信用衍生品与商业银行经营表现

1、信用衍生品品与商业银银行经营表表现基于美美国市场面面板数据的的实证分析析 【作者简介介】：王晋晋忠（19969），男重重庆人，西西南财经大大学金融学学院副教授授，博士。研究方向向：金融工工程、商业业银行经营营管理。刘国泰（11984），男，贵贵州毕节人人，西南财财经大学金金融学院22006级级研究生。研究方向向：商业银银行经营管管理。通讯地址：四川省成成都市光华华村街555号西南财财经大学（光光华校区）金金融学院。邮编：61100744联系电话：1340086266062（刘刘） 1366682888894（王王）E-maiil:lggt84337 信用衍生品品与商业银银行经营表表现基于美美国

2、市场面面板数据的的实证分析析王晋忠 刘国泰 （西南财财经大学金金融学院，四川 成都，610074）摘要：信用用衍生品自自上世纪990年代出出现以来，发发展迅速，对对商业银行行的经营管管理产生深深刻的影响响。本文基基于美国市市场的数据据，利用面面板数据单单位根检验验、协整检检验和误差差修正模型型等针对信信用衍生品品对两类银银行的经营营表现进行行对比实证证研究，结结果表明，信信用衍生品品长期内对对主导型银银行的收益益水平和适适度参与银银行的信贷贷规模产生生影响，短短期内的影影响则不显显著。在此此基础上对对我国发展展信用衍生生品提出了了相关的政政策建议。关键词：信信用衍生品品；盈利水平平；信贷规模模

3、；面板数数据；实证证分析中图分类号号：F833 文献献标识码：A The eeffecct off Creedit Deriivatiives on bbanks opeeratiions A PPanell Datta meethodd apppliedd to the USA markketAbstrract: Thiis paaper is tto asssesss thee efffect of CCrediit Deerivaativees onn thee commmerccial bankks inn terrms oof ROOA annd thhe sccale of ccr

4、ediit. TThe eempirricall ressearcch waas baased on tthe ddata seleectedd froom thhe 144 bigggestt bannks iin Ammericcan CD markket oover 2004420077. Thhe cooncluusionn reaads tthat onlyy in the longgrun can CD rremarrkablle innflueent RROA aand ccrediit sccale of bboth two kindds baanks wherreas its

5、 effeect iin shhort-termm is neglligibble.Wang Jinzzhongg LLiu GGuotaai(Finaance Colllege, C Soutthwessternn Uniiverssity of FFinannce aand EEconoomicss, Chenndu, Chinna, 66100774)Key wwordss: Crreditt Derrivattivess;ROAA;Creedit-Scalles;PPanell datta;Emmpiriical Reseearchh前言信用衍生品品（Creedit Deriivati

6、ives，CD）是指指从基础资资产上剥离离、转移信信用风险的的一种双边边的金融合合约安排，依据约定的信用事件发生与否转移约定的现金流，从而使得参照资产信用风险从众多风险中独立出来并转移给交易对手。 ISDA.ISDA 2003 Credit Derivatives Definitions N . ISDA网站：/,2003.自20世纪90年代中期以来,CD发展迅速，其全球交易量从1996年的0.18万亿美元增长到2006年的20.12万亿美元。数据来源:BBA. Credit Derivatives Report 2006R. British Bankers Association：2006.

7、12.作为CD市市场的主要要参与者以以及在社会会经济中举举足轻重的的地位，信信用衍生品品对商业银银行经营所所带来的影影响历来就就受到广泛泛的关注。文献综述总的来说， CD对商商业银行既既有积极意意义也有消消极影响。 就积极意意义来说：王琼，陈坚坚定王琼.陈坚定 信用衍生品价值分析及其市场功效研究J.当代经济科学, 2005(3):71-75.指出了了CD分离信信用风险、解决不良良资产和“信贷悖论论”上的功效。Smitthsonn（20033） Smithson, Charles. Credit Portfolio ManagementJ. Hoboken, 2003.New Jersey: W

8、iley指出CD改变了了商业银行行依靠兼并并和收购来来分散信用用风险的策策略，在降降低风险暴暴露的同时时避免了破破坏客户关关系；Krrosznner （20077） David Mengle. Credit Derivatives: An OverviewR. Head of Research International Swaps and Derivatives Association 2007 Financial Markets Conference, Federal Reserve Bank of Atlanta May 15, 2007.指出CD增加了了信用市场场的透明度度，有助于于信

9、用风险险的价格发发现并提高高定价效率率；赵征赵征.信用衍生工具品种特色与效率贡献J.中南财经政法大学学报,2004 (2):75-80.认认为CD具具有扩大信信用保护范范围、动态态管理信用用风险、建建立信用风风险分担机机制、完善善信用风险险定价机制制等微观、宏观效率率。尹灼（22005）尹灼. 信用衍生工具与风险管理M.北京：社会科学出版社, 2005.3:225-232.认为我国商业银行可以建立基于CD的积极信贷组合风险管理。就消极影响响来说， Joinnt Maarkett Praacticces FForumm（20033) Joint Market Practices Forum 20

10、03.Statement of Principles and Recommendations Regarding the Handling of Material Nonpublic Information by Credit Market Participants N/OL.(2005-1-12) 2008-4-09. /press/press011205.pdf.指出信信息的不对对称会使CCD定价偏偏差、降低低市场效率率。Pleenderr(20006) Plender, John. The Credit Business is More Perilous than EverJ. Fina

11、ncial Times, October 13, 2006. 指出道德德风险可能能使CD增加市市场整体的的风险水平平。IMFF（20006） International Monetary Fund . Global Financial Stability ReportR. April 2006.指出出CD将信信用风险转转移到相对对缺乏经验验投资者身身上，增加加了潜在的的不稳定性性，投资者者对高收益益的追求也也会聚集大量量的信用风风险；Allan DD. Moorrisson Alan D. Morrison. Credit derivatives: Disintermediation and

12、investment decisions. Journal of Business, 2005, vol.78, No.2认为为CD会加剧剧“脱媒”现象从而而损失福利利。我国学学者认为信信用衍生工工具的使用用也会带来来交易对手手风险、操操作风险、经营性风风险、法律律风险等。于研.信用衍生工具中存在的估价障碍和风险分析J. 财经研究, 2003 (4),42-47.问题的提出出规范性的研研究表明信信用衍生品品对商业银银行的影响响利弊互现现，但如果果要将这种种利弊具体体量化，做做出更直观观的认识和和评价，那那么经验性性的研究就就更有优势势， Grregorry R. Dufffee and Chu

13、nnshenng ZhhouGordon Delianedis, Rober Ceske. Credit Risk and Risk Neutral Default Probabilities: Information About Migrations and Defaults J.Anderson Graduate School of Management, 1998(5):162186.很早早就指出了了这一点。国外学者者的实证研研究比较丰丰富，如JJorgee A. and li(22006) Jorge A. cahan-lau, and Li Lian Ong, The Credit

14、Risk Transfer Market and Stability Implications For U.K Financial InstitutionsR.IMF working Paper 2006, No. 06/139.、纽约联邦邦储备银行行 Beverly Hirtle. Credit Derivatives and Bank Credit Supply R. Federal Reserve Bank of New York Staff Reports, February 2007:No.276.（20007）。而我国国的相关研研究就比较较贫乏。另一方面，面面对当前信信用衍生品品的

15、日新月月异的发展展，我国的的商业银行行是选择观观望还是采采取恰当的的策略去参参与，也是是迫切需要要回答的问问题。本文文的研究目目的在于通过对对美国这一一典型市场场进行实证证研究，从从两方面来来考察CDD对商业银银行产生的的影响并提出出相应的政政策建议：信用衍生品品是否能对对商业银行行的盈利水水平产生显显著影响。信用衍生品品是否会显显著引发商商业银行的的信用扩张张，信贷敞敞口的变化化显然关系系到商业银银行的风险险水平的变变化。研究设计指标、样本本和数据变量选取对于因变量量，本文选选取资产收收益率ROOA，即净净收益占总总资产的比比例来衡量量商业银行行的经营盈盈利水平；选取贷款款余额占总总资产的比

16、比例LA来衡量量商业银行行的信贷规规模。对于自变量量，选取商商业银行信信用衍生工工具的交易易量与总资资产的比重重CA来衡量量信用衍生生品的交易规模模。另外，选选取几个可可能对因变变量产生影影响的因素素作为控制制变量：商商业银行总总的衍生产产品交易规规模TA，为衍衍生产品交交易量与总总资产的比比例、商业业银行的权权益资本比比例EA、银行的坏坏账冲销规规模NCOO，为坏账账冲销占贷贷款总量的的比例、银行的资资产规模LLNT，为为样本银行行总资产的的自然对数数。样本和数据据本文以美国国衍生品市市场最活跃跃的14家银行行作为样本本，选取了了它们在20044年至20007年16个季度度的相关指指标进行面

17、面板数据研研究。该时时期信用衍衍生品飞速速发展的时时期，样本本银行的名名义交易量量占市场总总量的比率率一直保持持在95%以上上，具有代代表性。另另外，考虑虑到样本银银行在CDD交易量方方面差异巨巨大以及市市场参与动动机和角色色方面的显显著差异，（见表11）本文沿沿用了我国国学者赵俊俊强等（22007）的的方法 赵俊强 韩琳 李湛 信用风险转移与银行系统表现基于美国信用衍生品市场交易面板数据的实证研究， 金融研究，2007（5）:147160.，以样本的的平均CD交易量量是否超过过10%为标标准，将总总样本分为为了6家主导型型银行（JJPMORRGAN CHASSE BAANK、BBANK OF

18、 AAMERIICA、CCITI BANKK NATTIONAAL、HSSBC BBANK USA NATIIONALL、MERRRILLL LYNNCH BBANK USA、WACHHOVEAA BANNK NAATIONNAL）和和8家适度参参与型银行行（WELLLS FFARGOO BANNK、PNNC BAANK NNATIOONAL、MELLLON BBANK NATIIONALL、SUNNTRUSST BAANK、KKEY BBANK NATIIONALL、NATTIONAAL CIITY BBANK、BANKK OF NEWYYORK、US BBANK NATIIONALL），分

19、别别进行分析析。表1：两类类银行的描描述统计对对比表：注：表中数据是各期银行的平均值，除LNT以外其余单位均为%。变因变量自变量控制变量量ROALACATAEANCOLNT均值主导银行1.2544.366151.1162250.698.450.1312.899参与银行1.3958.9222.06280.4469.450.0811.600中位数主导银行1.2250.52295.1662185.378.230.0813.355参与银行1.2965.5001.20184.3349.260.0711.444最大值主导银行13.20072.366678.8857373.8611.3550.5814.09

20、9参与银行7.6183.3559.071147.8316.9110.4413.066最小值主导银行0.0012.0554.7840.4775.780.0010.988参与银行0.009.410.0022.2006.540.0010.000标准差主导银行1.3716.733167.5501789.131.200.131.07参与银行0.7521.4772.33267.9931.310.070.77文中信用衍衍生品交易易量和衍生生产品交易易量的数据据取自美国国货币监理理署OCCC在2004420007共166个季度发发布的银银行衍生品品报告（Bank Derivatives Report）；商业银

21、行的财务数据取自BANKSCOPE全球银行与金融机构分析库。 BANKSCOPE 数据库是BVD全球金融分析、各国宏观经济指标库的一个专业分库。计量方法本文利用EEviewws5.11软件来进进行面板数数据（paanel dataa）模型研究究，具体步步骤是：面板数据平平稳性检验验本文首先对对变量的平平稳性进行行单位根检检验以决定定适当的建建模方法，本文同时采用LLC检验、B检验和IPS_W检验来进行检验。面板数据模模型的选择择常见的面板板数据模型型有混合回归归模型（11）式、固固定效应模模型（2）式和随随机效应模模型（3）式三种种。本文利利用协方差差F检验在（11）式和（22）式中进进行选择

22、，利利用LM检验来来在（1）式和（33）式中做做选择。如如果上述检检验均认为为存在个体效效应，那么么本文将进进一步利用用Haussman检检验在（2）式和（33）式之间间做选择，以以确定利用用固定效应应还是随机机效应模型型进行建模模。式式式面板数据协协整分析及及长期因果果关系检验验如果单位根根检验的结结果认为各各变量均服服从一阶单单整I(11)，那么么根据Enngle and Grannger (19887)提出出的EG两步法法熊德平，徐建军.中国金融发展与国际贸易关系研究基于跨省面板数据的协整与误差修正模型检验J. 经济理论与经济管理，2007(9):31-35.，利用面面板数据模模型建立回

23、回归方程并并得到相应应的残差序序列，如果果该残差序序列是平稳稳的，那么么就可以认认为自变量量是因变量量变化的长长期原因。由于数据年年限不长，上上述检验得得到的长期期关系令人人质疑（CChrisstopoouloss和Tsioonas，20044）魏峰,曹中.我国服务业发展与经济增长的因果关系研究J. 统计研究, 2007 (2):44-46.。为了弥弥补长期静静态静态模模型的不足足，本文还还将通过建建立ECMM模型反映映偏离长期期均衡的修修正机制并并揭示变量量之间的短短期关系。面板数据据误差修正正模型（EECM）为：（4）式 （55）式在（4）式式和（5）式式中，表示示一阶差分分运算，表示长期

24、期均衡误差差。如果为为零被拒绝绝，说明误误差修正机机制产生，检检验到的单单向长期因因果关系是是可靠的。如果进一一步地，、为零被拒拒绝，则说说明单向的的短期因果果关系存在在，反之则则不成立。 实证过程两类银行的的平稳性检检验在水平值上上，两类银银行的平稳稳性检验显显示各变量量的检验均均显示存在在单位根。（表2、3）（主导导型银行LLLC检验验认为变量量CA在1%显著性性水平下平平稳、适度度参与型银银行LLCC检验认为为LA在1%的显著著性水平下下平稳除外外）而在一一阶差分值值上，三种种检验在11%的水平平上均得出出了各变量量都平稳的的一致性的的结论。考考虑到单个个检验方法法的不足和和缺陷，本本文

25、认为无无论是主导导型还是适适度参与型型银行，其其各变量都都具有一阶阶单整I(1)的属属性，变量量之间存在在协整的可可能。表2：主导导型银行单单位根检验验结果： （*、*、*分别表示在1%、5%、10%显著性水平下平稳，下同。）变量时间趋势水平值一阶差分值值LLC检验验B检验IPS_WW检验LLC检验验B检验IPS_WW检验ROA否2.376630.287722.32886-5.63377*-4.16649*-4.80021*LA否0.01446-0.388330.63447-6.20097*-5.61109*-4.53393*CA有-2.08851*0.94229-1.36623*-4.988

26、29*-5.39923*-5.30051*TA有0.34555-1.91128*-0.07759-5.97799*-5.12217*-3.81147*EA否-0.266590.302210.20880-6.41158*-7.53348*-5.01118*NCO否0.704490.26222-0.35516-8.00088*-4.05536*-6.98815*LNT有-0.388730.709905.38444-6.87733*-3.93346*-3.98819*表3：适度度参与型银银行的平稳稳型检验变量时间趋势水平值一阶差分值值LLC检验验B检验IPS_WW检验LLC检验验B检验IPS_WW检

27、验ROA否-0.69910-3.79908*-0.65555-10.00777*-9.76607*-9.54466*LA否-2.48813*-0.37728-0.59911-10.00838*-2.36639*-8.83317*CA有-3.60061*-0.51142-0.90064-7.46608*-3.60096*-4.60032*TA有0.097780.986611.52220-5.63362*-3.61148*-4.83381*EA否-0.69943-1.14425-0.11164-10.77634*-6.41155*-7.03337*NCO否0.980030.94990-1.4113

28、4*-6.53348*-5.43342*-6.48884*LNT有0.124442.45776-0.34428-4.52290*-3.43358*-3.13348*模型选择检检验从表4、55中可以看看出，无论论是以ROA还是是以LA为因变变量，F检验和LMM检验的结结果均表明明模型中存存在个体效效应，即排排除了使用用混合回归归模型的可可能。在进进一步的HHausmman检验验中，在11%的显著著性水平上上，主导型型银行在以以ROA和LA为因变变量建模时时都支持使使用固定效效应模型；适度参与与型银行在在5%的显著著性水平上上，支持以ROA为因因变量时采采用随机效效应模型，以以LA为因变变量时采用

29、用固定效应应模型。表4：主导导型银行模模型选择检检验结果 ：因变量F检验LM检验Hausmman检验验ROAF=1.336*LM=44446244.94*H=19.421*LAF=3499.78* LM=799782.7*H=8744.35444*(*、*、*分别表示示在1%、5%、110%的显显著性水平平下拒绝原原假设，下下同)表5：适度度参与型银银行模型选选择检验结结果 ：因变量F检验LM检验Hausmman检验验ROAF=7.557*LM=21184166.55*H=10.30411*LAF=5188.25*LM=2776.744*H=12.26144*面板数据协协整分析及及长期因果果关

30、系检验验根据模型选选择检验的的结果，对对于主导型型银行，本本文利用（2）式进行模型回归。对于适度参与型模型，则利用（3）式进行ROA为因变量的模型回归，利用（2）式进行LA为因变量的模型回归。在得到残差序列后，运用LLC检验、B检验、IPS-W检验对其进行平稳性检验。结果表明，对对于主导型型银行，以以ROA为因因变量的模模型的残差差序列平稳稳，而对于于以LA为因变变量模型的的残差序列列则是非平平稳的。据据此本文认认为在考虑虑了控制变变量的情况况下，自变量CCA是因变变量ROAA变化的长长期原因；而不能认认为自变量量CA是因因变量LAA之间的变化化的长期原原因。见表表6。对于适度参参与型银行行，

31、以ROOA为因变变量的模型型的残差序序列是非平平稳的，而而对于以LLA为因变变量模型的的残差序列列则平稳。因此本文文认为在考考虑了控制制变量的情情况下，自变量CCA是因变变量LA变变化的长期期原因（忽忽略B检验验）；而不支持持自变量CCA是因变变量ROAA之间的变化化的长期原原因。见表表7。表6：主导导型银行协协整检验结结果：因变量LLC检验验B检验W检验ROA-4.03328*-1.599*-3.300453*LA-1.055126 -1.42221*-1.900194*表7：适度度参与型银银行协整检检验结果：因变量LLC检验验B检验W检验ROA-1.23318-3.66685*-0.744

32、39LA-2.70013*-0.53364-1.81117*面板数据误误差修正模模型及短期期因果关系系检验在建立ECCM模型进进行短期因因果关系检检验时，为为满足误差差项经典假假设的要求求，将滞后后项m定为2，为了避避免面板模模型LSDDV估计方方法带来的的偏误，用用ROA(-3)、ROA(-4)作作为ROA(-1)、ROA(-2)的的工具变量量、LA(-3)、LA(-4)作为为LA(-1)、LA(-2)的工工具变量进进行参数估估计。 杨政，田铮，党怀义. 面板数据的单位根检验和协整检验实证分析西部省市固定投资与工业增加值之间的关系 J. 数理统计与管理，2007（5）：420426. 结果显

33、示，对于主导型银行，由于ECM项的系数不能通过t检验，因此误差修正机制未发生，据此认为自变量CA是因变量LA变化的长期原因不能得到进一步的证实。注意到CA(-1)项、CA(-2)项的系数均不能通过t检验，因此也不能认为自变量CA是因变量LA变化的短期原因。见表8。对于适度参参与型银行行， ECCM项的系系数在1%显著性水水平下通过过了t检验验，这说明明自变量CCA是因变变量LA变变化的长期期原因得到到进一步的的证实。注意意到CA(-11)项、CA(-22)项的系系数均未通过t检验，因因此不能认认为自变量量CA是因因变量LAA变化的短短期原因。见表9。表8：主导导型银行EECM模型型变量系数t检

34、验值P值C0.0144946-0.1111730.91115CA(-1)0.01447590.08441660.93333TA(-1)0.00115160.14118130.88778EA(-1)2.03113870.03332420.97336NCO(-1)10.8228650.12001110.90449LNT(-1)0.1933091-0.0884420.93331ROA(-1)7.90224740.05339730.95772CA(-2)0.02447740.06335670.94996TA(-2)0.0022686-0.2774430.7855EA(-2)0.9822792-0.07

35、71240.94335NCO(-2)8.0399345-0.2005120.83884LNT(-2)0.0988296-0.0223150.98116ROA(-2)1.06337710.00111610.99991ECM项1.34334060.35331240.72556R2= 0.1997F=1.2256（0.25576）DW=2.096表9：适度度参与型银银行ECMM模型变量系数t检验值P值C0.0033865-0.5664460.57443CA(-1)0.6033604-1.4668450.14667TA(-1)0.0066443-1.5115970.13442EA(-1)0.24663131.08662680.28113NCO(-1)2.0844935-1.2114330.22889LNT(-1)0.0400163-1.1773440.24448ROA(-1)0.5288495-0.2663020.79333CA(-2)1.437726-0.0555810.95557TA(-2)0.01225010.27882160.78117EA(-2)0.26776960.441110