图5-1 2007年至2013年单个银行股价指数和银行整体股价指数走势图
在5-1图中所示，可以很清楚的看出在各个股票和整体银行股票的价格走势相符，但是各个银行之间的价格走势出现了明显的不同。比如兴业银行、浦发银行、招商银行的股票价格明显高于其他上市的商业银行。再看作为银行整体股价指数的内地银行价格走势图，可以看得出银行整体的股价走势与单个银行股价走势大体相当，这表明了单个银行系统与整个银行系统存在着风险的双向溢出效应。也就是说当金融危机发生的时候，单个银行对于银行整体具有溢出风险效应，同时银行系统对于单个银行也具有风险溢出效应，即这种风险溢出效应是双向的。
16
图5-2 2007年至2013年单个银行收益率和银行整体收益率走势图
从图5-2可以看得出，尽管单个银行收益率与整个银行系统收益率有着大致的跌涨起伏，但是也存在着不同。比如浦发银行的收益率明显与真个银行体系的收益走势不同，不仅在2008年左右存在巨大的波动，而且其收益率负的严重，这就表明单个银行与整个银行体系之间的风险溢出效应不能只看股价，更为重要的是看各只股票的收益率。因为，这样可以保重在金融危机到来的时候，投资者可以进行资产的重组，多购买一些与大盘走势不同的股票，以保证危机到来时，可以避免风险。 5.3 上证银行股票的实证分析 5.3.1 风险价值法VaR
第4节中，介绍了如何调用VaR函数，即可以直接通过调用MATLAB中的portvrisk函数。在本文中，计算VaR数值，其实际含义是给定一定的置信水平，探究该资产在未来的资产持有期内，由于市场的变化而导致的最大损失是多少。本文则是研究12家上市银行以及作为银行整体的内地银行的收益率。下面则是以中国银行为例，计算其VaR风险价值。
在计算中国银行的VaR数值时，需要通过计算该银行股票的收益率、银行股票收益率的标准差。在本文计算VaR中需要使用的资产组合收益率PortReturn是以各银行股票历史收益率的平均值；资产组合的标准差PortRisk则是以各银行股票历史收益率的标准差；选择的置信区间Risk Threshold为
17 95%；组合资产的价值PortValue一律默认为1。以下则是代码：
%----将各个银行股票收益率以及银行整体指数内地银行股票收益率的数据以矩阵的形式进行存储------%
>> X=dlmread('shouyilv.txt',' ',2,2); >> zgshouyilv=X(:,1);
>> zgPortReturn=mean(zgshouyilv); >> zgPortRisk=std(zgshouyilv); >> zgRiskThreshold=0.05; >> zgPortValue=1; >>
zgVaR=portvrisk(zgPortReturn,zgPortRisk,zgRiskThreshold,zgPortValue)
zgVaR = 3.3362
该结果就是中国银行的VaR风险价值,它表示的是在置信水平位95%的情况下，VaR值为5.9146，其含义为中国银行在其资产持有期内由于市场的因素带来最大的损失超过5.9146的概率为5%。这也就是说，有95%的可信区间认为，中国银行在下一个交易日的最大损失不会超过5.9146，而5%反映了该金融个体可能会遭受的最大损失。下面则把12家上市银行的VaR，以及作为银行业指数的内地银行的VaR值以表格的形式列出来，其相应的调用代码与上类似。
表5-2 12家银行与银行整体的风险价值
银行名称 中国银行(zg) 浦发银行(pf) 华夏银行(hx) 民生银行(ms) 招商银行(zs) 南京银行(nj) 北京银行(bj) 兴业银行(xy) 交通银行(jt) 工商银行(gs) 中信银行(zx) 建设银行(js) 内地银行(ndyh)
风险价值VaR 3.3362 5.9146 4.0950 3.7340 3.9924 3.9271 4.3204 5.1446 3.8668 2.5064 4.2986 3.1492 3.3910 将这12家上市的商业银行以及作为银行整体指数的内地银行的风险价值(VaR)绘制出在同一张图中，见图5-3
18
图5-3 银行的风险价值(VaR)
为了便于分析，在此图中加入了一条直线，将这12家银行以及内地银行分为两部分，上半部分表示在置信区间为95%时，其银行个体的损失会在4.5之内，有5%的可能会使得银行的损失超过4.5；下半部分则表示会损失比4.5小。通过对银行风险价值(VaR)的分析，就可以知道处于金融危机时哪些银行的风险比较大，哪些银行的风险比较小。比如：浦发银行、兴业银行、北京银行、中信银行在危机发生时，其遭受的损失的概率就比较大，因为VaR数值大，所以损失的可能会很多。而中国银行、华夏银行、招商银行、民生银行、南京银行、交通银行、建设银行、工商银行的风险价值(VaR)比较小，所以在危机发生时，遭受的损失可能就比较小。这可能是由于中国银行、工商银行、建设银行是属于国有银行，其资产的规模比较大，在危机来临时抵御风险的能力就比较大。因此当危机来临时，有关的金融监管机构需要对风险价值(VaR)大的银行需要加强监管。
但是，由于VaR数值只能反映在一定置信水平区间范围内，持有某个资产在未来一定时间内最大可能的亏损值。并不能反映在严重危机中的损失，容易高估风险价值，所以这就需要用其他的方法来进行测度。 5.3.2 条件风险价值法Co-VaR
在第4节中，介绍了Co-VaR函数的调用，在调用该函数的时候，需要4个参
19 数，分别是output returns， input returns，lagged factors returns和quantile。其中，output returns代表是的整个金融体系的收益，在本文中选取的则是整个银行的指数即：内地银行股票收益率；input returns代表的是单个金融系统的收益，在本文选取的则是12只单个银行股票指数即：12家银行股票收益率；lagged factors returns代表的是单个金融系统与整个金融系统收益之间的延迟，而在实际中由于延迟的很难计算的，在本文中则是利用对单个银行和整体银行收益率之间的分析，利用好MATLAB中随机数函数，产生313个随机序列，作为单个银行与整个银行收益率之间的延迟；quantile代表的是分位数，在本文则赋予q的数值为0.05。
通过把相应的数据输入进MATLAB，调用deltaCo-VaR函数，就可以计算出，下面就以中国银行为例，计算当危机发生时，整个银行体系对中国银行个体的风险溢出效应。其计算代码与结果如下：
>> zg=shouyilv(:,1);
%------提取银行收益率矩阵shouyil的第12列为内地银行指数的收益率------%
>> ndyh=shouyilv(:,12);
%--产生311个在[0,1]随机数，作为中国银行与内地银行之间的收益率延迟-%
>> lagged=rand(311,1); >> q=0.05;
>> deltaco_var=delta_co_var(ndyh,zg,lagged,q) deltaco_var = -1.2862
该数值就表明，当金融危机发生时整个银行系统对单个银行的风险溢出效应大小。在此例中就是，危机发生时，作为整个银行体系的内地银行对于个体中国银行的风险溢出效应数值为1.2862。这就表明了当整个银行陷入困境时，对中国银行的风险效应很大。
反过来，当中国银行陷入困境时，它对于整个银行的风险效应如何，其相应代码如下：
>> zg=shouyilv(:,1); >> ndyh=shouyilv(:,12); >> q=0.05;
%------调用delta_co_var函数，计算中国银行发生危机时对整个银行的风险 >> deltaco_var=delta_co_var(ndyh,zg,lagged,q) deltaco_var =
20