摘要：文章从研究银行间风险溢出突变入手，分析银行间的风险传染机制，利用时变Copula理论刻画了我国上市银行间的相关性，在此基础上利用Z检验方法找出银行间风险溢出的转换点，研究发现在大部分银行2008年9月18日的相关结构发生突变，说明存在风险溢出效应。文章以这一时点为分水岭，利用CoVaR方法对上市银行间的风险溢出效应分两阶段进行实证。研究结果表明，危机后国有银行对大部分股份制商业银行的风险溢出强度显著增大，而国有银行之间的风险溢出强度有所下降。
关键词：时变Copula；Z检验；风险溢出；CoVaR
一、 引言
由于时变Copula函数在度量相关关系上的优势，本文采取时变Copula来描述银行间的相关性，在此基础上运用Z检验判断其Copula结构是否发生变化，找到的变结构点即为风险溢出时点，基于风险溢出点，本文通过CoVaR方法量化银行间的风险溢出强度。
二、 方法与计量模型
三、 实证研究
1. 样本选择。基于数据的可得性及研究的需要，本文选择13家上市银行作为样本。其中，由于建设银行上市的时间是2007年9月25日，本文选择研究日期为2007年9月25日至2011年9月30日，研究对象为所选上市银行的收益率序列，将价格定义为银行n在t日的收盘价格，其收益率序列为Rt=ln（Pnt/Pnt-1）*100，数据处理后共979个日数据，本文数据来自WIND数据库，利用R软件和Matlab7.0进行相关程序编写与实证研究。
2. 时变Copula模型建立。
（1）边缘分布模型拟合与参数估计。GARCH（1，1）-t模型在刻画金融时间序列的边缘分布上具有明显的优势。本文使用R对各家银行的收益率序列做拟合。为了使拟合的结果更准确，本文做了ADF检验和PP检验，检验结果显示，所研究银行收益率序列的ADF统计值和PP统计值均在“1%的显著性水平”的临界值以下，可以确定这些银行具有平稳的收益率序列，可以直接使用边缘分布拟合。本文将GARCH（1，1）-t模型应用于各家银行收益率序列边缘分布的拟合，获得了各收益率序列的边缘分布模型的相关参数，表1列出了中国银行、招商银行收益率序列的条件边缘分布的估计结果及相应的检验结果。
为了检验拟合的效果，本文采用主观性比较小的K-S检验。K-S检验揭示的是理论分布与经验分布之间的偏离，其统计检验量数值越小，表明偏离程度越低，拟合效果也就越好。根据表1所示，K-S统计值均很小，K-S概率值均大于0.1，说明在10%的统计水平下，对各序列，“新序列服从（0，1）上均匀分布”的原假设没有理由被拒绝，本文根据GARCH（1，1）-t模型估计得到的边缘分布相互独立且在（0，1）上服从均匀分布，所选方法适当，拟合结果好。
（2）时变Copula函数的选择及参数估计。在动态变化的市场环境下中，各银行间的股票收益率的相关程度会不断变化。本文基于边缘分布拟合的参数结果，运用时变正态Copula，动态分析中国的股份制银行与国有银行间的相关性，可求出相关性系数ρ的演进方程的参数估计值。以建设银行为例，建行与其他股份制银行的参数估计结果如表2所示。
根据参数估计结果，可以得到建设银行与这几家银行的二元正态Copula时变图（图1）。
如图所示，时变趋势上，各个银行间的相关系数具有一致性。这个现象主要是因为在相同的宏观经济背景下，中国的银行业具有基本相同的业务模式与经营环境，相似的行业特点引导银行间的相关序列具有相对一致的变化趋势。而从时点上分析，可以发现在2008年9月18日～2008年10月6日之间，各银行间相关系数趋向于峰值，说明中国市场对于美国次贷危机"立刻"做出了反应。为了进一步分析这段时间内是否存在明显的风险溢出，本文通过Z检验进行判断。
3. 风险溢出转换点的判断。我们以“日”作为分界点，使用前文相关系数的演化方程，利用Z检验方法检验，研究发现在t=281这一时点，大部分银行的Z统计量结果十分显著（表3）。
从表3的结果看，除个别银行间的Z检验值未通过检验，其余大部分银行间的Z检验值在？琢=0.1水平下均为显著，说明大部分银行在2008年9月18日这一天相互间的相关结构发生了突变，风险溢出效应明显，也表明在这一天，中国市场对在美国发生的金融危机具有明显的反应。因此，2008年9月18日可以作为样本分割点，用来测度美国金融危机前后中国的银行之间风险溢出的强度。第一阶段为2007年9月25日～2008年9月18日，共239个数据。第二阶段为2008年9月19日～2009年9月10日，共239个数据。
根据计算结果分析对比分析第一阶段和第二阶段的风险溢出强度，可以发现：在美国金融危机前后，四大银行对大部分银行的风险溢出明显增强，只对少数几家银行的风险溢出减小。本文认为这与四大行与各银行间的存在密切的业务往来，导致了风险传递有关，同时也受到部分银行资产负债结构变化，风险管理与经营战略不一样的影响，所以风险溢出水平不同。
进一步研究国有银行间的风险溢出强度，计算结果如表5所示，危机前国有银行间风险溢出强度在25%～51%之间，其中交通银行对其他三大行的风险溢出度最高，达到43%以上。整体上看，相对于国有银行对股份制商业银行的风险溢出强度，国有银行间风险溢出强度更高。
四、 结论
本文利用时变二元正态Copula模型来捕捉我国上市银行间的时变相关特性，通过检验分析，2008年9月18日是中国银行间相关结构发生突变的时点，在这个时间前后银行间的风险溢出强度发生显著变化，本文以该日作为分界点，运用CoVaR方法进一步测度银行间的风险溢出强度，测度结果显示，危机后主要国有银行对大部分股份制商业银行的风险溢出强度显著增大，而国有银行之间的风险溢出强度反而有所下降。
所以，中国银行业监管机构可以通过动态实时跟踪各家银行的市场波动，分析基于市场信息冲击下，不同银行主体间风险溢出对系统性风险的影响，特别是系统性重要金融机构与其他金融机构之间的风险传导，通过对不同银行进行差别化监管，及时控制重要性金融机构与一般性金融机构间的风险溢出效应，保证金融体系的整体稳定。
参考文献：
1. Allen， Franklin， and Douglas Gale.Financial contagion.Journal of political economy 108.2000，（1）：1-33.
2. 杨苏梅.我国上市银行间相关性及风险溢出研究.湖南大学学位论文，2012.
3. 陆静，张佳.我国上市银行系统重要性评估金融论坛，2011，（9）：30-37.
4. Nelsen， Roger B.An introduction to copulas.Springer，1999.
5. Roch， Oriol， and Antonio Alegre.Testing the bivariate distribution of daily equity returns using copulas. An application to the Spanish stock market.Computational Statistics & Data Analysis 51，2006，（2）：1312-1329.
6. 韦艳华.Copula理论及其在多变量金融时间序列分析上的应用研究.天津大学学位论文，2004.
7. 刘圆，杨湘豫.copula的局部变结构点诊断的实证研究.经济数学，2013，（3）：64-67.
8. 肖璞，刘轶，杨苏梅.相互关联性， 风险溢出与系统重要性银行识别.金融研究，2012，（12）：96-106.
基金项目： 国家社科基金项目“我国银行业资本监督的尺度研究”（项目号：12CJY112）；博士后基金项目（项目号：2012M520487）。
作者简介：刘轶，中国人民大学财政金融学院博士后，中国人民大学重阳金融研究院研究员；湖南大学金融与统计学院副教授；杨苏梅，湖南大学金融与统计学院硕士生；池至靖，湖南大学数学与计量经济学院硕士生。
收稿日期：2014-05-18。