国内系统重要性银行识别及其监管——基于指标法和熵值法的分析

任碧云,连东青

(天津财经大学 经济学院,天津 300222)

一 引言

2007年,美国次贷危机爆发,进入2008年金融危机愈演愈烈。继雷曼兄弟破产倒闭之后,美国保险业巨头美国国际集团陷入严重的流动性危机,美国国际集团业务遍及全球,考虑到其破产倒闭极有可能引发更大金融海啸,美国政府对其连续实施注资。因此,对于上述可能对金融市场甚至实体经济产生巨大的“负外部效应”的银行如何进行事前监管和事后处置,成了理论界和各国监管当局关注的热点。2010年,巴塞尔协议Ⅲ正式出台,协议中第一次阐述了系统重要性银行(Systemically Important Banks, 以下均简称SIBs)的概念。国际货币基金组织、国际清算银行和金融稳定理事会于2009年10月公布的《系统重要性金融机构评估、初步考虑市场和产品的指引》从规模、关联度和可替代性三个方面评估了SIBs,并首次提出了全球系统重要性银行(Global SIBs, 以下均简称G-SIBs)的概念。2011年初,巴塞尔银行监管委员会(BCBS)提出了识别和评估G-SIBs的方案,建议采用指标法,即通过选取反映银行系统重要性的关键指标,对各个指标进行赋值,再采取等权重的加总方法计量出银行的系统重要性。金融稳定理事会(FSB)于每年11月公布上一年度G-SIBs名单。中国银监会于2014年初正式发布了《商业银行全球系统重要性评估指标披露指引》,该指引指出:自2014年起,商业银行若符合相关条件应对外公布全球系统重要性评估指标,使得国内系统重要性银行(Domestic SIBs,以下均简称D-SIBs)的评估引发关注。因此,对系统重要性较高的银行提出更高的监管要求,进而持续分析和监测相关指标的变化,加强系统性风险的防控,显得十分必要和紧迫。

二 国内外关于SIBs的评估方法研究综述

(一)国内外学者关于G-SIBS的评估方法研究

目前学术界对 SIBs的评估也已经取得一定进展。国内外学者针对SIBs的识别模型主要有金融网络模型、CoVAR模型、极值模型。如:

金融网络模型认为整个金融业是个由单家机构组合而成的金融网络,并采用合适的方法将分配风险到单家机构。Upper(2007)[1]主要研究单家机构破产时对整个金融系统的影响,利用矩阵法计算单价银行的信用风险敞口。而后Brock、Hommes&Wagener(2009)[2]构建的金融网络模型,其在假定单家金融机构暴露风险后,利用单家机构对金融系统影响的多米诺骨牌效应来衡量金融机构的系统重要性。欧洲中央银行认为,在某个特殊时期,由于金融机构财务数据之间存在交叉关联,导致存在关联关系的金融机构同时暴露风险或者风险类似。

CoVAR模型主要用于衡量某个金融机构倒闭对系统中其他金融机构或金融系统产生的潜在负面影响。该模型中,证券价格是非常重要的影响因素,用于分析一家金融机构对系统中其他金融机构信用风险的影响程度,该方法可以有效识别金融系统中系统重要性较高的金融机构,但是该方法也仍存在一定的缺陷。首先,由于部分金融机构未公开上市,因此并不能掌握所有金融机构的市场指数。其次,在金融周期中,市场指数表现并不稳定,有可能高估或者低估金融机构的市场重要性。Adrian & Brunnermeier(2008)[3]利用该方法假设单个金融机构倒闭对金融系统的风险价值(VAR),从而得出单个金融机构破产的风险溢出。单个金融机构与整个金融系统的差值就是其边际贡献度,测算出单个金融机构对整个金融系统的重要性程度。

极值模型利用与极值接近而且能用预测极端事件的数据建立模型,来解决面临的数据估计难题。Hartmann,Straetmans & Vries(2005)[4]运用多元极值模型计算金融系统内的双方关系,主要利用接近极值且能用于预测极端事件的中间部分数据建立模型,通过未达到危机状况的尾部事件估计金融危机。Segoviano & Goodhart(2009)[5]提出当单家金融机构破产,金融系统内至少一家金融机构破产概率值PAO(the probability of at least one otherfailure)。但是PAO仅仅计算出金融系统有无发过极端事件,却没测算该极端事件到底对金融系统有何影响,更没有计量单个金融机构破产对系统性风险的影响程度,所以,PAO不能测算出单个银行的系统重要性。特别是当金融系统内的金融机构高度关联时,所有机构的PAO都会处在较高水平。在此基础上,Zhou(2010)[6]提出了系统重要性指数这个概念,进一步推进了对SIBs评估的研究分析,他认为银行规模并不能够直接代表系统重要性,但该研究得出的系统重要性指数结果与监管部门的认定结果。

国内学者关于SIBs的识别研究起步较晚,国内学者在国外学者上述研究成果的基础上,进一步研究了SIBs的识别。徐超(2011)[7]认为指标法和市场法是SIBs的主要识别方法,并且进一步细分了本文列举的模型法。国内学者姬思情(2015)[8]梳理了国内外相关文献,利用CoVAR方法识别了D-SIBs,并对银行系统重要性进行了分析。毛奉君(2011)[9]主要运用了网络法分析,他认为系统性风险主要通过两个方面形成:一是具有网络的中心是SIBs,SIBs一旦破产将会破坏金融网络的稳定性; 二是金融网络各节点之间高度关联且持续增强,某个节点的变化会引发连锁效应,从而导致整个系统危机发生。总之,市场法通常借助计量模型,缺乏实施监管的可行性,且稳定性较弱,仅能用于普通和危机时期市场数据变化不稳定的方面,无法动态公示 SIBs 的名单。张强(2011)[10]和巴曙松(2012)[11]通过指标法中多个指标评估了我国上市银行中的SIBs。国内学者关于SIBs的评估研究集中在实证部分;郑鸣和陈福生(2012)[12]利用熵值法衡量了商业银行规模和风险传染的重要性,计算出了综合系统重要性指数,并得出结论,认为我国五大国有商业银行为D-SIBs;万思杝(2015)[13]研究我国国有商业银行的系统重要性高于其他类型银行,且各银行表现出的系统重要性;各个银行之间系统重要性的差距会随着时间的推移不断地变化,主要呈下降趋势。这为我国制定相关宏观审慎监管政策的制定提供了参考。总体分析,我国现今对SIBs的识别研究处于基础阶段,在选择模型和分析结果等许多方面仍需进一步研究分析。

(二)国内外监管机构关于SIBs的评估方法

1.国际上关于SIBs的评估方法

2009年,世界上主要国家央行和金融监管部门成立了金融稳定理事会,主要目的是对G-SIBs加强监管,并在之后的两年内,在巴塞尔Ⅲ协议的基础上,金融稳定理事会公布了《金融机构评估、市场和工具系统性重要的指导原则》、《强化系统重要性机构监管的有效性》和《降低系统重要性金融机构的道德风险》等报告,提出了运用指标法来评估和识别G-SIBs。指标法选择合理的指标并赋予指标相应的权重, 计算出G-SIBs系统重要性得分,来评估和识别出G-SIBs,这些指标能反映其负外部性,可全面衡量G-SIBs。其优点是易操作,能动态公示 G-SIBs 的名单,且可以追踪银行的系统重要性来源及趋势。巴塞尔委员会于2011年底正式发布了《G-SIBs评估方法及其附加资本要求》,此文件在7月征求意见稿的基础上,介绍了通过定量指标和监管判断对G-SIBS进行评估的方法,其中,定量指标主要分为五类、十二项项具体指标,分为全球活跃程度、规模、关联度、可替代性、复杂性等方面。具体评估标准如下:

表1 全球系统重要性银行指标评估标准

注:内容来自巴塞尔委员会《全球系统重要性银行评估方法及其附加资本要求》文件

(1)全球活跃程度。该指标用跨境债权债务指标来衡量。一般情况下,金融机构从事跨境业务存在较大的资金风险,因此应合理发展跨境业务,将其全球活跃程度控制在合理范围。

(2)规模。银行规模通常由资产总额或机构市值衡量。巴塞尔协议Ⅲ指出,对银行规模的衡量应兼顾表内外科目,并考虑由于会计准则差异选择不同指标衡量。银行规模增加必定会影响对整个金融系统的稳定性,因而需要建立激励机制进行规模控制,保证银行规模与其风险管理水平相匹配。

(3)关联度。该指标通常由银行间的资产负债和批发融资比率等因素衡量。在金融危机中,部分银行通过他行的短期流动负债获取的资产难以变现,其流动性也较差,若出现问题,风险会迅速扩大。因此需对银行间的债权和债务关系进行明确,确保银行间关联度最合理以有效防控风险。

(4)可替代性。该指标通过托管资产、通过支付系统结算额、债券和股权市场承销交易额衡量。作为金融市场的主要参与者,银行在资产托管、支付结算、二级市场上有较大影响,一旦银行出现问题,会扰乱全球金融市场秩序。

(5)银行资产复杂性。复杂性指标是个早期预警指标,可以对未发生的系统性风险进行预判,具体包括场外衍生品票面价值、三级资产、交易账户总额和可供出售资产总额等基本指标。

巴塞尔委员会对全球73家银行进行了系统重要性评估,并于2011年11月确定了来自12个国家的28家银行为G-SIBS。从最终公开名单分析,欧洲的G-SIBs有17家、美国8家、日本3家;欧洲和美国的大型银行占较高比例。金融稳定理事会于2013年11月正式公布了G-SIBS名单,中国工商银行列入该名单,使G-SIBS从28家增至29家。2016年11月21日,国际清算银行(BIS)旗下金融稳定委员会(FSB)发布了2016年G-SIBs排名,中国工商银行、中国农业银行、中国银行、中国建设银行入选。

2.国内关于SIBs的评估方法

2011年,为提高我国银行业的国际竞争力,促进银行业稳健发展,中国银监会对外公布了《中国银行业实施新监管标准指导意见 》,该文件从四个方面评估D-SIBs,给予指标25%的相等权重,详见表2。与表1中G-SIBs划分标准相比,由于D-SIBs的指标设置无“全球活跃程度”这一指标,因此四个指标权重统一设为25%。

表2 中国银监会关于国内系统重要性银行划分标准

综上所述,国内外现有文献运用指标法对D-SIBs的评估研究仍处于初期阶段,目前国内学者主要从银行规模、关联度、可替代性和复杂性四个方面选择具体指标,基于指标具体定义和内涵设计指标的分析很少;现有文献多采用等权重的主观赋权法,主观性较强,运用熵值法的文献较少,而运用客观赋权法的同时运用客观评价模型确定系统重要性银行的文献少之又少。

三 D-SIBs评估模型的建立与实证分析

(一)研究样本与数据来源

截至2016年12月末,我国A股上市商业银行16家,由于近三年A股上市商业银行数据较为全面且时效性强,因此本文选取2014-2016的数据作为样本数据。本文样本数据来源为CCER数据库。

(二)模型设计

1.指标法模型设计

本文在巴塞尔委员会和银监会公布的关于SIBs评估标准的基础上,结合我国商业银行的发展特点,从4个方面选取了13个指标,对我国银行的系统重要性进行评估(见表3)。在表3中,13个二级指标衡量样本银行系统重要性的各个层面,选取2014-2016年连续三年指标数据。为保证数据的连续性和代表性,对各个样本银行均取年度平均数据。建立指标法模型具有两方面作用:一是激励银行实现系统重要性目标,减少系统性风险;二是跟踪银行系统重要性的发展趋势,不断更新和正确识别D-SIBs,从而实现差异化监管。

表3 国内系统重要性银行评估指标设置

(三)熵值法模型设计

第一步,第j项指标下第i个方案占该指标的比率:

第二步,第j项指标的熵值:

第三步,第j项指标的差异系数:对于第j项指标,指标值Xij的差异越大,对方案评价的作用越大,熵值就越小。gj=1-ej, 则:gj越大指标越重要。

第四步,求权重:

第五步,各样本银行的综合得分

(四)实证过程与结果分析

1.计算系统重要性评估指标的熵值

根据前面的熵值法模型和公式,利用 2014-2016 年的数据可以得到各个二级指标的熵值,由表4可知,规模性指标中,总收入熵权均值高达0.0863,对银行规模的影响最大;关联度指标中,拆出资金、拆入资金、卖出回购和买入返售金融资金熵权均值在0.07左右,对银行关联度的影响最高;可替代性指标中,手续费及佣金净收入和利息净收入指标熵权均值相差不大;复杂性指标中,衍生金融资产和衍生金融负债指标在11个指标中的熵权均值最高,达到0.11左右,这表明,金融衍生产品在评估银行的系统重要性时十分重要,这点与实际中由于衍生金融产品的高风险性和高杠杆性给银行带来极大风险这一特点也十分契合,相对而言,由于同业存放款项指标引起的规模效应不大, 杠杆性较低, 因此熵值较低。

表4 系统重要性评估指标的熵值计算

表5 2014-2016年我国16家上市银行系统重要性评估结果

2.计算得分及结果分析

根据各指标熵值计算样本银行系统重要性得分,见表5:

(1)从银行排名和得分分析,系统重要性得分前5名的是我国5家大型银行。除交通银行外,其余4家已列入G-SIBs,充分证明了该模型评估结果的有效性。这5家商业银行在2014-2016年的系统重要性得分中一直占据前5名位置,对我国银行业、金融业乃至宏观经济的发展都具有重大影响。

(2)从银行得分分类结果分析,国内上市商业银行主要划分为三类:第一类为5家大型银行,其2014-2016年系统重要性得分均高于0.1,有较高系统重要性;第二类主要是6家股份制银行,包括招商、中信、兴业、民生、浦发和光大等银行,评分结果位于0.02-0.07之间,有中等系统重要性;第三类为其余5家股份制和城市商业银行,包括平安、北京、华夏、宁波、南京等银行,评分结果基本在0.02以下,除平安银行外,其他4家商业银行系统重要性更低,因此第一类和第二类商业银行均应被确定为D-SIBs。

(3)从银行分类角度看:在国有商业银行中,工商银行和中国银行位于前2名,系统重要性得分远远超过另外3家银行,交通银行各个指标与其他4家的差距较大;在股份制商业银行中,华夏和平安排名最后;在城市商业银行中,北京银行系统重要性超过南京银行和宁波银行,而且超过了华夏银行,仅比平安银行略低,北京银行势头看好。

四 加强D-SIBs监管的建议

由于我国银行业在金融市场中占重要地位,且根据上述实证分析,可知四家国有银行及部分股份制商业银行银行系统重要性得分较高,可以看出对D-SIBs 的监管显得尤为必要。为促进D-SIBs更好的进入国际市场和G-SIBs名单,提出以下五方面建议:

(一)实施动态评估,定期更新D-SIBs名单

目前,银监会已经在文件中提出了D-SIBs的概念,但尚未确定D-SIBs名单。建议银监会根据我国各银行发展过程中的具体情况,依据各项业务发展情况、互相之间的替代可能性以及与风险密切程度等关键因素,定期考察D-SIBs名单的准确合理实时性,并依照标准进行更新。建议预设符合实际且可操作的计算工具,将所有需要考虑且有针对性的系统重要性因素列为计算参数,按照计算工具的要求确定系数值,根据系数值的计算结果区分某银行是否应纳入系统重要性金融机构的范围之内。该系数值的确定建议定期,至少每年进行测算,确保对D-SIBs名单的动态管理。

(二)强化事前监管,规范银行市场秩序

1.建立公平竞争的市场环境。SIBs 是银行业各机构中具有很突出特点的一部分机构,SIBs作为经济发展的强力助力军,各监管部门会针对其发展的要求制定有针对性的监管措施和各项支持性规定。诸如此类的操作方式会影响到这部分银行道德风险增加,并借道增加自己的特权并成为市场中的垄断势力,会威胁到整体市场的稳定性,因此应当简化D-SIBs,促进其适度发展。另外,若能通过促进银行之间的竞争关系,对于各类风险的化解有益无害,使得金融机构能够健康持久的发展。国有大型银行规模的日益扩大,会使得其握有更加优质的资源,占得更多的先机,但另一方面风险会汇集,制约其发展的能力。创建一个互相竞争的环境,监管政策的制定均衡考虑各家机构,会促进各家机构更加注重自身长远发展,积极进行业务和产品创新,也利于机构之间的互相促进和发展。

2. 完善监管法律法规方面的建设。我国银行业面对着各种复杂的监督体系和监管环境,建议监管机构借鉴《银行业有效监管原则》,建立切实可以适用的法律体系;另外,加强法律法规的贯彻落实并进一步完善法治体系。在法律法规进一步完善的前提下,细化制度的操作细则,随时依据实践遇到的各类问题与经验细化监管流程,以发挥法律法规的最大效能。

3. 建立完善的信息发布机制。为加强对D-SIBs的监管和促进,提高各类信息的对外发布管理,提高对信息质量的要求,需要依据从内部到外部的顺序,逐步提高对外发布质效。对于银行核心指标等重要信息的发布,需要确保信息的准确无误;在核算方面,紧密联系目前股份制改革的要求,积极促进会计制度的与时俱进,与国际接轨,使得我国发布的相关会计指标可以与国际上的机构进行横向比较;从机构内部审计和考虑风险控制的方面出发,内审部门应该加强作用的发挥,切实做到从稽核检查中发现机构自身的问题,随时促进管理效能的发挥、信息发布的精准,并逐步梳理信息发布的流程和操作方法,以确保信息发布的质量;另外,D-SIBs应该建设自己的创新业务系统数据体系,包括完善数据库和管理系统,丰富数据的积累,提高资源共享,利用程序化系统建立数据发布的规范性和及时性。

(三)强化资本监管,建立资本补充机制

在巴塞尔协议Ⅲ中最重要的部分即为资本监管,对系统重要性银行要加强资本监管,对于其风险防范能力的提升非常有益。巴塞尔协议Ⅲ的目标包括G-DIBs的资本充足率至少要达到11.5%,非SIBs也要达到10.5%。考虑到我国的国情及发展现状,需要根据我国银行业的发展目标确定资本充足率和资本总量的浮动区域。以此为准,创建资本补充制度并定期更新。首先增加核心资本或附属资本,从而增加资本总额;其次通过风险资产计提的降低从而增加资本总量。

1.增加核心资本和附属资本。核心资本的提高可以通过以下几种方式:提高营收水平,滚动汇集所有者权益;股市和政府的资金注入;通过战略投资者等,但通过资本市场注入资金只能解决表面问题,核心还是需要提高银行自身的营收能力。从根本上要求我国商业银行深层挖掘自身潜力,转变思维模式,改变管理方式,并开拓创新。一方面,在继续经营自身存贷款业务的同时开拓思维大胆拓展新领域,从中间业务入手,对于市场青睐的新业务,积极寻求拓展渠道,并加大投入力度,配套相应的风控手段和管理方法,为新业务增加营收的方向;另一方面,要认真研究会计核算方式,做好预算和成本控制,从节约成本提高效率入手,从流程上不断审阅,去除不必要的环节。同时,还可以考虑附属资本增加的可能性,通过呆账准备金的变革来实现。我国银行由于各项贷款的总体质量不高,不良资产率持续上升,应确保呆账准备金率保持正向增长。根据资产五级分类的结果,即正常、关注、次级、可疑和损失类计提对应的准备金(例如1%、2%、25%、50%、100%或进行对应调整),这样做的目的就是使得信贷资产的实际风险从准备金的计提中切实反映出来。还可以参考国外次级债券的发行模式,这类限制较少的债券发行可以协助我国银行业金融机构资本持稳。这是一种增加资本注入的方式,丰富了融资渠道。次级债券是可以流通并在需要时进行转让的,可以补充银行的流动性。商业银行发行次级债是需要对相关信息进行发布的,在市场上受到各方面的监督,同时又可以促使商业银行提高自身各方面能力,管理者提升管理质效,满足社会各方面的期许。

2.通过相应手段控制风险,减少风险资产的损耗。降低个体银行的加权风险资产,有助于我国银行业整体风险的下降,同时也可以为银行开拓更广阔的融资渠道。主要可以通过以下两种方式:

一是逐步整合各类资产的风险构成。整合各类资产的风险构成,也必须先考虑自身风险的实际情况之后,分析目前各项资产的分布情况,努力配置更多的资源在低风险或无风险领域,将高风险领域的资产比例逐步降低,从而降低整体风险资产,提升资本充足率。一方面,流动资产的风险相对较低,提高其在整体资产中的配置,可以开拓思路,将更多的资源用于开发流动性较高的资产业务,从而最终提高整体资本充足率。另一方面,信贷资产在整体业务中的地位要进行适当的调整。我国的现实情况中主要是信贷资产作为主流,而股票债券业务相比较起来占很小一部分份额,银行可以通过要求抵押、担保等条件改变相关信贷资产的比重,或者可以通过将表内资产表外化,将部分期限长流动性小的资产通过证券化或者转让等从资产负债表中转出,以提高资本充足率。

二是控制不良资产率。目前我国银行不良资产问题主要通过四大资产管理公司进行承接,从资产负债表中转出,如果要切实降低不良资产率,一方面,优化信贷结构,提高信贷资产质量。另一方面,要看准市场机会,深度挖掘资质优良的客户群体,对于信贷资产的投向严格控制,与时俱进找到新的盈利方向,实时调整信贷资产布局,把控资产投向领域、方向、产品和客户群体等。

(四)建立全面风险管理体系,提升风险防控能力

1.对D-SIBs的内部评级流程和体系进行完善。创建重视信用风险的评估体质,对于我国商业银行来讲,是一种变革和不断提升自身管理水平的体现,但是这种改革是个长期的过程,其对于防范风险,提高资产质量,增强盈利能力意义重大。要建立基于内部评级的基础数据源,这需要一个长期的过程,要对各行业深入分析,依照各行业进行分工,按照行业特点,评估客户的行业风险,最终为确定评级提供参考指标。要建立和不断更新数据库,使得数据库的数据更加接近于市场情况,能反映最新情况。要将评级结果与信贷流程和信贷审批架构相结合,例如信贷审批流程要进行变革,采取差别化信贷政策等。

2.加强流动性管理。单家金融机构的风险集中暴露,会通过银行之间互相传染,最后引发流动性危机,产生系统性风险。目前,监管机构关注的流动性指标主要有:存贷比、流动性集中度、流动性比例等,国内的各银行也开始借用金融市场来管控自身的流动性,主要有: 流动性覆盖率、净稳定资金等指标。同时,还需要控制业务杠杆的实际情况,避免D-SIBs过度扩张,从业务的复杂程度入手,对业务复杂的D-SIBs以及倚重高杠杆交易的D-SIBs,要提高监管的力度,以免承担更多的风险。杠杆率的管理,是限制银行过度扩张、畸形发展的一种方法,是监管改革的重要手段。其中按照计算公式的要求,分母是银行所有表内风险暴露,并使用名义金额;表外的非衍生品需要使用100%的风险转换比例;还有就是考核金融衍生品现期的风险值。

(五)对于危机建立应急处理方案,加强事后管理

事后管理是指在当D-SIBs出现危机事件后,如果快速的适当的将损失降低到最小,并配合相关的处理方法,在出现危机前制定的应急处理机制。

1.建立事后管理联络组,建议组成“一行三会”等监管机构参与的组织。一是该组织可以负责确定D-SIBs管理中属于微观审慎监管和宏观审慎监管的部分,并委派相应的部门负责处理,以防止出现事后管理中未涉及处理的部分。当我们需要面对D-SIBs危机时,是需要各管理部门通力合作的时候,各部门发挥自己所长,在恢复和应急处置方式等的执行中发挥作用,并定期汇报自己的工作成果。

2.对D-SIBs要采取行政主导的方式,在事后管理联络组的组织下,才能逐步将D-SIBs置于无力清偿全部债务的程序下,采取通过存款保险基金接管来落实后续的处理方案。一是要首先考虑从自身解决的方案,从银行自身寻找突破口进行债务的解决,其次考虑分割出售、私人并购、过渡银行等方案,最后再选择政府救助。但无论最终采取怎样的处置方案,都要从银行自身出发,强化股东和债权人的责任,最大限度发挥管理层、股东和债权人的危机处理意识,避免道德风险。

参考文献：

[1]Upper C. Using Counterfactual Simulations to Assess the Danger of Contagion in Interbank Markets [R]. BIS Working Papers,2007:342.

[2]Brock W C，Hommes F. Wagener,More Hedging Instruments May Destabilize Markets,Journal of Economic Dynamics and Control[R],November,2009.

[3]Adrian T,M Brunnermeier. Covar [R]. Federal Reserve Bank of New York Staff Report，2008:348.

[4]Hartmann P,Straetmans S,DeVries. Banking System Stability Measures [R]. NBER Working Paper.NBER Working Paper, 2005:386-408.

[5]Segoviano M,Goodhart C. Banking Stability Measures [R]. IMF Working Paper,2009:1-54.

[6]Zhou C. Are Banks Too Big to Fail [R]. DNB Working Paper,2011:232.

[7]徐 超.系统重要性金融机构识别方法综述[J]. 国际金融研究,2011(11)： 57-64

[8]姬思情.中国上市商业银行系统重要性评估[D].辽宁大学，2015:5-48.

[9]毛奉君.系统重要性金融机构监管问题研究[J].国际金融研究，2011(9)：78-84.

[10]张 强，吴 敏．中国系统重要性银行评估：来自2006-2010年中国上市银行的证据[J].上海金融，2011(11):39-42.

[11]巴曙松，高江健．基于指标法评估中国系统重要性银行[J].财经问题研究，2012(9)：48-56.

[12]郑 鸣，陈福生.我国商业银行系统重要性指数：一种新的评估方法[J].金融监管研究，2012(10)：5-8

[13]万思杝.系统重要性银行的评估与监管思考[D].北京师范大学，2015:10-77.

[14]Mistrulli E. Assessing financial contagion in the interbank market: maximum entropy versus observed interbank lending patterns [J]. Journal of Banking and Finance,2010(1):232.