银行系统性风险传染机制的研究与实证：基于资产价格波动视角

1、银行系统性风险传染机制的研究与实证：基于资产价格波动视角论文摘要：本文从资产价格波动的视角，通过对不同市场中银行资产价格变动的分析，构建传染机制其资产价格模型，阐述银行系统性风险的传染机制的三阶段理论。并采用动态面板数据模型对中国2006-2021年的数据进行检验，得出结论：银行不良资产是影响银行系统性风险的重要因素，不良资产的增加导致银行贷款规模下降。本文的研究，对进一步理解银行系统性风险传染的微观根底，防范和抑制系统性风险传染，减少银行业损失具有一定的理论和现实意义。论文关键词：系统性风险,微观视角,面板数据模型始于2007年的美国金融危机对银行系统性风险作了一个最新的案例。从两只贝尔斯登

2、公司的对冲基金破产次贷风波爆发，到2021年经济环境恶化，美国房地产和房地美被联邦政府接管，接下来第五大投资银行贝尔斯登和第四大投资银行雷曼兄弟公司相继倒闭。随后，华盛顿互惠银行倒闭，截至到2021年5月，次贷危机引发金融危机以来，美国破产银行总数已经突破200家。在这次危机中，美国银行业遭受的冲击前所未有，其中150年历史的雷曼兄弟倒闭，就是事件的转折点，标志着次贷危机迅速演变为涉及全球银行的系统性风险。受其传染，华盛顿互惠银行的企业客户纷纷撤走未经保险的存款，导致该行因现金用尽而不得不选择破产，成为美国有史以来最大的银行破产案。银行业也在2021年创下了自1992年以来最高的年度破产记录。

3、由此可见，美国的银行系统性风险在其国内传染非同小可。受其影响，全球银行业不同程度被动传染。在欧洲，冰岛三大国有银行失败，导致国家破产;。英国银行业受损最为严重，亏损和资本减记总额高达682亿美元，名列欧洲之首。德国以总额670亿美元仅随其后，其他受损严重的还有瑞士、法国和荷兰银行业宋玮，2021。在亚洲，雷曼投资银行的倒闭造成我国的工行持有1.5亿美元债券，建行持有1.9亿美元债券，中信持有7600万美元债券等等成为不良资产。按全口径统计，包括银行QDII投资与雷曼兄弟编制的指数挂钩的局部银行理财产品，中资银行持有雷曼资产最多可达数十亿美元。综上所述，美国金融危机扩散与银行业的系统性风险传染形

4、影不离，银行业的历史事件成为这次金融危机的主线，银行的系统性风险的传染成为危机扩散的主要路径。本文将从银行业市场的微观经济学视角分析银行资产价格波动以及其传导的过程，阐述在宏观经济环境恶化条件下，银行不良资产对于银行贷款的影响以及银行系统性风险传染的过程。通过本文的研究，对进一步理解银行系统性风险传染的微观根底，防范和抑制它的传染，减少银行业损失具有重要的理论和现实意义。一、文献回忆从银行的微观层次来看，系统性风险是指一个事件中产生的损失可能性，这个事件能够沿着一个系统的许多机构或市场的传播，导致一系列损失GeorgeG.Kaufman，1995。世界清算银行(BIS，1994)界定系统性风险

5、是市场的参与者不能履行合同义务导致其他参与者违约，并使这种风险状况像链条一样扩散，导致更大范围的金融困难的风险。也就是，在一个或多个银行的资金困难涉及或者溢出到其他银行或整个金融系统SchoenmakerD.，1998。从这里的定义可以看出银行系统性风险在微观层面上就是表现为风险的传染过程，传染机制成为银行系统性风险的核心问题。从微观经济学的角度分析，大量国内外学者研究了流动性风险带来的银行系统性风险。最早的研究追溯到银行挤兑现象的研究，主要以DiamondandDybvig1983和PostlewaiteandVives1987为代表。首先是假设消费和投资风险的一系列模型，也就是存款人可以随

6、机取款，投资缺乏流动性的模型，这些模型提供了银行存在的理由，同时也是银行面临挤兑的脆弱性。过度的银行存款支取迫使银行花费高额本钱保证流动性。如果有一个存款人预期其他人会取款，他也会为了防止损失而取款。DiamondDybvig模型给出了包括挤兑的多个恒等式，银行挤兑的原因在于人们预期的改变，这个转变依赖于一些太阳黑子与银行没有任何关系。ChariandJagannathan(1988)，Gorton(1985)提出更加现实的银行挤兑模型，进一步考虑投资风险。该模型中，银行于存款人之间的信息不对称，贷款的真实价值是这些模型的关键因素。只有一小局部存户收到关于贷款前景的信息。不知情的存款人不知道大

7、量提取存款是由在早期消费者还是因为贷款的收益下降造成的结果。考虑到银行的偿付能力下降导致等待取款的队伍变长，不知情存款人的理性反响是参加取款队伍，及早落袋为安。Chari-Jagannathan和Diamond-Dybvig模型在解释银行挤兑的差异在于前者存款人担忧某个银行的破产清算使得存款受损，而后者是基于自我实现的根底上。虽然银行挤文献提供了个别银行挤提的解释，它没有解释为什么在许多银行储户提取存款的同时，产生银行恐慌(CalomirisandGorton,1991)。因此，银行挤兑的传染效应需要对明确的银行恐慌模型进行解释。也就是，一个或多个银行的融资困难如何外溢到其他银行或者整个系统。

8、具体的传染机制按照不同的扩散渠道可以划分为两种，即信息渠道和信贷渠道。在信息渠道中，AharonyandSwary(1983)对于纯传染行业传染和噪声传染特定公司传染做了区分。纯传染是一个银行的负面信息对所有银行产生消极影响，包括那些与这个银行没有任何关系的银行。噪声传染那么是一个银行失败使得具有相同特征的其他银行风险暴露。如果一个银行失败，其他具有相同资产负债结构的银行将遭受相同的冲击，甚至出现挤兑。两者都是在不对称信息前提下，其他银行挤兑可能会由于这些可观察到相似银行银行在同业间市场上的净头寸。假定银行管理本钱为线性函数，。因而，银行的利润可以用下面的式子表示：这样银行利润是贷款与存款和净

9、管理本钱差额。通过一阶微分得到利润最大化行为：由3两式相加得：，表示银行贷款的边际收益等于银行贷款的边际本钱，即银行的每笔贷款的收益率等于其存款的利息本钱、法定准备金本钱和管理本钱的和，假设银行能够保持持续经营，贷款中出现不良贷款不良贷款率为，L中有效贷款减少，银行贷款收益率必然下降。而在持续经营条件下，管理费用并没有因此下降，银行存款并没有及时调整。利润变成而且，受到资本充足率监管的严格规定，不良贷款将占据正常贷款的信贷额度，也就是有效贷款的数量将会下降，。当等于银行平均本钱时，表示银行没有利润，收支平衡。当等于银行可变本钱，即，银行倒闭。不良贷款的增加使得银行边际收益率下降，最终导致银行被

10、接管或者破产。因此，不良贷款可以看作是银行系统性风险的重要的传染源。一般而言，在银行发生系统性风险时，货币当局采取宽松的货币政策，例如采取降低存款准备金等政策，其目的在于减少贷款的边际本钱，相对提高边际收益率，使得银行能够防止倒闭，维护金融秩序的稳定。如果是完全竞争市场，收支平衡时，超额利润为0。，令很容易可以得到，一阶微分方程求出最优化条件，得到古诺均衡解：=，是方程的唯一均衡解。将均衡解式7说明贷款利率大小，与存款量和贷款量相关。收支平衡时，超额利润为0，式5变为，令0假设银行贷款的价格为。，说明存款越多，贷款实际价格越小。而，说明贷款越多，贷款实际价格越大。也说明市场力量引导银行使用更低

11、的存款利率和更高的贷款利率。价格的变化为即：令，那么三模型结论通过对完全竞争市场和不完全竞争市场中银行资产价格的分析，我们不难发现银行系统性风险传染会通过银行真实的资产价格进行传导。银行的利润受到贷款、同业净头寸、存款数量和相关利率以及管理本钱的影响。在持续经营的前提下，银行系统性风险主要银行大幅计提资产减值准备，有效贷款减少，同时，银行必须满足监管当局资本充足率的最低要求，即或。或值下降，导致银行真实资产价格下降，同时，贷款同步下降。银行系统性风险通过银行的信用收缩，使得社会投资下降，进一步将银行系统性风险向整个社会扩散。我们将银行资产价格波动下，银行系统性风险传染的微观过程简要的归纳如下：

12、经济环境不良贷款不良资产资产减值准备银行资产价格银行贷款投资环境经济环境。本文将银行系统性风险传染的整个过程划分为三个阶段。社会经济环境整体下降，导致企业的盈利能力下降，影响其正常贷款的按期归还，导致企业无法按期归还银行贷款。这个过程可以看成是社会经济风险向银行的传染，第二个阶段中，银行受到不良贷款增加和资本监管的要求，增加贷款损失资产减值准备，在银行资产价格机制的作用下，银行资产价格下降。这反映在信贷市场上的表现为贷款的供给下降。第三个阶段，银行投资环境的下降，金融中介的效率下降或者局部功能的丧失，最终导致经济环境的进一步恶化，进入一个恶性循环，直到资产价格稳定以及不良贷款的影响得到控制。否

13、那么，这个循环将不断重复，银行系统性风险持续银行社会经济的恢复。三、模型实证本文期望通过对中国商业银行的动态数据面板实证，验证以下两个理论假设：第一，银行不良资产是影响银行系统性风险的重要因素。第二，银行不良资产的增加反向影响银行贷款规模。一研究样本、数据来源及变量说明本文选择的样本个体为我国境内的12家商业银行，包括中国工商银行(ICBC)、中国银行(BOC)、中国建设银行(CCB)三家国有商业银行，和交通银行(BOCom)、中信银行(CITIC)、招商银行(CMB)、浦东开展银行(PDB)、福建兴业银行(FIB)、民生银行CMBC、华夏银行HXB七家全国性股份制商业银行以及北京银行BBJ和

14、南京银行BNJ两家已上市的城市商业银行。数据来源于上海证券交易所公开发布的上市公司定期公告，具体公告时间是从2006年末到2021年第一季度。本文计量模型所涉及的变量如表1和表2所示，其中表1给出了模型中涉及的变量名称、标识、含义及其预期符号。表2给出了各变量的描述性统计结果。如表2所示，对各变量本文选取了12家银行3年共158个观测值。表1自变量经济含义及符号预测 变量 标识 含义和预期符号 贷款量 loan 季度内贷款和垫款总量的自然对数值，此变量为因变量。 存款量 save 季度内客户存款总量的自然对数值，此变量预期符号为不定。 不良资产量 lose 季度内贷款损失准备的自然对数值，此变

15、量预期符号为负号。 现金量 cbank 季度内现金与中央银行存款的自然对数值，此变量预期符号为不定。 表2：变量的描述性统计量 loan save lose cbank Mean 11.81718 11.96025 10.18346 11.21013 Median 11.80753 11.92830 10.12753 11.17005 Maximum 12.78267 13.01421 11.16643 12.30478 Minimum 9.038764 9.842422 8.829438 9.594383 Std. Dev. 0.604465 0.609442 0.584362 0.5972

16、62 Observations 158 158 158 158 Cross sections 12 12 12 12 (二)建模方法1.单位根检验。首先对相关序列进行单位根检验，以确定其平稳性。其结果显示lose和cbank是一阶协整变量loan和save是零阶协整。值得一提的是lose变量和cbank与其他变量不同，对于LLC检验和FisherADF检验的结果并不是在1%的水平上保持稳定，也就是说与其他变量相比稳定程度不是很强。计量模型需要引入lose和cbank的一阶滞后变量。2.模型形式。按照理论局部的讨论，本文建立如下的面板数据模型：其中为非观测效应误差项，为随机误差项。3.模型选择过

17、程。面板数据涉及的模型主要有以下三种：混合估计模型、固定效应模型和随机效应模型。标准的计量模型选择步骤为：首先，通过F检验在混合估计模型与固定效应模型中做出选择，固定效应模型的F检验给出F=1.12，相伴概率为0.34，说明模型误差项不为0，因此将固定效应模型作为另一备选模型，其次，通过LM检验在混合估计模型与随机效应模型之间做出选择，对于非观测效应误差项的BreuschPaganLM检验说明，卡方统计量=13.42，相伴概率为0.26因此该误差项具有随机性，确定随机效应模型作为备选模型之一；最后，通过Hausman检验在随机效应模型和固定效应模型中做出选择。经检验，选择随机效应模型。Haus

18、man检验结果说明卡方统计量值为=8.02，伴随概率为0.15，说明模型的自变量序列与非观测效应误差项序列正交，因此最终检定模型为随机效应模型：应用Eviews6软件动态面板板数据进行回归分析，结果如下表3所示。残差的面板检验说明，残差是平稳序列，说明协整关系成立，回归方程估计结果是可信的。表3：动态面板数据检验结果 随机效应 固定效应 混合 C 1.376856* (3.03) 6.229280* (2.32) 1.376856* (3.01) save 0.004339 (0.05) 0.016575 (0.09) 0.004339 (0.04) lose 1.150165* (1.70)

19、 1.065153 (1.46) 1.150165* (1.69) lose(-1) -1.308387* (-1.96) -1.242563* (-1.69) -1.308387* (-1.95) cbank 0.353613 (1.19) 0.143455 (0.44) 0.353613 (1.18) cbank(-1) 0.716572* (2.38) 0.498105 (1.56) 0.716572* (2.37) R 0.83 0.84 0.83 N 144 144 144 Hausman检验 8.02 3.模型结果分析。从实证结果可以看到，商业银行是基于上期的资产减值数据来调整短期

20、信贷行为，滞后一期的资产减值与贷款数量存在显著的负相关，其结果与郭友和莫倩2006的实证结果相近似，也就是没有发生系统性风险时期与发生系统性风险时期的银行贷款都是上期的资产减值情况负相关的。这一点和我们理论的预期是一致的。说明银行不良资产的增加反向影响银行贷款规模。而对于当期资产减值的预期出现不一样的情况，其与贷款数量的显著程度下降，并且它们之间存在正相关。换句话说，在银行发生系统性风险时期，尽管本期的资产减值在增加，银行依旧在本期增加贷款数量。当期和滞后一期对于银行贷款的解释符号上是矛盾的。为什么会出现这样的情况？笔者的理由是在银行业系统性风险威胁下，滞后一期不良资产减少了当期的贷款数量，可

21、是金融环境恶化，本期的不良资产减值持续增加，在下一期贷款发生时，本期为滞后一期的资产减值数量，其结果将会持续减少贷款数量。这里就验证了银行不良资产是影响银行系统性风险的重要因素，为银行系统性风险的传染机制的三阶段理论提供了有利的证据。商业银行的存款与贷款数量的不相关，这与存款增长率与贷款增长率之间的正相关郭伟，2021的观点相反。其原因在于美国金融危机以来，我国实行积极的货币政策和宽松的财政政策，社会的储蓄总量在不断上升。相反，贷款数量并没有受益，次级债券造成我国银行资产价格下降，资产减值增加。而且各家银行根据监管的资本要求，大幅提高资本充足率，减少贷款投放，增加风险的抵抗能力。另一方面，现金

22、和中央银行存款的滞后一期与贷款的数量显著正相关，即商业银行滞后一期的流动性增强，当期的银行贷款数量就会增加，而本期的现金和中央银行存款数量与贷款数量没有任何关系。这说明充裕的银行流动性在一定程度上改变了银行资产价格，提高企业的贷款能力，也为银行系统性风险的传染机制的三阶段理论提供了有利的证据。四、结论和政策启示本文从微观银行的视角，阐述了一个银行系统性风险的传染机制的三阶段理论，得出银行不良资产是影响银行系统性风险的重要因素以及银行不良资产的增加反向影响银行贷款规模两个假设，并采用动态面板数据模型对我国2006-2021年数据进行实证，检验在美国金融危机的影响下，我国银行业系统性风险的传染机制

23、。在微观分析框架下，笔者得出政策建议主要有：第一，在银行系统性风险发生时，不良资产降低银行资产价格，降低其贷款供给量，使得整个社会投资下降。这个风险传染规律表达出银行业典型的顺经济周期的特点，经济繁荣时，贷款和投资放大；而在经济萧条时，贷款和投资萎缩。因此，笔者认为能否探索一种抵御银行系统性风险机制，在经济过度繁荣时，压制贷款和投资；而在经济过度萧条时，鼓励银行贷款与投资，控制资产下降，提高银行抵御风险能力。第二，改善经济环境，提高企业的抗风险能力，减少违约的可能性。关注银行投资的渠道，定期发布银行的投资方向和数量。追本溯源，从源头上控制银行系统性风险。从微观层面上说，银行只是为了获取利润最大

24、化的一个企业。其特殊性在于其的金融中介地位，其利润降低银行系统性风险。参考文献1 Aharony J. and Swary I.,1983,Contagion Effects of Bank Failures: Evidence from Capital Markets,;Journal of Business56,305-322.2 Allen F. and Gale D.,2000, Financial Contagion The Journal of Political Economy, Vol. 108, No. 1, pp. 1-33.3 Bank for International

25、 Settlements (BIS),1994,64 Annual Report. Basel, Switzerland: BIS.4 Calomiris C. and Gorton G.,1991,The Origins of Banking Panics:Models,Facts,and Bank Regulation,;in GlennHubbard,ed.,Financial Markets and Financial Crises.University of Chicago Press,Chicago.5 Chari,V.,and Jagannathan R.,1988, Banki

26、ng Panics,Information,and Rational Expectations Equilibrium,; Journal of Finance,43,749-761.6 Diamond D. and Dybvig P.,1983, Bank Runs, Deposit Insurance, and Liquidity ,;Journal of Political Economy,91,401-419.7 Gorton,G.,1985,Bank Suspension of Convertibility,; Journal of Monetary Economics 15,177

27、-193.8 Guttentag J. and Herring R.,1987,Emergency Liquidity Assistance for International Banks,;in Richard Portes and AlexanderSwoboda, eds., Threats to International Financial Stability. Cambridge University Press, Cambridge.9 Kaufman, G.,1995, Comment on Systemic Risk,;In G.G. Kaufman (ed.) Research in Financial Services 7: 47-52. Greenwich: JAI Press.10 Krahnen J. P. and Wilde C.,2006, Risk Transfer with CDOs and System