基于矩阵法的银行间市场网络结构风险传染效应研究.docxVIP

基于矩阵法的银行间市场网络结构风险传染效应研究 1 实证研究现状 回顾过去30年来金融危机的几个重要危机，银行危机通常位于金融危机的中心。金融危机可以通过银行危机触发。同时，银行危机往往决定着金融危机的深度和广度。而在银行风险中影响及危害最大的是银行系统性风险,一家或者几家银行的倒闭所引发的多米诺骨牌效应将可能使整个银行业陷入危机,进而有可能引发金融危机,甚至全球范围的经济危机。典型的例子便是2007年美国爆发的次贷危机所引发的金融危机,此次危机暴露了对银行系统性风险监管的缺失,进而催生了《巴塞尔协议Ⅲ》,自此银行系统性风险的测度及监管问题引起了学术界和各国监管机构的广泛关注。 目前,国内外对银行系统性风险的测度主流的方法有四种,即基于银行间市场的矩阵法、基于与违约概率有关的金融衍生品的违约强度模型、基于股票债券市场的CoVaR法和Shapley值法。矩阵法是基于银行间同业拆借数据,以一家银行或者几家银行的倒闭所引发的其他银行倒闭的数量来估计银行系统性风险的方法。国内外学者基于矩阵法利用瑞士、美国、英国、德国、丹麦、比利时、芬兰以及中国等国银行系统的数据对银行系统性风险进行了实证研究。另外,国际货币基金组织的资深研究员Jorge构建出可以模拟信用冲击、资金冲击、表外资产转移冲击以及任意冲击搭配的网络传导模型,并对成熟市场和新兴市场的银行系统以及智力国内银行系统进行了模拟冲击试验。违约强度模型假定某种衍生品的违约率服从某个类似利率方程的随机方程,通过估计相关系数来确定违约概率,以违约率大小度量系统性风险。IMF利用次贷危机中美国资产规模前12位的银行数据进行实证分析,研究发现“雷曼发生违约事件”对金融体系产生了显著干扰。Zambrana利用违约距离级数对欧洲银行系统的系统性风险进行了分析。CoVaR法是将条件在险价值法引入系统性风险研究,通过单个机构的系统性风险边际贡献来测度系统性风险。Adrian和Brunnermeie首次将条件风险价值法(CoVaR)引入系统性金融风险研究,由此引起了广泛关注。高国华和潘英丽以CoVaR方法为基础,应用股价数据对我国14家上市银行的系统性风险贡献度及其影响因素进行测算分析。Shapley值法是借助于博弈论的有关理论将系统性风险按照其对系统的贡献度分配到单个机构中,而所有机构Shapley值的加总等于系统性风险。Nikola等基于博弈理论,首次提出了为个体金融机构分配系统性风险的夏普利值法(Shapley Value)。Tarashev等以及Tarashev和Drehmann对该方法进行了进一步的拓展。而张娜娜和陈超运用Shapley值方法对我国上市银行的系统重要性进行了实证分析。 在回顾已有研究的基础上,可以看出:CoVaR法和Shapley值法通常选用能揭示投资者对金融机构未来发展预期状况的股价和股指等数据,其有效性会依赖于金融市场的有效性,因此这两种方法通常适应于发达国家的成熟金融市场;而违约强度模型是针对与违约概率密切相关的衍生产品建立随机方程进行风险估算,适合于与违约率直接相关的金融衍生品的系统性风险测量,因此该模型的使用范围比较有限。相比较而言,由于中国金融市场尚未成熟、衍生品缺乏,国有银行吸收了大部分存款,银行体系的系统性风险主要来源于信贷扩张风险,因而矩阵法是适合我国现实的,并已得到初步应用。但国内相关研究基本上都是基于完全市场网络结构的假定之下,仅有高国华等考虑到我国银行业的现实建立了基于货币中心模型的市场网络结构,文章假设资产规模较小的城市商业银行之间不发生拆借行为,并模拟了信用违约和流动性风险联合冲击下的银行风险传染状况。但其设定的基于货币中心模型下的市场网络结构仍相对较简单,而且未考虑由于信息和恐慌而引发的银行挤兑冲击,这有可能低估银行系统性风险。针对此,本文在已有研究的基础上,基于我国银行业现实构建了具有拆借偏好的银行间市场网络结构,模拟分析了信用违约冲击、流动性冲击与银行挤兑冲击三类冲击下银行系统性风险传染效应,以便更好的识别和测算我国银行业系统性风险状况。 2 基于矩阵法的银行系统性风险测度 运用矩阵法进行银行系统性风险测度的关键是构造银行间风险敞口矩阵,由于目前我国每家银行只披露自身对其他机构总的债权债务数据,而缺乏具体对每家机构的借贷状况。为了规避数据的限制,研究人员通常选用不同的方法来进行内插或者估计来补充数据,而要保证补充数据的合理性,首先就要对银行间市场的网络结构作出假定。Allen和Gale提出了三种银行间市场网络结构:完全市场结构,即假定系统中银行之间均进行相互拆借,如图1(a)所示;非完全市场结构,即假定系统中银行只和它相邻的银行拆借,如图1(b)所示;不连通市场结构,即系统中银行只和某几个银行发生拆借,而且系统中银行并未完全直接或者间接联系在一