劉軼　楊蘇梅　池至靖

摘要：文章從研究銀行間風(fēng)險溢出突變?nèi)胧?，分析銀行間的風(fēng)險傳染機(jī)制，利用時變Copula理論刻畫了我國上市銀行間的相關(guān)性，在此基礎(chǔ)上利用Z檢驗方法找出銀行間風(fēng)險溢出的轉(zhuǎn)換點，研究發(fā)現(xiàn)在大部分銀行2008年9月18日的相關(guān)結(jié)構(gòu)發(fā)生突變，說明存在風(fēng)險溢出效應(yīng)。文章以這一時點為分水嶺，利用CoVaR方法對上市銀行間的風(fēng)險溢出效應(yīng)分兩階段進(jìn)行實證。研究結(jié)果表明，危機(jī)后國有銀行對大部分股份制商業(yè)銀行的風(fēng)險溢出強(qiáng)度顯著增大，而國有銀行之間的風(fēng)險溢出強(qiáng)度有所下降。

關(guān)鍵詞：時變Copula；Z檢驗；風(fēng)險溢出；CoVaR

一、 引言

由于時變Copula函數(shù)在度量相關(guān)關(guān)系上的優(yōu)勢，本文采取時變Copula來描述銀行間的相關(guān)性，在此基礎(chǔ)上運用Z檢驗判斷其Copula結(jié)構(gòu)是否發(fā)生變化，找到的變結(jié)構(gòu)點即為風(fēng)險溢出時點，基于風(fēng)險溢出點，本文通過CoVaR方法量化銀行間的風(fēng)險溢出強(qiáng)度。

二、 方法與計量模型

三、 實證研究

1. 樣本選擇?；跀?shù)據(jù)的可得性及研究的需要，本文選擇13家上市銀行作為樣本。其中，由于建設(shè)銀行上市的時間是2007年9月25日，本文選擇研究日期為2007年9月25日至2011年9月30日，研究對象為所選上市銀行的收益率序列，將價格定義為銀行n在t日的收盤價格，其收益率序列為Rt=ln（Pnt/Pnt-1）*100，數(shù)據(jù)處理后共979個日數(shù)據(jù)，本文數(shù)據(jù)來自WIND數(shù)據(jù)庫，利用R軟件和Matlab7.0進(jìn)行相關(guān)程序編寫與實證研究。

2. 時變Copula模型建立。

（1）邊緣分布模型擬合與參數(shù)估計。GARCH（1，1）-t模型在刻畫金融時間序列的邊緣分布上具有明顯的優(yōu)勢。本文使用R對各家銀行的收益率序列做擬合。為了使擬合的結(jié)果更準(zhǔn)確，本文做了ADF檢驗和PP檢驗，檢驗結(jié)果顯示，所研究銀行收益率序列的ADF統(tǒng)計值和PP統(tǒng)計值均在“1%的顯著性水平”的臨界值以下，可以確定這些銀行具有平穩(wěn)的收益率序列，可以直接使用邊緣分布擬合。本文將GARCH（1，1）-t模型應(yīng)用于各家銀行收益率序列邊緣分布的擬合，獲得了各收益率序列的邊緣分布模型的相關(guān)參數(shù)，表1列出了中國銀行、招商銀行收益率序列的條件邊緣分布的估計結(jié)果及相應(yīng)的檢驗結(jié)果。

為了檢驗擬合的效果，本文采用主觀性比較小的K-S檢驗。K-S檢驗揭示的是理論分布與經(jīng)驗分布之間的偏離，其統(tǒng)計檢驗量數(shù)值越小，表明偏離程度越低，擬合效果也就越好。根據(jù)表1所示，K-S統(tǒng)計值均很小，K-S概率值均大于0.1，說明在10%的統(tǒng)計水平下，對各序列，“新序列服從（0，1）上均勻分布”的原假設(shè)沒有理由被拒絕，本文根據(jù)GARCH（1，1）-t模型估計得到的邊緣分布相互獨立且在（0，1）上服從均勻分布，所選方法適當(dāng)，擬合結(jié)果好。

（2）時變Copula函數(shù)的選擇及參數(shù)估計。在動態(tài)變化的市場環(huán)境下中，各銀行間的股票收益率的相關(guān)程度會不斷變化。本文基于邊緣分布擬合的參數(shù)結(jié)果，運用時變正態(tài)Copula，動態(tài)分析中國的股份制銀行與國有銀行間的相關(guān)性，可求出相關(guān)性系數(shù)ρ的演進(jìn)方程的參數(shù)估計值。以建設(shè)銀行為例，建行與其他股份制銀行的參數(shù)估計結(jié)果如表2所示。

根據(jù)參數(shù)估計結(jié)果，可以得到建設(shè)銀行與這幾家銀行的二元正態(tài)Copula時變圖（圖1）。

如圖所示，時變趨勢上，各個銀行間的相關(guān)系數(shù)具有一致性。這個現(xiàn)象主要是因為在相同的宏觀經(jīng)濟(jì)背景下，中國的銀行業(yè)具有基本相同的業(yè)務(wù)模式與經(jīng)營環(huán)境，相似的行業(yè)特點引導(dǎo)銀行間的相關(guān)序列具有相對一致的變化趨勢。而從時點上分析，可以發(fā)現(xiàn)在2008年9月18日～2008年10月6日之間，各銀行間相關(guān)系數(shù)趨向于峰值，說明中國市場對于美國次貸危機(jī)"立刻"做出了反應(yīng)。為了進(jìn)一步分析這段時間內(nèi)是否存在明顯的風(fēng)險溢出，本文通過Z檢驗進(jìn)行判斷。

3. 風(fēng)險溢出轉(zhuǎn)換點的判斷。我們以“日”作為分界點，使用前文相關(guān)系數(shù)的演化方程，利用Z檢驗方法檢驗，研究發(fā)現(xiàn)在t=281這一時點，大部分銀行的Z統(tǒng)計量結(jié)果十分顯著（表3）。

從表3的結(jié)果看，除個別銀行間的Z檢驗值未通過檢驗，其余大部分銀行間的Z檢驗值在？琢=0.1水平下均為顯著，說明大部分銀行在2008年9月18日這一天相互間的相關(guān)結(jié)構(gòu)發(fā)生了突變，風(fēng)險溢出效應(yīng)明顯，也表明在這一天，中國市場對在美國發(fā)生的金融危機(jī)具有明顯的反應(yīng)。因此，2008年9月18日可以作為樣本分割點，用來測度美國金融危機(jī)前后中國的銀行之間風(fēng)險溢出的強(qiáng)度。第一階段為2007年9月25日～2008年9月18日，共239個數(shù)據(jù)。第二階段為2008年9月19日～2009年9月10日，共239個數(shù)據(jù)。

根據(jù)計算結(jié)果分析對比分析第一階段和第二階段的風(fēng)險溢出強(qiáng)度，可以發(fā)現(xiàn)：在美國金融危機(jī)前后，四大銀行對大部分銀行的風(fēng)險溢出明顯增強(qiáng)，只對少數(shù)幾家銀行的風(fēng)險溢出減小。本文認(rèn)為這與四大行與各銀行間的存在密切的業(yè)務(wù)往來，導(dǎo)致了風(fēng)險傳遞有關(guān)，同時也受到部分銀行資產(chǎn)負(fù)債結(jié)構(gòu)變化，風(fēng)險管理與經(jīng)營戰(zhàn)略不一樣的影響，所以風(fēng)險溢出水平不同。

進(jìn)一步研究國有銀行間的風(fēng)險溢出強(qiáng)度，計算結(jié)果如表5所示，危機(jī)前國有銀行間風(fēng)險溢出強(qiáng)度在25%～51%之間，其中交通銀行對其他三大行的風(fēng)險溢出度最高，達(dá)到43%以上。整體上看，相對于國有銀行對股份制商業(yè)銀行的風(fēng)險溢出強(qiáng)度，國有銀行間風(fēng)險溢出強(qiáng)度更高。

四、 結(jié)論

本文利用時變二元正態(tài)Copula模型來捕捉我國上市銀行間的時變相關(guān)特性，通過檢驗分析，2008年9月18日是中國銀行間相關(guān)結(jié)構(gòu)發(fā)生突變的時點，在這個時間前后銀行間的風(fēng)險溢出強(qiáng)度發(fā)生顯著變化，本文以該日作為分界點，運用CoVaR方法進(jìn)一步測度銀行間的風(fēng)險溢出強(qiáng)度，測度結(jié)果顯示，危機(jī)后主要國有銀行對大部分股份制商業(yè)銀行的風(fēng)險溢出強(qiáng)度顯著增大，而國有銀行之間的風(fēng)險溢出強(qiáng)度反而有所下降。

所以，中國銀行業(yè)監(jiān)管機(jī)構(gòu)可以通過動態(tài)實時跟蹤各家銀行的市場波動，分析基于市場信息沖擊下，不同銀行主體間風(fēng)險溢出對系統(tǒng)性風(fēng)險的影響，特別是系統(tǒng)性重要金融機(jī)構(gòu)與其他金融機(jī)構(gòu)之間的風(fēng)險傳導(dǎo)，通過對不同銀行進(jìn)行差別化監(jiān)管，及時控制重要性金融機(jī)構(gòu)與一般性金融機(jī)構(gòu)間的風(fēng)險溢出效應(yīng)，保證金融體系的整體穩(wěn)定。

參考文獻(xiàn)：

1. Allen， Franklin， and Douglas Gale.Financial contagion.Journal of political economy 108.2000，（1）：1-33.

2. 楊蘇梅.我國上市銀行間相關(guān)性及風(fēng)險溢出研究.湖南大學(xué)學(xué)位論文，2012.

3. 陸靜，張佳.我國上市銀行系統(tǒng)重要性評估金融論壇，2011，（9）：30-37.

4. Nelsen， Roger B.An introduction to copulas.Springer，1999.

5. Roch， Oriol， and Antonio Alegre.Testing the bivariate distribution of daily equity returns using copulas. An application to the Spanish stock market.Computational Statistics & Data Analysis 51，2006，（2）：1312-1329.

6. 韋艷華.Copula理論及其在多變量金融時間序列分析上的應(yīng)用研究.天津大學(xué)學(xué)位論文，2004.

7. 劉圓，楊湘豫.copula的局部變結(jié)構(gòu)點診斷的實證研究.經(jīng)濟(jì)數(shù)學(xué)，2013，（3）：64-67.

8. 肖璞，劉軼，楊蘇梅.相互關(guān)聯(lián)性， 風(fēng)險溢出與系統(tǒng)重要性銀行識別.金融研究，2012，（12）：96-106.

基金項目： 國家社科基金項目“我國銀行業(yè)資本監(jiān)督的尺度研究”（項目號：12CJY112）；博士后基金項目（項目號：2012M520487）。

作者簡介：劉軼，中國人民大學(xué)財政金融學(xué)院博士后，中國人民大學(xué)重陽金融研究院研究員；湖南大學(xué)金融與統(tǒng)計學(xué)院副教授；楊蘇梅，湖南大學(xué)金融與統(tǒng)計學(xué)院碩士生；池至靖，湖南大學(xué)數(shù)學(xué)與計量經(jīng)濟(jì)學(xué)院碩士生。

收稿日期：2014-05-18。