付紀(jì)萍,魏思然
(北京信息科技大學(xué),北京 100094)
隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展,依托于大數(shù)據(jù)等技術(shù)的互聯(lián)網(wǎng)金融也在飛速發(fā)展,迅速占領(lǐng)了我國的金融領(lǐng)域。但同時(shí)互聯(lián)網(wǎng)金融領(lǐng)域的風(fēng)險(xiǎn)頻發(fā),可以迅速通過金融系統(tǒng)關(guān)系網(wǎng)爆發(fā)式傳播,從而影響金融系統(tǒng)。而商業(yè)銀行作為中國金融體系的核心與互聯(lián)網(wǎng)金融有著不斷深化的競合關(guān)系,因此,研究互聯(lián)網(wǎng)金融的出現(xiàn)對于商業(yè)銀行帶來的風(fēng)險(xiǎn),對社會經(jīng)濟(jì)發(fā)展有著重要意義。
對于互聯(lián)網(wǎng)金融對商業(yè)銀行風(fēng)險(xiǎn)溢出的研究有:關(guān)于互聯(lián)網(wǎng)金融對商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)的文獻(xiàn),主要有蔣文(2021)從微觀和宏觀角度研究出無論是宏觀還是微觀,互聯(lián)網(wǎng)金融的風(fēng)險(xiǎn)值均大于商業(yè)銀行,而從商業(yè)銀行內(nèi)部進(jìn)行比較,發(fā)現(xiàn)國有銀行的風(fēng)險(xiǎn)值要明顯小于股份銀行和城市銀行。李治章、王帥(2018)在科學(xué)分析我國互聯(lián)網(wǎng)金融背景的前提下進(jìn)行了研究,發(fā)現(xiàn)不同種類的商業(yè)銀行風(fēng)險(xiǎn)值和風(fēng)險(xiǎn)溢出值往往均存在差異。翁志超、顏美玲(2019)選取了兩大主體的收盤價(jià)日數(shù)據(jù)進(jìn)行研究。結(jié)果表明,互聯(lián)網(wǎng)金融不僅對商業(yè)銀行有十分顯著的風(fēng)險(xiǎn)溢出,且溢出的方向?yàn)檎?,商業(yè)銀行的風(fēng)險(xiǎn)在互聯(lián)網(wǎng)金融處于極端風(fēng)險(xiǎn)時(shí)會增加。
基于以上現(xiàn)有研究,本文將國內(nèi)商業(yè)銀行進(jìn)行分類,分為國有商業(yè)銀行、股份制商業(yè)銀行和城市商業(yè)銀行,更為細(xì)化地研究與對比是互聯(lián)網(wǎng)金融平臺對不同種類商業(yè)銀行產(chǎn)生的風(fēng)險(xiǎn)溢出效應(yīng)。結(jié)合實(shí)際,互聯(lián)網(wǎng)金融平臺的迅速發(fā)展,給傳統(tǒng)商業(yè)銀行帶來了較大沖擊,而面對沖擊傳統(tǒng)商業(yè)銀行應(yīng)打開原有思維,積極吸收符合自身發(fā)展的互聯(lián)網(wǎng)金融思維,結(jié)合自身優(yōu)勢,對傳統(tǒng)業(yè)務(wù)進(jìn)行創(chuàng)新,為客戶提供更全面靈活的服務(wù)。同時(shí),與互聯(lián)網(wǎng)金融平臺進(jìn)行優(yōu)勢互補(bǔ),找準(zhǔn)自身定位和發(fā)展方向,在競爭和合作關(guān)系中互惠共贏。
在互聯(lián)網(wǎng)金融模式下,國有商業(yè)銀行受制于營利方法、存款貸款利差和信貸業(yè)務(wù),這使得信貸業(yè)務(wù)和利差業(yè)務(wù)的發(fā)展變得非常困難,很難完成轉(zhuǎn)型發(fā)展和改革發(fā)展。而互聯(lián)網(wǎng)金融模式則可以大大降低業(yè)務(wù)流程的風(fēng)險(xiǎn),并與其他網(wǎng)絡(luò)技術(shù)服務(wù)平臺合作以促進(jìn)中間客戶數(shù)量的不斷增長,如此一來,導(dǎo)致傳統(tǒng)國有商業(yè)銀行中間業(yè)務(wù)的發(fā)展受到?jīng)_擊。
互聯(lián)網(wǎng)金融憑借其省時(shí)省力成本低的優(yōu)點(diǎn)已經(jīng)形成了其自身獨(dú)有的競爭優(yōu)勢,對股份制商業(yè)銀行產(chǎn)生了“鯰魚效應(yīng)”,迫使股份制商業(yè)銀行從客戶群體、盈利模式、業(yè)務(wù)結(jié)構(gòu)等多個方面作出調(diào)整,加快轉(zhuǎn)型。盈利模式上,傳統(tǒng)股份商業(yè)銀行重點(diǎn)著眼于擴(kuò)大經(jīng)營模式、增加業(yè)務(wù)量,卻忽略了銀行不同業(yè)務(wù)之間的協(xié)調(diào)發(fā)展。而在互聯(lián)網(wǎng)金融模式下,商業(yè)銀行則需轉(zhuǎn)變?yōu)橐詫?shí)體網(wǎng)點(diǎn)為主的發(fā)展模式,積極推進(jìn)網(wǎng)點(diǎn)的轉(zhuǎn)型升級,逐步實(shí)現(xiàn)由交易途徑向客戶體驗(yàn)中心、營銷服務(wù)中心轉(zhuǎn)變。
互聯(lián)網(wǎng)金融模式下,使得市場逐漸向利率化方向發(fā)展,由于銀行對利率存在管制,其重要的利潤來源主要是源自存貸利率差。而在互聯(lián)網(wǎng)金融模式下,傳統(tǒng)城市商業(yè)銀行的利率控制受到?jīng)_擊,部分資金流失,銀行為避免這一現(xiàn)象,不得不提高存款利率,從而導(dǎo)致利率管制松懈。城市商業(yè)銀行一直主導(dǎo)資金融通,但在互聯(lián)網(wǎng)金融模式下,城市商業(yè)銀行呈現(xiàn)出非中介化。一方面,互聯(lián)網(wǎng)金融只需要借助大數(shù)據(jù),就可以獲得低成本的融資。而傳統(tǒng)城市商業(yè)銀行卻需要依賴于實(shí)體營業(yè)網(wǎng)點(diǎn),業(yè)務(wù)程序復(fù)雜、交易成本高;另一方面,借貸雙方利用網(wǎng)絡(luò)資源在同一個平臺上進(jìn)行信息交換,減少了中間環(huán)節(jié),避免了信息的不對稱性。由此可見,在互聯(lián)網(wǎng)金融模式下,傳統(tǒng)城市商業(yè)銀行呈現(xiàn)出非中介化態(tài)勢,加速了金融脫媒。
1.風(fēng)險(xiǎn)測度方法-VaR
從統(tǒng)計(jì)學(xué)角度看,VaR 指在一定概率水平或信度下,某一金融資產(chǎn)或證券組合價(jià)值在未來特定時(shí)期內(nèi)所面臨的最大可能損失,其表達(dá)式為:
其中,ΔP 表示一定持有期內(nèi)某一金融資產(chǎn)或資產(chǎn)組合的價(jià)值損失值數(shù)額;P 表示概率,a 表示顯著性水平。通常顯著性水平確定為5%,反映的是金融資產(chǎn)管理者的風(fēng)險(xiǎn)喜好或接受程度,不同的顯著性水平代表著不同的風(fēng)險(xiǎn)程度,一般而言,顯著性水平的確定是根據(jù)投資者對風(fēng)險(xiǎn)的喜好、接受和承受程度進(jìn)行確定的。
VaR 風(fēng)險(xiǎn)價(jià)值通過計(jì)算VaR 值,使對風(fēng)險(xiǎn)分析實(shí)現(xiàn)了從定性到定量的一個過渡,風(fēng)險(xiǎn)的程度可以通過風(fēng)險(xiǎn)值來呈現(xiàn),直接準(zhǔn)確地表示市場風(fēng)險(xiǎn)的大小。同時(shí),VaR 擺脫了以往風(fēng)險(xiǎn)管理模式中只能對風(fēng)險(xiǎn)進(jìn)行事后測度的局限性,實(shí)現(xiàn)了事前的風(fēng)險(xiǎn)計(jì)算,將未來預(yù)期的損失規(guī)模大小與發(fā)生概率相結(jié)合。
2.風(fēng)險(xiǎn)測度方法-CoVaR
VaR 實(shí)現(xiàn)了風(fēng)險(xiǎn)分析從定性到定量的轉(zhuǎn)變,但往往只能被用來測度單個金融機(jī)構(gòu)或市場面臨的最大風(fēng)險(xiǎn)損失。而在同一市場環(huán)境下,某一金融機(jī)構(gòu)發(fā)生風(fēng)險(xiǎn)時(shí),其他金融機(jī)構(gòu)也存在著受到風(fēng)險(xiǎn)溢出波及的可能,而VaR 卻不能計(jì)算出這種風(fēng)險(xiǎn)溢出的大小或?qū)σ绯龇较蜻M(jìn)行判斷,因此,選用CoVaR度量投資組合在危機(jī)或較高風(fēng)險(xiǎn)情況下可能將要面臨的經(jīng)濟(jì)損失。其表達(dá)式為:
其中,CoVaRamn是金融機(jī)構(gòu)m 關(guān)于金融機(jī)構(gòu)n的條件風(fēng)險(xiǎn)價(jià)值,用于度量金融機(jī)構(gòu)m 面臨風(fēng)險(xiǎn)時(shí)的總風(fēng)險(xiǎn)價(jià)值,它是市場處于正常波動水平下m 金融機(jī)構(gòu)的風(fēng)險(xiǎn)值VaRan和金融機(jī)構(gòu)口發(fā)生風(fēng)險(xiǎn)時(shí)對m 金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出值之和。
風(fēng)險(xiǎn)溢出值通常用ΔCoVaRamn表示,它是金融機(jī)構(gòu)m 的條件風(fēng)險(xiǎn)價(jià)值ΔCoVaRamn和風(fēng)險(xiǎn)價(jià)值VaRan之差,衡量了金融機(jī)構(gòu)n 對金融機(jī)構(gòu)m 所產(chǎn)生的風(fēng)險(xiǎn)溢出的大小,其表達(dá)式如下:
將風(fēng)險(xiǎn)溢出價(jià)值進(jìn)行去量綱化處理,得到金融機(jī)構(gòu)n 對金融機(jī)構(gòu)m 的風(fēng)險(xiǎn)濫出度%CoVaRamn,用于衡量某一金融機(jī)構(gòu)所受到的風(fēng)險(xiǎn)溢出占自身風(fēng)險(xiǎn)的比重,其具體的數(shù)學(xué)表達(dá)式為:
本文將結(jié)合CoVaRamn、ΔCoVaRamn和%CoVaRamn三個指標(biāo)研究互聯(lián)網(wǎng)金融對商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)。
3.基于ARMA-GARCH 類模型計(jì)算VaR 和CoVaR 值
本文利用ARMA-GARCH 類模型對互聯(lián)網(wǎng)金融和商業(yè)銀行的數(shù)據(jù)進(jìn)行擬合,選取出擬合優(yōu)度最好的模型得出回歸結(jié)果,從而計(jì)算出相應(yīng)VaR 和CoVaR 值。其中VaR 值計(jì)算公式如下:
金融機(jī)構(gòu)m 受金融機(jī)構(gòu)n 風(fēng)險(xiǎn)影響時(shí)的風(fēng)險(xiǎn)值CoVaRtmn計(jì)算公式如下:
1.樣本的選取
本文選取單個互聯(lián)網(wǎng)金融產(chǎn)品和部分商業(yè)銀行,計(jì)算其風(fēng)險(xiǎn)值,在此基礎(chǔ)上進(jìn)一步研究互聯(lián)網(wǎng)金融產(chǎn)品對商業(yè)銀行所產(chǎn)生的風(fēng)險(xiǎn)溢出。在互聯(lián)網(wǎng)金融產(chǎn)品方面,本文選取與支付寶掛鉤的貨幣基金天弘余額寶作為研究對象。商業(yè)銀行方面,本文將從三類商業(yè)銀行即股份制商業(yè)銀行、地方性商業(yè)銀行和國有商業(yè)銀行每一類選取兩家銀行,共6 家商業(yè)銀行,探討天弘余額寶對6 家銀行產(chǎn)生的風(fēng)險(xiǎn)溢出效應(yīng)。這6 家銀行分別是工商銀行、交通銀行、招商銀行、光大銀行、北京銀行和寧波銀行。我們將日期定為2016 年4 月1 日到2022 年6 月1 日,共六年的數(shù)據(jù),周末和節(jié)假日除外,共包含1673 個觀測對象。
2.數(shù)據(jù)的描述性統(tǒng)計(jì)
價(jià)格序列的平穩(wěn)性一般來說比較差。相比較而言,對數(shù)收益率序列具有便利性和平穩(wěn)性的優(yōu)點(diǎn)。基于此,本文均采用對數(shù)收益率序列,其計(jì)算公式為:
其中,表示t 時(shí)刻對數(shù)收益率,Pt表示t 時(shí)刻的價(jià)格水平,Pt-1表示前一期的價(jià)格水平。本文使用的對數(shù)收益率序列共7 組,分別為天弘余額寶基金、光大銀行、工商銀行、交通銀行、招商銀行、北京銀行和寧波銀行對數(shù)收益率序列(對數(shù)收益率序列的對應(yīng)變量符號和描述性統(tǒng)計(jì)如表1 所示)。
表1 對數(shù)收益率序列變量符號及收益率序列的描述性統(tǒng)計(jì)
從收益率均值來看,2016 年4 月至今,天弘余額寶收益率均值為-0.0001,商業(yè)銀行中寧波銀行的收益率均值最大為0.0003,其次是國有商業(yè)銀行的工商銀行和交通銀行。
從波動幅度來看,天弘余額寶的標(biāo)準(zhǔn)差在7 組數(shù)據(jù)中最高,為0.0205,且明顯高于商業(yè)銀行,說明其波動幅度最大,穩(wěn)定性最差。在三類商業(yè)銀行中,國有控股的商業(yè)銀行,即工商銀行和交通銀行,標(biāo)準(zhǔn)差是最小的兩個,分別為0.0130 和0.0155,明顯小于其他商業(yè)銀行,由此可見,國有商業(yè)銀行較之其他兩類銀行而言具有收益率高和波動幅度穩(wěn)定的特點(diǎn)。
3.數(shù)據(jù)的檢驗(yàn)
在建立模型之前,要對選取的收益率數(shù)據(jù)進(jìn)行檢驗(yàn),以識別數(shù)據(jù)的特征,從而檢驗(yàn)所選樣本是否適合構(gòu)建模型。本節(jié)針對數(shù)據(jù)的檢驗(yàn)包括正態(tài)性檢驗(yàn)、平穩(wěn)性檢驗(yàn)以及ARCH 效應(yīng)檢驗(yàn)。經(jīng)檢驗(yàn)所選取的商業(yè)銀行和天弘余額寶共7 組序列,均通過正態(tài)分布檢驗(yàn)、JB 檢驗(yàn)、ARCH 效應(yīng)檢驗(yàn),因此,可以構(gòu)建GARCH 類模型。
4.VaR 值的選擇、計(jì)算與分析
計(jì)算VaR 的前提是先建立模型對收益率數(shù)據(jù)進(jìn)行擬合,為了既考慮均值又考慮方差,本文選取了ARMA-GARCH 類模型。通過比較在t 分布和廣義誤差ged 分布下具有不同滯后階數(shù)的ARMA-GARCH類模型,即ARMA-EGARCH 和ARMA-TARCH 模型,最小AIC 和SC 原則為標(biāo)準(zhǔn),且滿足擬合后殘差與殘差平方的自相關(guān)性不存在,選擇最優(yōu)的模型,以此計(jì)算VaR 值。
模型建立后,向前一步預(yù)測,得出均值和方差的向前一步預(yù)測,即靜態(tài)預(yù)測,是滾動地進(jìn)行向前一步預(yù)測,每預(yù)測一次,用真實(shí)值代替預(yù)測值,加入到估計(jì)區(qū)間,再進(jìn)行向前一步預(yù)測。將均值和方差分別記為Xtm和δtm,再根據(jù)公式:
計(jì)算得出6 家商業(yè)銀行和天弘余額寶的風(fēng)險(xiǎn)值:
表2 VaR 計(jì)算結(jié)果
對比互聯(lián)網(wǎng)金融與商業(yè)銀行?;ヂ?lián)網(wǎng)金融產(chǎn)品、天弘余額寶的風(fēng)險(xiǎn)值均值為-0.2514,中位數(shù)為-0.1371,遠(yuǎn)大于所選的6 家商業(yè)銀行,其標(biāo)準(zhǔn)差為1.0141,更是遠(yuǎn)超商業(yè)銀行標(biāo)準(zhǔn)差。印證了互聯(lián)網(wǎng)金融高風(fēng)險(xiǎn)不穩(wěn)定的特點(diǎn)。
對比三類工商銀行。城市商業(yè)銀行:北京銀行和寧波銀行,風(fēng)險(xiǎn)值均值相較于其他兩類商業(yè)銀行較高,且標(biāo)準(zhǔn)差最大。而國有控股的商業(yè)銀行:工商銀行和交通銀行的風(fēng)險(xiǎn)值均值,其標(biāo)準(zhǔn)差是最小的。由此可知,城市商業(yè)銀行是三類商業(yè)銀行中風(fēng)險(xiǎn)最大且最不穩(wěn)定的,而國有商業(yè)銀行是波動幅度最小、風(fēng)險(xiǎn)值最小且最穩(wěn)定的。
通過對CoVaR 的計(jì)算與分析,整理出互聯(lián)網(wǎng)金融對商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)測度。確定模型后進(jìn)行預(yù)測,測得互聯(lián)網(wǎng)金融指數(shù)對6 家商業(yè)銀行的條件風(fēng)險(xiǎn)值CoVaR,以及風(fēng)險(xiǎn)溢出強(qiáng)度%CoVaR。最終結(jié)果如表3 所示。
表3 CoVaR 計(jì)算結(jié)果
通過對比風(fēng)險(xiǎn)溢出值%COVAR 發(fā)現(xiàn),互聯(lián)網(wǎng)金融對不同種類商業(yè)銀行的風(fēng)險(xiǎn)溢出差別較大,其中風(fēng)險(xiǎn)溢出最高的是國有商業(yè)銀行,最大的是工商銀行53.846%,其次是股份商業(yè)銀行,風(fēng)險(xiǎn)溢出最低的是城市商業(yè)銀行。
聯(lián)系VaR 值進(jìn)行分析,發(fā)現(xiàn)VaR 與風(fēng)險(xiǎn)溢出值%CoVaR 之間存在明顯的聯(lián)系?;ヂ?lián)網(wǎng)金融風(fēng)險(xiǎn)溢出值最高的工商銀行,其%CoVaR 值達(dá)到了53.85%,但其VaR 值僅為0.026。其中互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)溢出值處于較低水平的是寧波銀行,風(fēng)險(xiǎn)溢出值%CoVaR則為17.37%,但其VaR 值最高,值為0.0518。由此可見,自身風(fēng)險(xiǎn)較小的銀行反倒更容易受到互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)溢出影響,即互聯(lián)網(wǎng)金融造成的系統(tǒng)性風(fēng)險(xiǎn)對于自身風(fēng)險(xiǎn)越小的銀行溢出效應(yīng)越大。
股份制商業(yè)銀行在經(jīng)營的過程中會面對各種各樣的風(fēng)險(xiǎn),如信用風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)以及流動性風(fēng)險(xiǎn)等。相較于國有銀行而言,由于沒有國家信用背書,各種風(fēng)險(xiǎn)會更加直接地觸及到銀行本身。所以,股份制商業(yè)銀行經(jīng)營上會更謹(jǐn)慎。具體表現(xiàn)為:股份制銀行比國有商業(yè)銀行傾向于持有更多的超額準(zhǔn)備金,有更低的貸款資產(chǎn)比率和貸存比。由此可見,雖然股份制商業(yè)銀行自身的風(fēng)險(xiǎn)值大于國有商業(yè)銀行,但在面臨互聯(lián)網(wǎng)金融平臺的風(fēng)險(xiǎn)溢出效應(yīng)時(shí),國有商業(yè)銀行受影響最大。
當(dāng)前,城市商業(yè)銀行財(cái)務(wù)風(fēng)險(xiǎn)整體偏高,表現(xiàn)為抗市場風(fēng)險(xiǎn)能力弱、信用風(fēng)險(xiǎn)過于集中、操作風(fēng)險(xiǎn)控制不力。尤其是在2016 年國家多部委著力金融去杠桿、強(qiáng)化金融監(jiān)管的政策背景,以及中美貿(mào)易摩擦、全球重大公共衛(wèi)生事件對中小微企業(yè)經(jīng)營產(chǎn)生負(fù)向沖擊的現(xiàn)實(shí)境況下,城市商業(yè)銀行的金融風(fēng)險(xiǎn)持續(xù)存在,因此,城市商業(yè)銀行的自身風(fēng)險(xiǎn)值是三類商業(yè)銀行中最高的。實(shí)際上,銀行風(fēng)險(xiǎn)具有方向性和非對稱性,大型商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)高于小型商業(yè)銀行,在面臨互聯(lián)網(wǎng)金融平臺的風(fēng)險(xiǎn)溢出效應(yīng)時(shí),城市商業(yè)銀行是受影響最小的。與定量分析所得結(jié)論相同,即互聯(lián)網(wǎng)金融造成的系統(tǒng)性風(fēng)險(xiǎn)對于自身風(fēng)險(xiǎn)越小的銀行溢出效應(yīng)越大。
通過對互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)定性與定量的研究,可以得出互聯(lián)網(wǎng)金融產(chǎn)品對商業(yè)銀行產(chǎn)生風(fēng)險(xiǎn)溢出效應(yīng)。由定性分析可知,互聯(lián)網(wǎng)金融平臺對三類商業(yè)銀行分別產(chǎn)生了不同側(cè)重的沖擊。由定量分析可知,對比風(fēng)險(xiǎn)溢出值%CoVaR,互聯(lián)網(wǎng)金融平臺對不同種類商業(yè)銀行的溢出風(fēng)險(xiǎn)值不同,對國有商業(yè)銀行的影響值最大,其次是股份制商業(yè)銀行,對城市商業(yè)銀行的影響最小。結(jié)合風(fēng)險(xiǎn)值VaR,可以得出互聯(lián)網(wǎng)金融平臺對于自身風(fēng)險(xiǎn)越小的銀行溢出效應(yīng)越大的結(jié)論。
根據(jù)以上的結(jié)論,提出加強(qiáng)對互聯(lián)網(wǎng)金融平臺風(fēng)險(xiǎn)系統(tǒng)的控制,同時(shí)加強(qiáng)互聯(lián)網(wǎng)金融平臺與商業(yè)銀行的深化合作的建議。商業(yè)銀行憑借信用、資本、風(fēng)險(xiǎn)管控、線下客戶等方面的優(yōu)勢,與互聯(lián)網(wǎng)金融平臺進(jìn)行合作,而互聯(lián)網(wǎng)金融平臺憑借著金融科技場景,需要流量入口的金融結(jié)合大數(shù)據(jù)等方面的優(yōu)勢與商業(yè)銀行進(jìn)行合作。雙方能夠展開合作的根本原因則在于二者優(yōu)勢互補(bǔ)。互聯(lián)網(wǎng)金融與商業(yè)銀行分別找準(zhǔn)自身定位和發(fā)展方向,競合發(fā)展,才能在金融生態(tài)鏈條中占據(jù)重要的位置,形成商業(yè)銀行與互聯(lián)網(wǎng)金融互惠共贏的發(fā)展局面。