王周伟 吕思聪 茆训诚(上海师范大学)

　　2008年前后的金融危机严重冲击了美国乃至全世界的经济发展。此次危机暴露出了系统性风险爆发的重大危害，以及传统金融监管部门在预警、度量和处置系统性风险方面存在的不足，防范系统性风险成为此次危机后各国监管部门关注的首要问题。系统性风险被认为具有不稳定性、传染性以及负外部性更大等特征，会对实体经济以及整个社会产生很大的破坏性影响。为了降低系统性风险再次引发危机的可能性，需要合理监控与管理系统性风险。基于系统性风险的特点，国内外学者先后探索性地提出了许多新的系统性风险度量指标以及计算方法。其中，CoVaR指标一提出就引起了广泛关注。但是何种计算方法能够比较有效地度量系统性风险需要进一步探讨。

　　某机构的CoVaR表示当该机构处于财务困境条件下所有其他机构的VaR值。它基于机构之间的风险溢出关联关系，描述了当某机构处于财务困境时，自身风险通过不同渠道不断传染、扩散，最终使整个金融体系承担的风险程度。目前，分位数回归法、Copula函数法以及DCC-GARCH模型是比较典型的三种计算CoVaR的方法。分位数回归法适用于描述金融机构之间线性的风险相关关系，同时注重条件分布的刻画;Copula函数法适用于描述金融机构之间全局的、非线性的风险相关关系，同时注重尾部相关性的研究;DCC-GARCH模型则适用于描述金融机构之间时变的非线性的风险相关关系，同时考虑到风险波动的集聚效用。

　　基于不同的风险溢出传染关联关系，需要使用不同计算CoVaR的方法。在投资者理性的情况下，当某银行受到冲击时，自身经营首先受到影响，产生风险。由于银行间相似的业务结构以及错综复杂的业务联系，其他银行以及其他金融机构的经营活动受到风险溢出的影响，产生系统性风险。使用分位数回归法计算CoVaR指标能够刻画此时金融机构之间对称的线性化的风险相关关系。然而，信息是不对称的，市场是扭曲的，投资者出于对风险的厌恶，在面对银行风险溢出时容易产生恐慌预期，从而变卖手中的资产，进一步加速金融体系股票价格的下跌。投资者情绪与羊群效应使得金融机构之间的非线性化风险相依关系越加强化。Copula函数法以及DCC-GARCH模型适用于描述这种非线性化的风险相关关系。

　　通过数据实证研究我们发现，运用分位数回归、Copula函数以及DCC-GARCH模型计算的CoVaR指标，都能够度量中国商业银行对于整个金融机构溢出的系统性风险。但是，由于各自的原理特征，分位数回归法可以很好地刻画不同分位数对应的线性溢出的系统性风险价值。Copula函数法刻画了银行业指数收益率序列和金融机构指数收益率序列之间的非线性与尾部关联的联合分布。而DCC-GARCH模型有效地拟合两序列之间的时变相关系数，从而使CoVaR的估计更加精准、预警更为有效。另外，中国系统性风险的波动呈现出集聚效应，系统性风险在不同金融机构之间的溢出是较为复杂的非线性关系，银行业对整个金融体系间有着持续性较强的风险相关关系。同时在进行系统性风险管理时需要注重尾部风险的防范。对于风险溢出关联度量与系统重要性机构识别来说，采用Copula函数以及DCC-GARCH模型来计算CoVaR指标将更加有效，我们应该选择这些符合当下经济特征的相对较为有效的方法。