论文部分内容阅读
【摘要】金融危机后,银行系统性风险得到监管当局和学术界的普遍重视。目前关于银行系统性风险的文献研究众多,但缺乏统一的认识和标准。本文梳理了国内外相关文献,对系统性风险的定义、成因和度量方法的研究进行了系统的回顾和评述,并展望了未来的研究方向。
【关键词】银行系统性风险 风险成因 风险度量
2008年金融危机中,雷曼兄弟公司、北岩银行等大型金融机构陷入困境甚至破产,重创了全球金融体系,并对实体经济产生了负面影响。这场国际金融危机使各国监管者、金融机构和研究者都深刻的认识到,原有的金融监管只关注单个金融机构的稳健运营,在维护整个金融体系稳定方面存在重大不足。中国人民银行也在2010年的《金融稳定报告》中提出防范系统性风险是宏观审慎管理的根本目标。目前,银行业系统性风险成为国内外学术界和金融监管改革的一个热点问题。本文就此针对金融危机后银行系统性风险的国内外相关文献进行系统梳理,并对度量方法进行评述,为进一步研究如何度量和监管银行系统性风险作参考。
一、银行系统性风险研究现状
(一)银行系统性风险的定义
由于系统性风险本身具有复杂性,处于一个动态发展的过程中,目前学术界对系统性风险的定义还没有形成统一、精确的认识,这些不同主要集中在系统性风险的触发原因和引起的结果上。但这些定义普遍认同系统性风险为一个触发事件引起了具有外部性的坏的结果。
从触发原因和引起的结果,对银行系统性风险的定义大致可以分为三类,关注系统整体层面、关注冲击的传递层面和综合性定义。第一类研究对系统性风险的定义专注于整个系统的层面,关注的是银行的同质化倾向带来的风险。如我国学者翟金林(2001)认为系统性风险是由于银行系统性事件的大规模冲击导致了大量的银行机构或市场的逆效应诱发银行系统性危机的可能性。第二类更加关注微观层面,关注的是风险在银行间的传递效应。如美国联邦储备委员会(FRS,2001)把系统性风险定义为一个金融机构到期债务的不能偿还会导致其债权人也无法偿还债务,不断扩散后,其他金融机构、存款机构及实体经济都会遭遇严重的支付困难。包全永(2005)认为系统性风险是系统中个别单位或几个单位受到其他不利冲击,其损失给系统中的其他单位带来的负外部性,当这种负外部性累积到一定程度时,整个系统的基本功能就会受到影响甚至完全丧失。第三类定义较为综合,既关注系统性风险的来源也关注传染渠道,是由较多金融监管者提出的定义。国际货币基金组织、金融稳定理事会和国际清算银行(2009)在《系统重要金融机构、市场和工具评估指引:初步考虑》中将系统性风险定义为由于金融体系整体或局部受到破坏导致金融服务中断、对实体经济具有潜在负面影响的风险。我国学者范小云(2005)对银行业系统性风险的识别提出了较为具体的途径,即特征判断和过程分析。其中特征是指“外部性”特征、风险与收益的不对性特征、传染性特征、损害实体经济的特征和投资者信心。过程分析主要考察风险发生的不同传染渠道。
结合此次金融危机的发生,本文认为银行系统性风险的产生既与广泛的外部冲击事件相关,也与银行系统内部的传染机制相关,所以对银行系统性风险的定义更倾向于第三种定义,这也是下文分析系统性风险度量方法的出发点。
(二)银行系统性风险的成因
从对系统性风险的定义可以看出,系统性风险的来源具有多样性。对系统性风险成因的研究,一方面集中于金融系统外的影响因素分析,另外一方面集中于金融系统本身的脆弱性和关联性。
金融系统外的影响因素是影响银行系统性风险的共同因素,对系统内所有银行都产生影响,对系统性风险的发生具有预测意义。对金融系统外的影响因素分析,大部分在经验分析的基础上,通过回归研究进行,研究表明银行系统性风险的发生与经济的慢速增长、市场恐慌、高通货膨胀率、高真实利率、高波动性、低资本收益率、油价波动、汇率变动、房地产行业的超额收益率等有关(高国华,2011;于蓓,2012)。
由于金融系统外部因素对于金融机构和金融机构监管者而言可控性较低,所以相对于金融系统外部因素的研究,关于金融系统自身的研究对于风险控制和监管的意义更大。总结这方面的研究又分为基于金融系统脆弱性的风险产生的研究和基于微观金融机构关联性的风险传染研究。对于银行系统性风险产生的原因,针对金融系统本身主要有以下几种解释:
1.信息不对称造成的银行挤兑引发风险。在金融交易中,交易双方在信息占有上具有不对称性,不对称信息在交易前后将分别导致逆向选择和道德风险问题。根据DD模型,在信息不对称的情况下,当一家银行陷入流动性困难,造成该银行一些存款人的存款损失,其他银行的存款人,出于对影响状况的不了解和对自身利益的担心。一旦有其他存款人到银行取出存款,存款人根据利益最大化原则就取出存款,造成银挤兑存款,由于银行的准备金不是100%计提,即使经营良好的银行,也会在存款人大规模提存时陷入流动性不足的支付危机中,从而引发系统性风险。过度金融创新,特别是衍生金融交易产品的出现,加剧了信息不对称的程度,引发了高系统性风险。
2.金融系统的不完全理性和顺周期性加剧风险。根据明斯基提出的金融脆弱性理论,由于贷款人存在遗忘痛苦的趋向同时面临竞争压力,所以当经济上行时,市场产生的过分乐观情绪会提高银行的利润预期,激起过度投资行为。而经济下行时,借款企业的经营不善和资产价格下跌,会导致贷款银行也面临困境的同时面临微观审慎监管约束要求的抛售资产,导致资产价格进一步下跌。所以在信息不对称性和金融市场不完善条件下,金融体系自身具有顺周期性的特点。金融加速器机制、微观审慎监管的资本约束监管机制以及金融机构自身的行为都导致信贷供给更为严重的顺周期性。
3.系统重要性银行的道德风险助长系统性风险。对于单家金融机构上,巴塞尔委员会(2011)提出以规模、关联性、可替代性、复杂性和跨司法管辖区活动,来分析单家银行对系统性风险的潜在影响。其中具有系统重要性的银行,因为其资产规模大、联系紧密会导致风险的聚集、加速风险传染。从信息不对称理论分析,在由监管者和系统性重要银行组成的信息模型中,系统性重要银行在危机中面临“太大而不能倒”“太关联而不能倒”的选择,会造成道德风险,进而加剧系统性风险。 (三)银行系统性风险的度量
金融危机后,关于银行系统性风险度量在研究重点上由关注单家银行倒闭的可能性转移到银行的倒闭对金融系统以及全球经济造成多大影响来衡量;在研究数据上,由较多依赖财务报表和银行内部数据过渡到利用金融市场数据等的可得性较高的数据上;在模型上,越来越多的度量模型被应用到系统性风险的度量中。目前关于系统性风险度量的文献非常丰富,主要方法有:
1.衡量系统性风险在银行间市场传染的模型。为监测银行系统性风险,2009年IMF在《全球金融稳定报告》中重点介绍了四种评估金融机构关联性的定量模型:网络模型(Network Approach)、Co-Risk模型、危机依存度矩阵模型(Distress Dependence Matrix)、违约强度模型(Default Intensity Model)。网络模型是基于银行间的实际业务往来,利用银行间双边信贷敞口和支付结算信息构建矩阵,假设外部冲击导致某一银行或者一组银行出现破产或流动性危机。基于以上关联矩阵,计算与其相关联的银行可能的资本损失和风险传染路径。IMF(2009)利用网络模型分析了银行风险在各个国家之间的传染,并得出资产降价出售会增加银行间的风险传染,美国、英国银行系统在风险传染中具有重要地位。中国人民银行(2010)基于银行间支付结算信息,构造了我国的金融网络结构模型,分析了银行风险在不同性质银行之间的传染,得出大型商业银行在网络中占据核心地位。我国学者贾彦东(2011)通过构建“系统风险曲线”,利用2007~2010年44个月的支付结算数据,测算了我国主要商业银行的系统重要性水平和排序。Co-Risk为共同风险模型,主要利用分数位回归以及金融机构的信用违约互换(CDS)数据来考察金融机构之间的非线性联动关系。危机依存度矩阵模型方法将银行系统当做一个由银行组成的投资组合,利用金融机构的信用违约互换数据和多元密度函数来构建银行间的困境联合概率分布,以衡量当一家银行处于困境时,另外一家银行处于困境的概率。违约强度模型使用Moody公司的违约数据来拟合事先设定的模型,刻画了违约聚集,即一家银行的违约会对其他银行的信用状况产生影响,提高系统的违约强度。最后再通过数值模拟方法预测未来一段时间内系统中违约事件的数量。后三种方法由于都需要信用违约互换等数据,我国金融市场不够发达,数据可得性较差,所以目前国内研究较少。
2.衡量极端尾部风险的压力测试。压力测试是为金融机构衡量潜在但可能发生异常时的损失的模型,关注的是极端情况下的尾部风险。在设置情景时,考虑到历次系统性危机的爆发,不是由单个银行或银行组面临某一冲击造成的,而是对所有银行同时造成冲击的共同冲击造成的(Upper,2007),分别设置“宏观经济情景压力测试”和“整体及重点领域信用风险敏感性压力测试”,弥补了网络模型中冲击没有考虑宏观经济的影响的弊端。但由于对数据要求较高,大部分为监管者所用。彭建刚(2012)认为在宏观经济因子冲击下不同金融风险会表现出一定的相关性,这些不同风险的共同作用会导致系统性风险。所以可以运用宏观压力测试来衡量系统性风险。臧敦刚(2013)以贷款违约率表示商业银行系统性风险,通过宏观压力测试度量了我国商业银行系统性风险的变化。
3.评估系统性重要银行的指标法。指标法主要是通过选取影响系统性风险的指标,利用历史数据分析系统性风险发生前后各经济指标的波动特征,以达到跟踪和预测系统性风险的目的。第一种方法是指数法,通过构建宏观指数来评估整个银行体系的系统性风险。选择指标时主要运用的方法有主成分分析、因子分析、AHP层级分析等。在研究方面,Illing,Liu(2006)、Hakkio,Keeton(2009)、Grimaldi(2010)基于宏观指数构建了系统性风险预警指标体系分别用来衡量加拿大、堪萨斯城和欧元区的系统性风险情况。Balakrishnan,Danninger(2012)利用指标法研究了系统性风险从发达经济体到新兴经济体的传导情况。第二种方法主要是由监管者提出的,关注单家银行或金融机构对系统性风险的影响,重点在于找出系统性重要金融机构。巴塞尔委员会(2011)发布《全球系统重要性银行:评估方法与附加资本吸收要求》提出了G-SIBs的评估方法,即规模、关联性、可替代性、跨境业务量和复杂性。金融稳定理事会(FSB)分别于2011年和2013年发布了全球系统性重要金融机构名单。由于公众无法收集到银行的深度数据,所以这种方法对公众而言几乎不可能。Bramer、Gischer(2013)利用可获得的银行报表数据,构建了一个修改模型,来衡量澳大利亚的系统性重要银行。中国银监会(2011)在《中国银行业实施新监管标准的指导意见》中提出中国系统重要性银行的评估标准,规模、关联性、可替代性和复杂性,剔除了G-SIBs中的跨境业务指标。郭卫东(2013)按照银监会指标体系评估了我国上市银行的系统重要性。巴曙松,高江建(2012)借鉴Bramer和Gischer的思想,将国民信心加入国内系统重要性的指标中,并由此定义我国的系统重要性银行。
4.条件在险价值法CoVaR。CoVaR方法是目前学界较为流行的方法,不同于以上三种方法,CoVaR方法不再依赖资产负债表数据,而是利用资本市场数据进行研究,数据更容易获得。该方法由Adrian和Brunnermeier(2010)在VaR的基础上提出,在CoVaR在度量系统性风险时采用的是“自下而上”的分析方法,以单个金融机构的破产倒闭为条件来估计整个金融体系的系统性风险。将单个金融机构的系统性风险贡献定义为处于危机状态下的整个金融系统的CoVaR和该机构常态下整个金融系统CoVaR之间的差额。在国内,李志辉(2011)利用分数位回归和CoVaR模型衡量了我国商业银行的系统性风险溢价。高国华(2011)基于GARCH模型用CoVaR方法测度了我国上市商业银行的系统性风险贡献度并分析了其影响因素。郭卫东(2013)通过CoVaR方法研究了中国上市银行的系统性风险贡献系数、风险价值和溢出值,并按照溢出值大小进行排序。虽然CoVaR方法能够度量金融机构对整个系统的边际风险贡献,但是由于其运用的是分数位回归法,不能很好的捕捉门限值以下极端情况的尾部风险。并且不具有可加性,难以通过单个金融机构的风险贡献加总来估计整体系统性风险。 5.系统期望损失SES、边际期望损失MES和系统性风险指数SRISK模型。SES和MES模型也是目前学界较为流行的度量方法,同样也是利用资产市场数据度量系统性风险,它在度量金融机构系统性风险时采用的是“自上而下”的分析方法。该方法是由Acharya(2010)年基于期望损失理论(ES)提出的,SES是在系统陷入危机时,某金融机构权益资产低于目标资产时产生的损失,用来衡量系统性危机中金融机构对总体的期望贡献。MES是在市场表现最差的极端状况下单个金融机构的收益率,衡量的是此时单个金融机构对系统整体风险的贡献。Acharya通过理论推导得出SES是MES和杠杆率的线性组合,并通过实证分析证明相较于波动率、期望损失、beta值等传统风险度量方法,MES和杠杆率的组合在预测SES上表现更好。Brownlees,Engle(2011)在Acharya(2010)的基础上,用引入动态的DCC-GARCH模型推导出了机构短期边际期望损失(MES)以及长期边际期望损失(LRMES)的计算公式,更加动态化的衡量系统性风险。同时提出通过SRISK,即SES占系统整体SES的比例来比较金融机构的系统重要性。我国学者范小云(2011)借鉴Acharya的度量方法,通过实证研究验证了我国MES和杠杆率较高的金融机构在危机中边际风险贡献也较大,并测算了我国金融机构的系统风险贡献。方意(2012)用DCC-GARCH模型和随机模拟法对我国金融机构的系统性风险进行了测度,并分析了系统性风险的影响因素。SES和MES模型能较好的捕捉尾部风险,但MES计算的假设条件为金融市场为有效市场,其在中国市场的有效性仍有待商榷。
6.夏普利值法Shapley。夏普利值法也是一种“自上而下”的分析方法,由Tarashev,Nikola,Claudio(2010)基于博弈理论提出的,结合在险价值VaR和期望损失ES,根据每家银行加入子银行系统时,所引起的子系统的VaR或ES的变化的均值作为该银行的Shapley值。Shapley值满足可加性,且考虑了总的系统性风险的大小。来测度银行在系统性风险中的贡献度。我国学者贾彦东(2011)基于银行间支付结算数据,用Shapley值分析了我国金融机构的系统重要性。张娜娜、张超(2012)基于期望损失的变化,用Shapley值对中国上市银行进行了系统性风险的实证检验。夏普利值法虽然满足可加性,但组合情况会随着银行数量的增加呈现指数增长,所以只适用于小规模的银行系统或包含少量同质子组合的系统。
二、结论与展望
金融危机后系统性风险成为新的研究热点,在认识和度量上都有了更加丰富和深入的研究。通过梳理文献可以发现:第一,对系统性风险的定义虽然没有达成一致,但定义有一定的共通之处,那就是一个触发事件引起了具有外部性的坏的结果。第二,系统性风险的发生具有复杂性和多样性,尤其是随着新的金融产品的出现,触发原因也在不断变化。目前的研究较少的分析系统性风险的影响因素,较多的关注于银行破产对金融系统的影响。对影响因素的分析较多的集中于国内宏观经济指标和银行系统内部风险传染,较少考虑国外经济和金融波动的影响。第三,目前关于系统性风险度量方法的研究十分丰富,且不断深入,尤其是关于银行的倒闭对金融系统以及全球经济造成影响的衡量。但目前国内研究讨论的热点集中于国内系统性重要金融机构的识别,对如何预测系统性风险的研究较少。
综上所述,关于系统性风险的研究,首先由于系统性风险随着金融市场的不断发展,它的触发原因是在不断变化中的,如现在互联网金融的出现对银行业流动性产生的影响,也有可能触发传统商业银行的系统性风险,所以研究者需要用更加广泛的视角全面的看待系统性风险。其次,我国银行业在不断走向国际,继中国银行后,工商银行也被纳入全球系统重要性银行,这就使得我们在研究银行业系统性风险时,不得不考虑国际金融市场波动的影响。最后,由于我国金融市场的特殊性,市场数据的可得性和连续性不够,国外的模型如何运用到金融实践和监管中还需要进一步的研究。
参考文献
[1]吴卫星,张琳琬,颜建晔.金融系统风险的成因、传导机制和度量:一个综述[J].国际商务:对外经济贸易大学学报,2014,(1):34-42.
[2]胡海峰.后金融危机时代系统性风险及其测度评述[J].经济学动态,2012,(4):41-46.
[3]范小云,王道平,方意.我国金融机构的系统性风险贡献测度与监管——基于边际风险贡献与杠杆率的研究[J].南开经济研究,2011,(4):3-20.
[4]Adrian,Tobias and Markus Brunnermeier[R].CoVaR,Working Paper,Federal Reserve Bank of NewYork,2009.
[5]Acharya,V.,L.Pedersen,T.Philippon,and M.Richardson.Measuring Systemic Risk[J].NYUWorking Paper,2010.
作者简介:张方雪(1990-),女,汉族,山东临沂人,毕业于同济大学,研究方向:风险管理。
【关键词】银行系统性风险 风险成因 风险度量
2008年金融危机中,雷曼兄弟公司、北岩银行等大型金融机构陷入困境甚至破产,重创了全球金融体系,并对实体经济产生了负面影响。这场国际金融危机使各国监管者、金融机构和研究者都深刻的认识到,原有的金融监管只关注单个金融机构的稳健运营,在维护整个金融体系稳定方面存在重大不足。中国人民银行也在2010年的《金融稳定报告》中提出防范系统性风险是宏观审慎管理的根本目标。目前,银行业系统性风险成为国内外学术界和金融监管改革的一个热点问题。本文就此针对金融危机后银行系统性风险的国内外相关文献进行系统梳理,并对度量方法进行评述,为进一步研究如何度量和监管银行系统性风险作参考。
一、银行系统性风险研究现状
(一)银行系统性风险的定义
由于系统性风险本身具有复杂性,处于一个动态发展的过程中,目前学术界对系统性风险的定义还没有形成统一、精确的认识,这些不同主要集中在系统性风险的触发原因和引起的结果上。但这些定义普遍认同系统性风险为一个触发事件引起了具有外部性的坏的结果。
从触发原因和引起的结果,对银行系统性风险的定义大致可以分为三类,关注系统整体层面、关注冲击的传递层面和综合性定义。第一类研究对系统性风险的定义专注于整个系统的层面,关注的是银行的同质化倾向带来的风险。如我国学者翟金林(2001)认为系统性风险是由于银行系统性事件的大规模冲击导致了大量的银行机构或市场的逆效应诱发银行系统性危机的可能性。第二类更加关注微观层面,关注的是风险在银行间的传递效应。如美国联邦储备委员会(FRS,2001)把系统性风险定义为一个金融机构到期债务的不能偿还会导致其债权人也无法偿还债务,不断扩散后,其他金融机构、存款机构及实体经济都会遭遇严重的支付困难。包全永(2005)认为系统性风险是系统中个别单位或几个单位受到其他不利冲击,其损失给系统中的其他单位带来的负外部性,当这种负外部性累积到一定程度时,整个系统的基本功能就会受到影响甚至完全丧失。第三类定义较为综合,既关注系统性风险的来源也关注传染渠道,是由较多金融监管者提出的定义。国际货币基金组织、金融稳定理事会和国际清算银行(2009)在《系统重要金融机构、市场和工具评估指引:初步考虑》中将系统性风险定义为由于金融体系整体或局部受到破坏导致金融服务中断、对实体经济具有潜在负面影响的风险。我国学者范小云(2005)对银行业系统性风险的识别提出了较为具体的途径,即特征判断和过程分析。其中特征是指“外部性”特征、风险与收益的不对性特征、传染性特征、损害实体经济的特征和投资者信心。过程分析主要考察风险发生的不同传染渠道。
结合此次金融危机的发生,本文认为银行系统性风险的产生既与广泛的外部冲击事件相关,也与银行系统内部的传染机制相关,所以对银行系统性风险的定义更倾向于第三种定义,这也是下文分析系统性风险度量方法的出发点。
(二)银行系统性风险的成因
从对系统性风险的定义可以看出,系统性风险的来源具有多样性。对系统性风险成因的研究,一方面集中于金融系统外的影响因素分析,另外一方面集中于金融系统本身的脆弱性和关联性。
金融系统外的影响因素是影响银行系统性风险的共同因素,对系统内所有银行都产生影响,对系统性风险的发生具有预测意义。对金融系统外的影响因素分析,大部分在经验分析的基础上,通过回归研究进行,研究表明银行系统性风险的发生与经济的慢速增长、市场恐慌、高通货膨胀率、高真实利率、高波动性、低资本收益率、油价波动、汇率变动、房地产行业的超额收益率等有关(高国华,2011;于蓓,2012)。
由于金融系统外部因素对于金融机构和金融机构监管者而言可控性较低,所以相对于金融系统外部因素的研究,关于金融系统自身的研究对于风险控制和监管的意义更大。总结这方面的研究又分为基于金融系统脆弱性的风险产生的研究和基于微观金融机构关联性的风险传染研究。对于银行系统性风险产生的原因,针对金融系统本身主要有以下几种解释:
1.信息不对称造成的银行挤兑引发风险。在金融交易中,交易双方在信息占有上具有不对称性,不对称信息在交易前后将分别导致逆向选择和道德风险问题。根据DD模型,在信息不对称的情况下,当一家银行陷入流动性困难,造成该银行一些存款人的存款损失,其他银行的存款人,出于对影响状况的不了解和对自身利益的担心。一旦有其他存款人到银行取出存款,存款人根据利益最大化原则就取出存款,造成银挤兑存款,由于银行的准备金不是100%计提,即使经营良好的银行,也会在存款人大规模提存时陷入流动性不足的支付危机中,从而引发系统性风险。过度金融创新,特别是衍生金融交易产品的出现,加剧了信息不对称的程度,引发了高系统性风险。
2.金融系统的不完全理性和顺周期性加剧风险。根据明斯基提出的金融脆弱性理论,由于贷款人存在遗忘痛苦的趋向同时面临竞争压力,所以当经济上行时,市场产生的过分乐观情绪会提高银行的利润预期,激起过度投资行为。而经济下行时,借款企业的经营不善和资产价格下跌,会导致贷款银行也面临困境的同时面临微观审慎监管约束要求的抛售资产,导致资产价格进一步下跌。所以在信息不对称性和金融市场不完善条件下,金融体系自身具有顺周期性的特点。金融加速器机制、微观审慎监管的资本约束监管机制以及金融机构自身的行为都导致信贷供给更为严重的顺周期性。
3.系统重要性银行的道德风险助长系统性风险。对于单家金融机构上,巴塞尔委员会(2011)提出以规模、关联性、可替代性、复杂性和跨司法管辖区活动,来分析单家银行对系统性风险的潜在影响。其中具有系统重要性的银行,因为其资产规模大、联系紧密会导致风险的聚集、加速风险传染。从信息不对称理论分析,在由监管者和系统性重要银行组成的信息模型中,系统性重要银行在危机中面临“太大而不能倒”“太关联而不能倒”的选择,会造成道德风险,进而加剧系统性风险。 (三)银行系统性风险的度量
金融危机后,关于银行系统性风险度量在研究重点上由关注单家银行倒闭的可能性转移到银行的倒闭对金融系统以及全球经济造成多大影响来衡量;在研究数据上,由较多依赖财务报表和银行内部数据过渡到利用金融市场数据等的可得性较高的数据上;在模型上,越来越多的度量模型被应用到系统性风险的度量中。目前关于系统性风险度量的文献非常丰富,主要方法有:
1.衡量系统性风险在银行间市场传染的模型。为监测银行系统性风险,2009年IMF在《全球金融稳定报告》中重点介绍了四种评估金融机构关联性的定量模型:网络模型(Network Approach)、Co-Risk模型、危机依存度矩阵模型(Distress Dependence Matrix)、违约强度模型(Default Intensity Model)。网络模型是基于银行间的实际业务往来,利用银行间双边信贷敞口和支付结算信息构建矩阵,假设外部冲击导致某一银行或者一组银行出现破产或流动性危机。基于以上关联矩阵,计算与其相关联的银行可能的资本损失和风险传染路径。IMF(2009)利用网络模型分析了银行风险在各个国家之间的传染,并得出资产降价出售会增加银行间的风险传染,美国、英国银行系统在风险传染中具有重要地位。中国人民银行(2010)基于银行间支付结算信息,构造了我国的金融网络结构模型,分析了银行风险在不同性质银行之间的传染,得出大型商业银行在网络中占据核心地位。我国学者贾彦东(2011)通过构建“系统风险曲线”,利用2007~2010年44个月的支付结算数据,测算了我国主要商业银行的系统重要性水平和排序。Co-Risk为共同风险模型,主要利用分数位回归以及金融机构的信用违约互换(CDS)数据来考察金融机构之间的非线性联动关系。危机依存度矩阵模型方法将银行系统当做一个由银行组成的投资组合,利用金融机构的信用违约互换数据和多元密度函数来构建银行间的困境联合概率分布,以衡量当一家银行处于困境时,另外一家银行处于困境的概率。违约强度模型使用Moody公司的违约数据来拟合事先设定的模型,刻画了违约聚集,即一家银行的违约会对其他银行的信用状况产生影响,提高系统的违约强度。最后再通过数值模拟方法预测未来一段时间内系统中违约事件的数量。后三种方法由于都需要信用违约互换等数据,我国金融市场不够发达,数据可得性较差,所以目前国内研究较少。
2.衡量极端尾部风险的压力测试。压力测试是为金融机构衡量潜在但可能发生异常时的损失的模型,关注的是极端情况下的尾部风险。在设置情景时,考虑到历次系统性危机的爆发,不是由单个银行或银行组面临某一冲击造成的,而是对所有银行同时造成冲击的共同冲击造成的(Upper,2007),分别设置“宏观经济情景压力测试”和“整体及重点领域信用风险敏感性压力测试”,弥补了网络模型中冲击没有考虑宏观经济的影响的弊端。但由于对数据要求较高,大部分为监管者所用。彭建刚(2012)认为在宏观经济因子冲击下不同金融风险会表现出一定的相关性,这些不同风险的共同作用会导致系统性风险。所以可以运用宏观压力测试来衡量系统性风险。臧敦刚(2013)以贷款违约率表示商业银行系统性风险,通过宏观压力测试度量了我国商业银行系统性风险的变化。
3.评估系统性重要银行的指标法。指标法主要是通过选取影响系统性风险的指标,利用历史数据分析系统性风险发生前后各经济指标的波动特征,以达到跟踪和预测系统性风险的目的。第一种方法是指数法,通过构建宏观指数来评估整个银行体系的系统性风险。选择指标时主要运用的方法有主成分分析、因子分析、AHP层级分析等。在研究方面,Illing,Liu(2006)、Hakkio,Keeton(2009)、Grimaldi(2010)基于宏观指数构建了系统性风险预警指标体系分别用来衡量加拿大、堪萨斯城和欧元区的系统性风险情况。Balakrishnan,Danninger(2012)利用指标法研究了系统性风险从发达经济体到新兴经济体的传导情况。第二种方法主要是由监管者提出的,关注单家银行或金融机构对系统性风险的影响,重点在于找出系统性重要金融机构。巴塞尔委员会(2011)发布《全球系统重要性银行:评估方法与附加资本吸收要求》提出了G-SIBs的评估方法,即规模、关联性、可替代性、跨境业务量和复杂性。金融稳定理事会(FSB)分别于2011年和2013年发布了全球系统性重要金融机构名单。由于公众无法收集到银行的深度数据,所以这种方法对公众而言几乎不可能。Bramer、Gischer(2013)利用可获得的银行报表数据,构建了一个修改模型,来衡量澳大利亚的系统性重要银行。中国银监会(2011)在《中国银行业实施新监管标准的指导意见》中提出中国系统重要性银行的评估标准,规模、关联性、可替代性和复杂性,剔除了G-SIBs中的跨境业务指标。郭卫东(2013)按照银监会指标体系评估了我国上市银行的系统重要性。巴曙松,高江建(2012)借鉴Bramer和Gischer的思想,将国民信心加入国内系统重要性的指标中,并由此定义我国的系统重要性银行。
4.条件在险价值法CoVaR。CoVaR方法是目前学界较为流行的方法,不同于以上三种方法,CoVaR方法不再依赖资产负债表数据,而是利用资本市场数据进行研究,数据更容易获得。该方法由Adrian和Brunnermeier(2010)在VaR的基础上提出,在CoVaR在度量系统性风险时采用的是“自下而上”的分析方法,以单个金融机构的破产倒闭为条件来估计整个金融体系的系统性风险。将单个金融机构的系统性风险贡献定义为处于危机状态下的整个金融系统的CoVaR和该机构常态下整个金融系统CoVaR之间的差额。在国内,李志辉(2011)利用分数位回归和CoVaR模型衡量了我国商业银行的系统性风险溢价。高国华(2011)基于GARCH模型用CoVaR方法测度了我国上市商业银行的系统性风险贡献度并分析了其影响因素。郭卫东(2013)通过CoVaR方法研究了中国上市银行的系统性风险贡献系数、风险价值和溢出值,并按照溢出值大小进行排序。虽然CoVaR方法能够度量金融机构对整个系统的边际风险贡献,但是由于其运用的是分数位回归法,不能很好的捕捉门限值以下极端情况的尾部风险。并且不具有可加性,难以通过单个金融机构的风险贡献加总来估计整体系统性风险。 5.系统期望损失SES、边际期望损失MES和系统性风险指数SRISK模型。SES和MES模型也是目前学界较为流行的度量方法,同样也是利用资产市场数据度量系统性风险,它在度量金融机构系统性风险时采用的是“自上而下”的分析方法。该方法是由Acharya(2010)年基于期望损失理论(ES)提出的,SES是在系统陷入危机时,某金融机构权益资产低于目标资产时产生的损失,用来衡量系统性危机中金融机构对总体的期望贡献。MES是在市场表现最差的极端状况下单个金融机构的收益率,衡量的是此时单个金融机构对系统整体风险的贡献。Acharya通过理论推导得出SES是MES和杠杆率的线性组合,并通过实证分析证明相较于波动率、期望损失、beta值等传统风险度量方法,MES和杠杆率的组合在预测SES上表现更好。Brownlees,Engle(2011)在Acharya(2010)的基础上,用引入动态的DCC-GARCH模型推导出了机构短期边际期望损失(MES)以及长期边际期望损失(LRMES)的计算公式,更加动态化的衡量系统性风险。同时提出通过SRISK,即SES占系统整体SES的比例来比较金融机构的系统重要性。我国学者范小云(2011)借鉴Acharya的度量方法,通过实证研究验证了我国MES和杠杆率较高的金融机构在危机中边际风险贡献也较大,并测算了我国金融机构的系统风险贡献。方意(2012)用DCC-GARCH模型和随机模拟法对我国金融机构的系统性风险进行了测度,并分析了系统性风险的影响因素。SES和MES模型能较好的捕捉尾部风险,但MES计算的假设条件为金融市场为有效市场,其在中国市场的有效性仍有待商榷。
6.夏普利值法Shapley。夏普利值法也是一种“自上而下”的分析方法,由Tarashev,Nikola,Claudio(2010)基于博弈理论提出的,结合在险价值VaR和期望损失ES,根据每家银行加入子银行系统时,所引起的子系统的VaR或ES的变化的均值作为该银行的Shapley值。Shapley值满足可加性,且考虑了总的系统性风险的大小。来测度银行在系统性风险中的贡献度。我国学者贾彦东(2011)基于银行间支付结算数据,用Shapley值分析了我国金融机构的系统重要性。张娜娜、张超(2012)基于期望损失的变化,用Shapley值对中国上市银行进行了系统性风险的实证检验。夏普利值法虽然满足可加性,但组合情况会随着银行数量的增加呈现指数增长,所以只适用于小规模的银行系统或包含少量同质子组合的系统。
二、结论与展望
金融危机后系统性风险成为新的研究热点,在认识和度量上都有了更加丰富和深入的研究。通过梳理文献可以发现:第一,对系统性风险的定义虽然没有达成一致,但定义有一定的共通之处,那就是一个触发事件引起了具有外部性的坏的结果。第二,系统性风险的发生具有复杂性和多样性,尤其是随着新的金融产品的出现,触发原因也在不断变化。目前的研究较少的分析系统性风险的影响因素,较多的关注于银行破产对金融系统的影响。对影响因素的分析较多的集中于国内宏观经济指标和银行系统内部风险传染,较少考虑国外经济和金融波动的影响。第三,目前关于系统性风险度量方法的研究十分丰富,且不断深入,尤其是关于银行的倒闭对金融系统以及全球经济造成影响的衡量。但目前国内研究讨论的热点集中于国内系统性重要金融机构的识别,对如何预测系统性风险的研究较少。
综上所述,关于系统性风险的研究,首先由于系统性风险随着金融市场的不断发展,它的触发原因是在不断变化中的,如现在互联网金融的出现对银行业流动性产生的影响,也有可能触发传统商业银行的系统性风险,所以研究者需要用更加广泛的视角全面的看待系统性风险。其次,我国银行业在不断走向国际,继中国银行后,工商银行也被纳入全球系统重要性银行,这就使得我们在研究银行业系统性风险时,不得不考虑国际金融市场波动的影响。最后,由于我国金融市场的特殊性,市场数据的可得性和连续性不够,国外的模型如何运用到金融实践和监管中还需要进一步的研究。
参考文献
[1]吴卫星,张琳琬,颜建晔.金融系统风险的成因、传导机制和度量:一个综述[J].国际商务:对外经济贸易大学学报,2014,(1):34-42.
[2]胡海峰.后金融危机时代系统性风险及其测度评述[J].经济学动态,2012,(4):41-46.
[3]范小云,王道平,方意.我国金融机构的系统性风险贡献测度与监管——基于边际风险贡献与杠杆率的研究[J].南开经济研究,2011,(4):3-20.
[4]Adrian,Tobias and Markus Brunnermeier[R].CoVaR,Working Paper,Federal Reserve Bank of NewYork,2009.
[5]Acharya,V.,L.Pedersen,T.Philippon,and M.Richardson.Measuring Systemic Risk[J].NYUWorking Paper,2010.
作者简介:张方雪(1990-),女,汉族,山东临沂人,毕业于同济大学,研究方向:风险管理。