论文部分内容阅读
目前，世界主要经济体依然处于全球金融市场一体化的浪潮之中。尽管一体化加深了各国间的经济交流、增强了国际金融市场的活力，但高度的关联性也给各经济体自身的金融体系增加了额外风险。2007-2009年，从美国蔓延到全世界的次贷危机就是典型的例子。然而，股票市场作为“经济晴雨表”会直接受到经济危机的影响，进而对整个金融领域产生“多米诺骨牌效应”，这种极具“传染性”的风险又称系统性风险。因此，为进一步落实“守住不发生系统性金融风险的底线”，有效降低国内外市场带来的风险冲击，有必要探寻科学有效的方法来实现我国股票市场系统性风险的精准测度，并提出有效的措施进行积极规避与管理。然而，金融市场的日益复杂和金融产品的多元化导致风险来源、风险种类更多，这使得系统性风险的精准测度难以实现。而股票作为一种收益较高的投资产品，将不可避免地让投资者面临各种各样的风险，并承担风险所导致的经济损失。因此，能否科学测度中国股票市场的系统性风险具有十分重要的理论与现实意义。
在这一背景下，本文借鉴Massucci(2017)以及LiuandChen(2018)等提出的门槛因子模型，对以申万28个一级行业为代表的股票市场进行系统性风险的测算。门槛因子模型突破了现有的“维数诅咒”问题，不仅可以研究高维时间序列的区制转换行为，而且考虑到了因子载荷矩阵的时变性，具有良好的可解释性和预测能力。针对因子载荷矩阵存在的门槛效应，本文还给出了拉格朗日乘子(LM )、似然比(LR)以及Wald检验方法，分析了零假设和备择假设下的渐近分布，随后通过蒙特卡洛随机模拟实验检验出以上检验统计量具有良好的大样本性质和有限样本表现。
为探寻到每一行业与整体系统性风险水平之间的时变性与动态相关性，本文采用动态相关多变量--广义自回归条件异方差模型(DCC-GARCH)对动态相关性进行估计。该模型通过把条件协方差矩阵分解成条件协方差和条件相关系数矩阵两部分，从而减少了待估参数的个数，能够更好地描述不同时间序列相关性的传递过程。本文在得到每个行业2014年3月5日到2019年8月27日的1334个动态相关系数后取其平均值作为该行业对系统性风险水平的贡献率。结果表明，银行对系统性风险的贡献率最大，为0.9588，其次是房地产、非银金融、轻工制造以及机械设备，分别为0.9569、0.9504、0.9500、0.9426。贡献率最低的后三名依次是电气设备、食品饮料和公用事业，分别为0.7413、0.7139和0.6996。
在这一背景下，本文借鉴Massucci(2017)以及LiuandChen(2018)等提出的门槛因子模型，对以申万28个一级行业为代表的股票市场进行系统性风险的测算。门槛因子模型突破了现有的“维数诅咒”问题，不仅可以研究高维时间序列的区制转换行为，而且考虑到了因子载荷矩阵的时变性，具有良好的可解释性和预测能力。针对因子载荷矩阵存在的门槛效应，本文还给出了拉格朗日乘子(LM )、似然比(LR)以及Wald检验方法，分析了零假设和备择假设下的渐近分布，随后通过蒙特卡洛随机模拟实验检验出以上检验统计量具有良好的大样本性质和有限样本表现。
为探寻到每一行业与整体系统性风险水平之间的时变性与动态相关性，本文采用动态相关多变量--广义自回归条件异方差模型(DCC-GARCH)对动态相关性进行估计。该模型通过把条件协方差矩阵分解成条件协方差和条件相关系数矩阵两部分，从而减少了待估参数的个数，能够更好地描述不同时间序列相关性的传递过程。本文在得到每个行业2014年3月5日到2019年8月27日的1334个动态相关系数后取其平均值作为该行业对系统性风险水平的贡献率。结果表明，银行对系统性风险的贡献率最大，为0.9588，其次是房地产、非银金融、轻工制造以及机械设备，分别为0.9569、0.9504、0.9500、0.9426。贡献率最低的后三名依次是电气设备、食品饮料和公用事业，分别为0.7413、0.7139和0.6996。