构建中国特色系统性风险监测体系

　　党的十九大报告指出,“健全金融监管体系,守住不发生系统性金融风险的底线”。系统性风险更多地是由于外部冲击而被金融体系的内在放大机制所放大的一类风险。这里的外部冲击,实际上是指风险源。金融体系的内在放大机制,核心是关联性机制,是金融机构、金融市场、金融机构与金融市场之间由于各种业务联系、管理模式乃至心理预期或者信息溢出等形成的关联性。当前,对系统性风险的度量存在两种背离:高频监测与有效性监测的背离;风险实现测度与风险累积测度的背离,亟待探索构建符合中国市场实情的监测指标体系。

　　尾部依赖模型:

　　可高频监测但有效性不足

　　目前,市场上应用较多的系统性风险高频监测指标,以尾部依赖模型为主,包括条件在险价值(CoVaR)、边际期望损失(MES)、系统性期望损失(SES)等。

　　该类模型主要以金融机构发行的股票、债券、信用违约互换(CDS)等金融市场数据分布的尾部依存关系为重点研究对象,刻画金融体系内在的关联性。

　　利用金融机构发行的各类金融市场工具构造系统性风险指标,能较高频率地测度风险,最高可以达到日频,用得最多的是周频、月频等。这类指标测算简单,对数据的要求较低,且不需要额外假设冲击幅度,测算较为客观。因此,国内外涉及系统性风险的高频测度,基本以这类指标为主。

　　然而,中国金融体系仍以间接融资为主,金融市场等直接融资模式虽然发展较快,但占比相对较低。此外,利用金融市场数据测算系统性风险的前提是金融市场的有效性程度较高,即金融机构发行的金融工具的市场价格,能够有效地反映金融机构的实际经营状况,但这在中国较难成立。例如,在中国股票市场出现异常波动时,银行业等并未出现大的经营问题。当银行业不良率等风险凸显时,其股票市场数据也通常未对其进行反应。因此,尾部依赖模型揭示的很可能是股票市场风险,而不一定是银行体系等更为重要的金融部门风险。

　　金融网络模型:

　　适合中国市场但数据可得性差

　　除尾部依赖模型之外,金融网络模型也得到广泛关注。这类模型主要利用金融机构的经营业务数据构建金融网络,并以此刻画金融机构之间的关联性。目前,金融网络模型更多地是以宏观审慎压力测试的形式出现,即分析在金融网络中引入负向冲击,比如金融机构的资产(权益)遭受损失或者金融机构破产,进而通过金融网络将这些冲击进一步放大的情况。

　　目前,金融网络模型中描述的业务关联性,涉及最多的是同业拆借市场导致的关联性,即银行与银行之间存在的直接债权债务关联性。除此之外,一种新的业务关联性,逐渐得到学者的关注。这种关联性是金融机构通过持有类似资产而导致的间接关联性,即两家银行持有类似的资产,进而通过资产价格变动而发生的关联。这类关联关系是一种降价抛售的关联性。在资产市场处于压力情形时,一家机构抛售资产,导致该项资产价格下跌,进而导致另一家持有该项资产的机构遭受损失。相关研究已经证实,这种间接关联性的传染力度比直接持有债权债务关系的直接关联性大得多。此外,次贷危机引发的金融海啸,与金融机构持有类似的资产有紧密关系,这种类似资产被称为“有毒”资产,并被大家熟知。

　　基于金融机构经营业务的金融网络模型,理论上可以成为理想的系统性风险监测模型。然而,受制于以下条件,目前这类模型主要用来做压力测试。一是数据可得性较差。对于银行的直接债权债务关系,公众往往只能得到总的敞口数据,无法得到该模型所需要的机构与机构之间的双边敞口数据。二是数据频率低。目前金融机构经营业务的数据主要源于金融机构的财务报告,最高频率只有季度数据,大部分可能只有年度数据。而且,季度的财务报告数据只有上市的金融机构才有。如此低的频率,对于系统性风险的动态监测显然远远不够。三是数据质量较差。通过财务报告提供的数据,对于系统性风险监测而言,往往披露不够细致。此外,由于金融机构监管套利动机的存在,一些同业业务的数据可能被记在其他项目中,而这些数据对于构建系统性风险指标非常重要。四是难以确定合理的冲击幅度。金融网络模型往往需要构造外部冲击。外部冲击的幅度对系统性风险的测度很关键,但目前在这方面运用更多地是主观假设,尚没有一个客观的标准。

　　风险实现测度

　　与风险累积测度有待调和

　　基于明斯基(Minsky)金融不稳定假设,系统性风险往往在上行金融周期累积,在下行金融周期实现,中间的转折点即为明斯基时刻。系统性风险累积往往在金融体系运行较为良好的状态下进行。在该阶段,较低的波动率、较好的资产市场行情,促使金融机构的风险监管约束趋于放松,相关经济主体倾向于增加杠杆、购买具有更高风险的资产。但在下行金融周期,市场波动率提高、资产市场行情变差,过度风险承担遭遇各类负向冲击,从而导致系统性风险得以实现。系统性风险实现的激烈情形对应着系统性风险事件,甚至是金融危机的爆发。

　　但事实上,尾部依赖模型以及金融网络模型刻画的是系统性风险的实现值。该类指标只在危机来临时才发出信号,是一种顺周期的系统性风险指标,适合同步监测,但做不到前瞻性预测,而前瞻性预测对于系统性风险的防范更为重要。

　　要做到前瞻性预测,一种思路是刻画系统性风险的累积,即刻画上行金融周期下的风险指标值。在宏观金融模型中,往往以信贷膨胀、资产价格上涨、杠杆率攀升作为风险。这类指标刻画的便是系统性风险的累积,是一种逆周期系统性风险测度。该类测度指标更能反映前瞻性系统性风险监测思想。但在传统的宏观金融模型中,由于不考虑金融机构的异质性,只考虑代表性金融机构,忽视了金融机构的内部关联性。

　　兼顾同步监测和前瞻性预测

　　综上所述,在当前对系统性风险的度量中,高频监测方法(尾部依赖模型)往往利用金融市场数据,依赖于金融市场的有效性程度;有效性监测方法(金融网络模型)往往利用金融机构业务数据,数据频率较低且质量有待提高。风险实现测度以关联性为核心,具有顺周期特征,且只是同步监测,是一种微观金融视角的测度;风险累积测度以宏观金融测度为基础,具有逆周期特征,能前瞻性监测系统性风险,但缺乏关联性元素。为更好监测系统性风险,应结合中国市场实情,构建中国特色的系统性风险监测指标体系。

　　第一,利用微观业务数据,结合金融网络模型,构造有效的同步监测指标。监管当局可以尽可能收集金融机构的高频微观业务数据。这类数据要反映金融机构之间的关联性,比如直接债权债务关系,以及大多数金融机构持有的资产数据等。以高频微观业务数据为基础,构造业务关联网络模型,由此可以打破目前“高频监测”与“有效性”的背离问题,有效监测系统性风险。

　　第二,将微观与宏观金融风险度量相结合,构造前瞻性预测指标。微观金融风险管理指标的核心在于刻画金融机构之间的动态关联性,宏观金融风险度量的核心在于刻画金融机构的系统性风险累积。因此,可以在宏观金融风险度量指标体系中,以单家机构的信贷膨胀、杠杆膨胀、资产价格膨胀为基础,并以微观金融风险管理中的尾部依赖方法刻画关联性。为了尽可能构建高频前瞻性预测指标,应尽可能高频地收集单家机构的信贷膨胀、杠杆膨胀、资产价格膨胀等数据。

　　(本文系国家自然科学基金青年项目(71503290)、中央财经大学“青年英才”培育支持计划(QYP1802)阶段性成果)

　　(作者方 意单位:中央财经大学金融学院)