基于VARX模型的我国区域金融风险传染效应分析

发布时间：2021-01-11 03:22

　　区域经济联系的加强为金融风险在区域间的传染提供了便利。本文通过构建区域金融风险指数,采用VARX模型对我国31个省区（不含港、澳、台地区）金融风险的传染效应进行分析,得出以下结论:高风险、强溢出是我国经济欠发达地区金融风险表现的主要特点,而低风险、强吸收则是我国经济发达地区金融风险呈现的主要特征;东北地区、西北地区是我国区域金融风险传染的主要输出区域,华东地区、华北地区则是我国区域金融风险传染的主要吸收区域;大部分省份在区域内的净传染效应与全国层面基本相同,华北地区及华东地区的部分省份在区域层面风险传染效应则呈现某些特殊性,即在区域内的传染效应明显强于全国层面。充分把握欠发达地区对其他区域金融风险的传染因素,明确金融风险传染渠道,对于提高我国整体金融市场的稳定性具有重要意义。 

【文章来源】：金融发展研究. 2020,(10)北大核心

【文章页数】：7 页

【部分图文】：

我国各区域的金融风险贡献度（SCy)(%)i

第三，东北地区、西北地区、华南地区表现为金融风险的净输出，其中东北地区是对外金融风险净传染最严重的地区；西南地区、华北地区、华东地区表现为金融风险的净输入，其中华东地区是金融风险净吸收强度最高的区域。第四，大部分省份在区域内的净传染效应与全国层面基本相同，华北地区及华东地区的部分省份在区域层面风险传染效应则呈现某些特殊性，即在区域内的传染效应明显强于全国层面。

【参考文献】：
期刊论文
[1]极端金融风险的有效测度与非线性传染[J]. 杨子晖,陈雨恬,陈里璇.  经济研究. 2019(05)
[2]我国商业银行系统性风险及溢出效应研究[J]. 马麟.  宏观经济研究. 2017(11)
[3]股票市场和外汇市场间风险溢出效应研究——基于GARCH-时变Copula-CoVaR模型的分析[J]. 周爱民,韩菲.  国际金融研究. 2017(11)
[4]极端金融事件对系统性风险的影响分析——以中国银行部门为例[J]. 唐文进,苏帆.  经济研究. 2017(04)
[5]房价过度波动的系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型[J]. 沈悦,戴士伟,陈锟.  中央财经大学学报. 2016(03)
[6]我国影子银行对商业银行的风险溢出效应——基于GARCH-时变Copula-CoVaR模型的分析[J]. 李丛文,闫世军.  国际金融研究. 2015(10)
[7]我国金融系统的风险溢出效应研究——基于溢出指数的实证分析[J]. 傅强,张颖.  宏观经济研究. 2015(07)
[8]经济周期波动、溢出效应与系统性金融风险区域传染性——基于VARX模型的实证研究[J]. 苏明政,张庆君.  上海金融学院学报. 2015(02)
[9]中国金融业系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型的研究[J]. 沈悦,戴士伟,罗希.  当代经济科学. 2014(06)
[10]我国上市商业银行风险溢出效应的测度及分析研究——基于CoVar模型的分析[J]. 李玉贤.  陕西科技大学学报(自然科学版). 2012(02)

硕士论文
[1]银行系统性金融风险溢出效应分析[D]. 王恺忱.兰州财经大学 2017



本文编号：2969977