發布時間：2020-04-13所屬分類：經濟論文瀏覽：1次
摘 要： 摘要:利用主成分分析法篩選出7個維度變量構建我國系統性金融風險綜合指數，以熵值法確定各維度權重，發現系統性金融風險綜合指數能夠較好地刻畫2007年以來我國系統性金融風險的形勢。通過構建帶隨機波動的時變參數向量自回歸模型，考察系統性金融風險指數與
摘要:利用主成分分析法篩選出7個維度變量構建我國系統性金融風險綜合指數，以熵值法確定各維度權重，發現系統性金融風險綜合指數能夠較好地刻畫2007年以來我國系統性金融風險的形勢。通過構建帶隨機波動的時變參數向量自回歸模型，考察系統性金融風險指數與股票市場、債券市場、外匯市場間的時變脈沖響應關系，發現系統性金融風險的脈沖響應在不同領先間隔期內都呈顯著增加且為正效應;在不同時間節點上，系統性金融風險對股票市場和債券市場正向沖擊的脈沖響應短期大、長期收斂，對匯率負向沖擊的脈沖響應程度大。金融監管部門應建立統一的金融市場實時監測體系，及時防范并化解金融市場的風險沖擊。
關鍵詞:系統性金融風險;金融市場;時變脈沖響應;TVP-VAR-SV
隨著金融市場的發展和全球化進程的加快，各種金融產品創新層出不窮，銀行、保險、信托等金融機構通過各種合作以及積極的產品創新產生密切的關聯，加上混業經營下互聯網金融的迅速崛起，我國金融市場互相滲透和融合越來越明顯，與全球經濟的關系也越來越緊密和復雜。然而由于信息不對稱、杠桿疊加、監管漏洞、金融部門關聯度高、金融體系脆弱等問題的存在，部分金融機構的風險可能會在金融體系中迅速聚集和擴散，演變為系統性金融風險，威脅我國金融安全。
據Wind數據統計，2018年我國股權質押到期規模達到8000多億元，非金融企業違約事件不斷，違約金額多達1100多億，新增融資近80%投入到房地產部門，住戶部門的杠桿率不斷提高。雖然我國匯率水平一直相對穩定，外匯儲備規模也一直保持在3萬億以上，但隨著中美貿易摩擦加劇，外部市場沖擊不斷，重點領域的“灰犀牛”風險、高杠桿、信用風險等無疑對我國經濟社會的穩定產生嚴重影響，并可能引發系統性金融風險。研究我國金融市場系統性風險以及系統性風險波動與各個市場波動之間的動態關系，有利于我們對金融市場風險有更加全面的認識，有助于我們預防和預警系統性金融風險。
一、文獻綜述
系統性金融風險具有潛在性、負外部性、內生性和傳染性等特點，它與金融機構的脆弱性、信息不對稱、過度創新、缺乏監管等問題密切相關。Cokett(1996)認為能夠影響到整個金融體系甚至帶來整個經濟體系全局性災難的風險為系統性金融風險。Kaufman(1999)從風險傳染的角度指出，系統性金融風險可描述為一個事件影響一系列機構和市場的可能性。DeBandtandHattman(2000)則認為系統性風險具有給實體經濟帶來嚴重負外部性沖擊的特性，一般會導致經濟損失、增加金融體系的不確定性。
現行的系統性金融風險度量的方法可分為指標法和模型法，其中指標法采用宏觀的視角并基于宏觀數據來研究金融體系整體的風險水平，例如概率模型法(FrankelandRose，1996)、信號法(Kaminskyetal.，1998)、綜合指數法等。Illing&Liu(2007)根據加拿大金融市場的日數據最早構造出金融壓力指數(FSI)，之后其他學者陸續針對不同國家的金融市場構建多種金融壓力指數。如Balakrishnanetal(2011)采用相同的權重構建了新興國家的金融壓力指數;Grimaldi(2010)選取了16個金融樣本構建歐洲1999—2009年間的金融壓力指數;Giglioetal.(2016)從多個廣泛應用的系統性風險指標中提取公共部分來度量整體的系統性風險，并通過主成分分析構建系統性金融風險綜合指標。國內也有較多的相關研究，如賴娟(2011)從風險利差、股市波動、利率以及外匯市場四個角度來構建我國系統性金融風險綜合指數;而方意等(2012)則從資產規模、杠桿率以及編輯期望損失來分析和度量我國系統性金融風險，并發現它們之間的正相關關系。林琳等(2013)將影子銀行體系納入系統性風險壓力指數，并通過實證研究表明銀行業和影子銀行對系統性金融風險壓力指數有直接影響。陶玲和朱迎(2016)基于綜合指數法從我國7個金融相關市場選取指標，運用主成分法構建我國系統性風險綜合指數。
模型法則從微觀的角度基于金融市場數據研究系統性金融風險，如Allenetal(2012)采用廣義帕累托分布和非參數估計等方法構建金融與房地產行業的截面尾部風險指標，測度金融行業的巨災風險。Kellyetal(2014)試圖構建金融市場的整體尾部風險指數，研究該指數對資本市場和宏觀經濟活動的影響。嚴偉祥等(2017)構建DCC-GARCH模型，研究銀行、保險、證券、信托和金融期貨行業的動態相關性，通過CoVaR方法分析單個行業風險對其他行業的溢出影響，并得到金融行業間的風險溢出效應較為明顯的結論。楊子暉(2018a)通過模擬我國177家銀行面臨外生沖擊時的預期損失，發現傳染性風險在我國系統性金融風險呈逐年增加趨勢，并指出股份制商業銀行是主要誘發者。楊子暉等人(2018b)運用“有向無環圖技術方法”和網絡拓撲分析方法，從網絡關聯的角度分析全球系統性金融風險的動態演化。
金融市場跌宕起伏、外部沖擊不斷，極有可能存在結構性沖擊，因此在度量系統性金融風險的同時，可運用時變參數向量自回歸(TVP-VAR-SV)模型進行補充分析。相較于傳統的VAR模型，TVP-VAR-SV模型的參數隨著沖擊的變動和相關影響機制的變動而變動，通過時變參數捕捉到每個時點的脈沖響應，進而刻畫各個變量之間的動態作用關系。Cogleyetal.(2005)基于Sims(1998)提出的向量自回歸(VAR)模型引入時變方差，同樣基于Sims(1998)，Primiceri(2005)進一步將系數、方差和協方差設置為時變的，提出了TVP-VAR模型。Nakajimaetal.(2011)通過帶隨機波動的時變參數向量自回歸模型(TVP-VAR-SV)分析了日本宏觀經濟與貨幣政策的動態關系，并對比該模型與常數系數VAR模型的估計結果，發現TVP-VAR-SV模型的擬合效果優于VAR模型。D’Agostinoetal.(2013)將TVP-VAR模型應用于實時預測宏觀經濟變量，并將結果與VAR等模型進行對比驗證模型中考慮經濟結構性變化的必要性。鄭燕等(2018)基于TVP-VAR模型對2001-2007年間的國際原油和我國糧食價格進行動態沖擊效應研究，發現它們之間存在非常明顯的時變性特征關系。與傳統VAR模型相比，TVP-VAR-SV模型能夠更好地捕捉經濟系統的變化。
綜上所述，本文主要有兩個目標:一是用系統性風險指數刻畫我國系統性風險;二是采用TVP-VAR-SV模型分析系統性風險指數波動與三個金融子市場波動的動態相關關系。具體的研究分為兩個步驟:首先結合我國資本市場的現狀和特點構建系統性風險綜合指數，運用2007—2018年的數據對“新常態”的金融市場系統性進行實證分析;其次結合TVP-VAR模型研究股票市場、債券市場以及外匯市場對系統性風險指數的脈沖響應，進而研究三個金融子市場與系統性風險的動態波動之間的關系。
二、模型設立方法
(一)綜合指數模型設定
加拿大經濟學家IllingMark和LiuYing最早提出綜合指數法。與發達國家的金融市場相比，我國金融市場起步較晚，金融發展和金融監管不完善，因此將金融市場視為一個相互影響關聯的整體，運用綜合指數法，從而盡可能多的涵蓋金融風險指標和信息。結合我國金融體系現狀、系統性金融風險形成的原因、傳導機制以及數據的可獲得性等特征，本文從股票市場維度、金融機構維度、債券市場維度、貨幣市場維度、外匯市場維度、房地產市場維度以及工業企業部門維度共7個維度選取近70多組樣本數據，構建系統性金融風險指數。
相關知識推薦：金融論文發表的核心期刊投稿指導
(二)基于TVP-VAR模型的時變沖擊分析
1.數據選取說明
為了識別出股票市場、債券市場以及外匯市場與系統性綜合指數的動態沖擊關系，選取滬深300指數(stock)、中證債券指數(bond)、人民幣兌美元匯率(ex)、系統性風險綜合指數(cisr)作為變量進行TVP-VAR-SV實證分析。由于TVP-VAR-SV具有時變特性，本文不一一列舉不同時期的估計結果。結合等間距脈沖響應函數和時點脈沖響應函數深入討論在樣本期間內(2007年1月至2018年9月)系統性風險綜合指數波動與股票市場、債券市場、外匯市場波動的動態影響機制。
2.MCMC抽樣收斂性診斷
根據最大似然函數法，本文最終確定VAR模型最優滯后階數為3，并采用20000次蒙特卡洛(MCMC)模擬抽樣，舍棄前2000次預燒值(burn-in)。表4顯示:Geweke值表示在5%的顯著性水平下，該模型沒有拒絕參數收斂于后驗分布的原假設，同時所有參數估計結果的低效因子都小于150，因此可以確認MCMC抽樣有效。
圖2給出了樣本的自相關系數(上)、模擬路徑(中)和模擬分布密度(下)。從自相關效果來看，自回歸系數均迅速下降，顯示了馬爾可夫鏈的收斂。圖2顯示樣本路徑相對平穩，說明MCMC算法有效。系數的后驗密度顯示大部分時間方差來自隨機波動
3.隨機波動分析
可變隨機方差是TVP-VAR-SV模型的一個重要特征，也是區別于其他VAR模型的一個重要特征，圖3給出了4個變量的路徑(見圖3上)和結構沖擊的后驗隨機波動率的走勢圖(見圖3下)。
由圖3可知，同一時點上各個變量的波動幅度具有較大的差異，系統性風險指數的隨機波動率從2016年以來逐漸上升到高位，之后又逐漸下降。這說明經過一段時間各方的努力，我國系統性金融風險已經得到了一定程度的處置和緩釋，總體上系統性金融風險處于穩定狀態。
4.時變脈沖響應分析
TVP-VAR-SV模型在進行脈沖響應分析時，能夠給出同期動態關系的脈沖響應分析和隨時間變化的動態脈沖響應分析，也能集中關注某些特殊時刻的脈沖響應分析。
SCISSCIAHCI
