我國上市商業(yè)銀行的風險溢出效應研究

王佶智　張寧

摘 要：基于2007—2018年期間我國14家上市商業(yè)銀行的周股票價格數(shù)據(jù)，通過分位數(shù)回歸方法，計算得到我國14家商業(yè)銀行的VaR以及CoVaR，度量得到銀行系統(tǒng)間的系統(tǒng)性風險溢出效應。結果表明，面對外部風險沖擊時，我國上市商業(yè)銀行間存在著一定的系統(tǒng)性風險溢出效應，并且四大國有商業(yè)銀行面對風險沖擊時可以更好地把控。因此，我國上市商業(yè)銀行的風險溢出效應研究，對于維護金融體系穩(wěn)定以及加大商業(yè)銀行風險監(jiān)管力度具有重要深遠的現(xiàn)實意義。

關鍵詞：風險溢出效應;CoVaR;分位數(shù)回歸;商業(yè)銀行

中圖分類號：F832 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2019）06-0078-04

引言

當今時代，金融自由化程度不斷提高，但面對的金融風險也變得更加普遍，更加具有危害性。當金融風險來臨時，往往由單一金融機構所造成的風險在不同機構間不斷傳遞，進而導致整個體系的奔潰。故金融體系也在不斷地完善其不同機構間傳導的系統(tǒng)性風險。而一個相對穩(wěn)健的金融體系對一個國家，乃至整個社會都至關重要。因此，作為金融體系中核心地位的商業(yè)銀行，研究其在金融體系中的風險溢出效應具有重要的理論和現(xiàn)實意義。

目前，在研究系統(tǒng)性風險溢出的理論體系中，最早是在2008年Adrian與Brunnermeier在風險價值VaR的基礎上提出的條件風險價值CoVaR，它是用來測量單個金融機構對整個金融體系或其他金融機構的風險溢出效應[1]。而Hakwa采用了copula函數(shù)來測算CoVaR值[2]。Bernard等通過SES，CoVaR、MES三種模型進行對比，結果表明，MES與CoVaR存在相關性[3]。國內(nèi)學者也進行了一些相關研究，如李玉賢采用CoVaR方法測量了銀行業(yè)之間的風險波動溢出效應，其研究表明規(guī)模較大的銀行系統(tǒng)抵御風險的能力越高[4]。與此同時，部分股份制銀行在抵御風險時也表示出其較強的能力。程麗娟運用VaR檢測中國商業(yè)銀行的風險值以及CoVaR模型檢驗商業(yè)銀行與整個銀行體系間的風險溢出效應，得到的結果與之前的風險計量技術相比，CoVaR模型可以測量出商業(yè)銀行對其他銀行機構的風險溢出效應[5]。王周偉、呂思聰和茆訓誠運用三種不同方法計算了我國銀行業(yè)的CoVaR值，分別是DCC-GARCH模型、分位數(shù)回歸法以及Copula函數(shù)法[6]。

通過前人研究可以知道我國上市商業(yè)銀行的系統(tǒng)性風險溢出效應可以通過CoVaR計算得到，可以更有效地衡量我國商業(yè)銀行系統(tǒng)風險性[7]。因此，本文選擇通過分位回歸的方法計算得到CoVaR值來衡量我國14家上市商業(yè)銀行的系統(tǒng)性風險溢出效應。

一、研究方法

（一）條件風險價值CoVaR

JP.Morgan早在20世紀90年代就提出了VaR理論，VaR經(jīng)過一代一代研究者在風險領域的廣泛應用，現(xiàn)在已經(jīng)成為主流風險技術，并被應用在各大金融風控部門以及監(jiān)管部門。

從上面的公式可以得知，我們可以通過不同的q值得到不同的分位數(shù)回歸方程曲線。Y不同水平可以通過q反映，故可以通過選取q=0.05時的值來驗證金融收益率時間序列的單峰左尾密集。從本質(zhì)來看，CoVaR其實也是一種分位數(shù)，所以我們可以通過分位數(shù)回歸來有效地計算CoVaR值。

二、實證研究

（一）樣本選取以及數(shù)據(jù)處理

本文選取的研究對象是14家上市商業(yè)銀行，包括四大國有商業(yè)銀行，即中國銀行、工商銀行、中國建設銀行和交通銀行;7家股份制商業(yè)銀行，即民生銀行、平安銀行、招商銀行、浦發(fā)銀行、興業(yè)銀行、中信銀行、華夏銀行，以及3家城市商業(yè)銀行，即北京銀行、南京銀行、寧波銀行。

為了更全面地分析金融機構之間系統(tǒng)性風險溢出的影響，樣本數(shù)據(jù)選自2007年10月12日至2018年8月31日期間的各商業(yè)銀行的周數(shù)據(jù)，即選取每周周五的收盤價作為周股價。其間包括2010年12月的經(jīng)濟衰退和兩次金融危機（2008年美國次貸危機和2011年歐洲債務危機）、2015年中國股災以及2018年中美貿(mào)易戰(zhàn)。本文選取前復權的方式處理股票收盤價數(shù)據(jù)，所有數(shù)據(jù)都來源為Wind數(shù)據(jù)庫。

為了有效地縮小計算誤差，本文以1 000為基準點通過對2007年10月12日的銀行股整體指數(shù)及單個上市銀行股票價格進行設立，表達式為：

第t周的指數(shù)=1 000×（第t周的收盤價/第1周收盤價）

而銀行股指數(shù)以及個股收益率則是通過對股票價格取對數(shù)一階差分乘以100進而計算得出的。表達式為：

Rt=100×ln（第t周的收盤價/第t-1周收盤價）

（二）實證過程

本文取q=0.05（置信度為95%），以交通銀行為例，研究銀行與整個銀行系統(tǒng)的風險溢出效應。建立q分位數(shù)回歸模型，表達式為：

最終得到的交通銀行和整個銀行系統(tǒng)之間的雙向風險溢出效應，并得到結果（見表1）。

1.當交通銀行面對風險沖擊時，整個銀行系統(tǒng)的風險溢出效應是1.011。這表明，相對于其他銀行而言，當交通銀行處于風險時，對整體銀行業(yè)的風險水平貢獻較大有比較大貢獻。這完全符合交通銀行作為全國最大的銀行之一，其在整體銀行業(yè)中的地位。

2.當銀行業(yè)整體面對風險沖擊時交通銀行的風險溢出值低于交通銀行處于風險沖擊時，銀行業(yè)整體風險的溢出值。

3.通過CoVaR模型得到的金融機構風險程度要遠遠高于VaR模型的風險程度，這表明在面對風險沖擊時，VaR模型不能很好地刻畫其風險，進而導致可能低估風險。

（三）實證結果分析

對上述結果進行分析：

1.各上市商業(yè)銀行的風險測度的VaR值均低于CoVaR值。因為VaR指標不能很好地刻畫出整體金融體系面對極端風險沖擊時，金融機構可能存在的風險溢出效應。而CoVaR正好可以彌補VaR的不足，在這一方面表現(xiàn)出其優(yōu)勢的一面。