2017-0年度中国系统性金融风险报告.pdf

- 1 - 研究报告 （ 2018 年 第 10 期 总第 41 期） 清华大学国家金融研究院 2018 年 3 月 28 日 2017 年度 中国 系统 性 金融 风险 报告 货币政策与金融稳定研究中心 周皓、陈湘鹏 、何碧清 摘 要 本文在借鉴现有国内外学术研究成果的基础上 ，从宏观与微观两个维度 监测我国系统性金融风险的动态变化。 结果显示 ，（ 1） 2017年 1 季度以来， 我国 整体的 系统性金融风险 处于 相对稳定 区间 ，远离风险警戒阈 ，但金融巨灾风险指标 （ CATFIN） 在“监管风暴”开始阶段曾一度快速上升。 本报告认为 ， 监管层应持续保持“强监管、 本报告第一稿成稿于 2017 年 12 月，并于 2018 年 3 月进行数据及文字更新。 - 2 - 严监管”的态势，同时需要与市场参与者进行充分沟通，寻求最优监管节奏 ，最小化施政成本。 （ 2）与预期一致，金融行业的三个子行业中，规模占比最大的银行业具有最高的系统性金融风险边际贡献。国有行的系统性金融风险边际贡献趋于下降，股份行的边际贡献却一度急剧上升，且股份行的系统性金融风险覆盖能力相对较差，应引起金融监管层的特 别关注。 （ 3）机构层面， 浦发银行、 北京银行 、 中国平安 、 平安银行 、 招商银行以及兴业银行 的系统性金融风险指标增幅远高于行业均值 ， 值得监管层 重点 关注。 - 3 - 1. 背景介绍 自 2017 年中国系统性金融风险第一季度报告公开发布以来，党中央对 我国 未来经济金融的工作提出了三大任务：服务实体经济、防控金融风险、深化金融改革，“加强金融监管、防范金融风险”成为了我国金融工作的基本主题之一。 2017 年 4 月 份 的中央政治局会议和政治局关于国家金融安全的集体学习提出 “ 确保不发生系统性金融风险 ” ，这是中央最高决策机构首次以 “ 底线 ” 的表述强调金融稳定的重要性 。 7 月份的 全国金融工作会议 指出， 防止发生系统性金融风险是金融工作的永恒主题 ，并宣布 设立国务院金融稳定发展委员会以加强金融监管协调、补齐监管短板。在强化金融稳定和金融安全的背景下，金融监管部门纷纷加强了金融监管政策 ：（ 1） 央行 强 化了 MPA（ 宏观审慎管理体系 ）考核机制 并联合三会与外管局制定规范金融机构资产管理业务的指导意见 (征求意见稿 )。（ 2）银监会 开展了 “ 三违反 ” 、 “ 三套利 ” 、 “ 四不当 ” 以及股权和对外投资、机构和高管、规章制度、业务、产品、行业廉洁风险等十个方面的 治理行动。（ 3） 证监会加强 了 对并购重组、新股发行 等方面 的监管力度 ，并进一步 健全 了 以监管会员交易为中心的交易行为监管模式，健全穿透式监管机制，防止监管套利 。（ 4）保监会 第二代偿付能力监管制度体系全面实施 ，从严监管保险资金投资各类金融产品，严禁投资基础资产不清、资金去向不清、风险状况不清等多层嵌套产品 ，并完善了保险市场退出和业务转让制度框架。 - 4 - 2018 伊始 之际，本年度报告旨在测度 与总结 在 2017 年 “强监管” 背景下我国系统性金融风险的整体表现以及各类别金融机构对整体系统性金融风险的边际贡献， 进而为金融监管 政策的制定 与调整 提供科学参考。 2. 宏观层面 : 整体保持稳定，监管层应寻求最优监管节奏 从 过去 12 年的历史跨度（ 2006.6-2017.12）来看（图 1 ），当前中国金融体系 的 巨灾风险指标（ CATFIN） 处于 相对稳定 区间 ，远离风险警戒阈，其波动率也处于历史正常水平。这表明，我国 宏观层面的 系统性金融风险处于 正常状态 ， 金融体系整体保持稳定， 未来一段时间出现 系统性事件 （ systemic event） 的可能性极低。 我国实体经济 的 运行状态与巨灾风险指标 走势 相互印证。当前我国经济保持了平稳、健康的发展态势，随着供给侧改革的不断深化，经济增速缓中趋稳，经济结构持续优化、增长的质量得到提高。2017年 ， 四个 季度国 内 生产总值同比 增速 分别为 6.9%、 6.9%、 6.8%、6.8%，均高于 （或持平于） 2016 年同期水平，也高于市场预期 ；中国制造业采购经理指数（ PMI）全年 高于荣枯线，并在 9 月录得 5 年以来最高值 52.4%； 3-12 月 工业 出口交货值 平均同比增长 10.13%，远高于 2016 年同期 1.02%的平均增长率 。 严监管 态势 下， 金融数据 所选取的样本包括金融业及房地产业的 202 家个体上市机构；以每个月各家机构的月度超额收益（月度收益减去当期无风险利率）构建横截面数据集，采用广义帕累托分布（ GPD）、广义极值理论（ GEV）和非参数方法等分别计算横截面的极端尾部风险值；对上述三个指标值进行标准化处理后，取其主成分部分，继而构造得到金融体系巨灾风险指标（ CATFIN）。 - 5 - 也 整体符合市场预期， “回 表 ” 继续支撑信贷增长 。 2017 年 全年 ，金融机构新增贷款 13.53 万亿，同比增长 7.0%； 金融机构各项贷款余额 120.13 万亿 ，同比 增长 12.7%； 社会融资规模存量 174.64 万亿，同比 增长 12.0%。 总体来看， 当前 信贷扩张情况 良好 ， 并未因监管加强受到太大冲击 。 另外 值得一提的是， 2017 年以来针对中国房地产市场的调控政策在严厉 程度与密集程度上度均超过了以往，2017 年全年 有逾 50 个城市共出台房地产相关调控政策超 180 次 。调控政策的制定与施行趋于精准化、精细化，旨在以温和的方式降低房地产市 场前期积累的隐患，并促进民生。 图 1 中国金融体系巨灾风险指标 (CATFIN)动态变化（ 2006-06-2017-12） （ 数据来源：清华大学国家金融研究院） 注：图中浅灰色区域所代表区间为全球金融危机时期（ 2007.5-2008.11），深灰色区域所代表区间为 2015 年 A 股异常波动期间（ 2015.5-2015.9），红色实线“风险警戒阀”为巨灾风险指标趋势值的历史均值加上两倍标准差。 房地产调控政策数据统计来源 ： 中原地产 。 - 6 - 金融业 方面， 银行业、证券期货业、保险业规模皆稳健增长，在自身业务改革和监管力度不断加强的背景下，金融业对实体经济的支持力度持续增强。 随着 严厉监管的密集出台 ， 前期银行业存在的市场乱象得到 有效 控制；央行的货币政策维持 “ 稳健中性 ” ，并有意培养市场对于 “ 紧平衡 ” 的预期，意在推动 “ 去杠杆 ” ，严防系统性金融风险 的积聚 。 汇率方面， 2017 年 3 月份以来人民币对美元汇率出现了方向性的变化，改变了自 “ 811 汇改” 之后的贬值趋势，稳定态势明显； 6 月份，货币当局在汇率中间价定价机制中引入逆周期因子 ，旨在适度对冲市场情绪的顺周期波动，缓解外汇市场的单边一致性预期。 截取 2015 年之后的数据来看 （图 2 ）， 金融 巨灾风险指标（ CATFIN）只有在股市异常波动期间突破了风险警戒阈，其余绝大部分时间处于安全区域内波动。考虑到所选取指标的性质、数据 的频率， 我们认为，该 指标的长期趋势 变动主要 反映 了金融体系稳定性和市场长期预期等方面的信息 ，而其短期波动 则 与监管政策 变动和 市场 过激反应关系 紧密。 例如， 2017 年 3 月份以来，随着党中央重点强调加强金融监管、各部委 紧密出台相应的监管政策，金融 巨灾风险指标 和市场恐慌情绪曾在 4-6 月份快速 上升，但随着“金融监管稳中有进”和“紧平衡”的政策意图逐渐明朗、银行业 市场乱象专项治理 取得积极进展，前期的过激上升被市场逐步消化。 指标构造方法同上 ，但 此处观测时间区间较短 ， 测算时使用了频率更高的每周数据 ；因为相邻数据间隔变短，故计算趋势值时使用了相对较大的衰减因子。 - 7 - 图 2 中国金融体系巨灾风险指标 (CATFIN)动态变化（ 2015-01-2017-12） （ 数据来源：清华大学国家金融研究院） 注：图中深灰色区域所代表区间为 2015年 A股异常波动期间（ 2015.5-2015.9），红色实线“风险警戒阀”为巨灾风险指标趋势值的历史均值加上两倍标准差。 本报告建议，为了深化金融改革，严防系统性金融风险，让金融更有效地服务实体经济，金融监管总体上应持续保持“强监管、严监管”的态势，突出功能监管和行为监 管。同时，金融监管部门应该实时关注市场动态与反应，加强与市场参与者 的沟通交流，促进形成稳定的市场预期，避免监管政策的急剧变动引致市场过激反应与大幅动荡，不断提高持续监管的科学性和有效性，最小化施政成本，寻求最优的监管节奏。 - 8 - 3. 行业 结构 层面： 银行业边际贡献最大，但 风险指标平稳向好 ，股份行需要关注 A 银行业金融机构的系统性金融风险的边际贡献最大 本报告测算了目前上市的全部金融机构（共 57 家）的微观系统性金融风险指标：系统性预期损失值（ SES） 、 条件在险价值（ CoVaR ）以及系统性风险指标（ SRISK），并将它们按照银行业、证券业、 保险 业 三个行业来做子样本分析 （ 图 3）。 图 3 不同子行业系统性金融风险指标边际贡献对比 （ 数据来源：清华大学国家金融研究院） 首先，银 行业 、证 券业、保险业 三个 子 行业的 CoVaR 值 自 2017年以来明显下降， SRISK 值和 SES 值也远低于 2015 年股市异常波动 - 9 - 时期的峰值，且 趋势稳定 。 同时， 从各 风险 指标的总量 对比 来看，因为银行的总体规模远高于证券业和保险业，其 系统性金融 风险指标的总值 和均值 明显高于 证券业和保险业， 但 均值差距不如总量对比时悬殊。也就是说，银行业对我国整体系统性金融风险的边际贡献最大，我国系统性金融风险防范的重点对象是银行业金融机构。 B.股份行的系统性金融风险覆盖能力相对较差 图 4 银行业金融机构 系统性金融风险覆盖能力对比 （ 数据来源：清华大学国家金融研究院） - 10 - 上一小节提到我国系统性金融风险防范的重点对象是银行业金融机构，本小节进一步将银行业分拆为国有行、股份行和城商行 进行子样本分析。 本报告 以 “市值 /SRISK”表征各机构的预期资本损失覆盖程度（系统性金融风险覆盖能力），我们 发现在银行业内，股份行的系统性金融风险覆盖能力相对较差 （图 4） 。 一方面， 2017 年一季度以来，国有行和股份行的预期资本损失覆盖程度均处于上升态势，而城商行的预期资本损失覆盖程度保持平稳，即在“强监管”背景下，银行业金融机构整体的系统性金融风险覆盖能力正在加强。另一方面， 2015 年以来，国有行和城商行的预期资本损失覆盖程度多大于 1，尤其是城商行的预期资本损失覆盖程度基本维持在 1.5以上； 相反，股份行的预期资本损失覆盖程度较 低，大部分时期内在 0.8 到 1 的区间内波动， 低于 银 行业平均水平， 应引起 监管层的特别关注。 C.国有行边际贡献趋于下降， 股份行 边际贡献 一度急剧上升 2017 年 1 季度报告表明 ，国有大型商业银行 的各项 风险 指标已稳定在低值（ 图 5） 。同年 2 季度至年末 ，国有行的系统性金融风险边际贡献值进一步降低 ，其中 SRISK 值和 CoVaR 值降幅明显，尤其是 CoVaR 值已经降 至 2010 年以来的最低水平 。 我国城市商业银行上市时间较晚，多集中在 2016 年下半年之后，因此， 2017 年以前的指标代表性很弱，无法说明该子行业的整体情况。因此，本报告重点考虑 2017 年以后城商行的系统性金融风险状况。 中 、 农 、 工 、 建 、 交五大商业银行 。 - 11 - 图 5 国有商业银行系统性金融风险边际贡献 （ 数据来源：清华大学国家金融研究院） 注： 得到 系统性风险指标（ SES/ CoVaR/SRISK）的均值序列后，分别除以相应的标准差得到其标准值 。 一 方面，这得益于国有行在信用风险管理方面的改善（图 6）。2017 年以来，商业银行整体的不良贷款余额增速处于下降态势，增速保持在 2%-5%的区间内。 2017 年全年 ，国有行的不良贷款余额季度 平均 增速为 -0.11%，远低于银行业整体的 3.06%、股份行的 3.14%和城商行的 5.04%；尤其 在 第 2、 3 季度，国有行的不良贷款余额已进入下降状态，其中第 3 季度的不良贷款余额增速为 -2.01%。 - 12 - 图 6 银行业不良贷款增速 （ 数据来源：清华大学国家金融研究院 、银监会 ） 另一方面 ，这 得益于国有行在资本充足率和盈利能力方面的优势 。 2014 年以来，国有行的资本充足率 季度 均值 比股份行和城商行分别高出了 2.37%和 1.73%（图 7A） ； 同时， 国有行的资产利润率 季度均值也 分别 高于股份行和城商行 ，指标 差值长期稳定在 0.2%左右（图 7B） 。 图 7 A 银行业资本充足率 -10.00%-5.00%0.00%5.00%10.00%15.00%20.00%2010-12 2011-12 2012-12 2013-12 2014-12 2015-12 2016-12 2017-12不良贷款增速：商业银行 不良贷款增速：国有行不良贷款增速：股份行 不良贷款增速：城商行10.00%10.50%11.00%11.50%12.00%12.50%13.00%13.50%14.00%14.50%15.00%2014-03 2014-09 2015-03 2015-09 2016-03 2016-09 2017-03 2017-09资本充足率：国有行 资本充足率：股份行 资本充足率：城商行 - 13 - 图 7 B 银行业盈利能力 （ 数据来源：清华大学国家金融研究院、银监会） 我们 在 2017 年 1 季度报告中 提到 ， 股份制银行的系统性金融风险需重点关注， 2 季度以来的 指标值 仍传达出同样 的 信息。股份制银行的 SES 值、 CoVaR 值和 SRISK 值虽在总体上保持平稳，但波动较大，多次达到局部高点，尤其是 SRISK 值 在 2017 年 年中一度触及 2015 年股市异常波动时期的水平（图 8）。 本报告认为 ， 这与 股份行的内控乱象以及 银监会密集出台 严厉 监管措施 相关 。 2017年 1 季度以来， 股份行 “销售虚构理财产品”、 “私刻公章”、“违规担保 ”等 案件层出不穷，对投资者和整个金融市场都造成了负面冲击。其次， 股份行 面 临 的业绩压力和市场竞争高于 国有行 ， 开展 高风险业务的倾向性 也更 强， 因此 在 出台落实同业业务穿透原则、统一 监管 资管业务等 条例时，股份制银行所受的 冲击 也就更大。 0.60%0.70%0.80%0.90%1.00%1.10%1.20%1.30%1.40%1.50%1.60%2014-03 2014-09 2015-03 2015-09 2016-03 2016-09 2017-03 2017-09资产利润率：国有行 资产利润率：股份行 资产利润率：城商行 - 14 - 图 8 国有股份制 银行系统性金融风险边际贡献 （ 数据来源：清华大学国家金融研究院） 注： 蓝色虚线表示股份行的 SRISK 标准值在 2017 年中期达到了历史最高点。 4. 机构 层面： 浦发银行、 北京银行 、 中国平安 、 平安银行 、 招商银行以及兴业银行 等 机构 值得监管层 重点 关注 表 1 指标增幅远高于均值的金融机构 （ 数据来源：清华大学国家金融研究院） 浦发银行 北京银行 中国平安 平安银行 招商银行 兴业银行 平均水平S E S 逐年变幅（% ） 1 8 . 4 9 8 . 7 3 4 2 . 3 6 3 8 . 9 5 2 7 . 3 3 2 2 . 1 8 1 1 . 8 1C o V a R 逐年变幅（% ） 6 7 . 7 9 8 4 . 7 1 5 4 . 5 2 1 . 3 3 7 2 . 5 3 5 8 . 9 1 1 3 . 7 9S R I S K 逐年变幅（% ） 8 . 2 9 3 7 . 5 4 - 3 5 . 6 5 1 7 . 0 7 - 1 2 . 5 4 7 . 2 3 - 8 . 4 3 - 15 - 本报告在机构层面 讨论 主要的 19 家系统重要性金融机构 。 从单体金融机构来看，我们将所有机构的 SES 值、 CoVaR 值和 SRISK值的 2017 年度 增幅进行排序，并剔除指标值为负的机构，发现 浦发银行 、 北京银行 、 中国平安 、 平安银行 、 招商银行以及兴业银行 的部分 指标值增幅 较 大 （表 1） ，大幅高于 所有样本机构的平均增幅 ，值得监管部门重点关注 。 5. 与其他度量方法的对比分析 在 1季度报告中我们将本文所使用的指标与其他三个度量中国金融风险的替代指标做过深入对比 ， 分别是：国际清算银行公布 的“ 私人非金融部门信贷 /GDP 缺口指标（ credit-to-GDP gap） ” 指标， 银监会公布的 “ 不良贷款率（ NPL Ratio） ” 指标， 以及国际货币基金组织（ IMF）在国际金融稳定研究（ GFSR）中公布的 “ 风险贷款（ debt at risk） ” 指标 。 通过多个维度的对比，本文指标有以下优势 ： 1. 具 有前瞻性，而 非单纯 依靠滞后的经济数据； 2. 考虑了 市场 预期因素； 3. 市场价格数据更加客观，不易受到主观因素影响和操控； 4. 数据频率高（每日），比其他指标更及时地反映金融系统的变化。 2017 年 2 季度以来，上述替代指标也有所更新。国际清算银行 本报告初稿成稿于 2017 年 12 月，初稿中明确指出浦发银行系统性金融风险指标增幅较大，值得监管部门重点关注。 2018 年 1 月，银监会披露了浦发银行成都分行集体造假案案情及相关处罚，本报告测算的系统性金融风险指标得到事实验证。 各金融机构具体指标值见附录图表 。 具体分析见 1 季度报告： pbcsf.tsinghua.edu/content/details414_13423.html - 16 - 的 “ 私人非金融部门信贷 /GDP 缺口指标 ” 指标在 2016 年 3 季度达到历史最高值 28.8%，此后连续 5 个季度下降，于 2017 年 2 季度（目前最新数据）降至 18.9%，同时达到 4 年来最低值与最大降幅（图 9）。考虑到此指标的滞后性，虽然其绝对值还处于 10%预警值的上方，但其在 2 季度较大幅度的下降已经能够印 证我们 1 季度报告中所做出的 “ 中国系统性金融风险已显著下降 ” 的判断。 图 9 私人非金融部门信贷 /GDP 缺口指标 （数据来源：清华大学国家金融研究院、国际清算银行） 银监会公布的“商业银行不良贷款率（ NPL Ratio）”指标在 2016年 3 季度达到局部高点 1.76%，在随后的连续 5 个季度（至 2017 年4 季度止）维持在 1.74%（图 10）。这符合我们“商业银行总体系统性金融风险维持在低值”的论述，也符合近期针对银行业乱象出台密集监管政策、严控不良贷款增幅的实情 。 0.00%5.00%10.00%15.00%20.00%25.00%30.00%35.00%私人非金融部门信贷 /GDP缺口指标 警戒阈 - 17 - 图 10 商业银行不良贷款率 （数据来源： 清华大学国家金融研究院、 银监会） 国际货币基金组织（ IMF）的 “ 风险贷款（ debt at risk） ” 指标并未在最新一期（ 2017 年 10 月刊）国际金融稳定研究（ GFSR）中有所更新，但从上期（ 2017 年 4 月刊）数据来看，指标值从 2015年的 16.4%降至 2016 年的 12.8%，降幅明显，且向 10 年均值靠拢。 总体来看，虽然一些替代指标的绝对数值还处于警戒线上方，或相对于其他新兴市场还较高，但其在近两年的时间段内大幅下降的趋势已能够表明中国系统性金融风险的显著下降。我们认为，替代指标近期的走势与本文指标所得出的结论并无根本上的不同，但在前瞻性、全面性、客观性、及时性与数据质量等方面还存在欠缺。 0.00%2.00%4.00%6.00%8.00%10.00%12.00%14.00%16.00%18.00%20.00%商业银行不良贷款率 - 18 - 6. 结论 本报告旨在测度 、总结 2017 年 “强监管” 背景下我国系统性金融风险的整体表现以及各类别金融机构对整体系统性金融风险的边际贡献 。 结果显示 ， （ 1） 2017 年 1 季度以来， 我国 整体的 系统性金融风险 处于 相对稳定 区间 ，远离风险警戒阈 ，但金融巨灾风险指标在“监管风暴”开始阶段曾一度快速上升。 本报告认为 ， 监管层应持续保持“强监管、严监管”的态势 ，同时需要与市场参与者进行充分沟通， 寻求最优监管节奏 ，最小化施政成本 。 （ 2）与预期一致，金融行业的三个子行业中，规模占比最大的银行业具有最高的系统性金融风险边际贡献。国有行的系统性金融风险边际贡献趋于下降，股份行的边际贡献却一度急剧上升，且股份行的 系统性金融风险覆盖能力相对较差， 应引起金融监管层的特别关注。 （ 3）机构层面， 浦发银行、 北京银行 、 中国平安 、 平安银行 、 招商银行以及兴业银行 的系统性 金融 风险指标增幅远高于行业均值 ， 值得监管层重点 关注。 - 19 - 附录：系统性金融风险指标的技术文档 本报告所采用的系统性金融风险指标包括宏微观两个层面，其中宏观维度的系统性风险指标包括金融体系巨灾风险（ CATFIN），而微观维度的系统性风险指标包括 系统性预期损失值 (SES)、 条件在险价值 ( CoVaR)以及系统性风险指标 (SRISK)。 金融体系巨灾风险（ CATFIN）是由 Allen et al.(2012)提出 的 ，该指标 采用极值理论（ Extreme Value Theory）测度金融（房地产）行业内各机构的巨灾风险（极端尾部风险），进而描述对应经济体的系统性风险动态变化。该指标能够显著地预测未来六个月的宏观经济下行压力，且对银行信贷紧缩和银行利润的下滑具有较好的预测性，因此该指标在学术界、实务界及监管机构均得到了广泛的应用。另外， Chen et al.(2017)证明该指标在中国金融市场同样具有较好的应用性。 系统性预期损失值 (SES)是由 Acharya et al.(2017)提出 的 ，其核心思想是测度单一金融机构在系统性危机 条件下的预期资本损失值，指标值越大表示 金融机构对系统性危机的贡献值越高，即该机构的系统性金融风险越大。 Acharya et al.(2017)还 证明 了 系统性预期损失值 （ SES） 与边际预期损失和财务杠杆率呈线性相关性。 传统金融监管核心指标在险价值 (VaR)只能度量单一机构的尾部风险，未考虑金融外部性的特点，且具有较强的顺周期性，不符 这里系统性危机（ systemic crisis）被定义为金融系统实际资本低于最低监管基本要求。 - 20 - 合微观审慎监管的基本原则。为了克服这些缺点， 纽约联储的Adrian 和 Brunnermeier(2016)对在险价值 (VaR)进行改进，并提出条件在险价值 (CoVaR) 。该指标的核心思想是度量在单一金融机构出现尾部事件条件下金融系统的预期在险价值，即单一机构的尾部事件引起金融系统出现预期尾部损失值越大，则该机构的系统性风险越大。 系统性风险指标 (SRISK)是由 Brownlees 和 Engle(2016)提出的。该指标的核心构造思想与 系统性预期损失值 (SES)是一致的，二者都是测度单一金融机构在系统性危机条件下的预期资本损失值，但在系统性风险指标 (SRISK)的框架下，系统性危机被定义为股票市场在 6 个月内出现 40%的下滑。 - 21 - 参考文献 1 Acharya, V. V., Pedersen, L. H., Philippon, T., et al. (2017). Measuring systemic risk. The Review of Financial Studies, 30(1), 2-47. 2 Adrian, T., & Brunnermeier, M. K. (2016). CoVaR. American Economic Review, 106(7), 1705-1741. 3 Allen, L., Bali, T. G., & Tang, Y. (2012). Does systemic risk in the financial sector predict future economic downturns? Review of Financial Studies, 25(10), 3000-3036. 4 Brownlees, C., & Engle, R. F. (2016). SRISK: A conditional capital shortfall measure of systemic risk. The Review of Financial Studies, 30(1), 48-79. 5 Chen, X., Zhou, H., & Zhu, H. (2017). Systemic risk of Chinas financial system 1Q17. Working Paper, Tsinghua University National Institute of Financial Research. 22 附录 图表 ：各主要金融机构系统性金融风险指标 （数据来源：清华大学国家金融研究院） 附图 1 各主要金融机构 SRISK 值比较 图中由上往下分别表示系统性风险指标 (SESCoVaRSRISK)在过去一年里（ 2017.1 2017.12）的最高值、当月值和最低值，下同。 - 23 - 附图 2 各主要金融机构 SES 值比较 - 24 - 附图 3 各主要金融机构 CoVaR 值比较 - 25 - 附图 4（ A）各主要金融机构系统性金融风险指标相对值的历史数据 各 家金融机构系统性风险指标（ SES/CoVaR/SRISK）相对值是通过将每家机构的系统性风险指标值除以该时点全部机构该指标的平均值而得到 ，下同。 - 26 - 附图 4（ B）各主要金融机构系统性金融风险指标相对值的历史数据 - 27 - 附表 1 主要金融 机构 系统性风险 指标值 SES（系统性预期损失值） 金融机构 工商银行 建设银行 中国银行 农业银行 交通银行 招商银行 中信银行 浦发银行 兴业银行 民生银行 当期绝对水平 (亿 ) 717.96 583.48 459.95 440.79 195.63 184.10 125.53 132.36 129.82 124.83 逐月变幅（ %） 0.64 2.41 1.11 3.69 0.39 6.25 -4.00 -1.22 0.55 1.58 逐年变幅（ %） 15.21 5.34 4.57 9.57 2.05 27.33 -2.28 18.49 22.18 8.84 2010.10 绝对水平 (亿 ) 302.02 215.10 220.61 210.73 90.93 53.43 48.01 53.07 37.38 38.12 金融机构 光大银行 平安银行 华夏银行 北京银行 中国平安 中国人寿 中国太保 中信证券 海通证券 平均水平 当期绝对水平 (亿 ) 100.85 88.32 47.37 47.01 188.16 124.15 54.13 70.38 52.89 203.56 逐月变幅（ %） 11.95 2.87 -1.38 5.84 3.18 3.87 4.37 -0.54 4.48 2.01 逐年变幅（ %） 32.45 38.95 1.90 8.73 42.36 3.57 18.60 4.51 9.87 11.81 2010.10 绝对水平 (亿 ) 37.72 14.63 15.28 17.99 52.68 92.67 33.35 38.15 25.92 84.09 CoVaR（条件在险价值） 金融机构 工商银行 建设银行 中国银行 农业银行 交通银行 招商银行 中信银行 浦发银行 兴业银行 民生银行 当期绝对水平 (亿 ) 121.67 56.93 78.13 58.01 26.65 38.70 25.47 24.62 28.95 27.57 逐月变幅（ %） 28.05 42.62 58.50 105.55 30.93 45.05 4.14 20.31 34.27 80.06 逐年变幅（ %） 50.15 -42.06 9.90 -15.52 -6.66 72.53 14.46 67.79 58.91 29.40 2010.10 绝对水平 (亿 ) 101.20 80.86 82.82 71.89 34.85 20.10 17.95 21.30 14.55 15.40 金融机构 光大银行 平安银行 华夏银行 北京银行 中国平安 中国人寿 中国太保 中信证券 海通证券 平均水平 当期绝对水平 (亿 ) 20.31 19.41 9.89 10.25 44.73 23.94 11.08 11.19 9.69 34.06 逐月变幅（ %） 42.86 27.87 9.97 90.51 7.90 37.76 23.62 11.72 47.29 37.87 逐年变幅（ %） 38.70 21.33 11.17 84.71 54.50 15.01 58.64 -12.68 27.47 13.79 2010.10 绝对水平 (亿 ) 10.94 5.83 5.97 6.48 21.36 36.47 13.56 11.57 8.69 30.62 - 28 - （ 1） 上述表格中 2010.10 的绝对水平起参照 作用 ； （ 2） 当期指 2017 年 12 月末； （ 3） 平均水平是对 19 家金融机 构的各期系统性风险指标序列求对应截面简单平均值后得到的时间序列 。 SRISK（ 系统性风险指标 ） 金融机构 工商银行 建设银行 中国银行 农业银行 交通银行 招商银行 中信银行 浦发银行 兴业银行 民生银行 当期绝对水平 (百 亿 ) 103.89 79.58 114.04 123.24 59.52 24.29 39.05 35.55 42.71 40.31 逐月变幅 （ %） -6.35 -7.75 0.44 2.36 1.67 28.72 -2.05 0.82 2.98 5.67 逐年变幅 （ %） -16.16 -34.75 0.76 -1.97 7.65 -12.54 -2.79 8.29 7.23 7.61 2010.10 绝对水平 (百 亿 ) 54.34 42.53 51.43 55.50 22.27 9.29 10.01 11.10 11.87 10.44 金融机构 光大银行 平安银行 华夏银行 北京银行 中国平安 中国人寿 中国太保 中信证券 海通证券 平均水平 当期绝对水平 (百 亿 ) 27.55 22.39 17.50 14.70 18.83 -12.94 -6.26 -4.85 -2.42 38.77 逐月变幅 （ %） -4.00 3.53 0.79 10.72 27.71 -26.95 -24.15 -11.64 -48.08 1.91 逐年变幅 （ %） -4.77 17.07 3.35 37.54 -35.65 213.50 30.33 18.37 -55.86 -8.43 2010.10 绝对水平 (百 亿 ) 8.47 4.39 8.34 3.29 -3.03 -14.42 -3.43 -2.43 -2.36 14.61