我國上市商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)的測度及分析研究
——基于CoVar模型的分析

李玉賢

(上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院, 上海 200035)

0 引 言

金融危機(jī)的出現(xiàn)往往是由單一金融機(jī)構(gòu)或經(jīng)濟(jì)體的風(fēng)險(xiǎn)引發(fā)進(jìn)而影響整個(gè)金融系統(tǒng)而爆發(fā)的.隨著經(jīng)濟(jì)全球化的加快，各金融機(jī)構(gòu)和經(jīng)濟(jì)體之間的聯(lián)系更為緊密，2007年爆發(fā)的次貸危機(jī)和2011年以來爆發(fā)的歐債危機(jī)，都是由單一金融機(jī)構(gòu)或經(jīng)濟(jì)體引發(fā)的金融市場風(fēng)險(xiǎn)迅速擴(kuò)散到其他國家和地區(qū)，最終導(dǎo)致席卷全球的經(jīng)濟(jì)危機(jī).然而，現(xiàn)有對金融風(fēng)險(xiǎn)的評估缺乏對市場極端條件下金融機(jī)構(gòu)或經(jīng)濟(jì)體之間可能存在的風(fēng)險(xiǎn)溢出效應(yīng)的估量，可能會導(dǎo)致各金融市場風(fēng)險(xiǎn)水平被嚴(yán)重低估.2008年，Adian和Brunnermeier提出了條件風(fēng)險(xiǎn)價(jià)值(CoVar)方法，旨在測量單體金融機(jī)構(gòu)(或金融市場)陷入困境時(shí)，其它金融機(jī)構(gòu)(或金融市場)遭受損失的風(fēng)險(xiǎn)[1].與傳統(tǒng)的風(fēng)險(xiǎn)計(jì)量技術(shù)相比，CoVar可以捕捉到金融機(jī)構(gòu)的風(fēng)險(xiǎn)對其它金融機(jī)構(gòu)的溢出效應(yīng)；從統(tǒng)計(jì)技術(shù)而言，CoVar從全局性的角度來測量金融機(jī)構(gòu)或經(jīng)濟(jì)體間的風(fēng)險(xiǎn)溢出效應(yīng)，是一種更為全面的測量方法.

金融危機(jī)中，大部分金融機(jī)構(gòu)都難以幸免.隨著經(jīng)濟(jì)全球化，經(jīng)濟(jì)金融相互依存度越來越高，金融體系的穩(wěn)健運(yùn)行與經(jīng)濟(jì)體系長期穩(wěn)定較快發(fā)展緊密相關(guān).Adrian和Shin(2008)利用單個(gè)金融市場和單個(gè)金融機(jī)構(gòu)的歷史數(shù)據(jù)、借助VaR方法分析了金融體系里連鎖的資產(chǎn)負(fù)債表的風(fēng)險(xiǎn)溢出效應(yīng).Engle和Manganelli(2004)采用分位數(shù)回歸提出了CAViaR方法.基于Engle和Manganelli對CAViaR的研究，結(jié)合學(xué)術(shù)界對分位數(shù)的已有研究，學(xué)術(shù)界發(fā)展出了CoVar來計(jì)量和分析金融機(jī)構(gòu)間的風(fēng)險(xiǎn)溢出效應(yīng)[2].上述研究都為CoVar方法的提出奠定了基礎(chǔ).國內(nèi)關(guān)于溢出效應(yīng)的研究最早可追溯到2003年.趙留彥、王一鳴(2003)利用向量GARCH模型對我國A、B股進(jìn)行實(shí)證檢驗(yàn)，研究表明存在A股向B股的單向溢出效應(yīng)，這種溢出效應(yīng)在2001年B股對境內(nèi)投資者開放后得到加強(qiáng)[3].張瑞鋒(2006)克服了以往溢出效應(yīng)研究的缺陷，實(shí)證考察了多個(gè)金融市場對一個(gè)金融市場的協(xié)同波動(dòng)效應(yīng).研究結(jié)果顯示，考慮多個(gè)金融市場對一個(gè)市場的協(xié)同波動(dòng)溢出更合理有效，與實(shí)際更相符[4].

1 模型相關(guān)方法介紹

1.1 條件風(fēng)險(xiǎn)價(jià)值CoVar相關(guān)介紹

1.1.1 條件風(fēng)險(xiǎn)價(jià)值CoVar理論

JP.Morgan在20世紀(jì)90年代提出的VaR(Value at Risk)對風(fēng)險(xiǎn)測度理論與實(shí)踐產(chǎn)生了革命性的影響，已經(jīng)成為風(fēng)險(xiǎn)管理領(lǐng)域的主流技術(shù)，廣泛應(yīng)用于各大金融機(jī)構(gòu)和金融監(jiān)管部門.然而，隨著風(fēng)險(xiǎn)管理實(shí)踐的深入，人們逐漸發(fā)現(xiàn)VaR本身存在一定的局限性，其最大的不足在于它只能估計(jì)正常市場條件下資產(chǎn)組合的潛在風(fēng)險(xiǎn)，并沒有涵蓋極端性的市場條件，這使得VaR技術(shù)在金融危機(jī)時(shí)期顯得特別脆弱.Adrian和Brunnermeier(2008)在VaR的基礎(chǔ)上提出一個(gè)測量金融機(jī)構(gòu)之間風(fēng)險(xiǎn)溢出的方法——CoVar.CoVar被定義為當(dāng)特定金融機(jī)構(gòu)陷入困境時(shí)其他金融機(jī)構(gòu)的VaR，一般而言，VaR和CoVar之間的差別體現(xiàn)在CoVar可以捕捉到其他金融機(jī)構(gòu)的風(fēng)險(xiǎn)對某金融機(jī)構(gòu)的溢出效應(yīng)[5].

1.1.2 CoVar的定義

1.2 分位數(shù)回歸方法(Quantile Regression 簡稱QR)

1.2.1 分位數(shù)回歸方法在風(fēng)險(xiǎn)價(jià)值方面的應(yīng)用綜述

眾所周知，傳統(tǒng)的線性回歸方法描述了因變量均值受其他因素影響的情況，且利用普通最小二乘法(OLS)估計(jì)出來的參數(shù)具有最優(yōu)線性無偏性.然而現(xiàn)實(shí)中的金融數(shù)據(jù)往往服從尖峰厚尾分布且存在顯著的異方差，這會導(dǎo)致普通最小二乘法的失效.同時(shí)，普通最小二乘法只描述了總體的平均信息，不能充分體現(xiàn)因變量分布各部分的信息.為了彌補(bǔ)傳統(tǒng)線性回歸方法的不足，Koenker和Bassett(1978)首先提出了分位數(shù)回歸的思想，分位數(shù)回歸根據(jù)因變量的條件分位數(shù)對自變量進(jìn)行回歸，可以得到所有分位數(shù)下的回歸模型[6].因此，分位數(shù)回歸能夠更全面反映部分因變量受自變量的影響情況.

1.2.2 分位數(shù)回歸的基本思想和系數(shù)估計(jì)

假設(shè)隨機(jī)變量X的分布函數(shù)如下：

F(x)=Pr(X≤x)

Y的q分位數(shù)Q(q)定義為滿足F(x)≥q的最小y值，即：

Q(q)=inf{x∶F(x)≥q}, 0

其中，中位數(shù)可以表示為q(0.5)，對于Y(y1,y2,…,yn) 的一組隨機(jī)樣本，樣本均值回歸是使誤差平方和最小，即：

樣本中位數(shù)回歸是使誤差絕對值之和最小，即：

一般的樣本分位數(shù)回歸是使加權(quán)誤差絕對值之和最小，即：

對于回歸方程

Yi=α+βXi+εi，i=1,2,…,n

若使用QR方法對回歸方程進(jìn)行估計(jì)，我們記分位點(diǎn)函數(shù)為：

Q(q|Xi)=α+βXi

在使用QR方法對參數(shù)α和β進(jìn)行估計(jì)時(shí)，我們一般通過求解下式得到：

從上式容易看到，通過改變q就可以得到不同的分位數(shù)回歸曲線(由α和β的不同估計(jì)值代表).q反映了因變量Y的不同水平，在金融風(fēng)險(xiǎn)實(shí)踐中我們可以通過選取較小的q值(如q=0.05)來考察收益率左尾(代表損失)受其他因素影響的情況.分位數(shù)回歸技術(shù)為我們?nèi)胬斫饨鹑陲L(fēng)險(xiǎn)提供了全新的方法和思路.由于VaR 本質(zhì)上就是一個(gè)分位數(shù)，而CoVar本身又是VaR，所以CoVar也是一個(gè)分位數(shù)，可以通過建立分位數(shù)回歸來對CoVar進(jìn)行有效分析.

2 應(yīng)用CoVar方法對我國上市商業(yè)銀行風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行實(shí)證分析

2.1 研究對象選擇

截至2011年9月30日，我國上市商業(yè)銀行共有16家，根據(jù)對上市商業(yè)銀行的研究，在研究對象的首發(fā)上市時(shí)間上，農(nóng)業(yè)銀行和光大銀行都是于2010年7月以后在上海證券交易所和香港證券交易所上市交易，交易時(shí)間過短；且農(nóng)業(yè)銀行和光大銀行上市流通股占總股本比例分別只有15.76%和35.73%，流通股比例過低，未能反映公司交易所市場整體表現(xiàn)，因此在研究對象里剔除上述兩家銀行.可以發(fā)現(xiàn)其余14只銀行股上市時(shí)間均在2007年10月1日之后，距離目前已經(jīng)超過四年，數(shù)據(jù)量足夠進(jìn)行分析；且上述14只銀行股上市流通股占總股本比例均超過60%，流通股所占比例較高，公司股價(jià)變動(dòng)能夠反映公司在資本市場的整體表現(xiàn).因此，選取這14只銀行股作為本文的研究對象.

2.2 實(shí)證研究過程

2.2.1 數(shù)據(jù)選擇方法及相關(guān)解釋

(1)本次銀行股整體指數(shù)和收益率計(jì)算以2007年10月8日為起始日，以2011年9月23日為結(jié)束日，采用前復(fù)權(quán)方式，共可獲得965個(gè)交易日數(shù)據(jù).在此周期內(nèi)，曾經(jīng)歷了美國次貸危機(jī)及歐洲債務(wù)危機(jī)為主的全球新一輪金融危機(jī)，因此，此時(shí)間段內(nèi)的銀行股價(jià)格水平具有很強(qiáng)的參考意義.

(2)由于銀行股票市場的風(fēng)險(xiǎn)傳導(dǎo)需要一定的時(shí)滯，本文選用周數(shù)據(jù)進(jìn)行實(shí)證分析.故選取每周末股價(jià)收盤價(jià)數(shù)據(jù)，一共可以獲得193個(gè)周數(shù)據(jù).

(3)對于只在上海證券交易所或只在深圳證券交易所上市的銀行股，其銀行股價(jià)格指數(shù)計(jì)算以2007年10月12日星期五為基準(zhǔn)指數(shù)1 000.00點(diǎn)，之后各周指數(shù)根據(jù)基準(zhǔn)指數(shù)直接計(jì)算.

(4)對于在上海(深圳)證券交易所和香港證券交易所都上市的銀行股，其銀行股價(jià)格指數(shù)以2007年10月12日星期五為基準(zhǔn)指數(shù)1 000.00點(diǎn)，之后各周指數(shù)以各股指數(shù)根據(jù)基準(zhǔn)指數(shù)以每周五收盤價(jià)計(jì)算的流通股股票市值除以整體流通股股本，港股市值根據(jù)每周末的人民幣港幣匯率計(jì)算，如果當(dāng)天匯率值不存在，則以可獲得的上一有效匯率值計(jì)算.

(5)對于銀行股整體指數(shù)，與(3)中計(jì)算方法類似，其價(jià)格指數(shù)也以2007年10月12日星期五為基準(zhǔn)指數(shù)1 000.00點(diǎn)，之后各周指數(shù)以作為研究對象的所有14只銀行股市值之和除以整體流通股股本，股市值根據(jù)每周五的人民幣港幣匯率計(jì)算，如果當(dāng)天匯率值不存在，則以可獲得的上一有效匯率值計(jì)算.

(6)銀行股整體收益率和個(gè)股收益率對每個(gè)周歷史數(shù)據(jù)取對數(shù)一階差分計(jì)算出每個(gè)周收益率.為了減少計(jì)算誤差，我們將所有計(jì)算結(jié)果乘以100，即：

Rt=ln(第t周價(jià)格指數(shù)/第t-1周價(jià)格指數(shù))

(7)股價(jià)數(shù)據(jù)及人民幣港幣匯率數(shù)據(jù)來源均為wind資訊.

2.2.2 銀行股整體指數(shù)、收益率的計(jì)算及單只銀行股指數(shù)、收益率計(jì)算

我們對銀行股指數(shù)收益率的均值(Mean)、偏度(Skewness)和峰度(Kurtosis)進(jìn)行了計(jì)算，并對各收益率序列進(jìn)行了Jarque-Bera檢驗(yàn)，偏度(Skewness)、峰度(Kurtosis)和Jarque-Bera統(tǒng)計(jì)檢驗(yàn)量的計(jì)算公式如下所示：

其中S為偏度，K為峰度，J-BJarque-Bera統(tǒng)計(jì)檢驗(yàn)量，檢驗(yàn)數(shù)據(jù)如表1所示.

表1 各銀行股收益率序列統(tǒng)計(jì)分析表

根據(jù)表1所示，各銀行股收益率均呈現(xiàn)左偏，絕大多數(shù)銀行股收益率峰度K>3，序列分布的尾部比正態(tài)分布的尾部厚，其分布呈現(xiàn)出“高瘦”形狀，即“尖峰”，符合大多數(shù)金融事件序列“尖峰厚尾，非對稱分布”的特征.

2.2.3 銀行股與銀行指數(shù)的雙向風(fēng)險(xiǎn)溢出效應(yīng)計(jì)算——以深發(fā)展為例

根據(jù)2.2.2中計(jì)算所得的各銀行股收益率序列數(shù)據(jù)，取q=0.05，即求置信度為95%時(shí)的風(fēng)險(xiǎn)溢出效應(yīng).以深發(fā)展為例，建立以下q分位數(shù)回歸模型，其中sfz代表深發(fā)展，yhzs代表銀行指數(shù)：

(-9.580 03) (5.871 827)

(-6.139 46) (6.420 764)

根據(jù)上式，我們可以最終得到：

類似的，我們可以通過以上方法，得到：

這種做法的優(yōu)點(diǎn)能更為準(zhǔn)確的反映深發(fā)展與銀行股價(jià)格指數(shù)間的風(fēng)險(xiǎn)溢出程度，代入之前所算出的數(shù)據(jù)，深發(fā)展與銀行股指數(shù)之間的相互風(fēng)險(xiǎn)溢出效應(yīng)數(shù)值如表2所示.

表2 深發(fā)展與銀行股指數(shù)之間的相互風(fēng)險(xiǎn)溢出效應(yīng)數(shù)值表

由表2可以發(fā)現(xiàn)：

(1)使用Var方法測量金融風(fēng)險(xiǎn)都要小于使用CoVar方法所測量的風(fēng)險(xiǎn)，說明使用Var方法對風(fēng)險(xiǎn)的估計(jì)過小，尤其是在極端情況下對風(fēng)險(xiǎn)估計(jì)的不足.

(2)通過對風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行標(biāo)準(zhǔn)化，可以發(fā)現(xiàn)當(dāng)銀行業(yè)整體發(fā)生極端情況時(shí)深發(fā)展對整個(gè)銀行業(yè)的溢出效應(yīng)要大大強(qiáng)于深發(fā)展發(fā)生極端情況時(shí)對銀行業(yè)整體風(fēng)險(xiǎn)的溢出效應(yīng)，這也與深發(fā)展在整體銀行業(yè)中的地位特征是相符合的.

綜上所述，深發(fā)展與整體銀行股之間存在著雙向的風(fēng)險(xiǎn)溢出效應(yīng)，整體銀行股對深發(fā)展的風(fēng)險(xiǎn)溢出效應(yīng)要遠(yuǎn)強(qiáng)于深發(fā)展對整體銀行股的風(fēng)險(xiǎn)溢出效應(yīng).在風(fēng)險(xiǎn)溢出方向上，二者之間的風(fēng)險(xiǎn)溢出效應(yīng)都是正向的.以上數(shù)據(jù)符合我們對中國銀行業(yè)的一般判斷.CoVar將風(fēng)險(xiǎn)溢出效應(yīng)轉(zhuǎn)化為具體數(shù)字，具有很強(qiáng)的操作性，金融機(jī)構(gòu)和監(jiān)管部門可以借助CoVar來評估其他金融機(jī)構(gòu)(或金融市場)發(fā)生風(fēng)險(xiǎn)事件時(shí)對本金融機(jī)構(gòu)(或金融市場)的溢出影響程度，提高決策準(zhǔn)確性，降低決策風(fēng)險(xiǎn).

2.3 銀行股風(fēng)險(xiǎn)溢出效應(yīng)實(shí)證結(jié)果分析

與深發(fā)展的風(fēng)險(xiǎn)溢出效應(yīng)方法類似，我們對各支銀行股收益率進(jìn)行了分位數(shù)回歸即風(fēng)險(xiǎn)溢出效應(yīng)的測量，得到以下圖形，用來分析風(fēng)險(xiǎn)溢出效應(yīng).

2.3.1 當(dāng)銀行業(yè)陷入困境時(shí)，各銀行股總風(fēng)險(xiǎn)價(jià)值

圖1 當(dāng)銀行業(yè)陷入困境時(shí)，各銀行股總風(fēng)險(xiǎn)價(jià)值 圖2 當(dāng)銀行業(yè)陷入困境時(shí)，各銀行股風(fēng)險(xiǎn)溢出價(jià)值

便于分析，我們在圖1中加入一條趨勢線，在趨勢線上方的銀行如中國銀行、工商銀行和交通銀行，其總風(fēng)險(xiǎn)價(jià)值水平較低；而在趨勢線下方的興業(yè)銀行、華夏銀行等其風(fēng)險(xiǎn)水平較高.根據(jù)資料可以發(fā)現(xiàn)資產(chǎn)規(guī)模大的銀行在銀行業(yè)陷入困境時(shí)，抵御風(fēng)險(xiǎn)能力較強(qiáng).因此，得到結(jié)論1如下：

資產(chǎn)規(guī)模大、利潤水平高的銀行股整體風(fēng)險(xiǎn)溢出效應(yīng)較低，抗風(fēng)險(xiǎn)能力較強(qiáng).

2.3.2 當(dāng)銀行業(yè)陷入困境時(shí)，各銀行股風(fēng)險(xiǎn)溢出價(jià)值

便于分析，我們同樣在圖2中加入一條趨勢線，在趨勢線上方的銀行如中國銀行、工商銀行、交通銀行、民生銀行和寧波銀行，其風(fēng)險(xiǎn)溢出價(jià)值較低；而在趨勢線下方的興業(yè)銀行、招商銀行、中信等其風(fēng)險(xiǎn)溢出價(jià)值較高.根據(jù)資料可以發(fā)現(xiàn)不僅資產(chǎn)規(guī)模大的銀行在銀行業(yè)陷入困境時(shí)，抵御風(fēng)險(xiǎn)能力較強(qiáng)，還可以發(fā)現(xiàn)一些區(qū)域性商業(yè)銀行如寧波銀行和民生銀行，雖然整體風(fēng)險(xiǎn)水平較高，但其風(fēng)險(xiǎn)溢出價(jià)值較低，說明在抵御極端方面也具有較強(qiáng)的實(shí)力.因此，得出結(jié)論2和結(jié)論3如下：

圖3 當(dāng)各只銀行股陷入困境時(shí)，對整體銀行業(yè)的風(fēng)險(xiǎn)溢出價(jià)值

資產(chǎn)規(guī)模大、利潤水平高的銀行股在抵御銀行業(yè)整體風(fēng)險(xiǎn)溢出效應(yīng)上能力較強(qiáng).

部分經(jīng)營方式靈活、在區(qū)域市場具有較強(qiáng)競爭力的銀行在抵御銀行業(yè)整體風(fēng)險(xiǎn)溢出效應(yīng)上能力強(qiáng)于部分全國性商業(yè)銀行.

2.3.3 當(dāng)各只銀行股陷入困境時(shí)，對整體銀行業(yè)的風(fēng)險(xiǎn)溢出價(jià)值

便于分析，我們同樣在圖3中加入一條趨勢線，在趨勢線下方的銀行如招商銀行、中國銀行、中信銀行和建設(shè)銀行等，當(dāng)各只銀行股陷入困境時(shí)，對整體銀行業(yè)的風(fēng)險(xiǎn)溢出價(jià)值較高，而上述銀行都是資產(chǎn)規(guī)模較大的全國性商業(yè)銀行，因此產(chǎn)生以上效果也符合我們對中國銀行業(yè)的一般判斷.因此，可以得出結(jié)論4如下：

資產(chǎn)規(guī)模較大的銀行股對銀行業(yè)的整體風(fēng)險(xiǎn)溢出效應(yīng)較大.

3 結(jié)束語

對于金融監(jiān)管部門而言，CoVar能夠用來捕捉單個(gè)金融機(jī)構(gòu)發(fā)生風(fēng)險(xiǎn)事件時(shí)對整個(gè)金融體系的溢出效應(yīng).這使得金融監(jiān)管不再拘泥于單個(gè)金融機(jī)構(gòu)的風(fēng)險(xiǎn)監(jiān)管，而是著眼于整個(gè)金融體系潛在的風(fēng)險(xiǎn)變化.本文利用分位數(shù)回歸法和我國已上市銀行的收益率序列，測度了我國上市銀行業(yè)各銀行股之間的CoVar，以測量銀行業(yè)之間的風(fēng)險(xiǎn)溢出效應(yīng).

本文得出的結(jié)論與國內(nèi)銀行的一般事實(shí)相符，為銀行業(yè)監(jiān)管部門對銀行部門進(jìn)行監(jiān)督和管理提供有效參考.金融監(jiān)管部門可以根據(jù)各金融機(jī)構(gòu)對系統(tǒng)風(fēng)險(xiǎn)的貢獻(xiàn)度進(jìn)行有區(qū)別的管理， 對風(fēng)險(xiǎn)溢出值較高的金融機(jī)構(gòu)實(shí)施更為嚴(yán)厲的監(jiān)管，確保整個(gè)金融體系的穩(wěn)定，從而抑制金融危機(jī)時(shí)的金融風(fēng)險(xiǎn)的擴(kuò)散蔓延.

參考文獻(xiàn)

[1] Adrian，Brunnermeier. “CoVar”[R]. Federal Reserve Bank of New York Staff Reports,2008,9.

[2] 毛 菁, 羅 猛.銀行業(yè)與證券業(yè)間風(fēng)險(xiǎn)外溢效應(yīng)研究——基于CoVar模型的分析[J].New Finance, 2011, (05): 27-31.

[3] 趙留彥, 王一鳴.AB股之間的信息流動(dòng)與波動(dòng)溢出[J].金融研究, 2003，(10): 37-52.

[4] 張瑞鋒.金融市場協(xié)同波動(dòng)溢出分析及實(shí)證研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2006, (10): 141-149.

[5] Adrian，Brunnermeier.“CoVar”[R].Federal Reserve Bank of New York Staff Reports,2008,9.

[6] 譚治國, 蔡乙萍.分位數(shù)回歸在風(fēng)險(xiǎn)管理中的應(yīng)用[J].統(tǒng)計(jì)與決策, 2006, (17): 23-24.