劉志洋

（東北師范大學(xué)，吉林長春130117）

一、引 言

2008年的國際金融危機(jī)使得系統(tǒng)重要性銀行成為金融監(jiān)管當(dāng)局關(guān)注的焦點(diǎn)。為了有效管理系統(tǒng)重要性銀行，監(jiān)管當(dāng)局需要測度每家商業(yè)銀行的系統(tǒng)性風(fēng)險貢獻(xiàn)度。系統(tǒng)重要性銀行的倒閉會給銀行體系的正常運(yùn)行帶來致命影響，因此Basel III規(guī)定，應(yīng)對系統(tǒng)重要性銀行施加額外的資本要求，以顯示其對銀行體系的系統(tǒng)性風(fēng)險貢獻(xiàn)度較高。對系統(tǒng)重要性銀行施加額外資本要求的前提是測度每家商業(yè)銀行的系統(tǒng)性風(fēng)險貢獻(xiàn)度。

2008國際金融危機(jī)爆發(fā)后，大量有關(guān)系統(tǒng)性風(fēng)險貢獻(xiàn)度的測度方法被提出（MES、CoVaR、SRISK等），以便對每家商業(yè)銀行系統(tǒng)性風(fēng)險貢獻(xiàn)度進(jìn)行排序。然而，學(xué)者們提出的系統(tǒng)性風(fēng)險貢獻(xiàn)度的測度方法大多依靠金融市場，尤其是股票市場的交易數(shù)據(jù)，理論基礎(chǔ)相對薄弱，這就使得不同測度方法所得出的系統(tǒng)性風(fēng)險貢獻(xiàn)度的排序不盡相同。其原因是，金融市場，尤其是股票市場的交易數(shù)據(jù)存在大量的噪音，雖然股票市場數(shù)據(jù)具有前瞻性的優(yōu)勢，但由于數(shù)據(jù)噪音的存在使得對系統(tǒng)性風(fēng)險貢獻(xiàn)度的測度出現(xiàn)了誤差。

為了降低誤差，一個可能的方法就是將系統(tǒng)性風(fēng)險貢獻(xiàn)度的測度指標(biāo)進(jìn)行匯總，得出一個綜合的測度指標(biāo)。通過加總得到的這個綜合性指標(biāo)，可以最大限度地消除測度風(fēng)險過程中的噪音。中國共產(chǎn)黨第十九次代表大會報告中指出，要“守住不發(fā)生系統(tǒng)性金融風(fēng)險的底線”。而在中國的金融體系中，銀行業(yè)占據(jù)了主要地位，因此為了有效管理中國銀行體系的系統(tǒng)性風(fēng)險，中國金融監(jiān)管當(dāng)局既需要測度每家商業(yè)銀行的系統(tǒng)性風(fēng)險貢獻(xiàn)度，又需要測度每家商業(yè)銀行的風(fēng)險。本文擬使用商業(yè)銀行股票交易數(shù)據(jù)，在求解主要的系統(tǒng)性風(fēng)險貢獻(xiàn)度測度指標(biāo)和商業(yè)銀行經(jīng)營風(fēng)險指標(biāo)基礎(chǔ)上，使用主成分分析法，得出綜合的風(fēng)險貢獻(xiàn)度指標(biāo)，并對其進(jìn)行實(shí)證分析，以期為中國銀行業(yè)宏觀審慎監(jiān)管的實(shí)施提供參考。

二、相關(guān)文獻(xiàn)綜述

金融體系是一個復(fù)雜的、各個環(huán)節(jié)相互交織的系統(tǒng)。金融機(jī)構(gòu)之間的關(guān)聯(lián)度使得金融體系出現(xiàn)困境時，流動性風(fēng)險、償付能力風(fēng)險以及損失可以迅速在金融體系內(nèi)部蔓延。系統(tǒng)性風(fēng)險的內(nèi)生性導(dǎo)致了測度系統(tǒng)性風(fēng)險要同時考慮宏觀因素與微觀因素（Billio et al，2016）。學(xué)者對系統(tǒng)重要性銀行的研究主要從系統(tǒng)性風(fēng)險貢獻(xiàn)度方面展開，對系統(tǒng)性風(fēng)險貢獻(xiàn)度的研究方法主要包括以下兩類。

第一類研究主要使用商業(yè)銀行資產(chǎn)負(fù)債表的數(shù)據(jù)，比如Greenwood et al（2015）、Gourieroux et al（2012）等。 Billio et al（2012）使用商業(yè)銀行資產(chǎn)負(fù)債數(shù)據(jù)研究了商業(yè)銀行之間的網(wǎng)狀關(guān)聯(lián)度。金融穩(wěn)定論壇（Financial Stability Board，F(xiàn)SB，2010）也提出，使用規(guī)模、經(jīng)營復(fù)雜度以及關(guān)聯(lián)度等財務(wù)報表的指標(biāo)衡量一家商業(yè)銀行的系統(tǒng)重要性。然而，使用商業(yè)銀行財務(wù)報表數(shù)據(jù)測度系統(tǒng)性風(fēng)險貢獻(xiàn)度受到批評也較多。Kreis and Leisen（2017）指出，這種方法缺乏高精度數(shù)據(jù)作為支撐。Gai and Kapadia（2010）指出，這種方法所得到的脆弱性指標(biāo)不能令人信服?？傊?，由于商業(yè)銀行財務(wù)報表的指標(biāo)相對滯后，因此使用這些數(shù)據(jù)來測度商業(yè)銀行系統(tǒng)性風(fēng)險貢獻(xiàn)度會造成監(jiān)管當(dāng)局的判斷滯后于金融市場。

第二類研究主要使用金融市場數(shù)據(jù)進(jìn)行測度分析，尤其是上市商業(yè)銀行的股票交易數(shù)據(jù)。在此類研究中，代表性的指標(biāo)包括Brownlees and Engle（2010） 提出的 SRISK，Acharya et al （2010） 提出的 MES，Geanakoplos and Pedersen（2014）提出的基于市值的杠桿率，Benoit et al（2015）提出的基于CAPM模型的beta系數(shù)，Adrian and Brunnermeier（2011）提出的CoVaR指標(biāo)以及White et al（2015）提出的VaR指標(biāo)等。

以期權(quán)定價理論為基礎(chǔ)的或有權(quán)益分析（Contigent Claims Analysis，CCA）也得到了廣泛的應(yīng)用。CCA能夠使用金融市場數(shù)據(jù)分析金融機(jī)構(gòu)之間的關(guān)聯(lián)度，能夠使用模擬的方法模擬金融機(jī)構(gòu)聯(lián)合違約概率分布 （Jobst and Gray，2013）。由于CCA使用的是金融市場數(shù)據(jù)，因此其可以測度時變的相關(guān)性。且CCA能夠估計金融機(jī)構(gòu)市場隱含期望損失 （Market Implied Expected Loss）的聯(lián)合概率分布，因此能夠計算金融機(jī)構(gòu)同時陷入困境的概率（Jobst and Gray，2013）。此外，CCA能夠研究宏觀經(jīng)濟(jì)和銀行經(jīng)營特征對市場隱含期望損失的影響，進(jìn)而能夠判斷金融機(jī)構(gòu)資本是否充足，此結(jié)果可以看作基于市場的資本充足率要求（Gray et al，2010）。

總之，學(xué)者們對商業(yè)銀行系統(tǒng)性風(fēng)險貢獻(xiàn)度的測算更傾向于使用金融市場數(shù)據(jù)。雖然基于市場數(shù)據(jù)的系統(tǒng)性風(fēng)險貢獻(xiàn)度測度方法所產(chǎn)生商業(yè)銀行系統(tǒng)重要性的排名莫衷一是，但使用金融市場數(shù)據(jù)是全球的主流趨勢。在對系統(tǒng)性風(fēng)險貢獻(xiàn)度的研究中，大多數(shù)學(xué)者都專注于某一個指標(biāo)，而沒有將所有指標(biāo)綜合起來，得出一個綜合的系統(tǒng)性風(fēng)險貢獻(xiàn)度指標(biāo)。本文擬在國外學(xué)者研究的基礎(chǔ)上，使用中國上市商業(yè)銀行數(shù)據(jù)，測度每個系統(tǒng)性風(fēng)險貢獻(xiàn)度指標(biāo)，并使用主成分分析法將指標(biāo)進(jìn)行加總得到綜合指標(biāo)，進(jìn)而分析中國商業(yè)銀行的系統(tǒng)重要性程度排名。

三、商業(yè)銀行風(fēng)險測度指標(biāo)

本文以中國上市商業(yè)銀行為研究樣本進(jìn)行實(shí)證分析。為了刻畫銀行體系整體表現(xiàn)，本文使用基于市值加權(quán)的銀行業(yè)指數(shù)作為銀行體系整體狀況的代表，數(shù)據(jù)來源為Wind數(shù)據(jù)庫。本文使用Garch—DCC模型求解系統(tǒng)性風(fēng)險測度過程中涉及的相關(guān)系數(shù)和變量的標(biāo)準(zhǔn)差。

（一）系統(tǒng)性風(fēng)險貢獻(xiàn)度測度指標(biāo)

1.ΔCoVaR

根據(jù)Adrian and Brunnermeier（2011）的研究，CoVaR的定義為：當(dāng)某一家商業(yè)銀行陷入困境后，銀行體系的VaR值。ΔCoVaRi定義為當(dāng)商業(yè)銀行i陷入困境后銀行體系的VaR值與商業(yè)銀行i正常經(jīng)營時銀行體系VaR值的差值。 根據(jù) Acharya et al（2012）以及 Kreis and Leisen（2017）的研究，本文假設(shè)商業(yè)銀行i股票收益率和銀行業(yè)指數(shù)收益率的期望值為零，則在正態(tài)分布假設(shè)下，商業(yè)銀行i的ΔCoVaR可以表示為：

其中，σmt為衡量銀行業(yè)指數(shù)收益率的標(biāo)準(zhǔn)差，ρimt為商業(yè)銀行i與銀行業(yè)指數(shù)的相關(guān)系數(shù)，N-1（q）表示正態(tài)分布在q分位點(diǎn)的值。本文q的取值為0.01。

2．MES（Marginal Expected Shorfall）

根據(jù)Acharya et al（2010）的研究，商業(yè)銀行i的MES可以定義為：

其中，ri表示商業(yè)銀行i的股票收益率，rmt表示銀行業(yè)指數(shù)收益率，c為刻畫銀行體系陷入壓力情景的變量，本文假設(shè)c的取值為－0．05。根據(jù)Kreis and Leisen（2017）的研究，本文假設(shè)ri和rm的期望值為零，則在正態(tài)分布假設(shè)下，商業(yè)銀行i的MES可以表示為：

3．CES（Component Expected Shortfall）

根據(jù)Banulescu and Dumitrescu（2015）的研究，CES的含義是：商業(yè)銀行i對銀行體系期望尾部損失（Expected Shortfall）的貢獻(xiàn)度，其表達(dá)式為：

其中，ωit表示商業(yè)銀行i在t時刻占銀行體系的權(quán)重，εmt和ζit為Garch—DCC模型估計后生成的殘差項(xiàng)。c為刻畫銀行體系陷入壓力情景的變量，本文假設(shè) c 的取值為－0．05。

（二）個體風(fēng)險測度指標(biāo)

1．VaR（Value at Risk）

雖然在計算ΔCoVaR過程中需要計算VaR，但本文還是將VaR作為商業(yè)銀行風(fēng)險大小的一個指標(biāo)。因?yàn)閂aR可以作為一家商業(yè)銀行經(jīng)營風(fēng)險的表示變量，且對于中國銀行體系來講，一家商業(yè)銀行體系的上升意味著整體銀行體系風(fēng)險的增加。本文假設(shè)商業(yè)銀行股票收益率的期望值為零，則在正態(tài)分布假設(shè)下，商業(yè)銀行i的VaR的值可以表示為：

其中，c（α）表示正態(tài)分布的q分位點(diǎn)的值。本文q的取值為0．01。

2．準(zhǔn)杠桿率（Quasi Leverage Ratio，QLR）

準(zhǔn)杠桿率指標(biāo)的定義比較簡單（Naive），其背后的思想是杠桿率高的商業(yè)銀行倒閉概率大，繼而影響銀行體系的穩(wěn)定。Nucera et al（2016）認(rèn)為可以使用股票市值來定義杠桿率，因此本文將商業(yè)銀行負(fù)債總額與股票市值的比率作為準(zhǔn)杠桿率的計算公式。之所以將準(zhǔn)杠桿率作為銀行體系風(fēng)險的代表指標(biāo)，主要來自于2009年國際貨幣基金組織進(jìn)行的一項(xiàng)研究，其結(jié)論為：資本充足率低的商業(yè)銀行在金融危機(jī)中表現(xiàn)不見得差，但準(zhǔn)杠桿率高的商業(yè)銀行在2008年國際金融危機(jī)中表現(xiàn)很差。

（二）測度結(jié)果

由于計算系統(tǒng)性風(fēng)險指標(biāo)需要股票市場的數(shù)據(jù)，因此本文的樣本為中國上市商業(yè)銀行，包括平安銀行、寧波銀行、江陰銀行、張家港行、浦發(fā)銀行、華夏銀行、民生銀行、招商銀行、無錫銀行、江蘇銀行、杭州銀行、南京銀行、常熟銀行、興業(yè)銀行、北京銀行、上海銀行、農(nóng)業(yè)銀行、交通銀行、工商銀行、光大銀行、建設(shè)銀行、中國銀行、貴陽銀行、中信銀行和吳江銀行。樣本期間為2007年1月至2017年9月，數(shù)據(jù)頻率為周數(shù)據(jù)，數(shù)據(jù)來源為Wind數(shù)據(jù)庫。需要說明的是，由于計算準(zhǔn)杠桿率需要當(dāng)期債務(wù)數(shù)據(jù)，但由于數(shù)據(jù)可得性原因，本文只能得到商業(yè)銀行的季度債務(wù)總額信息，因此對于準(zhǔn)杠桿率的計算，本文假設(shè)當(dāng)季度的所有周度市值均除以當(dāng)季度的債務(wù)總額。

由于江陰銀行、張家港行、無錫銀行、江蘇銀行、杭州銀行、常熟銀行、上海銀行、貴陽銀行和吳江銀行上市時間較晚，數(shù)據(jù)可得性較低，因此本文最終的樣本為除去這些商業(yè)銀行外的16家上市商業(yè)銀行。截至2016年年末，在選取的16家上市商業(yè)銀行中，5家國有大型商業(yè)銀行的資產(chǎn)總額合計占商業(yè)銀行總資產(chǎn)的比例為50.21%，8家股份制商業(yè)銀行的資產(chǎn)總額合計占商業(yè)銀行總資產(chǎn)的比例為21.49%，3家城市商業(yè)銀行的資產(chǎn)總額合計占商業(yè)銀行總資產(chǎn)的比例為2.24%，16家上市商業(yè)銀行的資產(chǎn)總額合計占我國商業(yè)銀行總資產(chǎn)的比例達(dá)到73.94%。所以，無論從資產(chǎn)規(guī)模還是商業(yè)銀行發(fā)展歷史來看，以本文選取的16家上市商業(yè)銀行作為研究樣本來測算我國銀行業(yè)系統(tǒng)性風(fēng)險均具有充分代表性。

本文根據(jù)每個指標(biāo)的含義，在每一個時間點(diǎn)，確定了系統(tǒng)重要性最高的商業(yè)銀行，并對每家商業(yè)銀行出現(xiàn)系統(tǒng)性重要性最高的次數(shù)在整體的樣本區(qū)間進(jìn)行了統(tǒng)計（見表1）。從表1可以看出，每一個類別的風(fēng)險指標(biāo)都會指向不同的結(jié)果。從ΔCoVaR結(jié)果來看，建設(shè)銀行和華夏銀行是風(fēng)險最高的商業(yè)銀行；而從CES測算結(jié)果來看，工商銀行和建設(shè)銀行占比總和也在75%以上，也是風(fēng)險較高的商業(yè)銀行。因此，從ΔCoVaR和CES的結(jié)果來看，國有大型商業(yè)銀行應(yīng)是系統(tǒng)重要性銀行。然而QLR的測算結(jié)果與ΔCoVaR和CES不同。在QLR的測算結(jié)果中，華夏銀行出現(xiàn)次數(shù)占比66.13%，超過10%的有光大銀行和興業(yè)銀行，這三家都是股份制商業(yè)銀行。而各個商業(yè)銀行在MES和VaR的測算結(jié)果中出現(xiàn)的次數(shù)較為分散。在MES中，出現(xiàn)次數(shù)超過10%的商業(yè)銀行包括華夏銀行、興業(yè)銀行、中國銀行和中信銀行；在VaR中出現(xiàn)次數(shù)超過10%的商業(yè)銀行包括平安銀行、寧波銀行、浦發(fā)銀行和中信銀行。

總之，根據(jù)不同的風(fēng)險指標(biāo)所測算的結(jié)果各不相同。ΔCoVaR和CES顯示國有大型商業(yè)銀行風(fēng)險較高，而QLR、MES和VaR的測算結(jié)果中更多地出現(xiàn)了股份制商業(yè)銀行。

表1 商業(yè)銀行系統(tǒng)性重要性出現(xiàn)次數(shù)統(tǒng)計

注：江陰銀行在VaR的占比為11.59%，在MES的占比為5.88%。

為了進(jìn)一步驗(yàn)證系統(tǒng)性風(fēng)險貢獻(xiàn)度測算結(jié)果的不一致性，本文根據(jù)上市商業(yè)銀行的股票代碼進(jìn)行編號，針對每一個指標(biāo)都挑選出在每一個時間點(diǎn)、每一個風(fēng)險最高的商業(yè)銀行的編號，從而形成了5列記錄系統(tǒng)性重要性商業(yè)銀行編號的時間序列。本文對這5列數(shù)據(jù)進(jìn)行配對檢驗(yàn)，結(jié)果見表2。從表2可以看出，指標(biāo)的兩兩配對結(jié)果檢驗(yàn)均表明，其測度結(jié)果不具有一致性。這說明各個指標(biāo)得出的系統(tǒng)重要性結(jié)論的一致性程度不盡相同。

表2 配對檢驗(yàn)t值

四、系統(tǒng)性風(fēng)險貢獻(xiàn)度指標(biāo)綜合分析

（一）基于主成分分析的實(shí)證結(jié)論

表3為使用各個風(fēng)險指標(biāo)在每一個時間點(diǎn)選出的風(fēng)險高的銀行排序的相關(guān)系數(shù)矩陣。此相關(guān)性矩陣可以被用來檢驗(yàn)各個指標(biāo)之間是否存在信息重疊。如果指標(biāo)的結(jié)論相關(guān)性很高，則說明不同的指標(biāo)雖然結(jié)果存在差異，但傾向于得出較為一致的結(jié)論，模型風(fēng)險較低（Nucera et al，2016）。從表3可以看出，除CoVaR與VaR和CES指標(biāo)相關(guān)性較弱外，各個指標(biāo)結(jié)論的相關(guān)性較高。這說明，各個指標(biāo)之間的預(yù)測結(jié)果既有一致的方向，但又存在差異性。因此，有必要在單獨(dú)分析每一個指標(biāo)的基礎(chǔ)上，綜合所有指標(biāo)的信息內(nèi)涵，得出一個較為系統(tǒng)的風(fēng)險測度指標(biāo)，來表明每一個商業(yè)銀行的風(fēng)險大小。

表3 各指標(biāo)系統(tǒng)重要性結(jié)論的相關(guān)系數(shù)矩陣

為了得出表示每家商業(yè)銀行風(fēng)險的綜合指標(biāo)，本文首先將QLR變量乘以（-1），以便使各個指標(biāo)的變化方向的內(nèi)涵一致。在此基礎(chǔ)上，本文使用主成分分析法，對每家商業(yè)銀行的五類風(fēng)險指標(biāo)進(jìn)行統(tǒng)計分析，取第一主成分的系數(shù)，并乘以每個指標(biāo)值，進(jìn)而所生成新的綜合指標(biāo)，即可作為該家商業(yè)銀行整體風(fēng)險的代表。從圖1、圖2和圖3可以看出，即使是同一個類型的商業(yè)銀行，在不同的時間點(diǎn)，風(fēng)險指標(biāo)高的商業(yè)銀行均不相同，這說明商業(yè)銀行經(jīng)營風(fēng)險具有時變屬性。

表4和表5是進(jìn)行主成分分析后，在每一個時點(diǎn)風(fēng)險最高的商業(yè)銀行的統(tǒng)計表。從表4可以看出，在股份制銀行中，華夏銀行出現(xiàn)次數(shù)最多，占比接近70%，浦發(fā)銀行和光大銀行占比也超過了10%。在國有五大行中，交通銀行和工商銀行占比最高，而城市商業(yè)銀行中，南京銀行出現(xiàn)的次數(shù)最多。在表5的匯總統(tǒng)計中，華夏銀行出現(xiàn)頻率最高，達(dá)到接近70%，而光大和浦發(fā)占比也超過了10%。表5的統(tǒng)計數(shù)據(jù)說明，在中國，股份制商業(yè)銀行的經(jīng)營風(fēng)險高于國有大型商業(yè)銀行，城市商業(yè)銀行經(jīng)營風(fēng)險最低。

圖1 國有五大行系統(tǒng)性風(fēng)險貢獻(xiàn)度走勢

圖2 八家股份制商業(yè)銀行系統(tǒng)性風(fēng)險貢獻(xiàn)度走勢

圖3 三家城市商業(yè)銀行系統(tǒng)性風(fēng)險貢獻(xiàn)度走勢

表4 主成分分析后商業(yè)銀行系統(tǒng)性重要性出現(xiàn)次數(shù)統(tǒng)計（分類別統(tǒng)計）

表5 主成分分析后商業(yè)銀行系統(tǒng)性重要性出現(xiàn)次數(shù)統(tǒng)計

（二）影響系統(tǒng)性風(fēng)險貢獻(xiàn)度的因素

本文進(jìn)一步使用商業(yè)銀行財務(wù)指標(biāo)數(shù)據(jù)，研究商業(yè)銀行經(jīng)營風(fēng)險指標(biāo)與商業(yè)銀行經(jīng)營特征之間的關(guān)系。由于本文所測算的指標(biāo)為周度，但商業(yè)銀行財務(wù)指標(biāo)數(shù)據(jù)頻率最高的為季度，因此本文對系統(tǒng)性風(fēng)險貢獻(xiàn)度指標(biāo)按照季度取均值，作為當(dāng)季度風(fēng)險指標(biāo)的平均水平。樣本期間為2007年第一季度至2017年第三季度，數(shù)據(jù)來源為Wind數(shù)據(jù)庫。

2008年國際金融危機(jī)爆發(fā)后，以Basel III為核心的銀行業(yè)監(jiān)管改革進(jìn)一步確立了償付能力監(jiān)管和流動性監(jiān)管的核心地位。對于商業(yè)銀行來講，當(dāng)一家商業(yè)銀行償付能力出現(xiàn)不足時，其很有可能陷入流動性危機(jī)，進(jìn)而引發(fā)破產(chǎn)；而當(dāng)一家商業(yè)銀行流動性風(fēng)險增加時，也會出現(xiàn)商業(yè)銀行雖有償付能力，但由于缺乏流動性而導(dǎo)致破產(chǎn)的現(xiàn)象。因此，流動性和償付能力是影響商業(yè)銀行風(fēng)險的兩個最重要的經(jīng)營指標(biāo)。因此，本文也主要從償付能力風(fēng)險和流動性風(fēng)險的視角研究影響商業(yè)銀行系統(tǒng)性風(fēng)險貢獻(xiàn)度的因素，具體面板回歸模型方程如下：

其中，Sysrisk表示商業(yè)銀行i在t時刻的風(fēng)險指標(biāo)，sol表示償付能力風(fēng)險，包括商業(yè)銀行資本充足率（cap）、一級資本充足率（tie1）以及杠桿率（lev），liq表示流動性風(fēng)險，包括存貸比（ltd）以及商業(yè)銀行流動性覆蓋比率（lcr）。X為其他表示商業(yè)銀行經(jīng)營特征的變量，包括不良貸款率（npl）、取對數(shù)的規(guī)模（size）以及表示盈利能力指標(biāo)凈息差（jx）。經(jīng)Hausman檢驗(yàn)，本文使用固定效應(yīng)模型進(jìn)行回歸分析。需要說明的是，商業(yè)銀行對于杠桿率和流動性覆蓋比率的披露均是從2015年第一季度開始，因此本文在使用這兩個變量時，回歸樣本的期間為2015年第一季度至2017年第三季度?；貧w結(jié)果見表6。

表6 面板回歸結(jié)果

從表6可以看出，資本充足率回歸系數(shù)顯著為正。由于因變量為負(fù)值，且負(fù)值越大，說明風(fēng)險貢獻(xiàn)度越高，因此當(dāng)資本充足率越高時，商業(yè)銀行經(jīng)營越穩(wěn)健，風(fēng)險則越低。然而，表6結(jié)果表明，根據(jù)Basel III計算的杠桿率對商業(yè)銀行風(fēng)險沒有顯著影響。從流動性風(fēng)險來看，存貸比（ltd）回歸系數(shù)顯著為負(fù)值，說明當(dāng)存貸比（ltd）比率越高時，流動性風(fēng)險越高，商業(yè)銀行風(fēng)險越高。從表6還可以看出，流動性覆蓋率比率回歸系數(shù)顯著為負(fù)，說明當(dāng)商業(yè)銀行流動性覆蓋比率越高時，其風(fēng)險也會增加，說明流動性充足的商業(yè)銀行傾向于更多的承擔(dān)風(fēng)險。從控制變量來看，規(guī)模因素回歸系數(shù)顯著為負(fù)，說明規(guī)模越大的商業(yè)銀行，其經(jīng)營風(fēng)險越高。而不良貸款率的回歸系數(shù)顯著性較好，但正負(fù)值出現(xiàn)了變化，因此本文認(rèn)為不良貸款率對商業(yè)銀行風(fēng)險的影響還有待檢驗(yàn)。從凈息差來看，模型2和模型4的回歸結(jié)果均顯著為正①，說明盈利較高的商業(yè)銀行，風(fēng)險較低。

五、結(jié)論及政策建議

本文使用了中國上市商業(yè)銀行股票收益率數(shù)據(jù)，從商業(yè)銀行個體維度和系統(tǒng)性風(fēng)險貢獻(xiàn)度兩個維度，測度了五類風(fēng)險指標(biāo)，發(fā)現(xiàn)商業(yè)銀行風(fēng)險具有時變屬性，且不同的指標(biāo)給出了不同的風(fēng)險排序。本文使用了主成分分析法，將基于五類指標(biāo)計算出綜合的風(fēng)險指標(biāo)匯總，并對影響指標(biāo)值大小的因素進(jìn)行實(shí)證分析。實(shí)證結(jié)果發(fā)現(xiàn)股份制商業(yè)銀行（如華夏銀行、光大銀行）整體風(fēng)險貢獻(xiàn)度較高，甚至高于國有大型商業(yè)銀行，城市商業(yè)銀行風(fēng)險貢獻(xiàn)度最低。此外，面板模型實(shí)證結(jié)果表明，規(guī)模大、資本充足率低、存貸比高和流動性覆蓋率高的商業(yè)銀行，風(fēng)險程度較高?；诒疚牡膶?shí)證結(jié)果，本文提出的政策建議如下：

第一，重視股份制商業(yè)銀行的系統(tǒng)性風(fēng)險貢獻(xiàn)度。由于中國沒有爆發(fā)過銀行業(yè)危機(jī)，所以對于中國金融體系而言，任何商業(yè)銀行風(fēng)險的增加都可能給銀行體系帶來威脅。股份制商業(yè)銀行也是全國性大型商業(yè)銀行，因此其系統(tǒng)性風(fēng)險貢獻(xiàn)度不一定會低于國有大型商業(yè)銀行。

第二，進(jìn)一步加強(qiáng)審慎監(jiān)管。本文實(shí)證結(jié)果表明，資本充足率越高的銀行，其系統(tǒng)性風(fēng)險貢獻(xiàn)度越低。因此監(jiān)管當(dāng)局應(yīng)進(jìn)一步加強(qiáng)資本充足率監(jiān)管，保證銀行體系的穩(wěn)定運(yùn)行。

第三，重視流動性覆蓋率高的商業(yè)銀行。流動性覆蓋率高的商業(yè)銀行在銀行體系危機(jī)中扮演了流動性供給者的角色，其一旦倒閉，對銀行體系的流動性供給會產(chǎn)生較大的影響。因此，監(jiān)管當(dāng)局要關(guān)注流動性覆蓋率高的商業(yè)銀行，提高其系統(tǒng)重要性程度，以應(yīng)對銀行體系的流動性危機(jī)。

注釋：

① 模型6凈息差回歸結(jié)果不顯著，因此本文不予討論。