行業(yè)間金融風險的度量與分析

付 強，劉永文，姚立鴻

（貴州大學 經(jīng)濟學院，貴州 貴陽 550000）

一、引言

2008 年國際金融危機爆發(fā)并迅速蔓延，造成國內金融市場急劇動蕩，此后，國內一系列金融風險事件的發(fā)生，如2013 年銀行業(yè)“錢荒事件”、2015 年國內“千股跌停”以及2018 年中美貿(mào)易摩擦等，給我國金融市場和金融系統(tǒng)帶來了挑戰(zhàn)和困擾。2017 年4月召開的金融穩(wěn)定工作會議指出“將防范跨行業(yè)、跨市場的交叉性金融風險作為維護金融穩(wěn)定的重點領域”。黨的二十大報告指出，防范金融風險還須解決許多重大問題。要強化金融穩(wěn)定保障體系，守住不發(fā)生系統(tǒng)性風險的底線。由此把系統(tǒng)性金融風險管控提升到一個新的高度。

中國的金融業(yè)、房地產(chǎn)業(yè)在國內經(jīng)濟快速發(fā)展的進程中做出了極大的貢獻，規(guī)模不斷攀升。截至2021 年底，中國金融機構總資產(chǎn)為381.95 萬億元，其中，銀行業(yè)344.76 萬億元，證券業(yè)12.3 萬億元，保險業(yè)24.89 萬億元。此外，房地產(chǎn)開發(fā)企業(yè)資產(chǎn)總值達到113.39 萬億元。在我國的城市化發(fā)展過程中，金融業(yè)與房地產(chǎn)業(yè)之間的關系越發(fā)密切，一方面，兩個行業(yè)之間因利益聯(lián)結而深度融合，相互依賴而又相互影響，房地產(chǎn)行業(yè)在“鍍金時代”不斷朝著金融深化方向進行變革；另一方面，房地產(chǎn)行業(yè)屬于資金密集型行業(yè)，其對杠桿開發(fā)以及金融中介的依賴不言而喻，全國房地產(chǎn)開發(fā)企業(yè)資產(chǎn)負債率常年一直保持在70%以上，2021 年這一數(shù)據(jù)更是達到80.30%。房地產(chǎn)市場商品價值量大、生產(chǎn)集約化且具有保值增值的特性，因此該行業(yè)經(jīng)營模式和商品屬性方面與金融業(yè)有太多相切合的地方。兩個行業(yè)在常年的生產(chǎn)和經(jīng)營過程中，逐漸發(fā)展為相互依存和相互支持、相互促進又相互發(fā)展的市場共同體。金融行業(yè)之間的關聯(lián)性提高了系統(tǒng)性金融風險滋生與傳染的可能性。

二、文獻綜述

金融體系的穩(wěn)定離不開對尾部風險的度量，以及在此基礎上對各行業(yè)的風險傳染的深入研究。在該領域研究早期，Morgan（1996）[1]構建了“在險價值”（Value-at-Risk，VaR）以衡量一定持有期和給定置信水平下金融資產(chǎn)的最大可能損失。憑借VaR 計算簡便、普適性強等優(yōu)點，該指標的提出在當時算得上是一次巨大的創(chuàng)新。1994 年10 月，Morgan 風險管理集團推出Risk metrics，即風險矩陣模型，被運用于對市場風險的量化。自VaR 模型構建以來，風險矩陣模型的推出系統(tǒng)總結了前者的原理及具體算法，使模型研究更進一步。Linsmeier 和Pearson（1996）[2]對VaR 的方法進行了比較細致的介紹。而后，Hendricks（1996）[3]等學者將計算VaR 的三類常用方法——參數(shù)法、蒙特卡洛模擬法和歷史模擬法做了比較充分的綜述。1996 年，巴塞爾銀行監(jiān)管委員會（BCBS）通過《資本協(xié)議市場風險補充規(guī)定》要求將VaR 納入市場風險度量的范疇。Alexander 和Baptista（2001）[4]將VaR 與均值-方差聯(lián)系起來進行分析，得出了聯(lián)系起來的方法與效用最大化的選擇結果基本一致的結論。

國內學者也利用VaR 對風險進行量化，如鄭文通（1997）[5]在發(fā)表的文章中最早對VaR 方法的背景、計算、用途以及引入中國的必要性進行闡述。劉宇飛（1999）[6]在其文章中介紹了VaR 模型，并就該模型在我國金融監(jiān)管中的應用進行論述。在方法的運用方面，陳守東和王魯非（2002）[7]利用方差-協(xié)方差法（參數(shù)法）以及歷史模擬法計算了上海證券交易所綜合指數(shù)的VaR。而后，楊子暉等（2018）[8]在研究各種風險度量指標對行業(yè)金融風險的預測能力上也引用和考察了VaR 模型。在險價值VaR 測度資產(chǎn)風險已被學者們廣泛運用，而將VaR 以不同的測算方法對金融行業(yè)的系統(tǒng)性金融風險進行度量的相關研究比較少見，故本文的研究將在度量行業(yè)系統(tǒng)性金融風險、分析行業(yè)之間風險關系的同時對測度方法之間的差異性進行比較分析。

三、方法介紹

VaR（Value-at-Risk）即在險價值，自1993 年被G30 集團在《衍生產(chǎn)品的時間與規(guī)則》報告中提出之后，由Morgan 拓展為主流的金融風險測度指標。定義為：在指定置信水平下，某一金融資產(chǎn)或組合在未來持有期內的最大可能損失。數(shù)學表達如下：

式（1）中，1-α 表示置信水平，ΔX 表示金融資產(chǎn)或組合在未來持有期Δt 內的可能損失。一般來說，時間區(qū)間和置信水平1-α 是計算VaR 的兩個最重要指標。根據(jù)不同的研究目的和研究對象，置信水平一般可以選擇為90%、95%或99%。對VaR 的計算有如下三種經(jīng)典方法：

參數(shù)法，也被稱為方差-協(xié)方差法。參數(shù)法基于概率分布假設，通過估計風險資產(chǎn)或組合的概率分布參數(shù)來計算VaR。通常情況下，使用正態(tài)分布、t 分布、對數(shù)正態(tài)分布等進行假設。在確定概率分布后，通過式（2）進行計算：

式（2）中，μ 和σ 分別表示資產(chǎn)或組合的均值和標準差，Φ-1（α）是α 分位數(shù)下的標準正態(tài)分布值。

蒙特卡洛法是一種基于模擬的方法，通過隨機模擬風險因素的變化來計算VaR。具體來說，該方法通過對風險因素進行隨機模擬，生成大量的可能情況，并計算每種情況下的收益或損失。通過統(tǒng)計模擬結果中超過VaR 水平的情況占總模擬次數(shù)的比例，得到VaR 值。

歷史模擬法是一種基于歷史數(shù)據(jù)的方法，通過直接使用歷史數(shù)據(jù)來估計VaR。具體來說，該方法通過選擇一段歷史時間序列，計算該時間序列中的變化量，并按照這些變化量的大小排序。通過選取適當?shù)姆治粩?shù)，即可得到給定置信水平下的VaR 值。

四、實證分析

（一）數(shù)據(jù)選取和說明

本文選取的行業(yè)包含銀行業(yè)（801192.SL）、證券業(yè)（801193.SL）、保險業(yè)（801194.SL）、多元金融業(yè)（801191.SL）以及房地產(chǎn)業(yè)（801183.SL），并利用申銀萬國行業(yè)指數(shù)中的各行業(yè)指數(shù)的周度對數(shù)化收益率進行風險的度量，全樣本時間跨度為2007 年1 月19日至2023 年1 月13 日，頻率為周度。

（二）描述性統(tǒng)計和相關性分析

各行業(yè)樣本觀測值共計為817 個周度數(shù)據(jù)，全樣本時期的5 個行業(yè)在時間跨度上包含了諸多金融事件，根據(jù)各行業(yè)指數(shù)數(shù)據(jù)得出每個行業(yè)的周度收益率數(shù)據(jù)之后，本文對其進行描述性統(tǒng)計分析和相關性分析。

表1 詳細給出了5 個行業(yè)周度收益率數(shù)據(jù)的描述性統(tǒng)計信息，從表1 中各行業(yè)收益率均值來看，收益率數(shù)據(jù)均值均為接近于0 的正值，中位數(shù)也基本為0，從最大值和最小值來看，各行業(yè)的收益率區(qū)間基本在-0.30～0.30 之間。銀行業(yè)收益率標準差為0.032 496，收益率波動較為穩(wěn)定；證券業(yè)收益率標準差為0.049 402，在5 個行業(yè)中收益率波動最大。從峰度和偏度兩個指標來看，各行業(yè)收益率數(shù)據(jù)均呈尖峰厚尾的形態(tài)。

表2 給出了銀行、保險、證券、多元金融以及房地產(chǎn)業(yè)收益率之間的相關系數(shù)①上三角為斯皮爾曼相關系數(shù)，下三角為皮爾遜相關系數(shù)。，前4 類行業(yè)本身歸屬于金融行業(yè)大類，故它們之間必然有著較強的相關關系，而房地產(chǎn)行業(yè)在發(fā)展過程中其自身的金融屬性及其金融依附性使得該行業(yè)與前四類金融行業(yè)之間也存在著較強的相關關系，表2 中的相關系數(shù)均大于0.5，說明5 類行業(yè)具有一定程度的聯(lián)動效應。

表2 各行業(yè)周度收益率相關性情況

本文全樣本時期的數(shù)據(jù)時間跨度為2007 年1月19 日至2023 年1 月13 日，每個行業(yè)各817 個周度收益率樣本數(shù)據(jù)。圖1 給出了各行業(yè)指數(shù)收盤價及其收益率的曲線圖。

圖1 各行業(yè)收益率和收盤價格

由圖1 不難看出，在2007 年1 月份、2009 年上半年、2014 年年底以及2018 年年底，5 個行業(yè)的收盤價均出現(xiàn)不同幅度的上漲，收盤價總體上的變動趨勢相同，收益率曲線的波動聚集性也能充分體現(xiàn)這種相關性。

（三）行業(yè)風險的度量與分析

1.風險的靜態(tài)度量與分析。本節(jié)將分別利用參數(shù)法、蒙特卡洛法和歷史模擬法對5 個行業(yè)全樣本時期的指數(shù)收益率進行VaR（置信水平95%）測算，以期得到整體的行業(yè)金融風險信息，從靜態(tài)的角度對行業(yè)之間的風險狀況進行分析。

表3 展示了在全樣本時期5 類行業(yè)運用三種測算VaR 方法所測算出的在險價值，還給出了行業(yè)在險價值均值及其排名，在險價值的測算方法均值及其排名的信息。

表3 全樣本時期各行業(yè)VaR 測算情況

從行業(yè)均值排名來看，行業(yè)金融風險由大到小排名為證券業(yè)、多元金融業(yè)、保險業(yè)、房地產(chǎn)業(yè)和銀行業(yè)。證券業(yè)和多元金融業(yè)在我國體量較小，起步較晚，自身發(fā)展以及行業(yè)規(guī)范尚不夠完善，以至于在面臨風險事件時難以進行及時有效的防御，而風險事件過后，往往這兩個行業(yè)又會成為投資者轉移風險和尋求投資機會的市場，故而其在險價值排名靠前；保險業(yè)在我國的體量也較小，此外，保險業(yè)在我國大致呈寡頭式發(fā)展，該行業(yè)與其他金融行業(yè)之間的相關關系相較于其他行業(yè)相互之間的相關關系來說稍弱一些，這一點可以從表2 中得到印證，從表2 中還可以看出保險業(yè)與風險排名靠后的銀行業(yè)相關系數(shù)最大，達到了0.770 684，銀行業(yè)本身抵御風險的能力較強，故而在面臨風險事件時保險業(yè)能發(fā)揮出比證券業(yè)和多元金融業(yè)更有效的風險抵御能力；在險價值排名靠后的房地產(chǎn)業(yè)和銀行業(yè)在我國的體量較大，可以說房地產(chǎn)業(yè)和銀行業(yè)在體量層面上和其他三類行業(yè)相比完全不是一個層次，此外這兩個行業(yè)之間也有著較為緊密的相關關系，行業(yè)發(fā)展起步早，制度成熟，業(yè)務廣泛且擁有著較強的市場需求和制度保護，故而在面臨風險事件時，房地產(chǎn)業(yè)和銀行業(yè)能及時且有效地整合自身資源進行風險緩沖，自保能力較強。

在方法層面，在險價值均值由高到低分別是蒙特卡洛法（-0.0932）、參數(shù)法（-0.0822）及歷史模擬法（-0.0663）。不僅如此，表3 所列數(shù)據(jù)中，5 類行業(yè)的風險測算過程嚴格遵循此規(guī)律，且每一類方法所得在險價值的行業(yè)排名與最后的均值排名相同。圖2 為5 個行業(yè)在險價值測度的直觀圖。

圖2 各行業(yè)風險測算圖

產(chǎn)生這個結果的原因是不同的VaR 計算方法有著不同的假設和優(yōu)缺點。就本文而言的行業(yè)指數(shù)收益率的VaR，從其方法的特征來說，蒙特卡洛法計算結果的精度會比其他兩種方法高。

2.風險的動態(tài)度量與分析。該部分是在風險靜態(tài)度量的基礎上，采用滾動窗口的方法①歷史模擬法滾動窗口w=10，參數(shù)法和蒙特卡洛法滾動窗口w=52。，置信水平仍取95%，使用滾動窗口計算動態(tài)VaR 的好處在于能夠更準確地反映當前市場的風險情況，并能夠及時發(fā)現(xiàn)風險的變化趨勢，動態(tài)VaR 可以及時反映不同行業(yè)風險的變化情況，幫助金融機構掌握其風險狀況，及時采取措施控制風險。

通過比較三種動態(tài)V aR 測算方法不難發(fā)現(xiàn)，三種方法的度量精確程度均依賴于滾動窗口的選擇，歷史模擬法對窗口選擇尤為敏感，即使是在較短的窗口選擇（w=10）情況下，歷史模擬法所呈現(xiàn)的動態(tài)V aR 的精確度卻還是不盡如人意；而由于本文選取的收益率頻率為周度，故參數(shù)法和蒙特卡洛法的窗口選擇為w=52，通過對比很容易看出這兩種方法所呈現(xiàn)的結果大致相同，但直觀來看，蒙特卡洛法的結果還是要精確一些。

從圖3～ 圖5 呈現(xiàn)的圖像來看，參數(shù)法、蒙特卡洛法以及歷史模擬法均能在一定程度上對行業(yè)風險進行刻畫，在一些風險事件爆發(fā)時期，行業(yè)風險表現(xiàn)出激增的態(tài)勢，且總體來說，證券業(yè)和多元金融業(yè)無論是在靜態(tài)層面還是動態(tài)層面的風險值都是較高的，銀行業(yè)的自身風險較低。在我國金融發(fā)展過程中，證券業(yè)和多元金融業(yè)是金融創(chuàng)新的主要推動者和承擔者之一，金融創(chuàng)新和證券業(yè)、多元金融業(yè)的發(fā)展相互促進，共同推動金融市場和經(jīng)濟的發(fā)展。另外，在證券業(yè)和多元金融業(yè)的業(yè)務拓展和產(chǎn)品創(chuàng)新過程中，新的風險因素和監(jiān)管難題也伴之而來，如“烏龍指事件”“熔斷機制”和“P2P 網(wǎng)貸管控”等事件反映了我國證券業(yè)和多元金融業(yè)在發(fā)展過程中的風險暴露和不斷完善，因此，結合證券業(yè)和多元金融業(yè)起步較晚，而行業(yè)又不斷進行業(yè)務拓展和產(chǎn)品創(chuàng)新，相對應的監(jiān)管制度尚需進一步完善這些因素來看，這兩個行業(yè)在風險事件時期更容易累積風險。

圖3 基于參數(shù)法的動態(tài)VaR

圖4 基于蒙特卡洛法的動態(tài)VaR

圖5 基于歷史模擬法的動態(tài)VaR

3.三種方法的比較。參數(shù)法、蒙特卡洛法和歷史模擬法是常用的金融風險價值（VaR）計算方法，它們在計算不同行業(yè)的VaR 時具有不同的特點。

參數(shù)法假設收益率服從特定的概率分布，因此計算相對簡單且速度快，但是這種方法無法反映收益率分布的非正態(tài)性和尾部厚重性，因此可能會導致VaR 估計過于樂觀或保守；蒙特卡洛模擬法是一種基于概率論的數(shù)值模擬方法，通過模擬隨機事件的概率分布來計算VaR。該方法模擬多次隨機試驗，將試驗結果代入模型計算，可以比較準確地計算出VaR。但是，該方法計算量大，運算速度慢，計算結果還受到模擬次數(shù)和隨機數(shù)生成的影響；歷史模擬法是一種非參數(shù)方法，它基于歷史數(shù)據(jù)進行模擬，不依賴于特定的分布形式，因此可以適用于各種復雜的情況。但是，由于其非參數(shù)的特性，它在某些情況下可能無法準確地捕捉到分布的形狀，可能導致VaR計算結果不準確。

綜上所述，不同的VaR 計算方法有各自的優(yōu)缺點和特征，故而測算的結果也會有所差異，實際應用時需要綜合考慮風險特征、計算精度、計算速度等因素來選擇合適的方法。

五、研究結論與建議

（一）結論

第一，5 類行業(yè)之間具有較為緊密的相關關系，其中，保險業(yè)與銀行業(yè)、證券業(yè)與多元金融業(yè)、證券業(yè)與房地產(chǎn)業(yè)、多元金融業(yè)與房地產(chǎn)業(yè)之間的相關系數(shù)均大于0.7，說明行業(yè)之間存在著一定程度的聯(lián)動效應，一般來說，與銀行業(yè)越相關的行業(yè)，自身抵御金融風險的能力則越強，而與房地產(chǎn)業(yè)越相關，自身抵御金融風險的能力反而越弱。

第二，從行業(yè)測算風險值的均值排名來看，無論是靜態(tài)還是動態(tài)層面，行業(yè)金融風險由大到小排名為證券業(yè)、多元金融業(yè)、保險業(yè)、房地產(chǎn)業(yè)和銀行業(yè)，這主要是由行業(yè)發(fā)展特征和相互關聯(lián)作用所造成的。

第三，通過對靜態(tài)和動態(tài)的結果分析發(fā)現(xiàn)，在險價值的測算過程中，由高到低分別是蒙特卡洛法、參數(shù)法和歷史模擬法，這一點在行業(yè)和整體均值上均有體現(xiàn)。一般而言，測度精確度上蒙特卡洛法>參數(shù)法>歷史模擬法。此外，要根據(jù)場景、方法的特征進行運用。

（二）政策建議

第一，不同行業(yè)之間的緊密相關性和聯(lián)動效應是當前金融市場所面臨的一個普遍現(xiàn)象。為更好地應對金融風險，各行業(yè)應該加強協(xié)調和溝通，建立聯(lián)合應對金融風險的機制。同時，通過控制行業(yè)之間的合理相關關系，可以減少各行業(yè)在金融風險事件中的連鎖反應，增強各行業(yè)的抗風險能力，從而實現(xiàn)協(xié)同抵御風險的目標。

第二，證券業(yè)和多元金融業(yè)是金融市場中的兩個重要行業(yè)，它們在金融風險方面的均值表現(xiàn)較高，表明這兩個行業(yè)的金融風險需要高度關注。為確保金融市場的穩(wěn)定和健康，需要完善針對證券業(yè)和多元金融業(yè)的監(jiān)管政策，以便更有效地預防和控制風險。同時，要謹防這兩個行業(yè)規(guī)模發(fā)展和風險控制的不對等性，積極推動行業(yè)改革，加強監(jiān)管和審查制度，優(yōu)化市場結構，推進行業(yè)合規(guī)，以促進其良性發(fā)展。

第三，蒙特卡洛法在風險測算精度上較高，應該在風險管理方面加強對蒙特卡洛法的應用和研究。同時，應該將不同風險測算方法的優(yōu)缺點考慮在內，選擇最適合的方法來應對不同的風險情況。