徐國祥，劉 璐

(上海財(cái)經(jīng)大學(xué) a.統(tǒng)計(jì)與管理學(xué)院；b.應(yīng)用統(tǒng)計(jì)研究中心，上海 200433)

一、引言與文獻(xiàn)綜述

銀行體系是中國金融體系的主體，中國銀行的脆弱性對(duì)金融系統(tǒng)的脆弱性有直接的影響。中國從2015年年底基本實(shí)現(xiàn)了利率市場化，近幾年來商業(yè)銀行利息收入占比呈下滑趨勢，導(dǎo)致主要依靠存貸款利差收入的商業(yè)銀行面臨巨大挑戰(zhàn)。中國商業(yè)銀行不良貸款率自2012年至今平穩(wěn)上升，資產(chǎn)利潤率自2012年后呈下降走勢，商業(yè)銀行面臨的各種風(fēng)險(xiǎn)因素增加，其脆弱性突顯。

馬克思提出的銀行體系內(nèi)在脆弱性假說是可追溯的關(guān)于銀行脆弱性的最早研究。1982年，Minsky的“金融不穩(wěn)定假說”標(biāo)志著銀行體系脆弱性理論的正式提出，系統(tǒng)地闡述了以銀行為主體的金融系統(tǒng)不穩(wěn)定問題[1]13-39。在此之后，國外學(xué)者相繼提出銀行擠兌模型和安全邊界說等理論，豐富和發(fā)展了銀行體系脆弱性理論。

(一)銀行體系脆弱性測度研究文獻(xiàn)綜述

定性指標(biāo)分析法、歷史事件分析法等定性分析方法，是早期測度銀行體系脆弱性的常用方法。近年來，更多量化分析方法涌現(xiàn)，定量測度銀行脆弱性的方法主要有：Probit模型、Logit模型、STV模型、信號(hào)分析法、銀行業(yè)脆弱性指數(shù)等。在衡量銀行脆弱性指標(biāo)的選取方面，1995年國際貨幣基金組織和世界銀行聯(lián)合啟動(dòng)的金融部門評(píng)估計(jì)劃中，宏觀審慎指標(biāo)包含經(jīng)濟(jì)增長、通脹、利率等；微觀審慎指標(biāo)包含盈利性、資產(chǎn)質(zhì)量、資本充足性等，以此評(píng)估金融穩(wěn)定狀況。美國監(jiān)管當(dāng)局運(yùn)用包含資本充足性、資產(chǎn)質(zhì)量、管理水平、盈利狀況、流動(dòng)性5項(xiàng)考核指標(biāo)的“駱駝”(CAMEL)評(píng)級(jí)法評(píng)價(jià)銀行業(yè)風(fēng)險(xiǎn)，并在1996年增加了市場風(fēng)險(xiǎn)敏感度，將CAMEL評(píng)級(jí)系統(tǒng)完善為CAMELS評(píng)級(jí)體系。Caprio等在測度金融脆弱性時(shí)選取不良貸款率1個(gè)指標(biāo)、在判斷銀行體系是否脆弱時(shí)采用貸款損失指標(biāo)[2]；Bongini等基于會(huì)計(jì)數(shù)據(jù)、信用評(píng)級(jí)和股價(jià)3項(xiàng)指標(biāo)數(shù)據(jù)，分析了1996—1998年間東亞國家部分銀行的脆弱性情況[3]；Ludwig等通過各銀行在證券市場上的數(shù)據(jù)計(jì)算平均違約距離，并使用VAR模型進(jìn)行格蘭杰因果檢驗(yàn)，研究了2007—2010年間歐元區(qū)國家銀行間脆弱性聯(lián)系[4]。

國內(nèi)的伍志文運(yùn)用CMAXt指數(shù)法、綜合指數(shù)、偏離度，分析了中國銀行體系1978—2000年間脆弱性情況[5]；萬曉莉利用動(dòng)態(tài)因子分析法，并選取1987—2006年間中國M2占儲(chǔ)蓄存款比率、國內(nèi)貸款與儲(chǔ)蓄存款比率等5個(gè)指標(biāo)的季度數(shù)據(jù)編制銀行穩(wěn)健性指數(shù)，研究了中國金融體系脆弱性[6]；劉飛宇等利用動(dòng)態(tài)因子分析法，選取1998—2007年中國GDP增長率、通脹率、貸款與存款比率等7個(gè)指標(biāo)的季度數(shù)據(jù)編制銀行體系脆弱性指數(shù)[7]；陳建新等將1999—2006年間通脹率、GDP增長率、銀行不良資產(chǎn)比率等11個(gè)指標(biāo)劃分為4個(gè)風(fēng)險(xiǎn)狀態(tài)，對(duì)中國銀行體系脆弱性進(jìn)行測度[8]；沈悅等在對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)研究時(shí)，選取不良貸款率、存貸比等4個(gè)指標(biāo)衡量銀行信貸風(fēng)險(xiǎn)[9]；楊洋選取商業(yè)銀行不良貸款率、通脹率、資產(chǎn)利潤率、資本充足率4個(gè)指標(biāo)，使用加權(quán)平均合成法構(gòu)建了銀行體系脆弱性指數(shù)[10]。

(二)銀行體系脆弱性與資產(chǎn)價(jià)格關(guān)系研究文獻(xiàn)綜述

國外關(guān)于銀行脆弱性與資產(chǎn)價(jià)格間關(guān)系的研究，Minsky指出在資產(chǎn)價(jià)格劇烈波動(dòng)時(shí)，信息不對(duì)稱產(chǎn)生道德風(fēng)險(xiǎn)會(huì)使社會(huì)中的信貸緊縮，銀行資金的流動(dòng)性降低，進(jìn)而對(duì)銀行的穩(wěn)定產(chǎn)生影響[1]13-38；Wilson等通過研究美國歷史上4次金融危機(jī)與股價(jià)的關(guān)系，發(fā)現(xiàn)資產(chǎn)價(jià)格與金融危機(jī)的發(fā)生高度相關(guān)[11]；Peter研究發(fā)現(xiàn)資產(chǎn)價(jià)格與信貸的共同影響致使金融不穩(wěn)定，并指出銀行體系需保證一定的資本充足率以維持其自身的穩(wěn)定[12]；Penas等實(shí)證研究了2001年土耳其爆發(fā)的金融危機(jī)，通過探索股東對(duì)銀行應(yīng)對(duì)金融脆弱性時(shí)的措施反應(yīng)考察市場的監(jiān)測能力[13]。

國內(nèi)關(guān)于銀行脆弱性與資產(chǎn)價(jià)格間關(guān)系的研究：單春紅等通過實(shí)證研究股價(jià)波動(dòng)影響銀行經(jīng)營的機(jī)制，發(fā)現(xiàn)二者存在關(guān)聯(lián)性[14]；文鳳華等編制了中國金融脆弱性綜合指數(shù)，通過VAR模型并結(jié)合脈沖響應(yīng)、方差分析，研究中國房地產(chǎn)價(jià)格與金融脆弱性間的影響關(guān)系[15]；舒長江等對(duì)其編制的FCI指數(shù)和構(gòu)建的測度商業(yè)銀行脆弱性的指標(biāo)BF間建立多元線性回歸模型、VAR模型后發(fā)現(xiàn)，主要擾動(dòng)商業(yè)銀行脆弱性的是房地產(chǎn)價(jià)格和人民幣匯率價(jià)格的波動(dòng)[16]。

本文通過文獻(xiàn)梳理發(fā)現(xiàn)，國內(nèi)外學(xué)者已做了大量的研究，但相關(guān)的研究存在以下幾點(diǎn)不足：第一，從測度中國商業(yè)銀行脆弱性的指標(biāo)選取來看，國內(nèi)文獻(xiàn)多從宏觀角度選取，部分研究銀行內(nèi)部脆弱性水平和風(fēng)險(xiǎn)的文獻(xiàn)中選取的指標(biāo)或是個(gè)數(shù)較少或是指標(biāo)數(shù)量較大，因此對(duì)監(jiān)控銀行脆弱性的效率較低；第二，國內(nèi)文獻(xiàn)大多使用VAR模型研究銀行體系脆弱性與資產(chǎn)價(jià)格間關(guān)系。對(duì)此，本文將從以下幾點(diǎn)系統(tǒng)性研究中國商業(yè)銀行脆弱性指數(shù)的構(gòu)建及其與資產(chǎn)價(jià)格間的關(guān)系：其一，從信用風(fēng)險(xiǎn)、流動(dòng)性、效益性以及資本充足性選取相關(guān)指標(biāo)，并采用因子分析法構(gòu)建季度的中國商業(yè)銀行脆弱性指數(shù)CCFI；其二，首次嘗試研究中國資產(chǎn)價(jià)格波動(dòng)對(duì)商業(yè)銀行脆弱性的動(dòng)態(tài)傳導(dǎo)效應(yīng)，建立TVP-VAR模型分析資產(chǎn)價(jià)格與CCFI間的動(dòng)態(tài)關(guān)聯(lián)性，并對(duì)實(shí)證結(jié)果運(yùn)用VAR模型進(jìn)行穩(wěn)健性檢驗(yàn)。

二、中國商業(yè)銀行脆弱性指數(shù)的構(gòu)建

(一)指數(shù)指標(biāo)的選取

總結(jié)國內(nèi)外文獻(xiàn)中指標(biāo)的選取，有宏觀指標(biāo)和微觀指標(biāo)。由于難以確定宏觀經(jīng)濟(jì)變量與銀行脆弱性的影響關(guān)系，所以本文僅選擇微觀審慎指標(biāo)編制中國商業(yè)銀行脆弱性指數(shù)。本文依據(jù)銀監(jiān)會(huì)發(fā)布的商業(yè)銀行主要監(jiān)管指標(biāo)，結(jié)合中國商業(yè)銀行數(shù)據(jù)的可獲得性，分別從信用風(fēng)險(xiǎn)、流動(dòng)性、效益性、資本充足性4個(gè)方面建立中國商業(yè)銀行脆弱性指標(biāo)體系(見表1)：

表1 中國商業(yè)銀行脆弱性指標(biāo)表

選取不良貸款率、撥備覆蓋率2個(gè)指標(biāo)反映銀行信用風(fēng)險(xiǎn)。不良貸款率是按風(fēng)險(xiǎn)程度分類，即次級(jí)、可疑、損失這3類貸款對(duì)總貸款余額的比率，導(dǎo)致銀行不良貸款形成原因有其外部的原發(fā)因素(如借款人、政策因素)與其內(nèi)部管理的內(nèi)生因素(如決策失誤、道德因素、貸款結(jié)構(gòu)不合理等)，不良貸款率的增加不僅會(huì)使銀行的信貸資金供應(yīng)壓力加大，還會(huì)阻礙銀行經(jīng)營效益的提高；撥備覆蓋率是銀行貸款在實(shí)際中可能發(fā)生呆、壞賬準(zhǔn)備金的使用比率，不良貸款撥備覆蓋率能考察銀行財(cái)務(wù)的穩(wěn)健與否和風(fēng)險(xiǎn)是否可控，是衡量商業(yè)銀行貸款損失準(zhǔn)備金計(jì)提是否充足的一個(gè)重要指標(biāo)。

選取存貸比反映銀行流動(dòng)性。存貸比是銀行貸款余額與存款余額的比率，存貸比越高說明銀行盈利能力越好。

選取凈利潤、凈息差、成本收入比與非利息收入占比，用以反映銀行的效益性。凈息差是銀行凈利息收入與其全部生息資產(chǎn)的比值；非利息收入占比是銀行除利差收入之外的營業(yè)收入占比。目前，在中國商業(yè)銀行收入結(jié)構(gòu)中，利息收入占主要位置，非利息收入業(yè)務(wù)對(duì)比利息收入則相對(duì)穩(wěn)定、安全、利潤率更高，它的增加可以驅(qū)動(dòng)業(yè)績并降低銀行的運(yùn)營風(fēng)險(xiǎn)；成本收入比是銀行營業(yè)費(fèi)用對(duì)營業(yè)收入占比，該比值越低，對(duì)應(yīng)銀行獲取收入的能力越強(qiáng)，該指標(biāo)能有效反映銀行的盈利能力。

選取資本充足率反映銀行資本充足情況。資本充足率是銀行資本總額占比銀行風(fēng)險(xiǎn)資產(chǎn)，反映商業(yè)銀行在存款人與債權(quán)人的資產(chǎn)遭到損失前能以自有資本承擔(dān)損失的程度。

(二)指數(shù)的構(gòu)建方法

梳理國內(nèi)外編制銀行脆弱性指數(shù)的文獻(xiàn)中，因子分析法、等方差權(quán)重法、熵值法等是構(gòu)建指數(shù)時(shí)采取的主要方法。本文采用因子分析法、等方差權(quán)重法構(gòu)建2010年第四季度至2017年第一季度的CCFI，對(duì)比發(fā)現(xiàn)相較于等方差權(quán)重法，因子分析法構(gòu)建的CCFI較優(yōu)，故本文采用因子分析法編制CCFI。

基于變量間相關(guān)性將變量分組，同一組內(nèi)變量間相關(guān)性較高，不同組的變量相關(guān)性低或者不相關(guān)，每組變量代表一個(gè)公因子，較少的相互獨(dú)立因子變量被用來替代原來變量的大部分信息，本文通過因子分析法編制CCFI，其原理如下：

(1)

其中X1,X2,…,Xp為p個(gè)原始變量；F1,F2…,Fm為m個(gè)因子變量，m

X=AF+ε

(2)

本文的中國商業(yè)銀行脆弱性指數(shù)，即通過對(duì)方差貢獻(xiàn)率大的因子的方差貢獻(xiàn)率加權(quán)后編制而成。

(三)指數(shù)的構(gòu)建結(jié)果

本文構(gòu)建2010年第四季度至2017年第一季度的CCFI，構(gòu)建指數(shù)的指標(biāo)包含不良貸款率、撥備覆蓋率、存貸比、成本收入比、非利息收入占比、凈息差、凈利潤、資本充足率8個(gè)指標(biāo)，數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫。

由于指標(biāo)量綱不同，在編制指數(shù)前對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理的方法使用的是最小值-最大值法。正向指標(biāo)和負(fù)向指標(biāo)分別使用式(3)式(4)進(jìn)行處理：

(3)

(4)

在建立因子分析模型之前，首先判斷經(jīng)過標(biāo)準(zhǔn)化處理后的指標(biāo)是否可以進(jìn)行因子分析，此處對(duì)指標(biāo)使用Bartlett球形檢驗(yàn)以及KMO檢驗(yàn)，檢驗(yàn)發(fā)現(xiàn)：Bartlett球形檢驗(yàn)和KMO檢驗(yàn)的P值分別為0、0.705，表明可以用因子分析模型分析指標(biāo)數(shù)據(jù)。根據(jù)變量的相關(guān)系數(shù)陣，選取對(duì)應(yīng)特征根值>1的因子，共提取2個(gè)因子，2個(gè)因子的方差貢獻(xiàn)率分別為67.763%、16.483%；2個(gè)因子方差累積貢獻(xiàn)率為84.25%，因此這2個(gè)因子基本包含原始數(shù)據(jù)的主要信息。將2個(gè)因子按照各自方差貢獻(xiàn)率作為權(quán)重進(jìn)行加權(quán)，因子F1的權(quán)重為0.80，因子F2的權(quán)重為0.20，所以中國商業(yè)銀行脆弱性指數(shù)CCFI=0.80×F1+0.20×F2，所得結(jié)果見圖1。參考伍志文[5]、萬曉莉[6]等的處理方法，在樣本時(shí)間段內(nèi)，指數(shù)均值減去1個(gè)標(biāo)準(zhǔn)差值作為商業(yè)銀行脆弱的閾值，本文計(jì)算得到的商業(yè)銀行脆弱的閾值為0。在某一時(shí)點(diǎn)上，若CCFI值為正，表示該時(shí)期商業(yè)銀行不脆弱；若CCFI值為負(fù)，則表示該時(shí)期商業(yè)銀行脆弱，CCFI值越小表示商業(yè)銀行越脆弱。

圖1 中國商業(yè)銀行脆弱性指數(shù)走勢圖

由圖1可以看出，CCFI在樣本期內(nèi)走勢朝下：在2010年第四季度至2015年第一季度期間CCFI值為正，表明該時(shí)期內(nèi)中國商業(yè)銀行不脆弱，其中CCFI在2010年第四季度至2013年第四季度期間波動(dòng)較平穩(wěn)；在2014年第一季度至2015年第一季度期間商業(yè)銀行脆弱性驟增；在2015年第一季度至2017年第一季度期間CCFI值為負(fù)，表明該時(shí)期內(nèi)中國商業(yè)銀行脆弱，且指數(shù)值朝負(fù)向減小，表明商業(yè)銀行脆弱性情況嚴(yán)峻。

三、中國商業(yè)銀行脆弱性指數(shù)與資產(chǎn)價(jià)格關(guān)聯(lián)性分析

經(jīng)梳理文獻(xiàn)發(fā)現(xiàn)，商業(yè)銀行脆弱性與資產(chǎn)價(jià)格之間關(guān)系緊密。本文將在實(shí)證中采用時(shí)變參數(shù)向量自回歸(TVP-VAR)方法分析股票市場、房地產(chǎn)市場、外匯市場與商業(yè)銀行脆弱性的關(guān)系。

(一)TVP-VAR模型

VAR模型假定系數(shù)不變、擾動(dòng)項(xiàng)的方差也不變，該常系數(shù)假定無法刻畫實(shí)際研究中變量間的非線性、時(shí)變的結(jié)構(gòu)關(guān)系特征，而TVP-VAR模型可以很好地解決這個(gè)問題。由Primiceri首次提出了TVP-VAR模型[17]，即：

yt=ct+F1，tyt-1+…+Fp,tyt-p+μt

t=1，2，…，T

(5)

其中yt為研究的變量，ct為時(shí)變的常數(shù)項(xiàng)，均為n×1的矩陣；Fi,t(i=1,2，…，p)是時(shí)變的自回歸系數(shù)，是一個(gè)n×n的矩陣；μt是擾動(dòng)項(xiàng)。

yt=XtFt+μtt=1,2，…，T

(6)

基于式(6)，假定擾動(dòng)項(xiàng)μt～N(0，Ωt)，其中協(xié)方差矩陣Ωt是時(shí)變的，然后找到滿足式(7)的At和Σ：

(7)

因此有

(8)

(9)

εt～N(0,In)

(10)

式(6)可以寫成：

(11)

假定式(11)中所有的參數(shù)服從隨機(jī)游走過程，則εt、γt、υt、σt均服從正態(tài)分布，即：

Ft+1=Ft+γt

(12)

at+1=at+υt

(13)

ht+1=ht+σt

(14)

(15)

其中Im是單位矩陣，ΣY、Συ、Σσ分別是γt、υt、σt的協(xié)方差陣。在實(shí)證分析中，使用軟件Oxmetrics，并采用MCMC算法估計(jì)TVP-VAR模型的參數(shù)。

(二)實(shí)證結(jié)果

國房景氣指數(shù)是選取房地產(chǎn)開發(fā)投資、商品房銷售價(jià)格等指標(biāo)計(jì)算出的綜合指數(shù)，可綜合反映中國房地產(chǎn)運(yùn)行的情況，故本文選取國房景氣指數(shù)反映房地產(chǎn)價(jià)格，其數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫，本文將原始月度數(shù)據(jù)進(jìn)行算術(shù)平均得到季度數(shù)據(jù)；人民幣實(shí)際有效匯率指數(shù)是人民幣對(duì)主要國家貨幣的加權(quán)實(shí)際匯率，可很好地反映人民幣匯率波動(dòng)情況，本文選取人民幣實(shí)際有效匯率指數(shù)反映外匯，數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫；股票市場選取的代理變量為上證綜合指數(shù)，數(shù)據(jù)來源于萬得資訊，選取每季度最后一個(gè)交易日的收盤價(jià)作為當(dāng)季度值；國房景氣指數(shù)、人民幣實(shí)際有效匯率指數(shù)、上證綜指、中國商業(yè)銀行脆弱性指數(shù)數(shù)據(jù)時(shí)間段為2010年第四季度至2017年第一季度。在進(jìn)行分析前，本文對(duì)國房景氣指數(shù)、人民幣實(shí)際有效匯率指數(shù)、上證綜指、中國商業(yè)銀行脆弱性指數(shù)作預(yù)處理，經(jīng)參數(shù)為1 600的H-P濾波法處理后得到對(duì)應(yīng)的用于實(shí)證分析的周期項(xiàng)序列，分別記為es、reer、sz、CCFI。

1.平穩(wěn)性檢驗(yàn)。對(duì)國房景氣指數(shù)、實(shí)際有效匯率指數(shù)、上證綜指以及中國商業(yè)銀行脆弱指數(shù)進(jìn)行平穩(wěn)性檢驗(yàn)，見表2所示。在10%的顯著性水平下，所有變量序列均通過平穩(wěn)性檢驗(yàn)，并根據(jù)LR、AIC、SC準(zhǔn)則，可以將滯后期數(shù)確定為2期。

表2 平穩(wěn)性檢驗(yàn)及滯后階數(shù)判定結(jié)果表

表3 MCMC方法模擬結(jié)果表

從表3可見，各參數(shù)檢驗(yàn)的Geweke檢驗(yàn)值均在95%的置信度水平下，因此不能拒絕各參數(shù)收斂于后驗(yàn)分布的原假設(shè)。無效影響越小表示樣本越有效，表3中無效影響因子均在100以下，遠(yuǎn)遠(yuǎn)小于10 000，模型擬合效果較好。

3.基于TVP-VAR方法的脈沖響應(yīng)?；赥VP-VAR方法的脈沖響應(yīng)，圖2刻畫了分別反映各變量在第4期(短期)、第8期(中期)、第12期(長期)互相影響情況的動(dòng)態(tài)脈沖響應(yīng)圖。

圖2 TVP-VAR模型的脈沖響應(yīng)圖

國房景氣指數(shù)在第4期對(duì)中國商業(yè)銀行脆弱性指數(shù)沖擊影響為正向沖擊、在第8期沖擊影響為負(fù)向沖擊、在第12期沖擊影響不顯著。短期來看，房地產(chǎn)景氣對(duì)商業(yè)銀行穩(wěn)定性有正向影響，但是房價(jià)上漲到一定水平后風(fēng)險(xiǎn)即開始轉(zhuǎn)向銀行，所以長期來看房地產(chǎn)會(huì)加劇商業(yè)銀行脆弱性。

實(shí)際有效匯率指數(shù)在第4期對(duì)中國商業(yè)銀行脆弱性指數(shù)沖擊影響為負(fù)向沖擊、在第8期沖擊影響為正向沖擊、在第12期沖擊影響不顯著，這說明從短期看，本幣升值對(duì)商業(yè)銀行的影響弊大于利，商業(yè)銀行將受到不利沖擊；中長期內(nèi)，本幣升值將有利于銀行擴(kuò)大外匯市場交易并吸引外資以擴(kuò)大商業(yè)銀行資產(chǎn)規(guī)模，在環(huán)境多變的大環(huán)境下，商業(yè)銀行也將會(huì)出現(xiàn)更多新的需求、市場、工具等，機(jī)遇與挑戰(zhàn)并存。

上證綜指在第4期對(duì)中國商業(yè)銀行脆弱性指數(shù)沖擊呈現(xiàn)跌宕式、在2017年短期內(nèi)呈現(xiàn)較大幅度正向影響關(guān)系、在第8期、第12期脆弱指數(shù)對(duì)上證綜指沖擊影響不顯著，由此可見短期內(nèi)股市上漲會(huì)導(dǎo)致儲(chǔ)蓄向股市分流，所以加劇銀行脆弱性，但是長期來看股市上漲是由于企業(yè)利潤增加，企業(yè)會(huì)擴(kuò)張經(jīng)營并吸引部分股市資金回歸儲(chǔ)蓄，股市的發(fā)展帶動(dòng)實(shí)體經(jīng)濟(jì)中產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)，從而對(duì)銀行穩(wěn)定有正向作用。

(三)穩(wěn)健性檢驗(yàn)

圖3是使用基于VAR模型的脈沖響應(yīng)對(duì)中國商業(yè)銀行脆弱性指數(shù)與資產(chǎn)價(jià)格關(guān)聯(lián)性進(jìn)行的穩(wěn)健性分析。從圖3中可以發(fā)現(xiàn)：其一，國房景氣指數(shù)變動(dòng)對(duì)中國商業(yè)銀行脆弱性指數(shù)短期內(nèi)主要呈現(xiàn)正向沖擊，脆弱性指數(shù)在4期達(dá)到最大值，長期主要呈現(xiàn)負(fù)向沖擊；其二，實(shí)際有效匯率指數(shù)變動(dòng)前4期對(duì)中國商業(yè)銀行脆弱性指數(shù)有負(fù)向沖擊，其后對(duì)中國商業(yè)銀行脆弱性指數(shù)有正向沖擊；其三，面對(duì)上證綜指的沖擊，中國商業(yè)銀行脆弱性指數(shù)在8期以前表現(xiàn)為負(fù)值，在2期達(dá)到負(fù)向最大值，其后為正值。VAR模型結(jié)論對(duì)TVP-VAR模型結(jié)論的穩(wěn)健性進(jìn)行了驗(yàn)證。

圖3 VAR模型的脈沖響應(yīng)圖

四、結(jié)論與對(duì)策建議

(一)結(jié)論

第一，本文使用因子分析法，從信用風(fēng)險(xiǎn)、流動(dòng)性、效益性、資本充足性4個(gè)方面選取不良貸款率、撥備覆蓋率、存貸比、資本充足率、成本收入比、凈息差、非利息收入占比、凈利潤8個(gè)指標(biāo)構(gòu)建CCFI。通過CCFI發(fā)現(xiàn)，2010—2015年中國商業(yè)銀行雖不脆弱但脆弱性在增強(qiáng)，2015—2017年的中國商業(yè)銀行脆弱，且脆弱性嚴(yán)峻。

第二，本文選取國房景氣指數(shù)、實(shí)際有效匯率指數(shù)、上證綜合指數(shù)分別作為房地產(chǎn)價(jià)格、匯率、股價(jià)的代理變量，使用TVP-VAR方法分析這3個(gè)資產(chǎn)價(jià)格指標(biāo)變動(dòng)分別對(duì)CCFI的影響。具體而言，短期內(nèi)房地產(chǎn)價(jià)格對(duì)CCFI有正向引導(dǎo)作用，但是長期有負(fù)向引導(dǎo)關(guān)系；匯率在短期內(nèi)對(duì)CCFI有著負(fù)向引導(dǎo)作用；股票價(jià)格在短期內(nèi)對(duì)CCFI有著負(fù)向引導(dǎo)作用，長期有正向引導(dǎo)作用,各資產(chǎn)價(jià)格與CCFI間的引導(dǎo)關(guān)系隨著滯后期數(shù)增加逐漸減弱。本文實(shí)證通過VAR模型結(jié)論，進(jìn)一步驗(yàn)證了TVP-VAR模型結(jié)論的穩(wěn)健性。

(二)對(duì)策建議

本文研究結(jié)論對(duì)中國商業(yè)銀行穩(wěn)定有著重要借鑒意義，并建議如下：

第一，加強(qiáng)商業(yè)銀行自身建設(shè)，優(yōu)化其主體結(jié)構(gòu)，加強(qiáng)對(duì)商業(yè)銀行脆弱性的預(yù)警。

第二，加大監(jiān)管措施調(diào)控樓市，遏制房價(jià)持續(xù)高漲，讓房屋回到以居住為主的目的。短期內(nèi)房價(jià)上漲對(duì)商業(yè)銀行的穩(wěn)定性有正向影響，但是房價(jià)上漲到一定水平后風(fēng)險(xiǎn)即開始轉(zhuǎn)向銀行；長期來看，房地產(chǎn)會(huì)加劇商業(yè)銀行脆弱性，所以政府應(yīng)繼續(xù)加大監(jiān)管措施調(diào)控樓市，遏制房間持續(xù)高漲，讓房屋回到以居住為主的目的。

第三，在加快人民幣國際化進(jìn)程中，處理好人民幣與商業(yè)銀行的關(guān)系。人民幣于2016年10月1日被納入IMF特別提款權(quán)(SDR)貨幣籃子，隨著中國金融改革的不斷深化和開放程度的增加，將會(huì)進(jìn)一步加深人民幣的國際化程度，但由于中國利率、匯率市場、資本項(xiàng)目賬戶又未完全開放，各種法律法規(guī)有待規(guī)范完善，人民幣國際化進(jìn)程若過快地被推進(jìn)則會(huì)加劇匯率的波動(dòng)，進(jìn)而增加商業(yè)銀行的脆弱性。所以，在推進(jìn)人民幣國際化進(jìn)程中，需要健全商業(yè)銀行監(jiān)管指標(biāo)，提高商業(yè)銀行對(duì)匯率波動(dòng)的承受力。

第四，規(guī)范證券市場，打擊違規(guī)行為，增加證券市場透明度，防止證券市場非正常大幅波動(dòng)。在證券交易中，信息不對(duì)稱會(huì)誤導(dǎo)投資者造成恐慌，從而引起證券市場價(jià)格大幅波動(dòng)，進(jìn)而加大商業(yè)銀行脆弱性。