资产、资产组合的日期就会越短；银行持有的资产、资产组合的流动性越弱，那么相应持有该资产、资产组合的日期就会越长。而置信水平的确定，则是反映金融机构对于金融风险的讨厌程度。置信水平数值越大，那么金融机构对于金融风险的讨厌水平就会越大；置信水平数值越低，那么金融机构对于金融风险的讨厌水平就会越小。对于相同的金融机构来说，如果它们持有的资产组合不同，并且选取的置信水平也不同的话，那么它们将得到的风险价值VaR的数值也会不同。一般情况下，不同的国家、不同的地区所采用的置信区间水平是不一样的。如美国银行和J.P.Morgan采用的置信水平通常情况下就是95%，花旗银行采用的置信水平是95.4%，而巴塞尔委员会则是采用的99%的置信水平作为测度金融风险的参数值。所以，不同的地区，即使具有相同的金融机构，但是由于这些机构所采用的置信水平不同，他们测度出的金融风险也是不一样的[3]。
VaR方法从发明出来，一直到现在就被得到了广泛的运用，尤其是在过去的几年中，很多银行和法律法规的制定者、决策者，逐渐都把VaR方法当做全行业测量风险的一种标准来看待。VaR技术之所以让很多人着迷应用的原因是在于，VaR技术它把银行的全部资产组合风险概括总结成为了一个简单的数字
【4】
，并且以美元计量单位来表示风险管理的核心——潜在风险。VaR技术的优
势主要体现在三个方面：第一，能够采用简单的、明了的方式表示市场风险的大小，单位则是用美元或者其他种类的货币表示。而且VaR方法不需要很强很高的技术能力，VaR数值也可以被没有任何专业背景的投资者、管理者加以运用，来对金融风险进行有效的评论和判断。第二，可以预先计算风险，与以前的风险管理方法不同，以往的测量方法是事后测量金融风险的大小。第三，VaR方法不仅能够测算出单个金融工具的风险，而且还可以测度由多种金融工具组成的投资组合风险，而传统的金融风险管理方法对于这一点却做不到[4]。
每一见事情都是具有两面性的，当然VaR方法也没有特例，也是它的局限性。第一，VaR方法只可能能测量一般情况下市场市场条件下的资产或者资产组合存在的潜在风险，不能测度极端性质的金融市场、金融机构。如在金融危机期间的金融市场。因为在金融各危机期间，这就导致了VaR技术在金融危机期间，没有办法捕捉到各个金融机构之间的这种风险溢出效应。为了能够充分理解，在本文中举出一个简单的例子，即：在公式(4.1)处，我们解释了在一般情况下即95%的置信水平下，我们有95%概率的把握可以确定认为投资组合的损失不会超过VaR，但是毕竟存在5%概率的可能会使得我们的投资组合损失比VaR要大，一旦这种情况出现的话，我们就说VaR方法在极端情况下就会失灵无效。第二，VaR方法对于反常规的事件，并不能作出精而准的度量。这是因为在VaR方法中的一个假设条件认为：以往的数据可以可在将来复制其发展规
11 律。第三，VaR模型本身就有一定的风险。对于同一组的数据来说，选择不同的模型和不同的方法得到的VaR的风险价值就会有很大的不同[5]。
综上所述，对于这种传统的测量金融风险的方法，选择较小的VaR数值，就成了各个金融机构、金融市场的优先选择。但是，VaR方法缺少一个客观的统一的衡量标准，尤其与Co-VaR方法比较起来，这就使之显得稍有逊色。 4.1.2 VaR的实现
在本文中计算VaR的数值主要是直接调用MATLAB中的portvisk函数，这在MATLAB的金融风险测度函数中有详细的介绍。下面则是给出其调用的形式：
ValueAtRisk=portvrisk(ProtReturn，PortRisk，RiskThreshold，PortValue) 4.2 Co-VaR方法 4.2.1 Co-VaR的定义
2008年，Adian和Brunnermeier两位专家，共同提出测度金融风险价值的新方法Co-VaR方法，即条件风险价值。对于金融机构、金融市场来说，加入了风险溢出效应后的VaR，也就是Co-VaR方法，则能更为精准的衡量实际中的风险，从而可以避免风险被低估或者高估，进而就可以提高风险管理决策的准确性和及时性。对于整个金融系统风险的监管当局来说，由于Co-VaR方法可以准确有效的反映单个金融机构、金融市场对系统性风险的影响，监管者、决策者就可以很方便地知道各个金融机构、金融市场在系统性风险中所占的比例。从而对于那些占有比例高的金融机构、金融市场实施更为严厉的监管和惩罚，就可以确保整个金融机构、金融市场的稳定性。可以说，Co-VaR为监管者、当局者管理金融机构、金融市场提供了一种全新的思维和方法。
根据Adian和Brunnermeier两位专家的定义，表示的是当金融机构、金融市场j的收益率处于水平时，金融机构、金融市场i的风险水平，因此，是i关于j的条件VaR，反映了当机构j处于极端不利的情况时，i所面临的风险水平是多少。因此，可以定义为，当给定机构j时的无条件VaR时，机构i的VaR。所以，也可以用条件概率分布的q分位数来进行定义，公式如下[6]：
ij|Xj?VaRj?q PrXi?CoVaRq (4.2) q??在公式(4.2)中，0 ijij ?CoVaR?CoVaR?VaRi (4.3) qqq在公式(4.3)中，计算出和零风险价值的溢出率，表示的是j对i的风险溢出 12 大小，所以，需要进行标准化的处理，，是不能充分地反映金融机构、金融市场j对i的风险溢出的程度。可是由于不一样的金融机构的零风险价值的数值相差很大，其公式为： ??ijijij%CoVaR???CoVaR/VaRi?*100%???CoVaR?VaRi?/VaRi?*100% (4.4) ????q?qq?qq?q???而这种做法的优点在于：可以让持有各个不同的无条件价值的金融机构、金融市场之间的收益数据标准化。的作用在于可以消除单位量纲的约束，能够真实地反映j发生风险事件时对i的风险溢出水平。方法则是把风险溢出效应和以往的方法结合起来，风险水平就可以得到准确的反应。那么更进一步，那么，这就会对关注整个金融系统风险的监管当局者、决策者来说都是是意义非凡的。因为如果可以准确而且有效的反映单个金融系统、金融市场对系统风险的影响，那么监管当局者、决策者就可以很容易地知道各个金融机构、假如我们用i代表整个金融系统，能够捕捉j发生风险事件时系统风险的变化。金融市场对系统风险的溢出风险所占的比例，从而可以对于那些风险溢出水平高的金融机构、金融市场采取更为严格的措施，来确保整个金融系统的长期稳定性[8]。 4.2.2 Co-VaR的实现 VaR函数在MATLAB中可以直接调用，其调用形式在本文的第4节有详细的介绍，以下则是Co-VaR函数的调用方式： function dcovar = delta_co_var(output_returns, input_returns, ... lagged_factors_returns, quantile) if nargin < 4 quantile = 0.05; end if nargin < 3 lagged_factors_returns = []; end num_periods = size(output_returns,1); median_percentile = 0.5; X = [ones(num_periods,1) lagged_factors_returns(1:end-1,:)]; y = input_returns; betas = quantile_regression(y,X,median_percentile,0); 13 if nargin<3 median_input_state = betas(1); else median_input_state = [1 lagged_factors_returns(end,:)]*betas; end betas = quantile_regression(y,X,quantile,0); if nargin < 3 % lagged_factors_returns is empty distressed_input_state = betas(1); else distressed_input_state = [1 lagged_factors_returns(end,:)]*betas; end X = [ones(num_periods,1) input_returns lagged_factors_returns(1:end-1,:)]; y = output_returns; betas = quantile_regression(y,X,quantile,0); dcovar = betas(2)*(distressed_input_state - median_input_state); 5 金融危机前后银行之间风险的溢出效应 5.1 数据的选取和处理 我国共有14家上市的商业银行，其中4家是国有商业银行：中国工商银行、中国建设银行、中国银行、中国农业银行；9家股份制商业银行：交通银行、招商银行、中信银行、浦发银行、民生银行、兴业银行、光大银行、华夏银行、深圳发展银行；3家城市商业银行：北京银行、宁波银行、南京银行。下面截选14家在上海证券交易所上市的银行名称以及相应的代码、上市时间。 表5-1 上海证券交易所银行上市代码及时间 银行名称 工商银行 建设银行 中国银行 农业银行 交通银行 招商银行 中信银行 上市时间 代码 601398 601939 601988 601288 601328 600036 601998 银行名称 浦发银行 民生银行 兴业银行 光大银行 华夏银行 深发银行 北京银行 14 上市时间 代码 600000 600016 601166 601818 600015 000001 601169 宁波银行 上证金融 002142 000038 南京银行 内地银行 601009 000947 历了200年的全国金融危机以及欧洲债券主权危机，其数据对研究金融个体与金融系统之间的风险比较有意义。 以每周五的收盘价为基础，若是遇到周五收盘价不存在的时候，就选取前一日的收盘价为准。本文的数据时来自我国上市的16家商业银行的日线数据中。由于中国农业银行光大银行上市均在2010之后，则不选取该两家银行的数据。而我国上市的商业银行大多是在上海证券交易所上市的，这就把宁波银行、深证发展银行的日线数据从剔除掉，留下12家银行的日线数据以为样本数据。银行的总体反映情况则是选取内地银行作为银行业的整体参考指数，即是银行的系统。而上证金融较内地银行上市晚，数据不够充分，所以不选择上证金融作为整个银行的股票指数。 下面则是以中国银行的股票收益率为单个金融系统，而以内地银行的股票收益率为银行的整个金融系统。在现有的数据进行了筛选，选取每周五的收盘价，若是周五没有数据，则选取前一日的收盘价，则每一只股票的数据有310组。当MATLAB软件读取数据后，会出现数据缺失的情况，则对其可以进行线性差值，使其数据保持完整。 5.2 单个银行和整个银行收益率的计算 现在选取的股票指标有每日的开盘的最高价、最低价、开盘价、收盘价、成交量以及收益率。在金融市场领域，通常不用价格作为指数，而是用其收益率作为研究的对象。其中某银行股票收益率的计算公式为某银行股票每周周五收盘价的一阶差分值，为了方便计算，则是对其取对数，然后扩大100倍。由于只是倍数的扩大，所以并不影响对问题的分析。其计算公式为： 第n周收益率=100*Ln(第n周收盘价第n-1周收盘价)[9] 通过运用MATLAB软件，将数据导入MATLAB编辑页面，进行计算、分析和作图。其单个银行的股票价格、收益率以及作为银行整体的内地银行的股票价格、收益率走势图分别如5-1、5-2所示。其中，各大商业上市银行均以汉字拼音的首写字母构成，如“中国银行”则缩写为“zg”。单个银行的股价是绘在同一张图中，这是为了方便比较银行之间的风险溢出效应。而作为整个银行业的指数内地银行股价走势图绘在12只银行股价走势图之下，这是为了更好的比较大盘与个股之间的风险溢出效应。 15