基于流动性配置的银行系统性风险研究

本文基于银行负债表构建了反映银行间借贷关系的复杂网络,用模型模拟了银行系统在面对储户提款冲击下,由银行间资金挤兑和投资资产打折出售而引发的流动性短缺危机在银行体系中的传播过程.研究发现银行间借贷网络结构和银行资产变卖时的损失程度在流动性短缺危机传染中起着关键作用.其中,银行间借贷网络的连通性一方面有抑制风险传播的作用,同时也蕴藏了风险在银行体系中扩散和传播的可能.     

有限理性下银行间拆借市场网络的风险传染

银行间拆借市场网络是银行间风险传染的重要渠道,银行主体不同的借贷行为会导致不同的风险传染效果。本文分别针对银行主体在完全理性与有限理性下的借贷行为构建风险传染模型,对比分析网络结构,仿真模拟传染效果。研究结果表明：有限理性下银行间拆借市场网络密度更大,节点间距离更紧密,发生银行间风险传染概率更高;相比于完全理性,有限理性下的拆借交易显著提升了银行间风险传染的广度、深度和速度;系统重要性银行因其资产规模大、同业资产占比低、资本充足率高等特点而具有较强的风险抵御能力和传染能力。在传染的动态比较方面,近几年银行间拆借市场风险传染呈现“U型”趋势。     

复杂金融网络中的系统性风险与流动性救助:基于不同网络拓扑结构的研究

以支付结算网络为例,通过构建复杂网络中的流动性循环模型,基于仿真模拟研究了不同网络拓扑结构和不同风险场景下的系统性风险与流动性救助问题.研究发现:1)网络拓扑结构对系统稳健性有显著影响,系统呈现出稳健而脆弱的特点,即网络节点间差异越小、相互连接越紧密,系统性风险发生的概率越小,但风险一旦形成,则后果更为严重;2)由于系统性风险的程度与系统流动性正缺口规模呈现线性正相关关系,在进行流动性救助时,基于节点流动性正缺口的救助资金配置方案均不劣于平均分配或基于冲击规模分配的方案,但在不同网络拓扑结构下,方案间的差异程度存在显著差异;3)在基于节点流动性正缺口的配置方案下,网络拓扑结构对不同救助顺序的效果也存在影响,但仅在网络节点间差异较大且中等救助规模下,影响才是显著的.     

基于借贷关联网络的我国银行间市场风险传染

银行间借贷关联网络是银行经营困境或破产倒闭风险传染的重要渠道。基于我国银行间市场的总体借贷数据,首次综合运用最大熵法和最小密度法间接推断银行间借贷关联网络。对比分析两种网络的拓扑结构特征差异,以及两种网络下银行随机倒闭风险的网络间传染路径和程度。综合两种网络下的风险传染结果,分析银行的系统重要性和抗风险能力,并挖掘其影响因素。实证研究结果表明,最小密度法下的银行间借贷关联网络具有实际网络的连接稀疏性、异向连接匹配和无标度度分布等特征;与最大熵法所推断的网络相比,基于最小密度法网络的银行倒闭风险传染范围更广及传染强度更强;银行资产规模越大、坏账准备占不良贷款比例越高,风险传染效应和系统重要性越强、抗风险能力越弱;银行同业拆借率越高,风险传染效应和系统重要性也越强。研究结果有利于对银行实施宏观审慎监管,防范或抑制金融系统性风险。     

银行间流动性风险传染救助策略研究:多层网络与媒体情绪的交叉视角

从多层网络与媒体情绪的交叉视角构建内生性多层银行间流动性网络,进而构建银行间流动性风险传染救助策略模型,并仿真分析媒体情绪与救助策略交互作用下银行间流动性风险传染的演化特征.研究得到的主要结论有:在考虑媒体情绪的多层银行间流动性网络中,择优关联方式更有利于银行间流动性风险发生传染,而随机关联方式则有助于抑制银行间流动性风险大规模传染.但是,在单层银行间流动性网络中与之相反.相对于多层银行间流动性网络,单层银行间流动性网络可能高估实际流动性风险水平而非低估.在多层银行间流动性网络中,不仅能够通过综合调节媒体情绪因素达成大幅降低银行间流动性风险传染的目的,而且能够通过综合调节媒体情绪与救助策略因素实现快速抑制银行间流动性风险大幅传染的效果,同时通过综合调节救助策略因素能够更为有效实现银行间流动性风险快速消亡的目的.     

银行系统性风险研究综述

银行系统性风险的破坏力巨大,严重威胁着国家经济发展和社会安全稳定,受到了学者、投资者和监管部门的高度关注。本文从系统科学的视角,介绍了银行系统性风险的内涵和特征,并对银行系统性风险相关文献进行系统梳理和回顾。银行系统性风险未来可能的研究方向是信息交互行为对银行挤兑的影响、银行系统结构对系统性风险的影响研究、银行系统性风险的实证研究。     

银行系统性风险多渠道形成机制及测度研究

考察资不抵债与流动枯竭叠加作用下,银行债务违约、流动性挤兑和资产减值抛售相互渗透、相互强化的系统性风险多渠道形成机制,动态模拟房地产贷款违约冲击下的风险传染演化过程.对2012-2020年我国38家银行进行研究发现:第一,银行体系能充分吸收房地产贷款违约初始冲击,系统性风险主要产生于银行去杠杆行为导致的多渠道风险传染过程中.资产减值抛售对系统性风险影响较大,债务违约和流动性挤兑对系统性风险的贡献较小.第二,资不抵债与流动性枯竭是银行风险传染的主要形式,两者的叠加效应持续放大系统性风险.银行体系流动性枯竭较资不抵债更突出,但前者影响呈下降趋势,后者逐年凸显.第三,系统性风险释放在重度冲击下呈现“即时性”,中度冲击下呈现“延续性”,轻度冲击下呈现“自我恢复”特征.第四,银行体系风险类型趋于复杂化,国有商业银行和股份制商业银行更容易出现流动性枯竭与资不抵债双重风险,且两者脆弱性和风险贡献度更突出;城市商业银行和农村商业银行多表现为双重风险或单一风险.基于研究结论,为我国银行系统性风险防范及金融监管提供政策建议.     

金融业系统性风险度量——基于尾部依赖视角

根据系统性风险定义,从时间和空间两个维度出发,利用尾部依赖来对系统性风险进行度量. 实证分析结果表明,银行业、证券业以及保险业存在系统性风险,且银行业、证券业以及保险业系统性风险呈现出了共性：经济下行时期系统性风险大于经济上行时期系统性风险. 进一步,本文分别对银行业、证券业以及保险业系统性风险存在的原因展开分析,并从系统流动性、杠杆率和公允价值计量对经济下行系统性风险增强提供了解释,认为流动性风险传导是引发系统性风险的重要原因. 基于此,对金融业体系建立动态拨备制度提供了佐证.     

跨银行与企业部门的系统性风险研究

从风险反馈视角,研究跨银行与企业部门的系统性风险贡献度与传染效应.基于债务排序方法构建了银企系统性风险测度模型,并基于2018年中国银企间借贷数据进行研究.研究结果表明:银行节点在银行层的债务等级小于在企业层的债务等级,而企业节点在企业层的债务等级小于在银行层的债务等级;银企信贷系统中存在少数系统重要性银行和企业,其系统性风险贡献度高;随着银行或企业的信贷规模增大,所对应的总债务等级越高,而且总债务等级与信贷规模呈现非线性特征;随着信贷宽松程度变大,银行与企业的系统性风险贡献度呈现下降特征;在不同信贷宽松政策下,由企业所引发的总信贷损失始终大于银行,而且造成的银企信贷系统崩溃的阈值始终小于银行;信贷政策宽松程度对维持银企信贷系统的稳定性具有积极影响,特别对银行的作用更为显著.     

基于CoES模型的我国金融系统性风险度量

为了更加准确地度量金融系统性风险,预防灾难性金融风险事件发生,本文基于尾部损失的均值提出了一个新的度量系统性风险的方法——CoES模型,相对于传统的CoVaR模型来说,该方法更关注尾部损失的均值而不仅仅是单一分位点上的期望损失,能够更加准确地捕捉系统性风险,为金融系统监管提供更为有效的信息.最后,本文将该方法用于度量2007-2016年间共21个金融机构对我国金融市场系统性风险的贡献.研究结果发现:1)CoVaR模型可能低估了金融机构的系统性风险;2)当银行行业受到冲击时,其对整个金融系统造成的风险最大,其次是保险,房地产和多元金融行业;3)在银行行业中,对系统性风险贡献最大的当属工商银行和中国银行,应对其进行重点监管;4)相对于银行和房地产行业,保险行业和多元金融行业自身的VaR值较高,但对金融系统性风险的贡献较低,因此应注意对其自身风险的管理.     

Systemic Risk Contagion of Interbank Network Based on Risk-Averse Behaviors北大核心CSCD

We build an interbank network model based on risk-averse behaviors. On a heterogeneous network structure, we explore the relationship between risk-averse behaviors of banks and systemic risk contagion, specifically, liquidity hoarding, fire sales behaviors and the composition of risk-averse behaviors. The simulation results show that liquidity hoarding behaviors mitigate systemic risk contagion at early stage, fire sales behaviors have little effect on mitigating systemic risk contagion and the composition of risk-averse behaviors exacerbate the systemic risk contagion. Heterogeneous network is more robust than the homogenous network if risk-averse behaviors exist, otherwise the homogeneous network is more stable. Furthermore, bank asset heterogeneity has no significant effect on systemic risk contagion. © 2017, The Journal of Agency of Complex Systems and Complexity Science. All right reserved.     

基于风险感知的室内疏散情绪传染与干预策略研究

针对突发事件下多出口多障碍物室内紧急疏散过程中恐慌情绪传染问题,综合考虑人格特性,年龄、性别上的风险感知差异以及意识调节作用构建情绪传染模型,利用AnyLogic进行模拟仿真,将个体情绪与疏散速度结合,实现情绪状态与速度的实时更新。验证疏散过程人员干预可以有效缓解恐慌情绪的蔓延,以期为紧急疏散过程中恐慌情绪传染提供理论依据。结果表明：自身判断力即意识调节作用在一定程度上可以有效降低疏散时间;初始恐慌人数持续增加最终会导致群体间恐慌情绪传染加快以及疏散时间增加;风险感知程度越低,行人更容易处于冷静状态;合理安排管理员位置可以有效抑制恐慌情绪蔓延,提高整体疏散效率。     

风险信息披露与股票流动性——基于中国A股上市公司年报文本分析

以2012～2018年中国A股上市公司作为研究样本,采用文本分析技术,利用正则表达式检索和提取公司年报风险段落,并以风险关联词度量年报风险披露的程度,实证检验了风险信息披露与股票流动性水平的关系。研究结果表明：风险信息披露与股票流动性负相关,说明披露的风险越多,市场风险感知越强,投资者交易行为更加谨慎,股票流动性越低;在风险披露影响股票流动性的过程中,投资者情绪起到了不完全中介作用;相比于国有、信息质量较高以及地区法律环境较好的企业,在非国有、信息质量较低以及地区法律环境较差的企业中,风险披露与流动性的负相关关系更加显著;风险披露语调和非模板化程度同更高的流动性相关;不同于风险披露与长期流动性的负相关关系,风险披露与短期异常流动性正相关。系统性地检验了中国风险信息披露对市场流动性的影响,丰富了风险信息披露与市场流动性相关的文献。在实证基础上,指出中国风险信息披露现有不足,建议加强上市公司风险披露监管力度,提高信息披露质量,完善市场制度规范的政策,以更好地保护投资者基本利益,提高市场资源配置效率。     

基于时变波动率CCA方法的银行业系统性风险度量

基于传统CCA方法的系统性风险研究都是在BS框架下进行的,而BS模型的同方差假定与现实不符,可能引致偏误。利用非对称GARCH过程刻画了银行资产波动率的时变特性,并基于GARCH期权定价模型对系统性风险进行了度量研究。鉴于现有系统性风险研究大多聚焦于“次贷危机”期间,以中国上市银行为样本,对2012~2016年银行业的系统性风险状况进行了实证检验。结果显示：银行业系统性风险分别在2012和2015年“股灾”之后小幅上升,在2016年大幅上升;基于传统CCA方法的系统性风险指标无法对2015年和2016年系统性风险的上升做出充分响应;基于时变波动率CCA方法的系统性风险指标对宏观经济动态的预测能力显著优于基于传统CCA方法的指标。     

基于不同投资行为的动态银行网络稳定性研究

针对中国同业拆借市场中银行的交易行为相仿、并缺乏对拆借资金有效监管的问题,首先构建多Agent的动态银行网络模型,然后采用计算仿真的方法研究Agent的两种行为下(投资约束行为与未约束行为)银行网络系统的稳定性。结果表明,未加约束的同业拆借行为将导致银行系统的风险增大,并且当由此造成银行系统不稳定时,中央银行试图通过调整存款准备金率提高系统稳定的货币政策难有效果。     

流动性风险对可违约债券信用利差期限结构的影响

在Du ffie-S ing leton定价模型的基础上,构造了流动性风险影响下的可违约债券定价模型,其中流动性因素的风险中性过程具备均值回复和条件异方差特征。在该模型的基础上,进一步建立了连续复利下可违约债券信用利差的期限结构模型,并通过改变流动性风险中性过程的控制参数,探讨了流动性风险对可违约债券利差期限结构的影响。结果显示,债券利差的期限结构对流动性风险非常敏感,且同样利差结构的债券可能拥有完全不同的风险结构。对这些风险构成不加甄别,将直接影响使用基于强度过程的简约化模型对信用衍生品定价的准确性。     

Personal Credit Risk .Scoring Model Based on Rough Set and Neural Network

In order to improve the precision of personal credit risk assessment, applying rough set and neural network to the credit risk scoring prediction problem in an attempt to suggest a new model with better classification accuracy. To evaluate the prediction accuracy of the model, we compare its performance with those of SVM, linear discriminate analysis, logistic regression analysis, K-nearest neighbors, classification and regression tree, neural network and PCA-NN. The experimental results show the model have a very good prediction accuracy