發(fā)布時(shí)間：2024-04-12 23:18

　　本文采用條件在險(xiǎn)值CoVaR、邊際期望損失MES、金融巨災(zāi)風(fēng)險(xiǎn)指標(biāo)Catfin、SRISK、中國CISS指數(shù),研究了我國44家上市金融機(jī)構(gòu)的系統(tǒng)性金融風(fēng)險(xiǎn)溢出效應(yīng)及不同時(shí)段的演變特征,并比較五種系統(tǒng)性金融風(fēng)險(xiǎn)測度指標(biāo)在我國的適用性。研究發(fā)現(xiàn):(1)銀行、保險(xiǎn)和證券的MES和SRISK依次遞增;證券、保險(xiǎn)和銀行的CoVaR依次遞增;保險(xiǎn)、證券和銀行的Catfin依次遞減;不同度量方法得到的結(jié)果有一定的差異。(2) CoVaR、MES、Catfin和中國CISS具有明顯的周期性,其在危機(jī)時(shí)期風(fēng)險(xiǎn)較高,危機(jī)過后呈現(xiàn)向下趨勢。(3)中國SRISK自金融危機(jī)以來一直呈上升趨勢,且銀行積累的風(fēng)險(xiǎn)比任何其他金融機(jī)構(gòu)都多。總體來看,一旦發(fā)生嚴(yán)重金融危機(jī),銀行可能承受最大的資本缺口,而證券公司將承受更大比例的短期損失,從而面臨更高的風(fēng)險(xiǎn)。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1：中國金融體系巨災(zāi)風(fēng)險(xiǎn)指標(biāo)Catfin趨勢圖

本文首先對9個(gè)基礎(chǔ)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，然后將標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行賦權(quán)。由于各子市場之間相關(guān)性和波動(dòng)率增大多來自金融危機(jī)，因此，本文將相關(guān)系數(shù)和波動(dòng)率上升的時(shí)間點(diǎn)賦予更高的權(quán)重，相關(guān)系數(shù)和波動(dòng)率平穩(wěn)時(shí)期賦予較低的權(quán)重。通過此種賦權(quán)可以更加突出時(shí)間序列上對系統(tǒng)性風(fēng)險(xiǎn)事件的識(shí)別。中國CISS....

圖3：中國CISS指數(shù)趨勢圖

圖1：中國金融體系巨災(zāi)風(fēng)險(xiǎn)指標(biāo)Catfin趨勢圖其中，st為子指標(biāo)向量；為1×9的向量，代表各指標(biāo)的權(quán)重各19;Ct為9×9的矩陣，代表t時(shí)刻不同指標(biāo)之間的相關(guān)系數(shù)矩陣。Ct由每個(gè)指標(biāo)間的相關(guān)系數(shù)ptij構(gòu)成，ptij通過加權(quán)移動(dòng)平均（EWMA）計(jì)算。具體而言，用σij,t代表....

圖2：中國金融機(jī)構(gòu)整體CoVaR和MES趨勢圖

為了更全面準(zhǔn)確地比較和刻畫CoVaR、MES、SRISK、Catfin和中國CISS指數(shù)對中國金融市場的適用性和分布特征，本文從銀行、證券、保險(xiǎn)三個(gè)板塊選取了44家上市公司作為樣本，其中銀行機(jī)構(gòu)16家、證券機(jī)構(gòu)24家、保險(xiǎn)機(jī)構(gòu)4家(1)。樣本區(qū)間為2008年1月1日至2019....

圖4：中國金融機(jī)構(gòu)SRISK指數(shù)趨勢圖

圖2：中國金融機(jī)構(gòu)整體CoVaR和MES趨勢圖表2給出了CoVaR、MES、Catfin、SRISK和中國CISS的描述性統(tǒng)計(jì)量，其中Panel1為金融系統(tǒng)的風(fēng)險(xiǎn)指標(biāo)值，Panel2—4為分行業(yè)指標(biāo)值(2)。描述性統(tǒng)計(jì)表明不同系統(tǒng)性風(fēng)險(xiǎn)測度指標(biāo)的變動(dòng)規(guī)律有一定的差別。

本文編號(hào)：3952122