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.     

基于尾部风险关联网络的中国金融机构间风险溢出效应研究

基于尾部风险溢出思想,采用2007-2017年的周收益率数据,运用CoVaR模型测度银行、证券、保险及房地产四行业40家上市公司之间的风险溢出效应,并结合系统性风险指数,得出各机构风险吸收与扩散能力排名。运用极大平面过滤图(PMFG)算法对风险溢出网络进行化简,构建仅包含关键路径信息的ΔCoVaR有向加权风险溢出网络,并结合网络中节点关联特征指标,为系统重要性金融机构的有效识别提供了全新视角。总体来看,各行业依风险传递方向不同而对风险的敏感程度各异,网络中关键节点对系统的整体结构影响较强;证券公司内部风险关联较为紧密,房地产机构承受行业间风险多源自银行业,大型国有商业银行对其他行业的风险发散能力较强。     

群体分析视角下商业银行对金融体系的风险溢出效应研究

本文基于异质市场假说和高频数据,利用高频数据采样频率高及富含波动信息的特点,构造多银行和系统间多元联合分布过程,并将银行间的动态联系纳入考虑,构建了蕴含丰富经济意义、形式灵活的高频动态多条件CoVaR模型及基于此的群体性系统性风险贡献指标。从群体分析视角出发,研究了不同商业银行群体对金融体系的风险溢出效应。结果显示：就系统性风险贡献度而言,该模型准确刻画了近年不同时期下我国三类商业银行系统性风险贡献度的时变特征,其表现为在次贷危机及欧债危机、我国“钱荒”时期及股票市场异常动荡时期,由于风险的传染性等特征导致三类商业银行的系统性风险贡献度均有所上升,而在其他时期则相对平稳;就单个银行对系统的风险溢出影响而言,工商银行的风险溢出比率最大,与其庞大的资产规模以及在金融体系中的重要地位与作用密不可分;当分析同类型银行群体的风险冲击时,国有商行类的系统性风险溢出比率值最高,其次为股份制商行类,该两类的溢出比率相差无几,且均远大于城商行类,表明股份制商行对金融系统的风险溢出影响不可小觑;当剖析不同类型银行群体时,此模型同样适用。本文所构模型能够实现多个银行对金融系统极端风险贡献的度量,可为监管部门的分类监管及有限能力下银行救助顺序的确定提供一定参考依据。     

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.     

影子银行对系统性金融风险的影响机理与传导机制

影子银行体系与系统性金融风险密切相关。文章基于2008—2022年我国16家上市商业银行的面板数据，运用ΔCoVaR方法测算商业银行系统性金融风险水平，实证检验影子银行业务对系统性金融风险的影响效应及传导路径。结果表明，影子银行规模控制在合理的范围内能够分散系统性金融风险冲击，当影子银行规模超过拐点时，对系统性风险具有集聚传染效应；影子银行业务对系统性金融风险的“U”型影响主要通过期限错配和稳定程度两种路径传导，而通过信贷水平和非利息收入两种传导途径则呈“倒U”型关系；商业银行个体微观特征和外部货币政策调整，导致影子银行业务对系统性金融风险的影响存在异质性。     

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.     

系统性金融风险:测度与时空格局演化分析

基于Markov链模型和ESDA探索性空间数据分析技术,测度2003-2014年中国31个省域系统性金融风险水平,并深入解析中国系统性金融风险的时空格局演化特征。研究表明:时空分异特征方面,中国各省域系统性金融风险水平总体上呈先上升后下降的趋势,并且东西部地区风险较高,中部地区风险较低;风险分布演进方面,高水平、中低水平、低水平3个风险类型的省域存在明显的俱乐部趋同现象,系统性金融风险长期分布格局趋于均衡,略向低风险水平倾斜;时空格局演化方面,整体上中国系统性金融风险水平在不同省域间具有显著的溢出效应,局部格局上"高-高"溢出效应区集中在东部沿海和西部边境省域。     

相依结构、动态系统性风险测度与后验分析

本文利用Copula相依结构理论扩展和求解了现有的系统性风险测度CoVaR,以得到适用于不同类型常参数和时变参数Copula函数及不同分布假设的动态系统性风险测度。为了验证和评估模型设定的准确性与应用价值,我们构建了适用于该动态系统性风险测度CoVaR的严谨后验分析工具。除“无条件覆盖性”、“独立性”和“条件覆盖性”外,我们首次提出了“混合独立性”检验。基于中国14家上市商业银行的实证分析表明：中国上市商业银行与中国银行业之间的相依结构呈现多样化特征;无论是样本内还是样本外预测区间,我们的动态Copula-CoVaR模型能够有效地捕捉典型系统性风险事件;严谨的后验分析不仅需要检验系统性风险测度CoVaR,也需要检验条件事件的临界值VaR。     

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.     

中国上市银行增量长期条件风险价值估算研究

防控系统性金融风险的前提在于风险趋势的动态监测，该趋势决定于长期条件风险价值溢出传染。为有效测度中国上市银行的增量长期条件风险价值指标并评价其系统重要性和系统脆弱性，选用GARCH-MIDAS模型估算其长期波动率、短期波动率及总波动率，使用DCC-MIDAS模型测度长期相关系数和总相关系数。将所测算出的长期波动率与长期相关系数相结合，计算出增量长期条件风险价值、长期风险溢出指数和长期风险吸收指数。对比分析增量长期条件风险价值和以往研究中所使用的增量条件风险价值之间的差异和联系。考察剔除短期扰动下的风险价值溢出的长期趋势特征，并根据构建的长期风险溢出指数和长期风险吸收指数，稳健地识别出剔除短期扰动下的系统重要性银行和系统脆弱性银行。研究表明：其一，金融资产波动可以显著分解为长期波动和短期波动，长期波动决定着银行收益率波动趋势；金融资产间的相关系数则主要由其长期相关系数决定，并受到短期因素的干扰；其二，长期风险价值确实能够有效测度银行风险价值变化趋势，且增量长期条件风险价值决定增量条件风险价值的变化趋势，是银行风险溢出传染的核心要素；其三，通过增量长期条件风险价值构造的长期风险溢出指数LS...     

中国上市金融机构关联性度量及影响因素分析

本文结合非对称斜率模型与单指标分位数回归,构建了中国上市金融机构的尾部风险网络,从而刻画中国金融市场尾部风险关联性的时变特征,并基于金融机构层面探讨尾部风险关联性的影响因素。研究表明,中国金融系统的总关联性与部门内关联性在金融危机与股灾期间显著上升,其中保险的部门内关联性为银行、保险、证券三部门中最高,而部门间关联性远小于部门内关联性,部门间的风险传染效应较为微弱。研究还发现投资活动是金融机构形成尾部风险关联的重要渠道,投资业务占比过高的机构应予以更多监管。     

基于国际资本多重动机的全球系统性风险传染路径识别

本文采用最新一代的SRISK方法测度了G20国家605家金融机构的系统性风险,并设计提出了基于高维的时变参数外溢网状矩阵,识别了全球系统性风险的传染路径和传染源。研究发现,各国系统性风险呈现明显增强态势,在危机时刻具有较强同步性,尤其是新冠肺炎疫情期间各国系统性风险同步激增。而欧美等发达金融市场更容易成为全球系统性风险的风险源,其中,美国溢出指数显著高于其他国家,是全球系统性风险的主要输出方;反之,新兴经济体的金融市场成熟度与放开程度远不及欧美发达国家,因此,更多地扮演着风险吸收方角色。基于面板模型的实证结果表明,资本流动骤停强化了系统性风险跨国别传染的溢出效应和吸收效应;国际资本流动的套利和套汇动机则是影响全球系统性风险传染的两个重要渠道,特别是,债券市场暴涨所引发的套利行为对吸收效应和溢出效应的影响存在显著的非对称性,而汇率升值超调引发的套汇行为则会增强系统性风险的溢出效应和吸收效应。此外,套价动机并未对系统性风险传染产生影响,一个主要原因可能在于各国的股票市场相对债券市场较为封闭,这势必隔断了套价行为对系统性风险传染效应的影响。最后,基于全球研究结论提出中国防范外部系统性风险冲击的政策建议。     

中国系统性金融风险对宏观经济的影响研究

基于2007年1月至2017年12月月度数据,本文首先选取金融机构极值风险、金融体系间的传染效应、金融市场的波动性和不稳定性、流动性和信用风险4个层面的14个代表性指标测度了系统性金融风险;然后运用分位数回归度量了单个系统性风险指标对宏观经济的影响;最后运用偏最小二乘分位数回归法构建一个系统性金融风险综合指标进一步实证分析系统性金融风险对宏观经济的影响。研究结果表明：①单个系统性金融风险指数中机构极值风险类别下的指标对宏观经济的影响最大,其中金融体系巨灾风险指数影响效果最显著;②运用偏最小二乘分位数回归构造的系统性金融风险综合指标较之单个系统性金融风险指标,能够更稳健地反映系统性金融风险对宏观经济的影响状况;③从测度效果来看,单个系统性风险指标和系统性金融风险综合指标在下尾分布（0.2分位数）的结果明显优于中间分布（0.5分位数）和上尾分布（0.8分位数）。     

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。     

基于MSGARCH-Mixture Copula模型的离、在岸人民币利率风险溢出研究

人民币国际化进程不断推进,沪港通等相关举措的实施对提高中国金融市场开放程度和完善离、在岸利率传导机制等做出了贡献,因此,探究两岸人民币利率市场间的风险溢出效应对促进利率市场化和维护金融稳定具有重要意义。以沪港通正式启动为节点,将研究样本划分为资本单向开放和资本双向开放两个阶段,运用单(双)状态结合的马尔科夫状态转换GARCH(MSGARCH)模型对收益率序列进行边缘拟合,在此基础上构建混合Copula模型分析离、在岸人民币同业拆借利率之间的相关性,最后通过CoES和CoVaR实现两者之间风险溢出的有效测度。实证结果表明：人民币在岸与离岸利率间整体呈正相关性,其中对于短期期限品种两者相关性较弱,且其在资本双向开放阶段相关性小幅增强,中长期期限的利率与之相反;各利率对的ΔCoVaR绝对值均低于ΔCoES绝对值,传统的CoVaR模型相较于CoES模型可能会低估各利率对之间的风险溢出;分析%CoES和%CoVaR发现,各期限的Shibor与CNH Hibor间在两个资本开放阶段均具有双向的风险溢出效应,对于两岸短期利率市场间的风险溢出而言,在岸较离岸在资本单向开放时期具有明显优势;资本的双向开...     

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。     

中国金融机构系统重要性的度量

文章基于系统性风险指数SRISK方法,结合我国金融机构的实际上市情况,利用DCC-GARCH模型,分别推导了A股、H股的长期资本短缺公式,并计算SRISK实际数值.然后以上市银行、保险、证券等金融机构等的交易数据为样本,确定了金融机构系统重要性的排名,并将其与基于同一分析框架的MES分析法进行对比分析.结果发现,度量我国金融机构的系统重要性,需要在MES分析的基础上,结合动态相关性和波动性,根据SRISK模型法评估排名.我国金融机构的系统重要性层次分明,保证了监管机构宏观审慎的有效性.     

基于GARCH模型的CVaR信贷风险度量方法研究

文章针对VaR方法不是一致性度量,不满足凸性,尤其是该模型不能体现尾部事件发生时其可能损失的程度等一系列缺陷;同时针对金融时间序列具有偏性和尖峰厚尾两大特性,用修正的VaR方法——基于GARCH模型的CVaR方法来度量风险。该方法的优点在于可以反映出损失超过VaR时可能遭受的平均潜在损失的大小,解决了VaR方法无法进一步识别风险是可以忍受的还是灾难性的问题,弥补了VaR不能反映损失尾部信息的缺陷,能够防范小概率极端金融风险,降低了银行发生灾难性风险的可能性。     

中国系统重要性金融机构的评估

系统重要性金融机构的监管是宏观审慎监管框架中很重要的一个维度,而有效监管的前提是对系统重要性金融机构的识别与评估。文章基于边际预期损失(MES)方法,计算了中国上市金融机构的系统性风险指数。研究结果表明,加强对系统重要性银行的监管,降低银行业系统性风险应成为目前我国宏观审慎监管的重点。