《金融监管研究》论文精编 系统性金融风险度量研究综述

原标题：《金融监管研究》论文精编 |系统性金融风险度量研究综述

作者：尹豪

单位：中国银保监会博士后科研工作站，清华大学五道口金融学院博士后科研流动站

来源：《金融监管研究》2020年第12期

研究背景

系统性风险的概念最初与银行挤兑和货币危机联系在一起。2008年全球金融危机使系统性风险再次成为学界关注的热点。但由于学界还未对系统性风险的定义达成广泛共识，很难对这一迅速发展的研究领域进行全面的文献综述。原欧洲央行行长Jean-Claude Trichet在2009年12月剑桥大学的演讲中，将系统性风险定义为“金融系统中普遍存在的不稳定性转化为对整个经济增长和福利产生不利影响的风险”。原美联储主席Janet L． Yellen在2013年1月美国经济学会和美国金融学会联合会议上也做出了类似的表述，“一些金融创新增加了金融系统的脆弱性，金融冲击可能会传导到整个经济体，并产生直接和持续的影响”。也有学者将系统性风险定义为“任何威胁金融体系稳定或公众信心的情况”（Billio等，2012）。还有些学者则更关注具体的机制问题，包括失衡、相关风险敞口、溢出效应、信息干扰、反馈行为、资产泡沫、传染和负外部性等。描述系统性风险存在复杂性和适应性方面的挑战，近年来学者们提出了许多系统性风险的度量方法。具有代表性的方法包括系统性未定权益分析（SCCA）（Jobst和Gray，2013）、增量条件在险价值ΔCoVaR（Adrian和Brunnermeier，2016）、边际预期缺口（MES）和系统性预期缺口（SES）（Acharya等，2017）、系统性风险指数（SRISK）（Brownlees和Engle，2017）等。上述方法在系统性风险度量方面取得了突破性进展，但也同时也存在适用性有限和有效性不足的问题。在2008年金融危机持续影响和最近全球经济“衰退”背景下，学术界和政策层对系统性风险度量问题的关注持续加大。

度量方法的比较和评价

本文从尾部度量、前瞻性风险度量、金融周期、网络关联和动态随机宏观经济模型等方面，对系统性金融风险度量的相关文献进行了回顾，提出后续研究仍需要努力克服数据可得性、模型方法的内生性和局限性问题，并尝试在前人研究的基础上，对各类度量方法做出比较和评价。

（一）各类度量方法的不同点

各类系统性风险度量方法至少存在以下不同之处：第一，选取维度不同。CoRisk、SRISK、SES、DIP是从二元维度衡量系统性风险，CoVaR和SCCA方法则从多元维度衡量系统性风险。第二，所选基本指标不同。CoVaR和CoRisk方法使用在险价值（Value-at-Risk）作为度量指标，SRISK、SES、SCCA方法使用期望缺口（Expected Shortfall）作为度量指标。第三，相依性测度不同。CoVaR、CoRisk、SRISK、DIP均使用参数化模型，SES和SCCA则是非参数化模型。更确切地说，CoVaR、CoRisk是线性参数化模型，而SCCA则是非线性非参数化模型。第四，数据来源不同。CoVaR、SRISK、SES和SCCA使用的是股票价格和资产负债表信息，CoRisk使用的是CDS利差数据，而DIP使用的是股票价格和CDS利差数据。

（二）各类度量方法的相同点

CoVaR、CoRisk、MES、SES、DIP、格兰杰因果网络和SRISK，都是从系统重要性机构的角度提出的度量方法，基本思想相似：对金融体系和实体经济部门产生重大影响的金融机构（即系统重要性金融机构），需要进行额外监管，以降低其破产的风险。此外，这些方法主要关注机构之间的“两两”交互关系，因为关联性是现代金融风险测度与风险管理的关键要素；而上述传统研究方法虽关注了机构之间的“两两”交互关系，但忽略了金融风险的整体网络关联性。

（三）各类方法的缺陷

1． 尾部方法的缺陷

在尾部方法中，对于相关数据的要求限制了可以分析的金融机构。如果监管的目标仅仅是系统重要性金融机构，那么只关注上市金融机构是合适的。但系统性风险可能会来自非银行金融机构的破产，包括那些潜在的重要机构或非公开交易的股票，即影子银行部门。然而在依赖股票价值的度量方法中，这些机构显然被忽略了。此外，基于概率的衡量方法总是依赖于市场波动，但由于繁荣和增长时期的波动率通常低于萧条时期。这意味着在波动率飙升之前，系统性风险的估计值会较低，从而会降低此类方法作为预警指标的效用。

MES和SES方法将尾部风险指标作为金融体系偿付能力的代理变量。这类分析本质上是静态的，危机事件如何影响宏观经济以及如何随着时间的推移而发展，在很大程度上并未涉及。以MES为例，该方法侧重于金融机构的横向比较，因而未能解决风险度量中的顺周期性问题，即没能解释“风险是在以低波动性为特征的繁荣时期积累起来的，而只有在危机时期才会显现出来”这样一个程式化的事实。因此，该方法虽然解释了哪些机构最容易受到金融危机影响，但未能解释与特定机构相关的系统性风险构成，而了解危机的根源和发生机制对分析政策影响至关重要。此外，MES方法虽然反映了机构在金融危机发生的情况下需要补充资本金，并充分考虑了在危机时期单个机构的风险情况，但忽略了金融机构的规模大小、杠杆比率和资本充足率等因素，在识别风险贡献时可能存在一定偏差。

CoVaR方法被认为是更多地从统计层面而非经济学角度对系统性风险的成因进行讨论，无法衡量超过特定置信水平的潜在损失，并且不满足风险可加性，即各个金融机构对系统性风险的边际贡献之和不等于全部金融机构的风险贡献，因此并不适用于测度整体金融系统的系统性风险。

2． 前瞻性风险衡量方法的缺陷

未定权益分析缺乏真实概率测度下的实证数据支撑。市场预期和风险中性概率评估的优点是不需要区分投资者的边际效用和面临的实际概率。这类方法的目标是进行福利评估，并与宏观经济建立直接联系，却回避了统计建模和计量上的挑战。决策有用的系统性风险度量方法往往要求基于市场实际风险偏好，在真实概率测度下，分析资产价格冲击对宏观经济的影响。而这需要对前瞻性模型做出进一步拓展，并对历史证据进行检验。

3． 网络方法的缺陷

金融系统的网络模型为回应一些重要的政策问题打开了新思路，但其有效性尚存在一些争议。网络中的金融机构可能具有高度的联系，这些联系使得机构“联系太紧密而无法倒闭”。一个关键现实问题是，当一家机构倒闭时，网络结构将以多快的速度遭到破坏。在动态环境中，这些环节将是内生的，而这种内生性使得建模更加困难。

4． 动态随机宏观经济模型方法的缺陷

动态随机一般均衡是一个很有前景的研究方向，进一步丰富和扩展这些模型，有助于提高对金融市场动荡产生的宏观经济后果的理解。但该方法在建模细节上仍存在一些尚未解决的问题。比如，如何从理论基础和经验重要性两方面对金融约束进行建模，如何描述危机冲击（这些冲击非常大，但并不经常发生）所带来的宏观经济后果，如何对这些冲击的根源进行建模等。

（四）各类方法的适用性与有效性

准确测度金融机构对整体系统性金融风险的边际贡献，是加强宏观审慎监管的基本前提。与单一的系统性风险度量方法相比，系统性风险度量方法的组合在解释金融机构在危机中的表现方面具有更强的预测能力（Billio等，2012；Giglio等，2016）。为了提供更好的政策借鉴，系统性风险度量方法的适用性与有效性至关重要。Brownlees等（2020）认为，VaR是替代CoVaR进行系统性风险监测的一个适当工具，SRISK比CoVaR更有优势。Idier（2014）将2007—2009年的危机作为一个自然实验，发现一些标准的资产负债表比率比MES更有能力从有条件的巨大损失中预测到真正的危机。Billio等（2012）研究发现，在过去的十年里，金融系统不同部门之间的相互关系（如对冲基金和银行业）在系统性冲击发生期间和之后，往往会变得更高。这反过来意味着，在非危机时期，使用CoVaR和SES等尾部度量方法对系统性风险积聚进行分析，并不能有效刻画系统性风险。

研究挑战

第一，研究所需数据的可得性问题。相关金融机构、行业协会和监管当局可以尽量为研究人员提供新数据。正如Bisias（2012）指出的那样，衡量系统性风险最有用的方法可能是尚未尝试的方法，他呼吁将脱敏后的数据提供给外部研究人员，以培养具有创新性的建模和度量方法。

第二，理论模型固有的内生性问题。随着创新变得越来越重要，金融系统的复杂性不断增加。在许多情况下，创新活动往往在管制较少的非传统机构中表现较为活跃。金融创新使得待测系统变得非常复杂，到目前为止，许多方法尚不能对“样本外”的系统性风险指标进行测试。

第三，模型方法固有的局限性问题。由于宏观经济环境复杂多变，金融创新层出不穷，各国制度环境和金融结构也存在差异。这往往使系统性金融风险在不同时期、不同地区的表现不尽相同。相应地，对系统性风险的度量方法也面临着普遍适用性的挑战，已有的度量指标和方法很难做到“放之四海而皆准”。

研究展望

第一，应更多关注冲击的异质性分析。虽然共同依赖有助于识别大规模的总体冲击，但在从历史证据中提取信息时，所有此类冲击实际上都被视为综合性冲击，回避了系统性风险从哪里来以及如何演变的问题。并非所有的金融市场危机都是宏观经济危机，了解金融风险的根源和机制对分析政策影响至关重要。

第二，更多关注金融机构之间的关联性。基于相关性的度量方法虽然广泛存在，但它们只测量成对的关联，并且在很大程度上与线性高斯假设相结合，从而使得现实价值有限。不同学者以不同的方式处理类似研究假设，相关性（Correlation）、CoVaR和MES方法的侧重点不同，统一的度量框架仍然难以确定。因此，对金融网络的内在形成机制及其效率进行系统分析是未来一个重要的研究领域。

第三，动态随机一般均衡是一个很有前景的研究方向，进一步丰富和扩展这些模型，有助于提高对金融市场动荡的宏观经济后果的理解。如何从理论基础和经验重要性两方面对金融约束进行建模，如何描述影响较大却不经常发生的危机冲击所带来的宏观经济后果，并对这些冲击的根源进行建模等开放性的问题，值得进一步研究。

启示与政策建议

在全球金融危机之后，人们越来越关注系统性风险，并将其作为宏观审慎政策和监管（MPS）的重要方面。监管当局需要及时掌握系统性风险的识别与度量，明确系统性风险的形成机制，并据此选择监管工具。一个监测和管理金融系统性风险的强有力的框架，必须包含多种观点和持续不间断的监测过程，以便重新评估金融体系不断演变的结构，并使系统性风险度量方法适应这些变化。必须确定要衡量哪些实体的哪些属性，明确观测值的频率和范围，以及变量和数据的精度。

本文为精编版，仅代表作者个人学术思考，全文详见《金融监管研究》2020年第12期。

　　版权及免责声明：凡本网所属版权作品，转载时须获得授权并注明来源“融道中国”，违者本网将保留追究其相关法律责任的权力。凡转载文章，不代表本网观点和立场。

延伸阅读