基于DCC-GARCH-ΔCoVaR模型的碳市场和煤炭市场风险溢出效应研究

基于武汉、广东、深圳碳市场和煤炭市场的收益率数据,运用DCC-GARCH模型刻画碳市场和煤炭市场收益率的非线性相关性,进而基于上述模型得到的参数,运用ΔCoVaR模型测算出碳市场和煤炭市场间的风险溢出效应。结果表明:在碳市场建设初期,碳市场和煤炭市场的风险溢出效应主要表现为煤炭市场对碳市场的单向风险溢出效应。随着市场的不断完善,煤炭市场与碳市场之间会产生双向的风险溢出效应;煤炭市场对武汉碳市场表现为正向的风险溢出效应,对广东和深圳碳市场表现为负向的风险溢出效应。

房地产业与商业银行间风险溢出效应研究--基于DCC-GARCH-CoVaR模型

2020年新冠肺炎疫情的爆发成为我国市场经济发展的巨大阻碍,疫情冲击下,房地产业与银行业作为我国重要行业也受到极大影响,基于此背景,对我国房地产业与三类上市商业银行(国有银行、城市银行、股份制银行)股市风险溢出进行研究,首先构建各收益率序列ARMA-GARCH模型,接着对房地产业与三类商业银行分别拟合DCC-GARCH模型,以此研究两行业的动态相关关系,最后通过该模型计算CoVaR值、ΔCoVaR、%ΔCoVaR值来度量两行业间风险溢出效应强度.实证研究结果表明,疫情爆发前期,房地产业与商业银行间基本为正向动态相关关系,且两者间存在正向风险溢出效应,随着疫情的爆发,两行业间的正向动态相关性显著增强且风险溢出效应也随之增强,均为正向溢出,其中对股份制商业银行影响较大.

股市系统性风险跨区域溢出分析——来自DCC-GJR-Copula-CoVaR模型的经验证据

考虑到股市系统性风险跨区域溢出问题,构建了多元的DCC-GJR-Copula-CoVaR(Dynamic Conditional Corelational,DCC;Glosten Jagannathan Runkle,GJR;Copula;Conditional Value at risk,CoVaR)模型,利用两步极大似然法估计模型参数,将31个省(直辖市、自治区)注册上市公司的股价省级综合指数,按照国家行政区域合并为10大区域市场股价综合指数.研究结果表明:该模型能度量股市系统性风险跨区域溢出的非对称性,而不同区域的风险贡献度差异较大,风险溢出具有地区差异.这为识别区域系统的重要性及防控股市系统性风险跨区域溢出具有重要的实践价值.

互联网金融市场系统性风险度量——基于GARCH-CoVaR模型的分析

文章对互联网金融市场网贷行业七个主要区域市场的系统性风险溢出效应,即区域市场对整个网贷市场的系统性风险贡献度进行了测度和分析。在对每个市场选择最优模型的基础上计算区域市场的CoVaR、ΔCoVaR值。实证分析结果表明,网贷市场收益率具有"尖峰厚尾"特征,存在杠杆效应但不明显;各区域的风险大小存在差异,区域市场对整个网贷市场的系统性风险的贡献度存在较大差异。总体上可以将区域风险分为高中低三个等级,建议高风险区域地方市场监管者加强风险管理,在把握一定尺度合理地控制风险的前提下,促进区域网贷市场健康发展;同时监管者要加强重点区域的风险控制,防范行业的系统性风险爆发,不搞一刀切,促进网贷行业合规发展。

非利息收入对商业银行系统性风险的影响研究——基于风险分解视角

本文使用ΔCoVaR度量商业银行系统性风险,将其分解为尾部风险(alpha)、基本宏观经济和金融因素(beta)和银行间关联性(gamma),进一步研究非利息收入对beta的影响。结果显示:目前非利息收入业务规模较小,适当扩展其规模有利于降低商业银行系统性风险,但会增加基本宏观经济和金融因素风险敞口;此外,手续费及佣金对商业银行ΔCoVaR影响显著。基于此,本文从银行非利息收入规模、业务结构平衡、行业个体差异等方面提出对策建议。

金融市场对银行业系统性风险的溢出效应及渠道识别研究

将银行业纳入到包含金融市场以及银行业在内的金融体系框架下,从金融市场对银行业系统性风险的溢出效应入手,刻画更加内生性的系统性风险。考虑金融市场风险溢出效应构造的银行业系统性风险指标,其风险敏感性更强,能识别出样本期间的三次系统性风险事件,并可以将中国银行业系统性风险分为三个阶段。不同金融市场的溢出效应存在差异性,其中房地产市场和股票市场溢出效应最高,对中国银行业系统性风险贡献最大。根据金融市场溢出效应的解析式进行溢出效应的渠道识别,发现房地产市场、股票市场自身较大的风险以及银行在这些市场的风险承担对系统性风险的溢出效应发挥着关键性作用。最后,为有效防范银行业系统性风险,提出控制风险源波动、加强银行影子业务监控以及进一步完善逆周期监管政策等建议。

基于Copula函数的股票市场风险溢出网络特征研究

为捕捉全球主要股票市场间时变风险溢出的网络结构与特征,识别各国在全球风险溢出中的角色与地位,把握风险溢出的全貌,采用时变Dcc-Garch-Copula-ΔCoVaR模型测度任意两两股票市场间的时变风险溢出,并基于小波多分辨分析提取风险溢出的特征量,构建静态与动态复杂网络进行分析。研究结果发现,时变Dcc-Garch-Copula-ΔCoVaR模型能够较好地捕捉股票市场的风险溢出演化趋势。在全局静态网络中,美国以及部分欧洲地区是风险溢出的中心,欧洲国家的金融风险传染具有明显的非对称性。美国、英国以及中国香港等国家或地区具有“主溢出”效应;中国、新加坡、泰国等发挥“经纪人”作用。动态风险溢出网络的聚类系数与平均路径长度基本呈反向变动,符合小世界特征。

国际间股市的有向尾部风险溢出现象

条件在险价值增量ΔCoVaR是新近提出的一个有向尾部风险溢出度量。本文使用非参数方法计算国际间股市数据的条件矩和ΔCoVaR,并以此来刻画尾部风险溢出现象的特征。结果显示尾部风险溢出有非对称性和地区特征,而且在时间上并不稳定。危机发生时,尾部风险溢出会显著增加。

中国系统性金融风险研究——政策转向与经济复苏

本文借鉴国内外系统性金融风险的学术研究成果,从宏观和微观两个层面度量了中国系统性金融风险的动态变化,并以此为基础讨论中国宏观经济走势与相关政策.最新测算结果表明,2019年上半年中国宏观层面系统性金融风险指标较2018年水平大幅下降,处于历史较低水平,但微观层面指标仍然高企.2018年年中以来的政策转向是近期宏观经济企稳的主要原因,民营企业融资等问题得到部分缓解.但经济周期的滞后效应以及支持民营企业、小微企业融资的政策负担均可能使银行业不良贷款较快显现,构成经济复苏中的潜在风险.我们认为,中国经济同时面对内、外两方面的压力,但主要矛盾还是在内部,解决内部结构性、导向性的问题是抵御外部风险冲击的最有效手段,中长期的经济政策仍必须以改革和开放作为主线.例如进一步确立民营经济的重要地位、构建竞争中性的营商环境等,同时以中短期的宏观周期性宽松政策稳定国内经济走势、对冲外部贸易摩擦的负面影响,为正处于关键期、攻坚期的改革和开放赢得足够的时间窗口.

沪深股市和香港股市的风险溢出效应研究——基于时变ΔCoVaR模型的分析

本文基于时变ΔCoVaR模型,对2006年11月至2018年12月间沪深股市和香港股市的尾部风险溢出效应进行了估算.研究发现:1)沪深股市与香港股市之间存在着双向风险溢出效应,且溢出效应均为正;2)香港股市对沪深股市的风险溢出效应强于沪深股市对香港股市的风险溢出效应;3)深市和香港股市之间的风险溢出效应的波动幅度大于沪市和香港股市之间的风险溢出效应的波动幅度;4)沪港通和深港通的开通并没有显著增加香港股市与沪深股市之间的双向风险外溢程度.

中国国债期货市场与现货市场的风险溢出效应研究

国债作为金融市场的重要构成部分,为中国的经济发展提供了重要的融资功能。同时,国债期货与现货之间相互影响,当一个市场出现风险时,可能会影响到另一个市场。鉴于此,文章利用GARCH-CoVaR模型计算出国内国债期货与现货市场之间的风险传递值%ΔCoVaR,并进一步说明能否运用利用该关系降低投资风险,从而为投资者提供投资建议。

中国资本市场系统性风险——基于个股的风险联动

从系统性关联视角出发,本文对我国资本市场上个股与市场整体之间的系统性关联风险水平进行了测算(ΔCo Va R),并运用动态潜在因子模型探究了个股系统性风险的联动特征。本文的主要结论如下:(1)同市场涨跌之间具有较强时序相关性的板块及个股,其ΔCo Va R序列具有明显的风险联动趋势;(2)随着样本中股票年龄的增加,个股的系统性风险从"争鸣"转变为"趋同",具体体现为风险联动趋势中市场总体性的联动不断增强,板块联动性以及个股特质因素不断减弱。相关结论为我国证券业监管者提升资本市场风险监管水平和管理者实现有效风险管理提供了经验证据和政策支持。