群体分析视角下商业银行对金融体系的风险溢出效应研究

本文基于异质市场假说和高频数据,利用高频数据采样频率高及富含波动信息的特点,构造了多银行和系统间多元联合分布过程,并将银行间的动态联系纳入考虑,构建了具有经济意义、形式灵活的高频动态多条件Co VaR模型及基于此的群体性系统性风险贡献指标。从群体分析视角出发,研究了不同商业银行群体对金融体系的风险溢出效应。结果显示:就系统性风险贡献度而言,该模型准确刻画了近年不同时期下我国三类商业银行系统性风险贡献度的时变特征,其表现为在次贷危机及欧债危机、我国"钱荒"时期及股票市场异常动荡时期,由风险的传染性等特征导致的三类商业银行的系统性风险贡献度均有所上升,而在其他时期则相对平稳;就单个银行对系统的风险溢出影响而言,工商银行的风险溢出比率最大,这与其庞大的资产规模以及在金融体系中的重要地位与作用密不可分;对同类型银行群体风险冲击的研究表明,国有商业银行类的系统性风险溢出比率值最高,其次为股份制商业银行类,该两类的溢出比率相差无几,均远大于城市商业银行类,表明股份制商业银行对金融系统的风险溢出影响不可小觑;当剖析不同类型银行群体时,此模型同样适用。本文所构建的模型能够实现多个银行对金融系统极端风险贡献的度量,可为监管部门的分类监管及有限能力下银行救助顺序的确定提供一定参考依据。

基于HAC-广义多维CoES模型的股票市场风险溢出研究

为了精确测度多重金融风险溢出效应,本文在多维CoVaR方法的基础上提出能够度量整个尾部预期损失的广义多维CoES方法,并基于分层阿基米德Copula(HAC)给出了广义多维CoES的计算公式.基于HAC-广义多维CoES模型对中国、美国、中国香港股票市场间风险溢出效应的实证研究表明:美国与中国香港的股票市场对中国股票市场的风险溢出存在显著的叠加效应,失败率检验结果显示广义多维CoES相对于多维CoVaR具有更高的准确性;广义多维CoES的动态走势显示中国股票市场受到美国股市与中国香港股市的多重风险溢出效应,呈现顺周期性;稳健性检验结果显示,基于HAC模型度量广义多维CoES的计算方法具有较好的稳健性.HAC-广义多维CoES模型为监管者和投资者识别多个金融市场之间可能存在的风险溢出叠加效应提供了有效的实践应用工具.