第1章 导论
1.1 研究背景
国际金融危机的启示，个体金融机构风险的稳健无法代表全局金融体系的稳健。伴随我国金融改革开放不断取得进展，金融体系一体化进程有了长足发展。我国金融风险的溢出效应逐渐打破了部门与市场间的界限，极端风险的溢出呈现出跨部门、跨市场的特征。防控金融风险自 2008 年金融危机以来一直是国内外学者关注的重点也是金融监管部门的关注焦点，2018 年“打赢防控系统性金融风险攻坚战”作为我国政府工作的一项重要目标，2019 年 12 月中央经济工作会议中再次提出，要“打好防范化解重大风险攻坚战，坚决守住不发生系统性金融风险的底线”。目前我国面临贸易环境恶化与国内经济下行的压力，我国金融体系的金融风险在不断累积，因此关注金融体系间极端风险的溢出效应，对把握全局金融风险尤为重要。
自 2009 年以来，应运而生的影子银行业务不断发展，银行同业业务、信贷业务、理财业务的不断扩张，金融风险一方面在银行内部不断累积，另一方面也逐渐蔓延至金融市场。2013 年 6 月与 12 月“钱荒”事件发生，2015 年 6 月股票市场的大幅下跌以及 2016年债券市场违约事件频发等背后原因均表明，我国银行与金融市场间存在较为复杂的关联关系，银行业内部的风险聚集对我国金融市场的剧烈震荡起着推波助澜的作用。此外，外汇市场与房地产市场的剧烈波动也在影响着银行业的资产质量。
目前，随着全球经济的复苏与贸易摩擦的不断升级，多种风险因素的不确定性逐步提升，我国金融市场异常波动的问题时有发生。2019 年 5 月 24 日，包商银行由于出现严重信用问题而被银保监会宣布接管，我国银行业经营中存在的风险也逐渐显现。当下，新型冠状肺炎疫情的爆发与蔓延，对我国经济金融运行造成了较大的冲击，银行业资产质量继续承压，货币市场流动性不足，股票市场、外汇市场、债券市场等均出现了不同幅度的波动，房地产市场也面临较高的信用风险。随后系列货币金融政策将会出台，在当前的经济形势下，把握银行与金融市场间的极端风险溢出水平以及溢出渠道，预防极端风险在金融体系蔓延是值得深入研究的问题。
........................
1.2 研究目的及意义
1.2.1 研究目的
随着我国金融产品的不断丰富与创新，近年来我国金融产品的复杂程度大幅提高，使得我国银行与金融市场之间的关联更加密切。银行的规模与实力在日益增强，在服务经济发展的同时，银行业的经营状况和风险隐患也被密切关注。银行业处于我国经济金融体系中“牵一发而动全身”的核心地位，在整个金融体系与实体经济中存在较强的系统关联性，若银行业陷入经营困境，则全局经济金融体系也会遭受负面冲击，发生动荡。虽然银行业近年来已取得长足发展，但是其仍面临防范系统性风险的重大任务。一方面，银行业信贷规模中房地产的信贷规模在逐年增长，占比较高，银行业资产质量下滑，信用风险突出；另一方面，银行业金融机构跨市场业务不断扩展，交叉性的金融产品在迅速发展，伴随跨行业与跨境业务的拓展，银行业的市场风险不断上升。
因此，本文构建了滚动 MVMQ-CAViaR 模型，将银行与股票、货币、外汇、债券、房地产等金融市场纳入考察范围分析我国银行与金融市场间的极端风险溢出问题：我国银行与金融市场间是否存在极端风险溢出效应？银行与金融市场间存在怎样的风险传导机制？二者谁是风险溢出的主导者？银行与不同金融市场间的风险溢出呈现怎样的特征？银行对哪些金融市场影响最高，又主要受哪些金融市场的风险溢出影响？
....................
第2章 国内外相关文献研究综述与理论分析
2.1 国内外相关文献研究综述
2.1.1 基于银行系统视角研究风险溢出
2007 年至 2009 年的全球金融危机影响了银行业的风险结构，银行作为金融体系的核心，银行业的系统性风险传染一直备受国内外学者的关注。为了保持整个银行系统的金融稳定，金融当局需要评估系统风险的决定因素，并确定出具有系统重要性的机构。Bisias等(2012)[1]和 Laeven 等(2016)[2]研究发现银行在整个银行系统中的稳定性取决于杠杆、信用风险、非利息收入、融资结构的流动性等因素。随后银行间的相互关联被众多学者关注。Barroso 等(2018)[3]使用全球银行的数据，发现银行的关联网络解释了大部分系统风险度量的波动性。而应用较多的研究方法集中在在险价值法（ΔCoVaR（）Adrian 和 Brunnermeier，2016[4]）、边际期望损失法（MES）(Acharya等,2017[5]),以及 Acharya 等（2012）[6]与Brownlees和 Engle（2017）[7]提出的系统性风险指数法（SRISK）等尾部依赖模型。
国内学者对银行业的系统风险也有较多研究，其中关于银行的关联网络最为丰富。范小云等（2013）[8]应用或有权益分析法（Contingent Claims Analysis，CCA）与有向无环图（Directed Acyclic Graphs，DAG）从时序以及截面多维度研究我国银行业的系统性风险，并发现在危机期间银行系统性风险较高，大型商业银行在银行风险网络中具有重要性。冯超和王银（2015）[9]基于银行间市场网络模型研究我国商业银行对的系统性风险处置，运用神经元动态规划法得到我国银行的最优救助策略。邓超和陈学军（2016）[10]采用多主体的系统仿真方法发现银行间核心——边缘网络虽然更容易遭受共同冲击以及风险传染，但若处于金融困境时，这种网络结构更具恢复力。方意和郑子文（2016）[11]借鉴 Greenwood等（2015）[12]的银行持有共同资产的网络模型研究发现我国银行间的风险传染路径是由遭受严重外部冲击并且具有高度传染性的系统重要性银行向持有相似资产结构遭受较小冲击的重要性银行传导。胡利琴等（2018）[13]基于 VAR-NETWORK 模型构建我国银行间的有向关联网络，通过研究银行业的系统性风险传染发现银行间由于高度的资产关联性，形成了较高的同业风险敞口。对于其他不同视角与方法，梁琪和李政（2014）[14]采用 Shapley 值分解方法对我国 16 家上市银行研究发现银行规模是影响银行系统重要性的最重要因素。郭晔和赵静（2017）[15]研究发现存款竞争与影子银行相互强化影响增加我国银行系统风险。
图 2.1 银行与金融市场极端风险溢出效应的传导渠道
2.2 极端风险溢出的影响因素
金融风险存在溢出效应已经成为学者们的共识，但对于风险溢出的准确定义仍没有统一标准。信息与资源在不同市场的配置与传递使得投资者可以根据不同市场间利率与价格的变化而预测其他金融市场的变动，致使其发生波动，因此导致风险的溢出（King，1990）[60]。Masson（1999）[61]将风险的传染定义为溢出效应（spillover effect）与相互依赖性（interdependence），强调宏观经济基本面的关联，认为风险溢出由贸易往来、金融联系和资金流动等宏观因素导致。而 Kaminsky 和 Reinhart（2000）[62]认为风险的传染是在剔除宏观经济基本面之后，投资者理性与非理性的行为所导致的危机在国际间蔓延，并将其定义为纯粹性传染或净传染。本文认为风险溢出应全面考察宏观经济基本面与微观角度，并将其定义为某一金融资产收益率发生波动时引发另一金融资产收益率波动的行为，具体表现为银行业板块指数、同业拆借利率、债券收益率、汇率、股价、房地产板块指数等发生波动后引起其他变量的同步波动。
2.2.1 基于宏观视角的影响因素分析
(一) 货币政策
货币政策因素将会从商业银行的收益追逐机制、估值效应、央行沟通与反应以及杠杆机制等渠道影响商业银行的风险承担（Adrian 和 Shin，2009[63];Borio 和 Zhu，2012[64]）。经济下行时，货币当局大幅降低利率使利率长期处于较低水平，在此环境下银行的利润与净息差遭到侵蚀，货币政策实施过程中会导致银行机构的冒险行为（Cristina Badaraua 和Ion Lapteacrub，2020[65]）。基于收益性原则，银行机构则被驱动投资于高收益与高风险的金融产品（Rajan，2005[66]），使得资金很难流入企业而在金融市场中形成空转，因此银行系统内的风险逐渐提升。面对经济金融环境较为敏感的金融市场，若面临较大冲击时，其遭受损失的可能性也增大，对银行可能造成的极端风险溢出也会增强。在美国货币超发时，其他国家为避免本国货币发生变相升值，宽松的货币政策将被执行，促使全球流动性过剩。货币供应量提高或者利率水平被降低时，商业银行对资产负债管理的期限错配问题被扩大。长期实施的宽松的货币政策会促进经济的过热发展，但同时引发实体经济与股票、房地产以及信贷市场泡沫的加速膨胀（杨海珍等，2020[67]）。紧缩的货币政策将会促使商业银行对风险承担行为的修正，同时调整资产的配置，但可能导致金融市场流动性异常紧张。金融市场的利率水平也会在短期内急速上升，发生较大波动。
............................
第 3 章 极端风险溢出的模型设定与数据说明..........................16
3.1 极端风险溢出的模型设定.........................16
3.1.1 CAViaR 模型 ................................16
3.1.2 MVMQ-CAViaR 模型............................17
第 4 章 极端风险溢出效应实证分析................................23
4.1 银行与金融市场极端风险溢出的实证分析................................23
4.1.1 银行与金融市场极端风险溢出总体均值分析.............................23
4.1.2 银行与金融市场极端风险溢出的时序分析.........................23
第 5 章 主要结论与政策建议..............................47
5.1 主要结论..................................47
5.2 政策与建议.................................48
第4章 极端风险溢出效应实证分析
4.1 银行与金融市场极端风险溢出的实证分析
4.1.1 银行与金融市场极端风险溢出总体均值分析
本文首先通过银行与市场间的样本滚动均值从总体特征衡量我国银行与金融市场间的风险溢出的主导者与方向性，滚动样本均值结果如表 4.1所示。
表 4.1 5%分位数下我国银行与金融市场间的风险溢出
.............................
第5章 主要结论与政策建议
5.1 主要结论
本文从我国银行与金融市场间的极端风险溢出视角出发，采用滚动 MVMQ-CAViaR 模型，从滚动样本均值、银行与总体金融市场间风险溢出效应切入，并对银行与各个金融市场间的风险溢出效应做出进一步的探究，最后再考察银行与金融市场间的总体溢出指数做出全面分析。在此过程中结合历史事件考察了我国银行与金融市场间的风险溢出的总体水平与动态变动趋势，明确金融系统风险溢出的过程中，银行与各个金融市场所扮演的角色与发挥的作用，主要得出以下结论：
第一，我国银行与金融市场间的总体极端风险溢出效应仍处于可控低位水平，在整个样本区间内极端风险溢出水平呈现出围绕均值阶段性周期波动的特征，但是在特殊时点极端情形的发生会导致溢出效应的快速增强。在通过时序特征的进一步研究后可以发现，我国在经济增速过快与宽松货币政策实施时，银行与金融市场间的风险溢出水平会较快攀升并且要高于在我国经济下行压力较大时的风险溢出水平。此外，对我国实体经济冲击较大的国际金融风险事件会促使金融体系间极端风险溢出水平的快速上升，如 2018 年中美贸易战爆发后，我国出口企业遭受较大冲击，我国银行与金融市场间的溢出水平也逐渐升至高位。
第二，我国银行与金融市场间存在极端风险的溢出效应，且溢出效应存在非对称性，主要表现为银行对金融市场的极端风险溢出水平远高于后者对前者的溢出影响。时序上我国银行与金融市场间的风险溢出走势趋于一致，呈现较为明显的风险联动效应。表明在银行与金融市场之间，银行为极端风险溢出者，而金融市场更多表现为风险接受方。值得注意的是，金融市场流动性发生逆转时，银行与金融市场的风险角色也会发生互换。2007 年与 2013 年“钱荒”时期，金融市场的极端风险溢出强度更高。
第三，于银行与单个金融市场的极端风险溢出效应而言，我国债券市场与货币市场是银行极端风险重要的溢入者，同时也是对银行极端风险重要的溢出者。其中银行受货币市场的极端风险溢出水平最高，债券市场其次；而当银行溢入较高的风险后，对债券市场的影响最高，并且风险溢出的持续时间最久。因此我国货币市场与债券市场在金融体系的极端风险溢出关系中，是重要的双向传导者，具有“风险放大器”的作用。
参考文献（略）