银行利率：波动性新时代的策略（英）

风险与弹性实践 利率银行业务：新波动时代的剧本 五个杠杆可以帮助银行走上更加积极有效的利率风险管理的道路。 作者：安德烈亚斯·博恩和塞巴斯蒂安·施耐德，恩里克·布里加和马里奥·纳吉 2024年6月 最近加速全球利率的上升是几十年来最快的，这给我们带来了帷幕 廉价资金的长期存在，但对长期前景却知之甚少。2024年 ，经济增长缓慢、地缘政治紧张和地区冲突的竞争力量正在创造几乎相等的机会，实现更高的基准利率和快速降息 。在银行业，这种不确定性既有风险也有机会。但是，由于没有最近的先例，许多机构缺乏应对挑战的必要手段。 随着利率从创纪录的低点上升，银行总体上从净息差(NIM)上升中获利。然而，如果政策制定者迅速转向削减模式，银行可能会看到相反的效果。目前，期货市场预测这一过程将在2024年底开始。在这种情况下，风险管理者面临的问题是他们如何保留更高利率的好处同时为削减和管理宏观经济惊喜的潜力做准备。 利率市场的波动反映在银行存款趋势中，客户更积极地管理现金，以充分利用不断变化的货币条件。在欧洲，存款在2023年达到了可用稳定资金（ASF）的63％，而2021年为57％。1相反，在美国，存款的份额 随着资金转移到货币市场基金等投资，负债总额在类似时期下降。 面对不断加速的存款流动，麦肯锡的研究表明，银行风险管理和融资绩效一直存在很大的变数。 在2021年至2023年之间，表现最好的美国和欧盟银行的利率支出上升 比表现最差的银行少70%（图表1）。其中的驱动因素是更好的存款和利率管理。 除了存款流动的影响外，资金也受到其他因素的压力，包括与大流行相关的中央机构的稳步撤出 风险管理者面临的问题是，他们如何在做好准备的同时保留更高利率的好处 削减和管理宏观经济惊喜的潜力。 1欧盟流动性覆盖率和净稳定资金比率执行情况的监测——第三次报告，欧洲银行业管理局，2023年6月15日。 附件1 表现最好的银行会产生较低的利率支出，并吸引更多的存款。 按业绩划分的利息支出增加，2021年12月至2023年6月，1多个 表现最佳的底部表演者2021年12月至2023年6月客户存款变化，% 1×10×20×30× 美141 国–54 英81 国81 法国西班牙德国意 大利欧元区2 298 1–2 8–1 1表现最好的定义为利息费用增加的第10-49百分位数；表现最差的定义为利息费用增加的第50-90百分位数。百分位数0-10和90-100是分布上的异常值，因此不包括在内 。美国，n=5；英国，n=7；法国，n=8；西班牙，n=9；德国，n=16；意大利，n=6；欧元区，n=70。 2欧元区包括法国，西班牙，德国和意大利的银行以及其他欧元区国家的银行。来源：S＆PCapitalIQ；SNLFinancial；麦肯锡分析 麦肯锡公司 银行流动性便利。与此同时，即时支付等创新促使客户进行更快、更大的转账。这些提款可以迅速发生，并受到社交媒体的推动，创造了一个强大的新风险物种。 在更加不确定的环境中，监管当局正在加倍监督利率波动的潜在影响，例如，要求银行减轻利率正常化的潜在影响 ，增加整体审查，并要求提供方法升级的证据。在2024-26年的欧洲监管优先事项中，建议银行加强治理和。 加强资产和负债管理(ALM)的战略框架，并制定新的融资计划和应急措施 期限流动性冲击，包括评估支持一些行为模型的假设的充分性。2同样，2023年巴塞尔银行监管委员会提出了对银行账簿中利率风险的冲击重新校准。银行可以实现 通过将模型校准中使用的时间序列从当前的2015年12月标准扩展到2022年12月，将更多的波动率分布纳入方程。 在最近的麦肯锡圆桌会议上，有40％的欧洲，中东和非洲银行财务主管表示，未来一段时间将引起监管关注的话题是流动性风险，其次是银行账簿中的资本风险和利率风险（IRB）。考虑到这些风险， 34％的财务主管表示，他们的首要任务是 2“SSM监管优先事项，2024-2026”，监管优先事项和风险和脆弱性评估，欧洲央行，2023年。 在利率风险方面，加强了模型和分析，修订了贷款定价策略 和存款，并加强ALM治理和监控能力。 大多数参与者还期望财务团队更多地参与战略规划和董事会参与，并更紧密地参与业务部门，以定义定价策略和产品创新（图表2）。 Inresponsetothesedynamic,weexpecttoseemanybanksreviewingtheroleofthetreasuryfunctioninthethemonthsfore.Formany,thiswillmeanmovingawayfromapproachesdesigned 在本文中，我们讨论了前瞻性银行如何重新设计其国库功能，以获得对利率及其对定价，客户行为，存款和流动性的影响的更深入的见解。 增强国库功能的五个步骤 为了更有效地管理波动的利率，领先的银行正在重新审视在低利率时期演变的国库职能的做法，并且可能不再是 fitforpurpose—oratleastshouldbeupdatedforthenewenvironment.Pioneershavetakenstepsinfivebroadfocusareas:steeringandmonitoring,riskmeasurementandcapabilities,stresstesting,bankfunding,andhedge. 建立效率和复杂性 有效监督利率业务的前提是确保决策者对当前的运行状态有清晰的了解。目前，整个行业的标准方法有些被动 ，这意味着它基于静态或很少审查的定价和风险管理决策，通常由关系经理采取。模型提供低频数据，并且 附件2 大多数银行希望财政部更多地参与战略流程，并与业务部门进行更多互动。 未来几年国库活动和能力的预期变化，%的受访者将选项列为前3名1 增加财政部对战略流程和整体董事会管理的参与 与业务部门进行更 多互动，以定义定 价策略和产品创新 增加使用更复杂的建模技术和数据 增加监测频率并引入使用 复杂的对冲策略和抵押品管理 与风险伙伴合作以完善方案规划功能 32 24 20 早期预警 12 7 18 2023年11月23日收集的数据；n=29。 麦肯锡公司 银行使用静态资金转移定价(FTP)来计算净息差。监控通常反映的是监管时间表，而不是优化决策的愿望。 前瞻性银行正在通过更实际的指导和监控方法来应对这些挑战，包括以下措施： —对FTP的动态审查，反映了与客户终身价值和流动性机会成本相关的细分市场行为和定价策略 —增加产品创新，以增加企业和零售客户的资金 —确保访问高质量、频繁和精细的数据，系统配备 对客户行为的潜在变化发出预警信号，特别是捕捉流动性转移的早期迹象 —使用风险限额和目标作为主动转向机制，并通过与激励措施的联系得到支持 —报告和监控的自动化，因此流动性和其他事件可以在内部更快地扩展，并尽可能由实时数据支持 升级IRRBB测量和功能领先的银行正在资产负债表管理 ，定价和抵押品等领域控制IRRBB风险。许多人组建了专门的团队来帮助他们做出更有效的决策。鉴于对存款的威胁，一些正在更多地使用基于情景的框架，将流动性和利率风险管理结合在一起。他们使用实时数据为融资和定价决策提供信息。 为了确保他们考虑到利率风险的各个方面，领先的银行采用了一系列模型，将产出输入到转向和压力测试中。 最佳实践包括使用按客户类型、产品和流程阶段区分的统计网格。 在贷款方面，一些银行正在利用人工智能来预测预付款及其对资产负债表和对冲要求的影响。预付款建模的最佳实践是从线性模型转向诸如随机森林之类的机器学习算法，以考虑非线性关系（例如，预付款和利率变化之间的关系）和贷款特征（例如，嵌入选项）以及行为因素。我们看到五个关键步骤： —客户细分。银行可以使用人工智能来实现颗粒分割-例如，结合行为因素。 —提前还款行为。银行可以根据利率水平，预付款罚款，抵押贷款年龄和借款人特征等标准对固定的预付款和预付款进行量化。领先的银行建立了母公司模型，并利用客户细分来推导出专门的预付款功能，同时考虑到法定付款假期等客户保护。 —利率情景。银行可以采用蒙特卡罗模拟和其他模型来分析 一系列场景，包括极端场景和监管场景，并模拟每个场景的潜在预付行为。 —套期保值比率和策略。决策者应评估抵押贷款的价值 在不同的利益情景下，并得出对经济价值和损益的敏感性。 然后，他们可以选择对冲工具，以消除情景影响。 —定价。抵押贷款定价可以根据到期日和潜在的提前还款行为进行调整。银行可以使用资金转移定价 ，风险由国库职能的专门团队处理。 另一个重要的焦点区域是沉积物衰减。许多银行仍然优先考虑按期限分段并得到专家判断支持的移动平均线方法。最佳实践是通过结合专家和统计方法来确定核心余额，查看客户细分的趋势，核心余额建模，存款量建模，存款贝塔和通率，以及复制投资组合/对冲策略。这意味着利用人工智能和与交易相关的高频数据来估计每个账户的非运营流动性，客户可能更有可能转移到其他地方(参见侧栏“案例研究：存款建模”。 以限制存款侵蚀“)。一些银行还使用生存模型来衡量存款行为的非线性。 在IRRBB策略的背景下，主要银行对存款β和 传递利率（传递给存款利率的基准利率变化部分）。他们通过对客户粘性的看法来支持他们的判断，他们传统上是通过专家判断和市场研究得出的。 一种更先进的方法是得出基于方案的弹性，从历史经济周期中获取数据。 最后，风险需要与对冲进行最佳匹配。最近的趋势是使用随机模型来支持对冲决策，使银行能够衡量非线性。前瞻性银行越来越多地将存款，预付款和管道建模直接集成到其对冲策略中。他们还通过模型确保模型风险得到密切监控 经常重新校准，以减少对专家输入的依赖(参见侧栏“更好的建模可以提高弹性：一家银行的故事”)。 案例研究：限制矿床侵蚀的矿床建模 一家银行实现了相当于 通过使用AI技术重新定价，对300亿欧元的存款产生1.5亿欧元至2亿欧元的正面损益影响。 该工具提供了以下措施的透明度: —每个客户面临风险的流动性数量-即客户可能投资或自由转移到其他银行的超额流动性 —每个客户的流失概率， 或者如果银行不采取行动，客户转移流动性的可能性， 根据客户的复杂程度、客户与银行关系的质量和强度以及市场竞争水平 —客户风险价值，如果客户将流动性转移到其他地方，对未来收入将面临风险的估计(例如，不仅包括融资的机会成本，还包括相关服务的收入) 凭借这种透明度，该银行能够制定针对客户的重新定价策略，并 产品（例如，投资产品和交易银行服务），优化其资金来源和盈利能力。支持这项工作的新功能包括存款指挥中心，生成实时监控仪表板，包括预警触发器，销售团队动员和新产品提供 ，特别是针对现金充裕的公司客户。 更好的建模可以提高弹性：一家银行的故事 一家欧洲全球银行wantedtoimproveitsforecastinginarising-interest-ratecontext.Managersdecidedtofocusmoreoncustomerbehavior.Theymovedawayfromexpert-judgmentbufferstoAIandrandomanmodelingandamorefocusedapproachtomodelcalibration.They 准则和同类最佳方法，例如“银行账簿中的利率风险”（IRRBB）动态资产负债表方法。 Throughthesechanges,thebankwasabletoestimateitsduringgap(betweenassetsandliabilities)moreaccuracyandthusreducedeltaeconomicvalueofequity(EVE).Asaresult,thebankrecorda70-