正确的提示信息

扫码打开虎嗅APP

从思考到创造
打开APP
搜索历史
删除
完成
全部删除
热搜词
2020-05-13 18:01

摩根大通银行前董事总经理:我经历的四次“黑天鹅”

本文作者:馨金融,题图来自:视觉中国


截止到4月底,A 股 36 家上市银行全部完成一季报披露,结果大大超出市场预期的。


数据显示,一季度,36 家上市银行实现资产总额 198.42 万亿元,同比增长 5.51%;实现营业收入 1.42 万亿元,同比增长 7.2%;实现归母净利润 4892 亿元,同比增长 5.5%;整体不良率 1.43%,较年初持平;拨备覆盖率 208%,较年初提升 6 个百分点。 


尽管以上指标的同比增速都较上一年有所放缓,但一系列调控手段的释放和银行过去几年在线上化、数字化方面的投入已然奏效,实际情况似乎并没有预想中那么糟糕,这是一个不错的信号。


不过,如果从整个银行业的发展来看,疫情带来的冲击并不会止于一季度而已,其更隐晦但也更深远的影响,可能在于对行业“游戏规则”的颠覆。事实上,如果放眼看看全球的银行业,大家都面临同样的挑战。


前几天,我听了一个线上分享——《美国金融危机背景下的中国启示录》,主讲人是睿智科技首席战略官林晴。他曾供职于摩根大通银行,任董事总经理;而在更早之前,林晴在美国运通公司工作了19年,曾担任授首席信贷管和信贷策略委员会主席。


林晴分享了过去近30年的海外银行工作经历,其中遭遇过三次金融危机(经济周期):1991年海湾战争带来的经济周期,21世纪初的高科技泡沫,以及2008年次贷危机带来的大衰退。此次疫情,是他职业生涯第四次面对这样的经济“黑天鹅”。


事后看来,每一次危机的出现,都不同程度地推动了银行业的巨大变革,无论是从银行的风险理念转变、技术模型迭代,还是更广泛意义上的监管规则、市场环境等。谁能够穿越周期、转危为机才能成为最终的王者。


此外,林晴分享了摩根大通银行在风控方面的一些策略和经验,作为目前全球市值最高的银行(3000亿美元左右),摩根大通银行过去几年的业绩表现在银行业一骑绝尘。其中,2019年零售与社区银行业务实现营业收入超过550亿美元,实现净利润166亿美元,ROE高达31%,仅这个成绩便足以令同业侧目。


更难得的是,摩根大通近年来一直积极地布局金融科技,谋求自身的创新迭代。敢于变化以适应新的环境,并始终保持敏捷的反应,这或许才是它得以历经时代变革和经济周期波动而屹立不倒的根源。


以下内容来自林晴的线上分享,馨金融对内容做了部分摘编,以飨读者。


CRO坐在“火山口”上


我们先来回顾一下美国2008~2009年金融危机和大衰退的一些情况,这是我亲身经历过的第3个经济周期。除了当前的全球疫情所带来的危机之外,这个周期也是我感触最深的。


我们先拿一组数据来描述一下金融危机引发的经济大衰退。


美国失业率从5%上升到10%。2009年2月,超过32万人因为公司遣散而失业。从2005年到2009年间,有超过300万间房产因为房贷违约被银行收回,美国GDP从2007年到2009年下降了4.3%,2007年美国到均指数下降了50%,并在历史上首次跌破了1万点。标准普尔指数也下降了57.8%。



这些数据都表明了10多年前的金融危机让美国的经济受到了重创。我们是先有金融危机,然后是经济衰退,经济衰退一定伴随着有失业,我们再来看看失业率。


严格定义上的经济衰退是从2008年年初开始,失业率从当年下半年开始以惊人的速度增长,在2009年10月份达到历史最高点,超过10%,因为经济遭受重创,失业率经历了一个非常缓慢的恢复过程,在经济危机发生10年后才逐渐回到原点。


不过这还没有反映全部情况,就是employment,有很多人从全职工作转成了兼职工作,也有很多人降薪求职,整个就业市场是长期低迷的,这对银行有什么影响?


2008~2009年的金融危机大衰退,给消费信贷带来极大的损失,远远比先前的几个经济周期要大。 


注:蓝色部分为信用卡、黄色部分为其他贷款,绿色部分为房贷


信用卡是无抵押信贷,风险高、波动性大,核销率从3%飙升到近11%,当时作为CRO真有坐在火山口上的感觉,整天被烈焰熏烤,还不知道熔浆何时从你脚底下爆发。


房贷一直是最安全的资产,违约率低,而且还有抵押,可以看到先前几乎没有损失,也不受经济周期的影响。房贷是一个巨大的市场,引起华尔街一大批人关注房贷的资产证券化,但是没有人注重信贷风险,他们主要关注的还是提前还款带来的利息问题。


图中绿色曲线所代表的房贷从次贷危机开始,还贷的核销率,就像一马平川的平地上,突然起了一座大山,规模体量之大,以前是无法想象。


在这种的背景下,银行发生了什么?


大量的银行倒闭了,我们看到2009年有148家银行倒闭,2010年是154家,2011一年是92家,这其中大量是小银行,小银行资本薄、资金成本高、客群集中、风险容量小,在经济周期中出现问题当然非常自然。 



反观中国,现在有很多中小银行和消费信贷公司,此前,监管已经清理了一大批不合规的P2P平台。


当经济周期的大浪袭来的时候,小银行面对的风险有多少?其中的多少会被背后的股东吸收?还有多少能胜者为王?这是一个非常有意思的课题。


“压力测试”与“风控胃口”


美国金融危机发生后,我们面临的最大问题是如何来防止危机的再度发生。


首先是著名的《华尔街改革和消费者保护法案》,堪称自美国20世纪30年代罗斯福新政之后,最全面最严厉的金融改革法案,于2010年7月21日,由当时的美国总统奥巴马签署生效。



关于此法案有几个有趣的数据,这个法案本身有848页之多,这还不包括他要求其他几十个政府机构、监管机构,必须制定和更新的各类金融法。


到2014年,根据法案实施的监管条例,就有近3万条之多,远远超过了任何同时通过的其他法案,该法案的中心内容是加强监管,包括增加新的监管机构和职务,加强金融稳定,加强华尔街的透明度和责任,提高美联储的监管能力等等。 


其中,资本充足压力测试就成了监管的重头戏。但什么是压力测试?什么是资本充足?这和风险有什么关系?


先解释一下概念,以房贷为例,如果我们想买100万元的房子,要出30万元作为首付,然后找银行贷款70万。房子交割以后,我们欠银行70万,30万就是我们的资本,我们当然希望房子涨价,当未来房价跌落,就是风险。 



如果房价跌到比银行的贷款还低,就资不抵债,理论上已经破产了。而首付越高,就越不容易破产。


这个道理大家都明白,现在我们说银行。银行最基本的业务是拿客户存款,放贷给其他客户,信贷是有坏账损失的风险,但银行对客户存款是保本保息的,这就要求银行在放贷中同时用到自有的资金,如果有坏账,先损失的是银行自有资金,这就是资本。


银行能承担多少风险,由资本决定,如果坏账损失大于资本,客户存款就不能保证,银行就会破产。所以这个风险必须由资本来覆盖。风险越大,资本的需求就越大。


压力测试做什么呢?就是根据历史观测到的资产表现和一些假设条件,来预测收入和信贷的损失。


这些压力测试的数据一方面当然要提供给美联储,美联储会进一步根据自己的模拟性进行测算。但另一方面,它也为银行内部管理提供了非常重要的指引和决策依据。


资本向哪个业务倾斜分配,才能使总体资产组合在资本的限制下达到最优回报?压力测试就为各种产品资产提供了优化工具。


我们如何在极端情况下进一步保证银行的经营结果是在可容忍的范围之内,这就需要风险胃口的管理机制。


什么是风险胃口?风险胃口是由战略目标制定的,对最坏情况的容忍,资本所确定的风险容忍度是底线,超出了就破产,这个目标一定是不往破产上面靠的,所以风险胃口一定要比资本永远的风险要小。 


举个例子,摩根大通银行当时对信用卡业务的分析会考虑,在经济恶化的情景下,周期中最坏的一个季度的盈利必须大于零。这里的亏损与耗尽资本、破产还离得比较远。


我们如何保证风险胃口不被突破?这就需要设定一系列的额度限制。同样我们拿信用卡来做例子,在周期中不同的人群对经济环境有不同的反应,他们的信贷余额就是不同的资产。



我们有三种不同行为的客户:第一种,是高借贷、低支付,这个人群的回报比较高,风险波动也高;第二种是高消费支付,经济环境对他们的影响很小,是利润的一个稳定因素;第三种在中等阶段,人群的回报比较高,风险波动有一点,但是也不是很高。


这三种资产的不同占比在整个组合就影响了整体资产的回报和波动性。其实对风险胃口的管理,很大一部分是对这三种资产设定额度限制,并加以监控和管理。


对风险胃口的分析,胃口的管理,还分主动式和被动式。


被动式就是我们刚刚说的,对额度限制的监控和管理,当额度超标或者资产接近额度时,对客群和资产进行处置,对风险策略进行调整。


而主动式风险管理,这是把风险胃口和额度限制融入到信贷策略的规则之中,对每笔贷款的批核、授信、贷中管理等等,都考虑到对风险胃口的额度指标的影响。


如果类比中医治病,主动式的管理就是“上医治未病”,摩根大通在信用卡和零售行中的风险胃口机制,算是当时的一个先行者。


盈利的机会只存在于真正的不确定性


我们讲了金融危机大衰退后,美国银行业在强监管下都有什么变化?下面我和大家分享一些作为风险管理者对危机后风险管理思维和技术发展的一些体会。


我先和大家谈一谈,风险和不确定性这两个概念。美国的一位老牌经济学家, Frank Knight在1921年曾经写过一本书专门探讨这个 问题。


Frank night把不确定性分成了两种,第一种不确定性是我们知道可能发生的结果,甚至知道某种结果发生的概率。比如贷款,还款或不还款是两种可能的结果,我们还可以估算不还款的概念,这就是风险。


第二种是真正的风险,我们不知道会发生什么,这种情况通常发生在非常复杂的系统里。


他的一个很重要的观点,盈利的机会只存在于真正的不确定性。风险管理的发展就是不断的把不确定性转化成可以分析,甚至量化的风险,并加以管理。


下面我们来看看近30年风险管理的思路和技术的发展进程。


美国消费金融用了二三十年的时间,利用数学统计和技术大幅提升信贷风险管理的数字化、精细化和制度化程度水平。


20世纪70年代风险管理成为一门专业化的科学。在80年代之前,零售风险管理的理念,主要是把客户按信贷违约风险排序,并以此为依据进行信贷决策。其中,信用卡的发展和信用评分的技术发展是最主要的推动力。


当信用分高于某个分数值时,这个客户就可以通过信贷审批,这是一种简单直观的决策工作。当客户人数足够多时,统计学中的大数定理又使得违约率的估算更加稳定可靠。


90年代以后,风险管理思维从单一的期望、损失控制,转化为多维度的期望盈利极大化。统计技术的应用也从单一的违约风险排序,扩展到对影响信贷盈利的其他客户行为的维度上。比如,营销响应、消费支付、循环借贷,这些原先独立的风险决策和营销决策,被统一成为一个多维度的权衡优化过程。


随着AI大数据和并行计算力的发展,更多的数据和模型方法,被不断的创新应用,信贷风险决策不断的被更加精细化。


美国金融危机中的损失,远远超过我们用在良好经济环境下的数据和经验所达成的预期,所以人们意识到仅仅靠期望损失的控制和期望盈利的极大化,无法控制危机中的损失。


亡羊补牢、痛定思痛,经济环境所造成的不确定性,在有了大衰退中的大量表现数据以后,就可能被作为风险进一步分析。于是风险管理思维进一步演化,扩展到恶化经济环境中下的非期望损失。


所谓“非期望损失”就是哪些概率极小的但是可能造成极大损失的事件。违约概率受什么因素影响?波动幅度有多大?这就是非期望损失风险,需要管理的贯彻,那么我们如何来管理期望损失和非期望损失的风险?


信贷风险管理有两个层面,第一个层面是个案层,信贷决策是一笔一笔做的,每一笔贷款都要经过精细的风险评估,来预算违约的概率;第二个层面是银行总体层面,或者是某种资产的总体组合。


我们可以分析风险预测、资产监控、风险胃口,都是这个层面上的关键部分。有人把这个叫组合管理或者value management,最重要的是这两个层面上的风险管理是相辅相成的,必须得到有机的组合。


在这一点上做的好的金融机构并不多,而我们前面谈过的主动式风险胃口管理,就是一个很好的例子。


最后我们来总结一下,综合这两个层面的风险管理,其总体框架思路是风险管理是自上而下也是自下而上的。


我们正处在一个有史以来最充满不确定性的环境,一个以前从未见过的病毒,造成全球疫情大爆发。美国十年牛市吹起来的泡沫,现在是不是扩大了?大国竞争、贸易战、逆全球化开始冒头,这些趋势的发展结果是什么?有多大概率发生?我们是不知道的。


而真正的不确定性来自We don't know what we do not know。风险管理不是算命先生。给不出从上帝视角带来的未来预测。我们的工作是居安思危,防范最坏情况的损失。


但是我们应该如何去面对呢?环境千变万化,金融的本质原理不变,金融的本质是风险,信贷风险有它的基本原理,就我们常说的“5C”原理。



总之我们要做的是寻找客户和资产风险的暴露点,并在危机来临之前加以控制。


最后一点,要有逆周期思维,坚持服务客户,安全发展,危机中银行困难,客户更困难。银行要坚持服务好客户,才能保证自己的品牌、市场份额和客户忠诚度。


选择风险低、抗压能力强的客户,帮他们在危机中安全发展,这才是把风险管理能力变成稳定安全发展的动力。


大数据的机会


2008年的美国金融危机,好像是昨天刚刚发生一样,但对全球范围内各行各业都造成了深远的影响。那么此次疫情对未来中国乃至世界的金融风控和金融科技会有哪些影响和促进?


这个问题很大,我就讲讲一个体会,中国的金融科技行业,特别是大数据在消费金融风险上的应用,已经走在美国乃至世界的前面了。


前面我们说到美国错综复杂的监管体系,对公平信贷、对隐私保护、对数据安全的有很强的限制,这一定程度上影响了大数据风控在美国的发展。


经济环境的不确定性,加上疫情中对客户关一些的关怀手段,比如说延期还款,这些对客户的关怀手段,都大大影响了对客户违约风险的识别能力。


这在美国、在中国都一样,美国有更加健全的征信体系,覆盖度比较大,对消费者的信贷负债和方法表现有更完整的数据。


但征信数据所采集的信息有限,比如它不能体现消费者的收入和资产,只是对信贷的一个报告,在环境恶化和行业波动中,征信数据的缺点会暴露。


另一方面,从供应端来看,国内市场上已经有很多的数据源和金融科技服务商。大数据风控充分利用了大量的与金融相关的数据,这些相关性可能会受环境变化的影响。所以在未来不确定的环境中,行业必须关注这些碎片式的数据和风险的相关性。


从我们睿智科技来说,我们的地位可能会好一些,因为我们背后已经综合了众多的数据源、合作方。我们的模型不仅是基于数据的相关性,模型变量的选择,也充分体现了我们的信贷分析原理,就是我们刚才说的5C原理。


疫情当前,社会各行业都受到严重影响,金融科技产业也因此危与机并存。希望大家能够更加冷静的面对危机,有效地把握机会、跨越难关以取得新的发展。


本文作者:馨金融   

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系 hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
打开虎嗅APP,查看全文
频道:

别打CALL,打钱

赞赏

0人已赞赏

大 家 都 在 看

大 家 都 在 搜

好的内容,值得赞赏

您的赞赏金额会直接进入作者的虎嗅账号

    自定义
    支付: