我国银行业系统性风险研究——基于拓展的未定权益分析法，本文主要内容关键词为：银行业论文,分析法论文,权益论文,风险论文,我国论文，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年美国次贷危机发生后，各国金融监管体系进行了新一轮的改革。而金融监管体系改革最为重要的关键点就是力图及时、有效地监控、管理金融体系的系统性风险，从而维护金融体系稳定，促进宏观经济的稳定。各国实践充分证明，每次金融危机都是系统性风险形成、集聚以及爆发的结果，而每一次金融危机尤其是本轮国际金融危机最重要的教训之一，就是各国对金融体系系统性风险的研究，特别是对系统性风险测度的研究高度欠缺。本轮金融危机后，特别是巴塞尔协议Ⅲ以及《多德—弗兰克金融改革法案》的通过与实施后，各国学术界和监管部门加大了对系统性风险的研究，在理论研究和实证研究两方面均取得了可喜进展。一些学者提出了不同的方法考察系统性风险随时间的演变性，一些学者探讨了单个金融机构对系统性风险的贡献程度，一些学者着力研究如何识别系统重要性金融机构，还有不少学者基于市场信息和包括杠杆率、规模和银行间的连接关系以及期限错配等风险驱动因子，建立了若干模型来捕捉和量化系统性风险。Bisias et al.(2012)以及Galati & Moessner(2011)对近年来特别是金融危机后系统性风险的研究做了全面综述。在所有系统性风险的最新研究成果中，运用未定权益分析方法(Contingent Claims Analysis，CCA)来测度、分析系统性风险的研究应当是最有实际应用价值的，与其他基于单方面信息的测度指标相比，CCA方法综合了财务报表数据和具有前瞻性(Forward-Looking)特征的股票市场数据，能获得周期性更新的时变风险指标点估计值，更能动态且系统地反映系统性风险(Gray & Jobst，2010b)。
近年来，国外已有不少文献运用CCA方法研究宏观层面的系统性风险，但国内运用CCA方法研究宏观层面系统性风险的文献则相当有限。特别是，在当前中国的金融体系中，银行业的资产占全部金融资产的90％以上，融资规模占全部融资规模的80％以上，因而研究中国银行业的宏观意义上的系统性风险就是最为关键的环节，但我国迄今在这方面的研究极为薄弱。因此，针对中国具体国情，运用CCA类型的方法，测度中国银行业宏观意义上的系统性风险，就具有重大的现实意义。本文将基于拓展的未定权益分析方法，从银行体系总量上和不同银行类型结构上，探讨我国银行业系统性风险的测度问题。
一、CCA方法与系统性风险研究
Black & Scholes(1973)和Merton(1974)在研究期权定价理论时，开创性地提出了CCA方法。Crosbie & Bohn(2003)的Moody's KMV模型将CCA方法应用于企业的违约风险研究，能非常有效地预测企业信用评级的降级及违约情况。Gray et al.(2001，2002，2004，2007，2008，2010，2011)则率先将此方法的运用范围从微观提升到宏观，运用此方法测度宏观的系统性金融风险，包括主权债务风险、各宏观部门间的风险传播以及单个机构对系统性风险的贡献程度等。Gray et al.将CCA方法与资产负债表、市场数据结合起来，构建了反映市场信息的未定权益资产负债表，按照这种未定权益资产负债表，债务(包括股权和负债)的价值来源于企业资产的价值；债务有不同的优先权(高级和低级索取权)；资产价值服从一个随机过程；导致违约风险的根源在于未来资产市场价值变化的不确定性，在债务到期时如果资产价值低于债务的价值则发生违约。CCA方法假定股权价值是一个以资产为标的，以债务水平为执行价格的隐含欧式看涨期权，权益所有者在没有发生违约的情况下就获得企业的剩余索取权；风险债务的市场价值是以资产为标的的隐含看跌期权；当资产下降而接近于违约障碍时，看涨期权的市场价值也随即降低；资产的市场价值和违约障碍之间的标准化距离就是违约距离(Distance-to-Default，DD)，DD能刻画资产市场价值偏离违约障碍的标准差数量。该方法能得到一系列风险测度指标，包括隐含资产波动率、杠杆率、违约距离、违约概率、违约担保、风险中性信用风险溢价等。①在风险债务看跌期权特性的基础上，Merton(1977)进一步得到了存款保险和贷款担保的定价公式，为研究存款保险制度和政府隐性担保等系统性风险指标开启了一扇大门。
还有其他一些学者也对CCA方法的宏观应用做出了贡献。Chan-Lau，Jobert & Kong(2004)在IMF工作报告中，用CCA方法对新兴市场38家银行的违约距离进行估算，实证研究表明DD能提前9个月预测银行危机；End & Tabbae(2005)利用CCA方法测度了荷兰的系统性金融风险状况；Castren & Kavonius(2009)利用CCA方法，主要通过DD这一风险指标度量了欧元区的宏观金融风险。Krainer & Lopez(2008)考虑了含有投资者预期因素的股票市场信息作用，他们的研究显示，股票和债券市场所包括的信息随着企业困境状态的变化而变化；Gropp et al.(2006)以及IMF(2009)等研究表明，基于CCA的测度指标能提高CDS价差等金融稳定指标的监测能力；Harada et al.(2012)比较了日本单个银行的DD和整个银行体系汇总的违约距离(Aggregated Distance-to-Default)，研究表明DD能有效地监测银行的违约风险以及危机期间银行兼并的效应；IMF(2011)研究美国的系统性风险时则发现，汇总的违约距离在预测系统性极端事件和发现系统性事件前夕的拐点方面效果显著。
运用CCA方法研究系统性金融风险的文献，一般都要结合DD这一指标来展开定量测度和分析，不过，现有的大部分研究最多仅取每个金融机构(每个部门)DD的算术均值ADD(Average Distance-to-Default)或资产加权均值WDD(Asset-weighted Distance-to-Default)以及分位数来测度整体系统性风险。很显然，在分析系统性违约风险的积累、动态性和强度时ADD指标(包括中值和分位数DD指标)包含了大量的信息。但ADD隐含假定银行体系的资产完全相关，没有考虑银行的异质性、规模差异、风险的相依性以及银行体系的尾部风险，如果仅仅只分析ADD，特别是在危机期间，则具有误导性。虽然资产加权指标WDD或分位数DD指标在一定程度上考虑了银行的规模问题，在违约相关性较低时更为可靠，但在金融危机期间不能刻画银行间的相依性问题(
ihák，2007；Chan-Lau & Gravelle，2005)。近年来，国外学者发现，在运用CCA方法研究银行系统性风险时，进一步拓展，将银行体系看成一个“大银行”即由银行组成的一个“投资组合”后，基于银行间资产的协方差矩阵以及股票收益波动率的组合违约距离PDD(Portfolio Distance-to-Default)考虑了银行的规模因素和银行间风险的相互依赖性，也能确定联合违约概率下界，因此比ADD包含了更多的信息。De Nicolò & Tieman(2007)研究了欧洲地区的ADD和PDD后，还发现两者的联合变动趋势具有深刻意义：在市场困境期间银行间资产的联动性增强表明，银行间具有高度的相依性，在基本面情况恶化时两者间的差距将缩小，并且都趋于下降。在通常情况下PDD都大于ADD，因而确定了危机发生概率的下限，两者间的联合变动包含了银行间联动性增加的相关信息即系统性风险。而PDD和ADD两者间的联合变动则更是包含了银行间联动性增加的相关信息即系统性风险。正是基于这种认识的深化，IMF(2009)还曾发布了欧洲地区和美国金融体系的ADD和PDD系列指标以示系统性金融风险。最近，Saldías(2012)分别用股票期权和指数期权隐含波动率作为单个银行资产收益波动率和银行体系波动率，基于PDD和ADD的联合变动研究了欧洲银行体系的系统性风险，发现比基于其他波动率的PDD和ADD具有更好的前瞻性，能很好地预测到系统性风险的变动，是一个比较理想的系统性风险预警指标。不过，总体上看，目前国外基于拓展了的CCA方法的相关研究文献，即综合运用ADD、WDD、PDD和政府隐性担保等指标的CCA方法来测度宏观系统性风险的研究文献还相当少见。②
近年来，国内已有一些学者开始探讨运用CCA方法测度宏观的系统性金融风险。叶永刚、宋凌峰(2007)最早提出要综合运用资产负债表方法、CCA方法、VaR方法和蒙特卡罗模拟方法这四种方法来研究宏观金融风险的识别、度量和管理问题。宫晓琳(2012a)编制了2000-2008年国民经济机构部门层面的资产负债表，用CCA方法测度了该时间段内我国宏观金融风险，研究了国民经济各机构部门风险敞口的动态演变性以及各机构部门金融稳定性对负面冲击(2007-2008年的金融危机冲击)的敏感性，并简要分析了当前我国的一些经济问题(如地方债)对宏观金融稳定性的影响。宫晓琳(2012b)则将CCA方法结合最大熵方法和网络理论模型方法，根据自己汇整编制的我国2000-2008年系统性金融数据，实证分析了我国宏观金融风险的联动综合传染机制。沈沛龙、樊欢(2012)运用CCA方法，根据我国国情，首先编制了一个简化的政府“可流动性资产”负债表，然后，藉此深入分析了我国政府的债务风险，得出了金融危机对我国政府债务风险的影响显著等结论。但是，这些文献并未专门探讨我国银行业宏观意义上的系统性风险，即银行业整体风险问题。
孙洁、魏来(2009)曾首次运用CCA方法，对我国具有代表性的7家上市商业银行2006年第四季度至2008年第三季度的风险状况进行了整体评估。刘海龙、杨继光(2011)在CCA方法的基础上，利用存款保险的期权定价理论以及银行破产时被保险存款的期望损失定价方法，研究了2004年到2007年我国5家股份制上市银行存款保险费率的定价问题。许友传、刘庆富和陈可桢(2012)在CCA方法的框架内，结合我国银行业隐性保险和监管救助的特点，基于11家上市银行股权分置改革后的股权价值等数据，分别估计了政府对每家上市银行的隐性救助概率和救助成本。这些文献有较大参考价值和启示意义，但是这些文献的不足，就是运用CCA方法展开研究时，仅简单采用了DD(或违约概率)和ADD指标来度量风险，而未能运用拓展的CCA方法，没有考虑资产收益波动率的时变性，未能采用能刻画银行间资产联动性的PDD以及政府隐性担保等度量指标，这样的研究结果就可能出现较大误差，甚至可能出现误导。
本文将基于拓展的未定权益分析方法来研究我国银行体系整体的系统性风险。在没有一些严格假设的前提下，本文将利用2007年第四季度到2012年第三季度我国上市商业银行的财务报表数据和股票市场数据，测算出我国银行体系隐含资产的波动率，进而估计出风险中性测度下三个汇总的违约距离的每日测度指标：平均违约距离ADD、资产加权违约距离WDD以及组合违约距离PDD，在此基础上计算出PDD和ADD之差以及政府隐性担保，从而以PDD与ADD的联合变动趋势和政府隐性担保等指标来刻画2007年第四季度以来我国银行业系统性风险的动态演变性，测度我国大型商业银行、股份制商业银行以及银行体系的系统性风险。
图1 实际违约概率与风险中性违约概率
二、CCA模型的构建与估计
为准债务比例(Quasi-debt Ratio)。由等式(14)可以看出挽回率依赖于违约概率、资产价值、债务比例和资产波动率；违约概率越高，政府对其隐性担保额度越大。因此政府对银行体系的隐性担保就是每个银行隐性担保的总和。
三、我国银行业系统性风险的实证研究
(一)样本与数据的处理
按照中国人民银行金融机构的分类标准，考虑股票市场数据和财务报表数据的可得性，本文样本包括中国工商银行、中国银行、中国建设银行和交通银行4家大型商业银行，中信银行、华夏银行、平安银行、招商银行、兴业银行、上海浦东发展银行和中国民生银行7家股份制商业银行。⑤按照2011年底的账面资产规模排名，前十位的上市银行为工商银行、建设银行、农业银行、中国银行、交通银行、招商银行、中信银行、浦发银行、兴业银行和民生银行。截至2012第三季度末，这十家银行的总资产和净利润的总和约占中国商业银行资产和利润总额的78％。因此，本文所选样本能较好地代表我国商业银行体系。样本时间跨度是2007年第四季度至2012年第三季度，涵盖了2007年10月来美国次贷危机发生后的整个时间段，包括2010年以来的欧债危机以及我国2008年年底实施的“4万亿元”财政刺激政策、地方政府债务水平的凸显、房地产市场的调控、监管以及竞争的加强、利率市场改革等对我国银行体系有重大影响的事件。
所有上市银行的股票市场数据来源于CSMAR数据库，季度财务报表数据来自于上海和深圳证券交易所公布的财务报表。银行每个交易日的股权价值取值为每日A股总市值，即总股本(包括流通股与非流通股)乘以当日收盘价；违约障碍取值为负债总额的账面价值；⑥无风险利率取值为中国人民银行发布的1年期存款基准利率与其持续时间的加权平均值，2007年到2012年的无风险利率水平分别为3.21％、3.92％、2.25％、2.30％、3.28％、3.24％；负债的到期期限T-t按通常惯例取值为1年。为了获得每日的DD指标，需要对原始的财务季度数据进行修正，本文用三次样条插值法将季度违约障碍数据转换成日度数据。
为了评估模型的测度效果，需要选择合适的银行业指数。本文选取Wind资讯中的申银万国银行业指数作为检验模型的标准。申银万国股价系列指数以申银万国行业分类标准为基础，按照流通股本加权计算出派氏指数，从而编制行业股价指数，以表征不同行业平均股价变化。基期为1999年12月31日并且发布于2000年1月4日的申银万国金融服务指数下的二级行业指数之一的银行业指数，较为全面地包括了各时期的银行业上市公司，是一个理想的银行业指数。⑦
(二)波动率的计算
CCA方法的核心优势在于在财务报表数据的基础上引入市场信息，从而具有前瞻性。在最初的CCA框架中通常假定波动率为常数，但金融市场中波动率呈现出时变性特征。使用基于股票期权的隐含波动率能显著增强前瞻性的优势，但我国现今没有股票期权交易。在金融市场中通常有历史波动率和GARCH模型两种方法来对每日波动率进行建模。图2显示出工商银行20日(约1个月的交易日)移动平均标准差和GARCH(1，1)两种方法来刻画股权收益的年化波动率的结果相似，并且都较好地刻画了2008年9月雷曼兄弟破产倒闭所触发的金融危机，以及2010年第四季度欧债危机对我国金融体系的显著影响。因此本文采用GARCH(1，1)研究所有单个银行的股权收益的波动率，用20日银行隐含资产收益率的移动协方差矩阵来研究银行组合的波动率。
由第三部分可知，计算出银行隐含资产的价值及其波动率后，可得到单个银行的DD以及银行体系的ADD、WDD和PDD以及政府隐性担保等日频序列指标；还可以分析我国两大类银行即大型商业银行与股份制商业银行在不同时期风险的差异。DD序列具体的估计方法如图3所示。
图3 DD估计方法
(三)我国银行业系统性风险的实证研究
本文分别从隐含资产波动率、ADD、WDD、PDD以及PDD与ADD的联合变动趋势、政府隐性担保等指标来刻画2007年第四季度以来我国银行业系统性风险的动态演变性，并且以申万银行业指数的走势来检验风险指标的效果。这些指标有两个显著特点：第一，能够监测整个银行体系的风险并且能捕捉到银行间相依性随时间的变化特征；第二，能够识别银行体系风险的累积过程，以及对由于市场预期和经济波动所导致的事件具有敏感性。
1.隐含资产的年化波动率
图4显示了我们计算出的我国银行体系隐含资产的波动率，以及我国银行体系中大型商业银行隐含资产波动率和股份制商业银行隐含资产波动率。
图4显示，在2007年美国次贷危机后，我国所有银行隐含资产波动率都处于高位状态，直到2008年6月份才有所降低，但随后由于2008年9月雷曼兄弟的倒闭使得波动率再次上升。这与宫晓琳(2012a)对我国金融部门隐含资产波动率的研究结果高度一致。2009年我国房地产调控政策以及2010年年底的欧债危机对波动率也有显著影响，但影响幅度明显小于金融危机，这印证了美国金融危机对全球银行体系影响更为剧烈，我国和美国的经济贸易关系更为紧密的事实。
同时从银行的规模以及控股权角度来看，绝大部分时间内股份制商业银行的波动率都要高于大型国有商业银行，说明股份制银行因为规模较小，更容易受到国内外宏观经济金融形势的冲击，而大型商业银行因规模大使其在多数场合的波动性较小。当然，这并不意味着股份制银行的风险管理水平低。从下文违约距离的分析中可以看出股份制银行的风险管理水平要高于大型商业银行。
2.违约距离
表1给出了我们计算得出的我国银行体系DD序列的描述性统计。
由表1可见，正如前文所述，由于WDD在一定程度上考虑了规模因素，使其在大部分时候都大于ADD，但从均值可以看出这种差距非常小，而且两者的标准差等其他统计量都只有很小的差异，因此ADD和WDD都不能作为有效的风险测度指标，特别是在危机期间。PDD和ADD序列则表现出很大的差异，除极个别情况外，PDD的值都大于ADD，并且由PDD-ADD的均值可以看出存在着很大的差异。PDD的值越小(越大)意味着联合违约概率越大(越小)。而且PDD的标准差、偏度和峰度统计量都显著大于ADD，表明PDD对市场中出现的新信息特别是积极的信息反应非常灵敏，PDD和ADD的联合变动趋势即两者之差更适合作为测度系统性风险的指标。当然也要注意，由于PDD的标准差统计值很大，对新信息可能会出现过度反应的情况。
图5依次显示了我国大型商业银行、股份制商业银行和整个银行业的ADD、WDD、PDD以及申银万国银行业指数，其中申万银行业指数为除以了200以后的数值。
图5 大型商业银行、股份制商业银行以及银行业的DD序列
这三个图通过ADD、WDD、PDD及申万银行业指数给出了我国银行体系风险随时间变化的趋势。由图可见，除了极个别情况PDD向下击穿了ADD外，如第二部分所述在整个样本区间内PDD走势大体跟ADD一致并且都大于ADD，也证实了ADD和PDD可以分别作为联合违约指标的上界和下界。但是因为ADD没有考虑到银行的异质性、规模差异、风险的相依性以及银行体系的尾部风险等风险因素，不能作为有效的系统性风险测度指标。WDD虽在一定程度上考虑了银行的规模因素，但在绝大部分时候特别是在危机时期WDD和ADD的差异都非常小，因而也不能真实测度风险。而PDD考虑了规模因素和风险相依性，PDD和ADD两者间的差异则体现了银行间联动性增加的相关信息即系统性风险。由描述性统计可知，PDD具有更高的波动率以及右偏统计量，表明了PDD以及PDD和ADD两者之差对市场中出现的新信息反应很灵敏，能作为系统性风险测度的指标。当PDD和ADD两者间的差距很小时意味着银行体系的系统性风险很大，而当两者间的差距较大时表明风险比较小。
从图中DD序列和银行业指数走势还可以看出，在市场出现极端负面消息使波动率变大时PDD和ADD间的差距迅速缩小，表明风险急剧增大。且当市场处于高波动率状态时，这种较小的差距会持续很长一段时间，特别是大型商业银行，这反映了银行体系具有较高的联合违约概率。而此时一旦出现积极信息，两者间的距离则会短暂地扩大。这主要表现在2007年次贷危机发生后，市场的波动率增大，股票收益率降低，银行间的联动性增加，使得这种差距持续保持在较低的水平，国内外实施的一些救市的积极政策则使这种差距短暂地扩大了。在2008年9月雷曼破产后的几个月内，美联储迅速实施了救助计划，实行量化宽松的货币政策，同时我国在2008年年底也实施了“4万亿元”财政刺激政策以及相对宽松的货币政策，不断向市场注入流动性，使PDD和ADD间的差距逐步加大，市场开始复苏。2010年上半年我国对房地产市场的调控以及2010年底的欧债危机对我国银行体系也有较大的影响。
对于WDD，因为大型银行以及股份制银行的资产权重差异不明显，WDD和ADD没有显著的差异。但从整个银行体系来看，在市场平稳时期WDD要稍微高于ADD，在动荡时期基本重合，是因为大型银行所占权重要远远大于股份制银行，银行体系的风险受大型银行的显著影响。同时表明银行规模，银行间资产的联动性以及风险的相依性是系统性风险重要的驱动因子。
由图可见，在样本的最后时期即2012年第三季度，大型银行、股份制银行以及银行业PDD和ADD的距离越来越小，表明我国银行体系风险呈现出增大的趋势。虽然各银行第三季度的盈利可观，但我国第三季度经济增长率仅为7.4％，使得2012年成为最近十多年来我国经济最为疲弱的一年。再加上地方政府融资平台风险的浮现，2008年经济刺激政策所催生的一系列贷款出现坏账的可能性进一步增大，利率市场化改革的推进、金融脱媒的深化以及监管和同业、非银行机构竞争的加强等对商业银行盈利能力的影响，还有欧美等我国前几大贸易地区经济疲软等因素导致了企业盈利能力下降、偿债能力减弱，使得银行体系面临着潜在的信贷风险。虽然各银行不良贷款率平均都在1％左右，但不良贷款余额却在不断上升。这种极低的坏债水平部分是因为贷款被展期或者从资产负债表中被移除，部分是因为以信托和理财产品为主的我国影子银行体系的贷款使得一些借款人在偿债能力减弱的情形下能获得新的融资来避免违约。随着国内外经济增长的放缓，可能会导致银行出现更多的不良贷款，系统性风险会逐步加大，因此第三季度PDD和ADD的差异越来越小。
我们还发现，对于大型商业银行和股份制商业银行，ADD、PDD及其差异的变化表现出了不同的特征。无论均值、最小值还是最大值，大型商业银行的ADD均大于股份制商业银行，但在市场波动比较大时大型银行PDD和ADD的差距则都远远小于股份制银行，这表明在2007年到2008年金融危机期间以及2010年年底欧洲危机等市场波动剧烈时大型银行的风险比股份制银行高，比较容易受国内外经济的冲击，反映出大型银行的风险管理水平还需进一步提高。事实上，国内很多因素促使大型银行面临的风险要高于股份制银行，例如，2008年底开始实施的“4万亿元”投资计划发放的贷款主要是通过大型银行的管道实现，使其承担了较高的由信贷过剩造成的坏账风险；2010年以来我国政府对房地产市场实施严厉调控，由于大型商业银行信贷余额中房地产信贷占比较大，其面临着更大的房地产风险敞口；还有，近年我国地方政府债务风险逐步显现，其中国有大型商业银行又分摊了相对较大的份额。不管怎样，股份制银行PDD和ADD的差异在整个样本期间都比较大，充分说明了其相对较高的风险管理水平。
与申银万国银行业指数相比，DD系列指标对市场信息反应更灵敏，在一定程度上能较好地解释我国银行体系的系统性风险时变特征，甚至在某些时期能提前预测到市场的波动。不过由图可以看出PDD的波动比较大，对市场的整体情况如流动性、波动性和经济政策等信息非常敏感，甚至可能表现出过度反应。这就意味着该指标包含了市场噪音，在危机期间并不能给出非常明确的危机信号，从而不能确保非常有效地捕捉到系统性风险随时间变化的趋势。
3.政府隐性担保
由于各国政府对金融体系都提供了显性的存款保险制度或者隐性的信用担保，使得在现实中很少有银行发生违约。本次金融危机期间我国以及欧美等国都向金融体系注入了大量资本金以及流动性，实施了银行问题资产纾困计划，成功遏制了金融危机的进一步恶化。因此在我国没有建立存款保险制度的情况下，政府隐性担保的研究是制定宏观审慎管理政策不可或缺的组成部分。
图6显示了金融危机后我国政府对银行体系隐性担保的趋势图。可以看出在银行系统性风险越大的时间段，政府隐性担保越大。特别是在2007年到2008年金融危机期间比其他时期更显著，在2008年10月份达到了最大值，约为1.5千亿元，但也仅占我国2008年GDP的0.48％。2010年底的欧债危机对我国的银行体系的影响也比较明显，但从整体上来看我国银行体系比较稳健。
对大型商业银行和股份制商业银行的隐性担保则表现出不同的特征。在绝大部分时期政府对股份制银行的隐性担保都大于大型银行，除了在2008年10月份大型银行的隐性担保突然增大并且显著大于股份制银行。因为单个股份制商业银行的DD在大部分时期都小于大型银行，违约概率较大，从而其隐性担保也越高。
四、结论
本文综合运用2007年第四季度到2012年第三季度我国11家上市银行的股票市场数据和财务报表数据，用GARCH(1，1)模型刻画股权收益时变波动率，基于拓展的CCA方法构建了衡量和监管我国银行业系统性风险的一系列日频动态风险测度指标，包括隐含资产波动率、ADD、WDD、PDD以及政府隐性担保等，并以PDD与ADD之差以及政府隐性担保为基础，分析了2007年金融危机后我国系统性风险的演变过程。我们证实了ADD和PDD能分别作为银行业联合违约概率的上界和下界，银行违约概率越大时政府对其隐性担保越高；而且相对于ADD和WDD，PDD能捕捉到银行的规模因素以及银行间资产的相关性，PDD与ADD的联合变动能刻画银行间违约风险的联动性，PDD与ADD之差更适合作为我国银行业系统性风险的测度指标。这些测度指标一个重要特征就是基于股票市场数据来计算，包含了投资者最新的预期因素，对市场信息反应迅速，具有前瞻性特征。
我们的研究得到了如下三个基本结论：第一，2007年爆发的金融危机、2010年的欧债危机、全球及我国经济增长的趋缓、我国政府对房地产市场的调控以及利率市场化改革等国内外经济环境能显著影响我国银行业系统性风险；第二，股份制商业银行的风险要小于大型商业银行；第三，2012年第三季度大型银行、股份制银行以及银行体系的风险都呈现出增大的趋势。
由于DD系列指标对市场流动性和波动率等市场信息反应比较灵敏，含有一些市场噪音，有可能出现过度反应现象，而且在估计政府隐性担保时没有考虑各银行违约的非线性相关性。为此后续研究可从三个方面进行扩展。第一，Merton模型并没有考虑资产价格的跳跃等特征，可以进一步假定银行资产服从扩散跳跃过程来研究违约风险；第二，因为股权市值数据容易受到市场噪音的“污染”，Duan & Fulop(2009)指出，基于粒子滤波的极大似然方法能更为有效地估计违约距离；第三，由于危机时期银行间违约相关性会显著增加，可以用Copula函数来刻画各银行政府隐性担保的非线性相依性。
注释：
①本文仅用隐含资产波动率、违约距离和政府隐性担保来度量系统性风险。在有些文献中，DD表示困境距离(Distance-to-Distress)，以此强调现实中金融机构极少发生违约。本文没有区分这两种概念，违约和困境同义。
②虽然在构建PDD时将单个银行的资产负债表数据简单相加并没有全面考虑到交叉的风险敞口，使各个银行间的联系比较松散，但该指标还是能刻画风险的相依性。
③KMV的违约距离计算公式为近似值形式，
。
④这可以看成是Jensen不等式的应用。
⑤我国大型商业银行包括中国工商银行、中国农业银行、中国银行、中国建设银行、交通银行5家银行，主要股份制商业银行包括中信银行、中国光大银行、华夏银行、广东发展银行、平安银行、招商银行、上海浦东发展银行、兴业银行、中国民生银行、恒丰银行、浙商银行、渤海银行12家银行。其中，中国农业银行于2010年7月15日上市交易，中国光大银行于2010年8月18日上市，广东发展银行、恒丰银行、浙商银行和渤海银行暂时都没有上市。Souto，Tabak & Vazauez(2008)仅基于财务季报数据用CCA方法来计算违约距离，由于我国未上市的商业银行没有公布财务季报，不能用CCA方法来准确测度未上市银行的违约距离等风险指标。
⑥KMV模型的违约障碍通常取值为流动负债加上长期负债的一半。我国上市银行财务季报没有明确划分流动负债与长期负债。由于在实际中有政府提供的隐性信用担保，很少发生银行违约，因此违约障碍水平不是CCA方法分析的关键所在。刘海龙、杨继光(2011)等国内外很多研究也是以总负债水平作为违约障碍。
⑦申银万国股价指数编制方法请参见申银万国股价系列指数编制说明以及申银万国行业分类标准。
标签：银行论文; 系统性风险论文; 银行风险论文; 美国金融危机论文; 违约概率论文; 银行资产论文; 资产规模论文; 全球金融危机论文; 金融论文; cca论文;