中国银行业监督管理委员会工作论文2018年第1期

中国银行业监督管理委员会工作论文CBRCWORKINGPAPER市场利率风险量化分析及其在法人银行监管的运用谭震王冰辉2018年1月中国银行业监督管理委员会中国北京《中国银行业监督管理委员会工作论文》所载文章是中国银行业监督管理委员会工作人员的论文，文中所述系作者的研究成果，不代表中国银行业监督管理委员会及其所在部门的立场和观点，有关文章的任何问题请与作者本人直接联系。如需引用请与作者联系并须注明引自《中国银行业监督管理委员会工作论文》。签发：刘春航中国银行业监督管理委员会工作论文2018年第1期市场利率风险量化分析及其在法人银行监管的运用谭震王冰辉①摘要：伴随着利率市场化的基本完成及央行货币政策的适时调整，近期市场利率波动性明显增大，同时，中小法人银行日常流动性管理多是通过在同业市场拆入资金完成，形成了市场利率风险到流动性风险的传染链条。本文以银行间市场质押式回购利率为研究样本，利用GARCH模型来计量和评估银行间市场的利率波动性，建立监测市场波动的预警，提出针对性的中小银行市场利率波动性风险监测措施，并给出监管指导原则用于流动性监管实践。关键词：市场利率风险；流动性风险；GARCH模型；风险预警①谭震：经济学硕士，广东银监局；王冰辉：会计学博士，广东银监局。本文为作者的学术思考，不代表所在单位观点。1一、引言近年来一些中小法人银行机构的同业业务摆脱了资产负债管理功能，转向以盈利为目的而进行同业之间资金的买卖和投资活动，部分中小银行同业业务更是创造了大部分利润。同业业务扩张，使得中小法人银行自有资金的消耗越来愈多，导致自有资金不足，更多地利用同业资金。与此同时，中小法人银行的流动性管理还多是停留在日常头寸管理上，不愿像大型银行那样持有现金备付，依赖同业市场拆入资金来管理流动性头寸，造成了其日常流动性管理几乎完全依赖于同业市场的头寸拆入管理，却无其他准备项。这样就形成了由市场利率风险到流动性风险的风险链条，同时也模糊了传统市场利率风险与流动性风险界限。伴随着利率市场化的基本完成及央行货币政策的适时调整，一旦市场利率发生急剧变化并与其他因素叠加，受市场利率影响的资产价格出现较大波动，势必抬高中小银行的资金拆借成本，甚至会造成流动性风险和声誉风险，严重时会引发连锁反应，导致区域性的系统风险。这种现实状况与传统的市场风险理论及流动性管理理论有所不同，因此需要进行详细考察。市场利率对商业银行流动性影响已引起研究人员关注，但这些研究仅提及市场利率对流动性风险有着重要的影响，并没有分析相关原因。交通银行课题组（2009）对我国14家商业银行1997年到2004年的数据进行分析，从内部和外部两方面分析各因素对流动性的影响程度。其研究结果为，在众多因素中，利率因素和资本市场因素的影响作用最为突出。马宇（2012）以安徽省12家信用社的流动性数据为实证分析的样本，结果显示市场利率变动对商业银行流动性水平产生影响，特别是在采取紧缩的货币政策时，市场利率对商业银行流动性水平的影响更为强烈，成为流动性水平的制约因素，极端情况下，利率的变动会成为银行挤兑的导火索。梁东擎（2008）则从另外一个角度进行分析，以我国实际数据为证，说明货币流动性是一切流动性的基础，认为流动性会对资产价格产生同向影响。戴振华等（2015）通过模糊数学算法，发现在利率市场化背景下，风险管理问题的关键环节是质量管理，并且强调扩大规模将恶化流动性风险。利率市场化背景下，人们常常更加关注利率风险，但实际上流动性风险才是引起商业银行倒闭的直接导火索。从监管实践来看，大家逐渐关注市场利率波动对中小法人银行的影响，但定2性分析的多，定量分析的少，缺少相对科学客观的依据，所以计量和评估市场利率风险是目前监管实践中亟待解决的问题。基于模型的定量评估和衡量市场利率风险在目前监管实践中较少用到，但用大数据进行量化分析将是监管发展的趋势。本文从实际情况出发，利用成熟的GARCH模型来分析利率波动特点，并根据分析结果制定监管政策，落脚于监管实践。后文结构安排如下：第二部分将分析货币市场现状，指出合适的市场利率衡量指标，并通过描述性统计分析市场利率的主要特征；第三部分是运用ARMA-GARCH模型为市场利率建立均值—方差模型，利用该模型估算出当前市场情况下的市场利率波动率值，衡量和评估潜在市场风险水平；第四部分评估GARCH模型预测市场波动率的效力；第五部分阐述如何将模型结果运用于监管实践。最后给出本文主要结论。二、货币市场利率变化与中小商业银行利率风险（一）货币市场利率的结构特征目前我国货币市场利率品种主要包括拆借市场利率和回购市场利率两大品种。其中拆借市场利率包括上海银行间同业拆放利率（Shibor）、同业拆借利率（IBO）以及中国银行间同业拆借利率（Chibor）。回购市场利率分为：银行间质押式回购利率（R0）和交易所质押式回购利率（GC）；二是买断式回购利率；三是回购定盘利率（FR）。在银行业中，最受大家关注和使用最多的是Shibor和银行间同业市场利率，其中银行间同业市场利率中包括质押式回购利率和同业拆借利率。Shibor和银行间同业市场利率这两者虽然都是市场利率的典型代表，但产生机制却不同。Shibor实际上是虚盘报价，报价行为并不受按报价成交的约束。而银行间同业市场利率是以实际成交价格加权计算得到，更能表现出市场真实的资金需求关系。银行间同业市场利率包括质押式回购和同业拆借两种。其中银行间质押式回购，因其抵押品缩水的风险较低，同时约定定期回购，持有资产未来变现的流动性能够得以保证，该利率能够很好反映整个社会经济体对资金的需求和时间配置状况。从交易规模上看，银行间质押式回购是银行之间资金拆借的主要方式。2017年6月末银行间同业市场中主要交易品种和规模，其中银行间质押式回购交易量最大，占全部交易量的77%，最具有代表性（见图1）。所以本文选择质押式回3购7天利率作为市场利率的基础数据。其他短期利率品种的走势与银行间质押式回购利率之间具有高度相关性，相关系数均超过0.91（见表1）。表1:常见市场利率相关系数利率名称R001R007IBO1IBO7SHIBOR1DSHIBOR1W质押式回购隔夜(R001)1.000质押式回购7天(R007)0.9171.000同业拆借隔夜(IBO1)0.9980.9151.000同业拆借7天(IBO7)0.9060.9870.9071.000SHIBOR隔夜(SHIBOR1D)0.9980.9120.9990.9041.000SHIBOR7天(SHIBOR1W)0.9110.9890.9120.9880.9111.000注：质押式回购与同业拆借均为银行间同业市场利率。其中，7天质押式回购利率的时间序列走势如图2所示，回归平滑曲线表示图1：我国银行间货币市场主要交易品种和规模（亿元）4利率具有周期性，同时在月末、季度末由于资金结算等需求激增导致市场利率显著增高①。图2：银行间7天抵押式回购利率走势观察历史数据可以对市场利率的波动具有较为直观的印象。市场利率往往比本文认为的波动性更为剧烈，加息周期比降息周期的波动更加剧烈。隔夜和7天的市场利率描述性统计结果见表2。表2：银行间隔夜与7天抵押式回购利率描述性统计变量名称样本量均值差中值最小值最大值变化范围偏度峰度R001（隔夜）26032.371.022.240.8111.7410.941.938.92R007（7天）26033.001.222.900.8711.6210.751.243.92（二）银行间同业市场与中小商业银行利率风险欧洲央行《金融稳定回顾》（2006）对衡量商业流动性的指标进行了总结，认为主要可分为三个层次：第一层次包括货币供给水平、信贷价格以及市①本文样本取自2007年1月1日到2017年6月30日之间银行间质押式回购7天利率，共计2603天的观察数据，数据来源为WIND数据库。5场利率；第二层次包括金融资产的变现能力；第三层次包括各经济主体现金在其资金结构中所占的比重。对中小商业银行日常微观监管来说，重要的是第一层次指标，即货币供给水平、信贷价格以及市场利率。因为涉及到第二层次和第三个层次时已经发生了流动性危机和系统性风险，这些已经超出了日常监管的范围，更偏向于机构制度建设的监管。因此重点考察市场利率对中小银行流动性风险的影响是当前监管实践中比较常态化的问题。就实际情况来看，中小商业银行的日常流动性管理非常依靠同业市场，主要是因为：中小商业的网点少，吸引储蓄存款的能力差，导致资金成本较高；同业理财以及表外业务的发展，大量占用了自有资金，资金不足；持有备付现金对中小商业银行的机会成本要远高于从同业市场拆借资金，使得中小商业不愿意每日持有备付资金作为流动性管理的基础，而愿意每日计算头寸后，直接从同业市场中拆入资金。所以在月末、季末、年末等大量资金结算时点，中小商业银行往往集中从同业市场拆入资金结算头寸，导致利率飙升的现象。中小商业银行日常流动性管理对同业市场的过度依赖的实际状况，导致了日常流动性风险与市场利率风险的界限模糊，而理论上的市场风险和流动性风险之间有着本质上的区别。但是在中小商业银行实践上，流动性风险与市场利率风险却非常紧密。四、市场利率波动的量化分析模型常用的衡量市场风险的方法是计算风险价值VaR（ValueatRisk），而计算VaR需要计算市场利率的波动性。本文根据较为成熟的GARCH模型来对市场利率的波动性建模，量化市场利率的波动性，并以此为基础，评估可能的市场利率风险。（一）数据预处理市场利率就是市场资金的价格，由于价格一般不具有建模所需平稳性要求，需对市场利率进行取对数差分处理，形成新的时间序列。本文以R代表市场利率，下标i表示第i天，处理后的得到RT时间序列满足平稳性要求。图3给出了市场利率变化的统计直方图，其变化分布表现出明显的“高峰厚尾”现象。即大部分时间内，市场利率的变化非常小，接近于零，这与日常直观6印象相符合。低波动状态的分布密度要高于理论值，极端波动变化同样比理论值出现更加频繁，这与股票市场中的变化相似。图3：市场利率R变化分布市场利率变化的时间序列如图4所示，可以看出其符合平稳性要求，而且ADF检验结果不能拒绝时间序列平稳性假设。图4显示近十年来，市场利率出现三次较大波动状态，第一次是2007年到2008年美国金融危机期间，第二次是起始于2010年末，且高波动状态维持到2013年，主要是由2010年末开始的加息周期所致，加息导致市场流动性紧张，时常会引发资金短缺现象，进而增大市场利率的波动。第三次是始于2016年末，目前依然维持在这一时期。图4：市场利率变化时间序列7（二）GARCH模型在研究金融时间序列数据时，对一个对数收益率序列Xt，在t时刻有：Xt=μt+at（1）μt代表t时刻收益率均值，at代表t时刻新的信息产生的误差扰动项（即残差）。本文利用ARMA（p，q）来描述均值模型，（2）将（2）带入（1）并利用延迟算子，上述模型可以改写成:（3）假设其残差项为：（4）其中，{ɛt}为均值为0、方差为1的独立同分布随机变量序列（iid），一般使用T分布、广义误差分布（GED）等。其条件方差模型GARCH（m，s）为：（5）1．建立模型金融时间序列模型要参考相关系数（ACF）和偏相关系数（PACF）进行模型预设。本文数据的ACF和PACF的结果如图5所示：图5：市场利率变化ACF和PACF8为了简化模型，本文利用ARAM（3，1）模型来建立均值模型。在模式拟合过程中，发现均值方程的截距项统计上不显著，模型省略了截距项。均值方程的残差检验显示其存在ARCH效应。方差模型选用常见的GARCH（1，1）模型。市场利率的数据呈现出明显的“高峰厚尾”特征，本文选择的广义误差分布（GED）作为假设模型，能较好描述“高峰厚尾”现象。利用统计软件R编程计算出模型中的参数见表3：表3：模型结果参数AR1AR3MAOmegaAlphaBeta参数值1.0-0.062-0.9501.830.2410.757T值229.77-32.80-221.975.2612.2442.82得到的模型为：3t(1+-0.062BX(10.095)tBB）（6）,~GEDttt（7）（8）2．模拟的拟合效果检验为了考察模型对数据的拟合效果，检验模型的残差项与理论分布的差异。从该模型计算的残差QQ图（见图6）来看，大部分残差值与理论分布结果相同，仅有个别极端值离模型较远，表明模型的拟合效果较好。个别极端值情况表明了市场利率极端波动发生的概率较理论值更加频繁，意味着市场高风险状态出现的次数高于理论值。9图6：模型残差(三)模型估算出的波动率根据模型估算出的条件方差（即市场利率波动率的估计值），该模型很好地捕获了波动率的“聚集现象”，即波动性会持续不断的增大或持续的不断减弱，图7表明2016年末市场波动性开始开始增大。图7：模型估计的波动率时间序列五、模型预测效果检验GARCH模型可以估算和预测市场利率的波动率，下面进一步检验该模型的10预测能力。前文第二部分提到2016年12月市场利率出现较大波动，本文检验该模型是否能够很好的预测这一事件。本文选取2016年11月1日前的数据为建模数据，然后估算出ARMA（3，1）—GARCH（1，1）模型在此时点的参数值，根据得到的模型来预测市场利率的波动率值，预测模式为滚动式预测（RollingForecasting），并将结果与实际每日利率变化做比较。预测结果显示，该模型能够预测出该时期市场利率的波动率增大（见图8）。该模型对波动率的预测值在2016年12月底呈现明显的上升趋势，与实际状态相符。这表明该模型对短期市场利率波动的变化方向有较好的预测能力。图8：模型预测2016年11月1日之后的的波动率变化同理，给出2011年1月1日和2017年3月1日两个时点的波动率预测值和实际变化的比较结果（见图9、图10）。两图均显示出该模型能在市场利率出现剧烈波动前，预测出市场利率的波动性将上升。11图9：模型预测2011年1月1日之后的的波动率变化图10：模型预测2017年3月1日之后的的波动率变化上述结果表明，该模型能较好地预测波动率的变化趋势。虽然在预测具体数值上的准确性不高，但若是能指导出波动率的变化趋势就可以提前做出风险预警，为可能出现的风险做好准备，具有指导实践的积极意义。六、量化模型对中小法人银行的监管指导前文构建的量化分析预警模型对监管实践的指导主要体现在以下六个方面：（一）评估及建立市场利率波动预警机制12市场大部分时间处于较低的波动水平，当波动增大时，潜在风险加大需提高对市场风险的关注度。因此，可设定市场波动率的阈值，当波动率到达阈值时，监管部门就需提高关注度，并在必要时采取监管措施。根据模型估算出的历史波动率统计数据，本文采用波动率的两倍标准差为阈值水平。根据本文模型的结果，波动率的平均值为8.02，标准差为5.85，阈值M为：M=均值-2×标准差=19.72（9）将模型每天计算的波动率和M进行比较，当波动率大于M时则立刻提高对市场风险的关注度，做好风险预警和监测工作，并采取监管措施来应对可能风险。根据历史数据来看，在2602个样本中，共有123个样本大于M，占比约为4.7%，共计21连续时间段，持续期最短为1天，持续期最长为2011年1月21日到2011年3月4日间共计25个工作日。连续出现大于阈值的情况更应该为监管部门所关注，特别是当波动率连续3天大于阈值的情况。（二）计量市场利率极端风险一般而言，市场利率的波动会带来其债券价格的变化，进而影响到到银行持有债券的经济收益。这里借鉴VaR的思路，利用如下公式计算利率风险度量MIR:（10）MIR代表利率极端风险量，μ代表市场利率波动的平均值，α表示正态分布的分位数信，一般取95%和99%，σ代表的是市场利率的波动率。根据前面的GARCH模型可以估计出市场波动的均值μ和波动率σ，从而可以计算出每天的MIR。例如，根据前面模型可以计算出2017年6月30日在99%和95%置信水平下利率变动的风险价值：MIR（99%）=0.2103（11）MIR（95%）=0.1127（12）监管部门可以根据模型计算每天的MIR情况，时时关注市场风险动向。但是需要注意的是，由于MIR计算的是潜在损失的最小值，存在对未来可能损失估计不足的问题，因此监管部门更应该采用审慎的态度分析市场利率带来的风险。（三）评估市场利率波动对银行机构造成的直接影响13在银行持有的债券中，部分债券为非持有至到期为目的。根据会计准则，这部分债券在期末的价值以市场价格（即公允价格）进行计量。当市场利率出现波动时，债券的市场价格随之波动，产生浮动盈亏，对利润和资本金产生影响，进而影响到监管指标。对此，监管上尚无针对性的监测和评估手段。结合本文模型估算的波动率，监管部门可要求银行报告其受到市场利率影响的债券组合的久期值①；通过分析市场利率的波动性和久期，评估当前银行面临市场利率风险的严重程度，进而采取相应的监管措施。例如，当市场利率波动增大时，银行债券组合的久期却没有降低，表明该类资产潜在风险加大，可要求银行调整债券结构来降低该类资产组合的久期，从而降低潜在的风险。（四）评估和量化中小法人银行机构的流动性管理成本中小法人银行机构在货币市场中大多是资金借入者。目前大部分中小银行还是依靠传统的方法进行日常头寸管理，即当天汇总下一日的资金需求量，第二天在市场上进行拆借资金。这种传统的头寸管理方法不需要预留流动资金储备，可以节约资金成本，但若第二天市场流动性紧张，中小银行往往需高成本借入资金，以避免流动性风险发生。但这种高成本借入资金的现象恰恰是当前中小银行流动性管理能力不足的重要特征，监管部门由于无法计算出其管理失败的潜在损失，目前对此尚无有效监测手段。利用前述模型计算出的MIR可以衡量出中小法人机构在流动管理失误时所发生的潜在损失。例如2017年6月30日，全国城商行质押式回购的借入额为1532.04亿元，根据GARCH模型计算出的利率均值和市场利率波动率σ分布的极端情况，利用MIR公式可以估计②出其融资成本：MIR（99%）=5.74亿元（13）MIR（95%）=2.58亿元（14）这意味着在极端情况下，全国城商行在一天之内将增加5.74亿元融资成本，若是这种情况持续1周或以上，其成本将远超此值。同样，每个城商行根据其融入资金量也可以计算出其潜在的成本。根据本文模型，要求以资金拆入为主的银①久期是衡量债券价格对市场利率的敏感度。商业银行持有各类债券，且各类债券的票息，持续期均不相同，需要计算所持有债券组合的久期值，本文所提久期均指债券组合的久期值。②由于模型给出的是利率的变化率，同样VaR也是衡量利率的风险值，实际成本需要利率和资金需求的积的CDF进行推算，这里为简便而直接资金需求和利率VaR来衡量融资成本。14行重新流动性管理制度，减轻由于市场偶发因素导致的流动性管理成本增加甚至是流动性危机发生的可能性。（五）评估流动性压力测试的合理性从监管实践来看，压力测试合理性和适用性较难评估，特别是在真实市场利率波动情况下，若无市场利率波动模型作为依据，场景测试中如何设置流动性压力测试参数、银行利率产品及拆借成本的衡量关键阈值是否合理等问题就很难评估。监管部门根据市场利率模型，计算出市场利率的波动范围，并由此来评估其参数设置的合理性。例如，当市场出现流动性风险状况，市场利率将上升，这导致银行机构持有的债券资产变现价格下降，但是支付的债务金额却不会因为市场利率波动而发生变化，银行必须根据市场价格来抛售金融资产以偿还到期债务。在一般场景设置中，银行通常会设定其所持有的债券资产价格下跌10%作为测试参数。而通过本文市场模型本文得知，在当前情况下，置信值设定为5%时，市场利率的极端波动为11.27%，再根据银行目前持有债券资产组合的久期可以计算价格下跌合理估计。例如，银行目前持有债券资产组合的久期为1.5，则其债券组合价格的变化是市场利率的变化1.5倍。这意味市场利率上升1%，则债券组合价格将下降1.5%，因此银行需要将其价格下跌最低值设定为MIR与债券组合久期的乘积值，即16.78%，因此10%的参数设计并不合理。同理，银行还可以设置信值为1%、0.1%等各类情况下的测试压力参数。（六）指导银行减少理财产品期限错配银行同业理财产品中期限错配较为普遍，在市场利率波动较为平稳时，期限错配的问题不易暴露。但是在期限错配和剧烈市场利率波动叠加时，容易出现黑天鹅事件。期限错配是利用短期负债配置长期资产，当市场流动性紧张时，若理财产品中的短期负债到期，将加剧银行对资金的需求量，但银行手中的资产却是长期资产，无法即刻收回资金，就必须从资金市场拆入资金。这会更进一步的推高市场利率，导致恶性循环，最终导致资金市场的压力加大甚至崩溃。为了定量评估期限错配水平，可以通过以下公式来计算期限错配水平：15（15）其中，为非短期可变现资产i的到期时间（天）；为非短期可变现资产i的资产规模；为发行的理财产品j到期时间（天）；为发行理财产品j的资产规模。根据上述公式计算出每家银行的SP值。监管部门依据当前风险状况和机构的实际情况设定合理的SP阈值，结合市场波动率和SP阈值来建立监管规则。例如，设定初始SP的阈值①为3.0，市场波动率第一次达到阈值19.72时，监管部门可以要求商业银行调整理财产品的期限结构，将SP压降到3.0倍以下。当市场利率波动连续3天达到阈值时候，则要求将SP压降到2.5以下，当利率波动率连续10天达到阈值时候，可以要求将ATP压降到2.0以下甚至是1.0。这样可以避免市场长期流动性紧张与期限错配的双重压力，防止黑天鹅变成灰犀牛，以降低系统性风险发生的可能性。七、结论本文利用银行间货币市场的主要代表性利率——银行间质押式回购利率为研究对象，根据2007年1月至2017年6月末的数据，建立GARCH模型来量化分析市场利率的波动性情况，并检验了GARCH模型对市场利率波动的预测能力。研究结果表明，GARCH模型可以对未来市场利率短期波动变化的方向有着很好的预测能力。结合本文模型和中小商业银行的监管实践，本文提出基于GARCH模型的监管运用规则，包括建立市场风险预警机制、评估市场利率波动对银行造成的直接影响、评估和计量市场利率波动造成的流动性管理成本，以及如何指导银行减少理财产品的期限错配现象等。①此处阈值的数值仅为方便说明使用，监管中的数值需要结合实际情况进行设定。16参考文献1.戴振华，黄涛珍和杨海荣，利率市场化对上市商业银行流动性风险影响的实证分析，新疆社会科学，2015年第1期，22-27。2.交通银行课题组，中国商业银行流动性评价及其影响因素分析机，新金融，2009年第8期，4-9。3.梁东擎，流动性的度量及其与资产价格的关系，金融研究，2008年第8期，44-55。4.马宇，我国农村信用社流动性风陰影响因素的实证分析——基于安徽省10家农村信用社的调查证据，金融理论与实践，2012年第4期，31-34。5.EuropeanCentralBank,FinancialStabilityReview,2006,www.ecb.europa.eu.17中国银行业监督管理委员会工作论文索引期号题目作者2018年第1期市场利率风险量化分析及其在法人银行监管的运用谭震王冰辉（银监会工作论文自2011年创办；历年各期请从银监会网站查阅）