基于SDSEVaR的中國(guó)金融體系系統(tǒng)性風(fēng)險(xiǎn)研究.pdf

1、自1995年墨西哥金融危機(jī)到2007年的次貸危機(jī)以及2010年的歐債危機(jī)，系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)，使金融體系遭受重大破壞的同時(shí)對(duì)實(shí)體經(jīng)濟(jì)造成巨大沖擊。連續(xù)爆發(fā)的金融危機(jī)引起全球?qū)ο到y(tǒng)性風(fēng)險(xiǎn)的關(guān)注，巴塞爾委員針對(duì)危機(jī)中暴露的系統(tǒng)性風(fēng)險(xiǎn)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(fēng)險(xiǎn)作為宏觀審慎監(jiān)管的根本目標(biāo)。由于系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的放大作用，各金融機(jī)構(gòu)對(duì)整個(gè)金融體系沖擊更為顯著。研究金融體系內(nèi)部各子行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)有利于在金

2、融風(fēng)險(xiǎn)形成初期對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行有效監(jiān)控和跟蹤，對(duì)于宏觀審慎監(jiān)管具有重要借鑒意義。
　　梳理國(guó)內(nèi)外文獻(xiàn)可以發(fā)現(xiàn)，對(duì)于系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的研究主要分為兩類(lèi)。一類(lèi)是運(yùn)用網(wǎng)絡(luò)分析法研究系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)，另一類(lèi)是利用CoVaR模型研究跨市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)。Upper和Worms(2004)利用最小相對(duì)熵值法以各家銀行的資產(chǎn)負(fù)債表數(shù)據(jù)為依據(jù)估計(jì)各銀行間的風(fēng)險(xiǎn)敞口情況，在此基礎(chǔ)上利用網(wǎng)絡(luò)分析法模擬風(fēng)險(xiǎn)在各個(gè)銀行間的傳染過(guò)程。陳建青等(201

3、5)通過(guò)構(gòu)建CoVaR模型，對(duì)我國(guó)金融子行業(yè)的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行研究。利用網(wǎng)絡(luò)分析法存在兩個(gè)問(wèn)題，一是銀行間相互持有的資產(chǎn)負(fù)債數(shù)據(jù)不易獲得，只能通過(guò)模擬得到。二是主要限于對(duì)銀行間溢出效應(yīng)的分析。利用CoVaR模型研究金融市場(chǎng)中各子行業(yè)之間的風(fēng)險(xiǎn)溢出效應(yīng)，雖然該模型設(shè)定可以捕捉到金融機(jī)構(gòu)之間的風(fēng)險(xiǎn)溢出效應(yīng)，但是CoVaR模型中分位數(shù)的設(shè)定主要是基于收益率的分布，通過(guò)CoVaR模型設(shè)定的溢出效應(yīng)系數(shù)無(wú)論在何種經(jīng)濟(jì)狀況下均是相同的。
　　

4、利用SDSEVaR模型對(duì)我國(guó)銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)以及包括租賃業(yè)、信托業(yè)在內(nèi)多元金融之間的溢出效應(yīng)進(jìn)行分析。因模型使用的是金融行業(yè)指數(shù)收盤(pán)價(jià)，這一市場(chǎng)數(shù)據(jù)在充分反映金融市場(chǎng)的風(fēng)險(xiǎn)同時(shí)避免了網(wǎng)絡(luò)分析模型中金融機(jī)構(gòu)間敞口數(shù)據(jù)的缺失。通過(guò)SDSEVaR模型分析不同經(jīng)濟(jì)狀況下金融子行業(yè)間系統(tǒng)性風(fēng)險(xiǎn)的溢出效應(yīng)尺寸、大小以及持續(xù)程度，這對(duì)于系統(tǒng)性風(fēng)險(xiǎn)預(yù)警機(jī)制的建立具有借鑒意義。
　　本文運(yùn)用理論分析與實(shí)證研究相結(jié)合方法。首先利用申銀萬(wàn)國(guó)二級(jí)行

5、業(yè)數(shù)據(jù)中金融行業(yè)指數(shù)構(gòu)建GARCH模型，計(jì)算基于Expectile模型的VaR，用EVaR代表每個(gè)金融子行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)，將此數(shù)據(jù)作為輸入變量構(gòu)建SDSEVaR模型。在此基礎(chǔ)上，選擇不同的分位數(shù)分別代表不同的經(jīng)濟(jì)狀況，通過(guò)兩階段分位數(shù)回歸模型構(gòu)建靜態(tài)SDSEVaR模型分析各金融子行業(yè)的的風(fēng)險(xiǎn)溢出效應(yīng)的大小和方向。根據(jù)產(chǎn)生的原因，可以將系統(tǒng)性風(fēng)險(xiǎn)分為兩類(lèi)，一類(lèi)是宏觀沖擊如GDP、利率等導(dǎo)致所有金融機(jī)構(gòu)都受到影響而產(chǎn)生的系統(tǒng)性風(fēng)險(xiǎn);另一類(lèi)是

6、雖然局部金融機(jī)構(gòu)遭受沖擊，但是各金融機(jī)構(gòu)緊密聯(lián)系，金融風(fēng)險(xiǎn)通過(guò)各種渠道傳染和擴(kuò)散導(dǎo)致的系統(tǒng)性風(fēng)險(xiǎn)。在構(gòu)建SDSEVaR模型時(shí)，本文將申銀萬(wàn)國(guó)二級(jí)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(fēng)險(xiǎn)溢出效應(yīng)時(shí)，可以將所有的金融機(jī)構(gòu)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(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)時(shí)將脈沖函數(shù)（IRFS）引入分位數(shù)回歸的

7、方法將脈沖響應(yīng)函數(shù)引入本文建立的靜態(tài)SDSEVaR模型，構(gòu)建動(dòng)態(tài)的SDSEVaR模型對(duì)各金融子行業(yè)間風(fēng)險(xiǎn)溢出效應(yīng)的持續(xù)程度進(jìn)行分析。論文總共分為五個(gè)章節(jié)，各章內(nèi)容安排如下。
　　第一章是導(dǎo)論。導(dǎo)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?jī)?nèi)容和創(chuàng)新之處。第二章是文獻(xiàn)綜述。本文主要從兩個(gè)方面對(duì)相關(guān)研究文獻(xiàn)進(jìn)行綜述。首先是從定義、特征、傳導(dǎo)機(jī)制和度量方法對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行介紹。進(jìn)一步地對(duì)國(guó)內(nèi)外系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的研究進(jìn)行了對(duì)

8、比分析。
　　第三章是研究設(shè)計(jì)。這部分提出實(shí)證方案，并對(duì)所涉及的模型進(jìn)行介紹。本文首先利用GARCH模型計(jì)算基于Expectile的EVaR。進(jìn)一步將每個(gè)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(gòu)造靜態(tài)SDSEVaR模型分析各系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)的方向和大小。最后，將脈沖響應(yīng)函數(shù)(IRFS)引入構(gòu)造的靜態(tài)SDSEVaR模型，形成動(dòng)態(tài)SDSEVaR模型，分析各金融子行業(yè)風(fēng)險(xiǎn)溢出效應(yīng)的持續(xù)強(qiáng)度大小和

9、時(shí)間長(zhǎng)短。
　　第四章是實(shí)證研究。首先對(duì)金融時(shí)間序列進(jìn)行描述性統(tǒng)計(jì)分析。接著，基于Expectile的正齊次性和平移不變性，利用GARCH模型測(cè)度單個(gè)金融子行業(yè)的系統(tǒng)性風(fēng)險(xiǎn)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(gòu)造靜態(tài)SDSEVaR模型，分析去除受到共同沖擊影響時(shí)各金融子行業(yè)的溢出效應(yīng)的方向和大小。最后，將脈沖響應(yīng)函數(shù)引入構(gòu)造的SDSEVaR模型，構(gòu)造動(dòng)態(tài)S

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

11、(2)銀行作為保險(xiǎn)公司的分銷(xiāo)渠道，對(duì)于保險(xiǎn)公司的溢出效應(yīng)非常顯著。銀行與保險(xiǎn)公司的合作模式?jīng)Q定了銀行業(yè)對(duì)于保險(xiǎn)業(yè)的溢出效應(yīng)并無(wú)明顯優(yōu)勢(shì)，即保險(xiǎn)業(yè)對(duì)于銀行業(yè)的溢出效應(yīng)也非常顯著。保險(xiǎn)業(yè)在風(fēng)險(xiǎn)溢出效應(yīng)持續(xù)的過(guò)程中受到的溢出效應(yīng)逐漸減弱，經(jīng)過(guò)20天溢出效應(yīng)已減弱50％。(3)證券業(yè)在受到外部沖擊時(shí)，溢出風(fēng)險(xiǎn)的大小依次為保險(xiǎn)業(yè)、多元金融、銀行業(yè)。在多元金融的溢出效應(yīng)的分析中，對(duì)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(jī)

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

13、sk)考慮了整個(gè)金融資產(chǎn)的分布，與VaR所計(jì)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(guò)設(shè)定不同的分位數(shù)，研究不同經(jīng)濟(jì)狀況金融子行業(yè)之間的風(fēng)險(xiǎn)溢出效應(yīng)。在構(gòu)建SDSEVaR模型時(shí)，本文將申銀萬(wàn)國(guó)二級(jí)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(fēng)險(xiǎn)溢出效應(yīng)時(shí)，可以將所有的金融機(jī)構(gòu)受到共同沖擊的影響排除在外。(3)本文將脈沖響應(yīng)函數(shù)(IRFS)引入

14、SDSEVaR模型，通過(guò)分析能夠得到各金融子行業(yè)之間溢出效應(yīng)的持續(xù)情況。而溢出效應(yīng)的持續(xù)時(shí)間的長(zhǎng)短對(duì)于建立金融體系系統(tǒng)性風(fēng)險(xiǎn)預(yù)警機(jī)制具有重要的借鑒意義。
　　論文的不足主要有以下兩點(diǎn):(1)本文對(duì)于金融各子行業(yè)溢出風(fēng)險(xiǎn)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(guān)聯(lián)是各自的杠桿率、流動(dòng)性比率以及資產(chǎn)負(fù)債率等，但各個(gè)金融機(jī)構(gòu)財(cái)務(wù)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(fēng)險(xiǎn)溢出效應(yīng)的原理。(2)本文對(duì)于除銀行、

15、證券及保險(xiǎn)之外的金融行業(yè)的數(shù)據(jù)選擇使用申銀萬(wàn)國(guó)二級(jí)行業(yè)數(shù)據(jù)中的多元金融指數(shù)來(lái)代替，該指數(shù)中包括信托和租賃公司，對(duì)于最近發(fā)展較快的衍生品市場(chǎng)指數(shù)的數(shù)據(jù)沒(méi)有涉及，主要原因是衍生品在我國(guó)發(fā)展的起步較晚，數(shù)據(jù)的時(shí)間較短。
　　對(duì)于研究的不足可以從以下兩個(gè)方面進(jìn)行改進(jìn):(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(dòng)性比率及資產(chǎn)負(fù)債率綜合分析研究系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。(2)除了本文研究的銀行、證券、保險(xiǎn)以及多元金融中涉及的