中國金融體系內極端風險溢出關系研究

吳永鋼 趙 航 卜 林

一、引 言

隨著經濟全球化和金融自由化的不斷加深、我國金融改革全面深化和金融開放的逐步實現，不同金融板塊間的資本流動水平與信息傳遞效率均得到了極大的提升，金融風險跨市場、跨機構的溢出效應成為影響金融穩定的重要因素。近年來，系統性風險和金融穩定等研究領域引起了學術界、業界和監管當局的廣泛關注，其中最具代表性的是2008年爆發的全球金融危機，風險在短時間內大面積蔓延，導致各國金融市場間風險溢出和聯動水平明顯提升，我國同期以上證綜合指數計算的股票市場累計跌幅逾24%①2008年10月6日，我國上證綜合指數前收盤價2293.78點，開盤價2267.38點，當日報收于2173.74點，跌幅5.23%，隨后迅速跌破2000點大關，股指迭創新低，最終在31日報收于1728.78點，10月份同期跌幅為24.63%，累計跌幅565.00點。。這場危機告訴我們：針對單個機構穩健性的微觀審慎監管不足以維持宏觀經濟的穩定運行，單個金融機構的風險轉移和擴散反而使得金融體系更加容易受到實體經濟的沖擊。因此，后危機時代全球金融改革的重要成果——巴塞爾Ⅲ，在強調“自下而上”微觀審慎監管的同時，引入“自上而下”的宏觀審慎監管框架，有效地保證了金融體系在外部風險沖擊下維持良好的穩定性，從而促進微觀與宏觀層面監管的有機融合。

在金融體系改革創新的進程中，我國A股市場先后納入MSCI指數和富時羅素國際指數，并且伴隨人民幣匯率形成機制透明化和利率市場化的不斷推進，我國外匯市場和貨幣市場也得以不斷完善，這都印證著我國資本市場與國際資本市場進一步接軌，并處于多元化和深化發展進程中。風險的傳染與聯動是系統性風險爆發最典型的特征，從國內來看，股票、貨幣、外匯和債券市場等一系列相互關聯的金融市場形成高低互現的市場風險，而銀行、證券、保險、多元金融等各金融機構也在不斷推出交互性金融產品與業務，強化了金融體系組成要素直接或間接的關聯性。不同金融機構與市場間的關聯性構成了風險傳遞渠道，而過度關聯往往會帶來“多米諾骨牌”效應，從而增大風險沖擊的破壞力和影響范圍，強化金融風險的交叉傳染和疊加共振。因此，準確地把握不同金融板塊之間的動態關聯性和風險溢出效應，對我國系統性風險的識別與度量、金融政策的制定與實施以及金融穩定體系的構建和完善具有重要意義。

本文其余部分結構如下：第二部分為相關研究文獻綜述；第三部分為研究方法與樣本說明；第四部分為實證結果及其分析；最后為結論及政策建議。

二、文獻綜述

在系統性風險的現代計量與管理中，準確識別其爆發源頭與傳導路徑是一個重要的前提。不同于收益率溢出和波動率溢出，極端風險溢出具有極強的破壞性，會引發金融體系震蕩并造成系統性風險爆發等后果(Atik，2010)。因此，在評估某一板塊的風險水平時，不僅要考慮到規模等因素，還要考慮不同金融板塊間的相互關聯性，即單個金融板塊陷入困境時，跨機構、跨市場的極端風險溢出效應。本次全球金融危機爆發之后，已涌現出大量在風險溢出與聯動方面具有價值的研究，這些研究中不乏開拓性的板塊間風險聯動研究方法與創新性的系統性風險測度技術，其中絕大多數學者與機構主要著眼于不同金融機構間、金融市場間的相互關聯性。

針對金融機構系統性風險的度量，目前研究方法主要分為以下兩類。一是基于金融機構間風險溢出和尾部依賴來度量系統性風險，典型的代表有條件在險價值法(CoVaR，Adrian和Brunnermeier，2016)、邊際期望損失法(MES，Acharya等，2016)和系統性風險指數法(SRISK，Brownlees和Engle，2017)，這些指標刻畫了單個金融機構對金融系統的風險貢獻水平。此外，國內學者主要借鑒國際前沿的系統性風險測度技術，并對國內系統性風險水平進行考察，代表性的研究有梁琪等(2013)、卜林和李政(2015)、陳建青等(2015)、李政等(2018b)、楊子暉等(2018)和李政等(2019a和2019d)。二是網絡分析法，基于股票價格和CDS價格等市場數據，研究金融機構相互關聯的緊密程度，并將金融機構間的關聯定義為復雜動態網絡。關聯網絡的構建思路包括基于二元Granger因果檢驗和廣義方差分解(Billio等，2012；Diebold和Yilmaz，2014)、有向無環圖(Yang和Zhou，2013)以及TENET方法(H?rdle等，2016)等，與第一種方法相比，網絡分析法融入了金融體系的動態演變過程等網絡特性，同時，網絡關聯的思想有助于識別金融體系的組成要素是否具備系統性重要地位。由于關聯性是現代金融風險分析與風險控制的關鍵要素，網絡分析框架近期也得到了學者的廣泛重視。其中，國內外代表性的研究包括梁琪等(2015)、李政等(2016)、Lundgren等(2018)、Nishimura和Sun(2018)和李政等(2019b和2019c)。值得提出的一點是，這些研究將視角局限于金融機構間的風險關聯性上，忽視了金融市場與金融機構可能形成的風險聯動效應。由于金融機構的系統性風險具有內生性(Danielsson等，2013)，因此，只有立足于更加廣闊的視角，將金融機構置于包含金融機構與金融市場的金融體系中，縱覽動態關聯的風險溢出效應，才能更準確、有效地識別系統性風險的內生問題，為有關監管部門的風險管理提供合理依據。

對于金融市場的風險溢出效應，已有文獻主要側重于考察金融市場之間相互的關聯性和傳染性。其中，鄧燊和楊朝軍(2007)借助Granger因果檢驗、脈沖響應與方差分解發現匯改后我國股票市場與外匯市場間存在長期穩定的協整關系，史永東等(2013)通過Copula理論研究了股票市場與債券市場的聯動效應及風險轉換特征，周愛民和韓菲(2017)基于GARCH-時變Copula-CoVaR模型討論了內地、香港的股票市場和外匯市場四個市場的兩兩風險溢出效應，劉超等(2017)運用溢出指數和復雜網絡的方法，從貨幣、資本、外匯、黃金、房地產、大宗商品交易市場等主要一級市場和二級子市場識別出風險溢出的不對稱性，并得出了貨幣市場尤其是回購市場為風險溢出中心的結論。然而，這些針對金融市場自身探討市場內部風險關聯性的研究是不夠充分的，還要將各金融機構納入其中，建立更加完整的金融體系。為了全面地理解市場風險的生成機理和傳導機制，研究金融機構與金融市場間動態化和網絡化的風險關聯也是必要的。

目前，已有少數學者開始關注部分金融機構與市場之間的風險聯動效應，或將不同金融部門與市場納入統一的金融體系中來考察風險溢出效應。方意等(2018)運用△CoVaR方法，構建了金融市場對銀行機構的極端風險溢出的解析框架，在對市場溢出效應進行因素分解的基礎上，得出了房地產市場、股票市場對銀行業系統具有較大正向溢出效應的結論；楊子暉等(2019)采用ES測度指標，對銀行、證券、保險、多元金融、房地產等五個部門和股票市場的極端風險溢出進行量化，并對有效性和可靠性進行了后驗分析。但是，以金融體系內相互關聯為視角考察不同金融機構與市場間極端風險溢出與動態關聯效應的研究尚寥若晨星，而在當今我國混業經營趨勢不斷加強、金融變革與創新層出不窮的宏觀背景下，探討金融機構與市場間極端風險溢出水平與傳導路徑顯得迫切而重要。

本文的研究貢獻主要體現在以下兩個方面：第一，將研究視角拓展至更大的金融背景下，在充分考慮到風險溢出的動態特征后，全面考察金融體系中四類金融機構和四個金融市場間的極端風險溢出關系。本文結合關聯網絡分析和歷史事件分析等方法細致闡述了金融體系內極端風險溢出的動態演變過程，并討論了單個板塊極端風險跨市場、跨機構的傳染和聯動效應。這有助于我們正確評價各個板塊在金融體系中的地位，為科學地防范化解系統性金融風險提供參考依據，對資本市場的健康運行也具有重要的現實意義。第二，基于White等(2015)構建的多變量、多分位數CAViaR模型(Multivariate and Multi-quantiles CAViaR Model，簡稱MVMQ-CAViaR模型)，探討了金融體系內八個板塊兩兩之間的風險溢出關系，該模型打破了一般分布的自由度限制，更好地響應分位數回歸中的結構性沖擊，有效克服了現有方法的局限性。

三、研究方法與樣本說明

（一）研究方法

在險價值(Value at Risk，簡稱VaR)用于衡量在一定持有期內和給定的置信水平下金融資產的最大可能損失，是目前測度金融體系極端風險的標準方法(Engle和Manganelli，2004)。但研究表明，VaR不能充分地刻畫整個金融體系的風險，并且金融資產收益率分布存在“尖峰厚尾”、自相關性等問題，這會導致錯誤地估計市場整體風險水平(Adams等，2014)。Hong等(2009)在VaR的基礎上提出了具有自相關特性的條件自回歸VaR模型(Conditional Autoregressive Value at Risk Model，CAViaR)，用以測度單個金融資產的動態風險水平。CAViaR模型的一般形式為：

其中，1-θ代表VaR的置信水平，βθ為待估參數的列向量，l(·)為滯后算子，Ωt-1為時點t所有可得信息的信息集。將式(1)簡化為一階模型：

其中，Yt為第t期市場或機構收益率觀測值，qt代表第(t-1)期收益率Yt-1在θ概率下的條件分位數，qt-1代表滯后一期的條件分位數，它在確保VaR指數平滑的同時，較好地測度了金融市場或機構收益率分布尾部的自相關性，β1度量了金融資產的波動聚集性(Volatility Clusters)，α1反映了前一期的收益率和信息沖擊對本期風險價值波動造成的影響。然而，一元CAViaR模型只能評估單個資產的動態風險特征，無法捕捉金融板塊之間的風險聯動特性。White等(2015)將傳統的CAViaR模型中分位數回歸思想擴展至更高維的向量自回歸結構化方程中，構建出多元多分位數CAViaR模型。該模型有效地量化了互聯板塊之間極端風險的溢出效應，其跨四類金融機構、四個金融市場兩兩之間的表達式為：

其中，i=1,2,…,7,j=i+1,…,8，由于前一期過高或過低的極端收益率觀測值均會增加本期的VaR，所以式(3)中收益率變化取絕對值以體現風險沖擊的對稱性。其簡化形式為：

在分位數回歸模型中，不需要對Yit-qit(θ,β)的分布做出假設(郝毅等，2017；李政等，2018a)，因此本文采用擬極大似然估計(Quasi-Maximum Likelihood，QML)的方法，通過求解最優化目標函數，估計MVMQ-CAViaR模型中的10×1維參數向量γ。最優化目標函數的形式如下：

在MVMQ-CAViaR模型中，系數矩陣A和B分別代表前一期市場或機構的收益率變動Yt-1和極端風險qt-1對本期市場或機構極端風險的溢出水平。其中，矩陣A和B的主對角線元素系數反映了金融板塊受自身滯后一期極端風險的影響，非對角線元素系數反映了不同金融板塊之間的極端風險關聯水平，如果aij或bij系數顯著不為0，說明兩個金融板塊之間存在極端風險溢出效應。通過對系數矩陣A和B的非對角線元素進行聯合顯著性檢驗，我們考察四類金融機構、四個金融市場之間是否存在顯著的極端風險溢出效應。

式(3)中的估計系數a(θ)、b(θ)、β(θ)服從漸進正態分布。在漸進正態分布假設下，Weiss(1991)構建了非線性動態模型中最小絕對離差(Least Absolute Deviation，LAD)估計算子的Wald統計量，Engle和Manganelli(2004)在此基礎上運用Wald檢驗討論了CAViaR模型包含多滯后階數的被解釋變量的合理性。鑒于上述思想，本文采用Wald統計量檢驗不同金融板塊間在MVMQ-CAViaR模型中是否存在顯著的極端風險溢出效應。Wald統計量在原假設H0：Rγ-r=0下的極限分布為：

如下定義參數：

其中，n為約束方程的個數，VC表示待估參數的方差-協方差矩陣，R為n×10維約束矩陣為模型梯度，fit(0)為密度函數在0時的值。當n＝4，r＝0時，Wald統計量可以用于檢驗兩個金融板塊間是否存在顯著的極端風險溢出效應；當n＝2，r＝0時，Wald統計量可以檢驗金融板塊間風險溢出的方向。W大于卡方分布顯著性水平的臨界值時，拒絕原假設H0；反之，則接受原假設。

根據顯著性檢驗結果，本文構建加權有向風險溢出網絡G(V,E)，其中代表節點集，E為連接邊集合。一個有向連接矩陣的表達形式為：

構建加權有向風險溢出網絡分為兩步：首先，根據Wald統計量檢驗結果，在每個滾動子樣本中判斷i對j是否存在顯著的溢出效應，如果存在極端風險溢出效應，記為1，否則記為0；其次，將子樣本中i對j存在極端風險溢出效應的有向邊進行加總，將溢出(接受)效應顯著的邊數與子樣本總數的比值作為構建加權有向網絡的指標，進而構建出金融體系內加權有向風險溢出網絡。關聯網絡中節點代表金融板塊，而有方向的連接表示某板塊與另一板塊間的極端風險溢出關系。本文在金融板塊間極端風險溢出的滾動樣本均值分析的基礎上，從度中心性、接近向量中心性以及特征向量中心性三個指標的入度與出度入手，量化加權有向風險溢出網絡中金融機構與市場的中心性指標，并以此甄別加權有向網絡中的重要節點。

（二）樣本說明

為探究我國金融體系風險聯動水平的動態變化過程并分析金融板塊間的極端風險溢出效應，本文選取銀行、證券、保險和多元金融四類經營業務具有代表性的金融機構，以及股票市場、貨幣市場、外匯市場和債券市場四個交易活躍的金融市場，具體說明如下。

第一，時間窗口選擇方面。本文選取2007年1月18日至2019年3月29日作為總樣本區間，共2964組日度觀測值，并將滾動樣本窗口設定為240天，采用滾動估計分析(Rolling Estimation)的方法，衡量2008年1月11日至2019年3月29日期間，我國金融機構與市場間的極端風險溢出效應。

第二，指數選取方面。對于四類金融機構，本文原始數據來自證監會行業分類標準編制的申銀萬國二級行業指數，該指數通過股票價格反映金融機構的經營情況，銀行、證券、保險和多元金融四個機構分別采用r_b、r_s、r_i、r_d表示。對于四個金融市場，股票市場采用滬深300指數，以股指日對數收益率衡量股票市場的運行狀態；貨幣市場選用銀行間7天同業拆借利率，其負向利率變動較好地擬合了資金真實價格走勢；外匯市場采用直接標價法下美元對人民幣匯率變動的負值來衡量；債券市場選擇中債綜合凈價指數，該指數囊括了市場中最具代表性且信用等級較高的主流債券品種，債券存量約占全市場的74%①資料來源：中國債券信息網(中央結算公司)。，分別定義rs、rc、re、rb為四個金融市場變量標識。變量選取及指標構建如表1所示，數據來源于Wind資訊。

表1 變量選取及指標構建

四、實證分析

（一）金融板塊間風險溢出的滾動樣本均值特征

首先，本文通過各個金融機構與市場之間極端風險溢出的滾動樣本平均結果，考察金融體系中不同組成元素間風險溢出的總體特征，結果如表2所示②為避免繁瑣，10%分位數下的結果在分析中僅列示表格與圖形，不作說明的部分說明其與 5%分位數下的結論類似或一致。。

整體來看，金融機構與金融市場的極端風險溢出表由8×8的矩陣構成，包含了4個金融機構與4個金融市場間的極端風險溢出信息。將表2從中間細分成四個4×4矩陣③忽略溢出均值和接受均值的行與列，左上角 4×4 分矩陣代表金融機構間的極端風險溢出；左下角 4×4 分矩陣代表金融機構對金融市場的極端風險溢出；右上角 4×4 分矩陣代表金融市場對金融機構的極端風險溢出；右下角4×4分矩陣代表金融市場間的極端風險溢出。并經過分析，本文得出以下發現。

表2 金融板塊間極端風險溢出表

第一，我國金融機構與金融市場之間存在極端風險溢出效應，且金融機構對市場的極端風險溢出水平遠高于后者對前者的溢出影響，即金融機構與市場間風險溢出存在非對稱相依性。通過計算四個分矩陣的均值水平可知，金融機構對金融市場的極端風險溢出水平最高(0.1889)，金融市場間的極端風險溢出水平次之(0.1834)，金融市場對機構的極端風險溢出水平(0.1328)和機構間的極端風險溢出水平(0.1053)較低，這表明在金融機構與市場的溢出關系中，金融機構處于風險溢出的主導地位，而金融市場多表現為風險接受的一方。

金融機構本身會因信用擴張或宏觀政策變動等因素積聚風險，這些風險源各自具備不同的風險特征，對于系統性重要或波動性較大的金融板塊，風險溢出的影響能力更強，一旦積累了過多的風險，就會以極端風險溢出的形式對其他金融板塊造成沖擊。在我國金融體系中機構與市場之間存在極端風險溢出效應的原因在于二者具有錯綜復雜的實際關聯性。一方面，金融機構與金融市場在多個維度相互關聯，從而直接或間接地在不同金融板塊建立風險敞口，開辟機構與市場間潛在的風險傳染渠道。極端風險在關聯水平高的金融板塊間迅速傳遞，率先引起單個機構風險承擔行為的改變，并最終傳遞至整個金融機構乃至金融體系(方意等，2018)；另一方面，不同的風險源之間還可以通過信息溢出渠道等無形機制對金融體系內其他板塊產生直接影響(梁琪等，2015)，隨著Fintech技術的不斷發展，金融市場上資金流通水平和價格波動頻度大幅增加，個別信息沖擊首先引發單一金融產品價格變動，進而通過金融機構與市場的信息溢出渠道迅速波及類似金融產品交易者的分析決策，在更大程度上影響交易者信心并實現風險聯動。

我國金融機構與金融市場間風險溢出的非對稱性與目前的融資結構十分相符，原因有以下三點：首先，從長期來看，以銀行體系為核心的金融機構充當了向實體經濟融資的主要媒介，這使得金融體系風險向銀行等金融機構高度集中。2019年中國人民銀行發布的第一季度貨幣政策執行報告顯示，金融機構向實體經濟貸款占比最高，占同期社會融資規模增量的76.9%，其中企業債券融資增長較快，股票融資增速有所回落。其次，雖然金融機構與市場均具有風險轉移和分散的特點，但是金融市場主要發揮資產定價、資金配置等作用，而金融機構承擔了創造貨幣乘數、改善信息不對稱等更具風險的使命，因此金融機構在金融體系內更易積聚風險。再者，金融機構是各金融市場的重要參與者，當金融體系遭受顯著的外部沖擊時，機構投資者會紛紛折價拋售市場上持有的風險資產而配置安全性較高的產品，這種供需失衡的現象會進一步導致市場產品價格大幅波動，形成金融體系內風險向金融市場傳染的效應，而資本異常流動和產品定價失衡往往是系統性風險的重要成因(Greenwood等，2015)。

第二，債券市場與貨幣市場既是重要的極端風險溢出者又是極端風險的接受者。由表2可知，債券市場對外極端風險溢出和接受均值均位列八個金融板塊的榜首，分別為0.1787和0.2360，而貨幣市場的風險溢出和接受均值分別為0.1689和0.1785，亦在風險源中位列第三位和第二位。

金融交易本質上是在某個時段內對貨幣資金使用權的讓渡，而債券市場與貨幣市場產品價格直接體現為貨幣資金的使用價格，也即利率。目前，我國SHIBOR利率的基準利率屬性日益增強，其不僅受宏觀經濟政策的調控，更能反映整個資本市場的價格基本面變動和資金的供求狀況。

債券市場與貨幣市場的風險傳導機制主要由利率引導的資產價格變動所決定，在金融體系中充當了“風險放大器”的角色。當經濟下行或危機爆發時，一方面，以公允價值計量的債券市場與貨幣市場產品價格受挫，這將使得持有貨幣市場頭寸的金融機構遭受在險價值的損失，尤其對于利率敏感性缺口為負、持續期缺口為正的商業銀行，資產違約與損失的雙重沖擊使其在金融體系中極端風險傳染力度更為顯著；另一方面，金融體系的順周期性使得市場上交易對手傾向于收緊風險偏好(壓縮交易敞口、收緊信貸標準、提高保證金比例等)，進而帶來金融市場資金流動性的阻滯，造成市場產品價格的進一步下跌，最終陷入負面的“流動性螺旋”(Liquidity Spirals)。循環反饋機制極大地加劇了債券與貨幣市場對金融體系的風險溢出效應，加之一部分金融產品(如質押式隔夜回購等)的交易機制本身就具有杠桿效應，進而形成“風險放大器”的市場機制，這對傳統的系統性風險識別與計量框架形成了一定的挑戰。

第三，銀行是重要的極端風險溢出者，股票市場是重要的極端風險接受者。銀行的極端風險溢出水平(0.1662)明顯高于其接受水平(0.1400)，并且銀行風險溢出均值僅次于債券市場和貨幣市場，位居第三位。對于股票市場，其風險接受均值(0.1841)位居第二位，明顯高于除債券、貨幣市場外的其他金融板塊。本文還發現，股票市場對其他金融板塊的極端風險溢出值每一項均小于其對應接受該板塊極端風險的數值，其中最為突出的是債券市場(0.2481)與外匯市場(0.1893)對股票市場的極端風險溢出水平。

隨著我國供給側結構性改革的不斷推進，房地產、互聯網金融、信息技術等行業風險進一步銳化，實體經濟中各行業盈利水平和償債能力直接關系到信用衍生主體資產負債表的質量，因此在以間接融資為主導的金融體系背景下，企業經營的不確定性使得金融機構的風險無法避免。尤其在宏觀經濟下行時，銀行機構出于審慎的原則，信用收縮更為明顯，進一步加劇了部分企業的財務惡化問題，而整個行業周轉率的下降和流動性緊缺最終會回溯打擊信用創造主體，實體經濟積聚的風險通過信貸違約的形式向銀行轉移，促使金融機構內部集聚的風險水平升高，而資金的再配置使得金融機構對市場的風險溢出也會增加。因此，本文認為銀行是連接實體經濟和金融市場的重要樞紐，實體經濟將行業風險向銀行傳遞，銀行進而對金融市場形成顯著的極端風險溢出效應。

股票市場是經濟活動的晴雨表，而股票價格是宏觀經濟運行狀況的平面鏡，映射出國民經濟總體運行的態勢。中國股票市場是在計劃經濟向市場經濟轉型背景下建立起來的，在發展過程中難免存在制度設計和監管約束等問題，其中諸多因素的疊加導致股票市場不可避免地被賦予了極端風險接受者的屬性——諸如行政命令干預、國際游資(International Speculative Fund)投機、投資者“羊群效應”等。

從股票市場國內的資本流動情況來看，我國自然人投資者達99.77%，而投資市值份額也占據了市場投資總額的半壁江山，由于個人投資者往往對市場發布的新信息較為敏感，對于給定的負面信息沖擊，投資者的風險厭惡情緒和信息不對稱效應會使得“羊群效應”帶來的危害進一步放大，加劇市場內部共同的風險暴露。尤其是在危機情況下，市場參與者普遍喪失信心且心理恐慌，單只股票價格的偶然下跌可能會引發投資者大幅拋售相關行業的股票，使得股票價格紛紛脫離基本面“跳水”，從而使得金融市場形成十分顯著的極端風險接受效應。從國際資本流動情況來看，國外投資者進入我國股票市場主要有兩種方式，一是經由QFII與RQFII向股票市場投資，二是通過滬港通、滬倫通購買股票。2019年6月17日，滬倫通于倫敦交易所正式啟動，市場資金的雙向開放意味著國內與國際股票市場跨境資本流動的風險聯動水平將進一步提升，當外匯市場出現重要的風險事件時，會造成國際游資短期的快速流動(熱錢涌入或資本外逃)，對市場價格走勢形成沖擊，進而產生外匯市場對股票市場單方向的極端風險溢出效應。

受我國政策調控、經濟形勢變動和板塊間風險敞口差異等因素影響，中國金融部門極端風險溢出具有持續、顯著的非線性趨勢(楊子暉等，2019)。因此，有必要對金融體系內風險溢出效應進行加權有向風險溢出關聯網絡分析。

表3中三個網絡中心性指標描述了各類金融機構與市場的重要性，指標數值越大意味著該機構或市場在關聯網絡中越具有節點影響力。首先，對于能直接體現節點網絡中心水平的度中心性DC，從出度指標看，債券市場、貨幣市場與銀行指標居于前三位，分別為0.1787、0.1689與0.1662；從入度指標看，債券市場的度中心性最高為0.2360，股票市場次之為0.1841，貨幣市場居于第三位為0.1785。其次，從接近中心性CC以及特征向量中心性EC考察，出度和入度指標中的接近中心性排名雖略有差異，但處于前三位的金融板塊均沒有發生變動。由此我們得出，網絡中心性指標分析的結果與滾動樣本均值分析中的結論相一致，這表明極端風險溢出與接受水平高的金融板塊在關聯網絡中往往處于中心樞紐地位，也即金融板塊的影響深度與影響廣度具有一致性。具體而言，債券市場、銀行、貨幣市場以及股票市場在金融機構與市場構成的關聯網絡中是具有“信息引爆能力”的重要節點(任曉龍和呂琳媛，2014)，其中銀行是重要的風險溢出節點，股票市場是重要的風險接受節點，而債券市場與貨幣市場既是重要的風險溢出節點，又是重要的風險接受節點。

表3 金融機構與市場關聯網絡的中心性指標

（二）金融板塊間極端風險溢出的時序特征

本文采用滾動分析方法從三個方面考察我國金融體系內風險溢出效應的漸進演變，分別為金融體系總體溢出指數、機構與市場間溢出指數和板塊間溢出指數。

1.金融體系總體溢出指數

圖2反映了2008年—2019年第一季度我國金融體系極端風險溢出總體水平的動態變化特征。在樣本區間內，我國八大金融機構與市場總體溢出指數呈現波動聚集性的特點，圍繞均值0.1540進行周期性的上下波動。一方面，風險溢出指數維持在0.068至0.267之間，該數值反映了在MVMQ-CAViaR模型中，兩兩金融板塊在某一時點存在極端風險溢出效應的有向邊數量占關聯網絡中有向邊總數的6.8%至26.7%，這反映出不同金融板塊間具有一定的風險傳染和聯動能力，但總體風險溢出水平不高；另一方面，風險溢出指數波動時頻快、幅度大，風險溢出水平的峰值超出了期望水平的73.43%①在樣本區間內，極端風險溢出水平的最大值為 0.2670，發生于 2010年5月，而樣本風險溢出均值為0.1540。，且在不同階段呈現出多個明顯的極大值點，反映出金融體系不同組成元素的深度耦合以及對宏觀經濟形勢變動的敏感性，尤其是受危機等極端事件沖擊的影響顯著。本文依據波動的周期性將樣本期分為以下五個階段。

第一階段：2008年—2009上半年。

2007年末，我國經濟運行整體處于高位，并且面臨著嚴峻的通貨膨脹形勢，當年GDP增速達13%，CPI全年上漲4.8%。在實際關聯和信息機制雙重作用下，不同金融行業間的資金流動愈加頻繁，同時投資者盲目樂觀的情緒使得本無實際關聯的資產脫離價格基本面形成資產價格泡沫。2008年上半年，我國金融體系總體風險溢出指數加速攀升至0.2071，高于均值34.57%，9月份雷曼兄弟宣告破產迅速引爆國際金融危機，全球金融市場嚴重受挫，國內金融市場也受此沖擊而發生動蕩，但由于我國資產證券化等業務尚未成熟，加之我國背后1.5萬億美元作支撐的外匯儲備和國家隨后實施4萬億經濟刺激計劃，對危機后我國經濟的復蘇起到了重要作用。與2008年初相比，2009年我國金融體系總體溢出指數反而有動態下降的趨勢。

第二階段：2009年下半年—2012年初。

2009年，我國金融體系得到了一定恢復，股市出現了一輪上漲行情。與此同時，我國金融體系分業經營的整體格局在逐步發生變化，銀行、保險和信托等機構開始掀起以法人綜合模式和集團綜合模式等為代表的混業經營熱潮①法人綜合模式指同一法人同時操作銀行、保險、多元金融中兩種或兩種以上業務的模式；集團綜合模式以資本為紐帶，主要是商業銀行、保險公司以投資主體的形式跨行業注資或控股其他金融機構，其中代表模式有金融控股公司等。，銀銀、銀信、銀證、銀保等日益密切的合作使得各金融機構間業務聯系更加緊密，金融機構與市場間資金的互動往來也愈加頻繁，經濟走向繁榮的背后隱藏著金融體系內風險的不斷積累，金融機構與市場的風險關聯水平開始迅速推升。2009年12月歐洲主權債務危機導致部分發達國家需求驟減，進而限制了我國對歐貿易出口商品總量，外匯、期貨等金融市場因此受到極端風險的沖擊，這進一步強化了處于高位的風險關聯水平。2010年5月6日，美國股市閃電崩盤，這對我國金融體系的風險溢出指數造成了巨大的沖擊，板塊間極端風險溢出水平顯著的比例在短時間內急劇增長。2011年，中國證監會借鑒巴塞爾Ⅲ等國際監管改革成果，頒布了《關于中國銀行業實施新監管標準的指導意見》，進一步完善了銀行業審慎監管標準，商業銀行風險的防控與管理得到了有效改善。可以看出，2011年機構與市場間極端風險溢出水平呈現出波動性回落的態勢，也在一定程度上反映了國家宏觀政策對金融體系干預調控的有效性。

第三階段：2012年初—2014年第三季度。

2012年以來，我國宏觀經濟整體出現下行趨勢，為增加資金流動性，央行在傳統貨幣政策上進行反向操作，分別于2月和5月兩次調低存款準備金率，并在6月和7月連續兩次降息。同時，央行積極推進利率市場化改革，6月8日，首次雙向擴大存貸款利率浮動區間，流通于機構與市場間的資金迎來了擴張的新一輪“黃金時期”，但與之相生的是行業內部的風險聯動水平進入了又一輪的快速增長周期，接下來2013年5月的“錢荒”事件則將金融體系的極端風險溢出水平推升至階段內的峰值。在隨后的2014年，我國宏觀經濟整體仍處于下行軌道，然而經濟效益并未呈現持續惡化的趨勢；相反，隨著互聯網金融時代的到來，我國宏觀經濟結構發生了積極的變化，信息和資源配置效率低下的企業逐步被新興企業代替，過去風險溢出水平高的關聯業務被新興業務逐步取代，流轉于金融體系內部的風險得到有效釋放。

第四階段：2014年第四季度—2017年第一季度。

2014年底，受益于政策改革紅利，我國市場配資(如融資融券和民間配資等)規模開始快速增大，流轉于金融體系的杠桿率水平也居高不下，股票市場表面如日中天的繁榮景象無法掩蓋金融體系背后潛在的巨大威脅，越來越多的行業開始持有共同的風險敞口，跨行業交叉傳染風險的渠道迅速拓寬，資本市場過剩的流動性和結構的脆弱性暴露無遺。2015年6月，證監會開始清查場外配資，違規杠桿資金的快速撤離導致股票市場價格斷崖式下跌，資產泡沫破裂的同時出清了部分累積在金融體系的風險，板塊間金融風險溢出水平出現一定程度的下降。隨著資本市場的逐步開放，跨境資本流動日益頻繁，外匯市場交易量幾近可與商品和服務的交易量平分秋色，人民幣匯率彈性增強的要求已為大勢所趨。同年8月，“8·11匯改”中央行主動放松對中間價的管理，使得人民幣接連兩日大幅貶值，匯率的跳躍性波動將風險溢出指數再次拉升至階段性的高位。階段性的風波過后，行業監管層先后采取兩融調整、IPO發行暫緩、救市資金入市、自營不減持等救市措施，從而使得極端風險溢出水平明顯下降。2016年6月英國宣布脫歐，外匯和大宗商品貿易市場面臨極端風險沖擊，金融機構與市場間的風險溢出水平再度出現明顯的上升。2017年第一季度，央行在不到三個月內縮表1.1萬億元，金融機構和非金融企業的債務融資增速全面下滑，極端風險溢出水平明顯有所回落。

第五階段：2017年第二季度—2019年第一季度。

2017年第二季度開始，我國宏觀經濟整體呈現復蘇態勢，但金融體系仍處于內憂外患之中。一方面，國內金融機構與市場面臨著流動性回暖和去杠桿機制并行的矛盾狀態，另一方面，美聯儲加息步伐加快，這使得我國各金融板塊受到了不同程度的風險沖擊，板塊間風險關聯水平明顯上升。2018年7月20日，證監會出臺《資管新規》，銀保監會于同日發布了理財新規征求意見稿《商業銀行理財業務監督管理辦法》，這一系列“嚴監管”金融政策進一步規范了證券、期貨和銀行等行業的風險資產管理模式，多層嵌套、剛性兌付和期限錯配等問題得到有效控制，風險的時序溢出水平明顯回落，表明現階段我國中央政府強調化解重大金融風險的宏觀背景下，去杠桿、穩杠桿和結構性去杠桿等措施的逐步推進取得了明顯成效，很好地抑制了金融體系內整體風險水平。

通過上述分析可以發現：首先，縱覽近十年來我國經歷的若干危機，其中既包括國內經濟形勢和政策變動帶來的影響，也包括國際資本市場變遷與國際金融危機造成的沖擊，這些危機事件對金融體系總體溢出指數增長的貢獻往往短暫而激烈，表現在風險溢出水平上升過程中斜率更加陡峭，而風險釋放往往經歷一個動態下降的過程。這表明繁榮時期行業間交易的動態關聯和表外業務的相互滲透進程十分活躍，從而風險得以迅速積累，而蕭條期間由于現金流短缺、投資者信心不足等因素，滯存于金融板塊間的極端風險往往需要國家政策調控等方式逐步化解。其次，結合MVMQ-CAViaR模型矩陣系數反映的經濟含義，比較國內事件和國際事件帶來的極端風險溢出可知，“股災”(0.2032)、“8·11”匯改(0.1548)與國際金融危機(0.1402)、歐債危機(0.2144)、美股閃電崩盤(0.2670)等事件帶來的極端風險溢出效應沒有明顯的差異，這表明隨著經濟全球一體化進程的不斷發展，國際事件也可以通過信息溢出或共同風險敞口等渠道和國內金融體系形成聯動效應，與國內重要的極端風險事件帶來同等效力的影響甚至更強烈的沖擊。再次，極端風險的時序傳導具有一定的可累加性，這既表現在經濟復蘇或繁榮時期，新一輪危機在先前處于高位指數的基礎上疊加到更高水平，又可能是兩危機事件先后爆發的情況，風險溢出水平在多維沖擊下得到進一步推升，這將可能導致系統性風險爆發時破壞范圍更廣、影響程度更深。典型例證有混業經營熱潮下爆發的歐債危機(0.2144→0.2509)、信用擴張階段爆發的“錢荒”(0.1563→0.2086)、“股災”后接連發生的“8·11”匯改(0.1548→0.2115)。

2.金融機構與市場間溢出指數

在滾動樣本均值的實證分析中，我們得出了金融機構對市場的風險溢出水平高于金融市場對機構的溢出的結論。那么在滾動估計分析中是否能得出同樣的結論？在整個樣本區間內不同時期得出的結論是否一致？現在，我們將進一步研究國內金融機構與市場間的極端風險溢出效應。圖3和圖4反映了金融機構與市場相互風險溢出和內部風險溢出的時序特征。

觀察圖3可知，金融機構與市場間存在顯著的風險聯動特征。整體來看，金融機構對市場的風險溢出效應大多數情況下確實高于反向的溢出效應，這進一步印證了滾動樣本均值分析中的結論。即金融機構與市場間的風險溢出關系存在非對稱性。但在特定時期，金融市場對金融機構的風險溢出效應反而比金融機構對市場的溢出效應更加強烈，形成金融體系內風險溢出效應的結構性反轉。這可能由于金融市場在脆弱狀態下會快速積累大量風險，導致金融市場對機構的極端風險溢出指數瞬時上升，最終使得其風險溢出指數超過反方向風險溢出指數。其中，持續最久、代表性最強的事件是2013年6月爆發的“錢荒”。事實上，這是以商業銀行為主的金融機構與貨幣當局針對宏觀政策未來走向博弈失敗后的結果，銀行不斷借助同業業務擴大融資和債務規模，杠桿倍數飆升，而央行堅守穩健貨幣政策的行為警示“去杠桿”已為風向。6月 20日，美聯儲明確釋放退出QE信號，成為同業拆借市場流動性急劇收緊的導火索，銀行間質押式隔夜回購利率高達史無前例的30%，7天回購利率峰值逾28%，金融市場對機構的極端風險溢出指數達到0.2997的巔峰。隨后，2014年“11超日債”、2015年“股災”和2016年股票市場熔斷機制出臺等事件也使得極端風險溢出指數出現了類似的反轉。

從圖4中可以看出，在多數情況下，金融機構內部的風險溢出效應低于金融市場內部的風險溢出效應。回顧滾動樣本均值分析的結果可知，金融市場間風險溢出水平(0.1834)遠遠高于金融機構間的風險溢出水平(0.1053)，這可以從兩個方面來解釋。一方面，隨著資產支持證券(ABS)、信用違約互換(CDS)等結構化產品的不斷創新，低風險的基礎頭寸(貨幣、債券市場產品)與高風險的標的資產(外匯、股票市場產品)形成了多元化的投資組合，在流動性充裕的宏觀背景下，這類夏普比率(Sharp Ratio)具有比較優勢的產品會進一步激發投資者的投資熱情，而金融市場間各參與者盤根錯節的資金往來大大增加了極端風險傳染的概率，形成市場體系內部“一榮俱榮，一損俱損”的局面。另一方面，由于金融市場的流動性來源于金融機構與其他投資者所持有的底層資產，金融子市場在資金配置方面存在一定的競爭關系。在經濟形勢不景氣的背景下，大量資金流會從預期收益率低的行業流向市場中高回報行業，這將導致資金運轉業已困難的行業融資成本進一步增加，加強了金融市場間的極端風險溢出效應。更有甚者，金融市場對資本等稀缺資源的惡性競爭可能會帶來決策中的“零和博弈”，大大強化了極端風險在金融體系內傳染與聯動帶來的影響。

圖5和圖6分別展示了金融機構和金融市場接受極端風險溢出的時序特征。通過分析不同時段極端風險溢出效應的動態演化，我們發現，金融機構間的風險溢出對于市場向機構的風險溢出有一定的預測能力，也即金融機構內部風險溢出往往會與一段時間后金融市場對機構風險溢出形成同方向變動，但反之沒有類似的效果。本文將金融體系中的極端風險溢出歸納為“風險源頭→交易對手風險→流動性風險→系統性風險”四個動態演變過程。具體來講，風險起源于金融體系中的某個特定板塊，多表現為單個金融板塊中產品或服務源頭的風險，通過實際資金往來或信息溢出等渠道傳導至多個交易對手，隨后，同一板塊內交易對手風險逐步擴散至其他關聯的金融板塊，通過機構持有的共同風險敞口傳染或流動性配置等多重機制進而形成不同機構與市場間的流動性風險，在經歷金融體系內的流轉與擴散后，流動性風險最終釀成波及整個金融體系的系統性風險，最為嚴重時可致使國家層面引發風險，如墨西哥金融危機、1997年亞洲金融危機等。起源于金融機構內部的風險往往會向金融體系內不同交易對手擴散，這其中既包括金融機構也包括金融市場，而金融市場也會基于流動性溢價、信用風險溢價等定價機制反過來作用于金融機構的風險溢出效應，但相比于金融機構對自身的風險溢出效應而言，伴隨著風險傳導過程中的震蕩和衰減，金融市場對金融機構的風險溢出效應經歷了更為漫長的傳導路徑。因此，機構自身的風險溢出與市場對機構的風險溢出存在時長不等的滯后效應。

3.八大板塊間方向性溢出指數

接下來，本文在金融機構和市場間風險溢出時序特征的基礎上，將金融體系進一步細分為金融子機構與金融子市場，以方便進一步識別八個金融板塊自身極端風險溢出的時序特征以及不同板塊間風險聯動特性，圖7和圖8分別刻畫了各金融機構與市場在不同時段的極端風險溢出時序特征。

從單個金融機構或市場來看，各金融板塊的極端風險溢出與接受水平受極端情形沖擊較為明顯，同時其指數波動具有一定的不確定性。對于金融市場，債券市場與股票市場的風險接受水平較高，貨幣市場與債券市場在金融體系中具有較強的風險聯動能力。股票市場受極端情形影響的概率較大，在2010年、2013年和2014年均呈現出幅度較大的波動，相較而言，其風險溢出水平比較平穩，僅在“錢荒”時期產生明顯的風險溢出效應；貨幣市場的極端風險接受指數分別于2009年、2013年初和2015年末出現了三次非常顯著的峰值，這表明貨幣市場是在風險源大面積爆發情況下重要的風險接受場所；債券市場在樣本期前三年內的風險接受水平居高不下，風險溢出指數均值高達0.3944，這說明2008年至2010年期間，與債券市場互聯的板塊中有近40%的債券市場產生了顯著的風險溢出效應，反映出該階段債券市場對外風險吸收能力極強，幾乎與各個板塊均存在風險聯動關系，這與胡穎毅和周嘉偉(2018)的部分結論一致。在隨后階段，債券市場的風險接受水平明顯有所回落，以風險接受指數均值為0.1895的水平上下波動；外匯市場的極端風險溢出與接受水平均處于第四位，而其極端風險溢出指數的波動幅度較大，從2015年8月至2016年3月，即“8.11匯改”之后，外匯市場的風險溢出指數迅速上升并達到期間內的最高點0.5155。

對于金融機構，不難看出，單個金融機構風險溢出效應與自身風險接受效應的時序特征最為類似。銀行極端風險溢出指數整體上高于其風險接受指數，這與滾動樣本均值分析中的結論一致，而銀行的極端風險溢出和接受水平在近三年均呈現出波動幅度加大的趨勢，其中2018年3月的風險溢出水平高達0.5519；多元金融作為蓬勃發展的朝陽領域和金融創新的匯聚點，較好地滿足了實體經濟多層次、多元化、多類型的業態需求，其業務涉及軍工、石油、金控、創投、券商、信托等多行業和領域，目前其監管水平尚不及銀行、保險等機構成熟，在極端事件的沖擊下，可能會造成經濟政策效果的非預期波動；保險機構的風險溢出與接受水平同樣在近期呈現明顯上升趨勢，風險溢出指數均值從樣本前期的0.1425上升到近三年的0.2557，而接受指數均值則從前期的0.1045上升到近三年的0.1365，但在全樣本視角下其風險聯動能力相對較弱；證券的極端風險的溢出與接受水平不高且波動幅度平穩，但是2015年下半年“股災”爆發后，其風險溢出水平出現了顯著上升。

縱覽同一板塊不同時期風險溢出水平動向和不同機構與市場間的風險聯動效應，可以發現如下幾個重要結論。

首先，債券市場對股票市場具有顯著的單向風險溢出效應，這是由于投資者行為等因素使得股票與債券的市場價格同向變化(co-movement)。在宏觀基本面惡化的情況下，債券市場產品價格順勢下跌，配置債券的預期回報率增加，這會吸引更多風險偏好程度較低的資金流轉向債券市場，增加國債等安全資產的比例以規避風險，股票市場資本大量流出使得股價下跌，進而形成債券市場對股票市場的極端風險時序溢出效應，這一類風險溢出效應又稱為“flight-to-quality”(Goyenko和Ukhov，2009)。但在股票市場下行的情況下，投資者往往選擇跨多個市場套利以優化資源配置和分散組合風險，股票市場對債券市場風險溢出效應并不明顯。此外，外匯市場的游資間接影響了國內貨幣的充裕程度和流動性溢價水平，使得股票市場與債券市場的資產價格同方向變動，從而也形成了債券市場對股票市場的單向風險溢出效應。

其次，保險與銀行間具有一定的雙向風險溢出關系，這主要由于兩個機構間資產的直接關聯以及通過資本市場的間接關聯形成的風險聯動效應。保險公司和銀行機構交叉持股與互設分支機構等現象在國內愈發普遍，再加上機構不斷進行產品和業務創新(比如，資產證券化通過資產打包將自身風險轉嫁至對手交易方)，在很大程度上加強了金融機構間風險溢出與聯動效應。另外，基于宏觀經濟或金融市場的共同沖擊也是風險傳染機制形成的重要原因。銀行和保險的高杠桿特性以及行業的順周期性使得二者必然會同時受經濟波動或“流動性螺旋”等影響，進而形成風險聯動效應。事實上，保險和銀行間的風險傳染效應并非是線性的，而很有可能是網絡化的。

再者，貨幣市場在特定時點對極端風險的接受能力極為突出。2016年以前，我國配套監管措施約束尚不嚴格，這導致部分非合規或未經授權的金融機構以及其他投資者參與到貨幣市場中，市場拆入資金動向難以把控。面對較高的社會融資需求，本用于解決流動性臨時匱乏的資金被用作信貸放款或中長期投資，使得貨幣市場資金大量涌入資本市場；同時，出于收益性動機，部分自融資資金還流向資產價格波動水平較高的外匯、股票市場，這無形中增加了貨幣市場所需承擔的極端風險沖擊。另外，在資金被長時間占用而不能歸位時，資金的錯配還將帶來貨幣市場流動性邊際調節作用失靈等弊端。

五、結論及政策啟示

本文采用MVMQ-CAViaR模型，基于滾動樣本均值、金融體系總體溢出指數、機構與市場間溢出指數和板塊間溢出指數四個方面，對我國銀行、證券、保險和多元金融四類金融機構以及股票市場、貨幣市場、外匯市場和債券市場四個金融市場極端風險溢出效應進行了研究，通過構造Wald統計量，并結合關聯網絡分析和歷史事件分析等方法，對不同金融板塊間風險溢出與聯動效應做出進一步分析和檢驗，有效識別了風險傳導的動態演變過程，明確各金融板塊在極端風險溢出關聯網絡中扮演的角色，衡量其系統性重要地位。本文研究的主要結論如下。

第一，在整個樣本區間內，我國金融體系總體風險溢出水平不高，溢出指數圍繞均值的波動呈現出時頻快、幅度大等特點，且在金融危機或經濟過熱等極端情形下會出現較大幅度的提升，反映出金融體系中的組成元素的深度耦合以及對宏觀經濟形勢變化的敏感性。經進一步分析可以發現：首先，風險溢出指數的增長的趨勢往往快于溢出指數下降的趨勢；其次，國內風險事件與全球風險事件對金融體系風險溢出的貢獻沒有顯著差異；再次，極端風險溢出效應具有一定的可累加性。

第二，我國金融機構與市場間存在顯著的風險聯動特征。首先，金融體系極端風險溢出效應具有非對稱相依性，金融機構是重要的風險溢出者，而金融市場是重要的風險接受者。其次，極端風險事件會造成金融體系內風險溢出效應的結構性反轉。其中，2013年“錢荒”是最為典型的例證。再次，本文經歸納得出，金融體系內極端風險溢出主要經歷四個動態演變過程，即“風險源頭→交易對手風險→流動性風險→系統性風險”。最后，相較于金融機構對自身的風險溢出效應，金融市場對金融機構的風險溢出效應經歷了更為漫長的傳導路徑，這解釋了機構內風險溢出對于市場向機構的風險溢出具有一定的預測能力的原因。

第三，從單個板塊的風險溢出效應來看，債券市場、貨幣市場和股票市場以及銀行機構在極端風險溢出關聯網絡中具有系統重要性。其中，債券與貨幣市場通過負面的“流動性螺旋”機制構成金融體系的“風險放大器”，是極端風險重要的雙向傳導者。銀行作為連接實體經濟和金融市場的重要樞紐，是金融體系中重要的極端風險溢出者，而股票市場也受市場有效性、國際資本流動等影響成為重要的風險接受方。從板塊間風險聯動效應來看，債券市場對股票市場具有顯著的單向風險溢出效應，而保險與銀行間由于直接資本關聯和間接關聯等影響存在雙向風險溢出效應，貨幣市場具有最為突出的極端風險接受能力。

為有效防范系統性金融風險，本文提出以下幾點建議。首先，防范系統性金融風險不能僅著眼于金融機構或金融市場，而應該將視野放寬至整個金融體系。引導金融機構與金融市場納入“雙支柱”監管體系，實現有效的逆周期宏觀審慎監管，是防范化解我國系統性金融風險、維持金融穩定的關鍵。其次，盡量弱化由極端風險的滯后效應帶來的沖擊，抑制風險在各個金融部門間的傳染擴散。再次，政策制定者須準確定位金融體系中各板塊的系統重要性，充分考慮不同板塊間風險溢出水平的變化，實行差異化風險準備金制度，同時嚴格把控貨幣市場的資金用途，嚴防期限錯配引發的信用違約風險。最后，相關監管部門需要加強對雙向風險溢出水平均上升的銀行和保險機構的監管，同時重點關注債券市場與股票市場，形成逐項識別、分類監測以及協同監管的風控體系，同時加強金融機構與金融市場的協同配合，防止資金在金融體系空轉，促進風險在整個金融體系均衡分散。