CoVaR度量与我国金融机构系统性风险

发布时间：2020-10-02 10:43

　　 2007年美国次贷危机爆发后迅速蔓延并席卷全球,给各国金融市场以及实体经济带来了沉痛的打击。金融市场系统性风险的巨大破坏力,使得人们开始认识到针对单个机构层面的监管,并不能反映整个系统层面的风险水平,因此监管理念逐渐由微观审慎变为宏观审慎。尽管监管理念发生转变,仍不能避免系统性风险事件频发的现状,就中国市场而言,极端金融事件如2013“钱荒”、2015年“股灾”等时有发生。因此,如何有效度量我国金融机构的系统性风险,如何识别我国系统重要性金融机构,并对金融机构风险溢出的影响因素进行分析,具有一定的理论和现实意义。研究内容主要包括:首先采用AdrianBrunnermeier(2016)的CoVaR方法,以此度量我国金融机构的系统性风险,考虑到金融机构和金融系统间的动态相关关系,采用Engle(2002)的DCC-GARCH模型求解CoVaR。然后在此基础上,从宏观经济水平、微观公司特征两个方面共选取11个代理变量,同时也设置虚拟变量来表征机构类型,分析不同因素对风险溢出的影响。最后鉴于CoVaR方法存在的“顺周期陷阱”,按照AdrianBrunnermeier(2016)的思路本文构建了（？）,旨在利用同期数据对金融机构未来的系统性风险进行预测。经过实证分析本文发现:(1)标准化处理后的（？）,可以较好地对我国上市金融机构的系统重要性进行排名,总体来看银行保险证券信托,而银行系统中国有商业银行股份制商业银行城市商业银行。(2)微观公司特征方面,杠杆水平、规模、股票波动率、β值等因素对金融机构的风险溢出能力有显著影响,其中杠杆水平越高的金融机构系统性风险贡献越大,这说明去杠杆的政策导向对防范系统性风险是有效的。规模较大的金融机构其风险溢出能力较强,这正是金融监管需要注意的“太大而不能倒”现象。股票波动率、β值与系统性风险贡献显著负相关,说明平均风险状态下波动较大的金融机构风险溢出能力并不强,而那些较为稳定金融机构如国有商业银行才是金融监管中需要重点关注的。行业虚拟变量的结果也表明,相对于其他类型的金融机构,银行显著地具有更强的风险溢出能力。(3)宏观经济水平方面的结果表明,经济状况较好时金融机构的风险溢出贡献较小,经过逐步的风险积累进而在危机中爆发。所以直接将CoVaR指标作为金融监管工具,将会低估平静时期而高估危机期间的风险水平,进而加剧不良冲击的不利影响(AdrianBrunnermeier,2016)。本文选取银行类金融机构,利用宏观经济、微观公司层面共11个代理变量,对金融机构滞后的标准化前项（？）建模,构建前瞻性风险指标前项（？）。结果表明前项（？）与同期（？）存在明显的负相关关系,如2008年金融危机爆发前,同期（？）较小而前项（？）相对较大,较好地表征了平静时期的风险积累现象。因此根据前项（？）指标进行宏观审慎的风险监管是逆周期的,可以对金融机构的系统性风险贡献进行预测和管理。
【学位单位】：华中科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F832;F224
【部分图文】：

技术路线图,系统性风险,金融机构,滞后变量

华中科技大学硕士学位论文第 4 章为金融机构 CoVaR 的影响因素分析。首先给出宏观经济、微观公司层面影响因素的指标选取及描述性统计，然后给出 CoVaR 与滞后变量的回归结果，最后根据回归结果构造前项，以对金融机构的系统性风险进行预测。第 5 章为总结与展望。对本文研究进行总结，并给出本文的不足及未来的研究展望。在研究思路和研究内容的基础上，本文的技术路线如图 1-1 所示：时间维度：系统性风险的历史变化

序列,序列,类金,证券

华中科技大学硕士学位论文图 3-1 中展示了 6 家金融机构的历史收益序列，分别是国有商业银行中的工商银行、股份制商业银行中的招商银行、城商行中的北京银行，证券类金融机构中的中信证券，信托类金融机构中的陕国投 A，保险类金融机构中的中国平安。可以看出金融机构收益序列存在较大的波动聚集现象，在 2008 年金融危机、2016 年“股灾”以及 2018 年股市动荡期间，这种波动聚集更为明显。

CoVaR度量与我国金融机构系统性风险

008年初VaR_99%和ΔCoVaR_99%对比

【相似文献】