馬家麗, 龐小川, 朱書尚*, 莫瑩軍

(1. 貴州財經(jīng)大學(xué)大數(shù)據(jù)統(tǒng)計學(xué)院, 貴陽 550025; 2. 中山大學(xué)管理學(xué)院, 廣州 510275;3. 中山大學(xué)數(shù)學(xué)學(xué)院, 廣州 510275)

0 引 言

近十多年來美國次貸危機(jī)、歐債危機(jī)的爆發(fā)極大引發(fā)了人們對金融體系系統(tǒng)性風(fēng)險的關(guān)注.金融體系作為資金融通的渠道,其穩(wěn)定性關(guān)乎實體經(jīng)濟(jì)乃至整個國民經(jīng)濟(jì)的健康發(fā)展.金融體系系統(tǒng)性風(fēng)險不是個別金融機(jī)構(gòu)破產(chǎn)或個別金融資產(chǎn)價格大幅下跌的風(fēng)險,而是由某個/類特殊事件引發(fā)的多家金融機(jī)構(gòu)破產(chǎn)或金融市場崩潰,從而導(dǎo)致金融體系功能無法正常發(fā)揮的風(fēng)險[1, 2].如何防范金融體系系統(tǒng)性風(fēng)險、維護(hù)金融穩(wěn)定已成為金融監(jiān)管當(dāng)局及學(xué)界重點關(guān)切的問題.當(dāng)前,中國經(jīng)濟(jì)形勢復(fù)雜,一方面面臨國際貿(mào)易摩擦;另一方面國內(nèi)經(jīng)濟(jì)形勢嚴(yán)峻:房價過高、杠桿率偏高、經(jīng)濟(jì)增長乏力等.這些風(fēng)險因素都有可能成為系統(tǒng)性風(fēng)險爆發(fā)的導(dǎo)火索. 2017年我國進(jìn)入銀行業(yè)強(qiáng)監(jiān)管的時代,為守住系統(tǒng)性風(fēng)險不發(fā)生的底線,銀監(jiān)會掀起了一場監(jiān)管風(fēng)暴.嚴(yán)監(jiān)管下,我國銀行體系總體運(yùn)行平穩(wěn),但仍然出現(xiàn)了諸多問題:錦州銀行2018年和2019年上半年皆出現(xiàn)重大虧損以至于無法提供財務(wù)報告;包商銀行由于出現(xiàn)嚴(yán)重的信用風(fēng)險而被接管;多家銀行由于授信及監(jiān)管不當(dāng)而受到處罰;債券市場也陸續(xù)出現(xiàn)違約.由此可見,我國金融體系風(fēng)險監(jiān)測與管理工作仍有待進(jìn)一步科學(xué)規(guī)范與加強(qiáng).因此,深入研究我國銀行體系系統(tǒng)性風(fēng)險,識別出系統(tǒng)性關(guān)鍵行業(yè)及資產(chǎn),對防范和化解我國金融體系系統(tǒng)性風(fēng)險具有重要的理論意義和實踐價值.金融體系主要由金融機(jī)構(gòu)體系、金融市場和監(jiān)管部門等構(gòu)成.本文主要研究金融機(jī)構(gòu)體系系統(tǒng)性風(fēng)險.為簡潔起見,在不至于引起歧義的情況下,本研究亦以“金融體系”狹義代指金融機(jī)構(gòu)體系.

金融體系由于自身業(yè)務(wù)的網(wǎng)絡(luò)關(guān)聯(lián)性,經(jīng)濟(jì)中的一個小幅波動亦可能促發(fā)金融體系系統(tǒng)性風(fēng)險.如圖1所示:一方面,金融機(jī)構(gòu)常面臨相同的外部資金需求者和投資項目,例如,各銀行貸款集中于某一行業(yè)或購買同一種債券,因此金融機(jī)構(gòu)的外部資產(chǎn)持有必然存在重疊.另一方面,金融體系為保證流動性需求,體系內(nèi)部機(jī)構(gòu)間往往存在相互拆借行為,這種相互借貸將整個體系聯(lián)系起來構(gòu)成了借貸網(wǎng)絡(luò).由此,當(dāng)外部資金需求者違約或銀行持有資產(chǎn)貶值時,金融機(jī)構(gòu)可能會面臨財務(wù)危機(jī)而出現(xiàn)破產(chǎn)(稱為初始破產(chǎn),相應(yīng)的破產(chǎn)機(jī)構(gòu)稱為初始破產(chǎn)機(jī)構(gòu)).初始破產(chǎn)機(jī)構(gòu)會通過出售其持有的外部投資資產(chǎn)來償還債務(wù),這一行為使得大量資產(chǎn)涌入市場會造成資產(chǎn)價格下跌,從而導(dǎo)致持有相同資產(chǎn)的其它金融機(jī)構(gòu)的資產(chǎn)貶值(稱為外部資產(chǎn)重疊價格傳染),并可能進(jìn)一步引發(fā)新的機(jī)構(gòu)破產(chǎn).破產(chǎn)機(jī)構(gòu)不能足額償還相關(guān)機(jī)構(gòu)的債務(wù),經(jīng)由相互借貸網(wǎng)絡(luò)使得相關(guān)機(jī)構(gòu)內(nèi)部借貸資產(chǎn)損失(稱為內(nèi)部借貸違約傳染),亦可進(jìn)一步引發(fā)新的機(jī)構(gòu)破產(chǎn).如此循環(huán)往復(fù),外部資產(chǎn)重疊價格傳染和內(nèi)部借貸違約傳染共同作用可將風(fēng)險的影響范圍擴(kuò)大,使得金融體系的損失不斷加重,進(jìn)而引發(fā)系統(tǒng)性風(fēng)險.有鑒于此,金融體系系統(tǒng)性風(fēng)險的度量必須綜合考慮內(nèi)部借貸及外部資產(chǎn)重疊的聯(lián)合傳染放大效應(yīng),否則金融體系系統(tǒng)性風(fēng)險將被大為低估.

圖1 金融體系內(nèi)部相互借貸及外部資產(chǎn)重疊

國際上對于系統(tǒng)性風(fēng)險的研究,主要分為兩類:一類從金融機(jī)構(gòu)市場數(shù)據(jù)出發(fā),通過CoVaR[3-5]等風(fēng)險指標(biāo)分析金融機(jī)構(gòu)尾部風(fēng)險事件對金融體系整體風(fēng)險的影響;另一類則從金融機(jī)構(gòu)資產(chǎn)負(fù)債結(jié)構(gòu)出發(fā),利用網(wǎng)絡(luò)模型,考慮風(fēng)險傳染機(jī)制對系統(tǒng)性風(fēng)險的影響.本研究屬于后者.Allen 和 Gale[2]與Eisenberg 和 Noe[6]等率先利用網(wǎng)絡(luò)模型分析金融機(jī)構(gòu)內(nèi)部相互借貸對金融體系系統(tǒng)性風(fēng)險的影響.特別是,Eisenberg 和 Noe[6]給出了金融體系受到?jīng)_擊后,金融機(jī)構(gòu)的內(nèi)部債務(wù)清算機(jī)制及均衡支付向量的計算方法(簡稱E-N模型),為系統(tǒng)性風(fēng)險傳染機(jī)理及測度的研究和實踐打開了新的篇章.自E-N模型提出以后,基于網(wǎng)絡(luò)模型對金融體系系統(tǒng)性風(fēng)險的研究不斷涌現(xiàn).Cifuentes 等[7]在E-N模型的基礎(chǔ)上考慮金融機(jī)構(gòu)持有外部單一資產(chǎn)的情形,并討論了資產(chǎn)折價變賣(流動性)對金融體系系統(tǒng)性風(fēng)險的影響.Glasserman 和 Young[8]在E-N框架下分析了金融體系系統(tǒng)性風(fēng)險傳染可能性大小(概率)與金融機(jī)構(gòu)內(nèi)部相互借貸網(wǎng)絡(luò)結(jié)構(gòu)之間的關(guān)系.Amini 等[9]分析了E-N 模型加入持有外部單一資產(chǎn)后,金融機(jī)構(gòu)均衡清算向量的存在性和唯一性問題.在相同的模型下,Chen 等[10]對風(fēng)險傳染的網(wǎng)絡(luò)效應(yīng)和流動性效應(yīng)進(jìn)行對比分析,指出資產(chǎn)流動性不足更可能引發(fā)系統(tǒng)性風(fēng)險.Feinstein[11]將E-N模型拓展到持有外部多種資產(chǎn)的情形,探討了清算向量的計算問題,并研究了當(dāng)機(jī)構(gòu)出現(xiàn)危機(jī)時資產(chǎn)的變賣策略.在相同的模型上,Ma 等[12]進(jìn)一步從理論上分析了內(nèi)部相互借貸及外部資產(chǎn)重疊對金融體系系統(tǒng)性風(fēng)險的聯(lián)合影響機(jī)制,指出二者有很強(qiáng)的共振效應(yīng),并據(jù)此給出了金融體系系統(tǒng)性風(fēng)險的一種啟發(fā)式最優(yōu)救助策略.在利用E-N模型對金融體系系統(tǒng)性風(fēng)險進(jìn)行測度的實踐方面,國際上,Elsinger 等[13]對奧地利銀行體系系統(tǒng)性風(fēng)險進(jìn)行了評估,較早給出了銀行體系系統(tǒng)性風(fēng)險的分析框架.值得指出的是,雖然沒有像E-N模型對機(jī)制的深入探討,Caccioli 等[14]、 Caccioli 等[15]同樣利用網(wǎng)絡(luò)模型并結(jié)合模擬方法研究了資產(chǎn)重疊對金融體系系統(tǒng)性風(fēng)險的影響.其分析結(jié)果表明機(jī)構(gòu)間債務(wù)違約傳染和外部資產(chǎn)重疊價格傳染對系統(tǒng)性風(fēng)險的聯(lián)合影響非常顯著.

類似地,對于我國金融體系系統(tǒng)性風(fēng)險的研究也分為兩類:一類基于市場數(shù)據(jù),分析金融機(jī)構(gòu)或者行業(yè)與系統(tǒng)性風(fēng)險之間的關(guān)系.梁琪等[16]、陳守東和王妍[17]以及陳湘鵬等[18]等文獻(xiàn)基于金融機(jī)構(gòu)收益率數(shù)據(jù),通過MES、SES、CoVaR及SRISK等風(fēng)險指標(biāo)測度金融機(jī)構(gòu)對金融體系系統(tǒng)性風(fēng)險的影響.李政等[19]和楊子暉等[20]將計量模型與有向無環(huán)圖結(jié)合分析金融機(jī)構(gòu)或行業(yè)尾部風(fēng)險傳導(dǎo)的網(wǎng)絡(luò)效應(yīng).裴茜和朱書尚[21, 22]研究了我國股票市場暴跌暴漲時期在行業(yè)層面上風(fēng)險傳染的現(xiàn)象、渠道及網(wǎng)絡(luò)特征.宮曉莉等[23]利用方差分解網(wǎng)絡(luò)構(gòu)建金融機(jī)構(gòu)間信息溢出網(wǎng)絡(luò),分析表明高通脹和高杠桿均可加劇系統(tǒng)性風(fēng)險.基于銀行系統(tǒng)性風(fēng)險相關(guān)面板數(shù)據(jù),趙靜和郭曄[24]的分析表明存款保險制度實施初期會擴(kuò)大影子銀行業(yè)務(wù)從而推升系統(tǒng)性風(fēng)險.另一類基于金融機(jī)構(gòu)資產(chǎn)負(fù)債數(shù)據(jù),從相互借貸或者資產(chǎn)重疊的角度分析相互借貸及資產(chǎn)重疊對系統(tǒng)性風(fēng)險的傳染、放大效應(yīng).基于E-N模型,黃聰和賈彥東[25]利用我國銀行體系之間的支付數(shù)據(jù),考慮銀行間內(nèi)部風(fēng)險傳染機(jī)制,分析我國銀行體系系統(tǒng)性風(fēng)險與銀行間支付網(wǎng)絡(luò)之間的關(guān)系.隋聰?shù)萚26]、隋聰?shù)萚27]通過網(wǎng)絡(luò)模型,模擬研究相互借貸網(wǎng)絡(luò)的傳染效應(yīng).李世澤等[28]考慮銀行間相互借貸的情況下,房地產(chǎn)業(yè)貸款對銀行體系系統(tǒng)性風(fēng)險的影響.通過給定風(fēng)險傳染閾值,方意[29]利用最大熵方法恢復(fù)金融機(jī)構(gòu)間相互借貸數(shù)據(jù),并據(jù)此模擬研究金融機(jī)構(gòu)間借貸違約傳染效應(yīng).范小云等[30]全面考慮了銀行間的同業(yè)業(yè)務(wù),通過核心—外圍網(wǎng)絡(luò)填補(bǔ)銀行同業(yè)業(yè)務(wù)數(shù)據(jù),并據(jù)此識別系統(tǒng)性重要銀行.通過模擬分析,隋聰?shù)萚31]以及方意和黃麗靈[32]探究了資產(chǎn)重疊對系統(tǒng)性風(fēng)險的影響.徐國祥等[33]通過貝葉斯分層圖模型估計銀行間的關(guān)聯(lián)關(guān)系,結(jié)合銀行間相互借貸數(shù)據(jù),綜合模擬研究了銀行間的風(fēng)險傳染和放大效應(yīng).

如前所述,金融機(jī)構(gòu)內(nèi)部相互借貸所形成的金融網(wǎng)絡(luò),是導(dǎo)致系統(tǒng)性風(fēng)險的關(guān)鍵因素之一.Elliott 等[34]和Acemoglu 等[35]的研究表明不同內(nèi)部相互借貸網(wǎng)絡(luò)對金融體系系統(tǒng)性風(fēng)險傳染的作用不同.然而,通常情況下,機(jī)構(gòu)間相互借貸的詳實信息無法獲得,只能得到各機(jī)構(gòu)內(nèi)部相互借貸(資產(chǎn)/負(fù)債)的總額數(shù)據(jù).因此,要分析金融體系系統(tǒng)性風(fēng)險,一個必要的任務(wù)便是尋找合適的方法來恢復(fù)機(jī)構(gòu)內(nèi)部相互借貸數(shù)據(jù).在以往研究中,Upper 和 Worms[36]提出的恢復(fù)機(jī)構(gòu)內(nèi)部相互借貸網(wǎng)絡(luò)的最大熵法得到了較多應(yīng)用[13],但該方法只能恢復(fù)出比較均勻的網(wǎng)絡(luò),與現(xiàn)實網(wǎng)絡(luò)結(jié)構(gòu)存在一定的差異.Boss 等[37]、Lubóy[38]、Cajueiro 等[39]及Raddant[40]等研究表明金融體系內(nèi)部相互借貸網(wǎng)絡(luò)具有小世界特性,且節(jié)點度服從冪律分布.Gandy 和 Veraart[41]提出的貝葉斯方法可以生成滿足冪律分布的內(nèi)部相互借貸網(wǎng)絡(luò),比最大熵法生成的網(wǎng)絡(luò)更加接近現(xiàn)實.加之,該方法可生成一簇網(wǎng)絡(luò)樣本,相較于最大熵法只能恢復(fù)出唯一樣本,在系統(tǒng)性風(fēng)險評估中更加穩(wěn)健.

綜上所述,直接從市場數(shù)據(jù)出發(fā)利用計量方法測度金融體系系統(tǒng)性風(fēng)險的研究,具有簡潔直觀的優(yōu)點,但缺乏對系統(tǒng)性風(fēng)險形成機(jī)制的探究.而利用網(wǎng)絡(luò)模型,從金融機(jī)構(gòu)資產(chǎn)負(fù)債結(jié)構(gòu)所表達(dá)的相互關(guān)聯(lián)關(guān)系出發(fā)對系統(tǒng)性風(fēng)險的研究,更加強(qiáng)調(diào)風(fēng)險形成的微觀機(jī)制,但是真實金融網(wǎng)絡(luò)數(shù)據(jù)難以完全獲得,給實際應(yīng)用造成了障礙.真實的金融體系系統(tǒng)性風(fēng)險的準(zhǔn)確測度,有賴于對風(fēng)險來源、風(fēng)險傳染和放大機(jī)制以及真實數(shù)據(jù)的填補(bǔ)與恢復(fù)進(jìn)行全面科學(xué)地整合.

商業(yè)銀行體系(簡稱銀行體系)作為我國融資主體,是我國金融體系中最核心的組成部分.中國人民銀行披露的相關(guān)數(shù)據(jù)顯示,2019年社會融資增量中80%左右為間接融資(1)數(shù)據(jù)來源于中國人民銀行網(wǎng)站《社會融資規(guī)模當(dāng)月增量時序表》,http://www.pbc.gov.cn/diaochatongjisi/116219/116225/3960224/index.html..銀行體系的崩潰將導(dǎo)致整個社會資金融通功能的喪失,危及整個國民經(jīng)濟(jì)的運(yùn)行.因此,銀行體系系統(tǒng)性風(fēng)險的監(jiān)測和管理是我國金融體系風(fēng)險管理工作的重中之重.鑒于此,并考慮數(shù)據(jù)的重要性及可獲得性,本研究立足于我國實際情況,從現(xiàn)有銀行資產(chǎn)負(fù)債結(jié)構(gòu)真實數(shù)據(jù)出發(fā),利用網(wǎng)絡(luò)模型綜合考慮銀行內(nèi)部相互借貸及外部資產(chǎn)重疊對銀行體系系統(tǒng)性風(fēng)險的影響.結(jié)合實際數(shù)據(jù)進(jìn)行情景分析與壓力測試,探究各風(fēng)險來源對銀行體系系統(tǒng)性風(fēng)險的影響,由此識別我國系統(tǒng)性風(fēng)險關(guān)鍵性行業(yè)和資產(chǎn).利用宏觀驅(qū)動因素將信貸端的違約與投資端的資產(chǎn)價格變動聯(lián)系起來,分析相關(guān)宏觀因素對系統(tǒng)性風(fēng)險的影響.

相較于以往的研究,本研究的創(chuàng)新之處在于:第一,從我國銀行體系特點出發(fā),構(gòu)建了基于風(fēng)險“來源—傳染—放大”機(jī)制的系統(tǒng)性風(fēng)險測度模型.一方面,抓住了我國銀行體系風(fēng)險來源的主要方面,利用相關(guān)風(fēng)險測度方法分析風(fēng)險來源對銀行造成的初始損失.另一方面,利用網(wǎng)絡(luò)模型考慮相互借貸引發(fā)的違約傳染及資產(chǎn)重疊引發(fā)的價格傳染以及二者的疊加放大效應(yīng).由此對我國銀行體系系統(tǒng)性風(fēng)險傳染機(jī)制及效應(yīng)進(jìn)行全面系統(tǒng)評估.第二,給出了“宏觀—中觀—微觀”一體化系統(tǒng)性風(fēng)險分析框架.將各銀行資產(chǎn)負(fù)債數(shù)據(jù)及其持有的各類金融資產(chǎn)(相關(guān)債券指數(shù))數(shù)據(jù)(微觀)、各行業(yè)貸款違約率數(shù)據(jù)(中觀)及我國宏觀經(jīng)濟(jì)發(fā)展水平(GDP)和債務(wù)水平(各部門杠桿率)等數(shù)據(jù)結(jié)合,通過貸款違約因素和債券定價因素分析,把行業(yè)貸款違約率、債券價格變動與宏觀因素有機(jī)聯(lián)系起來,并由此綜合分析相關(guān)宏觀因素變動對我國銀行體系系統(tǒng)性風(fēng)險的影響,為宏觀政策制提供有益借鑒.

1 我國銀行體系系統(tǒng)性風(fēng)險建模

我國銀行的資產(chǎn)主要分為:貸款及墊款(簡稱貸款)、金融投資資產(chǎn)、銀行體系內(nèi)部拆借資產(chǎn)及現(xiàn)金等其它高流動性資產(chǎn).根據(jù)實際情況,本研究建立了圖2示意的我國銀行體系系統(tǒng)性風(fēng)險測度框架.如圖所示,潛在的系統(tǒng)性風(fēng)險形成過程如下:首先,銀行體系受到?jīng)_擊(風(fēng)險來源)而發(fā)生初始破產(chǎn).從我國銀行財務(wù)報告可以看出,銀行風(fēng)險來源主要為貸款違約損失(信用風(fēng)險)及金融投資資產(chǎn)價格下跌(市場風(fēng)險和流動性風(fēng)險);隨后,內(nèi)部相互借貸違約傳染和資產(chǎn)重疊價格傳染共同作用將風(fēng)險影響范圍逐步放大,從而可能引發(fā)銀行體系系統(tǒng)性風(fēng)險.

圖2 我國銀行體系系統(tǒng)性風(fēng)險測度框架

在風(fēng)險來源方面,對于貸款損失,考慮到數(shù)據(jù)的可獲得性和風(fēng)險測度的完備性,本研究將銀行貸款按照行業(yè)進(jìn)行細(xì)分考慮銀行貸款違約損失.對于金融投資資產(chǎn)(主要為債券),由于無法獲得銀行債券持有的詳細(xì)信息,本研究主要考慮債券的價格變動對銀行總資產(chǎn)的影響.

為分析銀行體系內(nèi)部相互借貸引發(fā)的違約傳染和資產(chǎn)重疊引發(fā)的價格傳染對系統(tǒng)性風(fēng)險的影響,本研究采用網(wǎng)絡(luò)模型來刻畫銀行間的相互借貸及資產(chǎn)重疊情況:對于銀行體系內(nèi)部相互借貸,銀行作為網(wǎng)絡(luò)的節(jié)點,銀行間債務(wù)往來作為二者之間的連邊;資產(chǎn)重疊表現(xiàn)為二部圖的形式,銀行和金融投資資產(chǎn)作為節(jié)點,銀行對資產(chǎn)的持有作為節(jié)點間的連邊.依據(jù)上述網(wǎng)絡(luò)(用矩陣表達(dá))和擴(kuò)展的E-N模型,設(shè)置合理的償債原則及金融資產(chǎn)價格變動機(jī)制(清算準(zhǔn)則),可以清楚地刻畫風(fēng)險的傳染過程,并可由此分析不同風(fēng)險傳染機(jī)制的傳染效應(yīng).在此基礎(chǔ)上,結(jié)合情景分析與壓力測試,對我國銀行體系系統(tǒng)性風(fēng)險進(jìn)行全面地測度與評估.

為完成我國銀行體系系統(tǒng)性風(fēng)險全面的測度和評估,本研究需要具體地解決以下四個基本問題:1)銀行體系發(fā)生初始破產(chǎn)后,由于銀行間存在內(nèi)部相互借貸聯(lián)系,債權(quán)人如何分配破產(chǎn)銀行的剩余資產(chǎn)?破產(chǎn)銀行低價出售其資產(chǎn)將怎樣影響其它銀行的資產(chǎn)價值?經(jīng)過風(fēng)險傳染,銀行系統(tǒng)將達(dá)到怎樣的新的均衡狀態(tài)?為解決這些問題,需要對銀行體系的清算過程進(jìn)行建模; 2)通常情況下僅有各銀行銀行間資產(chǎn)及負(fù)債的總額數(shù)據(jù)可得,銀行體系內(nèi)部相互借貸的詳細(xì)數(shù)據(jù)未知.在此情況下,為分析銀行體系內(nèi)部相互借貸網(wǎng)絡(luò)的傳染效應(yīng),必須要對銀行內(nèi)部相互借貸詳細(xì)數(shù)據(jù)進(jìn)行恢復(fù); 3)銀行體系風(fēng)險來源作為系統(tǒng)性風(fēng)險爆發(fā)的導(dǎo)火索,對其進(jìn)行準(zhǔn)確的測度是系統(tǒng)性風(fēng)險分析的基礎(chǔ),也是識別系統(tǒng)性關(guān)鍵行業(yè)和資產(chǎn)的必要環(huán)節(jié),由此必須對銀行風(fēng)險來源進(jìn)行建模; 4)為分析不同風(fēng)險傳染渠道對系統(tǒng)性風(fēng)險的放大效應(yīng)以及評估我國銀行體系系統(tǒng)性風(fēng)險,度量不同風(fēng)險來源對系統(tǒng)性風(fēng)險的影響,識別系統(tǒng)性關(guān)鍵行業(yè)和資產(chǎn),必須提出相關(guān)合理度量指標(biāo).接下來將對以上四個問題展開詳細(xì)討論,本質(zhì)內(nèi)容是對圖2所示的物理模型及其背后的機(jī)制進(jìn)行數(shù)學(xué)建模.

1.1 銀行體系清算過程

w0=c+LT1n+D1v+Qp0

其中1n、1v表示元素全為1且維度為對應(yīng)下標(biāo)n、v的列向量,其它符號具體含義如下

記銀行由于貸款無法收回引發(fā)的初始損失為s=(s1,s2,…,sn)T.規(guī)定銀行持有資產(chǎn)的初始價格p0=1.若初始沖擊表現(xiàn)為價格下跌,則相應(yīng)地將p0調(diào)整為下跌后的價格.銀行遭受初始損失可能使銀行出現(xiàn)流動性不足甚至破產(chǎn).若如此,銀行會發(fā)生資產(chǎn)甩賣行為,而此行為會進(jìn)一步導(dǎo)致資產(chǎn)價格下跌.為刻畫這一現(xiàn)象,引入如下設(shè)定.

假設(shè)1若銀行不破產(chǎn),則不改變其金融資產(chǎn)組合的結(jié)構(gòu)及數(shù)量;

假設(shè)2金融資產(chǎn)價格變動在風(fēng)險傳染期間只受該資產(chǎn)拋售量的影響;

當(dāng)銀行體系中出現(xiàn)銀行破產(chǎn)時(資不抵債),本研究依據(jù)Eisenberg 和 Noe[6]提出的如下三條“清算原則”對銀行體系的價值進(jìn)行清算重估:破產(chǎn)銀行若存在剩余資產(chǎn),則其必須將全部資產(chǎn)用于償還債務(wù)(債務(wù)優(yōu)先原則);若無剩余資產(chǎn),則無需償還債務(wù)(有限責(zé)任原則);債權(quán)人依照其額度大小按比例分配債務(wù)人的所有資產(chǎn)(按比例償還原則).

設(shè)l=(l1,…,ln)T與p=(p1,…,pm)T為經(jīng)歷沖擊后的實際支付向量和價格向量.此時,銀行i的資產(chǎn)總額變?yōu)?/p>

(1)

根據(jù)清算準(zhǔn)則,各銀行的實際支付li應(yīng)滿足

金融資產(chǎn)j的價格取決于各銀行的流動性不足情況及變賣策略.由于數(shù)據(jù)信息限制,本研究設(shè)定當(dāng)銀行破產(chǎn)時,將出售其所持有的全部金融資產(chǎn).由此,在支付向量l及價格向量p下,銀行i出售其持有資產(chǎn)j的數(shù)量占j資產(chǎn)總量的比例可表示為

根據(jù)上述分析,經(jīng)歷風(fēng)險傳染后,銀行體系實際均衡支付向量及價格向量應(yīng)滿足

其中(記x、y分別為n維列向量)

(x)+=(max{x1,0},…,max{xn,0})T

x∧y=(min{x1,y1},…,min{xn,yn})T

f(η)=(f1(η1),f2(η2),fm(ηm))T

顯然,銀行體系實際清算(均衡)向量l*和p*為等式(2)系統(tǒng)的不動點.據(jù)此,可以利用Ma[12]提出的如下迭代算法計算l*和p*(有限步精確得到或充分多步近似得到):

步驟2計算

1.2 銀行內(nèi)部相互借貸網(wǎng)絡(luò)的恢復(fù)

銀行體系內(nèi)部相互借貸網(wǎng)絡(luò)作為系統(tǒng)性風(fēng)險傳導(dǎo)的重要渠道,準(zhǔn)確地恢復(fù)內(nèi)部相互借貸網(wǎng)絡(luò)內(nèi)部數(shù)據(jù)是度量系統(tǒng)性風(fēng)險的關(guān)鍵工作之一.本研究利用Gandy 和 Veraart[41]提出的貝葉斯方法來生成節(jié)點度和權(quán)重服從冪律分布的內(nèi)部相互借貸網(wǎng)絡(luò).由此,通過采樣得到服從某一分布的一系列隨機(jī)網(wǎng)絡(luò)樣本,構(gòu)成系統(tǒng)性風(fēng)險評估的基礎(chǔ).簡要介紹借貸網(wǎng)絡(luò)生成方法如下.

lij|{aij=1}～Exp(λij)

參數(shù)設(shè)定:為了生成符合實際特征的銀行內(nèi)部借貸網(wǎng)絡(luò)(節(jié)點度和權(quán)重服從冪律分布),上述參數(shù)pij和lij按照以下方法設(shè)定.對任意i,j∈N,取

xi～Exp(1),

pij=g(xi+xj)I{i≠j}(i,j)

(ζ,ξ)～ψ(ζ,ξ)

g(x)=β(γ/β)1-e-x(1-ln(γ/β)e-x)

若α=-1;否則

其中κ=(γ/β)α+1,0<β<γ≤1,α<0.當(dāng)α>-2時,為保證0≤g(x)≤1,取

由此生成的隨機(jī)網(wǎng)絡(luò)其節(jié)點度和權(quán)重服從冪律分布的內(nèi)部相互借貸網(wǎng)絡(luò).

后驗網(wǎng)絡(luò)生成:在上述給定的基準(zhǔn)先驗網(wǎng)絡(luò)基礎(chǔ)上,將銀行體系實際內(nèi)部相互借貸矩陣行和及列和數(shù)據(jù)作為新信息(可從資產(chǎn)負(fù)債表統(tǒng)計獲得),利用馬爾科夫鏈蒙特卡洛模擬(MCMC)方法[41](程序見R systemicrisk包)可得銀行內(nèi)部相互借貸的貝葉斯后驗網(wǎng)絡(luò)樣本.

1.3 風(fēng)險來源的建模

根據(jù)我國銀行資產(chǎn)負(fù)債表將銀行資產(chǎn)分為風(fēng)險資產(chǎn)和無風(fēng)險資產(chǎn).無風(fēng)險資產(chǎn)包括現(xiàn)金及存放中央銀行款項.風(fēng)險資產(chǎn)包括銀行間資產(chǎn)、貸款、金融投資及其它.其中,銀行間資產(chǎn)為境內(nèi)存放同業(yè)銀行款項加境內(nèi)銀行拆出資金;金融投資為以公允價值計量且其變動記入當(dāng)期損益的金融投資、以公允價值計量且其變動計入其它綜合收益的金融投資以及以攤余成本計量的金融投資;其它資產(chǎn)包括境外銀行的拆出資金、存放境外銀行款項、長期股權(quán)投資、固定資產(chǎn)、無形資產(chǎn)、商譽(yù)等.銀行體系作為一個整體,風(fēng)險來源有內(nèi)部與外部之分.外部風(fēng)險主要分為如下三類:1)外部借款人違約造成的貸款損失;2)金融投資資產(chǎn)價格下跌引發(fā)的金融投資資產(chǎn)損失,在我國主要由債券及類似債券的資產(chǎn)價格下跌引發(fā);3)其它資產(chǎn)損失.內(nèi)部風(fēng)險為銀行內(nèi)部相互借貸資產(chǎn)損失,該損失僅當(dāng)相關(guān)銀行出現(xiàn)資不抵債才會引發(fā),而銀行出現(xiàn)資不抵債主要是由外部資產(chǎn)損失造成.由此,銀行體系系統(tǒng)性風(fēng)險的最終來源主要是外部資產(chǎn)的損失,內(nèi)部相互借貸網(wǎng)絡(luò)引發(fā)的資產(chǎn)損失應(yīng)歸結(jié)為風(fēng)險傳染放大渠道引發(fā)的損失.

如圖3所示,貸款和金融投資資產(chǎn)分別占我國銀行體系資產(chǎn)總額的49.63% 和27.69%,這兩部分資產(chǎn)的風(fēng)險是我國銀行體系風(fēng)險的主要來源.其它資產(chǎn)占10.26%,加之這類資產(chǎn)較為特殊:1)對于境外銀行的拆出資金和存放境外銀行的款項,由于數(shù)據(jù)缺乏,難以合理計量其風(fēng)險,并且該部分資產(chǎn)數(shù)額較小; 2)長期股權(quán)投資是銀行取得其它企業(yè)的股份.其主要對象為非上市公司,大部分采用成本法計價,且由于數(shù)據(jù)不足,目前無法對所有銀行的子公司進(jìn)行分析,因此無法度量其風(fēng)險; 3)根據(jù)各商業(yè)銀行的年度報告,固定資產(chǎn)主要包括房屋及建筑物、機(jī)械設(shè)備及其它固定資產(chǎn)等;無形資產(chǎn)包括軟件和其它無形資產(chǎn),這兩類資產(chǎn)均采用歷史成本法進(jìn)行初始計量,在使用壽命內(nèi)通過直線法等會計準(zhǔn)則進(jìn)行折舊和攤銷,無法找到合適的指標(biāo)對其風(fēng)險進(jìn)行度量; 4)商譽(yù)是銀行收購項目協(xié)同效應(yīng)的衡量指標(biāo),無法計量風(fēng)險.綜上原因,并考慮到在有限時間內(nèi)這部分資產(chǎn)的價值變化較小,本研究在以下分析中將其等同于無風(fēng)險資產(chǎn),而主要分析貸款信用違約風(fēng)險和金融投資資產(chǎn)的市場風(fēng)險及流動性風(fēng)險對我國銀行體系系統(tǒng)性風(fēng)險的影響.

圖3 銀行體系各類資產(chǎn)占比

1.3.1 貸款的信用風(fēng)險

貸款作為我國銀行的主要資產(chǎn),其信用風(fēng)險對銀行體系系統(tǒng)性風(fēng)險的影響至關(guān)重要.對于單個銀行來說,貸款的損失主要來源于借款人的違約損失.

由Credit Suisse First Boston提出CreditRisk+[43]模型是測度貸款組合信用風(fēng)險最常用的模型.Bürgisser 等[44]進(jìn)一步考慮了貸款者間的違約相關(guān)性,對原始CreditRisk+模型進(jìn)行了改進(jìn).該評估模型有諸多優(yōu)點:假設(shè)較少、只需輸入很少的數(shù)據(jù)便可得到信貸損失分布、可以考慮行業(yè)間違約的相關(guān)性.本研究采用該改進(jìn)模型對各銀行貸款組合的信用風(fēng)險源進(jìn)行建模.給出各行業(yè)貸款違約率的均值、標(biāo)準(zhǔn)差及相關(guān)系數(shù),利用CreditRisk+技術(shù)文檔中的迭代算法可得各銀行貸款組合信用風(fēng)險損失的分布情形.

1.3.2 金融資產(chǎn)的市場風(fēng)險

金融投資資產(chǎn)是除貸款外銀行最主要的風(fēng)險資產(chǎn).通過財務(wù)報表附注信息,本研究將金融投資資產(chǎn)細(xì)分為:債券、資產(chǎn)支持證券、同業(yè)存單、委托理財投資(資管與信托、銀行理財、基金投資、股權(quán)投資等,其中資管與信托、銀行理財約占90%).其中債券按照其發(fā)行人不同分為:政府債、政策性銀行債、同業(yè)及其它金融債及公司債.對于單個銀行的各項金融資產(chǎn)組合而言,銀行作為專業(yè)的投資者,其投資的資產(chǎn)組合是一充分分散化的組合. 由此本研究將銀行每項資產(chǎn)近似于相應(yīng)中債指數(shù),利用指數(shù)價格變動刻畫對應(yīng)資產(chǎn)的價格變動,具體對應(yīng)如表1所示.由于目前無法從已有的信息中判斷委托理財投資的交易形式,且細(xì)分的委托理財投資無法一一找到合適的指數(shù)與之對應(yīng),由此本研究將其合為一類并選用信托指數(shù)衡量其價格波動.

表1 風(fēng)險投資資產(chǎn)與其對應(yīng)中債指數(shù)

1.3.3 貸款違約與金融資產(chǎn)價格變動之間的相關(guān)性

銀行體系系統(tǒng)性風(fēng)險的度量,必須考慮銀行所面臨風(fēng)險之間的相關(guān)性.根據(jù)上述分析可知,銀行的貸款損失主要取決于各行業(yè)的貸款違約率,而金融資產(chǎn)的損失主要來自于資產(chǎn)價格變動.我國銀行投資主要集中在債券上,因此只需要理清行業(yè)貸款(貸款組合)違約及債券價格之間的關(guān)系即可得到銀行外部風(fēng)險源之間的相互關(guān)系.基于此,本研究分別探究了貸款違約率和債券價格與宏觀經(jīng)濟(jì)因素之間的關(guān)系,并對我國銀行外部風(fēng)險源之間的關(guān)聯(lián)關(guān)系進(jìn)行建模.

對于貸款違約率,Wilson[45]研究表明,貸款組合違約受到宏觀因素的影響.由于貸款組合的違約概率在[0,1]上取值,該文通過Logistic模型建立貸款違約與宏觀經(jīng)濟(jì)之間的關(guān)系. 基于此,研究建立如下Logistic模型

對各行業(yè)貸款違約率影響因素進(jìn)行分析.其中,pit為行業(yè)i的貸款在t時的違約率,yit為宏觀因素指數(shù),通過如下回歸模型

(3)

得到.其中zt為宏觀經(jīng)濟(jì)因素向量,ζit為隨機(jī)擾動項.

對于債券價格的變動,一方面,Fama 和 French[46]研究表明,市場當(dāng)前的信用利差和期限利差對債券的未來超額收益率有較好解釋能力.本文參照Fama 和 French[46]回歸模型構(gòu)建信用利差、期限利差和期望超額收益率的關(guān)系

rj(t,t+T)=β0j+β1jdpt+β2jtermt+

εj(t,t+T),j=1,…,m

(4)

其中rj(t,t+T)為時間跨度為T的預(yù)期超額收益率,dpt為信用利差,termt為期限利差,εj(t,t+T)為隨機(jī)擾動項.另一方面,債券期限利差、信用利差亦受宏觀經(jīng)濟(jì)因素影響.Davies[47]的實證結(jié)果表明宏觀因素能顯著解釋信用利差.Fama 和 French[46]認(rèn)為期限利差與經(jīng)濟(jì)周期相反,即在經(jīng)濟(jì)繁榮時較低,而經(jīng)濟(jì)蕭條時較高.因此,為研究宏觀因素對債券價格的影響(通過期限利差和信用利差),構(gòu)建如下回歸模型

(5)

其中εt和?t均為隨機(jī)擾動項.

綜合式(4)～式(5),給定宏觀因子,可得各金融資產(chǎn)T期后預(yù)期價格[48]與當(dāng)前價格之間的關(guān)系

pjt=E(pjt+T)e-(rj(t,t+T)+rt)T,j=1,…,m

(6)

當(dāng)宏觀環(huán)境變化時,信用利差dpt及期限利差termt將隨之變動,期望收益相應(yīng)變動,債券價格亦會發(fā)生相應(yīng)變化.

綜上,行業(yè)貸款違約率及債券價格都受到宏觀經(jīng)濟(jì)因素的影響.一般情況下,當(dāng)經(jīng)濟(jì)走低,企業(yè)發(fā)展滯緩,貸款違約率上升,與此同時人們進(jìn)行金融投資所要求的風(fēng)險溢價也上升從而導(dǎo)致金融資產(chǎn)價格下跌.反之,貸款違約率下降、金融資產(chǎn)價格上漲.通過宏觀因素,可將貸款違約率變動與債券價格變動聯(lián)系起來,為分析貸款違約損失與債券價格變動共同作用以及宏觀因素對銀行體系系統(tǒng)性風(fēng)險的影響提供理論依據(jù)及方法準(zhǔn)備.

1.4 系統(tǒng)性風(fēng)險度量指標(biāo)

根據(jù)前述分析,本研究具體的系統(tǒng)性風(fēng)險測度方法如下:首先,隨機(jī)生成10 000個銀行內(nèi)部借貸網(wǎng)絡(luò),并且隨機(jī)地從“風(fēng)險源”(比如貸款違約損失)抽取10 000個樣本.然后,分別從這些網(wǎng)絡(luò)樣本和“風(fēng)險源”樣本中各隨機(jī)抽取一個樣本進(jìn)行配對,通過計算清算向量,即可判定銀行破產(chǎn)與否并可計算資產(chǎn)損失情況,如此重復(fù)10 000次,可得10 000個樣本.最后,根據(jù)得到的10 000個樣本計算出相應(yīng)風(fēng)險指標(biāo)的統(tǒng)計特征.

為分析銀行體系系統(tǒng)性風(fēng)險的大小及風(fēng)險傳染機(jī)制對銀行體系系統(tǒng)性風(fēng)險的影響大小,識別出關(guān)鍵行業(yè)和資產(chǎn),抓住系統(tǒng)性風(fēng)險的主要且全面的特征,本研究引入如下四類風(fēng)險度量指標(biāo).

銀行穩(wěn)定性測度:用各銀行初始破產(chǎn)概率(頻率)

反映銀行的穩(wěn)定性.該值越大,則銀行越不穩(wěn)定.

風(fēng)險源關(guān)鍵性測度:用初始破產(chǎn)銀行數(shù)量

風(fēng)險傳染效應(yīng)測度:一方面,用初始破產(chǎn)的情況下傳染發(fā)生(除初始破產(chǎn)銀行外有新的銀行破產(chǎn))的概率

反映傳染發(fā)生的可能性大小;另一方面,用被傳染破產(chǎn)銀行數(shù)量

整體風(fēng)險(放大效應(yīng))測度:用銀行體系資產(chǎn)總額損失額(單位:萬億元人民幣)

反映銀行體系系統(tǒng)整體的損失水平.特別地,對于銀行體系資產(chǎn)總額損失wloss,本研究利用傳統(tǒng)的風(fēng)險值VaR進(jìn)行風(fēng)險度量.其定義如下

VaRα=inf{w∶P(wloss>w)≤1-α}

其中α表示置信水平.VaR本質(zhì)上是分位數(shù).后續(xù)分析中,分別用銀行體系資產(chǎn)損失風(fēng)險值VaR0.5(中位數(shù))及VaR0.95(95%分位數(shù))度量銀行體系系統(tǒng)性風(fēng)險損失的一般水平和極端情況.

VaR0.5

2 我國銀行體系系統(tǒng)性風(fēng)險測評

2.1 數(shù)據(jù)來源

關(guān)于銀行資產(chǎn)負(fù)債結(jié)構(gòu)數(shù)據(jù)主要來自于我國45家商業(yè)銀行(具體銀行名稱及對應(yīng)序號見附表1)2018年年度報告.Wind數(shù)據(jù)庫顯示,截止2018年末,我國商業(yè)銀行總資產(chǎn)為203萬億元人民幣,銀行業(yè)總資產(chǎn)為261萬億元人民幣,本研究考慮的45家商業(yè)銀行資產(chǎn)總額為178萬億人民幣,占商業(yè)銀行總資產(chǎn)的88%,占銀行業(yè)總資產(chǎn)的68%,可近似代表我國整個銀行體系.各銀行資產(chǎn)負(fù)債總額數(shù)據(jù)來自于報告中的資產(chǎn)負(fù)債表,各銀行內(nèi)部相互借貸總額來自于資產(chǎn)負(fù)債表附注信息.銀行內(nèi)部資產(chǎn)總額包括:存放境內(nèi)同業(yè)資產(chǎn)及拆出境內(nèi)同業(yè)銀行的資產(chǎn).銀行內(nèi)部負(fù)債總額包括:境內(nèi)同業(yè)存放及拆入境內(nèi)同業(yè)銀行的資產(chǎn).銀行外部負(fù)債總額即總負(fù)債減掉銀行內(nèi)部(相互借貸)負(fù)債總額.銀行外部金融投資資產(chǎn)按照資產(chǎn)負(fù)債表附注信息分類匯總得到.來自于Wind數(shù)據(jù)庫的數(shù)據(jù)有:20個行業(yè)不良貸款率(2006年—2017年,按國民經(jīng)濟(jì)行業(yè)門類劃分,包括19個門類,為將個人貸款納入完整分析,本研究將個人貸款視為一行業(yè),各行業(yè)對應(yīng)序號見附表2)、12個宏觀指標(biāo)和7個中債指數(shù)數(shù)據(jù)(2005年—2019年).其中部分中債指數(shù)發(fā)布較晚,數(shù)據(jù)從公布日開始.

附表1 銀行及其對應(yīng)序號

附表2 行業(yè)及其對應(yīng)序號

表2 各銀行在高違約率行業(yè)貸款額占其總貸款額的比例

對單個銀行,按行業(yè)分類得到銀行對各行業(yè)的風(fēng)險敞口,用Wind公布的各行業(yè)不良貸款率近似代表各行業(yè)的貸款違約率(可能會高估貸款損失,但目前尚無更合適的數(shù)據(jù)).

系統(tǒng)性風(fēng)險分析的時間跨度不宜過短,但是時間跨度太長又會導(dǎo)致樣本數(shù)據(jù)不足,因此本研究選取時間跨度為季度.由于各行業(yè)貸款違約率只能獲得年度數(shù)據(jù),季度違約率數(shù)據(jù)通過插值得到,具體做法:首先通過相鄰兩年違約率數(shù)據(jù)取平均得到半年度違約率,然后通過相鄰的半年度違約率取平均得到季度違約率.

2.2 參數(shù)設(shè)定

根據(jù)文獻(xiàn)一般做法,本研究將金融投資資產(chǎn)的逆需求函數(shù)設(shè)定為負(fù)指數(shù)函數(shù)的情形

pj=fj(ηj)=e-ajηj,j∈{1,2,…,m}

其中aj刻畫了金融資產(chǎn)j變賣數(shù)量對其價格的影響程度,即資產(chǎn)j的流動性,其值越大則流動性越差.由于無法獲得各銀行金融資產(chǎn)的持有數(shù)量及價格相關(guān)信息,本研究將報表中相應(yīng)資產(chǎn)的價值作為資產(chǎn)的持有數(shù)量,相應(yīng)地設(shè)定資產(chǎn)的初始價格p0=(1,1,…,1)T.簡便合理起見,后續(xù)研究中設(shè)定a1=a2=…=am=a,并分別考慮資產(chǎn)流動性a=0、1、2、3四種情景.特別地,當(dāng)a=0時,表明資產(chǎn)流動性很強(qiáng),不存在資產(chǎn)折價出售現(xiàn)象,即資產(chǎn)重疊不會引發(fā)價格傳染效應(yīng).考慮外部資產(chǎn)重疊引發(fā)的價格傳染效應(yīng)時,可通過a的不同取值反映不同資產(chǎn)流動性水平對系統(tǒng)性風(fēng)險的影響.圖4給出了不同流動性狀況下資產(chǎn)變賣比例與價格變動比例之間的關(guān)系.易見a越大,資產(chǎn)價格隨著變賣比例增加下降越多.以a=2為例,當(dāng)資產(chǎn)變賣比例達(dá)到一半時,價格大約下降到原來的一半.

圖4 變賣比例與價格變動比例之間的關(guān)系

對于內(nèi)部相互借貸網(wǎng)絡(luò)的恢復(fù),參考Boss 等[37]及Gandy 和 Veraart[41]等以往文獻(xiàn)研究結(jié)論,本研究將相應(yīng)參數(shù)設(shè)置為:α=-1.5,β=0.25,γ=1,相應(yīng)的先驗分布參數(shù)設(shè)定為:ζ～U(0.5,2),ξ～Exp(1 000).實際上,模擬研究表明該參數(shù)的合理變化對網(wǎng)絡(luò)形態(tài)影響較小.圖5給出了兩組不同參數(shù)下隨機(jī)生成的兩個網(wǎng)絡(luò)樣本,二者結(jié)構(gòu)近似.其中46號銀行是為了保證銀行內(nèi)部相互借貸數(shù)據(jù)平衡,特加入的虛擬銀行(可看作是所有其它銀行的綜合).圓圈大小代表與對應(yīng)銀行有債務(wù)往來銀行的多少,越大則表明與該銀行存在債務(wù)往來的銀行越多.從圖可以看出,建設(shè)銀行(12)、工商銀行(4)、交通銀行(16)、農(nóng)業(yè)銀行(22)、郵儲銀行(35)和中國銀行(41)在銀行體系中占據(jù)重要地位,與較多的銀行存在往來,其中涵蓋了我國的五大行,符合我國的實際情況.

α=-1.5, β=0.25, γ=1

α=-2, β=0.1, γ=1

CreditRisk+模型中的輸入信息為各行業(yè)貸款違約率的均值、標(biāo)準(zhǔn)差及相關(guān)系數(shù).這些數(shù)據(jù)由2006年—2017年各行業(yè)貸款違約率歷史數(shù)據(jù)求得.后續(xù)貸款違約率壓力測試分析中,只改變各行業(yè)貸款違約率的均值.

2.3 情景分析與壓力測試

目前,我國銀行體系整體處于相對穩(wěn)定的狀態(tài),但不穩(wěn)定因素依然存在.銀行體系貸款在行業(yè)上比較集中,金融投資資產(chǎn)重疊嚴(yán)重,宏觀經(jīng)濟(jì)下行壓力較大,這些都有可能成為銀行體系系統(tǒng)性風(fēng)險爆發(fā)的誘因. 為進(jìn)一步分析貸款違約、金融投資資產(chǎn)價格變動及相關(guān)宏觀因素變動對系統(tǒng)性風(fēng)險的影響,本研究在2018年我國商業(yè)銀行資產(chǎn)負(fù)債結(jié)構(gòu)下,分別對行業(yè)貸款違約率、金融投資資產(chǎn)價格及宏觀因素進(jìn)行情景分析與壓力測試.據(jù)此對我國銀行體系系統(tǒng)性風(fēng)險狀況進(jìn)行測評,旨在對未來可能引發(fā)銀行體系系統(tǒng)性風(fēng)險的重要行業(yè)、資產(chǎn)及關(guān)鍵因素進(jìn)行分析探究.

2.3.1 歷史情景分析

由相應(yīng)中債指數(shù)數(shù)據(jù)可以看出,我國債券市場較為穩(wěn)定,基本上不存在價格變動.由此歷史情景分析時假定金融投資資產(chǎn)初始價格不變,僅考慮歷史可能的貸款違約率情況下我國銀行體系系統(tǒng)性風(fēng)險狀況.

1)歷史貸款違約率分析

2006年—2017年我國各行業(yè)歷史貸款違約率如圖6所示.由于我國宏觀經(jīng)濟(jì)環(huán)境變動,各行業(yè)貸款違約率也隨之變動,主要經(jīng)歷了三個階段:2006年—2007年,前期投資過熱導(dǎo)致這一階段違約率偏高;2008年—2012年,四萬億刺激,政策寬松,加之貸款基數(shù)大,貸款違約率出現(xiàn)下降;2013年至今,經(jīng)濟(jì)增速放緩,金融市場擴(kuò)大開放,各行業(yè)貸款違約率有小幅上升.其中,農(nóng)、林、牧漁業(yè)貸款違約率在2006年、2007年異常高.

圖6 各行業(yè)歷史違約率

分別將2006年、2017年及2012年各行業(yè)貸款違約率作為貸款違約率高、中、低歷史情景帶入模型,對我國當(dāng)前銀行體系系統(tǒng)性風(fēng)險進(jìn)行評估,圖7給出了各銀行初始破產(chǎn)的概率.易見只有在違約率高的情況下,各銀行在現(xiàn)有的資產(chǎn)負(fù)債結(jié)構(gòu)下初始破產(chǎn)概率較高,銀行體系處于相對不太穩(wěn)定的狀態(tài),而其它情況下45家銀中只有規(guī)模較小的九臺農(nóng)商行和浙商銀行的破產(chǎn)概率超過5%,國有大銀行破產(chǎn)概率均較低,銀行體系整體較為穩(wěn)定.

圖7 歷史情景下僅考慮貸款違約時各銀行初始破產(chǎn)概率

由于風(fēng)險主要來源于貸款損失,為探究小銀行不穩(wěn)定的原因,本研究對比分析了以九臺農(nóng)商行、浙商銀行等為代表的小型銀行與工商銀行等五大銀行的貸款結(jié)構(gòu).對近5年貸款違約率取均值,得到貸款違約率由高到低的前3個行業(yè)依次為:批發(fā)和零售業(yè)、農(nóng)林牧漁業(yè)和制造業(yè) (平均貸款違約率依次為:3.77%、3.28%、3.12%).表2展示了各銀行對違約率前3的行業(yè)的貸款額占其總貸款額的比重、貸款占總資產(chǎn)的比重以及凈資產(chǎn)占總資產(chǎn)的比重.從表可以看出,大銀行在貸款違約率高的行業(yè)貸款額占其總貸款比例較低,而小型銀行在違約率高的行業(yè)貸款占其總貸款的比重較高.顯然,小型銀行面臨更高的違約風(fēng)險.究其原因,一方面是信用相對較好的企業(yè)可能更容易獲得大銀行的貸款服務(wù);另一方面,小型銀行也可能有追求高收益動機(jī),而將貸款貸向違約風(fēng)險相對較高的企業(yè),以獲取更高的風(fēng)險溢價.

考慮歷史情景下銀行體系系統(tǒng)性風(fēng)險指標(biāo)的具體情況如表3所示.各銀行在當(dāng)前的資產(chǎn)負(fù)債結(jié)構(gòu)下,隨著行業(yè)貸款違約率上升,銀行體系中初始破產(chǎn)銀行數(shù)隨之上升.僅考慮銀行內(nèi)部相互借貸產(chǎn)生的信用違約傳染(a=0的情形,無價格傳染)時,傳染效應(yīng)低,對系統(tǒng)性風(fēng)險的影響不大.當(dāng)銀行內(nèi)部相互借貸違約傳染與資產(chǎn)重疊價格傳染共同作用時,銀行體系系統(tǒng)性風(fēng)險被急劇放大,且隨著資產(chǎn)流動性的降低(a的上升),系統(tǒng)性風(fēng)險越發(fā)嚴(yán)重.

2)傳染機(jī)制分析

中位數(shù) 95%分位數(shù)

綜上,資產(chǎn)重疊是我國銀行體系目前潛在系統(tǒng)性風(fēng)險傳染的主要渠道,相互借貸網(wǎng)絡(luò)在系統(tǒng)性風(fēng)險傳染的過程中起到加成的作用.但值得注意的是,在系統(tǒng)性風(fēng)險傳染的過程中,內(nèi)部相互借貸對銀行體系系統(tǒng)性風(fēng)險的影響不容忽視.特別地,當(dāng)銀行體系內(nèi)部相互借貸數(shù)額占總資產(chǎn)或總負(fù)債數(shù)額的比重較高時,內(nèi)部相互借貸網(wǎng)絡(luò)對系統(tǒng)性風(fēng)險的傳染效果會加劇[12,31].一旦存在銀行破產(chǎn)便會發(fā)生內(nèi)部違約,內(nèi)部違約造成的相關(guān)銀行資產(chǎn)損失勢必加劇其流動性不足甚至破產(chǎn),從而低價出售其資產(chǎn)并進(jìn)一步加劇資產(chǎn)重疊價格傳染效應(yīng).

為了考察銀行內(nèi)部借貸網(wǎng)絡(luò)差異對系統(tǒng)性風(fēng)險的影響,此處將網(wǎng)絡(luò)恢復(fù)中參數(shù)另行設(shè)置為α=-2,β=0.1,γ=1,并與前述參數(shù)α=-1.5,β=0.25,γ=1情形下的結(jié)果進(jìn)行對比.結(jié)果如表3所示,表明不同網(wǎng)絡(luò)結(jié)構(gòu)對風(fēng)險傳染的影響主要體現(xiàn)在被傳染銀行的個體差異上,而破產(chǎn)銀行數(shù)量和整體資產(chǎn)損失并無顯著差異.因此,后述內(nèi)容不再考慮不同網(wǎng)絡(luò)結(jié)構(gòu)的對比分析.

2.3.2 貸款違約率壓力測試

為識別出系統(tǒng)性關(guān)鍵行業(yè),此處考慮行業(yè)違約率變動(其它保持不變)對銀行體系系統(tǒng)性風(fēng)險的影響.

1)單個行業(yè)貸款違約壓力測試

本研究以2017年各行業(yè)違約率為基準(zhǔn),分別將各行業(yè)的違約率調(diào)整為20%、40%或60%,得到單個行業(yè)違約率改變情況下銀行體系系統(tǒng)性風(fēng)險測度指標(biāo)(匯總?cè)绫?所示).相應(yīng)地,圖9～圖11分別展示了初始破產(chǎn)銀行數(shù)的中位數(shù)及最大值和銀行體系資產(chǎn)損失一般水平值及極端情況值占銀行體系總資產(chǎn)的比例.在20個行業(yè)中,相較于其它,個人(貸款)、制造業(yè)、批發(fā)—零售業(yè)、租賃—商務(wù)服務(wù)業(yè)、水利—環(huán)境—公共設(shè)施管理業(yè)、房地產(chǎn)業(yè)、交通運(yùn)輸—倉儲—郵政業(yè)等7個行業(yè)違約所造成的初始破產(chǎn)銀行數(shù)量較多, 且隨著違約率上升,初始破產(chǎn)銀行數(shù)急劇上升,流動性匱乏時可能導(dǎo)致所有銀行破產(chǎn).當(dāng)資產(chǎn)流動性良好時,內(nèi)部相互借貸網(wǎng)絡(luò)對風(fēng)險的傳導(dǎo)并不明顯.但是,內(nèi)部相互借貸違約傳染與資產(chǎn)重疊價格傳染共同作用時,被傳染銀行數(shù)量及銀行體系資產(chǎn)損失值急劇上升,且流動性越差(a越大)傳染效應(yīng)越大,銀行體系損失也越嚴(yán)重.值得指出的是個人貸款對風(fēng)險的貢獻(xiàn)比較大,即使在流動性較好的情況下亦如此.在流動性匱乏的情況下(a=2、3),制造業(yè)、房地產(chǎn)業(yè)、租賃和商務(wù)服務(wù)業(yè)以及個人貸款等單個行業(yè)違約率達(dá)20%時,會導(dǎo)致整個銀行體系損失一般水平占總資產(chǎn)的比例達(dá)30%左右.而當(dāng)考慮極端損失的情況時(95%分位數(shù)),所有的行業(yè)都將達(dá)到這一水平.

中位數(shù) 最大值

a=3

a=3

2)房地產(chǎn)業(yè)與個人貸款違約率組合壓力測試

在我國銀行體系貸款中,個人貸款主要包括了個人消費(fèi)貸款及住房貸款,其中60%以上是個人住房貸款.因此個人住房貸款與房地產(chǎn)業(yè)緊密相關(guān).由此,為進(jìn)一步探究房地產(chǎn)市場波動對銀行體系系統(tǒng)性風(fēng)險的影響,本研究考慮房地產(chǎn)業(yè)及個人貸款違約率同時上升時整個銀行體系系統(tǒng)性風(fēng)險的狀況.如表5所示,可以看出當(dāng)房地產(chǎn)業(yè)與個人貸款違約率同時達(dá)到20%時(圖中用2+2表示,余下的類推),系統(tǒng)中初始破產(chǎn)銀行數(shù)中位數(shù)便達(dá)到9個,加之傳染的影響,最終所有銀行都可能破產(chǎn),整個銀行體系會出現(xiàn)系統(tǒng)性崩潰.圖12給出了對應(yīng)違約率下初始破產(chǎn)銀行數(shù)的中位數(shù)及最大值.圖13給出對應(yīng)違約率下銀行體系資產(chǎn)損失一般水平值及極端情況值占總資產(chǎn)的比例,由此也可進(jìn)一步看出房地產(chǎn)市場波動導(dǎo)致的損失加上銀行體系相互借貸違約傳染和資產(chǎn)重疊價格傳染可能造成我國銀行體系高達(dá)40%以上的資產(chǎn)損失.房地產(chǎn)市場的穩(wěn)定性不容忽視,對房地產(chǎn)市場的監(jiān)管依然是系統(tǒng)性風(fēng)險防控的重點.

a=0

圖12 房地產(chǎn)業(yè)與個人貸款違約共同作用下初始破產(chǎn)銀行數(shù)

VaR0.95

2.3.3 金融資產(chǎn)價格壓力測試

假設(shè)無貸款違約發(fā)生的情況下,模擬結(jié)果表明,在金融投資資產(chǎn)(主要是債券)所有可能的歷史價格水平下,沒有銀行因為金融資產(chǎn)價格變動而發(fā)生初始破產(chǎn).究其原因是由于我國債券市場發(fā)展較晚,債券市場不存在大幅波動.因此,需要指出的是,本部分未對債券價格進(jìn)行隨機(jī)抽樣,而直接對價格進(jìn)行壓力測試.風(fēng)險評估樣本完全由10 000次銀行相互借貸網(wǎng)絡(luò)抽樣決定.

為分析各類金融資產(chǎn)價格變動對銀行體系系統(tǒng)性風(fēng)險的影響,從而識別出系統(tǒng)性關(guān)鍵資產(chǎn),本研究分別考慮各類金融資產(chǎn)價格由1變?yōu)?.6、0.4、0.2(即折價40%、60%、80%),而其它金融資產(chǎn)價格保持不變時,單類金融資產(chǎn)價格單項變動對銀行體系系統(tǒng)性風(fēng)險的影響.結(jié)果如表6所示,由于不考慮資產(chǎn)價格的波動性,模擬結(jié)果差異很小,由此表中僅展示各風(fēng)險指標(biāo)的中位數(shù).圖14給出了各類資產(chǎn)價格變動引起的初始破產(chǎn)銀行數(shù). 圖15給出了各類資產(chǎn)價格變動所引起的銀行體系資產(chǎn)損失一般水平值占銀行體系總資產(chǎn)的比例. 可以看出,地方政府債券、同業(yè)及其金融機(jī)構(gòu)債券及委托理財投資相比其它金融資產(chǎn)對銀行體系系統(tǒng)性風(fēng)險的影響較為顯著,當(dāng)資產(chǎn)價格下跌幅度加大時,這幾類資產(chǎn)對銀行體系系統(tǒng)性風(fēng)險的影響均明顯加劇.其它資產(chǎn)價格變動對銀行體系系統(tǒng)性風(fēng)險的影響不明顯.當(dāng)資產(chǎn)流動性很好時(a=0),內(nèi)部相互借貸違約傳染效應(yīng)并未發(fā)生,此情況下銀行體系資產(chǎn)損失也很小.在由地方政府債券、同業(yè)及其它金融機(jī)構(gòu)債券或者委托理財投資價格變動引發(fā)初始破產(chǎn)的情況下,內(nèi)部相互借貸違約傳染與資產(chǎn)重疊價格傳染共同作用導(dǎo)致被傳染銀行數(shù)量及系統(tǒng)資產(chǎn)損失值急劇上升.通過對比前述貸款違約率變動帶來的損失與金融資產(chǎn)價格變動帶來的損失可以看出,前者對我國銀行體系系統(tǒng)性風(fēng)險的影響較大.

圖14 金融資產(chǎn)價格下跌下初始破產(chǎn)銀行數(shù)量

a=3

2.3.4 宏觀因素壓力測試

通常,貸款違約與金融投資資產(chǎn)價格之間存在一定的相關(guān)性.為準(zhǔn)確測度系統(tǒng)性風(fēng)險,本節(jié)通過宏觀公共因子將行業(yè)貸款違約率與金融資產(chǎn)價格(債券)的聯(lián)合變動有機(jī)地結(jié)合起來,考慮二者對我國銀行體系系統(tǒng)性風(fēng)險的聯(lián)合影響. 相關(guān)結(jié)論也可為防范系統(tǒng)性風(fēng)險的宏觀策略制定提供借鑒.

1)宏觀因素對貸款及貸款違約率及債券價格的影響.

對于宏觀變量與貸款違約率之間關(guān)系的研究,已有文獻(xiàn)所選的宏觀變量存在一定的差異.Bonfim[49]選取GDP及GDP增長率、出口量、私人消費(fèi)、固定資本增長率、失業(yè)率、匯率、貸款增長率、國債收益率斜率、利率以及股市收益率等宏觀變量進(jìn)行分析.結(jié)果表明,在剔除不顯著變量以及符號不符的變量后,利率、收益率曲線斜率、貸款增長率、股市收益率和GDP增長率對企業(yè)破產(chǎn)違約具有顯著影響.Bofondi和Ropele[50]在研究宏觀變量對意大利銀行不良貸款率的影響時選取GDP增長率、失業(yè)率、CPI、利率、債務(wù)負(fù)擔(dān)、房價增長率、股市增長率、國債收益率曲線斜率等宏觀變量.用分組后的宏觀變量與不良貸款率進(jìn)行回歸表明失業(yè)率、GDP增長率、利率和房價增長率為解釋變量時模型的擬合效果最好.Figlewski等[51]將宏觀變量分為三類:宏觀狀態(tài)相關(guān)的變量(失業(yè)率、通脹率、經(jīng)濟(jì)前景指數(shù)等)、經(jīng)濟(jì)趨勢相關(guān)的變量(GDP增長率、消費(fèi)者情緒變化等)和金融市場相關(guān)變量(利率、股市收益率等).將所有宏觀變量放入模型時,只有消費(fèi)者情緒變化、股市收益率顯著.剔除顯著性最差的變量后,結(jié)果表明消費(fèi)者情緒、長期國債利率、股市收益率在回歸中可以同時顯著.

有鑒于此,為避免遺漏重要的宏觀變量,本研究綜合選用GDP增長率、金融部門杠桿率、非金融企業(yè)部門杠桿率、居民部門杠桿率、地方政府杠桿率、CPI、失業(yè)率、上海同業(yè)拆借利率、上證指數(shù)增長率、房價增長率、M2增長率和國債收益率曲線斜率等變量作為宏觀經(jīng)濟(jì)變量,其中,各部門杠桿率是各部門債務(wù)與GDP的比值.利用這些變量分析宏觀經(jīng)濟(jì)對貸款違約率、信用利差和期限利差的影響.

為盡可能全面利用各宏觀變量中隱藏的貸款違約率相關(guān)信息且規(guī)避各宏觀變量之間的相關(guān)性,本研究利用因子分析方法降維后得到的因子與貸款違約率、信用利差、期限利差分別回歸.當(dāng)回歸不顯著時則剔除不顯著因子中對應(yīng)權(quán)重大的變量,最后發(fā)現(xiàn)GDP增長率、地方政府杠桿率、居民部門杠桿率、金融部門杠桿率和非金融企業(yè)部門杠桿率構(gòu)成的宏觀因子(Eco)與貸款違約率、信用利差與期限利差之間存在顯著的關(guān)系.因子(Eco)總方差解釋占比為83.05%,其載荷及成分系數(shù)矩陣如附表3 所示.由因子載荷可以看出各部門杠桿率的因子載荷近似為1,而GDP增長率為-0.61,從成分系數(shù)可以看出,因子得分與各部門杠桿率正相關(guān),與GDP增長率負(fù)相關(guān).因子中各個變量的成分系數(shù)與其均值和標(biāo)準(zhǔn)差結(jié)合,可得因子得分為

附表3 宏觀因子載荷及成分系數(shù)

Ecot=-1.74-6.94GDPt+3.35govt+

1.74ret+1.24fst+0.96but

其中GDP為GDP增長率、gov為地方政府部門杠桿率、re為居民部門杠桿率、fs為金融部門杠桿率、bu為非金融企業(yè)部門杠桿率.由此可以看出各變量絕對水平變動對宏觀因子的邊際影響從大到小依次為:GDP增長率、地方政府部門杠桿率、居民部門杠桿率、金融部門杠桿率、非金融企業(yè)部門杠桿率.

為排除2008年危機(jī)后我國采取寬松的財政政策和貨幣政策對貸款違約的影響,本研究選用從2013后的數(shù)據(jù)分析宏觀因子與貸款違約率之間得關(guān)系,圖16展示了按行業(yè)貸款頭寸加權(quán)的平均違約率與宏觀經(jīng)濟(jì)因子之間的關(guān)系.從圖可以看出宏觀環(huán)境越好(各部門杠桿率低、GDP增長率高),貸款違約率越低,這與以往文獻(xiàn)研究中的結(jié)果一致.考慮各行業(yè)間存在差異,本研究利用固定效應(yīng)面板數(shù)據(jù)回歸分析宏觀因子與各行業(yè)貸款違約之間的關(guān)系如附表4所示.回歸系數(shù)均在5%置信水平下顯著,說明宏觀因子與違約率之間存在顯著的相關(guān)關(guān)系.從回歸系數(shù)可以看出宏觀因子與違約率之間正相關(guān).

附表4 宏觀因子與行業(yè)貸款違約率的回歸

圖16 宏觀因子與平均違約率

本研究的信用利差為企業(yè)債市場組合的到期收益率與相同期限的國債到期收益率之差,期限利差為與企業(yè)債市場組合期限相同的國債到期收益率與1月期國債到期收益率的差.其中,企業(yè)債市場組合用中國債券信息網(wǎng)的中債—公司信用類債券指數(shù)組合衡量.由于市場組合到期期限不是整數(shù),因此,采用McCulloch[52]提出的三次多項式樣條對國債到期收益率曲線進(jìn)行擬合.考慮回歸的穩(wěn)健性,采用月度數(shù)據(jù)和季度數(shù)據(jù)分別進(jìn)行回歸,據(jù)此分析債券超額收益率與期限利差及信用利差之間的關(guān)系,結(jié)果如附表5所示.信用利差及期限利差與宏觀經(jīng)濟(jì)因子(Eco)的回歸結(jié)果如附表6所示.

附表5 債券期望收益率與信用利差, 期限利差

附表6 信用利差、 期限利差與宏觀因子

由式(3)～式(6)及附表3～附表6可知,在經(jīng)濟(jì)正常發(fā)展時段(2013年—2017年),我國行業(yè)貸款違約率受到GDP增長率及各部門的杠桿率的影響,其中高GDP增長率可以降低各行業(yè)貸款違約率,而各部門高杠桿率會加劇各行業(yè)的貸款違約.對于債券價格,高GDP增長率可以降低信用利差及期限利差,由此推升債券價格,而各部門高杠桿率會促使投資者要求更高的信用利差及期限利差,進(jìn)而降低債券價格.

2)基于宏觀變量的壓力測試

為探究GDP增長率、各部門金融杠桿率分別及聯(lián)合變動情況下系統(tǒng)性風(fēng)險的狀況,本研究分析了不同GDP增長率及各部門杠桿率水平下銀行體系系統(tǒng)性風(fēng)險的情況.為簡潔起見,設(shè)定如下三種情況:“水平1”表示GDP增長率下降到5%或者某部門杠桿率

在2018年的基礎(chǔ)上上升20%;“水平2”表示GDP增長率下降到4%或者部門杠桿率在2018年的基礎(chǔ)上上升40%;“水平3”表示GDP增長率下降到3%或者某部門杠桿率在2018年的基礎(chǔ)上上升60%.

所得系統(tǒng)性風(fēng)險壓力測試結(jié)果如表7所示.從中可以看出,以2018年的宏觀環(huán)境(GDP增長率和杠桿率)為基礎(chǔ)進(jìn)行的風(fēng)險測度表明當(dāng)前我國銀行體系整體穩(wěn)定,風(fēng)險較小.但尾部風(fēng)險仍然偏高,一旦有銀行出現(xiàn)初始性破產(chǎn),加之資產(chǎn)流動性不足,有爆發(fā)系統(tǒng)性風(fēng)險的可能.圖17給出了不同GDP增長率水平及杠桿率水平下初始破產(chǎn)銀行數(shù)目,圖18～圖19分別給出了宏觀因子變動所引起的銀行體系資產(chǎn)損失一般水平值及極端情況值占銀行體系總資產(chǎn)的比例.由此可以看出地方政府杠桿率的升高對銀行體系系統(tǒng)性風(fēng)險的影響較大,居民杠桿影響亦不可忽視.單獨(dú)看GDP增長率的影響發(fā)現(xiàn)其影響并不大,但GDP對系統(tǒng)性風(fēng)險的影響不應(yīng)只單獨(dú)考慮其單一變動的結(jié)果.由于各部門杠桿率是各部門債務(wù)與GDP的比值,若保證各部門債務(wù)增長率不變,GDP增速下降將導(dǎo)致各部門杠桿率上升.因此,應(yīng)當(dāng)考慮GDP增長率下降與各部門杠桿率上升綜合作用下系統(tǒng)性風(fēng)險的情況.由圖表中“綜合”情景下銀行體系系統(tǒng)性風(fēng)險指標(biāo)可以看出,即使在相對樂觀的情況下(GDP增長率下降至5%,各部門杠桿率提升20%),初始破產(chǎn)銀行數(shù)量的一般水平達(dá)到3,在資產(chǎn)流動性較好的情況下銀行體系資產(chǎn)損失值一般水平超過系統(tǒng)總資產(chǎn)的20%,而在資產(chǎn)流動性差的情況下銀行體系資產(chǎn)損失的一般水平接近系統(tǒng)總資產(chǎn)的30%,通過傳染所有的銀行可能同時破產(chǎn).由此可以看出,目前穩(wěn)定GDP增長率水平不僅只是為了保證發(fā)展經(jīng)濟(jì)本身,也是防范金融體系系統(tǒng)性風(fēng)險的有力舉措.

中位數(shù)

最大值

a=3

a=3

3 結(jié)束語

現(xiàn)階段我國銀行體系比較穩(wěn)定,但目前經(jīng)濟(jì)形式復(fù)雜,金融體系系統(tǒng)性風(fēng)險潛在誘因猶存并不可小覷.本研究所提出的系統(tǒng)性風(fēng)險測評模型,合理地將我國銀行體系實際情況與各類風(fēng)險測度模型相結(jié)合,為我國金融體系系統(tǒng)性風(fēng)險測度與評估提供了一個可供參照的量化分析框架.在此基礎(chǔ)上,全面地分析評估了現(xiàn)階段我國銀行體系潛在的系統(tǒng)性風(fēng)險狀況.盡管如此,由于數(shù)據(jù)限制和模型簡化原因,該評估不可能做到完全準(zhǔn)確地反映真實情況,但所得研究結(jié)論對現(xiàn)實仍可提供有價值的參考.以下對相關(guān)研究結(jié)果進(jìn)行簡要總結(jié)并提出相應(yīng)政策建議.

本研究發(fā)現(xiàn)主要包括如下四個方面.

1)系統(tǒng)性風(fēng)險傳染渠道及效應(yīng):當(dāng)資產(chǎn)流動性較好時,僅考慮銀行內(nèi)部相互借貸網(wǎng)絡(luò),銀行體系系統(tǒng)性風(fēng)險傳染效應(yīng)甚小.但是,綜合考慮內(nèi)部相互借貸引發(fā)的違約傳染及資產(chǎn)重疊引發(fā)的價格傳染時,銀行體系系統(tǒng)性風(fēng)險的傳染效果非常明顯,且隨著資產(chǎn)流動性變差,風(fēng)險傳染的范圍及帶來的損失也隨之變大.由此可知,我國銀行體系的風(fēng)險傳導(dǎo)主要通過價格傳染,借貸網(wǎng)絡(luò)傳染起到加成作用.資產(chǎn)重疊與資產(chǎn)流動性匱乏是引發(fā)系統(tǒng)性風(fēng)險的主要機(jī)制與關(guān)鍵因素.

2)系統(tǒng)性關(guān)鍵行業(yè):個人(貸款)、制造業(yè)、批發(fā)—零售業(yè)、租賃—商務(wù)服務(wù)業(yè)、水利—環(huán)境—公共設(shè)施管理業(yè)、房地產(chǎn)業(yè)、交通運(yùn)輸—倉儲—郵政業(yè)違約率上升所引發(fā)的初始性破產(chǎn)銀行數(shù)量相較于其它行業(yè)較大.由于貸款在這些關(guān)鍵行業(yè)的數(shù)額較大,且各銀行間貸款重疊嚴(yán)重,若加之投資端債券流動性匱乏,即使單一的關(guān)鍵行業(yè)發(fā)生違約,便可引發(fā)銀行大面積破產(chǎn)和資產(chǎn)重大損失.

3)系統(tǒng)性關(guān)鍵資產(chǎn):地方政府債券、同業(yè)及其它金融機(jī)構(gòu)債券以及委托理財投資資產(chǎn)價格下跌所引發(fā)的初始破產(chǎn)銀行數(shù)量較多.資產(chǎn)重疊嚴(yán)重,若加之資產(chǎn)流動性匱乏的影響,單類資產(chǎn)價格變動便足以使整個系統(tǒng)崩潰.總體而言,相對于投資端,銀行體系信貸端資產(chǎn)數(shù)額較大,對系統(tǒng)性風(fēng)險的影響更大.

4)宏觀方面,相較于其它因素,地方政府部門杠桿率過高和GDP增長率過低都會對我國銀行體系系統(tǒng)性風(fēng)險造成較大影響,居民杠桿影響亦不可忽視.

基于上述研究發(fā)現(xiàn),本文對宏觀監(jiān)管和資本市場建設(shè)提出以下三方面建議.

1)嚴(yán)格房地產(chǎn)行業(yè)的監(jiān)管:房地產(chǎn)業(yè)貸款、個人(貸款)、建筑業(yè)、委托理財投資和地方政府債券是銀行體系系統(tǒng)性關(guān)鍵行業(yè)與資產(chǎn),而它們均與房地產(chǎn)行業(yè)有直接或間接的緊密聯(lián)系.房地產(chǎn)行業(yè)的穩(wěn)定與否直接關(guān)系到這五部分相關(guān)資產(chǎn)的狀況.為避免房地產(chǎn)行業(yè)波動對銀行體系的影響,一方面應(yīng)當(dāng)嚴(yán)格控制銀行體系向房地產(chǎn)行業(yè)的資金流出,從而減少相應(yīng)風(fēng)險暴露;另一方面應(yīng)當(dāng)穩(wěn)定房價,避免房價大起大落從而引發(fā)系統(tǒng)性風(fēng)險.

2)穩(wěn)杠桿與穩(wěn)增長:相較于其它部門杠桿,地方政府部門杠桿的上升對系統(tǒng)性風(fēng)險的影響較大,居民杠桿亦不可忽視.單獨(dú)看GDP增速下降對系統(tǒng)性風(fēng)險的影響并不太明顯,但是GDP增速下降可能會導(dǎo)致各部門杠桿的上升,警惕低經(jīng)濟(jì)增長與高杠桿共同作用引發(fā)系統(tǒng)性風(fēng)險.

3)建設(shè)高信用水平金融體系和更具深度與廣度的資本市場:銀行體系是我國融資主體中介,且其主要金融投資資產(chǎn)是債券,銀行體系的貸款違約主體與債券違約主體重合度高,因而面臨巨大的信用風(fēng)險.另外,資產(chǎn)流動性對系統(tǒng)性風(fēng)險亦有關(guān)鍵性影響.信用風(fēng)險、市場風(fēng)險與流動性風(fēng)險疊加將帶來巨大的系統(tǒng)性風(fēng)險.加強(qiáng)誠信教育和信用保證制度建設(shè)是完善我國金融體系的重要工作;廣泛分散的投融資渠道(特別是直接投融資渠道),將起到降低銀行體系系統(tǒng)性風(fēng)險重要作用;建設(shè)更有深度(流動性強(qiáng))和廣度(投融資渠道多)的資本市場是有益且必要的發(fā)展方向.

既要預(yù)防系統(tǒng)性風(fēng)險,又要保證各部門的融資需求,必然對我國銀行體系運(yùn)營管理提出更高的要求,銀行需要“一放一收”地做好資金融通和風(fēng)險管理工作.本研究對現(xiàn)階段銀行運(yùn)營管理建議如下:一方面,在做好風(fēng)險管理的情況下,放寬企業(yè)(特別是民營企業(yè))的貸款準(zhǔn)入標(biāo)準(zhǔn),為實體經(jīng)濟(jì)輸血,保障就業(yè)、促進(jìn)經(jīng)濟(jì)發(fā)展.另一方面,審慎收緊在系統(tǒng)性關(guān)鍵行業(yè)和資產(chǎn)上的信貸與投資業(yè)務(wù),做到資金投向明確、風(fēng)險分散可控.特別地,在貸款端,應(yīng)當(dāng)更加嚴(yán)格把控貸款撥付標(biāo)準(zhǔn),預(yù)防資金過于集中地投放于房地產(chǎn)等系統(tǒng)性關(guān)鍵行業(yè);在投資端,應(yīng)當(dāng)更加重視債券發(fā)行人的財務(wù)和經(jīng)營狀況,做好風(fēng)險評級工作.地方政府債券以及委托理財投資的資金投向應(yīng)當(dāng)給予特別關(guān)注.

最后,值得指出的是本研究仍然存在一些不足有待后續(xù)研究進(jìn)一步改進(jìn)和完善.首先,對于金融投資資產(chǎn)分類,由于無法獲得相關(guān)風(fēng)險資產(chǎn)的詳細(xì)信息,比如相關(guān)債券的期限等,風(fēng)險度量不可避免地存在一定誤差.其次,銀行體系內(nèi)部相互借貸網(wǎng)絡(luò)真實網(wǎng)絡(luò)數(shù)據(jù)無法獲得,任何數(shù)據(jù)恢復(fù)方法均可能存在偏差,從而導(dǎo)致風(fēng)險度量誤差.最后,在宏觀因素與系統(tǒng)性風(fēng)險的分析中,宏觀因素與債券違約率、資產(chǎn)價格之間的關(guān)系由當(dāng)前數(shù)據(jù)分析得到,當(dāng)經(jīng)濟(jì)情形發(fā)生變化時,該類關(guān)系亦可能發(fā)生結(jié)構(gòu)性變化,相應(yīng)地,影響系統(tǒng)性風(fēng)險的關(guān)鍵因素和影響程度均可能發(fā)生變化.

附錄