股市网络拓扑结构与系统性风险贡献度:基于VaR风险网络模型

股市的系统性风险是极端波动不断累积变化的过程,本文首次应用VaR模型构建股市风险网络,并从风险网络演化的视角研究中国股市的系统性风险贡献度,选取中国股市2008年和2015年极端波动时期,应用动态面板回归模型分析风险网络结构指标与系统性风险贡献度间的关系。结果显示:沪深股市风险网络具有无标度性;股票市场极端波动行情的出现与系统性风险的累积具有相关关系;2015年股市波动冲击比2008年金融危机冲击对风险网络的破坏更大;在股票风险网络中节点的度、接近中心性、点强度等网络结构指标与系统性风险溢出值呈显著的负相关关系,即与系统性风险贡献度正相关。为准确把握对股市的系统性风险起重要作用的机构,及防控系统性风险在整个股市网络中的传播具有重要意义。

商业银行系统性风险贡献度的相关性研究——基于Copula函数的实证分析

在测度上市商业银行ΔCoVaR、MES和CES的基础上,使用Copula函数分析商业银行之间系统性风险贡献度的相关性。结果显示:上市商业银行系统性风险贡献度之间的相关系数非常高;单家商业银行系统性风险贡献度快速上升会导致银行系统性风险的增加,同时银行系统陷入困境对单家商业银行的影响较大;国有大型商业银行与其他商业银行相关系数的平均值并没有显著高于股份制商业银行和城市商业银行。系统性风险监管需要关注商业银行之间系统性风险贡献度的相关性,进而制定系统重要性金融机构管理框架。

宏观审慎政策有效性分析——基于银行系统性风险贡献度视角

宏观审慎政策作为稳定金融系统的重要手段,在我国实践年份较长,但具体政策效果还有待探究。该文使用我国16家上市银行2012—2019年数据,构建反映银行系统性风险贡献度的指标,然后使用系统GMM分析宏观审慎政策在抑制银行系统性风险贡献度方面的效果。研究结果显示宏观审慎政策的整体实施能有效抑制银行系统性风险贡献度,实施效果与政策力度正相关。此外,宏观经济环境和银行自身变量也会对银行系统性风险贡献度产生差异化影响,进一步研究还显示,实施逆周期宏观审慎政策有利于降低经济周期变化带来的系统性风险波动,平滑经济周期。因此宏观审慎政策应以逆周期实施为主,并对国有五大行进行特别关注,必要时可对商业银行自身指标提出要求。

非利息收入对商业银行系统性风险贡献度的影响——基于中国上市银行的经验证据

本文基于2008-2015年中国上市银行季度数据,实证分析非利息收入对单个银行系统性风险贡献度的影响。研究表明:(1)非利息收入对系统性风险贡献度呈显著负向影响,且依赖于银行规模:大规模银行非利息收入增加会降低系统性风险贡献;小规模银行则提高风险贡献度。(2)资本充足率的提高会降低系统性风险贡献度对非利息收入的敏感性,而手续费及佣金收入的影响作用取决于资本结构:资本充足率高时呈正向关系,低时呈负向关系。(3)逆周期监管实施与否是非对称效应形成的重要原因。因此,应对异质银行实行差别监管,落实逆周期监管,降低商业银行系统性风险贡献。

中国宏观审慎监管有效性检验——基于商业银行系统性风险贡献度视角

本文以中国上市商业银行为样本,测度国际主流的系统性风险贡献度指标,并使用国际货币基金组织的调研数据所生成的代表中国宏观审慎监管实施概况的MPI指标进行实证分析。研究结论表明,中国宏观审慎监管工具能够显著降低商业银行系统性风险贡献度,中国宏观审慎监管在经济处在上升阶段时效果更为显著,且宏观审慎监管作用于国有大型商业银行的效果不会比其他类型商业银行的效果差。

中国金融机构的系统性风险贡献度研究

当前金融机构之间的关联越来越紧密,极易诱发系统性风险。基于2012—2016年中国金融市场数据,本文采用两步分位数回归、LASSO技术和复杂网络理论来研究金融机构的系统性风险贡献度。研究发现,影响金融机构在险价值(VaR)的关键因子为其他机构滞后一期的损失超出量,即机构之间的相互关联性;可以运用系统性风险贡献度动态识别和度量系统重要性,其中相互关联性发挥主要作用,且比规模更加重要,结果显示银行业最具系统重要性。本文发展的方法对于有效地防范与监管系统性风险具有重要的应用价值。

中国上市银行系统性风险贡献及其影响因素研究——基于MES-SRISK方法

本文结合市场数据和资产负债表数据,运用 MES-SRISK模型测算了2012-2016年我国上市银行的系统性风险贡献度,并就影响系统性风险贡献度的因素进行了实证研究。结果表明:国有商业银行的系统性风险贡献度显著高于股份制银行和城市商业银行;股份制银行对系统性风险的贡献在逐年增大;银行资产规模、杠杆率以及不良贷款率与系统性风险贡献度呈现出正向关系,而资产回报率、资本充足率以及市值与股东权益比率的提升会降低系统性风险贡献度。

基于MES测度我国银行业系统性风险

本文基于我国14家上市银行2007年10月7日至2012年5月31日的数据,运用边际期望损失(MES)方法,度量了我国银行业系统性风险贡献度,并在建立面板数据回归模型的基础上,探究了银行业系统性风险贡献度的影响因素。实证结果表明:2008年1月至2008年12月美国金融危机爆发期间,我国上市银行系统性风险明显高于平常时期,MES方法度量的结果比较符合实际情况;此外,无论是危机期间还是危机之后,我国大型国有商业银行的系统性风险贡献度都很小,而规模较小的股份制商业银行的系统性风险贡献度相对较大;通常,高风险银行的系统性风险贡献度也大。

我国上市商业银行系统性风险测度

基于CoVaR方法,通过分位数回归模型,对中国16家上市商业银行系统性风险贡献度进行测度。测度结果表明:相比于VaR及CoVaR方法,ΔCoVaR及%CoVaR是衡量边际风险贡献度更好的指标;工商银行的VaR值较低但其相对系统性风险贡献度居首位;一些银行自身发展迅速但也增加了中国银行业的系统性风险。

系统性风险会约束商业银行信贷供给吗?

本文主要研究系统性风险贡献度如何影响商业银行的信贷供给。本文使用固定效应面板回归模型,以中国上市商业银行为研究样本进行实证分析。结果表明,当金融体系处于正常状态下时,商业银行系统性风险贡献度的增加不会影响其向实体经济输出信贷的功能,但是在极端状况下,系统性风险贡献度越高的商业银行是向实体经济输送信贷越多的银行,因此其应该是受到系统性风险影响大的商业银行,在风险增加时其对实体经济信贷输出会显著的下降。分类别来看,当金融体系正常运行时,商业银行系统性风险贡献度的增加能够降低房地产贷款的发放;但在极端情况时,商业银行系统性风险增加会降低个人住房抵押贷款的发放,而增加房地产行业的贷款,从而有增加银行体系风险的可能。同时,本文实证分析表明,在极端情况时,对商业银行风险贡献越大的商业银行,其短期贷款发放的越多,商业银行消费贷款发放的也越多。

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。

商业银行利率衍生工具使用:对冲风险还是赚取利润?

实证研究商业银行利率衍生工具使用动机,经面板变系数回归分析发现:第一,3个月期限内,商业银行因在利率走势预测方面具有优势,会倾向于使用利率衍生工具作盈利交易;第二,3个月期限以上,商业银行倾向于使用利率衍生工具对冲中长期利率风险;第三,商业银行使用利率衍生工具的动机存在个体异质性;第四,商业银行使用利率衍生工具能降低自身系统性风险的贡献度。

究竟哪家商业银行风险高

本文使用了主成分分析法,将基于五类指标计算出的综合风险指标汇总,并对影响指标值大小的因素进行实证分析。实证结果发现:股份制商业银行(比如华夏银行、光大银行)整体风险贡献度较高,甚至高于国有大型商业银行,城市商业银行风险贡献度最低。此外,面板模型实证结果表明:规模大、资本充足率低、存贷比高和流动性覆盖率高的商业银行,风险程度较高。