不同规模商业银行间的风险传染效应研究

发布时间：2017-04-26 10:16

  本文关键词：不同规模商业银行间的风险传染效应研究，由笔耕文化传播整理发布。

【摘要】：自美国次贷危机之后,我国经济增速上下波动,逐步趋于中高速发展水平。2011年后宏观经济紧缩,名义投资增长率从30%以上跌落到截止2015年6月份的10%左右,同时商业银行不良贷款逐步攀升。随着我国经济结构逐步转型,商业银行之间业务交织关系更加复杂,收入结构呈现多元化发展,其内部风险演变机制也悄然发生改变。本文按照商业银行规模大小选取5家银行作为研究样本,并以2010年中期为界将样本时区分为第一、二两个时期,研究不同规模商业银行间的风险传染效应。首先基于样本银行日收益率序列构建VAR模型,通过格兰杰因果关系检验得出,第一时期样本银行之间风险传染关系比第二时期更加密集,第一时期多数样本银行之间呈现显著的双向传染关系,并且工商银行和中国银行处于风险传染过程的中心地位;考虑样本银行之间的当期结构关系,通过构建SVAR模型进行方差分解,研究每个结构冲击对样本银行收益率变动的贡献度,结果显示系统重要性银行对区域性银行贡献度较低,而区域性银行对系统重要性银行贡献值相对较大,区域性银行中北京银行的影响范围和效果大于宁波银行。为了进一步研究样本银行间的非线性风险关系,本文分别针对样本银行的日收益率和时变VaR序列构建Copula函数,得出同等规模样本银行间的风险传染效应更加明显。基于样本银行收益率序列建立Gumbel和Clayton Copula函数研究其上下尾部相依性,得出第一时期收益率序列的尾部相依性均大于第二时期;为研究发生极值损失时不同规模银行间的风险传染效应,根据样本银行收益率序列下尾极值分布生成GARCH-VaR序列,基于时变VaR序列研究Clayton下尾相依性关系得出,时变VaR序列第二时期的下尾相依性明显大于第一时期,说明经济增速放缓后样本银行出现极值损失时的联系更加紧密。通过对收益率序列和极值损失序列尾部相依性的分析,发现样本银行面临损失时联系更加紧密,风险传染效应更加明显。通过构建SVAR模型和Copula函数得出如下结论:(1)基于银行收益率序列构建SVAR模型并进行Granger因果关系检验得出,系统重要性银行处于风险传染的核心位置,是商业银行风险传染的纽带,并且第一时期的纽带作用强于第二时期;基于SVAR模型进行方差分解可得,系统重要性银行受到区域性银行冲击效果相对强烈,反之,冲击效果较弱。(2)基于银行收益率序列构建Copula函数进行尾部相依性分析得出,第一时期风险传染效应强于第二时期,而基于极值损失分布序列构建Copula函数进行尾部分析得出,第二时期不同规模商业银行间风险传染效应强于第一时期,即从收益角度看,商业银行第一时期传染关系更强,而从损失角度看则第二时期更强。随着我国经济增速放缓,经济发展逐渐步入新常态背景下,经济发展中存在的问题和冲突逐渐暴露,阻碍经济发展的因素更加复杂,不同规模商业银行风险损失序列之间相互传染效应逐步增强。此外,无论从银行收益率视角还是时变VaR视角,基于Copula尾部相依性分析均得出,同等规模商业银行之间风险传染效应更加显著。
【关键词】：商业银行 风险传染 SVAR模型 Copula尾部相依性
【学位授予单位】：贵州财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.33
【目录】：

• 摘要3-5
• Abstract5-9
• 1 绪论9-17
• 1.1 研究背景与研究意义9-11
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10-11
• 1.2 文献综述11-13
• 1.3 研究内容及研究路线13-15
• 1.3.1 研究内容13-14
• 1.3.2 研究路线14-15
• 1.4 研究方法和论文创新15-17
• 1.4.1 研究方法15
• 1.4.2 论文创新15-17
• 2 相关概念以及风险传染理论17-28
• 2.1 相关概念17-20
• 2.1.1 系统重要性银行17-18
• 2.1.2 银行系统性风险18-19
• 2.1.3 银行风险传染19-20
• 2.2 风险传染理论20-28
• 2.2.1 金融风险周期性解释派：金融脆弱性假说20-22
• 2.2.2 金融信息学派：信息不对称22-24
• 2.2.3 D-D银行挤兑模型理论24-25
• 2.2.4 货币主义学派：货币政策论25-26
• 2.2.5 资产价格波动理论26-28
• 3 商业银行风险现状分析28-35
• 3.1 国内外商业银行发展环境28-30
• 3.2 系统重要性银行风险现状30-32
• 3.3 非系统重要性银行风险现状32-34
• 3.4 本章小结34-35
• 4 基于SVAR模型的风险传染效应分析35-46
• 4.1 向量自回归理论35-37
• 4.1.1 VAR模型和方差分解35-36
• 4.1.2 结构VAR模型36-37
• 4.2 商业银行之间的风险传染效应37-44
• 4.2.1 数据来源及样本选取37-38
• 4.2.2 Granger因果关系检验38-42
• 4.2.3 基于SVAR模型的方差分解42-44
• 4.3 本章小结44-46
• 5 不同规模商业银行主体的非线性传染效应46-65
• 5.1 Copula理论及Copula函数46-52
• 5.1.1 Copula理论46-47
• 5.1.2 常用椭球类和阿基米德类Copula函数47-49
• 5.1.3 Copula模型的估计方法49-52
• 5.2 生成GARCH-VaR序列52-57
• 5.3 基于Copula模型的非线性传染效应分析57-64
• 5.3.1 确定随机变量的边缘分布57-58
• 5.3.2 选择适当的Copula函数58-61
• 5.3.3 基于二维Copula函数的金融风险传染测度61-64
• 5.4 本章小结64-65
• 6 政策建议与研究展望65-68
• 6.1 政策建议65-66
• 6.1.1 针对商业银行施行多元监管标准65
• 6.1.2 引导商业银行有效进行市场定位65-66
• 6.1.3 严防严控，，阻止系统性金融风险66
• 6.2 研究不足与研究展望66-68
• 参考文献68-71
• 附录A：商业银行样本序列边缘分布拟合图71-73
• 附录B：部分样本序列二元Copula函数联合密度图73-75
• 附录C：基于日收益率序列的格兰杰因果关系检验汇总表75-77
• 附录D：部分国家或地区商业银行不良贷款率汇总表77-79
• 致谢79

【相似文献】

中国期刊全文数据库 前10条

1 周伟;何建敏;;金融市场跳跃效应与传染效应研究综述[J];金融理论与实践;2012年06期

2 刘春;孙亮;;法律保护、信息环境与信息传染效应:来自乳业危机的证据[J];南方经济;2012年01期

3 陈颖;段希文;孙晨正;;银行新型同业业务的潜在风险传染效应研究[J];金融监管研究;2014年04期

4 陈彦锟;;基于无标度网络的信用违约风险传染效应研究[J];统计与决策;2010年02期

5 王璐;王夏妮;王沁;何平;;基于时变相关的金融风险传染效应的非参数方法研究[J];数学的实践与认识;2013年22期

6 李锋;;金融风暴对中国经济影响的效应分析及研究[J];中国商贸;2009年15期

7 黄俊;陈信元;张天舒;;公司经营绩效传染效应的研究[J];管理世界;2013年03期

8 ;梅新育:防范外企“危机传染效应”[J];山东经济战略研究;2009年04期

9 谢尚宇;汪寿阳;周勇;;金融危机下带传染效应的违约预报[J];管理科学学报;2011年01期

10 彭寿康;陈超;;我国银行间市场的风险传染效应研究[J];哈尔滨商业大学学报(社会科学版);2011年06期

中国重要会议论文全文数据库 前2条

1 孙亮;刘春;;法律保护、信息环境与信息传染效应:来自乳业危机的证据[A];中国会计学会2011学术年会论文集[C];2011年

2 陈燕武;邱世斌;吴承业;;风险在各主要金融市场的传染分析[A];21世纪数量经济学（第10卷）[C];2009年

中国重要报纸全文数据库 前4条

1 记者 朱周良;塞浦路斯援助计划或只是特例 股市趁机调整 传染效应有限[N];上海证券报;2013年

2 吉强;警惕美国次级债危机的传染效应[N];新华日报;2007年

3 ;谨防新兴市场货币反转“传染效应”[N];21世纪经济报道;2008年

4 孙立坚;中国不应陷入零利率时代[N];经济视点报;2008年

中国博士学位论文全文数据库 前5条

1 侯县平;中国股票市场与债券市场间的金融传染效应研究[D];西南交通大学;2016年

2 宋群英;中国银行体系的风险传染效应研究[D];华中科技大学;2013年

3 宋群英;中国银行体系的风险传染效应研究[D];华中科技大学;2012年

4 王小丁;基于违约相依的信用风险度量与传染效应研究[D];中南大学;2010年

5 白云芬;信用风险传染模型和信用衍生品的定价[D];上海交通大学;2008年

中国硕士学位论文全文数据库 前10条

1 赵倩倩;美国次贷危机的传染效应研究[D];中国海洋大学;2015年

2 严慧;“视若无睹”与传染效应[D];南京财经大学;2014年

3 蔡颖;金融危机期间股票市场的传染效应研究[D];南京大学;2016年

4 李博文;大股东减持的动因与经济后果[D];南京大学;2016年

5 崔微微;不同规模商业银行间的风险传染效应研究[D];贵州财经大学;2016年

6 王兴锋;中国与国际证券市场间的风险传染效应研究[D];浙江工商大学;2010年

7 卢莎莎;基于违约相依的信用风险传染效应研究[D];上海师范大学;2015年

8 鹿雯;我国银行间市场的风险传染效应研究[D];南京理工大学;2014年

9 刘嘉璐;基于熵最优化的中国商业银行系统性风险传染效应的实证研究[D];东北大学;2013年

10 鲁琪鑫;次贷危机中流动性黑洞国际传染效应存在性研究[D];中国海洋大学;2013年

  本文关键词：不同规模商业银行间的风险传染效应研究，由笔耕文化传播整理发布。

本文编号：328260