商業(yè)銀行流動性風(fēng)險在險價值的實證研究

摘 要：安全性一直以來都是商業(yè)銀行經(jīng)營的首要基本原則，因此不論在金融危機期間還是穩(wěn)健的經(jīng)濟周期期間，對于商業(yè)銀行的流動性風(fēng)險的管理顯得尤為重要。首先，本文總結(jié)了國內(nèi)外有關(guān)LaVaR的發(fā)展歷程及流動性風(fēng)險的研究成果;其次，本文基于中國A股16家上市商業(yè)銀行的日股票價格波動樣本數(shù)據(jù)，對傳統(tǒng)的在險價值計量方法進行改進，考慮了買賣價差對流動性溢價的影響，建立了GARCH-LaVaR模型，計量我國上市商業(yè)銀行市場流動性風(fēng)險的在險價值;最后，有針對性地得出對我國大型商業(yè)銀行流動性風(fēng)險的相應(yīng)啟示。

關(guān)鍵詞：商業(yè)銀行;流動性風(fēng)險;GARCH-LaVaR模型;啟示

一、緒論

一直以來，信用風(fēng)險、操作風(fēng)險、市場風(fēng)險都是商業(yè)銀行規(guī)避風(fēng)險所看重的部分。相較之下，流動性風(fēng)險反而并未受到廣泛關(guān)注。直到長期資本管理公司（LTCM）的失敗，雷曼兄弟的倒閉等危機事件發(fā)生后，對流動性風(fēng)險管理的重要性才凸顯出來。2010年出臺的《巴塞爾協(xié)議III》將流動性風(fēng)險提升到了與監(jiān)管資本同等重要的作用，并引入了兩個流動性風(fēng)險的相應(yīng)監(jiān)管指標(biāo)，分別是：凈穩(wěn)定資金比例（NSFR）和流動性覆蓋率（LCR）。

在近幾十年的研究中，買賣價差通常被看作是流動性風(fēng)險的重要衡量因素。本文根據(jù)這一焦點問題深入探討我國上市商業(yè)銀行對流動性風(fēng)險調(diào)整后的在險價值的測定，并得出管理啟示。

二、我國商業(yè)銀行流動性風(fēng)險現(xiàn)狀

1.商業(yè)銀行的法定準(zhǔn)備金率較低

目前，我國商業(yè)銀行主要的資金來源渠道為所有者權(quán)益和負(fù)債這兩個部分。商業(yè)銀行的貸款總額與商行的可變現(xiàn)資產(chǎn)相比，存在很大差距。并且，現(xiàn)階段我國商業(yè)銀行的存款準(zhǔn)備金率比較低，可能對于安全性具有一定的威脅。

2.商業(yè)銀行的不良貸款率逐漸上漲

當(dāng)前，貸款業(yè)務(wù)依然是我國絕大多數(shù)商業(yè)銀行最重要的任務(wù)。但是，我國商業(yè)銀行的不良貸款率卻在逐年上升。僅僅2018年6月份，我國商業(yè)銀行的不良貸款率相較三月份上升了將近0.12個百分點，達(dá)到了1.86%。截止到2018年6月，我國商業(yè)銀行有高達(dá)19600億元的不良貸款總額。良好的資產(chǎn)質(zhì)量，能夠使不良貸款率有效下降，進一步使得商業(yè)銀行流動性風(fēng)險也得到下降。

3.資產(chǎn)多元化有所欠缺

一方面，在資金運用上，我國商業(yè)銀行還是大多采取貸款為主的方式。另一方面，存款是我國商業(yè)銀行的負(fù)債業(yè)務(wù)，其中短期存款占比最大，屬于最主要的負(fù)債業(yè)務(wù)。但是本著利益性原則，商業(yè)銀行往往追求貸款額度的最大化，致使其有較高的流動性負(fù)債比率，從而使商業(yè)銀行的流動性風(fēng)險進一步擴大。

4.期限錯配問題比較顯著

資產(chǎn)和負(fù)債是商業(yè)銀行最重要的兩部分，保持兩者的均衡非常重要。但是，現(xiàn)實中商業(yè)銀行的資產(chǎn)期限遠(yuǎn)低于負(fù)債期限。這種期限錯配的問題在這幾年越來越顯著，成為了導(dǎo)致商業(yè)銀行流動性風(fēng)險加劇的主要原因之一。

三、商業(yè)銀行流動性風(fēng)險在險價值衡量的模型選擇及設(shè)計

1.模型選擇

La·VaR方法本質(zhì)上仍屬于VaR分析框架，在險價值（Value at Risk）含義為：在某一特定時期內(nèi)，某個特定置信水平（例如99%）下，某資產(chǎn)組合所能承受的最大損失。但是，傳統(tǒng)的VaR模型沒有涉及到流動性風(fēng)險，只是考慮資產(chǎn)組合面臨的市場風(fēng)險?；趯@一點的考慮，班吉亞、迪博爾德、斯庫爾曼、施特格（Bangia、Diebold、Schuermann、Stroughair）在1999年提出了BDSS模型，也就是La-VaR模型——基于買賣價差的流動性風(fēng)險模型，為在險價值模型的流動性風(fēng)險計量提供了全新的思路。La-VaR模型實質(zhì)上包含兩個部分，一為資本市場價格波動引起的市場風(fēng)險，二為根據(jù)買賣價差計算得到的流動性風(fēng)險，公式表示為La-VaR=VaR+LC。

傳統(tǒng)的市場風(fēng)險VaR適用于任何VaR的風(fēng)險計量方法（參數(shù)法如蒙特卡羅模擬、非參數(shù)法如歷史模擬法等等）。假設(shè)金融資產(chǎn)的收益率為rt，服從正態(tài)分布N（u，σ2），在給定置信水平α的情況下，市場風(fēng)險VaR可表述為：

VaR=W（-u+Zασ），其中，W為金融資產(chǎn)的價值，Zα為正態(tài)分布函數(shù)的α分位數(shù)。

國外學(xué)者本吉亞（Bangia）指出在置信水平為c時，1單位頭寸在未來一段時間內(nèi)，La-VaR的解析式：

2.模型修正

本文在國內(nèi)學(xué)者胡方琦，宋琴（2016）的研究上，對商業(yè)銀行每日的買賣價差進行了改進。在這里，假設(shè)每日開盤價為Pk，收盤價Ps，最高價Ph，最低價Pl，價差S0則為最高與最低價的差值，中間價。對該時間序列進行了描述性統(tǒng)計、平穩(wěn)性檢驗、相關(guān)性檢驗以及ARCH效應(yīng)，構(gòu)建GARCH模型，并對其誤差項采用t分布。最后在GARCH模型下通過買賣價差對VaR進行流動性調(diào)整，根據(jù)估計的波動率計算出各家上市商業(yè)銀行流動性調(diào)整后的La-VaR值，最后對其分析必能得出結(jié)論。

3.實證數(shù)據(jù)來源及處理

本文選擇當(dāng)下我國A股16家上市商業(yè)銀行2018年10月8日至2019年10月19日數(shù)據(jù)作為樣本，包括工商銀行、中國銀行、農(nóng)業(yè)銀行、建設(shè)銀行、交通銀行、中信銀行、光大銀行、北京銀行、興業(yè)銀行、南京銀行、招商銀行、民生銀行、華夏銀行、浦發(fā)銀行、寧波銀行、平安銀行（數(shù)據(jù)全部來源于RESSET數(shù)據(jù)庫）。

因為這16家商業(yè)銀行上市的時間不同，且各自收益率偶爾存在特殊的波動，所以先對每組數(shù)據(jù)進行如下處理：

（1）各家商業(yè)銀行除息、除權(quán)造成的收益率巨幅波動數(shù)據(jù)。

（2）在樣本期間內(nèi)，所有銀行因上市時間較晚、停牌等導(dǎo)致的數(shù)據(jù)空白，都全部進行保留。

四、商業(yè)銀行流動性風(fēng)險的線價值實證檢驗

實證檢驗

1.描述性統(tǒng)計與正態(tài)分布檢驗

首先分別對這16家上市商業(yè)銀行每日的中間價格采取對數(shù)差分處理，得到各自收益率記為r，即：。該式中， Pt為t日的中間價格，Pt-1為t-1日最終的中間價格，各家銀行股收益率的表現(xiàn)如表所示。下圖給出了16家上市商業(yè)銀行中民生銀行股票日收益率變動趨勢。

16家商業(yè)銀行中間價格日收益率rt基本統(tǒng)計量表

根據(jù)JB檢驗結(jié)果，拒絕原假設(shè)，即這16家上市商業(yè)銀行的中間價格日收益率序列不服從正態(tài)分布。很明顯可以看出該日收益率序列具有尖峰肥尾的特征。在這16家銀行中，有14家銀行具有左偏的形態(tài)，14家有右偏的形態(tài)。因此，應(yīng)該選擇T分布來建立GARCH模型。

2.平穩(wěn)性檢驗

緊接著，采用單位根檢驗（ADF）的方法檢驗收益率序列的平穩(wěn)性，結(jié)果表明，在1%、5%、10%顯著性水平下，ADF檢驗值分別為-3.457664132155201、-2.873558510596022、-2.5731749894132916。由此得出，這16家上市商業(yè)銀行收益率序列的ADF值都小于其對應(yīng)的臨界值，即拒絕原假設(shè)，也就是說這16組中間價格日收益率序列都為平穩(wěn)序列。

3.相關(guān)性檢驗

進行過上述處理之后，接著對16組收益率序列進行相關(guān)性檢驗，在這里采用LB檢驗。計算出16家商業(yè)銀行日中間價格收益率的Ljung-Box Q統(tǒng)計量，得到每個收益率序列的Q統(tǒng)計值和滯后期。結(jié)果表明，在1%的顯著性水平下，收益率拒絕了無自相關(guān)性的原假設(shè)，滯后期三階以后的結(jié)果顯著小于一階對應(yīng)的結(jié)果。

4.ARCH效應(yīng)檢驗

根據(jù)JB檢驗和Q檢驗的結(jié)果，首先對16家上市商業(yè)銀行中間價格收益率序列進行自回歸，方程為：

然后分別對16個收益率序列的殘差采取LM檢驗，由ARCH效應(yīng)檢驗得到的結(jié)果可以得出以下結(jié)論：在滯后期為7時，16家商業(yè)銀行的中間價格對數(shù)收益率序列全部具有高階ARCH效應(yīng)。其中，在5%顯著性水平下，只有1家銀行顯著。但是，其他15家商業(yè)銀行在1%的水平上顯著。

五、結(jié)論

1.GARCH-LaVaR模型為商業(yè)銀行流動性風(fēng)險監(jiān)管提供了技術(shù)支持

《巴塞爾協(xié)議III》提出了要求加強流動性風(fēng)險的監(jiān)管，將流動性風(fēng)險納入了全面風(fēng)險監(jiān)管體系。但是在具體的經(jīng)營管理中仍然缺乏靈活有效的模型指標(biāo)用于計量。而GARCH-LaVaR模型的運用初步解決了這一難題，配合蒙特卡洛模擬參數(shù)法，歷史模擬法等估值方法及情景分析和壓力測試來為商業(yè)銀行流動性風(fēng)險監(jiān)管提供了支持。

2.國有銀行更容易受到與資本市場流動性的沖擊

與股份制銀行相比，大型國有銀行在遭受“流動性枯竭”時將承受更大的風(fēng)險。因此，國有商業(yè)銀行應(yīng)該更加強調(diào)對流動性風(fēng)險的管理與控制。結(jié)合相關(guān)法律法規(guī)與《巴塞爾協(xié)議》的相關(guān)內(nèi)容，健全流動性風(fēng)險監(jiān)管體系，防止流動性危機的發(fā)生。

參考文獻：

[1]周愛民，陳遠(yuǎn).我國中小板市場在險價值量的實證研究——基于GARCH-VaR模型[J].南開大學(xué)學(xué)報（自然科學(xué)版），2013，46（03）：56-63.

[2]廖岷，楊元元.全球商業(yè)銀行流動性風(fēng)險管理與監(jiān)管的發(fā)展?fàn)顩r及其啟示[J].金融研究，2008（06）：69-79.

[3]季敩明.商業(yè)銀行流動性風(fēng)險衡量及相關(guān)問題研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2008.

[4]宋逢明，譚慧，2004.VaR模型中流動性風(fēng)險的度量[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，（6）：114-123.

[5]王書華，楊有振.流動性風(fēng)險調(diào)整的銀行在險價值計量研究[J].金融論壇，2013，18（10）：65-72.

[6]胡方琦，宋琴.中國上市商業(yè)銀行市場流動性風(fēng)險研究——基于流動性調(diào)整的在險價值模型[J].金融發(fā)展研究，2016（09）：17-22.

[7]李仁真.論巴塞爾銀行監(jiān)管體制的原則框架[J].國際金融研究，1998（12）.

作者簡介：朱洪穎（1999- ），女，漢族，山西省大同市人，哈爾濱工業(yè)大學(xué)（威海），本科在讀，國際經(jīng)濟與貿(mào)易專業(yè)