我国银行体系的系统性关联度分析:基于不对称CoVaR

根据系统性关联度的定义,使用不对称CoVaR方法,对我国单个银行与银行体系之间的系统性关联度和任意两个银行间的系统性关联度进行了测算.研究结果表明,我国银行体系的系统性关联度存在不对称性,使用不对称CoVaR方法重新估算我国银行体系的系统性关联度能为我国系统重要性银行的甄别和银行间系统性风险溢出的评估提供依据.进一步地,探讨出上述两种系统性关联度的主要影响因素为银行自身的特征变量,如贷款总额,股本,留存收益等.基于此,为我国银行业监管者提升银行风险监管水平和银行管理者制定准确的风险控制体系提供有益帮助.     

群体分析视角下能源业系统性风险——基于网络动态分位数回归模型

能源行业作为我国经济的支柱性行业,其稳定健康发展事关国计民生和国家安全。本文以能源行业系统性风险为研究对象,利用DY溢出指数法,从风险溢出角度构建了能源行业间的关联网络,并将其与传统分位数模型相结合,提出了网络动态分位数回归模型,在此基础上,结合多条件CoVaR风险指标,构建了多条件动态CoVaR模型,实现群体视角下系统性风险的度量。以2014年12月30日—2021年7月2日数据为样本,实证分析了中国煤炭、电力、新能源、油气四个主要能源行业对整个能源系统风险的溢出贡献。结果显示：(1)在多个比较指标下,网络动态分位数模型的预测效果显著优于传统无网络的分位数模型;(2)能源行业的系统性风险溢出存在较强的时变特征,平均而言,煤炭和电力行业的风险溢出绝对值(ΔCoVaR)最大,电力和油气行业的风险溢出相对值(%ΔCoVaR)最大;(3)风险规模因素(VaR)对于系统性风险的影响程度大于风险溢出强度;(4)随着处于危机的能源行业数目增多,其对于能源系统的风险溢出绝对值和相对值都呈现上升趋势;(5)不同能源形式间可替代性和可补充性的存在,使得组合风险溢出绝对值明显小于组合内部单个行业风险溢出绝...     

我国银行业与房地产业极端风险溢出效应研究

本文通过CoVaR方法,结合GARCH模型和Copula函数,构建GARCH-Copula-CoVaR模型测度了银行与房地产两个行业在极端情况下的风险关联性及风险溢出效应。结果显示,两个行业在极端情况下具有较高的风险关联性,且在市场衰退时期相关性高于市场活跃时期;条件风险值CoVaR显示,两个行业存在双向的风险溢出效应,且风险溢出强度均超过50%,其中房地产的风险溢出性更强。     

异质性条件下的杠杆周期行为:基于资产价格视角的研究

本文在杠杆异质性条件下构建包含两类杠杆投资者、一类非杠杆投资者的金融系统动态模型,从风险资产价格角度分析了金融机构投资者杠杆的周期性特征,并以2006年到2015年中国上市银行和证券公司的季度数据为样本,采用动态面板模型进行了实证分析.结果表明,杠杆异质性的存在可以降低金融机构的目标杠杆,有利于金融系统稳定;金融机构杠杆相对于资产价格表现出明显的顺周期性特征,但不同类型金融机构之间的杠杆顺周期行为具有明显差异;证券公司杠杆随股票价格的变化程度明显大于银行杠杆,银行杠杆随房地产价格变化的顺周期行为比证券公司杠杆更为显著;两者在股票价格和房地产价格大涨大跌时期的杠杆调整方向亦不相同.论文研究结论为金融机构灵活运用杠杆工具和监管当局完善监管体系提供了新的理论思路和经验证据.     

货币政策、宏观审慎监管与银行系统性风险承担

本文是系统性层面的货币政策风险承担渠道研究.在构建监管当局与商业银行的道德风险理论模型的基础上,本文选取中国上市商业银行为样本,基于CoVaR和CCA方法实证研究了中国货币政策对银行系统性风险承担的影响以及与宏观审慎监管的协调.结果发现:1)宽松的货币政策,宏观审慎政策以及高杠杆会显著提高银行系统性风险承担;2)宏观审慎与货币政策双支柱的"紧紧"组合对降低系统性风险的政策效果比"紧松"组合更优,利率政策对银行杠杆的关注不足,通过紧缩的利率政策去银行杠杆可能无效;3)利用货币政策,宏观审慎政策限制系统性风险在危机时期可能是无效的,对大型银行的效果不明显.     

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.     

基于波动溢出网络的我国金融机构系统重要性

基于波动溢出和网络分析视角,首先利用广义方差分解方法度量金融机构之间波动溢出的方向和强度,分别构建了波动溢出静态和动态网络;然后分析了各金融机构在网络中的承受溢出指数、传播溢出指数和净溢出指数,并以此度量机构的系统重要性;最后运用面板回归计量方法挖掘金融机构系统重要性的影响因素。结果表明:在短期内,我国金融机构的系统重要性是动态变化的。从三个指数角度能够有效地识别我国金融机构在承受风险、传播风险和综合风险方面的系统重要性。不同指数下金融机构系统重要性的影响因素存在明显的差异,但资产规模和市场账面价值是影响金融机构承受风险和传播风险的共同因素。尾部风险损失和换手率是影响金融机构承受风险和综合风险的共同因素。这对于金融机构的系统性风险监管和防范具有重要的现实意义。     

基于尾部依赖的保险业系统性风险度量

从系统性风险的界定出发,综合考虑系统性风险的两个视角,基于保险公司的股票数据探讨保险业的系统性风险.通过构造Kendall协同系数检验整体依赖性和尾部依赖性,以(非对称)尾部依赖性为切入点,构造SV-t模型和厚尾的SV-GED模型,利用AIC准则和Hit检验法对不同依赖结构的copula模型进行筛选.通过实证分析,检测出中国人寿、中国平安和太平洋保险公司的非对称尾部依赖结构,认为保险业可能成为系统性风险传导链条上的一环,并且完全可能自身隐含和集聚系统性风险.结论部分分析了系统性风险的原因,针对如何降低下尾风险依赖提出政策建议,为我国保险业宏观审慎监管提供一些支持材料.     

基于PageRank的系统重要性金融机构识别模型

相对于依赖市场价格数据的标准计量统计方法,基于机构间双边敞口网络拓扑结构的金融网络模型更有助于系统重要性金融机构的识别和系统性风险评估。本文构建了贴近现实的CDS市场网络模型,并基于单个违约机构传染机制的分析,借鉴特征向量中心度和PageRank算法思想,研究建立了系统重要性金融机构识别的度量模型。本文所采用的排名技术算法在应对大规模金融网络数据时具灵活性和可行性。测试结果显示,监管当局不仅要关注"太大而不能倒"的机构,更须将金融网络中"关联太紧密而不能倒"的中心节点作为问题认真加以对待。     

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。     

金融业系统性风险度量——基于尾部依赖视角

根据系统性风险定义,从时间和空间两个维度出发,利用尾部依赖来对系统性风险进行度量. 实证分析结果表明,银行业、证券业以及保险业存在系统性风险,且银行业、证券业以及保险业系统性风险呈现出了共性：经济下行时期系统性风险大于经济上行时期系统性风险. 进一步,本文分别对银行业、证券业以及保险业系统性风险存在的原因展开分析,并从系统流动性、杠杆率和公允价值计量对经济下行系统性风险增强提供了解释,认为流动性风险传导是引发系统性风险的重要原因. 基于此,对金融业体系建立动态拨备制度提供了佐证.     

系统性金融风险再认知

本文将系统性金融风险划分为内生型、外生型和混合型3类,重点讨论内生型系统性金融风险的特征刻画。认为内生型系统性金融风险的发生可归因为一些具有快速膨胀性、超额收益性、无实质进步性和汇聚性等特征的“关键性风险要素”积聚膨胀所导致,进而给出了其演化模型和度量形式。最后,在本文的理论框架下解读了房地产泡沫是我国经济的一类关键性风险要素。     

基于偿付能力的最优再保险策略

采用最大索赔再保费定价原则,结合VaR、CTE、TV三种风险测度方法,通过研究最小化偿付不足风险的概率、期望损失以及均方期望超额损失等再保险问题,得到相应的最优再保险策略,并结合案例对各种最优策略进行静态分析.研究发现,当偿付能力基于VaR或者CTE时,最优的再保险策略是去尾停止损失再保险,这说明原保险公司此时应该更注重对中等巨额损失的保障,而没有动力去保障极值损失;当偿付能力基于TV时,最优策略是带限额的停止损失再保险,此时,保险公司为了保证经营的稳定性,势必会将一部分极值损失分保.     

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.     

跨银行与企业部门的系统性风险研究

从风险反馈视角，研究跨银行与企业部门的系统性风险贡献度与传染效应.基于债务排序方法构建了银企系统性风险测度模型，并基于2018年中国银企间借贷数据进行研究.研究结果表明：银行节点在银行层的债务等级小于在企业层的债务等级，而企业节点在企业层的债务等级小于在银行层的债务等级；银企信贷系统中存在少数系统重要性银行和企业，其系统性风险贡献度高；随着银行或企业的信贷规模增大，所对应的总债务等级越高，而且总债务等级与信贷规模呈现非线性特征；随着信贷宽松程度变大，银行与企业的系统性风险贡献度呈现下降特征；在不同信贷宽松政策下，由企业所引发的总信贷损失始终大于银行，而且造成的银企信贷系统崩溃的阈值始终小于银行；信贷政策宽松程度对维持银企信贷系统的稳定性具有积极影响，特别对银行的作用更为显著.     

网络视角下的金融结构与金融风险传染

基于不同的银行间市场网络结构假设,利用中国银行业数据,使用最大熵方法估计银行间资产负债关系,建立银行间市场网络以研究我国单个银行破产引发的金融风险的传染概率和影响程度,进而通过建立异质性银行的多主体仿真模型研究银行间市场结构和银行资产负债表结构对金融风险传染的影响. 研究结果表明：相比于完全连接网络,中心-边缘的层级网络将增大金融风险传染的范围和程度. 此外,对于银行资产负债表结构而言,所有者权益占比提高将增强金融机构的抗风险能力,降低传染概率,而银行间资产和负债占比提高则会扩大金融风险传染的影响. 这为我国银行业系统风险监管中对金融结构的关注提供了重要启示.