| 4,940 | 221 | 235 |
| 下载次数 | 被引频次 | 阅读次数 |
本文从经济金融关联网络视角出发,以我国经济领域中各行业为研究对象,运用系统性风险度量新方法——TENET构建2002-2017年我国行业间系统性风险溢出网络,在此基础上对行业间的风险溢出水平以及传导结构进行分析,并为防范系统性风险提供建议。研究发现:①我国行业间系统性风险溢出的总体水平在金融危机或市场过热期间显著增强,同时各行业系统性风险输出与输入水平的时序特征存在明显差异,输出水平大幅波动而输入水平相对平衡;②信息技术、房地产和材料行业不仅是主要的系统性风险源头,而且容易受到其他行业风险外溢的影响,是整个经济金融关联网络中最具系统重要性的3个行业,同时各行业的系统重要性具有明显的时变特征;③虽然金融行业在整个经济金融关联网络中的系统重要性仅排第4位,但是金融与房地产和能源两个行业具有长期较强的双向风险溢出关系,而且金融与房地产之间的双向风险溢出强度在系统性风险溢出网络中居首位。本文的政策启示为提醒监管部门防范系统性风险要立足全局视角,正视金融在其中扮演的角色,不能过度高估金融行业的系统性风险地位,同时要找准风险源头行业并对其做好前瞻性调控,尽可能避免风险的产生,并在风险传递初期切断风险溢出的路径避免风险蔓延。
Abstract：This paper builds up a spillover network of inter-industrial systemic risks in China in the years of 2002-2017 by applying a new method for measuring systemic risks, i.e., TENET, from the perspective of the economic and financial correlated network and focusing on the various industries in the whole economy. Based on this, a comprehensive analysis is conducted on the risk spillover level and the transmission composition in order to offer an efficient proposal for guarding against systemic risks. It is found that firstly, the overall level of inter-industrial systemic risk spillover in China pick up steam in extreme cases such as financial crisis or overheated market. In addition, there is quite a big difference in timing of out-flow and in-flow of the inter-industrial systemic risks, i.e., out-flow level moves up and down while the in-flow level keeps stable. Secondly, the sectors, such as information technology, real estate and materials, are not only the main sources of systemic risks, but also subject to the risk-spillover from other sectors. These three sectors are most systematically important in the economic and financial correlated network with a significant time-varying characteristic. Thirdly, although the financial sector ranks only number four in terms of its importance in the network, it has a strong and lasting mutual risk-spillover relation with the real estate and the energy sectors, and moreover, risk spillover between the financial industry and the real estate sectors is most intense in the correlated network. The paper concludes that the regulatory authority needs to face squarely the role it plays to prevent the systemic risks, not overestimate the position of systemic risks in the financial sector. At the same time, it needs to brace for the forward-looking regulatory measures targeting at the risk sources and tries to avoid the emergence of the risks and cut off the path of risk spillover at the early stage of risk transmission if they comes to refrain them from straggling.
[1]W K H?rdle, W Wang, L Yu. TENET: Tail-Event driven NETwork risk [J]. Journal of Econometrics, 2016, 192(2):499-513.
[2]D K Patro, M Qi, X Sun. A Simple Indicator of Systemic Risk [J]. Journal of Financial Stability, 2013, 9(1):105-116.
[3]M Kritzman, Y Li, S Page, et al. Principal Components as a Measure of Systemic Risk [J]. Journal of Portfolio Management, 2011, 37(4):112-126.
[4]M Billio, M Getmansky, A W Lo, et al. Econometric Measures of Connectedness and Systemic Risk in the Finance and Insurance Sectors [J]. Journal of Financial Economics, 2012, 104(3):535-559.
[5]T Adrian, M K Brunnermeier. CoVaR [J]. American Economic Review, 2016, 106(7):1705-1741.
[6]V V Acharya, L H Pedersen, T Philippon, et al. Measuring Systemic Risk [J]. Review of Financial Studies, 2017, 30(1):2-47.
[7]C Brownlees, R F Engle. SRISK: A Conditional Capital Shortfall Measure of Systemic Risk [J]. Review of Financial Studies, 2017, 30(1):48-79.
[8]N Hautsch, J Schaumburg, M Schienle. Financial Network Systemic Risk Contributions [J]. Review of Finance, 2015, 19(2):685-738.
[9]F X Diebold, K Yilmaz. On the Network Topology of Variance Decompositions: Measuring the Connectedness of Financial Firms [J]. Journal of Econometrics, 2014, 182(1):119-134.
[10]梁琪,李政,郝项超. 我国系统重要性金融机构的识别与监管——基于系统性风险指数SRISK方法的分析[J]. 金融研究,2013(9):56-70.
[11]周天芸,杨子晖,余洁宜. 机构关联、风险溢出与中国金融系统性风险[J]. 统计研究,2014(11):43-49.
[12]欧阳资生,莫廷程. 基于广义CoVaR模型的系统重要性银行的风险溢出效应研究[J]. 统计研究,2017(9):36-43.
[13]李政,梁琪,涂晓枫. 我国上市金融机构关联性研究——基于网络分析法[J]. 金融研究,2016(8):95-110.
[14]杨坚,等. 全球视角下的中国金融机构间金融冲击传递[R]. 中国人民银行工作论文,2017, No.4.
[15]陈建青,王擎,许韶辉. 金融行业间的系统性金融风险溢出效应研究[J]. 数量经济技术经济研究,2015(9):89-100.
[16]严伟祥,张维,牛华伟. 金融风险动态相关与风险溢出异质性研究[J]. 财贸经济,2017(10):67-81.
[17]R F Engle, S Manganelli. CAViaR: Conditional Autoregressive Value at Risk by Regression Quantiles [J]. Journal of Business & Economic Statistics, 2004, 22(4):367-381.
[18]梁琪,李政,郝项超. 中国股票市场国际化研究:基于信息溢出的视角[J]. 经济研究,2015(4):150-164.
[19]陈迅,胡成春,花拥军. 我国银行业与房地产业极端风险溢出效应研究[J]. 系统工程,2017(8):127-133.
[20]刘向丽,顾舒婷. 房地产对金融体系风险溢出效应研究——基于AR-GARCH-CoVaR方法[J]. 系统工程理论与实践,2014(S1):106-111.
(1)这一点也得到政府金融监管部门的认同。全国政协经济委员会副主任杨伟民在2018年6月14日举行的“2018陆家嘴论坛”上表示:“打好防范化解金融风险攻坚战,这不仅是金融部门的任务,其他有关部门和各地区也要履职尽责。因为金融风险一面是货币政策、金融机构、金融监管等方面的问题,另一面是实体经济、房地产、地方政府债务等问题”。中国人民银行党委书记、中国银行保险监督管理委员会主席郭树清在该论坛发表了“防范化解金融风险,奋力跨越重大关口”的演讲,也认为要多角度防范化解金融风险,在讲完防范化解金融风险的九个方面体会后,他认为“在防范化解金融风险的征程上,需要着力解决一些领域滞后的问题,加强薄弱环节”“一是加快企业结构调整。二是妥善处理企业债务违约问题”。
(2)经济金融关联网络是指金融行业和其他实体经济行业之间由于内在关联而构成的网络。
(3)感谢匿名评审专家提出的宝贵意见,笔者对本文运用TENET方法的改进之处进行了归纳总结。第一,H?rdle等(2016)[1]构建了收益率与滞后一期状态变量的线性关系,采用线性分位数回归估计VaR,而本文采用AS-CAViaR模型直接从分位数角度建模来估计VaR;第二,由于本文重点考察我国行业间系统性风险溢出关系,为控制国际金融风险对我国经济金融系统的影响,本文选取了六个具有代表性的国际指数作为模型控制变量;第三,在分析框架方面,除了借鉴H?rdle等(2016)[1]从三个层面分析系统性风险溢出水平及传导路径,考虑到金融行业的特殊性,本文还加入了金融与非金融行业间的风险溢出效应分析。
(4)现有研究表明,美国股市在全球股市处于信息先导地位,对外信息溢出效应极强。英国、法国、德国和日本等分别作为欧洲和亚洲成熟市场代表,信息溢出效应明显强于新兴市场。此外,中国香港不但对中国股市有极强的信息溢出能力,而且是欧美及其他股市向中国信息传递的“窗口”。目前中国股市对国际市场的影响力还很弱,上述国际市场对中国股市均有较强的信息溢出效应(梁琪等,2015[18])。
(5)所谓系统性危机,是指全局性、系统性的危机,波及整体经济领域而非局限于部分行业内部。
(6)本文依据行业的总体连通性来确定其系统重要性,即综合考虑该行业的总输出水平和总输入水平。鉴于整个样本期内11个行业各自的总输出水平相差悬殊,相比起来总输入水平差异甚微,故我们不去过分苛求行业总输入水平的排名,而是依据主要受总输出水平影响的净输出排名来确定该行业的系统重要性地位。
(7)房地产业主要的融资来源是金融行业中的银行信贷部门,银行对房地产的贷款约占总贷款的20%,巨额的贷款规模使得银行业和房地产关联密切。
(8)电信服务行业只有4家上市企业,分别是中国联通、鹏博士、二六三和会畅通讯,数目远少于其他行业,对外影响力不足,因此是主要的风险接受行业。
(9)与图4相同,图5同样是删去均值以下边的精简网络。
(10)电信服务与金融行业的双向风险溢出水平较弱。在图4的精简网络中删去了所有小于均值的风险溢出关系,故电信服务较弱的风险溢出能力被忽略了,并将其定义为主要的风险接受方。
基本信息:
DOI：10.19343/j.cnki.11-1302/c.2019.02.003
中图分类号:F832;F124
引用信息:
[1]李政,刘淇,梁琪.基于经济金融关联网络的中国系统性风险防范研究[J].统计研究,2019,36(02):23-37.DOI:10.19343/j.cnki.11-1302/c.2019.02.003.
基金信息:
国家自然科学基金青年项目“金融机构系统性风险敞口与贡献的度量及监管研究——基于金融网络视角的分析”(71703111);国家自然科学基金青年项目“货币政策、房地产价格与金融稳定”(71503290);; 国家社会科学基金重大项目“金融风险度量的新理论与新方法及其在中国金融机构的应用研究”(14ZDB124);国家社会科学基金重大项目“基于结构性数据分析的我国系统性金融风险防范体系研究”(17ZDA073);; 天津市“131”创新型人才团队“金融风险创新团队”和天津市高等学校创新团队培养计划“中国经济转型升级与系统性金融风险防范”的资助
2019-01-17
2019-01-17
2019-01-17