李丹丹

( 東北財經(jīng)大學 國際商學院, 遼寧 大連 116025）

中國影子銀行和商業(yè)銀行的傳染效應(yīng)研究
—— 基于DCC模型的風險分析

李丹丹

( 東北財經(jīng)大學 國際商學院, 遼寧 大連 116025）

通過DCC模型分析影子銀行和商業(yè)銀行間的波動溢出效應(yīng)，發(fā)現(xiàn)影子銀行對城商行存在傳染效應(yīng)，證券公司類的影子銀行對城商行的沖擊較大。根據(jù)影子銀行和商業(yè)銀行的VaR分析，發(fā)現(xiàn)影子銀行的風險略大于商業(yè)銀行。提出在出現(xiàn)巨大波動前做出短期預(yù)測和應(yīng)對的措施建議，為防范金融體系的系統(tǒng)性風險和防止風險的快速傳播提供了新的思路。

影子銀行；傳染效應(yīng)；商業(yè)銀行；DCC模型

一、文獻綜述

對于影子銀行規(guī)模、功能、風險和監(jiān)管等問題的研究越來越成為國內(nèi)外學術(shù)界和金融機構(gòu)探討的熱點問題。影子銀行與商業(yè)銀行存在相互的聯(lián)系。目前越來越多的商業(yè)銀行開始參與到資產(chǎn)證券化和結(jié)構(gòu)化的產(chǎn)品中，將資產(chǎn)移到資產(chǎn)負債表外進行運作，減少受到監(jiān)管的力度。一旦市場出現(xiàn)流動性不足，影子銀行和商業(yè)銀行之間的高度相關(guān)性，就會加大金融體系的系統(tǒng)性風險，使風險在各金融機構(gòu)中快速傳染，引起銀行和非銀行金融機構(gòu)倒閉。

雖然影子銀行問題已經(jīng)引起各方的關(guān)注，但是目前國內(nèi)對于中國影子銀行風險的研究還不夠深入，分析僅限于定性層面。張慧毅和蔣玉潔[1]通過對我國兩種信用風險較高的影子銀行業(yè)務(wù)（民間貸款和銀信理財產(chǎn)品）的風險傳導(dǎo)機制進行了分析，并提出監(jiān)管的政策建議。周新輝和寧薛平[2]對中國式的影子銀行的形式以及內(nèi)部隱含的風險進行了闡述，并提出風險防范和化解的策略。宋巍和劉俊奇[3]通過GARCH-VaR模型對上市的影子銀行體系下的金融機構(gòu)和商業(yè)銀行進行分析，發(fā)現(xiàn)影子銀行體系的VaR水平高于傳統(tǒng)的商業(yè)銀行，表明影子銀行體系的杠桿率較高，存在較大的系統(tǒng)性風險。但是從量化角度深入研究影子銀行體系風險問題的研究文獻較少，本文通過建立DCC-MVGARCH模型，實證分析我國影子銀行的內(nèi)在風險和對商業(yè)銀行的傳染效應(yīng)，并根據(jù)實證分析結(jié)果提出防止風險在金融機構(gòu)間傳染的對策建議。

二、影子銀行和商業(yè)銀行風險傳導(dǎo)機制

傳統(tǒng)商業(yè)銀行的主要業(yè)務(wù)模式為吸收存款、發(fā)放貸款的方式，并受到監(jiān)管的限制。而影子銀行迎合了商業(yè)銀行規(guī)避監(jiān)管的要求，通過運用資產(chǎn)證券化等金融創(chuàng)新手段，達到商業(yè)銀行加速資產(chǎn)流動的目的。因此影子銀行和商業(yè)銀行之間形成了錯綜復(fù)雜的關(guān)系，相互競爭并且相互補充。這種關(guān)系有助于提高傳統(tǒng)銀行的運行效率，加速我國利率市場化進程，并且在調(diào)節(jié)市場流動性方面發(fā)揮重要作用。然而影子銀行的信用創(chuàng)造可能會無限擴張，再加上監(jiān)管缺位，一旦出現(xiàn)企業(yè)違約或是信貸危機，風險就會通過各種渠道傳染到商業(yè)銀行，影響商業(yè)銀行的流動性，導(dǎo)致信貸過度收縮，放大了系統(tǒng)性風險，不利于經(jīng)濟的發(fā)展。

影子銀行的風險傳導(dǎo)機制主要分為以下幾個途徑。第一，傳統(tǒng)商業(yè)銀行更多地參與到影子銀行的業(yè)務(wù)中，為了規(guī)避監(jiān)管增加了表外業(yè)務(wù)的發(fā)展，經(jīng)營高杠桿高風險業(yè)務(wù)，在銀行理財業(yè)務(wù)中，傳統(tǒng)商業(yè)銀行作為銀信合作和銀政合作的資金委托方，如果發(fā)生影子銀行機構(gòu)的違約，商業(yè)銀行的資產(chǎn)將會受到影響。第二，商業(yè)銀行逐漸成為影子銀行的信用中介，為影子銀行提供初始信貸，商業(yè)銀行作為資金的拆出方，同樣會受到影子銀行機構(gòu)資金流動性不足的影響。第三，傳統(tǒng)商業(yè)銀行可能會依靠影子銀行貸款，購買影子銀行發(fā)行的貨幣市場融資工具或資產(chǎn)證券化產(chǎn)品等，在影子銀行流動性不足或金融衍生品出現(xiàn)信用危機時，商業(yè)銀行就要承擔利率風險和信用風險等問題。

三、模型方法

（一）DCC模型

多元GARCH模型用來估計有條件協(xié)方差矩陣，主要存在兩個問題。首先，隨著資產(chǎn)種類的增加，協(xié)方差矩陣的維度將快速增加。另外，多元GARCH模型很難滿足半正定矩陣的要求。恒常條件相關(guān)模型（CCC）和動態(tài)條件相關(guān)模型（DCC）通過利用相關(guān)系數(shù)和有條件方差來進行參數(shù)估計，以替代對有條件協(xié)方差的直接估計，大大提高了模型估計的效率。BEKK模型只適用于相對較低的維度，而CCC模型假設(shè)有條件相關(guān)系數(shù)恒定，降低了估計參數(shù)的數(shù)量，但是恒定的假設(shè)限制性過強不太合理，因此，本文中運用DCC模型保證了時變的有條件相關(guān)系數(shù)和多維的數(shù)據(jù)。Engle[4]提出的DCC模型如下：

Qo表示非條件的協(xié)方差矩陣，Qt 代表相關(guān)系數(shù)矩陣。Ht 表示有條件的協(xié)方差矩陣，通過GARCH模型估計出的各個資產(chǎn)的方差與相關(guān)系數(shù)矩陣相乘得到。Engle[4]指出，DCC模型比其他的多元GARCH模型具有較強的優(yōu)勢，主要可以估計較多的維度，但是當資產(chǎn)數(shù)目較多時，會造成所有相關(guān)系數(shù)動態(tài)過程受限于相同的動態(tài)結(jié)構(gòu)。

DCC模型的參數(shù)估計利用最大似然函數(shù)法。最大似然估計的主要問題是正態(tài)分布的假設(shè)。金融數(shù)據(jù)的波動性模型基本呈現(xiàn)非線性和長尾的特征。因此在估算DCC模型時，運用Bollerselv和Wooldridge[5]提出的擬極大似然估計法（QMLE）。QML估計的一致性和漸進正態(tài)統(tǒng)計可以通過穩(wěn)健性檢驗獲得，并利用BHHH算法進行優(yōu)化。

DCC模型近期被廣泛應(yīng)用在波動性的研究中，特別是對金融市場的傳染效應(yīng)的研究。通過對市場間的波動溢出效應(yīng)的研究，了解波動風險的傳導(dǎo)路徑和方向，但是對于影子銀行和商業(yè)銀行之間的傳導(dǎo)方向，缺少相關(guān)的研究。依據(jù)影子銀行和城商行股價收益率的特征，建立實證分析DCC模型，均值方程如下：

均值方程中加入AR(1)的一階滯后項，認為前一日的收益率會對當日收益起到影響。并將標準差加入均值方程中，主要原因是風險和收益具有正向的變動關(guān)系，對于較高風險的金融資產(chǎn)，投資者要求的預(yù)期回報也相對較高。方差方程則按照公式（1）中的DCC模型進行估計。

（二）VaR風險分析

風險分析的方法參考目前被投資銀行和商業(yè)銀行廣泛接受的VaR（Value at Risk)模型，具體方法如下：

α表示顯著性水平，Φ-1（1-α）表示在某個置信水平下正態(tài)分布的分位數(shù)。根據(jù)DCC模型的分析，得到標準差和均值，再進行預(yù)期。根據(jù)公式（3）計算出的VaR可以對影子銀行和城商行進行風險分析。

四、實證檢驗結(jié)果

本文選取上市影子銀行體系相關(guān)的機構(gòu)作為實證分析的對象[3]。選擇中信證券和海通證券作為證券公司的代表，安信信托和陜國投為信托公司代表，香溢融通和渤海租賃作為民間借貸，愛建股份和魯信創(chuàng)投為投資公司的代表。為了分析我國影子銀行對商業(yè)銀行的傳染效應(yīng)，選取北京銀行、南京銀行和寧波銀行作為城商行的代表，主要由于影子銀行對城商行的沖擊遠遠大于國有銀行和股份制銀行。如果將16家上市銀行全部納入模型，會造成估計維度的劇增，影響模型的計算。各上市公司的股票每日的收盤價格的數(shù)據(jù)來源于Wind數(shù)據(jù)庫，時間范圍從2012年1月4日到2015年1月3日，剔除了部分股票停牌和節(jié)假日的影響日期，并通過收盤價格計算出當日的收益率。

圖1 影子銀行機構(gòu)的股票日收益率趨勢圖

如圖1所示，影子銀行機構(gòu)的代表公司的股價日收益率在2013年中期和2014年下半年出現(xiàn)波動集群效應(yīng)，并且波動幅度較大。表1為各影子機構(gòu)和城商行股票收益率的統(tǒng)計分析結(jié)果。影子銀行機構(gòu)的均值比城商行大，并且風險也比較大。偏度的結(jié)果顯示均為正值，顯著的右偏，說明右側(cè)的尾部比較長，大部分的收益率落在均值的左側(cè)。各金融機構(gòu)的峰度比正態(tài)分布的峰度要高，出現(xiàn)尖峰厚尾現(xiàn)象。ADF單位根檢驗顯示影子機構(gòu)和城商行的收益率均為平穩(wěn)序列，無單位根。Zivot截距突變崩潰模型的檢驗結(jié)果說明在考慮了轉(zhuǎn)折點的問題后收益率同樣不存在單位根問題。最后，對于ARCH檢驗結(jié)果表明存在ARCH效應(yīng)，需要運用GARCH模型估計。

表1 描述性統(tǒng)計指標

表2 多元GARCH-DCC模型回歸結(jié)果

影子銀行和城商行的多元DCC模型結(jié)果見表2。在均值方程中，各金融機構(gòu)的收益率的滯后項對其收益具有顯著的解釋力，除了安信信托和愛建股份。大部分影子機構(gòu)的方差項的系數(shù)為負值且顯著，除安信信托和渤海租賃外，說明風險和收益之間呈現(xiàn)反向關(guān)系，在股票出現(xiàn)高風險時，投資者要求高收益做為回報，但是實際中的收益率往往受到前一日高風險的影響，出現(xiàn)下降的趨勢，主要由于市場情緒和投資者心理等原因影響。在方差方程中的A, B系數(shù)均顯著，常數(shù)項C也同樣顯著，方差方程中的DCC檢驗的系數(shù)也均顯著，說明了DCC模型的適用性。

圖2表示北京銀行同影子銀行體系的動態(tài)相關(guān)系數(shù)。中信證券與海通證券和北京銀行的相關(guān)性較強，相關(guān)系數(shù)明顯高于其他影子機構(gòu)，說明證券公司和城商行的相關(guān)性更強，在未來風險的傳染過程中，首先要防范由于券商的風險導(dǎo)致的系統(tǒng)性風險，降低對商業(yè)銀行的沖擊。民間借貸的影子機構(gòu)（渤海租賃和香溢融通）和北京銀行的相關(guān)性最小，相互的影響程度較低，主要由于商業(yè)銀行參與民間借貸業(yè)務(wù)的程度不大。但是，當動態(tài)相關(guān)系數(shù)出現(xiàn)負相關(guān)的情形時，民間借貸和北京銀行的負相關(guān)性最大，相互避險。動態(tài)相關(guān)系數(shù)的波動在2013年中比較頻繁且波幅較大，主要由于影子銀行的整體發(fā)展在2013年相對較快，而2012和2014年的動態(tài)相關(guān)系數(shù)則比較平穩(wěn)。影子機構(gòu)和南京銀行與寧波銀行的動態(tài)相關(guān)系數(shù)與北京銀行的相似 ，同證券公司的相關(guān)性較大，反映出影子銀行的傳染程度。

圖2 影子銀行和北京銀行的動態(tài)相關(guān)系數(shù)

模型的參數(shù)估計期間從2012年1月4日到2014年11月30日，對2014年12月的金融機構(gòu)的股票收益率的均值和方差進行預(yù)測，并將預(yù)測的均值和方差運用到VaR的計算中。表3給出了各影子銀行機構(gòu)和城商行在99%和95%的置信水平下VaR的回歸結(jié)果，影子銀行機構(gòu)的VaR略高于城商行，說明影子銀行由于高杠桿和信用無限放大等原因，容易受到市場風險的沖擊，形成系統(tǒng)性風險，比傳統(tǒng)的商業(yè)銀行更加脆弱。另外影子銀行和傳統(tǒng)商業(yè)銀行間的關(guān)聯(lián)，會使風險由各種渠道傳染到商業(yè)銀行。民間借貸、信托和投資公司等的風險要高于證券類公司。民間借貸的香溢融通的風險最大，渤海租賃風險較小是由于長時間的停牌影響，對此類影子銀行的風險需要重點關(guān)注。不同類型的影子銀行機構(gòu)的風險也存在相互傳染的危險，預(yù)防有高風險機構(gòu)向低風險的傳導(dǎo)。

表3 VaR回歸結(jié)果

五、政策建議

本文通過分析影子銀行機構(gòu)和商業(yè)銀行間的密切聯(lián)系，為銀行業(yè)的風險防控提供了相應(yīng)的監(jiān)管辦法。為了預(yù)防影子銀行體系的風險向傳統(tǒng)商業(yè)銀行傳導(dǎo)，首先應(yīng)當采用風險價值的評估方式（VaR)，對風險等級進行評估，嚴格控制超出風險承受能力的業(yè)務(wù)。其次要關(guān)注影子銀行體系資金的投向，對于不符合國家產(chǎn)業(yè)政策和金融發(fā)展方向的資金要控制，減少類似前些年資金向房地產(chǎn)等過熱部門的流動，而引起的嚴重的系統(tǒng)性風險。另外，對于資產(chǎn)負債表表外業(yè)務(wù)的監(jiān)管應(yīng)當逐步加強，減少為了規(guī)避監(jiān)管而出表的現(xiàn)象，商業(yè)銀行應(yīng)保持傳統(tǒng)業(yè)務(wù)的穩(wěn)健性，不應(yīng)當過度開展表外業(yè)務(wù)。最后，在加強影子銀行的監(jiān)管的同時，要出臺相應(yīng)的救助措施和保險制度，有助于影子銀行的健康發(fā)展。

[1]張慧毅,蔣玉潔.中國影子銀行體系的風險及其監(jiān)管研究[J].中央財經(jīng)大學學報,2013(9).

[2]周新輝,寧薛平.中國式影子銀行的隱性風險及其化解路徑[J].蘭州學刊,2014(3).

[3]宋巍,劉俊奇.我國影子銀行體系的風險評估—基于GARCH-VaR模型的實證研究[J].改革與戰(zhàn)略,2015(31).

[4]Engle R.Dynamic Conditional Correlation—A Simple Class of Multivariate GARCH Models [J].Journal of Business and Economic Statistics, 2002，20 (3):339-350.

[5]Bollerslev T, Wooldridge J M.Quasi-Maximum Likelihood Estimation and Inference in Dynamic Models with Time-Varying Covariance [J].Econometrics Reviews, 1992，11 (2):143-172.

F830

A

1003-1154(2016)01-0016-04

10.3969/j.issn.1003-1154.2016.01.006

國家社會科學基金一般項目“利率市場化進程中影子銀行的風險防控與監(jiān)管對策研究”（14BJY173）；遼寧省社科規(guī)劃基金項目“潛在經(jīng)濟增速下降背景下影子銀行風險研究” (L13DJY062).

2 由于篇幅限制，省略了南京銀行、寧波銀行同各影子銀行機構(gòu)的動態(tài)相關(guān)系數(shù)圖，如有需要請與作者聯(lián)系。