許曄
【摘要】本文以銀行間資產(chǎn)證券化市場(chǎng)為例,用SV模擬的方法進(jìn)行波動(dòng)分析,并在此基礎(chǔ)上進(jìn)一步采用馬爾科夫區(qū)制轉(zhuǎn)移模型進(jìn)行變動(dòng)特征研究,以期初步刻畫資產(chǎn)證券化市場(chǎng)的風(fēng)險(xiǎn)狀況并提出相關(guān)建議。
【關(guān)鍵詞】證券化市場(chǎng)?SV模擬 MSIH-VAR模型 風(fēng)險(xiǎn)度量
一、引言
近年來(lái),資產(chǎn)證券化市場(chǎng)進(jìn)入了快速發(fā)展通道,2018年資產(chǎn)證券化產(chǎn)品發(fā)行量已突破兩萬(wàn)億元,五年復(fù)合增長(zhǎng)率43%。但是資產(chǎn)證券化市場(chǎng)三萬(wàn)多億元的市場(chǎng)存量與近百萬(wàn)億元的債券市場(chǎng)規(guī)模相比,仍然有巨大的發(fā)展空間。加之近期監(jiān)管改革、市場(chǎng)整頓,非標(biāo)資產(chǎn)投資逐步萎縮,都為資產(chǎn)證券化這一標(biāo)準(zhǔn)產(chǎn)品市場(chǎng)提供了良好的發(fā)展環(huán)境。因此,做好資產(chǎn)證券化市場(chǎng)的風(fēng)險(xiǎn)解析,完善市場(chǎng)建設(shè)尤為重要。本文試圖以銀行間資產(chǎn)證券化市場(chǎng)為例,用SV模擬的方法進(jìn)行波動(dòng)分析,并在此基礎(chǔ)上進(jìn)一步采用馬爾科夫區(qū)制轉(zhuǎn)移模型進(jìn)行變動(dòng)特征研究,進(jìn)行資產(chǎn)證券化市場(chǎng)的風(fēng)險(xiǎn)的識(shí)別與度量,并試圖找到影響資產(chǎn)證券化市場(chǎng)波動(dòng)的原因,并提出相關(guān)建議。
二、文獻(xiàn)綜述
從資產(chǎn)證券化市場(chǎng)啟動(dòng)以來(lái),對(duì)資產(chǎn)證券化風(fēng)險(xiǎn)的研究在學(xué)術(shù)界已有相關(guān)探索。對(duì)資產(chǎn)證券化風(fēng)險(xiǎn)探討最為深入和廣泛的是對(duì)資產(chǎn)證券化的信用風(fēng)險(xiǎn)水平研究。謝偉杰(2014年)總結(jié)了資產(chǎn)證券化信用風(fēng)險(xiǎn)的特點(diǎn),并認(rèn)為資產(chǎn)證券化信用風(fēng)險(xiǎn)具有市場(chǎng)化、傳染性和增加桿杠的特點(diǎn)。陳逸、朱娜娜(2015年)針對(duì)商業(yè)銀行資產(chǎn)證券化帶來(lái)的風(fēng)險(xiǎn)進(jìn)行探討,認(rèn)為商業(yè)銀行信貸資產(chǎn)證券化產(chǎn)生的風(fēng)險(xiǎn)主要為信用風(fēng)險(xiǎn)、法律風(fēng)險(xiǎn)、信息風(fēng)險(xiǎn),并針對(duì)這幾種風(fēng)險(xiǎn)提出了防范措施。Carbo-Valverde和Degryse等(2015年)認(rèn)為對(duì)信貸資產(chǎn)證券化信用等級(jí)的標(biāo)準(zhǔn)降低是產(chǎn)生信?用風(fēng)險(xiǎn)的重要原因。謝赤、凌毓秀(2018年)運(yùn)用KMV模型對(duì)2017年12月以前和2017年12月以后兩個(gè)時(shí)期的上市銀行資產(chǎn)證券化的信用風(fēng)險(xiǎn)進(jìn)行了度量,并建立了上市銀行的股票網(wǎng)絡(luò)結(jié)構(gòu),采用最小生成樹(shù)法考察商銀行間的風(fēng)險(xiǎn)傳染,結(jié)果表明大型銀行的風(fēng)險(xiǎn)水平較低,股份制銀行、城商行和農(nóng)商行位于風(fēng)險(xiǎn)傳染的中心。李佳(2019年)基于2011~2017年的面板數(shù)據(jù)研究了資產(chǎn)證券化對(duì)銀行信用風(fēng)險(xiǎn)水平的影響,結(jié)果表明,銀行在資產(chǎn)證券化初期,由于資產(chǎn)證券化的基礎(chǔ)資產(chǎn)均為評(píng)級(jí)較好的信用產(chǎn)品,資產(chǎn)證券化信用風(fēng)險(xiǎn)水平有所上升,長(zhǎng)期來(lái)看資產(chǎn)證券化可以實(shí)現(xiàn)風(fēng)險(xiǎn)的緩釋。王星宇等(2019年)運(yùn)用KMV修正模型,對(duì)2005~2017年商業(yè)銀行發(fā)行的94只信貸資產(chǎn)證券化進(jìn)行風(fēng)險(xiǎn)度量,并認(rèn)為非國(guó)有銀行的信用風(fēng)險(xiǎn)水平低于國(guó)有銀行的信用風(fēng)險(xiǎn)水平。許余吉等(2017年)分析了企業(yè)資產(chǎn)證券化市場(chǎng)風(fēng)險(xiǎn),并認(rèn)為從企業(yè)資產(chǎn)證券化的信用風(fēng)險(xiǎn)主要來(lái)自交易結(jié)構(gòu)、基礎(chǔ)資產(chǎn)信用質(zhì)量、主體信用等因素的風(fēng)險(xiǎn)。
也有部分學(xué)者探討資產(chǎn)證券化對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響及表現(xiàn)。李從文(2015年)通過(guò)建立資本資產(chǎn)定價(jià)模型,檢驗(yàn)了2007~2013年資產(chǎn)證券化對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響,并認(rèn)為短期內(nèi)資產(chǎn)證券化可以降低銀行系統(tǒng)性風(fēng)險(xiǎn),長(zhǎng)期內(nèi)由于傳染性增加,資產(chǎn)證券化產(chǎn)品反而增加了銀行系統(tǒng)性風(fēng)險(xiǎn)。謝平、紀(jì)志宏等(2016年)認(rèn)為我國(guó)信貸資產(chǎn)證券化市場(chǎng)發(fā)展不順暢從而導(dǎo)致大量信貸資產(chǎn)通過(guò)同業(yè)合作、銀信理財(cái)?shù)瓤绫O(jiān)管的形式出表,對(duì)信用債市場(chǎng)產(chǎn)生擠壓,從而導(dǎo)致了流動(dòng)性風(fēng)險(xiǎn)從表外傳染至表內(nèi),增加系統(tǒng)性風(fēng)險(xiǎn)。徐文舸、劉洋(2017年)通過(guò)構(gòu)建理論模型,來(lái)研究“發(fā)起—分銷”模式的資產(chǎn)證券化如何導(dǎo)致銀行出現(xiàn)流動(dòng)性危機(jī)的整個(gè)過(guò)程,他們認(rèn)為,銀行間市場(chǎng)流動(dòng)性不足導(dǎo)致資產(chǎn)證券化抵押的現(xiàn)象,一旦抵押收益率低于預(yù)期收益率時(shí),將會(huì)使風(fēng)險(xiǎn)傳導(dǎo)至銀行,乃至出現(xiàn)整個(gè)市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)。對(duì)資產(chǎn)證券化的流動(dòng)性風(fēng)險(xiǎn)研究主要來(lái)自監(jiān)管機(jī)構(gòu)。福建銀監(jiān)局南平分局課題組(2015年)對(duì)資產(chǎn)證券化系統(tǒng)的流動(dòng)性進(jìn)行分析,并在分析美國(guó)、韓國(guó)不良資產(chǎn)證券化教訓(xùn)的基礎(chǔ)上提出對(duì)資產(chǎn)證券化流動(dòng)性風(fēng)險(xiǎn)的監(jiān)管措施。Allen.E和A.Singh(2016年)年認(rèn)為資產(chǎn)證券化產(chǎn)品帶來(lái)許多承銷商以影子銀行的形式出現(xiàn)在市場(chǎng)上,規(guī)避監(jiān)管帶來(lái)系統(tǒng)性風(fēng)險(xiǎn)。
雖然學(xué)術(shù)界和業(yè)界對(duì)資產(chǎn)證券化風(fēng)險(xiǎn)的探討較多,但我們發(fā)現(xiàn)大多數(shù)的都停留在對(duì)資產(chǎn)證券化的信用風(fēng)險(xiǎn)研究,對(duì)市場(chǎng)風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)的討論基本停留在理論層面,且僅有黎紀(jì)東(2015年)和姜智敏等(2019年)等少數(shù)文獻(xiàn)有所涉及。其中,部分原因是中國(guó)資產(chǎn)證券化市場(chǎng)發(fā)展尚不成熟,可供分析和研究的數(shù)據(jù)較少。但是考慮到資產(chǎn)證券化市場(chǎng)在整個(gè)金融市場(chǎng)體系中的重要性日益增加,本文仍然試圖從有限的數(shù)據(jù)中找到一些可以度量資產(chǎn)證券化市場(chǎng)波動(dòng)的變量,從而初步認(rèn)識(shí)刻畫資產(chǎn)證券化市場(chǎng)風(fēng)險(xiǎn)。
三、模型選取及實(shí)證分析
(一)基于SV(隨機(jī)波動(dòng))模型的資產(chǎn)證券化市場(chǎng)波動(dòng)模擬
金融市場(chǎng)產(chǎn)品的風(fēng)險(xiǎn)度量一般采用波動(dòng)模型。目前,國(guó)內(nèi)對(duì)金融市場(chǎng)風(fēng)險(xiǎn)度量主要采用GRACH、ARCH等模型進(jìn)行模擬,也有一部分學(xué)者采用隨機(jī)波動(dòng)模擬的方法,學(xué)者們比較多個(gè)計(jì)量模型的預(yù)測(cè)能力后發(fā)現(xiàn),隨機(jī)波動(dòng)模擬的方法從擬合度、預(yù)測(cè)能力等多個(gè)方面都有更好的效果,且存在異方差性和序列相關(guān)性時(shí),隨機(jī)波動(dòng)模擬結(jié)果更為顯著,因此,我們擬采用標(biāo)準(zhǔn)隨機(jī)波動(dòng)模型對(duì)資產(chǎn)證券化市場(chǎng)的波動(dòng)狀況進(jìn)行模擬。
Taylor(1986年)在解釋金融收益率序列波動(dòng)模型的自回歸行為時(shí)提出了標(biāo)準(zhǔn)的SV模型。
SV模型如下:
(1)
(2)
(3)
其中代表收益率,代表風(fēng)險(xiǎn)補(bǔ)償系數(shù)就是測(cè)量均值波動(dòng)效應(yīng)的回歸系數(shù),為風(fēng)險(xiǎn)補(bǔ)償,風(fēng)險(xiǎn)補(bǔ)償系數(shù)越大說(shuō)明風(fēng)險(xiǎn)溢價(jià)越高,也就是所謂的高收益高風(fēng)險(xiǎn)。代表均值回復(fù)水平,服從均值為,方差為的正態(tài)分布。為獨(dú)立同分布的白噪聲干擾,服從均值為0,方差為1的正態(tài)分布。其中,誤差項(xiàng)和是不相關(guān)且不可觀測(cè)的。是持續(xù)性參數(shù),反應(yīng)了當(dāng)前波動(dòng)對(duì)未來(lái)波動(dòng)的影響。
考慮到數(shù)據(jù)支撐情況,我們擬采用價(jià)格指數(shù)波動(dòng)作為主要研究方向,以收益率波動(dòng)作為研究對(duì)象建立隨機(jī)波動(dòng)模型,獲得波動(dòng)率序列以度量整個(gè)市場(chǎng)風(fēng)險(xiǎn)特征。我們以銀行間資產(chǎn)證券化市場(chǎng)為例,選取了2015年1月4日至2019年10月30日“中債-銀行間資產(chǎn)支持證券指數(shù)”作為資產(chǎn)證券化市場(chǎng)的價(jià)格替代變量。同時(shí),為了便于與整個(gè)債券市場(chǎng)的情況進(jìn)行比較,我們選取相同時(shí)間段的中債全價(jià)指數(shù)作為債券市場(chǎng)的價(jià)格替代變量,選取中國(guó)國(guó)債全價(jià)指數(shù)作為國(guó)債市場(chǎng)的價(jià)格替代變量,對(duì)三項(xiàng)價(jià)格指標(biāo)取對(duì)數(shù)收益率后,采用隨機(jī)波動(dòng)模擬(SV)的計(jì)量方法,測(cè)算出資產(chǎn)證券化市場(chǎng)波動(dòng)率,從而剔除價(jià)格的長(zhǎng)期影響趨勢(shì),度量短期波動(dòng)的效果。圖1就是通過(guò)隨機(jī)波動(dòng)模擬的三個(gè)市場(chǎng)在2015年1月4日至2019年10月30日區(qū)間內(nèi)的價(jià)格波動(dòng)情況。
通過(guò)對(duì)圖1波動(dòng)序列的比較,我們發(fā)現(xiàn):從波動(dòng)方向來(lái)看,資產(chǎn)證券化市場(chǎng)與整個(gè)債券市場(chǎng)和國(guó)債市場(chǎng)的波動(dòng)方向一致;從波動(dòng)率的絕對(duì)值來(lái)看,資產(chǎn)證券化市場(chǎng)與整個(gè)債券市場(chǎng)和國(guó)債市場(chǎng)相比,波動(dòng)率的絕對(duì)值相對(duì)較低。
僅從圖1看,貌似資產(chǎn)證券化市場(chǎng)比債券市場(chǎng)和國(guó)債市場(chǎng)更為穩(wěn)定,這可能與資產(chǎn)證券化市場(chǎng)相對(duì)封閉、二級(jí)市場(chǎng)交易不活躍相關(guān)。但是如果我們將國(guó)債市場(chǎng)的最大波幅與資產(chǎn)證券化市場(chǎng)的最大波幅放在同一個(gè)圖中相比較(見(jiàn)圖2),我們發(fā)現(xiàn),雖然國(guó)債市場(chǎng)的出現(xiàn)波動(dòng)時(shí),最大波幅較大,但其他時(shí)間段的波動(dòng)都相對(duì)最大波幅較小,而資產(chǎn)證券化市場(chǎng)雖然最大波動(dòng)的絕對(duì)波幅不大,但其他時(shí)間段的波動(dòng)相對(duì)于最大波幅較大,這其實(shí)說(shuō)明了資產(chǎn)證券化市場(chǎng)的自身穩(wěn)定性是較差的,自身風(fēng)險(xiǎn)防御能力恰恰較弱。
在對(duì)資產(chǎn)證券化市場(chǎng)波動(dòng)序列初步刻畫的基礎(chǔ)上,我們將運(yùn)用馬爾科夫區(qū)制轉(zhuǎn)移模型,對(duì)資產(chǎn)證券化市場(chǎng)的風(fēng)險(xiǎn)波動(dòng)狀態(tài)進(jìn)行進(jìn)一步識(shí)別。
(二)馬爾科夫區(qū)制轉(zhuǎn)移模型(MS-VAR)
1.模型選擇
馬爾科夫區(qū)制轉(zhuǎn)移模型可以通過(guò)捕捉時(shí)間序列數(shù)據(jù)生成過(guò)程中的離散變化,其優(yōu)勢(shì)在于識(shí)別序列的不同狀態(tài),能發(fā)覺(jué)時(shí)間序列中的結(jié)構(gòu)性突變向機(jī)制性轉(zhuǎn)換的過(guò)程,使結(jié)構(gòu)變化內(nèi)生化,從而判斷不同狀態(tài)發(fā)生的時(shí)間及原因,這一模型可以在我們得出資產(chǎn)證券化市場(chǎng)波動(dòng)的情況下,更好地幫助我們識(shí)別資產(chǎn)證券化市場(chǎng)、債券市場(chǎng)的風(fēng)險(xiǎn)轉(zhuǎn)換情況,這將有利于我們挖掘資產(chǎn)證券化市場(chǎng)風(fēng)險(xiǎn)產(chǎn)生的原因。
對(duì)單一時(shí)間序列進(jìn)行區(qū)制劃分時(shí),通常在馬爾科夫區(qū)制轉(zhuǎn)移模型中加入向量自回歸,建立如下表達(dá)式刻畫該模型:
(4)
其中,,狀態(tài)變量分別表示種區(qū)制狀態(tài),并假定從期的狀態(tài)轉(zhuǎn)移到期的狀態(tài)的轉(zhuǎn)移概率滿足離散取值的一階馬爾科夫過(guò)程,其中,表示的前期信息,而表示外生變量,表示轉(zhuǎn)區(qū)制中的參數(shù)估計(jì)向量下的平均變動(dòng)情況,狀態(tài)變量分別表示種區(qū)制狀態(tài)。
由于資產(chǎn)證券化市場(chǎng)風(fēng)險(xiǎn)狀態(tài)的影響因素較多,因此我們認(rèn)為擾動(dòng)項(xiàng)在不同狀態(tài)下呈現(xiàn)出不同的規(guī)律,因此我們可以選取均值方差都隨著狀態(tài)轉(zhuǎn)化的異質(zhì)性模型且本文采取MSMH(M)-VAR(p)的模型,或者截距及方差都隨著狀態(tài)轉(zhuǎn)化的異質(zhì)性模型MSIH(M)-VAR(p)對(duì)資產(chǎn)證券化市場(chǎng)的流動(dòng)性風(fēng)險(xiǎn)特征進(jìn)行描述,從而對(duì)波動(dòng)聚集效應(yīng)進(jìn)行更好刻畫。
MSMH模型的具體形式為:
(5)
其中,并且當(dāng)時(shí),。
MSIH模型的具體形式為:
(6)
MSIH相對(duì)于MSMH模型的優(yōu)點(diǎn)在于可以更好的平滑在區(qū)制轉(zhuǎn)移過(guò)程中均值的跳躍性變動(dòng),使得均值更加平滑。因此我們認(rèn)為MSIH-VAR模型更加適合資產(chǎn)證券化市場(chǎng)風(fēng)險(xiǎn)變動(dòng)特征研究。
我們對(duì)上面SV模擬后波動(dòng)率序列進(jìn)行頻率轉(zhuǎn)化,針對(duì)轉(zhuǎn)頻后的波動(dòng)率序列進(jìn)行了平穩(wěn)性檢驗(yàn),發(fā)現(xiàn)序列平穩(wěn)。最后,我們對(duì)AIC準(zhǔn)則、HQ、SC準(zhǔn)則進(jìn)行比較,認(rèn)為對(duì)資產(chǎn)證券化市場(chǎng)的風(fēng)險(xiǎn)區(qū)制描述采用MSIH(2)-VAR(4)更能分析其風(fēng)險(xiǎn)變動(dòng)特征,且較有說(shuō)服力。
2.實(shí)證結(jié)果
我們對(duì)資產(chǎn)證券化市場(chǎng)風(fēng)險(xiǎn)進(jìn)行模型分析的結(jié)果見(jiàn)圖3、圖4。
一般區(qū)制轉(zhuǎn)移概率(Probabilities)超過(guò)0.5即認(rèn)為市場(chǎng)在該狀態(tài)下的概率較高。整個(gè)的轉(zhuǎn)移過(guò)程遵循馬爾科夫過(guò)程,即轉(zhuǎn)
移概率代表該狀態(tài)下向高波動(dòng)(或低波動(dòng))的概率。根據(jù)平滑概率我們可以看出,資產(chǎn)證券化市場(chǎng)的高波動(dòng)狀態(tài)與低波動(dòng)狀態(tài)出現(xiàn)了清晰的劃分,且區(qū)制轉(zhuǎn)移過(guò)程明顯。兩區(qū)制模型中的區(qū)制轉(zhuǎn)移概率分別為0.8410與0.7586。從區(qū)制轉(zhuǎn)移概率圖和風(fēng)險(xiǎn)波動(dòng)區(qū)間轉(zhuǎn)化表我們可以看出,資產(chǎn)證券化市場(chǎng)高風(fēng)險(xiǎn)波動(dòng)頻率較高,且區(qū)制轉(zhuǎn)移頻繁。從2015年至2019年的時(shí)間,資產(chǎn)證券化市場(chǎng)出現(xiàn)了8次風(fēng)險(xiǎn)區(qū)制轉(zhuǎn)移,其中有4次高波動(dòng)區(qū)間,再一次證明了資產(chǎn)證券化市場(chǎng)的穩(wěn)定性較差。從4次高波動(dòng)區(qū)間來(lái)看,前兩次處于高波動(dòng)狀態(tài)的持續(xù)時(shí)間要明顯低于后兩次。通過(guò)回顧近四年的市場(chǎng)情況,我們發(fā)現(xiàn)資產(chǎn)證券化市場(chǎng)的四次高風(fēng)險(xiǎn)波動(dòng)均與流動(dòng)性緊張相關(guān)。(見(jiàn)表1)
2015年末的高波動(dòng)主要由于信貸資產(chǎn)證券化首次實(shí)現(xiàn)做市成交,隨著市場(chǎng)流動(dòng)性增加,資產(chǎn)證券化市場(chǎng)波動(dòng)首次增加,出現(xiàn)由于做市交易帶來(lái)與之前的市場(chǎng)流動(dòng)性反差較大的情況,體現(xiàn)為價(jià)格波動(dòng)較大。
2016年底,受到金融去桿桿等情況影響,同時(shí)美國(guó)貨幣政策開(kāi)始收緊,債券市場(chǎng)出現(xiàn)了較大的流動(dòng)性波動(dòng),帶動(dòng)資產(chǎn)證券化市場(chǎng)的風(fēng)險(xiǎn)有所上升,發(fā)行利率上行,部分發(fā)行困難。
2017年3月份開(kāi)始,資管新規(guī)開(kāi)始出臺(tái),債券市場(chǎng)熊市開(kāi)始,債券市場(chǎng)流動(dòng)性緊張持續(xù)了較長(zhǎng)時(shí)間。
2018年,資產(chǎn)證券化市場(chǎng)出現(xiàn)爆發(fā)試的規(guī)模增長(zhǎng),一級(jí)市場(chǎng)發(fā)行量持續(xù)增長(zhǎng),發(fā)行量劇增但是市場(chǎng)能夠配置資產(chǎn)證券化產(chǎn)品的資金方較為固定,導(dǎo)致流動(dòng)性相對(duì)緊張局面出現(xiàn),整個(gè)資產(chǎn)證券化市場(chǎng)又進(jìn)入了高風(fēng)險(xiǎn)波動(dòng)區(qū)間,2019年初才回歸平穩(wěn)。
綜上,馬爾科夫模型模擬出的區(qū)制轉(zhuǎn)化情況和現(xiàn)實(shí)的市場(chǎng)流動(dòng)性狀況高度吻合,基于此,流動(dòng)性風(fēng)險(xiǎn)應(yīng)該是資產(chǎn)證券化市場(chǎng)風(fēng)險(xiǎn)的主要驅(qū)動(dòng)因素。
3.與債券市場(chǎng)比較
為了更好地找到資產(chǎn)證券化市場(chǎng)風(fēng)險(xiǎn)區(qū)制轉(zhuǎn)換頻繁的原因,我們將資產(chǎn)證券化市場(chǎng)與整個(gè)債券市場(chǎng)進(jìn)行比較,對(duì)2015年至2019年的債券市場(chǎng)風(fēng)險(xiǎn)波動(dòng)序列建立馬爾科夫風(fēng)險(xiǎn)區(qū)制轉(zhuǎn)移模型,得出債券市場(chǎng)波動(dòng)區(qū)間。(見(jiàn)表2)
和資產(chǎn)證券化市場(chǎng)風(fēng)險(xiǎn)區(qū)制轉(zhuǎn)換對(duì)比來(lái)看,我們可以看出債券市場(chǎng)一旦進(jìn)入高風(fēng)險(xiǎn)區(qū)制,自身恢復(fù)能力較強(qiáng),很快轉(zhuǎn)化為低風(fēng)險(xiǎn)區(qū)制,而資產(chǎn)證券化市場(chǎng)一旦進(jìn)入高風(fēng)險(xiǎn)區(qū)制則惰性較強(qiáng),較難恢復(fù)到低風(fēng)險(xiǎn)的平緩波動(dòng)狀態(tài)。2016~2018年的三年,資產(chǎn)證券化市場(chǎng)與債券市場(chǎng)均出現(xiàn)相同的高風(fēng)險(xiǎn)階段,但明顯資產(chǎn)證券化市場(chǎng)的高風(fēng)險(xiǎn)持續(xù)時(shí)間較長(zhǎng)。
四、結(jié)論及建議
(一)初步結(jié)論
本文對(duì)資產(chǎn)證券化市場(chǎng)波動(dòng)狀況進(jìn)行隨機(jī)波動(dòng)模擬后建立馬爾科夫區(qū)制轉(zhuǎn)移模型,對(duì)市場(chǎng)風(fēng)險(xiǎn)特征進(jìn)行分析,可以得到以下結(jié)論:
1.作為債券市場(chǎng)的組成部分,債券市場(chǎng)整體風(fēng)險(xiǎn)狀況決定了資產(chǎn)證券化市場(chǎng)的風(fēng)險(xiǎn)波動(dòng)情況;
2.考慮到資產(chǎn)證券化市場(chǎng)的深度有限,二級(jí)市場(chǎng)建設(shè)尚處于早期階段,以一級(jí)市場(chǎng)作為主要內(nèi)容的資產(chǎn)證券化市場(chǎng)受二級(jí)市場(chǎng)流動(dòng)性沖擊小,風(fēng)險(xiǎn)波動(dòng)絕對(duì)幅度要小于債券市場(chǎng)整體,但是由于其自身穩(wěn)定性較差且,相對(duì)波動(dòng)幅度大,波動(dòng)更為頻繁;
3.從對(duì)資產(chǎn)證券化市場(chǎng)持續(xù)近五年的風(fēng)險(xiǎn)波動(dòng)情況看,共出現(xiàn)高風(fēng)險(xiǎn)波動(dòng)與低風(fēng)險(xiǎn)波動(dòng)8次的相互轉(zhuǎn)化,資產(chǎn)證券化市場(chǎng)區(qū)制轉(zhuǎn)換頻繁,一旦進(jìn)入高風(fēng)險(xiǎn)階段則難以自愈,而債券市場(chǎng)一旦進(jìn)入高風(fēng)險(xiǎn)階段則較為容易轉(zhuǎn)換為低風(fēng)險(xiǎn),因此,資產(chǎn)證券化市場(chǎng)抵御風(fēng)險(xiǎn)能力和風(fēng)險(xiǎn)吸收能力都相對(duì)較弱;
4.流動(dòng)性風(fēng)險(xiǎn)是資產(chǎn)證券化市場(chǎng)目前主要的風(fēng)險(xiǎn)驅(qū)動(dòng)因素。
(二)相關(guān)建議
從以上結(jié)論我們看出,盡管目前資產(chǎn)證券化市場(chǎng)在市場(chǎng)封閉的情況下,市場(chǎng)波動(dòng)較小,但是其內(nèi)部的脆弱性和單一性都是未來(lái)資產(chǎn)證券化業(yè)務(wù)發(fā)展的較大隱患,需要未雨綢繆建立相應(yīng)機(jī)制進(jìn)行風(fēng)險(xiǎn)防范和化解。從商業(yè)銀行等金融機(jī)構(gòu)的角度出發(fā),我們認(rèn)為發(fā)行資產(chǎn)證券化產(chǎn)品仍然是緩釋資本、釋放業(yè)務(wù)額度的優(yōu)質(zhì)工具,為此我們提出如下建議:
1.不斷增加資產(chǎn)證券化產(chǎn)品品種,通過(guò)擴(kuò)容的方式增強(qiáng)市場(chǎng)自身穩(wěn)定性。雖然資產(chǎn)證券化市場(chǎng)規(guī)模已經(jīng)3萬(wàn)多億,但相比整個(gè)債券市場(chǎng)近百萬(wàn)億的容量,市場(chǎng)份額有待進(jìn)一步提高,不斷擴(kuò)大市場(chǎng),吸收各類基礎(chǔ)資產(chǎn)的品種,增大市場(chǎng)容量,有利于資產(chǎn)證券化市場(chǎng)加大自身的穩(wěn)定性。
2.加強(qiáng)銀行間資產(chǎn)證券化市場(chǎng)的做市交易要求,提高流動(dòng)性以防范流動(dòng)性危機(jī)。雖然監(jiān)管機(jī)構(gòu)已經(jīng)對(duì)資產(chǎn)證券化產(chǎn)品做市提出了相關(guān)規(guī)定,但是從市場(chǎng)數(shù)據(jù)來(lái)看,2019年上半年信貸資產(chǎn)證券化的換手率僅為8.7%,而債券的換手率為93.8%。在當(dāng)前市場(chǎng)參與主體僅為金融機(jī)構(gòu)且以商業(yè)銀行為主導(dǎo)的前提下,增加金融機(jī)構(gòu)的做市要求是增強(qiáng)市場(chǎng)流動(dòng)性的重要手段。
3.建立統(tǒng)一資產(chǎn)證券化市場(chǎng)風(fēng)險(xiǎn)監(jiān)測(cè)指標(biāo),做好壓力測(cè)試。美國(guó)次貸危機(jī)的教訓(xùn)仍在眼前,資產(chǎn)證券化作為一個(gè)盤活資金,提高市場(chǎng)活力,增加金融資產(chǎn)流動(dòng)性的重要手段,在大力發(fā)展深化的同時(shí),還應(yīng)針對(duì)資產(chǎn)證券化市場(chǎng)建立風(fēng)險(xiǎn)監(jiān)測(cè)指標(biāo),做好金融市場(chǎng)壓力測(cè)試,防范系統(tǒng)性風(fēng)險(xiǎn)的爆發(fā)。
【參考文獻(xiàn)】
1.陳逸、朱娜娜,商業(yè)銀行信貸資產(chǎn)證券化業(yè)務(wù)的風(fēng)險(xiǎn)管理研究,2015年13期,145。
2.福建銀監(jiān)局南平分局課題組,銀行信貸資產(chǎn)證券化流動(dòng)性風(fēng)險(xiǎn)及監(jiān)管模式研究——基于系統(tǒng)協(xié)同 論視角的分析,金融監(jiān)管研究,2015 年第 12 期,16-30。
3.黎紀(jì)東,淺談我國(guó)資產(chǎn)證券化市場(chǎng)發(fā)展的風(fēng)險(xiǎn)防范,時(shí)代金融,2016 第 11 期中旬刊(總第 642 期),156。
4.姜智敏、郭沛、吳贊,當(dāng)前我國(guó)資產(chǎn)證券化市場(chǎng)發(fā)展的 分化現(xiàn)象及對(duì)策,征信,2019年第3期,85-88。
5.李叢文,信貸證券化減少我國(guó)銀行系統(tǒng)性風(fēng)險(xiǎn)了嗎,國(guó)際金融研究,2015 年第 6期,65-75。
6.李佳,資產(chǎn)證券化能否緩解銀行信用風(fēng)險(xiǎn)承擔(dān)? —— —來(lái)自中國(guó)銀行業(yè)的經(jīng)驗(yàn)證據(jù),國(guó)際金融研究,2019.6,57-66。
7.劉偉江,丁一,隋建利,貨幣政策對(duì)股市收益率的影響: 非對(duì)稱效應(yīng)解析,廣東財(cái)經(jīng)大學(xué)學(xué)報(bào),2015年第5期(總第142期),69-77。
8.王春峰,蔣祥林,李 剛. 基于隨機(jī)波動(dòng)性模型的中國(guó)股市波動(dòng)性估計(jì),管理科學(xué)學(xué)報(bào),2003(4) :63 -72。
9.王星予、余麗霞、陽(yáng)曉明,商業(yè)銀行信貸資產(chǎn)證券化信用風(fēng)險(xiǎn)研究 ——基于修正的 KMV 模型,金融監(jiān)管研究,2019年第3期,54-66。
10.許余潔、鄧博文,我國(guó)企業(yè)資產(chǎn)證券化市場(chǎng)的風(fēng)險(xiǎn)分析與信用評(píng)級(jí)關(guān)注,金融法苑,2017年總第九十五輯,109-119。
11.謝偉杰,資產(chǎn)證券化信用風(fēng)險(xiǎn)問(wèn)題探討,時(shí)代金融,2014年第12期下旬刊(總第574期),159-160。
12.謝平、紀(jì)志宏、徐忠和鄒傳偉,銀行信貸出表及其對(duì)信用債券市場(chǎng)的影響,新金融評(píng)論,2016年第3期,41-56。
13.徐文舸、劉洋,銀行信貸資產(chǎn)證券化的潛在流動(dòng)性風(fēng)險(xiǎn)與監(jiān)管研究,金融監(jiān)管研究,2017年第11 期,83-93。
14.謝赤和凌毓秀,銀行信貸資產(chǎn)證券化信用風(fēng)險(xiǎn)度量及傳染研究——基于修正KMV 模型和MST 算 法的實(shí)證,財(cái)經(jīng)理論與實(shí)踐,2018 年第 3期,2-8。
15.姚玥悅,鄧創(chuàng),李威,新形勢(shì)下我國(guó)債券市場(chǎng)風(fēng)險(xiǎn)特征研究,經(jīng)濟(jì)縱橫,2017 年第11期,118-122。
16.Hamilton James D. ,A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle Author( s) : James D. Hamilton Source: Econometrica,Vol. 57,198 2 ( Mar. ,1989) ,pp. 357 -384 Published by: The Econometric Society Stable URL: http: / / www. jstor. org/stable/1912559 Accessed: 14 -09 -2017 13:23 UTC. The Econometric Society.
17.Allen, E., R. Powell, and A. Singh, Take It to The Limit: Innovative CVAR Applications to Extreme Credit Risk Measurement, European Journal of Operational Research, 2016, 249(2), 465-475.
18.Carbo-Valverde,S.,Degryse,H.,Rodriguez-Fernandez,F(xiàn).,The Impact of Securitization on Credit Rationing: Empirical Evidence[J]. Journal of Financial Stability,2015,10 (20):36-50.
(作者單位:中國(guó)社會(huì)科學(xué)院大學(xué)、中國(guó)建設(shè)銀行)