非核心负债、尾部依赖与中国银行业系统性风险
发布时间：2021-01-12 23:21
非核心负债是银行业系统性风险累积的重要驱动因素,本文将刻画时间维度系统性风险特征的非核心负债指标与刻画机构关联性的尾部依赖技术相结合,得到中国银行业系统性风险度量指标。在捕捉冲击事件有效性方面,本文指标可以捕捉样本期间的4次重大冲击事件,包括2008年国际金融危机、2013年银行业"钱荒"、2015年股市异常波动和2018年中美贸易摩擦;在捕捉规模特征有效性方面,本文指标能够规避传统风险指标中出现的"小机构、大贡献"这种不符合现实的问题;本文提出系统性风险度量领域的安慰剂检验方法,发现本文指标能排除股票市场风险等噪音信息。
【文章来源】：世界经济. 2020,43(04)北大核心CSSCI
【文章页数】：22 页
【图文】：
本文核心指标波动
图2给出了核心指标的银行业系统性风险监测结果。其中,SYS_Lasso_ΔCoNCore为核心指标,阈值为样本区间核心指标按照从大到小排序后,处于上90%分位数的指标数值。当指标水平高于该阈值时,本文认为中国银行业系统性风险水平较高,需要引起关注。图2表明,本文构建的指标能较为准确地刻画中国银行业系统性风险水平。这种准确性不仅体现在其能够精确识别出系统性风险爆发时期(即第1类错误较低),还体现在其不会在实际风险较低时发出风险预警的错误信号(即第2类错误较低)。具体而言,银行业系统性风险指标高于阈值的时间点有且仅有2008年国际金融危机、2013年中国银行业“钱荒”、2015年中国股票市场异常波动以及2018年中美贸易摩擦这4个时点。中国银行业系统性风险的水平值和变动速度在上述4个时点具有不同特征。从水平值来看,第3次冲击下中国银行业系统性风险的严重程度最高,第4次冲击下系统性风险水平次之,另外两次冲击下系统性风险水平相对较低。从变动速度来看,4次冲击期间中国银行业系统性风险累积速度也有所不同,本文计算了指标在这4次冲击附近由低点上升至高点的变动速度,其中第3次冲击下风险上升的速度最快,第4次冲击次之,第2次冲击最慢。由此可见,2015年股票市场异常波动和2018年中美贸易摩擦对银行业系统性风险的影响程度远远高于2008年国际金融危机和2013年银行业“钱荒”事件。
本文采用“倒扣”法研究关联性指标对系统性风险的贡献水平,即将核心指标走势中与非核心负债同比增速无关的部分纳入银行关联性这一因素。原因在于:第一,Lasso分位数回归技术下关联性指标难以写出准确的解析表达式;第二,时间维度风险指标加权求和的过程进一步增加了分离非核心负债与关联性贡献的难度;第三,从理论上讲,本文将非核心负债数据与尾部依赖回归模型混合在一起进行统计建模,较难分离两者各自的风险贡献水平。银行业系统性风险与其驱动因素之间的关系见图3,可以得出以下结论:
【参考文献】：
期刊论文
[1]宏观审慎与货币政策双支柱框架研究——基于系统性风险视角[J]. 方意,王晏如,黄丽灵,和文佳. 金融研究. 2019(12)
[2]系统性风险、抛售博弈与宏观审慎政策[J]. 方意,黄丽灵. 经济研究. 2019(09)
[3]经济波动、银行风险承担与中国金融周期[J]. 方意,陈敏. 世界经济. 2019(02)
[4]我国银行系统性金融风险研究——基于“去一法”的应用分析[J]. 杨子晖,李东承. 经济研究. 2018(08)
[5]商业银行系统性风险溢出及系统重要性研究——来自中国16家上市银行CoVaR的证据[J]. 李明辉,黄叶苨. 华东师范大学学报(哲学社会科学版). 2017(05)
[6]银行非核心负债的风险规制[J]. 刘俊峰,李群. 中国金融. 2017(05)
[7]我国商业银行的系统性风险测度及影响因素研究——基于CCA-POT-Copula方法的分析[J]. 王擎,白雪,牛锋. 当代经济科学. 2016(02)
[8]我国银行同业业务发展对货币政策和金融稳定的影响[J]. 肖崎,阮健浓. 国际金融研究. 2014(03)
[9]我国系统重要性金融机构的识别与监管——基于系统性风险指数SRISK方法的分析[J]. 梁琪,李政,郝项超. 金融研究. 2013 (09)
[10]我国银行业系统性违约风险研究——基于Systemic CCA方法的分析[J]. 巴曙松,居姗,朱元倩. 金融研究. 2013 (09)
本文编号：2973743
【文章来源】：世界经济. 2020,43(04)北大核心CSSCI
【文章页数】：22 页
【图文】：
本文核心指标波动
图2给出了核心指标的银行业系统性风险监测结果。其中,SYS_Lasso_ΔCoNCore为核心指标,阈值为样本区间核心指标按照从大到小排序后,处于上90%分位数的指标数值。当指标水平高于该阈值时,本文认为中国银行业系统性风险水平较高,需要引起关注。图2表明,本文构建的指标能较为准确地刻画中国银行业系统性风险水平。这种准确性不仅体现在其能够精确识别出系统性风险爆发时期(即第1类错误较低),还体现在其不会在实际风险较低时发出风险预警的错误信号(即第2类错误较低)。具体而言,银行业系统性风险指标高于阈值的时间点有且仅有2008年国际金融危机、2013年中国银行业“钱荒”、2015年中国股票市场异常波动以及2018年中美贸易摩擦这4个时点。中国银行业系统性风险的水平值和变动速度在上述4个时点具有不同特征。从水平值来看,第3次冲击下中国银行业系统性风险的严重程度最高,第4次冲击下系统性风险水平次之,另外两次冲击下系统性风险水平相对较低。从变动速度来看,4次冲击期间中国银行业系统性风险累积速度也有所不同,本文计算了指标在这4次冲击附近由低点上升至高点的变动速度,其中第3次冲击下风险上升的速度最快,第4次冲击次之,第2次冲击最慢。由此可见,2015年股票市场异常波动和2018年中美贸易摩擦对银行业系统性风险的影响程度远远高于2008年国际金融危机和2013年银行业“钱荒”事件。
本文采用“倒扣”法研究关联性指标对系统性风险的贡献水平,即将核心指标走势中与非核心负债同比增速无关的部分纳入银行关联性这一因素。原因在于:第一,Lasso分位数回归技术下关联性指标难以写出准确的解析表达式;第二,时间维度风险指标加权求和的过程进一步增加了分离非核心负债与关联性贡献的难度;第三,从理论上讲,本文将非核心负债数据与尾部依赖回归模型混合在一起进行统计建模,较难分离两者各自的风险贡献水平。银行业系统性风险与其驱动因素之间的关系见图3,可以得出以下结论:
【参考文献】：
期刊论文
[1]宏观审慎与货币政策双支柱框架研究——基于系统性风险视角[J]. 方意,王晏如,黄丽灵,和文佳. 金融研究. 2019(12)
[2]系统性风险、抛售博弈与宏观审慎政策[J]. 方意,黄丽灵. 经济研究. 2019(09)
[3]经济波动、银行风险承担与中国金融周期[J]. 方意,陈敏. 世界经济. 2019(02)
[4]我国银行系统性金融风险研究——基于“去一法”的应用分析[J]. 杨子晖,李东承. 经济研究. 2018(08)
[5]商业银行系统性风险溢出及系统重要性研究——来自中国16家上市银行CoVaR的证据[J]. 李明辉,黄叶苨. 华东师范大学学报(哲学社会科学版). 2017(05)
[6]银行非核心负债的风险规制[J]. 刘俊峰,李群. 中国金融. 2017(05)
[7]我国商业银行的系统性风险测度及影响因素研究——基于CCA-POT-Copula方法的分析[J]. 王擎,白雪,牛锋. 当代经济科学. 2016(02)
[8]我国银行同业业务发展对货币政策和金融稳定的影响[J]. 肖崎,阮健浓. 国际金融研究. 2014(03)
[9]我国系统重要性金融机构的识别与监管——基于系统性风险指数SRISK方法的分析[J]. 梁琪,李政,郝项超. 金融研究. 2013 (09)
[10]我国银行业系统性违约风险研究——基于Systemic CCA方法的分析[J]. 巴曙松,居姗,朱元倩. 金融研究. 2013 (09)
本文编号：2973743
本文链接：https://www.wllwen.com/jingjilunwen/huobiyinxinglunwen/2973743.html
