“大而不能倒”到底是现代企业的免死牌，还是监管念动的紧箍咒？一直以来都是一道市场难解的谜题。12月8日，银保监会主席郭树清在2020年新加坡金融科技节上发表演讲时明确指出，要关注新型“大而不能倒”风险。这一提法引起了市场广泛的关注与热议。 何谓新型的“大而不能倒”？ “大而不能倒”是由美国国会议员斯图尔特麦金尼在1984年提出的一个概念，指当一家规模巨大的公司与整个市场关联性太高，在产业和系统中具有重要地位时，公司的倒闭将会引起社会巨大的波动，因此会捆绑整个社会和政府来对这些公司救助，避免产生巨大的损失。 传统意义上，监管对“大而不能倒”的关注聚焦于金融体系。金融在经济社会中的“血脉”地位极其风险的特殊性，使得“大而不倒”在金融领域一度引人注目。当一家金融机构的规模大到其规模及其组织的复杂性、与其他金融机构的关联度足以对整体金融体系产生明显影响的时候，它就赢得了“大而不能倒”的“名声”。 自美国次贷危机爆发以来，金融业“大而不倒”问题开始受到普遍重视。巴塞尔银行监管委员会于2011年圈定了28家全球系统重要性银行。我国也于2018年发布了《关于完善系统重要性金融机构监管的指导意见》，并于前不久出台了《系统重要性银行评估办法》，表明监管部门对“大而不能倒”的高度关注。 而郭树清所指的新型“大而不能倒”风险，其主体是指大型科技公司。显然，这里所说的大型科技公司并非泛指，而是特指即拥有用户和技术优势、包含有金融元素的金融科技领域的头部企业，即BigTech。按照巴塞尔银行监管委员会对大型科技公司（BigTech）进行定义，所谓BigTech是指拥有数字技术优势的全球性大型技术公司，它们通常直接面向C端用户提供搜索引擎、电子商务或数据存储和处理等IT平台，并为其他公司提供基础设施服务。 所谓新型的“大而不能倒”，就是指随着“随着BigTech业务的扩大和交叉以及竞争态势的改变，一些新的问题和风险开始出现并不断积聚”，部分BigTech借助其强大的技术，形成业务壁垒并逐步强化为市场垄断，涉及广大公众利益；而其自身信息系统的可控性和稳定性存在隐患也可能诱发系统性风险。这类大型科技公司一旦出现经营可持续性风险，不管政府救助或者不救助都会造成极坏的影响。 因此，如何遏制BigTech依仗其“大而不能倒”的市场地位，滥用垄断权力破坏市场竞争公平性的行为，如何防止BigTech盲目、任性加杠杆，将高杠杆风险向市场转嫁，造成系统性风险，已成为国际社会的共识。 从我国实际出发，要防范BigTech“大而不能倒”的风险，需要先回答三个问题： 其一：金融科技公司该不该纳入监管？ 依照FSB（金融稳定理事会）的定义，金融科技主要是指由大数据、区块链、云计算、人工智能等新兴前沿技术带动的金融创新，它能创造新的业务模式、应用、流程或产品，从而对金融市场、金融机构或金融服务的提供方式产生重大的影响。金融科技公司的金融属性在BigTech身上体现的更加明显。 目前，金融科技领域可谓鱼龙混杂，任何一家公司似乎都可以挂上金融科技的名号，把金融科技视为法外之地。一些科技金融巨头堂而皇之涉足金融业务，打着数字科技创新的旗帜，肆意采集客户数据，并据此进行数据打包、解构、画像，形成所谓的数字风控。其背后存在的监管套利，以及风险外溢性，已危及到整体金融体系的有序与安全性。一些公司过度营销贷款、诱导过度消费、强制性催收贷款，引发了一系列社会问题。 尤其是一些大型科技公司，依托互联网形成功能强大的平台，具有很强的外部性。其风险既有来自金融科技业务本身内生的风险，也来自客户不审慎的风险及来自第三方平台的风险，以及政策风险与合规性风险。特别在数据安全方面，这类公司凭借对数据渠道的掌控，违规甚至非法采集信息，将对金融消费者甚至民生构成威胁。更为关键的是，这类平台公司往往走向行业垄断，不可避免会影响社会公平竞争。 随着传统金融机构与金融科技公司合作的不断深化，一些中小银行在数据方面对金融科技公司的依赖性不断增强。这意味着金融科技公司风险向金融机构传染的可能性不断增大。从数据安全的角度，这类公司将呈现“大而不能倒”的趋势。如果不及时纳入监管，金融科技特别是大型科技公司终有一天会变成危及金融领域安全的灰犀牛。因此，按照“凡是金融业务均需纳入监管”的理念与原则，将金融科技公司纳入金融监管范畴，不仅有必要，更有紧迫性。 其二：大型金融科技公司该如何监管？ 金融科技是金融与科技深度融合的产物。但金融科技不等于金融+科技，它不是金融与科技的物理融合，而是金融与科技的化学物。因此，不应简单地以传统金融的视角或科技企业的视角来观察。对金融科技的监管应该是整体性、系统性的监管，而不应机械地进行拆解，把“金融”拿来监管。不能用“锯箭法”的方式来监管。 目前，我国对金融科技的监管总体属于基于“资金方监管”理念的间接式监管，即通过对持牌金融机构开展与第三方合作业务主要是助贷业务的监管间接地实施对金融科技公司业务行为的规范。按照机构监管模式，仅仅对持牌金融机构利用金融科技的行为进行监管，而大量的非持牌金融机构与金融科技公司的合作由谁监管依然是个空白与难题。 因此，应立足于行为监管理念，把金融科技作为一个整体业态来监管。对于金融科技的监管应体现审慎与包容并重。既要鼓励创新，给金融科技创新留有充分的空间；又要审慎监管，防止金融科技风险的外溢与放大。这就需要寻找到一个可以平衡的点或空间，这个空间就是“监管沙盒”。 凡是金融科技创新，无论是技术、产品还是模式，如果用现有的金融监管规制能够进行规范，能否管得住，那么就在既定的框架内实施常规监管。如果一种创新无法从现有的监管工具箱中找到可以规范约束的“绳索”，或者很难束缚，那么就需将之纳入“监管沙盒”。将其创新的不确定性风险圈定在可控的范围，把可能造成的风险损失控制在最小的范围，让消费者在“试用”期间获得“不满意即退”的保护与承诺。通过沙盒测试，成功即可推向市场，按市场规则运作；不成功，就需退出。 其三：如何防止大型金融科技公司“大而不倒”？ 赢者通吃，是具有互联网基因的科技公司的共同理想，也是其发展的路径与逻辑。从单一性看，其逻辑清晰，商业模式符合资本的口味；但是，放在全局、系统性角度，赢者通吃的模式不仅会加剧行业的垄断性，破坏竞争的公平性，更可能带来系统性灾害。赢者通吃的逻辑本势必引导大型金融科技公司走向“大而不倒”的盲目。 那么，如何遏制大型科技公司这种“大而不能倒”的风险，及时精准拆弹？ 如前所述，将金融科技按照行为监管的理念，全过程纳入监管，是防范大型科技公司“大而不能倒”的前提。要通过强化监管协同，减少监管空白和多头监管，防止监管套利；通过落实《金融控股公司监督管理试行办法》等监管规制，防范大型科技公司过度加杠杆导致的风险外溢。在此基础上，从“大而不能倒”的后果性出发，着力加强两方面的监管： 一是从反垄断出发，防止BigTech利用数据垄断优势，妨碍市场公平竞争。要借助监管科技手段加强，协同市场监管部门，加强和改进对BigTech监管，对涉嫌垄断的BigTech实施反垄断规制。关键是要完善金融信息采集、披露等相关监管规制，制衡大型科技公司的平台权力，防止信息垄断。同时，尝试从体系上打破这种垄断。一方面，是通过完善规制，促进更充分的竞争，形成横向制衡；另一方面，就是推动大型平台适当拆分，但这一过程或许很漫长。 二是从对公众的危害性出发，加强对金融消费者的保护。一方面，要加强对数据的监管，强化对用户隐私的保护。要通过制定完善个人信息保护法，加快推进数据确权与保护，尽快明确各方数据权益，依法保护各交易主体利益。同时，还应借鉴国际上的做法，探索“数据可移植性”，通过法规形式赋予用户将他们的数据从一个平台带到另一个平台的权利。另一方面，要强化金融服务提供方的消费者适当性管理，防止过度营销、误导消费、诱导式营销以及暴力催讨行为。 毫无疑问，新型的“大而不能倒”从宏观上为金融发展新格局下的监管指出了未来的方向。各方对“大而不能倒”的内涵应有理性的认识。对于BigTech而言，切莫把“大而不能倒”视为政府的“加冕”，把幻象当真实，“持宠而娇”；需知，“大而不能倒”并非是一种“特权”，而是要面临更加审慎、更加严厉的监管。作为监管者，应该更清醒地认识到“大而不能倒”的市场危害性，要将监管关口前移，加强监管协同，以更严厉有效的监管防范“大而不能倒”的风险。
导言 近日，关于包商银行的处置细节曝光：2005年至2019年的15年间，“明天系”通过209家空壳公司套取的信贷资金1560亿元如今全部成了不良贷款。这次惨痛教训再次凸显了中小银行整顿内部治理的急迫性。但笔者认为，聚焦违规银行本身依旧低估了事件的恶劣影响。在错综复杂的金融网络中，一家银行的资产端危机可能会像滚雪球一样波及整个金融体系，造成系统性风险。 Gai， Haldane， and Kapadia（以下称GHK）巧妙地运用了节点、临界点、适应性系统等网络学术语，并通过基于对象的蒙特卡洛仿真建模，展示了一家银行的亏损如何通过网络实现升级、放大、并最终引起金融海啸。GHK证明了“大而不倒”论断的片面性，如果银行的体量小却处于网络的关键节点上，那么它依旧可以引起系统性崩塌，所以中小银行同样需要监管。 标题：Complexity， Concentration and Contagion 作者：Prasanna Gai， Andrew Haldane， Sujit Kapadia 期刊：Journal of Monetary Economics （2011） 本文作者：蒙格斯智库 谢东平博士 金融同业市场的复杂性和集中度 金融系统的复杂性和集中度可以从图1中看出。每个节点代表一家银行，银行之间通过同业拆借的形式相互关联，因此图中的每一条连接线都代表着两家银行之间存在着相互拆借的关系。一般来说，当一家银行的现金储备低于监管部门要求的最低储备金率的时候，它就会向有额外现金储备的同业银行进行借款，贷款利率被称为同业拆借利率，如美国的联邦基金利率、欧洲的LIBOR、中国的SHIBOR等。 同业拆借市场一直是交易活动频繁、流动性极强的资本市场，然而在2008的9月却突然冻结，银行之间因为信任危机不愿贷款，同时将到期的贷款终结，不再续借。金融同业市场的萎缩直接影响了银行向企业的贷款，一场金融危机演化为经济大衰退。 GHK在这篇文章中提出了一种可能性解释：资产价值下跌引起的金融机构在回购市场（repo market）的举债约束使得银行们由于对流动性的紧张纷纷从同业市场撤退，这种“理性”的防御策略却最终引起了“非理性”的系统性崩塌。并且在此过程中，金融网络结构起到了至关重要的作用，分布越集中（图1中的大号节点）、越复杂（网络链条越长），这种危害越大。 银行的资产负债表 表1: 银行资产负债表 GHK的分析是从一张有象征意义的银行资产负债表（表1）开始。资产端由固定资产、可作为抵押物的资产、逆回购资产、银行同业贷款（这种贷款一般是不需要抵押物的）、以及流动资产构成；负债端由存款、回购贷款、银行同业欠款、以及股东资本构成。 银行的流动性约束可表示为 。 这个不等式的大体含义是：当资产价值下跌时，按市值定价的就会下降，导致银行资产端的萎缩。同时，银行的回购贷款也会因为抵押物的贬值而相应减少。当流动性约束条件不满足时，银行就要开始采取防御性措施，从其他银行处收回同业贷款。被收回贷款的银行有可能也出现流动性短缺，因此也会向对应的同业取回贷款。流动性紧缩就像传染病一样蔓延到整个金融网络，直到以下两个条件有一个满足：（1）没有更多的银行因为流动性采取防御性措施；（2）所有的银行都撤回贷款，系统彻底崩塌，这也是08年金融危机的由来。 实验一：几何分布的网络vs.泊松分布的网络 GHK首先证明了网络的拓扑属性对于危机的传播和放大至关重要。他们比较了两种分布结构：（1）泊松分布，大体上每个节点同等重要，体现在每个银行的同业客户数目是差不多的；（2）几何分布，存在比重大的节点，这些银行的同业客户数量明显多于其他银行。 图2: 泊松分布 图3: 几何分布 从图2和图3的对比中，我们可以看出，当资产端的外部冲击是随机发生时（即冲击随机地发生在任意一家银行），几何网络比泊松网络更加有韧劲，因为几何分布的传播路径更短，受影响的范围更小。 但是如果冲击发生在网络最重要的节点上（即同业客户数目最多的银行）的时候，几何网络将变得极其脆弱，最重要的节点就如同震中一样，可以轻易地将波动传播到系统各个角落。因此，对于几何分布的网络，监管部门应该加强对“重要”银行的资本管理，这也是巴塞尔协议III中的重要内容。 实验二：经济周期引起的系统性风险 GHK还分析了经济周期各阶段可能存在的系统性风险。他们证明了在经济上升期，当资本市场享受着资产溢价的红利时，其实也是潜在风险最高的时候。这时如果一个不受控制的负面事件发生，比如大规模传染病或者地缘政治冲突等，引起资产跳水，那么金融体系将迅速崩塌。这就要求监管部门实行逆周期调控，这也是巴塞尔协议III中不同于前两个版本的重要部分（见图4）。 图4: 经济周期影响和逆周期调控 实验三：市场透明度的重要性 系统性崩塌的另一个重要原因是市场信息闭塞，投资者的“动物本性”趋于避险，因此引起回馈效应。如果监管者可以及时疏通市场淤积，稳定市场信心，那么大规模的坍塌可能避免。 在GHK的前几个实验中都假设了一旦银行出现流动性紧缺，它们就会回撤所有的同业贷款，无论现金短缺是多少，这就是信息不透明的一种体现。GHK展示了哪怕银行只回撤资金短缺量加上剩余贷款的一半作为缓冲，而不是全部贷款，那么系统性风险的概率和规模将大大降低（见图5）。 图5: 市场透明性的重要性 结语 GHK是一篇有划时代意义的重要学术论文，被收录在货币研究领域名气最大的JME期刊中。它的意义在于从一个全新的视角——网络理论——解释了金融系统性风险。它纠正了我们对于“大而不倒”的误解，实际上应该是“密而不倒”。当然，一般来说，同业机构数目多的银行也同时是体量最大的银行。 GHK还为后来巴塞尔协议框架的建立提供了坚实的理论基础和政策建议，我们的文章梳理只列举了GHK的其中一小部分实验结果。审慎宏观调控、重要银行的风险拨备、逆周期调节等等重要定义都可以从GHK的模型中反映出来。
登录
工商服务
危机公关
金融律师
app开发
财税服务
金融牌照
网站建设
知识产权
企业征信
审计评估