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)定與中國金融體系的穩(wěn)定密切相關(guān)， 其對中國經(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，則會危及中國實體經(jīng)濟(jì)的發(fā)展，風(fēng)險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)保險業(yè)運行總體平穩(wěn)，主要指標(biāo)處于合理區(qū)間，但風(fēng)險形勢依然復(fù)雜，商業(yè)銀行體系仍存在諸多不確定性和不穩(wěn)定性。銀行存款激烈競爭雖有利于實現(xiàn)銀行業(yè)市場主體的多元化，但也可能導(dǎo)致銀行承擔(dān)過度的風(fēng)險，甚至危及銀行業(yè)的安全。 中國銀行業(yè)風(fēng)險總體可控，但形勢依然嚴(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， 堅決防止發(fā)生銀行系統(tǒng)性風(fēng)險。因此，在上述背景下，文章通過探討銀行系統(tǒng)性風(fēng)險的溢出價值，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)在面對新的存款競爭環(huán)境下如何防范及化解銀行系統(tǒng)性風(fēng)險，具有一定的理論和現(xiàn)實意義。

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 模型測算了各銀行的條件在險值 (CoVaR) 和系統(tǒng)風(fēng)險溢出值（△CoVaR），從動態(tài)分析的結(jié)果圖可以看出，大型國有銀行的風(fēng)險溢出值要高于股份制銀行［1］。 通過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)險的關(guān)鍵因素。高國華和潘英麗基于動態(tài)CoVaR 方法運用金融市場的股價數(shù)據(jù)研究發(fā)現(xiàn)，建設(shè)銀行、中國銀行和工商銀行的風(fēng)險溢出價值最高，其原因主要由于此3家銀行居于我國銀行業(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 方法對中國16 家上市銀行的系統(tǒng)性風(fēng)險貢獻(xiàn)度進(jìn)行了實證分析,研究發(fā)現(xiàn)單個銀行發(fā)生危機(jī)會通過各種作用渠道增添整個銀行體系的風(fēng)險［3］。此外,回歸結(jié)果發(fā)現(xiàn)銀行貸款客戶集中度與其對系統(tǒng)性風(fēng)險的貢獻(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銀行系統(tǒng)性風(fēng)險傳染進(jìn)行測度，其結(jié)果對銀行穩(wěn)定性的影響存在差異。 因此文章利用條件在險價值法進(jìn)行分析，以期精確地計算出各個銀行的系統(tǒng)性風(fēng)險的溢出價值。

吳敏靈（2018）基于我國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）分別研究了我國大小型股份制上市銀行的系統(tǒng)性風(fēng)險貢獻(xiàn)度問題［4］。 認(rèn)為系統(tǒng)性風(fēng)險貢獻(xiàn)與某些銀行特征變量密切相關(guān),在險價值和杠桿率對系統(tǒng)性風(fēng)險貢獻(xiàn)有顯著正影響,銀行規(guī)模對系統(tǒng)性風(fēng)險貢獻(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)入對中國銀行系統(tǒng)性風(fēng)險的影響,時間跨度2003—2015 年,結(jié)果發(fā)現(xiàn)外資銀行的進(jìn)入跟中國銀行系統(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，通過構(gòu)建GARCH-DCC-Copula-CoVar 模型，從動態(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),同時測度了各商業(yè)銀行對銀行體系的系統(tǒng)性風(fēng)險溢出效應(yīng)。研究表明國有大型商業(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)險的度量模型

CoVaR 主要用于測度一家銀行的倒閉給其他銀行或銀行體系帶來的溢出效應(yīng),這個溢出效應(yīng)稱之為系統(tǒng)性風(fēng)險的貢獻(xiàn)度 （ΔCoVaR），ΔCoVaR 表示銀行處于正常經(jīng)營活動下面臨的風(fēng)險價值與處于危機(jī)狀態(tài)時面臨的風(fēng)險價值的差值。

其公式如下：

其中，VaR 表示某一金融資產(chǎn)在未來的最大可能損失，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， 對銀行j 造成的總的風(fēng)險貢獻(xiàn)度，而為了真實刻畫銀行i 對銀行j 造成的損失，此時的風(fēng)險溢出價值為：

同理，當(dāng)銀行i 發(fā)生危機(jī)或倒閉時，對銀行整個系統(tǒng)造成的風(fēng)險溢出價值為：

文章運用條件在險價值(CoVaR)來測度銀行系統(tǒng)風(fēng)險，研究商業(yè)銀行的系統(tǒng)性風(fēng)險和其重要性排名的問題， 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)險貢獻(xiàn)程度的動態(tài)變化。因此文章借鑒其方法，對14 家銀行的周收盤價進(jìn)行數(shù)據(jù)計算得出周收益率，再分別計算銀行危機(jī)情況時(q=0.05) 和 正常狀態(tài)時(q=0.5)的條件在險值(CoVaR)，最后利用銀行i 危機(jī)情況時(q=0.05)和正常狀態(tài)時(q=0.5)的條件在險值(CoVaR)的差值，即可得出銀行i 對系統(tǒng)風(fēng)險溢出價值ΔCoVaR。而此時的ΔCoVaR 即文章中的被解釋變量，一般為負(fù)值，因此取其絕對值，若絕對值越大，則銀行i 造成的系統(tǒng)風(fēng)險越大；反之，絕對值越小，銀行的系統(tǒng)風(fēng)險則越小。

國內(nèi)外學(xué)者構(gòu)建銀行系統(tǒng)性風(fēng)險動態(tài)研究模型， 對銀行系統(tǒng)性風(fēng)險的度量均采用不同方法，文章則運用分位數(shù)回歸法， 對銀行i 設(shè)立q=0.05 的分位數(shù)回歸：

其中Pt為周收盤價為滯后一期的狀態(tài)變量。 文章參考李明輝和黃葉苨［1］的研究，選取市場收益率、期限利差、國房景氣指數(shù)和居民價格消費指數(shù)4 個狀態(tài)變量，銀行整個系統(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)求出各個系數(shù)估計值，再帶入(4)求出各個銀行的在險價值VaR：

（一）正態(tài)性檢驗

文章利用SPSS23.0 軟件對各銀行的收益率序列進(jìn)行正態(tài)性檢驗， 通過柯爾莫戈洛夫-斯米諾夫檢驗（K-S）和夏皮洛-威爾克檢驗（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)一步檢驗序列是否呈正態(tài)分布，通過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 則是因為在此基礎(chǔ)上已經(jīng)減去3，直接與正態(tài)分布進(jìn)行對比。 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)險時利用分位數(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

關(guān)于時間序列數(shù)據(jù)的平穩(wěn)性檢驗，最常見且有效的方法就是單位根檢驗，或者叫做ADF 檢驗。通過Eviews10.0 軟件對所有收益率序列進(jìn)行檢驗，如表3 所示， 所有ADF 檢驗值均小于1%顯著水平的檢驗值-3.443， 并且ADF 檢驗的t 檢驗統(tǒng)計量的p值均等于0。因此，所有的收益率時間序列在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 檢驗值

表3 主要狀態(tài)變量的選擇

（三）條件在險價值

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

表4 系統(tǒng)重要性指標(biāo)排名

四、研究結(jié)論

由模型(4)—(12)通過分位數(shù)回歸計算得出各個銀行的△CoVaR 值， 再通過描述性統(tǒng)計可以發(fā)現(xiàn)文章得出的數(shù)據(jù)與以往經(jīng)驗基本一致。 從△CoVaR 的絕對值來看，工商銀行、中國銀行、建設(shè)銀行和交通銀行這4 個大型國有制銀行的風(fēng)險溢出價值比其他股份制銀行高，因此對整個銀行系統(tǒng)造成的風(fēng)險沖擊較大。 而根據(jù)FSB 公布的全球系統(tǒng)性的重要名單中，工商銀行和中國銀行已經(jīng)被列入其中，因此文章所研究的結(jié)果與實際情況相吻合。中信銀行與民營銀行的代表民生銀行的均值僅次于國有制銀行，由此可認(rèn)為這兩個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)險價值ΔCoVaR 值求其年度平均值，從圖1 的條件在險價值的動態(tài)變化中可知，2008 年系統(tǒng)性風(fēng)險的ΔCoVaR 值較大，其主要原因在于當(dāng)時中國正處于國際金融危機(jī)沖擊的時期，經(jīng)濟(jì)受到一定影響，銀行系統(tǒng)性風(fēng)險明顯增大。此外還可以看出，工商銀行、中國銀行和建設(shè)銀行波動幅度較大， 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)險有所緩和。而在2012 年我國GDP 增長率有所趨緩， 銀行系統(tǒng)性風(fēng)險再次呈現(xiàn)增加的趨勢。上述研究較為精確地反映各銀行系統(tǒng)性風(fēng)險的溢出價值以及對銀行整體的貢獻(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