中国金融业跨市场风险测度与分析——基于 GARCH－Copula－CoVaR模型

徐映梅，徐 璐

（中南财经政法大学 统计与数学学院，湖北 武汉430074）

金融的不断创新和发展，促进了银行、证券、保险、信托等行业之间的业务交叉与业务融合，使它们之间的依存关系日益密切。中国金融机构业务经营的综合化是其为提高盈利水平的客观要求与适应金融业改革发展的必然选择。这样的选择一方面有利于金融机构运行效率的提升，另一方面则使得风险在不同行业之间不断传递、聚集，进而有可能形成更大范围的风险隐患。

因此对金融风险在市场间的传导机制进行研究，对跨市场金融风险实施及时监控，将有助于防范和抵御金融风险大面积爆发，有助于整个金融机构在最低损失程度下有效运转，进而顺利推进金融市场改革。

一、相关理论与文献分析

（一）跨市场风险的含义

目前学术界对跨市场风险尚无权威定义，但是许多学者提出的定义并无较大差异。王素珍、谢斌、董丽、郑庆寰、丁浩等均提出了各自的定义［1－5］。例如，谢斌认为目前中国跨市场金融风险主要集中在以下两个方面：一是证券、银行、保险等金融机构在突破分业经营的基础模式时，推出跨市场、跨行业的金融产品而产生的交叉性风险；二是金融控股公司同时从事多个金融子行业、子市场的相关经营活动，从而导致各个子行业、子市场联通产生风险扩散和叠加。

笔者认为，跨市场金融风险从类型上而言，它是金融风险的一种，是就跨市场经营进行的一种划分；从产生原因而言，它是金融混业经营的产物；从传递途径来看，它伴随着跨市场金融行为的方方面面。本文将金融业跨市场风险定义为由于金融子行业之间的跨行业经营行为而产生的风险。

（二）跨市场风险传导的实证研究

目前，对跨市场风险传导的实证研究重点在于资产价格的协同运动。这里的市场集中在证券、汇率、期货等市场，也有沪、深、港、日、美等地区市场间的分析。风险传导的研究可以分为两类，一类是基本面触发市场间波动，该类研究认为，不同市场受共同的基本面因素影响，使得各个市场波动，同时该波动会反馈到基本面因素，导致其他市场的协同运动。一般基本面因素包括宏观经济冲击、市场环境等。此类实证模型都将金融市场价格波动与宏观经济变量，如通货膨胀率、利率等连接起来进行分析，最后得到宏观经济与金融市场之间的相互影响。另一类是假定基本面不变，直接研究各市场间的共同变动，本文主要关注第二类研究。

中国学者在不考虑基本面因素影响的风险研究方面，采取了许多好的统计计量方法，对不同金融市场之间风险传递进行了研究。方毅等采用方差分解的方法，比较分析了国内外金属期货市场“风险传染”，发现国内市场存在特有的期铜向期铝的单项波动溢出［6］。毛菁、罗猛利用共同风险（CoVaR）模型测度了银行业和证券业之间风险传递，发现银行业和证券业之间存在着双向的风险外溢效应，且银行业对证券业外溢效果要强于证券业对银行业［7］。

从研究范围来看，目前没有对于全面金融市场的研究，仅有的实证研究由于采用数据不同，研究市场不同，得到的结果缺乏数值上的可比性。实证研究的方法比较丰富，主要有相关关系、协整分析、基于GARCH模型、VAR模型等的波动溢出分析。结论多为市场间存在相关性、市场间存在着波动传导以及传导力度等基本结论，对传导风险的大小缺乏具体数值衡量。因此，本文在前述研究的基础上，借鉴成熟的计量模型对金融各个子行业之间风险进行定量测度，基于金融市场多个子行业，描绘出完整的风险外溢图景。

二、模型介绍

（一）CoVaR方法简介

CoVaR是一种依靠VaR来测度风险溢出强度大小的有效方法，能够更准确地测量实际风险的大小，同时具有很好的可操作性。根据任仙玲、张世英的文献介绍，CoVaR12是指当某类市场的金融资产y2（一般用收益率表示）处于极端风险水平时，金融资产y1的风险水平［8］，即：

用1－α表示置信度，本文取95%置信度的风险价值。可以看出CoVaR12本质上也是VaR，反映了当y2发生极端风险时，y1在t时期的总风险价值，可以看作是无条件风险价值加上溢出价值，也可以说溢出风险价值等于CoVaR12减去无条件风险价值，即：

其中VaR1表示y1在t时不考虑溢出风险情况下的风险价值，也就是无条件风险价值，ΔCoVaRt12则指y2对y1的溢出风险价值。由于各个金融子市场的无条件风险价值不一样，ΔCoVaRt12反映出的风险溢出强度不具有可比性，因此非常有必要对ΔCoVaRt12进行归一化：

%ΔCoVaR12t剔除了量纲的影响，能够准确地反映出当y2处于极端风险值时对y1的风险溢出值。如果用y1代表整个金融市场的系统风险，那么ΔCoVaRt12则可代表当单个金融市场y2发生极端风险时，系统性风险相应产生的变化。CoVaR技术是一种全新的研究风险溢出效应的方法，它的本质就是VaR，但是与VaR最大的区别是CoVaR测度的是单个市场或行业风险变动对另一市场或行业的风险外溢值，而非单一行业的风险。

（二）Copula链接函数介绍

VaR实质上是分位点，CoVaR本质就是VaR，也是分位点。从计算单变量的VaR到计算两两变量之间的CoVaR，需要合适的链接函数进行连接。Copula函数可以描述变量之间的相关关系，是一种连接函数，将联合分布函数与各自的边缘分布函数连接起来。将单变量自身的边缘分布和它们之间的相关关系分开研究，简化了建模的难度。同时Copula函数可以捕捉变量间的非线性结构，能较好处理分布尾部的相关性，能够较好地满足风险管理的要求。

（三）GARCH－Copula－CoVaR计算过程

GARCH－Copula－CoVaR模型的特点是，考虑了金融时间序列GARCH效应的同时，利用Copula函数表征测量序列之间的相关关系和非线性结构，这样计算出的CoVaR值，能够更有效地刻画金融机构之间风险的外溢性。其计算过程分述如下：

1．选择合适的GARCH模型对单变量序列建模，提取残差序列。GARCH（p，q）模型的表达式如下：

其中p＞0，q＞0，α＞0，γi0，βj0（i＝1，2，…，n，p；j＝1，2，…，n，q）。

Copula－GARCH模型一般假设ξ服从正态分布，y1t和y2t可以通过各自的GARCH－t模型拟合结果直接求出：

其中α代表显著性水平，qTν（·）示自由度为ν的标准化t分布的分位数函数，σt指的是GARCH－t模型的条件标准差。

2．选择合适的Copula相依函数。

3．结合GARCH和Copula函数计算CoVaR。

以两个序列为例，需要利用GARCH－t模型对两个序列y1t和y2t进行拟合，从而得到独立同分布的残差序列ξ1t、ξ2t，它们均服从均值为0的正态分布，最后选择Copula函数C对ξ1t、ξ2t进行拟合，得到下面的式子：

根据条件分布定义，对于固定的ξ2t、ξ1t关于ξ2t的条件分布函数为：

其中）是关于的条件分布函数，从而进一步得到：

其中是ξ的密度函数，用ξ2t对应的α分位点代替上式中的ξ2t，依据Copula函数C与分位数之间的关系，变换式（8）得：

求解上述方程，可以得到ξ1t的具体值，定义为q1，就是说q1代表了ξ2t取值等于其α分位数的值，同时我们结合CoVaR12的含义，可以推导得到CoVaR12＝－q1σ1t，σ1t指的是y1t的条件标准差，那么我们可以在已知信息集It－1的情况下，利用前一步预测的方法得到ΔCoVaR12和%CoVaRt12。

三、实证分析

本文选取2001年1月2日至2013年10月14日共3 087个中信金融行业股价序列数据，主要涉及四个行业：证券、股份制银行、保险和信托，其中证券机构19家，股份制银行8家，保险机构5家，信托机构3家，股票价格数据是各机构股票价格的加权平均，数据来源于WIND客户端。

在风险测度的研究中，多采用收益率序列计算分析，此处将数据做如下处理：

其中pt表示t日对应的市场价格指数，Rt则指t日的百分比收益率。

（一）ARCH效应检验

ARCH效应检验是一种针对时间序列是否存在ARCH效应特征而进行的检验。目前使用最广泛的是Engle提出的拉格朗日乘数检验法，称作ARCH LM检验。这个检验的原假设是：不存在ARCH效应。利用Eveiws软件进行检验，采用一阶滞后ARCHTEST，结果见表1。

表1 ARCH效应检验结果

从上述结果可知，各序列对应的LM检验量的概率值均小于0．05，即拒绝原假设，认为各序列存在ARCH效应，可以进一步利用GARCH模型计算VaR值。利用SAS编程拟合GARCH（1，1）模型，计算得到各个行业的VaR值，结果见表2。

表2 四类金融机构的VaR值（单位：%）

（二）最优Copula函数选择

利用R语言编程实现银行、证券、保险、信托两两行业之间的最优Copula函数选择。根据Cramer－von Mises统计量最小的原则，两两行业之间最优Copula函数选择结果见表3。

表3 两两行业之间最优Copula函数

（三）CoVaR计算结果及分析

采用R语言编程计算CoVaR以及%CoVaR值，所有的CoVaR值均滞后0阶，%CoVaR消除了量纲的影响，以百分比的形式有效地反映了风险溢出强度大小，其计算结果见表4。

表4 给定行业极端风险条件下另一行业的相对风险值

从表4可得到以下结论：

1．银行、证券、保险、信托业两两之间都存在显著的双向风险传递。平均风险传递绝对值为5．74%，平均%CoVaR为32．46%，即当一个行业处于极端风险值时，会引起另一行业风险平均增大32．46%。

2．银行、证券、保险、信托业两两风险传递存在非对称性。从风险传递方向与影响程度来看，银行与证券、银行与保险、银行与信托、证券与保险两两之间风险外溢值相当接近，但并不相等，证券和信托、保险和信托风险外溢值不平衡性更加显著，其中证券对信托业的%CoVaR为23．19%，而信托业对证券业%CoVaR为37．37%。原因在于，信托资金的运用范围更广泛，信托财产可以出租、出售、贷款、投资、同业拆放等，证券资金只可以投资股票或者投资债券，可见信托机构不仅能够将资金投入到股票或债券市场，也可以直接投入实体企业中，信托和证券机构在一级市场上存在竞争关系，企业可以使用信托方式或者发行股票、债券融资。在二级市场上，信托机构对证券机构资金的流入也影响整个证券行业的收益水平，因此信托对证券的风险外溢大于证券对信托的风险外溢。信托业对保险业的%Co－VaR值为30．77%，保险业对信托业的%CoVaR值为17．74%，信托业对保险的风险传递显著大于保险业对信托业的风险传递。目前信托和保险业的主要交叉性金融产品是保单信托，保单信托的合作模式是保险公司设计大额寿险保单，然后以信托的方式进行资产管理。保单信托使得大量资金从保险业流入信托业，因此，作为资金流入方的信托业更容易将风险传递给资金流出方。

3．传统行业间风险外溢大于新兴行业间的风险外溢。从风险传递值考察，银行、证券、保险业三者之间风险传递值最大。因为这三个行业属于历史最悠久、体系最完善、互相交叉渗透最深入的三个传统行业。其次是信托和证券业之间的风险传递值。目前信托投资公司的资金链横跨了货币、资本和产业等多个市场，而进行受托融资、投资管理和咨询顾问是信托公司的基本业务经营模式。在目前的监管形势下，信托投资公司能够采用灵活多变的业务模式和不断创新业务类型，因而对信托业的风险监控是全面风险管理的重要内容。

从风险影响程度来看，证券行业对其它行业的风险影响最大，当证券行业处于极端风险时，对其它三个行业的影响之和达到102%，即分别使得银行、保险、信托风险增大38．74%，40．91%和23．19%，体现了风险传递结构上的多层次性。

四、研究结论及政策建议

实证分析结果显示，当前的金融风险主要是银行、证券、保险三个传统行业之间的两两传递，其次是信托对证券行业的风险传递。近年来，金融创新发展使得各金融子行业间的界限越来越模糊，导致风险在金融子行业之间传播更为复杂。同时对分业经营、分业监管的监管体制造成冲击。只有金融业跨市场风险能够在合理监管下有效配置，整个金融体系才能兼顾效率和安全。具体来讲，本文认为金融监管还有以下几个方面值得防范与改进：

1．加强风险源头的管理。银行业面临“金融脱媒”、“利率市场化”、“互联网金融”等威胁，主体地位和盈利水平都受到一定程度的影响。证券行业存在“股市和债市发展严重不平衡”、“股市市场严重分割”、“政策市”明显、资产配置效率低下、投机行为等多方面问题。信托行业面临“刚性兑付”的挑战，产品单一，利润主要来源利差，对银信合作、房地产行业、地方政府融资平台过于依赖，同时备付金与信托资产规模差距巨大。保险业建立偿付能力监管体系，打破保费收入硬指标，做好公众风险管理，解决保险欺骗行为等问题仍有待解决。结合实证分析的结果来看，证券行业对其他行业的风险外溢最大，是跨市场金融风险传递的最大源头。

2．协调联合监管机制，最终实现机构监管向功能监管转变。目前中国在对金融市场的监管上实行的是“分业经营、分业监管”的模式。在此模式之下，不同部门负责搜集属下市场、行业信息，自主建立监管目标、标准对属下市场和行业进行监管。这不仅无法对跨市场交易行为导致的复杂资金流向进行监测，同时重复的信息搜集和使用造成资源浪费，空缺的信息搜集也会导致监管的空白，进而无法及时准确地监测和预警跨市场金融风险。因而，联合监管、功能监管势在必行。

3．引入第三方评估机构，完善信息公开机制。交易公开是实现市场化的基本途径，同时可以有效避免“无形的手”的操控，最好地保护好投资者权益。同时要将此方式纳入基础法治建设的内容中，用法规明确保护第三方机构的独立性，切实保障机构的有效运行。

［1］ 王素珍．国外跨市场金融风险监管及其启示［J］．海南金融，2004（2）．

［2］ 谢斌．现阶段中国跨市场金融风险相关问题初探［J］．上海金融，2005（7）．

［3］ 董丽．跨市场金融风险监测与控制问题研究［J］．甘肃金融，2005（6）．

［4］ 郑庆寰，林莉．跨市场金融风险的传递与监管［J］．南方金融，2006（8）．

［5］ 丁浩，许长新．中国现阶段跨市场金融风险的传递载体刍议［J］．上海金融，2008（3）．

［6］ 方毅，张屹山．国内外金属期货市场“风险传染”的实证研究［J］．金融研究，2007（5）．

［7］ 毛菁，罗猛．银行业与证券业间风险外溢效应研究——基于CoVaR模型的分析［J］．新金融，2011（5）．

［8］ 任仙玲，张世英．基于Copula函数的金融市场尾部相关性分析［J］．统计与信息论坛，2008（6）．