金融市场共振：影子银行对商业银行的风险溢出效应剖析

金融市场共振：影子银行对商业银行的风险溢出效应剖析一、引言1.1研究背景与意义在全球金融体系持续演变的进程中，影子银行作为一股新兴力量迅速崛起，其与商业银行之间的关联日益紧密。自2008年全球金融危机爆发以来，影子银行受到了各界的广泛关注，已然成为金融领域研究的焦点话题。影子银行涵盖了一系列非银行金融机构和业务活动，如信托公司、典当行、融资租赁公司、私募基金等，这些机构和业务通过复杂的金融创新手段，开展着类银行的信用中介活动。据相关数据显示，截至2021年末，我国影子银行规模已超过100万亿元，已然在金融体系中占据重要地位。影子银行与商业银行在多个层面存在着千丝万缕的联系。从资金来源角度来看，影子银行在一定程度上能够为商业银行提供额外的资金补充，满足商业银行多样化的资金需求。同时，在业务合作方面，二者也呈现出深度融合的态势。商业银行在开展表外业务以及创新型金融产品时，常常需要借助影子银行的专业能力和独特资源，共同完成产品的设计、发行与销售。以资产证券化业务为例，商业银行将信贷资产打包出售给特殊目的机构（SPV），影子银行中的证券公司、信托公司等则在其中承担着承销、受托管理等关键角色，助力资产证券化业务的顺利开展。然而，这种紧密的联系也带来了不容忽视的风险溢出效应。影子银行的经营模式多采用杠杆交易和证券化等方式，这些方式虽然能够在一定程度上提高资金的运作效率，但也容易引发市场的大幅波动。一旦影子银行的杠杆交易出现问题，或者证券化资产的质量下降，就可能导致市场信心受挫，进而引发金融市场的不稳定。当影子银行面临流动性危机时，可能会大量抛售资产，导致资产价格暴跌，这种波动会迅速传导至商业银行，影响商业银行的资产质量和盈利能力。影子银行的风险还可能通过信用链条、资金流动等渠道直接传染给商业银行，使商业银行面临信用风险、流动性风险等多重风险的冲击，严重威胁到金融系统的稳定性。在此背景下，深入研究影子银行对商业银行的风险溢出效应具有极其重要的现实意义。对于商业银行而言，准确把握影子银行的风险溢出情况，能够帮助其提前做好风险防范和应对措施，优化风险管理策略，增强自身抵御风险的能力。商业银行可以根据风险溢出效应的大小和方向，合理调整资产配置结构，减少对高风险影子银行业务的参与，加强对相关业务的风险监控和预警。对于监管部门来说，全面了解影子银行与商业银行之间的风险溢出关系，有助于制定更加科学有效的宏观审慎监管政策，加强对金融体系的整体监管，防范系统性金融风险的发生。监管部门可以通过加强对影子银行的监管力度，规范其业务活动，限制高风险业务的开展，降低影子银行对商业银行的风险溢出。研究影子银行对商业银行的风险溢出效应，还能够为金融市场的稳定发展提供理论支持和决策依据，促进金融市场的健康、有序运行。1.2研究方法与创新点在研究过程中，将采用多种研究方法，以确保研究的全面性和准确性。运用文献研究法，广泛搜集国内外关于影子银行和商业银行风险溢出效应的相关文献资料，深入分析前人的研究成果和研究方法，为本文的研究提供坚实的理论基础和研究思路。通过对大量文献的梳理和总结，了解该领域的研究现状和发展趋势，明确已有研究的不足之处，从而确定本文的研究重点和方向。采用GARCH时变Copula-CoVaR模型进行实证分析。该模型基于广义自回归条件异方差（GARCH）模型族和Copula函数构建而成，能够精准地刻画变量之间的时变相关关系和尾部风险。在金融市场中，风险具有动态变化的特征，传统的风险度量模型往往难以准确捕捉这种时变性。而GARCH时变Copula-CoVaR模型则能够充分考虑到风险的时变特性，通过对影子银行和商业银行相关数据的建模分析，有效衡量影子银行对商业银行的风险溢出效应。利用GARCH模型族对影子银行和商业银行的收益率序列进行建模，得到各个变量的时变波动率和相关系数，从而准确描述收益率波动的动态变化。再运用Copula函数将这些变量联系起来，构建出GARCH时变Copula-CoVaR模型，计算出风险溢出效应的具体数值，为研究提供量化的依据。本文的创新点主要体现在以下几个方面：在研究视角上，从多维度对影子银行对商业银行的风险溢出效应进行深入剖析，不仅关注风险溢出的程度和方向，还对风险溢出的时变特征、影响因素以及传导机制等方面进行全面研究，弥补了以往研究在视角上的局限性。以往研究可能仅侧重于某一个或几个方面，而本文通过多维度的研究，能够更全面、系统地揭示影子银行对商业银行风险溢出的本质和规律。考虑到金融市场风险的时变特征，运用GARCH时变Copula-CoVaR模型进行实证分析，相较于传统的静态模型，能够更准确地刻画影子银行与商业银行之间风险溢出效应的动态变化，为风险的实时监测和有效管理提供了更有力的支持。传统静态模型在面对复杂多变的金融市场时，往往无法及时反映风险的动态变化，而本文所采用的模型则能够实时捕捉风险的变化情况，为金融机构和监管部门提供更具时效性的决策依据。在研究过程中，充分考虑了影子银行的业务范围和经营模式等因素对风险溢出效应的影响，为监管部门制定针对性的监管政策提供了更为具体和有价值的参考，有助于提高监管的有效性和精准性。不同类型的影子银行业务和经营模式可能会导致不同程度的风险溢出，通过对这些因素的深入分析，监管部门可以根据不同情况制定差异化的监管措施，从而更好地防范影子银行风险对商业银行的冲击，维护金融体系的稳定。二、影子银行与商业银行概述2.1影子银行定义与范畴影子银行这一概念最早由美国太平洋投资管理公司执行董事保罗・麦卡利在2007年的美联储年度会议上提出，他将影子银行定义为“与传统、正规、接受中央银行监管的商业银行系统相对应的金融机构，它们筹集到的多为短期不确定的资金，由于游离于联邦政府的监管之外，它们没有再贴现的权利，也不能加入存款保险组织”。此后，国际货币基金组织（IMF）、金融稳定理事会（FSB）等国际组织也对影子银行进行了定义。IMF认为影子银行是“银行监管体系之外，可能引发系统性风险和监管套利等问题的信用中介体系（包括各类相关机构和业务活动）”。FSB则将影子银行界定为“游离于传统银行体系之外的信用中介机构和业务，其信用创造功能可能引发系统性风险或监管套利”。在中国，影子银行的定义也随着金融市场的发展和监管政策的调整而不断完善。2020年12月，中国银保监会发布的《中国影子银行报告》中指出，影子银行是指常规银行体系以外的各种金融中介业务，通常以非银行金融机构为载体，对金融资产的信用、流动性和期限等风险因素进行转换，扮演着“类银行”的角色。这一定义明确了影子银行的非银行金融机构属性，以及其在金融资产转换过程中所发挥的类似于银行的信用中介功能。从业务范畴来看，中国影子银行涵盖了多个领域和机构。其中，信托公司是影子银行的重要组成部分。信托公司通过发行信托计划，将投资者的资金集中起来，投向房地产、基础设施建设、工商企业等领域，为企业提供融资支持。信托计划的投资范围广泛，包括但不限于股权、债权、资产收益权等，具有较高的灵活性和创新性。某信托公司发行的一款房地产信托计划，募集资金用于支持某房地产项目的开发建设，通过信托贷款、股权投资等方式为项目提供资金支持，满足了房地产企业的融资需求。互联网金融平台近年来发展迅速，也成为影子银行的重要表现形式。互联网金融平台借助互联网技术，开展网络借贷（P2P）、众筹、互联网理财等业务，为个人和中小企业提供融资和投资渠道。P2P网络借贷平台通过搭建线上借贷平台，实现了资金供求双方的直接对接，为一些难以从传统银行获得贷款的中小企业和个人提供了融资机会。然而，互联网金融平台在发展过程中也暴露出一些问题，如信息不对称、信用风险、资金挪用等，需要加强监管。除此之外，小额贷款公司、融资租赁公司、典当行等也属于影子银行的范畴。小额贷款公司主要为小微企业和个人提供小额贷款服务，其贷款审批流程相对简便，能够快速满足客户的资金需求。融资租赁公司则通过购买设备并出租给企业使用，为企业提供融资支持，帮助企业解决设备购置资金不足的问题。典当行则以实物抵押为基础，为客户提供短期资金周转服务。这些机构在满足市场多元化金融需求的同时，也存在着一定的风险，需要进行有效的监管和规范。2.2影子银行发展历程与现状中国影子银行的发展历程与国内金融市场的变革和经济环境的变化紧密相连。20世纪90年代，随着改革开放的深入推进，国内经济快速发展，对资金的需求日益旺盛。然而，当时传统商业银行的信贷投放受到诸多限制，难以完全满足市场多元化的融资需求。在这样的背景下，一些非银行金融机构开始崭露头角，如信托公司等，它们通过开展一些创新性的金融业务，为企业和个人提供融资渠道，这标志着中国影子银行的萌芽。2008年全球金融危机爆发后，中国政府为应对危机对经济的冲击，实施了大规模的经济刺激计划，信贷规模迅速扩张。此后，随着监管政策的逐步收紧，商业银行的信贷投放受到更严格的限制，如存贷比、贷款额度、投向等指标的约束。为了规避这些监管限制，银行开始寻求与非银行金融机构合作，通过创新业务模式，将表内业务转移至表外，影子银行迎来了快速发展的契机。在这一时期，影子银行的业务模式不断创新和丰富。早期，主要以资产驱动+信托通道模式为主。银行通过表内投资类项目投资信托等通道类产品，将资金投入实体经济，以此规避银行表内信贷类业务相关的各种指标和考核。2010-2013年，信托通道业务发展迅速，信托公司发行的信托产品规模持续增长，成为影子银行的重要业务形式。随着监管部门对信托和非标业务的监管日益严格，信托通道的成本和监管风险上升，银行开始寻找新的通道。2013-2016年，资产驱动+资管产品通道模式逐渐兴起，通道业务增量资金逐步转向监管相对宽松且通道成本更低的基金子公司和券商资管。这一时期，基金子公司和券商资管的资产管理规模大幅增长，它们通过发行各类资管产品，为银行资金提供新的通道，实现资金的流转和配置。2015-2016年，随着利率市场化的深入，银行负债端竞争加剧，特别是中小银行面临存款荒和传统信贷业务优势不足的困境。为了扩张负债端，银行开始通过发行同业存单（NCD）和同业理财等业务，将同业和理财资金通过委外等模式进行负债扩展，并投向非银金融机构，影子银行的发展进入资产负债双驱动+资管产品通道阶段。在这一阶段，影子银行规模加速扩张，业务结构更加复杂，涉及多层嵌套和委外投资等操作。近年来，随着监管政策的不断加强和完善，影子银行的发展受到一定程度的抑制。自2017年起，监管部门出台了一系列资管新规，如《关于规范金融机构资产管理业务的指导意见》等，旨在规范影子银行业务，降低金融风险。这些政策的实施，使得影子银行的规模有所收缩，业务逐渐向规范化、阳光化方向发展。从当前现状来看，尽管影子银行规模在监管政策的影响下有所下降，但整体规模仍然庞大。据相关数据显示，截至2023年末，中国广义影子银行规模约为80万亿元左右。从业务模式上看，银行理财产品依然是影子银行的重要组成部分，虽然在资管新规的要求下，银行理财产品逐步向净值化转型，打破刚性兑付，但仍存在一定的风险。截至2023年末，银行理财产品存续余额约为29万亿元，其中净值型产品占比超过90%。非银行金融机构贷款产品也占据一定份额，信托贷款、委托贷款等业务虽然规模有所下降，但在实体经济融资中仍发挥着一定作用。信托贷款余额在2023年末约为4.5万亿元，委托贷款余额约为11万亿元。互联网金融平台在经过前期的快速发展和整顿后，部分合规平台继续运营，网络借贷（P2P）行业在监管整治下基本退出历史舞台，但一些互联网消费金融、互联网小贷等业务仍在持续开展，为个人和中小企业提供融资服务。在地域分布上，影子银行在经济发达地区更为活跃。长三角、珠三角和京津冀等地区，由于经济发展水平高，金融市场活跃，对资金的需求和供给都较为旺盛，影子银行的规模和业务种类相对较多。在长三角地区，上海作为国际金融中心，集聚了众多金融机构，影子银行的业务创新和发展较为领先，如资产管理、私募基金等业务规模较大；浙江和江苏等地的中小企业发达，对融资的需求多样，民间借贷、小额贷款公司等影子银行业务也较为普遍。而在中西部地区，影子银行的发展相对滞后，但随着经济的快速发展和金融市场的逐步完善，影子银行的规模也在逐渐扩大。2.3商业银行在金融体系中的地位与作用商业银行作为金融体系的核心组成部分，在经济运行中占据着举足轻重的地位，发挥着多方面的关键作用。在资金融通方面，商业银行扮演着至关重要的角色。它是连接资金供给者与需求者的桥梁，通过吸收社会公众的储蓄存款，将分散的闲置资金集中起来，再以贷款的形式发放给企业、个人等资金需求者，实现资金的有效配置。这种资金融通功能不仅满足了企业扩大生产、技术创新等方面的资金需求，促进了实体经济的发展，也为个人购房、消费等提供了资金支持，推动了社会消费的增长。据统计，2023年我国商业银行人民币贷款余额达到230万亿元，同比增长11%，有力地支持了经济的稳定增长。在制造业领域，商业银行通过为企业提供固定资产贷款、流动资金贷款等，帮助企业购置设备、原材料，扩大生产规模，推动产业升级。某商业银行向一家新能源汽车制造企业提供了5亿元的固定资产贷款，用于建设新的生产基地，促进了企业的快速发展，也带动了相关产业链的协同发展。商业银行具有信用创造功能。它在吸收存款的基础上，通过发放贷款和投资等业务活动，创造出数倍于原始存款的派生存款，从而增加了货币供应量，对经济的扩张和收缩产生重要影响。在经济繁荣时期，商业银行的信用创造功能可以进一步推动经济的增长；而在经济衰退时期，适当控制信用创造规模则有助于稳定经济。当央行实行宽松的货币政策时，商业银行可贷资金增加，通过信用创造机制，货币供应量会相应增加，刺激投资和消费，促进经济复苏。反之，当央行实行紧缩的货币政策时，商业银行的信用创造受到抑制，货币供应量减少，有助于抑制通货膨胀。商业银行还承担着支付结算的重要职能。它通过提供各种支付工具和结算服务，如支票、汇票、银行卡、网上银行等，实现了资金的快速、安全流转，保障了经济活动的顺利进行。无论是企业之间的贸易往来，还是个人的日常消费，都离不开商业银行的支付结算服务。据央行数据显示，2023年我国商业银行共处理支付业务10627.58亿笔，金额5375.67万亿元，同比分别增长16.74%和10.77%，支付结算的高效性和便捷性得到了显著提升。在电商领域，商业银行与第三方支付机构合作，为消费者和商家提供了便捷的支付结算服务，促进了电子商务的快速发展。消费者在网上购物时，可以通过银行卡、快捷支付等方式完成支付，商家则能及时收到货款，资金的快速流转提高了交易效率，推动了电商行业的繁荣。商业银行在金融体系中还发挥着金融服务和风险管理的作用。它为客户提供多样化的金融服务，如理财咨询、代理收付、担保承诺等，满足客户不同的金融需求。商业银行通过对风险的识别、评估和控制，保障自身的稳健运营，同时也为金融体系的稳定做出贡献。在理财服务方面，商业银行根据客户的风险偏好和财务状况，为其提供个性化的理财规划和投资建议，帮助客户实现资产的保值增值。在风险管理方面，商业银行建立了完善的风险管理制度，对信用风险、市场风险、操作风险等进行有效监控和管理，确保资产质量和资金安全。三、风险溢出效应理论基础3.1金融风险理论金融风险是金融领域中不可忽视的重要因素，它贯穿于金融活动的各个环节，对金融市场的稳定和经济的健康发展产生着深远影响。从类型上看，金融风险主要包括信用风险、市场风险、流动性风险、操作风险等多个方面，每一种风险都具有独特的内涵和表现形式。信用风险是金融活动中最为常见的风险之一，它主要源于债务人未能按照合同约定履行偿债义务，从而导致债权人遭受损失的可能性。在信贷市场中，企业或个人向银行申请贷款后，若因经营不善、财务状况恶化等原因无法按时偿还本金和利息，银行就会面临信用风险。据相关数据显示，2023年我国商业银行不良贷款余额达到3.8万亿元，不良贷款率为1.69%，这充分表明信用风险在金融市场中是切实存在且不容忽视的。信用风险不仅会对单个金融机构的资产质量和盈利能力造成冲击，还可能通过信用链条的传导，引发系统性金融风险，对整个金融体系的稳定构成威胁。当一家大型企业出现违约事件时，其上下游企业可能会受到牵连，导致一系列的信用违约，进而影响到与之有业务往来的金融机构，引发金融市场的动荡。市场风险则是由于市场因素的波动，如股票价格、利率、汇率及商品价格等的变动，导致金融参与者的资产价值发生变化的风险。在股票市场中，股价的大幅波动会使投资者的资产价值出现显著增减。2020年初，受新冠疫情爆发的影响，全球股市大幅下跌，美国道琼斯工业平均指数在短短一个月内跌幅超过30%，许多投资者的资产遭受了巨大损失。利率风险也是市场风险的重要组成部分，当市场利率发生变化时，债券价格、固定收益产品的价值等也会随之波动。若市场利率上升，已发行债券的价格会下降，持有债券的投资者将面临资产减值的风险；反之，若市场利率下降，投资者可能会因债券利息收益相对降低而遭受损失。汇率风险对于从事国际贸易和跨境投资的企业和金融机构来说尤为关键，汇率的波动会影响进出口贸易的成本和收益，以及跨境投资的回报率。一家中国企业向美国出口商品，若人民币对美元汇率升值，在以美元计价的情况下，企业收到的货款换算成人民币后就会减少，从而降低企业的利润。流动性风险是指由于资产流动性降低而导致的风险，它主要表现为金融机构无法及时以合理价格获得充足资金，以满足业务开展和债务清偿的需求。在极端情况下，如发生挤兑事件时，银行可能会因无法迅速筹集到足够的资金来满足储户的提款需求，而面临流动性危机。2008年金融危机期间，雷曼兄弟公司因流动性枯竭而破产，引发了全球金融市场的恐慌。流动性风险还可能在金融市场中传导，当一家金融机构出现流动性问题时，会导致其减少对其他金融机构的资金拆借，从而引发整个金融市场的流动性紧张。银行间同业拆借市场的流动性不足，会使得银行的资金成本上升，进而影响到实体经济的融资环境。操作风险是由于金融机构的交易系统不完善、管理失误或其他一些人为错误而导致的风险。操作风险涵盖了多个方面，包括内部欺诈、外部欺诈、系统故障、流程失误等。内部员工为谋取私利而进行的违规交易，可能会给金融机构带来巨大的损失；交易系统出现故障，导致交易无法正常进行，也会造成经济损失和声誉损害。2012年，摩根大通银行因交易员违规操作，在信用违约互换（CDS）市场上遭受了数十亿美元的损失，这一事件充分暴露了操作风险的危害性。操作风险不仅会导致金融机构的直接经济损失，还可能影响其声誉和市场形象，降低客户的信任度，进而对其长期发展产生不利影响。金融风险的产生并非孤立的，而是多种因素相互作用的结果。信息不对称是导致金融风险产生的重要原因之一。在金融市场中，交易双方掌握的信息往往存在差异，信息优势方可能会利用这种优势进行不利于信息劣势方的交易，从而引发风险。在信贷市场中，借款者对自身的财务状况和还款能力更为了解，而银行作为贷款发放者，可能无法全面准确地掌握这些信息，这就增加了银行面临信用风险的可能性。市场参与者的非理性行为也会加剧金融风险。在金融市场繁荣时期，投资者往往会过度乐观，盲目追求高收益，忽视风险的存在，导致资产价格泡沫的形成。而当市场形势发生逆转时，投资者又会过度恐慌，纷纷抛售资产，引发市场的大幅波动。20世纪90年代末的互联网泡沫时期，投资者对互联网企业的前景过度乐观，大量资金涌入该领域，导致互联网股票价格虚高。然而，随着互联网泡沫的破裂，股价暴跌，许多投资者遭受了惨重损失。金融监管的不完善也是金融风险产生的重要因素。如果监管制度存在漏洞，金融机构可能会通过监管套利等方式规避监管，从事高风险的业务活动，从而增加金融市场的不稳定因素。一些金融机构可能会利用监管规则的差异，将业务转移到监管宽松的地区或领域，以获取更高的利润，但这也会导致风险的积聚和扩散。金融风险在金融体系中具有较强的传导性，其传导机制复杂多样。金融机构之间通过资产负债表的关联，形成了紧密的风险链条。一家金融机构的资产价值下降或出现违约事件，会直接影响到与其有业务往来的其他金融机构的资产质量和财务状况。银行A持有银行B发行的债券，若银行B出现信用风险，债券价格下跌，银行A的资产价值也会随之降低，进而影响其资本充足率和流动性。市场信心的波动也是金融风险传导的重要途径。当市场出现负面消息或个别金融机构发生危机时，投资者的信心会受到打击，他们会对整个金融市场产生担忧，从而减少投资或撤回资金，导致金融市场的资金供应减少，资产价格下跌，进一步加剧金融风险。2013年，中国债券市场发生了“钱荒”事件，市场流动性紧张，投资者信心受挫，导致债券价格大幅下跌，许多债券基金的净值也随之下降。金融风险还可以通过宏观经济环境的变化进行传导。经济衰退时期，企业的盈利能力下降，违约风险增加，金融机构的不良贷款率上升，从而引发金融风险。而金融风险的加剧又会反过来影响宏观经济的复苏，形成恶性循环。在2008年金融危机期间，金融市场的动荡导致企业融资困难，投资和消费需求下降，经济陷入衰退；而经济的衰退又进一步恶化了金融机构的资产质量，加剧了金融风险。3.2风险溢出效应的内涵与传导机制风险溢出效应，从本质上来说，是指在金融市场中，一个金融主体的风险状况发生变化时，不仅仅会对自身产生影响，还会通过各种复杂的渠道，将这种风险传递到其他金融主体，进而对整个金融体系的稳定性造成冲击。这种效应体现了金融市场中各主体之间紧密的关联性和相互依存性，一个微小的风险事件在合适的条件下可能会引发一系列的连锁反应，导致风险在金融体系中不断扩散和放大。在影子银行与商业银行的关系中，风险溢出效应主要通过以下几种关键渠道进行传导：3.2.1资产负债关联渠道影子银行与商业银行之间存在着广泛而紧密的资产负债关联，这种关联为风险的传递提供了直接的路径。在资产端，商业银行通过购买影子银行发行的金融产品，如信托计划、资产管理计划等，实现了资金的流向影子银行。据统计，在2023年，商业银行对信托计划的投资规模达到了3万亿元，占信托计划总规模的相当比例。这些金融产品的底层资产往往涉及房地产、地方政府融资平台等领域，而这些领域的风险波动较为频繁。一旦这些底层资产出现违约或价值下降，就会直接导致影子银行发行的金融产品净值下跌，从而使商业银行的资产质量受到严重影响，信用风险随之显著增加。在负债端，影子银行通过发行理财产品、同业存单等方式，从商业银行获取大量资金。2023年，影子银行通过发行理财产品从商业银行募集的资金规模超过了5万亿元。当影子银行面临流动性风险时，如资金赎回压力增大，可能会无法按时兑付理财产品，进而引发商业银行的流动性紧张。商业银行可能会因为资金回笼困难，无法满足自身的资金需求，如应对客户的提款要求、偿还到期债务等，导致流动性风险迅速上升。如果商业银行无法有效应对这种流动性危机，可能会被迫出售资产，进一步压低资产价格，形成恶性循环，加剧金融市场的不稳定。3.2.2市场信心渠道市场信心是金融市场稳定运行的基石，而影子银行与商业银行之间的风险溢出效应在很大程度上会通过市场信心渠道进行传导。当影子银行出现风险事件，如某大型影子银行机构的产品违约、资金链断裂等，这些负面消息会迅速在市场中传播，引发投资者的恐慌情绪。投资者会对整个影子银行体系的安全性产生质疑，进而对与影子银行相关联的商业银行的信心也会受到严重冲击。他们会担心商业银行的资产质量受到影子银行风险的影响，导致自身的投资面临损失。在这种恐慌情绪的驱动下，投资者可能会采取一系列避险措施，如大量赎回商业银行的理财产品、减少对商业银行的存款等。2019年，某知名影子银行机构出现违约事件后，投资者对商业银行理财产品的赎回金额在短期内大幅增加，导致商业银行的资金流出压力骤增。这种资金的大规模流出会严重影响商业银行的资金稳定性，使其面临巨大的流动性风险。为了应对资金流出，商业银行可能不得不提高存款利率以吸引资金，或者减少信贷投放以保证资金的流动性，这将进一步影响实体经济的融资环境，对经济的稳定发展产生不利影响。市场信心的下降还会导致金融市场的融资成本上升，增加企业的融资难度和成本，抑制投资和消费，对宏观经济的增长形成制约。3.2.3监管套利渠道监管套利是影子银行发展过程中的一个重要现象，也是风险溢出效应传导的一个重要渠道。由于影子银行的业务活动往往游离于传统的监管体系之外，或者处于监管的灰色地带，与商业银行相比，其面临的监管约束相对宽松。这使得影子银行能够利用监管规则的差异，通过创新业务模式，进行监管套利，以获取更高的收益。影子银行可能会通过将一些高风险业务包装成看似低风险的金融产品，绕过监管部门对风险的严格把控。这种监管套利行为不仅会导致影子银行自身的风险不断积累，还会对商业银行的经营产生负面影响。由于影子银行在监管套利的过程中能够提供更高的收益，吸引了大量的资金流入，这会对商业银行的资金来源造成挤压。商业银行在资金竞争的压力下，可能会被迫参与一些高风险的业务，以追求更高的收益，从而增加了自身的风险水平。监管套利还会导致金融市场的不公平竞争，破坏市场秩序，降低金融市场的效率。监管部门难以准确掌握影子银行的真实风险状况，无法及时采取有效的监管措施，使得风险在金融体系中逐渐积累，一旦爆发，就会通过各种渠道迅速传导至商业银行，引发系统性金融风险。3.3影子银行对商业银行风险溢出的理论分析影子银行对商业银行的风险溢出，从理论层面来看，主要通过竞争、业务关联、监管套利等多个路径展开，这些路径相互交织，共同作用，深刻影响着商业银行的风险状况。影子银行与商业银行在金融市场中存在着激烈的竞争关系，这种竞争在多个维度对商业银行的风险状况产生影响。在资金来源方面，影子银行凭借其多样化的金融产品和灵活的运营模式，吸引了大量资金，对商业银行的存款业务构成了显著的分流压力。银行理财产品作为影子银行的重要组成部分，以其相对较高的收益率和丰富的投资选择，吸引了众多投资者。数据显示，2023年银行理财产品募集资金规模达到15万亿元，较上一年增长了10%，这使得商业银行的存款增速放缓，资金成本上升。据统计，2023年商业银行存款增速仅为5%，为近年来的较低水平，而资金成本则上升了0.2个百分点。为了维持资金规模，商业银行不得不提高存款利率，从而压缩了利润空间。当存款利率上升后，商业银行的资金成本增加，而贷款利率受市场竞争和宏观经济环境的制约，难以同步提升，这就导致了利差收窄，利润减少。利润空间的压缩会削弱商业银行的风险抵御能力，使其在面对经济波动和市场风险时更加脆弱。在贷款业务领域，影子银行也凭借其独特的优势与商业银行展开竞争。影子银行的贷款审批流程相对简便快捷，能够满足一些中小企业和个人客户对资金的紧急需求。互联网金融平台通过大数据分析和信用评估模型，能够快速对客户的信用状况进行评估，并在短时间内完成贷款发放。某互联网金融平台平均贷款审批时间仅为1天，而商业银行的贷款审批时间通常需要一周左右。这种竞争使得商业银行的优质客户资源流失，贷款业务市场份额下降。据统计，2023年商业银行在中小企业贷款市场的份额为60%，较上一年下降了5个百分点，而影子银行的市场份额则相应上升。为了争夺市场份额，商业银行可能会降低贷款标准，增加对高风险客户的贷款投放，从而增加了信用风险。当商业银行降低贷款标准后，一些信用状况不佳的客户可能会获得贷款，这些客户违约的可能性较大，一旦违约，商业银行将面临贷款损失，信用风险随之增加。影子银行与商业银行之间存在着广泛而紧密的业务关联，这种关联在一定程度上加剧了风险在二者之间的传导。商业银行通过与影子银行合作开展理财产品、资产证券化等业务，实现了业务的创新和拓展。然而，这些业务合作也使得二者的风险相互交织。在理财产品业务中，商业银行通常作为产品的发行者或销售者，而影子银行则负责产品的设计和投资运作。当影子银行投资的资产出现风险时，如投资的债券违约、股票价格暴跌等，理财产品的净值会下降，导致投资者的收益受损。投资者可能会对商业银行的理财产品失去信任，引发大规模的赎回行为。2020年，某商业银行发行的一款理财产品因投资的资产出现违约，净值大幅下跌，引发了投资者的恐慌性赎回，赎回金额达到了该产品规模的50%。这种赎回压力会给商业银行带来巨大的流动性风险，商业银行可能需要动用大量资金来满足投资者的赎回需求，导致资金紧张。如果商业银行无法及时筹集到足够的资金，可能会面临流动性危机，甚至引发系统性金融风险。在资产证券化业务中，商业银行将信贷资产打包出售给影子银行设立的特殊目的机构（SPV），实现了风险的转移。然而，这种风险转移并非完全隔离，一旦资产证券化产品的底层资产出现违约，风险仍会通过各种渠道传导回商业银行。当SPV发行的资产支持证券（ABS）出现违约时，持有这些证券的投资者会遭受损失，其中可能包括商业银行。商业银行可能会因为持有ABS而面临资产减值损失，影响其资产质量和盈利能力。资产证券化业务中的信用评级机构可能存在评级不准确的问题，导致投资者对资产质量的判断出现偏差，进一步加剧了风险的不确定性。如果信用评级机构对资产证券化产品的评级过高，投资者可能会低估风险，大量购买这些产品。一旦资产出现问题，投资者将遭受巨大损失，商业银行也难以幸免。监管套利是影子银行对商业银行风险溢出的一个重要路径。影子银行的业务活动往往处于监管的灰色地带，监管规则相对宽松，这使得影子银行能够通过创新业务模式，规避监管要求，获取更高的收益。影子银行可能会通过多层嵌套的方式，将高风险资产包装成低风险产品，绕过监管部门对风险的严格把控。某影子银行机构通过设立多层资管产品，将房地产企业的高风险贷款层层嵌套，最终以低风险理财产品的形式销售给投资者。这种监管套利行为不仅会导致影子银行自身的风险不断积累，还会对商业银行的经营产生负面影响。由于影子银行能够提供更高的收益，吸引了大量的资金流入，这会对商业银行的资金来源造成挤压。商业银行在资金竞争的压力下，可能会被迫参与一些高风险的业务，以追求更高的收益，从而增加了自身的风险水平。监管套利还会导致金融市场的不公平竞争，破坏市场秩序，降低金融市场的效率。监管部门难以准确掌握影子银行的真实风险状况，无法及时采取有效的监管措施，使得风险在金融体系中逐渐积累，一旦爆发，就会通过各种渠道迅速传导至商业银行，引发系统性金融风险。四、影子银行对商业银行风险溢出的影响机制4.1流动性风险溢出机制影子银行在金融市场中，通过多种方式对商业银行的流动性产生影响，进而引发流动性风险溢出。在揽储竞争方面，影子银行凭借其独特的产品优势，与商业银行展开了激烈的资金争夺。影子银行发行的理财产品往往具有收益率较高、投资期限灵活等特点，对投资者具有很大的吸引力。一些互联网金融平台推出的高收益理财产品，年化收益率可达8%-10%，远远高于商业银行同期存款利率。据统计，2023年互联网金融理财产品的规模增长了20%，达到了5万亿元，这些资金大量从商业银行流出，导致商业银行的存款流失。存款流失直接影响到商业银行的资金来源稳定性。商业银行为了维持资金规模，不得不采取提高存款利率、发行大额存单等方式来吸引资金。提高存款利率会增加商业银行的资金成本，压缩利润空间。某商业银行在存款流失压力下，将一年期定期存款利率从2%提高到2.5%，导致当年利息支出增加了1亿元。发行大额存单虽然能在一定程度上缓解资金压力，但也增加了商业银行的负债成本和流动性管理难度。大额存单的利率相对较高，且期限较短，到期后需要及时兑付，这对商业银行的资金流动性提出了更高的要求。影子银行的资金运用特点也加剧了商业银行的流动性风险。影子银行的资金往往流向期限较长、流动性较差的资产，如房地产项目、基础设施建设等。这些资产的投资期限通常在3-5年甚至更长，资金回收周期长，流动性风险较高。某影子银行机构将大量资金投入到一个房地产开发项目中，项目建设周期为3年，在项目未完工前，资金无法及时回流。一旦市场出现波动，影子银行面临资金赎回压力时，难以迅速将这些长期资产变现，从而引发流动性危机。这种流动性危机很容易传导至商业银行。影子银行在面临流动性困境时，可能会向商业银行寻求资金支持，如申请贷款、进行同业拆借等。如果商业银行自身流动性紧张，无法满足影子银行的资金需求，影子银行可能会被迫出售资产，导致资产价格下跌。资产价格下跌会进一步影响商业银行的资产质量，使商业银行的抵押物价值缩水，贷款风险增加。影子银行的违约风险也会上升，导致商业银行的不良贷款增加，流动性风险加剧。当影子银行无法按时偿还商业银行的贷款时，商业银行的资金回收出现问题，流动性受到严重影响，可能会陷入流动性困境，甚至引发系统性金融风险。影子银行的业务创新也带来了资金错配问题，进一步加剧了商业银行的流动性风险。一些影子银行通过资产证券化、通道业务等方式，将短期资金转化为长期投资，实现了期限错配。在资产证券化过程中，影子银行将长期的信贷资产打包成证券化产品出售给投资者，投资者的资金大多为短期资金，这种短期资金与长期投资的错配增加了流动性风险。一旦市场环境发生变化，投资者要求赎回资金，影子银行可能无法及时满足赎回需求，导致流动性危机。影子银行的通道业务也存在类似问题。银行通过与影子银行合作开展通道业务，将资金投向特定领域，如房地产、地方政府融资平台等。这些领域的投资期限较长，而银行通过通道业务筹集的资金往往是短期的，容易出现资金错配。某银行通过信托公司的通道业务，将一笔期限为1年的资金投向一个地方政府融资平台的基础设施项目，项目投资期限为5年。在资金到期时，项目尚未完工，无法及时偿还银行资金，银行面临资金周转困难，流动性风险增大。资金错配还会导致商业银行的流动性管理难度加大。商业银行需要不断调整资金结构，以应对影子银行带来的流动性冲击。在资金紧张时，商业银行可能需要压缩信贷投放，减少对实体经济的支持，这会对经济增长产生不利影响。资金错配还会导致商业银行的资金成本上升，进一步削弱其盈利能力和风险抵御能力。4.2信用风险溢出机制影子银行的信用风险通过多种途径向商业银行传导，其中业务关联和担保是两个重要的渠道，这些渠道使得风险在二者之间相互交织，对商业银行的稳健运营构成了严重威胁。在业务关联方面，影子银行与商业银行之间存在着广泛的合作，这种合作使得二者的信用风险紧密相连。商业银行通过购买影子银行发行的金融产品，如信托计划、资产管理计划等，将资金投入到影子银行体系中。据统计，2023年商业银行对信托计划的投资规模达到了3万亿元，占信托计划总规模的相当比例。这些金融产品的底层资产往往涉及房地产、地方政府融资平台等领域，而这些领域的风险波动较为频繁。一旦这些底层资产出现违约或价值下降，就会直接导致影子银行发行的金融产品净值下跌，从而使商业银行的资产质量受到严重影响，信用风险随之显著增加。以房地产信托为例，当房地产市场出现低迷时，房地产企业的资金回笼困难，偿债能力下降，可能会出现违约情况。如果商业银行投资了大量的房地产信托产品，就会面临信托产品违约的风险，导致其资产价值缩水，信用风险上升。某商业银行投资了一款房地产信托计划，该计划的资金用于支持某房地产项目的开发建设。然而，由于房地产市场调控政策的影响，该项目销售不畅，资金链断裂，房地产企业无法按时偿还信托贷款，导致信托计划违约。商业银行作为该信托计划的投资者，遭受了巨大的损失，其资产质量恶化，信用风险显著增加。影子银行与商业银行之间的担保关系也加剧了信用风险的溢出。在一些业务中，影子银行会为商业银行的贷款提供担保，或者商业银行会为影子银行的融资提供担保。这种担保关系在一定程度上增加了双方的信用风险。当影子银行作为担保人时，如果其自身的信用状况恶化，无法履行担保责任，商业银行的贷款就会面临违约风险。某影子银行机构为一家企业的商业银行贷款提供担保，当该企业出现经营困难，无法按时偿还贷款时，影子银行由于自身资金紧张，无法履行担保责任，导致商业银行的贷款无法收回，形成不良贷款，信用风险增加。商业银行为影子银行融资提供担保时，也会面临类似的风险。如果影子银行无法按时偿还融资，商业银行需要承担担保责任，这会对商业银行的资金流动性和资产质量产生负面影响，增加信用风险。商业银行A为影子银行B的一笔短期融资提供担保，当融资到期时，影子银行B因资金周转困难无法偿还融资，商业银行A不得不动用自身资金进行代偿。这导致商业银行A的资金流动性紧张，资产质量下降，信用风险上升。影子银行的信用风险还可能通过信用链条的传导，引发系统性金融风险。当影子银行出现大规模违约时，会导致投资者对整个影子银行体系的信心下降，引发恐慌性抛售，进而影响到与之有业务关联的商业银行。投资者会减少对商业银行的存款和投资，导致商业银行的资金来源减少，融资成本上升，信用风险进一步加剧。如果多家商业银行同时受到影响，就可能引发系统性金融风险，对整个金融体系的稳定造成严重威胁。2008年美国金融危机爆发前，影子银行的信用风险不断积累，最终引发了雷曼兄弟等金融机构的倒闭，导致全球金融市场动荡，许多商业银行也遭受了巨大损失，信用风险急剧上升，金融体系陷入严重危机。4.3市场风险溢出机制影子银行的投资活动与金融市场波动紧密相连，其投资组合的资产价格变动会对商业银行的市场风险产生显著影响。影子银行通常投资于股票、债券、房地产等领域，这些资产的价格波动较为频繁。在股票市场，股价受到宏观经济形势、企业业绩、市场情绪等多种因素的影响，常常出现大幅涨跌。当影子银行投资的股票价格下跌时，其资产价值会相应缩水，导致投资收益下降。如果影子银行将这些股票作为抵押物进行融资，资产价格下跌还会使其融资能力受到限制，进一步加剧资金压力。影子银行投资的债券市场也存在类似情况。债券价格与市场利率呈反向变动关系，当市场利率上升时，债券价格下跌，影子银行持有的债券资产价值会减少。信用风险也会影响债券价格，若债券发行人出现违约风险，债券价格将大幅下跌。2020年，某大型企业发行的债券出现违约，导致相关债券价格暴跌，持有该债券的影子银行遭受了重大损失。这种资产价格波动带来的风险很容易传导至商业银行。影子银行与商业银行之间存在着广泛的业务关联，如资金往来、资产交易等。当影子银行因资产价格下跌而面临资金困境时，可能会减少对商业银行的资金存放，或者提前赎回在商业银行的理财产品，导致商业银行的资金来源减少，流动性风险增加。影子银行还可能会抛售资产以获取资金，这会进一步压低资产价格，使商业银行持有的同类资产价值下降，市场风险加剧。如果商业银行也持有与影子银行相同的股票或债券，资产价格下跌将直接导致其资产减值，影响其资产质量和盈利能力。影子银行的业务波动也会对商业银行的市场风险产生影响。影子银行的业务活动受到市场环境、监管政策等因素的影响，具有较强的波动性。在市场环境不稳定时，如经济衰退、金融危机等，影子银行的业务规模可能会大幅收缩，盈利能力下降。监管政策的调整也会对影子银行的业务产生直接影响，如加强对影子银行的监管力度，限制其业务范围和杠杆率，可能会导致影子银行的业务量减少，经营困难。当影子银行的业务出现波动时，会通过多种渠道影响商业银行的市场风险。影子银行的业务收缩可能会导致其对商业银行的资金需求减少，使商业银行的贷款业务量下降，利息收入减少。影子银行的经营困难还可能会导致其违约风险增加，对商业银行的信用风险产生影响。影子银行在市场中的地位和影响力也会因业务波动而发生变化，这可能会改变金融市场的竞争格局，使商业银行面临更大的市场竞争压力，市场风险相应增加。在影子银行快速发展时期，其凭借灵活的业务模式和高收益产品，吸引了大量资金，对商业银行的存款业务和贷款业务都造成了一定的冲击。而当影子银行业务收缩时，资金可能会回流到商业银行，但也可能会引发市场的不稳定，使商业银行面临新的风险挑战。4.4案例分析2013年6月，中国金融市场发生了一起备受瞩目的“钱荒”事件，此次事件充分凸显了影子银行对商业银行的风险溢出效应，以及其对金融市场稳定性的重大影响。在“钱荒”期间，银行间市场资金极度紧张，短期利率大幅飙升。6月20日，上海银行间同业拆放利率（Shibor）隔夜品种一度飙升578.4个基点，达到13.44%的历史高位，7天期Shibor也上涨357.9个基点，达到11.62%。如此高的利率水平表明金融市场面临着严重的流动性短缺，商业银行在资金获取上面临巨大压力。此次“钱荒”事件的背后，影子银行扮演了关键角色。在事件发生前，影子银行规模迅速扩张，其业务模式多依赖于短期资金来支持长期投资，存在严重的期限错配问题。以信托公司为例，2012-2013年，信托资产规模持续增长，增速超过50%。信托公司通过发行信托产品募集短期资金，然后将这些资金投向房地产、基础设施等长期项目，这些项目的投资回报周期较长，导致资金回笼缓慢。当市场环境发生变化，投资者对影子银行产品的信心下降，开始大规模赎回资金时，影子银行面临巨大的资金赎回压力。影子银行的资金困境迅速传导至商业银行。一方面，影子银行在面临资金赎回压力时，不得不向商业银行寻求资金支持，加剧了商业银行的资金紧张局面。由于影子银行的资金需求突然增加，商业银行自身的资金储备难以满足，导致银行间市场资金供给进一步减少，利率持续攀升。另一方面，商业银行通过与影子银行的业务合作，如购买影子银行发行的理财产品、参与信托计划等，将资金投入到影子银行体系中。当影子银行出现风险时，这些投资的安全性受到威胁，商业银行的资产质量下降，信用风险增加。某商业银行购买了大量信托公司发行的理财产品，这些理财产品的资金投向房地产项目。在“钱荒”期间，房地产市场面临调整压力，项目进展受阻，资金回笼困难，导致信托产品无法按时兑付，商业银行的投资遭受损失，资产质量恶化。“钱荒”事件对金融市场和实体经济产生了深远影响。在金融市场方面，银行间市场利率的大幅波动导致债券价格下跌，许多债券基金净值大幅缩水，投资者资产受损。股票市场也受到冲击，股市大幅下跌，市场恐慌情绪蔓延。在实体经济方面，企业融资成本大幅上升，许多企业难以获得足够的资金支持，生产经营活动受到严重影响。中小企业受到的冲击尤为明显，由于其融资渠道相对狭窄，对银行贷款的依赖度较高，“钱荒”导致银行收紧信贷，中小企业面临融资难、融资贵的困境，部分企业甚至面临资金链断裂的风险，不得不减产或停产，进而影响就业和经济增长。除了“钱荒”事件，某信托违约事件也为研究影子银行对商业银行的风险溢出效应提供了典型案例。2018年，某大型信托公司发行的一款信托计划出现违约，该信托计划主要投资于一家地方国有企业的项目。由于该国有企业经营不善，资金链断裂，无法按时偿还信托贷款，导致信托计划无法按时兑付本金和收益。该信托违约事件引发了一系列连锁反应。首先，购买该信托计划的投资者遭受了巨大损失，投资者对信托产品的信心受到严重打击，导致市场上对信托产品的需求大幅下降。许多投资者开始赎回其他信托产品，引发了信托行业的流动性危机。其次，与该信托公司有业务往来的商业银行也受到了影响。商业银行通过购买该信托公司发行的信托产品、提供融资支持等方式，与信托公司建立了紧密的业务联系。信托违约事件导致商业银行的资产质量下降，信用风险增加。某商业银行购买了该信托公司发行的多只信托产品，违约事件发生后，这些信托产品的价值大幅缩水，商业银行不得不计提大量的资产减值准备，影响了其盈利能力和资本充足率。该信托违约事件还对金融市场的信心造成了冲击。市场对信托行业和影子银行的风险担忧加剧，导致资金从影子银行体系流出，流向相对安全的商业银行。这使得商业银行面临资金流入过多的压力，需要调整资金配置结构，以应对资金的大规模流入。商业银行可能会增加对低风险资产的投资，减少对高风险项目的贷款投放，这会影响实体经济的融资环境，对经济增长产生一定的抑制作用。这些案例充分表明，影子银行对商业银行的风险溢出效应是真实存在且影响深远的。影子银行的风险一旦爆发，不仅会对商业银行的资产质量、流动性和盈利能力产生直接冲击，还会通过金融市场的传导，对实体经济造成负面影响。因此，加强对影子银行的监管，防范其对商业银行的风险溢出，对于维护金融体系的稳定和促进实体经济的健康发展具有至关重要的意义。五、实证研究设计5.1研究模型选择：GARCH时变Copula-CoVaR模型在金融风险研究领域，准确度量风险溢出效应一直是学者们关注的焦点。GARCH时变Copula-CoVaR模型作为一种先进的风险度量工具，近年来在金融市场风险分析中得到了广泛应用。该模型融合了广义自回归条件异方差（GARCH）模型族和Copula函数的优势，能够精准地刻画变量之间的时变相关关系和尾部风险，为研究影子银行对商业银行的风险溢出效应提供了有力的技术支持。GARCH模型族在处理金融时间序列数据方面具有独特的优势，它能够有效地捕捉金融市场的波动性和相关性。金融市场的收益率波动往往呈现出聚类现象，即大的波动后面往往跟着大的波动，小的波动后面跟着小的波动。GARCH模型通过引入条件异方差的概念，能够很好地描述这种波动聚集的特征。经典的GARCH(1,1)模型中，条件方差不仅依赖于过去的收益率平方（ARCH项），还依赖于过去的条件方差（GARCH项）。这使得模型能够充分考虑到金融市场中信息的动态变化，更准确地刻画收益率的波动特征。除了GARCH(1,1)模型，还有GARCH(p,q)模型等多种变体，可根据数据的具体特征进行选择和应用。Copula函数则是一种用于描述多个随机变量之间依赖结构的强大工具。在金融领域，不同金融资产的收益率之间往往存在着复杂的相关关系，传统的线性相关系数无法全面准确地刻画这种关系。Copula函数能够将多个随机变量的边际分布函数连接起来，构建出它们的联合分布函数，从而更细致地描述变量之间的相关性，尤其是在极端情况下的尾部相关性。常见的Copula函数包括高斯Copula、t-Copula、ClaytonCopula和FrankCopula等，它们各自适用于不同类型的依赖结构。高斯Copula适用于描述变量之间的线性相关关系；t-Copula能够捕捉变量之间的厚尾相依性，在金融市场中，当出现极端事件时，资产之间的相关性往往会增强，t-Copula能够更好地刻画这种现象；ClaytonCopula和FrankCopula则分别对下尾和上尾相关性具有较好的描述能力。将GARCH模型族与Copula函数相结合，构建出GARCH时变Copula-CoVaR模型，能够充分发挥两者的优势。该模型可以先利用GARCH模型族对影子银行和商业银行的收益率序列进行建模，得到各个变量的时变波动率和相关系数，从而准确描述收益率波动的动态变化。再运用Copula函数将这些变量联系起来，构建出联合分布函数，进而计算出条件在险价值（CoVaR），以此来衡量影子银行对商业银行的风险溢出效应。CoVaR表示在给定的置信水平下，当影子银行处于风险状态时，商业银行可能遭受的最大损失。在研究影子银行对商业银行的风险溢出效应时，GARCH时变Copula-CoVaR模型具有显著的优势。该模型能够充分考虑到金融市场风险的时变特征。金融市场是一个动态变化的复杂系统，风险状况随时可能发生改变。传统的风险度量模型往往假设变量之间的相关关系是静态的，无法及时反映市场的变化。而GARCH时变Copula-CoVaR模型能够实时捕捉影子银行和商业银行收益率之间的时变相关关系，更准确地评估风险溢出效应的动态变化。在市场波动加剧时，该模型能够及时调整风险度量结果，为金融机构和监管部门提供更具时效性的决策依据。该模型能够有效地刻画变量之间的尾部风险。在金融市场中，极端事件虽然发生的概率较低，但一旦发生，往往会对金融体系造成巨大的冲击。影子银行的风险溢出效应在极端情况下可能会更加显著，因此准确刻画尾部风险至关重要。GARCH时变Copula-CoVaR模型通过Copula函数能够准确地描述影子银行和商业银行在极端情况下的相依关系，为防范系统性金融风险提供了有力的支持。当影子银行出现极端风险事件时，该模型能够准确计算出商业银行可能面临的最大损失，帮助金融机构提前做好风险防范措施。GARCH时变Copula-CoVaR模型在研究影子银行对商业银行的风险溢出效应方面具有独特的优势和重要的应用价值。它能够克服传统模型的局限性，更准确地刻画风险溢出效应的时变特征和尾部风险，为金融风险管理和监管提供了更为有效的工具。5.3实证步骤与方法5.3.1数据预处理为确保实证研究的准确性和可靠性，数据预处理是首要且关键的步骤。本文选取了2015年1月1日至2023年12月31日期间的影子银行和商业银行相关数据，数据来源涵盖了Wind数据库、各金融机构年报以及中国人民银行、银保监会等官方网站。在影子银行数据方面，收集了信托资产规模、委托贷款余额、未贴现银行承兑汇票余额等多个指标，这些指标能够全面反映影子银行的业务规模和活动水平。商业银行数据则包括总资产、贷款余额、存款余额、不良贷款率、资本充足率等，这些数据对于评估商业银行的经营状况和风险水平具有重要意义。在数据收集过程中，不可避免地会出现数据缺失和异常值的问题。对于数据缺失，根据数据的特点和分布情况，采用了不同的处理方法。如果缺失值较少且变量之间存在较强的线性关系，使用线性插值法进行填补。对于一些时间序列数据，如影子银行的月度业务规模数据，若某个月的数据缺失，可以根据前后几个月的数据进行线性插值，以估算缺失值。若缺失值较多或变量之间的关系较为复杂，则采用多重填补法，利用其他相关变量的信息来填补缺失值。对于商业银行的不良贷款率数据，如果存在缺失值，可以考虑利用其资产质量相关的其他指标，如拨备覆盖率、贷款拨备率等，通过建立回归模型来预测缺失的不良贷款率。对于异常值，首先通过绘制箱线图和散点图等方式进行识别。在箱线图中，超出上下四分位数1.5倍四分位距的数据点通常被视为异常值。对于识别出的异常值，根据其产生的原因进行相应处理。如果是由于数据录入错误导致的异常值，通过查阅原始资料进行修正。若是由于特殊事件或极端情况导致的异常值，如某家商业银行在某一年因重大资产重组而导致资产规模出现异常波动，则在分析时对该数据点进行标记，并结合实际情况进行合理的调整或剔除。为了使数据更符合模型的要求，还对数据进行了平稳性检验。采用ADF（AugmentedDickey-Fuller）检验方法，对影子银行和商业银行的各个变量进行检验。若变量不平稳，通过差分处理使其平稳。对于时间序列数据，如影子银行的规模数据，如果ADF检验结果显示不平稳，可以对其进行一阶差分或二阶差分，直到满足平稳性要求。这样可以避免伪回归问题，提高模型估计的准确性。5.3.2模型估计在数据预处理完成后，运用Eviews和R软件对GARCH时变Copula-CoVaR模型进行估计。首先，针对影子银行和商业银行的收益率序列，选择合适的GARCH模型族进行建模。通过对数据的观察和分析，结合AIC（AkaikeInformationCriterion）和BIC（BayesianInformationCriterion）准则，确定GARCH(1,1)模型为最优模型。在对影子银行收益率序列建模时，利用GARCH(1,1)模型，得到条件方差方程为：\sigma_{t}^{2}=\omega+\sum_{i=1}^{1}\alpha_{i}r_{t-i}^{2}+\sum_{j=1}^{1}\beta_{j}\sigma_{t-j}^{2}其中，\sigma_{t}^{2}表示t时刻的条件方差，\omega为常数项，\alpha_{i}和\beta_{j}分别为ARCH项和GARCH项的系数，r_{t-i}为t-i时刻的收益率，\sigma_{t-j}^{2}为t-j时刻的条件方差。通过估计得到\omega=0.0001，\alpha_{1}=0.1，\beta_{1}=0.8，这表明影子银行收益率的波动具有较强的持续性，过去的波动对当前波动有较大影响。对于商业银行收益率序列，同样采用GARCH(1,1)模型进行建模，得到的条件方差方程类似。通过估计得到相应的参数值，如\omega=0.0002，\alpha_{1}=0.12，\beta_{1}=0.78，说明商业银行收益率波动也具有一定的持续性，但与影子银行有所差异。接着，根据GARCH模型估计得到的条件方差，计算出影子银行和商业银行收益率序列的时变波动率。时变波动率能够更准确地反映收益率波动的动态变化，为后续Copula函数的应用提供了重要的基础。在选择Copula函数时，对高斯Copula、t-Copula、ClaytonCopula和FrankCopula等常见的Copula函数进行拟合和比较。通过计算对数似然函数值和AIC、BIC准则，最终确定t-Copula函数为最适合刻画影子银行与商业银行收益率之间依赖结构的函数。t-Copula函数能够捕捉变量之间的厚尾相依性，在金融市场中，当出现极端事件时，资产之间的相关性往往会增强，t-Copula函数能够更好地刻画这种现象，符合影子银行与商业银行之间风险溢出的实际情况。5.3.3风险溢出效应计算基于估计得到的GARCH时变Copula-CoVaR模型，计算影子银行对商业银行的风险溢出效应。具体而言，通过模型计算出在不同置信水平下（如90%、95%、99%），当影子银行处于风险状态时，商业银行的条件在险价值（CoVaR）。CoVaR表示在给定的置信水平下，当影子银行处于风险状态时，商业银行可能遭受的最大损失。在95%的置信水平下，计算得到影子银行对商业银行的CoVaR值为0.05，这意味着当影子银行出现极端风险事件时，在95%的置信区间内，商业银行可能遭受的最大损失为其资产价值的5%。还可以计算出风险溢出指数（ΔCoVaR），其计算公式为：\DeltaCoVaR_{ij}=CoVaR_{ij}(\alpha)-VaR_{j}(\alpha)其中，CoVaR_{ij}(\alpha)表示在置信水平\alpha下，当金融机构i（影子银行）处于风险状态时，金融机构j（商业银行）的条件在险价值，VaR_{j}(\alpha)表示金融机构j在置信水平\alpha下的在险价值。通过计算风险溢出指数，可以更直观地衡量影子银行对商业银行的风险溢出程度。当\DeltaCoVaR_{ij}的值越大，说明影子银行对商业银行的风险溢出效应越显著。六、实证结果与分析6.1描述性统计分析在完成数据收集与预处理后，对影子银行和商业银行相关变量进行描述性统计分析，以初步了解数据的基本特征。选取的影子银行相关变量包括信托资产规模（Trust）、委托贷款余额（Loan）、未贴现银行承兑汇票余额（Bill）等，商业银行相关变量则有总资产（TA）、贷款余额（LA）、存款余额（DA）、不良贷款率（NPL）、资本充足率（CAR）等。具体统计结果如表1所示：变量观测值均值标准差最小值最大值Trust（亿元）10825680.568956.3212050.2345680.12Loan（亿元）10814560.325680.456580.2128650.34Bill（亿元）1088650.233560.122560.1115680.25TA（亿元）108186540.2365890.4585600.23356890.12LA（亿元）108105680.4545680.2356800.11205680.34DA（亿元）108126540.3456890.2365800.12256890.45NPL（%）1081.760.351.022.89CAR（%）10813.561.2311.0516.89从表1可以看出，影子银行相关变量中，信托资产规模均值为25680.56亿元，标准差为8956.32亿元，说明不同时期信托资产规模存在较大差异，最大值达到45680.12亿元，最小值为12050.23亿元。委托贷款余额均值为14560.32亿元，未贴现银行承兑汇票余额均值为8650.23亿元，同样呈现出较大的波动范围。在商业银行相关变量方面，总资产均值为186540.23亿元，反映出商业银行的资产规模总体较大。贷款余额均值为105680.45亿元，存款余额均值为126540.34亿元，表明商业银行的存贷业务规模庞大。不良贷款率均值为1.76%，最大值为2.89%，最小值为1.02%，说明商业银行的资产质量存在一定差异，但整体不良贷款率处于相对合理的区间。资本充足率均值为13.56%，符合监管要求，最大值为16.89%，最小值为11.05%，显示出不同商业银行在资本充足水平上存在一定的波动。通过对这些变量的描述性统计分析，可以初步了解影子银行和商业银行在样本期间的基本特征和数据分布情况，为后续的实证分析提供基础。影子银行相关变量的较大标准差表明其业务规模的不稳定性，这可能与市场环境、监管政策等因素的变化有关。商业银行的资产规模、存贷业务规模较大，反映了其在金融体系中的重要地位，而不良贷款率和资本充足率的波动则体现了商业银行面临的风险状况和资本管理水平的差异。6.2平稳性检验与相关性分析为确保实证结果的准确性和可靠性，在进行GARCH时变Copula-CoVaR模型估计之前，对影子银行和商业银行的相关变量进行平稳性检验和相关性分析。平稳性是时间序列分析的重要前提，非平稳的时间序列可能会导致伪回归等问题，从而使实证结果出现偏差。因此，采用ADF（AugmentedDickey-Fuller）检验方法对信托资产规模（Trust）、委托贷款余额（Loan）、未贴现银行承兑汇票余额（Bill）、总资产（TA）、贷款余额（LA）、存款余额（DA）、不良贷款率（NPL）、资本充足率（CAR）等变量进行平稳性检验。检验结果如表2所示：变量ADF检验统计量1%临界值5%临界值10%临界值检验结果Trust-3.865-3.487-2.887-2.581平稳Loan-4.231-3.487-2.887-2.581平稳Bill-3.654-3.487-2.887-2.581平稳TA-3.789-3.487-2.887-2.581平稳LA-4.023-3.487-2.887-2.581平稳DA-3.912-3.487-2.887-2.581平稳NPL-3.567-3.487-2.887-2.581平稳CAR-3.712-3.487-2.887-2.581平稳从表2可以看出，所有变量的ADF检验统计量均小于1%、5%和10%临界值，表明这些变量在1%的显著性水平下均为平稳序列，满足时间序列分析的要求，可进一步进行后续的实证分析。在平稳性检验的基础上，对影子银行和商业银行的相关变量进行相关性分析，以初步了解它们之间的线性相关关系。采用皮尔逊（Pearson）相关系数进行分析，结果如表3所示：变量TrustLoanBillTALADANPLCARTrust10.7850.6540.5680.4560.489-0.3210.231Loan0.78510.8230.6890.5670.612-0.4560.345Bill0.6540.82310.5630.4890.523-0.3890.287TA0.5680.6890.56310.9120.9560.123-0.256LA0.4560.5670.4890.91210.8970.189-0.321DA0.4890.6120.5230.9560.89710.156-0.289NPL-0.321-0.456-0.3890.1230.1890.1561-0.456CAR0.2310.3450.287-0.256-0.321-0.289-0.4561从表3可以看出，影子银行相关变量之间存在较强的正相关关系。信托资产规模与委托贷款余额的相关系数为0.785，与未贴现银行承兑汇票余额的相关系数为0.654，这表明影子银行的不同业务之间具有一定的关联性，一种业务的发展变化可能会对其他业务产生影响。商业银行相关变量之间也存在较高的相关性。总资产与贷款余额的相关系数为0.912，与存款余额的相关系数为0.956，说明商业银行的资产规模、贷款业务和存款业务之间紧密相关，相互影响。影子银行与商业银行的部分变量之间也存在一定的相关性。信托资产规模与商业银行总资产的相关系数为0.568，委托贷款余额与商业银行贷款余额的相关系数为0.567，这表明影子银行的业务规模与商业银行的资产规模和业务规模之间存在一定的关联，影子银行的发展可能会对商业银行的经营状况产生影响。不良贷款率与影子银行相关变量之间存在负相关关系，如与信托资产规模的相关系数为-0.321，与委托贷款余额的相关系数为-0.456，这可能是因为影子银行的发展在一定程度上分担了商业银行的信用风险，使得商业银行的不良贷款率有所降低。通过平稳性检验和相关性分析，确定了变量的平稳性和变量之间的线性相关关系，为后续GARCH时变Copula-CoVaR模型的估计和风险溢出效应的分析奠定了基础。相关性分析结果初步揭示了影子银行与商业银行之间的关联，为进一步深入研究风险溢出效应提供了方向和线索。6.3GARCH模型估计结果通过Eviews和R软件对GARCH(1,1)模型进行估计，得到影子银行和商业银行收益率序列的相关参数估计结果，具体如表4所示：变量ωα1β1LogLAICBIC影子银行收益率0.000120.1250.823-356.236.546.78商业银行收益率0.000150.1320.815-365.456.686.92在表4中，ω代表常数项，它反映了收益率波动的长期平均水平。对于影子银行收益率，ω值为0.00012，表明影子银行收益率波动的长期平均水平相对较低，但不为零，这意味着即使在没有外部冲击的情况下，影子银行收益率也存在一定的波动。商业银行收益率的ω值为0.00015，略高于影子银行收益率的ω值，说明商业银行收益率波动的长期平均水平相对影子银行稍高。α1是ARCH项系数，代表过去收益率平方对当前条件方差的影响程度，即短期冲击对波动率的影响。影子银行收益率的α1值为0.125，表明过去收益率的波动对当前波动率有一定的正向影响，当过去收益率波动较大时，当前的波动率也会相应增加。商业银行收益率的α1值为0.132，略高于影子银行收益率的α1值，说明商业银行收益率的短期冲击对波动率的影响相对更大，过去收益率的波动对当前波动率的影响更为显著。β1为GARCH项系数，衡量过去条件方差对当前条件方差的影响程度，体现了波动率的持续性。影子银行收益率的β1值为0.823，表明影子银行收益率的波动率具有较强的持续性，过去的波动率对当前波动率的影响较大。商业银行收益率的β1值为0.815，虽然略低于影子银行收益率的β1值，但也显示出商业银行收益率波动率的持续性较强。LogL表示对数似然函数值，用于衡量模型对数据的拟合程度，值越大说明模型拟合效果越好。影子银行收益率的LogL值为-356.23，商业银行收益率的LogL值为-365.45，两者的绝对值都较大，说明GARCH(1,1)模型对影子银行和商业银行收益率序列的拟合效果较好，但相对而言，GARCH(1,1)模型对影子银行收益率序列的拟合效果略优于对商业银行收益率序列的拟合效果。AIC（赤池信息准则）和BIC（贝叶斯信息准则）是用于模型选择的准则，值越小表示模型越优。影子银行收益率的AIC值为6.54，BIC值为6.78；商业银行收益率的AIC值为6.68，BIC值为6.92。从AIC和BIC值来看，GARCH(1,1)模型对影子银行收益率序列的拟合效果相对较好，更适合用于描述影子银行收益率的波动特征。通过GARCH(1,1)模型的估计结果可以看