系统性金融风险的联合网络关联度测量及频率研究——基于局部平稳的非参数时变VHAR模型

准确度量系统性金融风险并分析其来源是研究系统性金融风险的重要问题,也是制定风险防范措施的必要保证。本文以金融类股票的高频数据为对象,通过假设向量异质自回归模型(VHAR模型)的参数为时间t/T的函数,建立了高维度局部平稳的非参数时变VHAR模型(即tv-VHAR model),并利用拟贝叶斯局部似然(QBLL)估计方法,解决了“维数灾难”下的估计问题。进一步,为更准确度量系统性金融风险,对Baruník和K?ehlík(2018)模型存在的缺陷进行修正,提出了联合网络关联度的频率成分指标,结合2015年股灾和新冠疫情这两次危机事件分析了我国系统性金融风险。结果表明:(1)我国金融系统风险的联合网络关联度比较高且持续性波动。(2)从频率角度来看,正常时期短期成分在风险网络中占据主导地位,其次为中期,最后为长期。(3)危机时期,短期成分迅速下降,而中、长期成分迅速上升,甚至超过了短期成分。(4)相比新冠疫情危机事件,股灾危机对投资者信心影响更大,导致危机持续时间更长。(5)各金融机构在风险网络中的作用差异较大:大型证券公司、股份制银行主要表现为风险净传播者,而大型国有商业银行及其他金融机构主要表现为风险净接受者。