基于分位數(shù)回歸技術(shù)的金融市場(chǎng)風(fēng)險(xiǎn)研究——以我國(guó)證券、銀行系統(tǒng)為例.pdf

1、近年來(lái)，隨著金融全球化的發(fā)展，國(guó)際金融風(fēng)暴的爆發(fā)能很快對(duì)我國(guó)金融業(yè)產(chǎn)生影響，由于銀行業(yè)的特別地位，其受影響的程度大小直接影響著我國(guó)金融發(fā)展?fàn)顩r。為了對(duì)系統(tǒng)性風(fēng)險(xiǎn)進(jìn)行度量，本文選擇銀行系統(tǒng)，從各個(gè)銀行出發(fā)，在估算并控制自身風(fēng)險(xiǎn)值的同時(shí)，需要測(cè)度出單個(gè)銀行對(duì)整個(gè)銀行系統(tǒng)的系統(tǒng)性風(fēng)險(xiǎn)的溢出程度，出于本目的，本文對(duì)此展開(kāi)了研究。
　　本文將分位數(shù)回歸技術(shù)應(yīng)用于中國(guó)證券市場(chǎng)和中國(guó)銀行系統(tǒng)的風(fēng)險(xiǎn)分析。首先，本文利用分位數(shù)VaR方法，分別使用不

2、同概率水平、不同分布假設(shè)和不同GARCH模型對(duì)上證180指數(shù)的風(fēng)險(xiǎn)價(jià)值進(jìn)行求解;接著，將基于分位數(shù)方法的CoVaR理論應(yīng)用于銀行系統(tǒng)性風(fēng)險(xiǎn)的度量，計(jì)算12家銀行的系統(tǒng)性風(fēng)險(xiǎn)溢出值，將ΔCo VaR分為非時(shí)變?chǔ)o VaR和時(shí)變?chǔ)o VaR，引入一系列能表現(xiàn)銀行特性的狀態(tài)變量St-1進(jìn)行分位數(shù)回歸以體現(xiàn)ΔCoVaRit的時(shí)變性，分別計(jì)算銀行的自身VaR、CoVaR和ΔCoVaR值，并作分析。最后，在時(shí)變?chǔ)oVaR框架下，將研究樣本劃分

3、為危機(jī)蔓延與度過(guò)危機(jī)兩個(gè)階段，再對(duì)兩個(gè)階段各銀行的ΔCoVaR值排序，對(duì)比兩個(gè)階段各銀行風(fēng)險(xiǎn)溢出排名變化原因進(jìn)行解釋和分析。
　　本文研究所得的結(jié)論如下:1）分位數(shù)VaR方法計(jì)算金融資產(chǎn)風(fēng)險(xiǎn)值過(guò)程中，對(duì)不同分布和不同GARCH模型的選擇計(jì)算所得的VaR結(jié)果差別不大，各個(gè)模型都能很好的描述金融資產(chǎn)的市場(chǎng)風(fēng)險(xiǎn)，充分體現(xiàn)了分位數(shù)回歸技術(shù)對(duì)分布假設(shè)無(wú)要求，使得各模型都能適用于現(xiàn)實(shí)的金融風(fēng)險(xiǎn)值計(jì)算中。2）觀察結(jié)果發(fā)現(xiàn)非時(shí)變CoVaR值均小于

4、時(shí)變CoVaR值，說(shuō)明前者在沒(méi)考慮狀態(tài)變量情況下，計(jì)算所得各銀行的ΔCoVaR值較低，低估了銀行自身對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)的影響程度;后者在回歸中加入了WR、LS等條件變量后，很好地描述了資產(chǎn)增長(zhǎng)率的尾部風(fēng)險(xiǎn)。3）根據(jù)各銀行的CoVaR和ΔCoVaR排序，對(duì)我國(guó)12家銀行的風(fēng)險(xiǎn)的貢獻(xiàn)程度進(jìn)行分析，得出工商銀行、中國(guó)銀行、建設(shè)銀行和交通銀行這四家大型國(guó)有商業(yè)銀行不僅自身風(fēng)險(xiǎn)較大，而且對(duì)銀行業(yè)系統(tǒng)性風(fēng)險(xiǎn)的貢獻(xiàn)程度很大，對(duì)我國(guó)銀行的有著舉足輕重的影