跨部门金融机构系统重要性和共振效应的动态演化研究——基于中国A股市场的实证

陈暮紫,赵婷婷,刘承林，陈 敏

(1.中央财经大学管理科学与工程学院，北京 100081；2.中国科学院数学与系统科学研究院，北京 100190)

1 引言

大型金融机构的风险监管、危机处置和由此引发的政府救助问题自现代金融市场产生以来就一直存在，传统风险控制理论强调“太大而不能倒”的框架，因此金融系统性风险的主要监管对象以商业银行为主。2008年次贷危机中，著名投行雷曼兄弟由于其投资的一系列杠杆衍生品资产价格暴跌，最终不得不被迫清算；全球最大的保险机构——AIG由于其交易对手CDS产品的大量违约，美联储最终不得不再次出面进行救助。大型金融机构的清算和倒闭风险，最终造成了国家层面上的经济冲击，影响之大、规模之广、时间之久都前所未有。由于现代金融业高杠杆性的普遍运用、金融交易对手的增加以及衍生产品的复杂性，不仅传统的商业银行，非银金融机构也极大的提高了其在资本市场的影响力，可能对系统产生巨大冲击。这些金融机构由于在资本市场的波动关联性，交易对手众多、与数量庞大的其他公司金融资产高度相关，形成了以金融机构为节点的复杂网络，表现为“太关联而不能倒”，加剧了近年金融系统整体的共振性。

2010金融稳定理事会首次对这种由于其倒闭会引发金融体系“多米诺骨牌效应”的金融机构给予了明确定义——系统重要性金融机构，并指出“系统重要性金融机构是指由于规模、复杂度与系统相关度，其无序破产将会导致更广范围内金融体系和经济活动造成严重干扰的公司”。2012年全球系统重要性金融机构第一次公布的时候，中国银行是唯一入选的中国机构，截至2017年11月最新的系统重要性金融机构公布，中国共有4家银行、1家保险公司入选，其中在系统重要性银行中，中国是仅次于美国外，入选数量最多的国家，中国平安保险集团是新兴保险市场中唯一入选的保险机构。

近年来“太关联而不能倒”问题也使得系统重要性金融机构的识别和评价成为国内外研究热点。金融机构的系统重要性一方面可以通过商业银行之间的拆借或支付业务的相关性来研究，但涉及的银行业拆借、支付业务往往无法获得真实数据，只能通过系统仿真来进行分析。Iyer和Peydro[1]通过商业银行自身的存、贷款和收益数据研究银行间的风险传播；Drehmann和Tarashev[2]从银行对其他银行的冲击影响以及受其他银行影响可能性的双向角度来探讨了银行风险的传播；Glasserman和Young[3]认为金融机构之间的关联为风险传染创造了潜在渠道；Acemoglu等[4]发现金融机构负面冲击幅度较小时金融网络的联系越密集越稳定性，但超过某一点，密集的互连作为冲击传播会导致更脆弱的金融体系；Cai[5]使用银团公司贷款组合，基于行业、地区、规模和关系等权重，制定了银行互联性的新衡量标准；唐振鹏等[6]运用最大熵原理,对完全连接网络与中心-边缘网络结构下的上市银行间拆借头寸矩阵进行估算；童牧和何奕[7]通过部分真实和模拟数据，研究中国银行间大额支付系统所构成的相关关系；欧阳红兵和刘晓东[8]采用最小生成树MST和平面极大过滤图PMFG的方法构建金融市场网络；隋聪等[9]模拟银行外部冲击造成银行间网络损失的大样本。

另一方面，可以通过金融机构股票收益的波动相关性，来研究其在资本市场的重要性和风险传播，Adrian 和Brunnermeier[10]通过条件风险价值来研究单一金融机构在金融危机中对其他金融机构的影响；高国华和潘英丽[11]以条件CoVaR 模型为基础, 利用股票收益率对我国14 家上市商业银行的系统性风险贡献度进行了分析；严兵等[12]计算了14家上市银行的系统性影响指数，这些研究都重点关注的是传统商业银行。

进一步有更多的学者把系统重要性问题扩展到非银机构，梁琪等[13]计算了34家上市金融机构的SRISK；温博慧等[14]综合风险倍率扩增指数、规模等影响因素，对中国非银行金融机构系统重要性进行评估；Dungey等[15]研究了近500家美国上市金融机构风险冲击之间的相互联系；张天顶和张宇[16]利用在险价值方法评估了我国多部门金融机构的系统重要性。这些研究虽然把系统重要性扩展到非银机构，但局限在传统的计量中，研究的是金融机构的两两关系。

将资本市场金融机构的两两关联性嵌入到复杂网络的研究中，可以更系统的对资本市场中的金融传染以及系统共振进行分析，但目前相关的研究仍较少。Diebold和Yilmaz[17]有效结合了VAR方差分解理论和网络拓扑理论，追踪了美国主要金融机构股票收益波动的每日时变关联性；Billio等[18]通过Granger因果检验方法构建银行、保险、投行和对冲基金等多种不同金融机构的关联网络。刘海云和吕龙[19]通过CoVaR方法研究了不同国家股票市场的关联关系。但这些研究不仅没有考虑机构的规模效应对系统重要性的影响，对金融机构跨部门的连通和共振效应研究也有局限。本文的贡献在于从机构的关联性和规模性两个角度，来判断机构在金融体系中的系统重要性地位，首先利用中国股票市场的收益率数据，把机构分为银行、证券、保险和信托四类，通过Granger因果检验方法构建分部门金融机构之间的相关关系，并基于此构建金融机构的关联网络；其次研究在中国资本市场风险中牛熊市转换下同部门和跨部门金融机构之间的直接、间接和隐藏的关系，分析金融机构的多重网络中心性；再三通过构建各阶段的DGC指数，研究金融机构系统重要性的牛熊市的动态演变，并解释了共振效应不断增强的原因；最后综合考察金融机构的系统重要性排序的变化。研究对考察我国金融机构系统重要性的动态演变、跨部门金融机构之间系统共振以及风险监管政策的制订，都有积极借鉴作用。

2 数据基础和模型框架

2.1 数据基础

我国金融机构的股改和大规模上市始于2006年，为更好的动态考察金融机构在我国资本市场关联的动态演变，本文根据股市指数波动的牛熊市转换、资本市场逐年扩容和宏观政策等多方面原因，对我国股票市场从2006年开始的周期划分为六个阶段，如表1所示。

表1 我国股市阶段划分

根据表1划分，我国股市自2006年开始近10年六个阶段包含了三个牛市、两个熊市和一个震荡市，分析该阶段的金融机构关联性和风险传导网络，具备充足的数据基础，涵盖多个金融周期，对金融机构的关联网络可以给出完整的分析和解释。由于2015-2016年中国股市经历了高波动率震荡，反复数次，每次涨跌振幅达到20%-30%，这段时间不仅国家干预政策较多，而且出现了股市千股停牌的阶段，对机构市场关联性干扰较大，本文的目的和方法旨在处理通常市场化下的机构关联分析，因此对该时间段进行了截断。

2.2 Granger因果网络模型

(1)数据的预处理。传统的资本市场网络构建往往是利用股票对数收益率之间的相关性来描述股票之间的关联，本文借鉴Guo和Savickas[20]的研究方法，运用CAPM模型对样本机构的股票收益率数据进行预处理，控制市场共同因素的作用。

假设系统内有n家机构，Ri表示机构i的股票收益率，Rm表示市场的平均收益率，Rf表示市场无风险收益率。采用CAPM模型控制市场系统性风险，提取机构特异性风险。

Ri-Rf=βi(Rm-Rf)+εi

(1)

(2)金融机构Granger因果关联网络。常见的资本市场的股票关联网络分析往往利用Pearson相关系数来描述两者间关系，但Pearson相关系数构成的网络为无向网络，不能很好的描述收益和风险的引导关系。本文引入金融机构间股票收益的Granger因果关系来构建机构间两两关系的邻接矩阵，该方法不仅可以更好的有方向性的研究金融机构的相互引导，建立有向网络，在保持方法的稳健和普适基础上，进一步挖掘金融机构互相关联的信息。具体模型如下;

①网络构建。令机构i与机构j之间的Granger因果关系表示为(i→j)，定义Granger因果关系指标：

(2)

(i→i)≡0

(3)

如果(i→j)=1，则以i到j的有向线段连接机构i与机构j，否则不连接；如果(i→j)=1与(j→i)=1同时成立，则以双向线段连接机构i与机构j；定义(i→i)恒为0，以免网络结构出现自回路。以金融机构作为网络节点，以金融机构特异性风险的Granger因果关系作为连接网络结点的有向边，画出金融系统的Granger因果网络图，其中以拟合系数对应P值小于0.1判断为金融机构间存在Granger因果关系，从而定义为(i→j)=1。

②金融机构关联网络拓扑性质分析。网络的拓扑性质均考虑到各阶段节点的差异，是相对而非绝对指标，保证了网络之间指标的可比性，统计和拓扑性质从密度、聚集度、中心度等多角度考察关联性，并考察了网络子群派系和核心-边缘结构，如表2所示。

③金融系统共振效应分析。定义网络的动态关联程度指数(Dynamic Granger Correlation，简称DGC)，为更好的解释金融机构关联网络的紧密程度演变，本文将通过部门内、跨部门和全系统的三个DGC指数，考察金融系统在资本市场的连通性和共振效应。

部门内DGC指数：定义S1表示银行、证券、保险或者信托部门的单一部门，部门S1由N1家金融机构组成，部门S1的Granger因果网络关联程度DGC为：

(4)

(5)

跨部门DGC指数：部门S1由N1家金融机构组成，部门S2由N2家金融机构组成，定义机构i对部门S1的Granger因果关系指标为(i→S1)：

(i→S1)

(6)

表2 金融机构关联网络拓扑性质分析

定义部门S1对机构i的Granger因果关系指标为(S1→i)：

(S1→i)

(7)

从而最终定义部门S1对部门S2的Granger因果关系指标为(S1→S2)，假设部门S1中机构数量为N1，部门S2中机构数量为N2，部门间Granger因果关系指标：

(8)

全系统DGC指数：全系统S由银行、证券、保险、信托这四个子系统组成，全系统S由N家金融机构组成，定义全系统S的Granger因果网络关联程度DGC为：

(9)

(10)

C表示金融系统中真实的连通关系，系统S有N个节点，N(N-1)是系统最大的有向可能连通关系，DGC的数值衡量了系统关联关系的紧密程度，DGC越大，说明网络具有更紧密的关联程度，则资本市场股票收益表现为更强的相互引导和共振关系，风险波动更易传导。

④金融机构系统重要性综合评价。关联度和规模是影响金融机构系统重要性的两个主要方面。金融机构的规模越大，其倒闭造成的直接冲击越大，因而具有较高的系统重要性。一般地，用总资产表示金融机构的规模，假设各金融机构的总资产经标准化后形成向量Y。

Y=(Y1，Y2，Y3….YN)

(11)

其中，Yi表示金融机构的规模得分，得分越高，其规模效应也就越高。本文基于巴塞尔资本协议，综合考虑规模和关联度的影响，赋予关联度和规模相同的权重。令：Z=(Z1，Z2，Z3….ZN)，且满足Z=0.5X+0.5Y，Zi表示金融机构i的综合得分，综合得分越高，其系统重要性也就越高，每个阶段的综合得分是通过规模和关联度两个效应共同评价，通过六个阶段，包括牛市、熊市和震荡市得分进行算术平均，得到金融机构跨周期的系统重要性评价。

3 金融机构关联网络中心影响力分析

3.1 多阶段关联网络的构建和拓扑分析

(1)多阶段金融机构关联网络可视化分析。

图1中分别以圆形、方形、上三角形、下三角形表示信托、证券、保险公司、银行。结点大小反映其中心性的大小，即结点越大，其中心性越高，在系统中处于越关键的位置。

由图1可知，我国金融系统的Granger因果联系越来越紧密，银行、证券、保险、信托等部门内和部门间存在着广泛、紧密的业务联系，表现为高度的连通，其中部分金融机构对其他机构的收益率引导和关联性显著突出，在资本市场乃至金融体系中扮演着重要角色。为了更好地说明我国金融系统整体紧密性的强弱变化，本文计算了各阶段金融机构关联网络基本拓扑性质如表3所示。

如表3所示，金融机构关联网络的网络密度和平均聚集系数整体上呈不断上升趋势，平均最短路

表3 各阶段金融机构Granger关联网络紧密性动态演化

径则不断下降，进一步说明了我国金融系统Granger因果网络的紧密性在不断增强，集团化程度越来越高，连通性越来越强，特别是在第六阶段，网络密度和平均聚集系数大幅增加，平均最短路径下降明显，网络连通性增强明显，这与该时期混业经营的不断发展、金融杠杆的提升和金融系统的不断成熟是息息相关的。

本文进一步分析了各阶段的派系和核心-边缘关系，如图2所示，其中图2(a)统计的是各阶段派系内成员个数从n≥3到n≥12的派系数量，图2(b)统计的是各阶段的核心-边缘区域的密度。

从图2(a)可以看出，第六阶段派系个数远超过其他阶段，这不仅因为第六阶段是一个牛市，同时随着金融机构间业务关联度越来越密切，在资本市场之间的信息传递和收益率引导也越来越强，其他阶段不存在成员个数超过8的派系，但第六阶段成员超8的派系高达656个，n≥11的派系个数仍有6个；图2(b)中密度越高，显示区块内的关联度越高，熊市密度减弱，显示关联减弱，核心区域的金融机构以银行、证券机构为主。

3.2 多阶段金融机构关联网络中心性分析

本节按四个部门统计分析了六个阶段中心性指标均值的变化趋势，如图3所示。

图3给出了我国银行、证券、保险以及信托这四个金融部门的不同中心度指标均值六个阶段的动态演变趋势，由此可以看出：

银行部门度数中心度均值和接近中心度均值呈现不断上升的趋势，中间中心度均值基本保持稳定，特征向量中心度均值在牛市时低于熊市和震荡市时，一方面说明银行部门在整个资本市场的金融系统中的直接影响力以及传递信息能力不断增强；另一方面说明银行系统在金融机构网络中牛市时活跃度相对反而下降，因为银行股往往市值巨大，在股市中波动较小，牛市时往往变现较为稳健，因此在整个金融关联网络中的中心度性地位反而相对下降。

证券部门度数中心度均值和接近中心度均值保持平稳上升趋势，中间中心度和特征向量中心度均值基本保持稳定，充分说明证券部门的直接影响力和信息传递能力不断增强，特别是在牛市时证券类金融机构通过证券承销、经纪、资产管理等业务在市场中表现活跃；保险部门在第一阶段尚未有上市公司，在第二阶段随着大型保险机构上市，其影响力迅速扩大，这与保险产品需求大幅增加、保险金融机构资产规模较大息息相关，大型保险机构往集团化发展，影响力不断增大和保险资金管制放开，保险部门在资本市场上的活跃度不断增加。

信托部门各中心性指标的动态变化呈现典型的“W”型发展趋势，即在牛市时中心性影响力大，在熊市和震荡市时影响较小。信托类金融机构的市值相对较小，牛市时比较活跃，在资本市场上的影响力增强，业务联系更加紧密，信息传递更加快速；熊市时，业务活跃度降低，资本市场整体波动率下降，市值较小的信托公司业务出现分化，关联性反而减弱。

为进一步探究不同金融机构在六个阶段的市场表现，本文统计了所涉及的43个金融机构六个阶段不同中心度指标的均值，并据此进行排名，由于篇幅有限，本文仅给出按不同中心度指标排名前十的金融机构，如表4所示。

表4 金融机构的中心性影响力

从表4可以看出，不仅是传统的四大国有商业银行排名靠前，包括招商银行为代表的一些中小型商业银行关联网络的中心影响力指标名列前茅，甚至超过四大国有商业银行，大型证券机构和保险公司的中心影响力也较大。不同的中心度衡量金融机构关联影响力的排名有显著差异，尤其是中间中心度的排名与其他中心度的排名差别非常明显，中间中心度是一个间接关联度衡量指标，其数值越高，在资本市场金融系统的信息和风险传递的功能越强。中间中心度排名第一的是中国平安，排名靠前的还包括广发证券、安信信托、爱建股份等，这些金融机构在资本市场高度活跃，直接关联中心度甚至不强，比如安信信托，但是却对风险的更快传递起着关键作用，也应引起监管注意。

特征向量中心度、度数中心度和接近中心度衡量的金融机构影响力也不完全一致，尤其是排名靠前的机构差异较为明显。度数中心度衡量的是直接与金融机构建立引导关系的影响力，农业银行、光大银行、华泰证券和新华保险排名居前；接近中心度衡量的是机构与其他节点对建立最短可达距离之和的倒数，农业银行、光大银行与华泰证券排名居前；特征向量中心度衡量的是与该节点关联的其他节点的影响力大小，传统国有大型商业银行、城商行和市值较大的证券、保险公司排名都较靠前。

4 多阶段金融机构系统共振度演变分析

本节进一步通过DGC指数的关联性演变。首先考察单一部门对其它部门Granger关联关系占全系统Granger关联关系的比例，具体结果如图4所示。

图4描述了各部门在金融系统中影响力的动态变化，首先，银行和证券部门的绝对影响力显著高于保险和信托部门，这说明银行和证券部门始终是我国金融系统中最具有系统重要性的金融部门，应重点加强对银行和证券部门的监管以防范系统性风险的发生和传播；同时证券部门在牛市时的Granger关联影响力占比甚至超过银行业，可见证券行业在“太关联而不能倒”的网络中起着相当重要的风险传播和收益引导的效用。

其次，各部门在牛熊市影响力的相对波动有明显区别，市场处于牛市时，银行和保险部门的影响力相对下降，证券和信托部门的影响力相对上升；市场处于熊市时，银行和保险部门的影响力相对提高，证券和信托部门的影响力相对降低。银行和保险部门的机构往往市值都比较大，在牛市表现比较稳定，与其他在牛市中波动较大的股票关联性减弱，而证券股由于牛市中自身业绩的增强，往往表现为较为强势的活跃和波动，信托部门的股票往往市值较小，因此牛市时活跃度增强明显，整体关联影响度也会增加。

图3中各部门的Granger关联性占比从一个角度描述了各部门的连通性，本节将继续通过DGC指数来描述系统的共振效应。DGC衡量了系统的关联程度，DGC指数越高，系统关联性越强，资本市场股票收益率表现为更强的引导关系，风险波动也更易传导。本节进行了3类DGC指数的分析。首先，计算了银行、证券、保险和信托四个部门内部六个阶段的DGC，对各部门内部系统关联性强弱动态变化进行分析；其次，分析了跨部门DGC六个阶段的动态演化，研究了部门之间的相互影响；最后，分析整个金融系统的DGC动态演化趋势，研究金融系统整体连通和共振效应的强弱。实证结果如图5，图6，图7所示。

图5呈现了我国四个主要金融部门内部DGC的动态变化趋势。整体而言，各单一部门内部的共振效应提升，其中银行部门的DGC呈不断上升的趋势，说明我国银行体系的连通性不断加强；证券部门的DGC整体上呈现“W”型变化趋势，牛市时的业务往来多于熊市，紧密性更强；保险部门整体而言内部的紧密性仍然在加强；信托部门则呈现“皇冠”式的周期变化趋势，关联程度随牛熊市转换而波动，是典型的周期性金融部门。进一步分析跨部门的DGC动态演变，如图6所示。

整体而言，除了证券部门对银行部门的跨部门DGC指数外，其他的11个跨部门DGC指数都有不同程度的增强，尤其是从阶段五开始，跨部门的DGC指数开始大幅上升，资本市场中金融部门的跨部门连通性显著提高，表现为较强的共振效应。从图5(a)中可以看出，银行部门对信托部门的影响强于对证券和保险部门的影响；图5(b)中证券部门对银行部门的DGC关联整体上强于对保险和信托部门的关联，对保险部门的DGC关联在牛市时强于熊市，对信托部门的影响最弱；图5(c)中保险部门对其他部门的DGC关联程度整体呈不断上升趋势，保险部门对银行部门的影响强于对证券和信托部门的影响；图5(d)中信托部门对其他部门的DGC关联程度整体而言在牛市时增强，熊市时减弱，对银行部门的影响最大，对证券部门的影响最弱。进一步分析了整个系统的Granger因果关联程度DGC，如图7所示。

由图7可知，整个金融系统的Granger因果网络关联程度虽在个别阶段略微下降，但整体上呈现逐步上升的趋势，这说明我国金融系统的紧密性越来越高，共振效应增强，系统内部各机构间的业务联系日趋紧密，尤其从第四阶段开始，DGC上升趋势更加明显，从金融机构业务的主观层面而言，这是与我国金融机构混业经营的不断发展、金融系统的不断成熟是息息相关的；从外部环境的客观层面而言，金融体系内部不断增加的结构性杠杆，加大了资本市场的共振效应。后危机时代，尤其是从第五阶段开始，整个资本市场连通性大幅、快速增加，DGC指数几乎翻倍增长，接近0.4，这说明我国上市金融机构的异质性风险收益率间建立了密切关系，两两关联性紧密，表现为高度共振效应。

考虑到上市金融机构在整个金融系统中的地位，以及上市金融机构市值的巨大，金融机构股票的共振大概率加大金融风险的强度，加快金融风险传播的速度，对实际金融机构的业务关联产生冲击，因而风险防范更为重要。在金融机构复杂网络中对最具系统重要性地位的金融机构进行监管，对防范系统性金融风险，守住金融安全底线具有积极而现实的意义。

5 金融机构系统重要性综合评价分析

根据式(11)引入金融机构的规模性指标，通过金融机构的资产规模评价规模效应，并把规模和关联效应综合评分，给出各金融机构各个阶段的得分，以此为基础计算金融机构跨周期综合得分的平均值分，据此进行排名，如表5所示，由于金融机构上市的前后不同，仅给出金融机构上市后的结果。

由于篇幅所限，综合评分低于0.2的第三梯队的详细排名、得分省略。由表5可知，银行部门综合得分整体位于前列，紧接着是证券部门，最后是保险和信托部门。其中，工商银行、中国银行、建设银行和农业银行的综合得分最高，平均综合得分超过0.6，处于系统重要性金融机构的第一梯队，这与国有商业银行庞大的资产规模、广泛的客户群体以及多元化成熟的业务模式是分不开的；其次，招商银行、交通银行、浦发银行、中国平安等金融机构的平均综合得分超过0.2，处于第二梯队，这些商业银行在资本市场的关联影响力往往较高，对其他股票的引导作用较为显著，中国平安在保险部门内排名第一，这与其横跨保险、银行、证券等多个业务领域的发展战略紧密相关，同时也与其作为新兴和发展中国家唯一入选全球系统重要性保险机构的地位相吻合；其他的金融机构平均综合得分低于0.2，处于第三梯队，与其他金融机构的业务关联不够紧密，资产规模也不占优势，系统重要性程度较低。

6 结语

本文基于金融机构异质性风险下的收益率，通过Granger因果引导关系，构建了我国资本市场中金融系统跨周期动态有向关联网络，分析了不同市场状态下我国金融系统关联网络的动态演变以及银行、证券、保险和信托部门的不同市场表现，并综合了资产规模和关联度的双重影响，对上市金融机构的系统重要性进行跨周期动态评价，结论如下：

第一，近年来随着资本市场的日益壮大，混业经营的发展，金融杠杆的加大，我国金融系统的整体性日趋增强，通过DGC指数动态量化分析表明，单一金融部门内部、跨部门间乃至整个金融系统的紧密性越来越强，共振效应不断增强；

表5 金融机构的系统重要性

注：表中“—”表示该阶段不涉及对应机构

第二，中心性分析表明银行部门在整个金融系统中的直接影响力和信息传递能力不断增强，其中招商银行的特征向量中心度指标在众多金融机构中排名第一，与其他金融机构的关联性强，农业银行则在度数中心度和接近中心度上位居第一，直接影响力和信息传递能力突出，证券和保险类金融机构的关联中心性影响力次之，信托类金融机构影响力整体较弱；

第三，基于多阶段Granger关联关系分析表明，银行和证券部门的关联绝对影响力显著高于保险和信托部门，具有更高的系统重要性，各部门在不同市场状态下影响力的波动有明显区别，市场处于牛市时，银行和保险部门的影响力相对降低，熊市时则恰好相反；

第四，通过引入金融机构规模性得分，银行部门综合得分整体上位于前列，紧接着是证券部门和大型保险机构，最后是信托部门，银行部门成为我国金融体系中最具系统重要性的部门，工商银行、中国银行、建设银行和农业银行始终具有最高的系统重要性。

本文从宏观层面上研究了整个金融系统紧密性和共振效应的动态变化，从中观层面上分析了银行、证券、保险、信托四个部门内和跨部门间的关联影响，从微观层面上对43个金融机构的系统重要性进行了评价，剖析了金融机构在资本市场不同状态下的关联性和系统重要性的动态演化。随着混业经营的不断发展，资本市场业务关联越来与紧密，系统共振不断增强，同时由于外部环境的金融杠杆的增加，风险传染速度随之加快，为抵御股市动荡风险，防范因金融系统关联性的增强而产生的风险损失，监管机构应加强对系统重要性金融机构特别是银行类金融机构的监管，除了对传统银行部门特别是四大国有商业银行进行监管，加强对非银部门的监管也是非常重要的，海通证券、中国平安等非银金融机构具有较高的系统重要性，影响力大，应加强金融监管力度，维护我国金融系统的安全与稳定。