【作　　者】
袁 薇，王培辉（副教授）

【作者单位】
河北大学经济学院，河北保定071002

【摘　　要】

    【摘要】本文选取2007年1月9日 ~ 2015年6月30日每日股价指数数据，运用扩展的CoVaR模型测度我国保险公司系统性风险溢出效应。研究表明，我国保险公司间、保险公司和保险业间及保险机构和其他金融机构间存在显著的双向风险溢出，并呈现出非对称性，不同保险机构的风险溢出存在较大差异。2007 ~ 2009年、2014年年底 ~ 2015年6月期间风险溢出效应明显强于样本期其他时间段。监管部门应该通过强化微观审慎监管、健全宏观审慎监管等措施降低保险业系统性风险。
【关键词】系统性风险；溢出效应；CoVaR模型；风险溢出
【中图分类号】F842      【文献标识码】A      【文章编号】1004-0994（2017）05-0114-5、引言
2007年爆发的次贷危机在不同金融机构、不同金融市场之间迅速传播，最终引发了全球性的金融危机。不断爆发的金融危机表明，大型金融机构经营失败会对整个金融体系的稳定产生巨大影响，并最终波及实体经济。这使人们更加关注金融机构间的系统性风险溢出和金融体系的脆弱性。
随着金融自由化、金融一体化的发展，金融市场间的协动性和内部联系日益加强，金融机构之间的关联错综复杂，各个金融机构和金融市场间的相关性不断增强。中央银行和金融监管机构重新设计了监管框架，以减轻系统性风险的影响，但是一个重要的问题是如何测度单个金融机构对其他金融机构的风险溢出强度。传统风险管理技术在险价值（VaR）方法侧重于衡量金融机构自身的风险，忽略了金融机构间系统性风险溢出的影响。Adian和Brunnermeier（2011）提出的条件在险价值（CoVaR）方法，有效地弥补了这一缺陷。众多学者使用这一模型测度了金融机构的系统性风险溢出效应。
现有研究主要针对商业银行系统性风险溢出展开，缺乏对保险业的关注。近年来，我国保险业快速发展，截至2015年6月底，保险业资产总额达到11.43万亿元，资金运用余额为10.37万亿元，在金融市场的影响力不断加大。伴随着保险业监管体制的改革、监管政策的放宽及保险业对国际市场的开放，保险公司的经营投资已涉及银行、证券、房地产等领域，保险市场与其他金融市场的联系显著增强，这无疑增大了保险业的系统性风险，影响了金融市场稳定。结合我国金融体系发展的实际，本文运用扩展的CoVaR模型测度我国保险公司系统性风险溢出效应。
二、文献综述
大量文献测度了金融机构的系统性风险溢出效应（Lin等，1994；Hartman等，2004；陈国进等，2009；李成等，2010），但相关研究使用的MGARCH、极值理论等研究方法只能测度金融机构间是否存在风险溢出效应，而无法度量风险溢出的强度。Adian和Brunnermeier（2011）利用从美国金融市场和股票市场收集的公开数据，提出了测量系统性风险溢出的一种新方法——条件在险价值（CoVaR）方法，可以测度单一金融机构对其他金融机构的风险溢出强度，度量单一金融机构对系统性风险的贡献大小。这种方法现在已经成为学者研究系统性风险溢出最常用的方法之一。
许多学者对CoVaR模型进行了修正和扩展，运用该模型对各国金融机构或金融部门系统性风险溢出进行了测度。Roengiptya和Rungcharoenkitkul（2011）使用CoVaR模型分析了亚洲金融危机期间泰国银行的系统性风险，发现个别银行增大了整个金融系统的风险，且有证据表明VaR较高的大银行对系统性风险贡献更大。但Jidapa Rodpol（2011）研究次贷危机期间泰国银行业的系统性风险后指出，VaR低的银行可能会带来较高的系统性风险溢出，VaR高的银行也并不必然有较高的风险溢出。Gauthier、Lehar和Souissi（2012）利用该模型研究了加拿大银行资本与系统性风险的关系，发现宏观审慎的监管要求可以降低个体银行的违约概率。Girardi和Ergun（2013）利用MGARCH模型来估计CoVaR，获得时变CoVaR，并实证分析了美国金融部门系统性风险溢出，发现系统性风险和金融机构规模不存在线性关系。Jäger-Ambrozewicz（2013）基于高斯分布假设，求得CoVaR模型的解析表达式，使CoVaR与VaR、风险系数β联系起来，并揭示了三者之间的相互联系。Hakwa等（2012）提出了一种基于二元Copula建模改进的CoVaR方法。Chen和Khashanah（2014）进一步拓展相关研究，将Vine Copula引入CoVaR模型，给出了一个计算简单的系统性风险指标。
国内学者也进行了相关研究。高国华和潘英丽（2011）运用动态CoVaR研究了上市商业银行对系统性风险的贡献，发现系统性风险贡献度与银行VaR之间不存在显著线性关系。陈忠阳和刘志洋（2013）运用CoVaR模型测度了我国上市商业银行的系统性风险，研究表明国有大型商业银行平均相关性明显低于其他股份制商业银行和城市商业银行，国有大型商业银行对系统性风险的贡献并不大，要小于其他普通商业银行。李志辉和樊莉（2011）、杨有振和王书华（2013）研究了运用分位数回归估计的CoVaR，发现我国上市商业银行间存在系统性风险溢出，现行监管体系不能有效防控系统性风险。金融危机期间，风险溢出强度更大，影响着金融系统的稳健运行。林鸿灿等（2012）研究了三家上市保险公司的风险溢出传染机制，测度了保险公司系统性风险溢出强度的差异，并分析了造成差异的具体原因。沈悦等（2014）运用GARCH-Copula-CoVaR模型研究了我国金融业系统性风险溢出，发现各个子市场均存在风险溢出，且呈现出非对称性，其中银行业风险溢出强度最大。谢福座（2010）、刘晓星等（2011）运用Copula-CoVaR模型测度了股票市场间的系统性风险溢出，发现美国股票市场对英、法、中等国家股票市场有显著的正风险溢出效应，其中对我国股票市场的风险溢出效应最弱。
综上所述，有关系统性风险溢出测度的文献不断增加，越来越多的学者对此开展了研究，对CoVaR模型进行了拓展和完善。
三、DCC-GARCH-CoVaR模型构建
1. 条件在险价值CoVaR介绍。传统风险管理方法VaR方法定义为金融机构i在1-q的置信水平下面临的损失价值，即Pr（Xi≤        ）=q。如上文所述，传统VaR方法虽然较好地衡量了一个机构极端情况下面临的损失，但无法衡量风险的传染扩散程度及其影响大小。Adian和Brunnermeier（2011）提出CoVaR模型，他们将其定义为：在1-q的置信水平下，金融机构i损失为        时，金融机构面临的条件损失价值，即：

这样仅考虑了金融机构i损失分布的q分位数，无法衡量分位数以下的尾部风险。因此，本文扩展了CoVaR的内涵，将其定义为：

则金融机构i对金融机构j的系统性风险溢出为：

其中，              为金融机构i处于正常情况时，金融机构j面临的损失价值。
2. DCC-GARCH-CoVaR模型估计。本文运用能捕捉金融时序变量动态相关性的二元DCC-GARCH模型测算CoVaR。与Adian和Brunnermeier（2011）假设残差服从正态分布不同，本文假设残差服从t分布，以更好地刻画金融时间序列的尖峰和厚尾特征。
令Rt=（          ），二元DCC-GARCH（1，1）模型为：
Rt=μt+εt

εt|Ωt-1 ~ T（0，ht，ν）
其中：ht为方差协方差矩阵；ut为εt标准残差，服从独立同分布；ν为二元联合t分布自由度。
估计DDC-GARCH（1，1）模型可得Rt的联合概率密度函数pdft。另外，条件概率分布Pr（Xj≤
      |Xi≤       ）=q可重新表述为：

 图2和图3给出了保险机构与其他金融机构间的风险溢出时序图，可以看出同保险公司风险溢出变化趋势相似，2007 ~ 2009年、2014年年底 ~ 2015年6月两个时间段系统性风险溢出价值高于样本期其他时间段。保险业投资经营领域不断扩展，截至目前已经有十家大型综合保险控股集团公司，随着混业经营趋势的进一步加强，保险业和其他金融机构的联系更加紧密。一旦保险业发生系统性风险，会波及其他金融机构甚至整个金融业，其他金融机构发生风险也会对保险业产生消极影响。
五、结论及政策建议
鉴于传统VaR风险管理的不足，本文引入CoVaR模型测度系统性风险溢出强度。在拓展二元GARCH-CoVaR模型基础上，选取上市保险公司和各金融机构每日股价指数，测度了保险公司系统性风险溢出效应。通过实证分析可以看出，我国保险公司间、保险公司和保险业间、保险机构和其他金融机构间均存在双向风险溢出，且表现出非对称性。不同保险公司间风险溢出价值不同，不同金融机构与保险业的相互影响也不同。危机期间，各保险公司风险溢出效应明显加强。值得注意的是，近来风险溢出再度增强，必须关注我国金融体系的系统性风险。基于以上研究结论，本文提出相关政策建议如下：
1. 推进“偿二代”监管实施，加强保险公司微观审慎监管。偿付能力是保险公司正常运营的基础，必须强化保险公司资本监管，降低保险公司违约风险，这是防范系统性风险爆发的重要举措之一。自2012年起，保监会逐步放开保险公司投资领域和投资比例限制，并开始建设以风险为导向的“偿二代”监管体系。目前，保监会已经正式发布保险公司第二代偿付能力监管细则，设置了实施过渡期。“偿二代”监管体系借鉴了欧美保险业监管框架，又与其有较大差异，是结合了我国保险公司的发展实际，自主研发设计的保险监管体系。应通过完善“偿二代”监管体系的实施，进一步加强保险公司风险的微观审慎监管。
2. 完善金融业宏观审慎监管，建立健全保险业宏观审慎监管框架。次贷危机和欧债危机等不断发生的金融危机表明，各金融机构间的联系日益紧密，单一金融机构系统性风险溢出同样会给其他金融机构带来负面冲击。从金融监管角度来看，不仅需要个体金融机构完善微观风险控制措施，还需要国家健全宏观审慎监管体系，这已经成为各国监管当局的共识。必须推进保险业宏观审慎监管框架建设，识别保险业系统性重要金融机构，加强其风险监管。按照系统性风险贡献大小不同，有针对性地实行差别化监管。设计保险业逆周期监管框架，强化系统性风险识别和控制，完善金融业信息共享机制，确定监管机构及协调机制，在实践中探索适应新经济形势的动态宏观审慎监管框架。

主要参考文献：
Lin W.， Engle R.F.， Ito T.．Do Bulls and Bears Move across Borders？ International Transmission of Stock Returns and Volatility［J］．Review of Financial Studies，1994（3）．
Hartman P.， Straetmans S.， Vries C. G.．Asset Market Linkages in Crisis Periods［J］．Review of
Financial Studies，2004（1）．
陈国进，许德学，陈娟．我国股票市场和外汇市场波动溢出效应分析［J］．数量经济技术经济研究，2009（12）．
李成，马文涛，王彬．我国金融市场间溢出效应研究——基于四元VAR-GARCH（1，1）-BEKK模型的分析［J］．数量经济技术经济研究，2010（6）．
Roengiptya R.， Rungcharoenkitkul P.．Measuring Systemic Risk and Financial Linkages in the Thai Banking System［R］．Bank of Thailand Discussion
Paper，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）．
陈忠阳，刘志洋．国有大型商业银行系统性风险贡献度真的高吗？——来自中国上市商业银行股票收益率的证据［J］．财贸经济，2013（9）．
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）．
杨有振，王书华．中国上市商业银行系统性风险溢出效应分析——基于CoVaR技术的分位数估计［J］．山西财经大学学报，2013（7）．
沈悦，戴士伟，罗希．中国金融业系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型的研究［J］．当代经济科学，2014（6）．
谢福座．基于GARCH-Copula-CoVaR模型的风险溢出测度研究［J］．金融发展研究，2010（12）．
刘晓星，段斌，谢福座．股票市场风险溢出效应研究：基于EVT-Copula-CoVaR模型的分析［J］．世界经济，2011（11）．