亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        我國(guó)國(guó)有商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)研究

        2020-05-07 02:08:16
        生產(chǎn)力研究 2020年3期
        關(guān)鍵詞:商業(yè)銀行效應(yīng)銀行

        (寧波大學(xué),浙江 寧波 315211)

        如今,我國(guó)經(jīng)濟(jì)迅速發(fā)展,在我國(guó)步入經(jīng)濟(jì)新常態(tài)的過(guò)程當(dāng)中涌現(xiàn)了越來(lái)越多的金融機(jī)構(gòu),而這些機(jī)構(gòu)相互影響,不斷創(chuàng)造和推出了各類(lèi)金融產(chǎn)品以及金融衍生品。經(jīng)濟(jì)的快速發(fā)展帶動(dòng)了各大金融機(jī)構(gòu)間資金流通的速度,因此金融機(jī)構(gòu)間的運(yùn)轉(zhuǎn)效率有所加強(qiáng)。但同時(shí),這也是一把雙刃劍。在資金流通過(guò)程中,金融機(jī)構(gòu)間的風(fēng)險(xiǎn)也在快速傳播,而個(gè)別金融機(jī)構(gòu)間的風(fēng)險(xiǎn)會(huì)導(dǎo)致局部風(fēng)險(xiǎn),最終演變成系統(tǒng)性金融風(fēng)險(xiǎn)。

        巴塞爾協(xié)議是國(guó)際銀行業(yè)競(jìng)爭(zhēng)規(guī)則和國(guó)際慣例。其概述內(nèi)容對(duì)國(guó)際銀行業(yè)具有重大意義,在面對(duì)沖擊時(shí),各銀行的防范措施具有重要參考價(jià)值。目前,經(jīng)濟(jì)快速發(fā)展至今,隨著越來(lái)越多金融機(jī)構(gòu)間風(fēng)險(xiǎn)問(wèn)題的涌現(xiàn),防范系統(tǒng)性風(fēng)險(xiǎn)迫在眉睫。商業(yè)銀行之間密切的業(yè)務(wù)往來(lái)以及相互持有對(duì)方資產(chǎn)使得銀行之間的關(guān)聯(lián)度越來(lái)越高。中國(guó)五大行是綜合性大型商業(yè)銀行,其業(yè)務(wù)范圍廣、創(chuàng)新能力強(qiáng),是我國(guó)金融界以及銀行業(yè)最雄厚的資本和實(shí)力的代表。對(duì)于中國(guó)來(lái)說(shuō),準(zhǔn)確測(cè)度五大商業(yè)銀行在我國(guó)金融銀行體系中的風(fēng)險(xiǎn)溢出效應(yīng)互相之間的風(fēng)險(xiǎn)溢出強(qiáng)度,這對(duì)我國(guó)金融銀行業(yè)的發(fā)展具有理論意義和現(xiàn)實(shí)意義。

        一、理論及文獻(xiàn)綜述

        (一)關(guān)于金融機(jī)構(gòu)影響系統(tǒng)性風(fēng)險(xiǎn)的理論基礎(chǔ)

        早在20 世紀(jì)70 年代,信息不對(duì)稱(chēng)理論開(kāi)始出現(xiàn),為市場(chǎng)經(jīng)濟(jì)提供了一個(gè)新的視野。在實(shí)際中,由于資源配置,從事交易活動(dòng)的買(mǎi)方和賣(mài)方所掌握的信息不對(duì)等,此類(lèi)現(xiàn)象被稱(chēng)為信息不對(duì)稱(chēng)。降低資源的有效配置的原因有逆向選擇和道德風(fēng)險(xiǎn),這兩者會(huì)降低市場(chǎng)效率,存在風(fēng)險(xiǎn)溢出效應(yīng)。

        我國(guó)國(guó)有商業(yè)銀行作為中間機(jī)構(gòu),也會(huì)面臨信息不對(duì)稱(chēng)所帶來(lái)的問(wèn)題。在貸款業(yè)務(wù)方面,銀行應(yīng)該對(duì)不同的貸款人進(jìn)行篩選,以便根據(jù)貸款人的風(fēng)險(xiǎn)大小決定貸款數(shù)量。在存款業(yè)務(wù)方面,銀行需要有足夠的魅力去吸引存款人存款,那么就需要存款人對(duì)銀行有信心,只有在存款者對(duì)銀行有一個(gè)良好的預(yù)期下,才不會(huì)出現(xiàn)存款者大量提取存款的情況。

        (二)風(fēng)險(xiǎn)溢出效應(yīng)的傳導(dǎo)機(jī)制

        在銀行業(yè)內(nèi)部來(lái)說(shuō),風(fēng)險(xiǎn)溢出效應(yīng)可以從以下渠道傳導(dǎo):

        資本渠道。由于各個(gè)銀行之間所持資產(chǎn)和負(fù)債的相互聯(lián)系性,當(dāng)某一個(gè)銀行發(fā)生風(fēng)險(xiǎn)事件時(shí),可以通過(guò)股權(quán)、負(fù)債等渠道將風(fēng)險(xiǎn)傳染給其他銀行機(jī)構(gòu),整個(gè)銀行業(yè)的網(wǎng)絡(luò)結(jié)構(gòu)相當(dāng)緊密,關(guān)聯(lián)性強(qiáng),則風(fēng)險(xiǎn)傳染的速度也會(huì)越快。

        職能與業(yè)務(wù)相似性。銀行的職能與業(yè)務(wù)雖然有所不同,但是也有提供相同或者相似的金融產(chǎn)品或者金融衍生品,這些相似性在某一程度上加快了系統(tǒng)性風(fēng)險(xiǎn)的傳導(dǎo),當(dāng)某一業(yè)務(wù)或者金融產(chǎn)品出現(xiàn)問(wèn)題時(shí),往往相似業(yè)務(wù)也會(huì)產(chǎn)生一定影響。

        對(duì)于外部性來(lái)說(shuō),如果實(shí)體經(jīng)濟(jì)發(fā)生問(wèn)題,勢(shì)必影響整個(gè)金融體系,同樣金融體系發(fā)生問(wèn)題,則對(duì)實(shí)體經(jīng)濟(jì)的影響也是巨大的。當(dāng)實(shí)體企業(yè)盈利能力下降,企業(yè)則向銀行舉債,會(huì)加重企業(yè)的財(cái)務(wù)負(fù)擔(dān),如果出現(xiàn)過(guò)度融資和過(guò)度擔(dān)保等行為,則債務(wù)風(fēng)險(xiǎn)會(huì)通過(guò)擔(dān)保迅速傳染給整個(gè)金融體系,導(dǎo)致銀行業(yè)壞賬增大,信貸風(fēng)險(xiǎn)增大。如果銀行業(yè)的風(fēng)險(xiǎn)增大,那么金融產(chǎn)品的價(jià)格和金融杠桿率則會(huì)不斷增大,那么對(duì)于企業(yè)來(lái)說(shuō),企業(yè)的實(shí)際債務(wù)水平提高,則會(huì)引發(fā)一連串的多米諾骨牌效應(yīng)。

        (三)國(guó)內(nèi)外文獻(xiàn)綜述

        早在1996 年,Brenda Gonzálezlez-Hermosillo[1]把系統(tǒng)性風(fēng)險(xiǎn)分為傳染性和溢出性的特征。Sachs 等(1996)[2]采用線(xiàn)性回歸的方法建立STV 模型,選取了20 個(gè)國(guó)家的截面數(shù)據(jù)來(lái)建立預(yù)警模型。Frankel和Rose(1996)[3]通過(guò)分析引發(fā)金融危機(jī)的原因,用FR 概率模型來(lái)估計(jì)金融危機(jī)發(fā)生的概率。而Kaminsky(1998)[4]則用KLR 信號(hào)法來(lái)預(yù)計(jì)金融危機(jī)可能發(fā)生的概率。

        在20 世紀(jì)90 年代,G30 集團(tuán)在研究衍生品的基礎(chǔ)上提出了VaR 理論[5],而J.P.Morgan 利用VaR這一測(cè)定技術(shù),將其應(yīng)用在了風(fēng)險(xiǎn)領(lǐng)域。如今,越來(lái)越多的學(xué)者將這一技術(shù)用于金融風(fēng)險(xiǎn)防控監(jiān)管上[6]。Adrian 和Brunnermeier(2008)[7]在VaR 的基礎(chǔ)上,通過(guò)兩兩聯(lián)系金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出效應(yīng),提出了CoVaR 模型,觀(guān)測(cè)某一銀行或金融機(jī)構(gòu)對(duì)其他金融機(jī)構(gòu)或整個(gè)市場(chǎng)的風(fēng)險(xiǎn)溢出值。Roengpitya(2011)[8]針對(duì)泰國(guó)數(shù)據(jù)對(duì)國(guó)內(nèi)金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行了測(cè)定,結(jié)果顯示,當(dāng)單個(gè)銀行度過(guò)金融危機(jī)后,其對(duì)整個(gè)銀行業(yè)的風(fēng)險(xiǎn)貢獻(xiàn)率將會(huì)上升。Adams 等(2013)[9]利用分位數(shù)回歸方法下的CoVaR 模型檢驗(yàn)并分析了金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)溢出效應(yīng)。

        目前,國(guó)內(nèi)有關(guān)風(fēng)險(xiǎn)溢出效應(yīng)的測(cè)算主要有GARCH 模型以及分位數(shù)回歸法等等。本文采用較常見(jiàn)的GARCH 模型。

        在GARCH 模型擬合的方法中,張雅慶(2019)[10]選用了GARCH-CoVaR 模型,測(cè)算8 家上市股份制商業(yè)銀行VaR、CoVAR 及風(fēng)險(xiǎn)溢出效應(yīng),構(gòu)建了銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)評(píng)估模型,也從宏觀(guān)層面和微觀(guān)層面提出了相應(yīng)的對(duì)策建議。丁慧和吳康成(2018)[11]測(cè)量單個(gè)上市銀行對(duì)整個(gè)銀行業(yè)風(fēng)險(xiǎn)貢獻(xiàn)程度以及銀行間的風(fēng)險(xiǎn)溢出效應(yīng)利用ARMA-GARCH-CoVaR模型來(lái)測(cè)度。孫鵬和程春梅(2018)[12]對(duì)我國(guó)四大國(guó)有銀行系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了研究,其結(jié)果表明,在我國(guó)銀行業(yè)發(fā)生系統(tǒng)性風(fēng)險(xiǎn)時(shí),農(nóng)業(yè)銀行和建設(shè)銀行受到的外部性沖擊比其他國(guó)有銀行大。根據(jù)以往研究經(jīng)驗(yàn),大型國(guó)有商業(yè)銀行自身的風(fēng)險(xiǎn)水平比其他城市商業(yè)銀行要低,但是對(duì)整個(gè)銀行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)強(qiáng)度最大,由此表明,監(jiān)管?chē)?guó)有商業(yè)銀行有利于對(duì)我國(guó)銀行系統(tǒng)的風(fēng)險(xiǎn)控制。

        本文旨在利用國(guó)有五大銀行的銀行日收益率,根據(jù)不同的GARCH 模型分別計(jì)算并得到VaR、CoVaR 和%CoVaR。同時(shí),比較五大銀行自身的風(fēng)險(xiǎn)防范能力以及對(duì)總體銀行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)。

        二、模型設(shè)計(jì)

        首先需要檢驗(yàn)樣本銀行日收益率數(shù)據(jù)的ARCH效應(yīng)。

        建立一元回歸模型如下:

        其中,γt表示單個(gè)銀行的日收益率,γmt為上證指數(shù)的日收益率(市場(chǎng)收益率),ut為殘差項(xiàng)。對(duì)ut進(jìn)行ARCH 效應(yīng)的檢驗(yàn),證明其是否存在A(yíng)RCH 效應(yīng),并且擬合單個(gè)銀行及銀行指數(shù)的收益率序列。根據(jù)不同的GARCH 模型擬合某銀行以及代表銀行業(yè)指數(shù),選擇最恰當(dāng)?shù)腉ARCH 模型。模型均值方程如下所示:

        GARCH 模型的方差方程為:

        EGARCH 模型的方差方程為:

        TARCH 模型的方差方程為:

        其中,γt為單個(gè)銀行的收益率,γmt為上證指數(shù)的收益率,A(L)和B(L)為表示滯后因子,并利用ARMA 模型進(jìn)行修正,最后選擇一個(gè)擬合效果最佳的模型。

        在計(jì)算CoVaR 時(shí),需要向上述步驟一樣選用適合的GARCH 模型進(jìn)行擬合,由于計(jì)算VaR 對(duì)收益率的影響,均值方程變化如下:

        三、實(shí)證分析

        本文以我國(guó)5 家國(guó)有商業(yè)銀行2012 年7 月1日至2019 年7 月31 日(除去節(jié)假日)的股票日度收益率作為研究樣本。用上證指數(shù)180 日收益率代替市場(chǎng)收益率,銀行系統(tǒng)指數(shù)選用具有代表性的申銀萬(wàn)國(guó)二級(jí)銀行業(yè)指數(shù)。

        表1 五大國(guó)有銀行收益率數(shù)據(jù)統(tǒng)計(jì)結(jié)果

        從表1 統(tǒng)計(jì)數(shù)據(jù)中,從偏度和峰度的角度來(lái)說(shuō),所有銀行均出現(xiàn)尖峰現(xiàn)象,并且正態(tài)分布假設(shè)P值為0,則表明該分布不滿(mǎn)足正態(tài)分布。因此,在之后的建模過(guò)程選擇上,我們將用尖峰后尾的t 分布來(lái)取代正態(tài)分布。

        接下來(lái)進(jìn)行ARCH 效應(yīng)檢驗(yàn),分別建立5 家國(guó)有商業(yè)銀行與上證指數(shù)收益率的一元回歸模型,對(duì)殘差進(jìn)行分析。

        用Eviews 軟件逐個(gè)進(jìn)行ARCH 效應(yīng)檢驗(yàn),殘差的波動(dòng)具有明顯的集聚性,中間偏左側(cè)的波動(dòng)較大,中間部分與右側(cè)的波動(dòng)相對(duì)較小,表明可能存在A(yíng)RCH 效應(yīng)。我們進(jìn)一步對(duì)該數(shù)據(jù)進(jìn)行ARCHLM 檢驗(yàn),對(duì)殘差項(xiàng)進(jìn)行更加有效地證明,得出了滯后階數(shù)為1 的ARCH-LM 檢驗(yàn)結(jié)果。5 家國(guó)有商業(yè)銀行的ARCH 檢驗(yàn)的P 值均小于顯著性水平5%,可見(jiàn),各家銀行的收益率均存在A(yíng)RCH 效應(yīng),則可以表明,我們選用的GARCH 模型在本文中是合理的。

        計(jì)算5 大國(guó)有銀行VaR、CoVaR、風(fēng)險(xiǎn)溢出效應(yīng)(%CoVaR)。根據(jù)上文模型建設(shè)對(duì)5 家樣本銀行分別進(jìn)行GARCH 模型模擬,我們得到了單個(gè)銀行不同的VaR 估計(jì)模型。

        我們以交通銀行為例,GARCH 模型的擬合優(yōu)度為0.492 5;TARCH 的優(yōu)度為0.492 5;EGARCH模型的擬合優(yōu)度為0.494 6??梢缘玫紼GARCH 模型擬合優(yōu)度最高,并且反應(yīng)不對(duì)稱(chēng)性的的概率p值為0.000 0,在5%的置信水平下顯著。因此綜合考慮來(lái)看,交通銀行收益率面臨沖擊時(shí)的不對(duì)稱(chēng)性是存在的,并且用EGARCH 模型擬合更為合適。加入ar(1)后模型不顯著,因此,在這一輪的模型選擇中,我們選擇了EGARCH 模型。

        其他4 家銀行同上分析。

        接下來(lái)以銀行指數(shù)的收益率序列為因變量,上證指數(shù)180 日收益率代替市場(chǎng)收益率為自變量,建立GARCH 模型擬合,求出銀行業(yè)在特定的時(shí)間內(nèi)最大可能損失。

        銀行業(yè)GARCH 模型的擬合優(yōu)度為0.662 636;TARCH 的優(yōu)度為0.662 579;EGARCH 模型的擬合優(yōu)度為0.662 225。針對(duì)銀行業(yè),結(jié)果表明,GARCH模型中的擬合優(yōu)度是最高的,相比而言,另兩種反映不對(duì)稱(chēng)性的TARCH 和EGARCH 模型擬合優(yōu)度相對(duì)較差。選擇GARCH 模型后加入ar(1)項(xiàng),模型不顯著。最后結(jié)果分析,我們選擇GARCH 模型。

        在得到樣本銀行及銀行指數(shù)的VaR 序列后。依據(jù)銀行指數(shù)收益率為因變量、樣本銀行VaR 序列為自變量,建立GARCH 模型進(jìn)行擬合,并計(jì)算CoVaR序列。

        對(duì)其進(jìn)行合理排序,從不同角度體現(xiàn)單家銀行的風(fēng)險(xiǎn)水平,具體結(jié)果如表2 所示。

        表2 5 家國(guó)有商業(yè)銀行的VaR、CoVaR、%CoVaR 的中位數(shù)結(jié)果

        從第二列的VaR 計(jì)算結(jié)果看,五大行的絕對(duì)值VaR 均小于3%,而中國(guó)銀行最低,僅為1.86%。說(shuō)明在這五大銀行中,中國(guó)銀行的風(fēng)險(xiǎn)防范能力最強(qiáng),在應(yīng)對(duì)風(fēng)險(xiǎn)時(shí)的控制能力也是最強(qiáng)的。

        當(dāng)單個(gè)銀行的VaR 值對(duì)銀行業(yè)利率產(chǎn)生影響時(shí),從所產(chǎn)生的風(fēng)險(xiǎn)溢出效應(yīng)研究結(jié)果看,建設(shè)銀行的風(fēng)險(xiǎn)溢出值最大為8.932 2,中國(guó)銀行次之為8.163 5,風(fēng)險(xiǎn)溢出值最小的是農(nóng)業(yè)銀行為5.827 8。這說(shuō)明了,5 家銀行對(duì)國(guó)內(nèi)銀行業(yè)的風(fēng)險(xiǎn)貢獻(xiàn)程度各不相同,風(fēng)險(xiǎn)溢出值(%CoVaR)越大,那么風(fēng)險(xiǎn)傳染性和貢獻(xiàn)度則越大。

        綜上分析,國(guó)有五大行的風(fēng)險(xiǎn)溢出效應(yīng)各不相同,且存在較大的差異,并且通過(guò)建設(shè)銀行和中國(guó)銀行的VaR 值、%CoVaR 得到,銀行之間的風(fēng)險(xiǎn)溢出效應(yīng)與其自身的風(fēng)險(xiǎn)水平并沒(méi)有直接聯(lián)系。工商銀行、建設(shè)銀行和中國(guó)銀行對(duì)銀行體系的風(fēng)險(xiǎn)貢獻(xiàn)度較高,如果這些銀行沒(méi)有完善的預(yù)防措施,在面對(duì)風(fēng)險(xiǎn)沖擊時(shí)會(huì)對(duì)整個(gè)銀行體系的沖擊較大。

        四、政策建議

        五大國(guó)有商業(yè)銀行作為金融機(jī)構(gòu),處于行業(yè)的領(lǐng)先位置,如果其遭受很大的系統(tǒng)性風(fēng)險(xiǎn)沖擊,那么對(duì)于整個(gè)銀行業(yè)乃至金融行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)也是非常巨大的。并且我國(guó)國(guó)有銀行作為支柱性銀行,與其他金融行業(yè)乃至企業(yè)的關(guān)聯(lián)度較高,在風(fēng)險(xiǎn)傳染方面也會(huì)一定程度地使其他關(guān)聯(lián)產(chǎn)業(yè)受到?jīng)_擊。因此加強(qiáng)對(duì)國(guó)有銀行的監(jiān)管以及風(fēng)險(xiǎn)防控刻不容緩?;谝陨涎芯拷Y(jié)論有如下幾點(diǎn)啟示:

        一般來(lái)說(shuō),國(guó)有商業(yè)銀行對(duì)金融機(jī)構(gòu)的風(fēng)險(xiǎn)貢獻(xiàn)程度大于其他股份制銀行,當(dāng)這些銀行面臨風(fēng)險(xiǎn)時(shí),其抵御能力也是強(qiáng)于股份制銀行。而國(guó)有銀行往往依賴(lài)于國(guó)家扶持,會(huì)有大量不良資產(chǎn)以及金融創(chuàng)新失敗的產(chǎn)品,因此國(guó)家應(yīng)在推動(dòng)金融創(chuàng)新的同時(shí),健全宏觀(guān)審慎監(jiān)管框架,建立風(fēng)險(xiǎn)評(píng)級(jí)制度,積極應(yīng)對(duì)宏觀(guān)環(huán)境下的風(fēng)險(xiǎn)沖擊[13]。其次,政府應(yīng)加強(qiáng)統(tǒng)計(jì)數(shù)據(jù)整理以及建模分析,科學(xué)合理的選用系統(tǒng)性風(fēng)險(xiǎn)指標(biāo),加快完善系統(tǒng)中的潛在風(fēng)險(xiǎn)甄別能力;最后,政府應(yīng)最大化利用政策監(jiān)管工具,例如存款保險(xiǎn)制度和最后貸款人政策等。

        商業(yè)銀行自身也應(yīng)建立起預(yù)警制度,結(jié)合自身業(yè)務(wù)發(fā)展的特點(diǎn),選取并建立起全面又靈敏的風(fēng)險(xiǎn)溢出測(cè)量指標(biāo),在考慮監(jiān)管部門(mén)的要求下,根據(jù)銀行資產(chǎn)情況設(shè)立預(yù)警系統(tǒng)。

        猜你喜歡
        商業(yè)銀行效應(yīng)銀行
        鈾對(duì)大型溞的急性毒性效應(yīng)
        懶馬效應(yīng)
        商業(yè)銀行資金管理的探索與思考
        關(guān)于加強(qiáng)控制商業(yè)銀行不良貸款探討
        10Gb/s transmit equalizer using duobinary signaling over FR4 backplane①
        應(yīng)變效應(yīng)及其應(yīng)用
        ??到拥貧獾摹巴零y行”
        “存夢(mèng)銀行”破產(chǎn)記
        我國(guó)商業(yè)銀行海外并購(gòu)績(jī)效的實(shí)證研究
        銀行激進(jìn)求變
        囯产精品无码一区二区三区| 人妻丰满熟妇无码区免费| 国产乱人视频在线播放| a观看v视频网站入口免费| 亚洲二区三区四区太九| 风韵人妻丰满熟妇老熟| 免费无码高潮流白浆视频| 国产亚洲日韩一区二区三区| 无码高潮少妇毛多水多水免费| 中文字幕一区二三区麻豆| 国产大片黄在线观看| 野外性史欧美k8播放| 国产成人精品aaaa视频一区| 日韩在线一区二区三区中文字幕| 亚洲精品久久久久久久蜜桃| 娇妻玩4p被三个男人伺候电影| 国产精品毛片99久久久久| 亚洲国产精品悠悠久久琪琪| 成人免费直播| 无码专区中文字幕DVD| 亚洲av无码男人的天堂在线| 久久久久久久综合日本| 亚洲av日韩综合一区尤物| 久久国产成人精品国产成人亚洲| 天天操夜夜操| 久久人妻av不卡中文字幕| 国产日产久久高清ww| 国产无套内射久久久国产| 一本无码人妻在中文字幕| 亚洲一区二区三区精品久久| 妺妺窝人体色777777| 人妻影音先锋啪啪av资源| 国模少妇无码一区二区三区| 日本人妻精品有码字幕| 一本一本久久aa综合精品| 亚洲制服无码一区二区三区| 亚洲综合一区二区三区久久| 国产三级精品三级| 欧美亚洲综合另类| 偷拍与自偷拍亚洲精品| 最美女人体内射精一区二区|