中国银行业系统流动性风险考察与控制
2018-07-09降刚沈沛龙
降刚 沈沛龙
作者简介： 降 刚（1986—），男，山西太原人，山西财经大学研究生学院博士研究生，研究方向：金融工程與风险管理；沈沛龙（1964—），男，山西襄汾人，山西财经大学研究生学院教授，博导，研究方向：金融工程与风险管理。
摘 要：基于银行业在宏观风险来临时出现的流动性不足和系统性风险，通过建立DSGEVAR模型，考量银行业在宏观经济运行框架下的系统流动性风险，结果发现：银行同业借贷、其他证券资产和交易性负债业务的综合作用会使得银行系统流动性风险总体增大，银行如果想要降低存款提取率对其流动性的影响，就要在银行间市场停止拆出资金、出售政府证券及其他流动资产，并出售潜在的流动性较低的资产。从监管层面来讲，应当通过监管的引导效应将交易性负债进行转化，引导同业借贷和其他证券资产业务向平衡区域集中，并在一定范围内减少银行其他证券资产业务的规模。
关键词： 银行业；资产抛售价格；系统流动性风险
中图分类号：F830 文献标识码： A 文章编号：10037217（2018）03000908
一、引 言
2017年12月召开的中央经济工作会议继续强调了金融监管的重要性，明确了新时期金融体制改革的重心已经转向服务实体经济、货币政策与宏观审慎政策双支柱调控、守住系统性风险底线等层面。因此，了解银行业在宏观经济运行中的系统流动性状况，对于抓住银行业系统流动性风险的来源、有针对性地制定监管政策、有效发挥功能性监管的作用至关重要。
银行业在宏观风险来临时会出现关联的流动性不足，假设当出现流动性不足的情况时，银行会采取两种应对措施：一是停止在银行间和回购市场贷出资金，并清算银行存款利息，出售政府证券及其他证券。如果这些措施仍然无法释放充足的流动性，银行也无法调整其信贷组合，这就会导致流动性风险的出现，从而导致债务违约；二是出售其流动性证券，成比例地减少信贷组合，在面对流动性流出的情况时，银行有机会调整其总的资产负债结构。在信息不对称的条件下，对银行债权人的模型描述主要有英格兰银行的系统性机构风险评估（Risk Assessment Model of Systemic Institutions，RAMSI）模型，其在资金市场边界的校准过程中，提出了一种称为“危险区域（danger zone）”的违约风险指标，该指标是三个因素的加权平均值，即偿付能力因素、银行流动性头寸因素和信心因素。而Wong和Hui（2008）通过实证研究了贝尔斯登公司（BSC）破产前后银行违约风险与银行间存款的流出情况，发现银行间的存款流出是在BSC的违约概率达到8%的时候开始发生的；在69%以上时，所有的银行在存款到期时选择了全部提取而不会继续存放[1]。
周玮等（2005）根据我国银行业的现状，分析了适合我国商业银行应用的违约概率估计模型和方法[2]。彭建刚等（2009）结合我国商业银行贷款五级分类的实施，提出用贷款违约表法测算我国商业银行贷款的违约概率，是一种有利于我国商业银行合理贷款组合的预期损失和非预期损失的重要方法[3]。高波和任若恩（2015）采用时变Coupla模型对2005—2014年中国货币市场的系统流动性风险进行了研究，认为当系统流动性风险增加时，央行应该优先增加在回购市场的资金投放[4]。韩永辉等（2016）对利率市场化背景下的银行业危机进行的实证研究表明，严格的银行监管是抑制银行系统危机发生的有效方法，显性存款保险制度的设立无助于利率市场化后银行系统性风险的防范，并且资本账户开放下的利率市场化会增加银行系统危机发生的机率[5]。崔婕等（2016）基于上海银行间同业拆放利率（Shibor）隔夜利率的报价数据，从宏观系统性角度对我国银行体系的流动性风险研究发现，人民币汇率及其波动率以及宏观经济的模型变动是我国银行业流动性风险的主要来源[6]。舒长江等（2017）认为房地产价格、人民币有效汇率价格波动是造成商业银行脆弱性的主要扰动源，而FCI指数是商业银行脆弱度的单项格兰杰原因[7]。
本文的研究方法理念接近RAMSI的“危险区域”，不同的是不包括流动性头寸因素。由于中国银行业信息的不完全性，本文假设银行的债权人对银行体系的情况有着充分的了解，并以此作为决策的依据。在极端的金融市场压力下，银行会以一个较高的成本被迫出售资产，这个成本是由嵌入了一个较高的流动性溢价从而使其出售价格低于基础价格所形成的，这个银行抛售资产所造成的损失是本文重点关注的。
Coval和Stafford（2007）运用由资本流出所引起的共同基金交易的市场价格来考察美国1980—2003年股权市场的资产抛售情况，结果发现在资产抛售中普遍存在股价的反常负收益。比如，至少存在15%的股东在压力环境下，以反常的-10.1%的平均股票收益率在一季度出售股票，而相同的股票在4—12月的收益率则大致位于2%的水平[8]。
关于金融系统与宏观经济的相互关系的问题，Gertler和Karadi（2011）[9]、Gertler和Kiyotaki（2010）[10]针对与金融中介机构相关的摩擦现象进行了考察，并分析了银行资本在货币传导机制中的作用。Goodfriend和Mc Callum（2007）的研究发现，政策的制定要准确考量不同利率的作用，如抵押贷款利率、无抵押贷款利率、国债利率、资本的净边际产品以及纯跨期利率，忽略这些利率的差异会导致政策的失当[11]。国内现有文献从不同角度考察了影响我国银行业务系统性风险的各种因素，提出了具有针对性的措施建议，但缺少对银行经营所处宏观经济环境因素的考量。为此，本文试图通过构建一个描述我国宏观经济运行的模型框架，考察不同类型业务的运作对银行系统性风险的影响。
本文参照An和Schorfheide（2007）的模型建立过程，根据他们对动态随机一般均衡模型（DSGE）的后期参数及其转换进行分析[12]。由于交易对手银行的流动性短缺和资产的抛售都可能导致银行损失的扩大，并反过来影响其偿付能力。因此，本文分析银行间在宏观风险来临时关联的额外流动性是不足的，运用预期模拟方法加入市场存在预期流动性风险的因素，以此来考察银行业系统流动性风险的不同表现，及相应资产负债因素的不同操作，进而对监管层实施有针对性的政策提出建议。
二、理论分析：一个典型的DSGE模型
本文所建立的宏观经济模型包含一个最终商品生產商、一个连续的中间商品生产商、一个典型的家庭部门以及货币政策当局。将t=ln xt/x表示为变量xt对其稳态变量x的自然对数，参照An和Schorfheide（2007）的模型建立过程，在假设工资刚性和资本累积的基础上，建立包含六个方程的对数线性模型，分别描述产出（yt）趋势、消费（ct）趋势、全社会融资（lt）趋势、资产价格（zt）趋势、通货膨胀水平πt和短期名义利率Rt：
t=Ett+1-1τt-Ett+1-Ett+1
t=βEtt+1+κt-t
t=t+t
t=ρRt-1+1-ρRψ1t+
1-ρRψ2t-t+σRηR，t
t=ρLt-1+σLηL，t
t=ρZt-1+σZηZ，t（1）
冲击因素ηi，t～iidN0，1中i=R、L、Z分别代表货币政策（利率）冲击、杠杆率冲击和资产价格冲击。
模型（1）中的第一个方程是对数线性消费欧拉方程，式中的τ是跨时期替代弹性的倒数。第二个方程是对数线性价格Phillips曲线，β表示折现率，κ是需求（υ）弹性的倒数；稳态通货膨胀水平（π），价格粘性程度（εp）满足以下关系式：
κ=τ1-υυπ2εp。
第三个方程是对数线性总的资源约束条件。第四个方程是货币政策条件，式中的t-t即是产出缺口。这个产出缺口基于弹性价格，即当εp=0时，潜在产出与社会融资总量相等，因此在这个模型中，产出缺口就等于消费。最后两个方程表示外生的杠杆率和资产价格因素，且二者都遵循AR1过程。
模型（1）的稳态由r=γβ，R=rπ*，π=π*，y=l1-υ1/τ表示，且c=l1-υ1/τ。其中，参数π*是中央银行的稳态通胀目标，γ是稳态增长率。
计量模型所要用到的数据分别为季度的每单位资本GDP增长率（Δyt）、年化的每季度通货膨胀率（πt），以及年化的名义利率（Rt），且满足下述方程：
Δyt=γQ+100t-t-1+t
πt=πA+400t
Rt=πA+rA+4γQ+400t（2）
参数定义如下：
β=11+rA400
γ=1+γQ100
π=1+πA400（3）
其中，只有参数β是实际利率。考虑到表达式κ与参数υ和εp均相关，而υ和εp无法由对数线性模型直接识别，因此，参数的估计由下式给出：
θ=τκψ1ψ2ρRρLρZrAπAγQσRσLσZ′（4）
三、金融中介在宏观经济中的作用
（一）银行部门
在宏观经济模型的基础上引入金融中介机构部门来代表银行系统，并设定银行系统风险来自于内生选择。这样不仅可以考察银行机构在风险出现时的波动性，还能够解释银行先前是怎样逐步形成蕴含风险的资产负债表的。采用Gertler和Karadi（2011）构建的基本模型结构，考虑一种银行与储户之间的代理问题，形成银行债务与权益之间此消彼长的关系[10]。银行基于自身对风险的感知和资产负债表的情况，做出相应的经营决策，对风险程度的判断较低时，银行趋向于形成较高的杠杆水平。
银行向商品生产部门提供资金，对内会增加利润以补充储备资金，对外会最大限度地吸引家庭部门存款，通过利润的积累形成自身的财富净值。这里假设银行给商品生产者提供信贷是没有任何摩擦因素的，并且考虑到中国现阶段银行业的理财资金也成为商品生产者重要的融资渠道。令Njt表示银行j在t时期末的财富净值总额，Bjt表示银行从家庭部门获得的存款，Sjt是银行对其他部门（包括其他金融机构、非金融机构和个人）的融资额，Qt是每笔资金的相对价格，则银行机构的资产负债表为：
QtSjt=Njt+Bjt （5）
家庭部门在t时期的存款会在t+1时期获得非状态依存的（noncontingent）真实收益Rt+1，因此Bjt可视为银行承担的债务，而Njt是权益资本。银行资产可获得一个随机收益Rkt+1，Rkt+1和Rt+1是内生的。银行权益资本积累是资产收益与负债的利息支出之差：
Njt+1=Rkt+1QtSjt-Rt+1Bjt=
Rkt+1-Rt+1QtSjt+Rt+1Njt（6）
权益的增加包括资产总量QtSjt的增长，来自于基于Rkt+1-Rt+1的无风险收益获得的利润。再令βΛt，t+i为银行在t时期预期t+i时期的随机折现额，由于银行不会在资产收益折现额低于借贷成本折现额的情况下囤积资产，因此，银行在i时期的操作遵循下述不等式：EtβΛt，t+iRkt+1+i-Rt+1+i≥0，其中i≥0。在完全资本市场，等号成立，即风险调整溢价为0；但在非完全资本市场，鉴于银行获取资金的能力有限，溢价会大于0。只要银行所得到的风险调整收益大于或等于家庭部门的存款利息，银行就会保留资产直到从产业中退出。据此，银行的目标就是期望的终极财富净值最大化，即：
Vjt=max Et∑i=01-θθiβiΛt，t+1+iNjt+1+i（7）
在任一时期，风险调整溢价的折现额βiΛt，t+1+iRkt+1-Rt+1都为正。银行会始终想要从家庭部门贷入额外资金以扩大资产规模，为了对这一行为加以限制，这里引入道德风险条件，即违约成本——期初。银行会将工程项目转变为λ部分的可用资金供自己使用，而不是将资金返还家庭部门。银行所要付出的成本是存款人在特定情况下逼近银行破产，并将资产中剩余的1-λ部分变现。即使这样，银行所转移的λ部分资金也难以追回。
由于债权人乐于向银行提供资金，则动机约束成立，即Vjt≥λQtSjt。
不等式左边是银行的资产转移行为导致的损失，右边是因此获得的收益。Vjt可以表达为：Vjt=vt×QtSjt+ηtNjt，且资产在t～t+i时期的总增长率xt，t+i≡Qt+iSjt+i/QtSjt，且资本净值总增长率zt，t+i=Njt+1/Njt，变量vt可以解释为银行扩张资产QtSjt、持有恒定的财富净值Njt、持有另一单位Njt的期望折现值ηt，以及持有的Sjt不变时所产生的期望单位折现边际收益。在无摩擦竞争性资本市场中，银行会扩张信贷使得收益率得以调整，直到vt为0。然而，代理问题又会限制这种套利行为，银行的资产会受到权益资本的限制。在t时期的资产负债配置Sjt，Njt，ηt下，为了使银行不再转移资金，必须服从以下动机约束条件：
ηtNjt+vtQtSjt≥λQtSjt（8）
如果这个约束条件成立，银行可获得的资产与其权益资本正相关，即：
QtSjt=ηtλ-vtNjt=tΝjt（9）
其中，t是银行资产与权益之比，即杠杆率。在财富净值Njt恒定的条件下，Sjt的扩张会增强银行转移资金的动机。约束条件（9）限制了银行机构的杠杆率，使得银行寻求成本的精确匹配。从某种意义上说，代理问题产生了一个内生的资本约束条件，限制了银行获得资产的能力。
由于约束条件Njt始终大于0，则有0
Njt+1对于事后实际超额收益Rkt+1-Rt+1的敏感度随杠杆率t的升高而升高，所有影响t的因素
都与企业要素没有太大关系，因此，银行机构对资产的总需求可以由单个银行的需求加总获得：
QtSl1=tNt。
其中，Sl1反映银行资产总量，Nt表示银行资本。在一般均衡过程中，变量Nt就是银行对资产总需求的波动情况。当危机事件发生，Nt会出现急剧的收缩。
（二）资产抛售價格与流动性溢价
当系统流动性风险发生时，银行会被迫出售资产，使得出售价格低于银行权益净值。实际上这是一种模拟的反映银行业系统流动性风险的指标：
St=Nt+Lt（11）
Nt依然为银行权益净值，Lt为市场压力下的流动性溢价，St为资产抛售价格。引入θ作为t-1～t期银行抛售资产后留存资产比例。
Nt=θRkt-Rtt-1+RtNt-1（12）
则Nt的变动主要来自于资产收益Rkt引起的波动，对Nt的冲击主要来自于杠杆率t。假设市场压力的增大会导致稳态利差与市场压力形成一定联系：
Lt=ωRkt-Rt（13）
由此可以得到St的表达式：
St=θ[（Rkt-Rt）t-1+Rt]Nt-1+ω（Rkt-Rt）（14）
四、数据与参数校准
先验分布在DSGE模型估计中是非常重要的一环。参照An和Schorfheide（2005）的模型设置，给出模型外生过程及稳态参数rA、πA和γQ的先验自相关系数和标准差，并在综合考量产出增长率、通货膨胀和名义利率走势的回归过程的基础上，得出货币政策冲击的先验标准差，且整体的先验参数都基于价格粘性。模型基于一个平衡稳定的增长路径，采用的季度宏观经济指标包括：真实GDP（yt）对数、消费（ct）对数、融资（lt）对数以及短期名义利率（rt）。数据均来自国家统计局，时间取1992年一季度至2016年四季度，其中：消费指标为社会消费品零售总额，融资指标为社会融资规模，GDP平减指数由利用可比价格增长速度对名义季度GDP进行调整得到，并使用GDP平减指数将消费和融资转化为真实变量，通胀指标为CPI指数，短期名义利率为1年期贷款基准利率。
Gorton和Metrick（2012）发现在2007—2008年间，作为反映银行间市场交易对手信用风险的LIBOROIS利差的变化与信贷利差和债券证券化产品回购利率的变化之间高度相关。这种变化反映了对银行偿付能力的较强担心，以及对抵押品回购产品的较低估值[13]。参照这个结论，本文将中债商业银行债券总净价指数与银行间质押式回购加权平均利率之差作为资产抛售价格，选取2007年1月至2016年12月的季度数据进行整理，另以一个3%～5%的折现率作为银行在不得已进行资产清算时所要承担的损失。并假设其会对银行体系流动性产生相应影响，即将资产抛售价格加入设定好的DSGE模型中，以此考察宏观经济环境下银行业流动性风险的表现状况。
对于无法在模型的估计过程中识别的参数，依据已有文献的相关研究或经验数据进行校准。β是主观贴现因子，已有文献的取值范围一般在0.95～0.99之间，本文取该值为0.96。由于本文使用的是季度数据，参照Smets和Wouters（2007）的研究，资本折旧δ设定为0.025，价格粘性程度εp为10[14]。以模型中衡量每笔信贷资金相对价格的参数Qt表示银行业的债务人信用风险，由于该价格反映信贷的风险状况，调整后的较高值意味着较高的违约风险。为了尽量符合模型的稳态要求，对于银行机构相关参数的调校设定杠杆率（t）为4。由于稳态杠杆的设定会使得资金转移比率λ较低，加之为了体现银行资产管理计划或理财资金的投资特性，将λ设定为一个较大的数值0.35。由于我国的银行体系仍然是以国有为主体，没有出现过大规模的系统流动性危机，储户对银行体系怀有很强的信心，发生储户挤兑的风险极低，影响范围也不会过广，因此设定参数θ的值为0.99。基于2017年市场稳态利差100bp的情况来看，将ω设定一个较小的值较为合适（ω=0.02）。表1给出了模型结构参数的边际先验分布，为了方便计量，假设所有的参数都是先验相互独立的，先验分布的截尾值设定在2%，参数υ（κ的条件值）和1/l只对模型的二阶估计有影响，因此这里不作考虑。
假设市场对风险的预期影响了资产价格的显著变化，因此，在模型中加入反映资产价格异常波动的参数φ2，以此来考察当市场中出现风险因素，即人们普遍预期发生流动性风险时的银行资产抛售价格与资产负债冲击因素的变化形态。设定资产价格zt的变动遵循这一过程：t=φZt-1+ηZ，t，ηZ，t～iid0，1。
从表1可以看到，通过MetropolisHastings算法还得出了模型参数后验分布的众数和均值，以及5和95百分位下的参数值。参数τ的后验估计值为0.42，表示全样本的跨时期替代弹性为2.38。而且外生干扰项的随机过程反映出了非常丰富的信息，货币政策和社会融资杠杆率因素从估计结果来看都持续遵循AR（1）过程，且系数分别为0.03和0.06，二者较低的持续性表示在长期情况下，产出变量预测残差的方差大小与它们的关系不大。在市场不存在风险预期的情况下，资产价格因素的后验估计值为0.01，出现风险预期后，该值变动为0.03，表示风险的预期确实对产出存在长期影响。再来看稳态参数，r（A）、π（A）和γ（Q）的后验分布均值均低于先验假设均值，表示市场参与者对利率、通胀和稳态增长率因素都较为敏感。
五、检验结果及分析
（一）系统流动性风险
本文使用同业借贷、其他证券资产和交易性负债三种资产负债业务作为冲击因素，来考察银行的资产抛售价格在其冲击下的表现形态。将银行业恐慌看作是经济周期所产生的一般情况，即经济下行导致了银行资产价格的下降，从而提高了银行的违约概率。为了得到资产抛售价格的光谱分解图，将经济循环周期设置为1年和8年，并在DSGEVAR∞模型下经过500次抽样完成资产抛售价格与冲击因素的散点分布，见图1。
图1（1）显示，资产抛售价格会先向上增长，但增长时间不会太长，随即向下，然后平稳，说明银行同业借贷、其他证券资产和交易性负债业务的综合作用会使得银行系统流动性风险总体增大。从冲击因素的效应大小来看，初期交易性负债业务的冲击相对较大，待到资产抛售价格稳定运行时，其他证券资产的冲击效应会超过同业借贷，并大体保持下去。而同业借贷在一开始几乎对资产抛售价格没有产生任何影响，但随着资产抛售价格的稳定，其冲击效应会在很低的限度内逐步增大。由于资产抛售价格越低，代表银行业系统流动性风险越高，因此，交易性負债在初期使得系统流动性风险有所降低，但其推动力度随后减弱，取而代之的是其他证券资产，成为了银行中长期系统流动性风险的主要来源，同业借贷业务始终没有成为系统流动性风险的主因。
图1（2）显示，同业借贷与资产抛售价格基本呈现同向变动趋势，即同业借贷总体上减少了系统流动性风险。而且从散点分布来看，有一个较为明显的集中趋势，说明市场中存在一个模糊的同业借贷业务与流动性风险的平衡区域。关于这一点，从图1（3）也可以看到，其他证券业务与资产抛售价格存在一个集中区域，这在某种程度上是银行同业市场较为成熟的一个标志。但图1（4）交易性负债与资产抛售价格就没有出现这种形态，这也可以解释为交易性负债成为系统流动性风险主要来源的一个原因。
（二）风险的预期
图2（1）显示，当市场出现流动性风险的预期后，资产抛售价格会下降，随后趋于平稳，但与不存在风险预期相比，资产抛售价格波动性较大，表示银行系统流动性风险在出现风险预期后总体增大，并且很不稳定。与不存在风险预期的情形相似，在开始时交易性负债业务冲击是资产价格变动的主要因素，随着时间的推移，其他证券资产成为银行资产抛售价格变动的主要推手。与此同时，同业借贷的冲击效应也逐步增大，但其对资产抛售价格变动的影响力有限。
与市场中不存在流动性风险的预期情况相比，图2（2）显示，资产抛售价格与同业借贷的同方向变动趋势没有变化，但散点更为集中，这说明市场预期流动性存在风险后，在同业借贷业务上的操作趋于一致。而图2（3）显示，其他证券资产与资产抛售价格的众数交叉点与不存在风险预期相比明显下降，可以看出，造成这种情况的主要原因在于其他证券资产的众数下降，这在一定程度上表示市场在预期风险存在后，普遍减少了其他证券资产的配置，由此，可以推测出这是由银行将其他证券资产抛售以补充流动性所导致。图2（4）显示的交易性负债较之没有预期风险时的散点形态更为分散，说明银行业在预期风险存在后对交易性负债的业务操作不是很一致，杠杆依然是银行业系统流动性风险不确定性的主要原因。
六、结 论
在市场正常时，交易性负债业务是系统流动性风险初期变动的主要冲击因素。当流动性风险平稳时，其他证券资产成为风险的主要来源，同业借贷业务也随之逐步成为流动性风险的推动原因之一，但其效应始终不大。同业借贷与其他证券资产对银行业系统流动性风险的影响在市场中的表现较为集中，存在一个平衡区域，但市场中交易性负债始终没有形成与系统流动性风险的平衡区域，其不确定性较大。当市场出现风险的预期，系统流动性风险波动增大，其他证券资产和交易性负债依然是风险的主要来源。当预期到风险后，银行同业借贷的业务操作趋于一致，且普遍减少了其他资产配置，可以推测出这是由银行将其他证券资产抛售以补充流动性所导致。
综合来看，同业借贷、其他证券资产和交易性负债业务的综合作用会使得银行系统流动性风险总体增大，银行如果想要降低存款提取率对其流动性的影响，就必须采用各种方式降杠杆。首先，要在银行间市场停止拆出资金，并出售政府证券及其他流动资产。其次，银行还要不得已出售潜在的流动性较低的资产，这会导致一个较高的出售成本，特别是在这些资产还有一个较高的流动性溢价的时候更是如此。可以看到，即使银行采取相应的降杠杆措施，系统流动性风险也不会终结，因为银行也许可以避免流动性不足和潜在的违约可能性，但这是以减少整个经济体的信用投放为代价的。
从监管层面来讲，由于交易性负债是银行业系统流动性风险形成的主因，因此，为了实施有效的功能性监管措施，应当给予这类交易性负债业务更多的关注。通过监管的引导效应将交易性负债进行转化，使之既能够有效降低银行业系统流动性风险，又不致于由于过多地限制这类资金的流向选择，从而推高资产价格，造成资产价格泡沫。
在不存在风险预期的情况下，对于同业借贷和其他证券资产业务，监管的措施应当基于市场表现出的相应的平衡区域，引导银行的这两种业务类型向平衡区域集中，这既是符合市场规律的举措，也能提高监管措施的精确性。而在存在风险预期的情况下，银行业会普遍将自身同业借贷业务向着较为统一的标准进行调整，以应对风险事件的发生；并且会减少以自身持有债券、资产支持计划等有较为优良的资产为标的的证券交易量，以达到囤积流动性的目的。不论市场中是否存在对风险的预期，从相对长期的情况来看，其他证券资产业务是造成银行业系统流动性风险的主因，单从这点来考虑，应当减少银行其他证券资产业务的规模，并把握好这个业务监管的“度”，从而整体提升银行业的系统流动性。
参考文献：
[1] Wong J， Hui C H， Fung K P. Hong Kong mortgage rate settingan alternative reference rate？[M]. The Banking Sector in Hong Kong. Palgrave Macmillan UK， 2008.
[2] 周玮， 杨兵兵， 陈宏，等. 商业银行违约概率测算相关问题研究[J]. 国际金融研究， 2005（7）：67-72.
[3] 彭建刚， 易宇，李樟飞. 测算商业银行贷款违约概率的贷款违约表法探讨[J]. 管理学报， 2009， 6（6）： 828-833.
[4] 高波，任若恩. 基于时变copula模型的系统流动性风险研究[J]. 国际金融研究， 2015， 339（12）： 85-93.
[5] 韩永辉， 赵越， 陈晓亮. 利率市场化背景下银行系统性危机的实证研究[J]. 财经理论与实践， 2016， 37（2）： 2-8.
[6] 崔婕， 段雨辰，沈沛龙. 基于隔夜shibor的商业银行系统流动性风险研究[J]. 经济问题， 2016（10）： 38-42.
[7] 舒长江， 胡援成， 和樊嫱. 资产价格波动与商业银行脆弱性：理论基础与宏观实践[J]. 财经理论与实践， 2017， 38（1）： 2-9.
[8] Coval Josua，Erik Stafrferd.Asset fire sales（and purchases） in equity markets[J].Joural of Financial Economics，2007，86（2）：479-512.
[9] Gertler M， Karadi P. A model of unconventional monetary policy[J]. Journal of Monetary Economics， 2011， 58（1）： 17-34.
[10]Gertler M， Kiyotaki N. Financial intermediation and credit policy in business cycle analysis[A]. In B Friedman， M Woodford （eds.）. Handbook of Monetary Economics[C].North Holland： Elsevier，2010，3（11）：547-599.
[11]Goodfriend M，McCallum B. Banking and interest rates in monetary policy analysis： a quantitative exploration[J]. Journal of Monetary Economics， 2007， 54（2）：1480-1507.
[12]An S， F Schorfheide. Bayesian analysis of DSGE models[J]. Econometric Reviews， 2007，26（2）： 113-172.
[13]Gorton G， Metrick A. Securitized banking and the run on repo[J]. Journal of Financial Economics， 2012， 104（3）： 425-451.
[14]Smets F， R Wouters. Shocks and frictions in US business cycles： a bayesian DSGE approach[J]. The American Economic Review， 2007， 97（3）： 586-606.
（責任编辑：宁晓青）
