亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于馬爾科夫區(qū)制轉(zhuǎn)移模型的資產(chǎn)證券化市場波動特征分析

        2019-01-17 02:14:54許曄
        銀行家 2019年12期
        關(guān)鍵詞:VAR模型

        許曄

        【摘要】本文以銀行間資產(chǎn)證券化市場為例,用SV模擬的方法進(jìn)行波動分析,并在此基礎(chǔ)上進(jìn)一步采用馬爾科夫區(qū)制轉(zhuǎn)移模型進(jìn)行變動特征研究,以期初步刻畫資產(chǎn)證券化市場的風(fēng)險狀況并提出相關(guān)建議。

        【關(guān)鍵詞】證券化市場?SV模擬 MSIH-VAR模型 風(fēng)險度量

        一、引言

        近年來,資產(chǎn)證券化市場進(jìn)入了快速發(fā)展通道,2018年資產(chǎn)證券化產(chǎn)品發(fā)行量已突破兩萬億元,五年復(fù)合增長率43%。但是資產(chǎn)證券化市場三萬多億元的市場存量與近百萬億元的債券市場規(guī)模相比,仍然有巨大的發(fā)展空間。加之近期監(jiān)管改革、市場整頓,非標(biāo)資產(chǎn)投資逐步萎縮,都為資產(chǎn)證券化這一標(biāo)準(zhǔn)產(chǎn)品市場提供了良好的發(fā)展環(huán)境。因此,做好資產(chǎn)證券化市場的風(fēng)險解析,完善市場建設(shè)尤為重要。本文試圖以銀行間資產(chǎn)證券化市場為例,用SV模擬的方法進(jìn)行波動分析,并在此基礎(chǔ)上進(jìn)一步采用馬爾科夫區(qū)制轉(zhuǎn)移模型進(jìn)行變動特征研究,進(jìn)行資產(chǎn)證券化市場的風(fēng)險的識別與度量,并試圖找到影響資產(chǎn)證券化市場波動的原因,并提出相關(guān)建議。

        二、文獻(xiàn)綜述

        從資產(chǎn)證券化市場啟動以來,對資產(chǎn)證券化風(fēng)險的研究在學(xué)術(shù)界已有相關(guān)探索。對資產(chǎn)證券化風(fēng)險探討最為深入和廣泛的是對資產(chǎn)證券化的信用風(fēng)險水平研究。謝偉杰(2014年)總結(jié)了資產(chǎn)證券化信用風(fēng)險的特點,并認(rèn)為資產(chǎn)證券化信用風(fēng)險具有市場化、傳染性和增加桿杠的特點。陳逸、朱娜娜(2015年)針對商業(yè)銀行資產(chǎn)證券化帶來的風(fēng)險進(jìn)行探討,認(rèn)為商業(yè)銀行信貸資產(chǎn)證券化產(chǎn)生的風(fēng)險主要為信用風(fēng)險、法律風(fēng)險、信息風(fēng)險,并針對這幾種風(fēng)險提出了防范措施。Carbo-Valverde和Degryse等(2015年)認(rèn)為對信貸資產(chǎn)證券化信用等級的標(biāo)準(zhǔn)降低是產(chǎn)生信?用風(fēng)險的重要原因。謝赤、凌毓秀(2018年)運用KMV模型對2017年12月以前和2017年12月以后兩個時期的上市銀行資產(chǎn)證券化的信用風(fēng)險進(jìn)行了度量,并建立了上市銀行的股票網(wǎng)絡(luò)結(jié)構(gòu),采用最小生成樹法考察商銀行間的風(fēng)險傳染,結(jié)果表明大型銀行的風(fēng)險水平較低,股份制銀行、城商行和農(nóng)商行位于風(fēng)險傳染的中心。李佳(2019年)基于2011~2017年的面板數(shù)據(jù)研究了資產(chǎn)證券化對銀行信用風(fēng)險水平的影響,結(jié)果表明,銀行在資產(chǎn)證券化初期,由于資產(chǎn)證券化的基礎(chǔ)資產(chǎn)均為評級較好的信用產(chǎn)品,資產(chǎn)證券化信用風(fēng)險水平有所上升,長期來看資產(chǎn)證券化可以實現(xiàn)風(fēng)險的緩釋。王星宇等(2019年)運用KMV修正模型,對2005~2017年商業(yè)銀行發(fā)行的94只信貸資產(chǎn)證券化進(jìn)行風(fēng)險度量,并認(rèn)為非國有銀行的信用風(fēng)險水平低于國有銀行的信用風(fēng)險水平。許余吉等(2017年)分析了企業(yè)資產(chǎn)證券化市場風(fēng)險,并認(rèn)為從企業(yè)資產(chǎn)證券化的信用風(fēng)險主要來自交易結(jié)構(gòu)、基礎(chǔ)資產(chǎn)信用質(zhì)量、主體信用等因素的風(fēng)險。

        也有部分學(xué)者探討資產(chǎn)證券化對系統(tǒng)性風(fēng)險的影響及表現(xiàn)。李從文(2015年)通過建立資本資產(chǎn)定價模型,檢驗了2007~2013年資產(chǎn)證券化對銀行系統(tǒng)性風(fēng)險的影響,并認(rèn)為短期內(nèi)資產(chǎn)證券化可以降低銀行系統(tǒng)性風(fēng)險,長期內(nèi)由于傳染性增加,資產(chǎn)證券化產(chǎn)品反而增加了銀行系統(tǒng)性風(fēng)險。謝平、紀(jì)志宏等(2016年)認(rèn)為我國信貸資產(chǎn)證券化市場發(fā)展不順暢從而導(dǎo)致大量信貸資產(chǎn)通過同業(yè)合作、銀信理財?shù)瓤绫O(jiān)管的形式出表,對信用債市場產(chǎn)生擠壓,從而導(dǎo)致了流動性風(fēng)險從表外傳染至表內(nèi),增加系統(tǒng)性風(fēng)險。徐文舸、劉洋(2017年)通過構(gòu)建理論模型,來研究“發(fā)起—分銷”模式的資產(chǎn)證券化如何導(dǎo)致銀行出現(xiàn)流動性危機(jī)的整個過程,他們認(rèn)為,銀行間市場流動性不足導(dǎo)致資產(chǎn)證券化抵押的現(xiàn)象,一旦抵押收益率低于預(yù)期收益率時,將會使風(fēng)險傳導(dǎo)至銀行,乃至出現(xiàn)整個市場的系統(tǒng)性風(fēng)險。對資產(chǎn)證券化的流動性風(fēng)險研究主要來自監(jiān)管機(jī)構(gòu)。福建銀監(jiān)局南平分局課題組(2015年)對資產(chǎn)證券化系統(tǒng)的流動性進(jìn)行分析,并在分析美國、韓國不良資產(chǎn)證券化教訓(xùn)的基礎(chǔ)上提出對資產(chǎn)證券化流動性風(fēng)險的監(jiān)管措施。Allen.E和A.Singh(2016年)年認(rèn)為資產(chǎn)證券化產(chǎn)品帶來許多承銷商以影子銀行的形式出現(xiàn)在市場上,規(guī)避監(jiān)管帶來系統(tǒng)性風(fēng)險。

        雖然學(xué)術(shù)界和業(yè)界對資產(chǎn)證券化風(fēng)險的探討較多,但我們發(fā)現(xiàn)大多數(shù)的都停留在對資產(chǎn)證券化的信用風(fēng)險研究,對市場風(fēng)險和系統(tǒng)性風(fēng)險的討論基本停留在理論層面,且僅有黎紀(jì)東(2015年)和姜智敏等(2019年)等少數(shù)文獻(xiàn)有所涉及。其中,部分原因是中國資產(chǎn)證券化市場發(fā)展尚不成熟,可供分析和研究的數(shù)據(jù)較少。但是考慮到資產(chǎn)證券化市場在整個金融市場體系中的重要性日益增加,本文仍然試圖從有限的數(shù)據(jù)中找到一些可以度量資產(chǎn)證券化市場波動的變量,從而初步認(rèn)識刻畫資產(chǎn)證券化市場風(fēng)險。

        三、模型選取及實證分析

        (一)基于SV(隨機(jī)波動)模型的資產(chǎn)證券化市場波動模擬

        金融市場產(chǎn)品的風(fēng)險度量一般采用波動模型。目前,國內(nèi)對金融市場風(fēng)險度量主要采用GRACH、ARCH等模型進(jìn)行模擬,也有一部分學(xué)者采用隨機(jī)波動模擬的方法,學(xué)者們比較多個計量模型的預(yù)測能力后發(fā)現(xiàn),隨機(jī)波動模擬的方法從擬合度、預(yù)測能力等多個方面都有更好的效果,且存在異方差性和序列相關(guān)性時,隨機(jī)波動模擬結(jié)果更為顯著,因此,我們擬采用標(biāo)準(zhǔn)隨機(jī)波動模型對資產(chǎn)證券化市場的波動狀況進(jìn)行模擬。

        Taylor(1986年)在解釋金融收益率序列波動模型的自回歸行為時提出了標(biāo)準(zhǔn)的SV模型。

        SV模型如下:

        (1)

        (2)

        (3)

        其中代表收益率,代表風(fēng)險補償系數(shù)就是測量均值波動效應(yīng)的回歸系數(shù),為風(fēng)險補償,風(fēng)險補償系數(shù)越大說明風(fēng)險溢價越高,也就是所謂的高收益高風(fēng)險。代表均值回復(fù)水平,服從均值為,方差為的正態(tài)分布。為獨立同分布的白噪聲干擾,服從均值為0,方差為1的正態(tài)分布。其中,誤差項和是不相關(guān)且不可觀測的。是持續(xù)性參數(shù),反應(yīng)了當(dāng)前波動對未來波動的影響。

        考慮到數(shù)據(jù)支撐情況,我們擬采用價格指數(shù)波動作為主要研究方向,以收益率波動作為研究對象建立隨機(jī)波動模型,獲得波動率序列以度量整個市場風(fēng)險特征。我們以銀行間資產(chǎn)證券化市場為例,選取了2015年1月4日至2019年10月30日“中債-銀行間資產(chǎn)支持證券指數(shù)”作為資產(chǎn)證券化市場的價格替代變量。同時,為了便于與整個債券市場的情況進(jìn)行比較,我們選取相同時間段的中債全價指數(shù)作為債券市場的價格替代變量,選取中國國債全價指數(shù)作為國債市場的價格替代變量,對三項價格指標(biāo)取對數(shù)收益率后,采用隨機(jī)波動模擬(SV)的計量方法,測算出資產(chǎn)證券化市場波動率,從而剔除價格的長期影響趨勢,度量短期波動的效果。圖1就是通過隨機(jī)波動模擬的三個市場在2015年1月4日至2019年10月30日區(qū)間內(nèi)的價格波動情況。

        通過對圖1波動序列的比較,我們發(fā)現(xiàn):從波動方向來看,資產(chǎn)證券化市場與整個債券市場和國債市場的波動方向一致;從波動率的絕對值來看,資產(chǎn)證券化市場與整個債券市場和國債市場相比,波動率的絕對值相對較低。

        僅從圖1看,貌似資產(chǎn)證券化市場比債券市場和國債市場更為穩(wěn)定,這可能與資產(chǎn)證券化市場相對封閉、二級市場交易不活躍相關(guān)。但是如果我們將國債市場的最大波幅與資產(chǎn)證券化市場的最大波幅放在同一個圖中相比較(見圖2),我們發(fā)現(xiàn),雖然國債市場的出現(xiàn)波動時,最大波幅較大,但其他時間段的波動都相對最大波幅較小,而資產(chǎn)證券化市場雖然最大波動的絕對波幅不大,但其他時間段的波動相對于最大波幅較大,這其實說明了資產(chǎn)證券化市場的自身穩(wěn)定性是較差的,自身風(fēng)險防御能力恰恰較弱。

        在對資產(chǎn)證券化市場波動序列初步刻畫的基礎(chǔ)上,我們將運用馬爾科夫區(qū)制轉(zhuǎn)移模型,對資產(chǎn)證券化市場的風(fēng)險波動狀態(tài)進(jìn)行進(jìn)一步識別。

        (二)馬爾科夫區(qū)制轉(zhuǎn)移模型(MS-VAR)

        1.模型選擇

        馬爾科夫區(qū)制轉(zhuǎn)移模型可以通過捕捉時間序列數(shù)據(jù)生成過程中的離散變化,其優(yōu)勢在于識別序列的不同狀態(tài),能發(fā)覺時間序列中的結(jié)構(gòu)性突變向機(jī)制性轉(zhuǎn)換的過程,使結(jié)構(gòu)變化內(nèi)生化,從而判斷不同狀態(tài)發(fā)生的時間及原因,這一模型可以在我們得出資產(chǎn)證券化市場波動的情況下,更好地幫助我們識別資產(chǎn)證券化市場、債券市場的風(fēng)險轉(zhuǎn)換情況,這將有利于我們挖掘資產(chǎn)證券化市場風(fēng)險產(chǎn)生的原因。

        對單一時間序列進(jìn)行區(qū)制劃分時,通常在馬爾科夫區(qū)制轉(zhuǎn)移模型中加入向量自回歸,建立如下表達(dá)式刻畫該模型:

        (4)

        其中,,狀態(tài)變量分別表示種區(qū)制狀態(tài),并假定從期的狀態(tài)轉(zhuǎn)移到期的狀態(tài)的轉(zhuǎn)移概率滿足離散取值的一階馬爾科夫過程,其中,表示的前期信息,而表示外生變量,表示轉(zhuǎn)區(qū)制中的參數(shù)估計向量下的平均變動情況,狀態(tài)變量分別表示種區(qū)制狀態(tài)。

        由于資產(chǎn)證券化市場風(fēng)險狀態(tài)的影響因素較多,因此我們認(rèn)為擾動項在不同狀態(tài)下呈現(xiàn)出不同的規(guī)律,因此我們可以選取均值方差都隨著狀態(tài)轉(zhuǎn)化的異質(zhì)性模型且本文采取MSMH(M)-VAR(p)的模型,或者截距及方差都隨著狀態(tài)轉(zhuǎn)化的異質(zhì)性模型MSIH(M)-VAR(p)對資產(chǎn)證券化市場的流動性風(fēng)險特征進(jìn)行描述,從而對波動聚集效應(yīng)進(jìn)行更好刻畫。

        MSMH模型的具體形式為:

        (5)

        其中,并且當(dāng)時,。

        MSIH模型的具體形式為:

        (6)

        MSIH相對于MSMH模型的優(yōu)點在于可以更好的平滑在區(qū)制轉(zhuǎn)移過程中均值的跳躍性變動,使得均值更加平滑。因此我們認(rèn)為MSIH-VAR模型更加適合資產(chǎn)證券化市場風(fēng)險變動特征研究。

        我們對上面SV模擬后波動率序列進(jìn)行頻率轉(zhuǎn)化,針對轉(zhuǎn)頻后的波動率序列進(jìn)行了平穩(wěn)性檢驗,發(fā)現(xiàn)序列平穩(wěn)。最后,我們對AIC準(zhǔn)則、HQ、SC準(zhǔn)則進(jìn)行比較,認(rèn)為對資產(chǎn)證券化市場的風(fēng)險區(qū)制描述采用MSIH(2)-VAR(4)更能分析其風(fēng)險變動特征,且較有說服力。

        2.實證結(jié)果

        我們對資產(chǎn)證券化市場風(fēng)險進(jìn)行模型分析的結(jié)果見圖3、圖4。

        一般區(qū)制轉(zhuǎn)移概率(Probabilities)超過0.5即認(rèn)為市場在該狀態(tài)下的概率較高。整個的轉(zhuǎn)移過程遵循馬爾科夫過程,即轉(zhuǎn)

        移概率代表該狀態(tài)下向高波動(或低波動)的概率。根據(jù)平滑概率我們可以看出,資產(chǎn)證券化市場的高波動狀態(tài)與低波動狀態(tài)出現(xiàn)了清晰的劃分,且區(qū)制轉(zhuǎn)移過程明顯。兩區(qū)制模型中的區(qū)制轉(zhuǎn)移概率分別為0.8410與0.7586。從區(qū)制轉(zhuǎn)移概率圖和風(fēng)險波動區(qū)間轉(zhuǎn)化表我們可以看出,資產(chǎn)證券化市場高風(fēng)險波動頻率較高,且區(qū)制轉(zhuǎn)移頻繁。從2015年至2019年的時間,資產(chǎn)證券化市場出現(xiàn)了8次風(fēng)險區(qū)制轉(zhuǎn)移,其中有4次高波動區(qū)間,再一次證明了資產(chǎn)證券化市場的穩(wěn)定性較差。從4次高波動區(qū)間來看,前兩次處于高波動狀態(tài)的持續(xù)時間要明顯低于后兩次。通過回顧近四年的市場情況,我們發(fā)現(xiàn)資產(chǎn)證券化市場的四次高風(fēng)險波動均與流動性緊張相關(guān)。(見表1)

        2015年末的高波動主要由于信貸資產(chǎn)證券化首次實現(xiàn)做市成交,隨著市場流動性增加,資產(chǎn)證券化市場波動首次增加,出現(xiàn)由于做市交易帶來與之前的市場流動性反差較大的情況,體現(xiàn)為價格波動較大。

        2016年底,受到金融去桿桿等情況影響,同時美國貨幣政策開始收緊,債券市場出現(xiàn)了較大的流動性波動,帶動資產(chǎn)證券化市場的風(fēng)險有所上升,發(fā)行利率上行,部分發(fā)行困難。

        2017年3月份開始,資管新規(guī)開始出臺,債券市場熊市開始,債券市場流動性緊張持續(xù)了較長時間。

        2018年,資產(chǎn)證券化市場出現(xiàn)爆發(fā)試的規(guī)模增長,一級市場發(fā)行量持續(xù)增長,發(fā)行量劇增但是市場能夠配置資產(chǎn)證券化產(chǎn)品的資金方較為固定,導(dǎo)致流動性相對緊張局面出現(xiàn),整個資產(chǎn)證券化市場又進(jìn)入了高風(fēng)險波動區(qū)間,2019年初才回歸平穩(wěn)。

        綜上,馬爾科夫模型模擬出的區(qū)制轉(zhuǎn)化情況和現(xiàn)實的市場流動性狀況高度吻合,基于此,流動性風(fēng)險應(yīng)該是資產(chǎn)證券化市場風(fēng)險的主要驅(qū)動因素。

        3.與債券市場比較

        為了更好地找到資產(chǎn)證券化市場風(fēng)險區(qū)制轉(zhuǎn)換頻繁的原因,我們將資產(chǎn)證券化市場與整個債券市場進(jìn)行比較,對2015年至2019年的債券市場風(fēng)險波動序列建立馬爾科夫風(fēng)險區(qū)制轉(zhuǎn)移模型,得出債券市場波動區(qū)間。(見表2)

        和資產(chǎn)證券化市場風(fēng)險區(qū)制轉(zhuǎn)換對比來看,我們可以看出債券市場一旦進(jìn)入高風(fēng)險區(qū)制,自身恢復(fù)能力較強(qiáng),很快轉(zhuǎn)化為低風(fēng)險區(qū)制,而資產(chǎn)證券化市場一旦進(jìn)入高風(fēng)險區(qū)制則惰性較強(qiáng),較難恢復(fù)到低風(fēng)險的平緩波動狀態(tài)。2016~2018年的三年,資產(chǎn)證券化市場與債券市場均出現(xiàn)相同的高風(fēng)險階段,但明顯資產(chǎn)證券化市場的高風(fēng)險持續(xù)時間較長。

        四、結(jié)論及建議

        (一)初步結(jié)論

        本文對資產(chǎn)證券化市場波動狀況進(jìn)行隨機(jī)波動模擬后建立馬爾科夫區(qū)制轉(zhuǎn)移模型,對市場風(fēng)險特征進(jìn)行分析,可以得到以下結(jié)論:

        1.作為債券市場的組成部分,債券市場整體風(fēng)險狀況決定了資產(chǎn)證券化市場的風(fēng)險波動情況;

        2.考慮到資產(chǎn)證券化市場的深度有限,二級市場建設(shè)尚處于早期階段,以一級市場作為主要內(nèi)容的資產(chǎn)證券化市場受二級市場流動性沖擊小,風(fēng)險波動絕對幅度要小于債券市場整體,但是由于其自身穩(wěn)定性較差且,相對波動幅度大,波動更為頻繁;

        3.從對資產(chǎn)證券化市場持續(xù)近五年的風(fēng)險波動情況看,共出現(xiàn)高風(fēng)險波動與低風(fēng)險波動8次的相互轉(zhuǎn)化,資產(chǎn)證券化市場區(qū)制轉(zhuǎn)換頻繁,一旦進(jìn)入高風(fēng)險階段則難以自愈,而債券市場一旦進(jìn)入高風(fēng)險階段則較為容易轉(zhuǎn)換為低風(fēng)險,因此,資產(chǎn)證券化市場抵御風(fēng)險能力和風(fēng)險吸收能力都相對較弱;

        4.流動性風(fēng)險是資產(chǎn)證券化市場目前主要的風(fēng)險驅(qū)動因素。

        (二)相關(guān)建議

        從以上結(jié)論我們看出,盡管目前資產(chǎn)證券化市場在市場封閉的情況下,市場波動較小,但是其內(nèi)部的脆弱性和單一性都是未來資產(chǎn)證券化業(yè)務(wù)發(fā)展的較大隱患,需要未雨綢繆建立相應(yīng)機(jī)制進(jìn)行風(fēng)險防范和化解。從商業(yè)銀行等金融機(jī)構(gòu)的角度出發(fā),我們認(rèn)為發(fā)行資產(chǎn)證券化產(chǎn)品仍然是緩釋資本、釋放業(yè)務(wù)額度的優(yōu)質(zhì)工具,為此我們提出如下建議:

        1.不斷增加資產(chǎn)證券化產(chǎn)品品種,通過擴(kuò)容的方式增強(qiáng)市場自身穩(wěn)定性。雖然資產(chǎn)證券化市場規(guī)模已經(jīng)3萬多億,但相比整個債券市場近百萬億的容量,市場份額有待進(jìn)一步提高,不斷擴(kuò)大市場,吸收各類基礎(chǔ)資產(chǎn)的品種,增大市場容量,有利于資產(chǎn)證券化市場加大自身的穩(wěn)定性。

        2.加強(qiáng)銀行間資產(chǎn)證券化市場的做市交易要求,提高流動性以防范流動性危機(jī)。雖然監(jiān)管機(jī)構(gòu)已經(jīng)對資產(chǎn)證券化產(chǎn)品做市提出了相關(guān)規(guī)定,但是從市場數(shù)據(jù)來看,2019年上半年信貸資產(chǎn)證券化的換手率僅為8.7%,而債券的換手率為93.8%。在當(dāng)前市場參與主體僅為金融機(jī)構(gòu)且以商業(yè)銀行為主導(dǎo)的前提下,增加金融機(jī)構(gòu)的做市要求是增強(qiáng)市場流動性的重要手段。

        3.建立統(tǒng)一資產(chǎn)證券化市場風(fēng)險監(jiān)測指標(biāo),做好壓力測試。美國次貸危機(jī)的教訓(xùn)仍在眼前,資產(chǎn)證券化作為一個盤活資金,提高市場活力,增加金融資產(chǎn)流動性的重要手段,在大力發(fā)展深化的同時,還應(yīng)針對資產(chǎn)證券化市場建立風(fēng)險監(jiān)測指標(biāo),做好金融市場壓力測試,防范系統(tǒng)性風(fēng)險的爆發(fā)。

        【參考文獻(xiàn)】

        1.陳逸、朱娜娜,商業(yè)銀行信貸資產(chǎn)證券化業(yè)務(wù)的風(fēng)險管理研究,2015年13期,145。

        2.福建銀監(jiān)局南平分局課題組,銀行信貸資產(chǎn)證券化流動性風(fēng)險及監(jiān)管模式研究——基于系統(tǒng)協(xié)同 論視角的分析,金融監(jiān)管研究,2015 年第 12 期,16-30。

        3.黎紀(jì)東,淺談我國資產(chǎn)證券化市場發(fā)展的風(fēng)險防范,時代金融,2016 第 11 期中旬刊(總第 642 期),156。

        4.姜智敏、郭沛、吳贊,當(dāng)前我國資產(chǎn)證券化市場發(fā)展的 分化現(xiàn)象及對策,征信,2019年第3期,85-88。

        5.李叢文,信貸證券化減少我國銀行系統(tǒng)性風(fēng)險了嗎,國際金融研究,2015 年第 6期,65-75。

        6.李佳,資產(chǎn)證券化能否緩解銀行信用風(fēng)險承擔(dān)? —— —來自中國銀行業(yè)的經(jīng)驗證據(jù),國際金融研究,2019.6,57-66。

        7.劉偉江,丁一,隋建利,貨幣政策對股市收益率的影響: 非對稱效應(yīng)解析,廣東財經(jīng)大學(xué)學(xué)報,2015年第5期(總第142期),69-77。

        8.王春峰,蔣祥林,李 剛. 基于隨機(jī)波動性模型的中國股市波動性估計,管理科學(xué)學(xué)報,2003(4) :63 -72。

        9.王星予、余麗霞、陽曉明,商業(yè)銀行信貸資產(chǎn)證券化信用風(fēng)險研究 ——基于修正的 KMV 模型,金融監(jiān)管研究,2019年第3期,54-66。

        10.許余潔、鄧博文,我國企業(yè)資產(chǎn)證券化市場的風(fēng)險分析與信用評級關(guān)注,金融法苑,2017年總第九十五輯,109-119。

        11.謝偉杰,資產(chǎn)證券化信用風(fēng)險問題探討,時代金融,2014年第12期下旬刊(總第574期),159-160。

        12.謝平、紀(jì)志宏、徐忠和鄒傳偉,銀行信貸出表及其對信用債券市場的影響,新金融評論,2016年第3期,41-56。

        13.徐文舸、劉洋,銀行信貸資產(chǎn)證券化的潛在流動性風(fēng)險與監(jiān)管研究,金融監(jiān)管研究,2017年第11 期,83-93。

        14.謝赤和凌毓秀,銀行信貸資產(chǎn)證券化信用風(fēng)險度量及傳染研究——基于修正KMV 模型和MST 算 法的實證,財經(jīng)理論與實踐,2018 年第 3期,2-8。

        15.姚玥悅,鄧創(chuàng),李威,新形勢下我國債券市場風(fēng)險特征研究,經(jīng)濟(jì)縱橫,2017 年第11期,118-122。

        16.Hamilton James D. ,A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle Author( s) : James D. Hamilton Source: Econometrica,Vol. 57,198 2 ( Mar. ,1989) ,pp. 357 -384 Published by: The Econometric Society Stable URL: http: / / www. jstor. org/stable/1912559 Accessed: 14 -09 -2017 13:23 UTC. The Econometric Society.

        17.Allen, E., R. Powell, and A. Singh, Take It to The Limit: Innovative CVAR Applications to Extreme Credit Risk Measurement, European Journal of Operational Research, 2016, 249(2), 465-475.

        18.Carbo-Valverde,S.,Degryse,H.,Rodriguez-Fernandez,F(xiàn).,The Impact of Securitization on Credit Rationing: Empirical Evidence[J]. Journal of Financial Stability,2015,10 (20):36-50.

        (作者單位:中國社會科學(xué)院大學(xué)、中國建設(shè)銀行)

        猜你喜歡
        VAR模型
        余額寶收益率對余額寶規(guī)模影響的實證研究
        價值工程(2016年32期)2016-12-20 20:41:19
        基于VAR模型的人民幣匯率對我國通貨膨脹的影響研究
        中國電子貨幣影響貨幣超發(fā)問題的實證研究
        江淮論壇(2016年6期)2016-12-15 13:55:05
        OFDI對產(chǎn)業(yè)結(jié)構(gòu)的影響研究
        基于VAR模型對經(jīng)濟(jì)增長和物流業(yè)發(fā)展的動態(tài)分析
        智富時代(2016年12期)2016-12-01 14:04:41
        通貨膨脹對上市公司股票收益率的影響研究
        時代金融(2016年27期)2016-11-25 17:27:26
        內(nèi)蒙古牛肉價格傳導(dǎo)實證研究
        商(2016年32期)2016-11-24 18:16:09
        房產(chǎn)稅對房價的影響實證研究
        我國快遞業(yè)與經(jīng)濟(jì)水平的關(guān)系探究
        中國市場(2016年36期)2016-10-19 03:41:35
        安徽省產(chǎn)業(yè)集群與城鎮(zhèn)化的互動關(guān)系
        商(2016年27期)2016-10-17 07:21:16
        日韩一区二区三区人妻中文字幕| 亚洲国产综合人成综合网站| 国产精品国产三级在线高清观看| 午夜国产小视频在线观看黄| 国产精品高清视亚洲乱码| 真实国产精品vr专区| 精品一区二区三区无码视频| 欧美人与动牲交片免费| 少妇被猛烈进入中文字幕| 女人下边被添全过视频| 亚洲精品一区二区三区大桥未久| 久久亚洲第一视频黄色| 亚洲97成人精品久久久| 国产裸体美女永久免费无遮挡| 日韩插啊免费视频在线观看| 中文AV怡红院| 日本不卡一区二区三区在线观看| 国产日产欧产精品精品蜜芽| aaa级久久久精品无码片| 亚洲专区一区二区在线观看 | 首页动漫亚洲欧美日韩| 国产精品一区区三区六区t区| 亚洲黄色一级在线观看| 99久久免费国产精品| 手机看片福利盒子久久青| 日本激情久久精品人妻热| 国产精品久久久天天影视| 好屌草这里只有精品| 亚洲人成网站久久久综合| 91精品国产高清久久福利| 久9re热视频这里只有精品| 亚洲影院天堂中文av色| 亚洲国产精品一区二区第一 | 狠狠色噜噜狠狠狠狠97俺也去| 国产午夜精品视频在线观看| 三级全黄的视频在线观看| 日本VA欧美VA精品发布| 日韩少妇高潮在线视频| 午夜视频在线瓜伦| 日本又黄又爽gif动态图| 国内精品久久久久影院蜜芽|