[提要] 基于CoVaR方法，通过分位数回归模型，对中国16家上市商业银行系统性风险贡献度进行测度。测度结果表明：相比于VaR及CoVaR方法，ΔCoVaR及%CoVaR是衡量边际风险贡献度更好的指标;工商银行的VaR值较低但其相对系统性风险贡献度居首位;一些银行自身发展迅速但也增加了中国银行业的系统性风险。
关键词：工商企业论文发表,系统性风险贡献度,CoVaR,上市商业银行
一、引言
美国次贷危机、欧债危机等接连发生的危机事件使得银行的系统性风险受到国内外学者广泛的关注。作为全球第二大经济体，我国银行业的系统性风险水平如何，哪些银行应该重点关注等问题值得深入研究。
二、文献综述
银行系统性风险复杂且隐匿，可从不同角度对其测度，Alfred Y-T.Wong等(2011)将测度系统性风险的方法分为两类。
(一)基于资产负债表的结构化方法。结构化方法侧重于银行间传统存贷业务风险敞口的测量，方法简单、易操作。具体包括指标变量法、矩阵法、网络分析法、风险管理法等。指标变量法主要通过银行资产负债表指标构建风险评价指标体系。包全永(2005)从不良贷款率、资本充足率、盈利能力等方面分析了我国银行的系统性风险。矩阵法假设银行间存在信贷关联，单家银行倒闭会对其他银行产生流动性冲击，如果损失额超过资本总额则该银行倒闭，这样依次传导，最终导致系统性风险的产生。马君潞等(2007)运用该法研究了在不同损失水平下单个及多个银行同时倒闭所引起的传染性。网络分析法由Muller(2003)率先提出，主要根据银行间相互交易数据将所有银行划分到不同的网络结构中，然后用模拟法测算每个银行网络潜在的系统风险。Lehar等(2012)利用网络模型测得银行系统性风险并分析了资本金的改变对系统性风险的冲击。风险管理法首先由Alfred Lehar(2005)提出，通过模拟多家银行资产的波动，考察在满足一定的资产条件和数目条件下系统性风险发生的概率，也就是利用银行资产间的相关性测度系统性风险的传染。Sangwon Suh(2012)在风险管理法的思想上，对现有的相关违约模型进行了扩展以测量系统性风险。
(二)基于市场信息的简约化方法。简约化方法即利用股市、债市等市场信息构建的测度模型，其对市场的有效性与数据的可靠性要求较高，包括GARCH模型、贝塔值法、CoVaR法、系统性风险保险定价法等。GARCH模型通过银行股票综合指数来分析整个银行系统的系统性风险。Michael等(2005)使用 GARCH模型测度了欧洲银行业一体化以后潜在的系统性风险。贝塔值法在我国受到广泛应用，刘桂荣、卢添翼(2007)运用单指数模型，张强、冯超(2010)采用夏普市场模型对我国上市银行进行了系统性风险实证分析。CoVaR法首先由Adrian和Brunnermeier(2008)用来研究个体金融机构对金融体系的风险贡献。李志辉、樊莉(2011)借鉴最新的CoVaR方法以及分位数回归技术衡量了我国商业银行的系统性风险溢价。高国华等(2011)则利用动态CoVaR方法对我国14家上市商业银行的系统性风险贡献度进行测算。Huang X、H.Zhou和H.Zhu(2009)用大额损失事件发生时的保险价格作为系统性风险的测度指标，该法即为系统性风险保险定价法。
虽然上述两类研究方法各有利弊，但由于市场数据能快速的更新，目前简约化方法尤其是其中的CoVaR方法受到国外学者的青睐。而国内学者应用该方法对我国银行业系统性风险贡献度进行测度的文献较少。
三、模型原理
(一)CoVaR理论。传统的风险水平测度方法为在险价值(VaR)，其代表在给定的置信水平和持有期间下，资产组合在未来可能遭受的最大损失。但VaR法并未考虑金融机构之间存在的联系，因而无法捕捉金融机构之间的风险溢出效应。
Adian和Brunnermeier(2008)提出条件风险价值(CoVaR)方法，用来衡量当一家金融机构处于危机时，其他金融机构所面临的风险。定义CoVaR为金融机构i在金融机构j处于风险水平时的条件风险价值，则有：
Pr(Xi≤CoVaR|Xj=VaR)=q (1)
可见CoVaR是条件概率分布的q分位数，同时表明CoVaR本质上是VaR。若整个银行体系表示成bs，CoVaR衡量的则是银行机构j处于风险水平时整个银行体系的条件风险。
CoVaR法考虑到银行机构之间的风险溢出效应，它既包含无条件风险价值VaR，也包含溢出风险价值。在银行体系中，银行j的溢出风险价值为当银行发生最大可能损失时，银行体系的条件风险与无条件风险之差，也称为银行j的系统性风险的边际贡献。具体计算公式如下：
△CoVaR=CoVaR-VaR (2)
由于CoVaR是条件概率分布的q分位数，所以可以通过建立分位数回归方程来求解CoVaR值，从而获得单个银行机构对整个银行系统的风险贡献度。银行监管当局便能够知道各银行对银行系统风险的贡献水平，从而可以对那些系统性风险贡献水平较高的银行实施更为严厉的监管，以确保整个金融体系的稳定。
(二)基于分位数回归模型的CoVaR计算。现实中股票收益率的分布常表现出尖峰厚尾的特征，最小二乘法不适用。而分位数回归能反映出条件分布的大部分特征，适合存在异方差性的时间序列数据。
1、VaR及CoVaR值的测算。假设要考察银行体系bs发生风险时，对银行i的风险溢出效应，可以建立q分位数回归模型：
R=?琢+?茁R+?着 (3)
R=?琢+?茁R+?着 (4)
其中：R和R分别代表银行机构i、银行体系bs的收益率序列。通过进行分位数回归可得到参数估计值、，则+R即为R对应的q分位数估计值，具体表示如下： VaR=+R (5)
由条件风险价值CoVaR的定义并结合式(5)，推导出当银行处于风险水平时银行体系bs的条件风险价值：
CoVaR=q+VaR (6)
同理，对于回归模型作类似分析，可得到银行i处于风险价值时银行体系的风险价值VaR及条件风险价值CoVaR：
VaR=+VaR (7)
CoVaR=+VaR (8)
为简单起见，本文在求风险价值VaR、CoVaR、VaR及CoVaR时，将对应样本从小到大排序，取q分位数水平的近似替代值q=0.05。
2、△CoVaR的测算。由(2)知，银行i对银行体系bs的边际贡献可由银行体系的条件风险价值减去无风险价值得到，即
△CoVaR=CoVaR-VaR (9)
3、%CoVoR的测算。对△CoVaR进行无量纲化处理，可以得到相对系统性风险贡献度，记为%CoVaR，具体公式如下：
%CoVaR=△CoVaR/VaR (10)
四、实证分析
(一)数据处理。本文研究的样本为目前已经上市的16家商业银行，以其2009年6月1日到2013年5月17日的每日收盘价作为原始数据计算日收益率，收益率采用价格对数形式Rt=ln (Pt/Pt-1)计算。数据来源于国泰安数据库，数据处理包括正态性检验及平稳性检验。
1、正态性检验。股价往往出现群聚现象，导致收益率分布的左尾事件的发生概率可能远大于正态分布下的概率，因此首先要对各银行收益率序列进行正态性检验，经分析数据的描述性统计值，发现所有收益率序列的JB统计量值很大，其P值几乎为0，拒绝序列服从正态分布的假设。所有样本均值接近于0，符合VaR模型的假设。
2、单位根检验。由于对两组非平稳数据进行回归可能会出现伪回归。因此，在用分位数回归法之前要收益率序列进行单位根检验。对16个样本序列的单位根检验结果显示所有收益率序列的ADF统计量值均小于显著水平在1%、5%和10%下的临界值，故而各个收益率序列都是平稳的，可以用分位数进行回归分析。
(二)实证结果分析
1、我国上市商业银行VaR及CoVaRbs|i值测算结果。表1列出了q=5%时单家银行的 VaR值和条件风险价值CoVaRbs|i。VaR值显示股份制商业银行的潜在风险高于国有商业银行，这表明南京银行、兴业银行、平安银行、北京银行等规模相对较小的股份制商业银行更为脆弱，也具有更大的损失可能性。(表1)
CoVaRbs|i值显示，北京银行对银行体系风险的影响度最大，城市商业银行中的宁波银行、南京银行等对银行体系具有较大的风险溢出效应，之后是浦发银行、华夏银行等股份制银行。大型商业银行除工商银行和交通银行外，对银行体系的系统性风险贡献度均较低。这个差异也从侧面反映了大型商业银行具有更高的稳健性，其风险资本准备更充足，能降低风险溢出效应。
2、我国上市商业银行△CoVaR及%CoVaR值测算结果。单个银行机构对银行体系存在边际风险贡献，而且这种风险贡献可以用△CoVaRbs|i值来量化。但由于不同银行自身的无条件风险价值VaR相差很大，单靠△CoVaRbs|i并不能准确反映出银行机构对银行体系风险溢出的相对贡献度，也即前者是绝对量指标，后者为相对指标，而后者考虑的因素更全面，用其进行横向比较分析得出的结果更为客观。为了弥补这种不足，将△CoVaR进行标准化，得出相对系统性风险贡献度%CoVaR，如表2所示(注q=5%)。(表2)
△CoVaRbs|i值排在首位的是北京银行。南京银行、宁波银行边际风险贡献也较大。大型商业银行中除工商银行对银行体系具有较大的边际贡献外，整体来说该值较小。表2中建设银行、中国银行、招商银行、民生银行及光大银行的△CoVaRbs|i值为正数，造成这种反常现象的原因可能是，在2009年6月1日到2013年5月17日期间样本银行在欧债危机、国内利率管制逐渐放松等事件的影响下，股价发生异常变动，加之我国资本市场有效性不强，股价未对风险信息及时做出客观的反应。
%CoVaR值显示，在q=0.05分位数下，位居相对系统性风险贡献度第一位的为工商银行，紧跟其后的为北京银行、华夏银行、宁波银行等股份制银行。这与△CoVaR分析得出的结论基本一致，可见测度结果具有很大程度的稳定性。
五、结论
第一，相对于VaR和CoVaR而言，△CoVaR是衡量风险水平的一个更好的指标。CoVaR方法对风险水平的测度值普遍大于VaR方法对风险的估量。这是因为CoVaR不仅包括无条件风险价值VaR，还包括边际风险贡献△CoVaR。本文更关心△CoVaR，因为它能将无条件风险VaR的那部分从中剔除，从而反映边际风险贡献。
第二，相对于△CoVaR而言，%CoVaR能更准确地反映相对系统性风险贡献水平。
第三，单个银行机构的系统性风险贡献度的大小与其自身的风险价值VaR值没有必然联系。具有较小的无条件风险价值VaR的商业银行，对银行体系的系统性风险贡献度也可能会较高，比如工商银行。
第四，经营方式灵活、业务创新性较高，且在区域市场具有较强竞争力的城市商业银行如北京银行、宁波银行、南京银行及股份制商业银行中的华夏银行、浦发银行正以良好的势头进行跨区域发展，规模逐步壮大。但这类银行具有较大的系统性风险贡献度，应对其经营的稳健程度持续保持关注。
主要参考文献：
[1]Huang，X.，Zhou，H.，A framework for assessing the systemic risk of major financial institutions.Journal of Bank&Finance 2009.33.
[2]包全永.银行业系统性风险的传染模型研究[J].金融研究，2005.8.
[3]马君潞，范小云，曹元涛.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[J].经济研究，2007.1.
[4]高国华，潘英丽.银行系统性风险度量――基于动态CoVaR方法的分析[J].上海交通大学学报，2011.12.
