金融危机与金融市场间风险传染效应——以中、美、德三国为例
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3－23
、 Hakkio 和 Keeton（ 2009 ）
5－47
、 Cardarelli et al． （ 2009 ）
5－25
分别基于度量系统性风险程度的被
解释变量和其他影响系统性风险的解释变量构建了不同国家或地区的金融系统性风险预警指标体 Kaminsky、 Lizondo ＆ Reinhart（ 1998 ） 提出 KLR 信号法， 系； Frankel ＆ Rose（ 1996 ） 提出的 FR 概率模型， Sachs、 Tornell ＆ Velasco（ 1996 ） 提出 STV 模型， Andrew （ 1999 ）
3－22
； 汇率即
“以市场供求为基础、 ， 便是官方将其定位为 参考一篮子货币进行调节、 有管理的浮动汇率 ” 但仍不排 我们在选择金融市场变量时必须尽量减少政府等人为影响因素 ： 股市波动虽 除有管理的影响。因此， 然受政策调控影响， 但更取决于实体经济状况、 社会公众预期及其他市场因素， 我们选择的指标为股 指波动率； 利率市场上， 人们公认的市场化程度最为充分的利率是银行间同业拆借利率， 并且这一利 率是决定银行存贷利率、 民间借贷利率、 债券利率的重要指标， 我们选择的指标为银行间隔夜拆借利 我们选择指标为官方公布的真实汇率。 但毋庸置疑， 中国汇率即使受政 率； 汇率市场选择余地较少， 决定政府决策的仍然是实际经济 ， 政府不可能一味偏离实际、 主观臆断， 汇率仍可以一定程度 府管理， 。 ， 上反应国际经济外来市场变化 经过理论推理和实证研究 结果证明我们的指标选择和研究方法都 是具有合理性的。
17－19
认为， 系统性风险是一个事件在一连串机构和市场构成的
系统中引起一系列连续损失的可能性 。 十国集团 （ G10 ） 认为， 系统性风险是指导致金融体系重要部 分受到的经济价值或信心的损害， 并随着不确定性的上升对实体经济造成负面影响的风险 （ Sylvester， 2001 ） 。国际货币基金组织（ IMF） 、 金融稳定理事会 （ FSB ） 和国际清算银行 （ BIS ） 认为， 系统性风险是 指金融体系部分或全部受到损害导致的大范围金融服务中断并给实体经济造成严重影响的风险
一、 引
言
随着金融危机冲击频繁加剧， 系统性金融风险成为政策当局和经济学家的关注焦点 。 广义上， 先 William Sharpe 为人知的是 Harry Markowitz （ 1952 ） 论述有效资产组合边界问题时提出系统性风险 ， （ 1964 ） 、 John Lintner（ 1965 ） 和 Jan Mossin（ 1966 ） 分别独立地导出了标准资本资产定价模型 ， 该模型建 立了预期收益率与 β 值发生联系的确切方式， 以相对数形式出现的 β 系数， 描述了市场整体的波动给 系统性风险指金融波动、 金融危机及对实体经济 单个资产带来的系统性风险。美国次贷危机爆发后， 造成极大冲击的风险。Kaufman（ 1996 ）
二、 金融部门资产负债表与风险传染冲击
本部分主要通过分析银行、 证券、 保险等金融部门的资产负债表， 以金融部门为节点、 资产负债关
· 90·
系为链条， 构造宏观金融体系网络模型， 进而分析金融市场上的风险传染关系 。 （ 一） 金融部门资产负债表 《中国金融年鉴》 根据金融上市公司及 披露信息， 构造银行、 证券、 保险部门的资产负债表为表 1 、 表 2、 表 3 。分析三张表之间的关系得出， 证券部门、 保险部门在银行存放大量资金， 银行如果受到冲 击、 发生流动性困难， 必然影响对证券部门、 保险部门的偿付， 进而引起证券部门的动荡和保险部门的 保险部门拥有大量的交易性金融高资产， 如果证券部门受到冲击、 资本市场震 经营困境。银行部门、 荡下挫， 必然影响银行部门和保险部门的流动性 ， 进而加剧金融市场萎靡。 为更为直观地观察风险冲击在部门之间的传染 ， 量化分析资产负债表传染机制， 建立基于金融工 towhom account） 资金矩阵和金融网络模型。本文主要考察 3 个部门， B 表示银 具的部门—部门（ who， S ， I ， a i j 行部门资产规模 表示证券部门资产规模 表示保险部门资产规模 ij 表示 部门对 部门的金融 1 表示银行部门、 2 表示证券部门、 3 表示保险部门，Z B 表示各部门持有的银行资产规模， 资产持有， F 表示金融资产规模。 Ζ S 表示各部门持有的证券资产规模 ， Ζ Ι 表示各部门持有的保险资产规模 ， 表1
资产 贷款（ 实体） 贷款（ 保险） 贷款（ 证券） 对政府的债权 金融担保 其他资产
银行资产负债表
负债及权益 存款（ 实体） 存款（ 证券） 存款（ 保险） 债务 对央行负债 权益
表2
资产 货币资金
证券资产负债表
负债及权益 短期借款 代理买卖证券 卖出回购 长期借款 其他负债 权益
表3
资产 货币资金
4－29
针对发展中国家金融危机提出 DCSD
（ Developing Country Studies Division） 模型， Nag ＆ Mitra （ 1999 ） 的人工神经网络 （ Artificial Neural Network， ANN） 以及 Abiad（ 2003 ） 构建的时变转移概率 （ Timevarying Transition Probability ） 的马尔科夫转 换模型等， 都是基于上述指标法的基础数据 。IMF（ 2009 ） 提出网络模型法， 主要思想是通过银行间相 根据银行间市场的网络形状模拟风险相互传染情况 ， 从而测算每个银行 互敞口和交易数据建立网络， 网络中积累的系统性风险。二是基于股票和债券市场数据的时间序列模型， 主要方法是利用在险价 VaR） 对股票市场数据进行度量， 例如 Fragnière et al． （ 2008 ） 提出的经流动性调整 值法（ Value at Risk， VaR） ， Adrian 和 Brunnermeier（ 2008 ） 的 VaR 模型（ L3－20
VaR ） ， Engle （ 2002 ） 提出的条件风险价值 （ Co-
DCC ） GARCH 模型， Hamilton （ 1994 ） 提出 提出的动态条件相关模型 （ Dynamic Conditional Correlation， 的状态转换 ARCH 模型 （ SWARCH ） 等。三是基于多市场数据的系统性风险度量模型， 主要使用 Copula 函数测算金融市场厚尾、 Contin有偏的风险。 Gray et al． （ 2002 ） 提出以未定权益分析方法 （ CCA， gent Claims Analysis） 监测分析宏观金融风险， Segoviano 和 Goodhart （ 2009 ） 提出的危机联合概率刻画 银行间非线性性风险依赖关系。 同以往研究文献比较， 本文力图从如下方面创新研究： 一是在分析金融部门资产负债依赖关系的 揭示金融风险的传染网络， 并将其放在金融市场中， 推理各市场间风险传染对金融部门危机 基础上， 的影响； 二是分别选择市场主导型金融、 银行主导型金融、 发展中国家的金融， 以美国金融危机、 欧洲 债务危机为数据基础， 实证比较各自金融市场间的冲击传染效应 ； 三是有机使用网络模型法和 Copula 模型法， 分析金融部门资产负债依赖与内在关联时采用网络模型法 ， 实证金融市场间风险冲击效应、 度量金融部门间传染关系时采用时变 Copula 模型， 力图避免单纯使用网络模型数据关系实证不清和 单纯使用 Copula 模型传染机理不明的缺陷。此外， 值得注意的是， 中国金融市场不少变量很大程度上 2009 ） 受到政府的严格控制， 例如存款利率上限一般被认为是约束有效的 （ Feyzioglu et al． ，
收稿日期： 2012－11－15 基金项目： 本文得到国家社科基金项目（ 12BJY152 ） 、 中央高校基本科研业务费专项资金（ JBK1207024 ） 的资助。 作者简介： 西南财经大学中国金融研究中心， 博士生， 中国人民银行西安分行 。 · 89·
（ FSB / IMF / BIS， 2011 ） 。根据其内涵， 系统性风险具有三个特征： 一是传染性， 二是整体性， 三是巨大 的危害性。从发生原因分析， 系统性风险既可能来源于单个系统性金融机构发生流动性危机 、 进而引 也有可能来源于金融机构体系受到外部冲击 、 出现财务危机、 产生共振， 但 发其他机构发生财务危机， 分析识别系统性风险传染源、 传染路径显得必不可少。 两者往往相互交织。因此， 识别系统性风险研究文献分为三类： 一是基于资产负债表法的系统风险度量， 例如 Illing 和 Liu （ 2003 ）
2013 年 5 月 第 3 期（ 总第 278 期）
May． ， 2013 Economic Issues in China No． 3
金融危机与金融市场间风险传染效应
— — — 以中 、 美、 德三国为例
苗文龙
西南财经大学 成都 611130
内容提要： 本文根据金融部门资产负债关系， 揭示部门间的风险传染网络， 并将其放在金融市场 中， 推理各市场间风险传染机制； 进而选择中、 美、 德为样本国， 以美国次贷危机、 欧洲债务危机数据为 基础， 使用时变 Copula 模型实证比较市场主导型金融、 银行主导型金融、 发展中国家金融等国内金融 得出如下结论： 金融部门通过同业拆借市场、 证券市场、 外汇市场等相互持有 市场间的冲击传染效应， 建立了千丝万缕的关系网络， 同时也形成了灵敏的传染路径， 风险事件通过网络传染路径 资产负债、 迅速流转、 造成金融部门连锁反应和金融市场之间显著的传染冲击效应。 中国某些金融市场之间的 传染效应甚至高于市场主导型国家 —美国， 市场主导型金融与银行主导型金融内部不同市场间都具 有显著的传染效应， 其大小取决于风险冲击是传染国还是受传染国。 金融市场之间的传染冲击使不 同金融市场之间波动周期趋于同步 ， 而这又强化了金融市场之间的风险传染 。 关键词： 资产负债表； 风险网络； 系统性风险传染
保险资产负债表
负债及权益 应付债务 责任准备金 赔款准备金 保户储金 其他负债 权益
信用资金存款 结算备付金 交易性金融资产 金融投资 其他资产
交易性金融资产 存款 可出售金融资产 持有到期投资 其他资产
a11 a12 a13 B bsi a21 a22 a23 S bsi a31 a32 a33 I bsi
ZB ΖS ΖΙ F
3
3 1j
3 2j
B bsi = 其中，
3
∑a
j=1
， S bsi =
3Fra Baidu bibliotek
∑a
j=1
， I bsi =
3
∑a
j=1
3j 3
，
3 ij
ZB =
∑ai1 ，ZS =
i=1
∑ai2 ，ZI =
i=1
∑ai3 ，F =
i=1
∑∑a 。
i=1 j=1
通过上述矩阵， 在一定条件下可以计算金融部门之间资金的数量依赖关系 ， 也更为直观地刻画出 风险资金流在金融部门的传染。 （ 二） 金融部门资产负债关联网络 根据金融部门资产负债表关系和金融部门工具矩阵描述 ， 我们进一步刻画金融部门的资产负债 网络和金融市场网络， 分别如图 1 、 图 2 所示。显然， 金融部门通过同业拆借市场、 证券市场、 外汇市场 建立了千丝万缕的网络关系， 同时也形成了灵敏的传染路径， 牵一动 等金融市场相互持有资产负债、 百。而国外金融风险冲击或国内金融事件通过网络传染路径迅速流转 、 造成金融部门连锁反应和金 融市场动荡。 （ 三） 金融风险传染冲击机制 金融部门资产负债网络的数据点为部门实体债权债务 ， 点之间的传导路径是金融市场关系和风 资本市场震荡冲击和外汇市场上的国外经济冲击三个 险传染机制。下面分国内同业拆借市场冲击、 方面进行阐述。 1． 国内经济冲击— — —同业拆借市场 当受到国内经济事件冲击时， 直接关系的银行， 如果资产和负债期限不匹配 （ 由于外来冲击事件 的不可预期性， 资产负债也很难匹配） ， 风险暴露大幅增加， 经营收益显著下降； 同时市场信息不确定 性因素增加， 容易使存款人产生恐慌性挤提， 加剧银行陷入流动性危机风险； 由于银行及其他金融机
、 Hakkio 和 Keeton（ 2009 ）
5－47
、 Cardarelli et al． （ 2009 ）
5－25
分别基于度量系统性风险程度的被
解释变量和其他影响系统性风险的解释变量构建了不同国家或地区的金融系统性风险预警指标体 Kaminsky、 Lizondo ＆ Reinhart（ 1998 ） 提出 KLR 信号法， 系； Frankel ＆ Rose（ 1996 ） 提出的 FR 概率模型， Sachs、 Tornell ＆ Velasco（ 1996 ） 提出 STV 模型， Andrew （ 1999 ）
3－22
； 汇率即
“以市场供求为基础、 ， 便是官方将其定位为 参考一篮子货币进行调节、 有管理的浮动汇率 ” 但仍不排 我们在选择金融市场变量时必须尽量减少政府等人为影响因素 ： 股市波动虽 除有管理的影响。因此， 然受政策调控影响， 但更取决于实体经济状况、 社会公众预期及其他市场因素， 我们选择的指标为股 指波动率； 利率市场上， 人们公认的市场化程度最为充分的利率是银行间同业拆借利率， 并且这一利 率是决定银行存贷利率、 民间借贷利率、 债券利率的重要指标， 我们选择的指标为银行间隔夜拆借利 我们选择指标为官方公布的真实汇率。 但毋庸置疑， 中国汇率即使受政 率； 汇率市场选择余地较少， 决定政府决策的仍然是实际经济 ， 政府不可能一味偏离实际、 主观臆断， 汇率仍可以一定程度 府管理， 。 ， 上反应国际经济外来市场变化 经过理论推理和实证研究 结果证明我们的指标选择和研究方法都 是具有合理性的。
17－19
认为， 系统性风险是一个事件在一连串机构和市场构成的
系统中引起一系列连续损失的可能性 。 十国集团 （ G10 ） 认为， 系统性风险是指导致金融体系重要部 分受到的经济价值或信心的损害， 并随着不确定性的上升对实体经济造成负面影响的风险 （ Sylvester， 2001 ） 。国际货币基金组织（ IMF） 、 金融稳定理事会 （ FSB ） 和国际清算银行 （ BIS ） 认为， 系统性风险是 指金融体系部分或全部受到损害导致的大范围金融服务中断并给实体经济造成严重影响的风险
一、 引
言
随着金融危机冲击频繁加剧， 系统性金融风险成为政策当局和经济学家的关注焦点 。 广义上， 先 William Sharpe 为人知的是 Harry Markowitz （ 1952 ） 论述有效资产组合边界问题时提出系统性风险 ， （ 1964 ） 、 John Lintner（ 1965 ） 和 Jan Mossin（ 1966 ） 分别独立地导出了标准资本资产定价模型 ， 该模型建 立了预期收益率与 β 值发生联系的确切方式， 以相对数形式出现的 β 系数， 描述了市场整体的波动给 系统性风险指金融波动、 金融危机及对实体经济 单个资产带来的系统性风险。美国次贷危机爆发后， 造成极大冲击的风险。Kaufman（ 1996 ）
二、 金融部门资产负债表与风险传染冲击
本部分主要通过分析银行、 证券、 保险等金融部门的资产负债表， 以金融部门为节点、 资产负债关
· 90·
系为链条， 构造宏观金融体系网络模型， 进而分析金融市场上的风险传染关系 。 （ 一） 金融部门资产负债表 《中国金融年鉴》 根据金融上市公司及 披露信息， 构造银行、 证券、 保险部门的资产负债表为表 1 、 表 2、 表 3 。分析三张表之间的关系得出， 证券部门、 保险部门在银行存放大量资金， 银行如果受到冲 击、 发生流动性困难， 必然影响对证券部门、 保险部门的偿付， 进而引起证券部门的动荡和保险部门的 保险部门拥有大量的交易性金融高资产， 如果证券部门受到冲击、 资本市场震 经营困境。银行部门、 荡下挫， 必然影响银行部门和保险部门的流动性 ， 进而加剧金融市场萎靡。 为更为直观地观察风险冲击在部门之间的传染 ， 量化分析资产负债表传染机制， 建立基于金融工 towhom account） 资金矩阵和金融网络模型。本文主要考察 3 个部门， B 表示银 具的部门—部门（ who， S ， I ， a i j 行部门资产规模 表示证券部门资产规模 表示保险部门资产规模 ij 表示 部门对 部门的金融 1 表示银行部门、 2 表示证券部门、 3 表示保险部门，Z B 表示各部门持有的银行资产规模， 资产持有， F 表示金融资产规模。 Ζ S 表示各部门持有的证券资产规模 ， Ζ Ι 表示各部门持有的保险资产规模 ， 表1
资产 贷款（ 实体） 贷款（ 保险） 贷款（ 证券） 对政府的债权 金融担保 其他资产
银行资产负债表
负债及权益 存款（ 实体） 存款（ 证券） 存款（ 保险） 债务 对央行负债 权益
表2
资产 货币资金
证券资产负债表
负债及权益 短期借款 代理买卖证券 卖出回购 长期借款 其他负债 权益
表3
资产 货币资金
4－29
针对发展中国家金融危机提出 DCSD
（ Developing Country Studies Division） 模型， Nag ＆ Mitra （ 1999 ） 的人工神经网络 （ Artificial Neural Network， ANN） 以及 Abiad（ 2003 ） 构建的时变转移概率 （ Timevarying Transition Probability ） 的马尔科夫转 换模型等， 都是基于上述指标法的基础数据 。IMF（ 2009 ） 提出网络模型法， 主要思想是通过银行间相 根据银行间市场的网络形状模拟风险相互传染情况 ， 从而测算每个银行 互敞口和交易数据建立网络， 网络中积累的系统性风险。二是基于股票和债券市场数据的时间序列模型， 主要方法是利用在险价 VaR） 对股票市场数据进行度量， 例如 Fragnière et al． （ 2008 ） 提出的经流动性调整 值法（ Value at Risk， VaR） ， Adrian 和 Brunnermeier（ 2008 ） 的 VaR 模型（ L3－20
VaR ） ， Engle （ 2002 ） 提出的条件风险价值 （ Co-
DCC ） GARCH 模型， Hamilton （ 1994 ） 提出 提出的动态条件相关模型 （ Dynamic Conditional Correlation， 的状态转换 ARCH 模型 （ SWARCH ） 等。三是基于多市场数据的系统性风险度量模型， 主要使用 Copula 函数测算金融市场厚尾、 Contin有偏的风险。 Gray et al． （ 2002 ） 提出以未定权益分析方法 （ CCA， gent Claims Analysis） 监测分析宏观金融风险， Segoviano 和 Goodhart （ 2009 ） 提出的危机联合概率刻画 银行间非线性性风险依赖关系。 同以往研究文献比较， 本文力图从如下方面创新研究： 一是在分析金融部门资产负债依赖关系的 揭示金融风险的传染网络， 并将其放在金融市场中， 推理各市场间风险传染对金融部门危机 基础上， 的影响； 二是分别选择市场主导型金融、 银行主导型金融、 发展中国家的金融， 以美国金融危机、 欧洲 债务危机为数据基础， 实证比较各自金融市场间的冲击传染效应 ； 三是有机使用网络模型法和 Copula 模型法， 分析金融部门资产负债依赖与内在关联时采用网络模型法 ， 实证金融市场间风险冲击效应、 度量金融部门间传染关系时采用时变 Copula 模型， 力图避免单纯使用网络模型数据关系实证不清和 单纯使用 Copula 模型传染机理不明的缺陷。此外， 值得注意的是， 中国金融市场不少变量很大程度上 2009 ） 受到政府的严格控制， 例如存款利率上限一般被认为是约束有效的 （ Feyzioglu et al． ，
收稿日期： 2012－11－15 基金项目： 本文得到国家社科基金项目（ 12BJY152 ） 、 中央高校基本科研业务费专项资金（ JBK1207024 ） 的资助。 作者简介： 西南财经大学中国金融研究中心， 博士生， 中国人民银行西安分行 。 · 89·
（ FSB / IMF / BIS， 2011 ） 。根据其内涵， 系统性风险具有三个特征： 一是传染性， 二是整体性， 三是巨大 的危害性。从发生原因分析， 系统性风险既可能来源于单个系统性金融机构发生流动性危机 、 进而引 也有可能来源于金融机构体系受到外部冲击 、 出现财务危机、 产生共振， 但 发其他机构发生财务危机， 分析识别系统性风险传染源、 传染路径显得必不可少。 两者往往相互交织。因此， 识别系统性风险研究文献分为三类： 一是基于资产负债表法的系统风险度量， 例如 Illing 和 Liu （ 2003 ）
2013 年 5 月 第 3 期（ 总第 278 期）
May． ， 2013 Economic Issues in China No． 3
金融危机与金融市场间风险传染效应
— — — 以中 、 美、 德三国为例
苗文龙
西南财经大学 成都 611130
内容提要： 本文根据金融部门资产负债关系， 揭示部门间的风险传染网络， 并将其放在金融市场 中， 推理各市场间风险传染机制； 进而选择中、 美、 德为样本国， 以美国次贷危机、 欧洲债务危机数据为 基础， 使用时变 Copula 模型实证比较市场主导型金融、 银行主导型金融、 发展中国家金融等国内金融 得出如下结论： 金融部门通过同业拆借市场、 证券市场、 外汇市场等相互持有 市场间的冲击传染效应， 建立了千丝万缕的关系网络， 同时也形成了灵敏的传染路径， 风险事件通过网络传染路径 资产负债、 迅速流转、 造成金融部门连锁反应和金融市场之间显著的传染冲击效应。 中国某些金融市场之间的 传染效应甚至高于市场主导型国家 —美国， 市场主导型金融与银行主导型金融内部不同市场间都具 有显著的传染效应， 其大小取决于风险冲击是传染国还是受传染国。 金融市场之间的传染冲击使不 同金融市场之间波动周期趋于同步 ， 而这又强化了金融市场之间的风险传染 。 关键词： 资产负债表； 风险网络； 系统性风险传染
保险资产负债表
负债及权益 应付债务 责任准备金 赔款准备金 保户储金 其他负债 权益
信用资金存款 结算备付金 交易性金融资产 金融投资 其他资产
交易性金融资产 存款 可出售金融资产 持有到期投资 其他资产
a11 a12 a13 B bsi a21 a22 a23 S bsi a31 a32 a33 I bsi
ZB ΖS ΖΙ F
3
3 1j
3 2j
B bsi = 其中，
3
∑a
j=1
， S bsi =
3Fra Baidu bibliotek
∑a
j=1
， I bsi =
3
∑a
j=1
3j 3
，
3 ij
ZB =
∑ai1 ，ZS =
i=1
∑ai2 ，ZI =
i=1
∑ai3 ，F =
i=1
∑∑a 。
i=1 j=1
通过上述矩阵， 在一定条件下可以计算金融部门之间资金的数量依赖关系 ， 也更为直观地刻画出 风险资金流在金融部门的传染。 （ 二） 金融部门资产负债关联网络 根据金融部门资产负债表关系和金融部门工具矩阵描述 ， 我们进一步刻画金融部门的资产负债 网络和金融市场网络， 分别如图 1 、 图 2 所示。显然， 金融部门通过同业拆借市场、 证券市场、 外汇市场 建立了千丝万缕的网络关系， 同时也形成了灵敏的传染路径， 牵一动 等金融市场相互持有资产负债、 百。而国外金融风险冲击或国内金融事件通过网络传染路径迅速流转 、 造成金融部门连锁反应和金 融市场动荡。 （ 三） 金融风险传染冲击机制 金融部门资产负债网络的数据点为部门实体债权债务 ， 点之间的传导路径是金融市场关系和风 资本市场震荡冲击和外汇市场上的国外经济冲击三个 险传染机制。下面分国内同业拆借市场冲击、 方面进行阐述。 1． 国内经济冲击— — —同业拆借市场 当受到国内经济事件冲击时， 直接关系的银行， 如果资产和负债期限不匹配 （ 由于外来冲击事件 的不可预期性， 资产负债也很难匹配） ， 风险暴露大幅增加， 经营收益显著下降； 同时市场信息不确定 性因素增加， 容易使存款人产生恐慌性挤提， 加剧银行陷入流动性危机风险； 由于银行及其他金融机