商業(yè)銀行參與影子銀行業(yè)務(wù)與金融風(fēng)險(xiǎn)傳染

摘要：商業(yè)銀行通過(guò)通道、同業(yè)等方式參與影子銀行業(yè)務(wù)，以此達(dá)到規(guī)避監(jiān)管、擴(kuò)張信用的目的，最終造成了中國(guó)式影子銀行的快速發(fā)展。在此背景下，探究商業(yè)銀行參與影子銀行業(yè)務(wù)與金融風(fēng)險(xiǎn)傳染之間的關(guān)系，對(duì)于明確風(fēng)險(xiǎn)傳染生成機(jī)制、防范系統(tǒng)性金融風(fēng)險(xiǎn)具有重要意義。文章使用2007—2017年間上市金融機(jī)構(gòu)的微觀數(shù)據(jù)，對(duì)商業(yè)銀行條件在險(xiǎn)價(jià)值CoVaR進(jìn)行了測(cè)算，并基于面板VAR模型，從影子銀行體系資金供給方的視角出發(fā)，實(shí)證分析了中國(guó)商業(yè)銀行參與影子銀行業(yè)務(wù)對(duì)金融風(fēng)險(xiǎn)傳染的影響。結(jié)果表明：影子銀行對(duì)商業(yè)銀行有明顯的風(fēng)險(xiǎn)傳染效應(yīng)，而商業(yè)銀行參與影子銀行業(yè)務(wù)是其受到影子銀行風(fēng)險(xiǎn)傳染的重要原因。商業(yè)銀行作為影子銀行體系最主要的資金供給方，通過(guò)應(yīng)收款項(xiàng)類投資和買入返售金融資產(chǎn)等非信貸科目持有的影子銀行資產(chǎn)越多，則與影子銀行具有越高的資產(chǎn)負(fù)債關(guān)聯(lián)，將受到更高的風(fēng)險(xiǎn)傳染。據(jù)此建議：應(yīng)充分關(guān)注商業(yè)銀行通過(guò)非信貸科目向影子銀行部門提供資金的行為，同時(shí)還應(yīng)加強(qiáng)監(jiān)管協(xié)調(diào)、防范監(jiān)管套利等。

關(guān)鍵詞：商業(yè)銀行;影子銀行業(yè)務(wù);風(fēng)險(xiǎn)傳染;條件在險(xiǎn)價(jià)值模型;面板向量自回歸模型

中圖分類號(hào)：F832.33 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1008-5831（2019）03-0072-12

一、研究背景與問(wèn)題

2007年美國(guó)次貸危機(jī)的爆發(fā)使影子銀行成為各界關(guān)注的熱點(diǎn)問(wèn)題，影子銀行帶來(lái)的金融過(guò)度創(chuàng)新和監(jiān)管缺失被歸咎為金融危機(jī)產(chǎn)生的主要原因。不同于歐美影子銀行模式，中國(guó)影子銀行主要從事信貸融資活動(dòng)，在金融創(chuàng)新與監(jiān)管跟進(jìn)的往復(fù)過(guò)程中，先后經(jīng)歷了銀信合作、銀證合作等通道類業(yè)務(wù)模式，并逐步向買入返售金融資產(chǎn)等同業(yè)業(yè)務(wù)模式擴(kuò)展[1]。無(wú)論商業(yè)銀行參與影子銀行業(yè)務(wù)的具體形式如何變化，其實(shí)質(zhì)依然是商業(yè)銀行通過(guò)與不同的過(guò)橋方進(jìn)行合作，對(duì)接理財(cái)產(chǎn)品、資管計(jì)劃等影子銀行業(yè)務(wù)，繞開信貸監(jiān)管和利率限制等外部約束，達(dá)到變相發(fā)放貸款的目的。

大量針對(duì)次貸危機(jī)的研究表明：?jiǎn)蝹€(gè)金融機(jī)構(gòu)的風(fēng)險(xiǎn)控制并不能有效防范系統(tǒng)性風(fēng)險(xiǎn)的生成和積累，系統(tǒng)性風(fēng)險(xiǎn)在空間上就表現(xiàn)為風(fēng)險(xiǎn)在機(jī)構(gòu)之間進(jìn)行傳染，而非銀行金融機(jī)構(gòu)則更容易產(chǎn)生風(fēng)險(xiǎn)傳染效應(yīng)[2]。美國(guó)以資產(chǎn)證券化為基礎(chǔ)的影子銀行加強(qiáng)了商業(yè)銀行等金融機(jī)構(gòu)之間的關(guān)聯(lián)性，危機(jī)期間影子銀行機(jī)構(gòu)拋售資產(chǎn)證券化產(chǎn)品等行為使風(fēng)險(xiǎn)在金融機(jī)構(gòu)之間蔓延，最終導(dǎo)致商業(yè)銀行遭受巨大的系統(tǒng)性風(fēng)險(xiǎn)和資產(chǎn)損失。從資金供給的視角看，在中國(guó)影子銀行體系的運(yùn)行中，商業(yè)銀行不僅承擔(dān)了代銷影子銀行產(chǎn)品、管理資金等職能，更是通過(guò)應(yīng)收款項(xiàng)類投資等非信貸科目持有大量影子銀行資產(chǎn)，向影子銀行部門提供資金，成為整個(gè)影子銀行體系最主要的資金供給者之一。目前有大量研究計(jì)量分析了中國(guó)影子銀行發(fā)展對(duì)商業(yè)銀行盈利能力和個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)產(chǎn)生的影響，也有部分研究刻畫了影子銀行對(duì)商業(yè)銀行的風(fēng)險(xiǎn)傳染效應(yīng)，但尚未有研究將中國(guó)商業(yè)銀行參與影子銀行業(yè)務(wù)的行為與金融風(fēng)險(xiǎn)傳染效應(yīng)的產(chǎn)生相聯(lián)系。因此，本文基于2007—2017年上市金融機(jī)構(gòu)數(shù)據(jù)，在對(duì)商業(yè)銀行條件在險(xiǎn)價(jià)值CoVaR進(jìn)行計(jì)算之后，實(shí)證分析了商業(yè)銀行參與影子銀行業(yè)務(wù)與金融風(fēng)險(xiǎn)傳染效應(yīng)之間的關(guān)系。

相比于現(xiàn)有研究，本文的工作體現(xiàn)在以下兩個(gè)方面：一是當(dāng)前研究很少討論影子銀行向商業(yè)銀行進(jìn)行風(fēng)險(xiǎn)傳染的原因，而本文重點(diǎn)關(guān)注商業(yè)銀行參與影子銀行業(yè)務(wù)對(duì)其受到風(fēng)險(xiǎn)傳染造成的影響，為更好地理解中國(guó)系統(tǒng)性金融風(fēng)險(xiǎn)如何產(chǎn)生提供了新的經(jīng)驗(yàn)證據(jù);二是有別于現(xiàn)有微觀研究使用的理財(cái)產(chǎn)品等數(shù)據(jù)，本文沿用祝繼高等的研究思路[3]，從影子銀行體系資金供給方的角度出發(fā)，使用商業(yè)銀行應(yīng)收款項(xiàng)類投資等資產(chǎn)負(fù)債表數(shù)據(jù)進(jìn)行實(shí)證研究，對(duì)正確理解商業(yè)銀行在影子銀行體系中扮演的角色進(jìn)行了有益探索。

二、文獻(xiàn)回顧

（一）影子銀行運(yùn)作模式

歐美影子銀行具有高度的技術(shù)復(fù)雜性。Pozsar等認(rèn)為影子銀行的職能包括將高風(fēng)險(xiǎn)、長(zhǎng)期限的金融資產(chǎn)進(jìn)行打包，提供期限轉(zhuǎn)換和信用轉(zhuǎn)換功能，組合成為信用風(fēng)險(xiǎn)較低、期限較短的金融產(chǎn)品，并出售給消費(fèi)者[4]。Gorton等認(rèn)為歐美影子銀行系統(tǒng)的三大主要業(yè)務(wù)包括將銀行資產(chǎn)從資產(chǎn)負(fù)債表進(jìn)行剝離的ABS業(yè)務(wù)、貨幣市場(chǎng)共同基金和為證券化提供支撐服務(wù)的回購(gòu)業(yè)務(wù)[5]。

中國(guó)影子銀行技術(shù)復(fù)雜程度相對(duì)較低，主要從事信貸類業(yè)務(wù)。王喆等詳細(xì)梳理了影子銀行發(fā)展歷程，認(rèn)為商業(yè)銀行參與影子銀行業(yè)務(wù)的實(shí)質(zhì)在于隱藏信貸行為、變相發(fā)放信貸資金，通過(guò)尋求不同的過(guò)橋方和延長(zhǎng)業(yè)務(wù)鏈條來(lái)規(guī)避監(jiān)管，而其業(yè)務(wù)模式目前正從通道類業(yè)務(wù)向同業(yè)業(yè)務(wù)擴(kuò)展[1]。Chen Kaiji等認(rèn)為商業(yè)銀行在金融監(jiān)管和貨幣政策的雙重約束下，為提高經(jīng)營(yíng)利潤(rùn)，將原本計(jì)入信貸科目的資產(chǎn)移入非信貸科目，最終擴(kuò)大了實(shí)際放貸規(guī)模，成為影子銀行體系的主要資金來(lái)源之一[6]。

（二）影子銀行發(fā)展與商業(yè)銀行風(fēng)險(xiǎn)

鑒于次貸危機(jī)的經(jīng)驗(yàn)教訓(xùn)，關(guān)于影子銀行的研究從一開始就聚焦于對(duì)金融體系產(chǎn)生的風(fēng)險(xiǎn)沖擊。Acharya等認(rèn)為以ABCP業(yè)務(wù)為代表的影子銀行是次貸危機(jī)較早階段的風(fēng)險(xiǎn)核心部門，商業(yè)銀行以資產(chǎn)支持的商業(yè)票據(jù)為管道，將數(shù)以萬(wàn)億計(jì)的資產(chǎn)進(jìn)行證券化，并為其提供了明確的擔(dān)保來(lái)降低監(jiān)管的資本要求，但并未使風(fēng)險(xiǎn)向外部轉(zhuǎn)移，資產(chǎn)損失仍由商業(yè)銀行進(jìn)行承擔(dān)，并為外部投資者提供了追索權(quán)，導(dǎo)致持有這些影子銀行產(chǎn)品的商業(yè)銀行資產(chǎn)回報(bào)率降低[7]。Nesvetailova通過(guò)案例分析，認(rèn)為CDO等影子銀行業(yè)務(wù)在次貸危機(jī)期間導(dǎo)致的流動(dòng)性短缺造成了投資者恐慌和信任危機(jī)，使商業(yè)銀行遭受重大資產(chǎn)損失[8]。

國(guó)內(nèi)研究主要從宏觀上分析影子銀行發(fā)展對(duì)商業(yè)銀行風(fēng)險(xiǎn)的影響。毛澤盛和萬(wàn)亞蘭計(jì)算了商業(yè)銀行穩(wěn)定性指標(biāo)，并建立非線性方程，對(duì)影子銀行影響商業(yè)銀行體系穩(wěn)定性進(jìn)行計(jì)量分析，提出影子銀行發(fā)展對(duì)商業(yè)銀行穩(wěn)定性具有倒U型的閾值效應(yīng)[9]。王擎和白雪使用省級(jí)面板數(shù)據(jù)，實(shí)證檢驗(yàn)了區(qū)域影子銀行發(fā)展對(duì)商業(yè)銀行不良貸款率的影響，主要結(jié)論認(rèn)為影子銀行發(fā)展最終會(huì)提高商業(yè)銀行不良貸款率[10]。極少數(shù)研究使用微觀數(shù)據(jù)討論了商業(yè)銀行參與影子銀行業(yè)務(wù)時(shí)所承受的個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)，如祝繼高等使用商業(yè)銀行買入返售金融資產(chǎn)規(guī)模作為商業(yè)銀行從事影子銀行業(yè)務(wù)的指標(biāo)，研究發(fā)現(xiàn)商業(yè)銀行通過(guò)同業(yè)業(yè)務(wù)進(jìn)行資金融出的行為能夠顯著增加個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)，而對(duì)利潤(rùn)的追逐是其從事影子銀行業(yè)務(wù)的根本動(dòng)機(jī)[3]。高蓓等以理財(cái)產(chǎn)品活躍程度為指標(biāo)，實(shí)證分析了商業(yè)銀行發(fā)行理財(cái)產(chǎn)品、參與影子銀行業(yè)務(wù)對(duì)自身經(jīng)營(yíng)穩(wěn)定性的影響，發(fā)現(xiàn)理財(cái)產(chǎn)品的發(fā)行能夠降低商業(yè)銀行盈利能力，最終為商業(yè)銀行帶來(lái)更高的經(jīng)營(yíng)風(fēng)險(xiǎn)，且各種理財(cái)產(chǎn)品都會(huì)帶來(lái)這種效應(yīng)[11]。上述研究討論了影子銀行與商業(yè)銀行風(fēng)險(xiǎn)之間的關(guān)系，但均以不良貸款率、經(jīng)營(yíng)穩(wěn)健性等傳統(tǒng)風(fēng)險(xiǎn)作為考察對(duì)象，未涉及風(fēng)險(xiǎn)傳染效應(yīng)等系統(tǒng)性風(fēng)險(xiǎn)相關(guān)問(wèn)題。

（三）風(fēng)險(xiǎn)傳染效應(yīng)的刻畫

次貸危機(jī)以后產(chǎn)生了一批受到廣泛認(rèn)可的系統(tǒng)性風(fēng)險(xiǎn)測(cè)算方法，如邊際期望損失模型（MES）、條件在險(xiǎn)價(jià)值模型（CoVaR）、指標(biāo)法等。而這些研究方法也經(jīng)常用于刻畫影子銀行對(duì)商業(yè)銀行的風(fēng)險(xiǎn)傳染效應(yīng)，如Pellegrini等使用CoVaR模型，對(duì)英國(guó)以貨幣市場(chǎng)基金為基礎(chǔ)的影子銀行進(jìn)行了實(shí)證研究，認(rèn)為貨幣市場(chǎng)基金的流動(dòng)性錯(cuò)配增大了金融體系的系統(tǒng)性風(fēng)險(xiǎn)[12]。

在國(guó)內(nèi)，李建軍和薛瑩基于投入產(chǎn)出法，建立了包含影子銀行和商業(yè)銀行在內(nèi)的雙邊風(fēng)險(xiǎn)矩陣，計(jì)算了各部門的非預(yù)期損失邊際轉(zhuǎn)化率期望值，結(jié)論顯示當(dāng)前商業(yè)銀行已受到影子銀行的風(fēng)險(xiǎn)沖擊，但目前風(fēng)險(xiǎn)仍處在可控程度[13]。李叢文和閆世軍使用時(shí)變的copula函數(shù)計(jì)算CoVaR值，計(jì)算了中國(guó)影子銀行對(duì)商業(yè)銀行的風(fēng)險(xiǎn)傳染程度，認(rèn)為當(dāng)前影子銀行對(duì)商業(yè)銀行的風(fēng)險(xiǎn)傳染程度較低，但仍需要加強(qiáng)防范[14]。馬亞明和宋羚娜將影子銀行分為信托、證券和民間借貸三類，使用拓展的GARCH-CoVaR模型對(duì)影子銀行的風(fēng)險(xiǎn)傳染程度進(jìn)行實(shí)證研究，認(rèn)為當(dāng)前影子銀行與商業(yè)銀行的關(guān)聯(lián)性正逐步加強(qiáng)，風(fēng)險(xiǎn)傳染的效應(yīng)已經(jīng)初步形成，應(yīng)當(dāng)加強(qiáng)對(duì)影子銀行業(yè)務(wù)的監(jiān)管[15]。上述研究雖然刻畫了影子銀行對(duì)商業(yè)銀行的風(fēng)險(xiǎn)傳染效應(yīng)，但未就其產(chǎn)生原因進(jìn)行討論。

綜上所述，現(xiàn)有研究回答了影子銀行發(fā)展對(duì)商業(yè)銀行個(gè)體經(jīng)營(yíng)風(fēng)險(xiǎn)的影響，也回答了影子銀行與商業(yè)銀行之間是否存在風(fēng)險(xiǎn)傳染效應(yīng)，但尚未從微觀上驗(yàn)證這種金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)傳染是否由商業(yè)銀行參與影子銀行業(yè)務(wù)所引起，本文將重點(diǎn)圍繞這一問(wèn)題展開研究。

三、商業(yè)銀行參與影子銀行業(yè)務(wù)的典型模式與風(fēng)險(xiǎn)傳染的生成機(jī)制

（一）應(yīng)收款項(xiàng)類投資與買入返售金融資產(chǎn)

當(dāng)前中國(guó)影子銀行業(yè)務(wù)主要包括理財(cái)業(yè)務(wù)、銀信或銀證等合作類理財(cái)業(yè)務(wù)、委托貸款、資產(chǎn)管理計(jì)劃等，商業(yè)銀行在這一過(guò)程中表面上僅從事產(chǎn)品代銷、資金管理等非資產(chǎn)類業(yè)務(wù)，但從影子銀行體系資金供給的主體看，商業(yè)銀行實(shí)際上通過(guò)非信貸科目持有影子銀行資產(chǎn)，為影子銀行體系提供資金，其典型模式主要包括“應(yīng)收款項(xiàng)類投資”和“買入返售金融資產(chǎn)”等。

“應(yīng)收款項(xiàng)類投資”模式是指限于監(jiān)管要求，商業(yè)銀行減少信貸業(yè)務(wù)，轉(zhuǎn)而購(gòu)買委托貸款受益權(quán)、信托受益權(quán)或資產(chǎn)管理計(jì)劃受益權(quán)等，并放在資產(chǎn)負(fù)債表內(nèi)應(yīng)收款項(xiàng)類投資科目下，以此隱蔽地直接參與影子銀行業(yè)務(wù)。尹勁樺和劉旻雁的研究顯示該文數(shù)據(jù)來(lái)自于穆迪投資者服務(wù)公司報(bào)告，所提供數(shù)據(jù)具有較高可信性。，中國(guó)26家上市銀行中，應(yīng)收款項(xiàng)類投資在2015年規(guī)模已達(dá)人民幣10.5萬(wàn)億元，占這26家上市銀行資產(chǎn)總額的8.4%，該類資產(chǎn)中68%為信托受益權(quán)和資管計(jì)劃受益權(quán)，13%為理財(cái)產(chǎn)品，19%為政府、金融機(jī)構(gòu)和企業(yè)發(fā)行的債券[16]。可見應(yīng)收款項(xiàng)類投資科目主要用于持有影子銀行資產(chǎn)，向信托公司等影子銀行機(jī)構(gòu)融出資金，通過(guò)延長(zhǎng)信貸鏈條，繞過(guò)金融監(jiān)管，最終為企業(yè)提供信貸支持。

相比之下，“買入返售金融資產(chǎn)”模式出現(xiàn)得更早且加入了更長(zhǎng)的業(yè)務(wù)鏈條。以商業(yè)銀行A為例：由于監(jiān)管規(guī)則限制，A難以通過(guò)常規(guī)手段向信托、證券等影子銀行機(jī)構(gòu)直接融出資金，轉(zhuǎn)而引入商業(yè)銀行B和商業(yè)銀行C分別作為新的過(guò)橋方和擔(dān)保方，并對(duì)接信托計(jì)劃、資產(chǎn)管理計(jì)劃等影子銀行業(yè)務(wù)。商業(yè)銀行A提供資金，由商業(yè)銀行B出面直接向影子銀行機(jī)構(gòu)購(gòu)買影子銀行產(chǎn)品受益權(quán)，并最終將受益權(quán)回讓給商業(yè)銀行A。由于過(guò)橋方B的加入，商業(yè)銀行A能夠間接向影子銀行機(jī)構(gòu)融出資金，所獲得的影子銀行產(chǎn)品受益權(quán)不計(jì)入信貸科目，轉(zhuǎn)而作為同業(yè)業(yè)務(wù)計(jì)入買入返售金融資產(chǎn)科目下[3]。

（二）基于資產(chǎn)負(fù)債關(guān)聯(lián)的風(fēng)險(xiǎn)傳染效應(yīng)

中國(guó)商業(yè)銀行在整個(gè)影子銀行體系運(yùn)行的過(guò)程中，不僅承擔(dān)了代銷、代管影子銀行產(chǎn)品的職能，而且直接參與了影子銀行活動(dòng)，通過(guò)購(gòu)買信托受益權(quán)、委托貸款受益權(quán)等，隱藏于資產(chǎn)端應(yīng)收款項(xiàng)類投資或買入返售金融資產(chǎn)等科目下，最終實(shí)現(xiàn)向影子銀行部門提供資金，間接向企業(yè)進(jìn)行融資。商業(yè)銀行成為影子銀行體系事實(shí)上的資金供給者，影子銀行的負(fù)債對(duì)應(yīng)于商業(yè)銀行的資產(chǎn)，從而形成了商業(yè)銀行與影子銀行之間的資產(chǎn)負(fù)債關(guān)聯(lián)。

金融機(jī)構(gòu)間的風(fēng)險(xiǎn)傳染效應(yīng)一般被定義為一個(gè)金融機(jī)構(gòu)的破產(chǎn)違約導(dǎo)致其他金融機(jī)構(gòu)的破產(chǎn)違約，傳染的過(guò)程主要有資產(chǎn)負(fù)債關(guān)聯(lián)和信息傳導(dǎo)等方式。其中資產(chǎn)負(fù)債關(guān)聯(lián)又稱為會(huì)計(jì)賬戶關(guān)聯(lián)，是風(fēng)險(xiǎn)傳染最直接和最主要的形式[13]。在商業(yè)銀行與影子銀行機(jī)構(gòu)建立了資產(chǎn)負(fù)債關(guān)聯(lián)之后，影子銀行機(jī)構(gòu)的資產(chǎn)狀況將直接影響其違約概率，進(jìn)而影響商業(yè)銀行的資產(chǎn)狀況。當(dāng)影子銀行機(jī)構(gòu)受到非預(yù)期損失時(shí)，其違約概率將明顯提高，使得商業(yè)銀行作為債權(quán)人也受到非預(yù)期損失，從而使風(fēng)險(xiǎn)從影子銀行向商業(yè)銀行傳導(dǎo)，最終造成系統(tǒng)性風(fēng)險(xiǎn)的產(chǎn)生與積聚。

四、研究設(shè)計(jì)

（一）樣本選取與數(shù)據(jù)說(shuō)明

本文選用上市時(shí)間較長(zhǎng)，且涉及影子銀行業(yè)務(wù)相關(guān)財(cái)務(wù)數(shù)據(jù)相對(duì)完整的14家商業(yè)銀行作為商業(yè)銀行機(jī)構(gòu)樣本14家作為樣本的商業(yè)銀行包括平安銀行、浦發(fā)銀行、華夏銀行、交通銀行、寧波銀行、南京銀行、北京銀行、建設(shè)銀行、農(nóng)業(yè)銀行、光大銀行、民生銀行、招商銀行、工商銀行和中國(guó)銀行。，選取25家非銀行金融機(jī)構(gòu)作為影子銀行機(jī)構(gòu)樣本作為影子銀行樣本的25家非銀行金融機(jī)構(gòu)中，民生控股、新力金融、華鑫股份、綠庭投資和太平洋作為資產(chǎn)管理類影子銀行的代表;國(guó)投資本、陜國(guó)投A、安信信托和中航資本作為信托類影子銀行的代表;渤海金控、魯信創(chuàng)投和香溢融通作為民間金融類影子銀行的代表;另外包含13家上市證券公司作為證券類影子銀行的代表。。所選樣本的時(shí)間區(qū)段為2007—2017年的年度數(shù)據(jù)，時(shí)間范圍包括了中國(guó)銀信理財(cái)、銀證理財(cái)和同業(yè)業(yè)務(wù)等影子銀行業(yè)務(wù)的產(chǎn)生和發(fā)展。另外在風(fēng)險(xiǎn)傳染指標(biāo)的計(jì)算中使用了所選樣本在2007—2017年期間的日度股市收益率數(shù)據(jù)，各金融機(jī)構(gòu)的日對(duì)數(shù)收益率為：rit=100×ln（pitpi，t-1），pit為機(jī)構(gòu)i在第t日的收盤價(jià)，參考李叢文和閆世軍[14]的研究方法，影子銀行部門的總體收益率序列為25家影子銀行機(jī)構(gòu)收益率序列的算數(shù)平均值。全部數(shù)據(jù)均來(lái)自Wind數(shù)據(jù)庫(kù)。

（二）風(fēng)險(xiǎn)傳染指標(biāo)ΔCoVaR的測(cè)度

當(dāng)前計(jì)算風(fēng)險(xiǎn)傳染效應(yīng)的主流方法包括矩陣法和CoVaR模型等。矩陣法的計(jì)算要求提供機(jī)構(gòu)間完整的資產(chǎn)負(fù)債規(guī)模，往往會(huì)因?yàn)榈貌坏秸鎸?shí)的財(cái)務(wù)數(shù)據(jù)而使用最大熵值法或假設(shè)各機(jī)構(gòu)間平均持有債務(wù)來(lái)進(jìn)行估算，最終可能難以真實(shí)反映機(jī)構(gòu)之間的風(fēng)險(xiǎn)傳染程度。因此本文采用Adrian和Brunnermeier[17]提出的條件在險(xiǎn)價(jià)值模型（CoVaR），該方法用于刻畫在考慮機(jī)構(gòu)A在險(xiǎn)價(jià)值VaR的情況下，機(jī)構(gòu)B面臨的條件在險(xiǎn)價(jià)值CoVaR，并將ΔCoVaR定義為機(jī)構(gòu)A對(duì)機(jī)構(gòu)B的風(fēng)險(xiǎn)貢獻(xiàn)度，即機(jī)構(gòu)A對(duì)B的風(fēng)險(xiǎn)傳染程度。該方法一經(jīng)提出就受到廣泛認(rèn)可，被大量用于實(shí)證分析機(jī)構(gòu)之間、市場(chǎng)之間、機(jī)構(gòu)與市場(chǎng)之間的風(fēng)險(xiǎn)傳染效應(yīng)，并在此基礎(chǔ)上進(jìn)行了一定的發(fā)展和完善。相比于CoVaR模型早期使用的分位數(shù)回歸計(jì)算方式，高國(guó)華和潘英麗認(rèn)為基于GARCH模型進(jìn)行擬合的CoVaR能夠考慮發(fā)生極端事件時(shí)的風(fēng)險(xiǎn)特征，同時(shí)假設(shè)收益率殘差項(xiàng)服從t分布，計(jì)算得到的CoVaR效果更好[18]。王周偉等在比較各種方法的優(yōu)缺點(diǎn)與適用性后，認(rèn)為基于GARCH模型的CoVaR計(jì)算方法有效性更高[19]。同時(shí)，考慮到在金融市場(chǎng)中，資產(chǎn)價(jià)格的變動(dòng)往往存在非對(duì)稱的杠桿效應(yīng)，即好消息對(duì)資產(chǎn)價(jià)格波動(dòng)的影響要弱于壞消息的影響，而帶有杠桿的GARCH模型比一般的GARCH模型更能描述上述現(xiàn)象。

綜上所述，本文使用帶杠桿的GARCH-CoVaR模型計(jì)算影子銀行部門對(duì)商業(yè)銀行的風(fēng)險(xiǎn)傳染程度，參考高國(guó)華和潘英麗等人的研究，設(shè)計(jì)計(jì)算步驟如下（以商業(yè)銀行i受到的風(fēng)險(xiǎn)傳染為例）。

第一，檢驗(yàn)商業(yè)銀行i的收益率序列是否存在ARCH效應(yīng)，并選擇合適的標(biāo)準(zhǔn)GARCH、EGARCH或TARCH模型對(duì)該收益率序列進(jìn)行擬合，設(shè)定均值方程為：

五、實(shí)證結(jié)果與分析

（一）描述性統(tǒng)計(jì)分析

表2報(bào)告了變量的描述性統(tǒng)計(jì)。從影子銀行對(duì)商業(yè)銀行的風(fēng)險(xiǎn)傳染程度看，ΔCoVaR的均值為0.425 7，表明商業(yè)銀行普遍受到影子銀行部門正向的風(fēng)險(xiǎn)傳染。從商業(yè)銀行通過(guò)不同模式參與影子銀行業(yè)務(wù)的程度看，不同銀行在不同年份的差距較大。

（二）數(shù)據(jù)平穩(wěn)性檢驗(yàn)

由于本文面板數(shù)據(jù)并不具備顯著的“大N小T”特征，因此有必要對(duì)變量進(jìn)行單位根檢驗(yàn)，以避免“偽回歸”現(xiàn)象。采用Fisher-ADF方法對(duì)ΔCoVaR、ARI、RMCS三變量進(jìn)行單位根檢驗(yàn)，結(jié)果如表3所示，各變量均在1%的置信水平下顯著，表明數(shù)據(jù)是平穩(wěn)的，可進(jìn)行下一步的實(shí)證分析。通過(guò)MBIC、MAIC、MQIC準(zhǔn)則以及經(jīng)驗(yàn)法綜合判斷，確認(rèn)模型的最佳滯后期為1期。因此，本文采用三變量一階滯后的面板VAR模型來(lái)考察商業(yè)銀行參與影子銀行業(yè)務(wù)與金融風(fēng)險(xiǎn)傳染效應(yīng)之間的動(dòng)態(tài)關(guān)系。

（三）基于面板VAR的格蘭杰因果檢驗(yàn)

為了檢驗(yàn)三變量面板VAR系統(tǒng)中各變量之間的因果關(guān)系，可以在面板VAR框架下進(jìn)行格蘭杰因果檢驗(yàn)，主要結(jié)果報(bào)告于表4中。

根據(jù)表4所顯示的變量間格蘭杰因果關(guān)系，可以得到以下結(jié)論：在1%的顯著性水平下，變量ARI與變量ΔCoVaR存在雙向格蘭杰因果關(guān)系;在1%的顯著性水平下，變量RMCS是變量ΔCoVaR的格蘭杰原因，上述結(jié)果表明商業(yè)銀行通過(guò)“應(yīng)收款項(xiàng)類投資”模型和“買入反售金融資產(chǎn)”模式來(lái)參與影子銀行業(yè)務(wù)，是其受到影子銀行風(fēng)險(xiǎn)傳染的原因。同時(shí)，變量ΔCoVaR不是變量RMCS的格蘭杰原因，表明商業(yè)銀行沒(méi)有根據(jù)所受風(fēng)險(xiǎn)傳染的大小來(lái)增持或減持所有類型的影子銀行資產(chǎn)，提示商業(yè)銀行在作出投資策略的過(guò)程中，可能部分忽視了因參與影子銀行業(yè)務(wù)而帶來(lái)的系統(tǒng)性風(fēng)險(xiǎn)，沒(méi)有根據(jù)所受風(fēng)險(xiǎn)傳染的大小來(lái)調(diào)整其參與影子銀行業(yè)務(wù)的程度。

（四）模型估計(jì)結(jié)果

由于面板VAR模型使用動(dòng)態(tài)面板數(shù)據(jù)，易產(chǎn)生因滯后項(xiàng)與隨機(jī)誤差項(xiàng)相關(guān)而引起的內(nèi)生性問(wèn)題，因此本文采用系統(tǒng)GMM的方法來(lái)進(jìn)行參數(shù)估計(jì)，估計(jì)結(jié)果報(bào)告于表5中。

從參數(shù)估計(jì)結(jié)果看，大部分變量系數(shù)均顯著，說(shuō)明使用系統(tǒng)GMM方法進(jìn)行參數(shù)估計(jì)是合適的。本文重點(diǎn)關(guān)注變量ARI和RMCS對(duì)ΔCoVaR的影響。估計(jì)結(jié)果顯示變量ARI的系數(shù)在滯后一期為正，即ARI的增加將導(dǎo)致ΔCoVaR的上升，表示商業(yè)銀行持有應(yīng)收款項(xiàng)類投資類資產(chǎn)的增加會(huì)加大其受到來(lái)自影子銀行的風(fēng)險(xiǎn)傳染。變量RMCS的系數(shù)在滯后一期為正，即RMCS的增加也將導(dǎo)致ΔCoVaR的上升，表示商業(yè)銀行持有買入返售金融資產(chǎn)類資產(chǎn)的增加同樣會(huì)加大其受到來(lái)自影子銀行機(jī)構(gòu)的風(fēng)險(xiǎn)傳染。參數(shù)估計(jì)結(jié)果表明，商業(yè)銀行參與影子銀行業(yè)務(wù)，向影子銀體系提供資金，能夠?qū)е掠白鱼y行向商業(yè)銀行進(jìn)行風(fēng)險(xiǎn)傳染。

（五）脈沖響應(yīng)結(jié)果

為了進(jìn)一步檢驗(yàn)變量之間的動(dòng)態(tài)關(guān)系，本文進(jìn)行了脈沖響應(yīng)分析。圖1和圖2中橫軸表示響應(yīng)期數(shù)，縱軸表示響應(yīng)強(qiáng)度，上下兩側(cè)虛線為置信區(qū)間。

ΔCoVaR對(duì)ARI的脈沖響應(yīng)結(jié)果如圖1所示，給ARI一個(gè)標(biāo)準(zhǔn)差的沖擊，ΔCoVaR會(huì)立刻產(chǎn)生一個(gè)較激烈的正向反應(yīng)，并大約在第三期左右達(dá)到最大，隨后影響程度趨于減弱，總體上呈現(xiàn)出正向影響關(guān)系。ΔCoVaR對(duì)RMCS的脈沖響應(yīng)結(jié)果如圖2所示，給RMCS一個(gè)標(biāo)準(zhǔn)差的沖擊，ΔCoVaR會(huì)立刻產(chǎn)生正向反應(yīng)，大約在第三期達(dá)到最大，隨后影響程度趨于減弱，最終向0值靠近，總體上看還是呈現(xiàn)出正向影響關(guān)系ΔCoVaR對(duì)ARI和RMCS的累積響應(yīng)強(qiáng)度均為正值，限于篇幅，不詳細(xì)列出。。

綜上所述，脈沖響應(yīng)結(jié)果與參數(shù)估計(jì)結(jié)果一致，都顯示商業(yè)銀行通過(guò)“應(yīng)收款項(xiàng)類投資”模式和“買入返售金融資產(chǎn)”模式來(lái)參與影子銀行體系運(yùn)行，向影子銀行體系提供資金，能夠提高影子銀行對(duì)商業(yè)銀行的風(fēng)險(xiǎn)傳染。商業(yè)銀行在非信貸科目下持有影子銀行資產(chǎn)，與影子銀行建立了資產(chǎn)負(fù)債關(guān)聯(lián)，當(dāng)影子銀行受到風(fēng)險(xiǎn)沖擊時(shí)，對(duì)商業(yè)銀行的違約概率增加，從而導(dǎo)致商業(yè)銀行也面臨非預(yù)期損失。

（六）方差分解結(jié)果

為明確商業(yè)銀行參與影子銀行業(yè)務(wù)對(duì)其受到風(fēng)險(xiǎn)傳染的影響重要性，對(duì)模型進(jìn)行方差分解。方差分解主要描述一個(gè)內(nèi)生變量對(duì)另外一個(gè)內(nèi)生變量波動(dòng)的貢獻(xiàn)百分比，表6是變量ΔCoVaR波動(dòng)的方差分解結(jié)果。

從表6可以看出，ΔCoVaR在第1期只受自身影響。在第1期以后，ARI和RMCS對(duì)ΔCoVaR預(yù)測(cè)方差的貢獻(xiàn)度開始攀升，在第10期分別達(dá)到14.69%和43.05%左右。方差分解結(jié)果說(shuō)明商業(yè)銀行通過(guò)應(yīng)收款項(xiàng)類投資和買入返售金融資產(chǎn)科目持有影子銀行資產(chǎn)，是造成影子銀行向其進(jìn)行風(fēng)險(xiǎn)傳染的主要原因，且不同業(yè)務(wù)模式的影響程度存在顯著差異。更進(jìn)一步地，上述分析結(jié)果也說(shuō)明，盡管中國(guó)影子銀行與歐美影子銀行在業(yè)務(wù)類型和運(yùn)行模式上存在較大區(qū)別，但同樣都能通過(guò)建立資產(chǎn)負(fù)債關(guān)聯(lián)，最終導(dǎo)致影子銀行向商業(yè)銀行進(jìn)行風(fēng)險(xiǎn)傳染，中國(guó)金融機(jī)構(gòu)間的資產(chǎn)負(fù)債關(guān)聯(lián)仍然是金融風(fēng)險(xiǎn)傳染的主要形式。

六、結(jié)論與政策建議

本文基于中國(guó)2007—2017年上市商業(yè)銀行和非銀行金融機(jī)構(gòu)的微觀數(shù)據(jù)，首先使用帶杠桿的GARCH-CoVaR模型就影子銀行部門對(duì)商業(yè)銀行的風(fēng)險(xiǎn)傳染效應(yīng)進(jìn)行了計(jì)算;然后建立面板VAR模型，對(duì)商業(yè)銀行參與影子銀行業(yè)務(wù)與風(fēng)險(xiǎn)傳染效應(yīng)進(jìn)行了實(shí)證分析。實(shí)證結(jié)果顯示：中國(guó)影子銀行部門是重要的風(fēng)險(xiǎn)傳染源，對(duì)商業(yè)銀行具有顯著的風(fēng)險(xiǎn)傳染效應(yīng);商業(yè)銀行通過(guò)應(yīng)收款項(xiàng)類投資和買入返售金融資產(chǎn)等非信貸科目融出資金，直接參與了影子銀行業(yè)務(wù)，最終提高了來(lái)自影子銀行的風(fēng)險(xiǎn)傳染。

針對(duì)本文結(jié)論，提出以下政策建議：一是應(yīng)充分關(guān)注商業(yè)銀行通過(guò)非信貸科目參與影子銀行業(yè)務(wù)的行為。商業(yè)銀行表面上只承擔(dān)產(chǎn)品銷售、資金管理等職能，但實(shí)際上通過(guò)應(yīng)收款項(xiàng)類投資等科目持有影子銀行資產(chǎn)，向影子銀行部門融出資金，并在一定程度上忽視了由此帶來(lái)的風(fēng)險(xiǎn)傳染效應(yīng)。因此，要對(duì)商業(yè)銀行持有影子銀行資產(chǎn)的比重進(jìn)行嚴(yán)格限制，加強(qiáng)商業(yè)銀行信息披露，建立更為有效的風(fēng)險(xiǎn)隔離措施，防止商業(yè)銀行通過(guò)該類行為過(guò)度擴(kuò)張實(shí)際信貸規(guī)模，降低影子銀行向商業(yè)銀行的風(fēng)險(xiǎn)傳染程度，積極防范系統(tǒng)性金融風(fēng)險(xiǎn)的產(chǎn)生;二是應(yīng)加強(qiáng)監(jiān)管部門之間的協(xié)調(diào)。從商業(yè)銀行不斷創(chuàng)新影子銀行業(yè)務(wù)、規(guī)避金融監(jiān)管的過(guò)程看，中國(guó)分業(yè)監(jiān)管模式為商業(yè)銀行提供了監(jiān)管套利空間，商業(yè)銀行能夠通過(guò)尋求新的合作對(duì)象，將影子銀行資產(chǎn)計(jì)入不同的資產(chǎn)科目，實(shí)現(xiàn)變相發(fā)放貸款。因此，要充分發(fā)揮“一委一行兩會(huì)”金融監(jiān)管新架構(gòu)的優(yōu)勢(shì)，加強(qiáng)金融穩(wěn)定發(fā)展委員會(huì)的統(tǒng)籌協(xié)調(diào)作用，減少監(jiān)管重復(fù)，填補(bǔ)監(jiān)管空白，提高監(jiān)管效率，防范商業(yè)銀行通過(guò)影子銀行進(jìn)行監(jiān)管套利的行為。參考文獻(xiàn)：

[1]王喆，張明，劉士達(dá).從“通道”到“同業(yè)”——中國(guó)影子銀行體系的演進(jìn)歷程、潛在風(fēng)險(xiǎn)與發(fā)展方向[J].國(guó)際經(jīng)濟(jì)評(píng)論， 2017（4）： 128-148，160.

[2]閻慶民，李建華.中國(guó)影子銀行監(jiān)管研究[M].北京：中國(guó)人民大學(xué)出版社，2014.

[3]祝繼高，胡詩(shī)陽(yáng)，陸正飛.商業(yè)銀行從事影子銀行業(yè)務(wù)的影響因素與經(jīng)濟(jì)后果——基于影子銀行體系資金融出方的實(shí)證研究[J].金融研究，2016（1）：66-82.

[4]POZSAR Z，ADRIAN T，ASHCRAFT A B，et al.Shadow banking[J].SSRN Electronic Journal，2010：105（458）：447-457.

[5]GORTON G，METRICK A.Regulating the shadow banking system[J].Brookings Papers on Economic Activity，2010（2）：261-297.

[6]CHEN K J，REN J，ZHA T.The nexus of monetary policy and shadow banking in China[R].National Bureau of Economic Research，2017，DOI：10.3386/w23377.

[7]ACHARYA V V，SCHNABL P，SUAREZ G.Securitization without risk transfer[J].Journal of Financial Economics， 2013，107（3）：515-536.

[8] LYSANDROU P，NESVETAILOVA A.The role of shadow banking entities in the financial crisis： a disaggregated view[J].Review of International Political Economy，2015，22（2）：257-279.

[9]毛澤盛，萬(wàn)亞蘭.中國(guó)影子銀行與銀行體系穩(wěn)定性閾值效應(yīng)研究[J].國(guó)際金融研究，2012（11）：65-73.

[10]王擎，白雪.我國(guó)影子銀行發(fā)展與銀行體系穩(wěn)定——來(lái)自省際面板數(shù)據(jù)的證據(jù)[J].財(cái)經(jīng)科學(xué)，2016（4）：1-12.

[11]高蓓，張明，鄒曉梅.影子銀行對(duì)中國(guó)商業(yè)銀行經(jīng)營(yíng)穩(wěn)定性的影響——以中國(guó)14家上市商業(yè)銀行理財(cái)產(chǎn)品為例[J].經(jīng)濟(jì)管理，2016，38（6）：138-153.

[12]PELLEGRINI C B，MEOLI M，URGA G.Money market funds，shadow banking and systemic risk in United Kingdom[J].Finance Research Letters，2017，21：163-171.

[13]李建軍，薛瑩.中國(guó)影子銀行部門系統(tǒng)性風(fēng)險(xiǎn)的形成、影響與應(yīng)對(duì)[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2014，31（8）： 117-130.

[14]李叢文，閆世軍.我國(guó)影子銀行對(duì)商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)——基于GARCH-時(shí)變Copula-CoVaR模型的分析[J].國(guó)際金融研究，2015（10）：64-75.

[15]馬亞明，宋羚娜.金融網(wǎng)絡(luò)關(guān)聯(lián)與我國(guó)影子銀行的風(fēng)險(xiǎn)溢出效應(yīng)——基于GARCH-Copula-CoVaR模型的分析[J].財(cái)貿(mào)研究，2017，28（7）：69-76.

[16]尹勁樺，劉旻雁，LONG S.應(yīng)收款項(xiàng)類投資加大中資銀行系統(tǒng)性風(fēng)險(xiǎn)[J].新金融，2016（10）：17-20.

[17]ADRIAN T， BRUNNERMEIER M K. “CoVaR” [R]. NBER Working Paper， 2011， No. 17454.

[18]高國(guó)華，潘英麗.銀行系統(tǒng)性風(fēng)險(xiǎn)度量——基于動(dòng)態(tài)CoVaR方法的分析[J].上海交通大學(xué)學(xué)報(bào)，2011，45（12）： 1753-1759.

[19]王周偉，呂思聰，茆訓(xùn)誠(chéng).基于風(fēng)險(xiǎn)溢出關(guān)聯(lián)特征的CoVaR計(jì)算方法有效性比較及應(yīng)用[J].經(jīng)濟(jì)評(píng)論，2014（4）： 148-160.

[20]張蕊，賀曉宇，戚逸康.極端市場(chǎng)條件下我國(guó)金融體系系統(tǒng)性風(fēng)險(xiǎn)度量[J].統(tǒng)計(jì)研究，2015，32（9）：30-38.

[21]郭曄，趙靜.存款競(jìng)爭(zhēng)、影子銀行與銀行系統(tǒng)風(fēng)險(xiǎn)——基于中國(guó)上市銀行微觀數(shù)據(jù)的實(shí)證研究[J].金融研究， 2017（6）：81-94.

[22]嚴(yán)太華，劉松濤.重慶市區(qū)域板塊城鎮(zhèn)化與城鄉(xiāng)收入差距實(shí)證研究[J].重慶大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2014，20（6）： 28-37.

[23]陳曉玲，張毅.金融發(fā)展、產(chǎn)業(yè)升級(jí)與經(jīng)濟(jì)增長(zhǎng)的動(dòng)態(tài)關(guān)系研究——基于省際數(shù)據(jù)的面板VAR分析[J].財(cái)貿(mào)研究，2017，28（10）： 19-25.

Abstract： In order to avoid supervision and expand credit， commercial banks participate in shadow banking through channel business and interbank business， which results in the rapid development of shadow banking in China. In this context， it has a great significance on clarifying generation mechanism of the risk contagion and preventing systemic financial risk by exploring the relationship between commercial banks’ participation in shadow banking and financial risk contagion. Based on the data of listed financial institutions from 2007 to 2017， this paper calculates the commercial banks’ conditional value at risk， and uses PVAR model to analyze the impact of commercial banks’ participation in the shadow banking on financial risk contagion. The result shows that shadow banking has a significant risk contagion effect on commercial banks， and this effect mainly results from the participation of commercial banks in shadow banking. Besides， the more shadow banking assets commercial banks hold through non-credit account such as “Accounts Receivable Investment” and “Redemptory Monetary Capital for Sale”， the higher balance sheet association with shadow banking and the greater the risk contagion will be. Therefore， it suggests that we should pay full attention to the operation on commercial banks providing funds to the shadow banking through non-credit accounts， strengthen regulatory coordination and prevent regulatory arbitrage.

Key words：" commercial bank; shadow banking; risk contagion; CoVaR model; PVAR model

（責(zé)任編輯 傅旭東）