存款保险基金救助、银行破产与赔付安全

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.澳门科技大学 商学院,澳门 999078;3.德克萨斯大学大河谷分校 商学院,美国 德克萨斯 78541)

一、引言

全球金融稳定是一种无法回避的公共产品,银行破产的负外部性外溢会影响金融稳定,而存款保险制度(DIS)能够有效缓解银行破产带来的风险。作为DIS支柱的存款保险基金(DIF),其赔付储备设计是建立有效DIS的核心环节,只有确保足够的资金来源并赢得公众信任之后,存款保险制度才能成功,但是如果DIF不足、救助能力匮乏或者对财政支出产生依赖,那么都将成为与DIS良好运行相悖的做法。

美国联邦存款保险公司(FDIC)的统计数据显示:在DIF储备持续趋向赤字的时期,往往伴随着经济衰退或金融危机。虽然现有研究仍未证实二者是否具有统计上显著的因果关系,但是参考国际货币基金组织不定期刊物的调查资料,有足够的理由认为DIF赤字至少是“系统性不稳定”现象出现的警示信号,如果处置不当将进一步诱发“金融困境”。因此,积累足够充裕的救助储备对于建立有效的DIS至关重要。

但是DIF的积累真的越多越好吗?答案或许是否定的。在“付款箱”基础模式约束下,任何储备水平在应对系统性银行危机中都有耗尽的可能,与此同时,一旦系统性金融危机加剧,有限赔付的存款保险制度既无法保护大额支付系统,也无法阻止优质资产外逃或银行系统崩溃(加西亚,2003)[1]。因此,设计有效DIF的目的是为安全、稳健的金融体制提供一个必要补充,而很多西方国家常常对DIF抱有不切实际的期望,试图通过高标准的储备积累消除各种存款的挤兑,但全球银行业危机证据已多次证明,这并不是DIF的可行目标。

综上所述,保费和救助储备的标准如何界定是一国DIS有待解决的具体问题,一国应当设定一个在本国国情约束下适度的DIF储备水平,并及时对其救助能力进行检验,从而使DIF可信赖并且可经营。而设定这个适度储备水平要综合考虑银行业状况、赔付潜在需求的规模和时间、必要时的借款能力等。虽然赔付存款只有在银行进入实质处置阶段才会发生,但是作为DIF最基础的功能之一,DIF的救助能力充裕可以为赔付存款提供一种信誉担保。通过充分的赔付存款保证可以有效避免小额存款人以自我判断驱动的银行挤兑,并为其他综合措施和处置手段提供足够的担保,从而保障存款安全与银行稳定。

中国DIS的设计构想自1993年首次提出以来,经过监管部门20多年的实践摸索,于2015年正式转向显性DIS,关于DIF的设计思路仍未形成共识,目前仍处于传统“付款箱”模式与“风险最小化”模式的中间地带。虽然具备一定意义上的风险处置功能,例如通过信用担保、收购承接、过桥银行等手段处置风险,但是由于设立时间较短并且运营经验不足,因此距离真正的“成本最小化”模式还有一定差距。

在上述DIS转型的关键背景下,中国已通过设立存款保险基金管理公司积累了一定的储备规模,并成功地在非赤字状态下应对了正常时期的银行破产事件。从绝对储备规模看,也许中国的DIF较美国的DIF按汇率平价计算的规模差距较大,2021年美国DIF的余额为1231亿美元,而同期中国DIF的余额仅为960亿元人民币,但绝对规模并不是衡量基金赔付安全的可行判断标准。西方模式不是世界通用模式,不能以追求绝对规模的“资金竞赛”来设计DIF,充分考虑分析框架与适用国情的客观差异才是长久之计。

有鉴于此,本研究尝试改善已有文献对DIF宏观救助能力关注不足问题。在经典研究基础上,进一步改良赔付标准对中国DIF自设立以来的救助能力充裕性与赔付安全性的测算,并充分考虑样本银行的个体风险差异与经营状况;模拟观察中国的DIF救助储备是否合理、赔付安全是否存在明显的标准差异,以期为中国DIF的理想储备设计提供实证支持。

二、文献综述

(一)DIS与银行破产风险的相关研究

DIS能否有效抑制银行破产风险是一个具有争议的话题,支持者认为DIS的引入是抑制银行个体风险的有效手段(Diamond and Dybvig,1983;Gropp and Vesala,2004;Chernykh and Cole,2011;赵胜民和陈蒨,2019)[2～5]。当银行出现破产危机时,显性DIS的引入可以在一定程度上增强公众的信任度并减少市场挤兑冲击的可能(韩喜昆等,2021)[6]。而反对者则认为由于道德风险、逆向选择问题的存在,DIS的引入会激发银行过度冒险,使个体风险承担转移到全社会共同承担(Demirgüç-Kunt and Huizinga,2004; Soledad et al.,2001;郭晔和赵静,2017)[7～9]。

虽然DIS的引入可能存在一定程度的副作用,但这种副作用也并非不可避免。通过合理的制度设计、激励相容的市场约束、健全的财务法规等途径,能够缓解副作用所带来的不利影响。特别是在信息披露充分的市场中,显性DIS的引入将会进一步缓解道德风险与系统风险(朱波等,2016)[10]。在金融稳定效应的作用下,显性DIS将在救助濒临破产银行过程中产生正外溢效应,使个体银行破产风险得到抑制,从而避免个体风险向系统性风险蔓延(纪洋等,2018)[11]。

(二)DIF赔付定价与测度的相关研究

DIF赔付定价与测度的研究主要分为两种思路:第一种思路是基于期权理论的存款保险定价法。自Merton(1977)[12]首次将布莱克-舒尔斯(B-S)期权定价模型引入存款保险研究以来,国内外众多学者尝试进一步改良拓展模型的技术与应用(Marcus and Shaked,1984;Ronn and Verma,1986;赖叔懿等,2008;刘海龙,2011;明雷等,2019)[13～17],相关研究成果已较为丰富。第二种思路是基于预期损失理论的存款保险定价法,国内目前关于这种思路的研究相对较少,最早可以追溯到魏志宏(2004)[18]关于DIF宏观赔付定价问题的研究。其首次依托于预期损失定价法设计了定价体系,并将其应用于中国样本赔付模拟的具体算例,提出了一个较为合理的赔付储备价格,基本实现了赔付安全与风险水平的匹配。

为进一步测定DIF赔付储备的理想水平,张金宝等(2007)[19]基于经验算法对中国DIF的理想赔付储备进行了初步测算,证实了一种能够满足救助标准与安全赔付的目标水平。在此基础上,魏修建等(2014)[20]将BP神经网络与D-S证据理论引入预期损失定价模型中,模拟观察了DIF目标承保样本的违约损失率与赔付可能,确定了不同等级DIF赔付价格收取的合理区间。刘鸿伟(2017)[21]进一步改进赔付定价模型的设计思路,将宏观审慎监管框架引入赔付定价模型进行实际测算,实现了“自上而下”赔付定价机制的顶层设计,并指出了设定DIF目标赔付储备与筹集时间的重要性。

(三)DIF救助与个体银行处置相关研究

银行结构与类别是影响DIF救助效果的重要因素,个体银行之间存在的异质性问题会干扰实施渠道的稳定性,不同类别银行受DIF影响的效果也存在明显差异。对于国有权重银行与一般银行,DIF救助与处置的难度完全不同,国有权重银行在一定条件下受制度的影响会相对有限。因此,在存款保险设计中要更多地关注一般救助与个体银行,并建立有效的个体银行处置程序与退出机制(杨谊,2005)[22]。特别是在大型银行与中小银行非公平竞争环境下,设置及早救助与强力干预的处置方式显得尤为重要。有鉴于此,有学者建议应当重视问题银行救助机制与个体银行处置渠道建设,同时也要考虑DIF参与银行救助的实施效果以及个体银行处置的可行方案(陈翊高,2020;何平和柯文轩,2022)[23～24]。

(四)简要评述与边际贡献

综上所述,已有相关实证文献主要集中于风险效应及传导机制的计量检验与期权模型定价,对于预期损失视角下的DIF赔付问题仍然存在拓展空间,仅有的预期损失定价研究也偏向于模拟测度理想储备水平与赔付目标,而较少涉及宏观视角的DIF与微观视角个体银行的综合赔付定价及检验。有待完善的内容主要表现在两个方面:一方面,可能忽视了对中国DIF总体救助能力的测算问题,并且对中国DIF参与破产银行救助的影响及赔付干扰问题关注不足。另一方面,未将DIF理想赔付边界与现实赔付能力进行融合分析,理想目标与现实目标存在明显差距,缺少针对特定国情下DIF现实赔付能力的定量研究。

有鉴于此,本研究可能的边际贡献主要可以分为三点进行讨论:首先,对中国DIF自设立以来的总体救助能力进行实证测算,并结合多元赔付标准与多样本银行观测数据构建新的DIF救助能力测算模型。将理想损失边界与现实赔付能力进行有机融合,从而模拟观察2015—2020年中国DIF在不同破产赔付标准下的救助能力充裕性与赔付安全性,以期实现预期损失定价法在DIF赔付研究中的新拓展与新应用。其次,改良传统赔付标准中的设计缺陷与逻辑谬误,结合中国国情将大型银行赔付标准进行改良,设计一组改进后的理论视角经验标准。同时,参考包商银行的破产救助经验,将实践视角引入新增同类赔付标准,并分别模拟现行DIF在面临同量级规模与同风险隐患银行破产时的救助能力与赔付安全性,从而使模拟的赔付标准更加贴近中国现实情况并且测算结果更具说服力。最后,在引入样本银行的经营指标和风险指标基础上,进一步改进预期损失模拟的传统算法,并结合权威文献的损失回收计算标准,在DIF救助能力测算模型设计中引入3种异质检验方法,对测算结果进行稳健性检验。重点观察赔付结果在多元标准与拓展样本中是否存在非一致结果,以期实现DIF总体救助能力测算工作的逻辑可行、结果可信。

三、理论分析与研究假设

显性DIF的赔付定价机制设计需要满足有限赔付阈值与救助能力约束,确保维持在某一合理水平上的储备目标非常重要,如果设定的储备值低于模拟赔付边界,将难以巩固银行安全并可能导致DIS失效。为了更好地确定DIF储备水平,加西亚(2003)[1]结合国际存款保险辖区的成熟经验,提出了基于经验算法理论的3种赔付标准,并将其作为一国DIF储备水平可参考的检验标准。该方法开创性的经验贡献使其在存款保险赔付定价与检验中获得充分认可,有学者也将其引入中国DIS问题的研究中。

中国在2015年《存款保险条例》推出之前一直实行的是隐性存款担保,2015年之后才正式实现向显性DIS的转变,但是由于设立时间较短并且储备目标未明确,导致累积储备处于“动态非均衡”的未知状态,因此关于定价问题仍有较大的探讨空间(张金宝等,2007;刘海龙和杨继光,2011)[19][16]。而作为DIF参与破产银行救助的核心机制之一,合理且充裕的救助能力一直是DIF研究中的焦点问题。虽然也有学者尝试测算目标救助水平,但并未解决基于中国样本的DIF救助安全测度问题。有鉴于此,提出问题1:中国DIF的救助能力在理论视角的经验标准中是否充裕且能否满足安全赔付要求?

进一步分析此问题的两种可能影响结果:一是中国DIF的救助能力在经验标准中总体充裕,模拟损失边界并未超过目标储备水平,能够满足安全赔付要求;二是中国DIF在经验标准中的模拟损失边界明显高于目标储备水平,导致救助能力非充裕且无法满足安全赔付要求。

虽然在理论上无法先验得知最终结果,但参考中国样本的经验证据:一方面,DIF的储备总体上保持稳定增长,参保机构质量和数量均有一定保障,并不存在极端的个体银行风险。另一方面,在防范系统性金融风险的强监管格局下,宏观金融稳定效应仍发挥主导作用(姚帅和周镕基,2022)[25]。在上述两方面因素叠加下,本研究预测中国DIF救助储备设计总体上能够满足一定的安全救助标准。张金宝等(2007)[19]的研究一定程度上也证实了此观点,其通过对DIF储备目标的初步测算,提供了一组商业银行所能承受的保险救助水平。

虽然经验标准是赔付能力测度和赔付安全检验的有效途径,但其也存在不可避免的设计缺陷,赔付高估、异质现象与权衡问题使经验标准可能并不适用于新兴市场国家。因此有学者提出良好的赔付储备设计应经过多维度标准的检验,并重视国情之间的客观差异,而基于历史赔付经验的实践视角,同类赔付标准或许可以为解决此问题提供新思路。

在近似互替假设的约束下(Arrow and Hurwicz,1959;姚帅和周镕基,2022)[26～27],同类样本银行与赔付标准之间不应该存在明显的测算差异,否则将很难确保结果的充分可靠。因此,结合中国银行业特定国情下的样本经验,在问题1的基础上引入同类赔付标准进行替换模拟,进一步讨论问题2:中国DIF的救助能力在实践视角的同类标准中是否充裕且能否满足安全赔付要求?

问题1与问题2属于不同视角下的同类问题,均有两种类似的可能结果,因此问题2的假设预测可以参考问题1的预测思路。综合以上分析,提出预测性假设H1和假设H2,并在后文对其进行验证。

H1:中国存款保险基金的救助能力在理论视角的经验标准中足够充裕且能够满足安全赔付要求。

H2:中国存款保险基金的救助能力在实践视角的同类标准中足够充裕且能够满足安全赔付要求。

综合上述分析,宏观视域下存款保险基金的总体赔付能力与安全状态的测算研究是一项重要的工作,但也需要注意到:微观视域下个体银行的破产也会对存款保险基金的稳健状态与赔付安全造成一定影响,即使排除具有“系统性干扰”特征的银行,也会由于“联级故障”和“涌现效应”等原因对银行系统稳定产生冲击(范小云等,2021)[28]。为了进一步检验基金赔付安全的稳健性,选择合适的破产银行的历史数据进行观察很有必要。

存款保险基金对破产银行的救助是否会构成对基金赔付安全的严重威胁是一个具有争议的问题,虽然处于正常范围内的赔付干扰无法避免,这可能是由于破产兜底保障对存款保险基金的赔付需求导致基金储备水平下降,从而会对存款保险基金的总体救助能力产生客观上的影响(姚帅和周镕基,2022)[25],但是这种影响是否会构成对基金储备充裕性与赔付安全性的严重威胁与极大干扰仍然是一个有待考证的问题,即是否会影响到存款保险基金的运营安全。检验这个问题事先需要搜集合适的破产银行样本。由于中国存款保险制度起步较晚,导致银行业结构与存款保险制度风险呈现高关联特征,虽然部分“问题银行”的声誉关联风险涌现,但是真正进入技术性破产的银行“寥寥无几”(尹雷等,2021)[29]。目前,在中国银行业发展的经验证据中,仅有包商银行正式进入存款保险的处置流程。包商银行于2019年正式进入破产程序,其也是中华人民共和国成立以来由于“无法生存触发事件”而导致破产的第一家投保银行,更是存款保险基金设立以来参与救助的第一家中型商业银行,因此,选择包商银行作为存款保险基金赔付稳健性检验的破产银行样本是合适的。综合上述解释,提出问题3:中国存款保险基金对包商银行的救助担保是否构成对自身储备充裕性与赔付安全性的严重威胁与极大干扰?

进一步分析问题3可能出现的预期结果:第一种是肯定的答案。郭晔和赵静(2017)[9]等认为,在存款保险制度起步较晚的新兴市场国家,高风险银行的个体破产风险将产生高额的救助成本并使其“元气大伤”,从而构成对赔付安全的严重威胁。第二种是否定的答案。苏洁澈(2023)[30]等认为,良好的银行风险处置程序能够有效缓解救助成本高企问题,通过权力配置与制度建构能够实现赔付中的利益平衡,救助行为难以构成对赔付安全的严重威胁。上述两种观点均具有理论上的解释力与合理性,但需要结合中国银行系统的实际情况选择最合适的假设。从包商银行的案例处置视角出发,作为银行监管转型与DIS改革双重背景下的经典救助案例,2019—2020年存款保险基金对包商银行的救助既未产生连锁挤兑效应,也未向中国人民银行请求赔付资金支持,更未明显地影响存款保险基金的稳健运营,公众信任与制度基石也未受到明显冲击,中国人民银行2019—2020年公布的《中国金融稳定报告》也证实了上述观点。综合上述分析中的现象解释,进一步预测并提出研究假设H3。

H3:中国存款保险基金对包商银行的救助担保未构成对自身储备充裕性与赔付安全性的严重威胁且干扰程度有限。

四、模型设计

(一)标准界定

为了进一步检验本研究提出的3个假设,参考诺贝尔经济学奖得主Milgrom(2020)[31]改良后的维克里拍卖模型,尝试构建一个经济学实证模型——DIF救助能力测算模型,以期实现对DIF总体救助能力与赔付安全状态的测算。维克里拍卖模型是支付测度与资源配置领域的经典“直言机制”,其通过抽象公式对存款保险市场主体的支付行为进行概括,进而得到最优“报价”的支付结果,其适合作为DIF救助能力测算模型的设计基础。

设计一个经济学实证模型事先需要界定模型的实现条件,只有在一定标准的约束下,才能尽量避免“变色龙”现象的出现,脱离设计标准而构建实证模型将无法保证设计过程的严谨性与研究结果的可靠性。有鉴于此,构建DIF救助能力测算模型先要解决赔付标准问题,这是实证模型得以推进的理论基础。关于DIF赔付标准的界定,目前主流的处理方法是加西亚(2003)[1]提出的经验设计方法。该方法将DIS参保银行划分为不同类别的赔付标准组,包括大型银行标准、中型银行标准和小型银行标准,进而结合国际成熟存款保险辖区的经验证据分别对大中小型赔付标准的赔付样本进行赋值。

基于传统经验算法的设计思路,DIF的赔付至少应该满足一家大型银行(Ⅰ类)、两家中型银行(Ⅱ类)或几家小型银行(Ⅲ类)的救助需求。虽然该赔付标准的设计具有前瞻性及开拓性,但受限于调研范围与研究进程的影响,一定程度上也存在不可避免的设计缺陷。这主要体现在两个方面:一方面,赔付标准对权重银行的赔付权衡问题关注不足,存在对“超级银行”的赔付高估现象,而忽视了系统性银行的影响效应与干扰问题。在西方金融史的经验证据中,系统性权重银行极少会进入破产清算程序,即使是在极端的金融危机期间个别权重银行濒临破产,也极少需要DIF兜底。“超级银行”的“大而不能倒”特性会促使监管部门与中央银行协调配合进行救助,DIF也无能力进行完全兜底。因此,Ⅰ类赔付标准只适合作为非系统性危机期间的保守设定参考值,而不适用于现实储备设计。另一方面,经验标准对银行类别的量级标准问题关注不足,并未考虑个体国情之间的客观差异。“界定模糊”与“边界重合”使成熟经济体与新兴经济体的赔付设计难度出现明显差异,尤其是在部分发展中国家,标准不适用问题较为严重。同时,究竟选择哪一种指标作为划分类别的判断标准也存在一定争议,资产规模在衡量银行核心竞争力中存在一定“水分”,无法体现出损失吸收能力与真实风险状况。

在上述背景下,本研究对传统经验赔付标准进行改良与拓展。一是参考加西亚(2003)[1]的研究和华盛顿互惠银行的救助经验,剔除“超级银行”的大型救助标准。结合中国银行业实际将赔付标准设定为:1家较大型银行(Ⅰ类)、2家中型银行(Ⅱ类)和5家小型银行(Ⅲ类),从而使其更加符合现实国情与经济逻辑。二是参考巴塞尔协议Ⅲ和中国监管机构的相关要求,选择核心一级资本净额对银行进行分类,分类时选取的数据标准来源于中国银行业协会公布的《中国银行业100强榜单》和2022年银行年报。结合已有研究成果和银行业实际情况,取关键临界值作为数值标准,最终划分结果如表1所示。

表1 存款保险参保银行类别划分

进一步改进经验标准可能存在的不足,通过引入同类赔付标准模拟观察DIF面临同量级与同风险冲击时的救助能力与赔付状态。参考包商银行的救助经验,设置两组同类赔付标准作为新增赔付标准,包括同资产范围类别银行与同贷款不良率类别银行。指标范围参考包商银行未被接管之前经营期间的相关指标,最终设定的赔付标准如图1所示。

图1 模型设定的赔付标准图

选择包商银行作为设计基准的原因主要有两点考虑:一是包商银行是中国显性DIS实施以来的经典处置案例,由于内控制度缺陷、违规发放贷款、关联隐匿问题、信用风险严重等多重原因,包商银行在2019年实质上已经进入技术性破产范畴。二是包商银行也是2015年中国存款保险基金管理机构成立以来,DIF首次参与风险处置的商业银行,相关处置经验对中国存款保险发展进程具有十分深刻的现实意义。

(二)算法构建

为进一步丰富DIF救助能力测算模型的设计架构,需要引入一组使测算结果更加直观表述的数学公式,借鉴已有研究成果(Milgrom,2020;周镕基等,2022)[31～32],假设存款保险总体救助能力的测算值为TS(x0,θ),代表x0参保银行在不确定风险随机项θ下的总体赔付水平,用数学形式表述为:

(1)

如果TS(x0,θ)>0,则存款保险基金救助能力总体充裕;

如果TS(x0,θ)=0,则存款保险基金救助能力总体平衡;

如果TS(x0,θ)<0,则存款保险基金救助能力总体不足。

对式(1)进一步推导可知:

(2)

(3)

上述数学框架是衡量总体救助能力的基础公式,为了使模拟破产银行的赔付更加真实可靠,还需要进一步引入一组符合样本特殊性的违约标准与回收标准,包括样本银行的违约损失率LGD和贷款回收率DRR。

引入不良贷款指标而非不良资产指标的原因主要有两点:一方面,在国内银行分业经营背景下,商业银行最主要的资产为贷款。虽然不良贷款在理论上只是不良资产的一部分,并且在银行资产负债结构中,非保险覆盖存款、非存款类负债、非贷款类资产以及表外风险都有可能导致银行价值缩水,但是在实际测算中不良贷款在总类别中所占的比重最高且代表性最强,并且占据核心价值地位,已有研究也已经证实忽视影响较小的争议性指标而选择不良贷款进行测算是合理可行的(周镕基等,2022;张金宝等,2007)[32][19]。另一方面,不良贷款损失是商业银行重要的风险来源,受限于传统银行业务模式与金融创新风险瓶颈,商业银行的运营模式要求通过吸纳客户存款来形成稳定的资金池。通过贷款渠道进行期限搭配、拆借放贷与循环流动,从而实现资金的合理配置并产生金融效益。同时,风险也在此过程中相伴而生,商业银行存款安全的重要威胁源即贷款回收问题,期限错配、回收障碍、贷款损失会使银行资金池出现配置缺口。发放的贷款如果无法及时收回形成较高的坏账,那么存款的刚性兑付将无法得到必要保证。在“信息流通”与“羊群效应”的驱动下,储户更有可能在同一时间进行集中挤兑,进而威胁银行系统的安全稳定。

有鉴于此,基于商业银行经营规律和资金流向判断原则,进一步推导:

(4)

由于无法直接统计样本银行的违约损失率,并且对违约概率的量化难度较高,因此,进一步拆分式(4)中的违约损失率,结合已有关于商业银行违约损失率的研究思路,设置商业银行贷款的违约损失率为1减去贷款回收率,即:

Lgd=1-DRR

(5)

(6)

(7)

(8)

(9)

综合式(5)与式(6)可得:

(10)

进一步结合式(4)与式(10)整理得到:

(11)

基于式(3)与式(11),可以得到多元破产机构的可能赔付损失边界为:

(12)

式(12)为DIS总体救助能力需求测算公式,整合式(1)与式(12)即可得到总体救助能力水平TS(x0,θ):

(13)

(三)样本筛选

1. 经验标准赔付样本

基于改进后的经验赔付标准选择样本银行,筛选的依据主要遵循三个原则:一是在中国银行业协会2021年公布的商业银行排行榜单内;二是2015年及之前在A股或H股市场上市;三是核心一级资本净额符合分类范围要求。最终将筛选出来的银行设置为对照样本组与实验样本组分别进行讨论。

按照较大型银行赔付标准分别设置1组实验样本组及2组对照样本组。结合银行类别量级的划分标准,设置中国交通银行作为较大型银行实验样本组1;设置中国邮政储蓄银行和中国招商银行作为近似互替的对照样本组2和对照样本组3。筛选样本占全部符合标准样本的100%。

按照中型银行赔付标准分别设置1组实验样本组及2组对照样本组。设置平安银行、中信银行作为中型实验样本组1;设置兴业银行、浦发银行作为中型对照样本组2,设置民生银行、光大银行作为中型对照样本组3。筛选样本占全部符合标准样本的86%。

按照小型银行赔付标准分别设置1组实验样本组及2组对照样本组。设置北京银行、江苏银行、江西银行、杭州银行、长沙银行作为小型实验样本组1;设置上海银行、徽商银行、成都银行、广州银行、东莞银行作为小型对照样本组2,设置浙商银行、宁波银行、苏州银行、西安银行、青岛银行作为小型对照样本组3。筛选样本占全部符合标准样本的43%。

2. 同类标准赔付样本

讨论新增的包商银行同类赔付标准,结合已有研究的设计经验综合考虑冲击量级与风险等级,分别设置一组同资产范围同类标准与一组同贷款不良率范围同类标准作为近似互替的实验组与对照组。

对于同资产范围同类标准的样本筛选,基于回溯理论,参考存款保险参与包商银行接管救助时期包商银行的经营状况,即包商银行2019年5月24日左右的经营指标。包商银行公布的《2020年度同业存单发行计划》显示:截至2019年9月末,包商银行的总资产规模为5231亿元。有鉴于此,同资产范围类别银行的资产规模可筛选5000亿元～6000亿元附近的银行,结合2021年中国商业银行排行榜单,进一步设置哈尔滨银行、贵阳银行、郑州银行、东莞农商银行、重庆银行作为同资产范围类别的5家样本银行。筛选样本占全部符合标准样本的100%。

对于同贷款不良率范围同类标准的样本筛选,观察包商银行被接管救助之前的相关风险指标。根据大公国际发布的跟踪评级公告,2015年末和2016年末包商银行的贷款不良率分别为1.600%和1.680%。结合银保监会相关监管要求,将90天以上逾期违约贷款计入不良贷款范围,则2017年包商银行的贷款不良率至少为3.250%,远高于业内一般水平。因此,同贷款不良率范围类别银行可筛选不良率在2.000%以上的商业银行,结合2021年中国商业银行排行榜单的贷款不良率数据,进一步设置盛京银行(3.260%)、甘肃银行(2.280%)、中原银行(2.210%)、天津银行(2.160%)、锦州银行(2.070%)作为同贷款不良率范围类别的5家样本银行,样本筛选过程充分考虑了样本代表性以及数据可得性。筛选样本占全部符合标准样本的72%。

最终筛选的银行样本如表2所示。

表2 存款保险赔付能力检验中的研究样本

(四)数据来源

1.商业银行资产负债指标

基于样本筛选结果与测算框架,进一步对核心指标进行赋值,资产负债相关数据均来源于Wind金融数据库公布的上市银行年报,数据年份参考中国DIF的设立年限。样本银行的被保险存款数据来源于2015—2020年34家样本银行的吸收存款总额(中国香港上市银行为客户存款总额),如表3所示。

表3 2015—2020年被保险存款描述性统计

综合考虑测算口径的一致性及测算逻辑的拟合性,保守估计选择吸收存款总额作为可替代变量。理论上,虽然吸收存款与被保险存款并不完全一致,存在细微的核算口径差异,例如政府特殊存款、外国机构分支存款、高管自储存款以及金融机构同业存款等。但是这种差异在中国样本的实践证据中非常有限,主要原因可以分为三点讨论:首先,根据中国人民银行发布的《中国金融稳定报告(2021)》,截至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190.300万亿元,该值与存款类金融机构的合计存款总额并无较大差距。其次,根据张金宝等(2007)[19]的研究,使用吸收存款与合计存款作为测算基数具有一定的合理性与可行性,细微测算口径差异所形成的干扰仍十分有限。最后,在中国样本的经验证据中,吸收存款与被保险存款并不存在实际承保中的严格界定争议。参考国际存款保险发展史,新兴存款保险管辖国受限于运营经验与政治压力,吸收的存款大多具有隐性或显性担保特征。因此,在模型设计中选择吸收存款作为核算指标无论是从理论视角还是实践视角均具有充分的可行性。

2. 商业银行违约风险指标

贷款不良率数据来源于中国银行业协会与权威媒体,数据范围为2015—2020年34家样本银行的个体贷款不良率指标,描述性统计结果如表4所示。统计结果显示:2015—2020年中国商业银行的贷款不良率在0.400%～7.700%区间内,大部分经营状况稳健的银行贷款不良率集中在1.000%～2.000%之间。

表4 2015—2020年样本银行贷款不良率描述性统计

违约贷款分类的依据。参照《商业银行资本管理办法(试行)》标准,进一步结合王擎和田娇(2016)[33]的分类设计思路,将一般违约贷款根据类别属性分为违约住房贷款、违约企业贷款和违约零售贷款三大类。此分类方法符合监管标准与历史研究经验,可以较为全面地进行银行违约贷款的模拟分析。

分类贷款回收率的赋值依据。参考黄大海(2006)[34]和卞志村等(2021)[35]的研究,设置稳态时的违约贷款回收率分别为85%、75%和70%,并对三个回收率进行加权求和取其平均整数值作为模型中不良贷款回收率的估计参数,最终估计参数的结果与现有银行贷款回收实证研究中“双峰分布”的一般估计结果一致。

3. 存款保险基金与宏观金融指标

存款保险基金的相关运营数据来源于2015—2021年中国人民银行金融稳定局公布的存款保险基金收支报告,存款保险的承保存款数据参考2015—2021年中国人民银行统计年鉴的存款类金融机构吸收存款总额进行赋值。相关数据如表5所示,其中包含存款保险基金自设立以来的储备余额、估计被保险存款和基金目标比率。

表5 存款保险目标储备比率与承保能力

五、基本测算结果与稳健性检验

(一)基本测算结果

基于DIF总体救助能力测算模型的核心算法,结合中国2015—2020年34家样本银行的经营数据与风险指标,进一步观察中国DIF在经验赔付标准与同类赔付标准中的充裕水平与赔付状态,模拟计算样本银行标准约束下的损失边界值。

表6报告了2015—2020年经验标准下的DIF救助能力测算结果,表6中2行数据为实验样本组在特定年份的损失边界值,3行和4行数据分别为总体救助能力TS值和结果判定,5行数据为模拟赔付结果,Y为可赔付且充裕、N为不可赔付且非充裕。算例包含了3家较大型银行、6家中型银行及15家小型银行,共分为3组实验样本组和6组对照样本组。

表6 2015—2020年DIF经验标准测算结果

测算结果主要有以下两点发现:一是基于经验标准的DIF总体救助能力TS值在绝大多数观测时段中均为正值,总体上符合救助能力充裕的要求,并且2017—2020年连续4年在3个赔付标准中均可实现安全赔付,只有在2015年和2016年的部分标准中结果不理想。2015年3个标准均无法通过充裕性测度,而2016年只有中型银行标准未通过充裕性测度。出现此问题的原因主要是2015年和2016年受限于DIF设立伊始未形成合理储备,并且2016年中型银行样本的风险指标显著上升,从而导致救助储备无法满足损失边界值的要求。但伴随着中国DIF的稳健运行与高效配置,问题逐渐得到解决,在2017年及以后年份DIF的总体救助能力渐趋充裕且不存在明显的标准差异。二是2019—2020年的9个样本组中,模拟的赔付损失边界几乎均有一定上升,说明在其他条件不变的情况下,受有限储备的约束,总体救助能力出现一定程度的下降,但TS值依然大于0,证明DIF对包商银行的救助担保在经验标准中并未导致总体救助能力受到严重干扰。虽然处置成本对TS值存在一定的抑制作用,但并未对赔付安全构成严重威胁,实验结果符合现实经验与经济逻辑。

表7报告了2015—2020年实践视角同类标准下的DIF救助能力测算结果,表7中2行数据为模拟救助的损失边界值,3行和4行数据分别为救助能力的判定值及结果,Y为充裕、N为非充裕。算例包含5家同资产范围银行和5家同贷款不良率范围银行。

表7 2015—2020年DIF同类标准测算结果

测算结果主要有三点发现:一是在考虑样本银行分年度风险指标差异后,2015—2020年的TS测算值在同类标准中均为正值,均可满足总体救助能力充裕要求,模拟赔付结果较为理想。二是2019—2020年DIF对包商银行的救助担保并未构成对TS值的严重干扰,虽然2020年样本模拟损失边界的上升导致总体救助能力受到一定抑制,但并未影响DIF的赔付安全。三是个别银行近年贷款不良率显著高于行业均值,模拟损失边界明显高于同类银行,可能存在对DIF赔付安全的潜在影响,存款保险机构需要对其保持关注。

(二)稳健性检验

1. 检验方法Ⅰ:设置实验组及对照组

为了避免实证测算模型中出现“变色龙”现象进而导致检验结果不可靠,基于近似互替假设原则,在经验标准中设计3组实验组与6组对照组,在同类标准中设计5组实验组与5组对照组进行稳健性检验。观察实验组与对照组的测算结果是否一致,并且是否存在明显的标准差异、异常值与扰动问题。如表6和表7所示,实验组与对照组的测算结果完全一致,并未出现异常扰动现象,检验结果可靠。

2. 检验方法Ⅱ:引入高估银行样本、拓展年份

第Ⅱ种稳健性检验的思路:拓展测算年份至2021年,并引入赔付高估问题较小的系统性权重银行样本(“超级银行”)。虽然“超级银行”样本可能存在一定的赔付干扰问题,但是可以通过筛选样本尽量使相关问题得到缓解。如果测算的TS值在“超级银行”样本中总体上依然可靠,则更能够说明检验结果的稳健性。

样本的筛选依据遵循两类原则:一是样本在国有权重银行中有一定代表性,经营状况较稳健且风险指标合理;二是样本在国有权重银行中的量级要尽量合理,避免“宇宙行”现象的赔付异常,充分考虑赔付权衡问题。在上述原则的约束下,选择中国银行作为高估样本,并进一步拓展测算年份至2021年,最终检验结果如表8所示。检验结果显示:2017—2021年DIF总体救助能力充裕,且2019—2020年破产损失边界上升,TS值下降,2020—2021年破产损失边界下降,TS值上升。检验结果符合3个假设检验与现实经验,检验结果可靠(T)。

3. 检验方法Ⅲ:引入高估银行样本、拓展年份、改变损失标准算法

在检验方法Ⅱ的基础上进一步改进检验思路,通过改变损失标准的计算方法观察检验结果与原有结果是否一致,且正常时期的异质损失标准是否会影响测算结果。参考魏志宏(2004)[18]的研究,假设违约损失率的计算公式为[1-1/(Deposit/Asset)×0.5],将改进标准引入模型进行检验,检验结果如表9所示。检验结果显示:7年的赔付结果有6年与原检验一致,符合总体救助能力充裕标准,且DIF对包商银行的救助并未影响拓展后2019—2021年DIF的赔付安全状态,检验结果基本可靠(T)。

表9 稳健性检验结果(检验方法Ⅲ)

六、结论及建议

(一)主要研究结论

以2015—2020年34家样本银行5个赔付标准的多元实验组与对照组为基准,构建一个DIF总体救助能力测算模型,模拟观察中国DIF自设立以来,在不同破产赔付标准下的救助能力与赔付状态,并验证2019年DIF对包商银行的救助担保是否构成对赔付安全的严重威胁。研究结果表明:

第一,中国DIF的救助能力在理论视角的经验标准中足够充裕且能够满足安全赔付要求。虽然中国DIF的绝对储备值在全球样本中不占优势,但是总体上与可控金融风险及特殊国情差异相协调的相对救助能力能够满足中国现实样本的模拟赔付要求。

第二,中国DIF的救助能力在实践视角的同类标准中足够充裕且能够满足安全赔付要求。虽然部分商业银行的风险指标近年来明显升高,但是DIF的救助能力在同资产范围标准与同贷款不良率标准中并未出现赔付异常现象,中国的DIF总体运行稳健。

第三,中国DIF对包商银行的救助担保未构成对自身储备充裕性与赔付安全性的严重威胁且干扰程度有限。虽然DIF受包商银行风险处置、不良资产认购、承接银行设立等因素的影响,基金储备绝对值从2019年末的1215.800亿元下降至2020年末的620.400亿元,总体救助能力出现一定程度的下降,但是并未形成对DIF赔付安全的异常干扰与严重威胁。在引入对照实验样本、高估银行样本、拓展观测年份和改变损失标准进行稳健性检验之后,研究结论依然成立,再次证明中国DIF运行的高效与稳定。

(二)政策建议

基于研究结论,提出以下建议:

第一,完善存款保险基金运营数据库。向公众及时披露存款保险运营的年鉴报告,详细公布存款保险基金的收支数据和承保数据,并建立渠道高效、信息流畅和数据完备的参保银行综合数据库,及时掌握参保银行的经营状况和风险隐患。

第二,改进存款保险救助标准的设计方法。参考分组设计方法和数量分析方法,进一步界定银行救助的一般标准,引入非系统性银行危机与系统性银行危机的模拟情景,使其更加适用于中国样本的特殊国情且更加贴近现实情况。

第三,尽快建立动态识别的存款保险基金储备目标制。虽然中国现行存款保险基金救助实力能够满足绝大多数赔付标准,但是与美国FDIC、英国FSCS和日本DICJ等成熟管辖区的绝对储备值相比存在明显差距,当面临多银行集中挤兑时仍然存在一定程度的风险隐患。因此,需要进一步改良传统存款保险收入渠道与投资模式,提高存款保险基金的储备效率与救助阈值,从而确保DIF的赔付安全与银行系统的运行稳定。