王曉楓,廖凱亮(1.東北財(cái)經(jīng)大學(xué) 金融學(xué)院，遼寧 大連 116025；2.東北財(cái)經(jīng)大學(xué) 應(yīng)用金融研究中心，遼寧 大連 116025；.寧波銀行股份有限公司，浙江 寧波 15100)

商業(yè)銀行同業(yè)業(yè)務(wù)風(fēng)險(xiǎn)傳染特征及因素分析

王曉楓1,2,廖凱亮3
(1.東北財(cái)經(jīng)大學(xué) 金融學(xué)院，遼寧 大連 116025；2.東北財(cái)經(jīng)大學(xué) 應(yīng)用金融研究中心，遼寧 大連 116025；3.寧波銀行股份有限公司，浙江 寧波 315100)

本文基于2007—2015年我國(guó)16家上市商業(yè)銀行的資產(chǎn)負(fù)債表數(shù)據(jù)，運(yùn)用信息熵最大化法構(gòu)建了銀行間的同業(yè)網(wǎng)絡(luò)，根據(jù)所估計(jì)的商業(yè)銀行受傳染的資產(chǎn)損失，選取資產(chǎn)規(guī)模、資本充足率、銀行間拆借利率價(jià)差及國(guó)內(nèi)生產(chǎn)總值等既反映商業(yè)銀行個(gè)體行為的變化對(duì)風(fēng)險(xiǎn)傳染的影響，同時(shí)也反映宏觀(guān)經(jīng)濟(jì)環(huán)境變化對(duì)風(fēng)險(xiǎn)傳染的影響的變量，構(gòu)建了商業(yè)銀行同業(yè)業(yè)務(wù)風(fēng)險(xiǎn)傳染的計(jì)量模型。結(jié)果表明：在同業(yè)市場(chǎng)上，風(fēng)險(xiǎn)傳染損失與國(guó)有銀行的同業(yè)業(yè)務(wù)占比負(fù)相關(guān)，當(dāng)國(guó)有商業(yè)銀行的同業(yè)業(yè)務(wù)占比越大時(shí)，股份制銀行和城市商業(yè)銀行的同業(yè)業(yè)務(wù)占比越小，銀行之間因?yàn)轱L(fēng)險(xiǎn)傳染而造成的損失會(huì)減少。同業(yè)市場(chǎng)上，銀行之間發(fā)生風(fēng)險(xiǎn)傳染與違約損失率有關(guān)，一般來(lái)說(shuō)，違約損失率越大，銀行系統(tǒng)的資產(chǎn)損失比例越大。銀行風(fēng)險(xiǎn)傳染損失大小與銀行總體的資本充足率密切相關(guān)，資本充足越高，銀行的風(fēng)險(xiǎn)傳染損失越小。

商業(yè)銀行;風(fēng)險(xiǎn)傳染;同業(yè)資產(chǎn);同業(yè)負(fù)債；順周期

一、引 言

近年來(lái)，我國(guó)商業(yè)銀行的經(jīng)營(yíng)環(huán)境發(fā)生了巨大的變化，銀行的同業(yè)業(yè)務(wù)快速發(fā)展。中國(guó)人民銀行2016年金融穩(wěn)定報(bào)告顯示，2015年同業(yè)拆借累計(jì)成交量為64.200萬(wàn)億元，同比增長(zhǎng)70.500%，遠(yuǎn)高于同期銀行業(yè)金融機(jī)構(gòu)貸款增長(zhǎng)水平。同時(shí)，納入同業(yè)存放、拆出資金和賣(mài)出回購(gòu)金融資產(chǎn)項(xiàng)下核算的同業(yè)負(fù)債也快速增多，截至2015年末，銀行業(yè)金融機(jī)構(gòu)同業(yè)負(fù)債比重為14.480%，比上年末上升2.100個(gè)百分點(diǎn)。遠(yuǎn)高于同期銀行業(yè)金融機(jī)構(gòu)存款增長(zhǎng)的水平。

同業(yè)業(yè)務(wù)的快速發(fā)展，一方面為商業(yè)銀行借貸短期流動(dòng)性資金提供了便利，另一方面也可能成為銀行風(fēng)險(xiǎn)傳染的渠道[1]。理論上，風(fēng)險(xiǎn)傳染是指一個(gè)銀行的財(cái)務(wù)困難會(huì)外溢給國(guó)內(nèi)的其他銀行[2]，風(fēng)險(xiǎn)傳染使得商業(yè)銀行在應(yīng)對(duì)宏觀(guān)環(huán)境的不利變動(dòng)時(shí)顯得更加脆弱。同業(yè)業(yè)務(wù)的擴(kuò)張使得銀行之間的債權(quán)債務(wù)關(guān)系日益復(fù)雜，銀行的財(cái)務(wù)杠桿逐漸增大，外界對(duì)單個(gè)銀行的沖擊會(huì)引起關(guān)聯(lián)銀行的資產(chǎn)受損，銀行資本可能不足以沖抵資產(chǎn)損失，風(fēng)險(xiǎn)可能會(huì)傳染到整個(gè)銀行體系，容易形成系統(tǒng)性風(fēng)險(xiǎn)[3]。因此，深入研究我國(guó)商業(yè)銀行同業(yè)業(yè)務(wù)風(fēng)險(xiǎn)的傳染特征及因素，對(duì)于預(yù)防銀行間風(fēng)險(xiǎn)傳染，發(fā)揮同業(yè)市場(chǎng)的積極作用，減少系統(tǒng)性風(fēng)險(xiǎn)的發(fā)生，從而維護(hù)金融系統(tǒng)的穩(wěn)定具有重要的理論價(jià)值和現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

近年來(lái)，國(guó)內(nèi)外關(guān)于銀行間風(fēng)險(xiǎn)傳染的研究相對(duì)成熟，為本文的研究提供了重要的借鑒。結(jié)合本文的研究需要，本文從三個(gè)方面總結(jié)了相關(guān)的研究。

(一)對(duì)銀行間風(fēng)險(xiǎn)傳染影響因素的研究

李宗怡和李玉海[4]模擬我國(guó)銀行同業(yè)風(fēng)險(xiǎn)頭寸分布狀況,估計(jì)了銀行體系內(nèi)的“傳染”風(fēng)險(xiǎn)。他們發(fā)現(xiàn)銀行同業(yè)資產(chǎn)和負(fù)債與銀行的類(lèi)型和規(guī)模相關(guān)，國(guó)有銀行的同業(yè)頭寸占全部同業(yè)頭寸的70%以上，但其同業(yè)資產(chǎn)占比有逐年下降趨勢(shì)；銀行體系內(nèi)風(fēng)險(xiǎn)傳染的概率非常低，同時(shí)風(fēng)險(xiǎn)傳染的概率及其導(dǎo)致的損失在逐年下降。馬君潞等[5]估計(jì)了我國(guó)銀行雙邊傳染風(fēng)險(xiǎn)，分析了不同損失水平下單個(gè)銀行倒閉及多個(gè)銀行倒閉所引起的傳染性，發(fā)現(xiàn)銀行是決定傳染程度的關(guān)鍵；多家銀行同時(shí)破產(chǎn)會(huì)降低系統(tǒng)性危機(jī)發(fā)生的門(mén)檻；提高系統(tǒng)性風(fēng)險(xiǎn)發(fā)生的概率，損失率的大小是決定傳染是否發(fā)生及危害程度的一個(gè)重要變量。Ladley[6]建立了包含銀行行為和利率的數(shù)值模型，分析發(fā)現(xiàn)外界沖擊的大小影響了同業(yè)市場(chǎng)的功能。當(dāng)大的外界環(huán)境沖擊來(lái)臨時(shí)，商業(yè)銀行間的聯(lián)系將會(huì)使系統(tǒng)性事件更加惡化，但是當(dāng)商業(yè)銀行面臨較小沖擊時(shí)，銀行之間的借貸卻會(huì)使系統(tǒng)更加穩(wěn)定。銀行間市場(chǎng)與系統(tǒng)的穩(wěn)定間不存在一致的關(guān)系。陳超[7]對(duì)不同的宏觀(guān)經(jīng)濟(jì)因素與銀行所有者權(quán)益之間建立模型，通過(guò)回歸分析考察宏觀(guān)經(jīng)濟(jì)因素沖擊對(duì)銀行償付能力，選擇國(guó)內(nèi)生產(chǎn)總值、股票價(jià)格指數(shù)、房地產(chǎn)價(jià)格指數(shù)和一年期存貸款利差作為情景模擬中的宏觀(guān)經(jīng)濟(jì)沖擊因素，結(jié)果發(fā)現(xiàn)GDP和股票指數(shù)相較于利率和房地產(chǎn)價(jià)格指數(shù)對(duì)銀行同業(yè)市場(chǎng)風(fēng)險(xiǎn)傳染的影響較大。鄭長(zhǎng)軍和王光俊[8]使用ΔCoVaR來(lái)衡量銀行的系統(tǒng)性風(fēng)險(xiǎn)并建立了聯(lián)立方程模型，結(jié)果表明，單個(gè)銀行的資本變動(dòng)與其系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度變動(dòng)呈顯著的正相關(guān)；最低資本金率要求對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度有一定的積極影響；資產(chǎn)規(guī)模大的銀行投資機(jī)會(huì)更多，有利于分散資產(chǎn)風(fēng)險(xiǎn)；經(jīng)濟(jì)的快速增長(zhǎng)有利于資本補(bǔ)充，資本充足率上升。

(二)對(duì)風(fēng)險(xiǎn)傳染估計(jì)方法的研究

Lee[9]通過(guò)數(shù)值模擬的方法建立了銀行系統(tǒng)模型，刻畫(huà)了銀行流動(dòng)性風(fēng)險(xiǎn)在銀行間的傳染機(jī)制，結(jié)果表明銀行流動(dòng)性頭寸的不平衡會(huì)加劇流動(dòng)性風(fēng)險(xiǎn)的傳染。李守偉和何建敏[10]模擬了銀行間市場(chǎng)有向隨機(jī)網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)和無(wú)標(biāo)度網(wǎng)絡(luò)，進(jìn)而通過(guò)描述銀行資產(chǎn)負(fù)債表建立了銀行間傳染風(fēng)險(xiǎn)分析模型，結(jié)論認(rèn)為銀行間市場(chǎng)無(wú)標(biāo)度網(wǎng)絡(luò)面對(duì)沖擊具有最高的穩(wěn)定性。陳庭強(qiáng)和何建敏[11]基于復(fù)雜網(wǎng)絡(luò)理論，模擬了信用風(fēng)險(xiǎn)在銀行網(wǎng)絡(luò)中的傳播，通過(guò)仿真實(shí)驗(yàn)，發(fā)現(xiàn)社會(huì)網(wǎng)絡(luò)平均度越大，信用風(fēng)險(xiǎn)的傳染概率越大和社會(huì)網(wǎng)絡(luò)異質(zhì)性越大，信用風(fēng)險(xiǎn)的傳染概率越小。Wells[12]使用矩陣法估計(jì)了英國(guó)銀行間同業(yè)雙邊暴露的分布，結(jié)果發(fā)現(xiàn)，單個(gè)銀行的倒閉不太可能引發(fā)其他銀行的倒閉，但卻有可能減弱銀行的風(fēng)險(xiǎn)抵御能力。當(dāng)銀行真的引發(fā)銀行的連鎖反應(yīng)時(shí)，損失程度與銀行間貸款的分布和違約損失率相關(guān)。鄒薇和李娜[13]使用矩陣法模型測(cè)算了我國(guó)銀行同業(yè)風(fēng)險(xiǎn)頭寸分布狀況,估計(jì)了我國(guó)銀行體系內(nèi)的傳染風(fēng)險(xiǎn)，結(jié)果表明我國(guó)銀行間市場(chǎng)上系統(tǒng)性風(fēng)險(xiǎn)發(fā)生的可能性增大，表現(xiàn)為風(fēng)險(xiǎn)傳染源銀行數(shù)量的增加和風(fēng)險(xiǎn)傳遞范圍的擴(kuò)大。Jorion和Zhang[14]使用不同行業(yè)的CDS價(jià)差建立回歸模型，結(jié)果發(fā)現(xiàn)，突發(fā)事件會(huì)引起傳染效應(yīng)，截面分析顯示行業(yè)數(shù)據(jù)能夠用來(lái)預(yù)測(cè)傳染效應(yīng)的發(fā)生。周天蕓等[15]運(yùn)用分位數(shù)回歸模型，通過(guò)測(cè)量香港銀行體系的條件風(fēng)險(xiǎn)價(jià)值，判斷香港銀行的系統(tǒng)性風(fēng)險(xiǎn)，研究發(fā)現(xiàn)，金融機(jī)構(gòu)間的傳染和風(fēng)險(xiǎn)溢出效應(yīng)會(huì)導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)的增加，規(guī)模較大銀行的溢出效應(yīng)較為明顯。

(三)對(duì)銀行風(fēng)險(xiǎn)傳染渠道的研究

Diamond和Dybvig[16]提出了經(jīng)典的D-D模型，分析了儲(chǔ)戶(hù)的擠兌可能導(dǎo)致銀行面臨流動(dòng)性風(fēng)險(xiǎn)，認(rèn)為商業(yè)銀行可以通過(guò)存款保險(xiǎn)或者政府對(duì)市場(chǎng)的干預(yù)防止市場(chǎng)的擠兌行為，從而維護(hù)市場(chǎng)的穩(wěn)定。Arinaminpathy等[17]刻畫(huà)了流動(dòng)性?xún)?chǔ)存(liquidity hoarding)、資產(chǎn)價(jià)格傳導(dǎo)和對(duì)手方的違約這三種渠道對(duì)銀行之間風(fēng)險(xiǎn)傳染的影響，研究認(rèn)為市場(chǎng)的信心可能會(huì)通過(guò)影響銀行所持資產(chǎn)的市場(chǎng)價(jià)格來(lái)影響風(fēng)險(xiǎn)傳染的速度。牛晨等[18]通過(guò)研究存款準(zhǔn)備金率與支付系統(tǒng)流動(dòng)性需求的關(guān)系，以及在支付系統(tǒng)中引入優(yōu)化算法對(duì)流動(dòng)性需求和系統(tǒng)效率的作用，結(jié)果表明隨著存款準(zhǔn)備金率的不斷上調(diào)，支付系統(tǒng)中的參與者面臨越來(lái)越大的流動(dòng)性需求壓力。Acharya和Yorulmazer[19]研究發(fā)現(xiàn)，信息傳染導(dǎo)致以利潤(rùn)最大化為目標(biāo)的銀行開(kāi)始與其他銀行一致行動(dòng)，當(dāng)銀行貸款受到共同的系統(tǒng)性因素影響時(shí)，商業(yè)銀行的借款成本會(huì)因其他銀行的壞消息而受到影響。如果商業(yè)銀行的貸款收益相關(guān)性越小，商業(yè)銀行因?yàn)閴南⒍黾拥某杀颈纫驗(yàn)楹孟⒍鴾p少的成本要多。

從上述研究可以看到，對(duì)于影響銀行風(fēng)險(xiǎn)傳染因素的分析，大多數(shù)學(xué)者更多地關(guān)注商業(yè)銀行的個(gè)體行為對(duì)銀行風(fēng)險(xiǎn)傳染的影響，而忽視宏觀(guān)經(jīng)濟(jì)環(huán)境的變化對(duì)銀行風(fēng)險(xiǎn)傳染的影響。對(duì)于風(fēng)險(xiǎn)傳染估計(jì)方法的運(yùn)用比較廣泛，即有數(shù)值法、計(jì)量模型法，也有矩陣法等，但從數(shù)據(jù)的采用及研究結(jié)論來(lái)看，數(shù)值法中的數(shù)據(jù)來(lái)源于模擬，結(jié)論可信度較差；計(jì)量模型法對(duì)數(shù)據(jù)的要求度高，現(xiàn)有的數(shù)據(jù)庫(kù)卻難以滿(mǎn)足模型的需要；而矩陣法雖然能夠估計(jì)銀行的傳染損失，但得出的結(jié)論不具有一般性。

綜合以上考慮，本文結(jié)合我國(guó)商業(yè)銀行同業(yè)業(yè)務(wù)發(fā)展的實(shí)際，選擇將同業(yè)業(yè)務(wù)作為銀行風(fēng)險(xiǎn)傳染的渠道，綜合考慮商業(yè)銀行個(gè)體行為以及宏觀(guān)經(jīng)濟(jì)環(huán)境變化對(duì)商業(yè)銀行風(fēng)險(xiǎn)傳染的影響，在運(yùn)用信息熵最大化法估計(jì)出同業(yè)業(yè)務(wù)雙邊交易量的基礎(chǔ)上，測(cè)算銀行的受傳染銀行的資產(chǎn)損失，建立計(jì)量模型，分析同業(yè)業(yè)務(wù)風(fēng)險(xiǎn)傳染的基本特征及其影響因素，本文得出的結(jié)論較為真實(shí)可信，可以為商業(yè)銀行的審慎監(jiān)管提供一定的參考。

三、銀行間風(fēng)傳染模型的構(gòu)建

(一)同業(yè)網(wǎng)絡(luò)的構(gòu)建

銀行之間的借貸網(wǎng)絡(luò)可以表示成矩陣的形式，假設(shè)一共有N家銀行，銀行之間的同業(yè)網(wǎng)絡(luò)可以由N×N的矩陣表示。即：

X=

?

ai

?

aN

l1…lj…lN

其中，xij表示第j家銀行持有的第i家銀行的資產(chǎn)量占銀行業(yè)全部資產(chǎn)的比例。lj表示銀行j的同業(yè)資產(chǎn)占銀行同業(yè)總資產(chǎn)的比例，ai表示銀行i的同業(yè)負(fù)債占銀行同業(yè)負(fù)債的比例，且有：

(1)

所有商業(yè)銀行的同業(yè)資產(chǎn)負(fù)債比例之和等于1。

(二)銀行之間風(fēng)險(xiǎn)傳染的違約算法

違約算法描述了商業(yè)銀行之間因?yàn)橥瑯I(yè)業(yè)務(wù)交易而可能發(fā)生風(fēng)險(xiǎn)傳染的具體過(guò)程。曾麗[20]從便于銀行監(jiān)管的角度，提出了將核心資本充足率低于6%作為銀行間發(fā)生傳染的判定條件，但由于我國(guó)銀行數(shù)據(jù)公開(kāi)程度較低，難以獲得上市銀行每個(gè)季度的一級(jí)核心資本和風(fēng)險(xiǎn)加權(quán)資產(chǎn)，本文將風(fēng)險(xiǎn)傳染的條件設(shè)為當(dāng)銀行在同業(yè)市場(chǎng)遭遇的損失超過(guò)其所有者權(quán)益時(shí)，銀行會(huì)將風(fēng)險(xiǎn)傳染給持有風(fēng)險(xiǎn)暴露的對(duì)手方。

風(fēng)險(xiǎn)傳染具體過(guò)程如圖1所示，圖中箭頭指向?yàn)轱L(fēng)險(xiǎn)傳染的方向。為了便于說(shuō)明，本文將銀行資產(chǎn)負(fù)債表中的科目用字母表示，其中，用IAi表示第i家銀行持有的同業(yè)資產(chǎn)，ILi表示第i家銀行持有的同業(yè)負(fù)債，其他流動(dòng)性資產(chǎn)和長(zhǎng)期資產(chǎn)分別用LAi和EAi表示，儲(chǔ)戶(hù)存款和所有者權(quán)益分別用Di和Ei表示，違約損失率用θ表示。

如圖1所示，銀行A通過(guò)同業(yè)市場(chǎng)向銀行B借入資金，形成銀行B的同業(yè)資產(chǎn)，為了敘述的方便，本文假定銀行A借得的資金全部來(lái)源于銀行B，銀行B的所有同業(yè)資產(chǎn)均是由借款給銀行A形成的，也即ILA=IAB，銀行A與銀行B不存在交叉借貸的情況。如圖2所示，銀行A可能會(huì)因?yàn)槭袌?chǎng)環(huán)境的變化導(dǎo)致資產(chǎn)損失，當(dāng)損失額超過(guò)擁有的資本金時(shí)，銀行A便會(huì)破產(chǎn)，銀行A從銀行B借來(lái)的資金便無(wú)法償還，銀行B也會(huì)面臨資產(chǎn)的損失。如圖3所示，當(dāng)銀行B的資產(chǎn)損失小于銀行B的資本金時(shí)，銀行B的剩余資本金為EB-θ×ILB，銀行B仍能正常運(yùn)營(yíng)，但當(dāng)銀行B遭受的損失超過(guò)銀行B的資本金時(shí)，假定此時(shí)銀行B無(wú)法從外界迅速籌集資金以彌補(bǔ)損失，銀行B便會(huì)破產(chǎn)，銀行B的破產(chǎn)又會(huì)導(dǎo)致其關(guān)聯(lián)銀行的損失，并將風(fēng)險(xiǎn)不斷傳染下去，直到所有銀行在遭遇沖擊后資本金仍為正值。

圖1 銀行的風(fēng)險(xiǎn)傳染圖

圖2 銀行A破產(chǎn)過(guò)程 圖3 銀行B破產(chǎn)過(guò)程

(三)同業(yè)業(yè)務(wù)雙邊交易量的估計(jì)[21]

(2)

(3)

從各銀行的財(cái)務(wù)報(bào)表中，可以獲得D2和l1，…，lN的值，由(2)式可以得到X0的值,再根據(jù)Blien和Graef[23]提出的RAS算法便可以求出銀行同業(yè)業(yè)務(wù)雙邊交易量矩陣X*。

(四)違約損失率與銀行的資產(chǎn)損失

銀行的資產(chǎn)負(fù)債行為會(huì)隨著經(jīng)濟(jì)環(huán)境的變化不斷發(fā)生改變，因而，銀行間的風(fēng)險(xiǎn)傳染特征可能也會(huì)因此而改變[24]。為了反映銀行風(fēng)險(xiǎn)的歷史動(dòng)態(tài)傳染過(guò)程，本文首先根據(jù)Degryse和Nguyen[25]的做法，將因傳染而倒閉的銀行資產(chǎn)計(jì)為受傳染的資產(chǎn)損失，并將受傳染的資產(chǎn)損失與系統(tǒng)中銀行的總資產(chǎn)之比定義為資產(chǎn)損失率，將被傳染銀行的資產(chǎn)損失率可能達(dá)到的最大值作為衡量銀行間風(fēng)險(xiǎn)傳染大小的指標(biāo)，銀行的資產(chǎn)損失率越大，銀行間風(fēng)險(xiǎn)傳染的能力越強(qiáng)；反之，風(fēng)險(xiǎn)傳染能力越弱。然后采用李宗怡和李玉海[4]的假設(shè)，將違約損失率固定為0.800，考察在違約損失率為0.800的情況下銀行風(fēng)險(xiǎn)傳染情況，如圖4所示。

圖4 不同年份受傳染的資產(chǎn)損失率 根據(jù)圖4所示，從資產(chǎn)損失率的變動(dòng)來(lái)看，2007—2015年，我國(guó)商業(yè)銀行間風(fēng)險(xiǎn)傳染不斷發(fā)生變化：從2007年第二季度到2009年第三季度，銀行間受傳染的資產(chǎn)損失率逐漸減小，銀行抵御風(fēng)險(xiǎn)傳染的能力增強(qiáng)，而從2009年第三季度到2012年第二季度，銀行受傳染的資產(chǎn)損失率逐漸增大，銀行抵御風(fēng)險(xiǎn)傳染的能力減弱，但是從2012年第二季度到2015年第四季度，銀行受傳染的資產(chǎn)損失率又開(kāi)始逐漸減小，并且在2013—2015年在銀行體系內(nèi)未發(fā)生風(fēng)險(xiǎn)傳染，說(shuō)明銀行體系抵御風(fēng)險(xiǎn)傳染的能力增強(qiáng)。

馬君潞等[5]研究發(fā)現(xiàn)，違約損失率越大,則銀行的資產(chǎn)損失越大；反之，違約損失率越小,則銀行的資產(chǎn)損失也就越小。為了進(jìn)一步分析不同違約損失率下銀行的風(fēng)險(xiǎn)傳染特征，本文考察違約損失率為0—1時(shí)商業(yè)銀行的傳染損失情況。

研究發(fā)現(xiàn)，當(dāng)違約損失率不超過(guò)0.800時(shí)，銀行在不同的違約損失率下對(duì)應(yīng)的受傳染的資產(chǎn)損失與所處的階段大體相對(duì)應(yīng)，具體表現(xiàn)為，在銀行抵御風(fēng)險(xiǎn)傳染能力增強(qiáng)的時(shí)期，相同的違約損失率下對(duì)應(yīng)的受傳染的資產(chǎn)損失率大體依次減??；反之，在銀行抵御風(fēng)險(xiǎn)能力減弱的時(shí)期，相同違約損失率下對(duì)應(yīng)的受傳染的資產(chǎn)損失率依次增加。對(duì)任一時(shí)期的銀行風(fēng)險(xiǎn)傳染而言，隨著違約損失率的加大，銀行的資產(chǎn)損失率越大，而且當(dāng)違約損失率達(dá)到某一閾值時(shí)，系統(tǒng)中某一銀行的破產(chǎn)會(huì)引起銀行的資產(chǎn)損失呈現(xiàn)跳躍式增長(zhǎng)，而且在其后即使違約損失率增大，銀行的違約損失比例并未隨之加大。當(dāng)違約損失率大于0.800時(shí)，處于第一階段和第二階段的銀行的資產(chǎn)損失率曲線(xiàn)的相對(duì)次序發(fā)生了改變，結(jié)合李宗怡和李玉海[4]的研究結(jié)論，本文選擇在違約損失不大于0.800時(shí)，研究商業(yè)銀行的風(fēng)險(xiǎn)傳染效應(yīng)。

不同的銀行風(fēng)險(xiǎn)違約損失率能夠影響受傳染銀行的資產(chǎn)損失率的大小,而受傳染銀行的資產(chǎn)損失率的變化反映了風(fēng)險(xiǎn)傳染的深度和廣度隨之發(fā)生了變化。

四、銀行同業(yè)業(yè)務(wù)風(fēng)險(xiǎn)傳染的實(shí)證分析

(一)樣本選擇及數(shù)據(jù)來(lái)源

本文銀行同業(yè)資產(chǎn)、同業(yè)負(fù)債、資產(chǎn)總額和資本金數(shù)據(jù)來(lái)源于16家上市商業(yè)銀行披露的2007年第一季度到2015年第四季度的季報(bào)，根據(jù)違約算法，利用MATLAB軟件估計(jì)出銀行的傳染損失。樣本銀行包括：5家國(guó)有商業(yè)銀行(中國(guó)工商銀行、中國(guó)農(nóng)業(yè)銀行、中國(guó)銀行、中國(guó)建設(shè)銀行和交通銀行)，8家全國(guó)性股份制銀行(招商銀行、中信銀行、浦發(fā)銀行、中國(guó)民生銀行、興業(yè)銀行、中國(guó)光大銀行、平安銀行、華夏銀行)，3家城市商業(yè)銀行(北京銀行、寧波銀行和南京銀行)。另外，我國(guó)政策型銀行也開(kāi)始參與到銀行的同業(yè)市場(chǎng)中來(lái)，但是考慮到政策性銀行一般只公布年度數(shù)據(jù)，政策性銀行倒閉的概率較前面18家上市銀行低，中國(guó)郵政儲(chǔ)蓄銀行的數(shù)據(jù)公開(kāi)程度也相對(duì)較低，因此，本文并未將政策性銀行和中國(guó)郵政儲(chǔ)蓄銀行考慮在內(nèi)。本文同業(yè)資產(chǎn)項(xiàng)下包括銀行的存放同業(yè)、拆出資金和買(mǎi)入返售，同業(yè)負(fù)債包括同業(yè)存放、拆入資金和買(mǎi)入返售。本文同業(yè)拆借利率數(shù)據(jù)來(lái)源于上海銀行間同業(yè)拆放利率網(wǎng)站，季度國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率數(shù)據(jù)來(lái)源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫(kù)。本文對(duì)商業(yè)銀行個(gè)別季度缺少的數(shù)據(jù)進(jìn)行了插值處理，同業(yè)季度平均利率是由日度數(shù)據(jù)取算術(shù)平均數(shù)得到。同業(yè)拆借矩陣由Lingo11軟件運(yùn)算得到，回歸模型使用Eviews8.0軟件估計(jì)得到。

(二)計(jì)量模型的建立

為了研究影響銀行風(fēng)險(xiǎn)傳染的因素，本文參考Degryse和Nguyen[25]的研究，建立回歸模型如式(4)所示。Degryse和Nguyen在考慮比利時(shí)銀行同業(yè)市場(chǎng)時(shí)，還考慮了外資銀行對(duì)比利時(shí)銀行風(fēng)險(xiǎn)傳染的影響，但由于數(shù)據(jù)的缺乏，以及我國(guó)同業(yè)市場(chǎng)現(xiàn)狀，本文并未考慮外資銀行的風(fēng)險(xiǎn)傳染的影響。

(4)

其中，WSCt表示最壞情景下的銀行資產(chǎn)損失率，WSCt越大表明銀行體系因?yàn)轱L(fēng)險(xiǎn)傳染而導(dǎo)致的損失越大；LBt表示國(guó)有銀行的同業(yè)業(yè)務(wù)所占的比例，LBt越大，表明國(guó)有銀行的同業(yè)業(yè)務(wù)所占比重越大，股份制銀行和城商行所占比例越小。CAPt表示銀行平均資本充足率，RATIOt表示銀行的平均同業(yè)資產(chǎn)占比，D1表示國(guó)有銀行資本充足虛擬變量，GDPt表示季度國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率，INTt表示一年期和一個(gè)月的銀行間拆借利率價(jià)差，D2、D3和D4為季節(jié)性虛擬變量，以表示不同季度銀行的風(fēng)險(xiǎn)傳染損失間的差異。其中，季度國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率、利率價(jià)差和季節(jié)性虛擬變量代表宏觀(guān)經(jīng)濟(jì)環(huán)境因素，國(guó)有銀行的同業(yè)業(yè)務(wù)所占的比例、銀行平均資本充足率和國(guó)有銀行資本充足虛擬變量代表個(gè)體行為因素。

由于不同的違約損失率影響銀行在同業(yè)市場(chǎng)上的資產(chǎn)損失，從而會(huì)影響風(fēng)險(xiǎn)傳染的深度和廣度，使估計(jì)結(jié)果產(chǎn)生偏差。為了能使本文的估計(jì)結(jié)果可靠，本文運(yùn)用線(xiàn)性回歸，選取違約損失率分別為0.400、0.600和0.800時(shí)，考察在不同的違約損失率下銀行的資產(chǎn)損失WSC，且將不同損失率下的WSC分別記WSC40t、WSC60t、WSC80t。

(三)實(shí)證結(jié)果與分析

對(duì)式(4)中的回歸方程中的參數(shù)進(jìn)行估計(jì)，結(jié)果如表1所示。表1中第一行列出了各個(gè)因變量，并分別列出了在不同違約損失率(LGD)的條件下，各個(gè)參數(shù)的估計(jì)結(jié)果和顯著性，括號(hào)內(nèi)結(jié)果為各個(gè)參數(shù)對(duì)應(yīng)的t值。

表1 不同違約損失率(LGD)下的回歸結(jié)果

注：*和**分別表示在10%和5%水平上顯著。由于回歸結(jié)果中，除D2以外其他虛擬變量均不顯著，且正負(fù)號(hào)發(fā)生變化，故本文未予列出。

如表1所示，在不同的違約損失率下，調(diào)整的R2較大，最大值為0.674，最小值為0.443。對(duì)于參數(shù)的聯(lián)合性檢驗(yàn)，本文均拒絕原假設(shè)，各參數(shù)聯(lián)合不為零，說(shuō)明參數(shù)的選擇正確，自變量對(duì)因變量有較好的解釋能力。觀(guān)察對(duì)單個(gè)參數(shù)的顯著性檢驗(yàn)結(jié)果，可以發(fā)現(xiàn)，LB在違約損失率為0.600下顯著，但在違約損失為0.400和0.800下不顯著。GDPt、RATIOt和在違約損失率為0.400和0.600下顯著，但在違約損失為0.800下不顯著，CAPt在各違約損失率均不顯著。各參數(shù)的符號(hào)均未發(fā)生改變，說(shuō)明因變量對(duì)自變量的影響方向是一致的，模型結(jié)果較為穩(wěn)定。通過(guò)考察表1的結(jié)果，我們可以發(fā)現(xiàn)：

第一，三次回歸中LB前面的系數(shù)為負(fù)，說(shuō)明受傳染的資產(chǎn)損失與國(guó)有銀行的同業(yè)業(yè)務(wù)占比負(fù)相關(guān)，這表示當(dāng)國(guó)有商業(yè)銀行的同業(yè)業(yè)務(wù)占比越大，股份制銀行和城市商業(yè)銀行的同業(yè)業(yè)務(wù)占比越小，銀行之間因?yàn)轱L(fēng)險(xiǎn)傳染而造成的損失會(huì)減少。因?yàn)?，?guó)有銀行的資產(chǎn)規(guī)模比股份制銀行和城市商業(yè)銀行大，償債能力較強(qiáng)，因而同業(yè)業(yè)務(wù)向國(guó)有銀行集中有利于銀行系統(tǒng)抵御風(fēng)險(xiǎn)傳染。

第二，銀行系統(tǒng)的資產(chǎn)損失與宏觀(guān)經(jīng)濟(jì)變量GDP之間均呈正相關(guān)關(guān)系，說(shuō)明銀行的風(fēng)險(xiǎn)傳染是順周期的，即在經(jīng)濟(jì)增速加快，經(jīng)濟(jì)持續(xù)增長(zhǎng)時(shí)，風(fēng)險(xiǎn)傳染造成的可能損失更大，在經(jīng)濟(jì)增速減小，銀行系統(tǒng)風(fēng)險(xiǎn)傳染造成的損失較少。這可能是因?yàn)椋覈?guó)商業(yè)銀行的信貸行為表現(xiàn)出較強(qiáng)的親周期性[26]，在經(jīng)濟(jì)高漲時(shí)期，銀行的資產(chǎn)也同時(shí)擴(kuò)張，銀行的風(fēng)險(xiǎn)暴露也開(kāi)始增加，銀行可能能夠因?yàn)轱L(fēng)險(xiǎn)傳染導(dǎo)致的損失增加，當(dāng)經(jīng)濟(jì)增速減慢時(shí)，銀行的資產(chǎn)收縮，銀行可能能夠因?yàn)轱L(fēng)險(xiǎn)傳染導(dǎo)致的損失減少。而且，近年來(lái)，雖然我國(guó)經(jīng)濟(jì)增速放緩，但銀行的資本金充足水平有了明顯的提高*詳見(jiàn)中國(guó)銀行業(yè)監(jiān)督管理委員會(huì)2014年報(bào)。，銀行抵御風(fēng)險(xiǎn)的能力增強(qiáng)。

第三，CAP前面的系數(shù)均為負(fù)，說(shuō)明銀行的風(fēng)險(xiǎn)傳染引起的資產(chǎn)損失與銀行體系的平均資本充足率之間存在負(fù)相關(guān)關(guān)系。說(shuō)明商業(yè)銀行的資本充足率越高，商業(yè)銀行之間因?yàn)轱L(fēng)險(xiǎn)傳染造成的損失就會(huì)越小。

第四，由于在所建模型中，在對(duì)季節(jié)性虛擬變量進(jìn)行顯著性檢驗(yàn)時(shí)，顯著且符號(hào)為正，說(shuō)明銀行風(fēng)險(xiǎn)傳染具有季節(jié)效應(yīng)，第一季度銀行風(fēng)險(xiǎn)傳染造成的損失較大。

五、結(jié)論及啟示

本文基于16家上市銀行2007—2015年的季度數(shù)據(jù)，建立了銀行同業(yè)風(fēng)險(xiǎn)傳染計(jì)量模型，得到如下結(jié)論：

第一，同業(yè)市場(chǎng)上，銀行抵御風(fēng)險(xiǎn)傳染的能力隨著時(shí)間的推移而改變。由于我國(guó)銀行市場(chǎng)正在面臨著不斷地變革，銀行市場(chǎng)的結(jié)構(gòu)、單個(gè)銀行的系統(tǒng)重要性和銀行的資產(chǎn)負(fù)債行為也都在發(fā)生著變化，這就會(huì)使得銀行間風(fēng)險(xiǎn)傳染的影響效果也會(huì)隨著時(shí)間的推移而不斷發(fā)生變化。在銀行同業(yè)資產(chǎn)相對(duì)于銀行資本增長(zhǎng)較快的年份，往往對(duì)應(yīng)著銀行的資產(chǎn)損失較大，銀行體統(tǒng)抵御風(fēng)險(xiǎn)的能力減弱，相反，當(dāng)銀行的同業(yè)資產(chǎn)相對(duì)于銀行資本增長(zhǎng)較慢的年份，對(duì)應(yīng)的銀行資產(chǎn)損失較大，銀行體系抵御風(fēng)險(xiǎn)傳染的能力增強(qiáng)。在銀行的資本金一定的情況下，應(yīng)適當(dāng)控制銀行同業(yè)業(yè)務(wù)的規(guī)模，防止同業(yè)業(yè)務(wù)擴(kuò)張可能引發(fā)系統(tǒng)性風(fēng)險(xiǎn)。

第二，銀行的風(fēng)險(xiǎn)傳染行為是順周期的。這主要是說(shuō)明，隨著經(jīng)濟(jì)增長(zhǎng)率的加快，銀行會(huì)因?yàn)閭魅径鴮?dǎo)致的資產(chǎn)損失擴(kuò)大，這主要是由于經(jīng)濟(jì)擴(kuò)張時(shí)期，銀行的資本增長(zhǎng)率低于同業(yè)資產(chǎn)增長(zhǎng)率導(dǎo)致的，商業(yè)銀行的監(jiān)管者應(yīng)該建立和完善逆周期的監(jiān)管機(jī)制，以熨平因風(fēng)險(xiǎn)傳染可能帶來(lái)的經(jīng)濟(jì)波動(dòng)。當(dāng)然，這一結(jié)論并未考慮到，在經(jīng)濟(jì)增長(zhǎng)的不同時(shí)期，銀行資產(chǎn)實(shí)際發(fā)生違約概率的大小，從而無(wú)法估計(jì)不同時(shí)期的銀行的期望損失水平。

第三，銀行之間發(fā)生風(fēng)險(xiǎn)傳染與違約損失率有關(guān)，違約損失率決定了風(fēng)險(xiǎn)傳染是否發(fā)生及違約損失的大小。一般來(lái)說(shuō)，違約損失率越大，銀行系統(tǒng)的資產(chǎn)損失比例越大。在銀行的風(fēng)險(xiǎn)傳染過(guò)程中，存在一個(gè)違約損失率的閾值，當(dāng)違約損失率小于閾值時(shí)，銀行的資產(chǎn)損失率較小，但是當(dāng)違約損失率超過(guò)閾值時(shí)，銀行的資產(chǎn)損失率發(fā)生了跳躍式的變化，銀行的資產(chǎn)損失大大增加，這也說(shuō)明銀行的風(fēng)險(xiǎn)傳染行為并不是簡(jiǎn)單線(xiàn)性的，而是非線(xiàn)性的，銀行系統(tǒng)的總體損失并不僅僅是單個(gè)銀行損失的簡(jiǎn)單加總，而是在銀行風(fēng)險(xiǎn)擴(kuò)散后，各個(gè)銀行的各輪傳染損失之和。這也說(shuō)明當(dāng)危機(jī)發(fā)生時(shí)，中央銀行應(yīng)該在市場(chǎng)上積極干預(yù)，防止資產(chǎn)大幅度的貶值可能會(huì)引起的風(fēng)險(xiǎn)在銀行間迅速擴(kuò)散。

第四，銀行的風(fēng)險(xiǎn)傳染程度與國(guó)有銀行的同業(yè)業(yè)務(wù)占比有關(guān)，國(guó)有商業(yè)銀行的同業(yè)占比增加可以減少因?yàn)轱L(fēng)險(xiǎn)傳染而導(dǎo)致的資產(chǎn)損失，因?yàn)閲?guó)有銀行的資本實(shí)力較強(qiáng)，能夠抵御較大的外界沖擊，商業(yè)銀行之間發(fā)生風(fēng)險(xiǎn)傳染的可能性也因此降低。這說(shuō)明國(guó)有銀行的發(fā)展過(guò)程中同業(yè)資產(chǎn)的擴(kuò)張與風(fēng)險(xiǎn)承擔(dān)較為匹配，監(jiān)管者應(yīng)適度關(guān)注股份制銀行和城商行的同業(yè)業(yè)務(wù)交易中可能存在的風(fēng)險(xiǎn)。

第五，銀行總體的資本充足率越高，銀行的傳染損失越小。這一結(jié)論與理論相符，因?yàn)殂y行的資本充足率越高，銀行能夠用來(lái)沖抵外來(lái)沖擊的資本越多，銀行發(fā)生財(cái)務(wù)困難的可能性降低，銀行的資產(chǎn)損失也就鎖定在單個(gè)銀行的內(nèi)部，整個(gè)系統(tǒng)的資產(chǎn)損失減小。這說(shuō)明商業(yè)銀行應(yīng)該為同業(yè)資產(chǎn)計(jì)提與其風(fēng)險(xiǎn)水平相對(duì)應(yīng)的資本，以防止資產(chǎn)的違約風(fēng)險(xiǎn)向?qū)κ帚y行的傳染。

[1] 王曉楓,廖凱亮,徐金池.復(fù)雜網(wǎng)絡(luò)視角下銀行同業(yè)間市場(chǎng)風(fēng)險(xiǎn)傳染效應(yīng)研究[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài),2015,(3):71-81.

[2] Furfine,C.H. Interbank Exposures: Quantifying the Risk of Contagion[J].Journal of Money, Credit and Banking, 2003,35(1):111-128.

[4] 李宗怡,李玉海.我國(guó)銀行同業(yè)拆借市場(chǎng)“傳染”風(fēng)險(xiǎn)的實(shí)證研究[J].財(cái)貿(mào)研究, 2005,(6):51-58.

[5] 馬君潞,范小云,曹元濤.中國(guó)銀行間市場(chǎng)雙邊傳染的風(fēng)險(xiǎn)估測(cè)及其系統(tǒng)性特征分析[J].經(jīng)濟(jì)研究, 2006,(1):68-78.

[6] Ladley, D. Contagion and Risk-Sharing on the Inter-Bank Market[R].University of Leicester Working Paper, No. 11/10, 2011.

[7] 陳超.宏觀(guān)經(jīng)濟(jì)因素沖擊下我國(guó)銀行間市場(chǎng)的風(fēng)險(xiǎn)傳染效應(yīng)研究[D].杭州：浙江工商大學(xué)碩士學(xué)位論文，2011.

[8] 鄭長(zhǎng)軍，王光俊.基于銀行系統(tǒng)風(fēng)險(xiǎn)視角的銀行資本充足監(jiān)管——來(lái)自中國(guó)上市銀行的經(jīng)驗(yàn)數(shù)據(jù)[J].湖南大學(xué)學(xué)報(bào),2014，(1):58-61.

[9] Lee,S.H. Systemic Liquidity Shortages and Interbank Network Structures[J]. Journal of Financial Stability, 2013, 9(1):1-12.

[10] 李守偉，何建敏.不同網(wǎng)絡(luò)結(jié)構(gòu)下銀行間傳染風(fēng)險(xiǎn)研究[J].管理工程學(xué)報(bào), 2012，(4):72-99.

[11] 陳庭強(qiáng)，何建敏.基于復(fù)雜網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)傳染模型研究[J].軟科學(xué), 2014，(2):111-117.

[12] Wells, S. Financial Inter Linkages in the United Kingdom’s Interbank Market and the Risk of Contagion[R].Bank of England Working Paper, No.230, 2004.

[13] 鄒薇，李娜.基于矩陣法的我國(guó)銀行間市場(chǎng)風(fēng)險(xiǎn)傳遞效應(yīng)實(shí)證研究[J].經(jīng)濟(jì)經(jīng)緯,2014，(5):139-144.

[14] Jorion, P.,Zhang, G.Y. Credit Contagion from Counterparty Risk[J].The Journal of Finance,2009,64(5):2053-2087.

[15] 周天蕓，周開(kāi)國(guó)，黃亮.機(jī)構(gòu)集聚、風(fēng)險(xiǎn)傳染與香港銀行的系統(tǒng)性風(fēng)險(xiǎn)[J].國(guó)際金融研究, 2012，(4):77-87.

[16] Diamond, D.W. ，Dybvig, P.H. Bank Runs, Deposit Insurance, and Liquidity[J].Journal of Political Economy, 1983, 91(3):401-419.

[17] Arinaminpathy,N., Kapadia, S. ,May, R. M. Size and Complexity in Model Financial Systems[J]. PNAS, 2012, 109(45):18338-18343.

[18] 牛晨，魏先華，潘松.我國(guó)大額支付系統(tǒng)中的流動(dòng)性風(fēng)險(xiǎn)[J].系統(tǒng)工程，2008，(11):23-28.

[19] Acharya,V.V. ,Yorulmazer ,T. Information Contagion and Bank Herding[J].Journal of Money, Credit and Banking, 2008,40(1):215-231.

[20] 曾麗.我國(guó)商業(yè)銀行風(fēng)險(xiǎn)傳染的計(jì)量分析及相關(guān)對(duì)策研究[D].長(zhǎng)沙：湖南大學(xué)碩士學(xué)位論文，2011.

[21] 范小云.繁榮的背后——金融系統(tǒng)性風(fēng)險(xiǎn)的本質(zhì)、測(cè)度與管理[M].北京：中國(guó)金融出版社，2006.

[22] Sheldon,G., Maurer, M. Interbank Lending and Systemic Risk: An Empirical Analysis for Switzerland[J].Swiss Journal of Economics and Statistics, 1998,134(4):685-704.

[23] Blien, U. ，Graef, F. Entropy Optimization in Empirical Economic Research [J].Classification, Data Analysis and Data Highways, 1997，208(4):3-15.

[24] 彭壽康，陳超.我國(guó)銀行間市場(chǎng)的風(fēng)險(xiǎn)傳染效應(yīng)研究[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)( 社會(huì)科學(xué)版)，2011,(6)：57-62.

[25] Degryse H., G.Nguyen, Interbank Exposures: An Empirical Examination of Contagion Risk in the Belgian Banking System[J].International Journal of Central Banking, 2007, 3(2):123-171.

[26] 孫志娟.關(guān)于我國(guó)商業(yè)銀行逆周期信貸路徑研究[J].統(tǒng)計(jì)與決策，2012，(5)：158-161.

(責(zé)任編輯：孟 耀)

2017-01-06基金項(xiàng)目：國(guó)家社會(huì)科學(xué)基金項(xiàng)目“新常態(tài)下中央銀行流動(dòng)性管理改革與創(chuàng)新研究”(15BJY180)；遼寧省教育廳人文社會(huì)科學(xué)研究基地項(xiàng)目“新常態(tài)下中央銀行流動(dòng)性管理:路徑選擇與工具創(chuàng)新”(ZJ2015015)

王曉楓(1961-),女,遼寧大連人，教授，博士,主要從事金融機(jī)構(gòu)管理研究。E-mail:xfwang9796@163.com廖凱亮(1992-)，男，安徽安慶人，碩士，主要從事金融機(jī)構(gòu)管理研究。

F830.33

A

1008-4096(2017)02-0067-08