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。

金融机构系统重要性评估方法比较与应用研究

本文比较了MES、SRISK和CES三种金融机构系统重要性评估方法的有效性和适用性,并评估了中国上市金融机构系统重要性。研究表明在均使用公开市场数据进行分析的条件下,MES和CES指标时效性较好;SRISK对于综合规模、杠杆率等信息的评估结果更可靠,时效性略差;SRISK和CES样本外预测效果较好。本文以SRISK指数为基础,参考MES和CES指标,按系统重要性将中国金融机构分为三大类,商业银行贡献了系统性风险的绝大部分,保险公司系统重要性有上升趋势。本文还发现样本期内金融机构系统重要性是动态变化的,具有明显周期性特征,系统性风险集中在少数金融机构。监管机构需要保持动态监测,加强金融机构宏观审慎监管。

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。

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。