基于网络视角的银行业系统性风险度量方法

网络模型已经成为研究银行系统性风险的重要方法。然而现有研究忽视了银行系统性风险的小概率特点,同时也缺少度量银行系统性风险的统一标准。为此,本文提出了基于网络模型的银行系统性风险度量方法:银行系统性风险VaR和银行系统性风险ES。首先,本文采用蒙特卡洛模拟方法,模拟银行外部冲击造成银行间网络损失的大样本。在银行间网络损失大样本中,估计银行系统性风险VaR和银行系统性风险ES。这两个测度能够捕捉到银行间网络损失的尾部特征,解决了对比随机冲击结果无法反映银行系统性风险的问题。其次,在模拟实验中,本文利用真实银行间网络结构参数,对模拟的三种银行间网络进行校准,保证了研究结论真实性和可靠性。最后,在模拟实验中发现:(1)外部冲击会引发违约传染的连锁反应,并导致银行间网络损失分布从近似正态分布转变成尖峰厚尾分布,最后变成双峰分布。(2)网络集中度越高发生违约传染连锁反应的概率越小,但是传染的破坏力会更大。(3)银行间网络的潜在传染作用会极大的放大银行系统的风险,而且违约传染效应是呈指数增长的。     

动态尾部金融网络结构与传染性度量

基于Lasso高维分位数回归模型,本文构建了中国金融系统的尾部网络结构,并定义了总体网络以及行业间、行业内和金融机构间等多层金融网络的尾部风险传染度,解构其传染机制与关联特征,评估各机构双向系统重要性(接收端和发射端)。同时,本文提出了一个最优滚动窗宽选择标准方法,以优化滚动样本技术下的动态网络结构。结果表明,所有层级尾部风险传染效应(总体系统、行业间、行业内和机构间)在经济金融极端困境时期,呈现明显增强及剧烈震荡特征,2015年中国股灾期间尤甚。跨行业传染效应日益严峻,银行与保险间表现出较强关联性,房地产机构与其他金融机构间均表现出较高传染性,跨业监管值得关注。接收与发射最多尾部风险传染的金融机构仍然是银行与证券类机构。系统中超过50%的金融机构倾向于接收风险传染,一旦出现系统性冲击,整个金融系统的稳定性将遭受重创,因此,应加强此类机构应对外界冲击的能力。此外,基于新滚动窗宽选择标准法的动态模型的估计性能明显优于传统方法。研究结论有助于理解中国金融系统的网络结构和传染机制,对宏观审慎监管体系的建立提供了依据。     

网络计划项目风险元传递解析模型研究

实际网络计划项目受各种风险因素的影响,为了使网络计划更能反映实际情况,本文通过对广义项目风险元传递理论的三维模型进行介绍,选取了项目应用维为网络计划,风险元传递路线维为网状型,风险元传递方法维为解析法来对网络计划项目进行解析.通过Mason公式来计算随机网络中各节点间的传递关系,利用矩母函数基本性质来计算随机网络中各工序的概率分布数字特征,从而探求随机网络项目所受风险度的大小.在此基础上,提出了基于GERT网络计划的风险元传递解析模型.最后,给出了模型的算例分析.     

金融网络风险下多因子矩阵回归的资产组合与定价

本文从企业的股权、债权关系出发,基于违约距离构建无向图网络,分析了不确定性风险以网络形式进行传染、溢出和蔓延等现象,通过最小生成树的稀疏网络优化方法最大限度降低资产组合的非线性风险影响。站在资源配置的角度,利用稀疏聚类算法深入挖掘资产特征和捕捉其间的相依关系,采用多目标、多指数的稳健矩阵回归策略动态跟踪市场趋势,并通过自适应权重学习策略对网络风险叠加影响下的资产组合进行选择和配置,最终获得最小生成树风险下投资组合的稀疏聚类优化策略,进一步扩充了资产定价多因子模型。研究发现多目标矩阵回归的稀疏聚类投资组合,不仅对组合内投资标的进行了选择性舍弃,使资金能够集中配置于优质资产,更有助于通过最小生成树减缓甚至切断风险在网络中的传播,有效降低了资产之间风险的传染性。基于金融网络的风险分析方法不仅有效地刻画了风险以网络方式互相传染、互相影响、互相强化的非线性叠加效应,而且通过资产之间配置系数的压缩变换和最小生成树的优化方式,最小化最坏情形下风险传染的影响,对复杂网络环境下的资产配置和全面风险管理进行了有益补充,为长期投资基金获得风险和收益更为均衡的资产配置,提供了合意的投资策略和决策依据。     

不同网络结构下银行间传染风险研究

基于复杂网络理论,研究了银行间市场随机网络、小世界网络和无标度网络中银行间传染风险特征及其差异.首先构建了银行间市场有向随机网络、小世界网络和无标度网络,进而通过描述银行资产负债表建立了银行间传染风险分析模型.最后,在银行分别为同质和异质下模拟分析了随机性冲击和选择性冲击下传染风险特征.研究结果表明:随机性冲击与选择性冲击造成的传染风险效应与网络结构以及遭受冲击银行数目密切相关;在三种网络结构下,冲击在小世界网络中造成的传染风险效应最大,在无标度网络中最小.该研究结果意味着:在此三种网络结构下,银行间市场无标度网络面对冲击具有最高的稳定性.     

嵌入网络舆情指数的中国金融机构系统性风险传染效应研究

首先基于文本挖掘技术构建反映投资者情绪的网络舆情指数，然后将所构建的网络舆情指数嵌入到系统性风险传染效应度量模型，得到修正的单指标非对称CoVaR模型，并运用线性分位数LASSO算法与局部多项式估计方法进行参数估计，以此为基础构建金融有向网络，进而对中国金融机构系统性风险传染效应进行实证分析。实证研究表明：(1) 以单指标非对称CoVaR为代表的金融机构风险指标与网络舆情的协同变化趋势明显；(2) 证券类和银行类金融机构对外部风险非常敏感，极易受到其他金融机构的影响，也极易影响其他金融机构；(3) 非银行类机构在风险积累阶段占据重要位置，银行在风险爆发时刻占据重要位置；(4) 相对于非银行类金融机构，银行类机构具有较强的传染能力。     

基于熵空间交互理论的CRT网络信用风险传染模型

信用风险转移(Credit Risk Transfer,CRT)网络中信用风险传染已逐渐成为学术界和政策制定者关注的热点。本文基于熵空间交互理论,将CRT网络中银行和投资者之间空间距离与非线性耦合、银行的信用风险转移能力与投资者的风险偏好相结合,建立了CRT网络信用风险传染的熵空间模型。通过数值模拟和对参数的敏感性分析发现,模型可以很好地反映银行和投资者之间的空间距离与非线性耦合、银行的信用风险转移能力、信用风险在投资者节点上的集中程度、投资者的风险偏好和风险承受能力对CRT网络信用风险传染效应的影响机制。研究同时发现:CRT网络信用风险传染具有"本地效应"和"关联抑制效应"。     

中国股票市场行业间金融传染检验和风险防范

运用一个新的金融传染检验统计量对2015 年6 月中旬中国股市暴跌时各行业间的传染效应进行检验． 跟传统的金融传染检验统计量相比，他可从不同的分位数水平上检验金融传染; 跟已有的分位数回归检验方法相比，他对于可能存在的模型误设是稳健的． 本文首次检验了国内全部十个一级行业以及四个金融二级子行业之间的金融传染情况，并从市场风险的角度对不同行业间的传染关系和传染的可能途径进行了分析． 新的金融传染检验统计量检验结果表明: 在此次暴跌中大部分行业间存在金融传染，尤其是在低分位数下，而传统的检验方法忽略了这种传染效应的存在，这对市场风险的提示有着重大意义．     

保险业在金融系统性风险传染路径中起到“媒介”作用吗？——基于金融市场尾部风险传染路径的实证分析

2008年金融危机之后,保险业固有的不会产生系统性风险的传统认知被打破。关于保险业在金融系统性风险传染路径中的角色定位,本文从其业务特点和风险传染特点出发,首次提出"媒介"作用的猜想并进行实证研究。本文沿用当前主流研究方法,利用尾部风险的传染网络来研究其媒介作用的大小。本文选取了包括6家上市保险机构在内的34家金融机构,研究区间跨度为2011到2018年。根据金融市场数据"厚尾"和"非对称性"特征,文章首先采用AR-（GJR）GARCH-Skew-t模型对股票收益序列进行处理,然后根据Copula函数,计算尾部相依度,再通过最小生成树和阈值方法构建金融市场的风险传染网络。本文还通过构建保险业媒介中心度来探究其媒介作用的程度。实证结果表明：（1）在金融市场风险传染网络中,保险业起到连接银行市场和证券市场的重要媒介作用;（2）保险机构中又以多元化经营的中国平安的风险传染作用最强,其次是中国人寿。（3）银行市场中的兴业银行和保险市场的联系最紧密,证券信托市场则是中信证券、广发证券等。研究明确了风险传染的路径和关键性节点,为制定更具针对性的系统性风险监管措施提供了参考。     

网络结构与银行系统性风险

建立了完整的度量银行间违约传染及银行系统性风险的研究框架.在这个框架下,研究了不同银行间网络结构下银行系统性风险.在模型建立过程中,分析了现有研究广泛采用的违约算法中存在的问题并对其进行了修正.为了模拟不同的银行间网络,还提出了一种构造无标度网络的方法.通过仿真模拟,研究发现集中度越高的网络由于传染而倒闭的银行数量越多.但是,当基础违约的银行数量不多时,网络集中度越高,由于传染而倒闭的银行的总资产越少.此外,在集中度高的网络中大银行倒闭引发违约传染的可能性和影响力都会大于集中度低的网络.而小银行引发传染的可能性远低于大银行,但是小银行倒闭达到一定规模时,可以引发大银行传染倒闭.     

双渠道风险传染下银行系统稳定性分析

随着金融危机的频率和范围的不断扩大,银行系统性风险的研究越来越受到重视。针对银行业系统性风险,构建银行同业拆借（直接传染渠道）、银行共同持有资产（间接传染渠道）的双渠道风险传染网络模型。该模型引入了宏观经济波动带来的投资风险,并允许银行通过贬值出售资产来弥补流动性,这更真实地反映了银行系统的操作规则。研究结果表明,在各种经济因素波动情况下,平均储蓄量、储蓄的波动幅度、投资的收益率、存款准备金率以及储蓄利率等对银行系统稳定性的有较大影响,并进行了定量分析。该研究为定量研究宏观经济波动下银行系统性风险问题提供了方案,并为决策者和监管部门防范银行系统性风险提供了参考。     

融合CDS网络的银行间信用风险传染模型研究

信用违约互换（Credit Default Swap，CDS）作为银行信用风险缓释的重要工具，也是信用风险传染的重要渠道。因此，考虑到CDS抑制效应与传染效应的双重作用，本文构建了一个含有CDS网络交互作用的银行间信用风险传染模型，并运用计算实验与仿真模拟分析了在不同网络结构下银行网络信用风险传染与CDS网络抑制率，以及CDS网络信用风险抑制效应与银行网络传染率之间的关系，以及信用风险传染下银行网络和CDS网络的演化特征。研究结果表明：（1）银行网络的信用风险传染阈值与CDS网络抑制率呈单调递增的正相关系。而且，与同质网络结构相比，异质网络结构下的银行网络信用风险传染阈值相对较小。（2）CDS网络的信用风险抑制阈值与银行网络传染率呈单调递增正相关关系。而且，与同质网络结构相比，异质网络结构下CDS网络的信用风险抑制阈值明显较大。（3）银行网络最终破产规模与CDS抑制率呈单调递减的负相关关系。而且，异质网络结构下的银行破产规模要大于同质网络结构下的银行破产规模。（4）CDS网络破产规模与银行传染率呈单调递增的正相关关系。而且，同质网络结构下的CDS网络破产规模大于异质网络结构下的CDS网络破产规模。     

基于银行-资产双边网络模型的系统性风险及投资策略研究

受近几年的国际金融危机及金融全球化的影响,对金融系统的系统性风险的研究已成为国内外学者的关注热点。考虑到当前基于"银行-资产-银行"间接传播渠道的相关研究相对匮乏,本文基于银行-资产双边网络模型来分析银行系统性风险。首先,使用中国47家上市银行2018年的资产负债表数据构建了中国银行系统的双边网络模型,研究分析各类资产遭受冲击时外部冲击、降价出售效应及银行所持有的各类资产占银行总资产的比例对银行系统性风险的影响。然后,引入系统性冲击方式,通过设置具有不同属性的两大类资产并生成四种冲击事件来构建银行的投资策略模型,从资产视角探讨银行最优的投资策略。研究发现,外部冲击与降价出售效应这两个产生系统性风险的影响因素在一定区间值时会产生叠加效应,使银行系统性风险急剧增加;五种资产类中,贷款类资产对外部冲击最敏感;分析发现在各类资产冲击下都未倒闭的所有银行的资产组合具有一定的相似性;进一步研究发现银行系统中存在着最优的资产组合,使得银行在稳定的同时能获取最大收益,并且资产负债比越大的银行其风险承受能力越强,从而可以选择更激进的投资策略来追求高收益。     

基于核心-边缘网络的中国银行风险传染

采用核心-边缘网络刻画我国银行间市场的网络结构,结合各银行同业往来资产和负债信息构建风险传染模型,对单个银行倒闭以及资产价格泡沫破灭两种情况下的传染过程进行模拟.研究发现,近年来我国银行系统的抗风险能力不断增强,但在所有银行中中国银行的风险传染程度最严重,应该加强对系统重要性银行的重视.同时,防范银行危机的关键在于控制资产价格泡沫,在合理的资产价格水平下,外界冲击难以对银行系统的安全性构成威胁.     

基于贝叶斯方法的中国商业银行同业借贷网络中系统风险研究

本文针对银行双边风险敞口不可得的现实情况，利用贝叶斯方法，基于185家商业银行在2013年至2017年的资产负债表数据，在不同的网络结构设定下构建吉布斯抽样器，根据大量银行间同业资产及同业负债分布矩阵的样本，考察了每个商业银行在负面冲击后违约的概率及其分布。研究结果表明，银行同业借贷网络的结构能够显著影响银行的系统风险和违约概率。当网络连接概率处于中等水平时，冲击影响的范围最广；在完全网络结构下，风险分担的作用大于风险传染。总之，银行同业借贷既可以分担风险，也成为了风险传染的渠道，这种功能的转换取决于以下几类因素的相互作用：冲击的性质，例如冲击的规模，受冲击银行的数量以及冲击涉及的银行类型；清算时资产的贬值程度；银行自身资产负债表的特征。如果仅考虑银行同业借贷渠道，样本期内最稳健的银行系统是在2017年，而2014年的银行系统最脆弱。     

基于危机条件概率的系统性风险度量研究

2007年次贷危机的爆发，令系统性风险的度量受到了广泛关注，但是目前常用的度量方法存在多种问题，不能较好地反映金融业系统性风险的实时变化。本文提出一种新的系统性风险度量方法——危机条件概率（Conditional Probability of Crisis，CPC），将系统性风险定义为单个金融机构发生危机导致整个金融系统也陷入危机的概率，可以利用股票收益的下尾相关性计算得出。该方法概念清晰，较好地体现了系统性风险的内涵，并且可得到实时更新的系统性风险。实证基于中国49家上市金融机构的股票价格数据，得出了2007-2016年我国金融业及金融子行业系统性风险。结果显示：2014年下半年以来，中国整个金融行业的系统性风险呈明显上升的趋势，目前甚至已经显著高于次贷危机时期；证券业系统性风险在样本时间范围内一直呈显著上升趋势；银行业对金融行业的影响最大，证券业和保险业的影响力也在逐步上升。     

考虑社交网络和互联网金融的金融市场超网络均衡研究

社交网络和互联网金融的广泛应用给金融市场发展带来机遇和挑战，金融市场呈现复杂多变、交叉融合的特征，传统的金融市场和监管理论难以适应金融市场发展和风险管理需要。本文从金融网络视角，针对互联网金融发展带来的区别于传统金融的信用风险和操作风险，引入信用惩罚函数和操作风险函数，考虑到加强社交网络关系可提高信息透明度、降低交易成本和交易风险，建立了由资金供给者、互联网金融中介、传统金融中介、资金需求者四种类型金融参与组成的、集成资金流动网络和社交关系网络的金融市场超网络模型，进行金融市场各参与主体的行为分析，建立包括净收益最大化、社交网络关系最大化和风险最小化为目标的多目标决策模型；运用变分不等式将约束条件放松为单边约束，研究包括上述金融市场的均衡条件；最后通过算例的MATLAB仿真验证模型有效性。研究结果表明，考虑与否社交网络关系水平，金融市场的均衡状态不同；社交网络关系水平对互联网金融中介和传统金融中介具有影响作用；为提高市场稳定性和有效性，降低金融风险，互联网金融和传统金融中介需要合作和协同发展。     

基于多主体建模分析的银行间网络系统性风险研究

本文基于多主体建模分析了银行间核心-边缘网络的系统性风险。模型假设银行通过最优投资组合配置,在流动性和资本约束前提下谋求利润最大化。通过建立银行间市场交易环境的仿真模型,依据银行行为决策动态形成资产负债表与银行间网络敞口的数据,评估金融监管政策在银行间市场的实施效应。同时,引入不同网络结构模型加以对比分析,发现尽管核心-边缘银行间网络体系比无标度网络更易遭受共同冲击和传染风险,但当处于金融困境时,在宏观审慎管理政策机制作用下,核心-边缘网络体系比其他结构网络表现出更强的恢复力特性。