基于系統(tǒng)性金融風險度量方法的宏觀審慎監(jiān)管研究

常 嶸

(南開大學經(jīng)濟學院金融系，天津300071)

一、問題的提出

在2008年國際金融危機發(fā)生后，各國在理論、實踐和政策制定方面對如何防范系統(tǒng)性金融風險都進行了新的探索，其中最重要的變化是對宏觀審慎監(jiān)管的強調(diào)，相關的研究也有很多。根據(jù)Borio(2003)，系統(tǒng)性金融風險有兩個來源，一是時間維度下金融體系的順經(jīng)濟周期性，這體現(xiàn)為各金融機構對宏觀經(jīng)濟風險的共同暴露;二是橫截面或空間維度下金融體系的風險傳染性，即由個別金融機構倒閉引起的金融危機。與此相對應，宏觀審慎監(jiān)管也包含兩個方面的內(nèi)容——時間維度下的逆周期政策和空間維度下系統(tǒng)重要性金融機構的識別以及監(jiān)管。

宏觀審慎監(jiān)管的出發(fā)點是降低系統(tǒng)性金融風險發(fā)生的可能性，所以相應的政策制定應當以準確衡量系統(tǒng)性金融風險為基礎。在危機之前，有關系統(tǒng)性金融風險度量方法的研究以基于銀行資產(chǎn)負債表和宏觀經(jīng)濟變量的綜合指標法和預警模型為主，在危機之后則多以市場數(shù)據(jù)為基礎，將金融工程領域的思想引入模型的開發(fā)，并注重考慮微觀金融機構之間的內(nèi)在關聯(lián)(朱元倩和苗雨峰，2012)。雖然系統(tǒng)性金融風險的度量方法在數(shù)據(jù)使用、模型開發(fā)以及度量視角方面都更加成熟，但直到目前，這些方法并未在宏觀審慎監(jiān)管的具體實踐中找到用武之地，宏觀審慎監(jiān)管的政策制定過程仍然缺乏對系統(tǒng)性金融風險的客觀評估，隨意性和主觀性較強。實踐中的監(jiān)管措施強調(diào)可操作性，但又不能因此失去有效性，就如何運用科學的系統(tǒng)性金融風險度量方法來指導宏觀審慎監(jiān)管政策的制定而言，還沒有可供參考的模式，本文將以逆周期資本緩沖機制的建立與系統(tǒng)重要性金融機構的識別為例，結合中國的現(xiàn)實情況對此作一個初步的探索，以期對提高宏觀審慎監(jiān)管政策的科學性有所啟示。

二、逆周期資本緩沖機制的建立與宏觀壓力測試

(一)逆周期資本緩沖機制的邏輯與建立原則

金融體系自身的順周期性在經(jīng)濟上行期會導致資產(chǎn)價格泡沫的累積，在經(jīng)濟下行期又會加劇風險的傳播，這實際上是市場失靈的一種表現(xiàn)。單家金融機構為了追求自身利益的最大化，在經(jīng)濟繁榮、流動性寬松時會擴張信貸、購買資產(chǎn)，在經(jīng)濟衰退、流動性緊缺時會減少信貸、出售資產(chǎn)，但是如果每一家金融機構都作出同樣的選擇，就會使這種從微觀層面看來是審慎合理的行為演變成整個金融體系的內(nèi)生性風險。為了彌補這一市場失靈，政府應該從宏觀金融穩(wěn)定的角度出發(fā)，建立起更具前瞻性的逆周期監(jiān)管制度安排，目的在于促使各金融機構能夠以更長遠的眼光準確評估自身風險，激勵金融機構達到更高的審慎標準。逆周期資本緩沖即是其中最重要的一項制度安排。

逆周期資本緩沖機制的目的是保證銀行的資本計提能夠考慮宏觀金融狀況，當系統(tǒng)性風險在經(jīng)濟上行期逐步累積時，銀行除了根據(jù)微觀審慎層面的內(nèi)部評級法計算所需資本外，還應針對系統(tǒng)性風險，從宏觀審慎角度增加一部分逆周期緩沖資本，計提的逆周期資本應采用核心一級資本或其他吸收損失能力強的資本形式。與此相反，當經(jīng)濟下滑時，銀行的資產(chǎn)風險明顯加大，此時降低資本充足率的要求可以使銀行釋放資本緩沖，吸收損失和上升的資產(chǎn)風險，防止信貸過度緊縮。建立逆周期資本緩沖機制需要明確兩個基本要素:一是銀行積累和釋放逆周期資本緩沖的時點;二是逆周期資本緩沖的計算方法。

就時點而言，關鍵是為判斷系統(tǒng)性風險的大小尋找能夠前瞻性地識別金融周期的指標，該指標可稱為景氣指數(shù)或金融穩(wěn)定系數(shù)，它的上臨界點將觸發(fā)逆周期資本緩沖的計提，意味著信貸增長不可持續(xù)以及金融系統(tǒng)性風險正在逐步累積;下臨界點將觸發(fā)逆周期資本緩沖的釋放，以緩解信貸供給的減少。巴塞爾銀行監(jiān)管委員會2010年頒布的《各國監(jiān)管當局實施逆周期資本緩沖的指導意見》中給出的參照指標為Credit/GDP缺口(信貸總量與名義GDP的比重對長期趨勢的偏離)，并指出當Credit/GDP缺口≥2%時開始計提逆周期資本緩沖;當Credit/GDP缺口≥10%時，逆周期資本緩沖達到最大值VBmax且維持不變;如果缺口值處于2% －10%之間，則逆周期資本緩沖在(0，VBmax)的范圍內(nèi)遞增。但由于沒有提及釋放逆周期資本緩沖的Credit/GDP缺口下臨界點，該指導意見其實并不完整。此外，在制定宏觀經(jīng)濟穩(wěn)定政策時，缺口類指標的可靠性往往被經(jīng)濟學家所質(zhì)疑(Staiger等，1997;Orphanides和 Van Norden，2002)，即樣本末期t的趨勢估計值是不可靠的，隨著時間的推移，樣本序列變長后再次確定變量的長期趨勢時，t期的趨勢值將發(fā)生較大的變化，而政策制定者所需的當前趨勢值的估計正是樣本末期的值。Edge和Meisenzahl(2011)的研究證實了Credit/GDP缺口也是如此。Repullo和Saurina(2011)指出了Credit/GDP缺口指標的另一個不足之處，即Credit/GDP缺口與GDP的增長率負相關，這會導致逆周期資本緩沖在經(jīng)濟上行期可能無法有效計提，而在經(jīng)濟下行期又不能及時釋放。因此，以Credit/GDP缺口來判斷計提逆周期資本緩沖的時點存在一定的問題。

就目前的研究來看，逆周期資本緩沖的計算方法有兩種基本思路(Gordy和Howells，2006)。一是改變風險加權資產(chǎn)的計算方法，即要求銀行跨期平滑內(nèi)部評級法下的風險權重，從時點評級法(point－in－time，PIT)轉為跨期評級法(through－the－cycle，TTC)，以評估借款人在一個經(jīng)濟周期內(nèi)發(fā)生違約的可能性。二是改變資本充足率的標準，即在最初的由時點評級法確定的資本要求之上，乘以逆周期乘數(shù)，經(jīng)濟繁榮時，逆周期乘數(shù)大于1，經(jīng)濟衰退時，逆周期乘數(shù)小于1。前者所要求的跨期評級法涉及的技術難度較大，銀行很難將純粹由經(jīng)濟周期導致的違約風險和由非周期性因素導致的違約風險變化區(qū)分開來(Financial Service Authority，2009)，這種困難意味著銀行在采用跨期評級法提取逆周期資本緩沖時的隨意性較大，不易監(jiān)督。因此，直接通過逆周期乘數(shù)改變資本充足率標準的做法有更強的可操作性。逆周期乘數(shù)由前述的判斷時點的周期指標導出，但有關逆周期乘數(shù)推導方法的研究還很少，Repullo等(2010)給出的一種形式為:

其中，gt是某個周期指標的變化率，g是該指標的長期均值，σg是長期標準差，N為標準正態(tài)分布的累積分布函數(shù)，α為正參數(shù)。首先提取按照時點計算法得到的銀行業(yè)整體資本充足率的長期趨勢，然后確定α使調(diào)整后的資本充足率與趨勢的均方根偏差(rootmeansquaredeviation)最小。

可以看出，上述做法是根據(jù)經(jīng)濟狀況的冷熱來調(diào)整銀行資本充足率的要求，以確保銀行在整個經(jīng)濟周期內(nèi)的資本充足率維持在接近長期趨勢的穩(wěn)定水平，但這種方法至少存在兩個問題。第一，從逆周期乘數(shù)μt的表達式可知，μt的選擇依賴于周期指標gt的缺口值，而正如上文所述，缺口值的可靠性值得懷疑。第二，該做法根據(jù)過去一段時間內(nèi)的數(shù)據(jù)計算出α，從而把經(jīng)濟景氣指標與逆周期乘數(shù)聯(lián)系起來，因此本質(zhì)上是面向歷史的，隨著時間的推移，α的值也將發(fā)生變化，這意味著通過以歷史數(shù)據(jù)決定的α來確定未來的逆周期資本充足率并不恰當。另外，這種“一刀切”式的做法不夠合理。首先，計提資本是有成本的，根據(jù)單家銀行在經(jīng)濟下行期抵抗風險的能力不同，逆周期乘數(shù)應當有所調(diào)整，抗風險能力高的銀行可以適當減少逆周期資本緩沖。其次，不同銀行的外部融資約束存在差異，比如在中國，國有及股份制銀行的外部融資約束小，而城市及農(nóng)村銀行則缺乏外部融資渠道。逆周期資本緩沖的原意是在經(jīng)濟繁榮時，通過提高資本充足率的標準督促銀行用更多的留存利潤建立資本緩沖，從而抑制銀行過度放貸，但如果銀行有較多的外部融資渠道，逆周期資本監(jiān)管的作用就會相對有限。因此在制定逆周期超額資本要求時，應計算不同銀行外部融資約束的大小①一種可行做法是估計銀行貸款對留存利潤的敏感度。，約束小的銀行應適用更高的標準，這樣才能發(fā)揮逆周期資本緩沖機制的作用。

(二)宏觀壓力測試在逆周期資本緩沖機制中的應用

在構建逆周期資本緩沖框架時，雖然Credit/GDP缺口是目前監(jiān)管當局推崇的指標，但根據(jù)前文的分析，無論是確定緩沖資本的計提時機，還是計算緩沖資本的計提比例，以Credit/GDP缺口為基礎的方法都不能較準確地根據(jù)歷史數(shù)據(jù)做出前瞻性判斷，也就難以實現(xiàn)設立逆周期資本緩沖機制的初衷。而且Credit/GDP缺口并不能全面衡量宏觀經(jīng)濟周期內(nèi)系統(tǒng)性風險的變化，尤其是缺乏對經(jīng)濟下行期緩沖資本釋放時點的判斷。

結合以上對逆周期資本緩沖機制設置意圖和實踐要求的分析，我們認為在各種系統(tǒng)性金融風險的度量方法中，宏觀壓力測試是一個比較合適的切入點。宏觀壓力測試通常用來衡量未來可能發(fā)生的不利的宏觀經(jīng)濟沖擊對系統(tǒng)性金融風險的影響，但我們可以根據(jù)其原理，將該方法用于評測當未來經(jīng)濟轉好時金融體系的風險變化情況。不難看出，宏觀壓力測試衡量系統(tǒng)性風險的出發(fā)點是逆周期的，具有前瞻性的，這與逆周期資本緩沖的內(nèi)在邏輯相一致。另外，壓力測試最早是用在微觀領域的，在宏觀壓力測試的基礎上，以單家銀行為對象的微觀壓力測試結果可以作為緩沖資本差異性要求的依據(jù)。

宏觀壓力測試的第一步是盡可能準確地估計作為風險驅(qū)動因素的經(jīng)濟變量與銀行資產(chǎn)質(zhì)量之間的動態(tài)關系，為此應當考慮包含風險指標與宏觀經(jīng)濟變量的VAR模型(Hoggarth等，2005)，而不是通過單一方程估計宏觀經(jīng)濟沖擊對銀行風險的影響。在風險指標的選取方面，由于此處宏觀壓力測試的目的是確定逆周期資本緩沖比率，因此模型關注的重點為宏觀經(jīng)濟沖擊對銀行業(yè)資本充足率的影響①在中國人民銀行公布的《中國金融穩(wěn)定報告2012》中，銀行業(yè)的壓力測試內(nèi)容是檢測不同程度的負面沖擊對銀行體系資本充足率的影響。。宏觀壓力測試模型的具體設定如下:

Capitalt代表銀行業(yè)的整體資本充足率;Macrot是表征宏觀經(jīng)濟狀況的指標，為n×1向量，這些指標的選取需要充分考慮中國銀行業(yè)經(jīng)營的現(xiàn)實情況，比如在房地產(chǎn)貸款總量居高不下、經(jīng)濟結構面臨深度調(diào)整的情況下，應當加入房地產(chǎn)價格指數(shù)、國際收支等指標。是所有內(nèi)生變量的滯后值，為(n+1)×q的矩陣，εt、μt分別是資本充足率和宏觀經(jīng)濟狀況的隨機擾動項，且互不相關。該結構VAR模型考慮了宏觀經(jīng)濟沖擊對銀行資本充足率的持續(xù)影響，以及金融體系運行對實體經(jīng)濟的反饋效應。

從宏觀壓力測試模型到建立逆周期資本緩沖機制的基本思路是:當銀行信貸投放出現(xiàn)上升勢頭時(即經(jīng)濟景氣周期上升階段)，以當前宏觀經(jīng)濟變量的取值為基礎引入負向沖擊，根據(jù)上述結構VAR模型的估計結果，采用蒙特卡羅模擬方法得到Macrot受到負向沖擊后銀行業(yè)資本充足率Capitalt的分布，并得到95%的置信水平下資本充足率的極端值RN，如果RN小于一級核心資本充足率的最低要求a，則啟動逆周期資本緩沖的計提。然后將上述模擬過程應用到以單家銀行為目標的壓力測試中，得到各銀行在宏觀經(jīng)濟負向沖擊時資本充足率的極端值RIN和不同銀行RIN的分布圖。以(a－RN)為基準，分位數(shù)α處于50%以下的銀行應計提的逆周期資本緩沖率為(a－RN)×(1+α);分位數(shù)α處于50%以上的銀行應計提的逆周期資本緩沖率為(a－RN)×(1－α)。

同理，當銀行信貸投放出現(xiàn)下降勢頭時(即經(jīng)濟景氣周期下降階段)，引入宏觀經(jīng)濟變量的正向沖擊，并得到95%的置信水平下資本充足率的取值RP，如果RP大于一級核心資本充足率的最低要求a，則允許釋放逆周期資本緩沖。然后以單家銀行為目標進行上述模擬過程，得到各銀行在宏觀經(jīng)濟正向沖擊時的資本充足率取值RIP和不同銀行RIP的分布圖。以(RP－a)為基準，分位數(shù)α處于50%以下的銀行可以釋放的逆周期資本緩沖率為(RP－a)×(1－α);分位數(shù)α處于50%以上的銀行可以釋放的逆周期資本緩沖率為(RP－a)×(1+α)。也就是說，當經(jīng)濟在未來出現(xiàn)好轉時，資本充足率改善較大的銀行可以釋放更多的資本。

在上述逆周期資本緩沖機制下，緩沖資本計提與釋放的時點以宏觀壓力測試對系統(tǒng)性風險的度量結果為判斷依據(jù)，由于引入了逆向沖擊，該結果可以較好地衡量經(jīng)濟繁榮期隱藏的風險累積，以及經(jīng)濟衰退期所暗示的風險化解。在資本緩沖計提與釋放比例的計算方面，逆向沖擊對銀行業(yè)整體資本充足率的影響是基準，相應的微觀壓力測試結果對此基準的修正則體現(xiàn)了不同銀行在抵御經(jīng)濟周期逆轉風險能力方面的差異，這樣可以在減緩銀行順周期行為風險的同時，最大化銀行的盈利。

三、識別系統(tǒng)重要性金融機構的兩步法框架

(一)金融機構系統(tǒng)重要性的評估方法概述

應G20成員國的要求，國際貨幣基金組織、國際清算銀行和金融穩(wěn)定理事會于2009年聯(lián)合發(fā)布了《系統(tǒng)重要性金融機構、市場和工具的評估指引》，這一文件對系統(tǒng)重要性金融機構的含義、定性的評估標準和定量的技術方法作了初步說明。如果一家金融機構的倒閉或功能紊亂會給整個金融系統(tǒng)甚至是實體經(jīng)濟帶來嚴重的負面沖擊，則該機構具有系統(tǒng)重要性。評估標準包含與金融機構的規(guī)模和可替代性有關的直接影響渠道，以及與關聯(lián)性有關的間接影響渠道;另外，諸如杠桿率、期限錯配程度和復雜性等也需要關注，即高風險金融機構的監(jiān)管標準應當像系統(tǒng)重要性金融機構看齊。評估方法分為指標法和模型法兩類。指標法根據(jù)評估標準選取具體指標并賦予相應的權重，然后加總出綜合值。模型法是從定義出發(fā)直接測算金融機構的系統(tǒng)重要性，主要包括網(wǎng)絡分析、基于市場數(shù)據(jù)的組合風險模型、壓力測試或情景分析三種方式①壓力測試或情景分析檢驗的是假設的市場沖擊對金融機構的影響，與系統(tǒng)重要性的含義并不一致，因此嚴格來講不能算作一種評估方法。。

指標法簡潔明了，易于計算，但前提是規(guī)定好納入評估的指標和對應的權重，使得到的綜合值能夠反映出系統(tǒng)重要性的多個維度。巴塞爾委員會2011年公布的《全球系統(tǒng)重要性銀行:評估方法及額外損失吸收要求》用指標法評估了全球73家銀行的系統(tǒng)重要性，首先是確定五類標準:全球活躍程度、規(guī)模、關聯(lián)性、可替代性和復雜性，權重各占20%，然后在每一類標準中選取相對應的指標共計12個，每個具體指標的權重在子類中平均分配，但指標的選擇以及按照平均思想確定權重的方法仍然缺乏嚴謹性和邏輯基礎。與此形成對比的是，模型法的邏輯科學嚴謹，有關金融機構系統(tǒng)重要性的研究文獻也大多圍繞模型法展開。我們在此將對網(wǎng)絡模型和組合風險模型的核心思想做出歸納總結，并進一步指出可能的拓展方向。

網(wǎng)絡分析的核心是根據(jù)金融機構資產(chǎn)負債表之間的相互關聯(lián)，構建風險敞口矩陣，在此基礎上，模擬某家金融機構的倒閉引發(fā)的一系列損失和倒閉的過程(Wells，2004)。具體來講，矩陣的元素代表j對i的負債，假設j最先倒閉，則i遭受的損失為，θ是損失率，ci是i的資本金，當＞ci時，i也會倒閉，繼而給k帶來θxki的損失，于是k遭受的損失累計為θ(+)，當θ+)＞ck時，k也會倒閉，這樣一輪一輪地持續(xù)下去，直到不再有金融機構倒閉為止，則j的系統(tǒng)重要性由其引發(fā)的總損失L或倒閉的金融機構總數(shù)目N來衡量。

該模擬過程真實展現(xiàn)了一家金融機構的倒閉給整個金融系統(tǒng)帶來的風險，這與系統(tǒng)重要性的定義相符，但在實際應用中存在的兩方面問題會導致一定程度的偏差。一是θ只能依靠假設來確定，不同輪次、不同金融機構之間的θ也被設定為相同值;二是研究人員往往只能獲得一家金融機構對其他金融機構的負債總額，因此雙邊風險敞口矩陣的數(shù)據(jù)需要通過額外的假設(如熵最大化)來估計，有失真實②雖然這是大多數(shù)研究所使用的假設，但也有例外，比如黃聰和賈彥東(2010)直接利用中國人民銀行支付系統(tǒng)的銀行間支付數(shù)據(jù)實證分析了中國的銀行網(wǎng)絡結構。。另外還需指出的是，目前有關網(wǎng)絡分析的研究多局限于銀行間市場，忽略了對證券、保險、信托公司等其他金融機構的系統(tǒng)重要性分析;而且即使是評估銀行的系統(tǒng)重要性，也不能僅關注銀行部門之間的關聯(lián)，因為通過表外業(yè)務等方式，銀行與其他金融機構之間也會有大量的資金往來，比如中國現(xiàn)階段存在的銀信、銀證、銀基、銀保合作模式，其中隱藏的風險不容忽視。

如果把整個金融體系看做一個資產(chǎn)組合，就可以用組合風險模型的原理來測度各金融機構的系統(tǒng)重要性，這主要分為兩條路徑:自下而上(bottom－upmeasure)和自上而下(top－down measure)。自下而上法立足于單家金融機構陷入紊亂后對整個金融體系的影響，最具代表性的是Adrian和Brunnermeier(2011)提出的△CoVaR。金融機構i的CoVaR是以i的狀態(tài)為條件的金融體系的VaR值，i在危機和正常兩種狀態(tài)下對應的CoVaR的差值為△CoVaR，它代表了i的系統(tǒng)重要性。實證研究中先是用分位數(shù)回歸來估計危機情形下i的股票收益率與金融系統(tǒng)的綜合收益率之間的關系，分位數(shù)水平q一般選擇1%或5%;然后根據(jù)收益率的歷史數(shù)據(jù)得到i在q和50%置信水平下的VaR值(分別代表i處于危機和正常兩種狀態(tài))，帶入估計方程得到相應的CoVaR和i的△CoVaR，即③M為決定股票收益率動態(tài)特征的狀態(tài)變量。:

由于是從VaR發(fā)展而來，△CoVaR的不足之處在于它沒有考慮置信水平之外的風險，而真實危機的發(fā)生卻往往與黑天鵝事件有關，體現(xiàn)的恰恰是尾部風險。Acerbi等(2008)提出的期望損失(Expected Shortfall，ES)概念描述了尾部風險的期望值，彌補了VaR的缺陷。我們可以借鑒△CoVaR的思路，嘗試構建△CoES指標來衡量金融機構的系統(tǒng)重要性，具體做法是根據(jù)i與金融體系的歷史收益率數(shù)據(jù)的分布圖，得到兩者在不同分位數(shù)水平下的ES，并進行q(1%或5%)水平下的分位數(shù)回歸，然后將i在q和50%分位點下的ES帶入回歸方程得到兩種狀態(tài)對應的CoES，相減得△CoES。

自上而下法的基本思路是將系統(tǒng)性風險分配給各金融機構，按照分配方式的不同，可分為參與法(participationapproach)和貢獻法(contributionapproach)。在參與法中，金融機構i的系統(tǒng)重要性為整個金融體系出現(xiàn)危機時i所遭受的損失，即E(Li∣e(N))，其中e(N)代表整個金融系統(tǒng)陷入危機這一事件，Li是 i的損失，E代表損失的期望值。由Acharya等(2010)提出的用系統(tǒng)預期損失(SystemExpected Shortfall，SES)來衡量金融機構的系統(tǒng)重要性就是參與法的典型例子。貢獻法將合作博弈中分配整體支付的方式運用到金融系統(tǒng)中，將特征函數(shù)?定義為子系統(tǒng)Nsub到風險的映射，從而以沙普利值(Shapley Value)來衡量每個金融機構的系統(tǒng)重要性(Tarashev等，2010):

那么金融機構i的沙普利值等于E(Li∣e(N))，由此可見，參與法實際上是貢獻法的一種，也就是說，沙普利值框架可以概括衡量系統(tǒng)重要性的自上而下法，特征函數(shù)?代表了系統(tǒng)性風險的不同分配方式。根據(jù)參與法所對應的?，i對任一金融子系統(tǒng)的邊際風險貢獻都為E(Li∣e(N))，這顯然忽略了不同子系統(tǒng)內(nèi)金融機構之間關聯(lián)結構的差異性，但金融機構的關聯(lián)對于系統(tǒng)性風險的分配是十分重要的，因為除了自身對外生沖擊的風險暴露，與其它金融機構之間的雙向風險傳染也會影響一個金融機構對系統(tǒng)性風險的貢獻。為了克服參與法所對應的?的不足，Drehmann和Tarashev(2011a)給出了?的如下形式:

根據(jù)該?所計算的沙普利值充分考慮了i對風險傳遞與擴散的影響，從而更準確地衡量了金融機構的系統(tǒng)重要性。計算?(Nsub)的關鍵是估計子系統(tǒng)Nsub中各金融機構的聯(lián)合損失分布函數(shù)，從而計算出尾部事件發(fā)生時的期望損失，對這一分布函數(shù)的估計不僅要考慮外生沖擊下的違約概率，還應考慮金融機構之間的違約傳染概率，在這種情況下，如何快速精確地計算金融機構組合的損失概率分布是目前系統(tǒng)性金融風險研究的難點。

(二)指標法與模型法相結合的評估框架

根據(jù)以上分析可以看出，模型法雖然邏輯嚴謹，方法科學，但對數(shù)據(jù)的要求高，計算復雜，公眾難以理解，單個金融機構也很難用模型法來評估自己的系統(tǒng)重要性(Drehmann和Tarashev，2011b)。另外，由于模型參數(shù)是根據(jù)歷史數(shù)據(jù)估計的，為了保證模型的有效性，需要以較高的頻率重新估計模型，而在數(shù)據(jù)收集難度大以及計算復雜的情況下，做到這一點將耗費大量的成本。因此從監(jiān)管實踐的角度來講，指標法更具有可操作性，比如巴塞爾委員會2011年采用指標法對全球系統(tǒng)重要性銀行進行了評估;中國銀監(jiān)會在2010年頒布的銀行業(yè)實施新監(jiān)管標準的指導意見中指出，評估國內(nèi)的系統(tǒng)重要性銀行將主要考慮規(guī)模、關聯(lián)性、復雜性和可替代性等四個方面的因素。然而就目前的監(jiān)管實踐而言，評估金融機構系統(tǒng)重要性的指標體系及相應權重的制定仍然缺乏科學的理論基礎，如何以科學嚴謹?shù)哪Ｐ头▉碇笇嵺`中的系統(tǒng)重要性評估是一個容易被忽略但又十分重要的問題。

事實上，指標法與模型法之間存在著因果關系。指標法是面向過程的評估方法，即從多角度出發(fā)，根據(jù)各金融機構的現(xiàn)實經(jīng)營狀況來推斷其潛在的系統(tǒng)重要性;模型法是面向結果的評估方法，模型內(nèi)部的運算過程是一個黑箱，最終的輸出結果直接指向系統(tǒng)重要性的大小，而打開黑箱，揭示輸出值背后原因的正是指標法中的多個維度。因此，我們結合指標法和模型法各自的優(yōu)點，提出下面的兩步法作為識別系統(tǒng)重要性金融機構的方法論。

第一步是選擇模型，通過其輸出值測度各金融機構的系統(tǒng)重要性;第二步，將輸出值作為因變量，按照規(guī)模、關聯(lián)性、可替代性和復雜性等標準選取指標作為自變量，通過回歸分析得到各指標的估計系數(shù)及其顯著性。系數(shù)顯著不為零的指標進入評估體系，而且由于估計系數(shù)體現(xiàn)了指標與系統(tǒng)重要性之間的聯(lián)系，因此其大小可被視為賦予各指標的權重。利用模型法測度系統(tǒng)重要性在進行過一次之后可以停止較長時間，因為它主要是為第二步確定權重服務的，在評估體系確立之后，根據(jù)固定的權重與未來不斷變化的指標值，監(jiān)管者就能較容易地對各金融機構的系統(tǒng)重要性做出動態(tài)評估。由此可見，兩步法評估框架融合了模型法和指標法，較好地兼顧了科學性和簡明性，有利于準確并且持續(xù)地評估金融機構的系統(tǒng)重要性。

就中國的現(xiàn)實狀況而言，由于已上市的金融機構數(shù)量還比較少，直接用基于市場數(shù)據(jù)的組合風險模型來確定金融機構的系統(tǒng)重要性會受到較大限制，但上述的兩步法能夠突破這一限制。如前所述，用模型法得到的系統(tǒng)重要性測度只是第一步，它的主要作用是在第二步中通過回歸分析揭示出系統(tǒng)重要性與指標之間的內(nèi)在聯(lián)系，因此可以將樣本范圍限制在已上市的金融機構之中，通過它們的系統(tǒng)重要性測度與指標值之間的關系構建出指標體系，然后在該指標體系下計算出各個金融機構的指標綜合值，并據(jù)此對金融機構的系統(tǒng)重要性進行排序。

對監(jiān)管者來講，還需要為上述排序劃定界限，以確定系統(tǒng)重要性金融機構(Systematically Important Financial Institutions，SIFIs)的名單，而這將不可避免地帶有一定的主觀色彩。正如周小川(2011)所指出的那樣，處于臨界點附近的金融機構會有兩種心理，如果被劃入SIFIs，則表明了自己的重要地位;但另一方面，作為SIFI，將面臨更高的資本要求和更嚴格的監(jiān)管，這就有可能降低自己的資本回報率。在確定劃分標準的討論中，周小川(2011)曾提到相對系數(shù)的方法，即以規(guī)模位居第五的交通銀行為臨界點，對于規(guī)模在此之下的銀行，將該銀行的資產(chǎn)與交通銀行資產(chǎn)的比例作為相對系數(shù)，當該系數(shù)小到一定程度時，可以忽略不計，視同為零。由于以規(guī)模這一單獨指標來衡量金融機構的系統(tǒng)重要性不夠全面，我們可以用指標綜合值來代替規(guī)模，然后按照上述的相對系數(shù)方法劃定系統(tǒng)重要性金融機構。

四、結 語

在2008年的金融危機之后，宏觀審慎監(jiān)管受到了監(jiān)管當局和學者的更多重視。對系統(tǒng)性風險的準確衡量是保證宏觀審慎監(jiān)管有效性的基礎，但實踐中的監(jiān)管政策制定與理論界對系統(tǒng)性風險度量的研究存在著明顯的分離。本文以逆周期資本緩沖機制與系統(tǒng)重要性金融機構的識別為例，分析了現(xiàn)行宏觀審慎政策的不足之處，并就如何運用已有的系統(tǒng)性風險度量方法來更好地指導政策實踐做了探索性的思考。

在逆周期資本緩沖機制方面，本文從宏觀壓力測試的原理出發(fā)，探討了逆周期資本緩沖的計提、釋放時點和計算方法。逆周期資本緩沖的邏輯是基于整個經(jīng)濟周期內(nèi)，從未來經(jīng)濟形勢發(fā)生逆轉的角度來看待系統(tǒng)性風險，這與宏觀壓力測試的原理相似，而且在宏觀壓力測試的框架下，還可以分析正面經(jīng)濟沖擊對金融體系的影響，從而有助于判斷緩沖資本釋放的時機。不過需指出的是，對于如何應用宏觀壓力測試來建立逆周期資本緩沖機制，本文只是給出了初步的設想，相關研究仍有待于進一步的完善。

在評估金融機構的系統(tǒng)重要性方面，本文設計了一個兩步法框架，根據(jù)模型法對金融機構系統(tǒng)重要性的衡量結果來確定指標及相應的權重，這樣就可以將模型法的科學性融入到更具可操作性的指標法中，從而有助于監(jiān)管者準確地對金融機構的系統(tǒng)重要性進行持續(xù)的動態(tài)評估。

［1］黃聰，賈彥東:《金融網(wǎng)絡視角下的宏觀審慎管理——基于銀行間支付結算數(shù)據(jù)的實證分析》，《金融研究》，2010年第4期。

［2］周小川:《金融政策對金融危機的響應——宏觀審慎政策框架的形成背景、內(nèi)在邏輯和主要內(nèi)容》，《金融研究》，2011年第1期。

［3］朱元倩，苗雨峰:《關于系統(tǒng)性風險度量和預警的模型綜述》，《國際金融研究》，2012年第1期。

［4］Acerbi C.，Nordio C.and Sirtori C.Expected shortfall as a tool for financial risk management.Working paper，2001.

［5］Acharya V.，Pedersen L.H.，Philippon T.and Richardson M.Measuring Systemic Risk.New York University working paper，2010.

［6］Adrian T.and Brunnermeier M.K.CoVaR.Princeton University working paper，2011.

［7］Basel Committee on Banking Supervision.Guidance for national authorities operating the countercyclical capital buffer，2010.

［8］Basel Committee on Banking Supervision.Global systemically important banks:Assessment methodology and the additional loss absorbency requirement，2011.

［9］Borio C.Towards a macroprudential framework for financial supervision and regulation.BIS working papers，No.128，2003.

［10］Drehmann M.and Tarashev N.Measuring the systemic importance of interconnected banks.BISworking papers，No.342，2011a.

［11］Drehmann M.and Tarashev N.Systemic importance:some simple indicators.BISquarterly review，2011b.

［12］Edge R.M.and Meisenzahl R.The unreliability of credit－to－GDP ratio gaps in real－time and the implications for countercyclical capital buffers.Mimeo，2011.

［13］Financial Services Authority.A regulatory response to the global banking crisis.Discussion Paper，2009.

［14］Financial Stability Board.Intensity and effectiveness of SIFI supervision:recommendations for enhanced supervision，2010.

［15］Gordy，M.and Howells B.Pro－cyclicality in Basel II:can we treat the disease without killing the patient.Journal of Financial Intermediation，2006(15):395－417.

［16］Hoggarth G.，Sorensen S.and Zicchino L.Stress tests of UK banks using a VARapproach.The Bank of England’s working paper series，No.282，2005.

［17］International Monetary Fund，Bank for International Settlements，and Financial Stability Board.Guidance to Assess the Systemic Importance of Financial Institutions，Markets and Instruments:Initial Considerations，2009.

［18］Orphanides A.and Van Norden S.The unreliability of output－gap estimates in real－time.Review of Economics and Statistics，2002(84):569 －583.

［19］Repullo R.，Saurina J.and Trucharte C.Mitigating the pro － cyclicality of Basel II.Economic Policy，2010(10):661－702.

［20］Repullo R.and Saurina J.The countercyclical capital buffer of Basel III:a critical assessment.SSRN working paper，2011.

［21］Staiger D.，Stock J.H.and Watson M.W.How precise are estimates of the natural rate of unemployment?Reducing inflation:motivation and strategy.Chicago:University of Chicago Press，1997.

［22］Tarashev N.，Borio C.and Tsatsaronis K.Attributing systemic risk to individual institutions.BISworking papers，No.308，2010.

［23］Wells S.Financial interlinkages in the United Kingdom’s interbank market and the risk of contagion.The Bank of England’s working paper series，No.230，2004.