沈 麗,甘新亞,李文君

(山東財(cái)經(jīng)大學(xué) 金融學(xué)院,濟(jì)南 250014)

一、引言

目前,中國商業(yè)銀行部分核心監(jiān)管指標(biāo)逐漸向監(jiān)管紅線靠近。中國銀行業(yè)監(jiān)督管理委員會(huì)公布的數(shù)據(jù)顯示，2012年商業(yè)銀行的不良貸款率為0.94%,之后逐年升高,2017年高達(dá)1.74%,逼近不良貸款率2%的風(fēng)險(xiǎn)警戒線;2010年商業(yè)銀行的人民幣存貸比為64%,2017年為69%,始終處于一個(gè)較高的水平并且在逐漸增大,十分接近75%的安全底線。

歷史上,因銀行風(fēng)險(xiǎn)爆發(fā)而導(dǎo)致的中外銀行倒閉案屢見不鮮。如1998年,海南發(fā)展銀行正是由于不良資產(chǎn)比例過大、資本金不足導(dǎo)致支付困難而倒閉。作為新中國金融史上第一次由于支付危機(jī)而關(guān)閉的銀行,海南發(fā)展銀行的倒閉影響極大不可避免地引起了社會(huì)各界的廣泛關(guān)注。這件事直接導(dǎo)致海南省的金融持續(xù)弱化,銀行等金融機(jī)構(gòu)對(duì)貸款的審查業(yè)務(wù)活動(dòng)更加謹(jǐn)慎。再如1995年,英國的商業(yè)投資銀行——巴林銀行因?yàn)榻?jīng)營中的操作失誤而倒閉,此事直接導(dǎo)致東京股市英鎊對(duì)馬克的匯率跌至近兩年最低點(diǎn),進(jìn)而導(dǎo)致倫敦股市和紐約股市也出現(xiàn)暴跌。

商業(yè)銀行的倒閉或者風(fēng)險(xiǎn)的爆發(fā)不僅嚴(yán)重影響金融系統(tǒng)的穩(wěn)定性,更會(huì)對(duì)一國的經(jīng)濟(jì)造成重創(chuàng)。健全金融監(jiān)管體系,守住不發(fā)生系統(tǒng)性金融風(fēng)險(xiǎn)的底線,必須重視對(duì)商業(yè)銀行整體風(fēng)險(xiǎn)狀況的研究。因此,在中國商業(yè)銀行風(fēng)險(xiǎn)逐漸增大的背景下,有必要構(gòu)造一個(gè)商業(yè)銀行壓力指數(shù),通過這個(gè)指數(shù)來監(jiān)測和預(yù)警商業(yè)銀行的風(fēng)險(xiǎn)水平,進(jìn)而實(shí)現(xiàn)對(duì)商業(yè)銀行風(fēng)險(xiǎn)更有效、有針對(duì)性的管理。

二、文獻(xiàn)回顧

通過對(duì)已有文獻(xiàn)的梳理,發(fā)現(xiàn)不少國內(nèi)外學(xué)者構(gòu)造了金融壓力指數(shù)。Illing和Liu最早提出了金融壓力的概念并開創(chuàng)了構(gòu)建綜合壓力指數(shù)來衡量系統(tǒng)性金融壓力的先河,他們選取銀行、股票、外匯和債券4個(gè)市場的11個(gè)指標(biāo)構(gòu)造了加拿大的金融壓力指數(shù)。之后的學(xué)者相關(guān)研究基本是在此基礎(chǔ)上,構(gòu)造的金融壓力指數(shù)指標(biāo)都會(huì)涵蓋銀行、股票、債券和外匯等核心金融市場,其中銀行業(yè)選取的指標(biāo)主要是不良貸款率、超額存款準(zhǔn)備金率、銀行間市場7天回購加權(quán)平均利率波動(dòng)率、收益率以及銀行信用評(píng)級(jí)等。部分國內(nèi)學(xué)者單獨(dú)對(duì)銀行的脆弱性進(jìn)行了分析,孫小琰等選取存貸利差、不良資產(chǎn)率、資本充足率、流動(dòng)性比率等7個(gè)指標(biāo)作為衡量銀行脆弱性的指標(biāo)。劉春航等采用國際通用的“駱駝(CAMELs)評(píng)級(jí)體系”的定量指標(biāo)對(duì)銀行業(yè)脆弱性進(jìn)行了分析。本文在前人構(gòu)造金融壓力指數(shù)的基礎(chǔ)上,并結(jié)合學(xué)者們對(duì)銀行脆弱性的研究,從信用風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)四個(gè)方面選取指標(biāo),設(shè)計(jì)代表中國商業(yè)銀行風(fēng)險(xiǎn)的壓力指數(shù)。綜上可以看出,不良貸款率是影響商業(yè)銀行風(fēng)險(xiǎn)的重要指標(biāo),并且對(duì)經(jīng)濟(jì)增長有著較大影響[1-10]。

盡管國內(nèi)外學(xué)者在指標(biāo)選擇上基本一致,但在壓力指數(shù)的測算方法上卻不盡相同,主要采用等方差權(quán)重法、信用加總權(quán)重法和主成分分析法。王春麗等通過各自標(biāo)準(zhǔn)差的倒數(shù)來確定金融壓力指數(shù)各指標(biāo)的權(quán)重,這種等方差的權(quán)重設(shè)計(jì)法可以避免由于一個(gè)分指數(shù)出現(xiàn)劇烈波動(dòng)而導(dǎo)致整個(gè)合成指數(shù)大幅波動(dòng)的現(xiàn)象。劉春航等以單家銀行在銀行業(yè)中的資產(chǎn)占比作為這家銀行指標(biāo)權(quán)重,據(jù)此求得整個(gè)銀行業(yè)的脆弱性指數(shù)。由于等方差權(quán)重法要求數(shù)據(jù)的正態(tài)分布的假設(shè)可能難以實(shí)現(xiàn)的實(shí)際情況、信用加總權(quán)重法有較大的主觀性,葉永剛等采用主成分分析計(jì)算各個(gè)指標(biāo)的權(quán)重,測算出中國金融監(jiān)管指數(shù)。鑒于主成分分析法選取指標(biāo)方便,用貢獻(xiàn)率確定的權(quán)重具有客觀性和合理性,克服了別的方法確定權(quán)重的缺陷,因此本文選取主成分分析法測算中國的商業(yè)銀行壓力指數(shù)[11-12]。

目前我國對(duì)商業(yè)銀行壓力指數(shù)的研究還處于起步階段,關(guān)于商業(yè)銀行風(fēng)險(xiǎn)的預(yù)測更是不多。Jeanne and Masson和Fratzscher最早在危機(jī)預(yù)測研究中引入馬爾科夫機(jī)制,Knedlik and Scheufele運(yùn)用馬爾科夫模型對(duì)于發(fā)生于2006年6月的南非貨幣危機(jī)進(jìn)行預(yù)測,2006年4月就發(fā)出了明顯的危機(jī)信號(hào)。他們僅對(duì)已經(jīng)發(fā)生的危機(jī)做了預(yù)測,并沒有對(duì)風(fēng)險(xiǎn)的未來趨勢進(jìn)行分析。蘇治等利用計(jì)算機(jī)人工智能,采取人工神經(jīng)網(wǎng)絡(luò)模型(BP)對(duì)金融市場的數(shù)據(jù)做預(yù)測分析,但是網(wǎng)絡(luò)規(guī)模和應(yīng)用問題的實(shí)例規(guī)模之間的矛盾問題,BP神經(jīng)網(wǎng)絡(luò)至今難以解決。王春麗等利用ARIMA模型對(duì)中國的金融風(fēng)險(xiǎn)進(jìn)行了短期預(yù)測[13]，由于經(jīng)濟(jì)數(shù)據(jù)常常是自相關(guān)非平穩(wěn)的時(shí)間序列,ARIMA模型能比較有效地處理自相關(guān)非平穩(wěn)數(shù)據(jù),因此,本文選擇ARIMA模型對(duì)商業(yè)銀行壓力指數(shù)做短期預(yù)測。

本文可能的邊際貢獻(xiàn)在于,設(shè)計(jì)中國商業(yè)銀行壓力指數(shù),對(duì)商業(yè)銀行的總體風(fēng)險(xiǎn)以及具體的風(fēng)險(xiǎn)構(gòu)成進(jìn)行度量,并對(duì)商業(yè)銀行未來的風(fēng)險(xiǎn)做短期的預(yù)測,這能提前了解商業(yè)銀行風(fēng)險(xiǎn)并采取風(fēng)險(xiǎn)防控的措施,對(duì)商業(yè)銀行正常安全運(yùn)行具有積極的影響。

三、中國商業(yè)銀行壓力指數(shù)的設(shè)計(jì)

(一)中國商業(yè)銀行壓力指數(shù)設(shè)計(jì)指標(biāo)體系

本文從中國銀行業(yè)監(jiān)督管理委員會(huì)對(duì)商業(yè)銀行的監(jiān)管指標(biāo)中選取了能代表商業(yè)銀行四種風(fēng)險(xiǎn)的六個(gè)指標(biāo):不良貸款率、撥備覆蓋率、累計(jì)外匯敞口頭寸比例、人民幣存貸款比率、資本充足率和操作風(fēng)險(xiǎn)加權(quán)資產(chǎn)/資本凈額。根據(jù)各個(gè)指標(biāo)與商業(yè)銀行風(fēng)險(xiǎn)大小的關(guān)系,可以對(duì)指標(biāo)的屬性做具體劃分,將這些指標(biāo)分為正向指標(biāo)和逆向指標(biāo)。表1為本文設(shè)計(jì)的中國商業(yè)銀行壓力指數(shù)指標(biāo)體系。

表1 中國商業(yè)銀行壓力指數(shù)指標(biāo)體系

`

(二)中國商業(yè)銀行壓力指數(shù)的測算

本文選取2010年第四季度-2017年第二季度的季度數(shù)據(jù),運(yùn)用主成分分析測算商業(yè)銀行壓力指數(shù)。在利用SPSS進(jìn)行主成分分析之前,首先對(duì)逆向指標(biāo)做正向化處理,使得每個(gè)指標(biāo)的數(shù)值越大代表的商業(yè)銀行壓力指數(shù)越大。通過因子分析,可以得到表2的KMO檢驗(yàn),從KMO檢驗(yàn)結(jié)果看到,KMO>0.5,因此可以對(duì)數(shù)據(jù)進(jìn)行主成分分析。進(jìn)行主成分分析之后,主成分提取結(jié)果如表3所示。

表2 KMO檢驗(yàn)

主成分分析中,主成分個(gè)數(shù)的提取原則有兩種:一種是主成分對(duì)應(yīng)的特征值大于1的前n個(gè)主成分,另一種是累計(jì)方差貢獻(xiàn)率大于等于80%的前n個(gè)主成分。根據(jù)這兩個(gè)標(biāo)準(zhǔn),從表3主成分提取結(jié)果可看出成份1和成份2的特征值都大于1,而且前2個(gè)成分的方差累計(jì)貢獻(xiàn)率達(dá)到81.320%,超過了80%。所以,我們把成份1和成份2看做主成分,用2個(gè)新的變量來代替原來的6個(gè)變量。

得到初始因子載荷矩陣如表4,表中的每一個(gè)載荷量代表主成分與對(duì)應(yīng)變量的相關(guān)系數(shù)大小。

表4 初始因子載荷矩陣

注:已提取了 2 個(gè)成份, 提取方法:主成份。

因子載荷陣使各變量在某單個(gè)因子上有高額載荷,從初始因子載荷矩陣表可以看到,不良貸款率、撥備覆蓋率、累計(jì)外匯敞口頭寸比例、人民幣存貸比和資本充足率在第一主成分上有較高載荷,說明了第一主成分基本反映了這些指標(biāo)的信息;操作風(fēng)險(xiǎn)加權(quán)資產(chǎn)/資本凈額在第二主成分上有較高載荷,說明第二主成分基本反映了這一指標(biāo)的信息。所以本文提取的這兩個(gè)主成分基本上可以反映出全部指承載的信息,因此可以用兩個(gè)新變量代替原來的六個(gè)變量。但是兩個(gè)新變量的表達(dá)式不能直接由初始因子載荷矩陣得到,需要將每一個(gè)載荷量除以主成分相對(duì)應(yīng)的特征值開平方根,才能得到兩個(gè)主成分中每個(gè)指標(biāo)所對(duì)應(yīng)的系數(shù)。兩個(gè)主成分的表達(dá)式如下所示:

F1=0.4981x1+0.4650x2-0.3726x3+0.4594x4-0.4232x5-0.0822x6,

清洗身體，躺在她的單人床上嘗試入睡。她的發(fā)絲散發(fā)出清香氣味，密密層層，鋪墊在他的臉頰之下。擁抱中的身體如同少女，可觸摸到纖瘦骨骼。大約5點(diǎn)多鐘，他醒過來，重新充盈起飽滿欲望，于是開始第二次。這一次她完全敞開，如同一朵春日海棠，在瞬間綻放之后，只能以肆意的力度沉淪下去。肉身展示出對(duì)這種與異質(zhì)交換能量的天然趨向，熱烈有力，單純赤誠。盡力敞開所有通道，與他交換、匯聚、融合，但這又是無法被言語道盡的孤獨(dú)。

F2=-0.0845x1-0.1803x2-0.3925x3+0.1643x4+0.0573x5+0.8808x6.

根據(jù)以上兩個(gè)式子,以每個(gè)主成分所對(duì)應(yīng)的方差貢獻(xiàn)率占所提取主成分的累計(jì)方差貢獻(xiàn)率的比例作為權(quán)重計(jì)算得到主成分綜合評(píng)價(jià)函數(shù)模型:F=0.3627x1+0.3150x2-0.3772x3+0.3908x4-0.3115x5+0.1416x6.

將綜合評(píng)價(jià)函數(shù)中各個(gè)變量的系數(shù)與標(biāo)準(zhǔn)化的系數(shù)矩陣相乘即可得到中國商業(yè)銀行壓力指數(shù)。對(duì)所得到的商業(yè)銀行壓力指數(shù)進(jìn)行歸一化處理,使中國商業(yè)銀行壓力指數(shù)落到[0-1]之間,測算公式為Yij=(Xij-Xmin)/(Xmax-Xmin),Xij為中國商業(yè)銀行壓力指數(shù),Xmax為商業(yè)銀行壓力指數(shù)中的最大值,Xmin為商業(yè)銀行壓力指數(shù)中的最小值。經(jīng)調(diào)整后的中國商業(yè)銀行壓力指數(shù)越大,代表商業(yè)銀行的風(fēng)險(xiǎn)水平越高。將計(jì)算得出的中國商業(yè)銀行季度壓力指數(shù)繪制出折線圖,結(jié)果如圖1。

圖1顯示,中國商業(yè)銀行季度壓力指數(shù)在個(gè)別季度有所下降,但是總體呈現(xiàn)出逐季度波動(dòng)走高的態(tài)勢,在2017年第二季度達(dá)到了最大。根據(jù)商業(yè)銀行壓力指數(shù)的走勢,可以將其分為分為三個(gè)階段。第一階段為2010年第4季度-2014年第3季度,該段時(shí)間壓力指數(shù)緩慢波動(dòng)上升;第二階段為2014年第4季度-2015年第4季度,該階段壓力指數(shù)加速上升,從附錄數(shù)據(jù)能看到,2014年第4季度的商業(yè)銀行壓力指數(shù)加倍增長,這種反常規(guī)的表現(xiàn)剛好預(yù)測了2015年中國的經(jīng)濟(jì)狀況。2015年由于中國制造業(yè)危機(jī)的爆發(fā),導(dǎo)致制造業(yè)企業(yè)大規(guī)模的破產(chǎn)倒閉,繼而引發(fā)銀行的壞賬危機(jī),銀行壞賬率遠(yuǎn)遠(yuǎn)高于2008年金融危機(jī)時(shí)期的美國,產(chǎn)生一系列連鎖反應(yīng),導(dǎo)致中國股市暴跌。第三階段為2016年至今,商業(yè)銀行壓力指數(shù)在一個(gè)相對(duì)較高的水平上緩慢增長。

(三)中國商業(yè)銀行壓力指數(shù)的風(fēng)險(xiǎn)構(gòu)成分析

圖1 中國商業(yè)銀行季度壓力指數(shù)走勢圖

以上分析了商業(yè)銀行的壓力指數(shù),反映了商業(yè)銀行整體的風(fēng)險(xiǎn)發(fā)展趨勢。為了具體分析商業(yè)銀行所面臨的四種類別風(fēng)險(xiǎn)的狀況,本文對(duì)商業(yè)銀行壓力指數(shù)的風(fēng)險(xiǎn)構(gòu)成進(jìn)行分析,根據(jù)主成分分析的結(jié)果,計(jì)算得到在商業(yè)銀行壓力指數(shù)中信用風(fēng)險(xiǎn)占比35.69%,市場風(fēng)險(xiǎn)占比19.86%,流動(dòng)性風(fēng)險(xiǎn)占比36.99%,操作風(fēng)險(xiǎn)占比7.46%。根據(jù)標(biāo)準(zhǔn)化數(shù)據(jù)計(jì)算出商業(yè)銀行四種風(fēng)險(xiǎn)的大小,繪制出商業(yè)銀行四種風(fēng)險(xiǎn)的折線圖圖2。

圖2商業(yè)銀行壓力分指數(shù)的風(fēng)險(xiǎn)構(gòu)成顯示,信用風(fēng)險(xiǎn)從2010年第4季度至2012第2季度是下降趨勢,之后逐漸上升,市場風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)也是逐季度波動(dòng)上升,操作風(fēng)險(xiǎn)的走勢明顯和前三種風(fēng)險(xiǎn)走勢不同,操作風(fēng)險(xiǎn)波動(dòng)較大,并且極不具有規(guī)律性,在2013年第3季度操作風(fēng)險(xiǎn)最大,這是由于操作風(fēng)險(xiǎn)的不確定性決定的,這種風(fēng)險(xiǎn)也給銀行的監(jiān)管帶來一定的挑戰(zhàn)性。將商業(yè)銀行壓力指數(shù)與四種風(fēng)險(xiǎn)繪制于一個(gè)折線圖中。

圖2 商業(yè)銀行壓力指數(shù)風(fēng)險(xiǎn)構(gòu)成

從圖3可以看到,流動(dòng)性風(fēng)險(xiǎn)指數(shù)和信用風(fēng)險(xiǎn)指數(shù)的走勢與商業(yè)銀行壓力指數(shù)走勢最為接近,因此可以推斷流動(dòng)性風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)是商業(yè)銀行面臨的主要風(fēng)險(xiǎn),其次是市場風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)。這也印證了上述計(jì)算的風(fēng)險(xiǎn)權(quán)重結(jié)果。所以我們要著重加強(qiáng)流動(dòng)性風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)管理。雖然操作風(fēng)險(xiǎn)在商業(yè)銀行壓力指數(shù)中所占的比重較小,但是其不確定性卻很高,該種風(fēng)險(xiǎn)一旦發(fā)生后果嚴(yán)重,因此不能忽略操作風(fēng)險(xiǎn)這個(gè)潛在風(fēng)險(xiǎn)隱患。

四、中國商業(yè)銀行壓力指數(shù)的應(yīng)用

(一)ARIMA模型的構(gòu)建

ARIMA(p,d,q)模型是由三部分構(gòu)成:AR(p)為自回歸過程,它指一個(gè)時(shí)間序列的當(dāng)前數(shù)值能表示成滯后p期觀測值的線性組合;I(d)為單整,它表示時(shí)間序列的d階差分是平穩(wěn)序列;MA(q)為移動(dòng)平均過程,即模型值可以表示為q階殘差項(xiàng)的線性函數(shù)。其中,自回歸移動(dòng)平均形式ARMA(p,q)函數(shù)模型如下所示:Yt=μ+φ1Yt-1+φ2Yt-2+…+φpYt-p+εt+θ1εt-1+θ2εt-2+…+θqεt-q.

模型構(gòu)建完成之后,首先,對(duì)商業(yè)銀行壓力指數(shù)原序列進(jìn)行平穩(wěn)性檢驗(yàn),如果原時(shí)間序列不平穩(wěn),然后進(jìn)行差分,直至得到一個(gè)平穩(wěn)序列,則未知參數(shù) d 便等于差分次數(shù)。其次,在平穩(wěn)時(shí)間序列的基礎(chǔ)上識(shí)別ARMA 模型階數(shù)。平穩(wěn)時(shí)間序列的自相關(guān)圖和偏相關(guān)圖為識(shí)別模型參數(shù) p和q的值提供有價(jià)值的信息。

(二)利用ARIMA模型對(duì)商業(yè)銀行風(fēng)險(xiǎn)的實(shí)證研究

1.單位根檢驗(yàn)。我們首先對(duì)上述計(jì)算出來的商業(yè)銀行壓力指數(shù)進(jìn)行ADF單位根檢驗(yàn),來判斷時(shí)間序列是否平穩(wěn),結(jié)果如表5。

由于t的絕對(duì)值小于10%顯著性水平上的t值大小,所以得知,商業(yè)銀行壓力指數(shù)存在單位根,該時(shí)間序列不平穩(wěn),不能進(jìn)行ARIMA模型分析。

表5 商業(yè)銀行壓力指數(shù)ADF檢驗(yàn)

因此我們又對(duì)商業(yè)銀行壓力指數(shù)的一階差分進(jìn)行了ADF單位根檢驗(yàn),得到的結(jié)果如表6所示,由于t的絕對(duì)值小于10%顯著性水平上的t值大小,所以商業(yè)銀行壓力指數(shù)的一階差分也存在單位根,該時(shí)間序列的一階差分序列不平穩(wěn),不能進(jìn)行ARIMA模型分析。

表6 商業(yè)銀行壓力指數(shù)一階差分ADF檢驗(yàn)

再對(duì)商業(yè)銀行壓力指數(shù)的二階差分進(jìn)行ADF單位根檢驗(yàn),由表7結(jié)果可知t的絕對(duì)值大于1%顯著性水平上的t值大小,因此商業(yè)銀行二階差分的時(shí)間序列是平穩(wěn)的,所以原始時(shí)間序列是二階單整的,記I(2),即d=2。

2.自相關(guān)圖和偏自相關(guān)圖的編制。找出適當(dāng)?shù)膒,d和q值,運(yùn)用ARIMA模型最關(guān)鍵的工具是自相關(guān)圖和偏自相關(guān)圖。由平穩(wěn)性檢驗(yàn)可知商業(yè)銀行壓力指數(shù)是二階單整的,記I(2),即d=2。為了找到合適的p和q,對(duì)商業(yè)銀行壓力指數(shù)的二階差分變量DN進(jìn)行自相關(guān)分析,繪制了商業(yè)銀行壓力指數(shù)二階差分的自相關(guān)圖和偏自相關(guān)圖,如圖4所示。

根據(jù)商業(yè)銀行壓力指數(shù)的自相關(guān)圖和偏自相關(guān)圖直觀可猜測:p=3,q=4,進(jìn)行ARIMA(3,2,4)模型分析,實(shí)證結(jié)果顯示ARIMA(3,2,4)模擬效果不好。于是又進(jìn)行了幾十次ARIMA模型的模擬實(shí)驗(yàn),發(fā)現(xiàn)模擬效果最好的是ARIMA(3,2,(3,4,7,8)),因此本文選擇ARIMA(3,2,(3,4,7,8))模型對(duì)商業(yè)銀行壓力指數(shù)進(jìn)行短期預(yù)測。

表7 商業(yè)銀行壓力指數(shù)二階差分ADF檢驗(yàn)

圖4 商業(yè)銀行壓力指數(shù)二階差分自相關(guān)圖和偏自相關(guān)圖

3.模型的適應(yīng)性檢驗(yàn)。為了檢驗(yàn)?zāi)Ｐ偷倪m用性,首先要對(duì)擬合模型ARIMA(3,2,(3,4,7,8))的適應(yīng)性進(jìn)行檢驗(yàn),實(shí)際上是對(duì)殘差序列進(jìn)行白噪聲檢驗(yàn),若殘差序列不是白噪聲,則表明尚有一些重要的信息未被提取,此時(shí)應(yīng)當(dāng)重新設(shè)定模型。檢驗(yàn)結(jié)果如表8。

表8 殘差序列ADF檢驗(yàn)

從單位根檢驗(yàn)結(jié)果來看,殘差序列不存在單位根,是平穩(wěn)的,因此殘差序列為白噪聲,所以本文擬合的模型是合適的。

4.ARIMA(3,2,(3,4,7,8))模型實(shí)證預(yù)測。運(yùn)用Eviews軟件,根據(jù)模型ARIMA(3,2,(3,4,7,8))進(jìn)行回歸,可得到如表9所示的回歸結(jié)果。

由以上回歸結(jié)果可以看到,回歸結(jié)果在5%的顯著性水平上都顯著,R2=92.8%,回歸結(jié)果較好。所以可以得到擬合函數(shù)為:Yt=μ-0.5664Yt-1-1.0267Yt-2-0.7648Yt-3+0.6588εt-3-1.3702εt-4+1.255εt-7-1.951εt-8+ε

(三)商業(yè)銀行壓力指數(shù)的擬合與預(yù)測

根據(jù)上述得到的回歸函數(shù),將商業(yè)銀行壓力指數(shù)二階差分的數(shù)據(jù)帶入可得到商業(yè)銀行壓力指數(shù)的二階差分的預(yù)測值,商業(yè)銀行二階差分的預(yù)測值和實(shí)際值的對(duì)比如圖5所示。

從上圖可以看出,利用ARIMA(3,2,(3,4,7,8))模型對(duì)商業(yè)銀行壓力指數(shù)二階差分的擬合效果較好,將二階差分倒加回去即可得商業(yè)銀行壓力指數(shù)的預(yù)測值,商業(yè)銀行壓力指數(shù)的預(yù)測值和實(shí)際值的折線圖6所示,由圖6可以看出商業(yè)銀行壓力指數(shù)的預(yù)測值與其實(shí)際值擬合得很好,預(yù)測值幾乎可以反映出商業(yè)銀行真實(shí)風(fēng)險(xiǎn)水平。

表9 ARIMA(3,2,(3,4,7,8))回歸結(jié)果

圖5 商業(yè)銀行壓力指數(shù)二階差分預(yù)測值與實(shí)際值

對(duì)商業(yè)銀行壓力指數(shù)進(jìn)行樣本外預(yù)測,預(yù)測2017年第三、四季度的商業(yè)銀行壓力指數(shù),將預(yù)測結(jié)果進(jìn)行歸一化處理,使得壓力指數(shù)落到(0,1)之間,將包括2017年第三、四季度預(yù)測值的商業(yè)銀行壓力指數(shù)繪制出折線圖圖7,具體數(shù)據(jù)為表10。

預(yù)測結(jié)果顯示2017年第三季度商業(yè)銀行壓力水平繼續(xù)上升達(dá)到高點(diǎn),2017年第四季度壓力水平有所下降。雖然商業(yè)銀行壓力指數(shù)未來有增加的趨勢,但是短期并沒有壓力指數(shù)驟然增加的反常表現(xiàn),因此未來不會(huì)爆發(fā)大的銀行業(yè)危機(jī)。

未來,受美聯(lián)儲(chǔ)加息的影響,中國人民銀行貨幣政策轉(zhuǎn)向穩(wěn)健中性,政府出臺(tái)擠泡沫、降杠桿、去產(chǎn)能政策等一系列因素的影響,中國經(jīng)濟(jì)增長的“三駕馬車”中,投資預(yù)計(jì)下行,消費(fèi)預(yù)計(jì)平穩(wěn),出口預(yù)計(jì)疲軟拉動(dòng)。中國經(jīng)濟(jì)有著較大的下行壓力,這對(duì)商業(yè)銀行仍然有很大的沖擊,因此我們要實(shí)時(shí)對(duì)商業(yè)銀行壓力進(jìn)行監(jiān)測,嚴(yán)防商業(yè)銀行壓力指數(shù)過大。

圖6 商業(yè)銀行壓力指數(shù)預(yù)測值和實(shí)際值對(duì)比圖

圖7 商業(yè)銀行季度壓力指數(shù)預(yù)測值折線圖

五、結(jié)論與建議

本文設(shè)計(jì)了中國商業(yè)銀行的壓力指數(shù),對(duì)壓力指數(shù)的風(fēng)險(xiǎn)構(gòu)成做了具體分析,并將商業(yè)銀行壓力指數(shù)應(yīng)用于銀行風(fēng)險(xiǎn)的短期預(yù)測。研究發(fā)現(xiàn):首先,中國的商業(yè)銀行的壓力指數(shù)整體上呈現(xiàn)波動(dòng)上升的狀態(tài),2014年第4季度的壓力指數(shù)異常增大,很好地預(yù)測了2015年中國的經(jīng)濟(jì)情況。其次,通過對(duì)商業(yè)銀行風(fēng)險(xiǎn)結(jié)構(gòu)的分析,發(fā)現(xiàn)流動(dòng)性風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和市場風(fēng)險(xiǎn)均呈現(xiàn)波動(dòng)上升的狀態(tài)。流動(dòng)性風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)在商業(yè)銀行中占據(jù)較大比例,是商業(yè)銀行面臨的主要風(fēng)險(xiǎn),其次是市場風(fēng)險(xiǎn)。雖然操作風(fēng)險(xiǎn)所占比重最小,但是它的波動(dòng)幅度最大,最不穩(wěn)定。最后,短期預(yù)測結(jié)果顯示,未來商業(yè)銀行壓力指數(shù)緩慢上升,沒有異常波動(dòng),商業(yè)銀行處于較穩(wěn)定的狀態(tài)。

綜上所述,雖然銀監(jiān)會(huì)對(duì)商業(yè)銀的監(jiān)管指標(biāo)均處于指標(biāo)風(fēng)險(xiǎn)警戒線以內(nèi),但是由我們測算的商業(yè)銀行壓力指數(shù)可知商業(yè)銀行潛在的風(fēng)險(xiǎn)水平卻在逐漸升高,因此,本文提出以下建議:第一,要健全和優(yōu)化商業(yè)銀行風(fēng)險(xiǎn)監(jiān)管體系,銀行自身要加強(qiáng)內(nèi)部風(fēng)險(xiǎn)管理機(jī)制,實(shí)時(shí)監(jiān)測商業(yè)銀行壓力指數(shù),使其保持在較低水平。第二,當(dāng)商業(yè)銀行壓力指數(shù)過大,調(diào)整相應(yīng)的指標(biāo),使各個(gè)指標(biāo)保持在合理的水平。若商業(yè)銀行壓力指數(shù)預(yù)測結(jié)果異常增大時(shí),必須重視,查找原因,尋求解決對(duì)策。第三,商業(yè)銀行要加強(qiáng)流動(dòng)性風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)的管理,對(duì)管理層加強(qiáng)監(jiān)督,警惕操作風(fēng)險(xiǎn)的發(fā)生。最后,作為監(jiān)管機(jī)構(gòu)的中國銀行業(yè)監(jiān)督管理委員會(huì)和中國人民銀行要切實(shí)履行監(jiān)管職責(zé),保證商業(yè)銀行在安全水平上運(yùn)行。政府也要加強(qiáng)對(duì)監(jiān)管機(jī)構(gòu)的激勵(lì)和監(jiān)督,保證監(jiān)管層的有效和透明。

表10 商業(yè)銀行壓力指數(shù)具體數(shù)據(jù)