我国影子银行对商业银行的风险溢出效应

王 菲 首都经济贸易大学金融学院

一、引言

近年来，金融市场的竞争日益加剧，监管的压力也在不断增加。与此同时，随着金融发展的水平提升，“创新”成为了金融产业的主题，我国影子银行得到了迅猛发展。虽然目前看来我国商业银行的净资产较高，足以抵御一定程度的信贷危机冲击，但是近年来金融市场频繁发生的流动性紧张事件说明了影子银行的局部风险仍然威胁着我国的金融系统稳定性，此类系统性风险一旦暴露，商业银行必定首先受到影响。因此，本文选取代表性上市金融机构构成影子银行系统和商业银行系统，运用GARCH-CoVaR模型来分别研究各类影子银行对商业银行系统的风险溢出效应和影子银行系统对各类商业银行的风险溢出效应。本文的研究为监管影子银行风险溢出效应从而提高商业银行抗风险能力提供客观的实证依据。

二、文献综述

(一)影子银行

在2008年的全球金融危机期间，影子银行系统在向其他金融机构扩散压力方面发挥了关键作用，尤其是对商业银行的影响，影子银行在世界范围内受到了越来越多的关注。金融稳定理事会(FSB，2011)对影子银行的概念做出了权威性的界定，它指出影子银行是游离在传统银行体系之外同时又从事传统银行业务的信用中介体系，尤其是指具有期限转换、信用风险转移与流动性转换的信用中介体系。同时其也指出，影子银行的具体存在形式没有国际统一标准，应当根据每个国家地区的金融体系完善程度与监管政策的情况具体分析。

我国对影子银行的界定与国外不同，国外的影子银行业务是在商业银行以外进行的，多以资产证券化为核心，由非银行金融机构独立开展，而我国的影子银行则是以传统银行为主要载体(周小川，2010)，其与传统银行之间有着密切的联系，商业银行主导着影子银行的业务，实现规避监管的目的，实质上是“银行影子”。Schwarcz(2013)认为中国的影子银行与其他发展中国家不同，因为中国拥有独特信托收益权。

(二)影子银行的风险溢出效应

影子银行在一定程度上推进了金融市场的发展，加快推进了市场利率化的进程，但也在某种程度上造成了金融风险的加剧，使得金融市场的稳定性下降，尤其是对商业银行的冲击。Gao(2013)测算了1992—2011年之间的影子银行规模，分析发现影子银行对商业银行有风险正向溢出效应，并且其规模的扩大会使得商业银行的系统性风险加剧。Paraschiv(2013)通过一个基于多元极值理论的模型测量风险和流动性挤兑，测度传统银行和影子银行尾部概率之间存在相互依赖关系，研究表明影子银行资产与传统银行资产存在较强的传染性，且这种传染效应是不对称的。Instefjord(2005)采用简单的金融困境成本模型进行实证研究，考察信用衍生品作为影子银行金融创新是否会使银行暴露信用风险，研究结果表明虽然信用衍生品可以分担部分风险，但如果银行利用信用衍生品进行投机，很可能会撼动银行体系，使其非常不稳定。王晰等(2020)通过TVPVAR模型在四个能力维度上研究了影子银行对金融稳定的影响，研究发现影子银行对金融发展能力在不同时期都有显著的负向影响，对金融平稳能力、金融防御能力、金融恢复能力在不同时点有不同程度的影响。李文喆(2020)发现在考虑影子银行的影响后，商业银行的资本充足率、拨备覆盖率、存贷比都突破了有关法律法规所规定的限制，说明了商业银行的稳定性受到了影子银行的风险冲击。郭娜等(2021)通过构建NK-DSGE模型将影子银行纳入考虑范围进行脉冲响应分析，结果发现，对影子银行和商业银行的不对称的信贷监管会加速影子银行的规模扩张，而影子银行的经营方式具有高杠杆的特点，其加剧了金融系统的风险与不稳定。

2008年全球金融危机爆发后，不同金融领域内的风险扩散传递成为学者们关注的热点话题，出现了大量的研究风险溢出的方法。Lehar(2005)将系统性风险定义为总资产占银行总资产的一定比例以上的银行在短期内破产的概率，然后利用蒙特卡洛模拟来得到系统风险，进而分析银行资产的波动性。然而这方法并不适用于影子银行，因为影子银行的活动知识金融机构交易的一部分，而一家机构的倒闭反映的是金融体系的整体风险，而不是影子银行的局部风险。Huang、Zhou和Zhu(2009)提出由针对金融危机的保险价格来衡量系统风险，该价格是基于对单个影子银行违约概率的事前度量和对资产回报相关性的预测。然而，在我国影子银行体系中，信用品衍生市场并没有那么发达，因此很难从这一类金融工具中获取信息，因此这种方法也不适用于影子银行的研究。现如今主流的测度风险的方法是CoVaR条件在险价值法，该方法能够利用金融市场数据更加精确的测度影子银行的风险。李从文(2015)就是用了CoVaR的方法测度了影子银行的风险溢出效用，结果发现了不同类型的影子银行对商业银行的有不同强度的风险溢出效应，且影子银行对不同类型的商业银行的风险溢出也是大不相同。

三、模型设计和数据说明

(一)基本CoVaR模型

条件风险价值(CoVaR)的含义是指在某一置信水平下，金融机构或资产组合的损失为VaR时，其他机构或资产组合受此影响可能遭受的潜在最大损失。其具体的数学表达为：

金融机构j的风险事件对金融机构i的风险溢出价值是为与的数值之差，具体的数学表达为：

但是由于不同的金融机构i的风险价值差别较大，因此，为了方便比较研究，需要将其进行标准化处理，得到金融机构j对金融机构i的风险溢出度，具体的数学表达为：

(二)GARCH-CoVaR 模型

实证研究表明，GARCH(1,1)模型对金融数据具有较好的拟合性。因此，首先利用GARCH(1,1)模型对本文的股票收益率时间序列进行建模，得到条件方差序列和条件均值序列，计算VaR值，公式为：

然后，利用GARCH模型对金融机构j的VaR值以及金融机构i的收益率进拟合，并进行CoVaR值的计算：

(三)样本选取与数据说明

当前我国影子银行业务主要有两个参与主体，一个是商业银行，其包括了国有商业银行、股份制商业银行以及城市商业银行等，另一个是影子银行机构，其包括以证券机构、信托为主体的非银行金融机构以及民间借贷金融机构。参照现有的研究，本文的研究对象为上市金融机构，以确保数据可获得和有效性。商业银行方面，选取中国银行、工商银行、建设银行代表国有商业银行；选取中信银行、招商银行、民生银行、兴业银行、浦发银行、和华夏银行代表股份制商业银行；选取南京银行、北京银行和宁波银行代表城商行。影子银行方面，选取中信证券、太平洋证券、长江证券、西南证券、国金证券、国元证券、海通证券、东北证券和广发证券代表证券类影子机构；选取已上市的陕国投 A 和安信信托代表信托类影子机构；选取已上市的渤海租赁、鲁信创投和香溢融通代表民间借贷类影子机构。

2008 年以后我国的影子银行快速发展，规模迅速扩大，因此本文选取的样本数据跨度是2008年1月2日到 2019年12月31日。原始数据均来源于Wind数据库，本文选取的是每家上市金融机构的日收盘价。本文对数据做了以下的处理：对每一个交易日的收盘价做一阶对数差分并乘以100，得到机构的日对数收益率，即rit=100×ln(Pi,t/Pi,t-1)，其中Pi,t和Pi,t-1分别为t日和t-1日股票收盘价，rit为机构的日收益率。行业的收益率序列是该行业所有金融机构的rit的算术平均值。

四、实证结果与分析

(一)序列描述性统计

表1(下页)显示了各个样本序列的描述性统计，其中，证券类、信托类与民间借贷的序列均值代表的是影子银行的收益率序列，国有银行、股份银行和城商银行的序列均值代表的是商业银行的收益率序列。

从表1的结果可以看出，除国有银行外的各序列的偏度均为负，各序列的峰度均远远大于3，有明显的尖峰厚尾的特点；JB统计量的p值均为0，均显著，说明各序列均不满足正态分布，因此我们用t分布代替正态分布进行检验。Q检验表明，在滞后10阶、10%的显著性水平下，各序列不具有自相关性。ADF单位根检验表明，在1%的显著性水平下，各序列均为平稳时间序列，不存在伪回归问题。考虑到金融数据可能存在ARCH效应，我们对序列数据进行了ARCH-LM检验，结果表明，在滞后10阶情况下，各序列具有明显的条件异方差性，因此我们建立GARCH模型。

表1 样本序列的描述性统计

(二)风险溢出效应分析

使用GARCH模型对各序列进行拟合后，可以得出各序列的VaR值，再对各序列的VaR值以及机构收益率进行GARCH模型进行拟合，可以计算出各类影子银行机构的风险溢出效应。本文从两个角度进行分析，一是各类影子银行机构对商业银行系统的风险溢出效应，二是影子银行系统对各类商业银行的风险溢出效应。

1.各类影子银行机构对商业银行系统的风险溢出效应

表2给出了在95%的置信水平下，不同类型的影子银行机构对于整个商业银行系统的风险溢出效应的测度结果(限于篇幅，只给出各年度的平均值)。由结果可知，各类影子银行机构的VaR值和%ΔCoVaR值存在一定的差异。以VaR值作为依据的话，信托类影子银行机构的自身风险价值最大为-7.11，其次是证券类影子银行机构的-5.90，民间借贷类影子银行机构的自身风险价值最小为-5.42。但是，以%ΔCoVaR来考虑的话，结果发现民间借贷类影子银行机构风险溢出效应%ΔCoVaR的绝对值为0.47，对商业银行的风险溢出效应最大，其次为信托类的0.25，最小的是证券类的0.08。从整体上看，我国影子银行系统对商业银行的风险溢出效应为0.41，说明风险在可控范围内，但是影子银行的风险不可小觑，其对商业银行影响的效果较为明显。

表2 各类影子银行机构对商业银行的风险溢出效应

2.影子银行系统对各类商业银行的风险溢出效应

影子银行的风险溢出效应不仅仅表现在各类影子银行机构对商业银行系统的溢出风险不同，还表现在各类商业银行机构所承担的影子银行的溢出风险的强度不同。表3给出了在5%的显著性水平下，影子银行系统对各类商业银行的风险溢出效应，以此来考察不同类型的商业银行面对影子银行风险溢出的承受强度。从结果上来看，如果不考虑影子银行的风险溢出效应，城商银行自身的风险价值VaR最高，达到-4.78，其次为股份制商业银行的-4.43，最小的是国有银行的-3.38，这说明国有银行的自身风险最小，城商银行的自身风险最大。在考虑影子银行的风险溢出效应之后，发现影子银行对城商银行的风险溢出效应%ΔCoVaR的绝对值最大，为0.18，其次为股份制商业银行的0.03，国有银行承担的影子银行的风险溢出效应最小，为0.02，说明影子银行发生风险后，最易受到影响的是城商银行，其次是股份制银行，国有银行则最能保持稳定。

表3 影子银行系统对各类商业银行的风险溢出效应

五、结语

本文通过使用上市金融机构的数据，构建GARCHCoVaR模型，研究各类影子银行对商业银行系统的风险溢出效应和影子银行系统对各类商业银行的风险溢出效应，得出以下结论：一是证券机构、信托机构以及民间借贷机构对商业银行系统均存在不同程度的风险溢出效应。民间借贷类影子银行的风险溢出效应最大，其次是信托类，最小的是证券类。二是目前我国影子银行对商业银行的风险溢出整体上较为明显，民间借贷类影子银行的风险溢出最为明显，说明要注重加强对民间借贷机构的监管。三是影子银行系统对各类商业银行的风险溢出效应也不尽相同。影子银行系统对城市商业银行的风险溢出最大，其次是股份制商业银行，最小的是国有银行。这表明，一旦影子银行发生风险，最易受到冲击的是城商银行，其次是股份制商业银行，国有银行最能保持稳定。

基于上述研究，本文提出以下建议：第一，完善监管制度，将民间借贷金融机构纳入监管范围，规范其业务经营范围，减少民间借贷类影子银行的风险，从而减少商业银行的风险。第二，完善影子银行风险隔离机制，防范影子银行的风险溢出对商业银行的影响。完善影子银行监管制度，强化风险管控，优化市场交易统计制度，完善信息披露制度，防范发生系统性风险。第三，对城商银行加强风险管理，规范同业业务。根据本文研究发现，影子银行发生风险，城商银行最易受到冲击，因而要注重对城商行的管理，加强全流程的风险防控，对交易前、中、后的风险要有相应的应对措施与规范。此外，注重城商银行的业务转型，在风险可控的情况下，提升银行盈利能力。