金融机构系统性风险敞口与贡献的度量及监管研究 ——基于金融网络视角的分析

This study will attempt to construct a new systemic risk measurement framework by combining the improved CoVaR methodology, econometric techniques of recursive and rolling analysis and complex network analysis method together, and measure systemic risk of financial institutions in China from the time-series dimension and cross-sectional dimension using the framework. This study aims to extend the existing literature mainly from three aspects. First, we improve the CoVaR methodology by introducing financial institutions' connectedness structure, to capture the network effects of systemic risk spillover among financial institutions and measure risk exposure and contribution of an individual institution from the global perspective of systemic risk network. Second, we measure and monitor comprehensively the systemic risk exposures and contributions of financial institutions in China, and assess their systemic vulnerability and importance. In this process, we not only identify systemically important institutions, but also systemically vulnerable institutions, and select the targeted macroprudential regulatory objectives and policy instruments according to the type of financial institutions. Third, we combine the contemporaneous measurement of the systemic risk exposures and contributions of financial institutions in China with their affecting factors together, to predict the risk exposures and contributions of financial institutions and solve the problem of procyclicality in contemporaneous risk measurement. This study will improve our understanding of systemic risk transfer mechanism, and will provide a guidance for supervisory authorities to implement macroprudential regulation in the time-series and cross-sectional dimensions.

本课题将CoVaR的改进完善、递归与滚动等计量技术、复杂网络分析方法三者紧密结合，构建了具有特色和创新的系统性风险度量框架，并采用该框架从时空两个维度对我国金融机构系统性风险进行度量监管。本课题主要从三个方面拓展现有研究。一是通过引入金融机构关联结构来改进CoVaR方法，捕捉机构间风险溢出的网络效应，并从系统性风险网络的全局视角度量单个机构的风险敞口与贡献。二是对我国金融机构的系统性风险敞口与贡献进行综合度量监测，评估其系统脆弱性和系统重要性，不仅识别系统重要性机构，还要识别系统脆弱性机构，依据机构类型，选择针对性的监管目标和政策工具。三是将我国金融机构系统性风险敞口与贡献的同期度量与其影响因素相结合，对机构的风险敞口与贡献进行前瞻性预测，解决同期风险度量的顺周期性。本课题预期不仅可以深化学术界和实务界对系统性风险传导机制的认识，还为监管部门在时空两个维度优化宏观审慎监管提供了依据指导。

目前，学术界一般认为系统性风险包含三个元素：冲击、传染放大机制和宏观经济损失后果。其中，冲击是系统性风险爆发的诱因，对实体经济产生负外部性是系统性风险爆发的结果，风险通过金融机构之间、不同金融部门之间以及金融系统与实体经济之间关联网络的传染放大才是系统性风险爆发的核心所在，表现为系统性金融风险的溢出效应。即在截面维度上，风险可以通过直接关联、间接关联和信息关联等多种渠道传导扩散。同时，系统性风险在时间维度上具有“累积—爆发—放大”的周期性特征，上行周期中风险的积聚累积是下行周期风险爆发释放的前提和基础，系统性风险的同期度量和实时监测本身具有较强的顺周期性，无法发挥前瞻预警的作用。.为了在空间维度上对系统性风险的生成源头与传导路径进行有效识别监控，本课题一方面利用∆CoVaR和Exposure-∆CoVaR、MVMQ-CAViaR、基于LASSO-VAR模型的DY溢出指数、TENET等国际前沿方法，另一方面构建了系统性风险度量新指标——LASSO-∆CoVaR，紧紧围绕中国系统性金融风险度量防范，从金融机构之间、金融部门之间、金融系统与实体经济之间以及中国与全球主要国家之间，进行了多维度、全视角的测度分析。通过研究，明确了每个机构（部门、行业或者国家）在系统性风险网络中扮演的角色和地位，识别了风险传导的路径结构，为中国金融监管当局确立正确的监管目标、选择合适的政策工具提供依据，从截面维度完善我国的宏观审慎政策框架。.为了在时间维度上对系统性风险进行前瞻预警，本课题一方面基于金融周期理论，在CoES的统一框架下，提出了全新的系统性风险实时监测与前瞻预警指标——下行和上行ΔCoES，并利用该指标对我国金融部门间的系统性风险溢出进行实时监测和有效预警；另一方面，引入频域测度，将LASSO-VAR模型与基于广义方差分解谱表示的BK溢出指数结合，对现有的网络关联性指标（DY溢出指数）进行分解，提取短期、中期和长期等不同的周期成分，进而考察中国系统性风险的频率动态。基于上述研究，本课题提出了多个系统性风险前瞻预警解决方案，有效克服了同期风险度量的顺周期问题，为时间维度逆周期的宏观审慎监管提供理论上的依据和指导。