我国上市保险公司系统性风险的动态相关性研究——基于DCC-GARCH模型
发布时间:2021-01-28 04:19
通过观测我国四家上市保险公司和一支保险指数的股票日收益率数据,运用DCC-GARCH模型对其风险相关程度进行测算和排序,并刻画了市场风险传染及波动的影响。同时运用分位数回归的方法计算了各保险机构与保险业市场体系的风险溢出效应值,测算了上市保险公司对整个保险市场体系的不同风险溢出程度。结果表明,中国平安保险公司对保险市场的风险贡献率最大。
【文章来源】:经济问题. 2020,(03)北大核心CSSCI
【文章页数】:6 页
【部分图文】:
4家保险公司与保险主题动态相关
对4家保险公司收益率序列建立GARCH模型,得出计量检验结果(见表4)。由表4可知,当引入GARCH模型后,在均值模型中,只有RPA的自回归项通过了显著性检验,对应表中的C值。ω表示异方差模型中的常数项,α代表ARCH项的系数,β代表GARCH项的系数。由上文结论和表4结果可知:
【参考文献】:
期刊论文
[1]中国保险业系统性风险的存在性研究——基于动态均衡模型的视角[J]. 方蕾,粟芳. 保险研究. 2018(11)
[2]基于SVM-SRISK的非上市保险公司系统性风险度量[J]. 张琳,汤薇,林晓婕,周媛. 保险研究. 2018(06)
[3]基于广义CoVaR模型的系统重要性银行的风险溢出效应研究[J]. 欧阳资生,莫廷程. 统计研究. 2017(09)
[4]系统性风险与系统重要性:共识和方向[J]. 谢志刚. 保险研究. 2016(07)
本文编号:3004343
【文章来源】:经济问题. 2020,(03)北大核心CSSCI
【文章页数】:6 页
【部分图文】:
4家保险公司与保险主题动态相关
对4家保险公司收益率序列建立GARCH模型,得出计量检验结果(见表4)。由表4可知,当引入GARCH模型后,在均值模型中,只有RPA的自回归项通过了显著性检验,对应表中的C值。ω表示异方差模型中的常数项,α代表ARCH项的系数,β代表GARCH项的系数。由上文结论和表4结果可知:
【参考文献】:
期刊论文
[1]中国保险业系统性风险的存在性研究——基于动态均衡模型的视角[J]. 方蕾,粟芳. 保险研究. 2018(11)
[2]基于SVM-SRISK的非上市保险公司系统性风险度量[J]. 张琳,汤薇,林晓婕,周媛. 保险研究. 2018(06)
[3]基于广义CoVaR模型的系统重要性银行的风险溢出效应研究[J]. 欧阳资生,莫廷程. 统计研究. 2017(09)
[4]系统性风险与系统重要性:共识和方向[J]. 谢志刚. 保险研究. 2016(07)
本文编号:3004343
本文链接:https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/3004343.html