Page 100 - 北京工商大学学报社会科学版2018年第6期

第 33 卷摇 第 6 期 丁摇 慧, 吴康成: 中国银行业系统性风险溢出效应测度

i
j| i
j
i
Pr(X 臆CoVaR | X = VaR ) = q (1) VaR 和合适的自回归移动平均项组成。 在确定均
q
q
金融 机 构 i 对 j 的 风 险 溢 出 程 度 可 用 值方程后,需要甄别出最优 GARCH 模型并进行
j| i
驻CoVaR 表示: 数据拟合,根据拟合结果计算出银行间以及单个
q
j| i
驻CoVaR = CoVaR j| X i = VaR j q - VaR j (2) 银行对银行系统的 CoVaR:
q q q j,i ^ j
为了使 驻CoVaR j| i 更能够清楚地表示不同机 CoVaR q,t = R + Q(q)滓 ^ i (9)
t
q
构之间的风险溢出,可以对 驻CoVaR 进行标准化 CoVaR sys,i = R ^ sys + Q(q)滓 ^ i (10)
j| i
t
q,t
q
i
^ j ^ sys
^
与 VaR 计算类似,式中 R 、R 以及 滓 仍为
处理: q,t t t t
j| i j| i j 各自所选最优 GARCH 模型的一步向前预测的均
% CoVaR = (驻CoVaR / VaR ) 伊 100% (3)
q q q
(二) 基于 ARMA鄄GARCH 模型的 CoVaR 值 值和条件方差,Q(q) 为显著性水平 q 下的分位
计算 数。 在此基础上,由 CoVaR 的定义,可算出单家
由于传统的分位数回归方法是一种静态估计 银行对外的风险溢出值 驻CoVaR 和风险贡献率%
方法,且忽略了金融数据尖峰肥尾、波动聚集性等 CoVaR,计算公式分别如下。
特征,因此难以准确刻画金融时间序列的非线性 银行间的风险溢出值与风险贡献率:
驻CoVaR j,i = CoVaR j,i - VaR j (11)
关系。 本文拟采用 ARMA鄄GARCH 模型计算 Co鄄 q,t q,t q,t
j,i
VaR 值。 ARMA鄄GARCH 模型的均值方程和方差 % CoVaR j,i = 驻CoVaR / VaR j q,t (12)
q,t
q,t
单家银行对银行系统的风险溢出值与风险贡
方程分别设定如下:
i
i
i
i
i
m
i
R = 茁 + 茁 R + 茁 A (L)R + 茁 B (L)u 献率:
t 0 1 t a p t b q t sys,i sys,i sys
i
i
i
2
滓 = 酌 + 酌 u 2 t - 1 + 酌 滓 2 t - 1 (4) 驻CoVaR q,t = CoVaR q,t - VaR q,t (13)
t
2
0
1
其中,R 表示单个银行(银行系统)的日收益 % CoVaR sys,i = 驻CoVaR sys,i / VaR sys (14)
i
q,t
q,t
q,t
t
m 三、指标选择与实证结果分析
率,R 表示市场收益率,u 为残差项,A(L)、B(L)
t
t
均为滞后算子,其阶数 p 和 q 分别根据 AIC 和 本文以我国 14 家上市商业银行 2008 年 1 月
2 日—2016 年 12 月 30 日(除去节假日)的股票日
2
BIC 准则来确定;滓 为银行 i 在 t 时刻的方差,
t 度收益率作为研究样本,分析我国商业银行的系
u 2 为均值方程式(1)中残差项的滞后平方项,以
t - 1
统性风险溢出效应。 样本期间,各商业银行经历
度量从前期得到的波动性信息。
了美国次贷危机、欧洲债务危机以及 2015 年我国
1郾 计算单个银行以及银行系统的 VaR
股票市场的异常波动等重大事件的冲击,因而相
由 ARMA鄄GARCH 模型可计算出单家银行和
关数据可以真实反映我国金融系统性风险变动情
i
整个 银 行 系 统 的 在 险 价 值, 分 别 记 为 VaR 、
q,t
况。 数据来源于 WIND 数据库。 需要特别说明的
sys
VaR : 是,本文用沪深指数的日度收益率代替市场收益
q,t
^ i
VaR i q,t = R + Q(q)滓 ^ t (5) 率,银行系统指数选用具有代表性的申银万国二
t
VaR sys = R ^ sys + Q(q)滓 ^ (6)
q,t t t 级银行业指数。 各上市商业银行的日收益率由股
^ i ^ sys
R 、R 均为修正后最优 GARCH 模型的一步
t t 票(指数)收盘价的一阶对数差分表出:
^
向前预测的均值,滓 为一步向前预测的条件方 R = 100 伊 ln(P / P t - 1 ) (15)
t
t
t
差,Q(q)为显著性水平 q 下的分位数。 其中,R 为第 i 个上市商业银行的日收益率,
i
2郾 风险溢出效应 CoVaR 值的测算
P 为其第 t 天的收盘价。
t
银行间的风险溢出效应: (一)银行股票收益率序列的描述性统计
j
j
j
j
j
j
R = 茁 + 茁 VaR i q,t + 茁 A(L)R + 茁 B(L)u (7) 从表 1 可以看出,我国三类上市商业银行的
a
t
b
t
t
0
1
单个银行对银行系统的风险溢出效应: 日收益率序列偏度均显著不为 0,峰度远大于 3,
sys
sys
sys
R sys = 茁 sys + 茁 VaR i q,t + 茁 A(L)R sys + 茁 B(L)u t 呈现出明显的“尖峰肥尾冶特征。 同时 JB 统计量
t
t
b
a
0
1
(8) 拒绝了日收益率序列服从正态分布的假设。 ADF
均值方程的左侧为关联银行或者整个银行系 检 验 结 果 显 示, 各 收 益 率 序 列 为 平 稳 序 列。
统的收益率时间序列,右侧由单个银行 i 自身的 ARCH鄄LM 检验结果显示,三类银行的日收益率
· 9 5 ·