中国银行业监管基准比较研究

发布时间：2017-10-18 10:36

  本文关键词：中国银行业监管基准比较研究

  更多相关文章： 风险管理 在险价值 尾部中值 尾部均值 GARCH 商业银行

【摘要】：伴随着全球经济一体化,金融全球化快速发展,金融机构跨地域的经营和竞争不断强化,金融管制的宽松带来了金融创新的发展。在国内外金融市场蓬勃发展的同时,金融体系和金融机构面临的风险状况也日益严峻。金融风险管理在市场监管和企业运行中的地位不断加强,而金融风险管理的第步就是对风险的度量。作为过去很长时间都被广为认可和使用的一种风险测度,VaR自问世后便迅速为人们所接受且被巴塞尔银行监管委员会用作风险监管的度量工具,这迅速奠定了VaR在风险管理领域的地位,直至今日,VaR仍然是使用最为广泛的一种金融风险度量指标。VaR在过去很长一段时间内对于金融风险的监管发挥了巨大的作用,但是随着人们对VaR的研究日益深入,VaR在理论和实际应用中的一些缺陷也为人所诟病。从理论方面来说,Artzner等(1997,1999)提出风险测度需要满足的一致性条件,而VaR并不满足一致性公理中的次可加性,因而不是一致性风险测度。从实际应用上来说,VaR确定的风险值往往不足以覆盖尾部风险所造成的损失。在控制极端尾部所对应的巨灾风险方面VaR力不能逮。2012年5月,巴塞尔银行监管委员会发布《交易账户基础评估报告》(征求意见稿),该征求意见稿对于市场风险监管框架、内模法和标准法计量体系提出全面的改进方案,委员会建议使用尾部均值(ES)替代VaR指标。而一部分学者如Kou(2014)指出统计性质更为优良的尾部中值(MS)比ES更适合作为新的风险测度。鉴于VaR在应用和理论上均有缺陷,不少学者和机构开始寻找其他金融风险度量指标,而其中最被经常提及的两种风险测度是尾部均值ES和尾部中值MS。但作为VaR潜在的替代者,ES或是MS孰优孰劣的问题在学术界仍有不少争议。虽然以往学者从理论上和实证上均对MS和ES进行过比较：ES是一致风险测度而MS只有在一定条件下满足一致性公理；MS的稳健性更好而且满足可导性,ES对于模型设定较为敏感并且没有可导性。本文认为一个合适的风险测度应该具有稳健性和良好的风险预测能力。本文基于中国金融市场数据通过实证研究比较MS和ES在风险预测能力和稳健性上的相对表现,同时使用这两个测度对中国上市银行的尾部风险进行了实证分析。通过对以往文献的研究,本文整理总结了ES和MS各自的优缺点。为了实证分析ES和MS在风险管理方面的优劣,本文使用不同的模型对沪深300银行指数的尾部风险进行了度量,通过实证结果来比较ES和MS对风险的预测能力以及稳健性。在此基础上,本文使用ES和MS对中国上市银行尾部风险进行计算并对不同类型商业银行的尾部风险进行了比较。在前面的计算结果基础上,为了对影响银行尾部风险的因素有进一步的了解,本文基于以往学者研究经验,选取有代表性的银行财务指标与宏观经济指标,采用固定效应面板模型进行分析。借鉴以往学者的研究方法,本文采用了EGARCH模型、GJR模型以及EVT方法,使用沪深300银行指数日收益率数据,滚动计算500个交易日中每个交易日的尾部风险,根据得到的结果对MS和ES两种测度进行比较。具体而言,本文通过构造表示实际收益率与风险测度之间“距离”的两个函数来比较MS和ES在风险预测能力上的优劣,通过比较两种测度在不同模型下估计结果的差异来比较它们的稳健性。此外,本文分别使用Kupiec检验、二项分布检验以及Bootstrap方法对得到的三种风险测度进行了回测,回测结果表明本文使用的三种模型能够得到有效的尾部风险测度。基于差异化风险监管的角度,本文使用16家上市商业银行股票的日收益率数据,采用EGARCH模型分别计算16家上市银行的市场风险。实证结果表明,一方面16家上市商业的尾部风险在我们的研究期内随时间的走势基本一致,但不同类型的商业银行的尾部风险大小有明显差异：三家城市商业银行的尾部风险明显高于除光大银行外的其他商业银行,而五大国有商业银行的尾部风险水平整体低于其他商业银行。无论使用何种风险测度,各商业银行的尾部风险之间的排序没有实质性的差异。在对影响尾部风险的因素进行分析的时候,本文发现银行的尾部风险和整个金融市场的尾部风险密切相关。具体而言,上证综指的尾部风险和各商业银行的尾部风险存在显著的正向相关关系。从计算结果和模型的显著性来看,五大国有商业银行的尾部风险要小于其他两种类型的商业银行,且银行的资产规模和尾部风险存在显著的负相关关系,银行的资产结构是另一个与银行尾部风险存在显著相关关系的变量。而从宏观变量来说,本文选取的两个反应宏观经济状况的指标中,克强指数和银行的尾部风险存在显著的关系,而房地产景气指数和银行尾部风险的关系并不显著。论文的第一章介绍了本文的研究背景、研究意义和研究方法,并总结了国内外在尾部风险度量上的研究成果。第二章是文献综述,文献综述部分将以巴塞尔协议为背景,总结国内和国外在风险度量方面的研究进展。具体来说,以巴塞尔协议相关规定为起点讨论VaR在风险管理中的地位,从理论研究、度量方法以及实际应用等方面论述国内外的相关研究。随着对VaR的质疑和新的风险测度的提出,阐释关于ES和MS的相关研究背景和进展,同时给出三种风险测度的定义并从理论和应用角度对MS和ES的优缺点进行比较。第三章是基于中国金融市场数据的实证研究。具体而言,针对金融时间序列的特点,阐述了在正态分布假设下,使用EGARCH、GJR、EGARCH-GPD这几种模型在不同的置信水平下计算VaR的方法和计算公式。在提出的模型和方法基础上,以银行指数和上证综指的对数收益率为研究对象,计算得到本文提出的三个风险测度。通过本文构造的指标,从预测效果和稳健性两个方面来对比分析MS和ES,并对计算结果进行了回测。第四章是关于中国上市银行尾部风险的实证研究。本章首先简要介绍巴塞尔协议中关于风险监管的一些相关要求,并阐述市场风险监管和尾部风险度量之间的关系。本文将上市银行分为国有商业银行、股份制商业银行和城市商业银行等三类,使用16家上市商业银行的日收益数据度量这些上市银行的尾部风险。通过对这三类上市银行尾部风险的比较可以看到,无论使用何种风险测度,三类上市银行在我们的考察期内尾部风险差异明显,而16家上市银行的尾部风险随时间的变化走势基本一致。借鉴以往学者的研究方法,本章使用固定效应面板模型对影响银行尾部风险的因素进行了分析。第五章对本文作总结。本章首先总结了本文主要的研究结论,其次针对研究结论提出两条政策建议,最后归纳了本文的不足之处并指出未来的研究方向。本文的主要结论如下：第一,从测度本身的比较来说,ES对风险的预测能力强于MS,而后者的稳健性更佳；第二,对于中国上市银行来说,城市商业银行的尾部风险明显高于国有商业银行,从微观审慎的角度来看,监管层可以加强对城市商业银行的监管；第三,对于中国的上市银行而言,其尾部风险和市场尾部风险、资产规模以及宏观经济状况密切相关。相比较以往研究,本文主要在以下几个方面有所创新：一是直接从对商业银行外部监管的角度来对风险测度的稳健性进行比较；二是引入尾部中值来度量收益率的尾部风险并给出回测方法；三是在对上市商业的尾部风险度量的基础上进一步分析了其影响因素。本文的不足之处在于：一是在进行稳健性和风险预测能力的比较时采用的方式较为简单；二是对于银行尾部风险影响因素的分析并未深入。
【关键词】：风险管理 在险价值 尾部中值 尾部均值 GARCH 商业银行
【学位授予单位】：西南财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F832.1
【目录】：

• 摘要4-8
• Abstract8-14
• 1. 引言14-20
• 1.1 研究背景14-15
• 1.2 研究意义15-16
• 1.3 研究内容16-18
• 1.4 研究方法18
• 1.5 创新之处18-20
• 2. 文献综述20-35
• 2.1 风险监管基准工具20-23
• 2.1.1 巴塞尔协议下的VaR20-22
• 2.1.2 基本定义22-23
• 2.2 VAR的相关研究23-25
• 2.2.1 估计方法23-24
• 2.2.2 管理实践24-25
• 2.3 VAR的不足与挑战25-29
• 2.3.1 应用中的缺陷25-26
• 2.3.2 一致性风险测度26-27
• 2.3.3 尾部均值27-28
• 2.3.4 相关研究进展28-29
• 2.4 合适的替代者29-34
• 2.4.1 尾部中值29-30
• 2.4.2 MS和ES的比较30-33
• 2.4.3 对次可加性的质疑33-34
• 2.5 简要评述34-35
• 3. 风险测度对比研究35-56
• 3.1 预测模型36-40
• 3.1.1 GARCH模型的一般形式36-38
• 3.1.2 EGARCH模型38
• 3.1.3 门限GARCH模型38-39
• 3.1.4 极值理论下的风险测度39-40
• 3.2 计算结果40-47
• 3.2.1 模型的参数估计结果41-42
• 3.2.2 VaR的估计结果42-44
• 3.2.3 MS风险预测44-45
• 3.2.4 ES计算结果与简要分析45-47
• 3.3 风险预测能力47-49
• 3.4 稳健性49-51
• 3.5 回测51-54
• 3.5.1 Kupiec检验51-52
• 3.5.2 二项分布检验52-53
• 3.5.3 Bootstrap53-54
• 3.6 本章小结54-56
• 4. 上市银行尾部风险实证分析56-73
• 4.1 巴塞尔协议下的风险监管56-58
• 4.1.1 巴塞尔协议中的相关要求56-57
• 4.1.2 上市银行市场风险及其度量57-58
• 4.2 风险比较58-67
• 4.2.1 数据和方法58-60
• 4.2.2 基于VaR的银行个体风险60-63
• 4.2.3 基于ES的银行个体风险63-66
• 4.2.4 基于MS的银行个体风险66-67
• 4.3 风险因素67-72
• 4.3.1 变量67-68
• 4.3.2 模型与结果68-71
• 4.3.3 回归系数比较71-72
• 4.4 本章小结72-73
• 5. 结论和展望73-79
• 5.1 论文结论73-74
• 5.2 政策建议74-77
• 5.2.1 对于不同银行实施更为合理的差别化监管政策74-76
• 5.2.2 完善风险动态监管体系76-77
• 5.3 研究展望77-79
• 参考文献79-84
• 后记84-85
• 致谢85

【参考文献】

中国期刊全文数据库 前10条

1 许启发;陈士俊;蒋翠侠;;基于GARCH-EVT模型的证券投资基金动态风险测度[J];合肥工业大学学报(自然科学版);2015年07期

2 刘向丽;常云博;;中国沪深300股指期货风险度量——基于流动性调整的收益率方法的研究[J];系统工程理论与实践;2015年07期

3 杨爱军;林金官;刘晓星;;基于广义双曲线分布的我国股票市场VaR风险度量研究[J];数理统计与管理;2014年04期

4 徐家旺;王金玉;;VaR与ES风险分析法之比较——以我国商业银行汇率风险度量为例[J];湘潭大学自然科学学报;2013年01期

5 王春峰;郭华;房振明;黄晓彬;;高频视角下考虑收益非对称性结构的VaR和ES风险测度[J];系统工程;2013年02期

6 王鹏;;基于时变高阶矩波动模型的VaR与ES度量[J];管理科学学报;2013年02期

7 王鹏;鹿新华;魏宇;王鸿;;中国金属期货市场的风险度量及其Backtesting分析[J];金融研究;2012年08期

8 刘孝;;基于POT-APARCH-M-t的动态VaR和ES计算[J];中国证券期货;2012年02期

9 侯外林;;基于ARMA-GARCH模型的股指波动压力测试情景设计研究[J];当代财经;2011年11期

10 周莹;焦建玲;;基于GARCH-VaR模型的石油价格风险研究[J];合肥工业大学学报(自然科学版);2011年09期

，

本文编号：1054441