基于DebtRank算法的银行系统重要性与脆弱性测度方案设计

发布时间：2022-02-04 23:46

　　随着全球经济联系逐渐紧密,各国的金融机构之间的联系也逐渐加强,形成了更为紧密,联动式影响的局面。2008年金融危机期间,大量银行遭遇破产、清算,不仅世界金融危机的中心美国遭受了巨大冲击,中国的金融机构也未能幸免于难。金融危机的接踵而至,使人们开始思考系统性风险的重要性。于是,系统性风险的测度被提上了日程,系统性风险的一些量化指标也百花齐放。学者们开始定义系统重要性机构为对系统贡献大的机构,系统脆弱性机构为在受到无差别冲击后可能最先倒闭的机构。本文通过对DebtRank算法和△CoVaR进行实证研究,并且以FSB发布的G-SIBs列表为衡量基准。对14家银行进行基于DebtRank算法的建模,进行DebtRank算法压力传播测试,取额外风险指标作为DebtRank算法的具体数值,从大到小倒序排列,得出系统重要性机构的排名。最后测算出系统脆弱性机构,冲击脆弱性指数最大的机构,则为系统脆弱性机构。同时,运用分位数回归的方法测算14家银行的风险溢出△CoVaR,对系统重要性机构进行排序。最后,将DebtRank算法和△CoVaR模型的运行结果与全球系统重要性银行列表相比对,验证模型的合理性。结... 

【文章来源】：上海师范大学上海市

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

银行间网络结构图

47上海师范大学硕士学位论文第4章方案策划的理论框架续表4-6DebtRank算法系统脆弱性机构测度中信银行0否招商银行1是平安银行0否民生银行0否北京银行0否华夏银行0否宁波银行0否南京银行0否冲击脆弱性的值越大，则机构p达到机构q的违约率的概率较大，该机构越脆弱。从表中可以看出，面对冲击时，交通银行与招商银行冲击脆弱性的值大于其他银行，故更容易倒闭。出现这样结果的一部分原因是交通银行与招商银行体量大，相应的同业资产与同业负债多，更容易遭受风险。4.3.5模拟任意传染情景本文模拟所有银行同时承受1%至25%的压力冲击下，整个系统的压力变化。通过模拟，得到了以下的压力测试图。结果表明，初始压力冲击越大，额外压力越大；当压力到达20%时，额外压力的增加程度开始减少。额外压力会数倍于原始冲击压力，例如，所有银行25%的冲击会给系统带来51%的额外压力，是最初冲击的2倍。图4.3模拟任意传染情景


本文编号：3614167