本站小編為你精心準(zhǔn)備了基于風(fēng)險(xiǎn)倍率擴(kuò)增的非銀行金融論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

一、基于風(fēng)險(xiǎn)倍率擴(kuò)增的綜合指標(biāo)測(cè)算方法

（一）風(fēng)險(xiǎn)倍率擴(kuò)增及其估計(jì)方法風(fēng)險(xiǎn)倍率擴(kuò)增（RiskAmplifiedIndex，簡(jiǎn)記為ΔP）是指某機(jī)構(gòu)出險(xiǎn)后使系統(tǒng)出現(xiàn)風(fēng)險(xiǎn)可能性增加的倍數(shù)（Gravelle，Li，2013）。將某一金融機(jī)構(gòu)出險(xiǎn)導(dǎo)致其他某個(gè)金融機(jī)構(gòu)出險(xiǎn)概率增加的倍數(shù)記為ΔP1：1；某一金融機(jī)構(gòu)出險(xiǎn)時(shí)導(dǎo)致其他所有機(jī)構(gòu)同時(shí)出險(xiǎn)的概率增加的倍數(shù)記為ΔP1∶αll。根據(jù)Gravelle＆Li（2013），假設(shè)金融體系中包含m家金融機(jī)構(gòu)，Xi,t表示第i家金融機(jī)構(gòu)第t期股票收益率的相反數(shù)，Yt表示上證指數(shù)日收益率的相反數(shù)，既定風(fēng)險(xiǎn)顯著性水平p③下不同金融機(jī)構(gòu)的門檻值Qi（p）滿足P［Xi＞Qi（p）］＝p。剔除金融機(jī)構(gòu)股價(jià)波動(dòng)所受市場(chǎng)因素Yt的影響，至少有r家金融機(jī)構(gòu)同時(shí)陷入困境或某一金融機(jī)構(gòu)陷入困境事件下系統(tǒng)性風(fēng)險(xiǎn)可能性增加倍數(shù)的測(cè)算式為。

（二）基于風(fēng)險(xiǎn)倍率擴(kuò)增與最大熵賦權(quán)的綜合指標(biāo)合成使用風(fēng)險(xiǎn)倍率擴(kuò)增的兩個(gè)組成部分（ΔP1∶1和ΔP1∶αll），同時(shí)兼顧金融機(jī)構(gòu)規(guī)模和復(fù)雜性特征，通過(guò)最大熵原理可以構(gòu)造測(cè)度系統(tǒng)重要性的綜合指標(biāo)。多指標(biāo)合成過(guò)程中權(quán)重是評(píng)價(jià)的關(guān)鍵。由于各指標(biāo)權(quán)重系數(shù)隨機(jī)而定，不同方法得出的權(quán)重只是所有權(quán)重可能取值之一，因此，某組權(quán)重出現(xiàn)的概率越大，其對(duì)應(yīng)的賦權(quán)方法越好。上述過(guò)程恰好與廣義最大熵賦權(quán)原理的核心思想一致。為此，本文基于廣義最大熵原理進(jìn)行賦權(quán)計(jì)算與篩選。假設(shè)先驗(yàn)權(quán)數(shù)矩陣Z（m×ml階）和向量p（m×ml階）的表達(dá)式如下式所示。雖然式（3）可以通過(guò)Newton算法求解，但由于在參數(shù)較多的情況下，Newton算法依賴于初始值的設(shè)定，容易收斂于局部最優(yōu)解。因此，筆者采用模擬退火算法（SimulatedAnnealing，SA）①在自行編寫目標(biāo)函數(shù)程序的基礎(chǔ)上求解式（3）。②由于一次SA運(yùn)算所得結(jié)果往往不穩(wěn)定，因此需要重復(fù)多次SA運(yùn)算，并將結(jié)果的均值作為最小化目標(biāo)函數(shù)的最終參數(shù)值。

二、樣本選擇、數(shù)據(jù)說(shuō)明及其描述性統(tǒng)計(jì)

本文選擇的非銀行金融機(jī)構(gòu)樣本為中國(guó)A股市場(chǎng)上市的16家③證券、保險(xiǎn)、信托與租賃公司。為了研究非銀行金融機(jī)構(gòu)對(duì)現(xiàn)有系統(tǒng)重要性評(píng)估結(jié)果的影響，筆者還選擇了中國(guó)A股市場(chǎng)上市的13家④商業(yè)銀行作為參照樣本。樣本數(shù)據(jù)區(qū)間為2009年11月17日至2013年11月30日，①涉及854個(gè)有效交易日的股價(jià)數(shù)據(jù)。數(shù)據(jù)來(lái)源Wind數(shù)據(jù)庫(kù)。由于樣本期間內(nèi)上市公司進(jìn)行過(guò)多次分紅配股，本文對(duì)所有股價(jià)進(jìn)行了復(fù)權(quán)處理，并在此基礎(chǔ)上計(jì)算日收益率，最終得到的描述性統(tǒng)計(jì)特征（見表1）。考慮到兼顧金融機(jī)構(gòu)規(guī)模和復(fù)雜性特征的要求，以樣本股價(jià)數(shù)據(jù)區(qū)間內(nèi)金融機(jī)構(gòu)總資產(chǎn)平均值表征規(guī)模，交易性金融資產(chǎn)平均值表征復(fù)雜性。②總資產(chǎn)和交易性金融資產(chǎn)均值由上市金融機(jī)構(gòu)各期季報(bào)數(shù)據(jù)計(jì)算得到，數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)和CCER數(shù)據(jù)庫(kù)。數(shù)據(jù)描述性統(tǒng)計(jì)特征結(jié)果如表1和表2所示。表1和表2第（8）至第（10）列的數(shù)據(jù)表明，非銀行金融機(jī)構(gòu)與銀行的股價(jià)收益率序列均表現(xiàn)出有偏和尖峰厚尾的統(tǒng)計(jì)分布特征，適用極值理論。此外，筆者在表1和表2中還分別按規(guī)模（總資產(chǎn)）和復(fù)雜性（交易性金融資產(chǎn)）對(duì)各非銀行金融機(jī)構(gòu)和銀行在整個(gè)金融機(jī)構(gòu)體系中的位次進(jìn)行了排序（如第（3）和第（5）列）。顯然，兩種排序標(biāo)準(zhǔn)下的排名順序存在較大差異。例如，中國(guó)平安在資產(chǎn)規(guī)模排序中位列第10，而在復(fù)雜性排序中位列第4；中信證券在資產(chǎn)規(guī)模排序中位列第17，而在復(fù)雜性排序中位列第8；海通證券在資產(chǎn)規(guī)模排序中位列第18，而在復(fù)雜性排序中位列第9。雖然工行的交易性金融資產(chǎn)最多，但交易性金融資產(chǎn)占總資產(chǎn)的比重卻相對(duì)其他金融機(jī)構(gòu)低很多，例如，工商銀行為0.629，交通銀行為0.907，中國(guó)平安為3.018，海通證券為13.789，反映出各金融機(jī)構(gòu)業(yè)務(wù)側(cè)重點(diǎn)不同。單純考慮規(guī)模因素很可能得出錯(cuò)誤結(jié)論。因此，圍繞風(fēng)險(xiǎn)倍率擴(kuò)增、規(guī)模和復(fù)雜性形成綜合評(píng)價(jià)指標(biāo)后，引入非銀行金融機(jī)構(gòu)進(jìn)行測(cè)評(píng)很可能會(huì)帶來(lái)較現(xiàn)有研究的差異性評(píng)價(jià)結(jié)果。

三、非銀行金融機(jī)構(gòu)系統(tǒng)重要性評(píng)估的實(shí)證結(jié)果

（一）風(fēng)險(xiǎn)倍率擴(kuò)增指數(shù)中kj取值的確定采用Matlab7.6編程，基于風(fēng)險(xiǎn)倍率擴(kuò)增性指數(shù)計(jì)算式（1）對(duì)各金融機(jī)構(gòu)股價(jià)日收益率數(shù)據(jù)進(jìn)行轉(zhuǎn)換并剔除大盤波動(dòng)的影響，從α開始穩(wěn)定后選取系列k值，將不同k值所對(duì)應(yīng)的α值整理為α序列，并將序列均值作為最終α估計(jì)量值計(jì)算ΔP。根據(jù)全樣本和參照樣本數(shù)據(jù)，本文得到k的取值范圍為[20，300]。鑒于篇幅有限，筆者不依次列出k的求解過(guò)程，僅以中國(guó)平安為例進(jìn)行示范性說(shuō)明。圖1為當(dāng)顯著性水平為1%，計(jì)算中國(guó)平安導(dǎo)致安信信托出險(xiǎn)概率增加的倍數(shù)ΔP1∶1時(shí)，估計(jì)P贊［min（Z1，Z2，Y）>q］和P贊［min（Z2，Y）>q］中的α（分別記為α1和α2）隨k的變化過(guò)程。不難看出，當(dāng)k≥120以及k≥140時(shí)，a1和a2的數(shù)值趨于穩(wěn)定。

（二）引入非銀行金融機(jī)構(gòu)測(cè)評(píng)的差異性1．不同風(fēng)險(xiǎn)顯著性水平下風(fēng)險(xiǎn)倍率擴(kuò)增性估計(jì)與比較（1）不同風(fēng)險(xiǎn)顯著性水平下ΔP1∶1的估計(jì)與比較如前文所界定，ΔP1∶1為衡量風(fēng)險(xiǎn)倍率擴(kuò)增性的子指標(biāo)，表示某單一金融機(jī)構(gòu)出險(xiǎn)導(dǎo)致其他某金融機(jī)構(gòu)出險(xiǎn)概率增加的倍數(shù)。從ΔP1∶1取值可知兩機(jī)構(gòu)間的相互影響具有非對(duì)稱性。如，當(dāng)中國(guó)平安出險(xiǎn)時(shí)招商證券的出險(xiǎn)概率增加24.35倍，而當(dāng)招商證券出險(xiǎn)時(shí)，中國(guó)平安出險(xiǎn)的概率僅增加15.11倍。從既定風(fēng)險(xiǎn)顯著性水平下，引入非銀行金融機(jī)構(gòu)對(duì)原排序結(jié)果的影響看，根據(jù)ΔP1∶1算術(shù)均值的大小可分別得到未加入非銀行金融機(jī)構(gòu)和加入非銀行金融機(jī)構(gòu)后基于風(fēng)險(xiǎn)倍率擴(kuò)增性的排名，結(jié)果如表3和表4所示。表3和表4表明，引入非銀行金融機(jī)構(gòu)后原有銀行排名順序發(fā)生了較大改變。例如，招商銀行由原來(lái)第3名下降為第5名，平安銀行由第5名下降為第14名。從不同風(fēng)險(xiǎn)顯著性水平下的估計(jì)結(jié)果看，比較表4第3列和第5列可知，低風(fēng)險(xiǎn)顯著性水平（p=0.01）的風(fēng)險(xiǎn)倍率擴(kuò)增性遠(yuǎn)大于高風(fēng)險(xiǎn)顯著性水平下（p=0.05）的值。例如，浦發(fā)銀行的風(fēng)險(xiǎn)倍率擴(kuò)增性數(shù)值在風(fēng)險(xiǎn)顯著性水平為1%時(shí)為20.56，而當(dāng)風(fēng)險(xiǎn)顯著性水平為5%時(shí)僅為2.57；渤海租賃的風(fēng)險(xiǎn)倍率擴(kuò)增性數(shù)值在風(fēng)險(xiǎn)顯著性水平為1%時(shí)為7.04，而當(dāng)風(fēng)險(xiǎn)顯著性水平為5%時(shí)僅為0.39。這表明，嚴(yán)重的危機(jī)使各機(jī)構(gòu)之間的風(fēng)險(xiǎn)擴(kuò)增關(guān)系表現(xiàn)得更為密切，且相比較而言，緊密程度的變化幅度在非銀行金融機(jī)構(gòu)中表現(xiàn)得更為明顯。同一機(jī)構(gòu)在不同風(fēng)險(xiǎn)顯著性水平下，依ΔP1∶1值的排序也存在一定差異。筆者進(jìn)一步還發(fā)現(xiàn)引入非銀行金融機(jī)構(gòu)后，在不考慮機(jī)構(gòu)規(guī)模與復(fù)雜性等特性，而單純使用修正的風(fēng)險(xiǎn)倍率擴(kuò)增性數(shù)值對(duì)機(jī)構(gòu)系統(tǒng)重要性進(jìn)行測(cè)度時(shí)，排名結(jié)果與按規(guī)模和復(fù)雜度的排名結(jié)果相差較遠(yuǎn)。（2）不同風(fēng)險(xiǎn)顯著性水平下ΔP1∶1的估計(jì)與比較表5給出了當(dāng)p=0.005與p=0.01時(shí)各金融機(jī)構(gòu)的ΔP1∶αll值。結(jié)果顯示，對(duì)于所有金融機(jī)構(gòu)，較小的風(fēng)險(xiǎn)顯著性水平仍然對(duì)應(yīng)較大的ΔP1∶αll，這一點(diǎn)與ΔP1∶1的分析結(jié)果一致，說(shuō)明嚴(yán)重的危機(jī)將使各機(jī)構(gòu)之間的關(guān)系更加密切的結(jié)論沒有發(fā)生改變。對(duì)比表4和表5中ΔP1∶1和ΔP1∶αll的值發(fā)現(xiàn)，幾乎對(duì)所有樣本機(jī)構(gòu)而言，在相同的風(fēng)險(xiǎn)顯著性水平下ΔP1∶αll的值都小于ΔP1∶1的值；而在相同的風(fēng)險(xiǎn)顯著性水平下，同一機(jī)構(gòu)的ΔP1∶1和ΔP1∶αll在樣本中的排名存在差異。這也說(shuō)明在構(gòu)造綜合評(píng)價(jià)指標(biāo)時(shí)需根據(jù)ΔP1∶1和ΔP1∶αll分別計(jì)算比較。2．基于風(fēng)險(xiǎn)倍率擴(kuò)增的系統(tǒng)重要性綜合指標(biāo)測(cè)算利用計(jì)算得到的風(fēng)險(xiǎn)倍率擴(kuò)增（ΔP1∶1和ΔP1∶αll）、規(guī)模指標(biāo)（總資產(chǎn)）和復(fù)雜性指標(biāo)（交易性金融資產(chǎn)），基于廣義最大熵的思想分別構(gòu)造系統(tǒng)重要性綜合指標(biāo)。根據(jù)前文制定指標(biāo)步驟的說(shuō)明，首先對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。由于利用最大熵原理賦權(quán)需要事先給出l組主觀權(quán)重，此時(shí)形如式（2）的最優(yōu)化問(wèn)題中需要確定的參數(shù)有m×l個(gè)。為了控制參數(shù)求解的規(guī)模，筆者選取3組主觀權(quán)重（l=3），分別為（0.5，0.25，0.25）、（0.25，0.5，0.25）和（0.25，0.25，0.5），并在此基礎(chǔ)上得到先驗(yàn)權(quán)數(shù)矩陣Z。SA算法設(shè)定采用Matlab給出的默認(rèn)值，執(zhí)行1000次后得到的基于ΔP1∶1構(gòu)造的綜合指標(biāo)權(quán)重為（0.270，0.334，0.396），基于ΔP1∶αll構(gòu)造的綜合指標(biāo)權(quán)重為（0.326，0.338，0.336），計(jì)算得到的前10位系統(tǒng)重要性金融機(jī)構(gòu)綜合指標(biāo)值及相應(yīng)排名結(jié)果分別如表6所示。表6的計(jì)算結(jié)果和排名順序顯示，在綜合指標(biāo)測(cè)算下，基于ΔP1∶1和ΔP1∶αll的排列結(jié)果相差不大，①于是在一程度上說(shuō)明了本文所構(gòu)建的這一綜合評(píng)價(jià)指標(biāo)的穩(wěn)定性。機(jī)構(gòu)系統(tǒng)重要性排序的前5名為工商銀行、中國(guó)銀行、建設(shè)銀行、交通銀行和中國(guó)平安，樣本中的國(guó)有銀行全部位于系統(tǒng)重要性機(jī)構(gòu)前列。這一結(jié)果也與周小川（2011）提出的“五大國(guó)有銀行都是系統(tǒng)重要性銀行”不悖。而中國(guó)平安包括在內(nèi)，也說(shuō)明我國(guó)在實(shí)施金融監(jiān)管與宏觀審慎政策時(shí)不能忽視對(duì)一些重要的非銀行金融機(jī)構(gòu)的監(jiān)督與管理。此外，股份制商業(yè)銀行的排名順序?yàn)槠职l(fā)銀行、招商銀行、興業(yè)銀行、民生銀行、平安銀行、華夏銀行和中信銀行，而不是規(guī)模相對(duì)較大的中信銀行和民生銀行排在前列。這一結(jié)果也給我國(guó)金融監(jiān)管部門提供了新的啟示。在前10名系統(tǒng)重要性金融機(jī)構(gòu)中包括了中國(guó)平安、招商證券、中國(guó)人壽和中信證券4家非銀行金融機(jī)構(gòu)，再次說(shuō)明了非銀行金融機(jī)構(gòu)在我國(guó)金融體系中的重要性。此外，將表6中的排名順序與單純按照規(guī)模或（和）復(fù)雜性程度的排序進(jìn)行比較，筆者還發(fā)現(xiàn)，從關(guān)鍵性影響特征篩選角度看，相對(duì)于規(guī)模因素而言，按照綜合指標(biāo)的排名順序與按照復(fù)雜性程度的排名順序更為接近。這在一定程度上說(shuō)明，對(duì)我國(guó)金融機(jī)構(gòu)系統(tǒng)重要性的評(píng)價(jià)不能主要依據(jù)規(guī)模，監(jiān)管當(dāng)局應(yīng)更多關(guān)注金融機(jī)構(gòu)業(yè)務(wù)的復(fù)雜性。

（三）次級(jí)梯隊(duì)非銀行金融機(jī)構(gòu)系統(tǒng)重要性評(píng)估結(jié)果如果將前10名系統(tǒng)重要性金融機(jī)構(gòu)中的中國(guó)平安、招商證券、中國(guó)人壽和中信證券稱為第一梯隊(duì)中的非銀行金融機(jī)構(gòu)，那么筆者將剩余機(jī)構(gòu)統(tǒng)稱為次級(jí)梯隊(duì)中的金融機(jī)構(gòu)。表7給出了次級(jí)梯隊(duì)中銀行與非銀行金融機(jī)構(gòu)的綜合測(cè)評(píng)值與排名。

四、結(jié)論

識(shí)別系統(tǒng)重要性金融機(jī)構(gòu)是對(duì)其加強(qiáng)監(jiān)管的前提和基礎(chǔ)，測(cè)度中國(guó)金融機(jī)構(gòu)的系統(tǒng)重要性，在宏觀金融風(fēng)險(xiǎn)管理理論和實(shí)踐上都具有重要意義。盡管系統(tǒng)重要性金融機(jī)構(gòu)的監(jiān)管框架已納入到了巴塞爾協(xié)議Ⅲ之中，但有關(guān)系統(tǒng)重要性金融機(jī)構(gòu)的評(píng)估方法卻仍未達(dá)成一致。本文將中國(guó)上市銀行和非銀行金融機(jī)構(gòu)同時(shí)作為研究對(duì)象，圍繞風(fēng)險(xiǎn)擴(kuò)增指數(shù)，并利用最大熵原理構(gòu)造市場(chǎng)、規(guī)模和復(fù)雜性三結(jié)合的綜合指標(biāo)，對(duì)我國(guó)上市銀行與非銀行金融機(jī)構(gòu)的系統(tǒng)重要性進(jìn)行測(cè)度。在構(gòu)造綜合指標(biāo)過(guò)程中利用最大熵原理賦權(quán)并利用模擬退火算法求解最優(yōu)權(quán)重，避免單純主觀賦權(quán)造成的偏誤。主要結(jié)論如下。第一，中國(guó)系統(tǒng)重要性金融機(jī)構(gòu)前5名為工商銀行、中國(guó)銀行、建設(shè)銀行、交通銀行和中國(guó)平安，樣本中的國(guó)有銀行全部位于系統(tǒng)重要性機(jī)構(gòu)前列。這一結(jié)果與周小川（2011）提出的“五大國(guó)有銀行都是系統(tǒng)重要性銀行”一致。中國(guó)平安位于前5名，也說(shuō)明我國(guó)在實(shí)施金融監(jiān)管與宏觀審慎政策時(shí)不能忽視對(duì)一些重要的非銀行金融機(jī)構(gòu)的監(jiān)督與管理。第二，實(shí)證結(jié)果表明，引入非銀行金融機(jī)構(gòu)后使原有銀行系統(tǒng)重要性排名順序發(fā)生了較大改變。在前10名系統(tǒng)重要性金融機(jī)構(gòu)中有中國(guó)平安、招商證券、中國(guó)人壽和中信證券4家非銀行金融機(jī)構(gòu)，強(qiáng)調(diào)了非銀行金融機(jī)構(gòu)在我國(guó)金融體系中的重要性。第三，綜合排序后，股份制商業(yè)銀行的排名順序?yàn)檎猩蹄y行、浦發(fā)銀行、興業(yè)銀行、民生銀行、中信銀行、華夏銀行和平安銀行，而不是規(guī)模相對(duì)較大的中信銀行和民生銀行排在前。相對(duì)于規(guī)模因素而言，按照綜合指標(biāo)的排名順序與按照復(fù)雜性程度的排名順序更為接近。這在一定程度上說(shuō)明，對(duì)我國(guó)金融機(jī)構(gòu)系統(tǒng)重要性的評(píng)價(jià)并不能主要依賴規(guī)模，監(jiān)管當(dāng)局應(yīng)更多關(guān)注金融機(jī)構(gòu)業(yè)務(wù)的復(fù)雜性。第四，基于風(fēng)險(xiǎn)倍率擴(kuò)增性指數(shù)所構(gòu)建的系統(tǒng)重要性綜合指標(biāo)在測(cè)度金融機(jī)構(gòu)系統(tǒng)重要性方面具有一定的穩(wěn)定性，在相同的風(fēng)險(xiǎn)顯著性水平下，同一機(jī)構(gòu)的ΔP1∶1和ΔP1∶αll在樣本中的排名順序存在一定的差異，而在基于風(fēng)險(xiǎn)倍率擴(kuò)增性指數(shù)所構(gòu)建的系統(tǒng)重要性綜合指標(biāo)測(cè)算下，基于ΔP1∶1和ΔP1∶αll的排名順序相差不大，一定程度上說(shuō)明了本文所構(gòu)建的這一綜合評(píng)價(jià)指標(biāo)具有穩(wěn)定性。第五，嚴(yán)重的危機(jī)將使各機(jī)構(gòu)之間的關(guān)聯(lián)性更加緊密。無(wú)論對(duì)ΔP1∶1還是對(duì)ΔP1∶αll，風(fēng)險(xiǎn)顯著性水平低時(shí)（p=0.01）的風(fēng)險(xiǎn)倍率擴(kuò)增指數(shù)值幾乎都遠(yuǎn)大于風(fēng)險(xiǎn)顯著性水平高時(shí)（p=0.05）的值，表明嚴(yán)重的危機(jī)使各機(jī)構(gòu)的關(guān)系更加緊密。

作者：溫博慧李向前袁銘單位：天津財(cái)經(jīng)大學(xué)金融系副教授天津財(cái)經(jīng)大學(xué)金融系副主任教授天津財(cái)經(jīng)大學(xué)統(tǒng)計(jì)系講師