一、引　言

防控金融风险是新时代我国金融工作的三大任务之一，尤其是系统性金融风险目前已受到政府特别的关注（许友传，2018）。虽然我国金融体系在2008年国际金融危机时期受到的直接影响相对较小，但是当下存在不容忽视的系统性金融风险隐患，防范化解系统性风险、维护国家金融安全和稳定可谓任重道远。准确度量系统性风险是科学防控金融风险、加强金融监管的基础，任何有效的监管措施都必须以此为前提条件。由于金融市场数据具有可获得性强、高频、富有前瞻性等特征，基于市场数据的度量方法能够对系统性风险进行实时度量监测，且不拘泥于金融机构间某一特定的关联形式，综合考虑各种潜在的风险传播渠道，能够对系统性风险进行全局性多渠道的测度研究（Benoit等，2017）。国外学者基于金融市场数据提出了许多系统性风险的度量方法，受到学术界的广泛关注。国内学者积极引进与应用这些前沿的新方法新技术，并结合我国金融业实际情况，在系统性风险度量领域取得了一系列的研究成果，为我国防范化解系统性风险做出了重要贡献。

事实上，金融机构的系统性风险包括两个方面：一是风险贡献（risk contribution）；二是风险敞口（risk exposure）。两者的风险传导方向恰好相反，前者是机构对系统的影响，后者是系统对机构的影响。其中，系统性风险敞口（systemic risk exposure）评估危机发生时哪些机构将受到严重威胁，面临的风险最大，其思想与金融监管当局所做的压力测试相同，代表性的度量方法有MES；系统性风险贡献（systemic risk contribution）则评估哪些金融机构陷入困境对整个金融系统来说最危险，代表性的度量方法有ΔCoVaR。系统性风险敞口反映机构的系统脆弱性，系统性风险贡献反映机构的系统重要性，两者对应不同的监管目标和政策工具，对金融机构的宏观审慎监管应综合考虑两个方面的结果，根据机构的类型来选择合适的监管目标和政策工具。

然而，国内现有研究大多从金融机构系统性风险的某一方面进行度量评估，且尚未明确区分两者在理论和政策意义上的不同，部分学者甚至采用系统脆弱性的度量指标来测度机构的系统重要性。实际上，Adrian和Brunnermeier（2016）在提出ΔCoVaR指标时就特别强调了CoVaR条件方向的重要性，即如果将ΔCoVaR的条件颠倒，关注的焦点问题则变成给定整个金融系统陷入困境，一个特定机构的风险将会增加多少，回答哪些机构在金融危机发生时面临的风险最高、对金融危机的敞口最大。Adrian和Brunnermeier（2016）将其称为Exposure-ΔCoVaR，它是单个机构对系统困境敞口（exposure to system-wide distress）的测度；ΔCoVaR则衡量单个机构从中间状态到困境状态，金融系统风险的增量变化，检测哪些金融机构陷入困境对整个金融系统来说最危险。可见，条件方向从根本上改变了系统性风险度量指标的含义。ΔCoVaR和Exposure-ΔCoVaR在统一的CoVaR框架下展开，系统重要性与系统脆弱性的度量结果更具可比性。鉴于此，本文采用ΔCoVaR和Exposure-ΔCoVaR方法，对我国33家上市金融机构的系统性风险进行全面的测度分析，识别系统重要性与系统脆弱性机构，并考察影响机构系统重要性与脆弱性的因素，以期为我国防范系统性风险、维护金融安全稳定提供依据和指导。

二、文献综述

本文重点关注系统性风险度量的尾部依赖方法。^①Adrian和Brunnermeier（2016）提出了条件风险价值CoVaR的概念，ΔCoVaR和Exposure-ΔCoVaR分别测度单个机构的系统性风险贡献与敞口。CoVaR方法具有很强的包容性，它考虑了风险传导的方向，能够捕捉金融机构系统性风险的两个方面。Acharya等（2017）提出了系统期望损失（Systemic Expected Shortfall，SES）和边际期望损失（Marginal Expected Shortfall，MES）。SES是整个金融系统资本短缺时单个机构的资本短缺水平，单个机构的系统性风险可通过SES来度量；MES则是整个金融部门的收益率处于尾部时单个机构收益率的期望损失。SES基于危机发生的事后数据进行测度，MES则基于危机发生前的数据进行测度。SES与机构的杠杆率和MES存在线性关系，可以通过机构在危机前的杠杆率和MES来预测危机中SES的实现值（Realized SES）。同时，鉴于Acharya等（2017）提出的SES无法进行事前测度，Brownlees和Engle（2017）提出测度金融机构系统性风险的实证方法SRISK。SRISK是市场长时间下跌这一系统性事件下金融机构的预期资本短缺（Expected Capital Shortfall），它是机构规模、杠杆水平和长期边际期望损失（Long Run Marginal Expected Shortfall，LRMES）的函数。SRISK可以对单个机构的系统性风险进行排序，且单个机构SRISK的加总（aggregate SRISK）能够测度整个金融部门总体的系统性风险水平。

与SES、MES和SRISK的思路一致，Huang等（2009）以及Huang等（2012）也关注了金融系统处于困境时单个机构的潜在损失，提出了困境保费（Distress Insurance Premium，DIP）。他们基于CDS数据，利用DIP测度整体部门和单个机构的系统性风险。正如Huang等（2012）所言，MES和DIP的主要区别是前者基于股票收益数据，后者主要基于CDS数据。

总的来看，ΔCoVaR以单个机构的状态为条件来研究金融系统的表现，度量机构的系统重要性；Exposure-ΔCoVaR、MES和DIP等方法研究金融系统处于困境时单个机构的表现，度量机构的系统脆弱性。国内学者主要借鉴上述方法来测度中国金融机构的系统性风险。例如，李志辉和樊莉（2011）、周天芸等（2012）以及田娇和王擎（2015）基于ΔCoVaR方法测算我国商业银行的系统性风险；方意等（2012）以及梁琪等（2013）则利用SRISK方法测度了我国上市金融机构的系统性风险。由于系统性风险不同的测度方法各有侧重，也有部分学者将视野转向不同方法间的比较。卜林和李政（2015）以及赵进文等（2013）基于ΔCoVaR和MES测度了上市金融机构的系统性风险，并比较了两种方法及结果的不同。而遗憾的是，国内现有文献大多关注金融机构系统性风险的某一方面，且尚未明确区分风险贡献与风险敞口在理论和政策意义上的不同，甚至存在度量方法的误用。

本文尝试基于CoVaR的统一框架，采用ΔCoVaR和Exposure-ΔCoVaR度量我国金融机构的系统重要性与脆弱性，并从时空两个维度考察它们的特征和影响因素，以期对现有研究做出有益的补充和完善。

三、研究方法

（一）ΔCoVaR和Exposure-ΔCoVaR的定义。金融系统的CoVaR定义为整个金融部门在机构 $i$ 处于特定状态下的VaR，ΔCoVaR为一个机构处于困境状态下系统的CoVaR与该机构处于中间状态下系统的CoVaR之差。ΔCoVaR测度了金融系统面临的风险如何随特定机构陷入困境而发生变化，衡量了特定金融机构的系统重要性。

${X^i}$ 和 ${X^s}$ 分别表示机构 $i$ 和金融系统的收益率， $VaR_q^i$ 为 ${X^i}$ 的 $q\% $ 分位数， $VaR_q^s$ 是 ${X^s}$ 的 $q\% $ 分位数。金融系统的 $CoVaR_q^{s\left| {C({X^i})} \right.}$ 为机构 $i$ 在条件事件 $C({X^i})$ 下金融系统的VaR，可表示为一个条件概率分布的 $q\% $ 分位数：

条件事件 $C({VaR_5^i})$ 为 ${X^i} = VaR_5^i$ 时机构 $i$ 处于困境状态，条件事件 $C({VaR_{50}^i})$ 为 ${X^i} = VaR_{50}^i$ 时机构 $i$ 处于中间状态。机构 $i$ 的ΔCoVaR可表示为：

ΔCoVaR具有方向性，将条件颠倒，研究视角则转向整个金融系统陷入困境时，特定金融机构的风险将会增加多少，从而可以发现哪些机构在金融危机发生时面临的风险最大，这与 $\Delta CoVaR_q^{s|i}$ 所表示的哪些机构陷入困境对整个金融系统来说最危险恰好相反。本文用 $\Delta CoVaR_q^{i|s}$ 来刻画金融系统从中间状态（ ${X^s} = VaR_{50}^s$ ）到困境状态（ ${X^s} = VaR_5^s$ ）时，机构 $i$ 在险价值VaR的增量：

条件的方向至关重要，它从根本上改变了系统性风险度量指标的含义。 $\Delta CoVaR_q^{s|i}$ 以机构 $i$ 的状态为条件，考察金融系统的VaR变化，反映机构 $i$ 的系统重要性； $\Delta CoVaR_q^{i|s}$ 以金融系统的状态为条件，考察机构 $i$ 的VaR变化，反映机构 $i$ 的系统脆弱性。本文将 $\Delta CoVaR_q^{s|i}$ 简记为ΔCoVaR， $\Delta CoVaR_q^{i|s}$ 简记为Exposure-ΔCoVaR。

（二）ΔCoVaR和Exposure-ΔCoVaR的估计。本文延续Adrian和Brunnermeier（2016）的分位数回归方法，对ΔCoVaR和Exposure-ΔCoVaR进行估计。本文基于周频数据构建如下分位数回归模型：

其中， ${M_{t - 1}}$ 为滞后一期的状态变量。我们对（4）式进行5%和50%分位数回归，得到 $VaR_{5,t}^i$ 和 $VaR_{50,t}^i$ ：

本文取q等于5，对（5）式进行5%分位数回归，得到 $\beta _5^{s|i}$ 估计值和 $CoVaR_{5,t}^i$ 预测值：

最后，本文计算每个金融机构的系统重要性度量指标 $\Delta CoVaR_{5,t}^{s|i}$ ：

同理，每个金融机构的系统脆弱性度量指标 $\Delta CoVaR_{5,t}^{i|s}$ 为：

鉴于金融机构的股票收益率仅反映权益市值的变动情况，本文采用总资产市值（market-valued total assets）的变动率作为单个金融机构的收益率。总资产市值等于资产的账面价值除以权益的账面价值再乘以权益市值，即基于账面价值的杠杆率乘以权益市值。本文借鉴Adrian和Brunnermeier（2016）构建金融系统收益率的方法，将单个金融机构收益率以滞后一期的资产市值加权平均得到金融系统收益率。本文在计算特定金融机构的ΔCoVaR和Exposure-ΔCoVaR时，构建的金融系统收益率都会剔除该机构。同时，本文延续Adrian和Brunnermeier（2016）的研究，选取了7个状态变量。表1给出了选择的状态变量及其计算方法。

考虑到我国金融机构的上市时间不同，为了尽可能纳入更多的机构、涵盖更长的时间，本文将样本区间设定为2011年1月1日至2017年12月31日，研究样本包含2011年之前上市的33家金融机构，其中商业银行16家，证券公司14家，保险公司3家。本文的金融机构股票价格采用后复权收盘价，所有数据均来自Wind数据库。

四、实证分析结果

（一）金融机构系统重要性与脆弱性的截面特征。表2给出了我国33家上市金融机构系统重要性的截面特征。其中，系统重要性排名（按部门分类）依据每家金融机构2011—2017年ΔCoVaR的中值，^②资产和杠杆率排名（按部门分类）则分别依据每家机构2011—2017年的资产均值和杠杆率均值。从三个金融部门来看，保险公司、商业银行和证券公司ΔCoVaR的中值分别为1.927%、1.872%和1.575%，表现出依次递减的特征，保险公司和商业银行的系统重要性高于证券公司。保险公司、商业银行和证券公司ΔCoVaR的均值分别为2.080%、2.057%和1.641%，同样依次递减。因此，相对于证券公司，保险公司和商业银行的系统性风险贡献更应受到金融监管当局的关注。

从同一金融部门内部来看，首先，在商业银行中，四家大型商业银行的ΔCoVaR较高，表明其具有较高的系统重要性，而且这些大型商业银行的资产规模排名也最靠前，这与梁琪和李政（2014）以及方意（2017）的研究结论一致，即资产规模是银行系统重要性排序的重要影响因素。需要特别注意的是，兴业和华夏两家股份制商业银行的ΔCoVaR在部门排序中非常靠前，甚至高于交通银行这家大型商业银行，对整个金融系统的风险贡献较高，而且这两家银行的杠杆率排在部门前两位。这表明系统重要性不仅与金融机构的资产规模相关，也应考虑其杠杆率水平。杠杆率越高意味着金融机构的经营越激进，在盈利状态下，可以用少量的资本获得较多的收益，但在极端条件下，过高的杠杆率将扩大损失，资不抵债的可能性较大。此外，这些股份制银行在金融创新方面十分活跃，从事创新型同业业务较多，与系统中其他金融机构的关联性较高，一旦面临破产，其业务伙伴也将面临巨大的风险，从而给整个金融系统的稳定安全带来严重威胁。其次，在保险公司中，中国平安的ΔCoVaR中值最高，资产规模和杠杆率也最高。这反映了中国平安的经营风险及其对整个金融系统的影响力，这与其较高的综合经营水平，横跨保险、银行和证券等多项业务的经营模式密切相关。最后，证券公司的ΔCoVaR远低于保险公司和商业银行，而系统性重要性排名前三的华泰、广发和海通证券的ΔCoVaR中值在商业银行和保险公司中处于中等水平。因此，证券公司潜在的系统性风险贡献也不容忽视。

本文还计算了33家上市金融机构ΔCoVaR排名、资产排名和杠杆率排名的Spearman相关系数。结果表明，ΔCoVaR排名与资产排名的相关系数为0.7057，在1%的水平上显著；ΔCoVaR排名与杠杆率排名的相关系数为0.1349，但不显著。这进一步表明资产规模是影响金融机构系统重要性的重要因素。

表3给出了我国33家上市金融机构系统脆弱性的截面特征。与表2类似，系统脆弱性排名（按部门分类）依据每家机构2011—2017年Exposure-ΔCoVaR的中值，资产和杠杆率排名与表2相同。从中可以发现，证券公司、商业银行和保险公司的Exposure-ΔCoVaR中值依次递减，从均值来看也能得到相同的结论，而这一发现与上文中ΔCoVaR的结果恰好相反。实际上出现这一结果并不意外，ΔCoVaR和Exposure-ΔCoVaR测度了单个机构系统性风险的不同方面，前者反映其系统重要性，后者反映其系统脆弱性。此外，MES方法与Exposure-ΔCoVaR的思路本质上是一致的。国内一些学者采用MES方法得出我国金融机构具有“小机构、大风险贡献”的特征，实际上是一种错误的解读，证券公司的Exposure-ΔCoVaR和MES中值较高，表明其具有较强的系统脆弱性，仅采用MES来度量金融机构的系统重要性并不合适。

将商业银行进一步细分，从表3中可以看出，华夏、民生、兴业等全国性股份制商业银行的Exposure-ΔCoVaR中值和均值都排在前面，北京、南京、宁波等城市商业银行排在中间，而工、农、中、建等大型商业银则排在最后。这在一定程度上说明大型商业银行抵御风险的能力明显好于全国性股份制商业银行和城市商业银行。事实上，《中国金融稳定报告（2016）》中关于银行业压力测试（测试对象包括31家大中型商业银行）的结果表明，在不同程度的信用风险、利率风险等冲击下，大型商业银行的资本充足率和净息差等指标表现都明显优于中型商业银行。这表明大型商业银行在压力情景下稳健经营的能力要优于中型商业银行，即大型商业银行的抗风险能力较强，系统脆弱性较低。同时，《中国金融稳定报告（2012）》指出五家大型商业银行的边际利润率要高于12家股份制商业银行，在2008年金融危机时，前者的边际利润率为25.86%，后者只有17.96%。这说明在金融危机中大型商业银行获取利润的能力要好于其他股份制商业银行，从侧面反映了大型商业银行较低的系统脆弱性。

本文进一步计算了33家上市金融机构Exposure-ΔCoVaR排名、资产排名和杠杆率排名的Spearman相关系数，计算结果与上文中ΔCoVaR的结果存在显著差异。Exposure-ΔCoVaR排名与资产排名的相关系数仅为0.0669，且p值高达0.7114；Exposure-ΔCoVaR排名与杠杆率排名的相关系数为0.5593，在1%的水平上显著，表明杠杆率是影响金融机构系统脆弱性排序的重要因素。

另外，金融监管当局需要特别关注ΔCoVaR和Exposure-ΔCoVaR排名都比较靠前的金融机构，其系统重要性和脆弱性都较高，即金融系统处于压力情景将给这些机构带来巨大损失，这些机构处于压力情景也将给整个金融系统带来巨大损失。如果金融机构的系统重要性和脆弱性存在错配，则对金融稳定大有好处。具体而言，系统重要性机构对整个金融系统的影响较大，如果其系统脆弱性也较高，一旦出现破产等极端情况，将严重威胁金融系统的安全稳定；而如果系统脆弱性较高的金融机构系统重要性较低，由于风险传染能力较低，当陷入困境时，其对整个金融系统的风险溢出也会较小。

为了进一步研究金融机构系统重要性和脆弱性的相关关系，本文计算了33家金融机构ΔCoVaR排名和Exposure-ΔCoVaR排名的Spearman相关系数。结果显示相关系数都不显著，即从整体上看，33家上市金融机构并未出现系统重要性与脆弱性错配的情况。因此，我们要密切关注ΔCoVaR和Exposure-ΔCoVaR都非常高的金融机构，一旦其出现极端情形，风险将会迅速呈螺旋式传染，给金融系统的安全稳定带来严重威胁。

虽然从整体上33家金融机构的ΔCoVaR和Exposure-ΔCoVaR在截面维度上不存在显著的相关关系，但是不同的机构在系统重要性与脆弱性方面却表现出差异性的特征。比如，四家大型商业银行的ΔCoVaR较高，而Exposure-ΔCoVaR较低，表明它们具有较高的系统重要性和较低的系统脆弱性。作为进入全球系统重要性银行名单的机构，四大行具有较高的系统重要性毋庸置疑。四大行的国有股权比例较高，国有股权会使其偏好谨慎保守的商业模式和风险文化（梁琪和余峰燕，2014），银行经营总体上比较稳健。因此，四大行的Exposure-ΔCoVaR较低、抗风险能力较强，具有较低的系统脆弱性。而少数金融机构却同时具有较高的ΔCoVaR和Exposure-ΔCoVaR，这些机构偏好高风险的商业模式，杠杆率水平高，资产扩张速度快，风险资产比重高，银行经营总体上比较激进，且资产规模和关联度也较大，因而系统脆弱性和重要性都较高。

（二）金融机构系统重要性与脆弱性的时序特征。系统性风险的度量与监管具有两个维度，一是截面维度，二是时间维度。接下来，本文考察了金融机构系统重要性与脆弱性的时序特征。图1给出了2011—2017年33家金融机构ΔCoVaR和Exposure-ΔCoVaR中值的时序变化。上文研究表明，金融机构的系统重要性与脆弱性在截面维度上并无显著的相关关系。图1表明两者在时间维度上存在同增同减的趋势，样本机构ΔCoVaR和Exposure-ΔCoVaR中值序列的相关系数为0.9408，在1%的水平上显著。

图 1 2011−2017年33家金融机构系统重要性与脆弱性的时序特征

图选项

ΔCoVaR和Exposure-ΔCoVaR的时序特征还可以通过周期性和协同性来理解。在2011年央行6次提高存款准备金率、3次加息等政策频繁调整以及2013年6月和12月银行间利率飙升、流动性趋紧期间，ΔCoVaR和Exposure-ΔCoVaR都出现小波峰，表现出明显的顺周期性与协同性。田娇和王擎（2015）对风险溢出较大的银行经济周期敏感性的研究也得到类似的结果。需要特别注意的是，在2015年股灾危机以及2016年金融机构流动性危机期间，ΔCoVaR和Exposure-ΔCoVaR出现大幅攀升，即机构对系统以及系统对机构的风险溢出都在增加。这恰好描述了金融风险相互传染的螺旋式特征，在危机期间，单个金融机构的风险会通过机构间的合同关系和交易伙伴的信用风险传染给其他金融机构乃至整个金融系统，而整个金融系统的风险处于高位时也会通过价格效应和流动性螺旋等传染给各个机构。

ΔCoVaR和Exposure-ΔCoVaR都表现出顺周期性，而且两者具有协同变化的特征，风险在单个机构与金融系统之间呈螺旋式传导。因此，防范金融机构的系统性风险，既要重视单个机构对金融系统的风险贡献，也要关注机构对金融系统的风险敞口，不可偏废其一，系统重要性与脆弱性机构都应得到金融监管当局的重视。

图1描绘了样本机构ΔCoVaR和Exposure-ΔCoVaR的时序特征。在上文的截面特征分析中，本文发现银行和保险部门的ΔCoVaR中值高于证券部门，而证券部门的Exposure-ΔCoVaR中值高于银行和保险部门。那么，这一差异是否持续存在？图2进一步给出了三种类型金融机构ΔCoVaR和Exposure-ΔCoVaR的时序变化情况。图2直观地表明，在整个样本区间内，银行和保险部门的ΔCoVaR中值确实要高于证券部门，Exposure-ΔCoVaR在部门间的特征则恰好相反。特别是在2015年股灾危机以及2016年金融机构流动性危机期间，银行和保险部门对整个金融系统的风险溢出明显高于证券部门，而金融系统对证券部门的风险溢出明显高于银行和保险部门。这表明系统重要性与脆弱性在不同金融部门之间表现出的差异性特征在整个样本区间内基本保持稳定，不同部门的系统重要性与脆弱性在很大程度上由资产规模、杠杆率、经营模式等行业自身特征所决定，并不随宏观经济环境等外在因素的变化而变化。

图 2 2011−2017年不同金融部门系统重要性与脆弱性的时序特征

图选项

接下来，本文通过分析每家机构的ΔCoVaR和Exposure-ΔCoVaR在各年度的中值及其在部门内的排名，从机构层面考察ΔCoVaR和Exposure-ΔCoVaR的时变特征。^③首先，2011—2017年，四家大型商业银行的ΔCoVaR基本位于部门前列，Exposure-ΔCoVaR则始终排在部门最后。这说明四家大型商业银行具有较高的系统重要性和较低的系统脆弱性，在维护我国金融安全稳定方面发挥了重要作用。其次，在样本期内，全国性股份制银行的Exposure-ΔCoVaR排在部门前列，其中部分银行的ΔCoVaR在部门中也排在前面。由于金融机构的系统重要性与脆弱性同时高企将威胁金融系统稳定，这些同时具有较高系统重要性与脆弱性的机构需要监管部门给予特别的关注。再次，在证券公司中，国金、招商、广发三家公司的Exposure-ΔCoVaR在2011—2017年始终位于部门前三位，而国金和招商证券的ΔCoVaR较低，排在部门后面，广发与华泰、海通等证券公司的ΔCoVaR则处于部门前列。因此，监管当局应根据每家证券公司的系统重要性与脆弱性特征，对其进行科学有效的分类并实施差异化监管。最后，中国平安的Exposure-ΔCoVaR在2011—2017年一直位于部门首位，同时其ΔCoVaR有5年都排在部门第一，显示出较高的系统重要性与脆弱性。

（三）系统重要性与脆弱性的影响因素分析。上文的截面和时序特征分析表明，金融机构的系统重要性与脆弱性在不同类型的金融机构间呈现完全不同的特征，在同类型的各机构之间也存在显著差异。那么，这种差异是否与金融机构的类型及个体特征相关？已有研究表明，金融机构系统性风险与自身风险、资产组成、期限错配程度、机构规模、杠杆率、业务构成等存在相关关系（López-Espinosa等，2012；Ellis等，2014；Adrian和Brunnermeier，2016；Pagano和Sedunov，2016）。鉴于此，本文尝试以ΔCoVaR和Exposure-ΔCoVaR为被解释变量，以机构的在险价值、规模、杠杆率、期限错配和融资融券为解释变量，^④将上文中的状态变量作为控制变量，研究金融机构系统重要性与脆弱性的影响因素。表4给出了系统重要性与脆弱性的影响因素分析结果，所有变量均采用季度数据，且所有解释变量和控制变量均采用滞后一期值。为了保证结果的可靠性，本文采用逐步回归的方法，先对5个主要解释变量进行回归，然后给出考虑所有变量的分析结果。

表4结果表明，首先，与上文的相关性分析结果一致，资产规模是金融机构系统重要性的重要决定因素，杠杆率则是机构系统脆弱性的重要影响因素。虽然列（3）中杠杆率对机构ΔCoVaR的影响系数显著为正，但是在控制机构规模等其他因素后，杠杆率的影响系数大幅降低且不再显著。其次，机构期限错配对ΔCoVaR和Exposure-ΔCoVaR的影响系数均显著为负，表明金融机构的期限错配越严重，其系统重要性与脆弱性越大；同时，列（6）和列（12）结果显示，机构自身风险对ΔCoVaR和Exposure-ΔCoVaR的影响系数显著为正，说明自身风险较大的机构系统重要性与脆弱性也较大，这与López-Espinosa等（2012）以及Adrian和Brunnermeier（2016）的结论一致。最后，证券公司的融资融券规模与Exposure-ΔCoVaR显著正相关，而对ΔCoVaR没有显著影响，这与Ellis等（2014）的分析结论基本一致。即证券公司可能因持有更多受市场波动影响较大的资产，更易受到金融市场的冲击，从而系统脆弱性更大。

五、结论与建议

金融机构的系统性风险包括风险贡献与风险敞口两个方面，两者的风险传导方向恰好相反，其理论和政策意义存在明显不同。系统性风险贡献反映机构的系统重要性，系统性风险敞口反映机构的系统脆弱性，对单个金融机构的监管应当兼顾机构的系统性重要性与脆弱性，不可偏废其一。本文基于CoVaR的统一框架，采用ΔCoVaR和Exposure-ΔCoVaR方法，从风险贡献与风险敞口两个方面，评估了我国33家上市金融机构的系统性风险，考察了金融机构系统性重要性与脆弱性的截面与时序特征以及影响因素。研究结果表明：（1）保险公司和商业银行的系统性重要性高于证券公司，证券公司的系统性脆弱性则高于商业银行和保险公司，而且这种差异在时间维度上持续存在。（2）虽然整体上33家金融机构的系统性重要性与脆弱性在截面上不存在显著的相关关系，但是不同的机构在系统性重要性与脆弱性方面却表现出差异性的特征。其中，四家大型商业银行的系统性重要性较高而系统脆弱性较低，少数金融机构却同时具有较高的系统重要性与脆弱性。（3）相关性分析和回归分析表明，资产规模是金融机构系统重要性的重要影响因素，杠杆率则是机构系统脆弱性的重要影响因素。此外，证券公司的融资融券规模对其系统脆弱性有显著的正向影响，但对系统重要性并没有显著影响。

本文研究结果的政策含义主要体现在以下三个方面：第一，分机构类型进行监管。本文的度量结果表明，保险公司和商业银行的系统重要性高于证券公司，而证券公司的系统脆弱性则高于商业银行和保险公司。这一结论与不同类型机构的行业特征密切相关，也是中国特色背景下的结果。因此，监管当局需要根据三类机构在系统重要性与脆弱性方面的差异，选择有针对性的监管目标和政策工具进行差别监管。第二，加强对重点金融机构的监管。不同机构在系统重要性与脆弱性方面表现出差异性的特征，对于系统重要性较高而脆弱性较低的机构，监管的关键在于降低这些机构的风险外溢能力和水平；对于系统脆弱性较高而重要性较低的机构，监管的关键在于增强其自身经营的稳健性和抗风险能力；对于系统重要性与脆弱性都较高的机构，监管部门对这些机构应给予特别的关注，它们是防范化解系统性风险、维护我国金融安全稳定的关键所在。第三，根据机构系统重要性与脆弱性的主要影响因素，选择科学有效的监管工具。在对金融机构进行分类后，监管当局可依据影响其系统重要性与脆弱性的因素，有的放矢地选择政策工具，从而提高监管的科学性和有效性。

① 限于篇幅，这里仅对尾部依赖方法进行评述，系统未定权益分析SCCA等联合违约方法（李志辉等，2016）、Granger因果网络等关联性度量方法（李政等，2016）、基于金融机构财务数据的网络模型（范小云等，2012；廉永辉，2016）以及“去一法”（杨子晖和李东承，2018）等结构化方法也得到国内外学者的关注。

② 本文的金融机构系统重要性与脆弱性是基于金融市场数据度量评估的，受到市场噪音等多种因素的干扰。与均值相比，中值受极端值的影响相对较小。因此，本文系统重要性与脆弱性的排名采用指标的中值。

③ 限于篇幅，正文中未列出33家金融机构每一年ΔCoVaR和Exposure-ΔCoVaR的中值及其排名。

④ 本文将ΔCoVaR和Exposure-ΔCoVaR由周频转化为季频，作为被解释变量。在解释变量中，规模以总资产取自然对数度量，杠杆率以负债除以总资产度量，融资融券以证券公司每个季度末融资融券余额除以资产度量。期限错配采用Adrian和Brunnermeier（2016）的度量方法，以资产除以（短期负债−现金）测度，该指标值越小，表明期限错配越严重；由于存款准备金制度，银行的现金以现金及存放于中央银行的款项度量，保险和证券公司的现金以货币资金度量。