湖北地區銀行業系統性風險的識別與測量
——基于夏普市場模型

劉暢

（湖北經濟學院 金融學院，湖北 武漢 430205）

湖北地區銀行業系統性風險的識別與測量
——基于夏普市場模型

劉暢

（湖北經濟學院 金融學院，湖北 武漢 430205）

本文利用夏普市場模型，結合湖北地區五家國有商業銀行（中國銀行、中國工商銀行、中國農業銀行、中國建設銀行和交通銀行）的市場數據，對系統性風險的識別與測量進行實證，實證結論表明系統性風險存在且構成了湖北銀行業風險的很大部分。

銀行業；系統性風險；夏普市場模型

一、貝塔系數的估計模型

1952年，馬科維茨發表了題為“資產組合的選擇”的里程碑性的論文，論述了尋找有效資產組合邊界，即在給定風險水平下尋找收益最大的資產組合的集合或在給定收益水平下尋找風險最小的資產組合的集合的思想和方法，奠定了投資理論發展的基石。

1963年，威廉夏普根據馬科維茨的模型，建立了一個計算相對簡化的模型——夏普市場模型 (也稱單一指數模型)，有效降低了計算量，實現了投資理論用于實踐。該模型假設資產收益只與市場總體收益有關，即當市場達到均衡時，某項資產的收益率由式（1）決定：

二、樣本數據的選擇與處理

考慮到中國銀行、中國工商銀行、中國農業銀行、中國建設銀行和交通銀行這五大國有商業銀行在湖北地區幾近處于壟斷地位，據2013年湖北省金融業發展報告顯示，五家銀行在湖北地區年凈利潤占全行業62.5%。故本文對這五家銀行的市場數據收益率進行實證分析，以測度湖北地區銀行業系統性風險狀況。

關于收益率時間段的選擇，有日、周、月、季、半年或年收益率等多種情況。不同時間段的收益率，β系數估計的結果可能存在差異。理論上，資本市場投資的一個重要假設是“所有投資者的決策時限相同”，因此，采用不同時限計算的收益率來估計β系數可能會造成偏誤。計算證券收益率時，數據的時間周期較短，收益率容易受到非交易因素的影響；時間周期長，特定時間跨度內的數據量將減少。綜合考慮這兩方面的因素，本文選擇“周”作為計算收益率的時間周期。

我國銀行上市的時間較短，但每年受宏觀經濟政策等影響而有不同的變化，具體測定各銀行的β系數時，本文分別選取各銀行上市起至2013年12月的數據為樣本期間，即中國銀行2006年7月5號至2013年12月31號，中國工商銀行2006年10月27至2013年12月31號，中國農業銀行2010年7月15號至2013年12月31號，中國建設銀行2007年9月25號至2013年12月31號，交通銀行2007年5月15至2013年12月31號為樣本數據，采用其周收益率分別計算出各樣本銀行從2006～2013各年的β系數。用式（3）處理得出周收益率：

三、描述性統計分析

為了認識各商業銀行收益率的數量特征，本文充分運用均值、標準差、偏度以及峰度等描述性統計指標，對五大商業銀行收益率的基本統計特征進行對比分析。平均收益率描述了在一段時期內收益率的平均取值狀況，它可以反映一定時期內股價的平均波動幅度；收益率的離散程度則可由收益率的標準差反映；偏度可以反映收益率分布的對稱性；峰度可以反映收益率分布的集中程度與正態分布的偏差，由于正態分布的峰度為3，因此根據收益率分布峰度值的大小可以判斷分布的峰態。

表1：五大銀行周收益率及新綜指周收益率序列的描述統計量

其中Ra、Rb、Rc、Rd、Re、Rm依次表示中國銀行周收益率、中國工商銀行周收益率、中國農業銀行周收益率、交通銀行周收益率、交通銀行周收益率、新綜指周收益率數據。

由表1可知，中國工商銀行收益率均值最高，交通銀行收益率均值最低且波動性最大，中國農業銀行收益率的波動性最小。此外，中國銀行、中國工商銀行、中國農業銀行、中國建設銀行、交通銀行五大銀行周收益率及新綜指周收益率序列的偏度都大于0，峰度都大于3，且JB統計量很大，表明該序列尖峰右偏（分布曲線右側拖尾）。

四、β系數的求解與檢驗

（一）β系數的求解

基于上述描述性統計分析，將所得樣本數據，代入代表CAPM模型的單變量線性模型，用OLS法回歸，得出五大銀行2006～2013各年度的β系數值，結果如表2所示。

表2：五大商業銀行各年度的β系數值

（二）β系數的顯著性檢驗

對β系數進行顯著性檢驗，就是對總體模型中解釋變量Rmt的系數βi是否顯著異于零進行檢驗。若βi=0顯著成立，則模型就失去了意義。否則，模型成立，認為銀行業確實存在系統性風險。

回歸模型的T統計量及對應P值見表3。

表3：回歸模型的檢驗

由表3可知，各回歸模型參數的t統計量都大于臨界值，對應P值都小于0.05，即拒絕原假設，認為各模型參數（β系數值）顯著不為0，表明銀行業確實顯著存在系統性風險。

由表2可知，五大商業銀行的β系數值變化基本一致，即其系統性風險的變化規律大致一樣，2006～2007年系數呈下降趨勢，2008年β系數增大，此后，β系數不斷下降直至2012年，由于β系數衡量了某種證券或證券組合相對于市場組合的變動程度，是一個標準化的系統性風險的測量指標，可以說2008年因為全球性金融危機的爆發波及到了我國銀行業系統，導致我國銀行業系統性風險增大；之后幾個年度銀行業的系統性風險降低了。β系數顯示2013年系統性風險又有回升趨勢。

此外，根據β系數的經濟意義，大于1表明股票是進取型股票；小于1表明股票是防守型股票自2007年起，中國銀行、工商銀行、農業銀行和建設銀行的 β值基本都小于1，即系統性風險比較小，屬防守型股票；而交通銀行的系統性風險在2009、2010和2013年都大于1，說明交通銀行系統性風險比較大，在這三年屬于進取型股票。

（三）系統性風險的分解

準確的對系統性風險進行度量是宏觀審慎監管有效執行的前提，基于上述對五大商業銀行各年度的系數的求解，對商業銀行的風險進行分解，各商業銀行總風險、系統性風險和系統性風險占比情況具體如表4和表5所示。

表4：五大商業銀行系統性風險分解結果

表5：五大商業銀行系統性風險占比

根據表5對五大商業銀行系統性風險的分解可知，各銀行系統性風險的占比變化趨勢相似，且系統性風險構成了湖北地區銀行業風險的很大部分，很多時候系統性風險在湖北地區銀行業風險中的比例都高于50%。其中，2008年爆發全球性金融危機時，系統性風險占比的變化尤為顯著，銀行業系統性風險在2008年全年處于高位震蕩狀態，直至2011年系統性風險才逐步回落正常。這符合當時的實際情況，因為次貸危機在 2007年末才開始對我國金融市場造成影響，到2009～2010年我國政府實行了大規模的經濟刺激政策，金融危機對我國的影響也逐步接近尾聲，系統性風險的變化與股市波動情況吻合，表現為系統性風險較大時期，股票價格波動劇烈，隨著系統性風險的降低，股價趨于穩定。

綜上所述，湖北地區銀行業系統性風險確實顯著存在，且這種系統性風險顯著受宏觀經濟和湖北區域經濟發展的影響。

（注：本文獲湖北省教育廳科學技術研究計劃青年人才項目資助，項目編號：Q20132203）

[1]陸靜，胡小紅.基于條件在險價值法的商業銀行系統性風險研究[J].中國軟科學，2014，（4）.

[2]李守偉，何建敏，孫婧超，等.金融危機前后中國銀行業系統性風險實證研究[J].華東經濟管理，2014，（1）.

[3]隋聰，遲國泰，王宗堯.網絡結構與銀行系統性風險[J].管理科學學報，2014，（4）.

[4]王偉.中國上市銀行的系統性風險貢獻度研究 [J].金融與經濟，2014，（3）.

[5]范宏.動態銀行網絡系統中系統性風險定量計算方法研究[J].物理學報，2014，（3）.

[6]白雪梅，石大龍.中國金融體系的系統性風險度量[J].國際金融研究，2014，（6）.