金融机构关联度与系统性风险的测度.docVIP

金融机构关联度与系统性风险的测度 　　摘要：日益增加的金融机构倒闭和日趋严重的金融市场动荡引起全球对于金融系统风险的关注，文章基于主成分分析方法和格兰杰因果检验所构建的指标，从金融机构之间的关联度入手，采用银行、证券、保险、基金四个部门2008-2012的周数据，测量中国金融机构的风险传染和系统性风险的水平，结果发现，中国的证券机构与其他金融机构的关联最为紧密，因而容易溢出风险也容易受到其他金融机构的冲击，而中国的商业银行虽然规模巨大，但在风险的传导方面却比较稳定，同时，文章还通过识别高风险溢出的金融机构，预测和防范中国的金融系统性风险。 　　关键词：关联度；金融机构；系统性风险 　　随着金融对于实体经济的影响日益重要，金融系统风险的控制和金融系统的稳定越来越受到关注。系统性风险指某一系统性事件的发生对一系列的金融机构和金融市场造成严重的影响，从而影响金融系统的稳定性，影响社会公众对整个金融系统的信心。随着金融衍生品市场的发展、全球金融一体化的加深，金融系统内部各机构之间的联系日趋紧密。因此，当某个机构出现流动性不足、无力偿付，或者产生损失时，这种冲击会很快在不同机构之间传播扩散，从而形成金融系统性风险。 　　金融系统性风险对国民经济的稳定发展造成严重影响。金融系统的质量安全是质量管理和控制的一个层面，与宏观经济的运行息息相关。因此，本文研究如何识别、测量、进而对金融系统性风险进行防范，无疑具有理论和现实意义。 　　一、文献回顾 　　系统性风险的爆发往往导致金融危机，研究系统性风险往往与研究金融危机联系在一起。对金融危机的研究一般关注四个“L”，即杠杆率（Leverage）、流动性（Liquidity）、损失（Losses）、关联性（Linkage）。因此，有关系统性风险的研究主要集中在这四个方面。 　　在系统性风险的理论模型研究方面，Cifuentes（2005）指出在一家企业出现流动性危机出售资产会压低资产的价格，且这种行为具有传染性，所以即使一个小冲击也有可能导致危机出现。Gai等（2011）通过一个银行间借贷的网络模型，解释金融网络中的复杂性和集中性怎么样放大金融脆弱性，并导致系统流动性危机。Morris等（2010）发现资本市场上极少数的逆向选择也能产生腐蚀性的效应，并导致交易机制的失效，其根源在于市场信心的丧失，信息不对称会扩大风险。现有的研究发现流动性缺失、机构之间的紧密联系、信息不对称等原因都会导致系统性风险的传染，导致金融危机的发生。 　　实证研究方面，金融危机前对于系统性风险的度量大部分是基于宏观经济与金融体系的冲击及联系的角度，危机之后度量系统性风险的视角逐渐放开，更多地考虑金融体系内部关联性和传染性度量。目前对于系统性风险的测量方法，大致可以分成两类。第一类主要是利用会计资产负债数据，构建系统性风险衡量指标。IMF（2009）提出的网络模型法考虑了金融机构的流动性风险以及系统间的传染，通过银行间相互敞口和交易数据建立网络，模拟风险传导情况，以此来测算累积的系统性风险。马运全等（2011）利用资本充足率、资产收益率等指标建立了中国银行业系统性风险的预警模型。吕江林等（2011）将中国金融压力指数作为解释变量，以滞后的宏观经济变量、货币信贷变量、资产价格变量和相关经济大国的宏观经济变量为解释变量，运用逐步回归法建立金融系统性风险最佳预测方程，并对我国 2010 年金融系统性风险状况进行预测。第二类的系统性风险测量方法充分利用了金融市场数据来构建风险测量指标。在危机爆发之前，在险价值（Value-at-Risk，VaR）已经被普遍用来衡量金融机构的系统性风险。VaR衡量的是在q%的置信区间，金融机构可能出现的最大损失。但VaR衡量的是单个机构的风险水平，无法刻画机构之间的相互作用。Rockafellar等（2002）指出条件风险价值（Conditional Value-at-Risk，CoVaR）比VaR在测量风险上更优，因为CoVaR可以衡量离散状态的分布，并给出了例子验证。Adian等（2011）构建了CoVar，即在其他金融机构处于危机或者高风险条件下的VAR，以此衡量系统性风险，并将金融机构处于危机下和正常状况下的CoVaR值的差异作为该机构对系统性风险的贡献度的度量。高国华等（2011）利用CoVaR模型对我国上市银行的系统性风险进行测量，得出银行系统性风险贡献度与自身VaR无关，但是与溢出风险CoVaR有关。周天芸等（2012）根据VaR和CoVaR模型的回归，来测量不同银行对经济体共同冲击的反应以及金融机构的风险溢出效应。Huang等（2009）构建了困境保费（Distress Insurance Presium，DIP）指标来衡量系统性风险，即为了防止金融机构经营失败陷