<u id="3r1l0"></u>

    <rt id="3r1l0"></rt>

    <ruby id="3r1l0"><menu id="3r1l0"></menu></ruby>
  1. 設為首頁 報刊投稿 微博平臺

     首頁 >> 社科關注
    金融科技有助防范化解系統性金融風險
    2022年11月23日 08:26 來源:中國社會科學網-中國社會科學報 作者:方意 陳經華 字號
    2022年11月23日 08:26
    來源:中國社會科學網-中國社會科學報 作者:方意 陳經華
    關鍵詞:金融科技;金融風險

    內容摘要:防范與化解系統性金融風險是經濟和金融體系的重要問題,尤其是在信息科技高速發展的今天,對系統性風險進行合理有效的測度成為防范與化解系統性風險的基本前提。

    關鍵詞:金融科技;金融風險

    作者簡介:

      防范與化解系統性金融風險是經濟和金融體系的重要問題,尤其是在信息科技高速發展的今天,對系統性風險進行合理有效的測度成為防范與化解系統性風險的基本前提。由于數據覆蓋范圍小、更新頻率低等缺陷,傳統方法在監測范圍、監測頻率、監測及時性、可信度等方面還存在局限性。隨著大數據、人工智能與各行業的深度融合,金融科技因其監測頻率高、覆蓋范圍廣、數據來源廣泛、真實可信、模型預測性強等諸多特點,在系統性風險防范和化解領域的優勢日益凸顯。

      傳統方法精準把握風險難度增加

      系統性金融風險的測度,以金融機構之間的關聯性為重點,刻畫負向沖擊時金融機構間因關聯而產生的傳染風險。因數據和方法的差異,系統性金融風險的傳統測度模型大致分為兩類:一是利用金融市場數據的模型,如尾部依賴模型、溢出指數模型;二是利用金融機構資產負債表的網絡模型。

      第一,金融市場數據的模型側重于度量不同壓力環境下金融市場的整體收益與機構收益之間的關聯。其中,尾部依賴模型主要使用機構個體對系統的重要性、系統對個體機構的影響,以及金融系統處于壓力狀態下個體金融機構資本金短缺情況三類指標給出系統性風險的水平。而溢出指數模型考慮系統整體的依賴,主要通過構建向量自回歸,利用預測誤差方差分解結果,構建各金融市場、金融機構間的溢出指數,進而計算系統脆弱性和系統重要性等指標。

      第二,網絡模型主要使用金融機構資產負債表給出系統性風險的水平。網絡模型分為直接、間接關聯網絡。其中,直接關聯網絡反映的是銀行間債權債務關系,數據來源為銀行總資產、總負債。間接關聯模型反映了銀行間共同持有的資產而導致的關聯性,關注的是資產流動性風險。當前,防范與化解系統性風險是維護國家經濟和金融穩定的基礎,因此需要合理有效的手段對系統性金融風險予以精準監測,進而采取恰當措施防范。傳統方法下依賴于金融市場數據和金融機構資產負債表數據度量的系統性金融風險面臨多方挑戰,其結果越來越難以匹配系統性金融風險防范與化解的復雜現實。

      首先,數據來源有限。直接關聯網絡的數據來自銀行的資產負債表,而間接網絡的數據來自銀行資產端的各項資產數據,這些數據都存在更新頻率低等問題。上市銀行每季度公布資產負債表,非上市銀行資產負債表等數據公布頻率更低,而且也更難獲取。一些小型金融機構,尤其是風險較大的非法金融機構的資產負債信息,更是無從獲取,進一步限制了方法應用范圍。資產負債數據公布時間不及時,導致監管存在滯后性。

      其次,數據種類單一。無論是尾部依賴模型還是網絡模型,都使用資產負債或金融市場數據中的一種。然而,不同來源的數據具有不同的優勢。金融市場數據頻率高;資產負債數據能夠刻畫銀行財務信息;文本評論與投資者情緒密切相關,可以通過投資者情緒預測未來風險變化。只有把不同來源的數據綜合利用,才能得到全面有效的系統性金融風險指標。

      再次,數據可信度存疑。金融機構披露的資產負債數據有可能與事實不符,尤其是中小金融機構,為獲取不正當利益而偽造財務報表,最終影響系統性金融風險結果的真實性。

      最后,無法捕捉投資者情緒的影響?;诮鹑谑袌鰯祿亩攘糠椒?,如尾部依賴模型,具有數據可行性好、市場數據頻率高的優勢。然而,現階段的金融市場并非完全的有效市場,噪音很多,投資者的行為心理因素會改變未來預期,影響股票價格。金融市場的投機者利用投資者追漲殺跌的心理,放大了短期股票趨勢,使股票價格偏離基本面。利用金融市場衡量的風險指標,可能受到投機者的影響。當投資者情緒過度波動,出現非理性交易時,風險指標將失去有效性。

      更重要的是,金融市場度量方法只能測度股價下跌時的風險,往往只能做到順周期的同步監測。當市場行情好時,所有機構的股價幾乎都在上漲,基于市場數據的度量方法認為所有金融機構風險都很低,但恰恰經濟繁榮期是風險快速上升的時期。股價下跌時,基于市場數據的測度風險才會上升,但此時是風險集中爆發的階段,監測的風險指標具有明顯的滯后性。

      金融科技為系統性風險測度指明新方向

      金融科技又稱Fintech,泛指技術進步尤其是信息技術進步驅動的金融創新,在投融資、運營、風險管理、支付清算等領域發揮著重要作用。金融科技在系統性金融風險監管領域也日趨成為研究熱點。金融科技手段中的大數據、文本挖掘、情感分析技術,量化了市場情緒,拓展了傳統監管的信息維度,提高了監測頻率,從而能夠有效防范與化解系統性金融風險。

      第一,利用情感分析技術,得到文本情緒,作為系統性風險實現前的風向標。風險傳染通常與負面的市場情緒相關??只诺氖袌銮榫w會導致機構、投資者拋售金融資產,而金融資產的拋售又會導致恐慌情緒的蔓延,從而形成惡性循環。研究發現,金融危機之前,投資者情緒相對積極,投資者觀點具有一致性;金融危機發生后,投資者情緒轉為悲觀。高興奮度、低焦慮度的觀點共識可能成為金融系統危機即將到來的重要預警信號。

      第二,通過文本挖掘,拓展了數據來源,主要體現為擴展了文本數據的獲取處理。一種嘗試是構建了文本到網絡的過程,用文本中銀行的共現替代傳統資產負債表數據。構造的風險指標具有更新頻率高、覆蓋范圍廣、數據來源廣泛的優勢。另一種嘗試是每隔一段時間,計算每家銀行的情緒指數,形成時間序列。將情緒指數序列代入溢出指數模型,得到銀行間溢出矩陣,評估系統重要性和脆弱性。不僅如此,還可以充分利用大數據大量、多樣和真實的特點,從多個來源和視角精準預測系統性金融風險,使得系統性金融風險的監測更加真實可信。

      第三,基于機器學習技術,可以做到不同類型數據的融合。深度學習模型融合普通數值、類別值甚至文本內容。利用One-Hot編碼,把類別值轉為0—1變量;利用Word2Vec詞向量技術,把文本數量化。深度學習強大的信息處理能力,有助于從繁雜的數據中抽取到有用特征。相關研究者也曾利用貝葉斯模型,融合Tweet數據和市場數據,在銀行“情緒”每日變化基礎上,構建網絡模型來評估系統風險,用于評估金融機構之間的相互依賴性,描述了銀行間違約風險的傳播。

      (本文系國家自然科學基金項目“金融周期視角下的中國銀行業系統性風險防范與化解研究”(71973162)階段性成果)

     ?。ㄗ髡邌挝唬褐袊嗣翊髮W國家發展與戰略研究院;中信建投股份有限公司風險管理部)

     

     

    轉載請注明來源:中國社會科學網 (責編:黃琲)
    內容頁廣告位-中國與世界.jpg

    回到頻道首頁
    中國社會科學院概況|中國社會科學雜志社簡介|關于我們|廣告服務|網站聲明|聯系我們
    中國社會科學院概況|中國社會科學雜志社簡介|關于我們|法律顧問|廣告服務|網站聲明|聯系我們
    色偷偷亚洲第一成人综合网址熟妇
    <u id="3r1l0"></u>

      <rt id="3r1l0"></rt>

      <ruby id="3r1l0"><menu id="3r1l0"></menu></ruby>