我国商业银行系统性风险评估与实证研究——基于预期期望损失方法测度

文章对我国商业银行系统性风险进行评估,采用系统性预期期望损失和边际预期期望损失两个测度变量,以此作为系统重要性指数,通过预期期望损失方法利用我国14家上市商业银行的面板数据评估我国商业银行系统性风险水平。实证结果表明:虽然国有银行系统重要性虽然占据主要地位,但系统性风险贡献排名却远低于其他商业银行,主要原因是国有银行的现金流更稳定,加上政府隐性担保及政策优惠对弱化系统性风险贡献度有很大帮助。另外我国中小城市商业银行更有可能带来系统性风险,因为股份制商业银行资产总规模虽然相对较小,但资产扩张速度过快、盈利大幅波动、资本充足率低且负债率较高,相比较国有银行更需要得到监管部门的重点监管。

我国金融机构系统性风险测度——基于DGC-GARCH模型的研究

本文利用DCC-GARCH模型及随机模拟法对我国金融机构的系统性风险②进行了测度,并基于此进一步分析了我国金融机构系统性风险的影响因素。研究结果表明:其一,我国金融机构受国际金融危机影响波动剧烈,三个部门的波动率保持稳定关系,其中证券公司的波动率最大,保险公司居中,商业银行最小;其二,我国金融机构的动态相关性在危机期间波动剧烈,整个样本期间相关性水平较高,凸显系统性风险隐患;其三,边际期望损失由波动率决定,其排序与波动率排序相同;其四,部分大型商业银行具有最高的系统性风险及系统重要性,大部分股份制商业银行系统性风险水平较高,城市商业银行系统性风险水平较低,证券公司和保险公司系统性风险水平最低;其五,系统性风险水平由资产规模、杠杆率及边际期望损失决定,且与这三个因素成正相关,在本文金融机构系统性风险的定义下,我国金融机构系统性风险水平的差异主要源于它们的杠杆率差异。

基于GAS-混合Copula模型的不同行业系统性风险研究

金融危机后,对系统性风险的度量、预测和监管受到理论界和实践界的广泛关注。基于2012—2018年沪深300成分股36家上市公司的数据,构建广义自回归得分(GAS)—混合Copula模型度量其边际期望损失(MES),分析行业系统性风险贡献。研究表明:除金融业个股,其他行业个股与市场的下尾相依性大于上尾;个股系统性风险贡献取决于其所属行业,同行业个股系统性风险贡献度相近;银行业系统性风险贡献最小,券商和房地产行业风险贡献最大;市场下跌期,金融业个股MES值波动小于其他行业。

金融机构系统重要性评估方法比较与应用研究

本文比较了MES、SRISK和CES三种金融机构系统重要性评估方法的有效性和适用性,并评估了中国上市金融机构系统重要性。研究表明在均使用公开市场数据进行分析的条件下,MES和CES指标时效性较好;SRISK对于综合规模、杠杆率等信息的评估结果更可靠,时效性略差;SRISK和CES样本外预测效果较好。本文以SRISK指数为基础,参考MES和CES指标,按系统重要性将中国金融机构分为三大类,商业银行贡献了系统性风险的绝大部分,保险公司系统重要性有上升趋势。本文还发现样本期内金融机构系统重要性是动态变化的,具有明显周期性特征,系统性风险集中在少数金融机构。监管机构需要保持动态监测,加强金融机构宏观审慎监管。

宏观审慎监管与商业银行系统性风险——基于16家上市商业银行的实证分析

本文基于2009—2018年我国16家商业银行的相关数据,通过建立动态面板模型,实证分析了宏观审慎监管对商业银行系统性风险的影响。研究结果表明:实施宏观审慎监管能在一定程度上降低商业银行系统性风险,但不同政策工具对商业银行系统性风险的影响存在差异;更高的资本充足率、拨备覆盖率和贷款损失准备充足率对商业银行系统性风险有明显的遏制作用,而流动性比例对商业银行系统性风险的影响效应不明显;宏观审慎监管工具对国有商业银行系统性风险的遏制作用明显大于其他银行。

新产品的投资决策

新产品的投资决策钱锦华企业为了在市场竞争中生存和发展，新产品的开发显得尤为重要。新产品的开发如何求得最大限度的利润，即最佳的经济效益，其中有一个正确决策的问题。决策方法的选择，需视我们对问题的未来发生情况了解程度而定。决策问题通常有确定型、风险型和非...

基于动态权重-混合Copula的行业系统性风险度量

文章采用2010—2019年沪深300指数和申万一级行业指数数据,基于GAS构建动态权重-混合Copula模型,分析各行业与市场尾部相依性,并基于边际期望损失(MES)探究各行业的系统性风险贡献。实证结果表明:农林牧渔、非银金融等行业尾部相依性较小,房地产、家用电器等行业指数的尾部相依性较大;银行业系统性风险贡献最小,建筑材料行业最大;在2015年"股灾"期间,房地产、采掘等行业指数与市场指数的尾部相依性上升,国防军工、化工行业的风险贡献度增加最为明显。

商业银行规模和收入结构对系统性风险的影响研究

2008年的国际金融危机表明,亟需找出从宏观审慎监管角度测度系统性风险的方法,而长期边际期望损失(LRMES)方法能测度单体银行的系统性风险贡献度。本文基于2008年1月2日至2018年3月31日中国14家上市商业银行日收益率数据,运用LRMES方法度量中国上市商业银行对系统性风险贡献度,并用各银行季度LRMES与规模和收入结构等变量建立面板数据模型。实证表明,LRMES比较符合中国银行业的实际情况。扩大银行资产规模可降低系统性风险,而非利息收入业务及其规模增速扩大则增加了系统性风险;规模和收入结构之间相互作用能降低系统性风险。此外,在进一步考察规模和收入结构之间相互作用时发现,资产规模在某个临界值以下的小银行,开展非利息收入业务会提高系统性风险;而在该临界值以上的大银行,开展非利息收入业务则能降低系统性风险。

我国上市银行系统性风险度量实证研究

金融危机爆发后,系统性金融风险问题逐渐突显、亟待解决。文章基于我国14家上市银行2008~2015年的相关数据,采用MES边际期望损失法研究了我国上市银行系统性风险的贡献问题。通过实证分析,结果表明:首先,单个银行的系统性风险贡献存在显著差异,大型股份制商业银行风险贡献最小,股份制商业银行风险贡献最大;其次,系统性风险贡献与某些银行特征变量密切相关,在险价值和杠杆率对系统风险贡献有显著正影响,银行规模对系统风险贡献有显著负影响;最后,通过单个银行系统风险贡献构建的上市银行整体系统性风险预警指标及其门限阈值可作为早期风险预警之用。

行业系统性风险的动态特征及其影响因素

现代经济主体间网络关联性越来越强,风险很容易在不同行业间扩散,因此有效识别并分析系统性风险是防范金融危机的关键步骤。基于条件风险价值(CoVaR)和边际期望损失(MES)两个指标,对巨潮行业指数系统性风险的静态和动态特征进行了研究。结果发现,各行业间系统性风险的相关性较强,动态特征显示2009年年初和2016年3月为系统性风险的两个峰值;从分行业来看,材料行业的系统性风险最高,而消费和医药行业的系统性风险最低。采用动态面板模型分析影响行业系统性风险的市场面因素发现,短期涨幅较高、长期涨幅较低及流动性较充分的行业,其系统性风险往往更低。因此,应加强对系统性风险较高行业的监管力度,建立好金融防火墙,防止外部金融风险的过度传染;同时应加强对各行业的实时监控,尤其是关注短期暴涨暴跌及流动性充分与否的监控。

中国上市金融机构系统性风险度量方法比较研究

本文采用条件在险值CoVaR、边际期望损失MES、金融巨灾风险指标Catfin、SRISK、中国CISS指数,研究了我国44家上市金融机构的系统性金融风险溢出效应及不同时段的演变特征,并比较五种系统性金融风险测度指标在我国的适用性。研究发现:(1)银行、保险和证券的MES和SRISK依次递增;证券、保险和银行的CoVaR依次递增;保险、证券和银行的Catfin依次递减;不同度量方法得到的结果有一定的差异。(2)CoVaR、MES、Catfin和中国CISS具有明显的周期性,其在危机时期风险较高,危机过后呈现向下趋势。(3)中国SRISK自金融危机以来一直呈上升趋势,且银行积累的风险比任何其他金融机构都多。总体来看,一旦发生严重金融危机,银行可能承受最大的资本缺口,而证券公司将承受更大比例的短期损失,从而面临更高的风险。

基于MES频谱数据异常贡献度估计与后验分析

近些年,基于大数据分析模型的风险度量和控制方法研究变得越来越重要,而风险度量模型的后验分析研究能够保障和检验所用分析技术在实际数据分析中的有效性。边际期望损失(MES)作为度量个体对系统性风险的边际贡献的重要工具,其后验分析也是一个值得关注的问题。本文将C.Acerbi等提出的关于ES的后验分析方法进行二维变量下的延伸,提出2个新的对于MES的统计量。模拟实验的结果表明,在原假设分布和备择假设分布相差相对较小的情况下,2个统计量的统计功效均大于D.Banulescu等采用的统计量。实证分析的结果也表明,对于同样的预测结果,文中新提出的统计量在原假设的接受程度上相对更为谨慎。该方法对于大数据模型算法的后验分析具有一定的理论借鉴意义。

我国上市银行系统性风险测度研究

本文基于边际期望损失和SRISK指标去探讨我国上市银行的系统性风险。本文选取了我国16家上市银行2013年的日度收益率数据和其他相关数据进行分析,得到了这16家银行的基于边际期望损失的排名和基于SRISK指标的排名。结果显示大型国有商业银行系统性风险贡献度比较低,但是总的风险比较高,小型股份制银行则相反。

基于MES测度的我国金融机构系统性风险研究

随着国际金融危机的发生,金融监管机构更加重视金融系统性风险的宏观审慎监管。本文采取2008年1月—2019年2月我国25家金融机构的MES(边际期望损失)作为衡量金融机构系统性风险贡献度的指标,包括14家商业银行,3家保险公司和8家证券公司,并运用DCC-GARCH模型进行风险方差和相关系数的度量,使其对于金融机构系统性风险的测量更加准确,最终得到各金融机构的MES排名和三大机构的比较结果。

中国上市金融机构的系统重要性评估

本文采用“系统性风险指标法”(SRISK),测度我国各金融子行业中42家上市金融机构的系统重要性,识别结果表明,银行业是系统性金融风险的主要来源,尤其是国有五大银行,监管当局应当对其严格管控。SRISK方法综合考虑规模、杠杆率以及关联性等重要因素,确保了评估结果的可靠性;并且是基于高频的市场数据计算得到的指标,时效性好,因此监管部门可使用该方法实时监测金融机构的系统重要性,确保风险防控的有效性、前瞻性。

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

系统重要性金融机构的识别与监管是宏观审慎监管的重要内容,但国内外一直缺乏有效的方法。本文借鉴Brownlees and Engle(201 1)提出的系统性风险指数SRISK方法,在适当改进的基础上,计算了我国34家已上市金融机构的资本短缺程度。在此基础上,本文提出了界定系统重要性金融机构的标准,确定了系统重要性金融机构的名单。本文还发现商业银行与保险公司的实际杠杆率都要明显大于其适用杠杆率,因此监管部门有必要在对系统重要性金融机构实施最低资本充足率监管的同时,加强其审慎杠杆率的监管。

我国上市金融机构系统性风险溢出研究——基于CoVaR和MES的比较分析

基于"自下而上"和"自上而下"两种视角,采用条件风险价值Co Va R和边际期望损失MES,研究了我国23家上市金融机构的系统性风险溢出效应及其时变特征。结果表明:(1)证券公司、保险公司和商业银行的MES均值依次递减,证券公司和保险公司单位资产的系统性风险贡献度高于商业银行;在银行部门内,股份制商业银行和城市商业银行的MES值高于大型国有商业银行。(2)商业银行、保险公司和证券公司的△Co Va R均值依次递减,从单个金融机构总的系统性风险贡献度来看,商业银行和保险公司对整个金融系统的风险溢出高于证券公司;而且,股份制商业银行对系统性的风险溢出高于大型国有商业银行。(3)我国金融机构系统性风险具有明显的周期性,危机期间较高,危机后具有明显的向下趋势;后危机时代,银行同业业务提高了金融机构之间的关联性,2013年我国系统性风险水平有所提高。这些研究结论对于我国宏观审慎监管框架的构建以及宏观审慎政策的实施提供了有益的参考。

大规模高纬度金融资产的系统风险测量——基于动态条件异方差潜在因子模型的视角

从大量的金融资产中提取出的系统风险比基于β系数的单变量方法更为有效,但资产规模的增加会导致"纬数灾难"等问题,难以获得准确估计。本文在将金融资产收益分为公共系统因素和个体特质因素基础上,提出用具有条件异方差形式的动态潜在因子模型(CHDL)估计和预测动态系统因素,用非参数核密度估计系统下跌时的边际期望损失(MES)。本文利用上海证券市场180只样本股进行实证分析,通过IC和Onat检验发现个股和各板块存在显著的系统因子;利用CHDL模型对个股和各板块的系统因子和资产未来收益进行估计和预测,在此基础上计算边际期望损失。Mincer-Zarnowitz回归最优检验法表明,CHDL模型计算的系统风险比常用的市场指数模型具有更高的准确性。

我国金融机构系统性风险度量与外溢效应研究

为研究系统性风险在金融系统内的传染情况,本文首先根据金融机构间相互关联的信息溢出效应,采用方差分解网络方法对我国上市金融机构建立信息溢出网络,甄别出金融网络风险传染中的系统重要性金融机构。考虑到金融资产收益率的随机波动特性,以及金融变量间的动态相关性,计算了我国金融系统性风险测度指标条件风险价值和边际期望损失,以研究金融系统的风险溢出效应以及时变特征。并从宏观经济层面(同业拆借利率和通胀率水平)、公司层面(杠杆水平和盈利能力)以及网络关联程度层面考察了系统性风险外溢因子的驱动因素。进而,采用机器学习方法考察风险外溢因子驱动因素对系统性风险的预警程度,并使用Logit模型对系统性危机状况进行预警。实证研究采用包括银行、证券、保险和信托公司的上市金融机构市场数据展开,发现股份制商业银行在金融风险传染中的影响力要大于国有商业银行,大型国有商业银行在系统性风险上升时期反而会起到稳定器的作用。我国银行业和非银行业与整体金融系统的违约风险相关性较高,非银行机构对其他金融机构的风险溢出效应强于银行业,系统性风险具有明显的周期性。对系统性风险驱动因素进行分析发现,通货膨胀水平和债务杠杆水平会明显地助长系统性风险的外溢。银行同业拆借成本和金融机构盈利能力负作用于系统性风险外溢指标。金融机构间信息溢出网络紧密度增加会推高整体系统性风险水平。为保持金融市场的稳定安全,宏观审慎风险防范机制应考虑"太关联而不能倒"的监管理念,加大对民营银行、中小型银行的支持力度,进行差异化监管。同时,所选取指标为构建宏观审慎系统性风险预警体系提供了参考依据。

电力市场下的虚拟电厂风险厌恶模型与利益分配方法

虚拟电厂(virtual power plant,VPP)技术是解决可再生能源并网,帮助柔性负荷和电动汽车等需求侧资源参与电力市场交易的有效途径。文章分析了虚拟电厂中各成员特性和权责,拟定了虚拟电厂运营商对各成员基于价格弹性的调用合同,设计了包含主能量和辅助服务的日前实时两阶段电力市场交易流程。基于条件风险价值(conditional value at risk,CVaR)建立虚拟电厂风险厌恶模型,文章定量分析了市场交易下各成员的夏普利值和边际期望损失(marginal expected shortfall,MES),并据此给出虚拟电厂内部利益分配方法。算例说明了虚拟电厂能照顾各方利益,并定量分析了不同市场策略下的风险效益,其结果证明了所提方法的有效性。