利率市場化背景下我國上市商業銀行利率風險分析

李雷

【摘要】隨著我國利率市場化改革的不斷推進，利率風險成為商業銀行風險防范尤為重要的內容。本文從靜態和動態兩個角度對交通銀行利率風險進行分析，結果表明，雖然與同業相比交通銀行利率敏感性缺口占資產總額比重并不大，但缺口仍較大。為更好應對利率變動帶來的風險，交通銀行明智的做法應當是增加利率敏感性負債。

【關鍵詞】商業銀行；利率風險；VAR；GARCH模型

1.引言

建國后直到改革開放最初的二十年里，我國的利率水平一直處于中央銀行的嚴格管控之下，因此國內商業銀行基本沒有利率風險，但是到了九十年代中后期隨著一大批國有商業銀行改組發行股票上市，尤其2000年中國人民銀行公布了我國利率市場化改革的原則與計劃后，利率水平波動給商業銀行資產損益帶來的影響越來越大。最近幾年來，隨著人民幣升值壓力的不斷加大和中央銀行對利率管制的逐步放開，利率波動的幅度和頻率越來越大，利率風險已經成為商業銀行所面臨的主要風險之一。根據《中國銀監會關于中國銀行業實施新監管標準的指導意見》規定，我國將于2012年1月1日開始執行新監管標準，提高資本充足率、杠桿率、流動性、貸款損失準備等監管標準，系統重要性銀行和非系統重要性銀行應分別于2013年底和2016年底前達到新的資本監管標準。為應對新的監管要求，國內各大中小商業銀行紛紛通過發行次級債券的方法補充資本充足率。其中，交通銀行已分期發行不超過800億元次級債券。在各批次次級債券到期前，交通銀行受利率風險沖擊將比以往更加明顯。此外，目前我國法定存款準備金率高達20.5%，隨著我國金融支持城鎮化政策的實施，今后中央銀行有望出現下調法定存款準備金、增加信貸供給的趨勢。因此，利率的波動對各銀行資產負債的影響將比以往更加明顯。本文主要從靜態和動態兩種途徑對交通銀行2012年初所經受的利率風險進行實證分析并給出結論建議。

2.針對交通銀行利率風險的實證分析

2.1 利率敏感性缺口的實證分析

實證分析選取交通銀行2011年年報相關數據，利率敏感性資產選取存放中央銀行款項、存放拆放同業及其他金融機構款項、貸款及應收款項、債券投資及其他等資產項目數值和，計40111.41億元。利率敏感性負債選取客戶存款、同業及其他金融機構存放和拆入款項、應付債券及其他等負債項目數值之和，計38344.42億元。從而利率敏感性缺口為1766.99億元，表1為同樣方法計算的交通銀行與其他銀行利率敏感性缺口額比較：

表1 利率敏感性缺口比較

名稱 交行 興業 浦發 招行 民生

利率敏感性缺口 1766.99 1160.78 1495.43 1609.99 1382.39

資產總額 40111.41 24087.98 26846.93 24897.14 20628.31

缺口資產總額比 0.044 0.048 0.056 0.065 0.067

通過橫向比較發現，與其他商業銀行相比，交通銀行利率敏感性資產缺口占資產總額的比重并不大，但幾家商業銀行利率敏感性缺口均為正值，究其原因，可能與09年4萬億貨幣供給通過信貸渠道傳遞的滯后效應有關。盡管后來中央銀行采取連續上調法定存款準備金率收緊銀根的措施，但商業銀行資產擴張的腳步并未明顯放緩。因此，為應對利率可能下行的風險，應逐漸調低利率敏感性資產的缺口。

表2 方程的系數檢驗

Variable Coefficient Std.Error t-Statistic Prob.

C 0.425895 0.073925 5.625873 0.0000

L（-1） 0.975273 0.047601 20.48871 0.0000

L（-2） -0.109687 0.047545 -2.306984 0.0215

2.2 VAR方法的實證分析

按照歐美等國的經驗與做法，對交易比較活躍、資產交易周期較短的資產，估計VAR時應選擇較短的持有期限，通常確定為1～3天。本文選取銀行同業拆借資產計算其VAR值。樣本數據選取2011年4月1日至2012年12月31日共451個數據，Shibor利率為隔夜同業拆借利率，持有期限為1天（一個交易日），用r表示。由于置信水平不易選取過高，本文參考J·P·Morgan選取的95%的置信度。

2.2.1 均值方程的建立

根據AIC準則和SC準則，均值方程為rt=c+rt-1+rt-2，方程結果如表2所示，各個系數均通過了t檢驗，方程通過了F檢驗。并且通過對方程殘差的自相關性檢驗發現方程消除了自相關性。

2.2.2 均值方程殘差檢驗

（1）均值方程殘差的ARCH效應檢驗

根據上述建立的均值方程，通過對其殘差進行ARCH效應檢驗，檢驗結果F-statistic檢驗值為0.0122，Obs*R-squared值為0.0131，表明均值方程殘差均存在ARCH效應。

（2）殘差正態性檢驗

根據檢驗結果，殘差的均值近似為0，偏度為1.27，峰度為15.83，JB值為3199.8，因此可以拒絕殘差符合正態分布的原假設，從而證明了金融時間序列具有尖峰肥尾的特點。為了更為準確的建立模型，本文采用廣義誤差分布（GED）。GED比正態分布、t分布能夠更加準確的描述金融數據。

2.2.3 GARCH模型的建立和測算

（1）模型的建立。通過上述分析，可以建立如下GARCH模型：

（2）模型的測算。檢驗結果如表4所示，除了均值方程的常數項不顯著外，其余變量均通過了Z檢驗。

表4 GARCH模型估計結果

Variable Coefficient Std.Error Z-Statistic Prob.

C 0.000909 0.003046 0.298453 0.7654

L（-1） 1.102612 0.000995 1108.281 0.0000

L（-2） -0.101990 0.000419 -243.4363 0.0000

Variance Equation

C 0.017766 0.006083 2.920699 0.0035

RESID（-1）^2 2.329912 1.070977 2.175502 0.0296

GARCH（-1） 0.360429 0.095832 3.761028 0.0002

（3）GARCH模型穩定性檢驗和ARCH效應檢驗。對建立的GARCH模型的殘差進行單位根檢驗，檢驗結果通過了1%置信水平，即可以在99%的概率水平下認為該殘差序列不存在單位根，從而表明GARCH模型是協整的，具有長期穩定的意義，因此可以用來分析。對GARCH模型的殘差序列ARCH效應檢驗結果F-statistic值為0.995，Obs*R-squared值為0.995，GARCH模型已經消除了殘差的條件異方差性。

2.2.4 基于GARCH模型的VaR測算

上述對451個歷史數據建立了GARCH模型，通過GARCH模型可以測算出第452期的u=0.174412，=0.030419。由于本文的GARCH模型不是基于r的波動率建立模型的，而是基于r數據本身建立模型，所以W0的初始值為單位1，VaR1和VaR2分別表示第t天持多頭和空頭在一定置信水平下所面臨的風險值，其中5%下的左右分位數為-1.65，1.65。

VaR1=1*（0.174412-0.030419*1.65）=0.124

VaR2=1*（0.174412+0.030419*1.65）=0.224

結果說明，假如某商業銀行有隔夜拆借多頭頭寸1億元，則在95%置信水平下最大可能損失為1240萬元，若為空頭頭寸，則為2240萬元。多空對比發現，持有多頭比持有空頭風險損失值小，即增加利率敏感性負債更有利，這與靜態分析的結果正好相吻合。

3.結論與建議

本文運用理論分析與實證分析，通過靜態和動態兩種渠道對交通銀行面臨的利率風險進行分析，分析結果表明增加利率敏感性資產可能使交通銀行面臨更大的損失。為此，交通銀行在接下來的一段時間內應果斷增加利率敏感性負債，同時根據市場利率的變動及時調整資產負債頭寸。

參考文獻

[1]莫慧琴，王忠，李亞寧.銀行利率風險測度技術[J].當代經濟科學，1998（6）：44-48.

[2]李志輝，劉勝會.我國商業銀行利率風險的度量研究——以同業拆借市場為例[J].南開經濟研究，2006（03）：27-40.