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。

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。

我国上市商业银行系统性风险溢出效应研究——基于GARCH-Copula-CoVaR模型

随着经济全球化的发展,全世界各大金融机构构建了庞大而复杂的金融体系,在资本越来越自由的国际市场环境下,一国金融危机的爆发可能对其他国家的金融体系造成不利影响。因而,测度银行间的风险溢出效应就显得尤为重要。本文首先对银行系统性风险溢出效应的概念、特征机理以及传导机制进行了相关分析,通过结合GARCH-Copula-CoVaR,修正了CoVaR模型在测度银行系统性风险溢出上的缺陷,为进一步测度银行间的风险溢出效应提供了方法。

基于GARCH-Copula-CoVaR模型的金融科技行业对传统金融业风险溢出效应探究

近年来,金融科技行业的迅猛发展已经成为我国金融行业供给侧结构性改革的主要驱动力。但随着金融科技产业发展规模的不断扩大,其风险溢出问题也日益严重,这在一定程度上影响了我国金融体系的稳定性。一旦金融科技行业出现风险事件,势必会给传统金融业带来不利影响。对此,本文基于GARCH-Copula-CoVaR模型,就金融科技行业对传统金融业风险溢出效应进行了分析,这对两者有效融合、提高金融系统稳定性具有重要的现实意义,以供相关企业与研究人员参考和借鉴。

地方政府隐性债务对商业银行系统性风险的影响机制研究

地方政府隐性债务风险传染机制对于商业银行系统性风险具有重大影响。文章采用2013~2022年上市银行和地方政府层面数据,基于商业银行系统性风险溢出视角分析地方政府隐性债务风险传染机制,并运用GARCH-Copula-CoVaR模型和面板回归模型实证检验地方政府隐性债务对银行系统性风险的影响以及作用机制。研究发现:1) 地方政府隐性债务对商业银行系统性风险有显著正向效应;2) 土地财政和影子银行在其中具有中介效应,地方政府隐性债务可以通过增大土地财政规模、降低影子银行业务规模等渠道来增加银行的系统性风险;3) 政策干预在地方政府隐性债务风险对商业银行系统性风险的影响中具有显著正向调节作用;4) 异质性分析表明地方政府隐性债务对城市商业银行系统性风险的促进作用更加显著,而地方政府隐性债务对农村商业银行的银行系统性风险影响系统性风险则具有明显抑制作用。政府可以通过深化财政体制改革,规范土地市场流转等方式减少金融干预,降低地方政府隐性债务风险对商业银行系统性风险的传染。

金融科技对商业银行系统性风险的溢出效应

近年来,金融科技逐渐成为我国银行体系进行风险控制的新工具。以我国A股市场上市商业银行为样本,构建GARCH-EVT-Clayton-Copula-Co Va R模型,测量样本区间内16家商业银行的金融科技发展水平及系统性风险溢出值,对金融科技与商业银行系统性风险之间的关联机制和影响效应进行理论与实证分析。研究发现,商业银行通过金融科技进行风险控制存在增强和减弱两条路径。进一步分析发现,金融科技能降低商业银行系统性风险溢出;商业银行规模、总资产收益率、存款负债比、杠杆率以及非利息收入占比等因素也对商业银行系统性风险溢出有着不同程度的影响。

互联网金融对商业银行的系统性风险溢出效应测度

文章采用2013-2017年商业银行指数和互联网金融指数的日度收盘价数据,结合GARCH-Copula-CoVaR模型来度量互联网金融对商业银行的系统性风险溢出效应。结果表明:互联网金融对商业银行的系统性风险溢出效应为正且明显,而且其对不同类型商业银行的系统性风险溢出具有异质性,股份制商业银行较敏感。

欧盟和国内碳交易市场的相依结构及风险溢出效应研究

研究国内外碳市场的相依结构及风险溢出效应,对于投资决策、风险监管以及碳交易市场建设均具有重要意义。本文结合Copula函数和ARMA-GARCH模型捕捉欧盟碳市场期货价格与国内北京、上海、广东、深圳和湖北5个碳市场的碳价波动的尾部相依结构特征,并建立基于分位数的CoVaR模型探究欧盟碳市场对国内碳市场的风险溢出效应。研究表明:(1)国内外碳市场存在非对称的相依结构,Gumbel Copula捕捉到欧盟碳市场和北京、广东和湖北3个碳市场之间的相依结构,即风险对上尾比较敏感;Clayton Copula函数捕捉到欧盟碳市场和上海碳交易市场之间的相依结构,即风险对下尾比较敏感;而t-Copula函数刻画欧盟碳市场和深圳碳交易市场之间尾部特征呈现持续相依性;(2)欧盟碳市场对国内碳交易市场风险溢出效应影响最大的是湖北,最小的是深圳,且欧盟碳市场对国内碳交易市场的风险溢出效应可表示为:湖北>广东>上海>北京>深圳。基于上述结论提出了相关政策建议。

金融科技对金融机构的风险溢出效应——基于GARCH-EVT-Copula-CoVaR模型的研究

金融科技规模不断扩张,其风险溢出问题影响着中国金融稳定。基于中国金融科技自身特点,筛选最优Copula函数,运用GARCH-EVT-Copula-CoVaR模型测度金融科技对不同类型金融机构的风险溢出值。结果发现:金融科技和金融机构间存在双向风险溢出;金融科技对不同类型金融机构的风险溢出不尽相同,金融机构中银行业所承担的风险溢出最高,其次是基金业和证券业,保险业最小;相比之下,金融机构对金融科技的风险溢出更为明显。

基于Copula函数的“一带一路”沿线地区金融风险相依性研究

"一带一路"建设是新常态下中国对外开放具有创造性和影响力的顶层设计。本文基于GARCH-Copula-CoVaR模型,考察了中国与"一带一路"沿线地区的股市相依结构和风险溢出效应,并对正常和极端情况下的风险关联特征及演变进行分析。研究表明:中国与"一带一路"沿线地区的股市存在一定的正向关联,其中,西亚和中亚与中国的风险相依性较高。新冠肺炎疫情加剧了"一带一路"沿线地区股市风险传染的可能性,股市收益波动关联性增加。从尾部风险相依性来看,"一带一路"沿线国家对中国股市极端风险传导效应存在不对称性,牛市的风险溢出效应高于熊市。从风险溢出效应来看,"一带一路"沿线地区对中国股市的尾部风险溢出呈现小幅震荡上升趋势。本文结论为防范和化解"一带一路"沿线地区系统性金融风险提供了有益参考。

国际金融市场与人民币在岸离岸汇率间的极端风险传染

在西方各国财政货币政策多变和中国高水平开放背景下,国际金融市场极端风险频发,人民币汇率作为国内国际双循环互促中的关键变量,极易受这些极端风险影响。采用GARCH-Copula-CoVaR模型分析了国际金融市场与人民币在岸离岸汇率间极端风险双向传染的强度、非线性特征和动态变化。研究发现,相较于对人民币在岸汇率,国际金融市场极端风险对人民币离岸汇率的传染更强;人民币在岸汇率极端风险比离岸汇率极端风险对国际金融市场的传染要弱,且强度变化小;VIX指数的极端风险对在岸离岸汇率的传染最强,VIX指数大于30时应提高警惕;当前离岸和在岸人民币市场管理与跨国资本流动管理措施对维护我国金融安全和稳定有一定效果。本研究对如何防范国际金融市场与人民币汇率极端风险双向传染的负面冲击,维护我国经济金融安全稳定具有重要价值。

中国汇率市场与国际原油市场间的溢出效应:基于BEKK-GARCH-TVP Copula模型

随着全球化进程的加速,中国汇率市场与国际原油市场间的联系不断加强,市场间波动传递与风险传染的可能性也逐渐加大。鉴于中国在岸汇率市场与离岸汇率市场在交易主体、监管条件等方面具有明显的异质性,将BEKK-GARCH-TVP Copula模型与CoVaR方法结合,来考察两汇率市场与国际原油市场间的动态非线性相依结构,并准确度量中国汇率市场与国际原油市场间的波动与风险溢出效应。研究结果表明:离岸汇率市场与国际原油市场间存在双向波动与风险溢出效应;国际原油市场对在岸汇率市场存在单向波动以及下行风险溢出效应;此外,风险发生时中国汇率市场和国际原油市场分别处于风险接受和风险输出地位。实证结果可以为跨境企业、国际投资者以及政府监管部门的决策行为提供经验支持。

R-vine copula在中国碳市场中的风险溢出效应研究

为应对气候变化,越来越多的国家和地区采取碳排放权交易的方式来达到减排二氧化碳的目的。中国建立区域排放交易机制是一种新的探索性实践。为促进中国碳市场的成长和成熟,与国际碳市场融合,对碳市场风险进行测量,并研究了市场之间的风险溢出效应,为碳市场的政策制定提供了理论参考。构建ARMA-GARCH(1,1)模型在偏t、GED等分布下,对中国5个试点碳市场的CO_(2)排放配额现货价格进行建模。VaR和CVaR用来测量上海、北京、湖北、广东、深圳碳市场的风险。R-vine copula-CoVaR用来探索中国碳市场的风险溢出效应。研究结果表明风险溢出效应只存在于深圳与上海、北京与上海、湖北与广东碳市场之间,其中深圳到上海、湖北到广东均为单向风险溢出效应,北京与上海为双向风险溢出效应。

香港与内地股市的相关性及风险溢出效应研究——基于藤Copula-GARCH模型

目的构建Copula-GARCH-CoVaR模型,研究深港通实施前后深市、沪市与香港股市间的相关性及风险溢出效应。方法选取深圳成分指数、上海综合指数和香港恒生指数收益率序列,利用GARCH(1,1)-t模型刻画三地股票市场收益率的边缘分布,选取Pair-Copula并分别基于C藤和D藤对三市场相关性进行分析,通过计算市场间ΔCoVaR值来分析深港通实施前后深市、沪市与香港股市之间风险溢出变化。结果与结论相比于D藤,C藤下的Pair-Copula能更好地拟合深市、沪市与香港股市之间的相关结构。

深、港股市相关性与风险溢出效应研究——基于深港通实施前后

“深港通”的实施促进了内地与香港市场的互联互通,但同时也会引发一系列风险,这为市场的投资、监管等方面带来一定的挑战。本文基于“深港通”的实施,运用GARCH-Copula-CoVaR模型,对深港通实施前后深港股市间的相关性及风险溢出效应进行研究分析。利用GARCH (1, 1)模型刻画两地股票市场收益率的边缘分布,建立Copula模型描述两市场的相关关系,进一步计算CoVaR值分析风险溢出效应。结果表明,深港通实施后增加了两市场的相关性,与此同时,相应的双向风险溢出也发生了变化,存在非对称效应,且港市对深市的风险溢出均高于深市对港市的风险溢出。

产业链视角下房地产市场风险溢出效应研究

房地产是关乎国计民生的支柱型行业,对相关行业具有明显带动效应。文章选取2010—2020年行业指数数据,通过构建GARCH-Copula-CoVaR模型,测算并分析中国房地产市场对产业链相关行业的风险溢出效应,研究结论如下:从时间来看,房地产市场对产业链相关行业的动态风险溢出效应变化趋势大致相同,其波动情况受宏观极端事件和房地产调控政策的影响较大;从总体来看,房地产市场对产业链相关行业的风险溢出值均较高,其中对建筑装饰行业风险溢出效应最强;从实体经济来看,房地产市场风险溢出效应与其在产业链上的位置无关,不论是对上游行业还是对下游行业的风险溢出值均较高;从金融体系来看,房地产本身具有融资需求大的行业性质,当房地产市场陷入极端风险时,银行和非银金融行业所投入的资金也将面临巨大的违约风险。

基于D-vine-Copula-DCC-GARCH模型的比特币市场风险溢出效应研究

为探究比特币市场风险的溢出效应,本文考虑价格波动的时变性和动态相依性,融合D-vine-Copula理论与DCC-GARCH模型,构建D-vine-Copula-DCC-GARCH模型,得到了似然函数和参数后验分布的近似形式,接着应用蒙特卡洛马尔科夫(MCMC)方法估计模型参数,进而计算风险溢出量(△CoVaR),最后选取比特币、人民币、欧元和日元进行实证研究。结果表明:模型构建合理,参数估计的MCMC方法优于MLE方法;同最小二乘法(OLS)、分位数回归方法(Quant)比较,本模型能更好地测度比特币与法定货币之间风险溢出的非对称性,前者向后者的风险溢出可防可控,但比特币对法定货币的风险冲击不能忽略,从而拓展了Copula理论在加密货币风险管理中的应用。这有助于业界加强重视民间数字货币的风险防范。

我国上市商业银行风险溢出评价与宏观审慎监管

随着金融自由化程度的不断提高,金融系统在分散风险和促进资金自由流动的同时也加大了风险的传染性和破坏性。文章采用我国16家上市商业银行的日度收盘价数据,结合GARCH-混合Copula-CoVaR模型对其风险溢出效应进行定量估计。与仅采用单一的Copula方法相比,混合Copula更能够捕捉到市场在不同状态下单个机构与金融系统之间的相关性。研究结果表明,在横截面维度上,"四大"国有银行在我国银行体系中处于系统重要性地位,同时股份制商业银行民生银行、中信银行和交通银行在测量结果中处于相对重要的地位,也需要引起金融监管者的高度重视;在时间维度上,到2015年,随着我国股票市场出现的剧烈震荡,银行业系统性风险呈上升趋势,对此监管者需要制定相应政策以防发生系统性风险。

基于风险溢出关联特征的CoVaR计算方法有效性比较及应用

条件风险价值(CoVaR)能够很好地度量风险溢出效应,是度量系统性风险的有效指标之一。计算CoVaR有多种方法,其原理不尽相同,需要合理选用方能有效评估系统性风险。分位数回归法、Copula函数法以及DCC-GARCH模型是比较典型的三种方法。本文以风险溢出关联特征为视角,从计算原理、优缺点与适用场合三个方面,对这三种计算方法做了理论比较研究。然后,分别测算了中国银行业的CoVaR,并做了有效性假设检验与比较。理论与实证研究结果均表明,对于计算CoVaR,与分位数回归法相比较,Copula函数法与DCC-GARCH模型更加有效,能够更好地评估银行业与金融体系之间的风险溢出效应。

互联网金融与传统金融之间的广义动态风险溢出——基于Copula-ARMA-GARCH-CoVaR的实证研究

选取互联网金融和三大传统金融(银行业、证券业、保险业)的行业指数为代表,构建Copula-ARMR-GARCH-CoVaR模型,从波动性信息提取、联合分布尾部相依结构估计、条件在险价值计算等方面,系统研究新旧四个金融行业之间的广义动态风险溢出效应。结果表明:新旧金融行业间的风险溢出水平随时间而变化,风险从互联网金融向传统金融的传导更为迅速;市场高涨时,互联网金融向传统金融的风险溢出水平显著增大,证券业受力最大且会以更大的力度向互联网金融反向输出风险;市场低迷时,互联网金融向传统金融的风险溢出水平比较平稳,银行业和保险业受力最大,但传统金融的反向风险输出力度较弱。建议构建金融整体风控平台,充分利用新旧金融行业间的风险溢出特征,根据不同市场态势给予严控和激励,保障金融市场平稳健康发展。