我國銀行業系統性風險預警研究

楊 霞，吳 林

（1.復旦大學 應用經濟學博士后流動站，上海 200433；2.湖北工業大學 經濟與管理學院，武漢 430068；3.西南財經大學 證券期貨學院，成都 611130）

0 引言

2007年由美國次貸危機引發的全球性經濟衰退使學者關注的焦點重新回到了系統性風險，而2013年以來，房地產投資增速和銷售增速的下滑、制造業普遍的產能過剩使市場擔心中國經濟硬著陸的風險。為了避免經濟危機，政府應該對系統性風險進行監測，及時采取行動，以防止情況進一步惡化。相比美國、英國等直接融資比較發達的國家，我國企業的融資依然以間接融資為主，銀行在國民經濟中扮演著十分重要的角色，因此可以從銀行的視角度量系統性風險，并建立相應的預警模型，為政府有關部門評估和防范系統性風險提供可操作的基礎，更好地進行宏觀審慎監管。

危機爆發以來，關于系統性風險研究的新思路和新成果不斷涌現。指標法是國際上普遍采用的方法，即運用一系列變量的歷史數據，大致的估計其正常的波動范圍，當指標體系的波動小于或者大于某個特定值時，表示可能存在系統性風險。金融穩定委員會(FSB)牽頭制定了一套識別全球系統重要性金融機構(G-SIFIs)的指標體系,指標體系從五個維度度量一個國家銀行體系可能產生的系統性風險，分別是規模因素、業務的復雜性、業務的可替代性、業務的關聯性以及跨境業務情況。巴塞爾銀行監管委員會(BCBS)提出了各國衡量國內系統重要性銀行(D-SIBs)的12條指導原則(BCBS,2012)。其中金融穩定委員會制定的系統性風險的衡量指標關注的是金融機構倒閉對全球金融體系和經濟的影響，而巴塞爾委員會的指標主要關注的是銀行發生系統性風險對國內金融體系和經濟的破壞。

大部分學者在衡量系統性風險時是從銀行的視角切入。本文也遵照學者普遍的做法，從銀行的角度尋找衡量系統性風險的指標。本文的研究基于指標法的基礎上，但并非僅限于系統性風險指標的衡量，而是通過建立符合國情的系統性風險預警系統，使得宏觀審慎監管更加具有前瞻性和有效性。

1 系統性風險預警模型的構建

1.1 系統性風險的度量

我國是間接融資為主的國家，銀行是企業的主要融資來源，企業融資能力的高低直接決定了企業的生存和發展。當企業經營出現問題時，銀行向其發放的貸款會減少，同時貸款后的各項監管也會相應的變嚴格，銀行的貸款增速會放慢，就會直接影響銀行的壞賬率和利潤。當整個行業或宏觀經濟運行出現問題時，銀行業受到的影響會更大，因此銀行的各項指標可以反映我國系統性風險的程度。本文選取銀行存貸比、資本充足率、不良貸款率等指標度量我國的系統性風險。

存貸比（LTDR）是指貸款比存款的比率。存貸比越高表示用于支撐貸款的存款越少，銀行面臨的由于儲戶提現產生流動性風險的可能性越大，同時更多貸款意味著可能產生更大的損失。因此存貸比越高，銀行業的系統性風險越大。

資本充足率（CAR）是銀行所有資產中核心資本的比例。這部分資產是銀行自有的，是發生危機后，銀行自身不受侵蝕的資產。銀行的資本充足率越大，表示銀行抵抗風險的能力越強，發生系統性風險的可能性越小。

不良貸款率（NPLR）是銀行貸款中不良貸款所占的比例。按照貸款五級分類可以將銀行貸款分為正常、關注、次級、可疑和損失，其中次級、可疑和損失是屬于不良貸款的范疇，銀行的不良貸款率越高表示企業的還款能力越差，發生系統性風險的概率越高。

為了構建系統性風險的預警模型，需要對上述三個衡量系統性風險的指標進行主成分分析，將其綜合成一個指標，以便進行回歸分析。

表1 系統性風險指標構成

本文使用的工具是MATLAB，數據來源為WIND金融終端，上述三個指標取13家上市銀行各項指標的算術平均值，包括中國銀行、中國農業銀行、中國建設銀行、中國交通銀行、中國工商銀行、中信銀行、民生銀行、招商銀行、光大銀行、平安銀行、北京銀行、寧波銀行、華夏銀行。數據區間為2007年第一季度到2014年第三季度。

主成分分析的結果表如表2所示。

表2 主成分分析結果表

第一個成分的方差奉獻率為0.695，對于三個指標的綜合具有比較好的代表性，主成分分析系數的矩陣見表3。

表3 主成分系數

第一個主成分結果的表達式為F1=0.172×存貸比-0.895×不良貸款率+0.678×資本充足率，本文用RISK來表示系統性風險，也即是RISK=0.172×LTDR-0.895×NPLR+0.678×CAR。

1.2 系統性風險預警模型的建立與分析

（1）指標選取

由于系統性風險的度量指標是以季度為頻率進行公布，為了滿足預警模型的要求，選取的解釋變量必須是頻率更小的指標，一般是以月度或者以天公布。基于我國宏觀經濟的實際運行情況和數據的可得性，本文選擇以下指標：①宏觀流動性的指標：M2增長率，外匯儲備的增長率；②資金價格指標：利率、匯率、CPI；③宏觀經濟運行指標：PMI；④房地產相關指標：房地產價格同比、房地產開發增速。選擇房地產作為預警模型指標有以下幾方面的原因，首先房地產是我國國民經濟的支柱產業，其發展的盛衰直接關系著國民經濟的好壞，固定資產投資大部分來源于房地產投資，因此可以使用房地產投資增速代替固定資產投資增速；其次，房地產行業的資金來源中有30%以上來源于銀行貸款，其發展對銀行業系統的影響非常大；最后，銀行貸款中直接流向房地產企業的占比26%，加上個人住房貸款和間接流向房地產企業的資金，占到銀行貸款的60%以上。

（2）數據來源

本文分析的數據區間為2006年第一季度到2014年第三季度，數據來源于WIND金融終端，其中利率的衡量指標為同業拆借加權平均利率，各變量名及其表示如表4所示。

表4 變量名對照表

（3）相關性檢驗

由于本文的解釋變量比較多，為了避免回歸結果的多重共線性，導致參數和統計指標的失真，影響回歸結果的準確性，解釋變量的相關性檢驗結果如表5所示。

表5 相關性檢驗表

從上表的相關性檢驗可以看出，外匯儲備和匯率的相關性較高，廣義貨幣M2的增長率和同業拆借利率的相關性較高，因此在做回歸分析時，上述相關性較高的變量只能選擇其中一個。

（4）模型構建

以上述的分析為基礎，本文在建立回歸模型時采用5個變量，通過逐步回歸法，保留擬合優度較高且解釋變量都十分顯著的回歸模型，最終建立如下模型：

2 實證分析

2.1 平穩性檢驗

為了避免偽回歸的現象，首先需要對變量的平穩性進行檢驗，本文采取的是ADF檢驗法，結果見表6所示。

從表6的平穩性檢驗結果可以看出，系統性風險RISK、房地產開發投資增速DEV、匯率EX_R、同業拆借利率RATE一階單整，房地產價格同比增速平穩，回歸方程左右兩邊的單整階數相同，符合回歸分析的條件。

2.2 回歸結果

表6 平穩性檢驗表

以系統性風險為被解釋變量的回歸結果如表7所示。

表7 回歸結果表

從表7的回歸結果可以看出，房地產價格同比增速、利率、匯率以及房地產投資增速在1%的置信度水平下對系統性風險有顯著的影響。其中房地產價格同比增速和同業拆借利率對系統性風險具有正的影響，房地產開發投資增速和匯率對系統風險具有負的影響。根據我國的實際情況，房地產價格走高，表示房地產行業的泡沫越高，會吸引一些投機性廠商進入房地產行業，這部分投機性廠商破產的可能性很大，從而導致銀行還款沒有保障，系統性風險增加。同業拆借利率的走高使得房地產行業的融資成本增加，還款壓力增加，產生壞賬的可能性增大，也導致系統性風險增加。房地產開發投資增速的提高，表示房地產企業對經濟前景比較看好，會帶動下游行業的投資，從而帶動經濟增長，使得系統性風險減少。匯率的提高導致熱錢流入增加以及市場對國內經濟的看好，一定程度上可減少經濟的系統性風險。

2.3 計量檢驗

為了檢驗模型是否穩定，需要對殘差進行計量檢驗，包括殘差的平穩性檢驗以及序列相關性檢驗，其中對于殘差的平穩性檢驗是為了保證模型中的變量具有長期穩定的關系，使用的方法ADF檢驗，而對于殘差的序列相關性的檢驗使用的方法是Q檢驗。

表8 殘差ADF平穩性檢驗表

從表8ADF檢驗的結果可以看出殘差序列是平穩的，也即是上述的各個變量之間存在長期的穩定關系。對殘差進行序列相關檢驗的結果如圖1所示。

圖1 Q檢驗結果

從圖1可以看出，殘差不存在自相關和偏自相關性，因此殘差不存在序列相關，模型的參數估計具有可靠性。

2.4 閥值的設定

設置預警閥值的目的是能夠提前預知系統性風險，本文實證分析的解釋變量都是以月度為頻率公布，可以滿足提前預知系統性風險的目的。設置預警閥值的步驟是對模型擬合值的時間序列進行統計分析。一般來說時間序列可以分解為長期趨勢、短期趨勢和隨機趨勢，通過觀察時間序列的規律，尋找時間序列波動的閥值，當時間序列的波動超過閥值時，則表示出現了小概率事件。本文通過分析系統性風險的擬合值的規律，設定其閥值，當根據預警模型回歸得出的擬合值超過時間序列的閥值時，則表示此時存在系統性風險。

首先對回歸模型的擬合值，進行k-s檢驗，使用的工具是MATLAB。在進行正態性檢驗前，可以先觀看模擬擬合值的頻率直方圖，如圖2所示。

圖2 擬合值序列頻率直方圖

從圖2可以看出，模型擬合值的頻率直方圖基本上符合兩邊少、中間多的特征。而對模型擬合值進行k-s檢驗的結果表明模型的擬合值符合正態分布，正態分布所具有的特點是時間發生大部分分布在均值的周圍，離均值很遠的值為小概率事件。模型擬合值的均值為1.4140，模型擬合值的標準差為0.7653，本文定義系統性風險大于90%的置信度水平時存在輕微的系統性風險，系統性風險大于95%的置信度水平時存在比較嚴重的系統性風險，系統性風險大于99%的置信度水平時存在嚴重的系統性風險，分別對應著系統性風險值偏離均值1.28個標準差、均值1.65個標準差、均值2.33個標準差。

當模型的擬合值在[0.4344,2.3936]之間時，表示不存在系統性風險，當模型的擬合值在[2.3936,2,6767]之間時，表示存在輕微的系統性風險，當模型的擬合值在[2.6767,3.1971]之間時表示存在比較嚴重的系統性風險，當模型的擬合值大于3.1971時表示此時存在嚴重的系統性風險。

2.5 實證分析

以上述閥值為基礎，根據2007年1月至2014年9月我國經濟的運行情況進行賦值以檢驗本文構建的系統性風險閥值是否可以很好的擬合現實情況，具體閥值情況如表9所示。

表9 穩健性檢驗

從表9可以看出，只有在2007年和2008年兩年存在系統性風險，也與現實情況比較相符，同時可以看出，目前我國的系統性風險正處于比較平穩的狀態。

3 加強宏觀審慎監管的政策建議

3.1 以預警模型為基礎相機決策監管

無論是GDP數據還是銀行的財務報表都是以季度為單位進行公布，監管部門若以上述數據為依據進行決策，會存在顯著的時滯。本文建立的預警模型是以月度數據為單位進行測算，若存在系統性風險的可能，本模型能夠提前2個月對系統性風險進行預警。因此當中央銀行使用預警模型擬合的風險值在[0.4344,2.3936]之間時，不需要采取特殊的措施。當擬合的風險值在[2.3936,2,6767]之間時，表明存在輕微的系統性風險，此時只需要中央銀行通過向市場注入流動性就能夠控制住，具體的措施可以使用SLF（Standing Lending Facility,常設借貸便利）或者降息、降準。當模型擬合的風險值在[2.6767,3.1971]之間時，表示存在比較嚴重的系統性風險，若不及時采取措施，極有可能引發嚴重的經濟衰退，此時需要同時采用貨幣政策和財政政策對沖系統性風險，貨幣政策在此時使用力度最大的降低法定存款準備率，財政政策采用減稅和加大對基礎設施建設。當模型擬合的風險值大于3.1971時，表示此時存在嚴重的系統性風險，應采取一切可行的措施維護市場的信心，維護經濟穩定和金融穩定。

預警模型的建立也不是一蹴而就，新情況和新工具會不斷出現，經濟瞬息萬變，監管部門需要根據新情況對預警模型的預警變量和閥值進行調整，本文認為2-3年對變量和閥值進行調整可以很好的適應新情況。

3.2 完善銀行體系的壓力測試應用

銀行在國民經濟和系統性風險的度量等方面具有不容忽視的作用，因此對銀行體系進行壓力測試具有必要性。壓力測試可以使監管部門了解銀行部門可以承受的波動，從而更好的制定政策。壓力測試原則應該覆蓋銀行盡可能多的業務和風險類型，模擬多種場景可能出現的損失和制定相應的對策。

一方面，改進對我國銀行體系宏觀審慎監管框架下的壓力測試應用，構建適合我國銀行體系現狀的壓力測試系統，包括相應的壓力測試情景設計與宏觀經濟結構化模型。這點上，監管機構應該有效借鑒國外宏觀壓力測試技術并結合我國國情進行有效創新，開發出適合我國銀行體系的壓力測試系統。

另一方面，完善數據采集工作，提高宏觀壓力測試的效率。建設相應的銀行體系宏觀審慎監管數據庫，有效擴充我國銀行體系穩健性各指標數據以及早期預警指標數據，為宏觀壓力測試提供有效數據支持，以進一步提高壓力測試的效率，便于及時做好對宏觀審慎監管政策的改進。

3.3 加強對系統重要性金融機構的監管

傳統監管政策潛在地奉行“太大而不能倒”的觀念，這將導致大型金融機構的道德風險，也可能帶來系統性風險。在政府的隱性擔保下，金融機構更傾向盲目追求規模的擴張,從事高風險的冒險投資行為，這些都積聚了系統性風險。因此，必須解決“太大而不能倒”的問題。

首先，科學界定系統重要性金融機構（SIFIs，Systemically Important Financial Institutions）。借鑒金融穩定委員會（FSB）、國際貨幣基金組織（IMF）、巴塞爾委員會（BIS）等國際金融監管組織的SIFIs評估標準，除了關注規模、關聯性、可替代性這三個主要指標，還應考慮金融機構的復雜性、相互聯系程度，以及其業務模式可能帶來的過高杠桿率或過高風險融資結構，這些也是導致系統性風險過高的重要因素。

其次，對系統重要性金融機構的監管應分為兩個層次：一方面，對SIFIs的監管建立在在對系統性風險監管的基本原理之上，審慎控制、信息披露、金融穩定是其三大支柱。另一方面，結合巴塞爾協議III推崇的宏觀審慎監管與微觀審慎監管并重的監管理念，對SIFIs還應實行更為嚴格的監管要求。如巴塞爾協議III提出的1%附加資本要求，IMF提出引入“系統性風險資本附加費”等，通過在監管資源上有所傾斜，將系統性風險控制在監管源頭。

[1]Adrian.T,Brunnermeier,M.CoVaR[R],Federal Reserve Bank of New York Staff Reports,No.348,2011.

[2]Acharya V..A theory of Systemic Risk and Design of Prudential Bank Regulation[J].Journal of Financial Stability,2009，(5).

[3]Brunnermeier,M.K.,Pedersen,L.H.Market Liquidity and Funding Liquidity[J].The Review of Financial Studies,2009,22(6).

[4]Brownlees,C.,Engle,R.Volatility.Correlation and Tails for Systemic Risk Measurement[R].NYU-Stem Working Paper,2012.

[5]王靖國.順周期行為機制下的系統性金融風險：理論與實證分析[D].財政部財政科學研究所，2011.

[6]麥強盛.基于宏觀審慎監管的銀行業系統性風險研究[D].暨南大學，2011.