王 菲 首都經(jīng)濟貿(mào)易大學(xué)金融學(xué)院

一、引言

近年來，金融市場的競爭日益加劇，監(jiān)管的壓力也在不斷增加。與此同時，隨著金融發(fā)展的水平提升，“創(chuàng)新”成為了金融產(chǎn)業(yè)的主題，我國影子銀行得到了迅猛發(fā)展。雖然目前看來我國商業(yè)銀行的凈資產(chǎn)較高，足以抵御一定程度的信貸危機沖擊，但是近年來金融市場頻繁發(fā)生的流動性緊張事件說明了影子銀行的局部風(fēng)險仍然威脅著我國的金融系統(tǒng)穩(wěn)定性，此類系統(tǒng)性風(fēng)險一旦暴露，商業(yè)銀行必定首先受到影響。因此，本文選取代表性上市金融機構(gòu)構(gòu)成影子銀行系統(tǒng)和商業(yè)銀行系統(tǒng)，運用GARCH-CoVaR模型來分別研究各類影子銀行對商業(yè)銀行系統(tǒng)的風(fēng)險溢出效應(yīng)和影子銀行系統(tǒng)對各類商業(yè)銀行的風(fēng)險溢出效應(yīng)。本文的研究為監(jiān)管影子銀行風(fēng)險溢出效應(yīng)從而提高商業(yè)銀行抗風(fēng)險能力提供客觀的實證依據(jù)。

二、文獻綜述

(一)影子銀行

在2008年的全球金融危機期間，影子銀行系統(tǒng)在向其他金融機構(gòu)擴散壓力方面發(fā)揮了關(guān)鍵作用，尤其是對商業(yè)銀行的影響，影子銀行在世界范圍內(nèi)受到了越來越多的關(guān)注。金融穩(wěn)定理事會(FSB，2011)對影子銀行的概念做出了權(quán)威性的界定，它指出影子銀行是游離在傳統(tǒng)銀行體系之外同時又從事傳統(tǒng)銀行業(yè)務(wù)的信用中介體系，尤其是指具有期限轉(zhuǎn)換、信用風(fēng)險轉(zhuǎn)移與流動性轉(zhuǎn)換的信用中介體系。同時其也指出，影子銀行的具體存在形式?jīng)]有國際統(tǒng)一標準，應(yīng)當(dāng)根據(jù)每個國家地區(qū)的金融體系完善程度與監(jiān)管政策的情況具體分析。

我國對影子銀行的界定與國外不同，國外的影子銀行業(yè)務(wù)是在商業(yè)銀行以外進行的，多以資產(chǎn)證券化為核心，由非銀行金融機構(gòu)獨立開展，而我國的影子銀行則是以傳統(tǒng)銀行為主要載體(周小川，2010)，其與傳統(tǒng)銀行之間有著密切的聯(lián)系，商業(yè)銀行主導(dǎo)著影子銀行的業(yè)務(wù)，實現(xiàn)規(guī)避監(jiān)管的目的，實質(zhì)上是“銀行影子”。Schwarcz(2013)認為中國的影子銀行與其他發(fā)展中國家不同，因為中國擁有獨特信托收益權(quán)。

(二)影子銀行的風(fēng)險溢出效應(yīng)

影子銀行在一定程度上推進了金融市場的發(fā)展，加快推進了市場利率化的進程，但也在某種程度上造成了金融風(fēng)險的加劇，使得金融市場的穩(wěn)定性下降，尤其是對商業(yè)銀行的沖擊。Gao(2013)測算了1992—2011年之間的影子銀行規(guī)模，分析發(fā)現(xiàn)影子銀行對商業(yè)銀行有風(fēng)險正向溢出效應(yīng)，并且其規(guī)模的擴大會使得商業(yè)銀行的系統(tǒng)性風(fēng)險加劇。Paraschiv(2013)通過一個基于多元極值理論的模型測量風(fēng)險和流動性擠兌，測度傳統(tǒng)銀行和影子銀行尾部概率之間存在相互依賴關(guān)系，研究表明影子銀行資產(chǎn)與傳統(tǒng)銀行資產(chǎn)存在較強的傳染性，且這種傳染效應(yīng)是不對稱的。Instefjord(2005)采用簡單的金融困境成本模型進行實證研究，考察信用衍生品作為影子銀行金融創(chuàng)新是否會使銀行暴露信用風(fēng)險，研究結(jié)果表明雖然信用衍生品可以分擔(dān)部分風(fēng)險，但如果銀行利用信用衍生品進行投機，很可能會撼動銀行體系，使其非常不穩(wěn)定。王晰等(2020)通過TVPVAR模型在四個能力維度上研究了影子銀行對金融穩(wěn)定的影響，研究發(fā)現(xiàn)影子銀行對金融發(fā)展能力在不同時期都有顯著的負向影響，對金融平穩(wěn)能力、金融防御能力、金融恢復(fù)能力在不同時點有不同程度的影響。李文喆(2020)發(fā)現(xiàn)在考慮影子銀行的影響后，商業(yè)銀行的資本充足率、撥備覆蓋率、存貸比都突破了有關(guān)法律法規(guī)所規(guī)定的限制，說明了商業(yè)銀行的穩(wěn)定性受到了影子銀行的風(fēng)險沖擊。郭娜等(2021)通過構(gòu)建NK-DSGE模型將影子銀行納入考慮范圍進行脈沖響應(yīng)分析，結(jié)果發(fā)現(xiàn)，對影子銀行和商業(yè)銀行的不對稱的信貸監(jiān)管會加速影子銀行的規(guī)模擴張，而影子銀行的經(jīng)營方式具有高杠桿的特點，其加劇了金融系統(tǒng)的風(fēng)險與不穩(wěn)定。

2008年全球金融危機爆發(fā)后，不同金融領(lǐng)域內(nèi)的風(fēng)險擴散傳遞成為學(xué)者們關(guān)注的熱點話題，出現(xiàn)了大量的研究風(fēng)險溢出的方法。Lehar(2005)將系統(tǒng)性風(fēng)險定義為總資產(chǎn)占銀行總資產(chǎn)的一定比例以上的銀行在短期內(nèi)破產(chǎn)的概率，然后利用蒙特卡洛模擬來得到系統(tǒng)風(fēng)險，進而分析銀行資產(chǎn)的波動性。然而這方法并不適用于影子銀行，因為影子銀行的活動知識金融機構(gòu)交易的一部分，而一家機構(gòu)的倒閉反映的是金融體系的整體風(fēng)險，而不是影子銀行的局部風(fēng)險。Huang、Zhou和Zhu(2009)提出由針對金融危機的保險價格來衡量系統(tǒng)風(fēng)險，該價格是基于對單個影子銀行違約概率的事前度量和對資產(chǎn)回報相關(guān)性的預(yù)測。然而，在我國影子銀行體系中，信用品衍生市場并沒有那么發(fā)達，因此很難從這一類金融工具中獲取信息，因此這種方法也不適用于影子銀行的研究?，F(xiàn)如今主流的測度風(fēng)險的方法是CoVaR條件在險價值法，該方法能夠利用金融市場數(shù)據(jù)更加精確的測度影子銀行的風(fēng)險。李從文(2015)就是用了CoVaR的方法測度了影子銀行的風(fēng)險溢出效用，結(jié)果發(fā)現(xiàn)了不同類型的影子銀行對商業(yè)銀行的有不同強度的風(fēng)險溢出效應(yīng)，且影子銀行對不同類型的商業(yè)銀行的風(fēng)險溢出也是大不相同。

三、模型設(shè)計和數(shù)據(jù)說明

(一)基本CoVaR模型

條件風(fēng)險價值(CoVaR)的含義是指在某一置信水平下，金融機構(gòu)或資產(chǎn)組合的損失為VaR時，其他機構(gòu)或資產(chǎn)組合受此影響可能遭受的潛在最大損失。其具體的數(shù)學(xué)表達為：

金融機構(gòu)j的風(fēng)險事件對金融機構(gòu)i的風(fēng)險溢出價值是為與的數(shù)值之差，具體的數(shù)學(xué)表達為：

但是由于不同的金融機構(gòu)i的風(fēng)險價值差別較大，因此，為了方便比較研究，需要將其進行標準化處理，得到金融機構(gòu)j對金融機構(gòu)i的風(fēng)險溢出度，具體的數(shù)學(xué)表達為：

(二)GARCH-CoVaR 模型

實證研究表明，GARCH(1,1)模型對金融數(shù)據(jù)具有較好的擬合性。因此，首先利用GARCH(1,1)模型對本文的股票收益率時間序列進行建模，得到條件方差序列和條件均值序列，計算VaR值，公式為：

然后，利用GARCH模型對金融機構(gòu)j的VaR值以及金融機構(gòu)i的收益率進擬合，并進行CoVaR值的計算：

(三)樣本選取與數(shù)據(jù)說明

當(dāng)前我國影子銀行業(yè)務(wù)主要有兩個參與主體，一個是商業(yè)銀行，其包括了國有商業(yè)銀行、股份制商業(yè)銀行以及城市商業(yè)銀行等，另一個是影子銀行機構(gòu)，其包括以證券機構(gòu)、信托為主體的非銀行金融機構(gòu)以及民間借貸金融機構(gòu)。參照現(xiàn)有的研究，本文的研究對象為上市金融機構(gòu)，以確保數(shù)據(jù)可獲得和有效性。商業(yè)銀行方面，選取中國銀行、工商銀行、建設(shè)銀行代表國有商業(yè)銀行；選取中信銀行、招商銀行、民生銀行、興業(yè)銀行、浦發(fā)銀行、和華夏銀行代表股份制商業(yè)銀行；選取南京銀行、北京銀行和寧波銀行代表城商行。影子銀行方面，選取中信證券、太平洋證券、長江證券、西南證券、國金證券、國元證券、海通證券、東北證券和廣發(fā)證券代表證券類影子機構(gòu)；選取已上市的陜國投 A 和安信信托代表信托類影子機構(gòu)；選取已上市的渤海租賃、魯信創(chuàng)投和香溢融通代表民間借貸類影子機構(gòu)。

2008 年以后我國的影子銀行快速發(fā)展，規(guī)模迅速擴大，因此本文選取的樣本數(shù)據(jù)跨度是2008年1月2日到 2019年12月31日。原始數(shù)據(jù)均來源于Wind數(shù)據(jù)庫，本文選取的是每家上市金融機構(gòu)的日收盤價。本文對數(shù)據(jù)做了以下的處理：對每一個交易日的收盤價做一階對數(shù)差分并乘以100，得到機構(gòu)的日對數(shù)收益率，即rit=100×ln(Pi,t/Pi,t-1)，其中Pi,t和Pi,t-1分別為t日和t-1日股票收盤價，rit為機構(gòu)的日收益率。行業(yè)的收益率序列是該行業(yè)所有金融機構(gòu)的rit的算術(shù)平均值。

四、實證結(jié)果與分析

(一)序列描述性統(tǒng)計

表1(下頁)顯示了各個樣本序列的描述性統(tǒng)計，其中，證券類、信托類與民間借貸的序列均值代表的是影子銀行的收益率序列，國有銀行、股份銀行和城商銀行的序列均值代表的是商業(yè)銀行的收益率序列。

從表1的結(jié)果可以看出，除國有銀行外的各序列的偏度均為負，各序列的峰度均遠遠大于3，有明顯的尖峰厚尾的特點；JB統(tǒng)計量的p值均為0，均顯著，說明各序列均不滿足正態(tài)分布，因此我們用t分布代替正態(tài)分布進行檢驗。Q檢驗表明，在滯后10階、10%的顯著性水平下，各序列不具有自相關(guān)性。ADF單位根檢驗表明，在1%的顯著性水平下，各序列均為平穩(wěn)時間序列，不存在偽回歸問題。考慮到金融數(shù)據(jù)可能存在ARCH效應(yīng)，我們對序列數(shù)據(jù)進行了ARCH-LM檢驗，結(jié)果表明，在滯后10階情況下，各序列具有明顯的條件異方差性，因此我們建立GARCH模型。

表1 樣本序列的描述性統(tǒng)計

(二)風(fēng)險溢出效應(yīng)分析

使用GARCH模型對各序列進行擬合后，可以得出各序列的VaR值，再對各序列的VaR值以及機構(gòu)收益率進行GARCH模型進行擬合，可以計算出各類影子銀行機構(gòu)的風(fēng)險溢出效應(yīng)。本文從兩個角度進行分析，一是各類影子銀行機構(gòu)對商業(yè)銀行系統(tǒng)的風(fēng)險溢出效應(yīng)，二是影子銀行系統(tǒng)對各類商業(yè)銀行的風(fēng)險溢出效應(yīng)。

1.各類影子銀行機構(gòu)對商業(yè)銀行系統(tǒng)的風(fēng)險溢出效應(yīng)

表2給出了在95%的置信水平下，不同類型的影子銀行機構(gòu)對于整個商業(yè)銀行系統(tǒng)的風(fēng)險溢出效應(yīng)的測度結(jié)果(限于篇幅，只給出各年度的平均值)。由結(jié)果可知，各類影子銀行機構(gòu)的VaR值和%ΔCoVaR值存在一定的差異。以VaR值作為依據(jù)的話，信托類影子銀行機構(gòu)的自身風(fēng)險價值最大為-7.11，其次是證券類影子銀行機構(gòu)的-5.90，民間借貸類影子銀行機構(gòu)的自身風(fēng)險價值最小為-5.42。但是，以%ΔCoVaR來考慮的話，結(jié)果發(fā)現(xiàn)民間借貸類影子銀行機構(gòu)風(fēng)險溢出效應(yīng)%ΔCoVaR的絕對值為0.47，對商業(yè)銀行的風(fēng)險溢出效應(yīng)最大，其次為信托類的0.25，最小的是證券類的0.08。從整體上看，我國影子銀行系統(tǒng)對商業(yè)銀行的風(fēng)險溢出效應(yīng)為0.41，說明風(fēng)險在可控范圍內(nèi)，但是影子銀行的風(fēng)險不可小覷，其對商業(yè)銀行影響的效果較為明顯。

表2 各類影子銀行機構(gòu)對商業(yè)銀行的風(fēng)險溢出效應(yīng)

2.影子銀行系統(tǒng)對各類商業(yè)銀行的風(fēng)險溢出效應(yīng)

影子銀行的風(fēng)險溢出效應(yīng)不僅僅表現(xiàn)在各類影子銀行機構(gòu)對商業(yè)銀行系統(tǒng)的溢出風(fēng)險不同，還表現(xiàn)在各類商業(yè)銀行機構(gòu)所承擔(dān)的影子銀行的溢出風(fēng)險的強度不同。表3給出了在5%的顯著性水平下，影子銀行系統(tǒng)對各類商業(yè)銀行的風(fēng)險溢出效應(yīng)，以此來考察不同類型的商業(yè)銀行面對影子銀行風(fēng)險溢出的承受強度。從結(jié)果上來看，如果不考慮影子銀行的風(fēng)險溢出效應(yīng)，城商銀行自身的風(fēng)險價值VaR最高，達到-4.78，其次為股份制商業(yè)銀行的-4.43，最小的是國有銀行的-3.38，這說明國有銀行的自身風(fēng)險最小，城商銀行的自身風(fēng)險最大。在考慮影子銀行的風(fēng)險溢出效應(yīng)之后，發(fā)現(xiàn)影子銀行對城商銀行的風(fēng)險溢出效應(yīng)%ΔCoVaR的絕對值最大，為0.18，其次為股份制商業(yè)銀行的0.03，國有銀行承擔(dān)的影子銀行的風(fēng)險溢出效應(yīng)最小，為0.02，說明影子銀行發(fā)生風(fēng)險后，最易受到影響的是城商銀行，其次是股份制銀行，國有銀行則最能保持穩(wěn)定。

表3 影子銀行系統(tǒng)對各類商業(yè)銀行的風(fēng)險溢出效應(yīng)

五、結(jié)語

本文通過使用上市金融機構(gòu)的數(shù)據(jù)，構(gòu)建GARCHCoVaR模型，研究各類影子銀行對商業(yè)銀行系統(tǒng)的風(fēng)險溢出效應(yīng)和影子銀行系統(tǒng)對各類商業(yè)銀行的風(fēng)險溢出效應(yīng)，得出以下結(jié)論：一是證券機構(gòu)、信托機構(gòu)以及民間借貸機構(gòu)對商業(yè)銀行系統(tǒng)均存在不同程度的風(fēng)險溢出效應(yīng)。民間借貸類影子銀行的風(fēng)險溢出效應(yīng)最大，其次是信托類，最小的是證券類。二是目前我國影子銀行對商業(yè)銀行的風(fēng)險溢出整體上較為明顯，民間借貸類影子銀行的風(fēng)險溢出最為明顯，說明要注重加強對民間借貸機構(gòu)的監(jiān)管。三是影子銀行系統(tǒng)對各類商業(yè)銀行的風(fēng)險溢出效應(yīng)也不盡相同。影子銀行系統(tǒng)對城市商業(yè)銀行的風(fēng)險溢出最大，其次是股份制商業(yè)銀行，最小的是國有銀行。這表明，一旦影子銀行發(fā)生風(fēng)險，最易受到?jīng)_擊的是城商銀行，其次是股份制商業(yè)銀行，國有銀行最能保持穩(wěn)定。

基于上述研究，本文提出以下建議：第一，完善監(jiān)管制度，將民間借貸金融機構(gòu)納入監(jiān)管范圍，規(guī)范其業(yè)務(wù)經(jīng)營范圍，減少民間借貸類影子銀行的風(fēng)險，從而減少商業(yè)銀行的風(fēng)險。第二，完善影子銀行風(fēng)險隔離機制，防范影子銀行的風(fēng)險溢出對商業(yè)銀行的影響。完善影子銀行監(jiān)管制度，強化風(fēng)險管控，優(yōu)化市場交易統(tǒng)計制度，完善信息披露制度，防范發(fā)生系統(tǒng)性風(fēng)險。第三，對城商銀行加強風(fēng)險管理，規(guī)范同業(yè)業(yè)務(wù)。根據(jù)本文研究發(fā)現(xiàn)，影子銀行發(fā)生風(fēng)險，城商銀行最易受到?jīng)_擊，因而要注重對城商行的管理，加強全流程的風(fēng)險防控，對交易前、中、后的風(fēng)險要有相應(yīng)的應(yīng)對措施與規(guī)范。此外，注重城商銀行的業(yè)務(wù)轉(zhuǎn)型，在風(fēng)險可控的情況下，提升銀行盈利能力。