系统性金融风险多层网络传染与控制研究

王 虎,李守伟

(1.东南大学 经济管理学院，江苏 南京 211189；2.东南大学 金融复杂性与风险管理研究中心，江苏 南京 211189)

一、引 言

历次经济危机使人们认识到银行风险管理的重要性。为了加强对银行业的监管和防范金融风险的发生，国际组织针对银行业监管颁布了巴塞尔协议。2007～2009年由美国次贷危机引发的全球金融危机，改变了以往对银行系统的监管理念，防范系统性金融风险的发生成为各国金融监管的重点，新巴塞尔协议将监管约束和市场约束机制纳入到资本框架中，并提出了宏观审慎的监管理念，以降低系统性金融风险发生的概率[1]。

经济发展战略调整滞后导致经济结构的严重失衡，金融行业风险也不断累积，进而增加了系统性金融风险发生的概率。2013年的“钱荒”事件，同业拆借利率极速上涨，导致股市大跌，这是由于在长期宽松的货币政策环境下同业业务的快速扩张、过高的杠杆水平等加剧了流动性风险所导致的。此后，监管部门相继出台了一系列政策措施调节市场流动性，以保持金融系统的稳定。2017年，中央经济工作会议也提出了“守住不发生系统性金融风险的底线”的要求，如何防范系统性金融风险的发生成为学界和业界关注的热点。

系统性金融风险是指一个金融机构、金融市场所面临的变动或冲击传染给其他金融机构和市场，并对整个金融系统产生严重损害[2]。银行业系统性金融风险主要通过直接风险渠道和间接风险渠道两种方式进行传染，直接风险渠道主要是由于债务方的违约通过银行间信贷关系对债权方的资产造成损失，间接风险渠道则是银行的资产抛售行为引起资产价格波动而对其他持有共同资产的银行产生影响。现实中，银行通过各种方式建立信贷关系，而这些信贷关系为金融风险的传染提供了渠道，系统性金融风险往往是通过多种渠道同时传播并且相互作用对银行系统产生影响，只有同时考虑多种风险传染渠道才能够较为准确地评估系统性金融风险[3]，但基于间接方式的风险传染一般被学者所忽视。

2007～2009年的全球金融危机就是由房地产引发的。金融次贷危机导致房价的暴跌，以雷曼银行的倒闭为导火索，进而对整个金融系统造成灾难性的后果，这也说明了金融风险不仅仅来源于对银行的直接风险冲击。资产价格波动对银行系统的影响可能要远大于直接对单个或部分银行的影响，并且与直接风险渠道的传染方式不同，基于持有共同资产的间接风险传染渠道可以在没有直接信贷关系的条件下进行。此外，研究也表明单一的风险传染渠道可能并不会对整个系统产生较大的影响，而当直接和间接两种风险传染渠道同时作用时，会极大地放大系统性金融风险[4]，忽视不同风险传染渠道之间的这种非线性风险放大机制，可能会严重低估系统性金融风险。因此，本文首先就通过构建包含同业拆借和持有共同资产两种渠道的风险传染模型，分析不同传染渠道以及两种渠道相互作用下的系统性金融风险；然后，分析风险敞口、集中度、杠杆倍数、净资产以及资产负债率对系统性金融风险的影响，并通过面板回归对这些因素与系统性金融风险之间的关系进行验证；最后，通过分析市场流动性和资本缓冲在降低系统性金融风险中的作用，探究降低系统性金融风险的最优策略。

二、文献综述

银行在各种金融市场中的交易关系形成了复杂的金融关联，一家银行受到的风险冲击会通过各种金融关联将风险传染给系统中的其他银行，进而对整个金融系统产生影响[5-6]。银行间的这种风险传染过程可以通过网络模型进行很好的刻画，将银行作为网络节点，银行间复杂金融关联作为节点间的边，复杂网络理论的发展也为研究金融风险传染机制提供了理论基础。

从网络理论的角度对金融风险传染进行研究的文献主要如下所述。Allen和Gale研究认为风险传染取决于金融机构间的网络结构，并且完整的网络结构比不完整网络结构表现出更强的稳健性[7]。Eisenberg和Noe将银行违约纳入到清算机制中，考虑银行间的双边风险敞口网络，证明了清算支付向量的存在以及唯一性，当债务人违约时，债务人的剩余资产会按照比例分配给债权人，债权人由于债务方的违约自身也会受到冲击，进而引发新一轮的违约[8]。Rogers和Veraart在Eisenberg和Noe[8]研究的基础上引入违约成本，认为违约造成的额外损失会增加救助成本，通过降低违约造成的额外成本，以避免银行间的网络连接所导致的内生性风险的放大[9]。隋聪等人通过建立银行间债务网络的风险传染模型，从影响因素的角度，分析了银行间借贷比例、资本充足率等因素对风险传染的影响[10]。上述研究主要集中于银行间同业拆借关系的直接风险传染渠道，但银行间具有多种金融关联，每种金融关联分别代表不同的风险敞口[11]。如Bargigli等人基于期限和有无担保对银行间风险敞口进行划分，构建了多层网络的银行风险传染模型[12]。Poledna等人考虑了信贷、衍生品、外汇和证券4种风险敞口渠道，结果表明，只考虑单一风险渠道会低估90%的系统性金融风险[13]。方意构建了包含银行破产机制和去杠杆机制的资产负债表直接关联网络模型，分析了4种传染渠道对银行系统性金融风险的影响[14]。

以上研究都是从银行间直接信贷关系的角度对银行系统性金融风险进行的研究，但相关研究表明银行间的直接风险传染渠道并不是系统性金融风险的重要来源，间接风险传染渠道对系统性金融风险的影响更大[3]。间接风险传染主要是通过持有共同资产进行的，主要研究有Huang等人建立了一个由银行和资产组成的二元网络模型，并用2007年美国商业银行资产负债表数据对模型进行了验证，发现房地产业是银行倒闭的主要原因[15]。Greenwood分析了银行的去杠杆化如何通过持有共同资产风险传染渠道对金融系统风险产生影响[16]。方意和郑子文[17]在Greenwood[16]持有共同资产网络模型基础上，考虑了多轮传染和资产价格相关，并研究了房地产贷款资产价格下跌对银行系统的影响。吴宜勇等人研究了共同资产价格变动对金融市场的影响，分析了非流动性资产购买和资本注入在防范系统性金融风险中的作用[18]。Caccioli等人更进一步地同时考虑了交易对手违约风险渠道和持有共同资产风险渠道，结果表明，在两种渠道共同作用下，系统性风险显著增加[4]。

综观上述研究，虽然已有学者从持有共同资产的角度对系统性金融风险进行研究，但基于直接风险渠道和间接风险渠道相结合的研究较少，还没有基于中国银行业实际数据的相关研究。现实中，两种渠道的风险传染是同时发生，并且相互作用对银行系统产生影响，仅考虑单一风险渠道可能会严重低估系统性金融风险。

以往对银行系统性金融风险的度量通常是假设银行违约条件下整个金融系统的风险水平。但在实际中，少数银行的违约引起整个银行系统多米诺骨牌效应的概率很小。据巴塞尔银行监管委员会估计，约三分之二的损失归因于交易对手信用风险，而只有约三分之一归因于实际违约[1]。交易对手信用风险是指债务方信用质量的恶化，使得债权方重新评估对债务方的投资，这种信用恶化所导致的资产损失就会传染给债权方。基于此，Battiston等人提出了债务排序(DebtRank)模型[19]，债务排序模型可以在银行不违约情况下，只需要银行资产负债表数据就能对系统性金融风险进行计算。债务排序模型通过反馈机制的风险测量方法可以评估不同银行的系统重要性，克服了以往反馈模型中节点的无限次反馈冲击的缺陷，并且充分考虑了银行系统网络结构所引起的风险传染和级联效应。

有鉴于此，本文基于债务排序模型对系统性金融风险进行测度，克服了以往系统性金融风险度量方法的缺陷。借鉴Poledna 等人[13]的思路将债务排序模型拓展到持有共同资产网络中。Poledna等人虽然考虑了多种风险传染渠道，但只是简单地将不同金融市场的风险暴露作为风险传染渠道，忽视了不同传染渠道的内在传染机制。本文同时考虑同业拆借和持有共同资产两种风险传染渠道，并引入持有共同资产的减价抛售过程，从银行冲击和资产冲击两个角度对系统性金融风险进行模拟，并通过实证分析系统性金融风险影响因素，从而使得本文所构建的模型更加符合实际，以及结论更具有指导意义。

三、模型和数据

1.持有共同资产网络构建

(1)持有共同资产网络

(1)

(2)

(3)

(2)基于持有共同资产的减价抛售过程

(4)

(5)

当银行i遭受风险冲击时，表现在资产负债表上为净资产的减少，则银行i在t+1时刻的净资产为[21]：

(6)

其中，γ表示风险冲击造成的资产损失，净资产的减少会导致杠杆倍数的增加，银行为了恢复初始杠杆水平，通常会选择出售外部资产的方式降低杠杆，则银行i需要抛售的资产价值ki为：

(7)

银行出售资产会导致资产价格的下跌，资产抛售对资产价格的影响程度取决于抛售资产的数量和市场的流动性状况。抛售资产数量与资产价格变化通常表现为非线性关系[22]，资产价格可以表示为：

f(pa)=1-e-α·da

(8)

(9)

其中，da表示资产a出售比例(0≤da≤1)；Ria表示银行i出售的资产a占资产a总规模的比例。α表示市场流动性水平，α越大表示市场流动性水平越低，资产抛售对价格影响越大，反之，对价格影响越小。本文假设银行按比例出售持有资产[16]，当该银行某一类资产被全部出售时，则将出售资产总额按比例在其他类资产中分配，如果该银行持有资产全部出售，则以后不会再出售资产。本文参照Caccioli等人[3]的研究，设置α=1.0536，表示当资产出售比例d=10%时，资产价格f(p)下降约为10%。此外，银行在违约前出售的资产价值ki满足以下表达式：

(10)

当银行i所出售的资产总价值或者遭受风险冲击造成的损失大于其净资产时，则银行i违约，在下一时刻，银行i会出售所有剩余持有资产。

2.同业拆借网络构建

鉴于我国银行间市场的双边敞口数据不可得，需要借助一定处理方法将银行同业的总资产与总负债敞口数据转化为银行间双边敞口矩阵。运用最大熵对银行间的信贷关系进行重构是目前应用最广泛的一种方法[23]，但最大熵方法假设银行间是全连接网络结构，并不符合实际银行间的信贷关系结构。为了能够更准确地估计银行间的同业拆借关系，本文采用适应度模型方法对银行同业拆借网络进行构建，该方法克服了最大熵方法网络全连接的缺陷，并被广泛应用到银行同业拆借关系的构建中[24]。适应度模型是根据两家银行的同业拆借规模确定相互之间是否具有信贷关系，两家银行的同业资产和同业负债规模越大，则这两家银行间具有同业拆借关系的概率越大。具体构建过程如下[25]：

(11)

(12)

(13)

3.基于同业拆借和持有共同资产两种传染渠道的风险传染模型

债务排序模型是一种基于反馈机制的风险度量方法[21]，通过计算单个或多个银行同时违约对系统造成损失的角度来评估银行的系统重要性程度。当债务方遭受损失时，债权方会重新评估对债务方的资产价值，资产价值的降低成比例于债务方净资产的损失程度。因此，即使在银行不违约的情况下，债务方的资产损失也会以一定比例转移到债权方。债务排序模型中银行间的风险传染过程是通过脆弱矩阵Xij进行的，脆弱矩阵Xij表示银行间信贷关系。由此，可以认为债务排序模型可以通过任何具有相互连接关系的金融网络计算出来[13]，不同的相互连接关系代表不同类型的金融风险，从而可以将债务排序模型应用到不同风险敞口网络中。因此，本文将该模型拓展到持有共同资产网络中，同时考虑同业风险敞口和持有共同资产两种风险传染渠道，并且两种风险传染在同一个时间尺度上。包含同业拆借和持有共同资产两种传染渠道的债务排序模型如下：

(14)

(15)

(16)

(17)

(18)

(19)

式(19)表示减去初始冲击后的DR值，为了分别计算同业拆借和持有共同资产网络的DR值，需要进行标准化处理：

(20)

(21)

4.数据来源

本文中银行间同业拆借和行业贷款数据来源于国泰安数据库，样本时间为2012～2017年。剔除所有者权益、同业资产、同业负债和资产负债率为0以及数据缺失的银行，共得到125家银行样本数据。其中包括5家国有商业银行、11家股份制商业银行、65家城市商业银行、38家农村商业银行和6家外资银行。

持有共同资产数据为银行对不同行业的贷款资产，根据国家行业分类标准，将银行贷款资产分为13类，分别为农、林、牧、渔业；水利、环境和公共设施管理业；制造业；交通运输、仓储和邮政业；房地产业；租赁和商务服务业；住宿和餐饮业；建筑业；电力、热力、燃气及水生产和供应业；信息传输、软件和信息技术服务；批发和零售业；采矿业和其他；其中，居民服务、修理和其他服务业；金融业；卫生和社会工作；科学研究和技术服务业以及文化、体育和娱乐业由于贷款资产规模较少统一归到其他中，前12类行业贷款资产规模占到贷款资产总规模的80%以上。

四、结果分析

1.系统性金融风险传染效应比较

为了比较两种风险传染渠道对系统性金融风险的影响，本文将初始冲击分为两种方式：银行冲击和资产冲击。银行冲击是以单个银行违约作为初始条件，资产冲击则是将资产价值减少到原价值的一定比例。本文设定资产价值减少为原价值的90%，不同年份的风险值为所有银行DR值的平均值。

图1和图2分别表示在银行冲击和资产冲击条件下不同风险渠道的风险值，实线表示总风险变化趋势，银行序号表示按照银行资产规模排序，行业序号表示按照不同行业类型排序。可以看出，在两种冲击条件下，两种风险传染渠道共同作用下的总风险要大于两种渠道各自风险的总和。图1(a)和图2(a)表明，2012～2017年，系统性金融风险整体呈下降趋势。在银行冲击条件下，2012年和2013年的持有共同资产风险大于同业拆借风险，而在2014～2017年，持有共同资产风险则小于同业拆借风险；在资产冲击条件下，不同年份的持有共同资产风险均大于同业拆借风险，并且两种冲击条件下的总风险均大于单一渠道的风险之和，说明在两种风险渠道共同作用下，会对系统性金融风险产生非线性的放大效应。相关研究也证实了这种风险的放大效应，以及直接风险传染渠道并不是系统性金融风险的重要来源，通过持有共同资产对银行系统造成的影响可能比直接风险传染渠道更大[26]。图1(b)和图2(b)表示资产规模前20银行和所有行业在不同传染渠道的风险，随着银行资产规模的降低，银行风险水平也呈下降趋势，并且对不同银行来说，两种风险的作用是不同的。对大规模银行来说，持有共同资产风险要远大于同业拆借风险；而对小规模银行来说，同业拆借风险要大于持有共同资产风险。因此，对不同类别的银行来说，应有重点地采取不同措施降低系统性金融风险。此外，也有一些资产规模较小的银行，在仅考虑一种风险传染渠道时，不会对整个银行系统产生较大影响，如序号为第5到第10的银行，但在两种风险渠道作用下，却能够对整个银行系统产生较大的风险冲击，风险水平在0.1～0.3之间。这些银行基本分布在股份制商业银行中，股份制商业银行规模仅次于五大国有商业银行，在整个银行系统中具有重要地位。这类银行与国有商业银行相比，具有较高的杠杆水平，因而具有更高的违约概率，应加强对这类银行的重点监管。

图1 银行冲击条件下系统性金融风险

图2 资产冲击条件下系统性金融风险注：行业序号1～13对应的行业分别为：制造业；批发和零售业；交通运输、仓储和邮政业；房地产业；电力、热力、燃气及水生产和供应业；建筑业；采矿业；信息传输、软件和信息技术服务业；住宿和餐饮业；农、林、牧、渔业；水利、环境和公共设施管理业；租赁和商务服务业；其他行业。下文中行业序号对应的行业均与此一致。

2.系统性金融风险的影响因素

历次经济危机让人们认识到大规模银行在整个银行系统中的作用，“大而不能倒”的理念也逐渐被接受并应用到银行监管中。银行资产规模越大，其违约对其他银行的影响越大，越容易引起银行系统性金融风险[27]。因此，金融监管部门一般会对规模较大的系统重要性银行提出更严格的监管要求。此外，集中度也被认为是影响系统性金融风险的因素之一，但针对集中度对系统性金融风险的影响却有不同的研究结果[28]，并且不同的冲击方式对银行系统的影响也是不同的。

图3表示银行和行业资产分别作为冲击对象在不同冲击程度条件下的系统性金融风险。资产冲击程度为(0～0.3)，银行冲击程度范围为(0～1)，银行序号按照资产规模从小到大进行排序。比较发现，不同银行和不同行业资产对银行系统的风险影响具有较大的差异，并且与银行冲击相比，资产冲击条件下银行系统性金融风险更大。资产冲击条件下的系统性金融风险随冲击程度的增加近似呈线性增加趋势，在冲击程度为0.3时，针对部分行业资产的冲击就能够引起整个银行系统的崩溃；而银行冲击条件下，只有资产规模较大的前几家银行在较高风险冲击条件下才会对银行系统产生较大的影响，Elsinger等人[29]的研究也表明特殊冲击的影响要远低于系统性冲击。在实际中，资产价格很容易受到社会经济环境的影响，通过资产价格波动对银行系统的影响要远大于直接对银行的冲击。而以往针对银行系统性金融风险的研究往往是从银行冲击的角度进行的，忽视了资产价格波动对银行系统的影响，从而可能低估了银行系统的脆弱性。从图3(a)中可以看出，随着银行资产规模的增加，银行系统性金融风险呈增加趋势。但同时，也有部分资产规模较小银行的风险值较大，而资产规模较大的银行风险值相对较小。因此，银行资产规模并不是决定系统性金融风险的唯一因素。下面对两种冲击条件下的系统性金融风险与风险敞口比例、行业资产比例、集中度和净资产的关系进行分析，如图4、图5和图6所示。

图3 不同初始冲击条件下的风险

图4 系统性金融风险、风险敞口比例、行业资产比例和集中度注：集中度通过HHI指数计算，银行资产集中度表达式为：行业资产集中度表达式为：指数越大表示集中度越高，当HHI=1时，表示银行资产集中在同一类中或者某一行业资产全部被一家银行所持有。

图5 系统性金融风险、行业资产规模、集中度和净资产注：净资产单位为万元。

图6 银行持有共同资产网络结构注：MI(制造业)；WR(批发和零售业)；TW(交通运输、仓储和邮政业)；RE(房地产业)；PS(电力、热力、燃气及水生产和供应业)；CI(建筑业)；MN(采矿业)；IT(信息传输、软件和信息技术服务业)；AC(住宿和餐饮业)；AF(农、林、牧、渔业)；FM(水利、环境和公共设施管理业)；LB(租赁和商务服务业)；Others(其他行业)。ICBC(中国工商银行)；CCB(中国建设银行)；ABC(中国农业银行)；BOC(中国银行)；BOCOM(交通银行)；CIB(兴业银行)；CMB(招商银行)；CITIC(浦发银行)；CMBC(中国民生银行)；SPDB(中信银行)。

风险敞口比例表示一家银行同业拆借规模和持有共同资产规模之和与所有银行同业拆借规模和持有共同资产规模总和的比值。

图4对系统性金融风险与风险敞口比例、行业资产比例和集中度的关系进行了比较。图4(a)中银行冲击条件下，系统性金融风险与银行风险敞口比例也呈正相关关系。风险敞口比例越大的银行违约时，系统性金融风险越大，随着银行资产规模的减小，资产集中度呈现上升趋势，相应的系统性金融风险逐渐降低。从3者变化关系可知，系统性金融风险并没有随着银行资产集中度的增加而增加，反而呈现负相关关系，说明银行资产集中度不是对系统性金融风险产生影响的主要因素，系统性金融风险的大小主要取决于银行的风险敞口比例。同样，在图4(b)中资产冲击条件下，风险和行业资产比例的变化趋势反映了风险值与行业资产比例呈正相关关系，占比越高的资产受到风险冲击时，对系统性金融风险影响越大。并且行业资产集中度与系统性金融风险并没有明显的相关性，如信息传输、软件和信息技术服务、住宿和餐饮业以及农、林、牧、渔业这3类资产占比在12类资产中最低，相应的系统性金融风险也最低，但却具有较高的资产集中度，说明行业资产规模是决定系统性金融风险的主要因素。当持有共同资产规模较低时，即使较高的资产集中度也并不会对系统造成严重冲击。相关研究表明投资多元化并不能降低系统性金融风险，银行间的单一风险敞口规模可能增加或者降低系统性金融风险，并且不同类型银行受到资产集中度的影响程度也不相同[30]。

本文还对不同年份不同行业的系统性金融风险与行业资产规模、集中度以及银行净资产进行了比较。如图5所示，可以看出在不同年份规模较大的行业一般具有较高的系统性金融风险，而集中度较高的行业，其资产规模较小，相应的系统性金融风险也很小。规模较小的行业由于其资产主要集中在少数银行中，导致其集中度较高，当这些行业受到冲击时，对银行的净资产影响较小，所以不会对银行系统造成较大影响，这也进一步验证了行业资产规模是影响系统性金融风险的主要因素。图5(b)表明，2012～2017年的持有共同资产的总规模是呈上升趋势的。

图6为2012年和2017年银行持有共同资产网络结构，分别对所有行业和资产规模前10的银行用简称进行了标注。从图6中的我国125家银行和13个行业的持有共同资产网络结构也可以看出，与2012年相比，2017年部分规模较大的银行和行业资产规模以及网络密度均有不同程度的增加。

图5(a)却显示，2012～2017年的系统性金融风险不断降低，由图5(d)可知，2012～2017年资产规模排序前30银行的净资产规模整体是不断增加的。净资产规模越大，银行抵御风险的能力越强，这也说明了增加核心资本充足率以及设置资本缓冲等通过自有资本吸收风险冲击造成的损失的措施能够有效降低系统性金融风险，并且对规模较大的银行来说，这种影响更为显著[31-33]。

前文通过仿真结果对风险敞口、行业资产规模、集中度以及净资产等因素与系统性金融风险的关系进行了直观的分析。为了进一步明确这些因素如何对系统性金融风险产生影响，本文通过面板回归进行验证。根据前文分析可知，银行在遭受外部冲击时，是根据目标杠杆水平确定所要出售资产的数量，因此，可以认为杠杆倍数也会对系统性金融风险产生影响。此外，资产负债率也是衡量银行风险水平的重要指标之一，在进行回归分析时，杠杆倍数和资产负债率也被纳入到解释变量中，并建立计量模型如下：

Yit=β1NAit+β2CDit+β3REit+β4LEit+β5ADit+ηt+εit

(22)

其中，Yit为被解释变量，表示银行i在t年违约所造成的系统性金融风险；解释变量包括净资产(NAit)、集中度(CDit)、风险敞口(REit)、杠杆倍数(LEit)和资产负债率(ADit)；ηt表示时间固定效应；εit为随机误差项(εit～M(0，σ2))。

表1报告了因变量和自变量的描述性统计特征，最小风险值和最大风险值分别为1.55e-06和0.9348，表明单个银行的违约可能不会对银行系统造成影响，也有可能会导致整个银行系统的崩溃。与风险敞口相比，银行的净资产相对较小，但净资产的平均水平要大于风险敞口。杠杆倍数具有最大的标准差，表明不同银行间的杠杆水平表现出较大的差异性。

表1 因变量和自变量的描述性统计

表2的回归分析将风险敞口和净资产作为基础变量，集中度、杠杆倍数和资产负债率作为控制变量依次加入，结果显示风险敞口和杠杆倍数与风险呈显著正相关关系，这也与前文的结果相一致。风险敞口在四种模型中均与风险显著正相关，这也说明风险敞口是银行系统性金融风险的主要影响因素。风险敞口和杠杆倍数越高，银行由于风险冲击而遭受的资产损失越大，为了达到目标杠杆水平需要抛售的资产数量越多，同时，通过同业资产和持有共同资产对其他银行的影响越大，进而具有较高的风险水平。

表2 系统性金融风险与影响因素回归结果

净资产与风险呈显著负相关关系。这说明净资产可以有效地吸收银行遭受风险冲击造成的资产损失，净资产越大，银行抵御风险的能力越强，对其他银行的风险影响也越小，净资产与风险的回归关系也验证了上文的结果。在模型4中资产负债率与风险不显著，可以看到在模型2、3和4中，集中度与风险之间的关系均不显著。这说明在多种因素共同作用下，资产负债率和集中度对系统性金融风险的影响并不明显。为了更进一步对回归结果的稳健性进行检验，本文使用滞后一期的解释变量作为工具变量来排除潜在的内生性问题，如表3所示，滞后一期回归结果与原始结果基本一致，说明了回归结果的稳健性和结论的可靠性。

表3 滞后一期条件下系统性金融风险与影响因素回归结果

3.系统性金融风险的控制策略

上文的结果表明净资产能够有效降低系统性金融风险。新巴塞尔协议也对银行业提出更高资本充足率的要求，并引入资本缓冲机制，通过建立逆周期资本缓冲以应对经济下行时的风险冲击。为了分析资本缓冲在降低银行系统性金融风险中的作用，本文在原始的债务排序模型中引入资本缓冲，将银行的状态分为S(Suspected)、C(Contagious)、N(Non-contagious)和I(Inactive)。其中，S表示易感状态，C表示传染状态，N表示不传染风险状态，I表示不活跃状态。具有资本缓冲机制的债务排序模型如下：

(23)

(24)

在初始时刻所有银行都处于S状态。受到风险冲击的银行，当冲击造成的损失大于阈值λ时，以pi(t)的概率变为C状态，变为C状态的概率pi(t)与银行的资产负债率θi和冲击造成的损失vi(t)成正比。遵循原始债务排序模型，银行在传染一次风险后就变为I状态，并不再进行风险传染。此外，银行出售资产对资产价格的影响取决于市场流动性水平α，α越小表示市场的流动性越强，能够有效吸收市场上抛售的资产，降低资产价格的波动性。政府可以通过存款准备金制度、再贴现和公开市场操作等政策工具对市场流动性进行调节。在稳健的货币政策导向下，市场流动性趋于收紧，但较低的市场流动性水平容易引起流动性风险和信贷违约风险，进而增加银行业系统性金融风险发生的概率，而过高的资本缓冲又会降低银行的资产收益和资本效率。因此，合适的资本缓冲和市场流动性水平对于维持经济稳定和促进金融系统健康发展具有重要意义，本文就通过市场流动性水平α和资本缓冲阈值λ分析对银行业系统性金融风险的影响。

根据上文分析结果可知，资产规模排序前10的银行违约能够对整个银行系统造成较大的风险冲击。因此，本文就以这10家银行分别违约对系统造成的风险的平均值作为系统性金融风险。图7表示市场流动性水平α和资本缓冲阈值λ分别取值为(1～2)和(0～1)时系统性金融风险的变化情况。可以看出，市场流动性水平α会对系统性金融风险产生正向影响，资本缓冲阈值λ会对系统性金融风险产生负向影响，但相比市场流动性，系统性金融风险受资产缓冲的影响更大。市场流动性水平对风险的影响随着资本缓冲的增加而逐渐减弱，并且存在一个资本缓冲阈值，当资本缓冲大于0.1时，系统性金融风险显著降低，但过高的资本缓冲会降低银行收益。因此，可以基于一定的资本缓冲水平，通过相关货币政策对市场流动性进行调节，以控制系统性金融风险在一定范围内。巴塞尔协议Ⅲ中对银行提出最低8%的资本充足率以及2.5%的逆周期资本缓冲要求也与本文的阈值相对应，说明10%的资本缓冲水平能够较为有效地降低系统性金融风险。

图7 α和λ对系统性金融风险的影响

五、结论与建议

本文构建了基于同业拆借网络和持有共同资产网络结构的多种渠道风险传染模型，分析了同业拆借和持有共同资产两种渠道共同作用下对银行系统的影响，并应用2012～2017年我国125家银行的同业拆借和13个行业的贷款资产数据进行验证，得到如下结论：

第一，同时考虑两种风险传染渠道的系统总风险要大于单一渠道对银行系统造成的风险之和，两种风险传染渠道的相互作用会对系统性金融风险产生非线性的放大效应。资产冲击对银行系统的影响要远大于直接针对银行的风险冲击。大规模银行持有共同资产风险要大于同业拆借风险，而中小规模银行的同业拆借风险要大于持有共同资产风险。

第二，风险敞口大小和行业资产规模是影响资产冲击和银行冲击条件下系统性金融风险大小的主要因素，增加银行资产集中度可能并不会降低系统性金融风险，要同时考虑风险敞口大小、杠杆倍数等因素的共同影响。不同银行可能会根据自身情况选择最优的投资组合策略以实现利益最大化和风险最小化。此外，净资产在抵御风险冲击过程中发挥了重要作用，通过自有资本吸收风险冲击造成损失的措施能够有效降低系统性金融风险。

第三，市场流动性水平和资本缓冲均会对系统性金融风险产生影响。资本缓冲比市场流动性能更有效降低系统性金融风险，并且存在一个阈值，当资本缓冲大于这个阈值时，系统性金融风险会显著降低。

根据以上结论，对防范和控制我国银行业系统性金融风险的建议如下：

第一，加强对同业拆借市场和银行贷款的监管，避免多种渠道风险的相互传染引起风险的放大效应。加强对资产价格波动的关注，尤其是风险较高的行业。同时降低同业拆借规模，以降低同业市场的空转套利、期限错配等现象所带来的流动性风险。

第二，对不同类别银行应采取有侧重的监管措施。大规模银行应更注重对投资资产的管理；中小规模银行需要重点关注同业拆借渠道可能引发的系统性金融风险。

第三，充分发挥资本充足率和资本缓冲在降低系统性金融风险中的作用，为了同时兼顾较高的资本收益和较低的系统性金融风险，应合理选择资本充足率和资本缓冲阈值。根据预期的市场流动性水平确定合适的资本缓冲标准，以及对不同类型银行设置差别化的资本缓冲的方式。