论文部分内容阅读
自美国次贷危机之后,我国经济增速上下波动,逐步趋于中高速发展水平。2011年后宏观经济紧缩,名义投资增长率从30%以上跌落到截止2015年6月份的10%左右,同时商业银行不良贷款逐步攀升。随着我国经济结构逐步转型,商业银行之间业务交织关系更加复杂,收入结构呈现多元化发展,其内部风险演变机制也悄然发生改变。本文按照商业银行规模大小选取5家银行作为研究样本,并以2010年中期为界将样本时区分为第一、二两个时期,研究不同规模商业银行间的风险传染效应。首先基于样本银行日收益率序列构建VAR模型,通过格兰杰因果关系检验得出,第一时期样本银行之间风险传染关系比第二时期更加密集,第一时期多数样本银行之间呈现显著的双向传染关系,并且工商银行和中国银行处于风险传染过程的中心地位;考虑样本银行之间的当期结构关系,通过构建SVAR模型进行方差分解,研究每个结构冲击对样本银行收益率变动的贡献度,结果显示系统重要性银行对区域性银行贡献度较低,而区域性银行对系统重要性银行贡献值相对较大,区域性银行中北京银行的影响范围和效果大于宁波银行。为了进一步研究样本银行间的非线性风险关系,本文分别针对样本银行的日收益率和时变VaR序列构建Copula函数,得出同等规模样本银行间的风险传染效应更加明显。基于样本银行收益率序列建立Gumbel和Clayton Copula函数研究其上下尾部相依性,得出第一时期收益率序列的尾部相依性均大于第二时期;为研究发生极值损失时不同规模银行间的风险传染效应,根据样本银行收益率序列下尾极值分布生成GARCH-VaR序列,基于时变VaR序列研究Clayton下尾相依性关系得出,时变VaR序列第二时期的下尾相依性明显大于第一时期,说明经济增速放缓后样本银行出现极值损失时的联系更加紧密。通过对收益率序列和极值损失序列尾部相依性的分析,发现样本银行面临损失时联系更加紧密,风险传染效应更加明显。通过构建SVAR模型和Copula函数得出如下结论:(1)基于银行收益率序列构建SVAR模型并进行Granger因果关系检验得出,系统重要性银行处于风险传染的核心位置,是商业银行风险传染的纽带,并且第一时期的纽带作用强于第二时期;基于SVAR模型进行方差分解可得,系统重要性银行受到区域性银行冲击效果相对强烈,反之,冲击效果较弱。(2)基于银行收益率序列构建Copula函数进行尾部相依性分析得出,第一时期风险传染效应强于第二时期,而基于极值损失分布序列构建Copula函数进行尾部分析得出,第二时期不同规模商业银行间风险传染效应强于第一时期,即从收益角度看,商业银行第一时期传染关系更强,而从损失角度看则第二时期更强。随着我国经济增速放缓,经济发展逐渐步入新常态背景下,经济发展中存在的问题和冲突逐渐暴露,阻碍经济发展的因素更加复杂,不同规模商业银行风险损失序列之间相互传染效应逐步增强。此外,无论从银行收益率视角还是时变VaR视角,基于Copula尾部相依性分析均得出,同等规模商业银行之间风险传染效应更加显著。