- · 《科技与金融》栏目设置[05/28]
- · 《科技与金融》收稿方向[05/28]
- · 《科技与金融》投稿方式[05/28]
- · 《科技与金融》征稿要求[05/28]
- · 《科技与金融》刊物宗旨[05/28]
对数字金融金融科技与金融稳定关系的几点思考(2)
作者:网站采编关键词:
摘要:这类互联网平台存款具有开放性、利率敏感性高、异地客户为主、客户黏性低、随时支取等特征,存款稳定性远低于线下,增加了中小银行的流动性管理难
这类互联网平台存款具有开放性、利率敏感性高、异地客户为主、客户黏性低、随时支取等特征,存款稳定性远低于线下,增加了中小银行的流动性管理难度。同时,平台存款全额计入个人存款,导致流动性匹配率、优质流动性资产充足率和核心负债比例高估。
高估流动性匹配率。流动性匹配率=加权资金来源(负债端)/加权资金运用(资产端),该指标旨在衡量银行主要资产与负债的期限配置结构,监管要求不得低于100%。该指标根据资产负债的不同期限(3个月内、3个月至1年、1年及以上)设置了不同系数,存款期限越长,系数越高,1年及以上的系数为1。互联网平台存款虽然期限较长,但其更具灵活性,按照较长期限计算可能导致该指标高估。
高估优质流动性资产充足率。优质流动性资产充足率=优质流动性资产/短期现金净流出,监管要求该指标不得低于100%。分母项短期现金净流出,是指压力情况下,可能的现金流出减去现金流入。可能的现金流出中,储蓄存款折算率仅为8%,同业存款折算率最高为100%。将互联网平台存款全部计入储蓄存款中,导致优质流动性资产充足率的分母较低,该指标被高估。
高估核心负债比例。核心负债比例=核心负债/总负债,监管要求该指标不得低于60%。分子即核心负债包括活期存款中稳定沉淀的部分、剩余期限90天以上的定期存款等。5年期互联网平台居民储蓄存款,属于核心负债,但是其稳定性要低于当地传统的5年期居民储蓄存款,会高估该系数。
这类储蓄的不稳定性要高于当地储蓄。近些年国际上发生的挤兑事件中,有几起已经由线下的网点挤兑为主发展为线上挤兑为主。过去处理挤兑的时候,是现钞拉到现场,在银行网点柜台堆成山让储户看,“你放心,现钞多的是”,1~3天挤兑事件就过去了,守住柜台就控住了风险。但现在从几个国际案例来看,守住柜台仅仅守住了10%、30%,剩余70%在线上快速流出。如何应对线上挤兑是个新课题。
二是基于大数据信贷业务的信用风险。包括长尾客户风险。联合国普惠性发展融资特别倡议在一份报告中指出,一些国家网络借贷发展过快,导致相对贫困的借款人过度借贷和违约率上升。这种情况前几年有所显现,2020年在疫情的影响下,在部分国家更加明显,包括美国。信用风险评估模型不健全导致的信用风险。主要体现在模型尚未经过完整的信贷周期检验,数据质量和完整性可能不如传统借贷。部分模型过度依赖硬数据而忽视软指标,在风险存在很强异质性的情况下会削弱模型评估质量。
三是数字化业务模式可能加重操作风险。包括网络事故风险。如数据泄露、欺诈、业务中断和网络攻击等。近年来,诸如Wannacry事件、NotPetya事件等网络风险事件导致金融部门遭受严重损失。内部治理和流程管控风险。例如,很多新型数字金融服务商缺乏数据收集、存储和处理的标准化流程,导致数据被滥用。还有一些加密资产采用去中心化和公有链设计,治理框架和流程管控不健全,难以确保操作安全和系统稳定,也增加了反洗钱和反恐怖融资风险。有调查发现,全球120家最受欢迎的加密资产交易所中,约三分之二的交易所未能落实反洗钱、反恐怖融资和客户识别要求。关键第三方服务提供商依赖风险。据美国科技媒体TechCrunch报道,2019年初,美国多家大型银行泄露2400多万份银行资料,涉及大量贷款和抵押物信息,造成泄露的原因是第三方公司OpticsML所提供的服务器出现漏洞。
以上因素,加上新型金融服务提供商与商业银行的联合贷款放大杠杆率等可能导致对这些新型金融服务提供商的资本要求不足,甚至严重不足。
金融科技发展可能引发的系统性金融风险
一是部分新兴的数字金融服务容易引发声誉风险的传染,并增加新的传染路径。一方面,零售业务易引发声誉风险传染,在加密资产领域尤为突出。如果一种加密资产出现大面积挤兑,很可能出现市场恐慌,导致用户不加区分地挤兑其他同类资产。另一方面,金融科技带来新的系统性风险传染渠道。金融科技应用越广,越容易产生复杂的网络效应和传染性。例如,复杂的算法交易,可能导致整个金融市场出现不可预知的系统性风险。2010年,美国道琼斯指数在半小时内暴跌700点,之后又戏剧性地反弹600点。这次“闪电崩盘”让美国股市暂时性蒸发了1万亿美元,其中一个重要原因是自动化交易的算法缺陷。
二是数字金融服务很多情况下呈现更明显的顺周期性和波动性。比如,网络借贷平台业务可能增大信贷业务的顺周期性。网络借贷平台业务受散户投资者风险偏好影响较大,再加上信用风险模型未经检验,可能导致风险定价过低或过高、信贷质量评估和借贷标准不如传统机构精确等问题,易加大信贷业务的顺周期性。智能投顾业务的“羊群效应”也很明显。在市场平稳运行时,智能投顾会通过高频数据捕捉价格波动,更加活跃地撮合交易。这种顺周期性同样出现在市场流动性紧张时期,智能投顾会以更快的速度退出市场,加剧市场价格的大幅下跌。
文章来源:《科技与金融》 网址: http://www.kjyjr.cn/qikandaodu/2021/0717/2686.html