摘要: 本文基于异质市场假说和高频数据,利用高频数据采样频率高及富含波动信息的特点,构造多银行和系统间多元联合分布过程,并将银行间的动态联系纳入考虑,构建了蕴含丰富经济意义、形式灵活的高频动态多条件CoVaR模型及基于此的群体性系统性风险贡献指标。从群体分析视角出发,研究了不同商业银行群体对金融体系的风险溢出效应。结果显示:就系统性风险贡献度而言,该模型准确刻画了近年不同时期下我国三类商业银行系统性风险贡献度的时变特征,其表现为在次贷危机及欧债危机、我国“钱荒”时期及股票市场异常动荡时期,由于风险的传染性等特征导致三类商业银行的系统性风险贡献度均有所上升,而在其他时期则相对平稳;就单个银行对系统的风险溢出影响而言,工商银行的风险溢出比率最大,与其庞大的资产规模以及在金融体系中的重要地位与作用密不可分;当分析同类型银行群体的风险冲击时,国有商行类的系统性风险溢出比率值最高,其次为股份制商行类,该两类的溢出比率相差无几,且均远大于城商行类,表明股份制商行对金融系统的风险溢出影响不可小觑;当剖析不同类型银行群体时,此模型同样适用。本文所构模型能够实现多个银行对金融系统极端风险贡献的度量,可为监管部门的分类监管及有限能力下银行救助顺序的确定提供一定参考依据。