基于分位數(shù)回歸的浙江上市金融機(jī)構(gòu)系統(tǒng)性金融風(fēng)險(xiǎn)分析

一、系統(tǒng)性金融風(fēng)險(xiǎn)的成因分析金融機(jī)構(gòu)的內(nèi)在脆弱性是導(dǎo)致系統(tǒng)性風(fēng)險(xiǎn)爆發(fā)的原因。金融機(jī)構(gòu)內(nèi)在的脆弱性主要有三個方面：一是信息不對稱的存在，由股票、基金、保險(xiǎn)、債券等多個市場組成的金融市場體系龐大，包含多個金融主體，更易導(dǎo)致產(chǎn)生信息不對稱的問題，引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)；二是金融機(jī)構(gòu)具有高杠桿性，銀行機(jī)構(gòu)的高負(fù)債率，金融衍生品的高杠桿，嚴(yán)重時會影響金融體系的結(jié)構(gòu)性問題；三是經(jīng)濟(jì)運(yùn)行存在周期性，隨著經(jīng)濟(jì)的快速發(fā)展，預(yù)期收入的上升會使企業(yè)開始高杠桿經(jīng)營模式，從而導(dǎo)致金融市場的穩(wěn)定性下降，金融體系的內(nèi)在脆弱性加強(qiáng)，最終進(jìn)入衰退期。由于外在因素的變動，體系內(nèi)的機(jī)構(gòu)和市場會受到?jīng)_擊，穩(wěn)定性降低。這些影響因素主要有變動的多項(xiàng)指標(biāo)、國際動態(tài)等，這些現(xiàn)象都是增加風(fēng)險(xiǎn)的主要原因。其主要的外部因素表現(xiàn)為不定的變動存在于金融周期之中，現(xiàn)實(shí)中的市場參與者并非都是理性的，金融監(jiān)管體系的不完善。二、基于分位數(shù)回歸的CoVaR度量CoVaR方法是VaR方法的改進(jìn)和延伸。VaR的定義是收益率的q分位數(shù)，即在規(guī)定的持有期期間，在特定置信水平下，投資組合可能產(chǎn)生的最大損害。機(jī)構(gòu)管理者通過VaR方法，可以設(shè)置出符合自身的管理機(jī)制，但同時機(jī)構(gòu)與機(jī)構(gòu)之間的風(fēng)險(xiǎn)溢出效應(yīng)卻沒有辦法得到度量。CoVaR方法測量了系統(tǒng)風(fēng)險(xiǎn)對金融系統(tǒng)的個別貢獻(xiàn)以及外部性和外溢效應(yīng)，更好地反映了單個金融機(jī)構(gòu)對金融系統(tǒng)的系統(tǒng)重要性。為了研究兩個金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)溢出關(guān)系，本文運(yùn)用靜態(tài)CoVaR模型。建立分析兩個金融機(jī)構(gòu)回報(bào)率之間的關(guān)系，定義兩個機(jī)構(gòu)為系統(tǒng)s和機(jī)構(gòu)i，在機(jī)構(gòu)損失為Xi的情況下，可以得出：其中中表示一定置信水平下機(jī)構(gòu)i損失為Xi的條件下體統(tǒng)q分位數(shù)損失估計(jì)值。因此，根據(jù)VaR的定義，可以得出：CoVaR是機(jī)構(gòu)i的VaR下的條件VaR，其本質(zhì)也是VaR，因此分位數(shù)回歸得到的系統(tǒng)基于機(jī)構(gòu)i損失的條件下?lián)p失的預(yù)測值就是Xi條件下的VaR值。其中是條件分位數(shù)，當(dāng)Xi取時，可以計(jì)算出機(jī)構(gòu)i的CoVaR值，其結(jié)果：本文的分位數(shù)回歸采用的是5%分位數(shù)水平，置信區(qū)間為95%的風(fēng)險(xiǎn)溢出效應(yīng)，其中分位數(shù)q=0.5為正常情況下機(jī)構(gòu)i的可以由機(jī)構(gòu)i的收益率序列的q分位數(shù)得到，所以風(fēng)險(xiǎn)溢出值為：在實(shí)際金融體系的問題中，因?yàn)楹暧^經(jīng)濟(jì)變化在一定程度會影響系統(tǒng)性風(fēng)險(xiǎn)的傳播，導(dǎo)致金融市場的環(huán)境多變?？紤]到宏觀經(jīng)濟(jì)波動的影響，將引入狀態(tài)變量來構(gòu)建動態(tài)CoVaR模型，根據(jù)文獻(xiàn)的計(jì)算方法可以得出：在此基礎(chǔ)上，可以運(yùn)用分位數(shù)回歸方程的參數(shù)估計(jì)值得出VaR和CoVaR，其結(jié)果表達(dá)為：在分位數(shù)q=0.5的情況下，可以計(jì)算得出每個機(jī)構(gòu)的ΔCoVaR，表達(dá)式為：三、實(shí)證研究（一）樣本選取和數(shù)據(jù)處理本文選取浙江省上市金融機(jī)構(gòu)共9家，其中銀行機(jī)構(gòu)3家：寧波銀行、杭州銀行、浙商銀行，證券期貨機(jī)構(gòu)3家：財(cái)通證券、浙商證券、南華期貨，其他金融機(jī)構(gòu)3家：仁東控股、同花順、浙江東方。在這9家金融機(jī)構(gòu)中選取研究對象時，不包括浙商銀行和南華期貨，因?yàn)檫@兩家金融機(jī)構(gòu)上市時間較晚?？紤]到數(shù)據(jù)的可得性，選擇2018年12月1日至2020年12月31日的數(shù)據(jù)作為樣本數(shù)據(jù)。本文變量有兩個，單個金融機(jī)構(gòu)收益率和金融系統(tǒng)的收益率，其中，t時刻單個金融機(jī)構(gòu)的收益率rt的定義為：其中Pt和Pt+1分別是該上市金融機(jī)構(gòu)的股票在t交易日和t+1交易日收盤價格，rt衡量的是該金融機(jī)構(gòu)股票在t時刻的對數(shù)收益率。金融體系的收益率則是選取全指金融指數(shù)作為對金融體系的衡量，收益率公式為：其中P和P分別是全指金tt+1融指數(shù)在t交易日和t+1交易日的收盤價格，rt衡量的是全指金融指數(shù)在t時刻的對數(shù)收益率。我們選擇市場波動率、流動性價差和期限價差三個狀態(tài)變量。其中，市場波動率為基于GARCH模型的滬深300指數(shù)收益率；流動性價差為：3個月shibor-3個國債到期收益率；期限價差為：10年國債到期收益率-1年國債到期收益率。（二）正態(tài)性和平穩(wěn)性檢驗(yàn)將變量金融系統(tǒng)、寧波銀行、杭州銀行、財(cái)通證券、浙商證券、仁東控股、同花順、浙江東方分別命名為S、V1、V2、V3、V4、V5、V6、V7，對金融系統(tǒng)及各個金融機(jī)構(gòu)的日收益率序列進(jìn)行描述性統(tǒng)計(jì)，其整理結(jié)果如表1所示。表1金融系統(tǒng)和金融機(jī)構(gòu)數(shù)據(jù)分析結(jié)果從表1可以看出，各機(jī)構(gòu)和金融系統(tǒng)的收益率不遵循正態(tài)分布。遵循正態(tài)分布的變量通常峰值為3且偏差為0。上述機(jī)構(gòu)樣本峰值均大于標(biāo)準(zhǔn)正態(tài)分布且偏差不為零。表中Jarque-Bera值較大，P值均為0，所有樣本的序列拒絕遵循正態(tài)分布的原始假設(shè)。（三）基于靜態(tài)CoVaR模型的風(fēng)險(xiǎn)測度根據(jù)上述的靜態(tài)CoVaR模型，將選取的數(shù)據(jù)導(dǎo)入EViews，以浙江東方為例，測算結(jié)果如表2，并對各個金融機(jī)構(gòu)的分位數(shù)回歸結(jié)果進(jìn)行整理，如表3所示。表2浙江東方數(shù)據(jù)分位數(shù)回歸結(jié)果表3各個金融機(jī)構(gòu)數(shù)據(jù)分位數(shù)回歸結(jié)果（四）基于靜態(tài)CoVaR模型的度量結(jié)果從個體風(fēng)險(xiǎn)水平的角度來看，比較VaR值，即證券機(jī)構(gòu)的VaR值相比于銀行機(jī)構(gòu)的VaR，其值較小，而同花順的VaR值在所有金融機(jī)構(gòu)樣本數(shù)據(jù)的最末位，其VaR值為-0.051806633，說明同花順具有較好的自身風(fēng)險(xiǎn)控制能力。從行業(yè)的影響程度來看，即比較CoVaR值。在所選金融機(jī)構(gòu)樣本中，寧波銀行和同花順相比于其他金融機(jī)構(gòu)排名靠前，是所選樣本中造成金融體系條件在險(xiǎn)價值最大的兩個機(jī)構(gòu)，其CoVaR值分別為-0.031624316和-0.031779376。以系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)為切入點(diǎn)，即比較ΔCoVaR值。銀行業(yè)金融機(jī)構(gòu)對整個金融體系的風(fēng)險(xiǎn)有很大的影響作用，即當(dāng)銀行業(yè)金融機(jī)構(gòu)出現(xiàn)危機(jī)時，金融體系內(nèi)會產(chǎn)生產(chǎn)生較大的風(fēng)險(xiǎn)，在所選取的上市金融機(jī)構(gòu)樣本中，寧波銀行對整個金融體系的風(fēng)險(xiǎn)貢獻(xiàn)最顯著；同時，也反映出寧波銀行的多元化程度較高，對金融體系系統(tǒng)性風(fēng)險(xiǎn)有重要的影響力。（五）基于動態(tài)CoVaR模型的風(fēng)險(xiǎn)測度各個金融機(jī)構(gòu)對系統(tǒng)性風(fēng)險(xiǎn)的收益率方程的系數(shù)回歸結(jié)果如表4所示。表4金融機(jī)構(gòu)分位數(shù)回歸系數(shù)的估計(jì)結(jié)果（六）基于動態(tài)CoVaR模型的度量結(jié)果對上表的各個狀態(tài)變量的估計(jì)系數(shù)觀察可以看出，在代表各個金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)貢獻(xiàn)系數(shù)β中，即表中第三列數(shù)據(jù)，發(fā)現(xiàn)寧波銀行系數(shù)為0.532898，排在首位，第二名為杭州銀行，其系數(shù)值為0.459757，說明寧波銀行和杭州銀行自身風(fēng)險(xiǎn)水平會較大影響到極端情況下其對金融體系的風(fēng)險(xiǎn)溢出，相比證券機(jī)構(gòu)和其他金融機(jī)構(gòu)，金融體系中的銀行機(jī)構(gòu)起著極為重要的影響。以分位數(shù)q=0.05表示極端市場狀態(tài)，分位數(shù)q=0.5為正常情況進(jìn)行分位數(shù)回歸，得出各個金融機(jī)構(gòu)在此分位數(shù)水平下的VaR和ΔCoVaR，其結(jié)果如表5所示。表5金融機(jī)構(gòu)系統(tǒng)風(fēng)險(xiǎn)溢出值△CoVaR及其排名將各個ΔCoVaR值的進(jìn)行比較，發(fā)現(xiàn)寧波銀行被排名在首位，即整個金融體系或市場會被寧波銀行發(fā)生的風(fēng)險(xiǎn)產(chǎn)生較為大的影響。銀行機(jī)構(gòu)的ΔCoVaR值相比于證券機(jī)構(gòu)和其他金融機(jī)構(gòu)的值更小，即當(dāng)銀行機(jī)構(gòu)發(fā)生風(fēng)險(xiǎn)時，其對整個金融體系或市場會產(chǎn)生較大的影響。四、結(jié)束語通過對分位數(shù)回歸的CoVaR模型的使用，測量了浙江省金融機(jī)構(gòu)的風(fēng)險(xiǎn)，得出了相關(guān)的結(jié)論如下。第一，通過實(shí)證研究和分析證實(shí)了CoVaR模型是一種相對更為全面適宜的的度量方法。不僅可以測量系統(tǒng)風(fēng)險(xiǎn)對整個金融體系的波及效果，還可以有效測量金融機(jī)構(gòu)之間的系統(tǒng)風(fēng)險(xiǎn)波及效果。此外，預(yù)警和防范可以通過這種方法被有效地執(zhí)行。第二，銀行機(jī)構(gòu)在控制金融風(fēng)險(xiǎn)方面的能力較強(qiáng)，證券機(jī)構(gòu)和其他金融機(jī)構(gòu)相對較弱。以寧波銀行和杭州銀行為例，區(qū)域性銀行在抵御風(fēng)險(xiǎn)溢出的能力上較為良好，此外當(dāng)銀行機(jī)構(gòu)發(fā)生風(fēng)險(xiǎn)時會對整個金融體系和金融市場產(chǎn)生較大的影響。第三，金融體系內(nèi)不同的金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出