2011年-IMF国际货币组织全球_Systemic_Risks_in_Global_Banking_What_Available_Data_Can_Tell_Us_and_What_More_Data_Are_Needed__27页_1mb

系统性风险在国际银行业中的分析与数据需求

核心内容

本文由Eugenio Cerutti、Stijn Claessens和Patrick McGuire撰写，旨在分析全球银行业系统性风险的测量方法，并指出当前数据在国际维度上的不足，以及未来需要哪些数据来更好地评估和监控这些风险。文章强调了国际金融体系中系统性风险的复杂性，并提出了改善数据收集和共享机制的建议。

主要观点

• 全球金融危机揭示了金融系统的高度互联性，一个国家或资产类别的冲击可能迅速传播至其他国家和市场。

• 系统性风险分析面临三大挑战：

  1. 缺乏国际协调机制：各国政策制定者通常以本国利益为导向，缺乏有效的国际合作框架，导致全球系统性风险监控不足。
  2. 国际环境下的复杂性：跨国银行的组织结构和法律地位差异增加了风险测量的难度，现有数据难以准确反映其全球资产和负债状况。
  3. 数据稀缺性：目前缺乏详细且一致的银行级数据，尤其是关于国际活动的详细信息，如跨境资产、负债和融资结构。

• 现有数据的局限性：

  • 银行级数据不足：商业数据通常缺乏对银行国际活动的详细描述。
  • 聚合数据无法反映个体差异：如BIS国际银行业统计数据虽然提供了国家层面的汇总信息，但无法详细分析单个银行的风险状况。
  • 数据共享受限：出于保密考虑，监管机构之间数据共享有限，影响了对系统性风险的全面理解。

• 重要数据需求：

  • 更详细的银行级数据，包括双边关系、组织结构、资产与负债分类（如按币种、国家和行业）。
  • 改善跨境融资和期限转换活动的测量。
  • 更全面地追踪银行的资产负债结构及其在情景分析中的内生互动。

关键信息

数据来源与方法

• BIS国际银行业统计数据（BIS IBS）是分析国际银行业系统性风险的重要工具，分为BIS合并银行统计数据（CBS）和BIS位置银行统计数据（LBS）。
  • CBS：跟踪银行的全球合并资产和负债，按“最终风险”（UR）和“直接借款”（IB）两种方式报告。
  • LBS：基于银行所在地的统计数据，提供银行在特定国家的跨境和本地资产与负债情况，按币种、行业、对方国家和报告银行国籍分类。

情景分析与模型

• 情景分析：使用BIS数据构建多边Leontief型投入产出矩阵，模拟跨境信贷和融资冲击的传播路径。
• 网络分析：用于评估银行之间的相互依赖关系，如通过信用利差和资产损失分析来衡量传染效应。
• 市场数据：如股票价格、CDS利差和债券利差，常用于衡量市场压力和系统性风险溢价，但其可靠性受信息不完整影响。

数据改进倡议

• G20数据缺口倡议：提出了20项建议，包括改进银行级和汇总统计数据、建立数据收集与共享框架、制定数据使用规则。
• BIS国际银行业统计数据的改进：旨在更全面地反映银行的全球运营结构，包括非资产负债表项目（如衍生品和信用承诺）。

重要发现

• 跨境信贷和资产损失：通过CBS和LBS数据可以衡量银行对特定国家或行业的敞口，但数据粒度不足。
• 银行集团内部风险：银行对其子公司的敞口受法律限制，但分支机构的损失通常由母公司承担。
• 市场数据与资产负债数据的互补性：市场数据有助于捕捉非直接资产负债关系的传染渠道，但需结合资产负债数据以提高准确性。

数据挑战示例

1. 准确测量银行的外国资产敞口：现有数据难以区分直接和间接敞口，且缺乏对银行内部结构的详细信息。
2. 衡量借款国对外国银行信贷的依赖：需了解银行的融资来源和期限结构，以评估其脆弱性。
3. 追踪银行的跨境融资与期限转换活动：现有数据无法全面反映银行的多币种融资行为和期限结构。
4. 在情景分析中捕捉资产负债的内生互动：现有数据不足以反映银行内部资金流动和风险传导路径。

结论

文章指出，为了更好地评估全球系统性风险，需要改进数据收集和共享机制，加强国际协调，提升数据的透明度和一致性。这些改进将有助于构建更准确的全球金融风险监测体系，增强对金融稳定性的理解与应对能力。