李婷

本文以我國15家上市銀行機(jī)構(gòu)2012年1月1日至2020年12月31日股票市場每日收盤價(jià)為樣本，將房地產(chǎn)、股票、貨幣、債券、外匯五個(gè)金融市場納入條件在險(xiǎn)價(jià)值模型，研究了這五個(gè)金融市場對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)及影響渠道。實(shí)證結(jié)果表明：股票市場、房地產(chǎn)市場、貨幣市場、債券市場和外匯市場對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)具有正向的溢出效應(yīng)。

一、引言

近年來，我國金融業(yè)取得了飛躍式的發(fā)展，一系列的改革措施也使得銀行業(yè)更上一層樓。據(jù)銀行業(yè)協(xié)會統(tǒng)計(jì)，截至2020年底，我國銀行業(yè)資產(chǎn)規(guī)模達(dá)1246.7萬億元，凈資產(chǎn)規(guī)模為103.7萬億元。隨著資本市場在我國現(xiàn)代化經(jīng)濟(jì)體系的地位和作用的不斷提高，國家對銀行業(yè)的發(fā)展也提出了更高的要求。因此為了更好地控制我國金融體系的系統(tǒng)性風(fēng)險(xiǎn)，有必要對銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行研究。

對于金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)度量的研究，目前主流的方法是尾部依賴模型，最為經(jīng)典的度量指標(biāo)包括Adrian和Brunnermeier（2016）［1］提出的條件在險(xiǎn)價(jià)值指標(biāo)（CoVaR）、Acharya等（2017）［2］提出的系統(tǒng)期望損失指標(biāo)（SES）及邊際期望損失（MES）以及Brownlees和Engel（2017）［3］提出的系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)（SRISK）等。對于金融市場的風(fēng)險(xiǎn)溢出效應(yīng)，已有研究更多地側(cè)重金融市場之間的相互關(guān)聯(lián)性和傳染性。其中，王茵田和文志瑛（2010）［4］、史永東等（2013）［5］分別采用VAR模型、Copula函數(shù)相關(guān)性的分位數(shù)測度方法對中國股票市場與債券市場之間的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行了研究。方意（2015）［6］則基于股票市場內(nèi)部多維度對多個(gè)國家（或地區(qū)）主板市場和中小板、創(chuàng)業(yè)板市場之間的傳染性進(jìn)行了考察。

基于已有文獻(xiàn)，本文發(fā)現(xiàn)對于銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)問題的研究不應(yīng)將視角局限于銀行體系內(nèi)部銀行之間的關(guān)聯(lián)性，而應(yīng)放在更大的金融體系背景下加入金融市場的風(fēng)險(xiǎn)因素來考察銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)。為此，本文參考方意等（2017）［7］，在引入房地產(chǎn)、股票、貨幣、債券、外匯五個(gè)金融市場作為風(fēng)險(xiǎn)因素的基礎(chǔ)上，考察銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)情況，更好地防范和監(jiān)管銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)，為提高我國銀行業(yè)抗風(fēng)險(xiǎn)能力提供量化參考。

二、研究模型與方法

為了從金融市場角度研究銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的變化，本文參考方意等（2018）的做法，在Adrian和Brunnermeier（2016）所提出的CoVaR模型基礎(chǔ)上，加入各類金融市場收益率作為狀態(tài)變量進(jìn)行改進(jìn)。主要步驟如下：

步驟1：以單家銀行機(jī)構(gòu)損失率為被解釋變量，以各類金融市場損失率作為解釋變量，通過q%分位數(shù)水平下的分位數(shù)回歸得到單家銀行機(jī)構(gòu)的風(fēng)險(xiǎn)值（VaR）。

步驟2：以銀行業(yè)系統(tǒng)損失率為被解釋變量，以單家銀行機(jī)構(gòu)損失為解釋變量，同時(shí)加入各類金融市場損失率作為狀態(tài)變量，在q%分位數(shù)水平下構(gòu)建分位數(shù)回歸模型。

步驟3：將步驟1所得到的單家銀行機(jī)構(gòu)在q%分位數(shù)下的風(fēng)險(xiǎn)值代入步驟2中，可得到銀行業(yè)整體的風(fēng)險(xiǎn)值。

步驟4：通過以金融市場k的基本狀態(tài)變量為被解釋變量，以常數(shù)項(xiàng)為解釋變量進(jìn)行分位數(shù)回歸，并選擇120個(gè)交易日（約半年）為固定窗口實(shí)現(xiàn)動態(tài)化，得到金融市場的風(fēng)險(xiǎn)狀態(tài)變量。

步驟5：為了測度金融市場對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)，本文借鑒方意等（2018）的做法，通過以金融市場k的基本狀態(tài)變量為被解釋變量，以常數(shù)項(xiàng)為解釋變量進(jìn)行分位數(shù)回歸，并選擇120個(gè)交易日（約半年）為固定窗口實(shí)現(xiàn)動態(tài)化，得到金融市場的風(fēng)險(xiǎn)狀態(tài)變量。

步驟6：將單家銀行機(jī)構(gòu)的風(fēng)險(xiǎn)值以及金融市場的風(fēng)險(xiǎn)狀態(tài)變量代入步驟3，可以得到納入金融市場風(fēng)險(xiǎn)狀態(tài)變量后的銀行業(yè)條件在險(xiǎn)價(jià)值。

因此，當(dāng)五個(gè)金融市場整體由正常狀態(tài)轉(zhuǎn)為風(fēng)險(xiǎn)狀態(tài)時(shí)，單家銀行機(jī)構(gòu)受金融市場風(fēng)險(xiǎn)狀態(tài)變化的影響也由正常狀態(tài)轉(zhuǎn)化為壓力狀態(tài)，因此金融市場風(fēng)險(xiǎn)狀態(tài)與銀行機(jī)構(gòu)風(fēng)險(xiǎn)值改變對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度可表示為：

將銀行機(jī)構(gòu)對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度以單家銀行機(jī)構(gòu)的資產(chǎn)市值占比為權(quán)重進(jìn)行加權(quán)平均，最后得到考慮了銀行機(jī)構(gòu)相對規(guī)模效應(yīng)的銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)。

三、數(shù)據(jù)來源與描述性統(tǒng)計(jì)

（一）數(shù)據(jù)來源

本文選取了15家在A股上市的銀行收盤價(jià)作為研究樣本。為了充分研究近年來發(fā)展迅猛的銀行機(jī)構(gòu)對銀行業(yè)的影響，本文選擇了市值規(guī)模在2020年度排名前列的15家公司，具體為：01寧波銀行，02浦發(fā)銀行，03華夏銀行，04民生銀行，05招商銀行，06南京銀行，07興業(yè)銀行，08北京銀行，09農(nóng)業(yè)銀行，10交通銀行，11工商銀行，12光大銀行，13建設(shè)銀行，14中國銀行，15中信銀行。樣本期間為2012年1月1日至2020年12月31日，共2138個(gè)交易日。樣本數(shù)據(jù)來源于Wind數(shù)據(jù)庫。

（二）變量說明

為研究樣本銀行機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)及其溢出效應(yīng)，選取單個(gè)銀行機(jī)構(gòu)損失率和銀行業(yè)系統(tǒng)損失率為因變量。由于本文主要想考察股票市場、房地產(chǎn)市場、貨幣市場、債券市場、外匯市場五個(gè)金融市場對銀行業(yè)的溢出效應(yīng)，因此選取這五個(gè)金融市場的代表性數(shù)據(jù)作為狀態(tài)變量，度量銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)及其溢出效應(yīng)，具體指標(biāo)見表1。關(guān)于樣本選取頻率，單個(gè)銀行公司損失率和銀行業(yè)系統(tǒng)損失率為日頻，金融市場狀態(tài)變量則參照方意等（2017）的方法，找到不同風(fēng)險(xiǎn)狀態(tài)的金融市場日頻數(shù)據(jù)。另外，在下文中的正常狀態(tài)和風(fēng)險(xiǎn)狀態(tài)分別是50%分位數(shù)水平和95%分位數(shù)水平。

四、實(shí)證結(jié)果

由表2可知，銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)為-9.699，說明當(dāng)5個(gè)金融市場風(fēng)險(xiǎn)狀態(tài)同時(shí)改變會加劇銀行業(yè)整體系統(tǒng)性風(fēng)險(xiǎn)。在金融市場風(fēng)險(xiǎn)狀態(tài)同時(shí)改變時(shí)，對于單個(gè)金融市場，股票市場、貨幣市場、債券市場以及外匯市場對銀行業(yè)的溢出效應(yīng)均為負(fù)值，說明這四個(gè)金融市場的風(fēng)險(xiǎn)波動的確會加劇銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)。

其中，股票市場風(fēng)險(xiǎn)狀況變化時(shí)，會發(fā)現(xiàn)浦發(fā)銀行、招商銀行與建設(shè)銀行的溢出效應(yīng)為正值，其中民生銀行的溢出效應(yīng)最為顯著，這與民生銀行自身風(fēng)險(xiǎn)波動較為突出有很大關(guān)系。在貨幣市場中，華夏銀行與南京銀行的溢出效應(yīng)值為正值，說明貨幣市場的風(fēng)險(xiǎn)變化減弱了這兩個(gè)銀行機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)。在債券市場波動時(shí)，除浦發(fā)銀行、北京銀行與工商銀行外的其他銀行機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)會因?yàn)閭袌龅娘L(fēng)險(xiǎn)變化而加劇。而在外匯市場變化時(shí)，銀行機(jī)構(gòu)以及銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)都會加強(qiáng)，說明銀行業(yè)與外匯市場的風(fēng)險(xiǎn)波動變化趨勢一致。而房地產(chǎn)市場的風(fēng)險(xiǎn)狀態(tài)改變對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)為正，這可能是因?yàn)楫?dāng)房地產(chǎn)市場風(fēng)險(xiǎn)由于房價(jià)波動與供需不平衡出現(xiàn)大幅波動時(shí)，投資者會由于替代效應(yīng)，選擇其他理財(cái)產(chǎn)品進(jìn)行投資，而銀行機(jī)構(gòu)作為中間機(jī)構(gòu)，其業(yè)務(wù)規(guī)模以及產(chǎn)品種類會相應(yīng)地增加，從而導(dǎo)致銀行機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)水平的加劇。

五、結(jié)論與政策啟示

基于金融市場角度討論我國銀行業(yè)系統(tǒng)性金融風(fēng)險(xiǎn)的溢出效應(yīng)，可以幫助理解銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的生成，進(jìn)一步穩(wěn)定我國金融市場。本文以寧波銀行、建設(shè)銀行等15家上市銀行機(jī)構(gòu)為研究對象，借鑒方意等（2018）的方法，將房地產(chǎn)、股票、貨幣、債券、外匯五個(gè)金融市場納入條件在險(xiǎn)價(jià)值模型（CoVaR模型），分析了金融市場對我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)。研究發(fā)現(xiàn)：一是當(dāng)5個(gè)金融市場風(fēng)險(xiǎn)狀態(tài)同時(shí)改變會加劇銀行業(yè)整體系統(tǒng)性風(fēng)險(xiǎn)。二是對于單個(gè)金融市場，股票市場、貨幣市場、債券市場以及外匯市場對銀行業(yè)的溢出效應(yīng)均為負(fù)值。結(jié)果表明市場間的關(guān)聯(lián)性相互傳導(dǎo)，例如貨幣市場風(fēng)險(xiǎn)的加劇，必然會導(dǎo)致我國投資者對未來產(chǎn)生不樂觀的預(yù)期，這種預(yù)期也會間接影響銀行業(yè)，導(dǎo)致銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的提高。

針對所得結(jié)論，并結(jié)合我國發(fā)展現(xiàn)狀，本文提出如下建議：

第一，管理銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)可以考慮從金融市場入手。監(jiān)管部門在關(guān)注銀行業(yè)內(nèi)部風(fēng)險(xiǎn)傳染效應(yīng)的同時(shí)，同時(shí)還應(yīng)該注意整個(gè)金融體系的風(fēng)險(xiǎn)動向，要時(shí)時(shí)注意其他金融市場的風(fēng)險(xiǎn)變化情況，尤其是房地產(chǎn)市場的風(fēng)險(xiǎn)變化，以便從源頭降低金融市場對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)。

第二，要持續(xù)關(guān)注銀行機(jī)構(gòu)的風(fēng)險(xiǎn)情況。對資產(chǎn)規(guī)模、業(yè)務(wù)關(guān)聯(lián)性等內(nèi)容的監(jiān)管要做到及時(shí)且全面，并且要針對相對應(yīng)機(jī)構(gòu)的突出業(yè)務(wù)做到重點(diǎn)防控，例如民生銀行的國際業(yè)務(wù)。對銀行機(jī)構(gòu)違規(guī)操作、逃避監(jiān)管等情況要積極引導(dǎo)，改善我國銀行機(jī)構(gòu)的專業(yè)性和公司治理的不健全問題，規(guī)范金融機(jī)構(gòu)在公司治理、內(nèi)部控制、風(fēng)險(xiǎn)管理等制度安排，防范大股東或?qū)嶋H控制人違規(guī)操作和經(jīng)營帶來風(fēng)險(xiǎn)。

參考文獻(xiàn)：

［1］Adrian T.，Brunnermeier M. K. CoVaR［J］. American Economic Review，2016（7）：1705-41.

［2］Acharya，V. V.，Pedersen L. H.，Philippon T.，Richardson M. Measuring Systemic Risk ［J］. Review of Financial Studies，2017，30（1）：2-47.

［3］Christian Brownlees，Engle Robert F. SRISK：A Conditional Capital Shortfall Measure of Systemic Risk［J］. Review of Financial Studies，2017，30（1）：48-79.

［4］王茵田，文志瑛. 股票市場和債券市場的流動性溢出效應(yīng)研究［J］. 金融研究，2010（3）：155-166.

［5］史永東，丁 偉，袁紹鋒. 市場互聯(lián)、風(fēng)險(xiǎn)溢出與金融穩(wěn)定——基于股票市場與債券市場溢出效應(yīng)分析的視角［J］. 金融研究，2013（3）：170-180.

［6］方意.貨幣政策與房地產(chǎn)價(jià)格沖擊下的銀行風(fēng)險(xiǎn)承擔(dān)分析［J］.世界經(jīng)濟(jì).2015，38（07）：73-98.

［7］方意.中國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)研究——宏觀審慎視角下的三個(gè)壓力測試［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2017（02）：48-66.

作者單位：黑龍江大學(xué)，碩士在讀。