跨银行与企业部门的系统性风险研究
发布时间:2021-03-29 17:56
从风险反馈视角,研究跨银行与企业部门的系统性风险贡献度与传染效应.基于债务排序方法构建了银企系统性风险测度模型,并基于2018年中国银企间借贷数据进行研究.研究结果表明:银行节点在银行层的债务等级小于在企业层的债务等级,而企业节点在企业层的债务等级小于在银行层的债务等级;银企信贷系统中存在少数系统重要性银行和企业,其系统性风险贡献度高;随着银行或企业的信贷规模增大,所对应的总债务等级越高,而且总债务等级与信贷规模呈现非线性特征;随着信贷宽松程度变大,银行与企业的系统性风险贡献度呈现下降特征;在不同信贷宽松政策下,由企业所引发的总信贷损失始终大于银行,而且造成的银企信贷系统崩溃的阈值始终小于银行;信贷政策宽松程度对维持银企信贷系统的稳定性具有积极影响,特别对银行的作用更为显著.
【文章来源】:系统工程理论与实践. 2020,40(10)北大核心CSSCIEICSCD
【文章页数】:13 页
【部分图文】:
图3银行总的债务等级??
献结果分析??基于上述模型与数据,本部分首先在不同倍贷宽松程度下,分析初始遭受冲击节点分别对银行层中所有??银行以及企业层中所有企业造成的压力水T,之和以及对整个银企网络所造成的压力总和,具体表示形式为:??银行节点《在银行层的债务等级乃蹲anks与企业层的债务等级乃增fms,以及企业节点灸在银行层的债务??等级,企业层的债务等级乃墙*气并通过对节点在银行层和企业层的债务等级进行加总,得到银??行节点;总的债务等级几屯和企业节点总的债务等级刀办,进而研究其与信贷规模w之间的关系.??图1和图2分别为银行与企业节点在银行层和企业层的债务等级.tti图1和2可知,银行节点在银行层??的债务等级小于在企业层的债务等级;企业节点在企业层的债务等级小于在银行层的债务等级.这说明7?—??方面,当银行通过倍贷业务笮企业紧密关联时,极易遭受关联企业违约的压力冲击,进而引发整个银企位贷??系统的不稳定性;另一方面,受银行缩减贷款额度等影响,企业的正常经营和还贷压力増大,违约概率进一步??提高.图3和图4分别是银行和企业总的债务等级,可以发现:绝大多数的银行与企业的债务等级较小,但??存在少数债务等级较高的银行节点和企业节点.这意味着在中国银企倍贷系统中,存在少数系统重要性银行??0.06??0.05??0.04??q??0.02??0.01??0.02?0.04?0.06?0.08?0.1?0.12?0.14??图1银行在银行层与企业层的债务等级??图2企业在银行层与企业层的债务等级??llts??
分析??基于上述模型与数据,本部分首先在不同倍贷宽松程度下,分析初始遭受冲击节点分别对银行层中所有??银行以及企业层中所有企业造成的压力水T,之和以及对整个银企网络所造成的压力总和,具体表示形式为:??银行节点《在银行层的债务等级乃蹲anks与企业层的债务等级乃增fms,以及企业节点灸在银行层的债务??等级,企业层的债务等级乃墙*气并通过对节点在银行层和企业层的债务等级进行加总,得到银??行节点;总的债务等级几屯和企业节点总的债务等级刀办,进而研究其与信贷规模w之间的关系.??图1和图2分别为银行与企业节点在银行层和企业层的债务等级.tti图1和2可知,银行节点在银行层??的债务等级小于在企业层的债务等级;企业节点在企业层的债务等级小于在银行层的债务等级.这说明7?—??方面,当银行通过倍贷业务笮企业紧密关联时,极易遭受关联企业违约的压力冲击,进而引发整个银企位贷??系统的不稳定性;另一方面,受银行缩减贷款额度等影响,企业的正常经营和还贷压力増大,违约概率进一步??提高.图3和图4分别是银行和企业总的债务等级,可以发现:绝大多数的银行与企业的债务等级较小,但??存在少数债务等级较高的银行节点和企业节点.这意味着在中国银企倍贷系统中,存在少数系统重要性银行??0.06??0.05??0.04??q??0.02??0.01??0.02?0.04?0.06?0.08?0.1?0.12?0.14??图1银行在银行层与企业层的债务等级??图2企业在银行层与企业层的债务等级??llts??
【参考文献】:
期刊论文
[1]互联网金融视角下小微企业融资约束问题的破解[J]. 刘满凤,赵珑. 管理评论. 2019(03)
[2]改进的DebtRank算法与系统重要性、系统脆弱性研究[J]. 黄岩渠,胡宗义,喻采平. 系统工程理论与实践. 2019(02)
[3]货币政策银行信贷渠道传导效应分析——基于银行微观竞争水平的视角[J]. 张娜. 国际金融研究. 2019(02)
[4]年报预约披露推迟、金融生态环境与债务融资成本——基于信息风险识别和风险补偿转化视角[J]. 谢盛纹,廖佳,陶然. 管理评论. 2018(12)
[5]信贷政策影响民营企业信贷决策的渠道分析[J]. 王丹. 管理世界. 2018(12)
[6]基于半参数方法进行拒绝推断的信用评级模型[J]. 夏利宇,何晓群. 管理评论. 2018(10)
[7]基于违约强度信用久期的资产负债优化模型[J]. 李鸿禧,迟国泰. 系统工程理论与实践. 2018(06)
[8]机构关联、网络结构与银行业系统性风险传染——基于VAR-NETWORK模型的实证分析[J]. 胡利琴,胡蝶,彭红枫. 国际金融研究. 2018(06)
[9]c-D-Copula模型构建及其在金融风险传染中的应用[J]. 叶五一,董筱雯,缪柏其. 系统科学与数学. 2018(05)
[10]具有货币中心结构的银行网络模型研究[J]. 李智,牛晓健. 管理评论. 2018(04)
本文编号:3107939
【文章来源】:系统工程理论与实践. 2020,40(10)北大核心CSSCIEICSCD
【文章页数】:13 页
【部分图文】:
图3银行总的债务等级??
献结果分析??基于上述模型与数据,本部分首先在不同倍贷宽松程度下,分析初始遭受冲击节点分别对银行层中所有??银行以及企业层中所有企业造成的压力水T,之和以及对整个银企网络所造成的压力总和,具体表示形式为:??银行节点《在银行层的债务等级乃蹲anks与企业层的债务等级乃增fms,以及企业节点灸在银行层的债务??等级,企业层的债务等级乃墙*气并通过对节点在银行层和企业层的债务等级进行加总,得到银??行节点;总的债务等级几屯和企业节点总的债务等级刀办,进而研究其与信贷规模w之间的关系.??图1和图2分别为银行与企业节点在银行层和企业层的债务等级.tti图1和2可知,银行节点在银行层??的债务等级小于在企业层的债务等级;企业节点在企业层的债务等级小于在银行层的债务等级.这说明7?—??方面,当银行通过倍贷业务笮企业紧密关联时,极易遭受关联企业违约的压力冲击,进而引发整个银企位贷??系统的不稳定性;另一方面,受银行缩减贷款额度等影响,企业的正常经营和还贷压力増大,违约概率进一步??提高.图3和图4分别是银行和企业总的债务等级,可以发现:绝大多数的银行与企业的债务等级较小,但??存在少数债务等级较高的银行节点和企业节点.这意味着在中国银企倍贷系统中,存在少数系统重要性银行??0.06??0.05??0.04??q??0.02??0.01??0.02?0.04?0.06?0.08?0.1?0.12?0.14??图1银行在银行层与企业层的债务等级??图2企业在银行层与企业层的债务等级??llts??
分析??基于上述模型与数据,本部分首先在不同倍贷宽松程度下,分析初始遭受冲击节点分别对银行层中所有??银行以及企业层中所有企业造成的压力水T,之和以及对整个银企网络所造成的压力总和,具体表示形式为:??银行节点《在银行层的债务等级乃蹲anks与企业层的债务等级乃增fms,以及企业节点灸在银行层的债务??等级,企业层的债务等级乃墙*气并通过对节点在银行层和企业层的债务等级进行加总,得到银??行节点;总的债务等级几屯和企业节点总的债务等级刀办,进而研究其与信贷规模w之间的关系.??图1和图2分别为银行与企业节点在银行层和企业层的债务等级.tti图1和2可知,银行节点在银行层??的债务等级小于在企业层的债务等级;企业节点在企业层的债务等级小于在银行层的债务等级.这说明7?—??方面,当银行通过倍贷业务笮企业紧密关联时,极易遭受关联企业违约的压力冲击,进而引发整个银企位贷??系统的不稳定性;另一方面,受银行缩减贷款额度等影响,企业的正常经营和还贷压力増大,违约概率进一步??提高.图3和图4分别是银行和企业总的债务等级,可以发现:绝大多数的银行与企业的债务等级较小,但??存在少数债务等级较高的银行节点和企业节点.这意味着在中国银企倍贷系统中,存在少数系统重要性银行??0.06??0.05??0.04??q??0.02??0.01??0.02?0.04?0.06?0.08?0.1?0.12?0.14??图1银行在银行层与企业层的债务等级??图2企业在银行层与企业层的债务等级??llts??
【参考文献】:
期刊论文
[1]互联网金融视角下小微企业融资约束问题的破解[J]. 刘满凤,赵珑. 管理评论. 2019(03)
[2]改进的DebtRank算法与系统重要性、系统脆弱性研究[J]. 黄岩渠,胡宗义,喻采平. 系统工程理论与实践. 2019(02)
[3]货币政策银行信贷渠道传导效应分析——基于银行微观竞争水平的视角[J]. 张娜. 国际金融研究. 2019(02)
[4]年报预约披露推迟、金融生态环境与债务融资成本——基于信息风险识别和风险补偿转化视角[J]. 谢盛纹,廖佳,陶然. 管理评论. 2018(12)
[5]信贷政策影响民营企业信贷决策的渠道分析[J]. 王丹. 管理世界. 2018(12)
[6]基于半参数方法进行拒绝推断的信用评级模型[J]. 夏利宇,何晓群. 管理评论. 2018(10)
[7]基于违约强度信用久期的资产负债优化模型[J]. 李鸿禧,迟国泰. 系统工程理论与实践. 2018(06)
[8]机构关联、网络结构与银行业系统性风险传染——基于VAR-NETWORK模型的实证分析[J]. 胡利琴,胡蝶,彭红枫. 国际金融研究. 2018(06)
[9]c-D-Copula模型构建及其在金融风险传染中的应用[J]. 叶五一,董筱雯,缪柏其. 系统科学与数学. 2018(05)
[10]具有货币中心结构的银行网络模型研究[J]. 李智,牛晓健. 管理评论. 2018(04)
本文编号:3107939
本文链接:https://www.wllwen.com/jingjilunwen/huobiyinxinglunwen/3107939.html