信用價(jià)差對(duì)商業(yè)銀行違約風(fēng)險(xiǎn)的影響分析

宋玉穎,劉志洋

(1.中國(guó)農(nóng)業(yè)銀行 長(zhǎng)春培訓(xùn)學(xué)院， 吉林 長(zhǎng)春 130012；2.東北師范大學(xué) 經(jīng)濟(jì)與管理學(xué)院，吉林 長(zhǎng)春 130117)

引言

2008年全球金融危機(jī)給全球商業(yè)銀行穩(wěn)健經(jīng)營(yíng)帶來(lái)巨大挑戰(zhàn)，信用風(fēng)險(xiǎn)市場(chǎng)化給商業(yè)銀行風(fēng)險(xiǎn)管理帶來(lái)巨大壓力，集中體現(xiàn)為信用價(jià)差的擴(kuò)大造成商業(yè)銀行資產(chǎn)巨大損失，使商業(yè)銀行暴露在信用價(jià)差風(fēng)險(xiǎn)下的敞口非常高。隨著信用風(fēng)險(xiǎn)的可交易化，金融市場(chǎng)風(fēng)險(xiǎn)會(huì)迅速傳導(dǎo)至商業(yè)銀行體系，快速侵蝕商業(yè)銀行的資本充足率，造成系統(tǒng)性金融風(fēng)險(xiǎn)。為了有效管理系統(tǒng)性金融風(fēng)險(xiǎn)，全球金融監(jiān)管當(dāng)局都在全力推進(jìn)和建立宏觀審慎監(jiān)管體系，該監(jiān)管體系包括時(shí)間和截面兩個(gè)維度。截面維度關(guān)注金融機(jī)構(gòu)共同的風(fēng)險(xiǎn)敞口，巴塞爾委員會(huì)2016年發(fā)布全新《市場(chǎng)風(fēng)險(xiǎn)資本充足率要求》中，信用價(jià)差被納入市場(chǎng)風(fēng)險(xiǎn)因子，說(shuō)明信用價(jià)差可作為商業(yè)銀行共同風(fēng)險(xiǎn)敞口，具有系統(tǒng)性。

為有效管理系統(tǒng)性金融風(fēng)險(xiǎn)，全球金融監(jiān)管當(dāng)局對(duì)金融體系實(shí)施了壓力測(cè)試。早在1999年，國(guó)際貨幣基金組織和世界銀行發(fā)起的金融部門穩(wěn)定評(píng)估(Financial Sector Assessment Program，F(xiàn)SAP)就對(duì)各個(gè)成員實(shí)施了壓力測(cè)試[1]。2009年，美聯(lián)儲(chǔ)實(shí)施了監(jiān)管資本評(píng)估(Supervisory Capital Assessment Program，SCAP)來(lái)判斷大型商業(yè)銀行是否有足夠的資本來(lái)抵御沖擊，并發(fā)布各金融機(jī)構(gòu)的壓力得分，以幫助金融市場(chǎng)恢復(fù)信心[2]。歐洲銀行業(yè)監(jiān)管委員會(huì)(Committee of European Banking Supervisors，CEBS)也對(duì)歐洲大型商業(yè)銀行實(shí)施了壓力測(cè)試。美聯(lián)儲(chǔ)壓力測(cè)試關(guān)注宏觀經(jīng)濟(jì)沖擊對(duì)單家商業(yè)銀行的影響，具有自上而下的特征[3]；歐洲銀行業(yè)壓力測(cè)試關(guān)注個(gè)體金融機(jī)構(gòu)受到的沖擊，具有自下而上的特征。

2015年底，中國(guó)人民銀行組織開(kāi)展了2016年度大中型商業(yè)銀行壓力測(cè)試，測(cè)試對(duì)象為截至2015年第三季度末資產(chǎn)規(guī)模在5 000億元以上的31家大中型商業(yè)銀行。此次壓力測(cè)試主要針對(duì)信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)展開(kāi)，基礎(chǔ)數(shù)據(jù)是商業(yè)銀行資產(chǎn)負(fù)債表。測(cè)試的主要方法是：中國(guó)人民銀行假設(shè)在宏觀經(jīng)濟(jì)指標(biāo)和相關(guān)風(fēng)險(xiǎn)因子出現(xiàn)負(fù)面沖擊情況下，檢驗(yàn)商業(yè)銀行資本充足率和流動(dòng)性風(fēng)險(xiǎn)狀況。對(duì)于負(fù)面沖擊的設(shè)定，中國(guó)人民銀行根據(jù)實(shí)踐慣例設(shè)定了若干情景，然而在壓力測(cè)試中，金融監(jiān)管當(dāng)局設(shè)定的壓力情景雖然具有歷史淵源，但也難免具有一定的主觀性。如果壓力情景模擬過(guò)于悲觀，會(huì)造成資源浪費(fèi)，增加監(jiān)管成本；如果壓力情景設(shè)定過(guò)于樂(lè)觀，又會(huì)失去了監(jiān)管的意義，科學(xué)模擬和設(shè)定監(jiān)管情景是實(shí)施壓力測(cè)試關(guān)鍵之一。中國(guó)銀行業(yè)壓力測(cè)試的實(shí)踐目前是基于資產(chǎn)負(fù)債數(shù)據(jù)，而資產(chǎn)負(fù)債(財(cái)務(wù)會(huì)計(jì))數(shù)據(jù)低頻率特征使其很難實(shí)時(shí)、動(dòng)態(tài)、快速、前瞻地捕獲金融市場(chǎng)風(fēng)險(xiǎn)因子的極端變化及其對(duì)金融機(jī)構(gòu)的負(fù)面影響。

就當(dāng)前中國(guó)銀行體系來(lái)講，隨著中國(guó)經(jīng)濟(jì)發(fā)展步入“新常態(tài)”，GDP增長(zhǎng)率下降，信用風(fēng)險(xiǎn)和不良貸款將成為影響商業(yè)銀行經(jīng)營(yíng)風(fēng)險(xiǎn)的主要風(fēng)險(xiǎn)因素。單純依靠傳統(tǒng)不良貸款管理方法已無(wú)法實(shí)時(shí)捕捉信用風(fēng)險(xiǎn)，而資本市場(chǎng)數(shù)據(jù)卻可以實(shí)時(shí)動(dòng)態(tài)反映當(dāng)前企業(yè)所處信用風(fēng)險(xiǎn)狀態(tài)。2016年1月巴塞爾委員會(huì)最新發(fā)布的《市場(chǎng)風(fēng)險(xiǎn)最低資本要求》指引中，信用價(jià)差被納入市場(chǎng)風(fēng)險(xiǎn)因子中，這反映了風(fēng)險(xiǎn)管理的資本市場(chǎng)導(dǎo)向?；谫Y本市場(chǎng)數(shù)據(jù)和“敏感性分析+情景分析”的實(shí)踐框架，研究采用股票市場(chǎng)數(shù)據(jù)KMV模型所測(cè)度的商業(yè)銀行違約風(fēng)險(xiǎn)為壓力測(cè)試目標(biāo)，運(yùn)用“跳躍—擴(kuò)散”模型擬合信用價(jià)差時(shí)間序列，經(jīng)蒙特卡洛模擬得出信用價(jià)差變化的極端值來(lái)模擬壓力情景，探究信用價(jià)差極端變化對(duì)商業(yè)銀行違約概率的影響。

一、相關(guān)文獻(xiàn)綜述

2008年全球金融危機(jī)震驚全球金融監(jiān)管當(dāng)局[4-5]。從宏觀角度，壓力測(cè)試的主要目的是保證金融體系穩(wěn)定運(yùn)行。富有效率的金融體系有助于增加儲(chǔ)蓄和投資、有效配置資源、通過(guò)分散化降低風(fēng)險(xiǎn)，以及降低金融服務(wù)成本[6]。金融危機(jī)的爆發(fā)會(huì)削弱貨幣政策有效性、加速經(jīng)濟(jì)衰退、加劇資本外逃、帶來(lái)匯率壓力、增加財(cái)政救助成本[7]。Laeven et al.(2008)[8]發(fā)現(xiàn)金融危機(jī)造成的損失可達(dá)GDP的50%，損失主要由商業(yè)銀行資本重組和存款保險(xiǎn)賠付構(gòu)成。

壓力測(cè)試發(fā)源于商業(yè)銀行內(nèi)部實(shí)踐，用來(lái)診斷商業(yè)銀行自身經(jīng)營(yíng)風(fēng)險(xiǎn)。2008年金融危機(jī)爆發(fā)后，壓力測(cè)試被用于金融體系風(fēng)險(xiǎn)評(píng)估，兼具微觀審慎監(jiān)管與宏觀審慎監(jiān)管特征。有學(xué)者以微觀審慎監(jiān)管思想為核心，開(kāi)發(fā)模型關(guān)注金融機(jī)構(gòu)自身風(fēng)險(xiǎn)[9]；還有學(xué)者將宏觀經(jīng)濟(jì)與金融體系相聯(lián)系，采用壓力測(cè)試預(yù)測(cè)金融體系災(zāi)難性事件[10-11]。方意 等(2017)[12]實(shí)證發(fā)現(xiàn)中國(guó)經(jīng)濟(jì)增速放緩對(duì)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響不是特別高。彭建剛 等(2015)[13]將商業(yè)銀行經(jīng)濟(jì)資本與系統(tǒng)性風(fēng)險(xiǎn)管理相聯(lián)系。

在微觀審慎監(jiān)管中，壓力測(cè)試側(cè)重于技術(shù)層面，主要評(píng)估大型商業(yè)銀行應(yīng)對(duì)宏觀經(jīng)濟(jì)沖擊或可能發(fā)生的惡性事件的穩(wěn)健程度。Borio et al.(2014)[14]建立衛(wèi)星模型(Satellite model)關(guān)聯(lián)宏觀經(jīng)濟(jì)變量與商業(yè)銀行償付能力，分析不同外部沖擊造成的影響及壓力情景下商業(yè)銀行資產(chǎn)負(fù)債表和利潤(rùn)表的狀況。Foglia(2009)[15]探討運(yùn)用衛(wèi)星模型(Satellite model)將宏觀經(jīng)濟(jì)沖擊與商業(yè)銀行貸款質(zhì)量相關(guān)聯(lián)。王天宇 等(2017)[16]證明宏觀經(jīng)濟(jì)變量對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)有重要影響。丁建臣 等(2016)[17]認(rèn)為房地產(chǎn)貸款是我國(guó)銀行業(yè)風(fēng)險(xiǎn)的主要來(lái)源。

壓力測(cè)試需要模擬風(fēng)險(xiǎn)因子運(yùn)動(dòng)過(guò)程和變量之間的反饋效應(yīng)。這種反饋效應(yīng)體現(xiàn)實(shí)體經(jīng)濟(jì)與金融體系的相互作用機(jī)制[18]。銀行體系交易網(wǎng)絡(luò)使風(fēng)險(xiǎn)很容易在商業(yè)銀行之間傳染，許多金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)度指標(biāo)設(shè)計(jì)往往也嵌入了壓力場(chǎng)景，如Adrian et al.(2016)[19]提出將CoVaR引入單家金融機(jī)構(gòu)陷入困境的假設(shè)；Chan-Lau(2010)[20]假設(shè)一家金融機(jī)構(gòu)在陷入困境的情況下對(duì)另一家金融機(jī)構(gòu)的影響。壓力測(cè)試與宏觀經(jīng)濟(jì)變量息息相關(guān)，有學(xué)者研究宏觀經(jīng)濟(jì)變量變化對(duì)商業(yè)銀行盈利能力的影響，Guerrieri et al.(2012)[21]發(fā)現(xiàn)宏觀經(jīng)濟(jì)變量有助于預(yù)測(cè)美國(guó)大型商業(yè)銀行不良貸款，但對(duì)于預(yù)測(cè)商業(yè)銀行盈利水平和資本充足率卻不夠準(zhǔn)確。

壓力測(cè)試受監(jiān)管當(dāng)局青睞，但也被一些學(xué)者批評(píng)。壓力測(cè)試潛在最大問(wèn)題是設(shè)計(jì)的場(chǎng)景可能發(fā)生的概率過(guò)低，且無(wú)法有效覆蓋所有的可能性[22]。Glasserman et al.(2016)[23]發(fā)現(xiàn)美國(guó)銀行業(yè)壓力測(cè)試結(jié)果是可預(yù)測(cè)的，商業(yè)銀行可采取監(jiān)管套利策略造成壓力測(cè)試失效和消耗監(jiān)管成本。Alfaro et al.(2009)[24]指出基于歷史的場(chǎng)景設(shè)計(jì)無(wú)法完全覆蓋所有壓力場(chǎng)景。Drehmann et al.(2011)[25]也指出壓力測(cè)試的結(jié)果不能用于系統(tǒng)性風(fēng)險(xiǎn)預(yù)警。Acharya et al.(2014)[26]認(rèn)為根據(jù)美國(guó)和歐盟壓力測(cè)試結(jié)果來(lái)預(yù)測(cè)商業(yè)銀行資本充足率是不成功的，且風(fēng)險(xiǎn)加權(quán)資產(chǎn)與資產(chǎn)的市場(chǎng)風(fēng)險(xiǎn)無(wú)關(guān)，應(yīng)將基于市場(chǎng)數(shù)據(jù)的相關(guān)測(cè)度指標(biāo)引入壓力測(cè)試。

壓力測(cè)試雖存在缺陷，但一些學(xué)者仍用其預(yù)測(cè)金融機(jī)構(gòu)倒閉概率，主要從微觀審慎監(jiān)管角度，依托資本充足率和流動(dòng)性比率有效區(qū)分倒閉與非倒閉的商業(yè)銀行。主要方法包括多元判別分析(Multiple discriminant analysis，MDA)[27]、Logit模型[28]、人工智能技術(shù)[29-30]等。Gutiérrez et al.(2014)[31]使用Logit和Probit模型研究金融機(jī)構(gòu)財(cái)務(wù)比率預(yù)測(cè)西班牙和歐洲商業(yè)銀行陷入困境的能力。Lim(2015)[32]研究CEBS于2010年對(duì)24家西班牙銀行的壓力測(cè)試結(jié)果，發(fā)現(xiàn)ROE和賬面所有者權(quán)益對(duì)預(yù)測(cè)商業(yè)銀行通過(guò)壓力測(cè)試情況的能力非常強(qiáng)。在機(jī)器學(xué)習(xí)領(lǐng)域，集成學(xué)習(xí)(Ensemble approach)方法得到了較好應(yīng)用[33-35]，李偉(2018)[36]模擬分析發(fā)現(xiàn)，若房地產(chǎn)價(jià)格下跌30%，中國(guó)將有一半商業(yè)銀行的資本充足率不達(dá)標(biāo)。

壓力測(cè)試兼具宏觀審慎監(jiān)管和微觀審慎監(jiān)管的特征，這個(gè)特征對(duì)于中國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)管理尤為重要，壓力測(cè)試既可以幫助個(gè)體金融機(jī)構(gòu)分析自身經(jīng)營(yíng)風(fēng)險(xiǎn)，也可以幫助金融監(jiān)管當(dāng)局分析系統(tǒng)性金融風(fēng)險(xiǎn)。系統(tǒng)性分析管理對(duì)商業(yè)銀行風(fēng)險(xiǎn)判斷要有前瞻性，應(yīng)將基于市場(chǎng)數(shù)據(jù)的相關(guān)測(cè)度指標(biāo)引入壓力測(cè)試，研究極端條件下金融市場(chǎng)變量影響金融機(jī)構(gòu)倒閉概率的機(jī)制變得非常重要，以期為中國(guó)銀行業(yè)系統(tǒng)性金融風(fēng)險(xiǎn)管理提供參考。

二、研究方法

若將銀行體系看作一個(gè)信用資產(chǎn)組合，金融監(jiān)管當(dāng)局則是資產(chǎn)管理者。從信用資產(chǎn)組合視角來(lái)看，監(jiān)管當(dāng)局自然會(huì)關(guān)注每一項(xiàng)資產(chǎn)的違約概率。研究基于“敏感性分析+情景分析”的研究框架，探究壓力場(chǎng)景下市場(chǎng)風(fēng)險(xiǎn)因子對(duì)各商業(yè)銀行違約概率的影響。

(一)商業(yè)銀行違約概率的估計(jì)

商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)能力的大小最終體現(xiàn)在應(yīng)對(duì)倒閉風(fēng)險(xiǎn)上，測(cè)度銀行倒閉風(fēng)險(xiǎn)對(duì)中國(guó)銀行業(yè)管理系統(tǒng)性風(fēng)險(xiǎn)有很大指導(dǎo)意義。徐明東 等(2011)[37]用商業(yè)銀行貸款作為商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)的變量，但商業(yè)銀行貸款增加不一定會(huì)增加金融風(fēng)險(xiǎn)，也可能是為了滿足實(shí)體經(jīng)濟(jì)發(fā)展的需要，因此用貸款來(lái)表示商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)并不準(zhǔn)確。以資產(chǎn)定價(jià)領(lǐng)域的期權(quán)定價(jià)理論為核心發(fā)展出來(lái)的或有權(quán)益分析(Contingent Claims Analysis，CCA)，是金融危機(jī)之后測(cè)度金融系統(tǒng)性風(fēng)險(xiǎn)主要方法之一，而KMV模型是或有權(quán)益分析方法主要代表模型。

KMV模型核心思想是將商業(yè)銀行股票市值看作歐式看漲期權(quán)，在T時(shí)間內(nèi)商業(yè)銀行負(fù)債相當(dāng)于期權(quán)行權(quán)價(jià)格。由Black-Scholes期權(quán)定價(jià)公式，銀行資產(chǎn)價(jià)值低于在T時(shí)間內(nèi)所需償還債務(wù)價(jià)值時(shí)，看漲期權(quán)不行權(quán)，商業(yè)銀行倒閉。理論上一般假設(shè)銀行資產(chǎn)價(jià)格低于債務(wù)面值時(shí)發(fā)生倒閉，但在實(shí)際金融體系運(yùn)行過(guò)程中，商業(yè)銀行倒閉也常發(fā)生在資產(chǎn)價(jià)格較高時(shí)，商業(yè)銀行往往因?yàn)榻鹑隗w系內(nèi)部流動(dòng)性沖擊而被迫拋售資產(chǎn)，出現(xiàn)由流動(dòng)性風(fēng)險(xiǎn)而非償付能力風(fēng)險(xiǎn)引發(fā)的倒閉?；诖?，研究針對(duì)KMV模型設(shè)定了違約觸發(fā)值(用DB表示)，根據(jù)KMV模型的常規(guī)做法，DB設(shè)定為：短期負(fù)債+0.5*長(zhǎng)期負(fù)債。短期負(fù)債包括同業(yè)及其他金融機(jī)構(gòu)存放款項(xiàng)、向中央銀行借款、拆入資金、交易性金融負(fù)債、衍生金融負(fù)債、賣出回購(gòu)資產(chǎn)款，以及存款總量的20%；長(zhǎng)期負(fù)債包括應(yīng)交稅費(fèi)、應(yīng)付利息、應(yīng)付債券、遞延所得稅負(fù)債、預(yù)計(jì)負(fù)債、其他負(fù)債，以及存款總量的80%[38-40]。在風(fēng)險(xiǎn)中性測(cè)度下，銀行股票價(jià)值為：

ET=ATN(d1)-DBe-rTN(d2)

(1)

其中，ET為銀行股票市值，AT為銀行資產(chǎn)在T時(shí)刻的市場(chǎng)價(jià)值，r為無(wú)風(fēng)險(xiǎn)利率，N()為標(biāo)準(zhǔn)正態(tài)分布累積函數(shù)，σA為資產(chǎn)市場(chǎng)價(jià)值標(biāo)準(zhǔn)差。假設(shè)銀行資產(chǎn)市場(chǎng)價(jià)格服從對(duì)數(shù)正態(tài)分布，銀行在T時(shí)間內(nèi)的違約概率(PD)為：

PD=N(-d2)

(2)

DB值數(shù)據(jù)來(lái)源于商業(yè)銀行財(cái)務(wù)報(bào)表數(shù)據(jù)，且非日度數(shù)據(jù)。根據(jù)各商業(yè)銀行公開(kāi)信息，財(cái)務(wù)報(bào)告數(shù)據(jù)以季度為報(bào)告頻率，本研究DB值對(duì)應(yīng)如下：每年1月、2月、3月股票日度數(shù)據(jù)對(duì)應(yīng)第1個(gè)季度財(cái)報(bào)相關(guān)數(shù)據(jù)；4月、5月、6月股票日度數(shù)據(jù)對(duì)應(yīng)半年報(bào)相關(guān)數(shù)據(jù)；7月、8月、9月股票日度數(shù)據(jù)對(duì)應(yīng)第3個(gè)季度的財(cái)報(bào)相關(guān)數(shù)據(jù)；10月、11月、12月股票日度數(shù)據(jù)對(duì)應(yīng)銀行年報(bào)相關(guān)數(shù)據(jù)?；赪ind數(shù)據(jù)庫(kù)數(shù)據(jù)，使用Garch(1,1)模型估計(jì)KMV模型求解過(guò)程中需要的商業(yè)銀行股票日波動(dòng)率。

(二)敏感性分析

Wilson(1997)[41]將宏觀經(jīng)濟(jì)因子變化與公司違約概率關(guān)聯(lián)，奠定了此類問(wèn)題的研究基礎(chǔ)。Boss(2002)[42]使用此方法對(duì)奧地利銀行體系進(jìn)行實(shí)證分析。借鑒Wilson(1997)[41]研究方法，本研究將KMV模型求解而得的違約概率與信用價(jià)差聯(lián)系起來(lái)，對(duì)各商業(yè)銀行違約概率進(jìn)行Logistic形式轉(zhuǎn)換:

yi,t=ln((1-PDi,t)/ PDi,t

(3)

其中，i表示商業(yè)銀行，t表示時(shí)間。在(3)式基礎(chǔ)上，根據(jù)Virolainen(2004)[43]將各商業(yè)銀行的違約概率與信用價(jià)差進(jìn)行回歸分析，得到商業(yè)銀行違約概率對(duì)信用價(jià)差的敏感性：

yi,t=α+β1CS3M+β2CS1Y+β3CS5Y+β4CS10Y+ε

(4)

其中，根據(jù)巴塞爾委員會(huì)，本研究對(duì)信用價(jià)差的定義是：企業(yè)債券收益率與對(duì)應(yīng)期限的國(guó)債收益率之差。CS3M表示3個(gè)月的信用價(jià)差，CS1Y表示1年期信用價(jià)差，CS5Y表示5年期信用價(jià)差，CS10Y表示10年期信用價(jià)差。為了有效捕捉商業(yè)銀行各信用等級(jí)下信用價(jià)差風(fēng)險(xiǎn)敞口，選取信用評(píng)級(jí)為AAA級(jí)、AA級(jí)和A級(jí)企業(yè)信用價(jià)差進(jìn)行回歸分析(數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù))。

(三)壓力場(chǎng)景的模擬分析

根據(jù)回歸分析基本原理，上述敏感性分析所得結(jié)果是所有樣本所得敏感性估計(jì)結(jié)果的平均值，既包含了正常狀態(tài)，也包含了極值樣本點(diǎn)。本研究認(rèn)為，壓力場(chǎng)景往往意味著金融變量出現(xiàn)斷點(diǎn)式“跳躍”，造成金融體系處于“壓力”場(chǎng)景之下。從實(shí)證模型設(shè)計(jì)的角度，壓力場(chǎng)景意味著以往假設(shè)金融變量服從連續(xù)運(yùn)動(dòng)過(guò)程是不適合的，應(yīng)將描述“跳躍”的分布納入模型分析框架。基于此考慮，使用陳忠陽(yáng) 等(2012)[44]提出的“跳躍—擴(kuò)散”模型，對(duì)各評(píng)級(jí)下各期限的信用價(jià)差進(jìn)行擬合，再使用蒙特卡洛模擬預(yù)測(cè)信用價(jià)差極端變化對(duì)商業(yè)銀行違約概率的影響，“跳躍—擴(kuò)散”設(shè)置如下：

dCSt=μdt+σdBt+JdNt

(5)

(6)

根據(jù)Poisson分布，在很短時(shí)間內(nèi)跳動(dòng)次數(shù)Nt大于等于2的概率幾乎為0。所以將(6)式進(jìn)一步離散化，假定每個(gè)時(shí)間間隔最多跳1次，得到：

ln(CSt)=μ+σεt+NtJt

(7)

(5)式中，需要估計(jì)的參數(shù)為μ、σ、λ、μJ、σJ，使用方法為MCMC(Markov Chain Monte Carlo)算法。由Gibbs抽樣方法和Bayes學(xué)習(xí)規(guī)則得到參數(shù)的后驗(yàn)分布(Y為實(shí)際數(shù)據(jù))：

P(μ|σ2,Y)∝P(Y|μ,σ2)P(μ)

P(σ2|μ,Y)∝P(Y|μ,σ2)P(σ2)

(8)

(9)

rt=Yt-μ-NtJt

σv=1/(Nt/σ+1/σJ)

mt=1/σJ[Nt/σ(Yt-μ)+σJμJ]

(10)

(11)

由共軛分布基本知識(shí)及杰弗里斯關(guān)于缺少先驗(yàn)信息的論述，可得到各變量的先驗(yàn)分布：

P(μ,σ|N,J,Y)∝Normal/InvGamma

P(μJ,σJ|N,J,Y)∝Normal/InvGamma

P(λ|N)∝β(α*,β*)

P(Jt|θ,Nt,Yt)∝Normal

P(Nt|θ,Jt,Yt)∝Binorminal

其中，Normal表示正態(tài)分布，Binorminal表示二項(xiàng)分布，InvGamma表示倒Gamma分布，β()表示Beta分布，α和β為Beta分布參數(shù)，θ表示其他參數(shù)。

三、樣本數(shù)據(jù)及實(shí)證結(jié)果

KMV模型需要股票收益率數(shù)據(jù)，研究用中國(guó)上市商業(yè)銀行日股票收益率數(shù)據(jù)進(jìn)行實(shí)證分析?？紤]樣本量的問(wèn)題，選擇2016年之前上市的商業(yè)銀行，樣本包括5家國(guó)有大型商業(yè)銀行(中國(guó)工商銀行、中國(guó)建設(shè)銀行、中國(guó)銀行、中國(guó)農(nóng)業(yè)銀行、交通銀行)、8家全國(guó)股份制大型商業(yè)銀行(中信銀行、光大銀行、華夏銀行、民生銀行、興業(yè)銀行、浦發(fā)銀行、平安銀行、招商銀行)、3家城市商業(yè)銀行(北京銀行、南京銀行和寧波銀行)。數(shù)據(jù)期間是2010年8月19日①至2017年12月29日，數(shù)據(jù)頻率為日度數(shù)據(jù)，各商業(yè)銀行共1791個(gè)樣本。

圖1是KMV模型求解違約概率的時(shí)間序列走勢(shì)圖。5家國(guó)有大型商業(yè)銀行中，交通銀行違約概率波動(dòng)性較高，農(nóng)業(yè)銀行違約概率波動(dòng)性較低；8家大型股份制商業(yè)銀行中，光大銀行、招商銀行和中信銀行違約概率波動(dòng)性較低；3家城市商業(yè)銀行違約概率波動(dòng)性均非常高。各商業(yè)銀行違約概率時(shí)間序列都存在較大幅度“跳躍”的樣本點(diǎn)，這也表明中國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)仍可能存在。

圖1 各個(gè)上市商業(yè)銀行違約概率走勢(shì)圖(注：橫軸為樣本時(shí)間，縱軸為各商業(yè)銀行倒閉概率值。)

表1、表2、表3是各上市商業(yè)銀行各等級(jí)下各期限信用價(jià)差的敏感性估計(jì)結(jié)果。估計(jì)結(jié)果表明，各家商業(yè)銀行呈現(xiàn)出一定的異質(zhì)性：從AAA級(jí)企業(yè)3個(gè)月期限信用價(jià)差敏感性估計(jì)結(jié)果來(lái)看，農(nóng)業(yè)銀行、光大銀行、華夏銀行、招商銀行、民生銀行和浦發(fā)銀行估計(jì)結(jié)果不顯著；工商銀行和興業(yè)銀行估計(jì)結(jié)果顯著為正，說(shuō)明AAA級(jí)企業(yè)信用價(jià)差越高，銀行違約風(fēng)險(xiǎn)越高。從AAA級(jí)1年期限信用價(jià)差來(lái)看，南京銀行和平安銀行估計(jì)結(jié)果顯著為正，說(shuō)明AAA級(jí)企業(yè)1年期信用價(jià)差變高，銀行違約風(fēng)險(xiǎn)增加。由表1，大多數(shù)樣本上市商業(yè)銀行(除興業(yè)銀行外)對(duì)AAA級(jí)企業(yè)5年期信用價(jià)差的敏感性顯著為正，所有樣本對(duì)AAA級(jí)企業(yè)10年期信用價(jià)差敏感性為負(fù)，一旦10年期信用價(jià)差增加，商業(yè)銀行可通過(guò)自身有效風(fēng)險(xiǎn)管理降低風(fēng)險(xiǎn)敞口。總體上，對(duì)于AAA級(jí)企業(yè)，樣本商業(yè)銀行違約概率受5年期信用價(jià)差的影響較大。

表1 各上市商業(yè)銀行對(duì)企業(yè)債AAA級(jí)信用利差敏感性估計(jì)結(jié)果

由表2，從AA級(jí)企業(yè)信用價(jià)差敏感性估計(jì)結(jié)果來(lái)看，各家商業(yè)銀行對(duì)信用價(jià)差敏感性呈現(xiàn)出一定的異質(zhì)性。從AA級(jí)企業(yè)3個(gè)月期限的信用價(jià)差敏感性估計(jì)結(jié)果來(lái)看，北京銀行、平安銀行估計(jì)結(jié)果不顯著，南京銀行估計(jì)結(jié)果顯著為負(fù)，其余商業(yè)銀行敏感性估計(jì)結(jié)果均顯著為正，說(shuō)明AA級(jí)企業(yè)3個(gè)月期限信用價(jià)差越高，大多數(shù)銀行違約風(fēng)險(xiǎn)就越高。從AA級(jí)企業(yè)1年期限的信用價(jià)差敏感性估計(jì)結(jié)果來(lái)看，南京銀行、平安銀行估計(jì)結(jié)果顯著為正，AA級(jí)企業(yè)1年期信用價(jià)差變高時(shí)，這兩家銀行的違約風(fēng)險(xiǎn)增加。大多數(shù)樣本上市商業(yè)銀行(除興業(yè)銀行外)對(duì)AA級(jí)企業(yè)5年期信用價(jià)差的敏感性顯著為正，所有樣本商業(yè)銀行對(duì)AA級(jí)企業(yè)10年期信用價(jià)差的敏感性為負(fù)(民生銀行不顯著)。總體來(lái)講，對(duì)于AA級(jí)企業(yè)，樣本上市商業(yè)銀行的違約概率受3個(gè)月期和5年期信用價(jià)差的影響較大。

表2 各個(gè)上市商業(yè)銀行對(duì)企業(yè)債AA級(jí)信用利差敏感性估計(jì)結(jié)果

由表3，從對(duì)A級(jí)企業(yè)信用價(jià)差敏感性估計(jì)結(jié)果來(lái)看，各商業(yè)銀行信用價(jià)差敏感性呈現(xiàn)出一定的異質(zhì)性。從A級(jí)企業(yè)3個(gè)月期限的信用價(jià)差敏感性估計(jì)結(jié)果來(lái)看，除南京銀行估計(jì)結(jié)果不顯著外，其余商業(yè)銀行敏感性的估計(jì)結(jié)果均顯著為正，說(shuō)明A級(jí)企業(yè)3個(gè)月期限信用價(jià)差越高，銀行違約風(fēng)險(xiǎn)就越高。從A級(jí)1年期信用價(jià)差敏感性估計(jì)結(jié)果來(lái)看，北京銀行、興業(yè)銀行和華夏銀行的估計(jì)結(jié)果顯著為正，說(shuō)明當(dāng)A級(jí)企業(yè)1年期信用價(jià)差變高時(shí)，這3家銀行違約風(fēng)險(xiǎn)增加。對(duì)于A級(jí)企業(yè)5年期信用價(jià)差，北京銀行、南京銀行、興業(yè)銀行、中信銀行和浦發(fā)銀行敏感性估計(jì)值顯著為負(fù)，華夏銀行估計(jì)結(jié)果不顯著，其余樣本銀行估計(jì)結(jié)果均顯著為正，所有樣本商業(yè)銀行A級(jí)企業(yè)10年期信用價(jià)差的敏感性為負(fù)(興業(yè)銀行不顯著)。總體來(lái)講，對(duì)于A級(jí)企業(yè)，樣本上市商業(yè)銀行的違約概率受3個(gè)月期和5年期信用價(jià)差的影響較大。

表3 各個(gè)上市商業(yè)銀行對(duì)企業(yè)債A級(jí)信用利差敏感性估計(jì)結(jié)果

為模擬信用價(jià)差極端變化的壓力場(chǎng)景，使用(6)式對(duì)各期限各評(píng)級(jí)的信用價(jià)差數(shù)據(jù)進(jìn)行擬合，估計(jì)相關(guān)分布參數(shù)。得到參數(shù)的估計(jì)值后，對(duì)各類別信用價(jià)差進(jìn)行1萬(wàn)次蒙特卡洛模擬，取模擬后99%分位點(diǎn)表示信用價(jià)差出現(xiàn)極端增大的情況。將所得到的分位點(diǎn)數(shù)值代入(3)式，進(jìn)行相應(yīng)轉(zhuǎn)化得到壓力狀況下的違約概率。表4為“跳躍—擴(kuò)散”模型相關(guān)參數(shù)估計(jì)值，信用價(jià)差跳躍項(xiàng)方差(σJ)數(shù)值非常大，說(shuō)明信用價(jià)差跳躍幅度較高。在表4基礎(chǔ)上，對(duì)各類別信用價(jià)差進(jìn)行1萬(wàn)次蒙特卡洛模擬，得到信用價(jià)差的分布后取99%分位點(diǎn)數(shù)值代入(3)式，以分析信用價(jià)差處于壓力情況下各商業(yè)銀行業(yè)違約概率大小。

表4 (6)式信用價(jià)差相關(guān)參數(shù)估計(jì)值

表5是使用蒙特卡洛模擬壓力場(chǎng)景后得到的壓力測(cè)試實(shí)證結(jié)果。將99%分位點(diǎn)數(shù)值代入(3)式得到各信用等級(jí)下各期限信用價(jià)差擴(kuò)大對(duì)商業(yè)銀行違約概率的影響情況。需要說(shuō)明的是，AAA級(jí)企業(yè)信用價(jià)差增加意味著在此評(píng)級(jí)下各期限信用價(jià)差均增大。在模擬過(guò)程中，分位點(diǎn)越高，信用價(jià)差越大，對(duì)于銀行體系而言，信用價(jià)差越高意味著經(jīng)濟(jì)體信用風(fēng)險(xiǎn)越高，商業(yè)銀行不良貸款率存在上升的可能，但這并不意味著商業(yè)銀行信用風(fēng)險(xiǎn)會(huì)上升。商業(yè)銀行在經(jīng)濟(jì)體風(fēng)險(xiǎn)增加時(shí)，會(huì)采取各種措施來(lái)緩釋信用風(fēng)險(xiǎn)，即信用價(jià)差增加并不一定意味著商業(yè)銀行違約概率升高。

對(duì)AAA級(jí)企業(yè)信用價(jià)差、AA級(jí)企業(yè)信用價(jià)差、A級(jí)企業(yè)信用價(jià)差進(jìn)行模擬分析。從AAA級(jí)企業(yè)信用價(jià)差的壓力結(jié)果來(lái)看，在99%壓力點(diǎn)各商業(yè)銀行違約概率相對(duì)較低，說(shuō)明商業(yè)銀行在遭遇AAA級(jí)經(jīng)濟(jì)體風(fēng)險(xiǎn)變大時(shí)，并不會(huì)出現(xiàn)巨大的經(jīng)營(yíng)風(fēng)險(xiǎn)。由表5，國(guó)有大型商業(yè)銀行違約概率普遍低于股份制商業(yè)銀行，城市商業(yè)銀行違約概率相對(duì)較高，諸如南京銀行，違約概率高達(dá)1.29%，為樣本國(guó)有銀行之最。股份制商業(yè)銀行在壓力場(chǎng)景下違約概率最高的是華夏銀行，達(dá)到了0.104%。整體而言，AAA級(jí)企業(yè)信用價(jià)差大幅上漲對(duì)樣本上市商業(yè)銀行違約概率的影響不是很大，其違約概率相對(duì)較低。從AA級(jí)企業(yè)信用價(jià)差的壓力測(cè)試結(jié)果來(lái)看，在99%壓力點(diǎn)，各商業(yè)銀行違約概率相對(duì)較低，更清晰地反映出商業(yè)銀行在壓力環(huán)境下應(yīng)對(duì)和緩釋風(fēng)險(xiǎn)的能力。從違約率大小來(lái)看，國(guó)有大型商業(yè)銀行違約概率非常低，城市商業(yè)銀行中南京銀行、股份制商業(yè)銀行中華夏銀行和平安銀行違約概率相對(duì)較高。由表5，當(dāng)A級(jí)企業(yè)信用價(jià)差變化達(dá)到99%壓力點(diǎn)時(shí)，商業(yè)銀行違約概率顯著增加，甚至直接導(dǎo)致違約。較之AAA級(jí)和AA級(jí)企業(yè)模擬結(jié)果，A級(jí)企業(yè)信用價(jià)差顯著增加時(shí)，在99%壓力點(diǎn)各上市商業(yè)銀行違約概率均顯著上升，多家違約概率甚至接近于1?？傮w而言，當(dāng)A級(jí)企業(yè)信用風(fēng)險(xiǎn)急劇惡化時(shí)，中國(guó)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)的可能性極高。

表5 壓力測(cè)試實(shí)證結(jié)果

總體上，當(dāng)AAA級(jí)企業(yè)信用價(jià)差急劇變大時(shí)，中國(guó)商業(yè)銀行違約概率非常低；當(dāng)AA級(jí)企業(yè)信用價(jià)差急劇變大時(shí)，中國(guó)商業(yè)銀行違約概率也非常低；當(dāng)A級(jí)企業(yè)信用價(jià)差急劇變大時(shí)，大多數(shù)商業(yè)銀行的違約概率都非常高，甚至接近于1，中國(guó)銀行業(yè)爆發(fā)系統(tǒng)性風(fēng)險(xiǎn)可能性非常大。

四、結(jié)論及政策建議

對(duì)于中國(guó)金融體系而言，守住銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的底線即維護(hù)國(guó)家金融體系的穩(wěn)定，監(jiān)測(cè)和分析系統(tǒng)性風(fēng)險(xiǎn)尤為重要。企業(yè)信用風(fēng)險(xiǎn)是我國(guó)商業(yè)銀行風(fēng)險(xiǎn)的主要來(lái)源，研究企業(yè)信用風(fēng)險(xiǎn)急劇增加對(duì)商業(yè)銀行違約概率的影響極具現(xiàn)實(shí)指導(dǎo)意義。根據(jù)實(shí)證結(jié)果，提出以下政策建議：

第一，中國(guó)金融監(jiān)管當(dāng)局需依托資本市場(chǎng)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)。系統(tǒng)性風(fēng)險(xiǎn)的監(jiān)測(cè)與分析應(yīng)具有實(shí)時(shí)性、動(dòng)態(tài)性、前瞻性，這些要求是資產(chǎn)負(fù)債表數(shù)據(jù)無(wú)法滿足的。資本市場(chǎng)各種交易有效反映市場(chǎng)參與者對(duì)風(fēng)險(xiǎn)的預(yù)判，各種數(shù)據(jù)信息包含了大量風(fēng)險(xiǎn)提示。監(jiān)管當(dāng)局要善于利用資本市場(chǎng)數(shù)據(jù)，對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行實(shí)時(shí)分析以提高風(fēng)險(xiǎn)判斷的及時(shí)性。

第二，監(jiān)管當(dāng)局要重視商業(yè)銀行在“壓力”場(chǎng)景下管理風(fēng)險(xiǎn)的能力，達(dá)到既有效監(jiān)管又降低金融監(jiān)管成本的要求。金融體系處于壓力情景之下時(shí)，商業(yè)銀行業(yè)也會(huì)主動(dòng)緩釋和管理相關(guān)風(fēng)險(xiǎn)，使自身風(fēng)險(xiǎn)處于可控狀態(tài)。監(jiān)管當(dāng)局要認(rèn)識(shí)到，金融體系風(fēng)險(xiǎn)變大并不意味著商業(yè)銀行風(fēng)險(xiǎn)也會(huì)變大，不應(yīng)因?yàn)榻鹑隗w系處在壓力狀態(tài)，就增加對(duì)商業(yè)銀行的監(jiān)管要求，而要根據(jù)商業(yè)銀行于不同壓力情景下的風(fēng)險(xiǎn)狀態(tài)，實(shí)施相應(yīng)的金融監(jiān)管。商業(yè)銀行有足夠動(dòng)機(jī)主動(dòng)管理金融風(fēng)險(xiǎn)和主動(dòng)轉(zhuǎn)移、配置自身經(jīng)營(yíng)風(fēng)險(xiǎn)。

第三，建立信用衍生產(chǎn)品市場(chǎng)，增加商業(yè)銀行信用風(fēng)險(xiǎn)管理工具。信用風(fēng)險(xiǎn)是商業(yè)銀行主要風(fēng)險(xiǎn)，銀行為維持客戶關(guān)系、占領(lǐng)市場(chǎng)又必須承擔(dān)信用風(fēng)險(xiǎn)。商業(yè)銀行可發(fā)揮主觀能動(dòng)性緩釋和管理風(fēng)險(xiǎn)，監(jiān)管當(dāng)局要大力發(fā)展信用衍生產(chǎn)品市場(chǎng)、積極開(kāi)發(fā)新的信用風(fēng)險(xiǎn)管理工具，使商業(yè)銀行能夠有效轉(zhuǎn)移和交易信用風(fēng)險(xiǎn)，在經(jīng)濟(jì)體高信用風(fēng)險(xiǎn)時(shí)保證商業(yè)銀行穩(wěn)健經(jīng)營(yíng)。

注釋：

①選擇2010年8月19日作為開(kāi)始日期，主要因這16家商業(yè)銀行中光大銀行上市最晚，上市時(shí)間為2010年8月18日。