金融機構ESG表現對系統性風險溢出作用研究

［摘要］ 基于DCC-GARCH-ΔCoVaR模型，考察金融機構ESG表現與其系統性風險溢出之間的關系。實證研究發現，整體上金融機構ESG表現改善能夠有效降低系統性風險溢出，且當將其拆解為三個維度時，環境和社會表現對系統性風險溢出具有抑制作用，而治理表現的作用則是促進性的。作為內部因素的機構規模增大會增強ESG表現對于系統性風險溢出的抑制作用，而在外部因素即危機事件發生的情況下該作用的效果更加明顯。將金融行業細分后，證券業中金融機構ESG表現的改善能夠降低系統性風險溢出，但在保險業結果卻相反，而在銀行業中的作用則并不顯著。

［關鍵詞］ 金融機構；ESG表現；系統性風險溢出；金融風險

［中圖分類號］ F830．34［文獻標識碼］ Ａ［文章編號］ 1008-1763（2024）05-0053-09

A Study of the Impact of ESG Performance of Financial

Institution on Systemic Risk Spillover

XIE Chi1，2， DONG Meiyu1

（1. Business School， Hunan University， Changsha410082， China；2. Hunan Province Key

Laboratory of Philosophy and Social Science of Industrial Digital Intelligence Finance， Changsha410082， China）

Abstract：Based on the DCC-GARCH-ΔCoVaR model， the relationship between the ESG performance of financial institutions and their systemic risk spillover is investigated. The empirical research reveals that， on the whole， the improvement of ESG performance of financial institutions can effectively reduce the systemic risk spillover. And when it is decomposed into three dimensions， the environmental and social performances have an inhibitory effect on the systemic risk spillover， while the role of governance performance is positive. The increase in the size of the institution， as an internal factor， will enhance the inhibitory effect of ESG performance on the systemic risk spillover， and the effect is more pronounced in the case of external factors， namely the occurrence of crisis events. After subdividing the financial industry， the improvement of ESG performance of financial institutions in the securities industry can reduce the systemic risk spillover， but the result is the opposite in the insurance industry， while the effect in the banking industry is not significant.

Key words： financial institution; ESG performance; systemic risk spillover; financial risk

一引言

在實體經濟低迷、逆全球化趨勢抬頭的背景下，泛金融化現象逐步顯現，資金“脫實向虛”，在阻礙經濟健康發展的同時，拉長了金融機構之間的結算鏈條，使得尾部風險關聯性增強，單個機構產生的風險往往導致整個系統風險的發生[1-3]。目前來看，微觀審慎監管已經不足以預警和防范系統性金融風險，而加強對系統性風險監控的前提是準確測度極端風險條件下單個機構對整個系統的風險溢出效應[4]。

ESG概念最早由聯合國環境規劃署在2004年提出，其主張企業在關注經營的同時還應該考慮包括環境（environment）、社會責任（social）和治理（governance）等三個方面在內的ESG表現。在此之后，ESG表現逐步成為國際社會衡量經濟主體可持續發展能力最為主要的因素[5]。歐洲銀行管理局也指出，ESG表現可能會影響經濟和金融體系。在此背景下，ESG表現與系統性金融風險之間的關系越來越得到各界的重視[6]。

鑒于此，本文以中國上市金融機構為實證樣本，采用相關文獻拓展出的DCC-GARCH-ΔCoVaR模型，提取出它們的系統性風險溢出，并借助萬德數據庫中華證ESG表現數據，系統探討金融機構ESG表現對其系統性風險溢出的影響，并考察內部因素機構規模和外部因素突發事件的調節作用。

二文獻綜述

（一）ESG表現相關研究

目前，與ESG表現相關的研究主要集中在兩個方向。一個是關于ESG表現的影響因素。其中，對于外部因素，Zhao等指出，政府補貼是影響企業是否愿意提升自身ESG表現的關鍵所在，它對于企業來說是一種現金流入，如果能獲得便可以緩解企業在運營成本方面的壓力，從而更好地投身ESG實踐并改善自身的ESG表現[7]。Chiasson和Davidson發現，行業屬性決定了企業選擇哪一種戰略決策，進而影響企業的ESG表現[8]。Dhaliwal等證實，作為資本市場的重要參與主體的外部投資者，其所控制的資本份額可以促使企業改善ESG表現[9]。對于內部因素，Crifo等認為，國有企業的ESG表現普遍優于非國有企業[10]。Drempetic等的研究表明，企業規模越大并且擁有的資源越多，其ESG表現的改善就越具有促進效應[11]。

另一個是關于ESG表現的經濟后果，主要體現在與企業自身運營有關的方面。邱牧遠和殷紅證實，企業通過改善ESG表現能夠更加全面地呈現非財務信息，讓利益相關者充分了解企業的財務實力和可持續發展能力，從而降低投資者的風險溢價，緩解企業的融資約束[12]。Hoepner等根據信號傳遞理論開展研究后指出，ESG表現傳遞出的積極信號有助于獲取外部資源，降低自身財務風險，進而減少債務融資成本[13]。謝赤和李蔚瑩采用面板模型和面板分位數模型分析得出結論，企業改善ESG表現確實可以降低財務風險[14]。帥正華認為，好的ESG表現可以幫助企業抑制管理層信息掩蓋、提高信息透明度等，它的這種監督治理作用將減少企業的高風險行為[15]。Chen和Xie證明，ESG信息披露對企業財務績效具有良好的影響，且效果在那些有ESG投資者參與的企業中更為明顯[16]。王治和彭百川發現，ESG表現良好的企業更有機會獲得政府補貼、稅收優惠等，從而使企業績效得到提升[17]。Hao和He強調，良好的ESG表現有利于促進企業信息透明度的提高，使自身與利益相關者關系更加緊密，進而幫助企業吸收和整合來自外部的新知識，提高創新能力[18]。

（二）金融機構系統性風險溢出相關研究

所謂系統性金融風險，一般指對金融體系的負面沖擊致使市場參與者同時遭受重大損失，且在系統中不斷蔓延，最終造成嚴重損害的風險[19]。劉春航指出，系統性金融風險的形成及影響包括兩個動態過程：一是某個或某些金融機構由于受到沖擊而面臨極端風險，風險的規模和強度在一定程度上可以利用尾部風險來刻畫；二是單個金融機構與整體金融系統存在明顯的尾部共振現象，機構之間的風險溢出會加速極端風險在機構與體系之間的擴散[20]。當前，關于金融機構系統性風險溢出的研究主要聚焦于三個方面。

首先是對系統性風險溢出的測度。周開國等強調，進行合適的尾部風險測度十分重要，唯此才能掌握金融市場之間系統性風險傳染的聯動效應，刻畫金融市場風險傳染的機制[21]。Adrian和Brunnermeier在風險價值（VaR）的基礎上提出條件風險價值（CoVaR），即一個特定金融機構處于某種狀態下，其他金融機構或者整個金融系統的風險價值，或當金融機構發生危機時的金融系統風險價值，用以測量單個金融機構對系統性風險的貢獻大小[22]。Girardi和Ergün認為，衡量尾部風險需要使用系統性風險貢獻（ΔCoVaR）這一指標，它能夠更好地捕捉極端情形下的風險[23]。宮曉莉等指出，ΔCoVaR表示的是單個金融機構對整體金融系統的風險負外部溢出，它量化了單個機構處于壓力下時對整個系統的額外風險，捕獲了其對總體系統性風險的邊際貢獻，反映了危機中的某一機構對其他機構或者系統的邊際風險貢獻大小[24]。

其次是對金融機構系統性風險傳染路徑和溢出效應的探討。許曄通過建立風險網絡研究指出，金融機構的系統性風險重要性隨市場情況而變化[25]。張興敏等基于滾動窗口技術運用半參數分位數回歸，刻畫中國金融系統的網絡傳染關系，并結合尾部網絡關聯度來識別系統重要性金融機構[26]。陳守東等發現，在極端事件沖擊下，金融機構產生巨大的尾部風險溢出，所有行業尾部風險均大幅度增加，金融機構的風險傳染會對其他行業產生影響[27]。張宗新等基于金融壓力指數進行系統性金融風險動態測度，構建跨部門風險溢出網絡，證實危機時期跨部門風險協同運動趨勢明顯，且溢出方向和強度均具有非對稱性[28]。周悅玥等采用LASSO-CoVaR模型對中國38家上市金融機構系統性金融風險展開網絡拓撲分析，指出銀行、證券和保險三大行業都存在較為明顯的風險溢出，其中溢出效應最強的是證券業[29]。

最后是對金融機構系統性風險溢出影響因素的研究。其中，對于企業不可控因素，羅雨柯利用計量經濟學模型考察美國貨幣政策對中國系統性金融風險溢出效應的影響，發現緊縮性貨幣政策短期內會增加金融風險溢出，長期有助于金融市場穩定，寬松性貨幣政策在短期和長期均會推動金融風險溢出上升[30]。肖崎和黃澤彬指出，企業通過發行債券、股票等方式來融資以支持企業發展或擴張的行為，會加大實體行業對金融市場的系統性風險溢出效應[31]。對于企業可控因素，Hakan等在歐洲藍籌公司股票市場背景下，探討企業提高ESG評級是否會降低其系統性風險貢獻，證實與ESG評級較低的企業相比，評級較高的企業的系統性風險貢獻或暴露減少了7.3%[32]。

三研究設計

（一）樣本與數據

中國ESG發展的起步可以追溯到2005年，當時證券監督管理委員會發布《上市公司環境信息披露指引》。這是國內首個要求上市公司披露環境信息的指導性文件，為ESG發展奠定了基礎。2009年，證監會進一步發布《上市公司社會責任報告指引》，要求上市公司披露社會責任報告，將社會因素納入企業的經營管理范疇，為ESG投資提供了更多的信息來源。

本文以上市金融機構開始發布ESG評級信息的2009年1月為樣本區間的起始點，終止時間確定為2023年12月。ESG數據來源于Wind數據庫中的華證ESG評級，其他財務數據取自國泰安（CSMAR）數據庫。為了排除異常值對面板回歸結果顯著性的影響，本文分別使用Excel 2016、R 4.3.2和Stata 15.1三個分析軟件，對連續變量的數據按照上下1%水平進行Winsorize縮尾處理，這樣每個變量最終包含1733個觀測值。

（二）變量定義

1. 被解釋變量

借鑒宮曉莉等的研究[24]，本文采用ΔCoVaR作為系統性風險溢出的代理變量，用以捕捉單個金融機構對總體金融系統性風險的邊際貢獻。

2. 解釋變量

Wind數據庫的華證ESG評級體系參照國際主流做法并結合國內市場的實際情況構建評價體系，其涵蓋3個一級指標、14個二級指標、26個三級指標，具體如表1所示[33]。評價數據主要來源于金融機構的定期報告，以及臨時公告、媒體新聞、國家和地方監管部門關于上市金融機構的違規公告。同時，華證ESG評級體系考慮到不同行業的運營模式、資產結構和主營業務存在較大差異，為實現ESG評價的精細化，基于行業設置權重體系，計算ESG得分，并對應給予AAA至C的9檔評級。故此，本文采用9分制對金融機構的ESG評級進行賦分，分數越高代表ESG表現越好。

3. 控制變量

根據已有研究，本文控制其他可能影響金融機構系統性風險溢出的因素，包括現金資產比率、資產負債率、每股收益和成長能力，同時還控制時間和個體的固定效應。

4. 調節變量

為探討在金融機構規模影響下，以及危機事件發生后，金融機構ESG表現對其系統性風險溢出作用的變化，本文選取危機事件與企業規模為調節變量。

所有變量及其定義見表2。

（三）研究方法

1. 基于DCC-GARCH模型的時變相關性測度

為考察不同收益率向量之間的動態相關性，Engle等提出動態條件相關系數GARCH，即DCC-GARCH模型，它可以很好地反映出時間序列相關性變化的動態特征［34］。其基本形式為：

rt=μt+εt，εt～N（0，Ht）（1）

Ht=DtRtDt（2）

Dt=diag（h1/211，t，…，h1/2nn，t）（3）

Rt=（Q*t）-1Qt（Q*t）-1（4）

Qt=（1-α-β）+α（ξt-1ξ′t-1）+βQt-1（5）

式中，rt表示收益率序列；μt表示均值序列；εt表示標準殘差序列，為擾動項；Ht是條件協方差矩陣；Dt為條件標準差對角矩陣，對角線元素為GARCH模型中的條件標準差；Rt為動態條件相關系數矩陣；Qt為條件標準差矩陣，Q*t表示由Qt的對角線元素的平方根組成的對角矩陣；ξt為標準化殘差，ξ′t為標準化殘差的轉置；為ξt的無條件方差矩陣；α和β為非負的待估參數，且α+β<1。

2. 基于ΔCoVaR模型的系統性風險溢出測度

風險價值（VaR）是指在一定置信水平下，金融機構在未來一定時間內可能發生的最大損失，有表達式[25]：

Pr（ri，t≤VaRiq，t）=q%（6）

其中，ri，t表示金融機構i在時刻t的收益率，VaRiq，t為其在置信水平（1－q）下的最大可能損失值。需要指出的是，VaR關注的是單個金融機構的風險，沒有反映出作為整體的金融系統穩定性受到威脅的風險[24]。

條件風險價值（CoVaR）為某一金融機構處于危機時金融系統所面臨的風險。假設金融機構i在時刻t發生事件，其在置信水平（1－q）下的VaR用CoVaR來表示，則有

Pr（rj，t≤CoVaRi|C（Xi，t）q，t|ri，t≤VaRiq，t）=q （7）

可見，CoVaRiq，t的含義是金融系統在金融機構i處于q分位數的VaR值，反映了該金融機構的系統性風險溢出效應。

在此基礎上，金融機構對金融系統的風險貢獻大小可以表示為金融機構處于危機時金融系統的條件風險價值與其收益率處于中位數（Median）時的條件風險價值的差額，即

ΔCoVaRiq，t=CoVaRVaRiq，tq，t-CoVaRMedianiq，t（8）

這里，ΔCoVaR表示的便是金融機構對于金融系統的風險溢出，它量化了單個金融機構處于危機時對金融系統產生的風險沖擊，捕捉了其對系統性風險的邊際貢獻。

3. 回歸模型設定

考慮到不可觀測因素可能同時對金融機構ESG表現和其系統性風險溢出產生影響，從而帶來模型的內生性問題，因此本文選用雙向固定效應模型展開相關分析。基準回歸模型為

ΔCoVaRi，t=α01+α11ESGi，t+α12Controlsi，t+

∑Year+∑Industry+εi，t（9）

其中，ESGi，t為金融機構ESG表現；Controlsi，t為控制變量，包括凈資產收益率、財務杠桿、現金資產比率和成長能力；∑Year和∑Industry分別為時間固定效應和個體固定效應；εi，t為隨機誤差；α01為截距；α11反映金融機構ESG表現對系統性風險溢出的直接影響；α12反映控制變量的影響。

為甄別金融機構ESG三個維度，即環境、社會和治理對其系統性風險溢出的影響，分別構建以下模型：

ΔCoVaRi，t=α02+α21Ei，t+α22Controlsi，t+

∑Year+∑Industry+εi，t（10）

ΔCoVaRi，t=α03+α31Si，t+α32Controlsi，t+

∑Year+∑Industry+εi，t（11）

ΔCoVaRi，t=α04+α41Gi，t+α42Controlsi，t+

∑Year+∑Industry+εi，t（12）

其中，α21、α31和α41分別反映ESG表現的三個維度對系統性風險溢出的直接影響。

為考察機構規模在金融機構ESG表現與其系統性風險溢出之間的調節效應，引入交乘項ESGi，t×Sizei，t構建模型：

ΔCoVaRi，t=α05+α51ESGi，t+α52Sizei，t+

α53ESGi，t×Sizei，t+α54Controlsi，t+∑Year+

∑Industry+εi，t（13）

其中，Sizei，t為機構規模；α53反映上述調節效應。

為考察危機事件在金融機構ESG表現與其系統性風險溢出之間的調節效應，引入交乘項構建模型：

ΔCoVaRi，t=α06+α61ESGi，t+α62Cii，t+

α63ESGi，t×Cii，t+α64Controlsi，t+∑Year+

∑Industry+εi，t（14）

其中，Cii，t為虛擬變量，表示金融機構是否受到危機事件的沖擊；α63反映上述調節效應。

（四）初步分析

1. 危機事件

近年來，各類重大突發事件對金融系統頻繁造成直接沖擊，事件爆發后金融機構對金融系統的風險溢出影響值得關注。本文借鑒胡春陽等的研究[35]，對已經發生危機事件進行定義，具體見表3。

2. 金融機構股票日收益率波動與系統性風險溢出

圖1給出了32家上市金融機構在研究期內的股票平均日收益率變動趨勢，其中陰影部分為危機事件發生的時間區段。不難看出，該指標在危機事件爆發后均出現大幅度波動。

在圖1的基礎上，本文根據DCC-GARCH-ΔCoVaR模型計算32家上市金融機構的系統性風險溢出指標，并繪制2009年至2023年金融機構平均系統性風險溢出時變圖，如圖2。可以發現，金融機構每當面臨危機事件沖擊時，系統性風險溢出均有所增加。

3. 描述性統計

表4報告了相關變量的描述性統計結果。在解釋變量方面，ESG表現得分的均值為5.9232，表明32家金融機構的ESG表現整體處于中上等水平。就被解釋變量而言，金融機構系統性風險溢出的變化范圍為0.0016至0.1480，均值為0.0264，表明大部分金融機構的系統性風險溢出都處于較小的水平。

四實證分析

（一）基準分析

1. 總體視角下金融機構ESG表現

表5中列（1）為金融機構ESG表現對其系統性風險溢出影響的回歸結果，系數為－0.0014且在1%水平上顯著，說明在控制其他變量的情況下上述影響是存在且負向的，即金融機構ESG表現改善可以有效降低其系統性風險溢出。

2. 分維度視角下金融機構ESG表現

表5列（2）、列（3）和列（4）分別為金融機構ESG表現的三個維度對其系統性風險溢出影響的回歸結果。環境（E）和社會（S）維度的系數分別為－0.0023和－0.0019，說明它們對金融機構系統性風險具有負向影響，即環境和社會表現越改善，金融機構的系統性風險溢出越低；治理（G）維度系數為0.0008，說明其對金融機構系統性風險產生的影響是正向的，即治理水平越高，金融機構的系統性風險溢出越大。

（二）調節效應分析

1. 機構規模調節效應

機構規模在金融機構ESG表現與其系統性風險溢出關系中的調節作用在表6中列（1）得到體現。加入金融機構ESG表現與規模的交乘項（ESG×Size）后，交乘項的系數為－0.0002，可見金融機構規模擴大會增強其ESG表現作用的發揮，或者說會強化其ESG表現改善對金融機構系統性風險的抑制作用，即它具有正向調節效應。

2. 危機事件調節效應

由表6中列（2）可知，金融機構ESG表現與危機事件交叉項的系數為－0.0021，說明危機事件發生將強化金融機構ESG表現對其系統性風險溢出原來的負向作用，即在面臨危機事件時，金融機構ESG表現的改善較正常時期可以更加有效降低其系統性風險的溢出。

（三）分行業分析

為了討論不同金融子行業中金融機構ESG表現對其系統性風險溢出影響的差異，本文將32家金融機構劃歸進三個行業：銀行業、證券業和保險業。表7列（1）～列（3）分別呈現了針對以上三個行業的回歸結果，表明證券業ESG表現的改善可以有效降低該行業中金融機構的系統性風險溢出，保險業ESG表現的改善會增加其系統性風險的溢出，而對于銀行業作用則不顯著。

（四）檢驗分析

1. 穩健性檢驗

本文在上面實證部分對一些金融機構的股票日收益率的缺失數據根據相關會計準則進行了補齊處理，為避免處理后的數據干擾實證結果，下面通過調整樣本區間來進行穩健性檢驗，具體做法是將研究期從2009-2023年縮短為2015-2023年。表8中列（1）給出了研究區間調整后的回歸結果，其中金融機構ESG表現的系數為－0.0008且顯著，說明它與其系統性風險的溢出依然呈負向關系，即金融機構ESG表現的改善可以有效降低其系統性風險溢出這一結果是穩健的。

2. 內生性檢驗

雙向因果關系等可能造成所謂內生性問題，即金融機構ESG表現與其系統性風險溢出互為因果，使得解釋變量與誤差項相關。為此，本文采用滯后解釋變量的方法對此進行檢驗。由于金融機構ESG表現具有滯后性，同時前期的ESG表現提升將為后期的金融機構發展奠定良好的基礎，故選取滯后一期的ESG表現（L1.ESG）來開展相關實證。表8中列（2）報告的計算結果顯示，L1.ESG的回歸系數為－0.0009且顯著，說明金融機構ESG表現的改善可以有效降低其系統性風險的溢出的結果并沒有受到內生性的影響。

五結論

近年來，隨著ESG理念的迅速發展，外部投資者和內部管理者都越來越關注企業在此方面的認識和實踐。本文以上市金融機構為代表，探討它們的ESG表現如何影響系統性風險的溢出，經過實證研究得到如下結論：

首先，金融機構ESG表現對系統性風險溢出總體上具有抑制作用，但是在具體到其三個維度的影響時，結果卻有差別：環境和社會因素與后者呈負向關系，而治理因素與之呈正向關系，表明重視可持續發展和社會責任的金融機構可以更有效地降低其系統性風險溢出。其次，金融機構的規模擴張會增強ESG表現對系統性風險溢出的抑制作用，即體量越大的機構對金融市場產生的系統性風險溢出越小。同時，危機事件發生后，改善金融機構ESG表現能更加有效地抑制其系統性風險溢出，說明金融機構的ESG表現在這時更加重要。最后，分屬于不同子行業的金融機構的ESG表現對系統性風險溢出的作用是各不相同的：在證券業金融機構ESG表現對系統性風險溢出具有抑制作用，在保險業則是積極的，而在銀行業影響并不顯著。

［參考文獻］

［1］楊子暉， 陳雨恬， 張平淼. 股票與外匯市場尾部風險的跨市場傳染研究[J]. 管理科學學報，2020（8）： 54-77.

[2] 曾志堅， 張欣怡， 黃珊. 公司債市場是新常態下證券市場的風險信號標嗎？——基于公司債與股票市場間風險溢出的研究[J]. 財經理論與實踐， 2020（1）： 41-47.

[3] 葉莉， 王遠哲， 陳勇勇. 基于尾部風險關聯網絡的中國金融機構間風險溢出效應研究[J]. 統計與信息論壇， 2019（3）：54-63.

[4] 劉超， 劉彬彬. 金融機構尾部風險溢出效應——基于改進非對稱CoVaR模型的研究[J]. 統計研究， 2020（12）： 58-74.

[5] 孫為政. 環境社會治理（ESG）績效關系及其對企業績效的影響[J]. 當代經理人，2020（3）： 16-19.

[6] Bax K， Bonaccolto G， Paterlini S. Do lower environmental， social， and governance （ESG） rated companies have higher systemic impact？ Empirical evidence from Europe and the United States [J]. Corporate Social Responsibility and Environmental Management， 2023（3）： 1406-1420.

[7] Zhao C H， Guo Y， Yuan J H， et al. ESG and corporate financial performance： empirical evidence from China's listed power generation companies [J]. Sustainability， 2018： 2607.

[8] Chiasson M， Davidson E. Taking industry seriously in information systems research [J]. MIS Quarterly， 2005（4）：591-605.

[9] Dhaliwal D S， Li O Z， Tsang A， et al. Voluntary nonfinancial disclosure and the cost of equity capital： the initiation of corporate social responsibility reporting [J]. The Accounting Review， 2011（1）： 59-100.

[10]Crifo P， Forget V， Teyssier S. The price of environmental，social and governance practice disclosure： an experiment with professional private equity investors [J]. Journal of Corporate Finance， 2015，30：168-194.

[11]Drempetic S， Klein C， Zwergel B. The influence of firm size on the ESG score： corporate sustainability ratings under review [J]. Journal of Business Ethics， 2020（2）： 333-360.

[12]邱牧遠， 殷紅. 生態文明建設背景下企業ESG表現與融資成本[J]. 數量經濟技術經濟研究， 2019（3）： 108-123.

[13]Hoepner A， Oikonomou I， Scholtens B， et al. The effects of corporate and country sustainability characteristics on the cost of debt： an international investigation [J]. Journal of Business Finance & Accounting， 2016（1-2）： 158-190.

[14]謝赤， 李蔚瑩. 企業改善ESG表現能降低財務風險嗎？——來自中國上市公司的經驗證據[J]. 湖南大學學報（社會科學版）， 2023（2）： 51-58.

[15]帥正華. 中國上市公司ESG表現與資本市場穩定[J]. 南方金融， 2022（10）： 47-62.

[16]Chen Z F， Xie G X. ESG disclosure and financial performance： moderating role of ESG investors [J]. International Review of Financial Analysis， 2022，83：102291.

[17]王治， 彭百川. 企業ESG表現對創新績效的影響[J]. 統計與決策， 2022（24）： 164-168.

[18]Hao J， He F. Corporate social responsibility （CSR） performance and green innovation： evidence from China [J]. Finance Research Letters， 2022： 102889.

[19]Benoit S， Colliard J E， Hurlin C， et al. Where the risks lie： a survey on systemic risk [J]. Review of Finance， 2017（1）： 109-152.

[20]劉春航. 大數據、監管科技與銀行監管[J]. 金融監管研究， 2020（9）： 1-14.

[21]周開國， 季蘇楠， 楊海生. 系統性金融風險跨市場傳染機制研究——基于金融協調監管視角[J]. 管理科學學報， 2021（7）： 1-20.

[22]Adrian T， Brunnermeier M K. CoVaR[J]. American Economic Review， 2016（7）： 1705-1741.

[23]Girardi G， Ergün A T. Systemic risk measurement：multivariate GARCH estimation of CoVaR [J]. Journal of Banking & Finance， 2013（8）： 3169-3180．

[24]宮曉莉， 熊熊， 張維. 我國金融機構系統性風險度量與外溢效應研究[J]. 管理世界， 2020（8）： 65-83.

[25]許曄. 基于尾部風險網絡的中國金融機構重要性研究[J]. 宏觀經濟研究， 2019（11）：102-111.

[26]張興敏， 傅強， 張帥， 等. 金融系統的網絡結構及尾部風險度量——基于動態半參數分位數回歸模型[J]. 管理評論， 2021（4）： 59-70.

[27]陳守東， 康晶， 林思涵. 金融機構尾部系統風險與行業風險關聯效應研究——基于尾部相依性視角[J]. 金融論壇， 2020（11）： 17-28.

[28]張宗新， 陳瑩. 系統性金融風險動態測度與跨部門網絡溢出效應研究[J]. 國際金融研究， 2022（1）： 72-84.

[29]周悅玥， 張旭. 系統性金融風險wr1fLiihxbl6CqQ8YjfFqu6+NNfgD+lM5EdO7Jg4Ddg=溢出網絡研究——基于LASSO-CoVaR模型的網絡拓撲分析[J]. 中國物價， 2023（3）： 67-71.

[30]羅雨柯. 美國貨幣政策對中國系統性金融風險的溢出影響[J]. 統計與決策，2023（23）： 144-149.

[31]肖崎， 黃澤彬. 企業金融化視角下實體行業對金融體系的系統性風險溢出效應研究[J]. 投資研究， 2023（11）： 14-30.

[32]Hakan M E，Cortés ngel A. The impact of ESG ratings on the systemic risk of European Blue-Chip Firms [J]. Journal of Risk and Financial Management， 2022（4）： 153-153.

[33]王翌秋， 謝萌， 郭沖. 企業ESG表現影響銀行信貸決策嗎——基于中國A股上市公司的經驗證據[J]. 金融經濟學研究， 2023（5）： 97-114.

[34]Engle R F， Manganelli S. CAViaR： conditional autoregressive value at risk by regression quantiles [J]. Journal of Business & Economic Statistics， 2004（4）： 367-381.

[35]胡春陽， 馬亞明. 重大突發事件沖擊下實體經濟與金融市場間上行和下行溢出效應[J]. 統計研究， 2023（11）： 80-92.