基于分位数回归的浙江上市金融机构系统性金融风险分析

贺武

（浙江越秀外国语学院，浙江 绍兴 312000）

一、系统性金融风险的成因分析

金融机构的内在脆弱性是导致系统性风险爆发的原因。金融机构内在的脆弱性主要有三个方面：一是信息不对称的存在，由股票、基金、保险、债券等多个市场组成的金融市场体系庞大，包含多个金融主体，更易导致产生信息不对称的问题，引发系统性金融风险；二是金融机构具有高杠杆性，银行机构的高负债率，金融衍生品的高杠杆，严重时会影响金融体系的结构性问题；三是经济运行存在周期性，随着经济的快速发展，预期收入的上升会使企业开始高杠杆经营模式，从而导致金融市场的稳定性下降，金融体系的内在脆弱性加强，最终进入衰退期。

由于外在因素的变动，体系内的机构和市场会受到冲击，稳定性降低。这些影响因素主要有变动的多项指标、国际动态等，这些现象都是增加风险的主要原因。其主要的外部因素表现为不定的变动存在于金融周期之中，现实中的市场参与者并非都是理性的，金融监管体系的不完善。

二、基于分位数回归的CoVaR度量

CoVaR方法是VaR方法的改进和延伸。VaR的定义是收益率的q分位数，即在规定的持有期期间，在特定置信水平下，投资组合可能产生的最大损害。机构管理者通过VaR方法，可以设置出符合自身的管理机制，但同时机构与机构之间的风险溢出效应却没有办法得到度量。CoVaR方法测量了系统风险对金融系统的个别贡献以及外部性和外溢效应，更好地反映了单个金融机构对金融系统的系统重要性。

为了研究两个金融机构之间的风险溢出关系，本文运用静态CoVaR模型。建立分析两个金融机构回报率之间的关系，定义两个机构为系统s和机构i，在机构损失为Xi的情况下，可以得出：其中中表示一定置信水平下机构i损失为Xi的条件下体统q分位数损失估计值。因此，根据VaR的定义，可以得出：CoVaR是机构i的VaR下的条件VaR，其本质也是VaR，因此分位数回归得到的系统基于机构i损失的条件下损失的预测值就是Xi条件下的VaR值。其中是条件分位数，当Xi取时，可以计算出机构i的CoVaR值，其结果：

本文的分位数回归采用的是5%分位数水平，置信区间为95%的风险溢出效应，其中分位数q=0.5为正常情况下机构i的可以由机构i的收益率序列的q分位数得到，所以风险溢出值为：

在实际金融体系的问题中，因为宏观经济变化在一定程度会影响系统性风险的传播，导致金融市场的环境多变。考虑到宏观经济波动的影响，将引入状态变量来构建动态CoVaR模型，根据文献的计算方法可以得出：在此基础上，可以运用分位数回归方程的参数估计值得出VaR和CoVaR，其结果表达为：

在分位数q=0.5的情况下，可以计算得出每个机构的ΔCoVaR，表达式为：

三、实证研究

（一）样本选取和数据处理

本文选取浙江省上市金融机构共9家，其中银行机构3家：宁波银行、杭州银行、浙商银行，证券期货机构3家：财通证券、浙商证券、南华期货，其他金融机构3家：仁东控股、同花顺、浙江东方。在这9家金融机构中选取研究对象时，不包括浙商银行和南华期货，因为这两家金融机构上市时间较晚。考虑到数据的可得性，选择2018年12月1日至2020年12月31日的数据作为样本数据。

本文变量有两个，单个金融机构收益率和金融系统的收益率，其中，t时刻单个金融机构的收益率rt的定义为：其中Pt和Pt+1分别是该上市金融机构的股票在t交易日和t+1交易日收盘价格，rt衡量的是该金融机构股票在t时刻的对数收益率。金融体系的收益率则是选取全指金融指数作为对金融体系的衡量，收益率公式为：其中P和P分别是全指金tt+1融指数在t交易日和t+1交易日的收盘价格，rt衡量的是全指金融指数在t时刻的对数收益率。

我们选择市场波动率、流动性价差和期限价差三个状态变量。其中，市场波动率为基于GARCH模型的沪深300指数收益率；流动性价差为：3个月shibor-3个国债到期收益率；期限价差为：10年国债到期收益率-1年国债到期收益率。

（二）正态性和平稳性检验

将变量金融系统、宁波银行、杭州银行、财通证券、浙商证券、仁东控股、同花顺、浙江东方分别命名为S、V1、V2、V3、V4、V5、V6、V7，对金融系统及各个金融机构的日收益率序列进行描述性统计，其整理结果如表1所示。

表1 金融系统和金融机构数据分析结果

从表1可以看出，各机构和金融系统的收益率不遵循正态分布。遵循正态分布的变量通常峰值为3且偏差为0。上述机构样本峰值均大于标准正态分布且偏差不为零。表中Jarque-Bera值较大，P值均为0，所有样本的序列拒绝遵循正态分布的原始假设。

（三）基于静态CoVaR模型的风险测度

根据上述的静态CoVaR模型，将选取的数据导入EViews，以浙江东方为例，测算结果如表2，并对各个金融机构的分位数回归结果进行整理，如表3所示。

表2 浙江东方数据分位数回归结果

表3 各个金融机构数据分位数回归结果

（四）基于静态CoVaR模型的度量结果

从个体风险水平的角度来看，比较VaR值，即证券机构的VaR值相比于银行机构的VaR，其值较小，而同花顺的VaR值在所有金融机构样本数据的最末位，其VaR值为-0.051806633，说明同花顺具有较好的自身风险控制能力。

从行业的影响程度来看，即比较CoVaR值。在所选金融机构样本中，宁波银行和同花顺相比于其他金融机构排名靠前，是所选样本中造成金融体系条件在险价值最大的两个机构，其CoVaR值分别为-0.031624316和-0.031779376。

以系统性风险贡献为切入点，即比较ΔCoVaR值。银行业金融机构对整个金融体系的风险有很大的影响作用，即当银行业金融机构出现危机时，金融体系内会产生产生较大的风险，在所选取的上市金融机构样本中，宁波银行对整个金融体系的风险贡献最显著；同时，也反映出宁波银行的多元化程度较高，对金融体系系统性风险有重要的影响力。

（五）基于动态CoVaR模型的风险测度

各个金融机构对系统性风险的收益率方程的系数回归结果如表4所示。

表4 金融机构分位数回归系数的估计结果

（六）基于动态CoVaR模型的度量结果

对上表的各个状态变量的估计系数观察可以看出，在代表各个金融机构的系统性风险贡献系数β中，即表中第三列数据，发现宁波银行系数为0.532898，排在首位，第二名为杭州银行，其系数值为0.459757，说明宁波银行和杭州银行自身风险水平会较大影响到极端情况下其对金融体系的风险溢出，相比证券机构和其他金融机构，金融体系中的银行机构起着极为重要的影响。

以分位数q=0.05表示极端市场状态，分位数q=0.5为正常情况进行分位数回归，得出各个金融机构在此分位数水平下的VaR和ΔCoVaR，其结果如表5所示。

表5 金融机构系统风险溢出值△CoVaR及其排名

将各个ΔCoVaR值的进行比较，发现宁波银行被排名在首位，即整个金融体系或市场会被宁波银行发生的风险产生较为大的影响。银行机构的ΔCoVaR值相比于证券机构和其他金融机构的值更小，即当银行机构发生风险时，其对整个金融体系或市场会产生较大的影响。

四、结束语

通过对分位数回归的CoVaR模型的使用，测量了浙江省金融机构的风险，得出了相关的结论如下。

第一，通过实证研究和分析证实了CoVaR模型是一种相对更为全面适宜的的度量方法。不仅可以测量系统风险对整个金融体系的波及效果，还可以有效测量金融机构之间的系统风险波及效果。此外，预警和防范可以通过这种方法被有效地执行。

第二，银行机构在控制金融风险方面的能力较强，证券机构和其他金融机构相对较弱。以宁波银行和杭州银行为例，区域性银行在抵御风险溢出的能力上较为良好，此外当银行机构发生风险时会对整个金融体系和金融市场产生较大的影响。

第三，金融体系内不同的金融机构的风险溢出存在一定的差别。在金融自由化的现状下，银行机构、证券机构和其他金融机构之间的联系越来越密切，而证券机构和其他金融机构容易受到银行机构的风险冲击，这说明目前在金融体系中银行机构占据着重要地位，即金融体系内银行机构和证券机构及其他金融机构存在着发展不平衡。因此，应加强证券机构和其他金融机构的发展，使金融市场得到更加全面和健康的发展。