金融市場對銀行業系統性風險的溢出效應及渠道識別研究

方 意 陳 敏 楊嬿平

一、引 言

2008年國際金融危機爆發已有十年之久，但危機爆發的原因仍然引起學界和政策界的持續關注。此次國際金融危機起源于美國的房地產次級貸款市場。美國前期房價的持續攀升以及以房地產次級貸款市場為基礎的資產支持證券(MBS)的快速膨脹，使得房地產市場積累了大量風險。當房地產市場由上轉下，前期累積的風險必然會通過金融機構直接持有房地產市場貸款的風險敞口渠道以及通過影響資產支持證券市場進而影響金融機構的關聯性，對金融體機構的系統性風險產生極大的溢出效應。因此，房地產市場自身風險對金融機構系統性風險的溢出效應對于理解金融體系的系統性風險至關重要。

事實上，房地產市場只是金融市場的子市場。股票市場、貨幣市場、債券市場以及外匯市場等市場自身也存在一定的風險，這些市場都與金融機構尤其是銀行業有各種直接或間接關聯性。從中國金融體系運行實踐看，中國的房地產市場尤其是一線城市，房價長期持續上漲，已經累積了一定程度的風險。中國房地產市場資金很大一部分來源于銀行業，而銀行業投放的信貸有較高的比例通過各種渠道流向了房地產市場(方意，2015)。中國的股票市場在 2008年、2015年都經歷了巨幅震蕩，尤其是 2015年的股市異常波動與銀行業有著千絲萬縷的關系。此外，自2006年以來，中國利率市場化、匯率市場化等金融自由化進程在加速推進，中國貨幣市場、債券市場以及外匯市場在不斷發展和完善的同時，其波動性也在加劇，其對金融機構系統性風險的溢出效應問題也在日益凸顯。那么，如何在一個系統框架下考慮這些溢出效應？如何根據這些溢出效應提出一個有益的系統性風險指標？又如何對這些溢出效應進行渠道識別？這是本文關注的核心問題。

與本文研究緊密相關的文獻有兩類：關于金融機構系統性風險度量的文獻和關于金融市場風險溢出效應的文獻。對于金融機構系統性風險度量的研究，目前主流的方法有尾部依賴模型和網絡模型兩類。其中，尾部依賴模型是以金融機構收益率(或損失率)分布的尾部依存關系為研究對象，最為經典的度量指標包括 Adrian和Brunnermeier(2016)提出的條件在險價值指標(CoVaR)、Acharya等(2017)提出的系統期望損失指標(SES)及邊際期望損失(MES)以及Brownlees和Engel(2017)提出的系統性風險指標(SRISK)等。基于此，梁琪等(2013)運用SRISK指標、卜林和李政(2015)采用CoVaR和MES指標分別探討了中國上市金融機構的系統性風險問題。網絡模型則是根據金融機構之間形成的網絡形狀，模擬系統性風險的傳染累積過程(IMF，2009)，如李政等(2016)基于網絡分析法探析了中國金融機構網絡的總體關聯性，方意(2016)、方意和鄭子文(2016)分別構建直接關聯網絡模型和持有共同資產間接網絡模型對系統性風險的傳染渠道與度量進行了研究。總體來看，這些研究更強調金融機構之間的關聯性對系統性風險的影響，這雖然是金融機構系統性風險放大效應的核心機制，卻忽略了在更大范圍的金融體系環境下金融機構之外的金融市場因素可能會對金融機構系統性風險產生溢出效應。與此同時，已有研究表明，金融機構系統性風險是內生的(Danielsson等，2013)。因此，只有將金融機構放在包含金融機構和金融市場在內的金融體系框架下考察金融市場對金融機構系統性風險的影響，才能更好地認識金融機構系統性風險的內生性問題，也才能提高系統性風險管理的有效性。

對于金融市場的風險溢出效應，已有研究更多地側重金融市場之間的相互關聯性和傳染性。其中，李成等(2010)運用四元 VAR(6)-GARCH(1，1)-BEKK 模型分析了中國股票市場、債券市場、外匯市場以及貨幣市場等主要金融市場之間的溢出關系。王茵田和文志瑛(2010)、史永東等(2013)分別采用VAR模型、Copula函數相關性的分位數測度方法對中國股票市場與債券市場之間的風險溢出效應進行了研究。方意(2015)則基于股票市場內部多維度對多個國家(或地區)主板市場和中小板、創業板市場之間的傳染性進行了考察。顯然，這些研究主要立足于金融市場本身來探討金融市場內部結構之間的風險溢出效應，并未考慮金融市場與金融機構之間的溢出效應。事實上，金融體系的系統性金融風險不僅包括金融市場之間的傳染性，還包括金融機構與金融市場之間、金融機構之間的傳染性等(方意，2015)。因此，將金融市場與金融機構相關聯，探討金融市場對金融機構系統性風險的溢出效應顯得尤為必要，這也是本文選題的立足點。

基于已有文獻，本文發現對于銀行業系統性風險問題的研究不應將視角僅僅局限于銀行體系內部銀行之間的關聯性，而應放在更大的金融體系背景下加入金融市場的風險源因素來考察金融市場對銀行業系統性風險的溢出效應。為此，本文嘗試對已有研究從以下幾個方面進行改進。

第一，從金融體系視角，提出金融市場對銀行業系統性風險溢出效應的解析框架，并以此構建改進的系統性風險指標。金融體系是包含金融機構和金融市場在內的一個完整體系。在這個統一框架下，金融市場與金融機構之間是相互關聯和相互影響的。探討金融市場對金融機構尤其是銀行業的系統性風險，有利于擴大研究視野，更全面地理解銀行業系統性風險的內生性及其生成機理，并借此對傳統系統性風險指標進行合理的改進。

第二，根據溢出效應解析式對金融市場溢出效應進行因素分解，并通過經驗數據予以量化。具體來說，金融市場的溢出效應可分解為金融市場自身的風險大小、銀行在各金融市場的風險承擔渠道、金融市場的信息溢出渠道以及單家銀行的關聯性渠道等四個環節。

第三，證實不同金融市場的溢出效應存在差異性，并通過溢出效應的渠道識別進行了解釋。金融市場溢出效應的差異性主要取決于金融市場自身的風險大小、銀行在各金融市場的風險承擔渠道以及金融市場的信息溢出渠道三個環節。

二、溢出效應模型構建

金融市場的狀態改變會影響單家銀行和銀行業整體風險，進而引起銀行業系統性風險的變化。這就是金融市場對銀行業系統性風險溢出效應。

（一）銀行業系統性風險度量模型的改進

根據Adrian和Brunnermeier(2016)提出的CoVaR模型，本文首先以銀行業系統損失率( S ystemt，為收益率的負值)為被解釋變量，以單家銀行損失率(Xi,t，為收益率的負值)為解釋變量，同時加入各類金融市場收益率(或損失率)、波動率(Mk,t)作為狀態變量，在q%分位數水平下構建分位數回歸模型。具體形式如下：

式(1)中，Mk,t為第 k類金融市場的基本狀態變量。k∈{1,2,3,4,5}，分別指代房地產市場、股票市場、貨幣市場、債券市場、外匯市場 5個金融市場。i指代第 i銀行。在式(1)基礎之上代入單家銀行i在q%分位數下的風險值()，即可計算銀行業整體的風險值：

式(2)中，符號“∧”表示估計之后的參數值。式(3)中的 Δ CoVaRi,t為單家銀行的系統性風險貢獻指標，之所以對單家銀行處于中間狀態時的銀行業風險值進行扣除，原因在于只考慮銀行 i出現壓力引致的銀行業脆弱性。對于單家銀行的風險值，本文是以單家銀行損失率為被解釋變量，以各類金融市場基本狀態作為解釋變量進行分位數回歸估計得到，具體見公式(4)。

當 5個金融市場整體由正常狀態轉為壓力狀態(或風險狀態)時，單家銀行受金融市場風險狀態變化的影響也由正常狀態轉化為壓力狀態時，金融市場風險狀態改變對銀行業系統性風險的貢獻度可表示為：

式(5)展示了在納入金融市場風險因素后，金融市場整體風險變動對銀行業系統性風險的貢獻度，這是本文構建的核心指標。顯然，與傳統的對比可以發現，本文構建的這一核心指標不僅反映了金融市場風險變動因素，而且也包含了金融市場對單家銀行風險的影響成份，考慮了更加內生化的系統性風險。在式(5)中，表示當任意一個金融市場均處于正常狀態且單家銀行i在金融市場影響下也處于正常狀態時的銀行業風險值則表示當5個金融市場均處于壓力狀態且單家銀行i處于壓力狀態時的銀行業風險值，具體計算公式如式(6)、式(7)：

式(6)和式(7)中，?VaRMk,t表示 5個金融市場全處于壓力狀態，其中 k市場的壓力狀態(風險狀態)值為 V aRMk,t。

借鑒 Adrian和 Brunnermeier(2016)，將金融市場對銀行業系統性風險的貢獻度以單家銀行的資產市值(A)占比為權重進行加權平均，進一步得到考慮了i,t銀行相對規模效應的銀行業系統性風險。見公式(8)：

式(8)即為本文改進的銀行業系統性風險度量指標。與之相對應的則是未考慮金融市場風險變動因素的傳統銀行業系統性風險指標ΔC oVaRt。顯然，改進的銀行業系統性風險指標剔除了式(5)中銀行業系統性風險在空間維度上的差異性，僅僅從時間維度上刻畫銀行業系統性風險的動態變化，是本文后續實證關注的核心指標。

（二）單個金融市場溢出效應的度量模型

在某個金融市場和單家銀行均處于風險狀態下，銀行業風險值可表示為：

進一步地，本文將式(11)中金融市場溢出效應在空間維度上的差異性剔除掉，從而得到僅反映時間維度上動態變化的金融市場溢出效應，即：

式(12)即為金融市場溢出效應的解析表達式。該式表明，金融市場溢出效應取決于四個基本要素：(1)金融市場自身的風險大小。表示單個金融市場風險由正常狀態轉為壓力狀態的變化程度，由此揭示了該金融市場風險對銀行業造成的沖擊大小。(2)金融市場與單家銀行之間的關聯性。表示當單個金融市場的風險狀態發生改變時單家銀行風險狀態的改變程度，反映了單家銀行風險狀態對金融市場風險狀態改變的敏感性。本文利用該變量度量金融市場與單家銀行之間的關聯性。(3)單個金融市場與銀行業系統性風險之間的關聯性。則刻畫了給定其他條件下銀行業風險值對金融市場基本狀態改變的敏感度，揭示了單個金融市場與銀行業風險值之間的直接關聯性。(4)單家銀行與銀行業風險值之間的關聯性。代表銀行業風險值對單家銀行基本狀態改變的敏感度，揭示了單家銀行與銀行業風險之間的關聯性。

基于此，本文認為，金融市場溢出效應的生成機制主要是通過以下環節實現(見圖1)。(1)風險源：金融市場本身的風險大小。不同金融市場具有不同的風險特征，對于波動性較大的金融市場，極端情形與正常狀態偏差極大，這種市場一旦處于壓力情形，會發生巨大的損失，進而可能會對銀行業風險造成極大的沖擊。(2)傳導渠道 1：金融市場的風險承擔渠道。不同金融市場與銀行業之間的關聯路徑和方式存在差異，從而形成不同的關聯度和影響力。對于與銀行業關聯度高的金融市場，該市場的風險會迅速傳遞到單家銀行，引起單家銀行風險承擔行為的改變，最終傳遞到整個銀行業。(3)傳導渠道 2：金融市場的信息溢出渠道。金融市場會借助市場自身的信息傳遞功能對銀行業系統性風險產生直接影響。(4)傳導渠道 3：單家銀行的關聯性渠道。在銀行體系內部，銀行之間存在復雜的直接和間接關聯性(方意，2016)。當單家銀行的風險發生改變，相互間的關聯性會通過傳染和放大機制加劇銀行業的系統性風險。

圖1 金融體系框架下金融市場對銀行業系統性風險溢出效應的生成機理

三、變量選取與描述性統計

（一）變量選取及說明

本文主要考察房地產市場、股票市場、貨幣市場、債券市場、外匯市場5個金融市場。

對于股票市場，本文以滬深 300股票指數的波動率來衡量股票市場運行狀態。根據 Danielsson等(2018)的研究可知，股票市場是通過波動率而不是收益率驅動銀行業的風險承擔。因此，利用股票市場波動率比通常采用的收益率更能反映該市場對銀行業風險的影響。該研究發現，股票市場處于高波動率時往往與銀行業風險的爆發同步。因此，股票市場波動率越大，越可能對銀行業產生溢出效應。與此同時，股票市場波動率與股票市場周期緊密相關。當股票市場處于下行周期時，股票市場波動率越大，股票市場越處于壓力狀態。在計算波動率時，以20個交易日(約一個月)的窗口期作為基礎。

對于房地產市場，本文采用中國證監會(CSRC)房地產行業總股本加權平均收盤價的收益率負值(即損失率)來反映房地產市場運行狀態。本文選取房地產行業股票指數來反映房地產行業運行狀況主要基于以下原因：(1)滿足指標測算的數據高頻性要求。本文要計算的系統性風險指標是周頻數據，而且其他金融市場狀態變量都是選取日頻數據進行計算。盡管房地產市場有房價、房地產貸款、房地產銷售收入等房地產市場基本面數據，但是這些數據最高只有月頻，難以匹配其他狀態變量。(2)房地產行業股票指數基本可以反映房地產行業運行狀況。范小云等(2013)已經論證了中國股票市場的有效性，并以中國銀行業股票數據測度中國銀行業風險。此外，房地產行業指數損失率越高，房地產市場壓力越大。

對于貨幣市場，本文采用上海銀行間同業隔夜拆借利率(Shibor)表示貨幣市場運行狀態。上海銀行間同業隔夜拆借利率是中國應用范圍最廣的貨幣市場基準利率之一，能夠比較有效地反映貨幣市場的流動性松緊。當 Shibor升高時，說明銀行間市場資金相對短缺，貨幣市場面臨較大的流動性壓力。

對于債券市場，本文采用中債綜合指數收益率負值(即損失率)來表示債券市場運行狀態。中債綜合指數能夠全面地反映中國債券市場的價格變動趨勢，當中債綜合指數損失率較高時，意味著債券市場價格較低，該市場處于壓力狀態。

對于外匯市場，本文采用直接標價法下人民幣兌美元中間價的收益率負值(即損失率)表示外匯市場運行狀態。美元是主導性的國際結算和計價貨幣，美元儲備在全球和中國外匯儲備占比始終在 60%以上。因此，人民幣兌美元的匯率水平代表著中國外匯市場人民幣匯率的基本走勢。長期以來，中國國際收支基本處于順差地位，國內大多數銀行持有的外匯資產通常大于外匯負債。因此，當人民幣兌美元匯率損失率上升時，意味著人民幣呈升值態勢，銀行資產負債表遭受較大匯率損失，此時外匯市場處于壓力狀態。

此外，本文以各金融市場指標的右側尾部分位數指代金融市場的壓力狀態。對于單家銀行損失率變量，本文采用單家銀行股票收盤價的收益率負值表示；對于銀行業系統損失率變量，本文采用樣本銀行總市值加總的收益率負值表示。

（二）描述性統計

基于數據可得性，本文以中國上市商業銀行為研究樣本。同時，由于中國銀行、中國工商銀行等大型商業銀行主要是在 2007年 9月底之前完成上市，本文最終選取的樣本時間跨度為2007年10月12日(周五)—2018年3月30日(周五)，樣本為剔除數據缺失嚴重的中國農業銀行和光大銀行后的 14家上市商業銀行，數據全部來源于Wind數據庫。表1為三類基本變量的描述性統計。

關于樣本頻率的選取，本文的單家銀行收益率負值和銀行業收益率負值數據均采用周頻。對于金融市場數據，本文首先采用金融市場的日頻數據進行分位數回歸(滾動窗口選擇 120個交易日，約半年)，然后采用日期匹配法將每一周的周五數據提出來，從而將日頻數據轉化為周頻數據。此外，本文所涉及的正常狀態是 50%的分位數水平，壓力狀態使用95%的分位數水平。

表1 三類基礎變量的描述性統計

四、銀行業系統性風險改進指標的度量結果

基于構建的溢出效應模型，本文首先測度在金融市場、單家銀行特定風險狀態下的銀行業風險。然后，測算出金融市場風險狀態改變對銀行業系統性風險的貢獻度。該貢獻度指標是從系統性風險空間維度出發看待單家銀行對銀行業系統性風險的貢獻。最后，得到改進的銀行業系統性風險指標。該指標則是從系統性風險時間維度出發考察銀行體系系統性風險隨時間的演進趨勢。

（一）改進指標的基本特點

表2為改進指標及相關指標的描述性統計結果。由表2可以看出，在中國5個金融市場風險均處于壓力狀態下，單家銀行風險和銀行業系統性風險的平均值為正值，且在金融市場風險狀態改變下單家銀行對銀行業系統性風險的貢獻度總體呈現正向(均值為 8.460)。由此可初步論證，當金融市場風險增加，銀行業系統性風險也會隨之增加。

表2 改進指標及溢出效應指標的描述性統計

（二）改進指標的合理性分析

圖 2展示了金融市場壓力狀態下的單家銀行風險和金融市場狀態改變下單家銀行對銀行業系統性風險的貢獻度。由圖 2可以看出，這兩個指標在時間維度上基本一致。這表明，隨著時間的推移，伴隨著金融市場壓力狀態下單家銀行風險的上升，金融市場狀態改變對銀行業系統性風險的平均貢獻度也呈遞增趨勢。

圖2 金融市場壓力下單家銀行風險及其對系統性風險的貢獻度

此外，Benoit等(2017)已證實，對于給定金融機構 i，采用分位數回歸方法估計ΔCoVaR時，銀行業系統性風險對單家銀行風險的敏感度()在時間維度上為常數。也即，ΔCoVaR與VaR只在空間維度上存在較大差異，而在時間維度上ΔCoVaR與VaR的走勢基本一致。本文估計的在時間維度上的一致性也恰恰印證了這一點，也間接證實了本文指標度量的準確性和合理性。

圖3進一步對比了傳統的與改進的銀行業系統性風險指標。從實證結果看，相對而言，改進的銀行業系統性風險指標具有更明顯的趨勢性特點。在歷史的系統性風險事件時點(如：2008年第3季度國際金融危機、2013年第2季度中國銀行間市場“錢荒”、2015年第2季度中國股市異常波動等)，改進的銀行業系統性風險指標均有明顯的上升反應。相較而言，銀行業系統性風險的傳統指標變化則相對平穩，波峰不夠顯著，尤其是并未識別出2013年“錢荒”帶來的系統性風險變化，風險識別能力較為有限。

圖3 改進和傳統的銀行業系統性風險度量指標對比

（三）中國銀行業系統性風險的動態特征

基于改進的銀行業系統性風險指標，本文進一步考察了中國銀行業系統性風險的動態特征。由圖3可以看出，自2007年第3季度以來，中國銀行業系統性風險的變化大致可分為三個階段。

(1)第一階段(2007年第 3季度—2010年第 3季度)：中國銀行業系統性風險處于高位。此階段，中國銀行業系統性風險呈現出的特點與當時的國際金融危機緊密相關。2007年8月美國的次貸危機爆發，在2008年第3季度雷曼兄弟破產后，美國次貸危機演變成國際金融危機。在國際金融危機的沖擊下，中國國內金融市場不可避免地受到沖擊而發生動蕩，對銀行業系統性風險產生正向的溢出效應(也即增加了系統性風險)。

(2)第二階段(2010年第 4季度—2014年第 4季度)：中國銀行業系統性風險呈現明顯的下降趨勢。整體而言，該階段國際金融市場相對穩定，中國經濟進入經濟轉型期，房地產等資產價格泡沫被部分擠掉，國內金融市場價格相對穩定，這在很大程度上降低了國內銀行業的系統性風險，并在2014年第4季度達到樣本期的最低點。

(3)第三階段(2015年第1季度—樣本期末)：中國銀行業系統性風險在經過劇烈波動后開始緩慢增加。在此階段，中國經歷了 2015年 6月的“股市異常波動”和2015年8月的“8.11匯改”，國內金融市場發生劇烈震動，對應的銀行業系統性風險也出現大幅上升，隨后在低位開始逐步上升。

縱觀中國銀行業系統性風險的動態變化，本文進一步發現，三次大的危機事件給中國銀行業系統性風險帶來的影響不盡相同。其中，2008年全球金融危機給中國銀行業系統性風險帶來的影響明顯弱于2015年中國股市異常波動帶來的破壞力。這說明，雖然 2008年國際金融危機影響深遠，但這次金融危機主要沖擊的是以美國為首的發達國家，對中國的影響更多地體現在外部國際環境的惡化，而2015年中國股市異常波動則反映為中國國內市場環境的劇烈震蕩，對中國銀行業系統性風險的沖擊更為直接。此外，2013年“錢荒”對中國銀行業系統性風險的影響弱于 2015年的中國股市異常波動。這根本上源于2013年“錢荒”事件主要發生在銀行間市場，沖擊的是銀行等金融機構的融資成本，而 2015年股市異常波動沖擊的是股票市場上所有投資者和企業的資產凈值，涉及面更廣，對銀行業影響更大。

五、單個金融市場溢出效應量化及渠道識別

本文首先測度了金融市場分別在正常和壓力兩種狀態下的銀行業風險。然后進一步得到當金融市場風險由正常狀態轉化為壓力狀態時單個金融市場對銀行業系統性風險的溢出效應。在剔除空間維度上個體差異性之后，本文得到單個金融市場溢出效應在時間維度上的動態變化。

（一）金融市場溢出效應的市場差異性

由表2的統計性描述來看，5個金融市場對中國銀行業系統性風險總體上均產生正向溢出效應(均值均為正)。但是，不同金融市場的溢出效應存在較大的差異性。其中，房地產市場的溢出效應最顯著(均值為6.639)，其次是股票市場(均值為4.397)，而貨幣市場、債券市場和外匯市場的正向溢出效應水平基本一致，相對較小。這在一定程度上表明，在中國銀行業系統性風險的生成過程中，房地產市場和股票市場兩大金融市場發揮了較大的作用。由圖 4可以進一步看出，房地產市場和股票市場的溢出效應在中國銀行業系統性風險中發揮主導性作用，而貨幣市場、債券市場和外匯市場的重要性則相對較弱。

（二）金融市場溢出效應的渠道識別

根據金融市場溢出效應公式可知，金融市場溢出效應存在差異性的關鍵之處在于金融市場自身的風險大小、銀行對金融市場的風險承擔渠道與金融市場的信息溢出渠道三個環節。

1.金融市場自身的風險大小

金融市場自身的風險是金融市場溢出效應生成機制的風險源。由圖5可以看出，5個金融市場自身的風險沖擊存在較大差別。其中，房地產市場風險波動最大，其次是股票市場和貨幣市場，而債券市場和外匯市場風險波動極小。事實上，各個金融市場風險沖擊的這一特點與中國金融市場的基本現狀是相符的。

圖4 不同金融市場溢出效應與銀行業系統性風險的關系

(1)房地產業作為中國的支柱性產業，對外部經濟環境和調控政策極為敏感，造成房地產市場波動劇烈。截至 2017年底，中國房地產開發投資完成額累積達到109798億元，其對GDP累計同比貢獻率達到5%左右。若將與房地產業緊密相關的建筑業和金融業等產業考慮進去，房地產業對經濟增長的貢獻度大約在 20%左右。與此同時，房地產業受宏觀經濟運行和政策調控影響極大。2008年全球金融危機帶來外部經濟環境的惡化、2015年國內面臨經濟下行和“去庫存”政策的壓力，這些因素都引起了中國房地產價格的大幅下跌，2009年和 2015年房地產價格同比最大跌幅分別達到2%和6%。

(2)中國股票市場是在經濟轉型背景下建立和發展起來，受宏觀經濟運行和政策干預影響較大，從而帶來較大的市場波動。股票市場是中國經濟的晴雨表。宏觀經濟運行狀況會迅速反應到股票價格上，引起股票價格波動。與此同時，中國股票市場是在由計劃向市場的經濟轉型背景下建立起來，期間市場的制度設計和監管約束不盡完善，行政命令干預也時有發生，股票市場波動勢必會增大。類似于房地產市場，受全球金融危機和國內“去庫存”政策等的影響，股票市場分別在2008年和2015年也經歷了較大波動。但是，由于中國仍以間接融資為主導，股票市場在金融體系占比有限，加之股票市場存在漲跌停板等避免市場過度波動的機制安排，因而股票市場風險波動程度遠遠低于房地產市場。

(3)受中國金融自由化程度等因素的約束，貨幣市場、債券市場和外匯市場等其他市場波動并不大。對于貨幣市場，其是短期資金價格決定的重要市場。雖然中國利率市場化進程不斷推進，但利率傳導和調控機制仍不夠順暢，貨幣市場利率波動有限。由圖5可以看出，除2011年持續的緊縮貨幣政策、2013年銀行間市場爆發的“錢荒”使得中國貨幣市場利率出現了劇烈的波動外，貨幣市場利率走勢整體上相對平穩。對于債券市場，該市場是經濟主體融資的重要場所，但目前該市場債券品種過于集中，以安全性高的國債和金融債券為主，這些債券較高的信用等級和流動性使得該市場運行整體較為平穩。對于外匯市場，其是外幣資產交易的場所，由于中國人民幣匯率形成機制尚未完全市場化，加之資本與金融賬戶尚未完全放開，人民幣匯率走勢相對穩定。

圖5 不同金融市場的風險沖擊對比

2.金融市場的風險承擔渠道

金融市場的風險承擔渠道本質上反映了金融市場與單家銀行之間的關聯性。由圖6可以看出，房地產市場與單家銀行的關聯性最強，其次是股票市場，而貨幣市場、債券市場和外匯市場的影響基本一致，明顯弱于房地產市場和股票市場。由此說明，房地產市場、股票市場的風險承擔渠道發揮的作用更大。

圖6 金融市場的風險承擔渠道

(1)銀行在房地產市場的風險承擔。房地產業與銀行之間存在緊密的關聯性，這一渠道主要通過以下兩類關聯性實現。

首先，房地產業是銀行最重要的信貸業務領域之一，這種直接的敞口關聯性使得房地產市場的運行會對銀行風險承擔產生直接的沖擊。根據 Wind數據庫統計，2010—2015年間，中國金融機構人民幣貸款余額中，用于房地產行業的貸款占比平均為 6.8%，僅次于個人貸款、制造業、交通運輸業和批發零售業，而且個人貸款中有60%以上屬于個人購房貸款，加之其他行業也在產業鏈條上與房地產行業存在關聯性(方意，2015)，因此金融機構用于房地產行業的實際直接貸款比例估計在 20%以上。此外，銀行為繞過金融監管開展的表外理財等影子業務也在很大程度上流向房地產市場，形成對房地產的間接信貸支持。當房地產市場出現風險壓力，與房地產直接關聯的銀行信貸必然遭受損失。

其次，以房地產作為抵押品開展信貸業務是目前最常見的信貸擔保模式，這種間接的掛鉤關聯性使得房地產業對銀行風險承擔產生放大傳染效應。目前，銀行在信貸審核階段，通常要求提供房地產等資產作為抵押品，且授信額度在很大程度上取決于抵押品的市場價值。在經濟上行周期，房地產價格呈順周期上升態勢，房地產抵押品價值的上升使得與之掛鉤的銀行信貸規模不斷擴大，這會進一步推升房地產價格，由此形成房地產價格與銀行房地產信貸規模的螺旋上升機制。在這一過程中，銀行在房地產市場承擔了過多的風險。一旦當房地產業受到外部沖擊出現價格下跌時，房地產價格與銀行房地產信貸規模之間迅速進入螺旋下降模式，銀行在資產拋售過程中遭受的損失也在不斷惡化，銀行風險加劇。

(2)銀行在股票市場的風險承擔。類似于房地產市場，股票市場與銀行之間的關聯性主要表現在以下兩個方面。

一方面，銀行開展的影子業務使其與股票市場存在一定的業務關聯性。在當前的監管政策下，中國銀行類金融機構不能直接投資于股票市場，但銀行資金可通過將表內業務轉移到表外或借助通道途徑間接進入股票市場，形成股票市場的風險敞口。當股票市場出現波動，這些表外業務也會受到沖擊，使銀行遭受損失。

另一方面，股票市場對企業資產負債表的影響使其與銀行之間也存在一定的間接放大效應。股票作為企業資產的重要組成部分，其價值的變動會對企業資產負債表產生沖擊。在股票市場的上行期，股票價值上升會優化企業的資產負債表和提高企業的凈值表現，銀行的信貸規模和風險承擔隨之上升，二者也存在螺旋上升機制；而當股票市場波動率較高時，股票價值縮水會惡化企業的資產負債表，這會使得與企業存在信貸業務關系的銀行面臨較高的信貸違約風險，迫使銀行進行降杠桿操作，金融系統進入下行周期。

(3)銀行在其他金融市場的風險承擔。不同于房地產市場和股票市場，貨幣市場、債券市場和外匯市場三大金融市場與銀行的關聯性相對較弱。

對于貨幣市場，貨幣市場利率對銀行的影響更多是通過資金價格來實現。當貨幣市場利率下降，銀行負債端的資金成本和資產端的投資收益都會受到影響，最終的凈效應存在一定的不確定性。與此同時，中國利率市場化進程雖然在不斷推進，但存貸款利率的隱性約束(即央行的非正式指導)仍然存在，市場利率整體的波動相對平穩，銀行承擔的利率風險有限。

對于債券市場，銀行通過發行金融債券并持有債券資產參與到債券市場，形成了與債券市場的直接關聯性。據Wind上市銀行的財務報表附注數據統計，自2006年中期以來，中國銀行持有的債券類金融資產占銀行全部資產的比例整體偏低，且呈大幅下降趨勢，最高僅為 1.4%，目前保持在 0.7%的水平上。這表明銀行在債券市場的直接風險敞口較低，債券市場沖擊對銀行造成的風險相對較小。與此同時，銀行持有的債券類資產中，國債和金融債券等安全性金融債券占比高，平均占比在 60%以上，而這些債券具有相對較高的流動性。這意味著，當債券市場受到沖擊，銀行持有的這些高流動性債券資產易于變現且變現折扣低，這在很大程度上弱化了銀行在資產拋售行為下造成的螺旋加速機制。

對于外匯市場，銀行的跨境資產與負債業務在一定程度上反映了銀行與外匯市場的關聯度。根據國際貨幣基金組織IFS數據庫統計，在2006—2017年間，中國存款性銀行的跨境資產占銀行資產總額的平均比例僅為 2.6%，而跨境負債占其資產總額的比例則不到 1%。由此可見，中國的銀行部門在外匯市場上的風險敞口并不大。與此同時，中國資本與金融賬戶尚未完全放開，銀行跨境資金的流動在很大程度上受到約束，因而外匯市場發生波動對銀行外匯資產拋售行為的影響極為有限。

3.金融市場的信息溢出渠道

不同金融市場擁有不同的信息量和信息頻率，這些信息在一定程度上會改變銀行業整體的生態環境，從而改變銀行業系統性風險的大小。

由表3可以看出，金融市場信息溢出渠道對銀行業系統性風險均具有正向作用。其中，股票市場的信息溢出渠道發揮的作用最大，其次是債券市場和貨幣市場，而房地產市場與銀行業系統風險之間的其它關聯性相對較弱。

表3 金融市場信息溢出渠道的描述性統計

股票市場、債券市場和貨幣市場擁有較為發達的二級市場，市場交易活躍，市場價格也綜合反映了市場上宏觀經濟與微觀個體、短期與長期等各個層面上的信息，市場上任何新的信息釋放都會在一定程度上引起這些金融市場的價格波動。雖然這些市場的日價格波幅受到制度安排的一定約束，但波動極為頻繁和敏感。在房地產市場上，由于交易標的存在較大異質性，交易的活躍程度相對較低，市場價格更多地是反映經濟基本面和長期的因素，波動頻率低，所包含的信息量相對較少。因此，從信息溢出渠道視角看，相對于房地產市場，股票市場、債券市場和貨幣市場豐富的價格信息會對銀行業系統性風險產生更顯著的影響。

六、結論與政策啟示

對于銀行業的系統性風險測度，已有研究直接從銀行體系內部的關聯性出發，沒有站在整個金融體系視角進行分析，造成對銀行業系統性風險的形成機制理解不深。本文從股票市場、房地產市場、貨幣市場、債券市場、外匯市場等金融市場與銀行業之間的溢出效應視角，探討銀行業系統性風險的生成。具體而言，本文得出以下主要結論。

1.本文改進的銀行業系統性風險指標加入了金融市場風險變動因素，更全面地考察了銀行業系統性風險的生成機制。該指標相對于傳統的指標具有更明顯的趨勢性，而且對銀行業系統性風險具有更強的敏感性和風險識別效果。

2.基于改進的銀行業系統性風險指標，本文將中國銀行業系統性風險劃分為三個階段。第一階段在2007年第3季度—2010年第3季度，此階段中國銀行業系統性風險處于高位；第二個階段是2010年第4季度—2014年第4季度，此階段中國銀行業系統性風險呈顯著下降趨勢；第三個階段則是2015年第1季度至樣本期末，此時中國銀行業系統性風險經過劇烈波動后開始緩慢上升。

3.金融市場對銀行業系統性風險均具有正向的溢出效應，但不同金融市場的溢出效應存在明顯的市場差異性。其中，房地產市場和股票市場的溢出效應最大，在中國銀行業系統性風險中發揮主導性作用；而貨幣市場、債券市場和外匯市場的溢出效應相對較弱，且作用效果基本一致。

4.基于解析表達式，本文識別出金融市場溢出效應的傳導渠道，具體包括金融市場自身的風險大小、銀行對金融市場的風險承擔渠道以及金融市場的信息溢出渠道。(1)從金融市場自身的風險大小看，房地產市場風險波動最大。(2)從金融市場的風險承擔渠道看，房地產市場和股票市場風險狀態的改變對單家銀行風險影響最大。(3)從金融市場的信息溢出渠道看，相對于房地產市場，股票市場、債券市場和貨幣市場價格對市場信息反應更敏感，對銀行業系統風險的作用更顯著。

綜上所述，房地產市場和股票市場等金融市場對銀行業系統性風險具有較大的正向溢出效應，而且這兩大市場自身的風險波動以及銀行對該市場的風險承擔渠道起到關鍵性作用。因此，從金融市場入手管理中國銀行業系統性風險顯得尤為必要。為此，本文提出以下建議。

第一，監管部門在管理銀行業系統性風險時，不僅要關注銀行業系統本身，還應在更大金融體系框架下，密切關注和實時測度金融市場尤其是房地產市場和股票市場自身的風險變化，從風險源頭有效控制金融市場對銀行業系統性風險的溢出效應。

第二，監管部門應有效監測金融市場與銀行部門之間的各種關聯性。一方面，應嚴格監控銀行的表外理財、委托貸款與投資等表外資產業務，切斷銀行與房地產、股票市場的隱性關聯，防范銀行在金融市場上的過度風險承擔。另一方面，進一步完善逆周期監管政策和措施，削弱銀行業信貸活動與房地產市場和股票市場之間的螺旋加速機制，以有效防范系統性風險在上行金融周期的過度累積。