屈書賢 江一帆

摘 要：近年來，世界各國金融危機的頻發(fā)使得系統(tǒng)性風(fēng)險成為目前風(fēng)險管理的重點領(lǐng)域，而銀行作為金融系統(tǒng)的重要組成部分，是聯(lián)系各金融機構(gòu)以及金融體系與實體經(jīng)濟之間的重要紐帶。因此，本文以A股16家上市商業(yè)銀行為研究對象，通過運用分位數(shù)回歸模型分別計算其CoVaR值，并分析上市商業(yè)銀行對系統(tǒng)性風(fēng)險的貢獻程度，為銀行體系的宏觀審慎監(jiān)管提供理論指導(dǎo)，以更好地防控系統(tǒng)性風(fēng)險，維護金融市場的平穩(wěn)運行。

關(guān)鍵詞：系統(tǒng)性風(fēng)險;CoVaR;商業(yè)銀行;分位數(shù)回歸

系統(tǒng)性風(fēng)險不僅要求要關(guān)注單個金融機構(gòu)的風(fēng)險狀況，還對不同金融機構(gòu)之間的風(fēng)險溢出效應(yīng)的監(jiān)管提出了要求。在金融危機頻發(fā)的背景下，各國金融市場聯(lián)系密切，對系統(tǒng)性風(fēng)險的分析和測度顯得尤為重要。特別地，銀行體系作為重要的金融機構(gòu)，也是防控系統(tǒng)性風(fēng)險的重點對象。

一、文獻綜述

自2008年全球金融危機爆發(fā)以來，Adrian和Brunnermeier（2016）提出的CoVaR可以計算某一機構(gòu)陷入風(fēng)險時整個系統(tǒng)的條件在險價值，測算機構(gòu)對系統(tǒng)的溢出風(fēng)險大小。Acharya et al.（2017）將整個金融體系資本不足時某金融機構(gòu)的預(yù)期資本短缺（SES）定義為該金融機構(gòu)對系統(tǒng)性風(fēng)險的貢獻程度。

高國華和潘英麗（2011）利用GARCH模型對14家上市商業(yè)銀行的CoVaR進行測度;王永巧及胡浩（2012）通過建立動態(tài)參數(shù)Copula模型和GARCH模型構(gòu)造聯(lián)合分布，測算A股、美股與港股市場之間的溢出風(fēng)險價值;王蓉（2016）分析銀行體系間風(fēng)險的雙向溢出效應(yīng)，認為銀行體系對單個銀行的風(fēng)險溢出效應(yīng)要大于單個銀行對銀行體系的風(fēng)險溢出效應(yīng)。

二、實證分析

目前，我國A股市場共有30家上市商業(yè)銀行，剔除上市時間較短的14家，最后選取了16家上市商業(yè)銀行作為研究對象，分別為平安銀行、浦發(fā)銀行、民生銀行、招商銀行、華夏銀行、中國銀行、工商銀行、興業(yè)銀行、中信銀行、交通銀行、南京銀行、寧波銀行、北京銀行、建設(shè)銀行、農(nóng)業(yè)銀行、光大銀行。在時間維度上，選取了2011年1月4日至2019年12月26日的16家商業(yè)銀行的股票日收盤價。本文數(shù)據(jù)均從Wind數(shù)據(jù)庫獲得。

首先，根據(jù)獲取的日收盤價計算對數(shù)日收益率。描述性統(tǒng)計分析發(fā)現(xiàn)，各銀行收益率的均值均略大于0，呈左偏分布;峰度均大于3，具有“尖峰厚尾”的特點;JB統(tǒng)計量均不為0，說明收益率分布不具有正態(tài)性。同時各上市銀行收益率序列均通過單位根檢驗，具有平穩(wěn)性。

下面利用分位數(shù)回歸方法，計算各上市商業(yè)銀行的CoVaR值，以及銀行在95%置信水平下的風(fēng)險溢出水平，結(jié)果見表1。

實證結(jié)果表明，工商銀行、中國銀行、農(nóng)業(yè)銀行、建設(shè)銀行四大大型商業(yè)銀行，以及交通銀行的 系數(shù)都較大，基本都在0.9以上，這是因為大型國有銀行與銀行體系間的相關(guān)性較強。具體來看，農(nóng)行、中行、工行、建行四大國有商業(yè)銀行，以及交通銀行的 系數(shù)均大于0.9。 的絕對值也較大，一旦發(fā)生風(fēng)險，對整個銀行體系的影響最大;招商、浦發(fā)、民生、光大、華夏、平安、中信和興業(yè)這八家股份制銀行的 系數(shù)基本在0.7左右，其對應(yīng)的系統(tǒng)性風(fēng)險大小也低于大型商業(yè)銀行;北京、南京、寧波三家城市商業(yè)銀行由于規(guī)模小、地域性強等原因，其對應(yīng)的 系數(shù)都較低，發(fā)生風(fēng)險傳染的可能性較小。

三、政策建議

本文基于分位數(shù)回歸模型，測算16家上市商業(yè)銀行的CoVaR值及其對系統(tǒng)性風(fēng)險的貢獻程度，提出如下政策建議：

（1）大型商業(yè)銀行相較于其他股份制商業(yè)銀行和小型城市商業(yè)銀行，表現(xiàn)出更強的風(fēng)險溢出效應(yīng)，對系統(tǒng)性風(fēng)險的貢獻程度更大，因此要更加注重大型商業(yè)銀行的風(fēng)險管理。

（2）本文僅針對上市商業(yè)銀行進行了系統(tǒng)性風(fēng)險測度，沒有將非上市商業(yè)銀行的風(fēng)險溢出效應(yīng)考慮在內(nèi)。因此，對于整個銀行體系系統(tǒng)性風(fēng)險的測算同時也要考慮非上市銀行發(fā)生風(fēng)險傳染的可能性，加強非上市銀行的信息披露和風(fēng)險監(jiān)管。

參考文獻：

[1]楊子暉，陳雨恬，謝銳楷.我國金融機構(gòu)系統(tǒng)性金融風(fēng)險度量與跨部門風(fēng)險溢出效應(yīng)研究[J].金融研究，2018（10）：19-37.

[2]李明輝，黃葉苨.商業(yè)銀行系統(tǒng)性風(fēng)險溢出及系統(tǒng)重要性研究——來自中國16家上市銀行CoVaR的證據(jù)[J].華東師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2017，49（05）：106-116+176.

[4]張路，張溪婷.基于CoVaR模型的我國上市銀行系統(tǒng)性風(fēng)險度量[J].統(tǒng)計與管理，2017（11）：66-70.

[5]歐陽資生，莫廷程.基于廣義CoVaR模型的系統(tǒng)重要性銀行的風(fēng)險溢出效應(yīng)研究[J].統(tǒng)計研究，2017，34（09）：36-43.

[6]嚴一鋒.基于CoVaR方法的我國銀行業(yè)系統(tǒng)性風(fēng)險測度[J].統(tǒng)計與決策，2018，34（23）：156-159.