气候风险与系统性风险传染——来自中国上市金融机构的经验证据

本文基于2011—2021年中国51家上市金融机构的微观数据,构建了金融机构间系统性风险传染网络,并从微观层面实证研究了气候风险对金融机构间系统性风险传染的影响及传导路径。研究发现,气候风险事件下金融机构间的网络关联度更紧密,彼此间的系统性风险传染水平显著提升。气候风险主要通过加大投资者恐慌情绪提升金融机构间的系统性风险传染水平。相较于大型金融机构,气候风险冲击下中小型金融机构的系统性风险输出与风险输入水平更高;经济政策不确定性的提高会进一步加剧气候风险对金融机构的负面冲击;《巴黎协定》的提出会缓解气候物理风险对金融机构间系统性风险传染的负面影响,但在一定程度上会加剧气候转型风险对金融机构间系统性风险传染的负面影响。本文为防范气候相关金融风险与维护金融体系的稳定提供了政策启示和决策参考。

行业指数波动同步性、风险溢出与传染渠道研究--基于中国股票市场的经验证据

基于2005—2021年的申万一级行业指数,采用GED-GJR-GARCH-DCC模型考察行业波动的同步性,并借助VAR模型的广义方差分解方法构建波动风险溢出层次网络,系统性分析风险的跨行业传染问题。研究发现,行业波动的动态变化具有明显的“事件驱动”特征,极端事件不仅加剧了行业间波动的同步性、非对称性和溢出效应,而且破坏了行业波动关联网络的原有结构。从行业波动的方向性溢出来看,位于产业链中游的制造类行业具有较强的风险溢出能力,上游资源类行业和金融类支撑性行业容易受到其他行业的冲击,具有风险净吸收效应。行业波动溢出层次网络揭示出风险的跨行业传染沿循“风险输出型行业—风险中介型行业—风险吸收型行业”的传导渠道。鉴于此,监管部门应当根据行业风险传染机制进行分类监管,平抑行业波动同步性,切断风险传染渠道,提高风险监控和处理能力。

经济政策不确定性、投资者情绪与银行系统性风险传染

面对经济政策不确定性和投资者情绪,银行业需承担应对经济衰退、化解银行风险和实现经济高质量稳定增长的责任。本文利用MVMQ-CAViaR模型测度了2008—2021年所有上市银行的系统性风险,构建面板门限回归模型和面板平滑转换模型,研究在投资者情绪转换作用下经济政策不确定性影响银行系统性风险多重传染的边际效应结构变化。研究表明:投资者情绪具有显著的区制转换效应,使经济不确定性影响银行系统性风险多重传染的净边际效应,以指数转换模式发生结构变化。据此提出正确处理经济政策不确定性与银行系统性风险的关系,投资者要保持理性情绪以及监管部门要加强监管的建议。

经济政策不确定性对我国银行风险传染的影响研究

为研究经济政策不确定性对我国银行风险传染的影响,本文首先根据银行间溢出效应,采用基于LASSO-VAR的广义溢出方差分解模型构建银行风险传染网络,识别银行风险传染网络中的系统重要性银行。其次结合BK溢出指数,从频域的视角探讨经济政策不确定性对我国银行风险传染的影响。最后使用固定效应模型,探究不同经济政策不确定性对我国银行风险传染的影响。研究发现,在受到经济政策不确定性冲击时大型商业银行的节点重要性有所上升,高频时的网络结构更加紧密。对不同经济政策不确定性来说,贸易政策、货币政策不确定性会提高银行风险。研究结果为我国银行业化解经济政策不确定性带来的负面影响具有一定的借鉴意义。

供应链信用风险传染、银行策略与风险控制

在供应链断裂、新冠疫情等突发事件冲击下,供应链企业间的信用风险传染问题日益凸显。制定有效的风险遏制措施,已成为供应链风险管理领域亟待解决的重要问题。通过对供应链关联关系与信用风险传染路径进行剖析,构建了供应商、零售商、银行三方博弈模型,探究了银行策略选择对供应链信用风险传染的遏制作用。研究结果显示:虽然产品价格和生产成本等因素的变化对信用风险传染强度有显著影响,但银行可以通过选择最优授信比率,将传染强度控制在较低水平并实现其自身收益的局部最优化。若进一步采取贷款利率与授信比率相配合的双重授信策略,银行有可能将传染强度控制在适度水平并同时实现收益的全局最优化。

知识图谱视角下我国股票市场风险传染研究

以我国A股上市公司大数据为基础,深入分析上市公司之间的多层网络关联关系,构建上市公司关联知识图谱,进而提出基于个性化PageRank算法的风险随机游走模型,对风险传染过程进行模拟。首先,运用爬虫技术获取上市公司的多维度关联数据,进而通过实体消歧和实体统一处理实现知识的获取和融合,构建A股上市公司的关联知识图谱;其次,运用图论基本原理将关联图谱转化为风险传染图谱,并将个性化PageRank风险随机游走模型引入到风险图谱中,对突发风险事件的传染过程进行高效的可视模拟和预测。本文所构建的知识图谱包含约15万个节点、18万条关系,支持可视化查询、智能化推理和风险传染模拟多重功能,从人工智能视角为金融风险传染这一复杂过程的模拟计算和高效预警提供了新的研究思路和方法,可为金融风险智能监管等研究提供有益参考。

中国金融机构的短期风险传染及长期关联因素动态结构分解——基于DCC-MIDAS模型的证据

探究机构间过度关联是防控系统性风险大面积爆发的关键,但金融机构间不可避免地存在长期关联,同时金融危机会触发机构间短期的风险传染。采用DCC-MIDAS模型,借助动态条件相关系数分解法,在统一框架下研究关联的长期和短期特征。通过短期关联的时变性和持续差异以及长期关联的敏感因素分析,探究中国金融体系在两个结构变化阶段,机构间风险传染范围、持续性以及金融机构间长期关联的宏观和微观特征。研究发现,机构间的冲击传染具有暂时性,随着中国金融机构的多元化,其传染幅度和持续性均有所下降。机构间的规模、杠杆差异能降低机构间的长期关联并间接降低冲击传染幅度,随着中国金融机构市场化程度的增强,长期关联受到市场因素影响程度增加。建议将机构差异化作为风险控制策略的参考因素,并检测和调控市场指标对关联程度的影响,防止机构形成过高的长期关联,以控制未来冲击中可能造成的风险传染。

跨金融市场的风险传染和风险对冲:基于高维VAR for VaR模型的研究

金融稳定需要防范和化解金融市场之间的风险传染。与以往文献只是探究两个市场的风险传染不同,本文利用高维VAR for VaR模型将中国的汇市、债市、大宗商品、金融期货和股市等五个金融市场纳入统一框架,分析这5个金融市场在不同状态的风险溢出效应,这有助于捕捉冲击在不同金融市场之间传播而产生的间接影响。Wald检验和后验分析表明5个市场间只在危机或泡沫状态时存在明显的风险溢出效应。同时,本文利用压力测试发现单个市场的短期冲击影响会被其他金融市场如股市消化吸收,但4个金融市场都处于正常状态会明显降低其他金融市场如股市的左尾风险。此外,本文提出利用单个金融市场在同一时点的不同分位数计算每个金融市场在同一时点的预期收益、波动风险和崩盘风险,这种做法的好处在于结果更加稳健以及减轻极端值的影响。在此基础上,本文进一步探究金融市场间是否能够对冲彼此的波动风险和崩盘风险。结果显示大宗商品市场和金融期货市场能够有效地对冲其他金融市场的波动风险和崩盘风险,但汇市、债市和股市无法对冲其他金融市场的波动风险和崩盘风险。

基于复杂网络的金融科技风险传染研究

金融科技在极大地提升金融服务效率的同时,金融科技风险与传统金融风险相互交叉关联,金融科技风险传染问题备受关注。基于复杂网络视角,采用涵盖不同风险因子的解释变量体系,融合LASSO变量选择构建单指标模型,搭建金融科技风险传染复杂网络,分析金融科技公司、传统金融主体与监管机构之间的风险传染关系。研究发现:(1)金融科技行业是金融市场中风险的主要传播者,证券业、保险与信托业是风险的主要接收者,银行业则承担维持金融系统稳定性的角色;(2)风险的传染沿特定方向进行,并非随机蔓延至整个金融网络;(3)监管当局可以结合当前所处的风险周期,制定阶段性的风险防范策略,优化监管效率。研究有助于厘清金融科技风险传染的具体过程,对复杂金融网络的风险防范有重要意义。

基于SIRS模型的核电事故致因传播机制研究

文章用自然语言处理技术对152起核电厂执照运行事件报告(Licensed Operation Event Report,LOER)进行风险致因分析,得出风险致因复杂网络的相关数据,借助改进SIR传染病模型,结合核电运行事件风险传播的特征,构建了适用于核电领域的改进传播模型。文章对核电运行事件致因传播过程进行动态仿真,对比了不同因素对传播风险的影响差异,对当前的核电安全管理工作进行优化。

香港股市对内地股市行业间尾部风险溢出研究

基于行业市场视角,采用非对称CoVaR方法测量香港股市内部行业对内地相应行业的尾部风险溢出,识别易受冲击的行业子市场,分析不同时期市场遭受不同冲击对尾部风险的作用关系、影响因素,剖析输入性金融风险传染渠道。研究发现:香港地区对于内地的行业尾部风险溢出集中在非日常消费品与工业子市场;不同行业尾部风险溢出存在异质性,在国际化程度高的市场中贸易开放度及金融开放度有显著作用;各主要传染渠道在不同时期所发挥的作用不同,如信息渠道总在尾部风险溢出中起到显著作用,金融联系渠道则在机制改革与内地市场脆弱性增加的特殊时期起到减弱尾部风险溢出的作用。同时,为有效防范系统性金融风险和加强金融协调监管提出了对策建议。

基于时变传染网络和分位数Granger因果检验的系统性风险传染研究

基于18个经济体760家金融机构SRISK系统性风险数据,采用时变参数向量自回归模型和广义方差分解法测度全球系统性风险的时变传染网络,进而采用分位数Granger因果检验考察各经济体对中国高分位段系统性风险的影响。研究结果表明,结合SRISK数据和时变传染网络能有效识别重大风险事件的发生;发达和新兴经济体均会产生风险净输出效应,且会通过直接输出或香港地区间接输出风险至中国内地;在全样本与2008年金融危机、欧债危机、中美贸易战和新冠疫情重大风险事件期间,中国皆为风险净溢入国且新冠疫情期间溢入效应达历史最高;美英两国在重大风险事件期间均对中国高分位段系统性风险产生显著影响,新冠疫情期间中国高分位段系统性风险遭受外部冲击的形势最为严峻。

基于图神经网络的多层银企网络融合研究

针对金融行业内潜在系统性风险难以精准识别问题,基于直接系统性风险传染渠道的借贷数据以及间接渠道的互联网文本信息,构建多层银企网络,并利用图卷积神经网络(GCN)设计多层银企网络融合模型,根据融合网络量化评估29家银行和75家房地产机构的不同渠道系统性风险传染过程。实验结果表明,在多层金融网络融合任务上,本文融合模型的准确率达到0.8559,优于对比模型。融合网络分析表明,多层网络共同冲击下的银企系统性风险传染能力明显大于单一或者2层网络的系统性风险,且基于间接渠道的企业间网络系统性风险更明显。金融审慎监管应该更多关注文本数据、深度学习等技术对于整合庞大金融资源的能力和有效提高风险监测预警的能力。

内部人减持的风险溢出效应——传导路径与调节机制

科学分析内部人减持风险溢出效应的影响效果、传导路径及调节机制,能够为投资者理性决策、企业科学治理和监管部门精准施策,提供理论依据和数据支持。基于沪深A股上市公司数据的实证结果表明,内部人减持行为本身并不存在显著的风险溢出效应,但内部人大规模、高频率的异常减持则会明显向市场传递风险,存在风险溢出效应;事实上只有具备信息优势和管理控制权的高管和大股东,且只有非国有企业和单一大股东上市公司的内部人异常减持行为才具有明显的风险溢出效应;“情绪传染”和“信息压制”是内部人减持风险溢出效应的两种传导路径;外部监督机制和内部治理机制能够有效抑制内部人减持的风险溢出效应。因此,严格的信息披露制度、科学的股权结构设计、高效的外部监督机制和正确的价值投资理念,是提高资本市场运行效率的关键。

面向企业信用风险评估的多视角异质图神经网络方法

企业信用风险评估是一个重要且具有挑战的问题.由于金融市场中存在大量的异质关联关系,使得异质图神经网络天然适合建模企业信用风险.然而,现有大部分研究不能充分捕捉到复杂金融网络中企业的综合信用风险.针对此问题,提出了一个面向企业信用风险评估的多视角异质图神经网络方法——CRGNN.该方法包含自身风险编码器以及传染风险编码器,其中自身风险编码器建模基于企业特征信息的自身风险,传染风险编码器由新提出的分层异质图Transformer网络和分层异质图特征注意力网络2个子模块组成.这2个模块分别挖掘基于企业不同邻居视角的传染风险和基于不同特征维度视角的传染风险.为了充分利用异质关系信息,2个模块都采用了分层机制.在企业破产预测数据集SMEsD和企业信用评估数据集ECAD上进行了大量的实验,AUC指标相比最优基线模型分别提高了3.98个百分点和3.47个百分点.

中国行业尾部风险的测度、预警和传染效应

本文构建了左尾和右尾β系数,分别对中国行业尾部风险进行监测和预警研究,并进一步基于尾部风险网络,考察不同市场状态下行业间的风险传染效应。研究发现,第一,空间维度上,行业尾部系统风险的高低主要取决于个体尾部风险;时间维度上,右尾系统风险的前瞻性来源于个体右尾风险。第二,绝大多数行业在市场极端下跌状态下的尾部风险更高,但金融在市场极端上涨状态下的尾部风险更高。第三,工业、可选消费和房地产的左尾系统风险方向性溢出水平明显高于右尾,但能源和金融的右尾系统风险溢出,以及能源和原材料的右尾系统风险溢入均显著高于左尾。本文可为防范化解行业尾部风险、维护国家经济金融安全提供指导。

行业间波动率共同风险分担与特质性风险传染——来自中国股票市场的证据

本文基于2000年1月至2024年5月万得一级行业指数的日度交易数据,借助于广义动态因子模型(GDFM)提取行业波动率共同风险成分和特质性风险成分,分析了行业波动率共同风险和特质性风险的动态变化,进一步揭示了行业共同风险和特质性风险的响应机制。在此基础上,通过方差分解和复杂网络方法分别探讨了行业共同风险分担和特质性风险传染问题。实证结果表明:外部共同因子对各个行业的同质性冲击是股票市场大幅波动的主要原因,各个行业波动率共同风险间的强关联性为共同风险畅通了快速释放渠道;波动率共同风险在全行业的风险分担效应大幅缩短了风险释放周期,而波动率特质性风险往往产生持久性影响,并延长了风险的化解周期;提高行业的异质性水平,大幅降低了行业波动率特质性风险的关联性和溢出效应,有效缓解了股票市场整体波动的跨行业传染。

基于复杂网络理论的行业间风险传染研究

当前我国经济下行压力较大,行业间相互依赖程度高,精准度量并及时预测行业间的风险传递可有效防范系统性风险。本文基于DCC-GARCH模型和广义预测误差方差分解法构造了行业间风险传染网络,并使用SIRS模型对我国31个行业进行了风险传染模拟研究。结果发现:不同行业间的金融风险传染呈现多样化特征,应采取差异化的风险管理策略;行业风险传染网络呈现出无标度特征,高节点度数行业在风险传染过程中具有较大影响力;在网络稳健性检验中,蓄意攻击会对网络产生更大破坏,为增强风险传染网络的韧性,需要强化高度连通节点行业的风险防控;SIRS风险模拟结果显示,在风险传染的过程中应积极采取行业救助措施以促进受影响行业的快速恢复。

教育板块对金融市场风险传染的影响测度

风险测度是投资决策和风险管理过程中至关重要的一环,它有助于投资者更好地理解和管理其投资组合的风险,并最大限度地实现其投资目标。使用GARCH(广义自回归条件异方差)模型与Copula模型对上证指数、沪深300指数以及深证成指数与教育指数的日收益率进行建模。研究结果表明:样本期内,上证指数、沪深300指数以及深证成指数作为综合股票指数,相较于教育指数,其抗风险能力更强;上证指数、沪深300指数以及深证成指数与教育指数间存在明显的双向风险溢出效应且风险传染强度不对称;研究中发现VaR(在险价值)以及CoVaR(条件在险亏损)一般会低估市场的风险和市场的条件风险。

多重关联下中国省际政府债务风险传染研究

经济发展压力下的地方政府财政缺口和资金需求与日俱增,债务规模不断扩大,随之而来的债务风险问题引起了社会各界的广泛关注。利用2010-2020年中国省级面板数据,基于地理、财政和经济社会关联构建具有不同空间权重矩阵凸组合的动态空间面板模型,在多重关联视角下探究了中国省际政府债务风险的空间传染效应及其效应分解,进一步分析了债务风险传染效应的影响因素及其经济后果。通过构建多个空间权重矩阵的凸组合,可以更全面和准确地刻画地方政府之间可能存在的多重空间互动关系,并在统一研究框架下评估不同风险传染网络的相对重要性。研究发现:中国省际政府债务风险在基于地理、财政和经济社会关联的三类风险传染网络中均存在显著的空间传染效应,且基于财政关联的风险传染网络最为重要;基于最优加权空间权重矩阵进行效应分解,发现多数情况下长期效应明显大于短期效应,直接效应比间接效应更为显著,各省份所接收和输出的债务风险存在显著的非对称性。在此基础上,进一步研究发现,经济越繁荣、地方政府间引资竞争越激烈,中国省际政府债务风险传染效应越弱;其他省份的债务风险会对本省经济发展产生显著的抑制作用。最后,从多角度对防范化解地方政府债务风险和实施科学有效的管控政策提供了针对性建议。