系统性风险跨部门溢出网络及突发事件对风险传染的影响——来自37家上市金融机构高频交易的证据

基于资本市场高频交易数据，采用条件在险价值模型对我国37家上市金融机构的系统性风险水平进行测度，运用DCC-GARCH模型研究房地产、银行、证券和保险四个部门之间的动态相关关系，并通过VAR模型采用方差分解方法构建该四个部门间的跨部门风险溢出网络；最后以新冠疫情为例，分析突发事件对系统性风险传染的影响。研究发现，系统性风险主要贡献来自房地产部门，然后依次是银行、证券和保险，其中又以证券部门的风险溢出最大。动态相关性分析表明，近年来四个部门间收益率主要呈正相关关系，但是房地产部门与银行部门之间、保险部门与其他三个部门之间存在过短暂的负相关关系；房地产部门与证券部门的动态相关性有较强的持续性，证券部门和银行部门的相关性受市场信息冲击较大。危机会提高部门间的关联性，使得各部门风险溢出增大。在危机时期，房地产部门会变成风险的主要输出方，其对各部门的冲击较大且持续性较强，保险部门始终是系统性风险的主要接收方，各个部门之间的风险溢出是非对称的。     

国际股市极端风险溢出效应研究 ——基于上行CoVaR和下行CoVaR的分析

将广义CoVaR模型和溢出指数方法相结合,分别从极端上涨和极端下跌两个视角测度国际股市间极端风险溢出效应,并在此基础上利用社会网络方法构建下行风险和上行风险溢出网络,对全球14个股市在下行风险和上行风险溢出中的地位和影响力进行了动态分析.实证结果显示:无论是下行风险还是上行风险,欧洲和美洲成熟股市始终是主要的风险溢出净输出者,日本和韩国等亚洲股市是主要的风险溢出净输入者,风险类型的变化不会显著影响某一股市在全球股市中的地位;上行风险溢出和下行风险溢出之间存在着明显的协同性、周期性和非对称性;上行风险溢出与下行风险溢出之间具有较高的跨期相关性,两者之间存在相互引导作用.因此,可以构建合理的上行风险指标以实现对下行风险的有效预警.     

我国金融机构系统性金融风险度量与跨部门风险溢出效应研究

本文采用VaR、MES、CoVaR以及ΔCoVaR四类风险测度方法,对我国A股56家上市金融机构和房地产公司的系统性金融风险展开研究,并结合前沿的风险溢出网络方法,从静态与动态两个研究角度考察了我国金融风险的跨部门传染。研究结果表明,四种风险测度指标均能准确识别出我国金融部门风险集聚的尾部事件,而且金融体系整体上存在较为明显的跨部门风险传染效应。此外,本文研究发现,我国系统性风险溢出水平逐年攀升,且传染中心在“银行钱荒”、“股市熔断机制”等事件中发生了相应改变,其中,在“钱荒事件”中,银行部门等成为了风险传染的发源地;而在“熔断机制”事件中,房地产与证券部门则成为风险传染的网络中心。在此基础上,我们提出了完善我国金融风险防范体系与监管机制的若干建议,使得本文研究对于“防范跨市场、跨产品、跨机构的风险传染”具有重要的学术价值与现实意义。     

影子银行、信托资金行业投向与系统性风险

影子银行资金投向复杂,防范风险跨行业交叉传染成为当前规范影子银行发展的重点。本文以资金信托行业投向作为影子银行的代理变量,采用△Co Va R模型,利用来自19个行业的资金信托投向数据测算尾部风险指标,分析以信托业为代表的影子银行部门系统性风险的生成机理和风险传导路径。研究发现,由本文模型测算的以信托业为代表的影子银行部门系统性风险主要由行业间关联性驱动,时间维度上具有顺周期性;通过构建指标识别出系统重要性行业和系统脆弱性行业,对前者的溢出效应和后者的吸收效应采取必要的风险隔离措施。因此,在经济上行周期,应通过完善监测系统来捕捉影子银行可能出现的风险,对与影子银行相关的行业采取重点监管措施,防范在下行周期风险出现跨行业扩散,减轻实体经济受到的影响。     

中国行业间上下行风险溢出效应研究

本文将行业波动分解为低波动和高波动,分别代表上行风险和下行风险,基于Elastic-Net-VARX模型,在控制国际冲击的影响下,构建了中国经济金融体系的行业风险溢出网络,从静态和动态两个层面分析中国行业间风险总溢出及方向性溢出水平,并探究各行业上下行风险溢出差异及传染特征。研究发现：第一,中国经济金融体系的上下行风险呈现明显的跨行业传染特征,工业是系统中最主要的风险输出者,可选消费是最主要的风险接收者;第二,上下行风险溢出效应具有显著的非对称性,下行风险溢出溢入水平高于上行风险,并且上行风险的溢出源头是金融行业,下行风险的溢出源头是实体行业;第三,相较于溢入效应,下行与上行风险溢出效应的差异更明显,其中,信息技术、通信服务与可选消费行业的下行风险溢出明显高于上行风险,但金融行业的上行风险溢出显著高于下行风险。本文为监管部门准确把握系统性风险传染源头,制定差异化的上下行风险防控措施提供可行建议。     

实体行业跨境风险与金融部门风险交互传染效应分析——基于行业进出口规模数据

在重大风险跨境、跨行业传染特征显著的背景下,本文基于行业进出口数据构建了实体行业风险指标,基于主要实体行业对应的股指数据构建了行业性金融风险指标,同时引入银行业、多元金融业和保险业等金融子行业的风险指标,计算实体行业与金融部门之间的风险传染效应。本研究初步结论为：不同实体行业之间存在非对称风险溢出效应,且实体行业风险溢出效应大于其自身吸收的风险溢入效应;同时,金融部门子行业之间也存在显著的非对称性风险传染效应,实体行业相应金融板块具有显著风险溢出效应,而银行、保险等金融子行业具有明显的风险溢入效应。进一步看,实体行业较高的进出口风险溢出效应,加剧了股票市场相应行业板块指数震荡,显著提高了金融体系中行业性金融风险的波动水平;另一方面,银行、保险、多元金融等部门的资产规模和配置机制,使得金融市场风险进一步在金融部门之间传染并得到分担。在国际重大风险事件冲击下,实体行业与金融部门的风险交互传染效应显著增强。本文建议,从更加细分的行业层面建立风险监测指标,提高宏观经济政策预期调控与沟通的一致性,以及降低资本市场板块对实体行业风险的过度反应。     

市场设施类金融科技与金融业风险溢出效应及影响机制研究

近年来,市场设施类金融科技行业蓬勃发展,各类高新技术广泛应用于构建金融设施,推动了金融业数字化转型,也带来新的风险管理挑战。本文基于2012—2023年47家上市公司公开数据,使用VaR计算市场设施类金融科技、银行、证券和保险四个行业的系统风险,用TVPVAR-DY模型测度行业间风险溢出效应,并考察影响风险溢出的宏观因素。结果发现：金融科技具有较大系统风险隐患,与金融业各部门呈现风险正相关性;金融科技和证券部门具有较强风险溢出,溢出持续增长并表现“风险积聚”特点;近年来尾部经济事件中,金融科技和证券是主要风险溢出中心,银行是主要流入中心;货币供应量、同业拆借利率和消费者预期对于金融科技、银行、保险和证券的溢出效应和溢入效应会产生不同程度的显著影响。     

我国金融市场间风险传染与系统性风险溢出效应——基于银行、证券、保险市场的E-CoVaR模型分析

本文运用E-CoVaR模型,结合分位数回归技术,测度了我国银行、证券和保险市场之间的风险传染强度以及各金融市场系统性风险溢出效应,并探明了各金融市场系统性风险溢出效应随经济形势变化的规律。研究结果表明:总体来看,银行市场的风险传染强度和系统性风险贡献度最大,证券市场其次,保险市场再次;从动态分析来看,我国金融市场的系统性风险贡献度与市场繁荣程度正相关,在金融危机期处于较高水平。     

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。     

我国系统性金融风险传染的空间结构及时变特征

本文构建一个格兰杰因果尾部风险网络,从整体网络关联性视角考察我国系统性金融风险的空间结构及时变特征.结果表明:一是从总体看,2008年以来,金融体系风险溢出效应波动上升,资管新规的实施使溢出效应由升转降,新冠肺炎疫情导致溢出效应短暂上升,但目前已回落至低位;二是从风险的空间结构看,房地产部门较高的风险出度和入度引发了风险加速机制,使其成为重要的风险源和承担者;三是从风险的时变特征看,保险、证券等业务创新多的部门风险来源的角色在强化,银行向信托、证券业的风险溢出近年来有所上升.基于以上结论,本文认为,当前应当进一步完善资管新规,加大对金融创新业务的风险监测,密切关注房地产部门风险.     

微观层面系统性金融风险指标的比较与适用性分析——基于中国金融系统的研究

准确测度金融机构对整体系统性金融风险的边际贡献是加强宏观审慎监管的基本前提。本文对常用的系统性金融风险指标进行了比较分析,并以“能否涵盖规模、高杠杆率和互联紧密性三方面信息”、“排序结果是否与银保监会认定的系统重要性银行名单相吻合”、“是否具有宏观经济活动预测力”三方面对上述指标在我国金融体系的适用性进行了综合评价。结果显示,SRISK更适于作为我国微观层面系统性金融风险的测度。同时,本文发现,“LRMES约等于1-exp(-18*MES)”的经验关系不具有普适性,不适用于我国金融体系。     

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.     

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。     

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。     

From me to you: Measuring connectedness between Eurozone financial institutions

This paper aims to analyse the tail risk spillover between banks, insurance companies and the shadow banking system in the Eurozone contest. These intra-sectoral interdependencies between financial market participants have contributed to the spread of instability in the financial system. Therefore mapping these links is important for policy-makers to provide supervisory tools and can be a key input into the design of macroprudential policies. For this purpose, we adopt the Tail-Event driven NETwork (TENET) risk model. The TENET is a useful method to map the tail interconnection between the three sectors and to provide systemic risk measures that take into account the “too big to fail” and “too big to interconnected” concepts. The results suggest that each financial sector has a significant impact on the other. By comparing the contribution of each sector, we show that banks are the largest emitters of risk. However, also shadow banking firms are systemic important, given their high level of connection. The work provides a clear view of risk spillovers and interconnection dynamics during the crisis providing a meaningful ranking of the systemic important financial institutions.     

基于动态因子Copula模型的我国银行系统性风险度量

本文基于2007年至2019年我国14家上市银行的股票收益率,构建偏态t-分布动态因子Copula模型,利用时变荷载因子刻画单家银行与整个系统的相关性,计算联合风险概率作为系统性风险整体水平的度量,基于关联性视角提出了新的单家机构系统脆弱性和系统重要性度量指标——系统脆弱性程度和系统重要性程度。该方法充分考虑了银行个体差异性和系统的内在关联性以及收益率的厚尾性和非对称性,从而能够捕捉到更多的信息且兼具时效性。研究表明:银行机构在风险聚集时期相关程度更大,联合风险概率能够准确识别出系统性风险事件且在我国推行宏观审慎评估体系以后有明显降低;整体而言,大型商业银行系统重要性水平最高,同时风险抗压能力也最强;本文使用的度量方法降低了数据获取成本且更具时效性,有助于为宏观审慎差异化监管工作提供借鉴和参考。     

基于动态因子Copula模型的我国银行系统性风险度量

本文基于2007年至2019年我国14家上市银行的股票收益率,构建偏态t-分布动态因子Copula模型,利用时变荷载因子刻画单家银行与整个系统的相关性,计算联合风险概率作为系统性风险整体水平的度量,基于关联性视角提出了新的单家机构系统脆弱性和系统重要性度量指标——系统脆弱性程度和系统重要性程度。该方法充分考虑了银行个体差异性和系统的内在关联性以及收益率的厚尾性和非对称性,从而能够捕捉到更多的信息且兼具时效性。研究表明:银行机构在风险聚集时期相关程度更大,联合风险概率能够准确识别出系统性风险事件且在我国推行宏观审慎评估体系以后有明显降低;整体而言,大型商业银行系统重要性水平最高,同时风险抗压能力也最强;本文使用的度量方法降低了数据获取成本且更具时效性,有助于为宏观审慎差异化监管工作提供借鉴和参考。     

Multilayer information spillover networks between oil shocks and banking sectors: Evidence from oil-rich countries

There is no doubt that oil price shocks significantly affect oil-producing countries' macroeconomic fundamentals and financial stability, mainly in crisis times. The recent oil price shocks, coupled with the COVID-19 pandemic, motivated us to investigate the connectedness and risk transmission among oil shocks and banking sectors in the Gulf Cooperation Council (GCC) economies from June 30, 2006, to September 9, 2021. Thus, we construct multilayer information spillover networks between oil price shocks and GCC banking sectors. The empirical results show that the Bahrain banking sector depicts the highest connectedness and risk transmission with oil price shocks on the extreme risk spillover layer. In addition, Kuwait and the United Arab Emirates are highly connected to oil demand shocks. Furthermore, we find a substantial increase in extreme risk spillover and volatility spillover layers during the COVID-19 period. The results of this paper have some important implications for regional portfolio risk management, alleviating systemic risk, and developing hedging and investment strategies.     

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。     

Measuring systemic risk contribution of global stock markets: A dynamic tail risk network approach

Measuring the systemic risk contribution (SRC) of country-level stock markets helps understand the rise of extreme risks in the worldwide stock system to prevent potential financial crises. This paper proposes a novel SRC measurement based on quantifying tail risk propagation's domino effect using ΔCoVaR and the cascading failure network model. While ΔCoVaR captures the tail dependency structure among stock markets, the cascading failure network model captures the nonlinear dynamic characteristics of tail risk contagion to mimic tail risk propagation. As an illustration, we analyze 73 markets' SRCs using a daily closing price dataset from 1990.12.19 to 2020.9.8. The validity test demonstrates that our method outperforms seven classic methods as it helps early warning global financial crises and correlates to many systemic risk determinants, e.g., the market liquidity, leverage, inflation, and fluctuation. The empirical results identify that Southeast European markets have higher SRCs with time-varying and momentum features corresponding to significant financial crisis events. Besides, it needs attention that South American and African markets have displayed increasing risk contributions since 2018. Overall, our results highlight that considering tail risk contagion's dynamic characteristics helps avoid underestimating SRC and supplement a “too cascading impactive to fail” perspective to improve financial crisis prevention.