基于期望分位数回归方法的金融风险度量
上QQ阅读APP看本书,新人免费读10天
设备和账号都新为新人

前言

随着经济领域改革的不断深入、金融领域开放水平的不断提高以及金融科技水平的迅猛发展,我国金融业正经历着前所未有的变革。一方面,金融产品日渐丰富、金融交易主体日益多元化、金融交易手段日趋便捷化等,增强了我国金融业的竞争力,有助于壮大我国金融业的实力,培育合格的金融投资主体;另一方面,伴随着金融环境的剧烈变化,传统的金融监管方式面临重大挑战,国际金融危机的爆发与蔓延也引起人们对现有金融风险管理和金融监管框架的反思。在金融全球化和金融自由化的背景下,探究更为精准的风险计量工具,研究风险的生成与传染机制,建设能及时发送预警信号的金融风险预警体系对于我国金融业的平稳快速发展具有特别的意义。

金融风险管理的思路和手段众多,如风险分散、风险对冲、风险转移等,但在信息技术和金融大数据的大发展时代,带有主观性质的定性风险管理方法适应性有限,无法真正地实现金融风险的有效管理,定量的风险管理技术更加值得研究。现有风险计量工具主要基于VaR及其衍生度量方法,如在度量个体金融风险时,VaR被广泛用于大型金融机构的风险管理实践,尤其是巴塞尔协议更是将其作为金融监管的全球标准。在度量金融体系系统性风险方面,基于VaR衍生出的CoVaR也受到学术界的广泛推崇,但VaR仍然存在风险度量不精确、难以及时发送风险预警信号等问题。

从学术研究的演化路径和模型建模准确性的角度,刻画金融资产分布的尖峰厚尾、波动聚集和时变性等接近真实市场环境的风险计量模型更有研究价值。考虑到近期极端事件的频发对金融市场和金融机构造成的巨大损失,本书着眼于极端尾部风险的测量技术和金融机构间的尾部相依结构建模技术。通过模型对比,我们选择新近发展的CARE模型为研究主线,将反映资产波动聚集性特征的GARCH模型和反映模型时变特征的LPA方法引入CARE模型,得到更为精确的个体风险测度EVaR。此外,我们将Lasso方法引入高维数据的CARE模型中,得到金融机构间的网络关联结构,从而更好地识别和防范各类金融危机的发生。

本书共分为六章,其中第一章为导论,主要介绍本书的研究背景、主要目的、结构安排和主要创新点。第二章探讨了金融风险管理的内涵、基本流程、金融风险测度的历史演进及其优缺点、金融风险溢出的度量方法,是本书后续研究的重要理论基础。第三章基于金融资产收益分布的特征将GARCH模型引入CARE模型中,对模型的参数估计步骤、估计性质等方面进行了相关理论演绎,并以我国金融市场的上证综合指数、深证综合指数和沪深300指数为例进行了实证研究。第四章以结构变点在金融风险管理中的应用为切入点,通过引入非对称正态分布计算CARE模型估计中的极大似然函数,从而实现LPA方法和GARCH-CARE模型的完美结合,并给出参数的估计方法和统计检验方法。本章同样以上证综合指数、深证综合指数和沪深300指数进行实证分析,并比较了不同模型在捕捉极端风险方面的表现。第五章从金融资产间的风险溢出视角研究金融机构的适应性,考虑到金融科技的快速发展,金融机构间不仅仅呈现双边关联性,还越来越多地表现为复杂的网络相依结构,原有的测度资产双边尾部相关性的方法将面临统计上的巨大困难。本书通过将Lasso方法引入高维CARE模型中,有效解决了高维CARE模型参数过多面临的统计难题,并通过实证研究验证了LassoCARE模型的有效性。第六章是综合运用GARCH-CARE模型、LPACARE模型和Lasso-CARE模型对中国金融体系系统性风险进行研究。本章首先分析金融机构的风险影响因子,计算各金融机构的最优滚动窗口和系统性风险测度CoEVaR,在此基础上对各金融机构的系统重要性进行排名,分析金融机构的风险传染效应和金融子行业间的系统重要性,从而为监管当局进行宏观审慎监管提供科学依据。

受制于时间、精力以及样本数据等诸多方面的因素,本书还有很多不完善的地方。由于金融风险复杂性和广泛性的特点,金融风险管理和度量涉及学科领域众多,本书的研究仅仅为风险管理提供微小的启示,未来金融风险领域还有很多问题值得研究。EVaR的回测统计量与已有的检验统计量有效融合问题、参数估计效率的改进和参数估计有偏性问题、对模型的参数检验统计量进行严格的数学证明、从理论上完善本书发展的风险计量模型等,是未来重要的研究方向。

感谢2019年度教育部人文社会科学研究青年基金项目“商业银行杠杆周期性与系统性风险的生成及监管机制研究”(批准号19YJC790172);第63批国家博士后基金面上项目“宏观审慎视角下商业银行高杠杆风险及监管策略研究”(批准号2018M632273)对本书出版提供的经费资助。在写作过程中,索浩然博士参与了数据和资料的搜集与整理工作,在此一并表示感谢!

感谢西南财经大学出版社为本书出版所付出的辛勤努力!

杨文华

2019年9月