“兰亭·雅集”中国书法体验课在柏林中国文化中心举办

因此，隐性债务是不纳入政府预算管理、政府不直接承担偿还责任的债务。

2018年，我国债务的利息支付额是名义GDP增量的1.5倍，2019年上升到1.8倍，到2020年已上升到超过2倍。一方面，地方政府债券融资用来支撑公益事业、基础设施建设及国家重大工程的建设，发挥了扩大有效投资的积极作用。

而在把隐性债务包含进去之后，共有24个地区的债务率进入了风险范围，2个地区的债务率已经明显超出风险区间的上限。如果未来债务问题恶化，财力有限的部分中西部地区恐怕将会陷入债务违约的窘境。其中第一类是严格意义上的政府债务，后两类在2013年审计报告中统称为政府或有债务。根据IMF报告的预测，2021年和2022年中国地方政府隐性债务甚至将达到61.4万亿元和71.3万亿元，占当年GDP的比重分别将上升到54.4%和59.4%。问：怎样理解地方政府债务隐性债务中隐性的内涵？ 张明：在国际上，比较通用的政府债务分类工具是财政风险矩阵，这个工具将政府有关债务划分为直接显性债务、直接隐性债务、或有显性债务及或有隐性债务。

分税制改革还有一个重要的措施在于约束地方政府的举债行为。而越是到基层，地方政府提供公共服务所需要的财政支出比重就越大，这也就是事权下沉的内涵。在《规划》中，尤其对小微金融、农村金融、供应链金融、绿色金融四大场景的进一步说明，体现出这些领域的金融科技渗透与合理应用，正是当下规划聚焦之处。

数字治理离不开对ESG的关注，即企业环境、社会和治理绩效的发展与评价理念，因为在数据应用中也可能存在算法黑箱和信息不对称，即便体现出高效的商业模式价值，也可能忽视金融科技与数字伦理。二是找到数据治理的痛点，从问题入手进行战略设计。同样，在优化银行数据治理过程中，也应该以安全稳健为生命线，有效防范各类潜在风险。二、银行数据治理的目标选择 为了更好地推动银行数据治理的完善，需要全面厘清这一改革的战略目标。

三是完善组织架构与权责分担机制。而中小银行的组织架构、管理模式、技术应用等方面存在较多的问题，整体的投入产出效率较低，技术进步还未影响到一些中小银行具体的生产经营过程。

实际上，以数据治理为起点，银行数字化转型能够给诸多中小银行带来新的变革机遇。应对风险虽有多种手段，但是通过强化数字化管理、数据治理，努力健全自动化风险控制机制，实现事前、事中、事后的风险管理智能化，也是题中应有之义。以数据治理的标准化为支撑。央行目前已发布《金融标准化十四五发展规划》，提出以标准化引领金融业数字生态建设，尤其是稳步推进金融科技标准建设、系统完善金融数据要素标准等。

《规划》提出要力争到2025年实现金融科技核心竞争力跨越式提升，在此背景下，商业银行面临的挑战更加突出。但是，虽然大型银行和股份行的不良率持续改善，城商行和农商行不良率依然较高且存在较高反复性。加强对数据应用全流程的效果评价。数据治理不能漫无目的，或者一味照搬照抄，需要根据银行综合发展战略的要求，量身定制数据战略。

如《规划》中强调要发挥大型金融机构带动作用和示范效应，加强金融科技共性技术、资源和服务的开放合作、互惠共享，联合高等院校、科研院所、高新技术企业等搭建专业化金融科技产用对接平台，依法合规参与数字技术开源社区等创新联合体。银行数据治理的过程，恰恰是合理利用新技术全面推动大数据时代的数据、技术与业务功能有效融合。

产业数字化则指应用数字技术和数据资源为传统产业带来的产出增加和效率提升，是数字技术与实体经济的融合。特别是农商行由于前期增长加快，目前仍然处于3.63％的高位。

三、银行数据治理的重点举措 完善机制。以对公业务为主的银行，可在供应链金融等创新业务发展中着力探索数据链、数据生态的优化整合。例如，数据治理与管理是一项系统工作，涉及工作繁杂，如何能够有效规划、体系化推动，如何通过新技术应用来减少数据治理的成本费用，如何通过内控和审计来规范数据治理工作的开展，诸如此类的问题应该融入到数据治理的战略制定与落地中。近年来，在金融科技与数字金融变革中，金融业既取得了大量成功经验，也存在许多教训。一、银行数据治理的政策背景 问题的提出 近年来，数据治理成为商业银行发展中的关键问题之一，也是监管层关注的焦点。例如，从数据要素在整个社会再生产中发挥的作用来说，离不开数据生产、交换、分配、消费等环节，作为重要起点就需要考虑数据要素确权问题。

其中，特别指出要深刻认识数据要素更要价值，制定企业级数据规划和发展战略，明确数据工作机制、基本目标、主要任务、实施路径等，推动数据工作高效有序开展，稳妥推进业务由经验决策型向数据决策型转变，增强经营管理前瞻性和精准性。当前，经济高质量发展、实现共同富裕、绿色低碳经济转型等都构成当前战略重点，而金融科技与数字金融创新都越来越密切地与国家战略相吻合。

商业银行仍然是金融支持实体经济的核心力量，银行数据治理不仅是为了更好地应用数据资源、推动自身数字化转型与提升盈利能力，更是为了履行国家战略责任与社会责任。在此阶段，对于银行的数据监管政策，逐渐从数据质量考核结果导向的监管演变为对管理层面上的数据治理全方位要求。

2022年第2期《求是》杂志刊发习近平总书记重要文章《不断做强做优做大我国数字经济》，文中提出要充分发挥海量数据和丰富应用场景优势，促进数字技术和实体经济深度融合。截至2021年末，商业银行不良贷款总额为2.85万亿元，增速回到了5.4％，较上年同期下降6.6个百分点，是最近几年首次低于10％。

即便是美国，2001～2020年银行机构总体数量也从9614家减至5001家。从行业角度来看 促使整个行业提升全要素生产率。促进金融科技创新与数字化转型，须避免粗放式扩张和防止泡沫积累，处理好创新与安全的边界，守住不发生系统性风险的底线，防范非系统性风险的积累，明确创新的底线与负面清单。加强数据可视化、数据服务能力建设，降低数据应用门槛。

实际上，银行业务链非常复杂，普遍存在数据治理不佳、利用低效的现象，这也是责权模糊、动力缺失、IT建设完善周期太长等原因导致的，这就需要真正完善数据共享共赢、创新驱动的承载机制。从商业银行个体角度来看 提升机构核心竞争力。

客观来看，现有银行数据治理探索也存在标准化意识缺失、管理职责不到位、关键数据标准研制和贯彻流程不畅等问题，亟待以推动标准化来解决矛盾。尤其是需要推动银行以数字化来改善客户体验、提高运营效率、搭建金融场景等，更好地弥补产业数字化的短板。

四、银行数据治理的环境保障 除了需要商业银行自身加强和完善数据治理工作，政府与监管层面也应一起努力创造更好的外部环境。面对监管要求与同业创新压力，银行业逐渐从数据治理成熟度的视角来认识和应对相关问题，众多银行开始积极行动和探索布局，迈出深化数据治理和数字化转型发展的重要一步

高通胀与加息预期推动美国长期利率快速上升 更令人担忧的是，美联储被迫进入连续加息周期，可能会加剧全球经济面临的滞胀格局。随着美联储步入加息周期，美国与新兴市场国家之间的利率差通常会缩小，这很可能导致短期国际资本从新兴市场国家回流美国。二是疫情重创了中国中低收入家庭的收入增速。二是美国国债收益率的上升。

如果美联储真的按照上述节奏加息，那么意味着在短短10个月内加息7次，这种陡峭的加息路径是很多年都未曾见过的。当前我国10年期国债收益率大致为2.8%左右。

在正常情况下，诸如战争等将显著加剧投资者的避险情绪，导致避险资产（例如黄金、美元与美国国债）市场价格上涨、风险资产（例如股票和大宗商品）市场价格下跌。背后的逻辑是，如果美国资本市场或房地产市场的估值显著超过合理水平，那么随着美联储步入加息周期，美国国内借贷成本将会显著上升，这也会打压其估值水平，导致资产价格大幅下滑，从而引发金融危机。

疫情与俄乌冲突的相继发生又加剧了全球大宗商品供不应求的局面，推动大宗商品价格上涨。导致美债长期收益率快速攀升的主要原因，一是通货膨胀预期的上升推高了期限溢价，二是美联储加息预期将会水涨船高地推高国债发行利率。