基于经济金融关联网络的我国系统性风险防范研究

如何防范化解系统性风险一直以来都是社会各界普遍关注的热点问题，但系统性风险的源头究竟在哪?传导机制又如何？目前还没有定论。现有对系统性风险的研究成果大多关注于金融行业内部，忽略了实体经济在系统性风险传递过程中扮演的角色。防范系统性风险真的仅限于金融行业吗？本文从经济金融关联网络视角出发，以我国整体经济领域中各行业为研究对象，运用系统性风险度量新方法——TENET构建2002-2017年我国行业间系统性风险溢出网络，在此基础上对行业间的风险溢出水平以及传导结构特征进行全面地考察分析，并为科学防范系统性风险提供有效建议。研究发现：（1）我国行业间系统性风险溢出的总体水平在金融危机或市场过热期间显著增强，同时各行业系统性风险输出与输入水平的时序特征存在明显差异，输出水平大幅波动而输入水平呈平稳状态；（2）信息技术、房地产和材料行业不仅是主要的系统性风险源头，而且容易受到其他行业风险外溢的影响，是整个经济金融关联网络中最具系统重要性的三个行业，同时各行业的系统重要性具有明显的时变特征；（3）虽然金融行业在整个经济金融关联网络中的系统性重要性仅排在第四位，但是金融与房地产和能源两个行业具有长期较强的双向风险溢出关系，而且金融与房地产之间的双向风险溢出强度在系统性风险溢出网络中居首位。本文研究结论的政策启示在于提醒监管部门防范系统性风险要立足全局视角，正视金融在其中扮演的角色，不能过度高估金融行业的系统性风险地位，同时要找准风险源头行业并对其做好前瞻性调控，尽可能避免风险的产生，并在风险传递初期切断风险溢出的路径避免风险大规模蔓延。     

不同行业与金融系统的波动溢出效应分析

文章借助分位数回归技术,结合CoVaR法,研究国内银行业、保险业、多元金融服务业及房地产行业与金融系统的波动溢出效应。研究发现:行业的波动都会显著增加金融系统的CoVaR,但风险贡献有差异,存在行业到金融系统的波动溢出现象,从敏感性来看,金融系统对银行业最敏感;行业之间存在双向波动溢出;行业之间的△CoVaR反映各个行业间的业务关系及金融市场发展的格局和态势。     

机构关联、风险溢出与中国金融系统性风险

本文基于现有研究文献,解析金融机构关联性与风险传染之间的机制,运用非对称CoVaR模型和分位数回归的方法,测度证券、银行、保险等机构的风险溢出水平,实证研究中国金融系统性风险的动态变化.结果表明,中国金融机构的风险溢出具有非对称的特征,负向冲击对金融系统的风险溢出要比遭受正向冲击时大,银行机构的风险贡献程度比其他机构小,证券部门的风险贡献值较大.     

我国行业间尾部风险溢出的测度及时空驱动因素研究

基于经济金融的共生共荣关系,本文采用LASSO分位数回归构建我国金融与实体行业间的尾部风险网络,利用复杂网络分析法对行业间尾部风险溢出进行测度分析,并从时空两个维度探讨行业尾部风险溢出的驱动因素。研究结果显示,第一,我国经济金融系统中的31个行业形成了“牵一发而动全身”的尾部关联网络,金融行业间、实体行业间以及金融与实体行业之间均存在密切的尾部关联,而且在与实体行业的互动中,金融行业内部存在结构性不平衡。第二,经济金融系统中的风险传染源既可能来自金融行业,也有可能来自实体行业,银行、医药生物、计算机和建筑装饰是经济金融系统中重要的“风险驱动者”。第三,在空间维度上,行业间投入产出关联越密切,其尾部风险溢出水平越高,且相比前向关联,后向关联对行业间尾部风险溢出的解释力更强,即尾部风险主要沿产业链从下游向上游行业进行逆向传导;两两行业间的收益相关性和波动相关性越高,尾部风险溢出越强;行业自身风险水平越高,其接收其他行业的尾部风险溢出越强。在时间维度上,宏观经济环境和融资环境是行业尾部风险溢出动态变化的主要驱动因素。     

金融机构尾部风险溢出效应———基于改进非对称CoVaR模型的研究

为准确度量我国金融机构对金融系统的尾部风险溢出,本文改进了基于CoVaR 方法的分位数回归模型。基于极值理论和ARMA-GARCH模型拟合收益率边缘分布,构建了改进的非对称CoVaR模型,从系统性金融风险贡献绝对值(△CoVaR)和相对值(%CoVaR)两方面详细考察了2002年7月1日至2018年12月28日我国42家上市金融机构的尾部风险溢出效应。结果表明:在q=0.01的情况下,不同类型金融机构对金融市场的系统性金融风险贡献有显著差异,银行类与保险类机构的系统性金融风险值得重点关注;金融机构的系统性金融风险贡献相对值与在险价值存在显著联系,自身风险最低的银行类机构具有最大的风险溢出强度,是我国系统性金融风险防范的核心对象,尤其是国有控股银行。研究结论对于有效防范我国系统性金融风险具有重要的理论价值和现实意义。     

基于广义CoVaR模型的系统重要性银行的风险溢出效应研究

本文基于我国16家上市商业银行的股票日收益率数据,通过分位数回归估计广义CoVaR模型,即将CoVaR模型的条件由q分位点下的收益率等于VaR推广至最多等于VaR.在此基础上分别度量了上市商业银行对整个金融市场体系和上市商业银行对其他上市商业银行的风险溢出效应.结果表明,全国性商业银行的系统性风险普遍高于地方性商业银行,而各个上市商业银行之间的风险溢出效应具有显著的差异.     

金融系统性风险的双向溢出效应及其CoVaR模型估计

在信息化金融社会,风险的衡量与预警成为金融稳定的重要影响因素.文章以商业银行为实证,通过在险价值CoVaR模型,利用我国16家上市商业银行数据对商业银行系统性风险的双向溢出效应进行模型估算.研究显示,商业银行系统性风险存在明显的正向双向溢出效应.资产规模对商业银行应对风险的能力产生较大影响,一些规模较小但经营灵活的商业银行由于区域特色较为明显,也具有较强的风险抵御能力.     

基于时变参数Copula的ΔCoVaR度量技术

采用基于时变参数Copula的ΔCoVaR度量方法,以动态参数Copula模型描述金融变量间的相依结构、以GARCH类模型描述各金融变量的边际分布,通过构建的联合分布计算ΔCoVaR。利用此方法度量中国大陆与美国、香港的股票市场间的极端风险溢出。实证结果表明:通过此方法计算的ΔCoVaR能同时反映时变波动性与时变相依性,可更灵敏准确地度量危机时的极端风险溢出。     

基于时变参数Copula的△CoVaR度量技术

采用基于时变参数Copula的△CoVaR度量方法,以动态参数Copula模型描述金融变量间的相依结构、以GARCH类模型描述各金融变量的边际分布,通过构建的联合分布计算△CoVaR.利用此方法度量中国大陆与美国、香港的股票市场间的极端风险溢出.实证结果表明:通过此方法计算的△CoVaR能同时反映时变波动性与时变相依性,可更灵敏准确地度量危机时的极端风险溢出.     

贝叶斯网络决策在房地产投资风险控制中的应用

文章结合总和一阶贝叶斯网络学习模拟,获得面向不同风险控制决策程度的房地产先验概率、后验概率及其对应的密度函数,从中比对不同投资风险控制效益对应的条件概率.结果表明,基于贝叶斯网络推理可以获得更具有确切显性特性的房地产投资风险控制决策信号;中层级获得了最高的测试值,最低的为高风险决策级.贝叶斯网络推理一定程度上削弱了原先的网络学习对投资风险控制的先验概率对关联强度的影响,应均衡房地产在风险控制绝对与管理之间的投资策略.