评估系统重要性

评估各金融机构的系统重要性近十多年来，已两度肆虐世界的金融危机给广大民众和金融行业带来了巨大的影响和教训。有些金融机构相继的破产，有些金融机构不但没有破产反而发展的更加好。这样的差异取决于很多因素，其中认识、度量与管理金融风险水平的高低是导致上述差异的最关键因素之一。正确认识金融风险，是准确度量金融风险的前提和基础，因而显得极为重要。但是对于监管者，由于对金融风险的信息掌握不全面，使其盲目地管理金融风险，导致浪费很多的人力和财力。金融机构各自的结构和组成成分是有差异的，他们对整个金融系统产生的影响不同。一旦危机发生，不同机构对金融系统危机做出的贡献也不同。但是管理者不可能做到非常全面，如果能找出危机发生时做出贡献较大的金融机构，并加强对这些机构的监管，就能有效地减小金融系统性风险发生的几率。2.1概念界定深入研究前，先对相关概念进行界定，有利于更好地掌握和理解研究的过程。系统性风险的概念涉及到了几个方面，如风险和金融风险；系统性风险和系统风险；银行系统性风险与银行危机。2.1.1风险和金融风险风险和金融风险的定义比较抽象，不同角度的含义也是有差异的。在抽象角度上，人们基本达成共识“风险是指未来结果出现收益或者损失的不确定性，金融风险是指金融变量的变动所引起的资产组合将来收益的的不确定性。”但是上述定义存在着两个争议。一是未来收益。未来收益可能是正收益，也可能是负收益，因为负收益是可能的损失，即大家都认为负收益是风险，但对正收益而言，有人认为正收益不是风险，是人们所期望的结果，因此提出了单边平均差的风险度量。也有人认为，正收益也可能是风险，因为超出期望收益或平均值的正收益，常常被认为是资源的过度投入造成的，这意味着资源浪费，也是风险，所以用方差度量风险是合理的。本文倾向于正收益也可能带来风险。二是对不确定的理解。F.Knight(1921)认为事件可以分为确定的、风险的和不确定的三种。确定性是未来要发生的结果只有一个，不会出现其他结果的可能性；风险性是指将来发生的结果不局限于一个，所有可能结果和结果发生的可能性事先都知道，但先前不知道到底哪个结果会发生；不确定性意味着将来可能发生的结果不局限于一个，但事前不知道会有哪些结果出现，或者即使事先知道会有哪些结果发生，但事前至少对其中一种结果的发生的可能性不知道。引起风险不确定性的原因很多，信息缺陷就是其中一个，外生性风险和内生性风险是信息缺陷的两个明显性质。2.1.2金融系统风险与金融系统性风险系统风险和系统性风险只有一字之差，很多时候容易引起人的模糊性辨识，部分研究者经常将二者的概念当成一样的，但是，也有很多人认为系统风险和系统性风险是两个有区别的的概念，所以先对两者进行区分。系统风险属于金融风险的一种，它是由那些影响整个金融市场的风险因素引起的，使所有经济主体共同面临的未来收益的不确定性，这些风险因素包含经济周期、国家宏观调控政策的变动等。其基本特点为：市场上的全部金融变量的可能值都会受到系统风险的影响，并且投资分散化等方式不能消除或者降低系统风险，仅仅可以利用一些方法手段来转让或规避，与之相对应的是非系统风险。系统性风险对应于英语中的SystemicRisk。吴伟(1998,P47-48)使用的是“金融体系风险”这一概念,与我们将要讨论的系统性风险有一定的相关性。他将一切潜在的导致金融体系基本功能丧失的可能性都视作金融体系风险。E.P.Davis(1992,P117)将系统性风险与混乱(disorder)、不稳定(instability)视为同义词,指金融市场上的骚乱(disturbance),这种骚乱会给信用和资产市场的价格和数量带来出乎意料的变化,会导致金融企业失败的危险。ArianoLucatelli(1997,P71)则是在区分了系统性危机(systemiccrisis)与系统性风险概念的基础上引出了系统性风险的内涵。他认为,金融系统性危机是一种骚乱(disturbance),能够从金融领域传播到经济系统的其他领域;而系统性风险则只表示出现系统危机的可能性。JamesDow(2000)认为,尽管系统性风险一直是政策制定者感兴趣的内容,但是目前并没有一个固定的、被普遍接受的定义。GeorgeG.Kaufman与KennethE.Scott(2003)认为,系统性风险指整个系统崩溃的风险或可能性,表现为系统中的的大部分或所有组成部分的相关性(correlation),与之相对应的是组织中的个体或某一部分的崩溃。虽然很多经济学家对金融系统性风险做出了很多的定义，但是对于金融系统性风险的定义目前还没有一个统一的描述。对系统性风险的解释一般是：“由于机构之间存在着密切的相互关系，所以当一家金融机构倒闭时，会给和它有业务联系的其他金融机构带来潜在的威胁，甚至破产。和最早发生危机的机构存在风险暴露情形接近的机构，最容易发生危机。金融机构之间的风险会相互传导，最终导致整个金融体系的惨败。”本文研究的系统性风险比较接近下面的描述“整个金融体系的崩溃和个体、集团或局部风险相对应.某一系统性事件发生对于整个系统功能的影响，这个事件是几乎同时会对整个金融领域甚至整个经济产生重大负面影响的宏观冲击。”2.2金融系统性风险的主要特征测度和防范金融风险，首先需识别金融风险。只有深入了解并真正把握金融风险的特点，才能方便更好的管理风险。近30年来，金融市场的全球性动荡更加频繁，振荡强度也越来越大，与此同时，金融风险的发生方式、影响范围、表现形式等也时常发生变化，并表现出许多新特点，但是不论如何变化，诸类金融风险仍具有一些共同的特点。有学者总结“系统性风险的特征可以概括为“外部性”特征、风险与收益的不对称性特征、传染性特征、损害实体经济的特征和与投资者信心有关五大特征。不同的人研究的角度不同，就会导致研究的重点特征不同，本文将会从以下四个方面进行叙述。2.2.1负外部性外部性被视为系统性风险的最基本特征。在社会经济活动中，由于很多主体之间相互关联，往往一个经济主体以没有做出相应付出或得到相应回报的行为直接影响着其他经济主体。经济外部性亦称外部效应或溢出效应，它具有双面性，即可能是正面的，也可能是负面的。负的外部性是指经济主体将成本压力嫁接到外部社会的情况，正的外部性是指经济主体由于主动承担成本压力而对外部社会带来了积极效益的情况。一旦某家机构的负的外部性积累到一定程度，就可能会造成系统性金融风险，这种现象就是：金融系统崩溃前，单家机构的市场行为只给金融系统带来了风险溢出效应，却没为这种风险付出任何代价。2.2.2传染性特征该特征也称风险的扩散性。它指单家金融机构的倒闭会通过不同的方式影响到其他金融机构，多家机构可能出现经济困难，甚至倒闭，整个金融体系就会丧失其系统性风险中的功能。金融机构的“传染性”特征是金融系统性风险的最重要、最明显的特征。在发生系统性危机时，防止整个金融体系的传染主要的是切断传播途径。传染性这一特征在银行业表现更为突出，因为银行间往往存在着银行间资产、银行间负债，这使得银行之间存在着极为密切的关系。如果有银行破产，就会给其他银行带来一定的影响，严重时会导致其他银行破产。且传染是多向的，A银行倒闭能够影响到B、C、D、E银行，并使得B银行出现支付困难；但是B银行的破产不仅能影响到C、D、E银行，而且能影响到A银行。可见银行之间的影响是相互的。2.2.3风险与收益非对称性大多数投资者认为高风险对应着高收益，即风险与收益是对称的。但金融系统性风险表现出的却是风险和收益的不对称性。从金融机构的角度来看，一旦金融机构发生危机，即面临着要崩溃的巨大风险。若它的的基本功能丧失，就不会给这个机构带来收益的可能性，也就是说一个濒临崩溃的金融系统是不可能收益的，这就是风险发生时风险与收益的非对称性。某些系统性风险可以通过一些手段来规避、但当其危害性极大甚至2.2.4与投资者信心有关金融系统性风险的传染在很多情况下与投资者信心直接相关。金融风险中的信用风险发挥着巨大的作用，银行的债务人，在不能偿还银行贷款时往往会选择违约，银行就会面临着信用风险。危机消息传出去后，银行的存款者就会提前支取存款，一家银行出现支付困难致使其他健康状况良好的银行客户提前支取存款,可能导致全部银行出现支付困难，银行的挤兑造成了系统性危机。该结果主要是投资者信心丧失的原因。一旦投资者信心丧失，他们就会集中处理手中的资产，例如集中抛出，导致资产价格急速暴跌，进而造成市场流动性不足，最终导致金融市场系统性风险的扩散。2.3金融系统性风险产生的原因金融行业包括了具有特殊资产负债结构银行业，银行业风险的发生容易引起整个金融行业的风险。风险在金融系统中的不断累积容易导致金融危机。经过以往的金融危机给整个金融体系带来巨大影响的教训，使人们从理论和实务联手深入挖掘金融系统风险产生的原因。然而，随着经济、政策形势的的发展以各个国家制度的变更，不同时期不同条件下金融系统风险的形成都有其独特的原因。2.3.1信息的错误判断现代信息传播的途径很多，但这并不代表着信息的对称。理论上，金融市场的正常运行，都被认为是在信息完全对称的情况下进行的，实际上，金融市场的运行即使不在信息完备的情况下也能运行，只是对掌握不对称信息的双方带来的效果不同。在金融交易市场上，由于不同的人掌握的信息不同，他们各自会利用有利于自己的信息采取一些不合法的手段和其他交易者进行交易，因此，信息的不对称，不但使得交易双方陷入自以为占优势实则已经付出了意想不到的代价，而且容易引起投资者的信心丧失，进而发生挤兑和传染效应。许多学者在研究中指出管理者或者投资者对风险缺乏足够的认识是发生金融系统风险的重要原因。一方面，市场参与者得到的信息不对称，就会忽略极端风险或者灾难事件的发生，进而影响其对有价证券价格的判断。并且市场参与非理性行为和投机者贪征、传染性特征、损害实体经济的特征和与投资者信心有关五大特征。不同的人研究的角度不同，就会导致研究的重点特征不同，本文将会从以下四个方面进行叙述。2.2.1负外部性外部性被视为系统性风险的最基本特征。在社会经济活动中，由于很多主体之间相互关联，往往一个经济主体以没有做出相应付出或得到相应回报的行为直接影响着其他经济主体。经济外部性亦称外部效应或溢出效应，它具有双面性，即可能是正面的，也可能是负面的。负的外部性是指经济主体将成本压力嫁接到外部社会的情况，正的外部性是指经济主体由于主动承担成本压力而对外部社会带来了积极效益的情况。一旦某家机构的负的外部性积累到一定程度，就可能会造成系统性金融风险，这种现象就是：金融系统崩溃前，单家机构的市场行为只给金融系统带来了风险溢出效应，却没为这种风险付出任何代价。2.2.2传染性特征该特征也称风险的扩散性。它指单家金融机构的倒闭会通过不同的方式影响到其他金融机构，多家机构可能出现经济困难，甚至倒闭，整个金融体系就会丧失其系统性风险中的功能。金融机构的“传染性”特征是金融系统性风险的最重要、最明显的特征。在发生系统性危机时，防止整个金融体系的传染主要的是切断传播途径。传染性这一特征在银行业表现更为突出，因为银行间往往存在着银行间资产、银行间负债，这使得银行之间存在着极为密切的关系。如果有银行破产，就会给其他银行带来一定的影响，严重时会导致其他银行破产。且传染是多向的，A银行倒闭能够影响到B、C、D、E银行，并使得B银行出现支付困难；但是B银行的破产不仅能影响到C、D、E银行，而且能影响到A银行。可见银行之间的影响是相互的。2.2.3风险与收益非对称性大多数投资者认为高风险对应着高收益，即风险与收益是对称的。但金融系统性风险表现出的却是风险和收益的不对称性。从金融机构的角度来看，一旦金融机构发生危机，即面临着要崩溃的巨大风险。若它的的基本功能丧失，就不会给这个机构带来收益的可能性，也就是说一个濒临崩溃的金融系统是不可能收益的，这就是风险发生时风险与收益的非对称性。某些系统性风险可以通过一些手段来规避、但当其危害性极大甚至婪的套利活动也会导致这些错误的判断，进而导致风险进一步被放大，最终形成系统风险。另一方面，随着全球化的发展，国家之间、机构之间的联系日趋紧密，甚至不断涌现出一些新的联系。重大的危机事件发生时，他们就会掩盖一些对己不利的信息，信息的不对称会产生错误的判断。2.3.2金融机构的高杠杆从经济角度上，杠杆率等于总资产/权益，从这个公式上可以看出，当资产一定时，负债越大，杠杆率就愈大。如果企业即想扩大投资能力，又不想增加权益资本，就得增大杠杆，因此就会选择增加负债的方式。虽然投资者能够利用金融杠杆来达到扩张规模和扩大经营的效果，但是在使用杠杆进行投资、发生损失时，就会面临更大的风险。在经济下滑时，在同样负债累累的情况下，杠杆化越低越容易幸存。2008年由美国次贷危机引发的全球金融危机被认为归咎于“过度的杠杆化，而高杠杆使得金融体系变得愈加脆弱，金融机构过多的使用杠杆，就会加剧实体经济和金融的风险，给整个金融体系埋下了危机。2.3.3外部宏观经济冲击随着我国经济政策的改革和国家的发展，经济活动越来越全球化，在各国、各区域都保持着金融业务的往来和联系并且交易活动越发的复杂。金融风险往往是以银行风险为源头，继而传染给证券业、保险业，银行风险传染是金融风险传染的重要组成部分，所以银行系统性风险产生影响的因素也是金融风险的重要因素。随着全球经济的一体化趋势发展越来越深入，外部宏观经济冲击对银行的系统性风险的影响非常重要和复杂。这些宏观经济冲击主要是通过一些经济变量，如GDP、股票价格指数、利率以及商品价格与银行支付债务能力之间的关系，分析宏观经济变量发生极端不利变动时对银行系统的影响。国际流动资本是主要的外部冲击作用主体，国际资本流动不止对宏观经济和国家经济政策产生影响，而且吸入资本的国家面临着本国金融体系被严重冲击的金融风险。由于新兴市场和发展中国家对外资的依赖很大,全球金融结构的变更，使得这些国家可以从更有竞争力的市场上获得资金，同时它们的经济开放程度越来越大。如果有关当局看着资本自由流动,却不实施相应的对冲政策和增强本外币政策之间的协调,将可能导致经济发展的不稳定,金融风险也很容易演变成金融危机。第三章金融系统性风险的边际贡献根据金融机构系统性风险的性质和特征，学者们对金融系统性风险进行了测量。目前，金融系统性风险的测量方法很多，测量银行系统性风险的方法基本上可以分为三类：第一类，指标变量法，其主要思路是利用历史的数据，分析系统性风险的发生前、中、后三个阶段的各个经济变量的变化特征和银行业系统性风险发生后对实体经济的影响大小，以达到预测系统性风险的目的[21]。第二类，数据模拟法，它的基本思想是对多家金融机构的资产进行数据采集和分析，然后通过一定的模型模拟多家金融机构的资产波动性，根据模拟结果计算系统性风险发生的概率，最后使用金融机构资产间的相关性测度系统性风险的传染。第三类，风险暴露估计法，它的原理是通过考察银行之间的市场或者支付系统中银行相互的风险暴露关系，来估量银行系统性风险发生的概率与损失程度[22]。以上都是针对金融系业间的尾部相关性，使用VaR来测量时，没有考虑到它们尾部平均值的影响。因因此本文是从不同的金融机构对整个金融机构的系统性风险的边际贡献度来分析金融系统性风险。本文主要是研究金融系统性风险，不仅仅是银行系统性风险，还包括证券公司和保险公司对金融系统性风险的影响。将使用两种方法来测量金融系统性风险的边际贡献。第一种方法是“自下而上”分析法，以单个金融机构的破产为条件来估计整个金融系统的系统性风险，以往的的学者在研究金融机构风险时，很多考虑了行业间的尾部相关性，没有考虑到它们尾部平均值的影响，所以本文根据金融机构系统性风险的度量方法，并且在VaR测量法的基础上，引出用CVaR测量金融机构系统性风险,把风险的尾部值也计算进去。利用CVaR建立金融机构与金融机构之间的关系，具体步骤如下：（1）指标选取。考虑到数据不易得到，用金融市场数据来度量金融体系风险。当一些政策出台时，首先受冲击的金融市场，很容易反应金融体系的风险，因此就选择金融市场数据来度量金融体系风险。金融市场数据分为银行、证券、保险三大行业，本文就选择这三大行业和金融指数来度量金融体系间的系统风险的边际贡献测度。（2）计量模型设定。选取的三大行业的市场数据要先求其边缘分布，本文用的是t-GARCH(1,1)模型来反应。银行、证券、保险三大行业是具有相关性的，由于根据t-GARCH(1,1)模型估算出来的参数建立三大行业的市场收益率序列模型，我们先进行了平稳性检验，所以就构建了三元的Copula模型，这样一来数据量就会很大，拟合优度检验不方便出结果，因此就引入欧氏距离的方法，下面我们简单介绍一下三元模型的欧氏距离。首先引入经验Copula：设是取自三维总体(X,Y,Z)的样本，记X,Y,Z的经验分布函数分别为,和，得到样本的经验Copula：，其中，，为示性函数，当时，，否则。有了经验函数之后，就得到正态Copula和t-Copula与经验Copula的平方欧氏距离(3-1)(3-2)其中，，，，。这里的和分别反映了三元正态Copula和三元t-Copula拟合原始数据的情况，若<，表明用三元正态Copula模型能够更好的拟合原始数据，若<,则表明三元t-Copula更合适。（3）CVaR值的度量。用金融市场指数来反映整个金融体系风险，不考虑相关性，直接用Copula模型来求解。而银行，证券，保险三大行业考虑相关性，就需要最优Copula模型和t-GARCH(1,1)模型相结合求解，得到银行，证券，保险以及金融指数的残差序列以及未来的收益率序列，然后用Monte-Carlo模拟的方法计算出风险的CVaR值。如此反复50次，就得到了50组金融指数，银行，证券和保险四维的新的收益率序列。（4）回归分析。金融系统风险和银行，证券以及保险的风险存在关系，我们一般认为是线性关系。为了避免这三大行业之间的多重共线性，所以先对其进行主成分分析，减少成分的个数，再做线性回归。线性方程中三大行业前面的系数就是他们的边际贡献率，即通过对其进行求导就得到。第二种方法是“自上而下”分析法，它的主要思路是先推导出系统性风险，然后利用某种分配方式将此系统性风险分给单个金融机构，如Acharya等(2010)基于期望损失(ES)提出的系统性期望损失(SES)和边际期望损失(MES)方法。具体步骤如下：（1）指标选取。假设系统个机构组成，整个系统的收益可以表示成单个金融机构的收益的加权和，即其中为第i家机构占整个系统的权重，所以在置信水平下整个系统的期望损失示为：(3-3)式中对求导，即可得到单家机构对整个系统的风险边际贡献为：(3-4) 衡量的是不发生危机时市场表现最差的情况下，单个机构对整个系统的边际贡献，如取时表示没有危机时，市场最差状态下单家机构的边际贡献。设和分别表示单个金融机构的总资产和第期的资本，则整个系统的总资产可以表示为：(3-5)整个系统第期的总资本为：(3-6)假设当整个系统总资本小于总资产的比例时。系统出现危机，即：(3-7)认为单家机构的系统性期望损失等于系统出现危机时机构的资本与其资产比例直接的差值，则为：(3-8)容易看出单家机构的测量的是危机发生时其对整个系统期望损失的边际贡献。曾经等证明了可以用不发生危机时机构的边际贡献率和杠杆率来预测发生系统危机时单个机构对系统的边际贡献率。数学表达式如下：(3-9)其中等于，是杠杆率。通过式可以知道不发生危机时杠杆率和边际期望损失较大的机构，在危机期间对整个系统的边际风险的贡献也比较大。（2）经济模型。为了验证不发生危机时市场表现最差的状况下,边际期望损失较大、杠杆率较高的机构，是否在系统危机期间对系统的边际风险贡献也较大，本文使用的模型如下：(3-10)是系统危机时机构的系统性期望损失，LVG是杠杆率，大小等于总资产/权益，是误差项并且服从正态分布。另外是一个虚拟变量。的计算借鉴的作法，先确定时间区间内市场收益最糟糕的日期(天数)，然后计算这些天内各家机构的股票收益率的平均值的相反数。最后得出。(3-11)最后比较这两种方法下，对金融系统性风险做出贡献最大的机构是否一样。第四章我国金融机构边际风险贡献的实证分析根据第三章介绍的两种测量金融机构系统性风险的边际贡献度方法的理论原理，再结合我国金融机构的的实际情况，选取我国金融机构的相关数据，对它们进行实证分析。4.1第一种方法4.1.1数据的选取由于本文研究的是银行、证券和保险这三大行业对金融系统的风险的影响，故对这三行业分别选取了七只股票作为代表，银行是中国银行、工商银行、建设银行、交通银行、浦发银行、招商银行和农业银行，证券选择的是长江证券、光大证券、广发证券、国元证券、太平洋证券、兴业证券、中信证券，保险行业是中国平安、中国人寿、中国太保、新华人寿、香溢融通、爱建股份和中国中期，它们的权重是各自当时的市值所占比例，最后还将沪深300数据作为金融体系的系统数据。2012年9月底柏林--欧洲央行(ECB)总裁德拉吉将与德国总理梅克尔讨论欧元区的经济和货币联盟情况，对金融市场有一定的影响，因此本文的数据样本就取自2012.10.08~2013.07.22，每天的30分钟高频数据。用来代表股价，股票的收益率采用对数收益率，即，数据源自同花顺炒股软件。4.1.2计量结果通过观察三大行业历史收益率的样本自相关系数，发现它们几乎是不相关的，但通过对样本的条件异方差检验发现它们的历史收益率序列均存在异方差性，因此可以分别对银行，证券，保险和沪深300的收益率序列建立t-GARCH(1，1)模型,，利用Eviews6.0软件得到模型中的参数估计结果如下：表4-1t-GARCH(1，1)模型参数估计与检验结果u银行-0.00005390.001980.19260.615712.9834证券-0.00005420.000230.29550.28835.0793保险-0.00004230.006260.246670.091278.4017沪深300-0.00001420.000010.098560.770994.4417对银行，证券和保险三列收益率数据用欧氏距离的方法进行拟合检验，结果发现t-Copula函数模型拟合的数据比较好。接下来用蒙特卡洛模拟得出银行，证券和保险三大行业的CVaR值50组，并对它们进行回归分析。由于他们之间的多重共线性，故先经过主成分分析之后再进行回归分析。用Eviews软件进行主成分分析，对其研究发现，前两个主成分的累计贡献率达到了73.1%，因此可以用前两个主成分进行后续的的分析，它们的表达式分别是Y1=0.703*-0.39*+0.709*(4-1)Y2=0.183*+0.975*-0.128*(4-2)通过上面的式子，可以将银行，证券和保险的收益率数据带进去就得到了只有两种主成分的CVaR序列Y1和Y2。对它们进行回归分析可得到如下结表4-2线性回归1VariableCoefficientStd.Errort-StatisticProb.Y10.49380.06118.08040.0000Y20.76770.18194.21850.0001C-0.91010.5409-1.68240.0991由表4-2的结果中可以看出常数C的概率值0.0991远大于我们默认的置信度0.05，没有通过检验，故这个值要舍去。因此就得到了如下的没有常数的线性回归结果：表4-3线性回归2VariableCoefficientStd.Errort-StatisticProb.Y10.42370.04559.30220.0000Y20.50260.09275.41920.0000这就得到了Y1和Y2关于系统风险的关系式即：系统风险=0.4237*Y1+0.5026*Y2。(4-3)再结合上面的(4-1)和(4-2)式就能够得到系统风险与银行，证券和保险三大行业间回归方程式：沪深300=0.3899*+0.325*+0.2362*(4-4)由(4-4)式可以看出，银行对金融体系的贡献率是0.3899，证券是0.325，保险是0.2362，银行对金融系统风险的影响是最大的，证券次之，保险最小。要防范我国系统性金融危机的发生，应该在未发生危机时便加强对那些边际风险贡献较大、杠杆率较高的金融机构进行监管。在本文中表现在银行行业，在日常生活中，证券和保险的许多业务也是依靠银行来完成的，因此银行在整个金融体系中占有举足轻重的作用。当然还应该包括那些边际风险贡献较大、杠杆率较高的非银行金融机构。这样一来，解决我国金融体系的系统风险就会有很大的针对性，可以按照各金融机构的规模以及单位资产的边际风险贡献程度来制定相应的监管措施，从而使金融机构的风险外部性内部化。4.2第二种方法4.2.1数据的选取为了测度金融系统内单家机构的系统期望损失和边际贡献率，本文选取了我国具有代表性的9家银行、3家证券和3家保险公司共15家金融企业的历史数据作为样本，其中包含的银行有：工商银行和中国银行等这四家大型国有银行、深发展和浦发展两家城市银行和民生银行等这三家规模较小的银行。证券和保险公司选择的是国内排名靠前且上市较早的3家。07年次贷危机出现时我国经济并未收到严重的冲击，但在08年年底至09年年初这段时间里我国的经济走向了最差状态，所以为了考察危机发生后我国金融业及单家金融机构的期望损失的变化情况，我们把样本分为三个时期来研究：第一阶段即危机发生时是08年1月至08年年底；第二阶段为危机过后，金融危机由坏向好转变的缓冲期09年1月至09年12月，第三阶段为经济复苏时期10年1月至10年12月。相关数据来自各公司年报和Wind数据库,见下表：表4-4相关数据08年09年10年MESSESLVGMESSESLVGMESSESLVG中国银行0.0487-0.80002.64500.0083-0.80002.64500.0195-0.80002.6450工商银行0.0481-0.83142.77710.0295-0.83142.77710.0254-0.83142.7771民生银行0.0643-1.29232.95930.0468-1.29232.95930.0347-1.29232.9593招商银行0.0616-1.18142.98070.0492-1.18142.98070.0381-1.18142.9807浦发展0.0665-1.38253.44680.0442-1.38253.44680.0399-1.38253.4468深发展0.0722-1.40623.36480.0413-1.40623.36480.0129-1.40623.3648华夏银行0.0702-0.96913.28400.0580-0.96913.28400.0451-0.96913.2840交通银行0.0617-1.19252.91180.0437-1.19252.91180.0373-1.19252.9118建设银行0.0502-0.94462.78250.0367-0.94462.78250.0277-0.94462.7825太平洋证券0.0823-1.18090.92940.0654-1.18090.92940.0580-1.18090.9294长江证券0.0953-1.47311.37420.0808-1.47311.37420.0564-1.47311.3742国元证券0.0623-1.06110.50480.0449-1.06110.50480.0370-1.06110.5048太平洋保险0.0734-1.49221.87000.0457-1.49221.87000.0464-1.49221.8700平安保险0.0675-1.38382.16170.0458-1.38382.16170.0339-1.38382.1617中国人寿0.0666-1.13361.73110.0436-1.13361.73110.0383-1.13361.7311表4-5为我国金融机构的系统性期望损失、边际期望损失和杠杆率的描述性统计结果。结果表明，在这次巨大的美国次贷金融危机中，我国保险公司的实际系统性期望损失最高（平均为-1.336541819），证券公司的实际系统性期望损失平均为-1.238359427，紧随保险公司，最低的是在我国的银行业，平均系统性期望损失为-1.11112319。基于中证沪深300指数收益率计算的金融机构的边际期望损失，边际期望损失最大的是我国证券公司，平均为0.063679928，其次是保险公司，平均为0.045029404，银行的边际期望损失最小，仅为0.039740395。我国金融机构的杠杆率差别也很大，银行的杠杆率最大（平均为3.01687754），其次为保险公司（为1.920928039），证券公司的杠杆率最低，而且远远低于银行和保险公司（仅为0.93612203）。表4-5主要变量的统计描述变量名称系统性期望损失边际期望损失杠杆率行业观测数 均值 方差 最小值 中位数 最大值银行 9 -1.11112319 0.053504312 -1.406179893 -1.181434521 -0.800021701证券 3 -1.238359427 0.044899236 -1.473068158 -1.180864018 -1.061146104保险 3 -1.336541819 0.033836662 -1.492216769 -1.38384684 -1.133561846合计 15 -1.181654163 0.050849634 -1.492216769 -1.181434521 -0.800021701银行 9 0.039740395 0.000201671 0.008293155 0.043687964 0.058016543证券 3 0.063679928 0.000324779 0.044855526 0.065410282 0.080773975保险 3 0.045029404 1.46003E-06 0.043636353 0.045658192 0.045793667合计 15 0.045586104 0.000254035 0.008293155 0.044855526 0.080773975银行 9 3.01687754 0.080458093 2.644980791 2.959328047 3.446818279证券 3 0.93612203 0.18898219 0.504799997 0.929402367 1.374163728保险 3 1.920928039 0.048301424 1.731120849 1.869950359 2.16171291合计 15 2.381536538 0.832521824 0.504799997 2.777051169 3.446818279注：采取2008年1月至2008年12月作为样本区间；为基于中证沪深300指数作为市场收益率测算的金融机构的边际期望损失，样本区间为2009年1月至2010年12月。LVG是取过对数以后的数据。4.2.2模型的回归分析根据式(3-10)中提到的线性回归模型，利用作回归分析，根据回归时是否用到保险或证券公司共得到三组数据，第一组数据对应的是回归时同时包含了保险和证券公司，第二组对应的是回归时只包含了保险公司，第三组仅用到了证券公司。具体结果见表4-6，系数概率值系数概率值系数概率值第一阶段-11.0090.016-14.8090.001-18.1050.0010.2130.5110.0260.931-0.1460.638-0.2190.037-0.0810.1150.0410.605-0.3680.073-0.1830.0830.3170.121第二阶段-6.0470.073-9.5700.012-11.2710.021-0.0610.852-0.5390.052-0.8650.014-0.2680.022-0.0670.2740.0580.584-0.5140.020-0.2390.0700.2900.294第三阶段-4.2560.393-8.1140.173-8.0910.227-0.0880.822-0.7060.066-0.8230.073-0.2950.024-0.0580.466-0.0280.824-0.5860.018-0.1980.2000.0180.949表4-6回归结果4.2.3回归结果分析（1）和都呈明显的负相关性，对的影响比大的多。多数情况下模型中的常数不能通过检验，它基本趋于对于没有影响。（2）回归时是否包含保险和证券公司得到的结果有明显差异，当回归同时包含两者时，回归效果最好。可见证券和保险公司在金融系统内的作用是不容忽略的，尤其在涉及金融系统风险的防范和预测方面。（3）在做回归时，我们选了危机中阶段的实际系统性期望损失的数据作为被解释变量，危机中阶段、缓冲期阶段、复苏期阶段的市场表现最差的5%状况下的边际期望损失的数据以及三个时期的杠杆率作为解释变量。结果表明，与存在较好的负相关性，即较大的金融机构系统性期望损失较大。杠杆率越高的机构，越容易发生金融危机。通过以上两种测量金融系统性风险的边际贡献的方法，得出的结果基本相同，即金融体系中的三大行业对金融系统性风险的影响的大小依次为：银行、证券、保险。因为证券和保险在金融体系中相对于银行无论在规模还是业务上还是有差距的，而且这两个行业的许多业务还是需要银行的支持。所以对金融系统性风险的监管一定要在银行方面的监管更为严格。宏观审慎资本要求中国作为全球最大的发展中国家，自改革开放以来社会各领域都经历了长足的发展，金融领域作为现代国民经济中的核心，对于整个国民经济的发展起到了十分重要的推动作用，商业银行在金融领域中又占有举足轻重的地位，商业银行的稳定健康平稳发展是世界各国经济运行的保障。在过去的几十多