李丹丹

( 東北財(cái)經(jīng)大學(xué) 國(guó)際商學(xué)院, 遼寧 大連 116025）

中國(guó)影子銀行和商業(yè)銀行的傳染效應(yīng)研究
—— 基于DCC模型的風(fēng)險(xiǎn)分析

李丹丹

( 東北財(cái)經(jīng)大學(xué) 國(guó)際商學(xué)院, 遼寧 大連 116025）

通過(guò)DCC模型分析影子銀行和商業(yè)銀行間的波動(dòng)溢出效應(yīng)，發(fā)現(xiàn)影子銀行對(duì)城商行存在傳染效應(yīng)，證券公司類(lèi)的影子銀行對(duì)城商行的沖擊較大。根據(jù)影子銀行和商業(yè)銀行的VaR分析，發(fā)現(xiàn)影子銀行的風(fēng)險(xiǎn)略大于商業(yè)銀行。提出在出現(xiàn)巨大波動(dòng)前做出短期預(yù)測(cè)和應(yīng)對(duì)的措施建議，為防范金融體系的系統(tǒng)性風(fēng)險(xiǎn)和防止風(fēng)險(xiǎn)的快速傳播提供了新的思路。

影子銀行；傳染效應(yīng)；商業(yè)銀行；DCC模型

一、文獻(xiàn)綜述

對(duì)于影子銀行規(guī)模、功能、風(fēng)險(xiǎn)和監(jiān)管等問(wèn)題的研究越來(lái)越成為國(guó)內(nèi)外學(xué)術(shù)界和金融機(jī)構(gòu)探討的熱點(diǎn)問(wèn)題。影子銀行與商業(yè)銀行存在相互的聯(lián)系。目前越來(lái)越多的商業(yè)銀行開(kāi)始參與到資產(chǎn)證券化和結(jié)構(gòu)化的產(chǎn)品中，將資產(chǎn)移到資產(chǎn)負(fù)債表外進(jìn)行運(yùn)作，減少受到監(jiān)管的力度。一旦市場(chǎng)出現(xiàn)流動(dòng)性不足，影子銀行和商業(yè)銀行之間的高度相關(guān)性，就會(huì)加大金融體系的系統(tǒng)性風(fēng)險(xiǎn)，使風(fēng)險(xiǎn)在各金融機(jī)構(gòu)中快速傳染，引起銀行和非銀行金融機(jī)構(gòu)倒閉。

雖然影子銀行問(wèn)題已經(jīng)引起各方的關(guān)注，但是目前國(guó)內(nèi)對(duì)于中國(guó)影子銀行風(fēng)險(xiǎn)的研究還不夠深入，分析僅限于定性層面。張慧毅和蔣玉潔[1]通過(guò)對(duì)我國(guó)兩種信用風(fēng)險(xiǎn)較高的影子銀行業(yè)務(wù)（民間貸款和銀信理財(cái)產(chǎn)品）的風(fēng)險(xiǎn)傳導(dǎo)機(jī)制進(jìn)行了分析，并提出監(jiān)管的政策建議。周新輝和寧薛平[2]對(duì)中國(guó)式的影子銀行的形式以及內(nèi)部隱含的風(fēng)險(xiǎn)進(jìn)行了闡述，并提出風(fēng)險(xiǎn)防范和化解的策略。宋巍和劉俊奇[3]通過(guò)GARCH-VaR模型對(duì)上市的影子銀行體系下的金融機(jī)構(gòu)和商業(yè)銀行進(jìn)行分析，發(fā)現(xiàn)影子銀行體系的VaR水平高于傳統(tǒng)的商業(yè)銀行，表明影子銀行體系的杠桿率較高，存在較大的系統(tǒng)性風(fēng)險(xiǎn)。但是從量化角度深入研究影子銀行體系風(fēng)險(xiǎn)問(wèn)題的研究文獻(xiàn)較少，本文通過(guò)建立DCC-MVGARCH模型，實(shí)證分析我國(guó)影子銀行的內(nèi)在風(fēng)險(xiǎn)和對(duì)商業(yè)銀行的傳染效應(yīng)，并根據(jù)實(shí)證分析結(jié)果提出防止風(fēng)險(xiǎn)在金融機(jī)構(gòu)間傳染的對(duì)策建議。

二、影子銀行和商業(yè)銀行風(fēng)險(xiǎn)傳導(dǎo)機(jī)制

傳統(tǒng)商業(yè)銀行的主要業(yè)務(wù)模式為吸收存款、發(fā)放貸款的方式，并受到監(jiān)管的限制。而影子銀行迎合了商業(yè)銀行規(guī)避監(jiān)管的要求，通過(guò)運(yùn)用資產(chǎn)證券化等金融創(chuàng)新手段，達(dá)到商業(yè)銀行加速資產(chǎn)流動(dòng)的目的。因此影子銀行和商業(yè)銀行之間形成了錯(cuò)綜復(fù)雜的關(guān)系，相互競(jìng)爭(zhēng)并且相互補(bǔ)充。這種關(guān)系有助于提高傳統(tǒng)銀行的運(yùn)行效率，加速我國(guó)利率市場(chǎng)化進(jìn)程，并且在調(diào)節(jié)市場(chǎng)流動(dòng)性方面發(fā)揮重要作用。然而影子銀行的信用創(chuàng)造可能會(huì)無(wú)限擴(kuò)張，再加上監(jiān)管缺位，一旦出現(xiàn)企業(yè)違約或是信貸危機(jī)，風(fēng)險(xiǎn)就會(huì)通過(guò)各種渠道傳染到商業(yè)銀行，影響商業(yè)銀行的流動(dòng)性，導(dǎo)致信貸過(guò)度收縮，放大了系統(tǒng)性風(fēng)險(xiǎn)，不利于經(jīng)濟(jì)的發(fā)展。

影子銀行的風(fēng)險(xiǎn)傳導(dǎo)機(jī)制主要分為以下幾個(gè)途徑。第一，傳統(tǒng)商業(yè)銀行更多地參與到影子銀行的業(yè)務(wù)中，為了規(guī)避監(jiān)管增加了表外業(yè)務(wù)的發(fā)展，經(jīng)營(yíng)高杠桿高風(fēng)險(xiǎn)業(yè)務(wù)，在銀行理財(cái)業(yè)務(wù)中，傳統(tǒng)商業(yè)銀行作為銀信合作和銀政合作的資金委托方，如果發(fā)生影子銀行機(jī)構(gòu)的違約，商業(yè)銀行的資產(chǎn)將會(huì)受到影響。第二，商業(yè)銀行逐漸成為影子銀行的信用中介，為影子銀行提供初始信貸，商業(yè)銀行作為資金的拆出方，同樣會(huì)受到影子銀行機(jī)構(gòu)資金流動(dòng)性不足的影響。第三，傳統(tǒng)商業(yè)銀行可能會(huì)依靠影子銀行貸款，購(gòu)買(mǎi)影子銀行發(fā)行的貨幣市場(chǎng)融資工具或資產(chǎn)證券化產(chǎn)品等，在影子銀行流動(dòng)性不足或金融衍生品出現(xiàn)信用危機(jī)時(shí)，商業(yè)銀行就要承擔(dān)利率風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)等問(wèn)題。

三、模型方法

（一）DCC模型

多元GARCH模型用來(lái)估計(jì)有條件協(xié)方差矩陣，主要存在兩個(gè)問(wèn)題。首先，隨著資產(chǎn)種類(lèi)的增加，協(xié)方差矩陣的維度將快速增加。另外，多元GARCH模型很難滿足半正定矩陣的要求。恒常條件相關(guān)模型（CCC）和動(dòng)態(tài)條件相關(guān)模型（DCC）通過(guò)利用相關(guān)系數(shù)和有條件方差來(lái)進(jìn)行參數(shù)估計(jì)，以替代對(duì)有條件協(xié)方差的直接估計(jì)，大大提高了模型估計(jì)的效率。BEKK模型只適用于相對(duì)較低的維度，而CCC模型假設(shè)有條件相關(guān)系數(shù)恒定，降低了估計(jì)參數(shù)的數(shù)量，但是恒定的假設(shè)限制性過(guò)強(qiáng)不太合理，因此，本文中運(yùn)用DCC模型保證了時(shí)變的有條件相關(guān)系數(shù)和多維的數(shù)據(jù)。Engle[4]提出的DCC模型如下：

Qo表示非條件的協(xié)方差矩陣，Qt 代表相關(guān)系數(shù)矩陣。Ht 表示有條件的協(xié)方差矩陣，通過(guò)GARCH模型估計(jì)出的各個(gè)資產(chǎn)的方差與相關(guān)系數(shù)矩陣相乘得到。Engle[4]指出，DCC模型比其他的多元GARCH模型具有較強(qiáng)的優(yōu)勢(shì)，主要可以估計(jì)較多的維度，但是當(dāng)資產(chǎn)數(shù)目較多時(shí)，會(huì)造成所有相關(guān)系數(shù)動(dòng)態(tài)過(guò)程受限于相同的動(dòng)態(tài)結(jié)構(gòu)。

DCC模型的參數(shù)估計(jì)利用最大似然函數(shù)法。最大似然估計(jì)的主要問(wèn)題是正態(tài)分布的假設(shè)。金融數(shù)據(jù)的波動(dòng)性模型基本呈現(xiàn)非線性和長(zhǎng)尾的特征。因此在估算DCC模型時(shí)，運(yùn)用Bollerselv和Wooldridge[5]提出的擬極大似然估計(jì)法（QMLE）。QML估計(jì)的一致性和漸進(jìn)正態(tài)統(tǒng)計(jì)可以通過(guò)穩(wěn)健性檢驗(yàn)獲得，并利用BHHH算法進(jìn)行優(yōu)化。

DCC模型近期被廣泛應(yīng)用在波動(dòng)性的研究中，特別是對(duì)金融市場(chǎng)的傳染效應(yīng)的研究。通過(guò)對(duì)市場(chǎng)間的波動(dòng)溢出效應(yīng)的研究，了解波動(dòng)風(fēng)險(xiǎn)的傳導(dǎo)路徑和方向，但是對(duì)于影子銀行和商業(yè)銀行之間的傳導(dǎo)方向，缺少相關(guān)的研究。依據(jù)影子銀行和城商行股價(jià)收益率的特征，建立實(shí)證分析DCC模型，均值方程如下：

均值方程中加入AR(1)的一階滯后項(xiàng)，認(rèn)為前一日的收益率會(huì)對(duì)當(dāng)日收益起到影響。并將標(biāo)準(zhǔn)差加入均值方程中，主要原因是風(fēng)險(xiǎn)和收益具有正向的變動(dòng)關(guān)系，對(duì)于較高風(fēng)險(xiǎn)的金融資產(chǎn)，投資者要求的預(yù)期回報(bào)也相對(duì)較高。方差方程則按照公式（1）中的DCC模型進(jìn)行估計(jì)。

（二）VaR風(fēng)險(xiǎn)分析

風(fēng)險(xiǎn)分析的方法參考目前被投資銀行和商業(yè)銀行廣泛接受的VaR（Value at Risk)模型，具體方法如下：

α表示顯著性水平，Φ-1（1-α）表示在某個(gè)置信水平下正態(tài)分布的分位數(shù)。根據(jù)DCC模型的分析，得到標(biāo)準(zhǔn)差和均值，再進(jìn)行預(yù)期。根據(jù)公式（3）計(jì)算出的VaR可以對(duì)影子銀行和城商行進(jìn)行風(fēng)險(xiǎn)分析。

四、實(shí)證檢驗(yàn)結(jié)果

本文選取上市影子銀行體系相關(guān)的機(jī)構(gòu)作為實(shí)證分析的對(duì)象[3]。選擇中信證券和海通證券作為證券公司的代表，安信信托和陜國(guó)投為信托公司代表，香溢融通和渤海租賃作為民間借貸，愛(ài)建股份和魯信創(chuàng)投為投資公司的代表。為了分析我國(guó)影子銀行對(duì)商業(yè)銀行的傳染效應(yīng)，選取北京銀行、南京銀行和寧波銀行作為城商行的代表，主要由于影子銀行對(duì)城商行的沖擊遠(yuǎn)遠(yuǎn)大于國(guó)有銀行和股份制銀行。如果將16家上市銀行全部納入模型，會(huì)造成估計(jì)維度的劇增，影響模型的計(jì)算。各上市公司的股票每日的收盤(pán)價(jià)格的數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)，時(shí)間范圍從2012年1月4日到2015年1月3日，剔除了部分股票停牌和節(jié)假日的影響日期，并通過(guò)收盤(pán)價(jià)格計(jì)算出當(dāng)日的收益率。

圖1 影子銀行機(jī)構(gòu)的股票日收益率趨勢(shì)圖

如圖1所示，影子銀行機(jī)構(gòu)的代表公司的股價(jià)日收益率在2013年中期和2014年下半年出現(xiàn)波動(dòng)集群效應(yīng)，并且波動(dòng)幅度較大。表1為各影子機(jī)構(gòu)和城商行股票收益率的統(tǒng)計(jì)分析結(jié)果。影子銀行機(jī)構(gòu)的均值比城商行大，并且風(fēng)險(xiǎn)也比較大。偏度的結(jié)果顯示均為正值，顯著的右偏，說(shuō)明右側(cè)的尾部比較長(zhǎng)，大部分的收益率落在均值的左側(cè)。各金融機(jī)構(gòu)的峰度比正態(tài)分布的峰度要高，出現(xiàn)尖峰厚尾現(xiàn)象。ADF單位根檢驗(yàn)顯示影子機(jī)構(gòu)和城商行的收益率均為平穩(wěn)序列，無(wú)單位根。Zivot截距突變崩潰模型的檢驗(yàn)結(jié)果說(shuō)明在考慮了轉(zhuǎn)折點(diǎn)的問(wèn)題后收益率同樣不存在單位根問(wèn)題。最后，對(duì)于ARCH檢驗(yàn)結(jié)果表明存在ARCH效應(yīng)，需要運(yùn)用GARCH模型估計(jì)。

表1 描述性統(tǒng)計(jì)指標(biāo)

表2 多元GARCH-DCC模型回歸結(jié)果

影子銀行和城商行的多元DCC模型結(jié)果見(jiàn)表2。在均值方程中，各金融機(jī)構(gòu)的收益率的滯后項(xiàng)對(duì)其收益具有顯著的解釋力，除了安信信托和愛(ài)建股份。大部分影子機(jī)構(gòu)的方差項(xiàng)的系數(shù)為負(fù)值且顯著，除安信信托和渤海租賃外，說(shuō)明風(fēng)險(xiǎn)和收益之間呈現(xiàn)反向關(guān)系，在股票出現(xiàn)高風(fēng)險(xiǎn)時(shí)，投資者要求高收益做為回報(bào)，但是實(shí)際中的收益率往往受到前一日高風(fēng)險(xiǎn)的影響，出現(xiàn)下降的趨勢(shì)，主要由于市場(chǎng)情緒和投資者心理等原因影響。在方差方程中的A, B系數(shù)均顯著，常數(shù)項(xiàng)C也同樣顯著，方差方程中的DCC檢驗(yàn)的系數(shù)也均顯著，說(shuō)明了DCC模型的適用性。

圖2表示北京銀行同影子銀行體系的動(dòng)態(tài)相關(guān)系數(shù)。中信證券與海通證券和北京銀行的相關(guān)性較強(qiáng)，相關(guān)系數(shù)明顯高于其他影子機(jī)構(gòu)，說(shuō)明證券公司和城商行的相關(guān)性更強(qiáng)，在未來(lái)風(fēng)險(xiǎn)的傳染過(guò)程中，首先要防范由于券商的風(fēng)險(xiǎn)導(dǎo)致的系統(tǒng)性風(fēng)險(xiǎn)，降低對(duì)商業(yè)銀行的沖擊。民間借貸的影子機(jī)構(gòu)（渤海租賃和香溢融通）和北京銀行的相關(guān)性最小，相互的影響程度較低，主要由于商業(yè)銀行參與民間借貸業(yè)務(wù)的程度不大。但是，當(dāng)動(dòng)態(tài)相關(guān)系數(shù)出現(xiàn)負(fù)相關(guān)的情形時(shí)，民間借貸和北京銀行的負(fù)相關(guān)性最大，相互避險(xiǎn)。動(dòng)態(tài)相關(guān)系數(shù)的波動(dòng)在2013年中比較頻繁且波幅較大，主要由于影子銀行的整體發(fā)展在2013年相對(duì)較快，而2012和2014年的動(dòng)態(tài)相關(guān)系數(shù)則比較平穩(wěn)。影子機(jī)構(gòu)和南京銀行與寧波銀行的動(dòng)態(tài)相關(guān)系數(shù)與北京銀行的相似 ，同證券公司的相關(guān)性較大，反映出影子銀行的傳染程度。

圖2 影子銀行和北京銀行的動(dòng)態(tài)相關(guān)系數(shù)

模型的參數(shù)估計(jì)期間從2012年1月4日到2014年11月30日，對(duì)2014年12月的金融機(jī)構(gòu)的股票收益率的均值和方差進(jìn)行預(yù)測(cè)，并將預(yù)測(cè)的均值和方差運(yùn)用到VaR的計(jì)算中。表3給出了各影子銀行機(jī)構(gòu)和城商行在99%和95%的置信水平下VaR的回歸結(jié)果，影子銀行機(jī)構(gòu)的VaR略高于城商行，說(shuō)明影子銀行由于高杠桿和信用無(wú)限放大等原因，容易受到市場(chǎng)風(fēng)險(xiǎn)的沖擊，形成系統(tǒng)性風(fēng)險(xiǎn)，比傳統(tǒng)的商業(yè)銀行更加脆弱。另外影子銀行和傳統(tǒng)商業(yè)銀行間的關(guān)聯(lián)，會(huì)使風(fēng)險(xiǎn)由各種渠道傳染到商業(yè)銀行。民間借貸、信托和投資公司等的風(fēng)險(xiǎn)要高于證券類(lèi)公司。民間借貸的香溢融通的風(fēng)險(xiǎn)最大，渤海租賃風(fēng)險(xiǎn)較小是由于長(zhǎng)時(shí)間的停牌影響，對(duì)此類(lèi)影子銀行的風(fēng)險(xiǎn)需要重點(diǎn)關(guān)注。不同類(lèi)型的影子銀行機(jī)構(gòu)的風(fēng)險(xiǎn)也存在相互傳染的危險(xiǎn)，預(yù)防有高風(fēng)險(xiǎn)機(jī)構(gòu)向低風(fēng)險(xiǎn)的傳導(dǎo)。

表3 VaR回歸結(jié)果

五、政策建議

本文通過(guò)分析影子銀行機(jī)構(gòu)和商業(yè)銀行間的密切聯(lián)系，為銀行業(yè)的風(fēng)險(xiǎn)防控提供了相應(yīng)的監(jiān)管辦法。為了預(yù)防影子銀行體系的風(fēng)險(xiǎn)向傳統(tǒng)商業(yè)銀行傳導(dǎo)，首先應(yīng)當(dāng)采用風(fēng)險(xiǎn)價(jià)值的評(píng)估方式（VaR)，對(duì)風(fēng)險(xiǎn)等級(jí)進(jìn)行評(píng)估，嚴(yán)格控制超出風(fēng)險(xiǎn)承受能力的業(yè)務(wù)。其次要關(guān)注影子銀行體系資金的投向，對(duì)于不符合國(guó)家產(chǎn)業(yè)政策和金融發(fā)展方向的資金要控制，減少類(lèi)似前些年資金向房地產(chǎn)等過(guò)熱部門(mén)的流動(dòng)，而引起的嚴(yán)重的系統(tǒng)性風(fēng)險(xiǎn)。另外，對(duì)于資產(chǎn)負(fù)債表表外業(yè)務(wù)的監(jiān)管應(yīng)當(dāng)逐步加強(qiáng)，減少為了規(guī)避監(jiān)管而出表的現(xiàn)象，商業(yè)銀行應(yīng)保持傳統(tǒng)業(yè)務(wù)的穩(wěn)健性，不應(yīng)當(dāng)過(guò)度開(kāi)展表外業(yè)務(wù)。最后，在加強(qiáng)影子銀行的監(jiān)管的同時(shí)，要出臺(tái)相應(yīng)的救助措施和保險(xiǎn)制度，有助于影子銀行的健康發(fā)展。

[1]張慧毅,蔣玉潔.中國(guó)影子銀行體系的風(fēng)險(xiǎn)及其監(jiān)管研究[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào),2013(9).

[2]周新輝,寧薛平.中國(guó)式影子銀行的隱性風(fēng)險(xiǎn)及其化解路徑[J].蘭州學(xué)刊,2014(3).

[3]宋巍,劉俊奇.我國(guó)影子銀行體系的風(fēng)險(xiǎn)評(píng)估—基于GARCH-VaR模型的實(shí)證研究[J].改革與戰(zhàn)略,2015(31).

[4]Engle R.Dynamic Conditional Correlation—A Simple Class of Multivariate GARCH Models [J].Journal of Business and Economic Statistics, 2002，20 (3):339-350.

[5]Bollerslev T, Wooldridge J M.Quasi-Maximum Likelihood Estimation and Inference in Dynamic Models with Time-Varying Covariance [J].Econometrics Reviews, 1992，11 (2):143-172.

F830

A

1003-1154(2016)01-0016-04

10.3969/j.issn.1003-1154.2016.01.006

國(guó)家社會(huì)科學(xué)基金一般項(xiàng)目“利率市場(chǎng)化進(jìn)程中影子銀行的風(fēng)險(xiǎn)防控與監(jiān)管對(duì)策研究”（14BJY173）；遼寧省社科規(guī)劃基金項(xiàng)目“潛在經(jīng)濟(jì)增速下降背景下影子銀行風(fēng)險(xiǎn)研究” (L13DJY062).

2 由于篇幅限制，省略了南京銀行、寧波銀行同各影子銀行機(jī)構(gòu)的動(dòng)態(tài)相關(guān)系數(shù)圖，如有需要請(qǐng)與作者聯(lián)系。