无恐慌的银行业危机

2.数据

　　本节描述了我们如何收集和构建分析中使用的历史数据集。我们讨论了以下类型的变量：银行和非金融部门股票的实际总回报率、银行和非金融部门的信用利差、各相关宏观经济变量，以及基于叙事的银行业危机年表。所有变量均为年度变量（那些明确标注为月度变量的除外），它们构成了一个涵盖1870—2016年以及46个国家的不平衡国家面板数据集。(* 我们排除了重大战争期间的那些国家-年份观测值，因为供给侧收缩和大规模的政府融资需求可能会导致宏观经济收缩和银行部门损失，但是这些并不是我们在本文中要考虑的典型银行业危机事件。更具体地说，我们排除了世界大战期间（1914—1918年和1939—1945年）的所有国家、1899—1902年的哥伦比亚、1870年的法国和德国、1946—1949年的希腊、1894—1895年的日本、1950—1953年的韩国、1910—1920年的墨西哥、1899—1902年的南非和1936—1938年的西班牙。)本文的在线附录提供了更多关于数据来源和数据构建的详细信息，特别是，在线附录中的表B2至表B4提供了用于构建主要变量的所有数据来源按国家分列的综合摘要。

　　2.1银行和非金融部门的年度股票回报率

　　我们构建了一个新的历史数据集，涵盖了1870年以来46个发达经济体和新兴经济体的银行股票价格和股息数据。利用银行股票回报率来研究危机有一个操作上的优势，那就是，对于我们的大部分样本来说，银行股票价格和股息数据都是很容易获得的。之所以有如此丰富的数据，是因为在19世纪和20世纪初，银行股有着非常重要的地位，报纸上对它们的报道很详尽。在当时，银行股的交易量与铁路股一样大。(* 在1870年至1939年这个历史时期，我们的样本经济体中的大多数重要商业银行都是公开上市交易的股份制银行，不过美国是一个主要例外。在美国，银行直到20世纪20年代中期才开始广泛上市。在这个时期，私人银行一般要么是商人银行（merchant banks），要么是抵押银行，而不是商业银行（commercial banks）。因此，我们能够从这一时期的历史报纸中收集到各个经济体大多数大型商业银行的股价和股息数据。)这与企业债券和银行间同业拆借利差的情况形成了鲜明对比，因为许多国家的债券市场都是在近几十年才发展起来的。(* 在第二次世界大战结束之后的一段时期，公司债券市场主要存在于美国和英国，而在大多数非英语国家的发达经济体，公司债券市场非常有限或根本不存在（因为企业信贷主要通过银行体系发放），直到20世纪80年代放松管制之后这种情况才发生了变化。例如，在20世纪80年代之前，丹麦和日本分别只有一家公司的债券可以公开交易，它们分别是丹麦大北电报公司（Det Store Nordiske Telegrafselskab）和日本电报电话公司（Nippon Telegraph and Telephone）。即便是有组织的银行间市场，也是相对较新的现象，大多数国家的相关数据都是从20世纪90年代才开始可以获得的。因此，那些使用信用利差进行的研究，比如Krishnamurthy and Muir（2018），能分析的样本比较有限，因为它们没有新兴市场国家在现代的企业信用利差数据，甚至没有许多发达经济体（如丹麦、意大利、法国、荷兰和瑞士）的企业信用利差数据。)

　　对于样本中的每个国家，我们为银行和非金融部门股票构建了年度（截至每年12月31日）价格回报率和股息回报率指数。在本文中，所有的股票回报率（除非另有说明）全都用国家一级的实际总回报率指数来表示。受数据可得性所限，某个特定国家的股价和股息指数可能不一定对应于相同的基础银行（underlying bank），但是这些指数要么是每个国家广泛的国内银行和非金融部门的市值加权指数，要么是股价加权指数。(* 在股价加权指数中，每只股票在初始的第一年都被标准化为相同的票面价值，随后几年的权重则由过去的回报率决定。)每一组序列数据都是由各种数据来源拼接而成的（详细的文献和数据来源表可以从在线附录中找到）。(* 之所以要构建非金融部门股票指数，是为了代表一系列重要的大型公司，主要涵盖以下不同行业：钢铁、商品制造、电气设备、纺织、化工、纸张和纸浆产品、食品供应商和啤酒厂以及零售业。我们排除了运输类股票（铁路和航运）、大宗商品相关类股票（包括矿业）、公用事业、房地产公司以及对外国殖民企业，因为它们受到国际因素或房地产的很大影响。)我们采取的第一个步骤是，从全球金融数据（Global Financial Data，主要是股价指数）、数据流（Datastream，股价和股息指数），以及从巴伦和熊伟的论文（Baron and Xiong，2017）（新构建的银行股息指数）等来源中，收集预先编制的银行股票指数。

　　除了使用预先编制的指数，我们还利用单个银行和非金融部门的股价和股息数据构建了银行股价和股息指数。关于个股的新数据的主要来源是各个国家不同时期的报纸。从这些报纸中，我们以手工方式收集了每一年中最接近12月31日的那一天的收盘价，以此来获取相关的股价和股息数据。(* 在线附录中的图A1提供了我们用于构建银行股票回报率数据的历史报纸的示例。为了让人们更好地了解我们发现的历史来源的数量和多样性，我们在这里列出了主要的历史来源（完整的清单可以从在线附录表B2中获得）：比利时的《布鲁塞尔报》（Journal de Bruxelles，1868年至1935年）；丹麦的《每日新闻报》（Dagens Nyheder，1868年至1909年）；法国的《时代报》（Le Temps，1873年至1939年）；德国的《柏林日报》（Berliner BorsenZeitung，1871年至1933年）和《柏林晨报》（Berliner Morgenpost，1871年至1933年）；意大利的《新闻报》（La Stampa，1865年至1934年）；日本的《日本时报》（Japan Times，1897年至1915年）；荷兰的《电讯报》（De Telegraaf）和《标准报》（De Standaard，1875年至1933年）；葡萄牙的《里斯本日报》（Diario de Lisboa，1921年至1990年）；新加坡的《海峡时报》（Straits Times，1965年至1980年）；西班牙的《阿贝赛报》（ABC，1909年至1965年）；瑞士的《洛桑公报》（La Gazette de Lausanne）、《日内瓦日报》（Journal de Genève）、《时代报》（Le Temps）和《新苏黎世报》（Neue Zürcher Zeitung，1852年至1936年）。我们还从各种其他来源收集了股票回报率数据，它们包括：来自Nakamura and Zarazaga（2001）的阿根廷股票回报率数据（1900年至1935年）；来自SCOB 数据库的比利时股票回报率数据（比利时安特卫普大学，Annaert、Buelens and DeCeuster，2012）；来自丹麦统计年鉴（Denmark Statistical Yearbooks）的丹麦股票回报率数据（1911年至1956年）；来自Nyberg and Vaihekoski（2010）的芬兰股票回报率数据（1911年至1974年）；来自Waldenstrm（2014）的瑞典股票回报率数据（1870年至1901年）。)

　　银行和非金融部门的个股价格和股息数据也来自耶鲁大学国际金融中心维护的几个数据库，它们由威廉·戈茨曼（William Goetzmann）和吉尔特·罗温霍斯特（Geert Rouwenhorst）收集数据并对外公开提供，包括《投资者月度手册》数据（Investors Monthly Manual，1869年至1934年）、纽约证券交易所数据（1800年至1871年）和圣彼得堡证券交易所数据（1865年至1917年）。其他关于个股和指数回报的数据则分别来自各种其他来源，包括个别国家的研究论文和统计年鉴。此外，我们还手工收集了各个银行和非金融部门的额外股息数据，这些数据来自《穆迪银行与金融手册》（Moodys Bank & Finance Manuals，1928年至2000年）以及在哈佛商业图书馆的历史馆藏中查阅到的单个银行的财务报表。我们将银行股票的价格回报率和股息回报率相加，得到银行股票的总回报率，然后根据每个国家的消费者价格指数（CPI）进行调整，得出银行股票的实际总回报率。在线附录中的图A3绘制了基于叙事性方法定义的银行业危机前后银行股票回报率和非金融部门股票回报率的分布。

　　银行股票回报率数据从1870年左右开始，包括澳大利亚、奥地利、比利时、加拿大、法国、德国、爱尔兰、意大利、新西兰、瑞典、瑞士、英国和美国等发达经济体，此外还包括一些目前通常被认为是新兴市场的经济体，例如阿根廷、巴西、埃及、希腊、中国香港、印度、墨西哥、俄罗斯和土耳其。为了让读者更好地评估我们的银行股票指数的覆盖范围，在线附录中的表B1报告了针对每个经济体和每十年构建银行股票指数的基础银行的数量；或者，如果存在预先编制的指数，则报告了预先编制的指数的数据来源。由于历史数据的局限性，不同经济体和历史时期涵盖的确切银行范围并不完全相同。但是，从在线附录中的表B1和各组成银行的相关列表（可以通过在线附录中的链接获取）中可以看到，银行股票指数通常都包含了一个国家最大的各家特许商业银行，这些银行有广泛的代表性，它们主要位于该国的金融中心，覆盖了该国银行资产和存款的很大一部分。对于许多经济体来说，我们新构建的银行股票指数是基于至少五家主要银行（银行的数量通常还会更多）的基本回报，而且它们几乎都是最大的银行。不过需要注意的是，关注位于一个经济体金融中心的大型商业银行，可能会导致银行股票指数无法充分呈现以规模较小的银行或地方性银行为中心的银行业危机，而且可能也无法反映私人银行危机。

　　2.2 银行和非金融部门的月度股票回报率和信用利差

　　为了分析危机如何展开的动态过程，我们关注一组新构建的、明确识别出来的银行业危机事件。我们将这些事件称为BVX危机列表，并将在本文第6节中加以详细描述。我们对每一场银行业危机发生前后为期三年的窗口期都构建了月度序列数据，包括如下四个变量：银行股票指数回报率、非金融部门股票指数回报率、银行信用利差和非金融部门信用利差。由于历史数据可得性的限制，月度数据集是关于银行股票回报率的更大年度数据集的一个较小子集，涵盖了132次银行业危机。

　　每个经济体股票回报率和信用利差的月度数据的完整来源列表被记录在在线附录中的表B3。对于1980年至2016年的银行和非金融部门月度股票回报率数据，我们主要使用的是数据流提供的国家级指数，几乎涵盖了所有46个经济体。对于1870年至1979年，由于以手工方式从历史记录中收集月度数据的难度非常大，所以月度股票回报率数据仅限于15个国家（阿根廷、澳大利亚、比利时、丹麦、法国、德国、意大利、日本、荷兰、挪威、西班牙、瑞典、瑞士、英国和美国）和银行业危机前后的三年窗口期。在此期间，每个月的银行和非金融部门股票价格要么从上面列出的历史报纸上抄录而来，要么从其他历史来源获得，比如《投资者月度手册》和全球金融数据（详见在线附录中的表B3）。信用利差数据主要来自全球金融数据或新转录的历史统计数据（请再次参见在线附录中的表B3）。银行信用利差通常以银行间隔夜拆借利率为基础计算，而企业信用利差则以企业债券收益率为基础计算。当然，我们还要减去短期国债收益率（通常是3个月期的国债）才能得到银行信用利差、减去长期国债收益率（通常是10年期的国债）才能得到企业信用利差。

　　2.3 宏观经济变量

　　为了构建实际GDP增长序列数据，我们从麦迪森数据库、约尔达-舒拉里克-泰勒（Jordà-Schularick-Taylor）宏观历史数据库、全球金融数据、经济合作与发展组织（以下简称“OECD”）、国际货币基金组织（以下简称“IMF”）和世界银行的数据库中获取每个国家的名义或实际GDP和CPI的年度数据。我们也用同样的CPI数据计算实际GDP。银行信贷占GDP比例的数据则主要来自约尔达-舒拉里克-泰勒宏观历史数据库（这个数据库最早可以追溯至1870年，但是仅涵盖了17个国家），以及从国际清算银行获得的对其他国家的长期信贷序列数据。我们利用新收集的数据补充了关于银行信贷占GDP比例的现有数据集，这些数据来自：（1）20世纪40年代和50年代IMF印发的统计手册，以及（2）国际联盟在1925年至1939年间发布的多卷本《货币和银行统计资料》（Money and Banking Statistics）。有了这些新数据，我们就能够将样本中几乎所有国家的银行信贷占GDP比例的序列数据至少追溯到1918年，其中一部分国家甚至还可以追溯到1870年。本文在线附录中的表B4提供了每个变量的完整来源列表。

　　2.4 对危机的叙事性描述

　　为了比较银行股价下跌包含的信息与基于叙事性方法包含的信息，我们构建了一个“叙事性危机”列表，它是以下六篇著名论文曾论述的所有银行业危机的合集：波尔多等人（Bordo et al.，2001）；卡普里奥和克林格比尔（Caprio and Klingebiel，2002）、德米居奇-匡特和德特拉贾凯（DemirgüKunt and Detragiache，2005）、拉芬和瓦伦西亚（2013）、莱因哈特和罗高夫（2009，2014年在线更新），以及舒拉里克和泰勒（2012，2017年在线更新）。在线附录中的表A1报告了这一“叙事性危机”列表。我们将“叙事性危机年”定义为所有这六篇论文中每一场银行业危机报告的最早起始年。

　　在线附录中的表A2报告了一个新的数据集，它记录了恐慌和大范围银行倒闭事件。这个数据集根据叙事性来源的提示，收集了每一次恐慌的开始月份。我们收集到的关于恐慌和大范围银行倒闭事件的大量历史记录，都可以在在线附录I.B.中找到。

　　2.5 BVX危机列表

　　然后，我们将银行股价大幅下跌的信息与关于恐慌和大范围银行倒闭的新数据集系统地结合起来，创建了银行业危机年表。我们将这一年表称为“BVX危机列表”（BVX Crisis List）。下文的第6节描述了我们如何构建这一新的危机年表。