我院姜富偉教授和中國工商銀行齊欣林博士(我院博士畢業生)、在讀博士生林奕皓合作撰寫的論文《金融科技與我國銀行間市場風險防控》近日在《中國貨币市場》正式刊出,該文章同時獲得《中國貨币市場》創刊20周年“銀行間市場:新機遇 新征程”主題征文活動優秀論文獎。
我國銀行間市場成立20多年來,秉承市場化改革發展的原則,經曆了從無到有、高速發展、日趨成熟等發展階段,市場規模快速增長,參與主體持續擴容,法規制度不斷完善,市場深度和廣度日益提高,為我國多層次金融體系的建立、直接融資市場的發展做出了重要貢獻。與此同時,在全球金融市場聯動加強、宏觀政策變化及地緣事件沖擊等影響下,銀行間市場風險防控面臨新的特征和挑戰。
文章認為,将大數據、機器學習等金融科技運用于銀行間市場風險防控,可更好地對銀行間市場數據可能存在的非線性性、高維特性、噪聲性質進行研究,為傳統方法的局限性提供了針對性的解決思路。從金融大數據角度來看,銀行間市場經過20多年發展,存量數據具有海量特性,從大數據中更有效地提取有價值的信息,具有重要意義。由于是場外市場,銀行間市場包括大量文本數據、音頻數據、視頻數據等非結構化數據,而且變量之間更容易表現出時變性、非線性和非平穩性的特點。從金融機器學習角度來看,機器學習能夠從大數據中學習更多經驗知識,機器學習中的有關算法能夠更好地處理文本等非結構化數據,是對結構化數據的重要補充。同時,機器學習沒有嚴格地假設模型函數形式,這是對傳統計量經濟學的有益突破,有利于提高模型預測能力,進行前瞻性風險預警。
文章介紹了金融科技在銀行間市場的具體應用案例。一方面,文章以LSTM神經網絡模型為例檢驗機器學習算法在銀行間市場利率水平預測方面的準确性。實證結果顯示,LSTM神經網絡模型能夠對SHIBOR利率水平進行較客觀的預測,尤其是可以對利率出現的持續上升、下降以及走勢拐點進行實時預報。擴展來看,可考慮從提升機器學習算法性能入手,例如采用遺傳算法、模拟退火算法等優化神經網絡的權值和阈值,使構建的模型擁有更穩定的性能和預測能力。此外,除從時序維度考察銀行間市場基準利率的變化外,還可以從基準利率的産生機理、影響因素等角度出發,探究銀行間市場基準變量與相關影響因素之間的交互作用關系,使相關研究更全面、系統。另一方面,文章實證檢驗了機器學習算法相比于經典線性回歸模型,能夠更好地實現對債券信用利差的準确預測,進而對銀行間市場信用風險進行實時預警。文章指出,後續可嘗試拓展基本面指标庫,構建更強大的指标體系,例如借鑒姜富偉等(2021),綜合宏觀指标構建宏微觀混合大數據集,繼續提升數據維度和顆粒精度,實現更準确、更全面地刻畫我國銀行間市場在不同時期的時變風險特征,同時也可以考慮從非結構性數據中挖掘影響銀行間市場信用風險的信号性指标。
在我國政府日益強調防範化解系統性金融風險的背景下,本文觀點對強化金融監管和促進宏觀審慎管理有着重要意義。将金融科技引入銀行間市場風險防控,有助于探尋銀行間市場風險研究中未被揭露的内在邏輯關系,把握風險傳導途徑,有效識别金融市場、宏觀經濟各部門的外溢效應及其對銀行間市場的反饋機制,進而為銀行間市場風險管理問題提供合理有效的實踐指導,提高我國金融風險識别與防控的能力,為守住不發生系統性風險的底線提供科學支撐和政策建議。