商業(yè)銀行行業(yè)風(fēng)險(xiǎn)敞口與商業(yè)銀行績(jī)效

劉志洋　蘇辛

摘 要：商業(yè)銀行的行業(yè)風(fēng)險(xiǎn)敞口與商業(yè)銀行績(jī)效密切相關(guān)。中國(guó)數(shù)據(jù)實(shí)證分析表明，銀行財(cái)務(wù)報(bào)表中會(huì)計(jì)占比較大的行業(yè)并非是市場(chǎng)認(rèn)為的銀行風(fēng)險(xiǎn)敞口最大的行業(yè)；股份制商業(yè)銀行對(duì)各行業(yè)風(fēng)險(xiǎn)敞口較高。整體上商業(yè)銀行對(duì)各行業(yè)的風(fēng)險(xiǎn)敞口對(duì)商業(yè)銀行股票波動(dòng)率、收益率和市值與賬面價(jià)值之比具有顯著影響，但行業(yè)風(fēng)險(xiǎn)敞口對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的影響不顯著。

關(guān)鍵詞： 風(fēng)險(xiǎn)敞口；銀行績(jī)效；CoVaR

中圖分類(lèi)號(hào)：F830.33 文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)：1003-7217（2016）02-0009-06

一、引 言

商業(yè)銀行對(duì)不同行業(yè)的風(fēng)險(xiǎn)敞口暴露會(huì)影響銀行的風(fēng)險(xiǎn)以及銀行體系的穩(wěn)定。銀行信貸集中度對(duì)銀行風(fēng)險(xiǎn)承擔(dān)行為和銀行體系的穩(wěn)定會(huì)產(chǎn)生兩種效應(yīng)。一方面，傳統(tǒng)的資產(chǎn)組合理論認(rèn)為，分散貸款可以最大限度地降低非系統(tǒng)風(fēng)險(xiǎn)；另一方面，將貸款集中投向某幾個(gè)領(lǐng)域，有助于銀行對(duì)借款人進(jìn)行監(jiān)督，更有利于降低銀行信用風(fēng)險(xiǎn)，增加銀行收益。如果銀行專注于某些領(lǐng)域發(fā)放信貸，則銀行就能夠獲得專業(yè)技能，使得銀行能夠提前感知風(fēng)險(xiǎn)的增加，從而有助于銀行迅速采取相關(guān)措施。正如Stiglitz and Weiss（1981）指出，可信的貸款監(jiān)測(cè)能夠降低借款人的風(fēng)險(xiǎn)轉(zhuǎn)移（Risk shifting）效應(yīng)[1]。從系統(tǒng)性風(fēng)險(xiǎn)來(lái)看，如果一國(guó)銀行體系信貸不是非常分散，則很有可能會(huì)導(dǎo)致銀行貸款風(fēng)險(xiǎn)敞口基本一致，導(dǎo)致金融體系同質(zhì)性顯著上升。進(jìn)一步講，即使銀行能夠分散貸款投放，銀行體系還是有可能出現(xiàn)同質(zhì)性的，這意味著金融機(jī)構(gòu)可能會(huì)同時(shí)出現(xiàn)困境。Wagner（2010）指出，即使銀行能夠有效分散貸款組合，銀行的分散化貸款組合也可能趨同[2]。

由于銀行貸款無(wú)法完全細(xì)分，或者銀行無(wú)法完全分散化貸款投放，因此，銀行必然會(huì)面臨著信貸集中度風(fēng)險(xiǎn)。安然事件和世通事件證明銀行貸款過(guò)于集中對(duì)銀行的負(fù)面影響。巴塞爾委員會(huì)2004年的研究表明，20世紀(jì)13次銀行業(yè)危機(jī)均與信用風(fēng)險(xiǎn)過(guò)度集中相關(guān)，這也是為什么在新巴塞爾資本協(xié)議中，巴塞爾委員會(huì)將集中度風(fēng)險(xiǎn)納入巴塞爾監(jiān)管框架第二支柱。在巴塞爾協(xié)議2.5和巴塞爾資本協(xié)議III中，均保持了對(duì)集中度風(fēng)險(xiǎn)的監(jiān)管要求。發(fā)達(dá)國(guó)家的實(shí)證分析表明，行業(yè)風(fēng)險(xiǎn)敞口暴露對(duì)于銀行經(jīng)濟(jì)資本和銀行績(jī)效具有顯著影響。Winton（1999）研究表明，分散化貸款會(huì)降低銀行行使貸款監(jiān)督職能的動(dòng)機(jī)，從而會(huì)增加銀行倒閉概率[3]。Duellmann and Masschelein（2007）研究表明，如果銀行將貸款投放至一個(gè)行業(yè)，則經(jīng)濟(jì)資本會(huì)增加11.7%[4]。Acharya et al（2006）對(duì)意大利[5]、Hayden et al（2007）[6]對(duì)德國(guó)的實(shí)證研究表明，銀行專注于對(duì)特定行業(yè)發(fā)放貸款會(huì)降低貸款損失程度。Boeve et al（2010）研究表明，與分散化貸款相比，德國(guó)銀行在專注幾個(gè)行業(yè)發(fā)放信貸方面，更能有效行使監(jiān)督職能[7]。Tabak et al（2011）研究認(rèn)為，巴西銀行集中貸款比分散化貸款更能夠提高銀行績(jī)效[8]。

2008年金融危機(jī)爆發(fā)后，實(shí)施宏觀審慎監(jiān)管，保證金融體系穩(wěn)定成為各國(guó)監(jiān)管當(dāng)局的共識(shí)。銀行對(duì)各個(gè)行業(yè)風(fēng)險(xiǎn)敞口暴露常常被監(jiān)管當(dāng)局和學(xué)術(shù)界認(rèn)為是影響銀行風(fēng)險(xiǎn)和金融體系穩(wěn)定的重要因素之一。為此，本文以中國(guó)16家上市商業(yè)銀行為研究樣本，運(yùn)用基于股票收益率數(shù)據(jù)的方法和基于年報(bào)數(shù)據(jù)的方法，測(cè)算中國(guó)上市商業(yè)銀行對(duì)27個(gè)行業(yè)的風(fēng)險(xiǎn)敞口暴露及其對(duì)銀行績(jī)效和銀行體系穩(wěn)定的影響，以期為中國(guó)實(shí)施宏觀審慎監(jiān)管提供參考。

二、商業(yè)銀行績(jī)效變量選擇

本文的研究樣本為中國(guó)16家上市商業(yè)銀行，樣本時(shí)間為2006～2013年。選取四個(gè)變量表征銀行績(jī)效（即后文的Performance變量），分別是銀行股票年度收益率、銀行股票年度波動(dòng)率、年度市值與賬面價(jià)值之比以及銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度（△CoVaR）。前三個(gè)數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)，而△CoVaR需要計(jì)算得到。

在風(fēng)險(xiǎn)管理實(shí)踐中，VaR方法是度量組合收益下行風(fēng)險(xiǎn)最為常用的方法。對(duì)于給定置信區(qū)間，x%水平下的VaR表示在一段時(shí)期內(nèi)，組合的損失有x%的可能高于VaR值，即VaR值是組合損失分布x分位點(diǎn)的數(shù)值。CoVaR方法在VaR方法基礎(chǔ)上發(fā)展起來(lái)。CoVaR是指當(dāng)一家金融機(jī)構(gòu)出現(xiàn)危機(jī)時(shí)，整個(gè)系統(tǒng)的VaR值，即它是一個(gè)基于“條件”的概念。

（二）行業(yè)風(fēng)險(xiǎn)敞口與商業(yè)銀行績(jī)效回歸分析

本文運(yùn)用2006～2013年股票日度收益率的數(shù)據(jù)求解中國(guó)16家上市商業(yè)銀行對(duì)27個(gè)行業(yè)在99個(gè)分位點(diǎn)的風(fēng)險(xiǎn)敞口暴露狀況②。選取的27個(gè)行業(yè)指數(shù)來(lái)自大智慧行業(yè)指數(shù)，具體包括：房地產(chǎn)、電力、外貿(mào)、商業(yè)連鎖、有色金屬、電器、運(yùn)輸物流、造紙印刷、工程建筑、計(jì)算機(jī)、機(jī)械、煤炭石油、化工化纖、儀電儀表、供水供氣、建材、電子信息、釀酒食品、旅游酒店、鋼鐵、醫(yī)藥、紡織服裝、通信、交通設(shè)施、交通工具、教育傳媒和農(nóng)林牧漁。從表1可以看出，銀行財(cái)務(wù)報(bào)表中占比最大的制造業(yè)，其平均行業(yè)風(fēng)險(xiǎn)敞口和行業(yè)沖擊風(fēng)險(xiǎn)敞口并非最大，商業(yè)銀行對(duì)工程建筑行業(yè)的風(fēng)險(xiǎn)敞口高于制造業(yè)。股份制商業(yè)銀行和城市商業(yè)銀行對(duì)房地產(chǎn)行業(yè)的風(fēng)險(xiǎn)敞口比國(guó)有大型商業(yè)銀行大。總體來(lái)講，財(cái)務(wù)報(bào)表中貸款占比額度大的行業(yè)未必是市場(chǎng)認(rèn)為銀行風(fēng)險(xiǎn)敞口最大的行業(yè)③。表2為各行業(yè)風(fēng)險(xiǎn)敞口暴露測(cè)算處在前三位的商業(yè)銀行。整體來(lái)講，股份制商業(yè)銀行行業(yè)風(fēng)險(xiǎn)敞口暴露較大，其中華夏銀行、浦發(fā)銀行、興業(yè)銀行和平安銀行出現(xiàn)頻率較高。

平均值，0.01分位點(diǎn)數(shù)值與0.05分位點(diǎn)數(shù)值比較結(jié)果類(lèi)似。

分位數(shù)回歸所得到的風(fēng)險(xiǎn)敞口暴露的結(jié)果并非時(shí)間序列形式，因此，無(wú)法運(yùn)用面板數(shù)據(jù)回歸模型。本文使用截面回歸形式，研究銀行風(fēng)險(xiǎn)敞口與銀行績(jī)效之間的關(guān)系，回歸方程如下：

Performance為銀行績(jī)效變量；controls為控制變量，包括取對(duì)數(shù)的規(guī)模（size）、不良貸款率（npl）、貸款總額與資產(chǎn)比率（loan）、杠桿率（lev）、資本充足率（cap）等[14，15]。Performance和控制變量取值為銀行2006～2013各年度的平均值⑦。Exposure為衡量銀行風(fēng)險(xiǎn)敞口變量，具體說(shuō)明如表3。

結(jié)合Back and Jonghe（2014）[13]，首先對(duì)各控制變量解釋銀行績(jī)效變量的顯著性水平進(jìn)行回歸分析。表4顯示，規(guī)模越大的銀行其股票平均收益率、股票平均波動(dòng)率以及市值與賬面價(jià)值之比均值越小，而規(guī)模對(duì)銀行△CoVaR均值影響則不顯著。貸款比值越高，股票平均收益率和股票平均波動(dòng)率越高。銀行杠桿率越高，△CoVaR越大；而銀行資本充足率越高，△CoVaR越小。不良貸款率越高，股票平均波動(dòng)率越高。從擬合優(yōu)度來(lái)看，解釋力最強(qiáng)的是股票平均波動(dòng)率，為0.443；其他三個(gè)績(jī)效變量的解釋力度均不是很強(qiáng)，最低的△CoVaR的擬合優(yōu)度僅為0.145。

在表4基礎(chǔ)上，將銀行風(fēng)險(xiǎn)敞口變量逐一引入，并舍棄不顯著的控制變量，結(jié)果如表5和表6所示。從股票平均收益率看，銀行風(fēng)險(xiǎn)敞口變量回歸系數(shù)大都非常顯著。從風(fēng)險(xiǎn)敞口大小看，行業(yè)風(fēng)險(xiǎn)暴露越大，銀行股票平均收益水平越高；行業(yè)沖擊風(fēng)險(xiǎn)敞口越大，股票收益率越低。從暴露分散程度來(lái)看，行業(yè)集中度越高，銀行股票平均收益水平也越高。隨著風(fēng)險(xiǎn)敞口變量的引入，擬合優(yōu)度顯著上升。從股票平均波動(dòng)率水平看，銀行風(fēng)險(xiǎn)敞口變量回歸系數(shù)大都顯著。從行業(yè)敞口大小看，行業(yè)風(fēng)險(xiǎn)敞口越大，

行業(yè)越集中，銀行股票波動(dòng)率越高。從行業(yè)沖擊敞口看，沖擊敞口越大，股票波動(dòng)率會(huì)越低，但沖擊所發(fā)生的行業(yè)越集中，股票平均波動(dòng)率則越大。隨著風(fēng)險(xiǎn)敞口變量的引入，擬合優(yōu)度有一定程度的上升。從市值賬面價(jià)值比率看，對(duì)行業(yè)風(fēng)險(xiǎn)敞口越大，越有助于增加銀行市值賬面價(jià)值比率，而敞口的集中程度則對(duì)市值和賬面價(jià)值比率的影響不顯著。整體上行業(yè)沖擊風(fēng)險(xiǎn)敞口對(duì)銀行市值賬面價(jià)值比率的影響不顯著。隨著風(fēng)險(xiǎn)敞口變量的引入，擬合優(yōu)度也有一定程度的上升。無(wú)論是行業(yè)敞口，還是行業(yè)沖擊敞口，對(duì)銀行△CoVaR的影響均不顯著。

四、基于銀行財(cái)務(wù)報(bào)表數(shù)據(jù)研究

這里運(yùn)用面板回歸模型研究銀行對(duì)各行業(yè)的風(fēng)險(xiǎn)敞口暴露與表征銀行績(jī)效變量之間的關(guān)系。式（10）各變量的含義與式（9）相同。樣本期間為2006～2013年。敞口變量（Exposure）說(shuō)明如表7 。數(shù)據(jù)來(lái)源為wind數(shù)據(jù)庫(kù)以及各上市商業(yè)銀行年報(bào)。

首先研究控制變量對(duì)銀行績(jī)效變量的解釋力度。根據(jù)面板回歸檢驗(yàn)，對(duì)股票年收益率、年波動(dòng)率以及年度市值與賬面價(jià)值之比運(yùn)用混同回歸模型，對(duì)△CoVaR運(yùn)用固定回歸模型⑧，結(jié)果如表8。不良貸款率對(duì)四個(gè)績(jī)效變量的影響均為正向。高風(fēng)險(xiǎn)伴隨著高預(yù)期收益，不良貸款率的增加在增加銀行風(fēng)險(xiǎn)的同時(shí)，也增加了銀行股票收益率水平。規(guī)模對(duì)四個(gè)績(jī)效變量的影響均為負(fù)向。貸款比率對(duì)股票年波動(dòng)率的影響顯著為負(fù)，但由于數(shù)值非常小，可以認(rèn)為其不具有經(jīng)濟(jì)上的顯著性。銀行杠桿率越高，股票年收益率越低。而資本充足率越高的銀行，其股票年波動(dòng)率越高，這可能是因?yàn)橘Y本越充足的銀行，越傾向于涉足高風(fēng)險(xiǎn)的業(yè)務(wù)。

在表8基礎(chǔ)上，將銀行風(fēng)險(xiǎn)敞口變量逐一引入，并舍棄不顯著的控制變量，結(jié)果如表9所示。從表9可以看出，單一最大客戶貸款比率對(duì)股票收益率有顯著的正向影響。整體上行業(yè)集中度越高，股票波動(dòng)率越大，市值與賬面價(jià)值比也越大?？傮w上行業(yè)風(fēng)險(xiǎn)敞口對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的影響不顯著。隨著行業(yè)風(fēng)險(xiǎn)敞口變量的引入，在回歸系數(shù)顯著的情況下，各回歸的擬合優(yōu)度均有一定程度的上升。

五、結(jié)論

以上選取銀行股票年度收益率、股票年度波動(dòng)率、年度市值與賬面價(jià)值之比和銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度作為表征銀行績(jī)效的變量，并同時(shí)運(yùn)用股票數(shù)據(jù)和銀行財(cái)報(bào)數(shù)據(jù)研究銀行行業(yè)風(fēng)險(xiǎn)敞口對(duì)銀行績(jī)效的影響。結(jié)論表明：銀行財(cái)務(wù)報(bào)表中會(huì)計(jì)占比較大的行業(yè)并非是市場(chǎng)認(rèn)為的銀行風(fēng)險(xiǎn)敞口最大的行業(yè)；整體上，股份制商業(yè)銀行的行業(yè)風(fēng)險(xiǎn)敞口較高；銀行行業(yè)集中度越高，其股票波動(dòng)率和市值與賬面價(jià)值之比越大；銀行行業(yè)風(fēng)險(xiǎn)敞口越大，銀行股票收益率水平越高，而行業(yè)沖擊的風(fēng)險(xiǎn)敞口越大，銀行股票收益率水平越低；行業(yè)風(fēng)險(xiǎn)敞口對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的影響不顯著。結(jié)合本文的研究，提出以下政策建議：第一，對(duì)銀行風(fēng)險(xiǎn)敞口暴露進(jìn)行積極監(jiān)管，建立銀行風(fēng)險(xiǎn)敞口監(jiān)測(cè)分析系統(tǒng)；第二，充分重視股份制商業(yè)銀行的經(jīng)營(yíng)風(fēng)險(xiǎn)；第三，加強(qiáng)銀行行業(yè)風(fēng)險(xiǎn)敞口數(shù)據(jù)搜集工作，提高數(shù)據(jù)的精細(xì)化程度；第四，正確認(rèn)識(shí)風(fēng)險(xiǎn)敞口集中的兩面性，保證監(jiān)管效率的同時(shí)，盡量降低監(jiān)管成本。

注釋：

①由于作者可以得到的6個(gè)月AAA銀行間企業(yè)債收益率數(shù)據(jù)的起始日期為2008年7月1日，因此，本文樣本日期從2008年7月1日開(kāi)始，數(shù)據(jù)來(lái)源為wind數(shù)據(jù)庫(kù)。

②采用股票收益率數(shù)據(jù)測(cè)度銀行風(fēng)險(xiǎn)的理由可以參見(jiàn)陳忠陽(yáng)和劉志洋（2013）。

③本文估計(jì)了每家銀行對(duì)27行業(yè)行業(yè)在99個(gè)分位點(diǎn)的風(fēng)險(xiǎn)敞口，即每家銀行得到一個(gè)99×27矩陣。由于版面原因，無(wú)法將詳細(xì)結(jié)果附上?？傮w來(lái)講，報(bào)表中占比大的行業(yè)，市場(chǎng)認(rèn)為其風(fēng)險(xiǎn)敞口估計(jì)值未必大。

④包括北京銀行、南京銀行和寧波銀行。

⑤包括興業(yè)銀行、浦發(fā)銀行、華夏銀行、招商銀行、民生銀行、中信銀行、光大銀行和平安銀行。

⑥ 包括工商銀行、建設(shè)銀行、農(nóng)業(yè)銀行、中國(guó)銀行和交通銀行。

⑦△CoVaR值為2008～2013年均值。

⑧ 由于前文求解CoVaR的時(shí)間是從2008年開(kāi)始，因此，對(duì)CoVaR進(jìn)行的相關(guān)面板回歸的樣本期間為2008～2013年。

參考文獻(xiàn)：

[1]Stiglitz， Joseph E.， and Andrew Weiss. Credit rationing in markets with imperfect information [J]. The American Economic Review ，1981，（71）： 393-410.

[2]Wagner.Wolf. Diversification at financial institutions and systemic crises[J]. Journal of Financial Intermediation， 2010，（19）： 373-386.

[3]Winton， Andrew. Don't put all your eggs in one basket：diversification and specialization in lending[R].SSRN Papers，1999：173615.

[4]Duellmann， Klaus， and Nancy Masschelein. A tractable model to measure sector concentration risk in credit portfolios[J]. Journal of Financial Services Research，2007，（32）： 55-79.

[5]Acharya， Viral， Iftekhar Hasan， and Anthony Saunders. Should banks be diversified？ evidence from individual bank loan portfolios[J].The Journal of Business ，2006，（79）： 1355-1412.

[6]Hayden， Evelyn， Daniel Porath， and Nataljav Westernhagen. Does diversification improve the performance of german banks？ evidence from individual bank loan portfolios[J]. Journal of Financial Services Research，2007，（ 32）： 123-140.

[7]Boeve， Rolf， Klaus Duellmann， and Andreas Pfingsten. Do specialization benefits outweigh concentration risks in credit portfolios of german banks？[R]. Bundesbank Discussion Paper，2010：10.

[8]Tabak， Benjamin M.， Dimas M. Fazio， and Daniel O. Cajueiro. The effects of loan portfolio concentration on brazilian banks' return and risk[J]. Journal of Banking and Finance ， 2011，（35）： 3065-3076.

[9]Engle，R.F. and Manganelli，S. CAVaR：conditional autoregressive value at risk by regression quantiles[J]. Journal of Business and Economic Statistics，2004，（22）：367-381.

[10]Adrian， T.，and Brunnermeier， M. CoVaR[R]. NBER Working Paper，2011：17454.

[11]Dirk G.Baur and Niels Schulze. Financial market stabilitya test[J]. Journal of International Financial Markets， Institutions & Money， 2009，19（3）：506-519.

[12]Koenker， R.， and Bassett， G. Regression quantiles[J]. Econometrica，1978，46 （1）： 33-50.

[13]陳忠陽(yáng)，劉志洋.國(guó)有大型商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度真的高嗎？來(lái)自中國(guó)上市商業(yè)銀行股票收益率的證據(jù)[J].財(cái)貿(mào)經(jīng)濟(jì)，2013，（9）：57-65.

[14]Beck， Thorsten， Olivier De Jonghe， and Glenn Schepens. Bank competition and stability： crosscountry heterogeneity[J]. Journal of Financial Intermediation ，2013，（22）： 218-244.

[15]Laeven， Luc， and Ross Levine. Bank governance，regulation and risk taking[J]. Journal of Financial Economics ，2009，（93）： 259-275.

[16]Thorsten Beck and Olivier De Jonghe. Lending concentration， bank performance and systemic risk exploring crosscountry variation[R].Background Paper to the 2014 World Development Report Policy Research Working Paper，2014：6604.

（責(zé)任編輯：寧曉青）