銀行的影子：風(fēng)險分擔(dān)還是風(fēng)險傳染

涂曉楓，李　政

(南開大學(xué) 經(jīng)濟學(xué)院， 天津 300071)

?

銀行的影子：風(fēng)險分擔(dān)還是風(fēng)險傳染

涂曉楓，李政

(南開大學(xué) 經(jīng)濟學(xué)院， 天津 300071)

摘要：銀行的影子業(yè)務(wù)作為中國影子銀行的一部分，主要指銀行近年來所主導(dǎo)的存在監(jiān)管不足或規(guī)避監(jiān)管的業(yè)務(wù)，銀行通過銀銀、銀信、銀證、銀保等之間的合作而形成同業(yè)資產(chǎn)或負債，這將使銀行之間及銀行與其他非銀行金融機構(gòu)之間的關(guān)聯(lián)性發(fā)生改變，從而進一步影響銀行的系統(tǒng)性風(fēng)險。本文以2009-2014年16家內(nèi)地上市銀行為樣本，研究銀行的影子業(yè)務(wù)規(guī)模與系統(tǒng)性風(fēng)險之間的關(guān)系。實證研究發(fā)現(xiàn)，銀行的影子業(yè)務(wù)與銀行系統(tǒng)性風(fēng)險之間呈顯著的U型關(guān)系，在銀行的影子業(yè)務(wù)發(fā)展初期，銀行間通過風(fēng)險共擔(dān)(risk-sharing)確實能降低系統(tǒng)性風(fēng)險，但隨著銀行的影子業(yè)務(wù)進一步發(fā)展，銀行間通過風(fēng)險傳染(risk-contagion)的金融加速作用而增大銀行的系統(tǒng)性風(fēng)險。

關(guān)鍵詞：銀行的影子；系統(tǒng)性風(fēng)險；風(fēng)險分擔(dān)；風(fēng)險傳染

一、引言

影子銀行(Shadow Banking)的概念最初由Muculley在2007年美聯(lián)儲年會上提出，美國次貸危機的全面爆發(fā)使得這一概念迅速受到學(xué)界、業(yè)界和金融監(jiān)管當(dāng)局的關(guān)注，金融穩(wěn)定理事會(FSB)認為，影子銀行是指游離于銀行監(jiān)管體系之外、可能引發(fā)系統(tǒng)性風(fēng)險和監(jiān)管套利等問題的信用中介體系(包括各類相關(guān)機構(gòu)和業(yè)務(wù)活動)。雖然在中國，“影子銀行”的概念還未有一個明確的界定，但國內(nèi)學(xué)者普遍認為，中外影子銀行的類型和運作模式存在明顯差異，國外的影子銀行主要由非銀行金融機構(gòu)構(gòu)成，而中國的影子銀行則以商業(yè)銀行為主導(dǎo)[1-2]，“銀行的影子”(Bank Shadow)①“銀行的影子”一詞并非本文首創(chuàng)，殷劍峰(2013)、肖崎和阮健濃(2014)等部分學(xué)者已對“銀行的影子”進了定義。是中國影子銀行的重要組成部分②2013年國務(wù)院辦公廳發(fā)布的《關(guān)于加強影子銀行業(yè)務(wù)若干問題的通知》(107號文)，指出我國影子銀行主要包括三類：一是不持有金融牌照、完全無監(jiān)管的信用中介機構(gòu)；二是不持有金融牌照，存在監(jiān)管不足的信用中介機構(gòu)；三是機構(gòu)持有金融牌照，但存在監(jiān)管不足或規(guī)避監(jiān)管的業(yè)務(wù)。“銀行的影子”便包含在107號文的第三部分當(dāng)中。。

我國的銀行影子業(yè)務(wù)興起于2008年金融危機之后，到目前為止已發(fā)展了7年時間，在此期間內(nèi)，各種創(chuàng)新型銀行影子業(yè)務(wù)層出不窮，代表性的如銀銀、銀信、銀證、銀基、銀保合作等。一方面，商業(yè)銀行通過開展這些業(yè)務(wù)規(guī)避了監(jiān)管部門的信貸規(guī)模管理、存貸比例管控、資本充足率約束，銀行的影子業(yè)務(wù)成為商業(yè)銀行規(guī)避管制和監(jiān)管套利的重要工具，為商業(yè)銀行帶來了利潤和效率。另一方面，銀行影子業(yè)務(wù)的快速發(fā)展也使得銀行之間、銀行與其他金融機構(gòu)之間的聯(lián)系更加密切，系統(tǒng)關(guān)聯(lián)性顯著增強，這雖然有助于完善金融機構(gòu)之間的風(fēng)險分擔(dān)機制，但同時也放大了風(fēng)險傳染的渠道和傳染的可能性，整個金融體系的脆弱性隨之上升，系統(tǒng)性風(fēng)險發(fā)生的可能性大大提高，2013年6月和12月的兩次“錢荒”事件充分暴露了銀行影子業(yè)務(wù)所帶來的系統(tǒng)關(guān)聯(lián)性和風(fēng)險隱患。

為了規(guī)范和引導(dǎo)銀行影子業(yè)務(wù)的發(fā)展，我國金融監(jiān)管部門發(fā)布了一系列的規(guī)范文件，如2013年銀監(jiān)會8號文、2014年一行三會和外管局聯(lián)合發(fā)布的127號文以及銀監(jiān)會140號文，引起了學(xué)術(shù)界和業(yè)界的廣泛討論。作為金融發(fā)展和金融創(chuàng)新的結(jié)果，銀行的影子業(yè)務(wù)具有積極作用，但同時也提高了金融機構(gòu)間的關(guān)聯(lián)水平和金融系統(tǒng)的脆弱性。目前，我國銀行的影子與系統(tǒng)性風(fēng)險的關(guān)系如何？是積極的風(fēng)險分擔(dān)(risk-sharing)作用占主導(dǎo)，還是消極的風(fēng)險傳染(risk-contagion)占主導(dǎo)？對這一問題的科學(xué)回答不僅有助于評估我國當(dāng)前金融監(jiān)管政策的合理性，而且對我國系統(tǒng)性風(fēng)險的度量與管理以及宏觀審慎監(jiān)管框架的構(gòu)建都具有重要意義。

有鑒于此，本文基于我國16家上市商業(yè)銀行的數(shù)據(jù)，采用條件風(fēng)險價值CoVaR和邊際期望損失MES來衡量單個銀行的系統(tǒng)性風(fēng)險貢獻，研究銀行的影子業(yè)務(wù)規(guī)模是否影響其系統(tǒng)性風(fēng)險貢獻，對兩者間的關(guān)系做出科學(xué)準確的回答，進而為后續(xù)監(jiān)管政策的制定和實施提供理論依據(jù)。

本文的結(jié)構(gòu)安排如下：第二部分為相關(guān)文獻綜述，第三部分為研究方法，第四部分為實證分析，第五部分為結(jié)論及政策建議。

二、文獻綜述

(一)銀行的影子

銀行的影子源于中外影子銀行的不同，107號文中將金融機構(gòu)存在監(jiān)管不足或規(guī)避監(jiān)管的部分業(yè)務(wù)作為影子銀行的第三類組成部分，這與國外影子銀行主要指非銀行金融機構(gòu)有所不同，說明監(jiān)管部門已經(jīng)意識到中國影子銀行確實與國外存在差別。部分學(xué)者也指出中國的影子銀行與國外影子銀行不同，國外的影子銀行主要是由非銀行金融機構(gòu)構(gòu)成的，影子銀行業(yè)務(wù)通道并不依賴于傳統(tǒng)銀行；而我國的影子銀行是以傳統(tǒng)銀行為主導(dǎo)的，影子銀行實際上是商業(yè)銀行的一個通道，資金的最終提供方是商業(yè)銀行，資金的最終去向則是無法直接從商業(yè)銀行獲取貸款的融資主體[1-2]。Li et al.[3]將中美兩國的影子銀行進行比較，認為美國的影子銀行主要是由證券化貸款、資產(chǎn)支持商業(yè)票據(jù)、回購協(xié)議和貨幣市場基金構(gòu)成，而中國的影子銀行不僅包括非銀行金融機構(gòu)的直接信用拓展，還包括銀行的一些理財業(yè)務(wù)等。

部分學(xué)者也對銀行的影子展開積極的討論，肖崎和阮建濃[4]認為“銀行的影子”是指銀行同業(yè)業(yè)務(wù)，并將同業(yè)資產(chǎn)會計科目限定為拆放同業(yè)、存放同業(yè)和買入返售金融資產(chǎn)。但是，筆者認為銀行的影子包含在銀行同業(yè)業(yè)務(wù)之中，但并不是所有的銀行同業(yè)業(yè)務(wù)都是銀行的影子。殷劍峰等[5]認為“銀行的影子”是指在銀行資產(chǎn)負債表上不被統(tǒng)計為信貸的信用創(chuàng)造活動，是間接融資的進一步演化，殷劍峰等[5]的定義充分體現(xiàn)了“影子”的特征，即銀行的影子本質(zhì)上是對融資客戶的貸款但在銀行資產(chǎn)負債表上并沒有被記為信貸資產(chǎn)，這一定義相對于肖崎和阮建濃[4]更為全面，但值得一提的是，還沒有學(xué)者對單個銀行的影子業(yè)務(wù)規(guī)模進行測算。

(二)系統(tǒng)性風(fēng)險

梁琪等[6]認為測度單個金融機構(gòu)的系統(tǒng)性風(fēng)險貢獻的方法主要分為兩大類，第一類是結(jié)構(gòu)化方法，包括基于金融機構(gòu)間的雙邊資產(chǎn)負債敞口的網(wǎng)絡(luò)分析法或矩陣法，第二類是簡約化方法，此類方法利用金融機構(gòu)的股票價格等金融市場數(shù)據(jù)，來測度單個機構(gòu)對整個金融系統(tǒng)的系統(tǒng)性風(fēng)險貢獻。

在次貸危機發(fā)生之前，學(xué)術(shù)界主要采取第一類方法，即網(wǎng)絡(luò)分析法或矩陣法，該方法主要利用銀行間資產(chǎn)負債表、支付結(jié)算交易等數(shù)據(jù)，構(gòu)建風(fēng)險敞口矩陣，再通過模擬銀行倒閉所引致的銀行系統(tǒng)中的銀行倒閉數(shù)量、資產(chǎn)損失量以及誘發(fā)系統(tǒng)性風(fēng)險的概率，來衡量銀行系統(tǒng)的傳染性風(fēng)險[7-8]。但是，由于銀行間實際的雙邊敞口數(shù)據(jù)難以獲得，目前主要采取最大熵法利用單個銀行對其他所有銀行的資產(chǎn)負債數(shù)據(jù)估計兩兩之間的雙邊關(guān)系[9]，而Mistrulli[10]運用意大利銀行間實際的雙邊結(jié)構(gòu)和用最大熵法估計的雙邊結(jié)構(gòu)進行比較，結(jié)果表明最大熵法在不同的情形下會高估或低估銀行風(fēng)險的傳染，Upper[11]重新評估網(wǎng)絡(luò)分析法的假定條件，認為網(wǎng)絡(luò)分析法背后所隱含的強假設(shè)會帶來很大的偏誤，不適用于壓力測試和危機中的政策方案分析。在美國次貸危機中，大量機構(gòu)因為共同的風(fēng)險敞口而同時陷入困境，并不同于結(jié)構(gòu)化方法中單個機構(gòu)破產(chǎn)風(fēng)險在機構(gòu)間相互傳染而引發(fā)危機。

考慮到結(jié)構(gòu)化方法的局限性，以及簡約化方法時效性更強，具有前瞻性，并且考慮各機構(gòu)的共同風(fēng)險敞口等優(yōu)勢，危機之后，基于市場數(shù)據(jù)的簡約化方法在測度系統(tǒng)性風(fēng)險方面發(fā)展迅速。簡約法主要分為兩個維度，一是“自下而上”的CoVaR方法，二是“自上而下”的MES方法[12-13]。條件風(fēng)險價值CoVaR由Adrian和Brunnermeier[14]在風(fēng)險價值VaR的基礎(chǔ)上提出，用以測度單個機構(gòu)的風(fēng)險溢出效應(yīng)，這一方法得到國內(nèi)外學(xué)者的廣泛應(yīng)用[15-16]。為彌補“自下而上”的CoVaR方法不滿足可加性的缺陷，Acharya et al.[17]從“自上而下”的視角，在期望損失ES的基礎(chǔ)上提出邊際期望損失(Marginal Expected Shortfall, MES)，即整個金融市場收益率顯著下跌時，單個金融機構(gòu)收益率的期望損失，以此反映單個機構(gòu)對系統(tǒng)性風(fēng)險的邊際貢獻，這一方法也得到國內(nèi)外學(xué)者的廣泛關(guān)注[6,18-20]。綜合考慮各方法的優(yōu)劣，本文主要運用由Adrian 和Brunnermeier[14]提出的動態(tài)CoVaR方法以及Brownlees和 Engle[19]提出的動態(tài)MES來度量單個銀行的系統(tǒng)性風(fēng)險。

(三)銀行的影子與系統(tǒng)性風(fēng)險

國內(nèi)銀行的影子業(yè)務(wù)是在2009年之后才興起的，早期國內(nèi)銀行之間的業(yè)務(wù)模式相對簡單，因此研究銀行系統(tǒng)性風(fēng)險主要還是基于銀行之間的雙邊風(fēng)險敞口矩陣。然而，隨著國內(nèi)銀行的影子業(yè)務(wù)不斷創(chuàng)新，其業(yè)務(wù)模式也越來越復(fù)雜，每項業(yè)務(wù)所涉及的金融機構(gòu)也越來越多，銀行不再簡單的通過拆放同業(yè)或者存放同業(yè)等會計科目核算，而是計入買入返售金融資產(chǎn)、應(yīng)收款項類投資等會計科目之中，導(dǎo)致銀行之間以及銀信、銀證等同業(yè)之間的關(guān)聯(lián)性越來越大。目前國內(nèi)學(xué)者也對這些新型的銀行同業(yè)業(yè)務(wù)對銀行系統(tǒng)性風(fēng)險的影響進行研究，部分學(xué)者從我國銀行同業(yè)業(yè)務(wù)的發(fā)展現(xiàn)狀出發(fā)，以同業(yè)買入返售信托受益權(quán)為例，運用銀行資產(chǎn)負債表的變化分析同業(yè)業(yè)務(wù)信用創(chuàng)造，認為同業(yè)業(yè)務(wù)通過繞開存貸比等監(jiān)管限制，降低了現(xiàn)有貨幣政策的有效性；并以2013年6月“錢荒”事件為例，認為同業(yè)業(yè)務(wù)拉長了資金投放鏈，其發(fā)展增強了金融機構(gòu)間的系統(tǒng)關(guān)聯(lián)性，會加劇經(jīng)濟泡沫化，并引發(fā)系統(tǒng)性風(fēng)險[4]。也有學(xué)者運用數(shù)據(jù)進行實證分析，陳穎等[21]基于“Allen-Gale”銀行間風(fēng)險傳染模型對我國銀行新型同業(yè)業(yè)務(wù)的風(fēng)險傳染機制進行理論分析，運用最大熵法對2013年6月末與2008年年末銀行間同業(yè)業(yè)務(wù)雙邊敞口矩陣進行估計，并基于所估計的敞口矩陣模擬不同損失率下同業(yè)業(yè)務(wù)風(fēng)險的傳染效應(yīng)。但陳穎等[21]基于銀行同業(yè)資產(chǎn)和同業(yè)負債所構(gòu)建的雙邊敞口矩陣并不完整，因為銀行同業(yè)業(yè)務(wù)的交易對手不只有銀行，還有信托、證券等非銀行金融機構(gòu)，只用20家銀行構(gòu)建雙邊資產(chǎn)負債敞口矩陣的結(jié)果可信度不高。還有部分學(xué)者從機構(gòu)類型的角度研究影子銀行的系統(tǒng)性風(fēng)險，李建軍和薛瑩[22]運用馬爾科夫過程及投入產(chǎn)出法分析不同金融機構(gòu)之間的影子銀行風(fēng)險敞口所形成的系統(tǒng)性風(fēng)險，結(jié)果表明銀行是系統(tǒng)性風(fēng)險的主要承擔(dān)者，而信托公司是主要的風(fēng)險來源。

目前國內(nèi)已有學(xué)者以MES或者CoVaR為系統(tǒng)性風(fēng)險指標，分析系統(tǒng)性風(fēng)險的影響因素，張雪蘭等[23]認為銀行高管的薪酬激勵與系統(tǒng)性風(fēng)險正相關(guān)，張曉玫和毛亞琪[24]認為非利息收入與系統(tǒng)性風(fēng)險呈負相關(guān)，劉志洋和宋玉穎[25]認為銀行流動性比率越高，系統(tǒng)性風(fēng)險越低。值得一提的是，這些系統(tǒng)性風(fēng)險的影響因素并不是直接關(guān)聯(lián)，都是通過一定的機制間接影響系統(tǒng)性風(fēng)險指標，而銀行的影子業(yè)務(wù)可以直接改變銀行之間或者銀行與其他金融機構(gòu)之間的關(guān)聯(lián)性，直接影響銀行的系統(tǒng)性風(fēng)險。遺憾的是，目前還沒有學(xué)者研究銀行的影子業(yè)務(wù)規(guī)模如何影響該銀行對整個銀行系統(tǒng)的邊際風(fēng)險貢獻(即單個銀行的系統(tǒng)性風(fēng)險)，本文將分析單個銀行的系統(tǒng)性風(fēng)險與銀行的影子規(guī)模之間的關(guān)系，為銀行影子業(yè)務(wù)的監(jiān)管提供理論依據(jù)。

三、研究方法

(一)模型設(shè)定

銀行的影子業(yè)務(wù)將傳統(tǒng)信貸業(yè)務(wù)變?yōu)殂y行、證券、信托等多機構(gòu)參與的通道業(yè)務(wù)，融資客戶并不是直接從銀行獲得資金，獲得資金之后銀行也不以貸款形式記在資產(chǎn)負債表上，而是通過通道機構(gòu)變?yōu)橥瑯I(yè)資產(chǎn)或投資項下資產(chǎn)，這無疑增強了銀行之間、銀行與其他金融機構(gòu)的關(guān)聯(lián)性。當(dāng)金融機構(gòu)間的關(guān)聯(lián)水平較低時，影子業(yè)務(wù)的開展能夠提高銀行資產(chǎn)的多樣性，完善其風(fēng)險分擔(dān)機制，進而降低單個銀行的系統(tǒng)性風(fēng)險溢出；但當(dāng)金融系統(tǒng)的關(guān)聯(lián)水平已經(jīng)較高時，進一步提高關(guān)聯(lián)性可能通過金融加速作用放大負向沖擊的不利影響，從而提高單個銀行對整個銀行系統(tǒng)的系統(tǒng)性風(fēng)險貢獻[26]。而銀子的影子究竟是積極的風(fēng)險分擔(dān)(risk-sharing)作用占主導(dǎo)，還是消極的風(fēng)險傳染(risk-contagion)占主導(dǎo)，從理論上來說，并無定論。本文設(shè)計了一個面板回歸模型，從實證分析的角度來探討銀行的影子與系統(tǒng)性風(fēng)險的關(guān)系。具體模型設(shè)定形式如下：

(1)

其中，SR為系統(tǒng)性風(fēng)險指標，BS為銀行的影子規(guī)模指標，Zn為影響銀行系統(tǒng)性風(fēng)險貢獻的其他因素變量。為了探究銀行的影子與系統(tǒng)性風(fēng)險的關(guān)系，本文引入銀行影子業(yè)務(wù)規(guī)模的平方項，一方面探究兩者之間是否存在非線性關(guān)系，另一方面，如果兩者確實存在非線性關(guān)系，通過實證分析可以確定影響的拐點，進而結(jié)合商業(yè)銀行最新的影子業(yè)務(wù)規(guī)模情況，回答銀行的影子是風(fēng)險分擔(dān)占主導(dǎo)還是風(fēng)險傳染占主導(dǎo)。

(二)系統(tǒng)性風(fēng)險度量指標

由于難以獲取銀行間及銀信、銀證等之間的雙邊資產(chǎn)負債敞口矩陣數(shù)據(jù)，本文采用由Adrian 和Brunnermeier[14]提出的動態(tài)CoVaR方法以及Brownlees and Engle[19]提出的動態(tài)MES來度量單個銀行的系統(tǒng)性風(fēng)險溢出。

1.動態(tài)ΔCoVaR

ΔCoVaR 是由Adrian和Brunnermeier[14]提出并定義的，這兩位學(xué)者認為單個金融機構(gòu)的在險價值VaR只能反映單個金融機構(gòu)的風(fēng)險，并不能反映該金融機構(gòu)對系統(tǒng)性風(fēng)險的貢獻，因此提出了CoVaR方法。CoVaR表示在一個特定機構(gòu)處于某種狀態(tài)的條件下整個金融系統(tǒng)的風(fēng)險價值，單個機構(gòu)的風(fēng)險溢出效應(yīng)采用該機構(gòu)處于危機中和正常狀態(tài)下系統(tǒng)風(fēng)險價值的差額ΔCoVaR表示。本文延續(xù)Adrian 和Brunnermeier[14]的研究思路，運用二元GARCH模型捕捉金融機構(gòu)和金融系統(tǒng)之間的協(xié)方差隨時間變化的特征，進而得到動態(tài)ΔCoVaR。

假設(shè)單個金融機構(gòu)和整個金融系統(tǒng)的收益率服從二元正態(tài)分布,

(2)

由多元正態(tài)分布的性質(zhì)可知，金融系統(tǒng)收益率的條件分布為：

(3)

(4)

重新整理后可以得出：

(5)

又因為Φ-1(50%)=0，因此本文所運用的ΔCoVaR計算公式為：

(6)

本文采用內(nèi)地銀行指數(shù)(其成分為16家上市銀行)收益率作為銀行系統(tǒng)收益率，為避免因數(shù)字過小四舍五入而產(chǎn)生計算誤差，銀行系統(tǒng)收益率和各銀行股票收益率均乘以100。由上述公式計算出的ΔCoVaR一般為負數(shù)，本文對其取相反數(shù)處理，即ΔCoVaR越大，系統(tǒng)性風(fēng)險越大。

2.動態(tài)MES

在動態(tài)MES計算中，本文延續(xù)了梁琪等[6]的研究思路和計算方法。Acharya et al.[17]根據(jù)ES(期望損失)提出了SES(系統(tǒng)期望損失)，進而推導(dǎo)出MES(邊際期望損失)，用于衡量單個金融機構(gòu)對整個金融系統(tǒng)風(fēng)險的邊際貢獻。Brownlees and Engle[19]將MES分為短期MES(即動態(tài)MES)和長期MES，并將短期MES表示為波動性、相關(guān)性和標準化殘差尾部期望的函數(shù)：

σi,tρi,m,tEt-1(εm,t|εm,t

(7)

本文延續(xù)梁琪等[6]所采用的“GARCH/DCC/非參數(shù)推斷”多步建模方法，計算短期MES的具體步驟如下：

首先，我們采用一元GARCH模型對單個金融機構(gòu)和市場的波動性進行分析，得到條件波動性σi,t、σm,t和標準化殘差εm,t、ζi,t。本文采用GARCH(p, q)模型，利用標準化殘差的Q統(tǒng)計量考查均值方程的充分性，利用標準化殘差平方的Q統(tǒng)計量考查方差方程的充分性。在保證模型充分性基礎(chǔ)上，選擇估計參數(shù)較少的模型并確定階數(shù)p和q。方差方程如下：

(8)

var(yt|Ωt-1)=vart-1(yt)=Ht

(9)

DCC模型將條件協(xié)方差矩陣分解為條件標準差矩陣Dt和條件相關(guān)系數(shù)矩陣Rt且分別估計：

(10)

Engle[27]提出的DCC模型不是直接對條件相關(guān)系數(shù)矩陣Rt建模，而是對擬相關(guān)系數(shù)矩陣Q建模，其中，Rt=diag(Qt)-1/2Qtdiag(Qt)-1/2，Qt為2×2的正定矩陣，diag(A)表示對角線元素與矩陣相同、其他位置元素為零的一個矩陣。擬相關(guān)系數(shù)矩陣的動態(tài)性如下：

(11)

最后，在前兩步的基礎(chǔ)上，我們來估計機構(gòu)的短期邊際期望損失MES。為了計算(7)式中的MES，本文采用Scaillet[28]提出的非參數(shù)估計量來估計尾部期望Et-1(εm,t|εm,t<к)和Et-1(ζi,t|εm,t<к)，其中к=C/σm,t。在非參數(shù)估計過程中，選擇標準正態(tài)分布的密度函數(shù)作為核函數(shù)，同時將帶寬參數(shù)h固定在T-1/5。

同樣，由上述公式計算出的MES一般為負數(shù)，本文對其取相反數(shù)處理，即MES越大，系統(tǒng)性風(fēng)險越大。

(三)銀行的影子規(guī)模

為測算銀行的影子規(guī)模，重點在于區(qū)分銀行的哪些資產(chǎn)是由銀行的影子業(yè)務(wù)所形成的，這就需要回顧銀行的影子業(yè)務(wù)的發(fā)展歷程，并進一步分析銀行影子業(yè)務(wù)的主要運作模式及其會計處理方式。

自2005年銀信合作拉開銀行影子業(yè)務(wù)的序幕，我國的銀行影子業(yè)務(wù)的發(fā)展一直在與監(jiān)管賽跑，銀行所選擇的通道也是多次更換。根據(jù)銀行合作對象的不同，可大致將銀行的影子發(fā)展歷程分為四個階段：第一階段是以信托貸款、信貸資產(chǎn)轉(zhuǎn)讓為主的銀信合作階段；第二階段是以票據(jù)買入返售、同業(yè)代付及償付為主的銀銀合作階段；第三階段為以信托受益權(quán)和資產(chǎn)管理計劃為主的銀信合作、銀證合作階段；第四階段為以委托定向投資和同業(yè)存單質(zhì)押為主的銀銀合作階段。

銀行的影子業(yè)務(wù)規(guī)模開始爆發(fā)是在2008年11月四萬億刺激計劃之后，因此本文對于銀行影子規(guī)模的計算從2009年開始，根據(jù)2009年以來銀行影子業(yè)務(wù)的主要模式及其在資產(chǎn)負債表內(nèi)的會計處理，從資產(chǎn)的角度核算資產(chǎn)負債表內(nèi)的銀行影子業(yè)務(wù)規(guī)模。2009年以來銀行的影子業(yè)務(wù)的主要模式有：信托貸款，票據(jù)買入返售，同業(yè)代付，信托受益權(quán)買入返售，委托定向投資等。其中，在銀行資產(chǎn)負債表上的資產(chǎn)角度，信托貸款和票據(jù)買入返售主要計入買入返售金融資產(chǎn)，同業(yè)代付主要計入存放同業(yè)和拆出資金，信托受益權(quán)買入返售可計入買入返售金融資產(chǎn)、應(yīng)收款項類投資、可供出售金融資產(chǎn)、交易性金融資產(chǎn)等，委托定向投資主要計入存放同業(yè)、應(yīng)收款項類投資等。

通過分析2009年以來所有的銀行影子業(yè)務(wù)可知，資產(chǎn)負債表內(nèi)的銀行影子業(yè)務(wù)所涉及的會計科目為：存放同業(yè)、拆出資金、買入返售金融資產(chǎn)、應(yīng)收款項類投資、可供出售金融資產(chǎn)、交易性金融資產(chǎn)等。在上市銀行的中報和年報中，除了資產(chǎn)負債表等基礎(chǔ)信息之外，還包括資產(chǎn)負債表附注。其中，除存放同業(yè)和拆出資金兩個科目之外，其他影子業(yè)務(wù)所涉及的會計科目具有資產(chǎn)明細，能從這些中報和年報的資產(chǎn)負債表的附注中判別哪些資產(chǎn)是由銀行的影子業(yè)務(wù)所形成的。因此，本文對于銀行影子業(yè)務(wù)規(guī)模的測算方法為：存放同業(yè)和拆出資金這兩個會計科目中影子業(yè)務(wù)規(guī)模采用估計的方法，即分別計算出存放同業(yè)和拆出資金所占銀行總資產(chǎn)的比例，減去介入銀行影子業(yè)務(wù)之前所占比例，作為目前這兩個會計科目中影子業(yè)務(wù)規(guī)模的估計；其他影子業(yè)務(wù)所涉及的會計科目根據(jù)影子業(yè)務(wù)發(fā)展脈絡(luò)對資產(chǎn)負債表附注中的資產(chǎn)明細進行相加，然后除以當(dāng)期銀行總資產(chǎn)規(guī)模得出所占比例；最后將這兩個比例相加作為銀行影子業(yè)務(wù)規(guī)模的度量。

(四)控制變量

本文采用以下指標作為控制變量：(1)總資產(chǎn)增長速度：處于快速擴張期的銀行一般來說具有更高的系統(tǒng)性風(fēng)險[29]，而銀行擴張主要體現(xiàn)為總資產(chǎn)規(guī)模的增加，銀行擴張速度不同，其總資產(chǎn)增長速度也就不同。因此，本文將銀行總資產(chǎn)環(huán)比增長率作為控制變量。(2)銀行規(guī)模：銀行規(guī)模越大，越容易受到政府的隱性保護，出現(xiàn)“大而不倒”的現(xiàn)象，因此銀行規(guī)模與系統(tǒng)性風(fēng)險之間存在正向關(guān)系[30]。鑒于上文已用總資產(chǎn)定義(標準化)銀行影子規(guī)模等指標，因此本文使用銀行的股票總市值而不是銀行總資產(chǎn)來衡量銀行規(guī)模。(3)貸款比重：這一指標可以反映銀行的流動性風(fēng)險，一般來說，由于銀行一般是短借長貸，從期限錯配和借貸利差中獲取利息收入，銀行的貸款比重越高，銀行的流動性越差，流動性風(fēng)險越大。劉志洋和宋玉穎[25]研究表明銀行的流動性風(fēng)險也可影響銀行的系統(tǒng)性風(fēng)險。(4)權(quán)益比率：Acharya et al.[17]指出，銀行系統(tǒng)性風(fēng)險的測量維度應(yīng)該包括銀行自身的風(fēng)險，并且，Acharya和Thakor[31]運用理論模型證明銀行權(quán)益比率過低(或銀行杠桿率過高)會增加銀行的系統(tǒng)性風(fēng)險。銀行的資產(chǎn)負債水平不同，其資本結(jié)構(gòu)、長期償債能力乃至于風(fēng)險也會有差異，銀行權(quán)益比率與系統(tǒng)性風(fēng)險呈負相關(guān)關(guān)系。(5)凈資產(chǎn)收益率：這一指標體現(xiàn)銀行的盈利能力，盈利較好的銀行在陷入危機時能更好的彌補損失，抵御風(fēng)險的能力更強，凈資產(chǎn)收益率與系統(tǒng)性風(fēng)險呈負相關(guān)關(guān)系。(6)衍生金融資產(chǎn)比重：Mayordomo et al.[32]運用2002-2013年美國95家銀行控股公司的數(shù)據(jù)表明銀行通過在衍生金融市場交易而形成風(fēng)險敞口，從而影響該銀行的系統(tǒng)性風(fēng)險。

四、實證分析

(一)樣本與數(shù)據(jù)來源

本文研究銀行的影子規(guī)模對銀行系統(tǒng)性風(fēng)險的影響，考慮到上市銀行資產(chǎn)規(guī)模大，影子業(yè)務(wù)開展較多，數(shù)據(jù)容易獲得且具有很強的代表性，本文將16家內(nèi)地上市銀行作為樣本。同時，考慮到銀行影子業(yè)務(wù)從2009年開始才全面興起并快速發(fā)展，本文選取的樣本區(qū)間為2009年1月1日至2014年12月31日，影子業(yè)務(wù)規(guī)模和相應(yīng)的控制變量采用半年度指標，數(shù)據(jù)來源為Wind數(shù)據(jù)庫，各銀行中報及年報。系統(tǒng)性風(fēng)險指標為動態(tài)ΔCoVaR和動態(tài)MES的半年度均值，同時本文采用系統(tǒng)性風(fēng)險指標的半年度中位數(shù)值作為穩(wěn)健性分析。

本文的模型設(shè)定及各變量計算方法已在研究方法中介紹，表1為主要變量的描述性統(tǒng)計量，本文所運用的樣本為16家內(nèi)地上市銀行，包含的期數(shù)為12期，所以理論上總的觀測值應(yīng)該為192個。但農(nóng)業(yè)銀行和光大銀行于2010年下半年初才上市，而系統(tǒng)性風(fēng)險指標的計算需要用到股票收益率數(shù)據(jù)，因而農(nóng)業(yè)銀行和光大銀行的系統(tǒng)性風(fēng)險指標從2010年下半年開始計算。另外，中信銀行在2009年、2010年年報及2009-2011年報中未按抵押品種類公布買入返售金融資產(chǎn)的明細，無法計算銀行的影子規(guī)模，因此這5組數(shù)據(jù)缺失。由表1可知，銀行的影子規(guī)模指標相差較大，這是因為個別銀行(比如中國銀行)在初期并未開展影子業(yè)務(wù)而部分銀行(比如興業(yè)銀行)在影子業(yè)務(wù)的開展上比較冒進。銀行總資產(chǎn)的同比增長率差別也很大，部分銀行總資產(chǎn)在減少，部分銀行總資產(chǎn)的環(huán)比增長率接近50%，表明這些銀行在快速擴張，其風(fēng)險相比于平穩(wěn)增長的銀行來說會更大一些。銀行權(quán)益比率的均值為0.0586，但最小的權(quán)益比率為0.0289，權(quán)益比率較低的銀行在經(jīng)濟繁榮階段能用少量的資本獲取較高的收益，而在經(jīng)濟下行階段，也將面臨更大的風(fēng)險。銀行的衍生金融資產(chǎn)的占總資產(chǎn)比例比較小，均值僅為0.0014，而Mayordomo et al.[32]運用2002-2013年美國95家銀行控股公司的數(shù)據(jù)得出的衍生金融資產(chǎn)占比均值達到0.04，這表明中國的衍生品市場和國外相比還有很大的發(fā)展空間。

表1　各變量描述性統(tǒng)計量

(二)實證分析結(jié)果

表2分別采用動態(tài)ΔCoVaR和動態(tài)MES的半年度均值作為被解釋變量。其中(1)、(2)、(3)列的被解釋變量為動態(tài)ΔCoVaR，(4)、(5)、(6)列的被解釋變量為動態(tài)MES，(1)、(4)兩列不含銀行的影子規(guī)模二次項，(3)、(6)兩列刪除部分不顯著的控制變量。從表2可以看出，(1)、(4)兩列中銀行的影子規(guī)模指標在10%顯著性水平下均不顯著，表明銀行的影子規(guī)模與系統(tǒng)性風(fēng)險之間不是簡單的線性關(guān)系，而(2)、(3)、(5)、(6)列中的銀行影子規(guī)模指標和銀行影子規(guī)模指標的平方項的系數(shù)在10%的顯著性水平下都顯著，這表明銀行的影子規(guī)模對銀行的系統(tǒng)性風(fēng)險影響確實存在二次函數(shù)關(guān)系。并且，銀行影子規(guī)模指標的平方項的系數(shù)為正，銀行影子規(guī)模指標的系數(shù)為負，這表明銀行的影子規(guī)模和系統(tǒng)性風(fēng)險之間呈U型關(guān)系。即當(dāng)銀行的影子規(guī)模較小時，隨著銀行的影子規(guī)模增加，銀行的系統(tǒng)性風(fēng)險減小；當(dāng)銀行的影子規(guī)模較大時，隨著銀行的影子規(guī)模增加，銀行的系統(tǒng)性風(fēng)險增大。

表2　實證回歸結(jié)果

注：括號內(nèi)為t統(tǒng)計量，***、**和*分別表示在1%、5%和10%的水平下顯著。

銀行的影子業(yè)務(wù)可以增加銀行資產(chǎn)多樣性，分散銀行風(fēng)險，但同時也會加強銀行之間及銀行與其他金融機構(gòu)之間的關(guān)聯(lián)性。因此，這一實證結(jié)果可用金融機構(gòu)之間的關(guān)聯(lián)性和系統(tǒng)性風(fēng)險的關(guān)系進行解釋，在金融機構(gòu)之間的關(guān)聯(lián)性較低的情況下，增加關(guān)聯(lián)性可以增加金融機構(gòu)的資產(chǎn)多樣性，通過與其他銀行的風(fēng)險共擔(dān)(risk-sharing)，分散銀行風(fēng)險；在關(guān)聯(lián)性已經(jīng)很高的情況下，進一步增加關(guān)聯(lián)性可能通過風(fēng)險傳染(risk-contagion)的金融加速作用放大金融危機的不利影響，增加系統(tǒng)性風(fēng)險[26]。

根據(jù)表2中模型的實證估計結(jié)果，可以測算銀行的影子規(guī)模對系統(tǒng)性風(fēng)險變化發(fā)生轉(zhuǎn)折的點，測算結(jié)果表明轉(zhuǎn)折點分別為0.1881、0.1834、0.1918和0.1925，當(dāng)銀行的影子規(guī)模低于轉(zhuǎn)折點時，提高銀行影子規(guī)模將減小銀行系統(tǒng)性風(fēng)險，當(dāng)銀行的影子規(guī)模高于轉(zhuǎn)折點時，提高銀行影子規(guī)模將增大銀行系統(tǒng)性風(fēng)險。

表2中系統(tǒng)性風(fēng)險指標與其他控制變量的關(guān)系也符合預(yù)期，(2)、(5)兩列中除Derivatives之外，其他控制變量在10%顯著性水平下是顯著的，(3)、(6)兩列中所有控制變量在10%顯著性水平下都是顯著的。并且，銀行規(guī)模、貸款比重、總資產(chǎn)環(huán)比增長率與系統(tǒng)性風(fēng)險在5%的顯著性水平下呈正相關(guān)關(guān)系，權(quán)益比率和凈資產(chǎn)收益率與系統(tǒng)性風(fēng)險在1%顯著性水平下呈負相關(guān)關(guān)系。這一結(jié)果一方面表明銀行自身風(fēng)險的增大確實會導(dǎo)致銀行的系統(tǒng)性風(fēng)險增大，這與Acharya和Thakor[31]、Engel et al.[29]及張曉玫和毛亞琪[24]的結(jié)論都是一致的；另一方面表明銀行的規(guī)模越大，系統(tǒng)性風(fēng)險越大，事實上監(jiān)管部門也認為銀行規(guī)模是系統(tǒng)性風(fēng)險的重要影響因素，2014年銀監(jiān)會發(fā)布《商業(yè)銀行全球系統(tǒng)重要性評估指標披露指引》中，將銀行上一年末調(diào)整后的表內(nèi)外資產(chǎn)余額作為系統(tǒng)重要性銀行的判別標準之一。

目前，監(jiān)管部門已經(jīng)意識到銀行的影子業(yè)務(wù)可能存在的風(fēng)險，2014年4月由人民銀行、銀監(jiān)會、證監(jiān)會、保監(jiān)會和外管局五部委聯(lián)合發(fā)布的127號文和2014年5月由銀監(jiān)會發(fā)布的140號文均對銀行同業(yè)業(yè)務(wù)(包括銀行的影子業(yè)務(wù)在內(nèi))的業(yè)務(wù)范圍和會計處理做出規(guī)范，構(gòu)建出同業(yè)業(yè)務(wù)監(jiān)管的基本框架，銀行的影子規(guī)模擴張受到一定的限制，比如127號文第五條和第七條對同業(yè)買入返售的規(guī)定。上文的實證研究表明，銀行的影子規(guī)模和系統(tǒng)性風(fēng)險之間呈U型關(guān)系，那么目前銀行的影子規(guī)模是否超過轉(zhuǎn)折點，是否需要限制其進一步發(fā)展呢？本文將2014年末16家內(nèi)地上市銀行的影子規(guī)模與轉(zhuǎn)折點進行比較，如圖1所示，華夏、光大、民生、寧波、南京、興業(yè)、浦發(fā)7家銀行的影子規(guī)模均高于列(3)所計算出的轉(zhuǎn)折點，并且除華夏銀行之外，其他6家銀行的影子規(guī)模均高于(2)、(3)、(5)、(6)列所計算的轉(zhuǎn)折點，由于銀行的影子規(guī)模和系統(tǒng)性風(fēng)險之間呈U型關(guān)系，這些銀行減小影子銀行規(guī)模可以減小系統(tǒng)性風(fēng)險，這和監(jiān)管層的要求也是一致的。本文的研究結(jié)果為監(jiān)管層對于銀行影子業(yè)務(wù)的規(guī)范和引導(dǎo)提供了理論依據(jù)，由于銀行的影子規(guī)模和系統(tǒng)性風(fēng)險之間呈U型關(guān)系，當(dāng)銀行的影子規(guī)模較小時，隨著銀行的影子規(guī)模增加，銀行的系統(tǒng)性風(fēng)險減小；當(dāng)銀行的影子規(guī)模較大時，隨著銀行的影子規(guī)模增加，銀行的系統(tǒng)性風(fēng)險增大。適度允許符合會計規(guī)范的銀行影子業(yè)務(wù)的存在，并限制銀行的影子業(yè)務(wù)的過度發(fā)展是監(jiān)管層非常科學(xué)和明智的決定。

圖1　2014年末上市銀行影子規(guī)模與轉(zhuǎn)折點比較

此外，本文同時采用動態(tài)ΔCoVaR和動態(tài)MES的半年度中位數(shù)值作為被解釋變量，對銀行的影子規(guī)模與系統(tǒng)性風(fēng)險之間的關(guān)系做穩(wěn)健性檢驗。由表3可知，(7)、(10)兩列中銀行的影子規(guī)模指標在10%顯著性水平下均不顯著，而(8)、(9)、(11)、(12)中的銀行影子規(guī)模指標和銀行影子規(guī)模指標的平方項的系數(shù)在10%的顯著性水平下都顯著，并且，銀行影子規(guī)模指標的平方項的系數(shù)為正，銀行影子規(guī)模指標的系數(shù)為負。其他解釋變量的系數(shù)估計值也與實證分析結(jié)果非常接近。綜上，本文的穩(wěn)健性檢驗結(jié)果與實證分析結(jié)果基本一致，這表明銀行的影子規(guī)模與系統(tǒng)性風(fēng)險之間的U型關(guān)系結(jié)果穩(wěn)健。

表3　穩(wěn)健性檢驗結(jié)果

注：括號內(nèi)為t統(tǒng)計量，***、**和*分別表示在1%、5%和10%的水平下顯著。

五、結(jié)論及政策建議

本文以2009-2014年中國16家上市銀行的數(shù)據(jù)為樣本，采用MES和ΔCoVaR作為銀行的系統(tǒng)性風(fēng)險指標，銀行的影子規(guī)模占該銀行總資產(chǎn)的比例作為銀行的影子規(guī)模指標，考察銀行的影子與系統(tǒng)性風(fēng)險的關(guān)系，本文的主要結(jié)論如下：

首先，實證分析結(jié)果表明，銀行的影子規(guī)模與銀行系統(tǒng)性風(fēng)險之間不是簡單的線性關(guān)系，而是存在非線性的U型關(guān)系。當(dāng)銀行的影子規(guī)模占該銀行總資產(chǎn)比例小于拐點，銀行之間的關(guān)聯(lián)性較低時，增加銀行的影子規(guī)模可以增加銀行資產(chǎn)的多樣性，通過和其他銀行的風(fēng)險分擔(dān)(risk-sharing)，分散銀行風(fēng)險，減小銀行的系統(tǒng)性風(fēng)險；但當(dāng)銀行的影子規(guī)模占該銀行總資產(chǎn)的比例大于拐點，銀行之間的關(guān)聯(lián)性較高時，進一步增加銀行的影子規(guī)模會造成銀行之間的關(guān)聯(lián)性過高，銀行之間會通過風(fēng)險傳染(risk-contagion)的金融加速器作用而增大該銀行的系統(tǒng)性風(fēng)險。

其次，本文所研究的銀行影子業(yè)務(wù)包含在銀行同業(yè)業(yè)務(wù)之中，因此本文也為2014年頒布的有關(guān)同業(yè)業(yè)務(wù)監(jiān)管的127號文和140號文提供了理論依據(jù)。由2014年末各銀行的影子規(guī)模與轉(zhuǎn)折點比較結(jié)果可知，光大、民生、寧波、南京、興業(yè)、浦發(fā)6家銀行的影子規(guī)模占比都超過實證結(jié)果所計算出的4個轉(zhuǎn)折點，這些銀行的影子規(guī)模與系統(tǒng)性風(fēng)險之間是消極的風(fēng)險傳染在起主要作用；而大型商業(yè)銀行的影子規(guī)模均在0.1之下，這些銀行的影子規(guī)模與系統(tǒng)性風(fēng)險之間主要是積極的風(fēng)險分擔(dān)在起主要作用。因此，允許部分符合會計規(guī)范的銀行同業(yè)業(yè)務(wù)存在，并且限制銀行同業(yè)業(yè)務(wù)過度擴張是非常明智的，這將減小銀行的系統(tǒng)性風(fēng)險，維護整個銀行業(yè)甚至金融業(yè)的穩(wěn)定。因此，本文認為應(yīng)該嚴格執(zhí)行127號文和140號文中的相關(guān)規(guī)定，并進一步加強對銀行開展同業(yè)業(yè)務(wù)的流動性管理及過度開展同業(yè)業(yè)務(wù)的限制。

參考文獻：

[1]裘翔，周強龍. 影子銀行與貨幣政策傳導(dǎo)[J].經(jīng)濟研究，2014(5)：91-105.

[2]陸曉明. 中美影子銀行系統(tǒng)比較分析和啟示[J].國際金融研究，2014(1)：55-63.

[3]Li J，Hsu S，Qin Y. Shadow banking in China：Institutional risks[J]. China Economic Review，2014，31：119-129.

[4]肖崎，阮健濃. 我國銀行同業(yè)業(yè)務(wù)發(fā)展對貨幣政策和金融穩(wěn)定的影響[J].國際金融研究，2014(3)：65-73.

[5]殷劍峰，王增武. 影子銀行與銀行的影子：中國理財產(chǎn)品市場發(fā)展與評價[M]. 北京：社會科學(xué)文獻出版社，2013.1-16.

[6]梁琪，李政，郝項超. 我國系統(tǒng)重要性金融機構(gòu)的識別與監(jiān)管——基于系統(tǒng)性風(fēng)險指數(shù)SRISK方法的分析[J].金融研究， 2013(9)：56-70.

[7]馬君潞，范小云，曹元濤. 中國銀行間市場雙邊傳染的風(fēng)險估測及其系統(tǒng)性特征分析[J].經(jīng)濟研究，2007(1)：68-78.

[8]黃聰，賈彥東. 金融網(wǎng)絡(luò)視角下的宏觀審慎管理——基于銀行間支付結(jié)算數(shù)據(jù)的實證分析[J].金融研究，2010(4)：1-14.

[9]范小云，王道平，方意. 我國金融機構(gòu)的系統(tǒng)性風(fēng)險貢獻測度與監(jiān)管——基于邊際風(fēng)險貢獻與杠桿率的研究[J].南開經(jīng)濟研究，2011(4)：3-20.

[10]Mistrulli P E. Assessing financial contagion in the interbank market：maximum entropy versus observed interbank lending patterns[J]. Journal of Banking & Finance，2011，35(5)：1114-1127.

[11]Upper C. Simulation methods to assess the danger of contagion in interbank markets[J]. Journal of Financial Stability，2011，7(3)：111-125.

[12]梁琪，李政. 系統(tǒng)重要性、審慎工具與我國銀行業(yè)監(jiān)管[J].金融研究，2014(8)：32-46.

[13]卜林，李政. 我國上市金融機構(gòu)系統(tǒng)性風(fēng)險溢出研究——基于CoVaR和MES的比較分析[J].當(dāng)代財經(jīng)，2015(6)：55-65.

[14]Adrian T，Brunnermeier M K. CoVaR[R]. National Bureau of Economic Research，2011.

[15]Girardi G，Tolga Ergün A. Systemic risk measurement：multivariate GARCH estimation of CoVaR[J]. Journal of Banking & Finance，2013，37(8)：3169-3180.

[16]肖璞，劉軼，楊蘇梅. 相互關(guān)聯(lián)性、風(fēng)險溢出與系統(tǒng)重要性銀行識別[J].金融研究，2012(12)：96-106.

[17]Acharya V，Pedersen L H，Philippon T. Measuring systemic risk[R]. Working Paper，NYU，2010.

[18]范小云，王道平，劉瀾飚. 規(guī)模、關(guān)聯(lián)性與中國系統(tǒng)重要性銀行的衡量[J].金融研究，2012(11)：16-30.

[19]Brownlees T C，Engle R. Volatility，Correlation and tails for systemic risk measurement[R]. Working Paper，NYU，2011.

[20]Banulescu G，Dumitrescu E. Which are the SIFIs？A component expected shortfall approach to systemic risk[J]. Journal of Banking & Finance，2015，50：575-588.

[21]陳穎，段希文，孫晨正. 銀行新型同業(yè)業(yè)務(wù)的潛在風(fēng)險傳染效應(yīng)研究[J].金融監(jiān)管研究，2014(4)：57-71.

[22]李建軍，薛瑩. 中國影子銀行部門系統(tǒng)性風(fēng)險的形成、影響與應(yīng)對[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2014(8)：117-130.

[23]張雪蘭，盧齊陽，魯臻. 銀行高管薪酬與系統(tǒng)性風(fēng)險——基于中國上市銀行(2007-2013)的實證研究[J].財貿(mào)經(jīng)濟，2014(11)：42-54.

[24]張曉玫，毛亞琪. 我國上市商業(yè)銀行系統(tǒng)性風(fēng)險與非利息收入研究——基于LRMES方法的創(chuàng)新探討[J].國際金融研究，2014(11)：23-35.

[25]劉志洋，宋玉穎. 商業(yè)銀行流動性風(fēng)險與系統(tǒng)性風(fēng)險貢獻度[J].南開經(jīng)濟研究，2015(1)： 131-143.

[26]Battiston S，Delli Gatti D，Gallegati M. Liaisons dangereuses：increasing connectivity, risk sharing，and systemic risk[J]. Journal of Economic Dynamics and Control，2012，36(8)：1121-1141.

[27]Engle R. Dynamic conditional correlation：a simple class of multivariate generalized autoregressive conditional heteroskedasticity models[J]. Journal of Business and Economic Statistics，2002，20：339-350.

[28]Scaillet O. Nonparametric estimation of conditional expected shortfall[J]. Insurance and Risk Management Journal，2005，74：639-660.

[29]Engle R F，Moshirian F，Sahgal S. Banks non-interest income and global financial stability[R]. CIFR Paper，No.015，2014.

[30]Pais A，Stork P A. Contagion risk in the australian banking and property sectors[J]. Journal of Banking & Finance，2011，35(3)：681-697.

[31]Acharya V，Thakor A. The dark side of liquidity creation：leverage and systemic risk[R]. Working Paper，F(xiàn)ederal Reserve Bank of New York，2011.

[32]Mayordomo S，Rodriguez-Moreno M，Amigos E. Derivatives holdings and systemic risk in the US banking sector[J]. Journal of Banking & Finance，2014，45：84-104.

責(zé)任編輯、校對：郭燕慶

Banks’ Shadow: Risk -sharing or Risk Contagion?

TU Xiao-feng，LI Zhen

(School of Economics，Nankai University，Tianjin 300071，China)

Abstract:Banks’ shadow business, as part of Chinese shadow banking, mainly refers to as the business of the banks in recent years led by insufficient supervision or circumventing regulations, the interbank asset or liability formed by the cooperation between the banks and banks, banks and trust companies, banks and securities companies and banks and insurance companies. This makes the relativity between banks and banks and banks and non-bank financial institutions change, which further affects the systematic risks of banks. This paper takes 16 inland listed banks from 2009 to 2014 as an example and studies the relationship between the scale of banks’ shadow business and systematic risk. Empirical research finds that a significant U-shaped relationship exists between banks’ shadow business and their systematic risks. In the beginning of banks’ shadow business development, banks can reduce systematic risks by risk-sharing. But with the further development of banks’ shadow business, the banks’ systematic risks are enlarged by the financial acceleration role of banks’ riskcontagion.

Key words:Banks’ shadow; Systematic Risk; Risk-sharing; Risk-contagion

文獻標識碼：A

文章編號：1002-2848-2016(02)-0020-10

作者簡介：涂曉楓(1990- )女，四川省富順縣人，南開大學(xué)經(jīng)濟學(xué)院博士研究生，研究方向：影子銀行風(fēng)險度量與監(jiān)管；李政(1988- )河南省固始縣人，南開大學(xué)經(jīng)濟學(xué)院博士研究生，研究方向：系統(tǒng)性風(fēng)險和宏觀審慎監(jiān)管。

基金項目：國家社會科學(xué)基金重大項目“金融風(fēng)險度量的新理論與新方法及其在中國金融機構(gòu)的應(yīng)用研究”(批準號：14ZDB124)，國家自然科學(xué)基金面上項目“金融機構(gòu)風(fēng)險動態(tài)傳遞研究：基于全球的視角”(批準號：71571106)；國家社科青年項目“房價波動對系統(tǒng)性金融風(fēng)險影響的傳導(dǎo)機制、動態(tài)特征及對策研究”(15CJY080)；中國特色社會主義經(jīng)濟建設(shè)協(xié)同創(chuàng)新中心、天津市“131”創(chuàng)新型人才團隊“金融風(fēng)險創(chuàng)新團隊”。

收稿日期：2015-11-17