我国银行体系脆弱性测度分析
0 引言
从20世纪70年代至今，无论是发展中国家、发达国家，还是转轨经济国家，都经历了一些严重的银行业危机。而银行作为国家金融的命脉，对一国政治稳定和经济发展起着重要作用。对于我国这样一个金融体制还不太健全的发展中国家来说，在证券、保险等行业的发展还不完备的情况下，银行系统对经济的作用就显得尤为重要。因此，银行体系稳定性或脆弱性问题一直是学术界讨论的重点。
2007年夏以来的次贷危机是对银行风险管理及其监管的一次严峻的压力测试。令人震惊的是，这次危机对那些国际上实力雄厚和管理先进的大型银行业带来了很大的冲击，如花旗银行等金融机构也同样未能幸免。因此，我国金融当局迫切需要加强银行风险管理及其监管，而对银行脆弱性进行准确判断和测度是首先需要解决的问题。
1 银行体系脆弱性指数构建
1.1 文献综述
关于银行体系脆弱性的测度方法众多，归结起来可以分为定性分析和定量分析两大类。在早期主要使用定性分析，如历史事件分析法和定性指标分析法。
近来越来越多的研究开始采用量化分析，归结起来主要包括：一是Frankel和Rose（1996）提出的概率单位模型，如Probit模型和Logit模型；二是Sachs、Tomell和Velasco（1996）提出的横截面回归模型，简称STV模型；三是Kaminsky（1997）等提出的信号分析法。
研究银行体系脆弱性需要首先确定一系列的经济和金融指标。
Caprio和Klingebiel（1996a）应用贷款损失和资本减少两项指标判断是否发生危机，如果大部分或全部银行系统的资本受到侵蚀，贷款损失严重，则表示即将发生危机。因此不良贷款率和资本充足率是银行脆弱性的测度指标。
Demirguc-Kunt和Detragiache（1998a，1998b），他们认为下述条件之一成立时，即发生了银行危机：（1）不良资产占银行资产比率超过10％；（2）政府救助银行的财政成本占GDP的比率大于2％；（3）银行部门问题导致银行大规模的国有化；（4）大范围的银行挤兑导致政府采取紧急措施如冻结存款，银行假期延长，存款保证承诺的普遍化等。该项研究中，银行体系的不良贷款率是危机事前可查指标，具有风险积聚特征，因此，可以将不良贷款率作为银行体系脆弱性的测度指标。
Glick&Hutchinson（1999）认为银行危机往往与挤兑密切相关，而挤兑导致银行存款减少，这样存款变化可以作为衡量银行体系脆弱性状况的有效替代指标。此外贷款作为银行最主要的业务，贷款的变化也是衡量银行稳健与否的一个比较理想的指标。通常存款的减少及贷款的膨胀意味着银行体系脆弱性上升。从银行的主营业务视角定义银行体系脆弱性，适合没有精确地记录银行危机或没有发生过金融危机的国家。
Honohan（1997）采用的是存款与GDP的比率、银行向政府的融资以及同业利率差等指标，而Dmirguc和Detra ache（1998）却发现信贷与GDP的比率、国内利率水平、贸易条件、通货膨胀波动等指标能较好地测量银行脆弱性。
Aykut Kibritcioglu（2002）认为银行面临的主要风险包括流动性风险、信贷风险和汇率风险，相应的表达指标分别是存款总额增长率，贷款总额增长率及未对冲负债增长率。
国内银行体系脆弱性测度指标主要包括单一指标和加权指标。单一指标主要是采用不良贷款率（沈中华，1999）。由于加权指标能够选取更多的指标，从而能够更全面地反映脆弱性的状况，受到越来越多的重视。
陈华、伍志文（2002）借鉴西方国家在选取指标过程中的共同经验和专家学者研究成果，结合我国的实际情况，考虑到数据的可获得性，选择城乡储蓄变化率、银行对非政府部门贷款增长率、消费者物价指数3个指标作为核心指标，并利用CMAXt指数法从银行部门和实体经济部门两个层面初步测度了银行体系脆弱性状况。
许长新，张桂霞（2007）认为银行危机通常是由于下列因素的实质性下降引起的：一是来自居民家庭的银行存款下降；二是来自企业部门的债权增加；三是本币面值的真实或者潜在贬值。据此，文章选择了银行体系总存款、银行体系对私人部门的贷款、金融系统国外净资产3项指标，运用加权法和信号法，分析了1986年至2003年我国银行体系脆弱性年度变化状况。
袁德磊，赵定陶（2007）认为银行危机多数是银行脆弱性积累到一定程度的集中体现。银行危机是银行脆弱性从量变到质变的演变结果。选择不良贷款率、全国贷款增长率、通货膨胀率及资本充足率4项指标，用算术平均法计算了银行体系的脆弱性，研究了1985年至2005年我国银行体系脆弱性年度变化状况。
万晓莉（2008）根据历史上的银行危机通常表现为大面积挤兑和银行恐慌，其面临的最大风险来自于流动性风险（大量银行挤兑）、信用风险（不良贷款的升高）、市场风险（利率变化及银行无抵补的外汇负债的增加）和操作风险。选择了中央银行对金融机构的信贷、存款占货币总量的比例、国内贷款与储蓄存款的比率、真实信贷增长率及银行机构的真实外债增长率5项指标，采用因子分析法合成了银行脆弱性综合指数，分析了1987年至2006年我国银行体系的脆弱性季度变化状况。
1.2 本文银行体系脆弱性测度指标选择
根据前人的研究成果，兼顾数据的可获得性、准确性以及可量化性的原则，本文从银行体系的流动性风险、信贷风险和市场分析3个方面选择了7个指标来构建我国银行体系的脆弱性测度指标体系。选取的变量主要有：
1）存款总额增长率。存款作为银行的主要资金来源，一方面增加了银行对企业贷款的能力，提升了银行的盈利能力；另一方面当发生挤兑时，大量的存款流失给银行带来毁灭性的打击。银行存款总额多少和存款总额增长率的高低通常被用来反映因流动性不足而导致的银行挤兑的风险。
2）贷款总额增长率。贷款是银行体系运用资金获得收益的主要方式之一，过高的贷款增长率通常意味着银行体系的信贷风险较高。
3）存贷比。存贷比是指银行体系的贷款总额与存款总额的比值，该比率反映的是银行体系募集资金满足贷款需要的能力。该比率过高可能表示银行体系有较大的资金压力，从而应对流动性风险的能力较差。
4）央行对金融机构贷款占银行贷款总额的比例。央行的一个重要作用是作为最后贷款人，当其他金融机构遇到流动性危机时由央行向其贷款。央行对金融机构贷款占贷款总额的比例越高，银行体系的流动性问题越严重。
5）非政府部门贷款增长率。银行体系对非政府部门的贷款总额主要是对企业和居民的贷款，过高的对非政府部门贷款的增长率将会导致高不良贷款率，致使银行体系信贷风险增加。
6）M2占存款总额的比例。存款总额与货币供应量的比值下降表示公众存款信心下降，所以M2/存款总额越高，则银行体系的流动越不足，或者效率越低，即流动性风险越大。
7）国外净资产增长率。我国由于长期的双顺差，形成了巨额的外币资产，在人民币对美元等主要货币不断升值的情况下，面临外币资产财富缩水的风险越来越高。
1.3 因子分析法
因子分析的实质就是用几个潜在的但不能观察的互不相关的随机变量去描述许多变量之间的相关关系（或者协方差关系），这些随机变量成为因子。因子分析也就是找出影响系统的最少独立变量的因子，然后用这些较少的因子来代表影响整个系统的变量所提供的信息，达到找出影响观测数据的主要因素的目的。
数学上，因子分析就是一个线性变换。这一变换就是把原始数据变换到一个新的坐标系统内，使得任何数据投影的第一大方差在第一个坐标（第一主成份）上，第二大方差在第二个坐标（第二主成份）上，……，依此类推。用数学公式表示如下：
（1）
X是T×N矩阵，是可以观察到的指标集合（时间长度为T，指标个数为N），假设这N个指标的信息可以被一个更小的不可观察的因子集F（T×K维，K 因子载荷的估计量可以根据最小二乘法回归得到，即 ，另一方面从式（1）也可以看出，每个因子其实是原始指标的线性组合（残差项忽略不计） ，其相对于每一个原始指标的系数越大，则该指标对因子的影响更大。所以因子分析的另一个好处是可以将众多原始指标分类成不同部分。事实上寻找每个因子所代表的特定信息是因子分析在应用中的一个重要内容。 万晓莉（2008）认为应用动态因子法既能够最大程度的反映个指标所蕴含的信息量，又能够避免传统方法中对各指标权重设定的主观性。脆弱性指数的构建如下： 银行体系脆弱性指数= 第i个因子的权重×第i个因子的得分 将因子的方差累积贡献率作为因子的权重。所以方差累积贡献率，表示因子越重要，权重越大。 1.4 我国银行体系脆弱性的核心测度 1.4.1 数据来源 本节所采用数据来源于中国人民银行官方网站统计数据库以及《中国人民银行季报》，数据的范围是2000年1月至2011年3月，数据频度为月度。 1.4.2 指标的描述性统计 变量的描述性统计主要包括变量的最大值、最小值、均值、方差，如表1所示。我国银行体系的存款总额的平均增长率为18.9%，贷款总额的平均增长率16.4%，从均值上来看，存款总额的增长率要大于贷款总额的增长率，这一方面表明我国银行体系的资金来源较为充足，另一方面也显示出我国银行体系的资金运用能力不足。存贷比的均值为73.3%，接近于监管红线（75%），显示出我国银行体系流动性风险较高，需要采取一定的措施。非政府部门贷款增长率均值16.7%，处于两位数的水平，存在一定风险。虽然低于东南亚金融危机时期的各国家的水平，但仍然属于较高水平，一旦贷款质量下降将形成大量不良贷款，产生信贷风险。我国银行体系的国外净资产增长也较快，平均增速达到了26.8%，由于人民币对美元等主要货币的不断升值，我国银行体系积累的巨额外币资产将面临财富缩水的风险。 表1 指标的描述性统计 1.4.3 方差贡献度 表2 方差解释表 从表2可以看出，因子1的特征值为3.977，方差贡献度为56.83%；因子2的特征值为2.234，方差贡献度为31.92%。两个因子的累计方差贡献度为88.72%，可以认为这两个因子提供了足够的原始变量数据信息。根据因子分析提取特征值大于1的准则，以及提取累计方差贡献度大于85%的准则，提取因子1和因子2，合成银行体系脆弱性综合指数。 1.4.4 因子载荷矩阵 从表3中可以看出，因子1中系数绝对值较大有存贷比、M2/存款总额、央行对金融机构贷款/贷款总额。因子2中存款总额增长率、贷款总额增长率、非政府贷款增长率、国外净资产增长率的系数绝对值较大。这两个因子主要反映了我国银行体系流动性风险、信贷风险以及汇率风险。 表3 旋转因子载荷矩阵 1.4.5 因子得分系数及银行脆弱性指数确定 表4 因子得分系数矩阵 根据表4的因子的分系数矩阵以及变量观测值可得： F1=0.0158x1+0.1317x2+0.1072x3-0.0028x4+0.0154x5+0.0011 x6+1.0722x7 （2） F2=0.0674x1+0.5619x2+0.4571x3-0.0118x4+0.0656x5+0.0048 x6+0.1922x7 （3） 据前文分析，选择以上两个合成银行体系脆弱性综合指数，合成方法采用加权法。在上述的分析中使用因子的方差贡献度来反映因子所蕴含的信息，则因子对信息的解释力在数学上就反映为该因子对总体数据方差的解释力。由此本文采用各因子占两因子的累计方差贡献度的比重作为该因子的权重，来合成银行体系脆弱性指数。由上文分析因子1的方差贡献度为56.83%，因子2的方差贡献度为31.92%，两因子累计方差贡献度为88.74%。则第一个因子的权重为64%，第二个因子的权重为36%用加权法合成，计算公式为： 由式（2）、（3）和（4）可计算出各月份F值。 为了便于比较和表示的方便，本节将数值F在[0，10]上进行标准化，得到银行体系脆弱性指数（Banking Fragility index 简称BFI），计算方法如下： 利用式（4）得出的综合因子得分带入式（5），即得2000年1月至2011年3月我国银行体系脆弱性指数，按时间排列可得我国银行体系脆弱性走势图。 2 我国银行体系脆弱性分析 图1 银行体系脆弱性指数折线图 由因子分析法计算得到我国银行体系脆弱性指数如图1所示。从图1可以看出，从2000年以来我国银行体系的脆弱性总体呈下降趋势，但期间经历过较大幅度的波动，有明显的阶段性特征。可以将我国银行体系在2000年到2011年3月这段时间的脆弱性情况大致分为四个阶段。 从2000年到2003年7月这第一阶段我国银行体系脆弱性总体呈上升趋势，在2000年这一年虽然有所下降，但随后一路震荡向上。从2002年下半年开始有了一个较快速度的上升，在2003年7月达到了顶峰。在这一阶段时间内中国成功地加入了世界贸易组织（WTO），承诺将在5年的保护期后对国际社会全面开放中国的银行业。随即中国开启了中国银行业的一轮重要的国有商业银行的股份制改造，由于中国银行业长期积累的问题在这一时期的暴露，以及变革时期对原有制度的打破不可避免地推高了中国银行业的脆弱性。 第二阶段为2003年8月至2006年1月，银行体系脆弱性指数由前一阶段的峰值降到了很低的水平。 从2006年2月银行体系脆弱性总体上又呈现出上升趋势，虽然在2008年时略有下降，随后即迅速上升，于2009年11月达到顶峰，这为第三阶段。在这一阶段时期，国际上发生了一次重要危机，2007年底源于美国的次贷危机于随后的几个月内迅速蔓延至全球。中国政府为了防止危机的进一步冲击，于2008年底推出了4万亿投资计划，使得银行体系的贷款额大幅提高，社会企业投资迅速扩大，使得银行业面临信贷风险增大。 第四阶段为2009年12月至2011年3月，银行体系的脆弱性保持了较快的下降速度。随着投资规模的缩小和中央对房地产的调控政策不断加紧，银行业面临的信贷风险减小，降低了这一时期银行体系的脆弱性。 
