劉童童

一、國有上市銀行金融衍生工具的現(xiàn)狀

金融衍生工具家族體系龐大，其基礎(chǔ)分類主要有兩種。首先可以按產(chǎn)品類型進(jìn)行劃分，通常有遠(yuǎn)期、期貨、期權(quán)和掉期（即互換）四大類型；再者可以從衍生工具的原生資產(chǎn)角度出發(fā)，可分成 股票類、利率類、匯率類和商品類金融衍生工具。對各大國有上市銀行年報進(jìn)行整理，主要將其金融衍生工具類別分為外匯類金融衍生工具、利率類衍生工具、商品衍生工具及其它。統(tǒng)計中國銀行、農(nóng)業(yè)銀行以及工商銀行三家大型國有上市銀行2014年至2019年金融衍生工具交易量數(shù)據(jù)，描述如下：

在上述三大行中，總體上衍生工具市場規(guī)模中國銀行最大，工商銀行其次。其中貨幣衍生工具的規(guī)模在各家銀行均占據(jù)其歷年最大比重，且存在一個較為明顯的上升趨勢。而商品及其它衍生工具該類別在各家銀行所占比重均比較小。整體上各家國有上市銀行的金融衍生工具市場在處在一個逐漸擴(kuò)展的狀態(tài)。

近來中行“原油寶”事件的爆發(fā)，表明即使是占據(jù)銀行較小比重的商品衍生工具，其風(fēng)險性也是極具影響力的。各大國有銀行逐漸重視衍生工具領(lǐng)域的發(fā)展，理性認(rèn)識并把控對應(yīng)風(fēng)險影響是極其必要的。

二、實證分析

實證部分基于數(shù)據(jù)可得性，整理選取中國銀行、中國農(nóng)業(yè)銀行、工商銀行、建設(shè)銀行和交通銀行五大行（除郵儲銀行外）2009至2019年的面板數(shù)據(jù)，建立多元回歸模型并運(yùn)用Stata軟件進(jìn)行相應(yīng)研究。對應(yīng)數(shù)據(jù)通過查詢各大銀行年度報告和東方財富網(wǎng)整理而得。

1. 變量選取

現(xiàn)有文獻(xiàn)中主要采用股價波動率、破產(chǎn)風(fēng)險Z值、預(yù)期違約率等指標(biāo)衡量銀行風(fēng)險情況。從我國銀行發(fā)展實際考慮，本文選擇不良貸款率（NPL）作為被解釋變量。

解釋變量為各國有上市銀行金融衍生工具各年度名義金額總量，在實證中由于數(shù)據(jù)過大，取其對數(shù)后，納入解釋變量。

實證引入控制變量如下：

（1）銀行規(guī)模（ScaleLOG）。資產(chǎn)規(guī)模對銀行的風(fēng)險由于存在影響，理論上擁有較大規(guī)模能更好分散管理風(fēng)險，采用國有上市銀行各年度末總資產(chǎn)的對數(shù)值代表銀行規(guī)模。

（2）存貸款比例（CDB）。以銀行貸款總額和存款總額的比值反映銀行主要的傳統(tǒng)存貸款業(yè)務(wù)的發(fā)展?fàn)顩r。

（3）核心一級資本充足率（CCAR）。該指標(biāo)能體現(xiàn)出銀行的自有資金抗風(fēng)險的能力。該資本越充足，抗風(fēng)險能力相對就越強(qiáng)。

（4）權(quán)益乘數(shù)（EM）。即資產(chǎn)總額是股東權(quán)益總額的倍數(shù)。銀行權(quán)益乘數(shù)體現(xiàn)財務(wù)杠桿，越高，財務(wù)風(fēng)險則越大。

（5）凈資產(chǎn)收益率（ROE）。通常情況下收益與風(fēng)險呈反比。

（6）股權(quán)集中度（Share）。銀行的股權(quán)集中度以第一大股東持股比例代表。而銀行的股權(quán)分散與集中會通過其治理機(jī)制影響到風(fēng)險狀況。

（7）利息收入占比（SNI）。該指標(biāo)可以顯示銀行的穩(wěn)健經(jīng)營程度。

（8）國內(nèi)生產(chǎn)總值（GDP）。該指標(biāo)體現(xiàn)大的國內(nèi)經(jīng)濟(jì)發(fā)展背景環(huán)境，會對銀行發(fā)展產(chǎn)生直接或間接影響。通常經(jīng)濟(jì)狀況越好，銀行經(jīng)營也順利，風(fēng)險則相對越小。

2. 描述性統(tǒng)計分析

Variable Obs Mean Std.Dev. Min Max NPL 55 0.0139 0.00385 0.00850 0.0291 JYGLOG 55 41.08 1.259 38.30 43.35 ScaleLOG 55 43.64 0.740 41.59 44.78 CDB 55 0.681 0.149 0.0210 0.883 CCAR 55 0.125 0.118 0.0774 0.976 EM 55 14.55 2.610 11.18 25.90 ROE 55 0.172 0.0374 0.112 0.234 Share 55 0.454 0.148 0.239 0.677 SNI 55 0.748 0.0570 0.615 0.834 GDP 55 651223 194276 348518 990865

上述描述性統(tǒng)計表格，從左到右第一列和第二列分別為變量名稱和觀測值的樣本量，后面接著依次代表Mean平均值、標(biāo)準(zhǔn)差、最小值和最大值。

不良貸款率NPL的標(biāo)準(zhǔn)差為0.00385，數(shù)值比較小，表明國有上市銀行之間的風(fēng)險水平整體差距不大。金融衍生工具總名義金額對數(shù)值max值和min值分別為43.35和38.30，兩者相差也不大，表明國有銀行間金融衍生工具競爭局面較為相當(dāng)，沒有絕對的孰強(qiáng)孰弱。存貸比CDB均值為0.681，最小值0.0210，相差較大?？傎Y產(chǎn)規(guī)模對數(shù)值的均值與最大、最小值都較為相近。對于核心一級資本充足率，其最大與最小值則相差較大。權(quán)益乘數(shù)（EM）、凈資產(chǎn)收益率（ROE）、股權(quán)集中度（Share）、整體變動幅度不大，水平較為平均。利息收入占比的最小值也大于0.6，說明銀行營業(yè)收入來源中，利息收入占據(jù)較大比例。

3. 相關(guān)性分析

如下表中所示，???、??和?分別表示在1%、5%和10%的顯著性水平上。自變量間相關(guān)性整體較好，其中部分自變量間相關(guān)性過大。比如金融衍生工具總名義金額對數(shù)值分別與權(quán)益乘數(shù)、凈資產(chǎn)收益率、利息收入占比兩兩間均在1%的顯著性水平上呈強(qiáng)負(fù)相關(guān)，前者-0.863，后面為-0.759和-0.738，絕對值均大于0.5。此外，權(quán)益乘數(shù)分別與凈資產(chǎn)收益率、利息收入占比也在1%水平上顯著負(fù)相關(guān)等。

由于部分變量間相關(guān)性過于強(qiáng)，需要討論變量間的多重共線性情況。采用VIF檢驗方法，得出平均VIF值3.770（小于10），則不存在嚴(yán)重多重共線問題。

NPL JYGLOG ScaleLO G CDB CCAR EM ROE NPL 1 JYGLOG -0.0600 1 ScaleLO G 0.175 0.614*** 1 CDB 0.0540 0.309** 0.0190 1 CCAR -0.128 0.0670 -0.148 0.0820 1 EM 0.255*-0.863***0.539***-0.375*** -0.119 1 ROE-0.286**-0.759***-0.268**-0.448*** -0.121 0.652*** 1 Share -0.123 0.235*0.358*** -0.311** -0.166 -0.139 0.0470 SNI 0.118-0.738*** -0.241* -0.208 0.0630 0.589*** 0.625***GDP 0.157 0.797***0.603*** 0.468*** 0.0430-0.775***-0.829***Share SNI GDP Share 1 SNI -0.261* 1 GDP -0.0530-0.487*** 1

Variable VIF 1/VIF GDP 10.45 0.0957 ROE 6.110 0.164 ScaleLOG 3.410 0.293 EM 3.400 0.294 SNI 2.290 0.436 Share 1.730 0.577 CDB 1.570 0.638 CCAR 1.170 0.858 Mean VIF 3.770

4. 實證結(jié)果分析

Source SS df MS Number of obs = 55 Model 0.000593 9 6.59e-05 Prob＞F F(9,45) = 14.26 Model 0.000593 9 6.59e-05 Prob＞F = 0 Residual 0.000208 45 4.63e-06 R-squared = 0.740 Adj R-squared = 0.6884 Total 0.000802 54 1.48e-05 Root MSE = 0.00215 NPL Coef. Std.Err. t P＞|t| 95% Conf. Interval JYGLOG -0.00171 0.000763 -2.240 0.0300 -0.00325 -0.000176 ScaleLOG 0.00510 0.000834 6.110 0 0.00342 0.00678 CDB 0.00239 0.00246 0.970 0.335 -0.00255 0.00734 CCAR -0.00205 0.00272 -0.760 0.454 -0.00753 0.00342 EM 0.000968 0.000250 3.870 0 0.000465 0.00147 ROE -0.155 0.0210 -7.400 0 -0.197 -0.113 Share -0.00434 0.00260 -1.670 0.102 -0.00957 0.000892 SNI 0.00873 0.00911 0.960 0.343 -0.00961 0.0271 GDP -1.42e-08 4.89e-09 -2.910 0.00600 -2.41e-08 -4.36e-09 cons -0.122 0.0357 -3.430 0.00100 -0.194 -0.0505

從上表中可以看到F檢驗中，F(xiàn)(9，45)=14.26，Prob＞F的值，也就是P的值小于0.01（P=0＜0.01），表明該回歸模型在0.01的水平上顯著。表中調(diào)整R2等于0.6884，代表該模型的擬合度較強(qiáng)，各自變量對因變量具備較強(qiáng)的解釋性。

控制變量中總資產(chǎn)規(guī)模與不良貸款率、權(quán)益乘數(shù)與不良貸款率的P值均為零（P=0＜0.01），系數(shù)項均為正數(shù)，表明其兩兩間均在1%的水平顯著正相關(guān)。而凈資產(chǎn)收益率與不良貸款率之間同樣在1%的水平下顯著不為零，呈負(fù)相關(guān)。

表中解釋變量為金融衍生工具總名義金額對數(shù)值。其對應(yīng)的P值為0.03，小于0.05，與被解釋變量在5%的水平下顯著不為零。兩者間的系數(shù)為-0.00171，表明兩者呈現(xiàn)負(fù)相關(guān)，即金融衍生工具的運(yùn)用在一定程度上有助于降低我國國有上市銀行的不良貸款率，改善國有上市銀行的風(fēng)險狀況。

5. 穩(wěn)健型分析

為了增強(qiáng)實證結(jié)果的可靠性，將多元線性回歸模型中的一個控制變量股權(quán)集中度（Share，第一大股東比例）改為貸款集中度（LC，前十大客戶貸款比例），再次進(jìn)行實證，實證結(jié)果參數(shù)較好，F(xiàn)檢驗中，依舊拒絕原假設(shè)，調(diào)整R2達(dá)到0.671，擬合度較好，解釋變量金融衍生工具總名義金額對數(shù)值JYGLOG對應(yīng)P值為0.0540，該值小于0.1，且與不良貸款率的相關(guān)系數(shù)為負(fù)值，所以所得結(jié)論與前面的回歸實證部分的結(jié)論相當(dāng)。

綜上所述，金融衍生工具的運(yùn)用是國有上市銀行的風(fēng)險影響因素，合理應(yīng)用展開金融衍生工具市場有助于改善國有上市銀行的風(fēng)險狀況。 也正因為此，國有上市銀行在衍生市場上的相關(guān)價值角逐成為其在金融市場上競爭的有力工具。我國國有上市銀行作為金融衍生工具運(yùn)用的主要機(jī)構(gòu)，要立足于衍生工具的本質(zhì)特性（比如杠桿性、跨期性等），兼顧把控各類金融衍生工具的收益與風(fēng)險，不斷推進(jìn)風(fēng)險預(yù)測管理及控制工作，使得金融衍生工具與國有上市銀行之間協(xié)調(diào)良性發(fā)展。