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

        ?

        我國系統(tǒng)性金融風(fēng)險傳染的空間結(jié)構(gòu)及時變特征

        2021-06-30 18:45:14龐念偉
        金融發(fā)展研究 2021年4期
        關(guān)鍵詞:格蘭杰因果檢驗

        龐念偉

        摘? ?要:本文構(gòu)建一個格蘭杰因果尾部風(fēng)險網(wǎng)絡(luò),從整體網(wǎng)絡(luò)關(guān)聯(lián)性視角考察我國系統(tǒng)性金融風(fēng)險的空間結(jié)構(gòu)及時變特征。結(jié)果表明:一是從總體看,2008年以來,金融體系風(fēng)險溢出效應(yīng)波動上升,資管新規(guī)的實施使溢出效應(yīng)由升轉(zhuǎn)降,新冠肺炎疫情導(dǎo)致溢出效應(yīng)短暫上升,但目前已回落至低位;二是從風(fēng)險的空間結(jié)構(gòu)看,房地產(chǎn)部門較高的風(fēng)險出度和入度引發(fā)了風(fēng)險加速機制,使其成為重要的風(fēng)險源和承擔(dān)者;三是從風(fēng)險的時變特征看,保險、證券等業(yè)務(wù)創(chuàng)新多的部門風(fēng)險來源的角色在強化,銀行向信托、證券業(yè)的風(fēng)險溢出近年來有所上升?;谝陨辖Y(jié)論,本文認為,當(dāng)前應(yīng)當(dāng)進一步完善資管新規(guī),加大對金融創(chuàng)新業(yè)務(wù)的風(fēng)險監(jiān)測,密切關(guān)注房地產(chǎn)部門風(fēng)險。

        關(guān)鍵詞:系統(tǒng)性金融風(fēng)險;格蘭杰因果檢驗;時變特征;出入度指數(shù)

        中圖分類號:F832.2? 文獻標識碼:A? 文章編號:1674-2265(2021)04-0045-07

        DOI:10.19647/j.cnki.37-1462/f.2021.04.007

        一、引言

        新常態(tài)下我國經(jīng)濟增長放緩,金融風(fēng)險開始在部分金融市場和金融機構(gòu)內(nèi)釋放,甚至傳導(dǎo)至實體經(jīng)濟,威脅經(jīng)濟健康運行。黨的十八大以后,防范化解系統(tǒng)性金融風(fēng)險成為宏觀調(diào)控的重要任務(wù)。關(guān)于系統(tǒng)性金融風(fēng)險目前并沒有一個統(tǒng)一的、普遍接受的定義。大部分學(xué)者認為傳染性是系統(tǒng)性風(fēng)險的核心元素,體現(xiàn)為時間維度和空間維度兩個范疇。時間維度表現(xiàn)為金融風(fēng)險隨時間的演變趨勢,空間維度表現(xiàn)為風(fēng)險在不同金融機構(gòu)之間的網(wǎng)絡(luò)結(jié)構(gòu)及傳染關(guān)系。本文將圖算法中出度和入度概念引入到系統(tǒng)性金融風(fēng)險傳染機制研究中,從時間和空間兩個維度分別測度我國系統(tǒng)性金融風(fēng)險水平,刻畫風(fēng)險在不同金融機構(gòu)之間的傳染機制。

        二、文獻綜述

        系統(tǒng)性金融風(fēng)險的測度方法概括起來主要有基于宏觀數(shù)據(jù)的指標法和基于金融市場數(shù)據(jù)的模型法兩類。金融危機后,利用金融市場數(shù)據(jù)測度系統(tǒng)性風(fēng)險引起學(xué)術(shù)界和政策界的關(guān)注。代表性方法分別是CoVaR和MES方法。

        CoVaR方法由Adrian和Brunnermeier(2011)[1]提出,該方法以一個金融機構(gòu)的倒閉為條件測量金融體系的整體風(fēng)險,可以捕捉一個機構(gòu)系統(tǒng)性風(fēng)險的邊際貢獻,并幫助監(jiān)管者進行逆周期調(diào)控。大量學(xué)者運用這一方法測算系統(tǒng)性金融風(fēng)險(Wong和Fong,2011;Huang等,2012;高國華和潘英麗,2011;白雪梅和石大龍,2014)[2-5]。 MES方法由Acharya等(2012)[6]提出,該方法將金融系統(tǒng)資本不足時某一單個銀行的預(yù)期資本短缺定義為該銀行的SES,將某一單個銀行對金融系統(tǒng)SES的邊際貢獻定義為MES。MES方法得到廣泛應(yīng)用,Idier等(2014)[7]、Derbali和Hallara(2016)[8]分別用該方法測度了美國和歐洲的系統(tǒng)性金融風(fēng)險。范小云等(2011)[9]運用該方法測算了我國的系統(tǒng)性金融風(fēng)險。

        CoVaR和MES方法在一定程度上刻畫了系統(tǒng)性金融風(fēng)險的傳染性特征,但忽視了金融風(fēng)險的整體網(wǎng)絡(luò)關(guān)聯(lián)性。隨著現(xiàn)代計量技術(shù)的發(fā)展,從網(wǎng)絡(luò)拓撲的角度考查系統(tǒng)性金融風(fēng)險的關(guān)聯(lián)性成為研究熱點(Schweitzer等,2009)[10]。

        國外運用網(wǎng)絡(luò)拓撲方法研究風(fēng)險傳染的相關(guān)文獻較多。Billio等(2012)[11]構(gòu)造一個格蘭杰因果尾部風(fēng)險網(wǎng)絡(luò)研究美國對沖基金、銀行、證券、保險部門的風(fēng)險傳染網(wǎng)絡(luò),發(fā)現(xiàn)過去10年來四部門之間的聯(lián)系不斷加強,其中,銀行在風(fēng)險傳染過程中扮演最重要的作用。Wang等(2017)[12]運用CARViaR方法和格蘭杰因果檢驗研究84家美國公開上市金融機構(gòu)的風(fēng)險傳染情況,發(fā)現(xiàn)房地產(chǎn)和銀行部門是極端風(fēng)險的發(fā)出者,保險和多元化金融機構(gòu)是風(fēng)險的接受者。Corsi等(2018)[13]運用格蘭杰因果檢驗識別出全球33家系統(tǒng)重要性銀行和36個主權(quán)債務(wù)之間的風(fēng)險傳染網(wǎng)絡(luò),分析了歐洲主權(quán)債務(wù)危機期間的風(fēng)險傳染情況,發(fā)現(xiàn)他們構(gòu)造的網(wǎng)絡(luò)連接度指標可用于預(yù)測主權(quán)債務(wù)未來的評級情況。Diebold 和Y?lmaz(2014)[14]將向量自回歸模型與網(wǎng)絡(luò)拓撲理論相結(jié)合,運用方差分解方法構(gòu)造波動性溢出網(wǎng)絡(luò)來測度美國金融整體以及金融機構(gòu)兩兩之間的關(guān)聯(lián)性。

        國內(nèi)近年來將網(wǎng)絡(luò)拓撲方法用于風(fēng)險傳染的研究不斷涌現(xiàn)。楊子暉等(2019)[15]采用基于混頻的向量自回歸模型檢驗了我國銀行、證券、保險、房地產(chǎn)部門的極端風(fēng)險傳染情況,發(fā)現(xiàn)我國金融部門之間存在顯著的非線性風(fēng)險傳染效應(yīng)。楊子暉和周穎剛(2018)[16]采用有向無環(huán)圖技術(shù)考察了系統(tǒng)性金融風(fēng)險的國際傳導(dǎo)渠道,發(fā)現(xiàn)美國在同期波動傳遞中占據(jù)主導(dǎo)地位,中國內(nèi)地股票市場除了受美國同期影響,還受到來自中國香港、韓國、俄羅斯的沖擊。方意和鄭子文(2016)[17]基于持有共同資產(chǎn)網(wǎng)絡(luò)模型,通過可視化金融網(wǎng)絡(luò)描繪出風(fēng)險在銀行間傳染路徑的數(shù)量和方向,以此分析風(fēng)險生成銀行和風(fēng)險承受銀行的有向關(guān)聯(lián)問題。王曉楓等(2015)[18]利用復(fù)雜網(wǎng)絡(luò)方法構(gòu)造銀行間市場拆借網(wǎng)絡(luò),采用隨機模擬法分析具有無標度特征的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)對銀行風(fēng)險傳染效應(yīng)的影響,其研究發(fā)現(xiàn)小銀行更容易受到系統(tǒng)性風(fēng)險沖擊并將風(fēng)險傳染給大銀行,銀行數(shù)量的增加有利于弱化銀行間市場的風(fēng)險傳染效應(yīng)。

        梳理上述文獻可以發(fā)現(xiàn),國內(nèi)學(xué)者在運用網(wǎng)絡(luò)拓撲方法研究系統(tǒng)性金融風(fēng)險傳染時存在以下不足:一是在空間維度上,對于系統(tǒng)性金融風(fēng)險傳染的刻畫大多是基于金融部門之間,以及單個行業(yè)內(nèi)部的個體金融機構(gòu)之間,缺乏在一個統(tǒng)一框架下從“整體—部門”的全方位系統(tǒng)性的分析。二是在時間維度上,現(xiàn)有研究大都未考慮風(fēng)險傳染的時變特征,隱含假設(shè)是樣本期不同金融機構(gòu)之間的風(fēng)險傳染渠道是不變的,本文借鑒Billio等(2012)[11]的方法構(gòu)建一個格蘭杰因果尾部風(fēng)險網(wǎng)絡(luò),對我國銀行、信托、證券、保險、房地產(chǎn)五個部門的風(fēng)險傳染機制進行分析。本文的邊際貢獻主要有以下三點:一是在一個統(tǒng)一的框架下從“整體—部門”角度全方位分析我國金融風(fēng)險的總趨勢以及部門特征。二是在時間維度上,將2018年以來的數(shù)據(jù)劃分為不同的時間段,分析不同發(fā)展階段我國金融風(fēng)險的時變特征,嘗試厘清我國金融業(yè)務(wù)創(chuàng)新與金融風(fēng)險的關(guān)系。三是將圖算法中出度和入度概念引入到金融風(fēng)險刻畫中,進一步將金融風(fēng)險的概念分解為金融風(fēng)險出度和金融風(fēng)險入度,從風(fēng)險來源和承擔(dān)者兩個角度全面地刻畫金融機構(gòu)在風(fēng)險傳染中的作用,有助于提高金融風(fēng)險防范的針對性。

        三、系統(tǒng)性金融風(fēng)險的測度

        本部分分別采用CoVaR和MES兩種方法測算我國系統(tǒng)性金融風(fēng)險水平,并對兩種方法的測算結(jié)果進行比較。

        (一)系統(tǒng)性金融風(fēng)險測算方法介紹

        假設(shè)市場上有[N]家金融機構(gòu),[Xit]表示機構(gòu)[i]在[t]期的股票收益率,通過各機構(gòu)的市值[wit]加權(quán)得到所有機構(gòu)的平均收益率:

        MES是機構(gòu)[i]對系統(tǒng)性風(fēng)險的邊際貢獻。系統(tǒng)性風(fēng)險預(yù)期損失ES(Expected Shortfall),表示在[α]%的尾部風(fēng)險下的預(yù)期收益,在ES中引入門限值C,可將系統(tǒng)性的ES定義為:

        將ES對機構(gòu)[i]的權(quán)重求導(dǎo),可以得到機構(gòu)[i]在[t]期的MES:

        可見,MES表示機構(gòu)[i]在系統(tǒng)中權(quán)重的提高對系統(tǒng)性風(fēng)險上升的邊際貢獻。

        CoVaR是在VaR基礎(chǔ)上提出的概念,表示在一定的概率水平下,當(dāng)某一金融機構(gòu)的風(fēng)險VaR值一定時,其他金融機構(gòu)的最大可能損失。假設(shè)機構(gòu)[i]陷入危機時的損失為[VaRiq],機構(gòu)[j]的在險價值可以表示為:

        其中[Xi]表示機構(gòu)[i]的收益率,[q]為設(shè)定的概率水平。上式的含義是機構(gòu)[i]的收益率為[VaRiq]時,機構(gòu)[j]的收益率小于等于[CoVaRj|iq]的概率為[q]。假設(shè)[j]是整個金融系統(tǒng),則機構(gòu)[i]對金融系統(tǒng)的風(fēng)險貢獻為:

        上式中[CoVaRsystem|Xi=VaRiqq]表示,當(dāng)機構(gòu)[i]出現(xiàn)風(fēng)險時所導(dǎo)致的整個金融系統(tǒng)的風(fēng)險水平,[CoVaRsystem|Xi=Medianiq]表示機構(gòu)[i]正常運行時整個金融系統(tǒng)的風(fēng)險水平,[βsystem|iq]是CoVaR對VaR的回歸系數(shù)。上式計算的單個金融機構(gòu)對系統(tǒng)性風(fēng)險的貢獻不隨時間變化,Adrian 和 Brunnermeier(2011)[1]采用一個包含狀態(tài)變量M的方程來計算單個機構(gòu)系統(tǒng)性風(fēng)險貢獻的時間序列:

        單個金融機構(gòu)對系統(tǒng)性風(fēng)險的貢獻為:

        (二)風(fēng)險測算結(jié)果說明

        本文選取在A股上市的25家金融機構(gòu)及3家房地產(chǎn)機構(gòu)測算其MES和△CoVaR水平。25家金融機構(gòu)包括銀行機構(gòu)13家、保險機構(gòu)3家、信托機構(gòu)3家、證券機構(gòu)6家。樣本區(qū)間為2008年1月—2020年10月。數(shù)據(jù)來自萬得數(shù)據(jù)庫。本文將尾部風(fēng)險的概率設(shè)定為5%。機構(gòu)名單和測算△CoVaR時的狀態(tài)變量分別見表1、表2。

        根據(jù)測算結(jié)果,可將2008年以來我國系統(tǒng)性金融風(fēng)險的變化分為以下五個階段(見圖1):一是2008年1月—2008年9月金融風(fēng)險持續(xù)發(fā)酵期,這一時期,國際金融危機的影響持續(xù)發(fā)酵,MES和△CoVaR在2008年9月達到較高水平。二是2008年10月—2012年10月危機后風(fēng)險回落期,金融危機的影響開始減弱,MES和△CoVaR逐漸下降并趨于平穩(wěn)。三是2012年11月—2014年8月風(fēng)險小幅波動期, 2013年7月銀行間市場出現(xiàn)“錢荒”風(fēng)波,系統(tǒng)性風(fēng)險有所上升,隨后恢復(fù)至正常水平。四是2014年9月—2016年12月股災(zāi)引發(fā)風(fēng)險加劇期,這一時期我國系統(tǒng)性風(fēng)險出現(xiàn)急劇上升,MES和△CoVaR指標超過2008年9月的水平,主要是由股票市場的大幅震蕩引起的,但隨著各項穩(wěn)定政策的實施,系統(tǒng)性風(fēng)險在2016年12月基本回歸至危機前的正常水平。五是2017年1月至今風(fēng)險穩(wěn)中緩升。我國系統(tǒng)性金融風(fēng)險總體呈現(xiàn)低位緩慢上升的趨勢,原因主要有兩個方面:一是房地產(chǎn)市場引發(fā)風(fēng)險,二是對安邦系、明天系等金融控股集團的清理整頓,導(dǎo)致保險部門風(fēng)險上升。

        四、系統(tǒng)性金融風(fēng)險傳染的空間結(jié)構(gòu)和時變特征

        本部分在測度系統(tǒng)性金融風(fēng)險水平的基礎(chǔ)上,進一步構(gòu)建一個格蘭杰尾部風(fēng)險網(wǎng)絡(luò)模型,從網(wǎng)絡(luò)關(guān)聯(lián)性的角度刻畫金融風(fēng)險在不同金融部門之間的傳染路徑及其變化情況。

        (一)系統(tǒng)性金融風(fēng)險傳染機制的刻畫方法

        刻畫風(fēng)險在金融系統(tǒng)傳染的動態(tài)機制,一方面需要測度金融機構(gòu)兩兩之間的連接度,另一方面還要測度風(fēng)險在兩兩機構(gòu)之間傳染的方向。為實現(xiàn)以上兩方面目的,本文采用格蘭杰因果檢驗的方法來刻畫金融系統(tǒng)的風(fēng)險傳染情況。Danielsson等(2011)[19]指出,資產(chǎn)收益之間的格蘭杰因果關(guān)系可以看作是市場主體收益溢出效應(yīng)的代理變量。鑒于金融機構(gòu)的△CoVaR和MES具有很強的一致性,因此,在金融風(fēng)險傳染的研究中,我們僅選擇MES作為單家機構(gòu)的風(fēng)險測度方法,然后對不同機構(gòu)之間MES的聯(lián)動關(guān)系進行格蘭杰因果檢驗,以此計算金融部門之間的連接度情況。

        假設(shè)存在兩個時間序列變量[i]和[j],如果變量[j]包含的信息有助于預(yù)測未來的變量[i],那么變量[j]就是變量[i]的格蘭杰原因。公式如下:

        其中,[Rit]和[Rjt]是兩個平穩(wěn)的時間序列,用來衡量單家機構(gòu)的MES值,變量的均值為0,模型滯后期為1,[eit+1]和[ejt+1]是兩個不相關(guān)的白噪聲過程。當(dāng)[bij]不等于0時,變量[Rjt]是變量[Rit]的格蘭杰原因;當(dāng)[bji]不等于0時,變量[Rit]是變量[Rjt]的格蘭杰原因;當(dāng)[bij]和[bji]均不為0時,兩個變量之間互為格蘭杰原因。機構(gòu)[j]將風(fēng)險傳染給機構(gòu)[i]可以表示成如下形式:

        其中[j→i]表示機構(gòu)[j]向機構(gòu)[i]的風(fēng)險傳染過程,值為1表示機構(gòu)[j]可以將風(fēng)險傳染至機構(gòu)[i],值為0表示機構(gòu)[j]無法將風(fēng)險傳染至機構(gòu)[i]。

        假設(shè)金融體系中共有N家機構(gòu),每家機構(gòu)可以看作一個結(jié)點,N家機構(gòu)之間共計N(N-1)對兩兩關(guān)系中,格蘭杰因果檢驗顯著的即為該金融體系的度。將金融體系的度占N(N-1)對兩兩關(guān)系的比重定義為金融體系的連接度指數(shù)(DGC),公式如下:

        從金融部門角度看,假設(shè)金融體系中N家金融機構(gòu)分布在M個部門。以部門[α]為結(jié)點,該部門內(nèi)的金融機構(gòu)作為風(fēng)險源與其他部門的兩兩關(guān)系共有[(M-1)N/M]對,其中,格蘭杰因果關(guān)系顯著定義為部門[α]的出度,出度在所有兩兩關(guān)系中的占比定義為出度指數(shù),表示部門[α]作為風(fēng)險源對其他金融部門的影響,公式為:

        其中,[j|α]表示歸屬于部門[α]的機構(gòu)[j],[S|β]表示歸屬于部門[β]的所有機構(gòu),[i|β]表示歸屬于部門[β]的機構(gòu)[i]。同理,部門[α]的入度指數(shù),即部門[α]作為風(fēng)險的承擔(dān)者受其他部門影響的程度,公式為:

        部門[α]的出入度指數(shù),即同時考慮部門[α]作為風(fēng)險源和風(fēng)險承擔(dān)者,公式為:

        (二)金融體系DGC連接度指數(shù)的分析

        風(fēng)險溢出效應(yīng)的大小受長期和短期兩類因素影響。長期因素主要是金融管理體制、業(yè)務(wù)發(fā)展模式、重大的風(fēng)險事件等長期性、趨勢性因素所導(dǎo)致的機構(gòu)之間關(guān)聯(lián)性的變化;短期因素主要是市場流動性事件、監(jiān)管文件等因素所導(dǎo)致的機構(gòu)之間關(guān)聯(lián)性的暫時變化。圖2中給出2008年以來我國金融體系的DGC指數(shù)。DGC指數(shù)越大,說明金融機構(gòu)之間的聯(lián)系越緊密,風(fēng)險溢出效應(yīng)越明顯。2008年以來,我國的DGC指數(shù)表現(xiàn)出以下特點:

        一是從大的周期看,可以分為5個階段。(1)2010年4月以前,DGC指數(shù)總體上升,這主要是2008年國際金融危機的余波。(2)2010年4月—2013年8月DGC指數(shù)處于下行區(qū)間,主要是由于危機以后金融去杠桿的不斷推進。(3)2013年8月—2018年5月,在此期間,我國資管業(yè)務(wù)快速發(fā)展,不同金融部門和機構(gòu)之間的聯(lián)系日益緊密,DGC指數(shù)逐步上升。(4)2018年4月《關(guān)于規(guī)范金融機構(gòu)資產(chǎn)管理業(yè)務(wù)的指導(dǎo)意見》出臺,金融機構(gòu)無序的混業(yè)經(jīng)營行為受到遏制,金融機構(gòu)和部門之間的關(guān)聯(lián)性開始下降。(5)2019年7月份以來,金融體系之間的連接度指數(shù)有所上升,主要是由于金融體系之間的流動性壓力有所加大,但隨后新冠肺炎疫情暴發(fā),金融壓力開始急劇上升,DGC指數(shù)在2020年6月份達到高點,中央銀行適度調(diào)整貨幣政策,通過定向降準、再貸款再貼現(xiàn)等方式加大流動性投放,金融風(fēng)險隨后開始回落。

        二是在大周期中存在著明顯的小波動。DGC指數(shù)大周期的變化主要是由于金融機構(gòu)之間關(guān)聯(lián)性的變化,而DGC指數(shù)暫時性的小幅波動更多是源于金融機構(gòu)之間流動性壓力的傳導(dǎo)。2013年8月—2018年5月,我國資管業(yè)務(wù)快速發(fā)展,監(jiān)管政策的調(diào)整給部分金融機構(gòu)帶來短暫的流動性壓力,造成DGC指數(shù)上升。如2014年1月發(fā)布的《商業(yè)銀行理財產(chǎn)品進入銀行間債券市場有關(guān)事項的通知》、2014年8月發(fā)布的《私募投資基金監(jiān)督管理暫行辦法》等文件導(dǎo)致DGC指數(shù)在2014年12月出現(xiàn)一個小高峰;2016年7月以證監(jiān)會《證券期貨經(jīng)營機構(gòu)私募資產(chǎn)管理業(yè)務(wù)運作管理暫行規(guī)定》為標志的“監(jiān)管風(fēng)暴”,導(dǎo)致DGC指數(shù)在2016年8月出現(xiàn)一個小高峰;2020年6月,在全球新冠肺炎疫情肆虐的背景下,DGC指數(shù)達到歷史高位,但隨后中央銀行加大流動性投放,7月6日7天Shibor創(chuàng)3年新低,DGC指數(shù)隨后開始進入下行區(qū)間。

        (三)分部門金融出入度指數(shù)分析

        分部門的金融出入度指數(shù)主要測度該部門的金融機構(gòu)與該部門以外的金融機構(gòu)間的風(fēng)險溢出情況。表3給出金融部門之間的出度指數(shù)和入度指數(shù)。

        一是從出度指數(shù)看,樣本期間保險部門是最大的風(fēng)險源,64%的非保險類金融機構(gòu)會受到保險部門的影響,即如果保險部門發(fā)生風(fēng)險,非保險部門中有64%的機構(gòu)會受到?jīng)_擊。其中,保險→銀行的出度指數(shù)為82.1%,保險→證券的出度指數(shù)為50%,兩者均處于較高水平,表明保險部門如果發(fā)生風(fēng)險,極易向銀行和證券行業(yè)傳染。這主要由于在我國資管業(yè)務(wù)快速發(fā)展時期,保險業(yè)務(wù)受監(jiān)管約束較少,特別是銀保、證保等業(yè)務(wù)合作模式的快速推廣,成為風(fēng)險傳染的重要渠道。與此同時,銀行和房地產(chǎn)部門的出度指數(shù)也較高,其主要路徑是銀行[→]房地產(chǎn)(出度指數(shù)64.1%)及房地產(chǎn)[→]銀行(出度指數(shù)61.5%),即房地產(chǎn)和銀行部門之間形成了一種正反饋的機制。

        二是從入度指數(shù)看,房地產(chǎn)部門是最大的風(fēng)險承擔(dān)者,57.3%的非房地產(chǎn)機構(gòu)會將風(fēng)險傳染至房地產(chǎn)部門,其中證券→房地產(chǎn)、銀行→房地產(chǎn)的出度指數(shù)分別是61.4%、64.1%,說明當(dāng)證券、銀行等部門發(fā)生風(fēng)險以后,很容易傳染至房地產(chǎn)部門。

        三是綜合考慮出度指數(shù)和入度指數(shù)后,房地產(chǎn)部門是最大的風(fēng)險部門,其出度指數(shù)和入度指數(shù)的合計值在所有部門中最高。房地產(chǎn)部門在系統(tǒng)性金融風(fēng)險傳染中具有重要作用已經(jīng)成為共識,本文的研究進一步表明在金融風(fēng)險傳染中,房地產(chǎn)部門既是重要的風(fēng)險來源方,同時也是重要的風(fēng)險承擔(dān)者,充當(dāng)了金融加速器的角色。加速路徑是:證券、銀行部門將風(fēng)險傳染至房地產(chǎn)部門,隨后房地產(chǎn)部門將風(fēng)險溢出至銀行和信托部門,而房地產(chǎn)企業(yè)的高杠桿經(jīng)營特征及融資渠道的復(fù)雜性是造成這種加速器機制的主要原因。

        (四)分部門金融出入度指數(shù)的時變特征

        分部門金融出入度指數(shù)分析給出的是金融部門之間靜態(tài)的風(fēng)險傳導(dǎo)情況,未能刻畫出金融風(fēng)險傳染在不同時期的變化情況。但是,從我國實際情況看,金融深化的步伐持續(xù)推進,監(jiān)管政策也在不斷完善,從2008年以前的嚴格分業(yè)經(jīng)營,到2012—2017年資管業(yè)務(wù)快速發(fā)展,再到2017年以來對監(jiān)管套利和資管業(yè)務(wù)加強約束,我國金融風(fēng)險傳染的路徑處于不斷變化之中。因此,基于時間維度來審視我國系統(tǒng)性風(fēng)險傳染機制的變化很有必要。本部分根據(jù)我國系統(tǒng)性金融風(fēng)險的變化態(tài)勢,將2008年以來劃分為2008—2013年、2014—2016年、2017—2020年三個不同時期,分析各時期金融風(fēng)險傳染特征的動態(tài)變化??傮w上,2008年以來我國金融機構(gòu)之間的聯(lián)系逐漸加強。2008—2013年,金融機構(gòu)連接度為137,2014—2016年連接度為139,在2017—2020年間金融機構(gòu)之間的連接明顯加強,金融系統(tǒng)連接度上升至207(見表4)。具體來看:

        一是從部門的風(fēng)險出度看,不同部門差異明顯。保險、證券、房地產(chǎn)部門的出度隨時間不斷變大,2008—2013年、2014—2016年、2017—2020年保險部門的出度指數(shù)分別為12.7%、13.3%、52%,證券部門的出度指數(shù)分別為4.5%、16.7%、24.6%,房地產(chǎn)部門的出度指數(shù)分別為6%、11.3%、72.7%。這說明隨著我國金融體系的完善,保險、證券、房地產(chǎn)部門作為風(fēng)險來源,對系統(tǒng)性金融風(fēng)險的影響越來越大。其中,保險部門和證券部門風(fēng)險出度的上升,主要由于這兩類金融業(yè)態(tài)的創(chuàng)新業(yè)務(wù)較多,隨著跨部門業(yè)務(wù)的發(fā)展,風(fēng)險溢出效應(yīng)有所增強;房地產(chǎn)部門風(fēng)險出度在2018—2020年間急劇上升,使其成為主要的風(fēng)險來源,主要由于近兩年在房住不炒調(diào)控政策的約束下,房地產(chǎn)企業(yè)資金壓力有所加大,如2020年下半年恒大地產(chǎn)的資金危機就是這一情況的真實寫照。信托部門和銀行部門的風(fēng)險出度先降后升,2008—2013年、2014—2016年、2017—2020年信托部門的風(fēng)險出度分別為5.3%、4%、28.8%,銀行部門出度分別為22.8%、13.3%、46.8%。其中,2014—2016年信托部門風(fēng)險出度下降,主要是由于監(jiān)管部門加強了對信托業(yè)務(wù)的監(jiān)管力度,導(dǎo)致業(yè)務(wù)發(fā)展放緩,2015年信托貸款同比僅增長0.8%,處于較低水平。銀行部門在2014—2016年間風(fēng)險出度下降,2017年以后上升,主要是由于2017年原銀監(jiān)會接連發(fā)布《關(guān)于銀行業(yè)風(fēng)險防控工作的指導(dǎo)意見》《關(guān)于開展銀行業(yè)“監(jiān)管套利、空轉(zhuǎn)套利、關(guān)聯(lián)套利”專項治理工作的通知》等一系列文件,銀行與其他金融部門之間的資金聯(lián)系有所減少,從而導(dǎo)致風(fēng)險壓力向信托部門傳導(dǎo),風(fēng)險出度有所上升。

        二是從各部門的風(fēng)險入度看,保險部門先升后降,顯示資管新規(guī)主要是通過約束保險部門風(fēng)險承擔(dān)者的角色而發(fā)揮作用。房地產(chǎn)部門的入度指數(shù)穩(wěn)中有升。總體來看,房地產(chǎn)部門由于融資渠道高度復(fù)雜,不同渠道之間的融資替代性強,因此,其他部門向其傳染的風(fēng)險較小,體現(xiàn)為房地產(chǎn)部門的風(fēng)險入度基本保持平穩(wěn)。信托和證券行業(yè)的風(fēng)險入度先降后升,2017年以來,信托和銀行承擔(dān)的風(fēng)險有所上升,其風(fēng)險主要分別來自銀行和房地產(chǎn),而證券部門的風(fēng)險主要來自信托和房地產(chǎn)。由此可見,金融風(fēng)險傳染網(wǎng)絡(luò)是銀行將風(fēng)險傳染至信托,信托將風(fēng)險傳染至證券,據(jù)此可以認為,不良貸款上升導(dǎo)致的銀行風(fēng)險外溢增加,是造成2017年以來信托業(yè)和證券業(yè)風(fēng)險入度上升的主要原因。

        五、結(jié)論及政策建議

        防范和化解系統(tǒng)性金融風(fēng)險是當(dāng)前宏觀調(diào)控政策的一項重要任務(wù)。本文以金融市場數(shù)據(jù)為基礎(chǔ)測度了2008年以來我國系統(tǒng)性金融風(fēng)險的變化情況,并構(gòu)建一個格蘭杰因果尾部風(fēng)險網(wǎng)絡(luò),從空間和時間兩個維度研究我國系統(tǒng)性金融風(fēng)險傳染的特征。本文可以得到三個方面研究結(jié)論:首先,從總體看,2008年以來金融體系風(fēng)險溢出效應(yīng)波動上升,資管新規(guī)的實施使溢出效應(yīng)由升轉(zhuǎn)降,新冠肺炎疫情導(dǎo)致溢出效應(yīng)短暫上升,但目前已回落至低位。其次,從風(fēng)險的空間結(jié)構(gòu)看,房地產(chǎn)部門較高的風(fēng)險出度和入度指數(shù)引發(fā)了風(fēng)險加速機制,使其成為重要的風(fēng)險源和承擔(dān)者。再次,從風(fēng)險的時變特征看,保險、證券等業(yè)務(wù)創(chuàng)新多的部門風(fēng)險來源的角色在強化,銀行風(fēng)險溢出對信托、證券影響較大。上述結(jié)論對當(dāng)前我國防范和化解金融風(fēng)險具有一定的啟示:

        一是資管新規(guī)這一系統(tǒng)化的重大管理規(guī)定對抑制我國金融系統(tǒng)的風(fēng)險溢出效應(yīng)發(fā)揮了關(guān)鍵作用。因此,當(dāng)前應(yīng)當(dāng)進一步完善、優(yōu)化資管新規(guī)的相關(guān)規(guī)定。一方面,嚴禁多層嵌套、脫實向虛,最大程度抑制風(fēng)險的跨部門、跨周期傳染;另一方面,在推進資管新規(guī)實施過程中應(yīng)當(dāng)關(guān)注金融部門的期限錯配及流動性狀況,防止因資管新規(guī)實施造成次生風(fēng)險事件。

        二是保險部門是重要的風(fēng)險源且風(fēng)險出度不斷上升,這說明以金融控股集團(如大型的保險公司)為核心紐帶的金融創(chuàng)新業(yè)務(wù),很容易聚集金融風(fēng)險。因此,當(dāng)前應(yīng)當(dāng)加大對金融創(chuàng)新業(yè)務(wù)的監(jiān)測和管理力度,盡快出臺對金融控股集團的統(tǒng)計制度,全面摸排國內(nèi)重要的金融控股集團的業(yè)務(wù)關(guān)聯(lián)情況,對跨部門的創(chuàng)新業(yè)務(wù)加大宏觀審慎管理力度。

        三是房地產(chǎn)部門是最脆弱的風(fēng)險源和風(fēng)險承擔(dān)者,是我國當(dāng)前金融風(fēng)險防范的重點。房住不炒的調(diào)控政策以及房地產(chǎn)“三條紅線”的監(jiān)管要求導(dǎo)致房地產(chǎn)企業(yè)面臨較大的資金壓力。因此,當(dāng)前應(yīng)重點關(guān)注房地產(chǎn)企業(yè)的風(fēng)險情況。一方面,要逐漸壓降房地產(chǎn)企業(yè)負債規(guī)模,盡快滿足監(jiān)管要求,為長期的防風(fēng)險打下堅實基礎(chǔ);另一方面,也要關(guān)注房地產(chǎn)企業(yè)資金鏈壓力,防范資金鏈斷裂導(dǎo)致風(fēng)險擴散。

        參考文獻:

        [1]Adrian T,Brunnermeier M K. 2011. CoVaR [R].National Bureau of Economic Research.

        [2]Wong A Y T,F(xiàn)ong T P W. 2011. Analysing Interconnectivity Among Economies [J].Emerging Markets Review, 12(4).

        [3]Huang X,Zhou H,Zhu H. 2012. Systemic Risk Contributions [J].Journal of Financial Services Research,42(1-2).

        [4高國華,潘英麗.銀行系統(tǒng)性風(fēng)險度量——基于動態(tài)CoVaR方法的分析 [J].上海交通大學(xué)學(xué)報,2011,(12).

        [5]白雪梅,石大龍.中國金融體系的系統(tǒng)性風(fēng)險度量[J].國際金融研究,2014,(6).

        [6]Acharya V,Engle R,Richardson M. 2012. Capital Shortfall:A New Approach to Ranking and Regulating Systemic Risks [J].American Economic Review,102(3).

        [7]Idier J,Lamé G,Mésonnier J S. 2014. How Useful is the Marginal Expected Shortfall for the Measurement of Systemic Exposure? A Practical Assessment [J].Journal of Banking & Finance,47(1).

        [8]Derbali A,Hallara S. 2016. Systemic Risk of European Financial Institutions:Estimation and Ranking by the Marginal Expected Shortfall [J].Research in International Business and Finance,37(1).

        [9]范小云,王道平,方意.我國金融機構(gòu)的系統(tǒng)性風(fēng)險貢獻測度與監(jiān)管——基于邊際風(fēng)險貢獻與杠桿率的研究[J].南開經(jīng)濟研究,2011,(4).

        [10]Schweitzer F,F(xiàn)agiolo G,Sornette D. 2009. Economic Networks:The New Challenges [J].Science,325(5939).

        [11]Billio M,Getmansky M,Lo A W. 2012. Econometric Measures of Connectedness and Systemic Risk in the Finance and Insurance Sectors [J].Journal of Financial Economics,104(3).

        [12]Wang G J,Xie C,He K. 2017. Extreme Risk Spillover Network:Application to Financial Institutions [J].Quantitative Finance,17(9).

        [13]Corsi F,Lillo F,Pirino D. 2018. Measuring the Propagation of Financial Distress with Granger-Causality Tail Risk Networks [J].Journal of Financial Stability,38(1).

        [14]Diebold F X,Y?lmaz K. 2014. On the Network Topology of Variance Decompositions:Measuring the Connectedness of Financial Firms [J].Journal of Econometrics,182(1).

        [15]楊子暉,陳雨恬,陳里璇.極端金融風(fēng)險的有效測度與非線性傳染 [J].經(jīng)濟研究,2019,( 5).

        [16]楊子暉,周穎剛.全球系統(tǒng)性金融風(fēng)險溢出與外部沖擊 [J].中國社會科學(xué),2018,(12).

        [17]方意,鄭子文.系統(tǒng)性風(fēng)險在銀行間的傳染路徑研究——基于持有共同資產(chǎn)網(wǎng)絡(luò)模型 [J].國際金融研究,2016,(6).

        [18]王曉楓,廖凱亮,徐金池.復(fù)雜網(wǎng)絡(luò)視角下銀行同業(yè)間市場風(fēng)險傳染效應(yīng)研究 [J].經(jīng)濟學(xué)動態(tài),2015,(3).

        [19]Danielsson J,Song Shin H,Zigrand J P. 2011. Balance Sheet Capacity and Endogenous Risk [J].2011.

        猜你喜歡
        格蘭杰因果檢驗
        地價與房價的相互影響關(guān)系
        新疆旅游開放度對經(jīng)濟增長的影響研究
        河南省入境旅游與經(jīng)濟發(fā)展的關(guān)系研究
        外商直接投資與重慶市經(jīng)濟增長關(guān)系的實證分析
        中印美棉花期貨市場價格聯(lián)動研究
        商情(2016年39期)2016-11-21 08:55:17
        中國產(chǎn)業(yè)結(jié)構(gòu)變動與經(jīng)濟周期波動相關(guān)性的實證研究
        關(guān)于貿(mào)易條件與經(jīng)常項目余額關(guān)系的研究
        商(2016年15期)2016-06-17 22:32:15
        河北省房地產(chǎn)周期綜合指數(shù)與GDP、M2、CPI的關(guān)系研究
        商(2016年13期)2016-05-20 10:36:00
        我國知識產(chǎn)權(quán)發(fā)展與經(jīng)濟發(fā)展之間的關(guān)系
        科技視界(2016年10期)2016-04-26 12:29:59
        陜西省金融產(chǎn)業(yè)集聚與經(jīng)濟增長實證分析
        商(2016年6期)2016-04-20 18:51:32
        91免费永久国产在线观看| 亚洲av男人免费久久| 日韩精品成人一区二区在线观看| 久久亚洲乱码中文字幕熟女| 日本一区三区三区在线观看| 成人免费自拍视频在线观看| 人妻少妇乱子伦无码视频专区| 男女上下猛烈啪啪免费看| 一本一道波多野结衣一区| 无码一区二区三区不卡AV| 久久精品亚洲成在人线av| 老鲁夜夜老鲁| 日本熟妇色xxxxx欧美老妇| 久久国产乱子伦精品免费强| 国产精品视频白浆免费看| 中文字幕无码成人片| 亚洲av永久无码精品网站在线观看| 97久久久久人妻精品专区| 一区二区三区婷婷中文字幕| 97青草超碰久久国内精品91| 色综合久久精品亚洲国产| 屁屁影院一区二区三区| 91青青草在线观看视频| 亚洲桃色视频在线观看一区| 内射人妻少妇无码一本一道| 亚洲精品成人区在线观看| 亚洲高清有码在线观看| 日本女同性恋一区二区三区网站| 丰满少妇作爱视频免费观看| 久久国产劲暴∨内射| 无遮无挡三级动态图| 国产亚洲一区二区三区成人| 久久精品视频日本免费| 无码无套少妇毛多18p| 午夜成人鲁丝片午夜精品| 99热门精品一区二区三区无码| 加勒比东京热综合久久| 粉嫩国产av一区二区三区| 国产一区二区三区在线电影| 9191在线亚洲精品| 久久综合老鸭窝色综合久久|