1、基于 CoVaR 模型的我国上市银行系统性风险度量 张路 张溪婷 对外经济贸易大学金融学院 对外经济贸易大学国际商学院 摘 要： 如今, 经济全球化已成为世界经济发展的大趋势, 世界各国的金融体系联系愈发紧密。因此, 金融危机的爆发也将牵扯到更多的国家。为了防范系统性风险, 维护我国银行体系的稳定, 研究银行系统性风险的度量方法就非常有必要。本文首先对系统性风险进行了界定, 然后简要介绍了基于分位数回归法的 CoVa R模型, 最后采用该模型对中国十六家上市银行日收益率数据进行了实证分析, 度量了各个银行的系统性风险, 并根据实证结果为银行体系的监管提出了政策建议。关键词： 系统性风险; Co
2、VaR 模型; 分位数回归法; 1 前言1.1 研究背景和意义随着全球化的加快, 世界各国的经济联系越来越紧密, 如果一国金融领域所有的或大部分的金融指标的急剧恶化, 将会影响相关国家或地区乃至全世界经济的稳定与发展, 始于 2007 年的次贷危机和始于 2009 年的欧债危机即是如此。2007 年, 美国次贷危机爆发, 投资者开始对按揭证券的价值失去信心, 引发流动性危机。即使多国中央银行多次将巨额资金注入到金融市场, 也不能阻止这场金融危机的爆发。直到 2008 年 9 月 9 日, 这场金融危机进入失控阶段, 很多规模很大的金融机构倒闭或者被政府所接管, 次贷危机已演变成了全面的金融危机
3、, 并蔓延到整个世界, 最终导致了全球金融危机。它极大程度地冲击和破坏了国际金融秩序, 强烈的信贷紧缩效应在金融市场中显现出来, 国际金融体系长时间积累下来的系统性风险暴露无遗。2009 年, 次贷危机余波未尽, 希腊主权债务问题凸显, 2010 年 3 月进一步发酵, 开始向“欧洲五国” (葡萄牙、意大利、爱尔兰、希腊、西班牙) 蔓延。美国三大评级机构却是火上浇油, 接连将西班牙等债务国的信用评级下调。债务危机愈演愈烈, 向整个欧元区蔓延, 演变成了欧债危机, 并严重影响全球经济。时至今日, 世界经济还处于复苏阶段中。因此, 加强对金融体系的监管, 维持国内金融稳定, 防范系统性风险, 是世
4、界各国政府发展经济的同时应该着重关注的问题。这些年来, 我国金融业发展迅速, 强力推动了我国经济的快速发展。其中, 银行业资产规模突飞猛进, 冲破百万亿元大关, 在金融业中的地位举足轻重。因此, 保持我国银行业的稳健发展对维持国内金融稳定十分重要, 那么能够有效度量银行系统性风险就具有关键性的战略意义。本文以我国上市银行的系统性风险为主要研究对象, 应用 Co Va R 模型与分位数回归模型相结合的方法对我国十六家上市银行日收益率数据进行了实证分析, 度量了各个银行的系统性风险, 并根据实证结果为银行体系的监管提出了政策建议。2 文献综述2.1 系统性风险的界定系统性风险的界定在学术界并没有一
5、个统一的观点。目前大体上有三种常用的定义。Bartholomew 和 Whale (1995) 将系统性风险定义为一个“大的”、宏观性的冲击, 而对大部分或者全部经济体系产生了几乎同时、巨大而且不利的影响。在这里, 系统性是“指对整个银行、金融甚至经济体系而不仅仅是对一个或几个机构有影响的事件”。Frederic Mishkin (1995) 将系统性风险定义为“一个突然的、通常是没预料到的事件发生的可能性, 而且这事件会扰乱金融市场的信息, 使市场无法以最有效率的方式配置资金”。国际清算银行 (1994) 将系统性风险定义为“任一成员无法达成合同义务, 将会引起其他成员违约, 并引发一连串反
6、应而扩大金融困境的风险”。类似地, Kaufman (1995) 这样描述系统性风险:“一个事件在一连串机构和市场构成的系统中引起的连续损失的可能性也就是说, 系统性风险是倒下的多米诺骨牌的连锁反应的风险”。以上三种观点我们可以看出, Bartholomew 和 Whale 重点在系统性风险是对整个银行或金融体系而非若干个机构的影响, 强调的是对象的数量;Frederic Mishkin 是从资金配置角度对系统性风险进行定义的;而国际清算银行和Kaufman 则是从风险溢出效应的角度来定义系统性风险的。虽然各个定义的角度有所不同, 但是它们都统一说明了系统性风险破坏金融稳定、扰乱整个金融体系的
7、严重后果。近年来学者们度量系统性风险, 大多是从风险传染性的角度来进行研究的, 第三种定义是目前较认可的定义。因此, 本文我们以第三种定义为标准对我国上市银行的系统性风险进行度量。2.2 银行系统性风险度量的相关研究(1) 国外研究现状Afred Lehar (2005) 提出了风险管理法, 通过模拟多家银行资产的波动, 考察在满足一定的资产条件和数目条件下系统性风险发生的概率, 使用银行资产间的相关系统测度系统性风险的传染。Xin Huang, Hao Zhou 和 Haibin Zhu (2009) 提出了测量和压力测试一组大型金融机构的系统性风险的框架。他们的模型中系统性风险是由应对金融
8、困境的保险价格度量的, 是基于对个别银行的违约概率事前措施和预测资产收益率的关联性。Viral V.Acharya, Lasse H.Pedersen, Thomas Philippon 和 Matthew Richardson (2010) 基于期望损失 (ES, Expected Shortfall) , 发展了系统性风险期望损失 (SES) 和边际期望损失 (MES) 两种新的系统性风险测量方法。该方法很好地与宏观审慎监管理论相契合, 监管机构可以加强对那些边际风险贡献率高、杠杆率大的金融机构的监管, 以降低系统性风险, 预防金融危机。美国金融危机后, 这两种方法得到了广泛的推崇。在此基
9、础上, Brownlees刘春航、朱元倩 (2011) 参考国际上度量系统性风险的经验, 结合金融体系脆弱性评估框架 BLISHER 中对金融结构脆弱性的要素分析, 构建适合中国银行业系统性风险的度量框架;朱元倩、苗雨峰 (2012) 对国内外度量系统性风险的模型进行了梳理和总结。Co Va R 模型能反映出单个金融机构对系统性风险的影响, 是当前研究比较成熟、可操作性强而且比较有效的一种系统性风险度量方法。因此, 在本文中, 我们采用 Co Va R 的模型来测量我国上市银行的系统性风险, 进行实证研究。3 理论基础3.1 Co Va R 方法Va R (Value at Risk) 一般被
10、称为“风险价值”或“在险价值”, 指在一定的置信水平下, 某一金融资产 (或证券组合) 在未来特定的一段时间内的最大可能损失。令随机变量表示资产收益率, 则定义 Va R 为收益率 R 的 q 分位数, 即有:根据 Adrian 和 Brunnermeier (2011) 的定义, 表示机构 i 发生困境时对金融体系的影响, 用金融体系在 t 时刻机构 i 发生事件 C (r ) 的条件 Va R 来度量, 即:机构 i 对金融体系的贡献度用以下公式来度量:其中, 一般情况下, 我们用 R=Va Rq来表示极端情况, 用 R=Va R0.5来表示正常情况。通过 , 我们可以衡量机构 i 对金融
11、体系的影响程度, 即其系统性风险。3.2 分位数回归法估计 Co Va RAdrian 和 Brunnermeier (2011) 在文章中提到, Co Va R 可以使用很多种方法来度量, 分位数回归法是一种比较有效率的度量方法。本文中我们采用这种方法来估计 Co Va R。我们要考察机构 i 发生风险时, 对于金融体系的风险溢出效应, 我们建立以下q 分位数回归模型:根据在险价值的定义, 我们可以直接得到:其中, 表示机构 i 发生风险时金融体系的在险价值。将 (5) 式代入 (4) 式, 我们可以得到:再根据 Co Va R 方法, 令 R=Va Rq, 代入 (6) 式, 我们可以得到
12、 Co Va R 的计算式:进而我们可以根据 (3) 式得到:4 实证分析本节选取我国 16 家上市银行, 应用前面介绍的 Co Va R 方法进行系统性风险度量, 并对这 16 家上市银行的实证结果进行比较分析和详细阐述。4.1 数据选取目前中国上市的银行一共有十六家, 按上市时间顺序分别是:平安银行 (1991) , 上海浦东发展银行 (1999) , 民生银行 (2000) , 招商银行 (2002) , 华夏银行 (2003) , 工商银行 (2006) , 中国银行 (2006) , 兴业银行 (2007) , 中信银行 (2007) , 交通银行 (2007) , 宁波银行 (20
13、07) , 南京银行 (2007) , 北京银行 (2007) , 建设银行 (2007) , 农业银行 (2010) , 光大银行 (2010) 。其中, 最晚上市的光大银行于 2010 年 8 月 18 日上市。所以我们选取 2011年 1 月 4 日到 2013 年 12 月 31 日十六家上市银行股票的日收益率数据。对于金融体系, 我们选取内地银行指数 (000947) 的日收益率数据, 它包括了这十六家上市银行, 可以较好地表示金融体系的情况。经调整我们一共采集到 725 个交易日数据, 所有数据来自锐思金融研究数据库。4.2 收益率序列统计描述我们用 Eviews 将十六家上市银行
14、和内地银行指数的日收益率序列分别进行了统计描述, 用来观测收益率分布的形态, 检验其正态性, 结果如下表 1 所示。可以看出来, 各银行股票收益率序列的偏度均小于零, 呈左偏态。同时各银行股票收益率的峰度均大于 3, 呈“尖峰厚尾”的形态, 符合大多数金融事件序列非对称分布的特征。JB 统计量均不为零, 说明各银行股票收益率并不具有正态性。4.3 各上市银行的系统性风险测算我们采用前面介绍的分位数方法来估算各个银行的系统性风险, 即对于金融体系的溢出效应。取 q=0.05, 即求置信度为 95%时的风险溢出效应。在此, 我们以工商银行为例进行详细展示, 其他银行以此类推, 仅展示结果。我们建立
15、以下 q 分位数回归模型, 其中 sys 表示内地银行指数, icbc 表示工商银行:表 1 十六家上市银行和内地银行指数的日收益率序列的统计性描述 下载原表 我们借助 Eviews6.0 软件采用上述回归模型进行分位数回归, 结果如下表 2 所示, 可以得到 0.05=-0.0192, 0.05=0.4172, 0.5=-0.0010, 0.5=0.3117, 并且我们得到的参数都通过了显著性检验。表 2 内地银行指数日收益率序列对工商银行日收益率序列的表 2 参数估计结果 下载原表 将结果代入分位数回归模型 (9) 、 (10) 、 (11) 得到估计式:用同样的方法, 我们可以得到置信度
16、为 95%时所有的上市公司相关参考值, 列出表 3:表 3 十六家上市银行实证结果统计 下载原表 4.4 实证结果分析通过表 3 的估计结果, 我们进行分析得到如下结果:(1) 我们将这十六家上市银行根据系统性风险进行排序, 得到表4 如下。通过表 4, 我们可以得到这十六家上市银行的系统性风险排名, 得到一个大概的系统重要性排序, 借助这一排序我们可以针对其重要性水平制定相关的审慎政策。表 4 十六家上市银行的系统性风险排序 下载原表 (2) 我们将这十六家上市银行进行简单的分组, 分为 A 组大型商业银行 (包括中国银行、农业银行、工商银行、建设银行、交通银行五家) , B 组股份制商业银
17、行 (包括平安银行、上海浦东发展银行、民生银行、招商银行、华夏银行、兴业银行、中信银行、光大银行八家) , C 组城市商业银行 (包括宁波银行、南京银行、北京银行三家) 。将银行分组后进行简单的处理, 得到表 5 如下。通过表 5, 我们可以看到, A 组 (大型商业银行) 的平均系统性风险明显高于其他两组。这说明大型商业银行陷入困境时对整个金融体系的影响更大, 相对于其他两组有较强的风险溢出效应。股份制商业银行的平均系统性风险略高于城市商业银行。根据这样的结果, 我们可以从银行规模和地域性来进行分析。A组中的银行规模大, 地域广, 网点丰富, 因此陷入困境会对整个金融体系有着更大的影响;而正
18、相反, C 组中的银行是城市商业银行, 规模较小, 而且偏重某一地域, 因此相对而言陷入困境并不会对整个金融体系产生很大的影响。(3) 我们根据表 4 做出这十六家上市银行的系统性风险散点图。为了便于分析, 我们在散点图中画出一条二次回归的趋势线, 用以直观表现系统性风险的大概趋势, 结果如图 1 所示。根据图 1, 我们可以直观地看出各个银行的系统性风险分布, 即各个银行陷入困境时对整个系统的风险溢出效应。其中, 中国银行、农业银行、工商银行、建设银行、交通银行和招商银行在趋势线之下, 它们的溢出效应较大, 对于银行体系的影响较大。其他银行相对来说溢出效应比较小, 对于银行体系的影响较小。表
19、 5 十六家上市银行的分组处理结果 下载原表 图 1 十六家上市银行的系统性风险散点图 下载原图5 研究的优势与不足本文采用经典的分位数回归法运用 Co Va R 模型进行了我国十六家上市银行系统性风险的实证分析, 充分展示了我国银行业现在的系统性风险水平。本文的研究有着自己的优势, 但是同时也有着一些缺陷需要完善和发展。5.1 研究优势(1) 本文采用 2011 年 1 月 4 日到 2013 年 12 月 31 日十六家上市银行股票的日收益率数据, 将 2010 年 7 月 15 日上市的农业银行和 2010 年 8 月 18 日上市的光大银行纳入考虑, 采用了新的数据, 添加了新上市的银
20、行, 完善了前人的研究。(2) 由于本文的上市银行股数据涵盖了内地银行指数所有的银行股成分, 这样与内地银行指数进行分位数回归更具参考意义。5.2 研究缺陷及展望(1) 由于银行系统内还有很多的银行没有上市, 没有相应的参考数据, 所以本文所谓的银行系统并不全面。对此, 我们可以在今后的研究中制定一个合理的指标对于整个银行系统的系统性风险进行全面的实证研究。(2) 鉴于时间精力有限, 本文仅参考了 Co Va R 方法, 度量出的是单个银行陷入困境对于银行系统的风险溢出效应。而对几个银行同时陷入困境对于银行系统的风险溢出效应并没有进行研究。对此, 我们可以在今后的研究中利用曹知立 (2013)
21、 提出的多元 Co Va R 方法进行更深入的实证分析。6 政策建议本文基于 Co Va R 模型对十六家上市银行进行实证分析, 得到了上文中的诸多结论。根据这些结论, 本文在防范银行系统性风险、加强金融监管等方面提出以下几点政策建议:(1) 金融监管部门不仅仅应该着眼于单个金融机构的风险水平, 更应该关注金融机构对于其他金融机构甚至对于金融体系的影响。Co Va R 的方法给了监管部门一个参考方向。(2) 根据本文的研究结果, 我们可以发现大型商业银行、股份制商业银行、城市商业银行等不同类别的银行拥有不同水平的系统性风险。因此, 监管部门可以采取有区别的监管手段, 将监管标准详细化, 可以根
22、据银行规模、银行地域性等因素来制定有区别的监管标准。(3) 根据本文的研究结果, 我们可以以本文的排位顺序为参考, 依据各个银行对银行体系的风险溢出效应, 对溢出效应较大的进行更加严格的监管, 对溢出效应较小的则采取相对宽松的监管。这样而来, 我们就既能保证我国银行体系的活力, 又能确保我国银行体系的金融稳定性。(4) 对于银行个体来说, 它们不仅要注重自己本身的内部风险, 还要关注自己对其他金融机构的溢出风险, 关注金融体系对它带来的溢出风险。这就需要不断完善自身的风险预警措施, 加强自身的风险控制能力, 防范危机中其他金融机构倒闭可能带来的连锁效应。(5) 加强数据的统计工作, 将非上市银
23、行的有关数据进行详细统计, 有助于对整个金融体系的系统性风险做出一个详尽有效的度量, 有效地观测和控制银行的系统性风险。参考文献1高国华, 潘英丽.银行系统性风险度量基于动态 Co Va R 方法的分析J.上海交通大学学报, 2012, 45 (12) :1753-1759. 2朱元倩, 苗雨峰.关于系统性风险度量和预警的模型综述J.国际金融研究, 2012 (1) :79-88. 3刘春航, 朱元倩.银行业系统性风险度量框架的研究J.金融研究, 2012 (12) :85-99. 4韦文彬.我国银行业系统性风险测量研究D.东北财经大学, 2012. 5李玉贤.我国上市商业银行风险溢出效应的测
24、度及分析研究基于 Co Var模型的分析J.陕西科技大学学报:自然科学版, 2012, 30 (2) :115-121. 6程丽娟.基于 Co Va R 方法的商业银行系统性风险度量D.山西财经大学, 2013. 7李育安.分位数回归及应用简介J.统计与信息论坛, 2006, 21 (3) :35-38. 8周柏.关于银行系统性风险理论文献综述J.企业家天地:理论版, 2008 (12) . 9Lehar A.Measuring systemic risk:A risk management approachJ.Journal of Banking&Finance, 2005, 29 (10)
25、 :2577-2603. 10Huang X, Zhou H, Zhu H.A framework for assessing the systemic risk of major financial institutionsJ.Journal of Banking&Finance, 2009, 33 (11) :2036-2049. 11Acharya V, Pedersen L, Philippon T, et al.Measuring systemic riskJ.2012. 12Brownlees C T, Engle R.Volatility, correlation and tails for systemic risk measurementJ.New York University, mimeo, 2010. 13Huang X, Zhou H, Zhu H.Systemic risk contributionsJ.Journal of financial services research, 2012, 42 (1-2) :55-83.
