基于GARCH-CoVaR模型的券商對(duì)商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)剖析一、引言1.1研究背景與意義隨著我國(guó)金融市場(chǎng)的不斷發(fā)展與完善，金融機(jī)構(gòu)之間的聯(lián)系日益緊密，業(yè)務(wù)交叉與融合趨勢(shì)愈發(fā)明顯。券商和商業(yè)銀行作為金融體系的重要組成部分，在資金融通、資產(chǎn)配置等方面有著廣泛的業(yè)務(wù)往來(lái)，如銀證轉(zhuǎn)賬、股票質(zhì)押貸款、債券承銷等。這種緊密的業(yè)務(wù)關(guān)聯(lián)在促進(jìn)金融市場(chǎng)繁榮、提高金融效率的同時(shí)，也使得風(fēng)險(xiǎn)在兩者之間的傳播變得更加容易和迅速，一旦一方出現(xiàn)風(fēng)險(xiǎn)事件，便可能通過(guò)各種渠道將風(fēng)險(xiǎn)溢出至另一方，進(jìn)而對(duì)整個(gè)金融體系的穩(wěn)定造成威脅。近年來(lái)，國(guó)內(nèi)外金融市場(chǎng)中不乏風(fēng)險(xiǎn)溢出引發(fā)系統(tǒng)性風(fēng)險(xiǎn)的案例。2008年美國(guó)次貸危機(jī)爆發(fā)，投資銀行等金融機(jī)構(gòu)的風(fēng)險(xiǎn)迅速蔓延至商業(yè)銀行體系，導(dǎo)致大量銀行面臨巨額虧損、資金鏈斷裂甚至破產(chǎn)倒閉，最終引發(fā)了全球性的金融危機(jī)，給世界經(jīng)濟(jì)帶來(lái)了沉重打擊。在國(guó)內(nèi)，2015年股災(zāi)期間，券商因股市暴跌遭受重創(chuàng)，市場(chǎng)流動(dòng)性緊張，風(fēng)險(xiǎn)通過(guò)股票質(zhì)押業(yè)務(wù)等渠道傳導(dǎo)至商業(yè)銀行，部分銀行的資產(chǎn)質(zhì)量受到影響，信用風(fēng)險(xiǎn)上升。這些事件充分凸顯了券商與商業(yè)銀行之間風(fēng)險(xiǎn)溢出問(wèn)題的嚴(yán)重性和復(fù)雜性。深入研究券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)具有極其重要的現(xiàn)實(shí)意義。對(duì)于金融機(jī)構(gòu)自身的風(fēng)險(xiǎn)管理而言，有助于券商和商業(yè)銀行更加準(zhǔn)確地識(shí)別、評(píng)估和管理來(lái)自對(duì)方的風(fēng)險(xiǎn)，優(yōu)化風(fēng)險(xiǎn)防控策略。通過(guò)了解風(fēng)險(xiǎn)溢出的渠道和程度，商業(yè)銀行可以合理調(diào)整資產(chǎn)配置結(jié)構(gòu)，加強(qiáng)對(duì)與券商相關(guān)業(yè)務(wù)的風(fēng)險(xiǎn)監(jiān)控，提高自身抵御風(fēng)險(xiǎn)的能力；券商也能更好地認(rèn)識(shí)自身業(yè)務(wù)對(duì)商業(yè)銀行的潛在影響，規(guī)范業(yè)務(wù)操作，降低風(fēng)險(xiǎn)發(fā)生的概率。從金融監(jiān)管層面來(lái)看，為監(jiān)管部門制定科學(xué)合理的監(jiān)管政策提供有力依據(jù)，加強(qiáng)對(duì)銀證業(yè)務(wù)交叉領(lǐng)域的監(jiān)管協(xié)調(diào)。監(jiān)管部門可以根據(jù)風(fēng)險(xiǎn)溢出的特征和規(guī)律，完善監(jiān)管規(guī)則，填補(bǔ)監(jiān)管空白，提高監(jiān)管效率，防范系統(tǒng)性金融風(fēng)險(xiǎn)的發(fā)生，維護(hù)金融市場(chǎng)的穩(wěn)定運(yùn)行。此外，研究該風(fēng)險(xiǎn)溢出效應(yīng)還能為投資者提供決策參考，幫助其更加全面地認(rèn)識(shí)金融市場(chǎng)風(fēng)險(xiǎn)，合理配置資產(chǎn)，降低投資損失。1.2國(guó)內(nèi)外研究現(xiàn)狀在金融風(fēng)險(xiǎn)研究領(lǐng)域，國(guó)外起步較早，取得了豐碩成果。Markowitz在1952年發(fā)表的《資產(chǎn)組合選擇》一文中，提出了均值-方差模型，開(kāi)啟了現(xiàn)代投資組合理論的先河，為金融風(fēng)險(xiǎn)度量提供了基礎(chǔ)框架，使得投資者能夠通過(guò)資產(chǎn)組合的多樣化來(lái)降低非系統(tǒng)性風(fēng)險(xiǎn)。1993年，G30集團(tuán)在研究衍生品種基礎(chǔ)上發(fā)表的《衍生產(chǎn)品的實(shí)踐和規(guī)則》報(bào)告中，首次提出了風(fēng)險(xiǎn)價(jià)值（VaR）概念，VaR成為一種被廣泛接受的風(fēng)險(xiǎn)度量工具，能夠在給定置信水平和持有期內(nèi)，估計(jì)投資組合可能遭受的最大損失。在此基礎(chǔ)上，Adrian和Brunnermeier在2016年提出了條件風(fēng)險(xiǎn)價(jià)值（CoVaR）概念，用以衡量當(dāng)某一金融機(jī)構(gòu)處于困境時(shí)，對(duì)其他金融機(jī)構(gòu)或整個(gè)金融體系造成的風(fēng)險(xiǎn)溢出程度，彌補(bǔ)了VaR在度量系統(tǒng)性風(fēng)險(xiǎn)方面的不足，為研究金融機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出效應(yīng)提供了新的視角和方法。國(guó)內(nèi)學(xué)者在金融風(fēng)險(xiǎn)研究方面也不斷深入。隨著我國(guó)金融市場(chǎng)的快速發(fā)展和金融創(chuàng)新的不斷涌現(xiàn)，國(guó)內(nèi)學(xué)者結(jié)合我國(guó)金融市場(chǎng)的實(shí)際情況，對(duì)金融風(fēng)險(xiǎn)的度量、管理以及風(fēng)險(xiǎn)溢出效應(yīng)等方面展開(kāi)了廣泛研究。陳忠陽(yáng)等學(xué)者對(duì)金融風(fēng)險(xiǎn)的識(shí)別、度量和管理進(jìn)行了系統(tǒng)闡述，強(qiáng)調(diào)了全面風(fēng)險(xiǎn)管理在金融機(jī)構(gòu)中的重要性，并結(jié)合我國(guó)金融監(jiān)管現(xiàn)狀，提出了完善金融風(fēng)險(xiǎn)管理體系的建議。在風(fēng)險(xiǎn)溢出效應(yīng)研究方面，國(guó)內(nèi)學(xué)者針對(duì)不同金融市場(chǎng)和金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)關(guān)聯(lián)進(jìn)行了實(shí)證分析，為我國(guó)金融市場(chǎng)的風(fēng)險(xiǎn)防控提供了理論支持和實(shí)踐指導(dǎo)。在風(fēng)險(xiǎn)溢出效應(yīng)研究方面，國(guó)外學(xué)者運(yùn)用多種方法進(jìn)行深入探究。部分學(xué)者采用格蘭杰因果檢驗(yàn)等方法，分析金融市場(chǎng)之間的因果關(guān)系和風(fēng)險(xiǎn)傳導(dǎo)路徑，發(fā)現(xiàn)不同金融市場(chǎng)之間存在著復(fù)雜的風(fēng)險(xiǎn)溢出關(guān)系，一個(gè)市場(chǎng)的波動(dòng)往往會(huì)引起其他市場(chǎng)的連鎖反應(yīng)。還有學(xué)者運(yùn)用Copula函數(shù)來(lái)刻畫金融資產(chǎn)收益率之間的非線性相關(guān)關(guān)系，研究風(fēng)險(xiǎn)在不同資產(chǎn)之間的溢出效應(yīng)，Copula函數(shù)能夠更準(zhǔn)確地捕捉金融變量之間的尾部相關(guān)性，為風(fēng)險(xiǎn)溢出效應(yīng)的研究提供了更為有效的工具。國(guó)內(nèi)學(xué)者在該領(lǐng)域也進(jìn)行了大量實(shí)證研究。一些學(xué)者研究了股票市場(chǎng)與債券市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)，發(fā)現(xiàn)兩者之間存在著顯著的風(fēng)險(xiǎn)傳導(dǎo)關(guān)系，在市場(chǎng)波動(dòng)加劇時(shí)期，風(fēng)險(xiǎn)溢出效應(yīng)更為明顯。還有部分學(xué)者關(guān)注了金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)溢出，如銀行與保險(xiǎn)機(jī)構(gòu)、銀行與信托機(jī)構(gòu)等，通過(guò)實(shí)證分析揭示了不同金融機(jī)構(gòu)之間風(fēng)險(xiǎn)傳遞的渠道和影響因素，為金融監(jiān)管部門加強(qiáng)對(duì)金融機(jī)構(gòu)的協(xié)同監(jiān)管提供了依據(jù)。在GARCH-CoVaR模型應(yīng)用方面，國(guó)外學(xué)者將其廣泛應(yīng)用于金融市場(chǎng)風(fēng)險(xiǎn)研究。有學(xué)者運(yùn)用該模型研究國(guó)際金融市場(chǎng)間的風(fēng)險(xiǎn)溢出，分析不同國(guó)家股票市場(chǎng)、外匯市場(chǎng)等之間的風(fēng)險(xiǎn)傳導(dǎo)機(jī)制，發(fā)現(xiàn)全球金融市場(chǎng)之間的聯(lián)系日益緊密，風(fēng)險(xiǎn)溢出效應(yīng)在國(guó)際金融市場(chǎng)中普遍存在。還有學(xué)者運(yùn)用GARCH-CoVaR模型評(píng)估金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)，為金融監(jiān)管部門識(shí)別系統(tǒng)重要性金融機(jī)構(gòu)提供了量化方法。國(guó)內(nèi)學(xué)者也將GARCH-CoVaR模型應(yīng)用于多個(gè)領(lǐng)域。有學(xué)者利用該模型研究我國(guó)金融市場(chǎng)不同板塊之間的風(fēng)險(xiǎn)溢出，發(fā)現(xiàn)金融市場(chǎng)各板塊之間存在著明顯的風(fēng)險(xiǎn)溢出效應(yīng)，且在市場(chǎng)極端波動(dòng)時(shí)期，風(fēng)險(xiǎn)溢出效應(yīng)更為顯著。還有學(xué)者將其應(yīng)用于研究商業(yè)銀行對(duì)企業(yè)的風(fēng)險(xiǎn)溢出，分析銀行風(fēng)險(xiǎn)對(duì)實(shí)體經(jīng)濟(jì)的影響，為防范金融風(fēng)險(xiǎn)向?qū)嶓w經(jīng)濟(jì)傳導(dǎo)提供了參考。盡管國(guó)內(nèi)外學(xué)者在金融風(fēng)險(xiǎn)、風(fēng)險(xiǎn)溢出效應(yīng)以及GARCH-CoVaR模型應(yīng)用等方面取得了豐富成果，但仍存在一定不足?，F(xiàn)有研究多集中于分析金融市場(chǎng)整體或某幾類金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)溢出，針對(duì)券商對(duì)商業(yè)銀行這一特定關(guān)系的風(fēng)險(xiǎn)溢出效應(yīng)研究相對(duì)較少，且缺乏對(duì)兩者之間風(fēng)險(xiǎn)溢出渠道和影響因素的深入系統(tǒng)分析。在模型應(yīng)用方面，雖然GARCH-CoVaR模型被廣泛應(yīng)用，但如何進(jìn)一步優(yōu)化模型以更準(zhǔn)確地度量風(fēng)險(xiǎn)溢出效應(yīng)，以及如何結(jié)合其他方法對(duì)風(fēng)險(xiǎn)溢出進(jìn)行更全面的分析，仍有待進(jìn)一步探索。本文將聚焦于券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)，運(yùn)用GARCH-CoVaR模型進(jìn)行深入研究，并結(jié)合理論分析和實(shí)證檢驗(yàn)，探討風(fēng)險(xiǎn)溢出的渠道和影響因素，以期彌補(bǔ)現(xiàn)有研究的不足，為金融機(jī)構(gòu)風(fēng)險(xiǎn)管理和金融監(jiān)管提供更有針對(duì)性的建議。1.3研究?jī)?nèi)容與方法本文主要研究券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)，旨在深入剖析兩者之間的風(fēng)險(xiǎn)傳導(dǎo)機(jī)制，具體內(nèi)容如下：券商與商業(yè)銀行的業(yè)務(wù)關(guān)聯(lián)及風(fēng)險(xiǎn)傳導(dǎo)理論分析：對(duì)券商和商業(yè)銀行的主要業(yè)務(wù)進(jìn)行梳理，詳細(xì)闡述兩者在資金業(yè)務(wù)、信用業(yè)務(wù)、資本市場(chǎng)業(yè)務(wù)等方面的具體關(guān)聯(lián)形式。從理論層面深入分析風(fēng)險(xiǎn)在券商和商業(yè)銀行之間可能的傳導(dǎo)路徑，包括市場(chǎng)風(fēng)險(xiǎn)傳導(dǎo)、信用風(fēng)險(xiǎn)傳導(dǎo)、流動(dòng)性風(fēng)險(xiǎn)傳導(dǎo)等，為后續(xù)的實(shí)證研究提供堅(jiān)實(shí)的理論基礎(chǔ)。GARCH-CoVaR模型的構(gòu)建與應(yīng)用：在充分了解GARCH（廣義自回歸條件異方差）模型和CoVaR（條件風(fēng)險(xiǎn)價(jià)值）模型基本原理的基礎(chǔ)上，構(gòu)建適用于本文研究的GARCH-CoVaR模型。通過(guò)該模型，對(duì)券商和商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行精確的定量分析，計(jì)算出券商處于困境時(shí)對(duì)商業(yè)銀行風(fēng)險(xiǎn)水平的具體影響程度，即CoVaR值和ΔCoVaR值，以量化的方式直觀展示風(fēng)險(xiǎn)溢出效應(yīng)的大小。實(shí)證分析：精心選取具有代表性的券商和商業(yè)銀行樣本，收集其股價(jià)收益率、資產(chǎn)負(fù)債表等相關(guān)數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行嚴(yán)格的預(yù)處理，確保數(shù)據(jù)的準(zhǔn)確性和可靠性。運(yùn)用構(gòu)建好的GARCH-CoVaR模型對(duì)樣本數(shù)據(jù)進(jìn)行實(shí)證分析，得出券商對(duì)商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)的實(shí)證結(jié)果。通過(guò)對(duì)實(shí)證結(jié)果的深入分析，明確風(fēng)險(xiǎn)溢出效應(yīng)的大小、方向以及在不同市場(chǎng)環(huán)境下的變化特征。風(fēng)險(xiǎn)溢出效應(yīng)的影響因素分析：從宏觀經(jīng)濟(jì)環(huán)境、金融監(jiān)管政策、券商和商業(yè)銀行自身的經(jīng)營(yíng)特征等多個(gè)角度，全面分析影響券商對(duì)商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)的因素。探討宏觀經(jīng)濟(jì)波動(dòng)、貨幣政策調(diào)整、監(jiān)管政策變化等宏觀因素，以及券商的業(yè)務(wù)結(jié)構(gòu)、資產(chǎn)規(guī)模、杠桿率，商業(yè)銀行的資本充足率、流動(dòng)性水平、資產(chǎn)質(zhì)量等微觀因素對(duì)風(fēng)險(xiǎn)溢出效應(yīng)的具體影響機(jī)制。結(jié)論與建議：對(duì)全文的研究?jī)?nèi)容和實(shí)證結(jié)果進(jìn)行系統(tǒng)總結(jié)，概括券商對(duì)商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)的主要特征和規(guī)律?；谘芯拷Y(jié)論，分別從金融機(jī)構(gòu)自身風(fēng)險(xiǎn)管理和金融監(jiān)管部門監(jiān)管兩個(gè)層面提出具有針對(duì)性和可操作性的建議。金融機(jī)構(gòu)應(yīng)加強(qiáng)風(fēng)險(xiǎn)識(shí)別與評(píng)估能力，優(yōu)化風(fēng)險(xiǎn)管理策略；金融監(jiān)管部門應(yīng)完善監(jiān)管體系，加強(qiáng)監(jiān)管協(xié)調(diào)，提高監(jiān)管效率，以有效防范券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出，維護(hù)金融體系的穩(wěn)定。在研究方法上，本文采用定量分析與定性分析相結(jié)合的方式。定性分析方面，通過(guò)對(duì)券商與商業(yè)銀行的業(yè)務(wù)關(guān)聯(lián)進(jìn)行詳細(xì)梳理，從理論上深入探討風(fēng)險(xiǎn)傳導(dǎo)路徑，為研究提供理論框架和邏輯基礎(chǔ)。定量分析則以GARCH-CoVaR模型為核心，運(yùn)用Eviews、R等統(tǒng)計(jì)軟件對(duì)收集到的數(shù)據(jù)進(jìn)行處理和分析，精確測(cè)度風(fēng)險(xiǎn)溢出效應(yīng)的大小和方向，使研究結(jié)果更具科學(xué)性和說(shuō)服力。同時(shí)，還將運(yùn)用格蘭杰因果檢驗(yàn)等方法，對(duì)風(fēng)險(xiǎn)溢出的因果關(guān)系進(jìn)行驗(yàn)證，進(jìn)一步增強(qiáng)研究的可靠性。1.4創(chuàng)新點(diǎn)研究視角創(chuàng)新：現(xiàn)有研究多聚焦于金融市場(chǎng)整體或銀行、保險(xiǎn)等金融機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出，對(duì)券商與商業(yè)銀行這一特定關(guān)系的研究相對(duì)較少。本文專門針對(duì)券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)展開(kāi)深入研究，填補(bǔ)了這一領(lǐng)域在該特定方向研究的不足，為深入理解銀證之間的風(fēng)險(xiǎn)關(guān)聯(lián)提供了新的視角，有助于金融機(jī)構(gòu)和監(jiān)管部門更有針對(duì)性地進(jìn)行風(fēng)險(xiǎn)管理和監(jiān)管。模型應(yīng)用創(chuàng)新：運(yùn)用GARCH-CoVaR模型進(jìn)行研究，該模型能夠有效捕捉金融時(shí)間序列的異方差性和風(fēng)險(xiǎn)溢出效應(yīng)。通過(guò)構(gòu)建合適的GARCH模型來(lái)刻畫券商和商業(yè)銀行收益率的波動(dòng)特征，再利用CoVaR模型精確度量券商處于困境時(shí)對(duì)商業(yè)銀行風(fēng)險(xiǎn)水平的影響，相比傳統(tǒng)的風(fēng)險(xiǎn)度量方法，能更準(zhǔn)確地揭示兩者之間的風(fēng)險(xiǎn)溢出關(guān)系，為風(fēng)險(xiǎn)評(píng)估提供了更為科學(xué)和精確的量化工具。影響因素分析全面性創(chuàng)新：從宏觀經(jīng)濟(jì)環(huán)境、金融監(jiān)管政策以及券商和商業(yè)銀行自身經(jīng)營(yíng)特征等多維度分析風(fēng)險(xiǎn)溢出效應(yīng)的影響因素。不僅考慮宏觀經(jīng)濟(jì)波動(dòng)、貨幣政策、監(jiān)管政策等宏觀層面的因素，還深入探討券商和商業(yè)銀行的業(yè)務(wù)結(jié)構(gòu)、資產(chǎn)規(guī)模、杠桿率、資本充足率等微觀層面因素對(duì)風(fēng)險(xiǎn)溢出的作用機(jī)制，這種全面的分析有助于更深入地理解風(fēng)險(xiǎn)溢出的內(nèi)在邏輯，為提出綜合性的風(fēng)險(xiǎn)防范措施提供更全面的依據(jù)。數(shù)據(jù)處理與樣本選取創(chuàng)新：在數(shù)據(jù)處理過(guò)程中，對(duì)收集到的股價(jià)收益率、資產(chǎn)負(fù)債表等多源數(shù)據(jù)進(jìn)行嚴(yán)格的預(yù)處理和質(zhì)量控制，確保數(shù)據(jù)的準(zhǔn)確性和可靠性。在樣本選取上，綜合考慮券商和商業(yè)銀行的市場(chǎng)代表性、業(yè)務(wù)規(guī)模等因素，選取具有代表性的樣本進(jìn)行研究，使研究結(jié)果更具普遍性和適用性，能更好地反映實(shí)際市場(chǎng)情況。二、理論基礎(chǔ)2.1金融風(fēng)險(xiǎn)相關(guān)理論2.1.1金融風(fēng)險(xiǎn)的定義與分類金融風(fēng)險(xiǎn)是指金融市場(chǎng)主體在從事金融活動(dòng)過(guò)程中，由于各種不確定因素的影響，導(dǎo)致其實(shí)際收益與預(yù)期收益發(fā)生偏離，從而遭受損失的可能性。這種不確定性涵蓋了市場(chǎng)環(huán)境變化、信用違約、流動(dòng)性緊張等多個(gè)方面，其影響廣泛，不僅關(guān)乎金融機(jī)構(gòu)自身的生存與發(fā)展，還可能對(duì)整個(gè)金融體系的穩(wěn)定以及實(shí)體經(jīng)濟(jì)的運(yùn)行造成沖擊。在金融領(lǐng)域中，金融風(fēng)險(xiǎn)具有多種類型，常見(jiàn)的包括市場(chǎng)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)等。市場(chǎng)風(fēng)險(xiǎn)主要源于金融市場(chǎng)價(jià)格的波動(dòng)，如股票價(jià)格、債券價(jià)格、匯率、利率等的變動(dòng)。以股票市場(chǎng)為例，股價(jià)受宏觀經(jīng)濟(jì)形勢(shì)、行業(yè)競(jìng)爭(zhēng)格局、企業(yè)經(jīng)營(yíng)業(yè)績(jī)等多種因素影響，若投資者持有股票期間，宏觀經(jīng)濟(jì)下行導(dǎo)致股市整體下跌，投資者的股票資產(chǎn)價(jià)值將縮水，從而遭受損失。信用風(fēng)險(xiǎn)是指交易對(duì)手未能履行合同約定的義務(wù)，從而給另一方造成經(jīng)濟(jì)損失的風(fēng)險(xiǎn)，常見(jiàn)于貸款、債券投資等業(yè)務(wù)中。當(dāng)企業(yè)向銀行申請(qǐng)貸款后，由于經(jīng)營(yíng)不善等原因無(wú)法按時(shí)償還本金和利息，銀行便面臨信用風(fēng)險(xiǎn)，可能導(dǎo)致資產(chǎn)質(zhì)量下降，影響銀行的盈利能力和資金流動(dòng)性。流動(dòng)性風(fēng)險(xiǎn)是指金融機(jī)構(gòu)無(wú)法及時(shí)以合理成本獲得充足資金，以滿足業(yè)務(wù)開(kāi)展或償還到期債務(wù)的需求。例如，當(dāng)商業(yè)銀行遭遇大量?jī)?chǔ)戶集中取款時(shí)，如果其資金儲(chǔ)備不足，無(wú)法及時(shí)滿足儲(chǔ)戶的提款要求，就會(huì)引發(fā)流動(dòng)性危機(jī)，嚴(yán)重時(shí)可能導(dǎo)致銀行倒閉。此外，還有操作風(fēng)險(xiǎn)，它主要源于金融機(jī)構(gòu)內(nèi)部的操作流程不完善、人員失誤、系統(tǒng)故障或外部事件等，如內(nèi)部員工違規(guī)操作、信息系統(tǒng)遭受黑客攻擊等，都可能給金融機(jī)構(gòu)帶來(lái)經(jīng)濟(jì)損失和聲譽(yù)損害。這些不同類型的金融風(fēng)險(xiǎn)并非孤立存在，而是相互關(guān)聯(lián)、相互影響。市場(chǎng)風(fēng)險(xiǎn)的加劇可能導(dǎo)致企業(yè)經(jīng)營(yíng)困難，增加其違約概率，從而引發(fā)信用風(fēng)險(xiǎn)；信用風(fēng)險(xiǎn)的爆發(fā)可能導(dǎo)致金融機(jī)構(gòu)資金回收困難，進(jìn)而影響其流動(dòng)性，引發(fā)流動(dòng)性風(fēng)險(xiǎn)；而操作風(fēng)險(xiǎn)一旦發(fā)生，也可能引發(fā)其他類型的風(fēng)險(xiǎn)，如內(nèi)部員工違規(guī)操作可能導(dǎo)致市場(chǎng)風(fēng)險(xiǎn)暴露增加，或因數(shù)據(jù)錯(cuò)誤導(dǎo)致信用風(fēng)險(xiǎn)評(píng)估失誤等。了解金融風(fēng)險(xiǎn)的定義和分類，有助于全面認(rèn)識(shí)金融風(fēng)險(xiǎn)的本質(zhì)和特征，為后續(xù)深入研究券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)奠定基礎(chǔ)。2.1.2金融風(fēng)險(xiǎn)的度量方法準(zhǔn)確度量金融風(fēng)險(xiǎn)是有效管理風(fēng)險(xiǎn)的關(guān)鍵前提，在金融領(lǐng)域中，眾多學(xué)者和從業(yè)者不斷探索和發(fā)展各種風(fēng)險(xiǎn)度量方法，以更好地量化風(fēng)險(xiǎn)，為決策提供科學(xué)依據(jù)。其中，風(fēng)險(xiǎn)價(jià)值（VaR）和條件風(fēng)險(xiǎn)價(jià)值（CVaR）是兩種被廣泛應(yīng)用且備受關(guān)注的風(fēng)險(xiǎn)度量方法。VaR是在一定置信水平和持有期內(nèi)，投資組合可能遭受的最大損失。例如，在95%的置信水平下，某投資組合的日VaR值為100萬(wàn)元，這意味著在正常市場(chǎng)條件下，在100個(gè)交易日中，大約有95個(gè)交易日該投資組合的損失不會(huì)超過(guò)100萬(wàn)元，僅有5個(gè)交易日的損失可能會(huì)超過(guò)這個(gè)數(shù)值。VaR方法的優(yōu)點(diǎn)在于其直觀性和簡(jiǎn)潔性，能夠用一個(gè)具體的數(shù)值來(lái)衡量風(fēng)險(xiǎn)水平，方便投資者和管理者快速了解投資組合在一定置信水平下的潛在最大損失，從而在資產(chǎn)配置、風(fēng)險(xiǎn)限額設(shè)定等方面發(fā)揮重要作用。然而，VaR也存在明顯的局限性。它基于歷史數(shù)據(jù)和統(tǒng)計(jì)模型進(jìn)行計(jì)算，假設(shè)市場(chǎng)數(shù)據(jù)服從一定的分布，但在實(shí)際金融市場(chǎng)中，金融資產(chǎn)價(jià)格的波動(dòng)往往呈現(xiàn)出尖峰厚尾的特征，并不完全符合傳統(tǒng)的正態(tài)分布假設(shè)，這使得VaR在度量極端風(fēng)險(xiǎn)事件時(shí)可能會(huì)低估風(fēng)險(xiǎn)，無(wú)法準(zhǔn)確反映投資組合在極端市場(chǎng)情況下的損失程度。此外，VaR只關(guān)注一定置信水平下的最大損失，而不考慮超過(guò)VaR值后的損失情況，對(duì)于投資者和管理者全面了解風(fēng)險(xiǎn)狀況存在一定的局限性。為了彌補(bǔ)VaR的不足，CVaR應(yīng)運(yùn)而生。CVaR又稱為條件風(fēng)險(xiǎn)價(jià)值或預(yù)期短缺，它衡量的是在損失超過(guò)VaR值的條件下，投資組合損失的期望值。CVaR不僅考慮了可能出現(xiàn)的最大損失，還關(guān)注了極端情況下的平均損失，能夠更全面地反映風(fēng)險(xiǎn)的尾部特征，為投資者和管理者提供了關(guān)于極端風(fēng)險(xiǎn)的更多信息，對(duì)于那些對(duì)風(fēng)險(xiǎn)承受能力較低、特別關(guān)注極端損失情況的投資者和金融機(jī)構(gòu)來(lái)說(shuō)，CVaR具有重要的參考價(jià)值。不過(guò)，CVaR的計(jì)算相對(duì)復(fù)雜，需要對(duì)損失分布的尾部進(jìn)行深入分析和計(jì)算，這在一定程度上增加了其應(yīng)用的難度和成本。除了VaR和CVaR，還有其他一些風(fēng)險(xiǎn)度量方法，如標(biāo)準(zhǔn)差，它通過(guò)衡量投資回報(bào)的波動(dòng)性來(lái)評(píng)估風(fēng)險(xiǎn)水平，標(biāo)準(zhǔn)差越大，說(shuō)明投資回報(bào)的波動(dòng)越大，風(fēng)險(xiǎn)也就越高。但標(biāo)準(zhǔn)差同樣假設(shè)收益呈正態(tài)分布，在實(shí)際應(yīng)用中存在局限性。壓力測(cè)試則是通過(guò)設(shè)定極端但可能發(fā)生的市場(chǎng)情景，如嚴(yán)重的經(jīng)濟(jì)衰退、利率大幅波動(dòng)、股票市場(chǎng)暴跌等，評(píng)估投資組合在這些壓力情景下的表現(xiàn)，以發(fā)現(xiàn)潛在的風(fēng)險(xiǎn)弱點(diǎn)，但壓力測(cè)試中情景設(shè)定的主觀性較強(qiáng)，不同的情景設(shè)定可能會(huì)導(dǎo)致不同的測(cè)試結(jié)果。敏感性分析用于評(píng)估單個(gè)風(fēng)險(xiǎn)因素的變化對(duì)投資組合價(jià)值的影響，幫助識(shí)別關(guān)鍵的風(fēng)險(xiǎn)驅(qū)動(dòng)因素，但它只考慮單個(gè)因素的變化，忽略了因素之間的相互作用。這些風(fēng)險(xiǎn)度量方法各有優(yōu)劣，在實(shí)際應(yīng)用中，金融機(jī)構(gòu)和投資者通常會(huì)根據(jù)自身的需求、風(fēng)險(xiǎn)偏好以及投資組合的特點(diǎn)，綜合運(yùn)用多種風(fēng)險(xiǎn)度量方法，以更全面、準(zhǔn)確地評(píng)估金融風(fēng)險(xiǎn)。在研究券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)時(shí)，GARCH-CoVaR模型將被引入，它結(jié)合了GARCH模型對(duì)金融時(shí)間序列波動(dòng)特征的刻畫能力和CoVaR模型對(duì)風(fēng)險(xiǎn)溢出效應(yīng)的度量能力，能夠更有效地捕捉券商與商業(yè)銀行之間的風(fēng)險(xiǎn)關(guān)聯(lián)和溢出效應(yīng)，為后續(xù)的實(shí)證研究提供有力的工具。2.2風(fēng)險(xiǎn)溢出效應(yīng)理論2.2.1風(fēng)險(xiǎn)溢出效應(yīng)的定義與內(nèi)涵風(fēng)險(xiǎn)溢出效應(yīng)是指在金融市場(chǎng)中，一個(gè)金融機(jī)構(gòu)或金融市場(chǎng)的風(fēng)險(xiǎn)波動(dòng)，通過(guò)各種復(fù)雜的關(guān)聯(lián)渠道，對(duì)其他金融機(jī)構(gòu)或金融市場(chǎng)產(chǎn)生超出預(yù)期的、間接的影響，這種影響往往呈現(xiàn)出連鎖反應(yīng)的態(tài)勢(shì)，可能引發(fā)系統(tǒng)性風(fēng)險(xiǎn)，對(duì)整個(gè)金融體系的穩(wěn)定構(gòu)成威脅。當(dāng)一家大型券商因投資失誤或市場(chǎng)波動(dòng)遭受巨額虧損時(shí)其資金流動(dòng)性緊張，可能無(wú)法按時(shí)償還從商業(yè)銀行的借款，進(jìn)而導(dǎo)致商業(yè)銀行的資產(chǎn)質(zhì)量下降，信用風(fēng)險(xiǎn)增加。這種風(fēng)險(xiǎn)的傳播并非局限于單個(gè)機(jī)構(gòu)之間，還可能在整個(gè)金融市場(chǎng)中擴(kuò)散，影響其他金融機(jī)構(gòu)的正常運(yùn)營(yíng)，甚至引發(fā)市場(chǎng)恐慌情緒，導(dǎo)致金融市場(chǎng)的整體不穩(wěn)定。風(fēng)險(xiǎn)溢出效應(yīng)的內(nèi)涵豐富，它不僅體現(xiàn)了金融市場(chǎng)主體之間的緊密關(guān)聯(lián)性，還反映了金融風(fēng)險(xiǎn)的傳染性和放大性。在金融市場(chǎng)中，各金融機(jī)構(gòu)之間通過(guò)業(yè)務(wù)往來(lái)、資金流動(dòng)、信息傳播等方式相互關(guān)聯(lián)，形成了一個(gè)復(fù)雜的金融網(wǎng)絡(luò)。一旦某個(gè)節(jié)點(diǎn)出現(xiàn)風(fēng)險(xiǎn)，就可能通過(guò)這個(gè)網(wǎng)絡(luò)迅速傳播到其他節(jié)點(diǎn)，引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。這種風(fēng)險(xiǎn)溢出效應(yīng)的傳染性使得金融市場(chǎng)的穩(wěn)定性變得更加脆弱，一個(gè)看似微小的風(fēng)險(xiǎn)事件，在特定的條件下，可能引發(fā)整個(gè)金融體系的危機(jī)。例如，2008年美國(guó)次貸危機(jī)爆發(fā)的導(dǎo)火索是次級(jí)抵押貸款機(jī)構(gòu)破產(chǎn)、投資基金被迫關(guān)閉、股市劇烈震蕩等，這些風(fēng)險(xiǎn)事件通過(guò)金融市場(chǎng)的關(guān)聯(lián)網(wǎng)絡(luò)迅速傳播，導(dǎo)致全球范圍內(nèi)的金融機(jī)構(gòu)遭受重創(chuàng)，金融市場(chǎng)陷入混亂，實(shí)體經(jīng)濟(jì)也受到嚴(yán)重沖擊。風(fēng)險(xiǎn)溢出效應(yīng)的放大性則表現(xiàn)為風(fēng)險(xiǎn)在傳播過(guò)程中可能不斷加劇，超出最初的風(fēng)險(xiǎn)規(guī)模和影響范圍。這是因?yàn)榻鹑谑袌?chǎng)中的投資者往往存在著羊群效應(yīng)和恐慌心理，當(dāng)一家金融機(jī)構(gòu)出現(xiàn)風(fēng)險(xiǎn)時(shí)，投資者可能會(huì)對(duì)整個(gè)金融市場(chǎng)失去信心，紛紛采取拋售資產(chǎn)、撤回資金等措施，導(dǎo)致金融市場(chǎng)的流動(dòng)性緊張，資產(chǎn)價(jià)格大幅下跌，進(jìn)一步加劇了風(fēng)險(xiǎn)的傳播和放大。例如，在股市暴跌期間，投資者的恐慌情緒可能引發(fā)大量拋售股票的行為，導(dǎo)致股價(jià)進(jìn)一步下跌，市值大幅縮水，持有股票的金融機(jī)構(gòu)資產(chǎn)價(jià)值下降，風(fēng)險(xiǎn)增加，這種風(fēng)險(xiǎn)又可能通過(guò)其他業(yè)務(wù)關(guān)聯(lián)傳遞給更多的金融機(jī)構(gòu)，形成惡性循環(huán)，使得風(fēng)險(xiǎn)不斷放大。風(fēng)險(xiǎn)溢出效應(yīng)在金融市場(chǎng)中普遍存在，對(duì)金融機(jī)構(gòu)的穩(wěn)健運(yùn)營(yíng)和金融市場(chǎng)的穩(wěn)定發(fā)展具有重要影響。深入研究風(fēng)險(xiǎn)溢出效應(yīng)，對(duì)于金融機(jī)構(gòu)加強(qiáng)風(fēng)險(xiǎn)管理、監(jiān)管部門完善監(jiān)管體系以及維護(hù)金融市場(chǎng)的穩(wěn)定具有重要意義。2.2.2風(fēng)險(xiǎn)溢出效應(yīng)的傳導(dǎo)機(jī)制風(fēng)險(xiǎn)溢出效應(yīng)在券商與商業(yè)銀行之間存在多種復(fù)雜的傳導(dǎo)機(jī)制，這些機(jī)制相互交織，使得風(fēng)險(xiǎn)能夠迅速在兩者之間傳播，對(duì)金融體系的穩(wěn)定構(gòu)成潛在威脅。金融市場(chǎng)關(guān)聯(lián)是風(fēng)險(xiǎn)溢出的重要傳導(dǎo)路徑之一。券商和商業(yè)銀行都深度參與金融市場(chǎng)，股票市場(chǎng)、債券市場(chǎng)等是它們共同的業(yè)務(wù)領(lǐng)域。當(dāng)股票市場(chǎng)出現(xiàn)大幅下跌時(shí)，券商持有的股票資產(chǎn)價(jià)值會(huì)縮水，導(dǎo)致其投資收益下降，資產(chǎn)質(zhì)量惡化。由于券商的資產(chǎn)負(fù)債狀況與商業(yè)銀行密切相關(guān)，商業(yè)銀行作為券商的重要資金提供者和業(yè)務(wù)合作伙伴，會(huì)受到牽連。券商為了應(yīng)對(duì)資金緊張的局面，可能會(huì)減少在商業(yè)銀行的存款，或者向商業(yè)銀行提前支取資金，這將直接影響商業(yè)銀行的資金流動(dòng)性。如果券商因股票市場(chǎng)暴跌而出現(xiàn)大量違約，無(wú)法按時(shí)償還商業(yè)銀行的貸款，商業(yè)銀行的不良貸款率將上升，資產(chǎn)質(zhì)量受到嚴(yán)重影響，信用風(fēng)險(xiǎn)顯著增加。在2015年股災(zāi)期間，股市大幅下跌，眾多券商遭受重創(chuàng)，部分券商因股票質(zhì)押業(yè)務(wù)出現(xiàn)違約，導(dǎo)致商業(yè)銀行的相關(guān)資產(chǎn)面臨巨大風(fēng)險(xiǎn)，信用風(fēng)險(xiǎn)上升，一些商業(yè)銀行不得不計(jì)提大量壞賬準(zhǔn)備，以應(yīng)對(duì)潛在的損失。業(yè)務(wù)合作也是風(fēng)險(xiǎn)傳導(dǎo)的關(guān)鍵渠道。在資金業(yè)務(wù)方面，券商與商業(yè)銀行存在緊密的資金往來(lái)。券商的資金清算、托管等業(yè)務(wù)通常依賴于商業(yè)銀行，而商業(yè)銀行也會(huì)將部分閑置資金存放于券商，獲取收益。一旦券商出現(xiàn)資金流動(dòng)性風(fēng)險(xiǎn)，如資金鏈斷裂，無(wú)法按時(shí)完成資金清算或償還商業(yè)銀行的存款，商業(yè)銀行的資金周轉(zhuǎn)將受到阻礙，可能引發(fā)流動(dòng)性風(fēng)險(xiǎn)。在信用業(yè)務(wù)中，股票質(zhì)押貸款是券商與商業(yè)銀行合作的重要領(lǐng)域。當(dāng)股票價(jià)格下跌到一定程度，質(zhì)押股票的市值無(wú)法覆蓋貸款金額時(shí)，券商可能要求客戶追加保證金，若客戶無(wú)法追加，券商有權(quán)處置質(zhì)押股票。但在市場(chǎng)恐慌情緒下，股票拋售可能導(dǎo)致股價(jià)進(jìn)一步下跌，券商可能面臨更大的損失，而商業(yè)銀行作為貸款提供者，也將面臨貸款無(wú)法收回的風(fēng)險(xiǎn)，信用風(fēng)險(xiǎn)隨之增加。在資本市場(chǎng)業(yè)務(wù)合作中，債券承銷是常見(jiàn)的合作形式。若券商在債券承銷過(guò)程中，對(duì)債券發(fā)行人的信用評(píng)估出現(xiàn)失誤，或者債券市場(chǎng)出現(xiàn)不利變化，導(dǎo)致債券違約，商業(yè)銀行作為債券的投資者之一，將遭受損失，信用風(fēng)險(xiǎn)上升。信息不對(duì)稱與市場(chǎng)預(yù)期也在風(fēng)險(xiǎn)溢出中發(fā)揮著重要作用。在金融市場(chǎng)中，信息的傳播和獲取存在著不對(duì)稱性。當(dāng)券商出現(xiàn)風(fēng)險(xiǎn)事件時(shí)，市場(chǎng)上的信息往往不能及時(shí)、準(zhǔn)確地被商業(yè)銀行獲取，導(dǎo)致商業(yè)銀行在決策時(shí)處于被動(dòng)地位。由于市場(chǎng)參與者對(duì)券商風(fēng)險(xiǎn)事件的認(rèn)知和解讀存在差異，可能引發(fā)市場(chǎng)預(yù)期的變化。投資者對(duì)券商的信心下降，可能會(huì)減少對(duì)券商的投資，進(jìn)而影響券商的資金狀況和業(yè)務(wù)發(fā)展。這種負(fù)面預(yù)期還可能通過(guò)市場(chǎng)傳播，影響到商業(yè)銀行的聲譽(yù)和市場(chǎng)形象，導(dǎo)致投資者對(duì)商業(yè)銀行的信心也受到?jīng)_擊，引發(fā)商業(yè)銀行的資金外流，增加其流動(dòng)性風(fēng)險(xiǎn)。綜上所述，券商與商業(yè)銀行之間的風(fēng)險(xiǎn)溢出效應(yīng)通過(guò)金融市場(chǎng)關(guān)聯(lián)、業(yè)務(wù)合作以及信息不對(duì)稱與市場(chǎng)預(yù)期等多種機(jī)制進(jìn)行傳導(dǎo)，這些傳導(dǎo)機(jī)制相互作用，使得風(fēng)險(xiǎn)在兩者之間迅速傳播和放大。深入了解這些傳導(dǎo)機(jī)制，對(duì)于有效防范和應(yīng)對(duì)券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)具有重要意義。2.3GARCH-CoVaR模型原理2.3.1GARCH模型GARCH模型，即廣義自回歸條件異方差模型（GeneralizedAutoregressiveConditionalHeteroskedasticityModel），由Bollerslev在1986年提出，它是一種用于描述金融時(shí)間序列波動(dòng)性的重要模型。在金融市場(chǎng)中，資產(chǎn)收益率的波動(dòng)性并非恒定不變，而是呈現(xiàn)出時(shí)變特征，即大波動(dòng)往往聚集在一起，小波動(dòng)也會(huì)集中出現(xiàn)，這種現(xiàn)象被稱為波動(dòng)聚集性。GARCH模型能夠有效地捕捉金融時(shí)間序列的這種波動(dòng)聚集特性，相比傳統(tǒng)的時(shí)間序列模型，如ARMA模型，具有更強(qiáng)的解釋能力和預(yù)測(cè)精度。GARCH模型的基本結(jié)構(gòu)可以表示為：r_t=\mu+\epsilon_t\epsilon_t=\sqrt{h_t}z_th_t=\omega+\sum_{i=1}^{p}\alpha_i\epsilon_{t-i}^2+\sum_{j=1}^{q}\beta_jh_{t-j}其中，r_t表示t時(shí)刻的資產(chǎn)收益率；\mu為常數(shù)均值；\epsilon_t是t時(shí)刻的殘差，代表實(shí)際收益率與均值的偏差；z_t是獨(dú)立同分布的隨機(jī)變量，通常假定服從標(biāo)準(zhǔn)正態(tài)分布、t分布或廣義誤差分布（GED），z_t捕捉了收益率的隨機(jī)波動(dòng)部分；h_t是條件方差，用于衡量收益率的波動(dòng)性，它是過(guò)去殘差平方\epsilon_{t-i}^2（i=1,2,\cdots,p）和過(guò)去條件方差h_{t-j}（j=1,2,\cdots,q）的線性函數(shù)；\omega是常數(shù)項(xiàng)，反映了無(wú)條件方差；\alpha_i和\beta_j分別是ARCH項(xiàng)和GARCH項(xiàng)的系數(shù)，且滿足\alpha_i\geq0，\beta_j\geq0，\sum_{i=1}^{p}\alpha_i+\sum_{j=1}^{q}\beta_j<1，以確保條件方差h_t的平穩(wěn)性。在上述模型中，\alpha_i衡量了過(guò)去殘差平方對(duì)當(dāng)前波動(dòng)性的影響，即ARCH效應(yīng)，表明過(guò)去的沖擊對(duì)當(dāng)前波動(dòng)性的直接作用；\beta_j則體現(xiàn)了過(guò)去波動(dòng)性對(duì)當(dāng)前波動(dòng)性的持續(xù)性影響，即GARCH效應(yīng)，反映了市場(chǎng)波動(dòng)的記憶性。當(dāng)\alpha_i和\beta_j較大時(shí)，說(shuō)明過(guò)去的沖擊和波動(dòng)性對(duì)當(dāng)前的影響更為顯著，市場(chǎng)波動(dòng)的持續(xù)性更強(qiáng)。例如，在股票市場(chǎng)中，如果某一時(shí)期出現(xiàn)了重大的市場(chǎng)事件，導(dǎo)致股價(jià)大幅波動(dòng)，即\epsilon_{t-i}^2較大，那么在GARCH模型中，\alpha_i會(huì)使當(dāng)前的波動(dòng)性h_t增大；同時(shí)，由于\beta_j的存在，這種波動(dòng)性會(huì)在后續(xù)時(shí)期持續(xù)影響市場(chǎng)，使得后續(xù)時(shí)期的股價(jià)也更容易出現(xiàn)較大波動(dòng)。GARCH模型在金融時(shí)間序列波動(dòng)性分析中具有廣泛的應(yīng)用。它可以用于資產(chǎn)定價(jià)，通過(guò)準(zhǔn)確刻畫資產(chǎn)收益率的波動(dòng)性，為期權(quán)定價(jià)、風(fēng)險(xiǎn)資產(chǎn)定價(jià)等提供重要依據(jù)。在風(fēng)險(xiǎn)管理領(lǐng)域，GARCH模型能夠幫助投資者和金融機(jī)構(gòu)更好地評(píng)估風(fēng)險(xiǎn)，制定合理的風(fēng)險(xiǎn)控制策略。通過(guò)估計(jì)條件方差h_t，可以計(jì)算出風(fēng)險(xiǎn)價(jià)值（VaR）等風(fēng)險(xiǎn)度量指標(biāo)，以衡量投資組合在一定置信水平下的潛在損失。在投資組合選擇中，GARCH模型可以用于優(yōu)化資產(chǎn)配置，根據(jù)不同資產(chǎn)的波動(dòng)性特征，合理分配資金，降低投資組合的風(fēng)險(xiǎn)。2.3.2CoVaR模型CoVaR（ConditionalValueatRisk），即條件風(fēng)險(xiǎn)價(jià)值，由Adrian和Brunnermeier于2008年提出，它是在風(fēng)險(xiǎn)價(jià)值（VaR）基礎(chǔ)上發(fā)展起來(lái)的一種用于衡量金融機(jī)構(gòu)間風(fēng)險(xiǎn)溢出效應(yīng)的重要指標(biāo)。VaR衡量的是在一定置信水平下，投資組合在未來(lái)特定時(shí)間段內(nèi)可能遭受的最大損失。例如，在95%的置信水平下，某投資組合的日VaR值為100萬(wàn)元，這意味著在正常市場(chǎng)條件下，在100個(gè)交易日中，大約有95個(gè)交易日該投資組合的損失不會(huì)超過(guò)100萬(wàn)元，僅有5個(gè)交易日的損失可能會(huì)超過(guò)這個(gè)數(shù)值。然而，VaR存在一定的局限性，它只關(guān)注了一定置信水平下的最大損失，而沒(méi)有考慮超過(guò)VaR值后的損失情況，無(wú)法全面反映極端風(fēng)險(xiǎn)事件下的損失程度。CoVaR則彌補(bǔ)了VaR的這一不足，它衡量的是當(dāng)某一金融機(jī)構(gòu)處于困境（通常以該機(jī)構(gòu)的收益率處于特定分位數(shù)水平，如5%分位數(shù)）時(shí)，其他金融機(jī)構(gòu)或整個(gè)金融體系的風(fēng)險(xiǎn)價(jià)值。具體而言，對(duì)于兩個(gè)金融機(jī)構(gòu)i和j，CoVaR_{i|j}^{\alpha}表示在金融機(jī)構(gòu)j處于困境（收益率處于\alpha分位數(shù)水平）的條件下，金融機(jī)構(gòu)i的風(fēng)險(xiǎn)價(jià)值。例如，當(dāng)券商處于困境（如股價(jià)收益率處于5%分位數(shù)水平）時(shí)，CoVaR_{é??è??|??????}^{\alpha}表示此時(shí)商業(yè)銀行的風(fēng)險(xiǎn)價(jià)值，即商業(yè)銀行在券商困境狀態(tài)下可能遭受的最大損失。CoVaR的計(jì)算方法通常基于分位數(shù)回歸。假設(shè)金融機(jī)構(gòu)i和j的收益率分別為r_{i,t}和r_{j,t}，通過(guò)建立分位數(shù)回歸模型：r_{i,t}=\beta_0+\beta_1r_{j,t}+\epsilon_{t}其中，\beta_0和\beta_1是回歸系數(shù)，\epsilon_{t}是殘差。在給定置信水平\alpha下，首先確定金融機(jī)構(gòu)j處于困境時(shí)的收益率水平r_{j,t}^{\alpha}，然后將其代入分位數(shù)回歸模型，得到金融機(jī)構(gòu)i的條件風(fēng)險(xiǎn)價(jià)值CoVaR_{i|j}^{\alpha}：CoVaR_{i|j}^{\alpha}=\beta_0+\beta_1r_{j,t}^{\alpha}為了更準(zhǔn)確地衡量金融機(jī)構(gòu)j對(duì)金融機(jī)構(gòu)i的風(fēng)險(xiǎn)溢出效應(yīng)，通常還會(huì)計(jì)算\DeltaCoVaR_{i|j}^{\alpha}，即：\DeltaCoVaR_{i|j}^{\alpha}=CoVaR_{i|j}^{\alpha}-CoVaR_{i|j}^{50\%}其中，CoVaR_{i|j}^{50\%}表示金融機(jī)構(gòu)j處于正常狀態(tài)（收益率處于50%分位數(shù)水平，即中位數(shù)水平）時(shí)，金融機(jī)構(gòu)i的風(fēng)險(xiǎn)價(jià)值。\DeltaCoVaR_{i|j}^{\alpha}反映了金融機(jī)構(gòu)j從正常狀態(tài)轉(zhuǎn)變?yōu)槔Ь碃顟B(tài)時(shí)，對(duì)金融機(jī)構(gòu)i風(fēng)險(xiǎn)價(jià)值的影響程度，其值越大，說(shuō)明金融機(jī)構(gòu)j對(duì)金融機(jī)構(gòu)i的風(fēng)險(xiǎn)溢出效應(yīng)越強(qiáng)。CoVaR模型在衡量風(fēng)險(xiǎn)溢出效應(yīng)方面具有顯著優(yōu)勢(shì)。它能夠考慮金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)關(guān)聯(lián)，通過(guò)條件風(fēng)險(xiǎn)價(jià)值的計(jì)算，準(zhǔn)確地度量當(dāng)一個(gè)金融機(jī)構(gòu)出現(xiàn)極端風(fēng)險(xiǎn)事件時(shí)，對(duì)其他金融機(jī)構(gòu)的影響程度，為金融機(jī)構(gòu)和監(jiān)管部門評(píng)估系統(tǒng)性風(fēng)險(xiǎn)提供了重要工具。相比傳統(tǒng)的風(fēng)險(xiǎn)度量方法，如相關(guān)系數(shù)、格蘭杰因果檢驗(yàn)等，CoVaR模型更能捕捉金融機(jī)構(gòu)之間的非線性關(guān)系和尾部風(fēng)險(xiǎn)，能夠更全面、深入地揭示金融機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出效應(yīng)。2.3.3GARCH-CoVaR模型的構(gòu)建與應(yīng)用GARCH-CoVaR模型是將GARCH模型與CoVaR模型相結(jié)合，充分發(fā)揮兩者的優(yōu)勢(shì)，以更準(zhǔn)確地度量金融機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出效應(yīng)。在研究券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)時(shí)，構(gòu)建GARCH-CoVaR模型的過(guò)程如下：首先，運(yùn)用GARCH模型對(duì)券商和商業(yè)銀行的股價(jià)收益率時(shí)間序列進(jìn)行建模。由于金融時(shí)間序列通常具有尖峰厚尾、波動(dòng)聚集等特征，GARCH模型能夠有效地捕捉這些特性，準(zhǔn)確刻畫收益率的波動(dòng)性。對(duì)于券商的股價(jià)收益率序列r_{s,t}，建立GARCH(p,q)模型：r_{s,t}=\mu_s+\epsilon_{s,t}\epsilon_{s,t}=\sqrt{h_{s,t}}z_{s,t}h_{s,t}=\omega_s+\sum_{i=1}^{p}\alpha_{s,i}\epsilon_{s,t-i}^2+\sum_{j=1}^{q}\beta_{s,j}h_{s,t-j}其中，\mu_s為券商收益率的常數(shù)均值，\epsilon_{s,t}是殘差，z_{s,t}是獨(dú)立同分布的隨機(jī)變量，h_{s,t}是條件方差，\omega_s、\alpha_{s,i}和\beta_{s,j}分別是常數(shù)項(xiàng)、ARCH項(xiàng)系數(shù)和GARCH項(xiàng)系數(shù)。同理，對(duì)于商業(yè)銀行的股價(jià)收益率序列r_{b,t}，建立GARCH(m,n)模型：r_{b,t}=\mu_b+\epsilon_{b,t}\epsilon_{b,t}=\sqrt{h_{b,t}}z_{b,t}h_{b,t}=\omega_b+\sum_{k=1}^{m}\alpha_{b,k}\epsilon_{b,t-k}^2+\sum_{l=1}^{n}\beta_{b,l}h_{b,t-l}通過(guò)對(duì)GARCH模型的估計(jì)，可以得到券商和商業(yè)銀行收益率的條件方差序列h_{s,t}和h_{b,t}，這些條件方差序列能夠反映出兩者收益率的波動(dòng)特征，為后續(xù)計(jì)算CoVaR奠定基礎(chǔ)。然后，基于GARCH模型得到的條件方差序列，運(yùn)用分位數(shù)回歸方法計(jì)算CoVaR。以券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)為例，建立分位數(shù)回歸模型：r_{b,t}=\beta_{0}+\beta_{1}r_{s,t}+\epsilon_{t}在給定置信水平\alpha下，確定券商處于困境時(shí)的收益率水平r_{s,t}^{\alpha}，將其代入分位數(shù)回歸模型，得到商業(yè)銀行在券商困境條件下的風(fēng)險(xiǎn)價(jià)值CoVaR_{b|s}^{\alpha}：CoVaR_{b|s}^{\alpha}=\beta_{0}+\beta_{1}r_{s,t}^{\alpha}進(jìn)一步計(jì)算\DeltaCoVaR_{b|s}^{\alpha}=CoVaR_{b|s}^{\alpha}-CoVaR_{b|s}^{50\%}，以衡量券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)大小。在實(shí)際應(yīng)用中，GARCH-CoVaR模型能夠直觀地展示券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出程度。通過(guò)分析不同置信水平下的\DeltaCoVaR_{b|s}^{\alpha}值，可以了解在不同極端情況下，券商風(fēng)險(xiǎn)對(duì)商業(yè)銀行的影響情況。當(dāng)\DeltaCoVaR_{b|s}^{\alpha}值較大時(shí)，說(shuō)明券商處于困境時(shí)對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)顯著，商業(yè)銀行面臨的風(fēng)險(xiǎn)增加；反之，當(dāng)\DeltaCoVaR_{b|s}^{\alpha}值較小時(shí)，風(fēng)險(xiǎn)溢出效應(yīng)相對(duì)較弱。此外，還可以通過(guò)對(duì)比不同時(shí)期的\DeltaCoVaR_{b|s}^{\alpha}值，分析風(fēng)險(xiǎn)溢出效應(yīng)的動(dòng)態(tài)變化，探究宏觀經(jīng)濟(jì)環(huán)境、金融監(jiān)管政策等因素對(duì)風(fēng)險(xiǎn)溢出效應(yīng)的影響。例如，在經(jīng)濟(jì)繁榮時(shí)期，金融市場(chǎng)穩(wěn)定性較高，券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)可能相對(duì)較?。欢诮?jīng)濟(jì)衰退時(shí)期，市場(chǎng)不確定性增加，風(fēng)險(xiǎn)溢出效應(yīng)可能會(huì)增強(qiáng)。通過(guò)這種方式，GARCH-CoVaR模型為研究券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)提供了有力的量化分析工具，有助于金融機(jī)構(gòu)和監(jiān)管部門制定有效的風(fēng)險(xiǎn)管理和監(jiān)管政策。三、券商與商業(yè)銀行的業(yè)務(wù)關(guān)聯(lián)及風(fēng)險(xiǎn)現(xiàn)狀3.1券商與商業(yè)銀行的業(yè)務(wù)合作模式3.1.1資金融通業(yè)務(wù)在金融體系中，資金融通業(yè)務(wù)是券商與商業(yè)銀行合作的重要領(lǐng)域，主要涵蓋同業(yè)拆借、回購(gòu)等業(yè)務(wù)，這些業(yè)務(wù)在調(diào)節(jié)雙方資金余缺、優(yōu)化資金配置以及維護(hù)金融市場(chǎng)穩(wěn)定運(yùn)行等方面發(fā)揮著關(guān)鍵作用。同業(yè)拆借是券商與商業(yè)銀行之間進(jìn)行短期資金融通的常用方式，期限通常較短，多為隔夜、7天、14天等。當(dāng)券商在業(yè)務(wù)開(kāi)展過(guò)程中出現(xiàn)臨時(shí)性資金短缺時(shí)，可向資金充裕的商業(yè)銀行拆借資金，以滿足其短期資金周轉(zhuǎn)需求。例如，在股票發(fā)行承銷期間，券商可能需要大量資金用于申購(gòu)股票、支付相關(guān)費(fèi)用等，若自有資金不足，便會(huì)通過(guò)同業(yè)拆借市場(chǎng)從商業(yè)銀行融入資金。而商業(yè)銀行在資金閑置時(shí)，也可將資金拆借給券商，獲取一定的利息收益，提高資金使用效率。同業(yè)拆借的利率通常參考上海銀行間同業(yè)拆放利率（SHIBOR）等市場(chǎng)利率，并根據(jù)市場(chǎng)供求關(guān)系、交易雙方的信用狀況等因素進(jìn)行調(diào)整。近年來(lái)，隨著金融市場(chǎng)的發(fā)展，同業(yè)拆借市場(chǎng)的規(guī)模不斷擴(kuò)大，交易活躍度持續(xù)提升，為券商和商業(yè)銀行的資金融通提供了更為便捷的渠道?；刭?gòu)業(yè)務(wù)也是雙方資金融通的重要形式，包括質(zhì)押式回購(gòu)和買斷式回購(gòu)。質(zhì)押式回購(gòu)中，資金融入方（通常為券商）將債券等金融資產(chǎn)質(zhì)押給資金融出方（商業(yè)銀行），融入資金，并約定在未來(lái)特定日期以約定價(jià)格回購(gòu)質(zhì)押資產(chǎn)；買斷式回購(gòu)則是資金融入方將債券賣給資金融出方，同時(shí)約定在未來(lái)某一日期按約定價(jià)格從資金融出方購(gòu)回債券?；刭?gòu)業(yè)務(wù)不僅為券商提供了短期資金融通渠道，還為商業(yè)銀行提供了一種低風(fēng)險(xiǎn)的投資方式，有助于商業(yè)銀行優(yōu)化資產(chǎn)配置。在市場(chǎng)流動(dòng)性緊張時(shí)期，券商通過(guò)回購(gòu)業(yè)務(wù)從商業(yè)銀行獲取資金，可有效緩解資金壓力，維持業(yè)務(wù)正常運(yùn)轉(zhuǎn)；商業(yè)銀行則通過(guò)參與回購(gòu)交易，在保證資金安全的前提下，實(shí)現(xiàn)資金的合理運(yùn)用和增值。以2023年為例，我國(guó)債券回購(gòu)市場(chǎng)的交易規(guī)模達(dá)到了數(shù)百萬(wàn)億元，其中券商與商業(yè)銀行之間的回購(gòu)交易占據(jù)了相當(dāng)大的比重，充分體現(xiàn)了回購(gòu)業(yè)務(wù)在雙方資金融通中的重要地位。券商與商業(yè)銀行在資金融通業(yè)務(wù)方面的合作規(guī)模不斷擴(kuò)大。據(jù)相關(guān)統(tǒng)計(jì)數(shù)據(jù)顯示，近年來(lái)，券商從商業(yè)銀行的同業(yè)拆借和回購(gòu)融入資金的規(guī)模總體呈上升趨勢(shì)。2020-2023年期間，券商通過(guò)同業(yè)拆借和回購(gòu)業(yè)務(wù)從商業(yè)銀行融入的資金規(guī)模分別達(dá)到了[X1]億元、[X2]億元、[X3]億元和[X4]億元，年均增長(zhǎng)率達(dá)到了[X]%。這一增長(zhǎng)趨勢(shì)反映了隨著金融市場(chǎng)的發(fā)展，券商和商業(yè)銀行之間的資金聯(lián)系日益緊密，資金融通業(yè)務(wù)在雙方業(yè)務(wù)體系中的重要性不斷提升。這種緊密的資金融通合作，一方面有助于券商滿足業(yè)務(wù)發(fā)展的資金需求，推動(dòng)其業(yè)務(wù)創(chuàng)新和規(guī)模擴(kuò)張；另一方面，也為商業(yè)銀行提供了新的業(yè)務(wù)增長(zhǎng)點(diǎn)和盈利渠道，增強(qiáng)了商業(yè)銀行的市場(chǎng)競(jìng)爭(zhēng)力。然而，這種合作也帶來(lái)了一定的風(fēng)險(xiǎn)，如市場(chǎng)利率波動(dòng)可能導(dǎo)致雙方的資金成本和收益不穩(wěn)定，信用風(fēng)險(xiǎn)可能導(dǎo)致資金無(wú)法按時(shí)收回等，因此，雙方在開(kāi)展資金融通業(yè)務(wù)時(shí)，需要加強(qiáng)風(fēng)險(xiǎn)管理和風(fēng)險(xiǎn)控制。3.1.2資產(chǎn)證券化業(yè)務(wù)資產(chǎn)證券化業(yè)務(wù)作為金融創(chuàng)新的重要成果，在券商與商業(yè)銀行的合作領(lǐng)域中占據(jù)著重要地位，為雙方優(yōu)化資產(chǎn)結(jié)構(gòu)、提高資金流動(dòng)性以及拓展業(yè)務(wù)領(lǐng)域提供了新的機(jī)遇和途徑。在資產(chǎn)證券化過(guò)程中，商業(yè)銀行和券商分別扮演著關(guān)鍵且互補(bǔ)的角色，共同推動(dòng)業(yè)務(wù)的順利開(kāi)展。商業(yè)銀行通常作為資產(chǎn)證券化的發(fā)起人，將其持有的信貸資產(chǎn)、信用卡應(yīng)收賬款、住房抵押貸款等具有穩(wěn)定現(xiàn)金流的資產(chǎn)進(jìn)行整合，構(gòu)建資產(chǎn)池。這些資產(chǎn)經(jīng)過(guò)結(jié)構(gòu)化重組和信用增級(jí)后，被轉(zhuǎn)移至特殊目的機(jī)構(gòu)（SPV）。例如，某商業(yè)銀行將其發(fā)放的個(gè)人住房抵押貸款進(jìn)行打包，組成資產(chǎn)池，這些貸款具有穩(wěn)定的還款現(xiàn)金流，為資產(chǎn)證券化提供了堅(jiān)實(shí)的基礎(chǔ)。券商則在資產(chǎn)證券化業(yè)務(wù)中主要承擔(dān)承銷商和財(cái)務(wù)顧問(wèn)的角色。作為承銷商，券商負(fù)責(zé)將SPV發(fā)行的資產(chǎn)支持證券（ABS）向投資者進(jìn)行銷售，利用其廣泛的客戶資源和專業(yè)的銷售渠道，將資產(chǎn)支持證券推向市場(chǎng)，實(shí)現(xiàn)資產(chǎn)的證券化流通。在財(cái)務(wù)顧問(wèn)方面，券商憑借其專業(yè)的金融知識(shí)和豐富的市場(chǎng)經(jīng)驗(yàn)，為商業(yè)銀行提供從資產(chǎn)篩選、結(jié)構(gòu)設(shè)計(jì)到發(fā)行定價(jià)等全方位的咨詢服務(wù)，協(xié)助商業(yè)銀行優(yōu)化資產(chǎn)證券化方案，提高證券的市場(chǎng)認(rèn)可度和吸引力。在某信貸資產(chǎn)證券化項(xiàng)目中，券商通過(guò)對(duì)市場(chǎng)需求和投資者偏好的深入分析，為商業(yè)銀行設(shè)計(jì)了合理的資產(chǎn)支持證券分層結(jié)構(gòu)，確定了適宜的發(fā)行價(jià)格，成功推動(dòng)了證券的發(fā)行和銷售。近年來(lái)，我國(guó)資產(chǎn)證券化市場(chǎng)呈現(xiàn)出快速發(fā)展的態(tài)勢(shì)。從市場(chǎng)規(guī)模來(lái)看，2015-2023年期間，我國(guó)資產(chǎn)證券化產(chǎn)品發(fā)行規(guī)模逐年增長(zhǎng)，從最初的[X1]億元增長(zhǎng)至[X2]億元，年均增長(zhǎng)率達(dá)到了[X]%。其中，券商與商業(yè)銀行合作開(kāi)展的資產(chǎn)證券化項(xiàng)目數(shù)量和規(guī)模也不斷增加，在整個(gè)資產(chǎn)證券化市場(chǎng)中占據(jù)了較大的份額。以2023年為例，券商與商業(yè)銀行合作發(fā)行的資產(chǎn)支持證券規(guī)模達(dá)到了[X3]億元，占當(dāng)年資產(chǎn)證券化產(chǎn)品發(fā)行總規(guī)模的[X]%。這一數(shù)據(jù)充分表明，雙方在資產(chǎn)證券化業(yè)務(wù)領(lǐng)域的合作日益緊密，合作深度和廣度不斷拓展。在業(yè)務(wù)創(chuàng)新方面，券商與商業(yè)銀行不斷探索新的資產(chǎn)證券化產(chǎn)品和業(yè)務(wù)模式。除了傳統(tǒng)的信貸資產(chǎn)證券化，雙方還積極開(kāi)展供應(yīng)鏈金融資產(chǎn)證券化、綠色資產(chǎn)證券化等創(chuàng)新業(yè)務(wù)。供應(yīng)鏈金融資產(chǎn)證券化通過(guò)將供應(yīng)鏈上的應(yīng)收賬款、存貨等資產(chǎn)進(jìn)行證券化，為中小企業(yè)提供了新的融資渠道，促進(jìn)了供應(yīng)鏈的穩(wěn)定發(fā)展；綠色資產(chǎn)證券化則聚焦于環(huán)保、新能源等綠色產(chǎn)業(yè)，將綠色項(xiàng)目的未來(lái)收益權(quán)進(jìn)行證券化，為綠色產(chǎn)業(yè)發(fā)展提供了資金支持，推動(dòng)了經(jīng)濟(jì)的綠色轉(zhuǎn)型。這些創(chuàng)新業(yè)務(wù)不僅豐富了資產(chǎn)證券化市場(chǎng)的產(chǎn)品種類，滿足了不同投資者的需求，也為券商和商業(yè)銀行帶來(lái)了新的業(yè)務(wù)增長(zhǎng)點(diǎn)和盈利機(jī)會(huì)。然而，隨著資產(chǎn)證券化業(yè)務(wù)的快速發(fā)展，也面臨著一些挑戰(zhàn)，如市場(chǎng)監(jiān)管政策的變化、信用風(fēng)險(xiǎn)的評(píng)估與控制、投資者教育等問(wèn)題，需要雙方共同努力，加強(qiáng)合作與創(chuàng)新，推動(dòng)資產(chǎn)證券化業(yè)務(wù)的健康可持續(xù)發(fā)展。3.1.3托管與清算業(yè)務(wù)在金融市場(chǎng)的復(fù)雜體系中，托管與清算業(yè)務(wù)是券商與商業(yè)銀行合作的重要基石，對(duì)于保障金融交易的安全、高效進(jìn)行，維護(hù)金融市場(chǎng)的穩(wěn)定秩序具有不可替代的關(guān)鍵作用。商業(yè)銀行在托管與清算業(yè)務(wù)中扮演著至關(guān)重要的角色，作為托管人，商業(yè)銀行憑借其強(qiáng)大的資金實(shí)力、廣泛的分支機(jī)構(gòu)網(wǎng)絡(luò)、專業(yè)的風(fēng)險(xiǎn)管理能力和嚴(yán)格的內(nèi)部控制體系，為券商提供安全可靠的資產(chǎn)托管服務(wù)。在資產(chǎn)托管過(guò)程中，商業(yè)銀行負(fù)責(zé)保管券商的客戶交易結(jié)算資金、自有資金以及各類證券資產(chǎn)，確保資產(chǎn)的安全完整。同時(shí)，商業(yè)銀行還承擔(dān)著資產(chǎn)估值、資金清算、會(huì)計(jì)核算、投資監(jiān)督等多項(xiàng)職責(zé)。在每日交易結(jié)束后，商業(yè)銀行會(huì)根據(jù)交易數(shù)據(jù)，準(zhǔn)確計(jì)算券商客戶的資產(chǎn)價(jià)值，及時(shí)完成資金的清算和劃付，確保交易的順利完成。此外，商業(yè)銀行還會(huì)對(duì)券商的投資行為進(jìn)行監(jiān)督，防范投資風(fēng)險(xiǎn)，保障投資者的合法權(quán)益。在清算業(yè)務(wù)方面，商業(yè)銀行作為清算機(jī)構(gòu)，與券商密切合作，參與證券交易的清算與交收過(guò)程。在證券交易中，買賣雙方達(dá)成交易后，需要通過(guò)清算機(jī)構(gòu)進(jìn)行資金和證券的清算與交收，以完成交易的最終確認(rèn)。商業(yè)銀行利用其先進(jìn)的清算系統(tǒng)和高效的清算流程，為券商提供快速、準(zhǔn)確的清算服務(wù)。在股票交易清算中，商業(yè)銀行會(huì)根據(jù)證券交易所的交易數(shù)據(jù)，計(jì)算出券商應(yīng)支付或收到的資金金額以及應(yīng)交付或接收的證券數(shù)量，然后按照規(guī)定的時(shí)間和流程完成資金和證券的交收，確保交易的及時(shí)性和準(zhǔn)確性。這種緊密的合作關(guān)系，使得證券交易能夠在短時(shí)間內(nèi)完成清算與交收，提高了市場(chǎng)的流動(dòng)性和交易效率。托管與清算業(yè)務(wù)的重要性不言而喻。對(duì)于券商而言，優(yōu)質(zhì)的托管與清算服務(wù)是其業(yè)務(wù)正常開(kāi)展的重要保障。通過(guò)與商業(yè)銀行合作，券商能夠?qū)⒎爆嵉馁Y產(chǎn)托管和清算工作外包給專業(yè)機(jī)構(gòu)，從而集中精力開(kāi)展核心業(yè)務(wù)，如證券承銷、投資咨詢等。同時(shí)，商業(yè)銀行的專業(yè)服務(wù)和嚴(yán)格監(jiān)管，有助于券商降低運(yùn)營(yíng)風(fēng)險(xiǎn)，提高資金使用效率，增強(qiáng)市場(chǎng)競(jìng)爭(zhēng)力。對(duì)于投資者來(lái)說(shuō)，托管與清算業(yè)務(wù)的安全可靠直接關(guān)系到其資產(chǎn)的安全和交易的順利進(jìn)行。在規(guī)范的托管與清算機(jī)制下，投資者的資產(chǎn)得到有效保護(hù)，交易能夠及時(shí)準(zhǔn)確地完成，增強(qiáng)了投資者對(duì)金融市場(chǎng)的信心。從金融市場(chǎng)整體來(lái)看，高效的托管與清算體系是金融市場(chǎng)穩(wěn)定運(yùn)行的基礎(chǔ)，它能夠促進(jìn)資金和證券的順暢流通，提高市場(chǎng)的資源配置效率，維護(hù)金融市場(chǎng)的穩(wěn)定秩序。一旦托管與清算業(yè)務(wù)出現(xiàn)問(wèn)題，如清算延遲、資金挪用等，將可能引發(fā)市場(chǎng)恐慌，導(dǎo)致金融市場(chǎng)的動(dòng)蕩。因此，券商與商業(yè)銀行在托管與清算業(yè)務(wù)方面的合作，對(duì)于保障金融市場(chǎng)的穩(wěn)定和健康發(fā)展具有至關(guān)重要的意義。3.2券商與商業(yè)銀行面臨的主要風(fēng)險(xiǎn)3.2.1券商面臨的風(fēng)險(xiǎn)券商在復(fù)雜多變的金融市場(chǎng)環(huán)境中運(yùn)營(yíng)，面臨著多種風(fēng)險(xiǎn)的挑戰(zhàn)，這些風(fēng)險(xiǎn)不僅影響著券商自身的穩(wěn)健發(fā)展，還可能通過(guò)業(yè)務(wù)關(guān)聯(lián)對(duì)商業(yè)銀行產(chǎn)生風(fēng)險(xiǎn)溢出效應(yīng)。市場(chǎng)風(fēng)險(xiǎn)是券商面臨的重要風(fēng)險(xiǎn)之一，主要源于金融市場(chǎng)價(jià)格的波動(dòng)，股票價(jià)格、債券價(jià)格、匯率、利率等的變動(dòng)都會(huì)對(duì)券商的資產(chǎn)價(jià)值和經(jīng)營(yíng)業(yè)績(jī)產(chǎn)生重大影響。在股票市場(chǎng)中，若股市整體下跌，券商持有的股票資產(chǎn)價(jià)值將大幅縮水，投資收益下降。在2020年初，受新冠疫情爆發(fā)的影響，股市大幅下跌，許多券商的自營(yíng)業(yè)務(wù)遭受重創(chuàng)，股票投資組合市值大幅下降，導(dǎo)致其資產(chǎn)負(fù)債表惡化。債券市場(chǎng)也存在類似風(fēng)險(xiǎn)，當(dāng)市場(chǎng)利率上升時(shí)，債券價(jià)格下跌，券商持有的債券資產(chǎn)價(jià)值降低，若此時(shí)券商需要出售債券以滿足資金需求，將面臨虧損。匯率波動(dòng)對(duì)開(kāi)展跨境業(yè)務(wù)的券商也有重要影響，若人民幣貶值，以人民幣計(jì)價(jià)的海外資產(chǎn)換算成人民幣后價(jià)值下降，可能導(dǎo)致券商的資產(chǎn)減值。利率風(fēng)險(xiǎn)同樣不可忽視，利率的變動(dòng)會(huì)影響券商的融資成本和投資收益。當(dāng)市場(chǎng)利率上升時(shí)，券商的融資成本增加，若其投資收益無(wú)法相應(yīng)提高，將面臨盈利能力下降的風(fēng)險(xiǎn)。信用風(fēng)險(xiǎn)也是券商面臨的關(guān)鍵風(fēng)險(xiǎn)，主要體現(xiàn)在交易對(duì)手違約、債券違約等方面。在融資融券業(yè)務(wù)中，若客戶無(wú)法按時(shí)償還融資款項(xiàng)或歸還融券證券，券商將面臨資金損失的風(fēng)險(xiǎn)。當(dāng)客戶信用狀況惡化，股票價(jià)格下跌導(dǎo)致其維持擔(dān)保比例低于警戒線且無(wú)法追加擔(dān)保物時(shí)，券商會(huì)根據(jù)合同約定強(qiáng)制平倉(cāng)，但在市場(chǎng)極端情況下，平倉(cāng)可能無(wú)法完全覆蓋客戶的負(fù)債，從而使券商遭受損失。在債券承銷和投資業(yè)務(wù)中，若債券發(fā)行人出現(xiàn)財(cái)務(wù)困境，無(wú)法按時(shí)支付利息或償還本金，券商作為承銷商或投資者將面臨債券違約風(fēng)險(xiǎn)。某券商承銷的一家企業(yè)債券，由于企業(yè)經(jīng)營(yíng)不善，資金鏈斷裂，最終無(wú)法按時(shí)兌付債券本息，該券商不僅在承銷業(yè)務(wù)中遭受聲譽(yù)損失，還可能因持有部分債券而面臨資金損失。流動(dòng)性風(fēng)險(xiǎn)對(duì)券商的影響也不容小覷，當(dāng)券商無(wú)法及時(shí)以合理成本獲得充足資金，以滿足業(yè)務(wù)開(kāi)展或償還到期債務(wù)的需求時(shí)，就會(huì)面臨流動(dòng)性風(fēng)險(xiǎn)。市場(chǎng)波動(dòng)加劇時(shí)，投資者可能大量贖回基金份額，導(dǎo)致券商的資產(chǎn)管理業(yè)務(wù)面臨資金贖回壓力。若券商不能及時(shí)籌集到足夠的資金來(lái)滿足贖回需求，可能需要低價(jià)拋售資產(chǎn)，進(jìn)一步加劇流動(dòng)性緊張，甚至引發(fā)連鎖反應(yīng)，影響其正常經(jīng)營(yíng)。在股票質(zhì)押業(yè)務(wù)中，當(dāng)股票價(jià)格大幅下跌，質(zhì)押股票的市值無(wú)法覆蓋融資額時(shí)，券商可能要求客戶追加保證金，若客戶無(wú)法追加，券商需要處置質(zhì)押股票。但在市場(chǎng)恐慌情緒下，股票拋售難度加大，可能導(dǎo)致券商無(wú)法及時(shí)收回資金，引發(fā)流動(dòng)性風(fēng)險(xiǎn)。操作風(fēng)險(xiǎn)主要源于券商內(nèi)部的操作流程不完善、人員失誤、系統(tǒng)故障或外部事件等。內(nèi)部員工違規(guī)操作，如內(nèi)幕交易、操縱市場(chǎng)等行為，不僅會(huì)使券商面臨法律風(fēng)險(xiǎn)和監(jiān)管處罰，還會(huì)損害其聲譽(yù)，導(dǎo)致客戶流失。信息系統(tǒng)故障也可能給券商帶來(lái)巨大損失，交易系統(tǒng)出現(xiàn)故障，導(dǎo)致交易無(wú)法正常進(jìn)行，可能使券商錯(cuò)過(guò)最佳交易時(shí)機(jī)，甚至引發(fā)客戶投訴和索賠。外部事件，如自然災(zāi)害、恐怖襲擊等不可抗力因素，也可能對(duì)券商的正常運(yùn)營(yíng)造成干擾，引發(fā)操作風(fēng)險(xiǎn)。這些風(fēng)險(xiǎn)相互關(guān)聯(lián)、相互影響，市場(chǎng)風(fēng)險(xiǎn)的加劇可能導(dǎo)致信用風(fēng)險(xiǎn)上升，流動(dòng)性風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)也可能在一定條件下引發(fā)其他類型的風(fēng)險(xiǎn)。因此，券商需要加強(qiáng)風(fēng)險(xiǎn)管理，建立健全風(fēng)險(xiǎn)防控體系，以應(yīng)對(duì)各種風(fēng)險(xiǎn)的挑戰(zhàn)。3.2.2商業(yè)銀行面臨的風(fēng)險(xiǎn)商業(yè)銀行作為金融體系的核心組成部分，在經(jīng)濟(jì)運(yùn)行中扮演著至關(guān)重要的角色，然而，其經(jīng)營(yíng)過(guò)程中也面臨著諸多風(fēng)險(xiǎn)，這些風(fēng)險(xiǎn)不僅對(duì)商業(yè)銀行自身的穩(wěn)健經(jīng)營(yíng)構(gòu)成威脅，還可能因與券商的業(yè)務(wù)關(guān)聯(lián)而受到券商風(fēng)險(xiǎn)溢出的影響，進(jìn)而影響整個(gè)金融體系的穩(wěn)定。信用風(fēng)險(xiǎn)是商業(yè)銀行面臨的最主要風(fēng)險(xiǎn)之一，主要源于貸款業(yè)務(wù)中借款人的違約行為。當(dāng)借款人由于各種原因無(wú)法按時(shí)足額償還貸款本金和利息時(shí)，商業(yè)銀行的資產(chǎn)質(zhì)量將受到嚴(yán)重影響，不良貸款率上升，盈利能力下降。在經(jīng)濟(jì)下行時(shí)期，企業(yè)經(jīng)營(yíng)困難，收入減少，償債能力下降，違約概率增加。2008年全球金融危機(jī)期間，許多企業(yè)因市場(chǎng)需求萎縮、資金鏈斷裂等原因無(wú)法償還銀行貸款，導(dǎo)致商業(yè)銀行的不良貸款大幅增加，資產(chǎn)質(zhì)量惡化，一些銀行甚至面臨破產(chǎn)危機(jī)。除了企業(yè)貸款，個(gè)人住房貸款、信用卡貸款等個(gè)人信貸業(yè)務(wù)也存在信用風(fēng)險(xiǎn)。當(dāng)個(gè)人收入不穩(wěn)定或房地產(chǎn)市場(chǎng)出現(xiàn)大幅波動(dòng)時(shí)，個(gè)人住房貸款的違約風(fēng)險(xiǎn)可能上升；信用卡持卡人過(guò)度透支且無(wú)法按時(shí)還款，也會(huì)給商業(yè)銀行帶來(lái)?yè)p失。市場(chǎng)風(fēng)險(xiǎn)也是商業(yè)銀行面臨的重要風(fēng)險(xiǎn)，主要包括利率風(fēng)險(xiǎn)、匯率風(fēng)險(xiǎn)和股票價(jià)格風(fēng)險(xiǎn)等。利率風(fēng)險(xiǎn)是指由于市場(chǎng)利率波動(dòng)導(dǎo)致商業(yè)銀行資產(chǎn)和負(fù)債價(jià)值發(fā)生變化，從而影響其盈利能力和資產(chǎn)質(zhì)量。當(dāng)市場(chǎng)利率上升時(shí)，商業(yè)銀行的固定利率貸款資產(chǎn)價(jià)值下降，而存款負(fù)債成本上升，利差縮小，盈利能力受到影響。若商業(yè)銀行的資產(chǎn)負(fù)債期限結(jié)構(gòu)不匹配，長(zhǎng)期資產(chǎn)占比較高，而短期負(fù)債占比較大，當(dāng)利率上升時(shí)，負(fù)債成本的增加可能超過(guò)資產(chǎn)收益的增長(zhǎng)，導(dǎo)致銀行出現(xiàn)虧損。匯率風(fēng)險(xiǎn)主要影響商業(yè)銀行的外匯業(yè)務(wù)和跨境業(yè)務(wù)。在國(guó)際經(jīng)濟(jì)交往中，匯率的波動(dòng)會(huì)導(dǎo)致商業(yè)銀行持有的外匯資產(chǎn)價(jià)值發(fā)生變化，以外匯計(jì)價(jià)的貸款和投資可能面臨匯兌損失。若人民幣對(duì)美元匯率大幅波動(dòng)，商業(yè)銀行持有的美元資產(chǎn)換算成人民幣后價(jià)值可能下降，影響其資產(chǎn)負(fù)債表。股票價(jià)格風(fēng)險(xiǎn)主要源于商業(yè)銀行對(duì)股票市場(chǎng)的參與，直接持有股票或通過(guò)投資股票型基金等方式間接參與股票市場(chǎng)。當(dāng)股票市場(chǎng)出現(xiàn)大幅下跌時(shí)，商業(yè)銀行的股票投資資產(chǎn)價(jià)值縮水，可能對(duì)其財(cái)務(wù)狀況產(chǎn)生不利影響。流動(dòng)性風(fēng)險(xiǎn)是商業(yè)銀行面臨的又一關(guān)鍵風(fēng)險(xiǎn)，是指商業(yè)銀行無(wú)法及時(shí)以合理成本獲得充足資金，以滿足業(yè)務(wù)開(kāi)展或償還到期債務(wù)的需求。在銀行擠兌事件中，大量?jī)?chǔ)戶同時(shí)要求提取存款，若商業(yè)銀行的流動(dòng)性儲(chǔ)備不足，無(wú)法滿足儲(chǔ)戶的提款需求，就會(huì)引發(fā)流動(dòng)性危機(jī)。市場(chǎng)流動(dòng)性緊張時(shí)期，商業(yè)銀行在貨幣市場(chǎng)上融資困難，無(wú)法及時(shí)獲得足夠的資金來(lái)滿足業(yè)務(wù)需求，也會(huì)面臨流動(dòng)性風(fēng)險(xiǎn)。當(dāng)央行收緊貨幣政策，市場(chǎng)資金供應(yīng)減少，商業(yè)銀行可能難以從同業(yè)拆借市場(chǎng)、債券市場(chǎng)等渠道獲得低成本資金，導(dǎo)致資金成本上升，流動(dòng)性壓力增大。操作風(fēng)險(xiǎn)是由于商業(yè)銀行內(nèi)部流程不完善、人員失誤、系統(tǒng)故障或外部事件等原因?qū)е碌娘L(fēng)險(xiǎn)。內(nèi)部員工違規(guī)操作，挪用客戶資金、違規(guī)發(fā)放貸款等行為，會(huì)給商業(yè)銀行帶來(lái)直接的經(jīng)濟(jì)損失，并損害其聲譽(yù)。信息系統(tǒng)故障，交易系統(tǒng)癱瘓、數(shù)據(jù)丟失等，會(huì)影響商業(yè)銀行的正常運(yùn)營(yíng)，導(dǎo)致業(yè)務(wù)中斷，客戶流失。外部事件，如自然災(zāi)害、恐怖襲擊、網(wǎng)絡(luò)攻擊等，也可能對(duì)商業(yè)銀行的運(yùn)營(yíng)造成嚴(yán)重影響，引發(fā)操作風(fēng)險(xiǎn)。2017年，某銀行因信息系統(tǒng)故障，導(dǎo)致部分客戶無(wú)法正常進(jìn)行網(wǎng)上銀行和手機(jī)銀行交易，引發(fā)客戶投訴和不滿，對(duì)銀行的聲譽(yù)造成了負(fù)面影響。綜上所述，商業(yè)銀行面臨的信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)等相互交織，對(duì)其穩(wěn)健經(jīng)營(yíng)構(gòu)成了嚴(yán)峻挑戰(zhàn)。在與券商的業(yè)務(wù)關(guān)聯(lián)中，商業(yè)銀行需要密切關(guān)注券商的風(fēng)險(xiǎn)狀況，加強(qiáng)風(fēng)險(xiǎn)管理和風(fēng)險(xiǎn)防控，以應(yīng)對(duì)可能的風(fēng)險(xiǎn)溢出效應(yīng)，維護(hù)金融體系的穩(wěn)定。3.3券商與商業(yè)銀行風(fēng)險(xiǎn)關(guān)聯(lián)的現(xiàn)實(shí)表現(xiàn)在金融市場(chǎng)的實(shí)際運(yùn)行中，券商與商業(yè)銀行之間的風(fēng)險(xiǎn)關(guān)聯(lián)有著諸多現(xiàn)實(shí)表現(xiàn)，市場(chǎng)波動(dòng)和重大金融事件往往成為風(fēng)險(xiǎn)傳導(dǎo)的重要契機(jī)，凸顯出兩者之間緊密的風(fēng)險(xiǎn)聯(lián)系。2015年的股災(zāi)是一個(gè)典型案例，充分展現(xiàn)了券商與商業(yè)銀行之間的風(fēng)險(xiǎn)傳導(dǎo)過(guò)程。在股災(zāi)期間，股市出現(xiàn)了大幅下跌，上證指數(shù)在短短幾個(gè)月內(nèi)從5178點(diǎn)暴跌至2850點(diǎn)，跌幅超過(guò)45%。股市的劇烈波動(dòng)對(duì)券商造成了沉重打擊。券商的自營(yíng)業(yè)務(wù)遭受重創(chuàng)，大量股票投資組合市值大幅縮水，投資收益急劇下降。融資融券業(yè)務(wù)也面臨巨大風(fēng)險(xiǎn)，許多投資者因股價(jià)下跌導(dǎo)致維持擔(dān)保比例低于警戒線，無(wú)法追加擔(dān)保物，券商會(huì)根據(jù)合同約定強(qiáng)制平倉(cāng)，但在市場(chǎng)極端情況下，平倉(cāng)可能無(wú)法完全覆蓋客戶的負(fù)債，從而使券商面臨資金損失。券商的風(fēng)險(xiǎn)通過(guò)多種渠道迅速傳導(dǎo)至商業(yè)銀行。在股票質(zhì)押業(yè)務(wù)方面，股價(jià)暴跌使得質(zhì)押股票的市值大幅下降，許多質(zhì)押股票的市值無(wú)法覆蓋貸款金額，券商要求客戶追加保證金，若客戶無(wú)法追加，券商將處置質(zhì)押股票。然而，在市場(chǎng)恐慌情緒下，股票拋售難度加大，券商可能無(wú)法及時(shí)收回資金，導(dǎo)致無(wú)法按時(shí)償還商業(yè)銀行的股票質(zhì)押貸款，使得商業(yè)銀行的不良貸款率上升，資產(chǎn)質(zhì)量受到嚴(yán)重影響。在資金業(yè)務(wù)方面，券商因自身資金緊張，可能會(huì)減少在商業(yè)銀行的存款，或者向商業(yè)銀行提前支取資金，這將直接影響商業(yè)銀行的資金流動(dòng)性。此外，券商與商業(yè)銀行在同業(yè)拆借、回購(gòu)等業(yè)務(wù)中也存在密切關(guān)聯(lián)，券商的風(fēng)險(xiǎn)事件會(huì)導(dǎo)致商業(yè)銀行對(duì)其信用評(píng)估下降，增加商業(yè)銀行的資金融出風(fēng)險(xiǎn)，進(jìn)而影響商業(yè)銀行的資金成本和資金來(lái)源穩(wěn)定性。除了股災(zāi)，其他重大金融事件也會(huì)對(duì)券商與商業(yè)銀行的風(fēng)險(xiǎn)關(guān)聯(lián)產(chǎn)生影響。在2020年初，受新冠疫情爆發(fā)的影響，金融市場(chǎng)出現(xiàn)了劇烈動(dòng)蕩，股市大幅下跌，債券市場(chǎng)波動(dòng)加劇。券商的承銷業(yè)務(wù)受到?jīng)_擊，許多企業(yè)因疫情影響推遲或取消了證券發(fā)行計(jì)劃，券商的承銷收入減少。在資產(chǎn)管理業(yè)務(wù)方面，投資者的恐慌情緒導(dǎo)致大量贖回基金份額，券商面臨巨大的資金贖回壓力。這些風(fēng)險(xiǎn)也會(huì)通過(guò)業(yè)務(wù)合作關(guān)系傳導(dǎo)至商業(yè)銀行，如券商在資金緊張時(shí)，可能會(huì)減少與商業(yè)銀行的資金業(yè)務(wù)往來(lái)，影響商業(yè)銀行的資金運(yùn)營(yíng)效率；在資產(chǎn)證券化業(yè)務(wù)中，若基礎(chǔ)資產(chǎn)質(zhì)量因疫情下降，可能導(dǎo)致資產(chǎn)支持證券的違約風(fēng)險(xiǎn)上升，使商業(yè)銀行作為投資者遭受損失。市場(chǎng)波動(dòng)對(duì)券商與商業(yè)銀行風(fēng)險(xiǎn)關(guān)聯(lián)的影響也較為顯著。在市場(chǎng)行情較好時(shí)，券商和商業(yè)銀行的業(yè)務(wù)發(fā)展較為順利，風(fēng)險(xiǎn)關(guān)聯(lián)相對(duì)較弱。隨著市場(chǎng)波動(dòng)的加劇，如股市的大幅漲跌、債券市場(chǎng)的利率波動(dòng)等，券商和商業(yè)銀行面臨的風(fēng)險(xiǎn)都會(huì)增加，兩者之間的風(fēng)險(xiǎn)關(guān)聯(lián)也會(huì)增強(qiáng)。當(dāng)股市上漲時(shí)，券商的自營(yíng)業(yè)務(wù)和經(jīng)紀(jì)業(yè)務(wù)收入增加，資金狀況良好，與商業(yè)銀行的業(yè)務(wù)合作也較為穩(wěn)定。一旦股市出現(xiàn)大幅下跌，券商的風(fēng)險(xiǎn)就會(huì)迅速暴露，并通過(guò)各種業(yè)務(wù)渠道傳導(dǎo)至商業(yè)銀行，引發(fā)商業(yè)銀行的風(fēng)險(xiǎn)上升。綜上所述，券商與商業(yè)銀行之間的風(fēng)險(xiǎn)關(guān)聯(lián)在現(xiàn)實(shí)中表現(xiàn)明顯，市場(chǎng)波動(dòng)和重大金融事件是風(fēng)險(xiǎn)傳導(dǎo)的重要因素。通過(guò)對(duì)這些現(xiàn)實(shí)案例的分析，可以更直觀地了解兩者之間的風(fēng)險(xiǎn)傳導(dǎo)機(jī)制和風(fēng)險(xiǎn)溢出效應(yīng)，為后續(xù)的實(shí)證研究和風(fēng)險(xiǎn)管理提供了重要的現(xiàn)實(shí)依據(jù)。四、基于GARCH-CoVaR模型的實(shí)證分析4.1數(shù)據(jù)選取與處理4.1.1樣本選取為了準(zhǔn)確研究券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)，本研究在樣本選取上遵循嚴(yán)格的標(biāo)準(zhǔn)，力求全面、準(zhǔn)確地反映市場(chǎng)情況。在券商樣本選取方面，綜合考慮市場(chǎng)份額、業(yè)務(wù)規(guī)模、行業(yè)影響力等因素，選取了中信證券、華泰證券、國(guó)泰君安、海通證券、招商證券等10家具有代表性的頭部券商。這些券商在證券行業(yè)中占據(jù)重要地位，業(yè)務(wù)范圍涵蓋證券經(jīng)紀(jì)、投資銀行、資產(chǎn)管理、自營(yíng)業(yè)務(wù)等多個(gè)領(lǐng)域，市場(chǎng)份額較高，能夠較好地代表整個(gè)券商行業(yè)的特征和發(fā)展趨勢(shì)。以中信證券為例，其在2023年的營(yíng)業(yè)收入達(dá)到了[X1]億元，凈利潤(rùn)為[X2]億元，在股票承銷、并購(gòu)重組等業(yè)務(wù)方面處于行業(yè)領(lǐng)先地位，具有廣泛的客戶群體和較高的市場(chǎng)知名度。對(duì)于商業(yè)銀行樣本，選取了工商銀行、農(nóng)業(yè)銀行、中國(guó)銀行、建設(shè)銀行、交通銀行等10家大型國(guó)有銀行和招商銀行、民生銀行、興業(yè)銀行、浦發(fā)銀行、平安銀行等5家具有代表性的股份制銀行。大型國(guó)有銀行在我國(guó)金融體系中占據(jù)主導(dǎo)地位，資產(chǎn)規(guī)模龐大，網(wǎng)點(diǎn)遍布全國(guó)，業(yè)務(wù)種類豐富，服務(wù)對(duì)象廣泛，涵蓋了各類企業(yè)和個(gè)人客戶。工商銀行在2023年末的資產(chǎn)總額達(dá)到了[X3]萬(wàn)億元，存款余額為[X4]萬(wàn)億元，貸款余額為[X5]萬(wàn)億元，是我國(guó)最大的商業(yè)銀行之一，其經(jīng)營(yíng)狀況和風(fēng)險(xiǎn)水平對(duì)整個(gè)金融體系具有重要影響。股份制銀行則以其靈活的經(jīng)營(yíng)策略、創(chuàng)新的金融產(chǎn)品和優(yōu)質(zhì)的客戶服務(wù)在金融市場(chǎng)中占據(jù)一席之地，具有較強(qiáng)的市場(chǎng)競(jìng)爭(zhēng)力和創(chuàng)新能力。招商銀行以其卓越的零售業(yè)務(wù)和金融科技實(shí)力著稱，在財(cái)富管理、信用卡業(yè)務(wù)等方面表現(xiàn)突出，其2023年的零售客戶總資產(chǎn)達(dá)到了[X6]萬(wàn)億元，信用卡流通卡數(shù)為[X7]萬(wàn)張，為研究商業(yè)銀行的風(fēng)險(xiǎn)特征提供了豐富的樣本。通過(guò)選取這些具有代表性的券商和商業(yè)銀行樣本，能夠充分涵蓋不同規(guī)模、不同類型的金融機(jī)構(gòu)，使研究結(jié)果更具普遍性和可靠性，能夠更準(zhǔn)確地揭示券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)。4.1.2數(shù)據(jù)來(lái)源本研究所需的數(shù)據(jù)主要來(lái)源于多個(gè)權(quán)威且可靠的渠道，以確保數(shù)據(jù)的準(zhǔn)確性、完整性和權(quán)威性，為后續(xù)的實(shí)證分析提供堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。股價(jià)數(shù)據(jù)是研究金融機(jī)構(gòu)風(fēng)險(xiǎn)溢出效應(yīng)的重要基礎(chǔ)數(shù)據(jù)，本研究的券商和商業(yè)銀行股價(jià)數(shù)據(jù)均來(lái)源于Wind數(shù)據(jù)庫(kù)。Wind數(shù)據(jù)庫(kù)是金融行業(yè)廣泛使用的專業(yè)數(shù)據(jù)提供商，其數(shù)據(jù)涵蓋了全球多個(gè)金融市場(chǎng)，包括股票、債券、基金、期貨等各類金融產(chǎn)品，具有數(shù)據(jù)更新及時(shí)、數(shù)據(jù)質(zhì)量高、數(shù)據(jù)覆蓋面廣等優(yōu)點(diǎn)。在獲取股價(jià)數(shù)據(jù)時(shí)，確保了數(shù)據(jù)的完整性，包括每日的開(kāi)盤價(jià)、收盤價(jià)、最高價(jià)、最低價(jià)等信息，這些數(shù)據(jù)能夠準(zhǔn)確反映金融機(jī)構(gòu)股票價(jià)格的波動(dòng)情況，為計(jì)算收益率和后續(xù)的模型分析提供了可靠依據(jù)。除了股價(jià)數(shù)據(jù)，財(cái)務(wù)報(bào)表數(shù)據(jù)也是不可或缺的重要數(shù)據(jù)來(lái)源。本研究的財(cái)務(wù)報(bào)表數(shù)據(jù)主要來(lái)源于各券商和商業(yè)銀行的官方網(wǎng)站以及巨潮資訊網(wǎng)。各金融機(jī)構(gòu)在其官方網(wǎng)站上定期發(fā)布年度報(bào)告、中期報(bào)告等財(cái)務(wù)報(bào)告，這些報(bào)告詳細(xì)披露了機(jī)構(gòu)的財(cái)務(wù)狀況、經(jīng)營(yíng)成果、風(fēng)險(xiǎn)狀況等重要信息。巨潮資訊網(wǎng)是中國(guó)證監(jiān)會(huì)指定的上市公司信息披露網(wǎng)站，提供了豐富的上市公司公告和財(cái)務(wù)報(bào)告，數(shù)據(jù)真實(shí)可靠，能夠滿足本研究對(duì)財(cái)務(wù)報(bào)表數(shù)據(jù)的需求。通過(guò)收集和整理這些財(cái)務(wù)報(bào)表數(shù)據(jù)，能夠獲取金融機(jī)構(gòu)的資產(chǎn)規(guī)模、負(fù)債結(jié)構(gòu)、盈利能力、資本充足率等關(guān)鍵財(cái)務(wù)指標(biāo)，這些指標(biāo)對(duì)于分析金融機(jī)構(gòu)的風(fēng)險(xiǎn)特征和風(fēng)險(xiǎn)溢出效應(yīng)具有重要意義。宏觀經(jīng)濟(jì)數(shù)據(jù)對(duì)于研究風(fēng)險(xiǎn)溢出效應(yīng)也具有重要的參考價(jià)值，本研究的宏觀經(jīng)濟(jì)數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局和中國(guó)人民銀行官方網(wǎng)站。國(guó)家統(tǒng)計(jì)局負(fù)責(zé)收集和發(fā)布全國(guó)范圍內(nèi)的宏觀經(jīng)濟(jì)數(shù)據(jù)，包括國(guó)內(nèi)生產(chǎn)總值（GDP）、通貨膨脹率、失業(yè)率、工業(yè)增加值等重要經(jīng)濟(jì)指標(biāo)，這些數(shù)據(jù)能夠反映我國(guó)宏觀經(jīng)濟(jì)的運(yùn)行狀況和發(fā)展趨勢(shì)。中國(guó)人民銀行作為我國(guó)的中央銀行，負(fù)責(zé)制定和執(zhí)行貨幣政策，其官方網(wǎng)站發(fā)布的貨幣供應(yīng)量、利率、匯率等數(shù)據(jù)，對(duì)于分析宏觀經(jīng)濟(jì)政策對(duì)金融機(jī)構(gòu)風(fēng)險(xiǎn)溢出效應(yīng)的影響具有重要作用。通過(guò)整合這些宏觀經(jīng)濟(jì)數(shù)據(jù)與金融機(jī)構(gòu)數(shù)據(jù)，能夠更全面地分析風(fēng)險(xiǎn)溢出效應(yīng)的影響因素，揭示宏觀經(jīng)濟(jì)環(huán)境與金融機(jī)構(gòu)風(fēng)險(xiǎn)之間的內(nèi)在聯(lián)系。4.1.3數(shù)據(jù)預(yù)處理在獲取原始數(shù)據(jù)后，為了確保數(shù)據(jù)的質(zhì)量和適用性，使其能夠準(zhǔn)確反映金融市場(chǎng)的真實(shí)情況，進(jìn)而為后續(xù)的模型分析提供可靠依據(jù)，本研究對(duì)數(shù)據(jù)進(jìn)行了一系列嚴(yán)格且必要的預(yù)處理操作。首先，對(duì)原始數(shù)據(jù)進(jìn)行了全面細(xì)致的清洗工作。在數(shù)據(jù)收集過(guò)程中，由于各種原因，可能會(huì)出現(xiàn)數(shù)據(jù)缺失、錯(cuò)誤或重復(fù)等問(wèn)題。對(duì)于缺失數(shù)據(jù)，根據(jù)數(shù)據(jù)的特點(diǎn)和分布情況，采用了不同的處理方法。對(duì)于少量的缺失值，若數(shù)據(jù)具有時(shí)間序列特征，采用了線性插值法，根據(jù)相鄰時(shí)間點(diǎn)的數(shù)據(jù)進(jìn)行線性擬合，從而估計(jì)缺失值；對(duì)于截面數(shù)據(jù)，若變量之間存在較強(qiáng)的相關(guān)性，則使用回歸分析方法，通過(guò)建立回歸模型，利用其他相關(guān)變量來(lái)預(yù)測(cè)缺失值。對(duì)于錯(cuò)誤數(shù)據(jù)，通過(guò)與其他可靠數(shù)據(jù)源進(jìn)行比對(duì)，或者運(yùn)用邏輯判斷等方法，對(duì)錯(cuò)誤數(shù)據(jù)進(jìn)行修正。對(duì)于重復(fù)數(shù)據(jù)，通過(guò)數(shù)據(jù)查重算法，識(shí)別并刪除重復(fù)的記錄，確保數(shù)據(jù)的唯一性和準(zhǔn)確性。其次，進(jìn)行了去噪處理，以消除數(shù)據(jù)中的噪聲干擾，使數(shù)據(jù)更加平滑和穩(wěn)定。由于金融市場(chǎng)受到多種復(fù)雜因素的影響，股價(jià)收益率等數(shù)據(jù)往往存在一定的噪聲，這些噪聲可能會(huì)掩蓋數(shù)據(jù)的真實(shí)趨勢(shì)和特征，影響模型的準(zhǔn)確性和可靠性。在去噪過(guò)程中，運(yùn)用了移動(dòng)平均法，通過(guò)計(jì)算一定時(shí)間窗口內(nèi)數(shù)據(jù)的平均值，來(lái)平滑數(shù)據(jù)的波動(dòng)，消除短期噪聲的影響。采用5日移動(dòng)平均法對(duì)股價(jià)收益率數(shù)據(jù)進(jìn)行處理，即計(jì)算每個(gè)交易日及其前4個(gè)交易日的收益率平均值，作為該交易日的去噪后收益率。還運(yùn)用了小波變換等方法，對(duì)數(shù)據(jù)進(jìn)行頻域分析，將噪聲從信號(hào)中分離出來(lái)，進(jìn)一步提高數(shù)據(jù)的質(zhì)量。為了使不同變量的數(shù)據(jù)具有可比性，還對(duì)數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理。由于不同金融機(jī)構(gòu)的資產(chǎn)規(guī)模、股價(jià)水平等存在較大差異，若直接使用原始數(shù)據(jù)進(jìn)行分析，可能會(huì)導(dǎo)致某些變量對(duì)模型結(jié)果的影響過(guò)大或過(guò)小，從而影響模型的準(zhǔn)確性和解釋力。在標(biāo)準(zhǔn)化處理中，采用了Z-score標(biāo)準(zhǔn)化方法，其公式為：x_{i}^{*}=\frac{x_{i}-\bar{x}}{\sigma}其中，x_{i}是原始數(shù)據(jù)，\bar{x}是數(shù)據(jù)的均值，\sigma是數(shù)據(jù)的標(biāo)準(zhǔn)差，x_{i}^{*}是標(biāo)準(zhǔn)化后的數(shù)據(jù)。通過(guò)Z-score標(biāo)準(zhǔn)化，將所有數(shù)據(jù)轉(zhuǎn)化為均值為0、標(biāo)準(zhǔn)差為1的標(biāo)準(zhǔn)正態(tài)分布，消除了數(shù)據(jù)量綱和數(shù)量級(jí)的影響，使不同變量的數(shù)據(jù)能夠在同一尺度上進(jìn)行比較和分析。對(duì)于資產(chǎn)規(guī)模這一變量，不同銀行的資產(chǎn)規(guī)模差異巨大，通過(guò)標(biāo)準(zhǔn)化處理后，能夠更準(zhǔn)確地反映其在模型中的相對(duì)重要性，提高模型的穩(wěn)定性和可靠性。通過(guò)以上數(shù)據(jù)清洗、去噪和標(biāo)準(zhǔn)化等預(yù)處理操作，有效地提高了數(shù)據(jù)的質(zhì)量和可用性，為后續(xù)基于GARCH-CoVaR模型的實(shí)證分析奠定了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。四、基于GARCH-CoVaR模型的實(shí)證分析4.2模型設(shè)定與估計(jì)4.2.1GARCH模型的參數(shù)設(shè)定在構(gòu)建GARCH模型時(shí)，首要任務(wù)是確定模型的階數(shù)，這對(duì)于準(zhǔn)確捕捉金融時(shí)間序列的波動(dòng)特征至關(guān)重要。經(jīng)過(guò)對(duì)樣本數(shù)據(jù)的反復(fù)試驗(yàn)和深入分析，綜合考慮AIC（赤池信息準(zhǔn)則）和SC（施瓦茨準(zhǔn)則）等模型選擇準(zhǔn)則，最終確定采用GARCH(1,1)模型。AIC和SC準(zhǔn)則是衡量模型擬合優(yōu)度和復(fù)雜度的重要指標(biāo)，其值越小，表明模型在擬合數(shù)據(jù)的同時(shí)，復(fù)雜度越低，即模型的解釋能力越強(qiáng)且過(guò)擬合風(fēng)險(xiǎn)越小。在對(duì)券商和商業(yè)銀行的股價(jià)收益率序列進(jìn)行建模時(shí)，GARCH(1,1)模型在眾多候選模型中表現(xiàn)出最低的AIC和SC值，說(shuō)明該模型能夠在有效擬合數(shù)據(jù)的基礎(chǔ)上，避免過(guò)度參數(shù)化，從而更準(zhǔn)確地刻畫收益率的波動(dòng)特征。對(duì)于均值方程，結(jié)合金融市場(chǎng)的實(shí)際情況和數(shù)據(jù)特點(diǎn)，選擇將收益率序列的均值設(shè)為常數(shù)。在金融市場(chǎng)中，股價(jià)收益率受到眾多復(fù)雜因素的影響，如宏觀經(jīng)濟(jì)形勢(shì)、公司基本面、市場(chǎng)情緒等，這些因素的綜合作用使得股價(jià)收益率在短期內(nèi)呈現(xiàn)出一定的隨機(jī)性，難以用簡(jiǎn)單的線性關(guān)系來(lái)描述。將均值設(shè)為常數(shù)，能夠在一定程度上簡(jiǎn)化模型，突出收益率的波動(dòng)特征，同時(shí)也符合金融市場(chǎng)的實(shí)際情況。在股票市場(chǎng)中，短期內(nèi)股價(jià)收益率可能會(huì)圍繞某一常數(shù)上下波動(dòng)，盡管宏觀經(jīng)濟(jì)因素等會(huì)對(duì)收益率產(chǎn)生影響，但在較短的時(shí)間窗口內(nèi)，這些影響可能表現(xiàn)為隨機(jī)擾動(dòng)，而常數(shù)均值能夠較好地反映收益率的平均水平。在確定GARCH模型的參數(shù)時(shí)，還需對(duì)模型的殘差分布進(jìn)行合理假設(shè)。由于金融時(shí)間序列通常具有尖峰厚尾的特征，傳統(tǒng)的正態(tài)分布假設(shè)往往無(wú)法準(zhǔn)確描述殘差的真實(shí)分布情況。為了更準(zhǔn)確地刻畫殘差分布，經(jīng)過(guò)對(duì)不同分布假設(shè)下模型的擬合效果進(jìn)行比較，最終選擇了t分布來(lái)描述GARCH模型的殘差。t分布具有比正態(tài)分布更厚的尾部，能夠更好地捕捉金融時(shí)間序列中出現(xiàn)的極端值，從而更準(zhǔn)確地反映金融市場(chǎng)的風(fēng)險(xiǎn)特征。在股票市場(chǎng)中，股價(jià)收益率偶爾會(huì)出現(xiàn)大幅波動(dòng)，即極端值的情況，如股票價(jià)格的暴漲暴跌，t分布能夠更合理地解釋這些極端事件的發(fā)生概率，使模型對(duì)風(fēng)險(xiǎn)的度量更加準(zhǔn)確。通過(guò)以上對(duì)GARCH模型階數(shù)、均值方程和殘差分布的合理設(shè)定，能夠構(gòu)建出更符合金融時(shí)間序列特征的GARCH模型，為后續(xù)計(jì)算CoVaR，準(zhǔn)確度量券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)奠定堅(jiān)實(shí)的基礎(chǔ)。4.2.2CoVaR模型的計(jì)算方法選擇在計(jì)算CoVaR時(shí)，可供選擇的方法眾多，每種方法都有其獨(dú)特的特點(diǎn)和適用場(chǎng)景。經(jīng)過(guò)深入分析和比較，本研究最終選擇分位數(shù)回歸方法來(lái)計(jì)算CoVaR。分位數(shù)回歸方法在金融風(fēng)險(xiǎn)度量領(lǐng)域具有顯著優(yōu)勢(shì)，它能夠直接估計(jì)出不同分位數(shù)水平下的回歸系數(shù)，從而準(zhǔn)確地計(jì)算出在給定置信水平下的CoVaR值。與其他方法相比，分位數(shù)回歸方法對(duì)數(shù)據(jù)的分布假設(shè)要求較低，不需要假設(shè)數(shù)據(jù)服從特定的分布，這使得它在處理具有復(fù)雜分布特征的金融數(shù)據(jù)時(shí)具有更強(qiáng)的適應(yīng)性。在金融市場(chǎng)中，資產(chǎn)收益率的分布往往呈現(xiàn)出尖峰厚尾、非對(duì)稱等復(fù)雜特征，傳統(tǒng)的基于正態(tài)分布假設(shè)的方法可能會(huì)導(dǎo)致風(fēng)險(xiǎn)度量的偏差，而分位數(shù)回歸方法能夠有效地避免這一問(wèn)題，更準(zhǔn)確地捕捉金融市場(chǎng)的風(fēng)險(xiǎn)特征。分位數(shù)回歸方法能夠提供關(guān)于金融風(fēng)險(xiǎn)的更全面信息。它不僅可以計(jì)算出在某一置信水平下的風(fēng)險(xiǎn)價(jià)值，還能通過(guò)不同分位數(shù)水平的估計(jì)，展示風(fēng)險(xiǎn)在不同程度下的變化情況。通過(guò)分析不同分位數(shù)下的CoVaR值，可以了解到券商處于不同風(fēng)險(xiǎn)狀態(tài)時(shí)對(duì)商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)的差異，為風(fēng)險(xiǎn)管理提供更豐富的信息。當(dāng)券商處于極端風(fēng)險(xiǎn)狀態(tài)（如收益率處于極低分位數(shù)）時(shí)，分位數(shù)回歸方法能夠準(zhǔn)確計(jì)算出此時(shí)商業(yè)銀行面臨的風(fēng)險(xiǎn)價(jià)值，以及與正常狀態(tài)下風(fēng)險(xiǎn)價(jià)值的差異，幫助金融機(jī)構(gòu)和監(jiān)管部門更全面地了解風(fēng)險(xiǎn)溢出的程度和影響范圍。分位數(shù)回歸方法還具有較強(qiáng)的穩(wěn)健性。在金融市場(chǎng)中，數(shù)據(jù)可能受到各種異常值和噪聲的干擾，傳統(tǒng)的回歸方法對(duì)異常值較為敏感，可能會(huì)導(dǎo)致估計(jì)結(jié)果的偏差。而分位數(shù)回歸方法通過(guò)最小化加權(quán)絕對(duì)誤差來(lái)估計(jì)回歸系數(shù)，對(duì)異常值具有較好的穩(wěn)健性，能夠在存在異常數(shù)據(jù)的情況下，仍然提供可靠的風(fēng)險(xiǎn)度量結(jié)果。在股票市場(chǎng)中，偶爾會(huì)出現(xiàn)因突發(fā)事件導(dǎo)致的股價(jià)異常波動(dòng)，分位數(shù)回歸方法能夠在這種情況下，準(zhǔn)確地計(jì)算CoVaR值，為風(fēng)險(xiǎn)管理提供穩(wěn)定可靠的依據(jù)。綜上所述，分位數(shù)回歸方法因其對(duì)數(shù)據(jù)分布假設(shè)要求低、能夠提供全面的風(fēng)險(xiǎn)信息以及具有較強(qiáng)的穩(wěn)健性等優(yōu)勢(shì)，成為本研究計(jì)算CoVaR的理想選擇，能夠更準(zhǔn)確地度量券商對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)。4.2.3模型的估計(jì)與檢驗(yàn)在完成GARCH-CoVaR模型的設(shè)定后，利用收集到的樣本數(shù)據(jù)對(duì)模型參數(shù)進(jìn)行估計(jì)，以獲取模型的具體表達(dá)式，從而進(jìn)行風(fēng)險(xiǎn)溢出效應(yīng)的度量。在估計(jì)過(guò)程中，采用極大似然估計(jì)法（MLE），這是一種在統(tǒng)計(jì)推斷中廣泛應(yīng)用的參數(shù)估計(jì)方法，其基本原理是通過(guò)最大化似然函數(shù)來(lái)尋找使觀測(cè)數(shù)據(jù)出現(xiàn)概率最大的參數(shù)值。在GARCH-CoVaR模型中，似然函數(shù)基于樣本數(shù)據(jù)的聯(lián)合概率分布構(gòu)建，通過(guò)對(duì)似然函數(shù)求導(dǎo)并令導(dǎo)數(shù)為零，求解出模型中GARCH部分的參數(shù)\omega、\alpha、\beta以及分位數(shù)回歸部分的系數(shù)\beta_0、\beta_1等。利用MLE方法對(duì)券商和商業(yè)銀行股價(jià)收益率數(shù)據(jù)進(jìn)行估計(jì)，得到GARCH(1,1)模型中方差方程的參數(shù)估計(jì)值，\omega反映了市場(chǎng)的長(zhǎng)期波動(dòng)水平，\alpha衡量了過(guò)去殘差對(duì)當(dāng)前波動(dòng)的影響，\beta體現(xiàn)了過(guò)去波動(dòng)對(duì)當(dāng)前波動(dòng)的持續(xù)性影響。為了確保模型的有效性和可靠性，對(duì)估計(jì)得到的模型進(jìn)行了一系列嚴(yán)格的檢驗(yàn)。首先進(jìn)行平穩(wěn)性檢驗(yàn)，采用單位根檢驗(yàn)方法，如ADF檢驗(yàn)（AugmentedDickey-FullerTest），以判斷股價(jià)收益率序列是否平穩(wěn)。平穩(wěn)性是時(shí)間序列分析的重要前提，如果序列不平穩(wěn)，可能會(huì)導(dǎo)致偽回歸等問(wèn)題，使模型結(jié)果失去可靠性。通過(guò)ADF檢驗(yàn)，得到券商和商業(yè)銀行股價(jià)收益率序列的ADF統(tǒng)計(jì)量及其對(duì)應(yīng)的P值，若P值小于給定的顯著性水平（如0.05），則拒絕原假設(shè)，認(rèn)為序列是平穩(wěn)的；反之，則需要對(duì)序列進(jìn)行差分等處理，使其達(dá)到平穩(wěn)狀態(tài)。還進(jìn)行了異方差檢驗(yàn)，運(yùn)用ARCH-LM檢驗(yàn)（AutoregressiveConditionalHeteroskedasticity-LagrangeMultiplierTest）來(lái)判斷模型殘差是否存在異方差性。異方差性的存在會(huì)影響模型參數(shù)估計(jì)的有效性和標(biāo)準(zhǔn)誤差的準(zhǔn)確性，從而影響模型的可靠性。ARCH-LM檢驗(yàn)通過(guò)構(gòu)建輔助回歸模型，檢驗(yàn)殘差平方序列是否存在自回歸條件異方差。如果檢驗(yàn)結(jié)果顯示P值小于顯著性水平，說(shuō)明殘差存在異方差性，原模型需要進(jìn)行修正；若P值大于顯著性水平，則認(rèn)為殘差不存在異方差性，模型設(shè)定