商業銀行行業風險敞口與商業銀行績效

劉志洋　蘇辛

摘 要：商業銀行的行業風險敞口與商業銀行績效密切相關。中國數據實證分析表明，銀行財務報表中會計占比較大的行業并非是市場認為的銀行風險敞口最大的行業；股份制商業銀行對各行業風險敞口較高。整體上商業銀行對各行業的風險敞口對商業銀行股票波動率、收益率和市值與賬面價值之比具有顯著影響，但行業風險敞口對銀行系統性風險貢獻度的影響不顯著。

關鍵詞： 風險敞口；銀行績效；CoVaR

中圖分類號：F830.33 文獻標識碼： A文章編號：1003-7217（2016）02-0009-06

一、引 言

商業銀行對不同行業的風險敞口暴露會影響銀行的風險以及銀行體系的穩定。銀行信貸集中度對銀行風險承擔行為和銀行體系的穩定會產生兩種效應。一方面，傳統的資產組合理論認為，分散貸款可以最大限度地降低非系統風險；另一方面，將貸款集中投向某幾個領域，有助于銀行對借款人進行監督，更有利于降低銀行信用風險，增加銀行收益。如果銀行專注于某些領域發放信貸，則銀行就能夠獲得專業技能，使得銀行能夠提前感知風險的增加，從而有助于銀行迅速采取相關措施。正如Stiglitz and Weiss（1981）指出，可信的貸款監測能夠降低借款人的風險轉移（Risk shifting）效應[1]。從系統性風險來看，如果一國銀行體系信貸不是非常分散，則很有可能會導致銀行貸款風險敞口基本一致，導致金融體系同質性顯著上升。進一步講，即使銀行能夠分散貸款投放，銀行體系還是有可能出現同質性的，這意味著金融機構可能會同時出現困境。Wagner（2010）指出，即使銀行能夠有效分散貸款組合，銀行的分散化貸款組合也可能趨同[2]。

由于銀行貸款無法完全細分，或者銀行無法完全分散化貸款投放，因此，銀行必然會面臨著信貸集中度風險。安然事件和世通事件證明銀行貸款過于集中對銀行的負面影響。巴塞爾委員會2004年的研究表明，20世紀13次銀行業危機均與信用風險過度集中相關，這也是為什么在新巴塞爾資本協議中，巴塞爾委員會將集中度風險納入巴塞爾監管框架第二支柱。在巴塞爾協議2.5和巴塞爾資本協議III中，均保持了對集中度風險的監管要求。發達國家的實證分析表明，行業風險敞口暴露對于銀行經濟資本和銀行績效具有顯著影響。Winton（1999）研究表明，分散化貸款會降低銀行行使貸款監督職能的動機，從而會增加銀行倒閉概率[3]。Duellmann and Masschelein（2007）研究表明，如果銀行將貸款投放至一個行業，則經濟資本會增加11.7%[4]。Acharya et al（2006）對意大利[5]、Hayden et al（2007）[6]對德國的實證研究表明，銀行專注于對特定行業發放貸款會降低貸款損失程度。Boeve et al（2010）研究表明，與分散化貸款相比，德國銀行在專注幾個行業發放信貸方面，更能有效行使監督職能[7]。Tabak et al（2011）研究認為，巴西銀行集中貸款比分散化貸款更能夠提高銀行績效[8]。

2008年金融危機爆發后，實施宏觀審慎監管，保證金融體系穩定成為各國監管當局的共識。銀行對各個行業風險敞口暴露常常被監管當局和學術界認為是影響銀行風險和金融體系穩定的重要因素之一。為此，本文以中國16家上市商業銀行為研究樣本，運用基于股票收益率數據的方法和基于年報數據的方法，測算中國上市商業銀行對27個行業的風險敞口暴露及其對銀行績效和銀行體系穩定的影響，以期為中國實施宏觀審慎監管提供參考。

二、商業銀行績效變量選擇

本文的研究樣本為中國16家上市商業銀行，樣本時間為2006～2013年。選取四個變量表征銀行績效（即后文的Performance變量），分別是銀行股票年度收益率、銀行股票年度波動率、年度市值與賬面價值之比以及銀行系統性風險貢獻度（△CoVaR）。前三個數據來源于國泰安數據庫，而△CoVaR需要計算得到。

在風險管理實踐中，VaR方法是度量組合收益下行風險最為常用的方法。對于給定置信區間，x%水平下的VaR表示在一段時期內，組合的損失有x%的可能高于VaR值，即VaR值是組合損失分布x分位點的數值。CoVaR方法在VaR方法基礎上發展起來。CoVaR是指當一家金融機構出現危機時，整個系統的VaR值，即它是一個基于“條件”的概念。

（二）行業風險敞口與商業銀行績效回歸分析

本文運用2006～2013年股票日度收益率的數據求解中國16家上市商業銀行對27個行業在99個分位點的風險敞口暴露狀況②。選取的27個行業指數來自大智慧行業指數，具體包括：房地產、電力、外貿、商業連鎖、有色金屬、電器、運輸物流、造紙印刷、工程建筑、計算機、機械、煤炭石油、化工化纖、儀電儀表、供水供氣、建材、電子信息、釀酒食品、旅游酒店、鋼鐵、醫藥、紡織服裝、通信、交通設施、交通工具、教育傳媒和農林牧漁。從表1可以看出，銀行財務報表中占比最大的制造業，其平均行業風險敞口和行業沖擊風險敞口并非最大，商業銀行對工程建筑行業的風險敞口高于制造業。股份制商業銀行和城市商業銀行對房地產行業的風險敞口比國有大型商業銀行大。總體來講，財務報表中貸款占比額度大的行業未必是市場認為銀行風險敞口最大的行業③。表2為各行業風險敞口暴露測算處在前三位的商業銀行。整體來講，股份制商業銀行行業風險敞口暴露較大，其中華夏銀行、浦發銀行、興業銀行和平安銀行出現頻率較高。

平均值，0.01分位點數值與0.05分位點數值比較結果類似。

分位數回歸所得到的風險敞口暴露的結果并非時間序列形式，因此，無法運用面板數據回歸模型。本文使用截面回歸形式，研究銀行風險敞口與銀行績效之間的關系，回歸方程如下：

Performance為銀行績效變量；controls為控制變量，包括取對數的規模（size）、不良貸款率（npl）、貸款總額與資產比率（loan）、杠桿率（lev）、資本充足率（cap）等[14，15]。Performance和控制變量取值為銀行2006～2013各年度的平均值⑦。Exposure為衡量銀行風險敞口變量，具體說明如表3。

結合Back and Jonghe（2014）[13]，首先對各控制變量解釋銀行績效變量的顯著性水平進行回歸分析。表4顯示，規模越大的銀行其股票平均收益率、股票平均波動率以及市值與賬面價值之比均值越小，而規模對銀行△CoVaR均值影響則不顯著。貸款比值越高，股票平均收益率和股票平均波動率越高。銀行杠桿率越高，△CoVaR越大；而銀行資本充足率越高，△CoVaR越小。不良貸款率越高，股票平均波動率越高。從擬合優度來看，解釋力最強的是股票平均波動率，為0.443；其他三個績效變量的解釋力度均不是很強，最低的△CoVaR的擬合優度僅為0.145。

在表4基礎上，將銀行風險敞口變量逐一引入，并舍棄不顯著的控制變量，結果如表5和表6所示。從股票平均收益率看，銀行風險敞口變量回歸系數大都非常顯著。從風險敞口大小看，行業風險暴露越大，銀行股票平均收益水平越高；行業沖擊風險敞口越大，股票收益率越低。從暴露分散程度來看，行業集中度越高，銀行股票平均收益水平也越高。隨著風險敞口變量的引入，擬合優度顯著上升。從股票平均波動率水平看，銀行風險敞口變量回歸系數大都顯著。從行業敞口大小看，行業風險敞口越大，

行業越集中，銀行股票波動率越高。從行業沖擊敞口看，沖擊敞口越大，股票波動率會越低，但沖擊所發生的行業越集中，股票平均波動率則越大。隨著風險敞口變量的引入，擬合優度有一定程度的上升。從市值賬面價值比率看，對行業風險敞口越大，越有助于增加銀行市值賬面價值比率，而敞口的集中程度則對市值和賬面價值比率的影響不顯著。整體上行業沖擊風險敞口對銀行市值賬面價值比率的影響不顯著。隨著風險敞口變量的引入，擬合優度也有一定程度的上升。無論是行業敞口，還是行業沖擊敞口，對銀行△CoVaR的影響均不顯著。

四、基于銀行財務報表數據研究

這里運用面板回歸模型研究銀行對各行業的風險敞口暴露與表征銀行績效變量之間的關系。式（10）各變量的含義與式（9）相同。樣本期間為2006～2013年。敞口變量（Exposure）說明如表7 。數據來源為wind數據庫以及各上市商業銀行年報。

首先研究控制變量對銀行績效變量的解釋力度。根據面板回歸檢驗，對股票年收益率、年波動率以及年度市值與賬面價值之比運用混同回歸模型，對△CoVaR運用固定回歸模型⑧，結果如表8。不良貸款率對四個績效變量的影響均為正向。高風險伴隨著高預期收益，不良貸款率的增加在增加銀行風險的同時，也增加了銀行股票收益率水平。規模對四個績效變量的影響均為負向。貸款比率對股票年波動率的影響顯著為負，但由于數值非常小，可以認為其不具有經濟上的顯著性。銀行杠桿率越高，股票年收益率越低。而資本充足率越高的銀行，其股票年波動率越高，這可能是因為資本越充足的銀行，越傾向于涉足高風險的業務。

在表8基礎上，將銀行風險敞口變量逐一引入，并舍棄不顯著的控制變量，結果如表9所示。從表9可以看出，單一最大客戶貸款比率對股票收益率有顯著的正向影響。整體上行業集中度越高，股票波動率越大，市值與賬面價值比也越大。總體上行業風險敞口對銀行系統性風險貢獻度的影響不顯著。隨著行業風險敞口變量的引入，在回歸系數顯著的情況下，各回歸的擬合優度均有一定程度的上升。

五、結論

以上選取銀行股票年度收益率、股票年度波動率、年度市值與賬面價值之比和銀行系統性風險貢獻度作為表征銀行績效的變量，并同時運用股票數據和銀行財報數據研究銀行行業風險敞口對銀行績效的影響。結論表明：銀行財務報表中會計占比較大的行業并非是市場認為的銀行風險敞口最大的行業；整體上，股份制商業銀行的行業風險敞口較高；銀行行業集中度越高，其股票波動率和市值與賬面價值之比越大；銀行行業風險敞口越大，銀行股票收益率水平越高，而行業沖擊的風險敞口越大，銀行股票收益率水平越低；行業風險敞口對銀行系統性風險貢獻度的影響不顯著。結合本文的研究，提出以下政策建議：第一，對銀行風險敞口暴露進行積極監管，建立銀行風險敞口監測分析系統；第二，充分重視股份制商業銀行的經營風險；第三，加強銀行行業風險敞口數據搜集工作，提高數據的精細化程度；第四，正確認識風險敞口集中的兩面性，保證監管效率的同時，盡量降低監管成本。

注釋：

①由于作者可以得到的6個月AAA銀行間企業債收益率數據的起始日期為2008年7月1日，因此，本文樣本日期從2008年7月1日開始，數據來源為wind數據庫。

②采用股票收益率數據測度銀行風險的理由可以參見陳忠陽和劉志洋（2013）。

③本文估計了每家銀行對27行業行業在99個分位點的風險敞口，即每家銀行得到一個99×27矩陣。由于版面原因，無法將詳細結果附上。總體來講，報表中占比大的行業，市場認為其風險敞口估計值未必大。

④包括北京銀行、南京銀行和寧波銀行。

⑤包括興業銀行、浦發銀行、華夏銀行、招商銀行、民生銀行、中信銀行、光大銀行和平安銀行。

⑥ 包括工商銀行、建設銀行、農業銀行、中國銀行和交通銀行。

⑦△CoVaR值為2008～2013年均值。

⑧ 由于前文求解CoVaR的時間是從2008年開始，因此，對CoVaR進行的相關面板回歸的樣本期間為2008～2013年。

參考文獻：

[1]Stiglitz， Joseph E.， and Andrew Weiss. Credit rationing in markets with imperfect information [J]. The American Economic Review ，1981，（71）： 393-410.

[2]Wagner.Wolf. Diversification at financial institutions and systemic crises[J]. Journal of Financial Intermediation， 2010，（19）： 373-386.

[3]Winton， Andrew. Don't put all your eggs in one basket：diversification and specialization in lending[R].SSRN Papers，1999：173615.

[4]Duellmann， Klaus， and Nancy Masschelein. A tractable model to measure sector concentration risk in credit portfolios[J]. Journal of Financial Services Research，2007，（32）： 55-79.

[5]Acharya， Viral， Iftekhar Hasan， and Anthony Saunders. Should banks be diversified？ evidence from individual bank loan portfolios[J].The Journal of Business ，2006，（79）： 1355-1412.

[6]Hayden， Evelyn， Daniel Porath， and Nataljav Westernhagen. Does diversification improve the performance of german banks？ evidence from individual bank loan portfolios[J]. Journal of Financial Services Research，2007，（ 32）： 123-140.

[7]Boeve， Rolf， Klaus Duellmann， and Andreas Pfingsten. Do specialization benefits outweigh concentration risks in credit portfolios of german banks？[R]. Bundesbank Discussion Paper，2010：10.

[8]Tabak， Benjamin M.， Dimas M. Fazio， and Daniel O. Cajueiro. The effects of loan portfolio concentration on brazilian banks' return and risk[J]. Journal of Banking and Finance ， 2011，（35）： 3065-3076.

[9]Engle，R.F. and Manganelli，S. CAVaR：conditional autoregressive value at risk by regression quantiles[J]. Journal of Business and Economic Statistics，2004，（22）：367-381.

[10]Adrian， T.，and Brunnermeier， M. CoVaR[R]. NBER Working Paper，2011：17454.

[11]Dirk G.Baur and Niels Schulze. Financial market stabilitya test[J]. Journal of International Financial Markets， Institutions & Money， 2009，19（3）：506-519.

[12]Koenker， R.， and Bassett， G. Regression quantiles[J]. Econometrica，1978，46 （1）： 33-50.

[13]陳忠陽，劉志洋.國有大型商業銀行系統性風險貢獻度真的高嗎？來自中國上市商業銀行股票收益率的證據[J].財貿經濟，2013，（9）：57-65.

[14]Beck， Thorsten， Olivier De Jonghe， and Glenn Schepens. Bank competition and stability： crosscountry heterogeneity[J]. Journal of Financial Intermediation ，2013，（22）： 218-244.

[15]Laeven， Luc， and Ross Levine. Bank governance，regulation and risk taking[J]. Journal of Financial Economics ，2009，（93）： 259-275.

[16]Thorsten Beck and Olivier De Jonghe. Lending concentration， bank performance and systemic risk exploring crosscountry variation[R].Background Paper to the 2014 World Development Report Policy Research Working Paper，2014：6604.

（責任編輯：寧曉青）