上市銀行間風險溢出研究：基于時變Copula函數測度的動態相關性

劉軼　楊蘇梅　池至靖

摘要：文章從研究銀行間風險溢出突變入手，分析銀行間的風險傳染機制，利用時變Copula理論刻畫了我國上市銀行間的相關性，在此基礎上利用Z檢驗方法找出銀行間風險溢出的轉換點，研究發現在大部分銀行2008年9月18日的相關結構發生突變，說明存在風險溢出效應。文章以這一時點為分水嶺，利用CoVaR方法對上市銀行間的風險溢出效應分兩階段進行實證。研究結果表明，危機后國有銀行對大部分股份制商業銀行的風險溢出強度顯著增大，而國有銀行之間的風險溢出強度有所下降。

關鍵詞：時變Copula；Z檢驗；風險溢出；CoVaR

一、 引言

由于時變Copula函數在度量相關關系上的優勢，本文采取時變Copula來描述銀行間的相關性，在此基礎上運用Z檢驗判斷其Copula結構是否發生變化，找到的變結構點即為風險溢出時點，基于風險溢出點，本文通過CoVaR方法量化銀行間的風險溢出強度。

二、 方法與計量模型

三、 實證研究

1. 樣本選擇。基于數據的可得性及研究的需要，本文選擇13家上市銀行作為樣本。其中，由于建設銀行上市的時間是2007年9月25日，本文選擇研究日期為2007年9月25日至2011年9月30日，研究對象為所選上市銀行的收益率序列，將價格定義為銀行n在t日的收盤價格，其收益率序列為Rt=ln（Pnt/Pnt-1）*100，數據處理后共979個日數據，本文數據來自WIND數據庫，利用R軟件和Matlab7.0進行相關程序編寫與實證研究。

2. 時變Copula模型建立。

（1）邊緣分布模型擬合與參數估計。GARCH（1，1）-t模型在刻畫金融時間序列的邊緣分布上具有明顯的優勢。本文使用R對各家銀行的收益率序列做擬合。為了使擬合的結果更準確，本文做了ADF檢驗和PP檢驗，檢驗結果顯示，所研究銀行收益率序列的ADF統計值和PP統計值均在“1%的顯著性水平”的臨界值以下，可以確定這些銀行具有平穩的收益率序列，可以直接使用邊緣分布擬合。本文將GARCH（1，1）-t模型應用于各家銀行收益率序列邊緣分布的擬合，獲得了各收益率序列的邊緣分布模型的相關參數，表1列出了中國銀行、招商銀行收益率序列的條件邊緣分布的估計結果及相應的檢驗結果。

為了檢驗擬合的效果，本文采用主觀性比較小的K-S檢驗。K-S檢驗揭示的是理論分布與經驗分布之間的偏離，其統計檢驗量數值越小，表明偏離程度越低，擬合效果也就越好。根據表1所示，K-S統計值均很小，K-S概率值均大于0.1，說明在10%的統計水平下，對各序列，“新序列服從（0，1）上均勻分布”的原假設沒有理由被拒絕，本文根據GARCH（1，1）-t模型估計得到的邊緣分布相互獨立且在（0，1）上服從均勻分布，所選方法適當，擬合結果好。

（2）時變Copula函數的選擇及參數估計。在動態變化的市場環境下中，各銀行間的股票收益率的相關程度會不斷變化。本文基于邊緣分布擬合的參數結果，運用時變正態Copula，動態分析中國的股份制銀行與國有銀行間的相關性，可求出相關性系數ρ的演進方程的參數估計值。以建設銀行為例，建行與其他股份制銀行的參數估計結果如表2所示。

根據參數估計結果，可以得到建設銀行與這幾家銀行的二元正態Copula時變圖（圖1）。

如圖所示，時變趨勢上，各個銀行間的相關系數具有一致性。這個現象主要是因為在相同的宏觀經濟背景下，中國的銀行業具有基本相同的業務模式與經營環境，相似的行業特點引導銀行間的相關序列具有相對一致的變化趨勢。而從時點上分析，可以發現在2008年9月18日～2008年10月6日之間，各銀行間相關系數趨向于峰值，說明中國市場對于美國次貸危機"立刻"做出了反應。為了進一步分析這段時間內是否存在明顯的風險溢出，本文通過Z檢驗進行判斷。

3. 風險溢出轉換點的判斷。我們以“日”作為分界點，使用前文相關系數的演化方程，利用Z檢驗方法檢驗，研究發現在t=281這一時點，大部分銀行的Z統計量結果十分顯著（表3）。

從表3的結果看，除個別銀行間的Z檢驗值未通過檢驗，其余大部分銀行間的Z檢驗值在？琢=0.1水平下均為顯著，說明大部分銀行在2008年9月18日這一天相互間的相關結構發生了突變，風險溢出效應明顯，也表明在這一天，中國市場對在美國發生的金融危機具有明顯的反應。因此，2008年9月18日可以作為樣本分割點，用來測度美國金融危機前后中國的銀行之間風險溢出的強度。第一階段為2007年9月25日～2008年9月18日，共239個數據。第二階段為2008年9月19日～2009年9月10日，共239個數據。

根據計算結果分析對比分析第一階段和第二階段的風險溢出強度，可以發現：在美國金融危機前后，四大銀行對大部分銀行的風險溢出明顯增強，只對少數幾家銀行的風險溢出減小。本文認為這與四大行與各銀行間的存在密切的業務往來，導致了風險傳遞有關，同時也受到部分銀行資產負債結構變化，風險管理與經營戰略不一樣的影響，所以風險溢出水平不同。

進一步研究國有銀行間的風險溢出強度，計算結果如表5所示，危機前國有銀行間風險溢出強度在25%～51%之間，其中交通銀行對其他三大行的風險溢出度最高，達到43%以上。整體上看，相對于國有銀行對股份制商業銀行的風險溢出強度，國有銀行間風險溢出強度更高。

四、 結論

本文利用時變二元正態Copula模型來捕捉我國上市銀行間的時變相關特性，通過檢驗分析，2008年9月18日是中國銀行間相關結構發生突變的時點，在這個時間前后銀行間的風險溢出強度發生顯著變化，本文以該日作為分界點，運用CoVaR方法進一步測度銀行間的風險溢出強度，測度結果顯示，危機后主要國有銀行對大部分股份制商業銀行的風險溢出強度顯著增大，而國有銀行之間的風險溢出強度反而有所下降。

所以，中國銀行業監管機構可以通過動態實時跟蹤各家銀行的市場波動，分析基于市場信息沖擊下，不同銀行主體間風險溢出對系統性風險的影響，特別是系統性重要金融機構與其他金融機構之間的風險傳導，通過對不同銀行進行差別化監管，及時控制重要性金融機構與一般性金融機構間的風險溢出效應，保證金融體系的整體穩定。

參考文獻：

1. Allen， Franklin， and Douglas Gale.Financial contagion.Journal of political economy 108.2000，（1）：1-33.

2. 楊蘇梅.我國上市銀行間相關性及風險溢出研究.湖南大學學位論文，2012.

3. 陸靜，張佳.我國上市銀行系統重要性評估金融論壇，2011，（9）：30-37.

4. Nelsen， Roger B.An introduction to copulas.Springer，1999.

5. Roch， Oriol， and Antonio Alegre.Testing the bivariate distribution of daily equity returns using copulas. An application to the Spanish stock market.Computational Statistics & Data Analysis 51，2006，（2）：1312-1329.

6. 韋艷華.Copula理論及其在多變量金融時間序列分析上的應用研究.天津大學學位論文，2004.

7. 劉圓，楊湘豫.copula的局部變結構點診斷的實證研究.經濟數學，2013，（3）：64-67.

8. 肖璞，劉軼，楊蘇梅.相互關聯性， 風險溢出與系統重要性銀行識別.金融研究，2012，（12）：96-106.

基金項目： 國家社科基金項目“我國銀行業資本監督的尺度研究”（項目號：12CJY112）；博士后基金項目（項目號：2012M520487）。

作者簡介：劉軼，中國人民大學財政金融學院博士后，中國人民大學重陽金融研究院研究員；湖南大學金融與統計學院副教授；楊蘇梅，湖南大學金融與統計學院碩士生；池至靖，湖南大學數學與計量經濟學院碩士生。

收稿日期：2014-05-18。