作者 \ 李峰、原雪梅、吕祥友、李健、胡开南、孙婷婷、王子悦、巩伟玉、肖晓超、王雯

摘要：2008年全球金融危机以后，金融机构的“大而不能倒”问题以及由此引发的系统性风险备受关注。这些系统重要性金融机构（Systemically Important Financial Institutions，简称“SIFIs”）由于规模较大、结构和业务复杂、交易对手众多、与其他金融机构波动相关性强，形成了复杂关联网络，极易加剧金融系统的整体共振性，继而对金融体系和实体经济产生重大不利影响，引发系统性风险。在此背景下，近年来我国监管部门结合国际标准及我国金融业特点，出台了一系列系统重要性金融机构的相关政策制度。在监管新模式下，我国金融机构应有效完善金融机构全面风险管理体系，有效提升系统性风险管理能力，实现从“大而不倒”转变为“好而不倒”。

本课题旨在对系统重要性金融机构的背景、理论基础和监管发展脉络进行深层次的梳理和分析，厘清系统重要性金融机构的核心理念及监管要求；在此基础上，通过 GARCH-Copula-ΔCoVaR方法构建尾部风险网络矩阵，利用复杂网络建模分析金融行业、金融机构在整体网络中的中心性、时变特征，用以识别金融机构的系统重要性；基于系统重要性金融机构监管要求和系统重要性风险管控的思路，优化与更新了课题组对之前研发的“风险偏好指数”和“系统流动性指数”指标体系，借助预警指标体系对系统性风险进行有效识别；通过研究国内外系统性风险压力测试及整合压力测试的领先实践，设计了基于我国宏观经济情况和证券公司的特点的系统性风险压力测试的方案，以期当危机出现时可以前瞻性地发出预警、执行应急处置方案，尽量减少金融机构的损失和政府部门的支持；最后，分别从监管和机构两个维度出发，在加快重要性金融机构评估体系全覆盖、推动监管多方合作和数据共享、增设差异化限额指标、细化特别监管要求、强化风险压力测试、建立健全应急处置机制、推进风险管理的智能化发展、强化SIFIs信息监测等多个方面提出对策与建议。

第一章 绪论

第一节 选题背景及意义。

第二节 研究范围及内容。

一、研究思路与框架；

二、创新之处；

三、已有研究基础。

第二章 系统重要性理论基础及监管发展研究

本章节作为后文的理论铺垫，详细阐述了重要性金融机构的定义、特征与风险因素，厘清了系统重要性金融机构的国际监管发展脉络并对国内监管要求进行了解读，梳理了识别、评估系统重要性金融机构的理论和方法，总结了国内外的研究成果，为后续实证分析打下基础。

第一节 系统性重要性相关理论概述。

一、系统重要性金融机构的定义；

二、系统重要性金融机构的特征；

三、系统重要性金融机构的风险因素。

第二节 系统重要性金融机构的监管要求发展。

一、系统重要性金融机构的国际监管发展脉络；

二、系统重要性金融机构的国内监管要求解读。

第三节 国内外研究成果情况简述。

一、系统重要性金融机构的识别。

在国外研究方面，近年来系统重要性金融机构的识别方法主要有两类：一是指标法，即通过建立指标体系，对不同金融机构的运行情况进行打分，并确定具体名单；二是市场法，即以市场数据为基础建立模型，如金融网络分析法、条件在险价值模型等，来衡量单一金融机构的系统性风险占风险总量的比重，从而确定该机构是否具有系统重要性。

二、系统重要性金融机构的风险管理工具。

在识别出系统重要性金融机构后，如何建立风险事件事前准备机制、事中纠正机制、事后处置机制是近年来监管机构关注的重点。在这些领域，国内尚处于起步阶段，但国际上已有部分相关的领先实践，本节将对国际先进经验进行梳理，为我国系统重要性金融机构的风险管控提供有益借鉴。

（一）事前准备：制定恢复计划和处置计划；

（二）事中纠正：实施恢复计划；

（三）事后处置：实施处置计划。

三、研究评述。

第三章 系统重要性风险识别工具研究

第一节 系统重要性风险识别模型构建。

课题组通过对几种常用方法的分析和比较，选取了更为合适的CoVaR方法，并在此基础上进行优化，将刻画动态相关系数的GARCH模型与条件Copula模型有机结合，构建尾部风险网络矩阵，利用复杂网络建模分析整体网络的拓扑特征以及金融行业、金融机构在整体网络中的中心性、时变特征，用以识别金融机构在系统性风险中的位置，以及有效识别系统重要性金融机构。

一、模型的选择--GARCH-Copula-ΔCoVaR模型；

二、利用 GARCH 模型进行边缘分布拟合；

三、Copula 相依结构函数的选择。

第二节 金融机构尾部风险复杂网络实证分析。

一、指标设计和数据来源；

二、构建金融机构尾部风险复杂网络；

三、结果解析。

第三节 系统性风险监测预警工具设计。

课题组对之前研发的“风险偏好指数”和“系统流动性指数”指标体系进行了优化与更新，从风险偏好与流动性两个维度对疫情期间系统性风险的运行脉络进行分析，以期可以借助预警指标体系对系统性风险进行有效识别。

一、风险偏好指数（RAI）走势与解析；

二、系统流动性风险指数（SLRI）走势与解析。

第四章 系统重要性风险管控工具研究

第一节 系统性风险压力测试方案设计。

针对证券公司，系统性风险压力测试的目标是找到触发该计划的情景区间，建立相应的触发机制，并依据具体情景针对性地制定资本和流动性应急预案和恢复措施。压力测试应包含多种可信的方案以应对不同的情景，包括市场性和证券公司特有的对资本和流动性的压力情景。根据监管要求，恢复计划制定中开展的压力测试是证券公司日常风险管理的压力测试体系的延伸和拓展，通过正向和反向压力测试相结合的方法，寻找可能导致启动恢复计划的目标情景，同时确保不同类型触发指标之间对应压力程度的一致性，保障触发水平的合理性。

一、系统性风险压力测试框架。

二、系统性风险压力测试情景设置。

（一）压力情景设置原则；

（二）压力情景及指标设置方法；

（三）资本压力测试情景设定；

（四）流动性压力测试情景设定；

（五）压力测试指标选择及取值方法。

第二节 系统性风险压力测试的传导机制。

系统性风险压力测试需要建立压力情景的全面传导机制。压力传导在压力情景与压力下证券公司的资本和流动性情况之间搭建了桥梁。按照风险类别和最终作用对象的不同，压力传导会有不同的传导路径、涉及的风险参数和相关假设。根据自身的业务特点以及现有模型方法论，证券公司可按风险条线识别、定义、建立压力传导机制，实现压力从情景向资本状况及流动性情况的转移。

一、资本压力测试传导机制；

二、流动性压力传导机制。

第五章 对策与建议

鉴于系统重要性金融机构对宏观金融体系稳定运转和实体经济平稳发展的重要意义，目前，各国采取了从监管角度提出差异化监管措施，制定相关规则减轻纳税人未来可能需要背负再次实施救助负担等方式，用来降低经营风险、弱化道德风险等，避免因某一机构倒闭而引发的系统性金融风险，防范“大而不能倒”的风险。课题组通过研究、分析，从监管与金融机构两个层面入手，提出对策，以期为相关制度体系完善提供有益借鉴。具体来说，监管层面应加快SIFIs评估体系全覆盖，推动监管的多方协同、联合和数据共享，增设差异化指标限额，细化对系统性重要金融机构的特别监管要求；金融机构要落实监管框架、强化SIFIs信息监测，将风险管理工作向精细化、智能化方向推进。

一、监管层面。

（一）加快SIFIs评估体系全覆盖。

课题组认为随着大型金融集团的出现，以及非银行金融机构业务的不断发展、壮大，金融的不断创新使其在类型间产生了深度融合，产生了众多大型混业金融集团，其对国内金融市场的影响越来越大，因此，重要性金融机构评估不应仅仅局限于银行，而应覆盖目前我国所有类型的金融机构。

（二）不断推动监管的多方协同、联合和数据共享。

评估体系的全覆盖将进一步消除因监管不同而带来的灰色套利地带，督促金融集团摒弃以往设计复杂且交叉众多的金融业务、产品等，在一定程度上消除日益增多的不稳定因素、潜在风险。

（三）尝试增设一定的差异化限额指标。

课题组在系统性金融机构评估体系全覆盖的基础上，借鉴全球以及其他国家标准，我国征求意见的银行监管标准，对系统性重要金融机构，不管是金融控股集团还是分项的证券公司等，提出增加注册资本、提高净稳定资金率、降低资本杠杆率、加大风险资本准备计提、增设流动性比例等方式实行差异化监管。

（四）细化系统性重要金融机构的特别监管要求。

课题组认为对于系统性重要金融机构，可在《指导意见》的基础上进一步细化特别监管要求，主要包括公司治理、并表管理、分类监管、系统搭建等方面。

二、机构层面。

国内系统重要性金融机构的监管框架正在逐步完善，证券业机构作为维护金融市场秩序的主力之一，应紧跟监管政策内容及方向，抓住窗口期，提早准备，积极行动，借此加速推进转型，适时推动风控模式变革，助力金融业持续高质量发展。

（一）落实监管框架，提升风控精细化管理水平。

其一，强化风险压力测试，完善巨灾风险的应急预案；其二，建立健全应急处置机制；其三，提升业务风险管理的实效性与准确性。

（二）强化SIFIs信息监测，推进风险管理的智能化发展。

泛互联网时代, 金融机构业务日益复杂化、广泛化、风险隐蔽化。目前，系统重要性金融机构现有系统在信息提取、信息甄别、信息整合等方面尚需进一步完善。系统重要性金融机构应根据监管要求和公司管理需要，在建立满足基本监管制度和特殊监管要求监控系统的前提下，充分利用大数据、人工智能等技术搭建智能化、多维度的实时动态风险监控系统。

一是采用动态因子和静态因子相结合的方式对公司风险情况实时评估、分析，能够实现对公司风险状况的及时、有效监控，确保实时掌握公司风险敞口情况，当风险发生时能迅速对风险做出准确应对。

二是充分利用大数据、区块链、人工智能等金融科技计算、分析公司各类风险的暴露情况，引入多维度覆盖、阈值自调整、性能自优化的机器学习、深度学习方法，构建可实时自动适应、调整的风险智能监测模型，对公司的整体风险进行控制和监测。同时，强化对历史数据的回测与分析，跟踪风险变化，识别潜在的风险因子，结合实时市场情况，进一步提高风险监测的及时性和精准性。

三是运用流程自动化及语言处理技术，将系统重要性金融机构各类监控指标风险情况与市场整体风险情况相结合，制定标准化风险分析报告，从而提高报告的准确性、及时性。

四是加强对高风险业务的关注，设计严于风险容忍度的监测指标，不断优化监测指标逻辑，提高监测的有效性和准确性。同时，加强监测工作与前台一线间的联系、沟通，实现前中后台的配合、协作，后台监测部门要实现与前台业务开展部门对风险情况互通有无、信息共享，及时跟踪风险真实情况和进展，致力于形成公司层级风险监测和处置的联动、合力。

该课题获山东省金融学会2021年度重点研究课题二等奖