基于分位數回歸的浙江上市金融機構系統性金融風險分析

賀武

（浙江越秀外國語學院，浙江 紹興 312000）

一、系統性金融風險的成因分析

金融機構的內在脆弱性是導致系統性風險爆發的原因。金融機構內在的脆弱性主要有三個方面：一是信息不對稱的存在，由股票、基金、保險、債券等多個市場組成的金融市場體系龐大，包含多個金融主體，更易導致產生信息不對稱的問題，引發系統性金融風險；二是金融機構具有高杠桿性，銀行機構的高負債率，金融衍生品的高杠桿，嚴重時會影響金融體系的結構性問題；三是經濟運行存在周期性，隨著經濟的快速發展，預期收入的上升會使企業開始高杠桿經營模式，從而導致金融市場的穩定性下降，金融體系的內在脆弱性加強，最終進入衰退期。

由于外在因素的變動，體系內的機構和市場會受到沖擊，穩定性降低。這些影響因素主要有變動的多項指標、國際動態等，這些現象都是增加風險的主要原因。其主要的外部因素表現為不定的變動存在于金融周期之中，現實中的市場參與者并非都是理性的，金融監管體系的不完善。

二、基于分位數回歸的CoVaR度量

CoVaR方法是VaR方法的改進和延伸。VaR的定義是收益率的q分位數，即在規定的持有期期間，在特定置信水平下，投資組合可能產生的最大損害。機構管理者通過VaR方法，可以設置出符合自身的管理機制，但同時機構與機構之間的風險溢出效應卻沒有辦法得到度量。CoVaR方法測量了系統風險對金融系統的個別貢獻以及外部性和外溢效應，更好地反映了單個金融機構對金融系統的系統重要性。

為了研究兩個金融機構之間的風險溢出關系，本文運用靜態CoVaR模型。建立分析兩個金融機構回報率之間的關系，定義兩個機構為系統s和機構i，在機構損失為Xi的情況下，可以得出：其中中表示一定置信水平下機構i損失為Xi的條件下體統q分位數損失估計值。因此，根據VaR的定義，可以得出：CoVaR是機構i的VaR下的條件VaR，其本質也是VaR，因此分位數回歸得到的系統基于機構i損失的條件下損失的預測值就是Xi條件下的VaR值。其中是條件分位數，當Xi取時，可以計算出機構i的CoVaR值，其結果：

本文的分位數回歸采用的是5%分位數水平，置信區間為95%的風險溢出效應，其中分位數q=0.5為正常情況下機構i的可以由機構i的收益率序列的q分位數得到，所以風險溢出值為：

在實際金融體系的問題中，因為宏觀經濟變化在一定程度會影響系統性風險的傳播，導致金融市場的環境多變。考慮到宏觀經濟波動的影響，將引入狀態變量來構建動態CoVaR模型，根據文獻的計算方法可以得出：在此基礎上，可以運用分位數回歸方程的參數估計值得出VaR和CoVaR，其結果表達為：

在分位數q=0.5的情況下，可以計算得出每個機構的ΔCoVaR，表達式為：

三、實證研究

（一）樣本選取和數據處理

本文選取浙江省上市金融機構共9家，其中銀行機構3家：寧波銀行、杭州銀行、浙商銀行，證券期貨機構3家：財通證券、浙商證券、南華期貨，其他金融機構3家：仁東控股、同花順、浙江東方。在這9家金融機構中選取研究對象時，不包括浙商銀行和南華期貨，因為這兩家金融機構上市時間較晚。考慮到數據的可得性，選擇2018年12月1日至2020年12月31日的數據作為樣本數據。

本文變量有兩個，單個金融機構收益率和金融系統的收益率，其中，t時刻單個金融機構的收益率rt的定義為：其中Pt和Pt+1分別是該上市金融機構的股票在t交易日和t+1交易日收盤價格，rt衡量的是該金融機構股票在t時刻的對數收益率。金融體系的收益率則是選取全指金融指數作為對金融體系的衡量，收益率公式為：其中P和P分別是全指金tt+1融指數在t交易日和t+1交易日的收盤價格，rt衡量的是全指金融指數在t時刻的對數收益率。

我們選擇市場波動率、流動性價差和期限價差三個狀態變量。其中，市場波動率為基于GARCH模型的滬深300指數收益率；流動性價差為：3個月shibor-3個國債到期收益率；期限價差為：10年國債到期收益率-1年國債到期收益率。

（二）正態性和平穩性檢驗

將變量金融系統、寧波銀行、杭州銀行、財通證券、浙商證券、仁東控股、同花順、浙江東方分別命名為S、V1、V2、V3、V4、V5、V6、V7，對金融系統及各個金融機構的日收益率序列進行描述性統計，其整理結果如表1所示。

表1 金融系統和金融機構數據分析結果

從表1可以看出，各機構和金融系統的收益率不遵循正態分布。遵循正態分布的變量通常峰值為3且偏差為0。上述機構樣本峰值均大于標準正態分布且偏差不為零。表中Jarque-Bera值較大，P值均為0，所有樣本的序列拒絕遵循正態分布的原始假設。

（三）基于靜態CoVaR模型的風險測度

根據上述的靜態CoVaR模型，將選取的數據導入EViews，以浙江東方為例，測算結果如表2，并對各個金融機構的分位數回歸結果進行整理，如表3所示。

表2 浙江東方數據分位數回歸結果

表3 各個金融機構數據分位數回歸結果

（四）基于靜態CoVaR模型的度量結果

從個體風險水平的角度來看，比較VaR值，即證券機構的VaR值相比于銀行機構的VaR，其值較小，而同花順的VaR值在所有金融機構樣本數據的最末位，其VaR值為-0.051806633，說明同花順具有較好的自身風險控制能力。

從行業的影響程度來看，即比較CoVaR值。在所選金融機構樣本中，寧波銀行和同花順相比于其他金融機構排名靠前，是所選樣本中造成金融體系條件在險價值最大的兩個機構，其CoVaR值分別為-0.031624316和-0.031779376。

以系統性風險貢獻為切入點，即比較ΔCoVaR值。銀行業金融機構對整個金融體系的風險有很大的影響作用，即當銀行業金融機構出現危機時，金融體系內會產生產生較大的風險，在所選取的上市金融機構樣本中，寧波銀行對整個金融體系的風險貢獻最顯著；同時，也反映出寧波銀行的多元化程度較高，對金融體系系統性風險有重要的影響力。

（五）基于動態CoVaR模型的風險測度

各個金融機構對系統性風險的收益率方程的系數回歸結果如表4所示。

表4 金融機構分位數回歸系數的估計結果

（六）基于動態CoVaR模型的度量結果

對上表的各個狀態變量的估計系數觀察可以看出，在代表各個金融機構的系統性風險貢獻系數β中，即表中第三列數據，發現寧波銀行系數為0.532898，排在首位，第二名為杭州銀行，其系數值為0.459757，說明寧波銀行和杭州銀行自身風險水平會較大影響到極端情況下其對金融體系的風險溢出，相比證券機構和其他金融機構，金融體系中的銀行機構起著極為重要的影響。

以分位數q=0.05表示極端市場狀態，分位數q=0.5為正常情況進行分位數回歸，得出各個金融機構在此分位數水平下的VaR和ΔCoVaR，其結果如表5所示。

表5 金融機構系統風險溢出值△CoVaR及其排名

將各個ΔCoVaR值的進行比較，發現寧波銀行被排名在首位，即整個金融體系或市場會被寧波銀行發生的風險產生較為大的影響。銀行機構的ΔCoVaR值相比于證券機構和其他金融機構的值更小，即當銀行機構發生風險時，其對整個金融體系或市場會產生較大的影響。

四、結束語

通過對分位數回歸的CoVaR模型的使用，測量了浙江省金融機構的風險，得出了相關的結論如下。

第一，通過實證研究和分析證實了CoVaR模型是一種相對更為全面適宜的的度量方法。不僅可以測量系統風險對整個金融體系的波及效果，還可以有效測量金融機構之間的系統風險波及效果。此外，預警和防范可以通過這種方法被有效地執行。

第二，銀行機構在控制金融風險方面的能力較強，證券機構和其他金融機構相對較弱。以寧波銀行和杭州銀行為例，區域性銀行在抵御風險溢出的能力上較為良好，此外當銀行機構發生風險時會對整個金融體系和金融市場產生較大的影響。

第三，金融體系內不同的金融機構的風險溢出存在一定的差別。在金融自由化的現狀下，銀行機構、證券機構和其他金融機構之間的聯系越來越密切，而證券機構和其他金融機構容易受到銀行機構的風險沖擊，這說明目前在金融體系中銀行機構占據著重要地位，即金融體系內銀行機構和證券機構及其他金融機構存在著發展不平衡。因此，應加強證券機構和其他金融機構的發展，使金融市場得到更加全面和健康的發展。