基于風險價值的商業銀行論文范文

本站小編為你精心準備了基于風險價值的商業銀行論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1數據的選取與處理

本文考量的標的是2007年前在上交所上市的12家商業銀行系統性風險價值。為了獲取必需的數據，以2007年11月23日為起始日，2014年2月7日為結束日，收集采用前復權方式處理的銀行股票的周收盤價作為基礎數據，在此基礎上計算股票收益率指標作為解釋變量。此段時間經歷過美國次貸危機及歐洲債務危機，并由此引發了全球性的金融危機，因此銀行股價格水平具有很強的研究及參考意義銀行指數數據來表示。單個銀行股票收益率和銀行整體股收益率的計算通過周數據取對數一階差分得到，為方便計算減少誤差，我們將所有計算結果乘以100。數據來源于大智慧軟件，數據處理使用Eviews6.0。

2數據的直觀分析

首先對原始數據進行直觀分析，觀察12家上市銀行2007年11月23日到2014年2月7日股票收盤價的周數據，見圖2所示。如圖1所示：各銀行股票收盤價周數據存在相似走勢，但不同銀行股票價格的波動范圍，以及收盤價最高點和最低點出現的時間及數值各不相同。總的來說，金融危機后，各上市銀行股價都出現回落，回落的幅度及其后的震蕩趨勢需要進一步分析。根據公式（11）計算各上市銀行股票和銀行股整體的收益率，見圖2和圖3所示。如圖2和圖3所示：金融危機造成銀行股收益率的大幅震蕩，其后震蕩幅度逐漸收斂。直觀來看，興業銀行和中信銀行震蕩幅度較大，且收斂的趨勢不明顯；而建設銀行、浦發銀行和中國銀行的表現則好很多，收益率的方差較小。CoVaR模型主要用以測度危機情況下不同個體的風險外溢狀況。本文討論不同上市銀行同銀行系統整體之間的風險外溢性，從上圖直觀的理解，就是考量各上市銀行收益率同銀行股整體收益率間的關聯關系，結合圖2和圖3的分布情況，本文將對實證結果作出分析。

3實證結果分析

首先，對樣本序列Iit(i=1,2…12，表示12家上市銀行)的平穩性進行檢驗，單位根檢驗結果表明，在95%的置信水平下，所有收益率數據均拒絕單位根原假設，即收益率序列均為平穩序列，可以直接計算VAR、CoVaR與%DCoVaR等值。其次，對12家上市銀行和銀行股指數做J-B檢驗，檢驗結果如表1所示。根據表1所示，各銀行股收益率均呈現左偏，所有上市銀行的股收益率峰度K>4，序列分布的尾部比正態分布的尾部厚，其分布呈現出“高瘦”形狀，即“尖峰”，符合大多數金融事件序列“尖峰厚尾，非對稱分布”的特征。接下來對12家上市銀行風險對銀行系統整體的溢出效應和銀行系統風險對12家上市銀行的溢出效應分別做出分析，計算各自的DCoVaR和%DCoVaR。首先，考察銀行系統整體風險對單個銀行風險的溢出效應。下表表示在95%的置信區間下，銀行系統風險對12家上市銀行的溢出效應如表2所示。表2的結果顯示：通過VaR方法測度的銀行系統整體風險對單個銀行風險小于通過CoVaR方法所測度的值，說明通過VaR方法測算的風險價值偏低，符合學術界對于銀行風險的判斷；按照受銀行系統溢出風險影響大小排序，受影響最大的三家銀行分別是民生銀行、中信銀行和華夏銀行，符合股份制銀行相較國有大型銀行，在抵御風險方面存在不足的慣性思維；同時注意到受銀行系統溢出風險影響最小的三家銀行，按從小到大排列，分別是工商銀行、浦發銀行和中國銀行，和傳統思維出現偏差，作為國有大型銀行的建設銀行和交通銀行，受銀行系統溢出風險的沖擊較大，反而是浦發銀行作為新興崛起的股份制銀行，在防范風險方面做得較好。其次，考慮單個銀行風險對整個銀行系統的溢出效應，下表表示在95%置信區間下，單個上市銀行風險對銀行系統整體的溢出效應大小如表3所示。表3的結果顯示：通過VaR方法測度的單個銀行對整個銀行系統的溢出風險同樣小于通過CoVaR方法所測度的值；單個銀行風險對整個銀行系統的溢出效應明顯大于銀行系統溢出風險對單個銀行的作用大小，說明這12家上市銀行作為中國商業銀行業，乃至中國金融業的主力軍，對整個系統具有舉足輕重的影響力；按照對整個銀行系統影響能力的大小排序，影響最大的三家銀行分別是浦發銀行、中國銀行和工商銀行，影響最小的三家銀行分別是招商銀行、建設銀行和南京銀行，判定不同商業銀行對銀行系統影響能力的大小，要綜合考慮銀行本身的實力、資產負債組成和系統性風險內部監控水平等多種因素。

4結論

本文以基于分位數回歸的CoVaR模型為基礎，應用股票周收盤價數據對我國12家上市商業銀行的系統性風險貢獻度進行測算，同時度量了單個銀行與整個銀行體系之間的雙向溢出性。實證的結果顯示：(1)商業銀行風險價值的大小同其系統性風險的貢獻度之間并無直接聯系。由實證數據可知，在置信區間為95%的情況下，VaRi0.05最大的三家銀行分別是浦發銀行、興業銀行與華夏銀行，VaRsys0.05最大的三家銀行分別是中信銀行、華夏銀行和北京銀行，然而系統性風險的貢獻度最大的三家銀行分別是浦發銀行、中國銀行和工商銀行，說明利用VaR值來衡量系統性風險貢獻度的傳統做法有失偏頗，也驗證了Adrian等人的理論。(2)銀行系統與單個銀行的雙向溢出效應之間存在一定關聯。按照單個銀行受銀行系統溢出風險影響的大小排序，受影響最小的三家銀行分別是工商銀行、浦發銀行和中國銀行；按照單個銀行對銀行系統的溢出風險大小排序，影響最大的三家銀行分別是浦發銀行、中國銀行和工商銀行，說明系統性風險貢獻度大的關鍵銀行本身穩健性較好，抵御風險的能力較高。(3)單個銀行風險對整個銀行系統的溢出效應明顯大于銀行系統溢出風險對單個銀行的作用大小。簡單來看，單個銀行風險對銀行系統溢出效應的均值為25.637，而后者對前者的均值僅為16.328，說明這12家上市銀行作為中國商業銀行業，乃至中國金融業的主力軍，對整個系統具有舉足輕重的影響力。(4)不同銀行風險對整個銀行系統的溢出效應差別小于銀行系統溢出風險對不同銀行的作用。%DCoVaRi|sys0.05最大和最小的兩家銀行分別是中信用銀行的27.54%和工商銀行的4.46%，%DCoVaRsys|i0.05最大和最小的兩家銀行分別是浦發銀行的32.78%和招商銀行的16.88%，前者的差距遠大于后者，說明這12家上市銀行的系統性風險貢獻度差別不大，但是面對系統性風險沖擊時候的脆弱性差別明顯。(5)判定不同商業銀行對銀行系統影響能力的大小，要綜合考慮銀行本身的實力、資產負債組成和系統性風險內部監控水平等多種因素。四大國有商業銀行中農業銀行因為2007后上市，不在本文的討論范圍內，工商銀行與中國銀行按照實證數據顯示，的確是中國銀行系統的關鍵點，但是建設銀行風險貢獻程度卻和本身實力不符，相反浦發銀行作為股份銀行，在穩健性和對系統的影響能力方面，排名靠前。值得注意的是，盡管CoVaR模型簡潔明了并反映了市場對于銀行風險相關性的預期，但該方法只適用于在股票交易所上市的銀行，并且要求股票市場價格能夠有效反應全部信。但是實際上，我國股票市場的有效性受到種種原因的限制，因此，股價波動不能完全反應銀行資產質量和風險狀況的變化，想要準確了解銀行系統性風險的真實情況，還必須結合實際業務與宏觀經濟指數等多項指標。

作者：徐苑清童中文單位：南京師范大學商學院