| 4,111 | 133 | 267 |
| 下载次数 | 被引频次 | 阅读次数 |
为准确度量我国金融机构对金融系统的尾部风险溢出,本文改进了基于CoVaR方法的分位数回归模型。基于极值理论和ARMA-GARCH模型拟合收益率边缘分布,构建了改进的非对称CoVaR模型,从系统性金融风险贡献绝对值(△CoVaR)和相对值(%CoVaR)两方面详细考察了2002年7月1日至2018年12月28日我国42家上市金融机构的尾部风险溢出效应。结果表明:在q=0.01的情况下,不同类型金融机构对金融市场的系统性金融风险贡献有显著差异,银行类与保险类机构的系统性金融风险值得重点关注;金融机构的系统性金融风险贡献相对值与在险价值存在显著联系,自身风险最低的银行类机构具有最大的风险溢出强度,是我国系统性金融风险防范的核心对象,尤其是国有控股银行。研究结论对于有效防范我国系统性金融风险具有重要的理论价值和现实意义。
Abstract：In order to measure the tail risk spillover of financial institutions to the financial system in China,this paper improves the quantile regression model based on Co VaR approach. Based on the EVT and ARMA-GARCH model to fit the edge distribution of returns, an improved asymmetric Co VaR model is constructed. The tail risk spillover effect of 42 listed financial institutions in China from July 1,2002 to December 28,2018 is investigated in detail from the absolute value( △Co VaR) and relative value( %Co VaR) of systemic risk contribution. The results are as follows. First,under the condition of q = 0. 01,the contribution of different types of financial institutions to the systemic risk of financial market is significantly different,and the systemic risk of banks and insurance institutions deserves special attention. Second,the relative value of the systemic risk contribution of financial institutions is significantly related to the value at risk.Finally,banks with the lowest risk have the largest risk spillover intensity,and are the core object of systemic risk prevention in China,especially the state-owned banks. The conclusion is of great theoretical value and practical significance for the prevention of systemic financial risk in China.
[1]白雪，牛锋．金融机构系统性风险贡献的测度、检验与监管[J]．山西财经大学学报，2018,40(12):45-59．
[2]白雪梅，石大龙．中国金融体系的系统性风险度量[J]．国际金融研究，2014(6):75-85．
[3]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．
[4]陈守东，王妍．我国金融机构的系统性金融风险评估--基于极端分位数回归技术的风险度量[J]．中国管理科学，2014,22(7):10-17．
[5]陈忠阳，刘志洋．国有大型商业银行系统性风险贡献度真的高吗--来自中国上市商业银行股票收益率的证据[J]．财贸经济，2013(9):57-66．
[6]范小云，方意，王道平．我国银行系统性风险的动态特征及系统重要性银行甄别---基于CCA与DAG相结合的分析[J]．金融研究，2013(11):82-95．
[7]范小云，王道平，方意．我国金融机构的系统性风险贡献测度与监管---基于边际风险贡献与杠杆率的研究[J]．南开经济研究，2011(4):3-20．
[8]何晓光，黄德权．基于ARMA-GARCH类模型的SHIBOR的VaR比较[J]．经济与管理评论，2014,30(4):38-43．
[9]黄玮强，郭慧敏，姚爽．尾部风险网络视角下的金融机构系统性风险贡献研究[J]．运筹与管理，2019,28(3):118-126．
[10]蒋海，张锦意．商业银行尾部风险网络关联性与系统性风险--基于中国上市银行的实证检验[J]．财贸经济，2018,39(8):50-65．
[11]刘超．货币政策多目标交互协调、优化与控制[M]．北京:科学出版社，2016．
[12]刘超，李元睿，姜超，等．中国证券公司系统性风险测度及演化特征研究---来自20家上市证券公司的数据[J]．中国管理科学，2019,27(5):11-22．
[13]刘晓星，段斌，谢福座．股票市场风险溢出效应研究:基于EVT-Copula-CoVaR模型的分析[J]．世界经济，2011(11):145-159．
[14]陆静，胡晓红．基于条件在险价值法的商业银行系统性风险研究[J]．中国软科学，2014(4):25-42．
[15]田娇，王擎．银行资本约束、银行风险外溢与宏观金融风险[J]．财贸经济，2015(8):74-90．
[16]王苏生，王俊博，李光路．基于ARMA模型的沪深300股指期货高频数据收益率研究与预测[J]．华北电力大学学报(社会科学版)，2018(3):71-79．
[17]肖璞，刘较，杨苏梅．相互关联性、风险溢出与系统重要性银行识别[J]．金融研究，2012(12):96-106．
[18]杨坤，于文华，魏宇．基于R-vine copula的原油市场极端风险动态测度研究[J]．中国管理科学，2017,25(8):19-29．
[19]杨子晖，李东承．我国银行系统性金融风险研究---基于“去一法”的应用分析[J]．经济研究，2018,53(8):36-51．
[20]张蕊，贺晓宇，戚逸康．极端市场条件下我国金融体系系统性风险度量[J]．统计研究，2015(9):30-38．
[21]张颖，张富祥．分位数回归的金融风险度量理论及实证[J]．数量经济技术经济研究，2012(4):95-109．
[22]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，2014,31(11):43-49．
[23]朱慧明，王春晗，任英华，等．基于贝叶斯极端分位数回归的金融风险相依性研究[J]．中国管理科学，2016,24(S1):480-488．
[24]Adrian T,Brunnermeier M K.CoVaR[R].Staff Reports,Federal Reser Bank of New York,2008．
[25]Adrian T,Brunnermeier M K.CoVaR[J].American Economic Review,2016,106(7):1705-1741．
[26]Banulescu G D,Dumitrescu E.Which are the SIFIs?A Component Expected Shortfall Approach to Systemic Risk[J].Journal of Banking and Finance,2015(50):575-588．
[27]Girardi G,Ergun A.Systemic Risk Measurement Multivariate GARCH Estimation of CoVaR[J].Journal of Banking and Finance,2011(37):3169-3180．
[28]Liu Q,Zhang G L,Ali S,et al.SPI-Based Drought Simulation and Prediction Using ARMA-GARCH Model[J].Applied Mathematics and Computation,2019(355):96-107．
[29]López-Espinosa G,Moreno A,Rubia A.Systemic Risk and Asymmetric Responses in the Financial Industry[J].Journal of Banking and Finance,2015,73(152):471-485．
[30]Madhusudan K.Estimation of Tail-Related Risk Measures in the Indian Stock Market:An Extreme Value Approach[J].Review of Financial Economics,2013,22(3):79-85.
(1)因篇幅所限，其他33家金融机构的系统性金融风险贡献绝对值时序图以附图1展示，见《统计研究》网站所列附件。下同。
基本信息:
DOI：10.19343/j.cnki.11-1302/c.2020.12.005
中图分类号:F224;F832.3
引用信息:
[1]刘超,刘彬彬.金融机构尾部风险溢出效应——基于改进非对称CoVaR模型的研究[J].统计研究,2020,37(12):58-74.DOI:10.19343/j.cnki.11-1302/c.2020.12.005.
基金信息:
国家自然科学基金项目“高维多目标条件下金融结构系统动态优化与控制”(62073007);国家自然科学基金项目“多目标条件下中国金融监管系统优化与风险管理研究”(61773029);; 北京市属高校高水平教师队伍建设支持计划长城学者培养计划项目“金融监管多目标优化研究”(CIT&TCD20170304)
2020-12-31
2020-12-31
2020-12-31