銀行系統(tǒng)性風險度量

呂燕軍+謝麗強

（山西財經(jīng)大學）

2008年國際金融危機以來，系統(tǒng)重要性金融機構(gòu)的識別、測度和監(jiān)管成為國內(nèi)外學術(shù)界和政府部門關(guān)注的焦點.IMF、歐盟及美國等在發(fā)布的金融監(jiān)管改革研究文獻中均將系統(tǒng)性風險的累積和宏觀審慎監(jiān)管的缺失作為導致國際金融危機的重要因素之一.本文應用GARCH-CoVaR模型對我國上市銀行的系統(tǒng)性風險貢獻度及其與銀行財務(wù)特征和宏觀經(jīng)濟波動的關(guān)系進行了分析，為銀行系統(tǒng)性風險識別和監(jiān)管提供了實證依據(jù)，對于構(gòu)建穩(wěn)健的中國銀行業(yè)的微觀結(jié)構(gòu)具有重要政策意義.

1 文獻綜述

計量和分析銀行機構(gòu)之間的相互關(guān)聯(lián)乃至系統(tǒng)性風險貢獻度主要有2種方法：（1）結(jié)構(gòu)化方法.如網(wǎng)絡(luò)模型，通過研究資產(chǎn)負債表相互關(guān)聯(lián)，以及對共同風險因子敞口等因素，在假定銀行體系遭受沖擊引發(fā)雙邊頭寸清算條件下，對危機傳染路徑、波及程度和資本損失進行估測，并對系統(tǒng)重要性銀行進行識別. （2）簡約化方法.即不去研究銀行間的相關(guān)關(guān)聯(lián)究竟是如何形成，而是力圖從市場數(shù)據(jù)，包括股價和CDS價差中推導出市場對銀行風險相關(guān)性的預期，如動態(tài)相關(guān)性、CoVaR方法和系統(tǒng)性風險保險定價法等.該方法的有效性取決于金融市場的有效性：當金融市場為“強有效”時，市場數(shù)據(jù)分析法可以通過對股價的分析、模擬，得出較為準確的系統(tǒng)性風險狀況；當金融市場為“半強勢”有效時，對歷史數(shù)據(jù)進行分析的準確性會有所下降；當金融市場為“弱有效”時，該方法將幾乎失去效用.

2 基于GARCH模型的CoVaR方法

2.1 測度銀行系統(tǒng)性風險

CoVaR模型在傳統(tǒng)度量市場風險的方法中，VaR（Value atRisk）在險價值方法是主流方法，其代表一定的概率水平下，資產(chǎn)或投資組合在未來特定時間內(nèi)的最大可能損失.若X代表某一資產(chǎn)或投資的損失，其密度函數(shù)是f（x），則VaR可表示為VaRp= inf| x| f（X≤ x）> p|Adrian等在VaR模型基礎(chǔ)上，建立了考慮金融機構(gòu)之間風險溢出關(guān)系的在險價值模型，稱為CoVaR模型，它表示在一定概率水平下，當某一資產(chǎn)在未來特定時間內(nèi)的損失等于VaR時，其他資產(chǎn)或投資組合的最大可能損失.因此，給定置信水平1- q，當銀行i的損失值為VaR時，銀行j的條件在險價值CoVaRj iq為Pr（Xj≤ CoVaRj| iq| Xi= VaRiq）= q這一定義意味著，CoVaRj iq本質(zhì)上是條件VaR，代表了銀行i對j的風險溢出效應.CoVaRj iq反映了銀行j的總風險價值，包含了無條件在險價值和溢出風險價值，為了更真實地反映當銀行i出現(xiàn)最大可能損失這一極值事件發(fā)生時銀行j的風險增加值，定義溢出風險價值為ΔCoVaRj| iq= CoVaRj| iq- VaRjq，與無條件VaRjq值相比，CoVaR方法考慮了銀行間市場風險的溢出性和傳導性，能夠反映危機時期機構(gòu)間相關(guān)性增加的事實，是對傳統(tǒng)VaR模型的改進.同理，銀行i對系統(tǒng)性風險的邊際貢獻為當銀行i發(fā)生最大可能損失時，銀行體系的條件風險與無條件風險之差為ΔCoVaRsys| iq= CoVaRsys| iq- VaRsysq

2.2 基于GARCH模型的動態(tài)CoVaR計算方法

基于GARCH模型的動態(tài)VaR方法可以給出在一定置信水平下資產(chǎn)每日的最大損失值，并充分考慮了發(fā)生極端事件時的風險狀況.這為投資者和監(jiān)管機構(gòu)實時評價單個銀行的市場風險提供了標準和依據(jù).Kuester等[12]研究發(fā)現(xiàn)，應用AR（1）-GARCH（1，1）對收益率序列建模并假設(shè)殘差序列服從t分布的參數(shù)估計結(jié)果，比傳統(tǒng)分位數(shù)回歸的效果更好.因此，本文引入基于GARCH模型的CoVaR方法來度量我國上市銀行的潛在系統(tǒng)風險貢獻度.

3實證結(jié)果分析

本文選取2002-11-12～ 2010-11-18滬深兩市14家上市銀行的收盤價作為樣本數(shù)據(jù)，其中包括4家國有銀行，10家股份制銀行.2003～ 2010年這14家銀行的總資產(chǎn)占我國商業(yè)銀行資產(chǎn)總額的比例高達75%以上，具有很好的代表性.數(shù)據(jù)來源Wind數(shù)據(jù)庫，數(shù)據(jù)處理使用Eviews 6.0和Splus.首先對樣本序列Xit（i= 1，2，… ，14，表示14家上市銀行）的平穩(wěn)性進行檢驗，單位根檢驗結(jié)果表明，在95%和99%的置信水平下，所有收益率數(shù)據(jù)均拒絕單位根原假設(shè)，即收益率序列均為平穩(wěn)序列，可以直接建立GARCH模型計算VaR和CoVaR等值.通過實證分析結(jié)果如下：在本文所作的各個不同尾部分布假設(shè)和不同概率水平的分析框架下，工商銀行、建設(shè)銀行和招商銀行的日平均VaR損失值最小，表現(xiàn)出良好的穩(wěn)健性和風險控制能力；而寧波銀行和興業(yè)銀行在正態(tài)分布下的日均VaR值最大，南京銀行、深發(fā)展和寧波銀行在t分布假設(shè)下的日均VaR損失值最大.可見，以VaR指標衡量的單個銀行風險中，中小商業(yè)銀行的潛在風險較高，具有更大的損失可能.

傳統(tǒng)的微觀審慎監(jiān)管側(cè)重于單個銀行和資產(chǎn)，其主要風險管理工具VaR方法沒有考慮到風險溢出效應的影響，而CoVaR能夠有效地反映單個銀行對系統(tǒng)風險的影響和貢獻度.計算結(jié)果顯示，在正態(tài)分布假設(shè)下，建設(shè)銀行對整個銀行系統(tǒng)的風險貢獻度最為顯著，在5%和1%的置信水平下日均CoVaR值分別為- 21.4%和- 32.7%，遠高于系統(tǒng)性影響位于第2位的工商銀行.而在t分布假設(shè)下，中國銀行、工商銀行、建設(shè)銀行的系統(tǒng)性風險貢獻度最為顯著，其日均CoVaR值小于- 30%，不同分布假設(shè)下的結(jié)論基本吻合，表明其結(jié)果具有穩(wěn)健性。ΔCoVaRsys iq，t衡量了當某一銀行發(fā)生最大可能損失時，其對銀行系統(tǒng)的風險溢出大小與CoVaR相比，這一指標減去了銀行體系在正常狀態(tài)下的無條件風險值，能更準確地反映單個銀行對系統(tǒng)性風險的真實度.結(jié)果顯示，在正態(tài)分布假設(shè)下，建設(shè)銀行、深發(fā)展、工商銀行、交通銀行的系統(tǒng)性風險貢獻程度最大，尤其以建設(shè)銀行最為顯著，在5%置信水平下，其對銀行系統(tǒng)的溢出風險值為- 17.4%，比系統(tǒng)性影響最小的寧波銀行高出14個百分點；在t分布下，工商銀行、建設(shè)銀行、中國銀行對系統(tǒng)性風險的影響最為顯著.可見，對我國銀行體系而言，系統(tǒng)重要性銀行主要是4大國有銀行，尤其以建設(shè)銀行、中國銀行和工商銀行最為突出.

究其深層原因，銀行的資產(chǎn)質(zhì)量、相對規(guī)模和系統(tǒng)性關(guān)聯(lián)程度是決定其系統(tǒng)性風險貢獻率的重要因素.

4結(jié)論

本文以Adrian等研究為基礎(chǔ)，應用股票價格數(shù)據(jù)對我國14家上市商業(yè)銀行的系統(tǒng)性風險貢獻度進行測算，度量了當一家銀行發(fā)生最大損失（或違約）時整個銀行體系的脆弱性，從而計算出單個銀行違約的溢出風險，并對其影響因素進行了實證分析.研究發(fā)現(xiàn)：①銀行系統(tǒng)性風險貢獻度與其自身VaR之間并無顯著線性關(guān)系，對我國銀行體系而言，系統(tǒng)重要性銀行主要是4大國有銀行，尤其以建設(shè)銀行、中國銀行和工商銀行的系統(tǒng)性影響最為顯著，其他股份制行的風險溢出和傳染效應遠小于這3家銀行.②銀行的溢出風險ΔCoVaR、自身風險VaR水平、不良貸款率以及宏觀經(jīng)濟波動對于預測銀行系統(tǒng)性風險的邊際貢獻具有顯著影響.值得注意的是，盡管CoVaR模型簡潔明了并反映了市場對于銀行風險相關(guān)性的預期，但該方法只適用于在股票交易所上市的銀行，并且要求資本市場是有效的，即全部信息都被反映到股價上.因此，股價的波動就代表了該銀行資產(chǎn)質(zhì)量和風險狀況的變化，這一條件對于大多數(shù)證券市場很難滿足.