商业银行流动性风险与系统性风险贡献度

刘志洋 宋玉颖

一、引 言

银行业借短贷长的经营模式决定了其必然暴露在流动性风险敞口之下。银行以信贷的形式向借款人提供流动性，以随时满足存款人提款需求的形式向存款人提供流动性(Cornett 等，2011)。银行所履行的职责使得银行在向借款人提供流动性的同时，降低了自身资产的流动性，而同时却又面临着在借款人还款不确定情况下时的存款人取款要求(Diamond 和 Rajan，2001)。尤其当银行以信贷承诺的方式向借款人提供流动性时，银行会同时面临着借款人和存款人的两方面流动性需求，银行暴露在巨大的风险敞口之下。

2008 年金融危机爆发后，加强宏观审慎监管成为国际监管变革的主要方向。Basel III 的问世进一步强化了资本监管和流动性监管。国际监管界发布了一系列决定金融机构系统性风险贡献度的指标，并提出了流动性覆盖比率和净稳定资金比率两个流动性监管指标。学者们从金融机构短期债务融资的角度研究了商业银行流动性风险与金融机构系统性风险贡献度之间的关系(比如Lopez-Espinosa 等，2012；Brunnermeier，2009)。Gorton(2009)指出2008 年金融危机是短期负债引发的流动性风险的危机。Brunnermeier(2009)认为短期债务引发的流动性风险使得冲击在市场参与者之间大面积传染。Adrian 和Brunnermeier(2011)发现银行短期负债比率越高，银行系统性风险贡献度越大。然而，商业银行是同时吸收存款和发放贷款的金融机构，短期负债仅仅为商业银行流动性风险来源的一个方面。由于中国金融市场尚不发达，银行主要资金来源仍为存款，而非上述文献在研究2008 年金融危机中主要关注的短期负债。资金来源的稳定性高和国家声誉资本的注入(张杰，2003)使得中国商业银行所面临的短期负债融资所带来的流动性风险应不会特别严重。

资本是银行最为珍贵的资源，商业银行为了节约资本，必须大力发展表外业务。表外业务可以增加银行的盈利能力，既可能起到降低业务集中度分散风险的作用，但可能也会增加银行的风险敞口暴露。信贷承诺无疑是商业银行表外业务盈利来源的重要组成部分，但同时也是主要的流动性风险敞口。近年来，中国商业银行信贷承诺总量快速发展(宋玉颖和刘志洋，2014)。从对中国商业银行实证分析来看，持有信贷承诺较高的银行在金融风险加大时期会增加流动性资产储备，以应对风险(宋玉颖和刘志洋，2013)。直觉上，流动性比率越高，银行体系应越稳定。但是，Wagner(2007)的研究表明在金融体系正常运转时期商业银行流动性比率对金融体系的稳定没有影响。因此，探讨流动性风险与系统性风险之间的关系，研究中国商业银行信贷的流动性风险对中国商业银行系统性风险贡献度的影响，对于中国商业银行流动性风险管理、维护银行体系稳定和加强系统性风险管理具有重要的现实意义。

二、文献综述

自从Diamond 和Dybvig(1983)著名的“DD 模型”问世以来，银行业挤兑风险的文章大幅增长，其关注点集中于引发银行挤兑的原因上，主要分为两类观点：第一是随机取款(Random withdrawl)理论，强调银行挤兑是一种自我强化现象(Chang 和Velasco，2000；Postlewaite 和Vives，1987)；第二个是基于信息理论，强调银行挤兑是储户在信息不对称条件下的必然的合理选择(Chari 和Jagannathan，1988；Gorton，1985)。近十年来，以“DD 模型”为基础，从组合管理的视角研究银行资产流动性风险的学术文献也快速增长。Ennis 和 Keister(2006)研究银行倒闭概率与银行流动性资产头寸之间的关系。Peck 和 Shell(2003)研究对非流动性资产持有量的约束如何影响银行流动性资产的持有。Franck 和Krausz(2007)分析当银行面对存款人不确定的流动性需求时股票市场以及中央银行最后贷款人角色如何影响银行资产配置。

2008 年金融危机的爆发引发了学术界和业界对于系统性风险的广为关注，大量系统性风险测度方法被提出。Goodhart 和 Segoviano(2009)运用信用违约互换数据构建银行业稳定指数估计银行之间的尾部相关性。Huang 等(2009)基于前瞻性违约指标和前瞻性的资产收益率相关性，将银行为了避免违约所需要缴付的保费作为系统性风险测度指标。Van Oordt 和Zhou(2011)和Roengiptya 和Rungcharoenkitkul(2011)均运用Adrian 和Brunnermeier(2011)提出的CoVaR 方法测度金融机构的系统性风险贡献度。Acharya 等(2010)提出了系统性期望尾部损失(Systemic expected shortfall)的概念，即当金融体系资本不足时某家金融机构资本不足的取向度，即该指标测度了银行对金融体系的风险敞口。Brownlees 和 Engle(2015)测度了金融机构的短期和长期的边际期望尾部损失(Marginal expected shortfall，MES)，并且基于金融机构的杠杆率和MES 值构建了SRISK 指数。De Nicolo 和 Lucchetta(2011)运用动态因子模型，运用季度宏观经济指标数据和季度金融数据对实体经济风险和金融体系系统性风险进行了预测。Gray 和 Jobst(2010)运用极值理论研究金融市场与金融机构之间的传染性。Kritzman等(2010)运用主成分分析方法构建吸收比率(Absorption ratio)指标评估系统性风险。Cont 等(2009)和Martinez-Jaramillo 等(2010)运用网络分析方法分析了巴西和墨西哥银行间市场的风险状况。Cao(2010)在CoVaR 分析框架下，运用Shapley 值方法测度各个金融机构的系统性风险贡献度。其实每一种系统性风险的测度方法均有其优势与劣势，因此讨论哪一种方法是最优的方法并非非常重要(Lopez-Espinosa 等，2012)。

针对银行体系稳定的研究表明银行资产流动性对银行系统性风险具有显著影响，金融机构资产的流动性风险对于金融体系的稳定具有重要意义(Fecht，2004)。Aghion等(2000)认为银行间的资产交易会通过信息溢出效应来引发传染。Freixas 等(2000)认为银行间资产交易会增加相互信用风险敞口暴露。Wagner(2005)指出，银行间资产分散化会降低单个银行的风险，从而鼓励银行大量持有流动性差的资产，从而增加系统性风险。银行资产的可出售性也会影响银行体系的系统性风险(Wagner 和Marsh，2006)，进而改变金融体系的脆弱性。Wagner(2007)研究了银行资产流动性与银行体系的稳定的关系，结论表明在危机时期流动性资产的增加会增加银行的风险，降低金融体系的稳定，而在金融体系处在正常时期流动性资产比率的增加虽然会增加银行的风险，但对金融体系的稳定没有影响。

从上述研究可以看出，流动性风险与系统性风险关系密切。学者们大都从表内资产和负债的视角研究了商业银行流动性风险和系统性风险之间的关系。然而，随着金融创新的不断发展，表外业务对商业银行的发展越来越重要。表外资产在成为商业银行盈利来源的同时，也会成为商业银行流动性风险的来源，进而会威胁银行体系的稳定。本文在上述学者研究的基础上，运用中国上市商业银行数据同时研究表内和表外资产的流动性风险与中国上市商业银行系统性风险贡献度的关系，以期为中国系统性风险管理提供参考。

三、测度系统性风险贡献度

本文对商业银行系统性风险贡献度的测度是基于Adrian 和Brunnermeier(2011)提出的CoVaR 方法，运用分位数回归测度商业银行时变的系统性风险贡献度序列。

（一）估计方法

在风险管理实践中，VaR 方法是度量组合收益下行风险最为常用的方法。对于给定置信区间，x%水平下的VaR 表示在一段时期内，组合的损失有x%的可能高于VaR值，即VaR 值是组合损失分布x 分位点的数值。CoVaR 方法在VaR 方法基础上发展起来。正如Brunnermeier 等(2009)指出，测度一家金融机构系统重要性的核心应是测度该金融机构陷入困境对金融体系的影响，即溢出效应(Spillover Effect)。CoVaR 是指当一家金融机构出现危机时，整个系统的VaR 值，即它是一个基于“条件”的概念。CoVaR 中的“Co”是代表基于条件的(Conditional)，能够互相传染的(Cotagion)和协同运动(Comovement)。Brunnermeier(2009)指出，“在所有金融机构都正常的条件下的CoVaR 与当某家金融机构陷入困境时整个系统的CoVaR 的差，即 △C o VaR，衡量的是这家机构对系统性风险的边际贡献度”。

Xi为表示金融机构i 的随机变量，q 为分位点，VaR(Value at Risk)表示在险价值。根据上述定义，我们对CoVaR 的定义为：

定义金融机构i 对金融机构j 的风险贡献度为：

在本文中，C ( Xi)主要是指这种情况，j 代表银行业整体。根据CoVaR的定义，我们可以看出，该方法可以通过研究每家金融机构对于金融体系的风险贡献度来研究金融机构陷入困境所带来的溢出效应(Spillover Effects)。溢出效应可能是直接的(Direct)，通过金融机构之间的相互关联来传递，即金融机构是“关联度太广而不能倒(Too Interconnected to Fail)”；也可以是间接的(Indirect)，通过金融机构的共同风险敞口暴露来传递(Adrian 和Brunnermeier，2011)。本文主要测度1%显著性水平下中国各上市商业银行的 △C o VaR。

（二）VaR 值与△ Co VaR值的估计

估计CoVaR 需要估计各上市商业银行VaR 值。根据Engle 和Manganelli(2004)的研究，本文使用分位数回归方法估计各上市商业银行的VaR 值，分位点选择为1%和50%。回归模型如下：

其中，Y 代表上市商业银行日度股票收益率，i 表示商业银行，t 表示时间，u 表示残差项，β 为待估参数，n 表示解释变量个数，Z 表示解释变量。在估计VaR 基础上，本文需要估计当一家商业银行陷入困境后对银行体系的影响，即每家商业银行的CoVaR 值。根据Adrian 和Brunnermeier(2011)的研究，本文使用分位数估计方法计算CoVaR 值，分位点选取为0.01。其具体模型如下：

其中S 为银行指数日度收益率(本文使用大智慧银行业指数作为银行业整体状况的代表)，X 为各上市商业银行日度收益率，其余字母含义与式(4)相同。在式(5)基础上，各上市商业银行的 △C o VaR 值为：

从式(6)可以看出，金融机构陷入困境所带来的溢出效应由待估系数 γ0.01,i捕捉。如果 γ0.01,i显著不为零，则说明银行体系下端尾部风险由各个上市商业银行下端尾部风险决定①由于式(4)、(5)需要对每家银行进行回归，因此表格较多，在此并没有全部列出。。

（三）样本数据及估计结果

对于式(4)，本文选取的解释变量包括：表示市场整体状况的沪深300 指数(Hs300)；6 个月Shibor 与6 个月国债收益率之差表示银行间市场风险状况，即通常所说的TED 指标(TED)，6 个月AAA 银行间企业债收益率与6 个月国债收益率之差表示市场的信用风险溢价(CS)，10 年国债收益率与6 个月国债收益率之差刻画市场期限结构(TS)。同时为刻画金融危机对银行风险的影响，本文引入哑变量crisis，当时间在2008 年时其取值为1，其余时间取值为0。样本日期为2008 年7 月1 日②由于作者可以得到的6 个月AAA 银行间企业债收益率数据的起始日期为2008 年7 月1 日，因此本文样本日期从2008 年7 月1 日开始，数据来源为wind 数据库。至2013 年12 月31 日。数据来源为wind 数据库。

表2 为各上市商业银行ΔCoVaR 均值。从表2 可以看出，在2008 年金融危机爆发的年份，各商业银行系统性风险贡献度显著高于2009 年至2013 年均值。从总体均值来看，系统性风险贡献度最大的是工商银行和交通银行，但是建设银行和中国银行排名相对靠后。北京银行和宁波银行排第四位和第六位，兴业银行和民生银行排名第三位和第五位。从这个意义上讲，国有大型商业银行系统性风险贡献度不一定高于股份制商业银行和城市商业银行。因此，本文基于分位数回归与陈忠阳和刘志洋(2013)基于多元Garch 模型得出的结论基本类似。在2008 年金融危机爆发的年份，国有大型商业银行系统性风险贡献度显著上升，工商银行、交通银行、建设银行和中国银行均在前五位。在2009 年至2013 年，各上市商业银行系统性风险贡献度比2008 年小很多，且此时期国有大型商业银行系统性风险贡献度也并非最高。

表1 解释变量统计性质

表2 银行ΔCoVaR序列均值比较

四、流动性风险与系统性风险贡献度

本部分主要研究商业银行流动性风险与系统性风险贡献度之间的关系。由于商业银行财务信息发布频率要比股票市场频率低，且基于ADF 检验表明本文求解的各商业银行ΔCoVaR 值和VaR 值序列平稳，因此本文以半年期为单位，对第三部分测度的商业银行ΔCoVaR 时变序列每半年取平均值和中值，作为商业银行在该半年对银行体系系统性风险贡献度。根据Lopez-Espinosa 等(2012)的研究，本文应用式(7)固定效应模型进行回归分析，样本为2008 年至2012 年各商业银行半年度数据。

ΔCoVaR①值得提出的是，本文求解的CoVaR 值均为负值，因此回归系数为正说明是降低系统性风险贡献度。为各上市商业银行半年度中值和均值。VaR 为各上市商业银行半年度中值和均值。Credit 表示银行资产流动性的指标。本文选取四个表示商业银行流动性风险的指标：(1)存贷比指标(LTOD)；(2)流动性资产比率(liquid)；(3)信贷承诺与贷款总额和信贷承诺之和的比率(LC)；(4)信贷承诺与资产总额和信贷承诺之和的比率(Comit)。为了刻画金融体系风险增加时期资产流动性风险对银行系统性风险贡献度的影响，本文在回归中引入TED 与Credit 变量的交叉项。宋玉颖和刘志洋(2013)指出，持有信贷承诺越高的银行越倾向于持有更高的流动性资产储备，因此本文针对信贷承诺变量引入信贷承诺与流动性资产比率(Liquid)的交叉项，来探讨信贷承诺影响商业银行系统性风险贡献度的机制。Lev 为杠杆率，资产总额与银行所有者权益之比。Loan 表示银行贷款总额与资产总额之比。Size 为银行取对数的资产规模。Offer 为哑变量，若商业银行在半年期间内增发股票，则取1，否则为0。样本期间商业银行股票增发状况如表3 所示。Time 为控制时间效应变量。指标数据来源为wind 数据库和银行年度和半年度报告。

表3 样本期间商业银行股票增发状况

表4 和表5 为式(7)的回归结果。由于ΔCoVaR 均为负值，因此回归系数为正表明解释变量越大，系统性风险贡献度越高。表4 和表5 表明各银行VaR 值越高，其系统性风险贡献度就越高。从表内流动性风险指标来看，存贷比指标与流动性资产比率对银行系统性风险贡献度的影响均不显著，与TED 交叉项回归系数也不显著。由于中国尚未发生过银行危机，因此虽然TED 指标增加意味着金融体系风险的增加，但作者认为金融体系仍处在正常运行时期，非Wagner(2007)提到的危机时期。从直接意义上讲，本文的实证分析表明流动性资产比率在金融体系处在正常时期对金融体系稳定的影响不显著，进而支持Wagner(2007)的结论。

表4 因变量为ΔCoVaR均值的式(7)回归结果

从表外信贷资产来看，与直觉相反的是，Comit 和LC 回归系数显著正，说明银行信贷承诺越高，银行系统性风险贡献度越低。由于信贷承诺持有量高的银行会倾向于持有更高比率的流动性资产以应对未来的流动性需求(宋玉颖和刘志洋，2013)，因此本文引入信贷承诺与Liquid 交叉项来分析信贷承诺影响系统性风险贡献度的机制。实证结果表明，交叉项回归系数显著为正，而信贷承诺回归系数不显著。这说明当持有更高信贷承诺的银行是通过持有更高比率的流动性资产来降低其系统性风险贡献度。Comit 和LC 与TED 交叉项回归系数虽显著性水平较差，但为负值，说明在金融风险增加时期，银行信贷承诺比率越高，银行的系统性风险贡献度越大。之所以不显著，可能是由于中国目前尚未出现真正意义上的银行危机，银行信贷承诺也从未出现违约状况，信贷承诺更多的表现为银行的收入来源。虽然回归结果不显著，但是我们不应忽视意在金融风险增加时期信贷承诺占比对系统性风险的影响。

表5 因变量为ΔCoVaR中值的式(7)回归结果

如果商业银行信贷承诺与活期存款之间存款协同效应，即如果储户取款与企业对信贷承诺的使用相关性不是非常高，则银行可以运用这种协同效应来降低自身的流动性风险(Kashyap，Rajan 和Stein，2002)。如果这种协同效应存在，则其应能够显著的降低商业银行系统风险贡献度。表6 为信贷承诺与活期存款之间存款协同效应对商业银行系统性风险贡献度的影响。其中TC 为活期存款比重。TC 的回归系数为显著性很差，但为负值说明活期存款比率越高，银行系统性风险贡献度越大。LC、Comit 与TC的交叉项回归系数为正值，但显著性水平不是很高。Comit 与TC 交叉项回归系数在10%水平显著，LC 与TC 交叉项不显著。数值为正说明信贷承诺与活期存款之间存在一定的协同效应，从而降低了银行系统性风险贡献度，而显著性问题说明中国上市商业银行信贷承诺与活期存款之间虽存在一定的协同效应，但可能不是很明显，或者程度不高①宋玉颖和刘志洋(2014)表明中国上市商业银行信贷承诺与活期存款之间不存在很显著的协同效应。。

表6 银行信贷承诺与活期存款协同效应对系统性风险贡献度的影响

五、结论及政策建议

本文从实证角度分析了商业银行流动性风险对银行系统性风险贡献度的影响。针对中国上市商业银行的实证分析表明，商业银行信贷承诺持有量越高，其系统性风险贡献度越低，其作用机制是商业银行通过持有更多的流动性资产来对冲信贷承诺的增加所带来的流动性风险，进而降低其系统性风险贡献度；同时实证分析表明信贷承诺与活期存款的协同效应也是中国商业银行降低其系统性风险贡献度的机制，但这种协同效应显著性不是很高，仍有待进一步开发。总体上，本文的实证研究认为流动性比率虽然与商业银行系统性风险贡献度无直接关系，但存在间接关系，流动性比率越高，商业银行系统性风险贡献度越低，银行体系越稳定，这与Wagner(2007)的研究结论不是很一致。基于本文的研究成果，本文提出以下政策建议。

第一，开发信贷承诺与活期存款之间的协同效应从而有效推动流动性风险管理效率的提升。信贷承诺与活期存款都是银行流动性风险的主要来源，但是将二者进行组合管理，则形成的协同效应成为商业银行管理流动性风险的有效工具，从而能够降低银行系统风险贡献度，有助于保持金融体系的稳定。

第二，加强金融机构风险管理。本文实证分析表明，商业银行的系统性风险贡献度与自身的风险显著相关。变量VaR 的回归系数明显的体现了这一点。本文的实证分析还表明流动性比率对于商业银行风险管理具有重要意义，因此加强金融机构流动性风险管理建设是管理系统性风险不可或缺的一环，是保障金融体系稳定的重要基石。

第三，不应仅仅依据规模确定金融机构系统重要性。由于中国目前没有爆发真正意义上的金融危机，当前的系统性风险管理仍是在金融体系正常运行期间的风险管理，因此应着重关注金融体系正常运行期间各金融机构的系统性风险贡献度。本文分析表明，在正常时期，国有大型商业银行的系统性风险贡献度未必高于股份制商业银行和城市商业银行，因此系统性风险管理不应忽视规模相对较小的商业银行的系统性风险贡献度。

［1］ 陈忠阳，刘志洋. 国有大型商业银行系统性风险贡献度真的高吗？——来自中国上市商业银行股票收益率的证据[J]. 财贸经济，2013(9)：57-66.

［2］ 宋玉颖，刘志洋. 流动性风险对银行借贷行为的影响[J]. 金融论坛，2013(8)：10-16.

［3］ 宋玉颖，刘志洋. 中国上市商业银行活期存款与信贷承诺之间存在协同效应吗？[J]. 投资研究，2014(2)：33-43.

［4］ 张 杰. 中国国有银行的资本金谜团[J]. 经济研究，2003(1)：30-36.

［5］ Acharya，V.，Pedersen，L.，Philippon，T. and Richardson，M. Measuring Systemic Risk [R].Federal Reserve Bank of Cleveland Working Paper，2010，No. 02.

［6］ Adrian，T. and Brunnermeier，M. CoVaR[R]. Princeton University Working Paper，2011，No.348.

［7］ Aghion，P.，Bolton，P. and Dewatripont，M. Contagious Bank Failures in a Free Banking System[J]. European Economic Review，2000，44(4)：713-18.

［8］ Brownlees，C T. and Engle，R. F. SRISK：A Conditional Capital Shortfall Index for Systemic Risk Measurement [R]. SSRN，2015，No 1611229.

［9］ Brunnermeier，M. Deciphering the Liquidity and Credit Crunch 2007-2008[J]. Journal of Economic Perspectives，2009，23(1)：77-100.

［10］ Cao Zhili. Multi-CoVaR and Shapley Value：A Systemic Risk Measure[R]. Bank of France Working Paper，2010.

［11］ Chang，R.，Velasco，A. Banks，Debt Maturity and Financial Crises[J]. Journal of International Economics，2000，51(1)：169-94.

［12］ Chari，V V.，Jagannathan，R. Banking Panics，Information，and Rational Expectations Equilibrium[J]. Journal of Finance，1988，43(3)：749-61.

［13］ Cont，R，Moussa，A.，Minca，A.，Too Interconnected to Fail：Contagion and Systemic Risk in Financial Networks[R]. Columbia University Working Paper，2009.

［14］ Cornett，M M.，McNutt，J J.，Strahan，P. E. and H. Tehranian. Liquidity Risk Management and Credit Supply in the Financial Crisis[J]. Journal of Financial Economics，2011，101(2)：297-312.

［15］ De Nicolo，G. and Lucchetta，M. Systemic Risk and the Macroeconomy[R]. NBER Working Paper，2011，No. 16998.

［16］ Diamond，D. and Dybvig，P. Bank Runs，Deposit Insurance，and Liquidity[J]. Journal of Political Economy，1983，91(3)：401-19.

［17］ Diamond，D. and Rajan，R. Liquidity Risk，Liquidity Creation and Financial Fragility：A Theory of Banking[J]. Journal of Political Economy，2001，109(2)：287-327.

［18］ Engle，R. F. and Manganelli，S. CAViaR：Conditional Autoregressive Value at Risk by Regression Quantiles[J]. Journal of Business and Economic Statistics，2004，22(4)：367-81.

［19］ Ennis，H. M. and Keister，T. Bank Runs and Investment Distortions Revisited[J]. Journal of Monetary Economics，2006，53(2)：217-32.

［20］ Fecht，F. On the Stability of Different Financial Systems[J]. Journal of the European Economic Association，2004，2(6)：969-1014.

［21］ Franck，R.，Krausz，M. Liquidity Risk and Bank Portfolio Allocation[J]. International Review of Economics and Finance，2007，16(1)：60-77.

［22］ Freixas，X.，Parigi，B. and Rochet，J. C. Systemic Risk，Interbank Relations，and Liquidity Provision by the Central Bank[J]. Journal of Money Credit and Banking，2000，32(3)：611-38.

［23］ Lopez-Espinosa，G.，Moreno，A.，Rubia，A. and Valderrama，L. Short-term Wholesale Funding and Systemic Risk：A Global CoVaR Approach[J]. Journal of Banking & Finance，2012，36(12)：3150-62.

［24］ Goodhart，C. and Segoviano，M. Banking Stability Measures[R]. IMF Working Paper.，2009，No. 04.

［25］ Gorton，G. Banks' Suspension of Convertibility[J]. Journal of Monetary Economics，1985，15(2)：177-93.

［26］ Gorton，G. Slapped in the Face by the Invisible Hand：Banking and the Panic of 2007[C]. Paper Prepared for the Federal Reserve Bank of Atlanta′s 2009 Financial Markets Conference：Financial Innovation and Crisis，2009：11-13.

［27］ Gray，D. and Jobst，A. A. New Directions in Financial Sector and Sovereign Risk Management[J]. Journal of Investment Management，2010，8(1)：23-38.

［28］ Huang，X.，Zhou，H. and Zhu，H. A Framework for Assessing the Systemic Risk of Major Financial Institutions[J]. Journal of Banking and Finance，2009，33(11)：2036-49.

［29］ Kashyap，A K.，Rajan，R G. and Stein，J C. Banks as Liquidity Providers：An Explanation for the Co-Existence of Lending and Deposit-Taking[J].Journal of Finance，2002，57(1)：33-73.

［30］ Kritzman，M.，Yuanzhen，L.，Sebastien，P. and Rigobon，R. Principal Components as a Measure of Systemic Risk[R]. SSRN，2010，No. 1582687.

［31］ Martínez-Jaramillo，S.，Perez，O.，Avila，F. and Lopez，F. Systemic Risk，Financial Contagion and Financial Fragility[J]. Journal of Economics Dynamics and Control，2010，34(11)：2358-74.

［32］ Peck，J. and Shell，K. Bank Portfolio Restrictions and Equilibrium Bank Runs[R]. Working Paper，2003，No. 07.

［33］ Postlewaite，A. and Vives，X. Bank Runs as an Equilibrium Phenomenon[J]. Journal of Political Economy，1987，95(3)：485-91.

［34］ Roengiptya，R.，Rungcharoenkitkul，P. Measuring Systemic Risk and Financial Linkages in the Thai Banking System[R]. Bank of Thailand Discussion Paper，2011，No. 02.

［35］ Van Oordt，M. and Zhou，C. Systematic Risk under Extremely Adverse Market Conditions[R].De Nederlandsche Bank Working Paper，2011，No. 281.

［36］ Wagner，W. The Liquidity of Bank Assets and Banking Stability[J]. Journal of Banking & Finance，2007，31(1)：121-39.

［37］ Wagner，W. The Broadening of Activities in the Financial System：Implications for Financial Stability and Regulation[Z]. Mimeo，Cambridge University，2005.

［38］ Wagner，W. and Marsh，I. Credit Risk Transfer and Financial Sector Stability[J]. Journal of Financial Stability. 2006，2(2)：173-93.