商業(yè)銀行金融創(chuàng)新與系統(tǒng)性風險

羅萍

摘 ? 要：本文利用2007—2018年間我國商業(yè)銀行金融創(chuàng)新財務數(shù)據(jù)和基于尾部依賴度量的系統(tǒng)性風險，分析了商業(yè)銀行金融創(chuàng)新對系統(tǒng)性風險的影響。結果顯示：第一，我國商業(yè)銀行金融創(chuàng)新在經濟上行時期會降低系統(tǒng)性風險，在經濟下行時期會增加系統(tǒng)性風險;第二，按照不同類型商業(yè)銀行金融創(chuàng)新來看，在經濟下行時期，商業(yè)銀行衍生金融負債業(yè)務、理財及代理業(yè)務創(chuàng)新會增加系統(tǒng)性風險，而衍生金融資產業(yè)務和信貸業(yè)務創(chuàng)新會降低系統(tǒng)性風險。本文對實證結果提供了可能的經濟學解釋，并基于實證結果及原因，進一步提出了相應的監(jiān)管措施和政策建議。

關鍵詞：商業(yè)銀行;金融創(chuàng)新;系統(tǒng)性風險

中圖分類號：F830.91 ?文獻標識碼：B ?文章編號：1674-2265（2020）02-0085-05

DOI：10.19647/j.cnki.37-1462/f.2020.02.011

一、引言

金融創(chuàng)新有利于轉移和分散金融機構的風險（Merton，1992;Tufano，2002），降低金融交易成本（Niehans和Jurg，1983），有效優(yōu)化資源配置，提高生產效率，促進經濟發(fā)展。但是，從歷次的金融危機不難看出，金融創(chuàng)新也會給金融機構帶來風險，給整個金融體系帶來沖擊。1995年英國巴林銀行因期貨經理投資日經225股指期貨失利而倒閉;1998年美國對沖基金長期資本管理公司因國際經濟形勢波動而倒閉，而當時該公司重要業(yè)務就是通過買賣各類型金融衍生品獲利;2008年美國次貸危機也被認為是由次級按揭貸款、次級債券（包括美國住房抵押貸款支持債券、債務抵押債券和信用違約互換等）引發(fā)的。

對于金融創(chuàng)新對金融業(yè)乃至宏觀經濟穩(wěn)定有何影響，金融創(chuàng)新是否會影響系統(tǒng)性風險，目前國內外已有較多學者進行了研究。Bliss和Kaufman（2006）指出衍生品市場是金融市場中系統(tǒng)性風險的主要來源。BIS（2008）則認為金融創(chuàng)新掩蓋信用衍生品的風險，一旦基礎資產出現(xiàn)問題（比如次級貸款），金融創(chuàng)新就會產生金融沖擊的系統(tǒng)性放大作用，不利于金融體系的穩(wěn)定。Instefjord（2005）認為信用衍生產品通過對沖參數(shù)引起了風險共擔，由此給金融機構帶來了更大的風險。Battaglia和Gallo（2013）通過研究意大利2000—2009年的商業(yè)銀行數(shù)據(jù)發(fā)現(xiàn)，與沒有證券化的商業(yè)銀行相比，證券化的銀行風險暴露更大，與此同時，證券化也增加了銀行業(yè)系統(tǒng)性風險暴露。Markose（2012）認為為證券化資產提供保險和再保險的機構數(shù)量減少是出現(xiàn)太關聯(lián)而不能倒的重要原因，而太關聯(lián)而不能倒也是系統(tǒng)性風險的表現(xiàn)形式。Gennaioli等（2012）從金融創(chuàng)新的需求方出發(fā)，認為當投資者意識到風險存在時，他們將撤離資金轉向穩(wěn)定性較高的傳統(tǒng)證券，市場就出現(xiàn)不穩(wěn)定現(xiàn)象。陸曉明（2008）提出金融產品創(chuàng)新往往夸大其利忽視其弊，證券化過程會增加資本市場與信貸市場的一體化，具有系統(tǒng)性風險傾向。一些學者研究了在不同經濟周期階段金融創(chuàng)新活動對系統(tǒng)性風險的影響：Cerasi和Rochet（2012）指出證券化在經濟穩(wěn)態(tài)時期為較好的融資工具，但是在經濟下行時期應該被限制。

與國外金融業(yè)相比，我國金融系統(tǒng)有其自身特點，社會融資結構中以銀行為主的間接融資渠道占了較大比例。雖然近年來我國直接融資比例有所增加，但是仍然低于歐美發(fā)達國家水平。那么，我國商業(yè)銀行金融創(chuàng)新是怎樣影響系統(tǒng)性風險？本文就我國商業(yè)銀行金融創(chuàng)新對銀行業(yè)系統(tǒng)性風險的影響機制展開分析。

二、商業(yè)銀行金融創(chuàng)新與系統(tǒng)性風險度量

（一）系統(tǒng)性風險度量

根據(jù)Bernanke（2009）的研究，系統(tǒng)性風險可以理解成一個金融機構面臨損失時會“傳染”給其他金融機構或者整個金融行業(yè)的風險。實際上分為兩個動態(tài)過程：第一，單個或某些金融機構由于受到金融沖擊面臨極端風險，這實際上強調了風險的規(guī)模之大和程度之深。而從統(tǒng)計學的角度來看，這實際上可以利用損失分布的尾部（Tail）來描述。第二，風險在金融機構之間傳染和蔓延，最后危及整個金融行業(yè)甚至實體經濟。因此，從微觀視角來看，系統(tǒng)性風險強調了微觀金融機構之間的風險傳染和蔓延，也就可以利用主體之間的風險相依性來描述?；诖?，本文利用時變Joe-Clayton Copula函數(shù)度量尾部依賴來衡量系統(tǒng)性風險。其中，二元Joe-Clayton Copula分布函數(shù)為：

在選用數(shù)據(jù)方面，朱元倩和苗雨峰（2012）做了具體的分類，這里考慮到系統(tǒng)性風險應該同時從空間和時間兩個方面來度量，同時考慮面對突發(fā)事件背景下商業(yè)銀行爆發(fā)危機對整個金融體系的影響，從而突出商業(yè)銀行在系統(tǒng)性風險中的貢獻，因此選用包含信息較多的證券市場日數(shù)據(jù)。

（二）商業(yè)銀行金融創(chuàng)新測度

關于商業(yè)銀行金融創(chuàng)新的測度，不同的學者選用不同的指標。Lerner（2006）指出許多金融機構實際上是缺少研發(fā)支出數(shù)據(jù);Beck等（2009）利用標準化的銀行業(yè)研發(fā)費用作為對金融機構金融創(chuàng)新水平的測度;Kim等（2012）在分析國家層面的金融創(chuàng)新與金融危機關系時，利用利率衍生工具、風險資本（VC）和私募股權投資（PE）以及證券化構建一個新指標。

本文試圖從微觀層面來度量商業(yè)銀行的金融創(chuàng)新活動對系統(tǒng)性風險的影響。商業(yè)銀行金融創(chuàng)新業(yè)務包括多個方面，具體來看有投資、信貸、理財以及代理業(yè)務創(chuàng)新等。為了全面度量商業(yè)銀行金融創(chuàng)新，選用商業(yè)銀行衍生金融資產占比（asset）、衍生金融負債占比（liability）、利息凈收入占比（interest）、手續(xù)費及傭金收入占比（commission）、其他業(yè)務凈收益占比（other）分別度量證券化業(yè)務、信貸業(yè)務、理財業(yè)務以及代理業(yè)務金融創(chuàng)新。同時考慮到資產負債表各項金融創(chuàng)新可能有交叉重疊信息，進一步利用主成分分析構建商業(yè)銀行金融創(chuàng)新水平（innova）評價體系。

三、模型、數(shù)據(jù)與變量

（一）模型

由于在牛市和熊市不同時期商業(yè)銀行金融創(chuàng)新對系統(tǒng)性風險的影響可能不同，因此本文區(qū)分經濟上行和經濟下行階段來研究金融創(chuàng)新與系統(tǒng)性風險之間的關系。其中經濟發(fā)展階段的劃分參照彭志勝和宋福鐵（2013）關于牛市和熊市的劃分。為了排除宏觀經濟環(huán)境以及行業(yè)特征對系統(tǒng)性風險的影響，本文選取行業(yè)因子（indu）和國內經濟景氣指數(shù)（eco）為控制變量。其中，行業(yè)因子（indu）為證監(jiān)會分類下行業(yè)收益率標準差，國內景氣指數(shù)（eco）為中國宏觀經濟景氣指數(shù)。基于此，構建商業(yè)銀行金融創(chuàng)新對系統(tǒng)性風險影響模型如下：

其中模型（4）考慮資產負債表具有重疊信息后，利用主成分分析商業(yè)銀行金融創(chuàng)新對系統(tǒng)性風險的影響。模型（5）主要是為了研究商業(yè)銀行在證券化業(yè)務、信貸業(yè)務、理財業(yè)務以及代理業(yè)務等方面的金融創(chuàng)新對系統(tǒng)性風險影響。同時，我們考慮經濟上下行不同時期，模型（4）和模型（5）中商業(yè)銀行金融創(chuàng)新對系統(tǒng)性風險影響的差異。

（二）數(shù)據(jù)來源

選取2007年1月到2018年12月的32家A股上市商業(yè)銀行的財務數(shù)據(jù)以及各家商業(yè)銀行和滬深300的日收盤指數(shù)作為研究對象。其中，A股上市商業(yè)銀行的財務數(shù)據(jù)來源于各家商業(yè)銀行的季報以及年報，商業(yè)銀行日收盤價數(shù)據(jù)來自銳思數(shù)據(jù)庫，滬深300指數(shù)數(shù)據(jù)來自萬得數(shù)據(jù)庫。

（三）基于尾部依賴的金融業(yè)系統(tǒng)性風險

32家商業(yè)銀行股票中有24家的對數(shù)收益率呈現(xiàn)出左偏，8家對數(shù)收益率呈現(xiàn)出右偏，均不服從正態(tài)分布①。從32家商業(yè)銀行股票對數(shù)收益率的峰態(tài)來看，均出現(xiàn)尖峰現(xiàn)象。對于這種尖峰高頻數(shù)據(jù)處理常用到自回歸條件異方差模型（ARCH）和隨機波動模型（Stochastic Volatility Model）?？紤]到ARCH類模型不能解釋波動集群性以及參數(shù)估計不穩(wěn)定等其他一系列缺點，本文選用SV模型作為邊緣分布來描述商業(yè)銀行對數(shù)收益率以及滬深300指數(shù)。32家商業(yè)銀行和滬深300序列的平穩(wěn)性檢驗發(fā)現(xiàn)，原始序列ADF檢驗中F統(tǒng)計量的P值均小于0.01，說明原始序列平穩(wěn)。因此，可以直接采用原始序列進行分析。

對商業(yè)銀行和滬深300指數(shù)序列利用SV模型②進行擬合。首先進行KS檢驗，發(fā)現(xiàn)SV-T和SV-GED都無法拒絕原假設，這其中的原因可能是KS檢驗的勢很低。對SV-T模型和SV-GED模型的結果進行比較，考慮到信息準則本質上使用了擬合的對數(shù)似然函數(shù)值，本身可以反映擬合效果，進一步利用AIC信息準則進行擬合度檢驗優(yōu)度比較見表1，結果顯示，SV-GED模型對32家商業(yè)銀行和滬深300的AIC值更小，更適合作為邊緣分布。因此，本文選用SV-GED模型來描述32家商業(yè)銀行和滬深300時間序列，以此作為邊緣分布。

在確定邊緣分布以后，進一步估計出時變尾部依賴參數(shù)值（見表2），并度量商業(yè)銀行與滬深300之間的下尾部依賴系數(shù)。由商業(yè)銀行與滬深300之間的下尾部依賴系數(shù)可以得到不同商業(yè)銀行對系統(tǒng)性風險的貢獻值④。

（四）基于主成分分析的金融創(chuàng)新

考慮到商業(yè)銀行資產負債表中包含的金融創(chuàng)新信息可能重疊，使用主成分分析進行信息壓縮，得到最大的特征根為0.5492，包含了原來數(shù)據(jù)信息的97.83%;第二個特征根為0.0140，解釋了1.79%的信息。僅選取前兩個主成分，已經可以保留原來數(shù)據(jù)99.62%的信息。其中，主成分與變量之間的關系（載荷）為：

其中，[Scoret]表示[t]時刻[xt]的評價值，[xst]為不容許值，[xht]為滿意值，[a]和[b]是參數(shù)，在本文中分別取100和-0.3567。指數(shù)功效函數(shù)在計算的時候不需要使用均值，而且指標的評價值更加穩(wěn)定，也便于歷史數(shù)據(jù)之間的比較。由此，得出各個季度的金融創(chuàng)新得分序列⑤。

四、實證分析

（一）實證結果

金融創(chuàng)新對系統(tǒng)性風險影響的實證結果如表3所示。從實證結果可以看出：

第一，無論是經濟上行時期還是經濟下行時期，商業(yè)銀行金融創(chuàng)新活動均對系統(tǒng)性風險有顯著影響。從模型（4）的回歸結果來看，經濟上行時期商業(yè)銀行金融創(chuàng)新降低了系統(tǒng)性風險;而在經濟下行時期增加了系統(tǒng)性風險。該結論與Cerasi和Rochet（2012）的結論是一致的。通過模型（5）的回歸結果，可以看出不同類型的金融創(chuàng)新對系統(tǒng)性風險影響存在差異。在經濟上行時期，衍生金融資產占比、手續(xù)費及傭金收入占比、其他業(yè)務凈收益占比代表的商業(yè)銀行業(yè)務均對系統(tǒng)性風險具有顯著的負向影響，而利息凈收入占比代表的信貸業(yè)務對系統(tǒng)性風險具有顯著的正向影響，衍生金融負債占比對系統(tǒng)性風險的影響則表現(xiàn)出不顯著。在經濟下行時期，衍生金融資產占比和利息凈收入占比降低了系統(tǒng)性風險，而衍生金融負債占比、手續(xù)費及傭金收入占比、其他業(yè)務凈收益占比增加均會顯著增加系統(tǒng)性風險。

第二，衍生金融資產與衍生負債業(yè)務創(chuàng)新對系統(tǒng)性風險的影響具有差異。無論是經濟上下行時期，商業(yè)銀行衍生金融資產業(yè)務創(chuàng)新對系統(tǒng)性風險都有顯著的抑制作用，而衍生金融負債業(yè)務創(chuàng)新對系統(tǒng)性風險具有促進作用，特別是經濟下行時期表現(xiàn)非常顯著。

第三，商業(yè)銀行的信貸業(yè)務創(chuàng)新在經濟上下行時期對系統(tǒng)性風險的影響具有差異。信貸業(yè)務金融創(chuàng)新在上行時期會增加系統(tǒng)性風險，但是在經濟下行時期卻會降低系統(tǒng)性風險。原因可能在于，在經濟上行時期，商業(yè)銀行流動性充裕，信貸業(yè)務創(chuàng)新將會降低對客戶的信用要求，擴大信貸業(yè)務規(guī)模，增加信貸業(yè)務的風險。從系統(tǒng)性視角來看，商業(yè)銀行無論從信貸總量上還是從信貸往來業(yè)務風險上都增加了與客戶的風險相依性。但信貸業(yè)務創(chuàng)新在經濟下行時期會降低系統(tǒng)性風險。經濟下行時期商業(yè)銀行信貸業(yè)務創(chuàng)新會增加對客戶信用評級的要求，收縮信貸量以保證自身流動性供給，從而降低系統(tǒng)性風險。

第四，商業(yè)銀行理財以及其他代理業(yè)務在經濟上下行時期對系統(tǒng)性風險的影響具有差異。理財以及代理業(yè)務創(chuàng)新在經濟上行時期會降低系統(tǒng)性風險，在經濟下行時期會增加系統(tǒng)性風險。在經濟上行時期，資金面較為寬松，市場流動性充裕，商業(yè)銀行可充分利用該途徑來融資。但是由于存在期限錯配，經濟下行時期，商業(yè)銀行通過理財產品等融資能力縮減，可能潛在流動性風險，進而影響其他商業(yè)銀行流動性，表現(xiàn)出系統(tǒng)性風險。

（二）穩(wěn)健性檢驗

為了驗證本文結論的穩(wěn)健性，進行以下嘗試：第一，在數(shù)據(jù)分析時，嘗試將數(shù)據(jù)時期擴展一年，加上2006年的數(shù)據(jù)進行分析，結論沒有明顯變化，特別是交叉項部分和主要變量的符號和顯著性。第二，考慮誤差項本身對穩(wěn)健性的影響。分別假定被解釋變量滿足Gamma分布和指數(shù)分布來建立模型，符號和顯著性沒有明顯變化。第三，估計過程中實際使用的是極大似然估計，而且在方差協(xié)方差矩陣上使用了Newly-West加權調整，以增強穩(wěn)健性。第四，進行變量替換的檢驗，把金融創(chuàng)新評分用因子分析的評分替換。實證結果均支持上述實證分析結論。

五、政策建議

本文利用選取2007年1月到2018年12月的32家A股上市商業(yè)銀行數(shù)據(jù)，實證分析了金融創(chuàng)新對系統(tǒng)性風險的影響機制?；谘芯拷Y論，提出以下建議：一是加強對商業(yè)銀行的綜合經營和跨市場金融創(chuàng)新監(jiān)管，將加強監(jiān)管與優(yōu)化服務統(tǒng)一起來?？山梃b英美及歐盟相繼出臺的“結構性改革方案”，對商業(yè)銀行的信貸、理財、代理以及投資等方面的金融創(chuàng)新設立“柵欄”，防止不同業(yè)務風險傳染。二是嚴格落實商業(yè)銀行資本金要求，加強商業(yè)銀行金融創(chuàng)新業(yè)務審核，避免商業(yè)銀行金融創(chuàng)新業(yè)務導致高杠桿率。三是加強對商業(yè)銀行流動性“逆周期”監(jiān)管，守住不發(fā)生系統(tǒng)性風險的底線。

注：

①實際上我們同時進行了Shapiro檢驗和K-S檢驗，也拒絕了正態(tài)性原假設。如有需要，可向作者索取。

②常用的SV模型主要包括SV-t模型和SV-GED模型，其中SV-t模型和SV-GED模型在表2中給出，本文在兩者中擇優(yōu)進行下一步分析。

③這里對商業(yè)銀行的名稱做脫敏處理，利用編碼來代替，下同。

④限于篇幅此處省略，如有需要可向作者索取。

⑤限于篇幅此處省略，如有需要可向作者索要。

參考文獻：

[1]Battaglia F，Gallo A. 2013. Securitization and Systemic Risk：An Empirical Investigation on Italian Banks over the Financial Crisis [J].International Review of Financial Analysis，30（4）.

[2]Markose S，Giansante S， Shaghaghi A R. 2012. “Too Interconnected to Fail” Financial Network of US CDS Market：Topological Fragility and Systemic Risk [J].Journal of Economic Behavior&Organization，83（3）.

[3]Gennalil N，Shleifer A，Vishny R. 2012. Neglected Risks，F(xiàn)inancial Innovation，and Financial Fragility [J].Journal of Financial Economics，104（3）.

[4]Kim T，Koo B，Park M. 2013. Role of Financial Regulation and Innovation in the Financial Crisis [J].Journal of Financial Stability，9（4）.

[5]吳衛(wèi)星，張琳琬，顏建曄.金融系統(tǒng)風險的成因、傳導機制和度量：一個綜述 [J].國際商務，2014，（1）.

[6]蔣濤，李政宵.我國金融業(yè)系統(tǒng)性風險結構度量 [J].合肥學院學報，2016，（10）.

[7]謝遠濤，蔣濤，楊娟.基于尾部依賴的保險業(yè)系統(tǒng)性風險度量 [J].系統(tǒng)工程理論與實踐，2014，（8）.

[8]蔣濤，吳衛(wèi)星，王天一，沈濤.金融業(yè)系統(tǒng)性風險度量——基于尾部依賴視角 [J].系統(tǒng)工程理論與實踐，2014，34.

[9]朱元倩，苗雨峰.關于系統(tǒng)性風險度量和預警的模型綜述 [J].國際金融研究，2012，（1）.

[10]彭志勝，宋福鐵.不同市場形態(tài)對分紅減少價格反應的影響分析——牛熊市初后期和長短期視角 [J].上海經濟研究，2013，（6）.

[11]吳衛(wèi)星，蔣濤，吳錕.融資流動性與系統(tǒng)性風險——兼論市場機制能否在流動性危機中起到作用 [J].經濟學動態(tài)，2015，（3）.