系统性金融风险研究进展 Plantin等(2015)认为,盯市制度( Marking to market)的顺市场周期特点使得其易于向 金融市场注入“人为波动率”,加大金融体系的不稳定性。尤其在标的资产具有流动性较 差、结构化程度髙、到期期限长等特点时,盯市制度更趋于强化“流动性螺旋”。 Brunnermeier等(2009)则以金融交易的保证金要求( margin requirements)为例说明了 流动性危机的“滚雪球效用( snowball effect)” 银行间市场冻结(紧缩)也是导致流动性危机的重要因素。危机期间,悲观情绪充 斥着金融市场,商业银行出于风险防控和资产质量控制的双重考虑,出现惜贷、慎贷现 象。部分学者将“惜贷”“慎贷”现象归结于逆向选择, Heider等(2015)在 Flannery(2015) 的基础上将信息不对称引入银行间市场,结果显示,当银行间市场出现较大的风险冲击 时,由于各机构健康状况信息存在严重的不对称性,逆向选择使得金融机构在贷款管理 上变得极为慎重,银行间市场极可能失灵,市场流动性将异常紧张。 Caballero等(2013) 提到,当某金融机构遭受异质性负向冲击时,由于信息不对称,其他金融机构难以估计 该银行的预期损失规模,为其提供流动性的可能性很低。在金融市场遭受严重系统风险 冲击的情况下,各金融机构互不了解对方的健康状况,逆向选择可能成为普遍性现象, 造成流动性枯竭。 传染和放大机制相关指标 关于传染机制的度量, Kritzman等(2010)构建了“吸收比率( absorption ratio)” 来测度系统性金融风险的传染效应,其基本逻辑在于资产组合整体的方差被特定维度特 征向量解释程度越高,则各金融机构关于风险冲击的协同度越高,风险冲击的传染力度 越强。 Acemoglu等(2015)引入了调和距离mn( Harmonic distance)来衡量金融机构 m与金融机构n之间的债务关联程度,调和距离越小,金融机构之间的直接或间接的债 务联系越紧密,二者损失传染的概率及规模也就更大。同时,单一金融机构调和距离总 和∑。mm可以用于测度该机构与金融系统的近似程度,该指标值越低,金融系统的风 险冲击对机构m造成损失的概率和强度也就越大,因此该机构更可能被划定为系统重要 性金融机构。以 Eisenberg和Noe(2001)模型为基础, Glasserman等(2015)发现金融 网络的节点信息包含三部分(资产规模、杠杆率以及金融连接度①),并利用这三部分信 息构造出各金融机构的传染指数,以此来度量该金融机构受到风险冲击后传染给其他金 融机构的概率 放大机制的本质是金融资产抛售引起的资产价格螺旋式下降,因此构建放大机制的 系统性金融风险指标的关键在于度量单体金融机枃或金融系统岀现大规模抛售金融资产 ①金融连接度研究的是金融网络中各节点(金融机枃)的负债结枃,即其他金融机枃所持有该机枃的债务规 模占其负债总规模的比重。 2018年第1辑(总第3辑系统性金融风险研究进展 81 2018 年第 1 辑（总第 3 辑） Plantin 等（2015）认为，盯市制度（Marking to Market）的顺市场周期特点使得其易于向 金融市场注入“人为波动率”，加大金融体系的不稳定性。尤其在标的资产具有流动性较 差、结构化程度高、到期期限长等特点时，盯市制度更趋于强化“流动性螺旋”。 Brunnermeier 等（2009）则以金融交易的保证金要求（margin requirements）为例说明了 流动性危机的“滚雪球效用（snowball effect）”。 银行间市场冻结（紧缩）也是导致流动性危机的重要因素。危机期间，悲观情绪充 斥着金融市场，商业银行出于风险防控和资产质量控制的双重考虑，出现惜贷、慎贷现 象。部分学者将“惜贷”“慎贷”现象归结于逆向选择，Heider 等（2015）在 Flannery（2015） 的基础上将信息不对称引入银行间市场，结果显示，当银行间市场出现较大的风险冲击 时，由于各机构健康状况信息存在严重的不对称性，逆向选择使得金融机构在贷款管理 上变得极为慎重，银行间市场极可能失灵，市场流动性将异常紧张。Calballero 等（2013） 提到，当某金融机构遭受异质性负向冲击时，由于信息不对称，其他金融机构难以估计 该银行的预期损失规模，为其提供流动性的可能性很低。在金融市场遭受严重系统风险 冲击的情况下，各金融机构互不了解对方的健康状况，逆向选择可能成为普遍性现象， 造成流动性枯竭。 4. 传染和放大机制相关指标 关于传染机制的度量，Kritzman 等（2010）构建了“吸收比率（absorption ratio）” 来测度系统性金融风险的传染效应，其基本逻辑在于资产组合整体的方差被特定维度特 征向量解释程度越高，则各金融机构关于风险冲击的协同度越高，风险冲击的传染力度 越强。Acemoglu 等（2015）引入了调和距离 mm n, （Harmonic Distance）来衡量金融机构 m 与金融机构 n 之间的债务关联程度，调和距离越小，金融机构之间的直接或间接的债 务联系越紧密，二者损失传染的概率及规模也就更大。同时，单一金融机构调和距离总 和 mn n m m ∑ = 可以用于测度该机构与金融系统的近似程度，该指标值越低，金融系统的风 险冲击对机构 m 造成损失的概率和强度也就越大，因此该机构更可能被划定为系统重要 性金融机构。以 Eisenberg 和 Noe（2001）模型为基础，Glasserman 等（2015）发现金融 网络的节点信息包含三部分（资产规模、杠杆率以及金融连接度①），并利用这三部分信 息构造出各金融机构的传染指数，以此来度量该金融机构受到风险冲击后传染给其他金 融机构的概率。 放大机制的本质是金融资产抛售引起的资产价格螺旋式下降，因此构建放大机制的 系统性金融风险指标的关键在于度量单体金融机构或金融系统出现大规模抛售金融资产 ① 金融连接度研究的是金融网络中各节点（金融机构）的负债结构，即其他金融机构所持有该机构的债务规 模占其负债总规模的比重