准备金率调整对我国小额支付流的影响研究

准备金率调整对我国小额支付流的影响研究

0研究结论与讨论自2005年7月中国的大型支付系统建成以来，该系统的业务逐年稳定和增长。仅2008年，大型支付系统每年处理支付业务2.14亿笔，金额为640.23亿元，是当年国内生产总值的21.29倍。在大额支付系统良好发展,提高资金运转效率的同时,与之相关的各种研究课题应运而生,其中之一即为研究大额支付系统中支付流的统计特征。深入研究大额支付系统中支付流的统计特征具有重要意义:首先,张磊等的研究表明,支付流的统计特征是研究大额支付系统的运行风险的关键因素。谢泽林等的研究表明,对支付流的特征的了解有利于支付系统中系统风险的防范。其次,潘松等的研究表明,我国大额支付系统支付流的统计特征与存款准备金管理的关系非常密切,支付流呈现出存款准备金效应。潘松等的研究表明,银行间支付流的变化水平无论对于同业拆借利率的条件均值还是条件方差都有显著的影响,进而充分研究支付流的统计特征有助于央行进一步把握拆借利率的变化,从而更有效的实行公开市场操作。现阶段,国内学者对我国大额支付系统支付流的研究已取得一定的成果,但是对大额支付系统支付流的统计特征还没有进行过系统的研究,这将不利于进一步对大额支付系统支付流的统计建模分析。为此,本文结合中国人民银行对存款准备金率的历次调整情况,着重分析各时段大额支付系统支付流的统计特征,并给出针对大额支付系统支付流在统计方法使用上的建议。由于本文的研究时段涵盖近二十年来中国人民银行调整存款准备金最为频繁的时段,故本文首先依据中央银行调整准备金率的频率对样本时段进行分段研究。在阐述历次存款准备金率调整时段内数据基本特征的基础上,对数据的相关性进行研究,这对于是否可以直接借鉴国外对支付流的风险管理方法有重大意义。其次,本文从厚尾指数入手,对历次存款准备金率调整后支付流的尾部厚度进行刻画,在研究数据分布特征的同时,为中央银行有效地利用极值方法进行风险管理提供基础。1存款保证金对银行间支付流的影响本文研究自2005年7月到2008年7月的大额支付系统支付流,为避免银行内部资金调度对支付流所带来的影响,在加总数据时剔出了各银行通过大额支付系统进行内部资金调度的数据。在样本研究期内,中国人民银行19次调整存款准备金率,存款准备金率由2005年7月的7.5%调整到2008年7月的17.5%,提高幅度高达10个百分点(如下图所示),这无疑会大幅减少各银行的超额存款准备金。而各银行的超额准备金,在完成信贷等业务的同时,另一个重要的用途是满足由储蓄帐户发起的支付结算需求。本文在分析支付流统计特征的同时,试图分析历次存款准备金对支付流所带来的影响。为了分析的方便性,本文依据存款准备金调整的规律对样本研究期进行分段研究。考虑到人民银行调整存款准备金率前后的资金调度都会对银行间支付流产生一定的影响,即在人民银行调整存款准备金率前,人民银行考虑到为各银行提供一定调配资金的时间,会在每次准备金率调整前一段时间披露调整信息,而银行间的资金调度反映在本文所研究的银行间支付系统的支付流中;而在存款准备金率调整后,调整行为也会在一段时间内对各银行的资金面产生影响,因此准备金率调整后其对支付流的影响也不得忽视。因此,对于存款准备金率调整频繁的时段,本文合并连续调整准备金率的月份作为一个研究时段,合并细则如下表1所示。2支付金额与社会经济活动的关系通过数据的均值,标准差,极差对数据进行初步认识,如表2所示。由表2,首先,调整存款准备金率前支付流的均值和波动都远小于准备金率调整后的均值,这是主要是由于该时段我国支付系统初步建成,系统参与者数目较少,这就导致仅有小部分社会经济活动反映在了支付系统中;其次,就历次准备金率调整来看,自研究时段1至时段4,伴随支付系统的完善以及社会经济活动的发展,支付金额均值与波动均呈单边上升趋势,直至时段5,上升趋势才有所改变。这是由于,截至2008年,支付系统参与者的规模趋于稳定,而此时段是央行以控制社会流动性为主要调控目标的时段,一系列货币政策的组合拳使得银行用于信贷的资金大幅减少,与此同时,社会经济的下滑使得人们的消费欲望有所降低,这些都是导致银行间支付流较阶段5有所减少的原因。3系统流动性管理模型的应用就支付系统的流动性管理而言,由于存在个别系统参与者为了节约自身的流动性就故意拖延转账的处理,期望依靠来自其他银行的流动性的情况,为了减少这种行为对系统流动可能产生的负面影响,支付系统管理者会制定银行往来账支付流的管理规定,以防止这类“自私”行为的发生。针对系统流动性的管理,Buckle等在对两家银行两期的支付系统流动性管理模型进行日内信用进行研究时发现,对银行日内的支付流而言,在确定的时点确定出该银行完成全天交易金额的占比是一种有效的管理手段。这样不仅可以减少各银行的累计流动性需求,还可以使支付市场更加活跃。尽管这项措施在国外很多国家已经实施,但这项管理措施在我国RTGS尚未实施。要确定出在给定的时点每家银行需要完成该银行当天总支付金额的占比,需要对该银行当天的总支付金额有一个准确的预期,继而确定出对该银行在确定时点要求完成的支付金额的占比,此时支付金额序列是否是可预报的就至关重要。如果支付系统的支付流是相关数据,那么对各行支付金额的预测有助于有效管理整个系统的流动性。本文使用Fan的自适应Neyman检验方法进行支付流的相关性检验。总体相关性检验要检验序列的相关性即检验:H0:ρ(k)=0↔H1:ρ(k)≠0。在H0下,Fan提出了自适应Neyman检验统计量:其中。并证明在H0下,P(TAN<x)→exp(-exp(-x)),n→∞(依分布收敛)。对不同时段的数据,利用上述方法进行相关性检验,所得结果列于表3。表3总第三列数据为检验统计量的值。表3显示,在5%显著性水平下,准备金率历次调整时段内,支付金额序列均拒绝支付流不是相关序列的原假设。这就表明,在上述时段内,可以考虑借鉴Buckle提出的风险管理方法对支付流进行管理。4方差动态特性条件异方差现象在宏观经济和金融时间序列中经常可以看到,而且它可以很好的捕捉数据的动态特性。本节考察方差序列的相关性、聚集性和异方差性等特征。本文使用陈敏等针对AR(p)-ARCH(p)模型提出的条件异方差检验方法。支付流的方差序列对于AR(p)-ARCH(p)模型不是常数。记,则其中Xt-1=(xt-1,…,xt-p)T,v(X)是p元可测函数,使得E∣v(Xt-1)|4+δ<∞。这样,我们可以据此构造检验统计量其中,t=p+1,p+2,…,n,在H0下,我们有检验统计量。各时段数据的统计分析结果列于下表。由表4的检验结果可知历次准备金率调整时段内,支付流的方差序列均具有条件异方差性。这首先表明支付流不服从正态分布,其次由于历次调整时段内支付流的条件方差不是一个常数,它是随着时间变化的一个量,因此在对序列作预报的时,其预报区间是随着时间变化的且各行的风险也是随着时间变化的。最后,序列呈现出条件异方差性,在今后对数据建模的过程中需要考虑这种方差波动的相依性,利用ARCH或者GARCH模型进行数据拟合。5小额支付系统极值事件发生的概率由潘松等的研究发现大额支付系统支付流的变化水平无论对于同业拆借利率的条件均值还是条件方差都有显著的影响,那么针对调整存款准备金后系统支付流显著增加的现象,究其原因可能在于大额支付系统中的各银行为了满足支付需求或者满足人民银行对自身的存款准备金要求而引起的。正是这种某些银行为了满足自身需求的需要,导致在银行间拆借市场中出现资金的需求方,这就可能会引起同业拆借利率(Shibor)的上升。那么关注大额支付系统中支付流出现正的极值发生的可能性就变得非常重要。由于它不只关系到大额支付系统本身,可能还会干预其他市场的运作。正是出于这种思想,本文试图通过尾指数来刻画这种极值事件发生的概率。本文只给出尾指数的估计,由于尾指数的估计,是进行极值事件发生概率的估计核心。估计出了尾指数就可以得知在任意给定阀值的情况下,极值事件发生的概率。支付流尾指数估计由前面的分析,我们知道大额支付系统支付流具有条件异方差性,由潘家柱等和金阳、安鸿志的研究结果可知,这就意味着大额支付系统支付流是厚尾的。本文借助于Hill估计量对尾指数进行估计。Hill估计量的提出是建立在极值理论基础之上的。在极限条件下,所有的厚尾分布的尾部都可以用幂函数来拟合,而且经过一系列的研究得出,金融时间序列的极值分布通常是Frechet分布,由Fisher-Tippett定理可以得到尾部分布形式为:F(x)=1-ax-α(1+bx-β),并且Dacarong指出,这个分布形式几乎提供了所有的尾部形式的逼近。在假定α=β的情况下,对尾指数α的估计便成了估计尾部分布形式的重中之重。那么,估计出了尾指数α便可以得到尾部形式的逼近,即极值事件发生的概率。对尾指数进行估计时,最常用的估计方法是Hill所提出的易于计算且渐近无偏的Hill估计量。但其在小样本时是有偏估计量。而在对尾指数进行估计时,所使用的样本都是小样本,因此直接使用Hill的方法所得到的估计量可能出现较大的偏差。Beirlant等提出了一种在小样本下几乎无偏的尾指数估计方法,但是该方法很复杂且很多有限样本的性质仍不清楚。Huisman等提出了一个修正Hill统计量,该统计量计算简便且在小样本下是无偏的尾指数估计方法。本文利用这种方法对支付流的尾指数进行估计。修正Hill统计量起源于对传统Hill统计量的偏倚的修正。假设有一样本取自于未知的厚尾分布,其次序统计量为0<X(1)≤X(2)≤…≤X(n)。记,Hill统计量为,式中k<κ<n,κ为门限值,具体的确定方法有多种。Dacarognaetal给出了γ(k)的渐近数学期望和渐近方差:。由此可见,Hill估计量的偏倚是k的单调递增函数,而方差却与成正比。所以k的取值关系到估计量无偏性和精确性的权衡问题。然而只要k>0,Hill估计量的偏倚总会存在,只有当样本容量趋于无穷大时,偏倚才趋于0。修正Hill统计量在α=β的假定下,认为γ传统的Hill估计量的偏倚几乎是k的线性函数,γ(k)=β0+β1k+ε(k),k=1,2,…,κ,该模型等价于由于γ(k)的方差随着的变化而变化,因此,该模型具有异方差性,需用WLS方法对模型参数进行估计,其中权矩阵W是对角线元素为(),其余元素为0的对角矩阵,则,那么为γ的修正的Hill估计量,易见,修正的Hill估计量是传统Hill估计量的加权,即对于k=1,2,…,κ:,其中ω(k)也依赖于κ的选取。尾指数α的估计量为。标准正态分布的尾指数α=0,故α>0的均为厚尾型分布,且α越小,尾部越胖;α越大,尾部越瘦。各时段数据的右尾指数估计列于表5。表5历次准备金率调整时段内支付流尾部厚度由表5知,五个时段内的数据均呈现出厚尾现象。相对于准备金率调整前时段,发生准备金率调整后,数据尾部厚度整体有所下降,即数据在尾部所占比重有所降低;比较历次准备金率调整时段,厚尾指数都大于0,且伴随着历次准备金率的调整,尾部指数有所降低,支付流分配在极大值的部分有所降低。这从一个侧面反映出极大支付流发生的可能性有所降低,货币政策调控的有效性略显。而尾指数只是给出了尾部厚度的一个刻画,想要确切的得到极值事件发生的概率还需要做进一步的研究。6数据的关联性和不确定性增强本文基于对我国大额支付系统支付流自2005年7月到2008年7月的数据进行统计特征的研究。通过对中央银行历次准备金率调整时段内数据基本特征的研究,发现调整存款准备金率前支付流的均值和波动都远小于准备金率调整后的均值,且准备金率历次调整之初,支付金额均值与波动均呈单边上升趋势,直到社会流动性有所降低时,银行间支付流金额的均值和波动才有所降低。通过对数据相关性的研究发现,在准备金率历次调整时段内,支付金额序列均拒绝支付流不是相关序列的原假设。这就表明,在各研究时