我國上市商業(yè)銀行整合風(fēng)險度量.pdf

1、現(xiàn)如今，金融市場表現(xiàn)出前所未有的復(fù)雜和多變，中國經(jīng)濟持續(xù)下行、互聯(lián)網(wǎng)金融蓬勃發(fā)展、利率進一步放寬，錯綜復(fù)雜的形勢使得商業(yè)銀行此后的發(fā)展充滿了未知和挑戰(zhàn)。為了更好地應(yīng)對金融改革浪潮，商業(yè)銀行開始擴展新業(yè)務(wù)，加快資金的流通，開啟混業(yè)經(jīng)營的新局面。然而隨著業(yè)務(wù)的日益拓展，商業(yè)銀行所面臨的風(fēng)險類型呈現(xiàn)出多樣化和復(fù)雜化的趨勢，因此對商業(yè)銀行風(fēng)險管理水平就提出了更高的要求。在傳統(tǒng)的經(jīng)營管理中，我國對于銀行的風(fēng)險管理主要集中于信用風(fēng)險，首先是由于我國

2、銀行的經(jīng)營模式大部分利潤來源于存貸差，所面臨的風(fēng)險類型較為單一;其次是由于信用風(fēng)險歷史久遠，是傳統(tǒng)銀行風(fēng)險的主要來源。而目前的經(jīng)濟背景使得商業(yè)銀行面臨的風(fēng)險不再僅僅局限于信貸風(fēng)險，新巴塞爾協(xié)議中也提到應(yīng)加強對市場風(fēng)險、操作風(fēng)險、信譽風(fēng)險、流動性風(fēng)險等等的管理和控制。同時，應(yīng)該考慮到各項風(fēng)險之間存在著復(fù)雜的聯(lián)系，并不是簡單地表現(xiàn)為線性關(guān)系，一種風(fēng)險的爆發(fā)往往會對其他潛在風(fēng)險構(gòu)成影響，從而直接影響到銀行業(yè)的穩(wěn)定性。況且，在我國，商業(yè)銀行在金

3、融體系中有著絕對壟斷的地位，扮演著國家宏觀貨幣政策傳導(dǎo)和資金融通的角色，任何風(fēng)險一旦爆發(fā)，將對整個金融體系的穩(wěn)健性形成毀滅性的打擊。因此在這種風(fēng)險復(fù)雜化的大背景下，分析銀行面臨的單一風(fēng)險并對風(fēng)險之間的相關(guān)結(jié)構(gòu)進行度量，然后評估出我國上市商業(yè)銀行所面臨的整合風(fēng)險，將有利于我國銀行乃至整個金融行業(yè)的健康穩(wěn)定發(fā)展，對于我國銀行的日常風(fēng)險管理有著積極的作用和深刻的意義。
　　論文的主要安排如下，首先對國內(nèi)外有關(guān)商業(yè)銀行風(fēng)險的文獻做了梳理，

4、對每種風(fēng)險以及整合風(fēng)險的研究情況、經(jīng)典度量方法做了回顧，同時展示了文章如何圍繞銀行整合風(fēng)險度量這一問題而進行的研究步驟。接著在第二章的理論部分，重點介紹了本文度量整合風(fēng)險所要使用的Copula函數(shù)。首先對于函數(shù)的定義、類型等相關(guān)理論做了梳理，其次再詳細闡述了使用Copula函數(shù)進行風(fēng)險整合研究的優(yōu)越性。然后引出了主要的風(fēng)險度量指標VaR值，以及使用蒙特卡洛模擬將Copula和VaR值相結(jié)合的建模步驟。在第三章中，首先對銀行即將整合的單一

5、風(fēng)險——信用風(fēng)險和市場風(fēng)險進行分析，界定了這兩類風(fēng)險的概念并且選擇出了相應(yīng)的度量指標。在論文中選擇了Merton提出的信用溢價作為信用風(fēng)險的代理指標，選取股票日對數(shù)收益率的殘差序列作為市場風(fēng)險的代理指標。這兩個指標的選取不僅解決了上市銀行財務(wù)數(shù)據(jù)較短的問題，而且統(tǒng)一了時間度量單位，并且指標意義相同。由于每家銀行操作風(fēng)險數(shù)據(jù)缺失嚴重，數(shù)據(jù)收集時間以年為單位，在此僅僅考慮信用和市場這兩個風(fēng)險來源。
　　為了更好地驗證本文的觀點，作者以

6、我國11家上市銀行為樣本銀行，在計算出每一家銀行的信用風(fēng)險和市場風(fēng)險邊際分布函數(shù)后，結(jié)合經(jīng)驗Copula的歐氏平方距離和AIC信息準則，篩選出擬合優(yōu)度最佳的Copula函數(shù)，以此度量11家銀行各自面臨的整合風(fēng)險。然后使用蒙特卡洛模擬計算每家銀行兩種風(fēng)險權(quán)重發(fā)生變化時所對應(yīng)的VaR值，觀察隨著權(quán)重變化每一家銀行的風(fēng)險變化特征，并給出11家商業(yè)銀行整合風(fēng)險最小水平的風(fēng)險權(quán)重組合。最后，結(jié)合實證結(jié)果對我國商業(yè)銀行風(fēng)險管理的發(fā)展方向給出了一定的

7、建議。
　　經(jīng)過研究，本文得到了一些有意義的結(jié)論。首先，我國11家商業(yè)銀行所面臨的信用風(fēng)險有非對稱性和有偏性，在近兩年的數(shù)據(jù)中發(fā)現(xiàn)由于經(jīng)濟持續(xù)下行，信用風(fēng)險較原來有所提高。市場風(fēng)險服從“尖峰厚尾”的邊際分布，與大多數(shù)金融資產(chǎn)收益率相同，并不服從正態(tài)分布的經(jīng)典假設(shè)。文章采用GARCH(1，1)對市場風(fēng)險收益率建模，結(jié)果證明GARCH(1，1)模型較好地描述了市場風(fēng)險的數(shù)據(jù)特征。其次，對11家商業(yè)銀行整合風(fēng)險建模后得到，多數(shù)銀行擬合效

8、果最好的是t-Copula函數(shù)，其次是Gumbel Copula函數(shù)，說明大部分銀行信用風(fēng)險和市場風(fēng)險之間具有極值相關(guān)性。在篩選出最優(yōu)Copula函數(shù)后，對不同權(quán)重組合下的整合風(fēng)險VaR值進行了計算，并與簡單線性加總的VaR值進行比較。結(jié)果表明，使用簡單線性加總的方法將會高估商業(yè)銀行所面臨的整合風(fēng)險，如果商業(yè)銀行使用這一傳統(tǒng)方法計算所需準備的風(fēng)險資本金，那么將會使得銀行資本金的使用效率降低，出現(xiàn)資金的浪費。
　　同時，注意到在風(fēng)險

9、權(quán)重的變化過程中，每一家上市銀行的風(fēng)險特征并不相同，僅有4家銀行仍然以信貸風(fēng)險為主要風(fēng)險來源，其余銀行在特定的風(fēng)險組合下表現(xiàn)出了最優(yōu)的整合風(fēng)險值。由于每一種銀行的性質(zhì)、經(jīng)營理念、業(yè)務(wù)模式、盈利模式都有著較大的差別，因此，相對于股份制銀行而言我國國有銀行的整合風(fēng)險值普遍偏低，然而較早地進行了金融創(chuàng)新和混合業(yè)務(wù)擴展的招商銀行整合風(fēng)險最大。這與我國實際情況相吻合，進一步說明了使用Copula函數(shù)方法刻畫整合風(fēng)險的合理性。
　　與其他研究

10、文獻相比，本文可能存在著一些創(chuàng)新之處，(1)在本文中利用上市公司的財務(wù)數(shù)據(jù)和股票數(shù)據(jù)確定了內(nèi)生性溢價作為商業(yè)銀行信用風(fēng)險的代理變量，解決了上市銀行風(fēng)險數(shù)據(jù)缺失的問題;(2)本文考慮到銀行之間的異質(zhì)性，將我國11家上市商業(yè)銀行的整合風(fēng)險分別進行度量和討論，得到了比較有意義的結(jié)論。雖然取得了一些成果，但是在文章中也有很多不足，例如:(1)僅僅刻畫了商業(yè)銀行的兩類風(fēng)險，還可以考慮更多的風(fēng)險，例如操作風(fēng)險、流動性風(fēng)險等等;(2)可以考慮使用更為