基于资本资产定价模型的银行系统性风险研究

任胜男，章善云

（1.上海工程技术大学，上海 201620；2.伦敦大学 玛丽皇后学院，伦敦 E1 4NS）

引言

从2010年以来，我国逐步使用了信用风险缓释工具（简称CRM）。目前，学术界一部分人认为CRM是有益的，有助于整个金融环境的稳定和发展，但也有相当一部分人提及了其可能对银行系统带来负面影响。在此背景下，研究信用风险转移市场的成长和未来发展以及CRM对银行系统性风险水平的影响意义非凡。鉴于目前的经济环境下，本文在分析相关文献的理论基础和实践经验上，从CRM中的贷款转让角度出发，利用CAPM模型，探讨其影响银行系统风险的水平和程度，并测量贷款与银行风险的关系问题。这将帮助监管机构更好地确定CRM的未来发展和走向，以有效的政策保持宏观经济稳定，以防范信用风险、维护金融稳定，使风险缓释发挥其最大作用。

一、国内外文献综述

我国学者丁东洋（2011）[1]认为，基于信息不对称视角下CRT不会对金融界构成威胁，而是促进了金融环境的和谐，有利于金融环境的稳定发展。李琪（2015）[2]分析CRT与金融稳定性关系的相关文献，总结得出了二者之间的3个重要维度，认为二者之间有着密切的联系。

Wagner和 Marsh（2004）[3]认为，CRT 市场一定程度上增加了金融系统的稳定性。Dirk U.Baur，Elisabeth Joossens（2006）[4]分析认为通过将风险转移到金融交易市场中的其他参与者，是会增加银行的系统性风险。陈秀花（2006）[5]认为，CRT会对金融的稳定性带来威胁，并对其提出了解决的政策建议。RobNijskens和Wolf Wagner（2011）[6]通过对β系数测算发现，银行系统性风险的增加一定程度上是源于银行与银行之间业务往来和交易转让的相关性增加。

综合国内外文献研究，信用风险转移行为会增加也可能会降低银行之间的系统性风险。目前，对于信用风险缓释对银行的系统性风险影响的研究缺乏统一性的结论，说明了继续研究此课题的重要意义所在。

二、研究设计

（一）模型设定

模型设定方面，建立CAPM模型，通过银行个股的β值来分析银行系统的风险问题，测算信用风险缓释角度下的贷款转让对银行风险的影响，并对模型进行相关检验，以判断模型的拟合程度和变量之间的解释关系和显著效果。

具体模型为：Rit=αi+βiRmt+εit。在该式中，Rit为第 i支股票在第t时刻的收益率，αi为截距项，Rmt为市场指数在t时刻的收益率，Βi表示的是系统性风险，为第i支股票收益率（经过复权）的变化对市场组合收益率变化的灵敏度指标，εit为随机误差项。

（二）样本选择

本文选择了在已经签署了《主协议》的21家中国银行中的6家上市商业银行作为样本，这6家上市银行包括浦发、农行、光大、工行、招商、建行[7]。

（三）数据获取

为测算近年来我国银行业β系数的变化，并研究其对于银行自身和对银行系统风险的稳定性影响程度，本文中的Rit表示第t时刻股票i的收益率，数据选择了2014年到2016年最近3年时间的6家中国上市商业银行收盘价经过计算后得到的收益率，频率为日。本文数据全部选用Wind资讯数据库中已经测算好的经过复权后的日收盘价数据。

三、银行系统性风险实证分析

（一）2016年β系数

在对数据进行选择并修正后，将2016年沪深300指数市场的日收益率作为自变量，因变量是6家上市银行的个股收益率，利用本科所学的统计软件SPSS运用OLS进行回归，α定为0.05，将回归结果整理如表1。

表中的R方为调整后的R方，其值区间为[0.321，0.603]，由此可以得知总体上两个变量之间的线性方程与两个变量之间真实关系的拟合程度良好。前文已经给定显著性水平0.05，回归结果中p值全部小于0.001，说明市场收益对个股收益的影响程度结果显著。时间序列的回归一般都会存在自相关，本文的回归结果DW值落于区间[1.899，2.257]内，表明总体上时间序列相关不严重。在一元线性回归中，指标T和F的检验是效果是相等的，本文从回归方程的结果上来看，T值通通大于2，F值的区间全部落于[55.524，299.987]，由此可以看出F值足够大，因此，回归的T检验通过，F检验也通过。

表1回归分析

（二）不同年份β系数

为了研究不同年份β系数的变化，分别针对2014年、2015年、2016年三个年份，以沪深300指数市场收益率作为自变量进行回归。同时，为了增加实证模型的准确度，选取上证180指数市场收益率作为自变量进行相同操作，并对回归的结果求平均值，结果整理如表2。从上述的回归结果可以得出，不同银行的β系数差异较大，在选择沪深300指数市场组合收益率和各股票收益率回归时，β值在近三年的变化是先增大后减小且小于前年的β值，选用上证180指数市场收益率和各证券收益率回归的β值变化与之相同。由此可以得出在近三年的贷款转让让银行的系统风险先增大又减小，在一定程度上影响了银行系统的稳定，并且形成此起彼伏的波动，且结果显著。相同年份的沪深300和上证180指数市场的回归结果β系数基本接近，相差无几，可以说明选用不同的指数市场组合收益的效果是基本相同的，且结果显著。

表2不同年份β系数

四、结论

在本文中，对CAPM模型运用股票市场具体的交易数据来测算和研究银行的贷款转让对系统风险的影响，并得出以下几点结论。

1.经过实证分析，可以得知近年来在信用风险缓释的推动下，银行的贷款转让影响了银行系统风险，使得银行的风险水平变得很不稳定。说明贷款转让在我国发展处于初级阶段，各方面发展不完善，整体效果不稳定，因而会出现一些风险振荡，但总体上不是非常严重，还需要进一步测算和控制，稳定系统风险。

2.通过beta的测算，银行通过贷款转让影响了银行系统性风险的稳定性，从而得出在目前数据获取相对不足、变量设定相对模糊的情况下，CRM的使用能够影响银行系统性风险的稳定；近期内银行的β系数不稳定，但总体上相差不大，一定程度上说明了近期其风险在行业间进行了转换，增大了银行间的相关性；银行的β系数可能高于、等于或低于市场风险，其投资风险也相应较高、相等或较低，投资收益相对于投资风险也较高、相等或较低，三者成正相关。