系统性金融风险既来自于外部经济环境,也与金融系统内部结构密切相关。只考虑外部宏观经济因素,全然不考虑金融体系内部的顺周期和传染性并不可取。传统经济学方法中用代表性金融机构模拟金融与经济的互动存在一定的障碍,即无法刻画金融风险在金融机构之间的传导过程。一个无法回避的问题是:既然每家金融机构事前都满足监管要求,为何合起来的金融系统却会周期性地出现危机呢?为了描述和分析这个传染过程,本文从系统论视角,借助金融网络方法,来刻画金融风险在异质性机构间传导的机制和过程。众所周知,网络法是刻画异质性和传导机制的天然方法。金融机构之间的相互联系既可能来自资产端(持有相同类型的资产),也可能来自负债端(银行间借贷市场)。本文第二章中将我国上市银行表内持有的信贷和非信贷资产映射到16个行业,形成所谓广义信贷分行业数据。之后,本文生成了2013年-2017年每半年合计9个,每个节点数为38(上市银行个数)×16(资产类别)的上市商业银行-广义信贷资产二分网络。通过引入外部冲击变量与网络传染参数(参考DBNM-BA模型),笔者发现该网络对制造业、房地产业等大多数资产冲击稳定性在提高,但是对个人住房贷款、金融业、租赁和商务服务业资产冲击敏感性在上升。从这个角度出发,要降低系统性金融风险的传染性,势必需要控制个人住房贷款等相关金融资产的增速。需要说明的是,为了简化分析难度,单一金融机构的违约条件为资不抵债。网络效应体现在一旦发生机构违约,其持有的资产在二级市场甩卖导致相应资产价格下降,资产价格的下降会导致更多机构面临破产风险。因此,从本质上说,以上资产-机构二分网络模型中,系统性风险在机构间的传染和放大依赖于金融机构资产端的相互连接和机构的“羊群效应”行为。当然,用上述模型刻画系统性风险的出发点仍然是利用定期公布的资产负债表数据。资产负债表数据刻画系统性风险存在时效性弱,缺乏前瞻性等缺点。金融机构之间的连接并不仅仅限于资产负债表,金融市场也是重要的传染渠道。为此,本文第三、第四、第五章借助于股票市场波动生成了表征整个银行业资本缺口的系统性风险指标SRISK和Net-SRISK。所谓SRISK,度量的是上证综指如果在一个月以内下滑10%,与最低监管要求(8%资本充足率)相比,银行业资本缺口加总起来到底有多大。之所以选用SRISK指标,原因一是在于,与其他常见度量系统性性风险指标(如CoVaR等)相比,SRISK满足可加性。二是,我国并没有成熟的CDS市场,因此严格意义上DIP和SCCA方法很难直接使用。因此,笔者认为,如果用单一指标衡量金融系统性风险,SRISK比CoVaR等更为合适。本文第三章中特意安排了SRISK指标计算以及其他系统性风险指标的介绍和分析,仅供参考。之后,为了区分SRISK指标度量的资本缺口根源到底来自于哪里,本文第四章和第五章引入偏相关关系网络来进一步探讨。具体来说,第四章中主要考察了A股上市银行股价与中信一级非金融行业偏相关网络,以及A股上市银行股价与上证综指偏相关网络的拓扑统计特征;第五章中计算出了基于偏相关系数的Net-SRISK。从结果来看,SRISK的大幅波动确实能在偏相关网络的统计特征中反映出来。偏相关系数的引入在降低了(加总)SRISK数值大小的同时,并没有显著影响SRISK的趋势与拐点。换句话说,由于Net-SRISK度量的是仅仅因为上证综指单一因素引起的资本缺口,从这个结果来看,上证综指与银行股价波动的偏相关性决定了SRISK的趋势,银行之间的相互影响只会放大SRISK大小,但是不会影响SRISK的趋势。这个结论实际上告诉我们可以将SRISK分为Net-SRISK和非Net-SRISK两部分。其中,非NetSRISK可以表征银行间相互联系(偏相关关系)带来的系统性风险,尽管这种联系与基于资产负债表的联系并不完全一致。综上所述,本文融合国内外相关研究方法和结论,生成了三个金融网络,从共同持有资产模型和股票市场风险传染两个角度分析了国内上市银行体系的稳定性。与已有文献相比,本文在宏观金融背景方面更贴近我国实际(加入了中国版影子银行的影响),在网络生成规则(偏相关网络)上有所创新。本文的缺点在于:目前仅考虑了上市银行的情况,并未考虑非上市银行;仅考虑了外生金融风险在上市银行体系内的传播、传导、传染过程,并未建立其逻辑统一的实体-金融互动框架;另外,生成的股价偏相关网络变动有时并不好理解。因此,需要指出的是,本文仅仅是金融网络分析运用到我国金融体系系统性风险度量的初步尝试,后续在内生和半内生网络模型构建、相关数据获取和实证检验方面仍有很多悬而未决之事。限于篇幅,笔者将在后续研究中继续相关工作。