引言

随着全球金融市场一体化进程加快，金融体系的关联性、复杂性持续提升，系统性金融风险的隐蔽性、传导性和破坏性愈发突出，一旦爆发不仅会冲击金融市场稳定，更会传导至实体经济，引发经济下行压力，因此防范化解系统性金融风险已成为全球金融监管领域的核心议题和长期任务。系统性金融风险的爆发并非孤立事件，其形成源于多因素叠加，而传导机制作为风险从滋生、扩散到爆发的核心路径，直接决定了风险防控的针对性和有效性。本文基于现有文献，系统梳理系统性金融风险传导机制的核心类型、影响因素，总结学界关于传导机制的主要研究视角与观点，进而聚焦防范路径的研究成果，并提出切实可行的防控策略，以期为政策制定者和金融机构提供有益的参考。

一、系统性风险的定义

很多学者对金融系统性风险给出了很多定义,也随着时间不断补充调整。较早时期Kaufman（1995）认为系统性风险是一个事件引起系统中一系列连续损失的可能性；之后比较明确的定义是由国际货币基金组织（IMF）、金融稳定理事会（FSB）以及国际清算银行（BIS）在2009年提交给G20集团的报告中给出的，首次联合将其定义为“由于金融系统的部分或全部功能受损引发的金融服务功能扰乱，并且可能对实体经济造成严重负面影响的风险”。

二、系统性金融风险的来源与传导机制

大部分学者都认为金融系统性危机的发生与经济增长状态变化紧密相关,内部脆弱性和外部冲击是金融部门系统性风险发生的两个来源。内生原因方面，Minsky（1982）作为当代研究金融脆弱性的先驱，从企业角度出发，对金融脆弱性进行定义，金融脆弱性是系统性金融风险滋生的重要内在根源，其核心内涵在于，金融市场的不稳定性无需依赖外部因素扰动，便会自行逐步累积加剧。这一现象的产生，主要源于金融主体在市场平稳运行阶段，易陷入盲目乐观的认知偏差，进而形成偏高的风险偏好，最终导致资产价格与自身内在价值出现严重偏离。当这种金融脆弱性累积至临界水平时，即便遭遇外部微小的冲击，也足以引发金融市场的剧烈波动，进而诱发系统性金融风险。Aikman等（2017）则认为系统性金融风险的内因包括单个金融机构以及金融体系内的高杠杆经营以及存贷款期限错配。外生原因方面，方意将降价抛售传染机制和破产传染机制同时纳入到银行网络模型中，以研究变动冲击下的风险生成机理，得出不同力度的冲击作用下，由于大量银行去杠杆或者存在银行破产现象而导致系统性风险呈现跳跃式上升趋势的结论；在小冲击下，主要通过去杠杆降价抛售传染机制生成风险，大冲击下则主要通过银行破产传染机制生成风险。此外，Acharya认为外部因素还包括金融市场的羊群效应，以及Ji Y认为的金融安全网带来的道德风险因素。杨子晖等基于区分宏观审慎与微观审慎这一研究视角，更细致地研究外部冲击给不同金融市场带来的不同影响，通过将系统性风险分解为系统关联与尾部风险两个子成分，可精准剖析不同视角下系统性风险的影响因素，其中宏观审慎监管更聚焦市场共同风险敞口与相互联系，微观审慎监管则侧重降低个体尾部风险、遏制金融机构过度冒险行为。该研究还发现，发达市场冲击下各市场个体尾部风险更高，新兴市场冲击也存在全球扩散可能，我国金融行业系统关联远高于其他行业，佐证了宏观审慎监管的必要性，而信息技术行业在各类输入性冲击下尾部风险始终处于高位，凸显了微观审慎监管的针对性需求，同时贸易与金融关联构成的真实联系渠道，是国际金融风险传染的核心途径。

金融系统性风险的扩散依托多维度传递渠道实现，其跨域传染的核心特征可由Alter 和Beyer的研究清晰界定，即当单个或一组国家遭受大规模金融冲击后，金融市场间的相互依赖性会呈现显著抬升特征，而这一特征正是风险通过不同渠道突破市场与国别边界、实现链式扩散的核心具象化表现，且在信贷、市场、跨境资本三大核心传递渠道中均有明确体现。从信贷渠道来看，大规模冲击下金融机构间的同业信贷关联会因信用收缩、违约风险上升而强化联动，各国银行体系的资产负债表关联度同步提升，原本相对独立的国别信贷市场形成紧密的风险传导信用链，直接体现为信贷市场间相互依赖程度的显著增加；从市场渠道层面，股票、债券、外汇等跨品类、跨国别的金融市场，会因冲击引发的投资者避险行为、集中式资产抛售产生价格联动性的骤增，而投资者的跨市场交易策略又会进一步放大这种关联，使得金融资产价格的波动能在不同市场间快速传导，成为跨市场相互依赖性提升的典型表现；从跨境资本渠道而言，大规模金融冲击会引发国际资本的无序流动，资本在各国间的快速进出会同步影响不同国家资本市场的流动性水平，各国金融市场对跨境资本的流动性依赖度显著提高，资本的跨境联动流动也让国别市场间的相互依赖成为风险跨境传染的重要载体。整体而言，金融系统性风险的各类传递渠道并非孤立存在，其风险传导的过程均以跨市场相互依赖性的提升为共同表征，而Alter和Beyer的研究结论也为理解不同渠道下的风险传染逻辑提供了核心理论参照，清晰揭示了渠道联动与市场依赖之间的内在关联。Benoit的研究指出，单一金融机构或金融市场遭遇的异动与冲击，会借助各部门间的紧密关联快速传导至金融体系内的其他机构与市场，形成类似 “多米诺骨牌” 式的风险传染效应，最终诱发系统性金融危机。该研究同时表明，金融体系内各主体的高度关联性虽为金融机构带来规模扩张、国际竞争力提升以及收入不确定性分散的发展红利，却也大幅抬高了风险防控的难度与紧迫性，推动系统性风险传染的研究议题从国家维度延伸至国际维度。而Wiersema的研究进一步发现，国际金融风险会通过多元渠道实现跨域传染，持续冲击整体金融网络，显著加剧了金融体系的内在不稳定性。

金融系统性风险的网络式传递是学界研究的核心议题，各类风险冲击正是通过金融机构间的关联网络实现跨主体、跨市场的链式扩散，其中基于贷款违约构建的金融信贷关联网络与基于银行间持有共同资产构建的金融资产关联网络是两类核心传导载体，二者分别以显性债权债务关系、隐性资产组合关联为纽带，形成了差异化的风险传导逻辑，且诸多经典研究均对两类网络的传导特征与效应形成了印证。

基于贷款违约构建的金融网络，是以银行等金融机构间的同业信贷、企业信贷等债权债务关系为核心纽带形成的显性关联网络，贷款违约是这一网络中风险触发与传导的核心节点，也是系统性风险从单一机构向体系扩散的重要起点。隋聪创新性提出优化后的无标度网络构造方法，并将该方法精准应用于银行间违约传染程度的量化度量中，而其研究聚焦的银行间违约传染，正是基于贷款违约构建的金融网络的核心传导表现。该研究通过仿真模拟技术，构建不同标度特征的银行关联网络并开展对比分析，最终得出明确结论：银行关联网络的集中度与违约传染效应呈现显著正相关，网络集中度越高，受风险传染而倒闭的银行数量就越多，这也进一步印证了基于贷款违约的金融网络中，关联紧密程度对风险传导强度的决定性影响。方意则在传统破产机制的分析框架基础上，创新性纳入去杠杆机制，进一步丰富了两类核心传递网络的风险传导机制研究，其研究系统剖析了银行间基于资产负债表关联形成的四类风险传递渠道，既涵盖了基于贷款违约的信贷关联传导，也涉及基于共同资产持有形成的隐性关联传导，同时通过参数敏感性分析方法开展实证检验，最终发现金融系统性风险存在显著的区制转换效应，即风险在两类核心网络中的传导路径、强度，会随外部环境与内部机制的变化发生结构性转变，

基于银行间持有共同资产构建的金融网络，是与信贷关联网络相对的隐性关联网络，其以金融机构间的资产组合重合度为核心关联基础，银行等机构因持有相同或高度相关的金融资产（如债券、房地产抵押资产、跨境金融衍生品、大宗商品标的资产等）形成非直接的关联关系，资产价格的波动与流动性冲击是这一网络中风险传导的核心驱动力，这一渠道也成为国际金融风险跨域传染的重要载体。Wiersema所发现的国际金融风险经由多元渠道冲击整体金融网络的结论，其核心便包含这一共同资产关联网络。该网络的风险传导逻辑与信贷网络截然不同，核心表现为火灾抛售、资产价格螺旋下跌、体系性资产减值的传导链条：当部分金融机构遭受外部冲击面临流动性缺口时，会被迫折价抛售手中持有的金融资产以回笼资金，即形成“火灾抛售”。若该资产为众多机构共同持有，大量的集中抛售会直接引发资产价格的大幅暴跌，进而导致所有持有该资产的机构均面临资产端的同步减值，即便这些机构之间无任何直接的信贷关联，也会因共同的资产持有行为受到风险波及，形成风险传染的“同群效应”。而资产价格的持续暴跌会进一步引发市场的恐慌性抛售，形成抛售、价格下跌、再抛售的螺旋循环，使得机构的流动性危机快速转化为偿付能力危机，风险也从单一资产市场扩散至整个金融体系。在跨境层面，国际金融机构普遍持有全球统一的核心金融资产，这类共同资产的价格波动会突破国别边界，通过资产关联网络将风险传导至世界各国的金融市场，大幅提升全球金融体系的不稳定性，这也正是Wiersema所强调的国际金融风险对整体金融网络的冲击效应，而这类隐性网络的传导特征，也让风险的预判与防控更具难度。邓向荣、曹红则以我国41家上市金融机构的股票收益率相关性为核心基础，构建起金融系统性风险传染的可视化网络，该研究依托股票收益率相关性构建网络的思路，所构建的可视化网络的也为直观呈现风险在市场渠道中的传导路径提供了实证载体，而通过网络参数量化风险传递特征，更进一步丰富了系统性风险传递特征的量化研究维度。研究系统性风险的传导机制自然促进了研究如何降低风险的进程，张琳等从“冲击”和“传染”两个维度考察了政策连续性对银行系统性风险的影响，实证结果表明，政策连续性程度的提高通过双重路径显著降低银行系统性风险：一方面直接降低银行的个体风险水平，另一方面有效弱化银行个体与金融系统之间的关联程度。该研究还进一步揭示了政策连续性影响的异质性特征：在风险承担层面，其仅对银行的被动风险承担水平产生显著的降低作用，并未改变银行的主动风险承担意愿，减弱了银行间接关联程度而非直接关联程度。

系统性风险传染渠道还可以简单地分为负债表渠道、支付系统渠道和资产收益率渠道等。关于金融机构之间通过资产负债表渠道传递风险的研究，主要是以银行资产负债表上的各项关联资产、负债以及权益等数据作为银行间的风险敞口，但由于数据的获得性较差，一般利用最大熵模型来估计这种风险传递的程度。关于金融机构之间通过支付系统渠道传递风险的研究，主要是根据局部市场中金融机构的收支信息，如中国人民银行支付系统的银行间支付数据，构建支付网络模型，对系统性金融风险进行度量，并得出金融机构的系统重要性排序。关于金融机构之间通过资产收益率渠道传递风险的研究，主要是以上市金融机构的股票价格收益率作为研究对象，分析金融机构之间的关联性，进而得出系统性风险的传染特征。杨子晖等的研究结论表明，在国际金融风险的跨域传染过程中，相较于信息渠道，由贸易关联与金融关联共同构成的真实联系渠道是更为核心的风险传染途径，经济体之间贸易与金融联系的持续强化，会进一步累积系统性金融风险的潜在隐患。其中，贸易渠道的风险传导效应表现为对各市场个体尾部风险的显著驱动作用，是推升单一市场极端风险的重要因素；而金融关联渠道则在跨境风险联动中占据关键地位，成为影响各经济体与全球金融市场之间风险传导联动性的核心变量。

三、系统性金融风险的测度

由于金融机构之间的风险敞口数据难以获得，因此很多学者利用金融市场的交易数据来研究对系统性金融风险的测度。主要包括以下几种方法:第一种，概率分布度量。概率分布度量即利用系统性重要机构损失的概率分布函数构建指标来度量系统性金融风险。Adrian和 Brunnermeier提出了条件在险价值的方法，即CoVaR方法，计算在一个机构发生损失的条件下，其他机构的在险价值，从而形成对机构之间以及对整个金融体系的风险评估。Acharya等基于预期损失理论构建了系统性预期损失(SES)指标计算了在整个金融系统陷入危机的情况下，单个金融机构的权益资本损失。Brownless和Engel利用DCC-GARCH模型提高了对边际期望损失(MES)的预测精确度，从而实现了对系统性金融风险的动态度量。Acharya等人提出了MES指标，该指标通过测度金融系统收益大幅下挫时单一机构的期望收益率，实现对个体机构对金融系统风险边际贡献的量化估计。Brownlees and Enale则对该指标的适用性展开深入分析，其研究指出，相较于VaR测度，MES具备良好的可加性特征，能够在同一时点对不同机构的风险贡献进行横向比较；但该指标亦存在显著局限性，既未纳入机构杠杆与规模因素的影响，也忽略了金融网络的整体关联程度，难以全面且精准地刻画个体机构的系统风险贡献特征。另外，该研究团队进一步构建了SES指标，将其设定为MES与机构杠杆率的线性函数，以此实现对系统资本严重不足情境下个体机构资本亏损程度的针对性测度。第二种是违约概率度量。衍生品的价格与标的交易的违约概率密切相关，因此违约概率度量以衍生工具的价格作为研究对象，通过计算不同金融机构的违约概率来测度系统性金融风险。衍生品价格可获得性较好，具有高频特征，更主要的是能够及时反映金融机构违约可能性的变动情况。同时，衍生工具价格体现了金融市场对未来的预期，采用这一数据构建度量指标能够对系统性风险有较好的前瞻性。Huang等构建了困境保费(DIP)指标，即承保未来9个月内12家银行违约损失的保费金额，并将其作为衡量系统性金融风险的指标。第三种是关联性度量。系统性金融风险的传染关键在于金融参与者金融资产等之间的关联性。IMF在2009年的全球金融稳定性报告中提出，可以通过监测条件相关性来识别系统性金融风险。Billio等以不同类型的金融机构(上市银行、保险公司、对冲基金以及证券公司)作为研究对象，利用主成分分析法和格兰杰因果检验分析了机构之间的相关性以及动态特征。研究发现，市场崩溃往往伴随着金融关联性的上升。Kritzman引入吸收率作为测度系统性金融风险的指标，其主要作用是捕获市场紧密联结的程度，如果吸收率上升，市场紧密程度上升，则意味着市场脆弱性加剧，系统性金融风险也会上升。

国内关于系统性金融风险的测度方法研究相对较少，但也有诸多创新。王春丽和超玲为测度近年来我国金融风险，在llling和Liu指标的基础上利用马尔科夫区制转移嫌型对王际金融危机传染进行模拟，模拟结果显示我国金融风险主要来源于应对危机时信贷的较快增长、股票市场及其监管体系的不完善。杨子晖和周颖刚采用前沿的“有向无环图技术方法”以及网络拓扑分析方法，分析全球系统性金融风险的动态演变与全球金融市场的风险走势。方意基于Co ES指标构想,在左尾视角的基础上进一步引入右尾视角,构建下行和上行ΔCo ES分别作为系统性风险的同期度量指标和前瞻预警指标,并提出了更为有效合理且同时适用于下行和上行ΔCo ES的计算方法。傅强通过假设向量异质自回归模型(VHAR模型)的参数为时间t/T的函数，建立了高维度局部平稳的非参数时变VHAR模型（即tv-VHAR model），并利用拟贝叶斯局部似然（QBLL）估计方法，解决了维数灾难下的估计问题。进一步，为更准确度量系统性金融风险，对Baruník和Křehlík模型存在的缺陷进行修正，提出了联合网络关联度的频率成分指标。

四、防范系统性金融风险

系统性金融风险复杂多变，在研究和应对系统性金融风险时，需要综合考虑各种因素，制定全面、有效的风险防控策略，加强影子银行监管是重要的防范手段。

影子银行作为正规银行体系之外的信用中介体系，其隐蔽性、跨市场性特征易滋生风险，而杠杆过高、信息不透明正是引发系统性金融风险的关键诱因。因此，加强影子银行监管，需聚焦两大核心发力，通过严格控制杠杆效应、完善信息披露制度，筑牢金融安全防线，防范系统性金融风险发生。

严格控制影子银行杠杆效应，是防范风险的核心举措。影子银行常通过层层嵌套、质押融资等方式放大杠杆，脱离资本约束开展信用中介活动，一旦市场波动，风险易快速传导扩散。监管部门需明确各类影子银行业务的杠杆上限，严禁通过通道业务、嵌套操作规避杠杆管控，重点整治私募投资、对冲基金等机构的高杠杆操作。同时，强化资本约束，要求影子银行机构补足资本金，降低负债依赖，借助科技手段精准监测杠杆水平，对超标机构及时采取管控措施，遏制杠杆无序扩张，从源头压缩风险滋生空间。

完善信息披露制度，是提升监管效能的重要支撑。当前部分影子银行业务存在信息披露不完整、底层资产不透明等问题，形成风险“黑箱”，既不利于监管监测，也会加剧市场信息不对称。需建立统一的信息披露标准，明确披露主体、内容和时限，要求影子银行机构全面披露底层资产构成、风险状况、杠杆水平等关键信息，打破“资金池—资产池”模式的信息壁垒。同时，搭建统一的信息共享平台，推动监管部门、市场主体、投资者之间的信息互通，强化市场监督，倒逼影子银行规范运营，减少监管套利空间。

控制杠杆与完善信息披露相辅相成、协同发力，方能有效防范系统性金融风险。唯有双管齐下，强化影子银行全流程监管，才能规范其信用中介功能，遏制风险跨市场、跨机构传导，推动影子银行在合规前提下发挥补充实体经济融资的积极作用，维护金融体系的稳定与安全。

五、结论

本文通过梳理相关文献发现，系统性金融风险源于内外部双重因素，传导机制复杂且依托多元网络与渠道，其测度可通过概率分布、违约概率、关联性等方法实现，且国内测度研究逐步创新完善。当前宏观审慎监管虽保障了金融体系整体稳定，但单一监管机制存在局限，难以完全化解内生性风险。因此，防范系统性金融风险需强化影子银行监管，严控杠杆并完善信息披露，针对性开展高风险行业风险疏导，构建差异化监管预警体系，及时切断风险传播渠道，为维护金融稳定、助力经济高质量发展提供支撑。

参考文献：

1. [1] 宋凌峰,邬诗婕.经济增长状态与银行系统性风险——基于马尔科夫区制转移的CCA模型[J].管理科学,2017,30(06):19-32.
2. [2] 方意,荆中博.外部冲击下系统性金融风险的生成机制[J].管理世界,2022,38(05):19-46+71.
3. [3] 杨子晖,陈雨恬,黄卓.国际冲击下系统性风险的影响因素与传染渠道研究[J].经济研究,2023,58(01):90-106.
4. [4] 隋聪,迟国泰,王宗尧.网络结构与银行系统性风险[J].管理科学学报,2014,17(04):57-70.
5. [5] 方意.系统性风险的传染渠道与度量研究——兼论宏观审慎政策实施[J].管理世界,2016(08):32-57.
6. [6] 张琳,廉永辉,方意.政策连续性与商业银行系统性风险[J].金融研究,2022(05):95-113.
7. [7] Acharya V V, Pedersen L H, Philippon T, et al. Measuring systemic risk[J]. Review of Financial Studies,2017,30(01):2-47.
8. [8] Billio M, Getmansky M, Lo A W, et al. Econometric measures of connectedness and systemic risk in the finance and insurance sectors[J]. Journal of Financial Economics,2012,104(03):535-559.
9. [9] Aikman D, Kiley M, Lee S J. Mapping heat in the US financial system[J]. Journal of Banking & Finance,2017,81:36-64.
10. [10] 杨子晖,周颖刚.全球系统性金融风险溢出与外部冲击[J].中国社会科学,2018(12):69-90+200-201.
11. [11] 王春丽,胡玲.基于马尔科夫区制转移模型的中国金融风险预警研究[J].金融研究,2014(09):99-114.
12. [12] 傅强,石泽龙.系统性金融风险的联合网络关联度测量及频率研究——基于局部平稳的非参数时变VHAR模型[J].中国管理科学,2024,32(02):1-10.
13. [13] 王春丽,胡玲.基于马尔科夫区制转移模型的中国金融风险预警研究[J].金融研究,2014(09):99-114.
14. [14] Daníelsson J, Zigrand J P. Equilibrium asset pricing with systemic risk[J]. Economic Theory,2008,35(02):293-314.
15. [15] Ji Y, Bian W, Huang Y. Deposit insurance, bank exit, and spillover effects[J]. Journal of Banking & Finance,2018,96:268-276.