中國上市金融機構系統性風險測度

楊源源，張譯文

(1.南京大學 經濟學院，江蘇 南京 210093)(2.南京財經大學 金融學院，江蘇 南京 210023)

?

中國上市金融機構系統性風險測度

楊源源1，張譯文2

(1.南京大學 經濟學院，江蘇 南京 210093)(2.南京財經大學 金融學院，江蘇 南京 210023)

金融危機后宏觀審慎監管逐步成為各國金融管理改革的重點內容，金融系統性風險由此受到廣泛的關注。選取2010—2014年數據，運用分位數回歸的CoVaR方法度量中國32家上市金融機構的系統性風險，定量分析中國金融行業的風險傳染及風險溢出效應。研究發現，整個金融行業的關聯度很強，銀行體系相對證券業和保險業有更強的關聯度；風險傳染具有普遍性，但實證結果表明金融系統性風險的傳染呈現衰減特性；金融機構的風險溢出與其自身經營風險存在較強關聯，并非完全取決于資產規模大小。同時，監管部門既要專注微觀審慎還應專注宏觀審慎，根據系統性風險貢獻程度而非規模大小，正確確立中國系統性重要金融機構名單，構建漸趨完善的宏觀審慎監管框架。

金融體系；風險溢出；CoVaR；系統重要性金融機構；宏觀審慎監管

一、問題提出

2008年國際金融危機以來，金融系統性風險的測度和管理已成為人們關注的焦點。各國政府普遍認為金融系統性風險積累和宏觀審慎監管缺失是導致金融危機發生的重要原因。隨著當前中國經濟增速逐步放緩，近年來各類負面因素不斷積聚進而導致金融市場風險屢屢發生。2015年10月29日，中共十八屆五中全會審議通過《關于制定國民經濟和社會發展第十三個五年規劃的建議》，正式提出要加強金融宏觀審慎管理制度建設，構建貨幣政策與審慎管理相協調的金融管理體制。2015年12月29日，央行宣布從2016年起將現有的差別準備金動態調整和合意貸款管理機制升級為宏觀審慎評估體系(macro prudential assessment，MPA)，以進一步完善宏觀審慎政策框架、更加有效地防范系統性風險。在此背景下，了解金融系統性風險的形成機制、測度當前金融系統的風險程度，從而建立科學的宏觀審慎框架，對有效引領中國新常態經濟發展而言無疑極具重要意義。

單家銀行風險會擴散到與其相關聯的銀行進而整個金融體系，即為風險溢出。譬如一家金融機構遭受重大損失或某一個市場遭遇困境會迅速擴散至整個金融體系，由此系統性風險隨之產生。當金融機構風險溢出較大時，它的倒閉將給整個金融體系造成巨大破壞，進而可能引致危機。亦即，風險溢出效應本質屬于外部性的一個典型表現，容易引致機構之間或市場危機的相互傳染。

宏觀審慎監管立足宏觀、系統性層面，并以金融穩定為目標，但監管當局在審慎監管政策具體實踐時，則需評估單個機構的系統重要性，以此篩選出易導致宏觀不審慎的系統重要性金融機構，并通過厘清影響金融機構系統重要性的因素以把握各金融機構的系統重要性演變。簡而言之，宏觀審慎監管是以系統重要性金融機構為重要抓手。目前，中國銀行、中國工商銀行、中國農業銀行以及中國建設銀行等四家國有大型商業銀行均被金融穩定理事會(FSB)列為系統性重要銀行名單。人們普遍認為一家金融機構是否具有系統重要性取決于其自身規模大小，規模越大系統重要性越強。而究竟金融機構規模越大是否就一定意味著其系統性風險貢獻程度越高？目前鮮有文獻結合中國實際數據展開具體論證和分析。此外，國內現階段對系統性風險的研究大多局限于銀行業，而較少展開對證券、保險等其他金融行業風險溢出的系統研究，而近年來資本市場危機頻頻提醒了中國學界和實務界在關注金融系統風險時不應僅盯住銀行業金融機構。

為此，本文嘗試在已有文獻研究的基礎上對中國整個金融業風險溢出效應進行系統研究，測度各上市金融機構對整個金融體系的風險溢出以及系統性風險貢獻程度，并藉此探討金融機構風險溢出的特點。本文主要采用QR-CoVaR方法構建風險溢出測度模型，度量上市金融機構與金融系統間的風險溢出，并進行機理分析和比較。本文剩余部分結構安排如下：第二部分對已有研究系統性風險的主要文獻進行回顧；第三部分構建系統性風險測度的理論模型；第四部分為系統性風險測度實證分析；第五部分為全文結論與政策建議。

二、文獻綜述

目前，國外關于系統性風險已展開較為豐富的研究，但在國內尚處于起步階段，這也在一定程度上反映了中國在過去很長一段時期內對系統性風險的重視程度較低。在這一部分將對系統性風險研究文獻進行詳細梳理，并深入闡述強化中國關于金融系統性風險研究的必要性。

(一)系統性風險測定的常用方法

艾賽彼和泰奇(Acerbi & Tasche，2002)在期望損失(expected shortfall，ES)的基礎上提出系統期望損失(systemic expected shortfall，SES)和邊際期望損失(marginal expected shortfall，MES)的概念[1]。阿卡里亞等(Acharya et al.，2013)將SES運用于實證分析并證實SES方法在預測危機方面具有效性[2]。在國內，范小云等(2011)運用SES和MES方法探討了中國金融機構的邊際風險貢獻問題，認為金融機構對金融系統的邊際風險貢獻呈現與金融危機相一致的周期性，并提出應降低這種順周期性[3]。

連接相依(Copula)函數的思路是將多個隨機變量的尾部分布用Copula函數聯系在一起，形成聯合分布，并使用肯德爾(Kendall)和斯皮爾曼(Spearman)系數來描述金融機構之間相關性。塞戈維亞諾和古德哈特(Segoviano & Goodhart，2009)使用非參數Copula函數方法測度單一銀行系統的重要性[4]。在國內，宋群英(2011)運用Copula函數方法分析了中國上市銀行風險傳染效應[5]。塔拉舍夫等(Tarashev et al.，2009)使用博弈論中的夏普利值(Shapley)概念，將各金融機構Shapley值總和作為系統風險，并將系統風險分配至各金融機構，作為其系統重要性指標[6]。在國內，張娜娜和陳超(2012)使用Shapley值方法實證檢驗了中國上市銀行的系統重要性程度，認為系統重要性和銀行規模大小并不具有必然聯系[7]。

阿德里安和布倫納邁耶(Adrian & Brunnermeier，2016)提出條件風險價值(CoVaR)方法，這一方法在測度銀行業系統風險方面已得到廣泛運用[8]。國內學者使用不同方法計算CoVaR，高國華和潘英麗(2011)采用基于廣義自回歸條件異方差(GARCH)模型的CoVaR方法分析中國上市銀行對銀行業整體的風險貢獻，結果表明四大國有商業銀行在中國銀行業中具有明顯的系統重要性，并否定了CoVaR與VaR存在線性相關性[9]。李志輝和樊莉(2011)則采用基于分位數回歸的CoVaR方法，測度中國商業銀行系統風險溢出，得出相似結論，并指出基于風險價值(VaR)的現行監管政策亟待改進[10]。而袁曦等(2014)則提出使用GARCH-Copula-CoVaR測度中國上市銀行系統風險及其邊際風險貢獻[11]。貝諾伊特等(Benoit et al.，2011)率先對MES和CoVaR兩種方法進行比較，認為這兩種方法之間具有很強的聯系[12]。

(二)現有測度方法比較

SES、Shapley值、Copula函數和CoVaR方法是目前較為流行的研究銀行業系統風險傳染現象的方法。

SES需要機構杠桿率和MES指標，MES是對期望損失ES附加條件。但測算MES的相關指標在諸如中國這樣的許多發展中國家尚未出現，需用其他指標替代，這一定程度上削弱其優勢，并由于測算復雜性而在發展中國家風險管理中缺乏操作實踐性。Shapley值方法是將包含目標銀行的全部銀行系統子系統的效應按照規模進行加權平均，以此作為目標銀行的系統風險貢獻度，該方法具有可加性，是分配系統風險的一般方法之一。但該模型對研究對象有一定要求，當系統重要性和銀行規模不具有很強的聯系時，測算結果會出現偏差。Copula函數方法先對數據進行擬合，將各銀行間的尾部相關系數作為風險溢出指標，其缺點在于風險指標間的相依結構往往會隨危機階段的變化而變化，進而得到的結果不可靠，并且該方法無法表明風險傳染的方向和反饋效應。

相對以上三種方法，CoVaR函數方法主要存在三大優勢：一是能測度各金融機構相互之間的風險溢出，即金融機構間的聯系度(financial linkage；當機構i處于困境時，機構j風險增加的程度)；二是這種方法易同多種其它方法結合運用，具有很強的可擴展性；三是這一方法操作較為簡便，適用于資本市場較不發達以及金融指標相對缺乏的發展中國家。

通過對有關金融機構系統性風險研究的文獻進行梳理，不難發現國外學者已對此展開較為豐富的討論，而國內則相對著墨甚少。另外，當前關于系統性風險的研究大多關注于銀行層面，鮮有涉及證券和保險等金融行業機構。隨著混業經營的逐步深化以及居民資產持有形式的多樣性，銀行、證券、保險等金融機構表現出較高的關聯度和傳染性，僅關注銀行部門的系統性風險顯然不能準確把握整個金融體系的系統風險，從而所得結論及相關政策建議亦存局限性。為此，本文嘗試基于結合分位數回歸的CoVaR(QR-CoVaR)方法探究涉及銀行、證券、保險等三大行業所有上市金融機構的系統性風險，并進行比較分析以為完善中國金融監管體系、強化宏觀審慎監管提供現實參考。

三、風險溢出模型的構建

(一)CoVaR方法

(1)

(二)分位數回歸(quantile regression)方法的CoVaR(QR-CoVaR)

傳統的線性回歸方法描述了因變量均值受其他相關因素影響的情形，且利用普通最小二乘法估計出來的參數具有最優線性無偏性。然而現實中的金融數據往往服從尖峰厚尾分布且存在顯著的異方差，這會導致普通最小二乘法的失效。為彌補傳統線性回歸方法的不足，科恩客和巴塞特(Koenker & Bassett，1978)首先提出分位數回歸的思想[13]。分位數回歸根據因變量的條件分位數對自變量進行回歸，可得到所有分位數下的回歸模型。因此，分位數能更全面反映部分因變量受自變量的影響情況。

假設隨機變量X的分布函數為：F(x)=Pr(X≤x)。Y的q分位數Q(q)定義為滿足F(x)≥q的最小y值：

Q(q)=inf(x：F(x)≥q)，0

(2)

一般樣本分位數回歸是使加權誤差絕對值之和最小，即：

(3)

(4)

在使用QR對參數α和β進行估計時，一般通過求解式得到：

(5)

從式(5)容易看出，通過改變q就可以得到不同的分位數回歸曲線(由α和β的不同估計值代表)。Q反映了因變量Y的不同水平，如果取q=0.2，則分位數回歸曲線代表的是y：Pr(Y≤y)=0.2受自變量X的影響程度。在金融風險實踐中，可以通過選取較小的q值(如5%)來考察收益率左尾(代表損失)受其他因素影響的情況。分位數回歸技術為全面理解金融風險提供了全新的方法和思想。

(三)風險溢出測度模型

考察金融機構j發生風險時對金融機構i的風險溢出效應，建立如下q分位數回歸模型：

(6)

(7)

(8)

(9)

四、金融機構系統性風險測度

(一)樣本與指標選取

IMF(2009)提出的系統性風險檢測方法(網絡分析法、違約強度模型等)均采用了股價數據[14]。為此，本文在研究中國金融機構系統性風險問題時亦采用股票收益率為基礎表征指標。參照帕特羅等(Patro et.al，2013)[15]，本文運用皮爾遜(Pearson)相關系數度量金融機構股票收益率相關性。對于每家上市金融機構，通過分別求出在每個時期其他各金融機構股票收益率與其相關關系，然后取均值以表示該金融機構與其他上市金融機構的平均相關性，并運用曼-惠特尼(Mann-Whitney)方法檢驗所測算的指標是否發生顯著變化。

(二)關聯性檢驗

選取32家金融機構股票周收益率與市值加權的行業周收益率進行相關性檢驗，結果如表1所示。

表1 各金融機構與整個金融行業的相關系數

研究表明整個金融體系的關聯度非常強，各金融機構與整個金融業的相關系數大多集中于0.7～0.9。其中，商業銀行的相關系數最大，特別是國有大型商業銀行(平均相關度高達0.89)，說明國有商業銀行在整個金融體系中舉足輕重；其次為保險公司(平均相關度達0.82)，這與近年來中國保險業發展迅速、近乎指數規模增長有關，政府對保險業的發展也是積極支持，因而其在金融行業地位和規模逐年上升；再次是股份制銀行(與整個金融系統的關聯度平均值為0.79)，其規模僅次于國有銀行且遠高于城市商業銀行；三家城市商業銀行的平均相關系數是0.77，且差別并不明顯；證券行業的相關系數差別較大，華泰證券相關系數高達0.84，國金證券則為0.66，差別接近20%，這主要因為中國不同金融機構資產大小存在異質性*金融機構的相關系數與其資產規模存在緊密聯系。參照表6，不難發現相關性排名靠后的太平洋證券和國金證券其資產規模排名亦是靠后，而相關性排名靠前的國有大型商業銀行其資產規模相應則遙遙領先于其他金融機構。。

中國金融機構2010—2014年的平均相關系數高達0.79，遠遠高于國外相關系數0.614[18]。這也說明中國金融行業各機構之間相關性很大，系統聯動效應較強。另外，測算結果揭示各金融機構的相關系數隨時期呈現逐漸上升趨勢，這表明系統性緊密程度逐年加深，蘊含的風險也在逐步加深。自2012年以來，各金融機構的資產均呈現大幅增長，如國有大型商業銀行總資產增長水平約12%，一些城商行和證券公司的增長率高達30%以上。資產規模的迅速增長必然會導致金融機構之間關聯度上升，以致系統性風險加深。

(三)CoVaR回歸

本文在測算VaR與CoVaR數值前首先對需要用到的樣本數據進行正態性檢驗。檢驗發現，各金融機構收益率序列均不呈現正態分布存在“尖峰”特征；表現為“厚尾”特性。鑒于此，本文的VaR與CoVaR估計時采用分位數回歸的方法更為科學。

通過對32家上市金融機構的周股票收益率加權可得到如圖1所示的金融行業周股票收益變動趨勢圖，為避免實證出現偽回歸結果，本文在分位數回歸之前進一步收益率序列進行平穩性檢驗，結果顯示樣本金融機構的周收益率序列以及金融行業周收益序列均為平穩序列。

圖1 金融行業周收益率波動

表2 商業銀行分位數回歸結果

表3 證券公司分位數回歸結果

表4 保險公司分位數回歸結果

(四)金融體系風險溢出測度

根據CoVaR分位數回歸結果以及風險溢出測度方程，可以得到各金融機構對金融體系的風險溢出值，如表5所示。

表5 各金融機構VaR、CoVaR和ΔCoVaR

參照32家上市金融機構的資產規模排名情況(見表6)，進一步分析風險溢出數據，不難發現：

(1)金融機構的ΔCoVaR大多集中于(-0.01，-0.04)，均為負值。表明全部上市金融機構對銀行系統均存在風險溢出，當某一上市金融機構陷入困境時，或多或少都會波及到整個金融系統，致使金融系統性風險增加。

(10)

五、結論及政策建議

金融危機爆發的嚴重性以及其產生的巨大破壞力使各國政府和居民更加重視系統性風險，本文由此運用分位數回歸的CoVaR方法測度了中國32家公開上市的金融機構系統性風險貢獻程度。實證結果表明，中國金融行業的關聯性很強，銀行業與整個金融行業的關聯性較大，證券、保險行業金融機構的相關系數相對較小，分位數回歸結果表明金融機構風險傳染具有普遍性且金融機構規模越大風險傳染程度越高，但風險傳染均呈現衰減特性；根據風險溢出測度結果，金融機構對整個金融體系風險溢出強弱與金融機構資產規模大小具有非協同性，資產規模并不突出的中國太保、太平洋、光大證券等金融機構反而風險溢出排名靠前，國有大型商業銀行系統性風險貢獻度并非最高，規模龐大的銀行業金融機構對金融體系的風險溢出也并非像想象中的明顯。同時，本文的研究亦提醒學界在探究系統性風險時不應僅盯住大規模的銀行業金融機構，還應關注經營波動性較大的證券業和保險業金融機構。據此，本文給出如下幾點政策建議：

(1)加強金融機構信息披露，完善其風險評估程序，由于風險傳染的普遍性，監管者在監管時不應僅關注微觀審慎，還應該更多考慮其風險溢出水平以強化金融行業宏觀審慎監管，致力于加強金融機構抵御外來關聯風險的能力。

(2)金融機構系統性風險溢出很大程度上與機構自身的經營管理水平有較強關聯，并非完全取決于資產規模。為此，監管部門在進行監管時應加強對機構本身的經營、盈利水平的監管，并關注各個機構之間關聯度，尤其注重對中小金融機構的監管。近年來中小金融機構的擴張較快，經營風險很高，加強對這些中小機構的監管有利于維護金融體系的穩定。

(3)正確確立中國系統性重要金融機構名單，區分各金融機構系統重要層級，以便構建合理的宏觀審慎監管框架，致力宏觀經濟行穩致遠。在確定系統重要性機構時，綜合考慮機構規模、關聯度、經營風險等因素，而不單單盯住資產規模抑或其他某一層面；對各個金融機構按相應原則實行差別監管，對系統風險影響較大的金融機構應該重點監管。

[1]ACERBI C，TASCHE D.On the coherence of expected shortfall[J].Journal of Banking & Finance，2002，26(7)：1487-1503.

[2]ACHARYA V，SCHNABL P，SUAREZ G.Securitization without risk transfer[J].Journal of Financial Economics，2013，107(3)：515-536.

[3]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.

[4]SEGOVIANO B M，GOODHART C.Banking stability measures[Z].IMF Working Paper，2009.

[5]宋群英.基于Copula函數的系統重要性銀行的傳染性研究[J].金融與經濟，2011(10)：12-17.

[6]TARASHEV N，BORIO C，TSATSARONIS K.The systemic importance of financial institutions[J].BIS Quarterly Review，2009,449(9):75-87.

[7]張娜娜，陳超.基于Shapley值方法的中國上市銀行系統重要性研究[J].金融經濟學研究，2012(1)：55-63.

[8]ADRIAN T，BRUNNERMEIER M K.CoVaR[J].The American Economic Review，2016，106(7)：1705-1741.

[9]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)：1753-1759.

[10]李志輝，樊莉.中國商業銀行系統性風險溢價實證研究[J].當代經濟科學，2011(6)：13-20.

[11]袁曦，陳長權，石德金.基于GARCH-Copula-CoVAR方法的我國銀行系統性風險的度量研究[J].科技和產業，2014(1)：155-159.

[12]BENOIT S，COLLETAZ G，HURLIN C，et al.A theoretical and empirical comparison of systemic risk measures[Z].HEC Paris Research Paper No.FIN-2014-1030，2011.

[13]KOENKER R，BASSETT G.Regression quantiles[J].Econometrica，1978，46(1)：33-50.

[14]IMF.Global financial stability report:responding to the financial crisis and measuring systemic risk[R].International Monetary Fund，2009.

[15]PATRO D K,QI M,SUN X.A simple indicator of systemic risk[J].Journal of Financial Stability,2013,9(1):105-116.

[16]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)：57-66.

(責任編輯：高立紅)

Measuring the Systemic Risks of China’s Listed Financial Institutions

YANG Yuanyuan1，ZHANG Yiwen2

(1.Nanjing University，Nanjing 210093，China；2.Nanjing University of Finance and Economics，Nanjing 210023，China)

After the financial crisis，macro-prudential supervision has gradually become the focus of financial management reform in various countries，which makes the financial systemic risk receiving extensive attention in recent years.The paper uses the quantile regression and the CoVaR method to measure the system risks of 32 listed financial institutions in China with data from 2010 to 2014，and quantitatively analyzes the risk contagion, as well as the risk spillover of China’s financial industry.The study shows that the whole financial industry has a strong correlation while the banking system relatively has a stronger correlation than the securities and insurance industry；risk contagion shows universality，but the financial system risk contagion presents a characteristic of attenuation；financial institutions’ risk spillover which is not entirely dependent on asset sizes has a strong association with their business risks.Meanwhile, this paper argues that the regulatory authorities should be committed to the micro-prudential and the macro-prudential at the same time，establish the correct list of systemically important financial institutions according to systemic risk contribution，and gradually build a more perfect macro-prudential regulatory framework.

financial system；risk spillover；CoVaR；systemically important financial institution；macro-prudential supervision

10.13504/j.cnki.issn1008-2700.2017.04.004

2016-12-30

國家社會科學基金重大項目“基于物價調控的中國最優財政貨幣政策體制研究”(12&ZD064)；江蘇省社科應用研究精品工程項目“南京市城市金融競爭力研究”(16SYC-102)；安徽省教育廳人文社科重點項目“金融集聚促進安徽產業結構升級研究”(SK2015A431)

楊源源(1990—)，男，南京大學經濟學院博士研究生；張譯文(1991—)，女，南京財經大學金融學院碩士研究生。

F832.5

A

1008-2700(2017)04-0027-10