基于MVMQ-CAViaR模型的影子銀行與商業(yè)銀行的金融風(fēng)險(xiǎn)傳染研究

楊舒怡 程業(yè)斌 東華大學(xué)旭日工商管理學(xué)院

一、引言

截至2018年底，中國影子銀行規(guī)模總量達(dá)到62.1萬億元，占我國GDP值的68%。影子銀行，既是金融創(chuàng)新，又是對(duì)傳統(tǒng)商業(yè)銀行和金融監(jiān)管的挑戰(zhàn)。研究影子銀行帶來的金融風(fēng)險(xiǎn)傳染效應(yīng)，一直備受關(guān)注。

二、文獻(xiàn)回顧

魏濤等（2013）[1]指出，我國的影子銀行的機(jī)構(gòu)和業(yè)務(wù)，游離于傳統(tǒng)銀行之外，“無銀行之名、行銀行之實(shí)”，大概包括銀行的影子業(yè)務(wù)、影子銀行的業(yè)務(wù)兩個(gè)類別。

關(guān)于影子銀行與商業(yè)銀行的風(fēng)險(xiǎn)傳染，學(xué)者們進(jìn)行了相關(guān)研究。李叢文和閆世軍（2015）[2]使用時(shí)變的Copula函數(shù)計(jì)算CoVaR值，計(jì)算了兩者的風(fēng)險(xiǎn)傳染程度，認(rèn)為需要加強(qiáng)防范風(fēng)險(xiǎn)傳染。馬亞明和宋羚娜（2017）[3]將影子銀行主要?jiǎng)澐譃樽C券、信托和民間借貸，通過拓展的GARCHCoVaR模型實(shí)證分析其風(fēng)險(xiǎn)傳染程度，認(rèn)為兩者間初步形成風(fēng)險(xiǎn)傳染，應(yīng)做好業(yè)務(wù)監(jiān)管的強(qiáng)化。

三、研究設(shè)計(jì)

（一）實(shí)證模型

在Engle和Manganelli（2004）的CAViaR模型基礎(chǔ)上，White等人（2015）提出了多變量多分位點(diǎn)條件自回歸風(fēng)險(xiǎn)值（MVMQCAViaR）模型，將分位數(shù)回歸從單方程轉(zhuǎn)換到向量自回歸的結(jié)構(gòu)化方程，觀測(cè)分析相關(guān)市場(chǎng)的尾部風(fēng)險(xiǎn)傳染。具體公式如下：

qit(θ)為在θ水平下該市場(chǎng)的尾部風(fēng)險(xiǎn)，是市場(chǎng)收益率對(duì)應(yīng)的條件分位數(shù)。|Yit-1|為該市場(chǎng)i滯后一期的收益率絕對(duì)值。qit-1為滯后一期的尾部風(fēng)險(xiǎn)，其能描述沖擊對(duì)自身的影響。

（二）樣本數(shù)據(jù)統(tǒng)計(jì)

本文以影子銀行、商業(yè)銀行為兩個(gè)研究市場(chǎng)，通過收集兩市場(chǎng)代表機(jī)構(gòu)的收益率數(shù)據(jù)，構(gòu)建MVMQ-CAViaR模型，考察兩個(gè)市場(chǎng)之間是否存在極端風(fēng)險(xiǎn)溢出效應(yīng)。

選取時(shí)間區(qū)間為2011年5月到2019年12月，影子銀行的數(shù)據(jù)選擇中國8家影子銀行的收益率，包括安信信托、陜國投A、中信證券、廣發(fā)證券、大眾公用、東方財(cái)富、張江高科、生意寶。商業(yè)銀行的數(shù)據(jù)選取中國16家代表商業(yè)銀行，包括中國銀行、中國工商銀行、中國農(nóng)業(yè)銀行、中國建設(shè)銀行、交通銀行、浦發(fā)銀行、平安銀行、華夏銀行、民生銀行、興業(yè)銀行、招商銀行、光大銀行、寧波銀行、中信銀行、南京銀行、北京銀行。

收益率=100*LN（Pt/Pt-1），然后取收益率的平均值作為收益率樣本數(shù)據(jù)。樣本數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)，影子銀行和商業(yè)銀行均顯示出尖峰厚尾的特征，可采用MVMQCAViaR模型。

（三）實(shí)證分析

將分位數(shù)水平選擇為θ=0.05，將上述樣本數(shù)據(jù)通過matlab進(jìn)行MVMQ-CAViaR模型處理，具體估計(jì)結(jié)果如表1所示。

表1 MVMQ-CAViaR模型的樣本估計(jì)結(jié)果

b12在1%的置信水平下顯著，說明商業(yè)銀行的極端風(fēng)險(xiǎn)會(huì)對(duì)影子銀行的風(fēng)險(xiǎn)價(jià)值產(chǎn)生了明顯的影響。b21在1%的置信水平下顯著為負(fù)，說明的影子銀行極端風(fēng)險(xiǎn)會(huì)加劇對(duì)商業(yè)銀行的風(fēng)險(xiǎn)價(jià)值影響。b12和b21均在1%的置信水平下顯著，表明商業(yè)銀行和影子銀行之間存在著明顯的風(fēng)險(xiǎn)傳染效應(yīng)。

b11與b22在1%的置信水平下顯著，說明兩個(gè)市場(chǎng)的風(fēng)險(xiǎn)價(jià)值存在度的自相關(guān)特征。a12與a21分別在5%置信水平下顯著不為0，反映了商業(yè)銀行與影子銀行之間存在顯著的溢出效應(yīng)。a11與a22分別在10%、5%的置信水平下顯著，表明影子銀行和商業(yè)銀行均具備較高的市場(chǎng)化水平。

（四）分位數(shù)脈沖響應(yīng)分析

主要分析我國影子銀行和商業(yè)銀行，受到兩單位影子銀行收益率的沖擊時(shí)，影子銀行和商業(yè)銀行未來200期的風(fēng)險(xiǎn)脈沖響應(yīng)過程。分析可知，受到?jīng)_擊后兩者的收斂速度不一樣，影子銀行收斂更快。商業(yè)銀行受到影子銀行的沖擊后，記憶性更強(qiáng)，風(fēng)險(xiǎn)傳染具有滯后，但最終會(huì)趨于穩(wěn)定。

四、結(jié)論與啟示

根據(jù)實(shí)證分析結(jié)果表明：分位數(shù)水平為5%的情況下，利用MVMQ-CAViaR模型對(duì)影子銀行、商業(yè)銀行的風(fēng)險(xiǎn)度量結(jié)果顯著，可作為衡量?jī)烧叩臉O端風(fēng)險(xiǎn)水平指標(biāo)。影子銀行與商業(yè)銀行存在顯著的風(fēng)險(xiǎn)傳染效應(yīng)，說明兩者存在著雙向的風(fēng)險(xiǎn)傳染效應(yīng)，需要做好商業(yè)銀行和影子銀行的監(jiān)管力度。

為更好的控制影子銀行的風(fēng)險(xiǎn)，應(yīng)該做好銀行與各大金融體系的協(xié)調(diào)和監(jiān)管，促進(jìn)我國金融市場(chǎng)的和諧發(fā)展。監(jiān)管部門要嚴(yán)防影子銀行通過商業(yè)銀行進(jìn)行資金套現(xiàn)，要保證商業(yè)銀行的表外業(yè)務(wù)、影子銀行業(yè)務(wù)等都處于監(jiān)管體系下，嚴(yán)格防控風(fēng)險(xiǎn)。