基于EVT-Copula-CoVaR的石油市场对中国碳市场风险溢出效应研究

石油是全球碳排放的重要来源,而碳排放权交易市场是节能减排的有效工具,将石油市场与碳市场进行关联分析,特别是考虑到中国特殊的制度设计问题,测度国内外石油市场对中国不同碳市场的风险溢出效应受到理论界和实务界的关注与重视。本文在考虑到市场极端风险的基础上,选取2014年4月2日至2019年10月31日国内外石油市场与5个交易较活跃的中国碳市场的碳价格数据作为研究样本,构建EVT-Copula-CoVaR模型量化分析石油市场对中国碳市场的风险溢出效应。研究表明,国内外石油市场的风险事件对各碳市场均产生正向溢出效应,且对比不同碳市场可发现同一置信水平下石油市场对碳市场的风险溢出强度从大到小依次为:湖北、广东、深圳、北京、上海。同时,对比国内外石油市场发现,国外石油市场对碳市场的风险溢出效应更大。研究结论有助于丰富和延伸我国碳市场与石油市场之间的联动机制研究,同时对我国碳市场的稳定发展及风险管理具有重要的意义。

系统性金融风险动态测度——基于动态CoVaR模型

科学、有效地进行系统性金融风险动态测度与分析,直接关系到我国金融风险的防范与化解。本文基于46家上市金融机构股票数据,构建了系统性金融风险的动态CoVaR研究模型,分析各金融机构的风险溢出价值以及对金融体系整体的贡献情况,最后为我国金融监管工作提出相关政策建议。

基于CoVaR对商业银行系统性风险的研究

随着银行业务范围的不断扩大,研究其系统性风险及其溢出价值变得十分重要。本文利用分位数回归方法,基于16家上市银行日收益率数据,测算了其系统性风险及其溢出情况,并研究了宏观经济因素、银行自身量化指标、市场等因素对系统性风险的影响。研究结果发现,1)我国上市银行均存在不同程度的风险溢出效应,2)不同规模银行对银行系统的风险贡献值不同。3)宏观经济指标、银行自身营运指标均对系统性风险产生显著影响。研究得出的结论,为危机影响下的商业银行建立了系统的风险衡量体系,对于维持银行业的稳定运营具有重大意义。

基于DCC-GARCH-ΔCoVaR模型的碳市场和煤炭市场风险溢出效应研究

基于武汉、广东、深圳碳市场和煤炭市场的收益率数据,运用DCC-GARCH模型刻画碳市场和煤炭市场收益率的非线性相关性,进而基于上述模型得到的参数,运用ΔCoVaR模型测算出碳市场和煤炭市场间的风险溢出效应。结果表明:在碳市场建设初期,碳市场和煤炭市场的风险溢出效应主要表现为煤炭市场对碳市场的单向风险溢出效应。随着市场的不断完善,煤炭市场与碳市场之间会产生双向的风险溢出效应;煤炭市场对武汉碳市场表现为正向的风险溢出效应,对广东和深圳碳市场表现为负向的风险溢出效应。

房地产业与商业银行间风险溢出效应研究--基于DCC-GARCH-CoVaR模型

2020年新冠肺炎疫情的爆发成为我国市场经济发展的巨大阻碍,疫情冲击下,房地产业与银行业作为我国重要行业也受到极大影响,基于此背景,对我国房地产业与三类上市商业银行(国有银行、城市银行、股份制银行)股市风险溢出进行研究,首先构建各收益率序列ARMA-GARCH模型,接着对房地产业与三类商业银行分别拟合DCC-GARCH模型,以此研究两行业的动态相关关系,最后通过该模型计算CoVaR值、ΔCoVaR、%ΔCoVaR值来度量两行业间风险溢出效应强度.实证研究结果表明,疫情爆发前期,房地产业与商业银行间基本为正向动态相关关系,且两者间存在正向风险溢出效应,随着疫情的爆发,两行业间的正向动态相关性显著增强且风险溢出效应也随之增强,均为正向溢出,其中对股份制商业银行影响较大.

基于Vine-Copula广义CoVaR模型的我国金融市场间风险溢出研究

当前各金融行业之间的联系日益密切,风险溢出进一步增强。在这一背景下,本文构建Vine-Copula模型,刻画银行业、保险业、基金业和证券业之间的风险相依关系,将上行广义Co Va R与下行广义Co Va R置于同一结构中,进一步研究当某一行业陷入风险时对其他金融行业的风险溢出效应。实证结果显示,各金融行业均存在显著的正向风险溢出效应,上行风险溢出与下行风险溢出表现出非对称性。分行业而言,证券业对其他行业的风险溢出效应最强,银行业和基金业的风险溢出效应较为平稳,而保险业的风险溢出也处于较高水平,应当重点关注证券业与保险业之间的风险溢出效应。本文研究明晰了金融行业间的风险溢出效应,有助于对我国经济“三期叠加”阶段性特征进行科学理解与准确研判,为防范与化解重大金融风险提供参考依据。

基于GARCH-Copula-CoVaR模型的农业系统性风险研究

选取农业指数日度收益率数据,构建GARCH-Copula-CoVaR模型来研究农业系统间风险溢出效应。研究结果表明,农业内部存在明显的关联性和风险溢出效应,风险溢出度最大值是最小值的2.5倍;畜禽养殖业是农业系统性风险中的重要性行业,承担风险溢出角色,渔业则承担风险接收角色。

系统性金融风险溢出网络研究——基于LASSO-CoVaR模型的网络拓扑分析

本文采用LASSO-CoVaR模型,对中国38家上市金融机构系统性金融风险展开网络拓扑分析,并从不同角度考察我国系统性风险传染问题,识别风险的中心源头、传递路径等。研究结果表明:银行、证券、保险三大行业存在较为明显的风险溢出关系,其中溢出效应最强的是证券业。此外,本文研究发现在“重大股灾”“股市熔断机制”等股市动荡时期各机构的风险传染力度普遍上升、行业之间溢出程度加强,网络结构变得更为复杂且风险溢出水平具有明显顺周期性。因此相关部门需要关注行业间的联动性,在重大损失发生前阻断风险溢出路径,防止风险交叉传染,尤其要重点监管证券行业风险溢出情况。

基于时变Copula-CoVaR商业银行系统性金融风险溢出分析

为了更加准确捕捉商业银行系统性金融风险溢出过程的动态非线性相依特征,以科学分析商业银行风险负外部性与风险溢出强度,通过时变Copula模型计算VaR,CoVaR和△CoVaR,研究了浦发、华夏、民生、招商、兴业、中信6个商业银行个股指数和中证800银行业指数间的商业银行系统性金融风险溢出问题.结果表明:时变模型对于△CoVaR的刻画相较于静态模型更为准确、灵敏,且计算得出的CoVaR均为负值,分析比较△CoVaR,得出风险溢出强度从强到弱依次为:中信银行、兴业银行、华夏银行、民生银行、浦发银行、招商银行.研究为风险监管资源分配、监管对象确定提供了一定依据.

我国保险业系统性风险溢出效应研究——基于时变Copula-CoVaR模型

本文基于扩展的时变Copula-CoVaR方法,研究2007年1月至2015年9月间我国保险业系统性风险溢出效应,并使用前瞻CoVaR模型分析保险业系统性风险溢出的影响因素。研究结果表明:样本期内保险业内部、保险业与其他金融子行业间具有显著的双向系统性风险溢出,且风险溢出呈现非对称性特征;保险业与证券业间的系统性风险溢出强度明显高于与其他金融子行业间的系统性风险溢出,银行业并不是金融业中对系统性风险贡献最大的子行业;2007年美国次贷危机期间和2014年底至样本期结束,我国保险业的系统性风险溢出强度明显高于其他时间段;在险价值、净资产收益率对保险公司系统性风险溢出有正向影响,而财务杠杆、每股净资产和资产规模有负向影响;保险公司系统性风险溢出呈现出一定的顺周期性。

基于CoVaR方法对中国系统重要性银行的实证研究——GARCH模型和分位数回归方法的对比分析

本文基于CoVaR方法,选取我国14家上市商业银行的股票日收益率序列为研究对象,分别应用分位数回归Co Va R模型和GARCH-Co Va R模型,结合巴塞尔协议对系统重要性金融机构的定义方法,对我国商业银行系统中各银行的系统重要性程度进行分析。通过拟合度的优劣选取最佳模型进行实证,从而得出:中国银行、工商银行、建设银行等几家大型国有商业银行的系统重要性程度较高,随着经济的发展,部分股份制或城市商业银行(如宁波银行、中信银行)的系统重要性程度也在增高,另外根据实证结果对分位数回归Co Va R模型和GARCH-Co Va R模型的优缺点进行相应的分析,从而为后续研究提供相应的思路,并为我国银行业金融监管政策的制定提供依据。

互联网金融市场系统性风险度量——基于GARCH-CoVaR模型的分析

文章对互联网金融市场网贷行业七个主要区域市场的系统性风险溢出效应,即区域市场对整个网贷市场的系统性风险贡献度进行了测度和分析。在对每个市场选择最优模型的基础上计算区域市场的CoVaR、ΔCoVaR值。实证分析结果表明,网贷市场收益率具有"尖峰厚尾"特征,存在杠杆效应但不明显;各区域的风险大小存在差异,区域市场对整个网贷市场的系统性风险的贡献度存在较大差异。总体上可以将区域风险分为高中低三个等级,建议高风险区域地方市场监管者加强风险管理,在把握一定尺度合理地控制风险的前提下,促进区域网贷市场健康发展;同时监管者要加强重点区域的风险控制,防范行业的系统性风险爆发,不搞一刀切,促进网贷行业合规发展。

银行系统性风险度量——基于动态CoVaR方法的分析

以测量金融机构溢出风险的条件CoVaR模型为基础,应用股价数据对我国14家上市商业银行的系统性风险贡献度及其影响因素进行测算分析.实证结果表明:银行系统性风险贡献度与其自身VaR之间并无显著线性关系,对我国银行体系而言,系统重要性银行主要是四大国有银行,尤其以建设银行、中国银行和工商银行的系统性影响最为显著,其他股份制银行的风险溢出和传染效应远小于这3家银行;银行的溢出风险ΔCoVaR、自身风险VaR水平、不良贷款率以及宏观经济波动对于预测银行系统性风险的边际贡献具有显著影响.

中国金融业系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型的研究

随着学术界对系统性风险研究的逐步深入,"风险溢出效应"1越来越受到关注。本文从中国金融业发展现实出发,采用GARCH-Copula-Co VaR拓展模型测度了银行、保险、证券以及信托四个子市场对金融业的系统性风险贡献程度以及各子市场之间的风险溢出程度。研究发现:1每个子市场都存在明显的系统性风险溢出效应,但不同子市场对系统性风险的贡献程度存在差异,银行业是系统性风险的最大爆发源,其次是证券业,保险业和信托业的贡献程度较小;2不同子市场之间也存在风险溢出效应,但溢出程度呈非对称性,银行业和证券业之间的风险溢出效应远大于其它子市场,但应特别关注混业经营趋势下银行业和信托业之间的风险溢出效应。以上结论对动态监测系统性风险的生成和传导,防范系统性金融危机发生具有实证支持作用。

基于CoVaR动态模型的我国金融机构系统性风险分析

文章利用CoVaR动态模型对我国35家上市金融机构的系统性风险贡献进行动态估计及分析,揭示了金融机构特征因素对其未来系统性风险贡献的影响。实证结果发现,银行业金融机构的系统性风险贡献最大,证券业金融机构的贡献最小;系统性风险贡献越大的金融机构,其风险贡献的波动也越大;金融机构的规模越大,其未来的系统性风险贡献越小;金融机构的在险价值越大、杠杆率越高、股票收益的波动越大,其未来的系统性风险贡献越大。

中国金融业跨市场风险测度与分析——基于GARCH-Copula-CoVaR模型

采用GARCH-Copula-CoVaR方法对银行、证券、保险和信托业之间的风险传导进行了实证研究,研究分析当某一行业自身处于极端风险时,对其他行业影响的共同风险绝对值和相对值。研究表明,银行、证券、保险、信托业两两之间都存在显著双向风险传递,平均共同风险相对值为32.46%;银行、证券、保险与信托业两两之间风险外溢值呈现非对称性;传统行业间风险外溢大于新兴行业间的风险外溢。证券行业对其他三个行业的关联影响最大,是最大的风险源头,体现了风险传递结构上的多层次性。中国的金融监管需要更加关注风险源头,建立机构监管向功能监管转变的联合协调监管机制,引入第三方评估机构,完善信息公开机制。

基于MSV与CoVaR模型的公司债市场与股票市场间风险溢出效应研究

依据2015—2017年中证公司债指数与沪深300指数的日收益数据,运用GC-t-MSV模型,检验中国公司债市场与股票市场间的风险溢出效应,并通过条件在险价值(CoVaR)模型度量两市场间风险溢出效应。结果表明:公司债市场与股票市场间存在不对称的双向风险溢出效应,且公司债市场对股票市场的风险溢出效应强于股票市场对公司债市场的风险溢出效应;公司债市场与股票市场的波动受其自身波动的影响较大,鉴此,监管部门和投资者应增强对公司债市场的关注,根据公司债市场的风险变化及时采取应对措施,充分发挥其风险信号作用。

房价过度波动的系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型

近年来,房价过度波动已成为引发系统性风险的主要爆发源,给经济金融安全运行带来了一系列负效应。笔者在文献梳理的基础上,针对现有研究视角和方法存在的不足,将测度系统性风险的主流方法——Co VaR模型进行拓展,通过构建GARCH-Copula-Co VaR模型,实证研究了房价过度波动的系统性风险溢出效应。通过研究发现:房价过度波动的系统性风险溢出效应明显,但对不同经济层面的风险溢出效应存在差异,其中对金融机构的风险溢出效应最为显著;经济环境变化对房价过度波动影响显著,其中宏观经济环境和制度条件的变化是引起房价过度波动的原动力,对房价过度波动起决定性作用。为此,在宏观调控政策实施中应尽量保持政策的连续性,避免频繁救市或过度打压房价,既要防范房价过度波动所引发的系统性风险向金融体系和实体经济传导,也应为稳定房价创造良好的宏微观经济环境和制度条件。

基于时变参数Copula的ΔCoVaR度量技术

采用基于时变参数Copula的ΔCoVaR度量方法,以动态参数Copula模型描述金融变量间的相依结构、以GARCH类模型描述各金融变量的边际分布,通过构建的联合分布计算ΔCoVaR。利用此方法度量中国大陆与美国、香港的股票市场间的极端风险溢出。实证结果表明:通过此方法计算的ΔCoVaR能同时反映时变波动性与时变相依性,可更灵敏准确地度量危机时的极端风险溢出。

基于R-vine-copula-CoVaR模型的金融市场风险溢出效应研究

为了挖掘国际金融市场与中国金融市场的风险溢出效应,本文首先通过ARJI-GARCH模型捕捉单个市场收益率的跳跃等典型事实特征,然后采用最大生成树(Maximum Spanning Tree,MST)算法优化的R-vine来刻画多维金融资产的复杂相依结构;最后构建R-vine-copula-Co VaR模型,测度了国际原油市场、国际黄金市场、美国股票市场与中国股票市场、外汇市场之间的风险溢出效应。实证结果表明:各市场之间均存在双向风险溢出效应,但溢出程度差别很大,国际黄金市场是风险溢出的最大爆发源,仅有中国外汇市场与中国股票市场、国际黄金市场间存在负向风险溢出;市场之间的双向风险溢出效应呈非对称性,国际原油市场与黄金市场的风险溢出效应远大于中国股票市场与外汇市场风险溢出效应;Rosenb-Latt检验表明基于R藤的Co VaR风险溢出测度更具有灵活性和有效性;后验测试结果表明R-vine-copula-Co VaR模型能有效地测度国际金融市场对中国金融市场风险溢出效应,而对中国金融市场风险溢出效应的Co VaR测度存在被高估的可能。