中國上市銀行系統(tǒng)性風(fēng)險度量基于MES方法的分析

宋清華+姜玉東

摘 要：運用邊際預(yù)期損失（MES）方法，通過DCCGARCH模型和非參數(shù)估計計算我國14家上市銀行的邊際預(yù)期損失，并結(jié)合資產(chǎn)規(guī)模和杠桿率等因素度量各上市銀行的系統(tǒng)性風(fēng)險。研究結(jié)果表明，雖然資產(chǎn)規(guī)模、杠桿率和邊際期望損失都是決定系統(tǒng)性風(fēng)險的重要因素，但我國上市銀行的系統(tǒng)性風(fēng)險總體表現(xiàn)為：規(guī)模越大的銀行，系統(tǒng)性風(fēng)險也越大，即大型商業(yè)銀行的系統(tǒng)性風(fēng)險最大，股份制商業(yè)銀行次之，城市商業(yè)銀行的系統(tǒng)性風(fēng)險最小。此外，三類商業(yè)銀行的系統(tǒng)性風(fēng)險隨時間呈不同的變化趨勢。

關(guān)鍵詞： 系統(tǒng)性風(fēng)險；上市銀行；邊際預(yù)期損失；DCCGARCH模型

中圖分類號： F830 文獻(xiàn)標(biāo)識碼： A 文章編號：1003-7217（2014）06-0002-06

一、引 言

2007～2009年的國際金融危機暴露了系統(tǒng)性風(fēng)險監(jiān)管的缺失。危機過后，各國監(jiān)管當(dāng)局紛紛加強了系統(tǒng)性風(fēng)險度量和系統(tǒng)重要性金融機構(gòu)識別的研究與探索，并將監(jiān)管理念從關(guān)注單個金融機構(gòu)的微觀審慎監(jiān)管轉(zhuǎn)變?yōu)樽⒅胤婪断到y(tǒng)性風(fēng)險的宏觀審慎監(jiān)管。盡管我國金融體系在此次金融危機中受到的直接沖擊較小，但隨著全球經(jīng)濟一體化和我國金融市場的進一步開放，我國金融體系遭受系統(tǒng)性風(fēng)險沖擊的可能性正不斷加大?！耙恍腥龝痹?012年9月公布的《金融業(yè)發(fā)展和改革“十二五”規(guī)劃》中明確將“加強對系統(tǒng)性金融風(fēng)險的防范和預(yù)警”、“建立健全適合中國國情的系統(tǒng)性金融風(fēng)險監(jiān)測評估方法和操作框架”列入未來我國金融改革的重要著力點。我國金融市場以間接融資為主導(dǎo)的融資模式?jīng)Q定了金融體系中大部分風(fēng)險都集中在銀行系統(tǒng)，因此，對我國商業(yè)銀行系統(tǒng)性風(fēng)險的度量是加強系統(tǒng)性金融風(fēng)險防范和預(yù)警亟待解決的問題。

二、文獻(xiàn)綜述

實現(xiàn)以防范系統(tǒng)性風(fēng)險為主要目標(biāo)的宏觀審慎監(jiān)管，首要任務(wù)便是在深入剖析系統(tǒng)性風(fēng)險理論成因的基礎(chǔ)上對其度量。然而，目前國際上對系統(tǒng)性風(fēng)險并沒有一個統(tǒng)一且被普遍接受的定義，不同的定義強調(diào)了系統(tǒng)性風(fēng)險不同的方面，也決定了系統(tǒng)性風(fēng)險度量方法的多樣性。Bisias et al.總結(jié)了31種系統(tǒng)性風(fēng)險度量方法[1]，朱元倩等（2012）按照數(shù)據(jù)來源的不同將系統(tǒng)性風(fēng)險度量方法分為基于資產(chǎn)負(fù)債表數(shù)據(jù)的方法和基于股票、債券衍生品等市場數(shù)據(jù)的方法[2]，其中基于市場數(shù)據(jù)的方法因采用高頻數(shù)據(jù)且數(shù)據(jù)易得而受到廣大學(xué)者的推崇，這種方法以條件在險價值法（CoVaR）和邊際預(yù)期損失法（MES）等為典型代表。

Adrian et al.（2011）基于在險價值（VaR）提出了CoVaR方法[3]。CoVaR方法在度量金融機構(gòu)的系統(tǒng)性風(fēng)險時采用的是一種“自下而上”的分析方法，即以單個金融機構(gòu)的破產(chǎn)倒閉為條件來估計整個金融體系的系統(tǒng)性風(fēng)險。此時，系統(tǒng)性風(fēng)險被定義為：當(dāng)單個金融機構(gòu)出現(xiàn)極端事件（通常是指破產(chǎn)倒閉）時，其他金融機構(gòu)或整個金融體系所面臨的最大可能風(fēng)險或損失。在該方法中，單個金融機構(gòu)的系統(tǒng)性風(fēng)險可由ΔCoVaR來衡量，ΔCoVaR等于金融機構(gòu)處于危機狀態(tài)下的CoVaR 和常態(tài)下的CoVaR之差，它表示單個金融機構(gòu)對整個金融體系的風(fēng)險負(fù)外部溢出，反映了處于危機狀態(tài)下的金融機構(gòu)對其他金融機構(gòu)或金融體系的邊際風(fēng)險貢獻(xiàn)。顯然，ΔCoVaR的絕對值越大，其系統(tǒng)性風(fēng)險也越大。

CoVaR方法雖然能夠度量金融機構(gòu)對整個金融體系的邊際風(fēng)險貢獻(xiàn)，并能很好地反映整個金融網(wǎng)絡(luò)間的風(fēng)險溢出效應(yīng)，但是由于其在測度系統(tǒng)性風(fēng)險和單個金融機構(gòu)的邊際風(fēng)險貢獻(xiàn)時，與VaR一樣仍然只考慮損失分布的α分位數(shù)，因而不能很好地捕捉門限值以下極端情況的尾部風(fēng)險[4，5]。并且不具有可加性，也就難以通過單個金融機構(gòu)的風(fēng)險貢獻(xiàn)加總來估計整個金融系統(tǒng)所面臨的系統(tǒng)性風(fēng)險[6，7]。

Acharya et al.（2012）基于預(yù)期損失（ES）提出了系統(tǒng)性預(yù)期損失（SES）和邊際預(yù)期損失（MES）[8]。MES方法在度量金融機構(gòu)系統(tǒng)性風(fēng)險時采用一種“自上而下”的分析方法。此時，系統(tǒng)性風(fēng)險被定義為當(dāng)金融體系處于系統(tǒng)性事件（通常是指危機狀態(tài)）時，單個金融機構(gòu)所面臨的最大可能風(fēng)險或損失。SES衡量當(dāng)整個金融體系出現(xiàn)資本短缺或處于危機狀態(tài)時，單個金融機構(gòu)的預(yù)期資本損失，度量的是單個金融機構(gòu)對整個金融體系系統(tǒng)性風(fēng)險的邊際貢獻(xiàn)。而MES衡量當(dāng)市場收益率出現(xiàn)極端下跌時，單個金融機構(gòu)股票收益率的預(yù)期損失，度量的是未發(fā)生危機時單個金融機構(gòu)對整個金融體系的邊際風(fēng)險貢獻(xiàn)，它沒有考慮金融機構(gòu)的杠桿率、規(guī)模及其法定資本充足率等因素。在實際計算過程中，MES通過先確定給定時間區(qū)間內(nèi)市場收益率低于5%分位點以下的天數(shù)，然后計算這些天內(nèi)任意給定的金融機構(gòu)股票收益率的平均值。SES則由單個金融機構(gòu)的MES值和杠桿率的線性組合估計得到。MES方法不但度量了門限值（損失分布的α 分位數(shù)）以外的所有損失，具有次可加性，很好地解決了CoVaR存在的問題，而且考慮了金融機構(gòu)杠桿率對系統(tǒng)性風(fēng)險和金融機構(gòu)邊際風(fēng)險貢獻(xiàn)的影響[9，10]。

財經(jīng)理論與實踐（雙月刊）2014年第6期2014年第6期（總第192期）宋清華，姜玉東：中國上市銀行系統(tǒng)性風(fēng)險度量基于MES方法的分析

相對于Acharya et al.（2012）的靜態(tài)結(jié)構(gòu)化估計方法，Brownlees et al.（2012）進一步發(fā)展了MES的計算方法，通過雙變量DCCGARCH模型和非參數(shù)估計計算MES，這樣計算出的MES具有頻度高、靈活性強等優(yōu)點，并且基于壓力測試的基本思路將杠桿因素和MES合并為一個系統(tǒng)性風(fēng)險指數(shù)（SRISK），既可以衡量單個金融機構(gòu)的系統(tǒng)性風(fēng)險，加總后的系統(tǒng)性風(fēng)險指數(shù)也可衡量整個金融體系的系統(tǒng)性風(fēng)險。單個金融機構(gòu)的系統(tǒng)性風(fēng)險指數(shù)越高，表明當(dāng)金融體系處于危機狀態(tài)時，該機構(gòu)對金融體系整體系統(tǒng)性風(fēng)險貢獻(xiàn)程度越高。

危機過后，國內(nèi)學(xué)者也就我國商業(yè)銀行系統(tǒng)性風(fēng)險的度量展開了研究，在方法的使用上也多集中于CoVaR方法和MES方法。如高國華等（2011）使用 CoVaR 方法測度了我國 14 家上市銀行的系統(tǒng)性風(fēng)險貢獻(xiàn)度[11]。范小云等（2011）基于MES方法度量了我國金融機構(gòu)在美國次貸危機期間以及危機后對金融系統(tǒng)的邊際風(fēng)險貢獻(xiàn)程度[9]。相比較CoVaR方法，MES方法采用的是“自上而下”的分析方法，這與宏觀審慎自上而下的監(jiān)管模式較好的吻合，并且使用DCCGARCH模型和非參數(shù)估計計算出的MES頻度高、靈活性強。因此，以下采用Brownlees et al.（2012）的方法度量我國14家上市銀行的2008～2013年的系統(tǒng)性風(fēng)險。

三、研究方法

（一）系統(tǒng)性風(fēng)險指數(shù)的構(gòu)建

借鑒Brownlees et al.（2012）[11]的方法，假設(shè)有I家銀行T時期每家銀行負(fù)債的賬面價值為Di t，股權(quán)的市場價值為Wi t，并假定監(jiān)管當(dāng)局要求每家銀行必須留存其總資產(chǎn)的k部分用于維持其權(quán)益?；诖思僭O(shè)，資本緩沖可定義為：CBi t=Wi t-k（Wi t+Di t）。該資本緩沖表示銀行的運營資本，當(dāng)資本緩沖為正時，銀行運營正常；當(dāng)其為負(fù)時，銀行將經(jīng)歷資本短缺，并且，如果此時經(jīng)濟處于危機狀態(tài)，由于風(fēng)險的外溢性，單個銀行的負(fù)外部性將會對其他金融機構(gòu)或金融體系，乃至整個實體經(jīng)濟產(chǎn)生不良影響。

根據(jù)“自上而下”分析法中對金融機構(gòu)系統(tǒng)性風(fēng)險的定義，可將金融體系處于危機狀態(tài)看作一個系統(tǒng)性事件，記為{Rm t：t+h

CSi t+ht=-E（CBi t+hRm t+h：t

-kEt（Di t+hRm t+h：t

（1-k）Et（Wi t+hRm t+h：t

進一步假定當(dāng)經(jīng)濟處于危機狀態(tài)時，銀行破產(chǎn)倒閉的兼并重組機制將會失效，此時，銀行債務(wù)不能被回購，意味著Et（Di t+hRm t+h：t

CSi t+ht=-kDi t+（1-k）Wi tMESi t+ht（C） （2）

式（2）中，MESi t+ht（C）=Et（Ri t+h：tRm t+h：t

SRISK%i t=SRISKi t/∑Ii=1SRISKi t（3）

（二）邊際預(yù)期損失（MES）的計量方法

由（2）式可知，計算單個銀行的系統(tǒng)性風(fēng)險指數(shù)需要每家銀行負(fù)債的賬面價值、股權(quán)的市場價值和MES，前兩個可通過銀行的財務(wù)報表簡單計算得到，而MES的計算亦有兩種方法[12，13]，本文通過DCCGARCH模型和非參數(shù)估計計算各銀行的MES。

根據(jù)Brownlees et al.（2012）的市場波動模型，將市場指數(shù)收益率與單個金融機構(gòu)收益率定義如下：

rm t=σm tεm t

rit=σitρitεmt+σit1-ρ2itξit

（εm t，ξi t）～F

其中，rm t表示市場指數(shù)收益率，ri t表示第i個銀行的股票收益率，σm t表示市場指數(shù)收益率的條件標(biāo)準(zhǔn)差，σi t表示銀行股票收益率的條件標(biāo)準(zhǔn)差，ρi t表示市場和銀行之間的動態(tài)條件相關(guān)系數(shù)，（εm t，ξi t）表示均值為0，方差為1，協(xié)方差為0的擾動項。F為一個未指定具體分布的二變量分布過程。則單個銀行一步向前的MES可表示為：MESi t-1（C）=Et-1（ri trm t

MESit-1（C）=-σit[ρitEi-1（εmt|εmt

1-ρ2itEt-1（ξit|εmt

式（4）中，波動率σi t、σm t和動態(tài)條件相關(guān)系數(shù)ρi t可通過DCCGARCH模型運用準(zhǔn)極大似然估計法估計得到，兩個尾部條件期望Et-1（εm tεm t

h（εm tεm t

h（ξi tεm t

其中，Kh（t）=∫t/h

SymboleB@ k（u）du，h=∑ni=1Kh（εm t-c）n ，k（u）表示核函數(shù)，h為正的帶寬。

四、實證分析

（一）樣本選取及數(shù)據(jù)來源

本文選取在滬深A(yù)股市場上市的16家商業(yè)銀行，剔除上市較晚的中國農(nóng)業(yè)銀行和光大銀行，共14家上市銀行②作為研究對象計算各銀行的系統(tǒng)性風(fēng)險。由于此次金融危機在 2007年末2008年年初才對我國金融市場產(chǎn)生較大影響，故選取時間跨度為2008年1月2日～2013年12月31日。截止2013年12月31日，尚有7家上市銀行③的股權(quán)未實現(xiàn)全流通，而流通股和非流通股的價格存在較大的差異，故本文參考國內(nèi)其他學(xué)者處理股權(quán)價值的做法，在計算股權(quán)價值時，流通股價值為流通股份數(shù)乘以股票日收盤價的年均值，而非流通股價值為非流通股份數(shù)乘以每股凈資產(chǎn)，兩者之和即為各上市銀行股權(quán)的市場價值。市場收益率采用滬深300指數(shù)日收益率，各上市銀行日收益率數(shù)據(jù)、負(fù)債的賬面價值、流通股份數(shù)、非流通股份數(shù)和每股凈資產(chǎn)等數(shù)據(jù)均來源于國泰安數(shù)據(jù)庫（CSMAR），各上市銀行的MES值由R軟件編程計算得到。

（二）各收益率序列的分布特征、平穩(wěn)性及ARCH效應(yīng)檢驗

在使用DCCGARCH模型估計各上市銀行的MES前，需要了解各收益率序列的分布特征、平穩(wěn)性及是否存在ARCH效應(yīng)。

表1列出了滬深300指數(shù)及14家上市銀行日收益率的描述性統(tǒng)計、正態(tài)性（JB檢驗）、平穩(wěn)性（ADF檢驗）和ARCH效應(yīng)檢驗。從各收益率序列的偏度和峰度來看，偏度和峰度均異于0，呈現(xiàn)明顯的“尖峰厚尾”現(xiàn)象，說明各收益率序列不服從正態(tài)分布，在1%顯著水平下，JB統(tǒng)計量也證實了這一點。ADF單位根檢驗表明各收益率序列平穩(wěn)；ARCH檢驗表明，在1%的置信水平上各收益率序列存在明顯的異方差。因此，對各收益率序列采用GARCH模型是合理的。

（三）實證結(jié)果分析

通過DCCGARCH模型可得到波動率（σm t，σi t）、殘差（εm t，ξi t）和動態(tài)條件相關(guān)系數(shù)ρi t的估計值，尾部條件期望Et-1（εm tεm t

表1 各收益率序列的基本統(tǒng)計特征

均值

標(biāo)準(zhǔn)差

偏度

峰度

JB檢驗

ADF檢驗

ARCH檢驗

滬深300

-2.00E-04

0.0191

-0.2380

2.5768

419.2705

-10.2062

158.9439

平安銀行

1.03E-04

0.0274

0.3138

2.7266

477.9091

-11.1562

122.4853

寧波銀行

-1.97E-04

0.0251

0.0707

2.4569

369.9142

-11.6653

105.0994

浦發(fā)銀行

2.69E-05

0.0266

0.2404

3.0827

594.0949

-11.3098

192.0075

華夏銀行

6.41E-05

0.0265

0.0599

2.5243

390.04

-11.1603

178.9506

民生銀行

2.33E-04

0.0233

0.1911

3.1932

631.2074

-11.1022

127.5921

招商銀行

-2.65E-04

0.0243

0.1590

3.2286

643.3311

-11.1223

222.8402

南京銀行

1.72E-05

0.0235

0.2643

2.9736

556.7566

-11.584

145.4184

興業(yè)銀行

6.10E-05

0.0273

0.1093

2.3534

341.246

-11.0852

147.3819

北京銀行

-1.89E-04

0.0237

0.1166

2.8319

492.9406

-11.1047

172.2069

交通銀行

-5.29E-04

0.0210

0.1179

4.0706

1014.138

-10.8771

222.9444

工商銀行

-2.41E-04

0.0165

0.0648

7.2661

3218.669

-12.2734

202.6165

建設(shè)銀行

-2.52E-04

0.0178

0.1696

5.4462

1815.351

-11.9569

235.6138

中國銀行

-3.20E-04

0.0156

0.5287

7.7924

3768.348

-12.0213

199.9426

中信銀行

-2.77E-04

0.0229

0.1296

3.2370

643.5607

-11.7064

119.345 注：JB檢驗為JarqueBera統(tǒng)計量，用來檢驗序列是否服從正態(tài)分布；ADF檢驗為增廣的迪基—富勒檢驗，滯后階數(shù)為11階；ARCH效應(yīng)檢驗為LM檢驗，滯后階數(shù)為12階。各檢驗均在1%的置信水平上顯著。數(shù)據(jù)來源：本文計算整理所得。

圖1 我國14家上市銀行MES日均值走勢（2008～2013年）

從圖1可以看出，我國上市銀行系統(tǒng)性風(fēng)險大致經(jīng)歷了三個時期：第一個時期（2008年1～9月），2008年年初，受全球金融危機影響，我國上市銀行系統(tǒng)性風(fēng)險開始逐漸走高并于高位震蕩，直到2008年9月達(dá)到最大值（0.12488）；第二個時期（2008年10月～2012年9月），危機后各國政府紛紛救市，我國也適時推出了四萬億經(jīng)濟刺激計劃，因此，上市銀行系統(tǒng)性風(fēng)險開始回落，到2012年9月達(dá)到最小值（0.02747）；第三個時期（2012年10月～2013年12月），2013年一季度我國GDP增速為7.7%，低于市場預(yù)期，與此同時，四萬億經(jīng)濟刺激計劃的副作用開始顯現(xiàn)，鋼鐵、煤炭、電力、水泥、化工、新能源等行業(yè)出現(xiàn)嚴(yán)重的產(chǎn)能過剩，由此帶來上市銀行不良貸款余額有所上升，利潤增速下降，特別是以地方融資平臺為主的地方債務(wù)風(fēng)險凸現(xiàn)出來，以及影子銀行風(fēng)險，上市銀行系統(tǒng)性風(fēng)險整體又呈現(xiàn)上升趨勢。

根據(jù)圖1劃分的三個時期，表2列出了這三個時期我國14家上市銀行MES均值排名結(jié)果。從表2可以看出，三個時期各上市銀行的邊際風(fēng)險貢獻(xiàn)排名有一定差異。其中，大型國有商業(yè)銀行如中國銀行、工商銀行和建設(shè)銀行，在整個樣本統(tǒng)計期間對系統(tǒng)性風(fēng)險的邊際貢獻(xiàn)較小，排名變化不大；而股份制商業(yè)銀行和城市商業(yè)銀行對系統(tǒng)性風(fēng)險的邊際貢獻(xiàn)較大，個別銀行在排名上發(fā)生較大變化。值得注意的是，大型商業(yè)銀行的邊際風(fēng)險貢獻(xiàn)相對較小并不意味著其對整個金融體系的總風(fēng)險貢獻(xiàn)較小，它只表明當(dāng)市場收益率出現(xiàn)極端下跌時，大型商業(yè)銀行的股權(quán)收益率預(yù)期損失較小，抵御風(fēng)險能力較強。

表2 中國14家上市銀行MES均值排序

2008.1～2008.9

2008.10～2012.9

2012.10～2013.12

MES均值

排名

MES均值

排名

MES均值

排名

浦發(fā)銀行

0.100639012

1

0.056572579

7

0.057698119

5

興業(yè)銀行

0.097243286

2

0.061731668

2

0.061707774

2

華夏銀行

0.09637611

3

0.060794833

3

0.053228771

6

平安銀行

0.093558358

4

0.057431068

5

0.067688634

1

寧波銀行

0.090798213

5

0.065499876

1

0.06003816

4

北京銀行

0.08821721

6

0.057385591

6

0.05201408

8

民生銀行

0.088117927

7

0.050791006

10

0.060044538

3

招商銀行

0.083830722

8

0.054715515

9

0.050464511

9

中信銀行

0.080807795

9

0.055888892

8

0.052321477

7

南京銀行

0.078834775

10

0.059603813

4

0.047527941

10

交通銀行

0.076089702

11

0.049333376

11

0.040281088

11

建設(shè)銀行

0.068269724

12

0.039064199

12

0.031109155

12

工商銀行

0.066892068

13

0.034783177

14

0.024889808

14

中國銀行

0.058452253

14

0.035266171

13

0.02550397

13 數(shù)據(jù)來源：本文計算整理所得。

綜合考慮MES、資產(chǎn)規(guī)模和杠桿率可計算出各上市銀行的系統(tǒng)性風(fēng)險指數(shù)（SRISK）。取14家上市銀行日MES的年均值代入式（2），并假定k=0.08即可得到各銀行的資本短缺值（CS），再代入式（3）得到各上市銀行的系統(tǒng)性風(fēng)險指數(shù)，用百分比表示并按2013年數(shù)據(jù)排名后得到的結(jié)果如表3所示。

表3 我國14家上市銀行系統(tǒng)性風(fēng)險指數(shù)排名

（2008～2013年）（k=0.08）單位：%

2008

2009

2010

2011

2012

2013

排名

工商銀行

28.13

26.77

25.86

25.31

24.97

24.35

1

建設(shè)銀行

21.66

22.52

20.73

19.96

19.75

19.61

2

中國銀行

19.91

19.90

20.27

19.53

18.11

17.89

3

交通銀行

7.66

7.45

7.64

7.62

7.42

7.61

4

招商銀行

4.39

4.43

4.53

4.52

4.80

5.05

5

浦發(fā)銀行

3.88

3.68

4.23

4.43

4.50

4.71

6

興業(yè)銀行

2.93

2.94

3.56

3.99

4.67

4.69

7

中信銀行

3.22

4.04

3.89

4.49

4.15

4.64

8

民生銀行

3.03

3.16

3.54

3.64

4.59

4.03

9

平安銀行

1.40

1.33

1.42

2.06

2.31

2.39

10

華夏銀行

2.20

2.02

2.09

2.05

2.15

2.17

11

北京銀行

1.09

1.11

1.38

1.58

1.58

1.71

12

寧波銀行

0.27

0.35

0.48

0.41

0.52

0.60

13

南京銀行

0.23

0.30

0.39

0.44

0.48

0.55

14 注：排名按2013年數(shù)據(jù)；數(shù)據(jù)來源：本文計算整理所得。

從表3可以看出，我國14家上市銀行各年的系統(tǒng)性風(fēng)險指數(shù)排名變化不大，總體表現(xiàn)為規(guī)模較大的銀行，系統(tǒng)性風(fēng)險也較大，具體體現(xiàn)為大型商業(yè)銀行的系統(tǒng)性風(fēng)險要明顯高于股份制商業(yè)銀行，而城市商業(yè)銀行的系統(tǒng)性風(fēng)險最低。結(jié)合表2中的排名，雖然股份制商業(yè)銀行和城市商業(yè)銀行在市場收益率出現(xiàn)極端下跌時會發(fā)生較大的股權(quán)收益率損失，但綜合考慮資產(chǎn)規(guī)模和杠桿率因素后，這兩類銀行的系統(tǒng)性風(fēng)險相對較低，尤其是城市商業(yè)銀行，資產(chǎn)規(guī)模和杠桿率均低于股份制商業(yè)銀行和大型商業(yè)銀行，當(dāng)整個金融體系處于危機狀態(tài)時，其系統(tǒng)性風(fēng)險最低。

表3還顯示出：隨著我國銀行業(yè)競爭的不斷加劇，大型商業(yè)銀行的系統(tǒng)性風(fēng)險隨時間呈下降趨勢，而股份制商業(yè)銀行和城市商業(yè)銀行的系統(tǒng)性風(fēng)險隨時間呈上升趨勢。這種趨勢的變化，一方面與近年來我國股份制商業(yè)銀行和城市商業(yè)銀行的市場份額不斷攀升有關(guān)④，另一方面也有利于我國銀行體系總體系統(tǒng)性風(fēng)險的分散。

五、結(jié) 論

以上采用Brownlees et al.（2012）的分析框架，利用 DCCGARCH 模型和非參數(shù)估計方法對我國14家上市銀行2008～2013年的系統(tǒng)性風(fēng)險進行了測度。實證結(jié)果表明，資產(chǎn)規(guī)模、杠桿率及邊際期望損失（MES）都是決定我國上市銀行系統(tǒng)性風(fēng)險的重要因素。當(dāng)市場收益率處于極端下跌狀況時，股份制商業(yè)銀行和城市商業(yè)銀行的股權(quán)損失較大，而大型商業(yè)銀行的股權(quán)損失較小，這表明我國大型商業(yè)銀行由于資產(chǎn)規(guī)模較大和受到的隱性支持較大而表現(xiàn)出較強的抵御風(fēng)險的能力。當(dāng)綜合考慮資產(chǎn)規(guī)模、杠桿率和MES時，大型商業(yè)銀行的系統(tǒng)性風(fēng)險最大，股份制商業(yè)銀行的系統(tǒng)性風(fēng)險次之，而城市商業(yè)銀行的系統(tǒng)性風(fēng)險最小，表明對我國上市銀行系統(tǒng)性風(fēng)險影響最大的是資產(chǎn)規(guī)模。此外，值得注意的是，三類銀行的系統(tǒng)性風(fēng)險隨時間呈現(xiàn)出明顯的變化趨勢，這有利于我國銀行體系系統(tǒng)性風(fēng)險的分散，避免由于風(fēng)險過度集中以至于爆發(fā)而帶來的巨大危害。

注釋：

①由于MES表示的是一種股權(quán)損失，計算結(jié)果為負(fù)值，借鑒范小云等（2011）的做法取相反數(shù)使其為正值。

②

包括大型商業(yè)銀行：中國工商銀行、中國銀行、中國建設(shè)銀行和交通銀行；股份制商業(yè)銀行：中信銀行、華夏銀行、平安銀行（原深圳發(fā)展銀行）、招商銀行、上海浦東發(fā)展銀行、興業(yè)銀行、民生銀行；城市商業(yè)銀行：北京銀行、南京銀行、寧波銀行。

③

包括平安銀行、寧波銀行、浦發(fā)銀行、華夏銀行、興業(yè)銀行、北京銀行和交通銀行。

④

從資產(chǎn)規(guī)模來看，我國大型商業(yè)銀行占銀行業(yè)金融機構(gòu)市場份額由2008年的52.6%下降到2013年的43.34%，而股份制商業(yè)銀行和城市商業(yè)銀行的市場份額由2008年的13.8%和6.1%上升到2013年的17.8%和10.03%。數(shù)據(jù)來源：中國銀行業(yè)監(jiān)督管理委員會網(wǎng)站，統(tǒng)計信息。

參考文獻(xiàn)：

[1]Bisias， D，F(xiàn)lood， M，Lo， A.W. Valavanis， S.A survey of systemic risk analytics[R]. OFR Working paper， 2012.

[2]朱元倩，苗雨峰.關(guān)于系統(tǒng)性風(fēng)險度量和預(yù)警的模型綜述[J]. 國際金融研究，2012，（1）： 79-88.

[3]Adrian， T， Brunnermeier， M. K.CoVaR [R]. Technical Report， Federal Reserve Bank of New York， 2011.

[4]Girardi， G，Ergün， A. T.Systemic risk measurement： multivariate GARCH estimation of CoVaR [J]. Journal of Banking & Finance， 2013，（37）：3169-3180.

[5]RodriguezMoreno， M， Pea， J.I.Systemic risk measures：the simpler the better？[J].Journal of Banking & Finance， 2013，（37）：1817-1831.

[6]Gauthier， C，Lehar， A， Souissi， M. Macroprudential capital requirements and systemic risk [R]. Bank of Canada Working Paper， 2010

[7]Tarashev， N， Borio， C，Tsatsaronis， K.Attributing systemic risk to individual institutions [R]. BIS Working Paper， 2010.

[8]Acharya， V. V， Pedersen， L， Philippon， T， Richardson， M. Capital shortfall：a new approach to ranking and regulating systemic risks [J]. American Economic Review， 2012，102 （3）：59-64.

[9]范小云，王道平，方意.我國金融機構(gòu)的系統(tǒng)性風(fēng)險貢獻(xiàn)測度與監(jiān)管——基于邊際風(fēng)險貢獻(xiàn)與杠桿率的研究[J]. 南開經(jīng)濟研究，2011，（4）：3-20.

[10]彭建剛.基于系統(tǒng)性金融風(fēng)險防范的銀行業(yè)監(jiān)管制度改革的戰(zhàn)略思考[J].財經(jīng)理論與實踐，2011，（1）：2-6.

[11]高國華，潘英麗.銀行系統(tǒng)性風(fēng)險度量——基于動態(tài) CoVaR方法的分析[J]. 上海交通大學(xué)學(xué)報，2011， （12）：1754-1759.

[12]Brownlees， C，Engle， R.Volatility，correlation and tails for systemic risk measurement [R]. NYU Working Paper， 2012.

[13]Acharya， V. V，Pedersen， L， Philippon， T，Richardson， M.Measuring systemic risk [R]. NYU Working Paper， 2010.

（責(zé)任編輯：寧曉青）