中國金融機構網絡關聯性與風險溢出效應研究

丁 慧,沈雨田

(南京財經大學 金融學院，江蘇 南京 210023)

一、引 言

金融安全關乎國家根本利益，是國家安全的重要組成部分，也是經濟平穩健康發展的重要基礎和前提。維護金融安全，是關系中國經濟社會發展全局的一件帶有戰略性、根本性的大事。當前，中國經濟發展面臨的國際環境和國內條件正在發生深刻復雜變化，經濟下行壓力加大、結構調整任務艱巨、外部環境不確定性上升等交織疊加，金融風險快速集聚并逐步暴露。黨的十九大以來，中央強調要“健全金融監管體系，守住不發生系統性金融風險的底線”，要“堅決打好防范化解包括金融風險在內的重大風險攻堅戰”，要“抓住防范金融風險這個重點，推動金融業高質量發展”。防范化解系統性金融風險已成為當前中國金融領域亟待解決的重大問題。系統性金融風險是什么？其傳染的機制是怎樣的？如何有效測度并清晰認識中國金融機構系統性風險？厘清這些問題，是對現有系統性金融風險研究的有益補充，也是防范系統性金融風險、維護國家金融安全、推動金融供給側結構性改革的重要前提，具有重要的理論和現實意義。

系統性金融風險通常被視為一種“易于感知”卻“難以定義”的概念[1]。我們可以認為，它是指“一系列(或某個)能夠威脅到公眾對于整個金融系統信心的事件”[2]。這種威脅大多數情況下內生于金融系統，而金融系統又由一系列相互關聯的金融機構構成。系統性金融風險可能是由金融系統中某一家金融機構遭受的極端沖擊事件引發，其核心機制是金融風險的傳染效應。具體而言，金融機構相互關聯形成的金融網絡可以導致單個機構面臨的變動或沖擊迅速傳播擴散至金融系統中絕大部分的關聯機構，最終導致系統性金融風險的發生。此外，金融網絡中的過度關聯將增大金融機構之間、金融部門之間甚至金融系統和實體經濟之間風險沖擊的水平和影響范圍，進一步強化系統性金融風險的負外部性。由此可見，有效測度系統性金融風險必須要解決的關鍵問題之一，是如何有效刻畫金融機構間的網絡關聯特性。

近年來，金融創新業務的大量出現和迅速發展，拓寬了金融服務的廣度和深度，也使得金融機構間跨行業、跨區域的關聯程度迅速提高。與此同時，互聯網金融的爆發式增長更是削弱了金融部門間原有的行業壁壘，打破了傳統金融機構業務關聯原有的空間限制，給監管套利和投機行為留下可乘空隙。這些都給中國“堅守不發生系統性風險底線”政策目標的實現帶來了挑戰。在此背景下，本文采用前沿的系統性風險測度方法(Diebold Yilmaz Connectedness Index，DYCI)[1]，從時間和橫截面兩個維度對中國金融機構系統性風險展開深入研究，著重考察金融機構整體、部門、個體三個層面的網絡關聯性，并研究金融網絡中的系統性風險溢出效應。具體而言：第一，構建中國金融機構系統性風險溢出指標，從全樣本角度考察價格波動傳遞過程中，機構網絡的整體關聯性以及金融機構的系統性風險溢出效應。第二，引入滾動窗口估計方法，從滾動樣本角度研究中國金融體系整體關聯性以及機構網絡系統性風險溢出效應的動態演進，并對其周期波動性特征進行分析。第三，對DYCI法進行有益的補充，研究金融機構跨部門風險溢出凈效應的動態特征，并考察金融風險在部門間的傳播路徑、溢出強度和傳染中心。

二、文獻綜述

國際金融危機后，系統性金融風險問題得到了國內外學術界和業界的廣泛關注。風險溢出效應是系統性金融風險的主要外部因素之一，也是金融機構和金融監管部門關注的核心問題之一。準確測度系統性風險溢出效應、精準識別風險傳染路徑是防范化解系統性金融風險的重要前提。關于系統性金融風險的測度方法仍處于不斷探索之中，學術界尚未形成統一而權威的理論。通過梳理現有文獻，可以發現，當前系統性金融風險的測度方法主要圍繞基于網絡拓撲結構的數值模擬和基于金融市場數據的計量分析兩個角度展開。

2008年以前，多數研究采用基于網絡拓撲結構的數值模擬方法對系統性金融風險進行測度。其主要思路為，根據銀行部門的業務關聯特性，識別銀行間敞口網絡，并仿真模擬初始沖擊在銀行關聯網絡中的傳染效應，進而識別風險傳染路徑，測度系統性風險溢出效應。這種方法具有較堅實的理論基礎，也能夠直觀反映系統性金融風險傳染的方向和路徑。Allen和Gale[2]與Freixas等[3]在這方面作出了開創性研究，他們認為，銀行間市場的網絡拓撲結構決定了風險傳染發生的可能性。Upper和Worms[4]借助反事實模擬法，研究了德國銀行網絡中銀行風險敞口引起的系統性風險傳染問題，發現一家商業銀行的破產可能導致銀行體系陷入危機的可能性概率為15%。縱觀此類文獻，危機前的研究往往關注于單個機構違約造成的影響；危機爆發后，部分學者進一步強調資產負債表受到共同沖擊的影響[5]。國內學者也積極地將此類方法應用于中國金融風險問題研究中，方意和黃麗靈[6]運用資產負債網絡模型測度了中國銀行體系的系統性風險。作為系統性金融風險測度的主流研究方法之一，該方法也存在一些明顯的缺陷，如通過最大化信息熵(Maximum Entropy，ME)等方法獲得的金融機構雙邊風險敞口矩陣存在低估或高估風險傳染效應的可能、該類方法的背后缺乏市場參與主體的行為基礎、低頻數據難以滿足實時準確測度系統性風險的宏觀審慎要求。此外，金融新業態的出現使得系統性風險背后的傳染機制愈加復雜，導致傳統的網絡風險測度方法在一定范圍內失效。

國際金融危機爆發后，學術界積極尋求新的方法來測度系統性金融風險。大量研究開始采用基于金融市場數據的計量分析方法來測度系統性金融風險。具體包括：第一，以金融機構股票收益率的相關系數[9]和主成分分析[2]來度量系統性金融風險。該類方法側重于分析系統性金融風險在時間維度上的演變情況，可以有效捕捉金融機構間關聯性的變化，但只能測度系統性金融風險的總體水平，無法識別風險傳遞的方向，更不能衡量單個機構系統性風險的貢獻或敞口。第二，以未定權益分析(Contingent Claims Analysis,CCA)法[7]考察金融體系的系統性風險。該類方法綜合金融機構個體經風險調整過的資產負債表以及它們之間的相互依賴關系，來量化一般的償債能力風險的大小，側重于從時間維度來衡量系統性風險的演變情況，但其無法測度單個銀行對于銀行體系的風險溢出效應。第三，以金融機構間的尾部關聯性來測度風險外溢效應，進而衡量系統性金融風險，代表性度量指標有CoVaR、MES、SES及SRISK等。Adrian和Brunnermeier[8]提出使用CoVaR指標測度系統性金融風險，其內涵為當市場出現極端情況時，機構或系統發生損失的大小。Acharya等[9]將系統性期望損失(Systemic Expected Shortfall，SES)定義為邊際期望損失(Marginal Expected Shortfall，MES)和杠桿率的線性組合，并使用SES指標衡量了單個金融機構陷入困境后對經濟產生的系統性風險沖擊。Brownlees和Engle[10]進一步拓展Acharya等[9]提出的模型，構建了SRISK指標測度單個金融機構在危機情形中的預期資本短缺，并預期，資本短缺越高的機構所產生的系統性金融風險越大。此外，李政等[11]提出分別用上行CoES和下行CoES作為系統性金融風險的同期度量指標和前瞻性預警指標，并以此研究中國金融部門的系統性風險。這幾類指標的區別體現在估計方式以及對組成系統性事件的定義方面。這類方法雖然考慮了風險傳導的方向，但只關注到局部的相互依賴性(即機構對系統或者系統對機構)，無法反映金融體系中機構關聯性的改變以及系統性金融風險的積聚過程，從而低估了高度關聯機構的系統性風險。

近年來，隨著計量技術的拓展和延伸，通過將方差分解映射到網絡拓撲結構中，考察金融網絡中機構間的波動關聯性并測度系統性金融風險溢出效應[1]，正逐漸成為這一領域中的代表性方法。DYCI法不僅可以有效識別金融網絡內的風險沖擊事件，還可以精準測度金融機構對于整體網絡的風險貢獻值，較好地兼顧宏觀和微觀兩個層面，以全面衡量時間和橫截面維度上的系統性金融風險。同時，該類方法還能有效甄別網絡中的風險傳染中心，較好地反映系統性金融風險的積聚過程與演變態勢，與網絡拓撲理論以及當前幾類主流的系統性金融風險測度方法(如CoVaR、MES等)密切相關。此外，傳統“大而不能倒”的監管思想開始轉向“太關聯而不能倒”的新理念[12]，機構網絡視角下的DYCI法可以有效識別金融機構的系統重要性地位。

從國內來看，當前應用DYCI法考察中國金融機構風險測度與風險傳染的文獻較為豐富，但該領域的研究仍存在有待完善之處：第一，現有文獻大多聚焦于中國金融機構網絡整體和微觀個體的風險溢出效應，并以此分析中國系統性金融風險的現狀。然而，在中國銀行、證券、保險等部門日益關聯的今天，金融網絡中分部門和跨部門的風險溢出效應已然不可忽視。第二，以往有關金融部門系統性風險的研究多關注于銀行、證券以及保險部門，但由于銀行在中國金融體系中占據絕對主導地位，各類銀行子部門在業務模式和資產規模等方面差異較大，故進一步考察大型商業銀行、股份制商業銀行、城市商業銀行的風險特性十分必要。

由此，本文將從三個方面豐富現有研究：第一，基于中國金融機構系統性風險溢出網絡，從整體、部門、個體視角，全面立體地考察金融機構網絡中系統性風險溢出的演變路徑。第二，研究金融機構分部門風險溢出效應的同時，拓寬現有DYCI法的應用范圍，構建能夠識別跨部門風險溢出效應的指數，考察金融機構跨部門系統性風險傳染。第三，本文在著重研究銀行、證券、保險部門特征的同時，將依照中國銀保監會的分類標準，進一步探析大型商業銀行、股份制銀行、城商行子部門的系統性風險溢出效應。

三、研究方法與樣本數據

(一)指標構建

我們以Diebold和Yilmaz[1]提出的DYCI法作為本文研究的理論框架。具體而言，基于VAR模型的方差分解技術，結合網絡拓撲思想，識別系統性金融風險溢出矩陣，構建相關關聯性測度指數，揭示中國金融機構網絡關聯性，并刻畫其系統性金融風險的溢出路徑。基于此，本文建立一個N維的VAR模型，具體公式如下：

(1)

其中，t=1,2，…,T。Xt是N維列向量，分別代表N個金融機構的股票價格波動率，且均為協方差平穩過程；ut是N維列向量，不存在序列相關性，ut各分量之間可同期相關，ut～i.i.d.(0,)，為協方差矩陣。式(1)的移動平均形式可以表示為系數矩陣Ai服從如下遞歸公式Ai=1Ai-1+2Ai-2+…+pAi-p，其中，A0為N階單位矩陣，且i<0時，Ai=0。

(2)

其中，ei是第i個元素為1、其他元素為0的單位選擇向量；Ah是VAR模型的無窮項移動平均形式的滯后H階沖擊向量的系數矩陣；是VAR模型中的沖擊向量的協方差矩陣；jj是協方差矩陣對角線上的元素；是第j個變量對變量i在滯后H階上的預測誤差方差。

(3)

(二)數據選取

現有文獻通常以資產價格波動作為風險的度量指標，通過考察各機構間的波動傳遞關系，研究系統性風險的溢出效應。本文采用金融機構的股票價格波動率，研究金融機構網絡關聯性，主要基于以下三點原因：首先，股票價格波動率指數是簡單易得的。其次，波動率指數反映了證券市場中成千上萬的投資者對于整體市場行情的評估，同時也包含了市場的預期信息，具有前瞻性。最后，資產價格的波動性對于風險沖擊極其敏感，選用波動率指數考察金融機構網絡關聯性，可以加強本文研究結論的可靠性。與此同時，結合股票價格波動關聯性識別金融機構網絡特征，并考察金融機構系統性風險的傳染與演變，正成為近年來前沿的系統性風險研究方法。

為了從網絡關聯視角考察金融機構系統性風險，本文以中國A股市場28家上市金融機構股票價格波動率為樣本分析對象，樣本區間為2008年1月1日至2019年12月31日，其中，商業銀行16家(根據銀保監會網站中商業銀行的分類辦法，此處又分為5家大型商業銀行、8家股份制商業銀行、3家城市商業銀行)，證券公司9家，保險公司3家。囿于數據可得性，部分機構的上市時間晚于研究起始時間，本文依據各機構上市日期劃分出樣本I、樣本II和樣本III，分別測度不同樣本中的系統性金融風險，具體而言，樣本I和樣本II共同包含了2008年1月1日前上市的21家金融機構，樣本區間的起始點分別為2008年1月1日和2010年11月1日。樣本III相比于樣本I和樣本II多出了2008—2011年期間上市的7家金融機構，其樣本區間的起始點為2010年11月1日。(1)樣本I擁有足夠的機構樣本以識別2008年全球金融危機中中國金融機構的風險傳遞網絡，樣本III則涵蓋了現有16家上市商業銀行，其中包括工商銀行、農業銀行、中國銀行、建設銀行4家大型商業銀行。在樣本機構和樣本區間均不同的情況下，樣本I和III并不能直接進行比較，進而無法驗證風險溢出分析法應用于中國實踐的可行性。根據上述情況，樣本II作為風險溢出分析法應用于中國實踐的穩健性檢驗樣本，一方面，與樣本I(相同的樣本機構)進行不同樣本區間的比較。另一方面，與樣本III(相同的樣本區間)進行不同樣本機構的比較。

基于以上樣本數據，本文采用GARCH(1, 1)模型估計出金融機構的股票價格波動率。考慮到GARCH波動率明顯不服從正態分布，具有一定的“尖峰厚尾”特性，為了確保樣本數據接近于正態分布，并減少系統中產生的異常沖擊，本文進一步使用對數波動率(即對相關GARCH波動率取對數)測度金融機構的網絡關聯性。相關股票價格采用每日前復權收盤價，所有數據均來自Wind資訊數據庫。

四、研究結果與分析

(一)中國金融機構網絡的全樣本靜態分析：整體與個體視角

我們分別以樣本I、樣本II和樣本III建立VAR(1)模型(依據AIC和SC準則，選擇1期為VAR模型的最優滯后期數)，(2)參照相關的AR根圖，我們構建的VAR(1)模型均滿足穩定性條件。計算相關系統性風險溢出矩陣，以刻畫在系統性金融風險傳染與演變過程中，中國金融機構間的交互作用關系。根據已有研究[1-13]，選取廣義方差分解的第10步(即10天的預測期)，構建中國金融機構系統性風險溢出表，如表1所示。(3)因篇幅所限，略去相關實證結果，留存備索。表1從全樣本角度展示了樣本I、樣本II和樣本III中中國金融機構的傳染性指數、脆弱性指數和總關聯性指數，可以發現：從整體來看，中國金融機構網絡關聯性較高，對應于樣本I、樣本II和樣本III的總體關聯性指數分別為85.94%、85.53%和88.83%。這意味著，除了金融機構自身的影響因素，金融體系中的波動絕大部分是由各機構向外的風險溢出造成，機構網絡內呈現出顯著的系統性風險溢出效應。為了規避監管和監管套利，中國商業銀行在近些年開發了大量銀銀、銀證、銀保合作等金融創新工具，使部門間的業務聯系更加緊密和復雜。互聯網與金融行業的深度融合降低了金融行業壁壘，也使整體關聯性進一步上升。從個體來看，根據“太大而不能倒”的傳統監管思想，金融機構的風險傳染能力(即傳染性指數)與其資產規模有較大的聯系，但也出現了部分異常。如工商銀行的傳染性指數在金融機構中排名末尾，其凈溢出指數在樣本I、樣本II和樣本III中均為負值(-0.97%、-8.44%和-9.14%)；興業銀行、南京銀行和招商證券等機構的傳染性指數均居于金融網絡中前十位，表現出較強的風險傳染能力。一種可能的解釋是，大型商業銀行受到更為嚴格的金融監管，致使其在金融體系中的風險傳染能力較低；相對而言，一些資產規模較小的金融機構，由于其市場行為激進，金融創新活躍，風險產品和投資的市場占有率高，在網絡中表現出較高的風險傳染能力。同時，中國金融機構脆弱性指數均較高且范圍較為集中，各機構吸收風險沖擊的能力總體較高且差異性不大。相比于美國主要金融機構的70%—82%受其他機構影響程度[1]，樣本I、樣本II和樣本III中的實證結果顯示中國金融機構受其他機構的影響分別為81%—88%、80%—88%和86%—90%。在樣本III中，脆弱性指數最高的華夏銀行(90.53%)是最低的中國人壽(86.72%)的1.04倍，遠低于同一樣本內傳染性指數的差異性(1.59倍)。這說明，當中國金融體系遭受風險沖擊時，各類型機構吸收損失趨同，整體相近的脆弱性將放大金融風險傳染效應，可能致使整個金融體系陷入危機狀態。

表1 中國金融機構系統性風險溢出效應：整體和個體特征

基于以上金融機構網絡整體關聯性以及個體風險傳染能力、風險吸收能力的分析，本文繼續考察樣本I、樣本II和樣本III中金融機構風險溢出的凈效應，各樣本的凈溢出指數排序分析結果，如表2所示。從表2可以看出，在樣本I、樣本II和樣本III中，交通銀行均是風險溢出凈效應最高的機構，表明其在金融機構網絡中的系統重要性地位。將樣本I和樣本II中的結果進行比較，隨著樣本區間的起始點由2008年1月1日推進至2010年11月1日，金融機構在網絡中的系統重要性排名出現了變化，如興業銀行的系統重要性排名由樣本I中的第2位降低至樣本II中的第4位。此外，對比樣本II和樣本III的結果，我們可以發現，樣本III中新增的7家金融機構在金融網絡中風險溢出的凈效應均較為顯著，其中，農業銀行、光大銀行以及光大證券在金融網絡中的系統重要性排名居于前10位。因此，本文進一步采用滾動窗口估計方法對中國金融機構網絡關聯性與系統性風險溢出效應進行研究，并選用樣本III來全面考察部門視角下中國金融機構風險溢出的漸進演變。

表2 中國金融機構風險溢出凈效應指數排序分析

(二)中國金融機構網絡的滾動樣本動態分析：整體視角

基于上述全樣本靜態分析，本文應用滾動窗口估計方法研究中國金融機構網絡整體關聯性的時序特征。國際金融危機爆發后，中國金融機構整體網絡關聯性并沒有表現出明顯的上升趨勢，而是呈現階段性周期波動特征。鑒于樣本I、樣本II和樣本III對應的總體關聯性指數呈現出相近的趨勢，我們以樣本I的總體關聯性指數為研究對象，依據“低―高―低”為一個周期的基本設定，對2008年國際金融危機爆發以來的中國金融機構網絡整體關聯性的周期進行統計性描述，結果如表3所示。從表3中可以看出，總體關聯性指數在樣本區間內出現六次較為顯著的波峰，這些特征與近年來中國的金融發展形勢緊密相關。隨著經濟由高速增長轉入高質量發展階段，金融業發展邁向新的臺階，中國仍處于風險易發高發階段，金融業面臨著風險沖擊加劇的局面。一方面，金融市場風險事件對各機構造成的沖擊將在機構網絡中迅速放大，加劇網絡內的系統性風險溢出效應，使得系統性金融風險具有明顯的觸發性和傳染性特征。另一方面，外部風險沖擊也會導致中國金融機構網絡整體關聯性的急劇上升，如2018年初的中美貿易摩擦升級，致使總體關聯性指數在短時期內飆升至較高水平。

表3 中國金融機構網絡整體關聯性的周期性統計特征

(三)中國金融機構網絡的滾動樣本動態分析：分部門視角

在前述網絡整體關聯性動態分析的基礎上，下文考察中國金融機構分部門風險溢出凈效應的時序特征。由于中國金融體系由商業銀行主導，且銀行部門中各類型機構的規模差異較大，其在金融機構網絡中的溢出效應顯然不同，故本文同時分析大型、股份制、城市三類銀行子部門的特征。結果顯示：首先，在2013年的中國銀行業“錢荒”事件中，銀行的風險凈溢出持續為正，對機構網絡中其他機構有顯著的風險溢出效應；而在2015年的中國股市危機中，證券和保險部門風險溢出的凈效應在大多數時期為正。同時，相比于規模較大的銀行部門，證券和保險部門對于風險沖擊的響應明顯要高出許多，在金融網絡中表現出較高的風險溢出效應。這說明，中國金融網絡中系統性風險溢出效應呈現出異質性和多變性的特征。其次，銀行的凈溢出指數在絕大部分的樣本區間內為正，而證券與保險在樣本區間內的多數時期均為負。換句話說，銀行部門在金融網絡中更容易成為風險傳染中心，而后兩者則更容易作為風險吸收中心存在，這也進一步印證了銀行類機構是金融沖擊孕育與傳播的主要渠道，其在金融體系中的系統重要性地位不言而喻。其中，股份制銀行在絕大部分時期的凈溢出指數為正，且在風險沖擊事件中表現出較高水平。最后，各部門風險溢出的凈效應在時間維度上不斷變化，金融網絡中的風險溢出呈現趨勢錯位的現象，避免了金融體系內的風險持續共振。如在中國銀行業“錢荒”、中國股市危機等重大風險沖擊事件中，各部門風險溢出的凈效應均表現出不同的風險溢出方向。正是由于中國金融機構網絡中風險溢出的趨勢錯位，在一定程度上避免了單一部門的風險波動演變成更大范圍的系統性金融風險。

(四)中國金融機構網絡的滾動樣本動態分析：跨部門視角

進一步地，剔除各部門對于同一類型機構風險溢出的凈效應后，我們分析跨部門風險溢出凈效應的漸進演變態勢。結果顯示：首先，在中國金融體系中，銀行對其他部門的跨部門風險溢出凈效應已經不容忽視，尤其是銀行與證券部門間的風險溢出。2013年以來，銀行對證券的跨部門風險溢出凈效應上升趨勢明顯，指數的波動顯著增強。這反映出當前中國金融機構系統性風險的最新發展趨勢，其影響范圍不僅僅局限于同一部門內，部門間的某種關聯(如業務往來等)也會成為風險傳染渠道，因而防范跨部門金融風險傳染已成為中國金融業面臨的主要問題。其次，保險部門在中國金融機構網絡中的影響程度日益上升。2014年前，該部門對其他部門風險溢出的凈效應在大部分時期均為負值，而2014年后則表現出較大的波動，且在較多時期內為正。2010年以來，中國保險業持續高速增長，原保費收入保持了年均15.05%的增速。截至2018年12月31日，中國保險業資金運用余額為16.41萬億元，其中，銀行存款為2.44萬億元，占比14.85%；債券投資為5.64萬億元，占比34.36%；股票和證券投資基金投資為1.92萬億元，占比11.71%；其他投資為6.41萬億元，占比39.08%。同時，近年來保險業的險資企業頻頻在證券市場中舉牌銀行等藍籌股，加劇了金融機構資產價格的波動，也推動了保險與銀行、證券關聯性的上升，導致保險對其他部門風險溢出效應的增強。最后，銀行子部門間的風險溢出效應呈現出一定的區制轉移特征。大型商業銀行對股份制商業銀行和城市商業銀行的凈溢出指數在大部分時期內為負值，其跨部門風險溢出凈效應呈現出逆周期性的特征，說明大型商業銀行在中國金融體系中充當了穩定器作用；但在歷次重大風險沖擊事件中凈溢出指數為正值，其跨部門風險溢出效應具有順周期性，加劇了金融網絡中系統性風險溢出效應。

五、結論與政策建議

本文采用DYCI法測算了中國金融機構系統性風險溢出網絡，構建了傳染性指數、脆弱性指數和凈溢出指數等風險測度指標，考察了中國金融機構網絡關聯性的演變態勢，并分別從整體、部門、個體層面探討了中國金融機構系統性風險溢出效應的時序特征。基于此，本文得出如下結論：第一，中國金融機構整體關聯性呈現出較高水平，且隨宏觀經濟形勢變化表現出階段性周期波動特征。第二，從分部門來看，系統性風險溢出效應呈現出異質性和突變性特征；銀行在金融網絡中的系統重要性地位較為突出，各部門風險溢出凈效應的趨勢錯位，在一定程度上減緩了金融體系中的風險共振。第三，從跨部門來看，銀行對證券的風險溢出效應呈現逐年上升態勢。同時，保險部門對其他部門風險溢出效應日益增強。此外，銀行子部門間的風險溢出效應呈現出一定的區制轉移特點。第四，從個體來看，一些資產規模較小的金融機構表現出較強的風險傳染能力；金融機構對風險沖擊的吸收程度總體較高且差異性不大；金融機構在網絡中的系統重要性隨時間不斷變化。

基于以上研究結論，筆者提出以下政策建議：第一，在現行“一委一行兩會”的金融監管框架下，要進一步完善金融監管協調聯動機制，明確各監管主體的職責，加強不同行業監管部門之間的橫向協調以及中央與地方監管部門的縱向合作，使金融監管實現全方位、多層次覆蓋，更廣范圍地形成監管合力，盡可能減少不同部門監管之間的真空地帶，最大限度地消除行業間的監管套利行為。第二，金融機構風險溢出效應異質性較強，且會隨時間發生較大改變。金融監管部門應依據中國金融行業的實際情況，健全現有系統性金融風險監測體系，開發有針對性的高頻風險監測評估工具以及配套的風險預警機制，精準識別高風險金融機構的網絡關聯路徑，實現金融風險的早發現、早識別、早應對，做好系統性金融風險的早期處置工作。第三，針對機構系統重要性地位發生突變的情況，監管部門應根據其類型、規模以及與之關聯的機構，實施動態差異化分類監管措施，并完善風險處置預案工作，以防單一部門金融風險通過多米諾骨牌效應演變成整個金融體系的系統性風險。第四，為了有效防范中國系統性金融風險，除了對大型金融機構設立更高的監管標準，還應重點關注興業銀行、南京銀行和招商證券等風險溢出效應顯著的中小型金融機構，定期監測其網絡關聯結構并實施壓力測試，最大限度地防止金融機構“太關聯而不能倒”現象的發生。第五，為了從源頭上防范系統性金融風險，金融機構應將完善公司治理作為自身發展的重要任務。一方面，金融機構要加強內部風險管理體系建設，健全風險管理制度框架，積極引進風險管理專業人才。另一方面，金融機構要優化企業激勵和約束機制，綜合考慮業務發展的收益與風險，完善員工業績考核評價體系，突出質量、風險防控、合規性等考核指標。第六，防范化解系統性金融風險還應該關注影子銀行體系、房地產價格泡沫、金融市場異常波動等風險源頭；同時，金融科技的快速發展也給中國金融穩定造成一定影響，要加速發展監管科技防范新型金融風險；除此之外，在中國不斷推進金融開放的過程中，跨境資本帶來的風險沖擊勢必會加大，應進一步完善宏觀審慎評估體系中的跨境資本流動監測工具。