利率市场化下的银行利率大数据风险管理


  • 关注新蜂数字金融,ID:gh_c5ca7eb11df4

  • 这是新蜂数字金融的第153篇原创首发文章



中国的利率市场化改革可追溯到1996年央行取消银行间同业拆借利率上限和国债发行利率市场化,二十年风雨改革路,如今改革已经到了接近尾声的攻坚阶段。


作为改革路径中的核心环节:存款利率上限已经放开,基准利率机制改革正在进行中。


2019年8月,央行发布改革贷款市场报价利率LPR形成机制公告;2020年3月启动存量浮动利率贷款定价基准转换工作,旨在疏通央行货币政策传导渠道,市场化的利率环境终于离我们越来越近。


此次LPR转换,等价与非等价转换、浮动与固定、重定价周期调整、利率生效日变更等利率调整要素均有,加之LPR挂钩公开市场操作利率,每月调整,变动频率较人行基准利率频繁。


在让利实体经济、流动性宽松、引导贷款利率下行的大环境下,LPR转换势必会带来银行利差收窄,净息差降低。


利率环境的变化影响商业银行的收益与价值,对利率风险管理也提出了新的挑战。商业银行面临的利率风险主要有:


1、重定价风险:利率水平发生平移变化;

2、收益率曲线风险:收益率曲线发生形状变化;

3、基差风险:重定价特征相似产品的基准利率发生不同步变化;

4、 期权性风险:利率变动导致客户行为特征发生变化。

在利率市场化初期,商业银行处于利率双轨制的环境中,在资债管理组合中占比较大的存贷款业务以人行基准利率为定价基准,占比较小的投融资业务才参考市场利率。银行的主要客群是存贷款客户,而此部分客户彼时对利率的敏感度长期以来并不显著。


因此,银行利率风险管理主要聚焦于基于人行基准利率调整的存贷款重定价风险;而对利率市场化后存贷款市场化基准利率以及客户的行为特征变化关注不足。


未来,期权性风险和基差风险将对银行利率风险管理造成较大的冲击与挑战,提升利率风险管理水平的关键在于提升计量风险和控制风险的能力。


一方面精细化风险计量,使管理者能够及时准确地多维度把握利率风险的来源、利率风险对收入和价值的影响程度;另一方面能够有可控性地运用创新性金融工具,调整利率风险敞口。


基于大数据的精细化风险计量,将助力银行实现动态分析客户行为,从产品、客户、账户粒度和现金流层面识别和计量利率风险的来源,夯实精细化管理基础,实现动态敏感性缺口和久期缺口分析。


同时,基于利率风险系统、定价管理系统、客户关系系统、信贷管理系统等系统的充分衔接,分析客户的期权性行为特征与其利率之间的关系,对利率风险计量形成强有力的支持。


本文将通过介绍当今流行的主要利率风险管理工具,分析利率市场化下利率风险管理所面临的新挑战,并基于大数据分析的经验,给出提升利率风险管理能力的建议,以期抛砖引玉。



01. 利率风险管理工具



(一)敏感性缺口分析


目前最流行的银行收益风险基础分析方法为敏感性缺口分析(重定价缺口)。重定价是指资产负债发生重新确定利率的情况,如浮动利率产品在约定的利率调整日重新确定利率,固定利率产品到期后重新签约时选择利率浮动方式,活期存款每日确定利率等,其中还会涉及到利率调整周期。

敏感性缺口=重定价资产-重定价负债。

当缺口为正,利率上升时,重定价资产大于重定价负债,增加的利率收入将大于增加的利息支出,净利息收入增加;当缺口为负,利率上升时,重定价负债大于重定价资产,增加的利息支出将大于利率收入,净利息收入减少。

如果管理层认为其机构过度暴露于利率风险之下,它将尽量使随着利率变化而可以重新定价的资产量与可重新定价的负债量相匹配,以保持利率风险中性。

数据来源:2019年建行年报;单位:百万元


如上表,银行按照资产负债重定价周期归类,将资产和负债按照类别进行分类统计规模,从而得出相同重定价周期的资产负债缺口。

2019年建设银行资产负债重定价缺口2.235万亿,其中5年以上重定价缺口2.185万亿,1年以内重定价缺口0.58万亿,3个月以内重定价缺口-1.69万亿,3至12个月重定价缺口2.28万亿。

若分析人行基准调整对建行2019年净利息收入的影响,则主要关注一年以内的重定价缺口情况,按照年报披露口径缺口表的重定价时间段划分标准,可以观测到3个月以内和3至12个月两个时间段的缺口。

每一个缺口的利率敏感期不同,假设3个月以内的资产负债平均在2个月后重定价,则利率变动对该缺口的影响从2个月后持续到年末,利率敏感期共10个月;同理,3至12个月,假定在8个月后重定价,则该缺口的利率敏感期为4个月。

假设以下利率变动情景,在2019年1月1日,各期限人行基准利率下降20个基点,则利率变动对建设银行的2019年年度净利息收入的影响计算如下:

2019年净利息收入影响
=重定价缺口*利率变化*利率敏感期/12个月
=3个月以内重定价缺口*利率变化*利率敏感期/12个月
 +3至12个月重定价缺口*利率变化*利率敏感期/12个月
 =1.69万亿*0.2%*10/12—2.28万亿*0.2%*4/12
 =28.17亿元-15.2亿元
 =12.97亿元

由于3个月之内的重定价缺口为负缺口,降息使得建设银行的负债利息支出增加少于资产利息收入减少,使3个月之内的缺口净利息收入为正;3至12个月的重定价缺口为正缺口,降息使得建设银行的资产利息收入的减少多于负债利息支出的减少少,使该缺口时间段内的净利息收入减少。

由此可见,在降息预期下,建行保持负缺口能使其当期收益,正缺口将导致建行净利息收入减少,在既定的业务规模下引起净息差的收窄,对利润和资本形成不利的影响。

数据来源:根据四大行历年年报整理

从2012年至2019年,四大行的资产负债敏感性缺口持续上升,2019年达到7.956万亿,比2012年增长了138%,在如今降息预期下,势必引起净息差的收窄。

从以上例子,可以看出重定价缺口分析是一种直观易懂且有效的分析重定价风险的方法,但是不足的是只关注当期的收益,缺少对未来的银行经济价值的衡量。久期分析法就弥补了重定价缺口分析的不足。

 (二)久期缺口分析
 
久期,是衡量债券风险的重要指标,是现金流价值和时间加权的平均期限。

在银行久期缺口分析中,久期是指将某一金融产品在每个时点的现金流通过对应的折现率折现后的现值占总体现值的比例作为对应时点的权重,然后对所有发生现金流的时间进行加权合计后的数值。

久期

其中PV(Ct)是t时刻产生的现金流的现值,是金融产品当前时刻的价值。

如果银行想要充分对冲利率波动带来的风险,理想情况下,资产久期=负债久期,当两者不等时,即产生了久期缺口,久期缺口=资产久期-负债久期。

当久期缺口为正时,如果利率水平上升,则资产、负债的净现值因为折现利率变大而均有所下降,由于资产久期大于负债久期,资产净值的下降也将大于负债净值的下降,银行整体净现值下降。

如果利率水平下降,则资产、负债的净现值因为折现利率变小而均有所上升,由于资产久期大于负债久期,资产净值的增加也将大于负债净值的增加,银行整体净现值增加。

同理,当久期缺口为负时,若利率上升,银行受益,否则,受损。

银行净值的变化
=资产的变化-负债的变化
=资产规模*资产久期*利率变动幅度-负债规模*负债久期*利率变动幅度

如果银行想在利率变动中保持净值稳定,必须计算资产负债久期,并摆布资产负债规模,其中难点一是久期计算,二是资产负债结构规模调整难度。

其中,计算久期缺口的难点在于根据银行资产负债业务信息,产生每笔业务在未来的本金现金流和利息现金流,进而计算利率变化对未来现金流的影响,这对于银行的信息化计算能力要求较高。

各种资产负债的现金流模式千差万别,如客户提前还款会改变贷款的预期现金流,提前支取会改变存款的预期现金流,更别提活期存款这种现金流不明确模式负债。以上都可能使得原来预计为零的久期缺口立马变正或者负,从而加大了利率风险管理。
 

02. 利率市场化下利率风险管理挑战



在银行利率风险限额一定的前提下,银行可以将重定价缺口和久期缺口朝着有利于自身方向调整。在判定利率上升时,银行可以扩大重定价缺口并缩小久期缺口;反之,缩小重定价缺口并扩大久期缺口。

银行一般可以通过资产负债策略传导和金融市场交易来进行缺口调整。如通过FTP价格引导调整业务结构、通过重定价周期结构、利率浮动方式等调整影响资产负债重定价和久期。

但是在银行偏好大客户和优质客户的策略取向下,特别是在如今贷款定价基准市场化下,贷款浮动方式的选择主动权并不一定在银行。

此外,随着客户利率敏感性的提升,客户行为特征的变化,即期权性风险越来越突出,而银行在对客户敏感性计量、识别期权性风险方面缺乏经验,在未来的利率风险管理中将面临较大的冲击挑战,在期权性风险和基差风险上显得尤为突出。

(一)期权性风险

期权性风险指的是在客户具有选择权的产品中,客户选择了不利于银行的权利,导致银行损失的一种风险。如贷款客户提前还款,定期存款客户提前支取,不同价格策略下客户的价格接受程度以及选择行为等等。

利率市场化,互联网金融的竞争,客户的行为特征较以往发生了实质性改变。在利率管制时期,银行能够通过较简单的统计方法获得客户的提前支取率、活期存款沉淀率、贷款提前归还率等指标,用于利率风险的情景分析中。而随着利率市场化的深化,利率敏感度的提升将加大期权性风险的管理。

以存款客户为例,存款利率上限放开,虽有自律机制的存在,银行间存款白热化竞争体现在存款一刀切地“一浮到顶”,无形中提升了客户存款利率敏感性。从整整定期存款到大额存单再到如今的结构性存款,哪些客户倾向于提前支取利率较低存款重新选择利率更高存款产品,哪些客户直接存款搬家,客户的期权性行为直接影响了银行资产负债缺口管理。

以贷款客户为例,随着资本市场的深化,越来越多的优质大客户选择直接融资渠道。今年以来,利率下行,债券市场流动性宽松,一些能在债券市场以较低价格发行信用债的客户选择提前归还银行贷款。未来贷款的本金现金流和利息现金流将变得更加难于预测。

银行在评估未来存贷款业务的期权性风险时,不得不考虑市场化内外部环境下,不同的定价策略下存贷款产品可能出现差异化流失水平,这就需要更加精细化智能化的大数据计量基础。

(二)基差风险

基差风险指的是在重定价特征相似的产品的基准利率发生了不同步的变化。

例如,银行用一笔1年期的存款匹配一笔1年期的贷款,存款以1年期人行基准存款利率按季重定价,贷款以1年期人行基准贷款利率按季重定价。存量浮动利率LPR转换后,客户选择以1年期LPR贷款利率按季重定价。

尽管这两笔存贷款业务的重定价特征相似,但是其定价基准利率之间的利差仍然不稳定。人行存款基准利率至2015年至今未调整;而1年期LPR按月调整,今年已经累计下调30个bps,该资产负债组合利差收窄。

随着利率市场化的深化,未来存贷款基准利率可能取消,商业银行将被迫选择市场化利率作为其挂牌利率的锚,不同的银行间在报价水平以及调整时间上都将存在差异化和不确定性。银行面对的存贷款业务客户特征不一样,面对的同业竞争市场不一样,势必对存贷款定价采取不一样的定价策略和竞争策略,存贷款之间的基差风险将变得更加错综复杂。

彼时,银行需要充分了解自己的客户和竞争对手,面对庞大的客群,这就需要更加精细化智能化的大数据计量基础。


03. 基于大数据分析的利率风险管理



作为国际性银行,美国银行的资产负债管理部门肩负着本行资产负债在全球资源配置的工作,其背后有着300多人专业的数据分析团队,可见基于大数据的资产负债管理何其重要。


 利率市场化初期,利率双轨制隔离大部分利率风险,银行得以获得稳定的净息差,随着利率并轨,银行存贷款利率与市场利率挂钩,利率风险将深刻影响银行的当期收益以及未来经济价值。


利率市场化的背景下,构建基于大数据分析的精细化智能化资产负债管理体系,创建业务与数据的规律和趋势定量关系,立足业务预测,客户分层行为分析、客户价格弹性分析、收益率曲线预测等主题,精细化至账户、产品、客户、资金流粒度,标签化资产负债分析要素,支持情景化分析,从而实现净息差管理、资产负债配置、资本规划、风险管理的精细化和智能化。


(一)全面客户价格敏感性分析


从产品和客户两个维度,量化分析客户分产品的价格敏感性,以及客户的综合价格敏感性。其中,产品维度,衡量同一产品不同客户的价格敏感性;客户维度,衡量同一客户不同产品的价格敏感性。基于单个客户不同产品的价格敏感性,根据客户资产配置偏好,产品风险属性等特性,尝试建立客户的综合敏感性。


利率管制时期,价格被扭曲,定价数据不能真实衡量不同客户的价格敏感性,银行在测度价格敏感性方面经验不足。存贷款利率市场化启动较晚,银行现有价格数据,特别是存款价格尚不足以衡量客户的敏感性。


一种思路是从客户的行为特征数据出发,如提前支取行为、滚存行为、替代产品选择行为,来揭示行为背后的价格敏感性。


另一种思路是建立实验性质的产品发行机制和数据统计框架,如发行某款高利率产品,记录客户资金转入情况;同时在该款产品到期时将价格恢复至市场平均水平,记录客户的续约情况,并对客户打标签,建立名单制管理。


从客户资产配置方面,基于大数据分析客户的产品价格敏感性,一方面是提高产品存续期现金流的稳定性;一方面是将有限的价格资源合理配置到需要激励的客户,节约资源,提升利率风险管理水平。


(二)客户分层行为分析


利率市场化后,客户的行为特征的稳定性降低,提前支取、滚存、续约、提前还款、产品配置都将比利率管制时期变化更加明显。


通过客户行为分析,识别稳定性特征和变动性特征,如剩余期限较长的存款提前支取率通常高于账龄较长的定期存款、结算型客户存定期存款的概率通常小于投资型客户、开办期货账户的客户利率敏感性通过高于专注于定期存款的客户等等。


相对稳定的客户行为特征是对未来现金流进行合理模拟的重要基础。变动性特征可以通过大数据对客户历史行为数据进行分析,通过算法模拟未来账户变动对现金流的影响来进行预估。


分析客户的期权性行为特征与其利率之间的联系,对利率风险计量形成强有力的支持。


(三)精细化客户分群管理


基于全面价格敏感性分析,叠加其他维度的客户标签,如区域、客户规模、综合贡献度、行业、产品偏好、风险偏好、客户价值等等,精细化客群管理。同时,考虑银行自身业务战略、市场占比预期、产品情况、信用风险偏好等因素,制定加点价格表。


基于不同的定价策略,区分稳定型客群、变动型客群,在稳定型客群基础上实现对未来现金流的合理情景模拟;对变动型客群,根据不同时期不同的业务目标和管理策略制定针对性的定价策略,以便实现当时的利率风险管理目标。


期权性风险是利率风险四类风险中最难以识别和计量的风险,将客户关系系统、定价管理系统、信贷管理系统、利率风险系统等系统进行充分的衔接,真正将客户分群管理应用到银行利率风险管理中。


(四)账户、产品、客户粒度的现金流分析


基于资产负债业务信息,产生每笔业务的本金现金流和利息现金流,但囿于系统计算以及大数据分析与挖掘能力,在重定价缺口表的基础上叠加利率变动影响,通过标准化久期计算的收入变动,而且是汇总级维度,无法穿透至产品、客户、账户粒度,缺乏精细化。


基于大数据分析与挖掘,能够实现细粒度的现金流分析,在理清计算逻辑的前提下,基于大数据客群管理、行为分层,实现客群现金流分析,从而实现精细化的现金流分析,提高风险计量的精细化程度。


(五)加强定价监测与评估


在执行了一段时间的市场定价后,通过大数据挖掘对比分析,定期对定价的执行情况、客户结构情况、利率对规模的影响、产品联动性、以及市场利率走势等进行精准分析。


同时,通过分析不同区域、不同分支机构、不同业务条线的定价策略实施情况,对比评估存款定价实施情况与定价战略所要达到的目标是否吻合,存在哪些差距,从而实现市场占有率与财务成本。




置顶:请大家帮忙,因公众号平台改变推送规则,不是所有观粉,都能在第一时间收到我们的文章


所以,需要各位将公众号设为星标置顶


具体方法,进入公众号页面,点击左上角省略号,点击设为星标即可。这样,我们的文章才会每天第一时间出现在您订阅号列表中。非常感谢一路陪伴,您的支持,是我们前行的动力。






延伸阅读:

原创:银行业大数据应用场景剖析

原创:大话推荐系统

原创:在线广告计费及定向方式简析

原创:让机器更加善解人意

原创:房地产自动评估之大数据与风险







   微信扫一扫,关注我



  觉得好  

 请点“赞”&”在看”

文章转载自微信公众号:新蜂数字金融

类似文章