利率水平對(duì)中國上市商業(yè)銀行違約概率的影響
——基于貝葉斯向量自回歸實(shí)證分析

劉志洋

（東北師范大學(xué) 經(jīng)濟(jì)與管理學(xué)院，吉林 長春 130117）

一、引言

自從1996年巴塞爾委員會(huì)發(fā)布市場風(fēng)險(xiǎn)管理資本計(jì)提要求之后，各國金融監(jiān)管當(dāng)局開始關(guān)注市場風(fēng)險(xiǎn)對(duì)銀行體系風(fēng)險(xiǎn)的影響。根據(jù)巴塞爾資本協(xié)議，市場風(fēng)險(xiǎn)主要包括利率風(fēng)險(xiǎn)、匯率風(fēng)險(xiǎn)、股價(jià)風(fēng)險(xiǎn)和商品價(jià)格風(fēng)險(xiǎn)。對(duì)于商業(yè)銀行來講，利率風(fēng)險(xiǎn)無疑是影響最大的系統(tǒng)風(fēng)險(xiǎn)因子。隨著中國利率市場進(jìn)程基本完成，利率水平的高低直接影響著實(shí)體經(jīng)濟(jì)的增長，進(jìn)而影響銀行業(yè)的穩(wěn)定。當(dāng)利率水平較高時(shí)，商業(yè)銀行持有的債券價(jià)值就會(huì)降低，且實(shí)體企業(yè)的信用風(fēng)險(xiǎn)也會(huì)上升，這些都會(huì)給商業(yè)銀行資產(chǎn)負(fù)債管理帶來壓力。雖然中國尚未發(fā)生“黑天鵝”事件，但中國金融監(jiān)管不應(yīng)忽視商業(yè)銀行對(duì)利率的風(fēng)險(xiǎn)敞口。

傳統(tǒng)銀行理論認(rèn)為，商業(yè)銀行應(yīng)該對(duì)沖利率風(fēng)險(xiǎn)，將自身利率風(fēng)險(xiǎn)敞口降為零，這是最優(yōu)的利率風(fēng)險(xiǎn)管理策略。然而，Allen&Santomero（1997）［1］認(rèn)為商業(yè)銀行應(yīng)該留有利率風(fēng)險(xiǎn)敞口，因?yàn)樯虡I(yè)銀行資本市場參與程度在提高，其風(fēng)險(xiǎn)管理策略也要更加主動(dòng)。對(duì)商業(yè)銀行利率風(fēng)險(xiǎn)敞口研究最早可以追溯到Flannery&James（1984）［2］，他們使用回歸分析估計(jì)商業(yè)銀行股票收益率對(duì)利率水平的敏感性，并稱之為利率beta，研究結(jié)果顯示利率水平與股票收益率呈現(xiàn)出負(fù)相關(guān)的特征；之后，他們?cè)偈褂媒孛婊貧w分析研究利率beta和商業(yè)銀行經(jīng)營特征之間的關(guān)系，研究結(jié)果表明商業(yè)銀行股票收益率對(duì)利率非常敏感，即商業(yè)銀行存在利率風(fēng)險(xiǎn)敞口。在Flannery&James（1984）［2］之后，Saunders&Yourougou（1990）［3］和Kwan（1991）［4］也得出了類似的結(jié)論。之后，一些學(xué)者開始關(guān)注利率衍生工具對(duì)商業(yè)銀行利率風(fēng)險(xiǎn)敞口的影響。代表性文獻(xiàn)包括Choi&Elyasiani（1997）［5］&Hirtle（1997）［6］。Choi&Elyasiani（1997）［5］將匯率風(fēng)險(xiǎn)納入分析框架，發(fā)現(xiàn)利率beta大小與利率衍生工具的使用具有正相關(guān)性。Hirtle（1997）［6］估計(jì)了商業(yè)銀行年度利率beta，證明商業(yè)銀行資產(chǎn)和負(fù)債結(jié)構(gòu)影響利率風(fēng)險(xiǎn)敞口，且商業(yè)銀行利率衍生工具使用越多，利率beta越大。

大多數(shù)學(xué)者的研究往往關(guān)注在利率風(fēng)險(xiǎn)的測(cè)度上，但沒有將利率水平直接與商業(yè)銀行違約概率相關(guān)聯(lián)。近期與本文研究關(guān)聯(lián)度較高的文獻(xiàn)是I M F（2015）［7］。I M F（2015）［7］在使用K M V模型測(cè)度美國大型上市商業(yè)銀行和保險(xiǎn)公司違約概率后，研究測(cè)度的違約概率與美國貨幣政策和金融體系穩(wěn)定的相關(guān)性。從國內(nèi)來講，將利率水平高低與銀行業(yè)風(fēng)險(xiǎn)關(guān)聯(lián)起來的研究相對(duì)較少，更多的國內(nèi)學(xué)者的研究關(guān)注于商業(yè)銀行利率風(fēng)險(xiǎn)管理層面（周穎和楊潔，2019［8］；遲國泰和段翀，2017［9］），或者是關(guān)注貨幣政策對(duì)銀行業(yè)風(fēng)險(xiǎn)的影響（柯孔林，2018［10］；宋玉臣和喬木子，2016［11］）。范曉云等（2018）［12］以利率為紐帶，研究了人口結(jié)構(gòu)與系統(tǒng)性風(fēng)險(xiǎn)之間的關(guān)系。劉志洋和李風(fēng)鵬（2015）［13］研究利率水平與商業(yè)銀行盈利水平的非線性關(guān)系。在大多數(shù)的研究中，學(xué)者往往針對(duì)利率的變化率來建模，然而利率水平的或高或低對(duì)商業(yè)銀行的影響卻并不相同。即使利率變化相同，但由于變化之前的基準(zhǔn)不同，對(duì)商業(yè)銀行的影響也不一致。在一個(gè)低利率的環(huán)境中，少量的利率上升或許對(duì)商業(yè)銀行沒有太大的影響；但如果利率水平本身就較高，則微小的利率上漲就會(huì)給銀行體系穩(wěn)定帶來壓力。本文在測(cè)算中國上市商業(yè)銀行違約概率基礎(chǔ)上，直接將利率水平與違約概率相關(guān)聯(lián)，研究利率水平對(duì)商業(yè)銀行違約概率的影響，為中國系統(tǒng)性風(fēng)險(xiǎn)管理提供政策建議。

二、商業(yè)銀行違約概率估計(jì)方法

利率風(fēng)險(xiǎn)敞口的最終影響體現(xiàn)在銀行經(jīng)營風(fēng)險(xiǎn)上。由于中國尚未爆發(fā)大規(guī)模的銀行業(yè)危機(jī)，因此如何測(cè)度商業(yè)銀行經(jīng)營風(fēng)險(xiǎn)是一個(gè)較大的挑戰(zhàn)。以M erton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)度金融系統(tǒng)性風(fēng)險(xiǎn)的主要方法之一。而KMV模型則是CCA方法的主要代表。

根據(jù)劉志洋（2017）［14］的觀點(diǎn)，本文從微觀的視角，使用KMV模型測(cè)算銀行體系風(fēng)險(xiǎn)。KMV模型核心思想是將銀行股票市值看作歐式看漲期權(quán)，當(dāng)銀行資產(chǎn)價(jià)值低于預(yù)期所需償還債務(wù)的價(jià)值時(shí)，看漲期權(quán)作廢，銀行出現(xiàn)違約。雖然理論模型往往假設(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)銀行往往因?yàn)榱鲃?dòng)性沖擊而被迫拋售資產(chǎn)，因此本文針對(duì)KMV模型設(shè)定了違約觸發(fā)值（用D B表示）。根據(jù)KMV模型的常規(guī)做法，本文對(duì)違約點(diǎn)的設(shè)定為：短期負(fù)債+0.5*長期負(fù)債。根據(jù)劉志洋（2017）［14］，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%。在風(fēng)險(xiǎn)中性測(cè)度下，銀行股票價(jià)值為：

其中ET為銀行股票市值，AT為銀行資產(chǎn)市場價(jià)值，r為無風(fēng)險(xiǎn)利率，N（）為標(biāo)準(zhǔn)正態(tài)分布累積函數(shù)，σA為資產(chǎn)市場價(jià)值標(biāo)準(zhǔn)差。假設(shè)銀行資產(chǎn)市場價(jià)格服從對(duì)數(shù)正態(tài)分布，銀行在T時(shí)間內(nèi)唯一概率為：

由于DB不是日度數(shù)據(jù)，根據(jù)公開信息，頻率最高的為季度頻率，因此，本文DB的對(duì)應(yīng)方式策略如下：每年1月、2月和3月的股票日度數(shù)據(jù)對(duì)應(yīng)的是第一個(gè)季度的財(cái)報(bào)；4月、5月、6月的股票日度數(shù)據(jù)對(duì)應(yīng)的是半年報(bào)；7月、8月、9月的股票日度數(shù)據(jù)對(duì)應(yīng)的是第三個(gè)季度的財(cái)報(bào)；10月、11月、12月的股票日度數(shù)據(jù)對(duì)應(yīng)的是銀行年報(bào)。由于在使用KMV模型過程中需要商業(yè)銀行股票日度波動(dòng)率數(shù)據(jù)，因此本文使用Garc h（1，1）模型估計(jì)每家上市商業(yè)銀行日度波動(dòng)率。

三、商業(yè)銀行違約概率估計(jì)結(jié)果

使用KMV模型需要股票收益率數(shù)據(jù)，因此本文的研究樣本為中國上市商業(yè)銀行，樣本區(qū)間為2007年7月1日至2016年12月30日。雖然2016—2017年有江蘇銀行等9家城市商業(yè)銀行上市，但考慮到樣本量的問題，本文的研究樣本仍選擇在2016年之前上市的商業(yè)銀行，具體包括中國工商銀行、中國建設(shè)銀行、中國銀行、中國農(nóng)業(yè)銀行、交通銀行、中信銀行、光大銀行、華夏銀行、民生銀行、興業(yè)銀行、浦發(fā)銀行、平安銀行、招商銀行、北京銀行、寧波銀行和南京銀行。

自從2005年中國政府進(jìn)行銀行業(yè)改革開始，中國商業(yè)銀行經(jīng)營市場化導(dǎo)向愈加明顯。表1為各上市商業(yè)銀行2007—2016年半年度KMV估計(jì)結(jié)果平均值。從表1可以看出，在特定時(shí)期，許多商業(yè)銀行的違約概率都非常高。在2008年金融危機(jī)爆發(fā)之前至2008年下半年金融危機(jī)正式爆發(fā)，幾乎所有上市商業(yè)銀行的違約概率都在2008年下半年達(dá)到了最高值。華夏銀行、平安銀行、浦發(fā)銀行和興業(yè)銀行甚至超過了10%，國有大型商業(yè)銀行業(yè)超過了2%。危機(jī)爆發(fā)之后，中國政府采取積極措施穩(wěn)定金融體系，中國上市商業(yè)銀行的違約概率逐漸下降，到2016年下半年，下降至不到1%?？梢哉f，中國上市商業(yè)銀行違約風(fēng)險(xiǎn)整體較低。

自從2005年，有三個(gè)階段商業(yè)銀行利率風(fēng)險(xiǎn)較高：2008年6月至2009年6月；2012年12月至2013年12月；2015年下半年。在2008年6月至2009年6月，2008年金融危機(jī)爆發(fā)，金融市場流動(dòng)性受到?jīng)_擊，銀行間市場融資成本上升，因此全世界銀行業(yè)都受到負(fù)面影響，資本市場自然也會(huì)認(rèn)為中國銀行體系也受到了負(fù)面沖擊。從2012年開始，中國人民銀行逐漸放開存款利率和貸款利率，中國商業(yè)銀行經(jīng)營環(huán)境就此改變了，商業(yè)銀行以往“躺著掙錢”的日子逐漸遠(yuǎn)去。在2013年5月，銀行間市場同業(yè)拆解利率一直走高。在2013年6月20日，隔夜回購利率達(dá)到30%，銀行體系風(fēng)險(xiǎn)達(dá)到高峰。在2015年10月24日，中國人民銀行下調(diào)人民幣貸款和存款基準(zhǔn)利率，取消存款利率上限，完成了利率市場化最后一公里。從這些事件可以看出，中國商業(yè)銀行違約概率上升與下降與中國利率市場化進(jìn)程息息相關(guān)。在每一個(gè)利率市場化的關(guān)鍵階段，商業(yè)銀行違約概率都會(huì)上升，表明市場認(rèn)為商業(yè)銀行會(huì)面臨更加嚴(yán)峻的挑戰(zhàn)。因此了解利率對(duì)商業(yè)銀行違約概率的影響對(duì)于監(jiān)管當(dāng)局至關(guān)重要。

續(xù)表1

四、貝葉斯向量自回歸模型

向量自回歸模型與傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)模型不同的地方在于其能夠量化一個(gè)變量系統(tǒng)中，變量之間的相互影響。貝葉斯向量自回歸模型進(jìn)一步拓展了向量自回歸模型，進(jìn)一步提高了預(yù)測(cè)的精度，尤其在短期預(yù)測(cè)方面。傳統(tǒng)向量自回歸模型估計(jì)參數(shù)較多，為此常常需要假設(shè)許多參數(shù)為零。然而如此做法有時(shí)會(huì)得到與經(jīng)濟(jì)理論預(yù)測(cè)相反的結(jié)論。Litterman（1986）［15］首先提出了貝葉斯向量自回歸模型，此模型使得參數(shù)逐漸收斂于零，而不是令其直接等于零。通過此方法，參數(shù)估計(jì)的準(zhǔn)確度顯著提高。在貝葉斯向量自回歸模型中，所有參數(shù)被視為隨機(jī)變量，在預(yù)測(cè)之前設(shè)定先驗(yàn)分布。本文分別設(shè)定四類先驗(yàn)分布進(jìn)行實(shí)證分析。

首先，本文設(shè)定基準(zhǔn)向量自回歸模型：

其中yt包含M個(gè)時(shí)間序列變量，t=1，2，…..T，εt為相應(yīng)的殘差項(xiàng)，為α0為常數(shù)項(xiàng)，Aj為M*M系數(shù)矩陣。假設(shè)：

其中N表示正態(tài)分布。本文的四類先驗(yàn)分布設(shè)定如下：

第一，Jeffreys先驗(yàn)分布，如（4）式：

條件后驗(yàn)分布為（5）式：

其中，α為A的估計(jì)值，K等于M*P+1，為向量自回歸模型待估系數(shù)總量，IW表示逆Wis h art分布。

第二，正態(tài)—Wis h art分布。正態(tài)—Wis h art分布是多元正態(tài)分布的共軛分布，均值和精度矩陣未知。假設(shè)

其中，N表示正態(tài)分布，均值為μ0，協(xié)方差矩陣為

W代表Wis h art分布。因此（μ，Λ）表示正態(tài)—Wis h art分布，見（6）式：

前兩種分布假設(shè)需要輸入?yún)?shù)較多。本文假設(shè)的第三種先驗(yàn)分布和第四種先驗(yàn)分布都來自SSVS（Stochastic Search Variable Selection）先驗(yàn)分布。SS V S先驗(yàn)分布只需要最少的參數(shù)輸入，其基本思想是把先驗(yàn)分布分成一個(gè)等級(jí)，任何一個(gè)先驗(yàn)分布是兩類分布的組合。假設(shè)αj為待估系數(shù)，則其先驗(yàn)分布可以寫成（7）式

其中γj為等級(jí)變量。如果γj為1，說明αj主要來自第二個(gè)正態(tài)分布；如果γj為0，則αj主要來自第一個(gè)正態(tài)分布。K0j和K1j為先驗(yàn)方差，K0j往往取值較小，而K1j往往取值較大。因此SS V S先驗(yàn)分布對(duì)于所有估計(jì)參數(shù)α和Σ均設(shè)定了分布等級(jí)。如果只假設(shè)α是兩個(gè)正態(tài)分布的組合，則稱之為SSVS均值—Wishart先驗(yàn)分布（先驗(yàn)分布三）。如果同時(shí)假設(shè)α和Σ是兩個(gè)分布的組合，則稱之為SSVS均值—協(xié)方差先驗(yàn)分布（先驗(yàn)分布四）。

具體來講，本文自回歸模型設(shè)定見（8）式

其中，PDi，t表示商業(yè)銀行i在t時(shí)刻的違約概率。IRj，t表示在時(shí)刻t的利率說。根據(jù)巴塞爾資本協(xié)議，商業(yè)銀行利率風(fēng)險(xiǎn)指的是基準(zhǔn)利率變化的風(fēng)險(xiǎn)，且由于在中國貨幣政策調(diào)控體系中，最長期限為5年，因此本文分別選擇了1年期、2年期和5年期政府債券利率。PREt表示利率期限結(jié)構(gòu)，為10年期國債收益率減1年期國債收益率。

在（8）式中，P為滯后階數(shù)。本文的時(shí)間頻率為日度數(shù)據(jù)，P選擇為4。對(duì)于此類問題，大多數(shù)研究使用周度資本市場數(shù)據(jù)進(jìn)行研究，而周度市場數(shù)據(jù)交易日為5天。然而本文使用的是日度數(shù)據(jù)來進(jìn)行研究，進(jìn)而增強(qiáng)提前預(yù)警能力，這意味著滯后階數(shù)的選擇必須小于5。然而，在一般的事件研究法中，事件窗口往往選擇［-3，+3］或者［-2，+2］，原因是給予市場參與者消化信息的時(shí)間。因此，本文假設(shè)市場參與者需要3天的時(shí)間來消化市場信息。最后，本文將滯后階數(shù)定為4。

五、利率水平對(duì)商業(yè)銀行違約概率影響實(shí)證分析

表2、表3和表4為模型的預(yù)測(cè)違約概率的結(jié)果。整體來講，利率水平對(duì)各個(gè)上市商業(yè)銀行違約概率的影響基本相同。根據(jù)表2、表3和表4，我們可以將違約概率分為低、中等和高三個(gè)類型。其中，低違約概率商業(yè)銀行包括中國工商銀行、招商銀行、中國銀行、建設(shè)銀行和農(nóng)業(yè)銀行。高違約概率的銀行為中信銀行、華夏銀行和南京銀行。其余上市商業(yè)銀行為中等違約概率。低違約概率的銀行的違約概率基本集中在0.2%附近，且有四家為國有大型商業(yè)銀行，這說明利率水平對(duì)國有大型商業(yè)銀行的影響不是很大；而受利率水平影響較大的商業(yè)銀行基本為股份制商業(yè)銀行和城市商業(yè)銀行。利率水平會(huì)影響商業(yè)銀行的資產(chǎn)負(fù)債。隨著中國利率市場化基本完成，股份制商業(yè)銀行和城市商業(yè)銀行由于網(wǎng)點(diǎn)分布的問題，在吸收存款方面會(huì)有挑戰(zhàn)。在中國銀行業(yè)，存款占據(jù)股份制和城市商業(yè)銀行資金來源的70%以上，因此為了與國有大型商業(yè)銀行競爭，股份制商業(yè)銀行和城市商業(yè)銀行存在提高存款利率的動(dòng)機(jī)，進(jìn)而增加了償付能力風(fēng)險(xiǎn)。

表2 1年期利率對(duì)商業(yè)銀行違約概率的預(yù)測(cè)

本文繼續(xù)使用貝葉斯向量自回歸研究每家上市商業(yè)銀行違約概率對(duì)每一個(gè)期限利率的脈沖反應(yīng)①由于版面原因，本文省略了脈沖反應(yīng)圖。。根據(jù)脈沖反應(yīng)走向，本文將反應(yīng)類型分為四種類型：①開始降低而后收斂至0（類型一）；②開始上下波動(dòng)而后收斂至0（類型二）；③輕微上升（類型三）；④顯著上升（類型四）。表5、表6和表7為分類結(jié)果?？傮w來講，利率水平上升對(duì)所有商業(yè)銀行違約概率負(fù)面影響均較高，但處在類型四中的股份制商業(yè)銀行和城市商業(yè)銀行較多。

本文繼續(xù)研究每家上市商業(yè)銀行違約概率對(duì)利率期限溢價(jià)的脈沖反應(yīng)②由于版面原因，脈沖反應(yīng)圖省略。。根據(jù)脈沖反應(yīng)走勢(shì)，本文將此脈沖反應(yīng)歸為五類：開始下降之后收斂至0（類型一）；開始上下波動(dòng)之后收斂至0（類型二）；輕微上升或者沒有明顯反應(yīng)（類型三）；顯著上升（類型四）；輕微下降（類型五）。表8、表9和表10為分類結(jié)果。整體來講，利率期限溢價(jià)對(duì)上市商業(yè)銀行違約概率的負(fù)面影響不明顯，但是南京銀行、寧波銀行、民生銀行、浦發(fā)銀行、興業(yè)銀行和光大銀行受到負(fù)面沖擊較為明顯。在中國商業(yè)銀行體系，有三分之一貸款為五年以上，因此當(dāng)長期利率上漲高于短期利率時(shí)，商業(yè)銀行盈利會(huì)增加，進(jìn)而消除負(fù)面影響。

表3 2年期利率對(duì)商業(yè)銀行違約概率的預(yù)測(cè)

表4 5年期利率對(duì)商業(yè)銀行違約概率的預(yù)測(cè)

表5 上市商業(yè)銀行違約概率對(duì)1年期利率脈沖反應(yīng)歸類

表6 上市商業(yè)銀行違約概率對(duì)2年期利率脈沖反應(yīng)歸類

續(xù)表6

總體實(shí)證結(jié)果表明，國有大型商業(yè)銀行受利率水平的影響程度小于股份制商業(yè)銀行和城市商業(yè)銀行。表11為2016年各個(gè)上市商業(yè)銀行利率風(fēng)險(xiǎn)敞口報(bào)告。從第二列可以看出，國有大型商業(yè)銀行1年至5年利率風(fēng)險(xiǎn)敞口與其對(duì)應(yīng)期限資產(chǎn)比值是最低的，這與實(shí)證結(jié)論基本一致。從第三列可以看出，中國上市商業(yè)銀行5年期以上利率風(fēng)險(xiǎn)敞口占比非常高，因此一旦長期利率上升，商業(yè)銀行盈利能力必然顯著上升，商業(yè)銀行違約概率受利率期限溢價(jià)負(fù)面影響較小。從利息收入來看，當(dāng)利率水平上升時(shí)，股份制商業(yè)銀行和城市商業(yè)銀行受到的負(fù)面影響較大。之所以股份制商業(yè)銀行和城市商業(yè)銀行受利率水平負(fù)面影響大，主要原因?yàn)椋旱谝?，國有大型行業(yè)銀行占據(jù)銀行體系的主導(dǎo)地位，政府聲譽(yù)資本的注入無形間增加了商業(yè)銀行資本水平，市場會(huì)認(rèn)為國有大型商業(yè)銀行是“大而不倒”的銀行，因此利率水平如何變動(dòng)，也很難改變市場的看法。第二，雖然當(dāng)前中國互聯(lián)網(wǎng)金融給銀行體系帶來沖擊，但國有大型商業(yè)銀行積極與主要互聯(lián)網(wǎng)金融企業(yè)合作，比如，農(nóng)業(yè)銀行與百度、建設(shè)銀行與阿里巴巴、工商銀行與京東、中國銀行與騰訊等。這些合作無疑會(huì)增加商業(yè)銀行利率風(fēng)險(xiǎn)管理能力。從這方面來看，股份制商業(yè)銀行和城市商業(yè)銀行略微落后。

表7 上市商業(yè)銀行違約概率對(duì)5年期利率脈沖反應(yīng)歸類

續(xù)表7

表8 商業(yè)銀行違約概率對(duì)利率期限溢價(jià)的脈沖反應(yīng)分類（1年期利率）

續(xù)表8

表9 商業(yè)銀行違約概率對(duì)利率期限溢價(jià)的脈沖反應(yīng)分類（2年期利率）

續(xù)表9

表10 商業(yè)銀行違約概率對(duì)利率期限溢價(jià)的脈沖反應(yīng)分類（5年期利率）

表11 2016年16家上市商業(yè)銀行利率風(fēng)險(xiǎn)敞口與對(duì)應(yīng)期限資產(chǎn)比值

六、結(jié)論

本文使用KMV模型計(jì)算了中國16家上市商業(yè)銀行的違約概率，得到了時(shí)間序列數(shù)據(jù)，在此基礎(chǔ)上，本文運(yùn)用貝葉斯向量自回歸模型研究1年期、2年期和5年期利率水平對(duì)商業(yè)銀行違約概率的影響。整體結(jié)論表明，股份制商業(yè)銀行和城市商業(yè)銀行受利率水平負(fù)面影響較大，而期限溢價(jià)對(duì)商業(yè)銀行違約概率負(fù)面影響較小。此結(jié)果對(duì)于中國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)管理具有參考價(jià)值。隨著中國利率市場化基本完成，商業(yè)銀行面臨的利率風(fēng)險(xiǎn)會(huì)越來越高。對(duì)于這16家上市商業(yè)銀行來講，任何一家銀行的倒閉都是系統(tǒng)性事件，因此中國金融監(jiān)管當(dāng)局不應(yīng)僅僅根據(jù)規(guī)模來確定系統(tǒng)重要性銀行，應(yīng)該根據(jù)敞口規(guī)模來分析一家金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度，進(jìn)而防止系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)。