中国金融机构网络关联性与风险溢出效应研究

丁 慧,沈雨田

(南京财经大学 金融学院，江苏 南京 210023)

一、引 言

金融安全关乎国家根本利益，是国家安全的重要组成部分，也是经济平稳健康发展的重要基础和前提。维护金融安全，是关系中国经济社会发展全局的一件带有战略性、根本性的大事。当前，中国经济发展面临的国际环境和国内条件正在发生深刻复杂变化，经济下行压力加大、结构调整任务艰巨、外部环境不确定性上升等交织叠加，金融风险快速集聚并逐步暴露。党的十九大以来，中央强调要“健全金融监管体系，守住不发生系统性金融风险的底线”，要“坚决打好防范化解包括金融风险在内的重大风险攻坚战”，要“抓住防范金融风险这个重点，推动金融业高质量发展”。防范化解系统性金融风险已成为当前中国金融领域亟待解决的重大问题。系统性金融风险是什么？其传染的机制是怎样的？如何有效测度并清晰认识中国金融机构系统性风险？厘清这些问题，是对现有系统性金融风险研究的有益补充，也是防范系统性金融风险、维护国家金融安全、推动金融供给侧结构性改革的重要前提，具有重要的理论和现实意义。

系统性金融风险通常被视为一种“易于感知”却“难以定义”的概念[1]。我们可以认为，它是指“一系列(或某个)能够威胁到公众对于整个金融系统信心的事件”[2]。这种威胁大多数情况下内生于金融系统，而金融系统又由一系列相互关联的金融机构构成。系统性金融风险可能是由金融系统中某一家金融机构遭受的极端冲击事件引发，其核心机制是金融风险的传染效应。具体而言，金融机构相互关联形成的金融网络可以导致单个机构面临的变动或冲击迅速传播扩散至金融系统中绝大部分的关联机构，最终导致系统性金融风险的发生。此外，金融网络中的过度关联将增大金融机构之间、金融部门之间甚至金融系统和实体经济之间风险冲击的水平和影响范围，进一步强化系统性金融风险的负外部性。由此可见，有效测度系统性金融风险必须要解决的关键问题之一，是如何有效刻画金融机构间的网络关联特性。

近年来，金融创新业务的大量出现和迅速发展，拓宽了金融服务的广度和深度，也使得金融机构间跨行业、跨区域的关联程度迅速提高。与此同时，互联网金融的爆发式增长更是削弱了金融部门间原有的行业壁垒，打破了传统金融机构业务关联原有的空间限制，给监管套利和投机行为留下可乘空隙。这些都给中国“坚守不发生系统性风险底线”政策目标的实现带来了挑战。在此背景下，本文采用前沿的系统性风险测度方法(Diebold Yilmaz Connectedness Index，DYCI)[1]，从时间和横截面两个维度对中国金融机构系统性风险展开深入研究，着重考察金融机构整体、部门、个体三个层面的网络关联性，并研究金融网络中的系统性风险溢出效应。具体而言：第一，构建中国金融机构系统性风险溢出指标，从全样本角度考察价格波动传递过程中，机构网络的整体关联性以及金融机构的系统性风险溢出效应。第二，引入滚动窗口估计方法，从滚动样本角度研究中国金融体系整体关联性以及机构网络系统性风险溢出效应的动态演进，并对其周期波动性特征进行分析。第三，对DYCI法进行有益的补充，研究金融机构跨部门风险溢出净效应的动态特征，并考察金融风险在部门间的传播路径、溢出强度和传染中心。

二、文献综述

国际金融危机后，系统性金融风险问题得到了国内外学术界和业界的广泛关注。风险溢出效应是系统性金融风险的主要外部因素之一，也是金融机构和金融监管部门关注的核心问题之一。准确测度系统性风险溢出效应、精准识别风险传染路径是防范化解系统性金融风险的重要前提。关于系统性金融风险的测度方法仍处于不断探索之中，学术界尚未形成统一而权威的理论。通过梳理现有文献，可以发现，当前系统性金融风险的测度方法主要围绕基于网络拓扑结构的数值模拟和基于金融市场数据的计量分析两个角度展开。

2008年以前，多数研究采用基于网络拓扑结构的数值模拟方法对系统性金融风险进行测度。其主要思路为，根据银行部门的业务关联特性，识别银行间敞口网络，并仿真模拟初始冲击在银行关联网络中的传染效应，进而识别风险传染路径，测度系统性风险溢出效应。这种方法具有较坚实的理论基础，也能够直观反映系统性金融风险传染的方向和路径。Allen和Gale[2]与Freixas等[3]在这方面作出了开创性研究，他们认为，银行间市场的网络拓扑结构决定了风险传染发生的可能性。Upper和Worms[4]借助反事实模拟法，研究了德国银行网络中银行风险敞口引起的系统性风险传染问题，发现一家商业银行的破产可能导致银行体系陷入危机的可能性概率为15%。纵观此类文献，危机前的研究往往关注于单个机构违约造成的影响；危机爆发后，部分学者进一步强调资产负债表受到共同冲击的影响[5]。国内学者也积极地将此类方法应用于中国金融风险问题研究中，方意和黄丽灵[6]运用资产负债网络模型测度了中国银行体系的系统性风险。作为系统性金融风险测度的主流研究方法之一，该方法也存在一些明显的缺陷，如通过最大化信息熵(Maximum Entropy，ME)等方法获得的金融机构双边风险敞口矩阵存在低估或高估风险传染效应的可能、该类方法的背后缺乏市场参与主体的行为基础、低频数据难以满足实时准确测度系统性风险的宏观审慎要求。此外，金融新业态的出现使得系统性风险背后的传染机制愈加复杂，导致传统的网络风险测度方法在一定范围内失效。

国际金融危机爆发后，学术界积极寻求新的方法来测度系统性金融风险。大量研究开始采用基于金融市场数据的计量分析方法来测度系统性金融风险。具体包括：第一，以金融机构股票收益率的相关系数[9]和主成分分析[2]来度量系统性金融风险。该类方法侧重于分析系统性金融风险在时间维度上的演变情况，可以有效捕捉金融机构间关联性的变化，但只能测度系统性金融风险的总体水平，无法识别风险传递的方向，更不能衡量单个机构系统性风险的贡献或敞口。第二，以未定权益分析(Contingent Claims Analysis,CCA)法[7]考察金融体系的系统性风险。该类方法综合金融机构个体经风险调整过的资产负债表以及它们之间的相互依赖关系，来量化一般的偿债能力风险的大小，侧重于从时间维度来衡量系统性风险的演变情况，但其无法测度单个银行对于银行体系的风险溢出效应。第三，以金融机构间的尾部关联性来测度风险外溢效应，进而衡量系统性金融风险，代表性度量指标有CoVaR、MES、SES及SRISK等。Adrian和Brunnermeier[8]提出使用CoVaR指标测度系统性金融风险，其内涵为当市场出现极端情况时，机构或系统发生损失的大小。Acharya等[9]将系统性期望损失(Systemic Expected Shortfall，SES)定义为边际期望损失(Marginal Expected Shortfall，MES)和杠杆率的线性组合，并使用SES指标衡量了单个金融机构陷入困境后对经济产生的系统性风险冲击。Brownlees和Engle[10]进一步拓展Acharya等[9]提出的模型，构建了SRISK指标测度单个金融机构在危机情形中的预期资本短缺，并预期，资本短缺越高的机构所产生的系统性金融风险越大。此外，李政等[11]提出分别用上行CoES和下行CoES作为系统性金融风险的同期度量指标和前瞻性预警指标，并以此研究中国金融部门的系统性风险。这几类指标的区别体现在估计方式以及对组成系统性事件的定义方面。这类方法虽然考虑了风险传导的方向，但只关注到局部的相互依赖性(即机构对系统或者系统对机构)，无法反映金融体系中机构关联性的改变以及系统性金融风险的积聚过程，从而低估了高度关联机构的系统性风险。

近年来，随着计量技术的拓展和延伸，通过将方差分解映射到网络拓扑结构中，考察金融网络中机构间的波动关联性并测度系统性金融风险溢出效应[1]，正逐渐成为这一领域中的代表性方法。DYCI法不仅可以有效识别金融网络内的风险冲击事件，还可以精准测度金融机构对于整体网络的风险贡献值，较好地兼顾宏观和微观两个层面，以全面衡量时间和横截面维度上的系统性金融风险。同时，该类方法还能有效甄别网络中的风险传染中心，较好地反映系统性金融风险的积聚过程与演变态势，与网络拓扑理论以及当前几类主流的系统性金融风险测度方法(如CoVaR、MES等)密切相关。此外，传统“大而不能倒”的监管思想开始转向“太关联而不能倒”的新理念[12]，机构网络视角下的DYCI法可以有效识别金融机构的系统重要性地位。

从国内来看，当前应用DYCI法考察中国金融机构风险测度与风险传染的文献较为丰富，但该领域的研究仍存在有待完善之处：第一，现有文献大多聚焦于中国金融机构网络整体和微观个体的风险溢出效应，并以此分析中国系统性金融风险的现状。然而，在中国银行、证券、保险等部门日益关联的今天，金融网络中分部门和跨部门的风险溢出效应已然不可忽视。第二，以往有关金融部门系统性风险的研究多关注于银行、证券以及保险部门，但由于银行在中国金融体系中占据绝对主导地位，各类银行子部门在业务模式和资产规模等方面差异较大，故进一步考察大型商业银行、股份制商业银行、城市商业银行的风险特性十分必要。

由此，本文将从三个方面丰富现有研究：第一，基于中国金融机构系统性风险溢出网络，从整体、部门、个体视角，全面立体地考察金融机构网络中系统性风险溢出的演变路径。第二，研究金融机构分部门风险溢出效应的同时，拓宽现有DYCI法的应用范围，构建能够识别跨部门风险溢出效应的指数，考察金融机构跨部门系统性风险传染。第三，本文在着重研究银行、证券、保险部门特征的同时，将依照中国银保监会的分类标准，进一步探析大型商业银行、股份制银行、城商行子部门的系统性风险溢出效应。

三、研究方法与样本数据

(一)指标构建

我们以Diebold和Yilmaz[1]提出的DYCI法作为本文研究的理论框架。具体而言，基于VAR模型的方差分解技术，结合网络拓扑思想，识别系统性金融风险溢出矩阵，构建相关关联性测度指数，揭示中国金融机构网络关联性，并刻画其系统性金融风险的溢出路径。基于此，本文建立一个N维的VAR模型，具体公式如下：

(1)

其中，t=1,2，…,T。Xt是N维列向量，分别代表N个金融机构的股票价格波动率，且均为协方差平稳过程；ut是N维列向量，不存在序列相关性，ut各分量之间可同期相关，ut～i.i.d.(0,)，为协方差矩阵。式(1)的移动平均形式可以表示为系数矩阵Ai服从如下递归公式Ai=1Ai-1+2Ai-2+…+pAi-p，其中，A0为N阶单位矩阵，且i<0时，Ai=0。

(2)

其中，ei是第i个元素为1、其他元素为0的单位选择向量；Ah是VAR模型的无穷项移动平均形式的滞后H阶冲击向量的系数矩阵；是VAR模型中的冲击向量的协方差矩阵；jj是协方差矩阵对角线上的元素；是第j个变量对变量i在滞后H阶上的预测误差方差。

(3)

(二)数据选取

现有文献通常以资产价格波动作为风险的度量指标，通过考察各机构间的波动传递关系，研究系统性风险的溢出效应。本文采用金融机构的股票价格波动率，研究金融机构网络关联性，主要基于以下三点原因：首先，股票价格波动率指数是简单易得的。其次，波动率指数反映了证券市场中成千上万的投资者对于整体市场行情的评估，同时也包含了市场的预期信息，具有前瞻性。最后，资产价格的波动性对于风险冲击极其敏感，选用波动率指数考察金融机构网络关联性，可以加强本文研究结论的可靠性。与此同时，结合股票价格波动关联性识别金融机构网络特征，并考察金融机构系统性风险的传染与演变，正成为近年来前沿的系统性风险研究方法。

为了从网络关联视角考察金融机构系统性风险，本文以中国A股市场28家上市金融机构股票价格波动率为样本分析对象，样本区间为2008年1月1日至2019年12月31日，其中，商业银行16家(根据银保监会网站中商业银行的分类办法，此处又分为5家大型商业银行、8家股份制商业银行、3家城市商业银行)，证券公司9家，保险公司3家。囿于数据可得性，部分机构的上市时间晚于研究起始时间，本文依据各机构上市日期划分出样本I、样本II和样本III，分别测度不同样本中的系统性金融风险，具体而言，样本I和样本II共同包含了2008年1月1日前上市的21家金融机构，样本区间的起始点分别为2008年1月1日和2010年11月1日。样本III相比于样本I和样本II多出了2008—2011年期间上市的7家金融机构，其样本区间的起始点为2010年11月1日。(1)样本I拥有足够的机构样本以识别2008年全球金融危机中中国金融机构的风险传递网络，样本III则涵盖了现有16家上市商业银行，其中包括工商银行、农业银行、中国银行、建设银行4家大型商业银行。在样本机构和样本区间均不同的情况下，样本I和III并不能直接进行比较，进而无法验证风险溢出分析法应用于中国实践的可行性。根据上述情况，样本II作为风险溢出分析法应用于中国实践的稳健性检验样本，一方面，与样本I(相同的样本机构)进行不同样本区间的比较。另一方面，与样本III(相同的样本区间)进行不同样本机构的比较。

基于以上样本数据，本文采用GARCH(1, 1)模型估计出金融机构的股票价格波动率。考虑到GARCH波动率明显不服从正态分布，具有一定的“尖峰厚尾”特性，为了确保样本数据接近于正态分布，并减少系统中产生的异常冲击，本文进一步使用对数波动率(即对相关GARCH波动率取对数)测度金融机构的网络关联性。相关股票价格采用每日前复权收盘价，所有数据均来自Wind资讯数据库。

四、研究结果与分析

(一)中国金融机构网络的全样本静态分析：整体与个体视角

我们分别以样本I、样本II和样本III建立VAR(1)模型(依据AIC和SC准则，选择1期为VAR模型的最优滞后期数)，(2)参照相关的AR根图，我们构建的VAR(1)模型均满足稳定性条件。计算相关系统性风险溢出矩阵，以刻画在系统性金融风险传染与演变过程中，中国金融机构间的交互作用关系。根据已有研究[1-13]，选取广义方差分解的第10步(即10天的预测期)，构建中国金融机构系统性风险溢出表，如表1所示。(3)因篇幅所限，略去相关实证结果，留存备索。表1从全样本角度展示了样本I、样本II和样本III中中国金融机构的传染性指数、脆弱性指数和总关联性指数，可以发现：从整体来看，中国金融机构网络关联性较高，对应于样本I、样本II和样本III的总体关联性指数分别为85.94%、85.53%和88.83%。这意味着，除了金融机构自身的影响因素，金融体系中的波动绝大部分是由各机构向外的风险溢出造成，机构网络内呈现出显著的系统性风险溢出效应。为了规避监管和监管套利，中国商业银行在近些年开发了大量银银、银证、银保合作等金融创新工具，使部门间的业务联系更加紧密和复杂。互联网与金融行业的深度融合降低了金融行业壁垒，也使整体关联性进一步上升。从个体来看，根据“太大而不能倒”的传统监管思想，金融机构的风险传染能力(即传染性指数)与其资产规模有较大的联系，但也出现了部分异常。如工商银行的传染性指数在金融机构中排名末尾，其净溢出指数在样本I、样本II和样本III中均为负值(-0.97%、-8.44%和-9.14%)；兴业银行、南京银行和招商证券等机构的传染性指数均居于金融网络中前十位，表现出较强的风险传染能力。一种可能的解释是，大型商业银行受到更为严格的金融监管，致使其在金融体系中的风险传染能力较低；相对而言，一些资产规模较小的金融机构，由于其市场行为激进，金融创新活跃，风险产品和投资的市场占有率高，在网络中表现出较高的风险传染能力。同时，中国金融机构脆弱性指数均较高且范围较为集中，各机构吸收风险冲击的能力总体较高且差异性不大。相比于美国主要金融机构的70%—82%受其他机构影响程度[1]，样本I、样本II和样本III中的实证结果显示中国金融机构受其他机构的影响分别为81%—88%、80%—88%和86%—90%。在样本III中，脆弱性指数最高的华夏银行(90.53%)是最低的中国人寿(86.72%)的1.04倍，远低于同一样本内传染性指数的差异性(1.59倍)。这说明，当中国金融体系遭受风险冲击时，各类型机构吸收损失趋同，整体相近的脆弱性将放大金融风险传染效应，可能致使整个金融体系陷入危机状态。

表1 中国金融机构系统性风险溢出效应：整体和个体特征

基于以上金融机构网络整体关联性以及个体风险传染能力、风险吸收能力的分析，本文继续考察样本I、样本II和样本III中金融机构风险溢出的净效应，各样本的净溢出指数排序分析结果，如表2所示。从表2可以看出，在样本I、样本II和样本III中，交通银行均是风险溢出净效应最高的机构，表明其在金融机构网络中的系统重要性地位。将样本I和样本II中的结果进行比较，随着样本区间的起始点由2008年1月1日推进至2010年11月1日，金融机构在网络中的系统重要性排名出现了变化，如兴业银行的系统重要性排名由样本I中的第2位降低至样本II中的第4位。此外，对比样本II和样本III的结果，我们可以发现，样本III中新增的7家金融机构在金融网络中风险溢出的净效应均较为显著，其中，农业银行、光大银行以及光大证券在金融网络中的系统重要性排名居于前10位。因此，本文进一步采用滚动窗口估计方法对中国金融机构网络关联性与系统性风险溢出效应进行研究，并选用样本III来全面考察部门视角下中国金融机构风险溢出的渐进演变。

表2 中国金融机构风险溢出净效应指数排序分析

(二)中国金融机构网络的滚动样本动态分析：整体视角

基于上述全样本静态分析，本文应用滚动窗口估计方法研究中国金融机构网络整体关联性的时序特征。国际金融危机爆发后，中国金融机构整体网络关联性并没有表现出明显的上升趋势，而是呈现阶段性周期波动特征。鉴于样本I、样本II和样本III对应的总体关联性指数呈现出相近的趋势，我们以样本I的总体关联性指数为研究对象，依据“低―高―低”为一个周期的基本设定，对2008年国际金融危机爆发以来的中国金融机构网络整体关联性的周期进行统计性描述，结果如表3所示。从表3中可以看出，总体关联性指数在样本区间内出现六次较为显著的波峰，这些特征与近年来中国的金融发展形势紧密相关。随着经济由高速增长转入高质量发展阶段，金融业发展迈向新的台阶，中国仍处于风险易发高发阶段，金融业面临着风险冲击加剧的局面。一方面，金融市场风险事件对各机构造成的冲击将在机构网络中迅速放大，加剧网络内的系统性风险溢出效应，使得系统性金融风险具有明显的触发性和传染性特征。另一方面，外部风险冲击也会导致中国金融机构网络整体关联性的急剧上升，如2018年初的中美贸易摩擦升级，致使总体关联性指数在短时期内飙升至较高水平。

表3 中国金融机构网络整体关联性的周期性统计特征

(三)中国金融机构网络的滚动样本动态分析：分部门视角

在前述网络整体关联性动态分析的基础上，下文考察中国金融机构分部门风险溢出净效应的时序特征。由于中国金融体系由商业银行主导，且银行部门中各类型机构的规模差异较大，其在金融机构网络中的溢出效应显然不同，故本文同时分析大型、股份制、城市三类银行子部门的特征。结果显示：首先，在2013年的中国银行业“钱荒”事件中，银行的风险净溢出持续为正，对机构网络中其他机构有显著的风险溢出效应；而在2015年的中国股市危机中，证券和保险部门风险溢出的净效应在大多数时期为正。同时，相比于规模较大的银行部门，证券和保险部门对于风险冲击的响应明显要高出许多，在金融网络中表现出较高的风险溢出效应。这说明，中国金融网络中系统性风险溢出效应呈现出异质性和多变性的特征。其次，银行的净溢出指数在绝大部分的样本区间内为正，而证券与保险在样本区间内的多数时期均为负。换句话说，银行部门在金融网络中更容易成为风险传染中心，而后两者则更容易作为风险吸收中心存在，这也进一步印证了银行类机构是金融冲击孕育与传播的主要渠道，其在金融体系中的系统重要性地位不言而喻。其中，股份制银行在绝大部分时期的净溢出指数为正，且在风险冲击事件中表现出较高水平。最后，各部门风险溢出的净效应在时间维度上不断变化，金融网络中的风险溢出呈现趋势错位的现象，避免了金融体系内的风险持续共振。如在中国银行业“钱荒”、中国股市危机等重大风险冲击事件中，各部门风险溢出的净效应均表现出不同的风险溢出方向。正是由于中国金融机构网络中风险溢出的趋势错位，在一定程度上避免了单一部门的风险波动演变成更大范围的系统性金融风险。

(四)中国金融机构网络的滚动样本动态分析：跨部门视角

进一步地，剔除各部门对于同一类型机构风险溢出的净效应后，我们分析跨部门风险溢出净效应的渐进演变态势。结果显示：首先，在中国金融体系中，银行对其他部门的跨部门风险溢出净效应已经不容忽视，尤其是银行与证券部门间的风险溢出。2013年以来，银行对证券的跨部门风险溢出净效应上升趋势明显，指数的波动显著增强。这反映出当前中国金融机构系统性风险的最新发展趋势，其影响范围不仅仅局限于同一部门内，部门间的某种关联(如业务往来等)也会成为风险传染渠道，因而防范跨部门金融风险传染已成为中国金融业面临的主要问题。其次，保险部门在中国金融机构网络中的影响程度日益上升。2014年前，该部门对其他部门风险溢出的净效应在大部分时期均为负值，而2014年后则表现出较大的波动，且在较多时期内为正。2010年以来，中国保险业持续高速增长，原保费收入保持了年均15.05%的增速。截至2018年12月31日，中国保险业资金运用余额为16.41万亿元，其中，银行存款为2.44万亿元，占比14.85%；债券投资为5.64万亿元，占比34.36%；股票和证券投资基金投资为1.92万亿元，占比11.71%；其他投资为6.41万亿元，占比39.08%。同时，近年来保险业的险资企业频频在证券市场中举牌银行等蓝筹股，加剧了金融机构资产价格的波动，也推动了保险与银行、证券关联性的上升，导致保险对其他部门风险溢出效应的增强。最后，银行子部门间的风险溢出效应呈现出一定的区制转移特征。大型商业银行对股份制商业银行和城市商业银行的净溢出指数在大部分时期内为负值，其跨部门风险溢出净效应呈现出逆周期性的特征，说明大型商业银行在中国金融体系中充当了稳定器作用；但在历次重大风险冲击事件中净溢出指数为正值，其跨部门风险溢出效应具有顺周期性，加剧了金融网络中系统性风险溢出效应。

五、结论与政策建议

本文采用DYCI法测算了中国金融机构系统性风险溢出网络，构建了传染性指数、脆弱性指数和净溢出指数等风险测度指标，考察了中国金融机构网络关联性的演变态势，并分别从整体、部门、个体层面探讨了中国金融机构系统性风险溢出效应的时序特征。基于此，本文得出如下结论：第一，中国金融机构整体关联性呈现出较高水平，且随宏观经济形势变化表现出阶段性周期波动特征。第二，从分部门来看，系统性风险溢出效应呈现出异质性和突变性特征；银行在金融网络中的系统重要性地位较为突出，各部门风险溢出净效应的趋势错位，在一定程度上减缓了金融体系中的风险共振。第三，从跨部门来看，银行对证券的风险溢出效应呈现逐年上升态势。同时，保险部门对其他部门风险溢出效应日益增强。此外，银行子部门间的风险溢出效应呈现出一定的区制转移特点。第四，从个体来看，一些资产规模较小的金融机构表现出较强的风险传染能力；金融机构对风险冲击的吸收程度总体较高且差异性不大；金融机构在网络中的系统重要性随时间不断变化。

基于以上研究结论，笔者提出以下政策建议：第一，在现行“一委一行两会”的金融监管框架下，要进一步完善金融监管协调联动机制，明确各监管主体的职责，加强不同行业监管部门之间的横向协调以及中央与地方监管部门的纵向合作，使金融监管实现全方位、多层次覆盖，更广范围地形成监管合力，尽可能减少不同部门监管之间的真空地带，最大限度地消除行业间的监管套利行为。第二，金融机构风险溢出效应异质性较强，且会随时间发生较大改变。金融监管部门应依据中国金融行业的实际情况，健全现有系统性金融风险监测体系，开发有针对性的高频风险监测评估工具以及配套的风险预警机制，精准识别高风险金融机构的网络关联路径，实现金融风险的早发现、早识别、早应对，做好系统性金融风险的早期处置工作。第三，针对机构系统重要性地位发生突变的情况，监管部门应根据其类型、规模以及与之关联的机构，实施动态差异化分类监管措施，并完善风险处置预案工作，以防单一部门金融风险通过多米诺骨牌效应演变成整个金融体系的系统性风险。第四，为了有效防范中国系统性金融风险，除了对大型金融机构设立更高的监管标准，还应重点关注兴业银行、南京银行和招商证券等风险溢出效应显著的中小型金融机构，定期监测其网络关联结构并实施压力测试，最大限度地防止金融机构“太关联而不能倒”现象的发生。第五，为了从源头上防范系统性金融风险，金融机构应将完善公司治理作为自身发展的重要任务。一方面，金融机构要加强内部风险管理体系建设，健全风险管理制度框架，积极引进风险管理专业人才。另一方面，金融机构要优化企业激励和约束机制，综合考虑业务发展的收益与风险，完善员工业绩考核评价体系，突出质量、风险防控、合规性等考核指标。第六，防范化解系统性金融风险还应该关注影子银行体系、房地产价格泡沫、金融市场异常波动等风险源头；同时，金融科技的快速发展也给中国金融稳定造成一定影响，要加速发展监管科技防范新型金融风险；除此之外，在中国不断推进金融开放的过程中，跨境资本带来的风险冲击势必会加大，应进一步完善宏观审慎评估体系中的跨境资本流动监测工具。