《对我国系统重要性银行的市场约束真的有效吗——基于9起监管事件的实证研究-陈忠阳.pdf》由会员分享，可在线阅读，更多相关《对我国系统重要性银行的市场约束真的有效吗——基于9起监管事件的实证研究-陈忠阳.pdf（15页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、经济理论与经济管理2017年第8期对我国系统重要性银行的市场约束真的有效吗木基于9起监管事件的实证研究陈忠阳 许 悦提要 由于系统重要性金融机构(SIFIs)存在“大而不倒”效应，如何对其进行有效监管，进而降低其可能带来的系统性风险，一直是一项重要问题。本文选取巴塞尔协议第三支柱市场约束这一角度，采用事件研究法，针对我国的全球系统重要性银行(G-SIBs)股票收益对于2011-2015年期间巴塞尔银行监管委员会、金融稳定理事会以及中国银监会发布的G-SIBs名单和出台SIBs监管政策等共9次监管事件产生的反应进行分析，并将我国进入eSIBs名单和未进入该名单的上市银行进行了对比，旨在研究监管政
2、策的出台是否影响了市场对于该类机构的预期，即是否起到了市场约束的效果。结果表明，其中仅有巴塞尔委员会发布更新后监管要求这一事件对相关GSIBs股票收益产生了显著的负面影响，其他8次事件均未使相关银行股票产生显著的负异常收益。这表明在大部分情况下，市场约束在对我国SIBs的监管中并未起到显著作用，未达到降低该类银行道德风险的效果。关键词 系统重要性银行；大而不倒；市场约束；系统性风险；事件研究法一、引言自2007年开始的金融危机证明了一些大型金融机构的倒闭会引发金融市场的连锁效应，进而引发整个金融系统的不稳定。由此，“大而不倒”和“系统重要性”等概念逐渐被各国监管机构所接受，并把系统重要性金融机
3、构(systemically importantfinancial institutions，SIFIs)纳入重点监管范围。G20集团成员从实践出发，认为如果一家机构、市场或工具的倒闭或失效能够通过直接或间接传染机制引发大规模的危机，则该类机构、市场或工具可以被认为是具有系统重要性的。E13国际货币基金组织(IMF)、国际清算银行(BIS)和金融稳定理事会(FSB)从规模、可替代性和关联性三方面来评估金融机构的系统重要性。E13巴塞尔银行监管委员会(B(、Bs)参考上述指标，将系统重要性的评估标准定为规模、关联性、可替代性金融机构基础设施、复杂性和跨境业务活动五方面。2由于SIFIs具有的这些
4、特点，各国监管机构和市场参与者为防止其倒闭采取了一系列的扶持措施，使其比其他机构拥有更低的融资成本，然而这类措施又会导致该类机构从事更高风险的业务活动，引发道德风险，进一步引起危机的发生。E3因此，为降低系统性风险，BCBS和FSB以及各国监管机构已出台一些法规对SIFIs的资本充足性提出牛陈忠阳，中国人民大学财政金融学院，邮政编码：100872，电子信箱：chenzhongyruceduon；许悦，中国矿业大学(北京)管理学院。感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。60万方数据了更高的要求，提高其损失吸收能力，并已形成了较为完整的国际监管框架。自2011年起，FSB
5、每年11月发布全球系统重要性银行(global systemically important banks，G-SIBs)名单，并针对名单上的银行施行更为严格的监管要求。20112015年发布的五次名单中，我国的中国银行、中国工商银行、中国农业银行和中国建设银行四家大型银行先后人选。我国银监会也在2012年发布的商业银行资本管理办法(试行)、2014年发布的商业银行全球系统重要性评估指标披露指引等文件中针对SIBs等大型银行的监管进行了特殊的要求。从这一系列的监管措施可以看出，对SIBs监管强化的取向已成为国内外市场的共识，而监管强化的目的主要有两点：第一，加强该类银行对未来金融冲击和损失的吸收
6、能力；第二，降低市场对于该类银行在未来发生财务困境时获得各方支持的预期，从而降低这类银行所引发的道德风险问题。4本文着重于对第二点目的实现效果的探讨，即市场预期是否能够在监管和约束SIBs方面起到应有的作用。这一点可以体现为市场约束(market discipline)在监管该类银行中的效果。市场约束是指市场参与者在了解银行经营状况的基础上，根据市场规则采取相应行动，从而迫使银行能够有效而合理地分配资金、控制风险，保持充足的资本水平。作为巴塞尔资本协议中的第三支柱，BCBS将市场约束要求的目的描述为通过建立一套信息披露要求，使市场参与者能够评估一些关键信息，如使用范围、资本、风险暴露、风险评估
7、程序和最终的资本充足率，从而促进市场约束效应。巴曙松等人指出，市场约束的内容包含两个层次，狭义上指企业主体的信息披露和提高透明度，广义上指市场通过所有能够反映企业经营活动的信息，从而对企业的主体行为起到影响和约束的作用。5布利斯和弗兰纳里(Bliss and Flannery)进一步提出，市场约束发挥作用需要两个环节：一是监控，体现为投资者能够正确评估一家机构的风险和经营状况，并将评估的结果反映到证券价格当中；二是影响，即投资者对机构做出的评估能够影响到机构管理者，使管理者能够改善经营行为。6因此，本文所探讨的市场对于SIBs监管政策出台的反应，主要体现为广经济理论与经济管理2017年第8期义
8、层面上市场约束的作用，而所探讨的市场约束效果，则体现为监控这一环节的实际效果。基于此本文提出如下问题：市场参与者针对G-SIBs名单的发布以及SIBs相关监管政策的出台是否做出了相应的行为反应?进一步说，GSIBs的股权价值是否通过市场参与者的反应而受到了相应的影响?市场对于相关政策出台产生的反应可以被理解为该政策是否对G-SIBs产生了财富效应34|，若银行股价产生了正向反应，则可以说明市场预期G-SIBs会得到更低的融资成本，获得更多的政府支持，进而拥有更好的绩效。这可能会支持该类银行产生冒险行为，引发道德风险问题。若银行股价产生了负向反应，则可以说明市场认为监管政策的出台对G-SIBs的
9、运营起到了限制作用，降低了对这类银行的预期绩效。这会进一步使相关G-SIBs面临潜在的高资金成本和被逐出市场的风险，对这类银行从事高风险行为形成约束，起到了降低这些银行道德风险的作用。这也体现了有效市场约束的作用。关于我国银行的监管，国内研究大多针对监管方法和框架进行定性的理论分析，采用实证方法对市场约束和监管效果进行的研究大多围绕银行业整体展开，专门针对我国SIBs市场约束效果而进行的研究较少。本文采用事件研究(event study)方法，针对我国16家上市商业银行对于2011-2015年期间BCBS和FSB以及中国银监会发布G-SIBs名单和出台SIBs相关监管政策这一系列事件而产生的股
10、价变化进行了分析，并对进入G-SIBs名单和未进入该名单的机构所产生的效应进行了对比，旨在研究我国SIBs的特点和对其的市场约束效果，为相关机构加强对SIBs的监管提供一定参考。二、文献综述国内外学者针对SIFIs以及“大而不倒”银行有关事件发生而产生的市场反应已有一定的探讨。针对1984年美国货币监理署将11家美国大型银行确定为“大而不倒”银行，进而对其实行存款保险制度这一事件，奥哈拉和肖(OHara and Shaw)使用事件研究法探索了这一政策对美国“大而不61万方数据经济理论与经济管理2017年第8期倒”银行的股价所产生的影响，结果表明这一政策会对这些银行产生正面的财富效应，而对非“大
11、而不倒”银行则会产生负面影响，同时发现这些影响与银行的偿付能力和规模有相关性。7同样针对1984年所确定的这11家大型银行，摩根和斯德尔(Morgan and Stiroh)研究了这些银行的债券评级与债券息差之间的关系，首先发现这些银行在被确定为“大而不倒”后其信用评级与其他银行相比提高了一个等级，同时也发现这些大型银行的债券息差和债券评级的关系在此事件后更为平稳了。这说明投资者对于这类银行的预期比评级机构更为乐观，因此认为政府部门对于“大而不倒”银行的市场规制效果被削弱了。8凯恩(Kane)、佩纳斯和于纳尔(Penas and Unal)研究了20世纪90年代的一系列全球银行大型并购事件，均
12、发现通过并购银行所得到的收益和该行“大而不倒”的标签有关系。910针对日本银行业，鲍勃和鲍勃(Pop andPop)通过日本政府救助理索纳银行(ResonaHoldings)这一事件，研究了“大而不倒”的标签对日本银行业的影响。他们发现这一事件对大银行有显著的正向财富效应，而对小银行有负面效应，同时发现在救助宣告日期的后一天，大银行股票出现了显著的异常交易。他们基于此认为除了监管政策的影响外，“大而不倒”标签也对市场产生了影响，而这一事件对日本在这类银行的市场约束效果造成了负面影响。1妇金融危机后，有关大型银行监管所产生市场反应的研究进一步增多。布鲁尔和克林根哈根(Brewer and Kli
13、ngenhagen)研究了美国银行机构股价对于金融危机期间出台的问题资产救助计划(TARP)的反应，发现对大型银行而言，不论其是否被囊括到TARP计划中，其股票收益均有显著的正异常收益，说明大型银行表现出了“大而不倒”效应。1幻谢弗等人(Schiller et a1)研究了欧洲和美国最大银行的股票收益和CDS价差是否对2009-2011年间4次主要的监管改革产生反应，结果表明这些监管改革成功降低了救助预期，尤其降低了系统性银行的救助预期。13利用全球117家大型银行的样本，阿布鲁和古莱姆豪森(Abreuand Gulamhussen)研究了市场对于FSB的G-SIBs62名单发布所产生的反应，
14、发现无论银行是否被列入了pSIBs名单，其股价均未体现出显著异常收益。他们据此认为FSB对于“大而不倒”银行的规制并没有使市场参与者认为这些银行的价值会降低，因此这一举措并没有减少这些大型银行的道德风险。4利用70家全球大型银行的样本，邦吉尼等人(Bongini et a1)在阿布鲁和古莱姆豪森(Abreuand Gulamhussen)的研究基础上进行了时间区间的扩展，且增加了监管事件的数量，进一步研究了市场是否对FSB和BCBS发布的有关SIFIs的监管规定和解决“大而不倒”问题的相关规定产生明显的反应，结果表明市场对于SIFIs的监管规定发布并没有十分明显的反应，然而低资本充足性的银行对
15、于监管事件会产生负超额收益，而高资本充足性的银行会产生正超额收益，因此他们认为这些监管规定对于降低这些大型机构的负外部性，增强对其约束方面起到了积极的作用。3在国内有关SIFIs的相关研究中，已有大量的研究围绕SIFIs的识别和判定141516、SIFIs的外部效应1718，以及对SIFIs的监管政策建议1920展开。然而，专门针对我国SIFIs的监管效果相关研究则较为缺乏。在针对我国银行业市场约束和监管有效性的研究中，何问陶和邓可斌发现资本充足率变化对我国上市银行收益率并不存在显著的影响，即资本充足率并没有成为我国投资者对于银行经营情况的有效判断信号。21张正平和何广文研究了银行存款的利息支
16、出和其风险之间的关系，发现几乎各类银行的实际利率对其风险变化均不敏感，即进一步说明我国银行存款人所施加的市场约束作用较弱。28巴曙松等人同样认为我国商业银行市场约束水平较低，市场参与者对于银行风险状况变动并不敏感。5段海涛同时检验了我国存款人市场的约束作用和宏观视角下的市场约束机制，认为我国银行业虽然存在一定的市场约束力，但我国市场约束力整体较弱，银行的整体反应程度也较弱。23冯超运用事件研究法，研究了2008-2015年问重要的监管改革和外部冲击事件对于我国银行业预期盈利的影响，发现其中5个事件对银行业存在负向影响，两个事件存在正向影响，而11个事件无显著影响，并针对各类事件提出了相应建议。
17、24针对我万方数据国“大而不倒”银行和SIBs监管效果和市场约束的研究则相对较少，所得出的结论同样大多为对相关银行的市场约束作用较弱。马草原和王岳龙指出，我国公众存在“大而不倒”预期和存款人的“规模偏好”，因此会对小规模银行要求更高利率，在选择上偏向大规模银行，这导致我国市场约束产生了异化，并会造成对银行规模扩张和高风险行为的鼓励。251谢懿等人同样发现，我国商业银行规模越大，市场约束作用越弱，同时，其受到外界救助的难度也越大，而且“大而不倒”现象在我国银行业广泛存在。263汪航等人研究了我国银行系统重要性程度与资本缓冲和相关利益者之间的关系，发现系统重要性与资本缓冲呈负相关关系，与银行股东回
18、报率呈正相关关系，同时债务人对系统重要性程度并不敏感，并据此认为股东和债务人并未对银行的系统重要性形成足够的约束，我国的市场约束机制尚需完善。27结合国内外的研究成果看，虽然围绕SIFIs的相关文献较为丰富，然而针对其监管政策所产生的市场效应，进而从市场约束的角度探讨其监管效果的相关文献相对较少，国内研究中也大多针对我国银行业整体的监管效果和市场约束进行分析，针对我国SIFIs的市场约束作用的研究尚需进一步补充。从现有探讨监管效果的文献看，对相关监管和救助政策对G-SIBs股价所产生的影响并未形成统一结论，而且针对不同地域的G-SIBs所做研究的结论也存在差异。阿布鲁和古莱姆豪森(Abreua
19、nd Gulamhussen)、邦吉尼等人(Bongini et a1)的研究同样表明，不同国家和地区人选pSIBs名单银行的股价对监管政策所产生的反应存在一定的不同。34因此，本文在以往研究的基础上，采用事件研究法，针对我国G-SIBs股价对于监管政策所产生的反应进行研究，并进一步扩充时间区间和监管事件数量，除包含国际监管机构所出台的监管事件外，同时包含中国银监会的相关监管事件，旨在探讨市场能否对于我国SIBs产生相应的约束作用，以补充对于我国银行“大而不倒”问题的学术探讨，同时从市场约束这一角度，为我国SIBs监管的加强提供一定参考。经济理论与经济管理2017年第8期三、研究假设在2009
20、年9月的G20匹兹堡峰会上，SIFIs和“大而不倒”问题被正式提出。在这之后，针对SIFIs的问题，FSB和BCBS先后对其提出了评估标准和额外资本要求。2009年10月，IMF，BIS和FSB提出规模、可替代性和关联性三方面的SIFIs评估标准。2011年7月，B(、BS在一份征求意见稿中，参考上述指标，将GSIBs的评估标准定为规模、关联性、可替代性金融机构基础设施、复杂性和跨境业务活动五方面，分别设置了各项指标的权重，并且对该类机构提出了附加损失吸收能力要求。随后，BCBS分别在2011年11月和2013年7月对该份文件进行了修订，进一步完善了对G-SIBs的评估标准和监管要求。自201
21、1年11月起，FSB每年11月均会发布一份G-SIBs名单，并对进入名单的银行分档次提出更为严格的资本要求，BCBS也会发布相应监管文件。在20112015年发布的五次名单中，我国的中国银行、中国工商银行、中国农业银行和中国建设银行四家大型银行先后入选。此外，中国银监会也在2012年6月和2014年1月公开发布监管文件，针对SIBs的资本充足水平和信息披露提出更高要求。虽然FSB和BCBS每年均公布G-SIBs的名单，也已公布了其评估标准，然而BCBS在2014年11月才发布针对G-SIBs各项指标的较为详细的得分计算说明，并且其评估过程并非完全透明。计算评估指标所需的数据各家银行并不一定全部
22、符合，而且根据其方法算出的评估结果还有可能根据监管判断进行调整。4此外，针对SIBs所发布的监管要求市场也不一定能够预期，对其评估和监管的标准随时都面临更新的可能。因此，可以认为针对G-SIBs的名单和监管要求的发布为市场传递了新的信息，即相关大型银行的股价可能会因此而产生反应，这分为三种情况：没有显著市场反应、正向市场反应和负向市场反应。根据邦吉尼等人(Bongini et a1)的理论，这三种情况分别对应三种解释。363万方数据经济理论与经济管理2017年第8期1不相关性解释：相关股价并没有显著反应，新的监管要求并没有给市场带来明显的变化。市场已经认为这些大型银行在面临财务困境时会得到政府
23、和其他机构特别的支持和救助，因此对于这些新出台的监管规定并没有表现出财富效应。这些大型银行由于自身的规模、复杂性等特点已经得到了更为优惠的融资成本，因而新监管规定的出台并没有使市场对于该类银行产生约束作用。2基于利润而产生反应的解释：相关股价表现出正向反应。针对SIBs监管规定的出台使市场认为这些银行将会有更低的融资成本，因此会追求更高风险的业务活动，拥有更高的预期回报。这些潜在的盈利能力会让市场表现出正向的反应(即正财富效应)，这可能会进一步引发该类银行的风险行为，形成道德风险。此外，对于G-SIBs名单的发布，那些没有被包含进该名单的银行股价也有可能产生正向反应，即市场会认为此类银行并没有
24、GSIBs所面临的较强的复杂性，也不会面临针对入选银行更高监管的要求，对该类银行的盈利有积极的影响。3监管负担解释：相关股价表现出负向反应。市场认为这些GSIBs会面临更高的资本要求和更严格的监管规定。这对其运行较其他银行而言形成了更强的负担。这种负担强于上述说明的正财富效应，因此市场对相关银行预期产生了负向的反应。这也说明市场对于该类银行的风险和经营行为起到了一定的约束作用。四、研究样本和研究方法(一)研究样本根据FSB自2011年11月起公布的G-SIBs名单，我国共四家银行先后人选，分别为中国银行、中国工商银行、中国农业银行、中国建设银行。截至2015年末，我国A股共有16家上市银行。本
25、文针对不同事件，分别选取当时入选GSIBs名单的我国银行(GSIBs)作为研究对象，我国其他上市银行(非G-SIBs)作为对比银行，与G-SIBs的实证结果进行对比。64(二)事件及时问窗口选择参考前人的研究方法，本文选取事件研究法来探讨针对SIBs相关监管政策出台的市场反应。事件研究法即研究在事件窗期间相关银行的股票是否存在正或负的显著异常收益。本文所选择的事件是2011-2015年期间，BCBS，FSB和中国银监会出台的9项监管事件，每项事件均对SIBs的监管提供了一定信息。事件1：2011年7月19日，BCBS发布全球系统重要性银行：评估方法与附加的损失吸收能力要求征求意见稿。这是BCB
26、S第一次针对SIFIs的评估方法和监管要求出台文件，并宣布第一次GSIBs名单会包含大约28家银行。同时，FSB发布系统重要性金融机构的有效处置征求意见稿，提出相应监管要求。事件2：2011年11月4日，FSB发布第一次GSIBs名单，全球共29家银行入选，我国中国银行人选。同时发布加强系统重要性金融机构监管的强度和有效性进度报告和金融机构有效处置机制的关键特点等监管文件。BCBS发布全球系统重要性银行：评估方法与附加的损失吸收能力要求正式稿。事件3：2012年6月7日，中国银监会发布商业银行资本管理办法(试行)，规定了SIBs的附加资本要求。事件4：2012年11月1日，FSB发布第二次G-
27、SIBs名单，全球共28家银行入选，我国中国银行入选。同时发布加强系统重要性金融机构监管的强度和有效性进度报告、系统重要性金融机构处置进度报告。事件5：2013年7月3日，BCBS发布全球系统重要性银行：更新的评估方法与更高的损失吸收能力要求，对G-SIBs的评估标准和资本要求进行了更新。事件6：2013年11月11日，FSB发布了第三次G-SIBs名单，全球共29家银行入选，我国中国银行、中国工商银行入选。BCBS同时发布其他相关信息。事件7：2014年1月6日，中国银监会印发商业银行全球系统重要性评估指标披露指引，对万方数据相关大型银行的指标披露要求做出了规定。事件8：2014年11月6日
28、，FSB发布了第四次G-SIBs名单，全球共30家银行入选，我国中国银行、中国工商银行、中国农业银行人选。BCBS同时发布全球系统重要性银行评估方法一一得分计算，对G-SIBs的评估计算方法做出了更为详细的说明。事件9：2015年11月3 Et，FSB发布了第五次pSIBs名单，全球共30家银行入选，我国中国银行、中国工商银行、中国农业银行、中国建设银行入选。同时发布支持处置中运营持续性的安排征求意见稿、有效跨境处置行为原则、当当地监管当局没有列席全球系统重要性金融机构的危机处置小组时的合作和信息共享指引，对包含GSIBs在内的相关机构的运营做出安排。发布支持全球系统重要性银行有序处置的临时资
29、金需求征求意见稿，对解决G-SIBs的流动性不足的风险做出了规定，并且为降低道德风险，该文件规定资金来源的第一选择应是私营部门，并减少对公立部门临时流动性支持的需求。在这9起监管事件中，事件1、事件2、事件4、事件6、事件8和事件9这6起事件与G-SIBs监管名单的发布有关。从影响机制上讲，前文所说的三种情况在该类事件的影响下均可能产生，该类事件可能使市场对G-SIBs有正向预期，即产生正财富效应，也可能使市场对GSIBs产生负向预期，即该类银行会面临监管负担，同时也可能不引起市场的显著反应。而事件3、事件5和事件7这3起事件为针对SIBs监管要求的发布，从影响机制上讲，该类事件可能会引起市场
30、对于GSIBs的负向预期或不产生显著的市场反应这两种情况，而不太可能使相关银行产生财富效应。针对这9起监管事件，本文所研究的重点在于这些事件是否会使市场对于相关G-SIBs产生相应的负面预期，即是否能表现出前文所说监管负担这一理论，从而体现出市场约束在监管G-SIBs方面的作用，降低该类银行的道德风险问题。由于第一项监管事件发生时，FSB尚未公布G-SIBs名单，而有潜在可能进入该名单的银行均应作为该次事件研究对象。因此在第一次事件日经济理论与经济管理2017年第8期时，选取2015年11月发布的我国四家GSIBs作为研究对象，其他上市银行作为对比银行。在其他事件日时，选取在该El进入G-SI
31、Bs名单中的银行作为研究对象，若该日不是名单发布Et，则选取进入前一次名单中的银行作为研究对象，其余银行作为对比银行。同时也将全部上市银行作为一组研究。根据坎贝尔等人(Campbell et a1)的理论，在使用日度数据和市场模型的事件研究法中，通常选用超过120天的估计窗长度。28本文针对各事件日，选取一190，一411共150个交易日作为估计窗，如此选择可以确保估计窗距事件发生尚有一段时间，因此不会受该事件的影响，同时前几次事件的估计窗也包含了受2007年金融危机影响而造成市场波动的区间，较为有代表性。本文参考邦吉尼等人(Bongini et a1)的方法，针对各事件日选取3个交易日和5个
32、交易日两个事件窗，分别为一2，2和o，+2。这使事件窗的选择既考虑到事件日前期信息泄露的影响，又考虑到投资者对于事件反应较慢的可能。3此外，针对各项事件，分别将样本做以下处理： (1)剔除在估计窗停牌一个月以上的银行；(2)剔除在估计窗开始时尚未上市的银行；(3)剔除在事件窗内出现停牌的银行。以避免其他事件对于研究结果的影响。(三)模型选择本文使用估计窗的数据，选取标准市场模型来估计股票的正常收益，即：Ri，r一口o+口IRw+ei (1)式中，R，。代表股票i在t Et的收益率；R。代表市场组合在t日的收益率；m代表残差项，其均值为0，方差为蠢；口。和a，为模型的参数。本文以各银行股价的当日
33、收盘价只，。和前一日收盘价P沪，为基础，按式(2)计算每日收益率：R“一In蠢 D (2)本文以MSCI明晟中国A股指数作为市场组合指数，市场组合日收益率R。，。处理方法同上。本文所用的银行股价数据和市场指数数据均来源于65万方数据经济理论与经济管理2017年第8期Wind资讯。利用式(1)所估计的参数口。和d，估计事件窗中的预期收益，事件窗中各股票的异常收益采用该股票的日收益和预期收益之差，用式(3)计算：AR沁一RmE(Rm) (3)式中，ARm和E(Rm)分别代表股票i在t日的异常收益和预期收益。本文针对不同的事件日，分别选取当时的pSIBs和非G-SIBs这两组银行的异常收益及其显著性
34、做对比，研究监管事件是否对G-SIBs的市场预期产生了影响。由于在本研究中，所有银行都面临同样的事件日，意味着会有严重的事件集聚情况，所以进行显著性检验的统计量需要进行调整以避免出现较大偏差。各银行的收益率序列很有可能存在相关性。这会导致平均异常收益的标准差被低估，因此一般事件研究所使用的标准检验统计量在本文并不适用。为解决此问题，同时增强研究的稳健性，本文共选用两项统计量作为异常收益的显著性检验统计量。第一个统计量参考布朗和华纳(Brown andWarner)所提出的单日异常收益检验统计量，29选用鲍勃和鲍勃(Pop and Pop)针对其所改进的基于多日累积异常收益(GAR)的检验统计量
35、(BWt统计量)，该统计量可以不受各银行间收益率序列相关性问题的影响，11其计算公式为：BW统计量一鱼竺生：至j j (4)圣。s2(丽。)其中：(1)累积平均异常收益为：CARr1,r2一兰。丽。 (5)(2)样本银行的平均每日异常收益为：一AR。一i1厶n剐能讲 (6)(3)基于估计窗计算的各家银行在t时异常收益的标准差为：s(丽沪-，41m。-(ARl50,-一A1R)Z J7专 (7)66(4)一AR一而1 -4。1。一AR。 (8)(5)r。，Z2为事件窗区间；n为样本银行数量。由于运用了各银行平均异常收益的时间序列，上述检验统计量并不存在任何由于各银行股票收益率之间的相关性而产生的
36、偏差问题。111此外，鲍勃和鲍勃(Pop and Pop)指出，由于市场模型参数是由估计窗内的数据估计得出，异常收益在模型中表现为预测误差，因此，检验统计量之中的标准差结果应该进行调整，以避免出现高估显著性水平的情况。因此，鲍勃和鲍勃(Popand Pop)提出了如下调整因子：11k；一”c击，+半)式中，良。和盯k分别为估计窗内的市场收益的平均值和方差。本文最终检验统计量中的标准差计算为前述标准差计算值乘以调整因子。由于参数检验方法所需假设为异常收益服从正态分布，为增强结果的稳健性，突破这一假设的限制，本文同时选用第二种检验统计量，即参考科拉多(Corrado)所提出的非参数检验方法，基于包
37、含估计窗和事件窗的各银行异常收益的排名计算。30设Km表示第i家银行股票在估计窗和较长事件窗合并区间Q内的异常收益A宅m的排名，本文估计窗和较长事件窗合计总天数为155，即最小的异常收益排名为1，最大的异常收益排名为155，平均排名为78。本文采用考恩(Cowan)对其进行改进的基于多日事件窗Tt，r2的检验统计量(Rank t统计量)31I，本文中的计算公式为：Ra咒k统计量一d专垒旦二上坠_T-锄(瓦一78)专L155 J(10)式中，(1)d为事件窗天数，本文中分别为3和5；Q为150天估计窗和5天事件窗合并区间。(2)元D表示n家银行股票在事件窗n，z2y也民，内的平均排名，即KD一三
38、竺孚 (11)万方数据(3)K一：表示行家银行股票在估计窗和事件窗的合并区间n内第t天的平均排名，即K一；一去：一K。 (12)此外，本文参考邦吉尼等人(Bongini et a1)的方法，在非参数检验方法中，对各银行异常收益的绝对值也进行了同样的检验，作为补充参考。由于非参数检验是基于异常收益的排名进行，不受数据分布的影响，因此对异常收益的绝对值也同样适用。如果对异常收益原数据的非参数检验结果不能经济理论与经济管理2017年第8期拒绝事件窗内不存在均值偏差的原假设，然而针对异常收益绝对值的检验却拒绝了原假设，则说明事件窗内的平均异常收益为0，但异常收益的离散程度增加了。3五、实证结果分析分别
39、针对9次监管事件的我国全部上市银行、G-SIBs和非G-SIBs三组银行的累积异常收益(CAR)和其显著性检验结果如表1所示。表1 针对9次监管事件的市场反应事件1(2011719) CAR() BWt统计量 Rank t统计量 基于绝对值的Rank t样本银行 数量 一2，+2 Eo，+2 一2，+2 o，+2 一2，+2 o，+2 一2，+2 o，+2全部样本 14 一O827 0600 0327 0306 O145 0282 2993 2591G-SIBs 4 0588 0594 0283 0368 0825 1022 2064 2140非G-SIBs 10 1393 1077 0458
40、 一O457 一O131 一O032 2806 2285事件2(2011114) CAR() BWt统计量 Rank t统计量 基于绝对值的Rank t样本银行 数量 一2，+2 Eo，+2 一2，+2 Eo，+23 一2，+2 Eo，+2 一2，+2 Eo，+2全部样本 16 0389 0123 0164 0067 0038 0282 0639 0947GSIBS 1 O019 0042 O010 0029 O010 0000 2019 0826非GSIBs 15 一O416 0129 一O169 0068 一O041 0298 0439 0895事件3(201267) CAR() BWt统
41、计量 Rankt统计量 基于绝对值的Rank t样本银行 数量 一2，+2 o，+2 一2，+2 Eo，+2 一2，+2 o，+2 一2，+2 o，+2全部样本 14 2330 3310 1224 2242+ 一0911 2202 0661 1050GSIBs 1 0664 0052 0388 0039 0810 0026 1579 1948非GSIBs 13 2560 3561 1305 2340。 1048 2342“ 0888 1340事件4(2012111) CAR() BWt统计量 Rankt统计量 基于绝对值的Rank t样本银行 数量 一2，+2 o，+2 一2，+2 O，+2
42、一2，+2 o，+2 2，+2 o，+2全部样本 16 1764 1615 0985 1-162 1343 1606 0352 0846GSIBs 1 1248 1025 0670 0709 0850 0890 0820 1806。非G-SIBs 15 1799 1654 0972 1152 1335 1608 0454 0663在3天事件窗的检验中，异常收益平均排名也使用78。这是由于在该检验中异常收益的排名同样是基于150天估计窗和5天事件窗共155天所得。在基于异常收益绝对值的检验中，本文只关心监管事件是否增加了异常收益的波动程度，因此所报告的P值是基于右尾计算的。67万方数据经济理论与
43、经济管理2017年第8期续前表事件5(201373) CAR() BWt统计量 Rankt统计量 基于绝对值的Rank t样本银行 数量 一2，+2 o，+2 一2，+z3 Eo，+2 一2，+2 o，+2 一2，+2 o，+2全部样本 16 6762 3999 3540 一2704 一2185+ 一1111 1131 0270G-SIBs 1 3503 2411 2202。 一1957+ 一2359“ 一2142“ 0910 1277非GSIBs 15 6979 4105 3516 一2671 一2077+ 一O969 1079 0436事件6(20131111： CAR() BWt统计量
44、Rank t统计量 基于绝对值的Rank t样本银行 数量 一2，+2 o，+2 一2，+2 o，+2 一2，+2 o，+2 一2，+2 o，+2全部样本 16 2188 0293 O971 一O167 1161 一O368 0003 1373GSIBs 2 1489 0051 0850 O037 1172 0030 0899 1960非G-SIBs 14 2288 0342 0939 一O181 1087 0412 0186 1127事件7(201416) CAR() BWt统计量 Rank t统计量 基于绝对值的Rank t样本银行 数量 一2，+2 Eo，+2 一2，+2 Eo，+2 一
45、2，+2 Eo，+2 一2，+2 Eo，+2全部样本 16 1031 1673 0438 O916 0362 0937 一O692 O001GSk 2 0568 0172 0315 O123 一O317 0231 0846 0590非GSIBs 14 1259 1888 0499 O965 0454 1004 0592 O118事件8(2014116) CAR() BWt统计量 Rank t统计量 基于绝对值的Rank t样本银行 数量 一2，+2 o，+2 一2，+2 Eo，+2 一2，+2 o，+2 一2，+2 o，+2全部样本 16 0789 1866 0462 1407 O178 13
46、49 1071 0323GSIBS 3 O564 1573 0372 1335 O104 0896 0961 0672非G-SIBs 13 0841 1934 0444 1313 O187 1388 0956 O184事件9(2015113) CAR() BWt统计量 Rank t统计量 基于绝对值的Rank t样本银行 数量 一2，+2 o，+2 一2，+2 o，+2 一2，+2 o，+2 一2，+2 o，+2全部样本 15 2077 1-270 0464 O366 O021 0725 2042 1034GSIBs 4 一O179 0592 0036 一O154 0002 0048 2294
47、 1265非GSIBs 11 2898 1948 0648 O561 0029 O977 1773 0850注：。，“和分别代表在10，5和1的水平下显著。说明：最后两列基于绝对值的Rank t统计量的显著性基于右尾计算。事件1是BCBS首次针对SIFIs发布评估方法和监管要求，并第一次宣布G-SIBs名单会包含大约28家银行，因此该事件应对市场传达了较多的新信息。针对该事件，有进入名单可能的我国4家银行股票在两个事件窗内均表现出了正的累积异常收益，而其余银行则表现出了负的累积异常收益，说明该事件对我国G-SIBs表现出一定的正向冲击，让市场认为GSIBs会得到更低的融资成本，获取更多的利润，对非GSIBs则没有这种益处。然而68该效应在三组银行的两个事件窗均不显著，也没有使异常收益体现出更大的波动性，说明市场已对几家大型银行所面对的支持和救助有一定的预期，该监管要求的出台并没有对G-SIBs产生显著的约束作用。事件2的市场效应和事件1表现出了类似的结果，5天事件窗中第一次进入G-SI