基于资金流量表的我国系统性金融风险指数测度研究

本文基于我国2001—2020年资金流量表数据，使用风险传染网络模型方法，对我国部门间金融风险传染效应进行分析，并测度了我国系统性金融风险指数。研究发现，金融部门是我国部门间金融风险传染的主要承担者；我国宏观金融网络的稳健性在党的十九大后明显增强，各部门引发的风险传染总损失效应整体呈震荡波动态势，但2018年以来总损失效应明显低于之前的平均水平；本文测算出的系统性金融风险指数与M2/GDP的走势在多个时间点较为吻合，其对于防范化解系统性金融风险具有前瞻性预警作用。基于此，本文从加强对金融部门的风险监测与管理，加强对政府部门和国外部门的风险监测，进一步完善宏观审慎政策框架等方面提出政策建议。     

金融创新加剧了区域金融风险吗？——基于社会网络与动态面板门槛效应的研究

本文基于2011—2020年我国31个省份的面板数据，运用主成分分析法构建区域金融风险指数，采用社会网络分析法研究金融风险指数的空间关联网络特征，探讨金融创新影响区域金融风险的非线性效应、金融风险水平空间关联网络特征的中介效应以及金融监管的调节效应。研究发现：我国31个省份的金融风险指数空间网络关联性显著存在；金融创新对区域金融风险的影响效应呈现U型非线性特征，区域金融风险水平的空间关联网络特征在其中发挥中介效应；进一步分析表明，金融监管在金融创新加剧区域金融风险的过程中起到调节作用。最后,本文提出政府加强金融监管，合理适度发展金融创新，防范系统性金融风险的政策建议。     

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。     

企业杠杆率、宏观经济景气指数与系统性金融风险

打赢防范化解重大金融风险攻坚战是打好"三大攻坚战"的重要任务之一。本文在对企业杠杆率、宏观经济景气指数与系统性金融风险关联性进行理论分析的基础上,利用复合系统性压力指数法测度了我国系统性金融风险,并建立了马尔可夫区制状态转换模型,以挖掘企业杠杆率、宏观经济景气指数及系统性金融风险之间的非线性动态关联机制。研究表明,样本期内我国系统性金融风险水平波动明显;企业杠杆率、宏观经济景气指数与系统性金融风险间存在动态关联,且两区制特征明显,高压力时期的关联效应比低压力时期更显著;企业杠杆率对系统性金融风险的直接影响不显著,但会通过影响宏观经济对系统性金融风险产生间接影响;宏观经济景气指数与系统性金融风险相互间存在负向影响。鉴此,现阶段应控制好从"结构性去杠杆"向"稳杠杆"转变的节奏,利用"双支柱调控"熨平局部金融失衡和杠杆结构性问题;同时,密切关注部门间金融风险的交叉传染,提升经济发展质量,进而从根本上防范化解系统性金融风险。     

金融网络结构与风险传染理论述评

随着金融创新发展,金融机构间资产负债链条日趋复杂。现代金融体系已不再是一个个彼此孤立的机构,而是相互链接的金融网络。从金融网络的视角分析金融机构间的联动性以及风险传染,已成为近十年来金融风险研究领域的一个核心和热点。本文从金融网络风险传染机制、金融网络结构特征、金融网络形成和最优网络结构等几个方面,对国际上相关研究进行了全面的梳理和总结。研究发现,金融网络既分散了单个金融机构的风险,同时也通过创造风险在金融机构间的传染通道而加大了系统性金融风险。由资产负债表所构成的金融网络是金融风险传染的主要途径,网络强度和形态共同决定了金融系统的稳定性。本文讨论了各类模型所表现的网络结构特征、风险传染机制、度量方法,以及不同模型间的联系与分歧。针对这些问题,本文最后提出了预期的理论发展方向,包括通过实证来进一步厘清风险传染机制、统一对系统性金融风险的度量,以及进一步完善资产负债表信息。     

我国与“一带一路”沿线国家金融风险空间关联网络及传染效应分析

防范及应对国际金融风险传染已经成为各国关注及当前研究的热点问题。通过构建我国与“一带一路”沿线国家2013年至2020年金融风险指数,并采用引力模型及社会网络分析法对该区域金融风险的空间关联特性及网络传染结构进行考察。研究发现：各国家之间金融风险关联关系整体呈现不对称性,网络结构整体较为脆弱,经济发展水平较高的国家更容易处于风险关联网络中的核心位置,同时扮演“中介”及“桥梁”角色。金融风险空间关联网络块模型分析表明第一板块金融风险传染主要集中在板块内部国家之间,而第二、三、四板块相互之间金融风险的传染效应则更为明显。我国作为“风险净溢入”板块的成员,除了防范板块内部其他国家金融风险的输入,同时还要关注来自其他板块国家潜在金融风险的传播。     

基于网络分析法的我国银行间风险传染效应研究

本文基于2012年我国115家商业银行的同业资产和同业负债数据,运用网络传导分析法评估了单家银行的异质性风险对整个银行体系的传染效应。结果发现:考虑到联合冲击因素并调减银行部门的资本金水平时,部分银行的异质性风险触发系统性金融风险并非是极端小概率事件。这表明,近年来我国银行业同业业务的较快发展,导致了银行体系具有潜在的脆弱性。另外,从风险传染的角度来看,大型国有商业银行、政策性银行及部分股份制商业银行具有系统重要性。对少数总资产规模较大的银行施加金融安全网保护,能有效抑制金融风险传染效应。为防范银行机构的道德风险问题,金融监管机构可以基于风险传染效应的评估,最大程度地降低对金融机构的救助范围。     

金融机构尾部系统风险与行业风险关联效应研究--基于尾部相依性视角北大核心CSSCI

本文采用基于极值理论的尾部系统风险测度指标(Tail-β),从静态、动态两个角度研究不同类型金融机构尾部系统风险异质性,并分析行业间尾部风险关联效应。研究表明:(1)银行体系中,城商行对于不利冲击反应较为敏感,应对风险能力明显不足。(2)证券部门在极端情形下表现出更强的脆弱性,存在明显的金融风险隐患。(3)部门间尾部风险关联程度随极端金融事件的发生显著上升;其中,银行和保险部门风险关联最强,证券部门与其他部门具有普遍的风险关联效应。(4)房地产部门在股市动荡时期也是金融风险的主要输出者。     

金融科技风险传染效应的识别与防范研究

为了研究金融科技风险在传统金融行业以及传统金融机构间的传染路径,本文以16家金融科技机构组成的金融科技行业和6个传统金融行业为样本数据,构建金融科技机构之间的关联网络,最后根据影响深度（风险溢出）和影响广度（关联网络）识别出金融科技行业及其机构的风险传染效应与影响路径。研究表明：第一,金融科技行业的时变波动率最大,且与其他相关行业间存在明显的风险传染效应;第二,与国有银行相比,其他非银金融与金融科技行业间的风险传染更大;第三,金融科技机构之间存在明显的以业务为聚集的核心。因而建议：第一,采用纵向监管与行为监管相结合的方式,重点监管和防范金融科技行业的风险溢出;第二,通过打造有利于金融科技业态发展的监管沙盒机制,建立相对完善的行业和机构内部监管制度,提高金融风险监管效率。     

金融不确定性与金融市场风险传染

本文基于2004—2023年的日度数据测度了我国金融不确定性指数,考察了我国金融不确定性与金融市场风险传染之间的关系。研究表明：（1）金融不确定性冲击下,金融市场风险传染具有明显的时滞性、非对称性、阶段性、时变性和联动性。（2）从分时段风险溢出网络来看,重大不确定性事件会影响金融不确定性与金融市场间的风险溢出关系,且不同时期的风险传染路径不同;在风险溢出网络中,金融不确定性指数的溢出效应最大,是网络的风险中心;股票市场、债券市场和外汇市场的高溢入效应和高溢出效应表明,其为金融不确定性向其他市场溢出的重要桥梁;货币市场则承受了更多的外部风险冲击。本文的研究结论对于更好地理解金融市场风险传染机制和加强金融协调监管具有重要的参考价值。     

全球系统性金融风险跨市场传染效应分析 ——基于货币市场/外汇市场金融网络的视角

金融全球化背景下,一国发生的系统性金融风险或金融危机,很可能会传染到其他国家,货币市场和外汇市场是传染的重要渠道.本文基于14个主要国家/地区2001年1月至2020年9月的利率和汇率数据进行计算分析,得到以下结论:(1)不同国家/地区的货币市场与外汇市场链接成强度不一的金融网络,金融风险可能通过金融网络实现跨国传染,对其他国家/地区的货币市场/外汇市场形成风险冲击.(2)这一网络具有明显的分层特征,网络中心层的风险溢出效应和风险输入效应较大;网络节点的作用不同,有的表现为风险净输出效应,有的表现为风险净输入效应.(3)随着国家之间经济地位变化和不同时期国际金融重大事件,不同国家/地区金融市场对风险事件的反应程度不同,全球跨货币市场/外汇市场网络的中心层国家/地区、风险传染路径也会相应调整.(4)网络中心层国家/地区并非总是重大金融风险事件的源发地,风险传染效应更多由具体国家/地区金融市场的行为反应和波动程度所决定.     

新冠肺炎疫情冲击背景下金融风险的传导与防范研究——基于金融压力视角的实证分析

本文以新冠肺炎疫情这一重大公共突发事件为研究背景,从金融压力的视角度量了新冠肺炎疫情期间我国金融市场和部门的金融风险,然后采用TVP-VAR-SV模型实证研究了新冠肺炎疫情冲击与我国金融风险的动态时变关系,并进一步利用动态溢出关联模型和网络分析法,从内部和外部两个维度分别研究了金融风险的传染溢出效应。研究发现,新冠肺炎疫情虽不同程度地增加了金融体系的风险水平,但冲击影响持续性较低,金融风险总体可控。另一方面,我国内部金融风险传染具有显著的异质性,全球金融风险传染溢出效应具有时变性、区域聚集性。因此,为了有效防范新冠肺炎疫情等重大突发事件产生的金融风险,一方面,在重点防控关键金融市场和部门风险的同时,还应该谨防输入性风险,尤其要针对性防控重点国家和经济体金融风险对我国金融风险的溢出。另一方面,积极构建和完善内外部协同监管机制和风险预警机制,继续深化经济金融改革,增强我国金融市场的广度、深度和韧性。     

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。     

房价异常波动是否演变为系统性金融风险？

自2003年房地产市场化改革以来,我国房价已经历了5次异常波动。研究表明,房价快速上涨致使房地产升值的财富效应通过投资与融资两大渠道以及政府债务链导致整个金融系统资源配置过度房地产化,并通过挤出效应、流动性效应、杠杆效应在金融体系各子系统间形成风险的累积、扩散与放大,最终演变为系统性金融风险。本文运用独立性权系数法编制系统性金融风险综合指数,并采用VAR模型、格兰杰因果检验和协整检验证实了房价异常波动会通过资产配置房地产化演变为系统性金融风险。     

基于MS-VAR模型的居民杠杆率与系统性金融风险动态关联研究

居民杠杆率过快攀升与系统性金融风险之间是否存在关联已引起广泛的社会关注。本文基于货币、股票、债券、外汇市场数据测度我国系统性金融风险,建立非线性MS-VAR模型探究我国居民杠杆率与系统性金融风险间是否存在时变动态关联。研究结果表明:金融危机后我国居民杠杆率与系统性金融风险之间存在明显的两区制"棘轮效应";居民杠杆率和系统性金融风险都对自身具有粘性;居民杠杆率与系统性金融风险间存在由负转正的时变动态关联,并且风险释放期的关联程度显著大于风险累积期;居民杠杆率对系统性金融风险的影响显著,而系统性金融风险对居民杠杆率的影响甚微。因此,不能简单地将居民部门作为企业、金融部门转移杠杆的对象,需警惕居民杠杆飙升对系统性金融风险的诱发影响。     

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。     

我国四部门金融杠杆对系统性金融风险的影响——基于空间溢出视角

基于金融杠杆对系统性金融风险的区域内和区域间作用机制的理论分析,运用空间偏微分方法,依据测算出的2010—2019年我国各省(区、市)四部门金融杠杆和系统性金融风险数据,考量我国四部门金融杠杆对系统性金融风险的空间溢出。结果显示：我国系统性金融风险具有较强的空间趋同性特征;由于金融杠杆部门结构和所在区域的不同,其对系统性金融风险的区域内溢出存在显著差异;此外,金融杠杆对系统性金融风险的区域间外溢效应明显,忽视该区域间溢出,将不利于准确评估金融杠杆对系统性金融风险的冲击。     

中国系统性金融风险的度量——基于实体经济的视角

本文综合考虑机构个体风险、联动和传染效应、波动和不稳定性以及流动性与信用等风险因素,采用主成分分析分位数回归法(PCQR)构造出可以全面反映实体经济运行情况的系统性金融风险指数,并对系统性风险影响实体经济的传导途径进行了探究。实证结果表明,该指数能较为准确、有效地预测未来宏观经济冲击的分布情形。系统性金融风险主要通过信贷这一渠道传导至实体部门,进而对宏观经济产生负面影响。依据本文构建的指数,当前中国的系统性金融风险处于中高位,防范和化解系统性风险,保持信贷的稳健,是当前中国宏观经济调控的重要任务。     

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。     

我国系统性金融风险的衡量与识别

精准衡量系统性金融风险在维护国家金融安全与稳定方面发挥着重要基础性作用。本文应用等方差加权法合成金融压力指数衡量我国自2004年6月以来的系统性金融风险水平,并运用马尔科夫区制转移自回归模型识别不同金融压力时期。研究表明:金融压力指数的整体走势体现为波动性上升,能准确对应国内外重大金融事件对我国金融体系的冲击;大部分时间我国金融风险状态位于低风险区制,具有一定的粘性,并且高风险区制易于向低风险区制转变。