股市网络拓扑结构与系统性风险贡献度:基于VaR风险网络模型

发布时间：2021-01-30 04:49

　　股市的系统性风险是极端波动不断累积变化的过程,本文首次应用VaR模型构建股市风险网络,并从风险网络演化的视角研究中国股市的系统性风险贡献度,选取中国股市2008年和2015年极端波动时期,应用动态面板回归模型分析风险网络结构指标与系统性风险贡献度间的关系。结果显示:沪深股市风险网络具有无标度性;股票市场极端波动行情的出现与系统性风险的累积具有相关关系;2015年股市波动冲击比2008年金融危机冲击对风险网络的破坏更大;在股票风险网络中节点的度、接近中心性、点强度等网络结构指标与系统性风险溢出值呈显著的负相关关系,即与系统性风险贡献度正相关。为准确把握对股市的系统性风险起重要作用的机构,及防控系统性风险在整个股市网络中的传播具有重要意义。 

【文章来源】：管理工程学报. 2020,34(04)北大核心CSSCI

【文章页数】：11 页

【部分图文】：

深圳股票市场MST网络图（两样本区间）Figure5ShenzhenstockmarketMSTnetworkdiagramintwosamples(b)样本区间2

年金融危机时期的dCoVaR的总体震动幅度与2015年股市震荡时期的总体震动幅度都存在显著差异，进一步说明了相同股票在不同时期因风险传染源的不同，其系统性风险溢出值不同，即该股票对整个股票市场的风险贡献度不同。4.4MST股票风险网络结构（1）MST图基于VaR模型构建股市风险网络时，时间跨度选100个交易日。用Kruskal算法将距离矩阵转换为使式(14)值达到最小的超度量关联网络的子网络。给出两个样本区间内上海、深圳股市MST风险网络的节点间联通性、位置的变化图。如图4、图5。(a)样本区间1(b)样本区间2图4上海股票市场MST网络图（两样本区间）Figure4ShanghaistockmarketMSTnetworkdiagramintwosamples图4(a)中上海股票MST网络中有七个关键节点：上海电力（11条连边），雅戈尔（10条连边），北京城建、复星医药和巨化股份（9条连边），同仁堂（7条连边），中海发展（6条连边），从图中看出在MST风险网络中连接节点最多的集中在金融行业，说明金融业在上海股市受到极高的关

【参考文献】：
期刊论文
[1]股灾背景下中美股市风险溢出的结构转换研究[J]. 谢家泉.  运筹与管理. 2017(02)
[2]基于网络视角的银行业系统性风险度量方法[J]. 隋聪,谭照林,王宗尧.  中国管理科学. 2016(05)
[3]资产负债表关联、价格关联与银行间风险传染[J]. 王占浩,郭菊娥,薛勇.  管理工程学报. 2016(02)
[4]系统性风险、网络传染与金融机构系统重要性评估[J]. 邓向荣,曹红.  中央财经大学学报. 2016(03)
[5]基于多主体建模分析的银行间网络系统性风险研究[J]. 邓超,陈学军.  中国管理科学. 2016(01)
[6]中国股票市场适应性特征的实证研究[J]. 李云红,魏宇,吴晓雄.  管理工程学报. 2016(01)
[7]中国金融机构的系统重要性及系统性风险传染机制分析——基于复杂网络的视角[J]. 欧阳红兵,刘晓东.  中国管理科学. 2015(10)
[8]中国股市复杂网络中的分形特征[J]. 庄新田,张鼎,苑莹,庄霄威.  系统工程理论与实践. 2015(02)
[9]房地产对金融体系风险溢出效应研究——基于AR-GARCH-CoVaR方法[J]. 刘向丽,顾舒婷.  系统工程理论与实践. 2014(S1)
[10]网络结构与银行系统性风险[J]. 隋聪,迟国泰,王宗尧.  管理科学学报. 2014(04)



本文编号：3008269