经济政策不确定性、网络舆情与金融机构系统性风险

基于45家上市金融机构2015年1月至2020年3月的月度数据，从反映系统性风险的极值风险与传染效应两个维度各选取一个指标，即条件在险值差(ΔCoVaR)和吸收比率差(ΔAbs),并利用网络爬虫与文本分析构建金融机构网络舆情指数.然后，采用静态面板与动态面板实证分析经济政策不确定性、网络舆情与金融机构系统性风险之间的关系，考察网络舆情的中介效应，并从金融机构的类型和规模层面进行异质性分析.研究结果发现：1)经济政策不确定性对金融机构系统性风险存在显著正向影响，但积极和消极网络舆情对金融机构系统性风险的影响存在差异性；2)网络舆情是经济政策不确定性影响金融机构系统性风险的潜在传染渠道；3)网络舆情的中介效应在不同类型和规模的金融机构间存在异质性.     

系统性风险的传染渠道与度量研究——兼论宏观审慎政策实施

本文创新性构建了包含银行破产机制和去杠杆机制的资产负债表直接关联网络模型。本文发现:(1)四类银行特征和4个外生参数影响四类传染渠道,且影响存在显著差异,四类传染渠道中去杠杆渠道(Loss~(DEL))和银行间负债违约渠道(Loss~(IA_DF))最为重要;(2)在传染过程中,银行破产会导致系统性风险急剧上升,且破产越集中,系统性风险越大;(3)系统性风险存在"区制转换"效应:当低于某一参数阈值,金融体系呈现出随时间递减的"常态"系统性风险(SR),该风险由银行体系杠杆率驱动;当高于某一参数阈值,金融体系呈现出随时间递增的"危机"系统性风险(SR),该风险由银行关联性和资产规模驱动,并主要来源于传染指标较高的大型商业银行;(4)4个外生参数对应了四类针对金融体系整体的宏观审慎政策,脆弱性指标(VBI)和传染性指标(CBI)对应了针对单家金融机构的宏观审慎政策,这些宏观审慎政策应根据金融周期(上行或下行)和系统性风险类型(常态或危机)来实施。     

中国股市跨行业系统性风险空间溢出关联及风险预测分析——基于尾部风险网络模型

基于条件风险价值CoVaR和SIM单指数分位数回归技术,选取2012-2018年我国股市24行业指数周频数据,构建时变的跨行业尾部风险网络,通过网络拓扑结构反映系统性风险的空间关联及潜在变化趋势。此外,引入ARDL模型探究网络结构和宏观经济变量对股市系统性风险的长短期效应,最后对系统性风险进行预测。结果表明：(1)我国股市行业板块间存在明显的系统性风险空间关联和传染效应,风险溢出网络具有“小世界”特征;(2)网络连边集中度HHI呈明显的周期性变化。在尾部事件期间,HHI指标显著增加,风险网络呈较单一的中心节点结构,网络稳定性差;(3)通过节点风险传播强度和中心化程度发现,仅通过节点内部属性判断节点的系统重要性已不够全面和准确,应结合节点在网络中的位置和关联关系来判断;信息技术、医疗保健、商业和专业服务行业是风险网络中最有影响力的行业;(4)通过ARDL-ECM模型发现网络连边集中度是系统性风险的主要影响因素,并对股市系统性风险进行了高度准确的预测。本研究可为监管机构有效识别我国股市中有影响力的行业提供参考,依据关键行业的溢出关联制定针对性的风险防范措施,同时对风险溢出效应设立预警机制。     

中国金融机构关联性与系统性风险贡献研究——基于尾部风险溢出网络视角

在后危机时代如何准确地测度金融机构的系统性风险贡献以识别系统重要性金融机构是宏观审慎监管的重要任务.采用2010年至2019年中国32家上市金融机构数据以及宏观特征变量，通过TENET模型构建尾部风险溢出网络以度量金融机构关联性，并引入公司规模、杠杆和流动性指标，基于改进的PageRank算法提出网络-市场-账面相结合的系统性风险贡献测度思想，具体从系统整体、部门行业、机构个体三个层面对网络关联性展开实证分析.研究结果表明：1)金融系统总体关联性在危机与下行时处于高位水平，尾部风险溢出网络能有效捕捉极端风险事件；2)行业内的关联性水平总体而言高于行业间的关联性水平，但在极端情况下跨行业风险溢出强度会增大；3)银行和保险机构相对证券机构而言对系统性风险的贡献程度更高.     

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。     

银行间债务网络流动性差异对风险传染的影响

在度量系统性风险方面,银行间的流动性差异可能比“规模大”和“联系多”更重要.首先,本文从银行间网络角度,提出了一种商业银行流动性差异的检验方法.本文利用银行间贷款(网络的出度强度)和银行间借款(网络的入度强度)的幂律分布特征,度量银行间的流动性差异.实证研究发现,2012年~2014年,中国的大型商业银行流动性差异很大.其中,2014年大型银行的流动性需求最明显.其次,本文以真实银行间网络数据为基础,构造大型银行分别是流动性需求和流动性供给的两种网络,研究流动性差异对风险传染的影响.实验结果显示,处于流动性需求地位的大型银行的潜在风险传染破坏力,远远高于同等规模和联系的银行.这足以表明流动性地位应该是监管机构重点关注的系统性风险指标.本文的研究为监管机构提供了一种精准的系统性风险压力测试和情景分析方法.     

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。     

中美贸易摩擦对中国沪深股市行业板块的影响北大核心CSCDCSSCI

以“2018年中美贸易摩擦事件”为时间节点,分别构建贸易摩擦前、后的中国沪深股市行业间风险溢出网络.基于多种网络中心性指标,构建反映行业风险传染及风险承受强度的综合指标.从行业间风险溢出效应、股市稳定性、网络结构变化等角度分析贸易摩擦对股市的影响,探究影响各行业风险传染(承受)强度的因素,并在贸易摩擦背景下识别影响行业网络变化的主要因素.研究表明:1)贸易摩擦事件促使股市系统性风险加剧及稳定性水平下降,并降低网络的鲁棒性;2)在短期内,贸易摩擦对网络稳定性具有决定性影响.在中长期上,贸易摩擦对网络稳定性的影响逐渐减弱,而宏观经济指标、汇率、货币政策等经济政策将逐渐主导网络稳定性的变化;3)贸易摩擦后,各行业的风险溢出效应发生不同程度的改变,影响各行业风险传染(承受)强度的因素也不尽相同.研究结论对我国金融监管部门进行宏观审慎管理、把控系统性风险、维护金融市场稳定性具有一定的参考价值.     

金融强监管与非银行金融机构极端风险的演化

引入极值理论模型,依次测算我国上市非银行金融机构的自身极端风险概率、极端风险网络关联度以及金融系统整体极端风险网络关联度．2017年金融强监管周期开启后,证券、信托、保险三类机构自身极端风险概率均有所降低;三类机构的极端风险网络关联度也均降低,但仍需要进一步监管;金融系统整体极端风险网络关联度亦明显下降．面板回归结果显示,金融强监管政策显著降低了非银行金融机构的极端风险网络关联度;影子银行规模比重对极端风险网络关联度呈Ｕ型影响,最优规模比重约为0.35,部分机构需进一步降低影子银行规模比重,监管层需要注意监管边界,维持影子银行业务适度发展．     

金融强监管与非银行金融机构极端风险的演化北大核心CSCDCSSCI

引入极值理论模型,依次测算我国上市非银行金融机构的自身极端风险概率、极端风险网络关联度以及金融系统整体极端风险网络关联度.2017年金融强监管周期开启后,证券、信托、保险三类机构自身极端风险概率均有所降低;三类机构的极端风险网络关联度也均降低,但仍需要进一步监管;金融系统整体极端风险网络关联度亦明显下降.面板回归结果显示,金融强监管政策显著降低了非银行金融机构的极端风险网络关联度;影子银行规模比重对极端风险网络关联度呈U型影响,最优规模比重约为0.35,部分机构需进一步降低影子银行规模比重,监管层需要注意监管边界,维持影子银行业务适度发展.     

存款保险制度、影子银行与银行系统性风险

为了防范系统性银行危机的发生,我国于2015年推出了存款保险制度,该制度能否有效降低我国银行系统性风险是关乎金融稳定的重要现实问题.以我国存款保险制度的实施为契机,本文基于16家上市银行2010年第四季度~2017年第二季度的面板数据,首先,将金融机构间的关联网络和金融机构市值纳入到系统性金融风险的测度中,进而探讨我国存款保险制度对银行系统性风险的影响及其作用渠道.结果表明存款保险制度的实施显著提高了其他商业银行(中、农、工、建以外的商业银行)的系统性风险;存款保险制度主要通过影子银行渠道增加其他商业银行的系统性风险.本文的研究对于我国强化影子银行的宏观审慎管理、引入基于银行系统性风险的差别存款保险费率设计和完善系统重要性金融机构的评定,具有一定的借鉴意义.     

金融机构系统性风险溢出和系统性风险贡献——基于滚动窗口动态Copula模型双时变相依视角

本文以33家上市金融机构为研究样本，利用滚动窗口动态Copula模型对金融机构与金融系统之间相依关系的时变结构与时变系数进行双时变拟合，测度了金融机构的系统性风险溢出和贡献，从宏观、行业和机构层面分析了系统性风险贡献的影响因素。研究发现：证券类机构贡献了最多的系统性风险，而银行类机构对整个金融系统最具有潜在威胁性；金融机构与金融系统的相依结构决定了机构风险的外溢程度，而金融机构与金融系统之间相依程度以及系统自身波动性会显著影响整个系统的系统性风险；中国金融风险与财政风险之间存在相互转换的现象，化解系统性风险的根本办法是不断改善金融生态环境。本文可能的贡献有两点：第一，建立具有双时变特征的滚动窗口动态Copula模型，使模型设定和估计结果更接近真实情形；第二，从宏观、行业、机构三个层面分析机构系统性风险贡献的影响因素，这有助于从系统性风险产生的源头进行风险防控，供监管部门决策参考。     

我国金融机构的系统重要性评估:基于多元极值理论

2008年全球金融危机以后，金融机构的"大而不能倒"问题以及由此引发的系统性风险备受关注。本文基于多元EVT和Copula函数，建立了系统重要性的多角度评估指标体系，并对我国公开上市的26家金融机构的系统重要性做了一个综合评估。实证研究结果表明：（1）我国银行业在金融体系中占有主导地位，且银行业同质性较高，易诱发系统性风险；（2）规模不是系统重要性的唯一考量因素，其他因素也会对系统重要性产生显著影响，部分股份制商业银行和城商行也应被列为金融监管的重点关注对象。     

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。     

基于LGCNET多层网络的中国A股上市公司系统性风险度量

系统性风险度量一直是金融风险领域的热点问题,但是对于复杂网络条件下的度量方法还缺乏深入研究。本文将滑动窗口分位数回归与局部高斯相关方法相结合,构建出一种全新的多层时变网络——局部高斯相关网络(Local Gaussian Correlation Network, LGCNET)。基于此方法,本文通过研究中国证券市场股票总体及尾部收益的非线性相关性,分析了2018年至2021年我国A股50家上市企业关联网络的演化特征,通过考察金融网络系统性风险水平在整个时间段内的变化情况,探究了新冠疫情及中美贸易摩擦期间上市公司网络的风险变化情况。结果表明：第一,金融与科技行业是网络节点的中心,与其他行业公司存在较高关联性,表明该类行业是风险传导的中心。第二,基建及银行类公司因为其市值高,在系统中的重要程度普遍较高;同时,尾部风险排名高于其市值排名的企业具有较大市场影响力和风险传导能力,也应该受到关注。第三,在系统层面,受信用风险加剧及中美贸易摩擦的影响,2018年整个网络系统普遍具有较高风险水平;但在2020年新冠疫情期间,国内系统性风险一直控制在较低水平。     

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。     

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。     

我国金融机构的系统性金融风险评估——基于极端分位数回归技术的风险度量

本文将极值理论引入到系统性金融风险度量中,通过极端分位数回归技术估计我国33家上市金融机构对金融系统整体的风险贡献,并识别出我国系统重要性金融机构。研究结果表明,我国金融机构的市场价值总资产收益率呈现明显的非正态分布特征,使用极端分位数回归技术可以更准确的度量尾部的风险联动性;银行类金融机构的系统性风险贡献水平最高且波动变化最大,系统性风险贡献排名前十的金融机构基本为银行类机构;证券类、保险类、信托类金融机构的风险贡献水平相对较低;通过与其他研究的对比发现,考虑到极端情形下的尾部风险联动性时,股份制商业银行对金融系统的风险贡献上升。本文的研究为系统重要性金融机构的宏观审慎监管提供了实证依据。