论文部分内容阅读
随着金融全球化和金融自由化进程的加快，金融体系的潜在风险不断积累，金融危机的爆发也日益频繁，而银行体系作为金融体系的一个重要组成部分，在金融危机中起着关键作用。据Laeven和Valencia(2012)统计，在1970年至2011年间，全球共爆发了147次银行危机。就近期而言，自美国爆发次贷危机以后，就有25个国家相继发生了银行危机，而其中有17个国家的银行危机属于系统性银行危机。与一般的银行危机相比，系统性银行危机的传染范围更广、破坏程度更大、救助成本更高。同时，随着我国对外开放程度的加深，当金融危机向全球蔓延时，我国作为第二大经济体，第一大贸易出口国，当然也难以独善其身。因此，在国际金融不稳定因素逐渐增加，国内金融体系风险不断积累的情况下，我们不得不思考:在金融业日益壮大的中国该如何防范系统性风险，避免系统性危机爆发。
从研究成果来看，目前对系统性风险的研究大多基于定性角度，如对系统性风险的界定(Bernanke，2009)、系统性风险成因的探讨（张晓朴，2010）、系统性风险的评述（胡海峰和代松，2012）等。而基于定量角度的研究大多集中在对系统性风险的测度方面，大致可分为三类:一是基于系统性风险预警视角（赖娟和吕江林，2010），二是基于系统性风险传染视角(Lelyveld和Liedorp，2006;Muller，2003)，三是基于系统重要性金融机构视角(Adrian和Brunnerier,2008;Huang等，2009;Acharya,2010;Tarashev等，2010)。其中，以系统重要性金融机构视角研究的文献最多。该视角主要基于资本市场数据，具有前瞻性，但由于很难获取市场化的指标值，且这些指标值存在不稳定的缺陷，很少被监管当局使用。以传染视角展开研究的矩阵法和网络模型，虽然能测度金融机构之间的传染性，但由于它们采用的是资产负债表数据，在时效性方面有较大的局限，所以在实践中也很少使用。
相比之下，以预警视角展开研究的综合指数法虽然大多使用低频数据，存在信息滞后的问题，但由于它具有简单、灵活、操作性强、适用性广等优点，在实践中被广泛运用。同时，它不仅可以测度金融体系系统性风险值的大小，结合一定的预警指标和预警模型还能进一步对未来金融体系的系统性风险情况加以预测。因此，本文主要从系统性风险预警的视角来研究我国银行体系的系统性风险情况。
然而，构建银行系统性风险预警体系是一项极为复杂的工作，要经历“明确警义、寻找警源、分析警兆、预报警度”四个阶段。在这四个阶段中，既要研究系统性风险的成因，选取具有良好预警效果的指标，也要考虑预警模型和方法的选择问题。因此，在尝试构建我国银行系统性风险预警体系的过程中，本文将使用2002年1月到2014年12月的数据，采用规范分析与实证分析相结合的研究方法。规范分析方面，本文将归纳整理相关文献，对影响银行系统性风险的因素进行分析，从而理清银行系统性风险的发生机理。实证分析方面，本文将运用多种计量方法，如Granger因果关系检验法、Logit模型、指数平滑法，并通过Eviews软件和Excel软件对数据进行处理。对于统计结果，本文将运用大量图表，以期文章能更深刻地分析研究对象。
基于以上研究思路和方法，论文共分为五章，具体安排为:第一章为绪论。主要介绍论文的选题背景、研究意义、研究方法、研究框架和创新之处。第二章为文献综述。论文从系统性风险的定义、特征、测度方法及预警模型四个方面对以往的文献展开综述，并对这些研究成果存在的优缺点、适用性进行评述。第三章是中国银行系统性风险预警体系构建。首先，从宏观经济、金融体系脆弱性、资产泡沫和外部冲击四个方面分析银行系统性风险的影响因素，从理论的角度选出银行系统性风险的预警指标。其次，采用2002年1月到2014年12月的数据，从流动性风险、信贷风险和汇率风险三个方面，采用简单加权方法构建月度银行压力指数，以衡量中国银行体系的系统性风险。再次，简要介绍论文要使用的模型和方法。最后，对本章内容做简单总结。
第四章是中国银行系统性风险预警模型的实证分析。首先，通过Granger因果关系检验法和设定的3个预警指标原则来选取对银行压力指数敏感的预警指标。其次，使用2002年1月到2013年12月的数据并结合Logit模型构建银行系统性风险预警模型，描述银行体系的系统性风险状况及处于压力时期的可能性大小，并利用2014年的数据对模型的稳定性及有效性进行检验。再次，用指数平滑法对筛选出的预警指标和构成压力指数的各项指标进行未来12个月的单变量动态预测，从而预测未来12个月内我国银行体系处于压力时期的概率及银行系统性风险的情况。最后，简单总结一下本章内容。第五章为结论与展望。根据实证研究结果，得出结论，给出相关的政策建议，并指出研究存在的不足和需要进一步研究的地方。最终得到的结论是:
第一，2002年到2014年期间，我国银行压力指数的均值和标准差约为0.00和0.53。2009年6月到2010年1月这8个月我国银行压力指数超过了均值加2倍标准差，表明该时期银行系统性风险较大，处于需要特别关注和加强监控的压力时期。第二，通货膨胀率、进口增长率、M2增长率、实际利率、房地产投资增长率以及国际原油价格变化率是影响我国银行系统性风险的重要因素。第三，进口增长率和M2增长率能很好地预测未来6个月内我国银行体系的压力状况。具体而言，进口增长率能减小银行体系处于压力时期的概率，而M2增长率会增加银行体系处于压力时期的概率。第四，Logit模型具有较好的稳定性和有效性。在144个时期中，Logit模型能正确识别140个，预测准确率高达97.22％。第五，2015年各月我国银行体系处于压力时期的概率较小，几乎为0;从银行压力指数上看，2015年12个月的银行压力指数均小于2002年至2014年银行压力指数的均值，表明银行系统性风险较小，不处于压力时期;从银行系统性风险的组成要素来看，流动性风险起了主导作用，信贷风险次之，汇率风险最小。
与以往的研究相比，本文的创新体现在三个方面:首先，采用了月度数据，而不是低频的年度或季度数据，这样可以把握金融市场的动态信息，进行有效监管。其次，从流动性风险、信贷风险和汇率风险三个方面构建了衡量银行系统性风险的压力指数，结合使用Logit模型和指数平滑法，不仅对银行体系处于压力时期的概率进行了估计，而且预测了未来12个月内银行体系的系统性风险值，有利于较为全面地把握银行体系的系统性风险情况。最后，结合中国实际选取了30个预警指标，在预警指标的筛选上实现了理论与统计分析的有效结合。
然而，由于本人能力有限及一些实际原因，本文还存在两点不足:第一，本文存在三处主观性较强的设定。一是在构建银行压力指数时，虽然参考了国内外相关文献，但在加权方法的选择上还存在一定主观性;二是在Granger因果关系检验之后，定义的预警指标选取原则存在一定主观性;三是压力时期的识别方法上，本文采用了均值加K倍标准差的形式，K值也带有很大的主观性，在极端情况下，识别结果可能不稳定。第二，为了提高银行系统性风险预测的精度，本文选取了月度数据进行建模，但这样就放弃了很多只有年度和季度数据的指标。对于GDP这样比较重要但只有累计季度数据的指标，本文采用Eviews软件对数据频率进行了转换，但这样会丢失数据的某些信息。
本文未来研究的方向有以下两个方面:一方面，本文在构建银行压力指数时，只考虑了流动性风险、信贷风险和汇率风险，而没有考虑操作风险对银行系统性风险的影响，随着统计制度的完善以及数据可得性的提高，在后续的研究中需要将操作风险纳入研究范围。另一方面，新的危机可能会展现新的特征，基于银行压力指数的银行系统性风险预警模型，需要根据国内外宏观经济状态和金融体系的变化，将更多的微观指标加入模型，建立更加符合我国国情的、有效的银行系统性风险预警体系。
从研究成果来看，目前对系统性风险的研究大多基于定性角度，如对系统性风险的界定(Bernanke，2009)、系统性风险成因的探讨（张晓朴，2010）、系统性风险的评述（胡海峰和代松，2012）等。而基于定量角度的研究大多集中在对系统性风险的测度方面，大致可分为三类:一是基于系统性风险预警视角（赖娟和吕江林，2010），二是基于系统性风险传染视角(Lelyveld和Liedorp，2006;Muller，2003)，三是基于系统重要性金融机构视角(Adrian和Brunnerier,2008;Huang等，2009;Acharya,2010;Tarashev等，2010)。其中，以系统重要性金融机构视角研究的文献最多。该视角主要基于资本市场数据，具有前瞻性，但由于很难获取市场化的指标值，且这些指标值存在不稳定的缺陷，很少被监管当局使用。以传染视角展开研究的矩阵法和网络模型，虽然能测度金融机构之间的传染性，但由于它们采用的是资产负债表数据，在时效性方面有较大的局限，所以在实践中也很少使用。
相比之下，以预警视角展开研究的综合指数法虽然大多使用低频数据，存在信息滞后的问题，但由于它具有简单、灵活、操作性强、适用性广等优点，在实践中被广泛运用。同时，它不仅可以测度金融体系系统性风险值的大小，结合一定的预警指标和预警模型还能进一步对未来金融体系的系统性风险情况加以预测。因此，本文主要从系统性风险预警的视角来研究我国银行体系的系统性风险情况。
然而，构建银行系统性风险预警体系是一项极为复杂的工作，要经历“明确警义、寻找警源、分析警兆、预报警度”四个阶段。在这四个阶段中，既要研究系统性风险的成因，选取具有良好预警效果的指标，也要考虑预警模型和方法的选择问题。因此，在尝试构建我国银行系统性风险预警体系的过程中，本文将使用2002年1月到2014年12月的数据，采用规范分析与实证分析相结合的研究方法。规范分析方面，本文将归纳整理相关文献，对影响银行系统性风险的因素进行分析，从而理清银行系统性风险的发生机理。实证分析方面，本文将运用多种计量方法，如Granger因果关系检验法、Logit模型、指数平滑法，并通过Eviews软件和Excel软件对数据进行处理。对于统计结果，本文将运用大量图表，以期文章能更深刻地分析研究对象。
基于以上研究思路和方法，论文共分为五章，具体安排为:第一章为绪论。主要介绍论文的选题背景、研究意义、研究方法、研究框架和创新之处。第二章为文献综述。论文从系统性风险的定义、特征、测度方法及预警模型四个方面对以往的文献展开综述，并对这些研究成果存在的优缺点、适用性进行评述。第三章是中国银行系统性风险预警体系构建。首先，从宏观经济、金融体系脆弱性、资产泡沫和外部冲击四个方面分析银行系统性风险的影响因素，从理论的角度选出银行系统性风险的预警指标。其次，采用2002年1月到2014年12月的数据，从流动性风险、信贷风险和汇率风险三个方面，采用简单加权方法构建月度银行压力指数，以衡量中国银行体系的系统性风险。再次，简要介绍论文要使用的模型和方法。最后，对本章内容做简单总结。
第四章是中国银行系统性风险预警模型的实证分析。首先，通过Granger因果关系检验法和设定的3个预警指标原则来选取对银行压力指数敏感的预警指标。其次，使用2002年1月到2013年12月的数据并结合Logit模型构建银行系统性风险预警模型，描述银行体系的系统性风险状况及处于压力时期的可能性大小，并利用2014年的数据对模型的稳定性及有效性进行检验。再次，用指数平滑法对筛选出的预警指标和构成压力指数的各项指标进行未来12个月的单变量动态预测，从而预测未来12个月内我国银行体系处于压力时期的概率及银行系统性风险的情况。最后，简单总结一下本章内容。第五章为结论与展望。根据实证研究结果，得出结论，给出相关的政策建议，并指出研究存在的不足和需要进一步研究的地方。最终得到的结论是:
第一，2002年到2014年期间，我国银行压力指数的均值和标准差约为0.00和0.53。2009年6月到2010年1月这8个月我国银行压力指数超过了均值加2倍标准差，表明该时期银行系统性风险较大，处于需要特别关注和加强监控的压力时期。第二，通货膨胀率、进口增长率、M2增长率、实际利率、房地产投资增长率以及国际原油价格变化率是影响我国银行系统性风险的重要因素。第三，进口增长率和M2增长率能很好地预测未来6个月内我国银行体系的压力状况。具体而言，进口增长率能减小银行体系处于压力时期的概率，而M2增长率会增加银行体系处于压力时期的概率。第四，Logit模型具有较好的稳定性和有效性。在144个时期中，Logit模型能正确识别140个，预测准确率高达97.22％。第五，2015年各月我国银行体系处于压力时期的概率较小，几乎为0;从银行压力指数上看，2015年12个月的银行压力指数均小于2002年至2014年银行压力指数的均值，表明银行系统性风险较小，不处于压力时期;从银行系统性风险的组成要素来看，流动性风险起了主导作用，信贷风险次之，汇率风险最小。
与以往的研究相比，本文的创新体现在三个方面:首先，采用了月度数据，而不是低频的年度或季度数据，这样可以把握金融市场的动态信息，进行有效监管。其次，从流动性风险、信贷风险和汇率风险三个方面构建了衡量银行系统性风险的压力指数，结合使用Logit模型和指数平滑法，不仅对银行体系处于压力时期的概率进行了估计，而且预测了未来12个月内银行体系的系统性风险值，有利于较为全面地把握银行体系的系统性风险情况。最后，结合中国实际选取了30个预警指标，在预警指标的筛选上实现了理论与统计分析的有效结合。
然而，由于本人能力有限及一些实际原因，本文还存在两点不足:第一，本文存在三处主观性较强的设定。一是在构建银行压力指数时，虽然参考了国内外相关文献，但在加权方法的选择上还存在一定主观性;二是在Granger因果关系检验之后，定义的预警指标选取原则存在一定主观性;三是压力时期的识别方法上，本文采用了均值加K倍标准差的形式，K值也带有很大的主观性，在极端情况下，识别结果可能不稳定。第二，为了提高银行系统性风险预测的精度，本文选取了月度数据进行建模，但这样就放弃了很多只有年度和季度数据的指标。对于GDP这样比较重要但只有累计季度数据的指标，本文采用Eviews软件对数据频率进行了转换，但这样会丢失数据的某些信息。
本文未来研究的方向有以下两个方面:一方面，本文在构建银行压力指数时，只考虑了流动性风险、信贷风险和汇率风险，而没有考虑操作风险对银行系统性风险的影响，随着统计制度的完善以及数据可得性的提高，在后续的研究中需要将操作风险纳入研究范围。另一方面，新的危机可能会展现新的特征，基于银行压力指数的银行系统性风险预警模型，需要根据国内外宏观经济状态和金融体系的变化，将更多的微观指标加入模型，建立更加符合我国国情的、有效的银行系统性风险预警体系。