本站原创本文是一篇金融风险论文范文,金融风险类有关本科毕业论文,关于系统性金融风险测度方法综述相关研究生毕业论文开题报告范文。适合金融风险及金融体系及模型方面的的大学硕士和本科毕业论文以及金融风险相关开题报告范文和职称论文写作参考文献资料下载。
摘 要:系统性金融风险的测度方法是理论与实务领域中一项复杂而前沿的研究课题.本文针对原理而不是具体的计算过程,对系统性金融风险的测度方法进行系统的梳理和评述,以期为相关领域的进一步研究提供借鉴.
关 键 词:系统性金融风险,测度方法,宏观加总
Abstract:Themethodonthemeasurementsoffinancialsystemicriskisplex.Manystudieshepayoutinthiield.Thispapermainlysurveystheworksonthemeasurementsoffinancialsystemicrisk,whichdoesnotpayattentiontothespecificcalculations,buttheprinciple,withiewtoprovidereferencetothefurtherresearches.
KeyWords:financialsystemicrisk,measurements,macro-aggregate
中图分类号:F830.9文献标识码:A文章编号:1674-2265(2010)01-0024-04
一、引言
系统性金融风险的测度,是指在对过去系统性风险损失资料及当前经济金融形势分析的基础上,对风险发生的概率及造成的损失程度进行定性、定量分析,从而预测出较精确并满足一定规律的结果的过程(范小云,2006).它包括两个组成成分:一是对过去所发生的系统性风险的规律性的发掘,找出呈现一定必然性和统计规律性的东西,二是对当前经济金融体系的现实状况及可能受到的冲击等进行分析,从而估测出当前的风险状况(翟金林,2001).对系统性金融风险进行测度,能够起到预警的作用.数次金融危机的爆发,使得理论界对系统性金融风险的测度研究给予了大量关注,但一直争论于对合理有效测度方法的选取(ShnkeM.Bartram等,2007).找到一套能够预先给出未来系统性风险发生的时间、强度,而同时又不给出错误信号或较少给出错误信号的通用规则,成为监管当局防范系统性金融风险进程中的一项重要而前沿的任务.本文从原理上而不是具体的计算过程,对系统性金融风险的测度方法进行梳理和评述.
当前对系统性金融风险测度的研究主要从两方面展开:一是从单一金融机构入手,分析个体的风险暴露状况,然后再将个体的风险暴露进行加总来推算整个系统的风险,二是运用一定的模型,从整体上直接估测系统性金融风险.本文的综述也是由此展开的,并在纵向比较代表性方法的原理后,围绕其共同存在的问题做一简要横向评析,以期为相关领域的进一步研究提供借鉴.
二、从单一金融机构入手对系统性金融风险的测度
此类测度方法分为指标经验分析法、数理模型分析法和计量模型分析法三种.
(一)指标经验分析法
一般来讲,指标经验分析法是利用经验筛选指标,以指标实际值与正常值之间的经验性差别衡量系统性风险.通过指标测度系统性金融风险的方法大体可以分为两类,即指标体系综合度量和零散指标度量.
二十世纪90年代前,用于综合度量的指标体系主要是CAEL和CAMEL系统,其也是各监管当局当时最常用的风险测度与预警工具.CAMEL评级系统在CAEL排序系统以资本充足性、资本品质、获利能力及流动能力作为测度指标范畴的基础上,增加了管理能力一项,其选择相应的指标并赋予权数,以权数求得的综合得分在同类型金融机构内的排序先后确认出风险状况不佳的金融机构.然而,CAEL和CAMEL的实际识别效果都不尽如人意,在美国1980-1994年间发生的1617个失败银行中只准确识别了46%(BentonE.Gup,1999).1993年,美联储开始采用更多考虑了金融机构长期变动影响的FIMS评级系统,对单个银行的风险进行监察.但FIMS依然认为单个金融机构的脆弱是系统性金融风险的主要原因.在对系统性风险进行评价时只是将各金融个体的风险进行简易累加,或选取代表性的大型机构,未能真正反映出系统性风险的“系统”问题,在总体测度方面表现欠佳.
针对上述指标体系中指标选取上的不足,零散指标度量法从补充、修改指标的角度提出了不同观点.美国的快速预警纠偏模型以资本充足率状况为主线,为监管当局判断银行状况提供了一个快速、简明的参考框架.Kaminsky(1997)研究认为,实际汇率水平、国内信贷总量、对公共部门的信贷总量、国内通货膨胀、贸易平衡情况、货币增长率、实际经济增长率和财政赤字等指标,在一定程度上能够对系统性金融风险起到一定的指示作用.GonzalezHermosillo(1999)以经验证据表明,只有同时考虑不良贷款和资本充足率,CAMEL体系的评估才有统计意义上的依据.Goodhart(2004)和Aspachs(2006)认为违约概率和银行盈利水平是重要指标.虽然针对个别零散指标重要性的研究仍在继续,但是如果继续从单一金融机构入手,单纯从建立指标体系角度考虑,而没有加总的理论基础,那么无论怎样继续添加、修改指标也无法解决其在对系统性风险总体测度上表现欠佳的问题.
(二)数理模型分析法
数理模型分析法大多以一家机构破产倒闭推测系统内某一特定数量机构同时倒闭的可能性,来测度系统性金融风险.具有代表性的模型如下所列.
Alferdlehar(2003)通过模拟多家银行的资产波动,考察一定资产条件和数目条件下,系统性风险发生的概率.这种方法使用蒙特卡罗模拟法模拟发生单银行倒闭的时间序列,得出引发系统性风险的诱导因素发生的概率和超过系统中某一特定数量的银行同时倒闭的可能性,即整个系统发生系统性风险的概率.矩阵法首先估计银行间的双边风险敞口矩阵,然后对银行的损失率赋予不同的值.根据不良资产量多于一级资本后银行即倒闭的原则,确定受到传染的银行数量.以一家银行的倒闭所带来的其他银行倒闭的数目来估计系统性风险传染的程度(如SimonWells,2000,ImanvanLelyveld,2002,ChristianUpper,2002).JeanteMuller(2003)第一个将网络分析方法应用于测算系统性金融风险的模型中.其使用网络分析法识别出不同银行类型的不同网络结构,然后根据银行间市场网络形状,利用神经网络模拟法测算系统性风险的传染程度.Ghosh(2003)使用了双元递归数方法,使模型可以不受变量变换的影响,从而增加引入定序的结构型变量的便利性.侯明扬和伍海华(2008)还使用复杂网络分析的方法对其模拟过程进行了扩展,但在向宏观整体过渡的过程中依然缺乏理论基础.SujitChakrorti(1996)将模拟法与一般均衡经济理论相结合,认为由于支付系统中存在着类似CHIPS的ASO协议,单个银行发生支付困难时必然对其他银行的自有资金状况产生负面影响,从而改变现有银行的最优资产选择,减少银行间市场信贷资金的供给,其中资产状况较差的银行就会发生倒闭,随着倒闭银行数量的增加,对银行间信贷的需求数量也将逐渐减少,当银行间信贷资金的供求相等时,银行倒闭不再蔓延.OriolAspachs等(2006)也使用一般均衡的方法,通过测度违约概率预警系统性金融风险.
正因为上述模型的共同点在于由一家机构破产倒闭推测系统内某一特定数量机构同时倒闭的可能性,进而测度系统性金融风险,所以,撇开数据可得性等技术因素,致命的缺陷在于到底多少机构倒闭才能视为系统性风险的发生.其在数量上仍是模糊的,还需要经验性的总结.
(三)计量模型分析法
针对上述问题的计量模型集中表现为回归分析、GARCH模型和VaR法.回归分析是该领域产生较早的计量分析方法,主要是根据回归模型中系数的显著性筛选指标.而随着对经济数据本身非线性性的发现,其解释力度在逐渐减弱.GARCH模型以银行间实际交易的联系和市场间的波动性溢出为基础,建立二元或多元GARCH模型,以残值之间的相关性大小和变动反映潜在的系统性风险的大小.但是,不仅残值之间的相关性不一定代表了系统性金融风险,而且,实际上GARCH模型的分析只能说明诱导因素发生后传染的速度和规模,对于解释会不会发生系统性风险这一问题却远在其能力之外.伴随当前风险管理领域中最为流行的VaR方法的诞生,GARCH模型与其结合,共同测评金融机构面临的风险.为了尽量避免VaR方法本身蕴涵的模型风险,Blaschke等(2001)提出将压力测试(stresstesting)与VaR结合.但无论如何规避模型风险,VaR法实际上还是通过详尽评估单一金融机构的风险来强化整个金融体系,不能实现从总体上对系统性金融风险的测度.
三、从系统整体入手对系统性金融风险的测度
在面向系统整体直接对系统性金融风险进行测度时,作为指标体系主要制定者的监管当局认为,可以将经济金融系统看作所有金融机构甚至所有金融活动参与个体的总和,利用各部门总的经济数据,同时加入宏观经济指标,来衡量或预测经济金融体系的系统性风险.IMF于1999年5月启动了“金融部门评估计划”(FSAP),包括如经济增长、通货膨胀、利率等在内的宏观审慎指标,如资本充足性、盈利性指标、资产质量指标等在内的综合微观审慎指标,用于测度金融体系中蕴涵系统性风险的程度.这些宏观审慎指标包括反映单个金融机构稳健性的微观审慎指标的汇总和与金融体系稳健性有关的宏观经济变量两种类型.同时,在对单个金融机构稳健性的微观审慎指标进行汇总时,对不同的机构按照其对应的权重进行了加权.国内学者(如伍志文,2002,毛一文,2002,陈华,2004等)在借鉴国外研究成果的基础上,从金融市场子系统、银行子系统、金融监控子系统和宏观经济环境子系统四个方面入手,划分安全、正常、关注和危机四个等级,据经验分析确定每个指标属于各个等级的取值范围,然后根据各个指标的实际取值将各个指标映射成相应的分数,最后通过主观赋权,将各指标的得分综合成各子系统的得分及整个体系的总得分.但加总时对权重选取的主观性依然太强,缺乏坚实的客观理由.Demirgkunt等(2002)则将系统内的银行同质化对待,从而视整个银行系统为一个集合银行,使用银行业总体的数据来估计系统破产的概率,并对发生危机的指标阀值进行了说明.遗憾的是,即便经济金融系统内的参与者可能存在同质性,但实际业务之间联系紧密的事实,使得忽视系统内实际业务间交叉覆盖部分的累加会导致错误的结果.
在技术性研究方面,Kaminsky,Lizondo和Reinhart(1997)的初始KLR方法,也称信号法,实际上是筛选出被选预警指标,并把其转换为双元信号,根据其同时预警数目的多寡来判断危机发生的概率.Kaminsky(1999)运用以噪音――信号比的倒数为权重的优良指标的加权平均这一复合指标,解决KLR模型只根据信号多寡来进行判断的问题,但其在识别效果方面仍有很大缺陷.因为,复合指标的解释变量被转换成双元信号后抛弃了由它的动态性所产生的许多有用信息,至少“发生了新的、较大的危机将直接导致现在识别不了以前曾被识别的危机”(吴军,2006).一些学者将Probit/Logit模型划归为针对单一金融机构风险的测度,笔者不赞同这种观点,因为Probit/Logit模型是直接
本文是一篇金融风险论文范文,金融风险类有关本科毕业论文,关于系统性金融风险测度方法综述相关研究生毕业论文开题报告范文。适合金融风险及金融体系及模型方面的的大学硕士和本科毕业论文以及金融风险相关开题报告范文和职称论文写作参考文献资料下载。
估计给定指标的条件概率以从整体上进行危机的预测.Frankel和Rose(1996)基于此模型,针对105个发展中国家1971-1992年的季度数据的预测,是此类模型的早期代表文献(下文称其为FR模型).在样本区间内,FR模型参数表现稳定,并且许多变量在危机的预测方面表现显著,但对样本外的1997年的亚洲金融危机的预测却不尽如人意(Berg和Pattillo,1998).为此,Berg和Pattillo(1998)基于KLR信号模型对FR模型进行了修正,即先经过KLR方法筛选出优良指标,然后对其进行概率单位处理,故其精确性要高于KLR模型.但也只能达到57%(Bussiere和Fratzscher,2002).ShnkeM.Bartram等(2006)认为,在一个有效的资本市场上,可以通过银行股票价格的变化从整体上测度并预警系统性金融风险.在有效的资本市场上,某一负面信息冲击只会对直接暴露于该信息的银行的股票价格产生影响,而没有暴露于该负面信息冲击的银行的股票价格并不会受其直接影响.但事实是,没有暴露于该冲击的银行的股票价格也不同程度地出现一些波动,这些波动并非直接暴露于该冲击的结果,而是直接暴露于该冲击的那些银行通过经济金融体系对没有暴露于该冲击的银行的逆向影响的结果.因此,未直接暴露于该冲击的银行的股票市场反应可以作为系统性风险估测的一个粗略指标.同时他们还利用银行权益价值,债务结构数据,无风险利率,期望回报率及其方差,债务数量及其期限等求解系统失败的概率.ShnkeM.Bartram等从系统整体层面分析系统性风险的思路比较新颖,但系统性金融风险所涉及的系统范畴绝不仅是由银行部门构成的,还包括为数众多的非银行企业(StevenL.Schwarcz,2008).四、对系统性金融风险测度方法的简要评述
综合来看,上述测度方法所存在的问题主要集中于合理加总和设计模型的技术改造两方面.系统中破产倒闭机构的数量具体是多少才能被称为系统性风险是不确定的,因此从这一角度进行分析往往没有有意义的收获.依据同质性而直接累加从而表征总量的方法,错误地重复了系统内参与者之间交叉业务所覆盖的数量,不能被称之为合理的加总.而随着计量技术的发展,呈现的研究成果表明更多学者们希望通过改进模型技术将两个问题一并解决.那么,不断地改进技术是否真的有效呢
在技术上,所有模型都会呈现各种缺陷.被模型化了的现象的统计特征通常随样本而改变.但模型改变了统计规则的实效性,导致模型使用者不停地“追赶时间”(catchthetime).这样,当危机发生时,模型解释力差的问题自然会凸现.模型本身的目的在于将复杂的现实世界浓缩于数量较少的方程中.但浓缩过程中所忽视掉的变量往往不是不重要的而是较复杂的,从而造成模型假设质量较差.数据可获得性上的困难更是众所周知.这些缺陷是所有模型都不可避免的.虽然随着经济金融系统复杂性程度的加深,确实越来越需要复杂的模型用于衡量风险,但不幸的是,随着复杂性的加深,模型的可靠性也在逐渐降低.美国次贷危机已经显示风险模型要比想象中的可信度低很多.如果向监管界、学术界,特别是模型的设计者询问其对模型质量的评价,答案经常是否定的.一个真正的复杂统计模型必须是对的,但经济金融运行不可能像遵循物理定律一样成规则.尽管拥有复杂的模型,所有的压力测试,所有的数据,但每次经历的系统性风险都会给人们带来惊疑(BitnerR.,2008).成功躲过危机的往往是那些拥有良好管理的机构,而不是依靠模型技术实现的.在不信任模型的同时却又积极地使用它们则是一个悖论.笔者并非想完全否认模型技术,但目前研究者对模型赋予的期望,已经超过了其实际的能力范畴,就像对涵盖经济金融体系总风险的系统性风险的测度一样.脱离理论支撑而单纯对模型进行技术上的修正,不断地进行估测是愚蠢的,因为虽然可以得到数据,但却是毫无意义的数据(JónDaníelsson,2008).这也是本文不针对各种模型的具体计算过程,而只针对测度方法的原理进行梳理的原因.当前对于系统性金融风险测度的研究方法更应在如何实现合理的加总上做文章,从而形成有理论基础的,针对系统整体的测度方法.