发布时间：2021-10-13所属分类：免费文献浏览：1次
摘 要： 现代商业
《异质性视角下的商业银行系统性风险溢出效应测度》论文发表期刊：《现代商业》；发表周期：2021年23期
《异质性视角下的商业银行系统性风险溢出效应测度》论文作者信息：程露莹，广州南方学院，讲师，研究生，研究方向：应用经济学。
摘要：商业银行系统性风险预防能力和效果直接关系到了商业银行运行稳定程度与国民经济安全程度。为此，本文首先分析了异质性经济学概念和商业银行系统性风险定义，其次分析了商业银行系统性风险溢出类型和商业银行系统性风险溢出效应测度方式，再次分析了异质性视角下商业银行系统性风险溢出效应测度模型及其应用，最后分析了异质性视角下商业银行系统性风险防范对策，旨在为商业银行系统性风险溢出效应分析及系统性风险预防提供参考。
关键词：异质性;商业银行;系统性风险;风险溢出效应
在国内外经济因素的共同影响下，我国经济市场发展面临着一定程度的风险，为了有效应对这种风险，我国开启了全面深化改革的进程，现阶段正处于关键阶段;并且有很多实体经济行业面临着较大的金融风险，这导致了部分地区的区域金融风险，同时这些金融风险有向全国系统性风险转变的趋势。商业银行在国民经济体系中处于核心地位，是承担金融风险的主要主体，商业银行的风险管理能力十分重要，由此可见，商业银行有义务承担起抵抗系统性风险的责任。
一、异质性视角下商业银行系统性风险溢出效应测度相关理论
(一)商业银行系统性风险溢出类型
1.直接风险溢出
金融资产风险溢出。商业银行的金融资产风险溢出度较高，这是因为商业银行的资产类型较多，并且大部分来自于金融交易，同时商业银行之间在金融资产方面存在着较为密切的联系，这使得商业银行之间通过各种金融活动来相互持有金融资产，一旦出现系统性风险，便会大概率导致金融资产风险溢出[1]。
金融合约风险溢出。商业银行之间签订金融合约属于十分常见的行为，这在一定程度上增加了商业银行之间的风险关联性。此外，通过合约衍生的金融产品虽然能够带来较高的经济效益，同样也可能会导致较高的金融风险，这是因为金融产品交易双方较为容易忽视金融风险问题，这样金融风险的出现概率便会随着交易金额的增加而提高，逐渐积累便会导致较为严重的系统性风险和经济损失。
2.间接风险溢出
间接风险溢出指的是市场环境导致的系统性风险，商业银行同处于金融市场中，其面临的客观环境相同，并且对金融市场环境依赖性较高，因此，一旦金融市场环境出现问题或者是面临危机，商业银行难免会出现系统性风险。此外，大部分商业银行的金融业务是相同或相似的，这表示这些银行在面对市场环境变化时，能够采取的措施也是相同或相似的[2]。
3.融资风险溢出
融资风险溢出指的是商业银行之间由于借贷关系导致的系统性风险，商业银行之间经常会出现融资行为，这便增加了融资风险的出现概率。具体来讲，融资风险溢出体现在如下两个方面：第一，信用风险预期变化及市场利率变化会增加融资成本，继而导致风险;第二，金融市场流动性会改变商业银行的融资难度，一旦融资难度增加，系统性风险出现概率便会增加。
(二)商业银行系统性风险溢出效应测度方式
1.宏观经济分析方式
宏观经济分析方式指的是基于宏观经济数据建立早期预警分析模型，通过此模型来分析商业银行系统性风险，常见分析指标有股价数据、信贷数据、资产价格数据等，这些数据都能够反映商业银行经营状况，一旦出现失衡问题，便表示商业银行可能陷入到了系统性风险中[3]。
2.违约强度模型方式
违约强度模型方式指的是通过预计违约事件发生概率及违约损失程度，来预计商业银行系统性风险的发生概率及影响程度。违约强度模型中，应用频率较高的为DIM模型，该模型的应用建立在既定扩散方程上，这样便能够通过该模型来计算计违约事件发生概率，进而估计商业银行系统性风险。
3.网络结构分析方式
网络结构分析方式指的是构建商业银行资产负债表网络，通过分析网络形状对风险的传播情况进行模拟，进而判定商业银行系统性风险，是现阶段受关注程度较高的一种分析方式。
通过网络结构分析方式，既能够掌握银行违约事件及其影响情况，又能够掌握金融机构在金融危机下采取的措施导致的多米诺骨牌效应。
4.横截面方式
横截面方式主要包括条件在险价值方式(CoVaR)、期望损失方式(ES)、困境保费方式、SRISK指标方式、DCC-GARCH计量方式等，其中应用频率最高的为条件在险价值方式。上述横截面方式在商业银行系统性风险溢出效应测度中的应用，主要是通过金融市场上的横截面数据来实现的[4]。
二、异质性视角下商业银行系统性风险溢出效应测度模型及其应用
(一)选择CoVaR测度模型
考虑到本次实验数据获得的难易程度及真实程度，选择应用在险价值方式及CoVaR测度模型展开测度工作。
CoVaR测度模型相关指标可以表示为：P(xi≥CoVaRijq|xj=VaRjq)=q;ΔCoVaRijq=CoVaRijq-VaRjq;%≥CoVaRijq=(ΔCoVaRijq/VaRjq)*100%=[(CoVaRijq-VaRjq)/VaRjq]*100%。其中，xi为i的风险损失;P为概率;VaRjq为i在1-q置信水平下的无条件风险价值;CoVaRijq为i在1-q置信水平下受到j影响后的总风险价值;ΔCoVaRijq为j在相同置信区间下、其风险价值对i的溢出风险大小;%≥CoVaRijq为i受到j影响后的溢出风险价值与其无条件风险价值的比值。
(二)选择和处理数据
我国上市银行资产占据了总体商业银行资产的80%，在此基础上，考虑到上市时间的差别，本文选择在2010年之前上市的12家商业银行作为异质性视角下商业银行系统性风险溢出效应测度的研究对象。为了确保统计数据的真实性和准确性，本次研究选择的数据均在2013年1月1日～2019年12月31日之间，具体数据对象为各个商业银行股票的周收盘价，并且对其进行前复权方式处理，同时选择计算股票收益率为解释变量。
具体通过取对数一阶差分的方式获得各个商业银行的股票收益率及整体商业银行的股票收益率，为了降低计算失误率，将计算结果均乘以100，具体计算公式如下：Rit=100*ln(Iit/Iit-1);其中，Rit为商业银行i在t日的股票收益率，Iit为t周股票收盘价格，Iit-1为t-1周股票收盘价格[5]。
本次研究数据处理工作均由Eviews6.0软件完成。
(三)分析数据
首先分析本次研究的原始数据，即12家商业银行在2013年1月1日～2019年12月31日之间股票的周收盘价，具体如图1所示。
通过对图1的数据进行分析，能够得到如下结论：各个商业银行股票周收盘价走向存在相似之处，但是股票周收盘价波动范围有一定差别，股票周收盘价最低点和最高点的出现时间有一定差别。但可以统一的是，在金融危机发生之后，受到金融市场变动因素的影响，各个商业银行股票周收盘价走向都有一定程度的下滑，这一点需要进行进一步分析[6]。
随后，按照上文中的计算公式计算各个商业银行的股票收益率及整体商业银行的股票收益率，计算结果具体如图2和图3所示。
通过对图2和图3的数据进行分析，能够得到如下结论：尽管各个商业银行的股票收益率在金融危机之后都有不同程度的下滑，但是近年来，其股票收益率下滑趋势有所收敛，并且部分商业银行开始呈现为上升趋势;兴业银行和中信银行股票收益率下滑趋势较为显著，并且收敛趋势不够明显;建设银行、浦发银行、中国银行股票收益率下滑趋势相对较小，并且收敛趋势较为明显。
(四)分析实证结果
在CoVaR测度模型分析结果的基础上，本文将进一步进行实证分析，以此来获得更加明确的分析结果，具体如下。
首先，对12家商业银行的银行股指数进行J-B检验，检验结果如表1所示。
通过对表1数据进行分析，能够得到如下结论：各个商业银行的股票收益率都普遍存在左偏情况，并且所有商业银行的股收益率峰度都超过了4，呈现为“尖峰厚尾，非对称分布”的特征，这符合符合大多数金融事件序列的基本特征。
其次，对12家商业银行的系统性风险溢出效应进行分析，计算其ΔCoVaRijq、VaRjq数值，计算结果如表2所示。
通过对表2数据进行分析，能够得到如下结论：应用VaR方式计算得到的商业银行系统性风险溢出效应小于CoVaR方式，这表示通过CoVaR方式能够有效计算得到商业银行系统性风险溢出效应，并且其计算标准能够满足商业银行对系统性风险的判断标准;12家商业银行中，系统性风险溢出效应最为显著的银行有民生银行、中信银行、华夏银行，究其原因是股份制银行存在风险抵御意识和能力相对较低的问题;12家商业银行中，系统性风险溢出效应最为显著的银行有工商银行、浦发银行、中国银行，究其原因是国有大型银行存在风险抵御意识和能力相对较高的特征，并且以浦发银行为首的部分股份制银行也存在较高的风险抵御意识和能力。
三、异质性视角下商业银行系统性风险防范对策
(一)建立系统性风险预警体系
商业银行业务活动的进行一直伴随着系统性风险，基于此，抵御系统性风险的最佳方式便是建立系统性风险预警体系，以此来做到对系统性风险的预先防范，同时尽量缩小已发生的系统性风险的影响范围[7]。具体来讲，商业银行系统性风险预警体系包括系统性风险识别体系(有效识别系统性风险)、系统性风险预警指标体系(合理判定系统性风险)、系统性风险预防体系(采取针对性系统性风险预防措施)。我国商业银行在建立系统性风险预警体系的过程中，可以适当借鉴发达国家商业银行的系统性风险预防经验，同时结合银行的实际运营情况与我国金融市场的发展状况，各项预警指标的选择需要符合系统性风险预警需求，同时与国际惯例相接轨。
(二)加大对重点银行的监管力度
能够产生系统性风险的商业银行普遍具备运营规模较高、在金融市场中的重要性较高等特点，这表示一旦这些商业银行出现了风险，便有很大的概率会引发商业银行行业系统风险，为此，相关部门需要加大对这些重点银行的监管力度[8]。具体来讲，对重点商业银行进行监管的目的为督促和帮助其提高抵抗系统性风险的意识和能力，以此来降低系统性风险对其运营发展造成的经济损失;此外，还需要降低其由于系统性风险而破产倒闭的概率。在实际的商业银行监管过程中，相关部门可以对银行的信贷投向作出一定限制，要求银行尽量从多个层面开展信贷活动，避免单一信贷活动导致的系统性风险;对银行的各项金融交易进行一定管制，以此来避免过高的杠杆交易出现。
(三)预防系统性风险过度传染
系统性风险的最明显特点便是其传染性，即一家商业银行的风险可能会传染给其他银行，为此，相关部门需要预防系统性风险在商业银行行业中的过度传染，以此来降低系统性风险给整体商业银行行业造成的损失和影响[9]。具体来讲，相关部门需要颁布相关政策，如货币调节政策、财政政策、宏观政策等，以此来调价商业银行与金融市场之间的关系，避免出现冲突;相关部门需要帮助商业银行划分相关职责，引导其密切关注金融市场、证券市场的变化，注意分析商业银行系统性风险溢出效应及相关预防机制，这样才能够切实提高商业银行对于系统性风险的预判意识和能力，同时在系统性风险发生的情况下，有足够的能力尽量规避不利影响。
四、结语
本次选择的CoVaR测度模型适合应用在异质性视角下商业银行系统性风险溢出效应测度中，能够弥补传统测度方式的不足之处，同时适用于单一商业银行和整体商业银行行业系统性风险溢出效应测度。但是CoVaR测度方式也存在一定的局限性，例如，对股票市场历史数据的依赖性较强、无法应用在未上市商业银行及上市时间较短商业银行系统性风险溢出效应测度中。
因此，在选择应用CoVaR测度方式的同时，为了提高测度准确性，可以选择联合其他测度方式。
参考文献：
[1]叶莉，李园丰，王远哲.基于CoVaR方法的我国商业银行系统性风险溢出效应测度[J].河北工业大学学报，2019，48(05)：81-90.
[2]王蓉.金融系统性风险的双向溢出效应及其CoVaR模型估计[J].统计与决策，2016(02)：146-148.
[3]刘亮.中国商业银行系统性风险溢出效应的实证研究[J].苏州大学学报(哲学社会科学版)，2016，37(04)：123-128.
[4]沈虹，邢荧.基于CoVaR方法的国内商业银行系统性风险度量[J].扬州大学学报(人文社会科学版)，2016，20(05)：68-72.
[5]张炜，童中文.中国上市商业银行系统性风险测度——基于SCCA方法的分析[J].金融与经济，2017(02)：57-63.
[6]徐文彬.基于VAR方法的银行业系统性风险预警模型研究[J].经济研究参考，2016(63)：45-53.
[7]麦木蓉，彭涛.基于CoVaR模型的上市商业银行系统性风险溢出研究[J].当代经济，2017(30)：123-125.
[8]徐苑清，童中文.商业银行系统性风险价值及溢出的测度[J].统计与决策，2015(06)：159-162.
[9]李辰颖.我国商业银行系统性风险的识别与预警研究[J].中央财经大学学报，2020(10)：36-53.
SCISSCIAHCI
