系統重要性銀行的識別

謝亞磊

本文通過研究國內外系統重要性銀行的定義和識別方法發現，在不同的測度方法下（指標法和模型法）識別出的系統重要性銀行名單存在適度差異，且對于系統重要性銀行風險溢出測度的研究大多局限于單一的金融因素。因此，文章運用分位數回歸靜態CoVaR模型識別出現階段上市銀行中系統性風險測度并進行排名，進而篩選出我國的系統重要性銀行。以期更好地對系統重要性銀行進行差異化監管，進而健全我國宏觀審慎監管框架。

一、相關定義及文獻綜述

全球系統重要性銀行（G-SIBs）的概念最早出現于2008年金融危機，為避免金融危機再度發生，國際監管機構開始關注一些特殊的金融機構。國際貨幣基金組織（IMF）對G-SIBs的描述是：發生面臨破產、違約等事件時，風險迅速波及到其他金融機構進而引發整個行業動蕩的銀行。彭晨（2015）認為，系統重要性銀行必須具備以下特征：業務規模較大、系統關聯性強以及活躍性高。G-SIBs的識別方法由巴塞爾協會研究制定，每年根據上一年度的評分結果進行更新，名單內銀行的附加資本要求、損失吸收能力要求及其他監管標準往往都高于一般銀行（漆佳，2020）。國內外關于如何判定系統重要性銀行有著非常豐富的研究，主要的識別方法有指標法和模型法。

（一）指標法

指標法是通過銀行間交易數據及財務數據進行分析的方法，具有著數據可得性高、操作簡單、識別效果顯著、適用性強等優勢，獲得各國學者和監管機構的廣泛認可（Br?mer等，2013;Masciantonio，2015）。規模越大，越易被識別成系統重要性銀行已經得到學者的廣泛認可，但并非唯一因素。孫樹強等（2020）通過分析英國系統性重要銀行識別時發現，除國際標準外，英國還將包括補充杠桿率、逆周期杠桿率、系統性風險緩沖、自有資金以及合格債務的最低要求（MREL）等在內的指標均納入了監管框架。Kleinow等（2013）研究了拉丁美洲銀行規模和市場集中度對系統重要性銀行的影響，結果顯示：在成本和利潤方面，大規模銀行的風險相對較小;就集中度而言，銀行業市場不平等度越高，整個系統的穩定性越低。我國學者在運用國際標準進行國內系統性重要銀行判定時，適當調整部分指標使之更加符合我國國情，形成了極具參考性的研究。朱曉燕（2017）認為，可以運用《中國銀行業實施新監管標準的指導意見》（簡稱《指導意見》）中提到的規模大小、關聯性、可替代性和復雜性來評估D-SIBs。許薇（2015）除運用《指導意見》中的四種指標外，還創新加入國民信心作為補充衡量。

（二）模型法

模型法主要是基于市場公開數據（如，期權價格、總資產回報等）進行分析，該方法能夠對識別進行進一步量化，按照不同的模型又分為系統性風險指數（SRISK）、邊際期望損失法（MES）和條件在險價值法（CoVaR）等。周強等（2014）認為，不同模型的側重點不同，MES模型側重于反映市場風險的影響，CoVaR模型著重于解釋個體銀行風險對整體系統性風險的貢獻，而SRISK則更偏向于反映資產規模、杠桿率等因素對系統重要性風險的影響。現有研究主要集中在實證分析上，Suchkova等（2014）、Kolari等（2019）分別分析了銀行績效對俄羅斯和美國銀行業系統性風險貢獻水平的影響。由于我國尚未有確切的系統重要性銀行名單，目前國內學術界的研究主要集中于判定國內系統重要性銀行（D-SIBs）以及影響因素關聯度分析上。任碧云等（2018）通過指標法和熵值法得出五大國有銀行的系統重要性得分在2014-2016年間均位列前五，識別結果顯示，除交通銀行外的其他幾家國有銀行可認定為識別出D-SIBs。在識別D-SIBs方面，指標法和模型法判定出的系統重要性銀行名單存在適度差異，但基本符合規模越大、業務越廣的金融機構更容易被識別為系統重要性銀行的特征。

二、實證分析

本文利用分位數回歸靜態CoVaR模型識別出現階段上市銀行中系統性風險測度并進行排名，進而篩選出我國的系統重要性銀行。分位數回歸較傳統的線性回歸更加穩健，能更好的詮釋被解釋變量的分布全貌，從而精確的對回歸數據進行度量。

（一）基于分位數回歸靜態CoVaR模型設計

在險價值VaR本身定義為在給定的置信水平下發生損失的最小概率。例如，在由N個銀行機構組成的系統中，研究機構與整體金融系統的風險溢出關系，首先建立分析兩者回報率之間的關系。定義金融系統為system，機構為i，在機構損失為，Xi則：

其中表示一定置信水平下機構i發生風險時間損失為Xi的條件下系統的q分位數損失估計值，從而依據VaR的定義，得出：

其中CoVaR是機構i的VaR下的條件VaR，是指超過一定條件概率下的平均超額VaR值。因此分位數回歸得到的基于機構i損失的條件下損失的預測值就是系統在Xi條件下的VaR值。其中就是條件分位數，當Xi取時，就可以計算機構i的CoVaR值：

可以由機構i收益率序列里的q分位數得到，那么根據風險溢出值：

就可以計算出整個金融系統中各機構的風險排名。其中分位數q=0.5是指在正常情況下機構i的，而分位數q=0.05是指在發生風險事件Xi下機構i的。

（二）基于分位數回歸靜態CoVaR識別系統重要性銀行

1.實證數據及處理。對于系統重要性銀行樣本的數據選取，根據數據的規模、數據可獲得性和數據平穩性特征，本文選取平安銀行、寧波銀行、浦發銀行、華夏銀行、民生銀行、招商銀行、南京銀行、興業銀行、北京銀行、農業銀行、交通銀行、工商銀行、光大銀行、建設銀行、中國銀行和中信銀行16家上市銀行的交易日收盤價作為研究樣本，數據時間跨度為2015年1月1日至2021年2月28日，數據來源于Choice金融終端，數據處理運用STATA16計量軟件。

為求出每家銀行的收益率，對相關收盤價進行處理：

其次，利用各銀行間股本權重加權平均求出整個銀行系統的收益率（s）：

最終得出數據統計結果如表1：

由表1可知：一是從收益率均值看，招商銀行收益率最高（0.75），北京銀行收益率最低（-0.056），除平安銀行、寧波銀行、招商銀行、興業銀行、工商銀行和建設銀行外，其余樣本銀行收益率為負，占比62.5%;二是從標準差看，除開系統波動，南京銀行波動率最大，達2.72，其次為寧波銀行和平安銀行，剩余樣本波動標準差均處于2以下;從偏度看，所有樣本都存在左偏或右偏的情況，其中南京銀行左偏程度最重;從峰度看，南京銀行峰值最高，說明南京銀行收益率出現極值波動最為明顯，招商銀行峰值波動最小。綜上，銀行整體收益率為負且波動較為明顯，整體呈現尖峰肥尾特征。

2.正態性檢驗。由表2樣本銀行描述性統計可以看出，各個銀行及金融系統的收益率并不服從正態分布，收益率偏度（SKEWNESS）呈現左偏或者右偏的情況，峰度值（KURTOSIS）大于6，且各家銀行收益率尾部比正態分布的尾部厚，其分布呈現尖峰肥尾的特征。此類數據恰好適用于分位數回歸的方法。為進一步檢驗樣本數據是否服從正態分布，利用J-B檢驗對樣本數據進行檢驗，檢驗結果如表2：

根據樣本銀行正態性J-B檢驗表，發現16家樣本銀行以及銀行系統均拒絕各收益率正態性假設。另，以平安銀行為例，作出相關收益率的分布圖和QQ圖，發現該銀行在相關顯著性水平上拒絕正態分布。說明數據恰好適用于分位數回歸方法。

圖1? ?平安銀行收益率分布圖

3.實證測算。以中國銀行BC為例，首選估計出下列模型的參數：

將上式估計參數帶入CoVaR中，中國銀行對銀行系統的CoVaR為：

其中可以直接由中國銀行的收益率序列的5%分位數得到。

接下來進一步計算中國銀行的風險溢出價值，用處于風險狀態下（分位數q=0.05）的CoVaR減去正常狀態下（分位數q=0.5）的CoVaR：

此外，由于不同金融機構自身CoVaR值不同，存在較大的差異性特征，并不能很好地反映出風險溢出程度，因此對進行標準化處理，即：

4.實證結果。利用計量軟件STATA16 根據上述步驟對16家上市銀行進行實證測算，得到結果如表3：

表3顯示了樣本數據中16家上市銀行系統重要性的估計值以及排名。從估計結果來看，大型國有商業銀行的VaR值和CoVaR值總體偏小，而股份制銀行的VaR值和CoVaR值整體偏大，說明在某種程度上國有商業銀行因自身規模、運營能力等優勢，抵御金融風險的能力要大于股份制銀行。為了體現出系統整體風險的關聯性，根據%deltaCoVaR可以看出，國有大型銀行的%deltaCoVaR值整體更高，說明隨著各大銀行資產規模的不斷發展，各銀行間的聯系愈發密切，進一步表明銀行之間的整體關聯性是影響系統重要性穩定的主要原因;從估計排名來看，農業銀行、中國銀行、工商銀行、建設銀行系統重要性分別位居前四，排名與大型國有商業銀行的資產規模基本一致。華夏銀行位居第五。另一方面，興業銀行、民生銀行、中信銀行等股份制銀行由于業務發展較快，其系統重要性也在顯著增加。因此，在對整個銀行系統進行宏觀審慎決策時，應更注重于銀行之間的關聯性，尤其注重系統重要性銀行在整個系統中的作用和低位并進行有效監管，以確保銀行系統的整體穩定。

三、總結

通過對樣本銀行收益率數據利用分位數下靜態CoVaR實證分析發現，大型國有商業銀行的VaR值和CoVaR值總體偏小，而股份制銀行的VaR值和CoVaR值整體偏大，說明在某種程度上國有商業銀行抵御金融風險的能力大于股份制銀行。此外，農業銀行、中國銀行、工商銀行、建設銀行系統重要性分別位居前四，華夏銀行位居第五，排名與大型國有商業銀行的資產規模基本一致。通過排名，可以更好地對系統重要性銀行進行差異化監管，進而健全我國宏觀審慎監管框架，提出更有可行性的監管措施，同時能夠加強對銀行業的風險管理，打通風險防范及處置網絡，提高各層級危機應對能力。

參考文獻：

[1]巴曙松，高江健.基于指標法評估中國系統重要性銀行[J].財經問題研究，2012（9）：48-56.

[2]郭衛東.中國上市銀行的系統重要性評估——基于指標法的實證分析[J].當代經濟科學，2013，35（02）：28-35.

[3]范小云，王道平，方意.我國金融機構的系統性風險貢獻測度與監管——基于邊際風險貢獻與杠桿率的研究[J].南開經濟研究，2011（04）：3-20.

作者單位：中國人民銀行六盤水市中心支行，經濟師。