張金清 龔懿婷 孫大釗

(復(fù)旦大學(xué) 經(jīng)濟(jì)學(xué)院，上海 200433)

2019年以來，我國多家商業(yè)銀行先后發(fā)生風(fēng)險(xiǎn)事件：2019年5月，我國包商銀行因信用風(fēng)險(xiǎn)問題被央行和銀保監(jiān)會(huì)接管；2019年7月，錦州銀行因經(jīng)營不善被工商銀行接管；2019年8月，恒豐銀行因資本金不足而引入中央?yún)R金公司進(jìn)行重組。商業(yè)銀行風(fēng)險(xiǎn)事件的接連發(fā)生，表明我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)有加大隱患。在此背景下，如何測度、防范和化解銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)，就顯得非常重要，這也是本文要回答的核心問題。

從現(xiàn)有研究來看，國內(nèi)銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)測度問題已得到學(xué)者的廣泛關(guān)注。相關(guān)研究主要應(yīng)用國際上具有代表性的系統(tǒng)性風(fēng)險(xiǎn)度量指標(biāo)，如MES、SRISK和ΔCoVaR等，對(duì)我國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)狀況進(jìn)行定量測度。具體可見范小云等(1)范小云、王道平、方意：《我國金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)測度與監(jiān)管——基于邊際風(fēng)險(xiǎn)貢獻(xiàn)與杠桿率的研究》，《南開經(jīng)濟(jì)研究》2011年第4期?；贛ES指標(biāo)、方意等(2)方意、趙勝民、王道平：《我國金融機(jī)構(gòu)系統(tǒng)性風(fēng)險(xiǎn)測度——基于DCC-GARCH模型的研究》，《金融監(jiān)管研究》2012年第11期。和梁琪等(3)梁琪、李政、郝項(xiàng)超：《我國系統(tǒng)重要性金融機(jī)構(gòu)的識(shí)別與監(jiān)管——基于系統(tǒng)性風(fēng)險(xiǎn)指數(shù)SRISK方法的分析》，《金融研究》2013年第9期?；赟RISK指標(biāo)，以及白雪梅和石大龍(4)白雪梅、石大龍：《中國金融體系的系統(tǒng)性風(fēng)險(xiǎn)度量》，《國際金融研究》2014年第6期。、周天蕓等(5)周天蕓、楊子暉、余潔宜：《機(jī)構(gòu)關(guān)聯(lián)、風(fēng)險(xiǎn)溢出與中國金融系統(tǒng)性風(fēng)險(xiǎn)》，《統(tǒng)計(jì)研究》2014年第11期?；讦oVaR指標(biāo)的研究。近年來，不少學(xué)者開始從上述指標(biāo)的直接應(yīng)用，轉(zhuǎn)向?qū)χ笜?biāo)本身在我國的適用性以及不足之處的探討。陳湘鵬等(6)陳湘鵬、周皓、金濤、王正位：《微觀層面系統(tǒng)性金融風(fēng)險(xiǎn)指標(biāo)的比較與適用性分析——基于中國金融系統(tǒng)的研究》，《金融研究》2019年第5期。在比較了上述三個(gè)指標(biāo)后，指出SRISK指標(biāo)更適用于我國金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)測度。李政等(7)李政、梁琪、方意：《中國金融部門間系統(tǒng)性風(fēng)險(xiǎn)溢出的監(jiān)測預(yù)警研究——基于下行和上行ΔCoES指標(biāo)的實(shí)現(xiàn)與優(yōu)化》，《金融研究》2019年第2期。的研究則認(rèn)為，上述指標(biāo)均為系統(tǒng)性風(fēng)險(xiǎn)的同期度量指標(biāo)，因而所給出的風(fēng)險(xiǎn)度量結(jié)果存在順周期問題，具體表現(xiàn)為：在系統(tǒng)性風(fēng)險(xiǎn)的累積階段，同期風(fēng)險(xiǎn)度量指標(biāo)值較小，導(dǎo)致實(shí)際風(fēng)險(xiǎn)水平被低估；而當(dāng)系統(tǒng)性風(fēng)險(xiǎn)以金融危機(jī)的極端形式呈現(xiàn)并釋放時(shí)，同期風(fēng)險(xiǎn)度量指標(biāo)值較大，導(dǎo)致實(shí)際風(fēng)險(xiǎn)水平被高估。該研究同時(shí)圍繞如何緩解ΔCoVaR指標(biāo)及其衍生指標(biāo)CoES的順周期問題進(jìn)行了深入分析。但對(duì)于如何修正最適于我國的SRISK指標(biāo)的順周期問題，已有研究中尚難以找到相應(yīng)的探討。這將是本文研究工作的邊際貢獻(xiàn)所在。

本文對(duì)SRISK指標(biāo)的修正思路受到Acharya等(8)V. Acharya, R. Engle, and M. Richardson, “Capital Shortfall: A New Approach to Ranking and Regulating Systemic Risks,” American Economic Review 102.3 (2012): 59-64.的啟發(fā)。該研究認(rèn)為，若能從系統(tǒng)性風(fēng)險(xiǎn)產(chǎn)生的誘因(即信貸過度擴(kuò)張)入手，給出對(duì)“金融系統(tǒng)陷入困境”這一條件的定量描述，將可以緩解SRISK指標(biāo)中存在的順周期問題。有鑒于此，本文通過引入信貸過度擴(kuò)張情景的定量描述，重新刻畫“金融系統(tǒng)陷入困境”這一條件，并據(jù)此提出修正SRISK指標(biāo)來度量我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)。基于修正SRISK指標(biāo)，本文建立了我國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)測度模型，進(jìn)而實(shí)現(xiàn)對(duì)我國商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)演變趨勢(shì)及現(xiàn)狀的準(zhǔn)確測度。相較于已有研究，本文的主要貢獻(xiàn)有以下兩方面：(1)針對(duì)代表性指標(biāo)SRISK所存在的順周期問題，通過引入信貸過度擴(kuò)張情景的定量描述，對(duì)指標(biāo)的順周期特征進(jìn)行了修正，并據(jù)此建立了更為準(zhǔn)確的銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)測度模型；(2)除了與已有研究一樣給出風(fēng)險(xiǎn)測度結(jié)果之外，本文進(jìn)一步將風(fēng)險(xiǎn)演變趨勢(shì)與銀行業(yè)不良貸款率進(jìn)行比較，指出我國銀行業(yè)風(fēng)險(xiǎn)狀況變化主要源于銀行資產(chǎn)質(zhì)量的下降。

一、 風(fēng)險(xiǎn)測度模型構(gòu)建：基于修正SRISK指標(biāo)

(一) 原始SRISK指標(biāo)的基本構(gòu)造原理

在Brownlees和Engle(9)C. Brownlees, R. Engle, “SRISK: A Conditional Capital Shortfall Measure of Systemic Risk,” The Review of Financial Studies 30.1 (2017): 48-79.的研究中，原始SRISK指標(biāo)的核心表達(dá)式為：

SRISKi,t=max(0;Et(CSi,t+h│Rm,t+1:t+h

(1)

上式利用條件期望Et(CSi,t+h│Rm,t+1:t+h

第一步：將CSi,t+h項(xiàng)表示為金融機(jī)構(gòu)公開信息的函數(shù)

決定SRISKi,t值大小的CSi,t+h項(xiàng)，是以監(jiān)管要求的資本大小與銀行實(shí)際資本之間的差值度量，即：

CSi,t+h=kAi,t+h-Wi,t+h=k(Di,t+h+Wi,t+h)-Wi,t+h

(2)

上式中的kAi,t+h和Wi,t+h分別表示監(jiān)管要求的資本大小和銀行實(shí)際資本水平，以可觀測的公開股價(jià)和財(cái)務(wù)數(shù)據(jù)及監(jiān)管要求的資本比率k(一般為8%)來估計(jì)。其中，Ai,t+h表示機(jī)構(gòu)的資產(chǎn)在t+h時(shí)刻的市場價(jià)值。由于資產(chǎn)的市場價(jià)值無法直接觀測，因此以可觀測到的銀行賬面負(fù)債Di,t+h和權(quán)益資本市場價(jià)值Wi,t+h之和估算。

對(duì)于t+h時(shí)刻的銀行賬面負(fù)債Di,t+h，已有研究假設(shè)其短期內(nèi)不發(fā)生變化，即有Di,t+h=Di,t。t+h時(shí)刻的權(quán)益資本市場價(jià)值Wi,t+h，則可通過t時(shí)刻的權(quán)益資本市場價(jià)值Wi,t以及金融機(jī)構(gòu)i在t+1∶t+h時(shí)期內(nèi)的股價(jià)收益率Ri,t+1∶t+h來表示，即Wi,t+h=Wi,tRi,t+1:t+h。根據(jù)Di,t+h和Wi,t+h，可相應(yīng)地計(jì)算出金融機(jī)構(gòu)的杠桿水平LVGi,t+h=(Di,t+h+Wi,t+h)/Wi,t+h。利用上述變量定義，式(2)中的CSi,t+h可等價(jià)地表示成金融機(jī)構(gòu)的杠桿水平、市值以及股票收益率的函數(shù)，即：

CSi,t+h=Wi,t·[kLVGi,t+h+(k-1)Ri,t+1:t+h]

(3)

第二步：計(jì)算各金融機(jī)構(gòu)的SRISK值

將式(3)代入式(1)，則SRISK指標(biāo)可等價(jià)地表示為：

SRISKi,t=max[0;Wi,t(kLVGi,t+(1-k)Et

(Ri,t+1:t+h│Rm,t+1:t+h

(4)

上式中的Et(Ri,t+1:t+h│Rm,t+1:t+h

SRISKi,t=max[0;Wi,t(kLVGi,t+(1-k)MESi,t-1)]

(5)

或

SRISKi,t=max[0;Wi,t(kLVGi,t+(1-k)LRMESi,t-1)]

(6)

從式(5)和(6)可以看出，個(gè)體金融機(jī)構(gòu)的SRISK值變化主要依賴于四個(gè)變量：Wi,t,LVGi,t以及MESi,t或LRMESi,t。其中，變量MESi,t以及LRMESi,t的估計(jì)依賴于個(gè)股收益率Ri,t+1:t+h和Rm,t+1:t+h的關(guān)聯(lián)性建模，常用多元時(shí)間序列中的GARCH-DCC模型來刻畫。GARCH-DCC模型的參數(shù)值可通過兩階段擬最大似然方法進(jìn)行估計(jì)。在獲得參數(shù)估計(jì)值的基礎(chǔ)上，可進(jìn)一步通過數(shù)值模擬得到相應(yīng)的MES和LRMES值，并由此計(jì)算出金融機(jī)構(gòu)i在每個(gè)時(shí)刻t的SRISK值。

(二) 我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)測度模型構(gòu)建：基于修正SRISK指標(biāo)

原始SRISK指標(biāo)的基本構(gòu)造原理為本文構(gòu)建我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)測度模型奠定了重要基礎(chǔ)。但該指標(biāo)使用“市場指數(shù)跌幅超過一定幅度”刻畫“金融系統(tǒng)陷入困境”這一條件的做法，存在可改進(jìn)的空間。其中的原因在于，市場指數(shù)下跌和金融系統(tǒng)陷入困境均為同期發(fā)生的現(xiàn)象，這使得該指標(biāo)所給出的風(fēng)險(xiǎn)測度結(jié)果存在順周期問題，會(huì)導(dǎo)致風(fēng)險(xiǎn)累積階段的實(shí)際風(fēng)險(xiǎn)水平被低估，風(fēng)險(xiǎn)呈現(xiàn)和釋放階段的實(shí)際風(fēng)險(xiǎn)水平被高估。下文將通過引入信貸過度擴(kuò)張的定量描述對(duì)上述問題進(jìn)行修正，具體分為以下兩步：

第一步：給出信貸過度擴(kuò)張的定量描述

一國的信貸過度擴(kuò)張現(xiàn)象，會(huì)在該國金融業(yè)的整體資本水平中得到反映，具體表現(xiàn)為金融業(yè)的整體資本短缺，可見Engle和Ruan(11)R. Engle, T. Ruan, “Measuring the Probability of a Financial Crisis,” Proceedings of the National Academy of Sciences 116.37 (2019): 18341-18346.。在更早的研究中，Acharya等(12)V. Acharya, L. Pedersen, T. Philippon, and M. Richardson, “Measuring Systemic Risk,” NYU Working Paper 2010.曾給出了與上述觀點(diǎn)相近的定量描述方法，其核心表達(dá)式為：

W1

(7)

沿用原始SRISK指標(biāo)中的符號(hào)表示，本文將反映信貸過度擴(kuò)張的銀行業(yè)資本短缺狀態(tài)表示為：

(8)

(9)

上式將總資本與總負(fù)債分別置于不等式兩側(cè)，以便于下文更清晰地闡述如何計(jì)算修正后的SRISK指標(biāo)。

第二步：構(gòu)造修正SRISK指標(biāo)

(10)

(11)

或

(12)

其中，

(13)

(14)

二、 基于修正SRISK指標(biāo)的我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)測度

一國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)大小，在很大程度上取決于系統(tǒng)重要性銀行的風(fēng)險(xiǎn)水平，見Benoit等(13)S. Benoit, G. Colletaz, C. Hurlin, and C. Pérignon, “A Theoretical and Empirical Comparison of Systemic Risk Measures,” HEC Paris Research Paper 2013.。我們首先選取可用于反映我國銀行業(yè)總體風(fēng)險(xiǎn)狀況的系統(tǒng)重要性銀行，然后基于修正SRISK指標(biāo)分析我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)水平的演變趨勢(shì)。

(一) 代表性商業(yè)銀行的選擇與依據(jù)

根據(jù)銀保監(jiān)會(huì)2019年公布的《銀行業(yè)金融機(jī)構(gòu)法人名單》，我國銀行業(yè)中的銀行機(jī)構(gòu)總數(shù)在2018年底達(dá)到了4571家。那么，如何從中選出具有系統(tǒng)重要性的銀行，并對(duì)這些銀行的風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確測度，將是本文后續(xù)風(fēng)險(xiǎn)測度工作的關(guān)鍵。盡管我國至今尚未公布系統(tǒng)重要性銀行名單，但在銀監(jiān)會(huì)(14)我國銀保監(jiān)會(huì)于2018年成立。在2014年時(shí)，銀監(jiān)會(huì)和保監(jiān)會(huì)各自獨(dú)立，因此《指引》文件的發(fā)布方為銀監(jiān)會(huì)。2014年發(fā)布的《商業(yè)銀行全球系統(tǒng)重要性測度指標(biāo)披露指引》，可以看到我國監(jiān)管部門對(duì)系統(tǒng)重要性銀行的認(rèn)定標(biāo)準(zhǔn)雛形。滿足以下兩項(xiàng)條件之一的銀行被視為具有系統(tǒng)重要性的銀行，具體為：(1)上一年度被巴塞爾銀行監(jiān)管委員會(huì)認(rèn)定為全球系統(tǒng)重要性銀行的銀行；(2)上一年年末調(diào)整后的表內(nèi)外資產(chǎn)余額為1.6萬億元人民幣以上的銀行。

如上所述，經(jīng)濟(jì)犯罪是刑法與經(jīng)濟(jì)法之間銜接的基礎(chǔ)。刑法與經(jīng)濟(jì)法之間的銜接形式即是指刑法對(duì)經(jīng)濟(jì)犯罪采取的立法模式、罪狀等。

截至2019年底，我國一共有14家商業(yè)銀行的資產(chǎn)規(guī)模符合系統(tǒng)重要性銀行標(biāo)準(zhǔn)。但考慮到14家銀行中僅有一家城市商業(yè)銀行，因此本文額外將南京銀行和寧波銀行也納入分析樣本中，從而擴(kuò)充城商行的樣本數(shù)量，以便于后續(xù)分析不同類型商業(yè)銀行對(duì)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)差異。這兩家額外納入的城商行資產(chǎn)規(guī)模分別為1.33萬億元和1.23萬億元，與認(rèn)定標(biāo)準(zhǔn)中的1.6萬億元較為接近，因此也具有一定程度的系統(tǒng)重要性。

本文選取的16家商業(yè)銀行樣本包含：5家國有商業(yè)銀行(工商銀行、農(nóng)業(yè)銀行、中國銀行、建設(shè)銀行和交通銀行)、8家全國性股份制商業(yè)銀行(平安銀行、浦發(fā)銀行、華夏銀行、民生銀行、招商銀行、興業(yè)銀行、中國光大銀行和中信銀行)和3家城市商業(yè)銀行(北京銀行、南京銀行和寧波銀行)。表1給出了各銀行截至2019年底的資產(chǎn)規(guī)模，及其在16家銀行資產(chǎn)總和中的占比。在此基礎(chǔ)上，將占比值按照銀行類型相加，進(jìn)一步給出不同類型銀行的資產(chǎn)規(guī)模占比。從占比數(shù)據(jù)來看，國有商業(yè)銀行的總資產(chǎn)規(guī)模占所有上市銀行樣本總資產(chǎn)的69%；股份制商業(yè)銀行緊隨其后，占比達(dá)到27.8%；城商行的占比最低，為3.2%。由于商業(yè)銀行的資產(chǎn)規(guī)模間接反映了其向?qū)嶓w經(jīng)濟(jì)提供的信貸規(guī)模，因此上述規(guī)模占比數(shù)據(jù)也體現(xiàn)了不同類型銀行在支持實(shí)體經(jīng)濟(jì)中的作用差異。從信貸供給的角度來看，國有銀行向?qū)嶓w經(jīng)濟(jì)提供了遠(yuǎn)高于股份制商業(yè)銀行和城商行的信貸支持，因而在服務(wù)實(shí)體經(jīng)濟(jì)中起到了主導(dǎo)性作用。

下文將對(duì)所選定的16家系統(tǒng)重要性商業(yè)銀行進(jìn)行風(fēng)險(xiǎn)測度，期限為2012～2019年。風(fēng)險(xiǎn)測度所需的數(shù)據(jù)包含：各銀行2012～2019年間的個(gè)股日收盤價(jià)(復(fù)權(quán))、滬深300指數(shù)的日收盤值，以及資產(chǎn)負(fù)債和所有者權(quán)益數(shù)據(jù)。其中，應(yīng)用到實(shí)際計(jì)算中的數(shù)據(jù)是基于日收盤值所計(jì)算出的日度對(duì)數(shù)收益率，以及由財(cái)務(wù)季度數(shù)據(jù)所填充成的日度數(shù)據(jù)。上述數(shù)據(jù)均取自國泰安數(shù)據(jù)庫。

表1 上市商業(yè)銀行的基本資料與資產(chǎn)規(guī)模

(二) 我國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)測度

1. GARCH-DCC模型參數(shù)估計(jì)結(jié)果

表2給出了16家銀行的GARCH-DCC模型參數(shù)估計(jì)結(jié)果，并按銀行類型分為面板A、B和C。在GARCH族模型中，具體選用GJR-GARCH模型來刻畫股價(jià)波動(dòng)中可能存在的非對(duì)稱效應(yīng)，并在表2的第2～5列呈現(xiàn)了該模型的參數(shù)ω，α，γ和β的估計(jì)結(jié)果。表格的第6～8列呈現(xiàn)了DCC模型的參數(shù)ρ,a和b的估計(jì)結(jié)果。

首先，根據(jù)GJR-GARCH模型的估計(jì)結(jié)果，每家銀行都有ω，α，γ和β四個(gè)參數(shù)估計(jì)值。參數(shù)ω刻畫的是個(gè)體銀行股價(jià)的長期波動(dòng)率水平，大部分銀行的參數(shù)ω不顯著，意味著股價(jià)的長期波動(dòng)水平對(duì)于股價(jià)異方差的預(yù)測力較??；參數(shù)α刻畫的是股價(jià)收益率的不可預(yù)測沖擊項(xiàng)對(duì)股價(jià)波動(dòng)程度的影響，除了農(nóng)業(yè)銀行，其余銀行的參數(shù)α普遍在1%的水平下顯著為正，這意味著各銀行股價(jià)的波動(dòng)幅度會(huì)在受到不可預(yù)測沖擊時(shí)增加；參數(shù)γ普遍不顯著，說明我國銀行股的股價(jià)并未表現(xiàn)出顯著的非對(duì)稱波動(dòng)效應(yīng)；參數(shù)β均在1%的水平下顯著為正，這反映了銀行股中存在波動(dòng)率集聚效應(yīng)，即銀行股收益率存在尖峰厚尾特征。

綜合來看，GARCH-DCC模型中最重要的參數(shù)β和b在16家銀行中均顯著為正。因此，GARCH-DCC模型很好地刻畫了個(gè)股的波動(dòng)率集聚效應(yīng)以及個(gè)股與市場指數(shù)的時(shí)變相關(guān)性。

表2 GJR-GARCH-DCC模型參數(shù)估計(jì)結(jié)果

2. 銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)演變趨勢(shì)分析：基于修正SRISK指標(biāo)

根據(jù)表2給出的參數(shù)估計(jì)結(jié)果，可計(jì)算出16家銀行每日的修正SRISK指標(biāo)值，并通過對(duì)每個(gè)時(shí)點(diǎn)上的SRISK值加總，給出我國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)測度結(jié)果。圖1展示了我國銀行業(yè)2012～2019年間的系統(tǒng)性風(fēng)險(xiǎn)變化情況，從中也可觀察到不同類型銀行對(duì)總體風(fēng)險(xiǎn)的貢獻(xiàn)程度。從圖1來看，我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的演變分為兩個(gè)階段：第一個(gè)階段是2012～2015年，第二個(gè)階段是2015～2019年。

圖1 我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)演變趨勢(shì)(2012～2019年)

2012年至2015年是我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的第一個(gè)上升期。在這一時(shí)期中，以銀行業(yè)整體資本缺口表示的系統(tǒng)性風(fēng)險(xiǎn)大小，從2012年的0.5萬億元上升至2014年年末的約2.8萬億元，風(fēng)險(xiǎn)水平提高近5倍。其中，國有商業(yè)銀行的貢獻(xiàn)最大，但股份制商業(yè)銀行對(duì)總體風(fēng)險(xiǎn)的貢獻(xiàn)程度也在逐漸增加。從修正SRISK指標(biāo)的計(jì)算公式來看，這一時(shí)期的風(fēng)險(xiǎn)快速上升主要受我國銀行業(yè)杠桿水平上升的影響，這與該時(shí)期銀行資產(chǎn)負(fù)債表規(guī)模的快速擴(kuò)張有關(guān)。進(jìn)一步，本文通過比較2012～2015年間的銀行系統(tǒng)性風(fēng)險(xiǎn)變化情況與同期銀行業(yè)不良貸款率走勢(shì)，對(duì)風(fēng)險(xiǎn)的形成機(jī)理進(jìn)行分析。圖2給出了我國商業(yè)銀行2012～2015年間的不良貸款率變化趨勢(shì)，可以看到，自2012年第一季度起，這一比率從最初的不到1%逐漸上升至2015年年末的1.7%，反映出銀行資產(chǎn)質(zhì)量的逐漸下降。不良貸款率的上升趨勢(shì)與同時(shí)期的系統(tǒng)性風(fēng)險(xiǎn)走勢(shì)相吻合，表明該時(shí)期的風(fēng)險(xiǎn)變化與銀行資產(chǎn)負(fù)債表快速擴(kuò)張所引發(fā)的資產(chǎn)質(zhì)量下降有關(guān)。

對(duì)于銀行資產(chǎn)質(zhì)量下降的深層次原因，申創(chuàng)等(15)申創(chuàng)、趙勝民、李瑩：《利率市場化、非利息收入與銀行凈息差——兼論分類非利息收入的差異化影響路徑》，《統(tǒng)計(jì)研究》2020年第5期。的研究發(fā)現(xiàn)：我國利率市場化進(jìn)程對(duì)銀行凈息差所產(chǎn)生的擠壓是一個(gè)重要因素。凈息差的下降會(huì)驅(qū)動(dòng)銀行從事更多高風(fēng)險(xiǎn)型業(yè)務(wù)，進(jìn)而為銀行資產(chǎn)質(zhì)量的下降埋下隱患。

圖2 我國銀行業(yè)不良貸款率(2012～2015年)

從2014年末到2015年初，我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)水平出現(xiàn)短暫下降，總體資本缺口從最高的2.8萬億元下降到0.5萬億元附近。從SRISK值的計(jì)算公式來看，風(fēng)險(xiǎn)水平下降與該時(shí)期股市的非理性上漲有關(guān)，因?yàn)楦縻y行資本的市場價(jià)值在這一時(shí)期得到了相應(yīng)提高。然而，由于該時(shí)期的風(fēng)險(xiǎn)值降低并非得益于銀行資產(chǎn)質(zhì)量的改善，因此當(dāng)股市在2015年5月后逐步恢復(fù)到2014年末的估值水平附近時(shí)，銀行資本缺口也開始逐漸擴(kuò)大。2017～2018年間的風(fēng)險(xiǎn)水平短暫下降，同樣源于該時(shí)期的股票市場繁榮。

2015年至2019年是我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的第二個(gè)上升期。在這一時(shí)期中，銀行業(yè)整體資本缺口從0.5萬億元附近逐步上升至歷史最高的3.8萬億元。除2016～2017年間的短暫風(fēng)險(xiǎn)平穩(wěn)期外，我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)水平在2018年后一直呈現(xiàn)出上升態(tài)勢(shì)，直至歷史最高位。將這一時(shí)期中的風(fēng)險(xiǎn)走勢(shì)與同時(shí)期的銀行業(yè)不良貸款率走勢(shì)進(jìn)行比較，同樣能觀察到兩者的高度相似性。圖3給出了我國商業(yè)銀行2015～2019年間的不良貸款率變化曲線。該曲線在2016～2017年間幾乎呈水平態(tài)勢(shì)，與同時(shí)期銀行業(yè)平穩(wěn)的系統(tǒng)性風(fēng)險(xiǎn)變化趨勢(shì)相吻合。隨著不良貸款率在2018年后再次上升，銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)也呈現(xiàn)相同的上升趨勢(shì)，這表明該時(shí)期中的銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)變化同樣受銀行資產(chǎn)質(zhì)量不斷下降的影響。本文所觀察到的銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)與銀行業(yè)不良貸款率之間的走勢(shì)關(guān)聯(lián)，印證了周皓等人的觀點(diǎn)，即基于微觀個(gè)體銀行的系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)數(shù)值的上升，代表的是違約風(fēng)險(xiǎn)和債務(wù)風(fēng)險(xiǎn)的滯后效應(yīng)(16)周皓、何碧清、趙靖、沙楠：《中國系統(tǒng)性金融風(fēng)險(xiǎn)研究——政策轉(zhuǎn)向與經(jīng)濟(jì)復(fù)蘇》，《中國經(jīng)濟(jì)報(bào)告》2019年第4期。。

除了我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)總體變化情況外，從圖1中還可觀察到不同類型銀行對(duì)總體風(fēng)險(xiǎn)的貢獻(xiàn)程度。16家銀行被分為國有銀行、股份制銀行以及城商行三類?？梢钥闯觯瑥?012年到2019年，我國國有銀行和股份制銀行對(duì)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)最大。兩者的風(fēng)險(xiǎn)貢獻(xiàn)度占比在2019年末分別為64.9%和30.3%。城商行對(duì)我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響則相對(duì)較小。

圖3 我國銀行業(yè)不良貸款率(2015～2019)

三、 對(duì)修正SRISK指標(biāo)與順周期問題的探討

本節(jié)對(duì)修正SRISK指標(biāo)與順周期問題間的關(guān)系進(jìn)行探討，具體將通過比較修正SRISK指標(biāo)與原始SRISK指標(biāo)所給出的風(fēng)險(xiǎn)測度結(jié)果，來考察修正指標(biāo)是否緩解了原始指標(biāo)存在的順周期問題。修正SRISK指標(biāo)對(duì)順周期問題的緩解應(yīng)在以下兩方面有所體現(xiàn)：一是所給出的風(fēng)險(xiǎn)水平測度結(jié)果要低于原始SRISK指標(biāo)；二是基于“信貸過度擴(kuò)張”刻畫“金融系統(tǒng)陷入困境”條件所構(gòu)造的修正SRISK指標(biāo)對(duì)原始SRISK指標(biāo)具有預(yù)測力，因?yàn)樾刨J過度擴(kuò)張是金融系統(tǒng)陷入困境的誘因，在發(fā)生時(shí)點(diǎn)上要早于原始SRISK指標(biāo)中的“市場指數(shù)大幅下跌”現(xiàn)象。下文將從上述兩個(gè)方面對(duì)修正指標(biāo)是否緩解了原始指標(biāo)的順周期問題進(jìn)行檢驗(yàn)。

圖4比較了修正和原始SRISK指標(biāo)的風(fēng)險(xiǎn)測度結(jié)果。從中不難看出，在2012～2019年間的每個(gè)時(shí)點(diǎn)上，修正SRISK指標(biāo)所給出的風(fēng)險(xiǎn)指標(biāo)值都低于原始SRISK指標(biāo)，反映了原始SRISK指標(biāo)高估我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)實(shí)際水平的現(xiàn)實(shí)。表3進(jìn)一步給出基于VAR模型對(duì)修正和原始SRISK指標(biāo)進(jìn)行格蘭杰因果檢驗(yàn)的結(jié)果。VAR模型最優(yōu)滯后階數(shù)依據(jù)BIC準(zhǔn)則確定為3階。

簡記修正SRISK指標(biāo)為ASI，原始SRISK指標(biāo)為SI。表3中第2列的簡寫符號(hào)(ASI→SI)表示考察修正指標(biāo)是否為原始指標(biāo)的格蘭杰因，第4列的(SI→ASI)則考察原始指標(biāo)是否為修正指標(biāo)的格蘭杰因。第3和第5列相應(yīng)地給出上述兩個(gè)統(tǒng)計(jì)檢驗(yàn)的p值。檢驗(yàn)結(jié)果顯示：在1%的顯著性水平下，修正SRISK指標(biāo)是原始SRISK指標(biāo)的格蘭杰因，但反過來并未發(fā)現(xiàn)原始SRISK指標(biāo)是修正SRISK指標(biāo)的格蘭杰因。因此，修正指標(biāo)對(duì)原始指標(biāo)的未來走勢(shì)具有預(yù)測力。

綜合圖4中修正與原始SRISK指標(biāo)的直觀比較以及表3的檢驗(yàn)結(jié)果，本文驗(yàn)證了修正SRISK指標(biāo)可以緩解原始SRISK指標(biāo)中存在的順周期問題。最后，本文嘗試從信貸過度擴(kuò)張和股市大幅下跌兩個(gè)現(xiàn)象發(fā)生的時(shí)間先后關(guān)系，對(duì)順周期問題得到緩解的原因給出解釋。這里的核心原因在于，信貸過度擴(kuò)張不是系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)的同期現(xiàn)象。由于信貸過度擴(kuò)張是系統(tǒng)性危機(jī)爆發(fā)的主要根源，其出現(xiàn)的時(shí)點(diǎn)要早于股市大幅下跌，因而通過定量描述這一現(xiàn)象所構(gòu)造的修正SRISK指標(biāo)，能夠緩解同期現(xiàn)象所造成的原始SRISK指標(biāo)順周期問題。

圖4 修正和原始SRISK指標(biāo)的比較：基于LRMES項(xiàng)計(jì)算的周度數(shù)據(jù)

注： 表格中(ASI→SI)中的箭頭用于表示ASI是SI的格蘭杰因，其所對(duì)應(yīng)的統(tǒng)計(jì)檢驗(yàn)原假設(shè)是“ASI不是SI指標(biāo)的格蘭杰因”。因此若檢驗(yàn)結(jié)果的p值顯著，則代表原假設(shè)被拒絕，相應(yīng)地在序列對(duì)的下方用“是”來表示ASI是SI的格蘭杰因。(SI→ASI)的檢驗(yàn)原理相同。

四、 主要結(jié)論及風(fēng)險(xiǎn)防范對(duì)策

準(zhǔn)確測度我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)大小，是風(fēng)險(xiǎn)防范的重要基礎(chǔ)。本文通過引入信貸過度擴(kuò)張情景的定量描述，對(duì)代表性風(fēng)險(xiǎn)度量指標(biāo)SRISK中存在的順周期問題進(jìn)行了修正，并據(jù)此構(gòu)造了修正SRISK指標(biāo)?；谛拚齋RISK指標(biāo)，本文建立了我國銀行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)測度模型，進(jìn)而實(shí)現(xiàn)對(duì)我國商業(yè)銀行系統(tǒng)性風(fēng)險(xiǎn)演變趨勢(shì)及現(xiàn)狀的準(zhǔn)確測度。利用該風(fēng)險(xiǎn)測度模型，本文對(duì)我國2012～2019年間銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行了觀察，主要結(jié)論為：

從我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的整體變化趨勢(shì)來看：我國銀行業(yè)總體風(fēng)險(xiǎn)水平自2012年后不斷提高，并在2019年末達(dá)到了歷史最高水平，行業(yè)總體資本缺口約為3.8萬億元，相比2012年的0.5萬億元提高了超過7倍的幅度。在整個(gè)風(fēng)險(xiǎn)測度期中，我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的上升分為兩個(gè)階段：第一個(gè)階段是2012～2015年，該時(shí)期的風(fēng)險(xiǎn)上升主要受銀行資產(chǎn)質(zhì)量下降的影響，其背后的深層驅(qū)動(dòng)力量是利率市場化進(jìn)程所推動(dòng)的銀行資產(chǎn)負(fù)債表快速擴(kuò)張。第二個(gè)階段是2015～2019年，該時(shí)期的風(fēng)險(xiǎn)上升仍然與銀行業(yè)資產(chǎn)質(zhì)量的不斷下降有關(guān)，背后的深層驅(qū)動(dòng)力量是違約風(fēng)險(xiǎn)和債務(wù)風(fēng)險(xiǎn)的上升。

按國有銀行、股份制銀行以及城商行將個(gè)體銀行分類來看：國有銀行和股份制銀行對(duì)我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)最大，風(fēng)險(xiǎn)貢獻(xiàn)度占比在2019年末分別為64.9%和30.3%。城商行對(duì)我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的影響則相對(duì)較小。

從銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)變化的經(jīng)濟(jì)含義來看：我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)上升反映的是銀行業(yè)資產(chǎn)質(zhì)量的下降，這主要源于本文所觀察到的銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)變化與行業(yè)不良貸款率走勢(shì)的高度相似性。同時(shí)，由于不良貸款率反映了銀行受違約風(fēng)險(xiǎn)和債務(wù)風(fēng)險(xiǎn)影響而蒙受的損失，因此本文所觀察到的上述相似性，支持了已有學(xué)者提出的“銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)指標(biāo)變化代表的是違約風(fēng)險(xiǎn)和債務(wù)風(fēng)險(xiǎn)滯后效應(yīng)”的觀點(diǎn)。

基于上述研究結(jié)論，我們針對(duì)系統(tǒng)性風(fēng)險(xiǎn)的防范與化解，提出如下對(duì)策和建議：針對(duì)近年來我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)水平的上升和銀行業(yè)資產(chǎn)質(zhì)量下降的情況，監(jiān)管部門應(yīng)當(dāng)對(duì)商業(yè)銀行從事更多高風(fēng)險(xiǎn)型業(yè)務(wù)的動(dòng)向進(jìn)行嚴(yán)格監(jiān)管，密切關(guān)注銀行業(yè)務(wù)的風(fēng)險(xiǎn)狀況，避免銀行業(yè)資產(chǎn)質(zhì)量在未來進(jìn)一步下降。同時(shí)，監(jiān)管部門還應(yīng)當(dāng)引導(dǎo)銀行加大不良貸款的處置力度，避免不良資產(chǎn)積壓對(duì)銀行信貸投放能力的影響，進(jìn)而保證銀行業(yè)整體穩(wěn)定。由于近年來我國國有商業(yè)銀行對(duì)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)平均貢獻(xiàn)最大，且肩負(fù)著向?qū)嶓w經(jīng)濟(jì)讓利的責(zé)任，因此這類銀行在未來將會(huì)面臨資產(chǎn)端收入下降，以及風(fēng)險(xiǎn)控制成本高昂的雙重壓力。監(jiān)管部門應(yīng)通過降準(zhǔn)、定向工具乃至存款降息來為銀行的成本端減負(fù)騰挪出空間。最后，基于我國經(jīng)濟(jì)當(dāng)前處于疫情后復(fù)蘇期以及外循環(huán)驅(qū)動(dòng)力逐漸減弱的現(xiàn)實(shí)，監(jiān)管部門應(yīng)加強(qiáng)對(duì)我國銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的主動(dòng)防范與化解工作，為疫情后的國內(nèi)經(jīng)濟(jì)復(fù)蘇以及去全球化背景下的內(nèi)循環(huán)主導(dǎo)型經(jīng)濟(jì)發(fā)展提供保障。