【《商业银行风险承担指数的测算过程案例》4700字】

商业银行风险承担指数的测算过程案例目录TOC\o"1-3"\h\u7401商业银行风险承担指数的测算过程案例 1289461.1.1双指数市场模型计量原理 111991.1.2数据说明与描述性统计 2170861.1.3双指数市场模型计量结果 3对于商业银行风险承担指数的测算，常用的有：破产风险法，即Z评分指数（（LaevenandLevine,2009[298]；张健华和王鹏，2012[299]；Shim,2019[300]）。资本充足法，主要指标有不良贷款率（王兵和朱宁，2011[301]；Chan‐Lau,2010[302]）、资本充足率（顾海峰和张亚楠，2018[250]；顾海峰和杨立翔，2018[303]）、贷款损失准备率（姚树洁等，2011[304]；汪可，2018[305]）、加权风险资产比例（喻微锋和周黛，2018[306]）、权益对负债比率、Z值（汪可等，2017[70]）、预期违约概率（牛晓健和裘翔，2013[307]）、股市波动率和股价波动率（谌新民和刘善敏，2003[308]），等。模型法，其中最典型的是威廉·夏普建立的指数市场模型[309]，该方法的特点是同时考虑了银行多方面情况，从多个维度综合测度银行风险。由于Z-score指数仅代表破产风险而非风险承担，加之我国政府对商业银行存在隐性担保，银行破产风险较低。因此，本研究结合国内外学者的常见做法，主要采用资本充足率法和指数市场模型对银行风险承担水平进行衡量。其中资本充足率法可以从银行年报直接获取有关指标，指数市场模型需要基于上市银行的日收益率、国债市场日收益率等有关数据进行估计得到。双指数市场模型计量原理早在20世纪50年代，随着金融市场的发展，如何衡量和管理金融风险的问题就成为了学者和业界关注的重点。1952年，美国学者哈里·马克威茨（HarryMarkowitz）提出了均值-方差模型，这一方法得到了广泛应用，但是这方法也存在各种缺点，如计算过程复杂，计算成本较高。为此，威廉夏普（WilliamF.Sharpe）在1963年提出了单指数模型[309]，在很大程度上简化了计算过程，节约了计算成本。学术界对单指数模型的应用研究已经非常丰富，但双指数模型的延伸应用在国内相对较少。基于此，本研究参考Chenetal,(2006)[310]，建立双指数市场模型测度银行风险承担指标，模型具体形式如下：（4-3）其中，为银行在时期的日收益率，为市场的相应日收益率，是3月期国债日收益率，为随机误差项。这个方程的回归系数有两个风险度量指标和分别代表银行的系统风险（SYSrisk）和利率风险（Irisk）。通过计算标准差产生了两个额外的风险度量指标总风险（Trisk）和个体特质风险（Urisk），分别为银行股票收益率和残差的标准差。这4个风险指标的方向具有一致性，其值越大，意味着银行的风险承担水平越高。需要注意的是，这里的系统风险（SystematicRisk）与本研究所考虑的系统性风险（SystemicRisk）含义有本质的不同。系统风险是指由共同因素引起的，对市场中所有参与者都有影响的，并且无法通过资产多样化组合加以分散的风险，因此也称市场风险。而系统性风险是金融风险，主要是指不利的经济冲击导致金融系统大规模遭受损失的可能性。个体特质风险是指个别机构因资金短缺、经营不善、声誉受损等自身因素而造成的风险。数据说明与描述性统计对于双指数市场模型的计算，课题共截止2018年12月28日中国A沪深两市所有28家上市银行的相关数据。采用双指数市场模型，需要的原始数据有三个变量，一个是各银行的收益率数据，我们采用各上市银行股价的涨跌幅（日数据）；另一个是银行系统收益率数据，我们采用银行指数882115.WI的涨跌幅（日数据）；还有一个是利率指数数据，我们采用中债国债3月期国债收益率（日数据）。以上数据的选取范围均为2008年1月2日至2018年12月28日。各变量的的描述性统计见表4-2。对于2008年之前上市的银行，其时间跨度为2008年1月2日-2018年12月28日，对于2008年以后上市的，其时间跨度为上市日至2018年12月28日，最大观测数为2677填，数据量较少的是郑州银行和长沙银行，分别只有310和306个观测数。所有数据均来自wind数据库。相关变量的描述性统计如表4-2所示。表4-2双指数模型相关变量的描述性统计银行均值最大值最小值标准差P值偏度峰度观测数3月期国债2.585.110.800.800.00-0.312.832677银行指数0.0210.02-9.971.840.000.138.442677平安银行0.0310.04-10.022.450.000.276.602677浦发银行0.0310.04-10.032.290.000.257.552677民生银行0.0310.10-10.002.090.000.317.782677招商银行0.0310.03-10.012.200.000.236.992677华夏银行0.0310.07-10.052.320.000.096.872677中国银行0.0110.16-10.041.640.000.5711.792677工商银行0.0210.05-10.001.620.000.0910.572677兴业银行0.0310.05-10.022.350.000.186.912677中信银行0.0210.09-10.032.270.000.367.292677交通银行0.0010.10-10.062.000.000.179.412677宁波银行0.0410.07-10.022.400.000.136.222677南京银行0.0410.07-10.012.250.000.167.102677北京银行0.0210.05-10.012.140.000.247.662677建设银行0.0210.04-10.091.810.000.239.272677农业银行0.0410.12-9.901.370.000.3914.012302光大银行0.0410.14-9.921.780.000.7210.392278江苏银行0.009.98-5.831.480.001.6914.17832贵阳银行0.0410.04-7.331.810.001.3211.07822江阴银行0.0210.07-10.012.820.000.727.66809无锡银行0.0310.04-10.002.700.000.827.77796常熟银行0.0910.06-9.972.570.000.917.18791杭州银行0.0010.01-7.621.670.001.4112.52777上海银行0.0010.00-9.991.420.000.1611.72763苏农银行0.0010.04-10.012.650.000.737.54754张家港行0.0510.05-10.023.210.000.586.27715成都银行0.0210.06-9.652.360.000.609.47465郑州银行-0.0810.04-9.962.280.000.8410.26310长沙银行-0.0410.04-9.672.210.000.389.00306资料来源：本研究整理双指数市场模型计量结果双指数市场模型计量结果参考朱琪等（2019）[311]的做法，基于式（4-3）的双指数市场模型，利用每个观测年份的面板数据分别进行回归，计算获得28家样本银行的总风险（Trisk）、系统风险（SYSrisk）、利率风险（Rrisk）与特质风险（Urisk）结果序列，每个序列共201个观测数。4个风险计算的描述性统计如表4-3所示。总风险（Trisk）、个体特质风险（Urisk）、利率风险（Irisk）、系统（市场）风险（SYSrisk）的具体结果，分别报告于表4-4、表4-5、表4-6和表4-7。表4-3总风险、系统风险、利率风险与特质风险的描述性统计变量均值最大值最小值标准差P值偏度峰度观测数Trisk2.0465.7230.7280.9240.0000.9463.664201SYSrisk1.0101.756-0.6190.3020.000-0.9727.363201Rrisk-0.0782.300-10.1380.8940.000-7.58883.246201Urisk1.1475.0250.3210.7570.0002.46310.050201资料来源：本研究整理表4-4双指数市场模型总风险（Trisk）银行类型20082009201020112012201320142015201620172018平安24.1482.9712.0721.6581.4543.1062.0742.8401.2121.6342.130浦发24.4802.8521.9281.5131.3582.4821.8542.6521.2701.0961.371民生23.6292.4931.5681.4931.3922.5452.1292.6631.2450.8941.222招商24.0082.6941.8251.4661.3932.1061.6702.6681.2371.6031.921华夏24.3712.7112.2141.9151.5602.1012.0652.8601.3940.9951.345中国12.6281.9351.2340.8360.7281.0321.7602.8811.0810.8661.246工商12.8321.7551.5201.0260.8261.0041.4992.4500.8721.0471.617兴业24.2472.9242.3471.8131.4532.6281.9782.9181.0080.8691.324中信23.4142.4912.2111.4761.2692.1512.7663.3281.6251.1561.651交通13.4522.4861.7331.0981.0941.6091.9893.1451.2290.8471.150宁波33.5332.7122.2641.6191.5431.7352.0453.3321.6821.3041.666南京33.7272.6472.4101.6981.8012.1352.0283.4251.8541.5871.964北京33.7272.6082.1741.4821.4201.9881.9133.0571.2420.9141.122建设13.0152.0861.3481.0160.9051.2961.8262.7721.0731.0661.903农业11.2940.9960.8071.3591.6842.4440.8660.9001.516光大22.7771.2851.0641.7332.0433.2161.3010.8371.403江苏32.7541.1861.196贵阳33.1241.4571.627江阴44.0273.6082.343无锡44.3443.3122.174常熟44.3742.6912.100杭州33.2391.7201.431上海32.8651.3531.423苏农45.7233.0262.369张家44.2013.066成都33.042郑州33.280长沙32.915平均3.6582.5261.9321.3991.2541.9381.9582.9162.1101.6071.840注：表中第2列银行类型1、2、3、4分别代表大型国有商业银行、股份制银行、城市商业银行和农村商业银行。资料来源：本研究整理表4-5双指数市场模型个体特质风险（Urisk）银行类型20082009201020112012201320142015201620172018平安21.4141.5901.3090.9740.8381.5240.7641.1600.6491.2281.039浦发21.3421.0780.8990.6130.5711.0000.6451.3231.0010.6340.820民生21.1851.1070.6850.8720.7031.0570.9131.1580.6850.5410.568招商21.0880.9610.8290.6860.5821.0570.6441.2020.5540.8790.857华夏21.7491.2481.4271.0570.7630.8630.7851.0080.5590.5800.602中国11.2550.9940.6570.4120.4310.6000.9321.4650.4900.5740.556工商11.2940.8060.7340.4890.3210.6940.7441.1390.4580.7610.730兴业21.4151.2331.2240.8850.6480.9280.6651.1020.3540.4040.577中信21.3741.5591.0980.8700.6191.1581.8872.0020.9600.7520.981交通11.2421.1760.7980.4950.5010.7140.8751.3210.4820.5390.533宁波31.5671.4021.0890.8570.7980.7341.1412.0661.0170.8621.058南京31.7891.4701.3240.9551.0910.9680.9441.9251.1671.1521.171北京31.7151.3341.0700.7430.7390.8120.9331.6450.7740.6590.623建设11.1370.9890.7840.5890.5170.8920.9880.9890.5930.7110.819农业10.7990.5650.4930.7800.8500.9880.4270.6870.650光大21.9830.6630.5120.7691.0411.3260.5500.4800.664江苏32.4641.0460.731贵阳32.9341.2141.079江阴43.9313.5671.859无锡44.1903.2491.695常熟44.1772.6131.675杭州33.1561.5700.983上海32.8361.1700.938苏农45.0252.9451.805张家44.0822.615成都32.532郑州32.048长沙31.765平均1.3981.2101.0440.7330.6330.9100.9221.3641.6431.3161.142注：同表4-4资料来源：本研究整理表4-6双指数市场模型系统风险利率风险（Irisk）银行类型20082009201020112012201320142015201620172018平安2-0.0440.2850.0100.041-0.125-0.210-0.1230.3720.0820.171-0.334浦发2-0.111-0.428-0.072-0.0610.1350.0470.1390.0620.7660.057-0.185民生20.0570.2220.007-0.0650.015-0.258-0.008-0.1300.0140.148-0.052招商20.0420.3600.033-0.1370.0590.105-0.002-0.178-0.2060.0660.026华夏20.1450.553-0.062-0.089-0.0420.126-0.0380.120-0.1670.0170.004中国10.0870.155-0.0100.001-0.000-0.021-0.1120.0190.121-0.1340.070工商10.1430.165-0.0220.007-0.006-0.031-0.116-0.0030.079-0.1080.060兴业2-0.184-0.1170.1390.0470.081-0.066-0.0840.229-0.1540.000-0.021中信20.1290.9180.1370.126-0.0400.9950.287-0.231-0.1220.0220.268交通1-0.041-0.1440.057-0.041-0.046-0.0110.139-0.2660.270-0.0840.043宁波3-0.1500.8390.2200.030-0.3660.0610.1990.1230.1070.0190.243南京30.0500.1760.0010.066-0.1780.0220.290-0.0220.056-0.1020.274北京3-0.2380.7120.1000.2160.1160.0390.0190.208-0.0420.026-0.027建设10.0740.1840.0540.1110.042-0.037-0.144-0.1730.1700.0430.072农业10.152-0.072-0.0530.051-0.032-0.0190.103-0.0550.105光大20.3130.116-0.143-0.015-0.0580.0250.172-0.036-0.014江苏3-0.126-0.1670.021贵阳3-0.938-0.2540.313江阴4-2.762-0.926-0.024无锡4-2.803-0.7350.093常熟4-3.527-0.586-0.032杭州3-1.596-0.3170.080上海3-1.240-0.2420.127苏农4-10.138-0.6590.030张家4-2.121-0.265成都30.871郑州32.262长沙32.300平均-0.0030.2770.0660.019-0.0340.0500.0220.009-0.912-0.2380.225注：同表4-4资料来源：本研究整理表4-7双指数市场模型系统风险（SYSrisk）计算结果银行类型20082009201020112012201320142015201620172018平安21.1091.1481.1391.3191.3321.4761.1211.0211.0051.2871.403浦发21.2151.1991.2101.3591.3711.2461.0150.9090.7661.0690.829民生20.9761.0211.0001.1901.3431.2591.1210.9501.0190.8480.820招商21.0981.1511.1531.2711.4131.0000.8980.9431.0761.6011.304华夏21.1401.1021.2011.5691.5231.0521.1131.0581.2460.9670.912中国10.6570.7590.7410.7150.6560.4600.8690.9820.9470.7720.846工商10.7170.7130.9440.8860.8500.3960.7570.8580.7290.8571.094兴业21.1371.2081.4191.5551.4511.3461.0851.0670.9200.9200.904中信20.8900.8931.3601.1721.2400.9951.1811.0531.2801.0481.005交通10.9160.9971.0910.9631.0890.7901.0431.1301.1140.7810.773宁波30.9281.0111.4251.3801.6111.0451.0491.1201.4141.3041.196南京30.9011.0601.4081.3501.4820.8620.9921.0351.3141.1690.975北京30.9381.0281.3411.2591.3500.9960.9741.0180.9500.7560.708建设10.7950.8390.7770.8140.8290.5140.8931.0250.8810.9491.304农业10.7570.8050.7160.6110.8470.8850.7410.6941.039光大21.3971.0821.0480.8511.0241.1601.1590.8190.937江苏31.6350.6640.718贵阳31.4940.9540.921江阴4-0.0420.4611.082无锡40.6090.6811.033常熟40.2790.7100.960杭州30.3890.8270.789上海3-0.0150.8020.812苏农4-0.6190.7651.164张家40.6241.208成都31.284郑州31.756长沙31.647平均0.9581.0091.1481.1681.2070.9310.9991.0140.8450.8931.051注：同表4-4资料来源：本研究整理由表4-4可知，各样本银行的总风险平均值位于[1.319，3.706]这一区间，说明研究期间内各商业银行的总体风险承担水平差异不是很大。其中，总体风险小的是中国农业银行和中国银行，其在2009-2019年间的平均总风险发分别为1.319和1.601；总体风险最大的是两家农村商业银行，苏农银行和张家港行，其在2018年的总风险分别为2.369和3.066