二、市场模型法
市场模型法主要是以公开市场股价、经济金融数据来建立模型。由于计算过程中采用了股票市场的交易数据，因此能更好地反映未来不可观测到的信息。目前，国内外学者基于市场模型法发展了大量可以度量银行（银行体系）危机所造成的系统性（个体银行）损失以及银行系统重要性的指标。其中，代表性的指标如Acharya et al.（2010）边际期望损失（Marginal Expected Shortfalls，MES）[1]，Banulescu and Dumitrescu（2015）成分期望损失（A Component Expected Shortfall，CES）[2]，Brownlees and Engle（2016）的SRISK方法[3]。在上述指标基础上，Wei B et al.（2014a）采用MES作为银行系统性风险度量指标研究了银行合并对系统性风险的影响，发现银行业的整合会使得银行业的集中程度增加，竞争程度降低，银行系统性风险有所增加，从而验证了“集中-脆弱”假说[4]。Wei B et al.（2014b）进一步对导致系统性风险增加的因素进行了实证研究，发现所有的银行财务指标如规模、杠杆、非利息收入、信贷质量对银行系统性风险都没有持续的影响，而各国的一些宏观经济变量和管制差异反而会显著影响系统性风险的大小。范小云等（2011）运用MES指标考察了我国金融机构在美国次贷危机期间及前后对金融系统的边际风险贡献程度，发现边际风险贡献与杠杆率较高的金融机构在危机中边际风险贡献较大，且该效应存在周期性特征。朱波等（2016）采用CES的方法对我国2008—2014年14家上市银行系统性风险进行度量，并考察了非利息收入与系统性风险的关系，发现对于大银行而言非利息业务分散了系统性风险，对于小银行反而加大了系统性风险，所以信息披露质量的差异是这种非对称效应存在的原因。
近年来，随着分位数回归技术的发展，Adrian and Brunnermeier（2011）提出了条件在险值（CoVaR）的方法，该指标衡量了单个金融机构处于危机时，整个金融体系的在险值VaR。金融机构分别处于危机和正常状态下的条件在险值的差（ΔCoVaR）就构成了该机构对系统性风险的贡献。同时，利用该方法中的回归系数Beta也可以获得单个银行系统重要性的估计值。Girardi and Ergün（2013）、Calluzzo and Dong（2015）、郭卫东（2013a）、李明辉和黄叶苨（2017）运用该方法进行了实证研究。Girardi and Ergün（2013）利用该方法得出了与Adrian and Brunnermeier（2011）不一样的结论，认为个体的VaR与ΔCoVaR之间无论是横截面上还是时间序列上均存在很弱的相关关系。由于Girardi and Ergün（2013）并没有完全按照Adrian and Brunnermeier（2011）的方法来定义突发事件，因此结论的不同很可能是由于指标的差异造成的。Calluzzo and Dong（2015）用CRSP的数据研究了2005—2011年的金融机构风险的变化，发现金融危机后金融机构的个体风险变小，但是金融市场变得更加脆弱和紧密。郭卫东（2013b）运用该方法对中国14家上市银行2008年1月—2012年6月的数据进行研究，结果显示中国银行的系统重要性最高，建设银行、工商银行、交通银行、北京银行、中信银行次之，平安银行最低。
在系统性风险的因素分析上，López-Espinosa et al.（2012）采用全球的样本发现，银行间市场上的短期批发融资（short-term wholesale funding）是诱发系统性风险的重要原因。高国华和潘英丽（2011）采用我国14家上市银行2002年11月13日—2010年11月18日的数据发现，银行的溢出风险Δ CoVaR、自身风险VaR水平、不良贷款率以及宏观经济波动对预测银行系统性风险的边际贡献具有显著作用。李明辉和黄叶苨（2017）发现国有大型银行的条件在险值CoVaR和系统性风险溢出Δ CoVaR远高于股份制银行，规模和关联性是系统性风险溢出的重要解释变量。
国内其他学者，如严兵等（2013）采用多变量极值模型（EVT）、范小云等（2012）采用网络模型、巴曙松和高江健（2012）采用自建指数的方法、梁琪等（2013）采用SRISK方法、梁琪和李政（2014）采用Shapley值的方法对银行系统重要性都进行了类似研究，发现系统重要性与银行资产规模排名较为一致。(https://www.daowen.com)
纵观现有国内外研究文献，金融危机后，尤其BCBS（2011）发布系统重要性银行后，人们对于银行系统性风险、系统重要性的研究越发重视。学者们从不同的角度构建了大量的研究指标来对各国银行体系的系统性风险和各银行的系统重要性进行了广泛而深入的研究。各研究方法都有各自的理论假设前提和设定方法，指标在对数据的拟合程度上也各有优劣。
然而，与银行财务数据相比，运用股票收益率来计算系统性风险较为普遍，主要因为其具有三方面的优势：第一，银行财务数据反映其过去经营情况，而股价收益率具有前瞻性，反映的是市场对未来累积收益的预期。第二，按照现代资产定价的观点，股票价格是标的为公司资产的看涨期权的价格（Merton，1974），其本身就包含了公司的违约信息。第三，与基本面数据不同，股价数据具有简单、稳健、高频的特点，因此运用该数据构造有关指标能克服数据上的诸多局限性（陈忠阳和刘志洋，2013）。
文献梳理后，本书综合各方面因素的考虑，最终选用MES（Acharya et al.，2010）来衡量未发生危机时，市场表现水平在5%以下水平时，单个金融机构对整个金融系统风险（或期望损失）的边际贡献。