基于MS-VAR模型的居民杠杆率与系统性金融风险动态关联研究
发布时间:2021-02-27 06:37
居民杠杆率过快攀升与系统性金融风险之间是否存在关联已引起广泛的社会关注。本文基于货币、股票、债券、外汇市场数据测度我国系统性金融风险,建立非线性MS-VAR模型探究我国居民杠杆率与系统性金融风险间是否存在时变动态关联。研究结果表明:金融危机后我国居民杠杆率与系统性金融风险之间存在明显的两区制"棘轮效应";居民杠杆率和系统性金融风险都对自身具有粘性;居民杠杆率与系统性金融风险间存在由负转正的时变动态关联,并且风险释放期的关联程度显著大于风险累积期;居民杠杆率对系统性金融风险的影响显著,而系统性金融风险对居民杠杆率的影响甚微。因此,不能简单地将居民部门作为企业、金融部门转移杠杆的对象,需警惕居民杠杆飙升对系统性金融风险的诱发影响。
【文章来源】:武汉金融. 2020,(02)北大核心
【文章页数】:7 页
【部分图文】:
2008年1月—2018年1月我国系统性金融风险变化情况
图2为MSIA(2)-VAR(2)的区制状态图,可以看出我国居民杠杆率与系统性金融风险具有明显的两区制特征,并给出各区制状态的平滑概率、滤波概率和预测概率。表3为MSIA(2)-VAR(2)的区制属性表,可以看出在滞后2阶前提下,共有8.6个季度处于区制1状态,具体包括2008年第四季度—2010年第一季度、2012年第二季度—2013年第二季度和2016年第一季度—2016年第四季度,状态持续期为3.97;共有30.4个季度处于区制2状态,具体包括2008年第三季度、2010年第二季度—2012年第一季度、2013年第三季度—2015年第四季度以及2017年第一季度—2017年第四季度,状态持续期为6.47。结合我国居民杠杆率和系统性金融风险波动事实,可以发现区制1下的居民杠杆率与系统性金融风险水平较高,基本保持高位波动状态,区制2下的居民杠杆率和系统性金融风险水平相对较低且波动平缓,因此可以判断我国的居民杠杆率和系统性金融风险之间的动态关联具有明显的“棘轮效应”,其中区制1为风险释放期(高风险),区制2为风险累积期(低风险)。此外,从区制转移概率看,保持在区制1、区制2的状态概率分别为0.7484、0.8455,从区制1转移为区制2的概率为0.2516,从区制2转移为区制1的概率为0.1545,说明风险状态具有很好的稳定性,高、低风险状态之间的转移较难实现。2.模型参数结果分析
【参考文献】:
期刊论文
[1]居民杠杆率结构性飙升对金融风险的影响分析——基于荆州市居民杠杆率的调查[J]. 胡学平,杨利敏,徐梦洁. 武汉金融. 2018(09)
[2]结构性去杠杆的推进重点与趋势观察[J]. 陈小亮,陈彦斌. 改革. 2018(07)
[3]结构性去杠杆:进程、逻辑与前景——中国去杠杆2017年度报告[J]. 张晓晶,常欣,刘磊. 经济学动态. 2018(05)
[4]居民家庭“加杠杆”能促进消费吗?——来自中国家庭微观调查的经验证据[J]. 潘敏,刘知琪. 金融研究. 2018(04)
[5]居民部门杠杆率对经济增长影响的实证研究——基于ARDL-ECM模型[J]. 谢云峰. 区域金融研究. 2017(05)
[6]居民杠杆率、房地产信贷与房价泡沫风险[J]. 孙丹,李宏瑾. 金融发展评论. 2017(01)
[7]中国房地产市场居民加杠杆:现状、机理、风险及对策[J]. 黄燕芬,赵永升,夏方舟. 价格理论与实践. 2016(08)
[8]巴曙松:居民杠杆率逼近美国次贷危机水平[J]. 巴曙松. 房地产导刊. 2016(09)
[9]城镇化视角下收入不平等与家庭债务变动——来自中国30个省市的数据[J]. 伍再华,张雄. 经济与管理. 2016(03)
[10]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)
本文编号:3053836
【文章来源】:武汉金融. 2020,(02)北大核心
【文章页数】:7 页
【部分图文】:
2008年1月—2018年1月我国系统性金融风险变化情况
图2为MSIA(2)-VAR(2)的区制状态图,可以看出我国居民杠杆率与系统性金融风险具有明显的两区制特征,并给出各区制状态的平滑概率、滤波概率和预测概率。表3为MSIA(2)-VAR(2)的区制属性表,可以看出在滞后2阶前提下,共有8.6个季度处于区制1状态,具体包括2008年第四季度—2010年第一季度、2012年第二季度—2013年第二季度和2016年第一季度—2016年第四季度,状态持续期为3.97;共有30.4个季度处于区制2状态,具体包括2008年第三季度、2010年第二季度—2012年第一季度、2013年第三季度—2015年第四季度以及2017年第一季度—2017年第四季度,状态持续期为6.47。结合我国居民杠杆率和系统性金融风险波动事实,可以发现区制1下的居民杠杆率与系统性金融风险水平较高,基本保持高位波动状态,区制2下的居民杠杆率和系统性金融风险水平相对较低且波动平缓,因此可以判断我国的居民杠杆率和系统性金融风险之间的动态关联具有明显的“棘轮效应”,其中区制1为风险释放期(高风险),区制2为风险累积期(低风险)。此外,从区制转移概率看,保持在区制1、区制2的状态概率分别为0.7484、0.8455,从区制1转移为区制2的概率为0.2516,从区制2转移为区制1的概率为0.1545,说明风险状态具有很好的稳定性,高、低风险状态之间的转移较难实现。2.模型参数结果分析
【参考文献】:
期刊论文
[1]居民杠杆率结构性飙升对金融风险的影响分析——基于荆州市居民杠杆率的调查[J]. 胡学平,杨利敏,徐梦洁. 武汉金融. 2018(09)
[2]结构性去杠杆的推进重点与趋势观察[J]. 陈小亮,陈彦斌. 改革. 2018(07)
[3]结构性去杠杆:进程、逻辑与前景——中国去杠杆2017年度报告[J]. 张晓晶,常欣,刘磊. 经济学动态. 2018(05)
[4]居民家庭“加杠杆”能促进消费吗?——来自中国家庭微观调查的经验证据[J]. 潘敏,刘知琪. 金融研究. 2018(04)
[5]居民部门杠杆率对经济增长影响的实证研究——基于ARDL-ECM模型[J]. 谢云峰. 区域金融研究. 2017(05)
[6]居民杠杆率、房地产信贷与房价泡沫风险[J]. 孙丹,李宏瑾. 金融发展评论. 2017(01)
[7]中国房地产市场居民加杠杆:现状、机理、风险及对策[J]. 黄燕芬,赵永升,夏方舟. 价格理论与实践. 2016(08)
[8]巴曙松:居民杠杆率逼近美国次贷危机水平[J]. 巴曙松. 房地产导刊. 2016(09)
[9]城镇化视角下收入不平等与家庭债务变动——来自中国30个省市的数据[J]. 伍再华,张雄. 经济与管理. 2016(03)
[10]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)
本文编号:3053836
本文链接:https://www.wllwen.com/jingjilunwen/huobiyinxinglunwen/3053836.html