基于風險關聯(lián)網(wǎng)絡的中國股票市場定價效應研究.pdf

1、金融是市場經(jīng)濟運行的核心，市場經(jīng)濟的持續(xù)健康發(fā)展離不開金融體系的穩(wěn)定。如何構建完善健全的金融體系，防范金融風險一直是學術界研究的重要問題。2007-2009年美國爆發(fā)的次貸危機，很快演變成一場全球性的金融危機。與前幾次金融危機相比，本次金融危機的范圍更廣，程度更深，造成上世紀30年代“大蕭條”以來最嚴重的全球性的金融和經(jīng)濟危機。國際學術界普遍認為，系統(tǒng)性金融風險的積累和宏觀審慎監(jiān)管的缺失，是導致此次嚴重金融危機的重要因素之一。危機發(fā)生后

2、，各國金融監(jiān)管部門紛紛出臺相關措施，加強對金融體系系統(tǒng)性風險的監(jiān)管。在中國，金融機構的同質性很高，同時金融創(chuàng)新和金融自由化程度加大，金融機構之間的互相借貸，擔保，相互融資融通，使得金融機構之間的關系錯綜復雜，金融機構、金融部門之間的聯(lián)系越來越緊密，而且市場上仍缺少足夠的風險控制工具和交易機制，金融監(jiān)管手段和技術落后，因此中國金融體系未來面臨的風險也在逐漸加大。
　　網(wǎng)絡結構模型是目前頗為前沿和受關注的研究系統(tǒng)性風險方法。IMF(2

3、009)提出的網(wǎng)絡結構模型主要針對銀行，它的網(wǎng)絡建立在銀行間資產(chǎn)負債表相互敞口和交易數(shù)據(jù)的基礎上，并根據(jù)銀行間市場的網(wǎng)絡形狀模擬風險相互傳染的情況，從而測算出每個銀行在網(wǎng)絡中積累的系統(tǒng)性風險。相比而言，在整個金融系統(tǒng)中銀行的安全性要高于券商等其他非銀行金融機構，非銀行金融機構無法通過銀行間資產(chǎn)負債表和交易數(shù)據(jù)加入網(wǎng)絡結構模型中。同時，在實踐中Barra因子模型(2010，Nielsen&Bender)使用至少20個產(chǎn)業(yè)因子試圖獲得在同一

4、產(chǎn)業(yè)中的共同波動，因為處于同一產(chǎn)業(yè)的公司傾向于共同波動。然而，在同一產(chǎn)業(yè)中并不是所有公司都朝同一方向波動或者按照相同的幅度波動。因此進一步朝公司層面研究共同波動是很有必要的。
　　另一方面，資產(chǎn)定價的一些研究也發(fā)現(xiàn)股票的殘差收益往往和其他股票的殘差收益相聯(lián)系，這說明公司之間存在相互影響或相互獨立的結構。但通常將殘差當作白噪聲，通過對沖來消除殘差風險，很少有研究通過殘差收益之間的相互關聯(lián)來研究公司之間的相互影響，現(xiàn)實中殘差風險并不是

5、可以忽略的風險，殘差收益之間的相互關聯(lián)可以為研究風險在公司之間的傳播提供一個研究的思路。因此本文主要從殘差收益相互關聯(lián)的視角來研究我國金融網(wǎng)絡中風險傳染的情況。
　　本文參考Yi-An Chen(2014)的網(wǎng)絡風險因子理論的研究框架及其對美國次貸危機期間做的經(jīng)驗研究，將網(wǎng)絡風險理論應用于中國市場，并對2015年六月發(fā)生的股災作經(jīng)驗研究，論證網(wǎng)絡風險理論在中國市場的有效性，以及網(wǎng)絡風險在本次股災中所發(fā)揮的作用。具體方法是構造一個網(wǎng)

6、絡因子能夠在模擬的證券組合中捕捉網(wǎng)絡風險。本文使用網(wǎng)絡結構的中心性測度去數(shù)量化證券投資組合中網(wǎng)絡因子的權重。中心性測度通過每個節(jié)點相互聯(lián)系的結構來給每個節(jié)點計算分數(shù)。本文中會涉及到兩種計算中心性測度的方法:度中心性測度和特征向量中心性測度。特征向量中心性測度相比度中心性測度是一個提升，本文采用特征向量中心性測度，因為它通過遞歸的方法計算每個節(jié)點的得分，如果一個節(jié)點它周圍的節(jié)點都有高的分數(shù)，那么就賦予它高的分數(shù)。當基準的網(wǎng)絡風險因子被構造

7、出來以后，通過最小二乘估計(LSE)可以得出每只股票相對于網(wǎng)絡風險的風險暴露。基于這些信息，F(xiàn)ama-French三因子模型得出的殘差收益能夠被分解為網(wǎng)絡風險收益和純個體風險收益，然后因子模型的風險能夠輕松的分解為風險的一般計量形式，如標準差、VaR和ES。
　　基于上述研究方法，本文總體上分為5個章節(jié)，具體安排為，第1章為緒論，主要介紹本文研究背景、研究意義、研究方法、研究內容以及創(chuàng)新之處。第2章為文獻綜述，首先從Fama-Fr

8、ench三因子模型的提出，三因子模型的驗證，國內三因子模型有效性的一些研究以及三因子模型的不足幾個方面對以往文獻進行了回顧;其次對對系統(tǒng)性風險和風險傳染的一些研究進行了分析。
　　第3章為研究設計，在這一部分中主要是論文模型的構建，首先引進Fama-French的三因子模型求取殘差收益，其次對網(wǎng)絡風險因子的構建進行詳細分析，接著從權重函數(shù)和兩種網(wǎng)絡中心性方法（度中心性和特征向量中心性）對網(wǎng)絡結構進行了論述;然后通過方差協(xié)方差矩陣和

9、風險分解對因子模型進行了風險分析;最后為體現(xiàn)網(wǎng)絡風險的時變特性在上述模型的基礎上加入動態(tài)條件相關模型(DCC)將模型擴展到條件網(wǎng)絡風險模型。
　　第4章為實證分析，本文選取數(shù)據(jù)相對完整的36家金融機構從2011年1月1日至2015年12月31日的周度數(shù)據(jù)作為研究樣本，由于數(shù)據(jù)缺失，在實證研究前用多重插值法對數(shù)據(jù)進行補齊處理。在實證研究方面，首先通過網(wǎng)絡風險因子模型計算出網(wǎng)絡風險因子基準和各金融機構對網(wǎng)絡風險的敏感度;其次通過方差和

10、風險分解（Std、VaR和ES）對36家金融機構在股災期間進行風險分析;再次用累計收益對CoStd、CoVaR和CoES的回歸來衡量網(wǎng)絡風險的有效性;最后通過動態(tài)條件相關模型(DCC)來計算節(jié)點之間的鄰接矩陣，將上述模型擴展到條件模型進行實證研究。第5章為結論與展望，根據(jù)實證分析結果對全文進行總結，給出政策建議，并指出論文研究的一些不足之處和需要進一步研究的展望。
　　根據(jù)以上的研究思路和方法，本文得到以下結論，第一，在中國市場上

11、網(wǎng)絡風險因子的CoStd、CoES和CoVaR對累計收益的解釋力度都不及總的Std、ES和VaR，甚至所占比重微乎其微，這表明在中國市場上網(wǎng)絡風險因子在個體風險中所占比重很小，至少在這次股災中是如此;第二，在預測中的表現(xiàn)也不盡人意，網(wǎng)絡風險因子的CoStd、CoES和CoVaR對未來平均收益的預測能力也不如總的Std、ES和VaR;第三，在條件模型的實證分析中，從2011年1月1日到2015年3月30這段時間基準網(wǎng)絡風險波動相對比較平穩(wěn)

12、，到股災期間網(wǎng)絡風險的波動性明顯增大，這說明股災期間網(wǎng)絡風險有增加的趨勢。
　　與以往研究相比，本文可能有以下幾點創(chuàng)新之處，(1)為研究殘差收益之間相互關聯(lián)的關系，本文用中心性指數(shù)方法構造出網(wǎng)絡風險因子，對Fama-French三因子模型尚未定價的殘差收益進行分析。(2)用CoStd、CoVaR和CoES占總的Std、VaR和ES的百分比來衡量網(wǎng)絡風險的貢獻度，并通過累計收益與CoStd、CoVaR和CoES回歸考察網(wǎng)絡風險對收益

13、率的解釋力度。(3)為了使模型具有時變特性，在模型中加入條件動態(tài)相關模型(DCC)來估計鄰接矩陣，并使用極大似然估計來估計網(wǎng)絡風險因子的敏感程度。
　　然而，由于本人學術能力不足及其他一些原因，本文仍存在以下不足之處:(1)數(shù)據(jù)選取雖然已經(jīng)綜合考慮了數(shù)據(jù)的可得性及完整性，但由于中國金融市場發(fā)展較晚，大多數(shù)股票上市也較晚，因此樣本沒有包含所有金融股，也沒有選取到合適的時間區(qū)間。(2)在數(shù)據(jù)補全方面，雖然已用多重替代法對缺失的數(shù)據(jù)進行