四川大學(xué)經(jīng)濟(jì)學(xué)院 戚逸康四川省地方稅務(wù)局 徐曉寧

我國(guó)股市震蕩與金融體系的系統(tǒng)性風(fēng)險(xiǎn)

四川大學(xué)經(jīng)濟(jì)學(xué)院 戚逸康四川省地方稅務(wù)局 徐曉寧

摘 要：2015年第二、三季度，中國(guó)股市繼2008年金融危機(jī)之后又出現(xiàn)了一波股市震蕩，其震動(dòng)幅度之大、波及范圍之廣、波動(dòng)頻率之快，引發(fā)了對(duì)中國(guó)金融體系系統(tǒng)性風(fēng)險(xiǎn)的擔(dān)憂。本文采用EVT-GARCH-CoVaR模型，對(duì)2008年1月～2015年6月中國(guó)金融系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了測(cè)度，主要結(jié)論包括：(1)從長(zhǎng)期來(lái)看，此次股市震蕩無(wú)論各類金融機(jī)構(gòu)還是整個(gè)金融體系的風(fēng)險(xiǎn)基本達(dá)到了2008年金融危機(jī)時(shí)的水平。(2)此次股市震蕩引致的整個(gè)金融體系的風(fēng)險(xiǎn)主要來(lái)自各種類別金融機(jī)構(gòu)的自身風(fēng)險(xiǎn)的快速累積，而不是由個(gè)別種類或個(gè)別金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出效應(yīng)引發(fā)。

關(guān)鍵詞：股市震蕩 金融體系 系統(tǒng)性風(fēng)險(xiǎn) EVT-GARCH-CoVaR模型

戚逸康(1991-)，男，山東臨沂人，四川大學(xué)經(jīng)濟(jì)學(xué)院碩士研究生，主要從事金融市場(chǎng)方面的研究；

徐曉寧(1968-)，女，四川成都人，注冊(cè)稅務(wù)師，主要從事財(cái)政與稅收方面的研究。

1 此次股市震蕩與金融體系的系統(tǒng)性風(fēng)險(xiǎn)

股票市場(chǎng)，作為中國(guó)資本市場(chǎng)的主要組成部分和實(shí)體經(jīng)濟(jì)融資的重要渠道，一直以來(lái)在我國(guó)經(jīng)濟(jì)發(fā)展中發(fā)揮著重要作用。但是，我國(guó)股市仿佛一直以來(lái)始終處在震蕩的陰影之中。自2008年股市暴跌以來(lái)僅僅過去七年，股市又再次陷入震蕩當(dāng)中，甚至股市波動(dòng)幅度遠(yuǎn)超2008年那次，創(chuàng)造了近八年以來(lái)的記錄。2015年7月27日，上證指數(shù)重挫八個(gè)點(diǎn)以上，成為自2007年2月27日以來(lái)的最高值，而后還不到一個(gè)月，2015年8月24日，上證指數(shù)再次重挫八個(gè)點(diǎn)以上，在短時(shí)間之內(nèi)就刷新了僅僅一月之前創(chuàng)造的八年以來(lái)的記錄，股市震蕩之烈度、速度乃至于此。2015年7月9日和8月28日，李克強(qiáng)總理在部分省(區(qū))政府主要負(fù)責(zé)人經(jīng)濟(jì)形勢(shì)座談會(huì)和國(guó)務(wù)院專題會(huì)上兩次提及“守住不發(fā)生區(qū)域性系統(tǒng)性風(fēng)險(xiǎn)底線”。因此，目前很有必要對(duì)股市震蕩期間中國(guó)金融體系的整體風(fēng)險(xiǎn)狀況進(jìn)行考察。

2 相關(guān)文獻(xiàn)

在2008年金融危機(jī)之前，根據(jù)BASELⅡ，金融監(jiān)管主要針對(duì)單個(gè)銀行自身存在的風(fēng)險(xiǎn)，沒有對(duì)單個(gè)銀行的風(fēng)險(xiǎn)給其他銀行和整個(gè)金融體系造成的不良影響給予足夠的重視。2008年的全球金融危機(jī)讓學(xué)術(shù)界重新認(rèn)識(shí)了系統(tǒng)性風(fēng)險(xiǎn)的含義，單個(gè)金融機(jī)構(gòu)對(duì)其他機(jī)構(gòu)或整個(gè)金融體系的溢出效應(yīng)得到重視。

各國(guó)學(xué)術(shù)界也迅速發(fā)展起多種理論與方法對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行測(cè)度。Acharya et al.(2010)[1]通過建立一個(gè)包含監(jiān)管部門在內(nèi)的金融行業(yè)均衡模型，將傳統(tǒng)的衡量單個(gè)金融機(jī)構(gòu)損失的度量指標(biāo)——ES(期望損失)推廣到了整個(gè)金融系統(tǒng)，創(chuàng)造性地建立了MES(邊際期望損失)和SES(系統(tǒng)性期望損失)兩個(gè)能夠涵蓋金融機(jī)構(gòu)風(fēng)險(xiǎn)外部性的度量指標(biāo)。Adrian和Brunnermeier(2008)[2]基于傳統(tǒng)金融風(fēng)險(xiǎn)度量尺度——在險(xiǎn)價(jià)值VaR(Value-at-Risk)創(chuàng)新性地提出條件在險(xiǎn)價(jià)值CoVaR(Conditional Value-at-Risk)的概念及測(cè)算思路：在一個(gè)金融機(jī)構(gòu)的風(fēng)險(xiǎn)處于在險(xiǎn)價(jià)值條件下，求得另外一家金融機(jī)構(gòu)的在險(xiǎn)價(jià)值。隨著我國(guó)影響力較大的金融機(jī)構(gòu)紛紛上市和金融市場(chǎng)的有效性逐漸增強(qiáng)，CoVaR方法在測(cè)度和監(jiān)管我國(guó)金融體系的系統(tǒng)性風(fēng)險(xiǎn)方面具有較強(qiáng)的適用性。因此，本文采用CoVaR方法，結(jié)合極值理論和動(dòng)態(tài)GARCH模型考察2008年1月～2015年6月中國(guó)金融系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)狀況。

3 CoVaR方法的理論模型

3.1 CoVaR的定義

傳統(tǒng)度量金融機(jī)構(gòu)自身風(fēng)險(xiǎn)的指標(biāo)——在險(xiǎn)價(jià)值VaR表示在一定的置信水平(1-q)之下，金融機(jī)構(gòu)在未來(lái)一定時(shí)間之內(nèi)可能遭受的最大損失率，即：

上式下標(biāo)用“system”取代“i”即為整個(gè)金融體系的在險(xiǎn)價(jià)值。

CoVaR定義為：一定的置信水平(1-q)下，在單個(gè)金融機(jī)構(gòu)i達(dá)到最壞損失率的條件下，整個(gè)金融系統(tǒng)相應(yīng)的損失率：

進(jìn)而，單個(gè)金融機(jī)構(gòu)i對(duì)金融系統(tǒng)總體風(fēng)險(xiǎn)的絕對(duì)貢獻(xiàn)為：

3.2 CoVaR模型的實(shí)現(xiàn)

VaR和CoVaR的具體計(jì)算如下:

本文改進(jìn)了高國(guó)華和潘英麗(2011)[3]文中的AR(1)-GARCH(1，1)模型來(lái)對(duì)收益率的均值和波動(dòng)率進(jìn)行動(dòng)態(tài)更新估計(jì)：

在測(cè)算CoVaR時(shí)，在金融系統(tǒng)AR(1)-GARCH(1，1)模型的均值方程式(6)中需要以待研究的單個(gè)金融機(jī)構(gòu)i的收益率取代市場(chǎng)收益率作為解釋變量，以引入單個(gè)金融機(jī)構(gòu)對(duì)金融系統(tǒng)的影響。從理論上講，單個(gè)金融機(jī)構(gòu)i的收益率既包含了機(jī)構(gòu)自身獨(dú)特的信息，也包含了市場(chǎng)收益率的信息，而后者在測(cè)度系統(tǒng)性風(fēng)險(xiǎn)的時(shí)候往往被視作一種優(yōu)點(diǎn)，因?yàn)樗w現(xiàn)了這個(gè)機(jī)構(gòu)與系統(tǒng)性風(fēng)險(xiǎn)聯(lián)系的程度(Adrian和Brunnermeier，2008)。

同時(shí)，由于系統(tǒng)性風(fēng)險(xiǎn)一般都發(fā)生在極端市場(chǎng)條件下，收益率尾部分布假定非常重要。因此，本文放棄了收益率為正態(tài)分布或?qū)W生t分布等特定分布的假定，采用更為靈活和準(zhǔn)確的尾部估計(jì)理論——極值理論獲得金融機(jī)構(gòu)收益率的邊緣分布函數(shù)的q分位數(shù)[4]。

4 數(shù)據(jù)處理

本文的研究期間選為2008年1月～2015年6月，基本涵蓋了上次金融危機(jī)至本次股市震蕩。本文以上海證券交易所公布的上證綜指的收益率作為市場(chǎng)收益率，以上證180金融指數(shù)的收益率作為金融系統(tǒng)的收益率。由于研究期的限制，本文選擇了2008年以前上市的十二家銀行、兩家證券公司和三家保險(xiǎn)公司，并將這17家金融機(jī)構(gòu)分成了五個(gè)大的類別：(1)國(guó)有商業(yè)銀行，包括建設(shè)銀行、工商銀行、中國(guó)銀行和中國(guó)交通銀行等；(2)股份制銀行，包括中信銀行、招商銀行、浦發(fā)銀行、民生銀行、華夏銀行和興業(yè)銀行等；(3)區(qū)域性商業(yè)銀行，包括北京銀行和南京銀行兩家；(4)證券公司，包括太平洋證券和中信證券兩家；(5)保險(xiǎn)公司，包括人壽保險(xiǎn)、平安保險(xiǎn)和太平洋保險(xiǎn)等。為了便于在險(xiǎn)價(jià)值的計(jì)算，本文將收益率數(shù)據(jù)處理為對(duì)數(shù)損失率，置信度統(tǒng)一設(shè)置為99%。所有原始數(shù)據(jù)來(lái)自于萬(wàn)德數(shù)據(jù)庫(kù)。

5 實(shí)證結(jié)果與分析

5.1 2008～2015年中金融體系的系統(tǒng)性風(fēng)險(xiǎn)

圖1 金融系統(tǒng)和各類金融機(jī)構(gòu)的日平均無(wú)條件在險(xiǎn)價(jià)值

圖1是2008年1月～2015年6月金融系統(tǒng)和各類金融機(jī)構(gòu)的日平均無(wú)條件在險(xiǎn)價(jià)值，其中2015年的計(jì)算僅包含前6個(gè)月，其余年份含全年，以下所有圖同上。2008年金融系統(tǒng)和各類金融機(jī)構(gòu)的自身風(fēng)險(xiǎn)水平的確處在峰值，隨后年份風(fēng)險(xiǎn)明顯有所下降，并維持在一個(gè)相對(duì)穩(wěn)定的水平。從2014年開始，整體無(wú)條件在險(xiǎn)價(jià)值水平開始上揚(yáng)，而且基本上達(dá)到了2008年的水平。研究期內(nèi)基本保持了國(guó)有銀行、區(qū)域性和股份制銀行、保險(xiǎn)公司和證券公司的自身風(fēng)險(xiǎn)由低到高的排序。但2014年以來(lái)保險(xiǎn)公司自身風(fēng)險(xiǎn)大幅升高值得注意。

圖3 各類金融機(jī)構(gòu)相對(duì)風(fēng)險(xiǎn)貢獻(xiàn)度

圖2繪出各類金融機(jī)構(gòu)在達(dá)到自身VaR水平時(shí)所引致的金融系統(tǒng)條件在險(xiǎn)價(jià)值，圖中也繪出了金融系統(tǒng)的無(wú)條件在險(xiǎn)價(jià)值作為對(duì)比。CoVaR與VaR走勢(shì)相似，2008年和2015年是兩個(gè)幅度比較接近的風(fēng)險(xiǎn)高峰。各類金融機(jī)構(gòu)的CoVaR差異不大，而且它們?cè)谡麄€(gè)研究期內(nèi)也有相似的時(shí)間走勢(shì)。圖3為各類金融機(jī)構(gòu)對(duì)金融體系風(fēng)險(xiǎn)的相對(duì)貢獻(xiàn)。圖3中可以看出各類金融機(jī)構(gòu)的相對(duì)貢獻(xiàn)還是有些差別：國(guó)有商業(yè)銀行的風(fēng)險(xiǎn)溢出效應(yīng)最強(qiáng)，幾乎在所有的年份中都排名第一。其他金融機(jī)構(gòu)差異不大，不同年份排名有所變化。各類金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出效應(yīng)都呈輕微上升趨勢(shì)(當(dāng)然其中也有波動(dòng))，說明我國(guó)金融體系內(nèi)各金融機(jī)構(gòu)之間的相互關(guān)聯(lián)度逐漸增強(qiáng)。但也可以發(fā)現(xiàn)，金融機(jī)構(gòu)對(duì)金融體系整體風(fēng)險(xiǎn)的相對(duì)貢獻(xiàn)與金融體系自身的無(wú)條件風(fēng)險(xiǎn)顯示出一種負(fù)相關(guān)關(guān)系，說明我國(guó)現(xiàn)階段金融體系的風(fēng)險(xiǎn)多由整個(gè)市場(chǎng)大范圍惡化引致的，不是由少數(shù)金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出效應(yīng)引發(fā)。

5.2 此次股市震蕩中金融體系的系統(tǒng)性風(fēng)險(xiǎn)

下面集中考察2014年1月～2015年6月，金融系統(tǒng)和各類金融機(jī)構(gòu)的風(fēng)險(xiǎn)及其溢出效應(yīng)狀況。

圖4繪出2014年1月～2015年6月金融系統(tǒng)和各類金融機(jī)構(gòu)每周的日平均無(wú)條件在險(xiǎn)價(jià)值(一周之內(nèi)的每日在險(xiǎn)價(jià)值的簡(jiǎn)單算術(shù)平均)?？疾炱趦?nèi)，金融系統(tǒng)和各類金融機(jī)構(gòu)的無(wú)條件在險(xiǎn)價(jià)值隨時(shí)間變化的趨勢(shì)是比較一致的：2014年前三個(gè)季度，各類金融機(jī)構(gòu)和系統(tǒng)的VaR都處在一個(gè)比較系統(tǒng)以及各種類別金融機(jī)構(gòu)的自身風(fēng)險(xiǎn)均在快速增加。而且，它們隨時(shí)間變動(dòng)的波形十分相似，即股市暴漲暴跌帶來(lái)的風(fēng)險(xiǎn)基本是無(wú)差別的。但如同2008年1月～2015年6月時(shí)期一樣，大部分時(shí)間內(nèi)證券公司的自身風(fēng)險(xiǎn)和引致金融體系的條件在險(xiǎn)價(jià)值最高。但這次股市震蕩中，所有類型金融機(jī)構(gòu)對(duì)金融體系整體風(fēng)險(xiǎn)的貢獻(xiàn)趨同。

參考文獻(xiàn)

[1] Acharya V，Pedersen L，Philippon T，and Richardson M．Measuring Systemic Risk[R]．Working Paper，NYU，2010．

[2] Adrian T，Brunnermeier K．CoVaR[R]．working paper No．348，F(xiàn)ederal Reserve Bank of New York，2008．

[3] 高國(guó)華，潘英麗．銀行系統(tǒng)性風(fēng)險(xiǎn)度量—基于動(dòng)態(tài)CoVaR方法的分析[J]．上海交通大學(xué)學(xué)報(bào)，2011(12)．

[4] ames Pickands．Statistical inference using extreme order statistics[J]．The Annals of Statistics，1975(3)．

中圖分類號(hào)：F812

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：2096-0298(2015)08(b)-061-05

作者簡(jiǎn)介：