［提要］　影子银行的风险防范能力和效果直接影响金融市场的稳定运行和经济发展，研究影子银行对金融市场的风险溢出效应具有重要意义。本文综合运用CoVaR模型和GARCH模型，衡量影子银行与金融市场之间的风险溢出效应，针对影子银行与金融市场的风险监管和经济发展提出对策建议。

关键词：影子银行；风险溢出效应；GARCH模型；CoVaR模型

中图分类号：F222；F83 文献标识码：A

收录日期：2022年10月12日

一、文献综述

近年来，随着影子银行规模逐渐增大，影子银行业务结构变换复杂，大量的杠杆操作极大地增加了全球经济发展的难度，对整个金融市场的宏观经济造成影响。因此，研究影子银行对金融市场的风险溢出效应，便于对影子银行与金融市场近十年的风险情况进行分析与预测，为投资者投资理财打下坚实基础。

国内外学者对于金融机构的风险溢出效应的度量方法研究较为广泛，其研究发展比较成熟。为了研究金融个体风险值，JP.Morgan（1995）最先提出了在险价值理论，该理论可以在给定期限内和置信水平下，对金融个体风险进行计算。VaR模型只能对单个金融个体进行风险的度量，且容易受到极端情况的影响，一旦发生金融危机事件，对风险的分析结果准确度有所下降。为了解决此问题，Adrian 和 Brunnermeier（2008）在VaR模型的基础上改进了风险模型，对于度量不同金融个体间的风险溢出提出了CoVaR模型，解决了只能测算单一金融风险值的问题。马亚明和宋羚娜（2017）以金融网络关联的视角，选用CARCH模型和Copula-CoVaR模型，对影子银行的风险溢出效应分析，研究发现：我国的影子银行风险目前还处于可控阶段。王帅和李治章（2019）构建动态Copula-CoVaR模型，对影子银行风险溢出效应进行研究，为影子银行的健康发展提出建议。

现有文献是将GARCH模型和CoVaR模型结合起来，研究风险溢出效应，而本文将在2010～2020年中国影子银行与金融市场运行数据的基础上，首先构建GARCH模型，研究影子银行对金融市场的风险影响情况，其次构建分位数回归模型计算CoVaR，对影子银行的风险溢出效应进行了测度。通过实证研究，总结影子银行风险发展规律，分析金融市场经济发展现状，为监管部门制定监管政策。

二、模型设计与方法介绍

（一）GARCH模型。GARCH模型是ARCH模型的拓展，由于金融数据存在“波动聚集性”造成的异方差问题，为了更好地拟合序列估计，本文将对回归方程采用GARCH（p，q）模型来进行拟合，以此来判断影子银行对金融市场的风险溢出效应。其模型构成如下：

rt=μ+εt （1）

ht=c+αεt2+βht-1 （2）

其中，rt表示影子银行指数和金融市场指数，ht表示方差方程。

（二）VaR和CoVaR模型。VaR是一个金融机构在未来某个特定时间内的最大亏损，即被称为“风险价值”，VaR的计算结果为：

VaR=μ-Zασ　（3）

其中，μ为对应的均值，α为分位数，σ为收益率标准差的估计值。

CoVaR模型在VaR模型的基础上进行改进，指两种不同金融机构之间的风险溢出效应。在置信度是α的情况下，我们假定用X来代表影子银行，用Y表示金融市场，如果影子银行X遭受损失为VaRqX，Y代表其他金融市场最大的亏损是CoVaRαY｜X：

Prob｛Y≤CoVaRαY｜X｜X＝VaRαX｝=1-α　（4）

（三）风险溢出效应的度量。本文将金融市场的条件在险价值CoVaRαY｜X分为两类：一是本身存在的无条件在险价值VaRαY；二是影子银行体系X对金融市场的风险溢出效应值ΔCoVaRαY｜X，再对溢出风险价值ΔCoVaRαY｜X进行量纲化处理，其具体公式如下：

ΔCoVaRαY｜X＝CoVaRαY｜X-VaRαY （5）

%CoVaRαY｜X＝ΔCoVaRαY｜X/VaRαY×100% （6）            

三、影子银行风险溢出效应测度

（一）样本选取与数据处理。本文选取国有制指数、股份制指数和地方制指数分别代表金融市场的运作情况，选取具有代表性的证券指数、信托指数、投资指数代表影子银行的运作情况。时间跨度为2010年1月4日至2020年12月31日，数据均来源于wind数据库，每个行业指数收益率的观测值有1，671个，本文研究数据处理工作均由Eviews12.0软件完成。为了减少误差，本文选用金融机构股票日收盘价的对数收益率，刻画风险波动性，计算公式如下：

rt=100×ln（■）　（7）

式中，rt表示银行日收益率，pt表示股票当期收盘价，pt-1表示股票上一期收盘价。

（二）收益率描述性分析。对各个行业指数股票收益率以及整体影子银行与金融市场的股票收益率进行描述性分析，分析结果如图1、图2所示。（图1、图2）

根据图1和图2得出结论如下：影子银行与金融市场的股票收益率均有明显的波动，其中信托指数股票收益率波动幅度较大，导致整体影子银行的股票收益率收敛性不够明显，投资指数和股份制指数股票收益率波动幅度相对较弱，表明其发生风险的可能性较小。同时，观察股票收益率统计图可以看出，其波动具有一定的丛集性，说明股票的收益率可能存在ARCH效应，这需要进一步证实。

（三）样本描述性统计特征。在对影子银行与金融市场之间的风险溢出效应分析之前，首先对相关数据进行描述性统计分析，所得结果如表1所示，影子银行与金融市场的行业指数的J-B检验统计量，对应P值均为0，且小于0.01，行业指数的对数收益率均不服从正态分布，峰度远大于5%显著性水平下的临界值，符合“尖峰厚尾”的特征。（表1）

（四）ADF检验和ARCH效应检验。在时间序列数据分析之前，需要进行单位根检验。如表2所示，影子银行与金融市场行业指数的ADF检验统计量的P值均小于0.01，拒绝原假设，说明各序列中均不存在单位根，可以进一步检验分析。（表2）

接下来对于回归方程的残差序列进行ARCH效应检验，结果如表3所示。当选择的滞后阶数为2时，F统计量的P值为0，均小于0.1，拒绝原假设，认为残差序列存在高阶ARCH效应，与股票收益率统计图结果一致，可以选择GARCH模型进行分析，以减少待估参数的数量。（表3）

（五）GARCH模型结果分析。影子银行与金融市场的GARCH（1，1）模型拟合结果如表4所示，在影子银行与金融市场的方差方程中，C项的回归系数通过了1%的显著性检验，说明影子银行对金融市场存在正向的风险影响。（表4）

在方差方程中，RESID（-1）2和GARCH（-1）分别代表α1和θ1的估计值，均通过1%的显著性检验，说明影子银行与金融市场有显著的波动集簇性；α1和θ1的估计值之和等于0.4485，数值小于1，满足参数的约束条件，可认为GARCH（1，1）的过程是平稳的，说明影子银行与金融市场的波动变化是逐渐减弱的；影子银行θ1的回归系数为0.9224，即波动率当期方差冲击的92.24%将持续到下一期，波动较为剧烈，总体上存在一定风险。

四、研究结论

对于各个行业指数的股票收益率序列，选用分位数回归模型，对回归方程估计，根据回归方程的结果进而可得：不同金融机构之间的模型结果显著，同时可以计算各个行业指数的条件风险价值CoVaR，再根据公式（3）得出量纲化后的溢出风险价值，其结果如表5所示。（表5）

为了更直观地比较，将风险溢出效应度量指标CoVaR取绝对值处理：（一）根据影子银行条件风险价值结果可得：证券类影子银行的风险程度较高，其去量纲化后的溢出效应值为0.3097，投资类影子银行的风险程度较低，其去量纲化后的溢出效应值为0.2165，其次为信托类影子银行，其去量纲化后的溢出效应值为0.2203。证券类影子银行的溢出风险值较高是因为证券类业务迅速发展，而文中所选取的样本经历了2015年的股灾事件，导致证券类的影子银行出现萧条，其风险值逐渐增大。此外，证券公司规模的缩小使投资类影子银行的风险被严重低估。（二）根据金融市场的金融机构风险价值结果可得：地方制商业银行的风险程度较高，其去量化后的溢出效应值为0.3321，其次为股份制商业银行，最后是国有制商业银行，是由于在2018年全球股市见顶后，会迎来一个长期的金融业、实体经济的大洗牌，这也是地方制商业银行风险值较大的原因，而股份制商业银行与国有制商业银行的风险值处于中等水平，所得结果与事实相符。

整体而言，影子银行的不同行业相比于金融市场的商业银行，其风险溢出效应值略高，说明目前我国影子银行的风险比金融市场的风险大，可能原因在于其自身存在的杠杆性和流动性的特征，使得影子银行较为脆弱，其研究结果也与马亚明（2017）等的研究结果基本一致，但是随着经济的发展与时间的推移，影子银行与金融市场之间的风险溢出效应在持续变化，因此，对于影子银行的监管，相关部门需要密切关注证券类影子银行与地方制商业银行的发展情况，对相同业务进行规模控制，推动金融去杠杆，引导资金“脱虚向实”。

五、影子银行风险监管建议

总体上看，影子银行对金融市场产生了正向的风险溢出影响，考虑到金融市场运行特征和影子银行风险传染规律，可形成以下监管启示：第一，有效防范金融市场风险。为保证金融市场的稳定发展，应重视股份制商业银行对其他金融行业风险溢出效应的监管和防范，对于股份制商业银行，要严格防范和控制跨市场流动性风险，增强金融市场抵御风险的能力，监管部门对于金融市场的风险监管，应该做到高效控制其发展，避免金融市场的经济发展受到影响。第二，加强对影子银行和金融市场的监管力度。随着经济的迅速发展，影子银行规模逐步扩大，其潜在风险不断积聚，将与整个金融市场共同发展，对于不同类型的影子银行，必须建立和完善对影子银行的监管体系，有效降低其杠杆率，引导影子银行资金流向实体经济，监管部门应该加强对影子银行的监管力度，减少监管套利，降低影子银行风险溢出，维护金融市场健康发展。

（作者单位：西安财经大学统计学院）

主要参考文献：

［1］Beder T S.Va R：Seductive but dangerous［J］.Financial Analysts Journal，1995.51（05）.

［2］Adrian T，Brunnermeier M K.CoVaR［R］.National Bureau of Economic Research，2008（07）.

［3］马亚明，宋羚娜.金融网络关联与我国影子银行的风险溢出效应——基于GARCH-Copula-CoVaR模型的分析［J］.财贸研究，2017.28（07）.

［4］王帅，李治章.基于动态Copula-CoVaR模型的影子银行风险溢出效应研究［J］.财经理论与实践，2019.40（02）.

［5］刘向华，黄蓓琳.我国影子银行对商业银行风险溢出的实证分析［J］.武汉金融，2019（08）.

［6］徐玉立，胡浩智.我国影子银行对商业银行的风险溢出效应及强度分析——基于机构与系统的双重视角［J］.金融发展评论，2019（05）.

［7］周俊，邹丰瞳.影子银行对房地产企业的风险溢出效应分析［J］.青海金融，2020（11）.

［8］周边，李明辉，陈瑞华.影子银行与系统性风险溢出——基于理财产品视角［J］.新金融，2021（03）.

［9］胡春阳，马亚明.金融强监管对金融机构与实体经济间极端风险双向溢出效应的影响［J］.国际金融研究，2022（09）.