我国金融体系不同行业的依存度与联动效应研究.PDFVIP

2016 年第11 期 7 我国金融体系不同行业的依存度与联动效应研究* 王培辉1 摘要：本文分析了金融业依存和联动机理，使用Markov 时变SJC-Copula 模型研究我国金 融业四个子行业银行、证券、保险、信托之间的尾部依存结构和联动现象。研究发现，四个子 行业间依存关系存在低依赖区制和高依赖区制两个区制，依存结构呈现出时变和非对称特征。 各行业间依存关系在区制持久性、上下尾依赖强度等方面存在显著差异。总体而言，样本期内 各行业呈现明显正相关，且上尾相关性强度普遍低于下尾相关性；此外，危机爆发期间各行业 依赖性显著增加。鉴此，监管部门必须加强金融业宏观审慎监管，防范系统性风险。 关键词：系统性风险；依存度；联动效应；Markov Copula 一、引言 近年来，不断发生的金融危机使学者和专业人士日益关注金融市场间尾部依存结构研究。 金融市场依存结构是描述金融市场行为、衡量系统性风险的重要指标。金融市场间往往表现出 非对称依赖性，在危机期间金融市场尾部相关性明显高于其他时期，这对于风险管理和资产配 置会产生显著影响。但对多变量联合分布建模较为困难。许多学者通过条件波动率建模，研究 多变量依存结构。如多元GARCH 和随机波动模型是把单一变量波动模型扩展为多元波动模型 的有效方法。这些模型往往假设金融变量服从多元正态分布等椭圆分布，但在实践中这些假设 并不成立，金融时间序列存在尖峰厚尾、波动聚集、偏度和非对称依赖结构等典型特征。因此， 有必要探求新方法来模拟多变量联合分布，衡量变量之间的依存关系。基于Copula 函数的多 变量模型，提供了构建多变量联合分布的可行方法，且构建灵活、易于处理。Copula 函数表示 了随机变量的依存结构，利用Copula 模型构建多元模型的优势在于，可以自由选择边际模型， 即单变量波动模型和各类Copula 函数。Copula 模型既描述了变量波动集聚、尖峰厚尾等特征， 又可以捕捉到可能的非对称依存关系，特别是极端市场下的尾部依赖性。 1 王培辉，经济学博士、副教授，河北大学经济学院。作者感谢编辑部和匿名审稿人的意见，文责自负。 * 本文为国家社科基金青年项目“保险业系统性风险与金融稳定关系研究”（14CJY073）阶段性研究成果。 我国金融体系不同行业的依存度与联动效应研究 总第 期 8 59 最近一些学者使用Markov Copula 模型研究金融市场存在的非对称性依存关系，发现金融 市场在高波动状态和熊市中依赖性较高。这些研究表明，金融市场依存性存在两个区制，一个 高依赖区制，具有波动大、回报低的特征；另一个是低依赖区制，具有相对稳定的回报。该模 型能够描述极端市场条件下收益聚类和非对称现象，其允许两个依赖性随时间变化的状态。 20 世纪90 年代以来，在市场改革和金融创新的推动下，我国金融业迅速发展，资产规模 大幅增长。金融现代化、市场化、一体化水平的不断提高，为优化资源配置、支持实体经济发 展起到了重要作用。加之混业经营的发展，金融业内各行业间依赖程度也随之大幅提高，系统 性风险不断加大。考虑到上面讨论的典型化事实，本文拟采用两区制Markov Copula 模型，剖 析我国金融业各机构 （银行、保险、证券、信托）之间的尾部动态依存结构和联动现象，借此 为监管当局设计宏观审慎监管框架，降低极端市场条件下系统性风险提供决策参考。 二、相关文献评述 自Copula 模型被引入金融研究领域以来，受到了学者的广泛关注。Copula 模型应用在风 Patton 2009 Joe 2014 险管理、资产配置、定价等诸多方面，取得丰硕研究成果。 （ ）和 （ ）对 Copula 模型在金融领域应用及模型估计做了详细总结。