公允价值层级、外部审计与银行系统性风险溢出效应——基于我国14家上市商业银行的面板数据|2016年|第八月|财会月刊（23期）|金融·保险|历年期刊|财会月刊

查看版面大图

版面导航

金融·保险

2016年

财会月刊（23期）

金融·保险

公允价值层级、外部审计与银行系统性风险溢出效应——基于我国14家上市商业银行的面板数据

【作　　者】
高璐

【作者单位】
唐山学院会计系，河北唐山063000

【摘　　要】

    【摘要】基于《美国财务会计准则第157号——公允价值计量》的公允价值层级理论，以我国14家上市商业银行2008 ~ 2014年的相关财务数据为研究样本，实证研究公允价值层级信息、银行外部审计与银行系统性风险溢出效应之间的关系。实证研究结果表明：第一、二、三层级公允价值资产以及第二、三层级公允价值负债对银行系统性风险溢出效应的正向作用明显，且逐层增加，但第一层级公允价值负债的影响并不显著；银行外部审计有助于抑制三个层级公允价值资产和负债对银行系统性风险溢出效应的不利影响。
【关键词】公允价值层级；银行系统性风险溢出效应；银行外部审计；CoVAR模型
【中图分类号】F832           【文献标识码】A           【文章编号】1004-0994（2016）23-0104-6一、引言
全球经济一体化的今天，财务报告的国际趋同已成为各国资本市场国际化的重要表现形式。为促进资本市场健康稳定发展，提高会计信息质量，我国也逐步构建了与国际财务报告准则趋同的企业会计准则体系，其中比较关键的是引入公允价值计量准则，其显著特征是要求上市公司提供完善的公允价值分层计量信息，将资产负债表中的相关资产或负债依据其可靠性将得到的输入值进行层次划分。国际惯例是将资产或负债分别划分为三个层级，并要求对各个层级进行信息披露，目的是提高财务报告的决策有用性（杨敏，2013）。然而，我国现阶段上市公司对于公允价值层级信息的披露处于原始的自觉阶段，其披露意愿以及披露程度都由上市公司自身决定，而且尚无统一的披露形式。银行、保险公司等金融机构相对更多地披露了公允价值分层信息，但仍然存在一定的局限性，如在计量过程中存在着计量误差、不同企业估值模型运用的差异性以及相关会计假设的主观性特性，这些都会影响外界投资者对公允价值不同层级信息的认知程度。事实上，外部投资者认为第三层级公允价值的输入值会比第一、二层级公允价值的输入值有着更高的不确定性程度和信息不对称程度，同时隐含着更高的系统风险（Riedl和Serafeim，2011）。
对于公允价值分层计量信息，目前金融机构披露得相对较多，但由于存在的信息不对称可能会诱使管理层滥用估值技术并随意划分资产与负债，可能增加人为因素导致的财务报表波动，提高金融机构的系统性风险。特别是在我国占据重要地位的银行体系一旦出现倒闭，就会带来“多米诺骨牌效应”，有可能诱发整个金融系统爆发系统性风险，从而有可能进一步引发溢出效应和传染效应。而商业银行本质上是经营风险较大的企业，其本身在经营中通常采用内部控制与外部审计相结合的方法进行风险控制。特别是在公允价值分层信息披露中，高质量的外部审计能更有效地监管和激励管理层，并发现会计操纵（Balsam等，2003），从而能更有效地激励管理层披露更多的、真实的公允价值信息，从而提高公允价值各层级估值的透明度，降低信息不对称程度，增强经营稳健性并降低风险（钱先航等，2015）。
当前的金融体系经过发展，其内部组成十分复杂，形成了由资产负债表相互关联的复杂网络，金融风险在各主体之间互相影响，特别是银行处于金融支付的核心，其一旦出现风险，带来的溢出效应将会对整个金融体系造成巨大破坏。因而，研究公允价值层级计量、银行外部审计对银行系统性风险溢出效应的影响对于风险管理和维护金融稳定具有重要的现实意义。
二、文献综述
国际学术界对于系统性风险及其溢出效应的研究文献很多，早期对商业银行系统性风险的研究大多源于研究银行挤兑问题，主要原因是银行经营的脆弱性（Minsky，1982）。随着一系列的银行危机以及金融危机，风险的高传染性使得系统性风险的溢出效应受到广泛关注，对于银行系统性风险及其溢出效应的研究，经历了从侧重研究单个银行倒闭引起其他银行倒闭的传染性风险到研究对整个银行体系系统性风险传染性的过程（Gropp和Moerman，2004；Brownlees和Engle，2011）。国外学者对于银行系统性风险溢出效应的研究主要集中于对其进行测度和相关的实证研究上，许多文献采用了 Logit和Probit等二值因变量方法以及跨市场相关性检验等模型来研究相关影响因素对银行系统性风险及其溢出效应的作用。Adrian和 Brunnermeier（2011）首次提出了CoVaR（条件在险价值）模型并用其估计银行业的系统性风险溢出效应。另外，也有一部分文献研究公允价值会计对银行系统性风险的影响，如Blanchard（2010）研究发现，资本市场衍生工具供求波动会影响银行系统性风险，而基于微观审慎框架简单地采用衍生工具冲销风险的方法会导致过度积累系统性风险。Korinek（2010）发现，资产价格波动会显著放大商业银行的系统性风险。
国内学者对银行系统性风险溢出效应的研究主要借鉴国外不同的模型与方法，并针对我国银行的实际数据进行实证检验，研究成果颇多。高国华和潘英丽（2011）研究认为，商业银行自身的△CoVaR溢出效应、自身VaR水平及不良率对银行系统性风险溢出效应的影响最为显著。马君潞等（2007）实证研究了单个银行破产对银行体系系统性风险的影响。李志辉和樊莉（2011）运用CoVaR模型研究发现，主要以VaR为核心的监管政策对于防范银行体系系统性风险溢出效应仍有较大局限性。李玉贤（2012）研究表明，银行系统性风险溢出效应与其资产规模和利润水平有重要关系，资产规模大和利润水平高的银行对银行系统性风险溢出效应有显著抑制作用，但资产规模较大的银行会增加银行体系系统性风险风溢出效应。
相比发达国家对于公允价值层级的研究，我国学术界对其研究起步较晚，而且相关研究大都集中于理论研究，关于公允价值层级的实证研究还非常少。相关研究主要是研究公允价值层级的信息含量（毛志宏等，2014）、可靠性（王建成和胡振国，2007）、决策有效性（邵莉，2012）等。
直接研究公允价值层级对银行系统性风险溢出效应的文献还很少，而银行披露的公允价值层级信息由于存在信息不对称以及管理层主观行为等局限性，有可能对银行系统性风险产生影响。因而，本文以我国14家上市商业银行的财务数据为研究样本，借鉴Adrian 和Brunnermeier（2011）提出的CoVaR方法来度量银行系统性风险溢出效应，并研究公允价值层级、银行外部审计对前者的影响，以期为维护我国银行业的稳定及银行风险监管提供思路。
三、理论分析与研究假设
（一）公允价值层级对银行系统性风险溢出效应的作用
虽然基于《美国财务会计准则第157号——公允价值计量》（FAS 157）的公允价值分层提高了信息透明度，但仍然存在较大的公允价值不可靠性问题。在活跃交易市场中，公允价值能够被计量，但会受到计量过程中存在的计量模型误差以及管理层主观臆断的双重不利影响；在非活跃市场中基于不可观察参数计量的公允价值可能并不可靠，并可能成为风险的来源。本文认为公允价值层级对银行系统性风险溢出效应的影响主要体现在公允价值层级相关参数输入值的信息不对称和估值技术隐含的管理层操纵两方面：
一方面， FAS 157依据计量公允价值的输入参数的相对可靠性对公允价值进行三个层级划分。由于计量第一层级的输入变量来源于活跃市场价格信息，因而管理层与投资者之间基本不存在信息不对称问题；计量第二层级的输入变量包含非活跃市场的相关资产和负债的价格信息，因而该层级的输入值存在一定程度的信息不对称；而计量第三层级的输入变量基本以市场不可观察参数为依据，企业估值模型和计量方法的不透明可能暗含管理层的主观估计，因此其信息不对称问题最为严重。事实上，Riedl 和 Serafeim（2011）研究发现，相对于按第一、二层级公允价值计量的资产，按第三层级公允价值计量的资产具有更大的不确定性，包含了更严重的信息不对称，隐含了更大的系统性风险。Stern和Feldman（2009）认为，基于“大而不倒”的监管会引致规模较大的银行产生道德风险。由于公允价值分层信息在计量上存在不确定性，尤其是高层级的公允价值资产或负债，因而它们很可能变成管理层操纵的工具，这有可能引发道德风险。一旦公允价值计量引起的道德风险诱导银行采取激进的风险偏好策略，会因为风险集中和风险传染而引发更大的系统性风险，进而有可能酝酿巨大的溢出效应和传染效应。
另一方面，我国资本市场发育并不完善，对于高层级的公允价值计量（第二、三层级）缺乏足够的价格信息，对其计量大多数时候只能采用估值技术。而银行的具体估值技术及估值过程并不需要在财务报告中披露，而且实际计算过程与结果也不可复制，因而外界无法很好地监督银行管理层出于特殊目的的主观划分。而且银行管理层也存在出于盈余管理目的进行金融资产划分的可能，资产的不同分类方式对财务报表的影响也存在较大不同，高层级的公允价值资产与负债被操纵的空间更大，对财务报表的影响也相对较大（叶建芳等，2009）。因此，银行管理层人为地采用估值技术以及随意划分金融资产或负债将导致财务报表波动，通过投资者的非理性市场参与可能提高银行系统性风险。同时，由于资本市场存在的“混响效应”，会加剧这一系统性风险传染，进而加剧金融不稳定。基于此，本文提出第一个研究假设：
假设一：第一、二、三层级公允价值资产或负债对银行系统性风险溢出效应的影响逐层递增。
（二）外部审计在公允价值层级影响银行系统性风险溢出效应中的作用
来自会计师事务所的外部审计是银行外部治理和风险的重要组成部分，其独立地就银行财务报表的公允性及其合理性出具的审计意见能影响外部投资者对银行价值的认知，进而达到约束银行管理层、完善银行治理、提高银行信息透明度的目的。专业的银行外部审计在银行公允价值分层对银行系统性风险溢出效应影响中的作用主要表现为：
一是降低道德风险及信息不对称程度。当公允价值计量的输入值来源于不存在活跃市场报价的价格信息时，输入值的估计要借助估值模型，而运用该主观性估值模型不可避免地将影响公允价值可靠性，估值模型可能沦为管理层达到特殊目的的工具，同时也可能引发银行更高的道德风险。而银行外部审计可借助其独立性和专业性对银行主观性估值模型运用进行有效审计，识别和抑制管理层偏差，减少估值技术与估值过程的信息不对称程度，降低道德风险，从而加强银行的风险管理。
二是通过限制管理层主观臆断为计量公允价值层级信息提供可靠且更为客观的数据。公允价值计量存在的不确定性容易诱使管理层运用其自主权来编制满足自身薪酬和声誉的有偏差的财务报告（Aboody等，2006），进而降低公允价值的相关性、可靠性以及可比性。Kolev（2008）研究认为，公允价值第三层级的价值相关性比第一层级低，但银行外部审计对公允价值估值的有效审计在一定程度上能纠正这种偏差。相比低层级的公允价值资产和负债，高层级的公允价值资产与负债的信息不对称程度更大，可验证性更差，而被操纵的空间更大，外部审计付出同样的努力得到的边际效果更大，从而能相对更好地提高基础数据的可靠性，提高公允价值层级信息质量，更大程度地减少财务报表波动以及防范系统性风险。
基于此，结合假设一，本文提出第二个研究假设：
假设二：银行外部审计会抑制公允价值计量的资产或负债的系统性风险溢出效应，且抑制作用逐层增加。
四、研究设计
（一）变量定义
1. 银行系统性风险溢出效应。本文基于Adrian和Brunnermeier（2011）计算CoVaR的办法，运用分位数回归计算商业银行的系统性风险溢出效应。该方法以VaR方法为基础，计算当一家银行出现危机时整个银行体系的VaR值，衡量某家银行出现危机后对整个银行体系的影响。而银行系统性风险溢出效应是当所有银行都处于正常时整个银行体系的CoVaR值与当某家银行陷入困境时整个银行体系的CoVaR值的差，即△CoVaR，该值测度了该商业银行对银行体系系统性风险的边际影响。
依据Adrian和Brunnermeier（2011）的研究，将         定义为Pr（Xi≤        ）=q时的值，其中Xi表示商业银行i的随机变量，q为分位点，表示商业银行的在险价值。而
表示当商业银行i由于事件C（Xi）陷入困境时，整个银行体系j的VaR值，即Pr［Xj≤                 |C（Xi）］=q。从而，商业银行i对整个银行体系j的风险溢出效应为：
[△CoVaRj|iq=CoVaRj|Xi=VaRiqq-CoVaRj|Xi=Medianiq]
C（Xi）即为当Xi=        时的事件。本文主要计算在1%置信水平下我国各上市商业银行的△CoVaR。
本文借鉴Engle和Manganelli（2004）的成果，运用分位数回归方法测度各上市商业银行的VaR值，分位点选择为0.01和0.5，模型如下：
Yi，t=βi，1+[j=2nZt-1]βi，j+μi，t
其中：Yi，t代表上市商业银行日度股票收益率；i表示商业银行；t表示时间；μi，t表示残差项；β为待估参数；n表示解释变量个数；Z表示解释变量。
在估计VaR的基础上，本文需要估计当一家商业银行出现危机后对整个银行体系的影响，即每家商业银行的CoVaR 值。根据Adrian 和Brunnermeier（2011）的研究，本文使用分位数回归方法计算CoVaR值，分位点选取为0.01。其具体模型如下：
St=βi，1+[j=2nZt-1]βi，j+γ0.01，iXi，t+μi，t
其中：St为银行指数日度收益率（本文以大智慧银行业指数衡量银行业整体状况）；Xi，t为各上市商业银行日度收益率。各上市商业银行的△CoVaR值为：

其中：待估系数γ0.01，i的作用是测度商业银行出现危机时的溢出效应。如果γ0.01，i显著不为零，说明银行体系的下端尾部风险由各个上市商业银行下端尾部风险决定。
在具体计算中，对于解释变量Z的选择，本文借鉴刘志洋和宋玉颖（2015）的方法，采用沪深300指数衡量股票市场，采用6个月Shibor与6个月国债收益率之差衡量银行间市场风险，采用6个月AAA 银行间企业债收益率与6个月国债收益率之差衡量信用风险溢价，采用10 年国债收益率与6 个月国债收益率之差衡量利率市场结构。
2. 公允价值层级。由于商业银行财务报表中披露的第一、二、三层级公允价值资产与负债数值很大，本文将其分别除以总资产和总负债进行处理，并将FVA1、FVA2、FVA3定义为第一、二、三层级公允价值计量的资产与总资产的比值，将FVL1、FVL2、 FVL3定义为按第一、二、三层级公允价值计量的负债与总负债的比值。
3. 银行外部审计。在文献中，对于外部审计水平的衡量大多采用审计意见（肖作平，2006）和审计费用（Newman等，2011）这两个变量。经对多家上市商业银行审计费用进行研究，发现除审计风险外，商业银行审计费用还由银行规模、审计复杂性和聘用会计师事务所的服务质量等多种因素决定，因此，本文仅采用审计意见作为衡量标准，用Opinion表征审计意见，即如果企业被出示标准审计意见，则为1，否则为0。
4. 控制变量。由于银行的系统性风险溢出效应与银行自身的风险、资产规模、总资产收益率、杠杆率和宏观经济增长等具有较强的关系（郭卫东，2013），本文以资产规模（Size）、总资产收益率（Roa）、杠杆率（Lev）等作为控制变量。考虑到在2008 ~ 2011年间我国GDP稳定增长的同时股票价格波动很大，故本文剔除GDP因素。另外，借鉴郭卫东（2013）的方法，本文以每家上市商业银行每年5%置信水平下的VaR值衡量商业银行自身风险，设置虚拟变量Year。
（二）样本选择与数据来源
本文以14 家上市商业银行为样本，由于中国农业银行和光大银行上市较晚，故将其剔除并进行如下处理：①剔除公允价值资产和负债同时不存在以及没有披露完整公允价值层级数据的年度，以保证样本的有效性；②为使得计算的银行系统性风险溢出效应具有好的稳定性，通常需要一年以上时间长度的数据（刘志洋和宋玉颖，2015）；③对数据进行1%与99%分位的缩尾（winsorize）处理，以排除极端数据的影响。最后得到84个观测值。考虑到我国现行会计准则于2007年1月1日开始实行，同时考虑到数据的可获得性，本文的样本区间为2008 ~ 2014年。
本文数据中各公允价值层级的公允价值资产与负债等数据均来自于手工搜集所选样本银行的年度财务报告，其他数据则来源于WIND、CCER及CSMAR数据库。
（三）模型设定
本文主要研究商业银行公允价值层级、外部审计与系统性风险溢出效应之间的关系。本文对计算的单个上市商业银行的△CoVaR时变序列，在每个财务年度取其均值来表示商业银行在该年度对银行体系的系统性风险溢出效应。根据Lopez-Espinosa等（2012）的研究，本文应用固定效应模型进行回归分析，模型如下：
△CoVaRit=β0+β1VaRit+β2FVA1it+β3FVA2it+β4FVA3it
+β5FVL1it+β6FVL2it+β7FVL3it+β8Sizeit+β9Roait+β10Levit+[j=17κjYearj] （模型一）
△CoVaRit=β0+β1VaRit+β2FVA1it+β3FVA2it+β4FVA3it
+β5FVL1it+β6FVL2it+β7FVL2it+β8Opinionit+β9Opinionit×FVA1it+β10Opinionit×FVA2it+β11Opinionit×FVA3it+
β12Opinionit×FVL1it+β13Opinionit×FVL2it+β14Qpinionit×
FVL3it+β15Sizeit+β16Roait+β17Levit+[j=17κjYearj] （模型二）
五、实证分析
（一）主要变量的描述性统计
表1为主要变量的描述性统计结果。从系统性风险溢出效应指标来看，△CoVaR均值的均值为-0.0278，最小值为
-0.0933，最大值为-0.0127。样本中FVA1、FVA2、FVA3的均值分别为0.0319、0.0685及0.0155，说明上市商业银行披露的以公允价值计量的资产占总资产的比重分别为3.19%、6.85%和1.55%，主要集中在第二层级，第二层级计量的金融资产占总资产的比重都在6%以上。FVL1、FVL2及FVL3的均值分别为0.0005、0.0235及0.0438，说明金融机构披露的以公允价值计量的负债占总负债的比重分别为0.05%、2.35%和4.38%，第二、三层级披露的相对较多。

（二）回归分析
表2为公允价值层级对系统性风险溢出效应影响的回归结果，由于△CoVaR均为负值，因此回归系数为正表明解释变量越大，系统性风险贡献度越高。在控制其他变量的前提下，FVA1、FVA2及FVA3的回归系数在5%置信水平下显著，系数分别为0.6124、0.9414与1.1971，说明第一、二、三层级公允价值资产的增加会提高银行系统性风险溢出效应。另外，FVL1、FVL2及FVL3的回归系数分别为3.8449、0.3545与0.7084，说明第一、二、三层级公允价值负债的增加会提高银行系统性风险溢出效应，但前者不显著，可能是由于公允价值第一层级负债比较少的缘故，而后两者在5%的水平上显著。
表3中回归系数的Wald检验结果表明公允价值层级资产与负债的回归系数具有显著的差异性，即第一、二、三层级资产以及第二、三层级负债对银行系统性风险溢出效应的提升作用依次增加，从而验证了假设一。由于输入参数设置和估值技术受到的计量误差及管理层主管作用的影响，其公允价值可靠性也逐渐降低，信息不对称程度依次增加，由于受到“大而不倒”隐性监管政策的影响，这可能给银行带来很大的道德风险，从而隐含了巨大的系统性风险，一旦爆发风险，由于风险的传染性会酝酿出很大的溢出效应，就会对其他金制的重要组成部分，其独立地就银行财务报表的公允性及其合理性出具的审计意见能影响外部投资者对银行价值的认知，进而达到约束银行管理层、完善银行治理、提高银行信息透明度的目的。专业的银行外部审计在银行公允价值分层对银行系统性风险溢出效应影响中的作用主要表现为：
一是降低道德风险及信息不对称程度。当公允价值计量的输入值来源于不存在活跃市场报价的价格信息时，输入值的估计要借助估值模型，而运用该主观性估值模型不可避免地将影响公允价值可靠性，估值模型可能沦为管理层达到特殊目的的工具，同时也可能引发银行更高的道德风险。而银行外部审计可借助其独立性和专业性对银行主观性估值模型运用进行有效审计，识别和抑制管理层偏差，减少估值技术与估值过程的信息不对称程度，降低道德风险，从而加强银行的风险管理。
二是通过限制管理层主观臆断为计量公允价值层级信息提供可靠且更为客观的数据。公允价值计量存在的不确定性容易诱使管理层运用其自主权来编制满足自身薪酬和声誉的有偏差的财务报告（Aboody等，2006），进而降低公允价值的相关性、可靠性以及可比性。Kolev（2008）研究认为，公允价值第三层级的价值相关性比第一层级低，但银行外部审计对公允价值估值的有效审计在一定程度上能纠正这种偏差。相比低层级的公允价值资产和负债，高层级的公允价值资产与负债的信息不对称程度更大，可验证性更差，而被操纵的空间更大，外部审计付出同样的努力得到的边际效果更大，从而能相对更好地提高基础数据的可靠性，提高公允价值层级信息质量，更大程度地减少财务报表波动以及防范系统性风险。
基于此，结合假设一，本文提出第二个研究假设：
假设二：银行外部审计会抑制公允价值计量的资产或负债的系统性风险溢出效应，且抑制作用逐层增加。
四、研究设计
（一）变量定义
1. 银行系统性风险溢出效应。本文基于Adrian和Brunnermeier（2011）计算CoVaR的办法，运用分位数回归计算商业银行的系统性风险溢出效应。该方法以VaR方法为基础，计算当一家银行出现危机时整个银行体系的VaR值，衡量某家银行出现危机后对整个银行体系的影响。而银行系统性风险溢出效应是当所有银行都处于正常时整个银行体系的CoVaR值与当某家银行陷入困境时整个银行体系的CoVaR值的差，即△CoVaR，该值测度了该商业银行对银行体系系统性风险的边际影响。
依据Adrian和Brunnermeier（2011）的研究，将         定义为Pr（Xi≤        ）=q时的值，其中Xi表示商业银行i的随机变量，q为分位点，表示商业银行的在险价值。而
表示当商业银行i由于事件C（Xi）陷入困境时，整个银行体系j的VaR值，即Pr［Xj≤                 |C（Xi）］=q。从而，商业银行i对整个银行体系j的风险溢出效应为：
[△CoVaRj|iq=CoVaRj|Xi=VaRiqq-CoVaRj|Xi=Medianiq]
C（Xi）即为当Xi=        时的事件。本文主要计算在1%置信水平下我国各上市商业银行的△CoVaR。
本文借鉴Engle和Manganelli（2004）的成果，运用分位数回归方法测度各上市商业银行的VaR值，分位点选择为0.01和0.5，模型如下：
Yi，t=βi，1+[j=2nZt-1]βi，j+μi，t
其中：Yi，t代表上市商业银行日度股票收益率；i表示商业银行；t表示时间；μi，t表示残差项；β为待估参数；n表示解释变量个数；Z表示解释变量。
在估计VaR的基础上，本文需要估计当一家商业银行出现危机后对整个银行体系的影响，即每家商业银行的CoVaR 值。根据Adrian 和Brunnermeier（2011）的研究，本文使用分位数回归方法计算CoVaR值，分位点选取为0.01。其具体模型如下：
St=βi，1+[j=2nZt-1]βi，j+γ0.01，iXi，t+μi，t
其中：St为银行指数日度收益率（本文以大智慧银行业指数衡量银行业整体状况）；Xi，t为各上市商业银行日度收益率。各上市商业银行的△CoVaR值为：

主要参考文献：
Riedl E. J.， Serafeim G.．Information Risk and Fair Value: An Examination of Equity Betas［J］．Journal of Accounting Research，2011（4）．
Balsam S.， Krishnan J.， Yang J. S.．Auditor Industry Specialization and Earnings Quality［J］．Auditing A Journal of Practice & Theory，2003（2）．
钱先航，刘舒，曹廷求．银行的外部审计有效吗？——来自我国商业银行的经验证据［J］．中南财经政法大学学报， 2015（3）．
Minsky H. P.．Inflation recession and economic policy［M］．Brighton： Wheatsheaf Books，1982．
Gropp R.， Moerman G.．Measurement of contagion in banks" equity prices［J］．Journal of International Money & Finance，2004（3）．
Brownlees C. T.， Engle R. F.， Kelly B. T.．A Practical Guide to Volatility Forecasting through Calm and Storm［J］． Ssrn Electronic Journal，2011（2）．
Adrian T.， Brunnermeier M. K.．CoVaR［D］．Princton： Princeton University，2011．
高国华，潘英丽．银行系统性风险度量——基于动态CoVaR方法的分析［J］．上海交通大学学报，2011（12）．
马君潞，范小云，曹元涛．中国银行间市场双边传染的风险估测及其系统性特征分析［J］．经济研究，2007（1）．
李志辉，樊莉．中国商业银行系统性风险溢价实证研究［J］．当代经济科学，2011（6）．
李玉贤．我国上市商业银行风险溢出效应的测度及分析研究——基于CoVar模型的分析［J］．陕西科技大学学报（自然科学版），2012（2）．
毛志宏，刘宝莹，冉丹．公允价值分层计量对上市公司信息风险的影响——基于沪深A股市场的经验证据［J］．吉林大学社会科学学报，2014（5）．
王建成，胡振国．我国公允价值计量研究的现状及相关问题探析［J］．会计研究，2007（5）．
邵莉，吴俊英．不同层级公允价值信息的决策有用性研究——基于我国A股金融业的经验分析［J］．西部论坛， 2012（3）．
Olivier B.， Giovanni Dell" Ariccia， Paolo M.．Rethinking Macroeconomic Policy［J］．Journal of Money Credit & Banking，2010（s1）．
Stern G. H.， Feldman R. J.， Volcker P. A.．Too big to fail： the hazards of bank bailouts： with a new preface［M］． Washington： Brookings Institution Press， 2009.
叶建芳，周兰，李丹蒙等．管理层动机、会计政策选择与盈余管理——基于新会计准则下上市公司金融资产分类的实证研究［J］．会计研究，2009（3）．
Aboody D.， Barth M. E.， Kasznik R.．Do firms understate stock option-based compensation expense disclosed under SFAS 123？［J］．Review of Accounting Studies，2006（4）．
Kolev K. S.．Do Investors Perceive Marking-to-Model as Marking-to-Myth？ Early Evidence from FAS 157 Disclosure［D］．Yale： Yale School of Mamagement，2008．
刘志洋，宋玉颖．商业银行流动性风险与系统性风险贡献度［J］．南开经济研究，2015（1）．
Newman D. P.， Patterson E.， Smith R.．The Influence of Potentially Fraudulent Reports on Audit Risk Assessment and Planning［J］．Accounting Review，2011（1）．
肖作平．公司治理影响审计质量吗？——来自中国资本市场的经验证据［J］．管理世界，2006（7）．
郭卫东．中国上市银行的系统性风险贡献测度及其影响因素——基于MES方法的实证分析［J］．金融论坛，2013（2）．
López-Espinosa G.， Moreno A.， Rubia A. et al.．Short-term wholesale funding and systemic risk： A global CoVaR approach［J］．Social Science Electronic Publishing，2012（12）．