我國上市商業銀行系統性風險溢出效應研究

摘 要：隨著經濟全球化的發展，全世界各大金融機構構建了龐大而復雜的金融體系，在資本越來越自由的國際市場環境下，一國金融危機的爆發可能對其他國家的金融體系造成不利影響。因而，測度銀行間的風險溢出效應就顯得尤為重要。本文首先對銀行系統性風險溢出效應的概念、特征機理以及傳導機制進行了相關分析，通過結合GARCH-Copula-CoVaR，修正了CoVaR模型在測度銀行系統性風險溢出上的缺陷，為進一步測度銀行間的風險溢出效應提供了方法。

關鍵詞：商業銀行;系統性風險;風險溢出效應;GARCH-Copula-CoVaR模型

中圖分類號：F830.33 文獻標識碼：A

DOI：10.12245/j.issn.2096-6776.2021.04.22

1 研究背景和意義

Bernanke（1983）認為，金融機構倒閉會造成實體經濟下滑，受其影響其他金融機構也會偏向于保留流動性強的資產，這可能會造成其收益性降低，從而體現了金融機構的風險溢出效應。Allen and Gale（2000）指出風險產生和傳導的根本原因是金融業之間相似的網絡結構，機構之間的網絡結構越相似，其系統越脆弱，其風險溢出效應越大。在國內，包全永（2005）分別研究了開放和封閉系統下銀行系統性風險的傳導機理，說明了銀行系統性風險具有溢出性。肖璞（2012）認為單個銀行的風險擴散便是風險溢出效應，對于具有較強風險溢出效應的銀行，其倒閉會導致銀行體系爆發系統性風險。Adrian和Brunnermeier（2011）在Var模型的基礎上構建了CoVar模型，這種方法可以用來衡量整個金融體系的風險溢出程度，用CoVaR可以衡量出當金融機構i發生波動時，金融機構j相應的風險增加值。

2 商業銀行系統性風險溢出效應的理論分析

2.1 商業銀行系統性風險溢出效應的定義

銀行系統性風險的界定標準主要分為兩部分：一部分是風險傳播途徑，另一部分是其負外部性。從風險傳播途徑來講，當某一銀行受到實際業務的影響出現流動性危機，繼而通過信息傳播，造成擠提的發生，一旦該銀行失敗，就會大大增加銀行的系統性風險;當整個銀行體系受到總沖擊影響時，由于信息的傳播，存款者認為一些資產狀況好的銀行會與資產狀況差的銀行一樣，從而導致資產狀況好的銀行也出現擠提，造成恐慌，從而增加銀行的系統性風險。從負外部性來講，外部性是指一個人或者一群人的行動和決策使另一個人或另一群人受損或者受益的情況;負外部性是指受損的情況，當商業銀行在實施某些業務或者采取某些措施時，通常只會考慮自身的利益，而忽略對整個銀行體系造成的影響，從而產生負外部性的影響。

本文將商業銀行的系統性風險溢出效應定義為：由于銀行體系中商業銀行的密切相關性，當某一銀行處于一般或極端風險狀況時，由于風險的負外部性給整個體系以及體系中其他銀行所帶來的負面效應，即銀行體系中某一部分的失敗造成體系中其他部分失敗的可能性。也即在銀行體系中，當某一銀行遭受損失時，對與之相聯系的其他銀行造成的損失。

2.2 銀行系統性風險的特征

2.2.1 傳染性

傳染性特征是系統性風險的一個基本特征。從金融渠道來看，其一是金融機構間的傳導，由于金融機構間錯綜復雜的業務交往導致資產負債的風險傳導;其二是由于利率的變動、匯率的變化等外部因素的影響所誘發的風險傳導。從投資者預期渠道來看，若某一單一市場出現危機，投資者會出現恐慌心理，從而做出沖動決策，如將其全部資金從該市場及與之聯系微弱的其他市場抽逃，加之羊群效應，加劇了此風險傳導的影響。

2.2.2 違約性

違約的系統性風險主要是因為銀行持有資產下降而引起的，導致銀行資不抵債。銀行資產主要分為外部資產和銀行間資產兩種類型。外部資產主要是指銀行持有的非金融部門的業務;銀行間資產主要指該銀行對其他銀行的資產所有權，如同業存貸款。當債券面臨違約風險、貸款成為不良貸款或者由于外界因素導致資產貶值等情況出現時，銀行的持有資產都會遭受一定程度的縮水。而銀行的凈資產指的是銀行間資產除去銀行間負債的部分。當銀行資產出現縮水時，首先會被銀行的凈資產所吸收，但是當凈資產也為0之后，銀行就會因為其負債出現違約。當某一銀行對另一銀行的違約達到某一程度后，由于其傳導性，另一銀行也會出現資不抵債的情況，對其負債進行違約，如果按照這種方式一直傳遞下去就會造成違約的系統性風險。

3 風險溢出與GARCH-Copula-CoVaR技術

3.1 ARMA-GARCH模型

3.1.1 ARMA模型

自回歸滑動平均（ARMA）模型表達式為：。是白噪聲序列，序列中的每個觀測值是用過去的p個觀測值和q個殘差的線性組合來表示。常數項為，一般要求移動平均多項式與自回歸部分多項式無公因子，否則在上式兩邊消去一個公因子，方程所決定的過程就變成了一個白噪聲序列。ARMA模型在金融中的應用與波動率建模密切相關。

3.1.2 GARCH模型

首先提出的是自回歸條件異方差（ARCH）模型。ARCH （q）模型的一般形式為：;

其中為均值0，方差為1的獨立同分布的白噪聲過程，并且，系數必須保證的無條件方差是有限的。在實際應用中我們通常假設服從標準正態分布，標準化t分布或廣義誤差分布。在ARCH模型的基礎上，又進一步提出了廣義的ARCH模型，也就是GARCH模型。

3.2 常見的Copula函數的參數估計法

對Copula函數進行參數估計，比較常見的方法有以下三種：EML估計法、IFM估計法和CML估計法。

（1）EML估計法

EML估計法又被稱作極大似然估計法，設隨機變量的Copula函數為C（，密度函數為c（，邊緣密度函數為，已知;。

聯合分布的密度函數為：

由此可以得到函數的對數似然函數為：

由此可以得出，從而得到Copula函數的參數值。

（2）IFM估計法

第一步，先利用極大似然法估計邊緣分布函數的參數。

第二步，利用極大似然估計法估計出Copula中的參數，即。

（3）CML估計法

第一步，首先將經驗分布函數的樣本數據，t=1，2，…T轉換為服從與均勻分布的均勻變量，t=1，2，…T，。

第二步，利用極大似然估計法估計出Copula函數的未知參數。

3.3 GARCH-Copula-CoVaR模型

本文利用二元Copula函數進行建模分析。根據Sklar定理，存在一個二元Copula函數C，使得隨機變量（X，Y）的聯合分布函數為下式所示：其中表示邊緣分布函數為和的聯合分布函數。對于連續的和，C是由唯一確定的，其中隨機變量和為均勻分布。

由于在利用EML估計參數時，因為同時估計邊際分布和Copula參數，計算量比較大，運行起來較為復雜，本文主要采用IFM方法對參數進行估計。

我們將金融機構的收益率定義為， t=1，2，…，T，當邊緣分布函數與Copula函數均為連續型函數時，Copula聯合密度函數為：

其中是Copula參數，和分別為和邊緣分布函數的參數，，，極大似然函數可表示為：

觀察等式的右邊我們發現其主要由兩部分構成，一部分只包含Copula函數的參數，另一部分只包含邊緣分布的參數，所以，我們首先為收益率序列構建合適的邊緣分布，然后在擬合得到合適的Copula函數，最后估計得到Copula參數。

參考文獻

Bernanke B S.Non-monetary effects of the financial crisis in the propagation of the Great Depression[J].American Ecomomic Review. 1983， 79（01）：257-276.

Allen F，Gale D.Financial contagious[J].The Joutnal of Political Economy.2000，108（01）：1-33.

包全永.銀行系統性風險的傳染模型研究[J].金融研究，2005（08）：72-84.

肖璞，劉軼，楊蘇梅.相互關聯性、風險溢出與系統重要性銀行識別[J].金融研究，2012（12）：96-106.

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

山西財經大學? 潘薪宇