張杰
【摘要】根據(jù)系統(tǒng)性風(fēng)險測度,本文選取浦發(fā)銀行與內(nèi)地銀行股價周數(shù)據(jù)為樣本數(shù)據(jù),借用分位數(shù)回歸方法計算CoVaR,并來討論浦發(fā)銀行指數(shù)與內(nèi)地銀行指數(shù)的風(fēng)險溢出大小,還有浦發(fā)銀行對系統(tǒng)性風(fēng)險大小的影響。
【關(guān)鍵詞】系統(tǒng)性風(fēng)險;CoVaR;溢出效應(yīng)
1 研究樣本的選取與研究
內(nèi)地銀行指數(shù)是中證行業(yè)指數(shù)的一種,目前包含浦發(fā)銀行、工商銀行、建設(shè)銀行等21家銀行成分指數(shù),這些銀行均為大型國有商業(yè)銀行或具有代表性、影響力較大的地方城市商業(yè)銀行,可以顯著代表內(nèi)地銀行業(yè)整體收益水平。浦發(fā)銀行便是這一行業(yè)分類中重要的銀行之一。浦發(fā)銀行作為在全國內(nèi)具有較大影響力的大型商業(yè)銀行,近年發(fā)展勢頭良好,影響力逐漸增加,并且是較早納入內(nèi)地銀行指數(shù)的銀行,因此浦發(fā)銀行對內(nèi)地銀行業(yè)系統(tǒng)風(fēng)險大小的影響和整個行業(yè)對浦發(fā)這個個體的影響就是說浦發(fā)該個體的的整體風(fēng)險抵抗性研究就越來越有探討的必要。
2 數(shù)據(jù)的選取和處理
本文數(shù)據(jù)研究所選內(nèi)地銀行指數(shù)與浦發(fā)銀行指數(shù)的原始數(shù)據(jù)都是起始于2012年4月6日,結(jié)束時間是2017年3月31日。我們選取的原始數(shù)據(jù)量為周末收盤價。我們選取股票收盤價的周數(shù)據(jù)作為實(shí)證研究的樣本數(shù)據(jù),假如遇到法定節(jié)假日這種沒有交易數(shù)據(jù)的情況,那么就選定最近交易日的數(shù)據(jù)。本文260個數(shù)據(jù)來源于RESSET金融研究數(shù)據(jù)庫,部分缺失數(shù)據(jù)根據(jù)插值法已補(bǔ)齊。
實(shí)證研究過程中,我們選取的指數(shù)計算基準(zhǔn)是2012年4月6日(星期五),在這一天浦發(fā)銀行和內(nèi)地銀行指數(shù)均假設(shè)為1000點(diǎn)。在這之后,浦發(fā)銀行和內(nèi)地銀行的周股價指數(shù)就需要通過基準(zhǔn)水平進(jìn)行折算分析。我們本文收益率的求取原理是一階差分,把求取的周收益率結(jié)果擴(kuò)大100倍作為其周收益率最終結(jié)果。
3 浦發(fā)銀行和銀行指數(shù)和收益率的統(tǒng)計
我們根據(jù)樣本數(shù)據(jù),對其進(jìn)行描述性統(tǒng)計分析,包括均值、峰度、偏度以及Jarque-Bera檢驗(yàn),結(jié)果表示:浦發(fā)銀行Rt是左偏特征,同時K>3,這代表曲線尾部厚于正態(tài)曲線,就是“尖峰厚尾,非對稱分布”的分布特征,這種特征并不獨(dú)特,它是是很多金融事件的分布特征。
4 雙向風(fēng)險溢出效應(yīng)的實(shí)證研究
接下來我們考慮當(dāng)行業(yè)處于系統(tǒng)性風(fēng)險中時對浦發(fā)的影響程度以及當(dāng)浦發(fā)處于系統(tǒng)性風(fēng)險中時對行業(yè)的風(fēng)險溢出效應(yīng)。為了進(jìn)行風(fēng)險測度,本文要通過實(shí)證研究測度q為0.05時的風(fēng)險溢出程度。我們可以得到:
當(dāng)行業(yè)處于風(fēng)險中,浦發(fā)對整個行業(yè)的風(fēng)險貢獻(xiàn)度(CoVaRpfrndr0.05)高于當(dāng)浦發(fā)處于風(fēng)險中的時候,浦發(fā)對行業(yè)的系統(tǒng)性風(fēng)險貢獻(xiàn)度(CoVaRndrpfr0.05)。浦發(fā)是大型企業(yè),其穩(wěn)健性經(jīng)營特征明顯,當(dāng)其處于異常狀況時對行業(yè)的貢獻(xiàn)度小于行業(yè)對它的影響。浦發(fā)的風(fēng)險承受程度還有待提高。
參考文獻(xiàn):
[1]程麗娟.基于CoVaR方法的商業(yè)銀行系統(tǒng)性風(fēng)險度量[D].山西財經(jīng)大學(xué),2013endprint