针对中国金融市场的特点，北大汇丰智库宏观金融研究团队采用最新研究方法构造了中国金融市场的时变系统性风险指数。本报告阐释了“北大汇丰系统性风险指数”的理论基础与模型构建依据，通过分析指数的历史表现与指数反映的风险现状提出相关政策建议。

本报告发现，我国五大银行之间的相关性远高于其他银行等金融机构，这一方面意味着五大行对稳定金融市场有重要作用，另一方面也提示了我国以银行贷款为主要融资模式的隐含风险。此外，通过观测房地产行业风险指数，发现抑制投资性需求十分关键，严格落实“房住不炒”有助于降低房地产市场风险。在对比国有企业与民营企业的风险指数时发现，过去国有企业的风险没有很好地对冲，但目前这种情况有所好转。本报告用同样的方法构建了美国市场的风险指数，发现中国金融体系的关联程度要显著高于美国，中美贸易战对中国金融体系的冲击大于美国。此外，指数对改进对宏观经济指标的预测或有帮助。经检验，指数是股指波动率的领先指标。

目前国内尚未有研究使用此方法衡量系统性风险水平，这是北大汇丰智库研究团体的一个创新尝试。从历史表现来看，指数能实时对金融体系稳定性进行监测，将有助于相关部门及时发现金融市场可能存在的不稳定因素，从而对我国金融系统性风险做到提前发现、提前预防。

本篇推送为报告节选，如需完整报告请联系我们获取。

指数的理论基础与模型构建

系统性风险是指由于多种内外部不利因素混合，并且经过长时间的积累未被引起重视从而造成全市场的投资风险加大的现象，且这种风险无法利用投资组合进行分散，超出了个别企业可以掌握的范围。引发系统性风险的不利因素通常指经济、政治、社会等环境因素，如世界经济萧条低迷、严重的政治动荡、特大自然灾害等。系统性风险发生后，对金融市场的打击是极其严重且具有普遍性的。准确地度量金融市场的系统性风险，将有助于决策者政策的制定与实施，从而及时主动地防范化解系统性金融风险。

关于系统性风险的研究由来已久，次贷危机和欧洲债务危机后涌现出了大量相关研究旨在构建金融危机早期预警指标以识别宏观经济的剧烈变化。许多基于美国市场的实证研究表明，公司回报率的同向变动可能是由一些共同的冲击（引发系统性风险的某些事件）引起的，当出现系统性风险事件时，金融市场主要参与者之间的相关性明显升高[1]。由于股票市场能及时地对宏观经济中的各类冲击做出反映，进而直观地体现金融市场的风险水平，金融机构股票收益率间的相关性可以一定程度反映金融系统性风险，股票收益率的面板数据可以用于研究金融系统性风险。面板数据中截面之间的相关性主要来自于外部共同冲击或观测个体间的空间交互作用，在金融危机或政治动荡时，个体之间的截面相关性明显升高[2]。

本报告应用Wang等（2021）[3]提出的方法，使用上市公司股价收益率的相关性来刻画时变的金融系统性风险指数。Wang等（2021）发现，用优化的相关性算法构造的美国市场风险指数能很好地反映美国金融市场的系统性风险，当金融市场主体之间的联系变得更紧密时风险指数明显上升。Wang等（2021）将该模型与Diebold和Yilmaz（2009）[4]的溢出指数模型进行了比较，发现相较于溢出指数，该方法构造的指数对来自全球市场的共同冲击有更高的敏感度。

有鉴于此，本报告使用A股上市公司的日度收盘价来构建时变指数（指数的计算过程和样本选择详见附录1），并以此衡量中国金融市场的系统性风险水平。本报告用于构造指数的方法具有许多优点：第一，时效性强。金融市场瞬息万变，时效性对决策来说有重要意义。本报告的方法可以使用日度高频数据及时地捕捉到风险冲击对金融市场的影响，而目前国内金融风险指数的频率往往为月度，无法及时捕捉金融市场风险。第二，准确性高。从指数的历史表现来看，该风险指数敏锐地预警了2007年次贷危机、2008年全球金融危机、中美贸易战、新冠肺炎疫情给金融系统带来的压力。本报告的方法通过滚动窗口的选取消除了日度高频数据的噪声，通过面板数据对冲了公司间的异质性风险，因而，该指数更较精确地反映金融市场系统性风险。第三，特色鲜明。除了金融市场整体，本报告的方法可以运用在细分领域及行业，这就使得本报告构造的指数能更精确地刻画中国金融系统的特色。比如，银行在中国金融系统中具有特殊的地位和作用，而一般通过加权得到的金融风险指数可能低估银行的作用。本报告发现中国银行对风险冲击的反应尤为突出，中国五大银行对风险冲击的敏感程度远高于其他银行,这是对中国金融体系特征较为真实的刻画，对于稳定金融市场具有重要启示。第四，扩展性强。本报告目前只使用了A股市场的数据来构建中国的金融系统性风险指数，但由于模型的假设限制较为宽松，该方法还可能扩展到债券市场，尤其是地方债券市场，这对于衡量地方债风险等都将具有非常重要的理论和实践意义。

指数的历史表现与现实意义

▶ 金融机构，尤其是银行，在传递冲击方面发挥着重要的作用

通过观察银行、非银行金融企业和非金融企业的风险指数不难看出，金融公司间存在很强的截面相关性，金融公司之间比非金融公司之间关联更紧密（图1、图2）。较高的风险指数意味着，当金融公司受到如利率变动、商品价格大幅变化、风险厌恶情绪等冲击时，会对市场稳定性产生更大的影响。这一发现与现有的研究相一致，说明了金融机构，尤其是银行，在传递冲击方面发挥着重要的作用。

▶ 风险指数的峰值往往比金融危机发生的时间稍早

北大汇丰·系统性风险指数的上升说明企业之间的相关性变强，这往往预示着某个事件正在促使企业做出相似的反应（同向的变动），相关性的增强也意味着系统抗压能力的减弱。在危机前，风险指数会出现陡峭的跳跃到达一个阶段性峰值，且风险指数的峰值往往比金融危机发生的时间稍早。如2008年全球金融危机前夕，金融企业的风险指数迅速升高，在次贷危机爆发时到达阶段性高峰（图1）。由于这次危机引发的风险最初主要从全球通过金融市场传递到中国，在危机爆发的初期非金融企业的风险指数上升幅度较小。而随着风险的传导，风险溢出效应发酵，非金融企业的风险指数也明显升高，在“雷曼兄弟破产”这个标志性事件时金融企业和非金融企业的风险指数均到达阶段性顶峰。这表明，在全球金融危机的后期，金融企业和非金融企业的关联模式趋同，资本流动频繁，风险传染影响广泛。

北大汇丰·系统性风险指数还敏锐地捕捉到了中美贸易战和新冠肺炎疫情引发的风险（图2）。在2018年3月22日特朗普签署备忘录宣称“中国偷窃美国知识产权和商业秘密”前，金融企业的风险指数小幅上升。其后，随着贸易战的不断恶化，风险指数逐步升高，在2019年到达阶段性峰值。另外，新冠肺炎疫情爆发（武汉封城相当于一个风险事件的信号）后风险指数陡峭上升，而后在指数到达阶段性峰值的时候出现了美股熔断（相当于金融风险事件的爆发）。

金融市场系统性风险的来源可以看作两个部分：一方面是金融部门内部紧密而错综复杂的联系隐含了集聚和传染的风险，另一方面是外部的影响因素诱发的市场风险，包括某些宏观经济事件的负面冲击、重要性行业的衰退等。从风险指数在高风险时期的表现可以看到，金融体系的系统性风险往往是由于某个外部事件或政策点燃导火索，后由金融部门的复杂网络传染发酵，若没有及时地通过相关手段处理好风险则会阻碍经济发展、影响社会稳定。

值得一提的是，图2的阴影部分标注了中国出台多项降杠杆政策的时期（2016年7月至2018年1月），可以看到，在这个时期风险指数稳步下降到次贷危机前的水平，可以认为中国降杠杆的成效是显著的，各项政策有效降低了中国金融系统的潜在风险水平。

但需要注意的是，中国五大银行（中国银行、农业银行、工商银行、建设银行、交通银行）之间的相关性远高于其他银行（图2）。即使在2016年至2018年降杠杆期间，五大行的相关程度也仅有小幅度下降，一直保持着极高的关联关系。这一方面意味着五大行对稳定市场有重要作用，另一方面也提示了隐含的风险。

▶ 房地产行业：相关政策有效降低房地产市场风险水平

此外，由于房地产市场与金融体系联系紧密，房地产泡沫会威胁金融系统安全，本报告构建了房地产行业的风险指数（图3）。

2007年次贷危机前夕，房地产和银行的风险指数比非银行金融企业的风险指数更早出现大幅度的升高，2008年全球金融危机后，房地产市场仍旧保持较高的风险水平。在2015年至2016年期间，房地产风险再次升高，直到2016年一系列降杠杆政策出台以及年底的中央经济工作会议提出“房子是用来住的，不是用来炒的”，此后房地产行业的风险水平才逐步下降。但可以看到，2016年至2020年期间，房地产行业的总体风险水平仍然是高于非金融行业的平均水平的，房地产行业占用了较多的金融资源。

2020年8月住建部与央行召开重点房地产企业座谈会，首次提及“重点房地产企业资金监测和融资管理规则”，针对重点房企资金监测和融资管理的“三线四档”政策出台。2020年年底，央行联合银保监会印发《关于建立银行业金融机构房地产贷款集中度管理制度的通知》，对个人住房贷款和房地产贷款占比提出了硬性要求，这是金融监管部门进一步严控房地产市场的重要信号。从风险指数的表现来看，2020年针对房地产企业的相关政策对控制房地产市场风险水平有一定的效果，“三线四档”政策出台后，不少房企的财务情况得到改善，不仅控制了总有息负债规模的增长，债务结构也优化显著。

▶ 国有企业：国有企业风险水平高于民营企业

通过构建不同所有制企业的风险指数本研究还发现，国有企业的关联程度显著高于民营企业，且在2008年金融危机后两者的差距大幅扩大，而中央国有企业的关联程度也明显高于地方国有企业（图4）。中国上市的国有企业中很大一部分是银行，但即使除去银行在内的金融企业，非金融国有企业构建的风险指数也仍旧高于非金融民营企业（图5）。在2020年新冠肺炎疫情爆发初期，国有企业的反应比民营企业更加剧烈，国企面对新冠肺炎疫情的冲击时承受了更大的压力。国企的运营往往受到政府部门的严格管控，相对僵化的管理体系导致国企自身运营上存在种种问题，以至于国企的风险没有办法很好地对冲。此外，国有企业相比于民营企业对于风险冲击表现更趋一致还说明国有企业在某种程度上具有较高的同质性。

▶ 对比美国：中国金融体系的关联程度高于美国

本报告用同样的方法构建了美国市场的风险指数，发现中国金融体系的关联程度要显著高于美国（图6-1、图6-2）。近8年中国银行风险指数的均值较美国高35.7%，中国非银金融风险指数的均值较美国高32.3%，中国非金融企业风险指数的均值较美国高0.4%。

风险指数的走势提示，中美贸易战对中国金融体系的冲击是大于美国的，美国金融企业的风险指数在2018年初（贸易战初期）有较大幅度的上升但之后就基本保持稳定，而中国金融企业的风险指数在2018年持续上升直到2019年才到达阶段性峰值；而中美贸易战对两国非金融企业的冲击程度相当，且非金融企业风险指数的升高较金融企业更早。

此外，美国市场，尤其是金融企业，对新冠肺炎疫情的反应比中国市场更剧烈，风险指数对美股连续四次熔断的发生有一定的预警作用。

▶ 预警效果：风险指数和股指收益的波动率高度相关

股指收益率的波动情况可以一定程度体现金融市场的风险水平和市场情绪。图7可以直观地看到，北大汇丰·系统性风险指数和股指收益率的波动是高度相关的，当风险指数增大时上证指数收益率也呈现出更剧烈的波动。

图8和图9呈现了本报告构建的银行和非银金融风险指数与对应的股指收益波动率的对比（收益波动率计算方法详见附录3）。银行风险指数和银行指数收益波动率均敏感地捕捉到了2007年金融危机，而非银金融指数在2002年至2009年之间一直呈现出较高的波动率，对金融危机的预警效果不及本报告构建的指数。此外，股指收益波动率没有很好地捕捉到中美贸易战及新冠肺炎疫情造成的风险。因此，从直观上看，本报告构建的指数相较于股指收益波动率在系统性风险预警方面有一定优势。

本报告进一步用往期北大汇丰·系统性风险指数拟合当期股指收益波动率。结果显示，北大汇丰·系统性风险指数的平均最优滞后期数大于股指收益波动率自回归的平均最优滞后期数，说明本报告构建的指数有一定前瞻性，可以更早地对股指收益波动率做出预判。此外，在系统性风险释放前后，样本内拟合效果变好，反映出结构性的变化，变化的节点或可进一步辅助风险事件的识别（检验过程详见附录）。

▶ 预警效果：风险指数对市场恐慌情绪一定有解释效力

由美国芝加哥期权交易所（CBOE）推出的VXFXI波动率指数（富时中国50指数的隐含波动率）反映了市场的恐慌情绪，常被投资者当作中国股市走向的风向标。图10对比了北大汇丰·系统性风险指数和VXFXI指数。在系统性风险事件发生且恐慌指数上升时，北大汇丰·系统性风险指数也往往呈现出上升趋势。VXFXI对股票市场的动荡更为敏感（如2020年美股熔断），但VXFXI对系统性风险事件的捕捉不及北大汇丰·系统性风险指数（如中美贸易战）。由于恐慌指数过于敏感，对影响金融市场的各类事件的均会反映出悲观的情绪，因此VXFXI对系统性风险控制政策的指引作用不如北大汇丰·系统性风险指数直观。

目前国内尚未有研究使用此方法衡量金融系统性风险水平，这是本研究一个创新的尝试。从指数的历史表现来看，本报告构造的系统性风险指数能实时对金融体系稳定性进行监测，具有代表性和可比性，有助于政府部门维护宏观经济与金融市场的稳定，“打好防范化解重大金融风险攻坚战”，“防止短期冲击演变成趋势性变化”，也有助于决策者事后检验政策的有效性，监测不同政策的实施效果以对政策作出及时的优化调整。

指数反映的近期风险现状与政策建议

▶ 整体风险水平较稳定，但五大行为