系統性金融風險測度方法研究綜述

摘要:系統性金融風險的測度方法是理論與實務領域中一項復雜而前沿的研究課題。本文針對原理而不是具體的計算過程，對系統性金融風險的測度方法進行系統的梳理和評述，以期為相關領域的進一步研究提供借鑒。

關鍵詞:系統性金融風險;測度方法;宏觀加總

Abstract:The method on the measurements of financial systemic risk is complex. Many studies have pay out in this field. This paper mainly surveys the works on the measurements of financial systemic risk，which does not pay attention to the specific calculations，but the principle，with a view to provide reference to the further researches.

Key Words:financial systemic risk，measurements，macro-aggregate

中圖分類號:F830.9文獻標識碼: A文章編號:1674-2265(2010)01-0024-04

一、引言

系統性金融風險的測度，是指在對過去系統性風險損失資料及當前經濟金融形勢分析的基礎上，對風險發生的概率及造成的損失程度進行定性、定量分析，從而預測出較精確并滿足一定規律的結果的過程(范小云，2006)。它包括兩個組成成分:一是對過去所發生的系統性風險的規律性的發掘，找出呈現一定必然性和統計規律性的東西;二是對當前經濟金融體系的現實狀況及可能受到的沖擊等進行分析，從而估測出當前的風險狀況(翟金林，2001)。對系統性金融風險進行測度，能夠起到預警的作用。數次金融危機的爆發，使得理論界對系統性金融風險的測度研究給予了大量關注，但一直爭論于對合理有效測度方法的選取(S·hnke M. Bartram等，2007)。找到一套能夠預先給出未來系統性風險發生的時間、強度，而同時又不給出錯誤信號或較少給出錯誤信號的通用規則，成為監管當局防范系統性金融風險進程中的一項重要而前沿的任務。本文從原理上而不是具體的計算過程，對系統性金融風險的測度方法進行梳理和評述。

當前對系統性金融風險測度的研究主要從兩方面展開:一是從單一金融機構入手，分析個體的風險暴露狀況，然后再將個體的風險暴露進行加總來推算整個系統的風險;二是運用一定的模型，從整體上直接估測系統性金融風險。本文的綜述也是由此展開的，并在縱向比較代表性方法的原理后，圍繞其共同存在的問題做一簡要橫向評析，以期為相關領域的進一步研究提供借鑒。

二、從單一金融機構入手對系統性金融風險的測度

此類測度方法分為指標經驗分析法、數理模型分析法和計量模型分析法三種。

(一)指標經驗分析法

一般來講，指標經驗分析法是利用經驗篩選指標，以指標實際值與正常值之間的經驗性差別衡量系統性風險。通過指標測度系統性金融風險的方法大體可以分為兩類，即指標體系綜合度量和零散指標度量。

二十世紀90年代前，用于綜合度量的指標體系主要是CAEL和CAMEL系統，其也是各監管當局當時最常用的風險測度與預警工具。CAMEL評級系統在CAEL排序系統以資本充足性、資本品質、獲利能力及流動能力作為測度指標范疇的基礎上，增加了管理能力一項，其選擇相應的指標并賦予權數，以權數求得的綜合得分在同類型金融機構內的排序先后確認出風險狀況不佳的金融機構。然而，CAEL和CAMEL的實際識別效果都不盡如人意，在美國1980-1994年間發生的1617個失敗銀行中只準確識別了46%(Benton E. Gup，1999)。1993年，美聯儲開始采用更多考慮了金融機構長期變動影響的FIMS評級系統，對單個銀行的風險進行監察。但FIMS依然認為單個金融機構的脆弱是系統性金融風險的主要原因。在對系統性風險進行評價時只是將各金融個體的風險進行簡易累加，或選取代表性的大型機構，未能真正反映出系統性風險的“系統”問題，在總體測度方面表現欠佳。

針對上述指標體系中指標選取上的不足，零散指標度量法從補充、修改指標的角度提出了不同觀點。美國的快速預警糾偏模型以資本充足率狀況為主線，為監管當局判斷銀行狀況提供了一個快速、簡明的參考框架。Kaminsky(1997)研究認為，實際匯率水平、國內信貸總量、對公共部門的信貸總量、國內通貨膨脹、貿易平衡情況、貨幣增長率、實際經濟增長率和財政赤字等指標，在一定程度上能夠對系統性金融風險起到一定的指示作用。Gonzalez Hermosillo(1999)以經驗證據表明，只有同時考慮不良貸款和資本充足率，CAMEL體系的評估才有統計意義上的依據。Goodhart(2004)和Aspachs(2006)認為違約概率和銀行盈利水平是重要指標。雖然針對個別零散指標重要性的研究仍在繼續，但是如果繼續從單一金融機構入手，單純從建立指標體系角度考慮，而沒有加總的理論基礎，那么無論怎樣繼續添加、修改指標也無法解決其在對系統性風險總體測度上表現欠佳的問題。

(二)數理模型分析法

數理模型分析法大多以一家機構破產倒閉推測系統內某一特定數量機構同時倒閉的可能性，來測度系統性金融風險。具有代表性的模型如下所列。

Alferd lehar(2003)通過模擬多家銀行的資產波動，考察一定資產條件和數目條件下，系統性風險發生的概率。這種方法使用蒙特卡羅模擬法模擬發生單銀行倒閉的時間序列，得出引發系統性風險的誘導因素發生的概率和超過系統中某一特定數量的銀行同時倒閉的可能性，即整個系統發生系統性風險的概率。矩陣法首先估計銀行間的雙邊風險敞口矩陣，然后對銀行的損失率賦予不同的值。根據不良資產量多于一級資本后銀行即倒閉的原則，確定受到傳染的銀行數量。以一家銀行的倒閉所帶來的其他銀行倒閉的數目來估計系統性風險傳染的程度(如Simon Wells，2000;Iman van Lelyveld，2002;Christian Upper，2002)。Jeannette Muller(2003)第一個將網絡分析方法應用于測算系統性金融風險的模型中。其使用網絡分析法識別出不同銀行類型的不同網絡結構，然后根據銀行間市場網絡形狀，利用神經網絡模擬法測算系統性風險的傳染程度。Ghosh(2003)使用了雙元遞歸數方法，使模型可以不受變量變換的影響，從而增加引入定序的結構型變量的便利性。侯明揚和伍海華(2008)還使用復雜網絡分析的方法對其模擬過程進行了擴展，但在向宏觀整體過渡的過程中依然缺乏理論基礎。Sujit Chakravorti(1996)將模擬法與一般均衡經濟理論相結合，認為由于支付系統中存在著類似CHIPS的ASO協議，單個銀行發生支付困難時必然對其他銀行的自有資金狀況產生負面影響，從而改變現有銀行的最優資產選擇，減少銀行間市場信貸資金的供給;其中資產狀況較差的銀行就會發生倒閉，隨著倒閉銀行數量的增加，對銀行間信貸的需求數量也將逐漸減少，當銀行間信貸資金的供求相等時，銀行倒閉不再蔓延。Oriol Aspachs等(2006)也使用一般均衡的方法，通過測度違約概率預警系統性金融風險。

正因為上述模型的共同點在于由一家機構破產倒閉推測系統內某一特定數量機構同時倒閉的可能性，進而測度系統性金融風險，所以，撇開數據可得性等技術因素，致命的缺陷在于到底多少機構倒閉才能視為系統性風險的發生。其在數量上仍是模糊的，還需要經驗性的總結。

(三)計量模型分析法

針對上述問題的計量模型集中表現為回歸分析、GARCH模型和VaR法。回歸分析是該領域產生較早的計量分析方法，主要是根據回歸模型中系數的顯著性篩選指標。而隨著對經濟數據本身非線性性的發現，其解釋力度在逐漸減弱。GARCH模型以銀行間實際交易的聯系和市場間的波動性溢出為基礎，建立二元或多元GARCH模型，以殘值之間的相關性大小和變動反映潛在的系統性風險的大小。但是，不僅殘值之間的相關性不一定代表了系統性金融風險，而且，實際上GARCH模型的分析只能說明誘導因素發生后傳染的速度和規模，對于解釋會不會發生系統性風險這一問題卻遠在其能力之外。伴隨當前風險管理領域中最為流行的VaR方法的誕生，GARCH模型與其結合，共同測評金融機構面臨的風險。為了盡量避免VaR方法本身蘊涵的模型風險，Blaschke等(2001)提出將壓力測試(stress testing)與VaR結合。但無論如何規避模型風險，VaR法實際上還是通過詳盡評估單一金融機構的風險來強化整個金融體系，不能實現從總體上對系統性金融風險的測度。

三、從系統整體入手對系統性金融風險的測度

在面向系統整體直接對系統性金融風險進行測度時，作為指標體系主要制定者的監管當局認為，可以將經濟金融系統看作所有金融機構甚至所有金融活動參與個體的總和，利用各部門總的經濟數據，同時加入宏觀經濟指標，來衡量或預測經濟金融體系的系統性風險。IMF于1999年5月啟動了“金融部門評估計劃”(FSAP)，包括如經濟增長、通貨膨脹、利率等在內的宏觀審慎指標;如資本充足性、盈利性指標、資產質量指標等在內的綜合微觀審慎指標，用于測度金融體系中蘊涵系統性風險的程度。這些宏觀審慎指標包括反映單個金融機構穩健性的微觀審慎指標的匯總和與金融體系穩健性有關的宏觀經濟變量兩種類型。同時，在對單個金融機構穩健性的微觀審慎指標進行匯總時，對不同的機構按照其對應的權重進行了加權。國內學者(如伍志文，2002;毛一文，2002;陳華，2004等)在借鑒國外研究成果的基礎上，從金融市場子系統、銀行子系統、金融監控子系統和宏觀經濟環境子系統四個方面入手，劃分安全、正常、關注和危機四個等級，據經驗分析確定每個指標屬于各個等級的取值范圍，然后根據各個指標的實際取值將各個指標映射成相應的分數，最后通過主觀賦權，將各指標的得分綜合成各子系統的得分及整個體系的總得分。但加總時對權重選取的主觀性依然太強，缺乏堅實的客觀理由。Demirg kunt等(2002)則將系統內的銀行同質化對待，從而視整個銀行系統為一個集合銀行，使用銀行業總體的數據來估計系統破產的概率，并對發生危機的指標閥值進行了說明。遺憾的是，即便經濟金融系統內的參與者可能存在同質性，但實際業務之間聯系緊密的事實，使得忽視系統內實際業務間交叉覆蓋部分的累加會導致錯誤的結果。

在技術性研究方面，Kaminsky，Lizondo和Reinhart(1997)的初始KLR方法，也稱信號法，實際上是篩選出被選預警指標，并把其轉換為雙元信號，根據其同時預警數目的多寡來判斷危機發生的概率。Kaminsky(1999)運用以噪音——信號比的倒數為權重的優良指標的加權平均這一復合指標，解決KLR模型只根據信號多寡來進行判斷的問題，但其在識別效果方面仍有很大缺陷。因為，復合指標的解釋變量被轉換成雙元信號后拋棄了由它的動態性所產生的許多有用信息，至少“發生了新的、較大的危機將直接導致現在識別不了以前曾被識別的危機”(吳軍，2006)。一些學者將Probit/Logit模型劃歸為針對單一金融機構風險的測度，筆者不贊同這種觀點，因為Probit/Logit模型是直接估計給定指標的條件概率以從整體上進行危機的預測。Frankel和Rose(1996)基于此模型，針對105個發展中國家1971-1992年的季度數據的預測，是此類模型的早期代表文獻(下文稱其為FR模型)。在樣本區間內，FR模型參數表現穩定，并且許多變量在危機的預測方面表現顯著，但對樣本外的1997年的亞洲金融危機的預測卻不盡如人意(Berg和Pattillo，1998)。為此，Berg和Pattillo(1998)基于KLR信號模型對FR模型進行了修正，即先經過KLR方法篩選出優良指標，然后對其進行概率單位處理，故其精確性要高于KLR模型。但也只能達到57%(Bussiere和Fratzscher，2002)。S?觟hnke M.Bartram等(2006)認為，在一個有效的資本市場上，可以通過銀行股票價格的變化從整體上測度并預警系統性金融風險。在有效的資本市場上，某一負面信息沖擊只會對直接暴露于該信息的銀行的股票價格產生影響;而沒有暴露于該負面信息沖擊的銀行的股票價格并不會受其直接影響。但事實是，沒有暴露于該沖擊的銀行的股票價格也不同程度地出現一些波動，這些波動并非直接暴露于該沖擊的結果，而是直接暴露于該沖擊的那些銀行通過經濟金融體系對沒有暴露于該沖擊的銀行的逆向影響的結果。因此，未直接暴露于該沖擊的銀行的股票市場反應可以作為系統性風險估測的一個粗略指標。同時他們還利用銀行權益價值，債務結構數據，無風險利率，期望回報率及其方差，債務數量及其期限等求解系統失敗的概率。S hnke M.Bartram等從系統整體層面分析系統性風險的思路比較新穎，但系統性金融風險所涉及的系統范疇絕不僅是由銀行部門構成的，還包括為數眾多的非銀行企業(Steven L. Schwarcz，2008)。

四、對系統性金融風險測度方法的簡要評述

綜合來看，上述測度方法所存在的問題主要集中于合理加總和設計模型的技術改造兩方面。系統中破產倒閉機構的數量具體是多少才能被稱為系統性風險是不確定的，因此從這一角度進行分析往往沒有有意義的收獲。依據同質性而直接累加從而表征總量的方法，錯誤地重復了系統內參與者之間交叉業務所覆蓋的數量，不能被稱之為合理的加總。而隨著計量技術的發展，呈現的研究成果表明更多學者們希望通過改進模型技術將兩個問題一并解決。那么，不斷地改進技術是否真的有效呢?

在技術上，所有模型都會呈現各種缺陷。被模型化了的現象的統計特征通常隨樣本而改變。但模型改變了統計規則的實效性，導致模型使用者不停地“追趕時間”(catch the time)。這樣，當危機發生時，模型解釋力差的問題自然會凸現。模型本身的目的在于將復雜的現實世界濃縮于數量較少的方程中。但濃縮過程中所忽視掉的變量往往不是不重要的而是較復雜的，從而造成模型假設質量較差。數據可獲得性上的困難更是眾所周知。這些缺陷是所有模型都不可避免的。雖然隨著經濟金融系統復雜性程度的加深，確實越來越需要復雜的模型用于衡量風險，但不幸的是，隨著復雜性的加深，模型的可靠性也在逐漸降低。美國次貸危機已經顯示風險模型要比想象中的可信度低很多。如果向監管界、學術界，特別是模型的設計者詢問其對模型質量的評價，答案經常是否定的。一個真正的復雜統計模型必須是對的，但經濟金融運行不可能像遵循物理定律一樣成規則。盡管擁有復雜的模型，所有的壓力測試，所有的數據，但每次經歷的系統性風險都會給人們帶來驚疑(Bitner R.，2008)。成功躲過危機的往往是那些擁有良好管理的機構，而不是依靠模型技術實現的。在不信任模型的同時卻又積極地使用它們則是一個悖論。筆者并非想完全否認模型技術，但目前研究者對模型賦予的期望，已經超過了其實際的能力范疇，就像對涵蓋經濟金融體系總風險的系統性風險的測度一樣。脫離理論支撐而單純對模型進行技術上的修正，不斷地進行估測是愚蠢的，因為雖然可以得到數據，但卻是毫無意義的數據(Jón Daníelsson，2008)。這也是本文不針對各種模型的具體計算過程，而只針對測度方法的原理進行梳理的原因。當前對于系統性金融風險測度的研究方法更應在如何實現合理的加總上做文章，從而形成有理論基礎的，針對系統整體的測度方法。

參考文獻:

[1]范小云.繁榮的背后:金融系統性風險的本質、測度與管理[M].中國金融出版社，北京:2006:103-165.

[2]翟金林.銀行系統性風險研究[D].南開大學博士論文，2001:75-78.

[3]S·hnke M. Bartram，Gregory W. Brown，John E. Hund. Estimating systemic risk in the international financial system[J].Journal of Financial Economics.2007，86:835-869.

[4]許滌龍，葉少波.金融體系脆弱性問題研究述評[J].統計與信息論壇，2008，(23).

[5]Benton E.Gup，Philip F. Bartholomew. The decision to fail banks:a global view，in international banking crises: large-scale failures[M]，Massive Government Interventions， 1999，edited by Benton E. Gup，Quorum Books.

[6]Oriol Aspachs，Charles A.E.Goodhart，Dimitrios P. Tsomocos，Lea Zicchino.Towards a measure of financial fragility[C].SSRN Working Paper.2006，1-45.

[7]Alfred Lehar. Measuring systemic risk: A risk management approach[J]. Journal of BankingFinance.2005，29:2577-2603.

[8]Danielsson， J. The emperor has no clothes: Limits to risk modeling[J]. Journal of Banking and Finance，2002， 26:1273–1296.

[9]Stevenl. Schwarcz. Systemic Risk[J].The Georgetown law Journal，2008，97:193-249.

[10]Jón Daníelsson. Blame the Models[J]. Forthcoming Journal of Financial Stability，2008，6:1-12.

[11]Financial Times. CPDOs expose ratings flaw at Moody’s[N]. Financial Times， May 21， 2008 edition.

(責任編輯 代金奎)