论文部分内容阅读
自1995年墨西哥金融危机到2007年的次贷危机以及2010年的欧债危机,系统性风险的溢出效应,使金融体系遭受重大破坏的同时对实体经济造成巨大冲击。连续爆发的金融危机引起全球对系统性风险的关注,巴塞尔委员针对危机中暴露的系统性风险防范措施的不足颁布了巴塞尔协议Ⅲ,将防范和化解系统性风险作为宏观审慎监管的根本目标。由于系统性风险溢出效应的放大作用,各金融机构对整个金融体系冲击更为显著。研究金融体系内部各子行业的系统性风险溢出效应有利于在金融风险形成初期对系统性风险进行有效监控和跟踪,对于宏观审慎监管具有重要借鉴意义。梳理国内外文献可以发现,对于系统性风险溢出效应的研究主要分为两类。一类是运用网络分析法研究系统性风险的溢出效应,另一类是利用CoVaR模型研究跨市场的风险溢出效应。Upper 和 Worms (2004)利用最小相对熵值法以各家银行的资产负债表数据为依据估计各银行间的风险敝口情况,在此基础上利用网络分析法模拟风险在各个银行间的传染过程。陈建青等(2015)通过构建CoVaR模型,对我国金融子行业的风险溢出效应进行研究。利用网络分析法存在两个问题,一是银行间相互持有的资产负债数据不易获得,只能通过模拟得到。二是主要限于对银行间溢出效应的分析。利用CoVaR模型研究金融市场中各子行业之间的风险溢出效应,虽然该模型设定可以捕捉到金融机构之间的风险溢出效应,但是CoVaR模型中分位数的设定主要是基于收益率的分布,通过CoVaR模型设定的溢出效应系数无论在何种经济状况下均是相同的。利用SDSEVaR模型对我国银行业、证券业、保险业以及包括租赁业、信托业在内多元金融之间的溢出效应进行分析。因模型使用的是金融行业指数收盘价,这一市场数据在充分反映金融市场的风险同时避免了网络分析模型中金融机构间敞口数据的缺失。通过SDSEVaR模型分析不同经济状况下金融子行业间系统性风险的溢出效应尺寸、大小以及持续程度,这对于系统性风险预警机制的建立具有借鉴意义。本文运用理论分析与实证研究相结合方法。首先利用申银万国二级行业数据中金融行业指数构建GARCH模型,计算基于Expectile模型的VaR,用EVaR代表每个金融子行业的系统性风险,将此数据作为输入变量构建SDSEVaR模型。在此基础上,选择不同的分位数分别代表不同的经济状况,通过两阶段分位数回归模型构建静态SDSEVaR模型分析各金融子行业的的风险溢出效应的大小和方向。根据产生的原因,可以将系统性风险分为两类,一类是宏观冲击如GDP、利率等导致所有金融机构都受到影响而产生的系统性风险；另一类是虽然局部金融机构遭受冲击,但是各金融机构紧密联系,金融风险通过各种渠道传染和扩散导致的系统性风险。在构建SDSEVaR模型时,本文将申银万国二级行业数据中的房地产指数和商品指数的EVaR数据作为控制变量放入两阶段分位数回归模型中,目的是在分析各金融子行业的风险溢出效应时,可以将所有的金融机构受到共同冲击的影响排除在外。最后,本文根据Zeno Adams等(2014)研究金融机构的系统性风险溢出效应时将脉冲函数(IRFS)引入分位数回归的方法将脉冲响应函数引入本文建立的静态SDSEVaR模型,构建动态的SDSEVaR模型对各金融子行业间风险溢出效应的持续程度进行分析。论文总共分为五个章节,各章内容安排如下。第一章是导论。导论部分主要是介绍本文研究的背景,研究意义,研究方法,研究内容和创新之处。第二章是文献综述。本文主要从两个方面对相关研究文献进行综述。首先是从定义、特征、传导机制和度量方法对系统性风险进行介绍。进一步地对国内外系统性风险溢出效应的研究进行了对比分析。第三章是研究设计。这部分提出实证方案,并对所涉及的模型进行介绍。本文首先利用GARCH模型计算基于Expectile的EVaR。进一步将每个金融子行业的EVaR数据分别作为解释变量和被解释变量,利用两阶段分位数回归方法构造静态SDSEVaR模型分析各系统性风险溢出效应的方向和大小。最后,将脉冲响应函数(IRFS)引入构造的静态SDSEVaR模型,形成动态SDSEVaR模型,分析各金融子行业风险溢出效应的持续强度大小和时间长短。第四章是实证研究。首先对金融时间序列进行描述性统计分析。接着,基于Expectile的正齐次性和平移不变性,利用GARCH模型测度单个金融子行业的系统性风险EVaR。将各金融子行业的EVaR作为输入变量,将房地产指数和商品指数的EVaR作为两阶段分位数回归的控制变量,构造静态SDSEVaR模型,分析去除受到共同冲击影响时各金融子行业的溢出效应的方向和大小。最后,将脉冲响应函数引入构造的SDSEVaR模型,构造动态SDSEVaR模型,分析各金融子行业系统性风险溢出效应的持续时间和大小。第五章是本文研究结论和建议。这部分首先对本文的理论分析和实证研究进行总结,在此基础上提出相关建议,然后给出本次研究存在不足和需要改进的地方,最后提出文章未来扩展的方向。论文得出的结论主要有以下四个方面：(1)在所分析的金融子行业中,银行业的溢出效应是最为显著的。银行业是在受到外部冲击时将风险溢出最大的金融子行业,溢出风险的大小依次为保险业、证券业、多元金融(2)银行作为保险公司的分销渠道,对于保险公司的溢出效应非常显著。银行与保险公司的合作模式决定了银行业对于保险业的溢出效应并无明显优势,即保险业对于银行业的溢出效应也非常显著。保险业在风险溢出效应持续的过程中受到的溢出效应逐渐减弱,经过20天溢出效应已减弱50%。(3)证券业在受到外部冲击时,溢出风险的大小依次为保险业、多元金融、银行业。在多元金融的溢出效应的分析中,对证券业的溢出作用是最明显的。因多元金融指数中主要是信托、租赁等金融机构,与证券业的关系较为紧密。(4)多元金融在受到外部冲击时,溢出风险的大小依次为证券业、银行业及保险业。多元金融在风险溢出效应的持续过程中主要受银行业和证券业的影响,且经过20天溢出效应已减弱50%。论文创新主要体现在以下三个方面：(1)本文选择了EVaR作为单个金融子行业的系统性风险度量指标。Kuan等(2009)研究证明基于expectile度量的金融机构的EVaR (Expectile-based Value at risk)考虑了整个金融资产的分布,与VaR所计量的尾部极值相比,更加全面。(2)本文选择了两阶段分位数回归方法,通过设定不同的分位数,研究不同经济状况金融子行业之间的风险溢出效应。在构建SDSEVaR模型时,本文将申银万国二级行业数据中的房地产指数和商品指数的EVaR数据作为控制变量放入两阶段分位数回归模型中,目的是在分析各金融子行业的风险溢出效应时,可以将所有的金融机构受到共同冲击的影响排除在外。(3)本文将脉冲响应函数(IRFS)引入SDSEVaR模型,通过分析能够得到各金融子行业之间溢出效应的持续情况。而溢出效应的持续时间的长短对于建立金融体系系统性风险预警机制具有重要的借鉴意义。论文的不足主要有以下两点：(1)本文对于金融各子行业溢出风险的分析是一种间接的分析,而各金融子行业之间直接的关联是各自的杠杆率、流动性比率以及资产负债率等,但各个金融机构财务数据更新较慢,不能每天获得,所以本文不能解释金融子行业之间的风险溢出效应的原理。(2)本文对于除银行、证券及保险之外的金融行业的数据选择使用申银万国二级行业数据中的多元金融指数来代替,该指数中包括信托和租赁公司,对于最近发展较快的衍生品市场指数的数据没有涉及,主要原因是衍生品在我国发展的起步较晚,数据的时间较短。对于研究的不足可以从以下两个方面进行改进：(1)将本文提出的SDSEVaR模型与各金融子行业各自的杠杆率、流动性比率及资产负债率综合分析研究系统性风险溢出效应。(2)除了本文研究的银行、证券、保险以及多元金融中涉及的信托业和租赁业,将基金及期货等子行业纳入风险溢出效应的研究体系进行分析。