基于信息溢出网络的金融机构风险传染研究

金融关联网络是风险传染的载体。以股票信息溢出关系作为风险关联渠道,并将网络拓扑结构与个体金融机构的风险传染特征紧密结合起来。基于金融机构股票收益溢出关系,构建信息溢出网络。利用网络节点中心性拓扑结构特征指标,刻画金融机构的风险传染强度及风险承受强度,并挖掘其影响因素。针对中国上市金融机构的实证研究表明,节点度、接近中心性及特征向量中心性较为一致地刻画了金融机构的风险传染特征;信托等其他金融业的平均风险传染强度最大,而银行业金融机构的平均风险承受强度最大;金融机构的每股收益增长率越高、股票换手率越低,风险传染强度越大;金融机构的资产负债率越高、资产规模越大,风险承受强度越大。     

基于信息溢出网络的金融机构风险传染研究

金融关联网络是风险传染的载体。以股票信息溢出关系作为风险关联渠道，并将网络拓扑结构与个体金融机构的风险传染特征紧密结合起来。基于金融机构股票收益溢出关系，构建信息溢出网络。利用网络节点中心性拓扑结构特征指标，刻画金融机构的风险传染强度及风险承受强度，并挖掘其影响因素。针对中国上市金融机构的实证研究表明，节点度、接近中心性及特征向量中心性较为一致地刻画了金融机构的风险传染特征；信托等其他金融业的平均风险传染强度最大，而银行业金融机构的平均风险承受强度最大；金融机构的每股收益增长率越高、股票换手率越低，风险传染强度越大；金融机构的资产负债率越高、资产规模越大，风险承受强度越大。     

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...     

国际股市隐含波动率溢出效应分析

采用网络分析和溢出指数法对全球11个主要股票市场隐含波动率指数波动溢出的特征及影响因素进行分析。结果表明,样本期内美国股市是全球股票市场波动溢出网络的中心;英国、法国、德国组成小聚集群体,相互之间存在明显的波动溢出,但对其他市场的溢出强度较弱;其他市场是波动溢出的主要吸收者。国际股市间的总波动溢出具有一定的波动性,在金融震荡时期显著上升。经济基本面和市场传染机制可以较好地解释了一国股市的对外溢出强度,并且市场传染机制起主要作用。     

中国金融市场的风险溢出效应研究——基于溢出指数和复杂网络方法

基于信息溢出视角,采用溢出指数和复杂网络方法,从静态和动态角度测度我国金融市场风险溢出的强度和方向,识别危机中的风险中心及演化.研究表明,我国金融系统风险溢出具有波动性、不确定性及不对称性,整体联动能力较强;各市场滞后效应明显;市场受到冲击时接受风险的程度与其对外溢出风险的程度呈相反变动趋势;货币市场尤其是回购市场是金融系统的风险中心,对外风险溢出效应最强,但在危机发生时相对减弱,而金属、股票、房地产等市场在危机时的风险溢出作用显著增强;债券和外汇市场被动接受风险的能力最强.     

我国金融行业的系统重要性研究——基于HD-TVP-VAR模型的复杂网络分析

本文以2002-2017年我国A股周数据为样本,首先计算了 76个细分行业的股指波动率,并在此基础上通过高维时变参数向量自回归(HD-TVP-VAR)模型构建了行业之间的全局风险网络.进一步地,本文从网络拓扑分析与量化实证分析两个角度考察了金融行业在风险网络中的系统重要性.研究发现,1)我国A股市场各行业间的风险溢出呈现出"唇齿相依"的复杂关联结构,且风险事件的爆发与金融行业对实体经济行业风险溢出的变化密切相关;2)金融行业承担着风险吸收的功能,其中,银行业的风险吸收功能最强,而证券期货业则表现出相对更明显的风险扩散性;3)行业关联性增强、行业风险角色向扩散型转化以及风险网络结构均衡性受破坏是系统性金融风险产生的重要根源;4)金融行业在全局风险网络中的系统重要性显著强于实体经济行业,其中,银行业与证券期货业的系统重要性分居首位与次位;5)房地产行业在全局风险网络中发挥着双向风险放大的风险"桥梁"作用;6)高杠杆与高流动性会显著刺激金融行业风险扩散的系统重要性,而大规模与重投资则会显著增强其风险吸收的系统重要性.     

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.     

境内外人民币利率风险溢出度量研究——基于MSV-CoVaR模型的实证分析

首先运用GC-MSV模型分析了上海银行间人民币同业拆借利率(SHIBOR)和香港银行间人民币同业拆借利率(CNY HIBOR)之间的波动溢出效应,然后运用DC-t-MSV-CoVaR模型度量了两市场间的风险溢出效应。研究结果表明,境内外人民币拆借利率市场间存在不对称的双向波动溢出效应和风险溢出效应,且离岸市场对在岸市场的风险溢出效应要强于在岸市场对离岸市场的风险溢出效应。随着我国利率市场化的推进和人民币国际化的深入,在岸与离岸人民币利率间的联系在不断加强,相关系数在逐步增加。根据上述研究结论,文章最后在利率市场化改革、利率政策制定和跨境风险监管方面提供了政策建议。     

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.     

基于复杂网络的泛金融市场极端风险溢出效应及其演变研究

本文采用基于GED的ARMA-(T)GARCH-VaR模型,借助风险Granger因果检验方法考察中国泛金融市场9个子市场在5个时期的下行和上行极端风险溢出效应,进而通过有向加权复杂网络刻画各个子市场之间的极端风险溢出演化规律.实证结果表明,子市场间的极端风险溢出效应具有时滞性,在风险溢出网络中越极端的风险传播能力越强、效率越高.下行和上行极端风险溢出效应具有不对称性,在多个时期上行风险的传播能力强于下行风险.极端风险溢出网络在5个时期的中心节点不断变化,但能源子市场始终是主要的上行极端风险溢出的接受者.金融危机过后大宗商品和债券子市场在网络中输送极端风险溢出的能力增强,且它们之间存在显著的极端风险溢出效应.     

基于功能依赖的网络信息体系建模及重心分析

功能依赖是大型复杂系统性能或体系能力生成的重要影响因素之一, 各类要素实体间功能依赖关系的表示、识别和度量是复杂体系研究的重要问题。通过对网络信息体系(networked information system of systems, NISoS)中要素系统间交互行为的依赖性分析, 基于功能依赖网络(function dependency network, FDN)构建了NISoS依赖网络模型(dependency network model of NISoS, DNMN)。综合考虑NISoS作战属性与任务完成效果, 提出了体系节点重要性的度量指标, 在此基础上给出了一种体系重心度量方法。最后, 通过某海上方向联合作战NISoS实例计算, 演示验证了提出的体系模型和重心度量方法的有效性。     

新兴经济体国际资本大幅流入风险及影响因素研究

本文探究了国际资本大幅流入风险的累积与发生机理,在现有国际资本大幅流入这种极端波动识别与度量方法的基础上,结合与其风险密切相关的宏观经济指标——汇率、通货膨胀率和利率的波动情况,以2000-2016年38个新兴经济体为研究样本,构建了更加合理的方法对国际资本大幅流入风险进行了识别,并运用Logit模型、Probit模型和Gompit模型对其影响因素进行了实证研究.研究结果表明:国际资本大幅流入这种极端波动本身并不一定有风险,只有当其给一国经济金融带来脆弱性时才可能引致风险.全球波动性VIX指数和发达国家利率是重要的全球推动因素,外汇储备水平和资本管制水平是重要的国内拉动因素,区域传染因素也对其影响显著,而金融危机的冲击会导致影响因素发生改变.     

交通网络效率的度量和元件重要性的计算方法

针对固定需求和弹性需求的交通网络,综合考虑均衡状态下的出行行为、出行成本、出行需求以及路段流量等因素,分别 提出了网络效率的度量方法,并在此基础上计算网络元件的重要性.算例结果表明:所提出的效率度量方法和元件重要性计算公式是合理的,并对Braess悖论网络进行了分析,发现网络元件的重要性随需求变化而变化.所提出的方法和研究结论对设计和管理交通网络具有指导意义.     

基于CoES模型的我国金融系统性风险度量

为了更加准确地度量金融系统性风险,预防灾难性金融风险事件发生,本文基于尾部损失的均值提出了一个新的度量系统性风险的方法——CoES模型,相对于传统的CoVaR模型来说,该方法更关注尾部损失的均值而不仅仅是单一分位点上的期望损失,能够更加准确地捕捉系统性风险,为金融系统监管提供更为有效的信息.最后,本文将该方法用于度量2007-2016年间共21个金融机构对我国金融市场系统性风险的贡献.研究结果发现:1)CoVaR模型可能低估了金融机构的系统性风险;2)当银行行业受到冲击时,其对整个金融系统造成的风险最大,其次是保险,房地产和多元金融行业;3)在银行行业中,对系统性风险贡献最大的当属工商银行和中国银行,应对其进行重点监管;4)相对于银行和房地产行业,保险行业和多元金融行业自身的VaR值较高,但对金融系统性风险的贡献较低,因此应注意对其自身风险的管理.     

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。     

噪音交易、投资者情绪波动与股票收益

通过对Delong etc的噪音交易理论模型的修正,分析了投资者情绪对股票收益的影响机理.选择市场换手率、封闭式基金折价和投资者开户增长率作为间接投资者情绪指数,应用因子分析法构造综合投资者情绪指数,并应用OLS和GARCH-M回归分析方法对中国股市投资者情绪及波动与股票收益间关系进行实证分析.结果显示, 投资者情绪是影响股票价格的系统因子,股票价格随着投资者情绪波动而波动, 而且情绪的上涨和下降对股票价格的影响是不对称的, 情绪上涨对股票价格的影响要比下降强的多;因投资者情绪波动而产生的股票收益波动构成市场系统风险并得到了相应的风险溢酬.     

基于借贷关联网络的我国银行间市场风险传染

银行间借贷关联网络是银行经营困境或破产倒闭风险传染的重要渠道。基于我国银行间市场的总体借贷数据，首次综合运用最大熵法和最小密度法间接推断银行间借贷关联网络。对比分析两种网络的拓扑结构特征差异，以及两种网络下银行随机倒闭风险的网络间传染路径和程度。综合两种网络下的风险传染结果，分析银行的系统重要性和抗风险能力，并挖掘其影响因素。实证研究结果表明，最小密度法下的银行间借贷关联网络具有实际网络的连接稀疏性、异向连接匹配和无标度度分布等特征；与最大熵法所推断的网络相比，基于最小密度法网络的银行倒闭风险传染范围更广及传染强度更强；银行资产规模越大、坏账准备占不良贷款比例越高，风险传染效应和系统重要性越强、抗风险能力越弱；银行同业拆借率越高，风险传染效应和系统重要性也越强。研究结果有利于对银行实施宏观审慎监管，防范或抑制金融系统性风险。     

区域间总产出波动相互影响的网络模型

国家(地区)间总产出波动存在相互影响是全球化时代的普遍现象,但缺少其相互影响强度的定量研究.基于冲击在非对称的区域间产业网络上的传播,分析了区域间总产出波动相互影响的机理,并依据区域间产品关联,构建了以区域为节点的度量区域间总产出波动相互影响的区域赋权影响网络.通过对网络度关联结构、基础关联结构、核关联结构及非对称结构四个维度的分析,定量描述了区域间总产出波动相互影响的强度.实例分析表明,该模型及相关度量维度能够量化不同区域间总产出波动的相互影响,定量描述某个国家(地区)在多区域经济大系统中的作用,在区域经济合作、贸易规则制定以及全球价值链构建等方面具有重要的理论和实际意义.     

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.     

商品金融化背景下商品期货定价

2000年以来,商品金融化现象非常普遍,主要特征是商品价格形成越发背离实体经济因素,金融环境干扰日益明显,金融因素影响日益突出。传统库存理论主要以实体库存供求均衡为基本框架,其定价模型难以适应商品金融化趋势。为此,构造金融化影响指数来度量商品金融化对商品价格的影响,进而修正传统商品期货定价模型,并将其应用于中国商品期货市场的实证研究。研究发现:商品金融化加剧商品价格波动,且贸易融资套利引起的金融化效应为负,缓解商品价格上涨压力;美元周期是商品金融化进程的主要因素,风险溢价是次要因素,而货币政策短期效应不明显。表明,中国商品金融化主要受到美国商品金融化的溢出,反映出在国际大宗商品市场上中国定价权的缺失以及美元的主导地位。