基于DCC-GARCH模型的國(guó)有銀行系統(tǒng)性風(fēng)險(xiǎn)研究

陳靖 劉一心,2

(1.澳門城市大學(xué) 中國(guó)澳門 999078；2.珠海科技學(xué)院 廣東珠海 519041)

2007年金融危機(jī)爆發(fā)以來，學(xué)術(shù)研究人員紛紛開始研究金融危機(jī)的起因，結(jié)果表明爆發(fā)全球金融危機(jī)的原因是缺乏風(fēng)險(xiǎn)管理(Goodhart，2008; Blundell-Wignall，2008)。金融危機(jī)的爆發(fā)和對(duì)全世界金融市場(chǎng)的影響表明了金融世界之間的相互聯(lián)系。一個(gè)地點(diǎn)或資產(chǎn)類別的沖擊可能會(huì)對(duì)機(jī)構(gòu)的穩(wěn)定性和世界各地的市場(chǎng)產(chǎn)生重大影響。由于金融網(wǎng)絡(luò)之間的快速傳播，倘若某個(gè)銀行暴露出風(fēng)險(xiǎn)敞口，其他銀行等相關(guān)金融機(jī)構(gòu)乃至整個(gè)社會(huì)的經(jīng)濟(jì)都會(huì)受到一定影響。因此，銀行如何控制自身的潛在風(fēng)險(xiǎn)，不僅與銀行的可持續(xù)發(fā)展直接相關(guān)，還與國(guó)家的金融、經(jīng)濟(jì)和社會(huì)方面息息相關(guān)。

1 銀行系統(tǒng)性風(fēng)險(xiǎn)的文獻(xiàn)綜述

Financial Stability Board對(duì)系統(tǒng)性風(fēng)險(xiǎn)的定義是經(jīng)歷強(qiáng)烈的系統(tǒng)事件的風(fēng)險(xiǎn)，系統(tǒng)性風(fēng)險(xiǎn)的發(fā)生離不開“系統(tǒng)性事件”。事件的觸發(fā)可能是外來沖擊，也可能從金融系統(tǒng)內(nèi)部或整個(gè)經(jīng)濟(jì)內(nèi)部產(chǎn)生，這種事件影響了許多具有系統(tǒng)重要性的中介機(jī)構(gòu)或市場(chǎng)，認(rèn)為這是由于金融機(jī)構(gòu)損失引起的，同時(shí)有“系統(tǒng)性重要性”特征的機(jī)構(gòu)暴露出的風(fēng)險(xiǎn)，其對(duì)其他機(jī)構(gòu)的沖擊力不容小覷。Kaufman和Scott(2003)認(rèn)為，系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生是因?yàn)殂y行之間的經(jīng)營(yíng)活動(dòng)，當(dāng)銀行間的經(jīng)營(yíng)關(guān)系逐漸形成網(wǎng)絡(luò)，一個(gè)銀行受到影響時(shí)將牽一發(fā)而動(dòng)全身，使整個(gè)銀行系統(tǒng)都受到廣泛影響。

學(xué)術(shù)界關(guān)于衡量系統(tǒng)性風(fēng)險(xiǎn)的方法很多，包括結(jié)構(gòu)化方法和模型法。結(jié)構(gòu)化方法又可以細(xì)分為網(wǎng)絡(luò)分析法、風(fēng)險(xiǎn)管理法和矩陣法。網(wǎng)絡(luò)分析法是基于金融機(jī)構(gòu)具有差異的交易數(shù)據(jù)劃分為不同網(wǎng)絡(luò)結(jié)構(gòu)，從而對(duì)有可能存在的風(fēng)險(xiǎn)進(jìn)行測(cè)度(廖為鼎和陳一非，2014)；風(fēng)險(xiǎn)管理法是在相同資產(chǎn)規(guī)模下，通過銀行資產(chǎn)之間的關(guān)聯(lián)程度對(duì)系統(tǒng)性風(fēng)險(xiǎn)的大小進(jìn)行測(cè)算；矩陣法是通過計(jì)算銀行破產(chǎn)清算導(dǎo)致其他銀行破產(chǎn)的數(shù)量估計(jì)系統(tǒng)性風(fēng)險(xiǎn)的傳播程度(Lehar，2005)。第二種方法是用CoVar模型和GARCH模型等。傳統(tǒng)的VaR模型雖然也可以測(cè)度風(fēng)險(xiǎn)，但存在很多不足。Girardi和Ergun(2013)考慮了尾部風(fēng)險(xiǎn)，通過提出條件在險(xiǎn)價(jià)值CoVaR衡量當(dāng)金融機(jī)構(gòu)面臨風(fēng)險(xiǎn)時(shí)，整個(gè)金融市場(chǎng)及市場(chǎng)參與者遭受損失的風(fēng)險(xiǎn)。至此之后很多學(xué)者在研究金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳播效應(yīng)時(shí)開始使用條件在險(xiǎn)價(jià)值CoVaR。范小云等(2011)將邊際期望損失概念融入CoVaR模型。但Lee和Ryu(2013)認(rèn)為CoVaR仍然存在缺陷。GARCH模型最早由Engle(1982)提出，能夠比較準(zhǔn)確地描繪金融市場(chǎng)中波動(dòng)的時(shí)變特點(diǎn)。Lee等(2006)運(yùn)用了DCC-GARCH模型，更加準(zhǔn)確地測(cè)度了股票組合的風(fēng)險(xiǎn)價(jià)值。國(guó)內(nèi)學(xué)者通過多元GARCH模型的研究?jī)?nèi)容也很廣泛，有關(guān)于我國(guó)股票市場(chǎng)和外匯市場(chǎng)的價(jià)格波動(dòng)關(guān)聯(lián)程度的(呂雪蓉，2011)，也有關(guān)于我國(guó)金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)研究的(方意等，2012)。

與國(guó)內(nèi)研究成果相比，國(guó)外學(xué)者關(guān)于銀行風(fēng)險(xiǎn)的測(cè)度和風(fēng)險(xiǎn)的傳播性進(jìn)行了更深入的研究。綜合上述文獻(xiàn)分析，VaR模型和CoVaR模型在進(jìn)行時(shí)間序列數(shù)據(jù)分析風(fēng)險(xiǎn)時(shí)都存在一定的不足之處。而DCC-GARCH模型不但能測(cè)算出銀行自身面臨的風(fēng)險(xiǎn)程度，而且還能衡量描述不同銀行之間風(fēng)險(xiǎn)的動(dòng)態(tài)相關(guān)系數(shù)，即風(fēng)險(xiǎn)之間的傳染性與相關(guān)性。因此，本文選用DCC-GARCH模型對(duì)四大國(guó)有銀行的股票收益率時(shí)間序列進(jìn)行進(jìn)一步分析。

2 樣本選取與模型構(gòu)建

本文的研究對(duì)象為四大國(guó)有銀行，即：中國(guó)銀行、中國(guó)工商銀行、中國(guó)建設(shè)銀行及中國(guó)農(nóng)業(yè)銀行，分別標(biāo)記為BOC、ICBC、CCB、ABC。選取對(duì)象為2010年7月15日—2020年12月18日四大國(guó)有銀行的股票日收盤價(jià)，剔除缺失數(shù)據(jù)，共獲得2489個(gè)數(shù)據(jù)，數(shù)據(jù)來源于網(wǎng)易財(cái)經(jīng)，同時(shí)通過收益率衡量四大國(guó)有銀行系統(tǒng)性風(fēng)險(xiǎn)的波動(dòng)。收益率計(jì)算方法為：

式(1)中：Pt表示t時(shí)期的股票日收盤價(jià)，rt表示t時(shí)期對(duì)數(shù)收益率。

通過對(duì)以往文獻(xiàn)的總結(jié)，可得收益率指標(biāo)的分布特征有兩個(gè)：尖峰肥尾和波動(dòng)聚集性。因此，本文決定采用基于GARCH模型估計(jì)而得的條件異方差序列。本章將基于Eviews10先檢驗(yàn)收益率序列是否存在ARCH效應(yīng)，再對(duì)存在ARCH效應(yīng)的變量序列進(jìn)行GARCH模型估計(jì)，最后用DCC-GARCH模型估計(jì)四大國(guó)有銀行的股票收益率時(shí)間序列之間的風(fēng)險(xiǎn)動(dòng)態(tài)相關(guān)系數(shù)。

2.1 數(shù)據(jù)描述性統(tǒng)計(jì)分析

分析四大國(guó)有銀行對(duì)數(shù)收益率的時(shí)序可以發(fā)現(xiàn)，收益率變動(dòng)具有明顯的波動(dòng)聚集特征，正收益率通常會(huì)在一段時(shí)間后變?yōu)樨?fù)收益率，所以通過構(gòu)建GARCH模型對(duì)收益率時(shí)間序列做進(jìn)一步分析。

四大國(guó)有銀行對(duì)數(shù)收益率的描述性統(tǒng)計(jì)量結(jié)果表明，中國(guó)工商銀行收益率指標(biāo)的均值和中位數(shù)均為0.000，最大值和最小值分別為0.0953和-0.1043，標(biāo)準(zhǔn)差為0.0137，偏度為-0.0898為左偏，峰度為12.9120，大于標(biāo)準(zhǔn)正態(tài)分布為高峰，P值的結(jié)果為0.000也代表在5%的顯著性水平上拒絕收益率服從正態(tài)分布的原假設(shè)。對(duì)于其他三個(gè)國(guó)有銀行的指標(biāo)也有相似計(jì)量結(jié)果(見表1)。

表1 四大國(guó)有銀行收益率時(shí)間序列的描述性分析結(jié)果

通過圖1列示的四大國(guó)有銀行收益率的QQ圖可以看出，四大國(guó)有銀行的收益率均與圖中的直線偏離較遠(yuǎn)，并呈現(xiàn)出“S”的形狀，通過圖1能夠更明顯地看出，四大國(guó)有銀行對(duì)數(shù)收益率的樣本數(shù)據(jù)都不符合正態(tài)分布，四大國(guó)有銀行收益率序列的共有特征為：尖峰肥尾及非對(duì)稱分布。

圖1 收益率的QQ圖

2.2 收益率序列單位根檢驗(yàn)與自相關(guān)檢驗(yàn)

構(gòu)建GARCH模型的第一步是檢驗(yàn)收益率序列是否平穩(wěn)。常見的檢驗(yàn)平穩(wěn)性的方法有ADF單位根檢驗(yàn)和PP單位根檢驗(yàn)等。本文用ADF單位根檢驗(yàn)結(jié)果表明，四大國(guó)有銀行收益率時(shí)間序列的ADF值均小于不同顯著性水平下的臨界值，P值全部為0，該序列不存在單位根，收益率序列平穩(wěn)滿足GARCH建模的基本條件。

構(gòu)建GARCH模型的第二步是構(gòu)建均值回歸模型，并通過Q檢驗(yàn)量識(shí)別收益率序列的自相關(guān)情況。從四大國(guó)有銀行收益率序列自相關(guān)檢驗(yàn)滯后1期到6期的結(jié)果發(fā)現(xiàn)，四大國(guó)有銀行的Q統(tǒng)計(jì)量在5%的置信水平上滯后2到6階時(shí)取值的概率均小于0.05，意味著四大國(guó)有銀行的收益率序列存在自相關(guān)性，可以進(jìn)一步檢驗(yàn)ARCH效應(yīng)。

2.3 ARCH效應(yīng)檢驗(yàn)

構(gòu)建GARCH模型的第三步是用拉格朗日乘數(shù)法確定OLS殘差序列ARCH效應(yīng)是否存在，檢驗(yàn)結(jié)果如表2所示，滯后1階到5階的收益率樣本殘差序列在5%的顯著性水平上的P值均為0，說明收益率殘差序列存在顯著的ARCH效應(yīng)。

表2 收益率殘差序列LM檢驗(yàn)結(jié)果

3 四大國(guó)有銀行間風(fēng)險(xiǎn)動(dòng)態(tài)相關(guān)性的實(shí)證研究

3.1 模型構(gòu)建

通過前面分析四大國(guó)有銀行的股票收益率樣本序列具有平穩(wěn)、顯著的自相關(guān)性及ARCH效應(yīng)，滿足DCCGARCH模型的建模要求。因此，本節(jié)通過四大國(guó)有銀行間風(fēng)險(xiǎn)動(dòng)態(tài)相關(guān)性檢驗(yàn)的模型進(jìn)行參數(shù)估計(jì)和討論，具體模型如下：

式（2）中：Ai為當(dāng)期半向量化處理后的擾動(dòng)項(xiàng)；Ai-j為滯后期半向量化處理后的擾動(dòng)項(xiàng)；C為常數(shù)；γi和βj分別表示待估系數(shù)矩陣；代表隨機(jī)干擾項(xiàng)εt的滯后平方項(xiàng)矩陣；p、q分別為GARCH和ARCH項(xiàng)中的滯后階數(shù)。

3.2 實(shí)證檢驗(yàn)及結(jié)果分析

經(jīng)反復(fù)檢驗(yàn)后，選取GARCH項(xiàng)和ARCH項(xiàng)的滯后階數(shù)p、q均為1構(gòu)建DCC-GARCH模型，模型估計(jì)的參數(shù)如表3所示。

由表3可以看出，我國(guó)四大國(guó)有銀行的γ值和β值均存在差別。參數(shù)γ的大小代表股票收益率對(duì)市場(chǎng)信息反應(yīng)速度的快慢，中國(guó)建設(shè)銀行參數(shù)γ的估計(jì)值最大，中國(guó)工商銀行排第二，最后是中國(guó)銀行和中國(guó)農(nóng)業(yè)銀行。因此，反應(yīng)速度最快的是中國(guó)建設(shè)銀行，反應(yīng)速度最慢的是中國(guó)農(nóng)業(yè)銀行。就β參數(shù)的估計(jì)值而言，β的大小表示受過去信息影響的大小及收益率波動(dòng)的衰減速度。由分析結(jié)果可以得到受過去信息影響較大的是中國(guó)農(nóng)業(yè)銀行，但對(duì)比剩下的三大國(guó)有銀行，其衰減速度最慢，股票收益率波動(dòng)衰減速度最快的是中國(guó)建設(shè)銀行。結(jié)合γ+β兩個(gè)參數(shù)的估計(jì)結(jié)果可以表示股市收益率波動(dòng)的持久性，越接近于1代表持久性越強(qiáng)。γ+β值最大的中國(guó)工商銀行為 0.9724，其次是中國(guó)農(nóng)業(yè)銀行為0.9685，中國(guó)銀行的取值為0.961，最小的是中國(guó)建設(shè)銀行為0.9335。四大國(guó)有銀行的γ+β值相差微小并且取值均接近1，意味著收益率波動(dòng)的持久性是四大國(guó)有銀行共有的特征?？梢岳^續(xù)通過對(duì)四大國(guó)有銀行進(jìn)行動(dòng)態(tài)相關(guān)系數(shù)做進(jìn)一步分析，估計(jì)結(jié)果如表4所示。

表3 DCC-GARCH模型參數(shù)估計(jì)表

第一，四大國(guó)有銀行的股票收益率之間存在正向關(guān)系，因?yàn)樗袇?shù)的估計(jì)系數(shù)都大于0，表示如果四大國(guó)有銀行中有一家銀行收益率上漲，那么剩余的三大國(guó)有銀行的收益率也會(huì)隨之上漲，發(fā)生相同方向的變動(dòng)。從估計(jì)數(shù)值來看，在進(jìn)行模型參數(shù)估計(jì)時(shí)，輸入的銀行次序分別為ABC、BOC、CCB、ICBC。ρ12代表第一個(gè)銀行和第二個(gè)銀行動(dòng)態(tài)相關(guān)系數(shù)的平均值，即ABC與BOC之間的動(dòng)態(tài)相關(guān)系數(shù)，ρ13是ABC與CCB的動(dòng)態(tài)相關(guān)系數(shù)并以此類推。由表4可以看出，估計(jì)數(shù)值最大為0.7484即ρ34，最小為0.7290即ρ13，表示風(fēng)險(xiǎn)相關(guān)性最強(qiáng)的是CCB與ICBC，風(fēng)險(xiǎn)相關(guān)性最弱的是ABC與CCB，與數(shù)值0.7290較為接近的還有0.7296，即BOC與CCB的風(fēng)險(xiǎn)相關(guān)性。

表4 收益率序列動(dòng)態(tài)相關(guān)系數(shù)統(tǒng)計(jì)表

第二，以DCC-GARCH模型的系數(shù)θ1和θ2來看，其估計(jì)值都大于0且P值為0，兩者之和近似等于1，意味著四大國(guó)有銀行的股票收益率序列具有很強(qiáng)的動(dòng)態(tài)相關(guān)性，并且受過去信息的影響程度較高。通過分析四大國(guó)有銀行兩兩之間股票收益率的動(dòng)態(tài)相關(guān)性發(fā)現(xiàn)，時(shí)變性是四大國(guó)有銀行兩兩之間動(dòng)態(tài)相關(guān)系數(shù)的共同特征，與金融數(shù)據(jù)具有明顯的時(shí)變性保持一致。

4 政策建議

4.1 建立識(shí)別風(fēng)險(xiǎn)預(yù)警機(jī)制

對(duì)銀行本身來說，系統(tǒng)性風(fēng)險(xiǎn)一般難以分散，因此可選擇在風(fēng)險(xiǎn)發(fā)生前建立識(shí)別風(fēng)險(xiǎn)預(yù)警機(jī)制，將銀行可能遭受的損失降到最低。銀行應(yīng)結(jié)合自身實(shí)際經(jīng)營(yíng)狀況，對(duì)風(fēng)險(xiǎn)進(jìn)行識(shí)別，對(duì)風(fēng)險(xiǎn)進(jìn)行指標(biāo)量化，盡可能地識(shí)別風(fēng)險(xiǎn)，從而減少風(fēng)險(xiǎn)帶來的損失。除此之外，銀行還要培養(yǎng)高層次風(fēng)險(xiǎn)管理人員，運(yùn)用大數(shù)據(jù)、云計(jì)算等方法為風(fēng)險(xiǎn)識(shí)別提供定量分析，從而提高風(fēng)險(xiǎn)監(jiān)管的效果。

4.2 提高銀行自身風(fēng)險(xiǎn)抵御能力

除了提前識(shí)別風(fēng)險(xiǎn)外，銀行還需要提高自身的風(fēng)險(xiǎn)抵御能力。評(píng)級(jí)體系不是一成不變的，在銀行長(zhǎng)期發(fā)展過程中，評(píng)級(jí)系統(tǒng)需要與時(shí)俱進(jìn)。每個(gè)銀行都應(yīng)承擔(dān)風(fēng)險(xiǎn)監(jiān)管的職責(zé)，提高自身的應(yīng)對(duì)能力，不斷完善體制，提高資本充足率，優(yōu)化自身資本結(jié)構(gòu)，從而降低自身風(fēng)險(xiǎn)對(duì)外界的溢出程度。當(dāng)風(fēng)險(xiǎn)發(fā)生時(shí)，銀行需要制定風(fēng)險(xiǎn)應(yīng)急應(yīng)對(duì)的方法和機(jī)制，萬一發(fā)生緊急情況，可通過風(fēng)險(xiǎn)應(yīng)對(duì)機(jī)制將風(fēng)險(xiǎn)造成的損失降到最低，從而維護(hù)整個(gè)金融市場(chǎng)的平穩(wěn)運(yùn)行。

4.3 建立完善的銀行風(fēng)險(xiǎn)管理體系

金融監(jiān)管局可以根據(jù)不同類型的銀行建立不同的標(biāo)準(zhǔn)，建立動(dòng)態(tài)調(diào)整機(jī)制。一方面，金融監(jiān)管機(jī)構(gòu)應(yīng)制定銀行信息披露制度，并要求銀行定期進(jìn)行匯報(bào)；另一方面，金融監(jiān)管機(jī)構(gòu)應(yīng)時(shí)刻關(guān)注銀行的發(fā)展動(dòng)態(tài)并限制銀行惡性競(jìng)爭(zhēng)，營(yíng)造銀行業(yè)公平競(jìng)爭(zhēng)環(huán)境，最終促進(jìn)整個(gè)金融市場(chǎng)的發(fā)展。