川海智库

报告概述

本报告聚焦于货币市场基金（MMFs）在资产价格泡沫期间对系统性风险的影响。研究覆盖2004年1月至2022年12月期间，分析了约3,586只美元计价MMFs（包括美国境内和离岸基金）。采用后向上确界增广迪基-富勒（BSADF）检验识别股票和房地产市场的泡沫周期，并运用ΔCoVaR衡量MMFs的系统性风险贡献。报告重点考察基金规模、加权平均期限（Wam）、加权平均寿命（Wal）及增长速率等特征如何影响系统性风险，并区分政府型与优先型MMFs的差异。研究结果为监管机构监测非银行金融中介在泡沫期间的风险提供了微观层面的实证依据。

报告的核心结论

大型货币市场基金在正常时期降低系统性风险

报告发现，在非泡沫时期，MMFs资产规模每增加一个标准差，其ΔCoVaR下降11.7个基点，表明大型基金通常有助于降低金融体系的脆弱性。但在股票市场泡沫期间，规模增长反而将ΔCoVaR推高5.68个基点，因此政策制定者需在市场过热时警惕基金扩张。

优先型货币市场基金比政府型基金贡献更多系统性风险

优先型MMFs因投资于商业票据等风险较高的资产，其系统性风险贡献显著高于仅投资美国国债的政府型MMFs。在泡沫期间，优先型基金的增长和期限错配会进一步加剧风险，而政府型基金则相对安全，并在危机中充当避风港。

资产价格泡沫期货币市场基金快速增长加剧系统性风险

在股票市场泡沫期间，MMFs资产增长率的上升与系统性风险显著正相关。报告指出，基金经理在牛市中可能为了追求收益而承担更高风险（如增加信用风险敞口），这导致基金增长成为泡沫期风险累积的重要推手。

离岸美元货币市场基金与美国本土基金行为类似

对离岸美元计价的MMFs分析显示，其系统性风险特征与美国本土基金无显著差异，表明离岸基金既未成为风险缓冲器，也未显著放大风险。这一发现强化了全球美元MMFs监管协调的必要性。

报告回答的关键问题

货币市场基金如何影响系统性风险？

报告通过ΔCoVaR衡量MMFs对金融体系的系统性风险贡献，发现基金特征（规模、期限结构、类型）起关键作用。大型基金和高质量政府型基金通常降低风险，而优先型基金、快速增长的基金在泡沫期显著推高风险。MMFs主要通过短期融资市场渠道传导风险——当大规模赎回迫使基金抛售资产时，会引发商业票据和存单市场紧张，进而影响银行和企业融资。

资产价格泡沫与非银行金融中介的风险关系是什么？

报告揭示，MMFs在资产价格泡沫期间的系统性风险贡献显著变化。在股票和房地产泡沫中，MMFs的快速增长和高风险投资行为（如延长加权平均期限）会放大风险。与银行不同，大型MMFs在非泡沫期降低风险，但在泡沫期增长可能有害。政府型MMFs在泡沫期保持稳定，而优先型MMFs则更加脆弱。

监管改革对货币市场基金系统性风险有何影响？

报告分析了2013-2017年美欧MMFs改革（如流动性要求、透明度提升）的影响。改革后，大型政府型MMFs的系统性风险降低，强化了其避风港角色；但优先型MMFs为维持收益而拉长期限，导致加权平均期限（Wam）上升，进而增加系统性风险。改革总体提升了MMFs韧性，但需持续关注风险转移效应。

什么是ΔCoVaR？如何应用于货币市场基金？

ΔCoVaR是衡量单个机构对系统性风险贡献的指标，定义为机构处于困境时与中位状态下系统VaR之差。报告将其应用于MMFs，但因MMFs无公开股票，改用每日总收益率作为基金回报代理。研究表明，ΔCoVaR能有效捕捉MMFs在危机期间（如2008年、2020年）的风险溢出，且与边际预期缺口（MES）结果一致。

报告中的代表性数据

1.32%

ΔCoVaR月度均值

2004年1月至2022年12月，每月ΔCoVaR的平均值为1.32%，表示单个MMF陷入困境时，金融系统条件VaR平均上升1.32个百分点。该值基于3,586只美元MMFs的日度数据加总得到。

-11.7个基点

规模对系统性风险的影响

正常时期，基金资产规模对数每增加一个标准差（1.95），ΔCoVaR下降11.7个基点，说明大型MMFs在非泡沫时期降低系统性风险。但在股票泡沫期间，规模增长ΔSize每增加一个标准差（1.42），ΔCoVaR上升5.68个基点。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整市场数据与趋势图表：包含2004-2022年美元MMFs资产规模时间序列图、ΔCoVaR趋势图（区分美国本土和离岸基金、优先型和政府型基金），以及S&P 500和Case-Shiller房价指数的泡沫识别图。
  • 泡沫检测方法的详细说明：介绍后向上确界增广迪基-富勒（BSADF）统计量的构建过程、临界值计算及泡沫起始与终止日期的估计算法。
  • ΔCoVaR计算的完整步骤：包括分位数回归方程、状态变量选择（流动性利差、信用利差、VIX等），以及如何将日度ΔCoVaR聚合为月度数据。
  • MMFs特征变量的描述性统计：按基金类型（优先型、政府型、免税型）分别展示规模、加权平均期限（Wam）、加权平均寿命（Wal）和增长率的均值、标准差及分位数。
  • 基准回归结果表：展示无泡沫时期MMFs特征对系统性风险的影响，包括多种模型设定（含宏观控制变量、ΔCoVaR状态变量、时间固定效应）。
  • 泡沫交互效应的详细回归表：将泡沫指标（股票/房地产的繁荣/萧条期）与MMFs特征交互，分析不同市场环境下基金特征对ΔCoVaR的边际影响。
  • 基金类型异质性分析：通过三重交互项（泡沫×基金类型×特征）比较优先型与政府型MMFs在泡沫期间的不同风险贡献，并提供边际效应计算。
  • 离岸基金影响检验：纳入离岸美元MMFs后重复分析，验证其与美国本土基金的行为相似性。
  • 监管改革影响分析：以2013-2017年美欧MMFs改革为自然实验，估计改革前后基金特征与系统性风险关系的变化。
  • 稳健性检验：包括使用商业票据利差替代S&P 500作为系统变量、以边际预期缺口（MES）替代ΔCoVaR、采用滚动窗口估计ΔCoVaR、剔除COVID-19期间等，所有结果均支持主要结论。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告