我國銀行業(yè)系統(tǒng)性風(fēng)險預(yù)警研究

楊 霞，吳 林

（1.復(fù)旦大學(xué) 應(yīng)用經(jīng)濟學(xué)博士后流動站，上海 200433；2.湖北工業(yè)大學(xué) 經(jīng)濟與管理學(xué)院，武漢 430068；3.西南財經(jīng)大學(xué) 證券期貨學(xué)院，成都 611130）

0 引言

2007年由美國次貸危機引發(fā)的全球性經(jīng)濟衰退使學(xué)者關(guān)注的焦點重新回到了系統(tǒng)性風(fēng)險，而2013年以來，房地產(chǎn)投資增速和銷售增速的下滑、制造業(yè)普遍的產(chǎn)能過剩使市場擔(dān)心中國經(jīng)濟硬著陸的風(fēng)險。為了避免經(jīng)濟危機，政府應(yīng)該對系統(tǒng)性風(fēng)險進行監(jiān)測，及時采取行動，以防止情況進一步惡化。相比美國、英國等直接融資比較發(fā)達的國家，我國企業(yè)的融資依然以間接融資為主，銀行在國民經(jīng)濟中扮演著十分重要的角色，因此可以從銀行的視角度量系統(tǒng)性風(fēng)險，并建立相應(yīng)的預(yù)警模型，為政府有關(guān)部門評估和防范系統(tǒng)性風(fēng)險提供可操作的基礎(chǔ)，更好地進行宏觀審慎監(jiān)管。

危機爆發(fā)以來，關(guān)于系統(tǒng)性風(fēng)險研究的新思路和新成果不斷涌現(xiàn)。指標法是國際上普遍采用的方法，即運用一系列變量的歷史數(shù)據(jù)，大致的估計其正常的波動范圍，當指標體系的波動小于或者大于某個特定值時，表示可能存在系統(tǒng)性風(fēng)險。金融穩(wěn)定委員會(FSB)牽頭制定了一套識別全球系統(tǒng)重要性金融機構(gòu)(G-SIFIs)的指標體系,指標體系從五個維度度量一個國家銀行體系可能產(chǎn)生的系統(tǒng)性風(fēng)險，分別是規(guī)模因素、業(yè)務(wù)的復(fù)雜性、業(yè)務(wù)的可替代性、業(yè)務(wù)的關(guān)聯(lián)性以及跨境業(yè)務(wù)情況。巴塞爾銀行監(jiān)管委員會(BCBS)提出了各國衡量國內(nèi)系統(tǒng)重要性銀行(D-SIBs)的12條指導(dǎo)原則(BCBS,2012)。其中金融穩(wěn)定委員會制定的系統(tǒng)性風(fēng)險的衡量指標關(guān)注的是金融機構(gòu)倒閉對全球金融體系和經(jīng)濟的影響，而巴塞爾委員會的指標主要關(guān)注的是銀行發(fā)生系統(tǒng)性風(fēng)險對國內(nèi)金融體系和經(jīng)濟的破壞。

大部分學(xué)者在衡量系統(tǒng)性風(fēng)險時是從銀行的視角切入。本文也遵照學(xué)者普遍的做法，從銀行的角度尋找衡量系統(tǒng)性風(fēng)險的指標。本文的研究基于指標法的基礎(chǔ)上，但并非僅限于系統(tǒng)性風(fēng)險指標的衡量，而是通過建立符合國情的系統(tǒng)性風(fēng)險預(yù)警系統(tǒng)，使得宏觀審慎監(jiān)管更加具有前瞻性和有效性。

1 系統(tǒng)性風(fēng)險預(yù)警模型的構(gòu)建

1.1 系統(tǒng)性風(fēng)險的度量

我國是間接融資為主的國家，銀行是企業(yè)的主要融資來源，企業(yè)融資能力的高低直接決定了企業(yè)的生存和發(fā)展。當企業(yè)經(jīng)營出現(xiàn)問題時，銀行向其發(fā)放的貸款會減少，同時貸款后的各項監(jiān)管也會相應(yīng)的變嚴格，銀行的貸款增速會放慢，就會直接影響銀行的壞賬率和利潤。當整個行業(yè)或宏觀經(jīng)濟運行出現(xiàn)問題時，銀行業(yè)受到的影響會更大，因此銀行的各項指標可以反映我國系統(tǒng)性風(fēng)險的程度。本文選取銀行存貸比、資本充足率、不良貸款率等指標度量我國的系統(tǒng)性風(fēng)險。

存貸比（LTDR）是指貸款比存款的比率。存貸比越高表示用于支撐貸款的存款越少，銀行面臨的由于儲戶提現(xiàn)產(chǎn)生流動性風(fēng)險的可能性越大，同時更多貸款意味著可能產(chǎn)生更大的損失。因此存貸比越高，銀行業(yè)的系統(tǒng)性風(fēng)險越大。

資本充足率（CAR）是銀行所有資產(chǎn)中核心資本的比例。這部分資產(chǎn)是銀行自有的，是發(fā)生危機后，銀行自身不受侵蝕的資產(chǎn)。銀行的資本充足率越大，表示銀行抵抗風(fēng)險的能力越強，發(fā)生系統(tǒng)性風(fēng)險的可能性越小。

不良貸款率（NPLR）是銀行貸款中不良貸款所占的比例。按照貸款五級分類可以將銀行貸款分為正常、關(guān)注、次級、可疑和損失，其中次級、可疑和損失是屬于不良貸款的范疇，銀行的不良貸款率越高表示企業(yè)的還款能力越差，發(fā)生系統(tǒng)性風(fēng)險的概率越高。

為了構(gòu)建系統(tǒng)性風(fēng)險的預(yù)警模型，需要對上述三個衡量系統(tǒng)性風(fēng)險的指標進行主成分分析，將其綜合成一個指標，以便進行回歸分析。

表1 系統(tǒng)性風(fēng)險指標構(gòu)成

本文使用的工具是MATLAB，數(shù)據(jù)來源為WIND金融終端，上述三個指標取13家上市銀行各項指標的算術(shù)平均值，包括中國銀行、中國農(nóng)業(yè)銀行、中國建設(shè)銀行、中國交通銀行、中國工商銀行、中信銀行、民生銀行、招商銀行、光大銀行、平安銀行、北京銀行、寧波銀行、華夏銀行。數(shù)據(jù)區(qū)間為2007年第一季度到2014年第三季度。

主成分分析的結(jié)果表如表2所示。

表2 主成分分析結(jié)果表

第一個成分的方差奉獻率為0.695，對于三個指標的綜合具有比較好的代表性，主成分分析系數(shù)的矩陣見表3。

表3 主成分系數(shù)

第一個主成分結(jié)果的表達式為F1=0.172×存貸比-0.895×不良貸款率+0.678×資本充足率，本文用RISK來表示系統(tǒng)性風(fēng)險，也即是RISK=0.172×LTDR-0.895×NPLR+0.678×CAR。

1.2 系統(tǒng)性風(fēng)險預(yù)警模型的建立與分析

（1）指標選取

由于系統(tǒng)性風(fēng)險的度量指標是以季度為頻率進行公布，為了滿足預(yù)警模型的要求，選取的解釋變量必須是頻率更小的指標，一般是以月度或者以天公布?；谖覈暧^經(jīng)濟的實際運行情況和數(shù)據(jù)的可得性，本文選擇以下指標：①宏觀流動性的指標：M2增長率，外匯儲備的增長率；②資金價格指標：利率、匯率、CPI；③宏觀經(jīng)濟運行指標：PMI；④房地產(chǎn)相關(guān)指標：房地產(chǎn)價格同比、房地產(chǎn)開發(fā)增速。選擇房地產(chǎn)作為預(yù)警模型指標有以下幾方面的原因，首先房地產(chǎn)是我國國民經(jīng)濟的支柱產(chǎn)業(yè)，其發(fā)展的盛衰直接關(guān)系著國民經(jīng)濟的好壞，固定資產(chǎn)投資大部分來源于房地產(chǎn)投資，因此可以使用房地產(chǎn)投資增速代替固定資產(chǎn)投資增速；其次，房地產(chǎn)行業(yè)的資金來源中有30%以上來源于銀行貸款，其發(fā)展對銀行業(yè)系統(tǒng)的影響非常大；最后，銀行貸款中直接流向房地產(chǎn)企業(yè)的占比26%，加上個人住房貸款和間接流向房地產(chǎn)企業(yè)的資金，占到銀行貸款的60%以上。

（2）數(shù)據(jù)來源

本文分析的數(shù)據(jù)區(qū)間為2006年第一季度到2014年第三季度，數(shù)據(jù)來源于WIND金融終端，其中利率的衡量指標為同業(yè)拆借加權(quán)平均利率，各變量名及其表示如表4所示。

表4 變量名對照表

（3）相關(guān)性檢驗

由于本文的解釋變量比較多，為了避免回歸結(jié)果的多重共線性，導(dǎo)致參數(shù)和統(tǒng)計指標的失真，影響回歸結(jié)果的準確性，解釋變量的相關(guān)性檢驗結(jié)果如表5所示。

表5 相關(guān)性檢驗表

從上表的相關(guān)性檢驗可以看出，外匯儲備和匯率的相關(guān)性較高，廣義貨幣M2的增長率和同業(yè)拆借利率的相關(guān)性較高，因此在做回歸分析時，上述相關(guān)性較高的變量只能選擇其中一個。

（4）模型構(gòu)建

以上述的分析為基礎(chǔ)，本文在建立回歸模型時采用5個變量，通過逐步回歸法，保留擬合優(yōu)度較高且解釋變量都十分顯著的回歸模型，最終建立如下模型：

2 實證分析

2.1 平穩(wěn)性檢驗

為了避免偽回歸的現(xiàn)象，首先需要對變量的平穩(wěn)性進行檢驗，本文采取的是ADF檢驗法，結(jié)果見表6所示。

從表6的平穩(wěn)性檢驗結(jié)果可以看出，系統(tǒng)性風(fēng)險RISK、房地產(chǎn)開發(fā)投資增速DEV、匯率EX_R、同業(yè)拆借利率RATE一階單整，房地產(chǎn)價格同比增速平穩(wěn)，回歸方程左右兩邊的單整階數(shù)相同，符合回歸分析的條件。

2.2 回歸結(jié)果

表6 平穩(wěn)性檢驗表

以系統(tǒng)性風(fēng)險為被解釋變量的回歸結(jié)果如表7所示。

表7 回歸結(jié)果表

從表7的回歸結(jié)果可以看出，房地產(chǎn)價格同比增速、利率、匯率以及房地產(chǎn)投資增速在1%的置信度水平下對系統(tǒng)性風(fēng)險有顯著的影響。其中房地產(chǎn)價格同比增速和同業(yè)拆借利率對系統(tǒng)性風(fēng)險具有正的影響，房地產(chǎn)開發(fā)投資增速和匯率對系統(tǒng)風(fēng)險具有負的影響。根據(jù)我國的實際情況，房地產(chǎn)價格走高，表示房地產(chǎn)行業(yè)的泡沫越高，會吸引一些投機性廠商進入房地產(chǎn)行業(yè)，這部分投機性廠商破產(chǎn)的可能性很大，從而導(dǎo)致銀行還款沒有保障，系統(tǒng)性風(fēng)險增加。同業(yè)拆借利率的走高使得房地產(chǎn)行業(yè)的融資成本增加，還款壓力增加，產(chǎn)生壞賬的可能性增大，也導(dǎo)致系統(tǒng)性風(fēng)險增加。房地產(chǎn)開發(fā)投資增速的提高，表示房地產(chǎn)企業(yè)對經(jīng)濟前景比較看好，會帶動下游行業(yè)的投資，從而帶動經(jīng)濟增長，使得系統(tǒng)性風(fēng)險減少。匯率的提高導(dǎo)致熱錢流入增加以及市場對國內(nèi)經(jīng)濟的看好，一定程度上可減少經(jīng)濟的系統(tǒng)性風(fēng)險。

2.3 計量檢驗

為了檢驗?zāi)Ｐ褪欠穹€(wěn)定，需要對殘差進行計量檢驗，包括殘差的平穩(wěn)性檢驗以及序列相關(guān)性檢驗，其中對于殘差的平穩(wěn)性檢驗是為了保證模型中的變量具有長期穩(wěn)定的關(guān)系，使用的方法ADF檢驗，而對于殘差的序列相關(guān)性的檢驗使用的方法是Q檢驗。

表8 殘差A(yù)DF平穩(wěn)性檢驗表

從表8ADF檢驗的結(jié)果可以看出殘差序列是平穩(wěn)的，也即是上述的各個變量之間存在長期的穩(wěn)定關(guān)系。對殘差進行序列相關(guān)檢驗的結(jié)果如圖1所示。

圖1 Q檢驗結(jié)果

從圖1可以看出，殘差不存在自相關(guān)和偏自相關(guān)性，因此殘差不存在序列相關(guān)，模型的參數(shù)估計具有可靠性。

2.4 閥值的設(shè)定

設(shè)置預(yù)警閥值的目的是能夠提前預(yù)知系統(tǒng)性風(fēng)險，本文實證分析的解釋變量都是以月度為頻率公布，可以滿足提前預(yù)知系統(tǒng)性風(fēng)險的目的。設(shè)置預(yù)警閥值的步驟是對模型擬合值的時間序列進行統(tǒng)計分析。一般來說時間序列可以分解為長期趨勢、短期趨勢和隨機趨勢，通過觀察時間序列的規(guī)律，尋找時間序列波動的閥值，當時間序列的波動超過閥值時，則表示出現(xiàn)了小概率事件。本文通過分析系統(tǒng)性風(fēng)險的擬合值的規(guī)律，設(shè)定其閥值，當根據(jù)預(yù)警模型回歸得出的擬合值超過時間序列的閥值時，則表示此時存在系統(tǒng)性風(fēng)險。

首先對回歸模型的擬合值，進行k-s檢驗，使用的工具是MATLAB。在進行正態(tài)性檢驗前，可以先觀看模擬擬合值的頻率直方圖，如圖2所示。

圖2 擬合值序列頻率直方圖

從圖2可以看出，模型擬合值的頻率直方圖基本上符合兩邊少、中間多的特征。而對模型擬合值進行k-s檢驗的結(jié)果表明模型的擬合值符合正態(tài)分布，正態(tài)分布所具有的特點是時間發(fā)生大部分分布在均值的周圍，離均值很遠的值為小概率事件。模型擬合值的均值為1.4140，模型擬合值的標準差為0.7653，本文定義系統(tǒng)性風(fēng)險大于90%的置信度水平時存在輕微的系統(tǒng)性風(fēng)險，系統(tǒng)性風(fēng)險大于95%的置信度水平時存在比較嚴重的系統(tǒng)性風(fēng)險，系統(tǒng)性風(fēng)險大于99%的置信度水平時存在嚴重的系統(tǒng)性風(fēng)險，分別對應(yīng)著系統(tǒng)性風(fēng)險值偏離均值1.28個標準差、均值1.65個標準差、均值2.33個標準差。

當模型的擬合值在[0.4344,2.3936]之間時，表示不存在系統(tǒng)性風(fēng)險，當模型的擬合值在[2.3936,2,6767]之間時，表示存在輕微的系統(tǒng)性風(fēng)險，當模型的擬合值在[2.6767,3.1971]之間時表示存在比較嚴重的系統(tǒng)性風(fēng)險，當模型的擬合值大于3.1971時表示此時存在嚴重的系統(tǒng)性風(fēng)險。

2.5 實證分析

以上述閥值為基礎(chǔ)，根據(jù)2007年1月至2014年9月我國經(jīng)濟的運行情況進行賦值以檢驗本文構(gòu)建的系統(tǒng)性風(fēng)險閥值是否可以很好的擬合現(xiàn)實情況，具體閥值情況如表9所示。

表9 穩(wěn)健性檢驗

從表9可以看出，只有在2007年和2008年兩年存在系統(tǒng)性風(fēng)險，也與現(xiàn)實情況比較相符，同時可以看出，目前我國的系統(tǒng)性風(fēng)險正處于比較平穩(wěn)的狀態(tài)。

3 加強宏觀審慎監(jiān)管的政策建議

3.1 以預(yù)警模型為基礎(chǔ)相機決策監(jiān)管

無論是GDP數(shù)據(jù)還是銀行的財務(wù)報表都是以季度為單位進行公布，監(jiān)管部門若以上述數(shù)據(jù)為依據(jù)進行決策，會存在顯著的時滯。本文建立的預(yù)警模型是以月度數(shù)據(jù)為單位進行測算，若存在系統(tǒng)性風(fēng)險的可能，本模型能夠提前2個月對系統(tǒng)性風(fēng)險進行預(yù)警。因此當中央銀行使用預(yù)警模型擬合的風(fēng)險值在[0.4344,2.3936]之間時，不需要采取特殊的措施。當擬合的風(fēng)險值在[2.3936,2,6767]之間時，表明存在輕微的系統(tǒng)性風(fēng)險，此時只需要中央銀行通過向市場注入流動性就能夠控制住，具體的措施可以使用SLF（Standing Lending Facility,常設(shè)借貸便利）或者降息、降準。當模型擬合的風(fēng)險值在[2.6767,3.1971]之間時，表示存在比較嚴重的系統(tǒng)性風(fēng)險，若不及時采取措施，極有可能引發(fā)嚴重的經(jīng)濟衰退，此時需要同時采用貨幣政策和財政政策對沖系統(tǒng)性風(fēng)險，貨幣政策在此時使用力度最大的降低法定存款準備率，財政政策采用減稅和加大對基礎(chǔ)設(shè)施建設(shè)。當模型擬合的風(fēng)險值大于3.1971時，表示此時存在嚴重的系統(tǒng)性風(fēng)險，應(yīng)采取一切可行的措施維護市場的信心，維護經(jīng)濟穩(wěn)定和金融穩(wěn)定。

預(yù)警模型的建立也不是一蹴而就，新情況和新工具會不斷出現(xiàn)，經(jīng)濟瞬息萬變，監(jiān)管部門需要根據(jù)新情況對預(yù)警模型的預(yù)警變量和閥值進行調(diào)整，本文認為2-3年對變量和閥值進行調(diào)整可以很好的適應(yīng)新情況。

3.2 完善銀行體系的壓力測試應(yīng)用

銀行在國民經(jīng)濟和系統(tǒng)性風(fēng)險的度量等方面具有不容忽視的作用，因此對銀行體系進行壓力測試具有必要性。壓力測試可以使監(jiān)管部門了解銀行部門可以承受的波動，從而更好的制定政策。壓力測試原則應(yīng)該覆蓋銀行盡可能多的業(yè)務(wù)和風(fēng)險類型，模擬多種場景可能出現(xiàn)的損失和制定相應(yīng)的對策。

一方面，改進對我國銀行體系宏觀審慎監(jiān)管框架下的壓力測試應(yīng)用，構(gòu)建適合我國銀行體系現(xiàn)狀的壓力測試系統(tǒng)，包括相應(yīng)的壓力測試情景設(shè)計與宏觀經(jīng)濟結(jié)構(gòu)化模型。這點上，監(jiān)管機構(gòu)應(yīng)該有效借鑒國外宏觀壓力測試技術(shù)并結(jié)合我國國情進行有效創(chuàng)新，開發(fā)出適合我國銀行體系的壓力測試系統(tǒng)。

另一方面，完善數(shù)據(jù)采集工作，提高宏觀壓力測試的效率。建設(shè)相應(yīng)的銀行體系宏觀審慎監(jiān)管數(shù)據(jù)庫，有效擴充我國銀行體系穩(wěn)健性各指標數(shù)據(jù)以及早期預(yù)警指標數(shù)據(jù)，為宏觀壓力測試提供有效數(shù)據(jù)支持，以進一步提高壓力測試的效率，便于及時做好對宏觀審慎監(jiān)管政策的改進。

3.3 加強對系統(tǒng)重要性金融機構(gòu)的監(jiān)管

傳統(tǒng)監(jiān)管政策潛在地奉行“太大而不能倒”的觀念，這將導(dǎo)致大型金融機構(gòu)的道德風(fēng)險，也可能帶來系統(tǒng)性風(fēng)險。在政府的隱性擔(dān)保下，金融機構(gòu)更傾向盲目追求規(guī)模的擴張,從事高風(fēng)險的冒險投資行為，這些都積聚了系統(tǒng)性風(fēng)險。因此，必須解決“太大而不能倒”的問題。

首先，科學(xué)界定系統(tǒng)重要性金融機構(gòu)（SIFIs，Systemically Important Financial Institutions）。借鑒金融穩(wěn)定委員會（FSB）、國際貨幣基金組織（IMF）、巴塞爾委員會（BIS）等國際金融監(jiān)管組織的SIFIs評估標準，除了關(guān)注規(guī)模、關(guān)聯(lián)性、可替代性這三個主要指標，還應(yīng)考慮金融機構(gòu)的復(fù)雜性、相互聯(lián)系程度，以及其業(yè)務(wù)模式可能帶來的過高杠桿率或過高風(fēng)險融資結(jié)構(gòu)，這些也是導(dǎo)致系統(tǒng)性風(fēng)險過高的重要因素。

其次，對系統(tǒng)重要性金融機構(gòu)的監(jiān)管應(yīng)分為兩個層次：一方面，對SIFIs的監(jiān)管建立在在對系統(tǒng)性風(fēng)險監(jiān)管的基本原理之上，審慎控制、信息披露、金融穩(wěn)定是其三大支柱。另一方面，結(jié)合巴塞爾協(xié)議III推崇的宏觀審慎監(jiān)管與微觀審慎監(jiān)管并重的監(jiān)管理念，對SIFIs還應(yīng)實行更為嚴格的監(jiān)管要求。如巴塞爾協(xié)議III提出的1%附加資本要求，IMF提出引入“系統(tǒng)性風(fēng)險資本附加費”等，通過在監(jiān)管資源上有所傾斜，將系統(tǒng)性風(fēng)險控制在監(jiān)管源頭。

[1]Adrian.T,Brunnermeier,M.CoVaR[R],Federal Reserve Bank of New York Staff Reports,No.348,2011.

[2]Acharya V..A theory of Systemic Risk and Design of Prudential Bank Regulation[J].Journal of Financial Stability,2009，(5).

[3]Brunnermeier,M.K.,Pedersen,L.H.Market Liquidity and Funding Liquidity[J].The Review of Financial Studies,2009,22(6).

[4]Brownlees,C.,Engle,R.Volatility.Correlation and Tails for Systemic Risk Measurement[R].NYU-Stem Working Paper,2012.

[5]王靖國.順周期行為機制下的系統(tǒng)性金融風(fēng)險：理論與實證分析[D].財政部財政科學(xué)研究所，2011.

[6]麥強盛.基于宏觀審慎監(jiān)管的銀行業(yè)系統(tǒng)性風(fēng)險研究[D].暨南大學(xué)，2011.