基于EVT-Copula-CoVaR的石油市场对中国碳市场风险溢出效应研究

石油是全球碳排放的重要来源,而碳排放权交易市场是节能减排的有效工具,将石油市场与碳市场进行关联分析,特别是考虑到中国特殊的制度设计问题,测度国内外石油市场对中国不同碳市场的风险溢出效应受到理论界和实务界的关注与重视。本文在考虑到市场极端风险的基础上,选取2014年4月2日至2019年10月31日国内外石油市场与5个交易较活跃的中国碳市场的碳价格数据作为研究样本,构建EVT-Copula-CoVaR模型量化分析石油市场对中国碳市场的风险溢出效应。研究表明,国内外石油市场的风险事件对各碳市场均产生正向溢出效应,且对比不同碳市场可发现同一置信水平下石油市场对碳市场的风险溢出强度从大到小依次为:湖北、广东、深圳、北京、上海。同时,对比国内外石油市场发现,国外石油市场对碳市场的风险溢出效应更大。研究结论有助于丰富和延伸我国碳市场与石油市场之间的联动机制研究,同时对我国碳市场的稳定发展及风险管理具有重要的意义。

我国金融市场与房地产市场间风险传染效应测度——基于Copula-ARMA-GARCH-CoVaR模型的分析

研究金融市场与房地产市场间风险传染效应,对于优化风险管理措施,防范和抵御系统性风险具有重要意义。本文通过构建Copula-ARMR-GARCH-CoVaR模型,从波动性信息提取、非线性尾部相依结构估计、标准化溢出风险价值计算等方面,测度银行、证券、保险及房地产市场对金融系统以及各自间的风险传染效应。研究发现:各子市场对金融系统都存在明显的风险传染效应,但不同子市场对金融系统的风险传染程度存在差异,房地产市场是最重要的风险传染源,其次是证券市场、商业银行和保险市场;商业银行是最大的风险承受方,最容易受到房地产市场的风险传染;各子市场对房地产市场均有一定程度的风险传染。建议加强房地产企业融资安全性管理;强化银行业逆周期监管;完善金融市场风险预警制度,及时切断风险传染链。

基于Vine-Copula广义CoVaR模型的我国金融市场间风险溢出研究

当前各金融行业之间的联系日益密切,风险溢出进一步增强。在这一背景下,本文构建Vine-Copula模型,刻画银行业、保险业、基金业和证券业之间的风险相依关系,将上行广义Co Va R与下行广义Co Va R置于同一结构中,进一步研究当某一行业陷入风险时对其他金融行业的风险溢出效应。实证结果显示,各金融行业均存在显著的正向风险溢出效应,上行风险溢出与下行风险溢出表现出非对称性。分行业而言,证券业对其他行业的风险溢出效应最强,银行业和基金业的风险溢出效应较为平稳,而保险业的风险溢出也处于较高水平,应当重点关注证券业与保险业之间的风险溢出效应。本文研究明晰了金融行业间的风险溢出效应,有助于对我国经济“三期叠加”阶段性特征进行科学理解与准确研判,为防范与化解重大金融风险提供参考依据。

中国金融业系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型的研究

随着学术界对系统性风险研究的逐步深入,"风险溢出效应"1越来越受到关注。本文从中国金融业发展现实出发,采用GARCH-Copula-Co VaR拓展模型测度了银行、保险、证券以及信托四个子市场对金融业的系统性风险贡献程度以及各子市场之间的风险溢出程度。研究发现:1每个子市场都存在明显的系统性风险溢出效应,但不同子市场对系统性风险的贡献程度存在差异,银行业是系统性风险的最大爆发源,其次是证券业,保险业和信托业的贡献程度较小;2不同子市场之间也存在风险溢出效应,但溢出程度呈非对称性,银行业和证券业之间的风险溢出效应远大于其它子市场,但应特别关注混业经营趋势下银行业和信托业之间的风险溢出效应。以上结论对动态监测系统性风险的生成和传导,防范系统性金融危机发生具有实证支持作用。

基于时变Copula-CoVaR商业银行系统性金融风险溢出分析

为了更加准确捕捉商业银行系统性金融风险溢出过程的动态非线性相依特征,以科学分析商业银行风险负外部性与风险溢出强度,通过时变Copula模型计算VaR,CoVaR和△CoVaR,研究了浦发、华夏、民生、招商、兴业、中信6个商业银行个股指数和中证800银行业指数间的商业银行系统性金融风险溢出问题.结果表明:时变模型对于△CoVaR的刻画相较于静态模型更为准确、灵敏,且计算得出的CoVaR均为负值,分析比较△CoVaR,得出风险溢出强度从强到弱依次为:中信银行、兴业银行、华夏银行、民生银行、浦发银行、招商银行.研究为风险监管资源分配、监管对象确定提供了一定依据.

基于时变参数Copula的ΔCoVaR度量技术

采用基于时变参数Copula的ΔCoVaR度量方法,以动态参数Copula模型描述金融变量间的相依结构、以GARCH类模型描述各金融变量的边际分布,通过构建的联合分布计算ΔCoVaR。利用此方法度量中国大陆与美国、香港的股票市场间的极端风险溢出。实证结果表明:通过此方法计算的ΔCoVaR能同时反映时变波动性与时变相依性,可更灵敏准确地度量危机时的极端风险溢出。

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。

基于R-vine-copula-CoVaR模型的金融市场风险溢出效应研究

为了挖掘国际金融市场与中国金融市场的风险溢出效应,本文首先通过ARJI-GARCH模型捕捉单个市场收益率的跳跃等典型事实特征,然后采用最大生成树(Maximum Spanning Tree,MST)算法优化的R-vine来刻画多维金融资产的复杂相依结构;最后构建R-vine-copula-Co VaR模型,测度了国际原油市场、国际黄金市场、美国股票市场与中国股票市场、外汇市场之间的风险溢出效应。实证结果表明:各市场之间均存在双向风险溢出效应,但溢出程度差别很大,国际黄金市场是风险溢出的最大爆发源,仅有中国外汇市场与中国股票市场、国际黄金市场间存在负向风险溢出;市场之间的双向风险溢出效应呈非对称性,国际原油市场与黄金市场的风险溢出效应远大于中国股票市场与外汇市场风险溢出效应;Rosenb-Latt检验表明基于R藤的Co VaR风险溢出测度更具有灵活性和有效性;后验测试结果表明R-vine-copula-Co VaR模型能有效地测度国际金融市场对中国金融市场风险溢出效应,而对中国金融市场风险溢出效应的Co VaR测度存在被高估的可能。

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。

基于GARCH-Copula-CoVaR模型的风险溢出测度研究

本文根据GARCH-Copula-CoVaR模型,对亚洲三大股票市场指数间的风险溢出效应进行实证研究,结果表明:HSI和N225存在显著的双向即时风险溢出效应,而在滞后1期,只存在显著的从HSI到N225的单向风险溢出效应;HSI和SHZ亦存在显著的双向即时风险溢出效应,但在滞后1期以上不存在风险溢出效应;N225和SHZ在所有滞后期均不存在风险溢出效应;以代表的平均风险溢出强度为4.4%,SHZ和HSI间的风险溢出效应强于N225与HSI间的风险溢出效应。

股市系统性风险跨区域溢出分析——来自DCC-GJR-Copula-CoVaR模型的经验证据

考虑到股市系统性风险跨区域溢出问题,构建了多元的DCC-GJR-Copula-CoVaR(Dynamic Conditional Corelational,DCC;Glosten Jagannathan Runkle,GJR;Copula;Conditional Value at risk,CoVaR)模型,利用两步极大似然法估计模型参数,将31个省(直辖市、自治区)注册上市公司的股价省级综合指数,按照国家行政区域合并为10大区域市场股价综合指数.研究结果表明:该模型能度量股市系统性风险跨区域溢出的非对称性,而不同区域的风险贡献度差异较大,风险溢出具有地区差异.这为识别区域系统的重要性及防控股市系统性风险跨区域溢出具有重要的实践价值.

我国股指期货与现货市场风险溢出效应研究--基于混频时变Copula-CoVaR模型

准确测度金融市场极端风险溢出效应对风险管理具有重要意义。然而,仅以高频微观数据开展的研究会忽略宏观经济背景的影响,可能导致对风险溢出效应测量的不准确。针对已有研究的不足,文章充分运用高频微观和低频宏观数据信息,结合混频时变Copula模型和CoVaR模型对我国股指期货与现货市场间的极端风险溢出效应进行研究。结果表明,模型拟合效果良好,我国股指期货与现货市场间存在显著的非对称极端风险溢出效应,且现货市场对期货市场的风险溢出效应更为剧烈。研究结论有助于监管层对金融市场风险采取更加有效的防范举措。

我国房地产业和银行业之间时变风险溢出度研究——基于GARCH-时变Copula-CoVaR模型

本文基于GARCH-时变Copula-CoVaR模型,在三种置信水平下对我国房地产业和银行业之间的时变风险溢出度进行研究。实证结果表明:用置信水平99.9%来度量风险溢出度,在该置信水平下房地产业对银行业的风险溢出度明显大于银行业对房地产业的风险溢出度。银行业对房地产业的时变风险溢出度与房地产业的时变VaR呈反向关系,房地产业对银行业的时变风险溢出度与银行业的时变VaR也呈反向关系,因此通过关注时变VaR可在一定程度上估算它们之间的风险溢出度,进而采取措施控制它们之间的风险传导。

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。

基于动态Copula-CoVaR系统性风险的评估

近年来,CoVaR模型是近年来衡量系统性风险的主流方法。现有的研究方法只关注了静态情形而忽略了动态情形,文章在Copula框架下考虑了DCC-GARCH模型下的动态Copula-CoVaR模型和广义自回归得分(GAS)模型下的动态Copula-CoVaR模型,并对CoVaR进行了再次定义。在应用方面选取上证指数中具有代表性的6家金融机构从2014~2016年的股票数据,对选取的数据进行系统性风险评估。通过上述方法可以筛选出高危的金融机构,对金融风险防范工作具有一定的指导意义和参考价值。

基于动态Vine Copula模型的金融市场风险溢出效应研究

随着金融全球化进程的加速,国际金融市场间的联系日益紧密,深入分析国际金融市场对中国金融市场的风险溢出效应具有重要意义。本文首先基于高维动态Vine Copula模型构建高维金融市场的联合分布函数,然后运用条件在险价值方法测度国际原油市场、国际黄金市场以及国际外汇市场对中国股票市场的风险溢出效应,最后采用压力测试方法从多市场情景压力的视角进行稳健性检验。研究显示:国际金融市场对中国金融市场具有显著的风险溢出效应,但不同国际金融市场的风险溢出强度存在显著差异;国际金融市场对中国金融市场的上行风险溢出效应显著大于下行风险溢出效应,风险溢出强度呈现出非对称性特征;基于高维动态Vine Copula模型的压力测试方法可以有效度量多个金融市场对单一金融市场的风险溢出效应。本文针对投资者、风险管理者以及监管者提出了相应的政策建议。

基于Vine Copula的REITs市场极端风险溢出效应研究

随着金融全球化不断推进,REITs(不动产信托投资基金)市场价格震荡幅度加剧,不同REITs市场间风险扩散加快,需准确度量价格波动带来的风险及其溢出传导机制。文章从多市场关联角度出发,结合Vine Copula模型与CoVaR模型,研究REITs市场间的极端风险溢出效应。研究结果表明:国际REITs市场间的相依性存在明显的区域集聚特征;欧美REITs市场对外的尾部相依性均值较高,亚洲REITs市场之间的尾部相依性偏弱;主要REITs市场间大部分都具有双向的风险溢出效应且呈现出非对称性,较强相依结构的REITs市场间的双向风险溢出效应极其明显。本研究有助于从整体上把握REITs市场间极端风险溢出效应,为维护金融稳定、防范不同地区市场间风险传导提供借鉴,帮助投资者进行风险管理。

中国房地产业与银行业动态相关性及风险溢出性——基于GPD-Copula-CoVaR模型的实证研究

文章通过构建GPD-Copula-CoVaR模型,考察了2000年1月至2017年6月中国房地产与银行业的动态相关性与风险溢出性,并通过Monte Carlo方法拟合VaR,检验了模型样本外的预测能力。结果表明,房地产与银行的相关性与房地产市场的繁荣及政策调控密切相关,但严厉的政策调控只能暂时降低两个行业的相关性,并不是长效机制;样本外预测显示GPD-BB1Copula模型对实际风险损失的覆盖率更高,模型预测效果更好;此外,房地产与银行存在双向风险溢出效应,其中房地产对银行的风险溢出更强,约为40%。研究对相关投资者和政策制定者具有较强的应用价值。

基于动态D藤Copula的CoVaR度量

本文将传统CoVaR理论推广到高维情形,分别采用了两类动态D藤Copula模型,即随机自回归模型(SCAR)和广义自回归得分模型(GAS),对我国上证行业指数中五个典型行业指数间的风险溢出效应和上证金融系统的系统性风险进行了评估。研究结果表明:行业指数间的相关关系在股市动荡时期剧烈波动,整个样本期间的相关性水平较高,凸显了系统性风险;动态D藤Copula模型相较于静态模型,能更好地拟合行业指数间的相关关系。本文的研究为高维变量间系统性风险的度量提供了一个广义的框架;要防范我国的系统性风险,应加强对风险水平较高行业的监管,重视风险的传染效应。