2008年美国次贷危机导致的国际金融危机,对世界经济发展与金融稳定运行产生巨大冲击。影子银行作为触发危机的重要主体,引发了各界广泛的关注和研究。在我国,影子银行作为“银行的影子”,通过监管套利等方式开展“类贷款”业务。近年来,一方面由于信贷政策调整出现刚性融资缺口,另一方面由于我国金融深化及创新不断进行,影子银行实现了快速发展。随着影子银行与各行业联系愈发紧密,风险在各行业之间、各市场之间的传染明显增大。在此背景下,2017年7月第五次全国金融工作会议强调把防范化解系统性金融风险放在更加重要的位置。鉴于当前影子银行规模持续扩张、风险传导链条不断延长,研究影子银行系统性风险尤为重要。在研究系统性风险时,风险测度和风险防范是重要部分。风险测度通过提供直观的量化结果,为影子银行系统性风险提供研究基础;风险防范作为系统性风险研究的目标,为影子银行系统性风险提供应用结论。因此,研究中国影子银行系统性风险的度量及防范具有很重要的现实意义,这正是本文研究的主题所在。本文共由六章构成,第一章是绪论,第二章是影子银行系统性风险度量及防范的理论基础,第三章是基于机构网络的影子银行系统性风险研究,第四章是基于行业网络的影子银行系统性风险研究,第五章是基于实体经济系统性风险及政策实施效果的影子银行系统性风险研究,第六章是研究结论及未来展望。第一章是分别对研究背景、研究意义、研究创新及相关文献综述进行了论述。其中,文献综述主要包括四个部分,分别为影子银行的定义、影子银行的风险、影子银行风险的度量方法、影子银行的监管。第二章首先从总体上论述了本文研究影子银行系统性风险的理论基础,主要内容是:系统性风险的本质是站在网络的视角,考察风险在相互关联的个体与整体之间相互影响。因此,本文围绕影子银行机构网络、影子银行行业网络、影子银行与实体经济网络三方面研究影子银行系统性风险。影子银行系统性风险的初始源头是外部负向冲击,而后经过影子银行内部风险传染机制不断放大,最终导致整个影子银行网络系统遭受损失,并对与其有业务往来的经济主体产生负外部性。负向冲击的源头及承受负外部性的经济主体,就是与影子银行有业务关联的实体经济。因此,影子银行系统性风险不仅对实体经济有负向影响,还受实体经济风险的影响,二者相互作用、相互影响,构成了完整的影子银行系统性风险。影子银行系统性风险至少包含以下两个要素:负向初始冲击和风险放大机制。其中,负向初始冲击主要来源于影子银行体系外部的实体经济冲击,如经济增速下滑、房地产价格下跌等冲击。风险放大机制主要来源于影子银行体系内部关联网络所导致的传染性风险。其次,本章还对下文中各章涉及的理论基础进行了详细论述,主要包括:对第三章选择信托行业构建机构网络的原因进行了分析,并对代表性机构设定进行了详细论述,同时对实证方法的选择进行了论述;对第四章利用溢出指数刻画系统性风险进行了论述,同时对实证方法的选择进行了论述;对第五章选择信托贷款作为连接实体经济与影子银行风险载体进行论述,在其基础上对以信托贷款变动刻画实体经济系统性风险进行了论述,并对以信托贷款变动研究政策防范风险效果进行了论述。根据上述理论脉络,本文逐步拓展负向初始冲击和影子银行系统关联网络,度量影子银行系统性风险并得出相应传导路径。由于准确识别系统性风险重要传导路径是防范系统性风险的重要前提,因此本文将空间维度系统性风险传导路径与时间维度系统性风险度量结论相结合,层层深入的得出影子银行系统性风险防范建议。第三章将负向冲击设定为外生变量,分两小节研究影子银行机构网络系统性风险。本章第一小节基于代表性机构研究影子银行时间维度系统性风险。本小节主要内容如下:本章借鉴Duarte and Eisenach(2015)思路,利用信托业务的微观逐笔业务数据建虚拟机构资产负债表,并改进资产价格传染网络模型对以信托行业为代表的影子银行系统性风险进行度量。本小节的主要创新便是介绍如何对微观业务数据进行调整,将逐笔业务数据提炼成标准的资产负债表数据,进而度量影子银行系统性风险。第一部分着重介绍了如何将微观分笔业务数据调整为适合资产价格传染模型标准的底层数据。第二部分在第一部分的基础上,利用已提炼的基础数据构建虚拟资产负债表,改进资产价格传染网络模型,构建影子银行系统性风险指标。由于虚拟资产负债表的构建是系统性风险测度的关键环节,本部分还归纳出利用微观业务数据构建虚拟资产负债表的一般性思路。此外,根据影子银行系统性风险传导机制的分析结果,得出刚性兑付是诱发影子银行系统性风险的重要源头。第三部分得出影子银行系统性风险水平较高且波动剧烈的实证结果,并对影响系统性风险因素进行分析,得出相较规模因素,杠杆是主要影响因素。第四部分对本小节进行总结并提出如下防范系统性风险的建议:(1)加强对影子银行业务的监管;(2)加强对刚性兑付的监管;(3)完善系统性风险监测指标;(4)监管政策应有长期规划及连续性,避免短期视野而相机抉择。此外,本小节还具体论述代表性机构的设定思路、合理性论证及稳健性检验。同时,为了确保研究的谨慎,本章第二小节、下章将继续对比进行实证结果的稳健性验证。第三章第二小节在第一小节基础上,一方面明确负向冲击来自于实体经济房地产行业,另一方面拓展信托行业的机构网络,研究外部负向冲击通过信托机构网络的相互放大及传染机制对影子银行系统性风险的影响。本章第二小节主要内容如下:本章借鉴Greenwood et al.(2015)思路,利用样本信托公司年报业务数据构建虚拟资产负债表,并结合资产价格传染网络模型,对由实体经济房地产行业引发的影子银行系统性风险进行研究。本小节第一部分由虚拟资产负债表的构建、系统性风险指标构建、模型数据选取及描述性统计三部分构成。就虚拟资产负债表的构建而言,在样本信托机构数量的拓展导致数据由分笔业务数据变为年报业务数据的背景下,本部分根据样本数据的变化,重新构建虚拟资产负债表。就系统性风险指标构建而言,本部分首先介绍模型设定背景,在沿用第一小节模型假设的同时,对具体原因进行了论述;其次论述了选择房地产行业作为外生冲击变量的原因;最后部分构建影子银行系统性风险指标并对其影响因素进行分解,为后续分析系统性风险重要传导路径及风险防范建议做准备。本小节第二部分对影子银行系统性风险进行了实证分析,分别得出时间维度、空间维度系统性风险及系统性风险重要传导路径三方面结论。在时间维度系统性风险方面,影子银行系统性风险波动剧烈且走势震荡向上。同时,稳健性检验显示,在相同样本区间,本小节与上小节实证结果的时变特征较为一致,相互验证了两小节结论均具有较好的稳健性。在空间维度系统性风险方面,根据实证结果归纳出系统重要性、系统脆弱性及系统重要中继机构,并对其特征得出结论。相较整体样本机构而言,系统重要性机构及系统脆弱性机构均具有高关联性及高杠杆的特征;相较系统脆弱性机构,系统重要性机构更具有高关联性和高资产规模的特征;相较系统重要性机构,系统脆弱性机构更具有高杠杆的特征;对于同时作为重要性机构及系统脆弱性机构的系统重要性中继机构而言,由于其高杠杆的特征突出,更具有系统脆弱性机构特征。在影子银行系统性风险传导路径方面,通过系统性风险空间维度指标,分析传导机理,并构建各时期重要的系统性风险传导路径。第三部分对本小节进行总结并提出如下防范系统性风险的建议:(1)需要关注系统重要性机构、系统脆弱性机构及系统重要性中继机构,进而抑制影子银行系统性风险的生成及扩散;(2)应有的放矢的根据机构特征制定具体监管方法,进而提高监管政策的有效性。至此,第三章从时间维度和空间维度完成了以信托行业为代表的影子银行系统性风险测度及防范分析。在第四章,一方面拓展影子银行的行业网络,引入从事影子银行业务的银行行业、保险行业、证券行业;另一方面,在延续上一章实体经济房地产行业对影子银行影响设定的基础上,进一步将房地产行业对影子银行的影响内生化。这样,构建由信托行业、银行行业、保险行业、证券行业代表的影子银行行业与由房地产行业代表的实体经济行业共同组建的5行业影子银行系统关联网络,研究影子银行与实体经济的相互关联与相互影响,进而从系统、动态的角度研究影子银行系统性风险。此外,本章还通过实证结果进一步与第三章两小节进行稳健性检验。基于上述逻辑思路,本章借鉴Diebold and Yilmaz(2012)思路,利用各行业股票市场指数,通过溢出指数模型刻画各内生变量之间风险相关性,进而研究影子银行系统性风险。本章第一部分对系统性风险溢出指标的构建进行了介绍。本部分首先对溢出指数模型的实证方法进行介绍,构建了宏观层面和微观层面溢出指数,进而为影子银行系统性风险的实证结果提供基础。就宏观层面而言,本部分构建了总溢出指数、方向性溢出指数。其中,总溢出指数表示总溢出程度,而方向性溢出指数表示个体与整体之间的方向性溢出程度。就微观层面溢出指数而言,本部分构建了相对溢出指数、净相对溢出指数和总相对溢出指数。其中,相对溢出指数表示个体对个体的溢出程度,净相对溢出指数反应两个体间,谁对谁的溢出程度更大,总相对溢出指数反应个体之间相互溢出程度的总和。之后,对溢出指数模型的实证数据进行介绍。鉴于本章样本同时涉及实体经济与影子银行不同行业,利用业务数据刻画各行业的风险固然理想,但是因为相关数据较难获取,而且数据的统计原则不统一、不明确,因此本章选取各行业股票市场数据作为样本数据,并对具体选取标准进行了分析说明。在此基础上,本文利用Diebold and Yilmaz(2009)中波动率测算方法对各行业风险指标进行构建。第二部分进行了实证分析,得出了基于溢出指数模型的影子银行系统性风险时间维度、空间维度及系统性风险重要传导路径的研究结论。就时间维度来看,由波动率总溢出表刻画的影子银行系统性风险总体程度较高,但随着时间推移,影子银行系统性风险逐渐降低。尤其值得注意的是,在相同的样本期间,虽然数据基础与实证方法不同,但是本章与上章两小节实证结果展示的影子银行系统性风险的时变特征具有较高的一致性,因此再次相互证实结果的稳健性。就空间维度来看,就方向性而言,在大部分样本期间,作为影子银行业务源头的房地产行业对影子银行系统保持正向净风险溢出,同时在样本前期,作为影子银行流动性源头的银行行业也对影子银行系统保持正向净风险溢出,但是在样本后期,证券行业成为对影子银行系统正向净风险溢出的行业;就溢出程度而言,在样本前期,房地产行业与银行行业的净溢出指数较大,表现出较强的风险溢出程度,而在样本后期,虽然证券行业成为对系统风险溢出贡献最大行业,但是净溢出指数较小,且与同时期的信托行业数值相近,因此并没有表现出绝对领先的溢出程度。在影子银行系统性风险重要传导路径方面,本部分在实证结果的基础上分析传导机理,通过净溢出指数和净相对溢出指数,构建各时期重要的系统性风险传导路径。此外,通过对系统性风险传导网络进一步分析,本部分还得出了影子银行系统风险传导网络总关联性逐步下降、系统性风险传导机制源头行业在风险传导网络中的地位的重要性逐渐下降两个实证结论。第三部分对本章进行总结并提出如下防范系统性风险的建议:(1)提高识别不同时期影子银行风险传导机制的频率,找出系统性风险的重要源头行业,并对其加强风险监管,从源头防范系统性风险的爆发;(2)加强风险传导机制中频繁出现且抵御风险能力薄弱行业的监管。至此,第三章和第四章通过对影子银行关联网络的逐步拓展,不仅实现了对影子银行系统性风险的风险放大机制的研究更得出了影子银行系统性风险度量及风险防范的有益结论。而对于影子银行系统性风险另一重要要素:负向初始冲击,本文第五章将进一步拓展至整个实体经济。为了既体现影子银行与实体经济风险相互连接、相互影响又研究作为负向冲击源头的实体经济系统性风险对影子银行的影响,第五章利用信托贷款作为连接影子银行和实体经济的研究载体。第五章将最具影子银行特征的信托行业投向实体经济各行业的信托贷款作为连接实体经济与影子银行的桥梁,以其在实体经济各行业的环比变动作为模型样本变量,研究实体经济系统性风险。同时,本章创新性引入政策因素,构建政策潜变量,改进Diebold and Yilmaz(2012)溢出指数模型,研究政策对防范系统性风险的效果。本章第一部分引入政策潜变量,改进溢出指数模型,并进行了模型数据说明。就引入政策潜变量而言,本章借鉴荆中博和方意(2018)采用的Qual VAR模型将离散的监管政策变为连续的监管政策潜变量,并在实证数据处理部分进行了详细说明。就改进溢出指数模型而言,本章将信托投向实体经济的环比变动内生变量与政策内生变量共同构建溢出指数模型,但是创新性单独考虑行业之间的溢出效应及政策溢出效应。同时,在第四章溢出指数的基础上,构建政策靶向性溢出指数、政策有效性溢出指数和政策协调性溢出指数。第二部分进行实证分析,就实体经济系统性风险、政策防范实体经济系统性风险效果及实体经济系统性风险重要传导路径得出了结论。就实体经济系统性风险而言,由总溢出指数刻画的实体经济系统性风险在样本前期走势平稳,后期波动剧烈。就实体经济各行业与总体之间风险相互影响而言,从长期角度看,采矿业、电力燃气及水的生产和供应业等基础产业对实体经济系统性风险影响最大。因此需要从战略层面关注此领域系统性风险,避免造成实体经济与影子银行的共振,进而生成更大范围系统性风险。值得注意的是,金融业净溢出指数排名最后,表明在长期,不应仅着重强调金融行业对实体经济系统性风险的重要贡献,应该站在实体经济整体关联网络中,明确各行业的系统重要性,并准确定位它们在系统性风险传导过程中扮演的主要角色;而从短期角度看,制造业、信息传输计算机服务等行业对风险的变动较为敏感。因此需要对其及系统重要性传导路径中涉及各环节行业进行关注,防止其成为影子银行系统性风险负向冲击的源头。就政策对防范实体经济系统性风险的效果而言,政策之间的协调配合非常重要,不仅能够避免单独政策产生的外部性,更能够提高政策的有效性及持续性。就实体经济系统性风险重要传导路径而言,在实证结果基础上分析传导机理,并根据风险源头的影响程度,得出重要的系统性风险传导路径。第三部分对本章进行总结并提出如下防范系统性风险的建议:(1)应将政策靶向性及有效性纳入统一框架综合考虑,提高政策工具实施效果;(2)加强各监管部门政策协调力度,提高同时应对来自不同维度的系统性风险的能力。