我国上市银行系统风险度量：基于MES方法的分析_系统性风险论文

中国上市银行系统性风险度量——基于MES方法的分析，本文主要内容关键词为：度量论文,中国论文,风险论文,银行论文,方法论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。

      2007-2009年的国际金融危机暴露了系统性风险监管的缺失。危机过后，各国监管当局纷纷加强了系统性风险度量和系统重要性金融机构识别的研究与探索，并将监管理念从关注单个金融机构的微观审慎监管转变为注重防范系统性风险的宏观审慎监管。尽管我国金融体系在此次金融危机中受到的直接冲击较小，但随着全球经济一体化和我国金融市场的进一步开放，我国金融体系遭受系统性风险冲击的可能性正不断加大。“一行三会”在2012年9月公布的《金融业发展和改革“十二五”规划》中明确将“加强对系统性金融风险的防范和预警”、“建立健全适合中国国情的系统性金融风险监测评估方法和操作框架”列入未来我国金融改革的重要着力点。我国金融市场以间接融资为主导的融资模式决定了金融体系中大部分风险都集中在银行系统，因此，对我国商业银行系统性风险的度量是加强系统性金融风险防范和预警亟待解决的问题。

      二、文献综述

      实现以防范系统性风险为主要目标的宏观审慎监管，首要任务便是在深入剖析系统性风险理论成因的基础上对其度量。然而，目前国际上对系统性风险并没有一个统一且被普遍接受的定义，不同的定义强调了系统性风险不同的方面，也决定了系统性风险度量方法的多样性。Bisias et al.总结了31种系统性风险度量方法[1]，朱元倩等(2012)按照数据来源的不同将系统性风险度量方法分为基于资产负债表数据的方法和基于股票、债券衍生品等市场数据的方法[2]，其中基于市场数据的方法因采用高频数据且数据易得而受到广大学者的推崇，这种方法以条件在险价值法(CoVaR)和边际预期损失法(MES)等为典型代表。

      Adrian et al.(2011)基于在险价值(VaR)提出了CoVaR方法[3]。CoVaR方法在度量金融机构的系统性风险时采用的是一种“自下而上”的分析方法，即以单个金融机构的破产倒闭为条件来估计整个金融体系的系统性风险。此时，系统性风险被定义为：当单个金融机构出现极端事件(通常是指破产倒闭)时，其他金融机构或整个金融体系所面临的最大可能风险或损失。在该方法中，单个金融机构的系统性风险可由ΔCoVaR来衡量，ΔCoVaR等于金融机构处于危机状态下的CoVaR和常态下的CoVaR之差，它表示单个金融机构对整个金融体系的风险负外部溢出，反映了处于危机状态下的金融机构对其他金融机构或金融体系的边际风险贡献。显然，ΔCoVaR的绝对值越大，其系统性风险也越大。

      CoVaR方法虽然能够度量金融机构对整个金融体系的边际风险贡献，并能很好地反映整个金融网络间的风险溢出效应，但是由于其在测度系统性风险和单个金融机构的边际风险贡献时，与VaR 一样仍然只考虑损失分布的α分位数，因而不能很好地捕捉门限值以下极端情况的尾部风险[4，5]。并且不具有可加性，也就难以通过单个金融机构的风险贡献加总来估计整个金融系统所面临的系统性风险[6，7]。

      Acharya et al.(2012)基于预期损失(ES)提出了系统性预期损失(SES)和边际预期损失(MES)[8]。MES方法在度量金融机构系统性风险时采用一种“自上而下”的分析方法。此时，系统性风险被定义为当金融体系处于系统性事件(通常是指危机状态)时，单个金融机构所面临的最大可能风险或损失。SES衡量当整个金融体系出现资本短缺或处于危机状态时，单个金融机构的预期资本损失，度量的是单个金融机构对整个金融体系系统性风险的边际贡献。而MES衡量当市场收益率出现极端下跌时，单个金融机构股票收益率的预期损失，度量的是未发生危机时单个金融机构对整个金融体系的边际风险贡献，它没有考虑金融机构的杠杆率、规模及其法定资本充足率等因素。在实际计算过程中，MES通过先确定给定时间区间内市场收益率低于5%分位点以下的天数，然后计算这些天内任意给定的金融机构股票收益率的平均值。SES则由单个金融机构的MES值和杠杆率的线性组合估计得到。MES方法不但度量了门限值(损失分布的α分位数)以外的所有损失，具有次可加性，很好地解决了CoVaR存在的问题，而且考虑了金融机构杠杆率对系统性风险和金融机构边际风险贡献的影响[9，10]。

      相对于Acharya et al.(2012)的静态结构化估计方法，Brownlees et al.(2012)进一步发展了MES的计算方法，通过双变量DCC-GARCH模型和非参数估计计算MES，这样计算出的MES具有频度高、灵活性强等优点，并且基于压力测试的基本思路将杠杆因素和MES合并为一个系统性风险指数(SRISK)，既可以衡量单个金融机构的系统性风险，加总后的系统性风险指数也可衡量整个金融体系的系统性风险。单个金融机构的系统性风险指数越高，表明当金融体系处于危机状态时，该机构对金融体系整体系统性风险贡献程度越高。

      危机过后，国内学者也就我国商业银行系统性风险的度量展开了研究，在方法的使用上也多集中于CoVaR方法和MES方法。如高国华等(2011)使用CoVaR方法测度了我国14家上市银行的系统性风险贡献度[11]。范小云等(2011)基于MES方法度量了我国金融机构在美国次贷危机期间以及危机后对金融系统的边际风险贡献程度[9]。相比较CoVaR方法，MES方法采用的是“自上而下”的分析方法，这与宏观审慎自上而下的监管模式较好的吻合，并且使用DCC-GARCH模型和非参数估计计算出的MES频度高、灵活性强。因此，以下采用Brownlees et al.(2012)的方法度量我国14家上市银行的2008-2013年的系统性风险。

      三、研究方法

      (一)系统性风险指数的构建

      借鉴Brownlees et al.(2012)[12]的方法，假设有1家银行T时期每家银行负债的账面价值为

，股权的市场价值为

，并假定监管当局要求每家银行必须留存其总资产的k部分用于维持其权益。基于此假设，资本缓冲可定义为：

。该资本缓冲表示银行的运营资本，当资本缓冲为正时，银行运营正常；当其为负时，银行将经历资本短缺，并且，如果此时经济处于危机状态，由于风险的外溢性，单个银行的负外部性将会对其他金融机构或金融体系，乃至整个实体经济产生不良影响。

      根据“自上而下”分析法中对金融机构系统性风险的定义，可将金融体系处于危机状态看作一个系统性事件，记为

表示t～t+h时期的市场收益率，C表示市场收益率的门限值。则单个银行的资本短缺可表示为：

      

      (二)边际预期损失(MES)的计量方法

      由(2)式可知，计算单个银行的系统性风险指数需要每家银行负债的账面价值、股权的市场价值和MES，前两个可通过银行的财务报表简单计算得到，而MES的计算亦有两种方法[12，13]，本文通过DCC-GARCH模型和非参数估计计算各银行的MES。

      根据Brownlees et al.(2012)的市场波动模型，将市场指数收益率与单个金融机构收益率定义如下：

      

      

      四、实证分析

      (一)样本选取及数据来源

      本文选取在沪深A股市场上市的16家商业银行，剔除上市较晚的中国农业银行和光大银行，共14家上市银行②作为研究对象计算各银行的系统性风险。由于此次金融危机在2007年末2008年年初才对我国金融市场产生较大影响，故选取时间跨度为2008年1月2日～2013年12月31日。截至2013年12月31日，尚有7家上市银行③的股权未实现全流通，而流通股和非流通股的价格存在较大的差异，故本文参考国内其他学者处理股权价值的做法，在计算股权价值时，流通股价值为流通股份数乘以股票日收盘价的年均值，而非流通股价值为非流通股份数乘以每股净资产，两者之和即为各上市银行股权的市场价值。市场收益率采用沪深300指数日收益率，各上市银行日收益率数据、负债的账面价值、流通股份数、非流通股份数和每股净资产等数据均来源于国泰安数据库(CS-MAR)，各上市银行的MES值由R软件编程计算得到。

      (二)各收益率序列的分布特征、平稳性及ARCH效应检验

      在使用DCC-GARCH模型估计各上市银行的MES前，需要了解各收益率序列的分布特征、平稳性及是否存在ARCH效应。

      表1列出了沪深300指数及14家上市银行日收益率的描述性统计、正态性(JB检验)、平稳性(ADF检验)和ARCH效应检验。从各收益率序列的偏度和峰度来看，偏度和峰度均异于0，呈现明显的“尖峰厚尾”现象，说明各收益率序列不服从正态分布，在1%显著水平下，JB统计量也证实了这一点。ADF单位根检验表明各收益率序列平稳；ARCH检验表明，在1%的置信水平上各收益率序列存在明显的异方差。因此，对各收益率序列采用GARCH模型是合理的。

      (三)实证结果分析

      

      

      

      图1 我国14家上市银行MES日均值走势(2008-2013年)

      从图1可以看出，我国上市银行系统性风险大致经历了三个时期：第一个时期(2008年1～9月)，2008年年初，受全球金融危机影响，我国上市银行系统性风险开始逐渐走高并于高位震荡，直到2008年9月达到最大值(0.12488)；第二个时期(2008年10月～2012年9月)，危机后各国政府纷纷救市，我国也适时推出了四万亿经济刺激计划，因此，上市银行系统性风险开始回落，到2012年9月达到最小值(0.02747)；第三个时期(2012年10月～2013年12月)，2013年一季度我国GDP增速为7.7%，低于市场预期，与此同时，四万亿经济刺激计划的副作用开始显现，钢铁、煤炭、电力、水泥、化工、新能源等行业出现严重的产能过剩，由此带来上市银行不良贷款余额有所上升，利润增速下降，特别是以地方融资平台为主的地方债务风险凸现出来，以及影子银行风险，上市银行系统性风险整体又呈现上升趋势。

      根据图1划分的三个时期，表2列出了这三个时期我国14家上市银行MES均值排名结果。从表2可以看出，三个时期各上市银行的边际风险贡献排名有一定差异。其中，大型国有商业银行如中国银行、工商银行和建设银行，在整个样本统计期间对系统性风险的边际贡献较小，排名变化不大；而股份制商业银行和城市商业银行对系统性风险的边际贡献较大，个别银行在排名上发生较大变化。值得注意的是，大型商业银行的边际风险贡献相对较小并不意味着其对整个金融体系的总风险贡献较小，它只表明当市场收益率出现极端下跌时，大型商业银行的股权收益率预期损失较小，抵御风险能力较强。

      

      综合考虑MES、资产规模和杠杆率可计算出各上市银行的系统性风险指数(SRISK)。取14家上市银行日MES的年均值代入式(2)，并假定k=0.08即可得到各银行的资本短缺值(CS)，再代入式(3)得到各上市银行的系统性风险指数，用百分比表示并按2013年数据排名后得到的结果如表3所示。

      

      从表3可以看出，我国14家上市银行各年的系统性风险指数排名变化不大，总体表现为规模较大的银行，系统性风险也较大，具体体现为大型商业银行的系统性风险要明显高于股份制商业银行，而城市商业银行的系统性风险最低。结合表2中的排名，虽然股份制商业银行和城市商业银行在市场收益率出现极端下跌时会发生较大的股权收益率损失，但综合考虑资产规模和杠杆率因素后，这两类银行的系统性风险相对较低，尤其是城市商业银行，资产规模和杠杆率均低于股份制商业银行和大型商业银行，当整个金融体系处于危机状态时，其系统性风险最低。

      表3还显示出：随着我国银行业竞争的不断加剧，大型商业银行的系统性风险随时间呈下降趋势，而股份制商业银行和城市商业银行的系统性风险随时间呈上升趋势。这种趋势的变化，一方面与近年来我国股份制商业银行和城市商业银行的市场份额不断攀升有关④，另一方面也有利于我国银行体系总体系统性风险的分散。

      以上采用Brownlees et al.(2012)的分析框架，利用DCC-GARCH模型和非参数估计方法对我国14家上市银行2008-2013年的系统性风险进行了测度。实证结果表明，资产规模、杠杆率及边际期望损失(MES)都是决定我国上市银行系统性风险的重要因素。当市场收益率处于极端下跌状况时，股份制商业银行和城市商业银行的股权损失较大，而大型商业银行的股权损失较小，这表明我国大型商业银行由于资产规模较大和受到的隐性支持较大而表现出较强的抵御风险的能力。当综合考虑资产规模、杠杆率和MES时，大型商业银行的系统性风险最大，股份制商业银行的系统性风险次之，而城市商业银行的系统性风险最小，表明对我国上市银行系统性风险影响最大的是资产规模。此外，值得注意的是，三类银行的系统性风险随时间呈现出明显的变化趋势，这有利于我国银行体系系统性风险的分散，避免由于风险过度集中以至于爆发而带来的巨大危害。

      ①由于MES表示的是一种股权损失，计算结果为负值，借鉴范小云等(2011)的做法取相反数使其为正值。

      ②包括大型商业银行：中国工商银行、中国银行、中国建设银行和交通银行；股份制商业银行：中信银行、华夏银行、平安银行(原深圳发展银行)、招商银行、上海浦东发展银行、兴业银行、民生银行；城市商业银行：北京银行、南京银行、宁波银行。

      ③包括平安银行、宁波银行、浦发银行、华夏银行、兴业银行、北京银行和交通银行。

      ④从资产规模来看，我国大型商业银行占银行业金融机构市场份额由2008年的52.6%下降到2013年的43.34%，而股份制商业银行和城市商业银行的市场份额由2008年的13.8%和6.1%上升到2013年的17.8%和10.03%。数据来源：中国银行业监督管理委员会网站，统计信息。

标签：系统性风险论文;  银行风险论文;  金融论文;  城市商业银行论文;  金融体系论文;  金融机构论文;  银行论文;  边际效应论文;  商业银行论文;