金融监管研究笔记

2022(06)
【1】碳减排、转型风险与监管应对——基于DSGE的政策模拟研究(天津分行)
方法:应用动态随机一般均衡模型(政策情景模拟试验法),考察了碳减排约束(以碳税为例)对转型风险的影响以及监管应对策略。

借鉴现有文献,本文主要做了三方面的工作。一是构建了完整的分析框架,将碳减排、转型风险和监管应对置于统一框架中,充分考虑三者复杂交互作用。二是开展定量研究分析,应用动态随机一般均衡模型,量化模拟碳减排、转型风险和监管应对三者的动态影响效应。三是聚焦政策操作,对具体如何实施减排政策以及如何搭配监管政策等问题,进行了详细分析。

DSGE方法:描述多个主体行为逻辑,模拟监管工具和碳税的配合使用效果

考察结果显示:放慢征税节奏、政策沟通先行,可增强碳税政策的稳定性,缓解转型风险;金融与实体经济间“循环反馈”式传导路径,可放大碳税转型风险。碳税与监管工具搭配的结果表明:通过对银行棕色、绿色资产实施差别监管,可优化银行资产结构,显著提高银行和整个金融体系的韧性,有效遏制转型风险放大作用;综合运用银行棕色资产惩罚和绿色资产支持工具,以及明确监管工具的政策目标,均可提升监管成效,防范转型风险。本文的政策启示是:在有序推进碳达峰碳中和基础上,应警惕金融体系风险放大器的作用,注重惩罚类和支持类监管工具的综合运用,提升金融体系韧性;同时,确保监管工具聚焦于防范低碳转型风险,避免政策目标泛化。

【2】金融科技基础设施指数构建与发展评估(没什么意思)
信息基础设施、融合基础设施、创新基础设施和制度基础设施四个维度构建了金融科技基础设施分析框架和指标体系,对世界27个主要经济体的金融科技基础设施发展程度和特点进行了评估。

金融科技基础设施指标体系

【3】基于机器学习的个人贷款违约预测模型的应用研究
分别采用决策树、逻辑回归、支持向量机、朴素贝叶斯、K近邻等具有代表性的单一模型,以及随机森林、XGBoost和Stacking等集成模型,基于Kaggle平台的Loan Defaulter数据集,通过建立机器学习模型预测客户违约情况。

【4】操作风险损失的宏观周期特征
针对风险偏好、信贷约束、资产价格三类宏观因素构建金融状况指数,结合多家商业银行的高频低损、低频高损两类微观操作风险损失数据,进行多时间跨度的相关性分析,首次对我国商业银行操作风险损失的宏观周期特征进行探究。

Z值衡量商业银行偿付能力和违约风险,原始文献Laeven, L., and R.Levine, 2009, "Bank Governance, Regulation and Risk Taking", Journal of Financial Economics, 93(2) :259-275
Z值计算公式

式中,ROA表示商业银行的资产利润率;EquityToAsset表示权益资产比;SdROA表示ROA的3年移动标准差。Z值越大,表示银行偿付能力越强,违约风险越小,银行越稳定。为避免尖峰后尾的性质对回归结果的影响,笔者对计算有到的Z值取自然对数,即ln (Z-score)。同时,笔者也使用资产利润率3年移动标准差(SdROA)作为商业银行风险承担的代理变量,SdROA的数值越大,表示银行风险承担越高。

【5】日本负利率政策的收入分配效应研究
可测度多变量冲击效应的FAVAR模型(向量增强自回归模型)实证检验日本负利率政策的收入分配效应。
将经济中的社会分为高收入和低收入家庭,负利率对两类主体的收入分配影响的四条渠道:①收入构成渠道,货币供应量增加,物价水平上升,工资性收入具有黏性,加剧收入分配不均。②资产价值渠道,金融资产价值膨胀,财产性收入增多。③储蓄渠道,具有较低边际储蓄率的工资性收入份额下降,提高社会整体储蓄率,提升投资率,降低消费水平。④就业渠道,引导普惠信贷,有利于改善收入分配格局。
经济政策收入分配效应的定量研究主要使用VAR、DSGE等模型。但标准VAR模型最多能处理12个变量,无法全面反映政策变动对经济运行的影响;由于DSGE模型参数众多且参数赋值存在一定主观性,对经济运行的描述存在较强不确定性。相对而言,Bernanke等(2005)提出的FAVAR模型能够更准确地刻画多变量之间的联动关系,识别特有的传导路径,故本文选择使用FAVAR模型检验日本负利率政策产生的收入分配效应,并在渠道视角下展开深入研究。

【6】金融科技发展的动力何在——基于跨国数据的比较分析
回归+构建金融科技发展动力指数

指数构建具体指标

2022(05)
【1】机构交叉持股、企业多元化经营与投资-股价敏感性研究
数据:用 2009—2020 年沪深 A 股非金融类上市公司的财务数据
机构交叉持股:同一机构同时持有同一行业内两家及以上的上市公司大宗股权(持股比例大于5%),为上市公司信息交流和资源共享提供了便利(内部化治理的外部性)。

【2】证券市场监管降低企业再次违规的效力研究
*再次违规的界定方法
多维度衡量高管团队同质性

【3】问题企业债务风险处置效率研究——典型事实与经验证据
企业风险处置案例调研,处置效率评估:
分为基本情况、债务情况、风险处置化解情况三个模块,内容涵盖了风险处置过程中的债务人行为、债权人行为、风险处置相关法律制度的实际运用。其中,基本情况包括企业注册资本、性质、行业、规模、雇员人数、是否上市、出险原因、资产、负债、有息负债;债务情况包括融资规模、融资成本、抵押物;风险处置化解情况包括处置方式、是否成立债委会、地方政府是否参与、法院是否参与、债务人是否出售资产、资产冻结保护时长、新增融资、是否因有抵押物而优先受偿、债权人保护评价、处置时长、处置成本、债权人损失、处置结果。


image.png

【4】城商行区域性合并能否提高经营效率
DEA,(非)利息收入作为产出,(非)利息支出作为投入。地理距离作为区域性合并的划分标准,合并半径为1000km?
将合并效率分解为技术效率、范围效率和规模效率【对数据同时做 CCR 模型和 BCC 模型的 DEA 分析来评判决策单元的规模效率 (SE)】(分解方法可参考)。
怎么定义合并后的投入和产出?简单加总吗?
Stata: 数据包络分析 (DEA) 简明教程 - 知乎 (zhihu.com)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,293评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,604评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,958评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,729评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,719评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,630评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,000评论 3 397
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,665评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,909评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,646评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,726评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,400评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,986评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,959评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,996评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,481评论 2 342

推荐阅读更多精彩内容