金融机构风险的联动性及传染性研究——基于DCC-GARCH-Guass模型的分析
发布时间：2021-02-21 03:53
近年来随着金融科技与科技金融的不断融合,金融机构的风险识别和传染性特征持续受到各界的广泛关注。本文以2010年11月15日至2019年7月12日货币金融、资本市场、保险业和其他金融业机构为研究对象,运用DCC-GARCH-Guass模型对单个以及不同类型金融机构之间进行金融风险识别与联动传染性分析。结果表明:（1）同类型的金融机构存在较明显的集聚效应;（2）尽管我国金融业风险整体上是可控的,但货币金融类机构之间风险的时变联动的持续性最大,且股份制银行要大于国有银行;（3）国有银行、股份制银行与保险业之间风险的时变联动性比较稳定;（4）通过分析2015年股灾事件发现,单一机构类型以及不同机构类型之间均存在较强的金融风险传染效应。
【文章来源】：武汉金融. 2020,(05)北大核心
【文章页数】：8 页
【部分图文】：
基于DCC-GARCH模型的其他金融业机构的动态相关系数图
第一，国有银行间。联动性：由表4可知，国有银行中农业银行与建设银行的时变联动性最强（0.72），标准差为0.03，说明两者保持着较为稳定的联动性，因为这两家银行均与基本建设投资业务有密切关系。传染性：图1显示2015年股灾期间，两者之间的动态相关系数走势呈“V”型，即在经历下跌之后又反弹至高位，并在高相关性水平上维持了很长一段时间，说明两者存在显著的传染效应（红色标记）。当前我国仍在大力发展基础设施建设，应着重防范金融风险，做好防范预警工作。第二，股份制商业银行间。联动性：由表5可知，各股份制商业银行间的时变联动性从大到小排序中前几位的依次为浦发银行-交通银行（0.75）、浦发银行-兴业银行（-0.66）、民生银行-交通银行（0.54）、兴业银行-交通银行（0.54）、浦发银行-民生银行（-0.45），其中浦发银行、交通银行是联动性最强的两家银行，这与其在行业中的地位及综合实力息息相关。传染性：由图2可知，2015年股灾期间各银行间的动态相关系数波动剧烈，在经历下跌之后又反弹至高位，说明两两之间存在金融风险传染效应（红色标记）。同时观察标准差发现，整体上股份制银行的标准差要高于国有银行，因此股份制银行波动性更强，稳定性较低。
第三，资本市场机构间。联动性：由表6可知，中油资本-国投资本之间的联动性最强（-0.92），其次较为显著的有广发证券-国投资本（0.47）、中油资本-广发证券（-0.34）、广发证券-光大证券（-0.34），可以发现联动性关系中需要重点关注的银行机构是国投资本、中油资本、广发证券。从动态相关系数的平均标准差发现，资本市场机构高于国有银行、股份制银行，稳定性差，但是动态相关系数不及货币金融类（国有银行、股份制银行）高。传染性：由图3可知，2015年股灾期间银行间的动态相关系数波动剧烈，在经历下跌之后又反弹至高位，说明两两之间存在金融传染效应（红色标记）。第四，保险业机构间。联动性：由表7可知，天茂集团-西水股份之间的联动性最强（0.73），标准差为0.07，其次较为显著的有中国平安-中国人寿（-0.72）、西水股份-中国太保（-0.6），标准差均为0.08，这说明两两之间存在较为稳定的联动性。保险类机构均表现出一定程度的联动性，建议全局性地把握保险业机构可能会遇到的金融风险。从标准差发现，保险类机构的标准差低于资本市场类机构。传染性：由图4可知，2015年股灾期间各机构间的动态相关系数波动剧烈，在经历下跌之后又反弹至高位，说明两两之间存在金融风险传染效应（红色标记）。
【参考文献】：
期刊论文
[1]关联网络、风险溢出与重要系统性金融机构识别——基于市场、行业和机构的实证[J]. 郭文伟,王礼昱. 中央财经大学学报. 2019(05)
[2]商业银行系统性风险溢出效应研究:条件风险价值估计与系统性风险贡献度测量[J]. 何卓静,周利国,闫丽新. 中央财经大学学报. 2018(12)
[3]发达市场对新兴市场的金融传染性分析——基于国际危机视角[J]. 陈赤平,陈海波. 湖南大学学报(社会科学版). 2018(06)
[4]我国金融机构系统性金融风险度量与跨部门风险溢出效应研究[J]. 杨子晖,陈雨恬,谢锐楷. 金融研究. 2018(10)
[5]基于CoVaR动态模型的我国金融机构系统性风险分析[J]. 黄玮强,郭慧敏,庄新田. 统计与决策. 2018(19)
[6]中国金融机构关联网络与系统性金融风险[J]. 李绍芳,刘晓星. 金融经济学研究. 2018(05)
[7]商业银行尾部风险网络关联性与系统性风险——基于中国上市银行的实证检验[J]. 蒋海,张锦意. 财贸经济. 2018(08)
[8]我国商业银行系统性金融风险财政溢出效应研究[J]. 李伟,宋亦威. 河南社会科学. 2018(07)
[9]基于不同市场状态机制的金融机构风险溢出效应研究[J]. 陈尾虹,唐振鹏,周熙雯. 当代财经. 2018(05)
[10]新形势下金融科技对商业银行的影响及对策[J]. 孙娜. 宏观经济管理. 2018(04)
本文编号：3043803
【文章来源】：武汉金融. 2020,(05)北大核心
【文章页数】：8 页
【部分图文】：
基于DCC-GARCH模型的其他金融业机构的动态相关系数图
第一，国有银行间。联动性：由表4可知，国有银行中农业银行与建设银行的时变联动性最强（0.72），标准差为0.03，说明两者保持着较为稳定的联动性，因为这两家银行均与基本建设投资业务有密切关系。传染性：图1显示2015年股灾期间，两者之间的动态相关系数走势呈“V”型，即在经历下跌之后又反弹至高位，并在高相关性水平上维持了很长一段时间，说明两者存在显著的传染效应（红色标记）。当前我国仍在大力发展基础设施建设，应着重防范金融风险，做好防范预警工作。第二，股份制商业银行间。联动性：由表5可知，各股份制商业银行间的时变联动性从大到小排序中前几位的依次为浦发银行-交通银行（0.75）、浦发银行-兴业银行（-0.66）、民生银行-交通银行（0.54）、兴业银行-交通银行（0.54）、浦发银行-民生银行（-0.45），其中浦发银行、交通银行是联动性最强的两家银行，这与其在行业中的地位及综合实力息息相关。传染性：由图2可知，2015年股灾期间各银行间的动态相关系数波动剧烈，在经历下跌之后又反弹至高位，说明两两之间存在金融风险传染效应（红色标记）。同时观察标准差发现，整体上股份制银行的标准差要高于国有银行，因此股份制银行波动性更强，稳定性较低。
第三，资本市场机构间。联动性：由表6可知，中油资本-国投资本之间的联动性最强（-0.92），其次较为显著的有广发证券-国投资本（0.47）、中油资本-广发证券（-0.34）、广发证券-光大证券（-0.34），可以发现联动性关系中需要重点关注的银行机构是国投资本、中油资本、广发证券。从动态相关系数的平均标准差发现，资本市场机构高于国有银行、股份制银行，稳定性差，但是动态相关系数不及货币金融类（国有银行、股份制银行）高。传染性：由图3可知，2015年股灾期间银行间的动态相关系数波动剧烈，在经历下跌之后又反弹至高位，说明两两之间存在金融传染效应（红色标记）。第四，保险业机构间。联动性：由表7可知，天茂集团-西水股份之间的联动性最强（0.73），标准差为0.07，其次较为显著的有中国平安-中国人寿（-0.72）、西水股份-中国太保（-0.6），标准差均为0.08，这说明两两之间存在较为稳定的联动性。保险类机构均表现出一定程度的联动性，建议全局性地把握保险业机构可能会遇到的金融风险。从标准差发现，保险类机构的标准差低于资本市场类机构。传染性：由图4可知，2015年股灾期间各机构间的动态相关系数波动剧烈，在经历下跌之后又反弹至高位，说明两两之间存在金融风险传染效应（红色标记）。
【参考文献】：
期刊论文
[1]关联网络、风险溢出与重要系统性金融机构识别——基于市场、行业和机构的实证[J]. 郭文伟,王礼昱. 中央财经大学学报. 2019(05)
[2]商业银行系统性风险溢出效应研究:条件风险价值估计与系统性风险贡献度测量[J]. 何卓静,周利国,闫丽新. 中央财经大学学报. 2018(12)
[3]发达市场对新兴市场的金融传染性分析——基于国际危机视角[J]. 陈赤平,陈海波. 湖南大学学报(社会科学版). 2018(06)
[4]我国金融机构系统性金融风险度量与跨部门风险溢出效应研究[J]. 杨子晖,陈雨恬,谢锐楷. 金融研究. 2018(10)
[5]基于CoVaR动态模型的我国金融机构系统性风险分析[J]. 黄玮强,郭慧敏,庄新田. 统计与决策. 2018(19)
[6]中国金融机构关联网络与系统性金融风险[J]. 李绍芳,刘晓星. 金融经济学研究. 2018(05)
[7]商业银行尾部风险网络关联性与系统性风险——基于中国上市银行的实证检验[J]. 蒋海,张锦意. 财贸经济. 2018(08)
[8]我国商业银行系统性金融风险财政溢出效应研究[J]. 李伟,宋亦威. 河南社会科学. 2018(07)
[9]基于不同市场状态机制的金融机构风险溢出效应研究[J]. 陈尾虹,唐振鹏,周熙雯. 当代财经. 2018(05)
[10]新形势下金融科技对商业银行的影响及对策[J]. 孙娜. 宏观经济管理. 2018(04)
本文编号：3043803
本文链接：https://www.wllwen.com/jingjilunwen/huobiyinxinglunwen/3043803.html
