《基于covar模型的上市商业银行系统性风险溢出研究》由会员分享，可在线阅读，更多相关《基于covar模型的上市商业银行系统性风险溢出研究（7页珍藏版）》请在金锄头文库上搜索。
1、基于 CoVaR 模型的上市商业银行系统性风险溢出研究 麦木蓉 彭涛 中山大学国际金融学院 摘 要： 近年来, 关于系统性金融风险的研究层出不穷, “风险溢出效应”备受关注。本文以中国金融行业中的银行业为研究对象, 在 VaR 方法的基础上, 运用CoVaR 模型和分位数回归方法预测了中国银行业对系统性金融风险的贡献程度及银行间的风险溢出程度。研究发现: (1) 当股票市场波动率增强时, 股份制银行更加敏感; (2) 国有制银行对于“期限利差”的敏感系数基本为正, 而股份制银行基本为负; (3) 银行存在系统性风险溢出效应, 其中国有制银行的风险贡献度比股份制银行高; (4) 银行间也存在风险
2、溢出效应, 其中国有银行发生风险时, 对其他的股份制银行有一定的溢出效应。关键词： CoVaR; 分位数回归; 上市商业银行; 风险溢出; 一、引言银行作为金融业的核心体系, 往往在金融危机发生后受到较为严重的冲击。而随着经济全球化、金融市场一体化的的不断深入发展, 这就导致银行业的系统性风险传染力更强, 破坏力更大。为了更好地防范系统性金融风险, 及时对银行业系统风险进行监管整治, 几十年来学术界建立了许多不同的模型, 选取了不同的国家样本进行深入探讨和研究。其中, Va R 模型应用较为广泛。但是, Va R 模型的局限性在于它只能测度金融机构自身的风险, 而无法测度金融机构的风险溢出效应
3、。因此, 本文采用了更为成熟的 Co Va R 模型, 研究中国银行业对系统性金融风险的贡献程度及银行间的风险溢出程度。由于中国未曾发生明显的系统性金融风险, 因此本文对中国银行业的风险预测具有一定的社会意义, 能够为政府监管提供理论依据。二、文献综述通过对金融危机出现条件的研究, 可以通过这些条件来对系统性金融风险大小进行预测。在早期阶段, 主要是依靠经验对指标进行筛选, 期间的主要方法有:KLR 模型, FR 模型, STV 模型和 DCSD 模型。Frankle 和 Rose (1996) 基于 KLR模型, 对 105 个发展国家 1971-1992 年的季度数据的预测, 产生了 FR
4、 模型;Sachs (1996) 等人建立了 STV 模型, 利用了国际储备与 M2 的比率, 贷款增长率以及实际汇率 3 个预警指标与两个虚拟变量构建预警模型;Berg 和 Pattillo (1998) 基于 KLR 模型对 FR 模型进行了修改, 提出了 DCSD 危机预警模型, 提高了其精确性。我国的学者也对这些模型作了一系列的改进。基于经验性的方法不能满足社会经济发展的需要, 那么新的方法则应运而生:矩阵法, 网络分析法, Simple Logit 模型和 GARCH 模型。李宗怡、李玉海 (2005) 运用矩阵法模型, 模拟我国银行同业风险头寸分布状况, 估计银行体系内的传染风险。
5、1995 年, Jordan和 Mackay 给出了 Va R (Value at risk) 测度的正定义。Va R 测度迅速流行起来, 但是其缺陷:不能衡量金融系统之间的风险传递阻碍了自身的发展, 所以Adrian 和 Brunnermerier (2009) 基于风险价值 (Va R) 提出了条件风险价值 (Co Va R) , 可以测量金融机构对整个系统的风险贡献, 并能很好的反映整个金融网络间的风险溢出效应。我国学者也在不断完善 Co Va R, 高国华、潘英丽 (2011) 运用 Co Va R 模型和我国 14 家上市银行的股价数据, 得出其系统性风险贡献度及其影响因素;谢福座
6、(2010) 运用 Co Va R 模型和分位数回归, 考察我国债券市场和股票市场的风险溢出效应以及系统风险的变化程度并且运用GARCH-Copula-Co Va R 模型, 研究亚洲三大股票市场指数之间的风险溢出效应;周天芸 (2012) 运用 Var Co Va R 模型回归, 测量不同银行对共同冲击的反应以及金融机构的风险溢出效应。本文贡献在于:综合运用 Va R 方法、Co Va R 方法、分位数回归方法和 Co Va R 测量我国上市商业银行系统性风险溢出性质, 得出国有银行对系统风险的贡献度比股份制银行大;而发生银行间风险溢出时, 国有制银行对系统的风险溢出效应更强, 风险贡献度更
7、高, 即国有制银行会对其它银行造成更大的冲击。三、模型构建当银行 j 发生风险时, 对于银行 i 的风险溢出效应, 可建立以下分位数回归模型:其中, R 和 R 分别代表银行 i 和 j 的收益率序列, R q代表 q 分位数下超额收益i 的预计值, 它可以直接被定义为:也就是说, 当银行 j 发生风险时, 通过分位数回归 (设分位数为 q) , 可获得收益 i 的预测值, 而收益 i 的预测值又是当条件为 R 时, 银行 i 的在险价值, 再通过计算可得到估计值 , 即当分位数为 q 时, 银行 i 的风险价值估计值为:结合 Co Va R 的定义, 它表示当金融机构 j 的收益率为 Var
8、q时, 金融机构 i 的风险价值, 所以 Co Va R 的测度可定义为:同理, 可以算出Co Var q和%Co Var q。四、变量的选择与描述统计1、研究对象与数据金融系统有银行、证券、保险、外汇四个子系统, 在对其他系统测度有操作性困难的情况下, 我们选取了银行系统来做系统性金融风险的狭义测度。银行系统是金融系统的一个重要的子系统, 它的风险性在较大程度上可以反映系统的风险。由于上市的商业银行在银行系统中有着重要的地位, 所以本文选取了 11家上市的商业银行作为研究对象。其中包括了四大行中的三家, 农行因为数据缺失而没有选择。取样时间为 2007 年到 2015 年。数据涵盖了两次衰退
9、期 2007 年与 2010 年, 和两次金融危机 2008 年美国次贷危机与 2010 年欧洲债券危机, 具有一定程度的风险水平代表性, 是较好的观测样本。数据来源主要为 Wind 数据库、CEIC 数据库、国泰安数据库。2、变量选择及相关解释(1) 收益率系统的收益率是按各个金融机构的收益率按照其滞后一期的资产与总资产的比加权平均得到。计算了包括中国银行、建设银行、工商银行、兴业银行、交通银行、浦发银行、平安银行、民生银行、招商银行、中信银行、华夏银行在内的十一家银行的基本每股收益率数据, 经分析得到绝大部分银行的收益率在时间序列上呈现出一种“尖峰厚尾”的分布特征。所以我们采用分位数回归分
10、别估计正常状态下的 Va R (50%) 和压力水平下的 Va R (5%) 。(2) 状态变量的选取本文参考了机构关联、风险溢出与中国金融系统性风险研究 (周天芸、杨子晖、余洁宜, 2014) 选取了能刻画伴随时间对收益率产生影响的状态变量, 分别是股票市场的波动率、股票市场收益率、流动性利差、期限利差四个作为状态变量来描述银行与资本市场的交易情况。如表 1 所示。表 1 变量描述 下载原表 这四个变量能比较好的反映银行间的风险溢出效应。其中股票市场的波动率、股票市场收益率反映了资本市场上价格的总体变动, 流动性利差、期限利差反映了银行与银行、银行与实体经济的关联性。为协同性的金融风险测度提
11、供了良好的变量。3、单个银行收益率结果的估计与分析对于单个银行而言, 有 q=0.05 的情况估计每个银行在极端情况下的风险状况, 用 q=0.50 估计正常状态下的健康情况, 用 (2.16) 和 (2.17) 估计出各个银行的 VAR 值出来, 估计结果如下文所示:表 2 银行收益率估计结果 下载原表 由上述结果我们可以看到, 大多数银行在大部分年份对于波动率的系数都为负数。股票市场波动率反映的资产价值以及投资者行为的不确定性, 当股票市场波动性增大时, 由于资产价值以及投资者行为的不确定性增加, 投资者失去信心, 单个银行的股票价格开始下跌。将国有制银行与股份制银行对比, 明显可以看出的
12、股份制银行对于这个波动率变量的敏感系数, 普遍要大得多, 例如工商银行的-1.59 与招商银行的-43.38, 这说明相对于国有制银行来说, 股份制银行因为股份制程度较高, 因此股票市场波动率增强时, 就会更加的敏感。“期限利差”反映银行存款与贷款比率的变化。当危机来临时, 由于大的市场环境的萧条, 银行对于其贷款的要求会提高, 贷款积极性降低, 将其长期贷款的利率升高, 短期存款的利率降低, 所以“期限利差”也可以反映银行的盈利情况, 正常情况下, 期限利差越大, 代表银行获利更加容易, 但是在危机发生时, 银行在面对可能丰厚的贷款利息的可能性的同时, 也有可能面对着贷款违约带来的不确定性。
13、国有制银行对于“期限利差”的敏感系数基本都为正数, 而股份制银行基本都为负数, “大而不倒”的同时作为国家控股银行不能过分地缩减贷款的额度, 而股份制银行必须以保证机构在险价值为经营目标, 采取谨慎的风险管理政策, 缩减贷款地额度, 使机构度过难关。4、各个银行对整体系统风险的贡献度估计由分位数回归可以算出每个银行对于系统风险的贡献度分析, 得到的结果如表2 的第一列所示, 系数的大小可以反映不同的银行对于系统风险的贡献度, 很明显可以看出国有银行的风险贡献度基本都在 0.8 以上, 而股份制银行的风险贡献度的绝对值基本都在 0.5 以下。这说明当国有制银行发生风险时, 系统发生风险的程度会大
14、大升高。这也很符合我们的预期, 国有制银行的影响程度比起规模更小的股份制银行来说相对更大。Va R 与 Co Va R 的估计 (以招商银行与工商银行为例) 根据结果得出招商银行的风险值被高估, 即 Cova R 比 Va R 要低。在 2008 年发生金融危机时, 风险值都存在着巨大的波动, 但是 Va R 波动的幅度要比 Cova R 波动的幅度大, 则可能是作为一个股份制银行, 尽管流通股占总股份已达到49.7%, 系统产生风险时也对其产生了一定的影响, 但是其对系统性金融风险的贡献度并没有开始被估计的那么剧烈。工商银行不同于招商银行, 对于系统性风险的贡献度相对增强。当系统性金融风险来
15、临时, 在这种融资困难的大背景下, 它不是单独的不与周围环境相联系的机构, 国有制银行受到来自系统和股份制银行的双重溢出效应使得自己本身的风险值变动剧烈, 更有可能陷入风险当中, 进而引发新一轮的危机。5、各个银行的Co Var q排序由公式计算出来的 Co Va Rij0.05 基本都是负值, 是因为它表示的是条件在险价值, 在一定条件下机构的最大损失程度, 负号表示损失。具体结果的表格由于篇幅原因不在此列出, 如有需要可联系笔者获取。表 3 Co Va Rij0.05 年度排序表 (只列前五) 下载原表 从表 4 中我们可以看出, 当整个系统陷入危机时, 国有制银行的风险贡献度比起股份制银
16、行要高, 而且风险贡献度最高的是国有股份制银行, 工行、交行、建行贡献率都较高。国有制银行有资产规模大, 利润水平高的特点, 国有制银行在发生风险时对系统的风险溢出效应更强, 在 08 年中国受到金融危机影响时, 排在前四位有三位都是国有制银行。国有银行发生风险时, 会对其他的股份制银行有一定的溢出效应, 导致发生系统性金融风险的可能性加大。同时在危机来临时, 也有可能会发生股份制银行为了“自保”, 降低自身受到风险的程度, 将很多可能的潜在性违约风险较大的投资减少, 进而将风险转嫁到国有银行上, 进一步增加了它们对国有制银行发生负面影响时所造成的破坏力。工商银行的风险溢出效应在 09 年后有下降趋势, 可能是由于工商银行实施比较保险稳健的风险管理政策, 使得对系统的风险溢出效应没有逐步上升。五、结论及启示由于中国未曾发生明显的系统性金融风险, 因此本文主要在了解其它国家的系统性金融风险和不断演变的风险估计模型的基础上展开。以中国 11 家上市银行为研究对象, 预测银行对系统性金融风险的贡献和银行之间的风
