呂燕軍+謝麗強(qiáng)

（山西財(cái)經(jīng)大學(xué)）

2008年國際金融危機(jī)以來，系統(tǒng)重要性金融機(jī)構(gòu)的識別、測度和監(jiān)管成為國內(nèi)外學(xué)術(shù)界和政府部門關(guān)注的焦點(diǎn).IMF、歐盟及美國等在發(fā)布的金融監(jiān)管改革研究文獻(xiàn)中均將系統(tǒng)性風(fēng)險(xiǎn)的累積和宏觀審慎監(jiān)管的缺失作為導(dǎo)致國際金融危機(jī)的重要因素之一.本文應(yīng)用GARCH-CoVaR模型對我國上市銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度及其與銀行財(cái)務(wù)特征和宏觀經(jīng)濟(jì)波動(dòng)的關(guān)系進(jìn)行了分析，為銀行系統(tǒng)性風(fēng)險(xiǎn)識別和監(jiān)管提供了實(shí)證依據(jù)，對于構(gòu)建穩(wěn)健的中國銀行業(yè)的微觀結(jié)構(gòu)具有重要政策意義.

1 文獻(xiàn)綜述

計(jì)量和分析銀行機(jī)構(gòu)之間的相互關(guān)聯(lián)乃至系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度主要有2種方法：（1）結(jié)構(gòu)化方法.如網(wǎng)絡(luò)模型，通過研究資產(chǎn)負(fù)債表相互關(guān)聯(lián)，以及對共同風(fēng)險(xiǎn)因子敞口等因素，在假定銀行體系遭受沖擊引發(fā)雙邊頭寸清算條件下，對危機(jī)傳染路徑、波及程度和資本損失進(jìn)行估測，并對系統(tǒng)重要性銀行進(jìn)行識別. （2）簡約化方法.即不去研究銀行間的相關(guān)關(guān)聯(lián)究竟是如何形成，而是力圖從市場數(shù)據(jù)，包括股價(jià)和CDS價(jià)差中推導(dǎo)出市場對銀行風(fēng)險(xiǎn)相關(guān)性的預(yù)期，如動(dòng)態(tài)相關(guān)性、CoVaR方法和系統(tǒng)性風(fēng)險(xiǎn)保險(xiǎn)定價(jià)法等.該方法的有效性取決于金融市場的有效性：當(dāng)金融市場為“強(qiáng)有效”時(shí)，市場數(shù)據(jù)分析法可以通過對股價(jià)的分析、模擬，得出較為準(zhǔn)確的系統(tǒng)性風(fēng)險(xiǎn)狀況；當(dāng)金融市場為“半強(qiáng)勢”有效時(shí)，對歷史數(shù)據(jù)進(jìn)行分析的準(zhǔn)確性會有所下降；當(dāng)金融市場為“弱有效”時(shí)，該方法將幾乎失去效用.

2 基于GARCH模型的CoVaR方法

2.1 測度銀行系統(tǒng)性風(fēng)險(xiǎn)

CoVaR模型在傳統(tǒng)度量市場風(fēng)險(xiǎn)的方法中，VaR（Value atRisk）在險(xiǎn)價(jià)值方法是主流方法，其代表一定的概率水平下，資產(chǎn)或投資組合在未來特定時(shí)間內(nèi)的最大可能損失.若X代表某一資產(chǎn)或投資的損失，其密度函數(shù)是f（x），則VaR可表示為VaRp= inf| x| f（X≤ x）> p|Adrian等在VaR模型基礎(chǔ)上，建立了考慮金融機(jī)構(gòu)之間風(fēng)險(xiǎn)溢出關(guān)系的在險(xiǎn)價(jià)值模型，稱為CoVaR模型，它表示在一定概率水平下，當(dāng)某一資產(chǎn)在未來特定時(shí)間內(nèi)的損失等于VaR時(shí)，其他資產(chǎn)或投資組合的最大可能損失.因此，給定置信水平1- q，當(dāng)銀行i的損失值為VaR時(shí)，銀行j的條件在險(xiǎn)價(jià)值CoVaRj iq為Pr（Xj≤ CoVaRj| iq| Xi= VaRiq）= q這一定義意味著，CoVaRj iq本質(zhì)上是條件VaR，代表了銀行i對j的風(fēng)險(xiǎn)溢出效應(yīng).CoVaRj iq反映了銀行j的總風(fēng)險(xiǎn)價(jià)值，包含了無條件在險(xiǎn)價(jià)值和溢出風(fēng)險(xiǎn)價(jià)值，為了更真實(shí)地反映當(dāng)銀行i出現(xiàn)最大可能損失這一極值事件發(fā)生時(shí)銀行j的風(fēng)險(xiǎn)增加值，定義溢出風(fēng)險(xiǎn)價(jià)值為ΔCoVaRj| iq= CoVaRj| iq- VaRjq，與無條件VaRjq值相比，CoVaR方法考慮了銀行間市場風(fēng)險(xiǎn)的溢出性和傳導(dǎo)性，能夠反映危機(jī)時(shí)期機(jī)構(gòu)間相關(guān)性增加的事實(shí)，是對傳統(tǒng)VaR模型的改進(jìn).同理，銀行i對系統(tǒng)性風(fēng)險(xiǎn)的邊際貢獻(xiàn)為當(dāng)銀行i發(fā)生最大可能損失時(shí)，銀行體系的條件風(fēng)險(xiǎn)與無條件風(fēng)險(xiǎn)之差為ΔCoVaRsys| iq= CoVaRsys| iq- VaRsysq

2.2 基于GARCH模型的動(dòng)態(tài)CoVaR計(jì)算方法

基于GARCH模型的動(dòng)態(tài)VaR方法可以給出在一定置信水平下資產(chǎn)每日的最大損失值，并充分考慮了發(fā)生極端事件時(shí)的風(fēng)險(xiǎn)狀況.這為投資者和監(jiān)管機(jī)構(gòu)實(shí)時(shí)評價(jià)單個(gè)銀行的市場風(fēng)險(xiǎn)提供了標(biāo)準(zhǔn)和依據(jù).Kuester等[12]研究發(fā)現(xiàn)，應(yīng)用AR（1）-GARCH（1，1）對收益率序列建模并假設(shè)殘差序列服從t分布的參數(shù)估計(jì)結(jié)果，比傳統(tǒng)分位數(shù)回歸的效果更好.因此，本文引入基于GARCH模型的CoVaR方法來度量我國上市銀行的潛在系統(tǒng)風(fēng)險(xiǎn)貢獻(xiàn)度.

3實(shí)證結(jié)果分析

本文選取2002-11-12～ 2010-11-18滬深兩市14家上市銀行的收盤價(jià)作為樣本數(shù)據(jù)，其中包括4家國有銀行，10家股份制銀行.2003～ 2010年這14家銀行的總資產(chǎn)占我國商業(yè)銀行資產(chǎn)總額的比例高達(dá)75%以上，具有很好的代表性.數(shù)據(jù)來源Wind數(shù)據(jù)庫，數(shù)據(jù)處理使用Eviews 6.0和Splus.首先對樣本序列Xit（i= 1，2，… ，14，表示14家上市銀行）的平穩(wěn)性進(jìn)行檢驗(yàn)，單位根檢驗(yàn)結(jié)果表明，在95%和99%的置信水平下，所有收益率數(shù)據(jù)均拒絕單位根原假設(shè)，即收益率序列均為平穩(wěn)序列，可以直接建立GARCH模型計(jì)算VaR和CoVaR等值.通過實(shí)證分析結(jié)果如下：在本文所作的各個(gè)不同尾部分布假設(shè)和不同概率水平的分析框架下，工商銀行、建設(shè)銀行和招商銀行的日平均VaR損失值最小，表現(xiàn)出良好的穩(wěn)健性和風(fēng)險(xiǎn)控制能力；而寧波銀行和興業(yè)銀行在正態(tài)分布下的日均VaR值最大，南京銀行、深發(fā)展和寧波銀行在t分布假設(shè)下的日均VaR損失值最大.可見，以VaR指標(biāo)衡量的單個(gè)銀行風(fēng)險(xiǎn)中，中小商業(yè)銀行的潛在風(fēng)險(xiǎn)較高，具有更大的損失可能.

傳統(tǒng)的微觀審慎監(jiān)管側(cè)重于單個(gè)銀行和資產(chǎn)，其主要風(fēng)險(xiǎn)管理工具VaR方法沒有考慮到風(fēng)險(xiǎn)溢出效應(yīng)的影響，而CoVaR能夠有效地反映單個(gè)銀行對系統(tǒng)風(fēng)險(xiǎn)的影響和貢獻(xiàn)度.計(jì)算結(jié)果顯示，在正態(tài)分布假設(shè)下，建設(shè)銀行對整個(gè)銀行系統(tǒng)的風(fēng)險(xiǎn)貢獻(xiàn)度最為顯著，在5%和1%的置信水平下日均CoVaR值分別為- 21.4%和- 32.7%，遠(yuǎn)高于系統(tǒng)性影響位于第2位的工商銀行.而在t分布假設(shè)下，中國銀行、工商銀行、建設(shè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度最為顯著，其日均CoVaR值小于- 30%，不同分布假設(shè)下的結(jié)論基本吻合，表明其結(jié)果具有穩(wěn)健性。ΔCoVaRsys iq，t衡量了當(dāng)某一銀行發(fā)生最大可能損失時(shí)，其對銀行系統(tǒng)的風(fēng)險(xiǎn)溢出大小與CoVaR相比，這一指標(biāo)減去了銀行體系在正常狀態(tài)下的無條件風(fēng)險(xiǎn)值，能更準(zhǔn)確地反映單個(gè)銀行對系統(tǒng)性風(fēng)險(xiǎn)的真實(shí)度.結(jié)果顯示，在正態(tài)分布假設(shè)下，建設(shè)銀行、深發(fā)展、工商銀行、交通銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)程度最大，尤其以建設(shè)銀行最為顯著，在5%置信水平下，其對銀行系統(tǒng)的溢出風(fēng)險(xiǎn)值為- 17.4%，比系統(tǒng)性影響最小的寧波銀行高出14個(gè)百分點(diǎn)；在t分布下，工商銀行、建設(shè)銀行、中國銀行對系統(tǒng)性風(fēng)險(xiǎn)的影響最為顯著.可見，對我國銀行體系而言，系統(tǒng)重要性銀行主要是4大國有銀行，尤其以建設(shè)銀行、中國銀行和工商銀行最為突出.

究其深層原因，銀行的資產(chǎn)質(zhì)量、相對規(guī)模和系統(tǒng)性關(guān)聯(lián)程度是決定其系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)率的重要因素.

4結(jié)論

本文以Adrian等研究為基礎(chǔ)，應(yīng)用股票價(jià)格數(shù)據(jù)對我國14家上市商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度進(jìn)行測算，度量了當(dāng)一家銀行發(fā)生最大損失（或違約）時(shí)整個(gè)銀行體系的脆弱性，從而計(jì)算出單個(gè)銀行違約的溢出風(fēng)險(xiǎn)，并對其影響因素進(jìn)行了實(shí)證分析.研究發(fā)現(xiàn)：①銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度與其自身VaR之間并無顯著線性關(guān)系，對我國銀行體系而言，系統(tǒng)重要性銀行主要是4大國有銀行，尤其以建設(shè)銀行、中國銀行和工商銀行的系統(tǒng)性影響最為顯著，其他股份制行的風(fēng)險(xiǎn)溢出和傳染效應(yīng)遠(yuǎn)小于這3家銀行.②銀行的溢出風(fēng)險(xiǎn)ΔCoVaR、自身風(fēng)險(xiǎn)VaR水平、不良貸款率以及宏觀經(jīng)濟(jì)波動(dòng)對于預(yù)測銀行系統(tǒng)性風(fēng)險(xiǎn)的邊際貢獻(xiàn)具有顯著影響.值得注意的是，盡管CoVaR模型簡潔明了并反映了市場對于銀行風(fēng)險(xiǎn)相關(guān)性的預(yù)期，但該方法只適用于在股票交易所上市的銀行，并且要求資本市場是有效的，即全部信息都被反映到股價(jià)上.因此，股價(jià)的波動(dòng)就代表了該銀行資產(chǎn)質(zhì)量和風(fēng)險(xiǎn)狀況的變化，這一條件對于大多數(shù)證券市場很難滿足.