區域系統重要性金融機構的識別方法探析

李效聰

【摘 要】 本文基于國內外研究理論和識別方法經驗，結合江西省經濟金融實際，運用綜合賦權法構建識別模型及相關評價標準，實證比較區域大型銀行的系統重要性排序，并對區域系統重要性金融機構的評估與監管工作提出政策建議。

【關鍵詞】 區域 系統重要性 金融機構 識別

近年來，防控金融風險成為區域金融監管的重點，但面臨龐大的金融總量和交叉隱蔽的金融活動，“漫天撒網”的傳統風險防控模式缺陷日益暴露。如何提升區域金融監管效率？次貸危機給出了很好的啟示，本應穩定金融系統的SIFIs[1]在危機中反而成為金融風險乃至危機的制造者和傳遞者，也應成為系統性風險防控的核心點。因此有效識別和監測R-SIFIs[2]，有助于區域金融監管“抓重點”，實現風險的早發現、早預警和早處置。

一、文獻綜述

國際上對SIFIs識別方法研究主要分為模型法和指標法[3]：前者如BCBS（2011）[4]設置了規模、關聯度、可替代性、復雜性及全球活躍度5類指標;后者如Banulescu and Dumitrescu（2015）采用成分期望損失CES法，引入金融機構市值權重，期望覆蓋SIFIs“太關聯而不能倒”和“太大而不能倒”等特征。，Bisias et al.（2012）從監管者、研究者和數據要求等不同角度，為31種定量度量系統性風險的方法劃。

國內對SIFIs的識別方法研究多為指標法，如巴曙松、高江健（2012）等，由于指標法簡易實用，被大量應用于監管實踐。也有機構學者運用模型法評估的，如中國人民銀行福州中心支行課題組（2016）運用多元極值理論，構建了機構違約率、系統重要性指數和脆弱性指數三個方面的識別框架;葛和平等（2018）引入熵值法確定了外匯管理領域SIFIs的六個要素進行指標賦權重，并對江蘇省外匯管理領域銀行的系統重要性進行排序。

但是，業界大多側重宏觀層面對G-SIFIs和D-SIFIs的理論研究和實證分析，對R-SIFIs特征和識別方法的研究較少。

二、R-SIFIs的識別模型構建方法

綜上所述，本文嘗試從區域層面審視R-SIFIs的主要特征和可觀因素，引入綜合賦權法構建相關識別模型。具體方法如下：

（一）確定識別特征和度量方法

基于金融法規制度和最新監管政策要求，并參考了駝峰評級、金融穩定評估系統與“1104”工程等評價分析方法，對R-SIFIs的識別方法歸納概括如下：

（二）綜合賦權法熵權法

1.數據標準化。引入指標映射法，根據監管規則、行業慣例或市場均值，設置臨界值進行處理。假定k個指標x（1，...，k），并對各指標數據標準化后的值為y（1，...，k），那么

2.熵權法確定指標權重。根據信息熵的定義，一組數據的信息熵。其中，，如果，則定義。根據信息熵的計算公式，計算出各指標的信息熵為Ei.通過信息熵計算各指標的權重：

。

3.優化調整方法。引入層次分析法對熵權法的基礎賦權結果進行動態調整，納入區域金融監管的有效經驗，并解決了金融監管報表數據質量引起的結果偏差問題。假定wi為層次分析法求得的權重，利用拉格朗日最優求解算法，獲得最終優化組合權重：

三、實證分析

本文以江西省為例，收集江西省金融機構季度監測數據，采用上述方法構建R-SIFIs識別模型，并對2018年三季度大型金融機構的系統重要性情況進行排序分析。

（一）江西省簡述

江西省排名我國經濟金融發展中游，2017年GDP總量相當于菲律賓[5]，金融總量破3萬億，正規持牌機構數超過千家。銀行業金融機構占其主導地位：2018年9月末，銀行總資產總額45742億元，占金融總量80%以上;前8個月銀行貸款凈增3518億元，占同期社會融資規模凈增量的91%;全省193家銀行共設置各級機構網點12214個，從業人員10萬人，全面覆蓋鄉鎮以上的行政區劃。銀行也是“江西佬表”心中金融一詞的主要形象。

（二）構建R-SIFIs識別模型

基于江西省實際，排除非銀行機構后，從相關監管部門數據庫，截取了193家銀行2009年4季度至2018年3季度的季度監測數據，依據前述方法計算得到各項識別特征權重，如表3所示：

由此可見，“大而不倒”和復雜關聯性是識別R-SIFIs的主要標準;測試結果也說明規模未排名前列的銀行，在外部環境和金融政策發生變化時，也可能對區域環境造成較大的影響。

（三）結果驗證

剔除中小銀行（規模小）、外資銀行（入駐較晚）和政策性商業銀行（商業化改革進程中），并將86家農村商業銀行（省聯社統一管理）視作一家省級法人銀行后，最終選出資產規模排名前10的非法人銀行（Y1-10）和排名前5的法人銀行（FY1-5），作為測試對象。15家銀行基于評價模型的系統重要性得分如表4所示（得分表對各個樣本銀行機構名稱進行了匿名化處理），測試結果基本符合江西省實際。

此外，法人銀行有較強的基層影響力。由于檢驗數據是基于省級季度數據的測試結果，而5家法人銀行與10家非法人銀行的資產規模之比為0.8999：1，這一比例越往下越高，甚至在個別縣域的法人銀行資產規模就超過全縣的一半。因此將視角轉移至地市、縣域，法人銀行的系統重要性排序結果還將繼續上升。

四、結論與建議

綜上所述，優選R-SIFIs才是地方金融監管守住區域系統性風險底線的重要工作目標，應盡快構建R-SIFIs的金融宏觀審慎管理制度，制定符合區域實際和政策導向的監管規則，具體來說：

（一）加快構建R-SIFIs的區域監管框架。應從頂層設計出發，建立以中央銀行為核心、統籌協調金融監管部門和地方政府職能部門的金融監管架構，明確行為監管框架的具體內容，協同推動事前、事中、事后監管不斷強化。

（二）盡快建立R-SIFIs識別體系。確定R-SIFIs時可靈活運用指標法和模型法：將指標法作為日常監控手段，關注R-SIFIs的主要特征變化情況，加速SIFIs監管的“本土化”、針對性和特異性;定期應用模型法統計系統性風險的特征、水平和變動趨勢。

（三）建立健全R-SIFIs的監管規則。一是限制銀行開展關聯度強的高風險業務和創新業務，筑好風險防火墻，斬斷風險鏈條;二是增強風險抵御能力，從資本充足、資產質量、損失準備和“八大風險”精細化管理等層面，制定R-SIFIs更嚴格的監管規則、資本要求和信息披露要求;三是考慮到非法人銀行在遭遇非極端風險的沖擊下，系統內救助的延時性且主監管不在本省域，還應強化非法人機構的區域監管權。

（四）完善SIFIs 風險處置機制。一要組建R-SIFIs危機管理小組，制定R-SIFIs的區域恢復與處置計劃，定期開展可處置性評估;二要發揮市場機制在風險處置環節中的基礎性作用，建立股東和債權人之間的責任分擔機制，降低“大而不能倒”的道德風險;三要發揮存款保險制度的作用，制定配套制度，以明確監管機構在接管、分拆或關閉SIFIs時的具體步驟和責任，并逐步將其職能擴展到具有系統重要性的非銀行機構。

注釋

[1] Systemically Important Financial Institutions（系統重要性金融機構）。IMF（2009）定義，即在金融市場中承擔了關鍵功能，其倒閉可能給金融體系造成損害并對實體經濟產生嚴重負面影響的金融機構。FSB（2011）將其分為G-SIFIs（全球系統重要性金融機構）和D-SIFIs（國內系統重要性金融機構）。

[2] Regional SIFIs（區域系統重要性金融機構）。

[3] Bisias et al.（2012）從監管者、研究者和數據要求等不同角度，為31種定量度量系統性風險的方法劃基于資產負債表數據和基于公開市場交易數據。

[4] 《全球系統重要性銀行：評價標準及額外損失吸收要求》。

[5] 2017年菲律賓的GDP總量，排名世界第36位。

【參考文獻】

[1] Basel Committee on Banking Supervision.BaselⅢ：A Global Regulatory Framework for More Resilient Banks and Banking Systems[R].2010.

[2] Acharya，Viral V.，Lasse H.Pedersen，and Thomas Philippon，2010.Measuring Systemic Risk.Reserve Bank of Cleveland Working Paper，No.10-02.

[3] Adrian，Tobias and Markus K.，Brunnermeier.2011.CoVaR.NBER Working Paper，No.17454.

[4] Bisias，Dimitrios，Mark Flood，Andrew W.Lo，2012.A Survey of Systemic Risk Analytics.OFR Working Paper，No.12-01

[5] 巴曙松，高江健.基于指標法評估中國系統重要性銀行[J].財經問題研究，2012（9）

[6] 徐超，系統重要性金融機構識別方法綜述[J]，《金融與保險》2012年第3期

[7] 張天頂，張宇，中國系統重要性金融機構的識別——基于CES方法的實證分析[J]，《金融經濟學研究》2016年第2期

[8] 中國人民銀行福州中心支行課題組，系統重要性金融機構的識別及其監管研究——基于國際經驗的分析[J]，《福建金融》2016年第8期

[9] 葛和平，朱卉雯，嚴黃，外匯管理領域系統重要性銀行機構的識別[J]，《南方金融》2018年第4期