银行业系统性风险预警研究范文

本站小编为你精心准备了银行业系统性风险预警研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1系统性风险预警模型的构建

1.1系统性风险的度量我国是间接融资为主的国家，银行是企业的主要融资来源，企业融资能力的高低直接决定了企业的生存和发展。当企业经营出现问题时，银行向其发放的贷款会减少，同时贷款后的各项监管也会相应的变严格，银行的贷款增速会放慢，就会直接影响银行的坏账率和利润。当整个行业或宏观经济运行出现问题时，银行业受到的影响会更大，因此银行的各项指标可以反映我国系统性风险的程度。本文选取银行存贷比、资本充足率、不良贷款率等指标度量我国的系统性风险。存贷比（LTDR）是指贷款比存款的比率。存贷比越高表示用于支撑贷款的存款越少，银行面临的由于储户提现产生流动性风险的可能性越大，同时更多贷款意味着可能产生更大的损失。因此存贷比越高，银行业的系统性风险越大。资本充足率（CAR）是银行所有资产中核心资本的比例。这部分资产是银行自有的，是发生危机后，银行自身不受侵蚀的资产。银行的资本充足率越大，表示银行抵抗风险的能力越强，发生系统性风险的可能性越小。不良贷款率（NPLR）是银行贷款中不良贷款所占的比例。按照贷款五级分类可以将银行贷款分为正常、关注、次级、可疑和损失，其中次级、可疑和损失是属于不良贷款的范畴，银行的不良贷款率越高表示企业的还款能力越差，发生系统性风险的概率越高。为了构建系统性风险的预警模型，需要对上述三个衡量系统性风险的指标进行主成分分析，将其综合成一个指标，以便进行回归分析。本文使用的工具是MATLAB，数据来源为WIND金融终端，上述三个指标取13家上市银行各项指标的算术平均值，包括中国银行、中国农业银行、中国建设银行、中国交通银行、中国工商银行、中信银行、民生银行、招商银行、光大银行、平安银行、北京银行、宁波银行、华夏银行。数据区间为2007年第一季度到2014年第三季度。第一个成分的方差奉献率为0.695，对于三个指标的综合具有比较好的代表性，主成分分析系数的矩阵见表3。第一个主成分结果的表达式为F1=0.172×存贷比-0.895×不良贷款率+0.678×资本充足率，本文用RISK来表示系统性风险，也即是RISK=0.172×LTDR-0.895×NPLR+0.678×CAR。

1.2系统性风险预警模型的建立与分析（1）指标选取由于系统性风险的度量指标是以季度为频率进行公布，为了满足预警模型的要求，选取的解释变量必须是频率更小的指标，一般是以月度或者以天公布。基于我国宏观经济的实际运行情况和数据的可得性，本文选择以下指标：①宏观流动性的指标：M2增长率，外汇储备的增长率；②资金价格指标：利率、汇率、CPI；③宏观经济运行指标：PMI；④房地产相关指标：房地产价格同比、房地产开发增速。选择房地产作为预警模型指标有以下几方面的原因，首先房地产是我国国民经济的支柱产业，其发展的盛衰直接关系着国民经济的好坏，固定资产投资大部分来源于房地产投资，因此可以使用房地产投资增速代替固定资产投资增速；其次，房地产行业的资金来源中有30%以上来源于银行贷款，其发展对银行业系统的影响非常大；最后，银行贷款中直接流向房地产企业的占比26%，加上个人住房贷款和间接流向房地产企业的资金，占到银行贷款的60%以上。（2）数据来源本文分析的数据区间为2006年第一季度到2014年第三季度，数据来源于WIND金融终端，其中利率的衡量指标为同业拆借加权平均利率，各变量名及其表示如表4所示。 （3）相关性检验由于本文的解释变量比较多，为了避免回归结果的多重共线性，导致参数和统计指标的失真，影响回归结果的准确性，解释变量的相关性检验结果如表5所示。从上表的相关性检验可以看出，外汇储备和汇率的相关性较高，广义货币M2的增长率和同业拆借利率的相关性较高，因此在做回归分析时，上述相关性较高的变量只能选择其中一个。（4）模型构建以上述的分析为基础，本文在建立回归模型时采用5个变量，通过逐步回归法，保留拟合优度较高且解释变量都十分显著的回归模型，最终建立如下模型。

2实证分析

2.1平稳性检验为了避免伪回归的现象，首先需要对变量的平稳性进行检验，本文采取的是ADF检验法，结果见表6所示。从表6的平稳性检验结果可以看出，系统性风险RISK、房地产开发投资增速DEV、汇率EX_R、同业拆借利率RATE一阶单整，房地产价格同比增速平稳，回归方程左右两边的单整阶数相同，符合回归分析的条件。

2.2回归结果从表7的回归结果可以看出，房地产价格同比增速、利率、汇率以及房地产投资增速在1%的置信度水平下对系统性风险有显著的影响。其中房地产价格同比增速和同业拆借利率对系统性风险具有正的影响，房地产开发投资增速和汇率对系统风险具有负的影响。根据我国的实际情况，房地产价格走高，表示房地产行业的泡沫越高，会吸引一些投机性厂商进入房地产行业，这部分投机性厂商破产的可能性很大，从而导致银行还款没有保障，系统性风险增加。同业拆借利率的走高使得房地产行业的融资成本增加，还款压力增加，产生坏账的可能性增大，也导致系统性风险增加。房地产开发投资增速的提高，表示房地产企业对经济前景比较看好，会带动下游行业的投资，从而带动经济增长，使得系统性风险减少。汇率的提高导致热钱流入增加以及市场对国内经济的看好，一定程度上可减少经济的系统性风险。

2.3计量检验为了检验模型是否稳定，需要对残差进行计量检验，包括残差的平稳性检验以及序列相关性检验，其中对于残差的平稳性检验是为了保证模型中的变量具有长期稳定的关系，使用的方法ADF检验，而对于残差的序列相关性的检验使用的方法是Q检验。从表8ADF检验的结果可以看出残差序列是平稳的，也即是上述的各个变量之间存在长期的稳定关系。对残差进行序列相关检验的结果如图1所示。从图1可以看出，残差不存在自相关和偏自相关性，因此残差不存在序列相关，模型的参数估计具有可靠性。

2.4阀值的设定设置预警阀值的目的是能够提前预知系统性风险，本文实证分析的解释变量都是以月度为频率公布，可以满足提前预知系统性风险的目的。设置预警阀值的步骤是对模型拟合值的时间序列进行统计分析。一般来说时间序列可以分解为长期趋势、短期趋势和随机趋势，通过观察时间序列的规律，寻找时间序列波动的阀值，当时间序列的波动超过阀值时，则表示出现了小概率事件。本文通过分析系统性风险的拟合值的规律，设定其阀值，当根据预警模型回归得出的拟合值超过时间序列的阀值时，则表示此时存在系统性风险。首先对回归模型的拟合值，进行k-s检验，使用的工具是MATLAB。在进行正态性检验前，可以先观看模拟拟合值的频率直方图，如图2所示。从图2可以看出，模型拟合值的频率直方图基本上符合两边少、中间多的特征。而对模型拟合值进行k-s检验的结果表明模型的拟合值符合正态分布，正态分布所具有的特点是时间发生大部分分布在均值的周围，离均值很远的值为小概率事件。模型拟合值的均值为1.4140，模型拟合值的标准差为0.7653，本文定义系统性风险大于90%的置信度水平时存在轻微的系统性风险，系统性风险大于95%的置信度水平时存在比较严重的系统性风险，系统性风险大于99%的置信度水平时存在严重的系统性风险，分别对应着系统性风险值偏离均值1.28个标准差、均值1.65个标准差、均值2.33个标准差。当模型的拟合值在[0.4344,2.3936]之间时，表示不存在系统性风险，当模型的拟合值在[2.3936,2,6767]之间时，表示存在轻微的系统性风险，当模型的拟合值在[2.6767,3.1971]之间时表示存在比较严重的系统性风险，当模型的拟合值大于3.1971时表示此时存在严重的系统性风险。

2.5实证分析以上述阀值为基础，根据2007年1月至2014年9月我国经济的运行情况进行赋值以检验本文构建的系统性风险阀值是否可以很好的拟合现实情况，具体阀值情况如表9所示。从表9可以看出，只有在2007年和2008年两年存在系统性风险，也与现实情况比较相符，同时可以看出，目前我国的系统性风险正处于比较平稳的状态。

3加强宏观审慎监管的政策建议

3.1以预警模型为基础相机决策监管无论是GDP数据还是银行的财务报表都是以季度为单位进行公布，监管部门若以上述数据为依据进行决策，会存在显著的时滞。本文建立的预警模型是以月度数据为单位进行测算，若存在系统性风险的可能，本模型能够提前2个月对系统性风险进行预警。因此当中央银行使用预警模型拟合的风险值在[0.4344,2.3936]之间时，不需要采取特殊的措施。当拟合的风险值在[2.3936,2,6767]之间时，表明存在轻微的系统性风险，此时只需要中央银行通过向市场注入流动性就能够控制住，具体的措施可以使用SLF（StandingLendingFacility,常设借贷便利）或者降息、降准。当模型拟合的风险值在[2.6767,3.1971]之间时，表示存在比较严重的系统性风险，若不及时采取措施，极有可能引发严重的经济衰退，此时需要同时采用货币政策和财政政策对冲系统性风险，货币政策在此时使用力度最大的降低法定存款准备率，财政政策采用减税和加大对基础设施建设。当模型拟合的风险值大于3.1971时，表示此时存在严重的系统性风险，应采取一切可行的措施维护市场的信心，维护经济稳定和金融稳定。预警模型的建立也不是一蹴而就，新情况和新工具会不断出现，经济瞬息万变，监管部门需要根据新情况对预警模型的预警变量和阀值进行调整，本文认为2-3年对变量和阀值进行调整可以很好的适应新情况。

3.2完善银行体系的压力测试应用银行在国民经济和系统性风险的度量等方面具有不容忽视的作用，因此对银行体系进行压力测试具有必要性。压力测试可以使监管部门了解银行部门可以承受的波动，从而更好的制定政策。压力测试原则应该覆盖银行尽可能多的业务和风险类型，模拟多种场景可能出现的损失和制定相应的对策。一方面，改进对我国银行体系宏观审慎监管框架下的压力测试应用，构建适合我国银行体系现状的压力测试系统，包括相应的压力测试情景设计与宏观经济结构化模型。这点上，监管机构应该有效借鉴国外宏观压力测试技术并结合我国国情进行有效创新，开发出适合我国银行体系的压力测试系统。另一方面，完善数据采集工作，提高宏观压力测试的效率。建设相应的银行体系宏观审慎监管数据库，有效扩充我国银行体系稳健性各指标数据以及早期预警指标数据，为宏观压力测试提供有效数据支持，以进一步提高压力测试的效率，便于及时做好对宏观审慎监管政策的改进。

3.3加强对系统重要性金融机构的监管传统监管政策潜在地奉行“太大而不能倒”的观念，这将导致大型金融机构的道德风险，也可能带来系统性风险。在政府的隐性担保下，金融机构更倾向盲目追求规模的扩张,从事高风险的冒险投资行为，这些都积聚了系统性风险。因此，必须解决“太大而不能倒”的问题。首先，科学界定系统重要性金融机构（SIFIs，Systemi-callyImportantFinancialInstitutions）。借鉴金融稳定委员会（FSB）、国际货币基金组织（IMF）、巴塞尔委员会（BIS）等国际金融监管组织的SIFIs评估标准，除了关注规模、关联性、可替代性这三个主要指标，还应考虑金融机构的复杂性、相互联系程度，以及其业务模式可能带来的过高杠杆率或过高风险融资结构，这些也是导致系统性风险过高的重要因素。其次，对系统重要性金融机构的监管应分为两个层次：一方面，对SIFIs的监管建立在在对系统性风险监管的基本原理之上，审慎控制、信息披露、金融稳定是其三大支柱。另一方面，结合巴塞尔协议III推崇的宏观审慎监管与微观审慎监管并重的监管理念，对SIFIs还应实行更为严格的监管要求。如巴塞尔协议III提出的1%附加资本要求，IMF提出引入“系统性风险资本附加费”等，通过在监管资源上有所倾斜，将系统性风险控制在监管源头。

作者：杨霞 吴林 单位：复旦大学 应用经济学博士后流动站 湖北工业大学 经济与管理学院 西南财经大学 证券期货学院