我國上市商業銀行多元化經營與系統風險研究

劉傲瓊+劉新宇

內容提要：“金融脫媒”讓傳統商業銀行走上了業務多元化、服務多元化、收入多元化的道路，也產生了對銀行業系統風險問題的特別關注。本文選取14家2008年之前上市的銀行作為樣本，將MES值作為系統風險的代理變量，分析銀行多元化經營與MES值的關系，并使用銀行規模作為區分不同類型銀行的工具。研究表明我國城市商業銀行、中小型股份制商業銀行和國有大型商業銀行提高多元化水平對系統風險的影響存在顯著差異：城市商業銀行提高多元化水平將提高面臨的系統風險，而中小型股份制商業銀行和國有大型商業銀行提高多元化水平將降低面臨的系統風險；當銀行以穩定系統風險為前提調整多元化經營策略時，三類銀行除考慮提高手續費收入及傭金的比例外，中小型股份制商業銀行和國有大型商業銀行還應考慮提高投資收益比例。

關鍵詞：商業銀行；多元化經營；系統風險

中圖分類號：F83033文獻標識碼：A文章編號：1001-148X（2017）04-0063-10

一、引言

20世紀80年代以來，隨著資本市場的不斷發展，金融自由化、一體化的不斷深入，金融工具、產品創新，利率市場化進程加快，銀行“脫媒現象”日益嚴重并成為發展趨勢。“脫媒現象”讓我國商業銀行的傳統盈利模式遭受嚴重打擊，作為利潤主要來源的利差收入不斷減少、負債結構短期化、優質客戶不斷流失等一系列問題使我國商業銀行面臨著巨大的挑戰，但同時為我國商業銀行帶來了重大機遇。隨著外資銀行的不斷進入，我國商業銀行通過借鑒外資銀行先進經營管理方式并結合本國國情和自身特點，為擺脫金融脫媒帶來的損失，維持可持續發展的能力，不斷加強中間業務和產品的創新，提升對企業和個人的綜合服務能力，逐漸降低對傳統信貸業務的依賴，走上了業務多元化、服務多元化、收入多元化的多元化經營道路。隨著多元化經營的不斷深化，多元化經營在增加我國銀行收入來源、提高其利潤水平的同時，隨之而來的風險問題一直受到我國眾多學者的關注。周開國和李琳（2011）[1]的研究表明中國商業銀行收入結構多元化與銀行風險間的關系并不顯著，銀行風險的降低主要歸因于利息收入波動風險減小，而隨著非利息收入占比的提高，非利息收入波動風險反而增加，對總風險的貢獻值增加。劉孟飛等（2012）[2]將銀行資產收益率標準差作為銀行個體風險的代理變量，以銀行收入結構的赫芬達爾指數作為多元化程度的代理變量建立回歸模型，得出我國銀行進行多元化能夠降低自身風險的結論。黃國妍（2015）[3]指出，收入多元化程度提升有助于改善商業銀行風險調整回報，降低銀行破產風險。但由于非利息收入的高波動性，非利息收入比重提高，反而會降低銀行風險調整回報、增加銀行破產風險。然而我國銀行多元化經營與系統風險的關系一直被學者所忽略。Brunnermeier等（2012）[4]首次以美國上市的538家銀行為樣本，研究銀行非利息收入與系統風險之間關系，研究表明非利息收入占比越高其系統風險期望損失越大，導致的系統風險水平越高。De Jonghe等（2015）[5]指出多元化經營對銀行系統風險貢獻度的影響會隨銀行規模的變化而變化。目前，關于銀行多元化經營與系統風險關系的研究仍處于起步階段，張曉玫和毛亞琪（2014）[6]指出我國上市商業銀行的非利息收入與銀行的MES值呈顯著的負相關關系，但這一研究忽略了銀行規模的影響同時沒有深入研究非利息收入各項對銀行系統風險的具體作用。

基于此，本文在以上研究成果的基礎上，首先選取2008年之前國內上市的14家銀行作為樣本，計算每家銀行的MES，作為銀行系統風險的代理變量，將多元化水平作為解釋變量對MES值進行面板數據回歸。其次將銀行系統風險作為被解釋變量，銀行利息收入占比和各項非利息收入占比作為解釋變量進行回歸，試圖找到銀行利息收入和各項非利息收入的變動對銀行系統風險的影響和作用方式。同時，本文將銀行規模這一影響因素引入模型，加入了銀行規模與解釋變量的交叉項，通過交叉項系數的回歸結果得到國有大型商業銀行、中小型股份制商業銀行和城市商業銀行的差異性結果。

二、銀行系統風險計算

邊際期望損失（MES）是指當整體市場大幅下跌時，單個金融機構股權價值的預期損失。Acharya等（2010）[7]在原有計算金融機構風險方法的基礎上，將機構期望損失進行發展，提出MES作為金融機構系統風險的衡量指標。這一指標也被范小云等（2011）[8]眾多學者廣泛地應用與系統風險的研究中。具體方法如下：

假設整個系統由N家銀行構成，系統性風險用ES表示。ri，t為銀行i在t時刻的收益率，t時刻的市場收益率為rm，t，銀行i的資產權重為θi，則有 。那么，當市場收益率發生小概率事件，低于C時的市場期望收益為：

那么銀行i的MES定義為：

本文使用DCC-GARCH模型和非參數核估計對MES進行計算。

（一）數據選擇

截止2016年11月，在我國大陸上市的銀行共22家，其中中國農業銀行、光大銀行于2010年上市，江蘇銀行、貴陽銀行于2016年8月上市，江陰銀行、無錫銀行、常熟銀行于2016年9月上市，杭州銀行于2016年10月上市，這些銀行上市時間較短，其股票收益率的樣本量過小，綜合考慮各銀行股票收益率數據的樣本量需要，本文選取2008年之前上市的銀行作為樣本，其中包括國有銀行4家：中國銀行、工商銀行、建設銀行、交通銀行；中小型股份制銀行7家：中信銀行、招商銀行、平安銀行、浦發銀行、華夏銀行、民生銀行、興業銀行；城市商業銀行3家：北京銀行、寧波銀行、南京銀行?！糐P+1〗選取上述14家銀行2007年10月8日至2016年10月28日每日的收盤價進行銀行股票日收益率的計算，市場收益率選取滬深300金融指數收益率作為代表。設銀行i股票的t日收盤價為Pi，t，日收益率為 ；同理設滬深300金融指數的t日收盤價為Pm，t，日收益率為 。所有數據均來自wind數據庫。

（二）描述性統計

由MES計算的三個步驟，分別得到14家樣本銀行收益率、收益波動率、相關系數和最終的MES，統計結果見表1。

表1結果顯示，在收益率方面：14家樣本銀行的股票日收益率平均值為-000028，從各類銀行的統計結果中可以看到國有大型商業銀行的股票日收益率平均值為-000017，在三類銀行中最高；而中小型股份制商業銀行的股票日收益率平均值為-000039，在三類銀行中最低。在波動率方面：14家樣本銀行的股票日收益波動率平均值為000063，其中中小型股份制商業銀行的股票日收益波動率平均值為0000739，在三類銀行中最高；國有大型商業銀行的股票日收益波動率平均值為0000429，明顯低于其他兩類銀行；城市商業銀行波動率與中小型股份制商業銀行較為接近。在相關系數方面：14家樣本銀行的收益率與市場收益率的相關系數均值為0773634，其中中小型股份制商業銀行的相關系數均值為0790804，在三類銀行中最高；城市商業銀行的相關系數均值為075874，明顯低于其他兩類銀行。從最終的MES統計結果可以看出，14家樣本銀行的MES均值為0019249，當我國整體市場出現系統性風險（本文設定為市場收益率降低5%）時，我國銀行的平均預期損失為0019249；其中中小型股份制商業銀行的MES均值為0023026，高于其他兩類銀行；城市商業銀行次之，國有大型商業銀行的MES均值為0016246，在三類銀行中最低。出現這一結果的可能性原因在于，中小型股份制商業銀行的收益率與市場收益率的相關性最強，其自身波動率也最大，導致當出現系統風險時該類銀行的預期損失高于其他兩類銀行；而城市商業銀行雖然波動率并非最小，但是其收益率與市場收益率的相關性最弱；國有大型商業銀行的相關系數雖與中小型股份制商業銀行接近，但其波動率最低，導致其預期損失低于其他兩類銀行。本文根據14家銀行2007年10月8日至2016年10月28日的數據對MES值進行計算并將14家銀行的計算結果進行排名，統計結果見表2。從表2中可以看出，MES均值排在前三位的依次是興業銀行、平安銀行和南京銀行；在前七位銀行中6家為中小型股份制銀行，而4家國有大型商業銀行在最后四位。MES代表了當整個市場出現系統性風險時，各銀行的抗風險能力，MES值越高，抗系統風險能力越低。這一結果表明，我國中小型股份制銀行的MES值最高，其抗系統風險能力最低；國有大型商業銀行的MES值最低，抗系統風險能力最高。

三、銀行MES值與多元化水平的回歸分析

（一） 變量的選取和定義

1.被解釋變量

從前文中計算得出的各個銀行的MES作為銀行系統性風險的代理變量，將MES值作為被解釋變量與銀行多元化水平等解釋變量分別建立面板數據模型來進行實證分析。

2.解釋變量

本文將銀行的非利息收入劃分為手續費收入及傭金、投資收益、匯兌收益和其他業務收入，選擇經過調整后的赫芬達爾指數來計算銀行的多元化水平，調整后的銀行收入的赫芬達爾指數是指1減去銀行利息收入、各項非利息收入與該銀行總收入之比的平方和，計算公式為：

其中，si為各項收入占總收入的比重，n=5。按照赫芬達爾指數的定義，H越大，說明銀行的收入分散度越高，多元化水平越高；H越小，說明銀行利息收入與非利息收入的比例差距越大，收入集中度越高，多元化水平越低。

3.控制變量

影響銀行多系統風險的因素研究主要集中在兩個方面，一是外部經濟環境，如國家經濟政策、經濟增長、利率水平變化等。二是銀行自身特征，包括銀行資產規模、治理結構等。

借鑒已有研究成果，本文從以上兩個方面對控制變量進行選擇：首先選擇我國GDP增長率作為外部經濟環境對我國銀行系統風險影響的代理變量；其次從銀行的資產規模、資本結構、風險承受力等方面，選擇代理變量加入回歸模型中以達到控制銀行自身異質性的目的。（1）銀行規模。Pais和Stork（2013）[9]指出銀行內部的委托代理問題會隨著銀行規模的增長而變得嚴重。Huang等 （2012）[10]在研究銀行系統風險時認為大型銀行“大而不倒”現象嚴重，所以銀行規模是系統性風險必須考慮的因素。（2）所有者權益資產比。所有者權益資產比是銀行償債能力、運營能力等的綜合表面，反映了銀行的整體發展，是研究銀行問題時重要的控制變量之一。（3）資金實力。本文選擇存貸款比例作為銀行資金實力的代理變量。從風險角度看，存貸比越高，意味著銀行應對集中擠兌的能力越弱，銀行自身風險水平也就越高，所以本文將貸款與總資產之比作為控制變量。（4）風險承受力。本文選擇資本充足率和不良貸款率作為銀行個體風險控制變量。資本充足率代表了銀行對負債的最后償還能力，不良貸款率則體現了銀行的資產質量。

所有回歸變量定義如表3所示。

（二）數據選擇與描述性統計

前文已經算出銀行MES的日頻值，而銀行的其他控制變量和多元化水平的最高頻率為季度，所以為了進行回歸分析，本文將銀行MES的日頻值進行季度平均，作為季度數據進行回歸。其他變量數據主要來自wind數據庫，數據庫中缺失數值通過手動查閱銀行季報獲得。

本文所涉及各變量的描述性統計結果如表4所示。由表4可知，我國上市銀行的多元化水平均值為0197413，其中中小型股份制商業銀行的多元化水平最高，而城市商業銀行的多元化水平最低且與其他兩類銀行有相當的差距。在控制變量方面，我國銀行的所有者權益資產比均值為094093、存貸比均值為0703629，各類銀行之間的差異相對較小，而資本充足率和不良貸款率的差異相對較大。這一結果表明，我國銀行的資本結構和資金實力結構趨同而銀行的資產質量和抗風險能力卻有較大差異。

（三）模型建立

為了研究我國商業銀行多元化水平與MES之間的關系，同時對不同類型銀行加以區分，本文選擇面板數據回歸模型，將各銀行的總資產自然對數與多元化水平的交叉項引入模型中，以資產規模作為區分我國商業銀行類型的工具，研究銀行多元化水平對MES的差異性影響。本文首先對模型進行Hausman檢驗，發現模型應采用隨機效應模型，同時由于樣本數據量較小，為了避免模型可能存在的自相關性和異方差性，本文選擇廣義最小二乘法進行系數估計。其次，研究者們（De Jonghe等，2015）[5]發現金融機構具有一定風險滯后性，使用同期解釋變量并不妥當，所以本文使用滯后1期的解釋變量進行回歸。模型如下：

（四）回歸結果分析

表5為以銀行MES值作為被解釋變量，多元化水平、銀行規模和兩者的交互項為解釋變量進行面板數據回歸的結果。從結果中可以看出：（1）模型（1）中沒有加入銀行規模與多元化水平的交互項，其銀行規模的系數為-000495077，多元化水平的系數為-003798，兩者與MES值均呈顯著的負相關關系。在模型（1）的基礎上加入銀行規模與多元化水平的交互項，得到模型（2）的結果，從結果中可以看到銀行規模的系數絕對值減小并仍顯著為負，而多元化水平變為096078833并顯著，交互項系數為-003482178并顯著。這一結果表明，銀行規模的大小會顯著影響多元化水平與銀行MES的關系。當銀行規模較大時，銀行提高多元化水平將降低自身的MES，即降低其系統風險水平；而銀行規模較小時，提高多元化水平將增加其MES，提高銀行面臨的系統風險水平。從結果中可以看出，當銀行規模自然對數小于2758時，多元化水平與MES之間是正向相關關系，但多元化水平對MES的提高效應會隨銀行規模的不斷增加而下降；當銀行規模自然對數大于2758后，多元化水平與MES之間變成負向相關關系，并且系數的絕對值隨銀行規模的擴大而不斷增加。我國城市商業銀行2006年的平均資產規模為240889，2015年的平均資產規模為256203；中小型股份制商業銀行2006年的平均資產規模為2735044，2015年的平均資產規模為289537；而國有大型商業銀行2006年的平均資產規模為291661，2015年的平均資產規模為303312。城市商業銀行在研究期間的平均資產規模基本小于2758，其MES值隨多元化水平的上升而提高；國有大型商業銀行的平均資產規模遠大于2758，其MES值隨多元化水平的上升而降低；而中小型股份制商業銀行從2006年至2009年，平均資產規模小于2758，而從2010至2015年，平均資產規模大于2758，其MES值與多元化水平呈倒U型的關系。（2）在控制變量方面，結果顯示銀行所有者權益資產比、不良貸款率的系數顯著為正，所有者權益資產比的提高將降低銀行MES值，降低其面臨的系統風險；不良貸款率的提高將增加銀行MES值，增大其面臨的系統風險。GDP在兩模型中的系數均顯著為負，說明宏觀經濟的良好發展會降低銀行的收益波動率和市場相關系數，進而降低銀行所面臨的系統風險水平。

注：括號內為t值，置信度在1%、5%、10%水平下顯著分別用***、**、*表示（下同）。

四、進一步研究

（一）模型建立

現階段各類銀行進行多元化經營所選擇的主要方式均為擴大中間業務規模和提高服務多樣性進而提高手續費及傭金收入，但各類銀行仍存在一定差異，除了手續費及傭金收入外，投資收益、匯兌收益、其他業務收入均是銀行進行多元化經營所獲得的非利息收入來源。若各項收入對銀行系統風險產生的作用不同，將導致多元化水平相同、規模相似的銀行，由于收入結構的不同，其所面臨的系統風險水平很有可能并不相同，甚至差別較大。這就意味著只單一使用多元化水平作為銀行多元化經營的代理變量，計算其與MES值之間的關系較為籠統，無法全面深刻地反映銀行多元化經營給銀行系統風險帶來的影響。為了深入研究銀行的收入多元化結構與銀行系統風險的關系，探究銀行的利息收入和各項非利息收入的變動對系統風險產生的影響，本文將利息資產收入比和各項非利息資產收入比作為解釋變量，銀行MES值作為被解釋變量建立面板數據回歸模型，模型如下：

其中，yin代表銀行i各項收入占總收入的比例，包括利息收入、手續費收入及傭金、投資收益、匯兌收益、其他業務收入，n=1，2，…，5。

（二）變量、數據選擇與描述性統計

本文選取我國14家上市銀行2007年第四季度至2016年第三季度各項收入數據，所有數據主要來自wind數據庫，數據庫中缺失數值通過手動查閱銀行季報獲得。

各類銀行各項收入資產比的描述性統計見表6。從表6的結果中可以看到，我國上市銀行的利息收入資產比為055210，遠高于其他非利息收入資產比。手續費及傭金資產比高于其他非利息收入資產比，手續費及傭金為我國銀行的主要非利息收入來源。在各類銀行的描述性統計結果中可以看出：在利息收入方面，城市商業銀行的利息資產比高于其他兩類銀行，而中小型股份制銀行的利息資產比最低。在非利息收入方面，中小型股份制商業銀行的手續費及傭金資產比和匯兌收益資產比高于其他兩類銀行，城市商業銀行的投資收益比較高而國有大型商業銀行的其他業務收入資產比較高。這一結果表明我國各類銀行進行多元化經營的方式相似但略有不同，各類銀行獲取非利息收入、提高多元化水平的主要方式均為擴大產生手續費及傭金收入的中間業務規模，同時各類銀行在其他非利息收入業務方面呈現出不同的發展狀態。

（三）回歸結果分析

表7為MES值作為被解釋變量，銀行各項收入占比、銀行規模和兩者的交互項為解釋變量進行面板數據回歸的結果。從結果中可以看出：各項收入占比的系數和顯著性存在明顯差異。（1）利息收入占比的系數在兩模型中的系數均顯著為負，同時模型（4）中，利息收入占比與銀行規模的交叉項顯著為正，說明銀行規模發生變化時，利息收入占比與MES之間的關系將發生變動。當銀行規模小于293614時，銀行降低利息收入占比將增加自身的MES，即增加其系統風險；而銀行規模大于293614時，降低利息收入占比將減小其MES，降低銀行面臨的系統風險水平。我國城市商業銀行和中小型股份制銀行的資產規模與293614有一定差距，而國有大型商業銀行從2008年起平均資產規模（自然對數）已經超過293614，所以在樣本研究時間段內，城市商業銀行和中小型股份制商業銀行的利息收入占比在不斷下降，這一趨勢提高了各類銀行的系統風險，然而國有大型銀行的資產規模超過這一臨界值后，利息收入占比的繼續下降將降低銀行的系統風險。（2）手續費及傭金占比系數在模型（3）、（4）中均顯著為負，加入交叉項系數后，手續費及傭金占比和交叉項系數均不顯著，這一結果說明手續費及傭金占比與銀行MES值呈顯著的負相關關系，手續費及傭金比例的提高起到了降低銀行系統風險的作用，銀行規模的大小對這一作用沒有顯著的影響。（3）投資收益的系數在兩類模型中均顯著為正，同時模型（4）中，投資收益占比與銀行規模的交叉項顯著為負，說明銀行規模發生變化時，投資收益占比與MES之間的關系將發生變動。當銀行規模大于2732時，銀行提高投資收益占比將降低自身的MES，即降低其系統風險；而銀行規模小于2732時，提高投資收益占比將增加其MES，提高銀行面臨的系統風險水平。城市商業銀行的規模平均值在樣本時間段內均小于2732，而中小型股份制商業銀行與國有大型商業銀行的規模均大于2732，這就意味著提高投資收益占比會提高城市商業銀行的系統風險，而對其他兩類銀行而言則會降低其系統風險。（4）匯兌收益占比系數在模型（3）、（4）中均顯著為正，交叉項系數不顯著，表明匯兌收益占比與銀行MES值呈顯著的正相關關系，匯兌收益比例的提高增加了銀行系統風險，銀行規模的大小對這一關系沒有顯著的影響。其他業務收入占比系數不顯著，其占比變化對銀行系統風險沒有顯著的作用。從非利息收入占比系數的結果可知，除投資收益外，其他非利息收入的提高對各類銀行的系統風險影響一致，各項非利息收入的提高不會因為銀行規模的不同而對系統風險產生不同的影響。（5）在控制變量方面，銀行所有者權益資產比、不良貸款率在所有模型中的系數顯著為正，GDP在所有模型中的系數均顯著為負，這一結果與表6的結果保持一致，說明本文模型結果具有一定的穩定性。

五、穩定性檢驗

首先，本文使用另一個變量CoVaR作為銀行系統風險代理變量，使用GARCH模型計算ΔCoVaR 作為MES值的替代變量對14家銀行的系統風險貢獻度重新計算和排序（Mainik和Schaanning，2014）[11]，除平安銀行、南京銀行的排名順序發生變化外，其他12家銀行均未發生變化。

其次，本文使用另一種計算方法對MES值進行計算，即找到樣本時間段內市場表現最差5%的具體日期，計算此日期內銀行股票收益率的均值作為MES值的測度（Acharya等，2010）[7]。即：

按照計算結果對14家銀行重新進行排序，排名順序未發生變化，說明本文使用的MES值計算結果具有穩定性。

第三，使用熵方法對銀行的多元化水平進行計算（魏成龍和劉建莉，2007）[12]，計算結果顯示我國中小型股份制商業銀行的多元化水平最高、城市商業銀行的多元化水平最低，與文中使用赫芬達爾指數進行計算的結果保持一致。

第四，將ΔCoVaR和重新計算的MES值分別帶入模型（1）、（2）（3）、（4）中，并將赫芬達爾指數替換成熵指數進行回歸，結果顯示多元化水平、公司規模和兩變量的交叉項系數的正負號和顯著性沒有發生變化，說明本文變量之間的回歸結果具有穩定性。

六、結論與建議

本文得到以下結論：

1.我國中小型股份制銀行的MES值最高，〖JP+1〗其抗系統風險能力最低，其次為城市商業銀行。國有大型商業銀行的MES值最低，抗系統風險能力最高。

2.在不考慮銀行規模與多元化水平的交互影響時，銀行多元化水平的提高會顯著降低銀行的MES值，銀行進行多元化會降低銀行的系統風險。當考慮銀行規模與多元化水平的交互影響時，我們發現我國城市商業銀行提高多元化水平將提高面臨的系統風險，而中小型股份制商業銀行和國有大型商業銀行提高多元化水平將降低面臨的系統風險。

3.在不考慮銀行規模與多元化水平的交互影響時，利息收入占比和手續費及傭金比例的提高起到了降低銀行系統風險的作用，匯兌收益占比、投資收益占比的提高會增加銀行的系統風險，其他業務收入占比的變化對銀行系統風險沒有顯著的作用。考慮交互影響后得出，利息收入占比的不斷下降會增加城市商業銀行和中小型股份制銀行的系統風險而降低國有大型商業銀行的系統風險；提高投資收益占比會提高城市商業銀行的系統風險，而對其他兩類銀行而言則會降低其系統風險。

根據結論，結合中國商業銀行現階段的實際情況，對銀行多元化經營提出以下建議：

1.我國城市商業銀行不應盲目擴張規模，提高多元化水平，而忽略多元化經營對銀行系統風險的影響[13]。雖然從總體上來看，我國商業銀行提高多元化水平起到了分散銀行系統風險的作用，但從回歸結果中可知，不同類銀行多元化經營對系統風險的影響存在顯著差異。城市商業銀行提高多元化水平將提高面臨的系統風險，而中小型股份制商業銀行和國有大型商業銀行提高多元化水平將降低面臨的系統風險。這就意味著在這種情況下，我國城市商業在現階段如果盲目提高銀行的多元化水平會為自身帶來較高的系統風險。所以城市商業銀行應理性進行多元化經營，充分考慮多元化對系統風險的作用。

2.我國商業銀行多元化經營方式應差異化而非趨同化。銀行在選擇多元化經營策略時應將系統風險作為其考慮的重要因素之一。本文的研究結果顯示，開展中間業務，獲取手續費收入及傭金一直是我國各類商業銀行進行多元化經營的主要手段。然而結果顯示對于城市商業銀行而言，除手續費及傭金收入占比提高能夠降低系統風險外，其他各項非利息收入均會提高其系統風險水平同時利息收入占比的降低同樣會提高系統風險水平，這就意味著城市商業銀行若在考慮穩定系統風險的前提下獲取非利息收入的方法應該是提高手續費及傭金收入的占比。對于中小型股份制商業銀行和國有大型商業銀行而言，除手續費及傭金收入外投資收益占比的提高同樣會降低其系統風險，那么兩類銀行同樣可以適當提高投資收益的占比。

參考文獻：

[1]周開國， 李琳. 中國商業銀行收入結構多元化對銀行風險的影響[J].國際金融研究， 2011（5）： 57-66.

[2]劉孟飛， 張曉嵐， 張超. 我國商業銀行業務多元化， 經營績效與風險相關性研究[J].國際金融研究， 2012（8）： 59-69.

[3]黃國妍. 中國商業銀行收入結構多元化能夠分散銀行風險嗎？[J].金融經濟學研究， 2015（6）：16-28.

[4]Brunnermeier M K， Dong G N， Palia D. Banks′ non-interest income and systemic risk[C].AFA 2012 Chicago Meetings Paper，2012.

[5]De Jonghe O， Diepstraten M， Schepens G. Banks′ size， scope and systemic risk： What role for conflicts of interest？[J].Journal of Banking & Finance， 2015，61：S3-S13.

[6]張曉玫， 毛亞琪.我國上市商業銀行系統性風險與非利息收入研究——基于 LRMES 方法的創新探討[J].國際金融研究， 2014（11）： 23-35.

[7]Acharya， V.， Pedersen， L， Philippon， T.， et al. Measuring Systemic Risk[R].The Seventeenth Dubrovnik Economic Conference， 2010.

[8]范小云，王道平，方意.我國金融機構的系統性風險貢獻測度與監管-基于邊際風險貢獻與杠桿率的研究[J].南開經濟研究，2011（4）：3-20.

[9]Pais A， Stork P A. Bank size and systemic risk[J].European Financial Management， 2013，19（3）： 429-451.

[10]Huang X， Zhou H， Zhu H. Systemic risk contributions[J].Journal of financial services research， 2012，42（1-2）： 55-83.

[11]Mainik G， Schaanning E. On dependence consistency of CoVaR and some other systemic risk measures[J].Statistics & Risk Modeling， 2014， 31（1）： 49-77.

[12]魏成龍， 劉建莉. 我國商業銀行的多元化經營分析[J].中國工業經濟， 2007（12）： 85-93.

[13]謝俊明.我國商業銀行規模對銀行風險承擔的影響研究[J].哈爾濱商業大學學報：社會科學版，2015（6）：71-78.

（責任編輯：周正）

收稿日期：2016-12-07

作者簡介：劉傲瓊（1989-），女，河北唐山人，南京大學經濟學院博士研究生，研究方向：銀行風險管理；劉新宇（1986-），本文通訊作者，男，內蒙古包頭人，南京大學博士后流動站/江蘇銀行博士后工作站聯合培養在站博士后，研究方向：大數據與風險管理。