“一帶一路”共建國家銀行業(yè)系統(tǒng)性風險的測度研究

李建軍,方 意,荊中博

(1.中央財經(jīng)大學金融學院,北京 100081; 2.中國人民大學國家發(fā)展與戰(zhàn)略研究院,北京 100872;3. 中央財經(jīng)大學管理科學與工程學院,北京 100081)

一、引 言

“一帶一路”倡議提出之后,沿線國家的經(jīng)濟金融合作日益密切。然而,“一帶一路”共建國家存在著不容忽視的系統(tǒng)性風險問題。根據(jù)Laeven等的統(tǒng)計可知,“一帶一路”共建國家從1970年到2012年發(fā)生過48次銀行危機、70次貨幣危機及16次主權債務危機,分別占全球范圍內(nèi)相應危機發(fā)生次數(shù)的33%、32%以及24%[1]。“一帶一路”共建國家之間的區(qū)域合作是大勢所趨,有效識別“一帶一路”共建國家的系統(tǒng)性風險及其關鍵驅(qū)動因素,可以使各國及時、準確地監(jiān)測金融體系運行狀況,采取有效的干預措施來控制風險水平,這對平穩(wěn)實現(xiàn)各國經(jīng)濟金融的深度融合、打造“政治互信、經(jīng)濟融合、文化包容的利益共同體、命運共同體和責任共同體”具有重大的現(xiàn)實意義。

關于系統(tǒng)性金融風險,目前并沒有一個統(tǒng)一的、普遍為學術界接受的定義。大部分學者主要從風險傳染的角度給出系統(tǒng)性金融風險的定義,認為系統(tǒng)性金融風險是指來自金融體系的內(nèi)部沖擊或外部沖擊,有可能被金融體系的杠桿以及金融體系內(nèi)部金融機構之間、金融市場之間的過度關聯(lián)等機制所放大,導致金融體系整體崩潰的風險[2-5]。而銀行業(yè)系統(tǒng)性風險是指當銀行面臨財務壓力或外生沖擊時,由銀行之間的關聯(lián)性導致整個銀行系統(tǒng)崩潰的風險或可能[6-8]。相比其他金融機構,銀行具有如下重要性:其一,在金融發(fā)展比較落后的新興市場和發(fā)展中國家,間接融資是資金融通的重要渠道,因此銀行部門是這些國家金融體系的核心代表,研究銀行部門的相關問題更加重要。其二,銀行業(yè)系統(tǒng)性風險上升或者爆發(fā)危機事件對經(jīng)濟的運行存在巨大的不良影響,其成本可以達到國家經(jīng)濟產(chǎn)出的8%～10%,是貨幣危機成本的近兩倍[9]。因此,本研究重點聚焦于“一帶一路”共建國家的銀行業(yè)系統(tǒng)性風險。

目前,與本研究較接近的關于“一帶一路”共建國家風險的學術研究并不多見。中國社會科學院發(fā)布的《“一帶一路”國家風險評級子報告》,從經(jīng)濟基礎、償債能力、社會彈性、政治風險和對華關系等5個指標出發(fā)來評估中國企業(yè)在“一帶一路”共建國家投資面臨的風險;方蕾等以國家風險模型數(shù)據(jù)庫提供的全球各國銀行業(yè)風險指數(shù)為基準,從銀行體系層面研究全球74個國家系統(tǒng)性風險的影響因素[10]。此外,胡根華基于多種模型,研究“一帶一路”倡議實施前后中國與東盟主要國家股市之間的結構相依特征與極值風險。研究發(fā)現(xiàn),在“一帶一路”倡議實施期間,中國與東盟主要國家的股市之間相依程度有所下降,但市場的極值風險有所增加[11]。邱煜等的研究發(fā)現(xiàn),“一帶一路”倡議的提出通過縮減沿線國家債務規(guī)模和增強沿線國家財政可持續(xù)性兩種路徑來降低沿線國家的債務風險,而且深度參與“一帶一路”的國家其債務風險降低的幅度更大[12];Wang等采用尾事件驅(qū)動網(wǎng)絡框架,從系統(tǒng)、地區(qū)、國家和機構4個層面進行關聯(lián)分析,探討“一帶一路”沿線銀行業(yè)的連通性和系統(tǒng)性風險[13];Zhao等采用VAR-BEKK-GARCH模型對63個“一帶一路”共建國家共2178家銀行的風險溢出效應進行實證分析發(fā)現(xiàn),中國銀行業(yè)與東亞和東南亞國家聯(lián)盟、南亞、西亞和中亞的銀行存在雙向風險傳染,而與印度的銀行不存在明顯的溢出效應[14]。以上研究工作為“一帶一路”共建國家的風險管理提供了基礎工作,但是,相關領域的研究依然存在兩方面不足:一方面,與單個國家不同,“一帶一路”共建國家是一個超國家的概念,因此,對“一帶一路”共建國家銀行業(yè)系統(tǒng)性風險的研究應該包含機構、國家和超國家3個層面。這一特征要求學者在統(tǒng)一框架下構建能夠?qū)?個層面的風險進行精確度量的一致性指標體系,保證銀行業(yè)系統(tǒng)性風險指標在時間和空間維度上的可比性。另一方面,“一帶一路”共建國家大多為信息披露制度并不完善的新興市場及發(fā)展中國家,相關數(shù)據(jù)的獲取存在較大難度,這一難點導致目前較少有文獻利用有限的數(shù)據(jù)信息構建高頻、準確、前瞻的銀行業(yè)系統(tǒng)性風險指標。

綜上所述,本研究基于理論分析刻畫銀行業(yè)系統(tǒng)性風險的關鍵驅(qū)動因素,構建能準確度量“一帶一路”共建國家的銀行業(yè)系統(tǒng)性風險指數(shù)。具體而言,此次研究的邊際貢獻包括以下兩個方面:一是利用回歸擬合法確定銀行業(yè)系統(tǒng)性風險驅(qū)動因子的權重數(shù)值,為客觀構建各類指數(shù)提供有價值的借鑒思路。本研究認為理想的銀行業(yè)系統(tǒng)性風險指標能夠最優(yōu)地預測銀行業(yè)系統(tǒng)性風險事件,并根據(jù)這一思路來構建指標。回歸擬合法構建指數(shù)的好處在于因子指標選擇靈活,權重選擇依據(jù)客觀,有非常好的應用場景。二是利用多維度數(shù)據(jù)來驗證本研究風險指數(shù)的有效性。先是利用EIU銀行部門風險得分指數(shù)與國家層面銀行業(yè)系統(tǒng)性風險指數(shù)做面板Granger因果檢驗,之后利用構建的風險指數(shù)對宏觀經(jīng)濟指標進行回歸來判斷該指標是否能夠準確地反映銀行部門風險。

二、銀行業(yè)系統(tǒng)性風險的生成機理

本部分主要包括兩方面內(nèi)容:綜述現(xiàn)有的系統(tǒng)性風險度量方法;從風險形成機理入手,從理論角度來探討度量銀行業(yè)系統(tǒng)性風險所需考慮的3個驅(qū)動因素。

目前,學者們主要選擇兩類方法來度量系統(tǒng)性風險:一是以財務數(shù)據(jù)為基礎來構建結構化的業(yè)務關聯(lián)網(wǎng)絡模型,包括直接關聯(lián)網(wǎng)絡模型和間接關聯(lián)網(wǎng)絡模型[15-19];二是以金融市場數(shù)據(jù)為基礎來構建尾部依賴模型,刻畫極端條件下金融機構對金融體系的風險貢獻程度[20-23]。在現(xiàn)有的經(jīng)典尾部依賴模型中,Adrian等以單家金融機構的在險價值(VaR)為基礎提出ΔCoVaR指標[24],該指標度量了一家金融機構處于壓力狀態(tài)時對整個金融體系造成的系統(tǒng)性風險貢獻,能夠較好地刻畫系統(tǒng)性風險水平。類似的系統(tǒng)性風險指標還包括SES指標[6]、SRISK指標[25-26]、Diebold-Yilmaz溢出指數(shù)指標[27]等。由上可知,雖然結構化的網(wǎng)絡模型能清晰地刻畫風險的具體傳染路徑,但是需要詳細的銀行資產(chǎn)類別數(shù)據(jù)。遺憾的是,大多數(shù)“一帶一路”共建國家的金融數(shù)據(jù)較為缺乏,很難找到適用于構建業(yè)務關聯(lián)網(wǎng)絡模型的微觀財務數(shù)據(jù)。相比之下,金融市場的數(shù)據(jù)可得性更好,以尾部依賴模型為基礎來構建銀行業(yè)系統(tǒng)性風險指標,具備頻率高、時效性強等特征,適合作為“一帶一路”共建國家整體銀行業(yè)系統(tǒng)性風險的實時監(jiān)測工具。

銀行業(yè)系統(tǒng)性風險的生成包含沖擊和放大機制[28]。首先,金融機構的資產(chǎn)規(guī)模決定沖擊的力度,具體包含兩個渠道:一是自身遭遇的沖擊力度。面對同樣的資產(chǎn)價格下降幅度,銀行持有的資產(chǎn)規(guī)模越大,其遭遇的損失越大。二是給其他機構帶來的沖擊。某家銀行的資產(chǎn)規(guī)模越大,其同等量級的交易對手越少。面臨負向沖擊時,在資本充足率等監(jiān)管要求之下,資產(chǎn)規(guī)模越大的銀行,拋售非流動性資產(chǎn)的規(guī)模越大。交易對手方的能力有限則使得非流動性資產(chǎn)價格下跌幅度顯著增加,對其他機構帶來的損失程度就越大。

其次,杠桿水平的高低決定銀行遭受外部沖擊的放大程度。杠桿水平可從兩個途徑對資產(chǎn)的沖擊進行放大:一是杠桿水平上升會提高銀行的脆弱性。具體而言,杠桿反映資金來源的結構,杠桿水平越高,意味著銀行的自有資金占比越低。資產(chǎn)損失主要由自有資金進行彌補。因此,給定資產(chǎn)損失,自有資金越少的銀行,其虧損比例越高,資本金耗盡的可能性越高,銀行的脆弱性越高。二是杠桿水平上升會提高銀行的資產(chǎn)拋售強度。給定資產(chǎn)損失,杠桿水平越高,銀行拋售資產(chǎn)的規(guī)模越大,對銀行體系的沖擊也就越大。進一步地,拋售資產(chǎn)尤其是非流動性資產(chǎn)會產(chǎn)生資產(chǎn)折價損失,進而引發(fā)銀行進一步拋售資產(chǎn)。

最后,內(nèi)部關聯(lián)性的增強將會加大風險傳染強度。一方面,銀行會通過銀行間等批發(fā)資金市場相互借貸形成直接關聯(lián)性,且該種關聯(lián)性在經(jīng)濟穩(wěn)定發(fā)展時期會顯著增加。在壓力時期,如果某家銀行出現(xiàn)違約,違約風險則會通過直接關聯(lián)性將沖擊傳導給其他機構。另一方面,金融機構往往會選擇持有更加相似的資產(chǎn)組合,這導致金融機構持有共同資產(chǎn)的間接關聯(lián)性增強。綜上,關聯(lián)性既包括金融機構之間借貸形成的直接關聯(lián)性,也包括持有共同資產(chǎn)所帶來的間接關聯(lián)性。在正常時期,關聯(lián)性表現(xiàn)為各金融機構之間的風險承擔;一旦系統(tǒng)性風險事件爆發(fā),關聯(lián)性則會成為風險蔓延的重要渠道。

綜上所述,系統(tǒng)性風險與金融機構的規(guī)模、杠桿和關聯(lián)性等因素緊密相關。

三、指數(shù)構建與模型介紹

本部分首先從銀行、國家和“一帶一路”國家系統(tǒng)3個層次闡釋構建銀行業(yè)系統(tǒng)性風險指數(shù)的過程;其次構建指數(shù)有效性檢驗所需要的計量模型。

1.動態(tài)ΔCoVaR 指標的構建

采用滾動窗口估算動態(tài)ΔCoVaR(也即關聯(lián)性指標),其具體步驟如下所示:

(1)

步驟2將銀行指數(shù)損失率與單家銀行損失率做滾動窗口分位數(shù)回歸。具體而言,以250個交易日為一個窗口期,采用與上一步同樣的滾動窗口方法可計算銀行i與銀行指數(shù)損失率(RS)之間的尾部依存關系,分位數(shù)回歸方程如下:

(2)

(3)

2.系統(tǒng)性風險指數(shù)的構建

前一節(jié)的動態(tài)ΔCoVaR指標只刻畫了機構關聯(lián)性這一驅(qū)動要素,事實上,銀行業(yè)系統(tǒng)性風險的驅(qū)動要素還包含資產(chǎn)規(guī)模和杠桿,如何將這3個因子進行降維處理得到整體的銀行業(yè)系統(tǒng)性風險是關鍵問題。根據(jù)現(xiàn)有文獻的做法,本研究采用回歸的方法獲得每個因子的權重,然后進行加權求和以達到多因子降維處理的目標。具體而言,系統(tǒng)性風險指數(shù)的構建過程如下所示。

步驟1利用滾動窗口搜尋各個國家銀行體系壓力最大的窗口期。Acharya 等在構建被解釋變量指標RealizedSES時,選擇的代理變量是壓力時期的累積損失率[6]。因此,被解釋變量指標需要以壓力時期的真實表現(xiàn)為基礎進行構建。因此,同樣使用壓力時期的數(shù)據(jù)計算被解釋變量指標。具體而言,按照固定窗口期在各個國家的全部樣本期間按日滾動,計算每個窗口期內(nèi)各個國家MSCI銀行指數(shù)的累積收益率。以累積收益率最低的窗口期為各個國家銀行體系第一壓力窗口期,以累積收益率第二低的窗口期作為第二壓力窗口期,以累積收益率第三低的窗口期作為第三壓力窗口期。

步驟2計算各國內(nèi)部每家銀行在年度壓力時期的系統(tǒng)重要性,作為回歸的被解釋變量指標。具體而言,壓力時期一國內(nèi)部銀行i的系統(tǒng)重要性如式(4)所示。

(4)

Rj=αi+βc,i,jRi+ξi

(5)

步驟4將被解釋變量指標與風險驅(qū)動因子做橫截面回歸,得到因子權重。具體而言,以步驟1計算得到的指標(記作Beta_stressi)作為被解釋變量,以步驟2計算的3個風險因子為解釋變量,按照(6)式進行橫截面數(shù)據(jù)回歸。

(6)

式中:i代表銀行,φ1、φ2和φ3為因子變量的估計系數(shù),衡量不同因子對銀行系統(tǒng)性風險的影響程度,同樣也是3個因子的權重;?為常數(shù)項;εi為誤差項。

(7)

(8)

步驟7構建“一帶一路”共建國家的整體銀行業(yè)系統(tǒng)性風險指數(shù)。具體而言,對每一個時期各個國家系統(tǒng)性風險指數(shù)求平均值,可以得到“一帶一路”共建國家的整體銀行業(yè)系統(tǒng)性風險指數(shù):

(9)

式中:N為“一帶一路”共建國家的數(shù)量,該指標是一個超國家層面的銀行業(yè)系統(tǒng)性風險指標,主要用來度量“一帶一路”國家系統(tǒng)的銀行業(yè)風險走勢。

3.壓力時期樣本和分位數(shù)的選擇

一方面,關于壓力時期的選擇。前一部分已尋找到三組壓力時期刻畫被解釋變量指標:第一組為第一壓力窗口期,以數(shù)字“1”代表,該組窗口期銀行體系面臨的壓力程度最大;第二組為第一壓力窗口期+第二壓力窗口期,以數(shù)字“2”代表;第三組為第一壓力窗口期+第二壓力窗口期+第三壓力窗口期,以數(shù)字“3”代表。

另一方面,關于分位數(shù)選擇。在構建關聯(lián)性因子ΔCoVaR時,需要確定分位數(shù)q的水平。關于分位數(shù),選擇95%分位數(shù)(即q=95%),并利用90%分位數(shù)的在險價值(VaR)以及條件在險價值(CoVaR)進行穩(wěn)健性檢驗。

4.銀行業(yè)系統(tǒng)性風險指標有效性檢驗

本部分的有效性檢驗包括兩部分:第一,將本研究構建的風險指數(shù)與現(xiàn)有的基準風險指數(shù)進行面板格蘭杰因果檢驗,以驗證本指數(shù)的有效性。以EIU銀行部門風險得分指數(shù)為基準指標,驗證該風險指數(shù)的有效性。第二,采用行業(yè)、宏觀及制度層面的外源數(shù)據(jù)來驗證本指數(shù)的有效性。具體而言,以行業(yè)、宏觀及制度層面變量為解釋變量,以風險指數(shù)為被解釋變量,構建固定效應面板回歸模型來驗證這些變量對風險指數(shù)的解釋度。回歸模型如下:

Indexc,t=αc+βXc,t+εc,t

(10)

式中:Indexc,t為第t期國家c的銀行業(yè)系統(tǒng)性風險指數(shù),Xc,t為第t期國家c的各類宏觀層面指標,β代表回歸變量的系數(shù)。

四、樣本數(shù)據(jù)說明及描述性統(tǒng)計

本部分主要對研究所需要的樣本國家、數(shù)據(jù)和來源進行介紹,并給出描述性統(tǒng)計分析。

1.數(shù)據(jù)說明

(1)研究樣本

分別從Datastream數(shù)據(jù)庫、IMF的IFS數(shù)據(jù)庫和Wind數(shù)據(jù)庫收集到“一帶一路”沿線33個國家樣本(1)按區(qū)域,33個國家可劃分為中西亞地區(qū)的哈薩克斯坦、沙特阿拉伯、阿聯(lián)酋、以色列、土耳其、科威特、卡塔爾、約旦、巴林9個國家;南亞地區(qū)的印度、孟加拉國、斯里蘭卡3個國家;東亞地區(qū)的中國、韓國、印度尼西亞、泰國、馬來西亞、新加坡、越南7個國家;歐洲地區(qū)的俄羅斯、烏克蘭、波蘭、捷克、斯洛伐克、匈牙利、羅馬尼亞、保加利亞、塞爾維亞、克羅地亞、奧地利、希臘12個國家;非洲地區(qū)的埃及、南非2個國家。。由于2020年暴發(fā)的新型冠狀病毒感染對世界經(jīng)濟造成極大沖擊[29-30],一定程度上加劇了金融脆弱性[31],結合數(shù)據(jù)可得性,最終確定的研究樣本區(qū)間為2003年1月1日至2017年12月1日。

(2)股票市場數(shù)據(jù)

本研究構建關聯(lián)性因子和壓力時期的被解釋變量(Beta_stressi)指標均以股票市場數(shù)據(jù)為主。該部分數(shù)據(jù)包括各國上市商業(yè)銀行股票收盤價的日度數(shù)據(jù)(總計150多萬條數(shù)據(jù)),各國金融市場的MSCI銀行指數(shù)的日度數(shù)據(jù)。該部分數(shù)據(jù)來自DataStream數(shù)據(jù)庫。研究樣本包括33個國家,507家上市銀行,總計150多萬條銀行層面日度數(shù)據(jù),能夠充分保證研究數(shù)據(jù)的大樣本性質(zhì)。在計算動態(tài)ΔCoVaR指標時,以前復權后的收盤價為基準,得到樣本銀行的日對數(shù)損失率,即-100[ln(銀行股價)-ln(前一交易日銀行股價)]。

(3)財務數(shù)據(jù)

本研究構建的銀行和國家層面的規(guī)模因子和杠桿因子以財務數(shù)據(jù)為主。機構層面的數(shù)據(jù)包括銀行的總資產(chǎn)與總資本的年度數(shù)據(jù),單位為10億美元,該部分數(shù)據(jù)來自DataStream數(shù)據(jù)庫,利用該部分數(shù)據(jù)可以得到機構層面的規(guī)模和杠桿因子;國家層面的數(shù)據(jù)包括衡量國家層面規(guī)模因子的數(shù)據(jù)Credit/GDP,來自Wind數(shù)據(jù)庫和Datastream數(shù)據(jù)庫,銀行部門整體杠桿的數(shù)據(jù)來自Wind數(shù)據(jù)庫和IFS數(shù)據(jù)庫。

(4)EIU銀行部門風險得分數(shù)據(jù)

以EIU銀行部門風險得分指數(shù)為基準風險指數(shù),通過對完全不同的數(shù)據(jù)源進行對比分析,可以檢驗本研究構建的風險指數(shù)的有效性。該指數(shù)是EIU Country Risk Service的子項得分指數(shù)。該得分指數(shù)能夠評估銀行業(yè)系統(tǒng)性風險,是本領域的權威指數(shù),頻率為月度。該指標的數(shù)值越大,風險越高,最高數(shù)值為100。

(5)實體經(jīng)濟解釋類數(shù)據(jù)

為解釋本研究構造指標的有效性及合理性,引入國家內(nèi)部的行業(yè)、宏觀以及資本賬戶開放指標進行回歸分析。關于各種數(shù)據(jù)的詳細解釋參照表1。

表1 系統(tǒng)性風險指數(shù)結果解釋回歸用數(shù)據(jù)

2.三因子變量的描述性統(tǒng)計

表2列出構建銀行業(yè)系統(tǒng)性風險指數(shù)所需數(shù)據(jù)的描述性統(tǒng)計。其中,ASSET是各銀行的總資產(chǎn),CAPITAL是各銀行的總資本,PRICE是各銀行的股價,MSCI指數(shù)是各國金融市場的銀行業(yè)指數(shù),SIZE為各國銀行部門的規(guī)模數(shù)據(jù)(金融部門提供的信貸與GDP的比例(1)Datastream提供的該項變量為Domestic Credit Provided by Finacial Sector(% of GDP)。),LEV是各國銀行部門杠桿。

表2 “一帶一路”共建國家數(shù)據(jù)描述性統(tǒng)計

根據(jù)表2可知,銀行層面機構總資產(chǎn)是總資本的8.7倍左右,國家層面的銀行部門整體杠桿也在7倍左右。由此可知,盡管銀行層面的杠桿與國家層面的杠桿采用的數(shù)據(jù)源和定義都存在差異,但是兩個結果基本在一個數(shù)量級,這也驗證本研究所選指標的一致性。此外,8.7倍的杠桿水平說明資本充足率在11.5%左右,這意味著,整體而言“一帶一路”共建國家的大部分銀行都滿足資本充足率的監(jiān)管要求水平。

表3給出了三因素權重回歸結果。可以發(fā)現(xiàn),規(guī)模、杠桿、關聯(lián)性這3個因素與被解釋變量指標之間均表現(xiàn)出正相關關系,由此可以得出以下幾點結論:第一,關聯(lián)性是決定系統(tǒng)性風險的最重要因素,該結論印證了國際金融危機之后“Too-connected-to-fail”的觀點。第二,杠桿因素在系統(tǒng)性風險中的作用不如關聯(lián)性,但是仍然起著非常重要的作用,杠桿水平越高,系統(tǒng)性風險越高。第三,資產(chǎn)規(guī)模對系統(tǒng)性風險起著一定的正向影響,但是弱于關聯(lián)性和杠桿。

表3 三因素模型回歸結果

五、系統(tǒng)性風險結果分析

本部分首先結合實際背景分別從“一帶一路”國家系統(tǒng)、單個國家兩個層面出發(fā)探究風險的水平走勢;其次采用Granger因果檢驗、多元回歸等方法驗證指數(shù)的有效性。

1.“一帶一路”共建國家整體銀行業(yè)系統(tǒng)性風險基本特征

首先分析“一帶一路”共建國家的整體銀行業(yè)系統(tǒng)性風險變動趨勢,然后介紹本指數(shù)在壓力時期和分位數(shù)水平選擇方面的穩(wěn)健性,最后介紹不同因子與風險指數(shù)之間的相關性。

(1) 基本結果

圖1給出了“一帶一路”共建國家整體銀行業(yè)系統(tǒng)性風險走勢。可以看出,從2006年4月開始,整體銀行業(yè)系統(tǒng)性風險持續(xù)上升,但是上升幅度并不大。從2007年10月開始,整體銀行業(yè)系統(tǒng)性風險持續(xù)大幅上升,并長期維持在樣本均值以上直至2013年1月。風險水平在2009年6月達到樣本期間的最高點,隨后在2012年7月達到局部最高點。此后,銀行業(yè)系統(tǒng)性風險在2014年1月至2014年8月、2015年4月至2016年12月等期間出現(xiàn)一定的壓力時期(高于均值)。從2016年3月開始,銀行業(yè)系統(tǒng)性風險呈現(xiàn)持續(xù)的下降趨勢。

注:(1)實線為“一帶一路”國家系統(tǒng)的銀行業(yè)系統(tǒng)性風險,虛線為該指標的樣本平均值;(2)橫坐標軸為月度時間,縱坐標軸為銀行業(yè)系統(tǒng)性風險數(shù)值;(3)陰影區(qū)域為“一帶一路”國家系統(tǒng)的銀行業(yè)系統(tǒng)性風險高于均值的時間段,分別為2007年1月至2007年3月、2007年10月至2013年1月、2014年1月至2014年8月、 2015年4月至2016年12月。

基于以上結果,可以得出以下3個結論:第一,作為經(jīng)濟金融全球化的重要組成部分,“一帶一路”共建國家不可避免地會受全球金融環(huán)境的影響。具體而言,整體銀行業(yè)系統(tǒng)性風險在2008—2009年全球金融危機期間和2009—2013年歐洲主權債務危機期間出現(xiàn)顯著的上升趨勢。這一結論意味著中國政府在與各國政府聯(lián)合推動“一帶一路”金融合作時應密切關注全球金融環(huán)境惡化的沖擊,并應及時采取有效的應對措施。

第二,“一帶一路”共建國家會因為自身問題而導致“一帶一路”國家系統(tǒng)的整體銀行業(yè)系統(tǒng)性風險上升,這一現(xiàn)象體現(xiàn)為2014年和2015—2016年風險水平的上升(圖1的第3個和第4個陰影區(qū)域)。這一結論意味著,中國政府在關注全球金融環(huán)境惡化沖擊的同時還需要進一步關注“一帶一路”共建國家的金融風險水平,盡量降低個別國家金融風險波動所帶來的沖擊。

第三,2016年3月至2017年12月,整體銀行業(yè)系統(tǒng)性風險水平呈現(xiàn)下降趨勢。原因在于“一帶一路”共建國家近期的金融發(fā)展程度有所提高,金融環(huán)境較為穩(wěn)定,這一發(fā)展趨勢為中國政府推動“一帶一路”建設創(chuàng)造了良好的外部環(huán)境。

(2)不同因子重要性對比

圖2展示了樣本期間“一帶一路”國家系統(tǒng)的整體銀行業(yè)系統(tǒng)性風險與3個驅(qū)動因子風險貢獻之間的走勢及其相關性,每一個因子的風險貢獻水平是各個因素乘以其對應的權重。因此,3個驅(qū)動因子的風險貢獻水平之和為整體銀行業(yè)系統(tǒng)性風險水平。

圖2 “一帶一路”國家系統(tǒng)的銀行業(yè)系統(tǒng)性風險與其驅(qū)動因子之間的關系

圖2(a)顯示,關聯(lián)性因子是重要的風險驅(qū)動因素。具體而言,銀行業(yè)系統(tǒng)性風險與關聯(lián)性因子在樣本期間具有相似的走勢,這說明兩者之間具有較高的相關性。盡管如此,兩條曲線的走勢之間仍然存在一定的缺口,意味著杠桿因子和規(guī)模因子同樣會對銀行業(yè)系統(tǒng)性風險有一定的貢獻。

圖2(b)顯示,杠桿在特定時期同樣是整體銀行業(yè)系統(tǒng)性風險的主要驅(qū)動因素。具體而言,銀行業(yè)系統(tǒng)性風險與杠桿因子在整個樣本期間的相關性并不明顯,但是杠桿因子在2012年和2014年風險上升時期與銀行業(yè)系統(tǒng)性風險之間具有相同的走勢。這說明,杠桿因子在這一時期是風險上升的主要推動因素。

圖2(c)顯示,規(guī)模因子同樣在特定時期對銀行業(yè)系統(tǒng)性風險具有一定的驅(qū)動作用。具體而言,整個樣本期間,規(guī)模因子與銀行業(yè)系統(tǒng)性風險之間表現(xiàn)出較低的相關性,但是兩者在2007年1月至3月、2016年風險較高期間表現(xiàn)出較一致的走勢,這說明規(guī)模因子在這一時期是風險上升的主要推動因素。

整體來看,關聯(lián)性因子是銀行業(yè)系統(tǒng)性風險的最主要驅(qū)動因素。相比之下,規(guī)模因子和杠桿因子的影響作用相對較弱,兩者僅僅會在某些特定時期與銀行業(yè)系統(tǒng)性風險具有較高的相關性。

2.國家層面的銀行業(yè)系統(tǒng)性風險分析

“一帶一路”共建國家的國情復雜多樣,中國政府需要深入分析不同國家的銀行業(yè)系統(tǒng)性風險水平,據(jù)此確定針對性的經(jīng)濟金融合作策略。因此,本部分將探究國家層面的銀行業(yè)系統(tǒng)性風險特征。

(1)國家層面系統(tǒng)性風險結果分析

表4按照樣本國家的風險平均值從高到低給出統(tǒng)計結果。由表4可知,印度、越南、印度尼西亞、中國、土耳其、孟加拉國、奧地利和希臘的銀行業(yè)系統(tǒng)性風險處于較高水平,匈牙利、克羅地亞、羅馬尼亞、保加利亞、巴林、波蘭、捷克、塞爾維亞和哈薩克斯坦的銀行業(yè)系統(tǒng)性風險處于較低水平。特別地,中國在33個國家中排名第4,這意味著樣本期間中國銀行業(yè)系統(tǒng)性風險在“一帶一路”共建國家中處于較高水平。根據(jù)表4后3列各國規(guī)模因子、杠桿因子和關聯(lián)因子樣本均值從大到小的排名可知,中國銀行業(yè)系統(tǒng)性風險較高的原因在于中國銀行體系的杠桿水平在所有國家中的排名最高,而且關聯(lián)因子也居于靠前的位置。

表4 “一帶一路”共建國家的銀行業(yè)系統(tǒng)性風險及其因子排序

此外,還得到2002—2017年“一帶一路”33個國家銀行業(yè)系統(tǒng)性風險的動態(tài)年度排名(表5),排名越靠前,意味著該國銀行業(yè)系統(tǒng)性風險水平越高。可以發(fā)現(xiàn),印度、印度尼西亞、越南、中國和土耳其等國家的風險排名普遍較高。

中國銀行業(yè)系統(tǒng)性風險在2006年及之前一直處于較低水平,但是從2007年開始便一直處于前六名,這意味著中國銀行業(yè)系統(tǒng)性風險水平在2007年便開始處于高位。需要指出,中國銀行業(yè)系統(tǒng)性風險在2015、2016年均排名第1。因此,中國銀行業(yè)在“一帶一路”共建國家金融體系中具有重要的地位。這一結論意味著,我國監(jiān)管部門在實施風險監(jiān)管時需要具備大國視野,也即既要保證國內(nèi)風險得到有效監(jiān)控和化解,也需要保證我國監(jiān)管措施不會對“一帶一路”沿線其他國家產(chǎn)生風險溢出效應。

(2)不同因子之間的對比分析

由表6可以發(fā)現(xiàn),在高風險國家中,關聯(lián)性是最主要的驅(qū)動因子,這一結論在越南等國家例外(越南主要是由規(guī)模因子驅(qū)動);杠桿和規(guī)模也會起到風險驅(qū)動作用,但是杠桿的作用弱于規(guī)模;杠桿和規(guī)模因子對于不同國家銀行業(yè)系統(tǒng)性風險的影響存在一定的異質(zhì)性。具體體現(xiàn)為,杠桿因子在土耳其、孟加拉國等國對銀行業(yè)系統(tǒng)性風險產(chǎn)生較大的作用,規(guī)模因子在印度、越南、中國、奧地利、希臘等國對風險產(chǎn)生更大的作用。

表6 高風險國家組中銀行業(yè)系統(tǒng)性風險與不同風險因子的相關性

3.指數(shù)的有效性檢驗

本部分的有效性檢驗包括兩部分:第一,將構建的風險指數(shù)與現(xiàn)有的基準風險指數(shù)進行格蘭杰因果檢驗,以驗證本研究指數(shù)的有效性;第二,采用行業(yè)層面、宏觀層面、制度層面等方面的外源數(shù)據(jù)來驗證指數(shù)的有效性。

(1)與基準指數(shù)的對比分析

采用面板格蘭杰因果檢驗來驗證銀行業(yè)系統(tǒng)性風險指數(shù)的有效性。比較基準為EIU銀行部門風險得分指數(shù)(簡稱EIU風險指數(shù))。表7展示了相關的檢驗結果。

表7 格蘭杰因果檢驗結果

從回歸系數(shù)來看,兩個指數(shù)之間的回歸系數(shù)顯著為正。該結論說明本研究構建的風險指數(shù)與EIU風險指數(shù)之間互為因果關系,也即從不同數(shù)據(jù)源構建的風險指數(shù)能夠獲取與EIU風險指數(shù)類似的信息,從而論證此次風險指數(shù)的有效性。

從前瞻性來看,EIU風險指數(shù)相對于本研究的風險指數(shù)更具前瞻性。但是,考慮到本研究風險指數(shù)可以做到更高頻率,從而能更高頻地監(jiān)測銀行業(yè)系統(tǒng)性風險的變化,因此,本研究的指數(shù)在實時性方面相比于EIU風險指數(shù)具有更加明顯的優(yōu)勢。

(2)銀行業(yè)系統(tǒng)性風險的影響因素分析

采用行業(yè)層面、宏觀層面、制度層面數(shù)據(jù)對銀行業(yè)系統(tǒng)性風險指數(shù)進行有效性檢驗,通過回歸得出各個行業(yè)占比、經(jīng)濟增速及資本賬戶開放等國內(nèi)經(jīng)濟指標對“一帶一路”共建國家的銀行業(yè)系統(tǒng)性風險Indexc,t(95,3)的影響(表8)。

表8 國家銀行業(yè)系統(tǒng)性風險Indexc,t(95,3)與宏觀解釋因素的回歸結果

一是從行業(yè)層面指標結果可知,農(nóng)林牧漁業(yè)占比、采礦業(yè)與公共事業(yè)占比上升會降低銀行業(yè)系統(tǒng)性風險,建筑業(yè)、批發(fā)零售餐飲和住宿、交通倉儲和通訊、其他行業(yè)占比上升會提高國家的銀行業(yè)系統(tǒng)性風險。從統(tǒng)計和經(jīng)濟顯著性程度來看,農(nóng)林牧漁業(yè)和建筑業(yè)占比對銀行業(yè)系統(tǒng)性風險的影響最大。農(nóng)林牧漁業(yè)作為第一產(chǎn)業(yè),其占比越高,越有利于實體經(jīng)濟的長期穩(wěn)健發(fā)展,從而降低銀行業(yè)系統(tǒng)性風險;建筑業(yè)作為與房地產(chǎn)聯(lián)系最為緊密的行業(yè),其占比越高,意味著房地產(chǎn)市場出現(xiàn)泡沫的可能性越大,進而推動銀行信貸擴張并提高銀行業(yè)系統(tǒng)性風險水平。

二是從宏觀層面指標結果可知,實體經(jīng)濟發(fā)展越快,銀行業(yè)系統(tǒng)性風險越小。該結論與理論預期一致。具體而言,這一結論可以從對銀行業(yè)系統(tǒng)性風險的3個風險驅(qū)動因子(關聯(lián)性、杠桿與規(guī)模)的影響角度來進行解釋:首先,實體經(jīng)濟發(fā)展趨好,銀行信貸相對于GDP的比例會降低,從而降低規(guī)模因子;其次,實體經(jīng)濟發(fā)展趨好,銀行的盈利能力增強,銀行資本金增加,從而降低銀行杠桿因子;最后,實體經(jīng)濟發(fā)展向好,銀行信貸風險(比如貸款違約風險)會降低,從而可以提高銀行股權收益率,降低銀行與銀行體系股價收益率的尾部關聯(lián)性,進而降低關聯(lián)性因子。

三是從資本賬戶開放等制度層面結果可知,資本賬戶開放對銀行業(yè)系統(tǒng)性風險的影響方向為正,但是并不顯著。理論而言,資本賬戶開放程度越高,金融機構之間的跨境資金流動規(guī)模越大,銀行業(yè)系統(tǒng)性風險上升的可能性越高[32-33]。回歸結果也從某種角度說明,資本賬戶開放可能會引起銀行業(yè)系統(tǒng)性風險的增加。但是,此次回歸結果顯示這種影響作用非常微弱,這可能與樣本國家資本賬戶開放水平整體不高有關。由于“一帶一路”共建國家的資本賬戶開放水平均值只有0.6,只達到完全資本賬戶開放水平的60%,從而導致該變量對銀行業(yè)系統(tǒng)性風險的影響較弱。

研究結果表明,整體而言,實體經(jīng)濟發(fā)展對銀行業(yè)系統(tǒng)性風險指標具有顯著的作用,而且影響方向和理論預期基本一致。該結論說明,本研究構建的風險指數(shù)有效性較高,能夠準確地刻畫銀行部門系統(tǒng)性風險水平。

六、結 語

“一帶一路”倡議的實施需要各國加強和深化金融合作,提供更為有力的金融支持,但是“一帶一路”共建國家存在著不容忽視的銀行業(yè)系統(tǒng)性風險問題。在此背景下,如何有效識別、度量“一帶一路”共建國家的銀行業(yè)系統(tǒng)性風險,對于保證各方利益、推動區(qū)域經(jīng)濟深入合作具有重大的現(xiàn)實價值。具體而言,得到如下研究結論:

第一,基于規(guī)模等3個因子在同一框架下準確刻畫3個層次(機構、國家、超國家)的銀行業(yè)系統(tǒng)性風險指數(shù),該指數(shù)具有較強的穩(wěn)健性。一是從指數(shù)構建看,本研究構建的風險指數(shù)包含規(guī)模、杠桿和關聯(lián)性3個因子。其中,規(guī)模代表著傳染的強度,杠桿代表著機構面對沖擊的脆弱性,關聯(lián)性代表著機構之間的風險傳染性。然后,提出完全數(shù)據(jù)驅(qū)動的“回歸”方法,通過客觀方法確定3個因子的權重,進而通過加權求和得到銀行業(yè)系統(tǒng)性風險指數(shù)。二是從時間維度看,“一帶一路”共建國家(超國家)的整體銀行業(yè)系統(tǒng)性風險受全球金融環(huán)境影響,體現(xiàn)為該指數(shù)在2008—2009年國際金融危機期間和2009—2013年歐洲主權債務危機期間顯著上升。此外,“一帶一路”共建國家也會因為自身問題而出現(xiàn)銀行業(yè)系統(tǒng)性風險上升的情形,這一現(xiàn)象體現(xiàn)在2014年和2015—2016年。三是從空間維度看,印度、越南、印度尼西亞、中國、土耳其、孟加拉國、奧地利、希臘是系統(tǒng)重要性國家,其銀行業(yè)系統(tǒng)性風險水平較高;匈牙利、克羅地亞、羅馬尼亞、保加利亞、巴林、波蘭、捷克、塞爾維亞和哈薩克斯坦的銀行業(yè)系統(tǒng)性風險水平較低。四是從穩(wěn)健性來看,格蘭杰因果檢驗結果表明,本研究構建的風險指數(shù)具有較高的穩(wěn)健性。多元回歸分析結果顯示,行業(yè)、宏觀、制度層面因素對風險指數(shù)存在重要且合理的影響效果,該結果在分析銀行業(yè)系統(tǒng)性風險影響因素的同時,也再次驗證了本研究構建的風險指數(shù)的有效性。

第二,關聯(lián)性因子是驅(qū)動銀行業(yè)系統(tǒng)性風險水平變化的主要因素,其次為規(guī)模因子和杠桿因子。從“一帶一路”共建國家整體層面看,整體銀行業(yè)系統(tǒng)性風險與關聯(lián)性因子在整個樣本期間的走勢十分相似,這說明兩者之間具有較強的相關性。相比之下,規(guī)模因子和杠桿因子的影響作用較弱,兩者僅僅會在某些特定時期與銀行業(yè)系統(tǒng)性風險之間具有較高的相關性。從單個國家層面看,在高風險國家中,關聯(lián)性是最主要的驅(qū)動因子,杠桿和規(guī)模也會起作用,且整體而言,杠桿的作用弱于規(guī)模。此外,關聯(lián)性因子與規(guī)模因子之間存在一定的替代關系,其對銀行業(yè)系統(tǒng)性風險水平的高低具有重要的影響作用。

基于以上研究結論,提出兩方面的政策建議:一方面,針對銀行業(yè)系統(tǒng)性風險較高的國家和地區(qū),應當加強合作,推動其采取有效措施降低銀行業(yè)系統(tǒng)性風險,提升這些國家金融體系的抗風險能力。此外,我國監(jiān)管部門在實施風險監(jiān)管時需要具備大國視野,也即既要保證國內(nèi)風險得到有效監(jiān)控和化解,也需要保證我國監(jiān)管措施不會對“一帶一路”共建國家產(chǎn)生風險溢出效應。

另一方面,中國企業(yè)投資于“一帶一路”共建國家時,需要重視其銀行業(yè)系統(tǒng)性風險。本研究構建的“一帶一路”銀行業(yè)系統(tǒng)性風險指數(shù)可作為中國企業(yè)“走出去”的參考指標。當銀行業(yè)系統(tǒng)性風險指數(shù)有走高的趨勢時,中國企業(yè)“走出去”面臨的投資風險也會升高。因此,中國企業(yè)應該關注重點投資對象的銀行業(yè)系統(tǒng)性風險指數(shù),并積極采取針對性措施,降低海外投資風險。