劉志洋，孟祥璐

東北師范大學 經濟與管理學院，長春 130117

引言

黨的十九大報告明確提出將防范化解重大金融風險作為中國經濟建設的攻堅戰(zhàn)，隨著“一帶一路”戰(zhàn)略的穩(wěn)步實施，人民幣市場開放程度逐漸加大，管理匯率風險的難度也在逐漸加大。1994年，為建立社會主義市場經濟體制，人民幣官方匯率與外匯調劑價格正式并軌，中國開始實行以市場供求為基礎的、單一的、有管理的浮動匯率制。2001年，中國加入WTO，國民經濟高速增長，人民幣面臨的升值壓力也越來越大。2005年7月21日，中國人民銀行公布了新的人民幣匯率形成機制，改變了以美元為主的盯住匯率制度，形成了以市場供求為基礎，參考一籃子貨幣調節(jié)、有管理的浮動匯率制度。2015年8月11日，人民幣正式加入特別提款權，在加大金融市場開放程度的同時，也給人民幣匯率穩(wěn)定帶來了巨大的沖擊。為了完善外匯形成機制，穩(wěn)定匯率市場，中國人民銀行宣布完善人民幣匯率對美元匯率的中間價報價制度，人民幣匯率實現(xiàn)由固定匯率向浮動匯率轉變。三次匯率改革制度的推進，不僅對中國匯率形成機制變革起到逐級遞進的效果，更對中國經濟的長期發(fā)展產生深遠影響。

隨著匯率制度改革的不斷深入，匯率波動越來越頻繁，如何規(guī)避匯率風險成為商業(yè)銀行關注的主要問題，作為套期保值工具的外匯衍生品自然成為規(guī)避匯率風險的主要工具。20世紀60年代，西方外匯市場首次引入外匯衍生品。經過幾十年的發(fā)展，國外的外匯衍生品市場日漸成熟，但對于金融衍生品的使用是否能夠對沖風險仍然存在爭議。中國外匯衍生品市場起步較晚，商業(yè)銀行在使用金融衍生工具應對匯率風險方面缺乏系統(tǒng)的認識和前沿的管理策略，匯率風險成為影響銀行業(yè)風險的重要風險因子。在中國經濟日益融入全球經濟的今天，商業(yè)銀行作為金融衍生工具的主要使用者，需要在金融衍生品交易市場中管理和配置風險。由于匯率風險是主要的宏觀風險因子之一，具有系統(tǒng)性特征，而銀行業(yè)是由單個商業(yè)銀行組成的整體，因此需要研究宏觀風險因子對每個商業(yè)銀行風險影響的異質性問題。鑒于匯率既包含了長期經濟基本面的信息，又包含短期沖擊信息，為了有效預警金融風險，本研究主要研究匯率的短期波動對銀行業(yè)的風險溢出效應，并分析使用商業(yè)銀行匯率衍生產品對銀行業(yè)風險的影響，以期為中國銀行業(yè)管理系統(tǒng)性風險提供參考。

1相關研究評述

自1973年布雷頓森林體系解體以來，浮動匯率制度逐漸取代了固定匯率制度，匯率價格的劇烈波動給商業(yè)銀行帶來了比較大的風險。匯率沖擊在浮動匯率制度下對危機的影響顯著大于固定匯率制度下的影響[1]。與利率波動相比，匯率波動與國際資本流動間的傳導渠道最為順暢[2]。匯率波動通過貿易和資本流通渠道影響金融市場的穩(wěn)定性，進而影響金融機構匯率風險暴露程度[3]。同時，匯率波動率向股票市場溢出，尤其在“匯改”之后，匯率市場與股票市場之間的聯(lián)系更加密切[4]。SHIMIZU[5]認為外國凈資產持有量的變化通過時變的匯率風險溢價引起匯率的變動，隨著時間間隔的增大，這種影響會減弱，直到匯率接近平穩(wěn)水平。LI et al.[6]認為匯率風險對國與國之間的貿易，尤其是具有特定目的地的出口有很強的正向影響。此外，投資者對人民幣匯率的關注度也對匯率波動產生影響。尹力博等[7]利用谷歌搜索量指數(shù)作為投資者對人民幣匯率的關注度，利用GARCH-MIDAS模型將人民幣在岸和離岸匯率分解為長期成分和短期成分進行分析，發(fā)現(xiàn)投資者對人民幣價差的關注程度越高，人民幣價差的波動程度越明顯，尤其對短期成分的影響更加顯著。

由于各國家外匯交割時間不同，匯率隔夜風險成為影響匯率穩(wěn)定的主要風險之一。PENG et al.[8]運用多分位數(shù)CAViaR模型測量歐元兌日元、港元和人民幣匯率的匯率隔夜風險，發(fā)現(xiàn)人民幣匯率面臨的匯率隔夜風險最大。匯率風險是商業(yè)銀行市場風險管理中重要的風險因子之一。周亮球等[9]對上市商業(yè)銀行匯率風險的影響因素進行總體性的概述，認為影響匯率風險的因素可以概括為匯率波動、銀行規(guī)模、資本結構、風險控制能力和流動性等方面。在規(guī)模方面，吳韡等[10]認為人民幣升值在一定程度上增加商業(yè)銀行個體經營風險，并且商業(yè)銀行規(guī)模越大，匯率風險敞口就越大；蔣先玲等[11]運用EGARCH模型測算出匯率風險暴露程度較大的幾家商業(yè)銀行，并發(fā)現(xiàn)匯率風險與銀行的規(guī)模呈正向關系；王旭等[12]認為規(guī)模大的商業(yè)銀行無論從業(yè)務水平還是風險應對能力方面都比中小商業(yè)銀行略勝一籌，金融業(yè)務的多樣化可以使規(guī)模大的商業(yè)銀行更好地應對和分散匯率風險，因此風險敞口會小很多。在資本結構方面，商業(yè)銀行的資本結構也是匯率風險增加的主要原因，外資參與程度高的商業(yè)銀行匯率風險也隨之增加。JORION[13]給出了一個早期估計匯率風險的例子，運用美國的數(shù)據進行實證分析，認為在整體樣本中有顯著外匯風險敞口的跨國公司的占比很低，并且匯率風險敞口的大小與公司的外資參與程度呈正相關；RODRIGUEZ[14]以企業(yè)生產率最大化作為最優(yōu)匯率制度選擇的目標，研究發(fā)現(xiàn)高度開放的金融環(huán)境減少各國匯率的波動性，對企業(yè)生產率增長產生負面影響。在貨幣流動性方面，MANCINI et al.[15]認為外匯流動性的沖擊是持續(xù)的，并且沖擊的程度與套利交易產生的收益呈顯著的負相關；在金融危機期間，貨幣的流動性嚴重下降，由此產生的匯率風險使更多的“貨幣對”受到影響。與發(fā)達國家相比，WEI[16]認為導致發(fā)展中國家匯率風險增大、無法從金融全球化中獲益的主要原因包括國內金融市場的扭曲、國際資本市場的扭曲、國內勞動力市場的扭曲以及國內管理機構的薄弱。對于發(fā)達國家而言，XUE et al.[17]以英鎊匯率為例，研究國際金融市場動蕩對英鎊匯率波動的影響，結果表明雷曼兄弟破產和英國脫歐公投等一系列引發(fā)金融市場動蕩的沖擊是導致英鎊貶值的主要原因。因此，對于中國銀行業(yè)而言，匯率制度的結構性改變、國內金融市場日漸開放、銀行業(yè)務國際化以及缺乏有效對沖匯率風險的金融工具等問題，成為中國匯率風險敞口增大的主要原因。

由匯率波動引發(fā)的匯率風險傳導到商業(yè)銀行，對銀行業(yè)的穩(wěn)健經營產生巨大影響。GAIES et al.[18]使用logit面板模型，從外部負債性質和匯率穩(wěn)定性兩方面分析發(fā)展中國家銀行業(yè)危機，發(fā)現(xiàn)對外負債使發(fā)生危機的可能性增加，對外負債降低會減少銀行危機的發(fā)生；隨著匯率波動趨于平緩，在實際GDP的增長以及實施有效的人力資本和政治制度的前提下，危機發(fā)生的可能性大大降低。雖然金融危機對實體經濟的影響可能通過雙邊貿易流量使金融危機得到放大和傳播，但匯率制度也可以成為刺激貿易以減輕危機波及范圍的關鍵因素。SANTANA-GALLEGO et al.[19]也同樣認為匯率制度的選擇可能是促進貿易的一種因素，從而通過刺激國際貿易來減少金融危機的傳播。匯率制度的改變能夠顯著影響貨幣危機發(fā)生的幾率。政府公布的匯率制度彈性越大、本國對匯率波動的容忍度越強，貨幣危機發(fā)生的可能性就越大[20]。由此可見，在預防貨幣危機發(fā)生方面，政府應進行正確的引導和審慎監(jiān)管。

目前大多數(shù)學者關于匯率風險的研究都印證了確實存在匯率風險，因此商業(yè)銀行應對所有流通的幣種進行有針對性的風險對沖[21]。在各國貿易與國際貨幣市場相互依賴、共同促進的背景下，一國貨幣價格的劇烈波動必然傳導至其他國家。而貨幣危機與銀行業(yè)危機往往密切相關[22]。多種匯率之間存在顯著的風險傳染，發(fā)達國家貨幣市場是主要的風險溢出傳播者，而新興市場國家貨幣市場主要是溢出風險的接受者[23]。貨幣市場的波動傳染至金融市場，且金融市場價格的變動也導致匯率價格的波動，并對人民幣匯率產生不斷增強的時變沖擊[24]。由此可以認為，降低金融市場的波動程度對于有效應對匯率風險起到一定的幫助作用。張德進等[25]通過對11家上市商業(yè)銀行貨幣錯配案例的分析，認為商業(yè)銀行貨幣錯配風險存在的原因主要在于金融衍生工具的使用不足，沒有及時轉移商業(yè)銀行面臨的風險頭寸，使風險沒有得到及時緩解。因此，金融市場的快速發(fā)展有助于匯率風險的緩釋。

商業(yè)銀行需要用匯率衍生產品規(guī)避和管理匯率風險。CHAMBERLAIN et al.[26]研究發(fā)現(xiàn)，具有套期保值屬性的金融工具可以適當減少商業(yè)銀行面臨的匯率風險。目前國內外學者關于金融衍生品的使用以及對系統(tǒng)性風險影響仍然存在很大的爭議。CHOI et al.[27]認為外匯衍生工具的使用是降低還是增加商業(yè)銀行的風險，主要取決于金融衍生工具在商業(yè)銀行應對風險的過程中是起到了套期保值的作用還是作為創(chuàng)造投機套利的機會，運用美國和日本商業(yè)銀行的股票收益率和匯率數(shù)據，實證分析發(fā)現(xiàn)金融衍生品的使用不僅不能起到降低風險的作用，反而進一步暴露商業(yè)銀行面臨的風險，在匯率風險方面表現(xiàn)得尤為明顯。金融衍生品的使用同樣增加銀行未來股價崩盤的風險[28]。因此，商業(yè)銀行在使用金融衍生品時應采取謹慎的態(tài)度，避免加劇金融體系的脆弱性。CHAUDHRY et al.[29]分析了不同類型的匯率衍生品如何影響商業(yè)銀行的風險敞口，發(fā)現(xiàn)匯率期權往往增加風險，而外匯掉期主要用于減輕風險敞口。

2008年金融危機爆發(fā)后，對于使用金融衍生工具的爭議仍舊不斷。金融衍生工具的使用是一把雙刃劍，商業(yè)銀行應嚴格對衍生工具的使用情況進行管控，使其為商業(yè)銀行帶來正面價值[30]。TRAPP et al.[31]認為將金融衍生品用于非對沖目的的商業(yè)銀行在危機來臨時更容易受到沖擊；CYREE et al.[32]的研究表明，金融衍生品既沒有在經濟增長時期促進商業(yè)銀行價值的增長，也沒有在全球金融危機期間導致銀行價值的損耗；MAYORDOMO et al.[33]實證分析金融衍生品對銀行業(yè)系統(tǒng)風險的影響，以2002年至2011年間95家美國銀行的數(shù)據作為樣本，研究發(fā)現(xiàn)金融衍生品總持有頭寸的變化對商業(yè)銀行并沒有顯著影響，銀行對某些特定類型的衍生品(如外匯和信用衍生品)的持有頭寸增加商業(yè)銀行對系統(tǒng)性風險的貢獻，而利率衍生品的持有則相應地減少商業(yè)銀行個體經營風險；LI et al.[34]認為利率、匯率或信貸衍生工具的持有頭寸均與銀行業(yè)系統(tǒng)性風險呈正相關。

在匯率風險管理方面，除了運用匯率衍生工具對沖風險外，學者們又提出了其他幾種應對匯率風險的措施。BROWN[35]提出企業(yè)匯率風險管理的兩種措施，一是運用套期保值工具規(guī)避風險，二是建立適合企業(yè)自身的運營管理策略，以起到一定的避險作用；CHANG et al.[36]認為除了匯率衍生品的使用外，盈余管理活動，特別是為使收入平滑而進行的活動，也是導致匯率風險敞口減少的另一個因素。

隨著中國匯率市場化的逐步推進，金融業(yè)逐步對外開放，中國商業(yè)銀行也需要匯率衍生工具管理匯率風險，外匯衍生品作為套期保值的主要工具應運而生。中國學者主要研究匯率衍生工具的使用效果。蔣先玲等[37]認為無論是匯率風險還是利率風險都對銀行的超額收益率產生很大的影響，且匯率風險的影響顯著大于利率風險，而金融衍生品的使用大大提升商業(yè)銀行的超額收益率，從而起到降低風險的作用；劉玉杰[38]認為出現(xiàn)這種差異的原因主要在于，使用金融衍生工具對外資控股的商業(yè)銀行起到風險對沖的作用，而對于非外資控股的商業(yè)銀行來說，這種對沖風險的作用表現(xiàn)的并不明顯，金融衍生工具種類的差異也對商業(yè)銀行的風險敞口產生不同的影響；郭飛等[39]認為商業(yè)銀行使用金融衍生品對短期風險敞口和長期風險敞口均有顯著增大的影響。

總體而言，已有研究表明，在經濟全球化的今天，無論是國際貿易渠道還是資本流通渠道，都將成為國際間匯率風險傳染的重要方式，并且匯率風險傳染快速波及一國金融體系，形成系統(tǒng)性金融風險。然而，當前對匯率風險的研究比較偏重于宏觀層面，大都集中于國際金融市場，將宏觀匯率風險因子與微觀金融機構個體經營風險連接起來的研究相對較少。金融機構經營特征各異，這種業(yè)務層面的異質性決定了每家金融機構的匯率風險敞口并不相同，因此需要關注匯率風險對金融機構個體經營風險影響的異質性特征。雖然中國的人民幣匯率基本維持在相對穩(wěn)定的水平，但在金融環(huán)境高度開放的今天，仍然要守住不發(fā)生系統(tǒng)性金融風險的底線，將匯率風險的監(jiān)管和治理落到實處。雖然浮動匯率制度的實行和金融全球化為使用外匯衍生品奠定了基礎，但目前中國對于外匯衍生品持有頭寸與商業(yè)銀行的匯率風險之間關系的研究仍然較少。基于此考慮，本研究選取人民幣兌美元、歐元和日元的匯率數(shù)據作為代表，探究匯率波動對商業(yè)銀行個體經營風險的影響，并對商業(yè)銀行使用匯率衍生工具如何影響商業(yè)銀行個體經營風險以及如何影響銀行業(yè)系統(tǒng)性風險進行實證分析。本研究的主要目的在于打通系統(tǒng)性金融風險研究的宏觀-微觀渠道，并為中國銀行業(yè)系統(tǒng)性風險管理提供參考。

2匯率對銀行業(yè)風險溢出實證分析

2.1匯率短期波動率計算

本研究使用中國人民銀行發(fā)布的人民幣兌美元、歐元和日元匯率的中間價作為匯率數(shù)據的代表進行實證分析，樣本時間為2007年7月1日至2018年12月31日，數(shù)據頻率為日度數(shù)據，數(shù)據來源于Wind數(shù)據庫。為了保證實證分析時間序列的平穩(wěn)性，本研究對匯率數(shù)據進行一階差分。

匯率包含了豐富的信息，且由于匯率具有系統(tǒng)性特征，因此匯率不確定性既表達了市場對于經濟體長期的不確定性的預判，也包含了短期不確定性的信息。根據波動率分解理論，遠期匯率的波動性既應有表示宏觀經濟長期波動的低頻波動率，也應具有反應短期沖擊的高頻波動率[40]。風險的傳染具有短期、快速的特征，因此本研究對匯率波動率的計算沒有局限于GARCH模型的擬合，而是首先使用混頻數(shù)據抽樣GARCH模型(即GARCH-MIDAS模型)，將匯率的波動率分解為長期波動率和短期波動率?？紤]到金融風險更加關注短期沖擊，因此本研究實證分析重點關注短期波動率對商業(yè)銀行風險的影響。根據張屹山等[40]的研究，本研究的實證模型為

(1)

其中，t為固定時間長度，以月、季度或更長的時間為單位；i為天；ri,t為收益率；τt為長期波動率；gi,t為短期波動率；k為截點序號；K為截點個數(shù)；Vt為收益率平方和；I為t時期內包含的總天數(shù)；φk(ω)為權重函數(shù)；μ、α、β、κ、θ、ω為待估參數(shù)；εi,t為殘差項。本研究使用BIC準則確定K值。估計結果見表1。

表1 GARCH-MIDAS估計結果Table 1 GARCH-MIDAS Estimated Results

注：調整樣本量為Matlab軟件自動根據算法截取初始數(shù)據后的樣本量；US為人民幣兌美元匯率，EU為人民幣兌歐元匯率，JP為人民幣兌日元匯率；***為在1%水平上顯著，**為在5%水平上顯著，下同。

圖1為人民幣兌美元、歐元和日元匯率的短期波動率。從圖1可以看出，人民幣兌美元匯率短期波動在2015年“811匯改”后突然大幅度增加，但人民幣兌歐元和日元的匯率在“811匯改”前后的短期波動率卻小于人民幣兌美元，但相對波動性也處在高位。其主要原因是隨著中國經濟步入新常態(tài)，市場對中國匯率政策改革進行了誤讀，貨幣貶值和非理性的資本外流造成了匯率的顯著波動。圖1表明，在2008年金融危機爆發(fā)期間，匯率整體的短期波動性也處在較高的位置，但隨著金融危機的影響逐漸減弱，匯率波動性也呈現(xiàn)下降的態(tài)勢。相對來講，人民幣兌日元的短期波動率走勢相對穩(wěn)定，而受歐洲主權債務危機的影響，人民幣兌歐元的匯率短期波動性整體較強。

(a)人民幣兌美元(b)人民幣兌歐元(c)人民幣兌日元

注：圖中圓圈表示“811匯改”實施后3種匯率短期波動率的突變。

圖1人民幣兌美元、歐元和日元的匯率短期波動率
Figure 1Short-term Volatility of Exchange Rate between RMB against USD, EUR and JPY

2.2短期波動率對銀行業(yè)風險的溢出效應

2.2.1 實證模型

金融體系處在低風險和高風險的不同狀態(tài)下時，金融風險傳染表現(xiàn)是不相同的，而馬爾科夫區(qū)制轉換模型(Markov regime switching model，下文簡稱MS模型)的主要優(yōu)勢在于靈活處理隨機變量的不同狀態(tài)對因變量的影響。本研究使用MS模型進行實證分析，研究不同匯率風險狀態(tài)下匯率波動對商業(yè)銀行風險的影響。具體模型為

(2)

本研究選擇兩類指標刻畫商業(yè)銀行風險，第1類為表示商業(yè)銀行個體經營風險的變量，第2類為表示商業(yè)銀行系統(tǒng)性風險貢獻度的變量。對于中國銀行業(yè)來講，沒有爆發(fā)銀行危機使得對商業(yè)銀行風險的測量失去了可驗證性。為了更準確地刻畫商業(yè)銀行風險，本研究從股票市場隱含的視角出發(fā)，測量股票市場隱含的商業(yè)銀行個體經營風險指標，作為商業(yè)銀行風險的表示變量。

(1)測量商業(yè)銀行個體經營風險

在計算隱含風險方面，或有權益分析法(以下簡稱KMV模型)具有巨大的優(yōu)勢。本研究使用商業(yè)銀行倒閉概率作為股票市場隱含的商業(yè)銀行個體經營風險的替代指標，采用KMV模型進行測量。對于金融機構風險管理來講，商業(yè)銀行個體經營風險的大小最終體現(xiàn)在倒閉風險上，因此測量銀行倒閉風險對管理系統(tǒng)性風險具有很大的指導意義。由于中國尚未爆發(fā)大規(guī)模的銀行業(yè)危機，因此如何測量商業(yè)銀行系統(tǒng)性風險是一個較大的挑戰(zhàn)。徐明東等[42]使用商業(yè)銀行貸款作為商業(yè)銀行個體經營風險的變量，但增加商業(yè)銀行貸款不一定增加金融風險，也可能是為了滿足實體經濟發(fā)展的需要，因此用貸款表示商業(yè)銀行個體經營風險并不是十分準確。

以資產定價領域中的期權定價理論為核心發(fā)展出來的或有權益分析(contingent claims analysis，CCA)是金融危機之后測量金融系統(tǒng)性風險的主要方法之一，而KMV模型則是或有權益分析方法的主要代表模型。

借鑒ELSINGER et al.[43]和宋玉穎[44]的研究，本研究從微觀視角，使用KMV模型測算商業(yè)銀行個體經營風險。KMV模型的核心思想是將商業(yè)銀行股票市值看作歐式看漲期權，在T時刻內商業(yè)銀行的負債相當于期權的行權價格，因此根據Black-Scholes期權定價公式，當銀行資產價值低于在T時刻內所需償還債務的價值時，看漲期權不行權，商業(yè)銀行倒閉。在理論上往往假設銀行資產價格低于債務面值時銀行倒閉，但在實際金融體系運行過程中，商業(yè)銀行倒閉也常常發(fā)生在資產價格較高的時期。此時商業(yè)銀行往往因為金融體系內部的流動性沖擊而被迫拋售資產，進而出現(xiàn)由于流動性風險而不是償付能力風險而引發(fā)的倒閉。

本研究針對KMV模型設定了違約觸發(fā)值。根據KMV模型的常規(guī)做法，本研究將違約觸發(fā)值設定為：短期負債+0.5×長期負債。借鑒宋玉穎[44]的研究，短期負債包括同業(yè)及其他金融機構存放款項、向中央銀行借款、拆入資金、交易性金融負債、衍生金融負債、賣出回購資產款以及存款總量的20%，長期負債包括應交稅費、應付利息、應付債券、遞延所得稅負債、預計負債、其他負債以及存款總量的80%。本研究將存款的20%作為短期負債的原因在于，中國銀行業(yè)施加的存貸比監(jiān)管指標是75%，說明監(jiān)管當局判斷商業(yè)銀行有25%的存款會被支取。考慮到監(jiān)管的指標相對保守和審慎，因此本研究在監(jiān)管指標基礎上做略微大膽的設定，有20%的存款會在短期內支取。在風險中性測量下，銀行股票價值為

ET=ATN(d1)-DBe-rTN(d2)

(3)

(4)

其中，ET為銀行股票市值；AT為銀行資產在T時刻的市場價值；DB為違約觸發(fā)值；r為無風險利率，本研究使用隔夜Shibor利率作為代表；N(·)為標準正態(tài)分布累積函數(shù)；σA為資產市場價值標準差。借鑒ANGINER et al.[45]的研究，本研究假設銀行資產市場價值服從對數(shù)正態(tài)分布，銀行在T時刻內的違約概率為

PD=N(-d2)

(5)

其中，PD為違約概率。本研究將T設置為1年。

雖然風險中性測量的結果并不是真實測量下的結果，但其優(yōu)勢為：①保證各個銀行的風險指標客觀，并具有可比性；②避免了如何選擇資產收益率的難題，這也是Black-Scholes期權定價公式的精髓之一。DB值的數(shù)據來源于商業(yè)銀行財務報告，因此DB不是日度數(shù)據。根據各個商業(yè)銀行的公開信息，財務報告的數(shù)據頻率最高為季度頻率，因此，本研究DB的數(shù)據值按以下對應方式處理：每年1月、2月和3月股票日度數(shù)據對應第1個季度的財務報告相關數(shù)據；4月、5月和6月股票日度數(shù)據對應半年報的相關數(shù)據；7月、8月和9月股票日度數(shù)據對應第3個季度的財務報告相關數(shù)據；10月、11月和12月股票日度數(shù)據對應銀行年報的相關數(shù)據。本研究使用GARCH(1,1)模型估計KMV模型求解過程中需要的商業(yè)銀行股票日度波動率。

(2)測量系統(tǒng)性風險貢獻度

在系統(tǒng)性風險貢獻度的測量方面，目前全球學術界主流的測量指標主要是ΔCoVaR，ΔCoVaR關注一家商業(yè)銀行風險變高對整體銀行業(yè)的影響。借鑒ADRIAN et al.[46]的研究，對CoVaR的定義為，當某一家商業(yè)銀行陷入困境后銀行體系的VaR值。對ΔCoVaRj定義為，當j商業(yè)銀行陷入困境后銀行體系的VaR值與j商業(yè)銀行正常經營時銀行體系VaR值的差值。借鑒ACHARYA et al.[47]和KREIS et al.[48]的研究，本研究假設j商業(yè)銀行股票收益率和銀行業(yè)指數(shù)收益率的期望值為0，則在正態(tài)分布假設下，j商業(yè)銀行的ΔCoVaR可以表示為

ΔCoVaRj,t=ρj,m,tσm,tN-1(q)

(6)

其中，m為銀行業(yè)整體，j為單一商業(yè)銀行，σm,t為銀行業(yè)指數(shù)收益率的標準差，ρj,m,t為j商業(yè)銀行與銀行業(yè)指數(shù)的相關系數(shù)，N-1(q)為正態(tài)分布在q分位點的值。本研究使用DCC-GARCH模型計算ρj,m,t和σm,t。為了有效刻畫銀行業(yè)陷入危機的程度，借鑒VaR測算的基本做法，本研究q的取值設為0.010。

2.2.2 樣本數(shù)據和實證結果

鑒于匯率數(shù)據的時間序列從2007年7月開始，截止到2018年12月。本研究選取的樣本為2018年之前上市的28家商業(yè)銀行，包括中國農業(yè)銀行、中國工商銀行、中國建設銀行、中國銀行和交通銀行5家國有大型商業(yè)銀行，中國光大銀行、華夏銀行、中國民生銀行、平安銀行、浦發(fā)銀行、興業(yè)銀行、招商銀行和中信銀行8家股份制商業(yè)銀行，以及北京銀行、南京銀行、寧波銀行、江蘇常熟農村商業(yè)銀行(以下簡稱為常熟銀行)、江蘇江陰農村商業(yè)銀行(以下簡稱為江陰銀行)、貴陽銀行、杭州銀行、上海銀行、江蘇銀行、無錫農村商業(yè)銀行(以下簡稱為無錫銀行)、江蘇蘇州農村銀行(以下簡稱為蘇農銀行)、江蘇張家港農村商業(yè)銀行(以下簡稱為張家港行)、鄭州銀行、長沙銀行和成都銀行15家城市商業(yè)銀行。

2018年，在中美貿易戰(zhàn)的驅動下，匯率價格的波動幅度增大，因地緣政治摩擦和貿易戰(zhàn)引發(fā)的匯率風險成為影響金融市場穩(wěn)定的重要因素。巴塞爾協(xié)議指出，匯率風險是一項重要的系統(tǒng)風險因子，匯率價格的波動將通過影響商業(yè)銀行資產負債頭寸和幣種結構間接影響商業(yè)銀行抵御匯率風險的能力。圖2給出28家商業(yè)銀行2018年外匯風險敞口凈額，從中可以看出，5家國有大型商業(yè)銀行持有的外匯風險頭寸高于股份制商業(yè)銀行和城市商業(yè)銀行，說明國有大型商業(yè)銀行比其他兩種類型的商業(yè)銀行面臨著更高的貨幣錯配風險。其中，中國銀行的外匯風險敞口最大，這可能是因為中國銀行是中國商業(yè)銀行中兌換外幣種類最多的商業(yè)銀行，貨幣錯配風險的集中度也更高。股份制商業(yè)銀行和城市商業(yè)銀行的外匯風險敞口較國有大型商業(yè)銀行更小，但大部分商業(yè)銀行的外匯風險敞口仍然為正。此外，雖然部分商業(yè)銀行的外匯風險敞口為負值，但并不能完全說明這些商業(yè)銀行面臨較低的外匯風險，原因在于外匯風險敞口是一個存量概念，無法刻畫出某一時間點資產和負債的變化。由此可見，匯率風險對商業(yè)銀行的風險存在影響。

數(shù)據來源：各商業(yè)銀行年報。

圖2 28家商業(yè)銀行2018年外匯風險敞口凈額Figure 2 Net Foreign Exchange Risk Exposure of 28 Commercial Banks in 2018

表2 風險變量為PD的MS模型回歸結果Table 2 MS Model Regression Results with the Risk Variable being PD

系數(shù)估計值b1b2c1c2γ1γ2狀態(tài)1持續(xù)時間狀態(tài)2持續(xù)時間狀態(tài)1方差狀態(tài)2方差中國農業(yè)銀行-0.0001???0.001-0.0001???0.023???0.0001-0.020???34.430∞0.0000010.001 中國工商銀行0.001???0.0002???-0.003???-0.001???0.001???-0.001???38.650128.7100.000090.00001中國建設銀行0.001?0.00010.0010.001???0.0004-0.000265.69056.3700.00010.00001中國銀行0.0002???0.001???-0.001???-0.002???-0.0001???0.0001???∞ 9.9200.000080.00006交通銀行0.0001-0.0004-0.00030.001-0.001???-0.002 ∞99.7100.000040.0007中國光大銀行-0.0001???0.013???-0.0003???0.102???0.0001???-0.18447.240103.6500.0000010.028華夏銀行-0.0001???-0.0003???-0.001???-0.001???0.0004???0.005???∞ 10.000060.0003中國民生銀行0.00030.001???-0.002???-0.001???0.004???-0.000253.870101.4400.000050.00002平安銀行-0.0001???-0.0001???-0.0001???-0.0001???0.001???-0.0003???∞ 10.000060.0002浦發(fā)銀行0.0001???0.0001???-0.001???0.001???0.001???0.001???∞ 10.000060.00009興業(yè)銀行-0.0001??0.0001-0.002???0.001??0.001???-0.00176.02055.8000.000010.0001招商銀行0.0004???-0.001??-0.001???0.0010.001???-0.002??97.05051.8900.000010.00007中信銀行0.0004???-0.0003???-0.003???-0.004???-0.001???-0.002???∞∞0.000050.0001北京銀行-0.0004???-0.001-0.001???0.0010.009-0.00150.69012.5000.000030.0001南京銀行-0.00010.0003??0.0001-0.001-0.0004??0.0000375.44049.4100.0000040.00009寧波銀行-0.001???0.001???-0.002???-0.005???0.0002-0.000243.42057.1100.0000050.0001常熟銀行-0.008-0.001???0.0520.006???0.0200.004???8 ∞0.0040.000002江陰銀行-0.004-0.001?-0.225???0.007???0.270???-0.00215.40039.7500.0040.00002貴陽銀行-0.00001-0.0001???-0.131?0.001???0.301???0.0003??∞ 67.0600.0080.0000001杭州銀行0.00020.005-0.0000010.613???0.001-0.07113.08010.2500.0000060.026上海銀行0.00001-0.0004-0.00030.143??0.00001-0.0407.2305.7200.00000010.015江蘇銀行0.008?-0.00001-0.275???0.000010.130???0.00015.660158.5800.0010.0000001無錫銀行-0.018???0.0002-0.137???0.004??0.201???-0.003?18.44027.8400.0040.000006蘇農銀行0.0001-0.0010.007???0.143-0.012???-0.01924.8606.5900.000010.004張家港行0.0002-0.001-0.1320.0160.312???0.00317.60023.0800.0060.00003鄭州銀行0.5220.0010.649-0.055?0.4090.012∞ ∞0.0180.000004長沙銀行-0.032???0.0441.392???-0.3990.162-0.25916.7803.8600.0010.00001成都銀行0.0280.0002-1.071???0.024??-0.0290.045???3.76018.7900.0050.00003國有加權0.00001???0.002???-0.0001???0.002-0.0001???-0.003??10.390 ∞0.00000010.0007股份加權-0.0003???-0.011???0.00040.0040.002???0.00334.68060.2600.000030.007城市加權-0.0001-0.001-0.002???0.031???-0.001???-0.034???30.6709.9200.000040.006

注：本研究使用Matlab軟件估計模型，系數(shù)估計值在小數(shù)點后第4位仍為0的，雖然其顯著性水平很高，但由于數(shù)值非常低，可以認為其影響為0；*為在10%水平上顯著；∞為狀態(tài)持續(xù)時間數(shù)值特別大，超過了合理的期限；本研究根據方差大小確定風險狀態(tài)。下同。

表2給出以PD指標測量商業(yè)銀行個體經營風險的MS模型估計結果。本研究比較表2中兩種狀態(tài)下的方差大小，判斷商業(yè)銀行處于高風險狀態(tài)還是低風險狀態(tài)。對于某商業(yè)銀行，其狀態(tài)1和狀態(tài)2中方差較大的為高風險狀態(tài)，方差較小的為低風險狀態(tài)。根據方差的估計結果，狀態(tài)1為高風險的商業(yè)銀行包括中國工商銀行、中國建設銀行、中國銀行、中國民生銀行、常熟銀行、江陰銀行、貴陽銀行、江蘇銀行、無錫銀行、張家港行、鄭州銀行、長沙銀行、成都銀行。狀態(tài)2為高風險的商業(yè)銀行包括中國農業(yè)銀行、交通銀行、中國光大銀行、華夏銀行、平安銀行、浦發(fā)銀行、興業(yè)銀行、招商銀行、中信銀行、北京銀行、南京銀行、寧波銀行、杭州銀行、上海銀行、蘇農銀行。在高風險狀態(tài)下，當人民幣兌美元匯率短期波動率上升時，中國工商銀行、中國建設銀行、中國銀行、中國光大銀行、浦發(fā)銀行、南京銀行、寧波銀行和江蘇銀行的風險顯著上升，華夏銀行、平安銀行、招商銀行、中信銀行、無錫銀行和長沙銀行的風險顯著下降，其余銀行的估計系數(shù)則不顯著，說明人民幣兌美元匯率短期波動率上升對中國商業(yè)銀行的個體經營風險并沒有產生較大的負面影響。當人民幣兌歐元匯率短期波動率上升時，中國農業(yè)銀行、中國光大銀行、浦發(fā)銀行、興業(yè)銀行、杭州銀行、上海銀行和長沙銀行的風險均顯著上升，中國工商銀行、中國銀行、華夏銀行、中國民生銀行、平安銀行、中信銀行、寧波銀行、江陰銀行、貴陽銀行、江蘇銀行、無錫銀行和成都銀行的風險顯著下降，說明人民幣兌歐元匯率短期風險上升時，中國商業(yè)銀行風險下降的個數(shù)較多，人民幣兌歐元匯率波動對中國商業(yè)銀行個體經營風險影響具有對沖作用。當人民幣兌日元匯率短期波動率上升時，中國工商銀行、華夏銀行、中國民生銀行、浦發(fā)銀行、江陰銀行、貴陽銀行、江蘇銀行、無錫銀行和張家港行風險顯著上升，中國農業(yè)銀行、中國銀行、平安銀行、招商銀行和中信銀行的風險顯著下降，其余商業(yè)銀行估計結果不顯著，說明人民幣兌日元匯率上升對中國商業(yè)銀行個體經營風險的影響較大。從狀態(tài)持續(xù)時間看，中國農業(yè)銀行、中國銀行、中信銀行、貴陽銀行和鄭州銀行處在高風險的時間相對較長。整體看，匯率波動對中國商業(yè)銀行個體風險的影響表現(xiàn)出一定的異質性特征。

本研究繼續(xù)使用KMV模型求解的資產市值加權，得到3類商業(yè)銀行加權的風險PD值，并進行MS回歸分析，結果見表2。由表2可知，對于這3類商業(yè)銀行，狀態(tài)1為低風險狀態(tài)，狀態(tài)2為高風險狀態(tài)。在高風險狀態(tài)下，對于國有大型商業(yè)銀行，人民幣兌美元匯率的估計結果顯著為正，人民幣兌日元匯率的估計結果顯著為負；對于股份制商業(yè)銀行，人民幣兌美元的估計結果顯著為負；而對于城市商業(yè)銀行，人民幣兌歐元的估計結果顯著為正，人民幣兌日元的估計結果顯著為負。說明人民幣兌美元匯率對中國國有大型商業(yè)銀行的個體經營風險的影響較大，人民幣兌歐元匯率的短期波動主要影響城市商業(yè)銀行的個體經營風險，人民幣兌日元匯率的波動并沒有顯著增加國有大型商業(yè)銀行和城市商業(yè)銀行的個體經營風險。從狀態(tài)持續(xù)時間看，國有大型商業(yè)銀行處在高風險狀態(tài)的時間長于股份制商業(yè)銀行，城市商業(yè)銀行處在高風險狀態(tài)下的時間最短。

表3給出以ΔCoVaR指標測量商業(yè)銀行個體經營風險的MS模型估計結果。由于ΔCoVaR為負值，因此當估計結果顯著為正說明自變量增加，ΔCoVaR下降；反之則上升。對于風險狀態(tài)的判斷方法與表2相同。由表3中狀態(tài)1和狀態(tài)2的方差估計結果可知，狀態(tài)1為高風險的銀行包括中國農業(yè)銀行、中國工商銀行、中國建設銀行、中國銀行、常熟銀行、江陰銀行、貴陽銀行、杭州銀行、上海銀行、江蘇銀行和張家港行。狀態(tài)2為高風險的銀行包括交通銀行、中國光大銀行、華夏銀行、中國民生銀行、平安銀行、浦發(fā)銀行、興業(yè)銀行、招商銀行、中信銀行、北京銀行、南京銀行、寧波銀行、無錫銀行、蘇農銀行、鄭州銀行、長沙銀行和成都銀行。在高風險狀態(tài)下，當人民幣兌美元匯率短期波動率上升時，中國光大銀行、華夏銀行、平安銀行、招商銀行、中信銀行、常熟銀行、江陰銀行、貴陽銀行、杭州銀行、上海銀行、江蘇銀行、無錫銀行和張家港行的系數(shù)估計值均顯著為負值，說明當美元匯率短期波動率上升時，這些商業(yè)銀行對銀行業(yè)系統(tǒng)性風險貢獻度均顯著上升；而中國工商銀行、中國建設銀行、中國銀行、中國民生銀行、浦發(fā)銀行、南京銀行、寧波銀行、鄭州銀行和長沙銀行的系數(shù)估計值顯著為正值，說明其系統(tǒng)性風險貢獻度下降，監(jiān)管應在此情況下重點關注除這9家商業(yè)銀行外的其他商業(yè)銀行。在高風險狀態(tài)下，當人民幣兌歐元匯率短期波動率上升時，中國工商銀行、中國銀行、華夏銀行、中國民生銀行、平安銀行、中信銀行、寧波銀行和江蘇銀行的系數(shù)估計值均顯著為負值，說明此時這些銀行系統(tǒng)性風險貢獻度顯著上升；中國農業(yè)銀行、中國光大銀行、浦發(fā)銀行、興業(yè)銀行、常熟銀行、杭州銀行、上海銀行、張家港行、鄭州銀行和長沙銀行的系數(shù)估計值顯著為正值，說明此時這些商業(yè)銀行的系統(tǒng)性風險貢獻度下降。在高風險狀態(tài)下，當人民幣兌日元匯率短期波動率上升時，中國光大銀行、平安銀行、招商銀行、中信銀行、上海銀行、江蘇銀行和無錫銀行的系數(shù)估計值均顯著為負值，說明這些商業(yè)銀行的系統(tǒng)性風險貢獻度上升；而中國銀行、華夏銀行、浦發(fā)銀行、常熟銀行、江陰銀行、貴陽銀行、張家港行、鄭州銀行和長沙銀行在此情景下估計系數(shù)顯著為正值，說明系統(tǒng)性風險貢獻度下降?？傊?，人民幣兌美元匯率短期波動率上升時，系統(tǒng)性風險貢獻度顯著上升的銀行數(shù)量大于系統(tǒng)性風險貢獻度顯著下降的銀行數(shù)量，說明人民幣兌美元匯率短期波動率的上升使大部分商業(yè)銀行的系統(tǒng)性風險貢獻度增加。而人民幣兌歐元和日元匯率短期波動率上升時，大多數(shù)商業(yè)銀行的系統(tǒng)性風險貢獻度下降。

從狀態(tài)持續(xù)時間看，中國銀行、中信銀行、江陰銀行、上海銀行和江蘇銀行處在高風險狀態(tài)下的時間較長。此外，大多數(shù)城市商業(yè)銀行處在高風險狀態(tài)下的時間均長于低風險狀態(tài)下的持續(xù)時間。說明匯率短期波動對城市商業(yè)銀行系統(tǒng)性風險貢獻度影響很大，中國應密切關注匯率波動對城市商業(yè)銀行系統(tǒng)性風險的影響。

表3 風險指標變量為ΔCoVaR的MS模型回歸結果Table 3 MS Model Regression Results with the Risk Variable being ΔCoVaR

注：#為估計程序沒有收斂。

總體來講，從單個商業(yè)銀行風險看，人民幣兌美元匯率對國有大型商業(yè)銀行個體經營風險的影響較大，人民幣兌歐元匯率則顯著影響了大多數(shù)城市商業(yè)銀行的個體經營風險，而人民幣兌日元匯率的波動并沒有顯著增加國有大型商業(yè)銀行和城市商業(yè)銀行的個體經營風險。從狀態(tài)持續(xù)時間看，國有大型商業(yè)銀行處在高風險狀態(tài)的時間長于股份制商業(yè)銀行。從系統(tǒng)性風險貢獻度角度看，人民幣兌美元匯率短期波動率的上升顯著增加了中國銀行業(yè)的系統(tǒng)性風險水平，且城市商業(yè)銀行的系統(tǒng)性風險受匯率波動的影響最大。主要的原因可能是中小城市商業(yè)銀行參與匯率衍生工具市場有限，無法有效規(guī)避和管理匯率風險。

3使用匯率衍生產品對銀行業(yè)風險的影響

本研究的實證結果表明，匯率波動性既有增加商業(yè)銀行個體經營風險的情況，也有降低商業(yè)銀行個體經營風險的情況，同時匯率短期波動率上升增加銀行業(yè)的系統(tǒng)性風險。作為巴塞爾協(xié)議中重要的風險因子，商業(yè)銀行有必要使用匯率衍生工具管理匯率風險?；诖耍静糠衷谇拔膶嵶C分析基礎上，使用面板數(shù)據回歸的方法，研究商業(yè)銀行使用匯率衍生產品對銀行業(yè)風險的影響。

鑒于數(shù)據可得性，商業(yè)銀行匯率衍生工具的使用在商業(yè)銀行半年度財務報告中披露，且為了與前文統(tǒng)一，面板回歸分析的樣本期間為2007年7月1日至2018年12月31日，2007年7月1日未上市銀行數(shù)據從上市日開始計算。數(shù)據源自Wind數(shù)據庫，數(shù)據頻率為半年度。對于前文求解的兩個風險指標PD值和ΔCoVaR，本研究對每半年取一個均值，作為半年度數(shù)據代表。本研究選取商業(yè)銀行貨幣遠期和掉期衍生工具的名義金額合計值與資產總額的比值(exn)、資產方公允價值與資產總額的比值(exa)和負債方公允價值與資產總額的比值(exl)作為商業(yè)銀行匯率衍生品相關交易的指標。由于目前常熟銀行、江陰銀行、貴陽銀行、無錫銀行、蘇農銀行、張家港行、鄭州銀行、長沙銀行和成都銀行并未開展貨幣遠期和貨幣掉期相關業(yè)務，因此匯率衍生品的相關指標中不包含上述銀行。具體回歸模型為

(7)

其中，Ris′為PD值和ΔCoVaR半年度平均值，EX為exn、exa或者exl，X為控制變量，λ為常數(shù)項，φS和ξS為待估參數(shù)，υ′為隨機擾動項。在控制變量選擇上，①借鑒JAYARATNE et al.[49]的研究，本研究選擇商業(yè)銀行資本充足率(cap)為控制變量。資本充足率越高的商業(yè)銀行，償付能力越強，風險越低。②為了控制商業(yè)銀行貸款質量對信貸供給的影響，本研究將商業(yè)銀行不良貸款率(npl)作為控制變量納入模型。根據彭建剛等[50]的研究，不良貸款率越低，商業(yè)銀行財務越穩(wěn)健，商業(yè)銀行信貸投放能力就越強。③商業(yè)銀行規(guī)模與商業(yè)銀行風險密切相關，因此本研究將商業(yè)銀行資產規(guī)模取自然對數(shù)(siz)后納入模型作為控制變量。④借鑒斯文[51]的研究，本研究將信貸供給增長率(glo)作為控制變量納入模型。⑤借鑒HABIB et al.[52]的研究，匯率與經濟增長之間存在顯著的相關性，因此本研究引入GDP同比增長率(gdp)作為宏觀控制變量納入模型。⑥鑒于“811匯改”前后匯率波動明顯，本研究引入一組“811匯改”啞變量(hg)作為宏觀控制變量，控制“811匯改”帶來的影響，當樣本時間屬于“811匯改”之后取值為1，否則取值為0。其中，商業(yè)銀行資本充足率、商業(yè)銀行不良貸款率、商業(yè)銀行資產規(guī)模和信貸供給增長率為商業(yè)銀行個體經營指標，為非宏觀控制變量，數(shù)據來源于Wind數(shù)據庫和各家商業(yè)銀行財務報告；GDP同比增長率和“811匯改”啞變量為宏觀控制變量，GDP同比增長率的數(shù)據來源于國家統(tǒng)計局網站。本研究使用Hausman檢驗決定使用隨機效應模型還是固定效應模型。

表4給出面板回歸分析數(shù)據的統(tǒng)計特征。由表4可知，PD的均值為0.025，表明樣本內商業(yè)銀行平均倒閉概率約為0.025；系統(tǒng)性風險貢獻度ΔCoVaR的均值為-0.025，說明平均來看，單個商業(yè)銀行陷入困境使整體銀行業(yè)收益率下降2.539%。從匯率衍生產品使用狀況看，平均名義金額占資產總額的比值為15.637%。按公允價值資產計算，資產方公允價值與資產總額的比值平均為0.153%，負債方公允價值平均占資產總額的比值平均為0.142%，說明整體匯率資產與負債基本是匹配的。在控制變量方面，樣本期內商業(yè)銀行半年度的平均信貸增長率為8.672%，說明樣本期間內中國信貸增長率相對較高。平均不良貸款率為1.375%，而平均資本充足率達到12.503%，說明樣本期內中國商業(yè)銀行信用風險較低，償付能力很強。

表4 面板回歸分析樣本數(shù)據統(tǒng)計特征Table 4 Statistical Characteristics of Panel Regression Analysis Sample Data

注：本研究將exl設定為負值。樣本數(shù)據為非平衡面板數(shù)據，因此變量樣本量不一致；gdp為宏觀經濟控制變量，因此樣本量為樣本期個數(shù)。

表5和表6分別給出不包含宏觀控制變量和包含宏觀控制變量的面板數(shù)據回歸結果。Hausman檢驗表明，對于因變量為PD的回歸方程應使用隨機效應模型，對于因變量為ΔCoVaR的模型應使用固定效應。由表5可知，當匯率衍生產品名義價值占資產總額增加時，對商業(yè)銀行個體經營風險和系統(tǒng)性風險貢獻度均沒有產生顯著的影響。從公允價值計價看，無論是公允價值資產方，還是公允價值負債方，匯率衍生產品均沒有對商業(yè)銀行個體經營風險和系統(tǒng)性風險貢獻度產生顯著影響。同時，表5結果也表明，規(guī)模越大的商業(yè)銀行，個體風險越低，而系統(tǒng)性風險貢獻度則越高。這可能是由于中國大型商業(yè)銀行風險管理體系健全，因此個體經營風險低，但一旦大型商業(yè)銀行陷入困境，則導致很高的傳染風險。由表6可知，在引入宏觀控制變量后，匯率衍生品名義價值以及公允價值資產方和負債方的變動均對商業(yè)銀行個體經營風險和系統(tǒng)性風險貢獻度沒有顯著影響。由于ΔCoVaR是負值，回歸結果顯示GDP同比增長率的上升使商業(yè)銀行系統(tǒng)性風險貢獻度顯著下降，說明經濟的快速增長有助于降低銀行業(yè)系統(tǒng)性風險；“811匯改”變量的系數(shù)估計結果顯著為正，說明“811匯改”的實施降低了商業(yè)銀行的系統(tǒng)性風險貢獻度?？傮w看，面板數(shù)據回歸分析表明，匯率衍生產品名義價值占資產總額比值和公允價值(無論是資產方還是負債方)占資產總額比值并沒有顯著影響商業(yè)銀行個體經營風險和系統(tǒng)性風險貢獻度。

表5 面板回歸估計結果(不含宏觀控制變量)Table 5 Panel Regression Estimated Results(Without Macro Control Variables)

注：使用stata軟件估計面板數(shù)據模型，下同。

表6 面板回歸估計結果(含宏觀控制變量)Table 6 Panel Regression Estimated Results(Macro Control Variables)

4結論

隨著中國商業(yè)銀行將逐漸走向國際，匯率風險成為影響銀行業(yè)系統(tǒng)性風險的主要風險因子。已有對于匯率風險溢出效應的研究多關注宏觀層面，本研究嘗試打通宏觀-微觀的連接通道，以2018年在中國上市的大型商業(yè)銀行為研究樣本，從商業(yè)銀行個體經營風險和系統(tǒng)性風險貢獻度兩個角度，研究人民幣兌美元、歐元和日元匯率短期波動對中國商業(yè)銀行的風險溢出效應，并研究使用商業(yè)銀行匯率衍生產品對商業(yè)銀行個體經營風險和系統(tǒng)性風險貢獻度的影響。研究結果表明，匯率波動對商業(yè)銀行的風險具有異質性，且使用匯率衍生品給商業(yè)銀行風險帶來的影響相對中性。從單個商業(yè)銀行風險看，人民幣兌美元匯率短期波動率對國有大型商業(yè)銀行個體經營風險的影響較大，人民幣兌歐元匯率短期波動率顯著影響大多數(shù)城市商業(yè)銀行的個體經營風險，人民幣兌日元匯率短期波動率并沒有增加國有大型商業(yè)銀行和城市商業(yè)銀行的個體經營風險；從狀態(tài)持續(xù)時間看，國有大型商業(yè)銀行處在高風險狀態(tài)的時間長于股份制商業(yè)銀行；從系統(tǒng)性風險貢獻度角度看，人民幣兌美元匯率短期波動率的上升顯著增加了中國銀行業(yè)的系統(tǒng)性風險貢獻度水平，且城市商業(yè)銀行的系統(tǒng)性風險貢獻度受匯率波動的影響最大；而匯率衍生產品名義價值占資產總額比值和衍生產品公允價值(無論是資產方還是負債方)占資產總額比值均不會影響商業(yè)銀行個體經營風險和系統(tǒng)性風險貢獻度。

基于本研究結果，提出政策建議如下。

①重視人民幣兌美元匯率短期波動率的影響。本研究實證分析表明，人民幣兌美元匯率短期波動率上升使樣本內大部分商業(yè)銀行的系統(tǒng)性風險增加，對于國有大型商業(yè)銀行而言，其個體經營風險也顯著上升。這反映出中美作為世界兩大經濟體，貿易爭端使不確定性加大，人民幣兌美元匯率的短期波動增加。商業(yè)銀行作為國際貿易融資的重要載體，匯率的不穩(wěn)定性必然傳導至銀行體系。因此，監(jiān)管當局應重視人民幣兌美元匯率短期波動率對中國銀行業(yè)的風險溢出效應。

②重視匯率波動對銀行業(yè)系統(tǒng)性風險的影響。本研究實證分析表明，匯率短期波動率增加了樣本內大多數(shù)商業(yè)銀行的系統(tǒng)性風險貢獻度。鑒于樣本內銀行都是中國大型商業(yè)銀行，其倒閉對中國金融體系風險影響極大，因此為了有效管理銀行業(yè)系統(tǒng)性風險，監(jiān)管部門應加強對匯率風險的監(jiān)測和分析。此外，監(jiān)管部門應特別關注匯率波動對城市商業(yè)銀行系統(tǒng)性風險貢獻度的影響。從系統(tǒng)性風險貢獻度角度看，樣本內大多數(shù)城市商業(yè)銀行在高風險狀態(tài)下的持續(xù)時間較長，但從個體經營風險角度看，城市商業(yè)銀行的狀態(tài)持續(xù)時間較短，這說明城市商業(yè)銀行在面臨困境的情況下表現(xiàn)出很強的風險傳染。因此，加強對城市商業(yè)銀行匯率風險的監(jiān)管有助于整個銀行業(yè)的穩(wěn)定發(fā)展。

③發(fā)展匯率衍生產品市場。雖然本研究實證分析表明匯率衍生產品名義的增加降低商業(yè)銀行個體經營風險，但實證分析也表明，匯率衍生產品市場并沒有有效地降低系統(tǒng)性風險貢獻度，缺乏緩釋系統(tǒng)性風險的能力。鑒于匯率風險因子具有系統(tǒng)性特征，因此中國應加大發(fā)展匯率衍生產品市場，使其具有管理系統(tǒng)性風險的職能，從而更好地維護金融體系的穩(wěn)定。

目前中國尚未爆發(fā)由匯率波動導致的金融危機，因此無法驗證本研究結果；此外，鑒于數(shù)據的可得性，本研究無法使用更加詳細的匯率數(shù)據進行分析，無法更加明確地研究匯率風險如何波及到商業(yè)銀行，這是本研究的不足之處。