系统重要性金融机构识别方法综述，本文主要内容关键词为：金融机构论文,重要性论文,方法论文,系统论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、问题的提出
发端于美国次贷危机的全球金融危机已经给全球经济与政治秩序造成巨大的冲击。一方面，金融危机滋生经济衰退、工人失业、社会动荡、政权更迭、甚至诱发战争等负面效应将继续发酵；另一方面，这场危机揭示部分主权国家政府治理国家能力的不足，而金融政策制定者、监管法律立法者与金融监管者没有预警到自大萧条以来的严重金融危机实属有严重失职之嫌。因此，主张通过市场纪律而不是通过法律监管方式净化金融市场的理念是行不通的。同时，国内监管机构监管诸如以跨国经营为主要特征的“系统重要性金融机构”(Systemically Important Financial Institutions，即SIFIs)的能力已经力不从心。这是因为，不同国家在国情、经济发展状况、历史、文化、民族偏好方面存在差异，从而该国政府采取何种方式监管系统重要性金融机构也有很大不同。有鉴于此，各国有关系统重要性金融机构监管主体、监管理念、监管范围、监管制度、监管资源、监管责任等出现差异或甚至冲突都不足为奇。这种监管模式不仅会产生监管套利，而且大大增加了跨境风险管理合作的难度。
此次金融危机伊始，众多金融机构的破产所产生的系统性风险立刻成为当时及后来国内与国际的轰动性事件，因此，如何建构系统重要性金融机构风险管理机制备受关注。首先，强化与有效监管系统重要性金融机构备受国际社会青睐，国际货币基金组织(IMF)、金融稳定理事会(FSB)和巴塞尔委员会(BIS)等国际机构都积极加入如何规制与完善其相关法律制度。其次，虽然美国政府当初估计到了放任金融机构破产会产生风险，但并未预计到其破产所产生的系统性风险的破坏力是如此之大。最后，金融机构的失败清晰表明，一个单一具有系统重要性金融机构的金融主体失败亦能加剧国内或全球金融秩序的不稳定，这是一国政府为什么不得不依靠宏观经济形势，慎重选择是让出问题的系统重要性金融机构破产或是救助的重要原因。
因此，必须重新审视“太大而不能倒”问题，而理论的思考重点则应放在规避金融机构经营的溢出效应即负外部性方面。Bernanke(2009)提出，金融机构面临的关键问题是“太关联了而不能倒(Too Interconnected To Fail)”，而Rajan(2009)认为是“太系统了而不能倒(Too Systemic To Fail)”。在实践当中，构建系统重要性金融机构的日常风险管理机制，实施宏观审慎监管成为货币和监管当局的最新应对思路，并被付诸实施，见诸法律。
本文认为，对于SIFIs的理解应该置于全球化的历史背景之下，应该更关注并购引起的风险(因为跨国、跨地区收购将使本来就复杂的金融机构变得更加复杂)和新业务引起的风险。这是因为，目前有关金融产品法律制度相对滞后，尤其是金融机构新业务相关方面的规制更是尚不完善。很少有法律规定新业务大多都属于开发期、试验期，这些新业务会使金融机构收益处于高度不稳定状态，一旦新业务开发失败将会滋生系列风险。
20世纪80年代以来，在全球市场客户需求的驱使下，西方发达国家为了有效占领国外或地区金融业务，不惜重金尽可能在全球进行兼并，倾己所能开发新业务以占领全球银行业制高点。可现实是残酷的，不是每次金融业兼并与新业务开发都有机会取得成功，而任何一次失败哪怕是微不足道失败都有可能滋生系统性风险(因为这些金融机构“太大而不能倒”、“太大而不能忽视”)。
二、系统重要性金融机构的识别方法
系统重要性金融机构的识别方法包括两大类。一类是在理解SIFIs核心特征的基础上，直接给出界定SIFIs的指标，根据不同的金融体系发展状况界定不同的指标值，由此列出SIFIs的名单，即指标法。另一类是市场法，即利用金融机构相关指标市场波动数据，通过衡量单个金融机构对整个体系的风险贡献程度，测定其系统重要性。两种方法区别在于对SIFIs理解的不同视角：指标法主要是国际金融监管机构和货币当局凭经验积累，对SIFIs的一种更为直观的理解和判断；市场法则是基于金融市场中的风险管理模型，从金融系统性风险中各参与者的贡献度角度理解SIFIs。但是，系统性风险本身如何理解，也有多重视角，因此，市场法也因系统性风险不同的考量指标有多种分析角度。
(一)指标法
指标法指的是监管当局依赖前文对系统重要性金融机构核心特征的理解，设定若干指标来界定SIFIs的范围。国际金融监管当局最早提出识别全球系统重要性金融机构(G-SIFIs)的指标法，其优点是非常透明、快捷、能简便地获取SIFIs名单，缺点是其选取指标的经验性和任意性很强，而且该法无法分辨金融机构的系统性风险贡献和它参与风险性事件的区别。
IMF，FSB和BIS在2009年10月提出评估SIFIs的指标指引，而具体负责制定识别指标和方法的是巴塞尔银行监督管理委员会(BCBS)下属的宏观审慎小组(MPG)。MPG采用“基础指标+辅助指标”的方法，于2010年10月11日公布了较为详细的指标体系，并在2010年12月再次完善。最初提出识别系统重要性金融机构的指标包括三类：规模、关联性和可替代性，后又补充全球活动指标。最终形成的识别SIFIs的指标体系包括：基础指标，包括总资产、金融体系内资产、金融体系内负债等规模指标。辅助指标，包括可替代指标，内部关联指标和全球活动指标。(1)可替代指标包括支付结算业务、代理银行托管和清算服务、托管服务、承销服务、做市商服务。(2)内部关联指标包括发行债券、批发性融资依赖程度、场外衍生品暴露、回购。(3)全球活动指标指的是跨境资产占总资产的比率。国际组织对全球系统重要性金融机构(G-SIFIs)的评估方法以基础指标与全球数据相比后的简单平均数加总后进行排名，再由成员国根据辅助指标和其他监管判断进行调整。
就如何将指标转换成评估金融机构系统重要性水平，BCBS重点讨论了连续衡量法(Continuous Measure)和区段衡量法(Bucketing Approach)。前者可以产生连续的评估结果，后者则将系统重要性相近的银行归为同一区段，银行处于不同区段反映了其系统重要性的不同，而同一区段内银行的系统重要性水平相同。二者一个重要区别在于，连续衡量法可重复进行，并可根据需要随时重新计算，透明度高；区段衡量法不具有可重复性，透明度较低。但由于指标的选择及权重的确定本身就存在缺陷和人为主观因素，一些成员国支持使用区段衡量法，认为细分银行系统重要性的意义不大，系统重要性的细微差异并不一定导致使用差别的监管要求。
在FSB的基础上，国际清算银行中的银行委员会BCBS在2011年7月底提出的识别全球系统重要性银行(G-SIBs)的主要指标，包括规模、关联性、全球活动、可替代性、复杂性。这些指标涵盖商业银行的表内外活动，BCBS在此基础上界定出28家G-SIBs。
英国金融时报则根据FSB等公开的指标，列出了G-SIFIs的第一批名单。但是，基于敏感和动荡的国际金融形势，以及SIFIs识别工作尚不完善的情况下，FSB在当时并没有对此名单有明确的态度。
选用指标法非常快捷透明，能动态公示SIFIs的名单，对被列入SIFIs的机构形成较大的被公众监督的压力。德意志银行(2011)的理念更好地解释了选用指标法的优点，其认为，识别SIFIs的方法必须致力于减小道德风险和系统性风险，能让金融机构对于监管做出积极反应，而且能使SIFIs逐步变得不重要，不具有系统重要性。也就是说，识别SIFIs的方法应该起到激励金融机构退出SIFIs行列，而不是争相涌入SIFIs名单而激发道德风险。在此理念支撑下，结合实践中的可行性，德意志银行更为赞同BCBS的指标法。
选用哪些指标界定SIFIs，前文已有论述。无论各种理解的差异性有多大，指标法中的关联性指标是国际金融监管机构、多数货币当局和学者对SIFIs识别标准中基本的共识。在如何测度金融机构的关联性方面，Jian Yang and Yinggang Zhou(2009)结合金融网络理论，给出了界定SIFIs的方法，他们的研究以信用风险在金融网络中的传导路径为线索，用离散分析法、主要因素分析法、贝叶斯网络分析法、结构VAR方法识别SIFIs。
(二)市场法
市场法的原理是基于不同视角来对系统性风险进行管理。系统性风险至少有三种定义：一是一般的资产价格波动风险；二是由于投资者恐慌和心理因素导致的风险传染：三是由于过多的投资组合关联，金融机构倒闭对其对手方产生的影响。现有的市场法并不局限于单独一种视角的系统性风险理解，主要包括边际预期差额法(Marginal Expected Shortfall，即MES法)、沙普利值法(Shapley Value)、在险值协方差法(CoVaR)、信贷违约互换价差法(CDS spread)、极端值法(Extreme Value)。目前，以市场法为基础，衡量系统性重要金融机构的评价方法形成了多种指标体系。
1.边际预期差额法(Marginal Expected Shortfall)
MES指的是金融危机中每一个机构的预期股权损失(缩水)。MES法在估算MES值的情况下，考虑股权、债务结构中的杠杠因素，估计出单个机构的系统重要性。根据具体指标设定的不同，MES法也有不同的估算方法。Acharya(2009)，Acharya et al.(2009，2010)用系统性预期差额(Systemic Expected Shortfall，即SES)，也就是单个金融机构的资本短缺值，作为识别SIFIs的方法和指标，其也可以用于预测机构的系统性风险；SES随杠杆和SES在系统损失分配的尾部的MES的增加而增加。而Brownlees and Engle(2011)则更注重实用性，运用公开的市场信息，用压力测试的基本思路将杠杆因素和MES值合并为一个系统性风险指标(Systemic Risk Index，即SRISK)，衡量机构的系统重要性程度。在金融危机中，SRISK值最高的公司对市场的潜在资本化贡献度最大，也是系统重要性最高的机构。
2.沙普利值法(Shapley Value)
Shapley Value是博弈论的重要工具，可以估算出每一个参与者对整个体系的重要性程度，以及参与人能期望从合作中获得什么报酬。以此为指导，沙普利值法可以估算金融体系中的每一个金融机构对系统性风险的贡献度(Tarasbev et al.,2010; Gauthier et al.,2010; Liu and Staum,2010; Drehmann and Tarashev,2011)。
3.在险值协方差法(CoVaR)
CoVaR法指的是在VaR测度单个金融机构非条件性尾部风险的基础上，通过测度某个金融机构陷入困境对其他金融机构尾部风险的影响，将系统性风险和金融体系对陷入困境中金融机构的在险值联系起来。单个机构的系统性风险贡献度指的是机构陷入困境时的CoVaR和其常态下的CoVaR之间的差额(Adrian and Brunnermeier，2010)。CoVaR法能识别出两个金融机构尾部风险的关系，并解决两个金融机构之间的关联性量化问题。但是，现代金融网络之间的高度关联性决定了基于线性思维和模型的CoVaR法无法用一个统一的指标估算金融机构之间的关系，从而无法准确识别复杂金融网络的系统性风险。
4.信贷违约互换价差法(CDS spread)
Acharya et al.(2010)在识别SIFIs的SES法中也提出了SES能预测机构未来CDS价差变化的情况，该研究显示出系统性风险与CDS价差之间的正相关关系。据此，Huang，Zhou and Zhu(2009，2011)认为，CDS价差表示系统性风险更为合理可行，可以用各金融机构的CDS价差来衡量系统性风险，这也是理解资产价格波动和市场心理预期的一种综合视角(见表2)。Huang，Zhou and Zhu(2009)用美国的CDS价差来评估主要金融机构的系统性风险，从高到低进行排名，根据经验选取系统性风险排名靠前的机构作为识别SIFIs方法，并对美国的19家主要的商业银行的CDS价差进行更为详细的分阶段估算(Huang，Zhou and Zhu，2011)。Yang and Zhou(2009)用CDS价差法对金融危机爆发前夕(2007年1月至2008年9月)英国和美国主要金融机构的CDS价差进行排名，得出的系统性风险由高到低的名单。这也是对欧美的SIFIs排名的名单之一，与英国金融时报列出的SIFIs名单大致相同。Yang and Zhou(2009)通过二次验证名单中排名靠前的SIFIs特征中的贡献性因素，如规模、杠杆比率、多个公司治理指标、流动性风险、对手方风险等，得出结论：SIFIs与信用风险紧密相关，并且是信用风险信息的主要发出者和主要交易者。该研究表明SIFIs的形成与20世纪70年代以来住房金融、信用风险转移、资产证券化等金融创新活动紧密相关。
5.极端值法(Extreme Value Theory)
Zhou(2008)最早提出Extreme Value Theory，并结合CoVaR法和Goodhart(2009)提出概率法(Probability That at Least One Bank Becomes Distressed，即PAO)，Zhou(2010)提出识别SIFIs的多元EVT法和识别SIFIs的两个重要指标——系统性影响指数(Systemic Impact Index，即SII)和波动指数(Vulnerability Index，即VI)。EVT法的基本理念是简单计算出的系统重要性指标和排名并不可靠：有时候，两家银行的系统重要性排名相同，但是它们对系统重要性风险的贡献程度并不同。因此，可以用一种极端值法来衡量金融机构对系统性风险的贡献程度，即在考察了一般的系统重要性指标(为获取数据方便，选用金融机构股票价格波动代表系统重要性)之后，采取类似于压力测试一样的极端情形分析来考察一家金融机构的倒闭引发其他所有金融机构倒闭的概率。Zhou(2010)用SII、PAO和VI分别估算了美国28家商业银行(月度数据)的系统重要性，结果如表3所示，这一结果和金融危机中各机构的实际情况较为相符，因此印证了SII指标的最优识别和预警能力。
运用EVT法的基本框架，加拿大银行的学者Gravelle，T.and F.Li(2010)用银行股票价格的崩溃引发其他所有银行的同时崩溃来衡量一家银行对金融体系的系统性风险贡献。他们对加拿大金融体系考察的初步结论是：(1)加拿大的排名前三的SIFIs是皇家银行(RBC)，道明加拿大信托银行(TD)和加拿大丰业银行(BNS)，并且，在加拿大系统重要性与商业银行规模没有绝对联系，而小银行有可能具有更大的系统性风险贡献。(2)在全球范围内，欧洲、亚洲和美国的银行部门对加拿大的银行部门影响最大，其中，欧洲和美国的影响程度比亚洲更高。(3)加拿大银行部门风险主要来自国内，跨国风险贡献小于国内风险贡献。
其他市场法还包括，从网络模型中推导的方法，在本质上，该方法是估算一个银行倒闭引发其他银行倒闭的概率，或者估算在一个资产组合中系统性风险的公平保险溢价(Segoviano and Goodhart,2009; Huang et al.,2009,2010,2011; Zhou,2009; Chan-Lau,2010)。
市场法虽然是理论上估算系统性风险的重要方法，但各监管当局却很少运用。原因是很难获取市场化指标值，而且这些指标值变化大、不稳定。但如果SIFIs的监管比较完善且在出现困难时能获得公共救助，那么市场法可以用于SIFIs的识别，其可行性、准确性程度会提高。
在实践中，由诺贝尔经济学奖获得者Robert Engle教授所在的纽约大学斯特恩商学院(NYU Stern)波动实验室(Volatility Laboratory，即V-Lab)从传统金融市场系统性风险的角度，运用指标法(主要考虑机构规模、市场资本化损失风险、相关性和杠杆指标)，自1990年起就开始定期发布金融市场整体的系统性风险、单个金融机构对系统性风险的贡献指标(Systemic Risk Contribution Index)和机构排名。金融危机之后，这一动态实时发布的指标体系成为推动美国的金融监管当局识别SIFIs的参考之一。
(三)保险领域的系统重要性机构识别
以AIG为首的诸多信用保险公司在金融危机中设计并出售CDS等信贷风险对冲工具是金融危机爆发的重要因素之一，传统作为对冲风险的保险机构反而成为系统性风险的来源之一。因此，识别保险领域的系统重要性金融机构对于准确的界定监管范围，提高监管效率，降低监管成本非常重要。
保险机构的特殊角色决定了该领域的SIFIs识别与银行等金融机构识别应有所区别。日内瓦协会(Geneva Association，2011)联合FSB推出识别保险领域SIFIs的方法，并且在FSB识别SIFIs的三个基本指标(规模、关联性、可替代性)基础上考虑“时序性(timing)”因素(时序性因素指的是系统性保险风险不会在短期内产生一般的中介冲击效应，但在长期内则会)。
在基本指标指引下，日内瓦协会给出了识别保险领域SIFIs的两阶段法。其中，第一阶段是识别潜在的系统性风险活动(如衍生品投机、金融担保、短期融资期限错配等)和相关的市场，在识别的方法上，其采用FSB和国际保险监督官协会(IAIS)达成的共识指标，包括规模、关联性、可替代性和时序性，同时考虑外部市场条件，即市场当时的金融状况。第二阶段是识别参加潜在系统性风险活动的机构身份，它们的大规模倒闭也会危及金融体系，其识别方法同样是指标法，包括规模、关联性、可替代性和时序性四个指标，同时考虑加剧性因素(如市场恶化情形)和缓冲性因素(如总集团的监管)。就保险领域的活动性质，日内瓦协会结合以上方法和指标给出了明细指引，这份行业协会性质的SIFIs识别指引得到了欧美的保险行业以及国际保险监督官协会、FSB等监管机构的认同。
三、对识别SIFIs的思路和方法的基本评价及启示
系统性风险经常以金融危机的方式在人类历史上多次出现，但从系统重要性金融机构角度来尝试降低系统性风险对金融体系的冲击成本还是有史以来的第一次，这体现了发达国家在多年放松金融机构监管、鼓励金融市场化自由化发展之后的深刻反思。
在关于SIFIs的诸多视角研究中，本文总结了金融危机以来关于SIFIs识别指标和方法。本文的研究表明，IMF、BIS(包括BCBS)和FSB等主要国际金融监管组织已经占领先机，率先推出快捷、简便的指标法来识别G-SIFIs，而学界的研究大多停留在较为复杂的市场法的讨论，包括MES、Shapley值法、CoVaR法、CDS价差法、金融网络模型等。不过，学界也不再固守于20世纪70年代以有效市场理论为根基的传统金融市场风险度量模型，对系统性风险有了更多的理解视角和更为贴近市场的研究方法，这足以表明此次金融危机对现代金融市场理论的冲击之大。
从国际金融监管机构和各国的SIFIs识别理念来看，它们的出发点是降低道德风险，解决传统的太大而不能倒的问题，以实现对金融机构的日常严格监管而不是每一次出事之后的紧急救助(即奉行有秩序的救助原则)，从而鼓励金融机构能尽量减少自身已有的系统性风险因素，并最终退出SIFIs的行列。从表面上来看，欧美国家是在强化对SIFIs的监管，但应该看清问题的本质，即这种监管理念是最后贷款人发展的最新成果，本质上是在鼓励金融创新、金融发展的同时，积极降低纳税人对SIFIs救助的成本。因此，市场化运行的本质不但没有被改变，而且得到了进一步强化。
总的来讲，识别SIFIs方法和指标对于未来金融中介体系的发展演变非常重要。在探讨更加完善的识别方法之际，必须关注这样一些问题：
第一，SIFIs识别的偏差及后果。SIFIs的过度识别和识别不足都会有负面影响。识别不足会漏掉真正的SIFIs，将其放纵至SIFIs监管体系之外将使监管者无法准确了解系统性风险因素，直接削弱监管政策的效果。相反，过度识别意味着把不是SIFIs的金融机构纳入监管体系内，这将增加监管成本并降低金融效率，直接损害金融和经济发展的活力；同时，过度的管制意味着有可能出现下一轮的金融创新，“猫鼠游戏”陷入恶性循环。
第二，识别SIFIs时刻需要创新性思路。金融危机爆发的历史表明，我们永远无法利用现有的系统性风险模型预测下一次金融危机的爆发。这是因为，系统性风险是动态变化的，金融网络中任何初始因素的变化都会产生“蝴蝶效应”而改变结果。SIFIs的识别必须充分考虑各因素的动态变化，不断识别新的系统性风险的重要来源。因此，认识到识别SIFIs方法的不完美的同时，在技术性地实现SIFIs的识别之后，应该根据其他经验性知识最终确定单个机构对系统性风险的贡献。
第三，必须意识到无论识别技术有多么精巧，识别SIFIs并公布其名单给公众的做法都并不完美，其本身不能彻底解决道德风险问题。相反，SIFIs可能因为其名单的公布而进一步增强其“太大而不能倒”的地位，从而更具竞争优势，并刺激了冒险行为。因此，识别SIFIs之后如何处理信息才能将SIFIs的道德风险降至最低以使金融体系在稳定和发展中找到平衡，是比识别SIFIs更为重要的问题。
标签：金融风暴论文; 金融论文; 全球系统重要性银行论文; 金融机构论文; 系统性风险论文; 银行风险论文; 银行监管论文; 银行系统论文; 监管机构论文; cds论文; 银行论文;