我国各类影子银行对商业银行风险溢出效应研究——基于GARCH-DCC-CoVaR模型

央行行长易纲在2018年长安论坛上强调要规范管理影子银行,并进一步将其纳入宏观审慎政策框架,重点防范溢出问题对金融体系的冲击。因此,本文以代表影子银行的金融机构为对象,采用时变的GARCH-DCC-CoVaR模型研究其对商业银行的风险溢出效应。结果表明:证券类溢出效应最大,其次是信托类,最小为民间借贷,并在2008年和2015年风险溢出效应较为显著。

中国碳市场与资本市场的风险溢出效应探究

随着“双碳”目标的提出,碳排放权逐渐受到投资者和监管者的广泛关注。本文从双向风险角度出发,对近年碳市场与资本市场的动态相依关系和风险溢出效应进行研究。研究发现:碳市场与资本市场存在一定的时变正相依关系,但在长期内无显著波动趋势;碳市场的波动及风险高于资本市场;碳市与股市存在双向的强极端风险溢出,与债市存在双向的弱极端风险溢出。

系统性金融风险度量方法的比较与应用

本文采集我国14家上市银行2007年10月至2012年5月期间的股票价格数据,从理论和实证两个层面及中国银行业的视角,比较边际期望损失(MES)和条件在险价值(CoVaR)这两种系统性金融风险度量方法的联系与区别,并研究它们与传统风险度量方法期望损失(ES)和在险价值(VaR)的关系,提出在使用不同系统性金融风险度量方法时应注意方法的差异和应用环境,不应盲目应用。

国际石油价格与中国行业股市的风险溢出效应研究

从行业视角出发,运用DCC-GARCH模型刻画国际石油价格与我国行业股票市场的动态相关关系,并在此基础上度量国际石油价格对行业股票市场的条件在险价值CoVaR和边际风险溢出ΔCoVaR。实证结果显示,国际石油价格与我国行业股票市场之间存在显著的动态相关性和风险溢出效应,但是石油价格冲击对不同行业的风险溢出程度存在异质性:平均来看,石油价格冲击对工业行业和原材料行业的风险溢出程度最大,对金融地产行业的风险溢出程度最小。

我国房地产业对银行业系统性风险的溢出效应测度:基于行业和企业层面视角

房地产业和银行业的高度关联性,使得房地产业风险极易通过信贷渠道传染到银行业,进而可能演化成系统性金融风险。构建DCC-GARCH-CoVaR模型测度中国房地产业对银行业系统性风险的溢出效应,并从行业和企业两个层面,实证分析房地产业风险对银行业系统性风险的溢出过程。研究发现:由于银行持有较高比例的房地产信贷敞口,无论是行业层面还是企业层面,房地产业对银行业系统性风险都具有显著的正向溢出效应;减弱房地产业对银行业系统性风险的溢出效应,关键在于化解房地产业自身风险问题,尤其是大型房地产企业的风险问题。基于上述分析,提出了降低房地产业和银行业风险共生性、提高房地产企业风险抵抗能力等政策建议。

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。

ESG评级对我国商业银行系统性风险的影响研究

基于中国36家上市银行2009~2022年的季度面板数据,利用DCC-SVR-GARCH-CoVaR模型测算系统性风险溢出率,实证分析ESG评级对我国商业银行系统性风险的影响及作用机制。研究发现:ESG评级提高能够显著削弱我国商业银行的系统性风险水平,且ESG评级提高对银行系统性风险水平的削弱作用主要由公司治理(G维度)驱动;地方性银行的ESG评级提高对系统性风险水平的削弱作用更强;ESG评级提高会通过降低银行违约风险发生的概率、减小银行与客户之间的信息不对称程度两种渠道削弱商业银行的系统性风险;经济政策不确定性提升会强化ESG评级提高对银行系统性风险的抑制作用。鉴于此,应充分完善ESG评级体系,将ESG评级纳入商业银行业务战略、内部治理与风险管理体系中,以提高商业银行的风险防控能力。

金融风险动态相关与风险溢出异质性研究

随着金融的深度融合,金融各行业在创新驱动下,推出跨行业、跨主体的金融产品和投资业务,虽然增加了自身经营活力,但是内部控制的缺失,加上监管机制不成熟,使得金融系统内的交叉风险极易滋生和传染。为了捕捉金融风险动态关系,本文通过构建DCC-GARCH模型刻画银行业、证券业、保险业、信托业以及金融期货的动态相关性,分析它们的风险溢出效应;同时,将该模型参数和结果植入CoVaR方法中,进一步度量并解析当某一金融行业陷入困境时,对其他金融行业的风险溢出贡献。结果显示:金融行业间存在很强的风险溢出效应,但是不同的行业对其他行业的风险溢出程度存在动态变化;证券业对其他金融行业的平均风险溢出贡献最大;银行业对其他金融行业的平均风险溢出贡献较小;金融期货在市场稳定期,对金融行业的风险溢出贡献小,不稳定时期的风险溢出贡献最大。认清该事实特征,有助于监管部门发现金融风险传导和集聚路径,通过细化和分类监管,化解风险,维护我国金融系统的稳定。

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。

风电发展对电力现货价格风险溢出效应研究——基于对美国PJM市场风力发电量与现货价格数据的模拟测算

随着电力市场化改革的逐步深入,风电等可再生能源发展将对电力市场现货价格带来较大影响。本文构建风电发展对电力现货价格风险溢出效应测算模型,并基于2019-2021年美国PJM市场风力发电量和电力现货价格数据测算风电发展对电力现货价格风险溢出效应。研究结果表明:风力发电量与电力现货价格之间存在负向动态相关系数,风力发电量的增加会使得电力现货价格下行;风电大规模入网会使电力现货价格的波动性增加,风险溢出效应明显。基于此,应加强电价风险防范工作、加快我国电力现货市场化建设、结合国情寻求政策与市场的平衡。