張曉雪

（淮南師范學(xué)院 金融與數(shù)學(xué)學(xué)院，安徽 淮南 232038）

一、引言

商業(yè)銀行的穩(wěn)定與中國(guó)金融體系的穩(wěn)定密切相關(guān)， 其對(duì)中國(guó)經(jīng)濟(jì)的持續(xù)健康發(fā)展有著重要意義。 商業(yè)銀行一旦出現(xiàn)系統(tǒng)性風(fēng)險(xiǎn)，則會(huì)危及中國(guó)實(shí)體經(jīng)濟(jì)的發(fā)展，風(fēng)險(xiǎn)的快速蔓延與傳播甚至?xí)l(fā)金融危機(jī)。 當(dāng)前銀行業(yè)保險(xiǎn)業(yè)運(yùn)行總體平穩(wěn)，主要指標(biāo)處于合理區(qū)間，但風(fēng)險(xiǎn)形勢(shì)依然復(fù)雜，商業(yè)銀行體系仍存在諸多不確定性和不穩(wěn)定性。銀行存款激烈競(jìng)爭(zhēng)雖有利于實(shí)現(xiàn)銀行業(yè)市場(chǎng)主體的多元化，但也可能導(dǎo)致銀行承擔(dān)過(guò)度的風(fēng)險(xiǎn)，甚至危及銀行業(yè)的安全。 中國(guó)銀行業(yè)風(fēng)險(xiǎn)總體可控，但形勢(shì)依然嚴(yán)峻復(fù)雜，面臨若干重大挑戰(zhàn)，當(dāng)前任務(wù)是全面推進(jìn)銀行業(yè)改革，轉(zhuǎn)變銀行業(yè)發(fā)展重心，由高速度轉(zhuǎn)向高質(zhì)量發(fā)展， 堅(jiān)決防止發(fā)生銀行系統(tǒng)性風(fēng)險(xiǎn)。因此，在上述背景下，文章通過(guò)探討銀行系統(tǒng)性風(fēng)險(xiǎn)的溢出價(jià)值，不僅為銀行制定發(fā)展與投資策略提供理論依據(jù)，而且為銀行和監(jiān)管機(jī)構(gòu)在面對(duì)新的存款競(jìng)爭(zhēng)環(huán)境下如何防范及化解銀行系統(tǒng)性風(fēng)險(xiǎn)，具有一定的理論和現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

李明輝和黃葉苨利用 2005—2016 年 16 家上市銀行的周收益率數(shù)據(jù)， 選用CoVaR 模型測(cè)算了各銀行的條件在險(xiǎn)值 (CoVaR) 和系統(tǒng)風(fēng)險(xiǎn)溢出值（△CoVaR），從動(dòng)態(tài)分析的結(jié)果圖可以看出，大型國(guó)有銀行的風(fēng)險(xiǎn)溢出值要高于股份制銀行［1］。 通過(guò)最小二乘法的回歸結(jié)果發(fā)現(xiàn)，銀行規(guī)模、監(jiān)管力度和銀行間的關(guān)聯(lián)性是影響系統(tǒng)性風(fēng)險(xiǎn)的關(guān)鍵因素。高國(guó)華和潘英麗基于動(dòng)態(tài)CoVaR 方法運(yùn)用金融市場(chǎng)的股價(jià)數(shù)據(jù)研究發(fā)現(xiàn)，建設(shè)銀行、中國(guó)銀行和工商銀行的風(fēng)險(xiǎn)溢出價(jià)值最高，其原因主要由于此3家銀行居于我國(guó)銀行業(yè)的主導(dǎo)地位，占據(jù)的總資產(chǎn)達(dá)到銀行業(yè)的一半以上，而正是這3 家銀行較高的不良貸款率造成△CoVaR 的值偏高， 進(jìn)而表明風(fēng)險(xiǎn)傳染和溢出效應(yīng)越高［2］。 岳敏應(yīng)用基于GARCH模型的CoVaR 方法對(duì)中國(guó)16 家上市銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度進(jìn)行了實(shí)證分析,研究發(fā)現(xiàn)單個(gè)銀行發(fā)生危機(jī)會(huì)通過(guò)各種作用渠道增添整個(gè)銀行體系的風(fēng)險(xiǎn)［3］。此外,回歸結(jié)果發(fā)現(xiàn)銀行貸款客戶集中度與其對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度之間存在負(fù)相關(guān)關(guān)系。文章基于上述學(xué)者的研究發(fā)現(xiàn)，采用不同方法和變量對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)傳染進(jìn)行測(cè)度，其結(jié)果對(duì)銀行穩(wěn)定性的影響存在差異。 因此文章利用條件在險(xiǎn)價(jià)值法進(jìn)行分析，以期精確地計(jì)算出各個(gè)銀行的系統(tǒng)性風(fēng)險(xiǎn)的溢出價(jià)值。

吳敏靈（2018）基于我國(guó)14 家上市銀行2008—2015 年的相關(guān)數(shù)據(jù),采用MES（邊際期望損失法）分別研究了我國(guó)大小型股份制上市銀行的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度問(wèn)題［4］。 認(rèn)為系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)與某些銀行特征變量密切相關(guān),在險(xiǎn)價(jià)值和杠桿率對(duì)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)有顯著正影響,銀行規(guī)模對(duì)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)有顯著負(fù)影響。漢桂民等利用穩(wěn)健最小二乘模型考察了外資銀行的進(jìn)入對(duì)中國(guó)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響,時(shí)間跨度2003—2015 年,結(jié)果發(fā)現(xiàn)外資銀行的進(jìn)入跟中國(guó)銀行系統(tǒng)的穩(wěn)定性有顯著相關(guān)性［5］。白靜選取了2010—2020 年16 家銀行的日收盤價(jià)，通過(guò)構(gòu)建GARCH-DCC-Copula-CoVar 模型，從動(dòng)態(tài)視角下刻畫了商業(yè)銀行與銀行體系間的相依結(jié)構(gòu),同時(shí)測(cè)度了各商業(yè)銀行對(duì)銀行體系的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。研究表明國(guó)有大型商業(yè)銀行與銀行體系的系統(tǒng)性關(guān)聯(lián)度最大［6］。

三、銀行系統(tǒng)性風(fēng)險(xiǎn)的度量模型

CoVaR 主要用于測(cè)度一家銀行的倒閉給其他銀行或銀行體系帶來(lái)的溢出效應(yīng),這個(gè)溢出效應(yīng)稱之為系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度 （ΔCoVaR），ΔCoVaR 表示銀行處于正常經(jīng)營(yíng)活動(dòng)下面臨的風(fēng)險(xiǎn)價(jià)值與處于危機(jī)狀態(tài)時(shí)面臨的風(fēng)險(xiǎn)價(jià)值的差值。

其公式如下：

其中，VaR 表示某一金融資產(chǎn)在未來(lái)的最大可能損失，q 是某一置信水平，代表了當(dāng)銀行i 發(fā)生危機(jī)或倒閉時(shí)， 對(duì)銀行j 造成的總的風(fēng)險(xiǎn)貢獻(xiàn)度，而為了真實(shí)刻畫銀行i 對(duì)銀行j 造成的損失，此時(shí)的風(fēng)險(xiǎn)溢出價(jià)值為：

同理，當(dāng)銀行i 發(fā)生危機(jī)或倒閉時(shí)，對(duì)銀行整個(gè)系統(tǒng)造成的風(fēng)險(xiǎn)溢出價(jià)值為：

文章運(yùn)用條件在險(xiǎn)價(jià)值(CoVaR)來(lái)測(cè)度銀行系統(tǒng)風(fēng)險(xiǎn)，研究商業(yè)銀行的系統(tǒng)性風(fēng)險(xiǎn)和其重要性排名的問(wèn)題， 該方法將一系列狀態(tài)變量引入模型中，從而能夠得出各銀行系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)程度的動(dòng)態(tài)變化。因此文章借鑒其方法，對(duì)14 家銀行的周收盤價(jià)進(jìn)行數(shù)據(jù)計(jì)算得出周收益率，再分別計(jì)算銀行危機(jī)情況時(shí)(q=0.05) 和 正常狀態(tài)時(shí)(q=0.5)的條件在險(xiǎn)值(CoVaR)，最后利用銀行i 危機(jī)情況時(shí)(q=0.05)和正常狀態(tài)時(shí)(q=0.5)的條件在險(xiǎn)值(CoVaR)的差值，即可得出銀行i 對(duì)系統(tǒng)風(fēng)險(xiǎn)溢出價(jià)值ΔCoVaR。而此時(shí)的ΔCoVaR 即文章中的被解釋變量，一般為負(fù)值，因此取其絕對(duì)值，若絕對(duì)值越大，則銀行i 造成的系統(tǒng)風(fēng)險(xiǎn)越大；反之，絕對(duì)值越小，銀行的系統(tǒng)風(fēng)險(xiǎn)則越小。

國(guó)內(nèi)外學(xué)者構(gòu)建銀行系統(tǒng)性風(fēng)險(xiǎn)動(dòng)態(tài)研究模型， 對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的度量均采用不同方法，文章則運(yùn)用分位數(shù)回歸法， 對(duì)銀行i 設(shè)立q=0.05 的分位數(shù)回歸：

其中Pt為周收盤價(jià)為滯后一期的狀態(tài)變量。 文章參考李明輝和黃葉苨［1］的研究，選取市場(chǎng)收益率、期限利差、國(guó)房景氣指數(shù)和居民價(jià)格消費(fèi)指數(shù)4 個(gè)狀態(tài)變量，銀行整個(gè)系統(tǒng)的周收益率為各銀行的股本數(shù)和周收益率得出的加權(quán)平均收益率：

其中k 為股本數(shù)代表權(quán)重， 之后再設(shè)立q=0.5的分位數(shù)回歸：

利用公式(4)(6)求出各個(gè)系數(shù)估計(jì)值，再帶入(4)求出各個(gè)銀行的在險(xiǎn)價(jià)值VaR：

（一）正態(tài)性檢驗(yàn)

文章利用SPSS23.0 軟件對(duì)各銀行的收益率序列進(jìn)行正態(tài)性檢驗(yàn)， 通過(guò)柯爾莫戈洛夫-斯米諾夫檢驗(yàn)（K-S）和夏皮洛-威爾克檢驗(yàn)（S-W）發(fā)現(xiàn)各銀行收益率的顯著性P 值均小于0.05， 拒絕原假設(shè)，即所有的收益率序列均不呈正態(tài)分布。為了進(jìn)一步檢驗(yàn)序列是否呈正態(tài)分布，通過(guò)查看收益率序列的峰度進(jìn)一步確認(rèn)。 一般而言正態(tài)性的峰度值為3，而SPSS23.0 軟件中將正態(tài)分布峰度值定為0 則是因?yàn)樵诖嘶A(chǔ)上已經(jīng)減去3，直接與正態(tài)分布進(jìn)行對(duì)比。 研究發(fā)現(xiàn)，所有峰度值均大于0，如表1 所示。因此度量銀行系統(tǒng)性風(fēng)險(xiǎn)時(shí)利用分位數(shù)回歸方法所得結(jié)果更為精確。

表1 各銀行峰度值

（二）平穩(wěn)性檢驗(yàn)

關(guān)于時(shí)間序列數(shù)據(jù)的平穩(wěn)性檢驗(yàn)，最常見且有效的方法就是單位根檢驗(yàn)，或者叫做ADF 檢驗(yàn)。通過(guò)Eviews10.0 軟件對(duì)所有收益率序列進(jìn)行檢驗(yàn)，如表3 所示， 所有ADF 檢驗(yàn)值均小于1%顯著水平的檢驗(yàn)值-3.443， 并且ADF 檢驗(yàn)的t 檢驗(yàn)統(tǒng)計(jì)量的p值均等于0。因此，所有的收益率時(shí)間序列在1%的顯著性水平下拒絕原假設(shè)，即不含單位根均是平穩(wěn)的。

表2 收益率序列ADF 檢驗(yàn)值

表3 主要狀態(tài)變量的選擇

（三）條件在險(xiǎn)價(jià)值

通過(guò)以上正態(tài)性檢驗(yàn)和平穩(wěn)性檢驗(yàn)，可以證明所有的收益率序列不是正態(tài)分布且是平穩(wěn)的時(shí)間序列。文章選擇分位數(shù)回歸來(lái)估計(jì)銀行的系統(tǒng)性風(fēng)險(xiǎn)。

表4 系統(tǒng)重要性指標(biāo)排名

四、研究結(jié)論

由模型(4)—(12)通過(guò)分位數(shù)回歸計(jì)算得出各個(gè)銀行的△CoVaR 值， 再通過(guò)描述性統(tǒng)計(jì)可以發(fā)現(xiàn)文章得出的數(shù)據(jù)與以往經(jīng)驗(yàn)基本一致。 從△CoVaR 的絕對(duì)值來(lái)看，工商銀行、中國(guó)銀行、建設(shè)銀行和交通銀行這4 個(gè)大型國(guó)有制銀行的風(fēng)險(xiǎn)溢出價(jià)值比其他股份制銀行高，因此對(duì)整個(gè)銀行系統(tǒng)造成的風(fēng)險(xiǎn)沖擊較大。 而根據(jù)FSB 公布的全球系統(tǒng)性的重要名單中，工商銀行和中國(guó)銀行已經(jīng)被列入其中，因此文章所研究的結(jié)果與實(shí)際情況相吻合。中信銀行與民營(yíng)銀行的代表民生銀行的均值僅次于國(guó)有制銀行，由此可認(rèn)為這兩個(gè)銀行可能存在威脅銀行系統(tǒng)穩(wěn)定性的潛在因素。文章在建立面板數(shù)據(jù)前，將各銀行的條件風(fēng)險(xiǎn)價(jià)值ΔCoVaR 值求其年度平均值，從圖1 的條件在險(xiǎn)價(jià)值的動(dòng)態(tài)變化中可知，2008 年系統(tǒng)性風(fēng)險(xiǎn)的ΔCoVaR 值較大，其主要原因在于當(dāng)時(shí)中國(guó)正處于國(guó)際金融危機(jī)沖擊的時(shí)期，經(jīng)濟(jì)受到一定影響，銀行系統(tǒng)性風(fēng)險(xiǎn)明顯增大。此外還可以看出，工商銀行、中國(guó)銀行和建設(shè)銀行波動(dòng)幅度較大， 而在2009—2010 年由于世界經(jīng)濟(jì)的全面復(fù)蘇，經(jīng)濟(jì)外部環(huán)境有所改善，加之中國(guó)經(jīng)濟(jì)開始強(qiáng)勁復(fù)蘇，銀行的抗壓彈性增強(qiáng)，因此系統(tǒng)性風(fēng)險(xiǎn)有所緩和。而在2012 年我國(guó)GDP 增長(zhǎng)率有所趨緩， 銀行系統(tǒng)性風(fēng)險(xiǎn)再次呈現(xiàn)增加的趨勢(shì)。上述研究較為精確地反映各銀行系統(tǒng)性風(fēng)險(xiǎn)的溢出價(jià)值以及對(duì)銀行整體的貢獻(xiàn)情況，相關(guān)銀行和監(jiān)管機(jī)構(gòu)可參考文章的研究結(jié)論。

圖1 14 家銀行△CoVaR 值變化情況