中国存款保险基金目标比率测算——基于经验算法视角

周镕基，姚 帅，吴思斌

(1.衡阳师范学院 经济与管理学院，湖南 衡阳 421002；2.德克萨斯大学大河谷分校 商学院，美国 德克萨斯州 78541)

一、问题的提出

存款保险是现代金融监管体制的重要风险处置工具，伴随着金融风险事件与银行业危机在全球范围内的频发，设计有效的存款保险架构越来越成为各主权监管国的广泛共识。国际存款保险协会的统计数据显示，截止2020年12月，全球正式以实体形式设计存款保险架构的国家或地区至少已经达到140个以上，事实证明，存款保险在全球样本中的系统重要性显著提升，并且逐渐成为设计政府金融安全网的核心支柱。

存款保险架构的有效运转离不开设立高效的存款保险基金。道德风险、逆向选择和代理问题是影响存款保险基金安全的三大因素，为有效缓解上述因素带来的负面影响，设定一个具有合理界值的目标比率非常重要。突破理论界值过高的目标比率会提高投保机构的保费负担，并且容易造成时间成本损耗与资金浪费等问题；而脱离理论界值过低的目标比率将会提高存款保险基金的赔付压力，低储备值若无法满足现实赔付需要则会危及金融系统稳定。

关于存款保险基金目标比率合理界定的意义，可以从理论和实践两个视角分别进行探讨。理论视角的意义主要体现在两个方面：第一，充分且理想可行的存款保险基金目标比率是确保存款保险制度能够顺利运行的必要条件，通过对目标比率范围的合理安排有利于织密政府金融安全网并筑牢本国金融安全防线；第二，通过目标制管理可以进一步实行趋向核心目标的动态识别策略，从而有利于提高存款保险基金框架的运营稳定性与公众信任度。实践视角的意义也主要体现在两个方面：第一，李克强总理在2022年的《政府工作报告》中明确指出，要“加强风险预警、防控机制和能力建设，发挥存款保险制度和行业保障基金的作用”。存款保险基金的目标比率设定直接关系到存款保险赔付能力与金融安全问题，设定符合中国国情的存款保险基金目标比率是实现金融隐患“精准拆弹”的关键环节，有利于确保牢牢守住不发生系统性金融风险的底线；第二，通过对存款类金融机构实行“生前遗嘱”的方式来设计存款保险基金目标比率的融资安排，可以使存款保险基金有充分的能力与资源对破产银行进行救助。综上所述，界定一个合适的存款保险基金目标比率无论是从理论视角还是实践视角都具有重要意义。

在全球样本的经验证据中，美国、加拿大等国均选择了符合自身国情规制的基金目标比率，并且在处置破产银行中取得较好成效，为各国存款保险的赔付实践提供了现实样本。而存款保险基金目标比率在中国样本的经验证据中效果也如此显著吗？答案或许并不足够理想，中国存款保险基金的设计构想自1993年首次提出以来，经过20多年的理论探讨，已于2015年正式成立由中国人民银行实质负责的存款保险基金管理公司，但由于设立时间较短和运营经验有限，因此在目标比率设定方面尚未形成合理共识。在上述立题背景下，基于实证工具测算存款保险基金的目标比率界值范围，从而为目标比率测度提供新的边际贡献显得更为重要。

本研究的结构安排如下：第一部分阐释本研究的立题背景；第二部分回顾存款保险实证领域现有文献并介绍本研究实现的边际贡献；第三部分对影响存款保险基金目标比率测算的关键问题进行控制与说明；第四部分依托于数学框架构建存款保险基金目标比率测算模型；第五部分基于测算模型并结合2010—2020年中国10家赔付样本银行的实证数据，进一步实现对存款保险基金目标比率范围的合理测度；第六部分总结全文并提出政策建议。

二、文献综述

梳理国内外存款保险领域的研究文献，发现相关实证研究主要围绕两条主线进行：第一条主线是基于存款保险制度风险效应因果关系的计量研究，主要探讨存款保险制度对银行危机的影响效应以及影响路径；第二条主线是基于存款保险定价的实证测算研究，主要解决基于微观视角的存款保险费率定价问题以及基于宏观视角的目标比率测度问题。

从第一条研究主线看，国内外相关研究成果已渐趋完善。Cull等(2005)[1]结合跨国面板数据证实了在监管环境约束下存款保险制度对金融稳定的影响路径。Demirgüc 等(2008)[2]和Anginer等(2014)[3]基于实证数据进一步探讨了存款保险制度对防范金融危机的影响效应，并提出存款保险在银行危机期间通过稳定效应渠道可以实现对个体风险与系统风险的控制，而在非银行危机期间将通过道德风险效应渠道达到抑制个体风险及系统风险控制的效果。在上述研究成果基础上，王道平(2016)[4]基于面板Logit模型对88个主权国1970—2012年的变量数据进行检验，实证利率市场化程度、存款保险与银行危机防范的影响机制，但是忽视了对异质性个体风险效应的研究。因此，郭晔等(2017)[5]基于DID倍差法并结合中美银行业的观测数据，进一步阐释了存款保险制度在异质性条件下对银行个体风险的影响机制。段军山等(2018)[6]同样基于DID方法将近似自然实验引入全球样本的存款保险经验证据中，进一步结合宏观多元样本检验了存款保险在有差异的制度环境下对银行风险承担的影响效应，从而为制度风险效应计量与存款保险政策评估贡献了新方法。Calomiris等(2019)[7]的研究成果也进一步证实了段军山等(2018)[6]的研究结论，其证明存款保险制度会通过市场约束放松渠道诱发银行风险偏好扩散，制度环境下的冒险动机将导致个体风险显著提升。由于上述研究仅关注了传统因果效应的计量测度，而忽视了产生因果效应的作用机制及影响程度，因此，项后军等(2020)[8]基于ACME中介分析模型视角，结合中国样本119家银行的统计数据，证实特许权价值是显性存款保险制度影响银行风险的重要因果中介传导机制，从因果中介分析视角拓展了新的存款保险研究思路。赵静等(2021)[9]基于上述成果，进一步从影子银行视角切入构建动态面板数据模型，并结合16家样本银行的数据实证检验存款保险、影子银行与系统风险的影响效应与作用途径，丰富了中国存款保险宏观审慎管理的研究。

从第二条研究主线看，国内学者已提出较多新颖的设计思路。魏志宏(2004)[10]基于预期损失定价模型对中国存款保险目标比率进行实证测度，为目标比率测算提供了开拓性思路。张金宝等(2007)[11]进一步结合经验算法设计思路实现对2002年中国存款保险基金目标比率界值的初步测算，为存款保险定价研究提供了新方法。基于上述研究成果，刘海龙等(2011)[12]借鉴期权理论构建了新的存款保险定价模型，从银行监管资本视角对费率值进行估算，并结合数值算例分析说明了模型变量对费率定价的影响。

除此之外，李敏波(2015)[13]基于期权理论中的模型架构(Ronn and Verma，1986)[14]，采用数值方法进一步测算了样本银行的存款保险基本费率，从而为中国推出差别费率政策提供了理论支持，但是在全球样本的经验证据中该测算模型的适用性仍有待商榷。Lee等(2015)[15]的研究成果也进一步证实采用欧式期权框架下的系统风险对存款保险费率进行定价是可行的，但基于有误模型的个体保费定价失败很可能会导致参与者的共同损失。因此，刘鸿伟(2017)[16]尝试对费率定价模型进行改进，将宏观审慎监管框架引入存款保险费率定价研究中，并通过模拟测算得到样本银行的费率结果。基于上述研究成果，明雷等(2019)[17]将监管宽容与监管惩罚引入到新的存款保险定价模型中，结合数学框架进一步解释了监管框架对存款保险定价的影响，并实证测度了中国存款保险费率的界值范围。

综上所述，现有研究较多集中于风险效应计量研究和费率定价研究，而较少涉及对存款保险基金目标比率的实证测度，仅有的目标比率测算文献也更多关注单一年份的测算结果，而对多元样本、多元年份的目标比率测度关注不足。鉴于此，本研究基于魏志宏(2004)[10]和张金宝等(2007)[11]的成果，进一步构建目标比率测算模型，并采用2010—2020年中国10家代表性样本银行的观测数据，实证测算中国存款保险基金的目标比率范围，从而为中国基金储备目标制提供理论支持。

与现有存款保险实证文献相比，本研究的边际贡献与创新主要有以下三点：

第一，将经验算法设计思路进一步引入目标比率测算过程中，依托于经典研究构建一个改进后的存款保险目标比率测算模型，并对部分传统测算公式进行创新性改良，基于新的回收标准与损失估计结果实证测算2010—2020年中国10家代表性银行的目标比率结果，进一步筛选中国存款保险基金目标比率的合理取值范围。

第二，改良传统目标比率测算文献中存在的设计缺陷，补充样本时间序列与样本银行范围，将单一年份样本拓展至变动现实样本，进而设置四组大型银行赔付样本与三组中型银行赔付样本，结合2010—2020年的观测值进行改良性测算，进一步观察中国存款保险基金目标比率的变动情况与分组差异，给出存款保险基金目标比率设置范围界值的判断标准。

第三，基于国际样本的良好制度经验，尝试阐述可能影响存款保险基金目标比率测算的关键问题，并对核心条件进行假设控制与说明，以期改进实际测算工作的逻辑框架与设计谬误，从而确保存款保险基金目标比率测算的逻辑可信，理论可行。

三、模型构建的影响因素及假设

在进行存款保险基金目标比率测算之前，需要对可能会影响目标比率测算结果的问题进行控制，并结合存在问题进一步将核心条件的假设约束进行说明，从而尽可能地减少随机干扰项对目标比率测算的影响。

(一)基金有限赔付能力问题

存款保险制度的良好做法要求一国存款保险基金应通过事前积累等方式储备足够的基金来源，并需要基于动态调节机制使储备水平与风险状况相匹配，确保存款保险机制的偿还能力非常重要。如果缺乏足够的偿还能力，则需要财政等部门的援助，但是依靠事后支援这种方式将会产生极大的安全隐患，并且与加西亚(2003)[18]所提出的存款保险制度的良好做法相悖。因此，本研究认为界定存款保险基金的赔付能力是进行测算的理论前提，存款保险基金不是无限储备的赔付“付款箱”，而应当是一个能够满足特定赔付标准的有限储备机构。在基于本国样本的极端压力测试与风险损失估计约束下，该赔付标准能够满足绝大多数非系统性金融危机的赔付需求冲击，除非本国市场出现系统性金融风暴，否则存款保险基金无需外部机构的资本援助。有限赔付能力假设使得存款保险的保额设计、承保范围、参保资质等内容都得到一定规制，能够在一定程度上避免基金管理机构的“好大喜功”和投保机构的“冒高动机”，从而进一步缓解道德风险问题。

(二)目标比率测算方法问题

关于存款保险基金目标比率的测算方法，主流观点主要有数量分析、分组设计和经验设计三种。第一种方法是数量分析测算法，可以追溯到Oliver的研究成果，该研究将商业银行存款偿还问题看作是信用问题，因此基金承担的风险即为一个信用风险组合，数量分析方法的主要求解思路为在综合考量损失分布与违约相关度的前提下，基于Monte Carlo模拟分析技术，对满足赔付需求的基金规模进行测算，从而实现在一定概率水平上的目标比率量化测度。虽然数量分析方法测算的精确度及适用度较高，但是由于历史信用数据较难获取，并且相关实证研究较少，因此在中国样本的经验证据中并不常见。第二种方法是Garcia(1999)[19]提出的分组设计法，其基本思路是依据投保机构的风险水平将样本分为若干类别组进行区别测算，之后将分组测算的目标比率理论值进行加权平均求和，从而实现对存款保险基金目标比率的模糊测算，但是该方法同样存在一定缺陷。一方面，分组设计求解的测算精确度较低，缺乏赔付标准导致无法准确定位界值范围；另一方面，投保机构划分基准风险水平的衡量过程存在一定的主观模糊因素，较难应用于多元维度特征的样本组。第三种方法是加西亚(2003)[18]和张金宝等(2007)[11]提出的经验设计法，该方法为解决测算方法问题提供了新视角，该方法的赔付标准结合国际存款保险管理机构的通常良好做法，进一步构建三组不同类型银行的赔付标准，该方法即使是在设立时间较晚且储备目标不清晰的新兴经济体也具有一定适用性。因此，本研究在测算模型中使用经验设计方法作为核心算法，假设存款保险基金的储备值在风险冲击样本可控前提下，只要满足特定赔付标准即可在一定范围内实现赔付安全，基于经验算法的样本赔付银行目标比率测算结果即为存款保险基金的目标比率。

(三)测算基数问题

测算基数是影响存款保险基金目标比率测算的关键因素之一，也是目标比率测算公式的分母。从国内外存款保险管理机构的经验证据看，目标比率测算可选择的分母通常为被保险存款或受保存款。被保险存款来源于存款保险基金承保的全部目标存款，理论上该值高于受保存款，并且具有较高的认可度，大多数设置目标比率作为判断指标的投保辖区均选择此口径进行测算。而受保存款来源于限额承保制度下存款保险基金承保的在限额之下的目标存款，该赔付限额的起点通常在人均GDP的1-2倍范围内，只有较少一部分投保辖区会选择受保存款口径进行测算。同时，被保险存款与受保存款在中国存款保险实践中存在着明显差距。根据中国人民银行发布的《中国金融稳定报告(2021)》，截止2020年末，全国所有投保的存款类金融机构归集的被保险存款合计为190.3万亿元，而受保存款仅为80.3万亿元，两者之间存在110万亿元的计算差额。为确保测算逻辑的合理性和测算结果的可行性，本研究遵循国际主流存款保险测算原则，选择被保险存款作为目标比率的测算基数。

(四)基金运作方式问题

加西亚(2003)[18]总结的良好制度做法要求对存款保险基金运作方式进行重点关注。梳理清晰基金运作方式也是目标比率可测的逻辑前提，包括存款保险机构的授权问题、融资安排以及参保规制。首先，要解决好授权问题。事先要明确选择的是公营还是私营的所有权模式，私营存款保险管理机构在职权范围、信誉支持等方面存在明显缺陷，但是可以实现保险资金的自给自足并维持低水平保费；而公营存款保险管理机构即为政府管理的所有权模式，拥有强大的信用背书但容易产生道德风险问题。受限于中国金融系统的特殊性，本研究认为选择由政府机构主管的公营模式较为合理。其次，要处理好存款保险基金的融资安排问题。预先征收保费与事后分摊费用在理论上都是可行的，但实际上绝大多数存款保险实施国都选择了前者，通过事前征收保费来实现储备基金制，只有发生系统性金融危机时才会考虑事后费用分摊等综合措施。最后，要解决好参保规则问题。全员存款类金融机构强制性参保是国际公认的良好做法，而自愿性参保方法则是与良好做法相悖的思路。成员资格的强制性是缓解逆向选择问题的关键，如果不实行全员强制参保，那么高风险投保机构为了获取信用背书将有更高动机积极参保，而高价值投保机构却不愿意分摊共享保险，这将会进一步使存款保险制度恶化。

四、测算模型

基于经验算法的设计思路，在现有研究基础上进行改良，尝试构建一个符合实际情况的存款保险基金目标比率测算模型，并结合样本数据进行实证检验，在推导目标比率测算公式之前，需要定义核心变量的应用背景。

假设在一个有限赔付样本的主权监管国C中，存款类金融机构N均需无条件强制性参与投保，并且不存在任何未参保的风险外溢机构。对于测算元年T的存款保险目标机构，其负债结构中以吸收存款为主，并且全部负债理论上均具有相同的优先权，即可以忽视优先级债券和股债差异的测算干扰(张金宝等，2007)[11]。对于测算元年T的测算目标，相同赔付优先级使存款损失率的测算估计更加可行，单位存款损失率即为1减去单位存款回收率，数学公式表述为：

Lgd=1-DRR

(1)

(2)

(3)

(4)

(5)

进一步测算T元年的存款保险基金目标比率。基于第三部分的问题假设，结合第N家存款类金融机构T年的经验算法赔付样本，可设置存款保险基金目标比率的测算公式为：

(6)

由此可推导出：

(7)

(8)

式(8)代表以经验算法为测算基准的N家存款类金融机构样本组简化后的目标比率测算公式，δ代表N银行被保险存款总额与全市场被保险存款总额的比值，该比值与单位存款损失率相乘得到的测度值即为目标存款类金融机构N在T年的赔付需求比率，也即基于经验算法的存款保险基金目标比率测算结果。

五、实证测算

(一)测算标准

进行实证测算之前需要明确测算工作的相关标准，这是确保测算模型可实现的基本前提，主要包括赔付标准与损失标准两个方面。(1)赔付标准的衡量问题。加西亚(2003)[18]曾提出特定监管体应当设置一个能够满足赔付需求的目标比率，该目标比率应确保足够的基金储备，使存款保险基金至少满足一家大型银行或两家中型银行的赔付。张金宝等(2007)[11]也曾基于该组赔付标准进行基金规模测算，并初步定位了经验算法目标比率的界值，但由于测算元年的限制，此界值主要是基于2002年的统计样本测算的结果，而未推广应用于时变序列的目标比率测度。因此，本研究在上述研究成果的基础上，进一步拓展样本数据及统计年份进行改良测算，尝试在国际通行赔付标准的基础上实现对中国存款保险基金目标比率理论界值的合理测度。(2)损失标准的衡量问题。存款保险保障的是存款类金融机构的标准存款，但存款并不是引发风险的核心原因，期限错配、资产损失与回收阻碍才是导致存款类金融机构破产的直接原因，这也就意味着，如何对参保机构进行损失与回收估计，是进一步推导测算的基础问题。张金宝等(2007)[11]的研究成果为解决样本银行的损失估计与回收预测问题提供了新视角，其通过存款损失率与不良资产回收率的标准公式实现了对样本银行整体回收率的匡算，即式(3)所述的测算思路。

但是由于不良资产回收率的统计数据较难获取，并且无法形成可用的面板数据，因此，为进一步实现对交易对手方破产损失的预测，借鉴范小云等(2021)[20]基于风险传染模型与历史研究的估计结果，认为样本银行的回收率标准应接近于行业一般估计值0.56～0.57。为了使测算结果更趋于稳健合理，参考经典研究的测算数据，进一步将所采用的代表性真实回收率估计值设定为0.6，该基准符合Bardoscia等(2019)[21]的研究结论。

(二)样本筛选

基于上述存款保险赔付标准与回收估计结果，筛选合适的样本银行进行实证测算。为了使样本银行的属性更容易界定，需要设置划分存款保险参保银行类别的核心标准，结合2021年中国银行业协会公布的商业银行业百强榜单，以资产规模为界限进行区分。资产规模大于20万亿元的银行即为大型商业银行，资产规模小于15万亿元但大于5万亿元的银行即为中型商业银行，受行业集中度的约束，中国代表性中型银行的资产规模主要集中在10万亿元附近。

进一步筛选可测算的样本银行。(1)基于第一个赔付标准，大型银行样本组选择中国四大国有商业银行作为测算样本，设置工商银行为大型银行赔付样本1、建设银行为大型银行赔付样本2、农业银行为大型银行赔付样本3、中国银行为大型银行赔付样本4。上述大型银行样本组即为中国系统性重要银行的总体代表，较为全面地涵盖了可能会对金融稳定产生极大干扰的代表性权重银行。(2)基于第二个赔付标准，综合考量行业代表性及数据可得性，选择交通银行和民生银行为中型银行赔付样本组1、招商银行和中信银行为中型银行赔付样本组2、浦发银行和兴业银行为中型银行赔付样本组3。所筛选的中型银行样本约占中国全部符合标准类别银行的75%，赔付样本组具备广泛性和代表性。

(三)数据来源

表1 2010—2020年大型样本银行核心变量表

表2 2010—2020年中型样本银行核心变量表

样本银行被保险存款总额如表3所示。

表3 2010—2020年样本银行被保险存款总额表 单位：亿元

张金宝等(2007)[11]的设计思路也证实了相关差异性对存款保险目标比率测算精度的影响较为有限，因此，在数据统计环节忽视争议性指标对测算的可能干扰具有一定合理性和可行性。此外，本研究所使用的全市场被保险存款总额数据来源于中国人民银行统计调查司2010—2020年存款类金融机构人民币信贷收支表，涵盖定期和活期储蓄存款、非金融企业存款、机关团体存款等，同时排除了境外存款、流通中货币等项目，忽略了财政性存款和同业金融机构存款的干扰，最终选择的测算时点以2010—2020年特定指标的期末余额为基准。

(四)测算结果

基于样本赔付银行的目标比率测算模型，得到2010—2020年样本银行目标比率测算结果，如表4所示。结果表明，经验算法中不同量级赔付样本的目标比率测算结果存在较为明显的差异，需要结合实际情况作进一步取舍。基于大型银行赔付样本的目标比率测算结果可以发现，2010—2020年，工商银行的目标比率测算结果远高于其他样本银行，并且集中于4%～6%范围内，建设银行、农业银行的目标比率测算结果处于中等水平，并且集中于3%～5%范围内，而中国银行的目标比率测算结果在大型银行赔付样本中最低，并且集中于2.5%～4%范围内，此现象与中国银行业市场结构的特征高度一致。

表4 2010—2020年样本银行目标比率测算结果

同时研究还发现，2010—2020年大型银行赔付样本的目标比率测算结果总体上保持稳定下降的趋势，2010年的测算结果与2020年的测算结果存在明显差距，但是这种差距在中型银行的赔付样本中并不明显。拓展至基于中型银行赔付样本的测算结果，交通银行的目标比率测算结果总体上高于其他中型银行，并且目标比率集中于1%以上，招商银行、浦发银行、中信银行、民生银行和兴业银行赔付样本的目标比率测算结果集中于0.5%～1%范围内，结合大型银行赔付样本进行综合分析，发现四大国有银行的目标比率测度值明显高于中型银行的目标比率测度值，该结果与张金宝等(2007)[11]的测算结果一致。

进一步结合存款保险赔付标准，基于测算模型计算得到较为精确的存款保险基金目标比率测算范围以及均值，最终结果如表5所示。表5中，四个大型银行赔付样本组的目标比率范围集中于以(2.723%，5.601%)为界值的四个区间，并且该标准的目标比率均值集中于(3.212%，4.619%)范围内；三个中型银行赔付样本组的目标比率范围集中于以(1.226%，2.240%)为界值的三个区间，并且该标准的目标比率均值集中于(1.433%，1.946%)范围内。

表5 测算模型目标比率范围及均值结果

六、结论及启示

本研究在控制影响测算问题的基础上，将经验算法与损失估计引入存款保险基金目标比率测算模型中，并基于2010—2020年中国10家样本赔付银行的观测数据进行实证测算，最终实现对中国存款保险基金目标比率理论界值的合理测度。

与已有目标比率测算研究不同，本研究在准备部分分析了影响存款保险基金目标比率测算的关键问题，分别探讨了赔付能力、测算方法、测算基数和运作方式，并提出涉及关键问题的核心假设。然后进一步结合数学测算公式阐释目标比率测算模型的核心思路，并引入经验设计中的赔付标准与回收标准，对存款保险基金目标比率进行实证测算，进而得到四组大型赔付样本和三组中型赔付样本的目标比率范围及均值。

测算结果表明，中国存款保险基金基于大型赔付标准与中型赔付标准的目标比率范围存在明显差距，大型赔付标准的目标比率测算结果集中于(4.057%,5.601%)、(3.266%，4.529%)、(3.377%，4.538%)、(2.723%，3.912%)四个范围区间，而中型赔付标准的目标比率测算结果集中于(1.677%，2.240%)、(1.592%，1.950%)、(1.226%，1.620%)三个范围区间。总体上大型银行的目标比率测度值显著高于中型银行的测度值。

上述结论与张金宝等(2007)[11]的研究一致，引发此现象的原因主要有两个方面：一方面，大型银行的系统性、干扰性特征使其对存款保险基金的储备值产生了更高的赔付需求，在固定赔付标准约束下导致更高的存款保险基金目标比率。另一方面，中国银行业结构集中度特征也会对其产生一定影响。王晓博等(2019)[22]基于GFDD数据中银行集中度的测算指标，统计得出中国银行业集中度CONCTR总体均值为59.803，该指标代表前三家银行占全市场资产的比值。虽然中国银行业集中度近年已有所下降，但是在现实样本中国有大型商业银行依然具有“大而不能倒”的典型特征(尹雷等，2021)[23]，这也是导致第一个赔付标准偏高的重要原因。

进一步界定存款保险基金可选择的目标比率理想值，发现大型银行赔付标准的目标比率测算结果存在赔付高估问题，并且与目前国际主流成熟投保辖区的目标比率设定值存在一定偏误。有鉴于此，需要进一步结合中国的实际对目标比率范围进行取舍，虽然大型银行的赔付标准与中型银行的赔付标准均具有广泛适用性，但正如加西亚(2003)[18]的观点所述，大型银行的赔付标准是保守估计的理想标准，权重银行的“大而不能倒”使其只存在理论上赔付的可能。

参考美国(2%)、加拿大(1%)、波兰(2.6%)、中国台北(2%)以及菲律宾(5%)等样本国家或地区目标比率设定值的经验证据，将基于大型银行赔付标准的测度范围约束在1%～5%之间，并排除经验证据范围内高于理论界值的目标比率范围(样本1)。基于上述测算范围，取各赔付样本组的目标比率均值进行数值分析，可以发现：中国存款保险基金目标比率设置的均值范围应在(1.433%，3.815%)之间，其中，(1.433%，1.946%)的目标比率均值接近于绝大多数发达国家的存款保险基金目标比率标准，在保守估计偏好中具有优先性，且该标准符合目前中国内地目标比率测算的基本思路，既可以维持非危机时期的金融稳定，又不会造成高额保费负担(张金宝等，2007)[11]，因此可以作为理想的目标比率设定范围。而在银行危机概率显著提升时期，可以考虑暂时将目标比率的设定值提高至3.815%的标准，通过过渡期安排确保赔付安全与金融稳定。

上述存款保险基金目标比率范围的测算结果主要聚焦于“大数法则”下非系统性银行危机时期与一般风险冲击压力下的模拟测算结果，而在极端风险冲击下的系统性银行危机期间，还需要进一步考虑目标比率的动态调整问题。本研究所测算的赔付结果已经是非银行危机期间与银行危机概率显著提升时期较为谨慎的估计值，而在极端风险冲击下的系统性银行危机时期，存款保险基金目标比率设置所需要考虑的因素将更加复杂。一方面，在国际存款保险救助实践经验中，系统性银行危机期间的极端风险冲击一定程度上将促使存款保险基金的处置框架独木难支(加西亚，2003)[18]。极端赔付冲击与连锁传染效应将导致存款保险基金很难通过累积储备对多家大型破产银行进行直接援助，此时需要中央银行或货币当局发挥“最后贷款人”职能进行协调救助，而无法单纯依赖于存款保险基金储备规模与目标比率上限阈值的提高。另一方面，鉴于极端风险冲击与系统性银行危机事件在中国样本中经验证据的局限，可作为本研究进一步的理论探讨方向和研究展望。

本文的研究结论为中国存款保险基金目标比率测算提供了新视角，并为一般风险冲击下存款保险基金目标比率的设定范围提供了实证参考，但是要真正实现存款保险基金目标比率在系统性银行危机期间的精确测度，还需要进一步基于经验算法改良适合中国国情的赔付标准与回收标准，并调整适合赔付样本的损失估计方法。同时，分组设计与数量分析方法也是实现进一步研究的理想途径，但受限于数据可得性与统计局限性，目前学术界未能实现更为理想的实验结果，仍存在一定的研究局限与改良空间。

基于上述研究结论，得到如下政策启示：

首先，建立基金储备目标制非常重要，设置目标比率是国际上广泛认可的存款保险制度的良好做法，中国应尽早实施趋向核心目标的动态储备策略，从而确保一定标准下的基金充足与赔付安全。

其次，应基于制定的目标比率征收差异化保费，因此，有必要引入以动态风险为基准的差异化保险费率，保费评估过程要充分考虑投保机构的风险等级与损失概率。

最后，要加强对投保机构的经营风险监测，尽快建立包括信用数据、回收数据和风险数据的综合数据库，从而为模拟测算方法的推行提供实施路径。