气候风险与系统性风险传染——来自中国上市金融机构的经验证据

本文基于2011—2021年中国51家上市金融机构的微观数据,构建了金融机构间系统性风险传染网络,并从微观层面实证研究了气候风险对金融机构间系统性风险传染的影响及传导路径。研究发现,气候风险事件下金融机构间的网络关联度更紧密,彼此间的系统性风险传染水平显著提升。气候风险主要通过加大投资者恐慌情绪提升金融机构间的系统性风险传染水平。相较于大型金融机构,气候风险冲击下中小型金融机构的系统性风险输出与风险输入水平更高;经济政策不确定性的提高会进一步加剧气候风险对金融机构的负面冲击;《巴黎协定》的提出会缓解气候物理风险对金融机构间系统性风险传染的负面影响,但在一定程度上会加剧气候转型风险对金融机构间系统性风险传染的负面影响。本文为防范气候相关金融风险与维护金融体系的稳定提供了政策启示和决策参考。

经济政策不确定性、投资者情绪与银行系统性风险传染

面对经济政策不确定性和投资者情绪,银行业需承担应对经济衰退、化解银行风险和实现经济高质量稳定增长的责任。本文利用MVMQ-CAViaR模型测度了2008—2021年所有上市银行的系统性风险,构建面板门限回归模型和面板平滑转换模型,研究在投资者情绪转换作用下经济政策不确定性影响银行系统性风险多重传染的边际效应结构变化。研究表明:投资者情绪具有显著的区制转换效应,使经济不确定性影响银行系统性风险多重传染的净边际效应,以指数转换模式发生结构变化。据此提出正确处理经济政策不确定性与银行系统性风险的关系,投资者要保持理性情绪以及监管部门要加强监管的建议。

经济政策不确定性对我国银行风险传染的影响研究

为研究经济政策不确定性对我国银行风险传染的影响,本文首先根据银行间溢出效应,采用基于LASSO-VAR的广义溢出方差分解模型构建银行风险传染网络,识别银行风险传染网络中的系统重要性银行。其次结合BK溢出指数,从频域的视角探讨经济政策不确定性对我国银行风险传染的影响。最后使用固定效应模型,探究不同经济政策不确定性对我国银行风险传染的影响。研究发现,在受到经济政策不确定性冲击时大型商业银行的节点重要性有所上升,高频时的网络结构更加紧密。对不同经济政策不确定性来说,贸易政策、货币政策不确定性会提高银行风险。研究结果为我国银行业化解经济政策不确定性带来的负面影响具有一定的借鉴意义。

知识图谱视角下我国股票市场风险传染研究

以我国A股上市公司大数据为基础,深入分析上市公司之间的多层网络关联关系,构建上市公司关联知识图谱,进而提出基于个性化PageRank算法的风险随机游走模型,对风险传染过程进行模拟。首先,运用爬虫技术获取上市公司的多维度关联数据,进而通过实体消歧和实体统一处理实现知识的获取和融合,构建A股上市公司的关联知识图谱;其次,运用图论基本原理将关联图谱转化为风险传染图谱,并将个性化PageRank风险随机游走模型引入到风险图谱中,对突发风险事件的传染过程进行高效的可视模拟和预测。本文所构建的知识图谱包含约15万个节点、18万条关系,支持可视化查询、智能化推理和风险传染模拟多重功能,从人工智能视角为金融风险传染这一复杂过程的模拟计算和高效预警提供了新的研究思路和方法,可为金融风险智能监管等研究提供有益参考。

跨金融市场的风险传染和风险对冲:基于高维VAR for VaR模型的研究

金融稳定需要防范和化解金融市场之间的风险传染。与以往文献只是探究两个市场的风险传染不同,本文利用高维VAR for VaR模型将中国的汇市、债市、大宗商品、金融期货和股市等五个金融市场纳入统一框架,分析这5个金融市场在不同状态的风险溢出效应,这有助于捕捉冲击在不同金融市场之间传播而产生的间接影响。Wald检验和后验分析表明5个市场间只在危机或泡沫状态时存在明显的风险溢出效应。同时,本文利用压力测试发现单个市场的短期冲击影响会被其他金融市场如股市消化吸收,但4个金融市场都处于正常状态会明显降低其他金融市场如股市的左尾风险。此外,本文提出利用单个金融市场在同一时点的不同分位数计算每个金融市场在同一时点的预期收益、波动风险和崩盘风险,这种做法的好处在于结果更加稳健以及减轻极端值的影响。在此基础上,本文进一步探究金融市场间是否能够对冲彼此的波动风险和崩盘风险。结果显示大宗商品市场和金融期货市场能够有效地对冲其他金融市场的波动风险和崩盘风险,但汇市、债市和股市无法对冲其他金融市场的波动风险和崩盘风险。

中国金融机构的短期风险传染及长期关联因素动态结构分解——基于DCC-MIDAS模型的证据

探究机构间过度关联是防控系统性风险大面积爆发的关键,但金融机构间不可避免地存在长期关联,同时金融危机会触发机构间短期的风险传染。采用DCC-MIDAS模型,借助动态条件相关系数分解法,在统一框架下研究关联的长期和短期特征。通过短期关联的时变性和持续差异以及长期关联的敏感因素分析,探究中国金融体系在两个结构变化阶段,机构间风险传染范围、持续性以及金融机构间长期关联的宏观和微观特征。研究发现,机构间的冲击传染具有暂时性,随着中国金融机构的多元化,其传染幅度和持续性均有所下降。机构间的规模、杠杆差异能降低机构间的长期关联并间接降低冲击传染幅度,随着中国金融机构市场化程度的增强,长期关联受到市场因素影响程度增加。建议将机构差异化作为风险控制策略的参考因素,并检测和调控市场指标对关联程度的影响,防止机构形成过高的长期关联,以控制未来冲击中可能造成的风险传染。

基于复杂网络的金融科技风险传染研究

金融科技在极大地提升金融服务效率的同时,金融科技风险与传统金融风险相互交叉关联,金融科技风险传染问题备受关注。基于复杂网络视角,采用涵盖不同风险因子的解释变量体系,融合LASSO变量选择构建单指标模型,搭建金融科技风险传染复杂网络,分析金融科技公司、传统金融主体与监管机构之间的风险传染关系。研究发现:(1)金融科技行业是金融市场中风险的主要传播者,证券业、保险与信托业是风险的主要接收者,银行业则承担维持金融系统稳定性的角色;(2)风险的传染沿特定方向进行,并非随机蔓延至整个金融网络;(3)监管当局可以结合当前所处的风险周期,制定阶段性的风险防范策略,优化监管效率。研究有助于厘清金融科技风险传染的具体过程,对复杂金融网络的风险防范有重要意义。

行业视角下上市公司系统违约风险传染效应研究

本文从时域和频域的视角对上市公司行业间系统违约风险传染效应进行研究。结果表明:(1)行业间违约风险的时域和频域总溢出指数呈现出明显的时变特征,频域总溢出指数主要以短期溢出为主。(2)行业间违约风险出现明显的非对称性变化趋势,大部分样本期内是违约率上升推动违约风险的溢出。(3)不同行业在风险溢出过程中扮演不同角色,同一行业的溢出指数比溢入指数波动幅度大。(4)行业间违约风险的溢出网络结构图显示违约溢出存在着产业关联的效应。采矿业、制造业、信息技术行业和房地产行业是违约风险溢出网络中的核心行业。

行业间波动率共同风险分担与特质性风险传染——来自中国股票市场的证据

本文基于2000年1月至2024年5月万得一级行业指数的日度交易数据,借助于广义动态因子模型(GDFM)提取行业波动率共同风险成分和特质性风险成分,分析了行业波动率共同风险和特质性风险的动态变化,进一步揭示了行业共同风险和特质性风险的响应机制。在此基础上,通过方差分解和复杂网络方法分别探讨了行业共同风险分担和特质性风险传染问题。实证结果表明:外部共同因子对各个行业的同质性冲击是股票市场大幅波动的主要原因,各个行业波动率共同风险间的强关联性为共同风险畅通了快速释放渠道;波动率共同风险在全行业的风险分担效应大幅缩短了风险释放周期,而波动率特质性风险往往产生持久性影响,并延长了风险的化解周期;提高行业的异质性水平,大幅降低了行业波动率特质性风险的关联性和溢出效应,有效缓解了股票市场整体波动的跨行业传染。

基于复杂网络理论的行业间风险传染研究

当前我国经济下行压力较大,行业间相互依赖程度高,精准度量并及时预测行业间的风险传递可有效防范系统性风险。本文基于DCC-GARCH模型和广义预测误差方差分解法构造了行业间风险传染网络,并使用SIRS模型对我国31个行业进行了风险传染模拟研究。结果发现:不同行业间的金融风险传染呈现多样化特征,应采取差异化的风险管理策略;行业风险传染网络呈现出无标度特征,高节点度数行业在风险传染过程中具有较大影响力;在网络稳健性检验中,蓄意攻击会对网络产生更大破坏,为增强风险传染网络的韧性,需要强化高度连通节点行业的风险防控;SIRS风险模拟结果显示,在风险传染的过程中应积极采取行业救助措施以促进受影响行业的快速恢复。

教育板块对金融市场风险传染的影响测度

风险测度是投资决策和风险管理过程中至关重要的一环,它有助于投资者更好地理解和管理其投资组合的风险,并最大限度地实现其投资目标。使用GARCH(广义自回归条件异方差)模型与Copula模型对上证指数、沪深300指数以及深证成指数与教育指数的日收益率进行建模。研究结果表明:样本期内,上证指数、沪深300指数以及深证成指数作为综合股票指数,相较于教育指数,其抗风险能力更强;上证指数、沪深300指数以及深证成指数与教育指数间存在明显的双向风险溢出效应且风险传染强度不对称;研究中发现VaR(在险价值)以及CoVaR(条件在险亏损)一般会低估市场的风险和市场的条件风险。

复杂网络下银行–能源企业系统风险传染研究

实体经济企业与金融系统在信贷、贸易等方面存在的关联关系为风险提供了传播渠道。同时,在“双碳”政策的影响下,银行和能源企业面临着转型风险,为探究银行–能源企业系统的风险传染机理,守住不发生系统性风险的底线。本文运用复杂网络的方法,将能源企业间的共股东关联关系和银行与能源企业间的信贷关联结合在一起。通过构建银行–能源企业系统的网络和风险传染模型,实证分析了银行–能源企业系统风险的动态演化规律,研究了该系统平均系统性风险的特点。研究发现,能源企业共股东关联关系是风险的主要传播渠道,能源企业系统承担了绝大部分的系统性风险。在研究银行–能源企业系统的风险时,若忽略能源企业共股东关联关系时,会造成风险的严重低估。

违约风险传染对中资美元债发行定价的影响

在中资美元债市场违约风险持续暴露的背景下,以2010—2022年的中资美元债为研究样本,考察同行业违约情况对中资美元债发行利差的影响。结果显示,债券发行前一年同行业每发生一次违约,则中资美元债发行利差会上升约4个BP;违约未偿金额每上升1亿美元,则中资美元债发行利差会上升约1个BP。影响机制方面,同行业违约情况主要通过提高同行业其他企业的违约风险,从而增加中资美元债发行利差。分样本回归证明,对于原本违约风险更高的企业,比如非国有、非投资级以及无担保的债券,违约风险传染的效应更为显著,同行业违约情况对债券融资成本的影响更大。研究结论不仅丰富了违约风险传染的境外研究视角,也为境内监管部门把握外债风险情况提供了政策启示。

基于复杂网络的中国碳排放权价格风险传染研究

明晰碳价影响因素网络变化,有助于发现中国碳市场现阶段的主要风险源及风险传染特征,对维持碳价稳定与推动经济社会绿色低碳发展有着重大的理论及实践意义。本文基于格兰杰因果检验,构建了含有20个指标的碳价影响因素风险网络。首先通过网络拓扑性质,识别关键性指标,分析网络结构,然后利用k-core算法对网络进行分层分析及传播动力学分析,最后运用最小树形图筛选网络连边,分析指标间的风险传染路径。结果表明:全国碳市场运行后,国际碳价与国外经济形势处于风险网络的核心位置,有着较强的风险传染能力;网络整体风险传染能力减弱,风险传染范围变窄,传染速度变慢;网络的层次变浅,风险更易感知;利率与汇率中介作用显著减弱,而中国大庆原油现货价格有着较强的中介作用。

多重关联下中国省际政府债务风险传染研究

经济发展压力下的地方政府财政缺口和资金需求与日俱增,债务规模不断扩大,随之而来的债务风险问题引起了社会各界的广泛关注。利用2010-2020年中国省级面板数据,基于地理、财政和经济社会关联构建具有不同空间权重矩阵凸组合的动态空间面板模型,在多重关联视角下探究了中国省际政府债务风险的空间传染效应及其效应分解,进一步分析了债务风险传染效应的影响因素及其经济后果。通过构建多个空间权重矩阵的凸组合,可以更全面和准确地刻画地方政府之间可能存在的多重空间互动关系,并在统一研究框架下评估不同风险传染网络的相对重要性。研究发现:中国省际政府债务风险在基于地理、财政和经济社会关联的三类风险传染网络中均存在显著的空间传染效应,且基于财政关联的风险传染网络最为重要;基于最优加权空间权重矩阵进行效应分解,发现多数情况下长期效应明显大于短期效应,直接效应比间接效应更为显著,各省份所接收和输出的债务风险存在显著的非对称性。在此基础上,进一步研究发现,经济越繁荣、地方政府间引资竞争越激烈,中国省际政府债务风险传染效应越弱;其他省份的债务风险会对本省经济发展产生显著的抑制作用。最后,从多角度对防范化解地方政府债务风险和实施科学有效的管控政策提供了针对性建议。

我国金融市场与房地产市场间风险传染效应测度——基于Copula-ARMA-GARCH-CoVaR模型的分析

研究金融市场与房地产市场间风险传染效应,对于优化风险管理措施,防范和抵御系统性风险具有重要意义。本文通过构建Copula-ARMR-GARCH-CoVaR模型,从波动性信息提取、非线性尾部相依结构估计、标准化溢出风险价值计算等方面,测度银行、证券、保险及房地产市场对金融系统以及各自间的风险传染效应。研究发现:各子市场对金融系统都存在明显的风险传染效应,但不同子市场对金融系统的风险传染程度存在差异,房地产市场是最重要的风险传染源,其次是证券市场、商业银行和保险市场;商业银行是最大的风险承受方,最容易受到房地产市场的风险传染;各子市场对房地产市场均有一定程度的风险传染。建议加强房地产企业融资安全性管理;强化银行业逆周期监管;完善金融市场风险预警制度,及时切断风险传染链。

基于预期损失测度的金融市场风险传染效应探究

本文使用波动率加权的历史模拟法计算得到预期损失,以此度量金融市场风险,并通过分位数回归模型对市场间的非对称传染关系进行了定量分析,探究了我国金融市场中债券、股票、货币三个市场之间的风险传染效应及传染机制。继而,结合经济学原理及实际情况对实证研究结果进行了分析,以期为金融监管机构的风险调控提供参考。

新能源汽车企业间信用风险传染效应研究——基于新能源汽车产业供应链

近年来,新能源汽车产业供应链体系发展迅速,其供应链金融模式中信用风险的预防和管控是确保新能源汽车企业平稳发展的关键。选取新能源汽车产业供应链中五家代表性企业,利用KMV模型计算新能源汽车产业供应链上下游这五家企业的违约概率衡量其各自的信用风险,并利用Vine Copula模型构建这五家企业间的风险相依结构,探究企业间的风险传染效应。研究表明:新能源汽车产业供应链上下游企业间存在信用风险传染,且主要集中在中上游企业。同时,宏观环境的冲击会进一步引发新能源汽车产业供应链中企业间信用风险的传染。因此,监管层应特别关注新能源汽车产业供应链中下游企业之间信用风险的传染效应,避免形成供应链系统性风险。此外,政府应加强对新能源汽车行业的监管,防范供应链金融风险;企业间要加强供应链网络的构建,提升企业核心竞争力,以便更好地应对宏观环境的冲击,防范信用风险的形成与传染。

基于风险溢出的股市双层风险传染模型

从风险关联网络视角出发,根据股票节点的风险溢出水平差异对其进行分层处理,提出股市风险双层传染机制,并基于网络异质性结构对传统SIRS模型提出改进,采用风险溢出效率定义感染率参数.最后,以深证300成分股作为样本数据计算模型相关参数,并进行股市极端风险传染演化仿真分析.研究结果表明:双层传染机制下股市风险传导效应更强,少数风险溢出水平较高的股票节点对风险传染的贡献远高于风险溢出水平较低的其他节点,一旦这些企业发生危机,对股市系统的冲击性和影响力都更大.

金融网络结构与风险传染的模型探析

本文针对金融系统中的风险传染问题,借助Eiscnbcrg-Noc模型,构建传染变量来衡量系统中的违约事件,探讨了不同规模冲击下的风险传染效应。研究发现:资产负债率与风险传染发生概率呈正相关关系,同时,当冲击规模较大时,原始节点的债务违约将依次触发其它节点纷纷违约。本文结论表明:第一,在遭受经济冲击或金融危机时,金融系统内存在多重不确定的问题;第二,由于网络结构的高度连接性,单一金融机构的违约可能引发系统性危机。