龍林茂,鄭 琦,田亞軍

(蘭州財(cái)經(jīng)大學(xué) 統(tǒng)計(jì)學(xué)院,甘肅 蘭州 730020)

一、引言

2022年1月1日,隨著《關(guān)于規(guī)范金融機(jī)構(gòu)資產(chǎn)管理業(yè)務(wù)的指導(dǎo)意見(jiàn)》(以下簡(jiǎn)稱《資管新規(guī)》)的正式實(shí)施,銀行金融理財(cái)正式進(jìn)入非保本、凈值化管理時(shí)代,金融理財(cái)也回歸其“代理理財(cái)”本源。銀行的代理人身份決定其不能再為金融理財(cái)產(chǎn)品收益“保本”兜底,以降低發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的概率。從2017年《資管新規(guī)》征求意見(jiàn)開(kāi)始,并于2018年4月出臺(tái)后,《資管新規(guī)》對(duì)銀行同業(yè)理財(cái)產(chǎn)生了實(shí)質(zhì)影響,同業(yè)理財(cái)規(guī)模大幅度減少,因?yàn)樵摬糠掷碡?cái)可能隱含著保本、脫實(shí)向虛和多層嵌套等性質(zhì),不符合《資管新規(guī)》的要求。其中,2017年同業(yè)理財(cái)規(guī)模比上年下降51.13%,2018年繼續(xù)同比下降62.57%。遵照《資管新規(guī)》要求,銀行推行非保本、凈值化管理模式開(kāi)展金融理財(cái)業(yè)務(wù),由投資人承擔(dān)金融理財(cái)市場(chǎng)風(fēng)險(xiǎn),是否意味銀行非保本理財(cái)規(guī)模也大幅度下降?現(xiàn)實(shí)并非如此。商業(yè)銀行非保本理財(cái)規(guī)模仍然逐年增長(zhǎng),從2018年的22.04萬(wàn)億元增長(zhǎng)至2021年的29萬(wàn)億元,3年增長(zhǎng)了31.6%。相比其他主要金融機(jī)構(gòu),2021年末,證券行業(yè)資產(chǎn)管理業(yè)務(wù)規(guī)模為10.88萬(wàn)億元,同比增加3.53%;信托業(yè)受托管理的信托資產(chǎn)余額為20.55萬(wàn)億元,同比增長(zhǎng)0.29%。數(shù)據(jù)說(shuō)明了金融理財(cái)?shù)目蛻羧后w仍然更多地選擇了銀行理財(cái)產(chǎn)品進(jìn)行投資。但是,《資管新規(guī)》出臺(tái)后,銀行理財(cái)產(chǎn)品的投資結(jié)構(gòu)發(fā)生了變化,債券市場(chǎng)投資比重增加。2017年前多數(shù)年份低于45%,2018年至2021年都超過(guò)53%,加上在貨幣市場(chǎng)的投資,銀行理財(cái)資金主要投資于債券市場(chǎng)和貨幣市場(chǎng)。其中,2021年占比高達(dá)68.4%。①

依照投資理論,債券市場(chǎng)與貨幣市場(chǎng)投資增加,兩個(gè)市場(chǎng)的風(fēng)險(xiǎn)貢獻(xiàn)也可能相應(yīng)增加而使銀行理財(cái)產(chǎn)品收益的風(fēng)險(xiǎn)提高。從《中國(guó)新聞周刊》2022年9月15日刊載的信息看到,某銀行476天固收類理財(cái)產(chǎn)品到期兌付,收益率僅為0.35%。普益標(biāo)準(zhǔn)統(tǒng)計(jì)數(shù)據(jù)也顯示,2022年上半年有9.42%的銀行理財(cái)產(chǎn)品到期收益未達(dá)業(yè)績(jī)比較基準(zhǔn)線。這是市場(chǎng)風(fēng)險(xiǎn)的真實(shí)表現(xiàn)。那么,是否銀行理財(cái)產(chǎn)品低于業(yè)績(jī)比較基準(zhǔn)是一種常態(tài)或者一般性存在呢?是否銀行理財(cái)產(chǎn)品投資者將完全承擔(dān)來(lái)自債券市場(chǎng)和貨幣市場(chǎng)的風(fēng)險(xiǎn)溢出后果并影響對(duì)銀行理財(cái)產(chǎn)品的投資選擇呢?回答該問(wèn)題具有現(xiàn)實(shí)意義。

本文認(rèn)為,同樣依照投資理論,銀行理財(cái)產(chǎn)品收益風(fēng)險(xiǎn)來(lái)源于理財(cái)資金投資的目標(biāo)市場(chǎng)風(fēng)險(xiǎn)和銀行主動(dòng)管理風(fēng)險(xiǎn)。《資管新規(guī)》實(shí)施后,因債券市場(chǎng)與貨幣市場(chǎng)投資增加,兩個(gè)市場(chǎng)的風(fēng)險(xiǎn)貢獻(xiàn)可能相應(yīng)增加而使銀行理財(cái)產(chǎn)品收益的風(fēng)險(xiǎn)提高,也可能因銀行加強(qiáng)投資管理而使銀行理財(cái)產(chǎn)品收益的風(fēng)險(xiǎn)降低,因此,出現(xiàn)銀行理財(cái)產(chǎn)品低于業(yè)績(jī)比較基準(zhǔn)并不一定是一種常態(tài)或者一般性存在。由于兩個(gè)市場(chǎng)投資比例提高,債券市場(chǎng)和貨幣市場(chǎng)風(fēng)險(xiǎn)自然成為銀行考慮的最主要因素,特別是銀行資產(chǎn)管理部門將重點(diǎn)關(guān)注兩個(gè)市場(chǎng)的風(fēng)險(xiǎn)溢出對(duì)理財(cái)產(chǎn)品收益的影響,繼而加強(qiáng)投資風(fēng)險(xiǎn)管理。因此,本文將基于《資管新規(guī)》實(shí)施前后比較視角,就債券市場(chǎng)與貨幣市場(chǎng)風(fēng)險(xiǎn)溢出對(duì)銀行理財(cái)產(chǎn)品收益的效應(yīng)進(jìn)行研究,嘗試找到回答前述問(wèn)題的證據(jù),對(duì)銀行理財(cái)產(chǎn)品投資者和銀行提出具有參考價(jià)值的建議。

二、文獻(xiàn)綜述

國(guó)內(nèi)外學(xué)者對(duì)金融市場(chǎng)風(fēng)險(xiǎn)溢出的研究主要從兩個(gè)維度展開(kāi),一個(gè)維度是對(duì)金融市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行測(cè)度,另一維度是分析金融市場(chǎng)風(fēng)險(xiǎn)溢出的動(dòng)因以及傳染的路徑。在風(fēng)險(xiǎn)溢出效應(yīng)測(cè)度研究方面,非線性測(cè)度成為主要的測(cè)度方法。主要的測(cè)度方法包括條件風(fēng)險(xiǎn)價(jià)值法(CoVaR)、溢出指數(shù)法和復(fù)雜網(wǎng)絡(luò)模型或拓?fù)浞?。關(guān)于CoVaR的測(cè)度方法中,Mainik和Schaanning[1]提出的Copula-CoVaR方法廣泛應(yīng)用于資本市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)測(cè)度,Reboredo等[2]進(jìn)一步提出基于Vine Copula模型測(cè)度CoVaR的方法?；贑oVaR的局限性,Adrian和Brunnermeier[3]進(jìn)一步拓展CoVaR成為CoES(條件預(yù)期損失),用以刻畫金融市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)。在此基礎(chǔ)上,李政等[4]、曹潔和雷良海[5]分別利用GARCH模型和Copula函數(shù)度量了廣義CoES,并提出廣義多維CoES方法來(lái)測(cè)度多個(gè)金融市場(chǎng)對(duì)另一金融市場(chǎng)的多重風(fēng)險(xiǎn)溢出效應(yīng)等;關(guān)于溢出指數(shù)法,Diebold和Yilmaz[6]構(gòu)建溢出指數(shù)(Spillover Index)測(cè)度金融機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出效應(yīng);Allen和Gale[7]、Freixas等[8]提出了網(wǎng)絡(luò)傳染模型,并將模型運(yùn)用到系統(tǒng)性金融風(fēng)險(xiǎn)的測(cè)度。Diebold和Yilmaz[9]在溢出指數(shù)法基礎(chǔ)上,納入復(fù)雜網(wǎng)絡(luò)內(nèi)容,構(gòu)建波動(dòng)溢出網(wǎng)絡(luò)模型。劉湘云等[10]將熵理論引入金融市場(chǎng)風(fēng)險(xiǎn)測(cè)度研究中,并運(yùn)用中外證券市場(chǎng)指數(shù)進(jìn)行實(shí)證分析。蔣海和張錦意[11]、楊子暉和周穎剛[12]構(gòu)建了基于金融市場(chǎng)的風(fēng)險(xiǎn)溢出網(wǎng)絡(luò),分析系統(tǒng)性金融風(fēng)險(xiǎn)的動(dòng)態(tài)溢出效應(yīng)和傳染效應(yīng)等。何德旭等[13]構(gòu)建了包括貨幣市場(chǎng)及資本市場(chǎng)的跨市場(chǎng)金融網(wǎng)絡(luò),計(jì)算跨市場(chǎng)金融網(wǎng)絡(luò)的風(fēng)險(xiǎn)傳染效應(yīng),進(jìn)而采用非線性因果檢驗(yàn)確定風(fēng)險(xiǎn)傳染的方向等。

在金融市場(chǎng)風(fēng)險(xiǎn)溢出的動(dòng)因以及傳染路徑方面,外部沖擊發(fā)生是金融市場(chǎng)風(fēng)險(xiǎn)形成的原因,外部沖擊通過(guò)實(shí)體經(jīng)濟(jì)將風(fēng)險(xiǎn)依次傳導(dǎo)至股票、貨幣及債券市場(chǎng)[14]。具體而言,貨幣市場(chǎng)對(duì)其他市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)較強(qiáng),股票市場(chǎng)、債券市場(chǎng)以及外匯市場(chǎng)受到外部風(fēng)險(xiǎn)的沖擊更大[15],金融市場(chǎng)內(nèi)風(fēng)險(xiǎn)溢出效應(yīng)顯著高于金融市場(chǎng)間,股票市場(chǎng)和房地產(chǎn)市場(chǎng)成為主要風(fēng)險(xiǎn)溢出方和接受方[16]。也有學(xué)者提出有差異的研究結(jié)論,認(rèn)為風(fēng)險(xiǎn)溢出方向具有非對(duì)稱性,房地產(chǎn)市場(chǎng)、商品市場(chǎng)和股票市場(chǎng)是風(fēng)險(xiǎn)的凈溢出者,貨幣市場(chǎng)、債券市場(chǎng)、外匯市場(chǎng)和黃金市場(chǎng)是風(fēng)險(xiǎn)的凈接受者[17]?？v觀全球金融市場(chǎng),美國(guó)、英國(guó)是全球系統(tǒng)性金融風(fēng)險(xiǎn)的主要輸出國(guó)家,且美國(guó)的風(fēng)險(xiǎn)輸出效應(yīng)大于英國(guó),中國(guó)和歐元區(qū)國(guó)家是全球系統(tǒng)性金融風(fēng)險(xiǎn)的凈輸入國(guó)家[13]。另外,在資管產(chǎn)品中,部分產(chǎn)品交易結(jié)構(gòu)復(fù)雜,存在多層嵌套,在滿足居民財(cái)富保值增值期望和市場(chǎng)融資需求的同時(shí),一系列亂象也潛藏著系統(tǒng)性金融風(fēng)險(xiǎn)隱患[18]。為此,2018年4月《資管新規(guī)》實(shí)施后,將對(duì)銀行理財(cái)產(chǎn)生系統(tǒng)、深遠(yuǎn)的影響,銀行需進(jìn)一步豐富保本負(fù)債工具,將資金配置于高等級(jí)信用債券、貨幣市場(chǎng)工具、短期利率債等凈值波動(dòng)較小的資產(chǎn)等[19]。

從以上梳理的中外文獻(xiàn)來(lái)看,學(xué)者們構(gòu)建多種模型對(duì)金融市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行測(cè)度,較好地度量了金融市場(chǎng)的變化狀況,特別是指出了風(fēng)險(xiǎn)在金融市場(chǎng)間和市場(chǎng)內(nèi)的傳染方向及程度,并對(duì)金融市場(chǎng)風(fēng)險(xiǎn)監(jiān)測(cè)與防范提出了具有參考價(jià)值的建議,為提高金融市場(chǎng)監(jiān)管有效性奠定基礎(chǔ)。但是,對(duì)于如債券市場(chǎng)和貨幣市場(chǎng)等的直接投資者銀行或者間接投資者客戶而言,學(xué)者們的研究結(jié)論及建議過(guò)于宏觀,參考價(jià)值有限,且將金融市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)與具體金融產(chǎn)品投資相結(jié)合進(jìn)行研究的文獻(xiàn)較少。對(duì)《資管新規(guī)》的相關(guān)研究主要包括從定性方面對(duì)《資管新規(guī)》進(jìn)行解讀、對(duì)《資管新規(guī)》對(duì)銀行的影響及銀行理財(cái)資金投資結(jié)構(gòu)變化等進(jìn)行分析,其中,將金融市場(chǎng)風(fēng)險(xiǎn)與銀行理財(cái)產(chǎn)品收益結(jié)合研究的文獻(xiàn)較少。本文的邊際貢獻(xiàn)在于運(yùn)用Diebold和Yilmaz[6]構(gòu)建的溢出指數(shù)法測(cè)度債券市場(chǎng)與貨幣市場(chǎng)風(fēng)險(xiǎn)溢出對(duì)銀行理財(cái)產(chǎn)品收益的效應(yīng),即銀行理財(cái)產(chǎn)品收益的市場(chǎng)風(fēng)險(xiǎn)貢獻(xiàn)水平,并運(yùn)用GARCH模型衡量債券市場(chǎng)、貨幣市場(chǎng)波動(dòng)和銀行理財(cái)產(chǎn)品已實(shí)現(xiàn)收益的波動(dòng),以檢驗(yàn)溢出指數(shù)法測(cè)度的有效性。再重復(fù)運(yùn)用溢出指數(shù)法,以《資管新規(guī)》出臺(tái)時(shí)間為界限,對(duì)債券市場(chǎng)與貨幣市場(chǎng)風(fēng)險(xiǎn)溢出對(duì)銀行理財(cái)產(chǎn)品收益的效應(yīng)分別進(jìn)行估算和比較分析,揭示存在的差異,說(shuō)明《資管新規(guī)》實(shí)施后,債券市場(chǎng)和貨幣市場(chǎng)風(fēng)險(xiǎn)溢出對(duì)銀行理財(cái)產(chǎn)品收益的效應(yīng)并沒(méi)有顯著增強(qiáng),且兩個(gè)市場(chǎng)的風(fēng)險(xiǎn)貢獻(xiàn)不一定使銀行理財(cái)產(chǎn)品收益的風(fēng)險(xiǎn)提高,銀行理財(cái)產(chǎn)品收益風(fēng)險(xiǎn)主要來(lái)源于銀行的投資管理,進(jìn)而提出有參考價(jià)值的建議。

三、模型設(shè)定與研究假設(shè)

(一)風(fēng)險(xiǎn)溢出效應(yīng)模型設(shè)定

學(xué)界研究變量方差貢獻(xiàn)來(lái)源以及程度,通常采用溢出指數(shù)法,國(guó)內(nèi)外有較多學(xué)者運(yùn)用該方法研究市場(chǎng)風(fēng)險(xiǎn)溢出。由于銀行理財(cái)產(chǎn)品所籌集資金主要投向債券市場(chǎng)和貨幣市場(chǎng),理論上債券市場(chǎng)與貨幣市場(chǎng)風(fēng)險(xiǎn)將對(duì)銀行理財(cái)產(chǎn)品收益產(chǎn)生實(shí)質(zhì)影響。因此,本研究也將運(yùn)用該方法對(duì)債券市場(chǎng)和貨幣市場(chǎng)的風(fēng)險(xiǎn)溢出進(jìn)行衡量。選擇銀行理財(cái)產(chǎn)品收益率度量銀行理財(cái)產(chǎn)品收益,利用債券市場(chǎng)指數(shù)和貨幣市場(chǎng)基金指數(shù)度量債券市場(chǎng)與貨幣市場(chǎng)的基礎(chǔ)指標(biāo)。

溢出指數(shù)法基于向量自回歸模型VAR的方差分解。向量自回歸VAR模型基本的表達(dá)式如下所示:

Yt=Φ1Yt-1+…+ΦpYt-p+εt,t=1,…,T

(1)

式中:Yt為k維內(nèi)生變量列向量,在這里的內(nèi)生變量列向量的元素,即模型的內(nèi)生變量,指銀行理財(cái)產(chǎn)品收益率、債券市場(chǎng)指數(shù)和貨幣市場(chǎng)基金指數(shù)三個(gè)變量(下同);p為滯后階數(shù);T為樣本個(gè)數(shù),每一個(gè)樣本點(diǎn)代表著一個(gè)具體的月份時(shí)間節(jié)點(diǎn)。k×k維矩陣Φ1,…,Φp為待估計(jì)的系數(shù)矩陣,其矩陣元素的大小和排列可以說(shuō)明內(nèi)生變量滯后向量之間的關(guān)系。εt是k維擾動(dòng)列向量,且擾動(dòng)列向量相互之間可以同期相關(guān),但是不與自己的滯后值相關(guān)且不與等式右邊的變量相關(guān)。對(duì)于銀行理財(cái)產(chǎn)品收益率、債券市場(chǎng)指數(shù)和貨幣市場(chǎng)基金指數(shù)變量而言,采取對(duì)模型中的隨機(jī)擾動(dòng)項(xiàng)進(jìn)行衡量來(lái)刻畫這三個(gè)變量的波動(dòng)。上式中,εt～N(0,Σ),Σ是εt的協(xié)方差矩陣,是一個(gè)k×k的正定矩陣。在式中白噪聲向量εt一般稱為沖擊向量,即對(duì)內(nèi)生變量的沖擊向量。

式(1)可表示為下列形式:

Φ(L)Yt=εt

(2)

將式(1)轉(zhuǎn)變?yōu)槭?2)的目的在于研究隨機(jī)擾動(dòng)項(xiàng)對(duì)內(nèi)生變量的影響。其中,式(2)中的Φ(L)=Ik-Φ1L-Φ2L2-…-ΦpLp,Ik為k維單位矩陣,L為滯后算子,且有:L(Yt)=Yt-1。如果行列式det[Φ(L)]的根都在單位圓外,則式(1)滿足平穩(wěn)性條件,可以表示為無(wú)窮階的向量動(dòng)平均[vectormovingaverage,VMA(∞)]形式:

Yt=Θ(L)εt

(3)

式(3)中,Θ(L)=Φ(L)-1,Θ(L)=Θ0+Θ1L+Θ2L2+…,Θ0=Ik。

即內(nèi)生變量列向量Yt的變動(dòng)情況會(huì)受隨機(jī)擾動(dòng)項(xiàng)εt的影響。對(duì)VAR模型的估計(jì)可以通過(guò)最小二乘法OLS來(lái)進(jìn)行。假如,對(duì)Σ矩陣不施加限制性條件,由最小二乘法可得Σ矩陣的估計(jì)量為:

(4)

當(dāng)VAR的參數(shù)估計(jì)出來(lái)后,由于Φ(L)*Θ(L)=Ik,所以也可得到相應(yīng)的VMA(∞)模型的參數(shù)估計(jì)。由于僅僅有內(nèi)生變量的滯后值出現(xiàn)在等式的右邊,所以不存在同期相關(guān)性問(wèn)題,用普通最小二乘法能得到VAR簡(jiǎn)化式模型的一致且有效的估計(jì)量。

由式(1)可得:

Yt=(Ik-Φ1L-…-ΦpLp)-1εt=(Ik+Θ1L+Θ2L2+…)εt,t=1,2,…,T

(5)

Yt的第i個(gè)變量yit可以寫成下述表達(dá)式:

(6)

由上述表達(dá)式可知各個(gè)括號(hào)中的內(nèi)容是第j個(gè)擾動(dòng)項(xiàng)εi從無(wú)限過(guò)去到現(xiàn)在時(shí)點(diǎn)對(duì)第i個(gè)內(nèi)生變量yi影響的總和。求其方差,假定εj無(wú)序列相關(guān),則有:

(7)

這是把第j個(gè)擾動(dòng)項(xiàng)對(duì)第i個(gè)變量從無(wú)限過(guò)去到現(xiàn)在時(shí)點(diǎn)的影響,用方差加以評(píng)價(jià)的結(jié)果。此處還假定擾動(dòng)項(xiàng)向量的協(xié)方差矩陣Σ是對(duì)角矩陣,則yi的方差是上述方差的k項(xiàng)簡(jiǎn)單和為:

(8)

yi的方差可以分解成k種不相關(guān)的影響,也就是說(shuō)銀行理財(cái)產(chǎn)品收益率、債券市場(chǎng)指數(shù)和貨幣市場(chǎng)基金指數(shù)的總變動(dòng)為各自變量隨機(jī)擾動(dòng)項(xiàng)的總和。因此,為了測(cè)定各個(gè)擾動(dòng)項(xiàng)相對(duì)yi的方差有多大程度的貢獻(xiàn),定義了如下尺度:

(9)

式(9)即相對(duì)方差貢獻(xiàn)率(relative variance contribution,RVC),是根據(jù)第j個(gè)變量基于沖擊的方差對(duì)yi的方差的相對(duì)貢獻(xiàn)度來(lái)觀測(cè)第j個(gè)變量對(duì)第i個(gè)變量的影響。也可以說(shuō)是第j個(gè)變量對(duì)第i個(gè)變量的溢出效應(yīng)。這樣就可以分析銀行理財(cái)產(chǎn)品收益率、債券市場(chǎng)指數(shù)和貨幣市場(chǎng)基金指數(shù)相互之間的溢出效應(yīng)。

Θ0εt+Θ1εt-1+Θ2εt-2+…+Θs-1εt-s+1,Θ0=Ik

可以得到近似的相對(duì)方差貢獻(xiàn)率:

(10)

當(dāng)RVCj→i(s)較大時(shí),意味著第j個(gè)變量對(duì)第i個(gè)變量的影響大;相反地當(dāng)RVCj→i(s)較小時(shí),意味著第j個(gè)變量對(duì)第i個(gè)變量的影響小。

運(yùn)用Cholesky喬列斯基分解,式(10)可以用下列表達(dá)式表示:

(11)

式(11)中,C是一個(gè)下三角矩陣,CCT=Σ,Σ是前述擾動(dòng)項(xiàng)εt的協(xié)方差矩陣。根據(jù)矩陣的相關(guān)性質(zhì),下三角矩陣C可以是不唯一的,矩陣的選擇與變量的次序有關(guān),因此式(11)對(duì)變量次序有一定的依賴性,可以說(shuō)j變量對(duì)i變量的風(fēng)險(xiǎn)溢出值也是不唯一的,即內(nèi)生變量相互之間的溢出指數(shù)會(huì)因變量次序的不同而不同。需要對(duì)上述的指數(shù)進(jìn)行優(yōu)化。因此,本研究借用Diebold和Yilmaz[6]的廣義脈沖響應(yīng)函數(shù)的相關(guān)理論,構(gòu)建以下風(fēng)險(xiǎn)溢出指數(shù):

(12)

(13)

由此可知,變量i受到其他變量的總風(fēng)險(xiǎn)溢出為:

(14)

變量i對(duì)其他變量的總風(fēng)險(xiǎn)溢出為:

(15)

(16)

這樣,基于上述理論就可以分析銀行理財(cái)產(chǎn)品收益、債券市場(chǎng)和貨幣市場(chǎng)之間的溢出效應(yīng)。

假設(shè)1:債券市場(chǎng)和貨幣市場(chǎng)風(fēng)險(xiǎn)溢出對(duì)銀行理財(cái)產(chǎn)品投資效應(yīng)顯著。

(二)GARCH模型運(yùn)用

計(jì)量經(jīng)濟(jì)學(xué)家Tim Bollerslev(1986)提出了GARCH模型,用來(lái)衡量變量波動(dòng)情況。以一階GARCH(1,1)模型為例,其結(jié)構(gòu)如下所示:

(17)

其中,yt為因變量,yt-1為自身滯后變量,εt為隨機(jī)誤差項(xiàng),yt～N(0,ht)。本文運(yùn)用GARCH模型來(lái)觀測(cè)變量波動(dòng)率與溢出指數(shù)之間的相關(guān)影響,旨在分析溢出指數(shù)的大小是否能在實(shí)際時(shí)間序列的波動(dòng)中體現(xiàn)。換而言之,運(yùn)用GARCH模型的目的在于檢驗(yàn)債券市場(chǎng)和貨幣市場(chǎng)的風(fēng)險(xiǎn)溢出大小能否對(duì)銀行理財(cái)產(chǎn)品收益的波動(dòng)產(chǎn)生影響以及影響是如何體現(xiàn)的。

假設(shè)2:與溢出指數(shù)法分析結(jié)論一致,即驗(yàn)證假設(shè)1成立。

四、實(shí)證分析

(一)變量設(shè)計(jì)與數(shù)據(jù)選取

根據(jù)VAR模型要求和研究需要,設(shè)計(jì)債券市場(chǎng)指數(shù)、貨幣市場(chǎng)基金指數(shù)和銀行理財(cái)產(chǎn)品收益率為三個(gè)平行變量。根據(jù)Wind數(shù)據(jù)庫(kù),選取月度債券綜合指數(shù)與中債指數(shù)進(jìn)行簡(jiǎn)單平均構(gòu)造債券市場(chǎng)指數(shù),選取貨幣市場(chǎng)基金月度指數(shù)為貨幣市場(chǎng)基金指數(shù),根據(jù)中國(guó)理財(cái)網(wǎng)披露的理財(cái)報(bào)告中銀行理財(cái)產(chǎn)品收益率曲線圖和運(yùn)用圖像分析法估計(jì)銀行理財(cái)產(chǎn)品收益率。數(shù)據(jù)區(qū)間為2013年1月至2021年6月,共選取102個(gè)月的月度數(shù)據(jù)。對(duì)數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì),結(jié)果如表1所示:

表1 數(shù)據(jù)描述性統(tǒng)計(jì)結(jié)果

Jarque-Bera檢驗(yàn)是對(duì)樣本數(shù)據(jù)是否具有符合正態(tài)分布的偏度和峰度的擬合優(yōu)度的檢驗(yàn),其統(tǒng)計(jì)測(cè)試結(jié)果總是非負(fù)的。如果結(jié)果遠(yuǎn)大于零,則表示數(shù)據(jù)不具有正態(tài)分布。由表1的結(jié)果可知,三個(gè)數(shù)據(jù)的Jarque-Bera值都大于0,除了銀行理財(cái)產(chǎn)品收益率檢驗(yàn)的P值較大為0.182外,其余兩個(gè)變量檢驗(yàn)的P值都小于0.1,可在10%的顯著性水平上認(rèn)為其數(shù)據(jù)服從正態(tài)分布。

(二)數(shù)據(jù)平穩(wěn)性檢驗(yàn)

為了消除數(shù)據(jù)量綱的影響,對(duì)數(shù)據(jù)進(jìn)行取對(duì)數(shù)操作,并在此基礎(chǔ)上進(jìn)行平穩(wěn)性檢驗(yàn),檢驗(yàn)結(jié)果見(jiàn)表2:

表2 變量ADF檢驗(yàn)結(jié)果

溢出指數(shù)法依靠向量自回歸VAR模型,因此需要對(duì)變量進(jìn)行平穩(wěn)性檢驗(yàn)。表2中貨幣市場(chǎng)基金數(shù)據(jù)不論是否取對(duì)數(shù)都能夠在10%的顯著性水平上平穩(wěn);債券市場(chǎng)指數(shù)數(shù)據(jù)與銀行理財(cái)產(chǎn)品收益率數(shù)據(jù)需要取對(duì)數(shù)差分后才能達(dá)到平穩(wěn)條件。根據(jù)表2的結(jié)果,選取平穩(wěn)的取對(duì)數(shù)處理后的變量數(shù)據(jù)進(jìn)行進(jìn)一步的操作,建立VAR模型并利用溢出指數(shù)法進(jìn)行風(fēng)險(xiǎn)溢出效應(yīng)的實(shí)證分析。

(三)脈沖響應(yīng)函數(shù)分析

根據(jù)AIC和SC準(zhǔn)則,變量數(shù)據(jù)所確定的滯后階數(shù)p為滯后3期,運(yùn)用脈沖響應(yīng)函數(shù)進(jìn)行脈沖響應(yīng)分析,研究結(jié)果如圖1所示:

圖1 債券市場(chǎng)與貨幣市場(chǎng)沖擊引起銀行理財(cái)產(chǎn)品收益率的響應(yīng)函數(shù)

從圖1可以看出,債券市場(chǎng)的正沖擊會(huì)給銀行理財(cái)產(chǎn)品收益率帶來(lái)一定的負(fù)面影響,且負(fù)面影響在1～3個(gè)月期間會(huì)慢慢加大,在4～7個(gè)月期間趨于平穩(wěn),到第8個(gè)月左右時(shí)達(dá)到最低點(diǎn)并穩(wěn)定。貨幣市場(chǎng)的正沖擊會(huì)給銀行理財(cái)產(chǎn)品收益率帶來(lái)逐漸擴(kuò)大的正向影響,且影響的變化程度十分平緩。

(四)方差分解分析

通過(guò)模型的方差分解,進(jìn)一步評(píng)價(jià)不同結(jié)構(gòu)沖擊的重要性。債券市場(chǎng)與貨幣市場(chǎng)對(duì)銀行理財(cái)產(chǎn)品收益的貢獻(xiàn)程度如圖2所示。

圖2 債券市場(chǎng)與貨幣市場(chǎng)沖擊對(duì)銀行理財(cái)產(chǎn)品收益率的貢獻(xiàn)率

從圖2可以看出,不考慮銀行理財(cái)產(chǎn)品收益率自身的貢獻(xiàn)率,債券市場(chǎng)對(duì)銀行理財(cái)產(chǎn)品收益率的貢獻(xiàn)率最大達(dá)到13.498%[RVC2→1(12)=13.498%],其對(duì)收益率的貢獻(xiàn)率是逐漸增加然后在達(dá)到12%后開(kāi)始小幅度波動(dòng),并且在第4個(gè)月時(shí)開(kāi)始穩(wěn)定。貨幣市場(chǎng)對(duì)收益率的貢獻(xiàn)率最大達(dá)到10.243%[RVC3→1(12)=10.243%],其對(duì)收益率的貢獻(xiàn)是先平滑上升,到第4期后有所下降并在第9期左右達(dá)到一個(gè)低點(diǎn),此后繼續(xù)上升?？v觀二者對(duì)收益率的貢獻(xiàn)率情況可知,二者對(duì)收益率波動(dòng)的貢獻(xiàn)較小,這與實(shí)際情況有些出入。

對(duì)模型進(jìn)行廣義預(yù)測(cè)誤差方差分解后,得到的風(fēng)險(xiǎn)溢出指數(shù)結(jié)果如表3所示:

表3 變量的風(fēng)險(xiǎn)溢出情況

通過(guò)觀察表3的溢出指數(shù)結(jié)果,可以發(fā)現(xiàn)債券市場(chǎng)指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的溢出僅僅只有3.4%,而貨幣市場(chǎng)對(duì)銀行理財(cái)產(chǎn)品收益率的溢出僅僅只有0.9%,這不符合經(jīng)濟(jì)學(xué)的基本原理。出現(xiàn)上述問(wèn)題的原因可能是運(yùn)用了差分后的數(shù)據(jù)進(jìn)行建模,應(yīng)該運(yùn)用存在協(xié)整關(guān)系的非平穩(wěn)數(shù)據(jù)進(jìn)行建模,以便較好地刻畫變量之間的關(guān)系。

(五)協(xié)整分析

傳統(tǒng)的VAR理論要求模型中每一個(gè)變量是平穩(wěn)的,對(duì)于非平穩(wěn)時(shí)間序列需要經(jīng)過(guò)差分操作后才能繼續(xù)進(jìn)行VAR建模,差分后得到平穩(wěn)序列再建立VAR模型。但是這樣通常會(huì)損失水平序列所包含的信息,而隨著協(xié)整理論的發(fā)展,對(duì)于非平穩(wěn)的時(shí)間序列,只要各變量之間存在協(xié)整關(guān)系也可以直接建立VAR模型。因此,接下來(lái)進(jìn)行模型對(duì)數(shù)數(shù)據(jù)的協(xié)整檢驗(yàn)。檢驗(yàn)結(jié)果如表4和表5所示:

表4 對(duì)數(shù)數(shù)據(jù)協(xié)整檢驗(yàn)結(jié)果1

表5 對(duì)數(shù)數(shù)據(jù)協(xié)整檢驗(yàn)結(jié)果2

由表4和表5的結(jié)果可知,跡統(tǒng)計(jì)量和最大特征值統(tǒng)計(jì)量在Johansen協(xié)整檢驗(yàn)中被用于判斷變量之間協(xié)整關(guān)系的個(gè)數(shù)。表5中跡統(tǒng)計(jì)量的檢驗(yàn)判定:原假設(shè)None表示沒(méi)有協(xié)整關(guān)系,該假設(shè)下計(jì)算的跡統(tǒng)計(jì)量值為58.8495,大于5%顯著性臨界值35.011且檢驗(yàn)的P值為0.0000,可以拒絕該原假設(shè),認(rèn)為至少存在一個(gè)協(xié)整關(guān)系;下一個(gè)原假設(shè)At most 1表示最多有一個(gè)協(xié)整關(guān)系,該原假設(shè)下計(jì)算的跡統(tǒng)計(jì)量值為28.6764,大于5%顯著性臨界值18.398且檢驗(yàn)的P值為0.0013,可以拒絕該原假設(shè),認(rèn)為至少存在兩個(gè)協(xié)整關(guān)系;下一個(gè)原假設(shè)At most 2表示最多有兩個(gè)協(xié)整關(guān)系,該原假設(shè)下計(jì)算的跡統(tǒng)計(jì)量值為7.2967,大于5%顯著性臨界值3.841且檢驗(yàn)的P值為0.0069,可以拒絕該原假設(shè),認(rèn)為至少存在三個(gè)協(xié)整關(guān)系。同理,由上述結(jié)果可知最大特征值的檢驗(yàn)結(jié)果與跡統(tǒng)計(jì)量的檢驗(yàn)結(jié)果一致,都認(rèn)為三個(gè)對(duì)數(shù)數(shù)據(jù)變量存在至少三個(gè)協(xié)整關(guān)系。因此,可以對(duì)模型的數(shù)據(jù)進(jìn)行修改,運(yùn)用取對(duì)數(shù)后消除量綱影響的變量數(shù)據(jù)進(jìn)行溢出指數(shù)分析。

首先,根據(jù)AIC和SC準(zhǔn)則,新的變量數(shù)據(jù)所確定的滯后階數(shù)p為滯后4期,并運(yùn)用脈沖響應(yīng)函數(shù)進(jìn)行脈沖響應(yīng)分析。研究結(jié)果如圖3所示:

圖3 債券市場(chǎng)與貨幣市場(chǎng)沖擊對(duì)銀行理財(cái)產(chǎn)品收益率的響應(yīng)函數(shù)

由圖3可知,債券市場(chǎng)的正沖擊會(huì)給銀行理財(cái)產(chǎn)品兌付收益帶來(lái)一定的負(fù)面影響,并有逐漸增大的趨勢(shì);貨幣市場(chǎng)的正沖擊會(huì)給銀行理財(cái)產(chǎn)品兌付收益帶來(lái)一定的正面影響,在1～4個(gè)月期間有一定的波動(dòng),5個(gè)月后的正面影響趨于緩慢上升的趨勢(shì)。

其次,對(duì)模型進(jìn)行方差分解,以進(jìn)一步評(píng)價(jià)不同結(jié)構(gòu)沖擊的重要性。債券市場(chǎng)與貨幣市場(chǎng)對(duì)銀行理財(cái)產(chǎn)品收益的貢獻(xiàn)程度結(jié)果如圖4所示:

圖4 債券市場(chǎng)與貨幣市場(chǎng)沖擊對(duì)銀行理財(cái)產(chǎn)品收益率的貢獻(xiàn)率

由圖4可知,隨著期數(shù)的增加,債券市場(chǎng)指數(shù)變動(dòng)解釋收益率變動(dòng)的部分逐漸增加,且在第9期后逐漸平緩至50%左右。貨幣市場(chǎng)基金指數(shù)變動(dòng)解釋收益率變動(dòng)的部分先慢慢增加后增加幅度下降并在第6期后趨于平緩至5%左右?？梢?jiàn)債券市場(chǎng)指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的波動(dòng)貢獻(xiàn)率是比較高的。根據(jù)圖4可知,債券指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率有一個(gè)影響10個(gè)月左右的滯后期,并且在此滯后期當(dāng)中,債券指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的影響較大。

最后,對(duì)模型進(jìn)行廣義預(yù)測(cè)誤差方差分解,得到的風(fēng)險(xiǎn)溢出指數(shù)結(jié)果如表6所示:

表6 變量的風(fēng)險(xiǎn)溢出情況

通過(guò)對(duì)表6溢出指數(shù)結(jié)果的觀察可以發(fā)現(xiàn),債券市場(chǎng)指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的溢出有31.9%,而貨幣市場(chǎng)基金指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的溢出只有9.4%。

總體而言,債券市場(chǎng)指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率有較大的風(fēng)險(xiǎn)溢出效應(yīng),而貨幣市場(chǎng)基金指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的風(fēng)險(xiǎn)溢出效應(yīng)較小,假設(shè)1沒(méi)有完全成立。主要原因是:第一,銀行理財(cái)資金以較大的比重投資于債券市場(chǎng),貨幣市場(chǎng)投資相對(duì)較少;第二,銀行在債券市場(chǎng)的投資通常采取分散化組合投資,在一定程度上分散了債券市場(chǎng)風(fēng)險(xiǎn),則銀行理財(cái)產(chǎn)品收益率的其他風(fēng)險(xiǎn)效應(yīng)來(lái)源于銀行的投資管理。

(六)加入可能的控制變量進(jìn)行分析

為了考察是否有其他相關(guān)的市場(chǎng)風(fēng)險(xiǎn)因素對(duì)銀行理財(cái)產(chǎn)品收益率產(chǎn)生影響,選用70城房?jī)r(jià)指數(shù)和上證指數(shù)為相關(guān)控制變量,進(jìn)行VAR建模,運(yùn)用脈沖響應(yīng)函數(shù)進(jìn)行脈沖響應(yīng)分析。研究結(jié)果如圖5所示:

圖5 新增控制變量后的脈沖響應(yīng)分析

圖5結(jié)果顯示,上證指數(shù)與70城房?jī)r(jià)指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的沖擊影響相對(duì)較小,趨勢(shì)較為平緩,也沒(méi)有明顯改變債券市場(chǎng)指數(shù)與貨幣市場(chǎng)基金指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的沖擊影響。因此,可以認(rèn)為股市和房?jī)r(jià)的變化對(duì)銀行理財(cái)產(chǎn)品收益率的影響較小。進(jìn)一步對(duì)新建的VAR模型的變量進(jìn)行方差分解,結(jié)果如圖6所示:

圖6 新增控制變量后的銀行理財(cái)產(chǎn)品收益率方差分解

圖6結(jié)果顯示,隨著期數(shù)的增加,債券市場(chǎng)指數(shù)和貨幣市場(chǎng)基金指數(shù)變動(dòng)解釋銀行理財(cái)產(chǎn)品收益率變動(dòng)的貢獻(xiàn)率依然較高,股票市場(chǎng)和房?jī)r(jià)的變化解釋銀行理財(cái)產(chǎn)品收益率變動(dòng)的貢獻(xiàn)率則較低?？梢?jiàn)債券市場(chǎng)指數(shù)與貨幣市場(chǎng)基金對(duì)銀行理財(cái)產(chǎn)品收益率的波動(dòng)貢獻(xiàn)率是比較高的,而上證指數(shù)與70城房?jī)r(jià)指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的波動(dòng)貢獻(xiàn)率則較低,進(jìn)一步說(shuō)明了股市和房?jī)r(jià)的變化對(duì)銀行理財(cái)產(chǎn)品收益率的影響較小?？偠灾?通過(guò)模型驗(yàn)證,選取債券指數(shù)和貨幣市場(chǎng)基金指數(shù)來(lái)分析銀行理財(cái)產(chǎn)品收益的風(fēng)險(xiǎn)溢出是有效的。

(七)GARCH模型分析

為了觀測(cè)溢出指數(shù)與實(shí)際數(shù)據(jù)波動(dòng)的關(guān)系,需要對(duì)上述變量建立GARCH模型進(jìn)行比較分析。首先,根據(jù)GARCH建模的要求,數(shù)據(jù)需要平穩(wěn),則選取進(jìn)行取對(duì)數(shù)差分處理后的銀行理財(cái)產(chǎn)品收益率數(shù)據(jù)與債券市場(chǎng)指數(shù)數(shù)據(jù),選取取對(duì)數(shù)后的貨幣市場(chǎng)基金指數(shù)數(shù)據(jù)。其次,對(duì)處理后的變量數(shù)據(jù)建立GARCH模型。最后,對(duì)建模結(jié)果進(jìn)行分析。模型估計(jì)的條件方差圖如圖7至圖9所示:

圖7 取對(duì)數(shù)差分后的銀行理財(cái)產(chǎn)品收益率條件方差圖

由圖7可知,銀行理財(cái)產(chǎn)品收益率在2014年第一季度和2018年第一季度有較大的波動(dòng),而2020年第一季度即新冠疫情暴發(fā)時(shí)間段及其之后的幾個(gè)季度都有巨大的波動(dòng)。

由圖8可知,債券市場(chǎng)指數(shù)的波動(dòng)在2013—2017年有較大的波動(dòng)集群,2018年的波動(dòng)較小。從2020年第一季度開(kāi)始有一個(gè)持續(xù)近一年的大幅度波動(dòng),此后波動(dòng)變小至2021年年中。

圖8 取對(duì)數(shù)差分后的債券市場(chǎng)指數(shù)條件方差圖

由圖9可知,貨幣市場(chǎng)基金在2014年上半年有一個(gè)較大的波動(dòng),2015年至2017年初有一個(gè)持續(xù)時(shí)間較長(zhǎng)的波動(dòng),此后2018年有一個(gè)持續(xù)近一年的較大波動(dòng),之后波動(dòng)趨于平穩(wěn)。這是由于2014年貨幣政策維持中性穩(wěn)健使貨幣市場(chǎng)資金面保持緊平衡、2015年至2017年貨幣供應(yīng)量M2持續(xù)降速和2018年貨幣市場(chǎng)資金前松后緊等因素的影響。

圖9 取對(duì)數(shù)后的貨幣市場(chǎng)基金指數(shù)條件方差圖

結(jié)合圖7與圖8兩張圖像看,債券市場(chǎng)指數(shù)條件方差的波動(dòng)較大,且有一定持續(xù)性,而銀行理財(cái)產(chǎn)品收益率條件方差的波動(dòng)較小,但是在特定的年份有比較大的波動(dòng)。具體分析可知,在2013年至2015年期間,受中國(guó)股票市場(chǎng)的“低迷”與“救市”影響,債券市場(chǎng)指數(shù)有幾個(gè)較大的波動(dòng),并且波動(dòng)的程度隨著時(shí)間的推移而緩慢減弱,而收益率圖像的波動(dòng)較小,但是在債券市場(chǎng)指數(shù)波動(dòng)后的9個(gè)月左右即2014年的1季度期間會(huì)有一個(gè)較大的波動(dòng)。隨后,在2016年年底至2017年1季度,由于對(duì)股票市場(chǎng)的“監(jiān)管升級(jí)”等因素影響,債券市場(chǎng)指數(shù)有一個(gè)較大的波動(dòng),并且在那之后的9個(gè)月左右,收益率圖像也會(huì)出現(xiàn)一個(gè)較大的波動(dòng)。2020年年中的債券市場(chǎng)指數(shù)波動(dòng)與2021年1季度的收益率波動(dòng)相對(duì)應(yīng),滯后的時(shí)間都在9個(gè)月左右。此外,貨幣市場(chǎng)基金的條件方差圖像與銀行理財(cái)產(chǎn)品收益率的條件方差圖像并沒(méi)有太明顯的關(guān)聯(lián)性。

因此,上述的分析與前文的方差貢獻(xiàn)率分析有一定的關(guān)聯(lián)性,即債券市場(chǎng)指數(shù)變化對(duì)銀行理財(cái)產(chǎn)品收益率的方差有一個(gè)10個(gè)月左右的滯后影響,且影響的貢獻(xiàn)率超過(guò)了50%。而貨幣市場(chǎng)基金對(duì)銀行理財(cái)產(chǎn)品兌付收益的影響并不顯著,這與前文其方差貢獻(xiàn)率圖像的趨勢(shì)相一致,即貢獻(xiàn)率逐漸降低。雖然假設(shè)2沒(méi)有完全成立,但是,運(yùn)用GARCH模型分析得出與采用溢出指數(shù)法分析債券市場(chǎng)與貨幣市場(chǎng)風(fēng)險(xiǎn)溢出對(duì)銀行理財(cái)產(chǎn)品投資效應(yīng)基本一致的結(jié)論,說(shuō)明檢驗(yàn)效果是顯著的。

五、《資管新規(guī)》實(shí)施前后比較

為了分析2018年4月的《資管新規(guī)》對(duì)銀行理財(cái)產(chǎn)品投資收益帶來(lái)的影響,將2018年4月作為一個(gè)間斷點(diǎn),分別分析《資管新規(guī)》實(shí)施前后的風(fēng)險(xiǎn)溢出。為了保證對(duì)比分析的對(duì)稱性,選取2018年4月的前38個(gè)月和后38個(gè)月,即選取2015年2月至2018年4月與2018年5月至2021年6月兩個(gè)對(duì)照區(qū)間,對(duì)兩個(gè)區(qū)間的風(fēng)險(xiǎn)溢出情況進(jìn)行對(duì)比分析。

運(yùn)用前述模型進(jìn)行廣義預(yù)測(cè)誤差方差分解,時(shí)間區(qū)間設(shè)定為2015年2月至2018年4月,得到的風(fēng)險(xiǎn)溢出指數(shù)結(jié)果如表7所示:

表7 第一區(qū)間變量的風(fēng)險(xiǎn)溢出情況

通過(guò)對(duì)表7溢出指數(shù)結(jié)果的觀察可以發(fā)現(xiàn),在2018年4月的前38個(gè)月中,債券市場(chǎng)指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的溢出有37.8%,而貨幣市場(chǎng)基金指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的溢出有23.2%,二者對(duì)銀行理財(cái)產(chǎn)品收益率的波動(dòng)都有較顯著的貢獻(xiàn)。

對(duì)時(shí)間區(qū)間設(shè)定為2018年5月至2021年6月的數(shù)據(jù)進(jìn)行廣義預(yù)測(cè)誤差方差分解,得到的風(fēng)險(xiǎn)溢出指數(shù)結(jié)果如表8所示:

表8 第二區(qū)間變量的風(fēng)險(xiǎn)溢出情況

通過(guò)對(duì)表8溢出指數(shù)結(jié)果的觀察可以發(fā)現(xiàn),在2018年4月的后38個(gè)月中,債券市場(chǎng)指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的溢出有12.4%,而貨幣市場(chǎng)基金指數(shù)對(duì)銀行理財(cái)產(chǎn)品收益率的溢出僅有6.2%,二者對(duì)銀行理財(cái)產(chǎn)品收益率的波動(dòng)相比顯著降低,債券指數(shù)與貨幣市場(chǎng)基金的變化對(duì)其方差的貢獻(xiàn)下降。

從投資理論與金融市場(chǎng)投資實(shí)際看,銀行理財(cái)產(chǎn)品投資收益波動(dòng)或風(fēng)險(xiǎn)主要來(lái)源于金融市場(chǎng)本身的風(fēng)險(xiǎn)和銀行投資主動(dòng)管理的風(fēng)險(xiǎn),特別是特殊經(jīng)濟(jì)社會(huì)背景下,銀行積極主動(dòng)管理風(fēng)險(xiǎn)的可能性增大。《資管新規(guī)》實(shí)施前后,債券市場(chǎng)、貨幣市場(chǎng)對(duì)銀行理財(cái)產(chǎn)品投資收益的風(fēng)險(xiǎn)溢出效應(yīng)呈現(xiàn)前高后低,并沒(méi)有出現(xiàn)因《資管新規(guī)》實(shí)施后銀行理財(cái)產(chǎn)品投資結(jié)構(gòu)變化使債券市場(chǎng)、貨幣市場(chǎng)風(fēng)險(xiǎn)溢出對(duì)銀行理財(cái)產(chǎn)品投資收益的效應(yīng)顯著增加。主要的原因是:《資管新規(guī)》實(shí)施前,同業(yè)理財(cái)占較大比重且收益穩(wěn)定,銀行理財(cái)產(chǎn)品投資收益波動(dòng)的貢獻(xiàn)主要來(lái)源于債券市場(chǎng)和貨幣市場(chǎng)的風(fēng)險(xiǎn)溢出?！顿Y管新規(guī)》實(shí)施后,在債券市場(chǎng)和貨幣市場(chǎng)投資比重增加,銀行主動(dòng)管理的意愿增強(qiáng),特別是2020年初出現(xiàn)的疫情因素,銀行主動(dòng)管理的意愿更強(qiáng),相應(yīng)地,收益波動(dòng)或風(fēng)險(xiǎn)更多來(lái)源于銀行的積極管理,而不是主要來(lái)源于債券市場(chǎng)和貨幣市場(chǎng)。因?yàn)?從前述GARCH模型估計(jì)的結(jié)果可以看到,疫情出現(xiàn)后,債券市場(chǎng)和貨幣市場(chǎng)并沒(méi)有出現(xiàn)大幅度及頻繁的波動(dòng),相反,銀行理財(cái)產(chǎn)品投資收益的波動(dòng)較大。說(shuō)明《資管新規(guī)》實(shí)施后,銀行理財(cái)產(chǎn)品投資者承擔(dān)了較大的來(lái)源于銀行投資管理的風(fēng)險(xiǎn)。基于此,銀行在主動(dòng)管理風(fēng)險(xiǎn)的過(guò)程中,改變?cè)瓉?lái)的“資金池”模式,采用“一對(duì)一”或“一對(duì)多”的投資管理模式,可能出現(xiàn)銀行理財(cái)產(chǎn)品收益低于業(yè)績(jī)比較基準(zhǔn)的現(xiàn)象,但這并不是《資管新規(guī)》實(shí)施后的必然結(jié)果,銀行也完全可以加強(qiáng)投資管理以降低債券市場(chǎng)和貨幣市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)水平。

六、結(jié)論及建議

本文運(yùn)用溢出指數(shù)法測(cè)度債券市場(chǎng)與貨幣市場(chǎng)風(fēng)險(xiǎn)溢出對(duì)銀行理財(cái)產(chǎn)品投資收益的效應(yīng)或者收益率波動(dòng)貢獻(xiàn),再運(yùn)用GARCH模型檢驗(yàn)溢出指數(shù)法測(cè)度的有效性,最終得出如下結(jié)論:

第一,債券市場(chǎng)對(duì)銀行理財(cái)產(chǎn)品投資收益有相對(duì)較大的風(fēng)險(xiǎn)溢出效應(yīng),而貨幣市場(chǎng)對(duì)銀行理財(cái)產(chǎn)品投資收益的風(fēng)險(xiǎn)溢出效應(yīng)相對(duì)較小,說(shuō)明債券市場(chǎng)變化對(duì)銀行理財(cái)產(chǎn)品投資收益實(shí)現(xiàn)有相對(duì)較大的影響,貨幣市場(chǎng)變化對(duì)銀行理財(cái)產(chǎn)品投資收益的影響相對(duì)較小。

第二,運(yùn)用GARCH模型進(jìn)行模擬并對(duì)照分析,發(fā)現(xiàn)債券市場(chǎng)變化對(duì)銀行理財(cái)產(chǎn)品投資收益的影響存在10個(gè)月左右的滯后期,即存在滯后效應(yīng),并且與采用溢出指數(shù)法分析債券市場(chǎng)與貨幣市場(chǎng)風(fēng)險(xiǎn)溢出對(duì)銀行理財(cái)產(chǎn)品投資效應(yīng)的結(jié)論基本一致。

第三,《資管新規(guī)》實(shí)施前后,債券市場(chǎng)、貨幣市場(chǎng)對(duì)銀行理財(cái)產(chǎn)品投資收益的風(fēng)險(xiǎn)溢出效應(yīng)呈現(xiàn)前高后低。《資管新規(guī)》實(shí)施后,銀行理財(cái)產(chǎn)品投資債券市場(chǎng)和貨幣市場(chǎng)比重增加,但是兩個(gè)市場(chǎng)對(duì)銀行理財(cái)產(chǎn)品收益的風(fēng)險(xiǎn)溢出效應(yīng)并沒(méi)有顯著增加,銀行采取“一對(duì)一”或“一對(duì)多”的投資管理模式,使銀行理財(cái)產(chǎn)品投資者承擔(dān)的風(fēng)險(xiǎn)主要來(lái)源于銀行的投資管理。銀行可以通過(guò)提高投資管理水平,降低理財(cái)產(chǎn)品投資風(fēng)險(xiǎn)。

以上分析說(shuō)明,債券市場(chǎng)和貨幣市場(chǎng)是波動(dòng)的,且債券市場(chǎng)變動(dòng)對(duì)銀行理財(cái)產(chǎn)品投資有相對(duì)較大的影響,即在債券市場(chǎng)和貨幣市場(chǎng)投資是有風(fēng)險(xiǎn)的,而且在特定的市場(chǎng)環(huán)境下,可能有較大的波動(dòng)或風(fēng)險(xiǎn)。為此,本文提出如下建議:

對(duì)于銀行理財(cái)產(chǎn)品投資者來(lái)說(shuō),應(yīng)該摒棄保本兜底思想,對(duì)銀行理財(cái)產(chǎn)品投資風(fēng)險(xiǎn)要有正確的認(rèn)識(shí)。而且,由于銀行的組合投資效應(yīng),銀行理財(cái)產(chǎn)品收益率相對(duì)穩(wěn)定,投資者在選擇穩(wěn)健型理財(cái)產(chǎn)品或者在金融資產(chǎn)組合中需要加入低風(fēng)險(xiǎn)產(chǎn)品時(shí),可以優(yōu)先考慮選擇銀行理財(cái)產(chǎn)品,相對(duì)于選擇貨幣市場(chǎng)基金,可以獲取相對(duì)更高的收益率。另外,由于銀行在投資風(fēng)險(xiǎn)管理方面存在差異,投資者應(yīng)首選績(jī)效評(píng)估較好的銀行及理財(cái)產(chǎn)品。對(duì)于銀行來(lái)說(shuō),需要進(jìn)一步加強(qiáng)理財(cái)產(chǎn)品資金在債券市場(chǎng)的投資管理,在社會(huì)經(jīng)濟(jì)環(huán)境不確定性增加時(shí),應(yīng)該選擇增加指數(shù)化投資,降低主動(dòng)投資比重,降低主動(dòng)管理對(duì)理財(cái)產(chǎn)品投資收益風(fēng)險(xiǎn)的貢獻(xiàn)率。

[注 釋]

① 數(shù)據(jù)來(lái)源:中國(guó)理財(cái)網(wǎng)、中國(guó)證券業(yè)協(xié)會(huì)官網(wǎng)、中國(guó)信托業(yè)協(xié)會(huì)官網(wǎng)。