中国系统重要性金融机构的识别——基于CES方法的实证分析

采用成分期望损失CES方法,完全基于公开市场数据,对中国系统重要性金融机构进行度量和识别的结果表明,中国系统重要性机构基本不随时间发生较大变化,且大部分的系统性风险聚集于少部分的金融机构。对不同行业的CES贡献度进行排序可知,银行业在中国金融系统中占据绝对系统重要地位,其次为保险业,证券业居其后。根据金融机构CES贡献度将中国金融机构的系统重要性程度划分为三个层次,结果表明,分类的方法具有合理性和可行性。此外,对金融机构样本外CES值进行预测,并将其与样本内观察值进行稳健性比较,能够为研究者和政策制定者提供新的研究思路和政策启示。

我国上市商业银行系统重要性评估与影响因素研究--基于预期损失分解视角

金融机构系统重要性水平的评估是宏观审慎监管的首要任务。本文将整体预期损失作为系统风险的度量,使用成分预期损失法利用市场数据将系统风险分解为单个机构的系统风险贡献,以此作为系统重要性指数,评估我国上市商业银行系统重要性水平,并分析其系统重要性指数的动态特征,计算其对系统风险的贡献百分比,最后从规模、可替代性、复杂性与关联性的角度分析影响我国上市银行系统重要性水平的因素,并给出对策建议。

模型不确定下我国商业银行系统性风险影响因素分析

本文采用成分期望损失CES方法,基于公开市场数据,对我国16家上市商业银行的系统性风险进行度量。基于CES的方法无论从时间维度还是横截面维度上,都与我国银行业的实际情况有着较好的契合。本文还采用贝叶斯模型平均BMA方法,广泛纳入现有相关文献中选取的影响因子作为解释变量,解决传统回归中的模型不确定性。研究结果表明,对于我国上市商业银行而言,银行规模、股权市账比及是否处于系统重要性地位与银行系统性风险呈现出显著的正相关关系,而非利息收入的提高能够有效地分散系统性风险;在行业层面,银行系统的波动率越高,单个机构面临的系统性风险也越大。以上结论可以为银行监管部门政策制定提供较为明确的启示及实证支持。

非利息收入降低了银行的系统性风险吗?——基于规模异质的视角

本文在使用新近发展的成分预期损失(CES)方法对2008-2014年期间我国14家上市银行系统性风险进行度量的基础上,应用面板门槛模型对其与银行非利息收入的关系进行了分析。结果表明,银行非利息收入与系统性风险之间存在非线性关系,规模较大的银行非利息收入业务分散了系统性风险,而规模较小的银行却导致系统性风险的上升,信息披露质量方面的差异是非对称效应存在的重要原因。宏观审慎监管既要注重规模效应,又要重视中小银行非利息收入业务的潜在影响,还需关注不同银行信息披露质量方面的差异。

我国金融市场系统重要性机构的评估及政策启示

本文引入成分期望损失方法,借助上市金融机构在资本市场上的日频交易数据,针对我国银行业、证券业、保险业以及信托业等金融部门的系统重要性机构进行测量和评估,同时针对研究结果采用条件在险价值的方法考察稳健性。实证研究发现:我国金融部门中系统重要性机构相对稳定,而且针对系统性风险测量表明风险主要集中于少数金融机构。根据不同金融部门的成分期望损失贡献度的相对比较,银行业在我国金融部门系统性重要机构评估中占据重要的地位,其次为保险业,证券业居其后。本文随后根据我国金融机构成分期望损失的贡献度对系统重要性程度划分了三个类别,政策制定者据此可以对处于不同类别中系统重要性程度不同的金融机构施加具有差异性的监管要求。最后,本文结合样本外成分期望损失值的预测,进行了稳健性分析,并结合研究发现提供了相关研究思路和政策启示。