发帖
雷达卡
文/任汉（中国科学技术大学）
金融系统性风险至今还没有一个被普遍接受的定义，不同的学者在不同的角度有不同的答案，这也恰恰说明了系统性风险本身就是一个非常复杂的问题。从风险范围的角度来看，Bernanke认为系统性风险是威胁整个金融体系，而不是威胁单个金融机构稳定性的风险；从风险作用方式角度看，Crockett认为系统性风险是由于金融机构资产价格异常，或负债结构恶化，影响了金融市场发挥基本功能，使其不堪一击的可能性；从风险的扩散角度看，Kaufman认为系统性风险是一个事件引起系统中一系列连续损失的可能性。但总的来说，系统性风险里面的“系统性”共包含两方面的意义，一方面，指单个事件影响到整个金融系统的正常运作；另一方面，该事件还影响到看似不相干的第三方，因此，可以看出系统性风险具有突发性，传染性和外部性。
确定系统性风险的概念对于评估系统性风险十分重要，不同的系统性风险定义对应着不同的系统性风险评估方法。本文参照Nenovsky和Hristov（1997）对系统性风险的定义，将系统性风险定义为整个金融系统发生系统性事件的可能性。这里系统性事件指的是由于金融系统中的某一个参与者的负面信息或失败，引起的一连串的其他参与者的负面效应。当一个系统性事件对整个金融体系中大部分参与者都造成严重冲击，我们就称这个系统性事件为系统性危机。不同于其他类型风险，一切系统内部和外部因素都可以成为系统性风险的来源，因此系统性风险更像是系统稳定程度的一种描述，是系统参与者负外部性的叠加。
本文中，对于系统性危机的界定参照国际货币基金组织（IMF）在《世界经济展望》中对系统性风险的界定方法。《世界经济展望》中，IMF认为金融危机可以分为银行业危机，债务危机，货币危机和系统性危机，其中银行业危机是指银行濒临破产，逼迫政府对其进行大规模救助，或由于银行破产导致其停止清偿国内债务，而引起的危机；债务危机是指由于经济体不能按期支付外债利息，最终引发的危机；货币危机是指由于经济体货币大幅度贬值，或货币当局为维持货币汇率而被迫动用大量外汇储备，最终引发的危机；而系统性危机则是指整个金融系统出现的严重混乱的局面，这种局面下金融市场的有效性被严重削弱，实体经济也经受严重的打击。系统性风险一般表现为银行危机、债务危机和货币危机相继发生或同时发生。
一、系统性风险成因分析
系统性风险的成因十分复杂，学术界对其暂时还没有一个统一的观点。总的来看，学者们对系统性风险成因的观点主要集中在一下三个方面：
1、金融系统的脆弱的本质
金融系统的脆弱本质源于一下三个原因：第一，金融机构有着高负债经营的特点，这种经营模式客观上限制了其吸收冲击的能力，决定了金融业比其他行业更容易失败的本性；第二，经济的运行是有很显著且无法避免的的周期性的，在一个新的周期开始时，市场上绝大部分企业的负债比例一般是比较低的，市场上的借款人处于风险较低水平，金融市场比较稳健。随着经济的逐步繁荣，市场越来越活跃，企业的预期收益开始上升，诱使企业开始进行高负债经营，纷纷扩大借款，中高风险水平借款人大量出现，金融市场稳健程度开始下降，脆弱性逐渐加重，直到经济增长迎来滑坡，经济进入衰退期，企业收益下降，部分企业出现资不抵债的情况以至破产，金融机构为了降低风险水平收缩信贷，导致更多企业资金链断裂而破产，从而引金融资产价格的迅速破灭，最终导致金融危机的爆发；第三，金融机构面临着信息不对等的情况，既无法保证对借款人高效筛选和监督，也无法保证储蓄者对金融机构信心足够而不发生挤兑等情况。这些都是金融系统脆弱性的体现。
2、外部因素影响。
外部条件的变化，同样会引金融系统的不稳定。金融系统对外界环境的变化十分敏感，生产和生活中的各种宏观指标，政治，军事因素的变化都会导致系统性风险加剧，而货币经济政策和金融监管政策的变化更是对系统性风险有着直接的影响。历史上多次系统性风险的爆发都与政治斗争、战争或失败的货币政策相关，2007年美国次贷危机的爆发的导火索之一便是美联储实施的紧缩性货币政策
金融监管的缺失也是系统性风险加剧的一个重要因素。以2007年美国次贷危机为例，本次金融危机前的金融监管大多以保证每一家金融机构的稳定为目标，认为只要能够保证每个金融机构的风险达到要求水平，金融系统整体风险就会下降，而缺乏宏观审慎。但是，金融危机的爆发证明了，只注重微观审慎监管会让金融系统产生一些不利于分散系统性风险的负面激励，结果导致金融机构风险偏好的类似，市场异质性降低。除此之外，由于监管政策利好而导致的过度金融创新和大型金融机构综合经营的也一定程度放大了系统性风险等等不良后果。巴塞尔协议II金融监管框架下的信用评级方法中天然存在着顺周期性，然而这种信用评级方法在金融危机前被世界各国广泛的应用。这加重了原有经济的顺周期性，加剧了金融系统本身的脆弱性。
事实上，控制系统性风险的外部影响因素是监管部门唯一可以用来降低系统性风险的手段，深刻的理解各种外部因素可能给金融系统带来的影响将是系统性风险监管的一个关键。
3、金融市场的非理性
现实世界里的金融市场与“有效市场假说”中所描绘的不同，现实世界中的金融市场中金融资产的价值是随着信息的披露和经济周期大幅波动的，这是因为市场的参与者并不都是理性交易者，他们的投资行为经常会表现出“羊群效应”，也就是说一些市场参与者的投资决定可能并不是根据其个人利益最大化做出的，而是参考其他市场参与者的投资决定而做出投资决定。这种羊群效应会让金融市场中金融资产的价格大幅波动，在经济上行时期，金融市场繁荣，市场参与者投资需求旺盛，引起金融资产过度投机，导致金融资产价格偏离其真实价格，产生资产泡沫；一旦经济开始下行，金融市场萧条，市场不景气让投资者普遍对前景看衰，开始抛售资产。一旦很多人都开始跟风抛售资产，就会导致资产价格的严重下跌，最终造成市场流动性枯竭，最终引发系统性危机。
这种金融市场的非理性其实正是源于人性贪婪和恐惧，是无法避免的，所以金融监管如何防范这种非理性给金融市场带来影响，甚至利用这种非理性，将是金融监管部门需要思考的一个很重要的问题。
二、系统性风险评估方法
银行业系统性风险的准确评估量化是防范系统性风险的关键所在。总体来看，现阶段学者们在评估系统性风险上主要有三个大体思路，分别基于宏观指数和银行财务数据，银行间具体业务联系和市场数据的角度。基于宏观指数和银行财务数据方法的原理是通过分析宏观指数和银行财务数据，来估计整个银行体系的稳定程度。这类方法从一种比较宏观的角度来评估系统风险，适应范围比较广，思路清晰，可操作性强，比较利于银行业系统性风险的标准化。但是对应的这种方法的信息获取频率较低且存在一定程度的滞后性，因此这种方法只能评价现有系统性风险的程度，难以预计系统性风险的变化趋势。基于银行间具体业务联系方法的原理是假设银行业系统中一个参与者收到冲击，通过分析各个银行间的具体联系来还原损失的传染过程，估计风险溢出效应的程度。这种方法的评估过程看得见摸得到，具体的描述了系统性风险在银行业系统中的作用过程，有利于监管机构对银行业系统中的发生违约的银行进行有效地判别和监管。但是这种方法难以对系统性风险的诱导因素的发生进行评价，也就是无法度量最初的冲击。基于市场数据的方法种类较多，常见的方法有基于上市银行资产收益相关性判断系统性风险大小，基于在险价值（VaR）分析判断系统性风险大小，基于金融市场交易数据模拟金融资产实际价值等。总的来说，基于市场数据的方法时效性较好，在能保证数据可靠性强的情况下评估准确性较高，但是这类方法对研究经济体的市场有效性有较高要求，对于金融市场不完备的经济体，该种方法的准确性会下降。
基于宏观经济指标的金融风险预警评估方法，开始研究的时间较早，方法成熟，适应范围广，且由于其可以使用历史数据作为建模样本，使这种预警方法具有自我完善的能力，可以随着系统性风险发生次数的增加完善建模样本，使模型更加准确。因此，基于宏观经济指标的金融风险预警评估方法十分适合用来评估系统性风险。本文将在下面着重介绍这类基于宏观经济指标的金融风险预警评估方法。
最早的关于金融风险预警评估的研究是在1979年，Bilson使用32个国家1955-1977年的数据对货币危机先行指标进行了研究，最后得出结论影子汇率、外汇储备/基础货币可以有效对货币危机进行预警。在随后的上个世纪80年代和90年代，世界范围内金融危机频发，金融风险预警评估的研究得到了快速的发展。在这段时间里出现了三个经典的风险预警评估模型FR概率模型、STV截面回归模型和KLR模型。
FR概率模型是由Frankel和Rose于1996年创立的，他们以一百多个发展中国家在1978年到1992年间发生的危机事件作为样本建立了一个统计危机发生概率的模型。模型中的因变量Y是金融危机事件的发生与否，这是个离散变量，当Y的值为0是表示危机未发生，当Y值为1时表示危机发生；自变量X是影响金融危机发生的各种因素。模型通过建立X与Y的联合概率分布函数，估计出X的参数，进而得出危机发生概率模型。Frankel和Rose通过模型分析，最终得出结论：当信贷增速较快，GDP增长较慢，国外投资占总债务比例较高时，系统性危机发生的可能性增大。FR模型构造简单，数据容易获得，应用广泛，但是该模型没有考虑不同国家之间的不同，定义样本国家是否发生危机时的方法也过于一刀切，因此结果存在一定偏差。
STV截面回归模型是由Sachs、Tornell和Velasco在1996年创立的，模型以二十个新兴市场国家的面板数据为样本，选取国际储备/广义货币供应量、实际汇率和贷款增长率作为预警指标建立了线性回归模型。回归结果显示，国际储备/广义货币供应量较低时，实际汇率贬值和贷款增长对危机有正向的影响。STV模型由于其样本数据类型为截面数据，所以考虑了国家之间的不同，这是STV模型较FR模型进步的地方，然而该模型的目的是分析哪些国家更容易发生危机，而不是分析危机发生的概率，因此在应用时有一定的局限性。另外，该模型在构建时考虑到的因素太少，且变量回归时只用到了简单的线性回归，所以模型准确性有待提高。
KLR模型由Kaminsky、Lizondo和Reinhart在1997年共同创立，并由Kaminsky在1999年进一步完善。经完善后的KLR模型是目前使用最为广泛的金融风险预警模型之一，其所选用的指标是由Kaminsky等人通过研究历史金融危机事件爆发原因而筛选出来的17个与危机相关性较为显著的先行指标，每个指标都被赋予一个阈值，一旦某个指标超过该阈值，则发出一个信号，若一段时间内一个国家发出的信号较多，则其发生金融危机的可能性就较大。KLR模型使用简单方便，选取指标较为科学，准确性较高，虽然其并不能给出一个国家未来发生危机的概率，但是其完整的提供了一套指标体系和各个指标的阈值用于危机的预警，且可以评价每个变量对金融危机的边际贡献率，十分有助于更加深入的理解金融危机发生的原因。KLR的最主要的缺点是其预测结果非常依赖于各个指标阈值的选取，一旦阈值选择不科学就会造成预测结果的误差。
FR模型、STV模型和KLR模型都是比较早期的金融危机预警评估模型，在这三个模型的基础上，学术界还出现了许多新的金融危机预警评估模型。AndrewBerg和CatherinePattillo（1999）针对发展中国家提出DCSD模型。DCSD模型综合了FR模型和KLR模型的优点，在二元Probit模型的基础上以亚洲金融危机作为样本进行了金融危机预警研究。Bussiere和Fratzscher（2002）基于三元Logit模型，以20个国家1993年到2001年的月度数据作为样本建立了风险预警模型。该模型将危机发生的事件细分为诱发期和恢复期，因变量Y值定义为平静期Y=0，诱发期Y=1，恢复期Y=2。最终分析结果一定程度降低了将金融危机变量从连续变为离散造成的信息损失。Kumar，Moorthy和Perraudin（2003）以Logit模型作为基础，以滞后的宏观经济变量和金融数据为指标创建了SimpleLogit模型，分析了利率等指标的调整对汇率的影响。Ghosh和Ghosh（2003）运用双元递归树法，以1987年到1999年42个发达国家和发展中国家的数据为样本，建立模型分析了GDP下降至少3%的危机事件。Abiad（2003）使用时变转移概率的马尔科夫模型，以亚洲五个发生金融危机国家的1972年到1999年的22个宏观经济变量月度数据为样本，建立了危机预警模型。Davis和Karim（2008）分别基于Logit和二叉树法建模，以12个宏观经济及财务指标作为预警指标对美国和英国发生的次贷危机进行事后检验。检验结果表明，相对于二叉树法，Logit模型准确度更高。
来源：金融读书会
感谢分享
京公网安备 11010802022788号
