基于非參數檢驗的商業銀行資產價格多變結構點研究

姚德權+黃學軍+易琳

摘 要：準確判斷商業銀行資產價格的變化規律是商業銀行風險評估和預警的前提。以改進的多變結構點非參數檢驗方法為基礎，實證檢驗2007～2013年上市商業銀行資產價格的變結構點，結果表明：商業銀行資產價格在樣本期產生了多個均值變結構點和方差變結構點，且系統因素、行業因素和商業銀行特質因素均可能會導致商業銀行資產價格變結構點的出現。

關鍵詞： 多變結構點；非參數檢驗；時間序列分解；商業銀行資產價格

中圖分類號： F830 文獻標識碼： A 文章編號：1003-7217（2014）06-0008-05

一、引 言

商業銀行是金融市場的重要組成部分，在以間接融資為主的經濟體系內，商業銀行的作用更為明顯，截至2013年年末，我國銀行業金融資產總額達到了151.35萬億元，遠遠超出2013年GDP。銀行業的健康發展直接影響到金融市場和實體經濟的健康發展，因此，學界和業界一直都重視其運營的風險，特別是在次債危機之后，一些大型銀行也陷入了金融風險的泥潭，并且銀行危機加劇了金融危機的破壞程度，這使得國內外對商業銀行風險的關注度進一步提升。

準確判斷商業銀行資產市場價值的變化，是商業銀行金融風險評估和預警的基礎。Gropp等[1]， 蘇健等[2]， 以及吳恒煜[3]等分別以商業銀行資產市場價值為計算基礎，設計了或有權益方法（Contingent Claims Analysis， CCA）對商業銀行風險進行度量，實證研究結果表明，資產市場價值的變化是商業銀行經營的結果，并隱含了其資產價值未來變化信息，研究認為資產市場價值變化具有較強的前瞻性（Forword Looking），因而能有效判斷商業銀行的風險。與此同時，一些文獻探討了資產價值的時序變化特征，資產市場價值具有時間連續性，其資產價格收益率應具有平穩特征。Kasman等分析了銀行資產市場價值的變化規律[4]；梁海鷗和玄永生[5]、彭偉在連續時間金融的條件下分析了上市商業銀行股票日收益風險[6]；彭建剛和馬亞芳從系統重要性角度，通過評價商業銀行資產價值等信息分析了銀行風險的變化過程[7]。

近年來，不少研究如王玨等[8]、羅長青等[9]等文獻均表明資產價值并不滿足平穩特征，而是會出現“突變”現象，從某一時間點開始，時間序列模型參數會發生變化，也就是資產價格出現了突變，而這類變點稱之為結構變點。陳希孺給出了一般的結構變點研究方法[10]，韓四兒對金融市場上常用的ARCH 過程的多變點問題進行了研究[11]，Tsay在建模的過程檢測結構變點的位置與跳躍度[12]，鄭仲民對金融資產價格跳躍行為研究[13]，然而，這些方法對數據附加了一些分布假設條件或者模型假設條件，使得應用范圍比較局限。而且在結構變點檢測過程中，需要估計分布或模型的參數，使得計算量增大。Wu和Zhao提出了一種非參數方法檢測均值變點[14]，這種方法的優點是計算較快，但是Wu和Zhao的檢驗統計量的極限分布是在只有一個均值變點的假設條件下給出的， 它不能用于多個均值變結構點的情形，更不能用于方差變結構點的情形，特別是多個方差變結構點的情形，因此，在對時間序列變結構點進行檢驗時，需要對已有方法進行改進，以便能夠一次性識別均值和方差多個變結構點。

受宏觀宏觀經濟的波動，或國家重要政策、重大信息和公告（如IPO，兼并收購等）的發布等因素的影響，商業銀行資產價格在近似連續的時間內很有可能會出現較大幅度的波動，這種由突發信息引起對商業銀行資產價格（收益）及波動過程所造成的沖擊現象即銀行資產價格的“突變”。而且，在一段時間內，商業銀行資產價值可能出現連續突變現象，而傳統的檢驗方法難以一次性檢出多個變結點。商業銀行資產價格的突變現象直接影響金融資產收益波動率的估計和預報的準確程度，進而對商業銀行風險管理產生重大影響，傳統的計量模型和方法也就需要進行相應的調整。

財經理論與實踐（雙月刊）2014年第6期2014年第6期（總第192期）姚德權，黃學軍：基于非參數檢驗的商業銀行資產價格多變結構點研究

鑒此，本文基于Wu和Zhao的檢驗方法，提出商業銀行資產價格均值和方差的多變結構點檢驗方法，并基于該方法對商業銀行變結構點進行實證檢驗，從而進一步發現商業銀行資產價格變化的規律和特征。

二、商業銀行資產價格多變結構點非參數檢驗模型的構建

（一）商業銀行資產價格變結構點檢驗模型的基本設定

商業銀行的資產價格隨時會發生變化，設定資產價格的平均值在m個時刻發生突變，變化的時刻為k1，k2，…，km，同時設定資產價格的方差在w個時刻發生突變，時刻為s1，s2，…，sw，參考Wu和Zhao的研究[14]，將變結構資產價格模型設定為：

xi=μ1+rt 1≤t≤k1

μ2+rt k1+1≤t≤k2

… …

μm+1+rt km+1≤t≤n（1）

其中k1，k2，…，km為m個均值變結構點。假設rt～N（0，σ2t）， 那么：

σ2t=v1 1≤t≤s1

v2 s1+1≤t≤s2

… …

vw+1 sw+1≤t≤（2）

其中s1，s2，…，sw為w個方差變結構點。進一步，可以假設數據在每兩個變結構點之間服從具體的分布或模型，本文選取的模型為GARCH模型，然后對模型進行估計。對于一個給定的資產價格和給定的區間長度Ln，定義：

D=maxtn≤i≤n-tnDi

其中：

Di=1ln∑ln+it=i+1xt-1ln∑it=i-ln+1xt

（ln≤i≤n-ln）（3）

在此設定下，通過進一步計算則可得商業銀行資產價格均值和方差變結構點。

（二）均值變結構點的非參數檢驗步驟設計

商業銀行資產價格均值變結構點的非參數檢驗分為以下3個主要步驟：

步驟 1：計算Di，ln≤i≤n-ln，其中ln =[ nβ]。

步驟 2：找出所有滿足以下條件的區間[j1， j2]：

D>cm，i∈[j1，j2]（4）

并且Dj1-1≤cm和Dj2+1≤cm，其中cm是均值檢驗的臨界值，可以從表1中查的。如果表中沒有對應的臨界值，可以通過線性插值的方法獲得。

表1 均值變結構點檢驗的臨界值

n

β

檢驗水平α

≤0.01

0.05

0.1

0.15

≤25

≤0.51

2.061908

1.804098

1.632011

1.517190

0.55

2.061908

1.804098

1.632011

1.517190

0.6

1.833971

1.617671

1.432382

1.368953

≥0.65

1.615631

1.336207

1.201281

1.108521

50

≤0.51

1.901510

1.643275

1.524871

1.442003

0.55

1.791876

1.532308

1.406511

1.325491

0.6

1.560609

1.338888

1.218019

1.147478

≥0.65

1.3913854

1.1829723

1.0718485

1.0068276

100

≤0.51

1.684082

1.477699

1.366897

1.295852

0.55

1.509202

1.324807

1.229741

1.165368

0.6

1.3346686

1.143221

1.0667997

1.0081001

≥0.65

1.1720852

1.0051697

0.9244046

0.8688067

≥200

≤0.51

1.481072

1.306297

1.223217

1.170709

0.55

1.2755698

1.1311511

1.0538132

1.0084677

0.6

1.0993568

0.9217303

0.8947728

0.8491564

≥0.65

0.9499110

0.8219213

0.7622305

0.7240620

表1為均值檢驗的臨界值。對于表1的每一個值，生成n個標準正態分布的隨機數，則可計算統計量D，重復做1000000次實驗，然后算出1-α分位數就是相應的水平的臨界值。

步驟 3：對于步驟2中的每個區間[j1， j2]，找出j*使得Dj*最大，那么j*便是一個均值變結構點。

（三）方差多變結構點非參數檢驗步驟設計

商業銀行資產價格方差變結構點的非參數檢驗分為以下3個主要步驟：

步驟 1：利用滑動平均的方法去趨勢，即：rest=xti，其中：

t=1ln∑i+ln2i=t-ln2+1xt（5）

步驟 2：標準化rt ，即：rest=rest/sd（res）， 其中sd（res）表示rest的標準差。

步驟 3：把res*t看做xt， 利用多個均值變結構點的檢測方法檢測方差變結構點，其中方差檢驗臨界值需用查表2得到。如果表2中沒有對應的臨界值，可以通過線性插值的方法獲得。

表2 方差變結構點檢驗的臨界值

n

β

檢驗水平α

≤0.01

0.05

0.1

0.15

≤25

≤0.51

3.639453

2.804047

2.441504

2.218219

0.55

3.639453

2.804047

2.441504

2.218219

0.6

3.104747

2.443294

2.125091

1.934183

≥0.65

2.473447

1.963180

1.703279

1.535864

50

≤0.51

3.065856

2.490252

2.213220

2.040059

0.55

2.777849

2.777849

2.265921

2.017433

0.6

2.407783

1.927778

1.712156

1.584550

≥0.65

2.115633

1.691455

1.509175

1.392349

100

≤0.51

2.656300

2.184251

1.995488

1.876428

0.55

2.386338

1.955017

1.758312

1.649484

0.6

2.024470

1.690846

1.532759

1.428898

≥0.65

1.744674

1.439525

1.302850

1.214330

200

≤0.51

2.293223

1.960152

1.799972

1.702307

0.55

1.982613

1.668099

1.532692

1.443921

0.6

1.644846

1.380933

1.267272

1.196344

≥0.65

1.4006604

1.1820188

1.0721770

1.0059904

表2為方差檢驗的臨界值。與均值檢驗的臨界值相似，對于表2的每一個值，生成n個標準正態分布的隨機數，則可計算統計量D，重復做1000000次實驗，然后算出1-α分位數就是相應的水平的臨界值。

三、商業銀行資產價格變結構點非參數檢驗的實證結果及分析

這里運用國內16家商業銀行的資產價格作為實證研究對象來驗證本文方法的有效性。樣本期限為2007年第1季度～2013年第4季度。運用本文設計的非參數方法對資產價格的均值變結構點做出檢測，估計出變結構點的位置，結果為表3第二列（參見表3）。然后應用本文的方法得到方差多變結構點的位置，多變結構點的估計為表3第三列，其中參數β=0.6。方差檢驗的結果在表3的第3列。表3中，第一列為樣本商業銀行的代碼，第二列與第三列中的數字代碼為變結構點在樣本時間序列中的編號，括號中的數字為變結構點所對應的時間。從估計結果來看，商業銀行權益資產價格的均值和方差變結構點大多在4個以上，反映了本文所設計的方法能夠一次性檢測出時間序列的多個變結構點。

表3 均值和方差變結構點檢測結果

樣本

均值變結構點位置

方差變結構點位置

000001

306（20080519）

378（20080829）

515（20090401）

1011（20110720）

1363（20130118）

255（20080304）

380（20080902）

540（20090507）

1014（20110722）

1360（20130115）

002142

724（20100716）

249（20080111）

718（20100708）

600000

無

328（20080514）

498（20090121）

600015

276（20080306）

535（20090331）

1004（20110331）

284（20120530）

1422（20121218）

145（20070813）

535（20090331）

1013（20110418）

600016

281（20080310）

535（20090330）

1004（20110314）

1298（20120605）

158（20070830）

290（20080321）

493（20090120）

1500（20130408）

600036

276（20080227）

400（20080828）

247（20080110）

326（20080512）

423（20081008）

501（20090204）

1450（20130111）

601009

704（20100716）

240（20080814）

313（20081203）

782（20101115）

601166

208（20080204）

203（20080128）

437（20090114）

1362（20121127）

601169

215（20080919）

363（20090505）

90（20080319）

143（20080606）

191（20080815），

275（20081219）

1217（20121122）

601288

706（20130715）

93（20101223）

575（20121220）

715（20130726）

601328

218（20080515）

450（20090428）

298（20080908）

372（20081229）

853（20110105）

601398

717（20091223）

147（20070814）

480（20081229）

1105（20110812）

601818

225（20110817）

704（20130816）

50（20101125）

549（20121220）

601939

185（20080812）

380（20090605）

201（20080903）

283（20090107）

789（20110224）

601988

606（20090703）

393（20080813）

482（20081224）

1001（20110307）

601998

699（20100427）

250（20080619）

376（20081222）

1050（20111025）

1324（20121210）

變結構點的產生原因各異，總體來看，商業銀行資產價格變結構點的出現受系統因素、行業因素以及其自身特質因素的影響。

在系統因素方面，經濟金融危機等因素會產生系統風險，導致大多數商業銀行出現在較為接近的時間段內同時出現資產價格的變結構點。華夏銀行（600015）、民生銀行（600016）等在2007年8月左右出現了權益資產價值的變結構點，在此期間，貝爾斯登、巴黎銀行瑞穗銀行等出現了較大的次貸投資損失。雖然國內銀行參與次債投資的程度不深，但是金融危機所帶來的恐慌也影響了投資者對銀行的預期，并在一定程度上動搖了對銀行的信心，從而導致已上市的銀行權益資產價值的波動出現了變化，并導致商業銀行權益資產價值變結構點的出現。2007年末～2008年初，大多數商業銀行的權益資產價值均出現了均值和方差變結構點，這一時期正是次債危機愈演愈烈的階段，2007年末～2008年初，市場流動性壓力急劇增加。至2008年3月，美國第五大投資銀行貝爾斯登瀕臨破產，而美國房利美和房地美兩大放貸機構宣布虧損110億美元，次債危機逐漸演化成全球經融危機，并導致世界主要經濟體陷入衰退周期。在危機沖擊和風險傳染影響下，國內企業的景氣指數也逐漸下降，外部環境的嚴重惡化，導致商業銀行風險提高，并且這種風險變化反映到了其在證券市場的資產價格，樣本商業銀行在此期間均出現了變結構點。2012年11月8日～14日，中國共產黨第十八次全國代表大會成功召開，對政治經濟產生了較為深遠的影響，在深化金融體制改革方面，要求進一步深化金融改革，加快推進利率和匯率市場化改革，并逐步實現資本項目可兌換和加快民間金融機構的發展。2012年12月，制造業PMI 指數為50.6%，高于50%的榮枯線，顯示制造業需求在上升。規模以上工業增加值同比增長10.3%，帶動全年增長10.0%，2012 年12月，全國規模以上工業企業累計利潤在12月份實現轉負為正。一系列經濟數據表明宏觀經濟“最差的時候已經過去”，同時，新一輪金融改革的啟動標志著銀行業發展將迎來一個新的環境。

行業監管政策等行業因素也是商業銀行變結構點產生的原因之一。如，2008年底～2009年年初，各商業銀行資產價值均值和方差又一次先后出現系統性的變結構點。從2008年11月27日起，下調金融機構一年期人民幣存貸款基準利率各1.08個百分點，其他期限檔次存貸款利率作相應調整，同時下調央行再貸款再貼現利率。從2008年12月5日起，下調工商銀行、農業銀行、中國銀行、建設銀行、交通銀行和郵政儲蓄銀行等大型存款類金融機構人民幣存款準備金率1個百分點，下調中小型存款類金融機構人民幣存款準備金率2個百分點。此輪降息和調準超出市場預期，行業監管政策的變化導致了大多數銀行的權益資產價值出現了變結構點。從表3也可以發現，商業銀行資產價格變結構點出現的時間較為接近，這反映出系統因素和行業因素等共同因素是商業銀行資產價格變結構點出現的主因。

此外，商業銀行特質因素也會導致其權益資產變結構點的出現。如深發展（自2012年7月27日起變更為平安銀行股份有限公司，簡稱“平安銀行”）在2009年5月7日出現資產價值的變結構點，深發展（000001）與中國平安人壽保險股份有限公司（簡稱“平安壽險”）于2009年6月8日停牌，并于該月12日簽署了《深圳發展銀行股份有限公司和中國平安人壽保險股份有限公司之股份認購協議》，公司擬向中國平安人壽保險股份有限公司非公司發行不少于3%億股，但不超過5.85億股人民幣普通股，該重組方案實施后，中國三大保險公司之一平安集團旗下的平安人壽將成為了該行新的戰略投資者，深發展也更名為平安銀行，市場投資者對此次股權結構的重大變化提前做出了市場反應，導致其權益資產價值出現了變結構點。該銀行在2011年7月24日出現了資產價值的變結構點，其后深發展在7月28日晚發布公告稱，深發展與平安集團的重大資產重組工作已經完成，重大資產重組完成以后，中國平安及中國平安控股子公司中國平安人壽保險股份有限公司合計持有公司52.38%，成為公司的控股股東，該銀行由重組期進入重組后的穩定發展期，市場對此次重大事件的反應提前了5個交易日，在24日即出現了資產價值的變結構點。

值得關注的是，對于系統因素和行業因素，商業銀行的變結構點可能出現在重大事件之前或之后，而對特質因素的反應，則一般出現在商業銀行重大事件公布日之前，如寧波銀行（002142）在2010年7月8日出現了變結構點，而在2010年7月13日，寧波銀行發布的《寧波銀行中期業績修正公告》將預計歸屬于上市公司股東的凈利潤與上年同期相比增長幅度調整至70%～80%，并稱總行大廈拆遷將獲得拆遷收入4.05 億元，該事件對寧波銀行權益資產價值起到了一定的提振作用。華夏銀行（600015）在2011年4月18日出現了變結構點，而在4月28日，華夏銀行公布實施定向增發，增發數量185919.746萬股，增發金額達208億。民生銀行于2013年4月8日出現了變結構點，在同年4月24日和25日，該行分別發布第一季報和《關于公開發行有鎖定期的A股可轉換債券上市交易的提示性公告》等對股權價值有重要影響的信息，根據該季報和公告的時間節點，也可以發現商業銀行資產價值對特質因素的反應時間一般出現在其重大事件公布之前。

四、結論及啟示

基于改進后的非參數檢驗方法，本文對商業銀行資產價格變結構特征進行了實證檢驗，實證研究表明，商業銀行資產價格存在較為顯著的變結構特征，系統因素、行業因素和商業銀行特質因素均可能會導致商業銀行資產價格變結構點的出現，且系統因素和行業因素在樣本期內對估計出的變結構點起主導作用。通過以上實證結論帶來以下啟示：（1） 本文所構建的多變結構點非參數檢驗方法適用于檢測商業銀行資產價格的變結構點，此外，對于其他時間序列的變結構點檢驗，也可以嘗試運用該非參數檢驗方法。（2） 基于商業銀行資產價格的風險度量模型和管理模型需考慮資產價格的變結構特征，否則有可能出現模型設定偏差，從而會導致模型準確度和風險預警效能下降。（3） 商業銀行在進行風險承擔管理和風險預警時，尤其要注意系統因素和行業因素對商業銀行資產價格的影響。

參考文獻：

[1]Gropp R， Vesala J， Vulpes G. Equity and bond market signals as leading indicators of bank fragility[J]. Journal of Money， Credit and Banking， 2006， 38（2）： 399-428.

[2]蘇健， 姬明， 鐘恩庚. 我國銀行業整體風險的度量——基于CCA方法的定量測算[J]. 金融理論與實踐， 2012， （10）： 12-17.

[3]吳恒煜， 胡錫亮， 呂江林. 我國銀行業系統性風險研究——基于拓展的未定權益分析法[J]. 國際金融研究， 2013， （7）： 107-122

[4]Kasman S， Vardar G， Tun G. The impact of interest rate and exchange rate volatility on banks' stock returns and volatility： Evidence from Turkey[J]. Economic Modelling， 2011， 28（3）： 1328-1334

[5]梁海鷗，玄永生. 中國銀行股票價格波動的ARCH模型分析[J]. 中國證券期貨， 2011， （10）： 21-22.

[6]彭偉. 我國上市商業銀行股票日收益風險價值研究——基于AR、HAR和MIDAS模型的分析[J]. 金融監管研究， 2013， （3）： 89-103

[7]彭建剛，馬亞芳. 基于系統整體性的商業銀行系統重要性評估方法[J]. 財經理論與實踐，2013，（6）： 2-7

[8]王玨， 胡赟， 張迎新. 資產價格時間序列的BLS結構突變點檢驗及其對歷史研究的意義[J]. 中國人民大學學報， 2012， （4）： 72-79

[9]羅長青， 朱慧明， 歐陽資生. 跳躍—擴散條件下信用風險相關性度量的變結構Copula模型[J]. 中國管理科學， 2014， （3）： 1-12

[10]陳希孺. 變點統計分析簡介[J]. 數理統計與管理， 1991， 10（2）： 52-59.

[11]韓四兒， 田錚， 武新乾. 一類股市波動性預測模型的多變檢驗點[J]， 系統工程理論與實踐2006， （3）： 94-101.

[12]Tsay R S. Outliers， level shifts， and variance changes in time series[J]. Journal of Forecasting， 1988， （7）： 1–20.

[13]鄭仲民. 金融資產價格跳躍行為研究[D] .天津；天津大學，2011.

[14]Wu W B， Zhao Z B. Inference of trends in time series[J]. Journal of the Royal Statistical Society： Series B （Statistical Methodology）， 2007， 69（2）： 391–410

（責任編輯：鐘 瑤）