金融市場系統(tǒng)性風(fēng)險預(yù)警與監(jiān)管研究

李合龍　歐陽瑞玲　張衛(wèi)國

摘? ?要：系統(tǒng)性風(fēng)險主要有兩個監(jiān)管視角：一是從系統(tǒng)重要性金融行業(yè)的視角測算金融機構(gòu)系統(tǒng)性風(fēng)險并識別出系統(tǒng)重要性金融行業(yè)，借此觀察中國系統(tǒng)性風(fēng)險的行業(yè)分布和時變特征;二是從金融關(guān)聯(lián)網(wǎng)絡(luò)的視角構(gòu)建信息溢出網(wǎng)絡(luò)，并根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)特征分析危機時期的關(guān)聯(lián)交易，通過減少風(fēng)險交易降低大規(guī)模關(guān)聯(lián)風(fēng)險事件發(fā)生的概率。研究發(fā)現(xiàn)，系統(tǒng)重要性行業(yè)有銀行業(yè)、保險業(yè)以及證券業(yè)，其中，銀行業(yè)和證券業(yè)的系統(tǒng)性風(fēng)險表現(xiàn)出“危機時期極大且平穩(wěn)時期極小”的特點，在危機時期需要更多的監(jiān)管關(guān)注;信息溢出網(wǎng)絡(luò)分析表明，全樣本時期銀行業(yè)和保險業(yè)處于網(wǎng)絡(luò)中心地位，危機時期不同子行業(yè)交易頻繁，平穩(wěn)時期同類子行業(yè)內(nèi)部關(guān)聯(lián)更為緊密，根據(jù)不同時期的關(guān)聯(lián)特征規(guī)范風(fēng)險關(guān)聯(lián)交易可達(dá)到監(jiān)管目的，且信息溢出網(wǎng)絡(luò)動態(tài)因果指數(shù)提前一年預(yù)警系統(tǒng)性風(fēng)險。綜上，兩種監(jiān)管選擇得出的監(jiān)管重點基本一致且符合實際，說明兩種方法的監(jiān)管方向具備科學(xué)性，而信息溢出網(wǎng)絡(luò)是一種兼具科學(xué)性和預(yù)警效果的監(jiān)管選擇。

關(guān)鍵詞：金融監(jiān)管;系統(tǒng)性風(fēng)險;系統(tǒng)重要性行業(yè);信息溢出網(wǎng)絡(luò);中心度指標(biāo)

中圖分類號：F830.9? ?文獻(xiàn)標(biāo)識碼：B 文章編號：1674-2265（2022）02-0013-11

DOI：10.19647/j.cnki.37-1462/f.2022.02.002

一、引言及文獻(xiàn)綜述

“健全金融監(jiān)管體系，守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”是我國建設(shè)社會主義現(xiàn)代化經(jīng)濟的必然要求，防范系統(tǒng)性風(fēng)險被提升到新的高度。受全球疫情沖擊，金融領(lǐng)域風(fēng)險有所積聚，2020年全國兩會再次強調(diào)加強重大金融風(fēng)險有效防控，守住不發(fā)生系統(tǒng)性風(fēng)險底線。為保證我國經(jīng)濟平穩(wěn)、健康發(fā)展，科學(xué)防范系統(tǒng)性風(fēng)險、強化風(fēng)險監(jiān)管能力顯得至關(guān)重要?；诎腿麪枀f(xié)議Ⅲ對系統(tǒng)重要性機構(gòu)的監(jiān)管理念，識別出系統(tǒng)重要性行業(yè)并進(jìn)行重點監(jiān)管，從規(guī)范系統(tǒng)重要性行業(yè)的角度控制金融市場系統(tǒng)性風(fēng)險以減少金融脆弱性。后危機時代，金融穩(wěn)定理事會等國際監(jiān)管組織對系統(tǒng)重要性金融機構(gòu)展開評估工作并對這些機構(gòu)設(shè)定更高的資本要求以增強防御風(fēng)險的能力，從此系統(tǒng)重要性金融機構(gòu)成為監(jiān)管焦點。隨著金融開放與創(chuàng)新程度不斷提高，銀行、證券、保險等融合滲透、交叉發(fā)展，金融業(yè)務(wù)和產(chǎn)品多層嵌套、杠桿不清，復(fù)雜的關(guān)聯(lián)交易導(dǎo)致金融網(wǎng)絡(luò)錯綜復(fù)雜。Poledna等（2017）[1]指出，巴塞爾協(xié)議Ⅲ對系統(tǒng)重要性銀行提高資本要求，雖然提高了監(jiān)管水平，但會造成更高的效率損失，因此，在對系統(tǒng)重要性機構(gòu)、行業(yè)適當(dāng)提高監(jiān)管要求的基礎(chǔ)上，加強金融網(wǎng)絡(luò)監(jiān)管將會更加高效。針對金融網(wǎng)絡(luò)的監(jiān)管主要通過征收系統(tǒng)風(fēng)險稅重塑金融網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，雖然稅率大小難以界定，但征稅帶來的流動性減少遠(yuǎn)低于提高系統(tǒng)性風(fēng)險資本要求降低的流動性，流動性大幅降低不僅損害金融市場扶持實體經(jīng)濟的效率，同時也會增強違約風(fēng)險發(fā)生的概率。當(dāng)然我們也可以對系統(tǒng)重要性金融機構(gòu)或行業(yè)征稅，但系統(tǒng)性風(fēng)險并不均勻分布在每一份交易中，也不僅存在于系統(tǒng)重要性機構(gòu)或行業(yè)中，對系統(tǒng)性風(fēng)險交易征稅才直切痛點。因此，研究分析上述兩種監(jiān)管方法、對比兩種監(jiān)管視角下的政策建議，具有極其重要的現(xiàn)實意義。

通過嚴(yán)監(jiān)管系統(tǒng)重要性部門從而防控系統(tǒng)性風(fēng)險的重點在于準(zhǔn)確測算系統(tǒng)性風(fēng)險的大小。學(xué)術(shù)界通過構(gòu)建模型測算系統(tǒng)性風(fēng)險的大?。◤?zhí)祉敽蛷堄睿?018;胡宗義等，2020;羅萍，2020）[2-4]，目前主流的測量方法有“條件在險價值法”（Conditional Value at Risk，CoVaR）、“增量條件在險價值法”（Delta Conditional Value at Risk，ΔCoVaR）以及“邊際預(yù)期損失法”（Marginal Expected Shortfall，MES）。CoVaR以單個金融機構(gòu)發(fā)生極端損失時金融市場風(fēng)險的大小衡量金融機構(gòu)的系統(tǒng)性風(fēng)險值（Adrian 和Brunnermeier，2016）[5]，進(jìn)一步得到ΔCoVaR衡量風(fēng)險溢出。CoVaR考慮α分位點的極端尾部風(fēng)險而忽略了極端風(fēng)險以外的所有損失，MES（Acharya等，2010;宋加山等，2020） [6，7]很好地補充了這一不足，可計算出極端風(fēng)險之外的損失平均值。由于現(xiàn)有文獻(xiàn)計算系統(tǒng)性風(fēng)險的結(jié)果存在一定差異，因此，為提高識別系統(tǒng)重要性部門的精準(zhǔn)度，可以使用多種方法同時測算系統(tǒng)性風(fēng)險值。

基于網(wǎng)絡(luò)的系統(tǒng)性風(fēng)險監(jiān)管的關(guān)鍵在于構(gòu)建金融關(guān)聯(lián)網(wǎng)絡(luò)并識別風(fēng)險傳染路徑，進(jìn)而通過激勵措施使金融機構(gòu)重新安排關(guān)聯(lián)交易，減少系統(tǒng)性風(fēng)險（Poledna和Thurner，2016） [8]。反映機構(gòu)關(guān)聯(lián)的網(wǎng)絡(luò)多種多樣：一是根據(jù)模擬數(shù)據(jù)直接生成關(guān)聯(lián)網(wǎng)絡(luò)。石大龍和白雪梅（2015）[9]基于模擬數(shù)據(jù)構(gòu)造了具有部分真實特征的復(fù)雜網(wǎng)絡(luò)模型，然后通過模擬不同沖擊考察銀行間的風(fēng)險傳染和系統(tǒng)性風(fēng)險水平。但是復(fù)雜網(wǎng)絡(luò)模型基于隨機數(shù)據(jù)進(jìn)行模擬，難以對應(yīng)現(xiàn)實尾部風(fēng)險事件。二是基于資產(chǎn)負(fù)債表數(shù)據(jù)構(gòu)建機構(gòu)關(guān)聯(lián)網(wǎng)絡(luò)。由于數(shù)據(jù)可獲得性的限制，一般從債務(wù)債權(quán)關(guān)系切入構(gòu)建金融機構(gòu)相互拆借網(wǎng)絡(luò)（齊明和許文靜，2019;張志剛等，2019）[10，11]，或者以支付結(jié)算網(wǎng)絡(luò)為例，探討網(wǎng)絡(luò)結(jié)構(gòu)對系統(tǒng)性風(fēng)險及流動性的影響（何奕等，2019）[12]?；谫Y產(chǎn)負(fù)債表數(shù)據(jù)構(gòu)建的網(wǎng)絡(luò)考察銀行業(yè)某一方面的關(guān)聯(lián)網(wǎng)絡(luò)，有利于探討系統(tǒng)性風(fēng)險的具體傳導(dǎo)路徑，但無法發(fā)現(xiàn)金融機構(gòu)之間的整體關(guān)聯(lián)，并且由于相互拆借或支付結(jié)算形成的直接關(guān)聯(lián)網(wǎng)絡(luò)只存在于銀行機構(gòu)之間，該方法難以運用到整個金融市場。三是目前最主流的基于金融機構(gòu)市場數(shù)據(jù)構(gòu)建金融網(wǎng)絡(luò)?；谑袌鰯?shù)據(jù)，可以通過二元格蘭杰因果關(guān)系檢驗（Billio等，2012;高波和任若恩，2013;Gong等，2019）[13-15]、廣義方差分解（Diebold和Yilmaz，2014;胡利琴等，2018）[16，17]、LASSO分位數(shù)回歸（Xu等，2019;李政等，2019a）[18，19]或者TENET（李政等，2019b）[20]、PMFG（葉莉等，2019）[21]等方法構(gòu)建金融機構(gòu)的關(guān)聯(lián)網(wǎng)絡(luò)，然后通過復(fù)雜網(wǎng)絡(luò)理論中的相關(guān)參數(shù)分析網(wǎng)絡(luò)結(jié)構(gòu)。市場數(shù)據(jù)具有高頻、時效性及獲得性較好等優(yōu)點，收益率等市場數(shù)據(jù)的聯(lián)動性考慮了金融機構(gòu)之間整體的關(guān)聯(lián)，包括直接關(guān)聯(lián)和間接關(guān)聯(lián)中各種潛在的風(fēng)險傳導(dǎo)渠道，因此，基于市場數(shù)據(jù)的金融網(wǎng)絡(luò)對機構(gòu)間的風(fēng)險傳染進(jìn)行了全局性、多渠道的測度研究，是一種便捷高效的構(gòu)建方法。

信息溢出網(wǎng)絡(luò)是基于市場數(shù)據(jù)構(gòu)建的關(guān)聯(lián)網(wǎng)絡(luò)之一，利用時變的收益率序列或波動率序列，便可觀察市場、行業(yè)或機構(gòu)的信息溢出?，F(xiàn)階段，信息溢出網(wǎng)絡(luò)的構(gòu)建方法主要有方差分解和格蘭杰因果檢驗，方差分解建立在VAR模型之上，不能應(yīng)用于機構(gòu)數(shù)量較多的金融系統(tǒng)（李政等，2019a）[19]，而格蘭杰因果檢驗研究金融機構(gòu)兩兩之間短期收益率關(guān)系，在幫助構(gòu)建多個金融機構(gòu)的關(guān)聯(lián)網(wǎng)絡(luò)方面具有一定優(yōu)勢?；诟裉m杰因果網(wǎng)絡(luò)，高波和任若恩（2013）[14]對比了牛、熊市網(wǎng)絡(luò)結(jié)構(gòu)，發(fā)現(xiàn)熊市金融機構(gòu)間具有更加緊密的因果聯(lián)系。類似地，相對于牛市而言，平穩(wěn)時期保險部門與其他機構(gòu)的資產(chǎn)關(guān)聯(lián)性較弱（馮燕和王耀東，2018）[22]。李政等（2016）[23]描述了各個年度網(wǎng)絡(luò)總體關(guān)聯(lián)特征，發(fā)現(xiàn)危機時期金融機構(gòu)關(guān)聯(lián)程度較高，總關(guān)聯(lián)度震蕩上升。由此可知，經(jīng)濟下沉?xí)r期以及金融市場發(fā)生較大波動時期，金融機構(gòu)格蘭杰因果網(wǎng)絡(luò)稠密，進(jìn)一步可研究機構(gòu)關(guān)聯(lián)對系統(tǒng)性風(fēng)險的影響。另外，不同于金融機構(gòu)尾部風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò)從系統(tǒng)性風(fēng)險聯(lián)動性方面探討機構(gòu)關(guān)聯(lián)（Xu等，2019;李政等，2019a;李政等，2019b）[18-20]，信息溢出網(wǎng)絡(luò)從金融機構(gòu)資產(chǎn)聯(lián)動性視角構(gòu)建網(wǎng)絡(luò)模型（王丹和黃瑋強，2019）[24]。

后危機時代，越來越多的觀點認(rèn)為金融網(wǎng)絡(luò)對系統(tǒng)性風(fēng)險具有一定的預(yù)警作用（Billio等，2012）[13]，Jo?o等（2018）[25]指出網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是系統(tǒng)性風(fēng)險的驅(qū)動因素之一。由系統(tǒng)性風(fēng)險形成的機制可知，負(fù)面沖擊通過機構(gòu)關(guān)聯(lián)交易形成網(wǎng)絡(luò)傳導(dǎo)風(fēng)險，當(dāng)風(fēng)險累積至飽和或傳染范圍達(dá)到一定程度則導(dǎo)致整個金融市場系統(tǒng)性風(fēng)險的爆發(fā)。累積和傳染過程距離實際爆發(fā)存在一定前置時間，而信息溢出網(wǎng)絡(luò)能根據(jù)信息傳播方向及時發(fā)現(xiàn)風(fēng)險傳染途徑以及相似風(fēng)險敞口，因此，構(gòu)建信息溢出網(wǎng)絡(luò)觀測金融機構(gòu)資產(chǎn)的聯(lián)動性，在危機發(fā)生前提前預(yù)知系統(tǒng)性風(fēng)險的傳染路徑并構(gòu)建系統(tǒng)性風(fēng)險的先行指標(biāo)，有利于提前預(yù)警金融系統(tǒng)性風(fēng)險。

鑒于此，本文同時運用CoVaR、ΔCoVaR以及MES對我國金融市場若干金融機構(gòu)以及四類金融行業(yè)進(jìn)行系統(tǒng)性風(fēng)險測算，從系統(tǒng)重要性部門的監(jiān)管視角獲知監(jiān)管重點。同時結(jié)合網(wǎng)絡(luò)分析方法與格蘭杰因果檢驗，構(gòu)建金融機構(gòu)信息溢出網(wǎng)絡(luò)，基于網(wǎng)絡(luò)結(jié)構(gòu)特征和金融行業(yè)中心地位得到另一種監(jiān)管策略下的監(jiān)管重點。最后，進(jìn)一步探討信息溢出網(wǎng)絡(luò)動態(tài)關(guān)聯(lián)指數(shù)對系統(tǒng)性風(fēng)險的預(yù)警能力。與以往的研究相比，本文的邊際貢獻(xiàn)在于：（1）文章細(xì)化金融行業(yè)系統(tǒng)性風(fēng)險波動情況，比較了四個金融子行業(yè)系統(tǒng)性風(fēng)險走勢圖，發(fā)現(xiàn)銀行業(yè)和證券業(yè)的系統(tǒng)性風(fēng)險具有“危機時期極大且平穩(wěn)時期極小”的特點。（2）文章構(gòu)造信息溢出網(wǎng)絡(luò)可視圖，發(fā)現(xiàn)了“危機時期不同子行業(yè)交易頻繁，平穩(wěn)時期同類子行業(yè)內(nèi)部關(guān)聯(lián)更為緊密”的特點。（3）基于上述結(jié)果，通過對比金融行業(yè)系統(tǒng)性風(fēng)險波動和信息溢出網(wǎng)絡(luò)動態(tài)因果指數(shù)，本文敏銳觀察到信息溢出網(wǎng)絡(luò)動態(tài)因果指數(shù)提前4個季度（即1年）反映金融市場極端風(fēng)險事件，最后通過面板數(shù)據(jù)回歸證實了信息溢出網(wǎng)絡(luò)動態(tài)因果指數(shù)提前一年預(yù)警系統(tǒng)性風(fēng)險。

二、模型設(shè)計與數(shù)據(jù)說明

（一）信息溢出網(wǎng)絡(luò)和網(wǎng)絡(luò)特征

本文結(jié)合市場數(shù)據(jù)構(gòu)建信息溢出網(wǎng)絡(luò)。首先，主成分分析可研究不同類型金融機構(gòu)之間資產(chǎn)回報的共性，從而展現(xiàn)金融機構(gòu)之間的關(guān)聯(lián)程度。然后，兩兩金融機構(gòu)之間分別進(jìn)行格蘭杰因果檢驗的結(jié)果可繪制最終的信息溢出網(wǎng)絡(luò)可視圖，展示沖擊在系統(tǒng)中的動態(tài)傳播。最后，中心度指標(biāo)反映信息溢出網(wǎng)絡(luò)的特征，展現(xiàn)網(wǎng)絡(luò)中金融機構(gòu)的中心地位。

1. 主成分分析金融機構(gòu)資產(chǎn)回報共性。參照Billio等（2012）[13]的研究，金融系統(tǒng)中共有[N]個金融機構(gòu)，其中子集[n<N]。當(dāng)金融機構(gòu)的大部分收益趨向于一起移動時，這一子集捕捉到了總波動性的較大部分，表明金融機構(gòu)高度互聯(lián)。當(dāng)前[n]個主成分的風(fēng)險積累達(dá)到系統(tǒng)總風(fēng)險的一定比例，即超過閾值H，我們稱機構(gòu)之間具有一定的聯(lián)動性。

2. 基于格蘭杰因果構(gòu)建最終金融機構(gòu)信息溢出網(wǎng)絡(luò)。研究沖擊對系統(tǒng)的動態(tài)傳播不僅要衡量金融機構(gòu)之間的聯(lián)系程度，而且要衡量這種關(guān)系的方向性，后文利用收益率序列觀察兩兩金融機構(gòu)之間的線性格蘭杰因果關(guān)系。如果[j]的歷史收益率有助于預(yù)測[i]的收益率，則稱時間序列[j]格蘭杰導(dǎo)致時間序列[i]。具體來說，設(shè)定[ Rit]和[Rjt]是兩個均值為零的平穩(wěn)時間序列，則以下模型可表示它們之間的線性相互關(guān)系：

在信息溢出網(wǎng)絡(luò)中，如果與某家金融機構(gòu)具有直接溢出關(guān)系的其他金融機構(gòu)風(fēng)險傳染強度或承受強度越大，則該金融機構(gòu)的風(fēng)險傳染強度或承受強度也將被提高。

（4）聚類系數(shù)（Clustering Coefficient）。聚類系數(shù)描述網(wǎng)絡(luò)集中化程度，具有相同鄰居的節(jié)點可能彼此連接，衡量的是節(jié)點[i]的幾個鄰居本身互相是鄰居的概率，用鄰居的數(shù)量除以鄰居對的數(shù)量表示，節(jié)點[i]的聚類系數(shù)[ci]定義如下：

其中，[gi]為節(jié)點度;[gjk，i]表示當(dāng)[j，k]互相連接時，[j，k]又同時是節(jié)點[i]的鄰居，否則為0。聚類系數(shù)越高，則網(wǎng)絡(luò)的關(guān)聯(lián)水平越高，同時也越容易形成小集團(tuán)。

（二）數(shù)據(jù)說明

本文以申銀萬國一級行業(yè)分類下銀行和非銀金融機構(gòu)作為研究對象，選取2008年之前上市的51家金融機構(gòu)，涵蓋銀行業(yè)、保險業(yè)、證券業(yè)以及多元金融業(yè)。樣本區(qū)間包含2008年1月1日—2019年9月30日共計2860個交易數(shù)據(jù)，市場指數(shù)采用上證金融業(yè)指數(shù)，數(shù)據(jù)均來自萬得數(shù)據(jù)庫。其中，四類金融行業(yè)51家上市金融機構(gòu)名單及英文簡寫見表1。

三、實證結(jié)果及分析

（一）系統(tǒng)性風(fēng)險的測度與系統(tǒng)重要性部門

本文采用CoVaR①、ΔCoVaR以及MES測算系統(tǒng)性風(fēng)險，基于所有樣本機構(gòu)和算法平均原則，測算整個金融市場以及四個金融行業(yè)的系統(tǒng)性風(fēng)險。

圖1展現(xiàn)了三種測算方法下我國金融機構(gòu)整體系統(tǒng)性風(fēng)險大小，陰影區(qū)標(biāo)識發(fā)生明顯波動的區(qū)間，曲線僅展示趨勢變化，不代表數(shù)值大小。結(jié)果顯示，三種方法計算所得的系統(tǒng)性風(fēng)險時變趨勢基本一致，2008—2019年出現(xiàn)四個較為明顯的波動。2008年，美國金融危機蔓延至中國金融市場，系統(tǒng)性風(fēng)險在十二年間出現(xiàn)第一個峰值;2013年，銀行錢荒迎來系統(tǒng)性風(fēng)險的第二個小峰值;2015年，國內(nèi)股市千股跌停，金融市場系統(tǒng)性風(fēng)險驟升，達(dá)到繼2008年之后系統(tǒng)性風(fēng)險的又一個高點;2018年，中美貿(mào)易摩擦影響國內(nèi)金融市場，系統(tǒng)性風(fēng)險再一次小幅上升。2019年開始，系統(tǒng)性風(fēng)險呈下降趨勢，在沒有黑天鵝事件情況下，預(yù)計未來一段時間金融市場將會比較穩(wěn)定。

不同金融行業(yè)的風(fēng)險走勢與金融市場整體走勢基本一致，但是四個行業(yè)之間風(fēng)險大小存在明顯差異，具體如圖2所示。銀行業(yè)和證券業(yè)在危機期間呈現(xiàn)出較大的系統(tǒng)性風(fēng)險，在其他時間段反而略低于保險業(yè)和多元金融業(yè)，銀行業(yè)的系統(tǒng)性風(fēng)險甚至出現(xiàn)階段性低點。作為金融市場的中堅力量，銀行業(yè)受到的市場沖擊最大，危機時期系統(tǒng)性風(fēng)險較大，但由于其主導(dǎo)地位，受到的監(jiān)管關(guān)注較高，因此，風(fēng)險管理較好，平穩(wěn)時期系統(tǒng)性風(fēng)險較小。保險業(yè)系統(tǒng)性風(fēng)險緊隨其后，并在平穩(wěn)時期略高于其他行業(yè)，其系統(tǒng)性風(fēng)險應(yīng)引起重視。證券業(yè)系統(tǒng)性風(fēng)險次于銀行業(yè)和保險業(yè)，其經(jīng)營業(yè)務(wù)廣泛，風(fēng)險管理難度大，危機時期系統(tǒng)性風(fēng)險較高;同樣，由于所受監(jiān)管較嚴(yán)，證券業(yè)平穩(wěn)時期系統(tǒng)性風(fēng)險控制比較到位。多元金融業(yè)作為實體經(jīng)濟與金融行業(yè)一體化的全鏈條商業(yè)生態(tài)圈，系統(tǒng)性風(fēng)險最小，是目前市場上金融機構(gòu)尋求轉(zhuǎn)型的熱門選項。

為了研究不同時期系統(tǒng)性風(fēng)險的特點，除觀察全樣本時期以外，本文還對系統(tǒng)性風(fēng)險處于波峰的2015年以及處于波谷的2017年做了對比分析。2015年國內(nèi)千股跌停，代表金融行業(yè)受到較大沖擊的危機時期;2017年大資管新規(guī)落地、表外理財正式納入中央銀行宏觀審慎評估體系（MPA）考核、規(guī)范整頓“現(xiàn)金貸”等監(jiān)管措施相繼落地，被譽為監(jiān)管大年的2017年代表監(jiān)管力度加大的平穩(wěn)時期。表2對全樣本時期、危機時期以及平穩(wěn)時期四類金融行業(yè)的系統(tǒng)重要性進(jìn)行排名。就整個時期而言，銀行業(yè)對金融市場的風(fēng)險溢出明顯，但是系統(tǒng)性風(fēng)險排名靠后，銀行業(yè)機構(gòu)內(nèi)部風(fēng)險管理較好;證券業(yè)正好相反，系統(tǒng)性風(fēng)險排名靠前，內(nèi)部風(fēng)險管理難度大，但對金融市場的風(fēng)險溢出排名靠后，影響力有限;多元金融業(yè)在2015年危機時期表現(xiàn)出較小的系統(tǒng)性風(fēng)險，實體經(jīng)濟與金融一體化的模式具有風(fēng)險控制的優(yōu)勢;保險業(yè)在2017年平穩(wěn)時期以及2015年危機時期風(fēng)險排名都比較靠前，該行業(yè)系統(tǒng)性風(fēng)險危機不容忽視。就不同時期系統(tǒng)性風(fēng)險而言，2015年各行業(yè)系統(tǒng)性風(fēng)險明顯大于2017年以及全樣本時期;銀行業(yè)和證券業(yè)在2015年的系統(tǒng)性風(fēng)險排名和系統(tǒng)性風(fēng)險溢出排名都要超過2017年，而保險業(yè)2017年各指標(biāo)排名皆高于2015年，由此可知，危機期間銀行業(yè)和證券業(yè)是市場系統(tǒng)性風(fēng)險爆發(fā)的主導(dǎo)力量，對其重點監(jiān)管具有政策合理性;平穩(wěn)時期保險業(yè)是系統(tǒng)性風(fēng)險積聚的潛在危險，同樣需要嚴(yán)格規(guī)范。

CoVaR和MES排名略有差異主要由于兩者定義不同。CoVaR模型主要計算極端風(fēng)險損失，MES在CoVaR計算極端損失的基礎(chǔ)上，計算了極端風(fēng)險之外的損失平均值。全樣本時期和2017平穩(wěn)時期影響兩種系統(tǒng)性風(fēng)險排名的是多元金融業(yè)，加入極端風(fēng)險之外的損失后，多元金融業(yè)系統(tǒng)性風(fēng)險變小，主要是由于多元金融業(yè)創(chuàng)新化的金融模式增加極端風(fēng)險概率，但全鏈條多元化的金融模式可以分散額外風(fēng)險，所以只計算極端風(fēng)險的CoVaR系統(tǒng)性風(fēng)險排名靠前，而加入日常損失的MES則排名靠后。2015危機時期影響系統(tǒng)性風(fēng)險排名的是銀行業(yè)。由于在中國金融市場具有核心地位，銀行業(yè)承擔(dān)了危機時期絕大部分的風(fēng)險沖擊，計算極端風(fēng)險的CoVaR系統(tǒng)性風(fēng)險排名靠前，而作為監(jiān)管關(guān)注重點，其日常風(fēng)險管理較為到位，加入日常損失的MES系統(tǒng)性風(fēng)險排名靠后。

ΔCoVaR是系統(tǒng)性風(fēng)險溢出，與CoVaR和MES測算的系統(tǒng)性風(fēng)險大小有所不同，它是指單個機構(gòu)發(fā)生極端風(fēng)險時對市場風(fēng)險的貢獻(xiàn)度。ΔCoVaR在不同時期的排名基本一致，銀行業(yè)在金融市場中資金規(guī)模最大，其系統(tǒng)性風(fēng)險溢出最明顯;保險業(yè)資金規(guī)模僅次于銀行，其風(fēng)險事件對市場系統(tǒng)性風(fēng)險的溢出次之;證券業(yè)系統(tǒng)性風(fēng)險溢出排名第三，符合其資金規(guī)模略小，但業(yè)務(wù)影響廣泛的特征;多元金融業(yè)對金融市場的影響較弱，溢出效應(yīng)最小。

綜上，系統(tǒng)性風(fēng)險波峰大致對應(yīng)2008年、2013年、2015年以及2018的風(fēng)險集聚尾部事件，波谷大致對應(yīng)2012年、2014年以及2017年，CoVaR、ΔCoVaR以及MES對系統(tǒng)性風(fēng)險的度量基本符合實際情況，作為系統(tǒng)性重要部門的銀行業(yè)、保險業(yè)和證券業(yè)需要受到重點監(jiān)管。為比較兩種系統(tǒng)性風(fēng)險監(jiān)管選擇的結(jié)果，后文將基于另一監(jiān)管視角，構(gòu)造以2015年和2017年為代表的危機時期和平穩(wěn)時期信息溢出網(wǎng)絡(luò)。

（二）金融機構(gòu)信息溢出網(wǎng)絡(luò)

從金融網(wǎng)絡(luò)監(jiān)管視角入手，本文基于51家金融機構(gòu)的收益率序列，考察兩兩機構(gòu)之間格蘭杰因果聯(lián)系，構(gòu)建信息溢出網(wǎng)絡(luò)模型。第一步，通過主成分分析檢測整個時期各個金融機構(gòu)之間的共性。第二步，為探討單個金融機構(gòu)之間具體的聯(lián)系，本文基于格蘭杰因果關(guān)系構(gòu)建了金融機構(gòu)的信息溢出網(wǎng)絡(luò)，可視化網(wǎng)絡(luò)如圖3所示。網(wǎng)絡(luò)以機構(gòu)為頂點，以因果關(guān)系為邊，若機構(gòu)A向機構(gòu)B發(fā)射一條直線，表明機構(gòu)A的收益率波動可以預(yù)測機構(gòu)B的波動，機構(gòu)AB之間存在信息溢出路徑，也即AB之間相互關(guān)聯(lián)?？梢晥D中，黑色代表銀行，深灰色代表保險公司，白色代表證券公司，淺灰色代表多元金融機構(gòu)。節(jié)點的大小代表股票市值的大小，從規(guī)模方面反映機構(gòu)在金融網(wǎng)絡(luò)中的地位，圖中節(jié)點較大的銀行處于首要地位，其次是保險公司。錯綜復(fù)雜的信息溢出網(wǎng)絡(luò)反映整個金融市場的關(guān)聯(lián)性，整體上危機時期與平穩(wěn)時期關(guān)聯(lián)網(wǎng)絡(luò)密集度沒有顯著差別，但是網(wǎng)絡(luò)結(jié)構(gòu)呈現(xiàn)差異性特征。危機時期關(guān)聯(lián)網(wǎng)絡(luò)圖結(jié)構(gòu)復(fù)雜，不同行業(yè)金融機構(gòu)聯(lián)系緊密，為系統(tǒng)性風(fēng)險跨部門溢出提供通道;平穩(wěn)時期網(wǎng)絡(luò)關(guān)聯(lián)圖比較規(guī)律，同行業(yè)金融機構(gòu)關(guān)聯(lián)更加緊密，系統(tǒng)性風(fēng)險多在部門內(nèi)傳導(dǎo)，影響范圍小且不易形成大范圍危機。觀察網(wǎng)絡(luò)中不同類型金融機構(gòu)發(fā)現(xiàn)：銀行在危機時期的信息溢出網(wǎng)絡(luò)中與各類金融機構(gòu)都有緊密聯(lián)系，是風(fēng)險傳染的主導(dǎo)力量，而在平穩(wěn)時期信息外溢較少;多元金融機構(gòu)數(shù)量眾多，危機時期關(guān)聯(lián)網(wǎng)絡(luò)多建立在行業(yè)內(nèi)部和證券公司之間，助力構(gòu)建繁雜的傳染路徑;保險機構(gòu)與其他金融機構(gòu)在危機時期的關(guān)聯(lián)性最弱，即風(fēng)險傳導(dǎo)能力最弱，同時，受其他金融機構(gòu)影響最小，平穩(wěn)時期多與銀行相關(guān)聯(lián);證券機構(gòu)平穩(wěn)時期信息外溢更強烈，是潛在的不穩(wěn)定因素。因此，危機時期系統(tǒng)性風(fēng)險主要通過銀行業(yè)、多元金融業(yè)傳導(dǎo)，平穩(wěn)時期風(fēng)險傳導(dǎo)路徑主要在同行業(yè)內(nèi)部。

基于相同的理論基礎(chǔ)，計算出2009—2019年動態(tài)格蘭杰因果指數(shù)（見圖4），其中黑色曲線代表關(guān)聯(lián)性，陰影部分標(biāo)注關(guān)聯(lián)性較強的部分。圖中2010年、2012年、2014年、2015年、2018年的格蘭杰因果指數(shù)位于陰影部分，表示相應(yīng)時間金融市場關(guān)聯(lián)緊密。結(jié)合上文發(fā)現(xiàn)，圖1系統(tǒng)性風(fēng)險時變圖與圖4具有類似走勢，同時，圖1中系統(tǒng)性風(fēng)險峰值出現(xiàn)在2008年、2013年、2015年以及2018年，系統(tǒng)性風(fēng)險峰值時間點也類似于圖4因果指數(shù)，因此，動態(tài)格蘭杰因果指數(shù)一定程度上預(yù)測了系統(tǒng)性風(fēng)險的走勢，后文繼續(xù)探討動態(tài)因果指數(shù)的預(yù)警效果。

為了進(jìn)一步觀察信息溢出網(wǎng)絡(luò)特征，圖5呈現(xiàn)2015年危機時期和2017年平穩(wěn)時期51家金融機構(gòu)的中心度指標(biāo)柱狀圖。緊密度中心性指標(biāo)在危機時期和平穩(wěn)時期展現(xiàn)較大差異，危機時期法爾勝、建設(shè)銀行、工商銀行、中油資本、中國人壽、民生銀行、交通銀行、熊貓金控的緊密度中心性指標(biāo)遠(yuǎn)高于其他金融機構(gòu)，中心性值都在10以上。由于緊密度中心性是取最短路徑的倒數(shù)，因此，緊密度中心性數(shù)值大的金融機構(gòu)在危機時期與其他金融機構(gòu)的連接路徑短，更容易將風(fēng)險傳染至其他金融機構(gòu)，也更容易受到其他金融機構(gòu)風(fēng)險的傳染。此外，各機構(gòu)的相對度數(shù)中心性、特征向量中心性以及聚類系數(shù)在危機時期的平均值普遍大于平穩(wěn)時期，說明在重要性和聚集程度方面，各個指標(biāo)皆顯示危機時期金融機構(gòu)的中心性相對上升，金融關(guān)聯(lián)網(wǎng)絡(luò)表現(xiàn)出“小世界”特征。

根據(jù)算法平均原則，表3從數(shù)值上比較不同金融行業(yè)中心度指數(shù)的大小和排名。全樣本時期，不同指標(biāo)下金融行業(yè)的表現(xiàn)各不相同，銀行業(yè)中心地位較為突出，多元金融業(yè)中心地位最弱。危機時期沒有中心地位特別突出的行業(yè)，每個金融行業(yè)在不同的中心度指標(biāo)下都表現(xiàn)出一定程度的中心地位，說明危機時期每個金融行業(yè)都是系統(tǒng)性風(fēng)險傳導(dǎo)的重要節(jié)點，需要全方位加強監(jiān)管。平穩(wěn)時期，保險業(yè)的中心度指標(biāo)全部最高且多元金融業(yè)全部最低。由此可見，處于網(wǎng)絡(luò)中心的金融行業(yè)主要是銀行業(yè)和保險業(yè)，它們在網(wǎng)絡(luò)中影響較大且是信息溢出網(wǎng)絡(luò)的重要節(jié)點，應(yīng)作為重點監(jiān)管對象。

綜合以上研究，就整個觀察期而言，銀行業(yè)和保險業(yè)需要重點監(jiān)管;危機時期，多元金融業(yè)以及證券業(yè)需要重點規(guī)范交易行為;平穩(wěn)時期，行業(yè)內(nèi)部需要防止系統(tǒng)性風(fēng)險的積聚。金融關(guān)聯(lián)網(wǎng)絡(luò)展現(xiàn)了更具體的系統(tǒng)性風(fēng)險行為，有利于更準(zhǔn)確的監(jiān)管措施的開展。

（三）信息溢出網(wǎng)絡(luò)對系統(tǒng)性風(fēng)險的預(yù)警

依據(jù)上文的分析可知，機構(gòu)關(guān)聯(lián)指數(shù)一定程度上預(yù)測了金融市場系統(tǒng)性風(fēng)險時變趨勢，為進(jìn)一步研究關(guān)聯(lián)指數(shù)的預(yù)警效果，本文的關(guān)聯(lián)指數(shù)由動態(tài)格蘭杰因果指數(shù)DCI表示。觀察圖1金融市場系統(tǒng)性風(fēng)險波動圖和圖4動態(tài)因果指數(shù)時變圖，系統(tǒng)性風(fēng)險對應(yīng)風(fēng)險事件的波峰出現(xiàn)在2008年、2013年、2015年以及2019年初，而動態(tài)因果指數(shù)對應(yīng)時間段的波峰出現(xiàn)在2012年、2014年以及2018年初，可以發(fā)現(xiàn)動態(tài)因果指數(shù)約提前一年（即4個季度）達(dá)到高峰。另外，對解釋變量進(jìn)行ADF檢驗，發(fā)現(xiàn)滯后4階表現(xiàn)最佳。因此，選擇滯后4個季度的動態(tài)格蘭杰因果指數(shù)DCIL4作為解釋變量，系統(tǒng)性風(fēng)險作為被解釋變量。同時基于張?zhí)祉敚?017）[27]、胡宗義（2017）[28]等人的研究，選取五個宏觀因素作為狀態(tài)變量，分別是貨幣供應(yīng)量M2、國內(nèi)信貸DC、國內(nèi)生產(chǎn)總值GDP、房地產(chǎn)投資指數(shù)HI以及財政收支差額FB，并對前三個狀態(tài)變量取對數(shù)，且保留財政收支差額的符號。由于大部分宏觀經(jīng)濟變量只公布了季度數(shù)據(jù)，因此，將系統(tǒng)性風(fēng)險日度高頻數(shù)據(jù)取平均值轉(zhuǎn)化成季度低頻數(shù)據(jù)建立回歸模型，然后分析信息溢出網(wǎng)絡(luò)關(guān)聯(lián)指標(biāo)以及部分宏觀因素對系統(tǒng)性風(fēng)險的影響，回歸結(jié)果見表4。

由上述三式可知，滯后4個季度的動態(tài)格蘭杰因果指數(shù)與系統(tǒng)性風(fēng)險顯著成正比，金融機構(gòu)相互關(guān)聯(lián)越緊密則系統(tǒng)性風(fēng)險越大。動態(tài)格蘭杰因果指數(shù)滯后4個季度表示關(guān)聯(lián)指標(biāo)提前一年預(yù)測到系統(tǒng)性風(fēng)險的發(fā)生，該指數(shù)是一個良好的系統(tǒng)性風(fēng)險預(yù)示指標(biāo)，因此，信息溢出網(wǎng)絡(luò)對系統(tǒng)性風(fēng)險具有一定預(yù)警作用。同時，四個宏觀狀態(tài)變量也與系統(tǒng)性風(fēng)險顯著相關(guān)：貨幣供應(yīng)量M2與系統(tǒng)性風(fēng)險顯著成正比，貨幣供應(yīng)量M2增加時金融市場流通的貨幣量增大，資本運作過程中系統(tǒng)性風(fēng)險也會增大;國內(nèi)信貸DC、國內(nèi)生產(chǎn)總值GDP以及財政收支差額FB與系統(tǒng)性風(fēng)險顯著負(fù)相關(guān)。國內(nèi)信貸DC屬于表內(nèi)業(yè)務(wù)且受到嚴(yán)格監(jiān)管，是一種比較安全的融資手段，當(dāng)信貸規(guī)模增大時系統(tǒng)性風(fēng)險會減小。而國內(nèi)生產(chǎn)總值GDP增大時，經(jīng)濟情況向好發(fā)展，系統(tǒng)性風(fēng)險也會變小。財政收支差額FB偏向赤字時，經(jīng)濟壓力增大，系統(tǒng)性風(fēng)險增大。由此可見，機構(gòu)關(guān)聯(lián)指標(biāo)和部分宏觀因素都對系統(tǒng)性風(fēng)險具有顯著影響，從成因角度預(yù)防系統(tǒng)性風(fēng)險爆發(fā)，要特別注意以上因素的異常變動，同時，信息溢出網(wǎng)絡(luò)的動態(tài)因果指數(shù)可作為系統(tǒng)性風(fēng)險的先導(dǎo)指標(biāo)。

四、結(jié)論與建議

本文從系統(tǒng)重要性金融行業(yè)和金融關(guān)聯(lián)網(wǎng)絡(luò)兩個監(jiān)管視角進(jìn)行研究：一方面，通過提高資本要求或降低杠桿率加強對系統(tǒng)重要性部門的監(jiān)管，從而降低金融脆弱性;另一方面，基于金融網(wǎng)絡(luò)控制系統(tǒng)性風(fēng)險傳染的路徑，降低大規(guī)模關(guān)聯(lián)風(fēng)險事件發(fā)生的概率，從金融網(wǎng)絡(luò)視角強化金融整體安全性。

系統(tǒng)重要性部門監(jiān)管選擇表明：三類系統(tǒng)性風(fēng)險測算方法均能準(zhǔn)確識別出我國標(biāo)志性尾部風(fēng)險事件，體現(xiàn)了系統(tǒng)性風(fēng)險測度方法的可靠性;四個金融行業(yè)整體風(fēng)險走勢基本一致，銀行業(yè)和證券業(yè)系統(tǒng)性風(fēng)險表現(xiàn)出“危機時期極大且平穩(wěn)時期極小”的特點，是風(fēng)險爆發(fā)最具影響的行業(yè);保險業(yè)在全樣本時期系統(tǒng)性風(fēng)險緊隨銀行業(yè)，在平穩(wěn)時期明顯高于其他行業(yè)，可被視為系統(tǒng)性風(fēng)險爆發(fā)的潛在推動力;而多元金融業(yè)系統(tǒng)性風(fēng)險最小，成為目前市場上金融機構(gòu)尋求轉(zhuǎn)型的熱門選項?；诖?，監(jiān)管部門應(yīng)對銀行業(yè)、證券業(yè)以及保險業(yè)重點監(jiān)管，防范銀行業(yè)系統(tǒng)性風(fēng)險溢出，督促證券業(yè)加強內(nèi)部風(fēng)險管理，重視保險業(yè)潛在風(fēng)險并借鑒多元金融全鏈條管理模式分散系統(tǒng)性風(fēng)險。

金融網(wǎng)絡(luò)監(jiān)管選擇結(jié)果顯示：其一，危機期間和平穩(wěn)時期格蘭杰因果關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)顯著不同。危機時期關(guān)聯(lián)網(wǎng)絡(luò)表現(xiàn)為不同行業(yè)的機構(gòu)關(guān)聯(lián)，主要通過銀行業(yè)、多元金融業(yè)傳導(dǎo)風(fēng)險，平穩(wěn)時期同行業(yè)金融機構(gòu)關(guān)聯(lián)更加緊密。其二，格蘭杰因果指數(shù)出現(xiàn)階段性高位，2010年、2012年、2014年、2015年和2018年的格蘭杰因果指數(shù)較大，并且提前一年預(yù)警標(biāo)志性尾部風(fēng)險事件。根據(jù)復(fù)雜網(wǎng)絡(luò)模型理論得到的網(wǎng)絡(luò)特征，全樣本時期銀行業(yè)中心地位較高，多元金融業(yè)最低;危機時期沒有中心地位特別突出的行業(yè);平穩(wěn)時期保險業(yè)中心地位較高。另外，機構(gòu)的封閉度中心性、相對度數(shù)中心性、特征向量中心性、聚類系數(shù)在危機時期的平均數(shù)值普遍大于平穩(wěn)時期，危機時期金融機構(gòu)關(guān)聯(lián)網(wǎng)絡(luò)表現(xiàn)出“小世界”特征。因此，防范系統(tǒng)性風(fēng)險，應(yīng)強化跨部門金融風(fēng)險監(jiān)管，利用先導(dǎo)指標(biāo)動態(tài)因果指數(shù)預(yù)警系統(tǒng)性風(fēng)險。整體上，應(yīng)當(dāng)規(guī)范銀行業(yè)和保險業(yè)的交易行為，可通過征收系統(tǒng)性風(fēng)險交易稅降低風(fēng)險交易行為的概率，并在危機時期注意防控多元金融業(yè)的系統(tǒng)性風(fēng)險。

本文還利用動態(tài)因果指數(shù)考察信息溢出網(wǎng)絡(luò)對系統(tǒng)性風(fēng)險的預(yù)警作用。研究結(jié)果表明，滯后4個季度的動態(tài)格蘭杰因果指數(shù)與系統(tǒng)性風(fēng)險顯著成正比，信息溢出網(wǎng)絡(luò)對系統(tǒng)性風(fēng)險具有明顯的預(yù)警效果;貨幣供應(yīng)量M2與系統(tǒng)性風(fēng)險顯著成正比;國內(nèi)信貸DC、國內(nèi)生產(chǎn)總值GDP以及財政收支差額FB與系統(tǒng)性風(fēng)險顯著負(fù)相關(guān)，當(dāng)金融市場關(guān)聯(lián)性增強、貨幣供應(yīng)量顯著增加、國內(nèi)信貸收縮、國內(nèi)生產(chǎn)總值下降或者財政收支差額偏向赤字時，監(jiān)管組織應(yīng)警惕潛在的系統(tǒng)性風(fēng)險并加強對金融機構(gòu)的監(jiān)管。

綜上，兩種監(jiān)管選擇最主要的監(jiān)管重點都是銀行業(yè)和保險業(yè)，兩種監(jiān)管選擇得出的監(jiān)管建議基本一致，說明兩種方法的監(jiān)管方向具有科學(xué)性，而信息溢出網(wǎng)絡(luò)動態(tài)因果指數(shù)提前一年預(yù)警系統(tǒng)性風(fēng)險，且理論上網(wǎng)絡(luò)監(jiān)管視角不損害市場效率，因此，就功能和效率而言，信息溢出網(wǎng)絡(luò)是更好的監(jiān)管選擇。

本文主要有兩個方面的局限：一是本文研究范圍僅包括2008年之前上市的51家金融機構(gòu)，由此展現(xiàn)的金融市場與實際情況有偏差。二是沒有進(jìn)一步模擬考察兩種監(jiān)管視角的效果。未來的研究可以隨金融市場的演變進(jìn)一步完善對系統(tǒng)性風(fēng)險的度量，并且通過模擬監(jiān)管建議考察監(jiān)管效果，深入挖掘分析兩種監(jiān)管選擇的優(yōu)劣。

注：

1結(jié)合我國上市金融機構(gòu)收益率序列，計算動態(tài)CoVaR度量系統(tǒng)性風(fēng)險時，選擇了如下控制變量：滬深300收益率、3月SHIBOR指數(shù)、美國10年期國債與3月期國債利差、中國10年期國債與3月期國債利差和中國3個月國債即期利率。

參考文獻(xiàn)：

[1]Poledna S，Bochmann O，Thurner S. 2017. Basel III Capital Surcharges for G-SIBs are Far Less Effective in Managing Systemic Risk in Comparison to Network-based，Systemic Risk-Dependent Financial Transaction Taxes [J].Journal of Economic Dynamics and Control，77.

[2]張?zhí)祉敚瑥堄?我國金融市場系統(tǒng)重要性機構(gòu)的評估及政策啟示 [J].管理評論，2018，30（01）.

[3]胡宗義，李毅，萬闖.基于貝葉斯GARCH-Expectile模型的VaR和ES風(fēng)險度量 [J].數(shù)理統(tǒng)計與管理，2020，39（03）.

[4]羅萍.商業(yè)銀行金融創(chuàng)新與系統(tǒng)性風(fēng)險 [J].金融發(fā)展研究，2020，（02）.

[5]Adrian T，Brunnermeier M K. 2016. CoVaR [J]. American Economic Review，106（07）.

[6]Acharya V，Pedersen L，Philippon T，Richardson M. 2010. Measuring Systemic Risk [R].FRB of Cleveland Working Paper.

[7]宋加山，蔣坤良，周學(xué)偉.基于GAS-混合Copula模型的不同行業(yè)系統(tǒng)性風(fēng)險研究 [J].統(tǒng)計與信息論壇，2020，35（05）.

[8]Poledna S，Thurner S. 2016. Elimination of Systemic Risk in Financial Networks by Means of a Systemic Risk Transaction Tax [J].Quantitative Finance，16（10）.

[9]石大龍，白雪梅.網(wǎng)絡(luò)結(jié)構(gòu)、危機傳染與系統(tǒng)性風(fēng)險 [J].財經(jīng)問題研究，2015，（04）.

[10]齊明，許文靜.復(fù)雜網(wǎng)絡(luò)下金融機構(gòu)的系統(tǒng)性風(fēng)險研究 [J].技術(shù)經(jīng)濟與管理研究，2019，（08）.

[11]張志剛，黃解宇，孫維峰.中國銀行業(yè)系統(tǒng)性風(fēng)險演進(jìn)及影響因素研究 [J].數(shù)理統(tǒng)計與管理，2019，38（05）.

[12]何奕，童牧，吳珊，尚詩昆. 復(fù)雜金融網(wǎng)絡(luò)中的系統(tǒng)性風(fēng)險與流動性救助：基于不同網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的研究 [J]. 系統(tǒng)工程理論與實踐，2019，39（06）.

[13]Billio M，Getmansky M，Lo A W，Pelizzon L.? 2012. Econometric Measures of Connectedness and Systemic Risk in the Finance and Insurance Sectors [J].Journal of Financial Economics，104（03）.

[14]高波，任若恩.基于Granger因果網(wǎng)絡(luò)模型的金融機構(gòu)系統(tǒng)重要性評估 [J].管理評論，2013，25（06）.

[15]Gong X L，Liu X H，Xiong X，Zhang W. 2019. Financial Systemic Risk Measurement based on Causal Network Connectedness Analysis [J].International Review of Economics and Finance，64.

[16]Diebold F X，Yilmaz K. 2014. On the Network Topology of Variance Decompositions：Measuring the Connectedness of Financial Firms [J].Journal of Econometrics，182（01）.

[17]胡利琴，胡蝶，彭紅楓.機構(gòu)關(guān)聯(lián)、網(wǎng)絡(luò)結(jié)構(gòu)與銀行業(yè)系統(tǒng)性風(fēng)險傳染——基于VAR-NETWORK模型的實證分析 [J]. 國際金融研究，2018，（06）.

[18]Xu Q F，Li M T，Jiang G X，He Y Y. 2019. Interconnectedness and Systemic Risk Network of Chinese Financial Institutions：A LASSO-CoVaR Approach [J].Physica A：Statistical Mechanics and its Applications，534.

[19]李政，魯晏辰，劉淇.尾部風(fēng)險網(wǎng)絡(luò)、系統(tǒng)性風(fēng)險貢獻(xiàn)與我國金融業(yè)監(jiān)管 [J].經(jīng)濟學(xué)動態(tài)，2019a，（07）.

[20]李政，劉淇，梁琪. 基于經(jīng)濟金融關(guān)聯(lián)網(wǎng)絡(luò)的中國系統(tǒng)性風(fēng)險防范研究 [J]. 統(tǒng)計研究，2019b，36（02）.

[21]葉莉，王遠(yuǎn)哲，陳勇勇.基于尾部風(fēng)險關(guān)聯(lián)網(wǎng)絡(luò)的中國金融機構(gòu)間風(fēng)險溢出效應(yīng)研究 [J]. 統(tǒng)計與信息論壇，2019，34（03）.

[22]馮燕，王耀東. 保險業(yè)系統(tǒng)性風(fēng)險傳染研究——基于格蘭杰因果關(guān)系模型 [J].金融與經(jīng)濟，2018，（02）.

[23]李政，梁琪，涂曉楓.我國上市金融機構(gòu)關(guān)聯(lián)性研究——基于網(wǎng)絡(luò)分析法 [J].金融研究，2016，（08）.

[24]王丹，黃瑋強.基于信息溢出網(wǎng)絡(luò)的我國行業(yè)關(guān)聯(lián)性研究 [J].運籌與管理，2019，28（09）.

[25]Jo?o B R B B，Thiago C S，Sergio R S D S. 2018. Identifying Systemic Risk Drivers in Financial Networks [J]. Physica A：Statistical Mechanics and its Applications，503（01）.

[26]黃瑋強，莊新田，姚爽.基于信息溢出網(wǎng)絡(luò)的金融機構(gòu)風(fēng)險傳染研究 [J].系統(tǒng)管理學(xué)報，2018，27（02）.

[27]張?zhí)祉?，張?模型不確定下我國商業(yè)銀行系統(tǒng)性風(fēng)險影響因素分析 [J]. 國際金融研究，2017，（03）.

[28]胡宗義，劉硯伊.基于金融壓力指數(shù)的金融系統(tǒng)性風(fēng)險測度及影響因素 [J].財經(jīng)理論與實踐，2017，38（04）.

3223501908267