您好,欢迎来到ag真人试玩进口-官方首页!

产品展示

系统性金融风险监测预警方法国际比较和评析

发布时间:2021-08-15 12:35

  系统性金融风险监测预警方法是2008年全球金融危机以来的重要研究领域,新的技术和方法不断涌现。文章先后分析了1997年亚洲金融危机之前的监测预警方法,亚洲金融危机之后到2008年国际金融危机之间的监测预警方法,以及2008年国际金融危机之后的系统性金融风险预警监测方法,并对这些方法进行比较分析。作者认为国际上已经形成的系统性金融风险监测预警方法对我国建立并完善系统性金融风险监测预警机制具有重要的借鉴意义,同时要结合我国金融行业和金融市场发展的阶段进行创造性拓展。

  系统性金融风险监测预警方法是2008年全球金融危机以来的重要研究领域,新的技术和方法不断涌现。文章先后分析了1997年亚洲金融危机之前的监测预警方法,亚洲金融危机之后到2008年国际金融危机之间的监测预警方法,以及2008年国际金融危机之后的系统性金融风险预警监测方法,并对这些方法进行比较分析。作者认为国际上已经形成的系统性金融风险监测预警方法对我国建立并完善系统性金融风险监测预警机制具有重要的借鉴意义,同时要结合我国金融行业和金融市场发展的阶段进行创造性拓展。

  系统性金融风险监测预警方法是2008年全球金融危机以来的重要研究领域,新的技术和方法不断涌现。按时间划分,系统性金融风险监测预警方法可以分为三个发展阶段,呈现出由简单到复杂、由静态到动态、由线性到非线性、由局部到系统等特征,2008年金融危机以来,对系统重要性机构、系统关联及风险传染的研究分析也受到高度重视。不同的监测预警方法有各自的优势和缺陷,最终采用什么样的方法,要根据一国金融市场发展程度、数据信息统计完备程度以及金融监管体系来决定。本文以亚洲金融危机和2008年国际金融危机为节点,将系统性金融风险监测预警方法的研究发展划分为三个阶段,对各个时期主要风险预警监测方法进行了描述和对比分析,由此提出我国建立系统性金融风险监测预警指标体系的建议。

  20世纪90年代先后爆发的欧洲货币危机和墨西哥金融危机使得国际学术界认识到建立危机早期预警体系的重要性,对该领域的研究也在这个阶段取得了大量成果。在1997年亚洲金融危机爆发以前,比较有影响的研究成果有以下五类:

  弗兰克尔等人(Frankel & Rose,1996)提出的FR概率模型假定金融危机是非连续离散状态,危机是由多个因素综合作用而引发。其研究样本是从1971年到1992年内100个发展中国家的金融危机事件,样本数据是这段时期内各国的政府预算赤字占GDP的比率、国内外利率、信贷增长率、GDP增长率等宏观经济变量的年度数据。金融危机的定义为一国货币贬值25%以上,且至少超过上一年贬值率的10%(Frankel和Rose通过敏感度分析发现确切的临界点数值在这里并不重要),但其中不包括该国货币当局为了防范危机而提高利率或者抛出外汇储备的影响。FR模型原理是,选择金融危机的爆发与否作为选值为0、1的因变量Y,引发金融危机的多个因素为自变量X,β为自变量的参数,构建单位概率模型如下:

  模型参数β的估计值不能解释为边际影响,只能从符号上判断,若系数为正表明自变量越大因变量取1的概率越大,危机发生的概率越大。

  萨克斯等人(Sachs、Tornell and Velaseo,1996)选择20个新兴市场国家的横截面数据利用线性回归的方法建立预警模型。他们认为,影响一国发生危机的主要指标是实际汇率的变动(RER)、国内信贷规模扩张和货币供给M2与国际储备的比值。他们利用汇率变动比率和外汇储备变动百分比的加权平均值作为危机指数(IND),用银行对私人部门的债权与GDP的比值测量一国国内信贷规模的扩张(LB),用广义货币M2和外汇储备的比值衡量外汇储备丰度。为了模型研究需要,设计了2个虚拟变量DWF和DLR对这些国家分类。回归模型具体如下:

  模型结论是:当一国的金融系统较为脆弱,实际汇率被高估,大量的资本外逃,并且外汇储备水平较低的时候,经济基本面就容易遭受到严重的攻击。该模型解释了1994年墨西哥金融危机对其他新兴市场国家的影响,但并没有很好地预测1997年东南亚金融危机。

  KLR信号法是早期预警指标方法的代表,由卡明斯基等人(Kaminsky、Lizondo and Reinhart)于1996年提出。他们用1970—1995年发生于15个发展中国家和5个发达国家的月度数据确定货币危机的预警指标和阀值,建立了一个货币危机预警体系。KLR信号法的步骤是:首先确定货币危机发生的标准和原因;其次运用因果检验或回归分析等方法确定与货币危机显著相关的变量,以此作为货币危机发生的预警指标;第三是为每个预警指标根据其历史数据确定阈值,被突破的阀值越多,表明危机发生的概率越大。危机的定义是:一国出现货币大幅度贬值或外汇储备大幅度减少,通常是采用汇率月度变化数和外汇储备月度变化数的加权平均数——外汇市场压力指数,对危机进行量化。阈值是通过指标预警过程中发出的错误与正确信号的比例(噪音信号比)进行权衡的,噪音信号比越低则预警效果越好。1999年,卡明斯基根据对1997年亚洲金融危机的分析改进了原有模型,同时考虑了银行危机和货币危机的影响因素,并将预警指标扩展到17个。为避免指标过多导致不同指标的预警结果发生矛盾,卡明斯基对预警指标采用不同的加总方法,构建了4个预测危机的合成指标,通过实证研究发现,合成指标比单一指标有很大进步。

  安德鲁·伯格等人(Andrew Berg、Eduardo Borensztein、Gian Maria Milesi-Ferretti and Catherine Pattillo,1999)运用东南亚金融危机对上述三个模型的有效性做了检验,结果表明,相比FR概率模型和STV横截面模型,KLR信号法的预测准确度和有效性较高。比较三个模型可知,KLR信号法在选取指标方面也具有较好的效果,因此在一段时间内,KLR信号法成为很多学者选择指标的首选方法。

  IMF在检测KLR模型和其他模型在预测亚洲金融危机时的样本外表现时,设计了发展中国家模型(DCSD),根据离散阀值检验预测变量的有效性,该模型的预测水平和危机的定义与KLR模型一致,但在预测危机的概率时采用的是FR模型的多变量Probit回归方法,并且假设危机发生的概率随着预测变量的相对变化而线性增加。DCSD模型的解释变量包括:真实变量与趋势的偏差、活期存款与GDP的比率、出口增长、储备增长、M2/储备的水平,采用月度数据来选取哪些变量对于未来24个月内发生的危机产生贡献。

  斯坦福大学刘遵义教授(1995)使用实证比较分析方法和综合模糊评价方法,分析了东南亚地区发生金融危机的可能性。他认为,金融危机的最重要特征是货币突然大幅贬值,并伴以股市大幅下跌。危机的主要原因是危机前该国货币的持续长期高估。以墨西哥为参照国,刘遵义教授考察了1985—1995年东亚9个国家和地区的经济发展和金融状况,选取了10 项经济和金融指标,将“一国表现较差的指标个数与总指标个数之比”作为该国发生金融危机的主观概率,得出如下结论:菲律宾、泰国、韩国、印尼和马来西亚是可能发生金融危机的国家,而中国、中国台湾、中国香港和新加坡不大可能发生墨西哥式金融危机。随后发生的亚洲金融危机证明了主观概率模型的有效性。

  总体看,早期预警指标法简单清晰、切实有效,其主要缺点是对金融体系状况的监测不是连续性的,相对静态而且不具前瞻性,也没有将金融机构之间的相互关系和影响、金融行业之间的关联性纳入考虑范畴。由于这些模型多数在预测亚洲金融危机中失灵,并且在随后的实证检验中效果不佳,为此学者们开始重新设计新的金融危机预警系统,并把注意力集中于评价预警模型和预警指标的有效性等方面。

  综合指标法是通过对历次金融危机的数据进行分析,找出影响系统性风险的宏观经济、金融变量作为金融风险的预警指标,再通过统计方法对指标进行加总,构建预警指标体系,反映金融体系风险的综合状况。从预警的角度,可以基于综合指数的历史数据设定阈值,当综合指数高于阈值时,表示当前的金融体系处于高风险或危机时期。这种方法为很少或没有发生过金融危机的国家建立系统性风险预警体系提供了选择。具有代表性的综合指标法有:(1)IMF的金融稳健指标(Financial Soundness Indicator),包括核心指标和鼓励指标。核心指标只涵盖银行业,包括资本充足性、资产质量、盈利能力、流动性和对市场风险的敏感性五个方面共12项具体指标。鼓励指标包括存款机构、其他金融机构、非金融公司部门、市场流动性、住户部门和房地产市场等方面共27项具体指标。(2)伊林等人(Illing and Liu,2006)的金融压力指数(Financial Stress Index),该方法以一系列金融市场数据作为风险指标,利用不同的加权方法将指标合成为金融压力指数。再以其他金融风险先导指标为系统性风险的预警指标(解释变量),并检验预警指标对金融压力指数影响的显著程度,从而确立最终的金融系统性风险预警指标体系。(3)Jan Willem van den END (2005)的金融稳定状况指数,该方法在货币状况指数(MCI)和金融状况指数(FCI)的基础上,引入了金融机构清偿力和金融机构股票波动率两个新的指标,指数由实际利率、实际有效汇率、房地产价格、股票价格、金融机构偿付能力、上市金融机构股票价格六大类指标加权合成,并创新性地给出了金融稳定指数运行的上下边界。

  人工神经网络是人工智能领域的研究成果,是模拟人脑思维模式进行分析的数学模型。ANN的基本处理单元仿效生物神经细胞的基本特征进行信号的输入、综合处理和输出,通过选取不同的模型结构和激活函数,可以形成各种不同的ANN,得到不同的输入输出关系式。与传统方法不同,人工神经网络是通过“训练”来解答问题,将一系列的输入和理想的输出作为训练的“样本”,根据一定的训练算法对网络进行足够的训练,使得ANN能够学会包含在“解”中的基本原理。当训练完成后,该模型可以用来求解相似的问题。

  马尔可夫状态转换(也有文献译为“区制转换”)是指,一个系统从一种状态转移到另一种状态时,存在着转移概率,并且这种转移概率可以依据其紧接的前一种状态推算出来,ag试玩免费,与该系统的原始状态和此次转移前的马尔可夫过程无关。汉密尔顿(Hamilton,1989,1990)开始用马尔可夫状态转换方法进行经济学实证分析,此后,该模型被大量用于研究经济周期、经济冲击、金融波动等方面。汉密尔顿把不同的状态变量引入模型,分析过程可以形成一系列结构方程和状态转移概率,不但能够刻画不同状态下的经济趋势,而且可以描述不同状态间的转变特征(①郭莹莹,“国内外金融危机预警模型述评”,《科学决策》2013年第10期,第71页。)。因此,状态转换法简化了标准模型的诸多假设,能够刻画危机期的内生性,同时避免了连续变量到离散变量转换中的信息损失,目前,该方法已经被广泛地应用于建立金融危机预警系统。

  库玛等人(Kumar、Moorthy and Perraudin,2002)提出基于滞后宏观经济和金融数据的 Simple Logit模型构建了投机冲击预测模型。该预警模型综合了 FR 模型的概率分析法和 KLR 模型的信号分析法,提高了对投机性货币冲击和货币危机的预警水平。一是它考察了两种危机发生的可能性(利率调整引起的汇率大幅贬值;货币的贬值幅度超过以前的水平),而传统的预警模型只考虑一种货币危机的情形;二是该模型在进行样本内(in-sample)预测的同时还进行样本外(out-of-sample)预测,从而使模型的预警能力更强;三是该模型可以对预测结果进行比较和检验,能在一定程度上克服过去模型只能解释危机的局限。

  2008年国际金融危机之后,随着宏观审慎监管理念的提出,对系统性金融风险的识别和评估研究发生了较大的变化。一是开始更多地考虑金融体系内部关联性和传染性度量;二是从识别系统重要性金融机构出发,测度单个金融机构对系统性风险的边际贡献;三是除资产负债表的数据以外,还针对债券股票市场上高频和时效数据开发了一系列评估模型。

  在2009年4月版的《全球金融稳定报告》中,IMF提出要对金融机构的系统关联性进行分析,并列举了4种定量分析模型,为解决“关联太广不能倒”(too-connected-to-fail)问题提供相应的政策理论基础。

  网络分析法主要依赖金融机构之间的风险敞口数据来评估一个流动性紧缩事件或者信用事件在金融系统引发的多米诺效应。同时,网络传导分析法可以用于识别系统重要性金融机构、金融系统网络结构和风险传染路径(②IMF,《全球金融稳定报告》,2009年4月。)。首先是构建金融机构间的双边风险敞口矩阵,之后基于模拟的风险在网络中的传导便可以得到倒闭的金融机构数量,从而能够度量系统性风险大小。模拟情景分为两种:一种假设风险只通过信用风险渠道传染,不存在流动性风险;另一种假设是在信用风险冲击下,流动性不足的银行可能通过降价实现部分资产的变现以补充流动性。在网络分析法当中,系统性风险的标准可以根据模型的需要进行灵活调整,既可以用银行破产比例也可以用资产损失率等指标。

  共同风险模型法是基于市场数据来评估具有共同风险暴露的金融机构之间的风险传染,该方法认为金融机构的系统性关联来源于共同的风险因素,例如相似的经营模式、资产组合或者会计方法等,这导致这些金融机构在面临同一风险时将有同样的后果。因此,共同风险模型法比网络分析法关注的风险因素更多,在一个有效金融市场中,这些风险通常反映在股票、期权、CDS等市场价格当中,可以通过计算VaR值、违约距离、违约概率、CDS信用价差等指标,来分析当出现风险时金融机构之间的系统性关联。

  金融机构风险之间的共同运动并不遵循线性模式,而是随着风险水平的提高呈现非线性增长的模式。艾德里安等人(Adrian & Brunnermerier,2008)引入了分位数回归分析法衡量非线性关系,计算出条件共同风险从而得到由于和其他机构存在关联性而造成风险溢出的市场估值。共同风险模型法通过对尾部事件的条件共同风险进行分析,可以揭示哪些机构存在密切的关联性,通过加强对它们间的关联性监管,可以防范系统性风险。

  困境依赖矩阵法采用市场数据构建一个随时间改变的多变量分布模型,来揭示金融机构间的线性和非线性依赖关系,以此估计每对机构陷入困境的条件概率。塞戈维亚诺等人(Segoviano & Goodhart,2009)使用多家金融机构的CDS价差数据,先估计这些机构违约的联合概率分布,再计算当一家机构违约时另一家机构的违约概率。通过困境依赖矩阵法可以分析特定机构陷入困境时如何影响其他金融机构,并最终影响整个金融体系。

  吉塞克等人(Giesecke & Kim, 2009)提出用衡量金融机构单位时间内违约概率的违约强度模型来统计银行违约的次数,进而捕捉金融机构之间的系统性联系。这种方法采用金融机构的历史违约数据,拟合事先设定的违约强度模型,衡量由于直接或间接系统性关联而导致的大部分金融机构违约的概率。假设金融机构违约率服从某个类似利率方程的扩散方程,通过估计系数来确定违约率,以违约率来度量系统性风险。违约事件发生时,违约率会显著增加,说明溢出效应导致其他违约事件发生的可能性会明显增加。

  CoVaR 方法是在广泛应用于风险管理的VaR方法基础上发展而来的。传统的VaR 法只能静态地测度风险,难以解释机构之间的风险传染效应。艾德里安等人(2008)对VaR 模型做出了重大变革,提出 CoVaR 方法,衡量当金融资产或金融机构A处于危机状况下,金融资产或金融机构B所面临的风险。CoVaR可以灵活使用,若将A视为单个金融市场或单个金融机构,将B视为整个金融体系,则CoVaR 度量的便是单个金融市场或机构发生极端风险时系统风险的变化情况。因此,采用CoVaR有助于识别系统重要性机构,也有助于研究整个金融体系的风险溢出效应。

  CoVaR具有和VaR一样的缺陷,只考虑损失分布的分位数,不能很好地考察阀值以下极端情况下的尾部风险。阿查亚等人(Acharya et al,2010)提出MES和SES方法测算金融系统性风险,度量了阀值以下极端情况的所有损失。MES和SES方法考虑了金融机构杠杆率对系统性风险和金融机构的边际风险贡献的影响,并且证明了可以通过没有发生危机时各金融机构的边际期望损失和杠杆率,预测发生金融危机时金融机构对整个系统的边际风险贡献。本次国际金融危机后,这两种方法得到了广泛应用。阿查亚等人(2011)的研究表明,MES法可以直接测度一家金融机构对整个系统性风险的贡献度,具有越高MES值的银行对整个系统的系统性风险贡献度越大,监管当局可以通过加强对那些边际风险贡献和杠杆率大的金融机构监管,来降低系统性风险,防范金融危机爆发。

  两种方法的区别在于:SES度量的是金融机构对整个金融系统的系统性风险贡献,而MES不考虑金融机构的杠杆率、规模及其法定资本充足率,只是衡量当市场收益率出现极端下跌情形时,金融机构股权收益率的期望损失。此外,金融机构的SES由金融机构的负债、股权市场价值及MES决定,MES只是SES的一个因子。

  或有权益分析法由莱哈尔(Lehar,2003)提出,格雷等人(Gray & Jobst,2009)将其发展完善,用来估计系统性困境条件下来自金融系统的政府或有债务,这种方法不仅能够度量由金融系统转移至政府部门的潜在风险,而且还能识别单个金融机构对政府或有债务的贡献度。该方法以默顿期权模型为基础,将公司权益视为公司资产、执行价格视为公司未偿债务的看涨期权,将公司负债模型化为买进无风险债务,同时卖出一份基于公司资产的看跌期权。通过用CCA模型计算出隐含的看跌期权的价格,与CDS市场的信息结合起来,可估计出政府对金融系统的或有债务,也就是金融风险可能转移给政府承担的部分。假如政府担保不影响公司权益价值,CDS利差能捕捉金融机构留存的期望损失。因此,市场隐含的政府担保定义为金融系统总的期望损失与由CDS利差导出的隐含的看跌期权价值之差。

  美联储的黄等人(Huang、Zhou & Zhu,2009)提出用“困境保费”指标测量系统性风险。该方法定义系统性风险为银行系统总的损失超过给定的临界值,系统性风险的来源为实际违约风险和流动性风险,困境保费相当于覆盖系统性风险损失的一个假想风险溢价。每家金融机构对系统性风险的边际贡献是规模、违约概率和资产收益相关系数的函数,其中违约概率和资产收益相关系数可以由CDS价差和股票价格估计出来。困境保费随着违约概率(PD)和资产收益相关系数的增加而增加,即单个银行的破产概率越大,或者银行对相同的风险因子暴露程度越高,都会导致系统性风险增强。这种分析方法有较高的实时性,可用于任何具有CDS合约的上市公司。计算困境保费指标可分三个步骤:一是估计风险中性违约概率(PD),PD不仅反映了实际的违约概率,也反映了风险溢价成分;二是计银行资产收益的相关系数;三是构建系统性风险指标,构造一个假设的组合,组合中包含成员银行发行的债务工具,权重为每家银行的债务规模,系统性风险的指标定义为应对未来12周该组合的潜在困境损失所需要的保险费,即“困境保费”。困境保费类似于期望损失ES,都是极端条件下,组合信用损失的条件期望。区别在于,对极端条件的定义不同,ES中用百分数分布,而DIP中用一个给定的临界值。

  本次金融危机之后,综合指标法得到了进一步发展,其特点是把衡量金融体系组成部分的风险指标集合成一个综合指标,以体现金融体系的风险。以欧洲央行奥洛(DHollo、 MKremer and MLo Duca,2010)设计的系统性风险综合指标法(Composite Indicator of Systemic Stress,CISS)为例:首先,把金融体系分为货币市场、股票市场、债券市场、外汇市场、金融机构五个组成部分;其次,从每个组成部分当中分别挑选出三个互不相关的最能反映其风险程度的压力指标;第三,用累积分布函数方式将压力指标变成取值为(0,1\]的变量,再通过各压力指标的算术平均值分别计算出五个组成部分的压力指数;第四,以各个组成部分对金融体系的冲击大小(用标准线性VAR模型计算)为权重,合成最终的CISS指标。欧洲央行的CISS当中,分配给货币市场、债券市场、外汇市场、股票市场、金融机构的压力指数的权重分别为15%、15%、15%、25%、30%。奥洛等人认为,以实际冲击为权重还是取各压力指数的算术平均值,最后得到的CISS效果实际上差别不大。该方法不仅能实时监测、评估整个金融体系的风险水平,反映金融危机的历史变动情况,还能评估监管机构政策对缓解系统性风险的作用。

  2008年金融危机以来,压力测试法被国际组织以及各国中央银行、金融监管机构和金融机构广泛采用,比较有代表性的有美国的银行业监管资本压力测试(SCAP)和欧洲央行的银行偿付能力宏观压力测试框架。压力测试一般分为情景测试和敏感性测试两类。情景压力测试具体划分为历史情景和假定情景,是在假设多种风险因素(如股价、利率、汇率、信用等)变化时,测试金融机构或系统出现的脆弱性情况。敏感性压力测试是观察当风险参数瞬间变化一定单位量时(如5个百分点的下跌或上涨情况下),金融机构或资产组合的市场价值出现多大幅度的变化。敏感性测试仅需指定风险参数变化,而无需确定冲击的来源,因此运行相对简单快速,而且经常是即时的测试。压力测试主要包括四个步骤:一是识别风险因子;二是设计压力测试情景;三是通过敏感性分析或情景分析建立压力测试模型,并测算压力情景下测试对象的承压结果;四是用模型测算出的定量和定性分析结果,判断资产组合或金融机构的稳健性。

  自2008年国际金融危机以来,国际组织和主要国家的金融监管改革建议及实践都强调从金融体系整体角度看待系统性风险,强化监测预警。一是将低频和高频指标结合使用,以反映系统性风险缓慢积累但瞬间爆发的特征;二是构建涵盖各个金融部门的指标体系,并加入宏观经济变量和国际因素,以全面识别金融体系风险;三是广泛使用以压力测试为代表的数理工具。

  在总结亚洲金融危机教训的基础上,IMF和世界银行于1999年联合推出了金融部门评估规划(Financial Sector Assessment Program,FSAP),旨在加强对成员经济体金融脆弱性的评估与监测,减少金融危机发生的可能性,推动成员经济体的金融改革和发展。经过逐步发展和完善,FSAP已成为国际社会广泛接受的评估体系。评估规划的评估方法包括金融稳健指标分析、压力测试以及国际标准与准则评估。

  2008年金融危机爆发后,IMF和FSB受G20的委托,共同建立了一个系统性风险早期预警测试系统(Early Warning Exercise,EWE),用于识别引发系统性风险的脆弱性因素并提出应对措施。该系统加强了对风险因素和传导路径的研究,特别关注小概率尾部风险因素。EWE采用定性和定量分析相结合的方式,定性分析充分吸收来自于市场机构、专家、智库、各国监管当局的观点和意见,定量分析则运用大量模型研究危机风险和脆弱性,模型主要包括三类:部门和市场脆弱性分析模型、国家风险模型、溢出传染模型。

  SRM通过计量模型预测发生宏观经济冲击之后银行体系发生系统性风险的概率,同时也被用于开展日常的压力测试。SRM由四部分模型构成:一是多风险因素变动分布模型,这个模型得到包括宏观经济变量、利率、汇率、股价等市场变量各个风险因素变动的联合分布;二是市场风险损失模型;三是公司及个人信用风险损失模型;四是银行间网络模型。银行体系的最终损失就是基础性风险与传染性风险的加总,即市场风险损失、信用风险损失、同业清偿性损失之和。

  英国2011年开发的系统性风险评估系统(Risk Assessment Model for Systemic Institutions,RAMSI)的设计思路与奥地利的SRM比较相似,不同之处是增加了“流动性中断”带来的系统性风险。国际金融危机表明:在压力情况下,即使是资本充足的银行,也会发生严重的流动性问题。RAMSI引入了考察整体流动性风险的反馈环,关注当危机发生时由于交易对手信用损失和资产市场价值的减少等因素加剧对系统流动性风险的影响,包括市场流动性风险与融资流动性风险的相互强化,以及信用风险、市场风险和流动性风险的相互影响造成的流动性蒸发。RAMSI采用的方法包括压力测试和网络传导分析法等,利用模拟方法对每个分析环节进行冲击测试,评估内容包括金融业整体风险、主要银行脆弱性、银行业对特定冲击的抵抗能力、政策措施产生的系统性效应等。

  荷兰央行的模型假设系统性风险是系统性事件发生的概率。系统性事件有三个重要特征:一是产生于重要的冲击,二是传染和增强作用,三是对金融部门的中断作用。模型从宏观经济情景对金融体系的冲击入手,度量宏观经济变量分布变化引起的风险因子变化,再基于计算出的初始损失通过网络分析等度量传染的方法衡量系统损失。模型还分析了产生外部性的传染和扩大机制,确定了两个产生外部性的渠道:一是金融部门之间的传染,二是金融部门和实体经济的亲周期性。每个渠道都有许多增加损失的机制。金融部门之间的传染通过银行间资产负债关系、降低流动性和信息溢出发生作用。金融部门和实体经济的亲周期性产生于监管、金融(信用扩张)、羊群效应和资产价格泡沫。

  (6)韩国央行宏观审慎政策系统性风险评估模型(SAMP)(①张启阳, “韩国央行宏观审慎政策系统性风险评估模型及对我国的启示”,《金融发展评论》,2013年第10期。)

  韩国央行于2011年9月推出了宏观审慎政策系统性风险评估模型(SAMP),是由6个模块组成的系统性风险综合模型体系,不仅能够模型化宏观经济冲击对金融系统的首轮直接效应,而且能够模型化因银行间传导、紧急抛售、信贷收缩、去杠杆化等原因导致的第二轮扩散效应。该模型注重衡量危机发生时,由宏观经济及金融部门不均衡导致的尾部风险,在统一框架下衡量多种类型风险,作为实施宏观压力测试的平台,可以评估假定情形下金融系统的脆弱性,能够对多种审慎政策进行效果模拟分析,由于其风险测定基于单个金融机构,该模型还可以用于分析单个金融机构的脆弱性。SAMP模型的6个模块分别为:宏观风险因素概率分布模块、银行损益模块、破产传导模块、融资流动性传染模块(测算银行系统为应对流动性危机而遭受的损失情况)、多阶段模块(测算银行系统的年度损益规模)、系统性风险度量模块(通过评估银行系统总损失分布,进而评估系统性风险概率)。

  随着我国金融体系市场化程度的提高,国内金融管理部门已经建立了分工较为清晰、内容较为全面的金融风险监测预警体系:人民银行负责整个金融体系的系统性风险,银监会、证监会、保监会分别负责各自行业的风险监测预警,外汇局负责国际收支和跨境资金流动风险监测,上述部门之间还建立了监管协调机制。自2005年以来,我国中央银行开始定期出版《中国金融稳定报告》,对金融体系稳定状况进行全面评估,同时不断丰富系统性风险监测和调控工具,探索建立我国系统性金融风险预警指标体系,开展金融风险宏观压力测试,针对宏观经济、金融机构、金融市场、金融基础设施等进行稳定评估和脆弱性分析,强化对跨行业、跨市场产品和机构及影子银行的风险监测。银行、证券、保险监管部门也分别建立了现场检查和非现场监测制度,在此基础上,运用风险指标体系、压力测试、预警分析系统等定性或定量工具分析行业风险状况,例如银监会的银行风险早期预警系统(REASS)、证监会的证券市场系统性风险监测指标体系、保监会的保险业宏观风险监测指标体系等。

  早期预警指标法具有简单明晰、数据易得的优点,其最大优势在于指标选择广泛,可以根据一系列预警指标和阀值确定危机产生的根源。其主要缺点是对金融体系状况的监测不是连续性的,相对静态而且不具前瞻性,也无法判断各个金融机构之间的相互关系和影响。但是,早期危机预警指标体系存在几个明显的缺陷:一是其实现准确预警的前提条件是基于历史数据能够对金融危机或系统性风险事件进行准确定义,这对尚未发生过金融危机的国家难以适用;二是预警所依赖的指标选取和阀值的确定有一定主观性,缺乏公认的统一标准;三是普遍采取通过固定时点预测相对应时点金融稳定状况,信息获取的频率相对较低(基本是年度、季度数据),因此对金融体系状况的监测不是连续性的,相对静态而且不具前瞻性,仅起体温计而不能起到天气预报的作用;四是没有考虑金融系统内在的关联性以及风险的传染性,不能适应系统性金融风险分析的最新趋势。

  综合指数法与早期预警方法有相似之处,即基于资产负债数据的指标和模型较为简单和滞后,但是对于数据量有限、金融市场不够完善的发展中国家而言,这些方法依然有着非常重要的意义。相比其他预警方法,综合指数法是一种极为灵活、可简可繁、明了清晰的系统性风险度量方法,无论对已发生过还是未发生过金融危机的国家均适用。在综合指数的制定中,并不关注风险是如何发生的,仅以金融体系中各指标的历史表现与金融危机之间的相关性作为指标定量构建的主要依据,再结合金融理论对这些指标进行选择,通过对指标现状的判断分析该金融系统的安全水平和发展趋势。此外,该类方法也可以和很多模型方法结合使用,如在指标的选择中可以通过时间序列模型选出,权重的选择也可以由模型来决定,还可运用模型构建复杂指标作为原始指标进行加权。综合指数法的缺陷在于,对于各指标层次人为设定权重,一定程度上割裂了金融风险的动态演变过程,可能导致预测误差。

  网络分析法作为研究风险传染和金融机构关联性的一种方法,其优点在于将系统性风险的传染与金融机构间的实际交易相关联,能进一步确定金融体系的关联性和金融机构的脆弱性,追踪风险潜在的蔓延路径,并能量化潜在的资本损失。而共同风险分析、困境依赖矩阵法和违约强度模型可以监测到金融机构由于面临共同风险因素而产生的间接关联,这些方法使用股票、期权、CDS等市场价格信息(可以计算VaR值、违约距离、违约概率、CDS信用价差等指标),其优势在于:一是数据可以以更高的频率得到及时更新,二是资产价格变动反映了市场参与者对潜在权益未来表现的预期,因而这类衡量方法具有较高的前瞻性。但这几种方法都存在的缺陷是依赖一个有效的金融市场,对于金融市场不发达的国家难以适用。尽管以上四种方法都有其相应的局限性和缺陷,但IMF建议可以综合使用这四种方法来得到一套有实践操作意义的监管工具。

  评估系统性风险损失和损失概率的方法主要针对单个机构对系统性风险的贡献(应该先总体介绍一下这个方法,再分别论述)。其中,CoVaR可以测度一家金融机构的倒闭对整个系统的风险贡献,反映其风险溢出效应,从而识别出系统重要性金融机构。其不足之处在于:一是和VaR同样为非一致风险测度,不具有可加性,难以通过单个金融机构的风险贡献加总来估计整个金融系统所面临的系统性风险;二是和VaR一样仍然只考虑损失分布的α分位数,不能很好地捕捉极端情况下的尾部风险,而危机爆发时,尾部损失才是应该关注的重点;三是正态分布假设与实际差异较大,实际中收益率有着尖峰、厚尾和负偏的非正态分布特征且存在波动聚集效应;四是对于历史数据的依赖导致其缺乏前瞻性预测未来极端事件发生的能力。期望损失法、或有权益分析法、困境保费法在一定程度上改进了CoVaR方法的不足,但这几种方法也存在着模型构建复杂、计算繁复、对金融市场数据高度依赖等问题,对大多数金融市场不完善的国家难以适用,并且都是从局部或一个侧面而非整体来研究系统性金融风险。

  ANN模型的主要优点是其灵活的规则和捕捉变量间复杂的相互关系的能力,可以用来逼近复杂的非线性动态函数,同时它具有容错能力,对数据的分布要求不严格,具备处理资料遗漏或是错误的能力,此外它具有学习能力,可随时依据新的数据资料进行学习和训练,调整其内部的储存权重参数以应对多变的经济环境。ANN的缺陷在于:一是模型理论比较抽象,模型具有黑箱性,对模型具体的判别过程无法进行直观的描述;二是当在给定大量的样本数据和网络结构的情况下,存在过度拟合问题。

  马尔科夫状态转换法的优势:一是突破了线性模型的约束,能够更好地捕捉到变量的非线性特征,根据模型的平滑概率分布也可以估算危机发生的概率大小;二是可以直接使用各种危机压力指标进行预警,避免了连续变量到离散变量转换中的信息损失,从而弥补了信号模型和概率模型的很多缺陷;三是它不需要事先确定危机期,而是通过最大似然法预测出危机发生概率,同时也获得危机的发生时期及其特征。其不足之处是模型的计算过程非常烦琐,而且模型的影响因素选取不能过多,否则导致待估计系数迅速递增,影响计算的速度和精度。

  压力测试法的优点是它考察了历史数据中没有的极端事件风险。其不足之处:一是开展压力测试需要大量数据为基础,如果数据基础薄弱,数据长度不足,将导致压力测试模型不能准确反映压力下的变化,从而低估风险;二是该方法比较主观,如果情景设定不合理,压力测试结果必定不准;三是不能很好地处理相关性问题,并且很难测定多种因素综合发生变化时所造成的影响。在实践中可以采用相关指标对系统性风险进行衡量的同时,通过压力测试考察如果负面冲击发生时经济系统的可能损失,将这两种方法综合在一起有利于提高对系统性风险衡量的前瞻性和准确度。

  通过上述研究分析我们可以看出,系统性金融风险监测预警方法的发展呈现几个特点:一是由简单到复杂,从人为设定若干指标和阀值与历史数据进行简单对比,发展到普遍使用复杂的数学模型,并引入了物理学、系统科学等其他科学领域的前沿分析方法;二是由静态到动态,从使用月度、季度甚至年度低频数据,发展到使用成熟金融市场的股票债券价格、CDS价差等高频交易数据,将静态、滞后分析变为动态实时跟踪;三是由线性到非线性,从过于简化的线性分析发展到更加符合金融风险演变特征的非线性分析;四是由局部到系统,从货币危机、银行危机预警发展到覆盖多个金融部门并加入宏观经济变量和国际因素的系统性风险监测;五是高度重视对系统重要性金融机构、金融体系的关联性及风险传染的研究分析。针对不同的监测预警方法,IMF(2009)提出,对于不发达的发展中国家金融市场,金融稳健指标仍可作为衡量系统性风险的主要依据。对于发达国家金融市场,由于其信息来源更为多元,交易产品结构较为复杂,对系统性风险的衡量需要包括基于市场数据的其他衡量方法,以提高风险衡量的前瞻性和准确性。

  国际上已经形成的系统性金融风险监测预警方法对我国建立并完善系统性金融风险监测预警机制具有重要的借鉴意义,同时要结合我国金融行业和金融市场发展的阶段进行创造性拓展。

  一是不同的金融风险预警监测方法均有各自不同的优势和缺陷,这些方法都只反映了系统性风险的某一方面或几个方面。系统性风险评估不存在单一指标或模型,而是应当依赖一系列方法和工具,以涵盖金融体系的不同侧面、各种金融冲击和风险传递渠道。其监测对象既包括金融机构,也包括金融市场和金融产品;既覆盖表内业务,也覆盖表外业务;既关注金融体系自身风险,也关注外部冲击对金融体系的影响;既关注系统重要性机构,又关注金融机构之间的关联和风险传染。特别是要针对我国金融体系的特点,对特有的风险隐患有所侧重。

  二是鉴于在我国当前的分业监管体制下,金融数据还存在一定的分割状态,应当深化金融行业信息共享,加快建立覆盖全面、标准统一、信息共享的金融行业信息统计体系。良好的数据统计是系统性金融风险监测预警机制的基础和保障,包括:数据采集全面且规范,主要指标体系、数据口径和系统接口统一,数据信息及时、连续且能够确保真实性和完整性,数据的历史长度能够满足对不同经济周期下金融体系运行情况的描述,数据的覆盖范围能够反映金融体系的全貌。如果不具备这些条件,许多方法特别是模型化的监测预警工具将无法运用,监测预警的效果也将大打折扣。

  三是从我国金融市场发展程度看,由于利率市场化、汇率制度改革和资本项目开放还未完成,金融市场工具和交易产品还不够丰富,风险对冲机制还不完备,以市场数据为基础的预警方法还难以适用。相对而言,基于资产负债数据的指标和模型的综合指标法以金融体系中各指标的历史表现与金融危机之间的相关性作为指标定量构建的主要依据,结合金融理论选择其中的合适指标,通过对指标现状的判断分析该金融系统的安全水平和发展趋势,可以作为我国当前和今后一段时期的系统性风险监测预警的方法。同时,针对金融机构之间、产品之间相互合作日益密切,金融体系的关联性不断加大的趋势,可以将系统关联性和风险传染性指标纳入综合指标法中。此外,还可以使用压力测试工具,以捕捉历史数据中没有的尾部风险及对金融机构资本抗风险能力的影响。(完)

手机:400-0576616

邮箱:2636118@qq.com

地址:河南省 濮阳市 西村镇永安路280号

产品展示
波纹补偿器
系统性金融
中国小推力
介绍色散补
ag试玩免费面
哈尔滨市将
案例展示
河南加强式
双台风先后
鸭嘴阀在安
二维码
Copyright ©2015-2020 ag真人试玩进口-官方首页 版权所有 ag试玩免费保留一切权力!