近年来,影子银行(Shadow Banking)的异军突起已成为金融市场上不可忽视的重要现象。影子银行最初缘起于“金融抑制”,即传统金融机构的“嫌贫爱富”偏好使得诸多小微经济实体面临金融排斥,这种制度失衡所引致的利润外溢必然会驱使经济主体对原有制度进行重构,影子银行由此应运而生(陈振荣,2015; 邓超等,2016)。一方面,影子银行的出现的确降低了传统间接融资的比重,倒逼利率市场化进程,并在很大程度上促进了实体经济的发展;另一方面,这种游离于传统银行体系之外的“类”金融机构及其业务活动,缺乏有效的监管框架,加之影子银行的业务创新极大地延展了信用链条,使得金融体系中所蕴蓄的风险急剧膨胀。特别的,2008年的美国次贷危机引发的金融危机给予全球金融体系相当的冲击,更是把影子银行推到了风口浪尖。甚至有学者认为,金融监管部门对影子银行体系的监管不力,是导致其成为金融危机的重要导火索和加速器。
尽管巴曙松(2013)认为,中国严格的金融管制压缩了影子银行的规模,其资本使用的安全性相对较高,同传统的商业银行业务也存在着隔离带,短期内并不足以引发重大系统性风险。相反,这种金融体系能够给当前的实体经济带来足够的经济福利。然而,也有学者并没有秉持如此乐观的态度。陆晓明(2014)认为,中国多有缺憾的金融大环境滋生了更多的风险:影子银行的金融产品信息透明度差,且与传统金融机构有着千丝万缕的关联,所引致的交叉传染风险难以通过现有的体制框架来防范。在互联网金融产品风险跑路事件层出不穷的情况下(刘芬华等,2016;李政等, 2016;甄烨等,2016),影子银行的风险衍生问题更加值得重视。一旦影子银行体系发生较大的风险,可能从货币市场、信用市场及资本市场迅速传导至银行体系和实体经济,并诱发系统性金融风险。
中国的影子银行涉及银行、保险、证券、信托等多个行业,涵盖货币、资本、信贷、资管等多个金融领域,使得金融机构和金融体系之间的内在关联性及相互间的风险传染性呈几何级数增加。特别的,基于中国金融结构为银行主导型(Bank-Based)的典型事实,银行部门往往成为整个金融体系中的最主要的风险承担者。特别是在现有的观测期内,影子银行部门的风险水平呈现明显的上升趋势,而银行业机构的不良率水平也屡创新高,研究中国影子银行同传统银行机构的风险交互机制对于改进现有金融风险衍生状况具有重要意义。有鉴于此,本文在重点对影子银行进行客观定位的基础上,对影子银行风险对传统银行业机构的溢出渠道和效应进行分析,并对这种效应进行适当的测度,为进一步从宏观审慎视角对影子银行的风险溢出测度和管理提供理论和技术支撑,并就中国金融市场的审慎监管体系提供一个可能的改进思路。
二、相关文献述评就西方国家而言,影子银行的业务主要集中在资产证券化上。但这种情况在中国并非普遍,相对而言,中国的影子银行更多地是扮演了传统商业银行机构的重要补充角色,主要以民间金融、信贷理财产品等形式存在。不难发现,中国的影子银行体系在规模体量和复杂程度上都不如西方国家。即便如此,影子银行的存在在某种程度上会不可避免地与传统银行体系产生竞争关系,并积蓄系统性风险。而影子银行的期限结构错配和高杠杆特征极容易引发流动性风险,以至于肖刚(2012)认为,中国近年的最大风险源就在于中国的影子银行系统。有鉴于此,本文将影子银行的风险衍生和溢出机制作为重点分析内容。
(一) 中国影子银行的风险衍生与溢出机制应当说,影子银行所衍生的风险和传统金融机构所衍生出的风险在本质内涵上并无二异,都指不利因素冲击下参与相关金融业务的经济个体的福利出现了非预期波动。按照不利因素的来源不同,可以进一步将影子银行的风险界分为信用风险、流动性风险、操作风险和政策风险等(李建军、薛莹,2014)。与影子银行异速发展相随的,是其蕴蓄的风险在不断扩张和深化,该体系的脆弱性正在不断显现,并将这种风险导引至了传统正规的金融体系中。
1.期限结构错位引致的流动性风险。一般而言,影子银行的资金期限结构大多定格在短期,而实体经济的资金需求往往是长期的。资金来源的短期性与资金需求的长期性的矛盾,即期限错配问题①。但客观的说,如果能够对流动性进行有效的管理配置,这种期限结构错位所引致的风险并不足以破坏金融体系的稳定性。然而,传统商业银行的资本来源主要在于负债(存款),影子银行显然缺乏这种稳定的资金来源模式,由此埋下了风险隐患。进一步地,影子银行的风控能力远不及正规银行机构,相关的资本充足率和准备金制度对其也难以有效约束,从而进一步削弱了风险抵御能力(张慧毅、蒋玉洁,2013)。更何况,影子银行机构的经营模式过于激进,高杠杆化的经营操作成为“标配”,这无疑加剧了流动性风险的增生与蔓延。要实现高收益目标,影子银行大多只能倚赖短期理财产品的滚动发行来克服期限结构错位带来的流动性压力(张明,2013)。一旦之中某个环节出现资金断节,影子银行只能通过紧急抛售长期项目(客观的看,长期项目的即时变现能力很小)甚至重新筹借资金的方式来弥补资金链条的缺失,在这一过程中,影子银行所释放的风险尤为显著。
① 必须强调的是,这种期限错配并非影子银行机构所独有,传统的商业银行机构也会采用这种方式。譬如,传统商业银行机构表内最主要的利润支柱恰是通过期限错配来实现的:如银行负债业务大多是短期的(如活期存款),而银行的资产业务却大多集中在中长期。这种资金期限错配所形成的稳定利差成为商业银行机构重要的利润源头。
2.影子银行体系与传统金融体系的的高度关联。在中国现有的分业管理制度安排下,传统的商业银行机构不能涉足证券投资,也无法向实体经济进行直接投资,其业务范围基本框定在了货币市场和债券市场;与此成鲜明对比的,是信托等行业突破了传统商业银行机构的投资界限,但自身缺乏稳定的资金来源。不难发现,商业银行机构同信托等形成了业务的交叉互补,在当前经济形势下,二者有着强烈的合作需求。在此背景下,影子银行机构同传统商业银行机构通过资产证券化链条捆绑在一起,由此生成了资产和负债的交错纽带,促成了会计账户间的风险溢出(李建军、薛莹,2014)。这种模式会导致:其一,大规模金融创新工具的采用使得影子银行中沉淀在传统银行机构中的不良资产被重新打包兜售;其二,衍生工具的使用又使得银行机构实际上为那些不在资产负债表上的有毒资产进行背书。这导致了投资者乃至监管部门无法有效判断银行机构的风险状况,从而为风险积累提供了温床。一旦出现非预期的不利冲击,会使得信用风险逐轮外溢。特别的,当前的影子银行产品大多有商业银行机构提供了隐性担保,这种风险外溢则会更加显著。
3.市场非理性行为的风险加速器。影子银行的风险所具备的传染属性并不逊色于传统金融机构,影子银行系统局部所爆发的风险会给投资者带来极大的影响。当影子银行产品引燃了局部风险后,与之相关联的金融产品的风险溢价也会随之上扬。由于缺乏犹如商业银行机构的国家(地方)信誉保证,市场上对影子银行产品的风险厌恶偏好会陡然加强,所带来的恐慌情绪甚至比一般商业银行机构出现危机时更为严重(方先明、谢雨菲,2016),从而刺激了资金撤出乃至形成了挤兑风潮,这进一步将影子银行产品的风险推向高点,而与之有关联的金融产品则成为其风险扩散的有利渠道(祁永忠、栾福茂,2014),从而导致了风险的大面积蔓延②。
② 以中诚信托为例,作为承销方的中国工商银行在其兑付危机期限遭受了牵连,其股价下跌11.6%,并迅速蔓延至整个银行类股票中。
4.货币传导机制。影子银行的金融产品所衍生出的金融风险,会显著地冲击市场资金格局,随着资金导向的风险厌恶情绪显著积累,流动性变得紧缺,资金价格被推高,最终使得货币供给总量呈现回缩态势。这种融资成本的变动扰动了实体经济正常运行的轨迹,降低了应有的经济福利。实体经济萎靡所造成的减益效果,最终回流至影子银行体系,由此陷入了恶性循环的泥淖之中。此外,贺建清(2013)还认为,影子银行体系带来了相当力度的“脱媒”现象,通过将贷款进行包装、分拆、打包等方式,扭曲了传统的货币政策传导渠道,也使得传统规模控制为导向的数量型货币政策工具的效能式微,进而产生“金融渗漏”,从而使得货币政策无法有效传导至实体经济中,这同样会降低对金融体系包括影子银行的调控能力,这对于影子银行的约束和引导是极为不利的。
(二) 影子银行的风险测度模式那么,值得进一步追问的是,中国影子银行的系统性风险到底有多大?这种风险对外部金融体系的“传染力度”何如?在早期的研究中,许多学者采用了多种手段来测度和预警风险,如STV横截面回归技术(Sachs et al., 1996)、FR概率模型(Frankel and Rose 1997)等。但此类方法的一个重要症结在于,对于样本内的预测度尚可,但由于分析框架无法纳入更多有效变量,使得其在近几次的金融危机中的表现不佳。Illing and liu(2003)在此基础之上,发展出了金融压力指数法(Financial Stress Index,FSI),这种方法不单可以用于金融系统的外部分析,还能对风险的传染性进行有效测度。然而,上述计量模型多是基于低频数据的,并不能很好适用于当前市场高频的数据结构和规模体量,也使得研究缺乏足够的前瞻性。
国内已有的研究文献同样也对金融机构的系统性风险进行了有效研究。巴曙松等(2011)总结了当前系统性风险的测度方法,认为矩阵模型、网络模型和违约率强度模型较为适宜风险测度研究。马君潞等(2007)则利用我国银行资产负债表的数据,运用矩阵法对我国银行系统存在的双边传染风险进行了估算。但必须注意到的是,这种方法基本上以个体金融机构的倒闭所能“牵连”倒闭的金融机构数目作为系统性风险的测度指标(Upper and Woems, 2004)。显然,这种方法不适用于中国情境:中国影子银行业务风险引致正规金融机构倒闭的案例十分罕见,难以有效应用。而网络模型法虽能测度单个风险案例对整个金融系统的冲击,但其缺陷在于数据是低频的,也无法有效适用于当前的市场发展。
应当说,现有对金融机构系统性风险及其溢出效应的模型测度手段与中国影子银行的现状不匹配。对此,Adrian and Brunnermeier(2014)发展出了一套更有效地甄别市场风险的手段,将原有的风险值法(VaR)发展成为条件风险值法(CoVaR)。该方法适合于预测系统性风险,将金融系统中的资金规模、杠杆率和信贷期限结构进行了匹配,可以有效捕捉独立个体金融机构对整个金融系统的风险边际贡献以及个体金融机构的风险溢出。特别的,其收益率相关系数作为系统性风险测度手段,亦能够很好地折射出当前影子银行体系(特别是互联网金融)的创新态势。对于中国影子银行的风险和溢出测算应是一个较为理想的手段。但当前国内研究文献对此的研究尚不够充分,且多集中在定性研究和讨论上,缺乏足够的实证支撑。刘吕科等(2012) 回顾了国际上对系统风险衡量的最新研究成果,对基于财务报表数据、基于资产相关性、在险价值(VAR)和宏观压力测试等衡量方法进行了比较和分析。从以上有关系统风险测量的文献综述可以发现,美国次贷危机爆发之后,实证研究中广泛应用系统性风险传染性测度模型,金融监管开始重视宏观审慎监管,金融风险的研究更注重了系统风险的研究,更多地考虑金融体系内部关联性和传染性度量。有鉴于此,本文将在Adrian and Brunnermeier(2014)的基础上,研究影子银行的风险发生和溢出机制,建构影子银行风险测度模型,研究外部影子银行对传统银行业机构的风险冲击效应。
三、研究设计 (一) 研究对象选择本文的主要研究靶向在于侦测影子银行的风险水平及其对传统金融机构的风险外溢程度。为此,需要定义两大类研究主体。一类为影子银行机构,另一类为传统的金融(银行)机构。在影子银行机构的选取上,本文主要集中在了证券公司、信托公司、典当行企业和投资公司。其中选择按2014年投行业务规模大小排序前4名上市证券公司:广发证券、海通证券、中信证券、招商证券和国信证券作为证券公司代表;选择陕国投A、安信信托和中航资本3家公司作为信托公司代表;选择香溢融通作为典当行业代表;选择爱建股份、鲁信创投、中国中期和渤海租赁作为4家公司投资公司的代表。共选择12家上市公司作为影子银行的代表。在传统商业银行机构的选取上,包括了大型商业银行、股份制银行、城商行、农商行和外资银行。在之中,大型商业银行包括中国工商银行、中国银行、中国建设银行、中国农业银行和中国交通银行;股份制银行机构选取了8家,分别为:浦发银行、民生银行、招商银行、华夏银行、中信银行、兴业银行、光大银行、平安银行;城商行选取了北京银行、宁波银行、南京银行共3个银行。由于农商行和外资银行目前还没有上市的银行,故未选代表性银行。这样共选择16个上市银行作为我国传统商业银行的代表。
(二) 数据来源和说明本文选取我国包括16个传统银行和12个影子银行共28家上市公司,时间区段从2005年1月4日至2015年1月21日(部分上市较晚的银行以上市日作为时间起点)股票市场的的每日收盘价作为研究样本,数据取自WIND数据库。应当说,本文的时间跨度为10年,跨越了危机前、中、后三个阶段,在时间序列上具备良好的连贯一致性。
从统计角度来看,价格时间序列的非平稳性等特质,使模型计算变得较为困难,相比较而言,价格变动序列或回报时间序列则具有更好的统计性质,如遍历性、平稳性等,因此本文选取金融机构股票每日收盘价的对数收益率来刻画波动性,即:本文对上市公司的收益率采用对数差分收益率形式,收益率的计算公式为:
${{\text{r}}_{\text{t}}} = \theta \times \left( {{\text{h}}\frac{{{{\text{p}}_{\text{t}}}}}{{{{\text{p}}_{{\text{t}} - 1}}}}} \right)$ | (3.1) |
${{\text{r}}_{\text{t}}} = \theta \times \left[ {\left( {{\text{h}}{{\text{p}}_{\text{t}}}} \right) - \left( {{\text{h}}{{\text{p}}_{{\text{t}} - 1}}} \right)} \right]$ | (3.2) |
上式中:rt表示收益率,pt表示股票当期收盘价,pt-1表示股票上一期收盘价。
(三) 模型的构建与数据检验大量的实证检验表明,标准的GARCH(1,1) 模型在面对时间序列时,具备较高的拟合程度。在标准的GARCH(1,1) 模型中,可得到条件方差序列σ,根据公式:
$V{\text{a}}{R_{\text{i}}} = {\mu _{\text{i}}} - \alpha {\sigma _{\text{i}}}$ | (3.3) |
进一步的,可以通过模型测算出影子银行和金融机构在不考虑风险溢出时的风险价值VaR。本文采用STATA12软件对数据进行处理。为了确保数据结构具备更良好的特质,在正式进入计量分析步骤之前,首先对收益率序列进行了正态性检验和平稳性检验。
1. 正态性检验VaR模型对数据的一大要求就在于尖峰厚尾的特性。为此,本文对各只股票收益率的均值、最大值、标准差、偏度和峰度进行测算,并对股票收益率进行了Jarque-Bera检验,偏度、峰度和Jarque-Bera检验程式为:
${\text{偏度:}}S = \frac{1}{n}\sum\limits_{{\text{i}} = 1}^n {{{\left( {{R_{\text{i}}} - \frac{R}{\sigma }} \right)}^3}} $ | (3.4) |
${\text{峰度:}}K = \frac{1}{n}\sum\limits_{{\text{i}} = 1}^n {{{\left( {{R_{\text{i}}} - \frac{R}{\sigma }} \right)}^4}} $ | (3.5) |
${\text{Jarque - Bera检验统计量:}}J - B = \frac{{{\text{n}} - {\text{m}}}}{6}\left[ {{S^2} + \frac{1}{4}{{\left( {K - 3} \right)}^2}} \right]$ | (3.6) |
各个影子银行机构、金融机构数据统计性质如表 1所示。
![]() |
表 1 各金融机构收益率指标描述性统计性质 |
从表 1中可以看出,影子银行机构同传统金融机构的偏度系数与正态分布的0不相对应,说明本文实证分析所选取的28家金融机构收益收益分布均不是正态分布,其中有20家偏度值小于0,其收益率分布呈现左偏特征,而其余的8家偏度值大于0,其收益率分布呈现右偏特征;从峰度来看,全部28家的峰度值均大于3(正态分布所对应的数值),表示分布曲线呈尖顶峰度;全部28家的J-B检验数值及P值都一致性地强烈拒绝收益率为正态分布的假设。从以上检验说明28家金融机构的收益分布均具有尖峰厚尾分布特征。这说明,投资者对市场信息的处理并非完全依照线性模式,相关信息传导至股价仍有一段时滞,信息的积累会使得收益率的变动幅度更大(邱兆祥、王丝雨,2016)。此外,所有样本的均值都接近0。上述数据结构特征,与协方差VaR模型的假设基本吻合。
2. 平稳性检验鉴于本文分析使用的数据具有明显的时间序列特征,且表 1还发现了其具有典型的尖峰厚尾型特点。因此,在进行深入分析之前,必须检验时间序列的平稳性。在表 2中,本文报告了各个影子银行机构同传统金融机构的收益率序列的ADF检验。结果显示,所有机构的ADF检验P值都为0.0000。由此强烈拒绝单位根假设,这意味着本文的数据结构是平稳的。
![]() |
表 2 ADF检验结果 |
一方面,影子银行由于其自身特点,可能面临比传统商业银行更大的风险;另一方面,影子银行与商业银行存在千丝万缕的联系,其风险不可避免会对商业银行产生溢出效应,本部分将首先构建GARCH模型,在构建模型的基础上测算传统商业银行与影子银行各自面临的风险,并对风险大小做出比较,在度量风险的基础上测算影子银行对商业银行的溢出效应。
(一) 影子银行机构与传统金融机构的风险衍生状况为了使数据匹配GARCH模型,第一,本文对两类金融机构的收益率序列进行“去均值化”处理,用得到的新收益率时间序列数据来进行建模分析;第二,分别计算这两类金融机构在1%和5%概率水平下的VaR值。为了实现上述目的,本文拟定了如下模型:
${{R'}_{\text{t}}} = \gamma ' + {{\alpha '}_{\text{p}}}{A_{\text{p}}}\left( L \right){{R'}_{{\text{t}} - 1}} + \alpha '{S_{{\text{t}} - 1}} + {\varepsilon _{\text{t}}}$ | (4.1) |
$\sigma _{\text{t}}^2 = \theta ' + {{b'}_0}\varepsilon _{{\text{t}} - 1}^2 + {{b'}_1}\sigma _{{\text{t}} - 1}^2$ | (4.2) |
在之中,Rt′和σt2是金融机构i在t时期取均值化后得到的股票收益率和方差,εt-12为随机扰动项εt的滞后平方项,表示从前一期所获取的股票信息。Ap(L)为滞后算子,在本项回归中,我们将其定义为1。由此,本文可根据每个金融机构计算出相应的回归方程,并将各个回归方程向前一步进行估计,测算出各个金融机构的预测方差和均值,可求得VaR数值,具体方程如下:
$V{\text{a}}R_{q,t}^i = R_t^i + Q\left( q \right){{\hat \sigma }_t}$ | (4.3) |
其中,Q(q)表示在q显著性水平下正态分布的分位数。
本文分别报告了在99%和95%置信水平下的VaR数值,具体结果如表 3所示。在99%置信水平下,除去华夏银行、浦发银行、兴业银行和平安银行4家传统银行的VaR值超过6以外,其他12家银行的VaR值均低于5,最低的农业银行为2.933;而影子银行中只有招商证券1家的VaR值为5.913,小于6,其余11家机构的VaR值均大于6,而VaR最大的为广发证券,为10.605。
![]() |
表 3 传统金融机构、影子银行机构的风险状况 |
首先,从传统金融机构的角度来看,传统的五大商业银行机构的风险水平保持在了较低的水准,相对而言,股份制银行机构衍生出的风险更为显著,而城市商业银行机构的风险则相对较低。对此,本文的解释是,国有大型银行机构具备国家信誉支撑,且具备相当的规模经济支撑,有着更为专业的金融技术人才(韩亚欣等,2016),使得这类银行机构在同等条件下更具风险抵御的能力。相对而言,包括股份制和城商行在内的中小银行机构,由于其业务利润来源相对不稳定,需要在发展业务上更具“激进”精神,加之规模经济支撑相对缺乏,以至于在风控能力上存在一定的不足,所衍生出的金融风险较之大型银行机构而言更为显著。其次,从影子银行机构来看,证券类影子银行机构的风险最为明显,信托类、典当类以及投资类影子银行机构处在第二梯队。证券类行业的风险水平最高,可能与该行业的衍生工具创新较多有关。证券类公司利用新式金融工具进行非对冲的投机行为已成为多米诺骨牌效应的潜在根源。市场交易的广度和深度进一步加强,使得影子银行机构间的责任相互交叉,加剧了风险衍生的状况。从整体上看,影子银行的风险水平要显著高于传统的商业银行机构。一方面,这归因于影子银行大量的金融工具创新所蕴含的风险;另一方面,这也多有影子银行内部风险控制能力孱弱的症结。因此,影子银行体系面临的风险更大,更容易受到外部冲击,从而引发金融体系系统风险,因此,影子银行与传统商业银行相比,需要加强监管。
(二) 影子银行机构对传统金融机构风险溢出研究客观来看,上一小节的内容所测算的,是金融机构风险水平的静态描绘,但对于金融机构之间的相互联系、相互影响却所知不多。这在于当前金融机构联系日益紧密的大环境下,这种VaR分析方法可能存在一定的缺陷。为了解决上述问题,Adrian and Brunnermeier(2014)的经典文献提出了条件风险价值模型,测算金融机构间的风险溢出程度,即CoVaR模型。以此为技术支撑,本文采用CoVaR模型来测度影子银行对传统商业性银行机构的风险溢出影响。
在本项研究中,条件风险价值CoVaR即当影子银行机构N处于VaRqN的风险衍生水平时,传统商业银行机构S所面临的VaR风险水平。相关的CoVaRq计算式子如下:
${P_{\text{r}}}\left( {{X^S} \leqslant C{\text{o}}V{\text{a}}R_{\text{q}}^{SN}/{X^N} = V{\text{a}}R_{\text{q}}^N} \right) = {\text{q}}$ | (4.4) |
$C{\text{o}}V{\text{a}}R_{{\text{q,1}}}^{SN} = R_{\text{t}}^N + Q\left( {\text{q}} \right)\hat \sigma _{\text{t}}^S$ | (4.5) |
在之中,CoVaRqSN测度传统商业银行机构S基于影子银行机构N风险给定条件下的风险价值。相关的测算数据由表 4给出,第2列为VaR值,即在不考虑其他影响的条件下的风险值,后续列则为各影子银行对传统银行的溢出风险,即CoVaR值,从计算的结果来看,分别在考虑影子银行风险溢出效应后,各传统银行的风险值显著提高,即考虑影子银行风险溢出效应后的CoVaR值的绝对值均大于对应各传统银行VaR值。这说明,影子银行机构本身就存在较大的风险衍生状况,此类风险通过当前多种的金融工具创新,进一步传导到了传统金融机构上。但相对而言,影子银行机构对国有五大银行机构的风险衍生的冲击较小,对中小型银行机构的风险冲击则较为明显。这也体现出影子银行机构在面对这两类银行机构时不同的风险破坏能力。
![]() |
表 4 95%置信水平CoVaR值 |
进一步地,CoVaR数值中,包含了金融机构本身的无条件风险价值,以及外部金融机构对其产生风险影响后的风险溢出价值。其中,风险溢出价值为该金融机构的条件风险价值同无条件风险价值的差,即:
$\Delta C{\text{o}}V{\text{a}}R_{\text{q}}^{SN} = C{\text{o}}V{\text{a}}R_{\text{q}}^{SN} - V{\text{a}}R_{\text{q}}^S$ | (4.5) |
根据上式,本文计算出了影子银行机构对传统金融机构的风险溢出效应,详见表 5。
![]() |
表 5 95%置信水平ΔCoVaR值 |
表 5所报告的,是风险溢出的绝对数值差异,为了更准确测算出影子银行机构对传统金融机构的风险溢出强度,本文进一步地对ΔCoVaRqSN进行量纲消除,进行标准化过程:
$\% C{\text{o}}V{\text{a}}R_{\text{q}}^{SN} = \left( {\Delta C{\text{o}}V{\text{a}}R_{\text{q}}^{SN}/V{\text{a}}R_{\text{q}}^S} \right) \times 100\% $ | (4.6) |
由于%CoVaRqSN没有量纲,所以可以更准确地反映影子银行j对传统银行i的风险溢出效应,其计算结果如表 6所示。从表 4-6中%CoVaRqSN的具体数值来看,除个别小于10%外,大多在20%左右,说明影子银行对商业银行的风险溢出效应比较大,而比较不同类型影子银行对同一商业银行的溢出效应。可以发现,不同影子银行溢出风险略有差异,以工商银行为例,在11个影子银行中,中航资本溢出效应最大,达到22.49%,鲁信创投最小,为18.92%。
![]() |
表 6 95%置信水平%ΔCoVaR值 |
根据本文测算的结果,几乎所有的影子银行机构对传统的银行机构都具有风险溢出作用。易言之,传统的商业银行机构在考虑了影子银行机构的(风险)因素后,自身的风险水平会面临显著地增加。具体来看,以信托行业所衍生出的风险最为剧烈,这说明,现今的信托公司在金融工具创建和使用上可能存在一定缺陷,使得其对商业银行机构(特别是大型商业银行机构和股份制商业银行机构)的风险溢出效应更为明显。对于城市商业银行机构而言,证券公司的风险对其影响最为主要,这从侧面说明,此类规模体量较小的银行机构为了更好地扩大自身业务发展,往往同证券公司有着较为紧密的来往(或说业务创新关系密切),加上自身缺乏足够的规模经济以支撑风险控制,使得证券公司的风险衍生对其有着较大的冲击。该证据同表 4、5的研究结论基本一致,也佐证了本文研究过程的稳健。
从本项实证研究可以看出,中国的影子银行体系的风险衍生程度较之传统商业银行机构普遍更高。这暗示了影子银行体系内部脆弱性的可能,其内在的缺乏有效监管的金融工具创新,使得自身的业务具备了高杠杆和不稳定性的特征,在市场环境不稳定的情况下极容易转变成为风险源。另一方面,影子银行所衍生的风险不仅会在影子银行内部间进行传导,也会对其他传统的金融机构特别是商业银行机构产生不利影响,在当前金融机构广泛和密切的联系下,这种负面作用被进一步强化。但值得注意的是,影子银行机构对传统商业银行机构的影响呈现出了异质性的效果。易言之,以证券公司为案例,其对城市商业银行机构的风险衍生的“催化”作用最为明显;而以信托公司为主体的影子银行机构则对大型商业银行机构的风险影响较大。
五、政策建议总体上来看,我国的影子银行体系风险大于传统的银行机构,且对传统金融机构有着明显的正向风险溢出影响。应进一步强化对影子银行的监管机制,使影子银行在合理有序的轨道上运行。
第一,明确宏观审慎监管框架,在宏观审慎基础上引导影子银行的发展。客观来看,影子银行的发展利大于弊,且其出现和发展是金融市场发展的必然结果。随着中国金融管制的逐步放开,影子银行在金融工具上的创新应更为明显,能够有效地满足市场对多样化金融的需求。更为重要的是,影子银行抵补了传统金融结构扭曲所导致的金融渗漏。因此,对影子银行的监管,应当遵循宜疏不宜堵的原则。在适当的审慎原则下,应当为影子银行营造一个良好的金融创新环境。
第二,建立有针对性的影子银行监管体系。应建立起一套专门针对长期游离在外的影子银行体系的监管系统。应加强对表外的非银行金融机构的审慎监管,允许影子银行适当的期限错配,但应当制定相对细化的指标进行约束。
第三,“阳光是最佳的消毒剂”,对于影子银行机构而言,更是如此。影子银行机构之所以存在诸多风险,其中一个关键的要素就在于内外信息的不对称,应当给予影子银行一定的信息披露业务,规避影子银行信息不对称而衍生出的风险可能。
第四,原有的影子银行体系的一大风险源,就在于所谓的“刚性兑付”现象。应适当对影子银行投资者的权责边界进行重新划定,允许金融产品存在违约,打破刚性兑付依赖,从而增强投资者对此类金融工具的风险意识。
第五,建立影子银行和传统商业银行机构之间的防火墙。鉴于影子银行体系对传统金融体系存在的强烈的风险传染可能,应当(1) 在原有的风险价值VaR方法之上,充分将影子银行体系的传染性引入分析框架,将条件风险价值指标CoVaR纳入银行机构自身的风险监管体系,可以进一步考察不同类型影子银行体系对传统商业银行机构的风险异质性影响,从而有针对性地为商业银行机构风险与应对措施提供了坚实的数据支撑;(2) 进一步优化商业银行机构的风险管控模块,对于商业银行机构流向影子银行体系(证券、小额贷款(典当)、信托)的资金进行适当的“限流”管理,预防系统性风险通过此类渠道向商业银行渗透;(3) 对商业银行内部和影子银行业务密切相关的业务进行严格风控,对商业银行表内资金表外化进行约束,禁止过度的证券衍生化创新,降低内部影子银行对商业银行的风险冲击,也要遏止影子银行从传统银行机构套取资金的行为,确保影子银行机构同传统商业银行机构在金融融合过程中的风险保持在可控范围内;(4) 对于传统商业银行的表外业务以及相关的资产证券化业务,可适当提高拨备要求,特别是在计算杠杆率时,应着重考虑影子银行及其创新衍生的金融工具的影响,使得银行的风险准备和拨备率能有效覆盖风险资产。
第六,针对监管影子银行的法律法规的真空区域,金融监管层应尽管制定相关的法律制度,精准锚定影子银行的监管对象,并根据其从事的业务性质进行监管。对于风险衍生状况较为明显的信托类、证券类行业,更是要加快法律制度的立法进程。规范健全的制度是有效约束影子银行行为,并为其提供安全有序的金融创新环境的重要保障。
[] | 巴曙松, 2013, “应从金融结构演进角度客观评估影子银行”, 《经济纵横》, 第 4 期, 第 27–30 页。 |
[] | 巴曙松、王凤娇、孔颜, 2011, “系统性金融风险的测度方法比较”, 《湖北经济学院学报》, 第 1 期, 第 32–39 页。 |
[] | 陈振荣, 2015, “从历史及国际视角看我国当前的影子银行”, 《当代经济管理》, 第 2 期, 第 83–86 页。 |
[] | 邓超、唐莹、杨文静, 2016, “影子银行体系对我国金融稳定性的影响研究”, 《经济经纬》, 第 5 期, 第 149–154 页。 |
[] | 方先明、谢雨菲, 2016, “影子银行及其交叉传染风险”, 《经济学家》, 第 3 期, 第 58–65 页。 |
[] | 贺建清, 2013, “影子银行的风险与监管改革研究”, 《金融论坛》, 第 3 期, 第 15–21 页。 |
[] | 韩亚欣、何敏、李华民, 2016, “大银行何以为中小企业融资?——基于某大银行支行的案例分析”, 《金融论坛》, 第 1 期, 第 72–80 页。 |
[] | 刘芬华、吴非、李华民, 2016, “互联网金融:创新金融体征、泡沫风险衍生与规制逻辑”, 《经济学家》, 第 6 期, 第 35–42 页。 |
[] | 陆晓明, 2014, “中美影子银行系统比较分析和启示”, 《国际金融研究》, 第 1 期, 第 55–63 页。 |
[] | 李建军、薛莹, 2014, “中国影子银行部门系统性风险的形成、影响与应对”, 《数量经济技术经济研究》, 第 8 期, 第 117–130 页。 |
[] | 李政、吴非、杨雨清, 2016, “适配小微企业的银行融资调整”, 《金融理论探索》, 第 4 期, 第 51–57 页。 |
[] | 马君潞、范小云、曹元涛, 2007, “中国银行间市场双边传染的风险估测及其系统性特征分析”, 《经济研究》, 第 1 期, 第 68–142 页。 |
[] | 祁永忠、栾福茂, 2014, “我国影子银行风险及其监管改革”, 《云南财经大学学报》, 第 3 期, 第 89–94 页。 |
[] | 邱兆祥、王丝雨, 2016, “银行业系统性风险与资本补充行为研究——来自16家上市银行的证据”, 《云南财经大学学报》, 第 5 期, 第 112–120 页。 |
[] | 肖钢, 2012, "影子银行将是中国金融业五年内的最大风险", 《每日经济新闻》. |
[] | 张慧毅、蒋玉洁, 2013, “中国影子银行体系的风险及其监管研究”, 《中央财经大学学报》, 第 9 期, 第 26–32 页。 |
[] | 张明, 2013, “中国影子银行:界定、成因、风险与对策”, 《国际经济评论》, 第 3 期, 第 82–92 页。 |
[] | 甄烨、薛耀文、王文利, 2016, “众筹融资中支持者投资行为的动态分析——基于演艺众筹的实证”, 《广东财经大学学报》, 第 4 期, 第 72–80 页。 |
[] | Adrian T, Brunnermeier M K, 2014, "CoVaR". American Economic Review, 106(7), 1705–1741. |
[] | Frankel Jeffrey A., Andrew K. Rose., 1996, "Currency Crashes Inemerging Markets: An Empirical Treatment". Journal of International Economics, 3, 351–366. |
[] | Illing, M. and Y. Liu, 2003, " An Index of Financial Stress for Canada", Bank of Canada Working Paper. |
[] | Jeffrey Sachs, AaronTornell, and Andres Velasco, 1996, "Financial Crises in Emerging Markets: the Lessons from 1995", NBER Working Paper No. 5576. |
[] | Upper C, Worms A, 2004, " Estimating Bilateral Exposures in the German Interbank Market: Is There a Danger of Contagion?". European Economic Review, 48(4), 827–849. DOI:10.1016/j.euroecorev.2003.12.009 |