如何防范和化解系统性金融风险

金融业是高风险的产业,金融业一旦发生风险,就会影响经济的发展。确保金融安全、高效、稳健的运行,防范系统性金融风险,是中国扩大金融业对外开放,全面建设小康社会的迫切需要。本文主要从系统性金融风险的定义、分类着手,分析其表现及其危害,结合中国实际情况,寻找系统性金融风险的产生的根源,并提出防范和化解系统性金融风险的方案和措施。     

区域系统性金融风险的识别与防范

区域系统性金融风险,特别是农村信用社系统的潜在风险,一般少有专述.本文在此方面进行了较为系统的探讨.     

宏观审慎工具与系统性金融风险研究

宏观审慎工具在防范和化解系统性金融风险方面的作用日益凸显。本文以上市银行为样本,基于宏观审慎政策指数,从宏观审慎工具视角研究其对系统性金融风险的影响及作用路径。研究发现：宽松型和紧缩型宏观审慎工具均能显著降低系统性金融风险,且二者表现并无差异,在解决内生性问题后结论依然成立。宏观审慎工具作用的发挥主要通过降低银行风险承担实现。异质性分析显示：当银行竞争度高、透明度低时,宏观审慎工具的作用效果更显著,表明宏观审慎工具有效性的发挥是情境依赖的。本文从系统性风险溢出效应视角丰富和补充了宏观审慎工具应用评价的研究,在宏观审慎工具运用情境方面具有一定现实意义,为政策制定提供参考。     

我国系统性金融风险的衡量与识别

精准衡量系统性金融风险在维护国家金融安全与稳定方面发挥着重要基础性作用。本文应用等方差加权法合成金融压力指数衡量我国自2004年6月以来的系统性金融风险水平,并运用马尔科夫区制转移自回归模型识别不同金融压力时期。研究表明:金融压力指数的整体走势体现为波动性上升,能准确对应国内外重大金融事件对我国金融体系的冲击;大部分时间我国金融风险状态位于低风险区制,具有一定的粘性,并且高风险区制易于向低风险区制转变。     

系统性金融风险的识别与防范

系统性风险与集中度风险、金融危机既有区别,又有联系。银行金融机构的集中度风险是引发系统性风险的主要因素,系统性风险又是导致金融危机的直接原因。为避免和防范系统性风险,监管部门要把防范系统性风险的重点放在对银行金融机构集中度风险的监控上,加强对银行金融机构集中度风险的外部监管,不断向银行金融机构提示集中度风险,督促银行金融机构建立严格的集中度风险防控机制。银行金融机构也要有稳健的发展战略和谨慎的风险偏好,合理布局经营,严格把控资产分布结构,避免集中度风险,以便从根本上防范系统性风险,避免出现危害更大的金融危机。     

基于房地产市场的我国系统性金融风险测度与预警研究

本文阐释了基于房地产市场的系统性金融风险形成机制,据此建立了分阶段、跨部门的房地产市场的系统性金融风险网络模型,并运用2006-2017年16家上市银行数据,分析和测度了我国房价大幅下跌所引发的系统性金融风险水平和结构,构建了基于房地产市场的系统性金融风险预警指标并进行测算。研究发现:在房价下跌30%的压力情景下,我国金融体系的潜在总损失总体呈级数式上升,年均增长22.70%;基于房地产市场的系统性金融风险值(SR)呈现先上升后波动下降的总体趋势;系统性金融风险(SR)的脆弱性指标(FLI)整体呈现波浪式振荡变化,且与房地产贷款/权益整体呈反向变动,系统性金融风险(SR)的传染性指标(CTI)在2012-2017年呈持续下降趋势,且与金融市场压力指数、金融机构间资产占总资产比重呈现出高度的一致性变化趋势。最后,基于房地产市场的系统性金融风险预警指标(SRWI)值呈收敛式振荡走势,表明基于房地产市场的系统性金融风险总体可控且呈收敛式下降。     

基于房地产市场的我国系统性金融风险测度与预警研究

本文阐释了基于房地产市场的系统性金融风险形成机制,据此建立了分阶段、跨部门的房地产市场的系统性金融风险网络模型,并运用2006-2017年16家上市银行数据,分析和测度了我国房价大幅下跌所引发的系统性金融风险水平和结构,构建了基于房地产市场的系统性金融风险预警指标并进行测算。研究发现:在房价下跌30%的压力情景下,我国金融体系的潜在总损失总体呈级数式上升,年均增长22.70%;基于房地产市场的系统性金融风险值(SR)呈现先上升后波动下降的总体趋势;系统性金融风险(SR)的脆弱性指标(FLI)整体呈现波浪式振荡变化,且与房地产贷款/权益整体呈反向变动,系统性金融风险(SR)的传染性指标(CTI)在2012-2017年呈持续下降趋势,且与金融市场压力指数、金融机构间资产占总资产比重呈现出高度的一致性变化趋势。最后,基于房地产市场的系统性金融风险预警指标(SRWI)值呈收敛式振荡走势,表明基于房地产市场的系统性金融风险总体可控且呈收敛式下降。     

基层央行防范和化解系统性金融风险存在的困难和建议

随着我国对外开放程度和金融体系改革不断深化,我国金融稳定工作日益重要,而系统性金融风险发生的可能性也在不断加大.本文分析了防范和化解系统性风险的困难,并指出相应改革措施.     

金融创新、系统崩溃与风险防范

金融创新具有“双刃剑”作用,过度创新或监管弱化都会成为金融风险累积的因素。当金融风险累积和膨胀并冲破它的“边界”时,整个金融市场赖以存在的信用基础就会破坏乃致毁灭,就会导致整个金融系统的崩溃。系统崩溃都有从量变到质变的过程,对其加以风险防范需要具有着眼于长远和可持续发展能力而培育起来的市场基础性制度和法规体系、具有应对危机和事件能力和抵抗风险能力的市场经营体系和高效的金融监管体系。     

宏观审慎框架与中国金融系统性风险

宏观审慎政策的演变宏观审慎这个术语在国际上提出可以追溯到20世纪70年代末期,而在公开的文件中出现是1986年,国际清算银行(BIS)在一份欧洲通货常务委员会的研究报告国际银行业近期创新的部分章节中提出了宏观审慎政策这一概念。在报告中这一概念被定义为广泛的金融体系和支付机制的安全性和稳健性。到了90年代末期,特别是1997年亚洲金融危机爆发,使宏观审慎备受关注。     

现代金融体系下系统性风险的演变与防范

金融市场流动性的逆转以及金融机构所具有的高杠杆率、高关联度特征,共同催生了新的系统性金融风险隐患,使得现代金融体系的风险产生和传递完全呈现出新的特征。监管当局需要研究现代金融体系中更为广泛的、复杂的系统性风险的触发点,加强对金融市场中系统性风险的认识和防范,协调宏观审慎管理和微观审慎管理,加强货币政策的金融稳定职能。     

风险投资成功退出的风险识别与微观控制路径设计

风险投资以成功退出创业企业为进入的假设前提,但其股权投资超额预期收益的实现过程经历大量风险,本文识别了阻碍风险投资成功退出的关键风险,并考虑可控性,从风险投资公司自身角度研究控制投资风险的微观路径。     

城市间房价相关性与系统性金融风险防范

我国城市间房价呈现较强的相关性,房价泡沫有可能通过城市间价格相关性产生风险传染效应,进而引发房地产行业系统性金融风险。空间滞后模型实证分析表明,周边区域房价、人均GDP和房地产贷款量对我国房价泡沫有显著影响,其中周边区域房价指标影响最稳定,单位房贷比例指标变动对房价影响最大。     

构建宏观审慎管理框架防范系统性金融风险

全球金融危机引发国际社会对金融监管体制的深刻反思,要维护金融体系稳定,迫切需要加强和完善宏观审慎管理。本文从比较宏观审慎管理和微观审慎监管的区别入手,分析了国内外宏观审慎监管的改革实践,论述了如何构建我国宏观审慎管理框架和设置相关职能,并提出完善我国宏观审慎管理的政策建议。     

Systematic Risk and Revenue Volatility

We introduce the degree of economic leverage (DEL) as an extension of the existing method of decomposing beta and assess its incremental explanatory power through empirical testing. The DEL is defined as the percentage change in the firm's sales resulting from a unit percentage change attributable to an exogenous economic disturbance. The exogenous economic disturbance employed is the ratio of long‐term T‐bond rates to short‐term T‐bill rates. The evidence supports the DEL's role in explaining systematic risk at both the industry and portfolio levels. However, we find mixed results at the firm level.     

Systematic Risk and Empirical Research

We show here that risky asset returns generating processes stated in terms of factors which include both accounting and non-accounting based measures of risk (e.g. book to market ratios) imply, under fairly standard regularity conditions, that the Sharpe-Lintner-Black asset pricing model beta is a 'sufficient' statistic in the sense that it captures all important attributes of the returns generating process in a single number. We then derive the parametric relationship between betas based on inefficient index portfolios and betas based on the market or tangency portfolio. We demonstrate that the relationship between risky asset expected returns and betas computed on the basis of inefficient index portfolios is both consistent with the predictions of the Capital Asset Pricing Model and the multi-factor asset pricing models of Fama and French (1992, 1993, 1995 and 1996). The 'trick' is to realise that inefficient index portfolios are composed of the market portfolio and a collection of inefficient but self financing 'kernel' or 'arbitrage' portfolios. It then follows that there is a perfect linear cross sectional relationship between risky asset expected returns, betas based on inefficient index portfolios and the arbitrage portfolios. Hence, if we happen to stumble across variables that span the same subspace as the vectors representing the arbitrage portfolios, it is easy to create the illusion that risky asset expected returns depend on variables other than 'beta'.