我国银行业系统性风险预警指标体系设计与实证分析

孙 强 崔光华

一、引言

金融危机暴露了系统性风险监管的缺失，验证了原有监管理念存在着重大缺陷，即单体银行稳健代表银行业整体稳健的理念是存在局限性的，在当前金融机构高度关联、业务网状交叉的背景下，这种 “只见树木、不见森林”监管方式已不合时宜。金融危机让人们认识到仅仅做好单家银行当前的、内部的风险管理是远远不够的，在外部风险和经济金融波动面前，银行业的行业风险和内部传染风险更为重要，银行风险管理者和监管当局应该置身更高的视角和更长的周期中，要以系统性的眼光看待银行业整体风险。我国目前仍以间接融资为主的金融体系，银行业作为金融子系统，其系统性风险监管理应成为宏观审慎监管的重点，要做好银行业系统性风险监管，首要前提就是明确银行业系统性风险是什么，并进一步研究其诱发因素和传导机制，以风险预警来实现防范和化解。

二、系统性风险的定义

关于系统性风险的定义，各国学者和监管当局从不同视角进行了界定，但尚未有一个广受认可的统一界定，这本身就说明系统性风险的复杂性。Bartholomew和Whalen（1995）［1］认为系统性风险是指某种巨大的、全局性的外部事件对整个经济产生负面冲击的情况。 Kaufman （1996）［2］从一般风险角度， 将系统性风险定义为受某事件影响，一个相互关联的系统面临冲击的风险和概率。Minsky（2008）［3］从金融配置资源功能的角度，将系统性风险定义为某一意外事件扰乱金融市场信息，金融市场无法达到资源配置的最优状态。国际清算银行 （2001）［4］突出系统性风险的传染性特点，认为体系或系统中的某一成员若无法足额按时偿还债务，将对其债权人或交易对手产生冲击，从而造成在成员之间产生连锁违约的放大效应，导致整体金融体系瘫痪或崩溃。金融稳定理事会（2011）［5］认为，系统性风险是指受到宏观经济波动、行业产业政策调整、国外金融冲击等外部因素影响，一国金融体系发生震荡的可能性。从以上的定义来看，系统性风险具有依附性、积累性、传染性、负外部性等特点，并且通过管理只能防止积累扩散，不能相互抵消和根除。

国内研究方面，翟金林 （2001）［6］通过银行系统性事件和银行系统性危机来描述银行系统性风险，通过系统性风险的诱因 （系统性事件）与结果 （系统性危机）来给出系统性风险的定义。范小云（2002）［7］认为金融系统是由金融机构和市场共同构成的，在受到系统性事件冲击后，其发生损失的可能性，可以通过特征判断和过程分析来识别银行业系统性风险。包全永 （2005）［8］从系统功能能否正常发挥角度来定义广义系统性风险，发生系统性风险后，金融系统丧失其基本功能，与Minsky的认识类似；狭义系统性风险是指由于某个机构的突发性事件冲击，传染至其他单位，从而扩大至整个系统。刘春航和朱元倩 （2011）［9］认为系统性风险是由外部偶然因素引起，导致不稳定性在整个金融体系内传染，进而将外部性扩大到实体经济的不确定性，与Kaufman的认识类似。 周小川 （2011）［10］、 巴曙松等 （2013）［11］则从产生传染机理角度，认为系统性风险在时间维度上伴随在经济周期中，并通过羊群效应自我积累和加速；在空间维度上分布于金融机构、金融市场、金融部门与实体经济共同构建的网络之中。石大龙和白雪梅（2015）［12］验证了网络结构、系统性风险与危机传染的问题，证明了金融网络能够传染和放大金融危机。

可以看出， Bartholomew 和 Whalen （1995）［1］的研究突出两个方面，一是系统性风险发生的范围——整个银行部门或者金融系统，这取决于所研究的主体范围，银行系统可视为金融系统的子系统；二是系统性风险的主要诱因来自外部冲击。Minsky（2008）［3］则从系统性风险发生的后果，即经济学一般目的角度——资源配置，对系统性风险进行了定义，发生系统性风险打破原有的均衡，资源配置当然无法实现最优配置或者效用最大化。美联储、国际清算银行、国际货币基金组织等从风险传染性的角度定义系统性风险，但传染的机制与渠道有所不同。相比而言，Kaufman （1996）［2］的定义更符合一般经济学风险定义范式，只是其研究较早，定义较为概括。随着认识与研究的深入，金融稳定理事会和刘春航等在此基础上进一步完善和补充，周小川和巴曙松等的研究则更为深入。

综上，我们可以勾勒出系统性风险的全貌：第一个方面，系统性风险演进的大体脉络，系统性风险不是一个偶发事件，而是受宏观经济环境、经济金融政策、市场主体等多因素共同影响，在系统内部的时间、空间二维角度同时演化和发展，当积累到一定程度，某一外部事件就可能成为系统性风险爆发的导火索，系统性风险随之爆发，完成一个从量变到质变的升级。第二个方面，系统性风险具有以下五个方面特性。一是关联性，事物之间是相互关联的，系统内成员都会受到系统性风险影响，会有直接与间接、严重程度之分；二是负外部性，受网状结构影响，不相干的第三方可能会承担成本或损失，并且影响可能超出本层级系统本身，扩散至更大、更高层级的系统，比如银行业系统性风险扩散导致金融业系统性风险，甚至进一步升级至经济危机；三是传染性，除了将本类风险扩大到其他成员之外，还可能引发其他成员发生次生风险，即同类风险在系统内机构间传染的过程中，会带来其他风险的并发症；四是时空二维发展性，即系统性风险是在时间与空间二维角度持续积累与酝酿的，换言之，系统性风险的发生需要有特定的时空和内外部环境，历史总会重演，但每一次重演的场面都有所不同；五是内生性，即随着银行系统或金融系统从无到有、从简单到复杂的发展过程，系统性风险也随之而生、随之而变。通过预防与管理，我们能将其控制在合理运行区间，或者降低、减缓其积累的程度，但无法将其根本消除，因为它伴随主体而生，或者说任何一个系统都存在系统性风险。

三、风险预警研究述评

从上述研究来看，系统性风险的发生由内因和外因共同导致，外部事件是系统性风险的重要外部原因，具有偶然性的特点。也就是说，每次爆发系统性风险的导火线可能不同，但系统性风险的爆发往往是以宏观经济和金融大环境表现异常为前提的，即外部因素加剧了系统性风险严重程度，当系统性风险水平超过了银行系统的承载能力，系统性风险随之爆发。对监管当局来说，系统性风险是进行宏观审慎监管的主要对象和客观存在，从风险发生的事前、事中、事后三个环节来讲，风险预警作为审慎监管的事前环节尤为重要，借用传统中医辩证理论，“上医治未病”，应进行未病先防和既病防变。从表征系统性风险的内外因素中选取合适的预警指标，来跟踪风险的集聚、上升、扩散、爆发过程，通过全流程管理，预防系统性风险发生，缓解或降低其破坏力。

（一）危机理论

20世纪70年代以来，随着国际资本流动的加速，金融危机进入高发期，危机理论及预警模型研究发展迅速。迄今为止共产生了四代经典理论，探索危机预警的有效指标和方法，分别是：由 Krugman（1979）［13］提出的第一代危机理论，认为官方外汇储备、过度扩张的国内信贷、央行对公共部门的信贷、整体的预算赤字以及央行对金融机构的信贷可作为预测货币危机的指标。第一代危机理论解释了经济基本面、币值稳定、固定汇率制度等基础层面的关系失衡后，引发一国的货币危机。 由 Obstfeld （1994）［14］提出的第二代危机理论，认为单纯依赖经济基本面的恶化引发货币危机的假设过于理论化，在坚持经济基础影响的前提下，公众对内外失衡时的汇率政策预期是关键因素，这决定了公众对本外币的持有或抛售行为。此外，第二代危机理论还将博弈论引入分析，提出了羊群效应和传染效应。概括起来，第二代危机理论认为在固定汇率制度下，稳定的国内经济仅仅是不发生货币危机的必要条件，固定汇率制的先天缺陷需要政府配以资本管制，并在内外失衡时合理引导公众预期。针对东南亚金融危机，以 Mckinnon和 pill（1997）［15］、 Krugman （1997）［16］为代表的学者提出了第三代危机理论，强调了危机传染的广度和深度是以往理论无法解释的，并且信心危机会向外传染，从而带来危机转移问题，第三代危机理论提出了金融过度的观点，一国经济体若对金融机构放开，金融过度会加剧其脆弱性，亲缘政治会加剧金融过度的程度，所以应该关注资本流动逆转，同时企业资产负债表的恶化在危机中作为因果同时存在。Krugman（2000）［17］提出了第四代危机理论，在已有理论基础上，更加强调了本国企业部门的外债水平和资产价格的重要性，理论逻辑为：外债对一国企业部门产生的是负向影响，造成对该国的负面预期，从而影响到未来资产价格。从危机理论中，我们可以得出，银行系统性风险的备选指标来自宏观经济层面和中观行业层面，包括总量指标、发展指标和价格指标。

（二）预警指标体系设计

在四代危机理论研究基础上，学者重点围绕综合指数法研究有效预警问题。Frankel和 Rose（1996）［18］提出了FR概率法是比较经典的方法，具体是因变量Y代表金融危机的爆发与否，选值为0和1，筛选对金融危机有影响的因素指标作为自变量。刘遵义（1995）［19］使用主观概率法，选用了实际GDP增长率等10项经济和金融指标，建立了东南亚国家金融危机预警模型。 Kaminsky等 （1998）［20］提出了 KLR 信号法，预警指标阈值的设定来自历史表现，通过判断是否发出预警信号及预警信号多少判断金融危机爆发的可能性大小。IMF（2003）［21］构建了金融稳健指标体系（FSI），突出实体经济波动对银行体系冲击的重要性。Illing和Liu （2003）［22］运用因子分析法构建了加拿大的综合金融压力指数。 Hakkio和 Keeton （2009）［23］通过11个变量建立了堪萨斯市金融压力指数。

我国相关研究情况，张元萍和孙刚 （2003）［24］综合FR和KLR模型实证分析了我国金融系统性风险情况。陈守东等 （2006）［25］采用多因子分析得到我国金融风险的来源主要是宏观经济风险和金融市场风险，并运用Logit方法分别建立宏观经济风险与金融市场风险的预警模型。蒋海和苏立维 （2009）［26］采用主观赋值和多因子分析法建立中国金融安全指数，实证分析得出银行面临的违约风险是中国金融安全的主要威胁。吕江林和赖娟 （2011）［27］采用逐步回归法，构建了我国金融系统性风险预警指标体系。

（三）银行业系统性风险预警研究

沈悦和亓莉 （2008）［28］采用主观赋值法构建银行危机预警体系，并给出了指标范围，并用该方法对我国金融安全水平进行了回溯分析。张强和冯超（2010）［29］采用夏普模型对我国14家上市银行系统性风险进行了研究。马运全 （2011）［30］构建的我国银行业系统性风险预警模型主要采用不良贷款率、资本充足率等银行业内部指标。关于房地产行业与系统性风险方面，张宝林和潘焕学 （2013）［31］采用 Illing和Liu（2003）［22］的方法，建立金融压力指数测度中国的系统性金融风险。通过SVR模型，证明房地产泡沫显著引起了系统性金融风险增加。

综合指数法是目前理论界和监管当局采取危机预警的主流研究方法，其核心思想是通过选择表征金融危机的指标或指数，通过一定的统计方法确定其影响因素，假设它们之间服从一定的线性或非线性关系，得出的函数表示影响因素与系统性风险之间关系，并通过自变量的变化对当前或未来危机程度进行预测。从具体应用的角度来看，有以下两种方法：一是当测算的金融压力指数当期值达到或超过其历史均值一定幅度时即被认为是金融压力较高；二是以历次金融危机或金融压力时期的指数为参考值，当金融压力指数高于该数值时就视为金融危机爆发，本文采用的是第二种方法。相比基于市场数据的计量方法，基于资产负债数据的指标和模型操作简单，从我国现阶段的系统性风险预警实际应用来看，这种方法依然有着很好的操作性和预警能力，缺点是对风险的反应稍微滞后。

目前关于银行业系统性风险研究存在的主要问题：一是已有研究绝大部分针对的是金融系统，针对银行业的系统性风险的研究相对不足；二是已有的银行业系统性风险研究分析指标框架涵盖面不足，在风险预警时大多仅限于银行业内部相关指标。三是模型样本数据全面性和代表性不足。与已有文献相比，本文尝试从以下四个方面予以拓展：一是总括银行业系统性风险的驱动因素，包括来自宏观经济和金融市场的宏观冲击、反映银行业系统内部运行的中观冲击、反映微观经济主体行为的微观冲击三个层面。二是综合已有研究方法和思路，采用逐步回归法建立压力指数模型，确定指标权重。三是采用样本外数据对模型进行验证，进一步评价模型的稳健性。四是模型预测结果和解释与实体经济运行结果相吻合，实现了对银行业系统性风险的时间、空间两维监测预警体系，利于今后在监管实践中分析运用。

四、银行业系统性风险评价指标体系设计

综合考虑四代危机理论和相关文献，从作用机制来看，银行业系统性风险预警识别过程应该关注以下四个层面指标，结合数据的代表性、可获得性和时效性等原则，初步筛选出指标，并对银行业的影响性质，见表1。

一是宏观经济指标。银行服务于实体经济，实体经济是银行生存的基础，经济下滑造成银行资产质量下降，带来了银行业整体信用风险上升，银行的信贷周期与经济周期存在高度相关性和一致性。宏观经济指标主要识别银行业系统性风险生产、积累水平，重点关注GDP增长率、广义货币 （M2）增长率、采购经理指数 （PMI）等指标。

二是银行业指标。银行系统作为经济金融的一个子系统，其内部的管理和效率是衡量银行系统自身稳健程度的标准，众多银行主体构成了银行市场，带来市场风险、流动性风险等。银行业指标主要代表银行系统本身在某一时点的整体系统性风险水平，及在内部不同个体间的分布与传染情况，重点关注银行业不良贷款率、拨备覆盖率、资本充足率、流动性比率、存贷比等指标，此类指标代表银行业系统的内部因素，其他三类指标代表外部影响因素。

三是行业冲击指标。信用风险作为银行业目前面临的主要风险，以房地产为代表的重点行业对银行业资产质量的影响至关重要。行业冲击指标主要识别行业周期性波动对银行业系统性风险产生的影响，关注房地产投资增长率、固定资产投资增长率、国房景气指数等指标。行业冲击指标也能代表最近较为新颖的观点，即系统性风险的爆发原因是金融机构持有共同的风险敞口，在我国最明显的就是对房地产贷款，几乎所有的银行都有房地产相关贷款。

四是价格指标。主要包括两方面内容，一方面是对微观主体产生影响的消费价格，以CPI为代表，CPI影响微观主体的消费冲动、存款意愿、向银行申请贷款及还款行为，可能为银行带来信用风险和流动性风险等。另一方面是影响银行同业负债的银行间同业拆借利率，以SHIBOR为代表，反映银行业市场资金价格和状态，可能为银行带来流动性风险。

表1 银行业系统性风险预警备选指标

五、银行业系统性风险预警模型的建立与实证分析

（一）模型构建

根据 Illing和 Liu （2003）［22］构建的金融压力指数，假设金融压力是一个连续的变量，其极值称为金融危机。参照其设计思路，本文将建立我国银行业系统性风险指数，即中国银行业压力指数 （China Banking Stress Index， 简称 CBSI）。 Frankel和 Rose（1996）［18］利用FR概率模型对100多个发展中国家1971—1992年的数据进行实证检验。Andrew Bery和Catherine Pattilo以及JP Morgan后来都利用该模型进行过实证研究，都得出了较为理想的预测效果。 本文借鉴 Frankel和 Rose （1996）［18］提出的 FR概率模型，将CBSI作为衡量银行业系统性风险程度的变量 （即因变量），将其他诱发因素指标作为系统性风险的预警变量 （即自变量），检验自变量对因变量影响的显著程度，从而得出银行业系统性风险预警模型。因变量Y，选值为0和1，其中Y＝1表示银行业系统性风险较高，Y＝0表示银行业系统性较低；自变量用向量X表示，β为参数，构建CBSI概率 （Probit／Logit） 模型如下：

其中：

通过统计计量分析，我们可以确定自变量X和参数β，通过上述公式即可计算出某一时点银行业压力指数，介于0～1，从而得出该时点银行业系统性风险状态。

（二）样本选取

本文中数据来源于国家统计局网站、中国人民银行网站、银监会网站及上海银行间同业拆放利率网站。其中，M2增速、PMI、CPI、固定资产投资增长率、房地产投资增长率直接获得月度原始数据；GDP、不良贷款率、拨备覆盖率、资本充足率、流动性比例和存贷比原始数据只能获得季度数据，按简单平均获得月度数据，SHIBOR原始数据为日频数据，取当月最后一天数据为月度数据，选取隔夜、1个周和1个月的SHIBOR作为备选指标。数据长度选取2007年9月至2015年9月108个时点的月度数据。

（三）参数估计结果

1.变量筛选。第一步，单因素分析，分析每一个指标的风险区分能力，选取区分能力较高的变量作为备选变量。区分能力用于评估指标或模型能否有效区分风险，是考察指标和模型表现最重要的维度，准确率 （Accuracy Ratio，AR）检验是一种常用的检验方法，一般AR值的 “可接受”标准为单因素大于10%，模型整体大于40%。根据上述标准，剔除AR值低于10%的指标，其余指标进入下一轮筛选，结果详见表2。

表2 备选变量显著性分析

第二步，多因素分析，判断各变量之间的相关性，结果详见表3。

表3 多因素相关性分析

2.模型回归。通过SASS软件，对上述指标采取逐步回归的方法，得出结果如表4所示。

表4 参数估计结果

表5 模型整体显著性检验

统计检验结果表明，模型各变量和模型整体 （表5）均通过了95%置信度下的显著性检验，模型拟合效果较好。VIF指标表明各变量之间不存在多重共线性。我们得到银行业系统压力指数的核心方程式如下：

从空间风险维度来看，入选指标从信用风险和流动性风险两个维度反映了银行业系统性风险的诱发因素。PMI（采购经理指数）指标权重40.09%，作为经济景气的先行指标，其反映了经济总体情况和变化趋势，表明实体企业景气程度对银行业信用风险有较好的预测能力，也表明实体经济是影响银行业系统性风险最重要的因素。HIR（房地产投资累计增长率）指标权重24.29%，作为我国的支柱产业之一，房地产行业是我国银行业目前授信余额最大的行业，房地产行业直接影响我国银行业整体信贷资产质量。LR（流动性比率）指标权重21%，该指标反映不同资产负债结构下银行个体不同的流动性状态，直接影响到银行业流动性风险。SHIBOR（1M） （1月期银行间市场同业拆借利率）指标权重14.61%，作为衡量银行同业负债能力和银行间市场资金状况，直接反映了银行业整体流动性风险水平和价格水平。

从空间主体维度来看，入选指标分别从宏观、中观和微观角度预测银行业系统性风险。PMI属于宏观层面指标，代表我国整体经济的景气指数。HIR属于中观层面指标，作为对银行业有明显影响的代表性行业。LR属于兼具中观和微观的指标，代表的是银行业整体和系统内个体的流动性水平。SHIBOR（1M）则代表的是银行业系统所依存的银行间市场状态。

从时间维度来看，入选指标从不同时间维度预测银行业系统性风险。PMI为领先指标，从美国历史数据来看，PMI的周期表现与经济周期高度契合，稳定的领先经济波峰波谷数个月。HIR也是领先指标，相关研究表明，房价波动与银行信用风险高度相关，房价下跌将导致银行不良贷款率增加。LR是实时指标，反映当下我国银行业个体流动性水平。SHIBOR是日频指标，实时反映银行间市场流动性水平。

综合分析，当前诱发我国银行业系统性风险的两大导火索分别是信用风险和流动性风险，这与国内外学者关于系统性风险的定义契合，信用风险传染源主要印证了宏观经济、产业政策等银行业系统赖以生存的基础，这一维度的影响因素将会对银行业整体层面产生影响，实体经济恶化，银行业系统不良贷款普遍增长，当整体不良贷款率超过预警阈值，银行业系统性风险可能快速上升。房地产行业指标代表了系统性风险可能源自金融机构共同风险敞口这一最新观点。流动性风险传染源主要印证了银行业系统的传染性问题，银行系统网络内部某一个节点出现违约断裂后，内部成员之间的交易违约传染、清算机制传导，从而将某一点或个体的风险，迅速传染扩散至整个银行业系统。

（四）模型结果分析

从图1可以看出，以中间点0.5为界，我国银行业压力指数有3个时段位于0.5以上。第一个时段为2009年底至2010年初。我国银行业压力指数连续5个月位于较高区间，这表明：一方面，由于我国银行业国际化水平不高，持有国外次级贷及相关衍生品较少，美国次贷危机爆发当时对我国银行业的直接冲击影响较小。图1中，最左边次贷危机发生时，我国银行业系统性风险不高。另一方面，次贷危机已经通过实体经济渠道对我国银行业产生全面影响。国际发达经济体相继受到次贷危机冲击后，金融大幅波动、经济增速下滑、财政赤字暴增，我国外向型经济逐步受到波及，然后影响到我国银行业。通过次贷危机→国外经济→我国经济→我国银行业这一传导渠道，从时间段来看，这一过程大约经历了2年时间。在第一个时段内，经理采购指数 （PMI）位于50以下，于2009年年底达到38.8的历史性低位，房地产投资增速开始下降至个位数水平，生产与投资放缓带来银行业信用风险快速上升，引发系统性风险的上升。为遏制国际金融危机和经济危机对我国的冲击，国家及时推出 “4万亿”政策支持计划，通过扩大内需、提升我国基础设施配置水平和保障能力等方式，缓冲我国经济下滑趋势。从图1可以看出，在政策落地的两年时间内，我国银行业系统性水平均稳定在较低水平，表示政策支持计划实现我国经济的软着陆，从而对银行业产生正向的稳定和促进作用，银行业系统性风险水平较低。

第二个时段为2013年下半年。我国银行间流动性紧张，市场利率上升，受2013年6月份银行间市场黑天鹅事件冲击，流动性风险迅速上升，引发系统性风险上升，待银行间市场流动性紧张程度缓解后，银行业压力指数随之下降。

第三个时段为2014年年底至2015年第三季度末。结合我国实际情况来看，GDP增速持续下滑，PMI一直处于荣枯线50附近，房地产投资增速回落个位数增长水平，SHIBOR1个月期利率在年初达到5%的较高水平，属于信用风险和流动性风险共同引发系统性风险，随着SHIBOR利率的下降，其贡献度也在下降，逐渐转变成受宏观经济增速放缓产生的信用风险引致系统性风险上升的情况。与模型验证结果相一致，银监会数据显示，2014年年底至2015年第三季度末，我国银行业不良贷款率持续攀升，截至2015年年末，全国银行业不良贷款1.27万亿，拨备覆盖率持续下降，贷款损失准备增长额低于不良贷款增长额，银行业信用风险呈现持续上升态势，导致银行业压力指数呈上升趋势，见表6。

图1 银行业压力指数散点图

表6 2015年我国银行业信用风险主要监管指标

（五）模型验证

经计算，模型的AR值为83.6%，表明模型整体具有良好的风险区分能力，达到了可接受的一般标准。

表7 模型区分能力检验结果

按照入选指标异常值原则，我们选取2013年6月19日至28日的时点数据 （共计8个交易日时点数据）作为时段内样本外检验数据，计算得到银行业压力值介于0.8816和0.9773之间，表明检验日发生系统性风险的概率较高。验证样本中，我国银行间市场隔夜shibor介于7.35和9.698之间，峰值达到13.44%，远超资金一般价格水平，呈现资金拆借高度紧张局面，一旦出现个体问题，则会迅速传染，中国人民银行紧急采取了少见的流动性支持手段，向市场提供流动性支持，化解了一场极可能由流动性引致的银行业系统性危机。

此外，我们选取2015年年末、2016年1月末、2月末和3月末时点数据作为时段外样本检验数据，计算得到银行业压力值介于0.2162和0.4246之间，表明检验日发生系统性风险的概率处于中低水平。验证样本时间段，我国银行业流动性比例和银行间市场均处于较为宽松状态，对银行业系统性风险影响较弱；经济增速虽有所减缓，但仍处于合理平稳增长状态，房地产投资增幅整体偏低，但呈上升趋势。综合影响，银行业系统性风险处于中等偏低状态。

通过以上时段内样本外数据和时段外数据检验，我们可以看出，模型结果与实际风险水平较为吻合，与我国当时的经济和银行业风险状态较为一致，预警模型具有较高的稳健性。

六、结论

由Illing和Liu （2003）［22］提出的连续型金融压力指数法，为我国这样没有发生过金融危机的国家预警银行业系统性风险提供了一个较好的借鉴。本文借鉴该研究思路，采取FR概率模型，以影响显著的经济、金融指标为自变量，通过逐步回归法构建了我国银行业压力指数方程。模型较好地拟合了我国银行业系统性风险的状态，模型结果与实际情况一致，样本外数据检验也与实际情况相符，综合得出以下三点结论：

一是目前我国银行业系统性风险的导火索主要是信用风险和流动性风险。其中，信用风险贡献最大，符合我国银行业信贷资产占比较高，信用风险仍是银行业面临的主要风险这一客观现实。流动性风险贡献度虽然不如信用风险贡献度高，但其也可能单独引发银行业系统性风险上升，甚至会直接导致银行间流动性消失，美国次贷危机的最终爆发和我国2013年6月银行间市场流动性紧张就是例子。

二是本文从侧面证明了系统性风险源自金融机构共同的风险敞口这一观点的合理性。房地产投资增长率作为行业因素入选预警指标体系，并位列第二大权重。说明房地产行业对我国银行业系统性风险的重要性，也证明共同风险敞口是诱发系统性风险的因素。

三是2015年来我国银行业系统性风险一直处于偏高水平，并且持续高位运行，需引起监管当局高度重视。从导火索来看，从2015年初的信用风险和流动性风险共同作用，逐步转变到以信用风险为主，经济增速持续放缓、银行信贷资产质量持续下滑，银行业信用风险压力逐步增大，不良贷款可能发生全面爆发或局域重点爆发的情况，一旦出现问题，银行可能进一步通过流动性风险产生连锁反应，大大增加银行业系统性风险的爆发概率，需引起监管当局的高度重视。

［1］ Bartholomew P F， Whalen G W.Fundamentals of Systemic Risk， in Banking， Financial Markets and Systemic Risk.Research in Financial Services：Private and Public Policy［M］.JAI Press， 1995 （7）： 3－17.

［2］ Kaufman G G.Bank Failures， Systemic Risk and Bank Regulation ［J］.The CATO Journal， 1996， 16 （1）： 17 －46.

［3］ Minsky H.Stabilizing an Unstable Economy［M］.McGraw-Hill， 2008.

［4］ Bank for International Settlements.Cycles and the Financial System ［R］.71st Annual Report， 2001： 123 －141.

［5］ FSB.Macroprudential Policy to us and Frameworks'—Update to G20 ［R］.Finance Ministers and Central Bank Governors， Feb， 2011： 2.

［6］ 翟金林.银行系统性风险的成因及防范研究［J］.南开学报，2001（4）：83－89.

［7］范小云.金融结构变革中的系统性风险分析［J］.经济学动态，2002（12）：21－25.

［8］ 包全永.银行系统性风险的传染模型研究［J］.金融研究，2005（8）：72－84.

［9］刘春航，朱元倩.银行业系统性风险度量框架的研究［J］.金融研究，2011（12）：85－99.

［10］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.

［11］巴曙松，左伟，朱元倩.金融网络及传染对金融稳定的影响［J］.财经问题研究，2013（2）：3－11.

［12］石大龙，白雪梅.网络结构、危机传染与系统性风险［J］.财经问题研究，2015（4）：31－39.

［13］ Krugman P R.A Model of Balance of Payment Crisis［J］.Journal of Money Credit＆ Banking，1979，11 （3）： 311 －325.

［14］ Obstfeld M.The Logic of Currency Crises［R］.NBER Working Paper，1994 （43），189－213.

［15］ Mckinnon R I， Pill H.Credible Economic Liberalizations and Overborrowing［J］.American Economic Review， 1997，87 （2）： 189 －193.

［16］ Krugman P R.What Happen to Asian？ ［Z］.http： ／／web.mit.edu／krugman／www／desinter.html， 1997.

［17］ Krugman P.Crises： the price of globalization？ ［C］.Economic Policy Symposium， 2000： 75－106.

［18］ Frankel J A， Rose A K.Currency Crashes in Emerging Markets： An Empirical Treatment［J］.Journal of International Economics， 1996 （41）： 35 －66.

［19］刘遵义.下一个墨西哥在东亚吗？［C］.华盛顿：联合国世界经济1995年秋季会议.1995.

［20］ Kaminsky G， Lizondo S.Reinhart C M.Leading Indicators of Currency Crises［J］.The World Bank Working Paper， 1997 （11）： 1 －48.

［21］国际货币基金组织.金融稳健指标：编制指南［M］.北京：中国金融出版社，2006：63－88.

［22］ Illing M， Liu Y.An Index of Financial Stress for Canada［R］.Bank of Canada Working Paper， 2003 （14）： 1－63.

［23］ Hakkio C S.， Keeton W R.Financial Stress： What Is It， How Can It be Measured， and Why Does It Matter？ ［J］.Economic Review， Federal Reserve Bank of Kansas City， 2009 （2）： 5－50.

［24］张元萍，孙刚.金融危机预警系统的理论透析与实证分析［J］.国际金融研究，2003（10）：32－38.

［25］陈守东，杨莹，马辉.中国金融风险预警研究［J］.数量经济技术经济研究，2006（7）：36－48.

［26］蒋海，苏立维.中国金融安全指数的估算与实证分析：1998—2007［J］.当代财经，2009（10）：47－53.

［27］吕江林，赖娟.我国金融系统性风险预警指标体系的构建与应用［J］.江西财经大学学报，2011（2）：128－131.

［28］沈悦，亓莉.中国商业银行系统性风险预警指标体系设计及监测分析［J］.西南大学学报 （社科版），2008（7）：139－143.

［29］张强，冯超.金融危机后我国上市商业银行系统性风险测算［J］.上海金融，2010（12）：32－34.

［30］马运全，朱宝丽.我国银行业系统性风险：预警模型与实证分析［J］.三峡大学学报 （人文社会科学版），2011（6）：45－48.

［31］张宝林，潘焕学.影子银行与房地产泡沫：诱发系统性金融风险之源［J］.现代财经，2013（11）：33－44.