中国金融机构关联性与系统性风险贡献研究——基于尾部风险溢出网络视角

在后危机时代如何准确地测度金融机构的系统性风险贡献以识别系统重要性金融机构是宏观审慎监管的重要任务.采用2010年至2019年中国32家上市金融机构数据以及宏观特征变量，通过TENET模型构建尾部风险溢出网络以度量金融机构关联性，并引入公司规模、杠杆和流动性指标，基于改进的PageRank算法提出网络-市场-账面相结合的系统性风险贡献测度思想，具体从系统整体、部门行业、机构个体三个层面对网络关联性展开实证分析.研究结果表明：1)金融系统总体关联性在危机与下行时处于高位水平，尾部风险溢出网络能有效捕捉极端风险事件；2)行业内的关联性水平总体而言高于行业间的关联性水平，但在极端情况下跨行业风险溢出强度会增大；3)银行和保险机构相对证券机构而言对系统性风险的贡献程度更高.     

中国证券公司系统性风险测度及演化特征研究——来自20家上市证券公司的数据

审慎监管条件下，对系统性风险进行准确测度并识别风险演化特征是对证券公司实施风险管理的首要环节。采用SCCA技术，构建Gumbel Copula模型刻画证券公司间的风险相依结构，并对监测指标J-VaR进行了改进，解决了模拟中不易逼近最小边界的问题。从微观、宏观两个层面分别对单个证券公司及整个证券公司系统的风险进行了测度和演化特征分析。实证结果表明系统性风险在大规模爆发前往往会存在部分公司共同表现出的小型波动前兆；证券公司系统性风险具有"陡增缓降"的特点且在风险传导阶段形成的多次冲击对整个体系具有较大的破坏力。     

我国金融机构的系统性金融风险评估——基于极端分位数回归技术的风险度量

本文将极值理论引入到系统性金融风险度量中,通过极端分位数回归技术估计我国33家上市金融机构对金融系统整体的风险贡献,并识别出我国系统重要性金融机构。研究结果表明,我国金融机构的市场价值总资产收益率呈现明显的非正态分布特征,使用极端分位数回归技术可以更准确的度量尾部的风险联动性;银行类金融机构的系统性风险贡献水平最高且波动变化最大,系统性风险贡献排名前十的金融机构基本为银行类机构;证券类、保险类、信托类金融机构的风险贡献水平相对较低;通过与其他研究的对比发现,考虑到极端情形下的尾部风险联动性时,股份制商业银行对金融系统的风险贡献上升。本文的研究为系统重要性金融机构的宏观审慎监管提供了实证依据。     

系统性风险:金融系统与实体经济间反馈效应

金融系统与实体经济间高度的关联性，使得系统性风险在金融系统与实体经济间具有反馈效应.本研究提出了度量系统性风险反馈效应方法，并利用中国2013年～2017年银行与实体企业相关数据进行实证研究.结果表明：忽视实体经济的作用，将会造成低估银行系统性风险，实体经济不同行业对银行系统性风险的影响具有显著差异性；银行系统对实体经济系统性风险具有显著影响，而且不同类型银行的影响具有显著差异性；银行系统对整个经济系统的系统性风险贡献程度随着时间在变化，不一定就比实体经济的高.在此基础上，本研究进一步揭示了系统性风险的影响因素.     

动态尾部金融网络结构与传染性度量

基于Lasso高维分位数回归模型,本文构建了中国金融系统的尾部网络结构,并定义了总体网络以及行业间、行业内和金融机构间等多层金融网络的尾部风险传染度,解构其传染机制与关联特征,评估各机构双向系统重要性(接收端和发射端)。同时,本文提出了一个最优滚动窗宽选择标准方法,以优化滚动样本技术下的动态网络结构。结果表明,所有层级尾部风险传染效应(总体系统、行业间、行业内和机构间)在经济金融极端困境时期,呈现明显增强及剧烈震荡特征,2015年中国股灾期间尤甚。跨行业传染效应日益严峻,银行与保险间表现出较强关联性,房地产机构与其他金融机构间均表现出较高传染性,跨业监管值得关注。接收与发射最多尾部风险传染的金融机构仍然是银行与证券类机构。系统中超过50%的金融机构倾向于接收风险传染,一旦出现系统性冲击,整个金融系统的稳定性将遭受重创,因此,应加强此类机构应对外界冲击的能力。此外,基于新滚动窗宽选择标准法的动态模型的估计性能明显优于传统方法。研究结论有助于理解中国金融系统的网络结构和传染机制,对宏观审慎监管体系的建立提供了依据。     

基于动态因子Copula模型的行业间系统性风险分析

国际金融市场间的相关关系以及系统性风险受到很多学者的重视，本文则以我国股市的行业指数作为研究对象进行实证研究。通过构建动态因子Copula模型，文章对行业的日收益率数据进行了动态相关性分析，并基于风险预期占比度量了我国行业之间系统性风险的溢出效应。本文分析了2006年1月4日至2016年7月1日的28个行业指数数据，基于GAS动态负荷因子的变化路径来刻画其相关关系，通过风险预期占比来研究行业间的风险溢出效应。研究表明，各个行业指数收益率之间存在较强的关联性。就单个行业来说，化工行业与其他行业关系最为不稳定。就金融与非金融行业而言，金融行业对非金融行业的影响较大且较为平稳。本文所得研究结果可以为投资者和风险管理者在进行决策时提供一定的指导。     

经济政策不确定性、网络舆情与金融机构系统性风险

基于45家上市金融机构2015年1月至2020年3月的月度数据，从反映系统性风险的极值风险与传染效应两个维度各选取一个指标，即条件在险值差(ΔCoVaR)和吸收比率差(ΔAbs),并利用网络爬虫与文本分析构建金融机构网络舆情指数.然后，采用静态面板与动态面板实证分析经济政策不确定性、网络舆情与金融机构系统性风险之间的关系，考察网络舆情的中介效应，并从金融机构的类型和规模层面进行异质性分析.研究结果发现：1)经济政策不确定性对金融机构系统性风险存在显著正向影响，但积极和消极网络舆情对金融机构系统性风险的影响存在差异性；2)网络舆情是经济政策不确定性影响金融机构系统性风险的潜在传染渠道；3)网络舆情的中介效应在不同类型和规模的金融机构间存在异质性.     

基于危机条件概率的系统性风险度量研究

2007年次贷危机的爆发，令系统性风险的度量受到了广泛关注，但是目前常用的度量方法存在多种问题，不能较好地反映金融业系统性风险的实时变化。本文提出一种新的系统性风险度量方法——危机条件概率（Conditional Probability of Crisis，CPC），将系统性风险定义为单个金融机构发生危机导致整个金融系统也陷入危机的概率，可以利用股票收益的下尾相关性计算得出。该方法概念清晰，较好地体现了系统性风险的内涵，并且可得到实时更新的系统性风险。实证基于中国49家上市金融机构的股票价格数据，得出了2007-2016年我国金融业及金融子行业系统性风险。结果显示：2014年下半年以来，中国整个金融行业的系统性风险呈明显上升的趋势，目前甚至已经显著高于次贷危机时期；证券业系统性风险在样本时间范围内一直呈显著上升趋势；银行业对金融行业的影响最大，证券业和保险业的影响力也在逐步上升。     

基于LGCNET多层网络的中国A股上市公司系统性风险度量

系统性风险度量一直是金融风险领域的热点问题,但是对于复杂网络条件下的度量方法还缺乏深入研究。本文将滑动窗口分位数回归与局部高斯相关方法相结合,构建出一种全新的多层时变网络——局部高斯相关网络(Local Gaussian Correlation Network, LGCNET)。基于此方法,本文通过研究中国证券市场股票总体及尾部收益的非线性相关性,分析了2018年至2021年我国A股50家上市企业关联网络的演化特征,通过考察金融网络系统性风险水平在整个时间段内的变化情况,探究了新冠疫情及中美贸易摩擦期间上市公司网络的风险变化情况。结果表明：第一,金融与科技行业是网络节点的中心,与其他行业公司存在较高关联性,表明该类行业是风险传导的中心。第二,基建及银行类公司因为其市值高,在系统中的重要程度普遍较高;同时,尾部风险排名高于其市值排名的企业具有较大市场影响力和风险传导能力,也应该受到关注。第三,在系统层面,受信用风险加剧及中美贸易摩擦的影响,2018年整个网络系统普遍具有较高风险水平;但在2020年新冠疫情期间,国内系统性风险一直控制在较低水平。     

嵌入网络舆情指数的中国金融机构系统性风险传染效应研究

首先基于文本挖掘技术构建反映投资者情绪的网络舆情指数,然后将所构建的网络舆情指数嵌入到系统性风险传染效应度量模型,得到修正的单指标非对称CoVaR模型,并运用线性分位数LASSO算法与局部多项式估计方法进行参数估计,以此为基础构建金融有向网络,进而对中国金融机构系统性风险传染效应进行实证分析。实证研究表明：(1)以单指标非对称CoVaR为代表的金融机构风险指标与网络舆情的协同变化趋势明显;(2)证券类和银行类金融机构对外部风险非常敏感,极易受到其他金融机构的影响,也极易影响其他金融机构;(3)非银行类机构在风险积累阶段占据重要位置,银行在风险爆发时刻占据重要位置;(4)相对于非银行类金融机构,银行类机构具有较强的传染能力。     

中国A股市场金融板块间风险相依关系及动态演化研究

将中国金融板块细分为国有大型银行、全国性股份制银行、城商行、证券、保险和信托等6个金融子板块，并以2015年中国股市异动和2019年新冠肺炎疫情为研究背景，分析在两个场景下的不同时期内，6个金融板块间的风险相依关系及其动态演化。通过计算各板块间波动指数的互信息，构建金融板块风险相依关系网络，并使用最大生成树刻画该相依关系的核心结构。研究发现，在市场处于相对平静时期，银行类金融板块与非银行类金融板块二者彼此之间的风险关联较弱，处于相对割裂状态；在市场走势波动较大时，银行类金融板块与非银行类金融板块之间的风险关联程度增强，且保险板块成为重要的中间节点；在两个场景下的异动期和疫情期，国有大型银行板块和城商行板块分别成为最大的风险节点。     

我国金融机构的系统重要性评估:基于多元极值理论

2008年全球金融危机以后，金融机构的"大而不能倒"问题以及由此引发的系统性风险备受关注。本文基于多元EVT和Copula函数，建立了系统重要性的多角度评估指标体系，并对我国公开上市的26家金融机构的系统重要性做了一个综合评估。实证研究结果表明：（1）我国银行业在金融体系中占有主导地位，且银行业同质性较高，易诱发系统性风险；（2）规模不是系统重要性的唯一考量因素，其他因素也会对系统重要性产生显著影响，部分股份制商业银行和城商行也应被列为金融监管的重点关注对象。     

基于贝叶斯方法的中国商业银行同业借贷网络中系统风险研究

本文针对银行双边风险敞口不可得的现实情况，利用贝叶斯方法，基于185家商业银行在2013年至2017年的资产负债表数据，在不同的网络结构设定下构建吉布斯抽样器，根据大量银行间同业资产及同业负债分布矩阵的样本，考察了每个商业银行在负面冲击后违约的概率及其分布。研究结果表明，银行同业借贷网络的结构能够显著影响银行的系统风险和违约概率。当网络连接概率处于中等水平时，冲击影响的范围最广；在完全网络结构下，风险分担的作用大于风险传染。总之，银行同业借贷既可以分担风险，也成为了风险传染的渠道，这种功能的转换取决于以下几类因素的相互作用：冲击的性质，例如冲击的规模，受冲击银行的数量以及冲击涉及的银行类型；清算时资产的贬值程度；银行自身资产负债表的特征。如果仅考虑银行同业借贷渠道，样本期内最稳健的银行系统是在2017年，而2014年的银行系统最脆弱。     

跨部门金融机构系统重要性和共振效应的动态演化研究——基于中国A股市场的实证

金融机构由于其规模性和关联性对金融系统稳定有着举足轻重的作用。本文基于金融机构异质性风险下的收益，通过Granger因果引导关系构建金融部门的关联网络，从机构中心性、关联性和系统紧密性分析不同市场状态下银行、证券、保险和信托部门内和跨部门间的关联网络动态演化，并在关联分析的基础上引入规模指标，对金融机构的系统重要性进行综合评价。研究发现，我国金融系统的整体性和关联性日趋增强，系统内各部门之间和单一部门内金融机构联系都日趋紧密，跨部门间系统共振效应不断增强；银行和证券部门的影响力显著高于保险和信托部门，银行和保险部门的Granger影响力在熊市时相对增强，牛市时相对减弱，证券和信托部门的影响力则恰好相反；从多角度分析金融共振效应，最终给出我国金融机构系统重要性的分层级评价。结果不仅可以为金融机构的监管和系统性风险的控制提供参考依据，也可以对资本市场投资提供借鉴意义。     

中国股市跨行业系统性风险空间溢出关联及风险预测分析——基于尾部风险网络模型

基于条件风险价值CoVaR和SIM单指数分位数回归技术,选取2012-2018年我国股市24行业指数周频数据,构建时变的跨行业尾部风险网络,通过网络拓扑结构反映系统性风险的空间关联及潜在变化趋势。此外,引入ARDL模型探究网络结构和宏观经济变量对股市系统性风险的长短期效应,最后对系统性风险进行预测。结果表明：(1)我国股市行业板块间存在明显的系统性风险空间关联和传染效应,风险溢出网络具有“小世界”特征;(2)网络连边集中度HHI呈明显的周期性变化。在尾部事件期间,HHI指标显著增加,风险网络呈较单一的中心节点结构,网络稳定性差;(3)通过节点风险传播强度和中心化程度发现,仅通过节点内部属性判断节点的系统重要性已不够全面和准确,应结合节点在网络中的位置和关联关系来判断;信息技术、医疗保健、商业和专业服务行业是风险网络中最有影响力的行业;(4)通过ARDL-ECM模型发现网络连边集中度是系统性风险的主要影响因素,并对股市系统性风险进行了高度准确的预测。本研究可为监管机构有效识别我国股市中有影响力的行业提供参考,依据关键行业的溢出关联制定针对性的风险防范措施,同时对风险溢出效应设立预警机制。