基于SDSEVaR的中国金融体系系统性风险研究

发布时间：2017-05-05 08:13

  本文关键词：基于SDSEVaR的中国金融体系系统性风险研究，由笔耕文化传播整理发布。

【摘要】：自1995年墨西哥金融危机到2007年的次贷危机以及2010年的欧债危机,系统性风险的溢出效应,使金融体系遭受重大破坏的同时对实体经济造成巨大冲击。连续爆发的金融危机引起全球对系统性风险的关注,巴塞尔委员针对危机中暴露的系统性风险防范措施的不足颁布了巴塞尔协议Ⅲ,将防范和化解系统性风险作为宏观审慎监管的根本目标。由于系统性风险溢出效应的放大作用,各金融机构对整个金融体系冲击更为显著。研究金融体系内部各子行业的系统性风险溢出效应有利于在金融风险形成初期对系统性风险进行有效监控和跟踪,对于宏观审慎监管具有重要借鉴意义。梳理国内外文献可以发现,对于系统性风险溢出效应的研究主要分为两类。一类是运用网络分析法研究系统性风险的溢出效应,另一类是利用CoVaR模型研究跨市场的风险溢出效应。Upper 和 Worms (2004)利用最小相对熵值法以各家银行的资产负债表数据为依据估计各银行间的风险敝口情况,在此基础上利用网络分析法模拟风险在各个银行间的传染过程。陈建青等(2015)通过构建CoVaR模型,对我国金融子行业的风险溢出效应进行研究。利用网络分析法存在两个问题,一是银行间相互持有的资产负债数据不易获得,只能通过模拟得到。二是主要限于对银行间溢出效应的分析。利用CoVaR模型研究金融市场中各子行业之间的风险溢出效应,虽然该模型设定可以捕捉到金融机构之间的风险溢出效应,但是CoVaR模型中分位数的设定主要是基于收益率的分布,通过CoVaR模型设定的溢出效应系数无论在何种经济状况下均是相同的。利用SDSEVaR模型对我国银行业、证券业、保险业以及包括租赁业、信托业在内多元金融之间的溢出效应进行分析。因模型使用的是金融行业指数收盘价,这一市场数据在充分反映金融市场的风险同时避免了网络分析模型中金融机构间敞口数据的缺失。通过SDSEVaR模型分析不同经济状况下金融子行业间系统性风险的溢出效应尺寸、大小以及持续程度,这对于系统性风险预警机制的建立具有借鉴意义。本文运用理论分析与实证研究相结合方法。首先利用申银万国二级行业数据中金融行业指数构建GARCH模型,计算基于Expectile模型的VaR,用EVaR代表每个金融子行业的系统性风险,将此数据作为输入变量构建SDSEVaR模型。在此基础上,选择不同的分位数分别代表不同的经济状况,通过两阶段分位数回归模型构建静态SDSEVaR模型分析各金融子行业的的风险溢出效应的大小和方向。根据产生的原因,可以将系统性风险分为两类,一类是宏观冲击如GDP、利率等导致所有金融机构都受到影响而产生的系统性风险；另一类是虽然局部金融机构遭受冲击,但是各金融机构紧密联系,金融风险通过各种渠道传染和扩散导致的系统性风险。在构建SDSEVaR模型时,本文将申银万国二级行业数据中的房地产指数和商品指数的EVaR数据作为控制变量放入两阶段分位数回归模型中,目的是在分析各金融子行业的风险溢出效应时,可以将所有的金融机构受到共同冲击的影响排除在外。最后,本文根据Zeno Adams等(2014)研究金融机构的系统性风险溢出效应时将脉冲函数(IRFS)引入分位数回归的方法将脉冲响应函数引入本文建立的静态SDSEVaR模型,构建动态的SDSEVaR模型对各金融子行业间风险溢出效应的持续程度进行分析。论文总共分为五个章节,各章内容安排如下。第一章是导论。导论部分主要是介绍本文研究的背景,研究意义,研究方法,研究内容和创新之处。第二章是文献综述。本文主要从两个方面对相关研究文献进行综述。首先是从定义、特征、传导机制和度量方法对系统性风险进行介绍。进一步地对国内外系统性风险溢出效应的研究进行了对比分析。第三章是研究设计。这部分提出实证方案,并对所涉及的模型进行介绍。本文首先利用GARCH模型计算基于Expectile的EVaR。进一步将每个金融子行业的EVaR数据分别作为解释变量和被解释变量,利用两阶段分位数回归方法构造静态SDSEVaR模型分析各系统性风险溢出效应的方向和大小。最后,将脉冲响应函数(IRFS)引入构造的静态SDSEVaR模型,形成动态SDSEVaR模型,分析各金融子行业风险溢出效应的持续强度大小和时间长短。第四章是实证研究。首先对金融时间序列进行描述性统计分析。接着,基于Expectile的正齐次性和平移不变性,利用GARCH模型测度单个金融子行业的系统性风险EVaR。将各金融子行业的EVaR作为输入变量,将房地产指数和商品指数的EVaR作为两阶段分位数回归的控制变量,构造静态SDSEVaR模型,分析去除受到共同冲击影响时各金融子行业的溢出效应的方向和大小。最后,将脉冲响应函数引入构造的SDSEVaR模型,构造动态SDSEVaR模型,分析各金融子行业系统性风险溢出效应的持续时间和大小。第五章是本文研究结论和建议。这部分首先对本文的理论分析和实证研究进行总结,在此基础上提出相关建议,然后给出本次研究存在不足和需要改进的地方,最后提出文章未来扩展的方向。论文得出的结论主要有以下四个方面：(1)在所分析的金融子行业中,银行业的溢出效应是最为显著的。银行业是在受到外部冲击时将风险溢出最大的金融子行业,溢出风险的大小依次为保险业、证券业、多元金融(2)银行作为保险公司的分销渠道,对于保险公司的溢出效应非常显著。银行与保险公司的合作模式决定了银行业对于保险业的溢出效应并无明显优势,即保险业对于银行业的溢出效应也非常显著。保险业在风险溢出效应持续的过程中受到的溢出效应逐渐减弱,经过20天溢出效应已减弱50%。(3)证券业在受到外部冲击时,溢出风险的大小依次为保险业、多元金融、银行业。在多元金融的溢出效应的分析中,对证券业的溢出作用是最明显的。因多元金融指数中主要是信托、租赁等金融机构,与证券业的关系较为紧密。(4)多元金融在受到外部冲击时,溢出风险的大小依次为证券业、银行业及保险业。多元金融在风险溢出效应的持续过程中主要受银行业和证券业的影响,且经过20天溢出效应已减弱50%。论文创新主要体现在以下三个方面：(1)本文选择了EVaR作为单个金融子行业的系统性风险度量指标。Kuan等(2009)研究证明基于expectile度量的金融机构的EVaR (Expectile-based Value at risk)考虑了整个金融资产的分布,与VaR所计量的尾部极值相比,更加全面。(2)本文选择了两阶段分位数回归方法,通过设定不同的分位数,研究不同经济状况金融子行业之间的风险溢出效应。在构建SDSEVaR模型时,本文将申银万国二级行业数据中的房地产指数和商品指数的EVaR数据作为控制变量放入两阶段分位数回归模型中,目的是在分析各金融子行业的风险溢出效应时,可以将所有的金融机构受到共同冲击的影响排除在外。(3)本文将脉冲响应函数(IRFS)引入SDSEVaR模型,通过分析能够得到各金融子行业之间溢出效应的持续情况。而溢出效应的持续时间的长短对于建立金融体系系统性风险预警机制具有重要的借鉴意义。论文的不足主要有以下两点：(1)本文对于金融各子行业溢出风险的分析是一种间接的分析,而各金融子行业之间直接的关联是各自的杠杆率、流动性比率以及资产负债率等,但各个金融机构财务数据更新较慢,不能每天获得,所以本文不能解释金融子行业之间的风险溢出效应的原理。(2)本文对于除银行、证券及保险之外的金融行业的数据选择使用申银万国二级行业数据中的多元金融指数来代替,该指数中包括信托和租赁公司,对于最近发展较快的衍生品市场指数的数据没有涉及,主要原因是衍生品在我国发展的起步较晚,数据的时间较短。对于研究的不足可以从以下两个方面进行改进：(1)将本文提出的SDSEVaR模型与各金融子行业各自的杠杆率、流动性比率及资产负债率综合分析研究系统性风险溢出效应。(2)除了本文研究的银行、证券、保险以及多元金融中涉及的信托业和租赁业,将基金及期货等子行业纳入风险溢出效应的研究体系进行分析。
【关键词】：系统性风险 溢出效应 SDSEVaR模型 GARCH模型 宏观审慎监管
【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】：F224;F832
【目录】：

• 摘要4-8
• ABSTRACT8-15
• 1. 绪论15-23
• 1.1 研究背景15-17
• 1.2 研究意义17-18
• 1.3 研究方法18-19
• 1.4 研究内容19-21
• 1.5 创新之处21-23
• 2. 文献综述23-41
• 2.1 系统性风险定义及特征23-25
• 2.1.1 系统性风险的定义23-24
• 2.1.2 系统性风险的特征24-25
• 2.2 系统性风险的成因和传导25-30
• 2.2.1 时间维度的系统性风险26-28
• 2.2.2 横截面维度的系统性风险28-29
• 2.2.3 系统性风险的传导29-30
• 2.3 系统性风险的测度30-35
• 2.4 溢出效应研究35-39
• 2.4.1 波动率溢出效应35-37
• 2.4.2 系统性风险溢出效应37-39
• 2.5 简要评述39-41
• 3. 研究设计41-48
• 3.1 系统性风险测度41-44
• 3.1.1 CoVaR模型41-42
• 3.1.2 EVaR的定义42-43
• 3.1.3 基于GARCH模型的EVaR的计算方法43-44
• 3.2 静态SDSEVAR模型44-45
• 3.3 动态SDSEVAR模型45-46
• 3.4 样本选择和计算说明46-47
• 3.5 本章小结47-48
• 4. 实证分析48-63
• 4.1 变量描述性统计分析48-50
• 4.1.1 变量的描述性统计48-49
• 4.1.2 金融机构之间相关性分析49-50
• 4.2 测度金融子行业系统性风险50-53
• 4.2.1 GARCH模型的构建50-52
• 4.2.2 计算金融子行业的系统特性风险EVaR52-53
• 4.3 系统性风险溢出效应静态分析53-59
• 4.4 系统性风险溢出效应动态分析59-61
• 4.5 本章小结61-63
• 5. 结论与展望63-68
• 5.1 论文结论63-64
• 5.2 政策建议64-66
• 5.3 研究展望66-68
• 参考文献68-73
• 后记73-74
• 致谢74

【相似文献】

中国期刊全文数据库 前10条

1 张代强;张屹山;;前瞻性利率规则在我国的实证研究——基于分位数回归方法的变参数检验[J];数量经济技术经济研究;2008年10期

2 刘生龙;;教育和经验对中国居民收入的影响——基于分位数回归和审查分位数回归的实证研究[J];数量经济技术经济研究;2008年04期

3 罗玉波;;房价影响因素分析:分位数回归方法[J];统计与决策;2011年06期

4 李顺毅;;房价如何影响消费对经济增长的贡献——基于分位数回归的实证分析[J];消费经济;2011年03期

5 朱平芳;张征宇;;无条件分位数回归:文献综述与应用实例[J];统计研究;2012年03期

6 胡丰;许启发;蒋翠侠;;基于分位数回归的基金风格分析与业绩评价[J];郑州航空工业管理学院学报;2012年06期

7 王朝;高敬雅;王琪;;基于分位数回归的房地产价格研究[J];商;2012年14期

8 胡永远;倪丽艳;;基于分位数回归的社会救助再就业人群收入研究[J];山东财政学院学报;2013年03期

9 欧阳胜银;;外资溢出效应的分位数回归研究[J];财经理论与实践;2013年04期

10 刘昕明;李志强;;基于分位数回归的企业债信用风险研究[J];北京化工大学学报(自然科学版);2013年06期

中国重要会议论文全文数据库 前6条

1 林艺圃;;中国股市价量关系的实证分析分位数回归模型[A];中国社会科学院第三届中国经济论坛论文集（下）[C];2007年

2 陈娟;林龙;叶阿忠;;基于分位数回归的中国居民消费研究[A];中国社会科学院第三届中国经济论坛论文集（下）[C];2007年

3 夏宁;;中国上市公司高管人员薪酬的影响因素与成因分解——一个基于分位数回归模型的实证研究[A];中国会计学会财务管理专业委员会2009年学术年会论文集[C];2009年

4 宋马林;吴杰;高玉强;张琳玲;宋峰;;中国入世以来的对外贸易与环保效率——基于分省面板数据的实证分析[A];中国贸易救济与产业安全论丛（2012）——第七届中国贸易救济与产业安全研究奖获奖论文集[C];2013年

5 任声策;;创新和出口的互动关系:基于中国制造业企业的实证[A];第八届（2013）中国管理学年会——技术与创新管理分会场论文集[C];2013年

6 刘鑫波;张志敏;梁逸曾;;高效准确的高分辨数据快速平滑与基线校正算法[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

中国博士学位论文全文数据库 前8条

1 邸俊鹏;分位数回归的贝叶斯估计与应用研究[D];南开大学;2013年

2 康宁;分位数回归模型及在金融经济中的应用[D];合肥工业大学;2016年

3 刘惠篮;基于复合分位数回归方法的统计模型的相关研究[D];重庆大学;2016年

4 Muhammad Amin;高维惩罚分位数回归建模及其应用[D];大连理工大学;2015年

5 韩月丽;极值统计与分位数回归理论及其应用[D];天津大学;2009年

6 关静;分位数回归理论及其应用[D];天津大学;2009年

7 项云帆;资本资产定价模型及实证分析[D];华中科技大学;2010年

8 陈林兴;基于空间视角的我国省际农村居民消费趋同性研究[D];浙江大学;2012年

中国硕士学位论文全文数据库 前10条

1 代贝;基于分位数回归的农村居民消费区域差异研究[D];昆明理工大学;2015年

2 罗小青;基于分位数回归的中国GDP与电力消费量关系研究[D];华南理工大学;2015年

3 张成林;随机截断线性模型的加权组合分位数回归[D];武汉科技大学;2015年

4 葛伟康;基于分位数回归的高速公路交通事故预测[D];东南大学;2015年

5 郝祥如;基于分位数回归的政府经济管制强度对公众创业频度影响的统计研究[D];山东财经大学;2016年

6 赵建芳;基于分位数回归模型的农村养老保险消费效应分析[D];山东财经大学;2016年

7 蒋兴凡;城镇居民收入差距代际传递的分位数回归研究[D];安徽大学;2016年

8 常琳;异方差泊松自回归模型的分位数回归估计[D];吉林大学;2016年

9 杜艳芳;基于分位数回归的空气质量指数分析[D];兰州大学;2016年

10 张成;基于分位数回归的金融风险管理[D];西南交通大学;2016年

  本文关键词：基于SDSEVaR的中国金融体系系统性风险研究，由笔耕文化传播整理发布。

，

本文编号：346001