我國金融機構的系統重要性評估:基于多元極值理論

李紅權，何敏園，黃瑩瑩

(1.湖南師范大學商學院，湖南 長沙 410081；2.湘南學院數學與金融學院，湖南 郴州 423000)

1 引言

金融全球化和金融自由化是當今國際金融體系的突出特征，具體而言宏觀層面全球金融市場之間一直保持較高的聯動水平，微觀層面而言金融機構之間的業務往來與關聯度也在加強并趨于復雜化，單個金融機構的破產可能會通過金融體系的關聯網絡影響到多個金融機構，進而引發一國乃至國際市場的金融動蕩。例如2007-2008年源于美國的次貸危機最終演變成全球金融危機，至今仍對世界各國的金融市場與實體經濟有著潛在的影響。在危機爆發和蔓延的過程中，一些大型金融機構的破產危機對金融市場造成了很大的震動，比如雷曼兄弟事件，美林證券被美國銀行收購等，這些“大而不能倒”(Too Big to Fail, TBTF)的金融機構在次貸危機中扮演著舉足輕重的角色，個體危機引發并加重了整個金融體系的風險，這種風險不是傳統意義上的個體風險，而是個體機構通過直接或間接渠道對整個金融體系造成的全局性風風險，并有可能對實體經濟形成威脅引發經濟震蕩甚至衰退，我們稱之為系統性金融風險(Systemic Risk)。

在后金融危機時代，如何對這些具有系統重要性的金融機構進行識別與監管就成為了國際學術界和監管部門關注的焦點，其中國際貨幣基金組織(IMF)、金融穩定理事會(FSB)和巴塞爾委員會(BIS/Basel)等國際金融機構在這方面做出了前期的工作。它們共同的目標是解決太大而不能倒或太關聯而不能倒(Too Interconnected to Fail, TITF)等問題，降低金融機構的道德風險與外部性，通過加強監管來實現風險控制，而不是被動地在危機爆發后實行政府緊急救助，從而降低金融市場有效運轉的成本并維護納稅人的利益。

一般而言“系統重要性金融機構”(簡稱SIFIs)是指業務規模較大、業務復雜程度較高、一旦發生風險事件將會對一國乃至整個地區或全球金融體系帶來沖擊的金融機構。根據二十國集團(G20)戛納峰會通過的協議，這些具有系統重要性的金融機構將被要求增加額外的資本金，并且金融穩定理事會(FSB)在每年11月負責對全球系統重要性金融機構名單進行審查和更新。2014年11月FSB公布了30家全球系統重要性銀行(G-SIBs)和9家全球系統重要性保險機構(G-SIIs)的名單，我國的中國銀行、中國工商銀行、中國農業銀行、中國平安保險被列入其中。

然而，系統重要性金融機構的評估結果嚴重依賴于所用的評估方法。國際金融監管機構推薦的方法是綜合評分方法，有客觀指標也有主觀賦權，為了易于操作，采用的方法是簡單直觀的，但精確性和科學性存疑。本文旨在從更加科學和客觀的角度發展評估方法，避免識別不足或識別過度的問題，對金融監管提供有效指引并維護金融市場的定與發展。

2 國內外研究現狀評述

國內外對于評估系統重要性金融機構的方法主要分為指標法和模型法兩大類。指標法由國際監管機構BIS/Basel提出，它具有計算簡單、快捷、易于實施等特點，是國際監管機構推薦使用的方法。但該方法的缺陷也很明顯，其選取指標和賦予權重的主觀性和經驗性都很強，指標設計的科學性有待提升。例如，BCBS[1]在原來的基礎上更新了G-SIBs的識別指標，更新后的一級指標包括規模、關聯性、可替代性、復雜性和跨境業務，其對于每個一級指標均賦予20%的權重，并在五大一級指標下細分了12個輔助指標，對于各級指標的賦權均為主觀設定。

中國銀監會2011年在《中國銀行業實施新監管標準的指導意見》中指出，中國系統重要性銀行的評估主要考慮規模、關聯性、可替代性和復雜性四項指標。巴曙松和高江健[2]結合中國銀行業的實際情況，對G-SIBs評估方法進行了修改，利用指標分析法對中國系統重要性機構進行識別，選取了規模、關聯性、可替代性、復雜性、國民信心五個指標，其中國民信心使用儲蓄存款來表示，反映銀行倒閉時國內公眾信心造成的影響。

模型法則是在資產負債表或市場數據的基礎上建立評估模型。代表性評估方法主要有以下幾類。Acharya等[3-4]將測度單個金融機構風險的方法—期望損失(Expected Shortfall, ES)推廣到整個金融系統，提出了利用金融機構的邊際期望損失(Marginal Expected Shortfall, MES)和系統性期望損失(Systemic Expected Shortfall, SES)，測度市場在未發生金融危機時和發生系統性危機時金融機構對整個金融系統的風險(或損失)的邊際貢獻程度。Adrian 和 Brunnermeier[5]提出以條件風險價值法(CoVaR)測度金融機構的系統性風險，并在實證研究中引入金融機構本身的特征變量預測其未來的系統性風險貢獻度，結果表明杠桿率越高、期限錯配越嚴重、規模越大的金融機構其系統性風險貢獻更高。Brownlees和Engle[6-7]提出系統性風險指數SRISK，通過杠桿率與MES兩個指標來捕捉單個機構對整個金融系統在危機期間期望資本短缺的貢獻度。Huang等[8]運用系統性金融危機下的困境保費(DIP)來測度系統性風險，并估計了個體銀行對系統性風險的邊際貢獻度，結果表明銀行對系統性風險的貢獻與違約概率呈現出線性關系，但是與機構規模和資產相關性沒有高度的線性關系。Zhou[9]在Adrian 和 Brunnermeier和多元極值理論模型(Extreme Value Theory, EVT)[10]的基礎上，結合CoVaR方法和Segoviano和Goodhart[11]提出了條件分位的概率法(Probability that at Least One Bank Becomes Distressed, PAO)，并將單變量測度方法拓展到多維度測度方法，提出了測度SIFIs的另外兩個重要指標——系統性影響指數(Systemic Impact Index, SII)和脆弱性指數(Vulnerability Index, VI)。Zhou的研究結果表明“大而不能倒”并不成立的，即規模因子不能替代系統重要性評估方法。Peeters[12]在Zhou的基礎上，改進了SII指標，提出了加權附帶破壞指數(Collateral Damage Index, CDI)。Gravelle和Li[13]將一個或者一組特定銀行股價發生危機后對整個銀行系統風險的增加概率作為一個或一組特定銀行的系統重要性，通過極值方法來測量條件概率和無條件概率之差，經過實證得到規模并不能作為系統重要性的替代指標。

國內的相關研究：方意等[14]在MES的基礎上，采用DCC-GARCH模型及隨機模擬法對我國金融機構的系統性風險進行了測度，實證結果得到系統性風險水平有資產規模、杠桿率和邊際期望損失決定，且都呈現正相關關系，而我國的風險水平差異主要來源于杠桿率差異。白雪梅等[15]運用CoVaR方法度量了我國27家金融機構的系統性風險，結果表明我國銀行業對系統性風險的貢獻比較大。嚴兵等[16]對Zhou和Peeters分別提出的SII指標和CDI指標進行了對比，結果表明CDI更具有參考價值，且國內銀行系統重要性的排序雖然和銀行資產規模排序不完全一樣，但是也基本保持一致。鄭鳴等[17]在BCBS和Zhou等基礎上認為在評估系統重要性銀行時要同時考慮規模和關聯傳染兩方面的因素，并重新構建了一個新的CSII指標，且研究顯示：規模是系統重要性銀行評估的最重要的因素，但又不是唯一因素。陸靜等[18]的結果顯示規模對銀行的系統重要性有很重要的影響，但是當銀行規模達到一定程度后，其影響將被弱化。劉向麗和顧舒婷[19]采用CoVaR方法研究了房地廠行業對于系統性金融風險的影響；楊子暉等[20]運用有向無環圖技術方法以及網絡拓撲分析方法研究了全球系統性金融風險。方意等[21]采用虛擬機構資產負債表與資產價格傳染模型相結合，度量影子銀行系統性風險，結果表明影子銀行系統性風險較高且波動劇烈。

雖然國內外研究學者關于系統性風險的測度與建模已經取得了不少進展，但仍存在兩個方面的問題。一方面相較于理論方法上的不斷改進，實踐上關于系統性風險的主要影響因素仍未知，例如，“大而不能倒”即規模因子的重要性仍存在爭論；另一方面，從評估方法而言，如何準確刻畫收益率尾部特征以及尾部行為之間的關聯結構是一個關鍵問題。鑒于此，本文以多元極值理論和copula作為建模方法，引入并擴展zhou的分析框架，以期從多角度全面測度我國金融機構的相對系統重要性，并進一步揭示系統重要性與規模之間的關系。

3 評估模型與方法

假設一個金融體系包含d個金融機構，并將它們的收益率表示為(X1,…,Xd)。當條件Xi>VaRi(p)成立(即損失值大于VaR)時，說明機構i遇到困境或陷入危機。一個尾部概率水平為p的VaR值的定義如下：

P(X1>VaR1(p))=P(X2>VaR2(p))

=…=P(Xd>VaRd(p))=p

(1)

金融機構的特質決定了其面臨的風險狀況有所不同。但為了方便處理，本文假定每個機構面臨的極端困境狀態為同一情形。

3.1 系統重要性指標體系構建

系統重要性測度方法是考慮某一個金融機構發生危機時對其他金融機構產生的影響程度。Segoviano和Goodhart提出了一種方法：在一個特定金融機構陷入危機的情況下，至少存在一個其他金融機構也陷入危機的條件概率(記為PAO)，定義如下：

PAOi(p)=P({?j≠i,s.t.Xj>VaRj(p)}|Xi>VaRi(p))

(2)

PAO度量的是當某一家金融機構出現危機時，系統中其它機構至少一家也發生危機的可能性。但它沒有具體說明這種溢出影響的規模，即整個系統中發生危機的金融機構的數量。因此PAO指標不能充分地識別金融機構的重要性。Zhou在Segoviano和Goodhart的基礎上，對PAO方法進行了延伸：考慮在一個特定金融機構陷入危機的情況下，系統中陷入危機機構的預期數量。我們稱之為系統影響力指數(Systems Impact Index, SII)，其定義如下：

(3)

這里的1A為指示函數，即當A成立時，其值為1；當A不成立時，其值為0。當一個特定機構倒閉時，PAO和SII方法描述了金融系統中其他機構所受沖擊的概率和程度。同時，投資者還關心當金融體系出現局部或者全局危機時，某一特定金融機構所受到的影響，我們稱之為該金融機構的脆弱性指數(Vulnerability Index, VI)，定義如下：

VIi(p)=p(Xi>VaRi(p)|{?j≠i,s.t.Xj>VaRj(p)})

(4)

SII雖然考慮了當一個特定機構倒閉時，金融系統中其他機構所受沖擊的的程度，但它沒有考慮受到沖擊的金融機構的資產規模或資本規模等特征。比如，對于SII=4時，受到沖擊的可能是三家小規模的金融機構，也可能是三家大規模的金融機構。顯然，后面的情況對金融系統造成更大的破壞。因此，Peeters在Zhou提出SII指標的基礎上，對其不足之處做了改進，提出了加權附帶破壞指數(Collateral Damage Index, CDI)，即對SII指標賦予了權重，將規模因子考慮進來。在本文中，我們用金融機構的總市值來加權，定義如下：

(5)

(6)

不同的指標測度了單個金融機構系統影響力的不同側面，綜合考慮以上幾個指標則可以刻畫個體與整體關系的全貌，給出更多的評估信息。

3.2 多元極值理論與L函數方法

{P(X1>VaR1(x1p)or…or

Xd>VaRd(xdp))}/p→L(x1,x2,…,xd)

(7)

這里VaRi表示L的在險值，L是一個有限的正函數。L函數描述了當L超過了L時極端事件的聯合分布狀態。(x1,…,xd)控制了高閾值水平，進而控制了聯合極值事件的方向。De Haan證明了L函數的性質。

考慮在特殊點上L函數的值，L是d個金融機構在同一危機情形下的聯合極值事件。從(7)的定義，我們有

L(1,1,…,1)=

(8)

計算公式(8)時需要確定系統中金融機構收益率的聯合分布函數。設Fi(xi)(i=1,…,d)是各金融機構收益率的分布，F(x1,…,xd)是金融機構收益率的聯合分布函數。由Sklar定理，存在唯一的一個連接函數p，使得

F(x1,…,xd)=C(F1(x1),…,Fd(xd))

(9)

這里C(x1,…,xd)的所有邊際函數都是標準均勻分布。

由多元EVT理論，對于任意的x1,x2,…,xd>0,p→0,

(10)

由公式(10)可見：一方面，L函數和copula有關，因此它不包含任何邊際信息也即L函數與金融機構自身的風險狀況無關；同時，公式中的copula反映的是極端概率下的尾部連接結構，所以L也僅包含尾部依賴信息。因此我們可以用L函數來計算系統性指標。

在計算L函數時，我們將全樣本數據表示為獨立同分布的隨機向量，用Xi,1≤Xi,2,…,≤Xi,n來表示i機構的樣本順序統計量，樣本容量為n。在計算L函數之前，我們首先要確定p值，從而確定VaR中的高閾值。當p→0時，定義k=k(n)，當n→∞時，k(n)→∞，但是，我們用來替代p值，L函數可用如下公式估計：

(11)

特別的，當x1,x2,…,xd=1,1,…,1時，為

(12)

對于L函數的估計，最重要的是確定k值。De Haan(2006)建議k值選取L(1,1,…,1)第一次降到較為平穩時的值，利用這個準則確定的k值對于L函數的估計誤差較小。

3.3 基于多元EVT理論的系統重要性指標的測度公式

由前節多元EVT理論知，可以用L函數計算系統重要性指標。下面給出用L函數計算各個維度系統重要性指標的具體公式。

假設(X1,X2,…,Xd)遵循多元EVT分布。根據(2)中的PAO定義，我們有

=L≠i(1,1,…,1)+1-L(1,1,…,1)

(13)

這里L是描述(X1,X2,…,Xd)的尾部依賴的L函數，是定義在d維上的；L≠i(1,1,…,1)是描述(X1,…,Xi-1,Xi+1,…,Xd)的尾部依賴的L函數，其定義在d-1維上。

在(4)中的VI定義下，我們有

(15)

在(3)中SII的定義，我們有

(16)

公式(16)中Li,j是L函數描述(Xi,Xj)的尾部依賴，其表達式如下：

Li,j(1,1)=L(0,…,0,1,0,…,0,1,0,…,0)

(17)

這里1只出現在第i和第j維。

根據公式(5)、(16)，可以推出：

(18)

總而言之，當L函數是已知的情況下，多元EVT提供了估計系統重要性的具體測度方法。因為L函數描述了整體尾部依賴結構(X1,…,Xd)，因此所有的系統重要性指標都可以被看作是金融機構之間尾部依賴性的一個表征。

4 我國金融機構系統重要性的多維度評價

4.1 樣本選擇

為了平衡樣本個數(涵蓋更多上市公司)與樣本容量(更長時間區間)，本文選取了2008年1月28日以前上市的26家金融機構作為樣本，包括每家上市金融機構的股票日收益率、年末總資產和年末總市值等市場數據和財務數據。總樣本包括14家銀行、12家保險/證券/信托機構，時間段從2008年1月28到2015年3月31日，共計1478個交易日，描述性統計詳見表1。

表1 26家金融機構股票日收益率的描述性統計量

注：本文數據均來源于銳思RESSET金融研究數據庫和國泰安CSMAR數據庫

在有效市場中，金融機構在金融系統中的作用、地位和相互之間的關聯關系就會充分體現在股票市場上的收益率波動模式與關聯模式中。就我國金融市場而言，學者基本認同我國股市處于弱式有效，滿足適用條件[22-23]。基于這一假定，并借鑒Zhou和Peeters的研究方法，本文選擇A股上市銀行、保險以及證券信托等26家金融機構的股票日收益率作為研究對象。股票日收益率有易獲取、樣本量大等特點，而且我國上市金融機構的規模較大，股價不易被人為操縱，其收益率變化能夠較好地反映了金融體系的真實狀況。

從表1中可以看出，金融機構的股票日收益率的最值為±0.1，這是由我國漲跌板制度所決定的，標準差顯示非銀行金融機構特別是證券類上市公司的波動性顯著大于銀行業上市公司的波動性，在銀行業內部中小股份制銀行的波動性大于國有商業銀行的波動性；就收益分布形態而言，所有金融機構的日收益率數據的偏度大于0或趨于0，峰度均遠遠大于3，呈現金融資產典型的“尖峰厚尾”分布特征，較大的JB統計量的值再次印證了這一點。這說明研究樣本具備使用極值分布的條件，也符合穩定尾部相依函數的使用條件。

4.2 系統重要性的多維度靜態評價

4.2.1k值的確定

文中 (7)～(10) 公式最終可以歸結于L函數的計算，計算L函數首先要確定k值。在此，本文通過選取不同的k值，得到了不同的L(1,…,1)函數值，并通過觀察數據得到，CDI值在170以后較為平穩，所以本文截取k值為1～170的函數值，并繪制了趨勢圖。通過觀察圖1可以發現L函數在k=35時首次降到較為平穩的水平，依據De Haan提出的準則，當k值為35到67時，L函數值變化甚微，對計算結果的偏差不大，且選取任何一個值都可以，而本文最終選擇k=35來計算L函數，如圖1中標注的點。本文中k值的計算是通過R軟件編程實現。

4.2.2 多維度評價結果

在確定了k=35之后，閾值水平也隨之確定，尾部概率水平p=2.4%。在這里我們運用歷史模擬法計算VaR值，即對每個機構的數據按從大到小排列，第1443個數值就為對應金融機構的高閾值。隨后，通過R語言編程計算得到PAO、SII、VI和SCP值，如表2所示。

表2中PAO的值都處在一個較高的水平，大都在90%以上，其中交通銀行、興業銀行、平安銀行和南京銀行甚至達到了100%，這說明中國金融機構的相關性太強，單個機構發生危機都將會直接或間接影響到系統中其他機構。VI的變化趨勢與PAO的變化是一致的，這表明相互的關聯結構也同時提升了金融機構本身的脆弱性。表2中SII的指數值在11.43到14.97之間，大多數金融機構的SII指數值超過了13(即SII占比超過50%)，這與Zhou針對美國銀行系統的研究的結果相差很大。Zhou對美國銀行系統的研究中SII指標的百分比沒有超過50%，而且各個銀行之間的SII值差異相對較大，說明美國銀行業內部的異質性較高。SCP是對SII的補充分析，大部分金融機構的SCP概率都為100%，說明我國金融系統的同質性和關聯度非常高，一個金融機構陷入危機極易導致整個金融系統出現崩潰。從細節而言，SII值較大的依次有：華夏銀行、北京銀行、中國太保、南京銀行、寧波銀行等，總體而言銀行業的SII值較大，且與規模之間的關系不是非常密切。

表2 各金融機構的PAO、SII、VI、SCP值

注：表中PAO和VI數據為百分制的條件概率，SII為金融機構個數。在一個特定機構發生危機的情況下，PAO為至少存在一個其他機構也發生危機的條件概率；SII為系統中機構發生危機的預期數量；SCP是整個金融系統出現崩潰的系統危機概率；而VI是當系統中的其他機構發生危機時，該特定機構也發生危機的條件概率。

本文為了更清晰地考慮規模因素，將SII賦予總市值權重wj和wj*(具體權重省略)計算得出了CDI和CDI*值，如表3所示。依據表2和表3中指標進行多維度排名的結果如表4所示。

當加入金融機構的規模權重后，依據CDI和CDI*的排名發生了巨大的變化。例如，工商銀行的SII排名為24，而CDI排名為3，CDI*排名為2。總體而言，銀行業的CDI和CDI*值相對于證券、保險和信托都要大些，都在0.5以上，且排在前五位的均為銀行類公司。其中，建設銀行的CDI和CDI*最大，分別達到0.6450和0.6607，其次分別為招商銀行和工商銀行，這三家銀行的規模也是排在前列的。這說明我國金融體系中銀行業仍占據主導地位。

表3 各金融機構的CDI、CDI*值

注：表中所有數值都為百分制的概率。

表4 各金融機構多維度指標排名

注：因為PAO和VI的排名是一樣的，因此將它們合并為一列；多維度測度中不再報告基于SCP的排名結果，因為多數金融機構的SCP值均相同，區分度不夠。

表4和表5分別給出了依據不同指標的排序結果以及排序結果之間的相關性。總的來說，不同的指標給出系統重要性的信息是不同的，這與指標的定義有關；同時，各個指標排序結果之間均呈現顯著的正向相關，這說明測度雖然不同但歸根結底都是在衡量同一對象。差異在于PAO和SII排序結果說明某些規模較小的金融機構依然擁有較大的系統重要性，CDI和CDI*排序結果則揭示規模越大的金融機構對系統的破壞力度也越大。總體而言，將金融機構的規模因子考慮進來后，規模大的金融機構在系統中的重要性更突出了，說明CDI和CDI*指標要比SII指標表達出更多信息，在識別系統重要性金融機構時更具代表性。綜合表4的各項排名，除了重點關注工商銀行、建設銀行、中國銀行等傳統的大型國有銀行外，交通銀行、招商銀行、華夏銀行、南京銀行、北京銀行等部分股份制和城商行以及保險公司中國太保的系統重要性也比較突出，值得監管部門重點關注。

表5 各指標排序結果間的相關性

注：每個小格中的數據為秩相關性測度，括號內的數據為p值。***,**和*分別表示在1%，5%和10%的置信水平上顯著。

4.3 系統重要性的動態評價

每個金融機構都有自身的特質與發展路徑，同時還會受到金融大環境、經濟政策等的影響，其系統重要性會隨時間而動態變化。因此，除了整體的靜態分析外，我們運用移動時間窗口方法來研究每家金融機構在整體金融生態中影響力的動態變化。本文將子樣本的時間周期選為250個交易日，以一個月為單位向后推移，即第一個子樣本時期為2008年1月到2009年2月，第二個子樣本為2008年2月到2009年3月，依次向后推移。

我們選取了4個典型金融機構來分析隨時間窗口的動態變化，招商銀行、中國銀行、中信證券和中國平安分別作為股份制商業銀行、國有商業銀行、證券公司和保險機構的代表(其它金融 機構的動態變化跟所選取的各類金融機構的代表性公司的變化情況類似)。然后，根據時序按月推移子樣本計算得到SII值和CDI值結果(CDI和CDI*結果相差較小，在這里我們就選用CDI指標研究動態變化)，為了方便，我們將兩個指標都用概率來表示。之后，我們將SII值和CDI值的移動窗口數據進行了繪圖，這能更直觀的體現數據的動態變化，其結果如圖2和圖3所示。

從圖2和圖3中可以看出，各金融機構的系統重要性都是時變的，且變化趨勢基本一致，這說明我國金融機構的同質性程度較高；另外從圖上還可以看出中國銀行的變化幅度是最大的，且在2012年年底達到最低，并隨時間變化逐漸遞增，到了2013年底達到最大，它的的值接近80%，而CDI值甚至超過了80%，這說明中國銀行的系統重要性變大了，對整個系統的影響力更大、潛在破壞性越高。這與2013年6月和12月銀行業兩度發生“錢荒”的現實吻合，錢荒是銀行業整體的系統性風險累積的典型表現，同時在震蕩恐慌期國有大行如中國銀行的系統重要性再次凸顯出來。另外，從2014年底開始，每家機構的系統性風險都具有明顯的上升趨勢，這具有重要的風險警示作用。

4.4 系統重要性與其他因素的相關性分析

本文試圖通過金融機構系統重要性排名和經濟財務指標的相關性分析來初步判斷系統重要性的內在影響因素。采用的指標是總資產(測度規模因子)和資產負債率(測度金融機構經營風險或者破產風險)，我們列出了每個指標2015年第一季度和2008年到2015年的季度平均指標值(篇幅所限省略表格)。從數據表中可以看出各個金融機構的總資產差異非常大，例如工商銀行2015年3月的總資產是21.3966萬億元，而太平洋的總資產為0.0089萬億元；資產負債率也有顯著不同，最低為30%，最高達95%。

表6展示了金融機構的系統重要性與部分財務指標之間的關系。從PAO、VI和SII的角度分析，金融機構的系統重要性與其自身規模之間的相關關系較弱，但與資產負債率相關性較強；CDI和CDI*值則不僅與金融機構規模指標有較強的正相關性，與資產負債率的關系也非常密切。這說明不僅規模是系統重要性的重要考量，同時還會有其他因素(如破產風險)也會對系統重要性產生顯著影響。

表6 相關檢驗結果

注：每個小格中的數據為秩相關性測度，括號內的數據為p值。***,**和*分別表示在1%，5%和10%的置信水平上顯著。

5 結語

本文拓展了Zhou和Peeters的研究，將他們對銀行業的研究拓展到整個金融體系，運用PAO、VI、SII和CDI四個指標從多角度綜合度量金融機構的系統重要性；測度方法結合了多元極值理論和copula函數，能夠更好地捕捉金融機構間的相依關系。實證研究選取了中國26家上市金融機構來構建“代表性”金融系統，并充分利用了26家金融機構的市場數據和財務數據。

研究結果表明：(1)各個金融機構間的關聯性和同質性均很強，金融機構的個體危機極易誘發系統性風險。(2)即使考慮到不同的測度指標，結果仍一致性顯示銀行業上市公司均在系統重要性中占據優勢，這說明我國的金融體系仍是銀行主導型的。(3)規模和系統重要性的關系。研究結果表明規模是系統重要性的重要考量，但不是全部，還有其他因素也會對系統重要性產生顯著影響，部分股份制商業銀行和城商行仍然具有不可忽視的系統重要性，也應被納入金融監管的重要關注對象。

綜上評估我國金融機構的系統重要性時，不能只依賴某一個指標來給出評估，應同時考慮其它不同側面的指標，以期對我國金融機構的系統重要性給出一個綜合的、穩健性的評估。對于金融監管實踐而言，不僅要重點關注那些具有系統重要性的傳統大型國有商業銀行，同時還須對那些資產規模雖然不夠大，但脆弱性較高、潛在破壞性大、負債率高的金融機構加強監管。