我国上市商业银行多元化经营与系统风险研究

刘傲琼+刘新宇

内容提要：“金融脱媒”让传统商业银行走上了业务多元化、服务多元化、收入多元化的道路，也产生了对银行业系统风险问题的特别关注。本文选取14家2008年之前上市的银行作为样本，将MES值作为系统风险的代理变量，分析银行多元化经营与MES值的关系，并使用银行规模作为区分不同类型银行的工具。研究表明我国城市商业银行、中小型股份制商业银行和国有大型商业银行提高多元化水平对系统风险的影响存在显著差异：城市商业银行提高多元化水平将提高面临的系统风险，而中小型股份制商业银行和国有大型商业银行提高多元化水平将降低面临的系统风险；当银行以稳定系统风险为前提调整多元化经营策略时，三类银行除考虑提高手续费收入及佣金的比例外，中小型股份制商业银行和国有大型商业银行还应考虑提高投资收益比例。

关键词：商业银行；多元化经营；系统风险

中图分类号：F83033文献标识码：A文章编号：1001-148X（2017）04-0063-10

一、引言

20世纪80年代以来，随着资本市场的不断发展，金融自由化、一体化的不断深入，金融工具、产品创新，利率市场化进程加快，银行“脱媒现象”日益严重并成为发展趋势。“脱媒现象”让我国商业银行的传统盈利模式遭受严重打击，作为利润主要来源的利差收入不断减少、负债结构短期化、优质客户不断流失等一系列问题使我国商业银行面临着巨大的挑战，但同时为我国商业银行带来了重大机遇。随着外资银行的不断进入，我国商业银行通过借鉴外资银行先进经营管理方式并结合本国国情和自身特点，为摆脱金融脱媒带来的损失，维持可持续发展的能力，不断加强中间业务和产品的创新，提升对企业和个人的综合服务能力，逐渐降低对传统信贷业务的依赖，走上了业务多元化、服务多元化、收入多元化的多元化经营道路。随着多元化经营的不断深化，多元化经营在增加我国银行收入来源、提高其利润水平的同时，随之而来的风险问题一直受到我国众多学者的关注。周开国和李琳（2011）[1]的研究表明中国商业银行收入结构多元化与银行风险间的关系并不显著，银行风险的降低主要归因于利息收入波动风险减小，而随着非利息收入占比的提高，非利息收入波动风险反而增加，对总风险的贡献值增加。刘孟飞等（2012）[2]将银行资产收益率标准差作为银行个体风险的代理变量，以银行收入结构的赫芬达尔指数作为多元化程度的代理变量建立回归模型，得出我国银行进行多元化能够降低自身风险的结论。黄国妍（2015）[3]指出，收入多元化程度提升有助于改善商业银行风险调整回报，降低银行破产风险。但由于非利息收入的高波动性，非利息收入比重提高，反而会降低银行风险调整回报、增加银行破产风险。然而我国银行多元化经营与系统风险的关系一直被学者所忽略。Brunnermeier等（2012）[4]首次以美国上市的538家银行为样本，研究银行非利息收入与系统风险之间关系，研究表明非利息收入占比越高其系统风险期望损失越大，导致的系统风险水平越高。De Jonghe等（2015）[5]指出多元化经营对银行系统风险贡献度的影响会随银行规模的变化而变化。目前，关于银行多元化经营与系统风险关系的研究仍处于起步阶段，张晓玫和毛亚琪（2014）[6]指出我国上市商业银行的非利息收入与银行的MES值呈显著的负相关关系，但这一研究忽略了银行规模的影响同时没有深入研究非利息收入各项对银行系统风险的具体作用。

基于此，本文在以上研究成果的基础上，首先选取2008年之前国内上市的14家银行作为样本，计算每家银行的MES，作为银行系统风险的代理变量，将多元化水平作为解释变量对MES值进行面板数据回归。其次将银行系统风险作为被解释变量，银行利息收入占比和各项非利息收入占比作为解释变量进行回归，试图找到银行利息收入和各项非利息收入的变动对银行系统风险的影响和作用方式。同时，本文将银行规模这一影响因素引入模型，加入了银行规模与解释变量的交叉项，通过交叉项系数的回归结果得到国有大型商业银行、中小型股份制商业银行和城市商业银行的差异性结果。

二、银行系统风险计算

边际期望损失（MES）是指当整体市场大幅下跌时，单个金融机构股权价值的预期损失。Acharya等（2010）[7]在原有计算金融机构风险方法的基础上，将机构期望损失进行发展，提出MES作为金融机构系统风险的衡量指标。这一指标也被范小云等（2011）[8]众多学者广泛地应用与系统风险的研究中。具体方法如下：

假设整个系统由N家銀行构成，系统性风险用ES表示。ri，t为银行i在t时刻的收益率，t时刻的市场收益率为rm，t，银行i的资产权重为θi，则有 。那么，当市场收益率发生小概率事件，低于C时的市场期望收益为：

那么银行i的MES定义为：

本文使用DCC-GARCH模型和非参数核估计对MES进行计算。

（一）数据选择

截止2016年11月，在我国大陆上市的银行共22家，其中中国农业银行、光大银行于2010年上市，江苏银行、贵阳银行于2016年8月上市，江阴银行、无锡银行、常熟银行于2016年9月上市，杭州银行于2016年10月上市，这些银行上市时间较短，其股票收益率的样本量过小，综合考虑各银行股票收益率数据的样本量需要，本文选取2008年之前上市的银行作为样本，其中包括国有银行4家：中国银行、工商银行、建设银行、交通银行；中小型股份制银行7家：中信银行、招商银行、平安银行、浦发银行、华夏银行、民生银行、兴业银行；城市商业银行3家：北京银行、宁波银行、南京银行。〖JP+1〗选取上述14家银行2007年10月8日至2016年10月28日每日的收盘价进行银行股票日收益率的计算，市场收益率选取沪深300金融指数收益率作为代表。设银行i股票的t日收盘价为Pi，t，日收益率为 ；同理设沪深300金融指数的t日收盘价为Pm，t，日收益率为 。所有数据均来自wind数据库。

（二）描述性统计

由MES计算的三个步骤，分别得到14家样本银行收益率、收益波动率、相关系数和最终的MES，统计结果见表1。

表1结果显示，在收益率方面：14家样本银行的股票日收益率平均值为-000028，从各类银行的统计结果中可以看到国有大型商业银行的股票日收益率平均值为-000017，在三类银行中最高；而中小型股份制商业银行的股票日收益率平均值为-000039，在三类银行中最低。在波动率方面：14家样本银行的股票日收益波动率平均值为000063，其中中小型股份制商业银行的股票日收益波动率平均值为0000739，在三类银行中最高；国有大型商业银行的股票日收益波动率平均值为0000429，明显低于其他两类银行；城市商业银行波动率与中小型股份制商业银行较为接近。在相关系数方面：14家样本银行的收益率与市场收益率的相关系数均值为0773634，其中中小型股份制商业银行的相关系数均值为0790804，在三类银行中最高；城市商业银行的相关系数均值为075874，明显低于其他两类银行。从最终的MES统计结果可以看出，14家样本银行的MES均值为0019249，当我国整体市场出现系统性风险（本文设定为市场收益率降低5%）时，我国银行的平均预期损失为0019249；其中中小型股份制商业银行的MES均值为0023026，高于其他两类银行；城市商业银行次之，国有大型商业银行的MES均值为0016246，在三类银行中最低。出现这一结果的可能性原因在于，中小型股份制商业银行的收益率与市场收益率的相关性最强，其自身波动率也最大，导致当出现系统风险时该类银行的预期损失高于其他两类银行；而城市商业银行虽然波动率并非最小，但是其收益率与市场收益率的相关性最弱；国有大型商业银行的相关系数虽与中小型股份制商业银行接近，但其波动率最低，导致其预期损失低于其他两类银行。本文根据14家银行2007年10月8日至2016年10月28日的数据对MES值进行计算并将14家银行的计算结果进行排名，统计结果见表2。从表2中可以看出，MES均值排在前三位的依次是兴业银行、平安银行和南京银行；在前七位银行中6家为中小型股份制银行，而4家国有大型商业银行在最后四位。MES代表了当整个市场出现系统性风险时，各银行的抗风险能力，MES值越高，抗系统风险能力越低。这一结果表明，我国中小型股份制银行的MES值最高，其抗系统风险能力最低；国有大型商业银行的MES值最低，抗系统风险能力最高。

三、银行MES值与多元化水平的回归分析

（一） 变量的选取和定义

1.被解释变量

从前文中计算得出的各个银行的MES作为银行系统性风险的代理变量，将MES值作为被解释变量与银行多元化水平等解释变量分别建立面板数据模型来进行实证分析。

2.解释变量

本文将银行的非利息收入划分为手续费收入及佣金、投资收益、汇兑收益和其他业务收入，选择经过调整后的赫芬达尔指数来计算银行的多元化水平，调整后的银行收入的赫芬達尔指数是指1减去银行利息收入、各项非利息收入与该银行总收入之比的平方和，计算公式为：

其中，si为各项收入占总收入的比重，n=5。按照赫芬达尔指数的定义，H越大，说明银行的收入分散度越高，多元化水平越高；H越小，说明银行利息收入与非利息收入的比例差距越大，收入集中度越高，多元化水平越低。

3.控制变量

影响银行多系统风险的因素研究主要集中在两个方面，一是外部经济环境，如国家经济政策、经济增长、利率水平变化等。二是银行自身特征，包括银行资产规模、治理结构等。

借鉴已有研究成果，本文从以上两个方面对控制变量进行选择：首先选择我国GDP增长率作为外部经济环境对我国银行系统风险影响的代理变量；其次从银行的资产规模、资本结构、风险承受力等方面，选择代理变量加入回归模型中以达到控制银行自身异质性的目的。（1）银行规模。Pais和Stork（2013）[9]指出银行内部的委托代理问题会随着银行规模的增长而变得严重。Huang等 （2012）[10]在研究银行系统风险时认为大型银行“大而不倒”现象严重，所以银行规模是系统性风险必须考虑的因素。（2）所有者权益资产比。所有者权益资产比是银行偿债能力、运营能力等的综合表面，反映了银行的整体发展，是研究银行问题时重要的控制变量之一。（3）资金实力。本文选择存贷款比例作为银行资金实力的代理变量。从风险角度看，存贷比越高，意味着银行应对集中挤兑的能力越弱，银行自身风险水平也就越高，所以本文将贷款与总资产之比作为控制变量。（4）风险承受力。本文选择资本充足率和不良贷款率作为银行个体风险控制变量。资本充足率代表了银行对负债的最后偿还能力，不良贷款率则体现了银行的资产质量。

所有回归变量定义如表3所示。

（二）数据选择与描述性统计

前文已经算出银行MES的日频值，而银行的其他控制变量和多元化水平的最高频率为季度，所以为了进行回归分析，本文将银行MES的日频值进行季度平均，作为季度数据进行回归。其他变量数据主要来自wind数据库，数据库中缺失数值通过手动查阅银行季报获得。

本文所涉及各变量的描述性统计结果如表4所示。由表4可知，我国上市银行的多元化水平均值为0197413，其中中小型股份制商业银行的多元化水平最高，而城市商业银行的多元化水平最低且与其他两类银行有相当的差距。在控制变量方面，我国银行的所有者权益资产比均值为094093、存贷比均值为0703629，各类银行之间的差异相对较小，而资本充足率和不良贷款率的差异相对较大。这一结果表明，我国银行的资本结构和资金实力结构趋同而银行的资产质量和抗风险能力却有较大差异。

（三）模型建立

为了研究我国商业银行多元化水平与MES之间的关系，同时对不同类型银行加以区分，本文选择面板数据回归模型，将各银行的总资产自然对数与多元化水平的交叉项引入模型中，以资产规模作为区分我国商业银行类型的工具，研究银行多元化水平对MES的差异性影响。本文首先对模型进行Hausman检验，发现模型应采用随机效应模型，同时由于样本数据量较小，为了避免模型可能存在的自相关性和异方差性，本文选择广义最小二乘法进行系数估计。其次，研究者们（De Jonghe等，2015）[5]发现金融机构具有一定风险滞后性，使用同期解释变量并不妥当，所以本文使用滞后1期的解释变量进行回归。模型如下：

（四）回归结果分析

表5为以银行MES值作为被解释变量，多元化水平、银行规模和两者的交互项为解释变量进行面板数据回归的结果。从结果中可以看出：（1）模型（1）中没有加入银行规模与多元化水平的交互项，其银行规模的系数为-000495077，多元化水平的系数为-003798，两者与MES值均呈显著的负相关关系。在模型（1）的基础上加入银行规模与多元化水平的交互项，得到模型（2）的结果，从结果中可以看到银行规模的系数绝对值减小并仍显著为负，而多元化水平变为096078833并显著，交互项系数为-003482178并显著。这一结果表明，银行规模的大小会显著影响多元化水平与银行MES的关系。当银行规模较大时，银行提高多元化水平将降低自身的MES，即降低其系统风险水平；而银行规模较小时，提高多元化水平將增加其MES，提高银行面临的系统风险水平。从结果中可以看出，当银行规模自然对数小于2758时，多元化水平与MES之间是正向相关关系，但多元化水平对MES的提高效应会随银行规模的不断增加而下降；当银行规模自然对数大于2758后，多元化水平与MES之间变成负向相关关系，并且系数的绝对值随银行规模的扩大而不断增加。我国城市商业银行2006年的平均资产规模为240889，2015年的平均资产规模为256203；中小型股份制商业银行2006年的平均资产规模为2735044，2015年的平均资产规模为289537；而国有大型商业银行2006年的平均资产规模为291661，2015年的平均资产规模为303312。城市商业银行在研究期间的平均资产规模基本小于2758，其MES值随多元化水平的上升而提高；国有大型商业银行的平均资产规模远大于2758，其MES值随多元化水平的上升而降低；而中小型股份制商业银行从2006年至2009年，平均资产规模小于2758，而从2010至2015年，平均资产规模大于2758，其MES值与多元化水平呈倒U型的关系。（2）在控制变量方面，结果显示银行所有者权益资产比、不良贷款率的系数显著为正，所有者权益资产比的提高将降低银行MES值，降低其面临的系统风险；不良贷款率的提高将增加银行MES值，增大其面临的系统风险。GDP在两模型中的系数均显著为负，说明宏观经济的良好发展会降低银行的收益波动率和市场相关系数，进而降低银行所面临的系统风险水平。

注：括号内为t值，置信度在1%、5%、10%水平下显著分别用***、**、*表示（下同）。

四、进一步研究

（一）模型建立

现阶段各类银行进行多元化经营所选择的主要方式均为扩大中间业务规模和提高服务多样性进而提高手续费及佣金收入，但各类银行仍存在一定差异，除了手续费及佣金收入外，投资收益、汇兑收益、其他业务收入均是银行进行多元化经营所获得的非利息收入来源。若各项收入对银行系统风险产生的作用不同，将导致多元化水平相同、规模相似的银行，由于收入结构的不同，其所面临的系统风险水平很有可能并不相同，甚至差别较大。这就意味着只单一使用多元化水平作为银行多元化经营的代理变量，计算其与MES值之间的关系较为笼统，无法全面深刻地反映银行多元化经营给银行系统风险带来的影响。为了深入研究银行的收入多元化结构与银行系统风险的关系，探究银行的利息收入和各项非利息收入的变动对系统风险产生的影响，本文将利息资产收入比和各项非利息资产收入比作为解释变量，银行MES值作为被解释变量建立面板数据回归模型，模型如下：

其中，yin代表银行i各项收入占总收入的比例，包括利息收入、手续费收入及佣金、投资收益、汇兑收益、其他业务收入，n=1，2，…，5。

（二）变量、数据选择与描述性统计

本文选取我国14家上市银行2007年第四季度至2016年第三季度各项收入数据，所有数据主要来自wind数据库，数据库中缺失数值通过手动查阅银行季报获得。

各类银行各项收入资产比的描述性统计见表6。从表6的结果中可以看到，我国上市银行的利息收入资产比为055210，远高于其他非利息收入资产比。手续费及佣金资产比高于其他非利息收入资产比，手续费及佣金为我国银行的主要非利息收入来源。在各类银行的描述性统计结果中可以看出：在利息收入方面，城市商业银行的利息资产比高于其他两类银行，而中小型股份制银行的利息资产比最低。在非利息收入方面，中小型股份制商业银行的手续费及佣金资产比和汇兑收益资产比高于其他两类银行，城市商业银行的投资收益比较高而国有大型商业银行的其他业务收入资产比较高。这一结果表明我国各类银行进行多元化经营的方式相似但略有不同，各类银行获取非利息收入、提高多元化水平的主要方式均为扩大产生手续费及佣金收入的中间业务规模，同时各类银行在其他非利息收入业务方面呈现出不同的发展状态。

（三）回归结果分析

表7为MES值作为被解释变量，银行各项收入占比、银行规模和两者的交互项为解释变量进行面板数据回归的结果。从结果中可以看出：各项收入占比的系数和显著性存在明显差异。（1）利息收入占比的系数在两模型中的系数均显著为负，同时模型（4）中，利息收入占比与银行规模的交叉项显著为正，说明银行规模发生变化时，利息收入占比与MES之间的关系将发生变动。当银行规模小于293614时，银行降低利息收入占比将增加自身的MES，即增加其系统风险；而银行规模大于293614时，降低利息收入占比将减小其MES，降低银行面临的系统风险水平。我国城市商业银行和中小型股份制银行的资产规模与293614有一定差距，而国有大型商业银行从2008年起平均资产规模（自然对数）已经超过293614，所以在样本研究时间段内，城市商业银行和中小型股份制商业银行的利息收入占比在不断下降，这一趋势提高了各类银行的系统风险，然而国有大型银行的资产规模超过这一临界值后，利息收入占比的继续下降将降低银行的系统风险。（2）手续费及佣金占比系数在模型（3）、（4）中均显著为负，加入交叉项系数后，手续费及佣金占比和交叉项系数均不显著，这一结果说明手续费及佣金占比与银行MES值呈显著的负相关关系，手续费及佣金比例的提高起到了降低银行系统风险的作用，银行规模的大小对这一作用没有显著的影响。（3）投资收益的系数在两类模型中均显著为正，同时模型（4）中，投资收益占比与银行规模的交叉项显著为负，说明银行规模发生变化时，投资收益占比与MES之间的关系将发生变动。当银行规模大于2732时，银行提高投资收益占比将降低自身的MES，即降低其系统风险；而银行规模小于2732时，提高投资收益占比将增加其MES，提高银行面临的系统风险水平。城市商业银行的规模平均值在样本时间段内均小于2732，而中小型股份制商业银行与国有大型商业银行的规模均大于2732，这就意味着提高投资收益占比会提高城市商业银行的系统风险，而对其他两类银行而言则会降低其系统风险。（4）汇兑收益占比系数在模型（3）、（4）中均显著为正，交叉项系数不显著，表明汇兑收益占比与银行MES值呈显著的正相关关系，汇兑收益比例的提高增加了银行系统风险，银行规模的大小对这一关系没有显著的影响。其他业务收入占比系数不显著，其占比变化对银行系统风险没有显著的作用。从非利息收入占比系数的结果可知，除投资收益外，其他非利息收入的提高对各类银行的系统风险影响一致，各项非利息收入的提高不会因为银行规模的不同而对系统风险产生不同的影响。（5）在控制变量方面，银行所有者权益资产比、不良贷款率在所有模型中的系数显著为正，GDP在所有模型中的系数均显著为负，这一结果与表6的结果保持一致，说明本文模型结果具有一定的稳定性。

五、稳定性检验

首先，本文使用另一个变量CoVaR作为银行系统风险代理变量，使用GARCH模型计算ΔCoVaR 作为MES值的替代变量对14家银行的系统风险贡献度重新计算和排序（Mainik和Schaanning，2014）[11]，除平安银行、南京银行的排名顺序发生变化外，其他12家银行均未发生变化。

其次，本文使用另一种计算方法对MES值进行计算，即找到样本时间段内市场表现最差5%的具体日期，计算此日期内银行股票收益率的均值作为MES值的测度（Acharya等，2010）[7]。即：

按照计算结果对14家银行重新进行排序，排名顺序未发生变化，说明本文使用的MES值计算结果具有稳定性。

第三，使用熵方法对银行的多元化水平进行计算（魏成龙和刘建莉，2007）[12]，計算结果显示我国中小型股份制商业银行的多元化水平最高、城市商业银行的多元化水平最低，与文中使用赫芬达尔指数进行计算的结果保持一致。

第四，将ΔCoVaR和重新计算的MES值分别带入模型（1）、（2）（3）、（4）中，并将赫芬达尔指数替换成熵指数进行回归，结果显示多元化水平、公司规模和两变量的交叉项系数的正负号和显著性没有发生变化，说明本文变量之间的回归结果具有稳定性。

六、结论与建议

本文得到以下结论：

1.我国中小型股份制银行的MES值最高，〖JP+1〗其抗系统风险能力最低，其次为城市商业银行。国有大型商业银行的MES值最低，抗系统风险能力最高。

2.在不考虑银行规模与多元化水平的交互影响时，银行多元化水平的提高会显著降低银行的MES值，银行进行多元化会降低银行的系统风险。当考虑银行规模与多元化水平的交互影响时，我们发现我国城市商业银行提高多元化水平将提高面临的系统风险，而中小型股份制商业银行和国有大型商业银行提高多元化水平将降低面临的系统风险。

3.在不考虑银行规模与多元化水平的交互影响时，利息收入占比和手续费及佣金比例的提高起到了降低银行系统风险的作用，汇兑收益占比、投资收益占比的提高会增加银行的系统风险，其他业务收入占比的变化对银行系统风险没有显著的作用。考虑交互影响后得出，利息收入占比的不断下降会增加城市商业银行和中小型股份制银行的系统风险而降低国有大型商业银行的系统风险；提高投资收益占比会提高城市商业银行的系统风险，而对其他两类银行而言则会降低其系统风险。

根据结论，结合中国商业银行现阶段的实际情况，对银行多元化经营提出以下建议：

1.我国城市商业银行不应盲目扩张规模，提高多元化水平，而忽略多元化经营对银行系统风险的影响[13]。虽然从总体上来看，我国商业银行提高多元化水平起到了分散银行系统风险的作用，但从回归结果中可知，不同类银行多元化经营对系统风险的影响存在显著差异。城市商业银行提高多元化水平将提高面临的系统风险，而中小型股份制商业银行和国有大型商业银行提高多元化水平将降低面临的系统风险。这就意味着在这种情况下，我国城市商业在现阶段如果盲目提高银行的多元化水平会为自身带来较高的系统风险。所以城市商业银行应理性进行多元化经营，充分考虑多元化对系统风险的作用。

2.我国商业银行多元化经营方式应差异化而非趋同化。银行在选择多元化经营策略时应将系统风险作为其考虑的重要因素之一。本文的研究结果显示，开展中间业务，获取手续费收入及佣金一直是我国各类商业银行进行多元化经营的主要手段。然而结果显示对于城市商业银行而言，除手续费及佣金收入占比提高能够降低系统风险外，其他各项非利息收入均会提高其系统风险水平同时利息收入占比的降低同样会提高系统风险水平，这就意味着城市商业银行若在考虑稳定系统风险的前提下获取非利息收入的方法应该是提高手续费及佣金收入的占比。对于中小型股份制商业银行和国有大型商业银行而言，除手续费及佣金收入外投资收益占比的提高同样会降低其系统风险，那么两类银行同样可以适当提高投资收益的占比。

参考文献：

[1]周开国， 李琳. 中国商业银行收入结构多元化对银行风险的影响[J].国际金融研究， 2011（5）： 57-66.

[2]刘孟飞， 张晓岚， 张超. 我国商业银行业务多元化， 经营绩效与风险相关性研究[J].国际金融研究， 2012（8）： 59-69.

[3]黄国妍. 中国商业银行收入结构多元化能够分散银行风险吗？[J].金融经济学研究， 2015（6）：16-28.

[4]Brunnermeier M K， Dong G N， Palia D. Banks′ non-interest income and systemic risk[C].AFA 2012 Chicago Meetings Paper，2012.

[5]De Jonghe O， Diepstraten M， Schepens G. Banks′ size， scope and systemic risk： What role for conflicts of interest？[J].Journal of Banking & Finance， 2015，61：S3-S13.

[6]张晓玫， 毛亚琪.我国上市商业银行系统性风险与非利息收入研究——基于 LRMES 方法的创新探讨[J].国际金融研究， 2014（11）： 23-35.

[7]Acharya， V.， Pedersen， L， Philippon， T.， et al. Measuring Systemic Risk[R].The Seventeenth Dubrovnik Economic Conference， 2010.

[8]范小云，王道平，方意.我国金融机构的系统性风险贡献测度与监管-基于边际风险贡献与杠杆率的研究[J].南开经济研究，2011（4）：3-20.

[9]Pais A， Stork P A. Bank size and systemic risk[J].European Financial Management， 2013，19（3）： 429-451.

[10]Huang X， Zhou H， Zhu H. Systemic risk contributions[J].Journal of financial services research， 2012，42（1-2）： 55-83.

[11]Mainik G， Schaanning E. On dependence consistency of CoVaR and some other systemic risk measures[J].Statistics & Risk Modeling， 2014， 31（1）： 49-77.

[12]魏成龙， 刘建莉. 我国商业银行的多元化经营分析[J].中国工业经济， 2007（12）： 85-93.

[13]谢俊明.我国商业银行规模对银行风险承担的影响研究[J].哈尔滨商业大学学报：社会科学版，2015（6）：71-78.

（责任编辑：周正）

收稿日期：2016-12-07

作者简介：刘傲琼（1989-），女，河北唐山人，南京大学经济学院博士研究生，研究方向：银行风险管理；刘新宇（1986-），本文通讯作者，男，内蒙古包头人，南京大学博士后流动站/江苏银行博士后工作站联合培养在站博士后，研究方向：大数据与风险管理。