【作　　者】
黄大禹，陶良虎（博士生导师）

【作者单位】
武汉理工大学经济学院，武汉430070

【摘　　要】

    【摘要】在后国际金融危机、全面深化利率市场化改革的背景下，我国商业银行经营受到了来自互联网金融的冲击。基于此，本文对我国商业银行风险以及商业银行之间风险传染进行了度量和分析，利用在险价值（VaR）和期望损失（ES）两种风险度量工具对七家重要银行的风险进行度量，同时利用条件在险价值（CoVaR）和△CoVaR对商业银行的风险传染进行度量。研究结果表明：我国商业银行尾部风险存在，并且对商业银行风险的影响较大；我国商业银行之间存在较强的风险传染，该现象表明我国商业银行存在系统性风险。
【关键词】风险传染；在险价值；期望损失；条件在险价值
【中图分类号】F832.33           【文献标识码】A           【文章编号】1004-0994（2016）35-0100-6一、引言
2008年金融危机的爆发对全球银行业造成了很大的冲击和影响。这场席卷全球的金融危机不仅引发了金融监管机构和学者对金融监管体系的反思，也引起了监管当局对金融监管理念的反思。在次贷危机发生以后，美国监管当局对金融监管的思路进行了调整，而为了应对国际性危机，欧盟委员会（European Commission）也于2009年6月通过了《欧洲金融监管改革方案》，该方案于2010 年生效。巴塞尔委员会通过的《巴塞尔协议Ⅲ》中也体现了微观审慎监管与宏观审慎监管相结合的监管方案，确立了银行业监管全新的国际标杆。
同样，在我国，银行业监管部门也对银行业监管进行了调整。银监会发布了《商业银行资本管理办法》，并于2013年1月1日起正式实施。银行业作为金融业乃至整个社会经济的核心，对银行业风险及其传染的监管直接关系到金融系统乃至宏观经济的稳健运行。那么，在当前背景下研究我国商业银行风险及其风险传染对增强我国商业银行的稳健性和国际竞争力无疑具有十分重要的意义。
当前，我国商业银行面临的挑战主要包括三个方面：
第一，2008年金融危机中暴露出的系统性风险。单个商业银行安全并不代表整个银行业的稳健，商业银行业中有系统性风险存在。系统性风险是指某家商业银行或者银行系统的一部分受到某种冲击后，这种冲击会通过业务往来、资产价格联动（co-movement）、系统流动性（liquidity commonality）、公允价值计量准则（fair value）、市场恐慌、银行挤兑等途径传染至其他商业银行，对整个行业产生冲击，最终影响实体经济的发展。系统性风险的传染过程类似于多米诺骨牌，因为风险的传染最终会放大整个行业中各个银行的风险。那么，我国银行业系统性风险如何表现？各个银行之间风险如何传染？这些问题同样值得关注和研究。
第二，利率市场化改革对我国商业银行传统经营模式有一定的冲击。利率市场化给商业银行带来最直接的挑战主要是负债的不稳定性，商业银行需要做好平衡收益性和流动性的工作。资产负债的期限错配对商业银行来说是有利有弊的：既可以为商业银行带来收益，也可能给商业银行带来流动性危机。2013年“钱荒”事件带来了同业拆放利率飙升，显示了商业银行流动性的不足。在利率市场化改革完成后，商业银行将面临更大的风险。
第三，互联网金融对传统商业银行的冲击。互联网金融的快速发展也对我国利率市场化进程有推动作用。除此以外，互联网金融在大数据开发这一块要远远优于传统商业银行。互联网金融利用互联网这一渠道的优势，不仅可以发现潜在的客户需求，而且可以更为有效地对风险进行监管。因此，面对互联网金融的冲击，我国商业银行应积极主动加快经营模式转变。但这一转型过程中，商业银行同样会面临一些全新的风险因素，这也是商业银行需要关注的地方。
因此，为了维持商业银行经营的稳健性和持久性，防范商业银行风险以及银行业系统性风险，有必要对商业银行风险及其风险传染进行度量和分析，并提出行之有效的风险管理政策。只有有效控制金融机构个体风险以及个体之间的风险传染，才能维持金融系统的稳定，才能减少金融系统给整个经济系统带来的不良冲击。
二、文献综述
（一）商业银行风险研究综述
风险度量与管理理论经历了很长的发展和完善阶段。传统风险度量主要是利用方差（或者标准差）来衡量金融机构或标的资产收益的不确定性。在一定程度上，利用标准差来度量风险可以较为有效地实施风险管理。但是，基于传统方差（或标准差）的风险度量方法对金融风险的度量存在一些缺陷：例如，对金融机构的风险分布要求为正态分布等。在实际应用中，如果金融机构风险分布出现尖峰后尾的情况，该方法对风险的度量往往会出现很大的偏差。为此，G30集团提出了一种新的度量市场风险的方法——在险价值法（VaR，Value at Risk）。其后J. P. Morgan进一步推广了对在险价值的应用。截至目前，在险价值（VaR）方法已成为风险度量的主要方法之一。
在国内也有较多的学者对风险度量和风险管理进行了研究。一些学者也将在险价值（VaR）应用于商业银行风险度量和管理中。例如胡杰等（2005）比较了在险价值（VaR）和条件在险价值（CVaR）的应用，并分别指出了两种度量方法的优劣。戴国强等（2000）、刘红卫和孙文涛（2014）也阐述了在险价值（VaR）模型如何应用于金融风险管理。一些学者将在险价值（VaR）应用于商业银行特定风险度量。例如，商业银行利率风险（海威，2010）、银行资产负债风险管理（迟国泰等，2000）、商业银行风险监管（刘宇飞，2000）。可见，在险价值（VaR）在商业银行风险度量和管理中已经得到了较为广泛的讨论和应用。而且，在金融业界同样也有一些机构将在险价值应用于机构风险管理，包括其持有资产风险暴露状况等。
但是，在险价值（VaR）在度量风险时同样存在不足之处。一些研究者指出在险价值（VaR）并不满足一致性风险度量的性质，因此，该风险度量方法需要进一步完善。一些学者对度量方法进行了拓展，主要包括条件在险价值（CVaR）（Uryasev，2000）、期望损失（ES，Excepted Shortfall）（Acerbi等，2002）等度量方法。这些方法既继承了在险价值的特征，又能够满足一致性风险度量的原则。期望损失（ES）度量方法的一个最重要的优点是该方法在风险度量中考虑了尾部风险特征，并将尾部风险纳入风险度量中。此后，Yamai等（2002）、高全胜（2004）均将期望损失（ES）方法应用于风险度量中。席金平和吴润衡（2009）将期望损失应用于商业银行风险度量中。
由于上述两种风险度量方法均可以用于风险度量，且两者考虑的视角存在一定的差异。因此，本文拟采用在险价值（VaR）和条件在险价值（CVaR）这两种度量方法对我国商业银行风险进行度量。其目的主要有两个：一方面，我们比较两种风险度量之间的差异，发现商业银行尾部风险特征，研究商业银行尾部风险是否较大。另一方面，利用两种风险度量方法——在险价值（VaR）和期望损失（ES）对商业银行风险大小进行度量，从而有助于提出更为完善的商业银行风险管理政策建议。
（二）商业银行风险传染研究综述
首先需要指出的是，本文所研究的商业银行风险传染主要是指商业银行之间的风险传染，并不包括商业银行内部风险的传染过程分析。
商业银行之间的风险传染在2008年金融危机之后得到了业界和学界的普遍关注。金融危机暴露出了金融业的系统性风险，而系统性风险主要表现为微观金融机构的风险传染。Billio等（2012）指出系统性风险将会威胁金融系统稳定性和市场参与者对市场的信心。ECB（2010）也指出金融系统性风险损害实体经济增长和社会福利分配。吴卫星等（2014）对金融业风险传染渠道进行了综述，阐述了金融机构之间的风险主要会通过业务往来、资产价格联动、系统流动性、公允价值计量准则、市场恐慌、挤兑等多种途径传播，最终对整个金融业产生影响，甚至会对实体经济产生严重的负面冲击。因此，对商业银行之间风险传染的研究成为本文的另一个研究主题。本文拟对商业银行之间的风险溢出大小进行度量和分析。
Bandt和Hartmann（2000）指出“金融传染”（financial
contagion）是银行业系统性风险（systemic risk）的核心，是危机或者风险由一个机构（或者市场、系统）向其他机构（或者市场、系统）的传染过程。这种风险传染可能是单向的，也可能是双向的；同时，金融机构之间风险传染强度可能也会呈现出非对称的情况。Adian和Brunnermeier（2009）引入了条件风险价值（CoVaR）度量这种风险传染。该指标度量的主要是当单个金融机构或几个金融机构陷入困境时（以风险值大于某个阈值作为条件），其他金融机构面临的风险大小（在险价值来表示）。此后，条件在险价值（CoVaR）被广泛运用在风险溢出效应和系统性风险的度量中（朱元倩和苗雨峰，2012；范小云等，2011）。李玉贤（2012）、杨有振和王书华（2013）、马亚芳和潘凌遥（2013）、郭卫东（2013）均将条件在险价值（CoVaR）运用在我国商业银行之间的风险传染中。高国华和潘英丽（2011）将条件在险价值（CoVaR）拓展到动态度量范畴，并利用动态条件在险价值对我国商业银行风险传染进行了实证分析。同样还有一些学者利用△CoVaR对商业银行风险进行度量，具体可见王永巧和胡浩（2012）、周强和杨柳勇（2014）的研究。
因此，本文将利用条件在险价值（CoVaR）和△CoVaR来度量商业银行之间的风险及其风险传染大小，并基于此进一步对商业银行风险传染进行分析，研究具体哪些因素会影响商业银行之间的风险传染，然后基于实证研究结果提出商业银行有效的风险传染管理政策，以及对金融行业系统性风险的监管建议。三、我国商业银行风险与风险传染度量方法
（一）商业银行风险度量方法
本文主要采用在险价值（VaR）和期望损失（ES）来对商业银行风险进行度量。在险价值（VaR）是在特定的置信水平α、特定时间段内，金融机构所面临的潜在的最大损失。其本质为一分位数，数学表达式如下：
Prob（△V<VaR）=α          （1）
其中：△V为随机变量，表示商业银行在特定时间内的损失；VaR表示在险价值；α为给定置信度；Prob（）表示事件的概率。由在险价值（VaR）的定义，我们可以得到：

其中：r为商业银行的收益率；V0为商业银行的初始价值；Zα为α下对应的分位数；σ表示商业银行收益的波动率；T为测度期限。
根据在险价值（VaR）的定义，在险价值（VaR）对风险进行度量有一定的限制。因此在这里，利用在险价值（VaR）对商业银行风险进行度量实际上是将商业银行看作一项金融资产。在下文数据说明里我们会进一步说明采用何种数据来分析商业银行风险。
考虑到商业银行金融风险分布往往会呈现出尖峰（High Kurtosis）、厚尾（Fat Tail）现象，这里我们进一步考虑尾部风险特征，利用期望损失（ES）来对商业银行风险进行度量。期望损失（ES）实际度量的损失大于在险价值（VaR）的损失均值。期望损失（ES）的数学表达形式如下：
ES=E［f（x）|f（x）≥VaRα］         （3）
考虑尾部风险实际可以更完善地度量商业银行风险，特别是容易被忽视的尾部风险（或称为极值风险）。实际上，全球性经济危机以及金融危机频发将会给商业银行带来很大的风险，将商业银行风险拖入风险分布的尾部。如果没有考虑这种尾部风险，那么对商业银行的风险度量将会是偏误的，使得商业银行低估自身的风险，不利于商业银行的风险控制和稳健经营。从实际经济含义的视角来看，期望损失（ES）风险度量方法将商业银行尾部风险特征纳入风险度量考虑范围，可以较为准确地度量商业银行风险，该度量方法相比其他风险度量方法来说更为实用和有效。因此，本文除了采用在险价值（VaR），也采用期望损失（ES）来度量风险。
（二）系统性风险与商业银行风险传染
银行业系统性风险主要是指单个商业银行或者部分商业银行发生危机时，这种风险冲击通过各种渠道传染至其他商业银行，最后使得整个银行系统产生较大冲击，威胁实体产业和实体经济的发展。从系统性风险的定义可以看出，银行业系统性风险的重点在于商业银行之间的风险传染。本文将从风险传染这一视角对商业银行业系统性风险进行分析。在利率市场化背景下，央行行长周小川、银监会主席尚福林等多次提及在利率市场化改革中要以防范系统性风险为前提条件。本文在研究商业银行风险时需要关注商业银行之间的风险传染。
从一些文献中我们可以总结出：银行业系统性风险的来源主要包括流动性传染、信息不对称导致风险累积、规模过大（too big to fail）、金融一体化使得金融系统关联过强（too interconnected to fail）、顺周期性以及公允价值会计度量准则等因素。由于上述因素的存在，使得风险不仅在商业银行之间传染，而且有一个放大的效应，呈现出“多米诺骨牌效应”（domino effect）。这也就是说，商业银行之间的风险不仅在银行之间传染着，而且这种传染的风险大于原本的冲击风险本身。
商业银行之间风险传染的原因不仅仅局限于流动性传染、信息不对称导致风险累积、规模太大等。我们知道，随着全球经济一体化、金融自由化不断加速，商业银行系统之间关联性越来越强。商业银行之间共同的影响因素太多，而差异化的因素太少。例如，各家商业银行产品的定价系统基本是相似或相同的，风险管理系统也是类似的。那么一家商业银行出现了漏洞或者风险，其他商业银行也避免不了这些漏洞和风险。此外，商业银行之间还存在资产互持、业务往来等情况，这实际上就直接增加了商业银行之间相互风险传染的渠道。
（三）基于条件在险价值（CoVaR）的风险传染度量方法
商业银行之间风险传染的度量方式中条件在险价值（CoVaR）和△CoVaR较为流行。条件在险价值（CoVaR）主要是指以在险价值（VaR）测度单个商业银行非条件性尾部风险，来度量单个商业银行陷入危机对其他商业银行尾部风险的影响。该方法是由Adrian 和Brunnermeier（2010）创立，创新性地将系统性风险的度量与在险价值（VaR）联系在一起。本文将采用条件在险价值（CoVaR）和△CoVaR来对商业银行风险传染（也即商业银行系统性风险）进行度量。
下面介绍两种风险传染度量方法条件在险价值（CoVaR）和△CoVaR的计算方法。             是指商业银行j在商业银行i处于风险暴露的条件下，置信度为α的在险价值（VaR）。

在计算出条件在险价值（CoVaR）的基础之上，我们可以进一步计算出商业银行系统性风险的贡献度△CoVaR。该指标是指该商业银行陷入困境条件下的整个银行业的条件在险价值（CoVaR）和该商业银行常态下的整个商业银行业的条件在险价值（CoVaR）之间的差额，可表示为：

  （5）
本文将用条件在险价值（CoVaR）和△CoVaR作为商业银行风险传染的度量方法。两种方法度量的结果表示一家商业银行对其他商业银行的风险传染（风险溢出）值。
四、我国商业银行风险度量分析
（一）数据及描述性统计
商业银行风险度量可用的数据主要包括商业银行公开披露的信息，如证券市场数据、财务数据等。商业银行内部数据可能很丰富，但是却很难获得。这里考虑到商业银行财务数据主要是年度数据或者季度数据，无法对商业银行风险进行有效反映，因此本文将选用商业银行的股票市场数据。股票市场的数据为日度数据，可以较为有效地反映商业银行每日的风险暴露情况。例如，如果某家商业银行出现了负面消息，那么下一次开市日，这家商业银行的股票价格将会下跌，但是这一信息无法在财务数据上得到及时的体现。这也说明，选用股票市场数据是有效的。
本文数据主要来源于万得（wind）资讯数据库，利用七家我国系统性重要银行从2008年1月到2014年12月的数据进行分析。七家重要银行包括中国工商银行（ICBC）、中国建设银行（CCB）、中国银行（BOC）、中国农业银行（ABC）、中信银行（CCIB）、交通银行（BOCOM）和招商银行（CMB）。七家重要银行的股票数据对数收益率的描述性统计结果如表1所示。由于每家商业银行上市时间不一致，所以在样本量上是存在差异的。

从不同商业银行的标准差可以看出不同商业银行风险存在差异。从标准差度量方法上来看，交通银行（0.0215）、招商银行（0.0257）和中信银行（0.0243）相比其他几家银行来说风险暴露较大。从偏度指标来看，有五家商业银行对数收益率出现了左偏，两家银行出现了右偏，七家商业银行均出现了尖峰的现象。因此，说明七家商业银行的风险分布均不属于正态分布。这说明，利用标准差度量商业银行风险是存在缺陷的，实际上忽视了商业银行的尾部风险。考虑到商业银行尾部风险的存在，本文采用在险价值（VaR）和期望损失（ES）对商业银行风险进行度量分析是合理、有效的。
（二）商业银行风险度量
1. 基于在险价值（VaR）的商业银行风险度量。进一步，我们利用在险价值（VaR）模型进行风险度量，分别取p=0.99、q=0.01和p=0.95、q=0.05。通过R软件编程计算，我们得到各家商业银行的在险价值（VaR）如表2所示。表2中第二列为q=0.01的情形下计算出的商业银行在险价值（VaR），第三列为q=0.05的条件下计算出的商业银行在险价值（VaR）。

从表2中在险价值（VaR）度量结果可以看出，利用VaR方法的风险度量和传统标准差（或方差）风险度量结果有相似之处，但是也存在差异。从表2中，我们同样可以看出交通银行、招商银行和中信银行相比其他几家银行来说风险暴露较大。与标准差度量方法不同的是，在VaR度量框架下，我们同样可以发现中国建设银行和中国银行的风险暴露也较大。因此，在商业银行风险管理中，利用VaR风险度量技术，我们可以发现一些在标准差度量方法下忽视的问题。
这里以q=0.01为例对商业银行风险进行说明。从表2中第二列可以看出：在该情况下，基于在险价值（VaR）度量技术的七家重要银行的风险值从大到小依次是：中信银行
（-0.0701）、招商银行（-0.0676）、交通银行（-0.0619）、中国建设银行（-0.0534）、中国银行（-0.0525）、中国工商银行（-0.0485）和中国农业银行（-0.0289）。
2. 基于期望损失（ES）的商业银行风险度量。从描述性统计结果（表1）可以发现，商业银行风险都出现了不同程度的偏斜，所以需要进一步考虑尾部风险特征。基于此，我们进一步利用期望损失（ES）来度量七家商业银行的风险值。

表3分别列示了商业银行期望损失度量结果，其中第二列为q=0.01时计算出的商业银行期望损失值，第三列为q=0.05时计算出的商业银行期望损失值。这里以q=0.01为例对商业银行风险度量结果进行说明。从表3的第二列可以看出：在该情况下，基于期望损失（ES）度量技术的七家重要银行的风险值从大到小依次是：招商银行（-0.0974）、中信银行
（-0.0882）、交通银行（-0.0839）、中国工商银行（-0.0754）、中国建设银行（-0.0717）、中国银行（-0.0699）和中国农业银行（-0.0357）。
与表2度量结果对比，可以得出商业银行风险特征的两个结论。第一，所有商业银行风险暴露增加很多。也就是说，考虑尾部风险特征情形下，商业银行风险将会增加。七家商业银行的风险均有较大增加，这说明我国商业银行在风险管理中存在较大漏洞，需要加强对风险的管理，特别是这种极值风险的控制。这类风险虽然爆发的概率较小，但是一旦发生了危机，损失将是十分巨大的。第二，考虑尾部风险以后，商业银行按风险大小排序的顺序发生了变化。考虑尾部风险特征的风险度量和不考虑尾部特征的风险度量结果之间是存在差异的。这给商业银行需要关注尾部风险提供了佐证。
五、我国商业银行风险传染分析
（一）商业银行风险传染度量
利用条件在险价值（CoVaR）对系统性风险进行度量时，我们取p=0.99、q=0.01。这里以七家重要银行作为传染对象，以中国工商银行、中国建设银行、交通银行为传染源的度量结果如表4 ~ 表6所示。其他的传染源可以采用类似的方法进行度量，这里予以省略。
1. 以中国工商银行为传染源。表4中第二列为商业银行之间的条件在险价值（CoVaR），第三列为商业银行之间的△CoVaR值。从表4可以看出以中国工商银行为传染源对其他商业银行的风险溢出值。从条件在险价值（CoVaR）和△CoVaR值来看，中国工商银行对招商银行的风险传染值最大，其中条件在险价值（CoVaR）达到了-0.0873，而△CoVaR为-0.0343；对中国农业银行的风险传染值最小，其中条件在险价值（CoVaR）达到了-0.0483，而△CoVaR为-0.0162。中国工商银行对其他商业银行风险传染的大小顺序为：招商银行、中国银行、交通银行、中国建设银行、中信银行、中国农业银行。

2. 以中国建设银行为传染源。表5列示了以中国建设银行为传染源时，商业银行风险传染的结果。可以看出招商银行仍然是受中国建设银行风险传染影响最大的一家商业银行。其中条件在险价值（CoVaR）达到了-0.0953，而△CoVaR为-0.0411。在以中国建设银行为传染源的情况下，除中国农业银行受到的风险传染较小之外，中信银行受到的风险传染影响也较小。其中，中国农业银行条件在险价值（CoVaR）达到了-0.0511，而△CoVaR为-0.0199；中信银行的条件在险价值（CoVaR）达到了-0.0591，而△CoVaR为-0.0261。

3. 以交通银行为传染源。在以交通银行为传染源的情况下，我们发现银行间风险传染强度更大。交通银行对其他商业银行的风险传染强度如表6所示。其中，交通银行对中国工商银行的风险传染强度以条件在险价值（CoVaR）表示为-0.0903，以△CoVaR表示为-0.0367。交通银行对中国建设银行的风险传染强度以条件在险价值（CoVaR）表示为
-0.0874，以△CoVaR表示为-0.0348。交通银行对中国银行的风险传染强度以条件在险价值（CoVaR）表示为-0.0714，以△CoVaR表示为-0.0351。交通银行对中国农业银行的风险传染强度以条件在险价值（CoVaR）表示为-0.0515，以△CoVaR表示为-0.0190。交通银行对招商银行的风险传染强度以条件在险价值（CoVaR）表示为-0.0947，以△CoVaR表示为-0.0411。交通银行对中信银行的风险传染强度以条件在险价值（CoVaR）表示为-0.0854，以△CoVaR表示为
-0.0339。

（二）不同商业银行风险传染比较分析
首先，我们对商业银行之间风险传染强度的差异进行比较分析。比较表4 ~ 表6中同一家商业银行对其他商业银行的风险传染、不同商业银行对同一家商业银行风险传染的强度，我们可以得到以下两点结论：
第一，不同商业银行对其他商业银行的风险传染强度是不同的。有些商业银行对其他商业银行的风险传染强度较大，例如交通银行；而相比之下，有些商业银行对其他商业银行的风险传染强度较小，例如中国工商银行。
第二，同一个商业银行对其他商业银行的风险传染强度也是不同的。以中国工商银行作为传染源为例，中国工商银行对其他六家商业银行的风险传染强度均不相同，有的受中国工商银行影响较大，而有些商业银行受中国工商银行的风险传染影响较小。
商业银行之间存在风险传染，但是不同的商业银行之间这种风险传染呈现出一种非对称的现象。笔者认为由于商业银行之间在业务、经济上的往来不对称，使得不同商业银行之间风险传染强度不同。商业银行之间往往受到资产互持、业务往来、共同持股等商业银行自身因素的影响，除此以外还有公允价值会计计量准则、市场恐慌和挤兑等因素的影响。在上述因素的共同影响之下，风险传染在不同的商业银行之间开始出现。商业银行之间风险传染的强度受这些因素的共同影响。
我们进一步探究商业银行之间风险传染的影响因素，提出有关风险传染的政策建议。随着资产互持、业务往来以及共同持股这些因素的增加，商业银行之间风险传染强度将会加大。同样，市场恐慌或者挤兑行为的增加也会直接加大商业银行之间的风险传染强度。但是，商业银行之间差异化经营却会减小商业银行之间的风险传染强度。商业银行之间经营模式差异越大，两者之间的风险传染强度将会越小。这实际上为商业银行在风险传染层面进行风险管理提供了一种思路。
六、结论及政策建议
在利率市场化改革不断深入的大背景下，本文以七家重要银行作为研究对象，对商业银行风险以及商业银行之间的风险传染进行度量，分析和研究了影响商业银行风险的因素以及影响商业银行风险传染的因素，据此，文章提出了商业银行自身风险管理和银行业监管的政策建议。
首先，利用在险价值（VaR）对七家商业银行的风险进行了度量，研究发现在险价值（VaR）度量结果与传统标准差的度量结果基本相吻合。但是在险价值（VaR）度量方法下，有几家商业银行风险增加。针对商业银行风险呈现出偏态分布的特征，我们进一步利用期望损失（ES）对商业银行风险进行度量。度量结果显示，考虑商业银行风险分布的尾部特征，商业银行风险度量值显著增加。相比在险价值（VaR），其中一些银行以期望损失（ES）度量的风险值增加较大，这说明这些商业银行在经营过程中遇到的极值风险较多，应该注意极值风险和尾部风险的控制和管理，防止经营中这类发生概率较小、带来损失较严重的事件影响商业银行的经营和发展。
其次，利用条件在险价值（CoVaR）和△CoVaR对商业银行风险传染进行了度量和分析。研究发现，不同商业银行对其他商业银行的风险传染强度不同，同一商业银行对其他商业银行的风险传染强度也不相同。从商业银行之间的风险传染强度来看，我国商业银行之间存在较强的风险传染。这一方面显示了我国商业银行在风险传染（风险溢出）管理上的不足，另一方面也为我国银行业系统性风险的存在提供了佐证。
基于商业银行风险和商业银行风险传染两个方面的实证结果，笔者进一步从商业银行和银行监管两个视角提出了风险管理以及风险传染管理的政策建议。
在商业银行层面，其不仅仅需要关注自身风险管理，而且需要对其他商业银行对自身的风险传染进行管理。在商业银行自身风险管理中，笔者认为其需要关注极值风险事件，防止重大事件影响商业银行经营和管理给商业银行带来巨大损失。在商业银行间风险传染方面，商业银行需要通过条件在险价值方法找出哪些商业银行对自身风险溢出（或风险传染）较大，及时做好对这些商业银行的风险隔离，防止风险传染对自身的影响。
在商业银行的监督和管理层面，笔者认为并不能仅仅从微观审慎监管上对商业银行进行监管，要将对商业银行的监管融合宏观审慎监管和微观审慎监管两个层面来实施。从商业银行风险传染的度量结果可以看出，商业银行之间存在较强的风险传染，也说明商业银行系统性风险的存在。这里如果简单地采用微观层面的监管必然无法避免系统性风险。而将对商业银行的宏观审慎监管、微观审慎监管相结合，才能促进我国银行业稳健发展。

主要参考文献：
迟国泰，奚扬，姜大治，林建华．基于VaR约束的银行资产负债管理优化模型［J］．大连理工大学学报，2002（6）．
戴国强，徐龙炳，陆蓉．VaR方法对我国金融风险管理的借鉴及应用［J］．金融研究，2000（7）．
范小云，王道平，方意．我国金融机构的系统性风险贡献测度与监管——基于边际风险贡献与杠杆率的研究［J］．南开经济研究，2011（4）．
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）．
高全胜．金融风险计量理论前沿与应用［J］.国际金融研究，2004（9）．
郭卫东．中国上市银行的系统性风险价值及溢出——基于CoVaR方法的实证分析［J］．北京工商大学学报（社会科学版），2013（7）．
海威．基于VAR模型的商业银行利率风险管理研究［J］．金融经济，2010（10）．
胡杰，郭晓辉，邱亚光．VaR与CVaR在商业银行风险度量中的比较分析及应用［J］．金融论坛，2005（7）．
李宝宝，王言峰．基于CVaR-POT模型的我国银行业操作风险度量研究［J］．华东经济管理，2007（11）．