一、 引言

担保是一种存在于社会经济活动中的常见契约关系，当债务人无法向债权人足额偿付债务时，担保人则替代债务人承担偿还责任。这一契约关系，可依据其是否具有严格的合同与法律效力，区分为显性担保与隐性担保(Lai，1992)；也可依据担保行为主体具有的是私人部门性质还是公共部门性质进行区分，而具有公共部门性质的担保机构受益于政府的高信用度，具有更强的担保效果。

由于历史原因以及现实因素的制约，我国银行机构长期处于政府隐性担保的保护中，优胜劣汰的市场化力量无法发挥应有的作用。优胜劣汰机制将导致资本充足率水平较低、经营不善的银行机构退出市场，银行业将通过兼并收购与破产处置等活动实现整体经营效率的提高，但政府隐性担保的存在阻碍了这一系列优化活动的实现，而政府为银行机构提供救助的成本也将转嫁给广大纳税人，损害公众利益。政府隐性担保削弱了市场纪律性，容易引致道德风险等问题，将导致银行个体风险以及银行业系统性风险的积聚，加重我国银行体系的脆弱性，最终将威胁我国当前“供给侧改革”等多项改革攻坚战的顺利推进，特别是在我国宏观经济运行将在未来一段时间内处于L型阶段的背景下，银行业能否提高效率以对我国实体经济形成有力支撑，显得尤为关键。

近日，中国人民银行副行长张涛在2016陆家嘴论坛发表演讲时指出：“要允许金融机构有序破产，该倒闭的倒闭”。这一论断强调了优胜劣汰机制对银行业健康持续发展的关键作用，结合已经推出的存款保险制度以及正在不断完善中的利率市场化改革，允许银行机构有序破产倒闭将成为必然趋势。而从隐性担保转变到允许优胜劣汰，我国银行业是否能够平稳过渡？在这一转变过程中是否将导致系统性风险的大幅度上升？是否将引致系统性风险的爆发？均是值得深究的问题。本文通过运用经拓展的矩阵法对我国银行业的系统性风险进行测度，探讨从隐性担保到优胜劣汰过程中相应系统性风险的变化情况，以期为我国金融市场以及我国经济的健康稳定发展提供政策建议。

本文其它部分安排如下：第二部分将对现有文献中关于我国银行业隐性担保问题、系统性风险、矩阵法等内容进行梳理，为后续的研究建立研究框架；第三部分构建数值模拟模型；第四部分对相关数据来源进行说明，并设定重要的参数；第五部分在不同假设条件下进行数值模拟，并对相应结果进行对比分析；最后一部分提出政策建议。

二、 文献综述

我国银行机构的政府隐性担保问题已经得到了广泛研究，一般认为我国银行业中的政府隐性担保问题具有普遍性，但机构间所受隐性担保程度有所不同且国有商业银行受到更强的保护，而随着我国银行业各项市场化改革的推进，政府隐性担保的影响近年来有所减弱。张军(1994)指出，由于我国国有商业银行由国家独资组建，其与国家之间存在着一种隐性的长期合约关系；张杰(2001)认为，我国商业银行由于具有国家的隐性担保保护而具备较高的信用度，短期内促进了我国银行业体系的发展，但同时也会诱发金融体系内的寻租行为与灰色交易；张正平、何广文(2005)通过实证研究发现，我国银行机构的风险水平并不显著影响其存款利息支出与存款规模增长，银行业市场约束力非常微弱，认为我国隐性保险几乎覆盖了所有银行；喻鑫等(2009)研究发现在2006年之后，我国银行机构的风险因素与其次级债收益率之间的相关性显著增强，而此前两者的不相关性与国有商业银行“大而不倒”的隐性担保预期有关，2006年之后我国银行次级债券市场对银行机构的约束效果得到显著增强；李峰(2011)对我国隐形担保机制的形成背景进行了总结，并研究了该特殊背景下我国银行中介发展与经济发展之间的关系；王晓晗和杨朝军(2014)也研究了我国银行业在国家隐性保险背景下市场约束机制的有效性问题，指出大型商业银行受到的市场约束效应显著弱于其它商业银行；李敏波(2015)在我国16家上市商业银行存款保险费率的测算中引入了政府隐性担保的因素，指出不同银行所获得的隐性担保程度存在差异。

系统性风险的传染机制主要分为直接传染与间接传染(Allen et al，2009)，为对相关机制转变进行量化研究，本文主要关注直接传染风险这一系统性风险的重要组成部分。直接传染风险主要关注金融机构相互间的头寸，关注因机构间直接的业务往来而使得个体机构的风险在整个系统之内传播、放大。Stiglitz(1994)认为，银行个体之间复杂紧密的直接业务往来催生了金融资产风险的传染性，银行个体的资产遭受贬值将最终损害系统的整体稳定；Allen & Gale(2000)和Freixas et al(2000)则研究了在个体银行由不同类型的网络结构相联结时，银行系统如何对风险传染作出反应，发现风险在不完全的网络结构完全的网络结构指银行个体两两之间均存在业务联系，对整个系统而言交易结构较为分散；而不完全的网络结构则指市场中的交易主要集中于某个或某几个银行个体，交易结构较为集中。中更容易进行传播，而更强的联系降低了联合违约的可能性，但是当危机爆发时机构间的直接相关将造成更严重的损失。

对于直接传染风险的测度方法，主要是基于矩阵法。矩阵法的基本思想是一家机构倒闭对其他机构造成损失致使其他机构倒闭，使用最终所引起的损失来衡量系统性风险的传染程度(Wells，2002)。该方法重视风险的传染效应，认为银行业系统性风险通过银行同业交易市场中的信贷关系进行传染，使用数值模拟测算银行间市场的交易头寸来量化银行两两之间的联系，而该方法一个传统的重要前提假设即是所有银行均可出现破产倒闭，即优胜劣汰是可实现的。国内外使用矩阵法来测度银行业系统性风险的研究比较丰富。Sheldon & Maurer(1998)利用瑞士银行体系中每家银行持有其他银行的同业总头寸数据，通过假设头寸分布与数值模拟，对瑞士银行业的传染风险进行测度；Furfine(2003)发现美国银行体系的系统性风险传染效应并不会持续多轮，且风险传染造成的损失很低；Upper & Worms(2004)运用矩阵法对德国的银行间同业市场进行研究，发现德国银行业的风险传染效应很强；包全永(2005)运用矩阵法分析了我国银行业系统性风险的传染机制，结果认为直接传染将使得我国银行体系的基础功能完全丧失；李宗怡等(2006)运用矩阵法分析我国银行业的系统性风险，认为直接传染风险在我国的银行体系中并不严重，即风险溢出效应并不显著；马君潞等(2007)运用矩阵法分析了我国银行间同业市场，认为该市场是以中国银行与建设银行为中心的网状结构；钱水土、王莉莉(2014)同样使用矩阵法研究了我国20家银行2008-2012年间的系统性风险；陈颖等(2014)则首次在矩阵法的框架下纳入回购市场，研究、对比我国20家银行2008年年末及2013年6月末的直接风险传染效应，指出回购业务等新型同业业务提高了我国银行体系的传染风险。

从以上文献综述可以发现，已有研究并未在矩阵法模拟过程中充分考虑我国银行业存在政府隐性担保，特别是国有银行存在政府隐性担保这一重要特征，更未有研究涉及由隐性担保转变为优胜劣汰机制对我国银行业系统性风险的影响，学界对这一重要的机制变化缺乏足够的关注。希望通过本文的研究分析，能够填补以上研究的空白。

三、 模型构建

传统的矩阵法首先假设银行体系内的任何一家银行均有可能发生倒闭，即优胜劣汰机制可以发挥作用。而政府不对任何一家银行实施救助，倒闭的银行只能部分偿还、甚至完全无法偿还其与银行同业间的债务，即相应头寸的违约损失率(LGD)大于0。同时，需要假定在风险传染期间，银行间的信贷关系不发生改变，或者可以认为这一风险传染速度非常快，没有银行个体来得及调整其同业头寸状况。具体的风险传染步骤可以总结如下：

第一轮传染：银行i最初出现破产。初始假设银行i破产，则该银行对同业机构的负债头寸将无法完全偿还，其他银行同业由于银行i的违约遭受了损失；

第二轮传染：银行i的破产导致另一家银行j破产。假设银行i对银行j的负债头寸为x_ij，那么银行i倒闭将导致无法偿还或者无法完全偿还这部分债务，则银行j在其中的损失为x_ij*LGD，假设银行j具有资本额为c_j，如果c_j ＜x_ij*LGD，即出现资本耗尽的情况，则银行j也发生破产；

第三轮传染：在前两轮传染中破产的银行i和银行j引起银行k破产。假设银行i对银行k的负债头寸为x_ik，银行j对银行k的负债头寸为x_jk，银行k在前两轮传染中一共遭受损失(x_ik+x_jk)*LGD，如果银行k的资本额c_k小于这一损失，即c_k＜(x_ik+x_jk)*LGD，则银行k也发生破产。

第四轮传染：重复上述传染步骤，破产银行数量与损失总额不断增加……

上述风险传染终结于不再有银行出现破产。经过t轮传染之后，直接传染风险损失即为整个银行体系发生的资产损失总额，具体数学表达如下：

$L_{direct,i}^{t}=\sum\limits_{{{c}_{it}}\le 0}{{{A}_{i}}}+\sum\limits_{{{c}_{it}}>0}{\left( {{c}_{i0}}-{{c}_{it}} \right)}$

(1)

其中，A_i表示银行i的总资产。

以上风险传染步骤需要获得银行两两之间的信贷头寸，也即是x_ij，由于银行报表中仅能获得银行对其所有银行同业的总体债权与债务，需要运用熵优化的方法求解出所需的双边信贷头寸矩阵。

假设市场中存在N家银行，其具体的银行同业间信贷关系可用双边头寸N×N矩阵表示：

$X=\left[ \begin{matrix} {{x}_{11}} & \cdots & {{x}_{1i}} & \cdots & {{x}_{1N}} \\ \vdots & \ddots & \vdots & {} & \vdots \\ {{x}_{i1}} & \cdots & {{x}_{ii}} & \cdots & {{x}_{iN}} \\ \vdots & {} & \vdots & \ddots & \vdots \\ {{x}_{Ni}} & \cdots & {{x}_{Ni}} & \cdots & {{x}_{NN}} \\ \end{matrix} \right]$

(2)

其中，x_ij表示银行i对银行j的负债头寸在整个银行间市场所有同业负债中的占比，自然有$\sum\limits_{i=1}^{N}{\sum\limits_{j=1}^{N}{{{x}_{ij}}=1}}$成立。假设l_i表示银行i的总同业负债占整个银行间市场总负债的比重，a_j表示银行j持有的总同业债权占银行间市场总债权的比重，故进一步有$\sum\limits_{j=1}^{N}{{{x}_{ij}}}={{l}_{i}},\sum\limits_{i=1}^{N}{{{x}_{ij}}}={{a}_{j}}$成立。

由于在现实中仅能从银行报表中获得l_i、a_j(i，j=1…N)的数据而无法获得x_ij的数据，故需要使用最大熵的方法对上述双边头寸矩阵进行优化求解，最大熵方法假设银行间的债务与债权关系尽可能分散。具体步骤如下：设(X，Y)为一个概率矩阵，其联合熵为：$H\left( x,y \right)=-\sum\limits_{i=1}^{N}{\sum\limits_{j=1}^{N}{{{p}_{ij}}}\ln }{{p}_{ij}}$，p_ij是X、Y的联合发生概率。对矩阵X而言，其信息熵可以以$-\sum\limits_{i=1}^{N}{\sum\limits_{j=1}^{N}{{{x}_{ij}}}\ln }{{x}_{ij}}$表示，求解矩阵中的元素x_ij转化为如下最优化问题：

$\begin{align} & \min \sum\limits_{i=1}^{N}{\sum\limits_{j=1}^{N}{{{x}_{ij}}}\ln }{{x}_{ij}}, \\ & s.t.\sum\limits_{j=1}^{N}{{{x}_{ij}}}={{l}_{i}},\sum\limits_{i=1}^{N}{{{x}_{ij}}}={{a}_{j}},{{x}_{ij}}\ge 0 \\ \end{align}$

(3)

求解该最优化问题得到x_ij⁰=l_ia_j，则过渡矩阵如下：

${{X}^{0}}=\left[ \begin{matrix} x_{11}^{0} & \cdots & x_{1i}^{0} & \cdots & x_{1N}^{0} \\ \vdots & \ddots & \vdots & {} & \vdots \\ x_{i1}^{0} & \cdots & x_{ii}^{0} & \cdots & x_{iN}^{0} \\ \vdots & {} & \vdots & \ddots & \vdots \\ x_{Ni}^{0} & \cdots & x_{Ni}^{0} & \cdots & x_{NN}^{0} \\ \end{matrix} \right]$

(4)

注意X⁰的主对角线元素可能非零，也就是说银行i可能与自己存在借贷关系，这不符合现实，故需要约束主对角线元素为零。但如果令x_ii=0，则无法满足上述最优化问题中的约束条件。为了同时满足对角线元素为零以及相关约束条件，只能最优化求解如下方程，使得X尽可能接近X⁰：

$\left( pl \right)\left\{ \begin{matrix} \min \sum\limits_{i=1}^{N}{\sum\limits_{j=1}^{N}{x_{ij}^{*}}\ln }\frac{x_{ij}^{*}}{x_{ij}^{0}} \\ \sum\limits_{j=1}^{N}{x_{ij}^{*}}={{l}_{i}},i=1\cdots N \\ s.t.\sum\limits_{i=1}^{N}{x_{ij}^{*}}={{a}_{j}},j=1\cdots N \\ x_{ij}^{*}\ge 0,Ii,j=1\cdots N \\ x_{ij}^{*}=0,i=j \\ \end{matrix} \right.$

(5)

运用Matlab编程求解上述方程，就得到了所求的银行间双边信贷头寸矩阵，最终结果表达如下：

${{X}^{*}}=\left[ \begin{matrix} x_{11}^{*} & \cdots & x_{1i}^{*} & \cdots & x_{1N}^{*} \\ \vdots & \ddots & \vdots & {} & \vdots \\ x_{i1}^{*} & \cdots & x_{ii}^{*} & \cdots & x_{iN}^{*} \\ \vdots & {} & \vdots & \ddots & \vdots \\ x_{Ni}^{*} & \cdots & x_{Ni}^{*} & \cdots & x_{NN}^{*} \\ \end{matrix} \right]$

(6)

注意到在以往涉及矩阵法估计银行系统性风险的研究中，往往只考虑同业拆借市场，即仅考虑银行之间“同业存放与拆入”与“存放同业与拆出”项，而本文将回购市场也纳入分析框架中，即同时考虑“卖出回购”与“买入返售”项，故需要求解出两个不同的双边信贷头寸矩阵，在数值模拟过程中也需要设定两个不同的违约损失率。其中LGD₁代表同业拆借市场的违约损失率，LGD₂代表回购市场的违约损失率，风险通过两个市场同时进行传播，风险传染步骤与传统矩阵法相似。

对于本文主要关注的由隐性担保到优胜劣汰这一机制转变，在矩阵法模型的原始假定中，所有银行均允许发生破产倒闭，即经营不善的银行机构将退出市场实现银行业整体经营效率的提高，故优胜劣汰机制得以发挥作用。为考虑我国银行业的隐性担保情况，特别是政府对国有商业银行的隐性担保情况，进一步假设我国五家国有商业银行具体包括农业银行(B10)、交通银行(B11)、工商银行(B12)、建设银行(B14)、中国银行(B15)。在上述风险传染过程中不发生倒闭。在此假设条件下：一方面，国有商业银行由于不发生破产倒闭，故五家国有商业银行均不作为初始破产银行进行模拟；另一方面，模拟其它银行破产倒闭时，仍将五家国有商业银行纳入风险传染过程中，但当风险传染至该五家国有商业银行时，无论其是否造成该国有商业银行出现资不抵债的情形，该轮风险传染均将停止而不进入下一轮，即该国有商业银行成为风险传染的截断点。通过对比隐性担保与优胜劣汰条件下我国银行业系统性风险的变化情况，即可对这一机制转变的影响进行研究分析。

四、 数据来源与参数设定

本文数据主要来自BvD Bankscope数据库，我们从数据库中选取了2006年至2014年我国各家银行(包括上市与非上市银行)的相关数据，由于我国目前仅有16家A股上市银行，其他多数非上市银行的年度报表数据缺漏情况较为严重，经过筛选，选取了共77家数据较为齐整的银行。具体银行的名称及其性质详见附表 1，具体使用的变量名称与各变量均值见表 1。

根据银监会的公告，截至2014年年底，我国银行业金融机构总资产为172.3万亿，本文所选取的样本银行总资产为131.4万亿，占所有银行业金融机构的76%，能较好地代表我国的银行系统。

由于违约损失率对直接传染给相关银行造成的损失有重大影响，也决定了风险传染能够进行多少轮，所以需要为同业拆借市场(LGD₁)以及回购市场(LGD₂)各自选取一个合适的赋值。国内学者如张海宁(2004)、王凤玲等(2011)等在对我国银行的实际违约损失率进行研究时，所得出的违约损失率分布在60%-85%之间，而Henrik Andersen(2011)所估计出的违约损失率长期均衡为35%。故本文将我国同业拆借市场中的违约损失率设为75%，即LGD₁=75%，考虑到回购市场中的交易涉及抵押物因而违约损失率应当较低，故选取LGD₂=35%。

五、 模拟结果分析

本部分对风险传染进行数值模拟以测度系统性风险，按照前文所叙述的风险传染步骤使用Matlab软件进行编程。违约损失率参数的设定按照LGD₁=75%、LGD₂=35%。先利用每一年度各银行的总头寸数据，对每一年度的同业拆借市场与回购市场的双边信贷头寸矩阵进行求解，得出银行两两之间在两个市场中的信贷关系。注意到无论是在隐性担保还是优胜劣汰的假设下，均需要使用全样本进行双边信贷头寸矩阵的熵优化求解。从估计结果来看限于本文篇幅，在此不列示相关矩阵的估计结果，如有需要可向作者索取。，我国银行间同业拆借市场与回购市场的市场结构已从早期头寸集中的不完全结构，到近年来发展成为交易头寸越来越分散的完全结构。

在本文的研究分析中，我们主要关注两个假设条件下所模拟出来的结果有何差异。在表 2中我们将两个假设条件下每年中造成最大系统性损失的前10家银行列出，实际上表 2也即是我国系统重要性银行排序。

从表 2(1)与表 2(2)的对比中我们可以发现，五家国有商业银行在优胜劣汰条件下基本即为各年度系统重要性最高的银行，在发生这一机制变化之后，该五家银行需要得到监管机构较高的关注。此外，在两个假设条件下，除五家国有商业银行之外的其它银行的排序基本不变，即这一机制上的变化不会影响相关银行相对的系统重要性程度。

下面，我们再对两个假设条件下我国银行业系统性风险的变化情况进行对比。

从图 1中我们可以看到，在绝对值的角度上看，从隐性担保条件下转变到优胜劣汰情形时，我国银行业出现银行倒闭时所造成的平均损失情况出现较大幅度上升，大多数年份的抬升幅度在9000亿上下，特别是在2007年，平均而言将多造成近7万亿的损失。从时间变化趋势上看，近年来我国银行业的系统性风险有所抬升，但仍远不及2007年时的最坏情形。

考虑到我国银行业的总资产在近年来也得到了快速的增加，单纯考虑平均损失的绝对值情况可能不太恰当。在上图 2中，我们以平均损失占系统总资产的比例来衡量我国银行业的系统性风险。

从相对水平来看，从隐性担保环境过渡到优胜劣汰情形时，我国银行业的系统性风险水平依然得到了一定程度的抬升，2008年之后抬升幅度大概在0.75%，系统性风险水平上升幅度并不大。在优胜劣汰条件下，2007年同样出现了一个高点，这一现象来源于2007年时农业银行的核心资本为负，且该年的市场结构主要集中于几家大型国有商业银行，如若当时不存在政府隐性担保的保护，则国有商业银行，特别是农业银行的倒闭将带来较大的市场冲击，这一方面说明了分散化的完全市场结构有利于降低相应的系统性风险水平，另一方面则说明推进改革的时点极其关键。从时间趋势上来看，无论是在隐性担保还是优胜劣汰条件下，近年来我国银行业的系统性风险水平均稳定在低位，2014年甚至出现了轻微下降，这表明我国银行业整体在近年来得到了快速、健康、稳定的发展，在此时从隐性担保转变到优胜劣汰机制并不会对我国的银行业系统性风险造成严重威胁，可以适时地推进改革。

注意到在上述模拟中，我们实际上均假设了市场结构以及银行自身的经营状况不发生改变，根据我们的模型测算该机制转变仅小幅提高了银行业系统性风险。当优胜劣汰机制真正被引入到我国的银行体系当中，当银行机构真实面对破产倒闭的威胁时，市场纪律性将很可能对相关机构产生更加有效的约束，我国银行业的整体效率与风险水平将得到进一步的改善，从这一角度上看，从隐性担保转变到优胜劣汰机制，反而可能将降低我国银行业的系统性风险水平。

六、 政策建议

从以上的分析结果中我们看到，从隐性担保转变到优胜劣汰机制不一定对我国银行业的系统性风险水平造成严重冲击，因此，不宜过分夸大相关机制改革的风险因素。但是我们也必须看到，当下我国经济增长放缓对我国银行业造成了一定的影响，全球经济发展的形势也比较严峻，在此时推进相应的机制改革仍需比较慎重。基于此，本文提出下列政策建议：

首先，择时推出银行机构破产倒闭机制。构建允许银行机构有序破产的机制，让优胜劣汰的市场约束力量发挥应有的作用，是我国银行业改革的总体思路与方向。但是对于改革时点的选择仍需慎重，适时地推进改革才能有效避免引起系统性风险的大幅上升；

其次，推出并完善相关银行破产法规建设。不宜在相关法律法规缺位、相关实施细则尚未发布的条件下，贸然启动有关的改革；

再次，进一步完善社会安全网。虽然《存款保险条例》已经发布实施，但其具体的运作仍需要进一步探索、完善，透明度有待进一步提高；

最后，继续推进金融体系的各项市场化改革，具体包括利率市场化相关配套机制的构建与完善、以及征信体系建设等内容，进一步提高市场的效率，让市场纪律性更好地发挥作用。