银行系统性风险

  • 详情 城投债承销与银行系统性风险
    在我国城投债市场中,商业银行是主要的投资者与承销商。本文认为,城投债承销业务中存在收益与风险相分离的现象,即承销银行获得了承销收入,而债券违约风险主要由投资者承担,这也激励银行积极开展承销业务。而城投债的投资者以商业银行为主,因此加剧了银行系统性风险。本文基于2009-2019年23家银行及其承销的2476支城投债的季度面板数据,对该风险传导机制进行了研究。研究证实(1)城投债利差对承销银行以及银行系统性风险均有显著的正向影响;(2)银行承销业务的地理集中度会影响城投债的风险溢出效应,且短期与长期的影响存在显著差异;(3)地方经济的发展有助于缓解城投债的风险溢出效应。因此,建议进一步明确银行承销业务的责任,避免承销产生的风险外溢。其二,应避免银行城投债承销业务的快速扩张,并稳步构建合理的城投债承销网络。其三,优先化解经济下行地区的城投债风险,避免系统性风险的形成。
  • 详情 中国商业银行系统性风险上升了吗?-基于集成机器学习技术的新证据
    保持金融稳定是目前中央“六个稳定”政策中的重中之重,系统性金融风险关乎经济发展。本文手工整理了 2010 年~2017 年非上市银行数据,利用集成机器学习(Ensemble ML) 技术测算中国 5 家国有商业银行、12 家股份制商业银行及 103 家城市商业银行的系统性风险,弥补了V-Lab 仅包含部分上市银行的缺陷。发现:总体系统性风险不断上升,各年度平均有 25%以上的急速增长,2016 年底出台的一系列政策有效控制了这一上升趋势,2017 年显著下降 10.3%;SRISK 份额最高的 5 大国有商业银行仅占 54.78%,城市商业银行的系统性风险份额不断上升、已成为中国系统性风险的潜在累积点;区域性演进上呈现向东南沿海积聚的特点。控制区域性发展的回归模型进一步揭示了商业银行系统性风险出现和上升的影响机制:总资产有显著的正向影响,支持“大而不能倒”的观点;杠杆率和期限错配是重要影响因素,银行的杠杆率降低 1%,系统性风险上升的概率显著下降 0.2%,系统性风险出现的概率下降 0.84%,上一年度出现风险的银行该年系统性风险上升的概率下降 0.5%,支持了“降杠杆”政策,且对非系统重要性银行降杠杆的效果更显著;提高流动性有利于显著降低系统性风险,但调控效果没有降杠杆强。最后利用国家层面和省际层面累计的系统性风险,发现金融风险对经济增长的确存在显著影响。
  • 详情 影子银行、银行系统性风险及其传导机制
    本文使用2007-2017年间中国上市银行季度数据,从影子银行体系资金融出方的角度,分析了影子银行与系统性风险之间的关系及其作用渠道。固定效应模型和双重差分模型的结论均显示,影子银行会加剧银行的系统性风险,影子银行规模越大,银行在当期和下两期都会对系统性风险有着更大的暴露。在风险传导机制上,影子银行通过银行个体风险承担、银行间关联度以及风险的放大机制等三大渠道对银行系统性风险产生影响。当银行个体风险越高,银行间关联度越低,以及对负向冲击暴露越大时,影子银行对银行系统性风险影响更显著。
  • 详情 中国商业银行系统性金融风险上升了吗?
    :本文手工整理了2010 年~2017 年非上市银行数据,利用集成机器学习技术测算中国商业银行的系统性风险,弥补了V-Lab 仅包含部分上市银行的缺陷。发现:总体系统性风险不断上升,2016 年底出台的一系列政策有效控制了这一上升趋势,2017 年显著下降10.3%;SRISK 份额最高的5 大国有商业银行仅占54.78%,城市商业银行的系统性风险份额不断上升、已成为中国系统性风险的潜 在累积点;区域性演进上呈现向东南沿海积聚的特点。控制区域性发展的回归模型进一步揭示了商业银行系统性风险出现和上升的影响机制:资产规模有显著的正向影响,支持“大而不能倒”的观点;杠杆率和期限错配是重要影响因素,银行的杠杆率上升1%,系统性风险上升的概率显著上升0.34%,支持了“降杠杆”政策,这一结论对是否是系统重要性银行都稳健;提高流动性有利于显著降低系统性风险,调控效果没有降杠杆强,但对小规模银行更有效。我们还观察两个银行机构特征,银行主动承担风险使得银行自身系统性风险上升,帮助企业发现债券没有显著影响基本对非系统重要性银行也不会影响系统性金融风险。最后利用省级和城市层面累计的系统性金融风险,发现系统性金融风险对经济的增长和发展质量的确存在显著负作用,风险上升的省份和城市经济作用更显著,系统性金融风险是关乎经济发展的关键因素。
  • 详情 互联网金融发展对我国商业银行系统性风险的影响——基于SVAR模型的实证检验
    随着金融市场和计算机信息技术的不断发展和渗透,互联网金融对商业银行的影响越来越明显。 在阐述相关理论的基础上,本文首先运用主成分分析法测算了我国商业银行的系统性风险。接着,运用SVAR模型等计量方法实证研究了互联网金融发展对我国商业银行系统性风险的影响。结果表明: 互联网金融发展主要通过影响银行的资产负债结构,进一步影响银行的成本收入比,进而对我国商业银行系统性风险产生影响。且它对银行系统性风险的影响存在“期限结构效应”,即互联网金融发展在短期内会增加我国银行系统性风险,但从中长期来看,对我国银行系统性风险的影响并不大,互联网金融与传统银行可作为互利共生的事物共同发展。 最后,本文分析了结论的形成原因并提出了相关政策建议。