系统性风险预警与逆周期宏观审慎监管

被引:4
作者
毛昊翔 [1 ]
方意 [1 ]
左传长 [2 ,3 ]
机构
[1] 中央财经大学金融学院
[2] 中国宏观经济研究院
[3] 清华大学产业创新与金融研究院
关键词
系统性风险预警; 驱动因子; 逆周期; 宏观审慎监管;
D O I
10.16304/j.cnki.11-3952/f.2019.02.003
中图分类号
F832 [中国金融、银行];
学科分类号
1201 ; 020204 ;
摘要
守住不发生系统性金融风险的底线,需要引入逆周期的宏观审慎监管。基于股票收益率数据的尾部依赖模型所构建的传统前瞻性系统性风险指标不具有逆周期性质,难以为逆周期的宏观审慎监管提供有效的政策支撑。本文从股票收益率生成过程中的驱动因子这一引发系统性风险的根源出发,研究中国16家上市商业银行系统性风险的内在驱动机制。基于驱动因子对系统性风险的预测能力,本文构建出全新的逆周期系统性风险预警指标,发现:①在空间维度上,平安银行、南京银行和华夏银行的金融稳定性最弱,农业银行、中国银行、浦发银行、光大银行和中信银行的金融稳定性最强。据此,监管当局可以针对银行金融稳定性的异同,制定差异化的空间维度宏观审慎监管政策。②在时间维度上,本文所构建的系统性风险预警指标不仅具有有效的风险预测能力,能够提前半年发出风险预警信号,而且具有传统系统性风险预警指标所不具备的良好逆周期性质。据此,监管当局可以更加及时准确地监测系统性风险的累积状态,制定逆周期的时间维度宏观审慎监管政策。
引用
收藏
页码:18 / 32
页数:15
相关论文
共 15 条
[1]   系统风险外溢、市场约束机制与银行股票回报率——基于CoVaR和时变条件β指标的研究 [J].
张晓明 ;
李泽广 .
金融研究, 2017, (12) :143-157
[2]   股票市场和外汇市场间风险溢出效应研究——基于GARCH-时变Copula-CoVaR模型的分析 [J].
周爱民 ;
韩菲 .
国际金融研究, 2017, (11) :54-64
[3]   我国影子银行对商业银行的风险溢出效应——基于GARCH-时变Copula-CoVaR模型的分析 [J].
李丛文 ;
闫世军 .
国际金融研究, 2015, (10) :64-75
[4]   比较“金砖五国”股票市场的系统重要性:基于危机传染的证据 [J].
方立兵 ;
刘海飞 ;
李心丹 .
国际金融研究, 2015, (03) :64-75
[5]   SRISK系统性风险测算方法、结果及评述 [J].
王广龙 ;
熊利平 ;
王连猛 .
投资研究, 2014, 33 (04) :63-73
[6]   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 [J].
范小云 ;
方意 ;
王道平 .
金融研究, 2013, (11) :82-95
[7]   我国系统重要性金融机构的识别与监管——基于系统性风险指数SRISK方法的分析 [J].
梁琪 ;
李政 ;
郝项超 .
金融研究, 2013, (09) :56-70
[8]   我国金融机构系统性风险测度——基于DGC-GARCH模型的研究 [J].
方意 ;
赵胜民 ;
王道平 .
金融监管研究, 2012, (11) :26-42
[9]   股票市场风险溢出效应研究:基于EVT-Copula-CoVaR模型的分析 [J].
刘晓星 ;
段斌 ;
谢福座 .
世界经济, 2011, (11) :145-159
[10]   我国金融机构的系统性风险贡献测度与监管——基于边际风险贡献与杠杆率的研究 [J].
范小云 ;
王道平 ;
方意 .
南开经济研究, 2011, (04) :3-20