新兴经济体跨国风险传染效应的实证研究

研究新兴经济体的跨国风险传染效应。通过时变相关的二元正态Copula函数构造了价格传染指数和产出传染指数,建立价格传染和产出传染的面板向量自回归模型。研究发现,资本账户开放冲击对价格传染指数具有正向的影响,资本账户越开放,风险传染的价格效应越显著。价格传染指数对资本账户开放的冲击反应很小,而且不稳定,资本账户开放所具有的风险传染的产出效应自始至终都不明显。     

国际原油市场与中国股票市场尾部相关性及突变因素分析

考虑极端市场情况下市场间的相互作用,运用动态Copula模型和多重结构性断点检验对国际原油市场和中国股票市场尾部相关性及其突变因素进行分析。采用上证综合指数和WTI期货收益率数据进行实证,结果表明:Gumbel Copula可以很好地刻画两市上尾相关性,Clayton Copula可以很好地刻画两市下尾相关性。国内股市与原油价格存在同向变动,在次贷危机、欧债危机这些重大金融事件的影响下,这种同向变动特征更加明显。非常态的金融风险确实原油市场与股票市场互动机制脱离经济基础联系而产生放大效应,但是单纯原油市场内部供给性冲击导致的原油价格的变动对我国股市的影响十分有限。     

互联网金融系统性风险度量研究

互联网金融行业由于其独特的信息科技属性、"长尾"的特点,它的风险交叉传染性更高、可控性更低、负外部性更明显、隐蔽性更强。度量互联网金融系统性风险大小及其风险外溢程度对于维持金融系统的稳定性具有重要意义。本文建立基于分位数回归方程上的静态和动态CoVaR模型,度量了互联网金融行业与金融系统、银行、证券、保险业间的风险溢出关系,发现:金融子行业间存在正向、非对称的风险溢出效应,风险溢出会加大行业的自身风险,互联网金融对传统金融行业的风险总溢出效应显著高于传统金融行业的风险总溢出效应。     

基于GARCH族模型的国债市场收益特征识别及风险测度

以上证国债指数日收益率作为研究对象,构造GARCH族模型识别收益波动特征;通过计算上证国债日对数收益率在险价值,测度国债市场的风险。结果表明,AR-GARCH(2,2)模型在测度上证国债指数日对数收益率风险时表现良好,上证国债指数对数收益率序列具有集聚性和杠杆效应。据此,对国债市场投资的策略选择提出了相关建议。     

我国寿险市场与证券市场互动关系的实证研究

本文构建了寿险保费收入、上证综合指数和交易所国债交易额的向量自回归模型,通过实证分析发现我国股票与寿险产品存在显著地替代效应,而国债与寿险产品的互动作用并不明显。证券市场的不完善和寿险产品结构及其投资渠道的限制,阻碍了寿险市场和证券市场的良性互动。根据以上结论,本文提出了促进寿险市场和证券市场互动发展的政策建议。     

基于条件在险价值法的量化基金市场系统性风险研究

以条件在险价值法和分位数回归法为基础,对我国量化基金市场的系统性风险进行实证分析。研究结果表明,自2013年以来量化基金市场的系统性风险有增加趋势,量化基金对市场风险溢出效应显著但与自身风险不存在高度一致关系,系统性风险取值在各量化基金之间存在差异。以上结果均通过了统计检验,对监管部门监控量化基金市场风险有一定的参考价值。     

资本资产定价模型在上证A股市场的实证研究

资本资产定价模型在现代投资学中具有十分重要的意义,刻画了资产风险和收益之间的关系,是现代金融学领域重要的进展和突破。本文选取了上证A股中18只股票在2003年,2008年和2013年的月收益率,共648个样本数据用spss软件来对资本资产定价模型进行实证线性回归检验,并对资本资产定价模型在我国上证A股市场的有效性进行了初步的论证。     

基于Copula方法的房地产信贷组合风险度量研究

将房地产开发商贷款和个人住房贷款这两类贷款看成一个信贷组合,考虑了两类信贷风险间的非线性相关关系,构建了基于Copula函数的两类贷款组合的信用风险度量模型和度量两类房地产信贷组合信用风险的仿真模拟步骤,并进行了实例分析。实例研究结果表明,Copula函数的应用能灵活处理两类房地产信贷风险间的相关关系,风险度量结果较完全正相关和完全独立两种情况更准确。     

我国系统性金融风险的衡量与识别

精准衡量系统性金融风险在维护国家金融安全与稳定方面发挥着重要基础性作用。本文应用等方差加权法合成金融压力指数衡量我国自2004年6月以来的系统性金融风险水平,并运用马尔科夫区制转移自回归模型识别不同金融压力时期。研究表明:金融压力指数的整体走势体现为波动性上升,能准确对应国内外重大金融事件对我国金融体系的冲击;大部分时间我国金融风险状态位于低风险区制,具有一定的粘性,并且高风险区制易于向低风险区制转变。     

中国银行业系统性风险预警研究——基于SVM模型的建模分析

采用支持向量机和核主成分分析法构建中国银行业系统性风险预警模型,将预警结果与BP神经网络模型和Logit回归模型的预警结果进行对比,并基于2008年1月～2017年9月的数据,采用SVM预警模型预测2009年1月～2018年9月中国银行业系统性风险水平。研究结果显示:与BP神经网络和Logit回归模型相比,SVM模型具有较高的预警正确率;在不同的阶段中国银行业系统性风险水平呈现出不同的变动趋势。建议中国政府部门和银行业警惕资本市场泡沫增长等隐性风险,不断完善银行业内部系统的风险防控机制,持续强化银行业宏观审慎监管。