同業拆借市場行為效應與流動性風險的宏微觀審慎管理

摘 要：本文從同業拆借市場的行為主體、監管主體出發，分析并檢驗同業拆借市場的三種行為效應——旬相關效應、收益非對稱效應、月內與月份效應。同業拆借利率存在旬相關效應，由存款準備金按旬考核引起，隨同業業務多元化而減弱；同業拆借利率收益存在非對稱效應，四大國有商業銀行及郵儲銀行擁有資金優勢，可從同業交易中獲得更多的利益；同業拆借利率存在月內效應與月份效應，存貸比的時點考核導致下半月同業拆借利率較高，由于基礎貨幣的投放與回收、銀行信貸投放等導致同業拆借利率的月份效應。結合行為效應，本文從宏微觀審慎管理角度，對同業拆借市場流動性風險管理提出相關建議。

關鍵詞：同業拆借；行為效應；流動性風險

中圖分類號：F832.2 文獻標識碼：A 文章編號：1003-9031（2015）01-0015-06 DOI：10.3969/j.issn.1003-9031.2015.01.03

隨著資本市場的發展和金融脫媒的深化，銀行同業業務快速發展，同業拆借市場規模激增。央行統計數據顯示，2009—2013年，銀行業金融機構納入存放同業、拆出資金和買入返售金融資產項下核算的同業資產從6.21萬億元增加到21.47萬億元，是銀行業總資產和貸款增幅的1.79倍和1.73倍。同業業務的過度擴張，導致金融風險關聯度大幅提高，金融系統脆弱性上升，發生系統性風險的可能性增大。部分商業銀行資金來源過度依賴同業拆借，并將拆借資金當作放貸或者購買理財產品的長期資金使用，資金期限錯配問題嚴重，流動性風險凸顯。2013年的“錢荒”，給同業拆借市場的流動性風險敲響了警鐘。存貸比、流動性比例、超額備付金率、流動性缺口等傳統的流動性風險指標已經不能很好地對同業業務的流動性風險進行監控，部分原因是同業拆借市場存在非對稱效應、月份效應等行為效應，為了更好地管理同業拆借市場的流動性風險，有必要對同業拆借市場的行為效應進行研究。

一、文獻綜述

從已有的文獻看，專門針對同業拆借市場的行為效應進行研究的很少，與同業拆借市場的行為效應相關的文獻研究包括以下幾方面。

同業拆借利率的波動聚集特性與利率風險研究。一般認為，同業拆借利率存在條件異方差，同業拆借市場的利率風險近年來有所上升。張娜等（2006）運用GARCH模型測量同業拆借市場的波動性，發現波動規律符合GARCH模型的滯后項平滑遞減規律；李成等（2007）利用2002年11月11日至2006年3月30日的同業拆借利率數據，建立基于GARCH的利率風險測度VaR模型進行實證，認為GED分布對同業拆借利率序列的分布更好地擬合，同時認為我國銀行間同業拆借市場的利率風險較低[2]。曹志鵬等（2008）利用1996—2008年CHIBOR每周加權平均利率，對不同分布下的GARCH模型族進行對比分析，得到與李成等相似的結論，并認為在GED分布下，EGARCH模型更適合描述中國銀行間同業拆借利率序列[3]。高岳等（2009）運用AR-GARCH模型描述同業拆借利率對數收益序列的自相關和方差集聚性，并計算近似獨立同分布的殘差序列，再運用POT方法對殘差序列進行極值分析，最后得出同業拆借利率的VaR和ES值，分析了我國同業拆借利率市場的系統性風險[4]。房小定等（2013）認為同業拆借市場存在“反杠桿效應”，即正的沖擊比負的沖擊會引起同業拆借利率市場更大的波動性，并利用GARCH（1，2）-GED與EGARCH（1，2）-GED模型，分別在95%與99%的置信水平下得出上海同業拆借利率的VaR值[5]。

同業拆借市場的穩定性研究。大部分研究認為，我國同業拆借市場具有較強的穩定性，發生流動性風險的可能性較小，這主要是指2010年以前。李守偉（2011）等通過復雜網絡方法分析了我同業拆借市場的穩定性，采用閾值法構建銀行有向網絡模型，實證得出：銀行網絡對于隨機性攻擊具有較高的穩定性，對于選擇性攻擊具有較低的穩定性[6]。劉超等（2014）使用復雜網絡方法，考察金融危機期間我國同業拆借市場的市場性與穩定性，得出在應對金融危機過程中同業拆借利率表現出基準利率所具有的市場性和穩定性特點[7]。彭建剛等（2013）采用壓力測試方法分析我國銀行間同業市場上分類交易商之間的流動性風險傳染效應，認為大規模流動性沖擊會導致流動性風險蔓延和同業市場交易量萎縮，但在小規模流動性沖擊下風險具有收斂性[8]。Cai等（2010）在銀行主體建模時考慮了資產流動性因素，在具有任意結構的金融網絡中研究系統的和特殊的沖擊、網絡結構的變化以及資產市場流動性對傳染風險的影響，研究發現系統呈現出穩健但脆弱的趨勢[9]。

本文從同業拆借市場的行為主體、監管主體出發，結合現實情況與相關數據，基于行為主體商業銀行對監管制度的反應、行為主體不同時間段的反應、行為主體之間的相互博弈，分析同業拆借市場的行為效應，并通過相關理論模型、實際數據對這些行為效應進行驗證，進一步從宏微觀審慎管理角度提出了同業拆借市場流動性風險管理的建議。

二、同業拆借市場行為效應

（一）同業拆借利率的旬相關效應

在我國，中國人民銀行按旬考核金融機構的法定存款準備金；按上旬末一般存款余額來確定計提基數。

由于商業銀行存款準備金按旬考核，當接近旬的時點，法定存款準備金不足的商業銀行從同業拆借市場拆借資金，以滿足考核的要求，接近旬點的同業拆借利率在資金需求增加的情況會上升，因此旬數據與旬數據之間存在某種關聯。從時間序列上來看，相隔固定時間的同業拆借利率可能表現出自相關。

同業拆借市場的功能逐漸多元化，存款準備金業務占同業拆借市場的比例越來越低，同業拆借利率的旬相關效應隨著時間的推移也越來越弱。本文提出并檢驗隔夜同業拆借利率存在以旬為周期的旬相關效應。

（二）同業拆借利率的非對稱效應

大型國有商業銀行資金相對充裕，是同業拆借市場資金的主要供給方，區域性中小型銀行資金運用渠道相對單一，也是資金的供給方，這兩類機構的同業業務以資產方運用為主。其中，四大商業銀行以及中國郵政儲蓄銀行擁有資金上的優勢，在同業拆借市場處于明顯的強勢地位。以股份制商業銀行和部分跨區域經營的城商行為主的全國性中小型銀行經營較為活躍，其主要通過在同業市場吸收資金進行高盈利性運作，同業業務以負債方吸收資金為主。據中國貨幣網統計數據，2014年1-6月，股份制商業銀行同業拆入資金余額為12166.66億元，大型商業銀行為5707.25億元，股份制商業銀行是同業拆借市場的主要資金需求方。

同業拆借利率上漲的速度快于下跌的速度，本文認為這是由同業拆借市場資金供給方相對強勢所導致的。四大國有商業銀行及中國郵政儲蓄銀行是資金的主要供給方，其同業拆出資金的數量與規模在同業拆借市場中比重較高，對同業拆借市場的利率影響較大，當同業拆借資金的需求大于供給，同業拆借利率上漲較快；當同業拆借資金的需求下降時，四大國有商業銀行及中國郵政儲蓄銀行可以減少同業資金的供給，使供求達到平衡，從而可以延緩同業拆借利率的下降。

（三）同業拆借利率的月內效應與月份效應

在分析同業拆借市場的月內效應與月份效應之前，首先有必要了解“信貸限額制度”。我國對貸款實行“限額管理，以存定貸”，并實行季度監控，貸款最高限額按季度核批，分別由中央銀行和商業銀行進行監控，存貸比是主要信貸限額指標。

銀行考核指標包括日均指標和時點指標兩類，存貸比指標屬于時點指標。銀監會要求商業銀行存貸比底線為75%，主要在月末進行考核。部分商業銀行一般在月初的信貸投放較多，存貸比等指標很可能不滿足銀監會的規定，因此，臨近月末，這些商業銀行從同業拆借市場上大量拆借資金，而同業拆借不計入存款準備金與存貸比指標考核，這樣就可以滿足銀監會存貸比的要求。然而，這也導致下半月同業拆借市場資金相對緊張，同業拆借利率較高，從而出現同業拆借利率“上半月低、下半月高”的月內效應。

同業拆借利率的月份效應是指：某些月份的利率較高，某些月份的利率較低，表現更為復雜。這里結合基礎貨幣的投放與回收、銀行信貸投放以及理財產品三方面的原因來分析月份效應。

首先來看基礎貨幣的供應。圖1為2010-2013年各月的基礎貨幣M0平均供應量，中央銀行的基礎貨幣供應存在明顯的月份效應，中央銀行在年初與年底的基礎貨幣M0供應規模相對較大，而在年中的基礎貨幣供應量則是最低的。年中上市商業銀行還面臨著績效考核的壓力，在臨近年中前放貸的沖動較大，對資金需求也較大。其中最主要的包括企業所得稅的集中繳存（基礎貨幣通過財政存款的形式，回歸央行系統）、存補交款準備金、銀行分紅等。這往往導致6月份商業銀行的資金緊缺，同業拆借利率上升。整體來看，在年初與年終由于基礎貨幣供應量較大，資金較充裕，同業拆借利率起伏相對不大。

其次看銀行的信貸投放情況。以上市公司的季報、年報數據進行分析，2013年，五大國有銀行一季度的發放貸款及墊款占全年的93.9%，其余三個季度均為2%左右；興業銀行、北京銀行等股份制商業銀行與城市商業銀行的占比也相差不大。但從2010-2013年的趨勢看，一季度發放貸款及墊款占比呈上升趨勢，2010年五大國有銀行的占比為90.6%，2013年上升至93.9%；北京銀行2010年占比為87.6%，2013年占比為96.6%。一季度的貸款發放集中，其余季度的信貸額度被擠壓，資金面較緊張，當資金需求增加時，需要大量從同業拆借市場拆借資金，導致同業拆借利率上升。

最后看理財產品等原因。2010年來，攬存沖時點成為一個日趨激烈的變量，并衍生出大規模理財產品到期兌付問題。由于存在季度考核的壓力，商業銀行基層機構傾向于在年末、季末安排理財產品的發行、到期期限等，使存款短期回流，增加資金的需求，對同業拆借市場產生沖擊。

三、同業拆借市場行為效應檢驗

（一）同業拆借利率的旬相關效應檢驗

同業拆借利率的旬相關效應主要是由商業銀行的法定存款準備金是按旬考核所引起的。經分析發現，由于是超短期的用途，隔夜同業拆借利率存在旬相關效應，而7日同業拆借利率沒有旬相關效應。下面，我們對隔夜同業拆借利率的旬相關效應進行檢驗。數據來源于全國銀行間同業拆借中心。

1. 規范化序列。由于存在節假日及調休，旬與旬之間的數據平均相差并不是8天左右（10天減去2天），直接對隔夜同業拆借利率進行建模，并不存在AR（8）的自相關性，因此需要對序列進行規范化。首先，將隔夜同業拆借利率序列中非星期一至星期五的值去掉；然后，將節假日的數據補齊。由于隔夜同業拆借利率與前一日的相關性很強（0.9左右），因此，缺失值以前一日的隔夜同業拆借利率代替。這樣，隔夜同業拆借利率序列就變成了只包含星期一至星期五數據的序列。這里的隔夜同業拆借利率序列從2006年10月8日開始，至2013年12月31日結束。

2.檢驗模型。旬與旬之間的數據約為8天，檢驗模型可設定為如下形式：

首先對序列的平穩性進行檢驗，ADF統計量為7.752，在1%的水平下顯著，表明隔夜同業拆借利率序列是平穩序列，通過隔夜同業拆借利率序列的自相關圖觀察到序列可能存在1階、8階、16階自相關，因此，按式（1）設定的模型進行檢驗（見表2）。

模型2與模型3的回歸結果顯示，2010年以前，隔夜同業拆借利率的旬相關效應相對較顯著，AR（8）與AR（10）項系數之和大于12%，2010—2013年，隔夜同業拆借利率的旬相關效應日趨減小，其中，AR（8）不顯著，AR（8）與AR（10）項系數之和小于8%。影響效應減小的一個原因是：目前同業拆借市場中，用于金融機構（主要是商業銀行）之間存款準備金余缺調劑占比日趨減少，而用于同業存放的資金比例日益增加。

（二）非對稱效應檢驗

借鑒蔡曉春等（2012）[8]，使用EGARCH模型對同業拆借利率收益非對稱效應進行檢驗，數據為隔夜同業拆借利率、7日同業拆借利率，數據區間為2006年10月8日—2013年12月31日。

1.模型形式

隔夜同業拆借利率序列具有平穩性特征，描述性統計顯示JB統計量為6582，偏度為1.9，峰度為11，序列具有明顯的尖峰厚尾特征，可對其進行EGARCH建模。在EGARCH模型中，由于引入了非對稱效應，AR（8）與AR（16）并不顯著，結合SC準則，確定最終的方差方程為式（2），均值方程為：

2.結果分析

通過Eviews6得到的回歸結果見表2。在EGARCH模型里，利空消息對方差的沖擊為α-λ；利好消息為α+λ。可以看出，利空消息對方差的沖擊為-0.262，利空消息會減小方差，利好消息對方差的沖擊為0.452，利好消息將增大方差，即當隔夜同業拆借利率下降時，會導致同業拆借利率下降較慢，當隔夜同業拆借利率上升時，會導致同業拆借利率快速上升。這驗證前面的同業拆借收益非對稱效應。

同樣，對7日同業拆借利率進行EGARCH建模，利空消息對方差的沖擊為0.025，利好消息對方差的沖擊為0.43。利好消息對方差的沖擊要大于利空消息對方差的沖擊。

（三）月內與月份效應檢驗

對2007—2013年同業拆借利率數據進行計算，得出一個月之內每天的平均值（見圖2、圖3）。2007—2013年，上半月的平均隔夜、7日同業拆借利率為2.23、2.77，下半月的平均隔夜、7日同業拆借利率為2.48、3.11；2007—2009年，上半月的平均隔夜、7日同業拆借利率為1.77、2.23，下半月的平均隔夜、7日同業拆借利率為1.83、2.37；2010—2013年，上半月的平均隔夜、7日同業拆借利率為2.57、3.17，下半月的平均隔夜、7日同業拆借利率為2.97、3.67；下半個月的同業拆借利率明顯高于上半月，尤其是從2010年開始；7日同業拆借利率上半月與下半月的差距要大于隔夜同業拆借利率。這說明，同業拆借市場存在商業沖時點的效應，由于存貸比指標主要在月底考核，為符合監管要求，臨近月底時，部分銀行大量從同業拆借市場拆借資金，資金需求增加，導致下半月的同業拆借利率上升。由于周期較長，7日同業拆借利率的月內效應更為明顯。

模型1的回歸結果顯示，隔夜同業拆借利率存在旬相關效應，當日的隔夜同業拆借利率主要受前一日的隔夜同業拆借利率影響，也受上一旬與上兩旬的隔夜同業拆借利率影響，但旬效應相對較弱，其影響效應小于10%（0.033+0.053=0.086）。

由于諸多因素的影響，同業拆借利率的月份效應表現得較為復雜。2010年以前，理財產品規模相對較小，對同業拆借利率的影響較小，同業拆借利率主要受貨幣供應量與銀行信貸計劃的影響，在年初與年末，基礎貨幣供應量M0規模較大，商業銀行資金較為充裕，同業拆借利率較小，由于信貸投放主要集中于上半年，下半年信貸資金偏緊，需要從同業拆借市場拆借資金，資金需求量增加，1—10月，同業拆借利率呈上升趨勢。

2010年以后，6月份的月份效應十分明顯，主要是由于上面所提到的中央銀行的M0供應量較低、大量的基礎貨幣的回收所導致。由于受理財產品發行與到期的影響，年初、年末對資金的需求也有所上升，這樣就導致了年初、年終、年末同業拆借利率較高。除去6月的異常影響，3—12月，同業拆借利率呈上升趨勢。

四、同業拆借市場流動性風險的宏微觀審慎管理

（一）同業拆借市場的流動性風險

同業拆借市場規模大，對銀行經營影響變大。央行數據顯示，2012年，銀行間市場同業拆借成交46.7萬億元，占銀行業金融機構資產總額的34.9%，2013年銀行間市場同業拆借成交額有所下降，為35.5萬億元，占銀行業金融機構資產總額的23.5%。2012年6月同業拆借利率飆升對銀行流動性風險形成了巨大考驗。

同業拆借中的“買入返售”會加大銀行的流動性風險。商業銀行利用“買入返售”（2013年6月，16家上市商業銀行買入返售占同業資產的48.3%），將貸款發放給由于信貸調整政策對相關行業貸款的限制及對融資主體的要求而無法發放的客戶，具體操作流程為：A銀行為了向不滿足授信要求的客戶B放貸，通過信托公司C成立單一信托向其放貸，由銀行D買入該信托，銀行A再向銀行D出具一份兜底函，信托到期后溢價買回信托收益權。同業業務的風險權重為25%，而信托受益權則為100%，通過“買入返售”，可以減少商業銀行的資本占用，并且可規避信貸規模、投向、資本金要求等監管政策限制，這些資金流向了房地產等周期性較強的行業，增加了同業拆借市場的信用風險與利率波動風險，一旦發生違約，會導致同業拆借市場流動性短缺。

同業拆借中的另一風險是期限錯配，部分商業銀行通過拆短投長，將同業存放資金、拆入資金投資于期限較長的票據類資產及買入返售資產以獲取更高的收益。商業銀行利用同業業務等短借長貸，增加了資產負債結構對利率風險的敞口，加大了商業銀行對流動性的需求，使得商業銀行對貨幣市場依賴程度上升，引發銀行系統流動性風險的概率上升。

（二）宏微觀審慎管理

1. 宏觀審慎層面，提高央行的基礎貨幣供應與市場對資金季節性變動需求的一致性

央行年中的基礎貨幣供應量是最低的，年中大量的基礎貨幣被回收，與商業銀行的季度績效考核相重疊，導致商業銀行流動性緊張，同業拆借利率上升。因此，建議央行的基礎貨幣供應與市場對資金季節性變動需求的一致。

2. 大型商業銀行、郵儲銀行在預防同業拆借市場的流動性風險中應發揮重要作用

從同業拆借規模來看，四大國有商業銀行、郵儲銀行可看作是同業拆借市場中的“系統重要性銀行”，其對同業拆借市場影響更大，因此應承擔更多的責任，在同業拆借市場流動性短缺的情況下，應積極提供資金支持，防止同業拆借利率過度波動，尤其是在季度末、下半月及旬末等關鍵時期與時點。

3. 微觀審慎層面，分期限對同業存款征收存款準備金，并提高風險計提撥備水平等

為了防止監管套利，監管部門可將同業存款是視同為一般存款，繳納存款準備金。建議1個月或者3個月以下的銀行之間的頭寸拆借設置較低存款準備金率，對于期限較長、用于信托、間接向限制銀行放貸的同業存款，監管部門設置較高存款準備金率，并對其征收存款準備金，納入存貸比指標監管。

同時，從風險控制的角度，提高對同業業務相關科目的風險計提撥備，如有信托收益權的同業返售資產，計提與100%風險權重相等的凈資本。

此外，還應加強對商業銀行流動性覆蓋率（LCR）指標的考核，全面考慮表內外資產、負債情況，能夠較好地對同業拆借市場的流動性風險進行監控。

參考文獻：

[1]張娜，黃新飛，劉登.我國同業拆借市場利率的波動性[J].統計與決策，2006（8）：121-123.

[2]李成，馬國校.VaR模型在我國銀行同業拆借市場中的應用研究[J].金融研究，2007（5）：62-77.

[3]曹志鵬，韓保林.中國銀行間同業拆借市場利率波動模型研究[J].統計與信息論壇，2008（12）：59-63.

[4]高岳，朱憲辰.基于極值理論的同業拆借利率風險度量——基于AR-GARCH-POT方法的VaR值比較研究[J].數量經濟技術經濟研究，2009（8）：35-147.

[5]房小定，呂鵬.基于GARCH模型的上海同業拆借利率風險度量[J].西安電子科技大學學報（社會科學版），2013（4）：18-27.

[6]李守偉，何建敏，莊亞明，施亞明.基于復雜網絡的銀行同業拆借市場穩定性研究[J].管理工程學報，2011（2）：195-199.

[7]劉超，吳明文，馬玉潔.基于復雜網絡的同業拆借市場特性研究以金融危機時期（2007～2009）年數據為例[J].財經理論與實踐，2014（2）：9-15.

[8]彭建剛，童磊.同業拆借視角下銀行業流動性風險傳染效應研究[J].湖南社科學，2013（5）：141-145.

[9]Gai P， Kapadia S.Contagion in Financial Networks[R].Bank of England Working Paper， 2008.

[10]Engle Robert F， Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation [J].Econometrica， 1982（50）：987-1007.

[11]Nelson DB， Conditional Heteroskedasticity in Asset Returns： A New Approach [J].Economitrica， 1991（59）.

[12]常曄.同業業務發展原因及其對宏觀調控和金融穩定的影響[J].海南金融，2014（10）：53-55、62.

（特約編輯：陳國權）