李治章 王帥

摘 要：隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展以及互聯(lián)網(wǎng)金融的創(chuàng)新，互聯(lián)網(wǎng)金融早已從最早意義上的商業(yè)銀行開展的網(wǎng)上銀行業(yè)務(wù)擴展到各個業(yè)務(wù)領(lǐng)域，互聯(lián)網(wǎng)金融風(fēng)險被不斷放大，同時反過來對商業(yè)銀行造成了風(fēng)險溢出效應(yīng)。從互聯(lián)網(wǎng)金融發(fā)展現(xiàn)實出發(fā)，采用偏t分布的GARCH-CoVaR模型測度互聯(lián)網(wǎng)金融對不同類型商業(yè)銀行的風(fēng)險溢出效應(yīng)。結(jié)果發(fā)現(xiàn)，商業(yè)銀行中國有銀行風(fēng)險最小、城商行風(fēng)險最大。通過比較風(fēng)險溢出值（%CoVaR）也發(fā)現(xiàn)，風(fēng)險溢出最高的是國有銀行，最低的是城商行。這一結(jié)論，對監(jiān)管互聯(lián)網(wǎng)金融系統(tǒng)性風(fēng)險溢出，以及促進(jìn)中國商業(yè)銀行的穩(wěn)健發(fā)展有一定的意義。

關(guān)鍵詞：互聯(lián)網(wǎng)金融;中國商業(yè)銀行;風(fēng)險溢出效應(yīng);VaR;GARCH-CoVaR

中圖分類號：F832? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? 文章編號：1673-291X（2018）36-0050-04

引言

根據(jù)國家互聯(lián)網(wǎng)金融風(fēng)險分析技術(shù)平臺的監(jiān)測數(shù)據(jù)，無論是數(shù)量，還是規(guī)模，中國的互聯(lián)網(wǎng)金融行業(yè)已經(jīng)穩(wěn)居世界第一，然而也爆發(fā)出了新的風(fēng)險隱患，如e租寶、大大集團(tuán)和三農(nóng)資本等平臺的跑路事件給投資者帶來損失，同時對我國金融系統(tǒng)穩(wěn)定性造成了一定影響，引起了學(xué)術(shù)界熱議。

對于系統(tǒng)性風(fēng)險測量方法最先是由國外學(xué)者開始探究，最初基于發(fā)達(dá)金融市場有效性，Huang 等提出了“壓力測試法”，但是對于像中國這樣的發(fā)展中國家而言，此種方法不具有有效性[1];之后，由于博弈論的發(fā)展，Tarashev等[2]在博弈論的角度，總結(jié)出了夏普利值法，但是由于衡量的系統(tǒng)性風(fēng)險條件過于苛刻且不實際，這種方法也未能普及[2]。國內(nèi)方面，尹梅介紹了互聯(lián)網(wǎng)金融的產(chǎn)生與發(fā)展情況，以及互聯(lián)網(wǎng)金融的發(fā)展對傳統(tǒng)商業(yè)銀行的影響，并對此提出了相關(guān)建議[3]。張景桐主要針對互聯(lián)網(wǎng)金融對傳統(tǒng)金融的挑戰(zhàn)進(jìn)行相應(yīng)的探究，以期通過調(diào)整傳統(tǒng)金融的營銷方式，實現(xiàn)傳統(tǒng)金融的長期可持續(xù)發(fā)展[4]。鄒靜、王洪衛(wèi)運用主成分分析法測算我國商業(yè)銀行的系統(tǒng)性風(fēng)險，接著運用突變分析和SVAR模型等計量方法實證互聯(lián)網(wǎng)金融對我國商業(yè)銀行系統(tǒng)性風(fēng)險的影響，研究了風(fēng)險路徑[5]。吳詩偉、朱業(yè)、李拓構(gòu)建動態(tài)面板GMM 模型，實證分析利率市場化與互聯(lián)網(wǎng)金融對商業(yè)銀行破產(chǎn)風(fēng)險及不良資產(chǎn)風(fēng)險的影響。研究結(jié)果表明，利率市場化直接推高商業(yè)銀行破產(chǎn)風(fēng)險與不良資產(chǎn)風(fēng)險[6]。

國內(nèi)對于互聯(lián)網(wǎng)金融風(fēng)險較少而且多處于定性分析，對于互聯(lián)網(wǎng)金融對中國商業(yè)銀行風(fēng)險風(fēng)險溢出效應(yīng)方面分析甚少。本文從互聯(lián)網(wǎng)金融發(fā)展現(xiàn)實出發(fā)，采用偏t分布的GARCH-CoVaR模型測度了互聯(lián)網(wǎng)金融對不同類型商業(yè)銀行的風(fēng)險溢出效應(yīng)。

（二）互聯(lián)網(wǎng)金融的風(fēng)險溢出效應(yīng)

根據(jù)的GARCH-CoVaR的計算方法，計算出互聯(lián)網(wǎng)金融和所有銀行的風(fēng)險溢出值%CoVaR序列，表4列出了所有銀行的VaR序列、CoVaR序列和風(fēng)險溢出值計算結(jié)果。需要說明的是，所有的VaR和CoVaR序列都是在95%的顯著性水平下計算得出的，最終結(jié)果（如表4所示）。

從VaR和%CoVaR的計算結(jié)果來看，是有規(guī)律可循的，通過比較風(fēng)險價值（VaR）可以發(fā)現(xiàn)，各類型銀行與互聯(lián)網(wǎng)金融本身具有的風(fēng)險不同，商業(yè)銀行中國有銀行風(fēng)險最小，最小的是工商銀行和建設(shè)銀行0.02，城商行風(fēng)險最大，最大的是上海銀行0.09，其中國有和股份商業(yè)銀行風(fēng)險均遠(yuǎn)遠(yuǎn)小于互聯(lián)網(wǎng)金融風(fēng)險，但是城商行比互聯(lián)網(wǎng)金融風(fēng)險相當(dāng)。同時，通過比較風(fēng)險溢出值（%CoVaR）發(fā)現(xiàn)，互聯(lián)網(wǎng)金融對不同類型商業(yè)銀行的風(fēng)險溢出差別較大，風(fēng)險溢出最高的是國有銀行，最大的是建設(shè)銀行3.47，其次是股份銀行，最低的是城商行，最低的是南京銀行0.13。再關(guān)注VaR與風(fēng)險溢出值%CoVaR的關(guān)系問題，發(fā)現(xiàn)這二者也有明顯的聯(lián)系?；ヂ?lián)網(wǎng)金融風(fēng)險溢出值最高的建設(shè)銀行，其%CoVaR值達(dá)到了3.47，但其VaR值僅為0.02。而VaR值最高的上海銀行，達(dá)到了0.09，但其風(fēng)險溢出值僅為0.93，比工商銀行低了2.54，自身風(fēng)險較小的銀行反倒更容易受到互聯(lián)網(wǎng)金融風(fēng)險溢出影響，即互聯(lián)網(wǎng)金融造成的系統(tǒng)性風(fēng)險對于自身風(fēng)險越小的銀行溢出效應(yīng)越大，這不僅證明了傳統(tǒng)VaR方法的局限性，更重要的是說明互聯(lián)網(wǎng)金融的迅速發(fā)展，打破了風(fēng)險管理格局。

三、結(jié)論與啟示

隨著互聯(lián)網(wǎng)技術(shù)發(fā)展以及互聯(lián)網(wǎng)金融的創(chuàng)新，互聯(lián)網(wǎng)金融早已從最早意義上的商業(yè)銀行開展的網(wǎng)上銀行業(yè)務(wù)擴展到各個業(yè)務(wù)領(lǐng)域，互聯(lián)網(wǎng)金融風(fēng)險被不斷放大，同時反過來對商業(yè)銀行造成了風(fēng)險溢出效應(yīng)?；诖耍疚膹幕ヂ?lián)網(wǎng)金融發(fā)展現(xiàn)實出發(fā)，為貼近我國金融市場非完全有效化的現(xiàn)實，采用偏t分布的GARCH-CoVaR模型測度了互聯(lián)網(wǎng)金融對不同類型商業(yè)銀行的風(fēng)險溢出效應(yīng)。首先，通過比較風(fēng)險價值（VaR）發(fā)現(xiàn)，各類型銀行與互聯(lián)網(wǎng)金融本身具有的風(fēng)險差異。之后，通過比較風(fēng)險溢出值（%CoVaR）發(fā)現(xiàn)，互聯(lián)網(wǎng)金融對不同類型商業(yè)銀行的風(fēng)險溢出差別，通過研究本文共得出以下結(jié)論和啟示。

第一，各類型銀行與互聯(lián)網(wǎng)金融本身具有的風(fēng)險不同，商業(yè)銀行中，國有銀行風(fēng)險最小，其中最小的是工商銀行和建設(shè)銀行，其次是股份銀行，最大的是城商行風(fēng)險最大，其中最大的是上海銀行。同時發(fā)現(xiàn)，國有和股份商業(yè)銀行風(fēng)險均遠(yuǎn)遠(yuǎn)小于互聯(lián)網(wǎng)金融風(fēng)險，但是城商行比互聯(lián)網(wǎng)金融風(fēng)險相當(dāng)。

第二，互聯(lián)網(wǎng)金融對不同類型商業(yè)銀行的風(fēng)險溢出差別較大，風(fēng)險溢出最高的是國有銀行，其中最大的是建設(shè)銀行，其次是股份銀行，最低的是城商行，其中最低的是南京銀行。

第三，整體來看，互聯(lián)網(wǎng)金融和各商業(yè)銀行自身的風(fēng)險差異不大，但是互聯(lián)網(wǎng)金融對各個商業(yè)銀行風(fēng)險溢出差異較大。同時發(fā)現(xiàn)，自身風(fēng)險較小的銀行反倒更容易受到互聯(lián)網(wǎng)金融風(fēng)險溢出影響，即互聯(lián)網(wǎng)金融造成的系統(tǒng)性風(fēng)險對于自身風(fēng)險越小的銀行溢出效應(yīng)越大。

基于以上研究結(jié)論，本文得出的政策啟示是，密切關(guān)注互聯(lián)網(wǎng)金融和各大商業(yè)銀行風(fēng)險，重點關(guān)注互聯(lián)網(wǎng)金融行業(yè)和城商行的經(jīng)營風(fēng)險;同時關(guān)注互聯(lián)網(wǎng)金融對中國商業(yè)銀行系統(tǒng)性風(fēng)險溢出效應(yīng)，重點跟蹤互聯(lián)網(wǎng)金融對國有銀行的溢出風(fēng)險;嚴(yán)防互聯(lián)網(wǎng)金融出現(xiàn)極端風(fēng)險情況后向商業(yè)銀行傳導(dǎo);互聯(lián)網(wǎng)金融的迅速發(fā)展，打破了風(fēng)險管理格局，加強各方面宏觀審慎監(jiān)管，才能避免因風(fēng)險溢出效應(yīng)加大引起的系統(tǒng)性金融危機。

參考文獻(xiàn)：

[1]? Huang Xin，Zhou Hao，Zhu Haibin.A framework for assessing the systemic risk of major financial institutions[R].BIS Working Paper，2009，（281）：1-37.

[2]? Tarashev N.，Borio C.，Tsatsaronis K.Attributing systemic risk to individual institutions[R].BIS Working Papers，2010，（308）：1-21.

[3]? 尹梅.互聯(lián)網(wǎng)金融與商業(yè)銀行關(guān)系研究[J].中國商論，2017，（33）.

[4]? 張景桐.互聯(lián)網(wǎng)金融對傳統(tǒng)金融的挑戰(zhàn)[J].財會學(xué)習(xí)，2018，（9）.

[5]? 鄒靜，王洪衛(wèi).互聯(lián)網(wǎng)金融對中國商業(yè)銀行系統(tǒng)性風(fēng)險的影響——基于SAVR模型的實證研究[J].財經(jīng)理論與實踐，2017，（1）.

[6]? 吳詩偉，朱業(yè)，李拓.利率市場化、互聯(lián)網(wǎng)金融與商業(yè)銀行風(fēng)險——基于面板數(shù)據(jù)動態(tài)GMM 方法的實證檢驗[J].金融經(jīng)濟學(xué)研究，2015，（6）.