基于CoVaR动态模型的我国金融机构系统性风险分析

2018-10-30黄玮强郭慧敏庄新田

统计与决策 2018年19期

黄玮强，郭慧敏，庄新田

（东北大学工商管理学院，沈阳 110167）

0 引言

金融系统性风险是指可能导致金融系统部分或全部受损进而使其金融服务功能中断，并对实体经济产生严重危害的风险[1]。随着金融市场化改革及金融创新的不断深入，金融机构间的相互关联和相互依赖越来越深入且复杂。金融系统性风险度量是金融系统性风险监管的前提。传统的度量方法包括运用金融计量模型，如GARCH类模型或向量自回归模型，通过分析金融机构间的信息溢出关系来刻画金融机构的系统性风险[2,3]；还有基于资产负债表数据，通过构建金融压力指数来测度金融系统性风险[4,5]。

近年来，越来越多的学者基于金融市场数据来度量金融系统性风险。Adrian和Brunnermeier[6]提出了金融系统性风险度量的条件在险价值（CoVaR，ConditionalValue-at-Risk）方法。之后该方法被广泛用于金融系统性风险的度量，如López-Espinosa等[7]运用CoVaR模型分析了全球商业银行系统性风险的影响因素。肖璞等[8]利用CoVaR方法，结合分位数回归技术，研究了我国上市银行之间的风险溢出效应及单个银行对整个银行系统的风险贡献率。白雪梅和石大龙[9]利用CoVaR方法，度量了我国公开上市的27家金融机构的系统性风险，并建立了系统性风险预测模型。陆静和胡晓红[10]以CoVaR为基础，通过引入状态变量模拟尾部风险的时变特征，采用市场化资产增长率等指标对中国14家上市银行的系统性风险进行了实证分析。除了Co-VaR方法外，其他基于市场数据的度量方法还包括系统性期望损失方法（systemic expected shortfall,SES)[11]、金融机构对金融行业困境保险费用（distress insurance premium,DIP）的边际贡献[12]、出现金融危机时金融机构的预期资本损失（SRISK）[13]等。

本文利用CoVaR动态模型，通过引入系列滞后状态变量，对我国35家上市金融机构2008—2015年的系统性风险贡献进行了动态估计及分析。进一步地，通过向前的系统性风险贡献分析，揭示了金融机构的特征因素变量对其未来系统性风险贡献的影响。

1 金融机构系统性风险度量模型

1.1 CoVaR定义

条件在险价值（CoVaR）最早由Adrian和Brunnermeier于2008年提出[6]，2011年其又引入状态变量模拟尾部风险时变特征对模型进行了改进，定义为：

当金融机构i发生极端事件(Xi=Va)时，整个金融体系的在险价值（VaR）即为机构i的系统性风险CoVaRqsy

stem|i。

其中，Xi代表金融机构i的资产（组合）收益率，q为置信水平。通过CoVaR可以度量单个金融机构发生极端事件时对金融体系的影响，即该机构的系统重要性。进一步地，金融机构i对金融体系的系统性风险贡献为：

其中，Xi=mediani表示金融机构i的资产（组合）收益率处于中位数水平。

1.2 CoVaR动态模型

在CoVaR静态模型基础上，通过引入滞后变量得到CoVaR动态模型。滞后变量也称作状态变量，是由一系列影响金融机构系统性风险的相关指标组成。滞后变量的引入刻画了Xi和Xsystem的尾部风险时变性，使得CoVaR的估计结果更贴近实际。

其中，Mt-1为系列滞后状态变量。先对式（3）进行q分位数回归，估计得到金融机构i收益的在险价值Va(q)，然后对式（4）进行q分位数回归，并将金融机构i的在险价值Va(q)代入公式右边，得到金融体系的条件在险价值CoVa(q)，即有：

1.3 向前的ΔCoVaR分析

向前的ΔCoVaR分析是挖掘对金融机构第T期的系统性风险贡献有显著影响的第T-n期的机构特征因素。该分析能够更好地把握金融机构的系统性风险变动趋势，在一定程度上为监管部门对金融机构的宏观审慎管理提供依据。分析方程为：

2 实证分析

2.1 变量选取和数据说明

利用金融机构i在第t期的市场化总资产增长率衡量金融机构的资产（组合）收益，具体可由金融机构总市值和资产权益率计算得出，即：

（2）状态变量Mt-1

借鉴文献[6]，状态变量Mt-1包括波动性指数、流动性价差、期限价差、信用价差、短期国债利率差、房地产收益率这六项指标。通过状态变量的选取，尽量剔除时间序列对尾部风险数据的影响，对Xi和Xsystem进行修正，提高结论的可靠性。

选取公司规模、资产权益比、股价净值比、股价波动率、β值这五项指标做为金融机构的特征因素变量。利用金融机构系统性风险贡献、金融机构特征因素变量的滞后一个季度和半年的数据，进行面板数据回归，得出金融机构系统性风险贡献与金融机构特征因素变量间的相互关系，进而对金融机构系统性风险贡献进行预测。

根据中国证监会制定的《上市公司行业分类指引》，截止2015年12月31日，在中国沪深A股上市的金融业上市公司共有50家，其中包括16家银行、24家证券公司、4家保险公司以及6家信托等其他金融上市公司。样本期间确定为2007年第四季度到2015年第四季度，确定的依据是：①包含最近一次金融危机时期；②要求在样本期间内一直处于上市交易状态的金融机构数量能够达到一定规模。剔除2007年10月1日之后上市的金融机构，本文最终选取了35家上市金融机构，包括14家银行、11家证券公司、4家保险公司以及6家信托等其他金融机构。

在市场化总资产增长率的计算中，以样本金融机构的股票市值作为金融机构的市场价值。样本数据来源于Wind数据库。相关变量及其定义见表1。

表1 相关变量及其定义

2.2 变量描述性统计

各变量的描述性统计如下页表2所示。由表2可知，各状态变量偏度都不为零，流动性指数、短期国债利率差和房地产收益率这三个变量的峰度均大于3，这说明这些变量呈“尖峰厚尾”分布。因此采用分位数回归方法可以更好地描述变量之间的关系。

2.3 金融机构系统性风险贡献分析

由式（5）和式（7）可以计算得到35家金融机构在5%分位数下的…，423（周）。计算每家金融机构在样本期间内的

表2 状态变量的描述性统计

图1 各金融机构样本期间内在险价值和系统性风险贡献均值关系图

表3 各金融机构ΔCoVaR时间序列均值、标准差及其排序

从表3中可以看出，35家金融机构中系统性风险贡献排序前11位的金融机构均为银行，其中建设银行的系统性风险贡献最大。银行业、保险业、证券业、信托这些金融业所属金融机构的平均ΔCoVaR均值分别为-0.0369、-0.0144、-0.0078、-0.0122。因此从行业类别来看，银行业金融机构的系统性风险贡献最大，保险业金融机构次之，证券业金融机构的贡献最小。从系统性风险贡献的波动来看，排序前三位的金融机构分别是工商银行、招商银行和建设银行。经计算发现，金融机构系统性风险贡献排序和风险贡献的波动排序，其线性相关系数达到0.95，这说明两者之间呈显著的同向变动趋势，即系统性风险贡献越大的机构其风险贡献波动也越大。这说明对于系统性风险贡献较大的金融机构，应加大对其监管频率，从而实现有效监管。

图2为各主要金融机构系统性风险贡献随时间变化情况的ΔCoVaR周时序图。从图2中可以看出，各主要金融机构的系统性风险贡献呈相似的变化趋势。在2008—2009年金融危机期间，各机构的系统性风险贡献较大；危机过后风险贡献逐渐减小，其后分别在2010年9月、2013年8月和2015年7月期间风险贡献达到局部最大值。个别金融机构如安信信托、中国平安和中信证券，他们在2015年7月期间的系统性风险贡献值甚至与金融危机期间相近。

图2 主要金融机构的ΔCoVaR时序图

2.4 向前的ΔCoVaR分析

根据式（8），以各金融机构在各时期的银行在险价值、杠杆率、资产权益比、股价净值比、股票收益波动率以及β值作为解释变量，以各金融机构在各时期的系统性风险贡献作为被解释变量。需要注意的是，各变量为季度数据，VaR和ΔCoVaR季度数据为其周数据的加总。相对于被解释变量而言，各解释变量取值分别滞后一个季度和半年，并分别进行面板数据回归。经Hausman检验发现，滞后一个季度和半年的面板数据回归模型均拒绝随机效应的原假设。因此，选择固定效应的面板数据回归，其结果如下页表4所示。

由表4可知，除了解释变量β值和股价净值比不显著外，两个回归方程其余各解释变量估计系数均与系统性风险呈显著相关关系。具体地，金融机构的机构规模与其向前一个季度和向前半年的系统性风险贡献呈显著的负向相关关系。这说明机构的规模越大，其未来的系统性性风险贡献将越小。同时还可发现，金融机构的在险价值、资产权益比与其向前一个季度和向前半年的系统性风险贡献呈显著的正向相关关系；金融机构的股票收益波动率与其向前半年的系统性风险贡献呈显著的正向相关关系。例如，金融机构的股票收益波动率提高1个单位，其未来半年的系统性风险贡献将增加0.7043个单位。因此金融机构的杠杆率越高（单位权益的负债水平越高）、股票收益的波动越大及在险价值越大，其未来的系统性风险贡献将越大。因此，在进行金融机构系统性风险监管时，应重点提前关注那些规模较小、杠杆率较高、股票收益波动及在险价值较大的金融机构。此外还可根据表4的结果对金融机构的系统性风险贡献进行均衡管理。例如若某一时期金融机构的资产权益比（杠杆率）增加了，可通过采取一定的措施扩大同时期该金融机构的规模，以在一定程度上抵消前者对其未来系统性风险贡献的正向影响。