究竟哪家商業(yè)銀行風(fēng)險(xiǎn)高

劉志洋

（東北師范大學(xué)，吉林長(zhǎng)春130117）

一、引 言

2008年的國(guó)際金融危機(jī)使得系統(tǒng)重要性銀行成為金融監(jiān)管當(dāng)局關(guān)注的焦點(diǎn)。為了有效管理系統(tǒng)重要性銀行，監(jiān)管當(dāng)局需要測(cè)度每家商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。系統(tǒng)重要性銀行的倒閉會(huì)給銀行體系的正常運(yùn)行帶來(lái)致命影響，因此Basel III規(guī)定，應(yīng)對(duì)系統(tǒng)重要性銀行施加額外的資本要求，以顯示其對(duì)銀行體系的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度較高。對(duì)系統(tǒng)重要性銀行施加額外資本要求的前提是測(cè)度每家商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。

2008國(guó)際金融危機(jī)爆發(fā)后，大量有關(guān)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的測(cè)度方法被提出（MES、CoVaR、SRISK等），以便對(duì)每家商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度進(jìn)行排序。然而，學(xué)者們提出的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的測(cè)度方法大多依靠金融市場(chǎng)，尤其是股票市場(chǎng)的交易數(shù)據(jù)，理論基礎(chǔ)相對(duì)薄弱，這就使得不同測(cè)度方法所得出的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的排序不盡相同。其原因是，金融市場(chǎng)，尤其是股票市場(chǎng)的交易數(shù)據(jù)存在大量的噪音，雖然股票市場(chǎng)數(shù)據(jù)具有前瞻性的優(yōu)勢(shì)，但由于數(shù)據(jù)噪音的存在使得對(duì)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的測(cè)度出現(xiàn)了誤差。

為了降低誤差，一個(gè)可能的方法就是將系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的測(cè)度指標(biāo)進(jìn)行匯總，得出一個(gè)綜合的測(cè)度指標(biāo)。通過(guò)加總得到的這個(gè)綜合性指標(biāo)，可以最大限度地消除測(cè)度風(fēng)險(xiǎn)過(guò)程中的噪音。中國(guó)共產(chǎn)黨第十九次代表大會(huì)報(bào)告中指出，要“守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線(xiàn)”。而在中國(guó)的金融體系中，銀行業(yè)占據(jù)了主要地位，因此為了有效管理中國(guó)銀行體系的系統(tǒng)性風(fēng)險(xiǎn)，中國(guó)金融監(jiān)管當(dāng)局既需要測(cè)度每家商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度，又需要測(cè)度每家商業(yè)銀行的風(fēng)險(xiǎn)。本文擬使用商業(yè)銀行股票交易數(shù)據(jù)，在求解主要的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度測(cè)度指標(biāo)和商業(yè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)指標(biāo)基礎(chǔ)上，使用主成分分析法，得出綜合的風(fēng)險(xiǎn)貢獻(xiàn)度指標(biāo)，并對(duì)其進(jìn)行實(shí)證分析，以期為中國(guó)銀行業(yè)宏觀(guān)審慎監(jiān)管的實(shí)施提供參考。

二、相關(guān)文獻(xiàn)綜述

金融體系是一個(gè)復(fù)雜的、各個(gè)環(huán)節(jié)相互交織的系統(tǒng)。金融機(jī)構(gòu)之間的關(guān)聯(lián)度使得金融體系出現(xiàn)困境時(shí)，流動(dòng)性風(fēng)險(xiǎn)、償付能力風(fēng)險(xiǎn)以及損失可以迅速在金融體系內(nèi)部蔓延。系統(tǒng)性風(fēng)險(xiǎn)的內(nèi)生性導(dǎo)致了測(cè)度系統(tǒng)性風(fēng)險(xiǎn)要同時(shí)考慮宏觀(guān)因素與微觀(guān)因素（Billio et al，2016）。學(xué)者對(duì)系統(tǒng)重要性銀行的研究主要從系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度方面展開(kāi)，對(duì)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的研究方法主要包括以下兩類(lèi)。

第一類(lèi)研究主要使用商業(yè)銀行資產(chǎn)負(fù)債表的數(shù)據(jù)，比如Greenwood et al（2015）、Gourieroux et al（2012）等。 Billio et al（2012）使用商業(yè)銀行資產(chǎn)負(fù)債數(shù)據(jù)研究了商業(yè)銀行之間的網(wǎng)狀關(guān)聯(lián)度。金融穩(wěn)定論壇（Financial Stability Board，F(xiàn)SB，2010）也提出，使用規(guī)模、經(jīng)營(yíng)復(fù)雜度以及關(guān)聯(lián)度等財(cái)務(wù)報(bào)表的指標(biāo)衡量一家商業(yè)銀行的系統(tǒng)重要性。然而，使用商業(yè)銀行財(cái)務(wù)報(bào)表數(shù)據(jù)測(cè)度系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度受到批評(píng)也較多。Kreis and Leisen（2017）指出，這種方法缺乏高精度數(shù)據(jù)作為支撐。Gai and Kapadia（2010）指出，這種方法所得到的脆弱性指標(biāo)不能令人信服?？傊捎谏虡I(yè)銀行財(cái)務(wù)報(bào)表的指標(biāo)相對(duì)滯后，因此使用這些數(shù)據(jù)來(lái)測(cè)度商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度會(huì)造成監(jiān)管當(dāng)局的判斷滯后于金融市場(chǎng)。

第二類(lèi)研究主要使用金融市場(chǎng)數(shù)據(jù)進(jìn)行測(cè)度分析，尤其是上市商業(yè)銀行的股票交易數(shù)據(jù)。在此類(lèi)研究中，代表性的指標(biāo)包括Brownlees and Engle（2010） 提出的 SRISK，Acharya et al （2010） 提出的 MES，Geanakoplos and Pedersen（2014）提出的基于市值的杠桿率，Benoit et al（2015）提出的基于CAPM模型的beta系數(shù)，Adrian and Brunnermeier（2011）提出的CoVaR指標(biāo)以及White et al（2015）提出的VaR指標(biāo)等。

以期權(quán)定價(jià)理論為基礎(chǔ)的或有權(quán)益分析（Contigent Claims Analysis，CCA）也得到了廣泛的應(yīng)用。CCA能夠使用金融市場(chǎng)數(shù)據(jù)分析金融機(jī)構(gòu)之間的關(guān)聯(lián)度，能夠使用模擬的方法模擬金融機(jī)構(gòu)聯(lián)合違約概率分布 （Jobst and Gray，2013）。由于CCA使用的是金融市場(chǎng)數(shù)據(jù)，因此其可以測(cè)度時(shí)變的相關(guān)性。且CCA能夠估計(jì)金融機(jī)構(gòu)市場(chǎng)隱含期望損失 （Market Implied Expected Loss）的聯(lián)合概率分布，因此能夠計(jì)算金融機(jī)構(gòu)同時(shí)陷入困境的概率（Jobst and Gray，2013）。此外，CCA能夠研究宏觀(guān)經(jīng)濟(jì)和銀行經(jīng)營(yíng)特征對(duì)市場(chǎng)隱含期望損失的影響，進(jìn)而能夠判斷金融機(jī)構(gòu)資本是否充足，此結(jié)果可以看作基于市場(chǎng)的資本充足率要求（Gray et al，2010）。

總之，學(xué)者們對(duì)商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的測(cè)算更傾向于使用金融市場(chǎng)數(shù)據(jù)。雖然基于市場(chǎng)數(shù)據(jù)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度測(cè)度方法所產(chǎn)生商業(yè)銀行系統(tǒng)重要性的排名莫衷一是，但使用金融市場(chǎng)數(shù)據(jù)是全球的主流趨勢(shì)。在對(duì)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的研究中，大多數(shù)學(xué)者都專(zhuān)注于某一個(gè)指標(biāo)，而沒(méi)有將所有指標(biāo)綜合起來(lái)，得出一個(gè)綜合的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度指標(biāo)。本文擬在國(guó)外學(xué)者研究的基礎(chǔ)上，使用中國(guó)上市商業(yè)銀行數(shù)據(jù)，測(cè)度每個(gè)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度指標(biāo)，并使用主成分分析法將指標(biāo)進(jìn)行加總得到綜合指標(biāo)，進(jìn)而分析中國(guó)商業(yè)銀行的系統(tǒng)重要性程度排名。

三、商業(yè)銀行風(fēng)險(xiǎn)測(cè)度指標(biāo)

本文以中國(guó)上市商業(yè)銀行為研究樣本進(jìn)行實(shí)證分析。為了刻畫(huà)銀行體系整體表現(xiàn)，本文使用基于市值加權(quán)的銀行業(yè)指數(shù)作為銀行體系整體狀況的代表，數(shù)據(jù)來(lái)源為Wind數(shù)據(jù)庫(kù)。本文使用Garch—DCC模型求解系統(tǒng)性風(fēng)險(xiǎn)測(cè)度過(guò)程中涉及的相關(guān)系數(shù)和變量的標(biāo)準(zhǔn)差。

（一）系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度測(cè)度指標(biāo)

1.ΔCoVaR

根據(jù)Adrian and Brunnermeier（2011）的研究，CoVaR的定義為：當(dāng)某一家商業(yè)銀行陷入困境后，銀行體系的VaR值。ΔCoVaRi定義為當(dāng)商業(yè)銀行i陷入困境后銀行體系的VaR值與商業(yè)銀行i正常經(jīng)營(yíng)時(shí)銀行體系VaR值的差值。 根據(jù) Acharya et al（2012）以及 Kreis and Leisen（2017）的研究，本文假設(shè)商業(yè)銀行i股票收益率和銀行業(yè)指數(shù)收益率的期望值為零，則在正態(tài)分布假設(shè)下，商業(yè)銀行i的ΔCoVaR可以表示為：

其中，σmt為衡量銀行業(yè)指數(shù)收益率的標(biāo)準(zhǔn)差，ρimt為商業(yè)銀行i與銀行業(yè)指數(shù)的相關(guān)系數(shù)，N-1（q）表示正態(tài)分布在q分位點(diǎn)的值。本文q的取值為0.01。

2．MES（Marginal Expected Shorfall）

根據(jù)Acharya et al（2010）的研究，商業(yè)銀行i的MES可以定義為：

其中，ri表示商業(yè)銀行i的股票收益率，rmt表示銀行業(yè)指數(shù)收益率，c為刻畫(huà)銀行體系陷入壓力情景的變量，本文假設(shè)c的取值為－0．05。根據(jù)Kreis and Leisen（2017）的研究，本文假設(shè)ri和rm的期望值為零，則在正態(tài)分布假設(shè)下，商業(yè)銀行i的MES可以表示為：

3．CES（Component Expected Shortfall）

根據(jù)Banulescu and Dumitrescu（2015）的研究，CES的含義是：商業(yè)銀行i對(duì)銀行體系期望尾部損失（Expected Shortfall）的貢獻(xiàn)度，其表達(dá)式為：

其中，ωit表示商業(yè)銀行i在t時(shí)刻占銀行體系的權(quán)重，εmt和ζit為Garch—DCC模型估計(jì)后生成的殘差項(xiàng)。c為刻畫(huà)銀行體系陷入壓力情景的變量，本文假設(shè) c 的取值為－0．05。

（二）個(gè)體風(fēng)險(xiǎn)測(cè)度指標(biāo)

1．VaR（Value at Risk）

雖然在計(jì)算ΔCoVaR過(guò)程中需要計(jì)算VaR，但本文還是將VaR作為商業(yè)銀行風(fēng)險(xiǎn)大小的一個(gè)指標(biāo)。因?yàn)閂aR可以作為一家商業(yè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)的表示變量，且對(duì)于中國(guó)銀行體系來(lái)講，一家商業(yè)銀行體系的上升意味著整體銀行體系風(fēng)險(xiǎn)的增加。本文假設(shè)商業(yè)銀行股票收益率的期望值為零，則在正態(tài)分布假設(shè)下，商業(yè)銀行i的VaR的值可以表示為：

其中，c（α）表示正態(tài)分布的q分位點(diǎn)的值。本文q的取值為0．01。

2．準(zhǔn)杠桿率（Quasi Leverage Ratio，QLR）

準(zhǔn)杠桿率指標(biāo)的定義比較簡(jiǎn)單（Naive），其背后的思想是杠桿率高的商業(yè)銀行倒閉概率大，繼而影響銀行體系的穩(wěn)定。Nucera et al（2016）認(rèn)為可以使用股票市值來(lái)定義杠桿率，因此本文將商業(yè)銀行負(fù)債總額與股票市值的比率作為準(zhǔn)杠桿率的計(jì)算公式。之所以將準(zhǔn)杠桿率作為銀行體系風(fēng)險(xiǎn)的代表指標(biāo)，主要來(lái)自于2009年國(guó)際貨幣基金組織進(jìn)行的一項(xiàng)研究，其結(jié)論為：資本充足率低的商業(yè)銀行在金融危機(jī)中表現(xiàn)不見(jiàn)得差，但準(zhǔn)杠桿率高的商業(yè)銀行在2008年國(guó)際金融危機(jī)中表現(xiàn)很差。

（二）測(cè)度結(jié)果

由于計(jì)算系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)需要股票市場(chǎng)的數(shù)據(jù)，因此本文的樣本為中國(guó)上市商業(yè)銀行，包括平安銀行、寧波銀行、江陰銀行、張家港行、浦發(fā)銀行、華夏銀行、民生銀行、招商銀行、無(wú)錫銀行、江蘇銀行、杭州銀行、南京銀行、常熟銀行、興業(yè)銀行、北京銀行、上海銀行、農(nóng)業(yè)銀行、交通銀行、工商銀行、光大銀行、建設(shè)銀行、中國(guó)銀行、貴陽(yáng)銀行、中信銀行和吳江銀行。樣本期間為2007年1月至2017年9月，數(shù)據(jù)頻率為周數(shù)據(jù)，數(shù)據(jù)來(lái)源為Wind數(shù)據(jù)庫(kù)。需要說(shuō)明的是，由于計(jì)算準(zhǔn)杠桿率需要當(dāng)期債務(wù)數(shù)據(jù)，但由于數(shù)據(jù)可得性原因，本文只能得到商業(yè)銀行的季度債務(wù)總額信息，因此對(duì)于準(zhǔn)杠桿率的計(jì)算，本文假設(shè)當(dāng)季度的所有周度市值均除以當(dāng)季度的債務(wù)總額。

由于江陰銀行、張家港行、無(wú)錫銀行、江蘇銀行、杭州銀行、常熟銀行、上海銀行、貴陽(yáng)銀行和吳江銀行上市時(shí)間較晚，數(shù)據(jù)可得性較低，因此本文最終的樣本為除去這些商業(yè)銀行外的16家上市商業(yè)銀行。截至2016年年末，在選取的16家上市商業(yè)銀行中，5家國(guó)有大型商業(yè)銀行的資產(chǎn)總額合計(jì)占商業(yè)銀行總資產(chǎn)的比例為50.21%，8家股份制商業(yè)銀行的資產(chǎn)總額合計(jì)占商業(yè)銀行總資產(chǎn)的比例為21.49%，3家城市商業(yè)銀行的資產(chǎn)總額合計(jì)占商業(yè)銀行總資產(chǎn)的比例為2.24%，16家上市商業(yè)銀行的資產(chǎn)總額合計(jì)占我國(guó)商業(yè)銀行總資產(chǎn)的比例達(dá)到73.94%。所以，無(wú)論從資產(chǎn)規(guī)模還是商業(yè)銀行發(fā)展歷史來(lái)看，以本文選取的16家上市商業(yè)銀行作為研究樣本來(lái)測(cè)算我國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)均具有充分代表性。

本文根據(jù)每個(gè)指標(biāo)的含義，在每一個(gè)時(shí)間點(diǎn)，確定了系統(tǒng)重要性最高的商業(yè)銀行，并對(duì)每家商業(yè)銀行出現(xiàn)系統(tǒng)性重要性最高的次數(shù)在整體的樣本區(qū)間進(jìn)行了統(tǒng)計(jì)（見(jiàn)表1）。從表1可以看出，每一個(gè)類(lèi)別的風(fēng)險(xiǎn)指標(biāo)都會(huì)指向不同的結(jié)果。從ΔCoVaR結(jié)果來(lái)看，建設(shè)銀行和華夏銀行是風(fēng)險(xiǎn)最高的商業(yè)銀行；而從CES測(cè)算結(jié)果來(lái)看，工商銀行和建設(shè)銀行占比總和也在75%以上，也是風(fēng)險(xiǎn)較高的商業(yè)銀行。因此，從ΔCoVaR和CES的結(jié)果來(lái)看，國(guó)有大型商業(yè)銀行應(yīng)是系統(tǒng)重要性銀行。然而QLR的測(cè)算結(jié)果與ΔCoVaR和CES不同。在QLR的測(cè)算結(jié)果中，華夏銀行出現(xiàn)次數(shù)占比66.13%，超過(guò)10%的有光大銀行和興業(yè)銀行，這三家都是股份制商業(yè)銀行。而各個(gè)商業(yè)銀行在MES和VaR的測(cè)算結(jié)果中出現(xiàn)的次數(shù)較為分散。在MES中，出現(xiàn)次數(shù)超過(guò)10%的商業(yè)銀行包括華夏銀行、興業(yè)銀行、中國(guó)銀行和中信銀行；在VaR中出現(xiàn)次數(shù)超過(guò)10%的商業(yè)銀行包括平安銀行、寧波銀行、浦發(fā)銀行和中信銀行。

總之，根據(jù)不同的風(fēng)險(xiǎn)指標(biāo)所測(cè)算的結(jié)果各不相同。ΔCoVaR和CES顯示國(guó)有大型商業(yè)銀行風(fēng)險(xiǎn)較高，而QLR、MES和VaR的測(cè)算結(jié)果中更多地出現(xiàn)了股份制商業(yè)銀行。

表1 商業(yè)銀行系統(tǒng)性重要性出現(xiàn)次數(shù)統(tǒng)計(jì)

注：江陰銀行在VaR的占比為11.59%，在MES的占比為5.88%。

為了進(jìn)一步驗(yàn)證系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度測(cè)算結(jié)果的不一致性，本文根據(jù)上市商業(yè)銀行的股票代碼進(jìn)行編號(hào)，針對(duì)每一個(gè)指標(biāo)都挑選出在每一個(gè)時(shí)間點(diǎn)、每一個(gè)風(fēng)險(xiǎn)最高的商業(yè)銀行的編號(hào)，從而形成了5列記錄系統(tǒng)性重要性商業(yè)銀行編號(hào)的時(shí)間序列。本文對(duì)這5列數(shù)據(jù)進(jìn)行配對(duì)檢驗(yàn)，結(jié)果見(jiàn)表2。從表2可以看出，指標(biāo)的兩兩配對(duì)結(jié)果檢驗(yàn)均表明，其測(cè)度結(jié)果不具有一致性。這說(shuō)明各個(gè)指標(biāo)得出的系統(tǒng)重要性結(jié)論的一致性程度不盡相同。

表2 配對(duì)檢驗(yàn)t值

四、系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度指標(biāo)綜合分析

（一）基于主成分分析的實(shí)證結(jié)論

表3為使用各個(gè)風(fēng)險(xiǎn)指標(biāo)在每一個(gè)時(shí)間點(diǎn)選出的風(fēng)險(xiǎn)高的銀行排序的相關(guān)系數(shù)矩陣。此相關(guān)性矩陣可以被用來(lái)檢驗(yàn)各個(gè)指標(biāo)之間是否存在信息重疊。如果指標(biāo)的結(jié)論相關(guān)性很高，則說(shuō)明不同的指標(biāo)雖然結(jié)果存在差異，但傾向于得出較為一致的結(jié)論，模型風(fēng)險(xiǎn)較低（Nucera et al，2016）。從表3可以看出，除CoVaR與VaR和CES指標(biāo)相關(guān)性較弱外，各個(gè)指標(biāo)結(jié)論的相關(guān)性較高。這說(shuō)明，各個(gè)指標(biāo)之間的預(yù)測(cè)結(jié)果既有一致的方向，但又存在差異性。因此，有必要在單獨(dú)分析每一個(gè)指標(biāo)的基礎(chǔ)上，綜合所有指標(biāo)的信息內(nèi)涵，得出一個(gè)較為系統(tǒng)的風(fēng)險(xiǎn)測(cè)度指標(biāo)，來(lái)表明每一個(gè)商業(yè)銀行的風(fēng)險(xiǎn)大小。

表3 各指標(biāo)系統(tǒng)重要性結(jié)論的相關(guān)系數(shù)矩陣

為了得出表示每家商業(yè)銀行風(fēng)險(xiǎn)的綜合指標(biāo)，本文首先將QLR變量乘以（-1），以便使各個(gè)指標(biāo)的變化方向的內(nèi)涵一致。在此基礎(chǔ)上，本文使用主成分分析法，對(duì)每家商業(yè)銀行的五類(lèi)風(fēng)險(xiǎn)指標(biāo)進(jìn)行統(tǒng)計(jì)分析，取第一主成分的系數(shù)，并乘以每個(gè)指標(biāo)值，進(jìn)而所生成新的綜合指標(biāo)，即可作為該家商業(yè)銀行整體風(fēng)險(xiǎn)的代表。從圖1、圖2和圖3可以看出，即使是同一個(gè)類(lèi)型的商業(yè)銀行，在不同的時(shí)間點(diǎn)，風(fēng)險(xiǎn)指標(biāo)高的商業(yè)銀行均不相同，這說(shuō)明商業(yè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)具有時(shí)變屬性。

表4和表5是進(jìn)行主成分分析后，在每一個(gè)時(shí)點(diǎn)風(fēng)險(xiǎn)最高的商業(yè)銀行的統(tǒng)計(jì)表。從表4可以看出，在股份制銀行中，華夏銀行出現(xiàn)次數(shù)最多，占比接近70%，浦發(fā)銀行和光大銀行占比也超過(guò)了10%。在國(guó)有五大行中，交通銀行和工商銀行占比最高，而城市商業(yè)銀行中，南京銀行出現(xiàn)的次數(shù)最多。在表5的匯總統(tǒng)計(jì)中，華夏銀行出現(xiàn)頻率最高，達(dá)到接近70%，而光大和浦發(fā)占比也超過(guò)了10%。表5的統(tǒng)計(jì)數(shù)據(jù)說(shuō)明，在中國(guó)，股份制商業(yè)銀行的經(jīng)營(yíng)風(fēng)險(xiǎn)高于國(guó)有大型商業(yè)銀行，城市商業(yè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)最低。

圖1 國(guó)有五大行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度走勢(shì)

圖2 八家股份制商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度走勢(shì)

圖3 三家城市商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度走勢(shì)

表4 主成分分析后商業(yè)銀行系統(tǒng)性重要性出現(xiàn)次數(shù)統(tǒng)計(jì)（分類(lèi)別統(tǒng)計(jì)）

表5 主成分分析后商業(yè)銀行系統(tǒng)性重要性出現(xiàn)次數(shù)統(tǒng)計(jì)

（二）影響系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的因素

本文進(jìn)一步使用商業(yè)銀行財(cái)務(wù)指標(biāo)數(shù)據(jù)，研究商業(yè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)指標(biāo)與商業(yè)銀行經(jīng)營(yíng)特征之間的關(guān)系。由于本文所測(cè)算的指標(biāo)為周度，但商業(yè)銀行財(cái)務(wù)指標(biāo)數(shù)據(jù)頻率最高的為季度，因此本文對(duì)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度指標(biāo)按照季度取均值，作為當(dāng)季度風(fēng)險(xiǎn)指標(biāo)的平均水平。樣本期間為2007年第一季度至2017年第三季度，數(shù)據(jù)來(lái)源為Wind數(shù)據(jù)庫(kù)。

2008年國(guó)際金融危機(jī)爆發(fā)后，以Basel III為核心的銀行業(yè)監(jiān)管改革進(jìn)一步確立了償付能力監(jiān)管和流動(dòng)性監(jiān)管的核心地位。對(duì)于商業(yè)銀行來(lái)講，當(dāng)一家商業(yè)銀行償付能力出現(xiàn)不足時(shí)，其很有可能陷入流動(dòng)性危機(jī)，進(jìn)而引發(fā)破產(chǎn)；而當(dāng)一家商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)增加時(shí)，也會(huì)出現(xiàn)商業(yè)銀行雖有償付能力，但由于缺乏流動(dòng)性而導(dǎo)致破產(chǎn)的現(xiàn)象。因此，流動(dòng)性和償付能力是影響商業(yè)銀行風(fēng)險(xiǎn)的兩個(gè)最重要的經(jīng)營(yíng)指標(biāo)。因此，本文也主要從償付能力風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)的視角研究影響商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的因素，具體面板回歸模型方程如下：

其中，Sysrisk表示商業(yè)銀行i在t時(shí)刻的風(fēng)險(xiǎn)指標(biāo)，sol表示償付能力風(fēng)險(xiǎn)，包括商業(yè)銀行資本充足率（cap）、一級(jí)資本充足率（tie1）以及杠桿率（lev），liq表示流動(dòng)性風(fēng)險(xiǎn)，包括存貸比（ltd）以及商業(yè)銀行流動(dòng)性覆蓋比率（lcr）。X為其他表示商業(yè)銀行經(jīng)營(yíng)特征的變量，包括不良貸款率（npl）、取對(duì)數(shù)的規(guī)模（size）以及表示盈利能力指標(biāo)凈息差（jx）。經(jīng)Hausman檢驗(yàn)，本文使用固定效應(yīng)模型進(jìn)行回歸分析。需要說(shuō)明的是，商業(yè)銀行對(duì)于杠桿率和流動(dòng)性覆蓋比率的披露均是從2015年第一季度開(kāi)始，因此本文在使用這兩個(gè)變量時(shí)，回歸樣本的期間為2015年第一季度至2017年第三季度?；貧w結(jié)果見(jiàn)表6。

表6 面板回歸結(jié)果

從表6可以看出，資本充足率回歸系數(shù)顯著為正。由于因變量為負(fù)值，且負(fù)值越大，說(shuō)明風(fēng)險(xiǎn)貢獻(xiàn)度越高，因此當(dāng)資本充足率越高時(shí)，商業(yè)銀行經(jīng)營(yíng)越穩(wěn)健，風(fēng)險(xiǎn)則越低。然而，表6結(jié)果表明，根據(jù)Basel III計(jì)算的杠桿率對(duì)商業(yè)銀行風(fēng)險(xiǎn)沒(méi)有顯著影響。從流動(dòng)性風(fēng)險(xiǎn)來(lái)看，存貸比（ltd）回歸系數(shù)顯著為負(fù)值，說(shuō)明當(dāng)存貸比（ltd）比率越高時(shí)，流動(dòng)性風(fēng)險(xiǎn)越高，商業(yè)銀行風(fēng)險(xiǎn)越高。從表6還可以看出，流動(dòng)性覆蓋率比率回歸系數(shù)顯著為負(fù)，說(shuō)明當(dāng)商業(yè)銀行流動(dòng)性覆蓋比率越高時(shí)，其風(fēng)險(xiǎn)也會(huì)增加，說(shuō)明流動(dòng)性充足的商業(yè)銀行傾向于更多的承擔(dān)風(fēng)險(xiǎn)。從控制變量來(lái)看，規(guī)模因素回歸系數(shù)顯著為負(fù)，說(shuō)明規(guī)模越大的商業(yè)銀行，其經(jīng)營(yíng)風(fēng)險(xiǎn)越高。而不良貸款率的回歸系數(shù)顯著性較好，但正負(fù)值出現(xiàn)了變化，因此本文認(rèn)為不良貸款率對(duì)商業(yè)銀行風(fēng)險(xiǎn)的影響還有待檢驗(yàn)。從凈息差來(lái)看，模型2和模型4的回歸結(jié)果均顯著為正①，說(shuō)明盈利較高的商業(yè)銀行，風(fēng)險(xiǎn)較低。

五、結(jié)論及政策建議

本文使用了中國(guó)上市商業(yè)銀行股票收益率數(shù)據(jù)，從商業(yè)銀行個(gè)體維度和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度兩個(gè)維度，測(cè)度了五類(lèi)風(fēng)險(xiǎn)指標(biāo)，發(fā)現(xiàn)商業(yè)銀行風(fēng)險(xiǎn)具有時(shí)變屬性，且不同的指標(biāo)給出了不同的風(fēng)險(xiǎn)排序。本文使用了主成分分析法，將基于五類(lèi)指標(biāo)計(jì)算出綜合的風(fēng)險(xiǎn)指標(biāo)匯總，并對(duì)影響指標(biāo)值大小的因素進(jìn)行實(shí)證分析。實(shí)證結(jié)果發(fā)現(xiàn)股份制商業(yè)銀行（如華夏銀行、光大銀行）整體風(fēng)險(xiǎn)貢獻(xiàn)度較高，甚至高于國(guó)有大型商業(yè)銀行，城市商業(yè)銀行風(fēng)險(xiǎn)貢獻(xiàn)度最低。此外，面板模型實(shí)證結(jié)果表明，規(guī)模大、資本充足率低、存貸比高和流動(dòng)性覆蓋率高的商業(yè)銀行，風(fēng)險(xiǎn)程度較高?；诒疚牡膶?shí)證結(jié)果，本文提出的政策建議如下：

第一，重視股份制商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。由于中國(guó)沒(méi)有爆發(fā)過(guò)銀行業(yè)危機(jī)，所以對(duì)于中國(guó)金融體系而言，任何商業(yè)銀行風(fēng)險(xiǎn)的增加都可能給銀行體系帶來(lái)威脅。股份制商業(yè)銀行也是全國(guó)性大型商業(yè)銀行，因此其系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度不一定會(huì)低于國(guó)有大型商業(yè)銀行。

第二，進(jìn)一步加強(qiáng)審慎監(jiān)管。本文實(shí)證結(jié)果表明，資本充足率越高的銀行，其系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度越低。因此監(jiān)管當(dāng)局應(yīng)進(jìn)一步加強(qiáng)資本充足率監(jiān)管，保證銀行體系的穩(wěn)定運(yùn)行。

第三，重視流動(dòng)性覆蓋率高的商業(yè)銀行。流動(dòng)性覆蓋率高的商業(yè)銀行在銀行體系危機(jī)中扮演了流動(dòng)性供給者的角色，其一旦倒閉，對(duì)銀行體系的流動(dòng)性供給會(huì)產(chǎn)生較大的影響。因此，監(jiān)管當(dāng)局要關(guān)注流動(dòng)性覆蓋率高的商業(yè)銀行，提高其系統(tǒng)重要性程度，以應(yīng)對(duì)銀行體系的流動(dòng)性危機(jī)。

注釋?zhuān)?/p>

① 模型6凈息差回歸結(jié)果不顯著，因此本文不予討論。