李合龍 鄒小露 汪存華

(1 華南理工大學(xué)經(jīng)濟(jì)與金融學(xué)院，廣州 510006；2 北華航天工業(yè)學(xué)院經(jīng)濟(jì)管理學(xué)院，河北 廊坊 065000；3 伊犁師范大學(xué)“一帶一路”發(fā)展研究院，新疆 伊寧 835000)

1 文獻(xiàn)綜述

美國(guó)次貸危機(jī)中，各國(guó)金融體系受到嚴(yán)重的破壞，各金融機(jī)構(gòu)受金融市場(chǎng)風(fēng)險(xiǎn)沖擊后產(chǎn)生的損失迅速向其他國(guó)家傳染、擴(kuò)散，這樣的惡性循環(huán)引發(fā)了嚴(yán)重的系統(tǒng)性風(fēng)險(xiǎn)，使得全球經(jīng)濟(jì)環(huán)境惡化并導(dǎo)致全球經(jīng)濟(jì)受到重挫。為此，巴塞爾協(xié)議Ⅲ出臺(tái)，對(duì)金融機(jī)構(gòu)及金融系統(tǒng)的風(fēng)險(xiǎn)控制和監(jiān)管提出了更為嚴(yán)格的要求。此次金融危機(jī)期間，我國(guó)的金融體系也受到十分嚴(yán)重的影響。在我國(guó)金融體系中，商業(yè)銀行是體系的核心，因此，它的正常運(yùn)轉(zhuǎn)很大程度上將會(huì)直接影響到我國(guó)金融體系的健康發(fā)展。為了維護(hù)我國(guó)銀行業(yè)和金融體系的穩(wěn)定運(yùn)行以及國(guó)民經(jīng)濟(jì)的健康發(fā)展，有必要合理有效地研究系統(tǒng)性風(fēng)險(xiǎn)度量的相關(guān)問(wèn)題。

現(xiàn)有的許多研究表明，采用風(fēng)險(xiǎn)管理手段無(wú)法削弱或消除金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，只有采取積極有效的監(jiān)管措施，防止其積累甚至爆發(fā)。若要積極有效地監(jiān)管金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，首先需要準(zhǔn)確有效地度量其系統(tǒng)性風(fēng)險(xiǎn)。早期，VaR模型一直被認(rèn)為是度量風(fēng)險(xiǎn)的主流方法和市場(chǎng)風(fēng)險(xiǎn)管理的絕佳工具[1-2]。但傳統(tǒng)的VaR模型即在險(xiǎn)價(jià)值方法僅僅考慮到了單個(gè)金融機(jī)構(gòu)自身存在的風(fēng)險(xiǎn)，難以準(zhǔn)確度量單個(gè)金融機(jī)構(gòu)受到?jīng)_擊時(shí)對(duì)金融體系產(chǎn)生的風(fēng)險(xiǎn)及風(fēng)險(xiǎn)貢獻(xiàn)，存在諸多弊端。Adrian和Brunnermeier[3-4]在傳統(tǒng)度量金融風(fēng)險(xiǎn)方法VaR的基礎(chǔ)上，提出了條件風(fēng)險(xiǎn)價(jià)值CoVaR。由于CoVaR考慮了金融機(jī)構(gòu)間的關(guān)聯(lián)性，因此使用CoVaR方法能夠很好地測(cè)度金融機(jī)構(gòu)(或金融市場(chǎng))之間的系統(tǒng)性風(fēng)險(xiǎn)和風(fēng)險(xiǎn)貢獻(xiàn)水平。學(xué)術(shù)界關(guān)于CoVaR模型的改進(jìn)進(jìn)行過(guò)許多嘗試：一是將分位數(shù)回歸引入CoVaR模型，其中代表性的諸如白雪梅[5]、嚴(yán)一鋒[6]、馬麟等[7]。由于分位數(shù)回歸不需要事先對(duì)尾部風(fēng)險(xiǎn)的分布進(jìn)行假設(shè)，故這類方法簡(jiǎn)便易于計(jì)算，具有較強(qiáng)的適用性及可操作性。但分位數(shù)回歸方法無(wú)法刻畫金融市場(chǎng)數(shù)據(jù)之間的非線性關(guān)系，對(duì)于序列間相關(guān)關(guān)系的估計(jì)存在一定的不足，一般認(rèn)為分位數(shù)回歸會(huì)低估這種相關(guān)關(guān)系。二是將GARCH回歸引入CoVaR模型，其中代表性的諸如高國(guó)華[8]、劉向麗[9]、梁斯[10]、Trabelsi等[11]。由于GARCH能夠解釋金融市場(chǎng)數(shù)據(jù)的重要特征，如尖峰厚尾、波動(dòng)叢集性等，故可以通過(guò)假設(shè)尾部分布服從其他分布的方式來(lái)提升模型的預(yù)測(cè)精度，而且該模型簡(jiǎn)易，計(jì)算量不是很大，因此本文的實(shí)證部分使用AR-GARCH模型來(lái)衡量系統(tǒng)風(fēng)險(xiǎn)。然而，CoVaR本質(zhì)上是一個(gè)分位，這表明傳統(tǒng)CoVaR模型僅僅只關(guān)注單一分位點(diǎn)上的期望損失，不能足夠準(zhǔn)確地捕捉和描述系統(tǒng)性風(fēng)險(xiǎn)，為了克服CoVaR模型的這種局限，張冰潔等人[12]提出了一個(gè)新的度量系統(tǒng)性風(fēng)險(xiǎn)的模型——CoES模型，該模型關(guān)注尾部損失的均值，因此在捕捉系統(tǒng)性風(fēng)險(xiǎn)時(shí)能夠更加關(guān)注整個(gè)金融市場(chǎng)的極端尾部損失情況，從而可以為金融系統(tǒng)監(jiān)管提供更加準(zhǔn)確的風(fēng)險(xiǎn)信息。鑒于此，本文引入AR-GARCH-CoES方法來(lái)測(cè)度上市商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)及風(fēng)險(xiǎn)貢獻(xiàn)。

2 AR-GARCH-CoES方法簡(jiǎn)介

2.1 CoES模型介紹

(1)

(2)

(3)

(4)

CoES的優(yōu)勢(shì)在于將風(fēng)險(xiǎn)度量指標(biāo)由VaR改為ES，能夠考慮到更加嚴(yán)重的困境事件，從而能夠捕捉超過(guò)VaR門限值的尾部損失，并用期望平均對(duì)金融風(fēng)險(xiǎn)進(jìn)行了分析，即CoES方法在捕捉系統(tǒng)性風(fēng)險(xiǎn)時(shí)更關(guān)注金融市場(chǎng)的尾部損失情況，因此能夠?yàn)榻鹑诒O(jiān)管機(jī)構(gòu)提供更加有效的風(fēng)險(xiǎn)信息。

2.2 AR-GARCH-CoES的計(jì)算過(guò)程

文章以CoVaR模型的改進(jìn)為切入點(diǎn)，引入CoES理論，將其改進(jìn)為AR-GARCH-CoES模型。為求解我國(guó)上市商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)度量結(jié)果，文章首先用AR-GARCH測(cè)算單家上市商業(yè)銀行的VaR，然后根據(jù)CoES理論，結(jié)合AR-GARCH回歸來(lái)度量我國(guó)上市商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)。其具體計(jì)算過(guò)程如下：

采用GARCH模型求解每家銀行的VaR，建立方程如下：

(5)

其中，{β1,β2,β3,θ1,θ2,θ3}為待估參數(shù)。Ri,t表示t時(shí)刻該上市商業(yè)銀行的收益率，而Rm,t表示t時(shí)刻市場(chǎng)收益率，使用Rm,t這一指標(biāo)作為解釋變量有助于增加回歸方程的擬合度。μi,t為殘差，即收益率擾動(dòng)項(xiàng)的信息，δi,t為各機(jī)構(gòu)波動(dòng)率，二者具有如下關(guān)系：μi,t=δi,t×εi,t，εi,t為標(biāo)準(zhǔn)化殘差(即均值為零，方差為1的同分布隨機(jī)擾動(dòng)項(xiàng)序列)，假定其服從正態(tài)分布，可以得到式(5)的估計(jì)系數(shù)，求得銀行機(jī)構(gòu)i的VaR：

(6)

式(6)中zq表示為標(biāo)準(zhǔn)化殘差所屬分布的q分位數(shù)。

采用GARCH模型求解單個(gè)銀行的CoVaR、ΔCoVaR、CoES、ΔCoES

(7)

(8)

(9)

3 實(shí)證分析

3.1 數(shù)據(jù)選取

本文選取滬深300銀行指數(shù)作為銀行系統(tǒng)總指數(shù)。原因在于：滬深300銀行指數(shù)包括我國(guó)25家上市商業(yè)銀行中的21家上市商業(yè)銀行，這21家上市商業(yè)銀行中有5家大型商業(yè)銀行和16家其他商業(yè)銀行，這些銀行的總資產(chǎn)占我國(guó)上市銀行資產(chǎn)總額的99%以上，具備良好的代表性。另外參照張蕊等[13]的研究，選取上證綜合指數(shù)作為市場(chǎng)綜合指數(shù)，使用該指標(biāo)作為解釋變量有助于增加回歸方程的擬合度。并從銀行指數(shù)成分股中選取2014年11月3日至2018年11月3日我國(guó)12家上市商業(yè)銀行的每日股票收盤價(jià)，對(duì)合計(jì)976個(gè)數(shù)據(jù)觀測(cè)值展開分析，數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)。

3.2 描述性統(tǒng)計(jì)分析

表1 描述性統(tǒng)計(jì)結(jié)果

從表1可以看出，各商業(yè)銀行的日收益率序列具有“尖峰厚尾”的特性，具體表現(xiàn)為：各商業(yè)銀行偏度的有偏性顯著但相差較大；各商業(yè)銀行的峰度值都較大但相差較遠(yuǎn)，具體表現(xiàn)為大型商業(yè)銀行的峰度基本上高于其他商業(yè)銀行的峰度，并通過(guò)J-B統(tǒng)計(jì)檢驗(yàn)值的大小來(lái)驗(yàn)證其序列的正態(tài)性，檢驗(yàn)結(jié)果表明所有的收益率序列是不服從正態(tài)分布的。隨后，在95%置信水平下，采用單位根ADF檢驗(yàn)來(lái)檢驗(yàn)各商業(yè)銀行收益率序列的平穩(wěn)性，結(jié)果如上表所示，發(fā)現(xiàn)所有的收益率序列的ADF檢驗(yàn)的p值均接近0，這表明所有的收益率序列是平穩(wěn)的序列。

3.3 上市商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)度量

表2 各上市商業(yè)銀行的VaR、β、ΔCoVaR與ΔCoES

從VaR估計(jì)值和VaR排名可以發(fā)現(xiàn)，大型商業(yè)銀行自身的風(fēng)險(xiǎn)較小，中小型商業(yè)銀行的自身風(fēng)險(xiǎn)明顯大于大型商業(yè)銀行，這是由于大型商業(yè)銀行較中小型商業(yè)銀行具有更強(qiáng)的風(fēng)險(xiǎn)管理能力，且金融監(jiān)管部門對(duì)大型商業(yè)銀行設(shè)定的監(jiān)管指標(biāo)要比中小型商業(yè)銀行更加嚴(yán)格。回歸估計(jì)系數(shù)β值衡量了單個(gè)銀行對(duì)銀行系統(tǒng)的風(fēng)險(xiǎn)溢出效應(yīng)，可將其作為系統(tǒng)性風(fēng)險(xiǎn)的一個(gè)度量指標(biāo)。根據(jù)β估計(jì)值的大小可得，除建設(shè)銀行以外的其他大型商業(yè)銀行β值都在0.8以上，大型商業(yè)銀行β值普遍高于其他商業(yè)銀行；同樣，根據(jù)β值的排名，多數(shù)中小型商業(yè)銀行的β值排名較大型商業(yè)銀行的排名靠后。大型商業(yè)銀行因其資產(chǎn)規(guī)模龐大、信貸往來(lái)業(yè)務(wù)復(fù)雜多樣，能夠很大程度地影響我國(guó)銀行系統(tǒng)的整體發(fā)展，因此，其β值較大。相較于大型商業(yè)銀行，中小型商業(yè)銀行的β值較低，但這些商業(yè)銀行間也存在差異，如興業(yè)銀行和北京銀行的β值就在0.7以上，而寧波銀行的β值僅為0.47?？傊?，大型商業(yè)銀行具有較低的VaR絕對(duì)值而具有較高的β值，中小型商業(yè)銀行具有較高的VaR絕對(duì)值而具有較低的β值，原因是大型銀行的風(fēng)險(xiǎn)管理能力高的同時(shí)(VaR絕對(duì)值較小)，其對(duì)銀行系統(tǒng)的影響力也比較大(β值較大)，中小型商業(yè)銀行則與之相反。

從ΔCoES估計(jì)值的大小來(lái)看，大型商業(yè)銀行ΔCoES絕對(duì)值普遍高于中小型商業(yè)銀行的ΔCoES絕對(duì)值，其中大型商業(yè)銀行中國(guó)銀行和交通銀行的ΔCoES絕對(duì)值最大，中小型商業(yè)銀行寧波銀行、招商銀行、中信銀行的ΔCoES絕對(duì)值最小；同樣從ΔCoES排名來(lái)看，中小型商業(yè)銀行ΔCoES排名普遍較大型商業(yè)銀行的ΔCoES排名靠后。這表明，當(dāng)大型銀行機(jī)構(gòu)受到經(jīng)濟(jì)沖擊后，其對(duì)整個(gè)銀行系統(tǒng)造成的影響大于中小型商業(yè)銀行對(duì)整個(gè)銀行系統(tǒng)造成的影響。另外，ΔCoVaR值與ΔCoES值存在略微不同，前者只能捕捉單個(gè)分位點(diǎn)上的尾部極端情況，而后者關(guān)注尾部損失的均值，比前者更能捕捉風(fēng)險(xiǎn)。根據(jù)表2發(fā)現(xiàn)，各商業(yè)銀行的ΔCoVaR絕對(duì)值大多低于ΔCoES絕對(duì)值，那么與改進(jìn)CoVaR模型后的CoES模型相比，可得出結(jié)論：傳統(tǒng)的CoVaR模型低估了銀行機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)及風(fēng)險(xiǎn)貢獻(xiàn)。

進(jìn)一步對(duì)各上市商業(yè)銀行的ΔCoES結(jié)果按照行業(yè)類型取均值，繪制時(shí)序圖，見圖1?？梢钥闯龃笮蜕虡I(yè)銀行與中小型商業(yè)銀行對(duì)銀行系統(tǒng)整體的風(fēng)險(xiǎn)影響變動(dòng)軌跡基本上是相似的，并且大型商業(yè)銀行對(duì)銀行系統(tǒng)整體的風(fēng)險(xiǎn)貢獻(xiàn)要高于中小型商業(yè)銀行對(duì)銀行系統(tǒng)整體的風(fēng)險(xiǎn)貢獻(xiàn)。變動(dòng)軌跡基本上是相似的原因有： 第一，各商業(yè)銀行處于同一個(gè)經(jīng)濟(jì)環(huán)境且具有相似的風(fēng)險(xiǎn)敞口。第二，所有CoES的計(jì)算都來(lái)自股票價(jià)格，而在股市上，由于資金分配與一致預(yù)期的關(guān)系，各銀行的股價(jià)會(huì)有相似的走勢(shì)。

圖1結(jié)合我國(guó)經(jīng)濟(jì)發(fā)展的實(shí)際情況，可從中分析各類型商業(yè)銀行對(duì)銀行系統(tǒng)整體產(chǎn)生風(fēng)險(xiǎn)變動(dòng)的原因。2014年11月17日滬港通的實(shí)施，吸引大量的外來(lái)資金涌入并加速我國(guó)股票市場(chǎng)的開放進(jìn)程，但由于我國(guó)金融市場(chǎng)的監(jiān)管體系并不完善，其進(jìn)一步加劇了我國(guó)股票市場(chǎng)的震蕩，從這一角度來(lái)看明顯不利于我國(guó)經(jīng)濟(jì)的穩(wěn)定和發(fā)展，表現(xiàn)為這段時(shí)期各商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)的波動(dòng)幅度增加(從圖1可明顯看出)。2015年“股災(zāi)”事件的爆發(fā)與2016年年初我國(guó)股市的“熔斷”，造成我國(guó)商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)顯著上升，在圖1中表現(xiàn)為系統(tǒng)性風(fēng)險(xiǎn)呈直線下移，波動(dòng)幅度強(qiáng)烈。之后面對(duì)嚴(yán)峻的國(guó)內(nèi)外經(jīng)濟(jì)形勢(shì)，各政府監(jiān)管部門實(shí)施各種適用性的經(jīng)濟(jì)政策，中國(guó)經(jīng)濟(jì)狀況逐步回暖，各商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)波動(dòng)幅度變化不大。2017年，受到深港通政策的影響，各商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)波動(dòng)幅度略有增加，然后我國(guó)出臺(tái)了一系列金融風(fēng)險(xiǎn)整治措施，有效管理了銀行體系系統(tǒng)性風(fēng)險(xiǎn)，各商業(yè)銀行的風(fēng)險(xiǎn)變動(dòng)趨于平緩，即銀行風(fēng)險(xiǎn)傳染的渠道更加固定、成熟，表明了我國(guó)在系統(tǒng)性風(fēng)險(xiǎn)的監(jiān)管方面取得了不錯(cuò)的成效。

圖1 各類上市商業(yè)銀行ΔCoES變化趨勢(shì)圖

4 結(jié)論與建議

本文基于AR-GARCH-CoES方法，選取2014年11月3日至2018年11月3日的滬深300銀行指數(shù)與我國(guó)12家上市商業(yè)銀行的對(duì)數(shù)收益率數(shù)據(jù)進(jìn)行實(shí)證分析。結(jié)果表明：大型商業(yè)銀行ΔCoES絕對(duì)值普遍高于中小型商業(yè)銀行的ΔCoES絕對(duì)值，即當(dāng)大型銀行機(jī)構(gòu)受到經(jīng)濟(jì)沖擊后，其對(duì)整個(gè)銀行系統(tǒng)造成的影響大于中小型商業(yè)銀行對(duì)整個(gè)銀行系統(tǒng)造成的影響；且除北京銀行外，各商業(yè)銀行的ΔCoVaR絕對(duì)值要低于ΔCoES絕對(duì)值，那么對(duì)于CoVaR模型來(lái)說(shuō)，鑒于CoES模型在捕捉風(fēng)險(xiǎn)時(shí)更加關(guān)注尾部損失的均值，其進(jìn)行計(jì)算得到的結(jié)果比CoVaR計(jì)算得到的結(jié)果更加準(zhǔn)確。根據(jù)ΔCoES時(shí)序圖來(lái)看，諸如滬港通的實(shí)施、“股災(zāi)”的爆發(fā)等重大事件的發(fā)生都使得各商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)波動(dòng)幅度發(fā)生變動(dòng)，即經(jīng)濟(jì)政策的實(shí)施與風(fēng)險(xiǎn)事件的發(fā)生都會(huì)使我國(guó)商業(yè)銀行對(duì)銀行系統(tǒng)產(chǎn)生重要的影響。

基于上述研究結(jié)論，本文提出如下建議：第一，大型商業(yè)銀行應(yīng)承擔(dān)更大的風(fēng)險(xiǎn)監(jiān)管和風(fēng)險(xiǎn)控制責(zé)任，不斷完善本身體制的不足之處，提高自身應(yīng)對(duì)市場(chǎng)沖擊的能力。第二，盡管中小型商業(yè)銀行的系統(tǒng)重要性不及大型商業(yè)銀行，也應(yīng)該進(jìn)一步提高對(duì)風(fēng)險(xiǎn)防范的認(rèn)識(shí)，提升銀行資產(chǎn)質(zhì)量，保持自身業(yè)務(wù)的穩(wěn)定發(fā)展。