互联网金融平台对商业银行风险溢出效应研究_付纪萍.pdf

2023年 第4期北方BEIFANGJINGMAO经贸收稿日期：2022-08-27基金项目：北京信息科技大学 2022 年市级大学生创新创业训练计划项目(5112210833)作者简介：付纪萍(2000-)，女，北京人，本科学生，研究方向：财务管理与金融分析；魏思然(2000-)，女，北京人，本科学生，研究方向：财务管理与金融分析。互联网金融平台对商业银行风险溢出效应研究付纪萍，魏思然（北京信息科技大学，北京 100094）摘要：从互联网金融平台对商业银行的冲击出发，进行定性分析，同时将商业银行分为三类，利用 GARCH-CoVaR 测度商业银行风险溢出的动态情况%CoVaR 进行定量分析。研究发现，互联网金融平台对国有商业银行风险溢出效应最大，股份制商业银行次之，城市商业银行最小。同时，互联网金融造成的系统性风险对于自身风险越小的银行溢出效应越大。联系现实，本文给出的建议是，加强互联网金融平台与商业银行的深度合作，二者进行优势互补，找准自身定位和发展方向，实现互惠共赢。关键词：互联网金融平台；商业银行；GARCH-CoVaR 模型中图分类号：F832文献标识码：文章编号：1005-913X（2023）04-0085-04一、引言随着互联网技术的迅速发展，依托于大数据等技术的互联网金融也在飞速发展，迅速占领了我国的金融领域。但同时互联网金融领域的风险频发，可以迅速通过金融系统关系网爆发式传播，从而影响金融系统。而商业银行作为中国金融体系的核心与互联网金融有着不断深化的竞合关系，因此，研究互联网金融的出现对于商业银行带来的风险，对社会经济发展有着重要意义。对于互联网金融对商业银行风险溢出的研究有：关于互联网金融对商业银行风险溢出效应的文献，主要有蒋文（2021）从微观和宏观角度研究出无论是宏观还是微观，互联网金融的风险值均大于商业银行，而从商业银行内部进行比较，发现国有银行的风险值要明显小于股份银行和城市银行。李治章、王帅（2018）在科学分析我国互联网金融背景的前提下进行了研究，发现不同种类的商业银行风险值和风险溢出值往往均存在差异。翁志超、颜美玲（2019）选取了两大主体的收盘价日数据进行研究。结果表明，互联网金融不仅对商业银行有十分显著的风险溢出,且溢出的方向为正，商业银行的风险在互联网金融处于极端风险时会增加。基于以上现有研究，本文将国内商业银行进行分类，分为国有商业银行、股份制商业银行和城市商业银行，更为细化地研究与对比是互联网金融平台对不同种类商业银行产生的风险溢出效应。结合实际，互联网金融平台的迅速发展，给传统商业银行带来了较大冲击，而面对冲击传统商业银行应打开原有思维，积极吸收符合自身发展的互联网金融思维，结合自身优势，对传统业务进行创新，为客户提供更全面灵活的服务。同时，与互联网金融平台进行优势互补，找准自身定位和发展方向，在竞争和合作关系中互惠共赢。二、互联网金融平台对商业银行的冲击（一）国有商业银行在互联网金融模式下，国有商业银行受制于营利方法、存款贷款利差和信贷业务，这使得信贷业务和利差业务的发展变得非常困难，很难完成转型发展和改革发展。而互联网金融模式则可以大大降低业务流程的风险，并与其他网络技术服务平台合作以促进中间客户数量的不断增长，如此一来，导致传统国有商业银行中间业务的发展受到冲击。（二）股份制商业银行互联网金融凭借其省时省力成本低的优点已经形成了其自身独有的竞争优势，对股份制商业银行产生了“鲶鱼效应”，迫使股份制商业银行从客户群体、盈利模式、业务结构等多个方面作出调整，加快转型。盈利模式上，传统股份商业银行重点着眼于扩大经营模式、增加业务量，却忽略了银行不同业务之间的协调发展。而在互联网金融模式下，商业银行则需转变为以实体网点为主的发展模式，积极推进网点的转型升级，逐步实现由交易途径向客852023年 第4期NORTHERN ECONOMY AND TRADE户体验中心、营销服务中心转变。（三）城市商业银行互联网金融模式下，使得市场逐渐向利率化方向发展，由于银行对利率存在管制，其重要的利润来源主要是源自存贷利率差。而在互联网金融模式下，传统城市商业银行的利率控制受到冲击，部分资金流失，银行为避免这一现象，不得不提高存款利率，从而导致利率管制松懈。城市商业银行一直主导资金融通，但在互联网金融模式下，城市商业银行呈现出非中介化。一方面，互联网金融只需要借助大数据，就可以获得低成本的融资。而传统城市商业银行却需要依赖于实体营业网点，业务程序复杂、交易成本高；另一方面，借贷双方利用网络资源在同一个平台上进行信息交换，减少了中间环节，避免了信息的不对称性。由此可见，在互联网金融模式下，传统城市商业银行呈现出非中介化态势，加速了金融脱媒。三、互联网金融平台对商业银行的风险溢出效应实证研究（一）基于 ARMA-GARCH 类模型的风险测度1.风险测度方法-VaR从统计学角度看，VaR 指在一定概率水平或信度下，某一金融资产或证券组合价值在未来特定时期内所面临的最大可能损失，其表达式为：P（PVaR）=a其中，P 表示一定持有期内某一金融资产或资产组合的价值损失值数额；P 表示概率，a 表示显著性水平。通常显著性水平确定为 5%，反映的是金融资产管理者的风险喜好或接受程度，不同的显著性水平代表着不同的风险程度，一般而言，显著性水平的确定是根据投资者对风险的喜好、接受和承受程度进行确定的。VaR 风险价值通过计算 VaR 值，使对风险分析实现了从定性到定量的一个过渡，风险的程度可以通过风险值来呈现，直接准确地表示市场风险的大小。同时，VaR 摆脱了以往风险管理模式中只能对风险进行事后测度的局限性，实现了事前的风险计算，将未来预期的损失规模大小与发生概率相结合。2.风险测度方法-CoVaRVaR 实现了风险分析从定性到定量的转变，但往往只能被用来测度单个金融机构或市场面临的最大风险损失。而在同一市场环境下，某一金融机构发生风险时，其他金融机构也存在着受到风险溢出波及的可能，而 VaR 却不能计算出这种风险溢出的大小或对溢出方向进行判断，因此，选用 CoVaR度量投资组合在危机或较高风险情况下可能将要面临的经济损失。其表达式为：P（XmCoVaRamn|Xn=VaRan）=a其中，CoVaRamn是金融机构 m 关于金融机构 n的条件风险价值，用于度量金融机构 m 面临风险时的总风险价值，它是市场处于正常波动水平下 m 金融机构的风险值 VaRan和金融机构口发生风险时对m 金融机构的风险溢出值之和。风险溢出值通常用 CoVaRamn表示，它是金融机构 m 的条件风险价值 CoVaRamn和风险价值VaRan之差，衡量了金融机构 n 对金融机构 m 所产生的风险溢出的大小，其表达式如下：CoVaRamn=CoVaRamn-VaRam将风险溢出价值进行去量纲化处理，得到金融机构 n 对金融机构 m 的风险滥出度%CoVaRamn，用于衡量某一金融机构所受到的风险溢出占自身风险的比重，其具体的数学表达式为：%CoVaRamn=CoVaRamn/VaRamx100%本文将结合 CoVaRamn、CoVaRamn和%CoVaRamn三个指标研究互联网金融对商业银行的风险溢出效应。3.基于 ARMA-GARCH 类模型计算 VaR 和CoVaR 值本文利用 ARMA-GARCH 类模型对互联网金融和商业银行的数据进行拟合，选取出拟合优度最好的模型得出回归结果，从而计算出相应 VaR 和CoVaR 值。其中 VaR 值计算公式如下：VaRtm=Xtm-Q（1-a）tm金融机构 m 受金融机构 n 风险影响时的风险值 CoVaRtmn计算公式如下：CoVaRtmn=Xtm-Q（1-a）tm（二）互联网金融与商业银行风险分析1.样本的选取本文选取单个互联网金融产品和部分商业银行，计算其风险值，在此基础上进一步研究互联网金融产品对商业银行所产生的风险溢出。在互联网金融产品方面，本文选取与支付宝挂钩的货币基金天弘余额宝作为研究对象。商业银行方面，本文将从三类商业银行即股份制商业银行、地方性商业银金融与资本862023年 第4期北方BEIFANGJINGMAO经贸行和国有商业银行每一类选取两家银行，共 6 家商业银行，探讨天弘余额宝对 6 家银行产生的风险溢出效应。这 6 家银行分别是工商银行、交通银行、招商银行、光大银行、北京银行和宁波银行。我们将日期定为 2016 年 4 月 1 日到 2022 年 6 月 1 日，共六年的数据，周末和节假日除外，共包含 1673 个观测对象。2.数据的描述性统计价格序列的平稳性一般来说比较差。相比较而言，对数收益率序列具有便利性和平稳性的优点。基于此，本文均采用对数收益率序列，其计算公式为:r=ln（Pt）-ln（Pt-1）其中，表示 t 时刻对数收益率，Pt表示 t 时刻的价格水平，Pt-1表示前一期的价格水平。本文使用的对数收益率序列共 7 组，分别为天弘余额宝基金、光大银行、工商银行、交通银行、招商银行、北京银行和宁波银行对数收益率序列（对数收益率序列的对应变量符号和描述性统计如表 1 所示）。表 1对数收益率序列变量符号及收益率序列的描述性统计变量名称rtMeanMaximum MinimumStd天弘余额宝R-0.00010.2663-0.21090.0206工商银行RGS-0.00020.0953-0.10190.0130交通银行RJT-0.00020.0955-0.10590.0155招商银行RZS0.00070.0955-0.10440.0191光大银行RGD-0.00040.0948-0.10400.0161北京银行RBJ-0.00060.0958-0.21090.0160宁波银行RNB0.00030.0955-0.27230.0232从收益率均值来看，2016 年 4 月至今，天弘余额宝收益率均值为-0.0001，商业银行中宁波银行的收益率均值最大为 0.0003，其次是国有商业银行的工商银行和交通银行。从波动幅度来看，天弘余额宝的标准差在 7 组数据中最高，为 0.0205，且明显高于商业银行，说明其波动幅度最大，稳定性最差。在三类商业银行中，国有控股的商业银行，即工商银行和交通银行，标准差是最小的两个，分别为 0.0130 和 0.0155，明显小于其他商业银行，由此可见，国有商业银行较之其他两类银行而言具有收益率高和波动幅度稳定的特点。3.数据的检验在建立模型之前，要对选取的收益率数据进行检验，以识别数据的特征，从而检验所选样本是否适合构建模型。本节针对数据的检验包括正态性检验、平稳性检验以及 ARCH 效应检验。经检验所选取的商业银行和天弘余额宝共 7 组序列，均通过正态分布检验、JB 检验、ARCH 效应检验，因此，可以构建 GARCH 类模型。4.VaR 值的选择、计算与分析计算 VaR 的前提是先建立模型对收益率数据进行拟合，为了既考虑均值又考虑方差，本文选取了ARMA-GARCH类模型。通过比较在 t分布和广义误差ged分布下具有不同滞后阶数的ARMA-GARCH类模型，即 ARMA-EGARCH 和 ARMA-TARCH 模型，最小 AIC 和 SC 原则为标准，且满足拟合后残差与残差平方的自相关性不存在，选择最优的模型，以此计算 VaR 值。模型建立后，向前一步预测，得出均值和方差的向前一步预测，即静态预测，是滚动地进行向前一步预测，每预测一次，用真实值代替预测值，加入到估计区间，再进行向前一步预测。将均值和方差分别记为 Xtm和 tm，再根据公式：VaRtm=Xtm-Q（1-a）tm计算得出 6 家商业银行和天弘余额宝的风险值：表 2VaR 计算结果rtMeanMedianMaximumMinimumStdR-0.2514-0.1371-0.0780-22.35891.0141RGS-0.0260-0.0217-0.0143-0.13100.0126RJT-0.0281-0.0234-0.0155-0.14160.0136RZS-0.0