系统重要性、审慎工具与我国银行业监管，本文主要内容关键词为：审慎论文,银行业论文,重要性论文,我国论文,工具论文，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。
次贷危机引发了学界、业界和监管当局对系统性金融风险的关注，宏观审慎监管成为全球共识。作为本次国际金融监管改革的重要成果，金融稳定委员会(FSB)要求加强对系统重要性金融机构(Systemically Important Financial Institutions，SIFIs)的监督管理，从时间和空间两个维度对系统性风险进行识别和防范。2011年11月，FSB公布了首批29家全球系统重要性银行(G-SIBs)名单，中国银行位列其中。此后，FSB每年均对G-SIBs名单进行更新。2013年11月，中国工商银行首次进入G-SIBs榜单，中国银行则连续三年入选。吸取国际金融危机的教训，当前我国的宏观审慎监管框架正在有条不紊的构建当中。宏观审慎监管以金融稳定为目标，其政策决定也都是出于系统性的考虑，但监管工具和政策措施仍需落实到每个机构上，因而监管当局需要评估单个机构的系统重要性，判断影响机构系统重要性的因素及其贡献度，以系统重要性金融机构作为宏观审慎监管的抓手。立足我国金融体系以银行为中心的现实国情，对我国系统重要性银行(D-SIBs)进行识别和监管成为国内相关研究的重中之重。 当前，我国在系统重要性水平测度方面已取得一定进展。依据“自下而上”(Bottom-Up)的风险传染和“自上而下”(Top-Down)的系统性风险归属两种思路(贾彦东，2011；张健华和贾彦东，2012)，国内学者对我国金融机构的系统重要性进行了度量。然而，“自下而上”的思路以金融机构的状态为条件，单个机构的风险贡献加总并不等于系统性风险，从本质上而言不具有可加性，因此不适于SIFIs的识别与监管(Gauthier et al.，2012)。另一方面，“自上而下”思路下的研究大都根据机构在系统性事件中的参与程度作为衡量其系统重要性水平的标准。但是，Tarashev et al.(2010)明确指出，单个机构在系统性危机中的参与程度与它对系统性风险的贡献是不同的，二者适用于不同的监管目标和审慎工具。遗憾的是，国内大都没有明确区分参与度与贡献度之间的差异，相应的，在宏观审慎工具设计和运用方面也缺乏进一步的分析。此外，目前理论研究与监管实践存在较大差距，前者主要通过复杂的模型测度系统重要性水平，而后者则基本采用多指标的综合评估方法。而且，已有针对我国金融机构系统重要性影响因素的甄别都是从统计意义上通过系数的显著性检验来分析，未对因素的经济意义进行探讨，更没有对其总体贡献率进行量化，从而难以为监管部门的决策和实践提供理论上依据和指导。 鉴于此，本文尝试对这些不足做出有益的补充。在借鉴已有研究(Tarashev et al.，2010; Drehmann and Tarashev，2011;贾彦东，2011)的基础上，本文采用Shapley值分解方法，基于机构在系统性事件中的参与度和机构对系统性风险的贡献度两种视角，对我国16家上市商业银行的系统重要性水平进行评估，并依据笔者提出的“风险系数”法则探讨两种视角所适用的审慎工具。而且本文从监管实践出发，通过一种基于回归方程的分解方法，从规模、关联度、不可替代性和复杂度四个维度，量化各维度指标对我国银行系统重要性的贡献率，为我国金融监管当局的实践提供理论上的依据。 本文结构安排如下，第二部分对相关文献进行了回顾，第三部分给出了研究方法和模型设定，第四部分为实证分析结果，最后是本文的结论和政策建议。 二、文献回顾 银行系统重要性研究存在着“自下而上”的风险传染和“自上而下”的系统性风险归属两种不同的研究思路。“自下而上”的风险传染视角是在给定银行破产倒闭或处于困境的条件下，模拟系统中的银行倒闭数目和系统损失，测度单个银行对整个系统的风险外溢效应，以此来评估银行的系统重要性程度。风险传染的渠道是银行间的网络关联，为了估计这种相互关联性，又有两条技术路线。一是，通过对银行实际业务结构的分析，利用其同业拆借和存放、银行间支付结算等交易数据，估计其相互关联程度，主要有矩阵法和网络分析法等结构化方法。这种方法的缺陷是银行间市场实际的双边敞口数据，尤其是支付结算数据难以获得，只能通过最大熵(Maximum Entropy)方法来间接估计银行的双边关联关系，这大大降低了该方法的实用性。二是，利用股票价格、信贷违约互换(CDS)等金融市场数据推导出市场对银行联合违约相关性的预期。相对于结构化方法，基于市场的研究更容易获得数据，且更具前瞻性和实效性(Huang et al.，2009)。次贷危机后，基于市场数据识别SIFIs的研究得到了快速发展。Adrian and Brunnermeier(2011)提出条件风险价值(Conditional Value at Risk，CoVaR)来计算系统在一个特定机构处于危机和正常条件下的VaR，再以两种状态下的CoVaR之差来反映该机构对系统的风险外溢效应。Yang and Zhou(2013)采用有向无环图(DAG)和结构方差分解方法，利用CDS数据，对43家大型国际金融机构在2008-2009年前后的信用风险传导和金融网络结构进行了研究。 “自上而下”的系统性风险归属视角是将系统状态作为条件，研究单个机构在系统性事件下的表现。Huang et al.(2009)通过计算困境保险费(Distress Insurance Premium，DIP)来度量系统性风险和单个机构的风险贡献，DIP的经济含义是覆盖金融系统困境损失(distress loss)的一个假想的保险价格。Acharya et al.(2010)提出边际期望损失(Marginal Expected Shortfall，MES)，计算当整个系统处于危机时，单个机构对系统损失的边际贡献。然而，MES只是测度了机构单位资产的系统性风险贡献，没有考虑规模等其他因素，单个指标也难以识别SIFIs。为此，Banulescu and Dumitrescu(2014)提出成分预期损失(Component Expected Shortfall，CES)，以MES乘以规模衡量单个机构对金融系统的风险贡献。Brownlees and Engle(2012)和Acharya et al.(2012)在动态MES的基础之上，提出系统性风险指数(Systemic Risk Index，SRISK)，以机构在系统性危机中预期的资本短缺度来衡量其系统重要性水平，该指标考虑了规模、关联性、杠杆率等因素。同样在“自上而下”的思路下，Tarashev et al.(2009)将博弈论合作博弈的Shapley值分解用于系统性风险的分配，Tarashev et al.(2010)、Drehmann and Tarashev(2011)研究表明，分配系统性风险的Shapley值具有参与法(Participation Approach，PA)和贡献法(Contribution Approach，CA)两种不同的视角①。PA直接将单个金融机构在系统性事件中的损失规模作为衡量其系统重要性的标准，没有考虑风险可能在系统内的相互传导，即一个机构的困境能够诱发并恶化其他机构的损失。CA则捕捉到了这种风险传导，明确考虑了机构之间的风险传染效应，其Shapley值可以给出单个机构的系统性风险贡献。 目前，在我国银行系统重要性水平度量方面，基于“自下而上”的风险传染思路，一些研究使用银行间市场数据，借助于矩阵法和网络分析法等结构化方法，对国内主要银行的风险传染效应和系统重要性水平进行了评估(马君潞等，2007；范小云等，2012)；另一些研究采用CoVaR方法分析了我国上市银行的风险溢出效应(肖璞等，2012)。“自上而下”的系统性风险归属思路同样受到了国内学者的重视，范小云等(2011)、苏明政等(2013)和梁琪等(2013)分别采用MES、CES和SRISK对我国上市金融机构或上市银行的系统重要性水平进行了测度。值得指出的一点是，贾彦东(2011)采用央行内部的银行间支付结算数据，构建了“系统风险曲线”，并利用Shapley值以“直接贡献”和“间接参与”两种方式分析和评价金融机构系统重要性②。但该文采用的是银行间支付结算数据，数据一般难以获得。本文在贾彦东(2011)研究的基础上，采用我国上市商业银行的资产负债表数据和股票市场数据，测度系统性风险，基于参与法PA和贡献法CA两种视角来评估单个银行的系统重要性。而且本文进一步提出了“风险系数”法则来探讨两种视角所适用的审慎工具，将系统重要性和宏观审慎工具通过“风险系数”法则有机的联系起来。 三、研究方法与模型设定 (一)Shapley值 夏普利值(Shapley Value)是合作博弈中，将整体收益或成本在每个个体间公平分配的方法，Tarashev et al.(2009，2010)指出，将银行系统的总体风险分配到单个银行相当于在合作博弈中将总体价值分配到单个参与者，Shapley值非常适用于识别单个银行对整个系统的风险贡献。对于银行i，它对子系统S的系统性风险贡献就等于v(S)-v(S-i)，即子系统S的系统性风险水平与S排除银行i所形成的新集合的系统性风险水平的差，其中v(·)是特征函数，在任意子系统上都具有普遍适用性，衡量其系统性风险水平。 银行i的Shapley值为i对所有可能子系统边际风险贡献的加权平均：
作为一种风险归属方法，Shapley值具有非常好的性质，有效性：单个银行的风险贡献之和恰好等于总体风险，不存在效率被浪费的现象，这是CoVaR等“自下而上”方法所不具有的；线性可加性：可使用多种风险计量方法来计算每个模型下的Shapley值，然后依据一定准则将多个Shapley值加权平均，进而得到单个银行风险贡献的稳健估计，能够有效降低模型和参数不确定性对研究结果的影响。 (二)参与法与贡献法 将银行系统N看作所有n个银行的组合，那么，系统性风险可界定为银行系统的损失在极小的概率下超过了一个预定的阀值，该阀值的经济含义为银行系统的金融服务功能丧失且实体经济遭到严重损害。因此，系统性风险可由银行的联合违约损失来表示，即系统损失L(N)概率分布的右尾部来度量。本文采用期望损失作为风险计量方法，以L(N)的q分位数定义其尾部，尾部事件的集合用e(N，q)表示，系统性风险就是系统损失的尾部条件期望值：
其中，L(i)为银行i的损失；q分位数采用99.9%，即系统性事件发生的概率为千分之一。为了得到单个银行的Shapley值，需要计算
个子系统S
N的期望损失。在银行系统N层面，可直接采用式(2)计算。对于子系统S，其尾部事件的确定存在两种方法。一是在系统N的层面定义尾部事件，然后在所有的子系统下都采用这组固定的尾部事件。此时，Shapley值给出了单个银行在这组固定尾部事件中的期望损失，反映了它在系统性危机中的参与程度；二是在每个子系统层面分别定义尾部事件，进而得到的Shapley值反映了单个银行的系统性风险贡献。Drehmann and Tarashev(2011)分别称之为参与法(PA)和贡献法(CA)。PA和CA都采用Shapley值分解原则，但其特征函数却是不同的。在PA下，对所有的子系统其尾部事件的集合是固定的，以此来计算条件期望损失；在CA下，尾部事件的集合从一个子系统到另一个子系统是不断变化的，银行i对子系统S的边际风险贡献依赖于i与子系统S的相互作用，这与PA存在根本性的不同。 在PA下，对于任意子系统S
N，其期望损失为：
在CA下，在每个子系统S
N层面，需要依据L(S)的损失分布来重新定义尾部事件，进而根据可变的尾部事件集合来计算每个子系统的系统性风险水平，并给出银行i对每个可能子系统的边际贡献，最后依据(1)式进行加权平均，得到i的系统性风险贡献。 PA衡量的单个银行在系统性事件中的参与度和CA度量的单个银行的系统性风险贡献是不同的。比如，一家规模较小的银行，它在系统性危机中损失规模也较小，PA认为其参与程度低，进而系统重要性水平也不高。然而，如果这家银行与其他银行的关联性较高，具有在系统中传播冲击、将自身风险传导至其他银行的能力，这就提高了该行对系统性风险的贡献。但是，PA在设计时未能捕捉到这种风险传导机制，而CA则明确考虑到了单个银行与子系统S如何相互作用，真正反映了单个银行的系统性风险贡献。因此，虽然PA和CA都能用于测度单个银行的系统重要性，但对监管当局而言，两种方法所适用的监管目标和审慎工具是不同的。 (三)实证模型设定 本文采用随机损失模型来模拟单个银行的损失分布。L(i)由银行i的负债规模、违约损失率LGD和是否违约的随机指示变量
共同决定：
其中，M为共同市场因子、
为银行i的特异因子，分别代表所有银行都会面临的共同市场风险以及单个银行所面临的个体风险。M与
服从标准正态分布且相互独立，
之间也是相互独立的。
为共同市场因子M的载荷，揭示了各银行对于市场风险的暴露程度，反映了银行资产价值变动的联动关系④。
为银行的预期违约率，
为标准正态分布累计分布函数的反函数。在单因子模型下，银行i和银行j的相关系数为
。 为了模拟单个银行的损失分布，首先需要确定以下参数：银行的预期违约率、共同因子载荷以及负债规模占整个系统的比重。本文采用KMV模型计算每家上市银行在每一年的预期违约率；通过股票收益率计算银行资产收益的相关系数矩阵，进而通过因子分析得到其共同因子载荷
。为了得到单个银行的损失分布并保证结果的稳定，模拟的次数设定为100万次。 四、实证分析 (一)样本数据与基本参数 本文的研究对象为在上海和深圳证券交易所上市的16家商业银行，包含5家国有控股商业银行、8家全国性股份制银行以及3家城市商业银行⑤。考虑到中国农业银行和光大银行在2010年才上市，本文研究区间设定为2011-2013年。 计算预期违约率的KMV模型需要设定或计算无风险利率、股权市场价值及其波动率和负债规模等。首先，本文采用一年期定期存款利率作为无风险利率，考虑到央行不定期对存款利率进行调整，所以根据其实际使用天数进行了加权平均。其次，针对股权市值的计算，本文考虑了流通股和流通限售股的区别，此外，工商、农业、中国、建设、交通、民生、招商和中信等银行在A股和H股交叉上市，也要考虑这些银行H股的权益价值。再次，股权市场价值的波动率采用股票价格波动率来度量，对于A+H交叉上市的银行，则分别计算出A股和H股的波动率，再根据其相应市值进行加权。最后，由于采用新会计准则后，商业银行不再公布长短期负债的具体数据，借鉴以往研究，本文采用全部负债作为KMV模型期权的执行价格⑥。2011年和2012采用年报数据，2013年为第3季度的季报数据。此外，本文采用股票收益率数据来计算共同因子载荷，股票收益率为2011年1月1日至2013年9月30日的日频数据。所有数据均来源于Wind数据库。 通过对16家银行的负债规模占比、预期违约章和共同风险因子载荷等基本参数⑦分析可知，首先，5家国有控股商业银行负债规模占整个系统的比重从2011年的74.92%下降至2013年72.27%。其中，工、农、中、建等4家银行占比连续下降，交行2013年较2012年的有所提升，但2013年占比依然低于2011年的，反映出近年来股份制商业银行和城商行规模重要性有所提升。尽管如此，超过70%的比重仍揭示出我国银行业系统的高度集中，“大而不倒”问题在我国银行业的宏观审慎监管中显得非常突出。其次，8家全国性股份制商业银行和3家城商行的预期违约率均值较5家国有控股银行的高，前者样本期内的加权平均值为5.16%，远高于后者的0.99%，表明大型商业银行的风险水平要小于股份制银行和城商行，这与央行的监测结果相一致。再次，国有控股银行之间的资产质量和治理水平也存在差异，中行和工行的预期违约率最低，建行次之，农行和交行最高，2013年交行(1.77%)的预期违约率首次超过了农行(1.20%)。第四，宏观经济减速使得顺周期的银行业资产质量承压，同时利率市场化也对银行业经营带来一定影响，样本银行的加权平均预期违约率出现上升态势，由2011年的2.02%上升至2013年的2.94%。最后，从共同风险因子载荷来看，工、农、中、建等四大行对市场风险的暴露较股份制银行和城商行要低，交行则与之差别不显著。 (二)中国上市商业银行系统重要性分析 表1给出了PA和CA两种视角下16家上市商业银行的系统重要性水平⑧，由表1可知，参与法和贡献法衡量的银行系统重要性水平确实存在一定差异，甚至出现了排序上的不同。其中，5家国有控股银行的差别更为明显。 由表1和系统重要性、规模、预期违约率和共同因子载荷的动态排名⑨可知，首先，5家国有控股银行的系统重要性水平远高于其他股份制银行和城商行，8家全国性股份制银行的则高于3家城商行的，这与贾彦东(2011)和梁琪等(2013)的研究结论相一致。规模是决定单个银行系统重要性水平的关键性因素，起着决定性作用，由于三类银行规模上的巨大差异，导致了不同类别银行的系统重要性水平与其规模上的排序大体相同。
其次，银行自身的预期违约率和对共同风险的暴露程度也起到了显著的作用，它们影响到同一类别银行内部的系统重要性水平及其排序，以及不同类别间相对的系统重要性水平。举例来说，2011年和2013年，农行的系统重要性水平都排在第1位，超过了规模最大的工行，而且农行的系统重要性水平一直高于其规模占比，这与农行在国有控股银行中相对较高的预期违约率和共同因子载荷不无关系，前者表明农行的违约风险较大，后者则说明农行对共同风险的敞口相对较高，这进一步提高了银行联合违约的概率，也增加了系统极端损失的可能性。与此相对，中行和工行的风险贡献则小于其负债规模占比，数据显示这两家银行的预期违约率在2012年和2013年始终处于倒数后两位，较低的预期违约率显著降低了中行和工行的系统性风险。再譬如，8家股份制银行和3家城商行的预期违约率和共同因子载荷排名普遍高于其规模排名，进而提高这一类别银行相对的系统重要性水平。招行的规模一直仅次于5家国有控股银行排在第6位，但招行的预期违约率相对较低，使其系统重要性排名低于它的规模排名。 最后，银行的系统重要性水平并不是固定不变的。随着其规模、资产质量以及对共同风险敞口的变化，其系统重要性也随之变化。参考FSB每年都对G-SIBs名单进行更新的经验，我国金融监管部门在确定出中国的系统重要性银行之后，应根据其系统重要性水平的变化，动态更新D-SIBs名单，以便实施更为精准有效的差异化监管。 此外，为了考察分析结果的稳健性，本文采用99.99%分位数，提高系统性危机的严重程度，以此评估尾部事件确定对研究结果的影响。此时系统性危机的严重程度为万分之一，所有机构会联合违约，即单个机构在系统性危机中的参与率大致相同，违约损失大体可由机构的负债规模确定。这一方面降低了规模占比与系统重要性水平之间的差距。另一方面，也缩小了贡献法和参与法两种方法的结果差异。同时，这一结果也说明，若监管当局对系统性事件的容忍度较高，更应加强对“大而不倒”金融机构的关注。需要指出的一点是，过低的概率可能会掩盖系统性金融风险在银行系统的累积过程，只有当风险集聚到一定规模时才能被监管当局发现，有可能降低监管效率，因此，在下文的分析中，笔者仍然采用99.9%分位数的结果。同时，本文采用100%的违约损失率，考察研究结论是否因LGD的设定而改变，研究发现，违约损失率的改变对研究结果影响不大。 (三)审慎工具的设计和监管的“风险系数”法则 本文不仅要通过测度单个银行的系统重要性水平来识别我国的系统重要性银行，而且试图为监管当局设计出合理的审慎监管工具和可供操作的监管法则。周小川(2011)提出了确定D-SIFIs的“系数法则”，认为从规模来看，工、农、中、建、交等银行肯定是系统重要性银行，并可将交行作为一个临界点，比交行规模大的确定为系统重要性银行，比交行规模小的银行，将该银行资产与交行资产的系数作为D-SIFIs系数，以此计算该银行需要的资本要求和其他审慎要求，当系数小到一定程度，可以忽略不计，视同为零。这种方法简单易行，但是前文研究已说明，虽然规模是影响系统重要性水平的决定性因素，但是银行自身的风险以及银行在系统中的风险敞口也是决定系统重要性水平的重要因素。
存款保险制度作为一种金融保障制度，其目的是保护存款人利益，维护银行信用，稳定金融秩序，确定差别费率的依据就是银行单位资产的风险水平。参与法的Shapley值给出了单个银行在系统性危机中的期望损失，除以其规模占比，综合反映了单位资产在系统性事件中的参与率，可以作为存款保险费率的有益参考。与此相对，贡献法和宏观审慎监管的理念相契合，它给出了单个银行的系统性风险贡献，除以其规模占比，正好给出银行单位资产或负债的系统性风险贡献度，可以作为确定D-SIBs附加资本要求的标准。表2给出了本文设计的存款保险费率与D-SIBs附加资本要求的相对水平，即监管的“风险系数”法则⑩。 当前，中国存款保险制度的出台已经提上日程，如何制定公平合理的存款保险费率是监管当局不得不面临的一大问题。目前，国际上通行的是差别费率，以规避银行的逆向选择和道德风险。在表2中，笔者给出了存款保险差别费率的调整系数。央行可以借鉴国际经验，同时根据我国国情确定出基准费率，再根据每个银行单位资产在系统性危机中的参与率，即“风险系数”进行差别调整。由表2数据进一步可知，一方面，公平合理的存款保险费率应该是差异化的，银行间的“风险系数”差异最高与最低之间可达2.75倍；另一方面，从总体上来看，国有控股银行的费率应该低于股份制银行和城商行，以反映不同银行单位资产风险水平的差异性。在实际应用中，笔者建议，可以将所有银行归入几个档次，按照聚类的平均值，设定所适用的费率水平。 宏观审慎监管的一个重要维度就是加强对系统重要性银行的监督管理，要求其具有额外的吸收损失能力，即附加资本要求。对于G-SIBs，FSB要求的附加资本是差别化的。其中，中行和工行为1%，汇丰和摩根大通最高，为2.5%，巴克莱银行和花旗集团等为2.0%，美国银行和瑞士信贷等为1.5%。规模是甄别SIBs的重要维度，但附加资本要求反映的是SIBs单位资产的系统性风险贡献度，因而，附加资本要求与规模并不完全正相关(11)。由于我国银行业集中度相对较高，银监会直接对五家大型商业银行要求计提1%的附加资本要求。系统重要性银行的确定是基于单个银行总的系统性风险贡献水平，同时由于国内系统重要性银行的数目相对较少，银监会采取了简单化一，便于操作的原则，都要求1%。但是为了适应未来更加精细的差异化监管，可能需要设计出更加合理的监管指标。与周小川(2011)基于银行资产比的“系数法则”不同，本文的“风险系数”法则不仅考虑了规模因素，还在确定附加资本要求时参考了诸如自身风险以及风险传导等因素。 根据表1中单个银行的系统性风险贡献CA，监管部门可以确定系统重要性银行作为宏观审慎监管的抓手。对于这些系统重要性银行，如何制定附加资本要求呢？笔者的建议是，可参考表2中风险系数的相对值来制定差异化的附加资本要求。此时，我们只需关注D-SIBs的风险系数，因为尽管非系统重要性银行的风险系数较高，但是它们的系统性风险贡献较低，因而无需对其提出额外的吸收损失能力。为了确定D-SIBs附加资本要求比例的高低，此时只需分析D-SIBs“风险系数”的相对水平，通过将D-SIBs的“风险系数”除以它们间的最大值，进行标准化处理，然后根据标准化后的系数制定差别的附加资本要求。同时借鉴FSB的经验，可将附加资本要求分为几档，对系数进行聚类分析归入相应档次，进而提高监管的可操作性。那么，如果确定5家国有控股银行为我国的系统重要性银行，其附加资本要求应该是怎样的呢(12)？表2的结果表明，2012年和2013年，交行和农行的应该最高，工行次之，建行和中行应最低，附加的资本要求与规模并不严格相关，这与FSB对G-SIBs的监管实践一致。此外，2011年的顺序略有变化，交行和农行最高，建行和中行次之，工行最低。这也表明，附加资本要求不是固定不变的，与系统重要性银行甄别一样，监管工作是动态持续性的，无法一劳永逸。 (四)影响因素的贡献率 国际组织和各国监管当局大都采用多指标综合评价方法来识别和监管系统重要性金融机构，首批29家全球系统重要性银行(G-SIBs)也是通过规模、关联性、不可替代性、全球或跨区域活跃度和业务复杂度五个方面识别出来。本文关注我国的系统重要性银行，并对我国16家上市商业银行的系统重要性水平进行了评估，那么，从监管实践的角度来看，哪些因素影响银行的系统重要性呢？每个因素的影响程度，即贡献率如何？本文通过一种基于回归方程的分解框架(13)，量化各维度对银行系统重要性水平的贡献率，分析哪些维度更应引起监管当局的关注。 鉴于中国银行业的国际化水平总体不高，且本文的视角是对我国的D-SIBs进行识别和监管，所以本文剔除全球活跃度这一维度，从规模、关联性、不可替代性和业务复杂度四个维度出发，量化各因素的贡献率。其中，规模维度采用单个银行资产占系统资产的比重衡量；关联性主要考虑银行间资产负债关联度，通过银行间资产和负债占单个银行资产与负债的比重来衡量。银行间资产包括存放同业和其它金融机构款项、拆出资金，银行间负债包括同业和其它金融机构存放款项、拆入资金；不可替代性和业务复杂度借鉴苏明政等(2013)的研究，以手续费及佣金收入来代表一家银行的服务可替代性，采用手续费及佣金收入占营业收入的比重来度量；复杂度以衍生金融资产及衍生金融负债表示，通过衍生金融资产占资产比重以及衍生金融负债占负债的比重来衡量。被解释变量为贡献法CA衡量的银行系统重要性水平，本文同时给出参与法PA作为被解释变量的结果作为参考。
Hausman检验的卡方统计量在10%的显著性水平下仍不能拒绝原假设，故应建立随机效应模型，同时，本文还将Pooled OLS的结果作为稳健性参照。表3给出了4个维度6个指标对银行系统重要性水平的贡献率。首先，规模、关联度、可替代性、复杂度等维度的指标实现了对银行系统重要性水平较好的拟合，模型的拟合优度均在0.85以上。这表明，在监管实践中，通过多指标综合评价体系对机构的系统重要性进行评估是具有合理性的。其次，规模仍然是影响机构系统重要性的最重要因素，且这一结论非常稳健，不因系统重要性水平的度量标准和回归估计方法而改变。这说明识别和监管我国系统重要性银行时，监管当局应将规模指标作为第一因素，不存在任何争议。再次，以银行间资产占比和银行间负债占比衡量的关联度，其贡献率约在20%左右，影响同样不容忽视。过高的关联度会使得冲击在金融网络间传导，通过多米诺骨牌效应，不断自我放大，最终影响到整个金融系统和实体经济的稳定与安全。同时，规模和关联度的相对贡献率表明，在我国，“大而不倒”和“联系太紧而不能倒”问题都需要监管当局的关注，但前者更为重要，这与我国银行系统的现状是相符的。最后，不可替代性和业务复杂度的贡献率分别在10%和5%左右，影响程度相对较小。因此，通过多指标综合评价体系来构建我国银行业宏观审慎监管框架时，这两个维度赋予的权重应适当降低。 五、结论与政策建议 依据“自上而下”的思路并采用Shapley值分解方法，本文基于银行在系统性危机中的参与度及其对系统性风险的贡献度两种视角，对我国16家上市商业银行的系统重要性水平进行了评估，并且依据“风险系数”法则对两种视角所适用的审慎工具进行了探讨，为我国存款保险制度差别费率的确定和系统重要性银行附加资本要求的制定给出了参考。进而，本文从监管实践出发，通过一种基于回归方程的分解方法，从规模、关联度、不可替代性和复杂度四个维度，量化了各维度指标对我国银行系统重要性的贡献率，分析了哪些指标更应引起我国监管部门的关注，并进一步确定“大而不倒”和“相互关联而不能倒”在我国银行系统中的相对重要性，为我国金融监管当局的实践提供了理论上的依据。 结果表明，与单纯以银行在系统性事件中的期望损失作为度量标准的参与法相比，贡献法考虑了冲击在银行系统中的相互传导，能够捕捉到银行之间风险的传导和相互作用，进而合理测度那些处于银行网络中心，但违约水平较低银行的系统性风险贡献，因此更适用于评估银行的系统重要性水平。研究发现，规模是决定银行系统重要性水平的最为关键的因素，银行的预期违约率和对共同风险的暴露程度同时也起到了一定的影响。随着这些因素的变化，银行的系统重要性水平也随之变化。 参与法和贡献法的Shapley值除以规模占比，分别反映了银行单位资产在系统性事件中的参与率和单位资产系统性风险贡献度的相对水平，本文以此提出并构建了监管的“风险系数”法则，为我国存款保险费率的确定以及系统重要性银行附加资本要求的制定提供指引。结果显示，公平合理的存款保险费率应该是差异化的，针对国有控股银行的费率应低于股份制银行和城商行；D-SIBs附加资本要求与其规模并不完全相关。 规模、关联度和不可替代性对我国上市商业银行系统重要性水平的贡献率分别超过60%、20%和10%，业务复杂度的贡献率在5%左右。这进一步证实了规模是影响银行系统重要性的最重要维度。关联度同样不容忽视，“大而不倒”和“联系太紧而不能倒”问题都需要引起我国监管当局的关注，且前者在监管实践中显得更为凸出。 感谢美国科罗拉多大学(丹佛)杨坚教授、天津大学余峰燕博士、南开大学郝项超副教授、王群勇副教授在研究过程中的意见和帮助。同时，感谢匿名评审人的宝贵意见。当然文责自负。 ①值得一提的是，Huang et al.(2009)、Acharya et al.(2010)、Brownlees and Engle(2012)提出的方法均为Shapley值分解的具体运用，属于参与法。 ②贾彦东(2011)将贡献法CA的结果作为“直接影响贡献”，参与法PA的结果作为“间接参与贡献”，将PA与CA之和作为单个机构系统性风险贡献的度量。 ③由于无法获得单个银行的LGD，Huang et al.(2009)假定LGD服从一个对称的三角分布，区间为[0.1，1]，此时LGD的均值为55%，因此，Huang et al.(2009)以及后续研究(Tarashev et al.，2009)等均将LGD设定在55%，本文延续这种做法。同时，笔者在后文中也采用100%的LGD进行稳健性分析。 ④这种联动不仅来自于银行间的实际业务关联，同时还包括银行经营上的相似性，比如持有同一类型的资产、投资组合构成和投资标的区域等的相似等。 ⑤依据中国银行业监督管理委员会年度报告，2012年底我国银行业总资产为1045696亿元，16家上市银行资产占比达到82.15%，具有代表性。 ⑥采用全部负债作为违约点，可能高估银行的预期违约率。根据2006年以前公布的部分商业银行年报来看，其长短期负债结构相差不大，因而采用统一标准，对银行间的横向比较影响不大。 ⑦限于篇幅，模拟银行损失分布的基本参数在正文中未给出，感兴趣的读者可以索取。 ⑧与贾彦东(2011)将PA与CA之和作为单个机构系统性风险贡献不同，笔者认为，无论是PA还是CA，系统的总体损失是相同的，不同的是二者的归属方式，PA按照“结果”，哪个机构产生的损失归属到哪个机构上，CA则按照“贡献”，考虑了风险的相互传导，以损失是由哪个机构导致的作为分配依据。 ⑨限于篇幅，动态排名的表格和下文的稳健分析结果在正文中并没有列出，感兴趣的读者可向作者索取。 ⑩表2中的“风险系数”均为相对数，是实行差异化保费费率和D-SIBs附加资本要求的调整系数。举例来说，中国银行2013年的保费费率风险系数为0.6982，如果我国将基准保费费率确定为全球平均水平0.05%，那么中国银行当年的费率就约为0.035%(0.05%*0.6982)。 (11)根据2013年英国《银行家》全球1000家大银行排行榜，按照核心一级资本，工行排在首位，摩根大通排在第二，美国银行位列第三。 (12)我国尚未公布系统重要性银行名单，周小川(2011)曾经指出5家国有控股银行无疑是中国的系统重要性银行，同时银监会将五家大型商业银行作为国内的系统重要性银行，要求计提1%的附加资本要求。 (13)Shorrocks(2013)提出这一分解框架后，该方法受到学术界的广泛运用。
标签：银行论文; 银行风险论文; 风险系数论文; 系统性风险论文; 审慎监管论文; 银行监管论文; 银行系统论文; 银行资本论文; 重要性水平论文; 金融论文; 预期违约论文;
