编者按
陈雨露、马勇编著的《大金融论纲》从一个长期视角全面地审视了全球范围内金融体系发展的历史规律和演变趋势，构建了“大金融”命题下的现代金融体系发展理论。《IMI财经观察》将于每周二连续刊登《大金融论纲》节选系列文章，以飨读者。
在一国经济发展和金融体系兴衰变迁的过程中，一个令人瞩目的现象是：金融危机发生后，一些国家很快抑制住了危机扩散的趋势，并在短时间内重返了金融稳定和经济高增长的路径；而另外一些国家则在危机面前显得软弱无力，最终陷入了金融体系低效和经济增长停滞的双重陷阱。历史经验表明，危机应对能力的强弱对一国金融体系的长期稳定高效运行具有重要影响。
事实上，在经济发展的长期进程中，经历或大或小的金融危机或各种典型的金融不稳定事件几乎是一个必然的现象。无论是老牌的经济发达国家（如美国、英国、欧洲国家），还是后起的新兴市场经济体（如东亚和拉美国家），概莫能外。然而，只有那些能够成功抵御金融危机并有效应对各种金融不稳定事件的国家，才能确保其金融发展和经济增长的长期趋势不出现长时间中断，也才能在长期中保持并增强其金融体系的效率性和稳定性。
以下片段节选于《金融危机的防范和处置：预警机制与处置措施》一节。
以下是节选全文：
“
4.5.1金融危机可以被预测吗？
随着金融危机理论的发展，旨在检验这些理论的实证研究也逐渐展开，其中广受关注的一项工作就是试图通过实证建模来预测金融危机的发生（概率）。从既有文献来看，预测货币危机的模型包括Sachs, Tornell & Velasco（1996）、Kaminsky, Lizondo & Reinhart（1998）和Frankel & Rose（1996）的模型，预测银行危机的如Demirguc-Kunt & Detragiache（1998）的模型，这些模型均产生于1997年东亚危机之前。显而易见，如果可以通过一定的监测程序和指标分析提前预知金融危机的发生情况，那么，危机在很大程度上就可以通过提前处置措施而避免。但是，摆在研究人员面前的第一个问题便是：金融危机真的可以被预测吗？
按照传统的有效市场假设，股票价格符合随机游走，因而是不可预测的，那么，顺理成章的是，货币危机也将是无法预测的。试想，如果有谁发明了一种预测货币危机的方法，那么，危机将提前爆发且波动幅度也将大大降低，因为一旦这种预测方法为大家所知晓，危机在被观察到的那一瞬间，预测者和危机之间的关系就消失了。但上述逻辑也并非没有争议，一个重要的问题在于，预测者事实上并不是预测“预期收益率（expected return）”而是“波动性（volatility）”。按照有效市场假设，虽然预期收益率是不可预测的，但一个较大变化发生的概率（即波动性）却可能被预测，比如，ARCH模型就是建立在资产市场的收益波动性可以被系统地预测这一假定基础上（Furman & Stiglitz，1998）。
为了检验金融危机模型是否具有事前的预测能力，Furman & Stiglitz（1998）验证了Frankel & Rose（1996）模型对东亚金融危机的适用性。Frankel & Rose模型将货币危机视作若干宏观经济和金融变量的函数，其纳入模型的重要解释变量包括：低的外国直接投资与总债务比、低的储备与进口比、高的国内信贷增长、低的GDP增长率以及高的外国利率水平。根据Frankel & Rose对货币危机的定义，1980-1996年间104个样本国家的货币危机发生率为7%。根据Frankel & Rose模型设定，Furman & Stiglitz计算了相关国家发生货币危机的预测概率，如表4-21所示：
在表4-21中的每一项，国家按照最高概率到最低概率排序，其中黑体字代表按照Frankel & Rose模型定义遭受货币危机的国家。危机的无条件概率是7%，而东亚国家1997年的模型预测危机概率分别为：菲律宾6.1%，泰国5.8%、马来西亚4.8%、印尼4.5%。显而易见，在预测1997东亚危机方面，Frankel & Rose模型是缺乏效力的。作为使用宏观经济变量建立危机预测模型的代表，Frankel & Rose模型在预测准确性方面的乏善可陈，从一个侧面说明了如下事实：大部分以历史关系为基础，试图在宏观变量、资本流动数据和货币危机之间建立预测关系的模型都无法预测东亚危机——事实上，在东亚危机爆发前，这些国家的经济指标也并不令人担心（Furman & Stiglitz，1998）。
如果说在东亚危机的预测方面，以Frankel & Rose模型为代表的货币危机预测模型并不成功，那么，以Demirguc-Kunt & Detragiache（1998）模型为代表的银行危机预测模型是否成功呢？和Frankel & Rose一样，银行危机预测模型往往也是使用一个有限的因变量框架，并通过Logit模型加以估计，而银行危机则被看作是某些标准宏观经济、金融变量以及执法质量指标的函数。在银行危机模型中，被认为对预测危机最为重要的因素包括：宏观经济因素（低的GDP增长率和高的通货膨胀）、高的实际利率水平、资本外流的脆弱性、国内金融自由化以及执法效率的低下。这其中的某些因素，如高的实际利率、国内金融自由化和资本外流的脆弱性，确实出现在了东亚金融危机中，但很多其它因素却与模型的预测明显背离，比如：依然强劲的经济增长、低的通货膨胀水平以及“国际国家风险指南”（International Country Risk Guide）评出的值得称道的执法效率。
在Demirguc-Kunt & Detragiache模型中，银行危机的无条件概率是4.7%。在接下来的一篇文章中，作者进一步将此模型应用于评估1997年亚洲金融危机，所得的危机概率如表4-22所示：
从表4-22可以看出，和Frankel & Rose模型一样，每个预测的概率值均低于危机的无条件概率（4.7%）。这意味着，对东亚危机而言，每20年发生一次危机的简单预测都将强于利用这些数据和模型的预测。如此看来，Demirguc-Kunt & Detragiache模型在预测银行危机方面也是不甚成功的。
除东亚危机之外，在本轮全球金融危机之前，包括美联储的FRB/US模型，以及金融业常用的资本资产定价模型（CAPM）、布莱克-斯克尔斯期权定价模型（Black Scholes Option Pricing Model）和风险价值（VAR）模型等在内的主流经济学模型，也都未能发出及时的危机预警信息。其中一个典型例子是，在2007年8月美联储堪萨斯城“杰克逊霍尔夏季年会”上，米什金发表的FRB/US模型模拟结果与后来的事实大相径庭。当时，米什金宣布：如果美联储“过激地”将联邦基金利率下调1个百分点，即使房价在未来2年下降20%，经济下滑也只会使GDP增速下降0.25%，失业率上升0.1个百分点，因此中央银行将有足够的政策工具把损失保持在“可控水平”之内。但后来的实际情况却是：联邦基金利率从当时的5%下调到了2010年的1月的0.11%，而失业率却从当时的4%上升到2009 年底的10%，实际GDP 的增速（按2005年美元计算）从2007年的2.1%分别下降到2008和2009年的0.4%和-2.4%。
总体来看，若以能否准确预测危机作为衡量标准，现有经济学模型的表现确实都不尽如人意，但一些学者还是坚持认为，危机在理论上并非总是不能被预测。对于这一问题，本质的方法论问题将取决于以下价值判断：从更一般的意义上看，如果我们认为金融危机的种类纷繁复杂并且每次都具有不同的原因和结果，那么，建立在历史指标上的实证模型在预测危机方面就将是苍白无力的；反之，如果我们认为历史在某种情况下会重演，而金融危机也并不总是以全新面目登场，那么，实证模型在预测危机方面就将有所作为。
“
4.5.2金融危机的防范：预警机制及其信息基础
暂且不论实证模型究竟能否准确预测金融危机的发生，但有一点至少是明确的：从实践的角度而言，预测本身不是目标，预测的实际意义在于防范——一旦监测手段发出了预警信号，那么，政策当局就应该在危机爆发前采取及时、适当的措施，以阻止危机的发生、减缓危机发生的时间或者减轻危机的危害程度。
虽然迄今为止，尚未找到一个能够准确监测金融稳定（金融危机）程度的、具有很强适应能力和准确度的模型或者评估系统，但是旨在动态监测金融健全状况的相关机制必须提前运作——这里，一个最简单的逻辑是，金融危机所带来的成本是如此之大和难以接受，以至于政策当局宁愿容忍监测系统过于审慎带来的某些误报（比如高估了金融危机的发生概率），也不能放任金融危机在失去监测的情况下以其熟悉的面貌再次出现而无能为力。在更为精确的监测系统建立起来之前，基于审慎原则建立起来的评估体系可能会加大这一监测过程的成本，但在能摧毁国民经济甚至造成社会动荡的金融危机面前，这些成本似乎可以带来足够的“正外部性”收益。无论如何，金融监管的首要目标是稳定，因此，当预警系统发出警报时，考虑问题的出发点不是去怀疑“金融危机是否会发生、监测系统是否发生了误报”，而是一旦监测系统发出了预警，必须立刻采取措施防范可能的金融危机。
既然建立危机预警系统是重要的，那么，下一个问题自然是：通过何种技术处理能够相对更好地使金融稳定状况得到动态监测？虽然就统计模型实现过程的设定仍有进一步讨论的余地，但我们更关注另一个更为基本的问题，即：哪些指标应该被纳入监测模型中？虽然在4.5.1节中，我们看到，诸多的监测指标都远非适用一切情况的“万能钥匙”，但有一点是毋庸置疑的，即：在金融危机过程中，的确存在着某些具有普遍性的典型化事实，而这些典型化事实构成了指标选择的一个基本参照系。对此，Furman & Stiglitz（1998）亦指出：
“金融危机并非是严格的外生性质；在很多情况下，减速本身或者导致减速的相关因素，往往在金融危机中扮演着推波助澜的角色。但毫无疑问的是，金融危机的一些典型特征，包括汇率超调、外资撤离、难以为继的短期外债、国内信贷困境以及脱媒进程，仍然是非常重要的。”
Lamfalussy（2002）曾对拉美（1982-1983年）、墨西哥（1994-1995年）、俄罗斯（1988年）和东亚（1997-1998年）发生金融危机前的共性进行了总结，发现危机发生国的共性是存在危机发生前资金大量流入和钉住汇率的现象；在国内宏观经济政策取向和国内信贷扩张方面，虽未达成共识，但如果包括外部资金来源的信贷扩张，那么信贷扩张过快也是四次危机前的共同特征；而是否存在资金大量流出、经常项目是否出现逆差，则并不足以在危机前作为时间缓冲的预警指标。鲁政委（2008）在Lamfalussy（2002）总结的基础上纳入了对国际环境（货币中心国政策变化）的关注，发现四次危机前几乎都出现了美国联邦基金利率的提高和美元汇率反弹的情况。具体见表4-23。
应该指出，虽然目前关于金融危机（稳定）预警指标的研究已经层出不穷，但实证研究在哪些指标应该成为核心指标方面仍然争论不休——不同的研究样本、研究方法和对实证结果的不同解读都有可能得出不同的结论。相比之下，宏观经济的不平衡、外债结构的不合理、国际收支状况的恶化、信贷扩张的加速、资产价格的泡沫化、金融监管的弱化、汇率制度的僵化和宏观经济政策的失当，在众多经济学者的预警指标中占据了显著位置。
从易于进行量化处理的角度而言，IMF的金融健全指标具有一定代表性。IMF金融健全指标共39项，按指标的重要性及资料取得的容易程度，分为核心组（core set）及建议组（encouraged set）两类（表4-24）。核心指标共12项，主要为与金融稳定直接相关的存款机构的各项财务比率，其资料易于取得，适用性强且较易为外界所了解，故列为核心组，此类指标主要来自金融监管统计资料；建议指标共27项，包括存款机构、其它金融机构、非金融企业部门、家庭部门、市场流动性及不动产市场等6类，因数据搜集的成本较高，故目前仅采用与金融机构较密切的指标，未来将视各国经验及金融环境随时增补和修订。
应该指出，上述IMF的金融健全指标主要局限于各种基础财务数据，虽然易于获取和监测，但之前我们提及的诸多内容和典型化事实尚未在指标中得到确切反映。当然，针对诸如宏观经济平衡、信贷扩张、资产价格、金融监管、汇率制度和宏观经济政策等的指标编制和数据评估存在一定难度，但在一个更为审慎的金融危机预警机制框架中，这些内容必须给与足够的考虑。实际上，根据我们前面对金融危机的实证分析，对金融危机诱因的全面评价需要一个多维的视角——虽然经济因素确实在金融危机的发生过程中扮演着重要角色，但诸如政治、制度和监管等非经济因素同样是重要而不能忽略的。
值得注意的是，虽然金融危机的诱发机制存在某些共同特征，但不可否认的是，20世纪70年代以来，随着金融自由化、国际化进程的不断深入，金融危机被赋予了一些新的特征。由于传统的经济理论从外部宏观经济角度来解释金融危机发生的原因越来越缺乏说服力，在这种情况下，未来金融危机预警机制的建立将给与金融内生层面更多的关注。从内生的角度来解释新形势下的金融危机并以此为基础建立相应的预警体系，需要对金融体系尤其是银行部门的脆弱性进行动态监测。在金融脆弱性指标的选择上，Kaminsky & Reinhart（1996）和Demirg-Kunt & Detragiache（1997）的研究较具有代表性，他们认为下列指标可以反映金融部门正趋于脆弱：短期债务与外汇储备比例失调，巨额经常项目逆差，高利率，预算赤字大，资本流入中的短期资本比例过高，汇率定值过高，货币供应量迅速增加，通货膨胀在10个月内的平均水平高于历史平均水平8%以上，M2对官方储备比率连续12个月的上升后急速下降。
除上述基于典型事实和重要经济数据建立的监测模型外，根据“大金融”命题的基本思想，宏微观数据的有效结合应该成为未来金融稳定分析的重要手段。在这一过程中，随着大量微观基础数据的纳入，特别是随着金融市场交易数据量的激增，传统的基于典型数据的同质性结构分析模式将逐渐向具有多源异构性、动态性以及非结构化特征的大数据（big data）分析模式过渡。
所谓“大数据”，一般是指PB级别及其以上规模的数据，通常具有所谓“3V特征”，即：规模大（Volume）、类型多（Variety）、变化快（Velocity）。但大数据问题的深层本质却在于其区别于传统自然科学数据的特点，即社会性、异质性、实时性、交互性、突发性和高噪声等，不但非结构化数据多，而且大量数据都是随机动态产生。这些特征使得社会科学的大数据分析比科学实验的数据分析更加困难。事实上，从人类认知的角度来看，对于简单的封闭系统，基于小数据的传统因果分析相对容易做到，而对于大型复杂的开放型系统，传统的简单因果分析模型则往往难以奏效，因为彼此关联的交互性关系模式使得潜在的因果关系机制可能隐藏于整个动态脑网络系统的深层结构之中。发现无尺度网络的阿尔伯特（Albert-László Barabási）教授认为：21世纪的网络理论则正在构建一个新的理论和算法框架，并有望成为20世纪量子力学的后继。
作为信息技术演化的最新产物，大数据将成为未来高信息化时代人类社会、物理世界和信息空间的重要联系纽带，并且有望第一次在人（人类社会）、机（计算机空间）、物（物理世界）之间建立起具有统一数据格式的“三元合一”的信息系统。事实上，物理世界和人类社会在信息空间中都有其数据映像，在过去自然科学的巨大发展进程中，人类对物理世界的规律认识已经取得了长足进步，但对人类社会自身的认识却相当有限，而大数据分析模式则为我们提供了一条新的认识路径。正是基于大数据在改善人类自身认知方面的巨大潜力，近年来，大数据已经成为经济和科技界关注的热点。美国政府甚至认为大数据是“未来的新石油”，并于2012年3月29日宣布了“大数据研究与发展计划”，初始启动经费2亿美元，其重要性堪比当年的“信息高速公路计划”，这标志着大数据在一定程度上已经上升至国家战略层面。
从大数据在经济分析尤其是金融稳定分析与监测方面的应用前景来看，由于金融体系是整个经济中数据信息最密集、频率最高、数量最大、增速最快、动态性最强的领域，这使得大数据分析在金融体系关联信息的获取方面具有巨大的潜力和重要的应用价值。同时，与传统的逻辑推理研究不同，大数据研究是对数量巨大的数据做统计性的搜索、比较、聚类和分类等分析归纳，因此继承了统计科学的一些特点，这使得相关性分析在大数据分析中占据重要位置。相关分析的目的是找出数据集里隐藏的相互关系网（关联网），一般用支持度、可信度和兴趣度等参数反映相关性（李国杰，2012）。由于大数据背后的共性问题是关系网络，因此，基于动态化信息的各种网络分析将成为大数据分析范式下新的信息来源。从经济和金融学的角度来看，基于大数据的网络分析不仅为建立宏微观数据之间的关联提供了一种可能的路径，而且有助于对网络条件下的金融运行规律进行深层挖掘，而动态网络型的金融传导机制恰恰是“大金融”命题下联结微观行为基础和宏观经济表现的核心机制。
除了宏微观数据的系统整合以及网络型的信息传导机制直接与“大金融”命题的核心要点相关以外，大数据分析立足数据整体研究复杂系统的方法也与“大金融”命题强调从整体上理解金融体系的方法论原则相契合。从理论上看，过去几个世纪主宰科学研究的方法一直是“还原论”，即通过将世界万物不断分解至最小的单元来解构复杂系统，从而建立起单个节点和链接的理论。这种方法虽然对个体事物的了解越来越多，但同时也离整体的理解越来越远，经济学上常见的“合成谬误”问题在本质上也是这种解构方法论范式的产物。较之“还原论”，基于大数据的网络理论则反其道而行之，即通过重新组装相关节点和链接，使我们再次获得关于整体的一般性认识。实际上，信息网络的不少参数和性质，如平均路径长度、度分布、聚集系数、核数和介数等，都可以直接或间接地应用到金融相关分析中。此外，大数据研究还可以与金融体系运行之后的经济学、社会学、心理学机制相结合，从而获得对整体金融系统的更为全面和深刻的认识。
总体来看，作为继理论、实验和计算机模拟之后的第四种科学发现基础（“第四范式”），大数据研究有望成为获取金融信息的新源泉。特别是，由于目前的数理模型和基于小规模数据的实证分析已经显示出了极大的局限性，这使得不依赖特定理论和模型的大数据分析有望在传统经济学分析无法触及的领域形成一些新的知识来源。就金融稳定分析和系统性风险监测而言，大数据研究一方面可以为金融理论提供重要的实证补充，另一方面可以为金融体系的风险管理提供新的支撑。从实践来看，通过将传统的基于典型事实的模型（实证）分析和基于巨量信息的大数据分析相结合，可以为未来的金融稳定机制奠定更为全面的信息基础。
尽管从目前的情况来看，大数据研究在金融稳定和金融相关领域的运用还有很多基础性的工作需要完成，但无论如何，获得巨量数据和处理这些数据的统计工具的可能性确实为我们提供了一个从整体上理解金融体系的新途径。根据高德纳（Gartner）公司新发布的2012年技术超周期图（图4-12），大数据和极大规模信息的处理与管理目前正处于技术诱发期，进入主流应用预计还需要2~5年时间，如何抓住这一契机，推动大数据研究在金融稳定分析及相关领域的运用，将是摆在理论学者和金融政策当局面前的一个现实课题。
“
4.5.3金融危机的处置：程序与方法
在上一节中，我们重点说明了为防范可能的金融危机而建立预警机制的重要性和基本思路。实际上，如果将金融危机的防范置于整个金融稳定框架中加以考察，它只是整个稳定架构的一部分，即当金融运行尚处于安全状态时，通过对包括总体经济形势、金融市场、金融机构和金融基础设施等在内的金融运行状态进行监控与分析，保持对金融稳定状态的动态评估。如果评估的结果是尚处于“稳定状态”，那么此时的应对策略是常规性的预防措施；一旦评估结果得出了“接近不稳定状态”或者“处于不稳定状态”的结论，那么，针对金融危机的纠正措施和清理处置方案就应该立即启动。根据IMF，“金融稳定”是指金融体系有能力：（1）有效率地在不同经济活动及不同期间分配资源；（2）评估及管理金融风险；（3）承受不利冲击。在此定义下，完整的金融稳定架构应包括：监控与分析影响金融稳定的风险因子、评估金融稳定现况及风险承受能力、采取应对措施。维护金融稳定的一个基本架构可由图4-13加以描述。
一般而言，一旦金融处于不稳定状态或者金融危机已经发生，就会涉及到大量问题金融机构的处置问题。在这种情况下，对问题金融机构进行及时处置有助于降低危机的危害程度。尽管快速处置计划可能会因为关闭了问题银行及其缺乏清偿能力的借款人而导致更大程度的短期经济下滑，但如果银行体系的正常运转得到及早恢复，长期的经济表现将更为优越（Hoggarth，2003）。案例研究也表明，对问题金融机构进行及时干预有助于降低干预成本和提高效率（OECD，2002）。Dziobek & Pazarbasioglu（1997）发现，在包含24次系统性危机的样本中，在恢复银行体系的功能和融资角色方面，较为成功的国家往往在问题出现后一年内就采取了行动。在某些情况下，如果稍稍延迟对金融机构重组的时间，可能会给经济提供持续的信贷并能收集关于金融机构财务状况的信息以便制定更为完善的策略，但如果此过程导致了金融机构的状况进一步恶化，最终的处置成本将会增加。这里，还存在另一种潜在的道德风险：问题金融机构可能采取过度冒险策略“一搏”——如果侥幸成功，金融机构将度过难关；如果未能成功，只不过增加了其他人的损失。美国20世纪80年代的储贷危机，在一定程度上就暴露出了上述道德风险（FDIC，1997）。
对于问题金融机构（银行）而言，具体的处置方案从资本注入到直接清算不一而足。一般而言，当金融机构遭遇财务危机时，应首先鼓励私人部门处置方案（private sector solution）。当无援助的私人部门处置方案无法实现时，下一步的措施是在以下方案中二择其一：要么对银行进行清算，要么提供某种形式的政府援助（如图4-14）。在某些特别的情况下，尤其是当系统性威胁出现时，作为一种过度策略，政府可能会考虑对问题银行进行接管或担保。
在银行状态未变（bank status unchanged）的情况下，对于那些缺乏流动性但基本面尚属正常的银行而言，央行的“最后贷款人”（LOLR）机制可能启动，但必须有相应的措施确保最后贷款人机制是“限时和限条件”（time-limited and conditional）的，以防止中央银行遭受损失（Gorge，1994）。如果政府不以接管或者完全清除现有股东资本的形式向问题金融机构提供财务援助，那么，未关闭银行援助方案（Open Bank Assistance，OBA）可能启动。所谓“未关闭银行援助”方案，是指对继续营运尚未关闭的问题银行提供必要的援助，即对机构实施包括贷款、捐助、存款、购买资产或承接负债等在内的财务援助，并创造条件和机会使该机构尽快恢复生存能力或者使该机构资产能够尽快有效地由私人部门接手处理。
如果银行状态已经发生了改变（bank status changed），那么，问题银行的处置常常伴随着“有援助的兼并或收购”（assisted merger or acquisition），而有援助的兼并有时候是通过购买与承接（P&A）方式实现的。所谓“有援助的购买与承接”（assisted P&A），是指兼并方在购买资产的同时承担破产银行的全部或部分负债，而差额则由处置当局（resolution authority）补偿。当非常大型的银行发生倒闭时，政府可能以国有化的方式直接接管银行；如果政府不直接采取国有化方案，可能采取另一种临时接管的策略——过桥银行（bridge bank）。过桥银行方案通过暂时取得问题银行的所有权而为下一步的重组或者出售创造条件。在很多工业化国家，比如芬兰和瑞典，当系统性的金融危机出现时，过桥银行方案常常被政府采用。
在上述各种关于问题金融机构的处置方案中，相关各方（股东、经理、债权人、雇员）的损失承担情况可由表4-25简单加以总结：
在处置问题金融机构之前，进行损失估计是整个处置过程的关键步骤之一。如果在决定实施干预前，监管者无法观察到银行的财务报表，那么不对称信息下的最优决策问题就出现了。在这种情况下，Tannka & Hoggarth（2006）建立了一个动态模型，用以评估当监管当局无法事先确定银行的财务状况（如不良贷款水平）时，各种政策选择在问题银行处置中的事前和事后含义（ex-ante and ex-post implications）。结果表明，在信息不对称情况下，政策选择的理想程序应由图4-15所示的决策树加以决定。
关于问题金融机构的救助，还存在另一个问题，即当危机发生时，究竟应该由谁提供流动性支持以及以何种方式提供流动性支持。对此，Repullo（2000）模型表明：对于（相对于银行资产规模）较小的流动性冲击，应由中央银行充当最后贷款人角色；而对于较大规模的流动性冲击，应由存款保险机构负责提供最后贷款。此外，中央银行应对规模较小的贷款收取（未经风险调整的）市场利率，且贷款利率随着中央银行贷款规模的增加而提高；对于存款保险者而言，贷款应收取惩罚性利率。当金融动荡主要以小规模的流动性冲击为主时，为了避免监管成本的重复，应由中央银行负责监管职能；而一旦发生大规模的流动性冲击，中央银行将全部监管信息与存款保险者共享就是必要的。在Repullo模型的基础上，Kahn & Santos（2001）从监管机构之间竞争的角度出发，得出了一个和Repullo（2000）模型类似的结论，即小额的流动性短缺应由中央银行来处理，而大额的流动性短缺应由存款保险机构来负责，因为银行破产成本对这两个管制机构而言是不一样的。
编辑 叶梦芊 沈桓玉
关于我们
We only share the most valuable financial insights.