基于分位數(shù)回歸技術(shù)的金融市場風(fēng)險(xiǎn)研究——以我國證券、銀行系統(tǒng)為例.pdf

1、近年來，隨著金融全球化的發(fā)展，國際金融風(fēng)暴的爆發(fā)能很快對我國金融業(yè)產(chǎn)生影響，由于銀行業(yè)的特別地位，其受影響的程度大小直接影響著我國金融發(fā)展?fàn)顩r。為了對系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行度量，本文選擇銀行系統(tǒng)，從各個(gè)銀行出發(fā)，在估算并控制自身風(fēng)險(xiǎn)值的同時(shí)，需要測度出單個(gè)銀行對整個(gè)銀行系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)的溢出程度，出于本目的，本文對此展開了研究。
　　本文將分位數(shù)回歸技術(shù)應(yīng)用于中國證券市場和中國銀行系統(tǒng)的風(fēng)險(xiǎn)分析。首先，本文利用分位數(shù)VaR方法，分別使用不

2、同概率水平、不同分布假設(shè)和不同GARCH模型對上證180指數(shù)的風(fēng)險(xiǎn)價(jià)值進(jìn)行求解;接著，將基于分位數(shù)方法的CoVaR理論應(yīng)用于銀行系統(tǒng)性風(fēng)險(xiǎn)的度量，計(jì)算12家銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出值，將ΔCo VaR分為非時(shí)變ΔCo VaR和時(shí)變ΔCo VaR，引入一系列能表現(xiàn)銀行特性的狀態(tài)變量St-1進(jìn)行分位數(shù)回歸以體現(xiàn)ΔCoVaRit的時(shí)變性，分別計(jì)算銀行的自身VaR、CoVaR和ΔCoVaR值，并作分析。最后，在時(shí)變ΔCoVaR框架下，將研究樣本劃分

3、為危機(jī)蔓延與度過危機(jī)兩個(gè)階段，再對兩個(gè)階段各銀行的ΔCoVaR值排序，對比兩個(gè)階段各銀行風(fēng)險(xiǎn)溢出排名變化原因進(jìn)行解釋和分析。
　　本文研究所得的結(jié)論如下:1）分位數(shù)VaR方法計(jì)算金融資產(chǎn)風(fēng)險(xiǎn)值過程中，對不同分布和不同GARCH模型的選擇計(jì)算所得的VaR結(jié)果差別不大，各個(gè)模型都能很好的描述金融資產(chǎn)的市場風(fēng)險(xiǎn)，充分體現(xiàn)了分位數(shù)回歸技術(shù)對分布假設(shè)無要求，使得各模型都能適用于現(xiàn)實(shí)的金融風(fēng)險(xiǎn)值計(jì)算中。2）觀察結(jié)果發(fā)現(xiàn)非時(shí)變CoVaR值均小于

4、時(shí)變CoVaR值，說明前者在沒考慮狀態(tài)變量情況下，計(jì)算所得各銀行的ΔCoVaR值較低，低估了銀行自身對銀行系統(tǒng)性風(fēng)險(xiǎn)的影響程度;后者在回歸中加入了WR、LS等條件變量后，很好地描述了資產(chǎn)增長率的尾部風(fēng)險(xiǎn)。3）根據(jù)各銀行的CoVaR和ΔCoVaR排序，對我國12家銀行的風(fēng)險(xiǎn)的貢獻(xiàn)程度進(jìn)行分析，得出工商銀行、中國銀行、建設(shè)銀行和交通銀行這四家大型國有商業(yè)銀行不僅自身風(fēng)險(xiǎn)較大，而且對銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)程度很大，對我國銀行的有著舉足輕重的影