空间维度下区域金融风险的网络传导路径及与杠杆率的U型关联分析
发布时间：2021-07-13 15:51
党的十八大以来,金融改革与监管持续推进,金融业也逐渐发展壮大,由于互联网金融的快速发展,加之金融风险特殊性的形成机制以及传染机理,使不同区域之间的金融风险在空间上具有极强的联动性、传染性特征,另外,我国金融市场运营体系、监管机制等尚不成熟,较易受其他因素的影响,相关因素与区域金融风险之间的空间关系研究尚不完善。因此,能够及时、准确地把控金融风险状况、对空间层面的区域金融风险进行进一步的研究,对有效防范化解区域金融风险具有理论及现实意义。因此,本文选取金融市场发展较为成熟的三大经济区域——环渤海区域、长三角区域、泛珠三角区域为研究对象,基于2000年到2018年间的面板数据,针对当今金融市场风险特征,在第二章中运用随机森林模型对三大经济区域的金融风险进行测度。现有关于区域金融风险空间维度的研究多是基于单一的地理距离或经济距离,本文结合空间计量经济学中的空间权重与社会网络分析理论,构建出区域金融风险关联的社会网络矩阵,作为第三章至第五章中空间维度下的区域金融风险研究基础。为确定三大经济区域金融风险的空间关联与分布状态,在第三章中借助社会网络分析理论与工具对区域金融风险的空间关联与传染效应进...
【文章来源】：湖北工业大学湖北省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
随机森林构建过程的误差收敛图
湖北工业大学硕士学位论文19图2.4三大经济区域金融风险水平演变趋势由三大经济区域金融风险水平演变趋势图可以看出，整体来看，2000年到2018年间长三角区域的金融风险波动和水平略高于其他两个经济区域，三大经济区域的金融风险演化趋势大体一致，期间的金融风险波动幅度和大小非常接近，主要由于三大经济区域的经济、金融来往较为密切，风险关联较为明显，促使三大区域的金融市场波动变化同步、风险相依性较强。总体来看，2000年到2018年间三大经济区域的金融风险水平除了受金融危机影响在2008年末出现幅度较大的异常波动外，其他观察期内整体的金融风险波动幅度和水平都较为稳定。金融危机过后，自2010年以来，三大经济区域金融风险波动趋于平缓，整体的金融风险水平都略有下降。从区域金融风险的测度结果来看，采用随机森林测度的区域金融风险与实际情况较为吻合，通过对区域金融风险形成机理的反复学习，使其对区域金融风险的刻画更为细致、贴切，基于该方法所做出的风险决策相应的也会更为科学合理。然而，想要准确把握区域金融风险的具体状况，只了解金融风险的水平是远远不够的，还要掌握区域金融风险之间的关联关系与传染渠道等信息，这样才更能够更为有效地防范化解金融危机。
湖北工业大学硕士学位论文26图3.1三大经济区域金融风险有向网络结构图为了进一步分析区域之间的金融风险关联以及溢出效应，对2018年的金融风险关联社会网络矩阵进行了块模型分析，采用迭代相关收敛法（CONCOR法），最大分割深度设为2，对各个省市区之间的相关系数矩阵进行重复计算，得到的模块划分如下表3.2所示，并对各个模块接收、发送关系总数进行描述性统计分析，如表3.1所示，结合上文给出的区域金融风险关联关系的位置类型划分，将相应模块的位置类型标注在表3.2中。表3.1模块之间风险空间关联关系表模块发出关系接收关系总计内部排名外部排名总计内部排名外部排名模块一5634122297341631模块二311741433863322模块三462322311711264模块四332331041434113
【参考文献】：
期刊论文
[1]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[J]. 刘丽娟,江红莉. 武汉金融. 2020(02)
[2]复杂网络视角下的金融市场结构演化与风险传染[J]. 游鸽,郭昊,刘向. 金融发展研究. 2020(01)
[3]山东省行业杠杆率与债务风险——基于CCA模型分析[J]. 刘妍,李泓征. 金融经济. 2020(01)
[4]知识产权质押融资风险困境可以破解吗?——基于随机森林模型的研究[J]. 苑泽明,孙钰鹏. 广东社会科学. 2019(06)
[5]杠杆率视角下的区域性金融风险防控[J]. 王擎,刘军,毛锐. 改革. 2019(10)
[6]金融稳定、金融杠杆与经济增长——基于时变参数向量自回归模型[J]. 王艺璇,刘喜华. 金融发展研究. 2019(10)
[7]金融风险对区域经济发展的空间溢出效应研究——基于三大经济区域的空间面板分析[J]. 耿德林,周慧,江忠伟,王威. 征信. 2019(06)
[8]区域金融风险部门间传染机理与实证分析[J]. 丁述军,庄须娟,李文君. 经济经纬. 2019(03)
[9]金融去杠杆与流动性风险防控[J]. 宋连方. 青海金融. 2019(03)
[10]金融杠杆如何影响系统性金融风险——U型关系与空间溢出[J]. 夏越. 财经科学. 2019(01)
博士论文
[1]金融杠杆对经济增长的影响研究[D]. 王学凯.中共中央党校 2019
硕士论文
[1]地方性政府债务、金融杠杆率和区域金融风险[D]. 苏畅.安徽财经大学 2019
[2]中国区域金融风险测度及地区差异的研究[D]. 高源.山东财经大学 2018
本文编号：3282355
【文章来源】：湖北工业大学湖北省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
随机森林构建过程的误差收敛图
湖北工业大学硕士学位论文19图2.4三大经济区域金融风险水平演变趋势由三大经济区域金融风险水平演变趋势图可以看出，整体来看，2000年到2018年间长三角区域的金融风险波动和水平略高于其他两个经济区域，三大经济区域的金融风险演化趋势大体一致，期间的金融风险波动幅度和大小非常接近，主要由于三大经济区域的经济、金融来往较为密切，风险关联较为明显，促使三大区域的金融市场波动变化同步、风险相依性较强。总体来看，2000年到2018年间三大经济区域的金融风险水平除了受金融危机影响在2008年末出现幅度较大的异常波动外，其他观察期内整体的金融风险波动幅度和水平都较为稳定。金融危机过后，自2010年以来，三大经济区域金融风险波动趋于平缓，整体的金融风险水平都略有下降。从区域金融风险的测度结果来看，采用随机森林测度的区域金融风险与实际情况较为吻合，通过对区域金融风险形成机理的反复学习，使其对区域金融风险的刻画更为细致、贴切，基于该方法所做出的风险决策相应的也会更为科学合理。然而，想要准确把握区域金融风险的具体状况，只了解金融风险的水平是远远不够的，还要掌握区域金融风险之间的关联关系与传染渠道等信息，这样才更能够更为有效地防范化解金融危机。
湖北工业大学硕士学位论文26图3.1三大经济区域金融风险有向网络结构图为了进一步分析区域之间的金融风险关联以及溢出效应，对2018年的金融风险关联社会网络矩阵进行了块模型分析，采用迭代相关收敛法（CONCOR法），最大分割深度设为2，对各个省市区之间的相关系数矩阵进行重复计算，得到的模块划分如下表3.2所示，并对各个模块接收、发送关系总数进行描述性统计分析，如表3.1所示，结合上文给出的区域金融风险关联关系的位置类型划分，将相应模块的位置类型标注在表3.2中。表3.1模块之间风险空间关联关系表模块发出关系接收关系总计内部排名外部排名总计内部排名外部排名模块一5634122297341631模块二311741433863322模块三462322311711264模块四332331041434113
【参考文献】：
期刊论文
[1]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[J]. 刘丽娟,江红莉. 武汉金融. 2020(02)
[2]复杂网络视角下的金融市场结构演化与风险传染[J]. 游鸽,郭昊,刘向. 金融发展研究. 2020(01)
[3]山东省行业杠杆率与债务风险——基于CCA模型分析[J]. 刘妍,李泓征. 金融经济. 2020(01)
[4]知识产权质押融资风险困境可以破解吗?——基于随机森林模型的研究[J]. 苑泽明,孙钰鹏. 广东社会科学. 2019(06)
[5]杠杆率视角下的区域性金融风险防控[J]. 王擎,刘军,毛锐. 改革. 2019(10)
[6]金融稳定、金融杠杆与经济增长——基于时变参数向量自回归模型[J]. 王艺璇,刘喜华. 金融发展研究. 2019(10)
[7]金融风险对区域经济发展的空间溢出效应研究——基于三大经济区域的空间面板分析[J]. 耿德林,周慧,江忠伟,王威. 征信. 2019(06)
[8]区域金融风险部门间传染机理与实证分析[J]. 丁述军,庄须娟,李文君. 经济经纬. 2019(03)
[9]金融去杠杆与流动性风险防控[J]. 宋连方. 青海金融. 2019(03)
[10]金融杠杆如何影响系统性金融风险——U型关系与空间溢出[J]. 夏越. 财经科学. 2019(01)
博士论文
[1]金融杠杆对经济增长的影响研究[D]. 王学凯.中共中央党校 2019
硕士论文
[1]地方性政府债务、金融杠杆率和区域金融风险[D]. 苏畅.安徽财经大学 2019
[2]中国区域金融风险测度及地区差异的研究[D]. 高源.山东财经大学 2018
本文编号：3282355
本文链接：https://www.wllwen.com/shoufeilunwen/shuoshibiyelunwen/3282355.html
