区块链:研报 | 金融必定是区块链最适合的应用领域(上)

来源:标准共识

Overview概述

在腾讯近期发布的《产业互联网2019回顾与2020展望报告》中,腾讯研究院用微信调研了5567个人。仅39.40%的人认为区块链最适合在金融领域应用。而最多的人认为区块链最适合在物流行业应用。本文从银行间市场出发,阐述区块链所能撬动的市场规模远大于排名前几的应用。

Report报告

2018年,债券市场现券交易量156.7万亿元,同比增长44.6%。其中,银行间债券市场现券交易量150.7万亿元,日均成交6029亿元,同比增长47.2%。同年,银行同业拆借、回购交易总成交量862万亿元,同比增长24%。其中,同业拆借累计成交139.3万亿元,同比增长76%;质押式回购累计成交708.7万亿元,同比增长20.5%;买断式回购累计成交14万亿元,同比减少50.2%。

银行间人民币利率衍生品市场累计成交21.4万亿元,同比增长48.6%。其中,利率互换名义本金总额21.3万亿元,同比增长48.0%

相比之下,2018年中国社会物流总额为252.8万亿元,医疗行业总产值更是仅有3.2651万亿元。体量孰大孰小显而易见。

而区块链能够解决银行间市场及跨境结算市场中存在的问题,从实际出发赋能银行业。服务于百万亿量级的市场。

银行间市场痛点——流动性

流动性通常被排在银行及监管机构最关注的三大问题之一。2017年包商银行的两年期定存,存款利率6.68%。冒着高息揽储可能被监管处罚的风险,其流动性压力可见一斑。

研报:HT有望成为加密货币世界“新十年”核心资产:7月28日,据研究报告《下注加密新十年核心资产:通缩的生息资产HT》指出,以HT为代表的一系列币种,已经良好地具备在加密货币世界新十年成为“核心资产”的条件。HT的生态具有高规格的价值注入,使其能够在每年高速通缩的情况下,兼具生息的特点。

经过测算,在未来5年,HT很可能在目前基础上实现每年4%~12%的通缩,则5年后HT保守预测可能仅剩约1.2亿枚,是目前的61%。同时,HT持有者能够获取一个很有竞争力的生息增长,保守估计每年高达18.5%左右。因此,它将成为加密货币世界新十年最值得下注的新的核心资产。[2020/7/28]

为了增强流动性运营以及支付和结算网络的弹性,金融业参与者虽然已在其流动性监控和计算能力上进行了大量投资,但效果却不甚理想。此外,在监管趋严的大背景下,行业趋势正在朝着建立处理速度更快,监管更加自动化的支付和结算基础设施的方向发展。

银保监会于2018年5月25日发布《商业银行流动性风险管理办法》,办法自7月1日起施行。银保监会有关部门负责人表示,近年来,我国银行业务经营出现新特点,现行的流动性办法只包括流动性比例和流动性覆盖率两项监管指标。其中,流动性覆盖率仅适用于资产规模在2000亿元以上的银行,资产规模小于2000亿元的中小银行缺乏有效的监管指标。此次修订的主要内容是新引入三个量化指标。其中,净稳定资金比例适用于资产规模在2000亿元以上的商业银行,优质流动性资产充足率适用于资产规模小于2000亿元的商业银行,流动性匹配率适用于全部商业银行。

动态 | 研报:中国中产阶级不热衷于投资加密货币:据Cryptovest消息,由大学教授和金融作家吴晓波领导的一项研究发现,中国的中产阶级投资者并不热衷于投资加密货币,只有不到10%的人对数字资产感兴趣。调查结果导致吴和他的团队得出结论,中国中产阶级投资者基本上不愿承担风险,只有9.2%的受访者表示投资组合损失超过15%是可以接受的。同时吴的报告指出,中国在线论坛上讨论数字货币潜力是一种可行的财富保护手段的趋势越来越明显。[2018/9/27]

实现这一目标的一种潜在方法是通过银行间交易市场进行流动性管理。但是,使用传统的基础设施,这将很难实现。借助区块链技术,整合银行间市场会变得更加容易。

流动性来源

支付和结算系统的演变随着时间的推移发生了五个主要阶段,重点是:1.通过引入针对高价值支付和交付兑支付系统的RTGS进行风险控制。

2.与RTGS和DVP系统相关的流动性成本。这些成本被算法以及双边和多边净额结算安排的推动以及CLS的引入进一步减轻了结算和交易对手风险,同时使公司能够通过保证金和净额结算能力更有效地利用其流动性。

3.付款的时间紧迫性要求在一天中的CLS支付或变动保证金结算,以促进正在进行的支付,清算和结算活动。此功能具有系统重要性,因为它可以在系统范围内进行日内结算,因此可以进一步减轻系统参与者的结算风险。

4.吞吐量要求。这些要求确保了全天支付足够的款项,从而即使在市场动荡或困境期间,系统也可以继续运行。这些要求是系统弹性的又一个重要步骤,这些要求确保成员银行在特定的截止时间之前已至少支付了特定比例的日常付款。

动态 | 多伦多上市公司研报:全球哈希率与比特币价格差异显著:据消息,近日多伦多上市区块链投资公司Block One Capital Inc.发表了一篇关于加密货币采矿业的研究报告。研究显示,随着越来越多比特币矿工的加入,哈希率迅速上升,采矿收益率迅速下降,因此,当下并不是投资挖矿业的好时机。同时,研究还显示,采矿硬件在运营最初几天利润率最高,采矿设备的部署时机对收入影响极大。[2018/9/6]

5.速度和效率,这是通过引入新的RTGS来增强支付环境的最新一步。

这五个阶段告诉我们,支付和清算环境已发生了巨大变化,并将继续发展并影响银行的资产负债表使用,运营成本和流动性缓冲成本。

注1:银货对付结果是实时同步的、最终的且不可撤销的。建立DVP制度的目的是降低交易对手方的信用风险,消除卖方已交付证券却未收到相应款项,或是买方已交付资金而未收到证券的本金风险。即DVP的核心内涵是证券与资金的交收同时进行,从而防范交收对手方的违约风险。

注2:RTGS:实时全额支付系统RealTimeGrossSettlement是按照国际标准建立的跨银行电子转帐系统,专门处理付款人开户银行主动发起的跨银行转帐业务。

注3:在衍生品交易中,中央对手方清算所取代双边清算,成为每一个卖方的买方,每一个买方的卖方,如果有一方交易对手违约,也能够确保交易的完成。

注4:CLS是一家专业的美国金融机构,为外汇市场的会员提供结算服务。

分析 | 加拿大央行研报:在区块链进行双花欺诈是不现实的:加拿大央行日前公布对区块链技术的激励相容研究结果,着重于通过区块链技术的工作量证明(PoW)共识机制建模,模拟诚实和不诚实矿工的行为,发现利用区块确认时间差进行双重支付的欺诈是“不现实的”。上述研究报告查看区块链这样的数字账本是否免于对双重支付——所谓双花这类欺诈,发现如果一个矿工掌握50%以上算力,具备了51%攻击的能力,理论上说,不诚实的矿工可以进行双花欺诈,但从经济角度看,为了实现这种欺诈,不诚实的矿工必须有很雄厚的财力,而且是“风险中性”,因此报告认为:“这种假设情况通常是不现实的,现实情况下,用户几乎没有经济方面的动机发起这种攻击,特别是在其他矿工的计算投资庞大时。”[2018/7/23]

行业趋势

全球金融市场正在发生结构性变化,这将继续影响流动性的管理。以下是四个主要改变。首先,在宏观经济方面,全球利率低且缓慢上升,再加上流动性和资本监管,导致银行在央行持有过多的现金和抵押品。

其次,当客户正在努力提高透明度并控制其日内净现金使用方式时,银行的旧基础架构会面临巨大压力。

第三,金融市场基础设施正在满足客户、监管机构和投资者对更高透明度和效率的需求。尽管处于全球新兴阶段,但以英国为首的快速致富计划是市场基础设施朝着提高银行业务流的速度和透明度的方向发展的例子。通过「快速付款」,客户帐户之间的付款时间从三个工作日缩短为实时转帐。

摩根士丹利研报:比特币和以太币交易额都已出现大幅下滑,ICO对投资者造成的损失高达6.3亿美元:据华尔街见闻,上周五摩根士丹利发布报告称,比特币和以太币的交易额都已出现大幅下滑。摩根士丹利认为,对于主要持有这两大币种的持币人而言,流动性问题十分重要。由于交易额急剧下降,若有大户大量抛售任一币种,市场势必下跌,引发更多抛售。除开交易量,大摩还指出,40%的比特币都是经由加密货币进行交易,而非法定货币。摩根士丹利称,ICO对投资者造成的损失已经高达6.3亿美元。2017年进行的ICO中,有32%均告失败;但在过去的18个月内,通过这种不受监管的方式筹资仍旧大受欢迎,区块链公司更是对ICO趋之若鹜。[2018/6/6]

最后,诸如区块链之类的新市场进入者和技术通过创建实时更新的数字分类帐来记录当前数据,以支持即时付款和结算。加密货币市场引发了围绕分布式治理,分散组织和民主标准的好处的辩论,这些挑战了当今的市场基础设施。

这些新的,不断发展的和潜在相反的市场趋势继续向银行财务主管施加压力,以探索日内流动性融资模式的有效性。我们认为,通过使用区块链为隔夜拆借建立透明的金融市场,有可能创造更多的流动资金来源。

我们的目的是区块链是否可以用作金融市场中日内流动性的启动技术。企业区块链允许互不信任的实体进入,并彼此之间直接就共享的事实达成协议。这些共享的事实可以代表广泛行业中的现金,资产和合同。

在支付或资本市场环境中,区块链可以促进分类账上的立即结算和对账–直接交互的节点网络可以简化交易对手的交互。例如,根据实现方式,当市场基础架构引入其他不良后果时,区块链可以减少对中央控制或运营的市场基础架构的依赖性数量。

与现有的分散的金融市场基础架构相比,某些区块链平台具有更大的设计灵活性。账本上的资产最终可能最终使许多付款和资本市场摆脱这些僵化,孤立,复杂的基础设施的束缚,从而实现新型交易。

区块链网络上的自动化流程还可以实现新型交互。例如,可以将预先约定的规则编程为自动在全网络范围内自执行,而不必要求单个活动方维护和忽略这些规则。这些自我执行的合同可能涉及原子交易,例如交付与付款或付款的结算功能。

区块链技术在日内流动性需要为该行业找到真正务实的平衡。在许多企业环境中,每个级别的完全分散都是不可能的,也是不希望的。在某些情况下,行业需要务实的架构,要在避免依赖中央实体和确保每个实体具有足够的决策权,自主权和问责制之间取得适当的平衡。

银行现有流动性管理模式

推动日内流动资金需求的关键因素是:金融市场基础设施系统参与:金融市场基础设施系统和实时总结算系统的直接参与者和清算人与间接清算机构拥有不同的日内流动性需求。产品和交易:产品,交易类型,交易量和规模驱动着银行的流动性需求。在大多数国家或地区中,中央银行提供以现金结算小额付款的方式,并提供以电子方式结算大额付款的方式。为此,中央银行通常采用一种系统,银行可以通过该系统结算中央银行的款项。银行间付款是通过净额结算系统进行结算的,但是随着数量和价值的增加,中央银行开始担心递延净结算系统固有的风险,因此大多数中央银行选择实施实时总结算系统。使用RTGS,付款将立即进行处理,并在运营时间内最终确定。央行以参与者的流动性需求上升为代价,消除了结算风险。

各国的RTGS系统

RTGS系统中的流动性需求可能非常巨大。FedwireFunds是美国的大额支付系统,2016年平均每天支付约590,209笔款项,总价值接近3万亿美元。HVPS是中国的大额支付系统,仅在2014年,其交易总额便超过2000亿人民币。

CHAPS是英国的大额支付系统,2017年的平均每日交易量约为165,285,价值近3340亿英镑。

Target2的平均每日交易量为342,008,每天交易额高达1.7万亿欧元2016年为欧元。在大多数国家中,每5至6个工作日支付的金额就等于年度GDP。

流动性储蓄机制

在过去的20年左右的时间里,世界各地的中央银行已在其大额支付系统中实施了流动性储蓄机制,以减少这些系统的流动性需求。LSM通过鼓励更大程度的流动性再利用或允许银行在当日清算净债务来发挥作用。流动性回收源于以下事实:银行可以使用流入的流动性来进行支出,并且通常,如果银行及时付款,则会回收更多的流动性。鼓励及时付款处理或惩罚延迟者的政策使流动性更有可能被回收,从而降低了系统的整体流动性需求。然而,最有效的LSM是通过匹配已提交到中央队列的抵消付款并仅使用满足净债务所需的流动性来结算这些付款,从而节省流动性需求的LSM。假设银行A需要向银行B支付一笔值为100的款项,银行B需要向银行A支付一笔值为80的款项。然后,如果输入了这两项付款,则需要清算流动资金的金额进入使用抵消算法的队列中,将是银行A对银行B的净债务的值20。相反,在没有LSM的纯RTGS系统中,结算这两项付款的流动性要求为100。通过在多边基础上对两家以上的银行之间的付款进行净额结算,可以获得更大的收益。

但是,大多数批发付款不能整天延迟。银行从客户那里收到的典型付款请求需要当天处理,但是银行通常在白天何时执行这些请求方面具有一定的灵活性。据估计,有4%的付款是紧急付款,这意味着银行必须立即处理这些付款,否则会对客户造成重大后果。但这96%的付款较为灵活。许多经济学家建议,延迟付款会导致某些客户不满意。因此,银行要在因延迟付款而节省下流动性,增加净额结算机会并节省流动性和延迟成本之间要进行权衡。

中央银行运行的净额结算算法会运行一个集中化的队列,该队列通常以预定的时间间隔清除。这是一项艰巨的任务,央行必须设法用不完善的信息来解决。中央银行不知道各个银行在RTGS系统之外还承担哪些付款义务,或者是否选择将其输入队列。此外,如果集中式系统仅考虑完全抵消付款,则赚钱机会将非常有限。队列可用的流动性是参与者的选择变量,这又是中央银行在设计其系统时可能必须估计的内容。

即使已知流动性和付款方式,求解最佳净额结算解决方案的问题也可能非常复杂。如果付款文件中有n次付款,则要考虑的净组合的数量为2n-1。

另一个问题是,集中式净额结算算法试图使可结算的付款的价值或金额最大化,但是它们通常无法加权付款的重要性或评估流动资金的成本,而这在整个银行和整个一天都会有所不同。存在一个不完整的信息问题,该问题阻止中央操作员最大化系统的社会福利。最后,集中式队列在给定的权限或银行系统内运行。可以跨系统对付款进行结网,但这涉及为另一个集中式系统提供流动性。

Conclusion结语

本文分为上下两篇:上篇讨论了区块链在金融所及的市场规模、行业痛点和银行的现有流动性管理模式,下篇将继续从流动性管理模式出发,探讨区块链解决方案能对银行日内流动性管理做出何种改善。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

链链资讯

[0:46ms0-4:688ms