基于Copula-CoVaR模型的钢铁行业与银行业风险双向溢出效应研究

发布时间：2020-11-07 09:11

　　 2018年全年全国工业产能利用率为76.5%,产能过剩情况依然严峻。2018年生钢、粗钢、钢材产量不降反增,钢铁行业产能过剩会导致钢铁企业的盈利能力下降,加之钢铁企业目前的资产负债率比较高,偿债能力下降,甚至出现资不抵债的情况。在钢铁企业的偿债能力下降的情况下,商业银行对钢铁行业企业的信贷资产质量会下降,商业银行的不良贷款会增加。钢铁行业资金链断裂可能通过其上下游企业和借款银行进一步向金融体系传导,最终演变为系统性金融风险。从钢铁行业产能过剩和银行业风险出发,探究钢铁行业和银行业之间的风险双向溢出效应,通过测算钢铁行业与银行业相互间的风险溢出值,衡量当钢铁行业遭受风险冲击时对银行系统的风险溢出效应,以及当银行业遭受风险冲击时对钢铁行业的影响。采用了Copula-CoVaR模型对2007年10月8日—2018年12月31日钢铁行业和银行业指数收益率序列,以及14家上市银行企业和15家上市钢铁企业的股票收益率序列进行分析。通过广义帕累托分布函数拟合尾部收益率序列,其余部分用经验函数进行拟合,构造边缘分布函数,通过拟合15种Copula函数,选取最优的函数构造联合分布函数,根据Copula-CoVaR理论求解出相应的条件在险值并衡量其风险溢出强度。结果发现:1、钢铁行业和银行业之间存在风险双向溢出效应,且银行的风险溢出强度要高于钢铁行业,但是当特殊风险发生时,钢铁行业的风险溢出强度会变大并高于银行业风险溢出强度;2、当个体银行发生风险时对钢铁业的影响要小于钢铁业发生风险时对个体银行的冲击,可能和银行的规模以及不良贷款率有关,银行资产规模较大的银行自身风险较小,且发生风险时对风险的抵抗能力较强,风险溢出能力相对较弱,不良率较高的银行风险溢出效应更强;3、个体钢铁公司发生风险时对银行的冲击要高于银行业发生风险时对个体钢铁企业的冲击,不同资产规模和资产负债率的企业有不同的表现,规模大的企业具有较小的风险溢出效应,而资产负债率高的企业风险溢出强度较大。最后在加强钢铁行业和银行业风险管理等方面提出合理的意见与建议,银行需要把控对钢铁行业企业的信贷总量、根据钢铁企业征信情况分别授信、建立钢铁企业风险“防火墙”等,钢铁行业企业应该合理调整融资中银行贷款比例、选择经营较为稳健的银行贷款、防范银行关联业务风险等,防范钢铁行业和银行业之间风险溢出。
【学位单位】：中国矿业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F426.31;F832.4
【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 概述
    1.2 研究意义
    1.3 研究框架
    1.4 本章小结
2 文献综述
    2.1 系统性金融风险综述
    2.2 银行业风险综述
    2.3 风险溢出效应综述
    2.4 银行业和其他行业风险关系研究综述
    2.5 双向风险溢出效应研究综述
    2.6 国内外文献述评
3 相关理论概述
    3.1 系统性金融风险
    3.2 系统性金融风险传导机制
    3.3 Copula-CoVaR模型理论
    3.4 本章小结
4 钢铁业与银行业双向风险溢出效应分析
    4.1 样本数据的选取与处理
    4.2 描述性统计分析
    4.3 钢铁业与银行业双向风险溢出效应
    4.4 本章小结
5 防范钢铁业与银行业风险传染的政策建议
    5.1 防范钢铁行业风险传染到银行业的措施
    5.2 防范银行业风险传染到钢铁行业的措施
6 结论
    6.1 研究结论
    6.2 不足与展望
参考文献
作者简历
学位论文数据集

【相似文献】

相关期刊论文 前10条

1 王保华;王占海;月永昌;;Copula函数在洪潮遭遇分析中的应用研究[J];珠江现代建设;2017年06期

2 黄康迪;陈璐;郭生练;周建中;杨振莹;;基于Copula熵方法的河流之间的相关性研究[J];水资源研究;2017年05期

3 刘文雷;;动态Copula模型在金融相关领域运用的文献综述[J];中南财经政法大学研究生学报;2017年01期

4 杜懿;麻荣永;;不同Copula函数在洪水峰量联合分布中的应用比较[J];水力发电;2018年12期

5 周全;陈振龙;;基于C藤Copula模型的混业经营下聚合风险的度量[J];湖南科技大学学报(自然科学版);2018年04期

6 李亚威;徐付霞;;一种新型双参数复合扰动Copula的相关性质[J];哈尔滨商业大学学报(自然科学版);2019年02期

7 韩超;周兵;;高维动态藤Copula函数建模、仿真及在金融风险研究中的应用[J];数学的实践与认识;2019年12期

8 郭云康;吴鑫育;侯信盟;;基于RGARCH-Copula模型的中美股市尾部相关性研究[J];武汉商学院学报;2019年03期

9 李晓康;;基于Copula函数的沪深股市相关性分析[J];陕西理工大学学报(自然科学版);2017年06期

10 杜梦颖;章溢;温利民;;基于Copula相依模型的指数保费预测[J];江西师范大学学报(自然科学版);2018年01期

相关博士学位论文 前10条

1 周全;基于copula的混业经营下市场风险和操作风险的度量[D];浙江工商大学;2016年

2 申敏;国民经济行业系统信用风险相依研究[D];南京航空航天大学;2017年

3 崔琪;基于Copula模型的相依现状数据的回归分析[D];吉林大学;2018年

4 韩超;高维动态藤Copula结构在金融风险研究中的应用[D];重庆大学;2017年

5 李浩鑫;基于水势调控的复杂灌溉系统水量分配理论与方法[D];武汉大学;2017年

6 龚玉婷;金融资产相依性的动态Copula建模及应用[D];上海交通大学;2015年

7 赵宁;基于Copula熵的资本资产定价研究[D];大连理工大学;2012年

8 徐付霞;Copula理论与极值统计的应用[D];天津大学;2008年

9 胡心瀚;Copula方法在投资组合以及金融市场风险管理中的应用[D];中国科学技术大学;2011年

10 吴娟;Copula理论与相关性分析[D];华中科技大学;2009年

相关硕士学位论文 前10条

1 蔡亮亮;双参数Copula函数在金融风险尾部相依分析中的应用[D];广西师范大学;2019年

2 张锐;基于Markov时变Copula的可交债与正股价格相关性研究[D];中国科学技术大学;2019年

3 王尧男;基于Vine Copula-SV-t模型的我国金融行业系统性风险溢出效应研究[D];福建师范大学;2018年

4 吴伟伟;基于Copula-CoVaR模型的钢铁行业与银行业风险双向溢出效应研究[D];中国矿业大学;2019年

5 王轶男;考虑变异的极端降水概率及其空间特征研究[D];东北农业大学;2019年

6 李亚威;参数扰动Copulas族的构造及应用[D];天津工业大学;2019年

7 陈伟;基于Copula-TACD模型的股指期货高频连涨连跌特征研究[D];武汉理工大学;2018年

8 牛岩溪;基于多项式回归的Pair-Copula贝叶斯网络模型[D];天津大学;2018年

9 林友杨;基于SVM和Copula理论的桥梁可靠度及失效模式相关性研究[D];武汉理工大学;2018年

10 梁鉴标;基于半参数时变藤Copula模型的多市场风险联动研究[D];武汉大学;2017年

本文编号：2873738