商业银行智能化审批

习近平总书记指出,防范化解金融风险,特别是防止发生系统性金融风险,是金融工作的根本性任务。当前,大数据应用推动银行信贷审批从人工走向智能,一方面,有助于银行风控触角从表层延伸至内涵,深入挖掘信息价值和判断实质风险,另一方面,有助于商业银行风控逻辑从单环节延展至全流程,在客户准入、贷中审核、贷后监测等各节点形成数据链路。     

央行间货币互换比较

2020年初新冠疫情在全球范围内突然暴发,导致国际金融市场剧烈动荡。以美联储为首的全球主要中央银行为维护金融市场稳定和强化投资者信心,自2020年3月中旬以来出台一系列市场干预措施,避免恐慌情绪蔓延演化成系统性金融风险。在美联储密集推出的政策中,与其他多个中央银行的货币互换格外引人注目,其标志着美联储将自身的政策干预范围由国内拓展到全球金融市场。在3月27日举行的G20全球领袖特别会议上,扩大中央银行间货币互换使用作为一项稳定国际金融市场的政策,被写人会后的领袖共同声明。     

基于动态因子Copula模型的我国银行系统性风险度量

本文基于2007年至2019年我国14家上市银行的股票收益率,构建偏态t-分布动态因子Copula模型,利用时变荷载因子刻画单家银行与整个系统的相关性,计算联合风险概率作为系统性风险整体水平的度量,基于关联性视角提出了新的单家机构系统脆弱性和系统重要性度量指标——系统脆弱性程度和系统重要性程度。该方法充分考虑了银行个体差异性和系统的内在关联性以及收益率的厚尾性和非对称性,从而能够捕捉到更多的信息且兼具时效性。研究表明:银行机构在风险聚集时期相关程度更大,联合风险概率能够准确识别出系统性风险事件且在我国推行宏观审慎评估体系以后有明显降低;整体而言,大型商业银行系统重要性水平最高,同时风险抗压能力也最强;本文使用的度量方法降低了数据获取成本且更具时效性,有助于为宏观审慎差异化监管工作提供借鉴和参考。     

美国宏观审慎监管框架最新进展及对中国的启示

2008年金融危机后,各国意识到单个金融机构的稳定不代表整个宏观金融系统的稳定,因此各国都在尝试建立一个成熟的框架来监管金融市场,防范即将到来的风险。文章分别从宏观审慎监管机构的设置、金融系统性风险的监测还有宏观审慎监管工具的使用三个方面,概述了美国宏观审慎监管框架的最新进展,分析美国在宏观审慎监管框架方面带来的启示,并结合中国实际,提出了对中国框架发展的建议。     

资产透明度、监管套利与银行系统性风险

资产不透明的金融机构过度依赖批发性融资进行监管套利不利于系统性风险的防控。在此背景下,本文首先在经典银行道德风险模型的基础上引入关联性,从资产透明度和监管套利的视角分析银行系统性风险累积的内在机理。而后利用2007-2018年中国上市银行微观数据,构建资产透明度指标和系统性风险指标(SRISK、MES),对理论推论进行实证检验。主要结论有:(1)资产不透明、监管套利会提高银行的系统性风险。(2)监管套利弱化了资产透明度和资本监管机制对银行系统性风险承担的约束作用,资产透明度与资本监管机制在约束系统性风险承担中的协调作用不明显。(3)以大银行为主的债权银行受监管套利的影响相较于受资产透明度的影响更明显。在此基础上,我们对完善金融风险防范体系以及监管机制提出了若干建议。