系統(tǒng)性風(fēng)險(xiǎn)跨部門溢出網(wǎng)絡(luò)及突發(fā)事件對(duì)風(fēng)險(xiǎn)傳染的影響
——來(lái)自37家上市金融機(jī)構(gòu)高頻交易的證據(jù)

■ 呂秀梅 熊笑笑

一、引言

黨的二十大報(bào)告明確指出：“加強(qiáng)和完善現(xiàn)代金融監(jiān)管，強(qiáng)化金融穩(wěn)定保障體系，依法將各類金融活動(dòng)全部納入監(jiān)管，守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)底線。”一方面，當(dāng)前我國(guó)金融領(lǐng)域面對(duì)國(guó)內(nèi)外多重壓力，正處于風(fēng)險(xiǎn)易發(fā)期；另一方面，在新業(yè)態(tài)、新機(jī)構(gòu)快速發(fā)展的形勢(shì)下，金融機(jī)構(gòu)與金融市場(chǎng)間的聯(lián)系愈加緊密，而金融機(jī)構(gòu)的高度關(guān)聯(lián)性可能讓風(fēng)險(xiǎn)一經(jīng)暴露就迅速演變?yōu)榭鐓^(qū)域、跨行業(yè)、跨部門的大規(guī)模風(fēng)險(xiǎn)傳染進(jìn)而引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)和金融危機(jī)，甚至致使經(jīng)濟(jì)持續(xù)性衰退。因此，亟須科學(xué)準(zhǔn)確地測(cè)度各金融機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度，合理有效地評(píng)估風(fēng)險(xiǎn)在各部門間的溢出效應(yīng)，以提早采取適宜措施對(duì)風(fēng)險(xiǎn)予以控制，從而防范化解系統(tǒng)性風(fēng)險(xiǎn)。

Benoit等（2017）認(rèn)為系統(tǒng)性風(fēng)險(xiǎn)很難定義但可以感知，本文認(rèn)為系統(tǒng)性風(fēng)險(xiǎn)是“一系列（或某個(gè)）能夠威脅到公眾對(duì)于整個(gè)金融系統(tǒng)信心的事件”。從風(fēng)險(xiǎn)傳染的視角來(lái)看，系統(tǒng)性風(fēng)險(xiǎn)是指在經(jīng)濟(jì)不景氣時(shí)，相互關(guān)聯(lián)的金融機(jī)構(gòu)由于存在業(yè)務(wù)聯(lián)系使得流動(dòng)性不足、償付能力不足以及經(jīng)營(yíng)損失風(fēng)險(xiǎn)在金融機(jī)構(gòu)之間快速傳播，并最終引起持續(xù)性經(jīng)濟(jì)倒退的現(xiàn)象。本文將系統(tǒng)性風(fēng)險(xiǎn)溢出定義為在金融系統(tǒng)中，某一金融機(jī)構(gòu)在遭遇危機(jī)、受到損失時(shí)，給與之相關(guān)聯(lián)的其他金融機(jī)構(gòu)帶來(lái)的損失。

系統(tǒng)性風(fēng)險(xiǎn)中非常重要的問(wèn)題是風(fēng)險(xiǎn)測(cè)度（Benoit等，2017）。從測(cè)度指標(biāo)來(lái)看，主要有條件在險(xiǎn)價(jià)值CoVaR（Adrian 和 Brunnermeier，2016）和條件在險(xiǎn)價(jià)值差額ΔCoVaR（白雪梅和石大龍，2014），成分期望損失CES（Banulescu 和Dumitrescu，2015），邊際期望損失MES（Acharya等，2012），系統(tǒng)性風(fēng)險(xiǎn)指數(shù)SRISK（Brownlees和 Engle，2017；楊子暉和李東承，2021）。這些指標(biāo)都能從不同角度考慮微觀金融機(jī)構(gòu)對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的貢獻(xiàn)程度，從而對(duì)系統(tǒng)重要性金融機(jī)構(gòu)進(jìn)行排序。楊子暉等（2018）研究發(fā)現(xiàn)，MES、VaR、CoVaR和ΔCoVaR這四種方法均能準(zhǔn)確識(shí)別出金融部門風(fēng)險(xiǎn)集聚的尾部事件。宮曉莉等（2020）認(rèn)為，CoVaR和MES的經(jīng)濟(jì)意義較好，可用于監(jiān)測(cè)潛在系統(tǒng)性重要機(jī)構(gòu)。

系統(tǒng)性風(fēng)險(xiǎn)的橫向傳遞和跨市場(chǎng)傳染已有大量研究關(guān)注，而復(fù)雜網(wǎng)絡(luò)是當(dāng)前最熱門的研究方法，主要是從靜態(tài)角度能研究系統(tǒng)性風(fēng)險(xiǎn)網(wǎng)絡(luò)傳染，如黃瑋強(qiáng)等（2018）以金融機(jī)構(gòu)間信息溢出關(guān)系為關(guān)聯(lián)渠道，將網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)特征與金融機(jī)構(gòu)的風(fēng)險(xiǎn)傳染特征相聯(lián)系，挖掘其影響因素；楊子暉等（2020）基于非線性關(guān)聯(lián)網(wǎng)絡(luò)研究全球不同市場(chǎng)之間的風(fēng)險(xiǎn)溢出，并發(fā)現(xiàn)風(fēng)險(xiǎn)溢出具有非對(duì)稱性。為了了解系統(tǒng)性風(fēng)險(xiǎn)網(wǎng)絡(luò)的傳染時(shí)變性，學(xué)者們逐漸開始進(jìn)行動(dòng)態(tài)網(wǎng)絡(luò)研究，如宮曉莉和熊熊（2020）使用TVP-VAR模型考察金融系統(tǒng)波動(dòng)率的溢出效應(yīng)和溢出方向，構(gòu)建我國(guó)金融系統(tǒng)子市場(chǎng)間的復(fù)雜網(wǎng)絡(luò)，分析波動(dòng)溢出網(wǎng)絡(luò)的金融風(fēng)險(xiǎn)傳染特征；而張飛鵬等（2022）在單層網(wǎng)絡(luò)的基礎(chǔ)上考慮了多層網(wǎng)絡(luò)，基于LGCNET多層網(wǎng)絡(luò)度量我國(guó)上市公司系統(tǒng)性風(fēng)險(xiǎn)，分析新冠疫情暴發(fā)對(duì)我國(guó)系統(tǒng)性風(fēng)險(xiǎn)的影響，并發(fā)現(xiàn)金融與科技行業(yè)是風(fēng)險(xiǎn)傳導(dǎo)的中心。

系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)的核心是風(fēng)險(xiǎn)跨部門傳染所帶來(lái)的風(fēng)險(xiǎn)擴(kuò)散機(jī)制。Acemoglu等（2015）認(rèn)為，跨部門風(fēng)險(xiǎn)溢出是指金融機(jī)構(gòu)和金融市場(chǎng)間可能存在風(fēng)險(xiǎn)交叉?zhèn)魅荆L(fēng)險(xiǎn)交叉?zhèn)魅揪哂幸欢ǖ年P(guān)聯(lián)性，從而導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)。楊子暉等（2018）經(jīng)研究認(rèn)為我國(guó)金融市場(chǎng)的跨部門風(fēng)險(xiǎn)傳染效應(yīng)較為明顯。張宗新和陳瑩（2022）通過(guò)構(gòu)建含有金融機(jī)構(gòu)、股票市場(chǎng)、債券市場(chǎng)、外匯市場(chǎng)、貨幣市場(chǎng)等七個(gè)維度的信息溢出網(wǎng)絡(luò)分析跨部門的風(fēng)險(xiǎn)傳染效應(yīng)。戴志峰等（2022）經(jīng)分析發(fā)現(xiàn)石油、黃金、房地產(chǎn)和金融部門之間存在明顯的系統(tǒng)性風(fēng)險(xiǎn)傳染效應(yīng)。李政等（2022）基于行業(yè)關(guān)聯(lián)網(wǎng)絡(luò)發(fā)現(xiàn)極端狀態(tài)下，金融和房地產(chǎn)對(duì)其他行業(yè)的風(fēng)險(xiǎn)溢出最高。

綜上可知，現(xiàn)有文獻(xiàn)基于市場(chǎng)數(shù)據(jù)構(gòu)造的大多數(shù)復(fù)雜網(wǎng)絡(luò)是金融信息網(wǎng)絡(luò)，而非風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)。金融信息網(wǎng)絡(luò)能夠給出具體的風(fēng)險(xiǎn)傳染機(jī)制，但是其拘泥于某一特定關(guān)聯(lián)形式，而風(fēng)險(xiǎn)網(wǎng)絡(luò)雖然無(wú)法給出具體的風(fēng)險(xiǎn)傳染渠道，但是采用高頻、時(shí)效性強(qiáng)的數(shù)據(jù)構(gòu)建風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)無(wú)須拘泥于某一特定的關(guān)聯(lián)形式，能考慮多種潛在的風(fēng)險(xiǎn)傳染渠道，可以對(duì)機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染進(jìn)行全局性、多渠道的測(cè)度研究。

基于此，本文基于資本市場(chǎng)高頻交易數(shù)據(jù)，采用GARCH族模型測(cè)度銀行、證券、保險(xiǎn)、房地產(chǎn)四個(gè)部門中主要機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)水平，并借助DCC-GARCH模型計(jì)算各部門間的動(dòng)態(tài)相關(guān)性，然后建立方差分解網(wǎng)絡(luò)，構(gòu)建跨部門風(fēng)險(xiǎn)溢出矩陣，分析四個(gè)部門間的風(fēng)險(xiǎn)溢出，進(jìn)行全局性、多渠道的測(cè)度研究，找到風(fēng)險(xiǎn)溢出的輸出方和接收方。本文的邊際貢獻(xiàn)體現(xiàn)在如下方面：第一，以往研究主要分析跨市場(chǎng)的單向溢出，而本文則從整體把握金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)相互傳染效應(yīng)；第二，以疫情為例比較分析了突發(fā)事件對(duì)各部門的風(fēng)險(xiǎn)溢出效應(yīng)強(qiáng)度和響應(yīng)路徑；第三，論證了四個(gè)部門之間的動(dòng)態(tài)相關(guān)性，為考量是否將房地產(chǎn)部門納入金融系統(tǒng)提供參考。

二、理論分析與研究假設(shè)

由于房地產(chǎn)市場(chǎng)對(duì)銀行部門系統(tǒng)性風(fēng)險(xiǎn)存在顯著溢出效應(yīng)（方意等，2021），加之房地產(chǎn)部門也是耗用金融資源最多的行業(yè)，規(guī)模較大的房地產(chǎn)公司甚至?xí)苯咏?jīng)營(yíng)金融業(yè)或從事影子銀行業(yè)務(wù)，而金融科技的發(fā)展更是促進(jìn)了房地產(chǎn)部門金融化，所以本文將房地產(chǎn)與銀行、證券、保險(xiǎn)一并納入金融部門進(jìn)行分析。銀行、證券、保險(xiǎn)和房地產(chǎn)這四個(gè)部門引發(fā)系統(tǒng)性風(fēng)險(xiǎn)的原因不同，導(dǎo)致的系統(tǒng)性風(fēng)險(xiǎn)大小也不同。并且，由于各部門關(guān)聯(lián)方式和溢出渠道不同，他們對(duì)外的風(fēng)險(xiǎn)溢出水平也有所差異。當(dāng)遇到疫情暴發(fā)等突發(fā)事件時(shí)，風(fēng)險(xiǎn)在各部門之間的傳染程度也會(huì)有較大變化。

各部門產(chǎn)生系統(tǒng)性風(fēng)險(xiǎn)的誘因有很多。易綱（2023）認(rèn)為，利率政策和匯率政策等政策對(duì)系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生很大影響。韓賀洋等（2023）認(rèn)為，傳統(tǒng)金融在數(shù)字化轉(zhuǎn)型的過(guò)程中也可能將傳統(tǒng)的信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)等轉(zhuǎn)化為系統(tǒng)性風(fēng)險(xiǎn)。劉孟飛（2021）認(rèn)為，系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生的根源是金融體系的脆弱性，銀行長(zhǎng)期的不良資產(chǎn)成為系統(tǒng)性風(fēng)險(xiǎn)的導(dǎo)火索。郭桂霞和張堯（2022）認(rèn)為，信息不對(duì)稱問(wèn)題和道德問(wèn)題都可能導(dǎo)致風(fēng)險(xiǎn)累積進(jìn)而產(chǎn)生系統(tǒng)性風(fēng)險(xiǎn)。

具體來(lái)看，房地產(chǎn)部門泡沫化嚴(yán)重，屬于高負(fù)債高杠桿行業(yè)，高負(fù)債行業(yè)容易因?yàn)樽陨碣Y不抵債產(chǎn)生風(fēng)險(xiǎn)，而歷史上發(fā)生的數(shù)次金融危機(jī)均表明，高杠桿是風(fēng)險(xiǎn)之源，是系統(tǒng)性風(fēng)險(xiǎn)的成因之一。一方面，房地產(chǎn)債務(wù)規(guī)模較大，從2017年至2021年房地產(chǎn)貸款規(guī)模逐漸增大，2021年房地產(chǎn)貸款規(guī)模達(dá)到了52.17萬(wàn)億，超過(guò)債券市場(chǎng)規(guī)模的60%和全國(guó) GDP 總量的 45%①。在國(guó)內(nèi)房地產(chǎn)融資渠道緊縮的情況下，房地產(chǎn)部門開始向海外發(fā)債。2018年在中美貿(mào)易摩擦的背景下，上市公司信用違約事件頻發(fā)，東方園林10億公司債在國(guó)內(nèi)發(fā)行規(guī)模僅5 000萬(wàn)元，釀成當(dāng)年“最慘發(fā)債案”。另一方面，房?jī)r(jià)始終居高不下。國(guó)家金融監(jiān)管部門陸續(xù)頒布房地產(chǎn)市場(chǎng)調(diào)控政策，但這些政策對(duì)房?jī)r(jià)上漲的遏制作用有限，居民購(gòu)房金融杠桿快速提升，金融機(jī)構(gòu)信貸結(jié)構(gòu)扭曲，金融系統(tǒng)性風(fēng)險(xiǎn)增加（王家英，2019）。綜上，提出研究假說(shuō)1。

假說(shuō)1：房地產(chǎn)部門系統(tǒng)性風(fēng)險(xiǎn)水平較高。

系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生后，風(fēng)險(xiǎn)會(huì)在各金融機(jī)構(gòu)間相互傳染。李志輝等（2023）認(rèn)為金融機(jī)構(gòu)間有直接關(guān)聯(lián)、間接關(guān)聯(lián)和信息關(guān)聯(lián)三種關(guān)聯(lián)方式，并且其中蘊(yùn)含五種溢出渠道。直接關(guān)聯(lián)是指各金融機(jī)構(gòu)由于業(yè)務(wù)聯(lián)系形成債權(quán)債務(wù)關(guān)系，即資產(chǎn)關(guān)聯(lián)與負(fù)債關(guān)聯(lián)，其中前者會(huì)形成風(fēng)險(xiǎn)溢出的流動(dòng)性擠兌渠道，后者會(huì)形成風(fēng)險(xiǎn)溢出的債務(wù)償還渠道；間接關(guān)聯(lián)是指金融機(jī)構(gòu)持有相似資產(chǎn)組合形成資產(chǎn)減值拋售渠道和負(fù)債擠兌拋售渠道；信息關(guān)聯(lián)是指金融機(jī)構(gòu)的信息披露會(huì)影響市場(chǎng)參與者的心理預(yù)期，市場(chǎng)參與者會(huì)根據(jù)心理預(yù)期變動(dòng)其行為決策，形成風(fēng)險(xiǎn)溢出的主要渠道。各機(jī)構(gòu)作為節(jié)點(diǎn)，傳染渠道作為連邊，形成一個(gè)相互關(guān)聯(lián)的網(wǎng)絡(luò)，并且隨著金融科技的發(fā)展，各行業(yè)之間“壁壘”逐漸減弱，各節(jié)點(diǎn)聯(lián)系更加緊密，任意節(jié)點(diǎn)出現(xiàn)問(wèn)題，都會(huì)隨著連邊傳染給其他節(jié)點(diǎn)。

我國(guó)證券市場(chǎng)是在國(guó)有企業(yè)改制的背景下發(fā)展起來(lái)的，其間證券市場(chǎng)作為低成本甚至無(wú)成本籌資的場(chǎng)所，涌入了大批上市股份公司，積聚了較大風(fēng)險(xiǎn)，股市波動(dòng)較大。2018年我國(guó)股票發(fā)行逐漸推行注冊(cè)制，上市流程簡(jiǎn)化，2021年A股上市公司超過(guò)500家，直接融資規(guī)模達(dá)5 300億元②，證券部門在市場(chǎng)占據(jù)越來(lái)越重要的地位。隨著證券市場(chǎng)的規(guī)模不斷擴(kuò)大，業(yè)務(wù)范圍覆蓋越來(lái)越廣，四個(gè)部門之間的關(guān)聯(lián)也越來(lái)越深。各部門的關(guān)聯(lián)主要基于業(yè)務(wù)競(jìng)爭(zhēng)或業(yè)務(wù)合作產(chǎn)生，證券公司通過(guò)其各項(xiàng)經(jīng)紀(jì)業(yè)務(wù)、承銷與保薦等投資業(yè)務(wù)、融資融券等信用業(yè)務(wù)與金融市場(chǎng)其他機(jī)構(gòu)形成了較高水平的間接關(guān)聯(lián)，張文遠(yuǎn)等（2022）也利用溢出指數(shù)模型證明了近年來(lái)證券業(yè)在金融體系中扮演著風(fēng)險(xiǎn)凈溢出的角色。綜上，提出研究假說(shuō)2。

假說(shuō)2：證券部門對(duì)外風(fēng)險(xiǎn)溢出較為嚴(yán)重。

新冠疫情影響了投資者對(duì)金融市場(chǎng)的信心和心理預(yù)期，放大了投資者恐慌情緒，導(dǎo)致股票行情低迷（沈冰和李琳瓏，2021），各行業(yè)貸款違約概率上升，流動(dòng)性出現(xiàn)問(wèn)題，嚴(yán)重影響了各部門系統(tǒng)性風(fēng)險(xiǎn)水平。相關(guān)研究表明，危機(jī)時(shí)期各機(jī)構(gòu)會(huì)通過(guò)加強(qiáng)機(jī)構(gòu)間合作提升穩(wěn)定性，跨機(jī)構(gòu)業(yè)務(wù)增多，機(jī)構(gòu)間關(guān)聯(lián)性提高（陳建青等，2015）。李永等（2022）的研究也認(rèn)為在重大外部沖擊下金融子市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)水平會(huì)顯著提高，并且在外部沖擊發(fā)生的短期內(nèi)，市場(chǎng)間的關(guān)聯(lián)性通常較高。而市場(chǎng)間關(guān)聯(lián)性的提高將導(dǎo)致各部門間聯(lián)系渠道增多，風(fēng)險(xiǎn)溢出路徑增加，可能會(huì)加重風(fēng)險(xiǎn)傳染。此外，李紹芳等（2022）通過(guò)刻畫金融市場(chǎng)尾部風(fēng)險(xiǎn)，證明了新冠疫情加劇了金融市場(chǎng)間的風(fēng)險(xiǎn)傳染。綜上，提出研究假說(shuō)3。

假說(shuō)3：疫情會(huì)加深各部門間風(fēng)險(xiǎn)傳染程度。

三、模型設(shè)定和數(shù)據(jù)說(shuō)明

（一）方差分解網(wǎng)絡(luò)方法

本文采用Diebold 和 Yilmaz（2014）的方差分解網(wǎng)絡(luò)方法，對(duì)各金融部門構(gòu)建風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)，并通過(guò)方差分解來(lái)反映不同變量間的風(fēng)險(xiǎn)溢出。基于網(wǎng)絡(luò)拓?fù)浞椒ǖ幕舅枷爰跋嚓P(guān)公式定義，構(gòu)建出風(fēng)險(xiǎn)傳染矩陣（見表1）。

表1 各部門風(fēng)險(xiǎn)溢出矩陣

表1中Xi為協(xié)方差平穩(wěn)的變量，H表示預(yù)測(cè)期，對(duì)角線元素表示H步預(yù)測(cè)期內(nèi)由自身解釋的部分，非對(duì)角線元素表示預(yù)測(cè)誤差方差的分解，即其他元素解釋的部分，代表不同元素之間的風(fēng)險(xiǎn)溢出程度。矩陣中第i行的和代表了其他N-1個(gè)機(jī)構(gòu)對(duì)它的風(fēng)險(xiǎn)溢出，表示機(jī)構(gòu)i的風(fēng)險(xiǎn)承受能力；第j列的和代表了機(jī)構(gòu)j對(duì)其余N-1個(gè)機(jī)構(gòu)的風(fēng)險(xiǎn)溢出程度。CH表示FROM項(xiàng)或TO項(xiàng)的和。

（二）數(shù)據(jù)說(shuō)明

考慮到數(shù)據(jù)的可獲取性和疫情時(shí)間，將所取樣本區(qū)間定為2017年1月1日至2021年12月31日。選取A股中市值居前五十的37家上市公司作為研究樣本（見表2），從CSMAR數(shù)據(jù)庫(kù)中獲取公司股票日交易數(shù)據(jù)和滬深300金融指數(shù)，收益率計(jì)算公式如下：

表2 樣本機(jī)構(gòu)名單

其中，Pi,t表示第t期金融機(jī)構(gòu)i的股價(jià)或滬深300金融指數(shù)的大小，Ri,t表示第t期金融機(jī)構(gòu)i的股票收益率或滬深300金融指數(shù)收益率。對(duì)各收益率序列進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果顯示在95%的置信水平下都顯著拒絕了原假設(shè)，進(jìn)行ARCH效應(yīng)也都顯著拒絕了原假設(shè)，均存在ARCH效應(yīng)，因此可以采用GARCH族模型擬合各收益率序列。

四、實(shí)證結(jié)果分析

（一）系統(tǒng)性風(fēng)險(xiǎn)度量

系統(tǒng)性風(fēng)險(xiǎn)度量采用ΔCoVaR，表示單個(gè)機(jī)構(gòu)處于風(fēng)險(xiǎn)狀態(tài)下對(duì)整個(gè)金融體系造成損失的大小,可以用來(lái)衡量機(jī)構(gòu)對(duì)金融系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度，采用分位數(shù)回歸法進(jìn)行計(jì)算：

式（2）代表在t時(shí)刻置信水平為1-q時(shí)，金融機(jī)構(gòu)i對(duì)整個(gè)系統(tǒng)m的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度為機(jī)構(gòu)i在財(cái)務(wù)困境時(shí)整個(gè)系統(tǒng)m的條件風(fēng)險(xiǎn)價(jià)值與正常狀態(tài)下即機(jī)構(gòu)i收益率處于中位數(shù)狀態(tài)下的條件風(fēng)險(xiǎn)價(jià)值之間的差額。ΔCoVaR一般為負(fù)數(shù)，為便于理解，后文中均取其絕對(duì)值，且均為95%顯著性水平下計(jì)算所得，數(shù)值越大則表示系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度越高。

首先對(duì)各收益率序列進(jìn)行ARCH效應(yīng)檢驗(yàn)，由于存在無(wú)法通過(guò)檢驗(yàn)的樣本，將所有樣本多選兩年數(shù)據(jù)，再選取樣本區(qū)間的數(shù)據(jù)。主要用到的GARCH模型有Garch、Tarch和Earch，通過(guò)比較分析選取最合適的模型，再考慮加入自回歸項(xiàng)和移動(dòng)平均項(xiàng)，提高擬合優(yōu)度。表3為使用GARCH族模型計(jì)算出的ΔCoVaR主要統(tǒng)計(jì)量。

表3 樣本機(jī)構(gòu)ΔCoVaR的主要統(tǒng)計(jì)量

從表3可以看出，不同金融機(jī)構(gòu)對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度存在明顯差異。從行業(yè)來(lái)看，房地產(chǎn)部門系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)均值明顯最高，整個(gè)部門系統(tǒng)性風(fēng)險(xiǎn)均值高達(dá)21.93，證實(shí)了假說(shuō)1，銀行部門和證券部門次之，分別為11.88和7.46，保險(xiǎn)部門最低，只有4.08，可見房地產(chǎn)是金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的主要來(lái)源。從單個(gè)金融機(jī)構(gòu)來(lái)看，房地產(chǎn)部門中綠地控股的系統(tǒng)性風(fēng)險(xiǎn)均值最大，銀行部門中民生銀行系統(tǒng)性風(fēng)險(xiǎn)均值最大，證券部門中招商證券系統(tǒng)性風(fēng)險(xiǎn)均值最大，因此有必要對(duì)這四家公司予以密切關(guān)注，提早防范系統(tǒng)性風(fēng)險(xiǎn)發(fā)生。

（二）系統(tǒng)性風(fēng)險(xiǎn)動(dòng)態(tài)分析

基于各部門風(fēng)險(xiǎn)度量指標(biāo)的平均值，構(gòu)建我國(guó)金融部門系統(tǒng)性風(fēng)險(xiǎn)的衡量指標(biāo)（見圖1）。整體來(lái)看，2017年下半年整體波動(dòng)較為集聚，尤其是銀行部門和房地產(chǎn)部門出現(xiàn)了較大波動(dòng)，主要是因?yàn)殂y行執(zhí)行差別化的房地產(chǎn)信貸政策，對(duì)投資性房貸規(guī)模進(jìn)行控制，房地產(chǎn)業(yè)獲取資金的難度加大，容易發(fā)生資金鏈斷裂，這同時(shí)也會(huì)對(duì)銀行的不良貸款率產(chǎn)生一定影響。金融體系的整體風(fēng)險(xiǎn)在2020年7月出現(xiàn)了一個(gè)大峰值，考慮到2018年中美貿(mào)易摩擦和2019年底新冠疫情暴發(fā)，而2020年7月各部門系統(tǒng)性風(fēng)險(xiǎn)才出現(xiàn)巨大波動(dòng)，說(shuō)明金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)對(duì)宏觀經(jīng)濟(jì)的反應(yīng)具有一定時(shí)滯性。從部門來(lái)看，房地產(chǎn)部門的系統(tǒng)性風(fēng)險(xiǎn)始終處在最高水平，尤其疫情之后，其系統(tǒng)性風(fēng)險(xiǎn)波動(dòng)相較其他部門更甚，這主要是因?yàn)橐咔榇蟠筇岣吡朔康禺a(chǎn)部門的貸款違約風(fēng)險(xiǎn)，且成交量大幅下降。

圖1 四部門系統(tǒng)性風(fēng)險(xiǎn)曲線

考慮到收益率的時(shí)變性，采用DCC-GARCH（1，1）模型對(duì)四個(gè)部門收益率進(jìn)行動(dòng)態(tài)相關(guān)性研究，條件方差方程可簡(jiǎn)化為其中是任意兩個(gè)變量的相關(guān)系數(shù)，α是殘差平方滯后項(xiàng)的系數(shù)，用于衡量市場(chǎng)信息對(duì)序列相關(guān)性的影響；β是協(xié)方差滯后項(xiàng)的系數(shù)，表示相關(guān)性的持續(xù)程度；α+β表示相關(guān)關(guān)系的顯著性。若α＞0，β＞0且α+β＜1，則滿足DCC-GARCH模型的約束條件，證實(shí)了DCC-GARCH模型的適當(dāng)性，動(dòng)態(tài)相關(guān)關(guān)系有效。

各部門收益率序列峰度均大于 3，呈現(xiàn)出明顯的“尖峰厚尾”特征，后續(xù)模型構(gòu)建要求序列平穩(wěn)，故對(duì)各變量進(jìn)行平穩(wěn)性檢驗(yàn)（見表4），結(jié)果都在1%的顯著性水平下拒絕了原假設(shè)。

表4 各部門收益率ADF檢驗(yàn)統(tǒng)計(jì)結(jié)果

本文采用ARDL模型確定各部門收益率序列最優(yōu)滯后階數(shù)，再根據(jù)最優(yōu)滯后階數(shù)設(shè)立均值方程，對(duì)方程殘差序列做自相關(guān)檢驗(yàn)，Ljung-box Q統(tǒng)計(jì)量對(duì)應(yīng)的p值均大于0.1，各方程不再存在自相關(guān)，最后做ARCH效應(yīng)檢驗(yàn)，結(jié)果在5%的顯著性水平下拒絕了原假設(shè)，可以使用GARCH族模型建模分析，消除ARCH效應(yīng)，建立DCC-GARCH模型。

表5給出了DCC-GARCH模型的參數(shù)估計(jì)結(jié)果。可知各參數(shù)與參數(shù)和均介于0與1之間，說(shuō)明部門間DCC-GARCH模型的建模合理，能夠用于刻畫部門間的動(dòng)態(tài)相關(guān)關(guān)系。橫向比較各參數(shù)，發(fā)現(xiàn)證券-房地產(chǎn)的動(dòng)態(tài)相關(guān)關(guān)系最顯著；α值最大的是證券-銀行系數(shù)，說(shuō)明市場(chǎng)信息對(duì)證券和銀行沖擊較大；β值最大的是證券-房地產(chǎn)系數(shù)，說(shuō)明證券與房地產(chǎn)之間的動(dòng)態(tài)相關(guān)關(guān)系有很強(qiáng)的持續(xù)性。

表5 DCC-GARCH模型的參數(shù)估計(jì)

為進(jìn)一步看出各部門間動(dòng)態(tài)相關(guān)性的變化，繪制各部門動(dòng)態(tài)相關(guān)系數(shù)時(shí)變圖（見圖2）。由圖2可知，各部門動(dòng)態(tài)相關(guān)系數(shù)具有明顯的時(shí)變性，且各部門之間基本呈現(xiàn)正相關(guān)關(guān)系。具體而言，保險(xiǎn)部門與銀行部門之間的動(dòng)態(tài)相關(guān)系數(shù)水平最高，長(zhǎng)期在0.8以上，說(shuō)明雖然保險(xiǎn)部門各機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)水平較低，但是其與其他部門相關(guān)性較強(qiáng)，監(jiān)管部門需加強(qiáng)對(duì)保險(xiǎn)部門的監(jiān)管。證券部門與房地產(chǎn)部門、銀行部門始終保持正相關(guān)關(guān)系，而保險(xiǎn)部門與其他三個(gè)部門都存在過(guò)負(fù)相關(guān)關(guān)系。也就是說(shuō)，影響證券部門系統(tǒng)性風(fēng)險(xiǎn)的舉措也能同向影響房地產(chǎn)部門與銀行部門的系統(tǒng)性風(fēng)險(xiǎn)，但影響保險(xiǎn)部門系統(tǒng)性風(fēng)險(xiǎn)的舉措可能會(huì)對(duì)其他三個(gè)部門造成相反的影響，制訂政策時(shí)需要多方考慮。銀行與房地產(chǎn)部門的動(dòng)態(tài)相關(guān)系數(shù)在2017年出現(xiàn)兩次負(fù)向極值，且整體處于較低水平，這可能是得益于2017年房地產(chǎn)調(diào)控政策的成效，銀行與房地產(chǎn)系統(tǒng)性風(fēng)險(xiǎn)的相關(guān)性有所降低，但負(fù)相關(guān)關(guān)系的出現(xiàn)，說(shuō)明降低銀行系統(tǒng)性風(fēng)險(xiǎn)的同時(shí)可能會(huì)增大房地產(chǎn)部門系統(tǒng)性風(fēng)險(xiǎn)，需綜合考慮政策影響。2020年初，各部門間的動(dòng)態(tài)相關(guān)系數(shù)均出現(xiàn)了急劇上升，這是由于在風(fēng)險(xiǎn)積累階段，金融機(jī)構(gòu)之間為應(yīng)對(duì)危機(jī)合作意愿加強(qiáng)，跨機(jī)構(gòu)合作金融業(yè)務(wù)增多，各部門關(guān)聯(lián)性提高（陳建青等，2015）。

圖2 各部門動(dòng)態(tài)相關(guān)系數(shù)時(shí)變圖

（三）系統(tǒng)性風(fēng)險(xiǎn)的跨部門溢出分析

基于計(jì)算出的各機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)ΔCoVaR，將各部門樣本機(jī)構(gòu)的ΔCoVaR分別取均值，得到各部門系統(tǒng)性風(fēng)險(xiǎn)水平。yh、fdc、zq和bx分別表示銀行、房地產(chǎn)、證券和保險(xiǎn)的ΔCoVaR。首先對(duì)四個(gè)序列進(jìn)行adf平穩(wěn)性檢驗(yàn)，結(jié)果顯示其均為在1%顯著性水平下的平穩(wěn)序列；然后進(jìn)行格蘭杰因果檢驗(yàn)（結(jié)果見表6），結(jié)果說(shuō)明可以建立VAR模型工具；最后，基于SC準(zhǔn)則（Schwarz Criterion）為VAR模型選擇最優(yōu)的滯后階數(shù)1階。

表6 格蘭杰因果關(guān)系檢驗(yàn)結(jié)果

將四部門的系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)作為整個(gè)系統(tǒng)的內(nèi)生變量，下一步進(jìn)行方差分解。選擇最優(yōu)滯后階數(shù)，設(shè)定預(yù)測(cè)期為10天（即兩周的交易時(shí)間），在此基礎(chǔ)上結(jié)合風(fēng)險(xiǎn)溢出矩陣考察各個(gè)金融部門的風(fēng)險(xiǎn)傳染關(guān)系（見表7）。

表7 全樣本風(fēng)險(xiǎn)溢出矩陣

從整體來(lái)看，各部門系統(tǒng)性風(fēng)險(xiǎn)溢出具有不對(duì)稱性。從From項(xiàng)可以看出保險(xiǎn)部門在整個(gè)樣本期內(nèi)受其他部門風(fēng)險(xiǎn)溢出較嚴(yán)重，而證券部門在整個(gè)樣本期內(nèi)受其他部門風(fēng)險(xiǎn)傳染程度最低，約0.98%。從To項(xiàng)可以看出證券部門對(duì)外風(fēng)險(xiǎn)溢出風(fēng)險(xiǎn)在四個(gè)部門中最為嚴(yán)重，由此驗(yàn)證假說(shuō)2，證券部門與其他部門關(guān)聯(lián)性較高，風(fēng)險(xiǎn)溢出效應(yīng)較嚴(yán)重。

（四）突發(fā)事件的影響效應(yīng)

為分析突發(fā)事件對(duì)系統(tǒng)性風(fēng)險(xiǎn)傳染的影響，本文以新冠疫情為例，將全樣本時(shí)期與疫情期間（2020年1月1日至2021年12月31日）風(fēng)險(xiǎn)溢出進(jìn)行比較（見表8）。

表8 疫情期風(fēng)險(xiǎn)溢出矩陣

從表7和表8可以看出各部門的風(fēng)險(xiǎn)溢出始終是非對(duì)稱的，對(duì)比表7和表8可以發(fā)現(xiàn)，疫情期間各部門受其他部門的風(fēng)險(xiǎn)溢出影響都有所增加，證實(shí)了假說(shuō)3。其中，銀行部門上升了近6個(gè)百分點(diǎn)，但最易受其他部門影響的依舊是保險(xiǎn)部門。對(duì)外風(fēng)險(xiǎn)溢出最為突出的變?yōu)榉康禺a(chǎn)部門， [由3.6%上升到12.2%（均為約數(shù)） ]，證券部門次之[由7.2%上升到10.7%（均為約數(shù)）]，銀行部門與保險(xiǎn)部門變化不大。由此可見，在危機(jī)時(shí)期，房地產(chǎn)抗風(fēng)險(xiǎn)能力較弱，易受外界沖擊的影響。房地產(chǎn)屬于高負(fù)債行業(yè)，由于疫情沖擊，房地產(chǎn)需求萎縮，價(jià)格下跌，容易發(fā)生資不抵債從而引發(fā)風(fēng)險(xiǎn)，然后通過(guò)資金渠道傳染給其他部門，尤其是銀行的不良貸款率會(huì)上升。例如，在疫情期間恒大集團(tuán)出現(xiàn)問(wèn)題，債務(wù)規(guī)模高達(dá)2萬(wàn)億元，其資金鏈斷裂將會(huì)影響8 441家企業(yè)，涉及金融機(jī)構(gòu)高達(dá)128家③，一旦破產(chǎn)將有很大可能通過(guò)行業(yè)間關(guān)聯(lián)渠道造成跨部門跨機(jī)構(gòu)的風(fēng)險(xiǎn)傳染，引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)。房地產(chǎn)和證券部門在危機(jī)時(shí)對(duì)其他三個(gè)部門的溢出都有所增強(qiáng)，又以房地產(chǎn)表現(xiàn)最為明顯，故可以認(rèn)為房地產(chǎn)是危機(jī)時(shí)期系統(tǒng)性風(fēng)險(xiǎn)的放大器。

為更精準(zhǔn)地把握各部門系統(tǒng)性風(fēng)險(xiǎn)的相關(guān)性，選擇滯后30期分析四個(gè)部門疫情前和疫情期間的脈沖響應(yīng)路徑。

圖3給出了銀行部門的脈沖響應(yīng)路徑。不管是疫情前還是疫情期間，給其他三個(gè)部門一單位標(biāo)準(zhǔn)差正向沖擊，都會(huì)對(duì)銀行部門產(chǎn)生正向影響，這意味著另外三個(gè)部門遭受沖擊系統(tǒng)性風(fēng)險(xiǎn)變大時(shí)會(huì)導(dǎo)致銀行部門的系統(tǒng)性風(fēng)險(xiǎn)也增強(qiáng)。根據(jù)脈沖響應(yīng)強(qiáng)度，疫情前證券部門系統(tǒng)性風(fēng)險(xiǎn)的正向沖擊對(duì)銀行部門系統(tǒng)性風(fēng)險(xiǎn)的影響在滯后7期最顯著，然后逐漸減弱，而房地產(chǎn)部門對(duì)銀行部門的影響最弱。在疫情期間，房地產(chǎn)部門系統(tǒng)性風(fēng)險(xiǎn)對(duì)銀行部門影響的強(qiáng)度增長(zhǎng)最快，在滯后4期時(shí)顯著超過(guò)證券部門對(duì)銀行部門的影響，從響應(yīng)路徑也能看出，這一影響的持續(xù)性大大提高，而保險(xiǎn)部門對(duì)銀行部門的影響變?yōu)樽钚　?/p>

圖3 銀行對(duì)各部門的脈沖響應(yīng)路徑

由圖4可知，在疫情之前，當(dāng)保險(xiǎn)部門系統(tǒng)性風(fēng)險(xiǎn)遭到一個(gè)單位正向沖擊后，會(huì)對(duì)證券部門系統(tǒng)性風(fēng)險(xiǎn)水平產(chǎn)生負(fù)向的影響，這一負(fù)向影響在第9期達(dá)到最大，然后逐漸減弱；當(dāng)房地產(chǎn)部門系統(tǒng)性風(fēng)險(xiǎn)遭受一個(gè)單位正向沖擊，首先會(huì)對(duì)證券部門系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生負(fù)向的影響，在第6期變?yōu)檎缓笥绊懼饾u增強(qiáng)再收斂；給銀行部門系統(tǒng)性風(fēng)險(xiǎn)一個(gè)單位正向沖擊，在極短期內(nèi)對(duì)證券部門的影響為負(fù)向，此后立刻轉(zhuǎn)為正向，這一影響逐漸增強(qiáng)至最大值后減弱趨于0。疫情期間，各部門對(duì)證券部門的影響都是正向的，房地產(chǎn)部門和保險(xiǎn)部門對(duì)證券部門的影響都是先增強(qiáng)再減弱，而銀行部門在最初就會(huì)達(dá)到最大值然后逐漸減弱；對(duì)證券部門影響最大的由銀行部門變?yōu)榉康禺a(chǎn)部門。

圖4 證券對(duì)各部門的脈沖響應(yīng)路徑

由圖5可知，在疫情之前，房地產(chǎn)部門系統(tǒng)性風(fēng)險(xiǎn)遭到一個(gè)單位的正向沖擊后會(huì)對(duì)保險(xiǎn)部門產(chǎn)生負(fù)向影響，這種影響會(huì)先增強(qiáng)再減弱；而證券和銀行部門遭到一個(gè)單位的正向沖擊后會(huì)對(duì)保險(xiǎn)部門產(chǎn)生正向影響，這種影響在初期最大，然后減弱；三個(gè)部門中銀行對(duì)保險(xiǎn)的影響最大。在疫情期間，三個(gè)部門對(duì)保險(xiǎn)均產(chǎn)生正向影響，在第8期之前對(duì)其影響最大的是證券，第8期之后影響最大的變?yōu)榉康禺a(chǎn)，在第18期這種影響達(dá)到極值然后開始減弱。

圖6給出了房地產(chǎn)部門對(duì)各部門的脈沖響應(yīng)。在疫情之前，給銀行、證券、保險(xiǎn)三個(gè)部門一個(gè)單位的正向沖擊，他們對(duì)房地產(chǎn)的影響均為正向，且都呈現(xiàn)先增強(qiáng)后減弱的趨勢(shì)；其中保險(xiǎn)部門系統(tǒng)性風(fēng)險(xiǎn)的變動(dòng)對(duì)房地產(chǎn)的影響最大。在疫情期間，對(duì)房地產(chǎn)影響最大的變成證券部門，并且達(dá)到最大值的時(shí)間提前了兩期；銀行和保險(xiǎn)部門對(duì)房地產(chǎn)的影響在初期最大而后逐漸減弱，而銀行在19期之后會(huì)對(duì)其產(chǎn)生負(fù)向的影響。

圖6 房地產(chǎn)對(duì)各部門的脈沖響應(yīng)路徑

從縱向上看，房地產(chǎn)部門在疫情前對(duì)各部門沖擊都較小，在疫情之后房地產(chǎn)部門對(duì)各部門的沖擊最大且持續(xù)性最強(qiáng)。

五、結(jié)論

本文采用條件在險(xiǎn)價(jià)值模型估計(jì)樣本金融機(jī)構(gòu)對(duì)整個(gè)金融系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度，再結(jié)合方差分解網(wǎng)絡(luò)分析各個(gè)部門的傳染渠道。研究結(jié)論如下：（1）從單個(gè)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度來(lái)看，系統(tǒng)性風(fēng)險(xiǎn)水平較高的機(jī)構(gòu)集中在房地產(chǎn)部門，整個(gè)房地產(chǎn)部門系統(tǒng)性風(fēng)險(xiǎn)是波動(dòng)最為明顯、整體風(fēng)險(xiǎn)水平最高的，同時(shí)其對(duì)危機(jī)沖擊的抵抗性也較差。（2）從動(dòng)態(tài)分析來(lái)看，證券和房地產(chǎn)的動(dòng)態(tài)相關(guān)關(guān)系最為顯著，市場(chǎng)信息對(duì)證券和銀行的動(dòng)態(tài)相關(guān)性沖擊較大。四個(gè)部門之間主要呈正相關(guān)關(guān)系，但是保險(xiǎn)部門與其他三個(gè)部門均存在短期的負(fù)相關(guān)，房地產(chǎn)部門與銀行部門也存在過(guò)短期的負(fù)相關(guān)關(guān)系，制訂政策時(shí)需多方考量，考慮某部門政策對(duì)其他部門的影響。（3）從風(fēng)險(xiǎn)傳染渠道來(lái)看，證券部門對(duì)外風(fēng)險(xiǎn)傳染溢出較為嚴(yán)重，疫情期間各部門受其他部門的風(fēng)險(xiǎn)溢出影響都有所增加。（4）以新冠疫情為例分析突發(fā)事件對(duì)系統(tǒng)性風(fēng)險(xiǎn)傳染的影響，結(jié)果表明各部門的風(fēng)險(xiǎn)傳染是非對(duì)稱性的，在危機(jī)期間，房地產(chǎn)部門和證券部門的風(fēng)險(xiǎn)溢出都有所增強(qiáng)，同時(shí)房地產(chǎn)部門對(duì)各部門沖擊的持續(xù)性也明顯增強(qiáng)，因此在突發(fā)事件發(fā)生時(shí)要重點(diǎn)關(guān)注房地產(chǎn)部門，控制各部門間的風(fēng)險(xiǎn)傳導(dǎo)。

鑒于此，本文提出以下政策建議：

就各金融部門而言，房地產(chǎn)部門應(yīng)對(duì)危機(jī)能力較弱，系統(tǒng)性風(fēng)險(xiǎn)水平整體較高，對(duì)銀行依賴性高，應(yīng)建立多元化融資渠道，增加非銀融資比例，但鑒于非銀融資過(guò)程更為復(fù)雜，房地產(chǎn)部門應(yīng)予以重點(diǎn)關(guān)注，避免可能出現(xiàn)的風(fēng)險(xiǎn)。證券部門風(fēng)險(xiǎn)溢出較為嚴(yán)重，一方面，要積極進(jìn)行金融產(chǎn)品創(chuàng)新，實(shí)現(xiàn)差異化經(jīng)營(yíng)，降低與各個(gè)部門的關(guān)聯(lián)性；另一方面，應(yīng)嚴(yán)格制訂風(fēng)險(xiǎn)防范策略，防止因創(chuàng)新不當(dāng)而引發(fā)的系統(tǒng)性風(fēng)險(xiǎn)，避免更嚴(yán)重的跨部門風(fēng)險(xiǎn)傳染。銀行部門與其他部門資金往來(lái)密切，尤其是房地產(chǎn)部門對(duì)其資金依賴程度過(guò)高，因此要著重關(guān)于其他部門的資金和業(yè)務(wù)情況，減少不良貸款的發(fā)生，降低貸款違約造成系統(tǒng)性風(fēng)險(xiǎn)傳染的可能性。

就監(jiān)管部門而言，第一，重點(diǎn)關(guān)注房地產(chǎn)部門，防止房地產(chǎn)貸款增速過(guò)快，對(duì)其跨部門合作業(yè)務(wù)嚴(yán)格把關(guān)，及時(shí)監(jiān)控房地產(chǎn)部門與其他部門的關(guān)聯(lián)水平，同時(shí)也要對(duì)銀行部門、證券部門中風(fēng)險(xiǎn)較高的機(jī)構(gòu)予以重點(diǎn)關(guān)注。第二，在風(fēng)險(xiǎn)累積階段，各部門之間跨機(jī)構(gòu)合作增多，關(guān)聯(lián)性增強(qiáng)，監(jiān)管部門應(yīng)鼓勵(lì)各金融機(jī)構(gòu)進(jìn)行金融產(chǎn)品創(chuàng)新，增大產(chǎn)品異質(zhì)性，減少共同資產(chǎn)的持有，降低各部門之間的關(guān)聯(lián)程度。第三，在日常經(jīng)營(yíng)中，各部門間風(fēng)險(xiǎn)傳遞主要是通過(guò)資金往來(lái)和信貸業(yè)務(wù)造成的，應(yīng)建立健全資本管理方法，動(dòng)態(tài)監(jiān)控各機(jī)構(gòu)資金往來(lái)，及時(shí)發(fā)現(xiàn)資本缺口，強(qiáng)化風(fēng)險(xiǎn)管理，其中證券部門資金往來(lái)項(xiàng)目和銀行部門信貸業(yè)務(wù)是監(jiān)管的重點(diǎn)。第四，由于各部門之間聯(lián)系密切，在制訂針對(duì)某一部門的政策時(shí)也需綜合考量對(duì)其他部門的長(zhǎng)遠(yuǎn)影響，有針對(duì)性地選擇政策工具進(jìn)行差異化監(jiān)控與防范。

注釋：

① 數(shù)據(jù)來(lái)源：中國(guó)人民銀行官網(wǎng)。

② 數(shù)據(jù)來(lái)源：同花順財(cái)經(jīng)。

③ 數(shù)據(jù)來(lái)源：https://www.youpinyouguo.com/news/zuqiu/14065.html.