房地产对金融体系风险溢出效应研究——基于AR-GARCH-CoVaR方法

金融危机对全球金融体系造成了巨大的影响,这使得各国研究者开始深入研究房地产部门与金融体系的这种连带关系所传达的信息,并思考应对之道. 本文首先从资产价格波动角度分析了房地产市场对金融系统的风险溢出的机制和传导过程. 在此基础上,本文首次引入AR-GARCH-CoVaR模型,估算了我国房地产市场对金融系统的风险溢出效应. 研究表明：银行将房地产作为仅次于制造业的第二大投资行业,银行房地产贷款额占总贷款额的20%左右,但这20%的贷款可能产生的风险却几乎相当于金融系统自身的系统性风险. 此外房地产部门对金融系统的风险溢出效应存在顺周期性,这表现为在2008年金融危机时房地产的风险溢出效应较大,而在2010年经济逐步恢复稳定时房地产的风险溢出效应较小.     

人民币NDF市场与新台币NDF市场相关性及风险溢出研究

通过构建二元正态Copula模型和SJC-Copula模型来研究不同时期人民币NDF市场和新台币NDF市场之间的相关性特征和尾部相关性的变化,接着运用CoVaR方法着重分析新台币NDF市场对人民币NDF市场的风险溢出强度.实证结果表明:两个市场在金融危机前期和金融危机时期存在明显正的相关性,只是在金融危机后期特别是2011年之后,随着人民币不断升值的预期,两市场间表现出负相关性;下尾相关程度在金融危机时也明显增强,新台币NDF市场对人民币NDF市场在三个时间段都存在着明显的溢出效应.并且在金融危机时期溢出效应最强.     

碳市场与股票市场间的崩盘风险溢出效应研究:新冠疫情、投资者情绪与经济政策不确定性

本文基于GARCH-S模型以及时变溢出指数模型,研究了中国碳市场和股票市场行业间的崩盘风险溢出效应及其影响因素.我们的实证结果发现:1）碳市场和行业股票的崩盘风险之间存在双向溢出效应,且行业股票对碳市场的溢出效应更大; 2）崩盘风险溢出和波动风险溢出的程度是大体相当的; 3）新冠疫情的发生显著提高了上述风险溢出效应的程度;4）崩盘风险溢出受到投资者情绪和经济政策不确定性的显著影响:投资者情绪越低落、经济政策不确定性越高,总的溢出风险也越大; 5）分位数回归结果显示投资者情绪和经济政策不确定性的影响在不同分位点处存在异质性.     

主权风险溢出网络动态特征研究:以“一带一路”国家为例

随着金融市场全球化的逐步深入以及世界各国政治联系的越发紧密,主权风险跨国传染现象得到了现实的印证.在"一带一路"倡议强化本区域国家间政治金融联系的背景下,从主权风险网络化和区域国家集团化视角出发,借鉴基于方差分解的溢出指数方法,考察了"一带一路"沿线国家主权风险溢出网络的节点特征和结构特征,并探究了沿线国家整体以及不同区域国家集团主权风险溢出效应的动态性特征.研究发现:"一带一路"沿线25国主权风险总溢出效应较高,且中东欧区域国家集团在沿线国家主权风险溢出网络中处于主导地位.另外,沿线国家间的整体主权风险溢出效应随时间表现出明显的动态性特征和阶段性特征,中国与东盟集团之间的主权风险溢出效应在任何阶段总是最强的,而中东欧地区是最能代表沿线国家整体主权风险溢出效应变化的区域国家集团.这些发现对于宏观政策制定者、主权债及相关衍生品市场的投资者理解沿线区域主权风险溢出网络的本质特征和内在结构具有重要的指导意义.     

中国金融市场联动特征与系统性风险识别

如何衡量我国金融市场的系统性风险,风险在我国金融市场之间如何传播?构建金融系统性风险的量化监测指标,从而进行风险的识别与预警,成为了一个重要的课题.本文研究了中国股票市场、债券市场、基金市场、商品市场、货币市场和外汇市场之间的长期均衡关系、指数联动特征以及收益溢出关系,分析了我国金融系统的风险传播特征,发现股票市场、债券市场、基金市场和商品市场存在长期协整关系.股票市场和基金影响着其他金融市场.本文认为,我国金融系统性风险的防控重心应放在股票市场和基金市场;继而本文使用滚动时间窗口方法,构建了我国金融系统性风险指数,进行系统性风险的早期识别与预警.本文发现,我国当前的系统性风险总体可控.在对该金融体系的探讨中,进一步加入近年来风险频发的网贷市场,并发现网贷市场对于整个金融系统性风险影响较小.     

基于Copula-ASV-EVT-CoVaR模型的中小板与创业板风险溢出度量研究

本文以条件在险价值(CoVaR)法为基础,结合Copula-ASV-EVT模型分析了我国中小板与创业板市场之间的风险溢出效应.结果表明,中小板与创业板市场之间存在双向风险溢出效应,且中小板市场对创业板市场的风险溢出效应强于创业板市场对中小板市场的风险溢出效应.此外,文章还分析了波动冲击对中小板与创业板的影响.最后,本文为风险监管以及投资者在中小板与创业板之间进行资产配置提供了建议.     

基于非线性Granger因果检验的中国大陆和世界其他主要股票市场之间的信息溢出

采用线性及非线性Granger因果检验的方法,对中国大陆股票市场和世界其他主要股票市场之间不同阶段的信息溢出现象进行了实证研究.通过比较Granger (1969)线性因果检验和 Hiemstra and Jones(1994)非线性因果检验, 发现中国大陆市场和世界其他主要股票市场之间存在非线性信息溢出效应;随着中国大陆市场改革的深入和全球经济一体化的发展,信息溢出的程度也在提升; 在建立风险预警机制时,需要充分考虑其他市场的信息.     

金融系统压力:指数化测度及其溢出效应研究

2008年全球金融危机的爆发及其冲击促使监管者更多的关注全球金融市场的关联网络特征及金融风险在各金融市场间的传导机制.本文基于全球向量自回归模型(GVAR),从关联网络的视角构建了金融压力溢出效应模型,考察信贷市场、资本市场、外汇市场、债券市场和货币市场等五个金融子市场压力在不同国家和市场间的传导及其动态演变.研究结果表明,美国是全球金融市场中金融压力主要溢出者;发达经济体主要通过其资本市场和货币市场影响我国的信贷市场、资本市场和外汇市场,而新兴经济体金融压力则主要影响我国的债券市场和货币市场.资本市场和货币市场是不同国家和金融子市场间金融压力传染的重要路径.2014年以来国际金融市场压力对我国金融市场的影响远高于金融危机时期,且资本市场和外汇市场所受影响更为显著.     

沪深股市和香港股市的风险溢出效应研究——基于时变ΔCoVaR模型的分析

本文基于时变ΔCoVaR模型,对2006年11月至2018年12月间沪深股市和香港股市的尾部风险溢出效应进行了估算.研究发现:1)沪深股市与香港股市之间存在着双向风险溢出效应,且溢出效应均为正;2)香港股市对沪深股市的风险溢出效应强于沪深股市对香港股市的风险溢出效应;3)深市和香港股市之间的风险溢出效应的波动幅度大于沪市和香港股市之间的风险溢出效应的波动幅度;4)沪港通和深港通的开通并没有显著增加香港股市与沪深股市之间的双向风险外溢程度.     

互联网金融与传统金融之间的广义动态风险溢出——基于Copula-ARMA-GARCH-CoVaR的实证研究

选取互联网金融和三大传统金融(银行业、证券业、保险业)的行业指数为代表,构建Copula-ARMR-GARCH-CoVaR模型,从波动性信息提取、联合分布尾部相依结构估计、条件在险价值计算等方面,系统研究新旧四个金融行业之间的广义动态风险溢出效应。结果表明:新旧金融行业间的风险溢出水平随时间而变化,风险从互联网金融向传统金融的传导更为迅速;市场高涨时,互联网金融向传统金融的风险溢出水平显著增大,证券业受力最大且会以更大的力度向互联网金融反向输出风险;市场低迷时,互联网金融向传统金融的风险溢出水平比较平稳,银行业和保险业受力最大,但传统金融的反向风险输出力度较弱。建议构建金融整体风控平台,充分利用新旧金融行业间的风险溢出特征,根据不同市场态势给予严控和激励,保障金融市场平稳健康发展。     

基于藤copula-CAViaR方法的股市风险溢出效应研究

为准确揭示金融风险溢出效应,建立藤copula-CAViaR模型来估计多元条件联合分布,进而推导CoVaR类风险测度方法.该方法既能刻画多个金融市场间非线性的关联关系,也能描述金融市场间"多对一"的风险溢出效应,主要包括三个步骤:第一,使用CAViaR模型拟合单个金融市场收益的边缘分布特征;第二,运用藤copula方法刻画多个金融市场收益间的关联结构;第三,基于边缘分布特征与关联结构,得到多元条件联合分布并计算CoVaR类风险测度,实现金融风险溢出效应刻画.选取上证综指、标普500和日经225等股指数据进行实证研究,结果表明:相比于发生利好事件,美国和日本股票市场(独立或同时)发生更为严重危机事件对中国股票市场影响更加明显,呈现出"风险分担、收益不共享"的总体格局.     

Testing linear and nonlinear granger causality in CSI300 futures and spot markets based on new concepts of nonlinear positive/negative spillover

supported by the National Natural Science Foundation of China under Grant Nos.71125005 70871108 and 70810107020;; Outstanding Talents Funds of Organization Department Beijing Committee of CPC     

Return and Volatility Spillovers Effects:Study of Asian Emerging Stock Markets

This paper examines the extent of contagion and interdependence across the six Asian emerging countries stock markets(e.g., Bangladesh, China, India, Malaysia, the Philippine, and South Korea) and then try to quantify the extent of the Asian emerging market fluctuations which are described by intra-regional contagion effect. These markets experienced both fast growth and key upheaval during the sample period, and thus, provide potentially rich information on the nature of border market interactions. Using the daily stock market index data from January 2002 to December 2016(breaking the 15 years data set into three sub periods; pre-crisis, crisis, and post crisis periods);particularly make attention to the global financial crisis of 2007~2008. The return and volatility spillovers are modeled through the GARCH(generalized autoregressive conditional heteroscedasticity),pairwise Granger causality tests, and the forecast error variance decomposition in a generalized VAR(vector auto regression) models. This paper shows that volatility and return spillovers behave very differently over time, during the pre-crisis, crisis, and post crisis periods. Importantly, Asian emerging stock markets interaction is less before the global financial crisis period. The return and volatility spillover indices touch their respective historical peaks during the global financial crisis 2007~2008,however Bangladeshi market faces this condition in 2009~2010.