商业银行金融创新与系统性风险

来源:用户上传      作者:

　　摘   要：本文利用2007—2018年间我国商业银行金融创新财务数据和基于尾部依赖度量的系统性风险，分析了商业银行金融创新对系统性风险的影响。结果显示：第一，我国商业银行金融创新在经济上行时期会降低系统性风险，在经济下行时期会增加系统性风险;第二，按照不同类型商业银行金融创新来看，在经济下行时期，商业银行衍生金融负债业务、理财及代理业务创新会增加系统性风险，而衍生金融资产业务和信贷业务创新会降低系统性风险。本文对实证结果提供了可能的经济学解释，并基于实证结果及原因，进一步提出了相应的监管措施和政策建议。
　　关键词：商业银行;金融创新;系统性风险
　　中图分类号：F830.91  文献标识码：B  文章编号：1674-2265（2020）02-0085-05
　　DOI：10.19647/j.cnki.37-1462/f.2020.02.011
　　一、引言
　　金融创新有利于转移和分散金融机构的风险（Merton，1992;Tufano，2002），降低金融交易成本（Niehans和Jurg，1983），有效优化资源配置，提高生产效率，促进经济发展。但是，从历次的金融危机不难看出，金融创新也会给金融机构带来风险，给整个金融体系带来冲击。1995年英国巴林银行因期货经理投资日经225股指期货失利而倒闭;1998年美国对冲基金长期资本管理公司因国际经济形势波动而倒闭，而当时该公司重要业务就是通过买卖各类型金融衍生品获利;2008年美国次贷危机也被认为是由次级按揭贷款、次级债券（包括美国住房抵押贷款支持债券、债务抵押债券和信用违约互换等）引发的。
　　对于金融创新对金融业乃至宏观经济稳定有何影响，金融创新是否会影响系统性风险，目前国内外已有较多学者进行了研究。Bliss和Kaufman（2006）指出衍生品市场是金融市场中系统性风险的主要来源。BIS（2008）则认为金融创新掩盖信用衍生品的风险，一旦基础资产出现问题（比如次级贷款），金融创新就会产生金融冲击的系统性放大作用，不利于金融体系的稳定。Instefjord（2005）认为信用衍生产品通过对冲参数引起了风险共担，由此给金融机构带来了更大的风险。Battaglia和Gallo（2013）通过研究意大利2000—2009年的商业银行数据发现，与没有证券化的商业银行相比，证券化的银行风险暴露更大，与此同时，证券化也增加了银行业系统性风险暴露。Markose（2012）认为为证券化资产提供保险和再保险的机构数量减少是出现太关联而不能倒的重要原因，而太关联而不能倒也是系统性风险的表现形式。Gennaioli等（2012）从金融创新的需求方出发，认为当投资者意识到风险存在时，他们将撤离资金转向稳定性较高的传统证券，市场就出现不稳定现象。陆晓明（2008）提出金融产品创新往往夸大其利忽视其弊，证券化过程会增加资本市场与信贷市场的一体化，具有系统性风险倾向。一些学者研究了在不同经济周期阶段金融创新活动对系统性风险的影响：Cerasi和Rochet（2012）指出证券化在经济稳态时期为较好的融资工具，但是在经济下行时期应该被限制。
　　与国外金融业相比，我国金融系统有其自身特点，社会融资结构中以银行为主的间接融资渠道占了较大比例。虽然近年来我国直接融资比例有所增加，但是仍然低于欧美发达国家水平。那么，我国商业银行金融创新是怎样影响系统性风险？本文就我国商业银行金融创新对银行业系统性风险的影响机制展开分析。
　　二、商业银行金融创新与系统性风险度量
　　（一）系统性风险度量
　　根据Bernanke（2009）的研究，系统性风险可以理解成一个金融机构面临损失时会“传染”给其他金融机构或者整个金融行业的风险。实际上分为两个动态过程：第一，单个或某些金融机构由于受到金融冲击面临极端风险，这实际上强调了风险的规模之大和程度之深。而从统计学的角度来看，这实际上可以利用损失分布的尾部（Tail）来描述。第二，风险在金融机构之间传染和蔓延，最后危及整个金融行业甚至实体经济。因此，从微观视角来看，系统性风险强调了微观金融机构之间的风险传染和蔓延，也就可以利用主体之间的风险相依性来描述。基于此，本文利用时变Joe-Clayton Copula函数度量尾部依赖来衡量系统性风险。其中，二元Joe-Clayton Copula分布函数为：
　　在选用数据方面，朱元倩和苗雨峰（2012）做了具体的分类，这里考虑到系统性风险应该同时从空间和时间两个方面来度量，同时考虑面对突发事件背景下商业银行爆发危机对整个金融体系的影响，从而突出商业银行在系统性风险中的贡献，因此选用包含信息较多的证券市场日数据。
　　（二）商业银行金融创新测度
　　关于商业银行金融创新的测度，不同的学者选用不同的指标。Lerner（2006）指出许多金融机构实际上是缺少研发支出数据;Beck等（2009）利用标准化的银行业研发费用作为对金融机构金融创新水平的测度;Kim等（2012）在分析国家层面的金融创新与金融危机关系时，利用利率衍生工具、风险资本（VC）和私募股权投资（PE）以及证券化构建一个新指标。
　　本文试图从微观层面来度量商业银行的金融创新活动对系统性风险的影响。商业银行金融创新业务包括多个方面，具体来看有投资、信贷、理财以及代理业务创新等。为了全面度量商业银行金融创新，选用商业银行衍生金融资产占比（asset）、衍生金融负债占比（liability）、利息净收入占比（interest）、手续费及佣金收入占比（commission）、其他业务净收益占比（other）分別度量证券化业务、信贷业务、理财业务以及代理业务金融创新。同时考虑到资产负债表各项金融创新可能有交叉重叠信息，进一步利用主成分分析构建商业银行金融创新水平（innova）评价体系。 　　三、模型、数据与变量
　　（一）模型
　　由于在牛市和熊市不同时期商业银行金融创新对系统性风险的影响可能不同，因此本文区分经济上行和经济下行阶段来研究金融创新与系统性风险之间的关系。其中经济发展阶段的划分参照彭志胜和宋福铁（2013）关于牛市和熊市的划分。为了排除宏观经济环境以及行业特征对系统性风险的影响，本文选取行业因子（indu）和国内经济景气指数（eco）为控制变量。其中，行业因子（indu）为证监会分类下行业收益率标准差，国内景气指数（eco）为中国宏观经济景气指数。基于此，构建商业银行金融创新对系统性风险影响模型如下：
　　其中模型（4）考虑资产负债表具有重叠信息后，利用主成分分析商业银行金融创新对系统性风险的影响。模型（5）主要是为了研究商业银行在证券化业务、信贷业务、理财业务以及代理业务等方面的金融创新对系统性风险影响。同时，我们考虑经济上下行不同时期，模型（4）和模型（5）中商业银行金融创新对系统性风险影响的差异。
　　（二）数据来源
　　选取2007年1月到2018年12月的32家A股上市商业银行的财务数据以及各家商业银行和沪深300的日收盘指数作为研究对象。其中，A股上市商业银行的财务数据来源于各家商业银行的季报以及年报，商业银行日收盘价数据来自锐思数据库，沪深300指数数据来自万得数据库。
　　（三）基于尾部依赖的金融业系统性风险
　　32家商业银行股票中有24家的对数收益率呈现出左偏，8家对数收益率呈现出右偏，均不服从正态分布①。从32家商业银行股票对数收益率的峰态来看，均出现尖峰现象。对于这种尖峰高频数据处理常用到自回归条件异方差模型（ARCH）和随机波动模型（Stochastic Volatility Model）。考虑到ARCH类模型不能解释波动集群性以及参数估计不稳定等其他一系列缺点，本文选用SV模型作为边缘分布来描述商业银行对数收益率以及沪深300指数。32家商业银行和沪深300序列的平稳性检验发现，原始序列ADF检验中F统计量的P值均小于0.01，说明原始序列平稳。因此，可以直接采用原始序列进行分析。
　　对商业银行和沪深300指数序列利用SV模型②进行拟合。首先进行KS检验，发现SV-T和SV-GED都无法拒绝原假设，这其中的原因可能是KS检验的势很低。对SV-T模型和SV-GED模型的结果进行比较，考虑到信息准则本质上使用了拟合的对数似然函数值，本身可以反映拟合效果，进一步利用AIC信息准则进行拟合度检验优度比较见表1，结果显示，SV-GED模型对32家商业银行和沪深300的AIC值更小，更适合作为边缘分布。因此，本文选用SV-GED模型来描述32家商业银行和沪深300时间序列，以此作为边缘分布。
　　在确定边缘分布以后，进一步估计出时变尾部依赖参数值（见表2），并度量商业银行与沪深300之间的下尾部依赖系数。由商业银行与沪深300之间的下尾部依赖系数可以得到不同商业银行对系统性风险的贡献值④。
　　（四）基于主成分分析的金融创新
　　考虑到商业银行资产负债表中包含的金融创新信息可能重叠，使用主成分分析进行信息压缩，得到最大的特征根为0.5492，包含了原来数据信息的97.83%;第二个特征根为0.0140，解释了1.79%的信息。仅选取前两个主成分，已经可以保留原来数据99.62%的信息。其中，主成分与变量之间的关系（载荷）为：
　　其中，[Scoret]表示[t]时刻[xt]的评价值，[xst]为不容许值，[xht]为满意值，[a]和[b]是参数，在本文中分别取100和-0.3567。指数功效函数在计算的时候不需要使用均值，而且指标的评价值更加稳定，也便于历史数据之间的比较。由此，得出各个季度的金融创新得分序列⑤。
　　四、实证分析
　　（一）实证结果
　　金融创新对系统性风险影响的实证结果如表3所示。从实证结果可以看出：
　　第一，无论是经济上行时期还是经济下行时期，商业银行金融创新活动均对系统性风险有显著影响。从模型（4）的回归结果来看，经济上行时期商业银行金融创新降低了系统性风险;而在经济下行时期增加了系统性风险。该结论与Cerasi和Rochet（2012）的结论是一致的。通过模型（5）的回归结果，可以看出不同类型的金融创新对系统性风险影响存在差异。在经济上行时期，衍生金融资产占比、手续费及佣金收入占比、其他业务净收益占比代表的商业银行业务均对系统性风险具有显著的负向影响，而利息净收入占比代表的信贷业务对系统性风险具有显著的正向影响，衍生金融负债占比对系统性风险的影响则表现出不显著。在经济下行时期，衍生金融资产占比和利息净收入占比降低了系统性风险，而衍生金融负债占比、手续费及佣金收入占比、其他业务净收益占比增加均会显著增加系统性风险。
　　第二，衍生金融资产与衍生负债业务创新对系统性风险的影响具有差异。无论是经济上下行时期，商业银行衍生金融资产业务创新对系统性风险都有显著的抑制作用，而衍生金融负债业务创新对系统性风险具有促进作用，特别是经济下行时期表现非常显著。
　　第三，商业银行的信贷业务创新在经济上下行时期对系统性风险的影响具有差异。信贷业务金融创新在上行时期会增加系统性风险，但是在经济下行时期却会降低系统性风险。原因可能在于，在经济上行时期，商业银行流动性充裕，信贷业务创新将会降低对客户的信用要求，扩大信贷业务规模，增加信贷业务的风险。从系统性视角来看，商业银行无论从信贷总量上还是从信贷往来业务风险上都增加了与客户的风险相依性。但信贷业务创新在经济下行时期会降低系统性风险。经济下行时期商业银行信贷业务创新会增加对客户信用评级的要求，收缩信贷量以保证自身流动性供给，从而降低系统性风险。
　　第四，商业银行理财以及其他代理业务在经济上下行时期对系统性风险的影响具有差异。理财以及代理业务创新在经济上行时期会降低系统性风险，在经济下行时期会增加系统性风险。在经济上行时期，资金面較为宽松，市场流动性充裕，商业银行可充分利用该途径来融资。但是由于存在期限错配，经济下行时期，商业银行通过理财产品等融资能力缩减，可能潜在流动性风险，进而影响其他商业银行流动性，表现出系统性风险。 　　（二）稳健性检验
　　为了验证本文结论的稳健性，进行以下尝试：第一，在数据分析时，尝试将数据时期扩展一年，加上2006年的数据进行分析，结论没有明显变化，特别是交叉项部分和主要变量的符号和显著性。第二，考虑误差项本身对稳健性的影响。分别假定被解释变量满足Gamma分布和指数分布来建立模型，符号和显著性没有明显变化。第三，估计过程中实际使用的是极大似然估计，而且在方差协方差矩阵上使用了Newly-West加权调整，以增强稳健性。第四，进行变量替换的检验，把金融创新评分用因子分析的评分替换。实证结果均支持上述实证分析结论。
　　五、政策建议
　　本文利用选取2007年1月到2018年12月的32家A股上市商业银行数据，实证分析了金融创新对系统性风险的影响机制。基于研究结论，提出以下建议：一是加强对商业银行的综合经营和跨市场金融创新监管，将加强监管与优化服务统一起来。可借鉴英美及欧盟相继出台的“结构性改革方案”，对商业银行的信贷、理财、代理以及投资等方面的金融创新设立“栅栏”，防止不同业务风险传染。二是严格落实商业银行资本金要求，加强商业银行金融创新业务审核，避免商业银行金融创新业务导致高杠杆率。三是加强对商业银行流动性“逆周期”监管，守住不发生系统性风险的底线。
　　注：
　　①实际上我们同时进行了Shapiro检验和K-S检验，也拒绝了正态性原假设。如有需要，可向作者索取。
　　②常用的SV模型主要包括SV-t模型和SV-GED模型，其中SV-t模型和SV-GED模型在表2中給出，本文在两者中择优进行下一步分析。
　　③这里对商业银行的名称做脱敏处理，利用编码来代替，下同。
　　④限于篇幅此处省略，如有需要可向作者索取。
　　⑤限于篇幅此处省略，如有需要可向作者索要。
　　参考文献：
　　[1]Battaglia F，Gallo A. 2013. Securitization and Systemic Risk：An Empirical Investigation on Italian Banks over the Financial Crisis [J].International Review of Financial Analysis，30（4）.
　　[2]Markose S，Giansante S， Shaghaghi A R. 2012. “Too Interconnected to Fail” Financial Network of US CDS Market：Topological Fragility and Systemic Risk [J].Journal of Economic Behavior&Organization，83（3）.
　　[3]Gennalil N，Shleifer A，Vishny R. 2012. Neglected Risks，Financial Innovation，and Financial Fragility [J].Journal of Financial Economics，104（3）.
　　[4]Kim T，Koo B，Park M. 2013. Role of Financial Regulation and Innovation in the Financial Crisis [J].Journal of Financial Stability，9（4）.
　　[5]吴卫星，张琳琬，颜建晔.金融系统风险的成因、传导机制和度量：一个综述 [J].国际商务，2014，（1）.
　　[6]蒋涛，李政宵.我国金融业系统性风险结构度量 [J].合肥学院学报，2016，（10）.
　　[7]谢远涛，蒋涛，杨娟.基于尾部依赖的保险业系统性风险度量 [J].系统工程理论与实践，2014，（8）.
　　[8]蒋涛，吴卫星，王天一，沈涛.金融业系统性风险度量——基于尾部依赖视角 [J].系统工程理论与实践，2014，34.
　　[9]朱元倩，苗雨峰.关于系统性风险度量和预警的模型综述 [J].国际金融研究，2012，（1）.
　　[10]彭志胜，宋福铁.不同市场形态对分红减少价格反应的影响分析——牛熊市初后期和长短期视角 [J].上海经济研究，2013，（6）.
　　[11]吴卫星，蒋涛，吴锟.融资流动性与系统性风险——兼论市场机制能否在流动性危机中起到作用 [J].经济学动态，2015，（3）.
转载注明来源:https://www.xzbu.com/3/view-15132987.htm