Research on Systemic Risk Spillover Effect of Chinese Listed Commercial Banks——Based on Quantile CoVaR Model

The banking industry plays an important role in China's financial market, and the systemic risk of the banking industry has astrong risk spillover effect. This paper measures the systemic risk spillover effect of Chinese listed commercial banks byconstructing the quantile CoVaR model. The study concluded that when an extreme risk event occurs, the overall risk spillovereffect of a single bank on the banking system is greater than the risk spillover effect of the banking system on a single bank, thevalue of VaR is smaller than the actual risk value when measuring the risk value of commercial banks and the CoVaR model ismore accurate in measuring systemic risk.

动态视角下房地产贷款对银行业系统性风险溢出研究

基于Credit Metrics模型动态度量房地产贷款信用风险,运用双重ΔCoVaR模型分析框架量化其对单家银行风险的影响,以及对银行业系统性风险的溢出,将总体溢出分解为直接溢出和间接溢出,考量房地产贷款信用风险对银行业系统性风险的传导途径。结果显示:一方面,房地产贷款信用风险近年来整体呈上升趋势,且对银行业风险溢出显著,尤其是大规模债务违约和新冠疫情的爆发加剧了溢出效应。另一方面,房地产贷款信用风险的间接溢出大于直接溢出,且高(低)系统重要性银行产生了更大的间接(直接)溢出,表明高系统重要性银行由于与其他银行的业务联系密切,其贷款信用风险更易引发银行业内的连锁反应从而间接刺激风险爆发;低系统重要性银行因为依赖少数大型客户贷款,面临信用丢失时缺乏强劲的风险缓冲能力,更可能直接对银行业的稳定造成显著破坏。

中国系统重要性银行附加资本计提机制研究基于Copula-CoVaR模型

在CoVaR风险度量框架的基础上建立系统重要性银行附加资本计提机制,旨在将风险溢出与资本计提挂钩。运用Copula-CoVaR模型测算商业银行对银行体系的风险溢出效应,考虑到额外的资本对溢出风险吸收作用,在控制每一家银行对银行系统的风险溢出一致的基础上确定银行的资本充足水平,进而确定对应的系统重要性银行附加资本的计提比例。

商业银行系统性风险溢出及系统重要性研究——来自中国16家上市银行CoVaR的证据

在Adrian和Brunnermeier(2011)的文献基础上适当改进条件在险值(CoVaR)模型,采用中国16家上市银行2005—2016年的周数据,实证研究各商业银行的系统性风险溢出及系统重要性程度,其结果表明:(1)我国16家上市银行中,国有大型银行的条件在险值(CoVaR)、系统性风险溢出(ΔCoVaR)要远高于股份制银行;国有大型银行和部分近年来业务发展较为迅速的股份制银行,其系统重要性程度要高于其他股份制银行。(2)规模和关联性是我国银行系统性风险溢出和系统重要性的重要解释变量;在对系统性风险溢出的影响上,规模是关联性的4.8倍;在对系统重要性的影响上,规模是关联性的7.2倍。

基于分位数回归商业银行系统性风险研究

在宏观审慎监管框架下,对系统重要性银行的识别并对其提出更高监管要求是金融危机后的监管重点。文章选取代表不同类型的8家上市商业银行为样本银行,采用CoVaR模型和分位数回归技术对2007-2011年实体经济和金融数据进行实证分析。实证表明:从流动性方面看,资产规模较大的银行反而面临更高的流动性风险,其风险溢出效应更容易导致系统性风险的聚集,发生危机时对系统性风险贡献较大;在宏观经济周期逆转时,中小型银行相对大型银行更容易出现风险溢出效应导致系统性风险聚集;因此政策建议:银行业监管当局的监管重点在传统的资产规模庞大的银行,同时也要关注银行业务增长过快的中小银行,这些银行往往也是系统性风险聚集和金融危机爆发的始作俑者。

中国上市金融机构系统性风险测度

金融危机后宏观审慎监管逐步成为各国金融管理改革的重点内容,金融系统性风险由此受到广泛的关注。选取2010—2014年数据,运用分位数回归的Co VaR方法度量中国32家上市金融机构的系统性风险,定量分析中国金融行业的风险传染及风险溢出效应。研究发现,整个金融行业的关联度很强,银行体系相对证券业和保险业有更强的关联度;风险传染具有普遍性,但实证结果表明金融系统性风险的传染呈现衰减特性;金融机构的风险溢出与其自身经营风险存在较强关联,并非完全取决于资产规模大小。同时,监管部门既要专注微观审慎还应专注宏观审慎,根据系统性风险贡献程度而非规模大小,正确确立中国系统性重要金融机构名单,构建渐趋完善的宏观审慎监管框架。

基于风险溢出效应的银行杠杆监管差异化研究

基于CoVaR与CCA模型,测度商业银行的风险溢出以及系统性风险,并研究商业银行杠杆通过影响银行风险溢出作用于系统性风险的传导过程。实证分析结果显示:商业银行杠杆降低能够减少银行整体的风险溢出效应,进而弱化宏观金融风险,同时存在非线性效应,杠杆过低反而会提高风险。各个银行杠杆差别与风险溢出效应的差别不完全一致。因此,可以将杠杆视为操作目标,风险溢出值视为中介目标,系统性风险视为最终目标,在对商业银行风险的监管过程中,应同时关注操作目标与中介目标,进行差异化监管,保证银行系统的安全运行。

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。

商业银行系统性风险溢出效应研究:条件风险价值估计与系统性风险贡献度测量

笔者基于商业银行与金融体系间的非对称相关结构,结合变分模态分解(VMD)和时变Copula-CoVaR方法度量金融体系系统性风险溢出的长期和短期效应,利用我国14家上市商业银行的股票市场数据进行了实证研究。结果表明:大型商业银行的系统性风险溢出效应高于小型商业银行。商业银行系统性风险溢出效应在时间维度上存在差异。工商银行、建设银行和南京银行短期系统性风险溢出效应高于其他商业银行,而民生银行、北京银行和平安银行的长期系统性风险溢出效应排名前三。从总体上说,股份制商业银行对金融体系系统性风险的贡献度要高于国有控股商业银行和城市商业银行。当股票市场处于异常波动时期,国有控股商业银行系统性风险短期溢出效应显著。

中国银行业系统性风险溢出效应测度

选取14家上市商业银行2008—2016年的股票日度收益率数据,构建ARMA-GARCH-CoVaR模型,测度各家上市商业银行对整个银行体系的风险贡献程度以及商业银行之间的风险溢出强度。实证结果表明:每家商业银行都存在风险溢出效应,但不同商业银行对系统性风险的贡献程度存在明显差异,商业银行的系统性风险溢出程度与其自身风险水平的相关性较弱。值得注意的是,大型国有商业银行自身风险水平较低,但对银行系统性风险溢出强度最大;不同商业银行之间也存在风险溢出效应,但溢出程度呈现明显的非对称性,国有商业银行、城市商业银行对其关联银行的风险溢出大于股份制商业银行。此外,国内外经济金融形势对我国银行业系统性风险溢出具有重要影响,应将重大经济金融事件纳入到银行系统性风险的动态监测过程中。

相互关联性、风险溢出与系统重要性银行识别

在银行体系中,银行与银行之间存在业务往来,一家银行陷入困境时,其风险对其他银行及整个银行系统具有溢出效应。本文采用CoVaR方法,结合分位数回归技术,量化了我国上市银行之间的风险溢出效应及单个银行对整个银行系统的风险贡献率,研究结果表明,在q=0.025的情况下,中国银行对整个系统性风险贡献率最大,其次是建设银行、工商银行。本文的研究可以为监管部门识别系统重要性银行提供参考。

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。

非系统重要性银行真的不重要吗?——基于风险传染视角的实证研究

本文基于CoVaR方法和分位数回归技术测度我国上市银行间的风险溢出强度,并依据银行业风险传染机制探究非系统重要性银行对银行业系统性风险的影响。区别以往基于系统重要性银行分析银行业系统性风险的思路,本文在风险传染视角下着重分析非系统重要性银行与银行业系统性风险间的客观规律。研究发现,我国非系统重要性银行抵御风险冲击能力较弱,且非系统重要性银行易作为风险传递中介冲击系统重要性银行,从而诱发我国银行业系统性风险。鉴于此,本文提出基于多视角的关键非系统重要性银行识别策略,以期为我国银行业系统性风险的防控贡献新思路。

基于支持向量机的银行系统重要性评估研究

系统重要性银行是构成全球业务链的连接点，对各国各项业务的顺利进行起到不可或缺的作用，所以当其发生危机时，会直接对全球范围内的金融机构造成负面影响．学术界对如何识别中国系统重要性银行进行了很多有益尝试，由于研究方法或样本不同，得出的结论存在一定差异．有效识别此类银行是当前的热点议题．文章从系统重要性银行的度量数据出发，首先以各银行的财务报表数据和股票价格数据为研究样本．其次，在SVM-Copula集成系统基础上，利用粒子群优化算法对SVM寻找最优参数组合，进而提出了优于GARCH模型和核密度估计法的PSO-SVM边缘分布估计法．最后将PSO-SVM-Copula集成系统运用到CoVaR领域中．研究结果表明：PSO-SVM．Copula-CoVaR（PSCC）模型在系统重要性银行的评估上比仅使用单方面的数据更加合理．

我国影子银行对商业银行的风险溢出效应及强度分析--基于机构与系统的双重视角

本文以2008年1月-2018年8月间21家上市金融机构数据为样本,同时利用穆迪等机构发布的中国影子银行报告数据,构建GARCH-COVAR模型,分别考察了各类影子银行机构对商业银行系统的风险溢出效应、影子银行系统对各类商业银行的风险溢出强度,并对上述两种风险溢出进行了动态观测,结果显示:仅从单一机构视角看,民间借贷类影子银行和城市商业银行的风险最大;从风险溢出视角看,风险来源方的溢出效应大小及波动强度依次为信托类机构、证券类机构、民间借贷类机构,风险承受方以股份制商业银行和城市商业银行承受的冲击较大,波动强度也大。据此,本文认为单一机构的风险主要取决于机构自身受到的监管程度及运营的规范性;影子银行风险溢出效应强弱主要取决于影子银行业务与商业银行之间的关联度;商业银行风险承受能力更多地受银行自身规模、风险管理等银行经营因素决定,因此建议民间借贷类机构和城市商业银行需要重点提升自身的风险防控能力;股份制商业银行要提升风险冲击分析能力和应变能力。