事件回顾

　　2023年3月初美国硅谷银行（Silicon Valley Bank简称SVB）破产事件引发了欧美金融市场动荡，该事件主要是由于SVB使用客户的短期存款购买大量美国国债和资产证券化（MBS/ABS）产品，这些债券几乎没有违约的风险，只不过久期比较长，形成了所谓的期限错配的情况。

　　首先在金融投资行业借短买长是比较流行投资策略之一，例如假设5年期国债的年化票面利率是3%， 1年期借款利率是2%，如果5年内我能连续借到1年期2%左右利率的资金去购买5年年化3%收益率的国债，银行将会有一个1%的息差收入。但由于美联储持续加息导致SVB前期期限错配的产品大幅贬值，也就是说在低利率时期购买的3%利息的债券，当短期利率上升到5%时卖出至少要承担2%以上亏损，如果有杠杆损失会迅速放大。

　　如果SVB对现有投资的债券可以持有到期最终也不一定会亏损，因为把时间拉长来看利率未必会在高位维持很长时间，但由于美联储的加息导致SVB资产负债表持续恶化以及2022年整个科技创投行业投融资处于低谷，VC/PE等客户大量提现，在SVB被迫出售资产的情况下，只能承担卖出的损失， 最终导银行的现金耗尽资不抵债申请破产清算。

　　Refinitiv Workspace简介

　　Refinitiv Workspace 是我们继Eikon之后的新一代旗舰金融终端产品，比上一代产品在用户的交互性，系统性能，数据处理和分析能力等方面都有很大的提升，并且在所有桌面、网页和移动设备上提供统一并且可以高度定制的全新体验，借助其集成的Python开发环境，您还可以通过丰富的 API 和 Python 等流行语言灵活地使用和分析数据。

　　下面我们将通过Refinitiv Workspace强大的数据和分析能力，全面解读一下SVB事件。虽然在金融行业谈预测是一件很难的事情，但通过Refinitiv Workspace我们确实可以洞察到事件发生前的一些预警信息从而帮助我们的客户更好的控制投资风险。

　　Refinitiv Workspace – 资产负债表

　　首先通过Workspace 搜索框输入SIVB.O BAL就可以直接进入SVB的资产负债表页面。

　　Workspace里面提供的资产负债表的历史记录最长可以到15年，我们把资产负债表的原始数据导出到excel进行分析。

　　首先是看负债端主要是客户的存款， SVB大概有900亿美元的计息存款和800亿美元的无息存款。

　　计息存款通常有两种主要类型：储蓄账户和定期存款证书（CD）。储蓄账户通常利率较低，但在提款方面更加灵活，而CD则提供更高的利率，但需要存款人承诺将资金存入固定期限内。

　　无息存款是指存款人存入银行账户的资金，不会产生任何利息收益的一种银行账户。这种类型的账户通常用于短期资金支出，例如初创公司的日常运营的资金需要并且可以随意支取。

　　我们可以看到相比美国其他大行的资产负债表 SVB的无息存款的比例非常高，虽然这和SVB服务的客户群体的特性有关，但一旦服务的创投客户在运营中需要大量资金支出必然会对银行潜在的流动性带来压力，特别是银行将这部分资金大量投资长期回报的债券业务，又缺乏对冲的产品从而留下了巨大的利率风险敞口。

　　在Workspace资产负债表页面下可以查看计息存款和无息存款的历史变化。SVB从2020到2021年吸收了大量无息存款（图中的绿色曲线），而在本文后面的资产表的分析可以看到这部分钱大量被用于债券投资。但不幸的是从2022年3月开始SVB的存款从流入变成了流出，到2022年底下降了200亿美元左右，主要原因可能是由于那些烧钱创投客户在2022年没有能够从公开发行或筹款中获得新资金，更危险的是由于美联储的加息，客户将大量的无息存款转换成了有息存款（绿色和橙色曲线交叉），导致银行同时承受来自支付利息的压力大幅增加和投资债券价格贬值的双重压力。

　　然后我们看资产端，用户的存款主要用在了房屋贷款730亿美元和债券投资1170亿美金（Hold To Maturity （HTM） + Available for Sale （AFS） ）。HTM的投资中91% 用于购买了MBS，8%购买了美国市政债券， AFS的投资中62%用于购买了美国国债，34%购买了ABS。

　　通过Workspace的资产负债表页面可以看到SVB在房屋贷款多年来一直处于稳定增加的状态，但它的证券投资组合从2020年第一季度的约270亿美元快速增长到2021年底的约1200亿美元，通过上面的负责表我们可以看到这部分投资的资金主要来自于2020年到2021年新增的大量无息存款。

　　如果我们把SVB证券投资组合进一步分解，从2021年底随着美联储的加息SVB 的MBS投资呈现了快速增长的态势（下图中的蓝色曲线）。

　　Refinitiv Workspace –  Starmine信用风险模型

　　在Workspace中我们还提供了在业界高度认可的股票量化投资模型套装 - Starmine，它涵盖了量化分析，内在估值和信用风险等十几个强大的子模型，在投资过程中使用 StarMine，就像是为您的团队增添一个完整的博士级专家研究团队，其中Starmine的信用风险模型主要有三个子模型 ：

　　进入Workspace的Starmine风险模型页面，我们看到三个模型的多项指标都出现了红色的预警而且早在事发前的几个月一些指标就已经转为红色预警状态。

　　Refinitiv Workspace –  公司高管交易记录

　　在SVB公司Ownership下面的insider Transaction页面我们也很容易查看到SVB近半年从CFO，CMO到CEO都有抛售股票的行为，特别是CEO在二月底事件爆发前精准的抛售了几百万美元的股票。

　　Refinitiv Workspace –  卖空趋势

　　进入Workspace 价格与图表下面的short interest页面，我们也可以观察到自去年年底SVB的卖空指数也是不断攀升。

　　Refinitiv Workspace – 瑞信AT1 CoCo Bonds

　　近期由SVB倒闭事件触发的金融动荡转导到了欧洲，导致瑞信也出现了挤兑最终被UBS收购。通过Workspace中的GOVSRCH工具可以方便的查找最近瑞信事件事件中被全额减计的22只总价173亿美元的AT1应急可转债，其中包括在去年6月瑞信还发行了两支票面利率高达9.75% AT1债券，这么高的票面利率可见当时瑞信资金短缺的情况非常严重。所以通过查看企业发债的情况也是可以反映出一个公司流动性和资金需求方面的问题。

　　总结

　　上面我们通过Refinitiv Workspace提供的强大数据和模型能力从资产负债表、企业信用风险、高管交易记录、卖空趋势、公司发债情况等多个方面进行了分析，在各个维度上都可以观察到事件发生前的一些异常的情况。

　　然而该事件相比2008年的雷曼时刻有很大的不同，首先当时是由于大量房地产贷款违约，风险通过MBS/ABS逐级传导，导致金融体系流动性枯竭，而这次很大成分是银行挤兑；其次在2008年以后全球系统性重要银行（G-SIBs）通力合作，针对08年暴露的很多问题在新的巴塞尔协议中进行了很多改进和修复，例如银行的MBS投资放到HTM里面来防止风险逐级转导，应对银行挤兑也有LCR（流动性覆盖率）和NSFR（净稳定资金比率）两个指标加以衡量，正是因为有了这些年来在金融监管方面的持续改进现在的情况比08年更乐观。

　　虽然该事件给全球银行业的监管提出了很多新的挑战，但SVB事件也暴露了其本身在风险管理方面的问题，例如没有充分考虑服务客群风险、投资品种过于单一以及针对利率风险对冲手段的严重不足等。

　　了解路孚特Refinitiv Workspace：

　　https：//www.refinitiv.cn/zh/products/refinitiv-workspace

标签：