Page 99 - 北京工商大学学报社会科学版2018年第6期
P. 99

北京工商大学学报(社会科学版)摇 摇 摇 摇 2018 年摇 第 6 期

       一、文献回顾                                      波动集群等),且无法刻画金融序列之间的非线

                            [1]  提 出 的 CoVaR 模     性关系,从而导致测算出的 CoVaR 值的准确性受
       Adrian & Brunnermeier
   型是目前测度风险溢出效应的主流模型,该模                            到一定程度的质疑。 为了避免这一问题,Girardi
   型在风险测度经典模型 VaR 的基础上,充分考                         & Ergun  [8]  对条件在险价值区间进行了修正,采用
   虑了金融机构之间的风险联动与溢出效应,采                            多元 GARCH 方法计算 CoVaR 值,测度了美国银
   用线性分位数回归方法计算 CoVaR 值,可测度                        行机构的系统性风险贡献度,并分析了其自身特
   当某金融机构陷入困境后对其他金融机构乃至                            征与系统性风险贡献度之间的关系。 Karimalis &
   整个金融体系的风险溢出程度。 CoVaR 模型提                        Nomikos [9] 采用多种形式的时变 Copula 函数计算
   出后受到学术界的广泛关注和肯定,国内外学                            CoVaR 值,对欧洲银行业的系统性风险进行了测

   者 纷 纷 采 用 此 法 展 开 相 关 研 究。 Mainik &             度。 Hardle et al.  [10]  使用复杂网络方法来估计
             [2]  将 CoVaR 方法与其他测度银行业               CoVaR 模型,以反映金融危机时金融机构之间的
   Schaanning
   系统性风险的方法进行比较,证明了 CoVaR 方                        尾部相关性。 王周伟等           [11]  对比分析了分位数回
                                                   归法、Copula 函数法以及 DCC鄄GARCH 模型等三
   法在度量系统性风险方面的优势。 L佼pez鄄Espi鄄
   nosa et al.  [3]  将非对称性植入分位数回归模型,               种计算 CoVaR 值的典型方法,发现与分位数回归
   对全球 54 家大型银行的 CoVaR 值进行了测算,                     法相比,Copula 函数法与 DCC鄄GARCH 模型更加
   发现采用服从正态分布的经典 CoVaR 模型所计                        有效,能够更准确地测度银行业与金融体系之间
   算出的系统性风险溢出效应会低于实际值。 李                           的风险溢出效应。 李丛文、闫世军                [12]  构建时变
   志辉、樊莉     [4]  采用 CoVaR 方法以及分位数回归               Copula鄄GARCH鄄CoVaR 模型,分别从局部和整体
                                                   两个角度量化分析了我国不同类型影子银行对传
   技术,衡量了我国商业银行的系统性风险溢价,
   研究发现国有商业银行的系统性风险溢价大于                            统银行业的风险溢出效应的动态走势。 严伟祥
   股份制商业银行;商业银行的 CoVaR 值不仅受                        等 [13] 在此基础上运用同样的方法刻画了银行业、
   金融体系共同风险冲击的影响,还受银行自身                            证券业、保险业、信托业以及金融期货的动态相关
   特质的影响。 肖璞等          [5]  采用 CoVaR 方法,结合         性,分析它们的风险溢出,进一步度量并解析当某
   分位数回归技术,量化了我国上市银行之间的                            一金融业陷入困境时,对其他金融行业的风险溢
   风险溢出效应及单家银行对整个银行体系的风                            出贡献。 赵树然等        [14]  将银行间的动态联系纳入
   险贡献量,发现中国银行对整个系统性风险贡                            考虑,构建了具有经济意义、形式灵活的高频动态
   献率最大。 杨有振、王书华            [6]  基于我国 12 家上        多条件 CoVaR 模型及基于此的群体性系统性风
                                                   险贡献指标,从群体分析视角出发,研究了不同商
   市商业银行 2007—2012 年的周股票价格波动,
   构建了商业银行系统性风险溢出效应的分位数                            业银行群体对金融体系的风险溢出效应。
   回归 模 型, 并 在 分 位 数 估 计 的 基 础 上, 运 用                  本文在借鉴已有文献研究方法的基础上,选
   VaR、CoVaR 技术对 12 家商业银行的系统性风                     取 14 家上市商业银行 2008—2016 年的股票日度
   险溢出进行了分析,证实了我国上市商业银行                            收益率数据,构建 ARMA鄄GARCH鄄CoVaR 模型,测
   系统性风险溢出效应的存在。 欧阳资生、莫廷                           度各上市商业银行对整个银行体系的风险贡献程
   程  [7]  对 CoVaR 模型进行适当改进,将 CoVaR 模              度以及商业银行之间的风险溢出强度,以期为准
   型的条件由 q 分位点下的收益率等于 VaR 推广                       确把握我国银行体系风险状况、甄别系统重要性
   至最多等于 VaR,并通过分位数回归技术计算                          银行以及完善宏观审慎框架提供实证支撑。
   了相应的 CoVaR 值,分别度量了上市商业银行                            二、模型设计
   对整个金融市场体系和上市商业银行对其他上                                (一)CoVaR 模型
                                                                                [1]  的定义,CoVa鄄
   市商业银行的风险溢出效应。                                       根据 Adrian & Brunnermeier
                                                                                           i
                                                     j| i
       由于采用分位数回归技术计算 CoVaR 值,只                     R 表示机构 i 陷入困境时(在险价值为 VaR )机
                                                     q
                                                                                           q
                                                                     j| i
                                                             j
   能描述分位点和回归变量之间的线性关系,并不                           构 j 的 VaR 。 CoVaR 可表示为条件概率分布的
                                                                     q
                                                             q
   能完全捕捉到金融数据的典型特征(尖峰肥尾、                           q 分位数:
    · 9 4 ·
   94   95   96   97   98   99   100   101   102   103   104