关键词：金融风险溢出;分位回归;方差分解;半参数模型;因子模型
摘 要：度量金融风险溢出效应是金融计量经济学领域研究中的前沿问题之一。在金融风险管理中,随着金融自由化和全球化的发展,金融风险溢出效应已成为爆发系统性金融风险的重要风险源。金融风险监管部门不仅需要加强对个体金融机构的监管,更应考虑到金融机构之间的风险溢出效应,避免系统性金融风险的爆发。因此,对金融风险溢出效应建立计量模型,度量系统性金融风险,分析个体金融机构的风险敞口和对系统性风险的贡献程度,识别风险敏感的系统性重要金融机构,刻画金融机构之间的风险溢出路径和金融风险传染网络拓扑结构,是金融风险管理中亟待解决的热点问题。本文借助分位回归理论,构建适合不同数据维度的金融风险溢出效应模型。基于分位回归的金融风险溢出度量模型可以直接对金融资产收益极端分位数建模,刻画金融市场的尾部行为,在理论上扩展了系统性金融风险建模的研究方法和视角,在实践中为金融风险管理的分析和决策提供技术支持和依据。结合向量自回归模型和分位回归技术,提出了分位向量自回归模型,通过设置极端尾部分位水平,利用脉冲响应函数度量金融机构之间的风险冲击响应,基于方差分解技术构造金融风险溢出效应指标,度量静态和动态金融风险溢出效应。将构建的金融风险溢出度量模型应用到G7股票市场金融风险溢出效应研究中,验证了分位向量自回归模型度量风险溢出效应的可行性和有效性。为了捕获金融风险溢出的非线性行为,考虑到模型构建适应性和可解释性的平衡,利用时间序列变量选择技术,构建半参数分位回归模型,基于半参数分位回归技术提出了非线性CoVaR模型,用于度量静态和动态金融风险溢出效应,识别金融机构对系统性金融风险的贡献和风险敞口。将构建的金融风险溢出度量模型用于中国股票市场15个行业的风险溢出效应研究中,验证了非线性CoVaR模型度量风险溢出效应的可行性和有效性。从高维数据处理的角度出发,构建了度量高维金融系统的风险溢出效应的因子CAViaR模型,结合分位回归理论和因子模型降维思想,基于因子分位回归方法估计模型系数,借助奇异值分解识别金融风险因子,度量金融机构因子贡献和因子负载,利用因子贡献和因子负载构建尾部风险行为分析和全局风险联动分析图,探索股票收益的非对称性和识别金融风险重要性机构。将所构建的金融风险溢出度量模型分析中国股票市场172只股票之间的风险溢出效应,验证了因子CAViaR模型度量风险溢出效应的可行性和有效性。基于金融风险溢出效应和网络拓扑理论,从系统化的视角构建金融风险网络,更直观和形象地分析金融风险溢出效应。利用分位向量自回归模型方差分解技术,借助风险溢出效应设计金融风险权重矩阵,构建有向加权金融风险网络,识别风险网络拓扑结构特征,使用节点连接散点图可视化金融风险网络。在实证分析中构建了中国股票市场中银行股票的风险网络。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取