信用風(fēng)險緩釋工具在商業(yè)銀行中的風(fēng)險緩釋效果研究

張學(xué)陶，胡 薇

（湖南大學(xué) 金融與統(tǒng)計學(xué)院，湖南 長沙 410079）＊

一、引言及文獻(xiàn)綜述

我國銀行間交易商協(xié)會在2010年10月29日公布的《銀行間市場信用風(fēng)險緩釋工具試點(diǎn)業(yè)務(wù)指引》中首次創(chuàng)設(shè)了屬于本國的信用風(fēng)險緩釋工具，即信用風(fēng)險 緩 釋 合 約（Credit Risk Mitigation Agreement，CRMA）和信用風(fēng)險緩釋憑證（Credit Risk Mitigation Warrant，CRMW），CRM的推出受到市場的熱捧，但是監(jiān)管部門對于其將在何種程度上影響風(fēng)險資本計提尚未明確。信用風(fēng)險緩釋工具自試點(diǎn)以來，市場的交易量并不高，為此，確認(rèn)信用風(fēng)險緩釋工具減少商業(yè)銀行信用風(fēng)險的功能顯得至關(guān)重要。

隨著銀行風(fēng)險管理手段發(fā)展日漸復(fù)雜，信用風(fēng)險緩釋工具的風(fēng)險緩釋效果的確定引起了國內(nèi)外學(xué)者的關(guān)注，其基本態(tài)度有兩種：

（一）持否定態(tài)度

A.Sinan Cebenoyan，Philip E.Strahan（2001）通過測試發(fā)現(xiàn)積極的風(fēng)險管理手段可以影響銀行的經(jīng)營狀況，銀行進(jìn)行風(fēng)險管理的目的并不是相比其他銀行持有更高的資本，而是活躍其貸款市場，認(rèn)為銀行風(fēng)險管理方法可以提高銀行信貸的有效性，但不能降低銀行風(fēng)險［1］；我國學(xué)者趙俊強(qiáng)等（2007）利用美國市場的面板數(shù)據(jù)，實(shí)證考察了信用風(fēng)險轉(zhuǎn)移交易對銀行貸款規(guī)模、風(fēng)險水平與收益水平的影響，結(jié)果發(fā)現(xiàn)CRT交易規(guī)模的提高并不會帶來銀行貸款規(guī)模的持續(xù)擴(kuò)張，對銀行風(fēng)險水平也沒有明顯影響［2］；Eric Dickinson（2008）從三個方面對CDS進(jìn)行了探討：（1）CDS是如何增加系統(tǒng)性風(fēng)險的；（2）CDS是如何加劇了當(dāng)前金融危機(jī)的；（3）在美國的立法機(jī)關(guān)如何規(guī)范CDS以盡量減少系統(tǒng)性風(fēng)險的發(fā)生［3］。這些研究均認(rèn)為信用風(fēng)險緩釋工具并不能降低銀行風(fēng)險，甚至有可能增加系統(tǒng)性風(fēng)險的發(fā)生。

（二）持肯定態(tài)度

Dirk G.Baur，Elisabeth Joossens（2006）用一個簡單的模型來展示通過將風(fēng)險轉(zhuǎn)移到市場的其他參與者可以減少單個銀行的經(jīng)濟(jì)資本要求，但是如果風(fēng)險被轉(zhuǎn)移到其他同業(yè)銀行之間則會增加系統(tǒng)性風(fēng)險，影響金融穩(wěn)定［4］；同年我國學(xué)者王蕾等從市場結(jié)構(gòu)、規(guī)模、參與機(jī)構(gòu)等方面介紹了信用衍生產(chǎn)品的發(fā)展概況，理論分析了信用衍生產(chǎn)品對銀行信用風(fēng)險緩釋的效果［5］；劉旺斌、易傳和（2007）從適應(yīng)巴塞爾新資本協(xié)議、減少銀行不良貸款、提高信用風(fēng)險管理水平三個方面分析了我國商業(yè)銀行應(yīng)用信用違約互換的迫切性［6］。

綜上所述，關(guān)于信用風(fēng)險緩釋工具的風(fēng)險緩釋效果各學(xué)者持不同的意見，國外學(xué)者研究較早，而我國研究尚處于起步階段，并且以理論研究為主。為此，本文采取理論與實(shí)證相結(jié)合的方法，探討和研究信用風(fēng)險緩釋工具在商業(yè)銀行中的風(fēng)險緩釋效果。

二、信用風(fēng)險緩釋機(jī)制及模型的建立

（一）存在風(fēng)險緩釋效果

商業(yè)銀行使用信用風(fēng)險緩釋工具是通過減少資產(chǎn)的風(fēng)險暴露和風(fēng)險權(quán)重來降低風(fēng)險加權(quán)資產(chǎn)。由于我國信用風(fēng)險緩釋工具開展較晚，數(shù)據(jù)缺乏，本文以美國銀行業(yè)為研究背景，將購買CDS合約的銀行Bank of America（BOA）與沒有購買CDS的銀行PNC Financial Service進(jìn)行比較，兩者在1998～2008年的平均凈資產(chǎn)收益率相同，如圖1所示。BOA銀行的單位貸款風(fēng)險加權(quán)資產(chǎn)均值稍低于沒有購買CDS的PNC銀行，并且標(biāo)準(zhǔn)差遠(yuǎn)遠(yuǎn)低于后者，說明購買CDS保護(hù)的銀行單位貸款的風(fēng)險加權(quán)資產(chǎn)較沒有購買保護(hù)的銀行穩(wěn)定。

圖1 Bank of America與PNC Financial Service 單位貸款風(fēng)險加權(quán)資產(chǎn)時間趨勢關(guān)系

（二）風(fēng)險緩釋效果的衡量

根據(jù)上面分析提出疑問，為什么使用了信用風(fēng)險緩釋工具的銀行并沒有直接表現(xiàn)出風(fēng)險加權(quán)資產(chǎn)的降低呢？

圖2 bank of America貸款額與風(fēng)險加權(quán)資產(chǎn)時間趨勢關(guān)系

再以Bank of America為例，如圖2。在1998～2000年，隨著CDS業(yè)務(wù)的開展，一定的風(fēng)險加權(quán)資產(chǎn)支持了更多的貸款額，風(fēng)險緩釋效果明顯；2000年以后CDS持續(xù)擴(kuò)張，美國CDS市場規(guī)模已高達(dá)62萬億美元，但是銀行業(yè)的風(fēng)險加權(quán)資產(chǎn)數(shù)量卻隨著貸款量的高速增長而增長，甚至超過貸款額的增長速度（2003～2008年），這是由于銀行存在過度投機(jī)行為，發(fā)放大量的次級抵押貸款，最終造成風(fēng)險加權(quán)資產(chǎn)持續(xù)上升，違背了信用風(fēng)險緩釋工具緩釋信用風(fēng)險的最初目的。

因此，將信用風(fēng)險緩釋工具的風(fēng)險緩釋作用及其影響銀行貸款行為的機(jī)制分解如圖3所示。信用風(fēng)險緩釋工具從兩個方面增加銀行貸款：（1）風(fēng)險加權(quán)資產(chǎn)維持不變時新增的貸款規(guī)模。這一部分貸款是由于信用風(fēng)險加權(quán)資產(chǎn)的降低而產(chǎn)生的充足的資本供給所支撐的銀行新增貸款，是風(fēng)險緩釋效果的表現(xiàn)。（2）導(dǎo)致信用風(fēng)險加權(quán)資產(chǎn)實(shí)際增加的那部分貸款。這是由于使用信用風(fēng)險緩釋工具后銀行產(chǎn)生了過度投資心理，進(jìn)而過度發(fā)放的貸款。

圖3 信用風(fēng)險緩釋工具影響銀行貸款行為的途徑

（三）模型的建立

根據(jù)以上理論分析，購買了CDS后，商業(yè)銀行的信用風(fēng)險加權(quán)資產(chǎn)并不直接表現(xiàn)出降低，但是在信用風(fēng)險加權(quán)資產(chǎn)一定的情況下，銀行可以發(fā)放更多的貸款。因此，通過建立使用信用風(fēng)險緩釋工具與增加貸款額之間的對應(yīng)關(guān)系來衡量信用風(fēng)險緩釋工具的風(fēng)險緩釋效果。

假設(shè)銀行目標(biāo)貸款額與實(shí)際貸款額之間的調(diào)整系數(shù)為λ，即，取對數(shù)后得：

如果λ＝0，則Li，t＝Li，t－1，沒有進(jìn)行貸款的調(diào)整；如果，完全進(jìn)行調(diào)整；一般地，λ＜1，貸款不完全調(diào)整，或λ＞1，貸款過度調(diào)整。

目標(biāo)貸款額由一系列變量決定，取對數(shù)后得：

將式（2）代入式（1）后得到銀行貸款額與前一期權(quán)益資本、流動性資產(chǎn)、資產(chǎn)收益率以及是否使用貸款抵押債券之間的關(guān)系式：

借鑒Benedikt Goderis模型進(jìn)行估計，在剔除由于過度投機(jī)因素而增加的貸款額后，得出最終由于風(fēng)險加權(quán)資產(chǎn)的減少可以增加的貸款額，從而證明信用風(fēng)險緩釋工具的風(fēng)險緩釋效果。由于數(shù)據(jù)的可得性，用所有者權(quán)益衡量商業(yè)銀行的資本數(shù)量，并反映商業(yè)銀行的個體特征；用存貸比衡量銀行的流動性；凈資產(chǎn)收益率衡量銀行的盈利能力，并引入虛擬變量代表銀行是否買入CDS合約；用住房抵押貸款額來反映美國商業(yè)銀行在金融危機(jī)前的過度投機(jī)行為。計量模型為：

Li，t＝i銀行在t時刻的實(shí)際貸款額；OEi，t＝i銀行在t時刻的所有者權(quán)益；LODi，t＝i銀行在t時刻的存貸比（%）；ROEi，t＝i銀行在t時刻的凈資產(chǎn)收益率；CDSi，t＝i銀行在t時刻或t以前是否買入信用違約互換合約；MORi，t＝i銀行在t時刻的住房抵押貸款額；εi，t為隨機(jī)擾動項。

三、實(shí)證檢驗(yàn)

（一）數(shù)據(jù)來源及描述

美國銀行業(yè)的數(shù)據(jù)分別來源于彭博數(shù)據(jù)庫、bankscope以及各銀行的統(tǒng)計年報。從彭博數(shù)據(jù)庫選取了5家①從1998～2008年一直有CDS業(yè)務(wù)的美國大型商業(yè)銀行，以及8家②沒有CDS業(yè)務(wù)的美國商業(yè)銀行。從bankscope以及各銀行的年報中獲得各年的相關(guān)指標(biāo)，包括：貸款額、所有者權(quán)益、存貸比、凈資產(chǎn)收益率、抵押貸款額。在常用描述性統(tǒng)計指標(biāo)的基礎(chǔ)上加入了變異系數(shù)，相比起標(biāo)準(zhǔn)差，變異系數(shù)能更好反映觀測值的離散程度。

從表1可以看出：（1）規(guī)模差異性。有CDS業(yè)務(wù)的銀行的平均貸款量、所有者權(quán)益、抵押貸款額是沒有CDS業(yè)務(wù)的銀行的10倍左右，這與選取的樣本截面有一定的關(guān)系，但同時也說明CDS業(yè)務(wù)更吸引規(guī)模大的商業(yè)銀行，相對于小規(guī)模銀行而言具有較低的門檻優(yōu)勢；從存貸比來看，有CDS業(yè)務(wù)的銀行的存貸比明顯高于其它沒有CDS的商業(yè)銀行，并且最大值達(dá)到267%，這是因?yàn)閰⑴cCDS業(yè)務(wù)的銀行多為全能性銀行，更多的資金依靠的是金融市場的直接融資能力。（2）離散差異性。波動差異最大的是凈資產(chǎn)收益率（0.525和0.294）、住房抵押貸款額（0.79和1.048），說明有CDS業(yè)務(wù)的銀行的盈利性并不穩(wěn)定，CDS業(yè)務(wù)具有較高的杠桿風(fēng)險，一旦遭遇宏觀經(jīng)濟(jì)運(yùn)行環(huán)境惡化，有CDS業(yè)務(wù)的銀行必然會受到影響，成為“多米諾骨牌效應(yīng)”的受害者。

表1 解釋變量的描述性分析

（二）實(shí)證檢驗(yàn)及比較分析

商業(yè)銀行使用信用風(fēng)險緩釋工具后，從兩種途經(jīng)增加自身的貸款額，一種是由于風(fēng)險加權(quán)資產(chǎn)的降低所能支持的貸款額，另一種是由于過度投資心理導(dǎo)致的銀行超額放貸行為。因此，將沒有和加入了過渡投機(jī)因素的模型分別進(jìn)行回歸，得到結(jié)果，如表2。

模型Ⅰ：

模型Ⅱ：

表2 廣義最小二乘法回歸結(jié)果

從表2的結(jié)果來看，兩個模型的各解釋變量均在不同程度下顯著，且CDS變量和住房抵押貸款變量對實(shí)際貸款額有顯著的正影響；模型整體的顯著性通過chi2值來檢驗(yàn)，prob＞chi2均為0，整體模型顯著。

根據(jù)前面模型建立可知，在模型Ⅰ中，CDS的使用對目標(biāo)貸款額的影響為β4＝0.74（0.5714/（1－0.2288）），而在模型Ⅱ中，CDS的影響為β4＝0.63（0.5640/（1－0.1036）），即CDS可以增加銀行目標(biāo)貸款額的74%，在剔除了過度投機(jī)因素之后仍然可以增加銀行的目標(biāo)貸款額的63%，這63%是由于風(fēng)險加權(quán)資產(chǎn)的減少而支持的貸款額，剩下的11%是由于過度投機(jī)心里造成的超額貸款量；同時，住房抵押貸款額對目標(biāo)貸款額的影響為0.33（0.296/（1－0.1036）），即住房抵押貸款占總貸款額的平均值為33%。

再利用沒有加入虛擬變量CDS的模型比較有CDS業(yè)務(wù)的銀行和沒有CDS業(yè)務(wù)的銀行住房抵押貸款的比重大小，結(jié)果如表3。

表3 廣義最小二乘法回歸結(jié)果

有CDS業(yè)務(wù)的銀行：

沒有CDS業(yè)務(wù)的銀行：

從表3的結(jié)果來看，各解釋變量影響顯著，住房抵押貸款額對實(shí)際貸款額的影響為正，同時，模型整體的顯著性統(tǒng)計量R－sq＝0.9742，以及prob＞chi2＝0.0000，整體顯著。住房抵押貸款額的影響在兩類銀行之間是有區(qū)別的，對于沒有CDS業(yè)務(wù)的美國銀行業(yè)，住房抵押貸款對實(shí)際貸款額的影響為0.049，而對于有CDS業(yè)務(wù)的銀行而言，住房抵押貸款對實(shí)際貸款額的影響是前者的近2倍，為0.0886。這和前面所述的理論是相一致的，有CDS業(yè)務(wù)的銀行投機(jī)性需求大，他們將更多的貸款發(fā)放于住房抵押貸款，甚至借款投資于房地產(chǎn)行業(yè)，而對于沒有CDS業(yè)務(wù)的銀行來說，投機(jī)性需求較小。

（三）單位根檢驗(yàn)和協(xié)整檢驗(yàn)

采用LLC單位根檢驗(yàn)方法，處理自相關(guān)和異方差的情形，從表4的結(jié)果可以看出，所取變量均顯著，不存在單位根。同時，在各解釋變量平穩(wěn)的基礎(chǔ)上進(jìn)行johansen協(xié)整分析方法檢驗(yàn)?zāi)Ｐ偷膮f(xié)整關(guān)系個數(shù)。如表5顯示的結(jié)果，當(dāng)跡統(tǒng)計量大于臨界值時，拒絕原假設(shè)。因此本例中，模型至少存在一個協(xié)整關(guān)系。

表4 面板數(shù)據(jù)平穩(wěn)性檢驗(yàn)（LLC檢驗(yàn)）結(jié)果

表5 Johansen檢驗(yàn)結(jié)果

四、研究結(jié)論及建議

以上利用13家美國銀行1998～2008年的年度面板數(shù)據(jù)進(jìn)行回歸，比較并分析后得出結(jié)論：

（1）信用風(fēng)險緩釋工具的使用在維持風(fēng)險加權(quán)資產(chǎn)不變的情況下，增加貸款的供給。通過計量這部分增加的貸款額來衡量風(fēng)險加權(quán)資產(chǎn)的緩釋效果，信用風(fēng)險緩釋工具的使用可以增加約63%的目標(biāo)貸款額；（2）使用信用風(fēng)險緩釋工具的銀行與沒有使用信用風(fēng)險緩釋工具的銀行相比，其投機(jī)性貸款需求是后者的近2倍。研究表明，信用風(fēng)險緩釋工具的使用會產(chǎn)生過度投資需求，最終可以增加約74%的目標(biāo)貸款額；（3）商業(yè)銀行貸款規(guī)模的擴(kuò)張沖動反映出傳統(tǒng)靠貸款增加收益的模式的弊端。在這種模式下，商業(yè)銀行會盡可能多址發(fā)放貸款，風(fēng)險管理技術(shù)反而成為銀行過渡投機(jī)的工具，造成銀行更大的經(jīng)營風(fēng)險；（4）在缺乏信貸管制的情況下，信用風(fēng)險緩釋工具的使用在某種程度上會弱化從緊貨幣政策的實(shí)施效果，并且成為規(guī)避監(jiān)管的一種手段。當(dāng)經(jīng)濟(jì)發(fā)生膨脹時，貨幣當(dāng)局實(shí)施緊縮性貨幣政策調(diào)控貨幣供應(yīng)量，降低商業(yè)銀行的貸款規(guī)模，此時，商業(yè)銀行如果通過購買信用風(fēng)險緩釋工具，在規(guī)避監(jiān)管的同時而發(fā)放更多的貸款，緊縮性的貨幣政策沒有達(dá)到預(yù)期的目的。

綜上所述，提出如下建議：（1）商業(yè)銀行應(yīng)不斷完善內(nèi)部風(fēng)險計量模型，在購買信用風(fēng)險緩釋工具降低風(fēng)險時，要適度衡量其緩釋效果，不能將其視作過度投機(jī)的保護(hù)傘，否則，不僅不能緩釋風(fēng)險，反而會成為風(fēng)險的傳染渠道；（2）隨著信用風(fēng)險緩釋工具的成熟，應(yīng)漸漸擴(kuò)大市場參與者范圍，鼓勵更多的機(jī)構(gòu)進(jìn)行市場交易，避免體內(nèi)循環(huán)，實(shí)現(xiàn)信用風(fēng)險分散的有效性；（3）監(jiān)管部門應(yīng)盡快根據(jù)我國實(shí)際情況確定信用風(fēng)險緩釋工具的緩釋效果以及風(fēng)險加權(quán)資產(chǎn)的計提方式，加強(qiáng)在順周期環(huán)境中對信用風(fēng)險緩釋工具的監(jiān)管，并尋求微觀利益與宏觀審慎之間的平衡。

注釋：

①有CDS業(yè)務(wù)的銀行分別為Bank of America、Capital one、City bank、JP morgan、Wells fargo。

②沒有CDS業(yè)務(wù)的銀行分別為Fifth third bancorp、Huntington bancshar、Northern Trust、People’s national city bank、M＆T bank、BNY mellon、Zions bancorp、State Street。

［1］A.Sinan Cebenoyan，Philip E.Strahan.Risk Management，Capital Structure and Lending at Banks［J］.Journal of Banking and Finance，2001，（10）：1－31.

［2］趙俊強(qiáng)，韓琳，李湛.信用風(fēng)險轉(zhuǎn)移與銀行系統(tǒng)表現(xiàn)——基于美國信用衍生品交易市場面板數(shù)據(jù)的實(shí)證研究［J］.金融研究，2007，（5）：147－153.

［3］Eric Dickinson.Credit Default Swaps：So Dear to us，So dangerous［J］.Journal of Fianancial Economics，2008，（11）：1－28.

［4］Dirk Baur.The effect of credit risk transfer on financial stability［J］.Working Paper，2006，（1）：1－24.

［5］王蕾，仝宜，蘇振鋒.信用衍生產(chǎn)品的發(fā)展與風(fēng)險緩釋績效［J］.金融問題研究，2006，（1）：75－87.

［6］劉旺斌，易傳和.信用違約互換在我國銀行風(fēng)險管理中的應(yīng)用研究［D］.湖南：湖南大學(xué)出版社，2007：1－57.

［7］張學(xué)陶，林寶瑞.信用衍生品對貨幣政策傳導(dǎo)效應(yīng)的影響［J］.財經(jīng)理論與實(shí)踐，2009，（4）：8－12.

［8］Benedikt Goderis，Ian W.Marsh，Judit Vall Castello，Wolf Wagner.Bank Behavior with Access to Credit Risk Transfer Markets［J］.Working Paper，2006，（10）：1－28.