系统重要性金融机构识别方法综述（下）

4.信贷违约互换价差法（CDS spread）
    
    Acharya et al.（2010）在识别SIFIs的SES法中也提出了SES能预测机构未来CDS价差变化的情况，该研究显示出系统性风险与CDS价差之间的正相关关系。据此，Huang，Zhou and Zhu（2009，2011）认为，CDS价差表示系统性风险更为合理可行，可以用各金融机构的CDS价差来衡量系统性风险，这也是理解资产价格波动和市场心理预期的一种综合视角（见表2）。Huang，Zhou and Zhu（2009）用美国的CDS价差来评估主要金融机构的系统性风险，从高到低进行排名，根据经验选取系统性风险排名靠前的机构作为识别SIFIs方法，并对美国的19家主要的商业银行的CDS价差进行更为详细的分阶段估算（Huang，Zhou and Zhu，2011）。Yang and Zhou（2009）用CDS价差法对金融危机爆发前夕（2007年1月至2008年9月）英国和美国主要金融机构的CDS价差进行排名，得出的系统性风险由高到低的名单。这也是对欧美的SIFIs排名的名单之一，与英国金融时报列出的SIFIs名单大致相同。Yang and Zhou（2009）通过二次验证名单中排名靠前的SIFIs特征中的贡献性因素，如规模、杠杆比率、多个公司治理指标、流动性风险、对手方风险等，得出结论：SIFIs与信用风险紧密相关，并且是信用风险信息的主要发出者和主要交易者。该研究表明SIFIs的形成与20世纪70年代以来住房金融、信用风险转移、资产证券化等金融创新活动紧密相关。
    5.极端值法（Extreme Value Theory）
    
    Zhou（2008）最早提出Extreme Value Theory，并结合CoVaR法和Goodhart（2009）提出概率法（Probability That at Least One Bank Becomes Distressed，即PAO），Zhou（2010）提出识别SIFIs的多元EVT法和识别SIFIs的两个重要指标——系统性影响指数（Sysremic Impact Index，即SII）和波动指数（Vulnerability Index，即VI）。EVT法的基本理念是简单计算出的系统重要性指标和排名并不可靠：有时候，两家银行的系统重要性排名相同，但是它们对系统重要性风险的贡献程度并不同。因此，可以用一种极端值法来衡量金融机构对系统性风险的贡献程度，即在考察了一般的系统重要性指标（为获取数据方便，选用金融机构股票价格波动代表系统重要性）之后，采取类似于压力测试一样的极端情形分析来考察一家金融机构的倒闭引发其他所有金融机构倒闭的概率。Zhou（2010）用SII、PAO和VI分别估算了美国28家商业银行（月度数据）的系统重要性，结果如表3所示，这一结果和金融危机中各机构的实际情况较为相符，因此印证了SII指标的最优识别和预警能力。
    运用EVT法的基本框架，加拿大银行的学者Gravelle，T.and F.Li（2010）用银行股票价格的崩溃引发其他所有银行的同时崩溃来衡量一家银行对金融体系的系统性风险贡献。他们对加拿大金融体系考察的初步结论是：（1）加拿大的排名前三的SIFIs是皇家银行（RBC），道明加拿大信托银行（TD）和加拿大丰业银行（BNS），并且，在加拿大系统重要性与商业银行规模没有绝对联系，而小银行有可能具有更大的系统性风险贡献。（2）在全球范围内，欧洲、亚洲和美国的银行部门对加拿大的银行部门影响最大，其中，欧洲和美国的影响程度比亚洲更高。（3）加拿大银行部门风险主要来自国内，跨国风险贡献小于国内风险贡献。
    

    其他市场法还包括，从网络模型中推导的方法，在本质上，该方法是估算一个银行倒闭引发其他银行倒闭的概率，或者估算在一个资产组合中系统性风险的公平保险溢价。
    市场法虽然是理论上估算系统性风险的重要方法，但各监管当局却很少运用。原因是很难获取市场化指标值，而且这些指标值变化大、不稳定。但如果SIFIs的监管比较完善且在出现困难时能获得公共救助，那么市场法可以用于SIFIs的识别，其可行性、准确性程度会提高。
    在实践中，由诺贝尔经济学奖获得者Robert Engle教授所在的纽约大学斯特恩商学院（NYU Stern）波动实验室（Volatility Laboratory，即V-Lab）从传统金融市场系统性风险的角度，运用指标法（主要考虑机构规模、市场资本化损失风险、相关性和杠杆指标），自1990年起就开始定期发布金融市场整体的系统性风险、单个金融机构对系统性风险的贡献指标（Systemic Risk Contribution Index）和机构排名。金融危机之后，这一动态实时发布的指标体系成为推动美国的金融监管当局识别SIFIs的参考之一。
    （三）保险领域的系统重要性机构识别
    
    以AIG为首的诸多信用保险公司在金融危机中设计并出售CDS等信贷风险对冲工具是金融危机爆发的重要因素之一，传统作为对冲风险的保险机构反而成为系统性风险的来源之一。因此，识别保险领域的系统重要性金融机构对于准确的界定监管范围，提高监管效率，降低监管成本非常重要。
    保险机构的特殊角色决定了该领域的SIFIs识别与银行等金融机构识别应有所区别。日内瓦协会（Geneva Association，2011）联合FSB推出识别保险领域SIFIs的方法，并且在FSB识别SIFIs的三个基本指标（规模、关联性、可替代性）基础上考虑“时序性（timing）”因素（时序性因素是指系统性保险风险不会在短期内产生一般的中介冲击效应，但在长期内则会）。
    在基本指标指引下，日内瓦协会给出了识别保险领域SIFIs的两阶段法。其中，第一阶段是识别潜在的系统性风险活动（如衍生品投机、金融担保、短期融资期限错配等）和相关的市场，在识别的方法上，其采用FSB和国际保险监督官协会（IAIS）达成的共识指标，包括规模、关联性、可替代性和时序性，同时考虑外部市场条件，即市场当时的金融状况。第二阶段是识别参加潜在系统性风险活动的机构身份，它们的大规模倒闭也会危及金融体系，其识别方法同样是指标法，包括规模、关联性、可替代性和时序性四个指标，同时考虑加剧性因素（如市场恶化情形）和缓冲性因素（如总集团的监管）。就保险领域的活动性质，日内瓦协会结合以上方法和指标给出了明细指引，这份行业协会性质的SIFIs识别指引得到了欧美的保险行业以及国际保险监督官协会、FSB等监管机构的认同。
    

    三、对识别SIFIs的思路和方法的基本评价及启示
    
    系统性风险经常以金融危机的方式在人类历史上多次出现，但从系统重要性金融机构角度来尝试降低系统性风险对金融体系的冲击成本还是有史以来的第一次，这体现了发达国家在多年放松金融机构监管、鼓励金融市场化自由化发展之后的深刻反思。
    在关于SIFIs的诸多视角研究中，本文总结了金融危机以来关于SIFIs识别指标和方法。本文的研究表明，IMF、BIS（包括BCBS）和FSB等主要国际金融监管组织已经占领先机，率先推出快捷、简便的指标法来识别G-SIFIs，而学界的研究大多停留在较为复杂的市场法的讨论，包括MES、Shapley值法、CoVaR法、CDS价差法、金融网络模型等。不过，学界也不再固守于20世纪70年代以有效市场理论为根基的传统金融市场风险度量模型，对系统性风险有了更多的理解视角和更为贴近市场的研究方法，这足以表明此次金融危机对现代金融市场理论的冲击之大。
    从国际金融监管机构和各国的SIFIs识别理念来看，它们的出发点是降低道德风险，解决传统的太大而不能倒的问题，以实现对金融机构的日常严格监管而不是每一次出事之后的紧急救助（即奉行有秩序的救助原则），从而鼓励金融机构能尽量减少自身已有的系统性风险因素，并最终退出SIFIs的行列。从表面上来看，欧美国家是在强化对SIFIs的监管，但应该看清问题的本质，即这种监管理念是最后贷款人发展的最新成果，本质上是在鼓励金融创新、金融发展的同时，积极降低纳税人对SIFIs救助的成本。因此，市场化运行的本质不但没有被改变，而且得到了进一步强化。
    总的来讲，识别SIFIs方法和指标对于未来金融中介体系的发展演变非常重要。在探讨更加完善的识别方法之际，必须关注这样一些问题：
    第一，SIFIs识别的偏差及后果。SIFIs的过度识别和识别不足都会有负面影响。识别不足会漏掉真正的SIFIs，将其放纵至SIFIs监管体系之外将使监管者无法准确了解系统性风险因素，直接削弱监管政策的效果。相反，过度识别意味着把不是SIFIs的金融机构纳入监管体系内，这将增加监管成本并降低金融效率，直接损害金融和经济发展的活力；同时，过度的管制意味着有可能出现下一轮的金融创新，“猫鼠游戏”陷入恶性循环。
    第二，识别SIFIs时刻需要创新性思路。金融危机爆发的历史表明，我们永远无法利用现有的系统性风险模型预测下一次金融危机的爆发。这是因为，系统性风险是动态变化的，金融网络中任何初始因素的变化都会产生“蝴蝶效应”而改变结果。SIFIs的识别必须充分考虑各因素的动态变化，不断识别新的系统性风险的重要来源。因此，认识到识别SIFIs方法的不完美的同时，在技术性地实现 SIFIs的识别之后，应该根据其他经验性知识最终确定单个机构对系统性风险的贡献。
    第三，必须意识到无论识别技术有多么精巧，识别SIFIs并公布其名单给公众的做法都并不完美，其本身不能彻底解决道德风险问题。相反，SIFIs可能因为其名单的公布而进一步增强其“太大而不能倒”的地位，从而更具竞争优势，并刺激了冒险行为。因此，识别SIFIs之后如何处理信息才能将SIFIs的道德风险降至最低以使金融体系在稳定和发展中找到平衡，是比识别SIFIs更为重要的问题。