融業(yè))系統(tǒng)性風險溢出具有顯著的抑制效應(yīng)；在考慮金融系統(tǒng)性風險溢出的自相關(guān)性后，居民部門去杠桿依然對整個金融業(yè)及兩個子行業(yè)(信托業(yè)、銀行業(yè))系統(tǒng)性風險溢出效應(yīng)產(chǎn)生顯著的抑制作用。同樣，用尾部風險溢出效應(yīng)指標MES替換系統(tǒng)性風險溢出指標ΔCoVaR，在考慮MES的自相關(guān)性后，非金融企業(yè)部門去杠桿對整個金融業(yè)和五個金融子行業(yè)的尾部風險溢出效應(yīng)均具有顯著的抑制作用；居民部門去杠桿對整個金融業(yè)和兩個子行業(yè)(信托、銀行)的尾部風險溢出效應(yīng)依然具有顯著的抑制作用。顯然，對比表7和表10的估計結(jié)果可知，在剔除因變量的內(nèi)生性影響后，模型回歸結(jié)果依舊具有一致性。

表10 基于廣義GMM方法的內(nèi)生性分析結(jié)果

數(shù)據(jù)來源：作者根據(jù)統(tǒng)計結(jié)果整理得到。

七、結(jié)論與建議

本文首先采用ΔCoVaR和MES方法來測度國內(nèi)60家金融機構(gòu)的系統(tǒng)性風險溢出效應(yīng)和尾部風險溢出效應(yīng)；然后通過構(gòu)建動態(tài)面板模型來分析結(jié)構(gòu)性去杠桿對金融機構(gòu)系統(tǒng)性風險溢出的影響機制及行業(yè)差異。最終研究結(jié)論如下：

第一，不同部門杠桿對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)的影響存在顯著差異。金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)具有明顯慣性。金融部門杠桿和實體經(jīng)濟杠桿對金融機構(gòu)系統(tǒng)性風險存在顯著的抑制效應(yīng)，非金融企業(yè)部門杠桿、政府部門杠桿和居民部門杠桿對金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)存在顯著的促進作用。對此，實施結(jié)構(gòu)性去杠桿的重點應(yīng)在降低非金融企業(yè)部門和居民部門的杠桿率。

第二，相比機構(gòu)特征因素，宏觀環(huán)境對金融機構(gòu)系統(tǒng)性風險溢出的影響程度更大。廣義貨幣增速和國內(nèi)經(jīng)濟政策不確定性會顯著加劇金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)；經(jīng)濟增速和企業(yè)盈利能力在一定程度上能緩解金融機構(gòu)系統(tǒng)性風險溢出。

第三，各部門去杠桿對金融機構(gòu)系統(tǒng)性風險溢出的影響效應(yīng)和影響路徑均存在顯著差異。金融部門和政府部門實施去杠桿不能抑制金融機構(gòu)系統(tǒng)性風險溢出。非金融企業(yè)部門去杠桿和居民部門去杠桿能明顯抑制金融機構(gòu)系統(tǒng)性風險溢出。非金融企業(yè)部門去杠桿會通過三種路徑(財務(wù)杠桿路徑、行業(yè)波動路徑和國內(nèi)經(jīng)濟政策不確定性路徑)來降低金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)；居民部門去杠桿會通過兩種路徑(財務(wù)杠桿路徑、行業(yè)波動路徑)來降低金融機構(gòu)系統(tǒng)性風險溢出效應(yīng)；部門去杠桿能在隨后半年內(nèi)有效降低金融機構(gòu)系統(tǒng)性風險溢出。

本文提出如下政策建議：

第一，有序推進結(jié)構(gòu)性去杠桿的重點在于降低非金融企業(yè)部門和居民部門杠桿。要控制去杠桿的力度和節(jié)奏，降低部門杠桿波動率，以避免過度去杠桿而加劇金融機構(gòu)系統(tǒng)性風險溢出。

第二，保持松緊適度的貨幣政策的連續(xù)性和穩(wěn)定性。嚴控貨幣增速、保持經(jīng)濟政策的連續(xù)性和穩(wěn)定性、穩(wěn)住經(jīng)濟增速和增強金融機構(gòu)盈利水平是防范金融系統(tǒng)性風險溢出的有效途經(jīng)。

第三，對不同金融子行業(yè)的機構(gòu)實施差異化的分類監(jiān)管制度。我國各金融子行業(yè)的系統(tǒng)性風險溢出效應(yīng)存在明顯差異。因此，有必要建立分行業(yè)(銀行、保險、證券、信托、其他非銀金融)的系統(tǒng)性風險預(yù)警機制以實施動態(tài)監(jiān)測。根據(jù)各金融子行業(yè)及其金融機構(gòu)對整個市場的系統(tǒng)性溢出效應(yīng)的貢獻占比來確定重點監(jiān)測的對象。比如，在系統(tǒng)性風險溢出方面，需要重點監(jiān)測證券業(yè)和銀行業(yè)；在微觀監(jiān)測對象上，可重點監(jiān)測東北證券、廣發(fā)證券、長江證券、華夏銀行、平安銀行、招商銀行、中國平安、中國太保等金融機構(gòu)。對進入高風險溢出等級的金融機構(gòu)可在風險準備率、注冊資本金、財務(wù)杠桿等方面實施剛性約束，以抑制其風險溢出效應(yīng)的進一步擴大。