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.     

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。     

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。     

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.     

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.     

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。     

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。     

我国行业风险敞口与行业网络结构的相关性研究

基于皮尔逊相关系数和格兰杰因果检验,分别构建行业无向和有向网络,采用CoVaR模型计算我国行业风险,并借助分位数回归探索行业风险与网络结构的相互关系;使用网络模块分析探究不同极端事件下行业网络的集聚情况,以及风险在各模块间的传染路径,同时考察网络结构对行业风险的影响效应。研究结果表明：两种行业网络结构均表明,金融行业有成为网络中心的趋势,采用格兰杰因果检验构建的有向网络更能解释行业风险;金融市场冲击会对行业网络结构产生影响,不同极端事件下行业风险在网络中的传播方式不同;同时,网络结构对行业风险存在显著影响,网络聚类系数和全局效率的降低以及介数中心性的提升,均能降低行业风险。研究结论对金融风险防范和产业结构优化升级具有一定的参考价值。     

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...     

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。     

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。     

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。     

外部冲击视角下中国银行业和房地产业风险传染性测度

利用基于极值理论的VAR模型和CD模型,在检验了银行业及房地产业个体机构风险水平的基础上,研究了2个行业内及行业间的风险传染情况,并将房地产业与银行和其他行业间的风险传染特征进行比较。结果表明,房地产业发生风险的概率较大,危机后房地产业和银行业之间的传染性显著增加,并且银行业与房地产业之间的风险传染概率明显高于银行业与其他行业之间的风险传染概率。据此,提出了一系列政策建议,以增强对风险传染的防控能力。     

中国A股市场金融板块间风险相依关系及动态演化研究

将中国金融板块细分为国有大型银行、全国性股份制银行、城商行、证券、保险和信托等6个金融子板块，并以2015年中国股市异动和2019年新冠肺炎疫情为研究背景，分析在两个场景下的不同时期内，6个金融板块间的风险相依关系及其动态演化。通过计算各板块间波动指数的互信息，构建金融板块风险相依关系网络，并使用最大生成树刻画该相依关系的核心结构。研究发现，在市场处于相对平静时期，银行类金融板块与非银行类金融板块二者彼此之间的风险关联较弱，处于相对割裂状态；在市场走势波动较大时，银行类金融板块与非银行类金融板块之间的风险关联程度增强，且保险板块成为重要的中间节点；在两个场景下的异动期和疫情期，国有大型银行板块和城商行板块分别成为最大的风险节点。     

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。     

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。