我國影子銀行對商業銀行的風險溢出效應

王 菲 首都經濟貿易大學金融學院

一、引言

近年來，金融市場的競爭日益加劇，監管的壓力也在不斷增加。與此同時，隨著金融發展的水平提升，“創新”成為了金融產業的主題，我國影子銀行得到了迅猛發展。雖然目前看來我國商業銀行的凈資產較高，足以抵御一定程度的信貸危機沖擊，但是近年來金融市場頻繁發生的流動性緊張事件說明了影子銀行的局部風險仍然威脅著我國的金融系統穩定性，此類系統性風險一旦暴露，商業銀行必定首先受到影響。因此，本文選取代表性上市金融機構構成影子銀行系統和商業銀行系統，運用GARCH-CoVaR模型來分別研究各類影子銀行對商業銀行系統的風險溢出效應和影子銀行系統對各類商業銀行的風險溢出效應。本文的研究為監管影子銀行風險溢出效應從而提高商業銀行抗風險能力提供客觀的實證依據。

二、文獻綜述

(一)影子銀行

在2008年的全球金融危機期間，影子銀行系統在向其他金融機構擴散壓力方面發揮了關鍵作用，尤其是對商業銀行的影響，影子銀行在世界范圍內受到了越來越多的關注。金融穩定理事會(FSB，2011)對影子銀行的概念做出了權威性的界定，它指出影子銀行是游離在傳統銀行體系之外同時又從事傳統銀行業務的信用中介體系，尤其是指具有期限轉換、信用風險轉移與流動性轉換的信用中介體系。同時其也指出，影子銀行的具體存在形式沒有國際統一標準，應當根據每個國家地區的金融體系完善程度與監管政策的情況具體分析。

我國對影子銀行的界定與國外不同，國外的影子銀行業務是在商業銀行以外進行的，多以資產證券化為核心，由非銀行金融機構獨立開展，而我國的影子銀行則是以傳統銀行為主要載體(周小川，2010)，其與傳統銀行之間有著密切的聯系，商業銀行主導著影子銀行的業務，實現規避監管的目的，實質上是“銀行影子”。Schwarcz(2013)認為中國的影子銀行與其他發展中國家不同，因為中國擁有獨特信托收益權。

(二)影子銀行的風險溢出效應

影子銀行在一定程度上推進了金融市場的發展，加快推進了市場利率化的進程，但也在某種程度上造成了金融風險的加劇，使得金融市場的穩定性下降，尤其是對商業銀行的沖擊。Gao(2013)測算了1992—2011年之間的影子銀行規模，分析發現影子銀行對商業銀行有風險正向溢出效應，并且其規模的擴大會使得商業銀行的系統性風險加劇。Paraschiv(2013)通過一個基于多元極值理論的模型測量風險和流動性擠兌，測度傳統銀行和影子銀行尾部概率之間存在相互依賴關系，研究表明影子銀行資產與傳統銀行資產存在較強的傳染性，且這種傳染效應是不對稱的。Instefjord(2005)采用簡單的金融困境成本模型進行實證研究，考察信用衍生品作為影子銀行金融創新是否會使銀行暴露信用風險，研究結果表明雖然信用衍生品可以分擔部分風險，但如果銀行利用信用衍生品進行投機，很可能會撼動銀行體系，使其非常不穩定。王晰等(2020)通過TVPVAR模型在四個能力維度上研究了影子銀行對金融穩定的影響，研究發現影子銀行對金融發展能力在不同時期都有顯著的負向影響，對金融平穩能力、金融防御能力、金融恢復能力在不同時點有不同程度的影響。李文喆(2020)發現在考慮影子銀行的影響后，商業銀行的資本充足率、撥備覆蓋率、存貸比都突破了有關法律法規所規定的限制，說明了商業銀行的穩定性受到了影子銀行的風險沖擊。郭娜等(2021)通過構建NK-DSGE模型將影子銀行納入考慮范圍進行脈沖響應分析，結果發現，對影子銀行和商業銀行的不對稱的信貸監管會加速影子銀行的規模擴張，而影子銀行的經營方式具有高杠桿的特點，其加劇了金融系統的風險與不穩定。

2008年全球金融危機爆發后，不同金融領域內的風險擴散傳遞成為學者們關注的熱點話題，出現了大量的研究風險溢出的方法。Lehar(2005)將系統性風險定義為總資產占銀行總資產的一定比例以上的銀行在短期內破產的概率，然后利用蒙特卡洛模擬來得到系統風險，進而分析銀行資產的波動性。然而這方法并不適用于影子銀行，因為影子銀行的活動知識金融機構交易的一部分，而一家機構的倒閉反映的是金融體系的整體風險，而不是影子銀行的局部風險。Huang、Zhou和Zhu(2009)提出由針對金融危機的保險價格來衡量系統風險，該價格是基于對單個影子銀行違約概率的事前度量和對資產回報相關性的預測。然而，在我國影子銀行體系中，信用品衍生市場并沒有那么發達，因此很難從這一類金融工具中獲取信息，因此這種方法也不適用于影子銀行的研究。現如今主流的測度風險的方法是CoVaR條件在險價值法，該方法能夠利用金融市場數據更加精確的測度影子銀行的風險。李從文(2015)就是用了CoVaR的方法測度了影子銀行的風險溢出效用，結果發現了不同類型的影子銀行對商業銀行的有不同強度的風險溢出效應，且影子銀行對不同類型的商業銀行的風險溢出也是大不相同。

三、模型設計和數據說明

(一)基本CoVaR模型

條件風險價值(CoVaR)的含義是指在某一置信水平下，金融機構或資產組合的損失為VaR時，其他機構或資產組合受此影響可能遭受的潛在最大損失。其具體的數學表達為：

金融機構j的風險事件對金融機構i的風險溢出價值是為與的數值之差，具體的數學表達為：

但是由于不同的金融機構i的風險價值差別較大，因此，為了方便比較研究，需要將其進行標準化處理，得到金融機構j對金融機構i的風險溢出度，具體的數學表達為：

(二)GARCH-CoVaR 模型

實證研究表明，GARCH(1,1)模型對金融數據具有較好的擬合性。因此，首先利用GARCH(1,1)模型對本文的股票收益率時間序列進行建模，得到條件方差序列和條件均值序列，計算VaR值，公式為：

然后，利用GARCH模型對金融機構j的VaR值以及金融機構i的收益率進擬合，并進行CoVaR值的計算：

(三)樣本選取與數據說明

當前我國影子銀行業務主要有兩個參與主體，一個是商業銀行，其包括了國有商業銀行、股份制商業銀行以及城市商業銀行等，另一個是影子銀行機構，其包括以證券機構、信托為主體的非銀行金融機構以及民間借貸金融機構。參照現有的研究，本文的研究對象為上市金融機構，以確保數據可獲得和有效性。商業銀行方面，選取中國銀行、工商銀行、建設銀行代表國有商業銀行；選取中信銀行、招商銀行、民生銀行、興業銀行、浦發銀行、和華夏銀行代表股份制商業銀行；選取南京銀行、北京銀行和寧波銀行代表城商行。影子銀行方面，選取中信證券、太平洋證券、長江證券、西南證券、國金證券、國元證券、海通證券、東北證券和廣發證券代表證券類影子機構；選取已上市的陜國投 A 和安信信托代表信托類影子機構；選取已上市的渤海租賃、魯信創投和香溢融通代表民間借貸類影子機構。

2008 年以后我國的影子銀行快速發展，規模迅速擴大，因此本文選取的樣本數據跨度是2008年1月2日到 2019年12月31日。原始數據均來源于Wind數據庫，本文選取的是每家上市金融機構的日收盤價。本文對數據做了以下的處理：對每一個交易日的收盤價做一階對數差分并乘以100，得到機構的日對數收益率，即rit=100×ln(Pi,t/Pi,t-1)，其中Pi,t和Pi,t-1分別為t日和t-1日股票收盤價，rit為機構的日收益率。行業的收益率序列是該行業所有金融機構的rit的算術平均值。

四、實證結果與分析

(一)序列描述性統計

表1(下頁)顯示了各個樣本序列的描述性統計，其中，證券類、信托類與民間借貸的序列均值代表的是影子銀行的收益率序列，國有銀行、股份銀行和城商銀行的序列均值代表的是商業銀行的收益率序列。

從表1的結果可以看出，除國有銀行外的各序列的偏度均為負，各序列的峰度均遠遠大于3，有明顯的尖峰厚尾的特點；JB統計量的p值均為0，均顯著，說明各序列均不滿足正態分布，因此我們用t分布代替正態分布進行檢驗。Q檢驗表明，在滯后10階、10%的顯著性水平下，各序列不具有自相關性。ADF單位根檢驗表明，在1%的顯著性水平下，各序列均為平穩時間序列，不存在偽回歸問題。考慮到金融數據可能存在ARCH效應，我們對序列數據進行了ARCH-LM檢驗，結果表明，在滯后10階情況下，各序列具有明顯的條件異方差性，因此我們建立GARCH模型。

表1 樣本序列的描述性統計

(二)風險溢出效應分析

使用GARCH模型對各序列進行擬合后，可以得出各序列的VaR值，再對各序列的VaR值以及機構收益率進行GARCH模型進行擬合，可以計算出各類影子銀行機構的風險溢出效應。本文從兩個角度進行分析，一是各類影子銀行機構對商業銀行系統的風險溢出效應，二是影子銀行系統對各類商業銀行的風險溢出效應。

1.各類影子銀行機構對商業銀行系統的風險溢出效應

表2給出了在95%的置信水平下，不同類型的影子銀行機構對于整個商業銀行系統的風險溢出效應的測度結果(限于篇幅，只給出各年度的平均值)。由結果可知，各類影子銀行機構的VaR值和%ΔCoVaR值存在一定的差異。以VaR值作為依據的話，信托類影子銀行機構的自身風險價值最大為-7.11，其次是證券類影子銀行機構的-5.90，民間借貸類影子銀行機構的自身風險價值最小為-5.42。但是，以%ΔCoVaR來考慮的話，結果發現民間借貸類影子銀行機構風險溢出效應%ΔCoVaR的絕對值為0.47，對商業銀行的風險溢出效應最大，其次為信托類的0.25，最小的是證券類的0.08。從整體上看，我國影子銀行系統對商業銀行的風險溢出效應為0.41，說明風險在可控范圍內，但是影子銀行的風險不可小覷，其對商業銀行影響的效果較為明顯。

表2 各類影子銀行機構對商業銀行的風險溢出效應

2.影子銀行系統對各類商業銀行的風險溢出效應

影子銀行的風險溢出效應不僅僅表現在各類影子銀行機構對商業銀行系統的溢出風險不同，還表現在各類商業銀行機構所承擔的影子銀行的溢出風險的強度不同。表3給出了在5%的顯著性水平下，影子銀行系統對各類商業銀行的風險溢出效應，以此來考察不同類型的商業銀行面對影子銀行風險溢出的承受強度。從結果上來看，如果不考慮影子銀行的風險溢出效應，城商銀行自身的風險價值VaR最高，達到-4.78，其次為股份制商業銀行的-4.43，最小的是國有銀行的-3.38，這說明國有銀行的自身風險最小，城商銀行的自身風險最大。在考慮影子銀行的風險溢出效應之后，發現影子銀行對城商銀行的風險溢出效應%ΔCoVaR的絕對值最大，為0.18，其次為股份制商業銀行的0.03，國有銀行承擔的影子銀行的風險溢出效應最小，為0.02，說明影子銀行發生風險后，最易受到影響的是城商銀行，其次是股份制銀行，國有銀行則最能保持穩定。

表3 影子銀行系統對各類商業銀行的風險溢出效應

五、結語

本文通過使用上市金融機構的數據，構建GARCHCoVaR模型，研究各類影子銀行對商業銀行系統的風險溢出效應和影子銀行系統對各類商業銀行的風險溢出效應，得出以下結論：一是證券機構、信托機構以及民間借貸機構對商業銀行系統均存在不同程度的風險溢出效應。民間借貸類影子銀行的風險溢出效應最大，其次是信托類，最小的是證券類。二是目前我國影子銀行對商業銀行的風險溢出整體上較為明顯，民間借貸類影子銀行的風險溢出最為明顯，說明要注重加強對民間借貸機構的監管。三是影子銀行系統對各類商業銀行的風險溢出效應也不盡相同。影子銀行系統對城市商業銀行的風險溢出最大，其次是股份制商業銀行，最小的是國有銀行。這表明，一旦影子銀行發生風險，最易受到沖擊的是城商銀行，其次是股份制商業銀行，國有銀行最能保持穩定。

基于上述研究，本文提出以下建議：第一，完善監管制度，將民間借貸金融機構納入監管范圍，規范其業務經營范圍，減少民間借貸類影子銀行的風險，從而減少商業銀行的風險。第二，完善影子銀行風險隔離機制，防范影子銀行的風險溢出對商業銀行的影響。完善影子銀行監管制度，強化風險管控，優化市場交易統計制度，完善信息披露制度，防范發生系統性風險。第三，對城商銀行加強風險管理，規范同業業務。根據本文研究發現，影子銀行發生風險，城商銀行最易受到沖擊，因而要注重對城商行的管理，加強全流程的風險防控，對交易前、中、后的風險要有相應的應對措施與規范。此外，注重城商銀行的業務轉型，在風險可控的情況下，提升銀行盈利能力。