本文提出了一种名为系统性脆弱性指数(SVI)的复合指标,用于监测金融体系中的系统性风险积累。该指数基于一组衡量风险波动的变量,并使用标准投资组合理论进行聚合。
核心观点:
- SVI 通过主成分分析(PCA)确定输入变量的相对重要性,并使用蒙特卡洛模拟技术选择最佳权重组合,以优化对未来信贷损失的预测性能。
- SVI 捕获了风险积累的时间和部门维度,并提供了优于传统信贷与 GDP 差距指标的早期预警能力。
- SVI 与金融状况指数呈负相关,表明金融状况放松与系统性脆弱性积累增加相关。
- SVI 可以帮助确定反周期资本缓冲(CCyB)的调整时机和幅度。
关键数据和研究结论:
- 美国和冰岛的 SVI 分别使用了 8 个和 9 个变量,包括信贷、房价、债务负担、信贷条件、股票价格和经常账户赤字等。
- 美国和冰岛的 SVI 均能有效反映历史上的宏观金融动态,并在预测未来信贷损失方面优于信贷与 GDP 差距指标。
- 冰岛的 SVI 在 2017 年至 2018 年期间达到峰值,与该国金融风险的积累相一致。
- 美国的 SVI 在 2021 年至 2022 年期间上升,反映了 COVID-19 疫情带来的风险积累。
- SVI 与金融状况指数呈负相关,表明金融状况放松与系统性脆弱性积累增加相关。
- 本文提出了一个框架,将 SVI 与 CCyB 调整联系起来,当 SVI 高于其中性水平时,应提高 CCyB 水平。
政策启示:
- SVI 可以为宏观审慎政策决策提供有价值的信息,帮助识别系统性风险的积累并及时采取行动。
- SVI 可以帮助确定 CCyB 的调整时机和幅度,以增强金融体系的韧性。
- 政策制定者应结合 SVI 和其他指标进行综合评估,并根据国家具体情况制定宏观审慎政策。