王佶智　張寧

摘 要：基于2007—2018年期間我國14家上市商業(yè)銀行的周股票價格數(shù)據(jù)，通過分位數(shù)回歸方法，計算得到我國14家商業(yè)銀行的VaR以及CoVaR，度量得到銀行系統(tǒng)間的系統(tǒng)性風(fēng)險溢出效應(yīng)。結(jié)果表明，面對外部風(fēng)險沖擊時，我國上市商業(yè)銀行間存在著一定的系統(tǒng)性風(fēng)險溢出效應(yīng)，并且四大國有商業(yè)銀行面對風(fēng)險沖擊時可以更好地把控。因此，我國上市商業(yè)銀行的風(fēng)險溢出效應(yīng)研究，對于維護金融體系穩(wěn)定以及加大商業(yè)銀行風(fēng)險監(jiān)管力度具有重要深遠(yuǎn)的現(xiàn)實意義。

關(guān)鍵詞：風(fēng)險溢出效應(yīng);CoVaR;分位數(shù)回歸;商業(yè)銀行

中圖分類號：F832 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號：1673-291X（2019）06-0078-04

引言

當(dāng)今時代，金融自由化程度不斷提高，但面對的金融風(fēng)險也變得更加普遍，更加具有危害性。當(dāng)金融風(fēng)險來臨時，往往由單一金融機構(gòu)所造成的風(fēng)險在不同機構(gòu)間不斷傳遞，進而導(dǎo)致整個體系的奔潰。故金融體系也在不斷地完善其不同機構(gòu)間傳導(dǎo)的系統(tǒng)性風(fēng)險。而一個相對穩(wěn)健的金融體系對一個國家，乃至整個社會都至關(guān)重要。因此，作為金融體系中核心地位的商業(yè)銀行，研究其在金融體系中的風(fēng)險溢出效應(yīng)具有重要的理論和現(xiàn)實意義。

目前，在研究系統(tǒng)性風(fēng)險溢出的理論體系中，最早是在2008年Adrian與Brunnermeier在風(fēng)險價值VaR的基礎(chǔ)上提出的條件風(fēng)險價值CoVaR，它是用來測量單個金融機構(gòu)對整個金融體系或其他金融機構(gòu)的風(fēng)險溢出效應(yīng)[1]。而Hakwa采用了copula函數(shù)來測算CoVaR值[2]。Bernard等通過SES，CoVaR、MES三種模型進行對比，結(jié)果表明，MES與CoVaR存在相關(guān)性[3]。國內(nèi)學(xué)者也進行了一些相關(guān)研究，如李玉賢采用CoVaR方法測量了銀行業(yè)之間的風(fēng)險波動溢出效應(yīng)，其研究表明規(guī)模較大的銀行系統(tǒng)抵御風(fēng)險的能力越高[4]。與此同時，部分股份制銀行在抵御風(fēng)險時也表示出其較強的能力。程麗娟運用VaR檢測中國商業(yè)銀行的風(fēng)險值以及CoVaR模型檢驗商業(yè)銀行與整個銀行體系間的風(fēng)險溢出效應(yīng)，得到的結(jié)果與之前的風(fēng)險計量技術(shù)相比，CoVaR模型可以測量出商業(yè)銀行對其他銀行機構(gòu)的風(fēng)險溢出效應(yīng)[5]。王周偉、呂思聰和茆訓(xùn)誠運用三種不同方法計算了我國銀行業(yè)的CoVaR值，分別是DCC-GARCH模型、分位數(shù)回歸法以及Copula函數(shù)法[6]。

通過前人研究可以知道我國上市商業(yè)銀行的系統(tǒng)性風(fēng)險溢出效應(yīng)可以通過CoVaR計算得到，可以更有效地衡量我國商業(yè)銀行系統(tǒng)風(fēng)險性[7]。因此，本文選擇通過分位回歸的方法計算得到CoVaR值來衡量我國14家上市商業(yè)銀行的系統(tǒng)性風(fēng)險溢出效應(yīng)。

一、研究方法

（一）條件風(fēng)險價值CoVaR

JP.Morgan早在20世紀(jì)90年代就提出了VaR理論，VaR經(jīng)過一代一代研究者在風(fēng)險領(lǐng)域的廣泛應(yīng)用，現(xiàn)在已經(jīng)成為主流風(fēng)險技術(shù)，并被應(yīng)用在各大金融風(fēng)控部門以及監(jiān)管部門。

從上面的公式可以得知，我們可以通過不同的q值得到不同的分位數(shù)回歸方程曲線。Y不同水平可以通過q反映，故可以通過選取q=0.05時的值來驗證金融收益率時間序列的單峰左尾密集。從本質(zhì)來看，CoVaR其實也是一種分位數(shù)，所以我們可以通過分位數(shù)回歸來有效地計算CoVaR值。

二、實證研究

（一）樣本選取以及數(shù)據(jù)處理

本文選取的研究對象是14家上市商業(yè)銀行，包括四大國有商業(yè)銀行，即中國銀行、工商銀行、中國建設(shè)銀行和交通銀行;7家股份制商業(yè)銀行，即民生銀行、平安銀行、招商銀行、浦發(fā)銀行、興業(yè)銀行、中信銀行、華夏銀行，以及3家城市商業(yè)銀行，即北京銀行、南京銀行、寧波銀行。

為了更全面地分析金融機構(gòu)之間系統(tǒng)性風(fēng)險溢出的影響，樣本數(shù)據(jù)選自2007年10月12日至2018年8月31日期間的各商業(yè)銀行的周數(shù)據(jù)，即選取每周周五的收盤價作為周股價。其間包括2010年12月的經(jīng)濟衰退和兩次金融危機（2008年美國次貸危機和2011年歐洲債務(wù)危機）、2015年中國股災(zāi)以及2018年中美貿(mào)易戰(zhàn)。本文選取前復(fù)權(quán)的方式處理股票收盤價數(shù)據(jù)，所有數(shù)據(jù)都來源為Wind數(shù)據(jù)庫。

為了有效地縮小計算誤差，本文以1 000為基準(zhǔn)點通過對2007年10月12日的銀行股整體指數(shù)及單個上市銀行股票價格進行設(shè)立，表達(dá)式為：

第t周的指數(shù)=1 000×（第t周的收盤價/第1周收盤價）

而銀行股指數(shù)以及個股收益率則是通過對股票價格取對數(shù)一階差分乘以100進而計算得出的。表達(dá)式為：

Rt=100×ln（第t周的收盤價/第t-1周收盤價）

（二）實證過程

本文取q=0.05（置信度為95%），以交通銀行為例，研究銀行與整個銀行系統(tǒng)的風(fēng)險溢出效應(yīng)。建立q分位數(shù)回歸模型，表達(dá)式為：

最終得到的交通銀行和整個銀行系統(tǒng)之間的雙向風(fēng)險溢出效應(yīng)，并得到結(jié)果（見表1）。

1.當(dāng)交通銀行面對風(fēng)險沖擊時，整個銀行系統(tǒng)的風(fēng)險溢出效應(yīng)是1.011。這表明，相對于其他銀行而言，當(dāng)交通銀行處于風(fēng)險時，對整體銀行業(yè)的風(fēng)險水平貢獻(xiàn)較大有比較大貢獻(xiàn)。這完全符合交通銀行作為全國最大的銀行之一，其在整體銀行業(yè)中的地位。

2.當(dāng)銀行業(yè)整體面對風(fēng)險沖擊時交通銀行的風(fēng)險溢出值低于交通銀行處于風(fēng)險沖擊時，銀行業(yè)整體風(fēng)險的溢出值。

3.通過CoVaR模型得到的金融機構(gòu)風(fēng)險程度要遠(yuǎn)遠(yuǎn)高于VaR模型的風(fēng)險程度，這表明在面對風(fēng)險沖擊時，VaR模型不能很好地刻畫其風(fēng)險，進而導(dǎo)致可能低估風(fēng)險。

（三）實證結(jié)果分析

對上述結(jié)果進行分析：

1.各上市商業(yè)銀行的風(fēng)險測度的VaR值均低于CoVaR值。因為VaR指標(biāo)不能很好地刻畫出整體金融體系面對極端風(fēng)險沖擊時，金融機構(gòu)可能存在的風(fēng)險溢出效應(yīng)。而CoVaR正好可以彌補VaR的不足，在這一方面表現(xiàn)出其優(yōu)勢的一面。