基于动态CRITIC赋权的中国金融压力指数构建与金融风险识别

合理测度和准确识别金融市场风险,对于稳定经济、有效防范金融风险意义重大。依据中国金融市场特征,本文采用动态CRITIC法计算权重并建立金融压力指数测度模型,通过非参数统计核密度法和B-N数据分解法对金融压力指数的分布和金融风险状态进行估计与识别,采用马尔科夫区制转换模型检验高低风险转换概率,并与基于确定项进行识别的结果进行对比分析。研究表明:基于动态CRITIC赋权的金融压力指数更能反映金融市场的极端值和金融风险,随机冲击是影响我国金融压力指数的重要因素,两种金融风险识别方法均可识别金融风险状态且各有优势,研究中可以互为补充。今后应建立更加完善的风险测度指标体系,进一步完善监管制度,加强对金融风险的宏观审慎管理和防范。

系统性金融风险的监测与预警研究——基于中国金融压力指数视角

本文从我国金融体系中占据主导地位的六大金融子市场出发,基于多层因子模型构建出我国金融压力指数(FSI),借助谱分析方法研究FSI与宏观经济的关联性特征。建立马尔可夫区制转换模型,研究在不同区制下,我国金融压力影响宏观经济的异质性特征。研究发现:(1)本文构建的FSI能够较好反映出研究期内不同阶段的压力事件,基本与我国金融体系的实际运行情况相吻合;(2) FSI与宏观经济变量的变动周期大致相似,在长周期上的波动具有较强的相关性和监测性;(3)通过建立MSMH (3)-VAR (1)模型发现,样本区间呈现三区制状态特征,具有“惯性”和“棘轮效应”特点,其中“中压力、经济扩张阶段”状态的平均持续期最长,且在不同区制下,FSI对宏观经济变量均表现出显著的非线性效应。FSI为我国金融体系的风险识别提供了科学的依据,为系统性金融风险的监测、评估及预警提供强有力工具。

中国金融压力指数的测度——基于AHM-EWM-GM(1,N)耦合下中国金融压力指数的测度

当前,全球金融市场动荡不安,我国经济的发展进入新的历史阶段,中央在多次会议上提出“靠靠守住不发生系统性金融风险的底线”,因此建立风险测度、预警和防范机制至关重要。本文从银行市场,宏观金融,债券与保险市场,股票市场,外部市场,房地产市场6个金融子市场方面选取指标,基于AHM (Attribute Hierarchy Model)-EWM (Entropy Weight Method)模型,构建中国金融压力指数,并利用GM(1,N)模型进行检验。研究结果表明:AHM (Attribute Hierarchy Model)-EWM (Entropy Weight Method)模型可以较好拟合中国金融市场压力值并能较好地对风险进行拟合;同时表明银行市场和股票市场对我国金融系统的风险贡献最大,监管部门要继续加强对子市场的监管。

中国金融市场间的风险溢出效应研究——基于金融压力指数的分析

合理有效的金融压力指数已成为衡量金融市场稳定的重要工具,有助于研究金融风险的跨市场溢出及传导。文章从我国五个金融子市场选取共计16个金融变量构建各市场金融压力指数,并采用MS-VAR模型对指数有效性进行评估,在此基础上,运用TVP-VAR-DY溢出指数模型,基于信息溢出的视角分析了我国金融市场间的风险溢出及其时变特征。结果表明,文章构建的金融压力指数总体走势符合实际,能捕捉重大压力事件对我国金融市场的系统性影响;我国金融市场之间存在适度的相互依赖,风险流动较为顺畅,风险溢出受危机事件等不确定性冲击的影响较大,其中货币市场对外溢出风险最强,股票市场被动接受风险的能力最强,不同金融发展时期风险溢出的净传递者和净接受者也不同。

中国金融压力指数的构建及动态传导效应研究

本文选取2007年1月4日至2015年9月30日银行、股票、债券和外汇市场相关指标的日度数据,采用因子分析法首次构建了日度的中国金融压力指数(CFSI),该指数不仅可以准确测度我国金融系统的风险压力情况,为实时监测金融风险提供量化工具,还能用于研究金融压力对宏观经济的动态传导效应,为政策制定者有针对性地制定不同金融压力时期的宏观经济政策提供参考。通过对CFSI建立MS-VAR模型发现,我国金融压力有明显的两区制特征,样本区间内CFSI大多时间处于平稳下降区制,而处于上升区制的时间段则与国内外的一些重大金融压力事件相吻合,说明CFSI的走势能够准确地反映我国的金融压力情况。随后本文选取2007年1月至2015年9月CFSI、CPI、工业增加值增长率和银行间同业拆借利率的月度数据,首次建立TVP-VAR模型研究了CFSI对物价水平、经济增长和利率水平的动态传导效应。模型通过了稳定性检验,结果表明:(1)CFSI对物价水平的影响以负向为主,并且不同区制下的影响程度有所不同,CFSI在上升区制内对CPI负向影响的强度较高,在平稳下降区制内负向影响的强度较低。(2)CFSI在不同区制内对经济增长均有明显的负向影响,但影响程度有所不同,CFSI在上升区制内对经济增长负向影响的强度较高,在平稳下降区制内负向影响的强度较低。(3)CFSI在不同区制内对利率水平会产生不同的影响,CFSI在平稳下降区制内对利率会产生持续的正向影响,短期内影响较强,中长期内影响不断减弱;而在上升区制内,CFSI短期会对利率产生正向影响,中长期内则转变为持续的负向影响。

基于金融压力指数的金融系统性风险的测度

文章介绍了一种新的金融系统性风险测度方法—金融压力指数法,并在前人研究的基础上结合中国的现实情况构建了能实时显示中国金融系统性风险状态的中国金融压力指数。该压力指数的实证结果显示中国在2008年4～12月处在金融系统性风险较大时期,且2008年10月是2002年以来中国金融系统性风险达到最大的时期。该结果能较好的拟合2002～2009年中国金融的现实状况。因此,该指数将为我国金融系统性风险监测提供有用的工具。

金融压力指数与工业一致合成指数的动态关联研究

本文依据有代表性的金融指标的结构化特点,构建具有时效性的金融压力指数以识别中国金融体系的压力性;运用马尔可夫区制转移模型(MS-VAR)研究中国金融体系压力的区制特征,并利用Granger线性与非线性因果检验分析金融压力与工业一致合成指数的增长关系。研究表明,2008年以来,中国金融压力较高;中国金融压力从高区制状态返回到低区制状态需要较长时间;金融压力指数对一致合成指数有显著的线性和非线性Granger影响,反之却不成立。对金融压力指数进行预测表明,中国金融系统压力在2011年整体上呈现下降趋势,工业一致合成指数下半年将逐步回升。

我国金融压力指数的构建与应用研究

本文基于2007年1月至2015年6月货币、债券、股票和外汇市场涵盖的12项金融压力基础指标数据,运用主成分分析法和各指标间交叉相关性矩阵,为我国构建了周度金融压力指数(FSI),并利用TVAR模型基于FSI与宏观经济的关系进行了门限和区制分析。结果表明,FSI的走势与样本区间内系统性事件发生情况基本吻合,且其当前数值与门限值比较可以用于判断未来第7个月的经济所处区制。区制分析结果表明,我国高压力区制出现较少,经济运行总体较为稳定。

金融压力指数及其政策应用:基于中国的实证分析

宏观审慎政策对系统性金融风险测度方法的有效性提出了更高要求。本文从货币市场、债券市场、股票市场、外汇市场和银行部门选取了10个代表性指标,结合CDF转换、等权重、主成分分析等方法构建了我国的金融压力指数,并通过事件识别和金融压力识别指数检验了其识别作用。通过将金融压力指数引入扩展的产出和通胀方程,本文进一步分析了金融压力指数对经济周期的预测能力。相关结果表明,金融压力指数对宏观经济周期具有良好的预测能力。本文的分析结论为加强金融压力的动态监测和通过构建金融压力指数作为宏观审慎政策的“关注目标”提供了初步的理论基础。

基于金融压力指数的上海A 股市场系统性金融风险研究

通过构建金融压力指标体系与金融压力指数,本文实证分析了上海A股市场的系统性金融风险。实证结果表明,上海A股市场系统性金融风险相对处于稳定的状态,并没有发生过真正意义上的系统性金融危机;影响上海A股市场系统性金融风险的最主要原因是来国内政策调控。为了降低上海A股市场系统性金融风险,应建立符合市场规律的市场化机制,提高市场监管透明度,削弱政府干预,强化市场的自主调控能力。

基于金融压力指数的金融系统性风险测度及影响因素

基于CRITIC赋权法构建中国金融压力指数,以此衡量中国金融系统性风险,并对其影响因素进行分析。研究结果显示:样本期间内,中国金融压力指数呈阶段性变化特征,其中2007—2010年是中国金融压力指数最大时期。国内生产总值指数对中国金融压力指数产生负影响,抑制中国金融压力指数上升;银行信贷余额、信贷膨胀率等其它变量对中国金融压力指数产生显著正影响,促使中国金融压力指数的上升。

构建中国金融压力指数探析

加强宏观审慎管理,维护金融体系稳定,要求中央银行能够及时地监测金融市场总体状况,而现有指标多数局限于分析单个金融市场。2008金融危机后,美国圣路易斯联邦储备银行等机构开发出金融市场压力指数监测整个金融市场压力情况,从而更好地来评估货币政策效率和金融市场稳定状况。本文通过分析国际金融市场3种常用的金融压力指数,采用6个指标分别描述影响我国金融市场投资者信心和流动性状况的因素,并据此编制中国金融市场压力指数。实证研究结果表明,该指数与芝加哥期货交易所波动率指数存在长期协整关系,能够较好地刻划我国金融市场压力变动情况。

中国金融市场系统性风险测度——基于金融压力指数的分析

本文应用因子分析法构建了反映金融市场系统性风险程度及金融体系压力状况的金融压力指数(FSI),通过FSI与GDP增长率的IRF脉冲响应函数图验证了来自金融系统性风险的冲击在滞后5个季度会对宏观经济产生显著的不良影响。数据显示压力指数曾经历过两次巨大的波动并于2008年1月达到峰值100点,虽然指数近年来走势平缓,但现阶段又出现略微上升的态势。从各部门对金融压力贡献度看,银行、股票和外汇市场主导了大部分的压力变化,但债券、基金和保险市场的重要性也在最近几年开始凸显。

基于动态模型平均的金融压力指数构建与预警

使用累积分布函数-信用加权方法构建反映系统性金融风险累积状况的压力指数,并引入动态模型平均方法对该指数走势进行预测分析并评估其预测效果.结果表明,动态模型平均方法在模型选择、变量选择、系数选择等方面具备良好的灵活性,具有良好的预测效果.在具体应用中,GDP增长率与CPI增长率是对金融压力指数预测最有帮助的一类指标,其在后期的包含概率显著持续高于0.5,这类指标在风险防范中更值得关注.

哈萨克斯坦系统性金融风险预警研究——基于金融压力指数分析

本文以哈萨克斯坦数据为样本,选取外部金融市场、股票市场、银行业及宏观经济基本面4个子系统中具有代表性的同步变量,基于CRITIC赋权法运用二级指标通过三次合成得到金融压力指数并将其作为因变量,以哈萨克斯坦宏观经济及货币信贷政策变量、国际经济关系与贸易伙伴国指标、滞后因变量作为自变量,采用逐步回归法构建系统性金融风险最优预测模型及哈萨克斯坦系统性金融风险预警指标体系,并对其风险状况进行测试。结果显示,合成的总体金融压力指数呈阶段性变化特征,2018年7月—2019年7月的压力测试结果显示,其总体压力呈波幅增大的下降态势;通过对压力时期进行识别,测试期内哈萨克斯坦基本处于压力适度时期,并开始降至压力相对安全期。总体来看,测试结果较佳地吻合了哈萨克斯坦经济金融发展实际。

新冠肺炎疫情对我国系统性金融风险的影响分析--基于金融压力指数与组合模型

新冠肺炎疫情背景下,准确测度系统性金融风险,综合表征金融压力,对维护中国金融稳定尤为重要。文章基于主成分分析法和CRITIC法构建金融压力指数,利用组合模型模拟未发生疫情时的情况,并同现实进行对比分析,最后预测2020年5—12月的金融压力指数。实证结果表明,构建的金融压力指数同中国金融发展状况相吻合;在2020年前4个月,相比于模拟情况实际金融压力指数分别提高了27.84%、64.28%、34.83%和20.72%,疫情流行激增了中国金融压力;预测结果显示在2020年中国金融压力将保持较高水平,且在年底有反弹趋势。

基于金融压力指数法的我国系统性金融风险测度与预测

本文选用金融压力指数作为测度我国系统性金融风险的方法,在借鉴前人成果的基础上结合我国国情构造适合我国的金融压力指数。此后,运用ARIMA和VAR模型对未来我国遭受系统性金融风险的可能性及严重程度进行预测。

中国金融压力指数的构建与应用

金融系统性风险最终表现为宏观经济各个领域的金融压力,测度金融风险、疏解金融压力、有效降低金融风险对宏观经济的冲击,是深化金融监管工作的重中之重。结合CRITIC和标准差倒数权重法构建银行、债券、股票、外汇、地产和衍生品六大体系的金融压力子指数,在此基础上合成静态和动态权重的中国金融压力指数,并比较两指数的差异,最后考察中国金融压力指数与宏观经济变量PPI、CPI、PMI的关系。研究表明:1.动态指数测度的结果与现实更吻合,与主要宏观经济变量的关系更密切。2.高压期中国金融压力指数对CPI、PPI、PMI均具有正向冲击,PMI在金融压力冲击下存在“蝶式”效应。3.中国金融压力总指数的权重在不同压力期呈现不同特征,高压期银行和地产体系的权重上升,低压期股票体系和衍生品体系权重上升。因此,决策层在高压期应当重点调控银行和地产体系的压力,防范“灰犀牛”风险;低压期应关注股票和衍生品市场的冲击,防范“黑天鹅”事件。

中国金融压力指数构建与经济预警的实证研究

选取中国股票市场、外汇市场、保险市场、银行部门以及国际金融市场中的九个重要因素指标,构建具有时效性的中国金融压力指数(FSI);同时,基于Granger线性因果检验结果,构建我国经济发展形势指数(SPMI)带有解释变量的自回归模型,分析FSI与SPMI的关系及影响效应。结果表明:金融压力对经济发展有负面影响,FSI每增加1个单位,SPMI长期将下降0.6305个单位。构建的金融压力指数能够较好地反映我国金融机构在不同时期所承受的压力,并揭示我国所面临金融压力的大小和预测我国经济发展形势。

资本市场系统性风险的监测与度量——基于金融压力指数的视角

在全面学习境内外机构编制金融压力指数监测系统性风险的基础上,梳理中国资本市场高风险时期列表,并通过ROC检验来筛选对高风险时期敏感的基础指标,构建了更好地反映中国资本市场风险特征的金融压力指数。本研究构建的资本市场金融压力指数能够匹配从资本市场角度监测系统性风险这一应用场景,并且该指数在2015年6—8月股市异常波动时期、2016年1月熔断机制导致短期流动性枯竭时期、2019年中美贸易摩擦加剧时期及2020年2月新冠疫情冲击资本市场时期均突破预警线,具有较好的实证效果。