基于SDSEVaR的中國金融體系系統(tǒng)性風險研究.pdf

1、自1995年墨西哥金融危機到2007年的次貸危機以及2010年的歐債危機，系統(tǒng)性風險的溢出效應，使金融體系遭受重大破壞的同時對實體經(jīng)濟造成巨大沖擊。連續(xù)爆發(fā)的金融危機引起全球對系統(tǒng)性風險的關注，巴塞爾委員針對危機中暴露的系統(tǒng)性風險防范措施的不足頒布了巴塞爾協(xié)議Ⅲ，將防范和化解系統(tǒng)性風險作為宏觀審慎監(jiān)管的根本目標。由于系統(tǒng)性風險溢出效應的放大作用，各金融機構對整個金融體系沖擊更為顯著。研究金融體系內部各子行業(yè)的系統(tǒng)性風險溢出效應有利于在金

2、融風險形成初期對系統(tǒng)性風險進行有效監(jiān)控和跟蹤，對于宏觀審慎監(jiān)管具有重要借鑒意義。
　　梳理國內外文獻可以發(fā)現(xiàn)，對于系統(tǒng)性風險溢出效應的研究主要分為兩類。一類是運用網(wǎng)絡分析法研究系統(tǒng)性風險的溢出效應，另一類是利用CoVaR模型研究跨市場的風險溢出效應。Upper和Worms(2004)利用最小相對熵值法以各家銀行的資產(chǎn)負債表數(shù)據(jù)為依據(jù)估計各銀行間的風險敞口情況，在此基礎上利用網(wǎng)絡分析法模擬風險在各個銀行間的傳染過程。陳建青等(201

3、5)通過構建CoVaR模型，對我國金融子行業(yè)的風險溢出效應進行研究。利用網(wǎng)絡分析法存在兩個問題，一是銀行間相互持有的資產(chǎn)負債數(shù)據(jù)不易獲得，只能通過模擬得到。二是主要限于對銀行間溢出效應的分析。利用CoVaR模型研究金融市場中各子行業(yè)之間的風險溢出效應，雖然該模型設定可以捕捉到金融機構之間的風險溢出效應，但是CoVaR模型中分位數(shù)的設定主要是基于收益率的分布，通過CoVaR模型設定的溢出效應系數(shù)無論在何種經(jīng)濟狀況下均是相同的。
　　

4、利用SDSEVaR模型對我國銀行業(yè)、證券業(yè)、保險業(yè)以及包括租賃業(yè)、信托業(yè)在內多元金融之間的溢出效應進行分析。因模型使用的是金融行業(yè)指數(shù)收盤價，這一市場數(shù)據(jù)在充分反映金融市場的風險同時避免了網(wǎng)絡分析模型中金融機構間敞口數(shù)據(jù)的缺失。通過SDSEVaR模型分析不同經(jīng)濟狀況下金融子行業(yè)間系統(tǒng)性風險的溢出效應尺寸、大小以及持續(xù)程度，這對于系統(tǒng)性風險預警機制的建立具有借鑒意義。
　　本文運用理論分析與實證研究相結合方法。首先利用申銀萬國二級行

5、業(yè)數(shù)據(jù)中金融行業(yè)指數(shù)構建GARCH模型，計算基于Expectile模型的VaR，用EVaR代表每個金融子行業(yè)的系統(tǒng)性風險，將此數(shù)據(jù)作為輸入變量構建SDSEVaR模型。在此基礎上，選擇不同的分位數(shù)分別代表不同的經(jīng)濟狀況，通過兩階段分位數(shù)回歸模型構建靜態(tài)SDSEVaR模型分析各金融子行業(yè)的的風險溢出效應的大小和方向。根據(jù)產(chǎn)生的原因，可以將系統(tǒng)性風險分為兩類，一類是宏觀沖擊如GDP、利率等導致所有金融機構都受到影響而產(chǎn)生的系統(tǒng)性風險;另一類是

6、雖然局部金融機構遭受沖擊，但是各金融機構緊密聯(lián)系，金融風險通過各種渠道傳染和擴散導致的系統(tǒng)性風險。在構建SDSEVaR模型時，本文將申銀萬國二級行業(yè)數(shù)據(jù)中的房地產(chǎn)指數(shù)和商品指數(shù)的EVaR數(shù)據(jù)作為控制變量放入兩階段分位數(shù)回歸模型中，目的是在分析各金融子行業(yè)的風險溢出效應時，可以將所有的金融機構受到共同沖擊的影響排除在外。最后，本文根據(jù)Zeno Adams等(2014)研究金融機構的系統(tǒng)性風險溢出效應時將脈沖函數(shù)（IRFS）引入分位數(shù)回歸的

7、方法將脈沖響應函數(shù)引入本文建立的靜態(tài)SDSEVaR模型，構建動態(tài)的SDSEVaR模型對各金融子行業(yè)間風險溢出效應的持續(xù)程度進行分析。論文總共分為五個章節(jié)，各章內容安排如下。
　　第一章是導論。導論部分主要是介紹本文研究的背景，研究意義，研究方法，研究內容和創(chuàng)新之處。第二章是文獻綜述。本文主要從兩個方面對相關研究文獻進行綜述。首先是從定義、特征、傳導機制和度量方法對系統(tǒng)性風險進行介紹。進一步地對國內外系統(tǒng)性風險溢出效應的研究進行了對

8、比分析。
　　第三章是研究設計。這部分提出實證方案，并對所涉及的模型進行介紹。本文首先利用GARCH模型計算基于Expectile的EVaR。進一步將每個金融子行業(yè)的EVaR數(shù)據(jù)分別作為解釋變量和被解釋變量，利用兩階段分位數(shù)回歸方法構造靜態(tài)SDSEVaR模型分析各系統(tǒng)性風險溢出效應的方向和大小。最后，將脈沖響應函數(shù)(IRFS)引入構造的靜態(tài)SDSEVaR模型，形成動態(tài)SDSEVaR模型，分析各金融子行業(yè)風險溢出效應的持續(xù)強度大小和

9、時間長短。
　　第四章是實證研究。首先對金融時間序列進行描述性統(tǒng)計分析。接著，基于Expectile的正齊次性和平移不變性，利用GARCH模型測度單個金融子行業(yè)的系統(tǒng)性風險EVaR。將各金融子行業(yè)的EVaR作為輸入變量，將房地產(chǎn)指數(shù)和商品指數(shù)的EVaR作為兩階段分位數(shù)回歸的控制變量，構造靜態(tài)SDSEVaR模型，分析去除受到共同沖擊影響時各金融子行業(yè)的溢出效應的方向和大小。最后，將脈沖響應函數(shù)引入構造的SDSEVaR模型，構造動態(tài)S

10、DSEVaR模型，分析各金融子行業(yè)系統(tǒng)性風險溢出效應的持續(xù)時間和大小。第五章是本文研究結論和建議。這部分首先對本文的理論分析和實證研究進行總結，在此基礎上提出相關建議，然后給出本次研究存在不足和需要改進的地方，最后提出文章未來擴展的方向。
　　論文得出的結論主要有以下四個方面:(1)在所分析的金融子行業(yè)中，銀行業(yè)的溢出效應是最為顯著的。銀行業(yè)是在受到外部沖擊時將風險溢出最大的金融子行業(yè)，溢出風險的大小依次為保險業(yè)、證券業(yè)、多元金融

11、(2)銀行作為保險公司的分銷渠道，對于保險公司的溢出效應非常顯著。銀行與保險公司的合作模式?jīng)Q定了銀行業(yè)對于保險業(yè)的溢出效應并無明顯優(yōu)勢，即保險業(yè)對于銀行業(yè)的溢出效應也非常顯著。保險業(yè)在風險溢出效應持續(xù)的過程中受到的溢出效應逐漸減弱，經(jīng)過20天溢出效應已減弱50％。(3)證券業(yè)在受到外部沖擊時，溢出風險的大小依次為保險業(yè)、多元金融、銀行業(yè)。在多元金融的溢出效應的分析中，對證券業(yè)的溢出作用是最明顯的。因多元金融指數(shù)中主要是信托、租賃等金融機

12、構，與證券業(yè)的關系較為緊密。(4)多元金融在受到外部沖擊時，溢出風險的大小依次為證券業(yè)、銀行業(yè)及保險業(yè)。多元金融在風險溢出效應的持續(xù)過程中主要受銀行業(yè)和證券業(yè)的影響，且經(jīng)過20天溢出效應已減弱50％。
　　論文創(chuàng)新主要體現(xiàn)在以下三個方面:(1)本文選擇了EVaR作為單個金融子行業(yè)的系統(tǒng)性風險度量指標。Kuan等(2009)研究證明基于expectile度量的金融機構的EVaR(Expectile-based Value at ri

13、sk)考慮了整個金融資產(chǎn)的分布，與VaR所計量的尾部極值相比，更加全面。(2)本文選擇了兩階段分位數(shù)回歸方法，通過設定不同的分位數(shù)，研究不同經(jīng)濟狀況金融子行業(yè)之間的風險溢出效應。在構建SDSEVaR模型時，本文將申銀萬國二級行業(yè)數(shù)據(jù)中的房地產(chǎn)指數(shù)和商品指數(shù)的EVaR數(shù)據(jù)作為控制變量放入兩階段分位數(shù)回歸模型中，目的是在分析各金融子行業(yè)的風險溢出效應時，可以將所有的金融機構受到共同沖擊的影響排除在外。(3)本文將脈沖響應函數(shù)(IRFS)引入

14、SDSEVaR模型，通過分析能夠得到各金融子行業(yè)之間溢出效應的持續(xù)情況。而溢出效應的持續(xù)時間的長短對于建立金融體系系統(tǒng)性風險預警機制具有重要的借鑒意義。
　　論文的不足主要有以下兩點:(1)本文對于金融各子行業(yè)溢出風險的分析是一種間接的分析，而各金融子行業(yè)之間直接的關聯(lián)是各自的杠桿率、流動性比率以及資產(chǎn)負債率等，但各個金融機構財務數(shù)據(jù)更新較慢，不能每天獲得，所以本文不能解釋金融子行業(yè)之間的風險溢出效應的原理。(2)本文對于除銀行、

15、證券及保險之外的金融行業(yè)的數(shù)據(jù)選擇使用申銀萬國二級行業(yè)數(shù)據(jù)中的多元金融指數(shù)來代替，該指數(shù)中包括信托和租賃公司，對于最近發(fā)展較快的衍生品市場指數(shù)的數(shù)據(jù)沒有涉及，主要原因是衍生品在我國發(fā)展的起步較晚，數(shù)據(jù)的時間較短。
　　對于研究的不足可以從以下兩個方面進行改進:(1)將本文提出的SDSEVaR模型與各金融子行業(yè)各自的杠桿率、流動性比率及資產(chǎn)負債率綜合分析研究系統(tǒng)性風險溢出效應。(2)除了本文研究的銀行、證券、保險以及多元金融中涉及的