我国上市金融机构系统性风险溢出研究_基于CoVaR和MES的比较分析

当代财经Contemporary Finance ＆Economics ————————————————

—收稿日期：２０１４－１２－２９

基金项目：国家社会科学基金重大项目“金融风险度量的新理论与新方法及其在中国金融机构的应用研究”（１４ＺＤＢ１２４）；国家社会科学基金重大项目“中国金融监管制度优化设计研究”（０９＆ＺＤ０３７）

作者简介：卜林，南开大学博士研究生，主要从事金融风险研究；李政，南开大学博士研究生，主要从事系统性风险研究，联系方式ｌｉｚｈｅｎｇｎｋｕ＠ｆｏｘｍａｉｌ．ｃｏｍ。

一、引言

２００７－２００９年的国际金融危机激发了市场参与者、监管者和学术界更好地理解系统性风险。目前国际上关于系统性风险的定义虽然还未达成广泛的一致意见，但学术界从危害范围、风险传染性、资源配置等角度对系统性风险进行了定义，其共同点在于系统性风险由某个诱导因素引起，导致不稳定性在整个金融系统内扩散，威胁到金融系统的稳定和安全，进而对实体经济造成严重的损害。

危机后，国际金融组织、各国政府及监管当局、学术界对系统性风险给金融稳定和安全带来的危害有了更加深刻的认识；作为对危机的政策响应，他们对传统的微观审慎监管政策进行了反思，由此

引发了一系列的金融监管改革（周小川，２０１１）。［１］从巴塞尔Ⅰ到巴塞尔Ⅱ，微观审慎监管政策得到不

断完善，但是，此次危机的爆发表明微观审慎监管存在着严重的不足和局限性。微观审慎监管只是控制个体金融机构的风险。虽然单个金融机构利用金融创新工具可以将风险转移出去，控制住自身的风我国上市金融机构系统性风险溢出研究

——

—基于ＣｏＶａＲ和ＭＥＳ的比较分析卜林，李政

（

南开大学经济学院，天津３０００７１）摘要：基于“自下而上”和“自上而下”两种视角，采用条件风险价值ＣｏＶａＲ和边际期望

损失ＭＥＳ，研究了我国２３家上市金融机构的系统性风险溢出效应及其时变特征。结果表明：（１）

证券公司、保险公司和商业银行的ＭＥＳ均值依次递减，证券公司和保险公司单位资产的系统性风险

贡献度高于商业银行；在银行部门内，股份制商业银行和城市商业银行的ＭＥＳ值高于大型国有商业

银行。（２）商业银行、保险公司和证券公司的△ＣｏＶａＲ均值依次递减，从单个金融机构总的系统性

风险贡献度来看，商业银行和保险公司对整个金融系统的风险溢出高于证券公司；而且，股份制商

业银行对系统性的风险溢出高于大型国有商业银行。（３）我国金融机构系统性风险具有明显的周

期性，危机期间较高，危机后具有明显的向下趋势；后危机时代，银行同业业务提高了金融机构之

间的关联性，２０１３年我国系统性风险水平有所提高。这些研究结论对于我国宏观审慎监管框架的

构建以及宏观审慎政策的实施提供了有益的参考。

关键词：系统性风险；条件风险价值；边际期望损失；宏观审慎监管

中图分类号：F 832.0文献标识码：A 文章编号：1005－0892(2015)06－0055－11

55DOI:10.13676/b48e91dbde80d4d8d05a4fb236-1030/f.2015.06.007

险，但风险并没有因此消失，系统性风险会在整个金融系统内不断累积。对系统性风险的忽视正是此次危机爆发的重要原因。后危机时期，宏观审慎监管受到了广泛关注和青睐，２００９年４月Ｇ２０伦敦峰会发布的《加强监管和提高透明度》报告中，正式提出了“宏观审慎监管是审慎监管的重要补充，各国要加强宏观审慎监管”。伦敦峰会后，历次Ｇ２０峰会都将宏观审慎监管列入峰会的公报文件。作为后危机时代全球金融改革的重要成果——

—巴塞尔Ⅲ，在加强微观审慎监管的同时，建立了宏观审慎监管框架，实现了微观和宏观审慎监管的有机结合。

从风险管理角度讲，宏观审慎监管的对象是系统性风险。对系统性风险的监管包括两个维度：一是时间维度，即系统性风险随着时间推移的累积变动情况，主要解决顺周期问题；二是横截面维度，即某一时点，系统性风险在金融系统内各机构的分布和相互作用。在横截面维度，宏观审慎监管的重点是对“大而不倒”（ｔｏｏｂｉｇｔｏｆａｉｌ）机构的监管。这两个维度不是独立的，而是相互影响、相互依赖的。这两个维度也是对此次金融危机爆发原因的两种解释：一种是金融系统的顺周期；另一种涉及到系统重要性金融机构的作用（周小川，２０１１）。［１］系统重要性金融机构（ＳＩＦＩｓ）分为本国系统重要性金融机构（Ｄ－ＳＩＦＩｓ）和全球系统重要性金融机构（Ｇ－ＳＩＦＩｓ）两个档次。ＳＩＦＩｓ由于规模大、业务复杂、关联性强、不可替代等特点，ＳＩＦＩｓ单一机构的倒闭就有可能诱发系统性风险，并对整个金融和经济系统的稳定和安全造成威胁。因此，全世界的监管者和政策制定者都呼吁对它们加强监管，实施附加的资本要求和流动性缓冲。对ＳＩＦＩｓ进行有效监管是宏观审慎监管的重要组成部分。目前对ＳＩＦＩｓ的界定还没有统一的标准，各国政府及国际组织主要采取多指标综合评价的方法来识别，得到较高认同的是２０１０年国际货币基金组织（ＩＭＦ）、国际清算银行（ＢＩＳ）和金融稳定委员会（ＦＳＢ）向Ｇ２０提交的报告中提出的识别ＳＩＦＩｓ的三个因素，即规模、关联性和不可替代性，每个因素都基于多个指标进行判定。２０１１年１１月，经Ｇ２０戛纳峰会审议通过，ＦＳＢ正式公布了《处理系统重要性金融机构的政策方法》，发布了首批２９家全球系统重要性银行（Ｇ－ＳＩＢｓ）名单。

精确地测度总的系统性风险和单个机构系统性风险贡献度是实行有效宏观审慎监管的前提。在时间维度上，需要了解系统性风险的水平及趋势变动情况，进行准确的预测；在空间维度上，需要知道系统性风险在各个机构的分配，识别系统重要性金融机构。鉴于测度总的系统性风险及单个机构系统性风险贡献度、识别系统重要性金融机构对于宏观审慎监管、防范和化解系统性金融危机有着重要意义，本文利用Ａｄｒｉａｎ和Ｂｒｕｎｎｅｒｍｅｉｅｒ（２０１１）提出的条件风险价值（ＣｏＶａＲ）和Ａｃｈａｒｙａ等（２０１０）提出的边际期望损失（ＭＥＳ），［２－３］一方面对我国金融机构的系统性风险贡献度进行测度，分析系统性金融风险的空间分布特征；另一方面，从时间维度分析我国系统性金融风险的动态变化，以利于监管当局实行逆周期的宏观审慎监管政策。

本文的结构安排如下：第二部分对相关文献进行梳理和简单述评；第三部分介绍ＣｏＶａＲ和ＭＥＳ的原理及计算方法；第四部分为实证分析结果；第五部分为本文的研究结论及相关的政策建议。

二、文献评述

目前，学术界用以测度金融机构风险溢出效应和系统性风险贡献度的方法大致可以分为两类：一类是基于金融机构之间实际业务关联的结构化方法；另一类是采用市场数据的简约化方法。简约化方法不去研究金融机构之间的相互关联是如何形成的，而是通过市场数据推导出市场对金融机构风险相关性的预期。结构化方法主要包括网络分析法和矩阵法。此次国际金融危机前，学术界就是采用结构化方法来研究单个银行对银行系统的传染性风险，即利用银行间资产负债表数据来估计银行的双边关联关系，再通过模拟银行系统中单个或者多个银行倒闭作为诱导因素引致的银行倒闭数量、资产损失当代财经2015年第6期总第367期

56当代财经

Contemporary Finance＆Economics

当代财经Contemporary Finance ＆Economics 量以及诱发系统性风险的概率，来衡量银行系统的传染性风险。然而，范小云等

（２０１１）指出，银行间实际的双边敞口数据一般难以获得，而主要采用最大熵方法及利用单个银行总的银行间资产负债数

据来估计银行两两之间的双边关系，导致结构化方法的实用性大大降低。［４］相对于结构化方法，简约化

方法采用市场数据，故时效性更强、获取成本更低；同时在有效市场中，机构资产的价格变化反映了市场对机构未来表现的预期，因而简约化方法更具前瞻性。此次国际金融危机后，采用简约化方法测度系统性风险得到了广泛的发展。

Ａｄｒｉａｎ和Ｂｒｕｎｎｅｒｍｅｉｅｒ（２０１１）在风险价值ＶａＲ的基础上提出了条件风险价值ＣｏＶａＲ，用以测度

单个机构的风险溢出效应。［２］ＣｏＶａＲ表示在一个特定机构处于某种状态的条件下，其他机构或者整个金

融系统的风险价值；单个机构的风险溢出效应，则采用该机构处于危机中和正常状态下系统风险价值的差额衡量。ＣｏＶａＲ受到了国内外学者的广泛关注，并应用于相关研究当中（Ｇｉｒａｒｄｉ和Ｅｒｇｕｎ，

２０１３；Ｙｕｎ和Ｍｏｏｎ，２０１４；李志辉和樊莉，２０１１；肖璞等，２０１２）。［５－８］然而，ＣｏＶａＲ是一种“自下而

上”的方法，单个机构的ＣｏＶａＲ之和并不等于总的系统性风险，不具有可加性。针对ＣｏＶａＲ的不可加性，Ｔａｒａｓｈｅｖ等（２００９，２０１０）基于合作博弈中的Ｓｈａｐｌｅｙ值分解方法，提出了为单个金融机构分

配系统性风险的Ｓｈａｐｌｅｙ值分解方法。［９－１０］遗憾的是，Ｓｈａｐｌｅｙ值分解方法需要计算每个子系统的系统性

风险水平，对于包含n 个机构的系统，需要计算２n 个子系统，且排列组合情形随着机构数量呈指数

增长。因此，当系统中机构数目较多时，计算负担较大，花费的时间难以想象（范小云等，２０１３）。

［１１］国内方面，梁琪和李政

（２０１４）采用Ｓｈａｐｌｅｙ值分解方法，也只是对我国１６家上市商业银行的系统性风险进行了测度，以评估其系统重要性水平。［１２］因此，较高的计算负担无疑大幅度降低了Ｓｈａｐｌｅｙ值方法

的实用性和可操作性。

相对于ＣｏＶａＲ关注某一特定金融机构处于危机时，整个金融系统的收益率分布，即“自下而上”，Ａｃｈａｒｙａ等（２０１０）在期望损失ＥＳ的基础上提出了边际期望损失（ＭａｒｇｉｎａｌＥｘｐｅｃｔｅｄＳｈｏｒｔｆａｌｌ，ＭＥＳ），即整个金融市场收益率显著下跌时，单个金融机构收益率的期望损失，以此反映单个机构对

系统性风险的边际贡献。［３］相比于ＣｏＶａＲ的“自下而上”

，ＭＥＳ关注整个金融系统处于危机时，单个机构的收益率分布，即“自上而下”，满足了可加性。Ｂｒｏｗｎｌｅｅｓ和Ｅｎｇｌｅ（２０１０）进一步提出了动态ＭＥＳ，即基于二元ＧＡＲＣＨ模型和非参数推断的动态ＭＥＳ，它依赖于市场和单个机构收益率的波动

性、两者收益率的动态相关关系以及尾部依赖性。［１３］国内方面，范小云等（

２０１１）基于边际期望损失ＭＥＳ，对我国金融机构的系统性风险贡献度进行了测度；梁琪等（２０１３）在动态ＭＥＳ的基础上，对系统性风险指数ＳＲＩＳＫ进行了改进，计算了我国３４家上市金融机构的资本短缺程度，提出了界定系

统重要性金融机构的标准，确定了我国Ｄ－ＳＩＦＩｓ名单。

［４，１４］总的来看，ＣｏＶａＲ和ＭＥＳ等采用市场数据的简约化方法已受到国内学者的广泛关注，但现有研究都是采用ＣｏＶａＲ或ＭＥＳ一种方法，而且分析角度仅关注系统性风险的时间维度或空间维度。本文通过两种方法的比较分析，一方面测度单个机构的系统性风险溢出，研究我国系统性风险的横截面分布；另一方面，度量系统性风险的动态变化及其顺周期特征，弥补了以往研究的缺陷与不足。

三、研究方法

（

一）条件风险价值ＣｏＶａＲＣｏＶａＲ是由Ａｄｒｉａｎ和Ｂｒｕｎｎｅｒｍｅｉｅｒ（２０１１）提出并定义的，他们认为单个金融机构的在险价值VaR 只能反映单个金融机构的风险，并不能反映该机构对系统性风险的贡献度，因此提出了条件风险

价值ＣｏＶａＲ方法，即采用△ＣｏＶａＲ来测度单个金融机构对系统性风险的贡献度。

［２］我国上市金融机构系统性风险溢出研究———基于ＣｏＶａＲ和ＭＥＳ的比较分析

57

VaR表示在正常的市场条件和给定的置信度内，某一金融资产或者证券组合在未来特定一段持有

期内的最大可能损失。VaR i

q 表示机构在未来特定时期T内，它的损失为VaR i

q

的概率仅为q：

P R i≤VaR i

q

≤≤=q（１）

其中，R表示收益率。VaR i

q

也可以理解为机构i资产收益率R i的q分位数。一般来说，VaR的值为

负。CoVaR s|i

q 表示当机构i处于危机时，即机构i的损失位于VaR i

q

水平，整个金融系统（s表示系统）

所面临的风险，CoVaR s|i

q

是下面条件概率分布的q分位数：

P R s≤CoVaR s|i

q R i=VaR i

q

≤≤=q（２）CoVaR s|i,median

q

表示机构i处于“正常”状态时，即机构i的收益率处于中位数水平时，整个金融系统的条件风险价值：

P R s≤CoVaR s|i,median

q R i=median i

≤≤=q（３）机构i对系统性风险的贡献度可以由机构i处于危机时和机构i处于正常水平下，整个金融系统的条件风险价值的差额△CoVaR i

q

表示：

△CoVaR i

q ＝CoVaR s|i

q

－CoVaR s|i,median

q

（４）

目前，计算ＣｏＶａＲ有两种方法：一种是采用分位数回归的方法；另一种是采用多元ＧＡＲＣＨ方法。本文采用分位数回归的方法计算ΔCoVaR。首先，本文对（５）式进行q分位数回归，得到相应的估计系数：

R s

t =αs|i+γs|i R i

t

+εs|i（５）

其中，R i

t 和R s

t

分别表示机构i和整个金融系统的收益率。然后将单个机构的风险价值VaR i

q

和资产收益

率的中位数R i,median代入估计式中，即可得到机构i处于危机时和机构i处于正常水平下，整个金融系统的条件风险价值分别为：

CoVaR s|i

q,t ＝R赞

s

t

＝α赞

s|i

+γ赞

s|i

VaR i

q,t

CoVaR s|i,median

q,t

＝α赞

s|i

+γ赞

s|i

R i,median

t

（６）

其中，α赞s|i

和γ赞

s|i

是对（５）式进行q分位数回归的估计系数值。最后，可以求得机构i对系统性风险的

贡献度：

△CoVaR i

q,t =CoVaR s|i

q,t

-CoVaR s|i,median

q,t

＝γ赞

s|i

VaR i

q,t

－R i,median

t

≤≤（７）

（二）边际期望损失ＭＥＳ

Ａｃｈａｒｙａ等（２０１０）在期望损失ＥＳ的基础上提出了系统性期望损失ＳＥＳ和边际期望损失ＭＥＳ，用来测度市场发生系统性危机和未发生系统性危机时，单个金融机构对整个金融系统风险的边际贡献度。［３］单个金融机构的期望损失ES是其损失超过VaR i

q

时的期望值：

ES i

q =-E R R≤VaR i

q

≤≤（８）

期望损失也可以理解为当资产组合超过它的VaR限值时收益率的均值。可将一个机构的收益率R

分解为机构中每一个项目收益率r

j 的加权和，R＝∑r

j

j

y

j

，其中y

j

是项目j在整个机构资产中所占的比重：

ES i

q

=-∑

j

y

j

E r

j

R≤VaR i

q

≤∑（９）

当代财经2015年第6期总第367期

58当代财经

Contemporary Finance＆Economics

当代财经

Contemporary Finance ＆Economics

单个项目j 对整个机构风险的边际贡献度为：

鄣ES i

q 鄣y j

＝－E r j R ≤VaR i

q ≤≤

≡MES j q

（

１０）其中，MES j

q 是项目j 的边际期望损失，MES 可以通过测度整个机构运行不佳时项目j 的损失来表示。

正如一个机构由很多项目组成，整个金融系统也是由很多金融机构组成的。Ａｃｈａｒｙａ等（２０１０）将

R 作为整个金融系统的收益率，然后考虑当整个金融系统发生危机时，单个金融机构的期望损失。

［３］

设整个金融系统由N 个金融机构组成，a i

和s i

1分别表示机构i 的资产和在时期１的权益资本，整个金融系统的总资产为A=N

i=1

Σa i ，整个金融系统在时期１的权益资本为S 1=N

i=1

Σs i

1。若在时期１，整个

金融系统的权益资本S 1少于kA ，则表示市场发生了系统性危机，其中k 为门限比例。机构i 的系统性期望损失（SES ）就是其权益资本s i

1低于其目标水平k i a i

的数量：

SES i

=-E s i

1-k i a i

S 1≤k α≤

A （

１１）为了控制金融机构规模的影响，将SES i

除以机构i 在时期０的权益资本s i

０，整个金融系统的权益资本除以系统的初始权益资本S ０，S ０＝N

i=1

Σs i ０，则：

SES i

（％）＝SES i s ０

＝－E s i

1

s i ０－k i

a i

s i

０S 1０≤k A ０α

≤

（

１２）系统性期望损失的这种百分比形式的测度可以通过（１３）式计算得到：

SES i

（％）＝－E r i -k i ×lev i

R ≤k ×LE α≤

V （

１３）其中，r i

＝s i

1s i

０是机构i 股票的收益率；R ＝S 1S ０表示整个金融系统股票组合的收益率；lev i

＝a i

s i

０为机构i 的杠杆率；LEV=A S ０为整个金融系统的杠杆率。

存在的问题是，我们事前并不知道机构的目标比例或者门限值k i

，Ａｃｈａｒｙａ等（２０１０）通过计算实现的系统性期望损失ＳＥＳ和边际期望损失ＭＥＳ来进行分析研究。Ａｃｈａｒｙａ等（２０１０）指出，系统性危机（S 1≤kA ）是１０年发生一两次或者更少次数的极端尾部事件，在大多数时间，我们观察到的是更加“正常的”尾部事件，是那种更加频繁的温和的市场表现不佳的情形。将市场表现最差的α％的时间记为I α％。在市场表现最差的α％时，Ａｃｈａｒｙａ等（２０１０）利用机构i 的股票净收益率，定义了一个

MES （ＭａｒｇｉｎａｌＥｘｐｅｃｔｅｄＳｈｏｒｔｆａｌｌ）：

［３］

MES i

α%=-E

s i

1s i

０

－１I α％

α

≤

（

１４）一个监管者需要利用在未发生系统性危机时以及市场表现最差的α％时的信息（MES i

α%），用来估计发生系统性危机时的期望损失（SES ）。Ａｃｈａｒｙａ等（２０１０）通过极值理论发现系统性期望损失与边际

期望损失和杠杆率存在如下关系：

［３］SES i

s i ０＝za i

－s i

０s i

０

＋kMES i α%＋△i

（

１５）我国上市金融机构系统性风险溢出研究———基于ＣｏＶａＲ和ＭＥＳ的比较分析

59

其中，za i s i

０－１测度了在时期０机构i的杠杆率是否已经过高。za i s i

０

－１的值为正，则s i０＜za i，即在时

期０机构i已经存在资本缺口，在时期０机构i存在超额杠杆率。在进行实证分析时，首先找出给定时间区间内市场表现最差的α％（α一般取１或者５）的日期，金融机构i的MES i

α%

就是这些日期内机构i股票收益率的均值：

MES i

α%＝－１

＃days

∑

ｔ：ｓｙｓｔｅｍｉｎｉｔｓα％ｔａｉｌ

r i

t

（１６）

系统性期望损失SES i（％）采用实现的期望损失，即机构i在危机期间的股票收益率均值。

（三）样本与数据

本文的研究样本为２００８年之前上市的２３家金融机构，其中商业银行１４家、证券公司６家、保险公司３家。①与梁琪等（２０１３）的研究一致，本文将借壳上市证券公司的股票复牌时间设为上市时间，采用金融机构（后复权）收盘价计算其日收益率，沪深３００金融指数收益率代表市场收益率。［１４］样本区间定为２００８年１月１日至２０１４年９月３０日，所有数据均来自Ｗｉｎｄ资讯数据库。

四、实证分析结果

（一）ＭＥＳ和△ＣｏＶａＲ的横截面分布

表１给出了我国２３家上市金融机构的边际期望损失MES的描述性统计量。从表１中可以发现，证券公司、保险公司和商业银行的MES均值分别为４．１０９％、３．７６８％和３．７３４％，证券公司、保险公司和商业银行的边际期望损失依次递减，证券公司和保险公司单位资产的系统性风险贡献度高于商业银行。从MES的中位数角度考虑，证券公司、保险公司和商业银行的MES中位数分别为４．２５５％、３．４８６％和３．４４６％，上述结论仍然成立，且结果非常稳健。需要说明的是，金融机构的MES相对较小并不意味着该机构对金融系统总的系统性风险贡献度较小，只是说明该机构增加单位资产规模带来的系统性风险（或损失）较小。

MES给出了金融机构单位资产的系统性风险贡献度，它是在整个金融市场收益率显著下跌的压力情景下，研究单个金融机构的差异性表现。从其收入构成来看，证券公司营业收入的主要来源仍然是证券经纪等业务，代理买卖证券业务净收入占营业收入的５０％以上，盈利模式单一；其经营财务指标对股市行情较为敏感，行业“靠天吃饭”特征比较明显，收入受市场波动影响大，在压力情景下，证券公司的亏损较大。保险公司的资金运用主要包括银行存款、债券投资、股票投资和证券投资基金，其中证券投资基金占资金运用总额的６０％以上；在股票市场指数大幅下跌的压力情景下，其资金运用收益也会受到较大影响。对于商业银行，净利息收入是其营业收入的主要来源，占比超过５０％以上，市场指数的大幅下跌对其影响不大。MES差异反映了市场对金融机构在压力情景下不同经营状况的预期。

将商业银行进一步细分，由表１可以看出，股份制商业银行和城市商业银行的MES均值分别为２．３５４％和２．２７５％，而大型商业银行的MES只有２．１７９％，前者的边际风险贡献度高于后者。这也从另一个角度说明大型商业银行抵御市场风险的能力明显好于其他股份制商业银行和城市商业银行。

——

——

——

——

——

——

——

—

①鉴于宏源证券从２０１３年１０月３０日至２０１４年７月２５日处于停牌期，本文的样本并未包括宏源证券。按上市时间先后，上市银行包括：深发展（平安银行）、浦发银行、民生银行、招商银行、华夏银行、兴业银行、中信银行等股份制商业银行，中国银行、工商银行、交通银行、建设银行等大型商业银行，宁波银行、南京银行、北京银行等城市商业银行；上市证券公司包括：中信证券、海通证券、东北证券、国元证券、长江证券和太平洋，其中有４家为借壳上市；上市保险公司包括：中国人寿、中国平安和中国太保。

当代财经2015年第6期总第367期

60当代财经

Contemporary Finance＆Economics

当代财经

Contemporary Finance ＆Economics

《中国金融稳定报告

》（２０１０年、２０１１年、２０１２年）以１７家①主要商业银行为例，对我国银行业的稳定状况进行了分析。２００８－２０１１年，５家大型商业银行通过平均风险加权资产除以平均总资产表示的业务风险水平分别为５２．１５％、５３．１９％、５３．２２％和５５．０４％，１２家股份制商业银行的同期业务风险水平为５７．２５％、５８．３１％、５９．４７％和６１．２０％。该指标越高，表明单位资产的风险暴露越高，因而５家大型商业银行单位资产的风险水平要小于其他股份制商业银行。此外，５家大型商业银行的财务杠

表１２３家上市金融机构边际期望损失ＭＥＳ的主要统计量

名称均值中位数标准差最小值最大值兴业银行４．５７４５．１２．０４５２．１８８８．１０６平安银行４．３３１４．９２４２．１４９１．７１８．００３浦发银行４．２８４４．３８３２．１２．０５１８．２３华夏银行４．２３６３．５９６２．０１４２．３４９８．２５１宁波银行４．１５４．４０８１．７２８１．９５９６．９５５民生银行３．９９１３．５７１．８６９２．３４１７．４６９招商银行３．９８２３．８４８２．１１８１．９５３８．１６２南京银行３．８６６３．７４９１．７７６２．０１７７．０４９北京银行３．８５４．２１５１．８６８１．６４１６．９８８中信银行３．８４１４．２４４１．９５１．７２８７．３２４交通银行３．５４６３．４６６２．１４５１．４８４７．６６３建设银行２．８５５２．３３９１．８５５１．１６２６．４３２工商银行２．４４８１．６６１．７０２１．１９７５．９９３中国银行２．３２４１．８９２１．４７１０．７９１５．０２９小计３．７３４３．４４６１．９１４０．７９１８．２５１长江证券４．３４３４．４０９１．７３４１．８５９６．５４５东北证券４．２８５４．１６２１．８１１．７９４６．７５５中信证券４．２８４４．４４７１．７２４１．８５８６．８９３太平洋４．０１６４．０９３２．０７４０．８２５６．７７９国元证券３．９５１３．６１８１．７６９１．３８６６．２１３海通证券３．７７６４．２５４１．３４９１．８１７５．４３４小计４．１０９４．２５５１．６５９０．８２５６．８９３中国太保３．８９４３．４９９１．８５６２．０４２７．４５２中国平安３．８４９３．９３７１．９８５１．５９４７．５３５中国人寿３．５６２３．１３１．９５２１．５９９７．５１９小计３．７６８３．４８６１．８３９１．５９４７．５３５总计

３．８３６

３．６５

１．８３８

０．７９１

８．２５１

——————————————

—①包括５家大型商业银行（工商银行、农业银行、中国银行、建设银行、交通银行）和１２家股份制商业银行（中信银行、光大银行、华夏银行、广发银行、深发展、招商银行、浦发银行、兴业银行、民生银行、恒丰银行、浙商银行、渤海银行）。

我国上市金融机构系统性风险溢出研究———基于ＣｏＶａＲ和ＭＥＳ的比较分析

61

杆①均低于１２家股份制商业银行，前者的经营稳健性要好于后者；同时，５家大型商业银行的边际利润率要高于１２家股份制商业银行。以危机最为严重的２００８年为例，前者的边际利润率为２５．８６％，后者只有１７．９６％，说明在危机中大型商业银行获取利润的能力要好于其他股份制商业银行。大型商业银行的边际期望损失较小是市场对其较低的业务风险水平和危机中较强的获利能力的真实反应和预期，在压力情景下，大型商业银行抵御市场风险的能力较强。

条件风险价值△CoVaR则基于“自下而上”的视角给出了单个金融机构的风险溢出效应（见表２）。

表２２３家上市金融机构条件风险价值△CoVaR的主要统计量

名称均值中位数标准差最小值最大值

浦发银行２．５２１．９７９１．６０３１．１１１５．７３５

民生银行２．４５１２．５１７１．４２２１．０３３５．１８７

招商银行２．４４４１．９３４１．３５７１．１４４５．１５９

交通银行２．４２．４２１．３７９０．８３１４．９９２

兴业银行２．３６２１．９４８１．２４４１．１３７４．７５２

华夏银行２．３３８２．０８３１．２０７０．９６８４．６４８

南京银行２．３２６２．３５８１．１９３０．９２５４．５７１

北京银行２．２７１２．４３８１．１９９０．８７３４．４４４

平安银行２．２４４２．０２４１．３２７１．０９２５．０５１

宁波银行２．２２７１．９９７１．４４８０．９３４５．２６６

建设银行２．２１１１．９１５１．５５３０．９５１５．５０４

中国银行２．１７５２．２３２１．３８３０．８６３４．９１４

中信银行２．１２１１．７１．４７７０．５１５．１３３

工商银行１．９３２１．４０３１．０９３１．０４１３．６９２

小计２．２８７２．００７１．２７１０．５１５．７３５

国元证券１．８４７２．１８０．９９８０．６１３．３５７

中信证券１．６６２１．５９５０．９０５０．６１５３．０２５

东北证券１．６３４１．７５６０．９２０．５５８３．２３９

海通证券１．５４１．５１６０．６０５０．４８２２．２４４

长江证券１．５０２１．８８９０．７３２０．４９８２．３６１

太平洋１．４０３１．５０２０．８９５０．２０１２．４６

小计１．５９８１．６７６０．８１２０．２０１３．３５７

中国平安２．１５３２．０６９１．４４８０．６５９４．９８５

中国人寿２．１１３２．０３１．５３１０．６１９５．２７７

中国太保１．９６４１．８１．４５６０．６８２５．０２１

小计２．０７７２．０３１．４０５０．６１９５．２７７

总计２．０８１．９３４１．２１８０．２０１５．７３５

——

——

——

——

——

——

——

—

①财务杠杆等于平均总资产除以平均所有者权益，边际利润率等于税后净利润除以营业收入。

当代财经2015年第6期总第367期

62当代财经

Contemporary Finance＆Economics

当代财经

Contemporary Finance ＆Economics

由表２可知，商业银行、保险公司和证券公司的△CoVaR 均值依次递减，因此，从单个金融机构对总的系统性风险的贡献度来看，相对于证券公司，商业银行和保险公司更应受到监管部门的关注。具体到单个金融机构，首先，在商业银行中，浦发、民生、招商和兴业等股份制商业银行对整个金融系统的风险溢出较高，而工商银行、中国银行和建设银行等大型国有商业银行的风险溢出较低，这表明宏观审慎监管不能仅考虑金融机构的资产规模，更要以单个机构对整个金融系统的系统性风险贡献度为依据。大型国有商业银行的风险溢出效应较低与其国有化程度较高、商业模式更加谨慎稳健不无关系。与此相对，兴业、招商、民生、浦发等股份制商业银行的经营更加激进。一方面，这些股份制商业银行的房地产类贷款占贷款总额的比重较高，而较高的房地产风险敞口放大了其风险溢出效应；另一方面，这些股份制商业银行在金融创新方面十分活跃，从事的银银、银信、银证、银基等创新型同业业务较多，影子同业业务的开展增强了单个机构的系统关联性和风险溢出效应。其次，在保险公司中，中国平安的△CoVaR 均值最高，这反映了中国平安较高的综合经营水平，它横跨保险、银行和证券等多个部门。最后，对于证券公司，虽然MES 显示其单位资产的系统性风险较高，但由于我国上市证券公司的资产规模较小，远低于商业银行和保险公司，因而证券公司单个机构对总的系统性风险贡献度较低，△CoVaR 均值较小。

（二）ＭＥＳ和△CoVaR 的动态特征

横截面维度和时间维度是宏观审慎监管的两个重要方面，系统性风险的识别、度量和监管必须从这两个维度同时进行，缺一不可。上文中通过MES 和△CoVaR 指标分析了系统性风险在金融机构的分布情况，下文将对２００８－２０１４年我国系统性风险的时变特征进行研究。从各金融机构MES 和△CoVaR 的最大值和最小值，可以发现在不同的时期，单个金融机构的MES 和△CoVaR 差别很大。图１进一步反映了我国金融机构MES 和△CoVaR 的动态特征。

图１表明，首先我国金融机构的边际期望损失和条件风险价值具有明显的周期性。２００８年由于国际金融危机的影响，我国金融机构的MES 和△CoVaR 均值较高，金融系统的脆弱性剧增，系统性金融风险水平高企。２００８年以后，伴随着危机影响的逐渐褪去，MES 和△CoVaR 存在明显的向下趋势，系统性风险得到释放，风险水平不断降低。这说明危机前后金融机构的MES 和△CoVaR 相对较低，而危机中MES 和△CoVaR 会急剧上升。其次，虽然MES 和△CoVaR 的研究视角不同，但二者反映的系统性风险时变特征大体相同，这进一步佐证了简约化方法度量系统性风险的有效性和前瞻性。再次，本文发现单个金融机构的MES 和△CoVaR 变动具有很强的协同性，其违约风险相关性较高。在较高的违约依赖条件下，如果仅仅关注于单个机构的金融风险而忽视机构之间的风险溢出和协同作用，则会低估整个金融系统的系统性风险。因而，必须将整个金融系统作为一个整体，考察整个金融系统的风险变动状况。最后，后危机时代，我国的金融创新层出不穷，以买入返售信托受益权为代表的同业业务呈井喷式发展，成为我国商业银行

我国上市金融机构系统性风险溢出研究———基于ＣｏＶａＲ和ＭＥＳ的比较分析

７

６

５

４

３２５

４

３

２

１

ＭＥＳ

△ＣｏＶａＲ

△ＣｏＶａＲ

ＭＥＳ

２００８

２００９

２０１０

２０１１

２０１２２０１３

２０１４

图１我国金融机构ＭＥＳ和△CoVaR 的时变特征

63

应对存贷比管控、信贷额度管理并获取高额利润的重要途径，被称为银行的影子业务。２０１３年６月和１２月，我国银行业出现两次“钱荒”事件，充分暴露了这些影子业务产生的系统关联性和风险隐患（肖崎和阮健浓，２０１４）。［１５］图１显示，２０１３年的MES和△ＣｏＶａＲ均值明显上升，我国系统性风险水平有所提高。这引起了监管部门的重视，金融监管当局加强了对相关业务的监管，代表性措施包括２０１３年银监会发布的《关于规范商业银行理财业务投资运作有关问题的通知》（８号文）、２０１４年５月由中国人民银行、银监会、证监会、保监会和外汇局五部委联合发布的《关于规范金融机构同业业务的通知》（１２７号文）和银监会发布的《关于规范商业银行同业业务治理的通知》（１４０号文）。这些监管措施对银行影子业务的业务范围和会计处理作出了规范，构建出同业业务监管的基本框架，限制了银行的影子规模快速扩张。２０１４年我国金融机构的MES和△CoVaR均值又有所回落，系统性金融风险有所缓解。

五、主要结论与政策建议

本文采用“自上而下”的边际期望损失MES和“自下而上”的条件风险价值△CoVaR，对我国２３家上市金融机构的系统性风险溢出效应及其时变特征进行了研究。MES反映了金融机构单位资产的系统性风险贡献度，研究表明我国证券公司、保险公司和商业银行的MES依次递减，证券公司和保险公司增加单位资产规模带来的系统性风险（或损失）高于商业银行；在银行部门内，股份制商业银行和城市商业银行的MES则高于大型国有商业银行。条件风险价值△CoVaR则基于“自下而上”的视角给出了单个金融机构的风险溢出效应，商业银行、保险公司和证券公司的△CoVaR均值依次递减。因此，从单个金融机构对总的系统性风险贡献度来看，相对于证券公司，商业银行和保险公司更应受到监管部门的关注；在银行部门内，浦发、民生、招商和兴业等股份制商业银行对整个金融系统的风险溢出较高，而工商银行、中国银行和建设银行等大型国有商业银行的风险溢出较低。这表明宏观审慎监管不能仅考虑金融机构的资产规模，更要以单个机构对整个金融系统总的系统性风险贡献度为依据。

２００８－２０１４年我国金融机构的MES和△CoVaR的时变趋势则表明，我国系统性金融风险具有明显的周期性。２００８年由于金融危机的影响，系统性风险水平高企；２００８年后，系统性风险水平则具有明显的向下趋势，而且各金融机构的MES和△CoVaR的变动具有很强的协同性，其违约风险相关性较高；后危机时代，以买入返售信托受益权为代表的同业业务提高了金融机构之间的系统关联性，２０１３年我国系统性风险水平有所提高。因此，金融监管部门必须对同业业务导致的过度关联和风险传染有清醒的认识，提高相关监管政策的全局性、前瞻性和科学性。

——

——

——

——

——

——

——

—

参考文献：

［１］周小川．金融政策对金融危机的响应——

—宏观审慎政策框架的形成背景、内在逻辑和主要内容［Ｊ］．金融研究，２０１１，（１）：１－１４．

［２］ＡｄｒｉａｎＴ．，ＢｒｕｎｎｅｒｍｅｉｅｒＭ．Ｋ．．ＣｏＶａＲ［Ｒ］．ＮＢＥＲＷｏｒｋｉｎｇＰａｐｅｒＮｏ．１７４５４，２０１１．

［３］ＡｃｈａｒｙａＶ．，ＰｅｄｅｒｓｅｎＬ．，ＰｈｉｌｉｐｐｏｎＴ．，ＲｉｃｈａｒｄｓｏｎＭ．．ＭｅａｓｕｒｉｎｇＳｙｓｔｅｍｉｃＲｉｓｋ［Ｒ］ＦＲＢｏｆＣｌｅｖｅｌａｎｄＷｏｒｋｉｎｇＰａｐｅｒＮｏ．１０－０２，２０１０．

［４］范小云，王道平，方意．我国金融机构的系统性风险贡献测度与监管——

—基于边际风险贡献与杠杆率的研究［Ｊ］．南开经济研究，２０１１，（４）：３－２０．

［５］ＧｉｒａｒｄｉＧ．，ＥｒｇｕｎＡ．Ｔ．．ＳｙｓｔｅｍｉｃＲｉｓｋＭｅａｓｕｒｅｍｅｎｔ：ＭｕｌｔｉｖａｒｉａｔｅＧＡＲＣＨＥｓｔｉｍａｔｉｏｎｏｆＣｏＶａＲ［Ｊ］．ＪｏｕｒｎａｌｏｆＢａｎｋｉｎｇ＆Ｆｉｎａｎｃｅ，２０１３，３７（８）：３１６９－３１８０．

当代财经2015年第6期总第367期

64当代财经

Contemporary Finance＆Economics

当代财经Contemporary Finance ＆Economics ［６］ＹｕｎＪ．，ＭｏｏｎＨ．．ＭｅａｓｕｒｉｎｇＳｙｓｔｅｍｉｃＲｉｓｋｉｎｔｈｅＫｏｒｅａｎＢａｎｋｉｎｇＳｅｃｔｏｒｖｉａＤｙｎａｍｉｃＣｏｎｄｉｔｉｏｎａｌＣｏｒｒｅｌａｔｉｏｎＭｏｄｅｌｓ［Ｊ］．Ｐａｃｉｆｉｃ－ＢａｓｉｎＦｉｎａｎｃｅＪｏｕｒｎａｌ，２０１４，２７：９４－１１４．

［７］李志辉，樊

莉．中国商业银行系统性风险溢价实证研究［Ｊ］．当代经济科学，２０１１，（６）：１３－２０．［８］肖璞，刘轶，杨苏梅．相互关联性、风险溢出与系统重要性银行识别［Ｊ］．金融研究，２０１２，（１２）：９６－１０６．

［９］ＴａｒａｓｈｅｖＮ．，ＢｏｒｉｏＣ．，ＴｓａｔｓａｒｏｎｉｓＫ．．ＴｈｅＳｙｓｔｅｍｉｃＩｍｐｏｒｔａｎｃｅｏｆＦｉｎａｎｃｉａｌＩｎｓｔｉｔｕｔｉｏｎｓ［Ｒ］．ＢＩＳＱｕａｒｔｅｒｌｙＲｅｖｉｅｗ，２００９：７５－８７．

［１０］ＴａｒａｓｈｅｖＮ．，ＢｏｒｉｏＣ．，ＴｓａｔｓａｒｏｎｉｓＫ．．ＡｔｔｒｉｂｕｔｉｎｇＳｙｓｔｅｍｉｃＲｉｓｋｔｏＩｎｄｉｖｉｄｕａｌＩｎｓｔｉｔｕｔｉｏｎｓ［Ｒ］．ＢａｎｋｆｏｒＩｎｔｅｒｎａｔｉｏｎａｌＳｅｔｔｌｅｍｅｎｔｓ，２０１０．

［１１］范小云，方

意，王道平．我国银行系统性风险的动态特征及系统重要性银行甄别———基于ＣＣＡ与ＤＡＧ相结合的分析［Ｊ］．金融研究，２０１３，（１１）：８２－９５．［１２］梁琪，李

政．系统重要性、审慎工具与我国银行业监管［Ｊ］．金融研究，２０１４，（８）：３２－４６．［１３］ＢｒｏｗｎｌｅｅｓＣ．Ｔ．，ＥｎｇｌｅＲ．．Ｖｏｌａｔｉｌｉｔｙ，ＣｏｒｒｅｌａｔｉｏｎａｎｄＴａｉｌｓｆｏｒＳｙｓｔｅｍｉｃＲｉｓｋＭｅａｓｕｒｅｍｅｎｔ［Ｒ］．ＮｅｗＹｏｒｋＵｎｉｖｅｒｓｉｔｙ，ｍｉｍｅｏ，２０１０．

［１４］梁琪，李政，郝项超．我国系统重要性金融机构的识别与监管———基于系统性风险指数ＳＲＩＳＫ方法的分析［Ｊ］．金融研究，２０１３，（９）：５６－７０．

［１５］肖崎，阮健浓．我国银行同业业务发展对货币政策和金融稳定的影响［Ｊ］．国际金融研究，２０１４，（３）：６５－７３．责任编校：魏

琳我国上市金融机构系统性风险溢出研究———基于ＣｏＶａＲ和ＭＥＳ的比较分析

A Study of Systematic Risk Spillover of China ’s Listed Financial Institutions:A Comparative

Analysis Based on CoVaR and MES

BU Lin,LI Zheng

(Nankai University,Tianjin 300071,China)

Abstract ：From the two perspectives of bottom-up and top-down,this paper applies CoVaR and MES (Marginal Expected Shortfall)to study the systematic risk spillover effect and its time-varying characteristics of China ’s 23listed financial institutions.The results show that:(1)the MES mean value of securities firms,insurance companies and commercial banks decreases in sequence,and the systematic risk contribution of securities firms and insurance companies is higher than that of com-mercial banks;within the banking sector,the MES value in both joint-stock and city commercial banks is higher than that in the large-scale state-owned commercial banks.(2)The mean value of of commercial banks,insurance companies and securities firms decreases in turn.As for the general sys-tematic risk contribution of a single financial institution,the risk spillover of commercial banks and insurance companies is higher than that of securities firms towards the overall financial system;in ad-dition,the systematic risk spillover of joint-stock commercial banks is higher than that of large-scale state-owned commercial banks.(3)The systematic risk of China ’s financial institutions has obvious periodicity,which is relatively high during crisis and shows evident downward trend after the crisis.In the post-crisis era,the improvement of interbank business has reinforced the relevance between the financial institutions,and the level of systematic risk in China was improved in 2013.These research conclusions can provide useful references for both the construction of macro-prudential regulatory and supervisory framework and the implementation of the macro-prudential policies.

Key words ：systematic risks;CoVaR;Marginal Expected Shortfall;macro-prudential regulation

65

本文来源：https://www.bwwdw.com/article/dhfe.html