系統性金融風險度量：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重沖擊和破壞，以西方發達國家為代表的眾多經濟體陷入衰退困境，零利率甚至負利率政策得到廣泛實施，但多年來效果微弱，復蘇乏力，金融危機已然使世界經濟付出了巨大代價。

根據歷史經驗，金融危機所導致的通縮型大衰退一般程度較深，恢復時間較長。金融危機是系統性金融風險不斷積累直至爆發的結果，由于金融機構共同的風險敞口或存在業務關聯，系統性風險會造成大范圍的影響和擴散，威脅金融穩定。

此次國際金融危機由美國次貸危機引發。事前，美聯儲對次級債務風險做出了嚴重誤判，認為其是完全可以忽略不計的風險。但事實上，美國的主要金融機構都大量持有次級債務相關的MBS等有毒資產，金融體系為經濟的虛假繁榮承擔著巨大風險。

金融危機后，對系統性風險的防范受到了高度重視。有效宏觀審慎政策的實施，要求能夠對系統性風險進行準確的動態評估。IMF-FSB-BIS（2016）聯合報告指出，系統性金融風險包括時間和橫截面（結構性）兩個維度。其中：時間維度是指金融體系風險隨時間積累而產生的脆弱性，主要包括信貸總量和資產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部的相互關聯性及相關的風險分布所產生的脆弱性，主要包括金融機構（包括金融市場基礎設施）間的關聯性風險以及某一機構倒閉對整個金融體系的影響。

近年來，學者們對系統性風險的監測和度量方法進行了大量探索，國內也相繼涌現出一系列的綜述文獻。其中，比較有代表性的是根據不同的數據來源，對現存的各種度量方法進行分類和介紹。

系統性風險度量的目的是能夠及時發現風險，從而采取宏觀審慎政策處置風險，進而防范危機。而現有文獻中尚缺乏從這一根本目標出發，對系統性風險測度進行較為深入的解讀和準確的概括。也正是基于這一角度，我們才能對現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，本文根據學術文獻對系統性風險界定的不同，將測度方法主要分為三類，即測度（單個）系統重要性金融機構所承擔的整體風險，測度經濟部門的債務風險和部門間的風險傳導以及測度銀行間同業拆借關聯所導致的銀行體系脆弱性。

二、系統重要性金融機構所承擔的整體風險

次貸危機爆發后，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相關的衍生品而面臨嚴重的財務危機。為避免AIG破產對金融體系造成大范圍的沖擊，美聯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，由此引發了持有其大量票據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）。這些經驗和教訓表明，系統重要性金融機構對于維護金融穩定舉足輕重。目前的主要測度方法正是基于這一角度，對單個金融機構所承擔的系統性風險進行監測和評估。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性風險測度。該測度基于風險管理中最為常用的VaR，將其推廣到單個金融機構處于某一狀態時整個金融體系的條件在險價值（CoVaR），并以該金融機構處于危機或正常狀態下的CoVaR之差作為其所承擔的系統性風險度量（相對于個體風險承擔）。

除了上述對橫截面維度的風險度量，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的滯后項作為解釋變量，建立了CoVaR的預測模型。研究結果表明，前瞻性的系統性風險測度Forward-△CoVaR（即未來△CoVaR的預測值）和當前的△CoVaR具有很強的負相關性，從而揭示了系統性風險的順周期性。然而，CoVaR還只是度量尾部依賴性的一種統計方法，并不能刻畫因果關系，也不能揭示金融機構所承擔的系統性風險的具體機制，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重要性金融機構的CDS日度價差數據，利用分位數回歸研究一個機構的信用風險狀況對另一個機構信用風險的影響。該模型建立了“條件Co-Risk測度”：首先計算一個金融機構的條件CDS價差（即在另一個金融機構CDS價差處于95%分位數的條件下），然后計算條件CDS價差相對該機構非條件下的95%分位數價差的變化，并將其作為機構間信用風險關聯性的度量指標。

（二）SES與SRISK

Acharya et al.（2017）提 出 的 SES（Systemic Expected Shortfall）測度也產生了較大的影響。他們將整個金融系統資本不足時（將總資本充足率低于某一比例定義為系統性危機）某一單個銀行的預期資本短缺定義為該銀行的SES，并將其作為對系統性風險的貢獻。同時，將金融體系的權益資本視為單個機構資本的組合，用MES（Marginal Expected Shortfall）表示某一單個銀行對金融系統ES（Expected Shortfall）的邊際貢獻。他們的理論模型表明，單個金融機構的SES與該機構的杠桿率和MES存在較為密切的關系，故而可用后者對該機構的系統性風險貢獻（SES）進行分析和預測。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%天數內，將銀行股票的平均收益率作為其MES。實證結果表明，根據次貸危機前1年的數據估計的銀行杠桿率和MES，能夠預測該銀行在危機期間的SES實現值。

這為度量和預測金融機構對系統性風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的資本短缺，其數值大小雖然可以在一定程度上代表其對金融體系穩定可能帶來的影響，但該機構的資本損失也有可能是其他機構風險溢出的結果，即仍然是微觀意義上的風險。因此，SES測度不能揭示風險的來源及風險發生的先后順序等系統性風險機制。其次，理論模型對SES與杠桿率、MES存在密切關系的論證是基于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。第三，SES是一種事后測度，對于未發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”格式的意義和結構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，它已經成為語言表達的固定格式。沒有“到”的連接，整個結構就不完整、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生作用。例如：

Brownless&Engle（2017）對MES和SES做了進一步發展，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收益率低于-10%的情況下，某一金融機構的預期資本短缺定義為該機構在當前時刻的SRISK，并將其作為測度單個機構對系統性風險貢獻的一種動態指標（有別于SES靜態測度）。同時，將某一金融機構在未來一段時間內的股權預期收益率（在市場收益率低于-10%的條件下）定義為該機構當前的LRMES（Long-Run MES）。在一定的假設條件下，容易得到SRISK是公司規模、杠桿率和LRMES的函數。這一測度方法克服了SES事后觀測的不足，并且能夠動態評估。但根據定義，SRISK度量的是整個金融體系發生危機時（風險已全面擴散的情況下）某一機構的損失，而不是單個機構對整個系統造成的風險。系統重要性金融機構（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，故而SRISK測度反映的其實是公司規模的大小，而不能揭示金融風險機制。關于SRISK測度的探討也可參見Acharya et al.，（2012）。

（三）DIP

另一個受到廣泛關注的系統性風險測度是Huang et al.（2009）提出的 DIP（Distress Insurance Premium）。他們將銀行系統大規模信用違約視為系統性風險（文中設定的閾值為銀行部門債務組合的違約損失達到其總債務規模的15%及以上），計算系統性風險爆發時銀行部門所造成的預期損失的當前價值，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條件，利用CDS價差計算單個銀行的風險中性違約概率③因為要計算現值即無套利價格，故而要計算以無風險利率折現后的風險中性期望。，然后基于股票價格預測銀行資產未來收益的相關性，并將其作為對銀行違約相關性的估計。基于這兩個要素所計算的DIP是一種前瞻性的動態測度。Huang et al.，（2012）對DIP做了進一步發展，將單個銀行對DIP的邊際貢獻作為該銀行對系統性風險的貢獻，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。概念應用于系統性風險分析，度量單個金融機構對系統性風險的貢獻，即度量金融機構的系統重要性。Shapley值是一種一般性的分配原理，基于這一原理對系統性風險分配依賴于具體的風險測度。他們選擇ES（Expected Shortfall，預期損失）作為系統性風險測度，對選定的20家大型跨國金融機構，運用Shapley值方法分析違約概率、規模和對共同風險的敞口等因素對金融機構系統重要性的影響。

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

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

1.基于期權數據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）的股票期權價格等數據，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的隱含波動率，估計股票收益率的相關系數。最后，基于股票收益率分布和相關系數，運用正態Copula模型估計股票收益率的聯合分布，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性風險指標。首先，計算金融部門股票組合在未來3個月內遭受大幅損失（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，在某一金融機構遭受損失的條件下計算前兩種測度，即“條件系統性風險指標”。

三、經濟部門的債務風險及部門間風險傳導

與聚焦于系統重要性金融機構的風險測度方法不同的是，CCA（Contingent Claims Analysis）模型是基于經濟部門的結構模型，通過計算部門的風險債務暴露、違約概率、危機距離等風險指標，分析各部門的信用風險以及部門間基于資產負債表關聯的風險傳導，并將其作為對系統性風險的度量。

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

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

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

四、銀行間同業拆借關聯所導致的銀行體系脆弱性

大量文獻基于網絡模型研究銀行間同業拆借關聯所導致的銀行體系脆弱性。Allen&Gale（2000）是金融網絡模型的奠基性文獻。他們對銀行間信用關聯和風險傳染建模，論證了銀行系統信用關聯的完全結構（Complete Interconnection）比非完全結構在面臨外部流動性沖擊時更加穩定。Eisenberg&Noe（2001）在一定條件下證明了銀行間信用關聯網絡存在唯一的“清算支付向量”，并建立了一個基本算法（“Fictitious Sequential Default”Algorithm），分析銀行違約風險的傳染過程。Cifuentes et al.（2005）主要分析了資產拋售與資產減值相互作用所導致的銀行系統風險傳染。Degryse&Nguyen（2007）發現完全結構的銀行間網絡比“多貨幣中心”（Multiple-Money-Center）網絡結構更加穩健。Gai et al.（2011）的研究表明，銀行間網絡結構的復雜性和集中度增加會放大銀行系統的脆弱性。Cont et al.（2013）運用“傳染指數”（Contagion Index）度量金融機構的系統重要性，并對銀行網絡中的傳染風險進行分析。Glasserman&Young（2015）提出了一個不同于傳統金融網絡模型分析的新思路，即建立單個金融機構特性（資產規模、杠桿率和關聯性）與網絡中傳染放大效應之間的關系，這一關系并不依賴于網絡拓撲結構。

五、其他測度方法

（一）宏觀指標與宏觀指數

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

例如：Frankel&Rose（1996）、Sachs et al.（1996）對發生貨幣危機的主要經濟基本面因素進行了研究；Kaminsky et al.（1998）建立了貨幣危機預警系統；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 ”（Financial Stress Indexes）。此外，Brunnermeier et al.（2014）建立了“流動性錯配指數”（Liquidity Mismatch Index）。

（二）主成分分析與格蘭杰因果網絡

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關聯性和系統性風險的指標。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中分別選取最大的25家，并基于其股票月度收益率（或對沖基金的月度收益率）進行統計分析。

首先，將樣本機構股票收益率的“方差-協方差矩陣”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。將金融系統的總風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險的比值作為金融系統關聯性的（動態）指標。這是因為當金融系統關聯性增強時，選定的前幾個主成分對總波動的解釋比例增加。同時，金融系統關聯性增強也在一定程度上意味著系統性風險水平上升。另外，也可以計算單個機構對總風險的貢獻。

接下來，他們對機構的股票收益率序列互相進行格蘭杰因果檢驗，從而建立“格蘭杰因果網絡”，并基于該網絡提出了度量關聯性的5個指標：格蘭杰因果度（Degree of Granger Causality）、關聯數目（Number of Connections）、部門條件關聯（Sectorconditional Connections）、緊密度（Closeness）、特征向量中心性（Eigenvector Centrality）。

六、主要結論

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

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

總之，系統性風險是金融體系或多數系統重要性金融機構所面臨的共同風險因素，這些風險因素及其潛在影響是系統性風險分析和度量的核心。在當前我國防范化解重大風險的關鍵時期，對房地產泡沫、地方政府債務、影子銀行體系等主要的系統性風險因素及其潛在影響進行準確的動態評估，是系統性風險度量對于維護金融穩定的重要意義所在，其目標在于能夠及時采取宏觀審慎政策，增強金融體系的穩健性。從經濟部門看，房地產價格和住房抵押貸款風險向銀行體系傳導，繼而由銀行體系向實體經濟和政府部門傳導，是危機的重要傳導路徑。因此，房地產市場的平穩和銀行體系的穩健，是宏觀穩定的重要前提。此外，幾年前的“錢荒”事件充分暴露了銀行間同業拆借的復雜關聯可能導致的流動性危機，故而對銀行間同業拆借市場的流動性風險監測也是維護金融穩定必不可少的重要環節。