基于高频数据的波动率预测研究

基于高频数据的金融分析与建模研究目前已成为金融工程研究领域的一大热点.在金融资产价格波动率的刻画上,金融高频波动率有着低频波动率无法比拟的信息优势,能够较为准确地刻画金融市场波动率的相关特征,并对金融市场波动率的变化做出较为精确的预测.本文选择基于高频数据的沪深300指数为样本,通过构建已实现波动率和已实现极差的长记忆性模型去研究高频数据建模预测中的方法,以对比研究的形式分析了已实现波动率和已实现极差在波动率预测中的能力大小,为高频数据波动率预测研究提供了参考和借鉴.     

基于高频数据的波动率预测研究

基于高频数据的金融分析与建模研究目前已成为金融工程研究领域的一大热点。在金融资产价格波动率的刻画上,金融高频波动率有着低频波动率无法比拟的信息优势,能够较为准确地刻画金融市场波动率的相关特征,并对金融市场波动率的变化做出较为精确的预测。本文选择基于高频数据的沪深300指数为样本,通过构建已实现波动率和已实现极差的长记忆性模型去研究高频数据建模预测中的方法,以对比研究的形式分析了已实现波动率和已实现极差在波动率预测中的能力大小,为高频数据波动率预测研究提供了参考和借鉴。     

金融可及性、互联网金融和家庭信贷约束——基于CHFS数据的实证研究

本文基于中国家庭金融调查(CHFS)数据,选择工具变量,采用极大似然估计方法发现,金融可及性可显著增加家庭信贷需求,同时显著降低家庭信贷约束的概率。进一步,本文发现金融可及性可显著降低家庭需求型信贷约束和供给型信贷约束的概率。本文引入互联网金融变量后发现,在正规金融不可及的情况下,互联网金融可显著促进家庭信贷需求,并降低家庭信贷约束的概率。本文政策含义是,提高金融可及性,推广互联网金融,对于释放家庭信贷需求,缓解家庭信贷约束,提升家庭消费水平具有积极意义。     

金融科技对传统银行行为的影响——基于互联网理财的视角

本文使用2011-2015年263家银行的年报数据和北京大学数字金融研究中心基于蚂蚁金服用户数据构建的地市级数字金融普惠指数,探究金融科技的发展对银行行为的影响。研究发现金融科技的发展实质上推动了一种变相的利率市场化,改变了银行的负债端结构,使得银行负债端越来越依赖于同业拆借等批发性资金。负债端结构的改变导致银行资产端风险承担偏好上升,但是借贷利率和净息差都有所下降。即银行选择了更高风险的资产来弥补负债端成本上升所造成的损失,但并没有将成本向下游企业转移。此外,本文还发现规模越大的银行受到金融科技的冲击越小。     

金融发展与企业创新产出——基于不同融资模式对比视角

本文从股票市场规模、银行业规模和银行业市场化三个维度衡量金融发展,发现股票市场相比于银行业更有利于促进企业专利创新,特别是对创新含量较高的发明专利影响更为显著。对影响渠道的分析表明,股票市场促进创新的渠道是通过缓解外部融资约束,促进高科技企业的创新产出。在知识产权保护程度更高的地区,股票市场对创新的促进作用更加显著。进一步研究表明,专利创新显著提高了公司未来五年的市场价值。本文的政策含义是,大力发展直接融资市场并辅之以较完善的知识产权保护,有利于提高企业创新产出,进而提升公司长期价值。     

数字金融对农村金融需求的异质性影响——来自中国家庭金融调查与北京大学数字普惠金融指数的证据

本文基于中国家庭金融调查和北京大学数字普惠金融指数,采用加入工具变量的面板数据回归,研究了数字金融对不同类别农村正规金融需求的异质性影响。结果表明:数字金融整体水平的提升一方面减少了农村生产性正规信贷需求概率,其中拥有智能手机的群体受影响更明显,另一方面也增加了农村消费性正规信贷需求概率,其中教育水平较高、有网购习惯的群体需求被激发较多,反映出数字金融提升效率、促进消费的多维度效应。本文首次通过实证方法研究了数字金融对农村金融需求的影响,为未来的农村金融政策提供了有益参考。     

数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据

本文就数字普惠金融的发展对居民消费的影响进行了理论探讨和实证检验。研究结论表明:(1)数字普惠金融的发展显著促进了样本期的居民消费,且这一促进效应在农村地区、中西部地区以及中低收入阶层家庭更为明显,同时数字普惠金融发展中除覆盖广度外,使用深度以及使用深度指标中支付、保险与货币基金这三个子指标均显著促进居民消费;(2)数字普惠金融主要通过缓解流动性约束、便利居民支付两种机制促进了样本期的居民消费;(3)使用工具变量法以及将数据集替换为中国劳动力动态调查数据的估计结果表明结论比较稳健和可靠;(4)人力资本差异的分样本回归结果显示,当户主的受教育程度越高、认知能力越强时,数字普惠金融对样本期居民消费的促进效应更为明显;(5)数字普惠金融的发展显著促进衣着、居住、日用品、交通通信以及其他商品和服务的消费支出;(6)家庭债务收入比的分样本回归结果显示,数字普惠金融的发展仅仅促进了中低债务收入比家庭的消费支出,而对高债务收入比家庭的消费支出却存在不显著的抑制效应,同时数字普惠金融的发展确实增加了家庭的债务收入比,因此在积极推动数字普惠金融发展的同时,也需提防居民家庭债务的过度和过快增长。     

货币政策不确定性对银行系统性风险的影响——基于中国36家上市银行的经验证据

商业银行是货币政策传导的重要中介,其风险状况不仅要关注政策本身的调整,也应考虑政策的连续性。本文利用2007年第一季度至2022年第一季度中国36家A股上市银行非平衡面板数据,实证研究了货币政策不确定性对银行系统性风险的影响。结果表明,货币政策不确定性的提高会增大商业银行系统性风险,银行盈利能力在其中起部分中介作用,银行业景气度起到了负向调节作用。考虑细分不同类型银行后发现,国有银行与股份制银行的系统性风险对货币政策波动的敏感度较高,城商行次之,而农商行的系统性风险没有受到货币政策不确定性的显著影响。     

风险传染的信息识别——基于网络借贷市场的实证

基于清华大学金融科技研究院互联网金融研究中心网络借贷平台数据库与网贷之家相关平台统计数据,通过构建Logit模型与Cox比例风险回归模型来研究2015年12月e租宝事件和2018年6月备案延期后的“爆雷”现象,本文着重考察投资者是否具备根据信息披露程度识别问题平台和正常平台的能力。本文发现,第一,信息披露程度是影响平台风险的重要因素:信息披露程度越高的平台,其运营时间越长,出现问题的可能性越低。第二,信息披露程度越高的平台对抗风险的能力越强。风险传染期内,信息披露程度较高的平台,其成交量受市场负面情绪的影响较小。上述两点表明,总体而言,投资者重视平台披露的信息,并具备一定的信息识别能力。最后本研究也发现,上述两次风险事件期出现的问题平台是市场出清所需,它们和正常运营平台存在较大差异,尚无证据表明大量正常平台被拖累成问题平台。     

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。     

监测系统性金融风险——中国金融市场压力指数构建和状态识别

对系统性金融风险进行识别和评估,日益成为各国中央银行的核心关切。囿于数据频率,基于金融机构经营稳健性评估的金融系统性风险监测存在一定的滞后性,不利于中央银行及时进行风险应对,利用金融市场交易数据进行风险监测可极大程度克服滞后性问题。本文根据中国金融市场特点,选取债券市场、股票市场、货币市场和外汇市场17个有代表性的指标,运用经验累积分布函数法分别构造了各子市场的压力指数,以各子市场之间时变的相关关系刻画系统性金融风险的跨市场传染特征,合成金融市场压力指数,并通过建立马尔可夫区制转换模型,对金融市场压力状态进行识别。金融市场压力指数能有效反映样本域内的压力事件,并兼具稳健性、能逐日监测等优点,为监测评估系统性金融风险、选择政策实施窗口和评估政策实施效果等提供了有力工具。     

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。     

基于VAR模型的我国主要金融市场间波动性的关系研究

本文运用VAR模型从投资收益波动性的角度分析了我国股票市场、国债市场、企业债市场、银行间拆借市场的相互关系,运用格兰杰因果检验和脉冲分解两种方法对模型进行分析,并与已有的研究结果进行对照,研究结果表明股票、国债、企业债市场之间存在较强的相互作用,银行间拆借市场与上述三个市场的关系并不十分紧密,只是会受到债券市场的微弱的影响。要规范和做大做强股票市场,大力发展国债和企业债市场,引进更多的市场参与者,完善市场的软硬件建设,加快银行利率市场化步伐。     

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。     

股市波动影响下我国金融发展与经济增长的实证研究

摘要：金融发展理论表明,金融发展能促进资本形成,进而推动经济增长。在我国股市波动的作用影响下．我国金融发展其促进资本形成的功能是否会发生变化？会发生哪些变化？本文利用标准实证增长模型．对我国金融发展和经济增长的关系进行了基于股市波动条件下的实证分析。文章发现：正常的股市波动更有利-y-~．融发展,促进投资,推动经济增长;而受到金融危机冲击下的股市波动则往往会显著的限制金融发展的资本形成。使经济发展遭受损失。     

普惠金融、金融深化与金融稳定--基于ARDL-ECM模型估计

本文利用中国1988~2016年宏观经济数据、金融数据,分别构建金融压力指数与普惠金融发展指数来反映我国的金融稳定状况和普惠金融发展状况,并利用ARDL-ECM模型来分析金融压力指数、普惠金融发展水平、金融深化水平之间的关系。实证结果表明我国普惠金融的发展虽然短期会加大系统性金融风险,但是长期来看是有利于金融稳定的。并且对于我国来说金融深化短期内有利于缓解系统性金融风险,但是长期不利于金融稳定。同时,长期内金融深化可以加大普惠金融对金融稳定的有利影响,但是短期却会加大普惠金融不利于金融稳定的作用。     

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。     

基于最小生成树方法的全球主要股票指数研究

本文运用最小生成树方法研究2006-2013年由全球56个股票市场指数组成的网络。研究发现,这些股票市场在网络中存在明显的地理聚集效应,而且标普500指数、香港恒生指数、荷兰AEX指数、法国CAC40指数、新加坡海峡时报指数、墨西哥IPC指数是网络中的关键节点;在金融危机中,网络的聚集效应在小范围内有所加强。本文还采用滑动窗口技术研究指数间平均系数和最短距离的均值,动态分析全球股票市场网络的稳定性。结果表明,监管者可以重点监测核心节点,以保证网络的整体稳定性。