基于影子銀行視角的我國系統性金融風險測度及預警研究

摘 要：本文編制了我國影子銀行部門的資產負債表，準確識別我國影子銀行規模，分析影子銀行基于資產負債表渠道的系統性金融風險傳染機制。基于蒙特卡洛模擬構建了以影子銀行為中心節點的金融機構間網絡模型，得出三種不同集中度金融機構間網絡的系統性金融風險損失的VaR和ES值，對我國影子銀行違約引發的系統性金融風險進行測度。基于此，劃分了“綠色可控區”、“橙色預警區”和“紅色風險區”三類級別的系統性風險區間，構建了以影子銀行資產規模/GDP為核心，同時考慮經濟增速和貨幣環境的風險預警指標，并以美國次貸危機前后影子銀行資產規模占GDP比重作為參照系，得出我國金融業系統性風險預警指標區間值，并據此提出加強對影子銀行管理與隔離、做好影子銀行風險識別與監測、將影子銀行納入廣義宏觀審慎管理體系、建立影子銀行風險預警和處置機制的政策建議。

關鍵詞：影子銀行；資產負債表；網絡模型；風險預警指標

中圖分類號：F832.35 文獻標識碼：A 文章編號：1674-2265（2018）11-0013-10

DOI：10.19647/j.cnki.37-1462/f.2018.11.002

一、引言及文獻綜述

金融安全是國家安全的重要組成部分，是經濟平穩健康發展的重要保證。習近平總書記在第五次全國金融工作會議上強調，防止發生系統性金融風險是金融工作的永恒主題，要把主動防范化解系統性金融風險放在更加重要的位置。2008年國際金融危機以來，由影子銀行領域引發的金融風險和金融安全問題受到高度關注。我國的影子銀行具有較強的內生特質，銀行、信托、證券等金融機構通過銀信合作、銀證合作、理財、回購等業務，使金融機構間資產負債產生關聯，同時通過金融產品與互聯網金融、民間融資等業態相互交織。同時，影子銀行創新速度快、信用關系復雜、信息透明度低，與金融部門關聯度高，且大部分影子銀行業務游離于金融監管體系之外，由此決定了影子銀行的高風險傳染特征。一旦某一機構資產狀況發生異常，就會影響到其他機構負債的違約概率，進而影響交易對手方資產質量，會計賬戶之間的風險傳導機制由此產生，并成為影子銀行業務風險在金融體系最主要的風險傳染渠道（Castren和Kavonius，2009；Pozsar，2010）。因此，如何剝離紛繁復雜、千絲萬縷的聯系，探索構建我國影子銀行部門的資產負債表，準確識別影子銀行部門規模，測度影子銀行引發的系統性金融風險并進行預警，具有十分重要的理論意義和現實意義。

本輪國際金融危機以來，關于影子銀行風險形成了一系列的研究成果：一是影子銀行的系統性風險傳染機制。IMF（2008）認為，影子銀行體系引發次貸危機并使危機進一步惡化的關鍵原因在于高杠桿率，以及由此帶來的高經營風險。孫國峰（2015）研究認為，非銀行金融機構進行的“通道”業務并沒有分散信用風險，剛性兌付普遍存在，影子銀行風險會轉嫁到銀行業金融機構。王永欽（2016）認為影子銀行對金融體系帶來了深刻變化，增加了金融體系的脆弱性，金融體系變得“太關聯而不倒”（too connected to fail）。二是系統性金融風險的度量。國際上比較成熟的系統性風險度量方法主要有四大類：（1）網絡分析法，主要由機構間資產負債表相互敞口、支付結算體系結構或者某種信息層面的關系構成。Zawadowski（2013）、Acharya和 Bisin（2014）以及 Duf?e和Zhu（2011）都探討了結算對手方風險的傳染，并認為當支付結算體系的網絡結構中只存在一個中央對手方時，系統性風險最小。Cespa和Foucault（2014）指出，某一資產流動性匱乏的信息將傳染給相關資產，并造成其市場價格的下跌，從而惡化機構的資產負債表。（2）尾部度量法，該方法通過金融機構資產收益在統計上的尾部特征來測度系統性風險。目前國際上最流行的四種尾部度量法分別是邊際期望損失法（Marginal Expected Shortfall， MES）、系統損失預期法（Systemic Expected Shortfall，SES）、系統風險指數法（Systemic Risk Measure，SRISK）以及條件在險價值法（CoVaR）。（3）或有權益分析法，Gray和Jobst（2011）利用的是經風險調整后的資產負債表。（4）宏觀壓力測試法。Hirtle、Schuermann和Stiroh（2009）在監管資本評估項目的壓力情景中使用了諸如GDP 增長率、失業率、房地產價格等宏觀經濟變量。三是系統性金融風險的預警方法。IMF和FSB共同建立了一個系統性風險早期預警測試系統（Early Warning Exercise，EWE），采用定性和定量分析相結合的方式，加強對風險因素和傳導路徑的研究。各國監管當局開發和運用多種預警系統對系統性風險進行整體評估和預警，如奧地利中央銀行的SRM系統、英格蘭銀行開發的系統性機構風險評估模型（RAMSI）、墨西哥銀行的系統性風險系統以及荷蘭中央銀行的系統性風險系統。我國金融管理部門也在積極建立金融風險監測預警體系。人民銀行定期發布《中國金融穩定報告》，對金融體系穩定狀況進行全面評估，探索建立我國系統性金融風險預警指標體系。（原）銀監會建立了銀行風險早期預警系統（REASS），證監會建立了證券市場系統性風險監測指標體系，（原）保監會建立了保險業宏觀風險監測指標體系（陶玲，2016）。

二、我國影子銀行資產負債表的構建及風險傳染機制

本文借鑒已有研究經驗，結合我國影子銀行發展實際，將我國影子銀行界定為銀行信貸業務以外，具有“類銀行信貸”特點、發揮債務融資功能的業務活動和信用中介機構，主要包括三類：一是存在銀行系統內的“銀行影子”業務，常見于銀行理財、未貼現的銀行承兌匯票、委托貸款等表外業務；二是具備“類銀行”特點的非銀行金融機構業務，主要包括證券、保險、信托、金融租賃、消費金融、汽車金融、小貸、典當等；三是非正規金融活動，包括私募基金和民間借貸等。

（一）我國影子銀行資產負債表的構建

本文綜合運用直接法和間接法兩種方法，構建了2010—2015年我國影子銀行的資產負債表（見表1）①。本文測算結果與其他各機構測算結果基本相當。以2012年中國影子銀行的資產規模數據為例，2012年瑞銀測算的中國影子銀行規模為24.4萬億元，穆迪測算的中國影子銀行規模為29萬億元，中金公司測算的影子銀行（廣義）規模為27萬億，本文測算結果為26.44萬億。

（二）影子銀行的系統性金融風險傳染機制

1. 資產負債表的直接渠道。影子銀行與銀行等金融機構之間相互持有資金和產品，資產負債直接關聯，形成資產負債表之間的風險傳導機制。當影子銀行體系某一機構資產狀況惡化，發生違約，則持有該機構產品的金融機構資產負債表中的資產就會減少，當影響到當期負債償還時，銀行等金融機構將發生信用違約或流動性風險。當這種違約通過影子銀行體系波及多家銀行等金融機構時，就會引發系統性風險，甚至會對央行資產負債表產生影響。

2. 共同的存貸款人通過規模擠占和羊群效應形成間接風險傳染渠道。首先，影子銀行擠占了存款人本打算存入銀行或投向資本市場的資金，影子銀行資產負債表的擴表一定程度上擠占了銀行體系的資產負債資源，導致銀行出現流動性短缺，擴大銀行流動性風險，甚至出現擠兌危機。其次，影子銀行拓寬了借款人的融資渠道，借款人可利用資金可能流入高風險經營領域。一旦借款人陷入經營困境，無力償還銀行借款，銀行信用損失增加。最后，影子銀行體系涉及的主體也包含銀行機構、證券機構和保險機構，一旦這些機構的影子銀行產品出現問題，使借款人對機構的其他產品也失去信心，引發羊群效應，形成系統性風險。

三、影子銀行的系統性風險傳染模型——金融機構間網絡模型

影子銀行和金融機構之間業務頻繁往來，相互交叉持有資產負債，由此構成了復雜的債權債務網絡——金融機構間網絡。一旦影子銀行受到外部沖擊，風險（危機）將以影子銀行為中心節點迅速向各類金融機構蔓延傳播，進而形成系統性風險。

（一）影子銀行違約

首先假設來自外部的一個沖擊，使影子銀行遭受較大損失，導致影子銀行資不抵債。影子銀行違約表示為：

[E?SB=A?SB-L?SB<0] （1）

其中[E?SB]表示受到外部沖擊后的影子銀行股東權益，[A?SB]表示受到外部沖擊后的影子銀行總資產，[L?SB]表示受到外部沖擊后的影子銀行總負債，式（1）稱為影子銀行違約條件。

（二）正規金融機構違約

影子銀行違約會導致其他金融部門資產遭受損失。由于我國影子銀行的產品通常受到正規銀行類金融機構的隱性擔保，那么影子銀行的損失最終將導致正規金融機構的損失。因此，當該部分損失大于其債權和金融機構股東權益（[Ei]，[i=1，2，…，N]）時，該金融機構將出現資不抵債而被迫發生違約。

假設一共存在N家金融機構。每家金融機構的資產包括金融體系內部各金融機構之間相互持有的資產，稱作相互間資產（Internal Assets，IA）；金融機構持有的金融體系之外經濟主體的資產，稱作外部資產（External Assets，EA）；負債包括金融體系內部各金融機構之間相互借欠的債務，稱作相互間負債（Internal Liability，IL）和金融機構借欠金融體系之外經濟主體的債務，稱作外部負債（External Liability，EL）以及股東權益（Equity，E）。金融機構間的債權債務聯系將整個金融系統構成一個相互交織的金融機構間網絡。這種債務雙邊結構可以用矩陣表示。債務矩陣L可表示為：

[L=0l12...l1Nl210...l2N............lN1lN2...0] （2）

其中，[lij]表示金融機構[j]向金融機構[i]借的債務數額。另外，有[IAi=j=1Nlij]，表示金融機構[i]貸給其他金融機構的總資產；有[ILj=i=1Nlij]，表示金融機構[j]欠其他金融機構的總負債。

當金融機構[i]由于影子銀行違約而出現的損失大于其股東權益（[Ei]）時，金融機構[i]也將被迫違約，本文將其稱為初次違約。初次違約可表示為：

[E?i=IA?i+EAi-ILi-ELi<0] （3）

由于金融機構間業務往來和交叉持有產品，影子銀行和金融機構[i]出現違約，會進一步造成其債權金融機構[j]貸給其他金融機構的總資產[IAj]遭受損失。當金融機構[j]的損失大于其[Ej]時，金融機構[j]將違約，本文稱為傳染違約。傳染違約表示為：

[E?j=IA?j+EAj-ILj-ELj<0] （4）

（三）金融機構間的違約清算

當網絡中同時存在初次違約和傳染違約時，確定金融機構間的清算支付額度就變得非常困難。參照Eisenberg和Noe（2001）、隋聰（2016）的做法，設定金融機構違約時按債務比例進行償還，因此債務矩陣中的每筆[lij]除以其總的[ILj]，可以得到一個償還比例矩陣[M]，其元素為：

[mij=lijILjILj>00ILj=0] （5）

影子銀行和其他金融機構違約后，金融機構能夠從其他金融機構收回的總資產[IA?i]，取決于其他金融機構能夠償還的[IL?]，即：

[IA?i=i=1NmijIL?j] （6）

因此計算能夠收回的[IA?]就轉換為計算能夠償還多少[IL?]。金融機構[i]的償還支付可表示為：

[IL?j=minILj，max（IA?j+E?j，0）] （7）

式（7）表明金融機構[j]對債務的清償取決于其支付能力。如果[IL?j

（四）系統性風險測度

通常，發生系統性金融風險是小概率事件，因此分析金融機構間網絡損失分布的尾部特征尤為重要。在廣泛了解現有研究基礎上，本文將選擇風險價值（Value at Risk，VaR）和期望損失（Expected Shortfall，ES）兩類指標來測度我國金融機構系統性風險，以更好地體現系統性風險往往只有在極端情形下發生的小概率特征。同時，利用違約金融機構數量衡量金融機構間網絡的損失狀況。其中，風險價值（VaR）的含義為：在某一概率水平下，金融機構間網絡的最大可能損失，即最壞條件下金融機構間的損失。具體可表示為：

[Q=（x≤VaRα）=1-α] （8）

其中，x為金融機構間網絡損失的統計量，[α]為顯著性水平，[1-α]則為置信水平。式（8）的含義為金融機構間網絡損失小于[VaRα]的可能性為[1-α]。

由于VaR不滿足次可加性，且表現并不穩定，本文同時還構建另一個度量指標——期望損失（ES）。其含義為，當金融機構間網絡損失超過VaR閾值時所遭受的平均損失承擔。ES在VaR的基礎上進一步考察出現極端情況時的平均損失承擔。其公式可表示為：

[ESα=1α0αVaRudu] （9）

金融機構系統性風險VaR和ES衡量了金融機構間網絡的極端損失風險，符合我國金融發現系統性風險是小概率事件的特點。

四、影子銀行違約引發的系統性金融風險測度：基于蒙特卡洛模擬

研究小概率事件往往需要大量的樣本，而在現實中很難獲取這么多的樣本量。本文將利用蒙特卡洛模擬方法來研究影子銀行違約所引發的我國金融機構間網絡遭受沖擊的多種情景，以此探討出現系統性風險的極端事件。

（一）蒙特卡洛實驗模擬

進行蒙特卡洛模擬實驗，首先需要確定外部資產損失變動的隨機過程和分布。借鑒Iori等（2006）和隋聰等（2016）研究的基礎上，設定我國金融機構外部資產損失變動服從半正態分布（不能是負值），即：

[EA*i=EAi-λiEAi，其中λi～（0，θ2i）] （10）

其中，[λi]為金融機構[i]的外部資產的損失比例，[λi]服從標準差為[θi]的正態分布。那么，[θi]可看作金融機構資產波動率，它反映金融系統遭受的外部沖擊的大小。

為簡化分析，在不影響最終結論的情況下，假設每家金融機構的[θi]是獨立且同分布的，那么式（10）等價于：

[EA*i=EAi-λiEAi，其中λi～（0，θ2）] （11）

接下來，我國金融機構間網絡風險傳染的蒙特卡洛實驗模擬步驟如下：

1. 確定外部沖擊大小（即標準差[θ]值），然后根據式（10）對每家金融機構的外部資產[EAi]進行隨機抽樣。

2. 根據式（7）計算每家金融機構的償還支付，然后分步根據式（3）和（4）判斷是初次違約還是傳染違約，進而統計總違約金融機構數量、初次違約金融機構數量、傳染違約金融機構數量，用以衡量金融系統的損失。

3. 重復上述步驟10000次，獲得10000個金融機構間網絡損失的樣本。

（二）參數校準

金融機構間風險傳染是通過彼此間的債權債務網絡關聯的，因此進行實驗模擬之前需要對金融機構間債權債務網絡的有關參數進行設置和校準。首先，構造符合我國金融機構間網絡特征的網絡結構，即確定鄰接矩陣；其次，確定各家金融機構與其他金融機構的[IA]和[EA]總量；再則，根據各家金融機構的[IA]和[EA]及其與總資產、股東權益的統計關系，確定各家金融機構的總資產、股東權益、外部資產、外部負債等資產負債表數據；最后，根據鄰接矩陣、[IA]和[EA]，利用交叉熵估計金融機構間債務矩陣。

1. 金融機構間網絡結構。設置三種規模為200家金融機構的無標度的不規則隨機網絡，并利用鄰接矩陣分別表示三種金融機構間網絡的結構，根據網絡集中度從小到大排列，三種網絡的基本特征參數如表2所示。本文以網絡集中度來區別三種網絡的差異，從表2可以發現，三種網絡的差異主要體現在聚集系數和集中度方面。

表2：三種網絡的特征參數

[特征參數 網絡1 網絡2 網絡3 平均度 12.1 12.21 12.52 平均半徑 2.85 2.66 2.42 聚集系數 0.0934 0.1194 0.1379 集中度 0.2653 0.3411 0.4397 ]

2. 相互間資產[IA]和外部資產[EA]估算。Barrat等（2004）把與一個節點的所有連線的權重之和定義為節點強度，借鑒隋聰等（2016）的做法，用金融機構[i]的債務金融機構數量和債權金融機構數量表示金融機構[i]的出度和入度，節點度為出度和入度之和。另外，Soramaki等（2007）的研究表明銀行間網絡中節點度和節點強度符合下面冪函數關系：

[y=βkb]，[k∈[1，+∞）] （12）

其中，[y]為節點強度，[k]為節點度，并將[b]的估計值設為[b=1.9]、標準差為[σb=0.001]。

由于我國金融機構網絡主要表現為銀行間同業業務網絡，因此本文參照隋聰等（2016）的做法，利用式（12）估算得到我國金融機構間網絡中的相互間資產[IAi]和相互間負債[EAi]。

3. 總資產和股東權益。利用隋聰等（2016）基于Bankscope的2012年我國110家商業銀行數據得出的總資產與同業資產之間函數關系及其系數取值，本文將金融機構總資產與相互資產之間的具體關系設定為：

[lnTAi=2.1814+0.8782×ln（IAi+ILi）] （13）

同時設定股東權益與總資產之間的具體函數關系為：

[Ei=0.0641×TAi] （14）

其中，[TAi]為總資產，[IAi]、[ILi]分別為金融機構間相互資產和相互負債，[Ei]為股東權益。這樣可以根據式（13）和式（14）確定我國金融機構間網絡中每家機構的總資產和股東權益。然后進一步確定機構的外部資產和外部負債，從而得出我國金融體系中各家機構的完整資產負債表數據。

4. 債務矩陣的估計。根據前文設定的三種網絡的鄰接矩陣、金融機構間相互資產和負債數據，利用交叉熵法可以估計債務矩陣，即式（2）。交叉熵法可以表示為以下優化問題：

[minf（L，M）=i，j=1Nlijln（lijmij）] （15）

同時滿足以下約束條件：

[IAi=j=1NlijILj=i=1Nlij] （16）

其中，[L]為要估計的債務矩陣，且[lij∈L]；[M]為金融機構間網絡的鄰接矩陣，[mij∈M]，且[mij]等0或1，其中[mij=0]表示金融機構[i]與金融機構[j]沒有債權債務關系，[mij=1]表示金融機構[i]與金融機構[j]存在著債權債務關系。

利用信息熵中的RAS算法求解式（15）和式（16），進而得出金融機構間債務矩陣。另外，交叉熵法引入了鄰接矩陣，可以保證校準后的金融機構間網絡是無標度網絡，避免了最大熵法只能獲得完全結構網絡的不足。

（三）實驗模擬結果

1. 金融機構間網絡違約的傳染概率及其損失。基于前文設定的三種金融機構間網絡，首先根據不同的金融機構外部資產損失的標準差[θ]，設定20種外部沖擊情景，其中[θ∈（0，0.1]]；其次，針對每一種沖擊情景，根據式（10）對每家金融機構的外部資產[EAi]進行10000次隨機抽樣，并利用清算支付向量式（7）、違約類型判別式（3）和（4），統計每次沖擊的總違約金融機構數量、初次違約金融機構數量和傳染違約金融機構數量；最后，統計三種網絡在20種外部沖擊情景下的損失分布。

借鑒隋聰等（2016）作法，將傳染違約金融機構數量達到10家（5%）以上，確定為金融系統發生了違約傳染連鎖反應。在10000次模擬中統計出現違約傳染連鎖反應的頻率，并將其定義為違約傳染概率。圖1展示了三種網絡結構在20種外部沖擊情景下的違約傳染概率。

從圖1可知，當外部沖擊較小時（[θ≤0.03]），金融機構間出現違約傳染概率很小，但隨著外部沖擊的加大（[0.04≤θ≤0.07]），金融機構間出現違約傳染概率快速提升，特別是當外部沖擊較大時（[θ≥0.07]），幾乎可以確定金融機構間必然出現違約傳染連鎖反應。同時，本文還發現，網絡集中度越高，出現違約傳染越低。

另外，本文也對三種金融機構間網絡的平均損失程度（包括初次違約金融機構數量平均值、傳染違約金融機構數量平均值和總違約金融機構數量平均值）進行了比較（見表3）。不難發現，三種金融機構間網絡損失程度差別非常小，因此金融機構發生系統性違約風險與網絡集中度不存在顯著性關系。

2. 金融機構間系統性風險的VaR和ES估計結果。本文運用兩種系統性風險測度方法（VaR和ES）對我國金融機構間系統性風險進行測度。根據每種外部沖擊下10000次隨機模擬的金融機構間網絡損失結構，可以估計出置信水平下系統性金融風險VaR值和ES值。表4和表5分別給出部分98%置信水平下的VaR估計結果和ES估計結果。

表4列示的是三種網絡下金融機構間系統性風險的VaR估計值。其中，1—3列為三種網絡下總違約金融機構數量，其含義為98%置信水平下三種網絡發生系統性風險所引發的最大損失程度；4—6列為三種網絡下初次違約金融機構數量，其表示的是98%置信水平下三種網絡發生系統性風險所引發的初次損失程度；7—9列為三種網絡下傳染違約金融機構數量，其含義為98%置信水平下三種網絡發生系統性風險所引發的傳染損失程度。例如，第4行的第1、4、7列的數值分別為21、18、3，其表示在第一種金融機構間網絡中的98%概率水平下，最多會有21家金融機構出現違約，其中初次違約的金融機構數量為18家，傳染違約的金融機構數量為3家。

表5列示的是三種網絡下金融機構間系統性風險的ES估計值。其含義是在98%置信水平下三種金融機構間網絡損失超過VaR閾值時平均損失程度，其中1—3列為超過VaR閾值時的平均總違約金融機構數量，而4—6列、7—9列分別為超過VaR閾值時的平均初次違約金融機構數量和平均傳染違約金融機構數量。比如，表5第5行第1、4、7列的數值為79、41、38，其表示在第一種金融機構間網絡中的98%概率水平下，超過VaR閾值時平均有79家金融機構發生違約，其中初次違約和傳染違約的機構數量分別為41家和38家。

為了更加直觀，本文同時通過圖形來展示我國金融行業系統性風險VaR值和ES值的估計結果（見圖2和圖3）。在圖2和圖3中，橫坐標反映的是外部沖擊變動區間，縱坐標對應的是金融機構間系統性風險估計結果。圖中菱形、矩形和三角形符號分別代表網絡1、網絡2和網絡3三種網絡。

從表4、5和圖2、3可以發現，當外部沖擊較小時（[θ≤0.03]），金融機構間網絡損失很小，且在不同網絡中的差異非常小。其中，[θ=0.02]時，三種網絡均最多1家機構違約；[θ=0.03]時，三種網絡的最多違約機構為6—7家。隨著外部沖擊的加大（[0.04≤θ≤0.08]），金融機構間網絡總違約損失快速增加，且在不同網絡中的損失差異明顯，具體表現為金融機構間網絡越集中，損失越大。這種變化規律在ES值上表現得更加穩定和明顯。但當外部沖擊較大時（[θ≥0.08]），在三種網絡中的損失差異又逐步趨小，違約損失也趨于平穩。同時從圖2和圖3還可以發現，不同網絡下金融行業系統性風險的差異主要來自傳染違約的差異，其在[θ=0.06]時達到峰值。

本研究可以得出以下三方面結論：（1）網絡越集中，金融機構間系統性風險越大（VaR值和ES值越大）；（2）金融機構間系統性風險的差異主要來自傳染違約的影響差異，同時由于傳染違約呈現一個先加速上升后緩慢下降過程，這也使得我國金融行業系統性風險變化呈“S”形；（3）當外部沖擊[θ=0.06]時，金融系統內違約傳染影響力達到最大，如果外部沖擊再提高就會直接導致金融機構違約，因此傳染違約機構數量反而下降，但不代表違約傳染影響力下降。

五、我國影子銀行違約引發的系統性金融風險預警：風險區間和預警閾值

（一）劃分系統性風險預警區間

為更加準確地對我國系統性金融風險進行預警，首先需要對風險區間進行科學劃分。在借鑒國內外已有研究成果并結合本文所估測出的金融機構間系統性風險值的基礎上，將我國金融行業系統性風險區間劃分為“綠色可控區”、“橙色預警區”和“紅色風險區”三個級別。其中，“綠色可控區”表明金融系統整體狀況良好，風險處于安全區域之內；“橙色預警區”表明金融系統已出現一定的風險，存在幾家金融機構違約情況，但整體風險尚未超過設定的警戒線；“紅色風險區”則表明金融系統的債務狀況已面臨嚴重問題，發生系統性風險的概率很高，甚至爆發金融危機的可能性很大。有關三個風險等級區間劃分見表6。

（二）選取預警指標

在對我國金融業系統性風險的預警區間進行科學劃分后，如何選取或構建合理有效的前期預警指標，是實現準確及時預警的關鍵。由第三部分的理論模型可知，本文系統性風險測度指標VaR和ES值均是基于金融機構間雙邊債務矩陣L的推算得出，且金融機構i是否最終發生違約并向其他金融機構傳染，與金融機構i所欠其他金融機構的債務密切相關。因此，我國影子銀行資產規模與金融機構間負債總額高度相關②。本部分以影子銀行規模作為系統性金融風險的觸發條件，構建影子銀行視角下的我國系統性金融風險預警指標。

影子銀行規模擴張往往會帶來風險的積聚：一方面是期限錯配規模越來越大，與之相對應的流動性風險不斷增加；另一方面是規模擴張意味著影子銀行資金運用主體不斷增加，低級別借款人等繞過監管獲得廉價的信用資源，信用泡沫不斷加大，信用風險暴露的概率將大幅增加。但系統性風險的最終爆發除了受風險積累程度影響外，還與一個經濟體的風險承受能力緊密相關。通常該經濟體經濟規模越大，經濟增速越快，其風險承受能力越強。另外，考慮到貨幣發行量的影響，將出現系統性風險的閾值（[Γ]）設定為：

[Γ=ρ（x）SBAGDP-gt-gM2] （17）

其中，[SBA]為影子銀行規模，[GDP]為國民生產總值，[gt]為經濟增速，[gM2]為[M2]增速，[ρ（x）]為折算系數，而將那些未考慮到的因素（如制度、金融結構等）的影響通過折算系數進行調整。

那么，在系統性風險閾值[Γ]取值一定情況下，則有：

[SBAGDP=ρ（x）?（Γ+gt+gM2）] （18）

由此，設定我國金融系統性風險預警指標為：

[ΛCt=SBACtGDPCt=ρ（C）?（ΓCt+gCt+gCM2t）] （19）

（三）風險預警閾值

為進行系統性風險預警，還需相應的預警標準。在對國內外相關文獻進行了全面檢索情況下，未能找到一個國際通用或者廣泛認可的參考標準，因此本文依據現實事件來設定一個相應的參照標準。2008年，美國正是因為影子銀行規模高速擴張而爆發系統性風險，最終引發國際金融危機。因此，本文以美國影子銀行資產規模作為參照系來設定我國影子銀行引發系統性金融風險的預警標準。當然中美之間經濟結構、經濟周期波動、風險承受能力以及貨幣流通范圍等實際情況存在較大差異，如果完全依據美國情況來確定我國金融部門系統性風險預警閾值，其科學性、客觀性不足，因此本文通過折算系數取值來加以調整。

由圖4可知，2008年美國爆發金融危機時，其影子銀行資產占GDP比重為152.27%。于是，本文在將美國的折算系數設定為[ρ（U）=1]的基礎上，可以得出美國系統性金融風險的閾值為：

[ΓU=ρ（U）SBAU2008GDPU2008-gU2008-gUM22008=152.27%+0.29%-8.03%=144.53%] （20）

注：美國影子銀行資產數據來源于紐聯儲報告和萬得數據庫。

圖4：中美影子銀行資產占GDP比重

考慮到中國經濟體量約占美國經濟體量的75%，但美國經濟結構更加完善、經濟波動區間更窄以及美元是世界通用貨幣，其風險承受能力要高于中國，因此設定中國的折算系數[ρ（C）=0.7]，進而得出我國系統性金融風險預警指標的上限值為：

[Λupt=SBAuptGDPupt=ρ（C）?（Γ+gt+gM2t）=101.045%+0.7（gt+gM2t）]

（21）

在確定當年經濟增速（[gCt]）和貨幣供應量增速（[gCM2t]）情況下，就能得出我國金融系統性風險預警區間的上限值。

同理，本文以危機爆發前2006年的美國影子銀行資產規模占GDP比重作為參照標準，設定我國系統性金融風險的預警指標的一個下限值，得出：

[Λdownt=SBAdowntGDPdownt=ρ（C）?（ΓU2006+gt+gM2t）] （22）

而有

[ΓU2006=ρ（U）SBAU2006GDPU2006-gU2006-gUM22006=132.31%-2.67%-9.03%=120.61%]

這樣可以得出我國系統性金融風險預警區間的一個下限值：

[Λdownt=ρ（C）?（ΓU2006+gt+gM2t）=84.427%+0.7（gt+gM2t）] （23）

這樣，就能夠確定現階段我國各年度系統性金融風險的預警區間。現在以2017年為例，年初政府工作報告預設經濟增速為6.50%、貨幣供應量[M2]增速為12.0%，那么2017年我國金融系統性風險預警指標的上、下限值分別為：

[Λup2017=101.045%+0.7×（6.5%+12.0%）=113.995%]

[Λdown2017=84.427%+0.7×（6.5%+12.0%）=97.377%]

由此，我國2017年系統性金融風險預警指標區間為：[97.377%，113.995%]。當然，隨著制度和金融結構等有關因素的發展完善，折現系數[ρ（C）]也將調整變化。

六、結論與政策建議

（一）結論與創新

本文創新性地建立了2010—2015年影子銀行部門的資產負債表，在測算影子銀行規模的基礎上，分析影子銀行基于資產負債表渠道的系統性風險傳染機制。為測度影子銀行的系統性風險，基于蒙特卡洛模擬構建了以影子銀行為中心節點的金融機構間網絡風險傳染模型，度量由影子銀行違約引發的系統性金融風險，得出三種網絡結構下我國系統性金融風險的VaR和ES值。最后將系統性風險區間劃分為綠色、橙色和紅色三個級別，構建了以影子銀行資產規模/GDP為基礎的調整的風險預警指標，并分別以2006年美國次貸危機爆發前和2008年危機爆發時的影子銀行資產規模占GDP比重作為風險預警臨界值，得出我國系統性金融風險的預警區間。

本文的創新有四個方面：一是創新性地構建了我國影子銀行部門的資產負債表，分析了影子銀行基于資產負債表渠道的系統性金融風險傳染機制。二是構建了以影子銀行為中心節點的金融機構間網絡風險傳染模型。三是選取VaR和ES兩種風險度量指標，運用蒙特卡洛模擬方法對我國影子銀行違約引發的系統性金融風險進行測度。四是構建出以影子銀行資產規模/GDP為基礎的考慮經濟增長率和貨幣發行量影響的風險預警指標，同時在缺乏相應的國際通用或者廣泛認可的參考標準條件下，分別以2006年美國次貸危機爆發前和2008年危機爆發時的影子銀行資產規模占GDP比重作為風險預警臨界值，設定我國系統性金融風險的預警區間并以此進行風險預警。

（二）政策建議

1. 加強對影子銀行的管理與隔離。一是強化風險隔離，成立獨立子公司或設立專營事業部，實施大額風險頭寸限額，在影子銀行業務與傳統銀行業務之間建立“防火墻”。二是實施“穿透式監管”，根據金融產品的功能、性質和法律屬性，明確監管主體，統一監管標準，對金融機構業務和行為實施全流程監管。三是提高損失吸收能力，科學測度影子銀行風險頭寸，提足覆蓋各類影子銀行業務的資本撥備，確認和抵補金融機構實際承擔的風險。

2. 做好對影子銀行風險的識別與監測。一是建立影子銀行的統計體系。制定影子銀行的統計標準和規范，構建全國性影子銀行信息報送和統計系統，確保統計信息的統一性、完整性和準確性。二是建立全面覆蓋、無縫銜接的影子銀行風險監測體系。由人民銀行牽頭匯總各金融行業影子銀行的風險頭寸，實施影子銀行風險頭寸的定期監測、報告和披露制度。

3. 將影子銀行納入廣義宏觀審慎管理體系。建議在宏觀系統性視角下統籌考慮影子銀行風險的防范和化解，根據不同類別的影子銀行業務，探索運用多種宏觀審慎工具，對各類金融市場加杠桿行為進行逆周期調控。該框架與監管部門微觀審慎監管、貨幣政策相互配合，共同形成完整的影子銀行監管體系。

4. 建立影子銀行的風險預警和處置機制。建議基于資產負債數據指標和模型的綜合指標法，以金融體系中各指標的歷史表現與金融危機之間的相關性作為指標定量構建的主要依據，通過對指標的分析，判斷金融體系的安全水平和發展趨勢。根據金融機構間、金融產品間的相互交叉以及金融體系各子系統間關聯性不斷加大的趨勢，將系統關聯性和風險傳染性指標納入綜合指標法中。加強各金融管理部門的協作與配合，及時制定影子銀行風險處置預案，堅決守住不發生系統性金融風險的底線。

注：

①關于我國影子銀行資產負債表的構建過程，詳見《我國影子銀行的系統性金融風險測度與防范研究——基于影子銀行資產負債表的視角》，中國人民銀行西安分行課題組，《金融發展研究》年2017年11月。

②我國影子銀行的主力仍是商業銀行及非銀行金融機構，主要表現為銀信合作、銀保合作、銀證合作、銀證信合作，銀行與小額貸款公司、融資擔保公司合作等形式，這正好構成了我國金融機構內部雙邊債權債務。

參考文獻：

[1]Castren O，Kavonius I. 2009. Balance Sheet Interlinkages and Macro-Financial Risk Analysis in the Euro Area[J].Social Science Research，（43）.

[2]Pozsar Z，Adrian T，Ashcraft A，Boesky H. 2013. Shadow Banking[J].FRBNY Economic Policy Review，（12）.

[3]IMF. 2014. Risk Taking，Liquidity，and Shadow Banking：Curbing Excess While Promoting Growth[R]. Global Financial Stability Report.

[4]Acharya V，Bisin A. 2014. Counterparty risk externality：Centralized versus over-the-counter markets[J]. Journal of Economic Theory，149（1）.

[5]Cespa G，Foucault T. 2014. Illiquidity Contagion and Liquidity Crashes[J].Social Science Electronic Publishing，27（6）.

[6]Gray D F，Jobst A A. 2011. Systemic contingent claim analysis -A model approach to systemic risk[M].Islamic Finance and Economic Development：Risk Management，Regulation，and Corporate Governance. John Wiley &Sons;，Inc. 2011.

[7]Alfaro R，Drehmann M. 2009. Macro stress tests and crises：what can we learn？[J].BIS Quarterly Review，（12）.

[8]Hirtle B，Schuermann T，Stiroh K J. Macroprudential Supervision of Financial Institutions：Lessons from the SCAP[R].Federal Reserve Bank of New York Staff Reports，No. 409.

[9]Eisenberg L，Noe T H. 2001. Systemic Risk in Financial Systems[J].Management Science，47（2）.

[10]Iori G，Jafarey S，Padilla F G. 2006. Systemic risk on the interbank market[J].Journal of Economic Behavior & Organization，61（4）.

[11]Barrat A，Barthélemy M，Pastor-Satorras R，et al. 2004. The architecture of complex weighted networks[J]. Proceedings of the National Academy of Sciences of the United States of America，101（11）.

[12]Soram?ki K，Bech M L，Arnold J，et al. 2006. The topology of interbank payment flows[J].Physica A Statistical Mechanics & Its Applications，379（1）.

[13]中國人民銀行西安分行課題組.我國影子銀行的系統性金融風險測度與防范研究——基于影子銀行資產負債表的視角[J].金融發展研究，2017，（11）.

[14]孫國峰，賈君怡.中國影子銀行界定及其規模測算——基于信用貨幣創造的視角[J].中國社會科學， 2015，（11）.

[15]王永欽，高鑫，袁志剛，杜巨瀾.金融發展、資產泡沫與實體經濟：一個文獻綜述[J].金融研究，2016，（5）.

[16]隋聰， 譚照林，王宗堯.基于網絡視角的銀行業系統性風險度量方法[J].中國管理科學，2016，24（5）.