2.研究议程

因此，我越来越坚信如下观点，我们需要建立一个基础模型，在维护系统性金融稳定时，对其进行理论支持，就像在货币政策委员会作出利率决策时，宏观预测模型提供了理论支持一样。在这方面存在的主要问题是，几乎所有测量风险的计量技术，都只适用于单个金融机构（如银行），并不适用于整个银行体系。如风险估值（VaR）技术、Merton模型[2]、压力和情景测试，至少所有常用的工具都是如此。

几乎从定义上就能看出，这些应用于单个银行的模型无法处理银行之间的关联和传染效应。而且传染效应有很多潜在的渠道，不仅仅通过银行间市场传播，目前对该渠道的研究较多（Cocco等人，2003年；Elsinger等人，2002年；Furfine，1999年；Upper和Worms，2001年；Wells，2002年）；还可以通过声誉渠道，以及通过一个银行的行为，造成市场价格和其他银行所面临的条件的改变（见Cifuentes、Ferrucci和Shin，英格兰银行，2004年）。

几乎可以肯定，当单个组成机构比较薄弱（稳健）时，金融（银行）体系可能就会在系统上比较脆弱（稳健）。但是，也可以简单地设想，在很多情况下，当系统里包含的是单个薄弱的银行时，系统本身却很稳健，反之也一样。例如，在20世纪80年代末期，日本单个的银行都很稳健和强大，但在面临资产价格的急剧下跌时，却表现出了系统脆弱性。

考虑到实际应用，以及建立一个合适的模型来分析和量化系统性金融稳定的目标，这种模型必然会具备一些特点。第一，存在不完全的金融市场，否则所有的风险都可以对冲，像银行这类金融中介机构也没有存在的必要了。所以我们需要仔细思考这种不完全性形式。第二，银行行为必定不一致，必定有异质性。在单一典型银行模型中，或类似地，在有n个相同银行[3]的模型中，是无法分析传染效应的，甚至不可能存在银行间市场。第三，最重要的也是最困难的一点是，模型中必须包括违约风险。大多数宏观模型实际上都假设不存在任何违约风险，横截面条件暗示着所有债务都将最终按期偿付，从而假设市场是没有违约风险的。在任何一个包含系统性风险的模型中，这类假设都非常不恰当。恰当地用模型描述违约风险很困难，特别是由于模型包含显著非线性。从同行所做的极少几次尝试来看，我认为最好的处理方法是由Martin Shubik和其同事以及追随者所提出的。在模型中，Martin将违约风险作为代理人决策过程的一部分，他们选择的行为路径常常会引起违约风险的内生频率增加，通常会有一些引起违约风险的内生频率增加的行为，这种内生频率通常由随机情况和需付的违约金所决定。内生违约行为也许是处于策略上考虑，或者是由于厄运而造成，但与市场的均衡和健康运行是完全一致的。

不管怎样，我曾很荣幸能与Dimitri Tsomocos共事过，他是Shubik最出色的追随者和学生之一。在我另外一个同事Ton Sunirand的协助下，我们尝试建立了一个理论模型，模型包含了三个特征，即不完全的金融市场、异质的银行和异质的银行客户，并且强调了流动性和违约风险的作用。正如大家可能会想到的，这些特征会让这个模型变得十分复杂，但是我们试着将基本模型框架简单化，从而使之适用于任何银行体系的数据。

我们有两篇文章已经提交出版社（《经济理论》和《金融稳定月刊》），并且已经成为了伦敦经济学院金融市场小组的讨论论文[4]。这些文章的最终目的是试着得到系统的、整体的金融稳定计量方法和模型，从而可以完善对单个机构的风险分析，这项工作一直在进行。在完成风险分析后，就可以为《金融稳定性评估报告》中偏重描述性的评论提供理论支持，也许还有助于促使中央银行在维护金融稳定方面的各个角色实现内在统一。此外，它还将集中讨论哪些数据在检验系统性金融稳定时是必需的。虽然如此，但要完成这么大的一个项目，还需要克服很多困难，而且我们的模型当然也存在很多缺陷。但我仍然相信，在这个领域，这是正确的调查和研究方法。