基于CoVaR動(dòng)態(tài)模型的我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)分析

黃瑋強(qiáng)，郭慧敏，莊新田

（東北大學(xué) 工商管理學(xué)院，沈陽(yáng) 110167）

0 引言

金融系統(tǒng)性風(fēng)險(xiǎn)是指可能導(dǎo)致金融系統(tǒng)部分或全部受損進(jìn)而使其金融服務(wù)功能中斷，并對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生嚴(yán)重危害的風(fēng)險(xiǎn)[1]。隨著金融市場(chǎng)化改革及金融創(chuàng)新的不斷深入，金融機(jī)構(gòu)間的相互關(guān)聯(lián)和相互依賴(lài)越來(lái)越深入且復(fù)雜。金融系統(tǒng)性風(fēng)險(xiǎn)度量是金融系統(tǒng)性風(fēng)險(xiǎn)監(jiān)管的前提。傳統(tǒng)的度量方法包括運(yùn)用金融計(jì)量模型，如GARCH類(lèi)模型或向量自回歸模型，通過(guò)分析金融機(jī)構(gòu)間的信息溢出關(guān)系來(lái)刻畫(huà)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)[2,3]；還有基于資產(chǎn)負(fù)債表數(shù)據(jù)，通過(guò)構(gòu)建金融壓力指數(shù)來(lái)測(cè)度金融系統(tǒng)性風(fēng)險(xiǎn)[4,5]。

近年來(lái)，越來(lái)越多的學(xué)者基于金融市場(chǎng)數(shù)據(jù)來(lái)度量金融系統(tǒng)性風(fēng)險(xiǎn)。Adrian和Brunnermeier[6]提出了金融系統(tǒng)性風(fēng)險(xiǎn)度量的條件在險(xiǎn)價(jià)值（CoVaR，ConditionalValue-at-Risk）方法。之后該方法被廣泛用于金融系統(tǒng)性風(fēng)險(xiǎn)的度量，如López-Espinosa等[7]運(yùn)用CoVaR模型分析了全球商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響因素。肖璞等[8]利用CoVaR方法，結(jié)合分位數(shù)回歸技術(shù)，研究了我國(guó)上市銀行之間的風(fēng)險(xiǎn)溢出效應(yīng)及單個(gè)銀行對(duì)整個(gè)銀行系統(tǒng)的風(fēng)險(xiǎn)貢獻(xiàn)率。白雪梅和石大龍[9]利用CoVaR方法，度量了我國(guó)公開(kāi)上市的27家金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，并建立了系統(tǒng)性風(fēng)險(xiǎn)預(yù)測(cè)模型。陸靜和胡曉紅[10]以CoVaR為基礎(chǔ)，通過(guò)引入狀態(tài)變量模擬尾部風(fēng)險(xiǎn)的時(shí)變特征，采用市場(chǎng)化資產(chǎn)增長(zhǎng)率等指標(biāo)對(duì)中國(guó)14家上市銀行的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了實(shí)證分析。除了Co-VaR方法外，其他基于市場(chǎng)數(shù)據(jù)的度量方法還包括系統(tǒng)性期望損失方法（systemic expected shortfall,SES)[11]、金融機(jī)構(gòu)對(duì)金融行業(yè)困境保險(xiǎn)費(fèi)用（distress insurance premium,DIP）的邊際貢獻(xiàn)[12]、出現(xiàn)金融危機(jī)時(shí)金融機(jī)構(gòu)的預(yù)期資本損失（SRISK）[13]等。

本文利用CoVaR動(dòng)態(tài)模型，通過(guò)引入系列滯后狀態(tài)變量，對(duì)我國(guó)35家上市金融機(jī)構(gòu)2008—2015年的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)進(jìn)行了動(dòng)態(tài)估計(jì)及分析。進(jìn)一步地，通過(guò)向前的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)分析，揭示了金融機(jī)構(gòu)的特征因素變量對(duì)其未來(lái)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的影響。

1 金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)度量模型

1.1 CoVaR定義

條件在險(xiǎn)價(jià)值（CoVaR）最早由Adrian和Brunnermeier于2008年提出[6]，2011年其又引入狀態(tài)變量模擬尾部風(fēng)險(xiǎn)時(shí)變特征對(duì)模型進(jìn)行了改進(jìn)，定義為：

當(dāng)金融機(jī)構(gòu)i發(fā)生極端事件(Xi=Va)時(shí)，整個(gè)金融體系的在險(xiǎn)價(jià)值（VaR）即為機(jī)構(gòu)i的系統(tǒng)性風(fēng)險(xiǎn)CoVaRqsy

stem|i。

其中，Xi代表金融機(jī)構(gòu)i的資產(chǎn)（組合）收益率，q為置信水平。通過(guò)CoVaR可以度量單個(gè)金融機(jī)構(gòu)發(fā)生極端事件時(shí)對(duì)金融體系的影響，即該機(jī)構(gòu)的系統(tǒng)重要性。進(jìn)一步地，金融機(jī)構(gòu)i對(duì)金融體系的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)為：

其中，Xi=mediani表示金融機(jī)構(gòu)i的資產(chǎn)（組合）收益率處于中位數(shù)水平。

1.2 CoVaR動(dòng)態(tài)模型

在CoVaR靜態(tài)模型基礎(chǔ)上，通過(guò)引入滯后變量得到CoVaR動(dòng)態(tài)模型。滯后變量也稱(chēng)作狀態(tài)變量，是由一系列影響金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)的相關(guān)指標(biāo)組成。滯后變量的引入刻畫(huà)了Xi和Xsystem的尾部風(fēng)險(xiǎn)時(shí)變性，使得CoVaR的估計(jì)結(jié)果更貼近實(shí)際。

其中，Mt-1為系列滯后狀態(tài)變量。先對(duì)式（3）進(jìn)行q分位數(shù)回歸，估計(jì)得到金融機(jī)構(gòu)i收益的在險(xiǎn)價(jià)值Va(q)，然后對(duì)式（4）進(jìn)行q分位數(shù)回歸，并將金融機(jī)構(gòu)i的在險(xiǎn)價(jià)值Va(q)代入公式右邊，得到金融體系的條件在險(xiǎn)價(jià)值CoVa(q)，即有：

1.3 向前的ΔCoVaR分析

向前的ΔCoVaR分析是挖掘?qū)鹑跈C(jī)構(gòu)第T期的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)有顯著影響的第T-n期的機(jī)構(gòu)特征因素。該分析能夠更好地把握金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)變動(dòng)趨勢(shì)，在一定程度上為監(jiān)管部門(mén)對(duì)金融機(jī)構(gòu)的宏觀審慎管理提供依據(jù)。分析方程為：

2 實(shí)證分析

2.1 變量選取和數(shù)據(jù)說(shuō)明

利用金融機(jī)構(gòu)i在第t期的市場(chǎng)化總資產(chǎn)增長(zhǎng)率衡量金融機(jī)構(gòu)的資產(chǎn)（組合）收益，具體可由金融機(jī)構(gòu)總市值和資產(chǎn)權(quán)益率計(jì)算得出，即：

（2）狀態(tài)變量Mt-1

借鑒文獻(xiàn)[6]，狀態(tài)變量Mt-1包括波動(dòng)性指數(shù)、流動(dòng)性?xún)r(jià)差、期限價(jià)差、信用價(jià)差、短期國(guó)債利率差、房地產(chǎn)收益率這六項(xiàng)指標(biāo)。通過(guò)狀態(tài)變量的選取，盡量剔除時(shí)間序列對(duì)尾部風(fēng)險(xiǎn)數(shù)據(jù)的影響，對(duì)Xi和Xsystem進(jìn)行修正，提高結(jié)論的可靠性。

選取公司規(guī)模、資產(chǎn)權(quán)益比、股價(jià)凈值比、股價(jià)波動(dòng)率、β值這五項(xiàng)指標(biāo)做為金融機(jī)構(gòu)的特征因素變量。利用金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)、金融機(jī)構(gòu)特征因素變量的滯后一個(gè)季度和半年的數(shù)據(jù)，進(jìn)行面板數(shù)據(jù)回歸，得出金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)與金融機(jī)構(gòu)特征因素變量間的相互關(guān)系，進(jìn)而對(duì)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)進(jìn)行預(yù)測(cè)。

根據(jù)中國(guó)證監(jiān)會(huì)制定的《上市公司行業(yè)分類(lèi)指引》，截止2015年12月31日，在中國(guó)滬深A(yù)股上市的金融業(yè)上市公司共有50家，其中包括16家銀行、24家證券公司、4家保險(xiǎn)公司以及6家信托等其他金融上市公司。樣本期間確定為2007年第四季度到2015年第四季度，確定的依據(jù)是：①包含最近一次金融危機(jī)時(shí)期；②要求在樣本期間內(nèi)一直處于上市交易狀態(tài)的金融機(jī)構(gòu)數(shù)量能夠達(dá)到一定規(guī)模。剔除2007年10月1日之后上市的金融機(jī)構(gòu)，本文最終選取了35家上市金融機(jī)構(gòu)，包括14家銀行、11家證券公司、4家保險(xiǎn)公司以及6家信托等其他金融機(jī)構(gòu)。

在市場(chǎng)化總資產(chǎn)增長(zhǎng)率的計(jì)算中，以樣本金融機(jī)構(gòu)的股票市值作為金融機(jī)構(gòu)的市場(chǎng)價(jià)值。樣本數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)。相關(guān)變量及其定義見(jiàn)表1。

表1 相關(guān)變量及其定義

2.2 變量描述性統(tǒng)計(jì)

各變量的描述性統(tǒng)計(jì)如下頁(yè)表2所示。由表2可知，各狀態(tài)變量偏度都不為零，流動(dòng)性指數(shù)、短期國(guó)債利率差和房地產(chǎn)收益率這三個(gè)變量的峰度均大于3，這說(shuō)明這些變量呈“尖峰厚尾”分布。因此采用分位數(shù)回歸方法可以更好地描述變量之間的關(guān)系。

2.3 金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)分析

由式（5）和式（7）可以計(jì)算得到35家金融機(jī)構(gòu)在5%分位數(shù)下的…，423（周）。計(jì)算每家金融機(jī)構(gòu)在樣本期間內(nèi)的

表2 狀態(tài)變量的描述性統(tǒng)計(jì)

圖1 各金融機(jī)構(gòu)樣本期間內(nèi)在險(xiǎn)價(jià)值和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)均值關(guān)系圖

表3 各金融機(jī)構(gòu)ΔCoVaR時(shí)間序列均值、標(biāo)準(zhǔn)差及其排序

從表3中可以看出，35家金融機(jī)構(gòu)中系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)排序前11位的金融機(jī)構(gòu)均為銀行，其中建設(shè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)最大。銀行業(yè)、保險(xiǎn)業(yè)、證券業(yè)、信托這些金融業(yè)所屬金融機(jī)構(gòu)的平均ΔCoVaR均值分別為-0.0369、-0.0144、-0.0078、-0.0122。因此從行業(yè)類(lèi)別來(lái)看，銀行業(yè)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)最大，保險(xiǎn)業(yè)金融機(jī)構(gòu)次之，證券業(yè)金融機(jī)構(gòu)的貢獻(xiàn)最小。從系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的波動(dòng)來(lái)看，排序前三位的金融機(jī)構(gòu)分別是工商銀行、招商銀行和建設(shè)銀行。經(jīng)計(jì)算發(fā)現(xiàn)，金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)排序和風(fēng)險(xiǎn)貢獻(xiàn)的波動(dòng)排序，其線(xiàn)性相關(guān)系數(shù)達(dá)到0.95，這說(shuō)明兩者之間呈顯著的同向變動(dòng)趨勢(shì)，即系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)越大的機(jī)構(gòu)其風(fēng)險(xiǎn)貢獻(xiàn)波動(dòng)也越大。這說(shuō)明對(duì)于系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)較大的金融機(jī)構(gòu)，應(yīng)加大對(duì)其監(jiān)管頻率，從而實(shí)現(xiàn)有效監(jiān)管。

圖2為各主要金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)隨時(shí)間變化情況的ΔCoVaR周時(shí)序圖。從圖2中可以看出，各主要金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)呈相似的變化趨勢(shì)。在2008—2009年金融危機(jī)期間，各機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)較大；危機(jī)過(guò)后風(fēng)險(xiǎn)貢獻(xiàn)逐漸減小，其后分別在2010年9月、2013年8月和2015年7月期間風(fēng)險(xiǎn)貢獻(xiàn)達(dá)到局部最大值。個(gè)別金融機(jī)構(gòu)如安信信托、中國(guó)平安和中信證券，他們?cè)?015年7月期間的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)值甚至與金融危機(jī)期間相近。

圖2 主要金融機(jī)構(gòu)的ΔCoVaR時(shí)序圖

2.4 向前的ΔCoVaR分析

根據(jù)式（8），以各金融機(jī)構(gòu)在各時(shí)期的銀行在險(xiǎn)價(jià)值、杠桿率、資產(chǎn)權(quán)益比、股價(jià)凈值比、股票收益波動(dòng)率以及β值作為解釋變量，以各金融機(jī)構(gòu)在各時(shí)期的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)作為被解釋變量。需要注意的是，各變量為季度數(shù)據(jù)，VaR和ΔCoVaR季度數(shù)據(jù)為其周數(shù)據(jù)的加總。相對(duì)于被解釋變量而言，各解釋變量取值分別滯后一個(gè)季度和半年，并分別進(jìn)行面板數(shù)據(jù)回歸。經(jīng)Hausman檢驗(yàn)發(fā)現(xiàn)，滯后一個(gè)季度和半年的面板數(shù)據(jù)回歸模型均拒絕隨機(jī)效應(yīng)的原假設(shè)。因此，選擇固定效應(yīng)的面板數(shù)據(jù)回歸，其結(jié)果如下頁(yè)表4所示。

由表4可知，除了解釋變量β值和股價(jià)凈值比不顯著外，兩個(gè)回歸方程其余各解釋變量估計(jì)系數(shù)均與系統(tǒng)性風(fēng)險(xiǎn)呈顯著相關(guān)關(guān)系。具體地，金融機(jī)構(gòu)的機(jī)構(gòu)規(guī)模與其向前一個(gè)季度和向前半年的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)呈顯著的負(fù)向相關(guān)關(guān)系。這說(shuō)明機(jī)構(gòu)的規(guī)模越大，其未來(lái)的系統(tǒng)性性風(fēng)險(xiǎn)貢獻(xiàn)將越小。同時(shí)還可發(fā)現(xiàn)，金融機(jī)構(gòu)的在險(xiǎn)價(jià)值、資產(chǎn)權(quán)益比與其向前一個(gè)季度和向前半年的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)呈顯著的正向相關(guān)關(guān)系；金融機(jī)構(gòu)的股票收益波動(dòng)率與其向前半年的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)呈顯著的正向相關(guān)關(guān)系。例如，金融機(jī)構(gòu)的股票收益波動(dòng)率提高1個(gè)單位，其未來(lái)半年的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)將增加0.7043個(gè)單位。因此金融機(jī)構(gòu)的杠桿率越高（單位權(quán)益的負(fù)債水平越高）、股票收益的波動(dòng)越大及在險(xiǎn)價(jià)值越大，其未來(lái)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)將越大。因此，在進(jìn)行金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)監(jiān)管時(shí)，應(yīng)重點(diǎn)提前關(guān)注那些規(guī)模較小、杠桿率較高、股票收益波動(dòng)及在險(xiǎn)價(jià)值較大的金融機(jī)構(gòu)。此外還可根據(jù)表4的結(jié)果對(duì)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)進(jìn)行均衡管理。例如若某一時(shí)期金融機(jī)構(gòu)的資產(chǎn)權(quán)益比（杠桿率）增加了，可通過(guò)采取一定的措施擴(kuò)大同時(shí)期該金融機(jī)構(gòu)的規(guī)模，以在一定程度上抵消前者對(duì)其未來(lái)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的正向影響。

表4 向前的ΔCoVaR分析結(jié)果（5%分位數(shù)）

3 結(jié)論

本文利用CoVaR動(dòng)態(tài)模型，通過(guò)引入系列滯后狀態(tài)變量，對(duì)我國(guó)35家上市金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)進(jìn)行了動(dòng)態(tài)估計(jì)及分析。同時(shí)進(jìn)行了向前的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)分析，揭示了金融機(jī)構(gòu)的特征因素變量對(duì)其未來(lái)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的影響。結(jié)論如下：

（1）金融機(jī)構(gòu)的同期在險(xiǎn)價(jià)值與其系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)間并無(wú)緊密的關(guān)聯(lián)。在險(xiǎn)價(jià)值指標(biāo)本身并不足以提供金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)的信息。

（2）根據(jù)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)時(shí)序信息可知，總體上看銀行業(yè)金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)最大，其次為保險(xiǎn)業(yè)金融機(jī)構(gòu)，證券業(yè)金融機(jī)構(gòu)的貢獻(xiàn)最小。

（3）系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)越大的金融機(jī)構(gòu)，其風(fēng)險(xiǎn)貢獻(xiàn)的波動(dòng)也越大。因此，對(duì)于系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)較大的金融機(jī)構(gòu)，應(yīng)加大對(duì)其監(jiān)管頻率以實(shí)現(xiàn)有效監(jiān)管。

（4）金融機(jī)構(gòu)的規(guī)模越大，其未來(lái)的系統(tǒng)性性風(fēng)險(xiǎn)貢獻(xiàn)將越小。金融機(jī)構(gòu)的杠桿率越高（單位權(quán)益的負(fù)債水平越高）、股票收益的波動(dòng)越大及在險(xiǎn)價(jià)值越大，其未來(lái)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)將越大。

本文的結(jié)論有助于利用這些金融機(jī)構(gòu)特征因素，對(duì)其系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行預(yù)警管理，并最終達(dá)到防范或抑制金融系統(tǒng)性風(fēng)險(xiǎn)的目的。