金融系統(tǒng)性風險測度文獻綜述

□文/丁志靜 張怡婧

（南京信息工程大學長望學院 江蘇·南京）

［提要］金融系統(tǒng)性風險是廣泛存在的不穩(wěn)定風險，是研究任何一個金融系統(tǒng)必然涉及的問題，但是由于測度方法多樣，關注視角不同，從而結(jié)果也有差異。本文按照發(fā)展歷程，對系統(tǒng)性風險的測度方法進行梳理，并進行簡要評述。

一、引言

自2008年國際金融危機爆發(fā)以來，國際經(jīng)濟金融形勢復雜多變，我國經(jīng)濟面臨周期性、結(jié)構(gòu)性、體制性等問題，金融風險形勢復雜嚴峻。金融是現(xiàn)代經(jīng)濟的核心，金融安全更是國家安全的重要組成部分，金融系統(tǒng)的穩(wěn)定為經(jīng)濟的持續(xù)健康發(fā)展提供了保障，而維護金融安全是關系經(jīng)濟社會發(fā)展全局的一件帶有戰(zhàn)略性、根本性的大事。

金融風險牽動經(jīng)濟大局，與人民生活息息相關，防范金融風險是全球性的任務，遏制危機的重要性已毋庸置疑。為此，對于系統(tǒng)性金融風險的測度，國內(nèi)外學者進行了大量探索，但鑒于金融機構(gòu)的數(shù)量多，且地理特點鮮明，尚未形成統(tǒng)一測度指標和衡量方法，但差異性給經(jīng)濟研究帶來了不同視角，甚至是跨領域的研究。

二、金融系統(tǒng)性風險測度

目前，金融系統(tǒng)性風險測度方法主要體現(xiàn)在以下三個方面：一是對金融系統(tǒng)整體風險的測度；二是對金融風險傳染效應的測度；三是對特殊金融機構(gòu)風險的測度，即影子銀行系統(tǒng)性金融風險的測度。

（一）金融系統(tǒng)整體風險測度

1、基于收益率的金融整體風險測度。一種度量系統(tǒng)性風險的方法是以金融機構(gòu)資產(chǎn)收益率的尾部特征衡量系統(tǒng)性風險，其包括“自上而下”和“自下而上”兩種分析方法。“自上而下”分析方法首先需要確定整個系統(tǒng)的初始風險值，而后按照一定比率將總風險值分攤給各個金融機構(gòu)，即風險傳遞。“自下而上”分析方法是指當一個金融機構(gòu)面臨風險時，對整個金融系統(tǒng)的影響，即風險分散。

“自下而上”分析法的早期代表性文獻為Rockafeller等（1997）。其提出了CoVaR的概念，研究單個金融主體處于風險暴露的情況下，對整個金融體系風險水平的影響。在此基礎上，Adrian等（2011）進一步提出△CoVaR，將機構(gòu)之間的傳導效應引入整體金融系統(tǒng)風險的研究中，完善了以VaR為基礎而后拓展的在險價值風險研究。

通常，金融機構(gòu)i在q分位數(shù)上的在險價值由下列公式表示：

其中，ri表示金融機構(gòu)資產(chǎn)收益率，當為負數(shù)時，即面臨風險。當風險事件發(fā)生時，即機構(gòu)i的資產(chǎn)收益率等于它的在險價值。此時，整個金融系統(tǒng)的條件在險價值為，則：

單一金融機構(gòu)對于金融系統(tǒng)的貢獻，可以由兩個不同程度的風險水平下的金融系統(tǒng)風險之差表示，則機構(gòu)i對于機構(gòu)j的風險貢獻為：

相比于基礎的VaR模型只能處理設定的置信水平的損失，CoVaR模型考慮到了金融機構(gòu)的道德風險，即超過閾值的非正常尾部損失，為政府可能承擔的巨額救助提供了前瞻性的預測。同時，解決了“部分之和大于整體”的誤差，確保變量的連貫性。事實上，不管是尾部還是置信水平下的風險，都可以通過觀測或者估計預測得到，而上述改進模型是被動的，無法做到超越置信水平的可能損失預測。

吳婷婷等（2020）運用極端分位數(shù)回歸的CoVaR模型，對中國33家上市金融機構(gòu)對系統(tǒng)性金融風險的貢獻度進行測度，證明在極端情形下，尾部風險的聯(lián)動性促使股份制商業(yè)銀行對系統(tǒng)性風險的貢獻度上升。林娟等（2020）運用時變△CoVaR模型，估算2006～2018年間滬深股市和香港股市的尾部風險溢出效應，認為滬港通和深港通的開通并未對兩種股市的外溢程度顯著促進或削弱。

“自上而下”分析法具有代表性的文獻是Acharya（2017）。它從風險承擔的角度，描述一個最優(yōu)分配的稅收系統(tǒng)，在考慮到極端尾部風險事件的情況下，改進原變量，使用MES衡量在普遍交易市場下異常事件發(fā)生帶來的風險增加值。

實際上，w1＜zA是發(fā)生頻率極低的極端尾部事件，文章采用損失市場5%的日常可接受損失，用I5%表示，由此定義出如下的邊際預期缺口（MES）：

雖然SES和MES考慮了金融機構(gòu)杠桿對系統(tǒng)風險的影響以及金融機構(gòu)對邊際風險的貢獻，但是卻忽略了金融機構(gòu)規(guī)模對金融風險的影響，在辨識貢獻要素時，存在一定偏差（楊子暉等，2018）。同時，MES只適用于事后研究，無法事前預測本國發(fā)生金融危機的可能性。據(jù)此，Brownlees&Engle（2017）提出了動態(tài)觀測風險指數(shù)SRISK來衡量單一金融機構(gòu)在嚴重市場不經(jīng)濟條件下的資本缺口，并將其作為系統(tǒng)性金融風險的衡量指標。Varotto&Zhao（2018）以SRISK和ES等合成的綜合性指標完善研究。

宋華清等（2014）以銀行業(yè)為例，以DCC-GARCH模型衡量我國14家上市銀行的系統(tǒng)性風險值，表明大型商業(yè)銀行的系統(tǒng)性風險最大。付明等（2020）則以整個金融行業(yè)為視角，優(yōu)化GIR-DCC模型以度量銀行業(yè)、保險業(yè)和證券業(yè)為代表的金融行業(yè)對金融市場體系的風險溢出效應。

總之，CoVaR和SES分析方法，各有特點，互為補充。基于△CoVaR的系統(tǒng)性風險測量方法，捕捉了市場收益率對收益變化的敏感度，而基于MES的各種測度方法，都與公司之于市場收益的敏感度根本上相關，加之不同視角的新發(fā)現(xiàn)、不同對象的新實證，很大程度上豐富了金融系統(tǒng)整體風險測度的方法。

2、構(gòu)造金融指標的金融整體風險測度。另一種度量系統(tǒng)性風險的方法是構(gòu)建相關的金融指標體系，由監(jiān)測指標的取值來測度系統(tǒng)性金融風險，即使用“金融壓力指數(shù)”來反映整個金融體系由于不確定性和預期變化所承受的總體壓力水平的綜合性指標。

金融壓力指數(shù)最早系統(tǒng)地運用的文獻是Hanschel&Monnin（2005）。其以涵蓋股票市場、債券市場、外匯市場和銀行部門的市場價格，推出瑞士銀行的壓力指數(shù)。但是，鑒于樣本周期有限，導致對模型的規(guī)范性要求極高。Illing在改進時，將連續(xù)性與高頻率的需求納入約束范圍內(nèi)，改進原預警指標，成功分析了加拿大金融體系的同期壓力，成為同類研究的開端。

其中，Xi1表示選取的特定時間段的量化指標，而wit為指標所占權(quán)重。

學術(shù)界普遍認可的是客觀賦權(quán)法，另有熵權(quán)法、CRTIC法。前者依靠指標變異性大小確定權(quán)重，后者考慮了不同指標間的沖突性，其公式如下：

系統(tǒng)性金融風險是由不同的子市場進行傳遞至宏觀層面上的量化結(jié)果，具有差異性。結(jié)合中國國情，許滌龍（2015）選取銀行、房地產(chǎn)、股票、外部金融市場4個金融子市場，確定中國不同時期處于的金融壓力期，多方聯(lián)動效應顯現(xiàn)。徐國祥等（2017）選用有效匯率、外匯儲備、中外利差和匯率預期，構(gòu)造出中國EMPI外匯市場壓力指數(shù)，探究貨幣政策的新方向。張勇等（2020）利用金融壓力的時變泰勒規(guī)則，基于變系數(shù)方法建立狀態(tài)空間模型，考察中央銀行應對金融風險的舉措，發(fā)現(xiàn)隨著中央銀行對金融風險的反應力度的增強，產(chǎn)出缺口和通脹的反應力度有所減弱。

從最新的研究看，金融壓力指數(shù)已由靜態(tài)研究轉(zhuǎn)化為動態(tài)變化，能夠靈活地為宏觀政策調(diào)控提供參考。吳錦順等（2020）利用發(fā)達、發(fā)展中國家和地區(qū)的面板數(shù)據(jù)，結(jié)合附加因子的動態(tài)面板門限回歸模型，檢驗貨幣政策對金融壓力增加的狀態(tài)依賴反應。丁慧等（2020）分別運用馬爾科夫區(qū)制轉(zhuǎn)移模型，檢驗金融壓力對宏觀經(jīng)濟運行的非線性效應。

（二）金融風險傳染效應測度。《巴塞爾協(xié)議Ⅲ》強調(diào)，為了維護金融體系的穩(wěn)定，在準確有效地測度金融系統(tǒng)整體風險的同時，還要特別防范單個金融機構(gòu)對金融系統(tǒng)中其他機構(gòu)的風險傳染效應。Hart&Zingale（2009）認為系統(tǒng)性風險是單個機構(gòu)倒閉或者部門崩潰造成的損失，且以“多米諾骨牌式”的連鎖反應在系統(tǒng)內(nèi)快速傳播，由傳染溢至其他市場。

近年來，隨著金融學與社會學科交叉研究的不斷發(fā)展，利用網(wǎng)絡拓撲思想探究金融機構(gòu)之間關聯(lián)性，以及系統(tǒng)性金融風險的傳染效應，已成為該領域的新動向。關于網(wǎng)絡關聯(lián)模型具有代表性的文獻是Diebold&Yilmaz（2014）。

DYCI法是基于VaR模型方差分解技術(shù)，以股票市場為例，結(jié)合網(wǎng)絡拓撲思想，識別系統(tǒng)性金融風險溢出矩陣，以關聯(lián)性測試指數(shù)刻畫不同風險間的溢出路徑。首先，建一個N維VaR模型，具體如下：

其中，t=1，2，…，T；Xt是N維列向量，分別代表N個金融機構(gòu)的股票價格波動率，且均為協(xié)方差平穩(wěn)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，式（9）的移動平均形式可表示為

據(jù)此，定義H階廣義方差分解矩陣DH=［dHi］j，具體如下：

最后，得出雙向溢出指數(shù)為SHi-j=100×dHij，表示機構(gòu)i受到機構(gòu)j影響的風險溢出效應，NSHi-j=SHi-j×SHj-i表示兩個金融機構(gòu)之間的凈風險溢出值，所有研究對象兩兩組合，得到風險傳染矩陣。

除了用上述的VaR方差分解模型構(gòu)建網(wǎng)絡外，復雜網(wǎng)絡也可以用其他方式進行估計，如閆新國等（2020）綜合運用余弦相似度（CS）和最小生成樹（MST）考量基金市場復雜網(wǎng)絡等。這不僅可以分析各風險要素之間的傳導路徑，還可以對時序上的風險趨勢進行動態(tài)追蹤，達到有效測度系統(tǒng)性風險的目的。馬錢挺等（2018）通過刻畫銀行主體動態(tài)行為，構(gòu)建內(nèi)生網(wǎng)絡模型，仿真同業(yè)拆借利率與系統(tǒng)性風險的負相關關系。當序列變成多維，一維的風險矩陣不能滿足研究對象的數(shù)量需求而降維會導致部分信息受損，空間計量模型應運而生。陳雪楚等（2012）利用空間滯后模型，實證分析房價泡沫通過城市間價格相關性產(chǎn)生風險傳染效應。陳秀榮（2018）利用轉(zhuǎn)移熵構(gòu)造有向非對稱經(jīng)濟空間權(quán)重矩陣，捕捉跨經(jīng)濟體空間風險溢出效應。

隨著人工智能和大數(shù)據(jù)的發(fā)展，嵌入新技術(shù)的復雜網(wǎng)絡得到了更多優(yōu)化。李陽等（2020）以貝葉斯方法為基礎，構(gòu)建了用于估計銀行間負債的模型，并利用機器學習算法構(gòu)造了可在條件分布基礎上進行抽樣，以估計其在網(wǎng)絡模型中的先驗信息的敏感性，進而幫助金融監(jiān)管部門更準確地評估金融機構(gòu)的違約風險。榮夢杰等（2020）基于三大區(qū)域社會經(jīng)濟與地理距離指標，結(jié)合反向傳播人工神經(jīng)網(wǎng)絡和社會網(wǎng)絡分析方法，識別區(qū)域間的風險關聯(lián)屬性。相較于指標衡量，網(wǎng)絡分析以其可視化和尚待挖掘的未知潛力，獲得越來越多的學者關注，為更加準確地識別系統(tǒng)性金融風險的傳染性提供了重要途徑。

（三）特殊金融機構(gòu)——影子銀行的風險測度方法。早在2017年，國務院金融穩(wěn)定與發(fā)展委員會便將影子銀行風險管控作為未來四大工作導向之一。《中國影子銀行報告》（2020）指出，影子銀行指的是游離于銀行監(jiān)管體系之外，可能引發(fā)重大風險的信用中介機構(gòu)，它通常以非銀行金融機構(gòu)為載體，對金融資產(chǎn)的信用、流動性和期限等風險因素進行轉(zhuǎn)換，扮演著“類銀行”的角色。與國外的常態(tài)化影子銀行不同，本國的影子銀行與實體銀行密切相關。隨著混業(yè)經(jīng)營的不斷發(fā)展，影子銀行的風險逐漸蔓延，鑒于此類銀行的風險隱蔽特性，其信息披露的準則尚未形成，前述使用具體指標來測量系統(tǒng)性金融風險的方法均不適用。如何緩解影子銀行的風險傳染效應并進行有效監(jiān)管，是一個備受關注的問題。

在影子銀行系統(tǒng)性風險度量上，部分學者以股票市場數(shù)據(jù)為基礎，運用系統(tǒng)性風險Copula-CoVaR模型度量影子銀行系統(tǒng)性風險。由于僅以股票交易為主，無法刻畫出涵蓋影子銀行所有業(yè)務的系統(tǒng)性風險。同時，也有學者通過DSGE模型對影子銀行脆弱性進行研究，但未對系統(tǒng)性風險進行指標度量。方意（2019）借鑒Duarte&Eisenach（2015）的思路，利用信托業(yè)務的微觀逐筆數(shù)據(jù)構(gòu)建虛擬機構(gòu)資產(chǎn)負債表，并結(jié)合資產(chǎn)價格傳染網(wǎng)絡模型，對以信托行業(yè)為代表的影子銀行系統(tǒng)性風險進行度量，這種衡量方式已成為目前的度量標桿。

對于影子銀行的監(jiān)管，需從源頭抓起，嚴格其進入與退出制度。第一，注重監(jiān)測影子金融機構(gòu)隱性的業(yè)務層面風險；第二，打破影子機構(gòu)的剛性兌付體制；第三，確保監(jiān)管政策的長期性以及連續(xù)性。

三、評述與展望

從金融整體風險的具體指標測度，到金融系統(tǒng)間的網(wǎng)絡分析，可以看出金融系統(tǒng)性風險是隨著金融系統(tǒng)的復雜度而不斷完善的。將兩種方法進行比較，可以歸納出兩點：第一，基于收益率的整體風險測度方法，適用于特定置信水平下的風險事件，即事后預測，而金融指標測度法偏向于事前預測，通常以不同的市場為轉(zhuǎn)移，靈活性較強。第二，網(wǎng)絡分析法的優(yōu)勢在于學科交叉，在于與前沿學科的精準對接，且能夠在時間序列中達到靜態(tài)與動態(tài)的互動。對于體制外的影子銀行，其風險的更多度量方式仍有待探索。