基于房地产市场的我国系统性金融风险测度与预警研究

本文阐释了基于房地产市场的系统性金融风险形成机制,据此建立了分阶段、跨部门的房地产市场的系统性金融风险网络模型,并运用2006-2017年16家上市银行数据,分析和测度了我国房价大幅下跌所引发的系统性金融风险水平和结构,构建了基于房地产市场的系统性金融风险预警指标并进行测算。研究发现:在房价下跌30%的压力情景下,我国金融体系的潜在总损失总体呈级数式上升,年均增长22.70%;基于房地产市场的系统性金融风险值(SR)呈现先上升后波动下降的总体趋势;系统性金融风险(SR)的脆弱性指标(FLI)整体呈现波浪式振荡变化,且与房地产贷款/权益整体呈反向变动,系统性金融风险(SR)的传染性指标(CTI)在2012-2017年呈持续下降趋势,且与金融市场压力指数、金融机构间资产占总资产比重呈现出高度的一致性变化趋势。最后,基于房地产市场的系统性金融风险预警指标(SRWI)值呈收敛式振荡走势,表明基于房地产市场的系统性金融风险总体可控且呈收敛式下降。     

城市间房价相关性与系统性金融风险防范

我国城市间房价呈现较强的相关性,房价泡沫有可能通过城市间价格相关性产生风险传染效应,进而引发房地产行业系统性金融风险。空间滞后模型实证分析表明,周边区域房价、人均GDP和房地产贷款量对我国房价泡沫有显著影响,其中周边区域房价指标影响最稳定,单位房贷比例指标变动对房价影响最大。     

信用扩张视角下资产价格对系统性金融风险的影响研究 ——基于SV-TVP-VAR模型的实证研究

基于国内金融供给侧结构性改革的背景,构建SV-TVP-VAR模型对我国信用扩张、资产价格和系统性金融风险的动态关系进行研究.实证研究发现:首先,信用扩张会促进股价上涨,股价上涨会遏制系统性金融风险;其次,信用扩张会助推房地产价格上涨,房价的上涨会提升系统性金融风险;最后,信用扩张对系统性金融风险的促进作用较强.且与房价对系统性金融风险的影响正相关.     

房价下跌对中国经济影响不大

鉴于目前政府严格限制信贷额度和房贷首付,以此控制房价,加之市场供大于求,从总体上判断,未来一段时间,经济发达地区的房价总体将呈下降趋势。与美国房地产市场相比,无论是房地产贷款总额还是购房者偿债能力,即便中国发生房地产危机,其对经济的影响也不会太大。首先,中国购房者首次购房贷款的首付比例大大高于美国,二次购房的首付比例更高,且这一比例自2005年起就不停上调。这大幅提高了投机的成本,降低了泡沫的成分。加之中国的高储蓄率,即使房价下跌,对于银行信贷系统     

央行对房地产风险再发警示

10月30日,央行在其公布的《中国金融稳定报告(2006)》中发出了警惕房地产金融风险的警示,指出“房地产市场波动带来的宏观经济波动、房地产价格下跌和房地产信贷下降以及银行信贷损失”等潜在金融风险值得关注。     

我国系统性金融风险的成因、实证及宏观审慎对策研究

系统性风险是金融危机的来源,而系统性金融风险的成因是多方面的.实证结果表明,尽管我国目前的总体系统性风险处于相对安全区间,但受房地产信贷、政府债务风险较高及汇率波动、宏观环境稳定性下降等因素影响,我国整体系统性金融风险自美国金融危机以来快速上升,潜在威胁不容忽视.我国应建立和完善宏观审慎管理框架,加强逆周期调控,弱化金融机构的顺周期行为,建立风险预警,从根本上防范和化解系统性金融风险.     

实体经济各部门杠杆率、房地产价格与金融风险联动研究

本文首先从资产负债表关联的视角,对实体经济各部门杠杆率和金融风险的联动进行了理论分析;然后利用或有权益分析法和预期损失法测度了我国系统性金融风险;最后基于门限结构向量自回归(T-SVAR)模型,刻画了在不同房价区制下杠杆率和金融风险的相互影响.研究表明:(1)房地产价格与各部门杠杆率互相推动;(2)总体上居民在一定程度上承担了政府和企业的债务风险,并推高了金融风险;(3)低房价阶段,各部门杠杆率和金融风险互相降低,说明银行信贷此时投放比较理性,有加杠杆的空间;(4)在高房价阶段,政府杠杆率上升导致企业杠杆率和金融风险提高,金融风险则降低了政府杠杆率,说明此时应该侧重控制政府债务积累;(5)各部门杠杆率增速上升也会提高系统性金融风险.因此,对居民杠杆率增速过快、政府债务和高房价的联动需格外关注;同时,应该稳定房价,促进金融稳定.     

金融科技视域下我国系统性金融风险度量指标的构建

基于金融科技发展对中国系统性金融风险的影响分析,通过选取金融机构、资本市场、货币市场、房地产市场和金融科技发展五个维度的若干基础指标,合成了我国系统性金融风险综合指数(CISFR).该指数反映了2014-2019年我国系统性金融风险走势和主要影响因素,并识别了不同时期系统性金融风险的大小.最后考察2019年2月到2019年12月的真实指数与预测指数的差距以验证该指标的可靠性,结果显示该综合指数可以有效反映中国金融系统的风险水平和变化趋势.     

我国系统性金融风险测度研究

本文以金融压力指数作为系统性金融风险测度指标,基于金融部门、宏观经济、 房地产市场、外部经济等方面构建系统性金融风险测度指标体系,集成分析金融体系整体风 险状况。测度结果显示,2014年至今,我国金融压力指数呈上升趋势,系统性金融风险压力增 大,但整体可控,需要把防控金融风险放到更加重要的位置,切实防范系统性金融风险。     

我国省域系统性金融风险的测度分析

论文分析影响区域系统性金融风险的宏观、中观、微观因素,构建省域系统性金融风险测度指标体系,将层次分析法和熵值法相结合确定指标权重、指标预警区间,建立风险测度模型。通过对31个省市的实证分析认为,3个省市处于低金融风险,28个省市处于金融基本安全状态,且区域金融风险呈现由西部到中部再到东部地区依次上升的态势。最后论文提出了防范省域系统性金融风险的对策。     

中国房地产企业间系统性风险溢出效应分析——基于尾部风险网络模型

本文以2007—2021年沪深A股上市房企为样本,首先基于SIM单指数分位数回归技术提出测量系统性风险的新指标SIM-CoVaR,并结合前沿的TENET网络模型,构造跨房地产企业风险动态传染的尾部风险网络,然后采用块模型探究房地产市场系统性风险溢出的聚类性、触发机制及传播路径,最后考察网络整体结构和宏观经济变量对房地产市场系统性风险溢出的影响。研究表明:(1)我国房地产企业间存在明显的系统性风险联动性和溢出效应,在市场动荡时期房地产部门是金融风险溢出的放大器;(2)评估系统重要性节点企业时,除考虑企业规模等内部属性,还应考虑房企间关联结构,利用系统性风险指数可有效捕捉网络中系统重要性节点;(3)跨房企的系统性风险溢出具有显著的聚类特征,尾部风险网络可被划分为4个不同的功能模块,各模块的成员及其角色呈现明显的时变特性,监管部门可据此从供给端“因企施策”;(4)网络聚集性、网络效率和网络匹配性的降低能显著降低房地产市场的系统性风险溢出效应。本文从企业微观层面探讨房地产市场风险的形成机制,为促进房地产业健康发展和防范化解宏观层面的系统性金融风险提供参考。     

波动溢出网络视角的金融风险传染研究

当前各类经济风险交叉关联,金融系统的风险溢出效应备受关注,为刻画我国金融系统性风险传染的路径特征,本文从波动溢出网络的视角分析金融系统内部的风险传染机制。首先使用广义动态因子模型对收益波动的共同波动率成分和特质性波动率成分进行区分。然后,根据货币市场、资本市场、大宗商品交易市场、外汇市场、房地产市场和黄金市场之间的特质性波动溢出效应,利用基于TVP-VAR模型的方差分解溢出指数分析金融系统波动溢出的动态联动性和风险传递机制。在分析方向性波动溢出效应的基础上,采用方差分解网络方法构建起信息溢出复杂网络,从网络视角分析金融系统内部的风险传染特征。实证研究发现,房地产市场和外汇市场的净溢出效应绝对值相较于其他市场更大,其受其他市场风险冲击的影响强于对外风险溢出效应,而股票市场的单向对外风险溢出效应强度最大。在波动溢出的基础上,进一步考虑股市波动率指数与其他市场波动率指数进行投资组合的资产配置权重,计算了波动率指数投资组合的最优组合权重和对冲策略。研究结论有助于更好地理解我国金融系统的风险传染机制,对监管机构加强宏观审慎监管、投资者规避投资风险具有重要意义。     

中国房地产市场价格泡沫与空间传染效应

本文使用对数周期性幂律(Log Period Power Law, LPPL)模型对房地产市场价格泡沫进行测度,运用空间计量模型对我国房地产市场价格泡沫和空间传染效应进行研究。LPPL模型认为由价格泡沫产生并最终破裂的金融市场与地震系统具有很多相似之处,即金融资产的价格呈周期性变化规律,价格持续上涨到临界状态直至反转。本文采用2010年6月至2017年11月间我国100个城市的房地产市场数据对各城市房地产价格泡沫进行测度和物理/经济空间传染效应研究。研究发现,LPPL模型能够对我国100个城市房地产价格泡沫进行甄别且主要存在两种泡沫状态:正向泡沫(房价持续上升)和反转泡沫(房价整体下降却存在反转点)。各个城市(地区)房地产价格具有较强的空间传染性;存在正向泡沫区域的空间传染性相较反转泡沫区域更为明显,在考虑经济空间测度而不是物理空间测度的情况下,各城市间的空间传染性更强。与现有文献不同,我们发现反转泡沫区域的新房价格指数特别是二手房价格指数的上升对周边城市的房地产价格指数存在强烈的正向推高影响。最后,本文发现城市的房地产调控政策在一定程度上抑制了房价传统影响(比如信贷、新房、二手房价等)因素的推高影响,但各城市房地产价格之间的联动变化特征应该引起监管部门的注意。     

基于共同冲击和异质风险叠加传导的风险传染研究——来自中国上市银行网络的传染模拟

本文将银行系统遭遇外部共同冲击作为研究起点,建立了一个共同冲击和异质风险交互传导与放大的简化模型,冲击的传导包括“原始冲击”、“增量冲击”和“违约冲击”三个风险传染阶段。基于2018年我国15家上市银行的股票收益率和年报数据、2006年至2018年的银行评级数据,本文构建了贝叶斯分层图模型和银行间拆借矩阵,并利用蒙特卡洛模拟测度不同触发银行所引发的系统性风险损失、单个银行的系统性风险杠杆能力(文中定义为“传染乘数”指标)以及政府监管介入的效果。模拟结果显示:共同冲击损失远大于异质风险损失;规模和网络关联性是决定传染乘数的重要因素,且当规模因素不突出时,网络关联性对传染乘数的决定作用相对更强,极容易出现小规模、高关联性银行具有较高的传染乘数;当银行风险资产损失率在10%至25%之间时,造成系统性风险损失的杠杆能力普遍增强;政府监管介入能较好地降低系统性风险。本研究的相关结论为系统性风险的监管设计提供经验证据和参考。     

Leading indicators for the US housing market: New empirical evidence and thoughts about implications for risk managers and ESG investors

We argue that financial risk managers should focus more strongly on developing forward-looking early warning indicator systems for the North American real estate market. Based on time series data from the US housing market that focuses on the subprime crisis and the period directly after this event, we discuss possible information that such early warning indicator systems could be based on and analyze the presence of a lead-lag relationship between US housing starts and the Architectural Billings Index. We find evidence for such a relation using two different approaches, namely Granger causality tests and transfer entropy analyses. We then discuss the implications of our findings for financial risk managers as well as for ESG investors.     

全球股票市场间风险传染的测度、监管及预警

近年来,伴随金融一体化程度的加深,全球各股票市场间风险传染的动态复杂性加剧,其准确测度、高效监管及实时预警已成为优先事项。本研究选取全球21个代表性股票市场作为分析样本,首先基于广义向量自回归模型的滚动估计准确测度其间风险动态传染的高维网络序列,进一步借由矩阵值因子模型来稳健收缩上述序列,以探究其潜在动态核心结构,从而实现高效监管。最后,通过向量自回归模型的预测功能实现对全球股票市场间风险传染的实时预警。研究表明,全球股票市场间风险传染具有时变性,其监管与预警可通过少数与地理区域高度相关的风险区域间的动态传染关系及内部的市场构成来刻画。与此同时,我们发现中国内地等新兴市场的重要地位逐渐凸显。本文研究结论可为有效防范与化解金融风险提供有益参考。     

系统性金融风险文献综述:现状、发展与展望

防范风险是我国金融业的永恒主题。如何有效应对金融系统的异常波动、缓释国际市场的外部冲击、精准处置重点领域风险,仍将是我国“十四五”期间的重要任务。本文分别基于系统性金融风险的有效测度、传染溢出、驱动因素、前瞻预测,以及其与宏观经济的相互作用关系、风险调控政策与政策的有效性、监管理念发展等不同视角,对272篇国内外顶级(权威)文献进行了全面、深入的梳理与总结,并展望该领域的重点研究方向,从而为我国构建金融风险防控长效机制、完善“双循环”新格局下的金融监管体系提供参考,以牢牢守住不发生系统性金融风险的底线,推动经济社会高质量发展。     

Research on China's financial systemic risk contagion under jump and heavy-tailed risk

To accurately measure the dynamic characteristics of systemic risk contagion under the impact of extreme financial events, we construct a research framework that analyzes the contagion dynamics of systemic risk under extreme risk impact from the perspectives of both time and space. Based on the macro-jump CCA method, this paper extracts the heterogeneous volatility sequence of financial industries considering the thick tail of the distribution of financial assets returns. Then, the dynamic variation of systemic risk in the financial sectors is characterized from the time dimension. The volatility spillover network method is used to examine the spillover contagion of systemic risk among financial system sectors from the spatial dimension. Empirical studies have found that when considering the risk contagion level, the capital market service sector plays a risk‑leading role, followed by the currency service sector and the insurance sector. The measurement indicators that consider the jump risk and the tail risk have good early warning effects on extreme financial events. Seen from the spatial direction of risk spillover, the real estate sector exhibits the most obvious risk spillover effect on other sectors and can be regarded as the source of systemic risk, which suggests differentiated regulation.     

我国商业银行逆周期资本监管的锚定指标选取

本文依据巴塞尔委员会提出的逆周期资本监管思想,以各类信贷指标为基础,通过绘制ROC曲线并计算AUC值,选取适合我国的具体锚定指标。本文认为,好的锚定指标需要满足及时性、稳定性、可解释性以及可获取性等标准。研究结果表明:房地产价格趋势缺口、房地产贷款趋势缺口、个人住房抵押贷款趋势缺口以及消费贷款趋势缺口等指标符合锚定指标的标准,可作为逆周期资本监管锚定指标使用,并且组合锚定指标的预警能力和稳定性优于单个锚定指标。本文从落实锚定指标和提高挂钩变量预警效果的角度,提出了更为精细的信贷类别指标,为推动我国逆周期资本计提及监管实施提供了决策参考。