表現、特點、影響與應對

Posted 2023-01-03 金融

篇首语：少壮不努力，老大徒伤悲。本文由小常识网(cha138.com)小编为大家整理，主要介绍了表現、特點、影響與應對相关的知识，希望对你有一定的参考价值。

本文目录

表現、特點、影響與應對

來源：Chinamoney
內容提要
2019年至今，中國金融資產供需不匹配導致金融機構出現資產荒。對比2015-2016年，兩輪資產荒在經濟運行、貨幣政策、監管導向、資產供給和收益率走勢等方面存在諸多不同。展望後市，本輪資產荒演繹時間大概率延長，各資產收益率短期內維持低位震蕩，商業銀行進入實質性縮表，金融市場進一步面臨「結構性」資產荒局面。最後，本文給出商業銀行的應對建議。
縱觀2019年，國內外經濟增速均有所放緩。2020年初新冠肺炎疫情爆發，且海外疫情愈演愈烈導致市場擔憂轉向總需求萎縮，為原本的金融資產供需不匹配再添一層陰影。
一、本輪資產荒的形成原因
本輪資產荒主要由於資產供給端的實體融資需求萎縮所致，可以將原因分為主動和被動兩類。
主動萎縮：
第一，經濟處於下行通道，企業資本開支意願不足，導致相關資產供給孱弱。2019年我國GDP增速僅6.1%，接近目標區間下沿，經濟下行壓力不減。反映到企業端，工業企業利潤累計同比增速全年為負，企業資本開支意願不足，相關金融資產供給萎縮。
第二，信用違約創新高，疊加同業破剛兌，金融機構主動收縮可投資範圍。市場風險偏好偏低，很多金融機構出於防風險考慮，實行投資名單制管理，主動規避資質較低的金融資產。
被動萎縮：
第一，監管政策不斷趨嚴，地產嚴調控不變，導致相關標準、非標等資產供給減少。2016年至今，多項針對信託、資管、同業等監管文件出台，非標受到更嚴規範。此外，「房住不炒」定力十足，地產嚴調控加速加碼，信託、貸款、境外發債、ABS等全面收緊，相關資產供給減少。數據顯示，2018年至今新增表外融資基本為負，2019年下半年房地產信託資金規模陡降，一定程度表明資產供給減少。
第二，金融供給側結構性改革持續推進，去槓桿壓力加大，舉債能力受限。中央層面，國企通常承擔國家重大項目等基建職能，受制於去槓桿目標，基建融資需求出現一定程度收縮。地方層面，中央要求有效控制地方隱性債務風險，限制舉債能力，但槓桿上升速率仍較快。2019年，隱性債務置換帶來收益率高位下降，更加加重資產荒。
第三，黑天鵝頻飛，衝擊原有資產供給節奏。一是衝擊同業市場：包商事件重新定義同業資產，中小銀行存單發行難度加大。二是衝擊利率債市場：1月份地方債發行前置放量，但疫情導致2月發行環比腰斬，後續利率債發行大概率顯著增加，將徹底打亂原有供給節奏。三是衝擊企業信用：包商事件後，企業再融資能力明顯減弱，且受疫情影響春節後取消發行的信用債規模大增，後續雖有托底政策，但市場風險偏好降溫，恐發債難度增加，打擊企業信心和影響資金鏈。
二、本輪資產荒的表現特徵
第一，出現頻率較高，且持續時間大概率更長。本輪資產荒與上一輪間隔時間較短。另外，通過觀察領先指標，發現國內經濟已於2019年底顯示出一定復甦勢頭，但疫情全球性蔓延使得經濟周期階段性重新向下。因此，本輪資產荒持續的時間可能更長。
第二，銀行業金融機構資產負債表面臨雙重糾結。一方面，根據上市銀行報表測算，存款吸收成本由於各家銀行之間的爭奪加劇而難以下降，甚至出現拐頭向上的走勢特徵。當資產收益率不佳、甚至與負債成本倒掛時，金融機構應選擇主動收縮業務、進行縮表。但是，另一方面，傳統的規模衝動型增長模式短期內難以改變，由於維持規模排名等因素，又倒逼銀行繼續做大。數據顯示，2018年起銀行業金融機構資產增速降至個位數水平，而資產負債表卻依舊呈現擴張態勢，最新資產規模突破290萬億元。
三、與上一輪資產荒的異同
2015-2016年也曾發生過一輪資產荒，通過對比發現，兩輪資產荒並非神形兼似：「形似」在於金融機構明顯感覺優質資產難尋，且負債端出現寬鬆；「神不似」在於上一輪資產荒由負債端引發，表現為過剩的流動性追逐資產。主要有以下幾點不同：
第一，經濟運行環境不同。新冠肺炎疫情等事件性衝擊史無前例，疊加經濟本身處於下行周期，實體融資需求修復難度較大。而上一輪資產荒發生在經濟運行平穩時期，PMI和地產投資等數據觸底反彈標誌著經濟底已過，融資需求開始修復。
第二，貨幣政策態度不同。本輪資產荒下，央行態度表現較為鷹派，貨幣政策被動寬鬆，操作思路堅持結構性和精準滴灌為主。而上一輪資產荒時期由於「穩增長」壓力較大，央行實行總量寬鬆的貨幣政策。
第三，監管政策導向不同。本輪資產荒發生在金融嚴監管不變的背景下，資管新規、理財新規等規範性文件嚴格約束資產投向，非標等資產供給壓縮。而上一輪資產荒則發生在監管環境「友好」時期，金融機構普遍存在做大衝動，例如同業存單發行放量，而銀行理財規模擴張、做大中間收入的衝動也很強。
第四，主要資產利率走勢不一。國債方面，目前無風險利率接近甚至短端低於2016年低點，但由於認可度高仍受到追捧。而上一輪資產荒時期，無風險利率表現平穩甚至在後半期走出強勢單邊上行行情，但利率中樞仍低於目前，金融機構配置壓力較大。信用債方面，2019年中票和城投等級利差基本位於200BP以上高位，表明實體融資難，只能通過高利率增強吸引，但金融機構仍對投資保持謹慎。而上一輪資產荒時期，信用債等級利差處於歷史低位100BP附近，貨幣寬鬆導致金融機構資金湧入市場追逐資產、壓縮利差。銀行理財方面，2019年起，6M理財產品與1Y中票收益率走勢吻合向下。而上一輪資產荒時期，理財和中票收益率出現明顯倒掛，理財成本的剛性迫使金融機構通過加槓桿、久期和信用下沉等放大收益。非標方面，2019年起非標收益率表現較平穩，但供給卻持續壓降。而上一輪資產荒時期，非標呈現「量價齊跌」特徵。
四、本輪資產荒演繹對金融市場的影響
下階段資產荒的演繹，可以分為推力和拉力兩方面。
推力方面（使得資產荒延續的因素）：
一是嚴監管導向延續，對舉債能力形成硬約束。2020年是三大攻堅戰收官之年，預計金融嚴監管的政策導向不變，維持槓桿穩定仍主要原則。非標等資產供給仍維持偏弱格局，央、國企融資意願和能力也受到限制。
二是貨幣政策維持穩健偏松，金融機構負債成本下行。節後，央行累計投放基礎貨幣3.1萬億元，力度明顯加大。展望後市，預計貨幣政策將維持偏松態勢，政策利率會進一步下降，帶動市場利率階梯式慢下。因此，金融機構負債成本有望降低，自然增加對資產投放的需求，加深金融資產供需矛盾。
拉力方面（有望結束資產荒的因素）：
一是「穩增長」意圖更加明顯，基建等融資需求有望回暖。2019年，專項債新政下發和配套融資落地等政策措施均指向基建更多發揮逆周期調節作用。且政策一直鼓勵加大對製造業的信貸支持，2020年新基建有望成為新發力點，相關融資需求改善從而增加資產供給。
二是地產仍是托底經濟的重要力量，調控力度有望邊際弱化。2019年底地產調控有所鬆動，預計未來政策在平穩去房地產化的基礎上全面落實「因城施策」，短期內地產融資端可能會邊際調整，地產相關資產供給增加。
三是積極財政政策更加積極有為，地方政府專項債有望擴容。財稅後續空間體現在：減稅降費力度不減，財政赤字率小幅上調，國債和地方債供給增加。此外，2月中央政治局會議還強調「發揮好政策性金融的作用」，存在發行特別國債的可能。
四是再融資新規呈現利好，定增市場提升吸引力。2月14日，再融資新政落地實施，定增政策的放開有助於為投資者提供優質類固收資產，一定程度上緩解資產荒。
綜上，貨幣偏松實體融資需求偏弱格局大概率延續，政策對沖雖不可忽視，但改善力度有限。本輪資產荒的演繹速度放緩，但延續時間可能拉長。關於資產荒演繹對金融市場的影響，主要有以下幾點判斷：
一是各資產收益率短期維持震蕩、長期打開下行。資金利率在低位波動加劇，資產收益率相應維持低位震蕩；後續政策利率特別是存款基準利率存在下調可能，利率中樞將進一步下降，為其他資產打開繼續下行的空間。此外，資產荒演繹拉長導致安全資產追逐加劇，同時經濟再度恢復到正常下行軌道，更加壓低資產收益率。
二是商業銀行進入實質性縮表階段。資產端，經濟下行通道中社融增速將緩慢下降，主要資產品種供應減緩。負債端，嚴監管繼續限制銀行負債端擴張，且市場流動性分層難言修復，提高部分銀行通過負債端支撐資產端擴張的難度。
三是金融市場更加面臨「結構性」資產荒局面。隨著國債、地方債供給增加，但收益率易下難上，固收資產的配置需求將有所減弱，但對低風險資產的需求依然保持旺盛；而疫情衝擊下交運、零售、傳媒等產業債違約概率恐提升，需關注風險與收益的匹配度。
五、商業銀行應該如何應對
第一，提升商業銀行資產獲取能力。以客戶為中心，不斷鞏固客戶基礎，提高商業銀行產品綜合服務能力。
第二，提升商業銀行定價能力。LPR換錨對商業銀行資產的風險定價能力提出更高要求，還應增強低成本負債能力，並適當增加主動負債比例。
第三，提升商業銀行風險控制能力。一是更加重視流動性風險，及時調整資產負債表，完善流動性管理體系。二是嚴格把控並加強信用風險監測。三是科學研判政策風險，把握宏觀經濟走勢和政策導向。
第四，商業銀行經營發展向「輕資產」、「輕資本」轉型。一是存款吸收樹立「輕規模、重成本」思路。二是同業投資由簡單持有向交易轉型，增強波段操作能力。三是通過資產證券化的方式，騰挪存量資產，釋放資本空間，同時獲得較高收益。
作者：朱瑩瑩，南京銀行金融同業部

它們的關係與應用

轉自：量子認知
哲學園鳴謝
在上篇文章里我們介紹了模糊邏輯：研究人的大腦認知思維形式的邏輯科學。有人可能會問，傳統邏輯、模糊邏輯與量子邏輯是什麼樣的基本關係呢？這是一個頗為有趣的問題。具體深入地討論這個問題，這需要傳統邏輯數學、模糊邏輯數學與量子邏輯數學的邏輯方程式的論證與闡述。這裡，我們盡量用通俗的語言來簡單介紹這三者之間的基本關係。
要簡單解釋這三者之間的基本關係，自然首先需要了解這傳統邏輯的基本規律及與模糊邏輯與量子邏輯最基本的不同點。傳統邏輯具有如下的基本規律：
傳統比特製：通常用兩個不同的符號，如0和1來表示。當代計算機及其附屬設備都用傳統比特製。每個數字稱為一個比特（二進位位）。邏輯數學表達式為：V(P) ∈ 。交換律：意指能改變某對象的順序而不改變其最終結果。邏輯數學邏輯表達式為：P ∩ Q ≡ Q ∩ P，P ∪ Q ≡ Q ∪ P。分配律：意指兩個對象先行相加運算再與第3個對象做卷和（或積）的運算，其結果等於這兩個對象分別與第3個對象先做卷和（或積）的運算後再相加。邏輯數學表達式為：P ∩ (Q ∪ R) ≡ (P ∩ Q) ∪ (P ∩ R)，P ∪ (Q ∩ R) ≡ (P ∪ Q) ∩ (P ∪ R)。排中律：意指任何命題的陳述必須要麼是真要麼是假。邏輯數學表達式為：V(P ∪ P) = 1。無矛盾律：又稱不矛盾律。意指任一命題不能既是真又是不真。邏輯數學表達式為：V((P ∩ P)) = 1，或者 V(P ∩ P) = 0。
量子邏輯是關於量子理論研究中涉及的命題、推理等問題的邏輯。美國數學家貝霍夫（Birkoff）和量子力學家馮·諾曼（von Neumann）於1936年在《量子力學的邏輯》一文中，最早提出量子邏輯，所以也稱為貝霍夫-馮諾曼（簡稱B-vN）量子邏輯。
該量子邏輯理論認為：由於量子物理中的運算元代數是非傳統邏輯代數，即非布爾代數特徵的，因而傳統邏輯不能用於量子物理理論。該量子邏輯的邏輯結構是比特製的，但是不遵從傳統邏輯的交換律與分配律。
波蘭數學家加熱斯洛-皮卡茨（Jaroslaw Pykacz）應用模糊邏輯的模糊集概念，提出模糊量子邏輯，邏輯值或為有限或為無限：V(P) ∈ [0
1]，與量子力學的概率解釋相聯繫。
基於模糊集的運算，模糊量子邏輯有兩種類型。一種是由數理邏輯學家盧特菲·澤德（Lotfi Zadeh）提出的模糊量子邏輯，一種是由若濱·傑爾斯（Robin Giles）提出的模糊量子邏輯。
澤德的模糊量子邏輯採用標準的模糊集運算：補集：V(P『) = 1 V(P)；交集：V(P ∩ Q) = min[V(P)
V(Q)]；並集：V(P ∪ Q) = max[V(P)
V(Q)]。傑爾斯的模糊量子邏輯採用不同的模糊集運算：補集：V(P『) = 1 V(P)；交集：V(P ∩ Q) = max[V(P) V(Q) 1
0]；並集：V(P ∪ Q) = min[V(P) V(Q)
1]。
我們用下面的表來比較上面幾種不同的邏輯理論：
從應用方面來講，基於傳統邏輯基礎上的認知科學在過去相當長的時期里對人的認知的分析起到過重要的作用。同時，建立在傳統邏輯基礎上的傳統計算原理及計算機，在模擬人的認知的人工智慧領域發揮巨大的作用。但是，認知科學與人工智慧的基礎研究，近年來遇上了發展的瓶頸。
我們許多人都知道，近年來報考或從事認知科學研究的越來越少，人工智慧的認知智能水平，如模擬人的感情、情緒、語境及其糾纏等，只能相當於一個小孩子的認知水平。為什麼？其根本原因在於是建立在傳統邏輯基礎上及其傳統的計算機原理之上。
目前模糊邏輯廣泛地應用於自動控制與人工智慧領域，發揮重要的作用。對於模擬人的認知智能，模糊邏輯比傳統邏輯效果較好。但是，模糊邏輯基本上也是建立在傳統邏輯基礎上的傳統計算機原理，與傳統邏輯的基本不同是建立在多值邏輯基礎上。所以，模擬人的認知智能水平相當有限。
認知科學與人工智慧的進一步發展需要走與量子數學邏輯相結合的道路，量子邏輯具有不可替代的認知模型的優勢。傳統的邏輯理論過於嚴格與簡單，無法完全描述人類的認知。
可以相信，在不久的將來，當量子計算機從實驗室里走出來踏上實際運用的征途時，將會有助於使認知科學與人工智慧的基礎研究走出困境、煥發青春、更上一樓，將對人的認知與智能的研究與探索發揮難以估量的重要作用。