系统性金融风险的度量及其对宏观经济预测和资产定价的影响

发布时间：2020-07-11 07:39

【摘要】：近十几年来,中国金融市场上发生了一些令人警醒的事件。如2008年和2015年的股市异常波动、2013年和2016年资金利率的短期快速攀升等。金融市场的波动已引起党和国家的高度重视,党的十九大明确要求,要“健全金融监管体系,守住不发生系统性金融风险的底线”。为实现这一目标,需要从系统性金融风险的度量、系统性金融风险对宏观经济预测和资产定价的影响等方面进行深入的研究。本文尝试在这些领域对现有文献的不足做出补充。本文的贡献主要体现在三个方面:一是在指标方面,建立度量系统性金融风险的综合指标,以更全面地反映系统性金融风险的水平;二是在模型方面,基于系统性金融风险指标构建预测模型,为预判未来的经济形势或市场走向添加一个有力的工具;三是重点研究了系统性金融风险如何影响以债券和股票为代表的资产的收益率,补充了现有资产定价理论对系统性金融风险关注不足的缺陷。本文从特定机构风险、联动性和传染性、波动性和不稳定性、流动性和信贷等四个角度,构建了十八个度量系统性金融风险的单一指标,然后运用主成分分位数回归法和偏分位数回归法对单一指标进行合成,得到的综合指标能够反映系统性金融风险的多个侧面的信息。在此基础上,逐一分析系统性金融风险指标与宏观经济和金融变量趋势变化的关系,得出了许多直观的发现。例如,WDD指标对于股市崩盘的预测可能有着其自身特定的优势;△CoVaR指标虽然也能预测到股市的大逆转,但是△CoVaR指标的前瞻性不如WDD指标。通过构造预测模型和预测精度指标,本文分别检验度量系统性金融风险的单一指标和综合指标对宏观经济的预测能力。结果显示,基于系统性金融风险度量指标构建的预测模型,对于GDP增速和工业增加值增速变化率的预测效果较好,尤其是在对经济“硬着陆”的极端情形预测上,预测效果远胜于自回归模型。通过指标之间的横向比较发现,综合指标的预测能力优于大部分的单一指标,同时,偏分位数回归法的预测效果略低于主成分分位数回归法。本文还基于这些指标和模型预测股市收益率,结果发现,它们对股票市场的极端恶劣行情也具有较好的预测能力,这意味着系统性金融风险与资产价格之间可能存在稳定的关系。这些研究结果有助于政策制定者从系统性金融风险的角度,对经济形势的变化以及金融市场的波动进行预判,从而增强经济和金融政策的前瞻性和科学性。对于债券市场,本文使用双边随机前沿模型的估计结果初步显示,平均而言,三月期回购利率被轻微高估;三月期国债利率被轻微低估;而十年期国债利率和十年期AAA债券利率都存在明显被高估的情况。基于上述四种利率得到流动性利差、期限利差和违约利差。进一步围绕三种利差展开的实证分析表明,债券利率的定价偏差与系统性金融风险存在着双向格兰杰因果关系;不同利率的定价偏差都会显著影响对应的利差,并且系统性金融风险会加剧这些影响;在货币紧缩时期定价偏差对三种利差的影响略大于货币宽松时期。这些结论既补充了已有文献关于债券利率定价方面的研究成果,也有助于投资者从系统性金融风险的层面优化债券投资组合。对于股票市场,本文首先度量出股票的系统性金融风险暴露程度,然后根据风险的高低进行分组研究。结果显示,在横截面上系统性金融风险暴露程度越高的股票组合,其收益率也会越高,这与经典理论的预期一致。进一步的分析还发现,公司规模越大,系统性金融风险暴露程度就越高。此外,随着系统性金融风险暴露程度的升高,投资组合对市场因子、价值因子的敏感程度也会增大。这些发现在完善现有资产定价理论的同时,也有助于提示投资者关注系统性金融风险的变化,并在股票定价的多因素模型中加入系统性金融风险暴露因子,以提高定价的有效性。
【学位授予单位】：华中科技大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：F124;F832.51
【图文】：

华 中 科 技 大 学 博 士 学 位 论 文1.4 研究框架和研究内容1.4.1 研究框架本文在对有关系统性风险指标构建、系统性风险与宏观经济变量以及资产价格的关系等方面的国内外文献进行简要回顾的基础上，对度量系统性风险的单一指标和综合指标进行构建。然后，使用构建的系统性金融风险指标对宏观经济和金融变量进行预测。鉴于债券市场和股票市场在金融市场中的重要性，本文还将重点关注债券市场的利率、利差、定价偏差和系统性风险的关系，并探讨系统性金融风险对股票收益率的影响。图 1.1 描述了本文研究的整体技术路线图。

饲叭

本文编号：2750142