目前很多经典系统性风险度量模型主要基于机构对系统的同期影响,忽视了风险传染过程存在的滞后效应,从真实的证券市场情况来看,这类方法备受挑战。2015年,中国股市异常波动并且多次出现“千股涨停或千股跌停”现象,2016年又出现触发熔断机制的情况,充分反映了系统性风险的破坏力之大和传播范围之广。众多学者试图探索风险传染的真实状态并尽可能准确度量系统性风险的大小,这也是本文重点关注的问题。金融危机的频发,让系统性风险的定义也在不断更新,FSB、IMF和BIS(2009)在向G20提交的报告中将其定义为部分金融行业或整体处于极端风险时,大量金融机构陷入瘫痪并将实体经济带入危机的风险。关于系统性风险的度量方法是学者们重点研究的问题,主要从两方面考虑:一方面从宏观角度出发,选取合适指标构建综合指数反映系统压力情况,如Oet等(2011)提出的克利夫兰金融压力指数;另一方面是基于微观层面的模型法,如Adrian等(2010)在VaR基础上,分析了金融机构之间风险溢出效应,提出了CoVaR模型。上述方法均未考虑风险溢出的滞后效应。关于如何将风险传染的时滞性纳入模型从而完整地度量系统性风险,学术界暂时没有定论,有待进一步研究。本文在CoSP模型基础上,考虑不同滞后天数下溢出风险的大小,并从风险大小和持续时间两个角度刻画机构对系统性风险的贡献,最后利用回归分析寻找影响风险指标的因素。文章选用了沪深300指数成分股在2008年1月至2018年9月期间日收益率数据,分别针对六个行业指数滚动计算CoSP。采用平均超额CoSP和溢出久期度量单个机构的系统性风险贡献度及其持续时间,通过描绘代表性机构在危机前后两个样本期Fitted CoSP的变化,验证了系统性风险传染的存在显著的滞后效应。接着,将全样本机构按照风险指标值进行排序并分析风险溢出差异,对比四种风险指标的动态变化情况发现CoSP指标具有一定程度的预警功能。之后,通过各行业系统重要性机构数量随时间的变化来反映各个系统的脆弱性。最后,采用面板回归研究系统性风险大小及持续时间的影响因素。我们主要得出了以下几点结论:(1)我国系统性风险的传染过程普遍存在滞后效应,考虑滞后效应的风险指标平均超额CoSP和溢出久期能够较为准确地测量风险。(2)不同时期下,异质性机构的风险贡献不同,不同行业风险敞口不同。正常时期银行引发的系统性风险较大且自身承受的冲击也较大;而股灾时期保险机构系统性风险贡献较大,非金融行业更易受到冲击。(3)正常时期银行的溢出久期最长,银行板块受到冲击的持续时间也最长;股灾时期保险机构的溢出久期最长,非金融板块受到冲击的持续时间较长。(4)宏观审慎政策的制定既要考虑溢出效应的大小,也要重视溢出效应的持续时间,还需关注机构类别和系统类别的异质性。(5)机构的规模对系统性风险贡献及久期有显著影响,监管机构对此加以重视。文章的创新之处主要有以下几个方面:(1)既往的研究大多聚焦于金融机构对系统性风险的同期影响,忽视了风险传导过程存在滞后效应,我们将这种滞后效应考虑在内,并基于多个维度进行建模分析,度量结果更加客观。(2)传统的系统性风险度量指标往往以银行业或整个金融行业为研究对象,本文将金融企业和非金融企业纳入一个整体框架,使得分析结论更具有现实意义。(3)目前的研究仅关注了机构对系统的风险贡献度大小,忽视了这种冲击的持续时间,我们从平均超额CoSP和溢出久期两方面来描述风险的大小和持续时间,是一次很好的运用尝试。由于知识、能力和时间限制,文章仍有不足之处:(1)建模时仅考虑了约十年的收益率数据,运用到实际情况时应该考虑使用更多的数据样本或者对数据进行实时更新。(2)可以将不同行业间的风险传染纳入考虑,得到更加丰富合理的结论。