屈書賢 江一帆

摘 要：近年來，世界各國金融危機的頻發(fā)使得系統(tǒng)性風險成為目前風險管理的重點領域，而銀行作為金融系統(tǒng)的重要組成部分，是聯(lián)系各金融機構以及金融體系與實體經(jīng)濟之間的重要紐帶。因此，本文以A股16家上市商業(yè)銀行為研究對象，通過運用分位數(shù)回歸模型分別計算其CoVaR值，并分析上市商業(yè)銀行對系統(tǒng)性風險的貢獻程度，為銀行體系的宏觀審慎監(jiān)管提供理論指導，以更好地防控系統(tǒng)性風險，維護金融市場的平穩(wěn)運行。

關鍵詞：系統(tǒng)性風險;CoVaR;商業(yè)銀行;分位數(shù)回歸

系統(tǒng)性風險不僅要求要關注單個金融機構的風險狀況，還對不同金融機構之間的風險溢出效應的監(jiān)管提出了要求。在金融危機頻發(fā)的背景下，各國金融市場聯(lián)系密切，對系統(tǒng)性風險的分析和測度顯得尤為重要。特別地，銀行體系作為重要的金融機構，也是防控系統(tǒng)性風險的重點對象。

一、文獻綜述

自2008年全球金融危機爆發(fā)以來，Adrian和Brunnermeier（2016）提出的CoVaR可以計算某一機構陷入風險時整個系統(tǒng)的條件在險價值，測算機構對系統(tǒng)的溢出風險大小。Acharya et al.（2017）將整個金融體系資本不足時某金融機構的預期資本短缺（SES）定義為該金融機構對系統(tǒng)性風險的貢獻程度。

高國華和潘英麗（2011）利用GARCH模型對14家上市商業(yè)銀行的CoVaR進行測度;王永巧及胡浩（2012）通過建立動態(tài)參數(shù)Copula模型和GARCH模型構造聯(lián)合分布，測算A股、美股與港股市場之間的溢出風險價值;王蓉（2016）分析銀行體系間風險的雙向溢出效應，認為銀行體系對單個銀行的風險溢出效應要大于單個銀行對銀行體系的風險溢出效應。

二、實證分析

目前，我國A股市場共有30家上市商業(yè)銀行，剔除上市時間較短的14家，最后選取了16家上市商業(yè)銀行作為研究對象，分別為平安銀行、浦發(fā)銀行、民生銀行、招商銀行、華夏銀行、中國銀行、工商銀行、興業(yè)銀行、中信銀行、交通銀行、南京銀行、寧波銀行、北京銀行、建設銀行、農業(yè)銀行、光大銀行。在時間維度上，選取了2011年1月4日至2019年12月26日的16家商業(yè)銀行的股票日收盤價。本文數(shù)據(jù)均從Wind數(shù)據(jù)庫獲得。

首先，根據(jù)獲取的日收盤價計算對數(shù)日收益率。描述性統(tǒng)計分析發(fā)現(xiàn)，各銀行收益率的均值均略大于0，呈左偏分布;峰度均大于3，具有“尖峰厚尾”的特點;JB統(tǒng)計量均不為0，說明收益率分布不具有正態(tài)性。同時各上市銀行收益率序列均通過單位根檢驗，具有平穩(wěn)性。

下面利用分位數(shù)回歸方法，計算各上市商業(yè)銀行的CoVaR值，以及銀行在95%置信水平下的風險溢出水平，結果見表1。

實證結果表明，工商銀行、中國銀行、農業(yè)銀行、建設銀行四大大型商業(yè)銀行，以及交通銀行的 系數(shù)都較大，基本都在0.9以上，這是因為大型國有銀行與銀行體系間的相關性較強。具體來看，農行、中行、工行、建行四大國有商業(yè)銀行，以及交通銀行的 系數(shù)均大于0.9。 的絕對值也較大，一旦發(fā)生風險，對整個銀行體系的影響最大;招商、浦發(fā)、民生、光大、華夏、平安、中信和興業(yè)這八家股份制銀行的 系數(shù)基本在0.7左右，其對應的系統(tǒng)性風險大小也低于大型商業(yè)銀行;北京、南京、寧波三家城市商業(yè)銀行由于規(guī)模小、地域性強等原因，其對應的 系數(shù)都較低，發(fā)生風險傳染的可能性較小。

三、政策建議

本文基于分位數(shù)回歸模型，測算16家上市商業(yè)銀行的CoVaR值及其對系統(tǒng)性風險的貢獻程度，提出如下政策建議：

（1）大型商業(yè)銀行相較于其他股份制商業(yè)銀行和小型城市商業(yè)銀行，表現(xiàn)出更強的風險溢出效應，對系統(tǒng)性風險的貢獻程度更大，因此要更加注重大型商業(yè)銀行的風險管理。

（2）本文僅針對上市商業(yè)銀行進行了系統(tǒng)性風險測度，沒有將非上市商業(yè)銀行的風險溢出效應考慮在內。因此，對于整個銀行體系系統(tǒng)性風險的測算同時也要考慮非上市銀行發(fā)生風險傳染的可能性，加強非上市銀行的信息披露和風險監(jiān)管。

參考文獻：

[1]楊子暉，陳雨恬，謝銳楷.我國金融機構系統(tǒng)性金融風險度量與跨部門風險溢出效應研究[J].金融研究，2018（10）：19-37.

[2]李明輝，黃葉苨.商業(yè)銀行系統(tǒng)性風險溢出及系統(tǒng)重要性研究——來自中國16家上市銀行CoVaR的證據(jù)[J].華東師范大學學報（哲學社會科學版），2017，49（05）：106-116+176.

[4]張路，張溪婷.基于CoVaR模型的我國上市銀行系統(tǒng)性風險度量[J].統(tǒng)計與管理，2017（11）：66-70.

[5]歐陽資生，莫廷程.基于廣義CoVaR模型的系統(tǒng)重要性銀行的風險溢出效應研究[J].統(tǒng)計研究，2017，34（09）：36-43.

[6]嚴一鋒.基于CoVaR方法的我國銀行業(yè)系統(tǒng)性風險測度[J].統(tǒng)計與決策，2018，34（23）：156-159.