我国系统重要性银行识别方法对比研究

杨丽等

（中国人民银行贵阳中心支行，贵州 贵阳 550001）

一、引言

2008 年金融危机暴露出系统重要性金融机构（SIFIs）的监管问题，这一问题开始得到世界各国的关注。金融稳定委员会提出系统重要性金融机构的定义、范畴：即指由于规模、市场重要性和内在关联性，其陷入困境或破产将引发金融体系严重动荡、造成不良经济后果的金融机构；根据影响范围的不同，分为全球系统重要性金融机构（G-SIFIs）和国内系统重要性金融机构（D-SIFIs），按照行业划分为系统重要性银行（SIBs）、系统重要性保险（SIIs）和非银行非保险系统重要性金融机构（NBNI SIFIs）。同时，金融稳定委员会设计出一套监管指标框架（如通过资本及相关指标的监管）来减小系统重要性金融机构发生危机的可能性和风险传染的范围。要实现有效预防及管控这种“太大而不能倒”机构的风险，就要衡量造成风险传染范围的大小，即风险的负外部性，因而识别和评估系统重要性金融机构尤为重要。2019 年11 月，中国人民银行会同银保监会起草《系统重要性银行评估办法（征求意见稿）》并正式向社会公开征求意见。作为系统重要性金融机构监管的首个评估办法（征求意见稿），表明银行业在我国金融监管体制改革的重要地位。本文运用两种国际主流识别方法分别对我国16家上市商业银行进行系统重要性银行的识别和评估，对比分析并提出政策建议，在当前具有重要的现实意义和参考价值。

二、文献综述

（一）系统重要性银行的主要识别方法

1.指标法。指标法是根据系统重要性银行的核心特征来设定相关指标，根据各金融体系的发展状况对相关指标进行赋值、加总，最终得到综合风险值，由此列出系统重要性银行名单的方法。金融稳定委员会（FSB）、巴塞尔银行监督委员会（BCBS）、国际货币基金组织（IMF）于2009 年首次提出评估系统重要性金融机构的指标，即金融机构的规模、可替代性和相关度。BCBS（2011）发布认定全球系统重要性银行的评估方法，即基于规模、可替代性、关联性、复杂性和跨境活动等五个维度的12项指标对全球重要的银行业金融机构进行评估。BCBS（2013）进一步修订完善评估方法，增加确定样本银行的方法、确定界限分数和分组门槛、增加披露要求、调整相关指标等。我国也有许多学者对系统重要性银行进行识别研究，巴曙松和高江健（2012）立足于我国实际，结合巴塞尔委员会提出的全球系统重要性银行评估框架，首次将国民信心纳入指标法评估体系，构建规模性、可替代性、关联性、复杂性及国民信心等五个一级指标，并根据我国银行业业务情况简化为二级指标，使得整个指标评估体系更贴近中国实际，对我国系统重要性银行具有开创意义。但是国际组织采用直接平均赋值的识别方法具有一定的主观色彩，并没有对指标权重进行严格确定。何康和徐文韬（2014）认为在指标体系的基础上，可采用熵值法赋权对我国系统重要性银行进行识别。而从监管的角度上，中国人民银行调查统计司课题组（2018）分析全球系统重要性银行评估指标特征及建立基础，探索建立我国系统重要性银行统计框架，弥补数据缺口，为宏观审慎管理服务。

2.市场法。市场法是指基于不同视角对系统性风险进行管理。主要包括在险值协方差法（CoVaR）、系统性期望损失法（SES）和保险困境指标法（DIP）等。

在险值协方差法（CoVaR）。Adrian &Brunner⁃meier（2016）提出在险值协方差法作为衡量系统重要性金融机构的指标。协方差可以测算某金融机构陷入困境时增加其他机构尾部风险的程度，但是很难度量多边关系如金融机构在整个金融系统中的相互作用。李志辉和樊莉（2011）运用CoVaR 方法评估我国系统重要性银行，认为国有银行风险溢价高于股份制商业银行，并且认为CoVaR方法在风险测算方面优于VaR方法。高国华和潘英丽（2011）基于GARCH模型的动态CoVaR方法，分析国内银行系统风险贡献度及其影响因素，测算结果为工商银行、建设银行、中国银行是重要性排名前三的全国系统重要性银行，并且银行的α∈(0,1)、自身风险水平、不良贷款率等对于结果有重要影响。张朔阳和郭彬（2016）基于CoVaR 模型，探索构建我国系统性风险监测体系。虽然CoVaR方法能够全面反映风险溢出，但只适用于上市银行，并且股价的波动就代表银行风险状况的变化，要求市场是完全有效的，这一条件在实际应用过程中很难满足。

系统性期望损失（SES）和边际期望损失（MES）。Acharya et al.（2012）引入系统性期望损失和边际期望损失概念，通过单个金融机构的资本短缺相对于整个系统资本短缺的程度来识别系统重要性金融机构。Brownlees &Engle（2017）进一步引入DCC-GARCH模型，用来动态测量系统性风险，还提出系统性风险指数（SRISK），用来衡量发生危机时金融机构个体的预期资本短缺，缺口越大的金融机构对系统性风险贡献程度越大，据此识别出系统重要性金融机构。我国运用MES 方法研究国内系统重要性银行的学者较少，郭卫东（2013）采用MES 方法对我国上市银行系统性风险进行度量，并验证Acharya et al.（2012）提出的MES 与SES 具有很强的相关性，因此可用MES 来识别某个金融机构对整个金融系统的边际贡献度。宋清华和姜玉东（2014）基于MES 方法通过DCCGARCHM 模型衡量我国14 家上市银行的系统性风险、综合资产规模、银行杠杆率，研究发现，资产规模是影响银行系统重要性的最重要因素。

保险困境指标法（DIP）。基于一定的假设条件，把大额存单价差用于计算单个银行的风险中性违约概率且基于股票价格预测银行资产未来收益的相关性，并将其作为对银行违约相关性的估计。Avesani（2006）通过使用股票市场或信用违约互换（CDS）市场数据来衡量系统性风险发生时银行违约的概率。

（二）系统重要性银行识别与评估的国际经验

对于国内系统重要性银行的识别，BCBS（2013）制定了一个框架，用于识别对国内金融系统具有系统重要性但不具有全球意义的银行。鉴于需要根据不同国家制定差异性措施，允许各国灵活确定各指标权重。但明确指出，国家当局应考虑诸如规模、互联性、复杂性和可替代性等因素，且国内系统重要性银行（D-SIBs）名单需要更新，接受BCBS 审查。巴塞尔委员会各成员国也进行有意义的探索，陆续制定了识别框架和监管机制。如美国特别设立金融稳定监督委员会（FSOC）负责制定监管框架，以银行为监管核心，辅以对保险公司等非银机构的监管，加强信息收集、数据质量和技术支持，要求所有资产规模超过500亿美元的金融机构定期报告相关财务风险、风险管理、交易与业务等情况；英国则以英格兰银行为监管核心，下设金融政策委员会、审慎监管局以及金融行为监管局，实际上并未设立针对系统重要性金融机构的监管框架，但金融政策委员会每半年发布一次金融稳定报告，对英国金融体系系统性风险状况进行分析和评估，审慎监管局在监管时会判断公司是否安全稳健，并制定前瞻性的介入框架；澳大利亚为双峰监管模式，由审慎监管局统一负责，从立法层面进行保障，2013 年发布系统重要性银行的识别标准和监管措施，并对其施加1%的额外资本要求。当前中国还没有正式出台系统重要性金融机构识别标准和监管框架，主要是配合BCBS做好信息披露工作。

综上可知，国外学者和发达经济体组织对系统重要性金融机构尤其是系统重要性银行进行深入研究，形成两大主流识别方法，构建多种识别模型，各有优劣。各国监管体系存在差异，探索道路仍在持续。就现有研究来看，对系统重要性银行的识别与特别监管要求主要是缺乏模型间的比较分析。因而，本文结合我国金融体系实际情况，以上市银行业的数据为样本，分别采用指标法和CoVaR法计算我国系统重要性银行的风险贡献度，通过两种方法对比分析，探讨更适合我国系统重要性银行的识别方法。

三、我国系统重要性银行识别模型及其结果

（一）基于指标法的我国系统重要性银行识别模型及结果

根据中国人民银行、银保监会、证监会于2018年末联合印发的《关于完善系统重要性金融机构监管的指导意见》（银发〔2018〕301 号）（以下简称《指导意见》）文件中系统重要性银行的指标法评估流程：一是确定参评银行名单；二是确定指标和权重并收集所需数据；三是计算各参评银行的系统重要性得分，确定阈值并形成系统重要性银行初始名单；四是结合其他定量和定性分析作出监管判断，对初始名单做出调整。

1.确定我国系统重要性银行样本名单。根据《指导意见》，本文识别系统重要性银行的第一步是确定样本银行名单，文件中提到可考虑金融机构的规模指标，即表内外资产总额不低于监管部门统计的同口径上年末该行业总资产的75%。因此样本银行应是行业中资产规模相对较大的银行，截至2019年末，共有34 家商业银行在国内上市，其中有18 家商业银行在2016 年之后上市，这18 家商业银行的市值总和仅占全部上市银行市场份额的8.56%，且资产规模较小。因此，选取2010年前上市的16家商业银行进行分析，更具有代表性。16家商业银行包括：工商银行、农业银行、中国银行、建设银行、交通银行、兴业银行、招商银行、中信银行、光大银行、浦发银行、平安银行、民生银行、宁波银行、南京银行、北京银行、华夏银行。

2.系统重要性银行指标的选取。根据FSB 对全球系统重要性银行的评估方法与标准（见表1），系统重要性银行指标体系一级指标包括规模性指标、关联度指标、可替代性指标、复杂性指标以及跨境活跃度。

表1 全球系统重要性银行（G-SIBs）的评估方法与标准

根据《指导意见》中提到的评估指标主要衡量系统重要性金融机构经营失败对金融体系和实体经济的潜在影响，包括机构规模、关联度、复杂性、可替代性、资产变现等一级指标。本文主要考虑研究对象为国内系统重要性银行对于我国银行体系的系统重要性，所以不选取跨境活跃度指标（巴曙松和高江健，2012）。因此，选择规模性指标、关联性指标、可替代性指标、复杂性以及资产变现性指标为一级指标，分别占20%的权重（见表2），其中资产变现性是在已有相关文献研究中首次运用该指标进行评估。具体二级指标则结合Choice 金融终端全球系统重要性金融机构模块中已有指标和银行财务指标进行确定。

一是规模性指标。企业规模和业务量越大，一旦发生风险事件就将对整个金融体系造成巨大冲击或影响。资产是衡量企业规模的重要财务指标，根据Choice金融终端全球系统重要性银行数据模块，选择调整后的表内外资产余额作为具体二级指标。

二是可替代性指标。G-SIBs 中可替代性指标包含支付结算系统发生额、托管金融机构资产余额、承销各类股票与债券价值。根据Choice 金融终端全球系统重要性银行数据模块指标，采用支付系统或代理行结算的支付额、托管资产、有价证券承销额作为可替代性的具体二级指标。

表2 模拟识别我国系统性重要银行的各项指标及其说明

三是关联性指标。G-SIBs 中关联性指标包含银行间资产、银行间负债、银行发行证券余额。根据Choice金融终端全球系统重要性银行数据模块指标，采用金融机构间资产、金融机构间负债、发行证券和其他融资工具作为关联性指标的具体二级指标。

四是复杂性指标。G-SIBs 中复杂性指标包含场外衍生品名义价值、Level3 资产、交易账户及可供销售资产。根据Choice 金融终端全球系统重要性银行数据模块指标，采用衍生金融工具资产及负债、第三层次资产、交易类和可供出售证券作为复杂性指标的具体二级指标。

五是资产变现性指标。本文首次选取资产变现性作为衡量系统重要性银行的指标。因为资产变现性在会计财务指标中用来衡量一个企业流动资产在短时间内转化为现金的能力，即银行资产变现能力越强，发生金融风险时偿债能力越强。在银保监报表中用优质流动性资产来衡量银行流动性和监管银行发生风险可能性。因此本文探索将优质流动性资产作为资产变现性的名义二级指标，根据数据可得性选取现金及存放中央银行款项、存放中央银行超额存款准备金、黄金、债权投资及其他债权投资作为资产变现性的具体二级指标。

3.指标的测算。确定指标体系后，利用Choice金融终端全球系统重要性银行模块，提取这16 家银行2019年的数据，进行系统重要性银行评估。首先，计算某银行规模性、可替代性、关联性、复杂性、资产变现性的每个具体二级指标得分。然后，将每个具体二级指标得分乘以权重得到一级指标得分。最后，将所有一级指标得分加总，得出该银行的系统重要性得分，并计算各指标间相关性。

表3 2019年样本银行的系统重要性得分

表4 指标间的相关性

4.结果分析。一是工商银行的系统重要性得分最高，其次是中国银行、农业银行、建设银行和交通银行，五大行的系统重要性远远高于其他银行（见表3），可能是我国重要的五个系统重要性银行。在股份制商业银行中，中信银行的得分高于其他股份制银行，主要是其关联性、复杂性及资产变现性得分较其他股份制银行高。在城商行中，宁波银行的系统重要性高于其他城商行，说明其一旦发生金融风险将会对我国区域金融系统造成一定冲击。总体来说，样本银行的系统重要性得分中五大行的系统重要性大于股份制银行大于城商行，得分结果与实际相符。

二是较以往研究，本文在《指导意见》基础上，首次在系统重要性银行评估指标中创新性加入资产变现性衡量银行流动性，经测算该指标与总得分的相关性高达0.852，比关联性与总得分的相关性更高，说明资产变现性作为系统重要性银行的评估指标是显著的。在以后研究中，可以探索在G-SIBs 框架下增加更多适合我国系统重要性银行的评估指标（见表4）。

三是就指标间的相关性可以看出规模性指标与总得分的相关性高达0.977，说明银行规模性对系统重要性得分影响最大，一个银行规模越大就越有可能是系统重要性银行，导致指标法可能会过于注重银行规模而忽略其他因素。

（二）基于CoVaR的我国系统重要性银行识别模型及结果

1.样本银行和数据的选取。选取与上文一致的16家商业银行（选取理由与上文相同）2010年8月20日至2019 年10 月25 日周收盘价，共471 个数据进行测算。

2.样本数据的处理及统计分析。首先，对每家银行研究样本期间每周收盘价取对数，以每家银行市值占总市值的比重作为权重，以该权重乘以每家银行的对数收盘价再求和就代表整个金融体系收益率，如公式（1）和公式（2）所示：

其中，Pt表示各银行周收盘价，Wt表示各银行市值，Rt表示收益率。然后，对16家商业银行的银行股价指数收益率进行描述性统计检验，结果如表5。

表5 样本银行收益率序列描述性统计

根据描述性统计结果可见，大多数银行收益率序列相对于正态分布都有一定程度的左偏（偏度为负）、尾部更肥（峰度大于3），绝大多数银行收益率序列数据呈“尖峰肥尾、不对称分布”的特点。

3.计算各银行的风险贡献度。在险价值VaR（Value at Risk）是指金融资产或证券组合在市场波动下最大的期望损失。这是度量市场风险的主流方法，并越来越广泛运用于银行、保险、基金、期货等风险控制。VaR从统计上讲，代表在α∈(0,1)中的某个置信水平下，投资组合面对市场风险带来的损失上限为VaR，损失超过VaR的概率为1-α，如公式（3）所示：

风险管理者通常认为，市场关闭、流动性不足或实体经济解体会导致损失的不确定性。因此在面对风险时，收益率的时间序列是没有明确概率分布的。尤其是2008年金融危机后，VaR 的局限性开始显现，它能够测量金融资产或证券组合在一定持有期内的损失，却无法度量发生金融危机时，金融机构间风险的溢出效应。Adrian &Brunnermeier（2016）提出用CoVaR 来计算一个金融机构发生风险对另一个金融机构造成的溢出效应，如公式（4）所示：

分位数回归最早于1978 年提出，是一种回归变量X 与回归变量Y 的分位数之间线性关系的估计方法。利用分位数回归解决经济学问题的文献越来越多，在金融学领域也涌现出大量使用分位数回归的应用研究成果。相对于最小二乘估计，分位数回归模型具有以下优势：一是分位数回归模型特别适合具有异方差性的模型；二是可以刻画条件分布的大体特征；三是分位数回归在非正态分布情况下比最小二乘估计更有效；四是分位数回归通过加权误差绝对值之和最小值得到参数估计，故估计量不容易受到异常值的影响。因此，本文使用分位数回归模型来计算Co⁃VaR，模型建立如方程（6）～（8）所示：

选择95%的置信度即5%的分位数回归模型进行实证分析。运用Eviews7.0软件进行分析并分组处理，最终回归结果如表6所示。

表6 样本银行分位数回归结果

将这16家商业银行分为大型商业银行（5家）、股份制商业银行（8家）、城市商业银行（3家），分组后进行简单的处理，结果如表7所示。

表7 CoVaR分组处理结果

4.结果分析。一是根据∆CoVaR 排序，银行规模不是系统重要性的唯一衡量指标，一些中小型商业银行也凸显其系统重要性，对银行业系统重要性影响不容忽视，如宁波银行、光大银行、兴业银行、华夏银行等。二是就总体来说，我国五大行的平均系统性重要性得分高于股份制银行高于城市商业银行，说明五大行的系统重要性远远高于其他银行，该结论与指标法一致。但是就个体排名来说，市场法的个别银行系统重要性排名与指标法差距较大，如兴业银行在市场法的系统重要性得分中排第二，而在指标法中排第七，中国银行在市场法中排第十，在指标法中排第二。

四、结语

（一）两种方法结果对比分析

就结果来说，一是某些金融机构的重要性排名存在差异，但国有大型商业银行的平均系统重要性风险高于股份制商业银行、城市商业银行。这与我国金融体系实际情况相符合，五大行都是大型综合性商业银行，业务覆盖面广且趋于多元化，代表着中国金融行业最雄厚的资本和实力。二是股份制银行对银行业系统重要性的影响日益加深。如中信银行、光大银行、兴业银行、招商银行、华夏银行等股份制银行为潜在系统重要性金融机构，宁波银行等上市的城市商业银行，随着发展和实力的逐渐壮大，影响力不断增加。

就方法本身来说，指标法和市场法均有各自的优势和缺陷。一方面，指标法是金融稳定委员会（FSB）对全球系统重要性银行识别和监管的重要方法，该方法数据相对容易获得，且不会出现因为数据问题而难以测度的情况，各国可以根据国情选择合适的指标，提高评估过程的准确性和独特性。但指标法也存在一些缺陷，其规模性指标和总得分的相关性达0.977，即规模大的银行必然是系统重要性金融机构，该方法会忽略规模以外的其他影响因素。同时，一些规模有限的股份制银行发生风险时，无法观察其对银行体系的风险溢出效应。另一方面，基于CoVaR方法的市场法，测度金融机构个体风险对整个金融体系系统性风险的溢出效应，便于金融监管部门清楚衡量各个金融机构对金融市场系统风险的溢出水平。因此，对于风险溢出水平较高的金融机构实行更为严格的监管措施，以确保金融体系的长期稳定。但是，该方法必须使用市场上的高频数据（如股票数据），需要假设“股票市场在压力时期依然有效且数据不会失真”，对于中国股市来说较难做到。监管机构如何把握市场数据的有效性以及如何定期收集这些数据成为难题。

（二）政策建议

对银行业金融机构实施宏观审慎监管、防范银行业系统性风险，前提是建立在准确识别系统重要性银行的基础上。过度识别会增加监管成本，还会抑制银行发展的积极性，而识别不足则会忽视风险，导致风险在金融体系内不断堆积和传染，造成的后果不可估量。因此准确识别系统重要性银行具有重大意义。

一是可考虑以指标法为主、市场法为辅的系统重要性银行评估框架。根据数据可得性、真实性和可操作性，监管机构应以指标法为主要评估标准，识别我国系统重要性银行机构。市场法可作为重点观察指标，观察某些对银行业系统具有较大风险溢出效应的银行，进行动态监管、分类监管。

二是可采取差别化监管手段。金融监管部门不应只着眼于某个银行规模的大小，还应关注银行个体发生风险对于其他银行个体甚至对于整个金融体系的影响。CoVaR 方法为监管部门提供参考方向。本文研究结果表明，大型商业银行、股份制商业银行、城市商业银行等不同类型银行的系统性风险水平存在差异。因而，监管部门可采取差别化监管手段，丰富和细化监管标准及措施，实现有效监管。

三是监管部门内部要持续加强数据统计工作。可强化对非上市银行有关数据的详细收集和统计，详尽有效地度量和监测整个金融体系的系统性风险，以便有效控制银行的系统性风险。对于上市银行的数据则可以聘请专业的第三方机构，建立我国系统重要性银行模块，便捷提取所需指标的有关数据。