中国商业银行羊群行为实证分析

冯剑

中国商业银行羊群行为实证分析

冯剑

文章应用 LSV 模型分析 16 家较早在 A股上市的商业银行近年的信贷数据，以测度其信贷业务中的羊群行为。对 LSV 模型测度结果进行单总体 t检验和卡方检验的结果表明，从 2008 年下半年至 2016 年上半年的大部分时间里，中国商业银行的信贷业务中存在着羊群行为，且羊群行为呈现周期性特征。

商业银行；羊群行为；LSV 模型

一、LSV模型简介

在金融领域中，羊群行为通常指的是那些会导致系统性错误（比如，相对最优决策的次优选择）的群体决策(Andreaand Welch, 1996)。就银行业经营而言，银行家在经济扩张时，高估了好项目无法获得资金的可能，却低估了坏项目获得资金的机率；在经济衰退时，则犯了完全相反的错误。羊群行为的存在则使得信贷市场上的信贷扩张和信贷收缩都表现得更为剧烈。银行家短视化是普遍存在的，在经济景气时期，银行家往往比在经济不景气时期做出更多错误的信贷决策，银行在经济扩张时向负净现值项目发放的贷款变成了之后的不良贷款。(Rajan,1994)

对羊群行为现象的早期研究可上溯至凯恩斯的“选美理论”和“动物精神”理论。但直至二十世纪九十年代初，才由 Lakonishok 等人提出了第一个具有可操作性的羊群行为实证检验方法，即LSV模型。Lakonishoketal(1992)将羊群行为定义为基金经理人同时买入或卖出某些特定股票的平均趋势，这种方法通过对同一时期内中单只股票的买方力量，与整个时期中机构投资者的平均买方力量的偏离的测度来确定羊群行为 Hit：

其中 pit为在 t时期买入股票 i的基金占全部买卖股票 i的基金之比，即

Bit、Sit为在 t时期净买入和净卖出股票 i的基金数；E(pit)为 t时期买入股票 i的基金占比的预期值，在文章中以 t时期所有 Pit的算术平均值 Pt近似代替。调整因子 AF 表示羊群行为不存在的条件下|pit-E(pit)|的期望值。Lakonishoketal(1992)假定 Bit服从概率为 Pt的0-1 分布，在给定 Pt以及当期的基金总数目 Nt之后，便可计算得

Lakonishoketal(1992)的 LSV 模型假定，如果市场上不存在羊群行为，则经 LSV 模型计算得的 Hit将服从 μ=0 的正态分布。故在计算得到各时期、各行业的 Hit序列后，可对其进行单总体 t检验，如果检验结果表明拒绝原假设：Hit序列服从 μ=0 的正态分布，则市场上存在着羊群行为。

此后，学界又陆续发展出多种测度羊群行为的方法，这些测度方法大体可分为两类：一类是根据投资决策的聚合程度，分析投资者整体的羊群行为，代表性的方法便是 LSV模型；另一类方法则是根据个股收益率的离散程度评价投资者的羊群行为，代表性的方法有 CSSD模型、CSAD模型等。显然，第一种方法不仅适用于分析证券市场，如果对其进行适当调整，这一方法也可被应用于研究包括信贷市场在内的其他金融市场上的情况。Nakagawa and Uchida (2007)在这一思路下，扩展了 LSV 模型的应用范围。他们将各家商业银行视为机构投资者，用实体经济的各行业门类作为商业银行的“投资标的”（即 LSV 模型中的“i股票”），以此分析信贷市场上的羊群行为。NakagawaandUchida(2007)用 LSV 模型分析了日本主要商业银行的信贷数据，研究表明，1986-1989 年的经济泡沫时期，日本都市银行与地方银行的信贷业务中均呈现出明显的羊群行为。

此外，由于对信贷市场羊群行为的研究，所使用的信贷数据仅包含十个左右个行业大门类，小样本偏差很可能对计算结果产生显著的影响，导致基于正态分布，前提假设的检验方法更容易拒绝原假设：市场上不存在羊群行为。NakagawaandUchida(2007)将卡方检验引入对 LSV模型结果的分析当中，以解决小样本偏差问题。记

统计值 Zit对应于 LSV 模型中的 |pit-pt|，NtPt＞5 且 Nt(1-Pt)＞5 时，统计值 Zit近似服从标准正态分布；从而有

其中，I为 t时期内行业门类总数。

二、LSV模型对中国商业银行的测度

本文参考 NakagawaandUchida(2007)的思路，以 A 股上市银行作为中国商业银行的代表，根据上市银行对国民经济各行业门类授信额度的变化，通过 LSV模型测度中国商业银行信贷业务中的羊群行为。根据研究的需要和数据的可得性，本文选择了 2016 年 8 月前在A股上市的16家商业银行①这 16 家上市银行为工商银行、农业银行、中国银行、建设银行、交通银行、招商银行、兴业银行、浦发银行、民生银行、中信银行、光大银行、平安银行、华夏银行、北京银行、南京银行和宁波银行，除农业银行(2010 年 7 月 A 股上市)、光大银行(2010 年 8 月 A 股上市)外，其余 14 家银行均在 2008 年 6 月以前于A股上市。公布的信贷数据进行研究。

在央行《中国金融稳定报告（2012）》公布的首次银行业压力测试当中，将三家城商行除外的 13 家上市银行纳入了测试样本，而自《中国金融稳定报告（2015）》开始，则将这 16 家上市银行全部纳入银行业压力测试当中。此外，如果将银监会 2014 年《商业银行全球系统重要性评估指标披露指引》中制定的“资产余额 1.6 万亿元人民币以上”的披露标准作为划分国内系统重要性银行的标准，则截止2016年6月末，除了南京银行和宁波银行外的 14家上市银行均为国内系统重要性银行。即便是总资产规模相对较小的南京银行和宁波银行，也是长三角区域内重要的银行机构。基于上述理由，本文认为，选取这 16 家上市银行作为样本，足以反映国内商业银行信贷业务的整体状况。

本文研究所需的行业信贷数据整理自 2008 年上半年至 2016年上半年上市商业银行的中报和年报，以每半年作为一个时期。由于需进行差分计算，实际的使用样本为 2008 年下半年至 2016 年上半年共 16 个时期。根据可得到的数据，本文选择了国民经济的九个行业门类①国民经济行业分类与代码（GB/4754-2011）将国民经济划分为 20 个行业门类，本文选择了采矿业，制造业，电力、热力、燃气及水生产和供应业，建筑业，批发、零售业，交通运输、仓储、邮政业，房地产业，租赁和商务服务业，水利、环境和公共设施管理业九个门类。这九个门类囊括了第二产业的所有四个门类以及第三产业的五个较主要门类，在样本期内，这九个行业门类的增加值平均可占到当年国内生产总值的 68%左右。进行研究。在样本期内，对这九个行业门类的贷款余额平均占到各家上市银行全部公司类贷款的 89.49%。

根据前文介绍的 LSV 模型，本文计算了各时期内每个行业 Hit值，并对计算结果进行了单总体 t检验和卡方检验，检验结果如表 1第2至4列所示：

表1 羊群行为检验结果

表2 卡方检验的基本条件

t检验结果显示，除了 2010 年下半年、2014 年上半年、2015 年下半年等少数时期外，大部分时期均可以在5%的显著性水平上拒绝 μ=0，即不存在羊群行为的原假设。卡方检验显示，除了 2014 年上半年、2015 年下半年等少数时期外，大部分时期均可以在 5%的显著性水平上拒绝原假设，卡方检验的结论与 t检验结果基本相同。结合 t检验和卡方检验的结果，本文认为：在样本期内，羊群行为在商业银行信贷业务中是普遍存在的。

此外，本文通过两种方法计算商业银行的羊群行为值 Ht：(1)各行业羊群行为值 Hit的简单平均值；(2)以某行业的全部信贷余额占该时期样本银行全部信贷余额的比重为权重，计算 Hit的加权平均值，并将计算结果绘制如图 1：

图1 各时期信贷市场的羊群行为

上图为根据两种方法计算的 Ht值所绘制，可见两种方法计算得到的结果基本趋势相同：Ht值在 09 年上半年、11 年下半年、14 年下半年以及15年下半年至16 年上半年较大，而在前述这几段时期的间隔期，Ht值则相对较小。特别是在 2014 年上半年、2015 年下半年等时期，Ht值处于最小值，这与表 1 中所列示的检验结果相一致。

三、结论

本文沿袭 Lakonishoketal(1992)、Nakagawa and Uchida(2007)等的研究思路，通过 LSV模型，对中国商业银行信贷业务中的羊群行为进行了实证测度。根据 t检验和卡方检验的结果，本文认为，除了在 2014 年上半年和 2015 年上半年等少数时期外，以 A股上市银行为代表的中国商业银行，其信贷业务呈现明显的羊群行为，且这一羊群行为具有明显的周期特性。信贷市场上的羊群行为为何呈现此种周期现象，则有待于通过进一步研究进行分析。

[1]Lakonishok J.,Shleifer A.,Vishny R.The Impact of Institutional Tradingon StockPrices[J].JournalofFinancialEconomics.1992,32(1): 23-43.

[2]Nakagawa R.,and Uchida H.Herd Behavior in the Japanese Loan Market:Evidence from Bank Panel Data [J].Journal of Financial Intermediation.2007(16):555-583.

[3]Rajan R.G.Why Bank Credit Policies Fluctuate:A Theory and Some Evidence [J].Quarterly Journal of Economics.1994,109(2): 399-441.

[4]Welch I.SequentialSales,Learningand Cascades[J].The Journal of Finance.1992,47(2):695-732.

F832.33

A

1008-4428（2017）06-86-02

冯剑，男，山东邹城人，南京师范大学商学院硕士研究生，研究方向：风险管理。