利率市場(chǎng)化背景下我國(guó)上市商業(yè)銀行利率風(fēng)險(xiǎn)分析

李雷

【摘要】隨著我國(guó)利率市場(chǎng)化改革的不斷推進(jìn)，利率風(fēng)險(xiǎn)成為商業(yè)銀行風(fēng)險(xiǎn)防范尤為重要的內(nèi)容。本文從靜態(tài)和動(dòng)態(tài)兩個(gè)角度對(duì)交通銀行利率風(fēng)險(xiǎn)進(jìn)行分析，結(jié)果表明，雖然與同業(yè)相比交通銀行利率敏感性缺口占資產(chǎn)總額比重并不大，但缺口仍較大。為更好應(yīng)對(duì)利率變動(dòng)帶來(lái)的風(fēng)險(xiǎn)，交通銀行明智的做法應(yīng)當(dāng)是增加利率敏感性負(fù)債。

【關(guān)鍵詞】商業(yè)銀行；利率風(fēng)險(xiǎn)；VAR；GARCH模型

1.引言

建國(guó)后直到改革開(kāi)放最初的二十年里，我國(guó)的利率水平一直處于中央銀行的嚴(yán)格管控之下，因此國(guó)內(nèi)商業(yè)銀行基本沒(méi)有利率風(fēng)險(xiǎn)，但是到了九十年代中后期隨著一大批國(guó)有商業(yè)銀行改組發(fā)行股票上市，尤其2000年中國(guó)人民銀行公布了我國(guó)利率市場(chǎng)化改革的原則與計(jì)劃后，利率水平波動(dòng)給商業(yè)銀行資產(chǎn)損益帶來(lái)的影響越來(lái)越大。最近幾年來(lái)，隨著人民幣升值壓力的不斷加大和中央銀行對(duì)利率管制的逐步放開(kāi)，利率波動(dòng)的幅度和頻率越來(lái)越大，利率風(fēng)險(xiǎn)已經(jīng)成為商業(yè)銀行所面臨的主要風(fēng)險(xiǎn)之一。根據(jù)《中國(guó)銀監(jiān)會(huì)關(guān)于中國(guó)銀行業(yè)實(shí)施新監(jiān)管標(biāo)準(zhǔn)的指導(dǎo)意見(jiàn)》規(guī)定，我國(guó)將于2012年1月1日開(kāi)始執(zhí)行新監(jiān)管標(biāo)準(zhǔn)，提高資本充足率、杠桿率、流動(dòng)性、貸款損失準(zhǔn)備等監(jiān)管標(biāo)準(zhǔn)，系統(tǒng)重要性銀行和非系統(tǒng)重要性銀行應(yīng)分別于2013年底和2016年底前達(dá)到新的資本監(jiān)管標(biāo)準(zhǔn)。為應(yīng)對(duì)新的監(jiān)管要求，國(guó)內(nèi)各大中小商業(yè)銀行紛紛通過(guò)發(fā)行次級(jí)債券的方法補(bǔ)充資本充足率。其中，交通銀行已分期發(fā)行不超過(guò)800億元次級(jí)債券。在各批次次級(jí)債券到期前，交通銀行受利率風(fēng)險(xiǎn)沖擊將比以往更加明顯。此外，目前我國(guó)法定存款準(zhǔn)備金率高達(dá)20.5%，隨著我國(guó)金融支持城鎮(zhèn)化政策的實(shí)施，今后中央銀行有望出現(xiàn)下調(diào)法定存款準(zhǔn)備金、增加信貸供給的趨勢(shì)。因此，利率的波動(dòng)對(duì)各銀行資產(chǎn)負(fù)債的影響將比以往更加明顯。本文主要從靜態(tài)和動(dòng)態(tài)兩種途徑對(duì)交通銀行2012年初所經(jīng)受的利率風(fēng)險(xiǎn)進(jìn)行實(shí)證分析并給出結(jié)論建議。

2.針對(duì)交通銀行利率風(fēng)險(xiǎn)的實(shí)證分析

2.1 利率敏感性缺口的實(shí)證分析

實(shí)證分析選取交通銀行2011年年報(bào)相關(guān)數(shù)據(jù)，利率敏感性資產(chǎn)選取存放中央銀行款項(xiàng)、存放拆放同業(yè)及其他金融機(jī)構(gòu)款項(xiàng)、貸款及應(yīng)收款項(xiàng)、債券投資及其他等資產(chǎn)項(xiàng)目數(shù)值和，計(jì)40111.41億元。利率敏感性負(fù)債選取客戶存款、同業(yè)及其他金融機(jī)構(gòu)存放和拆入款項(xiàng)、應(yīng)付債券及其他等負(fù)債項(xiàng)目數(shù)值之和，計(jì)38344.42億元。從而利率敏感性缺口為1766.99億元，表1為同樣方法計(jì)算的交通銀行與其他銀行利率敏感性缺口額比較：

表1 利率敏感性缺口比較

名稱 交行 興業(yè) 浦發(fā) 招行 民生

利率敏感性缺口 1766.99 1160.78 1495.43 1609.99 1382.39

資產(chǎn)總額 40111.41 24087.98 26846.93 24897.14 20628.31

缺口資產(chǎn)總額比 0.044 0.048 0.056 0.065 0.067

通過(guò)橫向比較發(fā)現(xiàn)，與其他商業(yè)銀行相比，交通銀行利率敏感性資產(chǎn)缺口占資產(chǎn)總額的比重并不大，但幾家商業(yè)銀行利率敏感性缺口均為正值，究其原因，可能與09年4萬(wàn)億貨幣供給通過(guò)信貸渠道傳遞的滯后效應(yīng)有關(guān)。盡管后來(lái)中央銀行采取連續(xù)上調(diào)法定存款準(zhǔn)備金率收緊銀根的措施，但商業(yè)銀行資產(chǎn)擴(kuò)張的腳步并未明顯放緩。因此，為應(yīng)對(duì)利率可能下行的風(fēng)險(xiǎn)，應(yīng)逐漸調(diào)低利率敏感性資產(chǎn)的缺口。

表2 方程的系數(shù)檢驗(yàn)

Variable Coefficient Std.Error t-Statistic Prob.

C 0.425895 0.073925 5.625873 0.0000

L（-1） 0.975273 0.047601 20.48871 0.0000

L（-2） -0.109687 0.047545 -2.306984 0.0215

2.2 VAR方法的實(shí)證分析

按照歐美等國(guó)的經(jīng)驗(yàn)與做法，對(duì)交易比較活躍、資產(chǎn)交易周期較短的資產(chǎn)，估計(jì)VAR時(shí)應(yīng)選擇較短的持有期限，通常確定為1～3天。本文選取銀行同業(yè)拆借資產(chǎn)計(jì)算其VAR值。樣本數(shù)據(jù)選取2011年4月1日至2012年12月31日共451個(gè)數(shù)據(jù)，Shibor利率為隔夜同業(yè)拆借利率，持有期限為1天（一個(gè)交易日），用r表示。由于置信水平不易選取過(guò)高，本文參考J·P·Morgan選取的95%的置信度。

2.2.1 均值方程的建立

根據(jù)AIC準(zhǔn)則和SC準(zhǔn)則，均值方程為rt=c+rt-1+rt-2，方程結(jié)果如表2所示，各個(gè)系數(shù)均通過(guò)了t檢驗(yàn)，方程通過(guò)了F檢驗(yàn)。并且通過(guò)對(duì)方程殘差的自相關(guān)性檢驗(yàn)發(fā)現(xiàn)方程消除了自相關(guān)性。

2.2.2 均值方程殘差檢驗(yàn)

（1）均值方程殘差的ARCH效應(yīng)檢驗(yàn)

根據(jù)上述建立的均值方程，通過(guò)對(duì)其殘差進(jìn)行ARCH效應(yīng)檢驗(yàn)，檢驗(yàn)結(jié)果F-statistic檢驗(yàn)值為0.0122，Obs*R-squared值為0.0131，表明均值方程殘差均存在ARCH效應(yīng)。

（2）殘差正態(tài)性檢驗(yàn)

根據(jù)檢驗(yàn)結(jié)果，殘差的均值近似為0，偏度為1.27，峰度為15.83，JB值為3199.8，因此可以拒絕殘差符合正態(tài)分布的原假設(shè)，從而證明了金融時(shí)間序列具有尖峰肥尾的特點(diǎn)。為了更為準(zhǔn)確的建立模型，本文采用廣義誤差分布（GED）。GED比正態(tài)分布、t分布能夠更加準(zhǔn)確的描述金融數(shù)據(jù)。

2.2.3 GARCH模型的建立和測(cè)算

（1）模型的建立。通過(guò)上述分析，可以建立如下GARCH模型：

（2）模型的測(cè)算。檢驗(yàn)結(jié)果如表4所示，除了均值方程的常數(shù)項(xiàng)不顯著外，其余變量均通過(guò)了Z檢驗(yàn)。

表4 GARCH模型估計(jì)結(jié)果

Variable Coefficient Std.Error Z-Statistic Prob.

C 0.000909 0.003046 0.298453 0.7654

L（-1） 1.102612 0.000995 1108.281 0.0000

L（-2） -0.101990 0.000419 -243.4363 0.0000

Variance Equation

C 0.017766 0.006083 2.920699 0.0035

RESID（-1）^2 2.329912 1.070977 2.175502 0.0296

GARCH（-1） 0.360429 0.095832 3.761028 0.0002

（3）GARCH模型穩(wěn)定性檢驗(yàn)和ARCH效應(yīng)檢驗(yàn)。對(duì)建立的GARCH模型的殘差進(jìn)行單位根檢驗(yàn)，檢驗(yàn)結(jié)果通過(guò)了1%置信水平，即可以在99%的概率水平下認(rèn)為該殘差序列不存在單位根，從而表明GARCH模型是協(xié)整的，具有長(zhǎng)期穩(wěn)定的意義，因此可以用來(lái)分析。對(duì)GARCH模型的殘差序列ARCH效應(yīng)檢驗(yàn)結(jié)果F-statistic值為0.995，Obs*R-squared值為0.995，GARCH模型已經(jīng)消除了殘差的條件異方差性。

2.2.4 基于GARCH模型的VaR測(cè)算

上述對(duì)451個(gè)歷史數(shù)據(jù)建立了GARCH模型，通過(guò)GARCH模型可以測(cè)算出第452期的u=0.174412，=0.030419。由于本文的GARCH模型不是基于r的波動(dòng)率建立模型的，而是基于r數(shù)據(jù)本身建立模型，所以W0的初始值為單位1，VaR1和VaR2分別表示第t天持多頭和空頭在一定置信水平下所面臨的風(fēng)險(xiǎn)值，其中5%下的左右分位數(shù)為-1.65，1.65。

VaR1=1*（0.174412-0.030419*1.65）=0.124

VaR2=1*（0.174412+0.030419*1.65）=0.224

結(jié)果說(shuō)明，假如某商業(yè)銀行有隔夜拆借多頭頭寸1億元，則在95%置信水平下最大可能損失為1240萬(wàn)元，若為空頭頭寸，則為2240萬(wàn)元。多空對(duì)比發(fā)現(xiàn)，持有多頭比持有空頭風(fēng)險(xiǎn)損失值小，即增加利率敏感性負(fù)債更有利，這與靜態(tài)分析的結(jié)果正好相吻合。

3.結(jié)論與建議

本文運(yùn)用理論分析與實(shí)證分析，通過(guò)靜態(tài)和動(dòng)態(tài)兩種渠道對(duì)交通銀行面臨的利率風(fēng)險(xiǎn)進(jìn)行分析，分析結(jié)果表明增加利率敏感性資產(chǎn)可能使交通銀行面臨更大的損失。為此，交通銀行在接下來(lái)的一段時(shí)間內(nèi)應(yīng)果斷增加利率敏感性負(fù)債，同時(shí)根據(jù)市場(chǎng)利率的變動(dòng)及時(shí)調(diào)整資產(chǎn)負(fù)債頭寸。

參考文獻(xiàn)

[1]莫慧琴，王忠，李亞寧.銀行利率風(fēng)險(xiǎn)測(cè)度技術(shù)[J].當(dāng)代經(jīng)濟(jì)科學(xué)，1998（6）：44-48.

[2]李志輝，劉勝會(huì).我國(guó)商業(yè)銀行利率風(fēng)險(xiǎn)的度量研究——以同業(yè)拆借市場(chǎng)為例[J].南開(kāi)經(jīng)濟(jì)研究，2006（03）：27-40.