原文作者：钱海清，桂评
内容摘要：本文以金融稳定为研究目标，以资产价格波动为研究着眼点，分析了资产价格过度波动引发金融不稳定的特征。本文在进行相关理论和数理分析的基础上，通过大量实证数据和实证分析来反应实际问题。为了检验资产价格波动与银行体系稳定性，本文收集和选取大量的中国的时间序列数据，并利用eviews、spss等研究工具检验了相关变量之间的影响效果，并结合实证分析的结果，提出相关的结论和对策建议。
关键词：银行体系稳定性 资产价格波动 因子分析 回归分析
引言
资产价格的大幅波动会对一国宏观经济和银行体系稳定带来巨大的影响，为了反映银行体系的稳定性，学者们研究了一系列的测度方法，其中主要有：个体到总体分析法、总量分析法和宏观经济分析法。de nicolo（2000）通过考察银行亏损（利润是负的）超过银行股本（净资产）的概率来测度银行稳定性，如果银行净资产无法抵补亏损的概率增加，银行的不稳定增强。总量分析法则通过对经济或金融总量等进行分析。银行体系在某一时期是否处于稳定状态可以直接通过银行内部的一些基本指标反映出来，所以一些学者通过选取能够反映银行稳定性的指标，来构建一个合成指数来监控和反映银行的稳定性。宏观经济分析法则将宏观经济状况指标和金融稳定性指标相结合来对银行体系的稳定性进行测度。如伍志文（2002）选择了城乡储蓄存款变化率、银行对非政府部门贷款增长率、cpi指数等三个指标作为核心指标，再利用cmaxt指数法，并考虑宏观变量如gdp、固定资产投资、居民消费等，从银行部门和实体经济部门两个层面来测度银行体系的稳定性。
还有一些学者采用因子分析法来提取各个分量指标的权重来构建稳定性指数。如万晓莉（2008）选取中央银行对其他银行机构贷款/国内信贷量、m2/储蓄存款、国内贷款/储蓄存款、真实信贷增长率、银行机构（除央行）真实外债增长率等五个分量指标。本文参考有关学者关于利用因子分析法分析银行业稳定性的方法进行分析研究，进而评估出其稳定性，并讨论资产价格波动对银行稳定性的影响。
理论模型
本文采用aykut kibiritciogtu（2002）构建的反映银行体系稳定性的bsf月度指数，用来监测和预警的银行体系的稳定性。bsf月度指数选取的三个主要指标是：银行存款（bd）、银行对非政府部门的贷款（bp）和银行的外币负债（bf），用它们分别来代表银行的流动性风险、信贷风险和汇率风险的变动，并将这三个指标月度数据合成一个指数，来代表银行部门不稳定程度的变化。三个指标的合成公式为：
（1）
与aykutkibiritcioglu（2002）的研究方法不同的是，本文不是根据（1）式对分量指标进行简单的相加，而是采用因子分析法，来确定不同分量指标的权重。具体表达式为：
（2）
其中yi为上述六个分量指标（xi，i=l，2，...，n）的同比增长率，即：
（3）
ρi为各个分量指标对应的权重，μi和σi分别是六个分量指标各自的均值和标准差。权重ρi的测度采用因子分析法，以因子分析中各个成分所解释的方差占总方差的百分比作为权重，来构建中国银行体系稳定性月度指标。
对中国银行体系稳定性的测度
（一） 样本选择和数据选取
本文选取六个指标：银行存款（bd）、银行对非政府部门的贷款（bp）、银行的外币负债（bf）、中央银行对存款货币银行贷款（bc）、储蓄存款/m2（dm）、贷款/存款（ld），作为衡量中国银行体系稳定性的分量指标。该六个指标的数据均为月度数据，数据年限为2001年1月至2011年12月，数据来源于中国人民银行网站。
图1为银行存款bd、银行对非政府部门的贷款bp和银行体系外汇负债bf同比增长率的走势图。通过图1可以看到，银行存款增长率bd和银行对非政府部门的贷款增长率bp指标的走势有很强的共线性，因此在建立稳定性指数时，我们剔除银行体系外汇负债增长率指标，采用其他五个指标来构建银行体系的稳定性指数。利用上述方法进行测算得到中国银行体系稳定性指数bsf。
（二）银行业稳定性指数的测度
利用spss软件对银行存款（bd）、银行外币负债（bf）、中央银行对存款货币银行贷款（bc）、储蓄存款/m2（dm）、贷款/存款（ld）五个变量进行因子分析，五个变量所解释的方差占总方差的百分比分别是39.122%，26.032%，20.718%，8.158%和5.970%。因此，我们可以得到bd、bf、cl、dm和ld的权重分别是39.122%，26.032%，20.718%，8.158%和5.970%。根据所得的各个变量的权重值，加权得到银行业稳定性指数月度指标，如图2所示。
实证检验
为研究中国的资产价格，我们选择上证综合指数（收盘）来代表股票价格，选取中房上海住宅指数来代表房地产价格。同时，选择了宏观经济方面的控制变量，包括gdp增长率及居民消费价格指数。其中考虑到月度数据的可获取性，选取工业增加值增长率作为gdp增长率的替代变量。
根据上述指标变量的选择，我们将实证分析的模型设定为：
bsfi=β0+β1lnhpi+β2lnspi+β3lncpii +β4lngyi+μi （4）
其中，bsfi ：为银行体系稳定性指数，hpi：为中房上海住宅指数增长率，spi：为上证综合指数增长率，cpii：为居民消费价格指数，gyi：为工业增加值增长率，βi为回归系数，μi为随机误差项。本文利用eviews6.0，通过对上述模型进行多元线性回归方程估计，得到下列回归模型：
bsfi=-64.4819+0.7614lnhpi-0.7428lnspi
+5.4963lncpii+8.2263lngyi （5）
回归估计结果如表1所示。
在表1中我们得知，拟合优度r2为
0.5813，说明模型跟样本拟合度还需进一步提高。
f统计量为18.0300，给定的显著性水平α=0.05，自由度为k-1=4 和n-k=127的临界值fα（4，127）=2.37 小于由eviews得出的f检验值18.0300，应拒绝原假设h0，说明回归方程显著，即方程中所选解释变量确实对银行业稳定性有显著影响。
（一）多重共线性检验
利用相关系数可以分析解释变量之间的两两相关情况。在eviews软件中得到相关系数矩阵，如表2所示。由相关系数矩阵可以看出，各解释变量之间的相关性较小。同时，t检验中查t分布表自由度为127的临界值为1.645，由eviews数据可得，hp、sp、cpi及gy对应的t统计量分别为2.6699、-6.6186、3.3122及6.2823，其绝对值均大于1.66，这说明上述解释变量分别都应当拒绝h0，也就是说，当其他解释变量不变
的时候，中房价格指数、上证综合指数、工业增加值及通货膨胀率对银行业稳定性均有显著影响。
（二）异方差性检验
为了检验随机误差项是否存在异方差，对所建模型进行white检验。经过检验，eviews计算得出的结果得nr2=10.699，由white检验知在α=0.025的置信水平下，分布的临界值.025（4）=11.14，因为nr2<.025（4）=11.14，所以不拒绝原假设，表明模型方程不存在异方差性。
（三）序列相关性检验
由表1得d.w.值为0.4552，查durbin-watson表，n=132，解释变量的个数为4，得下限临界值dl=1.61，上限临界值du=1.74，0 结论
本文从中国银行体系稳定性指数走势图可以发现2008年受国际金融危机冲击，我国银行业稳定性有所下降，在2007年美国次贷危机爆发前我国银行业稳定性指数就已经了有下降趋势，证明市场信息能够对银行危机的产生起到一定的预警作用。
为了进一步的分析资产价格波动对银行体系稳定性的影响，本文进行了多元回归分析，得到的主要结论是：资产价格波动以及宏观经济因素，对中国银行体系的稳定性有显著的影响。本文实证结果表明资产价格的波动走势和银行体系稳定性指数的走势表现出一定的相关性，在银行体系风险的防范中应充分考虑资产价格波动的因素这一结论作出一定的证实。房地产价格上涨对银行业稳定性显著为正，而股票价格上涨对银行业稳定性显著为负。这主要是因为我国股票市场成立时间较短，市场交易机制不够完善，投资者不够成熟，影响了股票市场的有效性，进而影响本文的结论。同时，宏观经济增长因素对银行业稳定性的影响也显著为正，说明稳定的经济增长对银行体系的稳定也是有利的。
参考文献：
1.卡尔·约翰·林捷瑞恩等.银行稳健经营与宏观经济政策[m].中国金融出版社，1997
2.张桂霞.关于银行体系稳定性的研究综述[j].江苏社会科学，2007（2）
3.de nicolo， g size . charter value and risk in banking： an international perspective[r] . board of governors of the federal reserve system（u.s.）， international finance discussion papers，2000，no 689
4.伍志文.中国银行体系脆弱性状况及其成因实证分析（1978～2000）[j].金融研究，2002（12）
5.万晓莉.中国1987-2006年金融体系脆弱性的判断与测度[j].金融研究，2008（6）
6.aykut kibiritciogtu. excessive risk-taking banking sector fragility and banking crises[r]. nber working paper series， july 2002：266
7.周慧君，顾金宏.外资银行渗透对中国银行业体系稳定性的影响[j].国际金融研究，2009（12）
