论文部分内容阅读
2008年的全球金融危机给世界各国的经济都带来了负面的影响。这次金融危机之后，世界各国及各种国际经济组织开始更加关注金融体系的系统性风险。许多重要的金融组织如国际清算银行、国际货币组织和世界银行都将金融监管的重点从微观审慎监管转移到宏观审慎监管的方向上来。
在三十余年的改革开放的进程中，中国的经济和其他各方面的发展都取得了巨大的成就。然而，中国的制度改革尤其是经济体制的改革还落后于整体的发展。在金融领域，中国整体的发展还远远落后与发达国家。中国金融体系的制度和法律还存在一些问题。在党的十八届三中全会以来，中国中央政府一直致力于金融领域的改革。这不仅因为中国的金融比较薄弱，而且因为金融领域的改革是经济体制改革的关键。而在风险管理方面，各种风险管理技术和管理工具还比较简单，所以，加强金融风险尤其是系统性风险的研究是中国金融领域学术界和实务界共同努力的方向。
众所周知，中国的金融结构是银行主导型的结构，银行在金融体系的地位是十分重要的。在整体规模方面，中国银行的资产规模超过金融行业资产总规模的75％。而在融资模式方面，由于中国的金融市场还不发达，所以在中国的经济中，间接融资是最主要的方式。如果要对中国金融体系的系统性风险进行研究，银行业的系统性风险将是很重要的一个方面。
随着存款保险制度的提出，中国银行业利率市场化的实现指日可待。利率市场化意味着中国银行业竞争加剧，银行破产成为可能。另外，互联网金融的兴起也对银行业造成了不小的冲击。如果说以往的银行体系出现系统性风险的可能性较小，那么今后系统性风险则是银行需要重点关注的问题。由于上市银行的资产规模占银行业整体规模的近80％，对银行业有很大的代表性，所以本文研究上市银行系统性风险对于研究银行业整体有一定的意义。
本文首先对金融体系系统性风险的相关文献进行了梳理和总结，从系统性风险的定义、特征、计算方法、影响因素等方面对相关文献进行了理论综述。在文献综述的基础上，对系统性风险的这些方面给出了本文的解释和阐述。
其次，本文在对系统性风险计算方法归纳的基础上提出了本文所使用的方法——VaR和CoVaR方法。VaR方法是由JP.Morgan首先提出，被巴塞尔委员会指定使用的风险计量方法。目前在世界范围内，VaR方法已经成为主流的计算金融机构风险的方法。CoVaR方法是在2008年提出的，这种方法是一种基于VaR的用于计算风险溢出效应的方法。在实证数据方面，本文搜集了中国上市银行从2010年7月至2014年12月的股价数据，其中上市银行包括中国工商银行、中国建设银行、中国农业银行、中国银行、中国交通银行、中信银行、招商银行、民生银行、浦发银行、兴业银行、华夏银行、光大银行、北京银行、南京银行、宁波银行。然后不仅计算了每家银行的市场风险(VaR)而且基于CoVaR方法计算了每一家银行的风险溢出率（每季度计算一次）。
最后，在计算得出风险溢出率的基础上，本文对其影响因素进行了实证研究。在影响因素的选取上，本文选取了银行自身风险(VaR)、银行净资产收益率(ROE)、银行不良贷款率(NPL)、银行资产规模(lnasset)、GDP增长率及沪深300指数作为研究指标。通过查找这些指标的季度数据，对风险溢出率做面板数据回归分析，以期分析这些因素对系统性风险（风险溢出率）的影响程度。通过回归分析，本文得出的结论是银行净资产收益率、GDP增长率对系统性风险的影响较为显著，银行自身的市场风险(VaR)、银行不良贷款率对系统性风险有一定的影响，但不太显著。银行的资产规模和股市沪深300指数的表现对系统性风险不存在影响。
在研究结果的基础上，本文提出了一定的政策建议。政策建议一共包括三方面的内容:首先，金融机构要提升自身风险管理的水平。传统银行业超过60％的利润来自于固定利差，随着利率市场化和互联网金融的冲击，银行业的未来发展将受到很大的挑战。银行作为经营风险的金融机构，只有进一步提升风险管理能力才能面对未来更加激烈的竞争。其次，金融监管机构要在宏观层面更加丰富监管指标和监管内容。监管机构应该建立一套统一的指标例如VaR，来测算和比较银行体系中不同银行的风险状况。另外，监管机构在微观视角监管的基础上要更加关注系统性风险的监管。在本文的研究范围内，本文认为监管机构在关注银行系统性风险时应该更加关注商业银行的净资产收益率、GDP增长率、市场风险(VaR)及不良贷款率。相比而言，资产规模并不是重要因素。最后，中国在风险管理方面与发达国家相比还比较落后，而风险管理是金融行业的重中之重。所以，应该充分发挥金融领域的“后发优势”，积极学习发达国家的管理技术和经验教训。
需要特别说明的是，本文所使用的基本模型CoVaR已经有不少文章做了研究，但是本文的特点在于对数据进行了更新，一直更新到2014年12月。另外，本文在计算风险溢出率时，时间间隔较短，以季度作为计算的时间长度，这样就可以从时间序列的角度来分析不同银行风险溢出的变化。还有比较重要的一点就是本文并没有结束在风险溢出的计算上，本文进一步地对其背后的影响因素进行了实证分析。而关于这方面研究的文章还较少，所以，本文的研究结果在之前研究的基础上做出了一些进展。
在三十余年的改革开放的进程中，中国的经济和其他各方面的发展都取得了巨大的成就。然而，中国的制度改革尤其是经济体制的改革还落后于整体的发展。在金融领域，中国整体的发展还远远落后与发达国家。中国金融体系的制度和法律还存在一些问题。在党的十八届三中全会以来，中国中央政府一直致力于金融领域的改革。这不仅因为中国的金融比较薄弱，而且因为金融领域的改革是经济体制改革的关键。而在风险管理方面，各种风险管理技术和管理工具还比较简单，所以，加强金融风险尤其是系统性风险的研究是中国金融领域学术界和实务界共同努力的方向。
众所周知，中国的金融结构是银行主导型的结构，银行在金融体系的地位是十分重要的。在整体规模方面，中国银行的资产规模超过金融行业资产总规模的75％。而在融资模式方面，由于中国的金融市场还不发达，所以在中国的经济中，间接融资是最主要的方式。如果要对中国金融体系的系统性风险进行研究，银行业的系统性风险将是很重要的一个方面。
随着存款保险制度的提出，中国银行业利率市场化的实现指日可待。利率市场化意味着中国银行业竞争加剧，银行破产成为可能。另外，互联网金融的兴起也对银行业造成了不小的冲击。如果说以往的银行体系出现系统性风险的可能性较小，那么今后系统性风险则是银行需要重点关注的问题。由于上市银行的资产规模占银行业整体规模的近80％，对银行业有很大的代表性，所以本文研究上市银行系统性风险对于研究银行业整体有一定的意义。
本文首先对金融体系系统性风险的相关文献进行了梳理和总结，从系统性风险的定义、特征、计算方法、影响因素等方面对相关文献进行了理论综述。在文献综述的基础上，对系统性风险的这些方面给出了本文的解释和阐述。
其次，本文在对系统性风险计算方法归纳的基础上提出了本文所使用的方法——VaR和CoVaR方法。VaR方法是由JP.Morgan首先提出，被巴塞尔委员会指定使用的风险计量方法。目前在世界范围内，VaR方法已经成为主流的计算金融机构风险的方法。CoVaR方法是在2008年提出的，这种方法是一种基于VaR的用于计算风险溢出效应的方法。在实证数据方面，本文搜集了中国上市银行从2010年7月至2014年12月的股价数据，其中上市银行包括中国工商银行、中国建设银行、中国农业银行、中国银行、中国交通银行、中信银行、招商银行、民生银行、浦发银行、兴业银行、华夏银行、光大银行、北京银行、南京银行、宁波银行。然后不仅计算了每家银行的市场风险(VaR)而且基于CoVaR方法计算了每一家银行的风险溢出率（每季度计算一次）。
最后，在计算得出风险溢出率的基础上，本文对其影响因素进行了实证研究。在影响因素的选取上，本文选取了银行自身风险(VaR)、银行净资产收益率(ROE)、银行不良贷款率(NPL)、银行资产规模(lnasset)、GDP增长率及沪深300指数作为研究指标。通过查找这些指标的季度数据，对风险溢出率做面板数据回归分析，以期分析这些因素对系统性风险（风险溢出率）的影响程度。通过回归分析，本文得出的结论是银行净资产收益率、GDP增长率对系统性风险的影响较为显著，银行自身的市场风险(VaR)、银行不良贷款率对系统性风险有一定的影响，但不太显著。银行的资产规模和股市沪深300指数的表现对系统性风险不存在影响。
在研究结果的基础上，本文提出了一定的政策建议。政策建议一共包括三方面的内容:首先，金融机构要提升自身风险管理的水平。传统银行业超过60％的利润来自于固定利差，随着利率市场化和互联网金融的冲击，银行业的未来发展将受到很大的挑战。银行作为经营风险的金融机构，只有进一步提升风险管理能力才能面对未来更加激烈的竞争。其次，金融监管机构要在宏观层面更加丰富监管指标和监管内容。监管机构应该建立一套统一的指标例如VaR，来测算和比较银行体系中不同银行的风险状况。另外，监管机构在微观视角监管的基础上要更加关注系统性风险的监管。在本文的研究范围内，本文认为监管机构在关注银行系统性风险时应该更加关注商业银行的净资产收益率、GDP增长率、市场风险(VaR)及不良贷款率。相比而言，资产规模并不是重要因素。最后，中国在风险管理方面与发达国家相比还比较落后，而风险管理是金融行业的重中之重。所以，应该充分发挥金融领域的“后发优势”，积极学习发达国家的管理技术和经验教训。
需要特别说明的是，本文所使用的基本模型CoVaR已经有不少文章做了研究，但是本文的特点在于对数据进行了更新，一直更新到2014年12月。另外，本文在计算风险溢出率时，时间间隔较短，以季度作为计算的时间长度，这样就可以从时间序列的角度来分析不同银行风险溢出的变化。还有比较重要的一点就是本文并没有结束在风险溢出的计算上，本文进一步地对其背后的影响因素进行了实证分析。而关于这方面研究的文章还较少，所以，本文的研究结果在之前研究的基础上做出了一些进展。