1. 网站地图
  2. 设为首页
  3. 关于我们


东盟六国银行业 系统性金融风险研究

发布时间:2022-10-10 11:23
摘 要 1
ABSTRACT 3
目录 4
第一章 引言 7
1.1 选题背景和研究意义 7
1.1.1选题背景 7
1.1.2研究意义 8
1.2研究内容、研究方法和研究思路 9
1.2.1研究内容 9
1.2.2 研究方法 10
1.2.3 研究思路 11
1.3 本文创新点和不足 11
第二章 文献综述 13
2.1系统性金融风险的定义与成因研究综述 13
2.2 系统性金融风险测度研究综述 15
2.3银行系统性风险影响因素研究综述 16
第三章 银行系统性金融风险分析框架 18
3.1 银行系统性金融风险成因 18
3.1.1 微观机制 18
3.1.2 中观机制 19
3.1.3 宏观机制 20
3.1.4 生成演化机制 21
3.2 银行系统性金融风险测度理论 22
3.2.1 SRISK 的定义 22
3.2.2 SRISK 的度量 24
3.3银行系统性金融风险的影响因素 26
3.3.1 微观因素 26
3.3.2 宏观因素 27
第四章 东盟国家商业银行系统性金融风险测度 28
4.1 东盟六国经济金融运行概况 28
4.1.1 东盟六国经济金融发展简介 28
4.1.2 东盟六国银行业风险指标概况 32
5
4.2 样本选取与数据处理 35
4.3结果分析 36
4.3.1风险测度结果 36
432 SRISK 与 SRISK/资产排序 39
第五章 东盟国家商业银行系统性金融风险的影响因素分析 45
5.1模型设定 45
5.2变量选取与说明 45
5.2结果分析 49
5.2.1回归结果分析 49
第六章 研究结论 53
6.1主要结论 53
6.2政策建议 54
6.2.1对东盟国家银行的投资建议 54
6.2.2对东盟六国银行业风险管控建议 54
6.2.3我国与东盟国家银行开展更深领域的合作 55
6.3对我国银行业发展的启示 56
参考文献 57
第一章 引言
系统性金融风险是指金融体系部分或整体受到损害,致使金融服务中断, 并对实体经济造成严重负面影响的风险。而金融机构不同的风险暴露大小会使 得机构面临的金融风险出现较大的差异。目前关于东盟国家银行业的系统性金 融风险研究尚为不足,本章就东盟国家银行系统性金融风险研究这一研究背景 出发梳理本章。本章主要分为三个部分,第一部分为选题的背景及研究意义, 第二部分为梳理本文的研究方法与研究思路,最后是本文的创新点和不足之处。
1.1选题背景和研究意义
1.1.1选题背景
2008 年全球金融危机暴发的主要原因之一是资本不足的金融机构普遍亏损 与破产,进而对实体经济产生了巨大的负外部性。次贷危机为系统性金融风险 的研究提供了现实案例,2008年G20峰会发表了对美国次贷危机的成因描述: “在经过一段时间全球经济增长过后,全球资本流量规模加大,但经济稳定仍 是市场常态,在此种背景下,市场对于高收益的追求逐渐增强,并且放松了对 于金融风险的认识,导致没有采取足够的风险管控措施。与此同时,薄弱的风 险管理标准,不健全的风险管理规范,愈来愈复杂和不透明的金融产品加大了 金融杠杆,所有这些因素叠加到一起,风险不断累积,造成了当前的金融危机”。
自 1997 年金融危机以后,东盟的经济在复苏中加速成长,最新数据显示,
2020年东盟10国的总GDP已超过3万亿美元,是继中国和印度之后增速最快 的经济体。而经济的不断发展也促进了东盟经济体金融业的蓬勃发展,自 2005 年以来,东盟的金融业发展迅速,并且从结构上看,东盟国家的金融业主要由 银行主导,东盟金融部门中银行业处于举足轻重的地位。
东南亚地区自古以来就是“海上丝绸之路”的重要枢纽,我国更视东盟为 周边外交优先方向和高质量共建“一带一路”重点地区。随着“一带一路”的 建设逐渐推进,我国与东盟国家在政治、经济、文化方面沟通交流日益密切。
2020 年,我国已经连续成为东盟的第一大贸易伙伴,而东盟也首次成为我国第 一大贸易伙伴, 2020年中国与东盟贸易额6846.0亿美元,同比增长6.7%。自东 盟进口 3008.8 亿美元,同比增长 6.6%。2020 年 11 月,东盟 10 国与中国、日 本、韩国、澳大利亚共 15个亚太国家正式签署了《区域全面经济伙伴关系协定》
(RCEP),中国东盟的经济金融联系更加紧密。经济的联系需要更大的金融合
作支持,目前东盟各国的金融发展和结构差异较大,并且存在着金融体系不稳
7
定,监管不完善等诸多问题。在经济金融全球化和“一带一路”深化合作的背 景下,研究东盟国家的金融机构特别是银行业,对于我们认识东盟金融机构的 风险特征有着重要的意义。
1.1.2研究意义
理论意义:
第一,丰富了关于东盟的研究内容。目前国内关于东盟的研究主要集中于 中国与东盟之间的经济贸易往来、直接投资与政治关系方面,缺乏金融方面的 研究。
第二,丰富了东盟银行研究的内容。由于东盟的经济体大多以银行业为金 融业的核心,本文对于东盟金融机构特别是东盟经济体银行的研究,丰富了国 内的研究空白。并且本文对东盟银行的系统性金融风险做了定量分析,对于国 内了解东盟经济体的银行发展及风险具有一定的借鉴意义。
第三,拓展了银行系统性风险的影响因素。国内目前研究银行系统性金融 风险的影响因素时,主要考虑微观因素而忽略了宏观环境的影响,由于东盟六 国银行业与GDP的比值较大,并且与国家宏观经济关联,本文加入了宏观因素, 研究这些宏观因素对银行系统性金融风险的影响。
实践意义:
第一,有助于国内金融行业了解东盟银行业的发展和风险情况。
第二,有助于推动我国和东盟国家开展银行业合作。近年来我国金融业对 外开放的步伐明显加快,金融开放政策频出。《中国(广西)自由贸易试验区总 体方案》中明确提出要将广西打造成为面向东盟的金融开放门户,深化以人民 币面向东盟跨区域使用为重点的金融改革。随着我国与东盟双边贸易额、直接 投资不断增加,金融合作的深度与广度也在不断加大,对于东盟国家金融业的 现状与发展,特别是重要银行的系统性金融风险认识有必要做更为深入的了解。 因此本文对于东盟国家银行的系统性金融风险做了定量分析,并且按照一定的 规则进行了排序,对于我们了解东盟国家银行业的风险有一定的帮助。此外, 本文也深入分析银行系统性金融风险的影响因素,不仅有利于我们对于其风险 的认识,也对我们与东盟国家进行金融合作时的风险预警与整体把控有一定的 借鉴意义。
1.2研究内容、研究方法和研究思路
1.2.1研究内容
东盟国家经济发展水平差异较大,金融发展水平更是参差不齐。为研究东 盟国家银行系统性金融风险,我们采用目前广泛使用的 SRISK 指标来度量东盟 国家银行的系统性金融风险。并且就系统性金融风险的影响因素展开研究。
本文的研究逻辑遵循引文背景-理论研究-实证研究-结论的基本框架,第一 章为引文背景部分,第二至三章为理论研究部分,第四至五章为实证分析部分, 第六章为研究结论部分。研究内容主要由以下六个部分构成:
第 1 章为引言。主要阐述本文的研究背景、研究意义,界定相关研究概念, 交代论文的研究思路、研究方法、研究内容、创新点及其不足。
第2章为文献综述,主要是对系统性金融风险的成因,系统性金融风险的测 度以及系统性金融风险的影响因素进行了研究综述。关于系统性金融风险的成 因目前有多种理论,本文对各种理论进行了梳理,并为后面理论分析提供理论 基础和方法借鉴。其次关于系统性金融风险测度目前有多种方式,本文论述了 多种方法,并且对为什么选取 SRISK 指标做出了分析说明,最后对系统性金融 风险的影响因素做了研究综述。
第3章为系统性金融风险理论分析框架。该章节主要分析系统性金融风险的 成因、测度与影响因素理论。分析风险成因时从微观、中观与宏观等三个角度 来分析系统性金融风险的成因和生产演化机制。随后分析了 SRISK 的定义与度 量机制,最后分析了系统性金融风险的微观因素与宏观因素。
第4章定量分析了东盟国家银行业系统性金融风险。首先介绍东盟六国的银 行业风险现状,其次将东盟六国银行的 SRISK 计算出来,将各国样本银行的 SRISK 加总后进行排序。并且为了剔除银行资产规模的影响,我们选用了 SRISK/资产规模这一指标作为银行的相对风险值,我们对这个相对风险值进行 了加总,对东盟六国进行排序。
第 5 章重点分析东盟银行系统性金融风险的影响因素,本文将各国银行的 SRISK/资产规模这一相对风险值作为被解释变量,将解释变量分为微观因素与 宏观因素。并且将样本分为东盟六国总体与各国进行分析。
第6章是研究结论与政策建议。以实证结果为基础,将各国银行的系统性金 融风险为切入点,充分结合东盟各国的银行系统性金融风险现状就如何深化我 国面向东盟的金融合作提出切实可行的政策建议。
9
1.2.2研究方法
文献研究方法:利用数据库查阅国内外关于系统性金融风险、东盟金融和 系统性金融风险影响因素的文献,对文献资料进行归纳总结,形成相关文献综 述。对文献中的观点进行提炼,吸纳部分论点进入本文研究,作为本文的理论 基础依据。
理论分析方法:主要从微观-中观-宏观三个方面详细分析了系统性金融风 险的成因与演化机制。分析了 SRISK 的测度原理并且对比其他风险测度,最后 定量分析了系统性风险的影响因素
实证研究方法:本文的实证研究分为两个部分,第一部分是对于所选的机 构数据,利用 SRISK 模型,算出机构的系统性金融风险值,然后依据不同的标 准进行排序,对于东盟国家银行的系统性金融风险有定量的分析。第二部分为
分析系统性金融风险的影响因素。 的微观因素和宏观因素进行分析。
 
 
 
图1-1文章技术路径图
图1-1为本文的研究思路。遵从引文-理论-实证-结论的整体框架思路。第一 部分为引言,主要介绍文章的背景及本文框架。第二部分理论分为文献综述与 理论基础,主要给文章搭建理论框架,为后文的实证提供理论根基。第三部分 为实证分析,主要是东盟国家银行系统性金融风险的测度及排序,以及对影响 银行系统性金融风险的因素进行分析。第四部分为结论,主要是对实证结果进 行分析后,对东盟各国银行业控制风险提出建议,以及对我国与东盟银行业展 开合作提出建议。
1.3本文创新点和不足
本文创新点:国内此前鲜有对东盟国家金融的研究文献,本文基于 SRISK
11 模型,对东盟国家的银行系统性金融风险进行研究,主要创新点如下: 第一:定量分析了东盟国家银行系统性金融风险。此前国内对于东盟六国 的银行研究相对较少,本文通过SRISK方法计算各银行的风险值,填补了国内 对于东盟银行金融研究的空白。并且将银行的经营数据一齐对比,加深了我国 对于东盟六国银行的认识。
第二:对东盟各国银行的系统性金融风险进行序列分析。对东盟国家系统
性金融风险东盟各国银行的SRISK计算出来后,将各国的SRISK总数据与样本 银行的总资产比值进行排序,对于东盟国家重要银行的系统性金融风险值有较 为清晰的认识。
第三:引入了宏观变量分析东盟银行系统性金融风险的影响因素。本文将
各国银行的SRISK作为解释变量,过往的文献中,一般只分析了银行的微观因 素,本文将微观因素与宏观因素将结合,定量分析系统性金融风险的影响因素。 本文不足之处: 第一:东盟各国的金融发展条件与现状差异较大。由于缅甸、老挝、柬埔
寨、文莱的相关数据难以获得,本文无法对于东盟所有国家进行分析。 第二:由于本文选取的东盟 6 国的银行发展不尽相同以及数据的可得性, 本文只选取了各国上市银行中市值较大的银行,对于市值较小或未上市的银行 本文并未覆盖。
第三:本文对东盟国家银行进行系统性金融风险影响因素分析,在搜集各 国相关经济数据时,存在统计口径不一致和数据不完整等问题。并且部分国家 银行业数据统计不完全,在分析时,无法运用计量方法来克服模型本身的局限 性。因此,拓宽数据来源范围、提高分析指标的适当性、提高模型的适用性与 全面性是未来相关研究要努力突破的重点。
12
第二章 文献综述
本章为理论分析的第一部分,主要分析现有文献关于系统性金融风险研究 的框架。关于系统性金融风险的研究开展许久,目前尚且没有一个明确统一的 系统性金融风险定义(Girardi和Ergun,2013)。关于系统性金融风险的成因研 究目前主要集中在系统性金融风险的成因与测度方面,而关于影响因素的研究 较少。本章系统总结了目前关于系统性金融风险的研究综述,主要分为三个部 分,第一部分为关于系统性金融风险的定义与成因的文献综述,关于成因的文 献综述主要从内部因素与外部因素的角度方向研究。第二部分为系统性金融风 险的测度综述,在综合了四种系统性金融风险的测度方法后,本文选择了适用 性较广的 SRISK 方法来测度东盟国家银行业系统性金融风险,最后是关于影响 因素的文献综述,主要从微观因素与宏观因素两个角度研究。第三章则从现有 理论推导系统性金融风险的分析框架。
2.1系统性金融风险的定义与成因研究综述
De Bandt(2000)较早地给出了系统性金融风险的定义:即某个金融机构 的倒闭或单个金融市场的崩溃导致一些其他金融机构或市场倒闭或崩溃。广义 的定义还包括金融机构或市场受到一系列负面冲击而在同一时间段内倒闭或崩 溃的风险,这些冲击通常为经济周期波动或通货膨胀率的突然上升。另一个关 于系统性金融风险的定义为一个或一系列系统性事件对于市场上大量的金融机 构或市场产生了明显的负面冲击,对金融系统的正常运行造成严重的损伤,进 而妨碍经济增长,降低实体经济产出水平,最后导致社会福利下降。其他一些 研究,如Schwarcz(2008)和IMF(2009)从相关暴露、负外部性、传染的角 度定义了系统性金融风险的含义。
系统性风险的成因可分为内部因素和外部因素。内部因素又包括单个金融 机构以及金融体系内的风险因素。
(一)内部因素
金融机构的过度创新、高杠杆经营、存贷款期限错配等因素导致单个金融 机构产生及累积金融风险(陶玲, 2015)。一是金融机构扭曲的激励机制 (Schwarcz等人,2011)。Minsky (1982)认为代理人如果希望通过投资来获取 短期的高额回报,会导致公司经营短视,而忽视了长期价值,利益会驱动代理 人进行高风险的金融实践活动。在经济繁荣期,市场表现会刺激代理人承担更 多的风险来获取高回报,但长期的高风险回报并不可持续,市场的集体行为会
13
加强资产泡沫,情况严重时引发金融危机。二是金融市场的过度创新以及高杠 杆运营。金融产品的过分创新,和金融中对杠杆工具的过量使用,使得产品和 服务的复杂程度不断上升,加剧了市场震荡,机构的高杠杆操作将明显增强金 融体系的脆弱度,加大金融风险。在经济繁荣时期,风险溢价较低,商业银行 的加杠杆动作将增加其对实体经济的流动性供应,在流动性充裕的条件下,金 融系统的投机资本与庞氏融资资本比例会提升,推高资产价格,累积金融风险, 在资产价格泡沫的形成过程中,此时市场上资金供求的敏感性已经大幅提升, 当市场受到负向冲击时,容易引起资产价格的波动大幅增加,加剧风险的传播
(Aikman等人,2017; Jorda等人,2016)。三是银行的存贷款期限错配 (Brunner Meier and Oehmke, 2013)。银行通过将负债转化为资产从而为实体经 济提供流动性,但存贷的期限不一致会造成流动性风险,而流动性风险暴发往 往会引发银行破产倒闭,通过同业传染效应导致金融风险的集中暴发。四是金 融机构的顺周期性。在经济繁荣期,人们会产生乐观的利润增长预期,这种预 期会导致社会内部的信贷规模逐渐增加,市场会出现有助于投机的金融创新机 会,增大资产价格泡沫。而非理性的市场行为会增加市场的波动,在市场下行 期会使得大量的企业面临困境,最终导致系统性风险( Kindleberger, 1987)。 五是在金融体系内代理人的道德风险(Bongani等人,2015)。因为缺乏监管, 当金融机构得到政府直接或隐性担保时,道德风险就将造成机构过度承受的金 融风险( Corsetti 等人, 1998)。
金融系统的内部脆弱性、金融机构服务的同质化、与风险暴露的关联性等 方面因素是金融系统方面的主要风险原因。一是金融体系具有内在的脆弱性 (Minsky, 1978; Diamond and Dybvig, 1983; Kregel, 1997; Stiglitz and Weiss, 1981;陈守东等, 2015)。 Minsky (1978)提出了“金融不稳定假说”,指出金 融市场系统内在脆弱性才是金融危机的内在根本原因。经济繁荣时期会使得市 场经济的情绪高涨并且对未来盲目乐观,企业加大投入,市场经济的产品与资 金供给进一步增加。在市场经济步入泡沫化阶段之时,金融资本的利润率超过 了生产投资的利润率,此时随着市场上投机资金的迅速增加,金融体系逐步走 向了脆弱性阶段。由于市场流动性持续地由生产单位流入资本,资产价格引起 的市场风险偏好持续上升,从而推动了高风险的投机活动,金融机构抵御风险 的能力越来越薄弱。如果资本繁荣开始发生边际下滑,会引起市场经济的剧烈 震荡,引发流动性危机,极端情形可能会引发经济危机。二是金融机构间的业 务和资产负债关系。商业银行间在银行业务和负债头寸方面存在关系,放大了 金融波动的影响。金融机构内部的资产负债表相关性在一般时候有助于金融机 构绩效的改善,但是当金融机构体系内部的经营风险累积到一定程度时,金融
14
机构内部的相关性就会明显增强,而一旦超过了系统性风险的暴发临界点,最 终会暴发风险(Gramlich等人,2013)。三是金融机构业务的同质化(Acharya, 2009)。当市场出现一定风险时,业务的同质化有可能转化为风险同质化。单个 机构的金融资产抛销会导致资产价格大幅贬值,会进而导致其他机构抛售,加 剧其资产价值大幅的贬值, 加大了资产的价格下跌,市场流动性更加匮乏
( Chakravarty, 2000)。
(二)外部因素
经济周期、政府干预和羊群效应都是造成系统性金融风险的重要外部原因。
一是经济周期(Bernanke, 1986; DaniElsson等人,2004)。在宏观经济正处于 下行期时,由于个人及企业的财务困难使得商业银行及其他机构的不良贷款数 量上升,同时资产价值下降影响了市场的信心,而由于消息不对称,在严重状 况时会导致商业银行的严重挤兑以及市场上的恐慌性资产抛销,最后导致市场 上发生了系统性风险。另外,在资本充足率监管、企业资产价值等会计准则方 面也存在着明显的顺周期性,金融体系在经济上行时期会提高对实体经济的贷 款供应量,而经济下行时期会降低供应量,加剧了市场的风险累积与暴发(谢 平,2010)。二是政策干预(ECB,2009; Aricia等人,2014)。当政府干预了市 场后,短期内经济的周期性震荡将得以平缓,但从长期视角来看,市场经济有 其内在的运作规则,政策阻碍了市场经济的自发调整机制,并可能会累积形成 更大的系统性风险。三是羊群效应(Acharya, 2009)。由于信息的不对称,在 银行的流动性危机中,存款人通常难以确定,商业银行系统中可能存在的金融 风险究竟是整体性财务风险还是异质性金融风险,羊群效应会导致个人集体到 金融机构提取存款,从而发生挤兑风险。在市场处于危机的早期中,金融机构 的资产抛售行为可能会引起资产的快速贬值,羊群效应会导致市场一起抛售资 产,进一步加速风险扩散以及加强风险的破坏性,情况严重时会暴发金融危机。
2.2系统性金融风险测度研究综述
按照使用的方法和模型的不同,我们将银行业系统性金融风险测度的文献 分为四类。
一是基于收益历史分布的简约化方法。金融机构通过系统内重要性金融机 构的资产收益率组合分布反映金融风险的溢出效应。Acharya等人(2010)给出 了 “边际期望经济损失(MES)”和“系统性期望经济损失(SES)”等指数, 以反映一个银行对金融市场整体风险的贡献值。 Adrian 等人(2011)构造了条 件在险价值(CoVaR)来衡量一个金融机构对金融系统在危险性价值上的反映
15
水平。 Banulescu 等人(2015)给出了一种同样考察“规模”与“互联性”的成 分预期损失(CES)指数。Brownlees和 Engle (2012)则在 Acharya等人(2010) 的基础上把系统性事件修改为“一段时间内(六个月)股票市场总体下滑高于 某一阈值”,并提出了“系统性风险指标(SRISK)”。Segoviano和Goodhart (2009)使用CDS数据和Copula模式评估极端状态银行间尾部事件之间的相关 性。
二是基于流动性不足的系统性金融风险的测度。当金融市场上出现了系统 性金融危机时,由于受到“羊群效应”的影响,在金融市场上可能会产生人们 恐慌性地抛售金融资产从而使得负债价值大幅度贬值,从而引起了金融市场的 流动性紧张,增加了市场的脆弱性。 Brunnermeier 和 Pedersen( 2009)认为单个 金融机构遇到风险时会降价出售资产,并且会引起相似资产的减值。极端情况 下会减持资产获取流动性寻求自保,使得资产价格进一步下降。这种相似性资 产价格抛售可能会使得单个的金融机构风险转变为系统性冲击。
三是关联性的系统性金融风险度量。现代计量经济学方法的进一步发展, 使网的拓扑结构可以作为研究系统性财务风险的“新工具”,而网络拓扑结构主 要考虑与系统性财务风险的相关性因素,研究方向从“太大而不能倒”向“太 关联而不能倒转变”,网络分析根据互联网金融机构内部的资产负债表相互敞口 数据研究来系统性风险。 Acemoglu 等人(2015)通过诉诸网络方法,深入研究 了系统性风险及其对金融市场稳定性的冲击,Helbing(2013)提出了将传统的 企业风险管理工具和互联网科学融合研究全球化的系统性财务风险,同时杨子 晖还与周颖刚(2018)共同提出了网络拓扑方法,从网络关联角度考察了全球 的系统性财务风险。
四是国际组织以及各国的央行和监管机构分别开发的监测预警工具。如国 际货币基金组织(IMF)和全球商业银行(WB)在金融机构评价项目(FSAP) 中采用的根据资产负债表的计量方式,比如 IMF 的金融机构稳定目标,金融机 构压力数据(Illing and Liu,2003),以及金融机构稳定状况评价指标(Jan Willem van den End and Tabbae, 2005)等。
2.3银行系统性风险影响因素研究综述
对于银行业系统性金融风险主要因素的研究,国内外学界从多个不同的角 度展开了相关方面的研究。资产规模是系统性风险重要的影响因素之一,大规 模的金融机构有更多复杂且与其他金融机构相关的业务(Laeven等人,2016), 因此在面对金融系统危机时,他们的风险会格外大且显著。 Varotto 和 Zhao
16
(2018)采用了 SRISK和ES等指标研究美国和欧洲银行机构的系统性风险, 结果表明系统性银行资产规模对机构系统性金融风险影响较大。中央机构的政 策往往表现出一定的“大而不倒”倾向,“兜底政策”或将导致这些大机构的管 理层提高了追求风险的意愿(Gandhi and Lustig, 2015),国内代表意义的研究 成果还包含梁琪等(2013)、方意和郑子文(2016)、郭晔和赵静(2017)还有 杨子晖和李东承(2018)等。
金融机构的高杠杆率也被认为是造成金融危机的原因之一,高的财务杠杆, 尤其是短期杠杆,往往会使得金融机构大量进行非流动性和高风险领域的信贷 和投资证券活动,从而造成了此类金融机构的普遍倒闭(Acharya等人,2013)。 杠杆的提高会加大金融体系的经营风险,同时金融杠杆度的增加也会影响金融 的利息收入构成,从而提高了金融的内在脆弱性,使其风险承受能力减弱 (Brunnermeier 等人, 2020) 。金融危机通常都和某些高杠杆的金融活动相关。 若最初高杠杆的这些机构因受到投资组合打击而造成其资产或流动性不足,则 随着危机的深入,资本短缺会迅速使其他金融机构陷入困境。
除了金融机构特有的特征,宏观变量也可以通过金融发展、部门环境和宏 观经济条件对系统性风险产生潜在影响。例如,在一些更发达的金融体系中运 行的金融系统可能存在更高的交叉相关性,这或许会提高它们的系统性风险。 与此同时,一个更发达的金融市场也将为金融机构提供更好的机会,使其投资 组合多样化,并可以对流动性和融资进行更准确地评估。但当国家处于金融开 放的过程中,相关变量的影响可能会发生变化。资本的跨境流动对金融风险传 导如银行的风险敞口和金融市场波动有密切关系(张明和肖立晟, 2015),Aoki 等人(2007)的研究表明,资本账户开放对资本流动的影响会随着国内金融深 化的程度增大而显著增加。 GDP 增长率、国内投资回报等也是影响跨境资本流 动的重要因素,均可作为金融机构风险传导的变量依据(Hernandez等人,2001; Baek, 2006)。金融开放也会显著影响一国的金融系统风险。目前研究多从长期 开展研究,认为金融开放有利于促进一国的金融发展,从而带动经济发展。但 同时,也会增加该国的经济与金融波动。马勇与王芳(2018)、贵丽娟等(2015) 分别探讨了我国金融开放对金融波动的影响。袁申国(2019)认为金融开放扩 大会显著提高虚拟经济产出的增长率,而对实体经济产出增长可能产生负面的 影响。陈旺等(2020)利用跨国数据检验长期金融市场开放和商业银行风险负 担之间的关联,并提出虽然长期金融市场开放会增强商业银行的风险抵御能力, 但在短期内也会产生相应的风险。
17
第三章 银行系统性金融风险分析框架
上一章已经对系统性金融风险的基本定义与文献理论的梳理,本章主要从 系统性金融风险的成因、测度以及影响因素三个方面研究,构建系统性金融风 险分析的理论框架。本章完成对理论框架的构建后,第四至五章为本文的实证 研究。
3.1银行系统性金融风险成因
本部分开始研究系统性金融风险的成因,我们把系统性金融风险的成因分 为风险的产生与扩散机制,风险的产生分为微观机制、中观机制和宏观机制 (杨海珍等, 2020)。系统性金融风险的生成演化大致分为风险累积、风险传播 与危机暴发阶段。在第二部分详尽地阐述了 SRISK的测度机制,最后分析了系 统性金融风险的影响因素。
3.1.1微观机制
从微观来看,金融产品的过度创新、投资者的过度“动物精神”以及金融 机构内部的风险管理失效对于系统性金融危机都有明显的推动作用。金融产品 衍生品的过分创新以及在信用交换中过分运用杠杆工具,将使得金融市场产品 和金融服务过程的复杂度显著提高,从而扩大了金融市场顺周期性和波动性, 进一步增加了金融风险。在大多数金融危机中,资产价格的泡沫形成与泡沫破 裂都受到投资者“羊群效应”的影响。当市场出现较为宽松的流动性环境当中, 理性投资者就会期望市场资产价格持续增长,而非理性交易者的投机行为也就 会与理性交易者趋同,在羊群效应下就会出现市场资产价格上涨的预期,从而 导致了市场资产价值泡沫的产生,并持续扩大。在资产泡沫的形成过程中,金 融机构内部的风险管理控制失效是危机形成的重要原因,在市场资产价格泡沫 形成过程中,投资者决策更加倾向于追求短期利益,会加大自身的债务规模来 进行高风险的投机业务,这将导致资产价格泡沫的累积放大。
从具体的形成过程来看。当出现经济出现某个正向的外部冲击时,投资者 通过增加货币的运用手段、扩大资本头寸和增加杠杆比率的方法来提高收益的, 在这过程中也促进了生产率提高,并且,进一步带动了物价上涨。其中投机或 投资的资本主要通过债务增加,银行借款则是债务资金中最主要的部分。投资 规模的扩大也就造成了外债规模的扩大,银行贷款规模也相应增加,进而推动 了储蓄与货币供应量的上升,从而导致了物价增长。由于物价的增长和经济增
18
长为人们提供了更加乐观的经济预测,从而鼓励了投资和消费,也因此增加了 货币的流动速度,进而加速了经济快速增长。而通胀增加则导致了企业的债务 实际价值被稀释,从而变相地促使了企业增加债务规模,从而鼓励了贷款活动。 繁荣时代的正向反馈导致了公司陷入过量借贷的困境,因为许多债务人都缺乏 适当的企业流动资产来清偿大量债务,在经济周期步入萧条时代之后,由于资 本价格的物价通缩将对于公司或个人的过度负债产生了正面传导和反面倒逼机 制,而经济繁荣时代的过量债务在经济衰退阶段,由于物价的通缩将会扩大公 司债务实践技能水平,在极端情形下造成了公司被迫性的清偿债务,从而产生 了连锁的“债务-通缩”过程,使得经济进一步恶化。而且在公司违约、个人破 产等增加的情况下,在经济增长与膨胀期累积的社会经济风险也将逐步显现甚 至加剧,银行体系在过度负债的情况下也会面临极大的危机。商业银行在损失 很大的情形下,会采取提升利息或降低贷款额度的方法来回避经营风险,进而 降低了负债价值和公司的实际净资产,从而使本来就已经危机重重的金融体系 发展加速走向崩溃。
3.1.2中观机制
从中观来看,金融体系本身的脆弱性,全球经济结构失衡,经济发展过程 中资源配置的失效已于资本主义体制矛盾也是危机产生的主要原因。一是 Minsky(1982)的“金融不稳定假说”,Minsky强调金融系统内在脆弱性是诱 发金融危机的根源。在繁荣时期由于投机资本比例的上升和过度负债会使得金 融体系的脆弱性不断上升,如果资本繁荣难以维持,容易导致流动性危机,极 端状况导致金融危机。二是在全球经济结构失衡和流动性严重过剩的背景下, 过剩资本的大量流入加剧了股市与房地产,造成资产泡沫。三是资本主义体制 的内在矛盾,表现为生产过剩而有效需求相对不足,为了刺激需求产生了一系 列复杂的金融创新工具,并且在刺激需求的同时也带来了更为严重的弊端,表 现为信贷不断扩张,不断累积金融风险。
具体表现为在经济繁荣期时,市场资本供给和需求都比较丰富。总需求扩 大带动了企业的投资收益提高,从而导致生产资金相比于金融资本有更高的利 润,企业投入也增加了。而在经济逐渐泡沫化之后,金融资本的收益率往往要 高于生产成本的收益率,因此投机资金和庞氏融资资本比率迅速增加,同时对 外投资的比重逐渐上升,金融市场体系的脆弱性也相应上升。 Minsky 也指出在 金融市场“平静时期”时,因为投机而进行的投资并没有形成太大的危险性, 而当金融市场的非理性程度持续增加时,市场主体的非理性情绪,使得微观经 济主体行为主体的风险偏好增加。由于微观行政主体利润水准的提高,金融企
19
业大量出现以配合日益增长的风险投资行为,经济金融系统的脆弱性提高。当 金融市场的流动性被资本或投机资金所不断占据时,由于金融本身的债务水平 也会持续提高,使得对金融市场的风险偏好也会逐步增强,进而导致更大规模 的高风险投资活动,在极端情形下导致了经济危机。
3.1.3宏观机制
从宏观来看,经济周期、宽松的货币政策与外部监管的失效是危机产生的 主要因素。在经济向好的过程中,杠杆标准的降低,资本项目的开放以及对混 业经营的监管条件逐渐放松,导致资产价格泡沫逐渐不断放大。央行如果在此 时采取相对放松的货币政策,通过降低利率或准备金率来扩大货币供给总量, 则这样导致的资金成本将不断下降,从而刺激个人和公司的投资需要,银行的 信贷总额不断增加,进一步推高了资产价格的上涨,加速了经济的顺周期效应。 导致资产价格泡沫不断增加,最终导致危机。
具体表现为:当正向冲击下产生了经济增长,对经济的繁荣景象产生了乐 观的预测,而这个预计将会产生整个经济体系内的信用增长。在宽松的货币环 境下,为适应经济体系内的信用繁荣,金融市场产生了有利于投机行为的金融 服务创新,而此时金融监管并未到位,企业或个人的杠杆率提升,信用膨胀转 变为对商品和金融资产的渴求,导致投机性繁荣。非理性繁荣放大了金融市场 波动,引起金融系统中企业的财务困境。而在经济下行期间,金融周期会给予 危机的暴发一个负向正反馈。一方面则是在市场经济正处于下行期后,公司与 个人的财务状况也会下降,金融服务造成的企业及其他金融机构错误信贷增加, 负债价值降低,严重损害了存款人和股东对其他金融机构的信任,在严重情形 下能引起企业的挤兑或金融市场的恐慌性资本抛售。二是在金融体系的内部作 用下,风险将迅速向金融业间迅速扩散,最终结果会导致金融市场发生系统性 金融风险。
20
 
金融机构内部 风挖机制失效
图3-1系统性金融风险成因
图3-1是对系统性金融风险成因的总结图,本章重点将系统性金融危机的原 因分为微观个体、中观市场和宏观经济三部分,依次从三部分阐述了系统性风 险的原因。
3.1.4生成演化机制
章秀(2016)把系统性金融风险的生成与演化,主要包括了风险积累、风 险蔓延和风险暴发等阶段。
在风险累积阶段,放松的货币政策和管制减少了金融市场的信用约束条件。 投资人的风险偏好提高,宽松的信用约束提高了融资水平,企业或个人的杠杆 率上升,市场的流动性增加,为适应金融市场的巨大融资需要,金融产品不断 创新化,通过设计新的金融产品来满足需求,市场风险也将得到进一步降低预 期。监管的放宽以及银行信贷的规模迅速扩大,使得在市场经济繁荣期企业的 资本充足率将持续降低。而金融市场的迅速发展,也会促使投资人或公司产生 乐观的期望,增加了个人或企业的风险偏好,促进杠杆水平的提升。同时通货 膨胀导致债务的实际价值减少,导致公司扩大了资产负债表以获取收益,公司 的持续获利和继续投资导致市场的流动性更加充足。而放松的金融监管条件导 致大量资金涌入了高风险收益的股市和地产领域,推动了房地产价值泡沫的产 生。高昂的房地产房价压低了放贷方的抵押品净值以及对外投资溢价,银行信 贷规模进一步扩大。市场中投机资本占比不断增加,市场变得越来越脆弱,金 融风险不断累积。
21
在风险蔓延的扩散阶段。当宏观景气度开始处在回落阶段之后,由于经济 循环中的生产能力过剩、国民经济结构等问题开始逐步显露,有效投资减少, 从而导致投资项目的减少,导致通货紧缩,从而增加了经济个体的实际债务能 力。监管随着证券市场表面的发展逐渐失灵,而持续下滑的资本充足率将触动 监管的底线,信贷开始逐渐收紧,宏观调控也开始走向银行部门的紧缩。境外 投资的逐步萎缩导致公司收益下降,将提高投资者对流动性充裕的敏感度。如 果股市的内部市场价格开始下降,投资者的抵押品净值也就开始下降,如果外 部投资溢价增加,则投资人的风险偏好开始降低。这种投资者在兴盛时候加杠 杆,而在衰退时候去杠杆的方式同质化行为会增加金融市场的同质化风险,进 而诱发整个金融系统大规模的风险。
在风险暴发阶段。在经济危险信号出现后,一个机构倒闭或许会引发市场 经济的连锁反应,因为机构之间具有同一性质的行业或资产结构组成,并具有 一致的风险暴露。由于破产机构在破产边缘会大幅降价售卖资产以保全企业经 营,市场的资产价格会快速下跌,引发其他金融机构争相售卖资产,形成一个 负向的正反馈。此时金融机构都面临流动性紧缩危机,金融市场条件的变化使 得资金流动性急剧消失甚至干涸,大部分机构都面临价格下跌、市值缩水、抛 售、价格再跌的恶性循环周期。当市场出现企业产出下滑、资产价值下跌时, 就会引发一些银行借款违约,导致银行信贷能力下降,从而加速了生产力下降 与债务违约,造成了恶性循环。最终影响实体经济,造成经济危机,并且金融 危机也会通过国际金融市场的相互关联传导,情况严重时可能会造成全球性金 融危机。
3.2银行系统性金融风险测度理论
3.2.1SRISK 的定义
对于系统性风险指数的研究,学术界有很多方法。国外有关单体金融机构 对市场总体系统性风险的贡献程度的调查大体上主要包括两种,一是由监管组 织利用对单体金融机构的内部统计,形成了有关该金融机构风险头寸和风险暴 露程度的指数,但因为内部统计的可得性,一般只由金融机构内部测试。另外 一个方法就是以市场的公共资讯来衡量,例如采用股价、公司的数据、CDS价 格和期权信息等来进行计算(陈湘鹏等,2018)。本文主要从“大而不倒(too big to fail)”和“太紧密而不倒(too interconnected to fail)”两条逻辑线来构造 风险指标。目前,以市场公开资讯来估计系统性风险的评估指数共包括以下四
22
个:它们是“边际预期损失(Marginal Expected Shortfall, MES)”(Acharya 等人, 2012)、“系统性期望经济损失(Systemic Expected Shortfall, SES)”(Acharya等 人,2012)、“条件在险价值(CoVaR)”(Adrian等人,2011)和“系统性风险 指标(SRISK)”(Brownlees and Engle, 2017)。
在这些指数中,只有 SRISK 综合体现了市场规模、杠杆度以及网络紧密性 三层面的信息。另外,“总体SRISK值”可以预测宏观活动趋势,而“总体 MES值”、“总体SES值”不具有可预测性,因此如果以MES值或ACoVaR作 为评估指标,则随着金融市场尾部风险的增加,政府监管机构更需要更加重视 市值规模较小、市场波动率大、资金互联紧密程度更高的金融机构,这与过去 严格金融监管实践严重背离(陈湘鹏等, 2019)。基于市场的系统风险度量的 ACoVaR(Adrian and Brunnermeier, 2016)通过考察在特定机构处于财务困境 时的系统损失风险,来考虑整个市场对该机构的敏感性。就本研究而言,出于 以下两个主要原因,本文更倾向于使用SRISK而不是ACoVaR。首先,SRISK 结合了来自市场和金融公司资产负债表的信息,而不是单纯依靠市场价格。其 次,风险也一定程度上取决于金融公司的规模、杠杆程度和对市场回报的依赖 程度(DeJonghe,2010; Laeven等人,2016; Varotto and Zhao, 2018),上述因 素无法由 ACoVaR 衡量。例如当经济疲软时,金融机构业务的高杠杆性质也会 增加其风险敞口(Acharya and Thakor, 2016; Bats and Houben, 2020)。其次, SRISK关注的是在系统性危机条件下金融机构面临的资本短缺问题,而ACoVaR 则聚焦于因某一特定企业的危机而引发的金融系统风险。而由于ACoVaR忽略 了金融机构之间的高度相互依赖的情况,并且这种依赖将可能导致许多公司发 生系统性金融风险。因此Engle(2018)认为只有当其他公司的健康状况保持不 变时,ACoVaR才准确有效。
综上,本研究采用Acharya等人(2012), Browlees和Engle(2017)基于 市场的风险度量来调查金融机构的系统性风险指标 SRISK。 SRISK 所对应的, 是机构在长期市场压力条件下的预期资金短缺。高风险的金融机构在“危机” 时对资本化不足产生了压力,随后对实体经济产生负外部性。因此,金融机构 资本不足是金融机构信用过度扩张的信号(Engle and Ruan,2019)。当“信贷 繁荣破灭”时,通常在信贷周期末期发行的高风险信贷将导致金融部门的重大 损失,并可能引发金融危机(Reinhart and Rogoff, 2011, Schularick and Taylor, 2012)。Brownlees和Engle(2017)发现,在美国,总体的SRISK也可以作为危 机的早期预警信号,而Engle等人(2015)在欧洲国家得到了类似的结果。使用 SRISK来衡量系统风险已在许多最近的实证研究中得到广泛应用(Buch等人, 2019; Bostandzic and Weiss, 2018; Colletaz等人,2018; Brownlees 等人,2020;
23
Bats and Houben,2020;Le,2020)。
3.2.2SRISK 的度量
Brownlees和Engle (2017)把金融机构i在日期t的资本短缺定义为金融监 管条件下所需资产与其权益的市场价值之差:
CSi,t=kAi,t-Wi,t=k(Di,t+Wi,t)-Wi,t (1)
其中k为稳健的资本充足率,一般来说,管理良好的金融机构在非危机时 期的资本充足率为8%。GAAP和IFRS会计准则之间存在的差异导致GAAP标 准下的8%相当于IFRS标准下的5%。因此,对于非洲、亚洲和美洲的金融机 构来说,稳健性资本充足率默认取值为 8%。
A,t为资产的价值,等于负债的账面价值D与权益的市场价值W之和,等 式(1)表示当金融机构的股权市值低于资本公积的要求时,即cs“< 0,金融 机构面临资本缺口 :
SRISKit =Et(CSit+^Rmt+it+h < C),
=Et (Di,t+h \Rm,t+1:t+h <C)-(1 -k)Et(W,t+hRm,t+i:t+h <C) (2)
Rm,t+1:t+h指的是从t+1期到t+h期的多期收益,Rmt+1:t + h < C指的是发生市场 跌幅超过阈值 C 时的系统性风险事件,为了计算这个期望值,本文假定金融机 构不能协商其债务,则:
E (CSi,t+hRm,t+1:t+h < C) = D,因此,等式(2)可以写成:
SRISK =kDi,t -(1-k)Wi,t(1-LRMESi,t),
=Wi,t[kLVGi,t +(1-k)(1- LRMESi,t)-1] (3)
L VGi,t指的是金融机构的杠杆率,(D,t + W,t)/ W与LRMESi,t指的是长期边 际期望资本缺口,可以估计金融机构在发生系统性金融事件时的多期收益期 望:
LRMES’t =-Et(Rig+h|RmM+h <C) (4)
Riz+h指的是金融机构i从t+1期到t+h期的算术收益,等式(3)也说明 了金融机构的杠杆率越高,其对股市危机越敏感,金融机构规模越大,金融机 构的系统性风险就大。
为估计等式(3)的SRISK,需要对国内股票市场与金融机构权益回报的时 间序列独立性进行估计。本文参照 Brownlees 和 Engle( 2017)和 Engle 等人
24
 
(2015),用标准的 DCC-GARCH模型 Engle(2002)来估计 LRMES。
令r = log(l + R , , = log(l + Rm,R,分别指的是金融机构i与市场m在t
期的对数收益率,其中R,R丄为其相应收益率。这对收益率在信息集F-_1的
条件下的联合分布为D,其中F--1的分布如下:
 
 
 
% = % +amrm, -1 +沧仏-11(加-1<0) +久成-1
其中I ()为示性函数,其中金融机构的股票收益与股票市场指数的时变相 关有DCC模型Engle(2002)通过标准新息空t ==与% ==,刻画:
Cor L 卜;“J nag (Q,j" Qdiag (Qi,t yV2
y °m,t 丿 _Hm,t
其中Q.,为伪相关矩阵,动态由自相关过程刻画:
 
 
 
其中S,为金融机构与市场的无条件相关矩阵,为了顾及LRMES,本文采用
Brownlees和Engle(2017)的模拟方法来反映金融机构股权在市场风险下的时 变可能性。
 
其中r,St+k和%+k为金融机构和市场指数的模拟对数收益,金融机构i在t期
的LRMES计算过程如下:
S
工 RZ+J叽旳<e)
LRMES,,t = (11)
(Rm ,t+u+h <e)
s=1
25
其中I(X)为示性函数,参照Engle (2018)和Engle等人(2015)的做法, 本文将系统性金融事件定义为股指在6个月内下降超过40%,因此h=125天, C=40%。与Engle等人(2015)相似的是本文通过全球投资组合的相对波动率 来调整阈值水平,以考虑市场波动率的差异,所以本文设置C =-0.45 0, 其中b丿与为j国家(地区)的国内市场与MSCI世界组合的年化波动率。 最后,本文将LRMES带入到等式(3)与市场市值W,t—起和最近的一期季度账 面负债D,t来计算金融机构i在t期的SRISK。若SRISK值为正值,则表明如果 在未来6个月内触发系统性风险事件,该金融机构将出现资本缺口。
3.3银行系统性金融风险的影响因素
3.3.1微观因素
资产规模是系统性风险重要的影响因素之一,大规模的金融机构有更多复 杂且与其他金融机构相关的业务,并且作为重要的金融机构,中央银行的政策 显示出一定的“大而不倒”倾向,“兜底政策”亦将使得这些大金融机构的管理 者增加追求风险的几率。
银行机构的盈利能力会显著影响银行的风险,其中净资产收益率(ROE)、 非息收入占比可以部分代表银行的盈利能力与质量。净资产收益率代表银行的 盈利能力,当银行的盈利能力增强后,银行的风险抵御能力增强。银行的非息 收入占比一般波动较大,当银行机构的非息收入占比较低时,对银行的盈利能 力有一定增强,但随着非息收入占比增加后,银行的盈利能力波动增大,对银 行的风险影响较大,张晓玫和毛亚琪(2014)计算了各家商业银行的 LRMES, 其研究结果表明我国上市商业银行的非利息收入越高,则意味着该商业银行的 系统性风险越高。
不良贷款率与贷存比可以通过银行的存贷结构来影响银行的经营情况,进 而影响银行的风险状况。贷存比代表银行通过流动性来影响银行的经营情况, 当贷存比处于低水平时,银行的盈利能力较弱,适当地提高贷存比可以增强银 行的盈利水平。但当银行的贷存比过高时,银行的流动性危机会增大,当出现 风险事件时,银行可能没有足够的流动性来满足任何不可预见的资金需求,对 银行的经营产生较大的影响。不良贷款率可以直接影响银行的盈利质量,当银 行的不良贷款率增加时,银行的潜在风险不断增加,如果银行的不良贷款率超 过临界值后,可能会导致流动性危机。
金融机构的高杠杆率也被认为是造成金融危机的原因之一,高水平的财务
26
杠杆,特别是短期杠杆,会使得金融机构从事非流动性和高风险的借贷以及证 券活动,导致这些机构的普遍破产。杠杆的增加会加重系统的风险和脆弱性, 金融机构杠杆率的提高会通过影响金融机构的利息收入风险,增加金融机构的 系统性风险。
3.3.2宏观因素
宏观变量也可以通过金融发展、部门环境和宏观经济条件对系统性风险产 生潜在影响。例如,在一个更发达的金融体系中运营的金融机构可能具有更高 的相互关联性,这可能会增加它们的系统性风险。与此同时,一个更发达的金 融市场也将为金融机构提供更好的机会,使其投资组合多样化,并可以对流动 性和融资进行更准确地评估。但当国家(地区)处于金融开放的过程中,相关 变量的影响可能会发生变化。
金融的目的是为实体经济服务,当一国的 GDP 处于高速增长时期时,对金 融的需求也随之增加,但实体经济的加速增长会部分抵消金融扩张带来的风险, 所以理论上当一国的 GDP 增速越快,对于风险的抑制也越强。国际金融环境对 于一国的银行风险也有显著影响,一方面,当国际金融市场处于剧烈动荡期时, 市场的波动率急速上升,当股票权益市场出现大幅下跌时,对于银行的市场表 现有显著负面影响。另一方面,当危机持续扩大时,风险从金融市场传导到实 体经济,部分企业出现破产后,银行可能出现大量的坏账,显著影响银行的盈 利能力,对于银行的经营也造成负面影响。
27
第四章 东盟国家商业银行系统性金融风险测度
前两章对系统性金融风险的理论部分构建理论框架进行研究,第四至五章 开始本文的实证分析,第四章对东盟各国银行的系统性金融风险进行测度及排 序,第五章着重研究系统性金融风险的影响因素。东盟各国之间由于历史和发 展条件的限制,经济和金融发展存在较大的差异,本文选取经济和金融业发展 较为健全的 6 个国家(印度尼西亚、马来西亚、新加坡、菲律宾、泰国、越南) 作为研究对象,本章第一部分介绍了东盟六国的经济金融部门的运行情况。第 二部分介绍了样本的选取与数据处理,第三部分给出了东盟六国银行业的系统 性金融风险的测度结果,以及对各国的风险排序。
自1997年亚洲金融危机以后,东盟的经济在复苏中加速增长, 2020年,东 盟10国的总GDP为3.08万亿美元,占同期全球经济总量的3.5%;人均GDP为 4533美元,同期全球人均GDP为10910美元J随着经济的蓬勃发展,东盟银 行业迅速发展壮大,截至2019年底,东盟10国的银行业总资产(不包括老挝、 越南、缅甸)已达4.77万亿美元,占GDP的比例高达178.77%[ 《ASEAN KEY FIGURES 2021 》] [ 数据来源: CEIC
28]。银行业在东盟 国家的金融体系中占据举足轻重的地位。
4.1东盟六国经济金融运行概况
4.1.1东盟六国经济金融发展简介
表 4-1 东盟 6 国经济金融概况
GDP总量
(亿美元) 人均GDP
(美元) 第一产业 占比(%) 第二产业 占比(%) 第三产业 占比(%) 金融部门GDP 占比(%) 股票市场总 市值(亿美元)
印度尼西亚 10580 3870 13.70 38.26 44.40 4.51 4941
泰国 5018 7189 8.64 33.10 58.25 7.04 5359
菲律宾 3615 3299 10.16 29.17 60.67 8.47 3308
新加坡 3400 59798 0.03 24.37 70.95 14.98 6524
马来西亚 3367 10402 8.21 35.91 54.78 4.43 4482
越南 2712 2786 14.85 33.72 43.63 6.87 1764
资料来源:World Bank; Statista; CEIC
 
印度尼西亚为东南亚经济规模最大的经济体,新冠疫情暴发之前 10 余年
GDP 增长一直保持在 5%左右,新冠疫情对于印尼的经济影响较大, 2020 年印 尼的GDP为1.06万亿美元,同比下降2.07%,人均GDP为3869.59美元】。2020 年印尼的第一产业、第二产业和第三产业占GDP的比值分别为13.70%、38.26% 和44.40%,其中金融与保险部门占GDP比值为4.51%[本章GDP与人均GDP数据来源:World Bank] [本章第一产业、第二产业与第三产业与金融部门占比数据来源:Statista]。截至2020年底,印尼 的股票市场总市值为4940.76亿美元。印度尼西亚幅员广阔,但各个群岛地区分 散以及农村交通不便使得印尼的金融渗透率较低。截至 2021 年底,印尼商业银 行总资产为6919亿美元,占印尼GDP比值为65.39%[ 本章商业银行总资产,股票市场市值数据来源: CEIC],远远小于新加坡,泰国 等金融发展更为成熟的国家。印尼银行业机构数众多,银行类型主要分为中央 银行、商业银行和农村银行。截至2021年底,印度尼西亚拥有107家商业银行 和 1468 家农村银行。最大的四家银行持有超过 45%的银行资产[ Bank Indonesia,https://www.bi.go.id/id/statistik/ekonomi-keuangan/seki/Default.aspx],相对于为数 众多之中小型银行,四大银行在利率竞争及获利表现方面占有较大优势。并且 印尼政府积极推动银行合并,以增强银行的竞争力,未来印尼的金融业特别是 银行业渗透率有望持续提升。
马来西亚作为典型的出口导向型国家,对外依存度较高,其经济发展高度 依赖稳定的外部环境。新冠疫情在全球范围内的扩散导致了全球经济乏力和大 规模的金融波动,连锁效应下外部的冲击对马来西亚的经济造成了巨大的影响。 2020年马来西亚GDP为3367亿美元,同比下降5.6%。人均GDP为10401.79 美元。2020年马来西亚的第一产业、第二产业和第三产业占GDP的比值分别为 8.21%,35.91%和54.78%,其中金融部门占GDP比值为4.43%。截至2020年 底,马来西亚的股票市场总市值为4482.04亿美元。根据马来西亚中央银行统计 资料,马来西亚银行体系由26家商业银行、 16家伊斯兰银行、 1家国际伊斯兰 银行以及 11 家投资银行所组成[ Bank Negara Malaysia,https://www.bnm.gov.my/list-of-licensed-financial-institutions
29];截至 2021 年底止,商业银行总资产达 7237.6 亿美元,与 GDP 之比为 216.14%。商业银行是马来西亚银行体系的主体,资产 在银行体系的占比在 72%左右,伊斯兰银行为马来西亚银行体系的一大特色, 近年来马来西亚政府有意推动伊斯兰银行的发展,伊斯兰银行资产占马来西亚 银行业体系比例约为26%。自2011年起,伊斯兰银行每年的增长率超过10%, 远远超过商业银行 5%的增速水平。马来西亚银行体系存有高度集中现象,根据 穆迪评级的报告,前八大银行的资产合计占银行体系总资产的 75%,存、放款 市占率亦分别高达 79%、 77%。此外,马来西亚的银行房贷比重较高,截至 2018年6月,银行对的房贷占放款占比为40%左右。
新加坡为东盟国家中唯一的发达国家,近年来经济波动较大。与马来西亚
相似,新加坡经济对外依存度较高,疫情的防控措施对经济影响较大, 2020 年 GDP为3400亿美元,同比下降& 15%,人均GDP为59797.75美元。新加坡第 三产业比重较高,2020年第一产业、第二产业和第三产业占GDP的比值分别为 0.03%、24.37%和70.95%,其中金融部门占GDP比值为14.98%。截至2020年 底,新加坡的股票市场总市值为6524.17亿美元。新加坡金融业高度发达,银行 业发展较早,且国内银行市场自由化。截至 2021 年底,新加坡国内商业银行的 总资产达2.27万亿美元,与GDP的比值为668.33%。新加坡银行业机构主要分 为4家本地银行与127家外资银行,外资银行中,特准全面银行10家,特准银 行 20家,批发银行 97家[ Monetary Authority of Singapore,https://eservices.mas.gov.sg/fid]。本地银行通过并购加强其影响力,从之前的 6家银 行不断合并。目前在新加坡有 3 家主要的银行,分别是星展银行,大华银行与 华侨银行。新加坡虽然对金融开放程度较深,但政府通过三类银行的牌照对外 资银行的业务范围进行限制。金管局严格控制外资银行对本土银行的入股、并 购和设立分行资本份额,并且新加坡一直偏向于外资银行在新设立分行而不是 具有法人资格的子行,外资银行进入新加坡具有较高的准入门槛。新加坡本土 银行在政府有意识地扶持和保护下,本土银行虽然数量小,但是却拥有较大的 市场份额, 3大商业银行占银行业总资产比值达54%。
菲律宾在疫情前的经济发展较为成功,2012-2019年GDP增速都保持在6% 以上,由于疫情在菲律宾的蔓延,菲律宾的经济严重受挫。2020年菲律宾GDP 为3615亿美元,同比下降9.5%,人均GDP为3298.83美元。2020年第一产业、 第二产业和第三产业占 GDP 的比值分别为 10.16%、 29.17%和 60.67%,其中金 融部门占GDP比值为&47%。截至2020年底,菲律宾的股票市场总市值为 3307.71 亿美元。菲律宾银行主要分为商业银行、储蓄银行和农村与合作银行, 截至 2020年,菲律宾银行共有3846家,其中包括3209家全能银行商业银行, 536 家储蓄银行以及 101 家农村合作银行[ Bangko Sentral ng Pilipinas,https://www.bsp.gov.ph/SitePages/Statistics/Statistics.aspx
30]。商业银行占主导地位,资产规模约 占银行系统的 70%,截至 2021 年底,商业银行总资产规模达 3733 亿美元,与 GDP 比值为 103.26%。菲律宾政府为增长银行业的竞争力而不断推动银行合并 整合。目前菲律宾商业银行集中度较高,前 5 大银行资产规模占商业银行总资 产的比重约为55%。
泰国作为新兴工业化国家,其经济依赖出口,其中出口占国内生产总值 (GDP)的比例超过三分之二,由于新冠疫情影响,发达的旅游业在2020年受 到重挫,GDP也大幅下滑。2020年泰国GDP为5018亿美元,同比下滑6.1%, 人均GDP为7189.04美元。2020年第一产业、第二产业和第三产业占GDP的比 值分别为8.64%,33.1%和58.25%,其中金融部门占GDP比值为7.04%。截至 2020 年底,泰国的股票市场总市值为 5359.37 亿美元。商业银行是泰国金融体 系的支柱,根据泰国的中央银行统计, 2018年底泰国银行体系由30家商业银行 构成,涵盖 14 家全功能银行、 1 家零售银行、 4 家外国银行子银行和 11 家外国 银行分行[ Bank of Thailand,https://www.bot.or.th/English/FinancialInstitutions/FIStructure/Pages/default.aspx]。泰国银行体系以商业银行为主, 2021 年底商业银行总资产达 7044 亿美元,与 GDP 比值为 140.37%。其中以泰京银行、盘谷银行、汇商银行、开 泰银行和大城银行规模最大,该五大银行的资产约占商业银行体系总资产的 70%。目前泰国商业银行体系的部分净利润来自按权利计提的应收利息收入, 同时泰国商业银行的财务状况也差于邻国且趋向较慢复苏,债务质量问题,以 及使用金融救助措施的债务组合规模的减少也比邻国缓慢使经营业绩受到压力。 疫情导致原本已存在问题的行业在 2020年因新冠肺炎疫情而进一步加剧,例如 服务业之前就已面临许多挑战,目前进一步遭遇来自国内外客户行为改变、来 自数字平台和新技术的竞争等更多挑战,导致传统经营商必须调整企业目标和 经营方式,泰国银行业发展的挑战加大。
越南近年来经济发展较为迅猛, 2015-2019 年,越南 GDP 同比增速都保持 在6%以上, 2020年受新冠疫情影响增速有所下滑,但由于其疫情的管控得当, 2020年GDP增速仍然保持为正。2020年越南GDP为2712亿美元,同比增加 2.9%,人均 GDP 为 2785.72 美元。 2020 年第一产业、第二产业和第三产业占 GDP的比值分别为14.85%、33.72%和43.63%,其中金融部门占GDP比值为 6.87%。截至2020年底,越南的股票市场总市值为1764.19亿美元。越南的银行 业与中国相似,越南的银行业主要由越南工商银行、越南外贸股份商业银行等 四大国有银行占领导地位。根据越南央行数据显示,越南的银行主要由 4家国 有商业银行、 2家政策性银行、 31家股份制商业银行和9家外商独资银行构成。 截至 2021 年 9月,国有银行与股份制商业银行总资产达5600亿美元,与 GDP 比值为206.5%[ The state bank of Vietnam, https://www.sbv.gov.vn/webcenter/portal/en/home/sbv/statistic
31]。越南目前的金融仍然处于起步阶段,银行体系放贷偏于生产与 贸易行业,但由于越南强势的经济增速,越南的银行业发展迅猛,资产质量与 银行的获利能力不断增强,在存款的快速增长与放贷增速背景下,银行的流动 性保持充裕。但越南银行业的发展仍然存在许多的问题,越南银行市场主要由 国有企业和国有银行构成越南金融市场主要的借贷主体,不利于形成合理的利 率水平,也不利于充分发银行对社会资源的合理配置作用和金融市场化。进一 步从银行体系来看,尽管越南有数家真正意义上的民营银行,以及独资性质的 外国保险公司以及借贷公司,但国有商业银行占整个金融体系比重太高,资产
占比达 41.19%,并且存在经营效率不高的问题,在进式经济转轨路径下,进一
步深化产权改革,提高银行效率必然是越南未来金融市场化发展的方向。
4.1.2东盟六国银行业风险指标概况
由于东盟国家金融数据特别是银行业数据目前尚不完备,本部分以东盟六 国的银行业风险指标,包括银行的非息收入占比、经营杠杆率,净资产收益率 与贷存比等指标来分析各国的银行业现状。
表 4-2 东盟六国 2011-2020 年核心一级资本充足率(%)
国家/年份 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
印度尼西亚 13.50 14.22 14.61 15.41 16.24 18.83 19.09 19.23 20.06 20.47
马来西亚 13.49 13.71 13.47 13.96 14.36 14.55 14.97 14.59 15.14 15.72
新加坡 13.48 14.92 13.79 13.56 13.74 14.33 15.38 14.94 15.27
菲律宾 13.71 14.77 15.19 13.46 12.84 12.60 12.71 13.30 14.00 15.31
泰国 10.98 11.04 11.85 12.97 13.91 14.47 15.07 15.05 16.11 16.74
越南 11.89 12.86 12.07 10.58 10.14 9.37 8.77 9.43 9.39 9.45
平均值 12.84 13.59 13.50 13.32 13.54 14.03 14.33 14.42 15.00 15.54
 
资料来源: IMF Financial Soundness Indicators(FSIs)
核心一级资本充足率是指商业银行持有的符合规定的核心资本与商业银行 风险加权资产之间的比率。巴塞尔委员会规定要求资本充足率达到 8%,核心资 本充足率达到 4%。纵向比较东盟六国的核心资本充足率,东盟六国的平均资本 充足率一直呈上升趋势,从2010年的12.84%上升到2020年的15%左右。横向 比较各国的资本充足率,印尼的资本充足率且一直呈上升状态, 2020 年的资本 充足率达到 20.47%,高于其余 5 国。马来西亚、新加坡、菲律宾与泰国目前的 资本充足率较为接近,在 15%左右。越南的资本充足率整体呈下降趋势, 2020 年核心资本充足率小于 10%,风险相较其余国家更高。
表 4-3 东盟六国 2011-2020 年非息收入占比( %)
国彖年份 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
印度尼西亚 40.23 35.03 31.16 30.99 29.67 32.02 30.69 30.25 34.69 39.04
马来西亚 46.52 45.22 40.40 39.00 38.16 39.04 38.93 39.02 42.15 41.89
新加坡 34.85 44.43 38.35 35.07 37.15 38.21 37.53 30.88 36.48
菲律宾 37.80 42.24 42.35 33.40 29.28 30.78 26.11 24.78 25.99 26.06
泰国 37.07 37.79 39.75 37.94 39.62 37.69 38.11 38.42 45.03 35.22
越南 20.70 20.37 26.58 30.56 25.64 27.74 29.77 29.95 31.41 31.31
平均值 36.19 37.51 36.43 34.49 33.25 34.25 33.52 32.22 35.96 34.70
 
资料来源: IMF Financial Soundness Indicators(FSIs)
非利息收入指商业银行除利差收入之外的营业收入,主要是中间业务收入 和咨询、投资等活动产生的收入。当商业银行非利息收入处于较低水平时,提 升银行的非利息收入可以提高银行的盈利效率,但非利息收入占比较高后,由
32 于非利息收入存在不确定性,波动较大,会对银行的盈利质量产生较大的影响。 东盟六国银行业整体非利息收入占比较为平稳,在 35%左右。东盟六国的非利 息收入占比差异较大,菲律宾银行业的非利息收入最低,为 26.06%,菲律宾银 行业非利息收入占比持续降低,从2011年的37.80%下降至2020年的26.06%。
马来西亚银行业非利息收入最高,为 41.89%,马来西亚银行业非利息收入占比 整体处于较高的水平,尽管在 2012-2017 年下降至 38.93%,但近年来非利息收 入开始缓慢上升。印度尼西亚银行业非利息收入占比波动较大,从2011-2015年, 印尼银行业非利息收入占比持续降低, 2015 年印尼银行业非利息收入占比为 29.67%。但随后开始迅速上升,目前印度尼西亚银行业非利息收入占比已接近 40%。泰国、新加坡、越南银行业的非利息收入占比目前较为相近。
表 4-4 东盟六国 2011-2020 年不良贷款率(%)
国家/年份 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
印度尼西亚 2.01 1.68 1.61 1.97 2.32 2.77 2.44 2.21 2.34 2.64
马来西亚 2.68 2.02 1.85 1.65 1.61 1.61 1.55 1.47 1.52 1.57
新加坡 1.06 1.04 0.87 0.76 0.92 1.22 1.40 1.31 1.31
菲律宾 2.53 2.20 2.44 2.02 1.89 1.72 1.58 1.67 1.97 3.53
泰国 2.93 2.43 2.30 2.31 2.68 2.99 3.07 3.08 3.13 3.23
越南 2.79 3.44 3.11 3.50 2.76 2.64 2.11 2.13 1.77 1.87
平均值 2.33 2.13 2.03 2.03 2.03 2.16 2.03 1.98 2.01 2.57
资料来源:IMF Financial Soundness Indicators(FSIs)
不良贷款率指金融机构不良贷款占总贷款余额的比重。从东盟六国银行业 平均值来看,整体呈下降趋势,但由于 2020年新冠疫情的暴发使得整体的不良 贷款率上升幅度较大,且处于 10年最高水平。分国别来看, 2020年泰国与菲律 宾银行业的不良贷款率较高,泰国银行业整体处于较高水平,多年来银行业不 良贷款率大于 3%。菲律宾银行业自 2011 年后,整体不良贷款率一直呈下降趋 势,在2017年达到不良贷款率最低水平,为1.58%,随后银行不良贷款率开始 缓慢抬升, 2020 年在新冠疫情的冲击之下,菲律宾银行业不良贷款率提升,由 2019 年的 1.97%大幅上升至 3.53%,是东盟六国中上升幅度最大的国家。新加 坡、马来西亚、越南银行业不良贷款率处于较低水平,越南银行业不良贷款率 十年来整体下降较多,且2020年受新冠疫情影响较小。印度尼西亚银行业不良 贷款率从2011-2016开始上升后,在2017年开始下降, 2020年印尼银行业不良 贷款率为 2.64%。
表 4-5 东盟六国 2011-2020 年净资产收益率( %)
国家/年份 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
印度尼西亚 20.72 21.36 19.87 17.25 16.25 10.38 12.40 13.34 12.35 7.08
马来西亚 13.83 13.88 12.16 11.78 9.56 9.81 10.29 9.88 10.23 7.47
33
 
新加坡 13.82 16.37 15.29 13.21 13.61 11.26 13.97 12.98 14.11
菲律宾 12.87 13.89 14.38 12.99 11.19 10.98 10.50 9.96 11.04 7.59
泰国 10.92 12.02 12.91 12.17 9.43 8.93 7.64 7.84 9.56 4.65
越南 12.33 5.65 6.01 3.19 5.51 6.60 8.26 11.69 11.48 10.96
平均值 14.08 13.86 13.44 11.77 10.92 9.66 10.51 10.95 11.46 7.55
资料来源:IMF Financial Soundness Indicators(FSIs)
净资产收益率是指银行的净利润与股东权益的比值,代表银行的盈利能力。
东盟六国的净资产收益率在2016年达到低点,平均净资产收益率为9.66%,随 后2016-2019年盈利能力开始提升,到2019年时,整体的平均ROE达到11.46%, 由于新冠疫情的冲击,东盟的经济对外依存度较高,银行的盈利能力受到明显 的负面冲击。净资产收益率迅速下降至 7.55%,下降幅度较大。横向比较东盟 六国,新加坡银行业的净资产收益率明显高于其余 5国, 2019年新加坡银行业 净资产收益率为 14.11%。越南银行业净资产收益率受新冠疫情冲击较小, 2020 年时位于较高水平。印度尼西亚银行业的净资产收益率尽管一直下滑,在疫情 前整体盈利情况较好,但受疫情影响严重,盈利能力下滑严重。泰国受新冠疫 情影响最为明显,泰国银行业的净资产收益率处于东盟六国的较低水准,从 2012 年来整体净资产收益率一直呈下降趋势,在疫情前为 9.56%,已经小于其 余5国,新冠疫情后,泰国银行业的盈利能力大幅下滑,下降至4.65%,下降幅 度接近 50%,银行业受冲击最明显。
表 4-6 东盟五国 2011-2020 年流动资产占短期负债比率(%)1
国家/年份 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
印度尼西亚 27.25 29.08 22.64 26.27 24.08 24.89 24.14 21.45 21.88 25.62
马来西亚 36.58 42.53 40.95 43.18 133.97 130.34 138.29 143.20 149.15 148.18
新加坡 76.93 76.81 76.40 76.45 76.66 75.94 75.33 74.32 73.82
菲律宾 52.84 53.30 67.35 64.53 60.64 54.64 51.83 50.74 48.77 53.53
泰国 29.72 32.29 31.80 35.57 33.12 30.73 32.55 30.67 33.59 34.45
平均值 44.67 46.80 47.83 49.20 65.69 63.31 64.43 64.08 65.44 65.45
资料来源: IMF Financial Soundness Indicators(FSIs)
流动资产与短期负债比率衡量银行流动资产在短期债务到期以前可以变为
现金用于偿还负债的能力。一般说来,比率越高,说明企业资产的变现能力越
强,短期偿债能力亦越强;反之则弱。由于数据的可得性,流动资产与短期负
债比率没有越南银行业样本数据。横向比较其余5国,由于马来西亚2015年6 月开始实行流动性覆盖比率最低须达60%,并自2016年1月起提高至70%,其 后逐年提高10%至2019年之100%为止,随后马来西亚银行业流动资产对短期 负债比率迅速提升超过100%。印尼、新加坡、菲律宾、泰国各自流动资产对短 期负债比例较为稳定,变化较小。其中印尼与泰国的比率较低,明确小于其余
1 由于越南数据缺失,本部分数据仅有印度尼西亚、马来西亚、新加坡、菲律宾、泰国。
34
3 国,流动风险较大,新加坡与菲律宾处于中间水平。
4.2样本选取与数据处理
由于东盟六国的银行规模不一,我们选取的标准为在2018年底市值大于2 百万美元的银行样本,选取的样本时间为2002.01.01至2021.09.30,并且银行在 2010年1月之前上市以确保有足够的历史数据来计算DCC-GARCH,由于部分 银行的流动性过低而使 DCC-GARCH 模型失效,我们去除了一部分样本银行, 最终选取了东盟6国的48家银行作为样本,最后在模型中我们把各国的主要股 市指数作为市场指数。选取的银行样本如下:
表 4-7 选取银行样本
国家 银行代码 银行名称 国家 银行代码 银行名称
印度 尼西 亚 BNBA Bank Bumi Arta 菲律 宾 BPI Bank of the Philippine Islands
PNBN Bank Pan Indonesia BDO BDO Unibank, Inc.
INPC Bank Artha Graha Internasional CHIB China Banking Corporation
BBKP Bank Bukopin MBT Metropolitan Bank & Trust
Company
BACA Bank Capital Indonesia PBC Philippine Bank of Communications
BDMN Bank Danamon Indonesia RCB Rizal Commercial Banking Corporation
BBNI Bank Negara Indonesia (Persero) SECB Security Bank Corporation
BNLI Bank Permata UBP Union Bank of the Philippines
BBTN Bank Tabungan
Negara(Persero) PNB Philippine National Bank
BVIC Bank Victoria Internationa 泰国 TTB TMB Bank
BBRI Bank Rakyat
Indonesia(Persero) TISCO TISCO Financial Group
BMRI Bank Mandiri(Persero) SCB The Siam Commercial Bank
BBCA Bank Central Asia TCAP Thanachart Capital
BNGA Bank CIMB Niaga KTB Krung Thai Bank
BNII Bank Maybank Indonesia KKP Kiatnakin Bank
马来
西亚 AMBANK AMMB Holding Berhad KBANK Kasikornbank
CIMB CIMB Group Holdings
Berhad BBL Bangkok Bank
MAYBANK Malayan Banking Berhad BAY Bank of Ayudhya
PBBANK Public Bank Berhad 越南 ACB Asia Commercial Joint Stock Bank
HLBANK Hong Leong Bank CTG Vietinbank
HLFG Hong Leong Financial Group SHB Saigon-hanoi Commercial Joint
Stock Bank
新加 坡 D05 DBS Group Holdings Ltd STB Saigon Thuong Tin Commercial
Joint Stock Bank
O39 Oversea-chinese Banking Corporation EIB Eximbank
U11 United Overseas Bank
Limited VCB Vietcombank
 
为计算东盟六国银行的 SRISK 值,我们需要上市银行的市场数据。银行的
35
日度股价、市值数据,以及季度的资产与股东权益数据。最后需要各国的代表 市场指数日度收盘价,计算SRISK的所有数据都来自S&P Capital IQ数据库与 公司定期报告。
表 4-8 数据选取及来源
数据名称 频率 数据来源
上市银行收盘价 日度 S&P Capital IQ,
公司定期报告
市场代表指数收盘价
上市银行市值
上市银行资产 季度
上市银行股东权益
 
4.3结果分析
4.3.1风险测度结果
表4-9 样本银行 SRISK 相关数据
国家 公司 代码 市值
(百万 美元) 杠杆率 lrmes 国家 公司 代码 市值(百万 美元) 杠杆率 lrmes
印度尼 西亚 BNBA 231 4.49 0.31 菲律宾 BPI 8410 7.69 0.27
PNBN 1328 4.16 0.43 BDO 11151.3 8.39 0.28
INPC 168 7.47 0.45 CHIB 1347 9.26 0.07
BBKP 987 11.03 0.56 MBT 4403.9 7.44 0.29
BACA 151 13.28 0.48 PBC 176.1 7.95 0.04
BDMN 1738 4.21 0.37 RCB 820.7 7.97 0.11
BBNI 9634 7.52 0.57 SECB 1846 5.60 0.21
BNLI 4401 6.07 0.24 UBP 2212.6 6.96 0.12
BBTN 1358 17.89 0.57 PNB 641.9 7.42 0.18
BVIC 92 9.02 0.31 泰国 TTB 3511.2 8.42 0.50
BBRI 45544 5.78 0.59 TISCO 2249.4 6.21 0.35
BMRI 23522 7.70 0.50 SCB 13774.5 7.66 0.73
BBCA 65373 5.91 0.38 TCAP 1160.8 1.96 0.41
BNGA 1773 6.94 0.32 KTB 5000.3 9.52 0.46
BNII 1794 5.50 0.25 KKP 1427.7 8.38 0.43
马来西 亚 AMBANK 2458.1 9.61 0.16 KBANK 10722.9 7.72 0.60
CIMB 12578.
6 10.54 0.43 BBL 7386.2 8.75 0.45
MAYBANK 22755.
8 10.29 0.33 BAY 7507.9 8.00 0.51
PBBANK 18131.
8 9.56 0.35 越南 ACB 3685.60 11.28 0.37
HLBANK 8791.6 8.23 0.28 CTG 6607.50 15.14 0.41
HLFG 4610.8 8.15 0.32 SHB 2360.40 16.20 0.30
新加坡 D05 58091.
5 11.82 0.44 STB 2199.40 14.81 0.30
O39 40811.
2 9.76 0.46 EIB 1213.30 9.21 0.28
 
36
 
U11 32053.
1 10.74 0.41 VCB 16947.60 12.65 0.39
上表为样本银行的 2021年第3季度的模型相关数据,分别为样本银行的市 值(百万美元)、杠杆率(资产/股东权益)以及长期预期边际损失(表示当股 票市场下跌 40%时,相关公司的市场价值下跌幅度)。从市值指标分析,新加坡 3家银行的平均规模远大于其余东盟国家银行,印尼小市值银行较多。各银行杠 杆率差异较大,其中印尼银行的杠杆率普遍较低,越南银行的杠杆率普遍处于 高位。而长期预期边际损失方面,新加坡银行的平均下降幅度较高,与新加坡 金融开放程度有一定关系,菲律宾的平均下降幅度较低。
最终计算的结果如下:
表 4-10 SRISK 计算结果
国 家 公司 代码 SRISK (百万美
元) 总资产(百万美
元) 国 家 公司 代码 SRISK (百万美
元) 总资产(百万美
元)
印 度 尼 西 亚 BBTN 432.62 15000.95 律 宾 PNB 9&42 10939.45
BBKP 211.65 6483.98 RCB 19.71 8283.36
INPC 73.37 1944.25 PBC -184.67 1345.05
BVIC 59.41 1643.57 MBT -264.21 26479.22
BNBA -5.65 435.17 UBP -373.66 7299.14
BACA -12.80 898.69 CHIB -378.39 8701.68
BNGA -63.49 18312.93 SECB -456.01 7291.43
PNBN -206.63 13990.52 BDO -987.17 30810.71
BNII -351.03 11356.33 BPI -1659.92 23732.98
BNLI -363.76 12010.85 泰 国 KTB 1703.34 61015.64
BBNI -812.47 42134.38 TCAP 709.13 18063.52
BDMN -1177.27 13966.85 TTB 634.85 23699.71
BMRI -3424.10 73050.92 BBL 503.73 68089.73
BBRI -5559.33 68372.19 BAY 24.47 37197.13
BBCA -14087.51 50606.04 KKP -111.98 5567.49
马 来 西 亚 CIMB 1523.68 89342.25 KBAN
K -120.72 58263.60
HLFG 1078.44 40433.71 TISC
O -155.37 5940.47
AMBA
NK 299.90 30247.47 SCB -561.07 58377.54
MAYB
ANK -605.43 132482.10 越 南 CTG 1070.06 36918.76
HLBAN
K -733.07 36361.25 SHB 481.13 9553.94
PBBAN
K -3845.28 72404.41 STB 367.94 12891.88
D05 4538.38 266841.70 ACB 136.46 12146.84
O39 3174.85 216098.40 EIB -124.73 6661.61
U11 1798.27 187852.70 VCB -1025.15 32716.45
表中的 SRISK 与资产值均为样本期间的平均值。从表中数据来看, SRISK 的绝对值大小与银行的资产规模呈正相关,但 SRISK 的正负却与资产规模无明
37 显关系。SRISK主要表示银行的资本缺口绝对值,资产规模较大的银行一般资 本缺口也较大。但 SRISK 的值也与银行的经营策略直接相关,当银行杠杆率较 高时,或者经营出现危机,股市出现较大的资产泡沫时,资产规模较小的银行 仍然可能出现较大的资本缺口,相反,当银行实行低杠杆经营,并且经营较好, 外部环境较好时,资产规模较大的银行的资本缺口可能为负值,SRISK较低, 表示其系统性风险值较低。
从表中数据可知,印度尼西亚的银行机构多且风险值较低,风险较为分散。 其中 Bank Tabungan Negara 的 SRISK 值最高,为 432.62。Bank Central Asia 的风 险值最低,为-14087.51。印尼的样本银行数较多,大部分银行的SRISK绝对值 较低,且 SRISK 值为小于 0,表明印尼的银行系统性风险较低。一方面印尼的 各个群岛地区分散以及农村交通不便,使得印尼的金融渗透率较低,也使得其 银行数量特别是农村银行数量较多,另一方面,印尼银行系统的经营杠杆率较 低,也使得印尼银行的系统风险值较低。
马来西亚的银行体系较印尼更为集中,银行的平均风险也更大。马来西亚 的银行体系较为集中,前八大银行的资产合计占银行体系总资产的 75%,但银 行体系的风险值并不高。马来西亚的样本银行风险与资产规模的相关性较弱, 资产规模最大的 Malayan Banking Berhad 风险绝对值并不大,且小于 0,为- 605.43。风险值最大的是 CIMB Group Holdings Berhad,SRISK 值为 1523.68。 风险最小的银行为 Public Bank Berhad,SRISK 值为-3845.28。
新加坡的国内银行业高度集中,由于新加坡的金融业高度发达,且由于本 地银行不断并购增强其影响力,新加坡主要的银行从之间的 6 家不断合并,目 前只有 3 家,分别为星展银行,大华银行与华侨银行,国内银行业高度集中, 三家银行的平均资产远远大于东盟其他国家的主要银行。由于其高度的自由化 影响,且资产规模较大,新加坡3家主要银行的SRISK值都较大,且都为大于 0。SRISK 值由大到小分别为 DBS Group Holdings Ltd、Oversea-chinese Banking Corporation、United Overseas Bank Limited,其 SRISK 值分别为 4538.38、 3174.85和1798.27。
菲律宾银行平均风险较低。菲律宾的银行SRISK绝对值不高,且大多为负 值。菲律宾银行业为推动整体竞争力而不断整合,目前银行的整体风险较低。 样本银行中除了 Philippine National Bank 与 Rizal Commercial Banking Corporation 的SRISK值为正,分别为98.42和19.71.其余样本银行的SRISK值均小于0, SRISK 值最低的为 Bank of the Philippine Islands, SRISK 值为-1659.92。
泰国的银行风险值整体较高。商业银行体系较为集中,且财务状况较差,
38 不良贷款率也显著高于其余国家。样本银行中4家银行SRISK值大于0,其余5 家的 SRISK 绝对值较大,且都大于 0。从样本银行的分布来看,大银行的风险 值较大,且更加倾向为正。其中SRISK值最大的是Krung Thai Bank,为1703.34。 SRISK值最小的银行是 The Siam Commercial Bank, SRISK值为-561.07。
越南的银行风险适中,资产规模与SIRSK银行的绝对值正相关。越南的银 行业以 4 大国有银行领导,银行业发展迅速。 6 家样本银行中, 4 家银行的 SRISK值为正,资产规模最大的Vietinbank其SRISK值也最大,为1070.06。其 中资产规模第二的Vietcombank的SIRSK值最小,且绝对值也大于除Vietinbank 以外的其他银行,为-1025.15。
4.3.2SRISK 与 SRISK/资产排序
按国家分类的计算结果如下:
表4-11东盟六国2021年第三季度SRISK情况
排名 国家 SRISK (百万美元)
1 泰国 22691.73
2 新加坡 22276.68
3 马来西亚 2849.47
4 菲律宾 -1664.87
5 越南 -4345.15
6 印度尼西亚 -30854.10
以样本银行为单位计算该国银行金融系统的SRISK值,从2021年第三季度 的计算值来看,泰国与新加坡的SRISK值远大于其余4国。泰国、新加坡与马 来西亚三国的 SIRKS 值为正,代表风险较大,菲律宾、越南、印度尼西亚的 SRISK值为负,代表风险较小。目前泰国的SRISK值较高,处于最高水平, SRISK值为2261.73,新加坡的SRISK值稍小于泰国,为22276.68。印度尼西亚 的风险值最小,且印度尼西亚的SRISK值远小于其余5国,为-30854.1。
39
 
 
印度尼西亚 马来西亚 菲律宾 新加坡 泰国 越南
图4-1东盟六国SRISK情况
图中为东盟六国的SRISK值时间序列图。东盟各国的银行系统风险在2008 年第1季度和2020年第1季度都出现了明显的上升,主要由2008年的美国次贷 危机引发的全球金融危机和2020年的新冠疫情引起,与现实较为吻合。
对各国的SRISK值进行横向比较,以样本国家的银行体系风险值来看, SRISK 值由大到小排序分别为:泰国、新加坡、马来西亚、菲律宾、越南、印 度尼西亚。新加坡与泰国的SIRSK值远大于其余国家,马来西亚、菲律宾、越 南的SRISK值较为接近,印度尼西亚的风险值远小于其余5国。泰国、新加坡、 马来西亚三国的SRISK为正,菲律宾、越南与印度尼西亚的SRISK值为负。其 中泰国2021年3季度SIRKS值为22691.7,新加坡SRISK值为22276.7,马来 西亚的SRISK值为2849.47,菲律宾的SRISK值为-1664.9,越南的SRISK值为 -4345.2,印度西尼亚的SRISK值为-30854。
由图中可知,东盟六国银行系统的SRISK值呈发散状态,东盟六国的银行 系统SRISK值在2010年以前整体差异不明显,在2010年后各国的SRISK值差 异逐渐增大,其中新加坡银行系统的SRISK值一直久高不下,泰国的银行风险 值在2018年底后迅速上升,目前与新加坡的SRISK值较为接近。马来西亚、菲 律宾、越南的银行系统 SRISK 值整体波动较小,而印度尼西亚的银行系统 SRISK值一直在东盟六国中位居末位,由于2020年在新冠疫情的影响之下,银 行的SIRSK值急速上升,波动较大,但随后在2021年开始有所下降。
东盟六国的银行系统SRISK值排名变化较为频繁。以2003年第一季度为时 间节点,此时 SRISK 值由大到小的排序分别为:泰国、新加坡、菲律宾和马来
40 西亚。随后在2003年至2008年期间,这4个国家的SIRKS值都开始缓慢降低, 其中新加坡尤为明显,在2004年期间,新加坡的银行系统SRISK值位居第四, 小于其他3个国家。2007年年末开始,东盟各国银行系统的SIRSK值都开始快 速上市,其中市场化程度最高的新加坡银行系统风险上升最快,由2007年第3 季度的第四在2009年第1季度时上升为第1。上升幅度第二的是马来西亚,其 次是泰国,最后是市场化程度,且金融渗透率较低的菲律宾。东盟各国银行系 统的SRISK值在2009年第1季度达到最高点后开始迅速下降,其中马来西亚下 降幅度最大,最为明显。在2011年后,新加坡银行系统的SRISK值迅速上升, 在2011年第2季度后一直SRISK值大于其余5国。泰国银行系统的SRISK值在 2009年后开始缓慢下降,银行系统的风险得到很好的控制,但2018年后,泰国 的银行系统的SRISK值开始逐年上升,目前泰国的SRISK值与新加坡接近,远 大于其余4国。马来西亚银行系统的SRISK值波动较大,2010年时,SRISK值 仅仅待遇印度尼西亚,而在2016年与2021年时又排名考前,目前SRISK值小 于新加坡与泰国,位居第三。菲律宾银行系统风险控制较好,一直处于低位, 尽管在 2020 年时有过一段上升,但幅度较小,且随后也开始下降,目前位于第 四。越南银行系统的SRISK值在东盟六国中波动较小,整体在0附近波动,近 年来SRISK逐年下降,在2020年的新冠疫情时也与其余东盟5国较为不同,仍 然处于下降趋势,目前SRISK值仅大于印度尼西亚,位于第五。印度尼西亚银 行系统的SRISK值波动最大,且相对于其余5国的SKRISK值最小,印度尼西 亚的银行系统SRISK值整体呈下降趋势,尽管在2020年时有过大幅上升,但随 后也大幅下降, 2021年末有所上升,但仍远小于其余5国。
表 4-12 东盟六国样本银行概况
国家/指标 SRISK 资产 lrmes 杠杆率
印度尼西亚 -30854 485142 0.42 7.80
马来西亚 2849 654183 0.31 9.40
新加坡 22277 1217870 0.44 10.77
菲律宾 -1665 252718 0.17 7.63
泰国 22692 592854 0.49 7.40
越南 -4345 191424 0.34 13.22
上表为2021年第3季度东盟六国样本银行相关指标概况。SRISK数值代表 了当系统性金融事件发生时银行所需的资本缺口,从上文的计算模型来看,泰 国与新加坡的系统性金融风险较高,对比两国可以发现,引起两国风险较高的 实际原因有所差异。新加坡样本银行的平均资产远大于其余东盟 5 国,由于 SRISK的绝对值与银行的资产规模相关,且新加坡样本银行的SRISK值都为正 值,导致新加坡整体的 SRISK 较高。泰国银行的资产规模无论是总体还是平均
41 都远小于新加坡,但两者的 SRISK 整体值却处在同一水平,我们可以得出泰国 的银行业的整体风险要远大于新加坡。从后续的SRISK/资产值也佐证了这一结 论。从等式(3)可以知道,SRISK值不仅与资产规模有直接关系,并且与杠杆 率和Lrmes也直接相关,相比之下,由于其他国家有SRISK值为负的银行,从 而使得国家总体的SRISK值降低,越南整体样本银行较为明显,尽管整体杠杆 率较高,但存在资产规模较大的银行SRISK为负值,拉低了整体水平。而印尼 银行业经营较为保守,整体杠杆率较低,使得国家银行业系统性金融风险较低。
以国家为单位来计量各国的银行系统风险值。新加坡无论是SRISK值还是 银行的平均资产都远大于其他 5 个国家。一方面新加坡的金融高度繁荣,银行 的市场化较为成功。另一方面新加坡的银行相对于其余 5 国也更为集中。叠加 新加坡银行的经营方针, SRISK 值都显著大于其他国家。泰国的银行系统风险 排名第二。商业银行体系较为集中,前五大银行的资产约占商业银行体系总资 产的 70%,前 5 大银行对于国家银行体系的风险影响较大,且由于泰国银行业 的经营环境相对于其他几国压力更大,不良贷款率等指标大于其余几个国家, 导致泰国的银行体系风险值大于其余国家。越南的银行系统风险排名第三,风 险值绝对值较低,一方面由于越南的银行平均资产较小,另一方面越南的 SRISK值波动较小,使得SRISK绝对值较低。马来西亚与菲律宾的SIRSK都为 负值,且较为接近,但菲律宾的 SRISK 值波动率远小于马来西亚,主要与马来 西亚银行的平均资产远大于菲律宾有关。印尼的SIRSK值远小于其余5国,且 波动值最大。
计算了东盟6国的银行SRISK后,分别对各国样本银行的SRISK值进行加 总,为了消除样本的选择与量纲的影响,我们分别对各国的SRISK加总值除以 各国样本银行的总资产,得出的指标代表各国银行的风险值。SRISK值代表银 行的资产缺口,当银行实施较为审慎的经营方针时,银行的资本缺口可能为负, 并不代表银行没有风险,负值仅代表银行的风险小于SRISK为正值的国家。对 各国的2021第3季度的风险值排名如下表。
表4-13东盟六国2021年第三季度SRISK/资产规模情况
排名 国家 SRISK/TA
1 泰国 0.0383
2 新加坡 0.0183
3 马来西亚 0.0044
4 菲律宾 -0.0066
5 越南 -0.0227
6 印度尼西亚 -0.0636
 
42
 
对各国的风险值进行排名后可以得到,截至 2021 年第三季度,泰国的银行 风险值最高,达到 0.0383,随后为新加坡与马来西亚,前三个国家的风险值为 正,菲律宾、越南与印度尼西亚的风险值较低,且都小于 0,其中印度尼西亚 的银行风险值最低,为-0.0636 。但对比单个银行的相对风险而言,我们发现国 家的整体相对风险与单个银行风险区别仍然较大,整体风险较小的国家中会出 现单个风险较大的银行,如菲律宾的Rizal Commercial Banking Corporation银行 相对风险最大,此外负值 SRISK 仍然会显著降低整体的相对风险,特别是资产 规模较大且SRISK为负的银行机构。
 
 
 
印度尼西亚 马来西亚  菲律兵  新加坡  泰国 越南
图4-2东盟6国SRISK/资产风险值
从模型结果显示,各国的风险值高点的时间节点较为一致,与现实较为符 合。一方面,在经济金融全球化的今天,一旦发生全球性系统风险事件,各国 的证券都会显著受到冲击,另一方面由于全球金融市场风险的快速传染性,使 得各国会在极短的时间内同时受到系统性金融风险事件的负面冲击。比如在 2007 年的第二季度,由于美国次贷危机开始逐渐显现,各国的金融风险开始上 升,并且都在2009年第1季度达到高点,随后风险值开始下跌。 2020年由于新 冠疫情肆虐全球,全球股市在 2020 年 3 月都经历了一波急剧的下跌,各国的金 融市场风险与银行的经营风险也急剧上升。但各国的风险值低点却不尽相同, 主要与各国的金融市场与银行经营体制区别有关,菲律宾与印度尼西亚的银行 风险波动较大。菲律宾的银行系统最低值在2013年第二季度,印度尼西亚的低 点在2017年第4季度与2020第1季度。其余四国的银行风险较为稳定。
泰国的银行风险在东盟6国中风险最大。泰国的银行业风险在2002年是处 于高位,随后开始下降, 2012 年后逐渐上升。泰国的银行风险一直居于较高位 置,与泰国的银行体系有关,由于泰国经济增速放缓以及相关企业资产负债率
43
较高,银行业的经营环境面临挑战,特别是近年来泰国银行的不良贷款率缓慢 上升,导致泰国的银行业风险较大。
新加坡由于金融开放度与经济体制,整体银行风险长期处于高位。新加坡 的银行业高度集中,本土三大银行资产占比 60%以上,风险也较为集中。三大 银行中,整体经营的杠杆率较高,且资产水平与市场相关度较高,导致其相对 风险相比东盟其余国家银行风险值较高。
马来西亚银行风险在东盟六国中处于中等水平,但受系统性风险事件影响 较大。
菲律宾银行风险波动最大,且受系统性金融风险事件影响显著,银行系统 的波动大,一方面,菲律宾相对于新加坡,越南等国家的政局更为动荡,另一 方面,菲律宾的银行风险主要由大型银行驱动,由于这几家大型银行受政府支 持力度较大,政局的轮替对于国内银行的风险影响也较大。
越南银行近年来缓慢下降,特别是受新冠疫情影响不明显。一是疫情管控 有效,在疫情早期,越南采取与中国相同的严格管控策略,国内的经济金融受 的影响较小。近期由于新冠疫情严重,整体银行风险有所上升。二是资本市场 发展迅速,近年来越南的资本市场表现较好,导致相关银行的风险有所降低。
印度尼西亚银行风险长期处于低位,但波动较大。由于印度尼西亚的金融 业渗透率较低,银行业与金融业发展程度较低,商业银行的净息差大于 4%,显 著高于新加坡,泰国。银行获利能力较强,并且印尼放款多数为长期,信贷成 本降低,使得银行的资产快速增加。降低了银行业的风险值,但印尼的政局不 确定性也导致了银行业的风险波动值加大。
从本文的模型结果来看,东盟六国的银行业风险各有特点, SRISK 值与银 行资产规模,杠杆率和资本市场相关性有关,首先,泰国的银行业风险最高, 因为泰国这三个要素都保持在较高水平,并且从本文的描述性统计来看,泰国 银行的不良贷款率也较高,实际经营风险较大。而新加坡银行业的风险主要体 现在资产规模与资本市场联动性,实际银行业风险指标处在中等水平。菲律宾 尽管整体 SRISK 值不高,但从描述性统计来看,菲律宾整体银行业经营风险不 小,但由于与资本市场联系太弱,导致整体风险不大。越南银行业的杠杆率较 高,其余风险指标处在中等水平,因为其有大银行的风险为负降低了整体的风 险水平。马来西亚风险不大。印度尼西亚银行业从各个指标来看风险都较小, 国家应该予以银行业支持,在风险可控范围内加大发展力度。
44
第五章 东盟国家商业银行系统性金融风险的影响因素分析
上一章介绍了东盟六国银行业的SRISK的计算结果,并对其进行了不同方 式的排序,不仅不同的国别其SRISK结果差别较大,并且同一国家的银行资产 规模相近时,其 SRISK 也出现了较大的差异。本章通过面板模型,系统地研究 了东盟银行业系统性金融风险的影响因素,微观因素包括资产规模、不良贷款 率,贷存比,非息收入占比,净资产收益率,杠杆率,宏观因素为GDP增长率 与国际金融市场波动率。进行模型分析时,主要从东盟的整体样本与东盟六国 的各自样本进行对比分析。
5.1模型设定
本章利用上一章的SRISK/资产数据,来分析银行系统性金融风险的影响因 素。我们把影响因素分为微观因素和宏观因素,微观因素分别有银行资产规模, 不良贷款率、贷存比、非息收入占比、净资产收益率与杠杆率,宏观因素有 GDP增长率与国际金融市场波动率。
因此,本文的实证研究模型如下:
SRISKt /CAPi =a + PSIZEu "NUR + P.LDRit ++P,NIRH ++P5ROEU (⑵
+ P LUG” + PgGDPt + +05” +
5.2变量选取与说明
cap 指银行的资产,单位是百万美元。 size 以百万美元为单位,资产数据的 对数值。 nlr 具体是指不良贷款金额占银行总贷款金额的比率,计算公式为不良 贷款额/总贷款。 ldr 指银行贷款与存款的比值,计算公式为总贷款/总存款。 Nonintre 指的是银行非利息收入占主要营收的占比,计算公式为非息收入/主营 业务收入。 roe 指的是银行的净资产收益率,具体计算公式为净利润/股东权益。 leverage指的是银行的经营杠杆率,具体计算公式是总资产/股东权益。gGDP代 表银行所在国家的 GDP 增速, vol 代表国际金融市场的动荡水平,本文用美国 标准普尔 500 指数波动率的年化值,衡量国际金融市场的金融动荡程度。参照 Sun-YongChoi(2020)的做法,季度波动率是根据每个季度的平均每日收益计算 的。具体来说,季度波动率是一个季度中每日对数收益的平均值的标准偏差。 然后,本文将标准偏差乘以 252 的平方根以进行年化,最后再指数化。这一指
45
 
标反映了全球金融市场的动荡程度与全球投资者的避险情绪。该指数越高,代 表动荡程度和避险情绪越高。以上指标来源于S&P Capital IQ、CEIC以及WIND 数据库。
表 5-1 指标说明与数据来源
指标简称 指标名称 单位 计算公式 数据来源
被解释变 量 SRISK/CAP 银行系统性金融风 险 —— SRISK/银行资产 作者计算、S&P Capital
IQ、公司年报
解释变量 SIZE 资产规模 —— 资产对数值 S&P Capital IQ、公司年
NLR 不良贷款率 % 不良贷款金额/总贷款金 额 S&P Capital IQ、公司年
LDR 贷存比 % 总贷款/总存款 S&P Capital IQ,公司年
NIR 非息收入占比 % 非息收入/主营业务收入 S&P Capital IQ、公司年
ROE 净资产收益率 % 净利润/股东权益 S&P Capital IQ、公司年
LVG 杠杆率 % 总资产/股东权益 S&P Capital IQ、公司年
gGDP GDP增长率 % GDP同比增长率 CEIC
VOL 国际金融市场波动 率 —— S&P波动率年化值 作者计算、WIND
 
对各银行的相关指标进行描述性统计,表中数据均为相关指标平均值:
表 5-2 东盟六国银行相关指标概况
country company nlr ldr nonintre roe leverage
BNBA 0.0174 0.7664 0.0750 0.0694 6.0633
PNBN 0.0279 0.9869 0.2939 0.0960 6.4481
INPC 0.0343 0.7812 0.1153 0.0417 10.7804
BBKP 0.0468 0.8732 0.3420 0.0560 12.1541
BACA 0.0560 0.2382 0.3468 0.0607 9.6923
BDMN 0.0254 1.2875 0.3360 0.1018 5.1941
印n度尼西 BBNI 0.0309 0.8464 0.3510 0.1469 7.4891
BNLI 0.0311 0.8721 0.4657 0.0497 8.9379
BBTN 0.0375 1.0786 0.0893 0.1261 12.7537
BVIC 0.0451 0.7248 0.6258 0.0702 10.3390
BBRI 0.0297 0.8916 0.1989 0.2403 7.7837
BMRI 0.0263 0.8724 0.4040 0.1773 7.8094
BBCA 0.0090 0.7495 0.2889 0.2157 7.0292
BNGA 0.0313 0.9420 0.2901 0.1137 7.8850
BNII 0.0277 0.9882 0.3236 0.0886 9.2389
AMBANK 0.0562 0.9392 0.5682 0.0797 9.7659
CIMB 0.0541 0.8137 0.4669 0.1133 10.9595
马来西亚 MAYBANK 0.0340 0.9125 0.5019 0.1307 11.6001
PBBANK 0.0111 0.8216 0.3480 0.1843 13.0800
HLBANK 0.0255 0.6602 0.3761 0.1314 11.6030
HLFG 0.0185 0.6666 0.4393 0.1323 10.9840
 
46
 
D05 0.0170 0.8395 0.4056 0.0994 10.2852
新加坡 O39 0.0221 0.7726 0.4331 0.1134 10.2944
U11 0.0287 0.7401 0.3926 0.1114 9.9938
BPI 0.0639 0.6823 0.3795 0.1324 9.0274
BDO 0.0361 0.7307 0.4103 0.1167 10.1673
CHIB 0.0533 0.6532 1.5282 0.1264 7.7776
MBT 0.0531 0.6767 0.4225 0.1008 8.9405
菲律宾 PBC 0.1283 0.5358 0.4186 0.1003 10.4367
RCB 0.0424 0.7845 0.4211 0.0938 9.3670
SECB 0.0290 0.7714 0.3542 0.1435 7.7731
UBP 0.1081 0.4931 0.4670 0.1416 6.9939
PNB 0.1436 0.5780 0.5201 0.0653 8.0779
TTB 0.0854 0.9681 1.6590 -0.0402 13.1634
TISCO 0.0325 1.9228 0.4503 0.1776 9.3497
SCB 0.0655 0.9576 0.4341 0.1442 9.4121
泰国 TCAP 0.0489 1.5162 0.5065 0.1181 8.8664
KTB 0.0680 0.9499 0.3419 0.1234 12.5815
KBANK 0.0594 0.9178 0.4086 0.1663 10.6993
BBL 0.0693 0.8411 0.4231 0.1114 10.2839
BAY 0.0651 1.1198 0.3148 0.0943 11.7372
ACB 0.0166 0.7780 0.1075 0.1631 15.6873
CTG 0.0136 0.9597 0.2342 0.1464 14.9298
越南 SHB 0.0290 0.7785 0.1846 0.1438 15.7321
STB 0.0230 0.7683 0.2586 0.0937 13.2720
EIB 0.0197 0.7564 0.2726 0.0712 9.7141
VCB 0.0180 0.7102 0.3312 0.1690 13.4207
由表可知,观察各国银行的不良贷款率。印度尼西亚银行的不良贷款率普 遍在 2%-5%以内,整体控制较好。 Bank Capital Indonesia 的不良贷款率为 5.6%, 超过了 5%,其余银行的不良贷款率都小于5%,其中Bank Central Asia的不良 贷款率最小,为 0.9%,不足 1%。马来西亚银行的个体差异较大,其中 AMMB Holding Berhad 与 CIMB Group Holdings Berhad 的不良贷款率都超过了 5%,分 别为 5.62%与 5.41%,风险较高。而 Hong Leong Financial Group 与 Public Bank Berhad的不良贷款率都远小于其他银行,分别为1.85%和1.11%。新加坡银行整 体的不良贷款率较低,其中 3 家银行的不良贷款率都低于 3%,其中 United Overseas Bank Limited 的不良贷款率最高,为 2.87%, DBS Group Holdings Ltd 的 不良贷款率最低,为 1.7%。菲律宾银行不良贷款率的整体水平较高,且个体的 不良贷款率差异较大,部分银行的不良贷款率已经超过 10%,其中 Philippine National Bank的不良贷款率最高,为14.36%,风险较大。不良贷款率超过10% 的银行有3家。Security Bank Corporation的不良贷款率最低,为2.9%。泰国整 体的不良贷款率也较高,尽管未出现不良贷款率超过 10%的银行,但各银行的 不良贷款率都超过3%,其中TMB Bank的不良贷款率最高,为&54%。越南银
47
行的不良贷款率相对于其余 5 国最低, 风险控制较好, 其中 Saigon-hanoi Commercial Joint Stock Bank 的不良贷款率最高, 为 2.9%, 小于 3%, Asia Commercial Joint Stock Bank 的不良贷款率最低,为 1.66%。
从东盟六国的贷存比水平来看,各国的贷存比整体相差不大[ 泰国的 Kiatnakin Bank 银行经营模式与一般商业银行差异较大,存贷比远高于其他商业银行,在分析系 统性金融风险的影响因素时,剔除了 Kiatnakin Bank 样本,以免极端值影响回归结果。
48]。印度尼西亚 银行间存贷比相差较大,存贷比最低的是Bank Capital Indonesia,为0.2382,最 高的是 Bank Danamon Indonesia,为 1.2875。马来西亚除 Hong Leong Bank 和 Hong Leong Financial Group的存贷比为0.6602和0.6666以外,其余银行的存贷 比都在 0.8 以上。新加坡各银行存贷比较为接近。在 0.74-0.84 之间。菲律宾整 体存贷比较低,Rizal Commercial Banking Corporation 的存贷比最高,为 0.7845, 小于0.8,最低为Union Bank of the Philippines,存贷比为0.4931。泰国整体贷 存比较高, 各银行的贷存比都大于 0.84,最低为 Bangkok Bank, 贷存比为 0.8411,最高为 TISCO Financial Group,为 1.9228。越南银行除了 Vietinbank为 0.9597,大于0.95外。其余银行都低于0.8,最低为Vietcombank,贷存比0.7102。
东盟六国银行的非息收入占比差别较大,印度尼西亚银行整体的非息收入 较低,其中 Bank Bumi Arta 的非息收入占比最低,为 0.075, Bank Victoria Internationa 的非息收入为 0.6258。马来西亚银行整体的非息收入占比高于印度 尼西亚,但马来西亚各银行差异较小。菲律宾与泰国的整体非息收入占比较高, 其中China Banking Corporation和TMB Bank的非息收入大于1。越南银行的非 息收入占比最低,Vietcombank的非息收入占比最高,为0.1690。
从净资产收益率来看,印度尼西亚银行差异较大,其中 Bank Bumi Arta 的 净资产收益率最低,为 0.0694, Bank Central Asia 的净资产收益率最高,为 0.2157。马来西亚的AMMB Holding Berhad的净资产收益率较低,为0.0797, 其余银行都大于 10%。新加坡银行的净资产收益率较为相近。菲律宾银行中 Philippine National Bank净资产收益率较低,为0.0653,其余银行都大于10%。 泰国银行中TMB Bank和Bank of Ayudhya净资产收益率较低,小于10%。越南 银行的整体净资产收益率较高,其中Eximbank的净资产收益率最低,为0.0712, Vietcombank的净资产收益率最高为0.1690。
从银行的经营杠杆率来看,印尼整体的银行经营杠杆率较低,其中 15银行 中,有11家银行的杠杆率小于10,其中Bank Tabungan Negara(Persero)的杠 杆率最高,为12.7537。马来西亚各银行杠杆率水平较为接近,都在9.5-13.5之 间,其中 Public Bank Berhad 的杠杆率最高,为 13.08。新加坡银行与马来西亚 银行整体相似,杠杆率水平比较接近都在9.5-10.5之间。菲律宾银行的杠杆率水 平整体较低,其中 Philippine Bank of Communications 的杠杆率最高,为 10.4367, Union Bank of the Philippines 的杠杆率最低,为 6.9939。泰国整体杠杆率较高, 且各银行杠杆率有一定差异,其中 TMB Bank 的杠杆率最高,为 13.1634, Thanachart Capital 的杠杆率最低,8.8664。越南银行整体的杠杆率相比与其余 5 国有较大提升,除Eximbank的杠杆率为9.7141以外,其余银行的杠杆率都大于 10,其中 Asia Commercial Joint Stock Bank 的杠杆率最高,为 15.6873。
5.3结果分析
5.3.1回归结果分析
对东盟六国银行样本进行影响因素分析,在剔除了极端值样本后,把东盟 六国的 47家银行作为整体样本数据。首先对样本数据进行 Hausman 检验,检验 结果如下:
表 5-3 Hausman 检验结果
公司 Chi-Sq. Statistic Prob.
东盟6国模型 31.98 0.000
检验结果如表所示,在给定显著性水平为 10%的情况下, Hausman 检验的 p 值为 0.000 远小于 10%,也就是结果拒绝个体随机效应的原假设,也就是在10% 的显著性水平下,应该建立个体固定效应模型。
 
 
表 5-4 东盟六国整体回归分析结果
(2) (4) (5) (6) (7) (8)
variables ASEAN ASEAN ASEAN ASEAN ASEAN ASEAN ASEAN ASEAN
size 0.66846** 0.65883** 0.647*** 1.3859*** 0.91972** 0.95816*** 0.64883** 0.72652***
(5.15) (5.07) (4.96) (7.71) (5.08) (5.30) (3.59) (3.97)
nonintre 0.02545 0.02232 0.01727 0.01812 0.01645 0.02138 0.0224
(0.91) (0.42) (0.63) (0.68) (0.62) (0.82) (0.86)
roe 3.8893*** -3.1618*** -3.2939*** -3.3496*** -2.9894*** -2.98***
(-6.68) (-5.21) (-5.59) (-5.70) (5.16) (-5.16)
nlr 12.155*** 10.362*** 9.70699*** 9.30591** 9.6863***
(6.45) (5.61) (5.25) (5.12) (5.32)
ldr 1.36372** 1.41731*** 1.38652** 1.3936***
(3.71) (3.87) (3.85) (3.88)
leverage 0.10322*** 0.12013** 0.11393***
49
 
(3.73) (4.42) (4.18)
gGDP -0.1875*** -0.1653***
(-8.84) (-7.24)
volatility 2.18063***
(2.60)
_cons -8.2757*** -8.1922*** 7.6498*** 15.5581*** -11.909*** 11.3505*** -9.5651*** 10.7537***
(--6.45) (--6.37) (-5.90) (-8.30) (-6.27) (-6.91) (-4.92) (-5.39)
Observation
s 2145 2145 2145 2145 2145 2145 2145 2145
Company FE Yes Yes Yes Yes Yes Yes Yes Yes
从结果来看,对于东盟整体的样本银行而言,除了非息收入占比外,其余 变量均高度显著。并且 ROE 与 GDP 增长率对于银行的风险影响为负,资本规 模、非息收入占比、不良贷款率、贷存比、银行经营杠杆率和国际资本市场动 荡水平都与银行的风险水平有着正向影响。
ROE与GDP增长率对银行的风险影响为负,即ROE与GDP增长率越高, 对于银行的风险抑制就越强, ROE 代表银行的盈利水平,当银行的净资产收益 率提高,盈利水平开始增强,银行对于风险的抵御性就更强,即使当系统性金 融风险事件发生时也具备更强的资金实力抵御风险。GDP增长也有利于降低金 融机构风险。金融机构的本质是为实体经济提供服务,当一国的GDP处于增长 状态时,实体经济也在良性发展,实体与金融之间的良性循环有利于不良贷款 率,从而降低系统性风险。
银行规模、非息收入占比、不良贷款率、经营杠杆率以及国际金融市场的 动荡水平对于银行的风险都有明显的正向作用。当银行的资产规模变大时,不 仅使得发生金融危机时,银行的资本缺口变大,并且也会使得银行因为“太大 而不能倒”,使得金融机构过于追求收益而忽视风险控制;另一方面,一旦大规 模的金融机构出现危机时,使得与之相关的金融机构出现资金链断裂风险,会 产生一系列的连锁反应。非息收入占比对于东盟六国银行的风险影响为正向推 动作用,但结果不显著。银行的在拓展其他非息业务时,在早期会增强银行的 盈利能力,但过后也会增加银行的经营成本,特别是当银行的非利息收入经营 成本提高后超过利益的水平时,这时银行的非利息收入会抵消收益,并且银行 更注重优化非利息收入的结构,提高了类似于汇兑收益及投资收益等高附加值 的非利息收入业务,特别是东盟各国的经济对外依赖度较高,当外部环境发生 变化时,对银行的非息收入影响较大,增加了银行收益的波动性,增加了风险。 银行的不良贷款率对风险有明显的正相关关系,当银行的不良贷款增加时,银 行的坏账比例会不断增加,银行的盈利能力大幅减弱,并且当不良贷款率上升 到一定阶段后,有可能造成银行的资金链断裂,导致破产。贷存比与银行的经
50
营杠杆率对于银行的风险也有显著的正向推动作用,当银行的贷存比过高时, 银行可能没有足够的流动性来满足任何不可预见的资金需求,容易造成流动性 危机,增大了银行的风险。杠杆率与国际金融动荡对于风险也有正向推动作用, 当银行的杠杆率提升时,在繁荣时期,银行的盈利能力增强,但市场发生逆转 是,将会面临收益大幅下降的风险,特别是当出现系统性金融危机时,金融机 构通常会出现恐慌性资产抛售,使得资产端大幅缩水,加上杠杆效应,会进一 步加大金融机构的风险,甚至会使得机构处于破产风险。
横向对比非息收入占比、ROE、不良贷款率、贷存比与杠杆率,只有ROE 对于银行的风险为负向抑制作用,且相比于其余因素作用较强。不良贷款率对 于东盟六国银行的影响最大,正向推动作用最强,其次是贷存比,银行的杠杆 率对于风险的推动作用相比于不良贷款率与贷存比都较小,最后是非息收入占 比,系数仅为 0.02,远远小于其他因素,且正向作用不显著。
表 5-5 东盟六国分国别回归分析结果
(2) (4) (5) (6)
variables 印度尼西亚 马来西亚 新加坡 菲律宾 泰国 越南
size 1.0105 -0.2829 1.3706*** -2.2583*** 1.3013*** 0.2912
(0.99) (-0.94) (5.94) (-4.12) (5.32) (0.42)
nonintre 0.9047 2.1419*** 4.1167*** 0.0517 -1.55e-04 0.4617
(1.64) (2.84) (4.10) (0.86) (0.99) (1.10)
roe -4.017* -8.51643*** -7.1961*** -15.4424*** -0.9697** -2.2012*
(-1.69) (-7.0) (-3.30) (-4.60) (-2.37) (-1.72)
nlr -4.0329 -0.9492 -6.8835 4.4955 21.211*** 47.3188***
(-0.26) (-0.2) (-1.30) (1.31) (6.85) (3.46)
ldr 3.4248 3.847** 5.9375*** 26.2992*** 0.4065* -3.9976*
(1.33) (2.23) (4.52) (8.54) (1.76) (1.79)
leverage 0.2846** 0.3373*** -0.0291 -0.0063 0.3022*** 0.3036***
(2.12) (6.3) (-0.26) (-0.11) (7.10) (2.68)
gGDP -0.2615*** -0.1119*** -0.0778*** -0.2505*** -0.1215*** 0.2324
(-2.78) (-4.87) (-4.90) (-3.46) (-4.45) (1.14)
volatility -3.948* 1.365 1.5813** 5.8241** 3.3337*** -0.7364
(-1.65) (1.55) (1.99) (2.20) (3.55) (-0.22)
cons -15.4519* -3.7809 -20.8779*** -0.9188 -17.6727*** -4.5503
(-1.65) (-1.29) (-7.92) (-0.21) (-6.36) (-0.82)
Observations 433 427 212 406 564 103
Company FE Yes Yes Yes Yes Yes Yes
 
东盟六国对于各因素的影响各不相同,其中影响因素的方向与大小都有所 差异。总体方向与东盟整体样本相同,但显著性明显降低。在银行规模的影响 因素方面马来西亚与菲律宾的影响方向为负。ROE对于东盟六国的风险均为抑 制作用,但影响大小差别较大,其中对于菲律宾的影响远大于印度尼西亚、泰 国与越南。不良贷款率对于越南的影响最大,且为正向影响。贷存比也只有越
51
南的影响为负,与越南的银行渗透率不高有一定关系。宏观因素方面, GDP 增 长率对于东盟各国的银行风向基本为负,而国际金融波动水平对于各国的影响 基本为正。
52
第六章 研究结论
第四至五章为本文的实证部分,基于实证部分的结果,本部分得出关于东 盟各国银行系统性金融风险研究的结论,以及提出了就我国投资者对东盟国家 银行的投资,东盟各国银行业风险管理和我国与东盟国家银行开展合作等三方 面的政策建议。
6.1主要结论
本文基于东盟六国 2002 年 1 月至 2021 年 9 月的上市银行的数据,运用 SRISK 方法计算对东盟六国银行系统性金融风险进行了实证研究,计算了东盟 六国银行的SRISK值后,进而得出了各国银行之间与东盟六国之间的SRISK与 SRISK/资产规模排名。其次我们对东盟国家银行的系统性金融风险影响因素进 行了分析,主要从微观因素和宏观因素两大方面,从资产规模、不良贷款率、 贷存比、非息收入占比、净资产收益率、杠杆率、GDP增速和国际金融市场波 动率等因素对银行的系统性金融风险进行面板回归,并做出相应分析。主要结 论有:
(1) 以样本银行的SRISK值分国别来看,东盟六国目前的SRISK值按从 大到小排序分别为:泰国、新加坡、马来西亚、菲律宾、越南与印度尼西亚。 其中泰国与新加坡的 SRISK 远大于其余 4 国,风险处于最高水平,印度尼西亚 的SRISK值最低,且远小于其余5国。
(2) 若按照SRISK的平均值来看,SRISK的平均值按由大到小排序为:新 加坡、泰国、越南、马来西亚、菲律宾、印度尼西亚。由于新加坡银行银行平 均资产远大于其余5国,导致新加坡的SRISK平均值大于其余5国。泰国的银 行系统风险近年来快速增长。泰国、马来西亚、菲律宾与越南的SRISK平均水 平较为接近,印度尼西亚SRISK平均水平仍远小于其余5国。
(3) 剔除了各国银行的资产规模影响后,以SRISK/资产代表各国银行相对 系统性金融风险。风险由大到小排名分别是:泰国、新加坡、马来西亚、菲律 宾、越南、印度尼西亚。
(4) 对东盟六国银行系统性金融风险的影响因素进行分析。对于东盟整体 的样本银行而言,除了非息收入占比外,其余变量均高度显著。并且ROE与 GDP 增长率对于银行的风险影响为负,资本规模、非息收入占比、不良贷款率、 贷存比、银行经营杠杆率和国际资本市场动荡水平都与银行的风险水平有着正
53
向影响。其中不良贷款率对于银行风险的影响作用最大,净资产收益率对于风 险的抑制作用最为明显。
(5)对东盟六国银行分国家样本进行分析,各国的影响因素方向大致与整 体样本一致,不良贷款率对于各国的影响有所区别,在泰国与越南的样本中显 著增大,净资产收益率对于风险的抑制作用除泰国与越南外也明显增强。
6.2政策建议
6.2.1对东盟国家银行的投资建议
在研究东盟六国的银行系统性风险的基础上,就我国投资者对东盟银行投 资合作提出政策建议:
从东盟六国的银行业风险来分析其投资价值。从风险的绝对值上来看,印 尼、越南与菲律宾的风险值较低,但主要与其金融渗透率相对较低有关。投资 银行业风险值较高的国家时,比如新加坡与泰国,应充分考虑市场的影响,当 国际市场风险较大时,对这些国家的银行风险影响较高。
从波动角度来看,投资应选择波动较小的国家进行投资。菲律宾与印度尼 西亚的经济与政治环境相对于其他国家波动较大。当这些国家遇见系统性金融 事件或政治事件时,对于该国的银行业风险影响较大,投资这些国家时,更应 注重其政治与经济体制风险。
对于东盟六国的银行系统性风险影响因素来看,不良贷款率对于银行系统 性风险的推动作用最强,而净资产收益率能显著抑制风险,在选择银行进行投 资合作时,应尽量选择不良贷款率较低而净资产收益率较高的银行进行合作投 资。
6.2.2对东盟六国银行业风险管控建议
泰国银行业系统性金融风险处于东盟六国中最高水平。泰国整体金融渗透 率较高,第三产业也较为发达,但对比东盟六国银行业数据来看,风险指标较 差。从实证模型来看,不良贷款率对于东盟银行业系统性金融风险正面推动作 用最大,且泰国银行业的不良贷款率长期大于其余东盟五国,泰国银行业应重 点监测各银行不良贷款率,加强对金融机构的有效监管,在新冠疫情的负面冲 击下,政府提供资金、法律和制度的支持,降低银行业的整体不良贷款率,降 低其系统性风险。
54
新加坡金融高度发达,银行业市场自由化。从新加坡银行的风险指标来看, 新加坡银行业各风险指标较为健康,新加坡银行业系统性金融风险较高主要是 因为银行业过于集中,目前 3 家主要的银行由于风险都为正且数量级较大,导 致银行业呈现出风险较高的情况,呈现出的“大而不倒”的现状。在新冠疫情 的冲击下,新加坡银行业的风险明显增加,银行业风险指标出现恶化,新加坡 政府应加强银行业的监管力度,防止风险出现蔓延,进而发生系统性金融危机。
马来西亚、菲律宾与越南的系统性金融风险较为接近,但三国的情况却各 自差异较大。马来西亚银行业高度集中,从银行业风险指标来看,马来西亚的 非利息收入明显高于各国,由于非利息收入波动较大,对马来西亚银行业的盈 利能力会存在明显影响,事实上马来西亚银行业的净资产收益率也处于东盟六 国中的较低水平。马来西亚应对于银行业非息收入占比重点监测,对于影响其 盈利质量的项目应减少经营,以提升其银行业盈利能力,降低银行业系统性金 融风险。菲律宾银行业目前正在积极合并当中,整体来看,菲律宾银行业的不 良贷款率较高,是菲律宾银行业应重点解决的问题。越南银行业出于国家政策 的支持,国有银行占比较大。尽管越南银行业的风险在东盟六国中处于中部水 平,银行业的盈利能力较好且不良贷款率较低。但其国有银行的经营杠杆率明 显高于其余几国,在高杠杆的前提下有较好的盈利水平,越南银行业的核心一 级资本充足率也较低,银行业流动性安全风险需要解决。越南政府应解决国有 银行的高杠杆率来保持较高盈利的问题,激发国内银行业活力,改善目前国有 银行“大而不倒”前提下高风险运营的现状。
印度尼西亚金融渗透率较低,银行业目前正在提升集中度以增强竞争力。 对于印尼的银行业风控指标而言,印尼银行业的非息收入占比较高,不良贷款 率在东盟六国位于中游,但短期流动性指标较差。印尼银行业目前系统性金融 风险较低,政府可以加强对银行业的政策与资金支持,在风控范围内提升其银 行的竞争力。
6.2.3我国与东盟国家银行开展更深领域的合作
在 “一带一路”深化合作与 RCEP 正式签订的大背景下,中国与东盟的金 融合作,特别是银行业的合作为双发的互利互惠经济发展都能提供较大的支持 与便利。双发经济金融联系更为紧密,中国与东盟国家的金融互通项目不断加 强,跨境融资总量出现稳步增长。未来中国与东盟双方的银行业合作发展可以 在金融科技与金融合作监管方面不断加强。
55
科技金融方面,中国—东盟可以依托区块链技术,积极开发中国—东盟国 家互联互通项目,进一步促进区域金融互联互通,在东盟国家与中国的金融交 流时提供技术支持,扩大人民币对外的支付场景,为服务外向型企业、促进中 国—东盟贸易投资和跨境资金流动提供更多便利。
金融风险管控合作方面。应加强双边金融基础设施建设,降低各国金融制 度差异、缩小金融设施现代化水平差距,中国—东盟双方要有良好的政策沟通, 减少金融市场准入和业务开展的政策限制。建立区域内统一的金融监管组织, 严格规范好各金融市场主体的行为,提供强有力的制度保障。
6.3对我国银行业发展的启示
尽管我国与东盟国家银行业有较大的不同,但东盟国家的发展对我国银行 业的发展仍具有借鉴意义。
东盟国家中较多国家经济的对外依存度较高,我们发现不良贷款率对于银 行系统性金融风险的影响最大。我国经济金融对外依存度较高且发展水平与东 盟国家相近的省份,应对加强对不良贷款率这一指标的监测与风控,以减小相 关银行的系统性金融风险。
银行的发展也要重视其盈利能力与质量,我们发现在东盟国家银行系统性 金融风险的影响因素中,净资产收益率对于银行风险的抑制作用最为明显,提 升我国银行的质量与效率,也能明显较低银行的系统性金融风险。
56
参考文献
[1]Acemoglu D, Ozdaglar A, Tahbaz-Salehi A. Systemic risk and stability in financial networks[J]. American Economic Review, 2015, 105(2): 564-608.
[2]Acharya V A theory of systemic risk and design of prudential bank regulation[J]. Journal of financial stability, 2009, 5(3): 224-255.
[3]Acharya V Engle R, Richardson M. Capital shortfall: A new approach to ranking and regulating systemic risks[J]. American Economic Review, 2012, 102(3): 59-64.
[4]Acharya V, Mehran H, Thakor A V Caught between Scylla and Charybdis? Regulating bank leverage when there is rent seeking and risk shifting[J]. The Review of Corporate Finance Studies, 2016, 5(1): 36-75.
[5]Acharya V, Pedersen L H, Philippon T, et al. Measuring systemic risk[J]. The review of financial studies, 2017, 30(1): 2-47.
[6]Adrian T, Brunnermeier M K. CoVaR[R]. National Bureau of Economic Research, 2011.
[7]Aikman D, Kiley M, Lee S J, et al. Mapping heat in the US financial system[J]. Journal of Banking & Finance, 2017, 81: 36-64.
[8]Anabtawi I, Schwarcz S L. Regulating systemic risk: towards an analytical framework[J]. Notre Dame L. Rev., 2011, 86: 1349.
[9]Aoki K, Benigno G, Kiyotaki N, et al. Capital flows and asset prices [with comments] [C]//NBER International Seminar on Macroeconomics. Chicago, IL: The University of Chicago Press, 2007, 2007(1): 175-229.
[10]Baek I M. Portfolio investment flows to Asia and Latin America: Pull, push or market sentiment?[J]. Journal of Asian Economics, 2006, 17(2): 363-373.
[11]Banulescu G D, Dumitrescu E I. Which are the SIFIs? A Component Expected Shortfall approach to systemic risk[J]. Journal of Banking & Finance, 2015, 50: 575-588.
[12]Bats J V, Houben A C F J. Bank-based versus market-based financing: implications for systemic risk[J]. Journal of Banking & Finance, 2020, 114: 105776.
[13]Bernanke B S, Gertler M. Agency costs, collateral, and business fluctuations[J]. 1986.
[14]Bongini P, Nieri L, Pelagatti M. The importance of being systemically important financial institutions[J]. Journal of Banking & Finance, 2015, 50: 562-574.
[15]Bostandzic D, Weiss G N F. Why do some banks contribute more to global systemic risk?[J]. Journal of Financial Intermediation, 2018, 35: 17-40.
[16]Brownlees C, Chabot B, Ghysels E, et al. Back to the future: Backtesting systemic risk measures during historical bank runs and the great depression[J]. Journal of Banking & Finance, 2020, 113:
57
105736.
[17]Brownlees C T, Engle R. Volatility, correlation and tails for systemic risk measurement[J]. Available at SSRN, 2012, 1611229.
[18]Brunnermeier M K, Oehmke M. The maturity rat race[J]. The Journal of Finance, 2013, 68(2): 483521.
[19]Brunnermeier M K, Pedersen L H. Market liquidity and funding liquidity[J]. The review of financial studies, 2009, 22(6): 2201-2238.
[20]Buch C M, Krause T, Tonzer L. Drivers of systemic risk: Do national and European perspectives differ?[J]. Journal of International Money and Finance, 2019, 91: 160-176.
[21]Chakravorti S. Analysis of systemic risk in multilateral net settlement systems[J]. Journal of International Financial Markets, Institutions and Money, 2000, 10(1): 9-30.
[22]Choi S Y. Industry volatility and economic uncertainty due to the COVID-19 pandemic: Evidence from wavelet coherence analysis[J]. Finance Research Letters, 2020, 37: 101783.
[23]Colletaz G, Levieuge G, Popescu A. Monetary policy and long-run systemic risk-taking[J]. Journal of Economic Dynamics and Control, 2018, 86: 165-184.
[24]Corsetti G, Pesenti P, Roubini N. What caused the Asian currency and financial crisis?[J]. Japan and the world economy, 1999, 11(3): 305-373.
[2 5] Danielsson J, Shin H S, Zigrand J P. The impact of risk regulation on price dynamics[J]. Journal of Banking & Finance, 2004, 28(5): 1069-1087.
[26]De Bandt O, Hartmann P. Systemic risk: A survey[R]. ECB Working Paper, 2000.
[27]De Jonghe O. Back to the basics in banking? A micro-analysis of banking system stability[J]. Journal of financial intermediation, 2010, 19(3): 387-417.
[28]Dell'Ariccia G, Laeven L, Marquez R. Real interest rates, leverage, and bank risk-taking[J]. Journal of Economic Theory, 2014, 149: 65-99.
[29]Diamond D W, Dybvig P H. Bank runs, deposit insurance, and liquidity[J]. Journal of political economy, 1983, 91(3): 401-419.
[30]ECB D. The concept of systemic risk[J]. Financial Stability Review, 2009.
[31]Engle R. Dynamic conditional correlation: A simple class of multivariate generalized autoregressive conditional heteroskedasticity models[J]. Journal of Business & Economic Statistics, 2002, 20(3): 339350.
[32]Engle R F, Ruan T. Measuring the probability of a financial crisis[J]. Proceedings of the National Academy of Sciences, 2019, 116(37): 18341-18346.
[33]Engle R, Jondeau E, Rockinger M. Systemic risk in Europe[J]. Review of Finance, 2015, 19(1): 145-190.
58
[34]Engle R. Systemic risk 10 years later[J]. Annual Review of Financial Economics, 2018, 10: 125152.
[35]Gandhi P, Lustig H. Size anomalies in US bank stock returns[J]. The Journal of Finance, 2015, 70(2): 733-768.
[36]Girardi, G., & Ergun, A. T. ,Systemic risk measurement: Multivariate GARCH estimation of CoVaR. [J] Journal of Banking & Finance, 2013,37(8):3169-3180.
[37]Helbing D. Globally networked risks and how to respond[J]. Nature, 2013, 497(7447): 51-59.
[38]Hernandez L, Mellado P, Valdes R. Determinants of private capital flows in the 1970s and 1990s: is there evidence of contagion?[J]. 2001.
[39]Illing M, Liu Y. An index of financial stress for Canada[R]. Bank of Canada, 2003.
[40]International Monetary Fund. Global Financial Stability Report: Responding to the Financial Crisis and Measuring Systemic Risk[J]. 2009.
[41]Jorda O, Schularick M, Taylor A M. Macrofinancial history and the new business cycle facts[J]. NBER macroeconomics annual, 2017, 31(1): 213-263.
[42]Kindleberger C. Bubbles, The New Palgrave: A Dictionary of Economics, John Eatwell, Murray Milgate, and Peter Newman, eds[J]. 1987.
[43]Kregel J A. Margins of safety and weight of the argument in generating financial fragility[J]. Journal of Economic Issues, 1997, 31(2): 543-548.
[44]Laeven L, Ratnovski L, Tong H. Bank size, capital, and systemic risk: Some international evidence[J]. Journal of Banking & Finance, 2016, 69: S25-S34.
[45]Le T H. Systemic risk in ASEAN-6: a new empirical investigation[J]. International Journal of Emerging Markets, 2021.
[46]Minsky Ph D H P. The Financial Instability Hypothesis: A Restatement[J]. 1978.
[47]Minsky Ph D H P. The financial-instability hypothesis: capitalist processes and the behavior of the economy[J]. 1982.
[48]Oet M V Bianco T, Gramlich D, et al. SAFE: An early warning system for systemic banking risk[J]. Journal of Banking & Finance, 2013, 37(11): 4510-4533.
[49]Reinhart C M, Rogoff K S. From financial crash to debt crisis[J]. American Economic Review, 2011, 101(5): 1676-1706.
[50]Schularick M, Taylor A M. Credit booms gone bust: Monetary policy, leverage cycles, and financial crises, 1870-2008[J]. American Economic Review, 2012, 102(2): 1029-61.
[51]Schwarcz S L. Systemic risk[J]. Geo. Lj, 2008, 97: 193.
[52]Segoviano Basurto M, Goodhart C. Banking stability measures[J]. 2009.
[53]Stiglitz J E, Weiss A. Credit rationing in markets with imperfect information[J]. The American
59
economic review, 1981, 71(3): 393-410.
[54]Van den End J W, Tabbae M. Measuring Financial Stability: Applying the MfRisk Model to the Netherlands[R]. Netherlands Central Bank, Research Department, 2005.
[55]Varotto S, Zhao L. Systemic risk and bank size[J]. Journal of International Money and Finance, 2018, 82: 45-70.
[56]陈守东,章秀,刘洋.货币市场利率和资本市场利率的多元时变因果关系研究[J].西安交通大 学学报(社会科学版),2015, 4: 17-22.
[57]陈旺,黄家炜,汪澜.金融开放与银行风险承担的异质性研究一一基于98个国家的实证分析 [J].国际金融研究,2020, 393(1): 33-43.
[58]陈湘鹏,周皓,金涛,等.微观层面系统性金融风险指标的比较与适用性分析一一基于中国金 融系统的研究[J].金融研究,2019, 467(5): 17-36.
[59]方意,郑子文.系统性风险在银行间的传染路径研究一基于持有共同资产网络模型[J].国际金 融研究,2016 (6): 61-72.
[60]贵丽娟,胡乃红,邓敏.金融开放会加大发展中国家的经济波动吗?一一基于宏观金融风险的 分析[J].国际金融研究,2015 (10): 43-54.
[61]郭晔,赵静.存款竞争,影子银行与银行系统风险一一基于中国上市银行微观数据的实证研究 [J].金融研究,2017, 444(6): 81-94.
[62]梁琪,李政,郝项超.我国系统重要性金融机构的识别与监管一一基于系统性风险指数SRISK 方法的分析[J].金融研究,2013 (9): 56-70.
[63]马勇,王芳.金融开放、经济波动与金融波动[J].世界经济,2018,41(02):20-44.
[64]陶玲,朱迎.系统性金融风险的监测和度量一一基于中国金融体系的研究[J].金融研究,2016, 432(6): 18-36.
[65]谢平,邹传伟.金融危机后有关金融监管改革的理论综述[J].金融研究,2010 (2): 1-17.
[66]杨海珍,程相娟,李妍,等.系统性金融风险关键成因及其演化机理分析一一基于文献挖掘法 [J].管理评论,2020, 32(2): 18.
[67]杨子晖,李东承.我国银行系统性金融风险研究一一基于“去一法”的应用分析[J].经济研 究,2018, 8: 36-51.
[68]杨子晖,周颖刚.全球系统性金融风险溢出与外部冲击[J].中国社会科学,2018, 12(69): r90.
[69]袁申国,刘兰凤.金融开放与实体经济和虚拟经济产出非平衡増长[J].国际经贸探索,2019, 35(5): 86-104.
[70]张明,肖立晟.国际资本流动的驱动因素:新兴市场与发达经济体的比较[J].世界经济,2014 (8): 151-172.
[71]张晓玫,毛亚琪.我国上市商业银行系统性风险与非利息收入研究一一基于LRMES方法的创 新探讨[J].国际金融研究,2014 (11): 23-35.
【本文地址:https://www.xueshulunwenwang.com//jingjilei/guojijinrong/4511.html

上一篇:DH 工业公司国际贸易融资策略研究

下一篇:没有了

相关标签: