文摘

全球金融市场震荡加剧由于COVID-19疫情和其他影响,和经济政策的不确定性对金融体系的影响是不容忽视的。在这篇文章中,我们构造了不对称的风险溢出网络的中国金融市场基于五个领域:银行,证券,保险,多元化的金融和房地产。我们调查的复杂性的风险溢出效应的影响中国金融市场和经济政策的不确定性水平网络金融风险的蔓延。研究收益率三个结果。首先,中国金融市场的跨部门的风险溢出效应是不对称的强度。银行部门具有系统重要性的风险溢出网络。第二,房地产行业的风险水平应力增加了近年来,它扮演着一个重要的角色在金融风险传染的道路。第三,经济政策的不确定性水平有重大的积极影响中国金融市场的网络金融风险的蔓延。

1。介绍

对应于系统性金融风险的三个主要元素:冲击,传染机制和宏观经济损失的后果。系统性金融风险的生成机制包括三个主要过程:系统性金融风险诱因的出现,跨部门的风险传染,和系统性金融风险的产生。特别是,跨部门的风险传染的核心过程是爆发金融危机。目前,全球经济和政治形势不稳定。COVID-19流行和中美贸易战争加强了经济政策的不确定性,金融市场冲击,跨市场风险溢出随之增加。十分重要的学术价值和实践意义量化金融市场风险溢出的水平,阐明不同次市场金融风险溢出的作用网络,并探索驱动经济政策的不确定性对财务风险的影响蔓延和金融稳定。

系统性金融风险生成和蔓延的路径越来越复杂,与动态演化、非线性和网络化的特点。复杂网络技术可以把金融市场复杂性融入空间网络模型和提供一个分析框架对系统性金融风险的网络一代机制通过网络拓扑分析,推导风险的一个重要工具和金融市场危机分析(Caccioli et al。1])。传统风险网络模型倾向于构建基于资产负债风险溢出网络银行间的联系。虽然这些模型能够捕捉风险之间的联系银行,他们忽视跨部门间接联系和信息过程中产生的风险溢出渠道联系。季风引发的例如,金融风险传染效应(macrofundamentals风险引发的危机冲击)和纯感染效应(极端风险传染)仍在风险控制的差距。此外,资产负债表数据的频率很低,和风险溢出网络由他们经常测量后溢出效应发生的风险。此外,Anand et al。2)指出,股票价格是市场代表一个公司的操作条件和更科学构建一系列风险溢出网络基于回报的股票价格。

基于上述分析,本文构建中国金融市场的不对称风险溢出网络使用股票市场返回一系列的五个领域:银行、证券、保险、多元化金融,房地产,探讨了推动经济政策的不确定性的影响程度的网络金融风险的蔓延。本文的主要内容包括三个部分,如下所示。首先,建设跨部门的风险溢出网络中国金融市场,其次,分析了中国金融市场的风险溢出特点和水平的量化网络金融风险的蔓延,最后,探索经济政策的推动作用水平的不确定性通过实证分析网络金融风险传染。

本文的主要创新和贡献是三倍。首先,我们构造一个跨部门风险溢出网络分析风险不对称连杆,各个部门之间的传染效应在中国的金融市场。其次,现有的风险传染研究主要集中在风险两对之间的联系。本文实现了一个有效的测量的整体风险蔓延的中国金融市场水平。第三,探讨了经济政策的推动作用的不确定性对整体风险蔓延的金融市场,进一步丰富研究关于经济政策的不确定性和金融稳定,这对金融风险预防和控制提供参考。

本文的其余部分组织如下。第二部分是文献综述,第三部分是模型建设。第4部分主要报道和讨论了实证结果的风险溢出网络和经济政策的不确定性的影响网络金融风险的蔓延。第五部分总结了研究,提出了政策影响。

2。文献综述

2.1。网络金融风险的蔓延

网络金融风险的传染是指协会的特点在系统性金融风险生成的过程中由于cross-contagion金融体系内的风险,即。金融市场和金融机构之间(阿西莫格鲁et al。3])。复杂网络建模的一个重要方法研究金融风险传染效应的网络。金融市场风险网络的建设已经导致了更深层次的研究风险传染。席尔瓦et al。4发现网络结构可以减弱或增强冲击从真正的部门通过模拟冲击真正的部门和风险蔓延过程中起着重要的作用。

金融风险溢出网络建设的核心是确定风险溢出强度和风险溢出的方向。香港et al。5]研究风险格兰杰因果网络系统,和数十亿et al。6)扩展他们的研究提出了基于主成分分析的系统性金融风险测量和格兰杰因果网络。数十亿et al。6)解决网络因果方向识别,然后Diebold Yilmaz [7]提出加权定向网络基于方差分解方法研究系统性风险的溢出。Paltalidis et al。8)使用最大熵方法来构造动态金融网络,研究的系统性金融风险和危机的蔓延欧元区银行体系。他们确认欧洲银行体系的脆弱性通过模拟系统性金融风险的冲击通过反设事实来源。关于复杂网络的金融市场风险的形成,Berndsen et al。9)提出一个相互依存的网络情侣多层次的传播路径的金融机构,以促进更准确的理解真正的连接金融系统的体系结构。安德森et al。10]表明,事务行为导致金融市场的金融机构之间形成一个复杂的网络,和网络中心不一致的程度影响金融市场的稳定。他们认为,中小金融机构更集中的网络结构有更好的分散风险,而中央银行面临更大的冲击,增加网络的脆弱性。

网络金融风险的传染是金融危机爆发的一个重要环节,艾略特et al。11)级联调查失败原因在相互依赖的金融组织网络,即。,how discontinuous changes in asset values trigger further failures and their relationship with the structure of financial organization networks. Acemoglu et al. [3]进一步表明,金融危机蔓延的程度表现为相变,相互冲击的传播机制在金融网络导致金融体系更加脆弱。如何构建跨部门的风险溢出网络金融市场风险传染在金融市场的特点,分析和量化的水平网络金融风险的传染是重要的提高金融风险监测和控制的效率。

2.2。经济政策的不确定性和金融风险传染

作为一个重要的因素影响macrofundamental趋势,经济政策的不确定性的角色的跨市场蔓延风险不容忽视(贝克et al。12])。经济政策的影响,金融市场的不确定性风险传染的程度往往伴随着不寻常的金融市场的波动,从而影响股票价格通过影响通货膨胀,利率,和预期的风险溢价(牧师和韦罗内西(13,14])。Dakhlaoui和罗伊15)发现有强有力的证据证明美国经济不确定性和时变相关性金砖四国股市波动性和相关性是高度不稳定的全球经济动荡时期。霍克,扎伊迪16]表明全球经济政策的不确定性是一个系统性风险因素和预测股票市场的回报。

此外,增加了经济政策的不确定性也会加剧金融市场风险传染。迪克斯和Fulghieri17)提出,不确定性是新的系统性风险蔓延的司机。增加不确定性让金融系统更加脆弱,更容易出现危机。杨et al。18)使用非线性相关网络研究越野系统性金融风险和发现股票市场风险是最主要的出口国,和输入的外汇市场是主要的风险。他们的研究证明了经济政策的不确定性中发挥着重要的中介作用跨国和跨市场系统性金融危机的传染。谢里夫et al。19]发现COVID-19预计将有一个长期的负面影响地缘政治风险水平和经济不确定性。和李et al。20.]建议之间的交互EPU在美国和中国和印度的股票收益疲软在短期内但逐渐变得更长期来看,尤其是当发生重大金融事件。经济政策的不确定性的影响对系统性金融风险传染的程度进一步增加由于COVID-19流行和中美贸易摩擦。李等人。21]表明EPU之间的相关性和金融网络COVID-19期间显著增加。

风险蔓延的研究不应局限于个别具有系统重要性的金融机构的风险水平。系统性风险传染也至关重要(Minoiu et al。22])。然而,现有的研究大多集中在经济政策的不确定性的影响,金融市场异常波动。还有研究缺口对经济政策的不确定性的作用导致金融风险传染的水平网络,这是很重要的对于维护金融稳定和全球风险管理是一个重要的任务。

3所示。研究设计和方法

3.1。样本选择和数据采集

数据从金融市场特点是频率高、及时性和可用性(Diebold和Yilmaz [7];Benoit et al。23];李等人。21];杨et al。18])。comovements和风险溢出效应的研究在中国金融市场数据来自全球金融市场可以提供一个衡量金融风险传染。此外,建设中国金融市场的代理变量为每个部门根据行业分类标准已经成为一种常见的方法来研究跨部门的风险溢出(杨et al。18];李等人。21];龚和熊24])。

本文的股票市场指数银行、证券、保险、选择和多元化融资作为代理变量为每个部门的中国金融市场根据申银万国的产业分类标准。此外,考虑到增加的风险传染效应在房地产行业和传统金融行业在中国金融市场(杨et al。18];白等。25]),加上房地产行业财务风险溢出网络研究跨部门的风险传染效应。由于该行业指数的非平稳时间序列,因此我们首先计算出每个部门的日常日志返回指数。2007年样本时期涵盖了从3月2日,3月5日,2021年,描述性统计每日日志返回的每个索引表所示1。

根据表1,静态相关系数在银行、证券、保险、房地产、和多元化融资很高。之间的相关系数银行部门和保险部门最高大约0.81,证券行业和之间的相关系数大于0.7,其他四个部门和多样化的金融、保险行业之间的相关系数在大约0.642是最低的。

3.2。模型建设

本文运用广义方差分解构造非对称风险溢出网络包括五个领域:银行,证券,保险,多元化的金融和房地产(Diebold和Yilmaz [7];Diebold和Yilmaz26])来衡量网络金融风险的传染由于直接联系,间接联系,联系和信息渠道。对于静止的多元时间序列 ,VAR (p)模型的自回归过程方程(1),自回归过程的形式转化为滞后算子方程(2),然后它变成了一个移动平均过程方程(3)。 在哪里 , 系数矩阵的顺序 ,遵守递归过程方程所示(4),是一个统一的一系列顺序N, 。

构建的关键风险溢出网络基于广义方差分解的计算方差的贡献,即。的比例H一步一步预测误差这是解释为当变量受到外部冲击: ,它也被称为预测误差方差比率。方差方差贡献率的本质变量的程度吗本身和其他影响变量系统在面对市场的冲击,即。,the distribution of incremental risk across sectors of the financial system between its own risk derivation and cross-sectoral risk contagion effects.计算见以下方程: 在哪里的方差协方差矩阵和的标准偏差 。的我th元素是1,其余元素是0。H表示预测期和h延迟扰动项的顺序吗 。方程(6)是一个方差分解矩阵的顺序 ,组成的预测误差方差比率 。

标准化的风险溢出矩阵可以使用每一行的元素除以一行的元素之和,它们分别。承担相应的元素是 ,见以下方程:

在本文中,我们使用五个领域:银行,证券,保险,多元化金融和房地产风险溢出网络的节点,和标准化的风险溢出矩阵不同维度之间的网络权值来构造和加权跨部门的风险溢出网络。

的整体连通性指标风险溢出网络可以表示网络金融风险的蔓延。在本文中,我们使用的总风险网络连通性指数来衡量网络金融风险的蔓延的水平(Cindex),如以下所示计算方程:

本文构造一个经验模型使用总风险网络连通性指数作为解释变量,中国经济政策的不确定性指数(CEPU)为核心的解释变量,控制相关的宏观经济变量:通货膨胀率(CPI), CSI 300指数周转率(HSTR), CSI 300指数市盈率(HSPE),工业增加值(IAV)和财政部术语(BSPREAD)传播,为研究经济政策的不确定性的影响在网络上蔓延的风险水平。所示的构造回归模型方程(9),是一个向量组成的控制变量和是相应的向量的系数估计。

4所示。实证分析

4.1。基于不同金融部门的风险溢出网络

VAR模型构建基于五个领域:银行,证券,保险,多元化的金融和房地产。从表1,我们可以看到,这五个部门的日常日志返回平稳时间序列,和表2显示了VAR模型的滞后订单测试。

结合延迟订单测试和VAR模型的参数显著性检验与滞后订单2,我们选择构建VAR模型与滞后订单2,如方程(10),然后构造预测误差方差比率 。

表3显示了VAR(2)模型的估计结果,其中第一和二阶滞后收益银行和房地产业总体积极影响自己和每一个其他部门。保险行业的一阶滞后对其它行业总体而言有积极的影响,与二阶滞后和保险部门对其他部门有一个整体的负面影响。总体多元化的金融部门对其他部门的影响是负的一阶滞后,和整体多元化的金融部门对其他部门的影响是积极的,二阶滞后。证券业的影响对银行部门和保险部门与一阶滞后是负的,以及证券行业的影响保险业回报率与二阶滞后是负的,和回报率的影响其他部门是正的。

我们定义H10当计算预测误差方差的比例 ,和表4给出了矩阵的风险溢出效应。元素的行我和列j矩阵的对应 ,的比例H一步一步预测误差这是解释为 ,和代表的比例H一步一步的预测误差变量这是用变量来解释本身。在本文中,我们定义的从部门的比例风险溢出j到部门我的总风险部门我。更大的价值 ,大部门的影响我在部门j和越大 ,根据部门派生的风险就越大我本身比其它行业当面临市场危机蔓延的风险冲击。

根据表4,有一个明显的不对称风险强度的不同行业之间的溢出效应,也就是说, 。面对市场冲击,银行业的风险主要来自银行系统,其内部衍生品风险占到了大约64.994%的总风险。然而,从证券风险溢出的百分比,保险、房地产、银行和多元化的金融部门部门相对较低,为15.835%,21.012%,15.862%,和12.235%的总银行业风险,分别。的比值导数风险证券行业内的总风险大约是33.348%,也小于总跨部门的风险溢出效应的其他四个部门(66.652%)。与此同时,银行部门的风险溢出的比率,保险行业,房地产行业,和多元化的金融部门的证券行业为15.058%,16.343%,16.426%,和18.825%,分别。衍生品风险在保险行业的比例与总风险是34.988%左右,这是小于的和来自其他四个部门的跨部门的风险溢出效应。特别是,风险的比率从银行业到保险行业的影响是最大的,价值的20.959%。房地产行业的风险主要是内部生成的,约占总数的34.657%的风险,而风险溢出从银行,证券,保险,和多样化的金融行业,房地产行业占15.651%,17.189%,14.193%,和18.311%,分别。内部的比例导数多元化的金融部门的风险是35.736%,从银行和风险的溢出效应,证券,保险,和房地产业是12.364%,20.310%,12.669%,和18.921%,分别。尤其是证券行业最大的份额蔓延风险多元化金融行业为20.31%。

图1显示了跨部门的风险溢出网络构建基于风险传染效应矩阵。为了确定风险溢出网络的不对称性,本文构造风险蔓延的网络上三角矩阵和风险蔓延的下三角网络矩阵,分别。在图1(一个)显示了上三角网络风险的溢出,和(b)显示了下三角网络风险溢出。风险吸收效果描绘了每个部门与其他部门,采取风险转移和风险发送效果描绘了每个部门的风险溢出到其他行业。根据图1,每个部门的风险发送和风险吸收效应是不对称的。根据图1,每个部门的风险发送和风险吸收效应是不对称的;即。,the risk network is asymmetric in intensity. And we find that the securities and bank sectors are most vulnerable to risk fluctuations from other sectors (with the largest risk absorption effect), and the risk absorption effect is stronger in the securities sector than in the bank sector. In addition, the securities sector has the largest risk sending effect.

4.2。网络金融风险的蔓延的动态运动

风险的联系和风险蔓延在金融市场动态变化模式。本文采用移动窗口方法构造一个跨部门的风险溢出的网络金融市场和进一步研究水平的动态变化的网络金融风险的蔓延。图2展示了运动的风险蔓延指数(Cindex)。

2008年,由于全球金融危机造成的“次贷危机”,中国金融市场的风险传染效应的加剧,和风险蔓延指数从53%左右上升到70%左右。在2008 - 2010年期间,风险传染效应减弱,和风险蔓延指数降至63%左右。2011年初,跨部门的风险传染效应增加短时间内从债券市场,由于冲击风险蔓延指数超过70%,但它在2012年第一季度下降。在“股市崩盘”在2015年,中国金融市场的风险传染效应达到了一个新的高峰,蔓延风险指数在72%左右。但它下降到最低水平(约32%)从3月2日,2007年3月5日,2021年,由于风险管理监管当局采取的措施。随着中美贸易战,中国金融市场的风险传染效应开始在2018年第一季度增加,约为70%。添加COVID-19的影响,风险蔓延指数进一步扩大和持续在70%的高水平大约两年了。有效的预防和逐步缓解的流行在中国,风险传染效应减少在2020年下半年,蔓延风险指数在65%左右。

总的来说,风险蔓延指数是一个重要的代理变量的总体风险水平蔓延的金融市场。它描绘了风险蔓延的运动准确、标识的上升趋势在危机期间的风险传染效应。

4.3。驾驶的影响经济政策不确定性的风险级别蔓延

在本文中,我们使用风险网络连通性指数作为解释变量,经济政策不确定性指数为核心的解释变量,而这些变量反映国内宏观经济和金融基本面:通货膨胀,CSI 300指数周转率,工业增加值,沪深300指数的市盈率,5和6个月财政术语传播作为控制变量的实证测试驱动经济政策的不确定性风险的影响在中国金融市场蔓延。避免pseudoregression起源于变量的共同趋势,我们使用惠普过滤的方法分离趋势所有解释变量方面,离开周期性条件模型估计。变量的周期性条件由HP滤波都是平稳时间序列,和表5显示了模型估计的结果。

在表5,模型(1)、(2)和(3)使用风险蔓延指数作为解释变量,解释变量在模型(1)是中国经济政策的不确定性指数模型(2)中解释变量是控制变量,如通货膨胀率,和模型(3)增加了基于模型的控制变量(1),从表5,我们可以知道,经济政策的不确定性指数有显著的积极影响中国金融市场的风险蔓延指数。经济政策的不确定性越高,水平越高的风险传染。添加宏观经济和金融变量之后,经济政策的不确定性的影响水平的风险传染仍显著正的。

4.4。健壮性测试

本文选择19金融机构属于银行,证券,保险行业和5公司属于房地产行业构建interinstitutional不对称风险溢出网络和风险蔓延指数测试驱动的鲁棒性的影响经济政策不确定性风险蔓延的水平。考虑到数据的可用性,19家金融机构包括7银行,3保险公司,证券公司。以来,房地产行业的上市公司数量大,时间跨度长,我们选择五个最大的房地产公司市值。选定的机构在每一个部门的名字如表所示6,每个金融机构作为中央节点构造一个interinstitutional不对称风险溢出网络。

图3显示了风险溢出网络图构建基于风险溢出矩阵之间的19家金融机构和5房地产公司。在图3(一)显示了网络上三角,(b)显示了下三角的网络。根据图3,我们可以看到,银行业的风险溢出效应企业公司属于证券,房地产和保险业很大,而公司在证券、房地产、和保险行业相对较小的风险溢出效应在企业银行部门。风险溢出网络通常是不对称的。

表7给出了估计的结果鲁棒性测试的风险蔓延指数构造基于interinstitutional不对称风险溢出网络。根据表7,得出的结论是,经济政策的不确定性指数显著正驾驶影响风险蔓延指数仍然成立。

此外,本文测试经济政策不确定性的鲁棒性的影响水平的风险传染通过全球经济政策的不确定性(GEPU)指数指数而不是中国经济政策的不确定性。模型估计结果如表所示8。根据表8,这个结论仍然成立。

5。结论

本文结构不对称的风险溢出网络和风险蔓延指数对中国金融市场的基础上,银行,证券,保险,多元化的金融和房地产行业。驾驶的影响经济政策在金融市场不确定性风险蔓延的水平了。本文得出了以下的结论。首先,风险传染效应在中国金融市场动态变化特征,以及不同行业之间的溢出效应是不对称的风险强度。第二,房地产行业的风险溢出效应并不减少COVID-19流行的缓解,以及当前中国房地产市场的潜在风险更大。第三,经济政策的不确定性有重大的积极影响的整体风险水平在中国金融市场蔓延。

基于综合分析水平的风险蔓延在中国金融市场,本文提出了以下影响。首先,经济政策的不确定性是紧密相关的风险传染和冲击金融市场。因此,监管当局应谨慎处理的不利影响经济政策对金融市场的不确定性,避免负面的公众情绪的传播由于经济政策的不确定性,这可能导致金融危机。第二,金融风险的蔓延是一个非对称网络彼此相交,和监管当局应该区分不同行业风险蔓延的作用。第三,房地产的金融化趋势越来越明显,和监管当局应该关注潜在的系统性金融风险来源引起积极研究房地产行业的风险传导机制在房地产市场和金融市场之间。

数据可用性

在这项研究中使用的数据可从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作得到了国家自然科学基金(7207030651)。