中国商业银行的网络偿付能力危机的传染风险

关键词：风险分析，金融网络，偿付能力危机传染

概要

本文研究了金融网络中的偿付能力传染风险模型，该模型允许在违约点之前发生传染。该模型可以通过压力测试量化系统性传染损失。但在通常情况下，只有资产与负债的总额可以在金融网络中被观察到。为了解决这一问题，我们采用吉布斯采样的方法，在边缘条件下生成银行间负债矩阵的样本。并将该方法应用于我国商业银行网络。研究结果表明，金融网络的系统性传染损失高度依赖于感知的外生恢复率，特别是当外部冲击较强时。在压力测试中，我们还通过将2008年至2018年之间的传染损失的变化分解为几个独立部分，分析了因股权和风险敞口造成的偿付能力传染损失。研究发现网络的传染损失呈下降趋势，表明网络更加稳健和稳定。

综述

正如Boucekkine[1]等人的研究所示，金融市场和银行体系之间存在着密切的关系。在全球金融危机之前，银行监管机构通过在压力测试中关注单独银行的偿付能力，这种微观审慎的方法来评估银行的弹性，却忽略网络银行系统中银行间的相互联系。然而，2008 - 2009年的危机引发了人们对金融体系崩溃原因的反思。Gong[2]等人的研究发现在危机期间，受危机影响区域的节点之间变得更加紧密，网络的总连通性上升。而且，股市越接近网络的中心，就越有可能受到冲击。Glasserman和Young[3]等人的研究表明，人们越来越关注金融系统中相互借贷的传染机制，因为它们更简明地说明了风险的传播。例如，Kraft和Steffensen[4]等人的研究发现传染降低了投资者分散投资组合的能力。Derbali[5]等人的研究提出了一种类方差的分解方法，该方法考虑了多重冲击的相互作用和个体效应，以衡量银行的系统重要性。Jing[6]等人研究分析了金融机构之间的相互依赖和溢出效应

众所周知，金融机构之间的货币借贷很常见，它既可以通过市场借贷直接发生，也可以通过金融衍生品间接发生。所以当一个金融机构受到冲击时，其他金融机构可能也遭受损失。即使他们不违约，他们也必须部分偿还债务。因此，它们的交易对手无法收到它们的名义债权，因此可能无法完全偿还其债权人，并将减少对其交易对手的贷款。这样，损失就会迅速从一个机构蔓延到系统中的其他机构，如银行、对冲基金、保险公司等。因此，违约雪崩就发生了。本文我们主要关注银行系统。

为了适当量化这种风险，我们采用Veraart[7]提出的传染机制，该机制允许在违约之前发生传染。这与巴塞尔银行监管委员会[8]不约而同，他们声称，传染损失主要是由于信用违约调整损失(CVA1)，而不是违约损失。该模型可以简化为一些著名的传染模型，如Eisenberg和Noe [9]， Rogers和Veraart [10]， Battiston等。这种模型可以模拟具有简约参数的丰富的传染模型，因而具有灵活性。

使用经验数据进行压力测试需要粒度数据。为应对全球金融危机，加强了金融数据的收集和报告。然而，运行传染模型所需要的双边联系往往缺乏。具体来说，银行网络中的大部分个人负债都无法被观察到。实证研究受到了这种限制的阻碍。为了解决这个问题，我们使用了由Gandy和Veraart[12]提出的贝叶斯方法，该方法在处理这个限制方面显示出了很好的能力。

本文对中国银行体系的学术研究具有重要的贡献。我们主要关注实证分析。许多国家都进行了实证研究，如美国的Furfine[13]和英国的Bardoscia等人[14]。然而，据我们所知，关于中国银行网络的研究很少。在本文中，我们主要考虑了一个由中国十三个主要商业银行组成的银行网络。通过对网络施加外部冲击作为压力测试，分析研究了网络的传染损失及相关性质。

中国的银行体系需要特别关注。作为世界第二大经济体，中国在国际金融市场上发挥着举足轻重的作用。随着经济全球化的发展，中国银行业的金融危机不仅会给中国带来问题，也会给其他国家带来问题。过去十年，中国在银行体制改革方面取得了显著成就。中国有100多家银行进入世界前1000家银行，其中中国银行、中国工商银行和中国农业银行被评为全球系统重要银行。在我们的实证分析中，我们发现中国网络的总资本远远大于英国。这提醒我们有必要对中国的银行体系进行研究。

我们的贡献有两个方面。首先，我们经验证明，我们采用的风险传染模型高度依赖其外生回收率。其次，通过施加外部冲击作为压力测试，以及将风险敞口和股权从前一年连续转移到下一年，我们创建综合资产负债表，并据此观察风险敞口和股权对传染损失变化的影响。我们发现传染损失呈下降趋势。

论文组织如下：第二节概述了与我们工作相关的近期文献。在第三节中，我们介绍了传染模型和Gibbs Sampling方法。在第四部分，我们给出了我们对中国银行网络的实证分析结果。我们在第五节中得出结论。

相关文献综述

2.1 传染机制

大量的文献表明只有在违约之后，损失才会从一家银行传播到其他银行。例如，Eisenberg和Noe[9]提供了一个概念框架和一个定点算法来计算唯一的清算支付向量。这有很多的拓展延伸,如Suzuki [15],Cifuentes等人。[16],Gourieroux 等人[17], Rogers和Veraart[10],Fischer[18], Feinstein[19], Weber和Weske[20]和一些级联模型,例如Furfine[13],时至今日,Kapadia[21], Elliott等人。[22],Afonso和Shin [23], Amini等人。[24]。

然而，巴塞尔银行监管委员会[8]断言，大部分损失不是由于违约，而是由于按市值计价的损失。在金融危机期间，约三分之二的损失归因于对手方的信用风险是由于CVA的损失，只有约三分之一是由实际违约造成的。这种损失发生在机构违约之前，我们将其称为危机传染，而不是违约传染

自这一点提出以来，许多著作都在考虑危机传染问题。例如Battiston 等人[11]提出的DebtRank模型及其扩展Bardoscia等[25]和Bardoscia等[14]。Veraart[7]开发了一个灵活而易于处理的模型，可以量化违约和危机蔓延。在这里，我们只关注一个系统风险渠道，即银行之间的风险暴露，而这个模型也可以适用于更大类别的模型，包括其他系统风险渠道，如减价出售和流动性。

除了理论贡献，实证研究也使用了不同国家的金融数据。例如，美国的Furfine [13]，英国的Wells [26], Langfield 等[27] ,Bardoscia等[14]，德国的Upper and Worms [28], Craig and Von Peter [29]，巴西的Cont[30]等，意大利的Mistrulli [31]，奥地利的Elsinger[32]，和比利时的Degryse and Nguyen [33]。

2.2 未知的负债矩阵

本文的另一个方面是未知负债矩阵的恢复方法。每家银行的资产和负债总额都是看得见的。然而，传染机制高度依赖的整个银行间债务网络并不总是可用的。为了填补这一空白，人们开发了几种方法，从现有的汇总数据重建金融网络。例如，Torri等人[34]提出了一个lasso模型来估计稀疏银行网络。Upper和Worms[28]最小化负债矩阵和先前确定的输入矩阵之间的Kullback Leibler (KL)发散。 Mastromatteo等人的[35]通过预先确定一个全局稀疏水平扩展了KL方法。Anand等人[36]提出了最小密度法来最小化所需的链接数。所有这些方法都产生独特的重构网络。然而，当我们想要评估整个金融网络或分析单个金融机构时，这并不一定合适。 因此，生成一个可能的网络分布需要一种更严格的方法。为此，Hałaj和Kok [37]， Moussa [38]， Musmeci等[39]提出了不同的方法。

我们使用Gandy和Veraart[12]提出的贝叶斯方法来解决这个问题。他们构建一个吉布斯采样器来生成满足边际条件和其他特征(如密度和观测条目)的样本。这个贝叶斯方法中的先验分布包括一些众所周知的结构，如Erdős Reacute;nyi模型和核心外围结构。Gandy和Veraart[40]进一步说明和扩展了这种方法。

巴塞尔银行监管委员会[41]对23个不同金融网络的6种不同的网络建设方法进行了比较。Anand等人[42]提供了一个扩展和更新的比较。研究表明，没有一种方法最适用于所有网络，这就引出了基于网络密度或结构的重构方法的建议。

3 模型

我们考虑一个由N家银行组成的金融系统。我们可以用银行间负债矩阵来表示银行间负债。网络中的节点表示银行，我们记为N ={1，hellip;N}。L的元素表示两家银行之间的负债数额。例如，是指i银行对j银行的负债。换句话说，i银行应该在到期日向j银行支付。对于银行i，我们将其银行间资产和负债记为和。我们假设网络是封闭的，即=。

对于属于银行N的i，j，仍然有外部资产和负债。用和表示其外部资产和负债。因此，我们将银行i的总资产，总负债和净值 (或正数权益)表示如下

3.1 传染模型

3.1.1 重估资产

在压力测试中，所有银行的外部资产都被施加了一个冲击率delta;。因此，当银行间资产、负债和外部负债保持不变时，银行i的外部资产减少，由此产生的外部资产数量为 = 。因此，银行i的净值相应地遭受了相同数额的损失，即。为了量化和重新评估银行股权，我们采用Veraart[7]提出的传染机制。我们将在下面简要描述其机理。

如果一家银行遭受损失，它将按照一个比率偿还其银行间和外部债务(Rogers and Veraart[10])，即不是全部偿还，而是偿还这两种债务的一部分。

其中是负债总额为正的所有节点的集合，是i银行在压力测试中遭受的损失金额。函数是一个非递减的右连续可容许赋值函数。重估值的权益向量E满足

这个定点问题可以通过为银行i选择起始点，如，然后重复计算直到所有银行的股权收敛。在我们后续的实证数据分析中，我们采用Veraart[7]提出的指标来量化相对系统损失

对于每个i,指的是最大不动点。直观上，表示的是各银行间资产最终损失之和与银行间原始资产之和的比值。

3.1.2 评估函数

在我们的分析中，我们采用Veraart[7]提出的估值函数V，即

这个估值函数V有四个不同的分支，y是指资产价值除以名义总负债。如果不小于1 k，则V等于1，其中k是资本缓冲参数。这意味着既不会发生传染损失，也不会发生基本违约，因为总资产的市场价值大于总负债。的分支称为危机传染分支，因为当传染损失仍然发生时，不存在基本违约。在这种情况下，尽管名义总资产大于名义负债，但系统风险高，危机传染发生。的分支称为违约传染分支。这个分支经常发生违约。如果银行违约，它们将支付名义银行间债务的beta;比例。

在危机传染分支上，F是参数为和的beta分布的累积分布函数，通过调整参数可以得到多种不同的形状。这些形状对应了许多模型，如Rogers和Veraart[10]中的传染模型。这些参数的直观含义如下:为资本缓冲参数，将传染开始时间转换为y = 1之前。和是外源性恢复速率。其中R为感知恢复率，beta;为实际恢复率。从V(y)的分支来看，R决定危机传染分支的下界，beta;决定违约传染分支的上界。为了保持赋值函数的单调性，R大于beta;。令人鼓

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[596022]，资料为PDF文档或Word文档，PDF文档可免费转换为Word