基于模型法的我國金融機構系統性風險度量與重要性識別

康立 王尚 陳柏廷

摘 要：基于資本市場高頻交易數據，分別采用條件在險價值模型（CoVaR）和系統性風險指數（SRISK）兩種主流模型法，對我國38家上市金融機構2011—2018年的系統性風險水平進行測度。研究發現，SRISK指數法對我國金融機構系統性風險度量更具適用性，并有助于金融機構系統重要性識別。同時發現，規模較大、權益資產比偏低的商業銀行和保險公司的系統性風險水平和系統重要性，要顯著超過規模相對較小、權益資產比較高的證券公司和信托機構。因此，金融管理當局應對我國不同系統重要性金融機構進行區別監管。

關鍵詞：金融機構;系統性風險;SRISK指數法;模型法

中圖分類號：F832.3 ? ? ? ? 文獻標志碼：A ? ? ?文章編號：1673-291X（2022）07-0105-07

引言

近年來，我國政府高度重視系統性金融風險的防范和系統重要性銀行評估。2017年，中共“十九大”會議，多次提出要“守住不發生系統性金融風險的底線”。2018年，中國人民銀行與銀保監會、證監會對我國系統重要性金融機構的識別、監管和處置做出總體性制度安排。2019年，中央政治局會議再次強調深化金融供給側改革，平衡好“穩增長”和“防風險”的關系。2020年，中央經濟工作會議提出，要處理好后疫情時期恢復經濟和防范金融風險的關系。2021年，我國系統性金融風險防控步入常態化，宏觀審慎政策和加強重點風險領域監管將進一步強化。其間，隨著各項決策的落實，我國金融系統性風險處置取得積極成效。結構性去杠桿有序推進，高風險金融業務日漸收縮，金融機構野蠻擴張逐步收斂，市場約束日益增強，金融亂象得到遏制，市場主體心理預期出現積極變化，審慎經營理念得到強化，金融運行整體穩健。然而，當前和今后一段時期，我國金融領域仍處于風險易發高發期，且呈現出隱蔽性和復雜性特征。因此，探尋合適的測度方法對我國金融機構系統性風險水平進行科學度量，對系統重要性金融機構進行有效識別，顯得尤為重要。

一、文獻綜述

目前，國內外學界對于金融機構系統性風險度量方法的研究，主要集中于基于宏微觀數據的指標法、基于網絡結構的分析法和基于市場數據的模型法（陳尾虹、唐振鵬，2016）。

指標法通過選定相關指標并賦予相應權重，根據得分排名確定金融機構重要性名單。金融穩定理事會（FSB）和巴塞爾委員會（BIS）（2011）發布《全球系統重要性銀行標準征求意見稿》，通過賦予規模、關聯度、可替代性、復雜性和跨境業務量五類指標各20%的權重，來計算評選國際金融體系中重要性程度相對較高的銀行。同年，我國銀監會發布《中國銀行業實施新監管標準的指導意見》。在上述指標體系基礎上剔除跨境業務量指標，賦予剩余四個指標各25%的權重。評估結果表明，四大國有銀行均是國內系統重要性銀行，并入選全球系統重要性銀行名單。2020年，中國人民銀行與銀保監會聯合發布《系統重要性銀行評估辦法》。再次從規模、關聯度、可替代性和復雜性四個維度確立了我國系統重要性銀行的評估指標體系。

網絡分析法先后應用于度量銀行系統性風險和金融危機傳染渠道上。Frey&Hledik（2014）借助儲蓄機構之間的網絡結構模型，對引發系統性危機的直接和間接傳染渠道進行了比較分析。Acharya&Thakor（2016）研究發現，金融機構通過信息渠道傳導擴散風險。國內學者賈彥東（2011）將金融網絡結構因素納入系統性風險衡量和風險擴散機制分析中，發現我國國有銀行都是系統重要性銀行。李紹芳、劉曉星（2018）基于動態尾部事件驅動網絡模型，構建了中國金融機構體系的關聯網絡，指出銀行和保險機構是引起我國金融體系系統性風險的重要誘因。李政等（2019）通過構建金融系統的極端風險網絡與傳染性和脆弱性指數，測度了我國金融機構傳染性風險水平。宮曉莉等（2020）采用方差分解網絡方法，對我國上市金融機構建立信息溢出網絡，甄別出金融網絡風險傳染中的系統重要性金融機構。

模型法依賴市場高頻交易數據，通過構建擬合收益率尾部風險模型，測度金融機構對系統性風險的貢獻度，包括條件在險價值模型（CoVaR）和系統性風險指數（SRISK）。Adrian&Brunnermeier（2008）借助分位數回歸法得出各金融機構的△CoVaR，并據此對美國金融機構系統重要性進行排名。其后，學者們對CoVaR模型進行了改進。如采用DCC-GARCH模型來估計金融系統和金融機構的聯合概率分布（Giulio&Ergun，2013），或將Copula函數引入CoVaR模型中，估計金融機構對于金融系統的風險溢出效應（Chen&Khashanah，2014）。國內學者將CoVaR模型用于度量金融機構對金融體系的風險溢出效應。王永巧、胡浩（2012）借助動態參數Copula模型和GARCH族模型，發現通過構建聯合分布計算出的△CoVaR，能準確地度量金融危機時的極端風險溢出。吳婷婷等（2020）運用極端分位數回歸的CoVaR模型，對我國上市金融機構對系統性金融風險的貢獻度進行了測度。相比CoVaR，預期損失法包括系統性期望損失法（SES）、邊際期望損失法（MES）、成分期望損失法（CES）和SRISK指數法。其認為，系統性風險是在整個金融體系處于危機狀態時，單家公司將會遭受的最大損失或面臨的最大風險。Brownless&Engle（2011）通過雙變量DCC-GARCH模型和非參數估計法計算出MES和LRMES，并將杠桿率等因素與短期期望損失融合得到SRISK指數。Banulescu&Dumitrescu（2015）發現，CES既能夠對未來系統性風險進行預測，也能充分考慮機構資產規模、權益資產比及市值對金融機構系統性風險測度的內在影響。國內學者梁琪等（2013）運用SRISK法，計算出我國上市金融機構的SRISK指數，提出系統重要性金融機構的界定標準和名單。宋清華、姜玉東（2014）運用DCC-GARCH模型估計法和非參數估計，計算出我國上市銀行的MES，發現不同資產規模銀行的系統性風險隨時間呈現不同的變化趨勢。張天頂、張宇（2018）對我國上市金融機構CES均值進行排序，從而得到系統重要性機構的名單。

從金融機構系統性風險的度量和系統重要性識別方法來看，指標法中指標權重賦予主觀性較強，且只注重資產負債表上的數據，忽視了能夠反映市場期望的股價。網絡分析法因為數據獲取的問題，較少關注由市場風險因素引發的系統性風險研究。模型法基于資本市場的高頻交易數據，通過構建能較好擬合收益率尾部分布的模型，彌補了前兩種方法的不足。另外，我國目前出臺的《系統重要性銀行評估辦法》，主要針對商業銀行，未全面覆蓋其他金融機構。鑒于此，本文利用我國38家上市金融機構2011—2018年的資本市場交易數據，通過比較條件在險價值模型（CoVaR）和系統性風險指數（SRISK）兩種主流模型法，度量并分析金融機構系統性風險水平及其動態變化，為我國金融機構系統性風險防范和金融機構監管提供政策依據。

二、基于CoVaR法對我國金融機構系統性風險的度量

（一）CoVaR法說明

Adrian&Brunnermeier（2008）在險價值VaR的基礎上，首次提出CoVaR的概念，認為單個金融機構的在險價值VaR只能衡量自身風險水平，沒有考慮該機構對金融體系的風險溢出。CoVaR法通過△CoVaR來測度單個金融機構對系統性風險的貢獻度，彌補了傳統在險價值VaR的不足。

本文采用分位數回歸對單個金融機構的條件在險價值進行估計。

（二）數據選取與描述性統計

本文選取我國38家上市金融機構作為研究樣本，包括16家商業銀行、15家證券公司、3家保險公司及4家信托公司。樣本數據區間為2011年1月4日至2018年12月28日。從CSMAR數據庫中獲取這38家上市金融機構在上述研究區間內的股票日交易數據，并使用滬深300金融指數計算市場收益率。市場收益率計算如下：

式（5）中，Pi，t表示第t期機構i股價或滬深300金融指數大小，Pi，t-1表示第t-1期機構i股價或滬深300金融指數大小，Ri，t表示第t期機構i或滬深300金融指數收益率。

描述性統計結果顯示，38家金融機構及滬深300指數在1 980個工作日內的市場收益率序列最大值與最小值差距較大，但標準差較小，表明各序列數值存在一定程度的集聚性。對各收益率序列的平穩性進行相關檢驗，結果都顯著拒絕了原假設，因此可以采用GARCH族模型擬合各收益率序列。

（三）基于CoVaR法對金融機構系統性風險貢獻的度量

表1結果表明，無論是行業間還是業內機構間，金融機構系統性風險貢獻度都存在較大差異。從行業間來看，保險業系統性風險貢獻均值最高，證券業和銀行業次之，信托業最低。從業內機構來看，銀行業中，股份制商業銀行的△CoVaR均值和極大值都比國有銀行高，這表明股份制商業銀行有更高的風險溢出。證券業內，規模較大的券商，如廣發證券、海通證券等系統性風險貢獻度較高，業務規模相對較小的券商，如錦龍股份、國金證券等貢獻度較低。保險業中，三家保險公司系統性風險貢獻度差異不大，風險溢出大小較為均衡。信托業中，4家上市信托機構的△CoVaR最大值都相對較小，說明各家信托機構系統性風險貢獻度都較低。

CoVaR法雖然彌補了VaR法只關注機構自身風險的不足，但CoVaR法只捕捉到資本市場上上市公司的溢出風險，并沒有考慮到單個金融機構資產負債表內的杠桿率、資產規模等變量，以及因同業業務導致的機構之間相似風險敞口等因素，因而得出保險業系統性風險水平最高，證券業、銀行業排在其后的與現實相悖的結論。

三、基于SRISK指數法對我國金融機構系統性風險的度量

（一）SRISK指數的計算方法

Brownless&Engle（2011）最早提出系統性風險指數法（SRISK）。SRISKi，t表示當整個金融體系處在危機狀態或出現嚴重資本短缺時，單家金融機構i在t階段的預期資本缺口大小：

SRISKi，t=Et-1（Capital Shortfalli|Crisis）（6）

式（6）中，金融體系危機根據所選市場指數變化的考察時間跨度，可分為短期和長期系統性危機。短期系統性危機是指市場指數在一個交易日內下降了2個百分點，單個上市金融機構股價變動幅度，即為短期邊際期望（MES）。長期系統性危機是指當市場指數在六個月內下降幅度超過40%時，單個從事金融業務的上市公司其股價變動幅度，稱為長期邊際期望（LRMES）。

本文首先采用Brownless&Engle（2011）的研究方法來估計短期邊際期望（MES）。

第一步，通過DCC-GARCH模型來擬合公司i和市場日收益率的動態性：

Rm，t=σm，tεm，t;Ri，t=σi，t（ρi，m，tεm，t+t） （εm，t，ξi，t）～D（7）

式（7）中，公司i和市場m在第t天的對數收益率分別由Ri，t和Rm，t表示，兩者的條件標準差則由σm，t、σi，t表示，機構i和市場m的條件相關系數為ρi，m，t，沖擊（εm，t，ξi，t）隨著時間是獨立同分布的，并且具有零均值、單位方差和零協方差的特征。

Brownless&Engle（2011）認為，提前1期的MES可以定義為短期MES。短期邊際期望損失能夠用公司i和市場m的σm，t、σi，t、ρi，m，t和標準化殘差尾部期望的函數來表示：

式（9）中，K（t）=（u）du，k（u）為核函數，h為帶寬參數。根據Scaillet（2005）的研究，將帶寬參數h固定在T-1/5。式（9）中定義的非參數估計量的明顯優勢在于它們都是切點k的光滑函數，因而估計出的短期MES是k的光滑函數。

由于短期邊際期望損失側重于考察近期的危機，無法從動態角度反映系統性金融風險的變化過程。因此，需要采用LRMES來構建系統性風險指數SRISK。Acharya等（2012）指出，LRMES近似等于1-exp（-18*MES），所以估計出機構i的短期邊際期望損失，即可求得機構i的系統性風險指數。

參照Acharya等（2012）的研究，假定金融機構其負債的賬面價值在考察期內相對不變，而所有者權益下跌的幅度為長期邊際期望損失，故單個金融機構其資本短缺的大小為：

SRISKi，t=max[0;E（k（Debt+Equity）-Equity|Crisis）]

=max[0;kDebti，t-（1-k）（1-LRMESi，t）*Equityi，t]（10）

式（10）中，Debt和Equity分別代表金融機構i在t階段的負債和所有者權益，k為公司i的資產負債率。這樣，單家公司i相對于金融體系總體的資本短缺程度占比為：

式（11）表示，SRISK%越大，金融機構i的系統性風險水平相對越高，說明在整個金融系統出現危機時，該家公司對整個金融系統的系統性風險貢獻度越大，系統重要性程度相對越高，越應該被視為系統重要性機構進行區別監管。

（二）基于短期邊際期望損失的金融機構系統性風險

計算短期邊際期望損失（MES）的數據選取與描述性統計同前。為真實反映金融機構的系統重要性，本文選取金融機構的歷史權益資產比率作為k值。根據估計MES三步法，得出我國38家上市金融機構樣本期內的MES均值并排序見表2。從行業間來看，證券業的MES普遍較高，往后依次是信托業、保險業和銀行業。從行業內來看，銀行業中，寧波銀行、平安銀行等股份制商業銀行MES排名靠前，而國有銀行的MES均位列靠后。錦龍股份、中國太保和民生控股的MES，分別在證券業、保險業和信托業中排名最高，長江證券、中國人壽和安信信托在各行業中排名最后，這個結果顯然與現實相悖。因為規模較大的金融機構系統性風險水平一般較高，銀行業應是我國金融機構系統性風險的主要來源。另外，各個子行業中，規模較大的商業銀行、證券公司、保險公司和信托機構的系統重要性排名也應靠前，但基于MES的排名結果都與之相反。出現上述矛盾，主要是因為MES在計算過程中，僅考慮了市場指數短期下降時，金融機構風險水平的變動幅度，忽略了金融機構資產負債表中的負債和所有者權益因素。

（三）基于SRISK指數的金融機構系統性風險

SRISK指數是MES的進一步計算。SRISK指數法融入了壓力指數，通過選取金融機構或金融系統具有代表性的考察變量，如資產規模、杠桿率及關聯性等構建的綜合性指標，并引入資產負債表中的負債和所有者權益，考量市場指數處于長期下降趨勢下金融機構風險水平的變動幅度。因此，相較MES，SRISK指數法更全面。

參照LRMES計算方法，利用表2中各金融機構MES年度均值，先計算出相應的LRMES，然后根據式（10）和式（11）估計并計算出各金融機構的SRISK%。通過表3行業交叉對比發現，整體上銀行業對系統性風險的影響最大，這歸因于我國目前的銀行主導型金融體系。保險業在整個行業中的系統重要性也較高，三家保險機構的SRISK%排名均靠前，其系統性風險水平甚至超過了多數銀行機構，這是因為保險業近年來迅猛發展，使其資產規模僅次于銀行業，成為第二大金融子行業。權益資產比率較低的證券業和信托業SRISK%值均較低，內部排名變化也較小，表明其系統重要性程度較低。從業內排名結果看，銀行業內國有銀行SRISK%值均靠前，說明國有銀行的系統性風險水平明顯高于其他商業銀行，這是因為國有銀行各種規模總和已達到銀行業總規模的60%。在保險業、信托業和證券業中，中國平安、安信信托和中信證券分別排名第一，且其他金融機構的重要性排名與其資產排名也基本吻合，說明SRISK指數充分捕捉到資產規模這一重要影響因素。

四、我國金融機構系統重要性動態變化及識別

（一）我國金融機構系統性風險動態變化

從△CoVaR和MES動態變化趨勢看見下頁圖1和圖2，大多數年份中，保險業系統性風險貢獻最大，其次是證券業和銀行業，最后是信托業。在2013年、2015年及2018年，不同類別的金融機構系統性風險水平均達到峰值或存在上升趨勢，說明在這三個時點，我國金融機構風險溢出增加。這三個節點也分別對應了我國2013年的“錢荒”、2015年“股災”和2018年金融去杠桿引發的流動性退潮等事件，說明金融機構系統性風險與我國宏觀經濟形勢具有強相關性。對比圖1和圖2可知，圖3的SRISK指數動態變化整體相對平緩，但行業間的排名發生了變化。保險業仍在多數年份穩居第一，銀行業位居第二，之后是證券業和信托業。考慮到保險業樣本較少，與現實經濟狀態較為契合的是，杠桿率較高且規模相對較大的銀行業系統重要性程度更高，杠桿率較低及規模相對較小的證券公司和信托機構系統重要性程度較低。另外，從SRISK絕對值來看，各金融機構的資本缺口均在2015年達到最大，而后逐年下降，但相對值并無較大波動。這是因為2015年銀行業存款由于利率市場化拓展了負債資金來源，導致資本缺口陡然增加。保險業隨著商業健康險的蓬勃發展，系統重要性提升較快。證券業在2015年的“股災”中損失慘重，資本缺口較往年提升較多。信托業受增資浪潮和通道受限的影響，資本缺口降低。

（二）我國系統重要性金融機構動態排名

表4報告了2011—2018年，我國動態追蹤系統重要性排名前十位的金融機構名單。數據表明，首先，規模因素是影響系統重要性較為重要但并非唯一的因素，各金融機構的權益資產比率（杠桿率）、關聯性和風險敞口也會影響系統重要性排名。就各組間的排名來看，資產規模較大的銀行類金融機構系統重要性排名較為靠前，但部分股份制銀行，如招商銀行SRISK排名在多數時候超過其資產規模排名，部分時點甚至超過了交通銀行。保險業三家公司的系統重要性排名在多數時間都高于其各自規模排名，這可能與保險公司權益資產比率一直處于較低水平有關。其次，金融機構的系統重要性程度呈現出動態變化的特征。當單個金融機構規模快速擴張時，其自身的系統重要性也會隨之上升，如中國平安超越中國人壽和中國太平洋保險，成為保險業系統重要性最高的保險公司。另外，當單個金融機構自身抵御風險的能力發生變化時，其系統重要性也會發生變化，如表4中沒有出現證券公司和信托機構，但隨著它們逐年降低權益資產比，SRISK%會越來越高，系統重要性也會相應提升。

結語

從理論上看，CoVaR法雖可度量單個金融機構在危機下對于金融系統的風險溢出大小，但礙于將其加總后不能得到整個金融體系的風險水平，故無法用于評估金融體系中金融機構的重要性程度。基于動態MES的SRISK指數法，不僅能夠測度單家金融機構的系統性風險貢獻大小，也能夠用所有金融機構相加后的系統性風險指數，度量整個金融系統的風險水平并評估金融機構的重要性程度。從實證檢驗來看，采用△CoVaR法或SRISK指數，都能較好地呈現金融機構系統性風險的動態變化。但CoVaR法只捕捉到資本市場上市公司的溢出風險，因而得出與現實相悖的結論。SRISK指數法考慮到更多反映金融機構風險水平變動的因素，如資產規模、杠桿率、關聯性和風險敞口等，得出更符合現實的結論。因此，對金融機構系統性風險度量和系統重要性識別，SRISK指數法要優于CoVaR法。SRISK指數法應用范圍更廣泛，其對系統性風險度量結果更可信。另外，基于SRISK指數法研究發現，規模較大、權益資產比偏低的商業銀行和保險公司的系統性風險水平和系統重要性，要顯著超過規模相對較小、權益資產比較高的證券公司和信托機構。因此，金融管理當局應對我國不同的系統重要性金融機構進行區別監管。

參考文獻：

[1] ?Acharya V.，A.Thakor.The Dark Side of Liquidity Creation：Leverage and Systemic Risk[J].Journal of Financial Intermediation，2016，（28）.

[2] ?Acharya V.，R.Engle，M.Richardson.Capital Shortfall：A New Approach to Ranking and Regulating Systemic Risks[J].American Economic Review，2012，（102）.

[3] ?Adrian T.，M.Brunnermeier.Covar[A].Federal Reserve Bank of New York Staff Report，2008.

[4] ?Baulescu D.，E.Dumitrescu.Which Are the SIFs？ [J].Journal of Banking and Finance，2015，（4）.

[5] ?Brownless C.，R.Engle.Volatility，Correlation and Tails for Systemic Risk Measurement[A].NYU Working Paper，2011.

[6] ?Chen K.，K.Khaldoun.Measuring Systemic Risk：Copula CoVar[J].Social Science Electronic Publishing，2014，（8）.

[7] ?Frey R.，J.Hledik.Correlation and Contagion as Sources of Systemic Risk[J].Communications in Stochastic Analysis，2014，（1）.

[8] ?Giulio G.，A.Ergun.Systemic Risk Measurement：Multivariate GARCH Estimation of CoVaR[J].Journal of Banking & Finance，2013，（37）.

[9] ?陳尾虹，唐振鵬.金融機構系統性風險研究述評——基于機制、測度與監管視角[J].當代財經，2016，（5）.

[10] ?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）.

[11] ?賈彥東.金融機構的系統重要性分析：金融網絡中的系統風險衡量與成本分擔[J].金融研究，2011，（10）.

[12] ?李紹芳，劉曉星.中國金融機構關聯網絡與系統性金融風險[J].金融經濟學研究，2018，（9）.

[13] ?李政，朱明皓，范穎嵐.我國金融機構的傳染性風險與系統性風險貢獻——基于極端風險網絡視角的研究[J].南開經濟研究，2019，（6）.

[14] ?梁琪，李政，郝項超.我國系統重要性金融機構的識別與監管——基于系統性風險指數SRISK方法的分析[J].金融研究，2013，（9）.

[15] ?宋清華，姜玉東.中國上市銀行系統性風險度量——基于MES方法的分析[J].財經理論與實踐，2014，（6）.

[16] ?王永巧，胡浩.基于時變參數Copula的ΔCoVaR度量技術[J].統計與信息論壇，2012，（6）.

[17] ?吳婷婷，華飛，江世銀.中國金融機構系統性金融風險貢獻度的量化研究——基于極端分位數回歸的CoVaR模型[J].江西社會科學，2020，（9）.

[18] ?張天頂，張宇.我國金融市場系統重要性機構的評估及政策啟示[J].管理評論，2018，（1）.

Systematic Risk Measurement and Importance Identification of Financial Institutions in China based on Model Method

KANG Li1，WANG Shang2，CHEN Bai-ting3

（1.Zhongnan University of Economics and Law，Wuhan 430073，China;

2.Chailease International Finance Corp.，Shanghai 200335，;3.SunYat-sen University，Zhuhai 519082，China）

Abstract：Based on the data of capital market transactions，this article uses CoVaR and SRISK index method to measure and compare the systematic risk level of 38 listed financial institutions in China during the period of 2011—2018.It is found that the SRISK index method is more applicable to the systematic risk measurement of financial institutions in China.It is also found that the systematic risk level of banks and insurance companies with large scale and low equity asset ratio is significantly higher than that of trust companies and securities companies with relatively small scale and high equity asset ratio.The financial regulatory authorities should implement differentiated supervision on different systemically important financial institutions.

Key words：financial institutions;systemic risk;CoVaR;SRISK Index Method;model method