我國銀行業(yè)系統(tǒng)性風(fēng)險度量

吳秋實 陳琪

關(guān)鍵詞：CoVaR方法;系統(tǒng)性風(fēng)險;上市銀行;度量

中圖分類號：F83 文獻標(biāo)識碼：A

收錄日期：2018年12月20日

引言

2007年8月的次貸危機，席卷了美國、歐盟、日本等世界主要金融市場，使國際金融市場產(chǎn)生了強烈的信貸緊縮效應(yīng)，對國際金融秩序造成了極大的沖擊，國際金融體系長期積累的系統(tǒng)性金融風(fēng)險得以暴露，并引發(fā)了2008年席卷全球的金融危機，對全球金融市場產(chǎn)生了巨大的破壞力。面對金融經(jīng)濟的全球化，單個金融機構(gòu)、單個金融市場或者單個國家發(fā)生金融風(fēng)險往往會迅速擴散到其他金融機構(gòu)、金融市場乃至國家，即整個金融體系，從而引發(fā)危害全球的系統(tǒng)性風(fēng)險。面對治理系統(tǒng)性風(fēng)險的迫切性，研究系統(tǒng)性風(fēng)險的度量就顯得尤為重要。巴塞爾銀行監(jiān)管委員會提出的《巴塞爾協(xié)議Ⅲ》新增了系統(tǒng)性風(fēng)險的內(nèi)容，監(jiān)管要求的提出將增加對系統(tǒng)性銀行的后備資本要求。本文通過分位數(shù)回歸的CoVaR模型對我國銀行業(yè)系統(tǒng)性風(fēng)險進行度量，在一定程度上能夠?qū)刂莆覈y行業(yè)系統(tǒng)性風(fēng)險提供參考意見。

一、相關(guān)定義及度量方法

（一）銀行系統(tǒng)性風(fēng)險的定義

1、國外研究。美國芝加哥大學(xué)經(jīng)濟學(xué)教授Kaufaman認(rèn)為，系統(tǒng)性風(fēng)險是一個事件在一連串機構(gòu)和市場構(gòu)成的系統(tǒng)中引起一系列連續(xù)損失的可能性，銀行業(yè)系統(tǒng)性風(fēng)險是指由第一部分銀行業(yè)系統(tǒng)性風(fēng)險特征及危害于銀行系統(tǒng)的一個參與者不能履約，從而引起其他參與者違約，進而引發(fā)的鏈?zhǔn)椒磻?yīng)而導(dǎo)致的廣泛的金融困難的可能性;IMF的官員Hermosillo認(rèn)為，銀行業(yè)系統(tǒng)性風(fēng)險是使得其他不相干的經(jīng)濟體遭受經(jīng)濟損失的某種外部性，這種外部性表現(xiàn)為傳染性與風(fēng)險溢出性;國際清算銀行定義系統(tǒng)性風(fēng)險為金融體系內(nèi)部一些或者全部機構(gòu)出現(xiàn)損失后導(dǎo)致金融服務(wù)被破壞的可能性，而且該風(fēng)險可能會對實體經(jīng)濟產(chǎn)生嚴(yán)重的負(fù)面影響;歐洲中央銀行對系統(tǒng)性風(fēng)險的定義則為：普遍存在的、損害金融體系功能的風(fēng)險。

2、國內(nèi)研究。包全永認(rèn)為廣義的銀行業(yè)系統(tǒng)性風(fēng)險是指銀行體系資金融通等基本功能喪失的可能性，狹義的銀行業(yè)系統(tǒng)性風(fēng)險是指主要銀行失敗的負(fù)外部性造成其他銀行經(jīng)營受到影響，進而導(dǎo)致銀行體系喪失基本功能的可能性;翟金林在討論銀行業(yè)系統(tǒng)性風(fēng)險時引進了銀行系統(tǒng)性事件和銀行系性危機兩個概念。銀行系統(tǒng)性事件是指與一家銀行遭遇困難甚至是銀行失敗或崩潰或一個金融市場崩潰相關(guān)的壞消息而引起的一連串的銀行機構(gòu)或金融市場嚴(yán)重的逆效應(yīng)，如一連串的銀行倒閉或崩潰。銀行系統(tǒng)性危機是指一個系統(tǒng)性事件對銀行體系大規(guī)模的沖擊影響了相當(dāng)數(shù)量的銀行，并導(dǎo)致大量金融機構(gòu)或金融市場的逆效應(yīng)，從而嚴(yán)重削弱了銀行體系乃至金融體系的基本的健康機能，而這種機能是金融體系保持穩(wěn)定與高回報的基礎(chǔ)。北京大學(xué)經(jīng)濟社會與文化研究中心的米運生認(rèn)為，銀行業(yè)系統(tǒng)性風(fēng)險分為靜態(tài)條件下的系統(tǒng)性風(fēng)險和動態(tài)條件下的系統(tǒng)性風(fēng)險。靜態(tài)條件下的系統(tǒng)性銀行風(fēng)險也稱為市場風(fēng)險，它是整個銀行系統(tǒng)所遭遇的風(fēng)險，并且與市場的貨幣、通貨膨脹率波動利率等相聯(lián)系的風(fēng)險。動態(tài)條件下的系統(tǒng)性銀行風(fēng)險在現(xiàn)實的經(jīng)濟生活中，即使在一個競爭充分的間接融資市場上，系統(tǒng)性銀行風(fēng)險也并不會因為沒有壟斷銀行的存在而得以避免。

（二）銀行系統(tǒng)性風(fēng)險度量方法。Lehar應(yīng)用Merton的模型，研究在資產(chǎn)收益正態(tài)分布原假設(shè)下，給出金融機構(gòu)聯(lián)合違約概率來度量系統(tǒng)性金融風(fēng)險，并且通過預(yù)期損失分別計算一個銀行對于銀行系統(tǒng)整體風(fēng)險的貢獻程度并進行比較。宋群英應(yīng)用阿基米德Coupla函數(shù)來分析中國的銀行系統(tǒng)間的風(fēng)險傳染性。高國華、潘英麗構(gòu)建了GARCH-CoVaR模型，進而研究我國上市商業(yè)銀行的系統(tǒng)性風(fēng)險貢獻度及其影響因素。丁庭棟、趙曉慧運用分位數(shù)回歸的CoVa方法，研究我國國內(nèi)多元金融服務(wù)業(yè)、銀行業(yè)、保險業(yè)及房地產(chǎn)行業(yè)之間以及對金融系統(tǒng)整體的波動溢出效應(yīng)。陳守東、王妍選取了證券市場、外匯市場、銀行部門的相關(guān)指標(biāo)，構(gòu)建了一個金融壓力指數(shù)來研究中國金融系統(tǒng)的壓力。CoVaR法是Adrian和Brunnermeier于2008年基于風(fēng)險價值（VaR）提出的衡量系統(tǒng)性風(fēng)險的方法。根據(jù)CoVaR計算方法的不同，現(xiàn)有的研究主要分為兩類：分位數(shù)回歸法和GARCH模型法。分位數(shù)回歸法的優(yōu)點在于不需要對于分布做出特定的假設(shè)，也不局限于特定的模型，能夠很好地解決極值問題，確?；貧w模型的穩(wěn)健性和有效性;缺點在于其一般刻畫的是線性結(jié)構(gòu)，對于非線性結(jié)構(gòu)的刻畫存在一定缺陷。國內(nèi)學(xué)者主要研究如下：謝福座（2010）運用分位數(shù)回歸法研究了我國債券市場和股票市場之間的金融溢出效應(yīng)。陳守東、王妍（2014）引進極值理論，度量了我國上市金融機構(gòu)對整體金融系統(tǒng)的風(fēng)險貢獻，并且給出了我國系統(tǒng)重要性金融機構(gòu)名單。冉茂盛、唐瀟（2015）加入時變性，運用分位數(shù)回歸法研究我國銀行、保險和證券業(yè)上市金融機構(gòu)對金融系統(tǒng)的風(fēng)險貢獻。GARCH模型法的優(yōu)點在于對于誤差的方差進行了進一步假設(shè)，且可以根據(jù)實際數(shù)據(jù)要求適用不同的形式;缺點在于對于誤差分布的假設(shè)如果不當(dāng)會影響結(jié)果的準(zhǔn)確度，且整體回歸模型缺乏一定的穩(wěn)健性。主要研究如下：高國華、潘英麗（2011）基于動態(tài)CoVaR方法計算了我國上市銀行對金融系統(tǒng)的風(fēng)險貢獻及其影響因素。沈悅等（2014）基于CARCH-Copula-CoVaR模型研究了我國銀行、保險、證券和信托這四個子行業(yè)對于金融體系的風(fēng)險貢獻，以及這四個子行業(yè)相互之間的風(fēng)險溢出。由于分位數(shù)回歸方法使用更為普遍且其穩(wěn)健性更高，所以本文采用分位數(shù)回歸方法來構(gòu)建系統(tǒng)性風(fēng)險計量的CoVaR模型。

本文的創(chuàng)新點與不足之處：本文采用分位數(shù)回歸的CoVaR模型來度量我國銀行業(yè)的系統(tǒng)性風(fēng)險，引用分位數(shù)回歸方法的穩(wěn)健性和有效性更高，能夠很好地解決極值問題，但是它的不足之處是不能很好地刻畫非線性結(jié)構(gòu)。本文研究的創(chuàng)新之處在于：（1）采用非平衡面板數(shù)據(jù)，引用了2006年10月至2018年10月的股票日收盤價格數(shù)據(jù)，采用的都是最新的數(shù)據(jù)，且具有代表性;（2）本研究包含了我國2018年中美貿(mào)易戰(zhàn)時期的數(shù)據(jù)，因此研究結(jié)果對于應(yīng)對今后可能發(fā)生的金融危機具有指導(dǎo)意義;（3）本文選取的是16家上市銀行的數(shù)據(jù)，相比以前的14家上市銀行的數(shù)據(jù)更加全面、更加可靠。

本服從正態(tài)分布，如果這組樣本JB統(tǒng)計量的相伴概率值小于設(shè)定值，則拒絕服從正態(tài)分布的原假設(shè);如果JB統(tǒng)計量的相伴概率值小于設(shè)定值，則接受服從正態(tài)分布的原假設(shè)。因此，筆者通過用數(shù)據(jù)分析軟件Eviews6.0對2006年10月1日至2018年10月1日期間各個銀行股票價格的日收盤收益率和銀行系統(tǒng)指數(shù)的日收益率進行JB檢驗，其JB統(tǒng)計量及其P值的結(jié)果如表1所示。從表1中可以明顯得出結(jié)論：首先，可以看出在所研究的銀行中，它們的日收益率的均值和標(biāo)準(zhǔn)差都相差不大，所以相對來說他們的變動是非常穩(wěn)定的;其次，我們可以看出所有銀行J-B檢驗的p值都是接近于0的，因此在99%的置信水平上我們可以拒絕“單個銀行的股票價格日收益率序列服從正態(tài)分布這一假設(shè)”，也就是說，16家商業(yè)銀行的股票價格日收益率和銀行系統(tǒng)的指數(shù)收益率均不服從正態(tài)分布。（表1）

（三）CoVaR結(jié)果分析。本文在置信水平q=1%、5%的置信水平下進行計算，其中可以通過求收益率系列分布的q得到，而CoVaRqj/i則表示當(dāng)Xi=VaRi條件下的Xj的風(fēng)險價值，根據(jù)前述公式，可以得到的相應(yīng)結(jié)果如表2所示。（表2）

從表2中我們可以看出：（1）從Var的結(jié)果來看，在不同的分位點下不同銀行的Var值有所差異，并且有正有負(fù)。在1%的置信水平下，中國銀行、建設(shè)銀行、農(nóng)業(yè)銀行、中信銀行的日平均Var損失值較大，在5%的置信水平下，農(nóng)業(yè)銀行、光大銀行、中國銀行的Var為負(fù)數(shù)，因此其潛在的風(fēng)險損失較大;（2）從CoVar的結(jié)果來看，在1%和5%的置信水平下，CoVar的結(jié)果都是小于0的，且中信銀行、中國銀行、建設(shè)銀行、農(nóng)業(yè)銀行的CoVar的影響是極其顯著的。CoVar能夠度量單個銀行對整個銀行業(yè)體系的影響和貢獻，說明中信銀行、中國銀行、建設(shè)銀行、農(nóng)業(yè)銀行這幾個大型的銀行機構(gòu)對銀行體系的影響和貢獻比其他銀行機構(gòu)的影響和貢獻顯著;（3）從△CoVaR和%CoVaR的結(jié)果來看，在1%和5%的置信水平下，各個銀行的△CoVaR和%CoVaR值都各不相同，△CoVaR和%CoVaR可以表示為當(dāng)單個銀行機構(gòu)陷入危機時，對整個銀行體系的風(fēng)險溢出影響。綜合1%和5%的置信水平下的△CoVaR和%CoVaR的結(jié)果可以看出，中信銀行、中國銀行、工商銀行、農(nóng)業(yè)銀行、建設(shè)銀行等銀行都伴隨著較大的風(fēng)險溢出效應(yīng)，其中，中國銀行最為明顯。說明對銀行業(yè)而言，規(guī)模較大的全國性商業(yè)銀行表現(xiàn)為系統(tǒng)性重要銀行，它們面臨極端風(fēng)險時對銀行業(yè)的溢出效應(yīng)會更加明顯。

四、結(jié)論

本文引用Tobias Adrian和Markus K.Brunnermeier提出的CoVaR模型，選取國泰安數(shù)據(jù)庫的股票日收盤價格數(shù)據(jù)，并運用分位數(shù)回歸的CoVaR模型對我國的16家上市銀行的系統(tǒng)性風(fēng)險貢獻度進行度量，捕捉到當(dāng)單個銀行機構(gòu)發(fā)生極端事件時對整個銀行系統(tǒng)的風(fēng)險溢出效應(yīng)。通過比較我國16家上市銀行的研究數(shù)據(jù)，我們發(fā)現(xiàn)，我國比較大型的全國性的商業(yè)銀行的風(fēng)險溢出效應(yīng)比較大，例如中信銀行、中國銀行、工商銀行、農(nóng)業(yè)銀行、建設(shè)銀行等大型銀行，其對我國銀行業(yè)系統(tǒng)性風(fēng)險的影響和作用是非常顯著，其中一個大型銀行發(fā)生風(fēng)險變動對我國的整個銀行體系的影響將會是巨大的。因此，在我國現(xiàn)有的監(jiān)管體制下，相關(guān)金融監(jiān)管機構(gòu)應(yīng)該加大對銀行業(yè)的監(jiān)管力度，特別是像我國四大國有銀行這樣系統(tǒng)性比較重要的銀行，應(yīng)該對其資產(chǎn)結(jié)構(gòu)、信貸結(jié)構(gòu)、存貸比率、不良貸款率等實施更加嚴(yán)厲的監(jiān)管，因為只有這樣，才能確保我國的金融體系的穩(wěn)健性，防止金融危機的發(fā)生，抑制金融風(fēng)險的擴散。

主要參考文獻：

[1]Lehar A.Measuring systemic risk：A risk management approach[J].Journal of Banking and Finance，2005.29（10）.

[2]Guidance to assess the systemic importance of financial institutions Markets and instruments：Initial considerations[R].Background Paper（Basel），2009.

[3]Kaufman G.G..Bank Failures，Systemic Risk，and Bank Regulation[J].Cato J，1996（16）.

[4]Bank for International Settlements.Guidance to Assess the Systemic Importance of Financial Institutions，Markets and Instruments：Initial Considerations [R].Report to G20 Finance Ministers and Governors，F(xiàn)inancial Stability Board，2009.

[5]European Central Bank.Financial Networks and Financial Stability [J].Financial Stability Review，2010（6）.

[6]Tobias T.Brunnermeier M K.CoVaR[J].Working ，2011.

[7]包全永.銀行系統(tǒng)性風(fēng)險的傳染模型研究[J].金融研究，2005（8）.

[8]宋群英.基于Copula函數(shù)的系統(tǒng)重要性銀行的傳染性研究[J].金融與經(jīng)濟，2011（10）.

[9]翟金林.銀行系統(tǒng)性風(fēng)險研究[D].南開大學(xué)，2001.

[10]丁庭棟，趙曉慧.不同行業(yè)與金融系統(tǒng)的波動溢出效應(yīng)分析[J].統(tǒng)計與決策，2012（3）.