中國非上市銀行經(jīng)營風(fēng)險(xiǎn)度量
——基于Z-score方法

李世平，孟慶竹

(山東財(cái)經(jīng)大學(xué)金融學(xué)院，山東濟(jì)南 250014)

一、問題的提出

銀行業(yè)是一個(gè)風(fēng)險(xiǎn)高度集中的行業(yè)，尤其是在當(dāng)前銀行業(yè)務(wù)日趨綜合化、金融產(chǎn)品不斷創(chuàng)新化和科技手段運(yùn)用普及化的背景下，其經(jīng)營風(fēng)險(xiǎn)表現(xiàn)出更加隱蔽、復(fù)雜和更易傳染的特點(diǎn)。如何度量銀行機(jī)構(gòu)的經(jīng)營風(fēng)險(xiǎn)不僅僅是學(xué)術(shù)研究關(guān)注的焦點(diǎn)，更是監(jiān)管部門的重中之重。無論是第五次全國金融工作會(huì)議精神，還是黨的十九大報(bào)告對(duì)風(fēng)險(xiǎn)防范的強(qiáng)調(diào)，亦或是國務(wù)院金融穩(wěn)定發(fā)展委員會(huì)的成立，都彰顯出黨和政府對(duì)于銀行業(yè)風(fēng)險(xiǎn)的重視程度。一般來說，上市銀行資本資產(chǎn)規(guī)模較大且數(shù)據(jù)相對(duì)公開透明，風(fēng)險(xiǎn)度量方法較多且規(guī)范[1]。而非上市銀行因不具有公開上市的股票或債券，缺乏有效數(shù)據(jù)，盡管數(shù)量眾多，卻通常只能運(yùn)用財(cái)務(wù)數(shù)據(jù)來估算其經(jīng)營風(fēng)險(xiǎn)。其中，最常見的就是Z-score度量方法[2]，該方法能從收益率標(biāo)準(zhǔn)差的角度近似地去評(píng)價(jià)銀行經(jīng)營風(fēng)險(xiǎn)，特別是在銀行破產(chǎn)概率較低的情況下，能夠直接體現(xiàn)銀行運(yùn)營風(fēng)險(xiǎn)的大小[3]。近年來，隨著國內(nèi)外學(xué)者對(duì)我國非上市銀行經(jīng)營風(fēng)險(xiǎn)的關(guān)注不斷提高，Z-score方法的運(yùn)用也越來越普遍。例如周鴻衛(wèi)、鐘意[4]結(jié)合Z-score與PD-score對(duì)我國11家股份制銀行和28家城商行的風(fēng)險(xiǎn)進(jìn)行了實(shí)證研究；蔡林清[5]在做股權(quán)結(jié)構(gòu)對(duì)我國中小商業(yè)銀行穩(wěn)定性的影響研究中，也采用了Z-score來代表股份制銀行和城商行的風(fēng)險(xiǎn)程度?，F(xiàn)有研究文獻(xiàn)在具體構(gòu)建Z-score時(shí)，根據(jù)所選樣本的大小對(duì)計(jì)算資產(chǎn)收益率(ROA)的標(biāo)準(zhǔn)差以及均值的窗口長度的差別，會(huì)采用各自不同的方法(如表1)。這種差異可能會(huì)影響Z指數(shù)的結(jié)果，從而得到不同的銀行破產(chǎn)或風(fēng)險(xiǎn)概率。所以，設(shè)計(jì)具體的構(gòu)建方法，利用Z-score較為準(zhǔn)確地衡量我國非上市銀行的經(jīng)營風(fēng)險(xiǎn)，這是本文研究的第一個(gè)出發(fā)點(diǎn)。

表1 構(gòu)建Z-score的方法

另一方面，現(xiàn)代金融全球化的程度正隨著技術(shù)的進(jìn)步日益加深，金融機(jī)構(gòu)之間的關(guān)系更加緊密，這促使我們?cè)陉P(guān)注銀行個(gè)體經(jīng)營風(fēng)險(xiǎn)的同時(shí)，還必須要考慮單一銀行對(duì)整個(gè)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響。特別是在金融危機(jī)爆發(fā)時(shí)，個(gè)體金融風(fēng)險(xiǎn)的傳播和溢出效應(yīng)更為迅速[11]，更加容易產(chǎn)生“某個(gè)金融機(jī)構(gòu)不能履行義務(wù)，將給整個(gè)金融體系帶來嚴(yán)重的負(fù)面影響”[12]的后果?？梢姡_定單個(gè)銀行在系統(tǒng)性風(fēng)險(xiǎn)中的作用至關(guān)重要。部分學(xué)者提出了基于上市銀行數(shù)據(jù)的個(gè)體銀行系統(tǒng)重要性的衡量方法[13-15]。但這些方法都是圍繞上市銀行展開的，同樣不適用于非上市銀行。非上市銀行達(dá)不到公開發(fā)行股票要求，經(jīng)營狀況不如上市銀行，且存在信息披露不充分、監(jiān)管力度與市場約束不強(qiáng)、內(nèi)部管理不夠規(guī)范等問題，因而更容易產(chǎn)生破產(chǎn)風(fēng)險(xiǎn)，進(jìn)而影響整個(gè)銀行系統(tǒng)的穩(wěn)定發(fā)展。例如，2007—2011年，美國因次貸金融危機(jī)而倒閉的402家銀行中有329家銀行都是資產(chǎn)規(guī)模在10億美元以下的小銀行，占比高達(dá)81.84%①參見http://bank.hexun.com/2014-07-24/166932784＿4.html。資產(chǎn)規(guī)模小的銀行抵抗風(fēng)險(xiǎn)能力弱，極易受到?jīng)_擊，而相應(yīng)地又會(huì)造成更多銀行的多米諾骨牌效應(yīng)，進(jìn)一步傳染和放大風(fēng)險(xiǎn)。。而據(jù)銀監(jiān)會(huì)的官方報(bào)道，中國現(xiàn)有城市商業(yè)銀行133家，農(nóng)村商業(yè)銀行859家，但截至2017年6月底，完成上市的只有16家城商行和8家農(nóng)商行。據(jù)銀監(jiān)會(huì)2017年第三季度的資產(chǎn)規(guī)模數(shù)據(jù)顯示，城市商業(yè)銀行約為30萬億元，農(nóng)村金融機(jī)構(gòu)約為32萬億元，兩者之和已大大超過股份制商業(yè)銀行的資產(chǎn)規(guī)模，不容小覷。所以研究非上市銀行的個(gè)體經(jīng)營風(fēng)險(xiǎn)對(duì)整個(gè)金融系統(tǒng)的貢獻(xiàn)度非常重要，特別是目前學(xué)者們將注意力過多地集中在上市銀行，鮮有針對(duì)非上市銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)作用程度的研究成果。這是本文研究的第二個(gè)出發(fā)點(diǎn)。

基于上述兩個(gè)出發(fā)點(diǎn)，本文主要完成了兩個(gè)方面的探索，即在探究具體的Z-score構(gòu)建方法的基礎(chǔ)上，一方面針對(duì)相當(dāng)數(shù)量的非上市銀行的個(gè)體經(jīng)營風(fēng)險(xiǎn)加以測算，并通過相應(yīng)的回歸模型檢驗(yàn)不同Z-score構(gòu)建方法的差異，另一方面運(yùn)用以Z-score方法為基礎(chǔ)的留一法測量樣本銀行對(duì)我國銀行系統(tǒng)性風(fēng)險(xiǎn)的影響度。

二、我國非上市銀行個(gè)體經(jīng)營風(fēng)險(xiǎn)的Z-score度量

本文采用兩種構(gòu)建Z-score的方法來檢驗(yàn)它們衡量我國非上市銀行經(jīng)營風(fēng)險(xiǎn)的效果。

1.Z-score的構(gòu)建

第一種是最常用的構(gòu)建方法，其原理是將銀行的破產(chǎn)風(fēng)險(xiǎn)定義為虧損(負(fù)利潤)超過資本(凈資產(chǎn))的概率。Z值越高，銀行越穩(wěn)定，風(fēng)險(xiǎn)越低。根據(jù)大量國外文獻(xiàn)[16-23]的研究，這種Z-score方法的計(jì)算公式為:

在公式(1)中，ROAA表示銀行平均資產(chǎn)回報(bào)率，ETA表示資本與總資產(chǎn)的比值，σ(ROAA)指平均資產(chǎn)回報(bào)率的標(biāo)準(zhǔn)差。前文已經(jīng)提過，有很多不同的Z-score構(gòu)建方法，而結(jié)合具體的樣本數(shù)據(jù)看，如果較少時(shí)間段的數(shù)據(jù)，大多會(huì)以整個(gè)樣本周期計(jì)算才能夠建立更穩(wěn)定的Z值[6]；而如果是較長時(shí)間段的數(shù)據(jù)，則多是使用每隔4或5年的窗口長度來計(jì)算ROAA的標(biāo)準(zhǔn)差及均值[10]，以更好地顯示隨時(shí)間Z-score的變化波動(dòng)?？紤]到本文選取的樣本數(shù)據(jù)時(shí)間段，采用整個(gè)樣本周期來計(jì)算其中的ROAA標(biāo)準(zhǔn)差及其均值。

第二種構(gòu)建方法是在計(jì)算Z-score時(shí)用加權(quán)風(fēng)險(xiǎn)資產(chǎn)替代總資產(chǎn)。根據(jù)周鴻衛(wèi)、鐘意[4]和蔡林清[5]等的研究，每家銀行資產(chǎn)負(fù)債表反映的風(fēng)險(xiǎn)不同，無法對(duì)商業(yè)銀行的風(fēng)險(xiǎn)大小直接進(jìn)行橫向比較，因?yàn)榇藭r(shí)的Z值并不具有可比性。因此，在Z-score計(jì)算時(shí)，將資本資產(chǎn)比率、資產(chǎn)回報(bào)率及其標(biāo)準(zhǔn)差中的總資產(chǎn)用加權(quán)風(fēng)險(xiǎn)資產(chǎn)來替代:

其中，RORWA表示加權(quán)平均風(fēng)險(xiǎn)資產(chǎn)回報(bào)率，ERWA表示資本與加權(quán)風(fēng)險(xiǎn)資產(chǎn)的比率，而σ(RORWA)則指加權(quán)平均資產(chǎn)回報(bào)率的標(biāo)準(zhǔn)差，考慮到樣本數(shù)據(jù)的時(shí)間段，這里同樣使用整個(gè)樣本的標(biāo)準(zhǔn)差。

2.樣本銀行的選取

本文的商業(yè)銀行數(shù)據(jù)來自Bankscope全球銀行與金融機(jī)構(gòu)分析庫以及各商業(yè)銀行的年報(bào)。相關(guān)會(huì)計(jì)數(shù)據(jù)全部在Bankscope數(shù)據(jù)庫中獲得，而缺失的部分?jǐn)?shù)據(jù)由商業(yè)銀行的年報(bào)獲得作為補(bǔ)充。本文采取非平衡面板數(shù)據(jù)研究，銀行數(shù)據(jù)區(qū)間為2013—2016年的年度數(shù)據(jù)，選擇了84家非上市銀行作為研究對(duì)象，其中包括64家城市商業(yè)銀行和20家農(nóng)村商業(yè)銀行。在地域上覆蓋了除西藏、青海、海南外的中國大陸所有省份的代表性商業(yè)銀行。

3.非上市銀行個(gè)體經(jīng)營風(fēng)險(xiǎn)度量結(jié)果

通過使用Z1和Z2兩種方法分別對(duì)我國非上市銀行進(jìn)行了風(fēng)險(xiǎn)度量評(píng)估，具體得到各銀行風(fēng)險(xiǎn)評(píng)估結(jié)果①其中使用方法Z1-score的測量結(jié)果為包商銀行風(fēng)險(xiǎn)最小，使用方法Z2的結(jié)果為天津農(nóng)村商業(yè)銀行風(fēng)險(xiǎn)最小。且城市商業(yè)銀行整體比農(nóng)村商業(yè)銀行風(fēng)險(xiǎn)較小。各銀行具體取值如有需要，可向作者索取。，并通過繪制農(nóng)商行與城商行的平均Z指數(shù)估值圖(見圖1)進(jìn)行具體分析。

圖1 我國非上市銀行Z-score評(píng)估結(jié)果

從圖1可以看出，作為我國非上市銀行的主體組成部分，城市商業(yè)銀行和農(nóng)村商業(yè)銀行的個(gè)體風(fēng)險(xiǎn)基本穩(wěn)定，兩大類銀行的Z值波動(dòng)浮動(dòng)都不大，特別是農(nóng)村商業(yè)銀行比城市商業(yè)銀行的Z值還偏高，這可能是由于近些年來各級(jí)政府出臺(tái)了一系列改革農(nóng)村金融系統(tǒng)的措施，在推動(dòng)農(nóng)村商業(yè)銀行大幅發(fā)展的同時(shí)也很好地控制了銀行風(fēng)險(xiǎn)。此外，通過Z1-score方法所得的結(jié)果比Z2-score方法更穩(wěn)定。

此外，針對(duì)選取的非上市銀行樣本所在城市的歸屬省份(同省份的取最大值)，繪制了圖2，研究了非上市銀行個(gè)體風(fēng)險(xiǎn)在區(qū)域?qū)用嫔系牟町惙植迹渲懈郯呐_(tái)的數(shù)據(jù)缺失，表現(xiàn)為白色；各省份的填充顏色由淺到深代表Z值從14.457到125.944。圖中結(jié)果發(fā)現(xiàn)，位于沿海省份的銀行普遍比內(nèi)陸顏色更深，穩(wěn)定性更強(qiáng)，風(fēng)險(xiǎn)更小。不過值得注意的是，蘭州銀行和洛陽銀行的穩(wěn)定性也很好，但筆者認(rèn)為這只是個(gè)例表現(xiàn)。

圖2 非上市銀行個(gè)體風(fēng)險(xiǎn)的區(qū)域差異分布

為了進(jìn)一步證明這個(gè)結(jié)論是否準(zhǔn)確，筆者還將所有非上市銀行的Z-score度量結(jié)果根據(jù)是否屬于沿海城市進(jìn)行了含凹槽的箱形圖繪制(如圖3)。

圖3 我國非上市銀行個(gè)體風(fēng)險(xiǎn)的區(qū)域差異箱形圖

從圖3中我們發(fā)現(xiàn)了兩個(gè)脫離槽的異常值①圖3中的兩個(gè)脫離點(diǎn)分別為蘭州銀行和洛陽銀行。，且從上邊緣、上四分位數(shù)、中位數(shù)和下四分位數(shù)來看沿海城市比非沿海城市的Z值更高些，風(fēng)險(xiǎn)更小。這是由于沿海城市建立商業(yè)銀行的時(shí)間普遍要早于內(nèi)陸地區(qū)，且整體的商業(yè)化程度比較高，在銀行內(nèi)控和治理手段上也較為先進(jìn)，自然對(duì)于風(fēng)險(xiǎn)控制的能力也較強(qiáng)。此外，圖3還顯示出非沿海城市的商業(yè)銀行的取值集中在50左右，各銀行間的差別不大，而沿海城市的各商業(yè)銀行卻有著較大的區(qū)別。

三、基于CAMELS指標(biāo)的兩種Z-score度量方法的比較

為了進(jìn)一步驗(yàn)證Z-score的有效性、比較兩種方法的優(yōu)劣，筆者利用銀行微觀數(shù)據(jù)，研究其與CAMELS評(píng)價(jià)體系指標(biāo)的相關(guān)程度。CAMELS評(píng)級(jí)體系是國際通用的評(píng)判銀行運(yùn)營質(zhì)量的評(píng)價(jià)體系，通過其代表的六個(gè)評(píng)級(jí)因素的高低可以判斷銀行個(gè)體風(fēng)險(xiǎn)的大小，六個(gè)評(píng)級(jí)因素包括資本充足、資產(chǎn)質(zhì)量、管理質(zhì)量、收益、流動(dòng)性和對(duì)市場風(fēng)險(xiǎn)的敏感度。學(xué)者們往往采用其中的幾個(gè)指標(biāo)來驗(yàn)證Z-score評(píng)價(jià)結(jié)果的可靠性，而本文將同時(shí)考慮全部六個(gè)指標(biāo)，不僅檢驗(yàn)前文的Z-score是否有效，而且比較Z1-score和Z2-score的穩(wěn)定性。

(一)基本模型設(shè)計(jì)

依據(jù)CAMELS評(píng)價(jià)體系，我們?cè)O(shè)定的基本回歸模型如下:

其中，ln＿Z為因變量，代表Z-score的對(duì)數(shù)，其值越大表示銀行風(fēng)險(xiǎn)越小，在回歸中分別是ln＿z1和ln＿z2，代表兩種測量Z指數(shù)方法的取值；i表示具體銀行，t表示時(shí)間；μi，t為殘差項(xiàng)?？刂谱兞堪ê暧^控制變量GDP增長率和M2增長率及微觀控制變量銀行總資產(chǎn)規(guī)模Size。CAMELS代表六個(gè)與銀行特征相關(guān)的變量。其中:

(1)銀行資本充足率，以總資本與總資產(chǎn)的比例(ETA)來衡量。ETA越低，代表銀行的杠桿較高，從而風(fēng)險(xiǎn)較大，穩(wěn)定性越低，因而其與Z值應(yīng)該有正相關(guān)關(guān)系。

(2)資產(chǎn)質(zhì)量，以減值貸款與貸款總額的比例(CRED)來衡量。CRED越高，代表貸款組合的質(zhì)量越低，從而導(dǎo)致銀行危機(jī)的可能性增加，穩(wěn)定性越低，因而其與Z值應(yīng)該有負(fù)相關(guān)關(guān)系。

(3)管理質(zhì)量，以成本收入比(CIR)衡量。CIR越低，則代表管理質(zhì)量高，風(fēng)險(xiǎn)低，從而穩(wěn)定性較高，因而其與Z值應(yīng)該有負(fù)相關(guān)關(guān)系。

(4)收益，在因變量為Z1-score時(shí)，以ROAA平均資產(chǎn)回報(bào)率來衡量。ROAA越高，則代表銀行收益越高，風(fēng)險(xiǎn)越低，穩(wěn)定性越好，因而其與Z值應(yīng)該有正相關(guān)關(guān)系。

(5)流動(dòng)性，以凈貸款與存款和短期資金的比例(LIQ)來衡量，在進(jìn)行穩(wěn)健性檢驗(yàn)時(shí)將其替換為流動(dòng)資產(chǎn)與資產(chǎn)總額的比例(LTA)。流動(dòng)資產(chǎn)越高，短期債務(wù)越少，則流動(dòng)比率升高，企業(yè)的短期償債能力越強(qiáng)，因而其應(yīng)與Z值呈正相關(guān)關(guān)系。

(6)敏感性，以非利息收入與營業(yè)收入的比例(INC＿OPREV)來衡量，在進(jìn)行穩(wěn)健性檢驗(yàn)時(shí)將其替換為交易收入與營業(yè)收入的比例(TRI)。采取此指標(biāo)是由于非利息收入極大地反映了銀行對(duì)金融市場的參與度，如證券交易、資產(chǎn)管理服務(wù)等等。根據(jù)De Young和 Torna[24]提供的美國證據(jù)的支持，失敗或破產(chǎn)概率隨非利息收入占比的增加而上升。因此，假設(shè)該指標(biāo)與Z指數(shù)呈負(fù)相關(guān)關(guān)系。

(二)變量的統(tǒng)計(jì)性描述

在上述回歸模型中，被解釋變量為第一部分通過Z-score測算出來的非上市銀行個(gè)體風(fēng)險(xiǎn)，分別由兩種構(gòu)建Z-score方法的計(jì)算結(jié)果的對(duì)數(shù)表示。解釋變量為CAMELS代表的六個(gè)與銀行特征相關(guān)的變量，包括代表銀行資本充足的權(quán)益比率(Equity/Total assets)，代表資產(chǎn)質(zhì)量的減值貸款與貸款總額的比率(Impaired loans/Gross loans)，代表管理質(zhì)量的成本收入比(Cost to income ratio)，代表收益的平均資產(chǎn)回報(bào)率(Return On Avg Assets)，代表流動(dòng)性的凈貸款與存款和短期資金的比率(Net loans/Dep＆ST funding)以及代表敏感性的非利息收入與營業(yè)收入的比率(Non interest income/Operating income)。在進(jìn)行穩(wěn)健性檢驗(yàn)時(shí)，改變了代表流動(dòng)性的變量與代表敏感性的變量，前者用流動(dòng)資產(chǎn)與資產(chǎn)總額的比率(Current assets/Total assets)替代原有變量，后者用交易收入與營業(yè)收入的比率(Transaction income/Operating income)替代原有變量?？刂谱兞窟€是分別代表宏微觀情況的三個(gè)變量——GDP、M2、Size。表2給出了各變量的描述性統(tǒng)計(jì)，并分為全樣本、城市商業(yè)銀行以及農(nóng)村商業(yè)銀行三組予以展示。

從表2可以看出，全樣本銀行和城商行的Z1都比Z2的取值高，這可能是由于樣本銀行的ROAA比RORWA的數(shù)值更大。針對(duì)農(nóng)村商業(yè)銀行的不同結(jié)果，我們尋找原始數(shù)據(jù)發(fā)現(xiàn)個(gè)別銀行的Z2值異常偏大(如天津農(nóng)村商業(yè)銀行、浙江紹興瑞豐農(nóng)村商業(yè)銀行等)，而Z1值則不存在這一現(xiàn)象，所以在一定程度上表明，針對(duì)較少時(shí)間段的年度數(shù)據(jù)使用Z2方法所得結(jié)果不如Z1穩(wěn)定。另外，從樣本數(shù)據(jù)的統(tǒng)計(jì)情況還可以看出，ROAA、LIQ、LTA越低，Z值越小，呈正相關(guān)關(guān)系；其余變量與Z值呈負(fù)相關(guān)關(guān)系?？梢姡鼸TA之外，其他變量與Z-score值的相關(guān)關(guān)系都與之前的理論分析相符。當(dāng)然，還需要更進(jìn)一步的檢驗(yàn)。

表2 數(shù)據(jù)描述性統(tǒng)計(jì)

(三)回歸結(jié)果及穩(wěn)健性檢驗(yàn)

1.多重共線性檢驗(yàn)

由于解釋變量之間可能會(huì)存在相關(guān)關(guān)系導(dǎo)致模型估計(jì)失真，因此本文首先進(jìn)行了多重共線性檢驗(yàn)，結(jié)果見表3。

表3 多重共線性檢驗(yàn)

其中模型一、二分別為以ln＿z1和ln＿z2為因變量的回歸模型，通過表3我們發(fā)現(xiàn)，最大的VIF為4.45，小于10，不存在多重共線性。

2.回歸檢驗(yàn)結(jié)果

根據(jù)公式(3)，采用STATA13.1版本計(jì)量軟件進(jìn)行回歸檢驗(yàn)。由于本文使用的數(shù)據(jù)是非平衡面板數(shù)據(jù)，因此在決定使用混合效應(yīng)模型、隨機(jī)效應(yīng)模型還是固定效應(yīng)模型時(shí)，通過Hausman檢驗(yàn)方法得到的結(jié)果顯示，最優(yōu)的模型應(yīng)為混合效應(yīng)模型?；净貧w結(jié)果如表4所示。

表4 CAMELS下各變量對(duì)Z-score的影響結(jié)果

由表4可以看出，整體而言，資本充足、收益、流動(dòng)性與Z-score值都呈正相關(guān)關(guān)系，管理質(zhì)量、資產(chǎn)質(zhì)量、敏感性與Z-score值則呈負(fù)相關(guān)關(guān)系，且結(jié)果大部分通過了1%的顯著性水平檢驗(yàn)。這與我們之前討論的理論結(jié)果相一致，證明了Z-score方法對(duì)中國非上市銀行個(gè)體風(fēng)險(xiǎn)測算的適用性。并且通過觀察，可以明顯看到使用Z1方法所得的結(jié)果比Z2更顯著，Z1方法下各檢驗(yàn)結(jié)果通過1%顯著水平的數(shù)量明顯更多，由此，本文認(rèn)為針對(duì)時(shí)間段較少的我國樣本非上市銀行的單一風(fēng)險(xiǎn)度量，Z1-score是更恰當(dāng)?shù)亩攘糠椒ā?/p>

3.穩(wěn)健性檢驗(yàn)

為了進(jìn)一步驗(yàn)證回歸結(jié)果的可靠性，本文將代表流動(dòng)性和敏感性的變量進(jìn)行了替換，分別采用流動(dòng)資產(chǎn)與資產(chǎn)總額的比例和交易收入與營業(yè)收入的比例來代替之前確定的變量，以此展開穩(wěn)健性檢驗(yàn)。得到的實(shí)證結(jié)果如表5所示，明顯看出與之前的回歸結(jié)果非常相似，由此再次證明了之前的結(jié)論是準(zhǔn)確的。

表5 穩(wěn)健性檢驗(yàn)

續(xù)表5

四、我國非上市銀行對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度分析

現(xiàn)代銀行業(yè)的全能化、一體化發(fā)展趨勢(shì)日益強(qiáng)化，銀行間的關(guān)系以及銀行與其他非銀行類金融機(jī)構(gòu)的關(guān)系也愈發(fā)緊密，這種業(yè)務(wù)交叉、管理融合的情況極易導(dǎo)致單個(gè)機(jī)構(gòu)的行為效果會(huì)被大幅放大和迅速擴(kuò)散，因此在監(jiān)控金融機(jī)構(gòu)個(gè)體風(fēng)險(xiǎn)的同時(shí)，還必須掌握其個(gè)體風(fēng)險(xiǎn)對(duì)整個(gè)行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)的影響。筆者進(jìn)一步利用留一法定量分析了每個(gè)非上市銀行對(duì)系統(tǒng)風(fēng)險(xiǎn)的貢獻(xiàn)度。

(一)留一法

Feng等[25]給出了留一法的概念，即“每個(gè)特性的得分是來自于從完整特性中缺少此特性后的性能變化”。Zedda和Cannas[26]將留一法應(yīng)用于銀行業(yè)中，用它來衡量排除某家銀行時(shí)銀行業(yè)的整體風(fēng)險(xiǎn)預(yù)期變化，從而獲得這家銀行對(duì)銀行系統(tǒng)風(fēng)險(xiǎn)的貢獻(xiàn)度。他們使用留一法后得出的結(jié)果被發(fā)現(xiàn)是高度與測量銀行系統(tǒng)性風(fēng)險(xiǎn)的Shapley值相關(guān)，且相對(duì)容易計(jì)算。受此啟發(fā)，我們將留一法與Z-score相結(jié)合，探索每個(gè)非上市商業(yè)銀行在銀行系統(tǒng)性風(fēng)險(xiǎn)中的作用程度。

在測量每個(gè)銀行對(duì)整體系統(tǒng)性風(fēng)險(xiǎn)的影響時(shí)，采用構(gòu)造總體Z-score值減去一個(gè)銀行的Z-score值的方法(鑒于前文的研究結(jié)果，本文采用更具穩(wěn)定性的Z1-score測算方法)?？傮wZ-score值使用涵蓋我國所有銀行(包括上市銀行和非上市銀行)的合并會(huì)計(jì)數(shù)據(jù)計(jì)算得到，然后依據(jù)留一法減去一個(gè)銀行的Z-score值。如果減去一個(gè)銀行的Z-score值后比總體Z值更低，即變化率(change)為負(fù)，則暗示去掉該銀行后整個(gè)銀行體系的風(fēng)險(xiǎn)更高了，說明該銀行的存在有助于減弱銀行的整體風(fēng)險(xiǎn)水平。所以，變化率越小，則表示該銀行對(duì)整體系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)越大。

(二)檢驗(yàn)結(jié)果

運(yùn)用留一法，本文檢測了84家非上市銀行在2013—2016年期間對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響程度。其中L(Z)表示當(dāng)除去此銀行后其余所有銀行的平均Z-score值，Aggregate指所有銀行的Z-score均值，change為變化率，即(L(Z)–Aggregate)/Aggregate。若change為負(fù)，代表減去此銀行后的Z-score值比總體Z值更低，則暗示該銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度越大，即越有助于降低系統(tǒng)性風(fēng)險(xiǎn)；若change為正，說明該銀行存在的潛在風(fēng)險(xiǎn)較大。觀察檢驗(yàn)結(jié)果可以看出，大多數(shù)非上市銀行的change取值為負(fù)①筆者計(jì)算L(Z)與Aggregate后得到的Change值最小的為包商銀行，其次為正信銀行；最大的為廊坊銀行。具體取值如有需要，可向作者索取。，表明我國非上市商業(yè)銀行對(duì)銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)具有一定的貢獻(xiàn)。這同時(shí)說明，對(duì)于非上市銀行的研究非常重要，不能因?yàn)榉巧鲜秀y行規(guī)模相對(duì)較小、市場占有份額不大而忽視其對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響。

為了進(jìn)一步觀察各個(gè)非上市銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度情況，筆者還根據(jù)非上市銀行的change取值結(jié)果統(tǒng)計(jì)了城市商業(yè)銀行和農(nóng)村商業(yè)銀行的情況，如圖4所示?？傮w看城商行和農(nóng)商行的Z-score值基本都在-1到0.5之間，而部分非上市銀行的change取值則集中在-0.5到0.3之間，這表明大多數(shù)非上市銀行會(huì)對(duì)我國的銀行系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生較為明顯的影響。圖4中凹槽外突出的那一點(diǎn)為包商銀行的change值，證明包商銀行是目前我國非上市銀行中對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度最大的銀行。此外，還發(fā)現(xiàn)有少部分銀行的change取值為正，這說明這些銀行的潛在風(fēng)險(xiǎn)非常大，應(yīng)該對(duì)其進(jìn)行嚴(yán)格的監(jiān)管與規(guī)范。

圖4 各非上市銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度

進(jìn)一步對(duì)非上市銀行的Z-score值與系統(tǒng)貢獻(xiàn)度的相關(guān)性進(jìn)行檢驗(yàn)(見表6)，發(fā)現(xiàn)Z-score與change呈明顯的負(fù)相關(guān)關(guān)系，表示Z值越大，change越小。由此表明穩(wěn)定性越好、風(fēng)險(xiǎn)越小的銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度越大，且這一相關(guān)性達(dá)到了1%的顯著性水平，這再次證實(shí)了前文的結(jié)論，同時(shí)也與成祺炯等[32]基于Shapley所得的結(jié)果一致，說明我們通過留一法、使用Z-score值得到單個(gè)銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度的分析是合適的、結(jié)論是可信的。

表6 銀行Z-score與系統(tǒng)貢獻(xiàn)度的相關(guān)性檢驗(yàn)

五、結(jié)論與政策建議

本文的主要研究結(jié)論如下:

第一，在非上市商業(yè)銀行風(fēng)險(xiǎn)度量方面，農(nóng)村商業(yè)銀行比城市商業(yè)銀行的穩(wěn)定性稍好；從地域分布看，沿海省份的各非上市銀行穩(wěn)定性更強(qiáng)，特別是沿海的城商行要比非沿海的穩(wěn)定性更高些。另外，在選取的兩種常用的構(gòu)建方法中，Z1-score對(duì)于僅有年度數(shù)據(jù)的我國非上市銀行樣本而言更加適合，這說明雖然Z2-score方法彌補(bǔ)了Z1-score無法直接比較的缺陷，但對(duì)于年度數(shù)據(jù)下的Z2-score值卻不穩(wěn)定。

第二，通過對(duì)Z-score與CAMELS評(píng)價(jià)體系下六大指標(biāo)的回歸檢驗(yàn)，發(fā)現(xiàn)六個(gè)指標(biāo)變量對(duì)Z值均有一定的影響。具體來說，資本充足、收益及流動(dòng)性與Z-score呈正相關(guān)關(guān)系，管理質(zhì)量、資產(chǎn)質(zhì)量及敏感性與Z-score呈負(fù)相關(guān)關(guān)系，并且該結(jié)果整體上都通過了1%的顯著性檢驗(yàn)，且在替代有關(guān)變量之后的穩(wěn)健性檢驗(yàn)得到了同樣的結(jié)果，這與我們之前的理論研究相一致，也進(jìn)一步證明了Z-score法對(duì)衡量我國非上市商業(yè)銀行經(jīng)營風(fēng)險(xiǎn)的適用性。同時(shí)還發(fā)現(xiàn)使用Z1方法所得的結(jié)果比Z2方法更加顯著，再次證明針對(duì)僅有年度數(shù)據(jù)的我國非上市銀行的風(fēng)險(xiǎn)度量，Z1-score是一個(gè)更恰當(dāng)?shù)亩攘糠椒ā?/p>

第三，在Z1-score基礎(chǔ)上，基于留一法考察了非上市商業(yè)銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)的影響程度，結(jié)果證實(shí)大多數(shù)非上市銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)都具有一定的貢獻(xiàn)度，不可忽視非上市銀行對(duì)整個(gè)銀行體系的影響。特別是部分非上市銀行的潛在風(fēng)險(xiǎn)影響很大，會(huì)導(dǎo)致整個(gè)銀行體系的風(fēng)險(xiǎn)加大，應(yīng)該予以嚴(yán)格的監(jiān)管。此外，通過檢驗(yàn)銀行Z-score值與其系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度間的關(guān)系，發(fā)現(xiàn)Z-score越大、風(fēng)險(xiǎn)越小的銀行對(duì)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)度越大，且這一結(jié)果通過了1%的顯著性檢驗(yàn)。

基于上述研究結(jié)果，提出以下幾點(diǎn)建議:首先，每個(gè)商業(yè)銀行都應(yīng)該建立自己的風(fēng)險(xiǎn)識(shí)別和評(píng)價(jià)機(jī)制，加強(qiáng)內(nèi)控管理，同時(shí)銀監(jiān)會(huì)應(yīng)該分別針對(duì)上市銀行和非上市銀行的經(jīng)營風(fēng)險(xiǎn)確定度量標(biāo)準(zhǔn)，并構(gòu)建實(shí)時(shí)監(jiān)測系統(tǒng)，做好銀行個(gè)體風(fēng)險(xiǎn)引發(fā)系統(tǒng)性風(fēng)險(xiǎn)的預(yù)警和事前防范工作；其次，風(fēng)險(xiǎn)處理全過程要重視風(fēng)險(xiǎn)預(yù)防、風(fēng)險(xiǎn)規(guī)避、風(fēng)險(xiǎn)分散、風(fēng)險(xiǎn)轉(zhuǎn)嫁、風(fēng)險(xiǎn)抑制和風(fēng)險(xiǎn)補(bǔ)償?shù)攘蟓h(huán)節(jié)，監(jiān)管部門應(yīng)從六個(gè)環(huán)節(jié)全面著手、督促各個(gè)銀行構(gòu)建完善的風(fēng)險(xiǎn)處理機(jī)制，重點(diǎn)關(guān)注處理手段相對(duì)簡單和粗放的非上市銀行，幫助其盡可能地拓展風(fēng)險(xiǎn)處理渠道；最后，針對(duì)各個(gè)商業(yè)銀行間日益緊密的聯(lián)系及其與其他金融機(jī)構(gòu)業(yè)務(wù)交叉程度的不斷加深，金融監(jiān)管部門應(yīng)盡力推進(jìn)各商業(yè)銀行的信息披露，特別是非上市銀行經(jīng)營狀況的信息公開[27]，并加強(qiáng)追蹤銀行間的業(yè)務(wù)往來，以便及時(shí)、準(zhǔn)確地發(fā)現(xiàn)隱患。

參考文獻(xiàn):

[1]MILES D K，HALL S G.Measuring the Risk of Financial Institutions Portfolios:Some Suggestions for Alternative Techniques:Using Stock Prices[R].LSE Financial Markets Group Discussion Paper Series，1988.

[2]BOYD J H，GRAHAM S L.Risk，Regulation，and Bank Holding Company Expansion into Non-banking[J].Quarterly Review(Spring)，1986:2-17.

[3]HOUSTON J F，LIN C，MA Y.Creditor Rights，Information Sharing，and Bank Risk Taking[J].Journal of Financial Economics，2010，96(3):485-512.

[4]周鴻衛(wèi)，鐘意.關(guān)于商業(yè)銀行穩(wěn)定性度量的探討[J].中國統(tǒng)計(jì)，2014(12):23-24.

[5]蔡林清.股權(quán)結(jié)構(gòu)對(duì)我國中小商業(yè)銀行穩(wěn)定性的影響研究[D].湘潭:湘潭大學(xué)，2015.

[6]BECK T，LAEVEN L.Resolution of Failed Banks by Deposit Insurers:Cross-country Evidence[R].World Bank Policy Research Working Paper，2006.

[7]YEYATI E，MICCO A.Concentration and Foreign Penetration in Latin American Banking Sectors:Impact on Competition and Risk[J].Journal of Banking and Finance，2007，31(6):1633-1647.

[8]LAEVEN L，LEVINE E R.Corporate Governance，Regulation and Bank Risk Taking[J].Journal of Financial Bank，2013(5):589.

[9]DELIS M，TRAN C，TSIONAS E.Quantifying and Explaining Parameter Heterogeneity in the Capital Regulation-bank Risk Nexus[J].Journal of Financial Stability，2012，8(2):57-68.

[10]BERTAY A，DEMIRGUC A，HUIZINGA H.Do We Need Big banks?Evidence on Performance，Strategy and Market Discipline[J].Journal of Financial Intermediation，2013，22(4):532-558.

[11]ANG A，CHEN J，XING Y.Downside Risk[J].Review of Financial Studies，2006，19(4):1191-1239.

[12]BECK T，JONGHE O，SCHEPENS G.Bank Completion and Stability:Cross-country Heterogeneity.European Banking Center Discussion[M].Tilburg University，2011.

[13]ADRIAN T，BRUNNERMEIER M K.CoVaR[J].The American Economic Review，2016，106(7):1705-1741.

[14]ACHARYAV，ENGLE R，RICHARDSON M.Capital Shortfall:A New Approach to Ranking and Regulating Systemic Risks[J].The American Economic Review，2012，102(3):59-64.

[15]BROWNNLEES C，ENGLE R.SRISK:A Conditional Capital Shortfall Measure of Systemic Risk[J].The Review of Financial Studies，2017，30(1):48-79.

[16]BOYD J H，GRAHAM S L.The Profitability and Risk Effects of Allowing Bank Holding Companies to Merge with Other Financial Firms:A Simulation Study[J].Quarterly Review(Spring)，1988:3-20.

[17]HANNAN T，HANWECK G.BankInsolvency Risk and the Market for Large Certificates of Deposit[J].Journal of Money，Credit and Banking，1988，20:203-211.

[18]BOYD J H，RUNKLE D.Size and Performance of Banking Firms[J].Journal of Monetary Economics，1993，31:47-67.

[19]MAECHLER A，MITRA S，WORRELL D.Exploring Financial Risks and Vulnerabilities in New and Potential EU Member States[C].Paper presented at the Second Annual DG ECFIN Research Conference on Financial Stability and the Convergence Process in Europe，2005.

[20]LAEVEN L，LEVINE R.Bank Governance，Regulation and Risk Taking[J].Journal of Financial Economics，2009，93:259-275.

[21]HESSE H，CIHAK M.Cooperative Banks and Financial Stability[R].International Monetary Fund Working Paper，2007.

[22]GARCI T，ROBLE M.Risk-taking Behavior and Ownership in the Banking Industry:The Spanish Evidence[J].Journal of Economics and Business，2008，60:332-354.

[23]BECK T，HESSE H，KICK T.Westernhagen.Bank Ownership and Stability:Evidence from Germany[R].Working paper，2009.

[24]DEYOUNG R，TORNA G.Nontraditional Banking Activities and Bank Failures During the Financial Crisis[J].Journal of Financial Intermediation，2013，22(3):397-421.

[25]FENG D，CHENG F，XU W.Efficient Leave-one-out Strategy for Supervised Feature Selection[J].Tsinghua Science and Technology，2013，18(6):629-635.

[26]ZEDDA S，CANNAS G.Assessing Banks’ Systemic Risk Contribution:A leave-one-out Approach[DB].Available at SSRN 2687920，2015.

[27]綦好東，王金磊.非上市國有企業(yè)透明度評(píng)價(jià)體系設(shè)計(jì)與應(yīng)用:以中央企業(yè)為例[J].會(huì)計(jì)研究，2016(2):3-13.