基于广义方差分解的我国商业银行 风险传染研究

黄思璇

（东南大学经济管理学院，江苏 南京 211189）

2008年金融危机的大范围波及让越来越多的学者注意到金融风险的传染性，一家银行的倒闭可能会使与之相关的机构陷入危机。金融风险在金融机构之间传染的关键在于复杂的金融负债、交叉的资产持有和资产回报的相关性等带来的金融机构之间的关联性，这种关联性使得个体的风险有可能通过机构间的联动进而演变成大范围乃至全球性的金融危机，进而影响整个金融市场的稳定性。近年来，受经济全球化的影响，国际、国内金融市场联系日益紧密，金融创新的不断发展使得金融机构业务逐渐多元化，交叉业务更是进一步地提高了金融机构间的资产关联性，可以说无论是聚焦国内市场还是放眼世界金融市场，金融机构间的关联程度都在日益提升。然而伴随着地缘政治等外部因素和资产泡沫，过高的杠杆率等内部因素，我国金融市场面临的潜在风险不容小觑，我国金融机构尤其是商业银行，在业务发展的同时也面临着同质化的问题，这就意味着商业银行间更有可能发生金融风险的传染，因此研究我国商业银行之间的关联性可以帮助我们识别系统重要性金融机构，同时有利于提高对金融风险传染机制和路径的了解，进而提高预防能力，实施更加合适的监管措施。

一、文献综述

现有的研究表明，金融机构之间的关联是复杂的并且具有网络拓扑结构的特征（Fabio Caccioli et all 2018）。因此学者们采用关联网络来描述金融机构之间的关联情况，将单个机构看成网络中的一个节点，网络的边就可以用来表示机构的关联性（胡锡亮和吴恒煜，2016）。网络模型法已经成为研究金融机构关联性的重要方法。基于网络模型识别对金融风险传染性的研究主要从两个方面来开展。一是通过网络节点特征识别系统重要性金融机构。李政等（2016）采用我国上市金融机构的股票价格数据，从信息溢出的视角对我国上市金融机构之间建立关联网络，测量了单个机构的相对度数中心性和特征向量中心性，分别研究了金融危机与后危机时期不同部门之间的关联特征。王丽珍和康超（2017）选取了保险，银行，证券与信托四部门的金融机构，度量了保险系统在不同股市情况下和其他金融机构之间的系统关联性和系统重要性。徐欣（2018）将DCC-MGARCH模型得到的金融机构动态相关性系数带入网络，借助特征向量中心度研究金融机构的网络位置和中介作用。杨子晖等人（2020）对全球19个主要国家（地区）的股票，外汇和经济政策不确定性建立了非线性关联网络，对各节点的出入度进行测算并构建了对外溢出指标来比较不同国家（地区）的溢出效应，进而判断美国对外溢出效应最大，是导致全球金融市场震荡的重要因素。Lu et al（2018） 运用复杂网络理论，以财务数据为基础，对我国的信用体系构建了双边金融机构-企业网络及其子网络，通过聚集系数发现中国的信贷市场仍然被国有金融机构所主导。

二是通过模拟分析金融机构倒闭的影响程度识别其系统重要性。如王晓枫等（2015）利用模拟的方法来证明银行间风险的扩散性，研究了在单一冲击和系统性冲击两种模拟情况下银行间风险与网络结构的关系，发现小银行与大银行的合作程度对风险的传染效应有着重要影响。吴田等（2018）利用邻接矩阵将金融机构间的交叉业务关系构建成网络，在此基础上进行了风险传染的仿真模拟并研究了不同影响因素和风险传染率之间的时间变化趋势。Petrone和Latora（2018） 通过多周期蒙特卡罗模拟得到潜在损失的分布来衡量系统性风险，观察发现风险的传染过程会增加银行的风险敞口。

针对我国商业银行的研究中，多数学者通过资产负债表来构建关联网络，例如宋凌峰和王治强（2020）用最大熵方法构建了不同银行之间的资产负债关联网络，对各节点的度中心性，聚类系数和连接其他节点的路径长度进行测量，发现调整资本配置结构可以改善系统性风险。但是随着商业银行业务的拓展，表外业务影响日益提高，利用资产负债表构建的关联网络包含的信息不够全面。

根据有效市场假说，股票的价格包含了上市公司的全部信息，因此股票收益率可以充分反映商业银行的经营情况，相比较资产负债表更加包含了更加全面的信息。本文借鉴Brunetti et al（2019）对欧洲商业银行收益率关联网络的构建方法，利用我国上市商业银行的股票收益率数据构建关联网络来识别系统重要性银行。

二、关联网络的构建

Adrian和Brunnermeier（2011）的提出了条件在险价值（CoVaR）方法和Acharya et al.（2010）和Acharya et al.（2012）的提出了边际预期差额（MES）方法虽然可以度量关联性，但是缺少整体性的架构。Billio et al. （2012） 提出了基于主成分分析和格兰杰因果网络的金融机构关联度计量方法虽然构建出了完整的网络构架，但是格兰杰因果关系网络是非加权网络并且对参数的大小缺少分析（胡锡亮和吴恒煜，2016）。Diebold 和 Yilmaz（2014）首次提出了利用VAR方差分解理论来构建关联网络，创新性地通过广义方差分解法构建加权有向网络。首先利用金融机构的相关变量构建向量自回归模型

其中，x是是用来研究金融机构关联度的变量，用来构建p阶滞后的VAR（p）模型。进一步在该模型基础上进行方差分解得到，，其中H代表所预测的期数。到，即代表着机构i在第H期的预测方差中由机构j贡献的部分。广义方差分解的计算方式为：

表1 关联度矩阵

?

表2 风险溢出与风险吸收水平排序

?

三、实证研究

（一）样本和数据选取

本文选取了一共15家上市商业银行，包括5家国有银行（中国银行，工商银行，农业银行，建设银行，交通银行），7家股份制银行（华夏银行，招商银行，兴业银行，中信银行，浦发银行，平安银行，光大银行）和3家城市银行（北京银行，南京银行，宁波银行）。本文选择我国上市商业银行的股票收益率作为研究金融机构关联度的变量来构建向量自回归模型。考虑到数据的可得性和数据的完整性，本文选取样本银行2010年9月2日到2020年12月28日共533个周股票收益率数据，数据来源为国泰安经济金融数据库。

（二）实证分析与结果

本文首先对所选取的15个时间序列数据进行ADF平稳性检验，发现各收益率序列皆平稳。进行最优滞后阶数的选择后建立VAR（1）模型，并通过了稳定性检验。进行广义方差分解得到关联矩阵后，对上市商业银行的风险溢出水平和风险吸收水平进行排序。

观察表中结果可以看到第一，从整体来看，我国商业银行的关联性较大，不同商业银行之间的关联度差异也较大。其中国有商业银行与其他银行之间的关联度处于中上水平，一些较大的股份制银行与城市银行如光大银行，宁波银行与其他银行的关联度很高。第二，国有商业银行的风险吸收水平一般要大于股份制银行和城市商业银行，这与国有银行业务范围广，资本体量大与同业之间交易较多有关。因此当其他商业银行发生冲击时，国有商业银行容易受到影响。虽然国有商业银行拥有庞大资本体量来对抗市场波动但是较高的风险吸收也意味着其面临着更大的潜在风险压力，因此应当重视监管同时提高自身的抗风险能力。第三，从风险溢出水平来看，各银行表现的风险传染性差异较大。总的来看国有银行的风险溢出水平普遍较高，说明国有银行在银行关联网络中占据重要的位置，是风险最主要的传播者，也说明了国有银行在商业银行关联网络中的系统重要性。第四，光大银行无论是风险吸收水平还是风险溢出水平均排名第一，也是风险溢出和吸收水平前五名的唯一一家非国有银行。说明一些非国有银行在不断发展自身业务的同时其系统重要性也在提高，较高的风险溢出水平意味着其具有较大的影响力，而较高的风险吸收水平说明其易受到其他银行的影响，在发生金融危机时容易被波及，有关部门在监管时应当重点关注。

四、研究结论

本文选取我国商业银行的日股票收益率数据，利用广义方差分解法进行关联网络的构建，刻画了包括国有银行，股份制银行和城市银行在内的15家商业银行的关联度矩阵，发现我国商业银行整体关联水平较高，容易发生风险传染。国有银行仍然在我国银行系统中占据重要的位置，其风险吸收和溢出水平一般要高于股份制银行和城市商业银行。一些发展迅速的股份制银行和城商行由于近年来为谋求发展进行业务转型与金融创新，可能会进行更多的风险投资等活动，使其具有较高的风险溢出水平和风险吸收水平，因此也具有较高的系统重要性。

综合以上分析和结论，本文认为我国对商业银行体系的监管不能放松，除了传统的大型商业银行，对一些近年来发展迅速，业务多元化的商业银行应当加大监管力度，尤其是一些股份制商业银行，其自身抵御风险的能力不强，却在银行系统中拥有较高的风险传染强度，对这类银行应当实行差异化监管，提高对风险的警惕程度。监管部门还应当将一些金融创新活动，新型业务等纳入监管范围，对转型中的商业银行的业务制定合理的监管标准，预防风险的发生。