论文部分内容阅读
【摘 要】 本文基于国内外研究理论和识别方法经验，结合江西省经济金融实际，运用综合赋权法构建识别模型及相关评价标准，实证比较区域大型银行的系统重要性排序，并对区域系统重要性金融机构的评估与监管工作提出政策建议。
【关键词】 区域 系统重要性 金融机构 识别
近年来，防控金融风险成为区域金融监管的重点，但面临庞大的金融总量和交叉隐蔽的金融活动，“漫天撒网”的传统风险防控模式缺陷日益暴露。如何提升区域金融监管效率？次贷危机给出了很好的启示，本应稳定金融系统的SIFIs[1]在危机中反而成为金融风险乃至危机的制造者和传递者，也应成为系统性风险防控的核心点。因此有效识别和监测R-SIFIs[2]，有助于区域金融监管“抓重点”，实现风险的早发现、早预警和早处置。
一、文献综述
国际上对SIFIs识别方法研究主要分为模型法和指标法[3]：前者如BCBS（2011）[4]设置了规模、关联度、可替代性、复杂性及全球活跃度5类指标;后者如Banulescu and Dumitrescu（2015）采用成分期望损失CES法，引入金融机构市值权重，期望覆盖SIFIs“太关联而不能倒”和“太大而不能倒”等特征。，Bisias et al.（2012）从监管者、研究者和数据要求等不同角度，为31种定量度量系统性风险的方法划。
国内对SIFIs的识别方法研究多为指标法，如巴曙松、高江健（2012）等，由于指标法简易实用，被大量应用于监管实践。也有机构学者运用模型法评估的，如中国人民银行福州中心支行课题组（2016）运用多元极值理论，构建了机构违约率、系统重要性指数和脆弱性指数三个方面的识别框架;葛和平等（2018）引入熵值法确定了外汇管理领域SIFIs的六个要素进行指标赋权重，并对江苏省外汇管理领域银行的系统重要性进行排序。
但是，业界大多侧重宏观层面对G-SIFIs和D-SIFIs的理论研究和实证分析，对R-SIFIs特征和识别方法的研究较少。
二、R-SIFIs的识别模型构建方法
综上所述，本文尝试从区域层面审视R-SIFIs的主要特征和可观因素，引入综合赋权法构建相关识别模型。具体方法如下：
（一）确定识别特征和度量方法
基于金融法规制度和最新监管政策要求，并参考了驼峰评级、金融稳定评估系统与“1104”工程等评价分析方法，对R-SIFIs的识别方法归纳概括如下：
（二）综合赋权法熵权法
1.数据标准化。引入指标映射法，根据监管规则、行业惯例或市场均值，设置临界值进行处理。假定k个指标x（1，...，k），并对各指标数据标准化后的值为y（1，...，k），那么
2.熵权法确定指标权重。根据信息熵的定义，一组数据的信息熵。其中，，如果，则定义。根据信息熵的计算公式，计算出各指标的信息熵为Ei.通过信息熵计算各指标的权重：
。
3.優化调整方法。引入层次分析法对熵权法的基础赋权结果进行动态调整，纳入区域金融监管的有效经验，并解决了金融监管报表数据质量引起的结果偏差问题。假定wi为层次分析法求得的权重，利用拉格朗日最优求解算法，获得最终优化组合权重：
三、实证分析
本文以江西省为例，收集江西省金融机构季度监测数据，采用上述方法构建R-SIFIs识别模型，并对2018年三季度大型金融机构的系统重要性情况进行排序分析。
（一）江西省简述
江西省排名我国经济金融发展中游，2017年GDP总量相当于菲律宾[5]，金融总量破3万亿，正规持牌机构数超过千家。银行业金融机构占其主导地位：2018年9月末，银行总资产总额45742亿元，占金融总量80%以上;前8个月银行贷款净增3518亿元，占同期社会融资规模净增量的91%;全省193家银行共设置各级机构网点12214个，从业人员10万人，全面覆盖乡镇以上的行政区划。银行也是“江西佬表”心中金融一词的主要形象。
（二）构建R-SIFIs识别模型
基于江西省实际，排除非银行机构后，从相关监管部门数据库，截取了193家银行2009年4季度至2018年3季度的季度监测数据，依据前述方法计算得到各项识别特征权重，如表3所示：
由此可见，“大而不倒”和复杂关联性是识别R-SIFIs的主要标准;测试结果也说明规模未排名前列的银行，在外部环境和金融政策发生变化时，也可能对区域环境造成较大的影响。
（三）结果验证
剔除中小银行（规模小）、外资银行（入驻较晚）和政策性商业银行（商业化改革进程中），并将86家农村商业银行（省联社统一管理）视作一家省级法人银行后，最终选出资产规模排名前10的非法人银行（Y1-10）和排名前5的法人银行（FY1-5），作为测试对象。15家银行基于评价模型的系统重要性得分如表4所示（得分表对各个样本银行机构名称进行了匿名化处理），测试结果基本符合江西省实际。
此外，法人银行有较强的基层影响力。由于检验数据是基于省级季度数据的测试结果，而5家法人银行与10家非法人银行的资产规模之比为0.8999：1，这一比例越往下越高，甚至在个别县域的法人银行资产规模就超过全县的一半。因此将视角转移至地市、县域，法人银行的系统重要性排序结果还将继续上升。
四、结论与建议
综上所述，优选R-SIFIs才是地方金融监管守住区域系统性风险底线的重要工作目标，应尽快构建R-SIFIs的金融宏观审慎管理制度，制定符合区域实际和政策导向的监管规则，具体来说：
（一）加快构建R-SIFIs的区域监管框架。应从顶层设计出发，建立以中央银行为核心、统筹协调金融监管部门和地方政府职能部门的金融监管架构，明确行为监管框架的具体内容，协同推动事前、事中、事后监管不断强化。 （二）尽快建立R-SIFIs识别体系。确定R-SIFIs时可灵活运用指标法和模型法：将指标法作为日常监控手段，关注R-SIFIs的主要特征变化情况，加速SIFIs监管的“本土化”、针对性和特异性;定期应用模型法统计系统性风险的特征、水平和变动趋势。
（三）建立健全R-SIFIs的监管规则。一是限制银行开展关联度强的高风险业务和创新业务，筑好风险防火墙，斩断风险链条;二是增强风险抵御能力，从资本充足、资产质量、损失准备和“八大风险”精细化管理等层面，制定R-SIFIs更严格的监管规则、资本要求和信息披露要求;三是考虑到非法人银行在遭遇非极端风险的冲击下，系统内救助的延时性且主监管不在本省域，还应强化非法人机构的区域监管权。
（四）完善SIFIs 风险处置机制。一要组建R-SIFIs危机管理小组，制定R-SIFIs的区域恢复与处置计划，定期开展可处置性评估;二要发挥市场机制在风险处置环节中的基础性作用，建立股东和债权人之间的责任分担机制，降低“大而不能倒”的道德风险;三要发挥存款保险制度的作用，制定配套制度，以明确监管机构在接管、分拆或关闭SIFIs时的具体步骤和责任，并逐步将其职能扩展到具有系统重要性的非银行机构。
注释
[1] Systemically Important Financial Institutions（系统重要性金融机构）。IMF（2009）定义，即在金融市场中承担了关键功能，其倒闭可能给金融体系造成损害并对实体经济产生严重负面影响的金融机构。FSB（2011）将其分为G-SIFIs（全球系统重要性金融机构）和D-SIFIs（国内系统重要性金融机构）。
[2] Regional SIFIs（区域系统重要性金融机构）。
[3] Bisias et al.（2012）从监管者、研究者和数据要求等不同角度，为31种定量度量系统性风险的方法划基于资产负债表数据和基于公开市场交易数据。
[4] 《全球系统重要性银行：评价标准及额外损失吸收要求》。
[5] 2017年菲律賓的GDP总量，排名世界第36位。
【参考文献】
[1] Basel Committee on Banking Supervision.BaselⅢ：A Global Regulatory Framework for More Resilient Banks and Banking Systems[R].2010.
[2] Acharya，Viral V.，Lasse H.Pedersen，and Thomas Philippon，2010.Measuring Systemic Risk.Reserve Bank of Cleveland Working Paper，No.10-02.
[3] Adrian，Tobias and Markus K.，Brunnermeier.2011.CoVaR.NBER Working Paper，No.17454.
[4] Bisias，Dimitrios，Mark Flood，Andrew W.Lo，2012.A Survey of Systemic Risk Analytics.OFR Working Paper，No.12-01
[5] 巴曙松，高江健.基于指标法评估中国系统重要性银行[J].财经问题研究，2012（9）
[6] 徐超，系统重要性金融机构识别方法综述[J]，《金融与保险》2012年第3期
[7] 张天顶，张宇，中国系统重要性金融机构的识别——基于CES方法的实证分析[J]，《金融经济学研究》2016年第2期
[8] 中国人民银行福州中心支行课题组，系统重要性金融机构的识别及其监管研究——基于国际经验的分析[J]，《福建金融》2016年第8期
[9] 葛和平，朱卉雯，严黄，外汇管理领域系统重要性银行机构的识别[J]，《南方金融》2018年第4期
【关键词】 区域 系统重要性 金融机构 识别
近年来，防控金融风险成为区域金融监管的重点，但面临庞大的金融总量和交叉隐蔽的金融活动，“漫天撒网”的传统风险防控模式缺陷日益暴露。如何提升区域金融监管效率？次贷危机给出了很好的启示，本应稳定金融系统的SIFIs[1]在危机中反而成为金融风险乃至危机的制造者和传递者，也应成为系统性风险防控的核心点。因此有效识别和监测R-SIFIs[2]，有助于区域金融监管“抓重点”，实现风险的早发现、早预警和早处置。
一、文献综述
国际上对SIFIs识别方法研究主要分为模型法和指标法[3]：前者如BCBS（2011）[4]设置了规模、关联度、可替代性、复杂性及全球活跃度5类指标;后者如Banulescu and Dumitrescu（2015）采用成分期望损失CES法，引入金融机构市值权重，期望覆盖SIFIs“太关联而不能倒”和“太大而不能倒”等特征。，Bisias et al.（2012）从监管者、研究者和数据要求等不同角度，为31种定量度量系统性风险的方法划。
国内对SIFIs的识别方法研究多为指标法，如巴曙松、高江健（2012）等，由于指标法简易实用，被大量应用于监管实践。也有机构学者运用模型法评估的，如中国人民银行福州中心支行课题组（2016）运用多元极值理论，构建了机构违约率、系统重要性指数和脆弱性指数三个方面的识别框架;葛和平等（2018）引入熵值法确定了外汇管理领域SIFIs的六个要素进行指标赋权重，并对江苏省外汇管理领域银行的系统重要性进行排序。
但是，业界大多侧重宏观层面对G-SIFIs和D-SIFIs的理论研究和实证分析，对R-SIFIs特征和识别方法的研究较少。
二、R-SIFIs的识别模型构建方法
综上所述，本文尝试从区域层面审视R-SIFIs的主要特征和可观因素，引入综合赋权法构建相关识别模型。具体方法如下：
（一）确定识别特征和度量方法
基于金融法规制度和最新监管政策要求，并参考了驼峰评级、金融稳定评估系统与“1104”工程等评价分析方法，对R-SIFIs的识别方法归纳概括如下：
（二）综合赋权法熵权法
1.数据标准化。引入指标映射法，根据监管规则、行业惯例或市场均值，设置临界值进行处理。假定k个指标x（1，...，k），并对各指标数据标准化后的值为y（1，...，k），那么
2.熵权法确定指标权重。根据信息熵的定义，一组数据的信息熵。其中，，如果，则定义。根据信息熵的计算公式，计算出各指标的信息熵为Ei.通过信息熵计算各指标的权重：
。
3.優化调整方法。引入层次分析法对熵权法的基础赋权结果进行动态调整，纳入区域金融监管的有效经验，并解决了金融监管报表数据质量引起的结果偏差问题。假定wi为层次分析法求得的权重，利用拉格朗日最优求解算法，获得最终优化组合权重：
三、实证分析
本文以江西省为例，收集江西省金融机构季度监测数据，采用上述方法构建R-SIFIs识别模型，并对2018年三季度大型金融机构的系统重要性情况进行排序分析。
（一）江西省简述
江西省排名我国经济金融发展中游，2017年GDP总量相当于菲律宾[5]，金融总量破3万亿，正规持牌机构数超过千家。银行业金融机构占其主导地位：2018年9月末，银行总资产总额45742亿元，占金融总量80%以上;前8个月银行贷款净增3518亿元，占同期社会融资规模净增量的91%;全省193家银行共设置各级机构网点12214个，从业人员10万人，全面覆盖乡镇以上的行政区划。银行也是“江西佬表”心中金融一词的主要形象。
（二）构建R-SIFIs识别模型
基于江西省实际，排除非银行机构后，从相关监管部门数据库，截取了193家银行2009年4季度至2018年3季度的季度监测数据，依据前述方法计算得到各项识别特征权重，如表3所示：
由此可见，“大而不倒”和复杂关联性是识别R-SIFIs的主要标准;测试结果也说明规模未排名前列的银行，在外部环境和金融政策发生变化时，也可能对区域环境造成较大的影响。
（三）结果验证
剔除中小银行（规模小）、外资银行（入驻较晚）和政策性商业银行（商业化改革进程中），并将86家农村商业银行（省联社统一管理）视作一家省级法人银行后，最终选出资产规模排名前10的非法人银行（Y1-10）和排名前5的法人银行（FY1-5），作为测试对象。15家银行基于评价模型的系统重要性得分如表4所示（得分表对各个样本银行机构名称进行了匿名化处理），测试结果基本符合江西省实际。
此外，法人银行有较强的基层影响力。由于检验数据是基于省级季度数据的测试结果，而5家法人银行与10家非法人银行的资产规模之比为0.8999：1，这一比例越往下越高，甚至在个别县域的法人银行资产规模就超过全县的一半。因此将视角转移至地市、县域，法人银行的系统重要性排序结果还将继续上升。
四、结论与建议
综上所述，优选R-SIFIs才是地方金融监管守住区域系统性风险底线的重要工作目标，应尽快构建R-SIFIs的金融宏观审慎管理制度，制定符合区域实际和政策导向的监管规则，具体来说：
（一）加快构建R-SIFIs的区域监管框架。应从顶层设计出发，建立以中央银行为核心、统筹协调金融监管部门和地方政府职能部门的金融监管架构，明确行为监管框架的具体内容，协同推动事前、事中、事后监管不断强化。 （二）尽快建立R-SIFIs识别体系。确定R-SIFIs时可灵活运用指标法和模型法：将指标法作为日常监控手段，关注R-SIFIs的主要特征变化情况，加速SIFIs监管的“本土化”、针对性和特异性;定期应用模型法统计系统性风险的特征、水平和变动趋势。
（三）建立健全R-SIFIs的监管规则。一是限制银行开展关联度强的高风险业务和创新业务，筑好风险防火墙，斩断风险链条;二是增强风险抵御能力，从资本充足、资产质量、损失准备和“八大风险”精细化管理等层面，制定R-SIFIs更严格的监管规则、资本要求和信息披露要求;三是考虑到非法人银行在遭遇非极端风险的冲击下，系统内救助的延时性且主监管不在本省域，还应强化非法人机构的区域监管权。
（四）完善SIFIs 风险处置机制。一要组建R-SIFIs危机管理小组，制定R-SIFIs的区域恢复与处置计划，定期开展可处置性评估;二要发挥市场机制在风险处置环节中的基础性作用，建立股东和债权人之间的责任分担机制，降低“大而不能倒”的道德风险;三要发挥存款保险制度的作用，制定配套制度，以明确监管机构在接管、分拆或关闭SIFIs时的具体步骤和责任，并逐步将其职能扩展到具有系统重要性的非银行机构。
注释
[1] Systemically Important Financial Institutions（系统重要性金融机构）。IMF（2009）定义，即在金融市场中承担了关键功能，其倒闭可能给金融体系造成损害并对实体经济产生严重负面影响的金融机构。FSB（2011）将其分为G-SIFIs（全球系统重要性金融机构）和D-SIFIs（国内系统重要性金融机构）。
[2] Regional SIFIs（区域系统重要性金融机构）。
[3] Bisias et al.（2012）从监管者、研究者和数据要求等不同角度，为31种定量度量系统性风险的方法划基于资产负债表数据和基于公开市场交易数据。
[4] 《全球系统重要性银行：评价标准及额外损失吸收要求》。
[5] 2017年菲律賓的GDP总量，排名世界第36位。
【参考文献】
[1] Basel Committee on Banking Supervision.BaselⅢ：A Global Regulatory Framework for More Resilient Banks and Banking Systems[R].2010.
[2] Acharya，Viral V.，Lasse H.Pedersen，and Thomas Philippon，2010.Measuring Systemic Risk.Reserve Bank of Cleveland Working Paper，No.10-02.
[3] Adrian，Tobias and Markus K.，Brunnermeier.2011.CoVaR.NBER Working Paper，No.17454.
[4] Bisias，Dimitrios，Mark Flood，Andrew W.Lo，2012.A Survey of Systemic Risk Analytics.OFR Working Paper，No.12-01
[5] 巴曙松，高江健.基于指标法评估中国系统重要性银行[J].财经问题研究，2012（9）
[6] 徐超，系统重要性金融机构识别方法综述[J]，《金融与保险》2012年第3期
[7] 张天顶，张宇，中国系统重要性金融机构的识别——基于CES方法的实证分析[J]，《金融经济学研究》2016年第2期
[8] 中国人民银行福州中心支行课题组，系统重要性金融机构的识别及其监管研究——基于国际经验的分析[J]，《福建金融》2016年第8期
[9] 葛和平，朱卉雯，严黄，外汇管理领域系统重要性银行机构的识别[J]，《南方金融》2018年第4期