我国资管行业系统重要性金融机构的识别和影响因素分析

来源 :西南财经大学 | 被引量 : 0次 | 上传用户:chenke25
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文着眼于我国资产管理行业的系统性金融风险及其影响因素,以风险识别、实证分析和政策建议为主线,首先对资管行业主要金融风险源进行了现状描述,并对行业内系统重要性金融机构进行了测度排序;其次,本文通过计量模型实证分析了资管行业系统性风险的主要影响因素,并进行了完整的假设检验;最后,在实证结果的基础上,针对当前资管行业系统性风险监管制度的不足与问题提出了政策建议。近五年来,资产管理业务作为一种典型的跨行业和跨市场业务,在我国发展迅速,各行业金融机构均参与其中,不考虑交叉持有因素,总规模已达百万亿元。与之对应的是,资管机构间业务和产品的混同与嵌套现象日益深化,资管产品资金池模式造成刚性兑付和期限错配等现象日益严峻,系统性风险隐患不容忽视。因此本文基于行业风险现状,提出了4个待检验的影响因素研究假设——4类资管行业风险特性可能造成系统性金融风险。我国资产管理行业系统重要性金融机构(SIFIs)的识别工作通过成分期望损失模型(CES模型)来完成,即在上市金融机构样本内对银行、信托、证券和保险等行业中金融机构的系统性风险贡献度进行量化识别,并对其进行排序。测度结果显示,总体来看商业银行的系统重要性>保险公司的系统重要性>证券公司的系统重要性>信托公司的系统重要性。而在商业银行中,国有银行的系统重要性>股份制银行的系统重要性>区域性银行的系统重要性。同时,通过对比CES模型和MES模型、SRISK模型等类似模型的测度结果,本文保证了CES模型的适用性和稳健性,为实证模型奠定了基础。在资管行业系统重要性金融机构的识别完成后,本文利用面板回归、时间序列回归等计量经济学方法,分析影响我国各资管机构系统重要性的因素,利用3个回归模型多层次多维度分析资管行业风险特性的影响效应。实证结果显示,混业经营风险因素对资管行业金融机构系统性风险具有放大作用;同业交叉风险因素行业整体系统性风险有放大作用;资管产品刚性兑付对资管行业产生了一定的风险外溢效应。从实证结果来看,证券资管和通道经纪业务近几年的过快增长、银信合作等通道业务加剧风险传递以及资管产品隐性刚性兑付等现象都得到了合理验证。在完整的假设检验和实证分析的基础上,根据实证结果并结合目前的监管框架和体制,尤其是2018年4月《关于规范金融机构资产管理业务的指导意见》(资管新规)及其后续配套的最新监管政策细则,本文给出相应的政策建议。本文认为,为有力应对混业经营模式、隐性刚性兑付和同业交叉风险等系统性金融风险隐患,监管机构应坚持功能监管与机构监管相结合的制度理念,加快统一大资管行业监管标准,同时加强对资管行业同业嵌套和通道业务的监管力度并强化资管产品净值化管理。在研究创新上,本文将CES模型与资产管理行业的系统重要性金融机构识别相结合,并针对行业风险特性进行实证分析并提出有关建议,是系统重要性金融机构识别和资产管理行业重大风险研究的有机结合,具有新颖的研究视角,同时得出了有力的实证证据,这是本文研究内容的主要创新之处。在研究不足上,主要在于虽然CES模型在测度风险水平时同时有效捕捉到了金融机构太关联而不能倒(TITF)和太大而不能倒(TBTF)的特性,但其主要依赖公开市场数据,在风险内涵上存在一定的固有缺陷。
其他文献
粒度特征和石英颗粒表面特征均是碎屑岩的重要特征,受物源、搬运方式、搬运介质、沉积环境等因素控制,因此通过研究沉积岩的粒度分布及和石英颗粒表面形态,能对沉积环境以及介质动力条件进行判别。云南思茅盆地是中国目前唯一的古代固体钾盐产地,现阶段盆地内主要沉积型矿产均位于白垩纪地层之中,但对白垩系碎屑岩沉积环境及介质动力条件方面的研究相对较少。本文通过岩矿薄片鉴定、粒度分析、扫描电镜等实验方法,对MZK-3
线性算子的谱理论是现代数学最基本的理论之一,它在数学、物理、工程等方面都有重要的应用。线性算子的谱理论发展至今已经取得了巨大的成就,我们要在充分认识和理解前人成果
针对蚁群算法的特点,把蚁群算法应用到移动机器人的路径规划中,在Matlab中建立移动机器人仿真系统,运用格栅法创建移动机器人的工作环境,设置蚁群算法中的参数,运行程序得出
结合区域沉积背景、岩心观察和测井相分析等资料,建立研究区测井曲线图版,结合识别相标志,合理划分沉积微相,总结展布规律。结果表明,218井区长8_1油层岩石多为陆源碎屑岩,表
2008年7月18日,中国社会主义政治经济学学科奠基人,我们十分尊敬的蒋学模先生不幸逝世。先生学富五车,著作等身,作为政治经济学学科领域的“泰斗”,在这一领域耕耘、播种,以《政治
集成学习的研究是近几年机器学习领域的热点。虽然集成学习模型具有准确率高的特性,但是对复杂问题的表示能力有限,使其泛化能力受到制约。深度学习因其较强的表示能力在复杂问题中取得较好预测的效果。因此,融合深度学习和集成学习的思想,本文设计并改进一种深度梯度提升模型,以此提高对于复杂问题的学习能力。脑卒中已经成为危害我国居民生命健康的众多疾病之一。调查显示,脑卒中的死亡率为127.2/10万。当前的脑卒中