关于银行系统性风险的测度，往往是做银行风险和宏观审慎等相关课题的第一步，也是比较难的一步。下面谈谈我自己的一些方法与总结：

方法一：CCA方法。


CCA方法为传统的B-S期权定价理论(Black and Scholes, 1973)的推广，首先经过Merton(1974)拓展，主要用来对公司债务进行定价，并经过Moody公司的的进一步完善，用来估计借款企业违约概率，而Gray Merton and Bodie(2007)成功拓展了该方法的适用范围，用于改善中央银行风险测度和管理国民经济宏观金融风险。CCA方法主要用于求解银行的违约距离DD，具体参照吴恒煜、胡锡亮和吕江林（2013）：

STEP1 使用CCA方法先对单个银行的违约风险进行测度，使用Matlab进行迭代求解违约距离DD。

STEP2 然后系统性风险的测度就是基于DD的处理：我们可以采用算术平均方法求得ADD，抑或是加权平均方法WDD，抑或是资产组合方法PDD，具体参照吴恒煜、胡锡亮和吕江林（2013）。

方法二：MES方法。

2.1 静态MES模型。主要根据Acharya et al.(2010)的方法来构建，取给定时间区间内（未发生系统性风险事件）的市场收益最差的5%作为MES测度，使用历史数据来完成。具体参照范小云、王道平和方意（2011）。

2.2 动态MES模型。主要根据Brownlees and Engle(2010)的方法来构建，动态MES模型采用的动态方法是DCC-MVGARCH模型。具体参照方意、赵胜民和王道平（2012）。求解步骤分为两步：

STEP1 先对银行收益率序列和市场指数收益率序列进行零均值处理，然后根据TGARCH模型得到标准化的残差序列。STATA里面有tarch函数可以处理。

STEP2 然后将标准化的残差序列输入到DCC-MVGARCH模型，求解出市场指数和银行的动态时变波动率序列，以及银行和市场指数的动态时变协方差序列，拥有了协方差和各自的方差之后便可按照公式直接求出银行和市场指数的动态相关系数序列。拿到动态波动率和动态相关系数后，便可求出动态的MES。可以先安装一个USCD GARCH工具箱到Matlab中，然后在Matlab中调用dcc-mvgarch函数。

方法三：CoVaR方法。

主要采用Adrian and Brunnermeier(2009)的方法，使用△CoVaR来度量系统性风险。在计算△CoVaR之前，我们需要先采用分位数回归的方法来计算条件在险价值（CoVaR），然后△CoVaR就是CoVaR和VaR之差。在传统度量市场风险的方法中，VaR(Value at Risk)在险价值方法是主流方法，其代表一定的概率水平下，资产或投资组合在未来特定时间内的最大可能损失。Adrian and Brunnermeier(2009)在VaR模型基础上，建立了考虑金融机构之间风险溢出关系的条件在险价值模型，称为CoVaR模型，它表示在一定概率水平下，当某一资产在未来特定时间内的损失等于VaR时，其他资产或投资组合的最大可能损失。CoVaR方法主要应用于测度单个银行倒闭给其他银行或是银行体系所带来的风险溢出效应，运用此种测度方法可以有效的识别出对银行体系有系统性重要影响的金融机构，并可以捕捉到单个银行系统性风险的边际贡献。具体参照李玉贤(2012)：

STEP1 基于CCA方法，得到DD，然后求出△DD。

STEP2 以△DD的截面加总作为因变量（即系统性的DD变化），以△DD作为自变量，引入系列的控制变量，按照分位数回归（可取下分位点5%）的方法，求得分位点beta系数。

STEP3 求解△CoVaR=CoVaR-VaR=分位beta系数*（分位△DD-中位数△DD）。可以使用STATA的qreg命令进行分位数回归并提取分位beta系数。

方法四：Shapley方法。

主要根据Tarashev et al.（2011）的方法来计算Shapley值。将总的系统风险分配到单个机构中，银行对系统性风险的贡献不仅包括自身在系统性事件中所产生的损失，而且还包括自身发生危机时对其他银行损失所造成的影响。基于Shapley值的系统性风险测度还具有可加性的特点。具体参照王钰（2014）：

STEP1 根据CCA方法，算出违约概率。

STEP2 基于银行历史数据，通过PCA方法得到共同因子载荷。

STEP3 根据扩展的渐进单风险因子模型（高斯单因素模型），利用各银行的规模、违约概率以及共同因子载荷三个因素，采取Monte Carlo方法模拟各银行的资产价值，得到系统性损失的分布。

STEP4 根据蒙特卡洛模拟结果,用ES方法计算出系统中任意一个子系统的系统性风险，将系统性风险根据Shapley值方法分配到系统中的各个银行，计算出各银行的系统性风险。可以使用STATA调用shapley2函数进行Shapley值分解。

P.S. 当然了，刚才提到的Shapley方法只是最后一步才用到，也就是说Shapley方法只是将待使用的指标进行分解，并使得分解后的指标具有可加性的算法。之前的系统性风险指标的计算过程还可以采用其他的理论依据和实证步骤，比如贾彦东（2011）和梁琪、李政（2014）的基于网络模型的分析。

总结：至于那种方法孰优孰劣，我这里不予置评，因为每一种都有各自的特点和焦点。系统性风险的测度和评估是一项系统工程，基于单个指标及其衍生指标的测度只能从某个方向去反映。真正的评估应该是通过一系列方法将系统性风险的指标值算出来后，按照指标值然后进行系统性重要银行的排序，基于多个指标得到多种排序，最后采用综合打分法建立一个综合的评价体系。

参考文献：
Acharya V V, Pedersen L, Philippon T, Richardson M. Measuring Systemic Risk[R]．NYU Working Paper，2010.
Brownlees C T, Engle R F. Volatility, Correlation and Tails for Systemic Risk Measurement[R]. NYU Working Paper，2010.
Adrian T, Brunnermeier M K. CoVaR[R]. Federal Reserve Bank of New York Staff Report, 2009, No.348.
Tarashev N A, Borio C E V, Tsatsaronis K. Attributing Systemic Risk to Individual Institutions[R]. BIS Working Papers, 2011, No.308.
吴恒煜, 胡锡亮, 吕江林. 我国银行业系统性风险研究——基于拓展的未定权益分析法[J]. 国际金融研究, 2013(7):85-96.
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.
方意, 赵胜民, 王道平. 我国金融机构系统性风险测度——基于DGC-GARCH模型的研究[J]. 金融监管研究, 2012(11):26-42.
李玉贤. 我国上市商业银行风险溢出效应的测度及分析研究——基于CoVaR模型的分析[J]. 陕西科技大学学报:自然科学版, 2012, 30(2):115-121.
王珏. 基于Shapley值的银行系统性风险度量研究[D]. 大连理工大学, 2014.
贾彦东. 金融机构的系统重要性分析——金融网络中的系统风险衡量与成本分担[J]. 金融研究, 2011(10):17-33.
梁琪, 李政. 系统重要性、审慎工具与我国银行业监管[J]. 金融研究, 2014(8):32-46.