摘 要：逆周期超額資本釋放機(jī)制的良好與否與這一宏觀審慎工具的作用效果息息相關(guān)，因此建立良好的逆周期超額資本釋放機(jī)制具有非常重要的意義。文章提出一種基于KLR危機(jī)預(yù)警模型篩選理想預(yù)警指標(biāo)并評(píng)估危機(jī)發(fā)生概率的方法，進(jìn)而以理想預(yù)警指標(biāo)為核心建立逆周期資本釋放機(jī)制。同時(shí)，運(yùn)用我國1980～2013年的數(shù)據(jù)進(jìn)行實(shí)證分析后得出我國2～5年后發(fā)生銀行危機(jī)的概率約為46.97%，沒有必要進(jìn)行逆周期超額資本的釋放。

關(guān)鍵詞：逆周期超額資本釋放機(jī)制 KLR模型 實(shí)證分析

中圖分類號(hào)：F830

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-4914（2015）12-015-02

逆周期超額資本是監(jiān)管當(dāng)局可以運(yùn)用的一系列宏觀審慎工具之一，在金融繁榮期的計(jì)提能夠降低銀行因信貸過度投放而積累的系統(tǒng)性風(fēng)險(xiǎn)，并在金融衰退期通過釋放在保證銀行清償能力的前提下防止銀行信貸過度緊縮。逆周期超額資本的釋放作用機(jī)制為：在金融衰退期監(jiān)管當(dāng)局通過釋放逆周期超額資本以彌補(bǔ)貸款損失和降低信貸投放成本，從而降低銀行信貸緊縮造成實(shí)體經(jīng)濟(jì)狀況惡化給銀行帶來的風(fēng)險(xiǎn)。然而，我國《商業(yè)銀行資本管理辦法（試行）》中并未明確說明逆周期超額資本的釋放機(jī)制，因此有必要對(duì)這一問題進(jìn)行研究。

一、文獻(xiàn)綜述

《巴塞爾協(xié)議Ⅲ》提出逆周期超額資本的計(jì)提要求后，國內(nèi)外相關(guān)學(xué)者進(jìn)行了大量研究，然而對(duì)逆周期超額資本釋放的研究并不多見，多數(shù)學(xué)者進(jìn)行了預(yù)警指標(biāo)法的研究。預(yù)警指標(biāo)法指通過選擇對(duì)衰退期或銀行危機(jī)有較好預(yù)警效果的指標(biāo)作為預(yù)警指標(biāo)或掛鉤變量來為逆周期超額資本的釋放提供指示的方法。Drehmann等（2011）提出，逆周期超額資本釋放的指示變量應(yīng)當(dāng)能夠準(zhǔn)確識(shí)別金融衰退期，并對(duì)宏觀經(jīng)濟(jì)、銀行部門行為、融資成本三方面的指標(biāo)進(jìn)行實(shí)證分析后發(fā)現(xiàn)識(shí)別效果均不理想。Drehmann和Juselius（2012）首次引入負(fù)債比率這一指標(biāo)，研究發(fā)現(xiàn)負(fù)債比率在系統(tǒng)性銀行危機(jī)前提供了可靠的預(yù)警信號(hào)。這為本文采用負(fù)債比率作為逆周期超額資本釋放的備擇預(yù)警指標(biāo)之一提供了支持。Drehmann和Juselius（2013）采用受試者工作特征曲線的檢驗(yàn)法對(duì)一系列預(yù)警指標(biāo)用26個(gè)國家自1980年至2012年的數(shù)據(jù)進(jìn)行了評(píng)估，發(fā)現(xiàn)信貸/GDP和負(fù)債比率這兩個(gè)指標(biāo)滿足作為系統(tǒng)性銀行危機(jī)預(yù)警指標(biāo)的要求。Drehmann和Tsatsaronis（2014）指出，逆周期超額資本是應(yīng)對(duì)金融周期的工具，其作用是減少銀行所受銀行危機(jī)而非經(jīng)濟(jì)衰退的影響。因此，逆周期超額資本的計(jì)提與釋放不必考慮所處的經(jīng)濟(jì)周期，而預(yù)警指標(biāo)的選擇也應(yīng)當(dāng)以能夠準(zhǔn)確預(yù)測銀行危機(jī)為準(zhǔn)。

綜上所述，研究逆周期超額資本釋放機(jī)制的文獻(xiàn)并不多見。本文將提出一種基于KLR危機(jī)預(yù)警模型篩選理想預(yù)警指標(biāo)并評(píng)估危機(jī)發(fā)生概率的方法，進(jìn)而以理想預(yù)警指標(biāo)為核心建立逆周期資本釋放機(jī)制。

二、逆周期超額資本釋放時(shí)機(jī)的確定與KLR模型

正確把握釋放逆周期超額資本的時(shí)機(jī)的關(guān)鍵在于能夠正確預(yù)測銀行危機(jī)，Kaminsky等建立的金融危機(jī)預(yù)警的信號(hào)分析模型（KLR模型）提供了一種很好的方法。KLR模型的原理是選擇一系列指標(biāo)并根據(jù)其歷史數(shù)據(jù)確定臨界值，當(dāng)預(yù)警指標(biāo)突破臨界值時(shí)就發(fā)出未來一段時(shí)間內(nèi)將要發(fā)生危機(jī)的信號(hào)，這段未來的時(shí)間區(qū)間稱為信號(hào)區(qū)間。由于預(yù)警信號(hào)發(fā)出的太早會(huì)使應(yīng)對(duì)措施變得高費(fèi)且低效，發(fā)出的太晚則會(huì)使效果嚴(yán)重受制于生效時(shí)滯，因此筆者采用Drehmann（2013）的標(biāo)準(zhǔn)，選擇信號(hào)區(qū)間為預(yù)警信號(hào)發(fā)出后2～5年。

KLR模型的關(guān)鍵在于預(yù)警信號(hào)的識(shí)別， 而預(yù)警信號(hào)識(shí)別的關(guān)鍵在于臨界值的設(shè)定。可以根據(jù)噪聲-信號(hào)比最小化原則來確定臨界值。如果發(fā)出預(yù)警信號(hào)后2～5年內(nèi)發(fā)生了銀行危機(jī)就認(rèn)為預(yù)警指標(biāo)發(fā)出了正確信號(hào)，否則認(rèn)為發(fā)出了錯(cuò)誤的信號(hào)。在某個(gè)觀察期內(nèi)，設(shè)A為預(yù)警指標(biāo)發(fā)出正確信號(hào)的次數(shù)，B為發(fā)出錯(cuò)誤信號(hào)的次數(shù)，C為應(yīng)發(fā)出而未發(fā)出信號(hào)的次數(shù)，D為不應(yīng)發(fā)出也未發(fā)出信號(hào)的次數(shù)。A/（A+C）表示預(yù)警指標(biāo)發(fā)出正確信號(hào)的概率，B/（B+D）表示預(yù)警指標(biāo)發(fā)出錯(cuò)誤信號(hào)的概率。定義噪聲-信號(hào)比為[B/B+D]/[A/（A+C）]，找到使這一比率達(dá)到最小的臨界值就是預(yù)警指標(biāo)的最佳臨界值。

預(yù)警指標(biāo)的取值與危機(jī)的發(fā)生之間一般存在正相關(guān)、負(fù)相關(guān)和不相關(guān)三種關(guān)系。正相關(guān)關(guān)系表示預(yù)警指標(biāo)取值越大則未來發(fā)生危機(jī)的可能性越大，負(fù)相關(guān)關(guān)系則相反，不相關(guān)或相關(guān)性較小的指標(biāo)不宜作為預(yù)警指標(biāo)。

由于各個(gè)國家金融結(jié)構(gòu)的差異，相同的預(yù)警指標(biāo)在不同國家的表現(xiàn)可能相差甚遠(yuǎn)，因此正確選擇和使用適合本國實(shí)際情況的預(yù)警指標(biāo)非常重要。筆者選擇GDP增長率、廣義信貸增長率、信貸/GDP、負(fù)債比率、房地產(chǎn)價(jià)格指數(shù)和股票價(jià)格指數(shù)這六個(gè)最能反映我國經(jīng)濟(jì)金融狀況的指標(biāo)作為備擇預(yù)警指標(biāo)，下面將分別予以介紹：GDP增長率即國內(nèi)生產(chǎn)總值增長率，異常的高于長期趨勢的GDP增長率背后很可能是激增的信貸，這表明銀行業(yè)已經(jīng)積聚了很高的系統(tǒng)性風(fēng)險(xiǎn)。廣義信貸即包括私人部門的所有債務(wù)資金來源，由于銀行危機(jī)爆發(fā)前往往經(jīng)歷著信貸持續(xù)高增長，因此信貸增長率可能會(huì)成為針對(duì)銀行業(yè)危機(jī)的十分有效的預(yù)警變量。信貸/GDP是用于計(jì)提逆周期超額資本的參考指標(biāo)，它對(duì)于金融繁榮期的識(shí)別效果較好，但對(duì)于金融危機(jī)衰退期，尤其是銀行危機(jī)的預(yù)警效果有待檢驗(yàn)。負(fù)債比率這一指標(biāo)最早用于銀行危機(jī)預(yù)警指標(biāo)的檢驗(yàn)。負(fù)債比率表達(dá)式為DSR=i*D/Y。i表示平均貸款利率，D表示總貸款存量，Y表示總收入。這一復(fù)合指標(biāo)可以反映融資成本，從而體現(xiàn)銀行所面臨的壓力狀況，高于長期趨勢的負(fù)債比率可能意味著銀行存在較高的系統(tǒng)性風(fēng)險(xiǎn)。房地產(chǎn)價(jià)格指數(shù)反映房地產(chǎn)價(jià)格在不同時(shí)期的漲跌幅，股票價(jià)格指數(shù)用于描述股票市場總的價(jià)格水平變化，它們都可以反映金融的繁榮或衰退。以上6個(gè)指標(biāo)相對(duì)長期趨勢的偏離度與危機(jī)的發(fā)生之間都存在正相關(guān)關(guān)系。

根據(jù)噪聲—信號(hào)比最小化原則確定臨界值之后，將預(yù)測正確率表示為R=A/（A+B）。預(yù)警指標(biāo)應(yīng)當(dāng)達(dá)到2/3以上的預(yù)測正確率，這是為了保證銀行危機(jī)預(yù)測的準(zhǔn)確性和穩(wěn)定性。選擇滿足這個(gè)要求的備擇預(yù)警指標(biāo)作為逆周期超額資本釋放機(jī)制的預(yù)警指標(biāo)之一。因?yàn)轭A(yù)測正確率反映的是某指標(biāo)突破臨界值后未來銀行危機(jī)發(fā)生的頻率，所以當(dāng)樣本較多時(shí)可以將其看作是對(duì)未來銀行危機(jī)發(fā)生的概率P的近似，即P=A/（A+B）。

筆者建立逆周期超額資本釋放機(jī)制如下：當(dāng)滿足條件的預(yù)警指標(biāo)有k個(gè)時(shí)，設(shè)它們反映未來發(fā)生銀行危機(jī)的概率分別為P1、P2，…，Pk。則將各預(yù)警指標(biāo)結(jié)合預(yù)測未來銀行危機(jī)的發(fā)生概率為P*=1-（1-P1）（1-P2）…（1-Pk）。

三、實(shí)證分析

因數(shù)據(jù)的可得性，筆者采用年度數(shù)據(jù)進(jìn)行實(shí)證分析。在本文中認(rèn)為我國發(fā)生銀行危機(jī)的日期為1998年。筆者選取中國1980-2013年的GDP增長率、廣義信貸增長率、信貸/GDP、負(fù)債比率、房地產(chǎn)價(jià)格指數(shù)、股票價(jià)格指數(shù)六個(gè)指標(biāo)進(jìn)行篩選。數(shù)據(jù)來源于Wind數(shù)據(jù)庫和世界銀行網(wǎng)站，由筆者計(jì)算整理。將各指標(biāo)進(jìn)行平滑因子為100的HP濾波處理得到其長期趨勢，并用各指標(biāo)取值減去對(duì)應(yīng)時(shí)間的趨勢值得到偏離度后計(jì)算確定臨界值。

經(jīng)過計(jì)算，GDP增長率的臨界值為0.062，廣義信貸增長率的臨界值為-0.002，信貸/GDP的臨界值為-0.14，負(fù)債比率的臨界值為0.016，房地產(chǎn)價(jià)格指數(shù)的臨界值為-8.5，股票價(jià)格指數(shù)的臨界值為-570。其中滿足預(yù)測正確率要求的指標(biāo)只有GDP增長率與負(fù)債比率。因此，筆者選擇GDP增長率與負(fù)債比率兩個(gè)指標(biāo)構(gòu)建我國的逆周期超額資本釋放機(jī)制。因?yàn)槊看涡录尤霐?shù)據(jù)后HP濾波趨勢會(huì)發(fā)生改變，所以每次進(jìn)行預(yù)測時(shí)都要在加入當(dāng)年數(shù)據(jù)后結(jié)合歷史數(shù)據(jù)重新進(jìn)行HP濾波處理篩選預(yù)警指標(biāo)。

根據(jù)上文所述方法，我國逆周期超額資本釋放機(jī)制設(shè)計(jì)為：設(shè)P1為GDP增長率預(yù)測的銀行危機(jī)發(fā)生率，P2為負(fù)債比率預(yù)測的銀行危機(jī)發(fā)生率，那么未來2～5年內(nèi)發(fā)生危機(jī)的概率可以估計(jì)為P*=1-（1-P1）（1-P2）。根據(jù)計(jì)算，2013年GDP增長率偏離度為-0.02，預(yù)測危機(jī)發(fā)生概率約為1/6，負(fù)債比率偏離度為0.025，預(yù)測危機(jī)發(fā)生概率約為4/11。于是得到2013年后2-5年發(fā)生銀行危機(jī)的概率P*=1-（1-1/6）（1-4/11）=31/66=46.97%，說明未來發(fā)生銀行危機(jī)的可能性不大，監(jiān)管當(dāng)局可以保持觀察而不采取行動(dòng)。

四、結(jié)論

逆周期超額資本的作用是在金融繁榮期通過計(jì)提一定的超額資本降低銀行因信貸過度投放而積聚的系統(tǒng)性風(fēng)險(xiǎn)。當(dāng)銀行危機(jī)前銀行已受到壓力時(shí)，通過已釋放出的逆周期資本吸收損失，并降低因信貸供給減少而帶來的風(fēng)險(xiǎn)，從而提高銀行的抗風(fēng)險(xiǎn)能力和生存率。

本文提出一種基于KLR模型篩選理想預(yù)警指標(biāo)和評(píng)估未來銀行危機(jī)發(fā)生概率的方法，并以滿足預(yù)測正確率要求的預(yù)警指標(biāo)為核心建立我國的逆周期資本釋放機(jī)制。在采用本文方法對(duì)逆周期超額資本釋放的必要性進(jìn)行判斷時(shí)，有條件者可采用季度數(shù)據(jù)進(jìn)行分析，這樣可以提高臨界值的精確度與預(yù)測正確率，以助于更好地對(duì)未來發(fā)生銀行危機(jī)的概率進(jìn)行評(píng)估。另外，監(jiān)管當(dāng)局在進(jìn)行決策時(shí)還需要綜合考察其他相關(guān)信息，以利于做出正確的決策。

參考文獻(xiàn)：

[1] Drehmann，M， C Borio and K Tsatsaronis， Anchoring countercyclical capital buffers： the role of credit aggregates[EB/OL]， International Journal of Central Banking， no 7， November， 2011.

[2] Drehmann，M and M Juselius， Do debt service costs affect macroeconomic and financial stability [EB/OL]， BIS Quarterly Review， 21-34， September， 2012.

[3] Drehmann，M and M Juselius， Evaluating early warning indicators of banking crises： satisfying policy requirements[EB/OL]， International Journal of Forecasting， forthcoming （also BIS Working Papers， no 421）， August， 2013.

[4] Drehmann，M and K Tsatsaronis， The credit-to-GDP gap and countercyclical capital buffers： questions and answers[EB/OL]， BIS Quarterly Review， 55-73， March， 2014.

[5] Laeven， L and F Valencia， Systemic banking crises database： An update[EB/OL]， IMF Working Paper， WP/12/163， June， 2012.

（作者單位：山西財(cái)經(jīng)大學(xué)財(cái)政金融學(xué)院 山西太原 030006）

（作者簡介：范瀚文（1990—），男，山西太原人，研究方向：金融工程與風(fēng)險(xiǎn)管理）

（責(zé)編：李雪）