中國上市銀行系統性風險度量基于MES方法的分析

宋清華+姜玉東

摘 要：運用邊際預期損失（MES）方法，通過DCCGARCH模型和非參數估計計算我國14家上市銀行的邊際預期損失，并結合資產規模和杠桿率等因素度量各上市銀行的系統性風險。研究結果表明，雖然資產規模、杠桿率和邊際期望損失都是決定系統性風險的重要因素，但我國上市銀行的系統性風險總體表現為：規模越大的銀行，系統性風險也越大，即大型商業銀行的系統性風險最大，股份制商業銀行次之，城市商業銀行的系統性風險最小。此外，三類商業銀行的系統性風險隨時間呈不同的變化趨勢。

關鍵詞： 系統性風險；上市銀行；邊際預期損失；DCCGARCH模型

中圖分類號： F830 文獻標識碼： A 文章編號：1003-7217（2014）06-0002-06

一、引 言

2007～2009年的國際金融危機暴露了系統性風險監管的缺失。危機過后，各國監管當局紛紛加強了系統性風險度量和系統重要性金融機構識別的研究與探索，并將監管理念從關注單個金融機構的微觀審慎監管轉變為注重防范系統性風險的宏觀審慎監管。盡管我國金融體系在此次金融危機中受到的直接沖擊較小，但隨著全球經濟一體化和我國金融市場的進一步開放，我國金融體系遭受系統性風險沖擊的可能性正不斷加大。“一行三會”在2012年9月公布的《金融業發展和改革“十二五”規劃》中明確將“加強對系統性金融風險的防范和預警”、“建立健全適合中國國情的系統性金融風險監測評估方法和操作框架”列入未來我國金融改革的重要著力點。我國金融市場以間接融資為主導的融資模式決定了金融體系中大部分風險都集中在銀行系統，因此，對我國商業銀行系統性風險的度量是加強系統性金融風險防范和預警亟待解決的問題。

二、文獻綜述

實現以防范系統性風險為主要目標的宏觀審慎監管，首要任務便是在深入剖析系統性風險理論成因的基礎上對其度量。然而，目前國際上對系統性風險并沒有一個統一且被普遍接受的定義，不同的定義強調了系統性風險不同的方面，也決定了系統性風險度量方法的多樣性。Bisias et al.總結了31種系統性風險度量方法[1]，朱元倩等（2012）按照數據來源的不同將系統性風險度量方法分為基于資產負債表數據的方法和基于股票、債券衍生品等市場數據的方法[2]，其中基于市場數據的方法因采用高頻數據且數據易得而受到廣大學者的推崇，這種方法以條件在險價值法（CoVaR）和邊際預期損失法（MES）等為典型代表。

Adrian et al.（2011）基于在險價值（VaR）提出了CoVaR方法[3]。CoVaR方法在度量金融機構的系統性風險時采用的是一種“自下而上”的分析方法，即以單個金融機構的破產倒閉為條件來估計整個金融體系的系統性風險。此時，系統性風險被定義為：當單個金融機構出現極端事件（通常是指破產倒閉）時，其他金融機構或整個金融體系所面臨的最大可能風險或損失。在該方法中，單個金融機構的系統性風險可由ΔCoVaR來衡量，ΔCoVaR等于金融機構處于危機狀態下的CoVaR 和常態下的CoVaR之差，它表示單個金融機構對整個金融體系的風險負外部溢出，反映了處于危機狀態下的金融機構對其他金融機構或金融體系的邊際風險貢獻。顯然，ΔCoVaR的絕對值越大，其系統性風險也越大。

CoVaR方法雖然能夠度量金融機構對整個金融體系的邊際風險貢獻，并能很好地反映整個金融網絡間的風險溢出效應，但是由于其在測度系統性風險和單個金融機構的邊際風險貢獻時，與VaR一樣仍然只考慮損失分布的α分位數，因而不能很好地捕捉門限值以下極端情況的尾部風險[4，5]。并且不具有可加性，也就難以通過單個金融機構的風險貢獻加總來估計整個金融系統所面臨的系統性風險[6，7]。

Acharya et al.（2012）基于預期損失（ES）提出了系統性預期損失（SES）和邊際預期損失（MES）[8]。MES方法在度量金融機構系統性風險時采用一種“自上而下”的分析方法。此時，系統性風險被定義為當金融體系處于系統性事件（通常是指危機狀態）時，單個金融機構所面臨的最大可能風險或損失。SES衡量當整個金融體系出現資本短缺或處于危機狀態時，單個金融機構的預期資本損失，度量的是單個金融機構對整個金融體系系統性風險的邊際貢獻。而MES衡量當市場收益率出現極端下跌時，單個金融機構股票收益率的預期損失，度量的是未發生危機時單個金融機構對整個金融體系的邊際風險貢獻，它沒有考慮金融機構的杠桿率、規模及其法定資本充足率等因素。在實際計算過程中，MES通過先確定給定時間區間內市場收益率低于5%分位點以下的天數，然后計算這些天內任意給定的金融機構股票收益率的平均值。SES則由單個金融機構的MES值和杠桿率的線性組合估計得到。MES方法不但度量了門限值（損失分布的α 分位數）以外的所有損失，具有次可加性，很好地解決了CoVaR存在的問題，而且考慮了金融機構杠桿率對系統性風險和金融機構邊際風險貢獻的影響[9，10]。

財經理論與實踐（雙月刊）2014年第6期2014年第6期（總第192期）宋清華，姜玉東：中國上市銀行系統性風險度量基于MES方法的分析

相對于Acharya et al.（2012）的靜態結構化估計方法，Brownlees et al.（2012）進一步發展了MES的計算方法，通過雙變量DCCGARCH模型和非參數估計計算MES，這樣計算出的MES具有頻度高、靈活性強等優點，并且基于壓力測試的基本思路將杠桿因素和MES合并為一個系統性風險指數（SRISK），既可以衡量單個金融機構的系統性風險，加總后的系統性風險指數也可衡量整個金融體系的系統性風險。單個金融機構的系統性風險指數越高，表明當金融體系處于危機狀態時，該機構對金融體系整體系統性風險貢獻程度越高。

危機過后，國內學者也就我國商業銀行系統性風險的度量展開了研究，在方法的使用上也多集中于CoVaR方法和MES方法。如高國華等（2011）使用 CoVaR 方法測度了我國 14 家上市銀行的系統性風險貢獻度[11]。范小云等（2011）基于MES方法度量了我國金融機構在美國次貸危機期間以及危機后對金融系統的邊際風險貢獻程度[9]。相比較CoVaR方法，MES方法采用的是“自上而下”的分析方法，這與宏觀審慎自上而下的監管模式較好的吻合，并且使用DCCGARCH模型和非參數估計計算出的MES頻度高、靈活性強。因此，以下采用Brownlees et al.（2012）的方法度量我國14家上市銀行的2008～2013年的系統性風險。

三、研究方法

（一）系統性風險指數的構建

借鑒Brownlees et al.（2012）[11]的方法，假設有I家銀行T時期每家銀行負債的賬面價值為Di t，股權的市場價值為Wi t，并假定監管當局要求每家銀行必須留存其總資產的k部分用于維持其權益。基于此假設，資本緩沖可定義為：CBi t=Wi t-k（Wi t+Di t）。該資本緩沖表示銀行的運營資本，當資本緩沖為正時，銀行運營正常；當其為負時，銀行將經歷資本短缺，并且，如果此時經濟處于危機狀態，由于風險的外溢性，單個銀行的負外部性將會對其他金融機構或金融體系，乃至整個實體經濟產生不良影響。

根據“自上而下”分析法中對金融機構系統性風險的定義，可將金融體系處于危機狀態看作一個系統性事件，記為{Rm t：t+h

CSi t+ht=-E（CBi t+hRm t+h：t

-kEt（Di t+hRm t+h：t

（1-k）Et（Wi t+hRm t+h：t

進一步假定當經濟處于危機狀態時，銀行破產倒閉的兼并重組機制將會失效，此時，銀行債務不能被回購，意味著Et（Di t+hRm t+h：t

CSi t+ht=-kDi t+（1-k）Wi tMESi t+ht（C） （2）

式（2）中，MESi t+ht（C）=Et（Ri t+h：tRm t+h：t

SRISK%i t=SRISKi t/∑Ii=1SRISKi t（3）

（二）邊際預期損失（MES）的計量方法

由（2）式可知，計算單個銀行的系統性風險指數需要每家銀行負債的賬面價值、股權的市場價值和MES，前兩個可通過銀行的財務報表簡單計算得到，而MES的計算亦有兩種方法[12，13]，本文通過DCCGARCH模型和非參數估計計算各銀行的MES。

根據Brownlees et al.（2012）的市場波動模型，將市場指數收益率與單個金融機構收益率定義如下：

rm t=σm tεm t

rit=σitρitεmt+σit1-ρ2itξit

（εm t，ξi t）～F

其中，rm t表示市場指數收益率，ri t表示第i個銀行的股票收益率，σm t表示市場指數收益率的條件標準差，σi t表示銀行股票收益率的條件標準差，ρi t表示市場和銀行之間的動態條件相關系數，（εm t，ξi t）表示均值為0，方差為1，協方差為0的擾動項。F為一個未指定具體分布的二變量分布過程。則單個銀行一步向前的MES可表示為：MESi t-1（C）=Et-1（ri trm t

MESit-1（C）=-σit[ρitEi-1（εmt|εmt

1-ρ2itEt-1（ξit|εmt

式（4）中，波動率σi t、σm t和動態條件相關系數ρi t可通過DCCGARCH模型運用準極大似然估計法估計得到，兩個尾部條件期望Et-1（εm tεm t

h（εm tεm t

h（ξi tεm t

其中，Kh（t）=∫t/h

SymboleB@ k（u）du，h=∑ni=1Kh（εm t-c）n ，k（u）表示核函數，h為正的帶寬。

四、實證分析

（一）樣本選取及數據來源

本文選取在滬深A股市場上市的16家商業銀行，剔除上市較晚的中國農業銀行和光大銀行，共14家上市銀行②作為研究對象計算各銀行的系統性風險。由于此次金融危機在 2007年末2008年年初才對我國金融市場產生較大影響，故選取時間跨度為2008年1月2日～2013年12月31日。截止2013年12月31日，尚有7家上市銀行③的股權未實現全流通，而流通股和非流通股的價格存在較大的差異，故本文參考國內其他學者處理股權價值的做法，在計算股權價值時，流通股價值為流通股份數乘以股票日收盤價的年均值，而非流通股價值為非流通股份數乘以每股凈資產，兩者之和即為各上市銀行股權的市場價值。市場收益率采用滬深300指數日收益率，各上市銀行日收益率數據、負債的賬面價值、流通股份數、非流通股份數和每股凈資產等數據均來源于國泰安數據庫（CSMAR），各上市銀行的MES值由R軟件編程計算得到。

（二）各收益率序列的分布特征、平穩性及ARCH效應檢驗

在使用DCCGARCH模型估計各上市銀行的MES前，需要了解各收益率序列的分布特征、平穩性及是否存在ARCH效應。

表1列出了滬深300指數及14家上市銀行日收益率的描述性統計、正態性（JB檢驗）、平穩性（ADF檢驗）和ARCH效應檢驗。從各收益率序列的偏度和峰度來看，偏度和峰度均異于0，呈現明顯的“尖峰厚尾”現象，說明各收益率序列不服從正態分布，在1%顯著水平下，JB統計量也證實了這一點。ADF單位根檢驗表明各收益率序列平穩；ARCH檢驗表明，在1%的置信水平上各收益率序列存在明顯的異方差。因此，對各收益率序列采用GARCH模型是合理的。

（三）實證結果分析

通過DCCGARCH模型可得到波動率（σm t，σi t）、殘差（εm t，ξi t）和動態條件相關系數ρi t的估計值，尾部條件期望Et-1（εm tεm t

表1 各收益率序列的基本統計特征

均值

標準差

偏度

峰度

JB檢驗

ADF檢驗

ARCH檢驗

滬深300

-2.00E-04

0.0191

-0.2380

2.5768

419.2705

-10.2062

158.9439

平安銀行

1.03E-04

0.0274

0.3138

2.7266

477.9091

-11.1562

122.4853

寧波銀行

-1.97E-04

0.0251

0.0707

2.4569

369.9142

-11.6653

105.0994

浦發銀行

2.69E-05

0.0266

0.2404

3.0827

594.0949

-11.3098

192.0075

華夏銀行

6.41E-05

0.0265

0.0599

2.5243

390.04

-11.1603

178.9506

民生銀行

2.33E-04

0.0233

0.1911

3.1932

631.2074

-11.1022

127.5921

招商銀行

-2.65E-04

0.0243

0.1590

3.2286

643.3311

-11.1223

222.8402

南京銀行

1.72E-05

0.0235

0.2643

2.9736

556.7566

-11.584

145.4184

興業銀行

6.10E-05

0.0273

0.1093

2.3534

341.246

-11.0852

147.3819

北京銀行

-1.89E-04

0.0237

0.1166

2.8319

492.9406

-11.1047

172.2069

交通銀行

-5.29E-04

0.0210

0.1179

4.0706

1014.138

-10.8771

222.9444

工商銀行

-2.41E-04

0.0165

0.0648

7.2661

3218.669

-12.2734

202.6165

建設銀行

-2.52E-04

0.0178

0.1696

5.4462

1815.351

-11.9569

235.6138

中國銀行

-3.20E-04

0.0156

0.5287

7.7924

3768.348

-12.0213

199.9426

中信銀行

-2.77E-04

0.0229

0.1296

3.2370

643.5607

-11.7064

119.345 注：JB檢驗為JarqueBera統計量，用來檢驗序列是否服從正態分布；ADF檢驗為增廣的迪基—富勒檢驗，滯后階數為11階；ARCH效應檢驗為LM檢驗，滯后階數為12階。各檢驗均在1%的置信水平上顯著。數據來源：本文計算整理所得。

圖1 我國14家上市銀行MES日均值走勢（2008～2013年）

從圖1可以看出，我國上市銀行系統性風險大致經歷了三個時期：第一個時期（2008年1～9月），2008年年初，受全球金融危機影響，我國上市銀行系統性風險開始逐漸走高并于高位震蕩，直到2008年9月達到最大值（0.12488）；第二個時期（2008年10月～2012年9月），危機后各國政府紛紛救市，我國也適時推出了四萬億經濟刺激計劃，因此，上市銀行系統性風險開始回落，到2012年9月達到最小值（0.02747）；第三個時期（2012年10月～2013年12月），2013年一季度我國GDP增速為7.7%，低于市場預期，與此同時，四萬億經濟刺激計劃的副作用開始顯現，鋼鐵、煤炭、電力、水泥、化工、新能源等行業出現嚴重的產能過剩，由此帶來上市銀行不良貸款余額有所上升，利潤增速下降，特別是以地方融資平臺為主的地方債務風險凸現出來，以及影子銀行風險，上市銀行系統性風險整體又呈現上升趨勢。

根據圖1劃分的三個時期，表2列出了這三個時期我國14家上市銀行MES均值排名結果。從表2可以看出，三個時期各上市銀行的邊際風險貢獻排名有一定差異。其中，大型國有商業銀行如中國銀行、工商銀行和建設銀行，在整個樣本統計期間對系統性風險的邊際貢獻較小，排名變化不大；而股份制商業銀行和城市商業銀行對系統性風險的邊際貢獻較大，個別銀行在排名上發生較大變化。值得注意的是，大型商業銀行的邊際風險貢獻相對較小并不意味著其對整個金融體系的總風險貢獻較小，它只表明當市場收益率出現極端下跌時，大型商業銀行的股權收益率預期損失較小，抵御風險能力較強。

表2 中國14家上市銀行MES均值排序

2008.1～2008.9

2008.10～2012.9

2012.10～2013.12

MES均值

排名

MES均值

排名

MES均值

排名

浦發銀行

0.100639012

1

0.056572579

7

0.057698119

5

興業銀行

0.097243286

2

0.061731668

2

0.061707774

2

華夏銀行

0.09637611

3

0.060794833

3

0.053228771

6

平安銀行

0.093558358

4

0.057431068

5

0.067688634

1

寧波銀行

0.090798213

5

0.065499876

1

0.06003816

4

北京銀行

0.08821721

6

0.057385591

6

0.05201408

8

民生銀行

0.088117927

7

0.050791006

10

0.060044538

3

招商銀行

0.083830722

8

0.054715515

9

0.050464511

9

中信銀行

0.080807795

9

0.055888892

8

0.052321477

7

南京銀行

0.078834775

10

0.059603813

4

0.047527941

10

交通銀行

0.076089702

11

0.049333376

11

0.040281088

11

建設銀行

0.068269724

12

0.039064199

12

0.031109155

12

工商銀行

0.066892068

13

0.034783177

14

0.024889808

14

中國銀行

0.058452253

14

0.035266171

13

0.02550397

13 數據來源：本文計算整理所得。

綜合考慮MES、資產規模和杠桿率可計算出各上市銀行的系統性風險指數（SRISK）。取14家上市銀行日MES的年均值代入式（2），并假定k=0.08即可得到各銀行的資本短缺值（CS），再代入式（3）得到各上市銀行的系統性風險指數，用百分比表示并按2013年數據排名后得到的結果如表3所示。

表3 我國14家上市銀行系統性風險指數排名

（2008～2013年）（k=0.08）單位：%

2008

2009

2010

2011

2012

2013

排名

工商銀行

28.13

26.77

25.86

25.31

24.97

24.35

1

建設銀行

21.66

22.52

20.73

19.96

19.75

19.61

2

中國銀行

19.91

19.90

20.27

19.53

18.11

17.89

3

交通銀行

7.66

7.45

7.64

7.62

7.42

7.61

4

招商銀行

4.39

4.43

4.53

4.52

4.80

5.05

5

浦發銀行

3.88

3.68

4.23

4.43

4.50

4.71

6

興業銀行

2.93

2.94

3.56

3.99

4.67

4.69

7

中信銀行

3.22

4.04

3.89

4.49

4.15

4.64

8

民生銀行

3.03

3.16

3.54

3.64

4.59

4.03

9

平安銀行

1.40

1.33

1.42

2.06

2.31

2.39

10

華夏銀行

2.20

2.02

2.09

2.05

2.15

2.17

11

北京銀行

1.09

1.11

1.38

1.58

1.58

1.71

12

寧波銀行

0.27

0.35

0.48

0.41

0.52

0.60

13

南京銀行

0.23

0.30

0.39

0.44

0.48

0.55

14 注：排名按2013年數據；數據來源：本文計算整理所得。

從表3可以看出，我國14家上市銀行各年的系統性風險指數排名變化不大，總體表現為規模較大的銀行，系統性風險也較大，具體體現為大型商業銀行的系統性風險要明顯高于股份制商業銀行，而城市商業銀行的系統性風險最低。結合表2中的排名，雖然股份制商業銀行和城市商業銀行在市場收益率出現極端下跌時會發生較大的股權收益率損失，但綜合考慮資產規模和杠桿率因素后，這兩類銀行的系統性風險相對較低，尤其是城市商業銀行，資產規模和杠桿率均低于股份制商業銀行和大型商業銀行，當整個金融體系處于危機狀態時，其系統性風險最低。

表3還顯示出：隨著我國銀行業競爭的不斷加劇，大型商業銀行的系統性風險隨時間呈下降趨勢，而股份制商業銀行和城市商業銀行的系統性風險隨時間呈上升趨勢。這種趨勢的變化，一方面與近年來我國股份制商業銀行和城市商業銀行的市場份額不斷攀升有關④，另一方面也有利于我國銀行體系總體系統性風險的分散。

五、結 論

以上采用Brownlees et al.（2012）的分析框架，利用 DCCGARCH 模型和非參數估計方法對我國14家上市銀行2008～2013年的系統性風險進行了測度。實證結果表明，資產規模、杠桿率及邊際期望損失（MES）都是決定我國上市銀行系統性風險的重要因素。當市場收益率處于極端下跌狀況時，股份制商業銀行和城市商業銀行的股權損失較大，而大型商業銀行的股權損失較小，這表明我國大型商業銀行由于資產規模較大和受到的隱性支持較大而表現出較強的抵御風險的能力。當綜合考慮資產規模、杠桿率和MES時，大型商業銀行的系統性風險最大，股份制商業銀行的系統性風險次之，而城市商業銀行的系統性風險最小，表明對我國上市銀行系統性風險影響最大的是資產規模。此外，值得注意的是，三類銀行的系統性風險隨時間呈現出明顯的變化趨勢，這有利于我國銀行體系系統性風險的分散，避免由于風險過度集中以至于爆發而帶來的巨大危害。

注釋：

①由于MES表示的是一種股權損失，計算結果為負值，借鑒范小云等（2011）的做法取相反數使其為正值。

②

包括大型商業銀行：中國工商銀行、中國銀行、中國建設銀行和交通銀行；股份制商業銀行：中信銀行、華夏銀行、平安銀行（原深圳發展銀行）、招商銀行、上海浦東發展銀行、興業銀行、民生銀行；城市商業銀行：北京銀行、南京銀行、寧波銀行。

③

包括平安銀行、寧波銀行、浦發銀行、華夏銀行、興業銀行、北京銀行和交通銀行。

④

從資產規模來看，我國大型商業銀行占銀行業金融機構市場份額由2008年的52.6%下降到2013年的43.34%，而股份制商業銀行和城市商業銀行的市場份額由2008年的13.8%和6.1%上升到2013年的17.8%和10.03%。數據來源：中國銀行業監督管理委員會網站，統計信息。

參考文獻：

[1]Bisias， D，Flood， M，Lo， A.W. Valavanis， S.A survey of systemic risk analytics[R]. OFR Working paper， 2012.

[2]朱元倩，苗雨峰.關于系統性風險度量和預警的模型綜述[J]. 國際金融研究，2012，（1）： 79-88.

[3]Adrian， T， Brunnermeier， M. K.CoVaR [R]. Technical Report， Federal Reserve Bank of New York， 2011.

[4]Girardi， G，Ergün， A. T.Systemic risk measurement： multivariate GARCH estimation of CoVaR [J]. Journal of Banking & Finance， 2013，（37）：3169-3180.

[5]RodriguezMoreno， M， Pea， J.I.Systemic risk measures：the simpler the better？[J].Journal of Banking & Finance， 2013，（37）：1817-1831.

[6]Gauthier， C，Lehar， A， Souissi， M. Macroprudential capital requirements and systemic risk [R]. Bank of Canada Working Paper， 2010

[7]Tarashev， N， Borio， C，Tsatsaronis， K.Attributing systemic risk to individual institutions [R]. BIS Working Paper， 2010.

[8]Acharya， V. V， Pedersen， L， Philippon， T， Richardson， M. Capital shortfall：a new approach to ranking and regulating systemic risks [J]. American Economic Review， 2012，102 （3）：59-64.

[9]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，（4）：3-20.

[10]彭建剛.基于系統性金融風險防范的銀行業監管制度改革的戰略思考[J].財經理論與實踐，2011，（1）：2-6.

[11]高國華，潘英麗.銀行系統性風險度量——基于動態 CoVaR方法的分析[J]. 上海交通大學學報，2011， （12）：1754-1759.

[12]Brownlees， C，Engle， R.Volatility，correlation and tails for systemic risk measurement [R]. NYU Working Paper， 2012.

[13]Acharya， V. V，Pedersen， L， Philippon， T，Richardson， M.Measuring systemic risk [R]. NYU Working Paper， 2010.

（責任編輯：寧曉青）