我国商业银行系统性风险传染的测度研究

发布时间：2017-10-06 22:10

  本文关键词：我国商业银行系统性风险传染的测度研究

  更多相关文章： 系统性风险传染 Copula函数 Wilcoxon符号秩检验 随机效应模型

【摘要】：20世纪90年代以来,随着世界经济和国际金融的迅速发展,金融动荡和银行业危机爆发的频率和规模都有趋大之势。随之而来的金融市场间由于彼此剧烈变动所引发的的各类型风险传染也更为明显。商业银行是整个金融系统稳定健康运行不可或缺的金融中介市场,也是现代金融系统的重要组成部分。目前,随着我国银行业的快速发展,现代银行系统之间具有高度的相关性。商业银行通过同业拆借市场进行资金的拆借和拆出来满足流动性和盈利性的需求,因此也不可避免地加大了银行主体间风险头寸暴露的相关性,这样就为商业银行系统性风险的传染提供了媒介。然而,由于商业银行间市场错综复杂,目前国内外学者的研究主要集中于对商业银行系统性风险的形成机理、影响因素、风险测算等方面,对于商业银行系统性风险传染的研究相对较少,并没有形成完整独立的理论体系。因此本论文基于Copula理论和Wilcoxon检验对商业银行系统性风险传染进行测度,对于银行系统性风险传染测度研究具有重要的理论与现实意义。本文首先在归纳前人研究成果的基础上,论述了商业银行系统性风险传染的基本理论。在界定了系统性风险与非系统性风险的定义之后,进一步阐述系统性风险传染的成因、特征及渠道问题。然后介绍了Copula函数和Wilcoxon检验的基本原理。接着本文根据16家上市商业银行2012年6月至2014年6月间的沪市日收益率数据,利用MATLAB软件测算边缘分布和下尾部相关系数;又借鉴Wilcoxon检验分析系统性风险传染效应的大小;继而建立随机效应模型对影响商业银行系统性风险的因素进行分析。研究结果表明:我国商业银行之间存在风险传染效应,但影响不大;五家大型商业银行相比城市商业银行而言,受到系统性风险传染的影响更小。最后提出本文的结论和对策建议。
【关键词】：系统性风险传染 Copula函数 Wilcoxon符号秩检验 随机效应模型
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.33
【目录】：

• 摘要5-6
• Abstract6-12
• 第1章 绪论12-21
• 1.1 研究背景与意义12-13
• 1.1.1 研究背景12-13
• 1.1.2 研究意义13
• 1.2 国内外研究评述13-18
• 1.2.1 商业银行系统性风险传染的理论研究13-15
• 1.2.2 商业银行系统性风险传染的测度研究15-18
• 1.2.3 简要评价18
• 1.3 本文的研究思路与方法18-19
• 1.3.1 研究思路18-19
• 1.3.2 研究方法19
• 1.4 主要研究内容和创新点19-21
• 1.4.1 主要研究内容19-20
• 1.4.2 创新点20-21
• 第2章 商业银行系统性风险传染的理论分析21-29
• 2.1 商业银行系统性风险的构成21-23
• 2.1.1 市场风险21
• 2.1.2 利率风险21-23
• 2.1.3 购买力风险23
• 2.1.4 汇率风险23
• 2.2 影响商业银行系统性风险传染的共同因素23-26
• 2.2.1 宏观经济环境的影响24
• 2.2.2 商业银行自身体系的影响24-25
• 2.2.3 信息不对称导致系统性风险传染的发生25-26
• 2.3 商业银行系统性风险传染的特征26-27
• 2.3.1 途径多样性26
• 2.3.2 直接瞬时性26
• 2.3.3 负外部性26-27
• 2.3.4 高负债性27
• 2.4 商业银行系统性风险传染的渠道27-29
• 2.4.1 资产负债渠道27
• 2.4.2 支付结算系统渠道27-28
• 2.4.3 信息渠道28-29
• 第3章 商业银行系统性风险传染的测度方法29-37
• 3.1 Copula函数介绍29-32
• 3.1.1 二元Copula函数29-30
• 3.1.2 多元Copula函数30-31
• 3.1.3 常用的Copula函数31-32
• 3.2 Copula函数的相关性度量32-34
• 3.2.1 Pearson相关系数r32-33
• 3.2.2 Spearman秩相关系数sr33
• 3.2.3 Kendall秩相关系数 t33-34
• 3.2.4 尾部相关系数 l34
• 3.3 Copula函数在风险传染测度方面的优越性34-35
• 3.4 两个相关样本的符号秩检验35-37
• 3.4.1 符号检验35
• 3.4.2 Wilcoxon符号秩检验35-37
• 第4章 我国商业银行系统性风险传染测度的实证研究37-48
• 4.1 数据的选取37-38
• 4.2 数据的基本统计特征38-40
• 4.3 实证结果分析40-48
• 4.3.1 Copula函数测度结果分析40-46
• 4.3.2 随机效应回归结果分析46-48
• 结论48-50
• 参考文献50-54
• 致谢54-55
• 附录A 攻读学位期间所发表的学位论文目录55-56
• 附录B MATLAB程序56

【参考文献】

中国期刊全文数据库 前10条

1 廖为鼎;陈一非;;基于网络分析法的我国银行间风险传染效应研究[J];金融监管研究;2014年10期

2 袁曦;陈长权;石德金;;基于GARCH-Copula-CoVar方法的我国银行系统性风险的度量研究[J];科技和产业;2014年01期

3 马亚芳;潘凌遥;;系统性风险贡献评估方法改进及在商业银行的应用[J];金融论坛;2013年08期

4 于小晖;吕可;;商业银行集团综合经营战略下全面风险的识别与管理[J];武汉金融;2013年02期

5 周再清;邓文;周云伯;;宏观审慎监管框架下银行系统性风险传染测度研究[J];广州大学学报(社会科学版);2012年06期

6 陈建新;罗伟其;庞素琳;;银行风险传染的集合种群模型——基于元胞自动机的动态模拟[J];系统工程理论与实践;2012年03期

7 高国华;潘英丽;;基于DCC模型的上市银行系统风险实证研究[J];上海管理科学;2011年02期

8 张晓朴;;系统性金融风险研究:演进、成因与监管[J];国际金融研究;2010年07期

9 任仙玲;张世英;;基于Copula函数的金融市场尾部相关性分析[J];统计与信息论坛;2008年06期

10 李宗怡;李玉海;;我国银行同业拆借市场“传染”风险的实证研究[J];财贸研究;2005年06期

中国博士学位论文全文数据库 前2条

1 万阳松;银行间市场风险传染机制与免疫策略研究[D];上海交通大学;2007年

2 董满章;中国银行业系统性风险防范研究[D];南京农业大学;2005年

，

本文编号：985276