流动性是商业银行经营活动得以正常运转的基础保障。流动性风险也是商业银行经营过程中最复杂、最致命的风险,在银行破产、金融危机爆发中扮演重要的角色。因而,流动性风险管理也在银行史与银行监管史中一直占据重要的位置。现有的对商业银行流动性风险的研究,大都以代表性银行或者单个银行为研究对象,少有对银行系统流动性风险的研究。银行系统流动性风险是指多个银行同时面临无法从短期融资市场上拆借或获得新的短期资金的困难而发生的风险,影响范围远大于单个银行的流动性风险。因此对银行系统流动性风险的研究具有重要的理论意义与现实意义。本文将中国上市商业银行视为一个系统,在对单个银行流动性风险研究的基础之上,选择中国上市商业银行系统为研究对象,强调对银行系统的流动性风险研究。本文围绕主题开展以下工作:第一,对国内外现有相关文献进行梳理和评述;第二,在测算中国上市商业银行的净稳定融资比率的基础之上,建立模型测算中国上市商业银行系统流动性风险;第三,利用网络模型实证研究中国银行系统流动性风险在银行系统内部的传导结构;第四,在探索银行系统流动性风险传导路径与梳理多次金融危机及中国2013年6月银行业阶段性流动性紧张事件的基础之上,实证研究中国上市商业银行系统流动性风险在银行系统外部的传导。主要结论包括:一、中国上市商业银行流动性一般性观察(一)中国上市商业银行流动性水平总体持续下降2011年,中国上市商业银行总体流动性水平较高,除宁波银行的净稳定融资比率数值缺失外,仅有兴业银行、平安银行与南京银行,这3家银行的净稳定融资比率小于1,其余12家上市商业银行的净稳定融资比率均大于1。然而,2016年仅有建设银行、农业银行、工商银行、中国银行、交通银行与招商银行,这6家上市商业银行的净稳定融资比率大于1,其余10家上市商业银行的净稳定融资比率均小于1。反映出中国大部分上市商业银行的长期融资稳定性正面临挑战。从2011年至2016年中国上市商业银行净稳定融资比率的均值来看,浦发银行、平安银行、光大银行、兴业银行、南京银行、宁波银行的净稳定融资比率均值小于1,表明这些银行的长期稳定资产难以完全覆盖其长期债务。(二)中国不同类型上市商业银行的流动性存在较大差异上市国有商业银行的长期融资稳定性高于其他上市商业银行。自2011年至2016年,上市国有商业银行的净稳定融资比率虽然逐渐下降,但均大于1;上市股份制商业银行的净稳定融资比率从2015年开始小于1,2016年下降到0.95以下;上市城市商业银行的净稳定融资比率自2013年开始连续4年均小于1。表明上市国有商业银行的长期稳定资产能够完全覆盖其长期债务,上市城市商业银行与上市股份制商业银行的长期稳定资产难以完全覆盖其长期债务。从上市商业银行的净稳定融资比率增长率均值来看,从2012年至2016年,中国上市商业银行每年的净稳定融资比率增长率均为负值。与上市国有商业银行和上市城市商业银行相比,上市股份制商业银行的净稳定融资比率平均下降速度较高,且上市股份制商业银行的净稳定融资比率的下降速度自2013年开始持续增加。上市城市商业银行的净稳定融资比率在2013年的下降幅度远大于2011年至2016年其他银行净稳定融资比率的下降幅度。上市城市商业银行的净稳定融资比率在2015年的下降幅度远大于同时期其他上市商业银行净稳定融资比率的下降幅度。二、SRL模型可以作为测度中国上市商业银行系统流动性风险的工具Jobst(2014)利用期权定价理论结合银行资产负债表信息与证券市场信息,建立SRL模型,测度美国上市商业银行的系统流动性风险。实证发现SRL模型较好地测度了美国上市商业银行的系统流动性风险,并指出SRL模型可以作为测度银行系统流动性风险的工具。本文在Jobst(2014)的基础上,将Copula函数与SRL模型相结合,测算中国上市商业银行在面临长期的极端压力情景下,银行一年期的潜在预期损失的风险价值。同时测算出所有上市商业银行在持续极端压力情景下,一年期的整体预期损失的风险价值。实证发现,2012年下半年中国上市商业银行系统流动性风险表现出较强的波动,直到2013年5月初达到样本区域内最大值,时间刚好在2013年中国银行业阶段性流动性紧张事件爆发前夕,说明SRL模型较好地测度了中国银行业系统流动性风险。三、中国上市商业银行系统流动性风险的网络结构本文通过建立基于DAG的SVAR网络模型,对中国上市商业银行系统流动性风险的网络结构进行实证研究,得到以下结论:(一)各上市商业银行流动性风险的净影响中国所有上市商业银行流动性风险的净影响从大到小排序为:招商银行、北京银行、宁波银行、华夏银行、光大银行、南京银行、工商银行、建设银行、农业银行、兴业银行、中国银行、民生银行、交通银行、浦发银行、中信银行。其中,排序在建设银行之前的8个银行的净影响为正,排序在建设银行及其之后共8个银行的净影响为负。(二)上市城市商业银行对其他上市商业银行的流动性风险影响相对较大从各银行的性质分类来看,中国上市城市商业银行对其他上市商业银行流动性风险的净影响远大于上市国有商业银行与上市股份制商业银行。上市国有商业银行的流动性风险净影响最小。从受到其他银行的影响来看,中国上市股份制商业银行更容易受到其他上市商业银行流动性风险的影响。从对其他银行的影响来看,中国上市城市商业银行对其他银行的影响大于上市国有商业银行与上市股份制商业银行对其他银行影响的总和,上市国有商业银行的流动性风险对其他上市商业银行的影响最小。从各类上市商业银行的平均资产规模来看,平均资产规模最大的国有商业银行的流动性风险对其他上市商业银行流动性风险的影响最小;平均资产规模最小的上市城市商业银行的流动性风险对其他上市商业银行流动性风险的影响最大;平均资产规模中等的上市股份制商业银行对其他上市商业银行流动性风险的影响居中。所以,不难发现三类中国上市商业银行的平均资产规模与其对其他上市商业银行流动性风险的影响总体上呈负相关。(三)上市国有商业银行系统流动性风险的网络结构考虑到国有商业银行在我国上市商业银行资产中的规模,文章进一步探索上市国有商业银行流动性风险之间的网络结构。实证结果发现工商银行、建设银行与交通银行对其他上市国有商业银行流动性风险影响较大,交通银行受到其他上市国有商业银行的流动性风险影响较大。对比各个上市国有商业银行的资产规模与其在上市国有商业银行流动性风险网络中的表现可知,上市国有商业银行的资产规模与上市国有商业银行对其他上市国有商业银行流动性风险的影响呈正相关。四、中国上市商业银行系统流动性风险的传导实证本文在对银行系统流动性风险的传导渠道与流动性风险发展过程研究的基础上,建立VAR模型测度中国货币供给、房地产价格、证券市场价格、银行系统流动性风险与宏观经济的动态传导。结论如下:(一)货币供给对银行系统流动性风险的动态影响货币供给作为社会流动性的源头,直接影响银行的系统流动性,从而存在货币供给对银行系统流动性风险的影响。于是本文将货币供给引入银行系统流动性风险传导的实证研究中。VAR模型的预测方差分解结果表明,货币供给对银行系统流动性风险存在显著的影响。脉冲响应结果表明,货币供给的增加虽然能够暂时降低银行的系统流动性风险,却存在滞后的风险积累。在货币供给正向冲击发生的滞后2期,银行系统流动性风险显著下降。在货币供给正向冲击发生的滞后3期,银行系统流动性风险显著增加,且增加幅度两倍多于货币供给增加引起的银行系统流动性风险的下降。综上,货币供给的增加能够暂时缓解银行系统流动性短缺,却蕴含着更大的风险积聚。(二)房地产市场与证券市场对银行系统流动性风险的动态影响由本文逻辑分析可知:1.房地产价格下跌与股市价格下跌均会导致银行系统流动性风险的增加;2.银行系统流动性风险的增加导致市场对银行预期下降,继而导致银行股票价格的下跌,最后导致股市价格下跌;3.银行系统流动性风险增加导致市场对流动性需求的增加,而较高的流动性需求促使流动性较差的房地产资产价格下跌。VAR模型的预测方差分解与脉冲响应函数基本证实了前两个逻辑分析,但脉冲响应结果与第三个逻辑分析相悖。本文实证结果表明,银行系统流动性风险的增加促使房地产价格上升而非下降。本文对此现象给出可能的解释是:这与房地产在中国依然被人们视为保值、增值的安全资产有关。即当银行系统流动性风险增加时,市场对安全资产需求上升,需求的上升继而导致被当作安全资产的房地产价格上升。本文认为实证结果与第三个逻辑分析结果相悖的现象值得相关部门和研究人员的警惕和深入研究。(三)宏观经济与银行系统流动性风险的动态影响VAR模型的预测方差分解结果表明,存在宏观经济对银行系统流动性风险的显著影响。脉冲响应结果表明,宏观经济的正向冲击使得银行系统流动性风险显著增加,表明银行系统流动性风险存在顺周期性,即银行系统流动性风险随着宏观经济的繁荣呈现上升的趋势。银行系统流动性风险的正向冲击,使得宏观经济总体上先下降后上升,且下降幅度大于上升幅度,表明银行系统流动性风险的增加能够引起宏观经济下降。五、政策建议本文基于对银行系统流动性风险测度与传导的研究结果,分别从以下三个方面提出防范银行系统流动性风险的建议:(1)构建银行系统流动性风险测度指标;(2)加强对流动性风险网络影响较大的银行的风险监管,防范银行系统流动性风险的内部传导;(3)加强对银行系统流动性风险影响较大的外部冲击的监管,防范银行系统流动性风险的外部传导。六、本文的创新点本文的主要创新点体现在以下四个方面:第一,通过对银行系统流动性风险传导的分析,给出银行系统流动性风险在银行系统内部与银行系统外部的传导路径。第二,结合高维动态Copula函数与SRL模型,测算中国上市商业银行系统流动性风险。第三,通过网络模型刻画中国所有上市商业银行流动性风险网络结构,反映各个银行在银行系统的流动性风险网络中的作用。第四,实证研究中国银行系统流动性风险与货币供给、房地产市场价格、证券市场价格与中国宏观经济之间的动态影响。