基于复杂网络的银行系统风险传染与防范

银行间的金融业务多种多样,文章针对银行之间的风险交易进行建模,运用一种针对银行系统层面的风险分析方法,分别对规则网络、随机网络、小世界网络和无标度网络下的银行系统模型进行计算机模拟,统计大量数据,通过衡量结果的各种参数来分析巴塞尔协议参数、外部风险比例、网络规模在不同的网络结构下对银行系统风险传染的影响,得出这些结果参数在不同网络结构下的规律并进行相互比较.结论认为巴塞尔协议参数和银行网络的连接集中度对银行系统风险传染有比较大的影响,找准关键银行节点是防范风险传染的关键之一.     

银行网络对银行稳健性影响的实证分析

文章以2005-2014年55家银行为样本,应用社会网络分析法对我国银行网络结构进行了研究,同时模拟了银行间风险传染效应,并采用面板负二项回归方法分析了银行网络对银行稳健性的影响.实证结果表明,我国银行网络逐渐趋于密集,国有商业银行仍居于核心位置,但中心度在下降;风险源来自以中国银行和工商银行为首的五大国有商业银行,但一般不会发生多轮次、大面积的风险传染;网络密度、中心度均与银行风险呈现显著的正相关关系,表明我国银行网络风险传染机制效应强于风险分担机制.     

商业银行非利息收入、市场竞争与风险承担的实证检验

基于中国17家商业银行2000～2011年的面板数据,文章采用面板门限回归模型考察商业银行非利息收入、银行间竞争程度对商业银行风险的影响.结果表明:商业银行间竞争程度加强有利于降低商业银行风险；而非利息收入与银行风险间存在非线性关系:银行资产规模低于4万亿时,非利息收入的风险分散化效应并不显著,而银行资产规模超过4万亿时,非利息收入的增加加大了商业银行风险.     

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...     

传统银行和影子银行交互作用的动态一般均衡分析

文章通过构建动态一般均衡模型来评估传统银行与影子银行之间的交互作用及其对金融体系的影响。结果表明,影子银行的存在可以降低银行的筛选强度,从而使银行承担的项目的成功率较低,因此银行业风险也增加了。影子银行更容易获得短期债务,这增加证券化贷款的价格,也降低了银行筛选强度,增加了银行业的风险。     

基于无标度网络的信用违约风险传染效应研究

文章在BA无标度网络和JY信用违约风险传染模型的基础上,使用信用违约风险传染规模和传染速度来度量信用违约风险的传染效应,对不同网络规模、平均连接概率和免疫策略下的传染效应进行了模拟分析。结果表明:网络规模对信用违约风险传染相对速度的影响显著为正,但对传染的相对规模影响不显著;平均连接概率的增加对传染效应的影响显著为正;相较于随机免疫策略,对少部分网络中关键节点的目标免疫能够很好地减小信用违约风险传染效应,增强整个经济网络的稳健型。     

互联网金融与传统金融市场风险联动性研究

文章从互联网金融和传统金融之间相依性结构以及风险传染两个角度对市场间的联动性进行了探索。采用时变t-Copula-GARCH模型对互联网金融与股票、银行以及债券等传统金融市场之间的相依性进行了测定,并利用BP结构突变点检验的方法对互联网金融和传统金融间的风险传染进行验证和分析。通过实证分析发现,互联网金融、股票、银行市场以及债券市场的收益率均具有“尖峰厚尾”的特征。相对而言,互联网金融与股票市场间联动性最强,与银行市场间的联动性一般,与债券市场间的联动性最弱。互联网金融市场与股票以及银行市场间的联动性均为正向联动,也就是说互联网金融市场的兴起在一定程度上可以推动股票以及银行市场的发展。互联网金融市场与债券市场的相关程度相对较弱,并且相关方向不够稳定。结构突变点检验显示,互联网金融和传统金融中的股票、债券以及银行市场间存在明显的风险传染效应。     

上市商业银行同业业务的风险承担影响实证研究——来自面板工具变量法的证据

深入考察商业银行发展同业业务对银行风险承担水平的影响,以同业净资产/总资产综合衡量同业资产负债业务扩张净效应,基于面板工具变量,运用2SLS回归估计方法,进行实证检验,结果发现:同业净资产占比增加显著提高了商业银行风险承担水平;商业银行风险承担水平随着银行杠杆水平、股权集中度、不良贷款率的提高而增加,但随着资本充足率、资产规模和存贷款占比的提高而降低。"高风险高收益假说"没得到实证检验;上市商业银行发展同业业务的风险承担影响机制:同业业务期限错配和高杠杆运作方式,增加了商业银行总资产收益率波动率,从而降低商业银行单位风险收益和单位风险的资本要求,提高了商业银行的破产风险概率,最终增加了银行风险承担水平。     

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。     

不同压力与复杂压力下的银行体系流动性风险测试

文章基于宏观经济波动、同业风险传染和不同风险演化的视角研究了不同压力与复杂压力冲击下银行体系的流动性风险.研究发现复杂压力冲击危害在一定范围内不随压力程度的增加而加大,滞胀背景下复杂压力冲击对银行体系流动性的危害将大于其他压力情景,复杂压力因素冲击并不比单一压力因素具有更强的危害,但银行体系流动性将随着压力的传递与深化出现复杂变化.     

股市危机中股指期货应该限制交易吗——基于2015年股市危机的实证分析

利用上证50、沪深300和中证500股指期货合约及其相应指数的高频数据,克服了传统BEKK和DCC模型的不足,通过建立VECM-DCC-VARMA-AGARCH模型考察股市危机期间中国股指期货市场与股票市场之间的信息传导关系与风险传染效应。研究结果表明,股市危机期间股指期货具有很强的价格引导和风险传染效应,股指期货的持续波动加剧了股票市场的进一步波动。因此,提出风险传染效应与市值规模相关、非对称效应和非预期冲击效应与市值规模负相关、波动的风险传染效应与市值规模正相关。危机时期,应抑制股指期货市场上的过度投机,对股指期货采取限制开仓、提高交易保证金和交易手续费都是正确和切实可行的措施。建议监管当局健全股指期货和股票市场交易制度。     

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。     

准入制度改革、同业竞争与银行业市场进入决策机制升级

为了研究我国银行业市场准入制度改革对银行市场进入决策机制的影响和检验银行间差异化竞争战略的实施成效,本文基于中小股份制商业银行分支数据构建静态离散博弈的均衡结构模型还原银行市场进入过程中的战略互动,并重点考察不同垄断地位银行间非对称的竞争壁垒效应。鉴于多重Nash均衡引起的估计不一致问题,分别使用条件矩不等式和子样本模拟技术识别与估计模型参数的置信区间,并进一步设计反事实分析和分类比较分析。研究发现,我国银行业准入制度放松显著推动了市场进入决策机制升级,使其不仅取决于银行内部优势和市场区位,也受制于对手决策及其构建的品牌、规模经济等非对称竞争壁垒;银行边际利润实现从第二产业向第三产业转移,当前银行业的“壁龛市场”战略占优于“跟随”战略。     

Elman神经网络在银行间同业拆借利率分析中的应用

利用Elman网络建立了同业拆借利率的神经网络模型,根据msereg性能函数确定了神经网络的输入层个数,采用不同的算法训练网络,从中选出L-M算法是最为快速和准确的。经所提算法训练过的网络在处理复杂时间序列方面具有很好的学习能力和泛化能力。     

信息挖掘还是噪声交易:债券特质风险如何影响信用利差?

特质风险向债券市场传递风险的方式,直接关系到债券定价逻辑和系统性金融风险防范。本文选取交易所公司债数据,从投资者信息挖掘行为和非理性交易行为出发,研究债券特质风险对信用利差的传导效应与传导机制,并从违约视角探索特质风险产生传导效应的原因,同时分析投资者对不同类型债券所做反应的异质性。研究结论表明:特质风险会通过信息挖掘机制和噪声交易机制影响 信用利差,且以噪声交易机制为主;违约事件引致了更多噪声交易,是特质风险产生传导效应的重要环境因素;发行人的股票上市或国企背景降低了投资者面临的信息不对称程度,并有效抑制了噪声交易机 制的作用,而债券的低评级或短期限特征则会引发投资者的抛售行为,进而放大了噪声交易机制的作用。     

Extremal dependence tests for contagion

A new test for financial market contagion based on changes in extremal dependence defined as co-kurtosis and co-volatility is developed to identify the propagation mechanism of shocks across international financial markets. The proposed approach captures changes in various aspects of the asset return relationships such as cross-market mean and skewness (co-kurtosis) as well as cross-market volatilities (co-volatility). Monte Carlo experiments show that the tests perform well except for when crisis periods are short in duration. Small crisis sample critical values are calculated for use in this case. In an empirical application involving the global financial crisis of 2008–2009, the results show that significant contagion effects are widespread from the US banking sector to global equity markets and banking sectors through either the co-kurtosis or the co-volatility channels, reinforcing that higher order moments matter during crises.     

A Multivariate GARCH Model Incorporating the Direct and Indirect Transmission of Shocks

Theoretical models of contagion and spillovers allow for asset-specific shocks that can be directly transmitted from one asset to another, as well as indirectly transmitted across uncorrelated assets through some intermediary mechanism. Standard multivariate Generalized Autoregressive Conditional Heteroskedasticity (GARCH) models, however, provide estimates of volatilities and correlations based only on the direct transmission of shocks across assets. As such, spillover effects via an intermediary asset or market are not considered. In this article, a multivariate GARCH model is constructed that provides estimates of volatilities and correlations based on both directly and indirectly transmitted shocks. The model is applied to exchange rate and equity returns data. The results suggest that if a spillover component is observed in the data, the spillover augmented models provide significantly different volatility estimates compared to standard multivariate GARCH models.     

A generalized Pearson system useful in reliability analysis

In the present note, we study an extended class of Pearson system of distributions in the context of reliability. It is shown that the proposed class of models can be characterized by a relatioaship between the failure rate and the conditional moments. Further, we develop a procedure to identify an increasing (decreasing) failure rate model in the generalized Pearson system.     

中国国债回购利率波动率预测

利率风险是金融中最受人们关注的热点之一,通常是用方差或标准差来衡量利率风险。为了更好地探讨利率风险,必须对利率的动态行为进行研究,一般是通过利率模型来反映其动态特征。文章把常见单因子利率模型同GARCH模型相结合,通过对波动性的预测达到对未来风险的一种直观认识。     

Vector-borne infectious disease mapping with stochastic difference equations: an analysis of dengue disease in Malaysia

Few publications consider the estimation of relative risk for vector-borne infectious diseases. Most of these articles involve exploratory analysis that includes the study of covariates and their effects on disease distribution and the study of geographic information systems to integrate patient-related information. The aim of this paper is to introduce an alternative method of relative risk estimation based on discrete time–space stochastic SIR-SI models (susceptible–infective–recovered for human populations; susceptible–infective for vector populations) for the transmission of vector-borne infectious diseases, particularly dengue disease. First, we describe deterministic compartmental SIR-SI models that are suitable for dengue disease transmission. We then adapt these to develop corresponding discrete time–space stochastic SIR-SI models. Finally, we develop an alternative method of estimating the relative risk for dengue disease mapping based on these models and apply them to analyse dengue data from Malaysia. This new approach offers a better model for estimating the relative risk for dengue disease mapping compared with the other common approaches, because it takes into account the transmission process of the disease while allowing for covariates and spatial correlation between risks in adjacent regions.