【商业银行流动性风险综述】商业银行流动性风险管理办法

　　巴塞尔委员会在2009年12月发布了对全球银行业流动性监管的建议性文件《流动性风险的计量标准和检测的国际框架（建议稿）》，随后经过各方的讨论和完善，2010年9月12日，巴塞尔银行监管委员会正式宣布，各方代表就《巴塞尔协议III》的内容达成共识，根据该协议，商业银行核心资本充足率由现在的4%上升为6%，值得注意的是协议同时要求计提2.5%的防护缓冲资本和不高于2.5%的反周期准备资本，这样实际上核心资本充足率就可以达到8.5%到11%。通过这些协议内容我们也可以看到，各国间都在不断加强抵御金融风险的能力，而这一进程的立足点正是从降低银行系统的流动性风险开始的。
　　首先我们需要说明究竟什么才是商业银行的流动性风险，所谓流动性风险是指商业银行没有充足的现金流来维持银行的业务运转，无法保证客户提取存款和满足贷款的需要，进而给商业银行的盈利带来损失，在银行缺少资金比较严重的情况下，甚至还会引发挤兑风潮，是商业银行经营过程中面临的主要风险之一。下面我们就将着重介绍商业银行流动性风险管理理论的发展脉络以及目前国内外学术界对于商业银行流动性风险的研究成果和他们各自的观点。
　　流动性风险管理理论的发展脉络
　　对于商业银行流动性风险的管理大致经历了四个时期，首先是上世纪60年代之前，主要是以单纯的资产管理为主，该管理理论认为商业银行资金来源的规模和结构完全取决于客户存款的意愿和能力，银行无法进行有效的控制，所以商业银行在分配资金时应重点考虑保持较高的流动性，这种理论的缺陷是过于保守，在一定程度上会影响商业银行的盈利能力；到了60年代以后随着金融环境的变化和金融领域的不断创新，负债管理理论逐渐开始取代资产管理理论，其主张商业银行资产应该按照既定的目标增长，通过调整负债项目或在货币市场进行主动负债来满足商业银行的流动性要求，该理论虽然突破了资产管理理论对于银行资金运用方面的限制，但是理论本身过于激进，负债管理也容易受到外界金融环境和国际环境的影响；随后进入资产负债综合管理阶段，该阶段强调从资产负债平衡的角度，来协调银行的安全性，流动性和收益性，使银行的经营管理更加科学和全面。其基本思路是将未来的流动性需求划分为预期的流动性需求和突发的流动性需求两大类，对预期的流动性需求通过资产的方式或同业拆借的方式来满足，而对于突发的流动性需求则主要通过货币市场借款来解决；最后进入了巴塞尔协议时期，该时期商业银行的流动性风险管理是基于最低资本金要求，市场纪律和监督监管三个支柱，主要通过技术和制度两个层面，双管齐下，构建以信用风险，操作风险和市场风险为核心的现代商业银行全面风险管理体制。
　　国内外研究综述
　　在搞清楚流动性风险的理论脉络之后，我们来具体分析国内外学者对于该领域的研究成果，关于商业银行流动性风险的研究主要分为两个大的方面，一方面是利用实证研究的方法，通过数据分析和模型检验，以计量经济学的方法对流动性风险进行定量的测度；另一方面则采用定性的研究方法，从商业银行流动性风险形成机制，影响因素以及管理对策和建议等方面进行研究和分析，下面我们就将进行具体介绍。
　　纵观整个风险测度理论，我们大体可以将风险测度的发展历程总结为三个阶段，即以方差和风险因子作为主要度量指标的传统风险测度阶段，利用的方法主要是方差和协方差的方法；其次是以VaR（value at risk）为代表的现代风险测度阶段，这也是目前标准的国际风险测度工具；然后是以ES(expected shortfall)为代表的内在一致风险测度，该方法可以在一定程度上克服VaR的局限，例如其不会忽略在置信水平之外发生的小概率但是数额巨大的损失。
　　在关于商业银行流动性风险的研究过程中，有不少学者是从实证研究的角度出发，立足于数据信息，通过计量经济学方法提出了各自的观点。季敩民，金百锁（2009）就是通过采用ES自回归方法对商业银行的流动性风险进行衡量，该方法不仅能够动态地衡量流动性风险，对风险状况作出预测，而且与传统的VaR模型和自回归时间序列模型相比对于商业银行流动性风险在某一时点上的风险排序更加合理。该方法首先克服了VaR和ES测度的共同局限，即只能对风险进行阶段性的度量，而无法对风险进行实时的动态监控。
　　刘晓星，王金定（2010）则通过Copula-EVT和高阶ES测度的分析方法来衡量商业银行的流动性风险，研究发现商业银行的流动性缺口不服从正态分布，Joe Copula函数可以更好地反映流动性缺口不同因子之间的相互关系，更好的描述流动性缺口的尾部特征，并发现流动性缺口的风险值随着阶数的增加而逐渐增大，但是增幅却逐渐降低。其得出的实证结论表明，传统的VaR和ES测度可能低估了商业银行面临的流动性风险。
　　董爱阳（2010）则转换思路，通过利用BP神经网络的方法来研究商业银行的流动性风险，所谓BP（Back Propagation）神经网络是一种神经网络学习算法，其由输入层，中间层和输出层组成阶层型神经网络，中间层可以扩展为多层。相邻层级之间各神经元进行全连接，而每层各神经元之间无连接，网络按示教的方式进行模拟，各神经元获得网络的输入响应产生连接的权值。然后按减小希望输出与实际输出误差的方向，从输出层级各中间层逐层修正各连接权，回到输入层，该过程进行反复模拟，直至网络的全局误差趋向给定的极小值。其通过选择存贷比例，不良贷款比例，单一最大贷款客户比例，最大十家客户贷款比例，资金拆入比例，资金拆出比例，资本充足率，核心资本充足率和人民币流动性比率9个指标构建了商业银行流动性风险预警体系。
　　张富有（2009）运用格兰杰因果分析法和向量自回归脉冲响应函数模型，分析中央银行存款准备金调整对商业银行流动性的影响，发现存款准备金的调整对流动性的控制是有效的，但是存在一定的时滞，时间大约为半年左右。
　　吴琼（2009）从宏微观两个方面分析了我国流动性管理不足的原因，认为银行在经营过程中，资产和负债在期限搭配上存在缺陷，即把大量的短期资金安排为长期的资金运用是造成流动性缺口的主要原因，为了应对流动性风险，需要银行对资产和负债两个方面进行结构性调整，建立健全流动性风险预警机制。
　　国外学者方面，Nicolae&Lasse H P(2007)研究了流动性和风险管理之间的关系，发现严格的风险管理降低了机构持有的资产规模，因此也降低了它们能够向市场提供的流动性；由于出售资产的时间被延长，较低的流动性增加了资产的变现风险。两者之间存在逆向效应，即严格的风险管理降低了流动性，而较低的流动性又强化了监管部门的监管；Oriol Aspachs（2005）对英国银行流动性的决定因素进行分析，研究了中央银行作为最后贷款人如何影响银行对流动性缓冲的持有，发现在出现流动性危机时，如果中央银行给予较大的潜在支持，银行就会持有较小的流动性缓冲，并且这种缓冲还会随着经济周期的变化而变化；Douglas W D(2002)认为银行无支付能力或缺乏流动性都可能会导致银行破产，因此政府很有可能基于社会稳定的考虑进行干预，然而流动性问题和偿付问题相互影响，并相互触发，因此很难从观察到的因素中确定那个才是导致银行破产的根本原因。
　　虽然关于商业银行流动性风险这一问题，学者们具有不同的观点和视角，但这些无疑都是从不同的侧面反映出学界对于商业银行流动性风险的关注和考量，也反映出学界对于商业银行流动性风险的普遍关注。
　　（作者单位：安徽大学经济学院）