|
|
马上注册入会，结交专家名流，享受贵宾待遇，让事业生活双赢。
您需要 登录 才可以下载或查看，没有帐号？立即注册
x
阮健弘（中国人民银行调查统计司司长）
2008年国际金融危机后，各国越来越重视金融稳定影响因素的研究。金融体系关联性是分析金融稳定的重要方面，厘清金融体系关联性，对守住底线、防范化解系统性金融风险具有重要意义。
一、金融体系关联性的相关定义
国际货币基金组织（IMF）认为，金融体系关联性是参与单位基于金融合约形成的相互影响的程度。这一概念得到了广泛认可。关联性分为一个主体对其他主体的影响程度和受其他主体的影响程度，金融体系所有主体的关联性汇总在一起构成关联性网络。
关联性是金融活动的自然结果，金融创新越快，金融机构（含金融产品）数量和相互交易会增多，金融体系的关联性就越强。自1999年《金融服务现代化法案》通过以来，美国金融业就进入创新迭出的混业经营阶段，银行资金来源从存款为主转向同业批发融资，资产支持证券及相应衍生品大量发行，对冲基金、私募股权基金等影子银行迅速发展，金融控股集团股权关系日益复杂，这些都增加了美国金融体系的关联性。近年来，随着我国金融业的迅速发展，金融体系关联性呈增强趋势，主要体现在：银行特别是部分股份制银行和城商行同业融资较多；资管业务迅速发展，规模较大；金融控股集团股权结构复杂；等等。
金融体系关联性增强不一定导致系统性风险，对关联性识别不清、缺乏评估是系统性风险爆发的重要原因。在2008年国际金融危机中，监管机构对影子银行和资产证券化工具缺乏足够认识，不能识别风险，金融机构不能充分了解交易对手，更不要说交易对手的交易对手。在房地产市场泡沫破灭、风险爆发的情况下，金融市场的参与者更加恐慌和情绪化，大家都试图尽快降低风险并储备流动性，风险的传染性更强，风险事件的结果更为不确定。
综合以上金融体系关联性的认识，全面监测金融体系关联性、有效解析风险点是防范化解金融风险的重要手段。
二、监测金融体系关联性的方法
当前，监测金融体系关联性的方法主要有两种：扩展传统金融统计范围和运用大数据技术。
三、扩展传统金融统计范围
这种方法主要是根据现有金融业务开展的情况，对影子银行、系统重要性金融机构和金融控股公司等领域，建立相应的统计制度进行弥补。这方面，我国在《国务院办公厅关于全面推进金融业综合统计工作的意见》框架下，陆续建立了资管产品统计、系统重要性金融机构统计和金融控股公司统计。
传统金融统计范围扩展的方法能较好地弥补信息缺口，统计方法较为成熟，方便进行国际比较。但也存在一些缺点。一是统计框架对新问题的针对性不强。传统统计的扩展主要是针对本次危机爆发问题的信息短板，当出现新问题时，针对性不强。二是统计难度随报表增多而加大，较难反映机构与机构之间的关联关系。交易对手和金融工具的细化，使得传统金融统计的表格越来越多，报送难度较大，且报表式的汇总数据难以直接反映机构与机构之间细颗粒度的关联关系。三是统计价格信息和结构化信息较难。利用报表统计机构利率、期限、地区、所有制和行业等维度信息以及交叉信息的难度较大，扩展性不强。
四、运用大数据技术
大数据技术覆盖面广，信息量大，问题导向的特征明显，能补充传统金融统计信息缺口。特别是近年来，信息技术和大数据算法的迅猛发展为监测金融体系联系性提供了更为有效的工具，各国金融监管部门相继运用大数据技术完善金融体系关联性监测框架。
德国央行利用大额信用登记数据库，监测银行之间融资与投资的关联。2016年7月，德国央行主导构建的加强版货币市场统计报告正式开始运行，涵盖了德国境内总资产在10亿欧元以上的金融机构，从担保资产、非担保资产、外汇资产以及隔夜交易资产四个维度监测金融机构特别是银行之间的投融资关联。所有数据都是逐笔细颗粒化数据，德国央行通过货币市场统计报告能够按天监测金融机构之间的投融资价格、交易对手集中度、交易资产机构期限等市场信息，分析不同类型金融机构投融资在国内外资产、不同类型资产之间的关联度，为及时进行市场风险预警提供高频数据服务。
欧央行建立AnaCredit逐笔信用统计，监测金融机构间的关联及风险。欧央行建立了货币金融统计的新模块——AnaCredit（Analytical Credit Dataset）。欧央行2011年开展此项工作，2018年正式投入使用。AnaCredit是对基于金融工具和交易对手的货币金融统计的扩展和细化，更是面向大数据时代的金融统计数据模型。AnaCredit逐笔信用的数据模型，涵盖一笔信用的金融工具、担保和交易对手三个方面，共88个字段的信息。AnaCredit除了可以分析信用的投向及风险外，也能构建出金融机构间的关联关系网络，用于衡量金融体系的内部关联性，评估金融体系的稳定性。
美联储采集即时交易对手资产负债数据，监测机构关联风险。美联储2015年起开始采集即时交易对手资产负债统计数据。该统计制度从交易对手方出发，涵盖了美国国内全球系统重要性银行表内资产负债和表外资产变动。所有数据都是颗粒化的，并包含了国内外交易对手的国别、工具类型、货币、期限结构等信息，按季度进行汇总并对外公布。即时交易对手资产负债统计有助于美联储动态监测系统重要性银行的资产负债风险敞口。
五、采用大数据方法开展金融统计工作的初步尝试
在金融业综合统计工作中运用大数据手段，能大幅提高金融业综合统计的效率、准确率和针对性，能更好地满足货币政策和金融稳定政策的需要。以需求为导向，目前我国在金融统计工作中，运用大数据方法进行了以下探索。
一是建立逐笔统计，采集符合大数据量级的数据，满足结构化和复杂性的数据需求，更好支持信贷收支、杠杆率和资管等统计。近年来，为满足业务需求，我国金融统计工作建立了细颗粒度的数据统计，这些统计数据具有数量多、关联性复杂等大数据特征。当前，具有大数据特征的金融统计包括标准化存贷款抽样统计和金融机构资产管理产品统计等。为监测市场利率，人民银行开展标准化存贷款抽样统计，逐笔采集样本单位每笔存贷款的产品类型、客户类型、期限、额度、利率和资产质量等信息，统计对象包括全国500余家法人金融机构的5000余家顶层支行，每月采集近1亿笔存贷款的明细数据；2018年，“一行两会一局”共同建立了金融机构资管产品逐笔统计制度，实现对约80万亿元金融机构资管产品的全覆盖。根据制度，将对每只产品进行从来源到运用、从发行到终止的全生命周期统计，实现对复杂资管产品的全方位统计。
二是探索打通内外部数据库，实现数据关联，更好支持金融控股公司和系统重要性金融机构等统计。将不同来源的数据进行关联能更好地进行关联性监测。数据关联分为内部关联和外部关联。内部关联是对内部已有的数据进行梳理，建立关联关系；外部关联是运用外部成熟的数据库，打通内外部各种数据库。数据关联建立后就可以监测股权链、担保链、资金链等较为复杂的关联关系，实现对金融机构、金融市场、金融交易对手、金融活动的刻画，分解金融体系复杂性，反映金融机构关联性，体现金融市场传染性。
总体来说，金融统计工作需要对传统方法进行扩展，弥补当前的数据缺口，也应考虑运用大数据技术方法，深挖细颗粒度数据。目前，我国在大数据方法开展金融统计工作方面进行了一些尝试，下一步，我们将从以下方面继续推进金融统计工作。
一是做好国家金融基础数据库的顶层设计工作。以业界先进的设计思想、技术架构为参考，结合实际业务需要，做好国家金融基础库的建设规划，使国家金融基础数据库能更好地服务宏观调控需要。
二是做好金融统计规划实施和数据中心业务建设工作。按照金融统计业务规划和国家金融基础数据库建设方案，相关金融统计部门将发挥合力，高质量发展金融统计业务，为金融改革、金融政策出台的压力测试和改革效果评估提供数据信息支持。
三是做好基础设施建设工作。加快国家金融基础数据库运行、管理相关的基础设施建设工作。
四是做好数据分析工作。充分发挥金融统计部门优势，以关联性监测为契机，将大数据方法与统计工作充分结合起来，建立从业务需求、统计标准、数据采集、算法实现到数据展现的全链条数据统计分析工作流程。
五是加快金融数据治理工作。金融业综合统计工作不仅要有量的提升，还要有质的飞跃，以云计算、大数据等先进技术为手段，实现高质量数据的互连互通和深度使用，需要通过金融数据治理、统计分析理念创新实现。
|
|
郭磊：如何理解一季度
伍戈：经济，从幼儿园
钟正生：经济“温差”
周浩：美债利率上行：
第六巡视组国家粮食和
程实：从超额收益的视
彭文生：从金融周期看
钟正生：金融数据减速
大宗商品行情火爆，史
张明、王喆：稳慎扎实
财税体制与高质量发展
庞溟：十年征程——浅
发表于 2020-2-6 15:28:14
提升卡
置顶卡
郭磊：如何理解一季度经济数据
第六巡视组国家粮食和物资储备局党组工作动
农业农村部召开2024年全面从严治党工作会议
统筹融资信用服务平台建设提升中小微企业融
农户承包地细碎化治理：顶层设计、基层实践
