我国银行业二元风险混合传染效应研究

郭 晨，吴君民

(1.上海立信会计金融学院 学术期刊编辑部，上海 201209；2.江苏科技大学 经济管理学院，江苏 镇江 212003)

一、引言与文献综述

2017年第五次全国金融工作会议提出“以防范系统性金融风险为底线”“要把主动防范化解系统性金融风险放在更加重要的位置”。十九大报告也提出要“守住不发生系统性金融风险的底线”，这就要求监管机构将商业银行系统视为一个整体，根据单个或部分商业银行的风险传染效应测算系统性风险。目前各国金融监管部门和国际金融监管机构已使用大量指标和模型对风险传染效应进行研究，而每个指标和模型都为监管者提供了不同的风险传染及系统性风险监控视角。

目前对商业银行风险传染的研究方法主要分为基于市场数据的风险组合分析法和基于资产负债表的网络分析法。

(一)基于市场数据的风险组合分析法

该方法主要利用商业银行发行的股票、债券等金融工具在市场价格等变量发生极端变化时，通过测算银行间的尾部依赖关系测算风险传染规模。主要包括：(1)在险价值分析法。通过估测单家银行在风险压力条件下的金融系统在险价值(CoVaR)以及正常情况下的金融系统在险价值(VaR)，对风险传染过程进行测算。比如Adrian & Brunnermeier(2009)[1]、Lopez-Espinosa et al.(2012)[2]、刘志洋和宋玉颖(2015)[3]运用类似方法对风险传染规模进行了实证分析；(2)边际期望损失法。Acharya et al.(2010)[4]、Brownlees & Engle(2015)[5]利用商业银行的边际期望损失(MES)和系统性期望损失(SES)，测度市场未发生金融危机时和危机时期商业银行对整个金融系统的风险边际贡献度，考察风险传染规模。范小云等(2011)[6]通过研究发现我国商业银行对系统性风险的边际风险贡献具有明显的周期性特征；(3)或有权益分析法。Jobst & Gray(2013)[7]、范小云等(2013)[8]、李志辉等(2016)[9]将整个银行系统的损失视为多家银行预期损失的组合，采用时变极值Copula函数刻画商业银行违约风险相依结构动态特征，监测宏观市场环境变化对风险传染的影响。

基于市场数据的风险组合分析法的优势在于可以采用大量公开市场数据，从时间维度考察风险传染的变化情况，并且能对商业银行和银行系统未来表现进行预期，因而具有前瞻性。不足之处在于该方法主要考察商业银行股票价格等市场变量与风险传染指标之间的相关性，而非因果关系。同时该方法只适用于上市商业银行，大量城市商业银行和其他银行类金融机构并不在考察范围内，因而最终结论能否代表商业银行系统的真实情况有待商榷。

(二)基于资产负债表的网络分析法

该方法认为银行间由真实交易产生的资产负债表业务具有一定的关联性，并形成复杂的金融网络，而市场参与者自身风险造成的支付困难可能造成大范围的违约，因此可以运用违约传染算法考察商业银行风险传染效应。根据银行系统风险传染成因不同可分为破产风险传染及流动性风险传染。一些文献就两类风险传染情况分别进行了实证分析：破产风险传染研究方面，Upper(2011)[10]通过假定一家或多家银行破产及破产条件下不同违约率，对风险传染路径及规模进行压力测试。部分学者(Degryse & Nguyen，2007；Iori et al.，2008；Memmel & Sachs，2013)[11-13]利用类似方法分别对比利时、意大利和德国银行间市场破产风险传染及违约水平进行实证分析。国内学者也对相关问题进行了研究，比如李宗怡和李玉海(2005)[14]、马君潞等(2007)[15]讨论了我国银行间市场中，由单家银行破产引发的风险传染效应。范小云等(2012)[16]在考察破产风险传染的同时，分析了商业银行“大而不倒”还是“关联太紧而不能倒”的问题。方意(2016)[17]构建了包含银行破产风险传染和去杠杆机制的网络模型并进行实证分析，研究了相应的宏观审慎监管策略；流动性风险传染研究方面，张萌(2016)[18]对银行间短期债务违约进行压力测试，认为我国商业银行系统流动性风险较严重。吴念鲁等(2017)[19]研究了不同冲击下银行流动性风险传染机制及后果，发现网络中心银行违约后果尤为严重。冯超和王银(2015)[20]对双重风险进行实证分析，同时考察破产风险及流动性风险造成违约对银行系统的影响，并提供最优的最后贷款人救助策略。

基于资产负债表的网络分析法的优势在于可以尽可能多地选择样本银行，并通过研究银行间市场网络交易关联考察风险传染的因果关系。不足之处是：目前大部分文献对破产风险传染的讨论较多，对流动性风险传染的关注较少，对两种风险互动机制及混合传染效应的研究更为稀少；该方法中对问题银行的风险状态及违约水平的设定都是外生变量，忽视了商业银行由自身经营特点形成的不同风险类型及抗风险能力；由风险传染造成的违约水平不具备可加性，即系统总体违约水平并不等于单家银行债务违约水平之和，因此很难对商业银行整体风险传染规模进行量化。

本文拟采用改进的网络模型，从以下三个方面解决了现有研究的不足：一是考察商业银行流动性风险和破产风险的混合传染过程，判断银行系统性风险来源；二是将风险传染主要变量内生化，对银行风险类型及经营稳健性进行识别；三是引入均衡支付向量，使银行违约水平具备可加性，并通过计算单家银行及各类型银行的风险贡献度和违约率，进一步描述商业银行系统二元风险混合传染特征。

本文结构安排如下：第二部分对商业银行流动性风险及破产风险进行界定，并构建二元风险混合传染模型；第三部分运用相关数据对风险传染相关变量进行实证分析，考察风险传染情况；第四部分运用计量方法对风险传染结果进行实证研究并分析影响因素；第五部分为结论及政策建议。

二、二元风险混合传染模型构建

(一)流动性风险与破产风险的形成

假设有N家商业银行参与银行间市场交易，并形成复杂金融网络，该网络用矩阵XN×N表示，其中元素xij表示银行i对其债权银行j的负债。同时∀i,j∈N,xij≥0,且∀i∈N,xij=0。假设Ii为银行i的银行间负债总额(资金融入额)，ai表示银行j的银行间资产总额(资金融出额)，那么：

(1)

L=(l1,…,lN)′为银行间负债向量，A=(a1,…,aN)′为银行间资产向量。ki和ci分别表示银行i的自有流动性资产及资本金，K、C为对应的向量。定义相对负债矩阵ΠN×N，元素πij为银行i所有债务中债权银行j所占比重，即：

(2)

在没有最后贷款人等外部救助的情况下，假设诱导因素导致银行进行债务债权清算[注]目前有关网络模型分析的相关文献并不注重考察引发风险传染的具体诱导因素，而是强调诱导因素引发风险传染和系统清算的结果。马君潞等[15]认为诱导因素可分为单银行诱导因素和多银行诱导因素，并假定诱导因素均为突发事件。。用pi表示银行i对所有债权银行的支付，向量P=(p1,…,pN)′表示系统清算时银行间市场支付向量。因此矩阵(X,L,A,K,C,P)t为商业银行在任意时间点t的网络状态。相对于银行间负债向量L，如果银行i能在清算过程中全额支付债务，那么该银行不会出现违约；否则银行出现违约，并且违约水平会对其他银行产生负面影响，并引发风险传染。

银行支付能力不仅与自身财务情况有关，还与关联银行财务状况有关。假设在债务清偿过程中，不论遭遇何种风险，债务银行对债权银行的支付以ΠN×N中规定的比例为准。因此商业银行获取的总流动性fi可以表示为：

(3)

fi是商业银行对外支付的主要资金来源。(3)式表明，在长期资产不可提前变现的情况下，商业银行支付资金包括债务银行的支付额以及自身留存的流动性资产。用ui表示银行i流动性状况，即：

ui=fi-li

(4)

如果ui<0，那么银行i因无法满足流动性需求而出现违约，其违约会导致系统内其他银行产生流动性不足，并引发流动性风险的传染。该类银行债务支付额为：

∀i∈N,pi≤fi,且pi=min(fi,li)

(5)

由流动性风险导致的违约会对关联银行造成资产损失，该损失由关联银行的资本金抵补。θi表示资产损失，vi表示抵补资产损失后银行i的价值，则：

vi=ci-θi

(6)

(7)

(8)

如果vi<0，那么银行i因资本金不足以弥补债务银行违约带来的资产损失而破产，同时出现违约，其违约会导致系统内关联银行产生同样的问题，并引发破产风险的传染。该类银行的支付额为：

pi=li+vi=li+ci-θi

(9)

其中vi可以视为破产银行支付过程中的现金漏损。如果银行i同时出现流动性不足和破产，那么支付额为：

pi=fi+vi=fi+ci-θi

(10)

鉴于此，可将问题银行分为三类，即流动性风险银行、破产风险银行以及双重风险银行。没有出现违约的银行为经营稳健银行。

(二)二元风险混合传染过程

(11)

银行违约后会产生新的支付向量P1，根据银行风险类型界定及公式(5)、(9)、(10)得到下列等式：

(12)

(13)

上述风险传染过程反映出三个特征：首先，流动性风险银行的违约会造成关联银行出现流动性不足并违约，同时违约损失会导致关联银行破产并违约；其次，破产风险银行的现金漏损会造成关联银行出现流动性不足并违约，也会造成关联银行破产并违约；最后，风险被传染银行的违约会引发下一轮风险传染，同时对初始风险传染银行产生负面反馈作用，使初始风险传染银行违约水平进一步扩大。商业银行风险传染过程即流动性风险与破产风险混合传染过程，并最终使银行间市场趋于系统稳定状态。上述风险传染过程可用图1表示：

(三)风险传染后果

假设在没有外部救助的情况下，商业银行完全依靠自身流动性及资本金应对突发情况。用di表示银行i的违约水平，D表示对应的向量，那么：

(14)

银行系统整体违约水平用△表示，该变量可以表示为各问题银行违约水平的加总。△的表达式为：

(15)

其中E是元素为1的列向量，N*表示问题银行数量。问题银行i的风险贡献度可以表示为：

(16)

同时借鉴方意(2016)[17]和Greenwood et al.(2015)[21]关于风险传染相关变量的算法，定义商业银行债务违约率ρi，即：

ρi=100di/li%

(17)

风险贡献度及债务违约率可以同时反映商业银行风险传染特征，不同点在于前者的计算结果与银行资产规模有关，而后者与银行自身经营特点有关。较高的风险贡献度并不必然导致较高的债务违约率，反之亦然。

从模型中可以看出，商业银行二元风险混合传染情况与银行自身的财务状况密切相关。银行要做到稳健经营，需要保持适当的银行间市场交易量及交易头寸。较大的短期资金融入额极易导致银行出现流动性风险，较大的短期资金融出额极易导致银行出现破产风险。除此之外，商业银行不仅需要保持充足的流动性资金应对债务支付，还需要保持充足的资本金对冲债务银行违约所带来的资产损失。前者是防止商业银行发生流动性风险的有效缓冲，后者是防止商业银行银行出现破产风险的重要保障。

三、二元风险传染实证分析

(一)样本银行选取和数据来源

本文考察的是2011—2016年我国商业银行风险传染情况，样本银行选取包括国有商业银行、股份制商业银行、城市商业银行、其他银行类金融机构(包括邮政储蓄银行、农村商业银行、农村合作银行、农村信用社、城市信用社)。估测银行间市场债务债权网络矩阵XN×N的数据主要是各银行年报公布的拆借总额。资本金用银行所有者权益表示。银行流动性资产的选取主要包括一级准备金和次级准备金。从信息披露情况来看，国有商业银行、股份制商业银行、部分城市商业银行公布了资产负债表，小部分农村金融机构也进行了信息披露[注]农村金融机构主要是已进行信息披露并且资产规模较大的农村商业银行，主要包括重庆农商行、成都农商行、北京农商行、上海农商行、广州农商行、天津农商行等在内的16家农村商业银行。。其他没有进行信息披露和信息披露不完整的银行机构，将作为整体进行考察[注]主要用于银行间市场金融网络债务债权关系平衡的调整项。从下文实证结果来看，该调整项不会出现违约并对风险传染产生影响。，相关数据主要参考央行货币政策执行情况报告中各类金融机构银行间市场拆借统计数据。

(二)风险传染测算及分析

根据模型对银行间市场金融网络定义，商业银行资金往来矩阵表达式为：

(18)

假设该矩阵符合完全网络结构，即各家银行与其他所有银行存在交易关联，且交易额在各银行之间尽可能分散。因而对于任意一家银行的违约，受影响银行数量Ni为样本银行总量。矩阵中元素的赋值主要采用Upper & Worms(2002)[22]的数学推算法，根据上文模型对支付向量计算过程的描述，对2011—2016年商业银行二元风险混合传染情况进行测算。实证结果显示我国银行系统风险传染主要有以下特征。

第一，问题银行数量呈扩大趋势，流动性风险银行数量居多。表现在四个方面：一是问题银行数量大幅上升。从表1中可以看出，问题银行数量从2011年的20家增加到2016年的73家。二是初始风险传染银行占绝大多数，且呈剧烈上升趋势。初始风险传染银行数量从2011年的17家扩张到2016年的60家。三是风险传染效应逐年加强。2011年出现轻微风险传染，受影响银行数量有3家。2012年起风险传染明显加剧，当年受影响银行高达10家，并在2013年达到峰值14家后出现轻微回落，2016年共13家。四是在所有问题银行中，流动性风险银行数量最多，破产风险银行及双重风险银行数量较少，因此流动性风险是商业银行风险的主要表现形式。

表1二元风险混合传染规模：问题银行数量

第二，商业银行整体违约水平呈扩大趋势，流动性风险造成的债务违约较显著。主要表现为两个方面：一是违约水平增长明显。从表2中可以看出，2011—2013年间商业银行违约水平处于成倍增长的态势，并于2013年达到峰值。2014年违约水平显著下降，但在随后几年又出现明显上涨。二是风险主要来自初始风险传染银行，结合表1的研究结论可知银行系统发生一次性流动性短缺可能性较大，而破产风险及双重风险发生可能性不大。因此相对于当前大部分研究的破产风险传染假设，上述实证结果显示出更加明显流动性风险特征，而且风险传染规模有限。流动性风险形成主要原因是自有流动性资产不足，银行间市场交易呈现较大的流动性负缺口。这也是商业银行利用银行间市场进行信贷转移的结果，即频繁使用短期流动性资金支持中长期投资项目。

表2二元风险混合传染规模：违约水平 (单位：亿元)

注： Δ为银行系统整体违约水平；△I、△II、△III分别为流动性风险银行、破产风险银行及双重风险银行违约水平；△0、△1、△2分别为初始风险传染、第一轮风险传染及第二轮风险传染银行违约水平

第三，股份制商业银行风险贡献度较高，城市商业银行风险不容忽视。实证结果显示，在将银行风险类型及违约水平内生化后，国有商业银行风险较小，违约现象不明显[注]在银行风险类型及违约水平外生性的条件下，通常假定每家银行都有破产可能，因此在资产规模因素的影响下，实证结果会显示国有商业银行风险贡献度较高。而将相关变量内生化后的实证研究发现，国有商业银行风险贡献度不明显。。从表3反映的情况来看，2011年有2家国有商业银行违约(工商银行和交通银行)，后续年份问题银行数量明显减少。除2015年交通银行出现轻微流动性风险外，其他国有商业银行表现较稳定。由此说明国有商业银行在经营稳健性方面存在较大优势。股份制商业银行问题银行数量明显增多。问题银行数量在2013年达到顶峰，占同类银行数量的100%。后续几年数量逐渐减少，但2016年问题银行数量仍占同类银行数量的75%。城市商业银行风险急剧膨胀，问题银行数量增长迅速，从2011年的10家增加至2016年的58家。

结合表3和表4来看，股份制商业银行风险远高于其他银行类别，并在2013年达到峰值，2014年有所缓解，但后续两年又出现加剧趋势。风险贡献排名前10位的银行绝大部分是股份制商业银行，其中兴业银行、恒丰银行、民生银行、光大银行、中信银行问题较严重。从历年风险贡献变化情况来看，中信银行、渤海银行、浙商银行处于逐年上升趋势；兴业银行、恒丰银行、平安银行呈逐年下降趋势。城市商业银行问题银行数量较多，风险水平一直处于加剧趋势，其中宁波银行、南京银行、上海银行、江苏银行、重庆银行、徽商银行、天津银行、厦门国际银行、广州银行、锦州银行等资产规模较大的城市商业银行风险问题较严重。

表3各类型商业银行风险贡献度测算结果

表4风险贡献度排名前10位商业银行

第四，股份制商业银行整体债务违约率较高，体现出较强的脆弱性。从表5和表6中可以看出，股份商业银行历年债务违约率高于其他类别银行，这点与风险贡献度的实证结果保持一致。债务违约率均值为39.19%，说明当出现系统清算时，股份制商业银行只能偿还整体债务的60.81%。城市商业银行债务违约均值为30.02%。4家股份制商业银行的脆弱性较突出，其余6家皆为城市商业银行，说明城市商业银行脆弱性出现两级分化，即部分银行出现违约的概率很低，甚至不会出现违约。反之如果出现违约，相对于自身负债水平违约率较高，也即体现出较强的脆弱性。从历年债务违约率变化情况来看，渤海银行、柳州银行、广州银行、浙商银行处于逐年上升趋势，厦门国际银行呈逐年下降趋势。

表5各类型商业银行违约率测算结果

表6违约率排名前10位商业银行

四、计量结果及影响因素分析

(一)变量选取及描述性统计

为了对商业银行二元风险传染结果和推论做进一步解释，故用计量方法对影响因素进行实证分析。主要包括两个方面，一是对银行风险形成的影响因素进行实证分析，二是对银行风险传染规模的影响因素进行实证分析。解释变量包括Lninta(银行间资产对数)、Lnintl(银行间负债对数)、Lnliq(银行自有流动性资产对数)、Lnass(银行资产规模对数)、Liqra(流动性比率)和Capra(资本充足率)。被解释变量包括Def(银行是否发生违约)和Lndeflos(银行违约水平对数)[注]变量选取主要参照范小云等[16]的相关研究，并做了适当修正。。数据来源于2013—2016年各银行公布的年报以及风险传染测算结果[注]计量分析过程排除2011年和2012年，主要原因是相对于其他年份，2011年违约银行数量较少、风险传染规模有限。另外，2013年后资本充足率指标按照新版巴塞尔协议计算，与2012年之前的计算依据存在差异。。相关变量描述性统计结果如表7和表8所示。

表7变量描述性统计结果

表8相关系数矩阵

注：*代表5%水平上显著

从表8中可以看出，银行同业市场风险传染规模与各银行同业资产、负债、自有流动性资产及资产规模呈显著的正相关关系，其中与同业负债相关性最强。受规模因素的影响，大部分解释变量(除流动性比率和资本充足率)之间存在较显著的正相关关系。流动性比率与风险传染规模及同业负债呈较弱的负相关关系，而且不显著，初步判定其对风险传染影响较弱。资本充足率与违约水平呈显著负相关，但相关性较弱，当前银行同业市场流动性风险更显著，破产风险传染发生可能性较小，因而该指标起到了监管作用。

(二)计量结果及影响因素分析

对银行风险形成影响因素的实证分析采用面板Logit模型。被解释变量Defi,t表示第i家银行在t时刻是否发生违约。如果发生违约，Defi,t=1，否则Defi,t=0。选择参考变量zi,t代替被解释变量。当zit≥0时，Defi,t=1，反之取0。建立如下模型：

zi,t= β0+ β1Lnintai,t+β2Lnintli,t+ β3Lnliqi,t+β4Lnassi,t+β5Liqrai,t+ β6Caprai,t+ εi,t

(19)

用面板Logit模型对相关数据进行实证分析，结果如表9所示。对固定效应模型和混合回归进行选择，Hausman检验结果显示p值小于0.05，因此选择固定效应模型。在固定效应和随机效应之间进行选择，Hausman检验结果显示p值小于0.05，不宜采用随机效应模型，应采用固定回归结果。

表9 回归结果

注：*、**、***、分别代表10%、5%、1%水平上显著

对商业银行风险传染规模的影响因素进行实证分析，由于市场整体违约水平是各家银行违约加总，因此对银行系统整体风险传染规模的分析可以转化为单家银行违约水平影响因素分析。用被解释变量Lndeflosi,t表示银行i在t时刻的违约水平。解释变量选择与上文一致。建立如下模型：

Lndeflosi,t=β0+ β1Lnintai,t+β2Lnintli,t+ β3Lnliqi,t+β4Lnassi,t+β5Liqrai,t+ β6Caprai,t+ εi,t

(20)

对相关数据进行实证分析，结果如表10所示。对固定效应模型和混合回归进行选择，F检验结果显示p值为0.0000，因此选择固定效应模型。在固定效应和随机效应之间进行选择，使用Hausman检验p值小于0.05，拒绝原假设，应采用固定效应回归结果。

表10回归结果

注：*、**、***分别代表10%、5%、1%水平上显著

根据表9、表10的回归结果，将解释变量分为银行间市场交易变量、规模变量和监管变量三类，各类变量对商业银行风险传染情况有如下影响。

第一，银行间市场交易变量的影响。包括银行间资产Lninta和银行间负债Lnintl，二者与Def和Lndeflos密切相关。银行间负债与银行风险形成及风险传染规模存在显著的正相关关系，同时回归系数显示影响较大，说明该变量是决定商业银行系统稳定性的关键因素。由于Lnintl可以作为衡量商业银行业务关联性的重要指标之一[注]国际货币基金组织建议在衡量商业银行系统重要性时，将银行间资产和银行间负债等数据作为关键指标。，因此不同于“大而不倒”的结论，本文的研究结果与当前很多学者呼吁的“关联太紧而不能倒”的观点相似(范小云等，2012；Drehmann & Tarashev，2011)[16][23]。不同的是本文认为银行间资产系数的估计结果十分显著，说明该变量能有效降低商业银行风险传染规模。商业银行出现风险传染的主要原因，一是银行通过银行间市场交易形成大量负债，二是由于银行间市场资产交易活跃度较低形成的巨额负头寸。因此在关注关联性的同时，还需要关注银行间负债与资产的搭配失衡，即银行间负债虽然能加剧风险传染，但适中的银行间市场交易头寸能稀释风险。

第二，规模变量的影响。包括商业银行自有流动性资产Lnliq和资产规模Lnass。由于目前我国银行系统主要体现为流动性风险，破产风险不显著，因此银行持有的流动性资金能显著降低银行流动性风险以及风险传染规模。资产规模实证结果显示其对Def和Lndeflos的影响并不显著，这与风险传染测算实证结果相吻合，即商业银行资产规模并不是加剧风险传染的关键因素。该结论进一步佐证了“关联太紧而不能倒”，而非“大而不倒”的观点。结合上文分析可以看出，从商业银行经营稳健性来看，三种风险类型的银行并不是资产规模大的银行，而是存在大量银行间负债及交易负缺口，同时自有流动性资产相对匮乏的银行。因此在“关联太紧而不能倒”观点的基础上，还要需要关注“经营不稳健而不能倒”的现象。

第三，监管变量的影响。包括流动性比率Liqra和资本充足率Capra。流动性比率与银行违约呈正相关关系但不显著，同时该变量能增加风险传染规模但不显著，说明虽然各家银行的流动性比率达到监管要求，但由于交易量增加，银行流动性负缺口逐渐扩大，从而增加了流动性风险。对应商业银行自有流动性资产的作用可以看出，在注重比例监管的同时，存量监管也尤为重要。实证结果还显示，资本充足率在遏制风险传染方面的作用不显著，主要原因是目前我国商业银行主要体现为流动性风险，银行出现破产风险的可能性较低，资本充足率监管已经起到监管作用。

五、结论及对策建议

本文在网络模型分析的基础上，对现有研究方法进行改进，通过将主要风险传染变量内生化，对商业银行风险来源进行识别，研究流动性风险和破产风险混合传染过程和后果，并通过计算均衡支付向量，使违约水平具备可加性，对风险传染规模进行测算。得出以下结论和对策建议。

(一)主要结论

第一，商业银行风险传染规模呈逐年扩大趋势。考察区间内问题银行数量持续增长。在将银行风险类型及违约水平内生化后发现，股份制商业银行和城市商业银行风险是银行系统的主要风险来源，国有商业银行经营较稳健。风险传染规模在2013年达到顶峰，与“钱荒”事件爆发相吻合，并且在经历2014年短暂下跌后又明显增长。

第二，流动性风险严重，破产风险不显著，风险传染效应逐年加强但并不明显。相对于破产风险，商业银行更容易出现流动性不足，因此我国银行系统主要体现为流动性风险；初始风险传染银行数量较多，风险被传染银行数量稳定，因而外部因素冲击更容易引发银行系统出现一次性流动性短缺。

第三，从风险贡献情况来看，股份制商业银行的风险贡献最高，城市商业银行次之，国有商业银行较稳健。除2011年外，股份制商业银行历年风险贡献度维持在60%以上，并且有下降的趋势，而城市商业银行的风险贡献度逐年增长。股份制商业银行中，被称为“同业之王”的兴业银行历年平均风险贡献最高，其次是恒丰银行、民生银行、光大银行、中信银行。

第四，从债务违约率情况来看，股份制商业银行整体的脆弱性最为明显，其次是城市商业银行。除2011年外，股份制商业银行历年债务违约率维持在30%以上，并一直处于波动状态。城市商业银行与股份制商业银行表现类似。恒丰银行平均债务违约率最高，其次是渤海银行。城市商业银行的债务违约情况出现两极分化。

第五，商业银行的风险类型与银行经营稳健性密切相关，而后者主要包括银行间市场交易情况(银行间资产、银行间负债)以及自有流动性资产。银行间负债能显著增加银行风险水平，加剧风险传染规模，而银行间资产与自有流动性资产会起到相反的作用。结合风险贡献度及债务违约率的实证结果可知，不同于金融机构“大而不倒”的结论，本文的研究结果类似于“关联太紧而不能倒”的观点，同时突出“经营不稳健而不能倒”的研究结论。

第六，从银行风险形成及风险传染规模影响因素实证结果来看，商业银行目前的流动性资产存量并不足以弥补严重的流动性缺口；从监管层面上看，各商业银行经营指标已满足甚至优于监管标准，而系统整体流动性紧张的现象却十分明显，说明目前关于银行间市场交易方面的监管还存在一些漏洞。

(二)对策建议

第一，关注商业银行流动性风险，防止风险传染。当市场整体出现流动性收缩时，银行间短期资金流动造成的“货币空转”会使银行间负债不断叠加，风险传染效应加剧。因此相对于破产风险，监管部门应实时关注各家银行在银行间市场中的交易头寸，加强银行间市场交易额度管理，防止巨额头寸导致严重流动性风险引发大规模违约。

第二，高度关注商业银行(尤其是股份制商业银行)风险的根源，实施有效监管。股份制商业银行对银行间短期流动性资金的需求很大，主要根源在于其需要通过资产负债表内的资产转移，开展影子银行业务以规避监管，因而对银行间市场较为依赖。影子银行业务扩张使银行间市场交易规模成倍增长，而其自身的期限转换特征是造成银行间市场流动性紧张的重要因素。因此通过“去杠杆”的方式降低影子银行业务规模可以有效降低风险传染效应，但需要对各类型商业银行差别对待。股份制商业银行风险贡献较大，而国有商业银行却相对稳健，这是因为后者主要通过表外业务进行信贷转移。因此在监管方面，股份制商业银行应着重表内监管，而国有商业银行应着重表外监管。

第三，将商业银行经营稳健性作为判定银行系统重要性的依据之一。目前各国监管当局大多认为规模是划分系统重要性金融机构的重要因素，而本文的实证结果显示上述判定方法存在一定不足。从风险贡献角度出发，只要商业银行经营足够稳健(比如流动性资产存量充足，银行间市场交易头寸适中)，资产规模较大的商业银行未必对系统性风险产生重要影响。因此，需要根据真实交易以及资产负债表结构，对各家银行的经营状况及风险情况进行具体判断。

第四，在进行比例监管的同时，加强存量监管。从监管指标完成情况来看，我国商业银行已经达成甚至优于监管标准，但风险控制情况不容乐观。除银行监管套利外，重视比例监管而忽视存量监管是造成这一现象的主要原因之一。因此根据各商业银行在银行间市场中的交易头寸情况，对自有流动资产存量提出监管要求，要比流动性比例的监管效果更加显著。