系統性金融風險動態測度

摘 要：科學、有效地進行系統性金融風險動態測度與分析，直接關系到我國金融風險的防范與化解。本文基于46家上市金融機構股票數據，構建了系統性金融風險的動態CoVaR研究模型，分析各金融機構的風險溢出價值以及對金融體系整體的貢獻情況，最后為我國金融監管工作提出相關政策建議。

關鍵詞：系統性金融風險；CoVaR模型；風險溢出價值

一、引言

最近十年在經濟下行和中美摩擦不斷的背景下，我國金融系統面臨的風險復雜多樣，且更容易爆發。2013年的“錢荒”，2015年的股災，以及突發的公共衛生事件對整個宏觀經濟的不利沖擊，都不同程度的影響系統性金融風險。隨著經濟下行壓力繼續加大和就業環境持續惡化，未來系統性金融風險爆發概率可能提高。如何防范和化解系統性金融風險是關乎黨和國家金融安全的重大問題。

二、文獻綜述

國內外大量學者用不同的計量方法實證測算和度量系統性金融風險，并形成了比較完整的測量和應對方法，其中CoVaR是最近國內外常用的一種測度金融機構對系統性金融風險的邊際貢獻的方法。Tobias Adrian等（2016）詳細探討CoVaR定義、指標估算、指標運用、指標構建和研究結論[1]。王周偉等（2014）認為條件風險價值（CoVaR）是度量系統性風險的有效指標之一。有多種方法計算條件在險價值，其中分位數回歸法能夠較好地刻畫不同分位數對應的系統性風險價值[2]。白雪梅（2014）選用了我國27家上市金融機構2008—2013年的股價對數收益率數據，并建立了一個條件在險價值CoVaR的模型[3]。張曉雪（2022）構建了動態CoVaR模型，旨在研究各個銀行的系統性風險的溢出價值，研究發現，國有四大行的風險溢出價值比其他股份制商業銀行高，其系統關聯度最高[4]。陳守東和王妍（2014）采用條件在險值（CoVaR）結合分位數回歸技術測量金融機構的風險溢出效應，并分析各類金融機構對系統性金融風險貢獻率的大小[5]。楊璐，劉永文（2022）認為影響股票市場的系統性風險的因素復雜多樣，其中金融部門的杠桿率、全社會融資規模、宏觀經濟因素是最顯著的影響因素[6]。肖璞等（2012）使用CoVaR方法，選用我國上市銀行的股價數據，結果表明，國有四大行的風險溢出效應高于城商行和其他股份制商業銀行[7]。高國華，潘英麗（2011）選用CoVaR模型測度我國14家上市商業銀行的系統性風險貢獻度，并發現各個銀行的CoVaR受自身的VaR水平、不良貸款率以及宏觀經濟波動的顯著影響[8]。

綜上所述，動態CoVaR模型是測度和分析系統性金融風險的常用成熟方法。但是主流文獻主要關注銀行的系統性金融風險，而忽視各大保險公司和證券公司的風險貢獻度。其次主流文獻多集中于2020年之前，即2008年后—2019年末，導致突發公共衛生事件對系統性金融風險的影響研究少之又少。本文將進一步深化并做出兩點改進：首先樣本并不局限于研究各大銀行的系統性金融風險，嘗試加入各大券商和保險公司，分析整個金融體系的系統性金融風險。其次重點分析突發公共衛生事件前后我國系統性金融風險發生的顯著變化，揭示突發公共衛生事件對系統性金融風險影響的復雜性。

三、基于動態CoVaR系統性金融風險分析

（一）動態CoVaR模型的構建

動態CoVaR模型是在靜態CoVaR模型的基礎上改進而來。下面先詳細介紹靜態CoVaR模型。首先定義在險價值VaR為在給定的置信水平下發生損失的最小概率。然后建立分析兩機構回報率之間的關系，這里定義兩機構為金融系統system和機構i，在機構i損失為[Xi]情況下：

[Xsystem|Xiq=αiq+βiqXi] （1）

其中[Xsystem|Xiq]表示一定置信水平下機構i發生風險時間損失為[Xi]的條件下系統的q分位數損失估計值，從而依據VaR的定義，得出：

[CoVaRsystem|Xiq=Xsystem|Xiq] （2）

其中CoVaR是機構 i 的 VaR 下的條件VaR，是指超過一定條件概率下的平均超額 VaR 值，也就是當一家機構發生危機時對整個系統的風險貢獻度。因此分位數回歸得到的基于機構 i 損失的條件下損失的預測值就是系統在[Xi]條件下的 VaR 值。其中[CoVaRsystem|Xiq]就是條件分位數，當[Xi]取[VaRiq]時，就可以計算機構 i 的 CoVaR 值：

[CoVaRiq=VaRsystem|Xi=VaRiqq=αiq+βiqVaRiq] （3）

[VaRiq]可以由機構i收益率序列里的q分位數得到，那么根據風險溢出值：

[ΔCoVaRiq=CoVaRsystem|VaRiqq-CoVaRsystem|VaRi0.5q=βiqVaRiq（VaRiq-VaRi0.5）] （4）

就可以計算出整個金融系統中各機構的風險排名。其中分位數 q=0.5 是指在正常情況下機構i的[VaRi0.5]，而分位數q=0.05 是指在發生風險事件[Xi]下機構i的[VaRi0.5]。

以上就是靜態CoVaR模型的構建，接著引入狀態變量構建動態CoVaR模型，將收益率看作狀態變量的函數，運用分位數回歸模型進一步得到動態VaR和動態ΔCoVaR序列，考慮到風險傳遞的滯后性，狀態變量也滯后一階，狀態變量的變化刻畫了隨時間變化的各金融機構尾部風險特征。還是定義金融系統為system，機構i的損失為[Xi]，q為機構發生危機時的置信水平（通常q=0.05）。具體的計算方法如下：

[Xit=αiq+γiqMt-1+εiq，t] （5）

[Xsystemit=αsystemiq+βsystemiqXit+γsystemiqMt-1+εsystemiq，t]" （6）

進一步地，運用上述分位數回歸方程的參數估計值可以得到：

[VaRiq，t=αiq+γiqMt-1] （7）

[CoVaRiq，t=αsystemiq+βsystemiqVaRiq，t+γsystemiqMt-1]（8）

從而得到了危機時（q=0.05）的動態VaR和動態CoVaR的序列，同理計算正常狀態時（q=0.5）的動態VaR和動態CoVaR的序列

最后，兩種情況下的條件在險價值的差值即是機構i發生危機時對系統性金融風險的邊際貢獻ΔCoVaR：

[ΔCoVaRiq，t=CoVaRiq，t-CoVaRi0.5，t=βsystemiq（VaRiq，t-VaRi0.5，t）] （9）

通過上面的計算過程，可以得到每個金融機構的月度[ΔCoVaRiq，t]面板數據和每個機構對應的系數[βsystemi0.5]，從而分析得出各個金融機構對整體系統的貢獻大小排名。

（二）樣本及變量選擇

1. 研究樣本及數據

動態ΔCoVaR選取我國46家上市金融機構的股價相關數據，其中包含23 家證券公司、16家上市銀行、5家保險公司和2家多元金融機構。具體包含以下機構：平安銀行、中油資本、天貿集團、東北證券、錦龍股份、國元證券、國海證券、廣發證券、長江證券、寧波銀行、山西證券、西部證券、東方財富、浦發銀行、華夏銀行、民生銀行、中信證券、招商銀行、國投資本、湘財股份、國金證券、西南證券、華鑫股份、魯信創投、海通證券、哈投股份、招商證券、南京銀行、太平洋、興業銀行、北京銀行、農業銀行、中國平安、交通銀行、新華保險、興業證券、工商銀行、東吳證券、中國太保、中國人壽、華泰證券、光大證券、光大銀行、建設銀行、中國銀行和中信銀行。月度數據以2013年1月為起始，以2023年7月為結束，共127個月份的數據，每個金融機構的月收益率采用不考慮現金紅利再投資的月個股回報率。上市銀行股價相關數據來源于國泰安數據庫，分位數回歸模型使用計量軟件STATA16處理。

2. 狀態變量選取

狀態變量主要選取與金融行業的市場風險相關的因素，并盡量結合我國金融市場和資本市場的本土特征，選用本土包括國房景氣指數、滬深300指數及國債收益率等特色宏觀指標，這些指標可以從多個角度影響金融行業的系統性風險。對這些狀態變量做滯后一階處理。這些狀態變量并不是直接的系統性風險因素，更多的是考慮他們對與風險測度的穩定性。本文主要選取六個狀態變量，分別代表市場月收益率、宏觀利率變化、利率風險、市場波動、房地產景氣程度和宏觀經濟變化，具體如表1。

其中市場月收益率用滬深300指數月收益率（V1）來代表，滬深300指數是上交所和深交所聯合共同推出的指數，是我國股市中最有代表性的指數數據之一，可以很好分析我國宏觀股市的走勢。3個月中債國債收益率（V2），可以作為無風險變量的一個衡量，可以在一定程度上反映宏觀利率的走勢。期限利差（V3）是衡量資本市場風險的主要指標之一，反映了資本市場的利率風險，對銀行和券商資產配置及杠桿率都有比較明顯的影響。市場波動用滬深300指數月標準差（V4）反映了股票市場的收益的不確定，代表整個股票市場的價格指數變動。房地產行業和金融行業息息相關，房地產景氣程度也影響金融行業的收益和波動，因此選用國房景氣指數（V5）。最后考慮消費者物價指數CPI（V6）這個宏觀經濟指標對系統性金融風險的影響。

（三）模型回歸結果

根據模型回歸公式（3.5）-公式（3.9）的步驟進行回歸，得到各個金融機構的分位數回歸模型參數估計結果匯總于下表2并做排名，[βsystemi0.5]對應[Xi]在回歸方程（3.6）中的系數。

[βsystemi0.5]表示當金融機構在p=0.5（正常狀態下）時對整體金融體系的風險貢獻度，這對于其對金融體系的風險溢出效應起到決定性作用。由大到小排序分別為：農業銀行、中國銀行、北京銀行、交通銀行、光大銀行、華夏銀行、工商銀行、民生銀行、中信銀行、浦發銀行、興業銀行、建設銀行、中國平安、招商銀行、廣發證券、南京銀行、寧波銀行、中國太保、中國人壽、國海證券、招商證券、中信證券、海通證券、東北證券、華泰證券、新華保險、國金證券、平安銀行、長江證券、興業證券、光大證券、山西證券、國元證券、西南證券、東吳證券、太平洋、西部證券、天貿集團、國投資本、錦龍股份、哈投股份、華鑫股份、中油資本、東方財富、魯信創投和湘財股份。可以看出，前十名都是大型銀行，證券公司排在中游，最后幾名是一些規模較小的投資類公司，說明風險貢獻度與機構的資產規模成正相關關系。分銀行類別來看，大型國有銀行對風險貢獻度最高，國有五大行的系數平均也有0.92。值得關注的是，前十名有5位股份制商業銀行，說明近十年股份制商業銀行在市場表現活躍，波動也比較大，因此對整個金融體系的風險貢獻度也增加，也需要金融監管機構高度重視。

四、對金融風險監管的建議

積極轉型，提升發展質量。目前我國大部分銀行風險較高，所以當前金融監管的重點仍然集中在大型銀行。當下經濟增速放緩，很多企業剛剛擺脫瀕臨破產的陰影，企業還款能力下降。銀行要順應時代的變化，改變落后的經營方式，提升資產的質量，為企業和客戶提供更穩健健康的投資理財方案，降低杠桿率和不良貸款率，走資本節約型路線。

“兩點論”和“重點論”相結合。既要重點監管國有大型銀行的資產安全，又要關注日益活躍的城商行和股份商業銀行。既要加強對系統重要性銀行的防范，又要關注規模雖小但高杠桿運營的各類投資類公司。既要重點考慮金融機構自身的特點，又要關注外在宏觀因素對金融系統的沖擊。

建立全國性的監管機構，完善風險預測和評價制度。我國目前仍然是以分業監管為主，這種模式下，很容易忽視不同類型金融機構之間的風險傳導，比如銀行和券商相互傳導風險，不利于阻止金融風險的傳播和放大。建立全國性的金融風險監管機構，從宏觀上把握系統性金融風險的動態變化，完善系統性金融風險的預警監測制度，有利于我國控制和防范系統性金融風險。

參考文獻：

[1] ADRINA，T.， M. K. BRUNNERMEIER， “CoVaR”， American Economic ReView， 2016（106）：1705-1741.

[2] 王周偉，呂思聰，茆訓誠.基于風險溢出關聯特征的CoVaR計算方法有效性比較及應用[J].經濟評論，2014（4）：148-160.

[3] 白雪梅，石大龍.中國金融體系的系統性風險度量[J].國際金融研究，2014，326（6）：75-85.

[4] 張曉雪.基于動態CoVaR模型的商業銀行系統性風險研究[J].淮南師范學院學報，2022，24（3）：57-60.

[5] 陳守東，王妍.系統性金融風險與宏觀審慎監管研究[C]//吉林科學技術出版社.2016-2017年吉林省自然科學學術成果獎匯集.吉林科學技術出版社，2019：10.

[6] 楊璐，劉永文.經濟政策不確定性對股票市場系統性風險的影響研究——基于動態CoVaR模型的實證分析[J].生產力研究，2022（8）：131-135.

[7] 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.

[8] 高國華，潘英麗.銀行系統性風險度量——基于動態CoVaR方法的分析[J].上海交通大學學報，2011，45（12）：1753-1759.