信用衍生品与商业银行经营表现

1信用衍生品与商业银行经营表现——基于美国市场面板数据的实证分析【作者简介】：王晋忠（1969—），男重庆人，西南财经大学金融学院副教授，博士。研究方向：金融工程、商业银行经营管理。刘国泰（1984—），男，贵州毕节人，西南财经大学金融学院2006级研究生。研究方向：商业银行经营管理。通讯地址：四川省成都市光华村街55号西南财经大学（光华校区）金融学院。邮编：610074联系电话：[phone]（刘）13668288894（王）E-mail:[e-mail]2信用衍生品与商业银行经营表现——基于美国市场面板数据的实证分析王晋忠刘国泰（西南财经大学金融学院，四川成都，610074）摘要：信用衍生品自上世纪90年代出现以来，发展迅速，对商业银行的经营管理产生深刻的影响。本文基于美国市场的数据，利用面板数据单位根检验、协整检验和误差修正模型等针对信用衍生品对两类银行的经营表现进行对比实证研究，结果表明，信用衍生品长期内对主导型银行的收益水平和适度参与银行的信贷规模产生影响，短期内的影响则不显著。在此基础上对我国发展信用衍生品提出了相关的政策建议。关键词：信用衍生品；盈利水平；信贷规模；面板数据；实证分析中图分类号：F83文献标识码：ATheeffectofCreditDerivativesonbank’soperations——APanelDatamethodappliedtotheUSAmarketAbstract:ThispaperistoassesstheeffectofCreditDerivativesonthecommercialbanksintermsofROAandthescaleofcredit.Theempiricalresearchwasbasedonthedataselectedfromthe14biggestbanksinAmericanCDmarketover32004—2007.Theconclusionreadsthatonlyinthelong—runcanCDremarkableinfluentROAandcreditscaleofbothtwokindsbankswhereasitseffectinshort-termisnegligible.WangJinzhongLiuGuotai(FinanceCollege,CSouthwesternUniversityofFinanceandEconomics,Chendu,China,610074)Keywords:CreditDerivatives;ROA;Credit-Scales;Paneldata;EmpiricalResearch一、前言信用衍生品（CreditDerivatives，CD）是指从基础资产上剥离、转移信用风险的一种双边的金融合约安排，依据约定的信用事件发生与否转移约定的现金流，从而使得参照资产信用风险从众多风险中独立出来并转移给交易对手。自20世纪90年代中期以来,CD发展迅速，其全球交易量从1996年的0.18万亿美元增长到2006年的20.12万亿美元。作为CD市场的主要参与者以及在社会经济中举足轻重的地位，信用衍生品对商业银行经营所带来的影响历来就受到广泛的关注。(一)文献综述总的来说，CD对商业银行既有积极意义也有消极影响。就积极意义来说：王琼，陈坚定指出了CD分离信用风险、解决不良资产和“信贷悖论”上的功效。Smithson（2003）指出CD改变了商4业银行依靠兼并和收购来分散信用风险的策略，在降低风险暴露的同时避免了破坏客户关系；Kroszner（2007）指出CD增加了信用市场的透明度，有助于信用风险的价格发现并提高定价效率；赵征认为CD具有扩大信用保护范围、动态管理信用风险、建立信用风险分担机制、完善信用风险定价机制等微观、宏观效率。尹灼（2005）认为我国商业银行可以建立基于CD的积极信贷组合风险管理。就消极影响来说，JointMarketPracticesForum（2003)指出信息的不对称会使CD定价偏差、降低市场效率。Plender(2006)指出道德风险可能使CD增加市场整体的风险水平。IMF（2006）指出CD将信用风险转移到相对缺乏经验投资者身上，增加了潜在的不稳定性，投资者对高收益的追求也会聚集大量的信用风险；AlanD.Morrison认为CD会加剧“脱媒”现象从而损失福利。我国学者认为信用衍生工具的使用也会带来交易对手风险、操作风险、经营性风险、法律风险等。(二)问题的提出规范性的研究表明信用衍生品对商业银行的影响利弊互现，但如果要将这种利弊具体量化，做出更直观的认识和评价，那么经验性的研究就更有优势，GregoryR.DuffeeandChunshengZhou很早就指出了这一点。国外学者的实证研究比较丰富，如JorgeA.andli(2006)、纽约联邦储备银行（2007）。而我国的相关研究就比较贫乏。另一方面，面对当前信用衍生品的日新月异的发展，我国的商业5银行是选择观望还是采取恰当的策略去参与，也是迫切需要回答的问题。本文的研究目的在于通过对美国这一典型市场进行实证研究，从两方面来考察CD对商业银行产生的影响并提出相应的政策建议：1.信用衍生品是否能对商业银行的盈利水平产生显著影响。2.信用衍生品是否会显著引发商业银行的信用扩张，信贷敞口的变化显然关系到商业银行的风险水平的变化。二、研究设计(一)指标、样本和数据1.变量选取对于因变量，本文选取资产收益率ROA，即净收益占总资产的比例来衡量商业银行的经营盈利水平；选取贷款余额占总资产的比例LA来衡量商业银行的信贷规模。对于自变量，选取商业银行信用衍生工具的交易量与总资产的比重CA来衡量信用衍生品的交易规模。另外，选取几个可能对因变量产生影响的因素作为控制变量：商业银行总的衍生产品交易规模TA，为衍生产品交易量与总资产的比例、商业银行的权益资本比例EA、银行的坏账冲销规模NCO，为坏账冲销占贷款总量的比例、银行的资产规模LNT，为样本银行总资产的自然对数。2.样本和数据本文以美国衍生品市场最活跃的14家银行作为样本，选取了它们在2004年至2007年16个季度的相关指标进行面板数据研究。该6时期信用衍生品飞速发展的时期，样本银行的名义交易量占市场总量的比率一直保持在95%以上，具有代表性。另外，考虑到样本银行在CD交易量方面差异巨大以及市场参与动机和角色方面的显著差异，（见表1）本文沿用了我国学者赵俊强等（2007）的方法，以样本的平均CD交易量是否超过10%为标准，将总样本分为了6家主导型银行（JPMORGANCHASEBANK、BANKOFAMERICA、CITIBANKNATIONAL、HSBCBANKUSANATIONAL、MERRILLLYNCHBANKUSA、WACHOVEABANKNATIONAL）和8家适度参与型银行（WELLSFARGOBANK、PNCBANKNATIONAL、MELLONBANKNATIONAL、SUNTRUSTBANK、KEYBANKNATIONAL、NATIONALCITYBANK、BANKOFNEWYORK、USBANKNATIONAL），分别进行分析。表1：两类银行的描述统计对比表：①变因变量自变量控制变量量ROALACATAEANCOLNT均值主导银行1.2544.36151.162250.698.450.1312.89参与银行1.3958.922.06280.469.450.0811.60中位数主导银行1.2250.5295.162185.378.230.0813.35参与银行1.2965.501.20184.349.260.0711.44最大值主导银行13.2072.36678.857373.8611.350.5814.09参与银行7.6183.359.071147.8316.910.4413.06最小值主导银行0.0012.054.7840.475.780.0010.98参与银行0.009.410.0022.206.540.0010.00①注：表中数据是各期银行的平均值，除LNT以外其余单位均为%。7标准差主导银行1.3716.73167.501789.131.200.131.07参与银行0.7521.472.33267.931.310.070.77文中信用衍生品交易量和衍生产品交易量的数据取自美国货币监理署OCC在2004——2007共16个季度发布的《银行衍生品报告》（《BankDerivativesReport》））；商业银行的财务数据取自BANKSCOPE——《全球银行与金融机构分析库》。②(二)计量方法本文利用Eviews5.1软件来进行面板数据（paneldata）模型研究，具体步骤是：1.面板数据平稳性检验本文首先对变量的平稳性进行单位根检验以决定适当的建模方法，本文同时采用LLC检验、B检验和IPS_W检验来进行检验。2.面板数据模型的选择常见的面板数据模型有混合回归模型（1）式、固定效应模型（2）式和随机效应模型（3）式三种。本文利用协方差F检验在（1）式和（2）式中进行选择，利用LM检验来在（1）式和（3）式中做选择。如果上述检验均认为存在个体效应，那么本文将进一步利用Hausman检验在（2）式和（3）式之间做选择，以确定利用固定效应还是随机效应模型进行建模。（1）式1234()ititititititititROALAbaCATAEANCOLNT②BANKSCOPE数据库是BVD全球金融分析、各国宏观经济指标库的一个专业分库。8（2）式1234()ititiititititititROALAbuaCATAEANCOLNT（3）式1234()ititiititititititROALAbaCATAEANCOLNT3.面板数据协整分析及长期因果关系检验如果单位根检验的结果认为各变量均服从一阶单整I(1)，那么根据EngleandGranger(1987)提出的EG两步法，利用面板数据模型建立回归方程并得到相应的残差序列，如果该残差序列是平稳的，那么就可以认为自变量是因变量变化的长期原因。由于数据年限不长，上述检验得到的长期关系令人质疑（Christopoulos和Tsionas，2004）。为了弥补长期静态静态模型的不足，本文还将通过建立ECM模型反映偏离长期均衡的修正机制并揭示变量之间的短期关系。面板数据误差修正模型（ECM）为：（4）式11111,1,2,3,4,11111mmmmmitiitititititititiiiiiROAcaCATAEANCOECMLNT（5）式11111,1,2,3,4,11111mmmmmitiitititititititiiiiicaCATAEANCOECMLALNT在（4）式和（5）式中，表示一阶差分运算，ECMit表示长期均衡误差。如果为零被拒绝，说明误差修正机制产生，检验到的单向长期因果关系是可靠的。如果进一步地，、为零被拒绝，则说明单向的短期因果关系存在，反之则不成立。9三、实证过程(一)两类银行的平稳性检验在水平值上，两类银行的平稳性检验显示各变量的检验均显示存在单位根。（表2、3）（主导型银行LLC检验认为变量CA在1%显著性水平下平稳、适度参与型银行LLC检验认为LA在1%的显著性水平下平稳除外）而在一阶差分值上，三种检验在1%的水平上均得出了各变量都平稳的一致性的结论。考虑到单个检验方法的不足和缺陷，本文认为无论是主导型还是适度参与型银行，其各变量都具有一阶单整I(1)的属性，变量之间存在协整的可能。表2：主导型银行单位