我国金融行业的系统重要性研究——基于HD-TVP-VAR模型的复杂网络分析

被引：20

作者：

陈少凌 ^{[1
]}

谭黎明 ^{[1
]}

杨海生 ^{[2
]}

崔洁 ^{[3
]}

机构：

[1] 暨南大学经济学院

[2] 中山大学岭南学院

[3] 上海浦东发展银行股份有限公司广州分行

来源：

系统工程理论与实践 | 2021年 / 08期

基金：

广东省自然科学基金;

关键词：

系统重要性; 系统性金融风险; HD-TVP-VAR模型; 复杂网络;

D O I：

暂无

中图分类号：

F832.51 [];

学科分类号：

摘要：

本文以2002-2017年我国A股周数据为样本,首先计算了 76个细分行业的股指波动率,并在此基础上通过高维时变参数向量自回归(HD-TVP-VAR)模型构建了行业之间的全局风险网络.进一步地,本文从网络拓扑分析与量化实证分析两个角度考察了金融行业在风险网络中的系统重要性.研究发现,1)我国A股市场各行业间的风险溢出呈现出"唇齿相依"的复杂关联结构,且风险事件的爆发与金融行业对实体经济行业风险溢出的变化密切相关;2)金融行业承担着风险吸收的功能,其中,银行业的风险吸收功能最强,而证券期货业则表现出相对更明显的风险扩散性;3)行业关联性增强、行业风险角色向扩散型转化以及风险网络结构均衡性受破坏是系统性金融风险产生的重要根源;4)金融行业在全局风险网络中的系统重要性显著强于实体经济行业,其中,银行业与证券期货业的系统重要性分居首位与次位;5)房地产行业在全局风险网络中发挥着双向风险放大的风险"桥梁"作用;6)高杠杆与高流动性会显著刺激金融行业风险扩散的系统重要性,而大规模与重投资则会显著增强其风险吸收的系统重要性.

引用

页码：1911 / 1925

页数：15

共 23 条

[1] 我国金融机构系统性金融风险度量与跨部门风险溢出效应研究
杨子晖
陈雨恬
谢锐楷
[J]. 金融研究, 2018, (10) : 19 - 37
[2] 谁更愿意去库存:国有还是非国有房地产企业?
刘斌
黄坤
王雷
[J]. 经济研究, 2018, 53 (06) : 112 - 126
[3] 股市波动溢出效应及其影响因素分析
郑挺国
刘堂勇
[J]. 经济学(季刊), 2018, 17 (02) : 669 - 692
[4] 供给侧结构性改革为什么是必由之路?——中国式产能过剩的经济学解释
周密
刘秉镰
[J]. 经济研究, 2017, 52 (02) : 67 - 81
[5] 主板与中小板、创业板市场之间的非线性研究:“市场分割”抑或“危机传染”?
方意
[J]. 经济学(季刊), 2016, 15 (01) : 373 - 402
[6] 中国股票市场国际化研究:基于信息溢出的视角
梁琪
李政
郝项超
[J]. 经济研究, 2015, 50 (04) : 150 - 164
[7] 我国银行系统性风险的动态特征及系统重要性银行甄别——基于CCA与DAG相结合的分析
范小云
方意
王道平
[J]. 金融研究, 2013, (11) : 82 - 95
[8] Dealer Networks
Li, Dan
Schurhoff, Norman
[J]. JOURNAL OF FINANCE, 2019, 74 (01) : 91 - 144
[9] Estimating global bank network connectedness
Demirer, Mert
Diebold, Francis X.
Liu, Laura
Yilmaz, Kamil
[J]. JOURNAL OF APPLIED ECONOMETRICS, 2018, 33 (01) : 1 - 15
[10] SRISK: A Conditional Capital Shortfall Measure of Systemic Risk[J] . Christian Brownlees,Robert F. Engle.Review of Financial Studies . 2017 (1)

← 1 2 3 →