匯率、匯率衍生產(chǎn)品與銀行業(yè)風(fēng)險(xiǎn)

劉志洋，孟祥璐

東北師范大學(xué) 經(jīng)濟(jì)與管理學(xué)院，長(zhǎng)春 130117

引言

黨的十九大報(bào)告明確提出將防范化解重大金融風(fēng)險(xiǎn)作為中國(guó)經(jīng)濟(jì)建設(shè)的攻堅(jiān)戰(zhàn)，隨著“一帶一路”戰(zhàn)略的穩(wěn)步實(shí)施，人民幣市場(chǎng)開放程度逐漸加大，管理匯率風(fēng)險(xiǎn)的難度也在逐漸加大。1994年，為建立社會(huì)主義市場(chǎng)經(jīng)濟(jì)體制，人民幣官方匯率與外匯調(diào)劑價(jià)格正式并軌，中國(guó)開始實(shí)行以市場(chǎng)供求為基礎(chǔ)的、單一的、有管理的浮動(dòng)匯率制。2001年，中國(guó)加入WTO，國(guó)民經(jīng)濟(jì)高速增長(zhǎng)，人民幣面臨的升值壓力也越來越大。2005年7月21日，中國(guó)人民銀行公布了新的人民幣匯率形成機(jī)制，改變了以美元為主的盯住匯率制度，形成了以市場(chǎng)供求為基礎(chǔ)，參考一籃子貨幣調(diào)節(jié)、有管理的浮動(dòng)匯率制度。2015年8月11日，人民幣正式加入特別提款權(quán)，在加大金融市場(chǎng)開放程度的同時(shí)，也給人民幣匯率穩(wěn)定帶來了巨大的沖擊。為了完善外匯形成機(jī)制，穩(wěn)定匯率市場(chǎng)，中國(guó)人民銀行宣布完善人民幣匯率對(duì)美元匯率的中間價(jià)報(bào)價(jià)制度，人民幣匯率實(shí)現(xiàn)由固定匯率向浮動(dòng)匯率轉(zhuǎn)變。三次匯率改革制度的推進(jìn)，不僅對(duì)中國(guó)匯率形成機(jī)制變革起到逐級(jí)遞進(jìn)的效果，更對(duì)中國(guó)經(jīng)濟(jì)的長(zhǎng)期發(fā)展產(chǎn)生深遠(yuǎn)影響。

隨著匯率制度改革的不斷深入，匯率波動(dòng)越來越頻繁，如何規(guī)避匯率風(fēng)險(xiǎn)成為商業(yè)銀行關(guān)注的主要問題，作為套期保值工具的外匯衍生品自然成為規(guī)避匯率風(fēng)險(xiǎn)的主要工具。20世紀(jì)60年代，西方外匯市場(chǎng)首次引入外匯衍生品。經(jīng)過幾十年的發(fā)展，國(guó)外的外匯衍生品市場(chǎng)日漸成熟，但對(duì)于金融衍生品的使用是否能夠?qū)_風(fēng)險(xiǎn)仍然存在爭(zhēng)議。中國(guó)外匯衍生品市場(chǎng)起步較晚，商業(yè)銀行在使用金融衍生工具應(yīng)對(duì)匯率風(fēng)險(xiǎn)方面缺乏系統(tǒng)的認(rèn)識(shí)和前沿的管理策略，匯率風(fēng)險(xiǎn)成為影響銀行業(yè)風(fēng)險(xiǎn)的重要風(fēng)險(xiǎn)因子。在中國(guó)經(jīng)濟(jì)日益融入全球經(jīng)濟(jì)的今天，商業(yè)銀行作為金融衍生工具的主要使用者，需要在金融衍生品交易市場(chǎng)中管理和配置風(fēng)險(xiǎn)。由于匯率風(fēng)險(xiǎn)是主要的宏觀風(fēng)險(xiǎn)因子之一，具有系統(tǒng)性特征，而銀行業(yè)是由單個(gè)商業(yè)銀行組成的整體，因此需要研究宏觀風(fēng)險(xiǎn)因子對(duì)每個(gè)商業(yè)銀行風(fēng)險(xiǎn)影響的異質(zhì)性問題。鑒于匯率既包含了長(zhǎng)期經(jīng)濟(jì)基本面的信息，又包含短期沖擊信息，為了有效預(yù)警金融風(fēng)險(xiǎn)，本研究主要研究匯率的短期波動(dòng)對(duì)銀行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)，并分析使用商業(yè)銀行匯率衍生產(chǎn)品對(duì)銀行業(yè)風(fēng)險(xiǎn)的影響，以期為中國(guó)銀行業(yè)管理系統(tǒng)性風(fēng)險(xiǎn)提供參考。

1相關(guān)研究評(píng)述

自1973年布雷頓森林體系解體以來，浮動(dòng)匯率制度逐漸取代了固定匯率制度，匯率價(jià)格的劇烈波動(dòng)給商業(yè)銀行帶來了比較大的風(fēng)險(xiǎn)。匯率沖擊在浮動(dòng)匯率制度下對(duì)危機(jī)的影響顯著大于固定匯率制度下的影響[1]。與利率波動(dòng)相比，匯率波動(dòng)與國(guó)際資本流動(dòng)間的傳導(dǎo)渠道最為順暢[2]。匯率波動(dòng)通過貿(mào)易和資本流通渠道影響金融市場(chǎng)的穩(wěn)定性，進(jìn)而影響金融機(jī)構(gòu)匯率風(fēng)險(xiǎn)暴露程度[3]。同時(shí)，匯率波動(dòng)率向股票市場(chǎng)溢出，尤其在“匯改”之后，匯率市場(chǎng)與股票市場(chǎng)之間的聯(lián)系更加密切[4]。SHIMIZU[5]認(rèn)為外國(guó)凈資產(chǎn)持有量的變化通過時(shí)變的匯率風(fēng)險(xiǎn)溢價(jià)引起匯率的變動(dòng)，隨著時(shí)間間隔的增大，這種影響會(huì)減弱，直到匯率接近平穩(wěn)水平。LI et al.[6]認(rèn)為匯率風(fēng)險(xiǎn)對(duì)國(guó)與國(guó)之間的貿(mào)易，尤其是具有特定目的地的出口有很強(qiáng)的正向影響。此外，投資者對(duì)人民幣匯率的關(guān)注度也對(duì)匯率波動(dòng)產(chǎn)生影響。尹力博等[7]利用谷歌搜索量指數(shù)作為投資者對(duì)人民幣匯率的關(guān)注度，利用GARCH-MIDAS模型將人民幣在岸和離岸匯率分解為長(zhǎng)期成分和短期成分進(jìn)行分析，發(fā)現(xiàn)投資者對(duì)人民幣價(jià)差的關(guān)注程度越高，人民幣價(jià)差的波動(dòng)程度越明顯，尤其對(duì)短期成分的影響更加顯著。

由于各國(guó)家外匯交割時(shí)間不同，匯率隔夜風(fēng)險(xiǎn)成為影響匯率穩(wěn)定的主要風(fēng)險(xiǎn)之一。PENG et al.[8]運(yùn)用多分位數(shù)CAViaR模型測(cè)量歐元兌日元、港元和人民幣匯率的匯率隔夜風(fēng)險(xiǎn)，發(fā)現(xiàn)人民幣匯率面臨的匯率隔夜風(fēng)險(xiǎn)最大。匯率風(fēng)險(xiǎn)是商業(yè)銀行市場(chǎng)風(fēng)險(xiǎn)管理中重要的風(fēng)險(xiǎn)因子之一。周亮球等[9]對(duì)上市商業(yè)銀行匯率風(fēng)險(xiǎn)的影響因素進(jìn)行總體性的概述，認(rèn)為影響匯率風(fēng)險(xiǎn)的因素可以概括為匯率波動(dòng)、銀行規(guī)模、資本結(jié)構(gòu)、風(fēng)險(xiǎn)控制能力和流動(dòng)性等方面。在規(guī)模方面，吳韡等[10]認(rèn)為人民幣升值在一定程度上增加商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)，并且商業(yè)銀行規(guī)模越大，匯率風(fēng)險(xiǎn)敞口就越大；蔣先玲等[11]運(yùn)用EGARCH模型測(cè)算出匯率風(fēng)險(xiǎn)暴露程度較大的幾家商業(yè)銀行，并發(fā)現(xiàn)匯率風(fēng)險(xiǎn)與銀行的規(guī)模呈正向關(guān)系；王旭等[12]認(rèn)為規(guī)模大的商業(yè)銀行無論從業(yè)務(wù)水平還是風(fēng)險(xiǎn)應(yīng)對(duì)能力方面都比中小商業(yè)銀行略勝一籌，金融業(yè)務(wù)的多樣化可以使規(guī)模大的商業(yè)銀行更好地應(yīng)對(duì)和分散匯率風(fēng)險(xiǎn)，因此風(fēng)險(xiǎn)敞口會(huì)小很多。在資本結(jié)構(gòu)方面，商業(yè)銀行的資本結(jié)構(gòu)也是匯率風(fēng)險(xiǎn)增加的主要原因，外資參與程度高的商業(yè)銀行匯率風(fēng)險(xiǎn)也隨之增加。JORION[13]給出了一個(gè)早期估計(jì)匯率風(fēng)險(xiǎn)的例子，運(yùn)用美國(guó)的數(shù)據(jù)進(jìn)行實(shí)證分析，認(rèn)為在整體樣本中有顯著外匯風(fēng)險(xiǎn)敞口的跨國(guó)公司的占比很低，并且匯率風(fēng)險(xiǎn)敞口的大小與公司的外資參與程度呈正相關(guān)；RODRIGUEZ[14]以企業(yè)生產(chǎn)率最大化作為最優(yōu)匯率制度選擇的目標(biāo)，研究發(fā)現(xiàn)高度開放的金融環(huán)境減少各國(guó)匯率的波動(dòng)性，對(duì)企業(yè)生產(chǎn)率增長(zhǎng)產(chǎn)生負(fù)面影響。在貨幣流動(dòng)性方面，MANCINI et al.[15]認(rèn)為外匯流動(dòng)性的沖擊是持續(xù)的，并且沖擊的程度與套利交易產(chǎn)生的收益呈顯著的負(fù)相關(guān)；在金融危機(jī)期間，貨幣的流動(dòng)性嚴(yán)重下降，由此產(chǎn)生的匯率風(fēng)險(xiǎn)使更多的“貨幣對(duì)”受到影響。與發(fā)達(dá)國(guó)家相比，WEI[16]認(rèn)為導(dǎo)致發(fā)展中國(guó)家匯率風(fēng)險(xiǎn)增大、無法從金融全球化中獲益的主要原因包括國(guó)內(nèi)金融市場(chǎng)的扭曲、國(guó)際資本市場(chǎng)的扭曲、國(guó)內(nèi)勞動(dòng)力市場(chǎng)的扭曲以及國(guó)內(nèi)管理機(jī)構(gòu)的薄弱。對(duì)于發(fā)達(dá)國(guó)家而言，XUE et al.[17]以英鎊匯率為例，研究國(guó)際金融市場(chǎng)動(dòng)蕩對(duì)英鎊匯率波動(dòng)的影響，結(jié)果表明雷曼兄弟破產(chǎn)和英國(guó)脫歐公投等一系列引發(fā)金融市場(chǎng)動(dòng)蕩的沖擊是導(dǎo)致英鎊貶值的主要原因。因此，對(duì)于中國(guó)銀行業(yè)而言，匯率制度的結(jié)構(gòu)性改變、國(guó)內(nèi)金融市場(chǎng)日漸開放、銀行業(yè)務(wù)國(guó)際化以及缺乏有效對(duì)沖匯率風(fēng)險(xiǎn)的金融工具等問題，成為中國(guó)匯率風(fēng)險(xiǎn)敞口增大的主要原因。

由匯率波動(dòng)引發(fā)的匯率風(fēng)險(xiǎn)傳導(dǎo)到商業(yè)銀行，對(duì)銀行業(yè)的穩(wěn)健經(jīng)營(yíng)產(chǎn)生巨大影響。GAIES et al.[18]使用logit面板模型，從外部負(fù)債性質(zhì)和匯率穩(wěn)定性兩方面分析發(fā)展中國(guó)家銀行業(yè)危機(jī)，發(fā)現(xiàn)對(duì)外負(fù)債使發(fā)生危機(jī)的可能性增加，對(duì)外負(fù)債降低會(huì)減少銀行危機(jī)的發(fā)生；隨著匯率波動(dòng)趨于平緩，在實(shí)際GDP的增長(zhǎng)以及實(shí)施有效的人力資本和政治制度的前提下，危機(jī)發(fā)生的可能性大大降低。雖然金融危機(jī)對(duì)實(shí)體經(jīng)濟(jì)的影響可能通過雙邊貿(mào)易流量使金融危機(jī)得到放大和傳播，但匯率制度也可以成為刺激貿(mào)易以減輕危機(jī)波及范圍的關(guān)鍵因素。SANTANA-GALLEGO et al.[19]也同樣認(rèn)為匯率制度的選擇可能是促進(jìn)貿(mào)易的一種因素，從而通過刺激國(guó)際貿(mào)易來減少金融危機(jī)的傳播。匯率制度的改變能夠顯著影響貨幣危機(jī)發(fā)生的幾率。政府公布的匯率制度彈性越大、本國(guó)對(duì)匯率波動(dòng)的容忍度越強(qiáng)，貨幣危機(jī)發(fā)生的可能性就越大[20]。由此可見，在預(yù)防貨幣危機(jī)發(fā)生方面，政府應(yīng)進(jìn)行正確的引導(dǎo)和審慎監(jiān)管。

目前大多數(shù)學(xué)者關(guān)于匯率風(fēng)險(xiǎn)的研究都印證了確實(shí)存在匯率風(fēng)險(xiǎn)，因此商業(yè)銀行應(yīng)對(duì)所有流通的幣種進(jìn)行有針對(duì)性的風(fēng)險(xiǎn)對(duì)沖[21]。在各國(guó)貿(mào)易與國(guó)際貨幣市場(chǎng)相互依賴、共同促進(jìn)的背景下，一國(guó)貨幣價(jià)格的劇烈波動(dòng)必然傳導(dǎo)至其他國(guó)家。而貨幣危機(jī)與銀行業(yè)危機(jī)往往密切相關(guān)[22]。多種匯率之間存在顯著的風(fēng)險(xiǎn)傳染，發(fā)達(dá)國(guó)家貨幣市場(chǎng)是主要的風(fēng)險(xiǎn)溢出傳播者，而新興市場(chǎng)國(guó)家貨幣市場(chǎng)主要是溢出風(fēng)險(xiǎn)的接受者[23]。貨幣市場(chǎng)的波動(dòng)傳染至金融市場(chǎng)，且金融市場(chǎng)價(jià)格的變動(dòng)也導(dǎo)致匯率價(jià)格的波動(dòng)，并對(duì)人民幣匯率產(chǎn)生不斷增強(qiáng)的時(shí)變沖擊[24]。由此可以認(rèn)為，降低金融市場(chǎng)的波動(dòng)程度對(duì)于有效應(yīng)對(duì)匯率風(fēng)險(xiǎn)起到一定的幫助作用。張德進(jìn)等[25]通過對(duì)11家上市商業(yè)銀行貨幣錯(cuò)配案例的分析，認(rèn)為商業(yè)銀行貨幣錯(cuò)配風(fēng)險(xiǎn)存在的原因主要在于金融衍生工具的使用不足，沒有及時(shí)轉(zhuǎn)移商業(yè)銀行面臨的風(fēng)險(xiǎn)頭寸，使風(fēng)險(xiǎn)沒有得到及時(shí)緩解。因此，金融市場(chǎng)的快速發(fā)展有助于匯率風(fēng)險(xiǎn)的緩釋。

商業(yè)銀行需要用匯率衍生產(chǎn)品規(guī)避和管理匯率風(fēng)險(xiǎn)。CHAMBERLAIN et al.[26]研究發(fā)現(xiàn)，具有套期保值屬性的金融工具可以適當(dāng)減少商業(yè)銀行面臨的匯率風(fēng)險(xiǎn)。目前國(guó)內(nèi)外學(xué)者關(guān)于金融衍生品的使用以及對(duì)系統(tǒng)性風(fēng)險(xiǎn)影響仍然存在很大的爭(zhēng)議。CHOI et al.[27]認(rèn)為外匯衍生工具的使用是降低還是增加商業(yè)銀行的風(fēng)險(xiǎn)，主要取決于金融衍生工具在商業(yè)銀行應(yīng)對(duì)風(fēng)險(xiǎn)的過程中是起到了套期保值的作用還是作為創(chuàng)造投機(jī)套利的機(jī)會(huì)，運(yùn)用美國(guó)和日本商業(yè)銀行的股票收益率和匯率數(shù)據(jù)，實(shí)證分析發(fā)現(xiàn)金融衍生品的使用不僅不能起到降低風(fēng)險(xiǎn)的作用，反而進(jìn)一步暴露商業(yè)銀行面臨的風(fēng)險(xiǎn)，在匯率風(fēng)險(xiǎn)方面表現(xiàn)得尤為明顯。金融衍生品的使用同樣增加銀行未來股價(jià)崩盤的風(fēng)險(xiǎn)[28]。因此，商業(yè)銀行在使用金融衍生品時(shí)應(yīng)采取謹(jǐn)慎的態(tài)度，避免加劇金融體系的脆弱性。CHAUDHRY et al.[29]分析了不同類型的匯率衍生品如何影響商業(yè)銀行的風(fēng)險(xiǎn)敞口，發(fā)現(xiàn)匯率期權(quán)往往增加風(fēng)險(xiǎn)，而外匯掉期主要用于減輕風(fēng)險(xiǎn)敞口。

2008年金融危機(jī)爆發(fā)后，對(duì)于使用金融衍生工具的爭(zhēng)議仍舊不斷。金融衍生工具的使用是一把雙刃劍，商業(yè)銀行應(yīng)嚴(yán)格對(duì)衍生工具的使用情況進(jìn)行管控，使其為商業(yè)銀行帶來正面價(jià)值[30]。TRAPP et al.[31]認(rèn)為將金融衍生品用于非對(duì)沖目的的商業(yè)銀行在危機(jī)來臨時(shí)更容易受到?jīng)_擊；CYREE et al.[32]的研究表明，金融衍生品既沒有在經(jīng)濟(jì)增長(zhǎng)時(shí)期促進(jìn)商業(yè)銀行價(jià)值的增長(zhǎng)，也沒有在全球金融危機(jī)期間導(dǎo)致銀行價(jià)值的損耗；MAYORDOMO et al.[33]實(shí)證分析金融衍生品對(duì)銀行業(yè)系統(tǒng)風(fēng)險(xiǎn)的影響，以2002年至2011年間95家美國(guó)銀行的數(shù)據(jù)作為樣本，研究發(fā)現(xiàn)金融衍生品總持有頭寸的變化對(duì)商業(yè)銀行并沒有顯著影響，銀行對(duì)某些特定類型的衍生品(如外匯和信用衍生品)的持有頭寸增加商業(yè)銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)，而利率衍生品的持有則相應(yīng)地減少商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)；LI et al.[34]認(rèn)為利率、匯率或信貸衍生工具的持有頭寸均與銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)呈正相關(guān)。

在匯率風(fēng)險(xiǎn)管理方面，除了運(yùn)用匯率衍生工具對(duì)沖風(fēng)險(xiǎn)外，學(xué)者們又提出了其他幾種應(yīng)對(duì)匯率風(fēng)險(xiǎn)的措施。BROWN[35]提出企業(yè)匯率風(fēng)險(xiǎn)管理的兩種措施，一是運(yùn)用套期保值工具規(guī)避風(fēng)險(xiǎn)，二是建立適合企業(yè)自身的運(yùn)營(yíng)管理策略，以起到一定的避險(xiǎn)作用；CHANG et al.[36]認(rèn)為除了匯率衍生品的使用外，盈余管理活動(dòng)，特別是為使收入平滑而進(jìn)行的活動(dòng)，也是導(dǎo)致匯率風(fēng)險(xiǎn)敞口減少的另一個(gè)因素。

隨著中國(guó)匯率市場(chǎng)化的逐步推進(jìn)，金融業(yè)逐步對(duì)外開放，中國(guó)商業(yè)銀行也需要匯率衍生工具管理匯率風(fēng)險(xiǎn)，外匯衍生品作為套期保值的主要工具應(yīng)運(yùn)而生。中國(guó)學(xué)者主要研究匯率衍生工具的使用效果。蔣先玲等[37]認(rèn)為無論是匯率風(fēng)險(xiǎn)還是利率風(fēng)險(xiǎn)都對(duì)銀行的超額收益率產(chǎn)生很大的影響，且匯率風(fēng)險(xiǎn)的影響顯著大于利率風(fēng)險(xiǎn)，而金融衍生品的使用大大提升商業(yè)銀行的超額收益率，從而起到降低風(fēng)險(xiǎn)的作用；劉玉杰[38]認(rèn)為出現(xiàn)這種差異的原因主要在于，使用金融衍生工具對(duì)外資控股的商業(yè)銀行起到風(fēng)險(xiǎn)對(duì)沖的作用，而對(duì)于非外資控股的商業(yè)銀行來說，這種對(duì)沖風(fēng)險(xiǎn)的作用表現(xiàn)的并不明顯，金融衍生工具種類的差異也對(duì)商業(yè)銀行的風(fēng)險(xiǎn)敞口產(chǎn)生不同的影響；郭飛等[39]認(rèn)為商業(yè)銀行使用金融衍生品對(duì)短期風(fēng)險(xiǎn)敞口和長(zhǎng)期風(fēng)險(xiǎn)敞口均有顯著增大的影響。

總體而言，已有研究表明，在經(jīng)濟(jì)全球化的今天，無論是國(guó)際貿(mào)易渠道還是資本流通渠道，都將成為國(guó)際間匯率風(fēng)險(xiǎn)傳染的重要方式，并且匯率風(fēng)險(xiǎn)傳染快速波及一國(guó)金融體系，形成系統(tǒng)性金融風(fēng)險(xiǎn)。然而，當(dāng)前對(duì)匯率風(fēng)險(xiǎn)的研究比較偏重于宏觀層面，大都集中于國(guó)際金融市場(chǎng)，將宏觀匯率風(fēng)險(xiǎn)因子與微觀金融機(jī)構(gòu)個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)連接起來的研究相對(duì)較少。金融機(jī)構(gòu)經(jīng)營(yíng)特征各異，這種業(yè)務(wù)層面的異質(zhì)性決定了每家金融機(jī)構(gòu)的匯率風(fēng)險(xiǎn)敞口并不相同，因此需要關(guān)注匯率風(fēng)險(xiǎn)對(duì)金融機(jī)構(gòu)個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)影響的異質(zhì)性特征。雖然中國(guó)的人民幣匯率基本維持在相對(duì)穩(wěn)定的水平，但在金融環(huán)境高度開放的今天，仍然要守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線，將匯率風(fēng)險(xiǎn)的監(jiān)管和治理落到實(shí)處。雖然浮動(dòng)匯率制度的實(shí)行和金融全球化為使用外匯衍生品奠定了基礎(chǔ)，但目前中國(guó)對(duì)于外匯衍生品持有頭寸與商業(yè)銀行的匯率風(fēng)險(xiǎn)之間關(guān)系的研究仍然較少。基于此考慮，本研究選取人民幣兌美元、歐元和日元的匯率數(shù)據(jù)作為代表，探究匯率波動(dòng)對(duì)商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的影響，并對(duì)商業(yè)銀行使用匯率衍生工具如何影響商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)以及如何影響銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行實(shí)證分析。本研究的主要目的在于打通系統(tǒng)性金融風(fēng)險(xiǎn)研究的宏觀-微觀渠道，并為中國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)管理提供參考。

2匯率對(duì)銀行業(yè)風(fēng)險(xiǎn)溢出實(shí)證分析

2.1匯率短期波動(dòng)率計(jì)算

本研究使用中國(guó)人民銀行發(fā)布的人民幣兌美元、歐元和日元匯率的中間價(jià)作為匯率數(shù)據(jù)的代表進(jìn)行實(shí)證分析，樣本時(shí)間為2007年7月1日至2018年12月31日，數(shù)據(jù)頻率為日度數(shù)據(jù)，數(shù)據(jù)來源于Wind數(shù)據(jù)庫。為了保證實(shí)證分析時(shí)間序列的平穩(wěn)性，本研究對(duì)匯率數(shù)據(jù)進(jìn)行一階差分。

匯率包含了豐富的信息，且由于匯率具有系統(tǒng)性特征，因此匯率不確定性既表達(dá)了市場(chǎng)對(duì)于經(jīng)濟(jì)體長(zhǎng)期的不確定性的預(yù)判，也包含了短期不確定性的信息。根據(jù)波動(dòng)率分解理論，遠(yuǎn)期匯率的波動(dòng)性既應(yīng)有表示宏觀經(jīng)濟(jì)長(zhǎng)期波動(dòng)的低頻波動(dòng)率，也應(yīng)具有反應(yīng)短期沖擊的高頻波動(dòng)率[40]。風(fēng)險(xiǎn)的傳染具有短期、快速的特征，因此本研究對(duì)匯率波動(dòng)率的計(jì)算沒有局限于GARCH模型的擬合，而是首先使用混頻數(shù)據(jù)抽樣GARCH模型(即GARCH-MIDAS模型)，將匯率的波動(dòng)率分解為長(zhǎng)期波動(dòng)率和短期波動(dòng)率?？紤]到金融風(fēng)險(xiǎn)更加關(guān)注短期沖擊，因此本研究實(shí)證分析重點(diǎn)關(guān)注短期波動(dòng)率對(duì)商業(yè)銀行風(fēng)險(xiǎn)的影響。根據(jù)張屹山等[40]的研究，本研究的實(shí)證模型為

(1)

其中，t為固定時(shí)間長(zhǎng)度，以月、季度或更長(zhǎng)的時(shí)間為單位；i為天；ri,t為收益率；τt為長(zhǎng)期波動(dòng)率；gi,t為短期波動(dòng)率；k為截點(diǎn)序號(hào)；K為截點(diǎn)個(gè)數(shù)；Vt為收益率平方和；I為t時(shí)期內(nèi)包含的總天數(shù)；φk(ω)為權(quán)重函數(shù)；μ、α、β、κ、θ、ω為待估參數(shù)；εi,t為殘差項(xiàng)。本研究使用BIC準(zhǔn)則確定K值。估計(jì)結(jié)果見表1。

表1 GARCH-MIDAS估計(jì)結(jié)果Table 1 GARCH-MIDAS Estimated Results

注：調(diào)整樣本量為Matlab軟件自動(dòng)根據(jù)算法截取初始數(shù)據(jù)后的樣本量；US為人民幣兌美元匯率，EU為人民幣兌歐元匯率，JP為人民幣兌日元匯率；***為在1%水平上顯著，**為在5%水平上顯著，下同。

圖1為人民幣兌美元、歐元和日元匯率的短期波動(dòng)率。從圖1可以看出，人民幣兌美元匯率短期波動(dòng)在2015年“811匯改”后突然大幅度增加，但人民幣兌歐元和日元的匯率在“811匯改”前后的短期波動(dòng)率卻小于人民幣兌美元，但相對(duì)波動(dòng)性也處在高位。其主要原因是隨著中國(guó)經(jīng)濟(jì)步入新常態(tài)，市場(chǎng)對(duì)中國(guó)匯率政策改革進(jìn)行了誤讀，貨幣貶值和非理性的資本外流造成了匯率的顯著波動(dòng)。圖1表明，在2008年金融危機(jī)爆發(fā)期間，匯率整體的短期波動(dòng)性也處在較高的位置，但隨著金融危機(jī)的影響逐漸減弱，匯率波動(dòng)性也呈現(xiàn)下降的態(tài)勢(shì)。相對(duì)來講，人民幣兌日元的短期波動(dòng)率走勢(shì)相對(duì)穩(wěn)定，而受歐洲主權(quán)債務(wù)危機(jī)的影響，人民幣兌歐元的匯率短期波動(dòng)性整體較強(qiáng)。

(a)人民幣兌美元(b)人民幣兌歐元(c)人民幣兌日元

注：圖中圓圈表示“811匯改”實(shí)施后3種匯率短期波動(dòng)率的突變。

圖1人民幣兌美元、歐元和日元的匯率短期波動(dòng)率
Figure 1Short-term Volatility of Exchange Rate between RMB against USD, EUR and JPY

2.2短期波動(dòng)率對(duì)銀行業(yè)風(fēng)險(xiǎn)的溢出效應(yīng)

2.2.1 實(shí)證模型

金融體系處在低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)的不同狀態(tài)下時(shí)，金融風(fēng)險(xiǎn)傳染表現(xiàn)是不相同的，而馬爾科夫區(qū)制轉(zhuǎn)換模型(Markov regime switching model，下文簡(jiǎn)稱MS模型)的主要優(yōu)勢(shì)在于靈活處理隨機(jī)變量的不同狀態(tài)對(duì)因變量的影響。本研究使用MS模型進(jìn)行實(shí)證分析，研究不同匯率風(fēng)險(xiǎn)狀態(tài)下匯率波動(dòng)對(duì)商業(yè)銀行風(fēng)險(xiǎn)的影響。具體模型為

(2)

本研究選擇兩類指標(biāo)刻畫商業(yè)銀行風(fēng)險(xiǎn)，第1類為表示商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的變量，第2類為表示商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的變量。對(duì)于中國(guó)銀行業(yè)來講，沒有爆發(fā)銀行危機(jī)使得對(duì)商業(yè)銀行風(fēng)險(xiǎn)的測(cè)量失去了可驗(yàn)證性。為了更準(zhǔn)確地刻畫商業(yè)銀行風(fēng)險(xiǎn)，本研究從股票市場(chǎng)隱含的視角出發(fā)，測(cè)量股票市場(chǎng)隱含的商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)指標(biāo)，作為商業(yè)銀行風(fēng)險(xiǎn)的表示變量。

(1)測(cè)量商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)

在計(jì)算隱含風(fēng)險(xiǎn)方面，或有權(quán)益分析法(以下簡(jiǎn)稱KMV模型)具有巨大的優(yōu)勢(shì)。本研究使用商業(yè)銀行倒閉概率作為股票市場(chǎng)隱含的商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的替代指標(biāo)，采用KMV模型進(jìn)行測(cè)量。對(duì)于金融機(jī)構(gòu)風(fēng)險(xiǎn)管理來講，商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的大小最終體現(xiàn)在倒閉風(fēng)險(xiǎn)上，因此測(cè)量銀行倒閉風(fēng)險(xiǎn)對(duì)管理系統(tǒng)性風(fēng)險(xiǎn)具有很大的指導(dǎo)意義。由于中國(guó)尚未爆發(fā)大規(guī)模的銀行業(yè)危機(jī)，因此如何測(cè)量商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)是一個(gè)較大的挑戰(zhàn)。徐明東等[42]使用商業(yè)銀行貸款作為商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的變量，但增加商業(yè)銀行貸款不一定增加金融風(fēng)險(xiǎn)，也可能是為了滿足實(shí)體經(jīng)濟(jì)發(fā)展的需要，因此用貸款表示商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)并不是十分準(zhǔn)確。

以資產(chǎn)定價(jià)領(lǐng)域中的期權(quán)定價(jià)理論為核心發(fā)展出來的或有權(quán)益分析(contingent claims analysis，CCA)是金融危機(jī)之后測(cè)量金融系統(tǒng)性風(fēng)險(xiǎn)的主要方法之一，而KMV模型則是或有權(quán)益分析方法的主要代表模型。

借鑒ELSINGER et al.[43]和宋玉穎[44]的研究，本研究從微觀視角，使用KMV模型測(cè)算商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)。KMV模型的核心思想是將商業(yè)銀行股票市值看作歐式看漲期權(quán)，在T時(shí)刻內(nèi)商業(yè)銀行的負(fù)債相當(dāng)于期權(quán)的行權(quán)價(jià)格，因此根據(jù)Black-Scholes期權(quán)定價(jià)公式，當(dāng)銀行資產(chǎn)價(jià)值低于在T時(shí)刻內(nèi)所需償還債務(wù)的價(jià)值時(shí)，看漲期權(quán)不行權(quán)，商業(yè)銀行倒閉。在理論上往往假設(shè)銀行資產(chǎn)價(jià)格低于債務(wù)面值時(shí)銀行倒閉，但在實(shí)際金融體系運(yùn)行過程中，商業(yè)銀行倒閉也常常發(fā)生在資產(chǎn)價(jià)格較高的時(shí)期。此時(shí)商業(yè)銀行往往因?yàn)榻鹑隗w系內(nèi)部的流動(dòng)性沖擊而被迫拋售資產(chǎn)，進(jìn)而出現(xiàn)由于流動(dòng)性風(fēng)險(xiǎn)而不是償付能力風(fēng)險(xiǎn)而引發(fā)的倒閉。

本研究針對(duì)KMV模型設(shè)定了違約觸發(fā)值。根據(jù)KMV模型的常規(guī)做法，本研究將違約觸發(fā)值設(shè)定為：短期負(fù)債+0.5×長(zhǎng)期負(fù)債。借鑒宋玉穎[44]的研究，短期負(fù)債包括同業(yè)及其他金融機(jī)構(gòu)存放款項(xiàng)、向中央銀行借款、拆入資金、交易性金融負(fù)債、衍生金融負(fù)債、賣出回購資產(chǎn)款以及存款總量的20%，長(zhǎng)期負(fù)債包括應(yīng)交稅費(fèi)、應(yīng)付利息、應(yīng)付債券、遞延所得稅負(fù)債、預(yù)計(jì)負(fù)債、其他負(fù)債以及存款總量的80%。本研究將存款的20%作為短期負(fù)債的原因在于，中國(guó)銀行業(yè)施加的存貸比監(jiān)管指標(biāo)是75%，說明監(jiān)管當(dāng)局判斷商業(yè)銀行有25%的存款會(huì)被支取?？紤]到監(jiān)管的指標(biāo)相對(duì)保守和審慎，因此本研究在監(jiān)管指標(biāo)基礎(chǔ)上做略微大膽的設(shè)定，有20%的存款會(huì)在短期內(nèi)支取。在風(fēng)險(xiǎn)中性測(cè)量下，銀行股票價(jià)值為

ET=ATN(d1)-DBe-rTN(d2)

(3)

(4)

其中，ET為銀行股票市值；AT為銀行資產(chǎn)在T時(shí)刻的市場(chǎng)價(jià)值；DB為違約觸發(fā)值；r為無風(fēng)險(xiǎn)利率，本研究使用隔夜Shibor利率作為代表；N(·)為標(biāo)準(zhǔn)正態(tài)分布累積函數(shù)；σA為資產(chǎn)市場(chǎng)價(jià)值標(biāo)準(zhǔn)差。借鑒ANGINER et al.[45]的研究，本研究假設(shè)銀行資產(chǎn)市場(chǎng)價(jià)值服從對(duì)數(shù)正態(tài)分布，銀行在T時(shí)刻內(nèi)的違約概率為

PD=N(-d2)

(5)

其中，PD為違約概率。本研究將T設(shè)置為1年。

雖然風(fēng)險(xiǎn)中性測(cè)量的結(jié)果并不是真實(shí)測(cè)量下的結(jié)果，但其優(yōu)勢(shì)為：①保證各個(gè)銀行的風(fēng)險(xiǎn)指標(biāo)客觀，并具有可比性；②避免了如何選擇資產(chǎn)收益率的難題，這也是Black-Scholes期權(quán)定價(jià)公式的精髓之一。DB值的數(shù)據(jù)來源于商業(yè)銀行財(cái)務(wù)報(bào)告，因此DB不是日度數(shù)據(jù)。根據(jù)各個(gè)商業(yè)銀行的公開信息，財(cái)務(wù)報(bào)告的數(shù)據(jù)頻率最高為季度頻率，因此，本研究DB的數(shù)據(jù)值按以下對(duì)應(yīng)方式處理：每年1月、2月和3月股票日度數(shù)據(jù)對(duì)應(yīng)第1個(gè)季度的財(cái)務(wù)報(bào)告相關(guān)數(shù)據(jù)；4月、5月和6月股票日度數(shù)據(jù)對(duì)應(yīng)半年報(bào)的相關(guān)數(shù)據(jù)；7月、8月和9月股票日度數(shù)據(jù)對(duì)應(yīng)第3個(gè)季度的財(cái)務(wù)報(bào)告相關(guān)數(shù)據(jù)；10月、11月和12月股票日度數(shù)據(jù)對(duì)應(yīng)銀行年報(bào)的相關(guān)數(shù)據(jù)。本研究使用GARCH(1,1)模型估計(jì)KMV模型求解過程中需要的商業(yè)銀行股票日度波動(dòng)率。

(2)測(cè)量系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度

在系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的測(cè)量方面，目前全球?qū)W術(shù)界主流的測(cè)量指標(biāo)主要是ΔCoVaR，ΔCoVaR關(guān)注一家商業(yè)銀行風(fēng)險(xiǎn)變高對(duì)整體銀行業(yè)的影響。借鑒ADRIAN et al.[46]的研究，對(duì)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。對(duì)ΔCoVaRj定義為，當(dāng)j商業(yè)銀行陷入困境后銀行體系的VaR值與j商業(yè)銀行正常經(jīng)營(yíng)時(shí)銀行體系VaR值的差值。借鑒ACHARYA et al.[47]和KREIS et al.[48]的研究，本研究假設(shè)j商業(yè)銀行股票收益率和銀行業(yè)指數(shù)收益率的期望值為0，則在正態(tài)分布假設(shè)下，j商業(yè)銀行的ΔCoVaR可以表示為

ΔCoVaRj,t=ρj,m,tσm,tN-1(q)

(6)

其中，m為銀行業(yè)整體，j為單一商業(yè)銀行，σm,t為銀行業(yè)指數(shù)收益率的標(biāo)準(zhǔn)差，ρj,m,t為j商業(yè)銀行與銀行業(yè)指數(shù)的相關(guān)系數(shù)，N-1(q)為正態(tài)分布在q分位點(diǎn)的值。本研究使用DCC-GARCH模型計(jì)算ρj,m,t和σm,t。為了有效刻畫銀行業(yè)陷入危機(jī)的程度，借鑒VaR測(cè)算的基本做法，本研究q的取值設(shè)為0.010。

2.2.2 樣本數(shù)據(jù)和實(shí)證結(jié)果

鑒于匯率數(shù)據(jù)的時(shí)間序列從2007年7月開始，截止到2018年12月。本研究選取的樣本為2018年之前上市的28家商業(yè)銀行，包括中國(guó)農(nóng)業(yè)銀行、中國(guó)工商銀行、中國(guó)建設(shè)銀行、中國(guó)銀行和交通銀行5家國(guó)有大型商業(yè)銀行，中國(guó)光大銀行、華夏銀行、中國(guó)民生銀行、平安銀行、浦發(fā)銀行、興業(yè)銀行、招商銀行和中信銀行8家股份制商業(yè)銀行，以及北京銀行、南京銀行、寧波銀行、江蘇常熟農(nóng)村商業(yè)銀行(以下簡(jiǎn)稱為常熟銀行)、江蘇江陰農(nóng)村商業(yè)銀行(以下簡(jiǎn)稱為江陰銀行)、貴陽銀行、杭州銀行、上海銀行、江蘇銀行、無錫農(nóng)村商業(yè)銀行(以下簡(jiǎn)稱為無錫銀行)、江蘇蘇州農(nóng)村銀行(以下簡(jiǎn)稱為蘇農(nóng)銀行)、江蘇張家港農(nóng)村商業(yè)銀行(以下簡(jiǎn)稱為張家港行)、鄭州銀行、長(zhǎng)沙銀行和成都銀行15家城市商業(yè)銀行。

2018年，在中美貿(mào)易戰(zhàn)的驅(qū)動(dòng)下，匯率價(jià)格的波動(dòng)幅度增大，因地緣政治摩擦和貿(mào)易戰(zhàn)引發(fā)的匯率風(fēng)險(xiǎn)成為影響金融市場(chǎng)穩(wěn)定的重要因素。巴塞爾協(xié)議指出，匯率風(fēng)險(xiǎn)是一項(xiàng)重要的系統(tǒng)風(fēng)險(xiǎn)因子，匯率價(jià)格的波動(dòng)將通過影響商業(yè)銀行資產(chǎn)負(fù)債頭寸和幣種結(jié)構(gòu)間接影響商業(yè)銀行抵御匯率風(fēng)險(xiǎn)的能力。圖2給出28家商業(yè)銀行2018年外匯風(fēng)險(xiǎn)敞口凈額，從中可以看出，5家國(guó)有大型商業(yè)銀行持有的外匯風(fēng)險(xiǎn)頭寸高于股份制商業(yè)銀行和城市商業(yè)銀行，說明國(guó)有大型商業(yè)銀行比其他兩種類型的商業(yè)銀行面臨著更高的貨幣錯(cuò)配風(fēng)險(xiǎn)。其中，中國(guó)銀行的外匯風(fēng)險(xiǎn)敞口最大，這可能是因?yàn)橹袊?guó)銀行是中國(guó)商業(yè)銀行中兌換外幣種類最多的商業(yè)銀行，貨幣錯(cuò)配風(fēng)險(xiǎn)的集中度也更高。股份制商業(yè)銀行和城市商業(yè)銀行的外匯風(fēng)險(xiǎn)敞口較國(guó)有大型商業(yè)銀行更小，但大部分商業(yè)銀行的外匯風(fēng)險(xiǎn)敞口仍然為正。此外，雖然部分商業(yè)銀行的外匯風(fēng)險(xiǎn)敞口為負(fù)值，但并不能完全說明這些商業(yè)銀行面臨較低的外匯風(fēng)險(xiǎn)，原因在于外匯風(fēng)險(xiǎn)敞口是一個(gè)存量概念，無法刻畫出某一時(shí)間點(diǎn)資產(chǎn)和負(fù)債的變化。由此可見，匯率風(fēng)險(xiǎn)對(duì)商業(yè)銀行的風(fēng)險(xiǎn)存在影響。

數(shù)據(jù)來源：各商業(yè)銀行年報(bào)。

圖2 28家商業(yè)銀行2018年外匯風(fēng)險(xiǎn)敞口凈額Figure 2 Net Foreign Exchange Risk Exposure of 28 Commercial Banks in 2018

表2 風(fēng)險(xiǎn)變量為PD的MS模型回歸結(jié)果Table 2 MS Model Regression Results with the Risk Variable being PD

系數(shù)估計(jì)值b1b2c1c2γ1γ2狀態(tài)1持續(xù)時(shí)間狀態(tài)2持續(xù)時(shí)間狀態(tài)1方差狀態(tài)2方差中國(guó)農(nóng)業(yè)銀行-0.0001???0.001-0.0001???0.023???0.0001-0.020???34.430∞0.0000010.001 中國(guó)工商銀行0.001???0.0002???-0.003???-0.001???0.001???-0.001???38.650128.7100.000090.00001中國(guó)建設(shè)銀行0.001?0.00010.0010.001???0.0004-0.000265.69056.3700.00010.00001中國(guó)銀行0.0002???0.001???-0.001???-0.002???-0.0001???0.0001???∞ 9.9200.000080.00006交通銀行0.0001-0.0004-0.00030.001-0.001???-0.002 ∞99.7100.000040.0007中國(guó)光大銀行-0.0001???0.013???-0.0003???0.102???0.0001???-0.18447.240103.6500.0000010.028華夏銀行-0.0001???-0.0003???-0.001???-0.001???0.0004???0.005???∞ 10.000060.0003中國(guó)民生銀行0.00030.001???-0.002???-0.001???0.004???-0.000253.870101.4400.000050.00002平安銀行-0.0001???-0.0001???-0.0001???-0.0001???0.001???-0.0003???∞ 10.000060.0002浦發(fā)銀行0.0001???0.0001???-0.001???0.001???0.001???0.001???∞ 10.000060.00009興業(yè)銀行-0.0001??0.0001-0.002???0.001??0.001???-0.00176.02055.8000.000010.0001招商銀行0.0004???-0.001??-0.001???0.0010.001???-0.002??97.05051.8900.000010.00007中信銀行0.0004???-0.0003???-0.003???-0.004???-0.001???-0.002???∞∞0.000050.0001北京銀行-0.0004???-0.001-0.001???0.0010.009-0.00150.69012.5000.000030.0001南京銀行-0.00010.0003??0.0001-0.001-0.0004??0.0000375.44049.4100.0000040.00009寧波銀行-0.001???0.001???-0.002???-0.005???0.0002-0.000243.42057.1100.0000050.0001常熟銀行-0.008-0.001???0.0520.006???0.0200.004???8 ∞0.0040.000002江陰銀行-0.004-0.001?-0.225???0.007???0.270???-0.00215.40039.7500.0040.00002貴陽銀行-0.00001-0.0001???-0.131?0.001???0.301???0.0003??∞ 67.0600.0080.0000001杭州銀行0.00020.005-0.0000010.613???0.001-0.07113.08010.2500.0000060.026上海銀行0.00001-0.0004-0.00030.143??0.00001-0.0407.2305.7200.00000010.015江蘇銀行0.008?-0.00001-0.275???0.000010.130???0.00015.660158.5800.0010.0000001無錫銀行-0.018???0.0002-0.137???0.004??0.201???-0.003?18.44027.8400.0040.000006蘇農(nóng)銀行0.0001-0.0010.007???0.143-0.012???-0.01924.8606.5900.000010.004張家港行0.0002-0.001-0.1320.0160.312???0.00317.60023.0800.0060.00003鄭州銀行0.5220.0010.649-0.055?0.4090.012∞ ∞0.0180.000004長(zhǎng)沙銀行-0.032???0.0441.392???-0.3990.162-0.25916.7803.8600.0010.00001成都銀行0.0280.0002-1.071???0.024??-0.0290.045???3.76018.7900.0050.00003國(guó)有加權(quán)0.00001???0.002???-0.0001???0.002-0.0001???-0.003??10.390 ∞0.00000010.0007股份加權(quán)-0.0003???-0.011???0.00040.0040.002???0.00334.68060.2600.000030.007城市加權(quán)-0.0001-0.001-0.002???0.031???-0.001???-0.034???30.6709.9200.000040.006

注：本研究使用Matlab軟件估計(jì)模型，系數(shù)估計(jì)值在小數(shù)點(diǎn)后第4位仍為0的，雖然其顯著性水平很高，但由于數(shù)值非常低，可以認(rèn)為其影響為0；*為在10%水平上顯著；∞為狀態(tài)持續(xù)時(shí)間數(shù)值特別大，超過了合理的期限；本研究根據(jù)方差大小確定風(fēng)險(xiǎn)狀態(tài)。下同。

表2給出以PD指標(biāo)測(cè)量商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的MS模型估計(jì)結(jié)果。本研究比較表2中兩種狀態(tài)下的方差大小，判斷商業(yè)銀行處于高風(fēng)險(xiǎn)狀態(tài)還是低風(fēng)險(xiǎn)狀態(tài)。對(duì)于某商業(yè)銀行，其狀態(tài)1和狀態(tài)2中方差較大的為高風(fēng)險(xiǎn)狀態(tài)，方差較小的為低風(fēng)險(xiǎn)狀態(tài)。根據(jù)方差的估計(jì)結(jié)果，狀態(tài)1為高風(fēng)險(xiǎn)的商業(yè)銀行包括中國(guó)工商銀行、中國(guó)建設(shè)銀行、中國(guó)銀行、中國(guó)民生銀行、常熟銀行、江陰銀行、貴陽銀行、江蘇銀行、無錫銀行、張家港行、鄭州銀行、長(zhǎng)沙銀行、成都銀行。狀態(tài)2為高風(fēng)險(xiǎn)的商業(yè)銀行包括中國(guó)農(nóng)業(yè)銀行、交通銀行、中國(guó)光大銀行、華夏銀行、平安銀行、浦發(fā)銀行、興業(yè)銀行、招商銀行、中信銀行、北京銀行、南京銀行、寧波銀行、杭州銀行、上海銀行、蘇農(nóng)銀行。在高風(fēng)險(xiǎn)狀態(tài)下，當(dāng)人民幣兌美元匯率短期波動(dòng)率上升時(shí)，中國(guó)工商銀行、中國(guó)建設(shè)銀行、中國(guó)銀行、中國(guó)光大銀行、浦發(fā)銀行、南京銀行、寧波銀行和江蘇銀行的風(fēng)險(xiǎn)顯著上升，華夏銀行、平安銀行、招商銀行、中信銀行、無錫銀行和長(zhǎng)沙銀行的風(fēng)險(xiǎn)顯著下降，其余銀行的估計(jì)系數(shù)則不顯著，說明人民幣兌美元匯率短期波動(dòng)率上升對(duì)中國(guó)商業(yè)銀行的個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)并沒有產(chǎn)生較大的負(fù)面影響。當(dāng)人民幣兌歐元匯率短期波動(dòng)率上升時(shí)，中國(guó)農(nóng)業(yè)銀行、中國(guó)光大銀行、浦發(fā)銀行、興業(yè)銀行、杭州銀行、上海銀行和長(zhǎng)沙銀行的風(fēng)險(xiǎn)均顯著上升，中國(guó)工商銀行、中國(guó)銀行、華夏銀行、中國(guó)民生銀行、平安銀行、中信銀行、寧波銀行、江陰銀行、貴陽銀行、江蘇銀行、無錫銀行和成都銀行的風(fēng)險(xiǎn)顯著下降，說明人民幣兌歐元匯率短期風(fēng)險(xiǎn)上升時(shí)，中國(guó)商業(yè)銀行風(fēng)險(xiǎn)下降的個(gè)數(shù)較多，人民幣兌歐元匯率波動(dòng)對(duì)中國(guó)商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)影響具有對(duì)沖作用。當(dāng)人民幣兌日元匯率短期波動(dòng)率上升時(shí)，中國(guó)工商銀行、華夏銀行、中國(guó)民生銀行、浦發(fā)銀行、江陰銀行、貴陽銀行、江蘇銀行、無錫銀行和張家港行風(fēng)險(xiǎn)顯著上升，中國(guó)農(nóng)業(yè)銀行、中國(guó)銀行、平安銀行、招商銀行和中信銀行的風(fēng)險(xiǎn)顯著下降，其余商業(yè)銀行估計(jì)結(jié)果不顯著，說明人民幣兌日元匯率上升對(duì)中國(guó)商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的影響較大。從狀態(tài)持續(xù)時(shí)間看，中國(guó)農(nóng)業(yè)銀行、中國(guó)銀行、中信銀行、貴陽銀行和鄭州銀行處在高風(fēng)險(xiǎn)的時(shí)間相對(duì)較長(zhǎng)。整體看，匯率波動(dòng)對(duì)中國(guó)商業(yè)銀行個(gè)體風(fēng)險(xiǎn)的影響表現(xiàn)出一定的異質(zhì)性特征。

本研究繼續(xù)使用KMV模型求解的資產(chǎn)市值加權(quán)，得到3類商業(yè)銀行加權(quán)的風(fēng)險(xiǎn)PD值，并進(jìn)行MS回歸分析，結(jié)果見表2。由表2可知，對(duì)于這3類商業(yè)銀行，狀態(tài)1為低風(fēng)險(xiǎn)狀態(tài)，狀態(tài)2為高風(fēng)險(xiǎn)狀態(tài)。在高風(fēng)險(xiǎn)狀態(tài)下，對(duì)于國(guó)有大型商業(yè)銀行，人民幣兌美元匯率的估計(jì)結(jié)果顯著為正，人民幣兌日元匯率的估計(jì)結(jié)果顯著為負(fù)；對(duì)于股份制商業(yè)銀行，人民幣兌美元的估計(jì)結(jié)果顯著為負(fù)；而對(duì)于城市商業(yè)銀行，人民幣兌歐元的估計(jì)結(jié)果顯著為正，人民幣兌日元的估計(jì)結(jié)果顯著為負(fù)。說明人民幣兌美元匯率對(duì)中國(guó)國(guó)有大型商業(yè)銀行的個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的影響較大，人民幣兌歐元匯率的短期波動(dòng)主要影響城市商業(yè)銀行的個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)，人民幣兌日元匯率的波動(dòng)并沒有顯著增加國(guó)有大型商業(yè)銀行和城市商業(yè)銀行的個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)。從狀態(tài)持續(xù)時(shí)間看，國(guó)有大型商業(yè)銀行處在高風(fēng)險(xiǎn)狀態(tài)的時(shí)間長(zhǎng)于股份制商業(yè)銀行，城市商業(yè)銀行處在高風(fēng)險(xiǎn)狀態(tài)下的時(shí)間最短。

表3給出以ΔCoVaR指標(biāo)測(cè)量商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的MS模型估計(jì)結(jié)果。由于ΔCoVaR為負(fù)值，因此當(dāng)估計(jì)結(jié)果顯著為正說明自變量增加，ΔCoVaR下降；反之則上升。對(duì)于風(fēng)險(xiǎn)狀態(tài)的判斷方法與表2相同。由表3中狀態(tài)1和狀態(tài)2的方差估計(jì)結(jié)果可知，狀態(tài)1為高風(fēng)險(xiǎn)的銀行包括中國(guó)農(nóng)業(yè)銀行、中國(guó)工商銀行、中國(guó)建設(shè)銀行、中國(guó)銀行、常熟銀行、江陰銀行、貴陽銀行、杭州銀行、上海銀行、江蘇銀行和張家港行。狀態(tài)2為高風(fēng)險(xiǎn)的銀行包括交通銀行、中國(guó)光大銀行、華夏銀行、中國(guó)民生銀行、平安銀行、浦發(fā)銀行、興業(yè)銀行、招商銀行、中信銀行、北京銀行、南京銀行、寧波銀行、無錫銀行、蘇農(nóng)銀行、鄭州銀行、長(zhǎng)沙銀行和成都銀行。在高風(fēng)險(xiǎn)狀態(tài)下，當(dāng)人民幣兌美元匯率短期波動(dòng)率上升時(shí)，中國(guó)光大銀行、華夏銀行、平安銀行、招商銀行、中信銀行、常熟銀行、江陰銀行、貴陽銀行、杭州銀行、上海銀行、江蘇銀行、無錫銀行和張家港行的系數(shù)估計(jì)值均顯著為負(fù)值，說明當(dāng)美元匯率短期波動(dòng)率上升時(shí)，這些商業(yè)銀行對(duì)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度均顯著上升；而中國(guó)工商銀行、中國(guó)建設(shè)銀行、中國(guó)銀行、中國(guó)民生銀行、浦發(fā)銀行、南京銀行、寧波銀行、鄭州銀行和長(zhǎng)沙銀行的系數(shù)估計(jì)值顯著為正值，說明其系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度下降，監(jiān)管應(yīng)在此情況下重點(diǎn)關(guān)注除這9家商業(yè)銀行外的其他商業(yè)銀行。在高風(fēng)險(xiǎn)狀態(tài)下，當(dāng)人民幣兌歐元匯率短期波動(dòng)率上升時(shí)，中國(guó)工商銀行、中國(guó)銀行、華夏銀行、中國(guó)民生銀行、平安銀行、中信銀行、寧波銀行和江蘇銀行的系數(shù)估計(jì)值均顯著為負(fù)值，說明此時(shí)這些銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度顯著上升；中國(guó)農(nóng)業(yè)銀行、中國(guó)光大銀行、浦發(fā)銀行、興業(yè)銀行、常熟銀行、杭州銀行、上海銀行、張家港行、鄭州銀行和長(zhǎng)沙銀行的系數(shù)估計(jì)值顯著為正值，說明此時(shí)這些商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度下降。在高風(fēng)險(xiǎn)狀態(tài)下，當(dāng)人民幣兌日元匯率短期波動(dòng)率上升時(shí)，中國(guó)光大銀行、平安銀行、招商銀行、中信銀行、上海銀行、江蘇銀行和無錫銀行的系數(shù)估計(jì)值均顯著為負(fù)值，說明這些商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度上升；而中國(guó)銀行、華夏銀行、浦發(fā)銀行、常熟銀行、江陰銀行、貴陽銀行、張家港行、鄭州銀行和長(zhǎng)沙銀行在此情景下估計(jì)系數(shù)顯著為正值，說明系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度下降?？傊?，人民幣兌美元匯率短期波動(dòng)率上升時(shí)，系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度顯著上升的銀行數(shù)量大于系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度顯著下降的銀行數(shù)量，說明人民幣兌美元匯率短期波動(dòng)率的上升使大部分商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度增加。而人民幣兌歐元和日元匯率短期波動(dòng)率上升時(shí)，大多數(shù)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度下降。

從狀態(tài)持續(xù)時(shí)間看，中國(guó)銀行、中信銀行、江陰銀行、上海銀行和江蘇銀行處在高風(fēng)險(xiǎn)狀態(tài)下的時(shí)間較長(zhǎng)。此外，大多數(shù)城市商業(yè)銀行處在高風(fēng)險(xiǎn)狀態(tài)下的時(shí)間均長(zhǎng)于低風(fēng)險(xiǎn)狀態(tài)下的持續(xù)時(shí)間。說明匯率短期波動(dòng)對(duì)城市商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度影響很大，中國(guó)應(yīng)密切關(guān)注匯率波動(dòng)對(duì)城市商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響。

表3 風(fēng)險(xiǎn)指標(biāo)變量為ΔCoVaR的MS模型回歸結(jié)果Table 3 MS Model Regression Results with the Risk Variable being ΔCoVaR

注：#為估計(jì)程序沒有收斂。

總體來講，從單個(gè)商業(yè)銀行風(fēng)險(xiǎn)看，人民幣兌美元匯率對(duì)國(guó)有大型商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的影響較大，人民幣兌歐元匯率則顯著影響了大多數(shù)城市商業(yè)銀行的個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)，而人民幣兌日元匯率的波動(dòng)并沒有顯著增加國(guó)有大型商業(yè)銀行和城市商業(yè)銀行的個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)。從狀態(tài)持續(xù)時(shí)間看，國(guó)有大型商業(yè)銀行處在高風(fēng)險(xiǎn)狀態(tài)的時(shí)間長(zhǎng)于股份制商業(yè)銀行。從系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度角度看，人民幣兌美元匯率短期波動(dòng)率的上升顯著增加了中國(guó)銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)水平，且城市商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)受匯率波動(dòng)的影響最大。主要的原因可能是中小城市商業(yè)銀行參與匯率衍生工具市場(chǎng)有限，無法有效規(guī)避和管理匯率風(fēng)險(xiǎn)。

3使用匯率衍生產(chǎn)品對(duì)銀行業(yè)風(fēng)險(xiǎn)的影響

本研究的實(shí)證結(jié)果表明，匯率波動(dòng)性既有增加商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的情況，也有降低商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的情況，同時(shí)匯率短期波動(dòng)率上升增加銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)。作為巴塞爾協(xié)議中重要的風(fēng)險(xiǎn)因子，商業(yè)銀行有必要使用匯率衍生工具管理匯率風(fēng)險(xiǎn)?；诖?，本部分在前文實(shí)證分析基礎(chǔ)上，使用面板數(shù)據(jù)回歸的方法，研究商業(yè)銀行使用匯率衍生產(chǎn)品對(duì)銀行業(yè)風(fēng)險(xiǎn)的影響。

鑒于數(shù)據(jù)可得性，商業(yè)銀行匯率衍生工具的使用在商業(yè)銀行半年度財(cái)務(wù)報(bào)告中披露，且為了與前文統(tǒng)一，面板回歸分析的樣本期間為2007年7月1日至2018年12月31日，2007年7月1日未上市銀行數(shù)據(jù)從上市日開始計(jì)算。數(shù)據(jù)源自Wind數(shù)據(jù)庫，數(shù)據(jù)頻率為半年度。對(duì)于前文求解的兩個(gè)風(fēng)險(xiǎn)指標(biāo)PD值和ΔCoVaR，本研究對(duì)每半年取一個(gè)均值，作為半年度數(shù)據(jù)代表。本研究選取商業(yè)銀行貨幣遠(yuǎn)期和掉期衍生工具的名義金額合計(jì)值與資產(chǎn)總額的比值(exn)、資產(chǎn)方公允價(jià)值與資產(chǎn)總額的比值(exa)和負(fù)債方公允價(jià)值與資產(chǎn)總額的比值(exl)作為商業(yè)銀行匯率衍生品相關(guān)交易的指標(biāo)。由于目前常熟銀行、江陰銀行、貴陽銀行、無錫銀行、蘇農(nóng)銀行、張家港行、鄭州銀行、長(zhǎng)沙銀行和成都銀行并未開展貨幣遠(yuǎn)期和貨幣掉期相關(guān)業(yè)務(wù)，因此匯率衍生品的相關(guān)指標(biāo)中不包含上述銀行。具體回歸模型為

(7)

其中，Ris′為PD值和ΔCoVaR半年度平均值，EX為exn、exa或者exl，X為控制變量，λ為常數(shù)項(xiàng)，φS和ξS為待估參數(shù)，υ′為隨機(jī)擾動(dòng)項(xiàng)。在控制變量選擇上，①借鑒JAYARATNE et al.[49]的研究，本研究選擇商業(yè)銀行資本充足率(cap)為控制變量。資本充足率越高的商業(yè)銀行，償付能力越強(qiáng)，風(fēng)險(xiǎn)越低。②為了控制商業(yè)銀行貸款質(zhì)量對(duì)信貸供給的影響，本研究將商業(yè)銀行不良貸款率(npl)作為控制變量納入模型。根據(jù)彭建剛等[50]的研究，不良貸款率越低，商業(yè)銀行財(cái)務(wù)越穩(wěn)健，商業(yè)銀行信貸投放能力就越強(qiáng)。③商業(yè)銀行規(guī)模與商業(yè)銀行風(fēng)險(xiǎn)密切相關(guān)，因此本研究將商業(yè)銀行資產(chǎn)規(guī)模取自然對(duì)數(shù)(siz)后納入模型作為控制變量。④借鑒斯文[51]的研究，本研究將信貸供給增長(zhǎng)率(glo)作為控制變量納入模型。⑤借鑒HABIB et al.[52]的研究，匯率與經(jīng)濟(jì)增長(zhǎng)之間存在顯著的相關(guān)性，因此本研究引入GDP同比增長(zhǎng)率(gdp)作為宏觀控制變量納入模型。⑥鑒于“811匯改”前后匯率波動(dòng)明顯，本研究引入一組“811匯改”啞變量(hg)作為宏觀控制變量，控制“811匯改”帶來的影響，當(dāng)樣本時(shí)間屬于“811匯改”之后取值為1，否則取值為0。其中，商業(yè)銀行資本充足率、商業(yè)銀行不良貸款率、商業(yè)銀行資產(chǎn)規(guī)模和信貸供給增長(zhǎng)率為商業(yè)銀行個(gè)體經(jīng)營(yíng)指標(biāo)，為非宏觀控制變量，數(shù)據(jù)來源于Wind數(shù)據(jù)庫和各家商業(yè)銀行財(cái)務(wù)報(bào)告；GDP同比增長(zhǎng)率和“811匯改”啞變量為宏觀控制變量，GDP同比增長(zhǎng)率的數(shù)據(jù)來源于國(guó)家統(tǒng)計(jì)局網(wǎng)站。本研究使用Hausman檢驗(yàn)決定使用隨機(jī)效應(yīng)模型還是固定效應(yīng)模型。

表4給出面板回歸分析數(shù)據(jù)的統(tǒng)計(jì)特征。由表4可知，PD的均值為0.025，表明樣本內(nèi)商業(yè)銀行平均倒閉概率約為0.025；系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度ΔCoVaR的均值為-0.025，說明平均來看，單個(gè)商業(yè)銀行陷入困境使整體銀行業(yè)收益率下降2.539%。從匯率衍生產(chǎn)品使用狀況看，平均名義金額占資產(chǎn)總額的比值為15.637%。按公允價(jià)值資產(chǎn)計(jì)算，資產(chǎn)方公允價(jià)值與資產(chǎn)總額的比值平均為0.153%，負(fù)債方公允價(jià)值平均占資產(chǎn)總額的比值平均為0.142%，說明整體匯率資產(chǎn)與負(fù)債基本是匹配的。在控制變量方面，樣本期內(nèi)商業(yè)銀行半年度的平均信貸增長(zhǎng)率為8.672%，說明樣本期間內(nèi)中國(guó)信貸增長(zhǎng)率相對(duì)較高。平均不良貸款率為1.375%，而平均資本充足率達(dá)到12.503%，說明樣本期內(nèi)中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)較低，償付能力很強(qiáng)。

表4 面板回歸分析樣本數(shù)據(jù)統(tǒng)計(jì)特征Table 4 Statistical Characteristics of Panel Regression Analysis Sample Data

注：本研究將exl設(shè)定為負(fù)值。樣本數(shù)據(jù)為非平衡面板數(shù)據(jù)，因此變量樣本量不一致；gdp為宏觀經(jīng)濟(jì)控制變量，因此樣本量為樣本期個(gè)數(shù)。

表5和表6分別給出不包含宏觀控制變量和包含宏觀控制變量的面板數(shù)據(jù)回歸結(jié)果。Hausman檢驗(yàn)表明，對(duì)于因變量為PD的回歸方程應(yīng)使用隨機(jī)效應(yīng)模型，對(duì)于因變量為ΔCoVaR的模型應(yīng)使用固定效應(yīng)。由表5可知，當(dāng)匯率衍生產(chǎn)品名義價(jià)值占資產(chǎn)總額增加時(shí)，對(duì)商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度均沒有產(chǎn)生顯著的影響。從公允價(jià)值計(jì)價(jià)看，無論是公允價(jià)值資產(chǎn)方，還是公允價(jià)值負(fù)債方，匯率衍生產(chǎn)品均沒有對(duì)商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度產(chǎn)生顯著影響。同時(shí)，表5結(jié)果也表明，規(guī)模越大的商業(yè)銀行，個(gè)體風(fēng)險(xiǎn)越低，而系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度則越高。這可能是由于中國(guó)大型商業(yè)銀行風(fēng)險(xiǎn)管理體系健全，因此個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)低，但一旦大型商業(yè)銀行陷入困境，則導(dǎo)致很高的傳染風(fēng)險(xiǎn)。由表6可知，在引入宏觀控制變量后，匯率衍生品名義價(jià)值以及公允價(jià)值資產(chǎn)方和負(fù)債方的變動(dòng)均對(duì)商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度沒有顯著影響。由于ΔCoVaR是負(fù)值，回歸結(jié)果顯示GDP同比增長(zhǎng)率的上升使商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度顯著下降，說明經(jīng)濟(jì)的快速增長(zhǎng)有助于降低銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)；“811匯改”變量的系數(shù)估計(jì)結(jié)果顯著為正，說明“811匯改”的實(shí)施降低了商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。總體看，面板數(shù)據(jù)回歸分析表明，匯率衍生產(chǎn)品名義價(jià)值占資產(chǎn)總額比值和公允價(jià)值(無論是資產(chǎn)方還是負(fù)債方)占資產(chǎn)總額比值并沒有顯著影響商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。

表5 面板回歸估計(jì)結(jié)果(不含宏觀控制變量)Table 5 Panel Regression Estimated Results(Without Macro Control Variables)

注：使用stata軟件估計(jì)面板數(shù)據(jù)模型，下同。

表6 面板回歸估計(jì)結(jié)果(含宏觀控制變量)Table 6 Panel Regression Estimated Results(Macro Control Variables)

4結(jié)論

隨著中國(guó)商業(yè)銀行將逐漸走向國(guó)際，匯率風(fēng)險(xiǎn)成為影響銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的主要風(fēng)險(xiǎn)因子。已有對(duì)于匯率風(fēng)險(xiǎn)溢出效應(yīng)的研究多關(guān)注宏觀層面，本研究嘗試打通宏觀-微觀的連接通道，以2018年在中國(guó)上市的大型商業(yè)銀行為研究樣本，從商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度兩個(gè)角度，研究人民幣兌美元、歐元和日元匯率短期波動(dòng)對(duì)中國(guó)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)，并研究使用商業(yè)銀行匯率衍生產(chǎn)品對(duì)商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的影響。研究結(jié)果表明，匯率波動(dòng)對(duì)商業(yè)銀行的風(fēng)險(xiǎn)具有異質(zhì)性，且使用匯率衍生品給商業(yè)銀行風(fēng)險(xiǎn)帶來的影響相對(duì)中性。從單個(gè)商業(yè)銀行風(fēng)險(xiǎn)看，人民幣兌美元匯率短期波動(dòng)率對(duì)國(guó)有大型商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的影響較大，人民幣兌歐元匯率短期波動(dòng)率顯著影響大多數(shù)城市商業(yè)銀行的個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)，人民幣兌日元匯率短期波動(dòng)率并沒有增加國(guó)有大型商業(yè)銀行和城市商業(yè)銀行的個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)；從狀態(tài)持續(xù)時(shí)間看，國(guó)有大型商業(yè)銀行處在高風(fēng)險(xiǎn)狀態(tài)的時(shí)間長(zhǎng)于股份制商業(yè)銀行；從系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度角度看，人民幣兌美元匯率短期波動(dòng)率的上升顯著增加了中國(guó)銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度水平，且城市商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度受匯率波動(dòng)的影響最大；而匯率衍生產(chǎn)品名義價(jià)值占資產(chǎn)總額比值和衍生產(chǎn)品公允價(jià)值(無論是資產(chǎn)方還是負(fù)債方)占資產(chǎn)總額比值均不會(huì)影響商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。

基于本研究結(jié)果，提出政策建議如下。

①重視人民幣兌美元匯率短期波動(dòng)率的影響。本研究實(shí)證分析表明，人民幣兌美元匯率短期波動(dòng)率上升使樣本內(nèi)大部分商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)增加，對(duì)于國(guó)有大型商業(yè)銀行而言，其個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)也顯著上升。這反映出中美作為世界兩大經(jīng)濟(jì)體，貿(mào)易爭(zhēng)端使不確定性加大，人民幣兌美元匯率的短期波動(dòng)增加。商業(yè)銀行作為國(guó)際貿(mào)易融資的重要載體，匯率的不穩(wěn)定性必然傳導(dǎo)至銀行體系。因此，監(jiān)管當(dāng)局應(yīng)重視人民幣兌美元匯率短期波動(dòng)率對(duì)中國(guó)銀行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)。

②重視匯率波動(dòng)對(duì)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響。本研究實(shí)證分析表明，匯率短期波動(dòng)率增加了樣本內(nèi)大多數(shù)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度。鑒于樣本內(nèi)銀行都是中國(guó)大型商業(yè)銀行，其倒閉對(duì)中國(guó)金融體系風(fēng)險(xiǎn)影響極大，因此為了有效管理銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)，監(jiān)管部門應(yīng)加強(qiáng)對(duì)匯率風(fēng)險(xiǎn)的監(jiān)測(cè)和分析。此外，監(jiān)管部門應(yīng)特別關(guān)注匯率波動(dòng)對(duì)城市商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的影響。從系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度角度看，樣本內(nèi)大多數(shù)城市商業(yè)銀行在高風(fēng)險(xiǎn)狀態(tài)下的持續(xù)時(shí)間較長(zhǎng)，但從個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)角度看，城市商業(yè)銀行的狀態(tài)持續(xù)時(shí)間較短，這說明城市商業(yè)銀行在面臨困境的情況下表現(xiàn)出很強(qiáng)的風(fēng)險(xiǎn)傳染。因此，加強(qiáng)對(duì)城市商業(yè)銀行匯率風(fēng)險(xiǎn)的監(jiān)管有助于整個(gè)銀行業(yè)的穩(wěn)定發(fā)展。

③發(fā)展匯率衍生產(chǎn)品市場(chǎng)。雖然本研究實(shí)證分析表明匯率衍生產(chǎn)品名義的增加降低商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)，但實(shí)證分析也表明，匯率衍生產(chǎn)品市場(chǎng)并沒有有效地降低系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度，缺乏緩釋系統(tǒng)性風(fēng)險(xiǎn)的能力。鑒于匯率風(fēng)險(xiǎn)因子具有系統(tǒng)性特征，因此中國(guó)應(yīng)加大發(fā)展匯率衍生產(chǎn)品市場(chǎng)，使其具有管理系統(tǒng)性風(fēng)險(xiǎn)的職能，從而更好地維護(hù)金融體系的穩(wěn)定。

目前中國(guó)尚未爆發(fā)由匯率波動(dòng)導(dǎo)致的金融危機(jī)，因此無法驗(yàn)證本研究結(jié)果；此外，鑒于數(shù)據(jù)的可得性，本研究無法使用更加詳細(xì)的匯率數(shù)據(jù)進(jìn)行分析，無法更加明確地研究匯率風(fēng)險(xiǎn)如何波及到商業(yè)銀行，這是本研究的不足之處。