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。

极端市场条件下我国金融体系系统性风险度量

在中国金融体制深化改革过程中,实时监测金融体系系统性风险的来源和累积过程非常必要。本文基于EVT-GARCH-Co VaR模型,利用2008—2013年股票市场数据,对极端市场条件下银行业、证券业和保险业内单个金融机构对中国金融体系系统性风险的贡献及其随时间变动的趋势进行了动态测算。主要研究结论包括:1国有商业银行引致的系统性风险最大,证券公司最小,股份制商业银行和保险公司介于二者之间;2研究期内所有金融机构对系统性风险的贡献都有上升,尤其是国有商业银行,但金融风险在证券、保险和银行业间的传染效应还比较微弱;3工行、中行、建行和人寿保险具有显著的系统重要性,应进行全面综合监管。其他金融机构需按微观审慎原则加强其自身风险管理。

系统重要性银行的识别———基于分位数回归静态CoVaR模型

本文通过研究国内外系统重要性银行的定义和识别方法发现,在不同的测度方法下(指标法和模型法)识别出的系统重要性银行名单存在适度差异,且对于系统重要性银行风险溢出测度的研究大多局限于单一的金融因素。因此,文章运用分位数回归静态CoVaR模型识别出现阶段上市银行中系统性风险测度并进行排名,进而筛选出我国的系统重要性银行。以期更好地对系统重要性银行进行差异化监管,进而健全我国宏观审慎监管框架。