任勝男，章善云

（1.上海工程技術(shù)大學(xué)，上海 201620；2.倫敦大學(xué) 瑪麗皇后學(xué)院，倫敦 E1 4NS）

引言

從2010年以來，我國逐步使用了信用風(fēng)險緩釋工具（簡稱CRM）。目前，學(xué)術(shù)界一部分人認(rèn)為CRM是有益的，有助于整個金融環(huán)境的穩(wěn)定和發(fā)展，但也有相當(dāng)一部分人提及了其可能對銀行系統(tǒng)帶來負(fù)面影響。在此背景下，研究信用風(fēng)險轉(zhuǎn)移市場的成長和未來發(fā)展以及CRM對銀行系統(tǒng)性風(fēng)險水平的影響意義非凡。鑒于目前的經(jīng)濟(jì)環(huán)境下，本文在分析相關(guān)文獻(xiàn)的理論基礎(chǔ)和實(shí)踐經(jīng)驗(yàn)上，從CRM中的貸款轉(zhuǎn)讓角度出發(fā)，利用CAPM模型，探討其影響銀行系統(tǒng)風(fēng)險的水平和程度，并測量貸款與銀行風(fēng)險的關(guān)系問題。這將幫助監(jiān)管機(jī)構(gòu)更好地確定CRM的未來發(fā)展和走向，以有效的政策保持宏觀經(jīng)濟(jì)穩(wěn)定，以防范信用風(fēng)險、維護(hù)金融穩(wěn)定，使風(fēng)險緩釋發(fā)揮其最大作用。

一、國內(nèi)外文獻(xiàn)綜述

我國學(xué)者丁東洋（2011）[1]認(rèn)為，基于信息不對稱視角下CRT不會對金融界構(gòu)成威脅，而是促進(jìn)了金融環(huán)境的和諧，有利于金融環(huán)境的穩(wěn)定發(fā)展。李琪（2015）[2]分析CRT與金融穩(wěn)定性關(guān)系的相關(guān)文獻(xiàn)，總結(jié)得出了二者之間的3個重要維度，認(rèn)為二者之間有著密切的聯(lián)系。

Wagner和 Marsh（2004）[3]認(rèn)為，CRT 市場一定程度上增加了金融系統(tǒng)的穩(wěn)定性。Dirk U.Baur，Elisabeth Joossens（2006）[4]分析認(rèn)為通過將風(fēng)險轉(zhuǎn)移到金融交易市場中的其他參與者，是會增加銀行的系統(tǒng)性風(fēng)險。陳秀花（2006）[5]認(rèn)為，CRT會對金融的穩(wěn)定性帶來威脅，并對其提出了解決的政策建議。RobNijskens和Wolf Wagner（2011）[6]通過對β系數(shù)測算發(fā)現(xiàn)，銀行系統(tǒng)性風(fēng)險的增加一定程度上是源于銀行與銀行之間業(yè)務(wù)往來和交易轉(zhuǎn)讓的相關(guān)性增加。

綜合國內(nèi)外文獻(xiàn)研究，信用風(fēng)險轉(zhuǎn)移行為會增加也可能會降低銀行之間的系統(tǒng)性風(fēng)險。目前，對于信用風(fēng)險緩釋對銀行的系統(tǒng)性風(fēng)險影響的研究缺乏統(tǒng)一性的結(jié)論，說明了繼續(xù)研究此課題的重要意義所在。

二、研究設(shè)計

（一）模型設(shè)定

模型設(shè)定方面，建立CAPM模型，通過銀行個股的β值來分析銀行系統(tǒng)的風(fēng)險問題，測算信用風(fēng)險緩釋角度下的貸款轉(zhuǎn)讓對銀行風(fēng)險的影響，并對模型進(jìn)行相關(guān)檢驗(yàn)，以判斷模型的擬合程度和變量之間的解釋關(guān)系和顯著效果。

具體模型為：Rit=αi+βiRmt+εit。在該式中，Rit為第 i支股票在第t時刻的收益率，αi為截距項，Rmt為市場指數(shù)在t時刻的收益率，Βi表示的是系統(tǒng)性風(fēng)險，為第i支股票收益率（經(jīng)過復(fù)權(quán)）的變化對市場組合收益率變化的靈敏度指標(biāo)，εit為隨機(jī)誤差項。

（二）樣本選擇

本文選擇了在已經(jīng)簽署了《主協(xié)議》的21家中國銀行中的6家上市商業(yè)銀行作為樣本，這6家上市銀行包括浦發(fā)、農(nóng)行、光大、工行、招商、建行[7]。

（三）數(shù)據(jù)獲取

為測算近年來我國銀行業(yè)β系數(shù)的變化，并研究其對于銀行自身和對銀行系統(tǒng)風(fēng)險的穩(wěn)定性影響程度，本文中的Rit表示第t時刻股票i的收益率，數(shù)據(jù)選擇了2014年到2016年最近3年時間的6家中國上市商業(yè)銀行收盤價經(jīng)過計算后得到的收益率，頻率為日。本文數(shù)據(jù)全部選用Wind資訊數(shù)據(jù)庫中已經(jīng)測算好的經(jīng)過復(fù)權(quán)后的日收盤價數(shù)據(jù)。

三、銀行系統(tǒng)性風(fēng)險實(shí)證分析

（一）2016年β系數(shù)

在對數(shù)據(jù)進(jìn)行選擇并修正后，將2016年滬深300指數(shù)市場的日收益率作為自變量，因變量是6家上市銀行的個股收益率，利用本科所學(xué)的統(tǒng)計軟件SPSS運(yùn)用OLS進(jìn)行回歸，α定為0.05，將回歸結(jié)果整理如表1。

表中的R方為調(diào)整后的R方，其值區(qū)間為[0.321，0.603]，由此可以得知總體上兩個變量之間的線性方程與兩個變量之間真實(shí)關(guān)系的擬合程度良好。前文已經(jīng)給定顯著性水平0.05，回歸結(jié)果中p值全部小于0.001，說明市場收益對個股收益的影響程度結(jié)果顯著。時間序列的回歸一般都會存在自相關(guān)，本文的回歸結(jié)果DW值落于區(qū)間[1.899，2.257]內(nèi)，表明總體上時間序列相關(guān)不嚴(yán)重。在一元線性回歸中，指標(biāo)T和F的檢驗(yàn)是效果是相等的，本文從回歸方程的結(jié)果上來看，T值通通大于2，F(xiàn)值的區(qū)間全部落于[55.524，299.987]，由此可以看出F值足夠大，因此，回歸的T檢驗(yàn)通過，F(xiàn)檢驗(yàn)也通過。

表1回歸分析

（二）不同年份β系數(shù)

為了研究不同年份β系數(shù)的變化，分別針對2014年、2015年、2016年三個年份，以滬深300指數(shù)市場收益率作為自變量進(jìn)行回歸。同時，為了增加實(shí)證模型的準(zhǔn)確度，選取上證180指數(shù)市場收益率作為自變量進(jìn)行相同操作，并對回歸的結(jié)果求平均值，結(jié)果整理如表2。從上述的回歸結(jié)果可以得出，不同銀行的β系數(shù)差異較大，在選擇滬深300指數(shù)市場組合收益率和各股票收益率回歸時，β值在近三年的變化是先增大后減小且小于前年的β值，選用上證180指數(shù)市場收益率和各證券收益率回歸的β值變化與之相同。由此可以得出在近三年的貸款轉(zhuǎn)讓讓銀行的系統(tǒng)風(fēng)險先增大又減小，在一定程度上影響了銀行系統(tǒng)的穩(wěn)定，并且形成此起彼伏的波動，且結(jié)果顯著。相同年份的滬深300和上證180指數(shù)市場的回歸結(jié)果β系數(shù)基本接近，相差無幾，可以說明選用不同的指數(shù)市場組合收益的效果是基本相同的，且結(jié)果顯著。

表2不同年份β系數(shù)

四、結(jié)論

在本文中，對CAPM模型運(yùn)用股票市場具體的交易數(shù)據(jù)來測算和研究銀行的貸款轉(zhuǎn)讓對系統(tǒng)風(fēng)險的影響，并得出以下幾點(diǎn)結(jié)論。

1.經(jīng)過實(shí)證分析，可以得知近年來在信用風(fēng)險緩釋的推動下，銀行的貸款轉(zhuǎn)讓影響了銀行系統(tǒng)風(fēng)險，使得銀行的風(fēng)險水平變得很不穩(wěn)定。說明貸款轉(zhuǎn)讓在我國發(fā)展處于初級階段，各方面發(fā)展不完善，整體效果不穩(wěn)定，因而會出現(xiàn)一些風(fēng)險振蕩，但總體上不是非常嚴(yán)重，還需要進(jìn)一步測算和控制，穩(wěn)定系統(tǒng)風(fēng)險。

2.通過beta的測算，銀行通過貸款轉(zhuǎn)讓影響了銀行系統(tǒng)性風(fēng)險的穩(wěn)定性，從而得出在目前數(shù)據(jù)獲取相對不足、變量設(shè)定相對模糊的情況下，CRM的使用能夠影響銀行系統(tǒng)性風(fēng)險的穩(wěn)定；近期內(nèi)銀行的β系數(shù)不穩(wěn)定，但總體上相差不大，一定程度上說明了近期其風(fēng)險在行業(yè)間進(jìn)行了轉(zhuǎn)換，增大了銀行間的相關(guān)性；銀行的β系數(shù)可能高于、等于或低于市場風(fēng)險，其投資風(fēng)險也相應(yīng)較高、相等或較低，投資收益相對于投資風(fēng)險也較高、相等或較低，三者成正相關(guān)。