• 模型框架及机理 [page::2][page::4][page::5][page::6][page::7][page::8][page::9]

- 资产负债表分为流动资产、可供出售（AfS）资产、持有至到期（HtM）资产和非市场化资产四类。
- 负债分为有保险的存款和无保险存款，无保险存款易引发挤兑风险。
- 存款人基于杠杆率阈值决策是否提款，引发资产出售和可能的HtM资产重估。
- 模型设计了显式算法计算均衡提款额和资产出售量，以确定流动性和偿付能力状态。
- 资产出售涉及价格逆需求函数考虑火售冲击，HtM资产一旦卖出需全部重估。

• SVB案例校准与分析 [page::10][page::11][page::12][page::13][page::14][page::15][page::16]

- SVB在2020-22年资产负债表规模激增，存款主要集中在无保险类别，且大量资金配置于HtM证券。
- 利率上升引发HtM证券未实现亏损激增，但因会计规则未计入资本，掩盖了真实风险。
- 模型反映了不同杠杆阈值下SVB的提款规模与资产抛售情形，显示2022年后风险急剧增大。
- 火售价格冲击敏感性分析揭示更高冲击幅度导致更多资产被出售，加剧风险。
- 若将未实现亏损计入资本，模拟表明SVB在2022年已有流动性和偿付能力问题。

• 量化HtM资产配置优化模型及风险容忍度推断 [page::17][page::18][page::19][page::20]

- 建立单期模型，银行在考虑未来价格冲击时最大化HtM资产配置的优化问题，确保运行时无需卖出HtM资产。
- 关键参数为价格阈值$p1$和存款人最大接受杠杆率$\lambda{\max}$。
- 解析得到HtM最优配置与参数的关系，揭示银行需要保持足够的AfS资产以备安抚提款需求。
- 通过历史SVB数据校准，发现2022年前HtM配置与模型最优一致，但2022年后存在HtM过度持有风险，暗示风险容忍度不足。
- 定量分析不同美国银行（SVB、First Republic、USB、PNC）的HtM配置、杠杆率和风险容忍度差异，模型区分了易险与稳健银行。

• 政策及风险管理启示 [page::14][page::15][page::23][page::24]

- 大规模无保险存款显著增加银行运行风险，模型显示提升保险存款比例可有效减少提款与损失。
- HtM和AfS资产间合理分配也能延缓危机，鼓励银行增强利率风险管理和流动性储备。
- 模型提出监管关注HtM配置合理性的量化框架，通过风险容忍度和价格冲击水平评估银行抗风险能力。
- 强调监管需强化HtM会计规则执行，确保银行的意图与能力相匹配，防止隐藏风险积累。

极其详尽且全面的金融研究报告分析

1. 元数据与概览

报告标题：
The not-so-hidden risks of ‘hidden-to-maturity’ accounting: on depositor runs and bank resilience

作者：
Zachary Feinstein, Grzegorz Hałaj, Andreas Søjmark

发布机构及日期：
未明示具体机构，但从内容可推断为学术研究，日期为2025年2月28日。

主题：
银行体系的资产负债结构风险，特别是隐匿于"held-to-maturity（HtM，持有至到期）"会计处理中的风险，以及这些风险对储户挤兑和银行韧性的影响。从硅谷银行（SVB）2023年倒闭事件出发，分析HtM会计处理如何掩盖证券组合的重估亏损，进而导致银行风险暴露和潜在挤兑。

核心论点：
报告建立一个基于资产负债表的理论模型揭示“HtM”会计处理掩盖资产亏损的风险，特别是在高度依赖非保险存款（uninsured deposits）的银行中，这引发或加剧了银行流动性危机和储户挤兑。利用SVB平衡表数据校准并实施案例研究，量化银行面对利率上涨和资金流出的风险暴露，识别风险临界点。该模型进一步设计优化问题，用以量化银行合理持有HtM资产的能力及风险容忍度。

评级与目标价：
无传统股票评级，报告更多聚焦风险机制和监管启示。

主要信息传达：

• SVB及其他银行过度依赖HtM资产掩盖了实际亏损，使得监管和市场参与者低估风险。

- 通过为银行资产负债表编制简易模型，报告揭示了哪些因素导致银行面临“run risk”（即储户挤兑风险）。

• 设计解算算法，呈现储户挤兑和资产清算如何在实际中平衡。

- 量化“合理的”HtM资产规模，辅助风险管理和监管。

• 案例研究表明，SVB的资产负债表特征及存款结构带来显著脆弱性。

---

2. 逐节深度解读

2.1 摘要

总结了论文构建的模型框架，通过平衡表数据揭示“隐性HtM会计”隐藏的重估亏损，并模拟了银行如何面对储户挤兑压力，尤其是在流动性缓冲减少和证券资产需火线出售时。模型基于SVB数据校准，展示了其倒闭前的脆弱积累过程。提出用于量化银行合理持有HtM资产的优化问题。结果也适用其他美国银行。

逻辑与推理依据：

• 利率上涨导致证券资产未实现损失激增

- HtM 会计处理允许将证券按账面成本计价，未及时反映市值损失

• 银行资金主要依赖非保险存款，该存款容易出现挤兑

- 储户基于杠杆率（资产/权益）判断银行健康，并据此决定是否撤资

• 因为HtM资产未及时减值，杠杆率被低估，储户未充分察觉风险，风险积累直至爆发

关键假设：HtM分类资产需“有正面持有意图和能力”，实际中这种能力因流动性压力受限变得证伪。

---

2.2 阐述与初步数据背景（第1节和第1.1节）

• 银行挤兑理论基础基于Diamond-Dybvig与后续全球游戏模型，强调储户信心和资产流动性。

- SVB案例凸显了HtM资产隐藏风险和高非保险存款比例的脆弱性。

• FDIC数据显示，自2022年一季度联储加息以来，银行业HtM资产未实现亏损高企至2024年。

- Granja（2023）和Jiang等（2023a）实证发现HtM分类被资本不足、非保险存款较高的银行利用，旨在隐藏风险。

• 报告内构建一个平衡表模型，通过杠杆率为阈值引发挤兑，模型结合火线抛售损失和HtM重估规则实现资金流失和资产出售的闭环。

---

2.3 研究贡献（第1.1节）

• 开发一套结构简化的平衡表模型，考虑资产负债表中保险/非保险存款比例、HtM/AfS资产比例及流动性约束，推导储户最大可接受杠杆率→储户挤兑发生条件。

- 给定火线抛售价格冲击模型（通过价格影响函数描述抛售量与价格之间的负反馈），结合HtM重估规则解析资产价值变化主动带来的杠杆率跳跃风险。

• 利用SVB季度财报数据逐季校准模型，追踪其储户挤兑风险成长路径。

- 设计资产配置优化问题，指导合理的HtM资产持仓以在冲击下避免需强制重估。

• 商业和监管意义：可为监管机构和银行内部风险管理提供简洁直观的指标和模型支持。

---

2.4 相关文献综述（第1.2节及1.3节）

报告识别并扩展了银行挤兑建模的经典范式（Diamond-Dybvig, Morris-Shin的全球游戏等），强调储户预期和信心的自我强化效应。进一步将研究焦点放在新颖的HtM会计规则对银行风险隐藏及传染的影响，区别于其他研究着重资本措施、多偿付意愿等。链接近期实证工作（如Kim et al. (2023)、Granja et al. (2023,2024)）和复杂的价格影响理论（Banerjee & Feinstein 2021）。

章节结尾详细介绍了后续章节安排，包含模型设定、算法设计、SVB及其他银行案例分析与HtM资产配置优化。

---

2.5 模型细节（第2-3节）

• 资产端划分为4类：

1. 现金类流动资产 $x$
2. 可出售（AfS）资产 $s$，按市价计价
3. 持有至到期（HtM）资产 $h$，通常按账面价值计，即1，除非被迫重估
4. 非市值资产（nonmarketable） $\ell$，按账面值

• 负债端分为保险存款 $LI$ 和非保险存款 $LU$（后者可能挤兑）
• 储户观察资产负债表杠杆率

\[
\lambda = \frac{A(w, \gamma)}{A(w, \gamma) - (L - w)}
\]

其中$w$为提取的非保险存款总额，$\gamma$为出售的市场资产数量。

• 若杠杆率超过可接受最大阈值 $\lambda{\max}$，非保险储户开始挤兑$w$，银行被迫抛售资产$\gamma$满足现金需求。
• 抛售造成价格冲击，价格由单调下降的反需求函数$f(\gamma)$计算；
• 清算问题即求$(w^, \gamma^)$使得两方均满足条件（储户约束和银行资金约束），即固定点；
• 设计清算算法（Prop. 3.2）分为6步骤，涵盖（1）无售资产足够现金，（2-3）只售AfS资产，（4-5）售出部分HtM资产并须重估，（6）流动性危机；
• 价格冲击函数示例：线性函数和指数衰减函数，满足部分技术条件保证解的存在性和唯一性。
• 该模型能够解释为何HtM资产在挤兑诱发下忽然暴露亏损，导致风险急剧上升。

---

2.6 SVB案例研究（第4节）

利用SVB公开财报数据，报告具体校准模型参数，描绘其2020至2022年的资产负债动态：

• 总存款从56亿美元激增至181亿美元，保险存款比例低（9亿美元）

- 大量资金投入HtM证券，快速增加至101亿美元

• 在2022年加息期，HtM证券未变现亏损从盈利0.8亿转为亏损15亿美元

- 报告杠杆率持续7-8倍，但如考虑未实现亏损，杠杆率飙升至40倍，导致储户挤兑可能性剧增

模拟结果包括：

• 储户最大可接受杠杆率假设（6.5-8.5）反映挤兑概率，尤其2022年后显著恶化（图2）；
• 火线抛售价格冲击敏感度测试，价格冲击加剧需出售资产规模大幅增加（图3）；
• 若假设未实现亏损已计入资本，SVB自2022年初即面对流动性和偿付能力双重困境（图4），与实际危机爆发时间点吻合；
• 扩大保险存款比例可显著缓解挤兑压力（图5），反映监管强调多样化存款来源的必要性；
• 改变证券会计分类，多持AfS而非HtM，可延缓危机爆发但不根本解决亏损风险（图6），强调风险管理和套期保值的重要性。

---

2.7 HtM资产与AfS资产配置优化（第5节）

• 建立基于时间0时刻资产配置的单期模型，考虑价格冲击($p1$)导致AfS资产价值下降，HtM资产初期价值不变，但重估将触发全面亏损确认（图7）；
• 银行目标：最大化HtM资产份额 $h^$，但保证在$[p1,1]$价格冲击区间，不触发HtM资产重估，即AfS资产能覆盖流动性需求；
• 优化变量：$s^ = \bar{A} - h^*$，其中$\bar{A} = A - x - \ell$为市场可交易资产总额；
• 约束通过模型清算算法，反映储户最大接受杠杆率及资产价格冲击影响；
• 对线性反需求函数$f(\gamma) = p1(1 - b\gamma)$，得到显式解（Prop. 5.2），分三种情况：

1. 无需抛售：现金充足或杠杆率允许低流动性，银行可全部资产计为HtM；
2. 部分销售：需持有一定AfS资产覆盖潜在挤兑；
3. 全面销售：非保险存款过大导致银行必须大规模抛售，HtM持仓受限。

• 以SVB为例，Phop. 5.2通过调整参数反推洪示了其HtM资产持有不符合流动风险下的谨慎标准，尤其2022年后（图8-9）。

---

2.8 多银行横向对比（第5.3节）

• 收集First Republic (FR)、US Bancorp (USB)、PNC三家美国银行2021年与2022年数据，重复同样的Htm最优配置分析；
• 结果显示FR类似SVB，风险偏好下降后部分时点HtM持仓不合理—意味着银行面临流动性压力；
• USB和PNC表现稳健，实际HtM持仓均在模型安全区域之内，验证模型的区分能力（图10-13）；

---

2.9 结论（第6节）

• 建立了简单且可行的模型框架，阐释了银行的资产负债结构、非保险存款比例及HtM会计准则如何相互作用，形成储户挤兑的动态机制，并可计算平衡的挤兑现象；
• 利用SVB案例，量化了2020-22年间脆弱性积累，揭示过度依赖HtM资产以及稀缺保险存款的组合增加了倒闭风险；
• 模型还为监管层和银行内部提供量化衡量HtM资产配置合理性的工具，有望改善银行流动性风险管理和监管有效性；
• 支持进一步对其他银行及国家进行类似分析，提升风险预警能力；
• 报告指出监管和会计准则改革应强化对“持有意图与能力”的审查，同时需警惕取消HtM准则的潜在副作用，平衡稳定性与反映真实风险。

---

3. 图表深度解读

图1（p5）：模型示意图-银行平衡表变化前后

内容描述：
左侧显示银行偿付前的资产负债表，包含现金$x$、可售资产$sp$、HtM资产$h$及非市场资产$\ell$；右侧显示挤兑提款后现金增加$\gamma\bar{f}(\gamma)$、相应剩余可售资产调价后价值等变化，非保险存款部分余额减少$w$。
解读：
直观展示在提款$w$引发抛售$\gamma$时，资产及负债侧如何动态反映。更重要的是，当$\gamma>s$时HtM资产被迫重估的机制体现，支持后续分析。支持文中杠杆率基于准确市场价值评估的逻辑。[page::5]

---

图2（p13）：SVB在2020-2022年间不同假设下的平衡提款额

内容描述：
条形图按季度和不同$\lambda{max}$（6.5到8.5）分组，颜色对应模型算法六类情境，显示平衡提款资金量。颜色灰度区分流动性与偿付能力状态。
解读：
随着时间推进及储户接受杠杆率下降，平衡提款显著增加并越过现金覆盖区间（绿色），走向需抛售资产窗口（蓝色到黄色），最终甚至进入流动性危机区间（红色）。2022年末，该模型仿真暗示储户更为谨慎，挤兑风险暴露。体现了资产负债结构演化导致非保险存款对流动性影响逐渐加剧。[page::13]

---

图3（p13）：不同火线抛售价格冲击强度下的SVB资产清算规模

内容描述：
条形图显示不同$b$参数（价格冲击弹性）对季度内抛售资产（亿美元）数量的影响。
解读：
冲击越强，抛售资产量越大，且价格冲击大时容易触发流动性危机，增强市场反馈和价格压力，增加银行流动性风险。显示价格影响参数在风险评估中关键性，模型需高度重视此类参数。[page::13]

---

图4（p14）：假设未实现亏损计入资本后的提款资金模拟

内容描述：
模拟在资本扣减真实未实现亏损后，模型估计的平衡提款资金额，假设各种价格冲击。
解读：
反映SVB在2022年初即面临较大的资金压力和偿债能力透明恶化，流动性及偿付能力危机加剧，模型预测提款飙升和可能的破产概率显著增加，贴合实物事件。强调会计“隐匿亏损”掩盖的脆弱性。模型在量化未实现亏损对流动性风险影响中表现有效。[page::14]

---

图5（p15）：假设将不同行为比例的非保险存款转为保险存款的提款金额变化

内容描述：
图显示将不同百分比分量的非保险存款转化为保险存款后的对提款资金的影响。
解读：
大幅降低非保险存款（95%调整）几乎完全消除挤兑风险，但仅减少一半影响有限。显示储户存款保险大幅增强银行流动性安全，具有明确的政策启示。验证了储户信心对资金流动性的决定性意义。[page::15]

---

图6（p16）：不同证券资产划分到HtM和AfS的提款金额模拟

内容描述：
图示假设将不同百分比的HtM资产转移至AfS后，平衡提款资金的动态。
解读：
虽增加AfS资产可延期储户提款波动，推迟流动性危机，但因实际未实现损失无解，银行整体流动性风险仍在。凸显单靠会计分类调整不足以防范深层次风险，需要配合利率风险管理和套期保值措施。[page::16]

---

图7（p17）：单期模型示意图

内容描述：
时间轴示意银行时间0决定分配，时间1遭遇价格$p1<1$冲击，损失计入AfS，HtM保持初始计价，潜在挤兑导致HtM重新估值风险。
解读：
强调HtM资产分类的风险在于一旦被迫出售，无论出售比例大小，所有HtM资产必须重新计价，影响银行盈余和资本稳定性。该模型为优化HtM占比提供基础。[page::17]

---

图8（p19）：SVB历史HtM资产与理论最优比例比较

内容描述：
两组面板分别针对$\lambda{max} = 7.5$和6.5，色点代表不同假定的价格冲击阈值$p1$下的最优HtM配置，虚线为实际报告的HtM资产量。
解读：
在较高$\lambda{max}$下，SVB前期版本最优配置匹配较好，2022年起实际HtM远超模型建议，显示流动性暴露极大。较低$\lambda{max}$情形下更明显，实际HtM显著偏高，表明风险隐患严重。模型能够反映投资者风险容忍度对资产分类合理性的制约。[page::19]

---

图9（p20）：全部按HtM持有时，无触发抛售的最低接受杠杆阈值

内容描述：
线图显示2020-2022年间，当所有证券均为HtM时，为避免抛售所需最低$\lambda{max}$，即储户风险容忍度临界线。
解读：
在利率上升期，该阈值持续上升（6.5至8），反映风险压力增加，储户对杠杆容忍度需提升才能覆盖风险，说明SVB在风险积累中流动性紧张程度加剧。[page::20]

---

图10-13（p21-22）：四银行较大区间杠杆比/理论最优HtM比较

• 图10 SVB：实际HtM超过安全区间，且距离随时间拉大。

- 图11 First Republic：2021-22年均安全，但囿于杠杆下降后风险增大。

• 图12 USB、图13 PNC：均表现稳定，理论和实际HtM匹配度高，反映韧性。

解读：
突出模型区分不同银行流动性压力风险能力，强调风险管理中的杠杆容忍度及资产负债结构匹配重要性。[page::21-22]

---

图14（p29）：不同时期，较高非保险存款比例对应的资产清算量

内容描述：
呈现SVB在Q1 2022不同非保险存款占比情形下需动用HtM资产规模，颜色对应模型6类风险阶段。
解读：
较高非保险存款比例导致大量资本短缺，即使银行尚能满足流动性，也须大幅出售资产，引发潜在违约。该图显著印证非保险存款占比作为风险关键指标的作用。[page::29]

---

图15（p30）：不同初始资产估值对提款规模影响

内容描述：
随着市场资产起始估值$p$从1递减至0.9，模型Q1 2020至Q4 2022间平衡提款金额的变化。
解读：
资产估值下降明显激化挤兑风险，尤其2022年末，极端估值下降使银行状态迅速由有现金流动性变为流动性不足。强调初值靠谱性对风险估算的敏感度。[page::30]

---

4. 估值分析

本报告无传统估值（如DCF、P/E）板块，但在Section 5设计了基于价格冲击及储户杠杆容忍度的资产配置优化问题。其核心是：

• 将银行资本结构、火线抛售价格函数、存款挤兑行为和会计准则纳入统一框架，评估HtM资产最大可控规模；
• 采用线性反需求曲线，推导最优Htm及AfS资产配置，保证在允许的价格冲击范围内无须强制重估HtM；
• 结果揭示大量HtM资产对应严格的存款挤兑容忍度，以及潜在的流动性与资本风险；
• 该结构使得通过公开财报数据可逼近银行隐含的风险偏好和策略合理性。

---

5. 风险因素评估

报告揭示的风险主要包括：

• 高比例非保险存款（不稳定、容易挤兑），是外部资金流出的主要来源；
• 大量HtM资产依赖导致真实亏损未能及时反映，隐瞒风险、误导市场与监管；
• 价格冲击导致资产火线抛售，引发市场价格下降加速资产负债恶化的“负反应”效应；
• 银行资本和流动性缓冲不足，无法应对较大提款和潜在的资产价值大幅下滑；
• 储户风险容忍度下降或突变时，快速触发挤兑导致银行迅速失去流动性；
• 监管规则对于HtM资产“持有能力”和“持有效意图”的审查不到位，可能放纵银行冒险行为。

此外，报告也提及基于模型的监管对策包括：

• 监控非保险存款比例，强化存款保险覆盖；
• 加强HtM资产分类合理性的动态审查；
• 推动更细致的压力测试，模拟火线抛售和资产价格冲击；
• 鼓励有效对冲和风险管理，降低利率风险和流动性风险。

---

6. 审慎视角与细微差别

• 报告模型高度简化，虽然在理论框架和案例验证中表现出色，但仍依赖部分非观测参数如储户最大杠杆率（$\lambda{\max}$），需要通过假设或估计确定；
• 模型静态设定，未考虑储户行为的动态调整和理性预期形成过程；
• 火线抛售价格的影响函数参数具有重大不确定性，在实际应用中需结合市场微观数据严谨校准；
• HtM资产持有意图和能力的监管要求难以量化，模型虽然提供量化框架，但实际执行依赖银行披露和监管认定；
• 模型未完全纳入中央银行紧急借贷等流动性支持工机制，可能高估流动性崩塌风险；
• 报告对SVB等案例的结论依赖公开数据的准确性和完整性，有潜在信息局限。

总体而言，该报告提供了一个理论和实务兼顾的新的视角分析银行资产负债结构中的风险敞口，尤其对HtM会计规则的潜在危害提供了有力量化工具。

---

7. 结论性综合

本报告创新性地建立了基于资产负债结构和会计规则的模型框架，以解析储户挤兑现象及银行流动性风险的微观机制。尤其重点揭露了“持有至到期（HtM）”资产会计处理在利率变动周期中的风险隐匿功能，如何故意或非故意使银行优势资本和流动性指标失真。通过对硅谷银行（SVB）的季度资产负债表数据进行严格校准和模拟，报告详细呈现了2020-2022年银行资产负债结构的不合理扩张导致的挤兑脆弱性逐步累积，尤其强调了非保险存款比例过高和HtM资产占比膨胀对银行承压平衡的双重作用。

报告设计的清算算法精准捕捉了市场价格影响和人民币流动性消耗的复合效应，有效细分了银行不同流动性与偿付能力状态，应用于不同假设下模拟储户提款和资产抛售规模，复现了实际银行危机中的关键转折点。图表直观展示了现金水平、保险存款占比、HtM与AfS分类结构变化与价格冲击参数对银行脆弱性的综合影响，为监管部门制定针对性流动性风险缓释措施提供了科学量化依据。

特别地，报告提出的资产配置优化模型从银行内生视角界定了合理HtM资产的最大持有量，能够反推银行风险容忍界限及储户的杠杆阈值，结合SVB、First Republic等多家银行的实证数据，验证了该框架的广泛适用性和精确区分不同银行风险水平的能力，具备显著的政策和风险管理价值。

最后，报告对当前会计准则和监管实践提出了重要启示：需强化HtM资产持有意图和能力的审查，重视资本中的未实现亏损对银行风险的敞口影响，同时警惕流动性风险的快速累积效应，促进银行资产负债管理更加稳健透明。报告示范了如何通过简洁模型聚焦关键平衡表参数和储户行为特征，提供可操作的风险监测和预警工具，对理解和防范未来金融体系的银行挤兑危机具有重大意义。

---

总结

本报告系统阐述了“隐形HtM会计”在现代银行体系中对风险隐匿和流动性危机发生机制的关键影响，结合理论建模和实证案例做出精准风险定量和预警。对学术界和监管监管机构而言，提供了极具价值的模型框架和政策启示；对银行业风险管理亦有深刻指导意义。所有主要图表和数据均有详尽解读，助力理解挤兑脆弱性的时序演化和关键驱动因素，达成对银行资产负债结构与市场行为交互作用的深度洞察。[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,29,30]

报告