基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風險承擔度量研究

姚德權(quán)，張宏亮，黃學(xué)軍

(湖南大學(xué)工商管理學(xué)院，湖南長沙，410082)

摘要：以16家在滬深股票市場上市交易的商業(yè)銀行為樣本，引入資產(chǎn)價格變結(jié)構(gòu)點非參數(shù)檢驗方法，基于變結(jié)構(gòu)KMV模型對商業(yè)銀行風險承擔進行度量。實證研究結(jié)果表明，在2007-2013年，上市商業(yè)銀行的資產(chǎn)價格表現(xiàn)出顯著的變結(jié)構(gòu)特征，相對于不良貸款率、加權(quán)風險資產(chǎn)占總資產(chǎn)比例以及Z指數(shù)等風險承擔度量指標，基于變結(jié)構(gòu)KMV模型的風險承擔度量方法有更強的前瞻性，其風險預(yù)警功能相對較強。

關(guān)鍵詞：商業(yè)銀行；風險承擔；變結(jié)構(gòu)KMV；度量模型

收稿日期：2015-05-19修回日期：2015-09-20

作者簡介：姚德權(quán)(1963-)，男，湖南安鄉(xiāng)人，管理科學(xué)與工程博士后，湖南大學(xué)工商管理學(xué)院教授、博士生導(dǎo)師，研究方向：投融資規(guī)制與風險管理。

中圖分類號：F832.33

文獻標識碼：A

文章編號：1002-9753(2015)11-0109-14

Abstract：Taking the listed commercial banks as the research object，this paper designs the measurement method of commercial bank risk taking based on variable structure KMV models by introducing the non-parametric test of the structural break point of the asset price.The empirical study is conducted by taking the 16 commercial banks which are listed in Shanghai and Shenzhen Stock Exchange as the samples，the result shows that during the year from 2007 to 2013，the structural break characteristic of the commercial banks’ asset price is significant.Meanwhile，compared to bad loan ratio，weighted risk asset to total asset and the Z-score，the risk taking evaluation technology based on variable structure KMV models is a more forward-looking method with a better risk-warning ability.

An Study on Measurement of Commercial Bank Risk

Taking Based on Variable Structure KMV Models

YAO de-quan，ZHANG Hong-liang,HUANG Xue-jun

(CollegeofBusinessAdministration，HunanUniversity，Changsha410082,China)

Key words:commercial bank;risk taking;variable structure KMV;measurement model

一、引言

近年來，國內(nèi)銀行業(yè)正在經(jīng)歷新一輪的增長，在2014年，商業(yè)銀行全年實現(xiàn)利潤1.55萬億元，同比增加9.7%[1]。然而，在看到商業(yè)銀行“靚麗”財務(wù)數(shù)據(jù)的同時，也不應(yīng)忽視其存在的風險隱患，據(jù)銀監(jiān)會統(tǒng)計，商業(yè)銀行不良貸款率雖然較為穩(wěn)定，但自2011年第3季度以來，不良貸款總額呈上升趨勢，截至2014年末，商業(yè)銀行不良貸款總額達8426億元，比2013年年末增加2506億元。在當前的經(jīng)濟環(huán)境下，部分行業(yè)產(chǎn)能過剩矛盾突出，房地產(chǎn)行業(yè)形勢持續(xù)惡化，融資平臺風險不斷釋放。與此同時，商業(yè)銀行的經(jīng)營還受到了互聯(lián)網(wǎng)金融等新興金融模式的沖擊。銀行體系作為金融市場的重要組成部分，其運行狀態(tài)關(guān)系到金融市場、乃至整個經(jīng)濟體系的健康發(fā)展，正因如此，準確度量商業(yè)銀行風險承擔，進而采取有效的管理措施，也就成了學(xué)界和業(yè)界共同關(guān)注的問題之一。

近年來，一些學(xué)者將KMV模型引入到商業(yè)銀行風險承擔的管理中，該方法能夠結(jié)合商業(yè)銀行的會計信息和市場信息來進行綜合評價，評價結(jié)果較準確，且具較強的前瞻性。但已有研究大多假定(或隱含假定)商業(yè)銀行資產(chǎn)價值均值和波動率在同一機制(regime)下變化，即不出現(xiàn)資產(chǎn)價值變結(jié)構(gòu)(variable structure)的情形。這一假定能在一定程度上簡化評價模型的計算，但與商業(yè)銀行的現(xiàn)實情況有一定的偏差。受外部金融危機沖擊、宏觀政策調(diào)整以及行業(yè)突發(fā)事件等因素影響，商業(yè)銀行資產(chǎn)價值可能會出現(xiàn)結(jié)構(gòu)變點，這些結(jié)構(gòu)變點反映了股票市場對商業(yè)銀行風險承擔及其預(yù)期的結(jié)構(gòu)性變化，因此包含了豐富的預(yù)警信息。有鑒于此，本文將商業(yè)銀行資產(chǎn)價值結(jié)構(gòu)變點信息納入到商業(yè)銀行風險承擔度量模型中，以期使評價模型更契合現(xiàn)實經(jīng)濟情況，在此基礎(chǔ)上提高風險承擔度量模型的準確性，降低風險低估的概率，為商業(yè)銀行風險承擔的管理提供更準確的依據(jù)。

二、相關(guān)文獻綜述

商業(yè)銀行風險承擔(risk-taking)是指商業(yè)銀行承擔風險或者風險投資的行為，風險承擔的實質(zhì)是商業(yè)銀行在經(jīng)營管理過程中所承擔的風險總額，不少學(xué)者對其進行了研究，并且開發(fā)出了基于不良貸款率、資本充足率以及Z指數(shù)等度量方法。自Salas和Saurina(2002)[1]，Barth等(2004)[3]以及Gonzalez(2005)[4]運用不良貸款率度量商業(yè)銀行風險承擔以來，大多數(shù)學(xué)者延用了該指標來對商業(yè)銀行風險承擔狀況進行研究。蔣海和王麗琴(2011)采用銀行報表披露的不良貸款率作為銀行風險的衡量指標，選擇不良貸款率(RISK)的一階差分(△RISK)作為風險變化的代理變量[5]。吳成頌，黃送欽和錢春麗(2014)以不良資產(chǎn)率作為銀行風險承擔的代理變量[6]。劉海明和許娟(2012)認為資本充足法是最優(yōu)的風險承擔衡量方法[7]。Hannan和Hanweck(1988)提出了商業(yè)銀行風險承擔水平度量的Z值方法[8]，后來Teresa和Dolores(2008)也采用Z指數(shù)對西班牙商業(yè)銀行的風險承擔行為進行了度量[9]。宋清華、曲良波和陳雄兵(2011)采用Z-scoreit(高管薪酬與風險承擔代理變量)來表明銀行高管薪酬與風險承擔之間呈倒U型關(guān)系，這說明隨著高管薪酬的增加銀行風險承擔有不斷增加的趨勢[10]。何維達和于一(2011)基于2000—2008年10家中國上市銀行數(shù)據(jù)，引入了Z指數(shù)衡量中國商業(yè)銀行風險承擔，并對外資銀行進入、外資參股與上市銀行Z指數(shù)的關(guān)系進行實證研究[11]。徐明東和陳學(xué)彬(2012)也運用Z值度量商業(yè)銀行風險承擔水平，并基于風險承擔度量結(jié)果，分析了競爭效應(yīng)等商業(yè)銀行風險承擔的影響機制[12]。

不良貸款率、資本充足率以及Z指數(shù)等均屬于商業(yè)銀行的財務(wù)信息，這一類指標能較好地反映商業(yè)銀行風險承擔狀況，但也具有滯后性等局限，對商業(yè)銀行當前隱含的風險狀況不能有效識別，因此，一些學(xué)者開始嘗試運用市場信息來對商業(yè)銀行風險承擔進行度量，其中，運用較多的方法是KMV模型。這類方法以Merton期權(quán)定價模型為基礎(chǔ)，將資產(chǎn)價值及其波動與破產(chǎn)風險形成映射關(guān)系，從而使評價結(jié)果具有一定的前瞻性。Kurbat 和 Korablev(2002)運用校準方法對KMV模型進行了檢驗，認為其所估計出的預(yù)期違約率能較準確的反映公司的信用風險狀況[13]。Siedlecki(2014)運用S-curve方法驗證了KMV模型的有效性[14]。Crodlbie 和 Bohn(2003)[15]，Cmara等(2012)[16]以及Chen等(2014)[17]的研究表明KMV模型同樣適用于金融類企業(yè)的信用風險評估。彭大衡和張聰宇(2009)利用KMV模型方法，借助預(yù)期違約概率(Expected Default Frequency，EDF)和違約距離(Distance to Default)兩個指標分析在我國A股上市的五家中小商業(yè)銀行的信用風險[18]。孫潔和魏來(2009)[19]，蘇健，姬明和鐘恩庚(2012)[20]，以及吳恒煜，胡錫亮和呂江林(2013)[21]等文獻分別基于Merton期權(quán)定價模型，對商業(yè)銀行風險承擔的違約距離進行了估計，其實證結(jié)果表明該方法具有較好的評價能力，能較準確地描述商業(yè)銀行風險承擔的變化。資產(chǎn)市場價值的變化反映了市場的預(yù)期，并且能夠靈敏地反映基礎(chǔ)資產(chǎn)基本面的變化情況，運用商業(yè)銀行資產(chǎn)價值及其波動、利率等市場信息來對商業(yè)銀行風險承擔進行度量，能夠提高風險度量的前瞻性。

在已有的研究中，大多數(shù)文獻假定商業(yè)銀行資產(chǎn)價值和波動率的狀態(tài)保持不變，這一假定與現(xiàn)實情況有較大的偏差，受外部金融危機沖擊、宏觀政策調(diào)整以及行業(yè)突發(fā)事件等因素影響，金融資產(chǎn)價值可能會出現(xiàn)結(jié)構(gòu)變點，Calmès和Théoret(2010)認為表外活動(off-balance-sheet activities)和政策的變化會導(dǎo)致商業(yè)銀行資產(chǎn)收益出現(xiàn)結(jié)構(gòu)性變點[22]。Kanas(2014)的研究表明，管理政策的變化會導(dǎo)致商業(yè)銀行權(quán)益資產(chǎn)價格出現(xiàn)變化，同時引起違約風險發(fā)生改變[23]。劉淳,劉慶和張晗(2011)以及齊培艷等(2013)分別運用不同的方法對股票資產(chǎn)價值進行了變結(jié)構(gòu)檢驗，其實證研究均表明，中國股票市場存在顯著的資產(chǎn)價格變結(jié)構(gòu)效應(yīng)[24-25]。陸靜和胡曉紅(2014)發(fā)現(xiàn)商業(yè)銀行資產(chǎn)價值等變量會受極端事件影響而出現(xiàn)顯著變化[26]。劉曉星等(2014)基于資產(chǎn)價格度量了股票流動性，發(fā)現(xiàn)受歐美主權(quán)債務(wù)危機的影響，英、日等發(fā)達國家以及中、印等新興國家的股票市場出現(xiàn)了流動性變結(jié)構(gòu)點[27]。由此可見，金融資產(chǎn)價值的均值和波動出現(xiàn)變結(jié)構(gòu)點是較為普遍的現(xiàn)象，而這些變結(jié)構(gòu)點是市場對金融資產(chǎn)內(nèi)在風險的一種反映和預(yù)期，是一種有效的市場信息，忽視這些信息將可能導(dǎo)致風險評價模型出現(xiàn)設(shè)定偏差，從而使得評價結(jié)果出現(xiàn)較大的誤差。

綜合以上考慮，本文參考已有研究，在對商業(yè)銀行資產(chǎn)價格進行變結(jié)構(gòu)點檢驗的基礎(chǔ)上，將資產(chǎn)價格變結(jié)構(gòu)點引入商業(yè)銀行風險承擔度量中，設(shè)計基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風險承擔度量模型，從而實現(xiàn)對風險承擔度量模型的改進。

三、商業(yè)銀行資產(chǎn)價格變結(jié)構(gòu)點的非參數(shù)檢驗

對商業(yè)銀行資產(chǎn)價格進行變結(jié)構(gòu)檢驗，進而檢測其變結(jié)構(gòu)點的位置是構(gòu)建變結(jié)構(gòu)KMV模型的前提。本節(jié)參考Wu和Zhao(2007)的研究[28],設(shè)計商業(yè)銀行資產(chǎn)價格均值和方差變結(jié)構(gòu)點的檢驗方法，并對其進行實證檢驗。

(一)商業(yè)銀行資產(chǎn)價格變結(jié)構(gòu)點檢驗?zāi)Ｐ偷幕驹O(shè)定

商業(yè)銀行的資產(chǎn)價格(資產(chǎn)價格為商業(yè)銀行股本與其股票流通價格之積)隨市場行情發(fā)生變化，設(shè)定資產(chǎn)價格的平均值在m個時刻發(fā)生突變，變化的時刻為k1,k2,…,km，同時設(shè)定資產(chǎn)價格的方差在w個時刻發(fā)生突變，時刻為s1,s2,…,sw，以Wu和Zhao(2007)的研究為基礎(chǔ)[28]，將變結(jié)構(gòu)資產(chǎn)價格模型設(shè)定為：

(1)

(2)

其中，s1,s2,…,sw為w個方差變點。進一步地，可以假設(shè)數(shù)據(jù)在每兩個變點之間服從具體的分布或模型，本文選取的模型為GARCH模型，然后對模型進行估計。對于一個給定的資產(chǎn)價格和給定的區(qū)間長度ln。定義相鄰區(qū)間差異：

其中

(3)

在此設(shè)定下，根據(jù)資產(chǎn)價格的時間序列數(shù)據(jù)即可得商業(yè)銀行資產(chǎn)價格均值和方差變結(jié)構(gòu)點。

(二)均值變結(jié)構(gòu)點的非參數(shù)檢驗步驟設(shè)計

均值資產(chǎn)價格為非平穩(wěn)時間序列，隨時間變化的特征明顯。但總體來說，在不同的時間段，其變化的規(guī)律有所差異。探測均值變結(jié)構(gòu)點，可更好地識別資產(chǎn)價格變化的規(guī)律。商業(yè)銀行資產(chǎn)價格均值變結(jié)構(gòu)點的非參數(shù)檢驗分為以下3個主要步驟：

步驟 1：計算Di，ln≤i≤n-ln，其中l(wèi)n=[nβ]。在這一步驟中，β值決定了樣本量ln，樣本量太少，局部均值估計不準確，樣本量太大，會漏掉真正的變點。Wu和Zhao(2007)給出了最優(yōu)的ln為nβ，其中β用來控制樣本量的大小，其范圍為 1/2<β<2/3，在實例分析中Wu和Zhao(2007)選取n0.6作為局部均值的樣本長度[28]，因此本文的計算過程中也選取β=0.6。

步驟 2：找出所有滿足以下條件的區(qū)間[j1,j2]：

Di>cm,i∈[j1,j2]

(4)

并且，Dj1-1≤cm和Dj2+1≤cm，其中cm是均值檢驗的臨界值，可以從表1中查。如果表1中沒有對應(yīng)的臨界值，可以通過線性插值的方法獲得。

表1　均值變點檢驗的臨界值

表1為均值檢驗的臨界值。對于表1的每一個值，生成n個標準正態(tài)分布的隨機數(shù)，則可計算統(tǒng)計量D，重復(fù)做100萬次實驗，然后算出1-α分位數(shù)就是相應(yīng)水平的臨界值。

步驟3：對于步驟2中的每個區(qū)間[j1,j2]，找出j*使得Dj*最大，那么j*便是一個均值變結(jié)構(gòu)點。

(三)方差多變點非參數(shù)檢驗步驟設(shè)計

商業(yè)銀行資產(chǎn)價格方差變結(jié)構(gòu)點的非參數(shù)檢驗分為以下3個主要步驟：

(5)

步驟2：標準化rt，即：rest=rest/sd(res)，其中sd(res)表示rest的標準差。

表2　方差變點檢驗的臨界值

表2為方差檢驗的臨界值。與均值檢驗的臨界值相似，對于表2的每一個值，生成n個標準正態(tài)分布的隨機數(shù)，則可計算統(tǒng)計量D，重復(fù)做100萬次實驗，然后計算出1-α分位數(shù)就是相應(yīng)的水平的臨界值。

(四)商業(yè)銀行資產(chǎn)價格變結(jié)構(gòu)點非參數(shù)檢驗的實證結(jié)果及分析

本節(jié)運用國內(nèi)16家商業(yè)銀行的資產(chǎn)價格作為實證研究對象來驗證本文方法的有效性。樣本期限為2007年第1季度至2013年第4季度。運用本文設(shè)計的非參數(shù)方法對資產(chǎn)價格的均值和均值變點做出檢測，估計出變點的位置，結(jié)果參見圖1。

圖1　均值和方差變結(jié)構(gòu)點的檢驗結(jié)果圖示

圖1描述了商業(yè)銀行權(quán)益資產(chǎn)價格變結(jié)構(gòu)點的位置，其中，各個子圖分別為每家樣本商業(yè)銀行的變結(jié)構(gòu)點估計結(jié)果，如第1行第1幅子圖為平安銀行(000001)的變結(jié)構(gòu)點示意圖，其余以此類推。圖1中曲線代表的是權(quán)益資產(chǎn)價值的條件波動率，實線和虛線直線分別代表方差和均值變結(jié)構(gòu)點的位置。從估計結(jié)果來看，商業(yè)銀行權(quán)益資產(chǎn)價格的均值和方差變結(jié)構(gòu)點大多在4個以上，反映了本文所設(shè)計的方法能夠一次性檢測出時間序列的多個變結(jié)構(gòu)點，參數(shù)估計結(jié)果也表明商業(yè)銀行權(quán)益資產(chǎn)價并不是在單一狀態(tài)下波動，大多數(shù)商業(yè)銀行權(quán)益資產(chǎn)價格的均值和方差均出現(xiàn)了變結(jié)構(gòu)點，將其假定為單一狀態(tài)進行時間序列的建模分析可能會導(dǎo)致模型偏差。因此，本文將考慮商業(yè)銀行權(quán)益資產(chǎn)價值的變結(jié)構(gòu)點，來構(gòu)建變結(jié)構(gòu)KMV模型來實現(xiàn)對商業(yè)銀行風險承擔的度量。

四、商業(yè)銀行風險承擔度量的變結(jié)構(gòu)KMV模型設(shè)計

(一)變結(jié)構(gòu)KMV模型的設(shè)計思路

在以往對KMV模型的研究過程中，大多數(shù)文獻假定資產(chǎn)價值在同一個狀態(tài)下波動，即運用一個統(tǒng)一的模型來對波動率進行估計。從第3節(jié)的實證研究結(jié)果來看，商業(yè)銀行資產(chǎn)價值的波動存在變結(jié)構(gòu)點，在此情況下，如果不區(qū)分波動狀態(tài)，將會降低違約距離和風險承擔估計的準確度。本文考慮商業(yè)銀行資產(chǎn)價格的變結(jié)構(gòu)點，對基于變結(jié)構(gòu)KMV模型設(shè)定如下：

(6)

E=VN(d1)-De-rtN(d2)

(7)

其中，E為商業(yè)銀行股票市值，D為和V分別為銀行債務(wù)和資產(chǎn)市場價值，參數(shù)τ為其債務(wù)D的到期期限，r為無風險利率，d1和d2分別為：

(8)

(9)

其中，σv為商業(yè)銀行資產(chǎn)價值波動率。

假定商業(yè)銀行資產(chǎn)價值Vt服從：dVt=(r-δ)Vtdt+σvVtdZt，可得：

(10)

聯(lián)立上式和式(7)，可得到隱含變量V和σv。在KMV模型框架下，銀行資產(chǎn)價值小于某臨界點時，商業(yè)銀行將會破產(chǎn)?？筛鶕?jù)破產(chǎn)數(shù)據(jù)，估算出商業(yè)銀行的預(yù)期違約率。KMV公司的研究表明，長期債務(wù)具有一定的緩沖作用，因此違約臨界點位于短期債務(wù)與總負債之間。由于中國市場缺少相關(guān)破產(chǎn)數(shù)據(jù)，因而不能難以估計預(yù)期違約率，只能夠運用其他指標來替代預(yù)期違約率，參考相關(guān)研究，本文運用違約距離來進行替代：

(11)

違約距離越大，說明商業(yè)銀行的違約風險越小，其風險承擔水平較低，反之，當商業(yè)銀行違約距離較小時，其破產(chǎn)清算的可能性越高，其相應(yīng)的風險承擔水平也較高。

(二)變結(jié)構(gòu)KMV模型的參數(shù)設(shè)置

為了準確的度量商業(yè)銀行風險承擔水平，對基于變結(jié)構(gòu)KMV模型的的相關(guān)參數(shù)進行如下設(shè)置：

(1)商業(yè)銀行股權(quán)價值(E)?？紤]到股權(quán)存在流通和非流通兩種情形，商業(yè)銀行股權(quán)價值的計算方法如下：

E=P×L+EPS×NL

(13)

其中，P為商業(yè)銀行流通股的收盤價格，L為流通股股本總數(shù)，EPS為每股盈利。

(3)違約點DPT的確定。為了計算銀行的違約距離，需要獲取到期債務(wù)和長期債務(wù)價值。銀行資產(chǎn)負債率遠遠高于其他非金融企業(yè)，長期債務(wù)也有特殊性，定期存款(到期時間大于1年的定期存款)的到期時間雖然長，但在銀行擠兌事件發(fā)生的時候，儲戶可能寧愿損失利息，也會將定期存款取出，此時，長期債務(wù)便轉(zhuǎn)化成了短期債務(wù)，因此，本文將違約點設(shè)定為所有負債之和，即DPT=SD+LD，其中SD為短期債務(wù)，LD為長期債務(wù)[29]，樣本銀行負債的描述性統(tǒng)計參見表4。從表4可以發(fā)現(xiàn)，受銀行規(guī)模的影響，各銀行的負債水平有較大的差異?？傮w來說，國有控股商業(yè)銀行的負債水平較高，而其他股份制銀行的負債相對較小。

表3　樣本銀行股權(quán)價值波動率的描述性統(tǒng)計

表4　樣本銀行負債的描述性統(tǒng)計　(單位：萬元)

(4)無風險利率(r)。本文以存款利率為無風險利率，其原因在于存款利率有較大的社會影響力，是公眾投資進行參考的主要利率之一。以央行公布的一年期存款利率為基準，無風險利率的設(shè)定參見表5。

(5)債務(wù)期限(τ)。與大多數(shù)文獻保持一致[30-32]，本文對商業(yè)銀行債務(wù)期限設(shè)定為1年。

五、基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風險承擔度量及結(jié)果分析

(一)商業(yè)銀行風險承擔度量結(jié)果及分析

根據(jù)以上參數(shù)設(shè)定，聯(lián)立式(7)-式(11)，可求出商業(yè)銀行風險承擔的違約距離(DD)，估計結(jié)果參見圖2。圖2中，R代表商業(yè)銀行風險承擔的違約距離(DD)，即基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風險承擔動結(jié)果，R越大，說明違約距離越大，表明商業(yè)銀行風險承擔越小，R-IV為運用灰色關(guān)聯(lián)方法，綜合了不良貸款率、資本充足率和Z值指數(shù)等財務(wù)信息的風險承擔度量結(jié)果*為了對比不同模型的度量結(jié)果，本文參考近期文獻，運用不同方法對商業(yè)銀行的風險承擔進行了度量，其中，R-I為商業(yè)銀行不良貸款率，R-II為商業(yè)銀行風險加權(quán)資產(chǎn)占總資產(chǎn)比例，R-III為根據(jù)文獻[8]和[9]所計算出的Z值指數(shù)，R-IV為運用灰色關(guān)聯(lián)方法對R-I,R-II和R-III進行綜合所得到的綜合度量結(jié)果，每一家樣本商業(yè)銀行的度量結(jié)果參見附錄A。，R與R-IV表現(xiàn)出了類似地波動軌跡，表明變結(jié)構(gòu)KMV模型能有效地反映商業(yè)銀行風險承擔變化趨勢。

從商業(yè)銀行風險承擔的變化趨勢來看，大多數(shù)商業(yè)銀行在2008年的風險承擔水平出現(xiàn)了明顯上升，在此期間，商業(yè)銀行不同程度受到了次債危機的影響，風險承擔水平的上升一直持續(xù)到2009年初，隨后，商業(yè)銀行的風險水平又有了一定程度的降低。商業(yè)銀行風險承擔變化的趨勢也表明了國內(nèi)商業(yè)銀行的風險承擔并不是來源于國際金融市場的直接風險傳染，而是全球金融危機影響了實體經(jīng)濟的發(fā)展和國內(nèi)外消費需求的變化，而導(dǎo)致國內(nèi)商業(yè)銀行風險承擔的增加。從圖3.9-3.10可以發(fā)現(xiàn)，在次債危機開始爆發(fā)以及傳染早期(2007年)，國內(nèi)商業(yè)銀行風險承擔并沒有出現(xiàn)顯著增加，而在2008年，國內(nèi)企業(yè)，特別是中小企業(yè)受次債危機的沖擊逐漸顯現(xiàn)，企業(yè)景氣指數(shù)一路下滑(圖3)，此時銀行風險承擔逐漸提高，在2009年第二季度以后，隨著經(jīng)濟刺激計劃的執(zhí)行，企業(yè)景氣程度有所上升(圖3)，大多數(shù)商業(yè)銀行的風險承擔也隨之下降。但不同商業(yè)銀行風險承擔降低的開始時間略有不同，如招商銀行調(diào)整的時間較早，這也反映出不同商業(yè)銀行風險調(diào)整能力有一定的差異。

在2013年，各商業(yè)銀行的風險承擔曲線出現(xiàn)了向下變化的趨勢，這說明商業(yè)銀行風險承擔又有了一定程度的上升，這可能與較為緊縮的宏觀經(jīng)濟環(huán)境有一定的關(guān)系，2011年GDP的季度同比增長率分別為9.80%、9.60%、9.30%和8.70%，而2012年第1季度至2013年第4季度的GDP季度同比增長率分別為7.90%、7.40%、7.30%、7.90%、7.70%、7.50%、7.80%和7.70%，經(jīng)濟增長速度有所降低，商業(yè)銀行外部經(jīng)營環(huán)境所帶來的挑戰(zhàn)增大，房地產(chǎn)行業(yè)風險、鋼貿(mào)行業(yè)風險、地方融資平臺風險等均導(dǎo)致了商業(yè)銀行的風險承擔持續(xù)上升。同時，隨著網(wǎng)絡(luò)金融的強勢發(fā)展，商業(yè)銀行在金融市場的競爭壓力增大，也導(dǎo)致其承擔的風險有所上升。如2013年6月，互聯(lián)網(wǎng)金融理財產(chǎn)品余額寶上線，其后在短短1個季度的時間內(nèi)，其基金份額超過了1000億元，成為T+0貨幣基金中規(guī)模最大的一只，銀行業(yè)整體負債端的成本壓力倍增，其市場競爭風險也隨之上升。值得關(guān)注的是，部分銀行如平安銀行和民生銀行等在2013年的風險承擔水平并沒有提高，反而出現(xiàn)了降低的現(xiàn)象，這與其經(jīng)營策略有較大的關(guān)系。平安銀行在管理創(chuàng)新、業(yè)務(wù)模式創(chuàng)新、產(chǎn)品與服務(wù)創(chuàng)新均取得了較大突破，推出了包括貸貸平安商務(wù)卡、口袋銀行2.0、社區(qū)模式發(fā)展、互聯(lián)網(wǎng)金融、票據(jù)金融等一系列創(chuàng)新產(chǎn)品與服務(wù)，全年新增客戶10049戶，新增日均存款741元，新增日均貸款21億元，實現(xiàn)非利息凈收入6.37億元，零售貸款月較2012年增長了44.20%*數(shù)據(jù)來源于《平安銀行股份有限公司2013年年報》。，增速領(lǐng)先銀行行業(yè)的平均水平，經(jīng)營模式和業(yè)務(wù)結(jié)構(gòu)的調(diào)整使得平安銀行增強了市場競爭力，并有效地降低了其風險承擔水平。民生銀行從2013年第一季度開始就確立了社區(qū)銀行概念，并在第三季度與阿里巴巴進行互聯(lián)網(wǎng)金融合作，其經(jīng)營模式逐漸開始突破物理網(wǎng)點的約束，通過滿足差異化需求與提供互聯(lián)網(wǎng)金融服務(wù)，從而有效地降低了其風險承擔水平。

表5　無風險利率的設(shè)定(2007/1/1-2013/12/31)

數(shù)據(jù)來源：中國人民銀行官方網(wǎng)站(http://www.pbc.gov.cn/)，其中，2007-1代表2007年第1季度，2007-2代表2007年第2季度，其余依次類推。

圖2　基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風險承擔度量結(jié)果

圖3　企業(yè)景氣指數(shù)(2007-1至2013-4) 注：數(shù)據(jù)來源于Wind數(shù)據(jù)庫，國家統(tǒng)計局和中國人民銀行。

(二)商業(yè)銀行風險承擔度量結(jié)果的比較分析

基于市場風險的度量結(jié)果與基于財務(wù)信息的度量結(jié)果有較強的相似性，對于每一家樣本商業(yè)銀行，其風險承擔度量程度的時序變化趨勢大多一致，兩類方法結(jié)果差異不明顯，表明這兩類方法均具有一定的適用性。進一步地，為了檢驗基于市場信息的商業(yè)銀行風險度量方法是否具有前瞻性，本文對基于變結(jié)構(gòu)KMV模型的商業(yè)銀行風險度量結(jié)果及其滯后變量與基于財務(wù)信息的風險承擔度量結(jié)果進行了相關(guān)分析，相關(guān)分析的結(jié)果如表6所示。

表6中，R-I，R-II和R-III分別為基于不良貸款率、資本充足率和Z指數(shù)的風險承擔水平，RT，RT-1，RT-2，RT-3和RT-4分別為當期、滯后1期、滯后2期、滯后3期和滯后4期的基于市場信息的商業(yè)銀行風險承擔水平(R)。從R與R-I,R-II,R-III和R-IV的相關(guān)性度量結(jié)果可以發(fā)現(xiàn)，除樣本數(shù)據(jù)較少的601288和601818外，對于大多數(shù)樣本銀行，滯后1期的R與基于財務(wù)信息的風險度量結(jié)果相關(guān)性最大，且相關(guān)系數(shù)在統(tǒng)計上顯著，同時，大多數(shù)銀行滯后1期的R與基于綜合財務(wù)信息的度量結(jié)果相關(guān)系數(shù)超過0.7，且比R與R-I，R-II，R-III的相關(guān)系數(shù)大，這說明基于變結(jié)構(gòu)KMV模型的銀行風險承擔度量方法是前瞻性(Forward-looking)的技術(shù)，可以較好地度量銀行整體的風險承擔狀況，該方法將市場價值和波動率映射到銀行的預(yù)期違約率與違約距離，更加全面地反映了市場預(yù)期，并且對市場變化更為敏感，因此具有更強的前瞻性。由此也可以發(fā)現(xiàn)，基于市場信息的商業(yè)銀行風險承擔度量方法不僅能夠較好地識別商業(yè)銀行當前的風險承擔狀況，同時還具有較好的預(yù)警功能。

表6　R與基于財務(wù)信息的商業(yè)銀行風險承擔的相關(guān)性分析

注：下劃線的數(shù)值代表R-I,R-II,R-III,R-IV分別與RT，RT-1，RT-2，RT-3，RT-4之間相關(guān)系數(shù)的最高值。

六、結(jié)論

對商業(yè)銀行風險承擔進行準確的度量是商業(yè)銀行進行風險管理的前提之一，本文在對商業(yè)銀行資產(chǎn)價格進行變結(jié)構(gòu)點檢驗的基礎(chǔ)上，設(shè)計了基于變結(jié)構(gòu)KMV模型的銀行風險承擔度量方法，以2007—2013年滬深兩市的上市商業(yè)銀行為樣本進行了實證研究。研究得到了以下結(jié)論：(1)商業(yè)銀行資產(chǎn)價值具有較為顯著的變結(jié)構(gòu)特征，在樣本期間，上市商業(yè)銀行資產(chǎn)價值并不是在單一狀態(tài)下波動，大多數(shù)商業(yè)銀行權(quán)益資產(chǎn)價格的均值和方差均出現(xiàn)了多個變結(jié)構(gòu)點，因此，對商業(yè)銀行資產(chǎn)價值波動行為描述需要考慮其變結(jié)構(gòu)特征；(2)基于變結(jié)構(gòu)KMV模型的銀行風險承擔度量方法能夠有效地度量上市商業(yè)銀行的風險承擔，其度量結(jié)果能較好地契合現(xiàn)實經(jīng)濟金融情況，且相比只運用財務(wù)信息的風險承擔度量方法，該方法將市場預(yù)期映射到商業(yè)銀行風險承擔中，因而具有較強的前瞻性?；谝陨涎芯拷Y(jié)論，本文得到以下啟示：(1)商業(yè)銀行在風險管理過程中要更積極關(guān)注資產(chǎn)價格的變結(jié)構(gòu)點，變結(jié)構(gòu)點是其內(nèi)外因素沖擊的結(jié)果，一旦出現(xiàn)，便證明商業(yè)銀行的風險狀態(tài)出現(xiàn)了較大變化，商業(yè)銀行應(yīng)及時發(fā)現(xiàn)變結(jié)構(gòu)點，并深入分析產(chǎn)生的原因，進而找到準確的風險管理對策；(2)投資者在構(gòu)建投資組合時，應(yīng)根據(jù)資產(chǎn)價格變結(jié)構(gòu)情況來考慮商業(yè)銀行風險承擔水平，并參考風險承擔的度量結(jié)果，構(gòu)建更有效的投資組合；(3)在商業(yè)銀行風險承擔的監(jiān)管過程中，監(jiān)管層可根據(jù)本文的度量方法和結(jié)果，制定更有針對性的對策，如在逆周期監(jiān)管過程中，充分運用基于變結(jié)構(gòu)風險承擔度量方法的前瞻性優(yōu)勢，提前判斷商業(yè)銀行風險承擔情況，為風險管理措施的實施贏得更長的風險緩沖時間。

參考文獻：

[1]中國銀行業(yè)監(jiān)督管理委員會.中國銀行業(yè)運行報告(2014年度)[R/OL].[2015-9-22].http://www.cbrc.gov.cn.

[2]SALAS V，SAURINA J.Credit risk in two institutional regimes：Spa-nish commercial and savings banks[J].Journal of Fin-ancial Service，2002，22(3)：203-224.

[3]BARTH J R，CAPRIO G，LEVINE R.Bank supervision and regul-ation：What works best? [J].Journal of Financial Interme-diation，2004，13(2)：205-248.

[4]Gonzalez F.Bank regulation and risk-taking incentives：An international comparison of bank risk[J].Journal of Banking & Finance，2005，29：1153-1184.

[5]蔣海，王麗琴.金融危機對資本充足率監(jiān)管與銀行風險承擔激勵的影響：基于我國上市銀行的實證比較[J].產(chǎn)經(jīng)評論，2011(4)：67-76.

[6]吳成頌，黃送欽，錢春麗.高管背景特征對銀行風險承擔的影響——來自中國上市銀行的經(jīng)驗證據(jù)[J].現(xiàn)代財經(jīng)：天津財經(jīng)大學(xué)學(xué)報，2014(5)：3-14.

[7]劉海明，許娟.商業(yè)銀行風險承擔：指標及其有效性[J].金融論壇，2012(11)：23-30.

[8]HANNAN T，HANWECK A.Bank insolvency risk and the mar-ket for large certificates of deposit[J].Journal of Money，Credit and Banking，1988，20(2)：203-211.

[9]TERESA G，DOLORES R.Risk-taking behavior and ownership in the banking industry：The Spanish evidence[J].Journal of Economics and Business，2008，60(4)：332-354

[10]宋清華，曲良波，陳雄兵.中國商業(yè)銀行規(guī)模、治理與風險承擔的實證研究[J].當代財經(jīng)，2011(11)：57-70.

[11]何維達，于一.外資進入與中國商業(yè)銀行的風險承擔[J].金融論壇，2011(1)：43-49.

[12]徐明東，陳學(xué)斌.貨幣環(huán)境、資本充足率與商業(yè)銀行風險承擔[J].金融研究，2012(7)：48-62

[13]KURBAT M，KORABLEV I.Methodology for testing the level of the EDFTM credit measure[R].White Paper，Moody’s KMV Revised August，2002.

[14]SIEDLECKI R.Forecasting company financial distress us-ing the gradient measurement of development and S-curve[J].Procedia Economics and Finance，2014，(12)：597-606

[15]CROSBIE P，BOHN J R.Modeling default risk[R].White Paper，Moody’s KMV，2003.

[17]CHEN R，CHIDAMBARAN N，IMERMAN M，et al.Li-quidity，leverage，and Lehman：A structural analysis of financial institutions in crisis[J].Journal of Banking & Finance，2014，45(8)：117-139

[18]彭大衡，張聰宇.銀行信用風險演變的KMV模型分析——以五家中小商業(yè)銀行為例[J].經(jīng)濟數(shù)學(xué)，2009(3)：60-69.

[19]孫潔，魏來.基于或有權(quán)益資產(chǎn)負債表的中國上市商業(yè)銀行風險分析[J].武漢大學(xué)學(xué)報：哲學(xué)社會科學(xué)版，2009(4)：462-466.

[20]蘇健，姬明，鐘恩庚.我國銀行業(yè)整體風險的度量——基于CCA方法的定量測算[J].金融理論與實踐，2012(10)：12-17.

[21]吳恒煜，胡錫亮，呂江林.我國銀行業(yè)系統(tǒng)性風險研究——基于拓展的未定權(quán)益分析法[J].國際金融研究，2013(7)：85-96.

[23]KANAS A.Default risk and equity prices in the U.S.ban-king sector：Regime switching effects of regulatory changes[J].Journal of International Financial Markets，Institutions and Mo-ney，2014，33(11)：244-258

[24]劉淳，劉慶，張晗.使用Bayes方法識別股市變結(jié)構(gòu)模型[J].清華大學(xué)學(xué)報：自然科學(xué)版，2011(2)：245-249，254.

[25]齊培艷，田錚，段西發(fā)，等.異方差非參數(shù)回歸模型均值與方差變點的小波估計與應(yīng)用[J].系統(tǒng)工程理論與實踐，2013，33(4)：988-995.

[26]陸靜，胡曉紅.基于條件在險價值法的商業(yè)銀行系統(tǒng)性風險研究[J].中國軟科學(xué)，2014(4)：25-42

[27]劉曉星，方琳，張穎，等.歐美主權(quán)債務(wù)危機的股票市場流動性變點檢測[J].管理科學(xué)學(xué)報，2014，17(7)：82-94.

[28]WU W B，ZHAO Z B.Inference of trends in time series[J].Journal of the Royal Statistical Society：Series B(Statis-tical Methodology)，2007，69(2)：391-410.

[29]劉海龍，楊繼光.基于銀行監(jiān)管資本的存款保險定價研究[J].管理科學(xué)學(xué)報，2011，14(3)：73-82.

[30]張玲，楊貞柿，陳收.KMV模型在上市公司信用風險評價中的應(yīng)用研究[J].系統(tǒng)工程，2004，22(11)：84-89.

[31]馬若微.KMV模型運用于中國上市公司財務(wù)困境預(yù)警的實證檢驗[J].數(shù)理統(tǒng)計與管理，2006，25(5)：593-601.

[32]陳曉紅，張澤京，王傅強.基于KMV模型的我國中小上市公司信用風險研究[J].數(shù)理統(tǒng)計與管理，2008，27(1)：164-175.

(本文責編：海洋)

附錄A商業(yè)銀行風險承擔度量結(jié)果

附錄A1　基于不良貸款率的商業(yè)銀行風險承擔度量結(jié)果

附錄A2　樣本商業(yè)銀行加權(quán)風險資產(chǎn)占總資產(chǎn)比例的年度變化

附錄A3　基于Z值的商業(yè)銀行風險承擔度量結(jié)果

附錄A4　基于綜合財務(wù)信息的商業(yè)銀行風險承擔度量結(jié)果