基于CoES模型的商業(yè)銀行系統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)研究

李嘉晨

摘? ?要：本文通過(guò)CoES模型，測(cè)度了16家中國(guó)上市銀行系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度大小，并通過(guò)面板回歸對(duì)影響系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度的因素進(jìn)行分析。研究表明：國(guó)有大型商業(yè)銀行的系統(tǒng)重要性普遍高于股份制商業(yè)銀行和城市商業(yè)銀行，中國(guó)工商銀行的系統(tǒng)重要性在所有商業(yè)銀行中最高，中信銀行系統(tǒng)重要性位列股份制銀行之首，城商行中則是北京銀行的系統(tǒng)重要性最強(qiáng);廣義貨幣增長(zhǎng)率、對(duì)外投資依存度、期限利差、市值規(guī)模、權(quán)益乘數(shù)、資本充足率、總資產(chǎn)收益率、不良貸款率均會(huì)顯著影響系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度大小。

關(guān)鍵詞：系統(tǒng)風(fēng)險(xiǎn);系統(tǒng)重要性銀行;CoES模型

DOI：10.3969/j.issn.1003-9031.2019.12.002

中圖分類(lèi)號(hào)：F832.33? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ?文章編號(hào)：1003-9031（2019）12-0014-13

自2008年次貸危機(jī)爆發(fā)以來(lái)，人們深刻認(rèn)識(shí)到了金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染可能帶來(lái)系統(tǒng)風(fēng)險(xiǎn)，學(xué)界與實(shí)務(wù)界也圍繞系統(tǒng)風(fēng)險(xiǎn)開(kāi)展了大量研究，一個(gè)重要研究方向就是有關(guān)系統(tǒng)風(fēng)險(xiǎn)測(cè)算及關(guān)于系統(tǒng)重要性機(jī)構(gòu)的鑒定。隨著2014年銀監(jiān)會(huì)印發(fā)《商業(yè)銀行全球系統(tǒng)重要性評(píng)估指標(biāo)披露指引》及2018年三部委聯(lián)合發(fā)布《關(guān)于完善系統(tǒng)重要性金融機(jī)構(gòu)監(jiān)管的指導(dǎo)意見(jiàn)》，我國(guó)有關(guān)系統(tǒng)重要性機(jī)構(gòu)的監(jiān)管體系不斷完善，相關(guān)評(píng)價(jià)體系仍在進(jìn)一步探索。

一、文獻(xiàn)綜述

學(xué)界關(guān)于系統(tǒng)風(fēng)險(xiǎn)度量的研究，大體上可以按照數(shù)據(jù)來(lái)源的不同，將之分為基于宏觀變量和資產(chǎn)負(fù)債表的指標(biāo)法和基于市場(chǎng)數(shù)據(jù)的衡量法。一般而言，傳統(tǒng)的指標(biāo)法大多采用資產(chǎn)負(fù)債表信息，結(jié)合宏觀變量構(gòu)建指標(biāo)體系對(duì)系統(tǒng)風(fēng)險(xiǎn)衡量。近年來(lái)主流風(fēng)險(xiǎn)度量模型更多的是從資產(chǎn)價(jià)格角度出發(fā)，利用市場(chǎng)數(shù)據(jù)對(duì)系統(tǒng)風(fēng)險(xiǎn)進(jìn)行度量，其中就包含以在險(xiǎn)價(jià)值（VaR）為基礎(chǔ)的系統(tǒng)風(fēng)險(xiǎn)度量模型和以預(yù)期損失（ES）為基礎(chǔ)的系統(tǒng)風(fēng)險(xiǎn)度量模型。

在基于VaR為基礎(chǔ)的風(fēng)險(xiǎn)度量模型中，最具代表性的就是條件在險(xiǎn)價(jià)值（CoVaR）指標(biāo)，其定義為當(dāng)機(jī)構(gòu)i處于極端風(fēng)險(xiǎn)時(shí)，整體金融系統(tǒng)的在險(xiǎn)價(jià)值大小。Adrian&Brunnermeier（2009）認(rèn)為附加條件下系統(tǒng)的在險(xiǎn)價(jià)值與無(wú)條件下系統(tǒng)在險(xiǎn)價(jià)值大小之差ΔCoVaR是機(jī)構(gòu)i對(duì)整體系統(tǒng)風(fēng)險(xiǎn)的影響。圍繞ΔCoVaR指標(biāo)，國(guó)內(nèi)外學(xué)者對(duì)其估計(jì)方法和定義展開(kāi)進(jìn)一步研究。在估計(jì)方法上，Adrian等（2011）主要利用分位數(shù)回歸方法計(jì)算了CoVaR的大小;謝福座（2010）最早開(kāi)始將Copula函數(shù)與CoVaR結(jié)合，對(duì)亞洲三大股票市場(chǎng)指數(shù)的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行實(shí)證檢驗(yàn);高國(guó)華和潘英麗（2011）提出用AR-GARCH模型，結(jié)合正態(tài)分布及t分布下的分位數(shù)進(jìn)而得到動(dòng)態(tài)CoVaR的大小。在定義延申方面，Chan-Lau等（2009）提出一個(gè)類(lèi)似CoVaR的指標(biāo)Co-Risk，通過(guò)計(jì)算極端分位數(shù)情況下的機(jī)構(gòu)的條件CDS價(jià)值，度量機(jī)構(gòu)間信用風(fēng)險(xiǎn)關(guān)聯(lián)性;國(guó)內(nèi)學(xué)者白雪梅、石大龍（2014）從實(shí)際監(jiān)管需求的層面出發(fā)，通過(guò)面板數(shù)據(jù)回歸且用滯后一期的解釋變量進(jìn)行預(yù)測(cè)，最終得到Forward-ΔCoVaR指標(biāo)，與ΔCoVaR對(duì)比發(fā)現(xiàn)二者呈負(fù)相關(guān)關(guān)系，此時(shí)基于該指標(biāo)進(jìn)行宏觀審慎監(jiān)管則是逆周期的。

在基于ES為基礎(chǔ)的風(fēng)險(xiǎn)度量模型中，學(xué)者從定義上做了較多拓展。Acharya等（2009，2010）在預(yù)期損失ES指標(biāo)的基礎(chǔ)上，提出了系統(tǒng)風(fēng)險(xiǎn)預(yù)期損失（SES）和邊際預(yù)期損失（MES）兩個(gè)指標(biāo)，用于表示某一銀行的預(yù)期資本短缺及個(gè)體金融機(jī)構(gòu)對(duì)系統(tǒng)風(fēng)險(xiǎn)邊際貢獻(xiàn)度。Engle也先后與Brownlees（2011）和Acharya（2012）合作，提出了系統(tǒng)風(fēng)險(xiǎn)指數(shù)SRISK，該指標(biāo)測(cè)度了市場(chǎng)未來(lái)一段時(shí)間內(nèi)收益率低于某一水平時(shí)，某一金融機(jī)構(gòu)的預(yù)期資本短缺。Banulescu&Dumitrescu（2015）提出了成分預(yù)期損失（CES）指標(biāo)，在滿(mǎn)足歐拉可加性定義下，考慮單一銀行在整個(gè)銀行系統(tǒng)中的規(guī)模權(quán)重因素，將銀行系統(tǒng)的預(yù)期損失ES根據(jù)單一銀行權(quán)重，分解為不同成分預(yù)期損失。

由于CoVaR指標(biāo)無(wú)法覆蓋超過(guò)分位數(shù)點(diǎn)的尾部風(fēng)險(xiǎn)，而ES指標(biāo)無(wú)法測(cè)度機(jī)構(gòu)對(duì)于系統(tǒng)的溢出效應(yīng)，Adrian&Brunnermeier（2016）提出條件預(yù)期損失（CoES）指標(biāo)的構(gòu)想。國(guó)內(nèi)學(xué)者李政等（2019）參照前者的構(gòu)想，構(gòu)建了自己的CoES指標(biāo)。因該指標(biāo)可以視為是CoVaR與ES交叉融合下的產(chǎn)物，既涵蓋了超過(guò)VaR門(mén)限的尾部損失，又度量了機(jī)構(gòu)風(fēng)險(xiǎn)的溢出程度，下文將基于CoES指標(biāo)對(duì)商業(yè)銀行系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度進(jìn)行度量，并以此給出銀行系統(tǒng)重要性排名，并對(duì)影響系統(tǒng)風(fēng)險(xiǎn)的因素進(jìn)行實(shí)證分析。

二、基于ARMA-EGARCH的CoES模型

學(xué)界關(guān)于系統(tǒng)風(fēng)險(xiǎn)的定義雖存在分歧，但都強(qiáng)調(diào)系統(tǒng)風(fēng)險(xiǎn)是一種由于個(gè)體風(fēng)險(xiǎn)導(dǎo)致行業(yè)整體風(fēng)險(xiǎn)的情形，系統(tǒng)風(fēng)險(xiǎn)具有傳染性及負(fù)外部性?xún)纱筇攸c(diǎn)。此外，由于投資者普遍存在一定的正反饋行為，這會(huì)致使單一銀行發(fā)生財(cái)務(wù)困境時(shí)，銀行市場(chǎng)上出現(xiàn)擠兌或資產(chǎn)拋售，致使整個(gè)系統(tǒng)遭受損失。同時(shí)，銀行往往出于安全性考慮，在經(jīng)濟(jì)增長(zhǎng)時(shí)期不會(huì)有太過(guò)激進(jìn)的行為，其正向收益相對(duì)平穩(wěn)，而負(fù)向損失相對(duì)聚集，系統(tǒng)風(fēng)險(xiǎn)還存在厚尾性和非對(duì)稱(chēng)性?xún)纱筇攸c(diǎn)?；趲状筇卣鞯目紤]，我們選擇在GED分布下的ARMA-EGARCH模型，結(jié)合CoES指標(biāo)對(duì)系統(tǒng)風(fēng)險(xiǎn)進(jìn)行測(cè)算。

（一）CoES和下行ΔCoES的定義

根據(jù)Adrian and Brunnermeier（2016）提出的構(gòu)想，CoES指標(biāo)可以定義在銀行i的收益率小于顯著性水平p所對(duì)應(yīng)的分位數(shù)的條件下，銀行系統(tǒng)的收益率的期望大小。

同時(shí)，為了構(gòu)造下行風(fēng)險(xiǎn)溢出和左尾部依賴(lài)性的測(cè)度指標(biāo)，李政等（2019）在參考ΔCoVaR的定義后，給出了下行ΔCoES的定義：

為了方便不同機(jī)構(gòu)間系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度的比較，進(jìn)而對(duì)系統(tǒng)重要性排名，參照前人對(duì)%ΔCoVaR指標(biāo)的設(shè)計(jì)，本文對(duì)ΔCoESL指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理：

其中，關(guān)于顯著性水平的選取，考慮到現(xiàn)實(shí)中我國(guó)商業(yè)銀行一般選擇99%作為其置信水平，故而α此處取值為1%。同時(shí)，對(duì)于風(fēng)險(xiǎn)價(jià)值VaR所設(shè)置的持有期也參考商業(yè)銀行標(biāo)準(zhǔn)設(shè)置為1天，而計(jì)算CoES指標(biāo)時(shí)則考慮了未來(lái)一個(gè)月的收益率，兼顧了實(shí)時(shí)性的要求。

（二）基于GED分布下ARMA-EGARCH模型的CoES估計(jì)方法

本文主要采用ARMA-EGARCH模型來(lái)估計(jì)CoES指標(biāo)，同時(shí)假設(shè)銀行個(gè)體的收益率和銀行系統(tǒng)收益率估計(jì)中對(duì)應(yīng)的殘差序列服從于廣義誤差分布（GED），主要原因如下：一是利用ARMA-EGARCH模型進(jìn)行估計(jì)，不僅有利于解決金融時(shí)間序列數(shù)據(jù)的自相關(guān)和異方差問(wèn)題，還有利于擬合時(shí)間序列對(duì)利好及利空消息的非對(duì)稱(chēng)反應(yīng)（杠桿效應(yīng)）;二是GED分布的假設(shè)相對(duì)正態(tài)分布假設(shè)更能擬合時(shí)間序列數(shù)據(jù)普遍存在的尖峰厚尾特征;三是CoES指標(biāo)及下行ΔCoES指標(biāo)設(shè)計(jì)為對(duì)系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度的度量，即主要度量了一種溢出效應(yīng)。綜上所述，該模型可以對(duì)系統(tǒng)風(fēng)險(xiǎn)存在的傳染性、負(fù)外部性、非對(duì)稱(chēng)性、厚尾性等特征進(jìn)行詳細(xì)刻畫(huà)，也使得度量結(jié)果更加精準(zhǔn)。GED分布又可稱(chēng)作廣義誤差分布，其密度函數(shù)表達(dá)式為：

式（4）中，Γ（x）為伽瑪函數(shù)，η為GED分布的自由度，當(dāng)η=2時(shí)，GED分布即轉(zhuǎn)為正態(tài)分布，當(dāng)η>2時(shí)，GED分布表現(xiàn)出比正態(tài)分布尾部更薄的特征，當(dāng)η<2時(shí)，則表現(xiàn)出比正態(tài)分布尾部更厚的特征。

在假設(shè)干擾項(xiàng)ε服從GED分布的前提下，對(duì)于CoES指標(biāo)的估計(jì)可以分為以下三個(gè)部分進(jìn)行描述。

1.各大銀行VaR大小的估計(jì)

由式（1）可知，計(jì)算CoES指標(biāo)的前提，需要先計(jì)量出銀行i的VaR大小。因而對(duì)于銀行i，參照高國(guó)華和潘英麗（2011）對(duì)銀行個(gè)體的VaR的估計(jì)，我們對(duì)ARMA（1，1）-EGARCH模型中的均值方程進(jìn)行修改①，同時(shí)我們參照Nelson（1991）對(duì)EGARCH的設(shè)定，對(duì)條件方差方程進(jìn)行一定的修正，進(jìn)而對(duì)個(gè)體銀行i建立以下回歸方程：

外，代表RMt時(shí)刻的市場(chǎng)收益率，DMt表示t時(shí)刻的市場(chǎng)收益的30d滾動(dòng)方差，加入這兩指標(biāo)有利于提高方程擬合程度。特別的，方差方程中β反映了外部沖擊帶來(lái)的杠桿效應(yīng)。

在GED分布下，進(jìn)行極大似然估計(jì)后即可得出式（6）和（7）的系數(shù)，進(jìn)而可以求出個(gè)體銀行的在險(xiǎn)價(jià)值VaRiq，t：

其中，是利用以上模型估計(jì)出來(lái)的銀行預(yù)期收益率，是利用迭代的方法計(jì)算出的日收益率標(biāo)準(zhǔn)差，Z為擾動(dòng)項(xiàng)服從GED分布下的q分位數(shù)。

2.超臨界損失收益率序列模擬

根據(jù)CoES指標(biāo)的定義，我們需要在各個(gè)銀行i的收益率小于或等于VaRiq，t的時(shí)候，來(lái)求出此場(chǎng)景下的系統(tǒng)收益率的期望。因此，借鑒個(gè)體銀行的在險(xiǎn)價(jià)值的VaRiq，t估計(jì)方法，我們給出超出分位數(shù)臨界點(diǎn)的該部分收益率序列Reiq，t的模擬思路：

其中，Z_excessiq，t是超額損失在收益率序列中的發(fā)生概率qeccess所對(duì)應(yīng)的分位數(shù)，滿(mǎn)足Z_excessiq，t≤Ziq，t。由于Z_excessiq，t在已知分布參數(shù)值及概率qeccess可得出，在此我們假設(shè)qeccess為均勻分布下生成的隨機(jī)數(shù)，滿(mǎn)足條件0≤qeccess≤q。

3.基于超臨界損失收益率序列的CoES估計(jì)

首先，對(duì)于整個(gè)銀行系統(tǒng)我們同樣建立ARMA（1，1）-EGARCH模型：

最后，通過(guò)式（2）和（3）即可算出各銀行對(duì)應(yīng)的系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度，并可以在不同銀行之間進(jìn)行比較，得出銀行系統(tǒng)重要性排名。

三、實(shí)證結(jié)果分析

本文選取個(gè)股的股票收益率作為單個(gè)金融機(jī)構(gòu)系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度的測(cè)算基礎(chǔ)。具體而言，參照田國(guó)強(qiáng)等（2019）設(shè)定①，在估計(jì)下行ΔCoES時(shí)，以商業(yè)銀行的后復(fù)權(quán)收盤(pán)價(jià)來(lái)計(jì)算其日收益率，同時(shí)以中證滬深300商業(yè)銀行全收益指數(shù)收盤(pán)指數(shù)作為銀行系統(tǒng)收益率。其中日收益率序列計(jì)算如下所示：

Rt= （1nPt-1nPt-1）×100%（14）

其中，Rt表示第t天的收益率，1nPt和1nPt-1則表示相鄰兩個(gè)交易日收盤(pán)價(jià)。

本文將選取代表性銀行的系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度進(jìn)行估算，并對(duì)系統(tǒng)重要性排序。為保證估算的準(zhǔn)確性，我們將盡可能考慮所有上市的國(guó)有商業(yè)銀行、股份制銀行及主要的大型城商行。經(jīng)過(guò)篩選，本文的研究區(qū)間確定在2011年1月4日—2018年12月28日，共1946個(gè)交易日，數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)。而對(duì)于系統(tǒng)重要性排序，我們將選取共計(jì)16家上市商業(yè)銀行進(jìn)行對(duì)比②，因16家商業(yè)銀行資產(chǎn)占中國(guó)銀行業(yè)資產(chǎn)總額比例約75%，故選取該樣本分析的代表性較好。

（一）收益率序列描述性分析

為刻畫(huà)收益率數(shù)據(jù)的特征，我們對(duì)銀行指數(shù)及各大銀行收益率進(jìn)行了描述性統(tǒng)計(jì)分析，同時(shí)為保證收益率數(shù)據(jù)平穩(wěn)，還對(duì)其進(jìn)行了單位根檢驗(yàn)（見(jiàn)表1）。各大銀行的日收益率的偏度系數(shù)為均不恒等于0，因而收益率分布略有左偏或右偏，具有輕微的非對(duì)稱(chēng)性;由于峰度系數(shù)也遠(yuǎn)大于正態(tài)分布對(duì)應(yīng)的系數(shù)3，故具有尖峰厚尾特征;J-B統(tǒng)計(jì)量更是達(dá)到3600.996，遠(yuǎn)大于正態(tài)分布所對(duì)應(yīng)0.01顯著性水平下的臨界值9.21。綜上，可以拒絕收益率分布滿(mǎn)足正態(tài)分布的假設(shè)。同時(shí)，在對(duì)單位根檢驗(yàn)后可知，所有收益率序列均在1%的水平上顯著，即拒絕收益率序列存在單位根的原假設(shè)，收益率序列平穩(wěn)。因此，采用GED分布下的ARMA-EGARCH模型來(lái)擬合收益率序列，并估計(jì)CoES模型有其合理性。

（二）商業(yè)銀行系統(tǒng)重要性衡量

通過(guò)建立ARMA（1，1）-EGARCH模型對(duì)收益率擬合，我們可以計(jì)算出各大銀行的動(dòng)態(tài)ΔCoESL，通過(guò)繪制圖形（見(jiàn)圖1），進(jìn)而可以觀測(cè)各大銀行系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度變化趨勢(shì)?？梢?jiàn)，大多數(shù)商業(yè)銀行的系統(tǒng)風(fēng)險(xiǎn)溢出水平均在2015年及2018年的經(jīng)濟(jì)波動(dòng)期間達(dá)到峰值，這也充分體現(xiàn)了系統(tǒng)風(fēng)險(xiǎn)的負(fù)外部性及傳染性。此外我們觀察到，國(guó)有大型商業(yè)銀行的系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度盡管較高，但除去危機(jī)期間，從長(zhǎng)期看其變動(dòng)幅度相對(duì)較小。而股份制商業(yè)銀行和城市商業(yè)銀行的系統(tǒng)風(fēng)險(xiǎn)溢出水平雖相對(duì)較低，但其波動(dòng)較大，說(shuō)明其在日常經(jīng)營(yíng)中更容易受到內(nèi)外部沖擊因素的干擾，自身穩(wěn)定性較差，也就更容易向整個(gè)銀行系統(tǒng)中發(fā)出沖擊，在正常經(jīng)濟(jì)運(yùn)轉(zhuǎn)情況下，更容易成為整個(gè)系統(tǒng)中的不穩(wěn)定因素。

由于銀行的系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度大小同時(shí)是反應(yīng)商業(yè)銀行的系統(tǒng)重要性的重要依據(jù)。此處，我們以標(biāo)準(zhǔn)化后的%ΔCoESL及式（10）中的長(zhǎng)期風(fēng)險(xiǎn)溢出系數(shù)作為依據(jù)，對(duì)各類(lèi)商業(yè)銀行的系統(tǒng)重要性進(jìn)行比較（見(jiàn)表2）。

由表2可知，國(guó)有制商業(yè)銀行短期收益率波動(dòng)對(duì)于銀行系統(tǒng)的風(fēng)險(xiǎn)溢出最大，國(guó)有制商業(yè)銀行的系統(tǒng)重要性最高，其中中國(guó)工商銀行對(duì)銀行系統(tǒng)影響最大。因而危機(jī)發(fā)生時(shí)，應(yīng)當(dāng)優(yōu)先關(guān)注五大行的穩(wěn)定性，特別注意對(duì)中國(guó)工商銀行的風(fēng)險(xiǎn)防控。此外，我們也注意到，股份制商業(yè)銀行和區(qū)域商業(yè)銀行中也不乏有對(duì)系統(tǒng)有較大影響的銀行，如中信銀行、北京銀行、寧波銀行等。

反觀長(zhǎng)期風(fēng)險(xiǎn)貢獻(xiàn)度指標(biāo)，銀行個(gè)體表現(xiàn)出較強(qiáng)的個(gè)體差異。大型商業(yè)銀行中最應(yīng)加以持續(xù)關(guān)注的是中國(guó)建設(shè)銀行，其單位自身風(fēng)險(xiǎn)能造成65.9%的風(fēng)險(xiǎn)溢出;北京銀行應(yīng)作為城商行中的重點(diǎn)監(jiān)管對(duì)象;股份制商業(yè)銀行中，招商銀行的系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度則遠(yuǎn)超其余股份制銀行，這可能與招商銀行長(zhǎng)期以來(lái)在規(guī)模上的領(lǐng)軍地位以及復(fù)雜的業(yè)務(wù)往來(lái)有關(guān)。

四、系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度的影響因素

在對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度進(jìn)行度量之后，本文還試圖尋找對(duì)該種溢出效應(yīng)變動(dòng)起作用的影響因子。正如前述文獻(xiàn)所言，盡管基于宏觀變量和資產(chǎn)負(fù)債表的指標(biāo)法在度量系統(tǒng)風(fēng)險(xiǎn)時(shí)存在諸多不足，近年來(lái)也并非主流的測(cè)度方法。但循著這一研究思路，我們可以將系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度的起因分為兩類(lèi)研究：即微觀主要基于資產(chǎn)負(fù)債表個(gè)體特征的誘因以及宏觀經(jīng)濟(jì)層面的影響因素。通過(guò)回顧有關(guān)文獻(xiàn)，在微觀方面，金融機(jī)構(gòu)機(jī)構(gòu)的規(guī)模、杠桿、流動(dòng)性、盈利水平和資產(chǎn)質(zhì)量仍然是最為廣泛討論的影響因素;在宏觀影響因素可以從貨幣政策、經(jīng)濟(jì)景氣程度、經(jīng)濟(jì)放開(kāi)程度三個(gè)視角進(jìn)行研究。

此處，本文將采用上述16家上市銀行2011—2018年的季度財(cái)務(wù)數(shù)據(jù)和相應(yīng)季度宏觀數(shù)據(jù)，結(jié)合面板回歸模型對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度的影響因素進(jìn)行分析，具體回歸方程設(shè)置如下：

表3）。

（一）面板數(shù)據(jù)描述性統(tǒng)計(jì)

在進(jìn)行面板回歸之前，我們首先應(yīng)對(duì)以上變量進(jìn)行描述性統(tǒng)計(jì)，并進(jìn)行單位根檢驗(yàn)，防止非平穩(wěn)數(shù)據(jù)導(dǎo)致的偽回歸現(xiàn)象（見(jiàn)表4）。其中，不良貸款率（npl）是一階單整，其余變量序列均在5%的顯著性水平上平穩(wěn)。因此，在后續(xù)回歸中，對(duì)不良貸款率進(jìn)行差分處理。

（二）面板模型相關(guān)檢驗(yàn)

在利用式（15）進(jìn)行回歸時(shí)，還需要進(jìn)行殘差截面相關(guān)檢驗(yàn)及異方差檢驗(yàn)，同時(shí)應(yīng)判斷應(yīng)當(dāng)采用固定效應(yīng)還是隨機(jī)效應(yīng)模型。由表5可知，殘差在1%的顯著性水平下拒絕個(gè)體不存在相關(guān)性和同方差假設(shè)，即殘差截面相關(guān)且存在異方差。因而在估計(jì)權(quán)重時(shí)，利用相應(yīng)的廣義最小二乘估計(jì)進(jìn)行調(diào)整，并采用white截面方法作為系數(shù)協(xié)方差估計(jì)方法。根據(jù)chow檢驗(yàn)的F統(tǒng)計(jì)量及卡方統(tǒng)計(jì)量，同樣在1%的顯著性水平上拒絕原假設(shè)，即模型存在個(gè)體固定效應(yīng)。

（三）面板模型回歸結(jié)果

建立固定效應(yīng)面板數(shù)據(jù)回歸模型，回歸結(jié)果見(jiàn)表6。可以看出十個(gè)解釋變量中， M2增長(zhǎng)率、對(duì)外投資依存度、市值規(guī)模、權(quán)益乘數(shù)、資本充足率、總資產(chǎn)收益率、不良貸款率在1%的顯著性水平上顯著，期限利差則在5%的水平上顯著，而GDP同比增長(zhǎng)率、對(duì)外貿(mào)易依存度則不顯著。

具體而言，國(guó)債期限利差越大，銀行系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度上升。這是由于利差擴(kuò)大意味著人們要求更高的流動(dòng)性溢價(jià)，來(lái)補(bǔ)償未來(lái)將面臨的更大的流動(dòng)性風(fēng)險(xiǎn)，進(jìn)而使得銀行的風(fēng)險(xiǎn)傳染的可能性增大。

廣義貨幣增長(zhǎng)率的上升，將會(huì)帶來(lái)銀行系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度上升。這說(shuō)明了寬松的貨幣政策鼓勵(lì)銀行進(jìn)行風(fēng)險(xiǎn)承擔(dān)。同時(shí)與期限利差影響相比較，其系數(shù)更大，影響也更為顯著，說(shuō)明了銀行風(fēng)險(xiǎn)承擔(dān)行為對(duì)于數(shù)量型貨幣政策調(diào)整更為敏感，這也與我國(guó)貨幣政策主要采取數(shù)量型工具的事實(shí)相符。

對(duì)外投資依存度增加，系統(tǒng)風(fēng)險(xiǎn)溢出影響下降?？紤]到雙向投資在經(jīng)濟(jì)中占比增加，將有利于從競(jìng)爭(zhēng)模仿等途徑，促進(jìn)技術(shù)、資源、人員素質(zhì)等要素決定的經(jīng)濟(jì)高質(zhì)量增長(zhǎng)，同時(shí)，伴隨越來(lái)越多的企業(yè)采用新設(shè)具有法人資質(zhì)的子公司的形式對(duì)外投資，這一方式提高收益降低成本的同時(shí)，還起到多元化經(jīng)營(yíng)分散風(fēng)險(xiǎn)的作用，而境外法人獨(dú)立擔(dān)責(zé)又減少了外部風(fēng)險(xiǎn)向國(guó)內(nèi)傳遞，最終使得企業(yè)也高質(zhì)量增長(zhǎng)。雙重作用下，銀行的壞賬概率大大降低，資產(chǎn)質(zhì)量上升，進(jìn)而系統(tǒng)內(nèi)銀行對(duì)于外部的風(fēng)險(xiǎn)溢出下降。

此外，GDP同比增長(zhǎng)率ΔGDP與對(duì)外貿(mào)易依存度DFT盡管影響不顯著，但二者仍與系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)正相關(guān)。這表明經(jīng)濟(jì)增長(zhǎng)較快時(shí)期，銀行傾向于有更多風(fēng)險(xiǎn)承擔(dān)行為，其對(duì)系統(tǒng)的潛在溢出風(fēng)險(xiǎn)積聚。而貿(mào)易往來(lái)越頻繁，對(duì)外貿(mào)易依存度越高，關(guān)稅等貿(mào)易壁壘使得國(guó)內(nèi)經(jīng)濟(jì)波動(dòng)的可能性越大，傳導(dǎo)至金融市場(chǎng)使得銀行系統(tǒng)的穩(wěn)定性也越差。

從微觀個(gè)體變量來(lái)看，市值規(guī)模的系數(shù)顯著為正值，且在個(gè)體影響因素中，其對(duì)系統(tǒng)風(fēng)險(xiǎn)溢出程度的貢獻(xiàn)最大。這恰是對(duì)規(guī)模越大的銀行，一般系統(tǒng)重要性越高的解釋?zhuān)灿∽C國(guó)內(nèi)銀行系統(tǒng)存在“太大而不能倒”這一現(xiàn)象。

權(quán)益乘數(shù)代表的財(cái)務(wù)杠桿與不良貸款率的增量與系統(tǒng)風(fēng)險(xiǎn)溢出程度也呈現(xiàn)出正相關(guān)關(guān)系。由于高杠桿及不良貸款率上升都會(huì)使得商業(yè)銀行面臨較高的信用風(fēng)險(xiǎn)，根據(jù)前述系統(tǒng)風(fēng)險(xiǎn)傳導(dǎo)渠道，當(dāng)企業(yè)違約事件頻發(fā)，銀行的信貸將會(huì)萎縮，由于高杠桿的存在可能存在資不抵債，進(jìn)而拋售資產(chǎn)的情形，使得資產(chǎn)價(jià)格降低，進(jìn)而風(fēng)險(xiǎn)在整個(gè)系統(tǒng)中傳播開(kāi)來(lái)。因而高杠桿及不良貸款率上升均會(huì)導(dǎo)致銀行系統(tǒng)風(fēng)險(xiǎn)溢出增大。

衡量銀行流動(dòng)性的資本充足率的回歸系數(shù)為負(fù)，這一點(diǎn)與過(guò)往經(jīng)驗(yàn)并不一致。一般而言銀行流動(dòng)性越高，其經(jīng)營(yíng)過(guò)程中安全性越高，但過(guò)高的流動(dòng)性并不利于銀行風(fēng)險(xiǎn)的降低。如較高的資本充足率說(shuō)明銀行對(duì)于資本的利用并不充分，資產(chǎn)端業(yè)務(wù)并未得到全面發(fā)展，使得其盈利能力較弱，不利于其持續(xù)經(jīng)營(yíng)。我國(guó)銀行業(yè)目前對(duì)于資本充足率的監(jiān)管的基本要求是10.5%，樣本測(cè)試中16家銀行遠(yuǎn)超這一指標(biāo)，國(guó)有大型銀行的資本充足率普遍在15%這一水平，存在一定的效率損失，反倒可能不利于限制風(fēng)險(xiǎn)外溢。

在個(gè)體銀行的盈利方面，總資產(chǎn)收益率ROA的回歸系數(shù)顯著為負(fù)。這說(shuō)明銀行個(gè)體的盈利能力越強(qiáng)，其系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度越弱。這是由于其具有較強(qiáng)的能力抵御外部沖擊和內(nèi)部風(fēng)險(xiǎn)，發(fā)生破產(chǎn)或財(cái)務(wù)困境的概率較小，不易使得自身風(fēng)險(xiǎn)向外部傳遞，進(jìn)而使得其系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度較低。

總體而言，除去對(duì)外貿(mào)易依存度及總資產(chǎn)收益率外，其余指標(biāo)與系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度均呈正相關(guān)關(guān)系。因此在實(shí)踐過(guò)程中，監(jiān)管機(jī)構(gòu)應(yīng)當(dāng)注意在經(jīng)濟(jì)增速較快、期限利差擴(kuò)大、貨幣供應(yīng)量增加、雙向投資驟縮及貿(mào)易往來(lái)頻繁等時(shí)期，對(duì)規(guī)模較大、財(cái)務(wù)杠桿較高、資產(chǎn)質(zhì)量較差、流動(dòng)性過(guò)高、盈利水平較低的商業(yè)銀行進(jìn)行重點(diǎn)監(jiān)管。

五、結(jié)論及建議

（一）結(jié)論

本文基于Adrian&Brunnermeier（2016）提出CoES方法，借鑒李政等（2019）對(duì)這一方法的改進(jìn)，利用ΔCoESL指標(biāo)對(duì)其系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度進(jìn)行度量，并以標(biāo)準(zhǔn)化后的指標(biāo)%ΔCoESL對(duì)16家上市銀行的系統(tǒng)重要性進(jìn)行比較。在此基礎(chǔ)上，本文進(jìn)一步從宏觀和微觀兩個(gè)角度入手，通過(guò)面板回歸探討了影響系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度的因素，得到以下結(jié)論：一是國(guó)有大型商業(yè)銀行的系統(tǒng)重要性普遍高于股份制商業(yè)銀行和城市商業(yè)銀行。其中，中國(guó)工商銀行的系統(tǒng)重要性在所有銀行中最高，而中信銀行系統(tǒng)重要性位列股份制銀行之首，城商行中則是北京銀行的系統(tǒng)重要性最強(qiáng)。二是期限利差越大、寬松貨幣政策、較大市值規(guī)模、較高財(cái)務(wù)杠桿、過(guò)量流動(dòng)性以及不良貸款率劇增都會(huì)顯著引起銀行系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)程度加大，較高的對(duì)外投資依存度及總資產(chǎn)收益率會(huì)顯著降低銀行的系統(tǒng)風(fēng)險(xiǎn)溢出效應(yīng)。另外，較快的國(guó)內(nèi)生產(chǎn)總值增速和對(duì)外貿(mào)易依存度，可能導(dǎo)致銀行的系統(tǒng)風(fēng)險(xiǎn)傳染性增大。

（二）建議

一是監(jiān)管機(jī)構(gòu)在考慮傳統(tǒng)評(píng)價(jià)指標(biāo)（如機(jī)構(gòu)規(guī)模、關(guān)聯(lián)度、復(fù)雜性、可替代性、資產(chǎn)變現(xiàn)等）的同時(shí)，還應(yīng)充分發(fā)揮數(shù)據(jù)挖掘功能，建立系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度實(shí)時(shí)評(píng)估模型和預(yù)警模型。二是在中美貿(mào)易戰(zhàn)背景下，監(jiān)管機(jī)構(gòu)應(yīng)當(dāng)密切關(guān)注外部環(huán)境變動(dòng)中可能對(duì)銀行系統(tǒng)穩(wěn)定性造成影響的因素，包括國(guó)內(nèi)經(jīng)濟(jì)增長(zhǎng)、涉外投資及貿(mào)易及貨幣政策等。三是在現(xiàn)行金融監(jiān)管雙峰模式下，無(wú)論是人民銀行的逆周期宏觀審慎政策和銀保監(jiān)會(huì)的微觀審慎監(jiān)管，亦或是審計(jì)機(jī)關(guān)貫徹的全面風(fēng)險(xiǎn)管理框架，既應(yīng)注意差異化監(jiān)管，也應(yīng)注意適度監(jiān)管的問(wèn)題。從長(zhǎng)遠(yuǎn)看，監(jiān)管過(guò)嚴(yán)不僅使銀行喪失創(chuàng)新活力，損失效率，還會(huì)使其資本運(yùn)用不充分，進(jìn)而降低盈利能力，抵御內(nèi)外風(fēng)險(xiǎn)能力下降，無(wú)法保證長(zhǎng)期穩(wěn)定經(jīng)營(yíng)，進(jìn)而可能引發(fā)范圍更為廣泛的系統(tǒng)風(fēng)險(xiǎn)溢出。

（責(zé)任編輯：孟潔）

參考文獻(xiàn)：

[1]李政，梁琪，方意.中國(guó)金融部門(mén)間系統(tǒng)性風(fēng)險(xiǎn)溢出的監(jiān)測(cè)預(yù)警研究——基于下行和上行ΔCoES指標(biāo)的實(shí)現(xiàn)與優(yōu)化[J].金融研究，2019（2）：40-58.

[2]上海財(cái)經(jīng)大學(xué)高等研究院“中國(guó)宏觀經(jīng)濟(jì)形勢(shì)分析與預(yù)測(cè)”課題組.中國(guó)銀行系統(tǒng)穩(wěn)定性研究[J].中國(guó)經(jīng)濟(jì)報(bào)告，2019（2）：110-117.

[3]張冰潔，汪壽陽(yáng)，魏云捷，趙雪婷.基于CoES模型的我國(guó)金融系統(tǒng)性風(fēng)險(xiǎn)度量[J].系統(tǒng)工程理論與實(shí)踐，2018，38（3）：565-575.

[4]朱波，盧露.不同貨幣政策工具對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2016，33（1）：58-74.

[5]白雪梅，石大龍.中國(guó)金融體系的系統(tǒng)性風(fēng)險(xiǎn)度量[J].國(guó)際金融研究，2014（6）：75-85.

[6]劉生福，李成.貨幣政策調(diào)控、銀行風(fēng)險(xiǎn)承擔(dān)與宏觀審慎管理——基于動(dòng)態(tài)面板系統(tǒng)GMM模型的實(shí)證分析[J].南開(kāi)經(jīng)濟(jì)研究，2014（5）：24-39.

[7]孫立行.開(kāi)放條件下中國(guó)金融風(fēng)險(xiǎn)預(yù)警指標(biāo)體系研究[J].世界經(jīng)濟(jì)研究，2012（12）：30-37+85.

[8]劉呂科，張定勝，鄒恒甫.金融系統(tǒng)性風(fēng)險(xiǎn)衡量研究最新進(jìn)展述評(píng)[J].金融研究，2012（11）：31-43.

[9]陳雨露，馬勇.泡沫、實(shí)體經(jīng)濟(jì)與金融危機(jī)：一個(gè)周期分析框架[J].金融監(jiān)管研究，2012（1）：1-19.

[10]高國(guó)華，潘英麗.銀行系統(tǒng)性風(fēng)險(xiǎn)度量——基于動(dòng)態(tài)CoVaR方法的分析[J].上海交通大學(xué)學(xué)報(bào)，2011，45（12）：1753-1759.

[11]周小川.金融政策對(duì)金融危機(jī)的響應(yīng)——宏觀審慎政策框架的形成背景、內(nèi)在邏輯和主要內(nèi)容[J].金融研究，2011（1）：1-14.

[12]謝福座.基于GARCH-Copula-CoVaR模型的風(fēng)險(xiǎn)溢出測(cè)度研究[J].金融發(fā)展研究，2010（12）：12-16.

[13]Acharya V V.A theory of systemic risk and design of prudential bank regulation[J].Journal of financial stability， 2009， 5（3）： 224-255.

[14]Acharya V V，Pedersen L H，Philippon T，et al.Measuring systemic risk[R].Federal Reserve Bank of Cleveland， Working paper， May， 2010.

[15]Acharya V，Engle R，Richardson M.Capital shortfall：A new approach to ranking and regulating systemic risks[J].American Economic Review，2012，102（3）：59-64.

[16]Adrian T，Brunnermeier M K.CoVar：a method for macroprudential regulation[J].Federal Reserve Bank of New York Staff Report，2009，348.

[17]Adrian T，Brunnermeier M K.CoVaR[R].National Bureau of Economic Research， Working paper，October，2011.

[18]Adrian T，Brunnermeier M K.CoVaR[J].The American Economic Review，2016，106（7）：1705-1741.

[19]Banulescu G D，Dumitrescu E I.Which are the SIFIs？A Component Expected Shortfall approach to systemic risk[J].Journal of Banking & Finance，2015，50（1）：575-588.

[20]Brownlees C，Engle R.Volatility，correlation and Tails for Systemic Risk Measurement[R].Social Science Reserch Network，Working paper，June，2011.

[21]Chan-Lau J A，Espinosa M，Giesecke K，et al. Assessing the systemic implications of financial linkages[J].Global Financial Stability Reviews，2009，2（6）：73-110.

[22]張立華，張順順.宏觀審慎框架下系統(tǒng)重要性銀行風(fēng)險(xiǎn)評(píng)價(jià)及其防范路徑研究[J].西南金融，2019（10）.

[23]吳頌.農(nóng)村商業(yè)銀行系統(tǒng)流動(dòng)性風(fēng)險(xiǎn)管理問(wèn)題研究——以江西省撫州市為例[J].區(qū)域金融研究，2019（3）.

[24]龐麗媛.商業(yè)銀行創(chuàng)新業(yè)務(wù)風(fēng)險(xiǎn)分析及監(jiān)管建議[J].黑龍江金融，2018（10）.

[25]包蕾.我國(guó)金融控股集團(tuán)模式下商業(yè)銀行風(fēng)險(xiǎn)管理研究[J].北方金融，2018（8）.