论文部分内容阅读
近年来,随着金融全球化的发展,国际金融风暴的爆发能很快对我国金融业产生影响,由于银行业的特别地位,其受影响的程度大小直接影响着我国金融发展状况。为了对系统性风险进行度量,本文选择银行系统,从各个银行出发,在估算并控制自身风险值的同时,需要测度出单个银行对整个银行系统的系统性风险的溢出程度,出于本目的,本文对此展开了研究。 本文将分位数回归技术应用于中国证券市场和中国银行系统的风险分析。首先,本文利用分位数VaR方法,分别使用不同概率水平、不同分布假设和不同GARCH模型对上证180指数的风险价值进行求解;接着,将基于分位数方法的CoVaR理论应用于银行系统性风险的度量,计算12家银行的系统性风险溢出值,将ΔCo VaR分为非时变ΔCo VaR和时变ΔCo VaR,引入一系列能表现银行特性的状态变量St-1进行分位数回归以体现ΔCoVaRit的时变性,分别计算银行的自身VaR、CoVaR和ΔCoVaR值,并作分析。最后,在时变ΔCoVaR框架下,将研究样本划分为危机蔓延与度过危机两个阶段,再对两个阶段各银行的ΔCoVaR值排序,对比两个阶段各银行风险溢出排名变化原因进行解释和分析。 本文研究所得的结论如下:1)分位数VaR方法计算金融资产风险值过程中,对不同分布和不同GARCH模型的选择计算所得的VaR结果差别不大,各个模型都能很好的描述金融资产的市场风险,充分体现了分位数回归技术对分布假设无要求,使得各模型都能适用于现实的金融风险值计算中。2)观察结果发现非时变CoVaR值均小于时变CoVaR值,说明前者在没考虑状态变量情况下,计算所得各银行的ΔCoVaR值较低,低估了银行自身对银行系统性风险的影响程度;后者在回归中加入了WR、LS等条件变量后,很好地描述了资产增长率的尾部风险。3)根据各银行的CoVaR和ΔCoVaR排序,对我国12家银行的风险的贡献程度进行分析,得出工商银行、中国银行、建设银行和交通银行这四家大型国有商业银行不仅自身风险较大,而且对银行业系统性风险的贡献程度很大,对我国银行的有着举足轻重的影响,是行业的标榜,工商银行对银行业的影响力尤为显著。浦发银行、民生银行、华夏银行等中小股份银行的风险溢出效应大小紧随其后,但其风险贡献不可忽视。宁波银行、北京银行这两家城市商业银行对系统性风险的贡献程度虽然最小,但在他们快速发展过程中对银行业的风险溢出效应逐渐增大,这对我国做好对此类银行的风险监管有重大警示作用。