系統性信用風險論文范文

本站小編為你精心準備了系統性信用風險論文參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

一、模型與方法

（一）理論模型分析假設信用資產關聯系統由2家企業(yè)組成，第1家企業(yè)是下游企業(yè)，第2家企業(yè)是上游企業(yè)。第1家企業(yè)向第2家企業(yè)采購原材料，第2家企業(yè)向第1家提供商業(yè)信用；模型時間分為2期，第t期2家企業(yè)正常經營，第t+1期第1家企業(yè)受到外部流動性沖擊，發(fā)生違約，第2家企業(yè)受損。設企業(yè)信用資產為RA；非信用資產為URA；短期負債為STD；長期負債為LTD；凈資產為NA。企業(yè)i（i=1，2）在t時刻的資產負債表平衡關系。假設資本市場是理性的，市場均衡的估值市凈率在第t、t+1期是不變的，不妨設定為常數c。在t+1第1家企業(yè)信用違約而股價下降，并引發(fā)第2家企業(yè)股價隨之下降，形成了股價聯動[7]68-78。

（二）實證方法構建多變量金融時序Copula函數的關鍵在于，建立單變量金融時序分布模型與選擇合適的多元Copula函數[32]。多元正態(tài)Copula函數不能反映變量之間的聯合厚尾特征[33-34]。多元t-Copula函數可以用于研究變量之間的聯合厚尾特征，其自由度越小，表明聯合厚尾特征越明顯[35]。1.邊緣分布的確定金融資產收益率序列具有異方差、尖峰厚尾、時變、右偏與杠桿效應，適合用AR（1）-GJR（1,1）模型擬合邊緣分布。2．Copula函數的選用多元t-Copula函數尾部較厚，能很好地擬合尾部相關關系[37-39]。因此，從理論上可以推斷，多元t-Copula函數能夠更好地度量股價的聯動關系。本文使用Q-Q圖、K-S檢驗判斷單個多元Copula函數的擬合情況。同時，引入經驗分布函數，構建反映擬合誤差大小的平方歐式距離指標。該平方歐式距離反映了多元Copula函數擬合原始數據的誤差情況。該指標值越小，說明偏差越小。3．Copula函數的時變過程與估計對于C-藤分解結構下的時變條件相關系數，Engle（2002）提出了比較常用的描述其時變過程的DCC（1，1）模型其中，ρt是t時刻的條件相關系數；向量εt是由選定的時變Copula函數邊際分布逆函數轉換得到的標準化殘差；Q軒t是一個p×p矩陣，該矩陣對角線上的元素是Qt的平方根，其他元素為0；Qt和R分別是殘差項的樣本協方差與相關系數；rt是在項數為m（m>p）的移動窗中殘差的相關系數。該時變Copula函數的參數估計可以由兩步極大似然估計法完成[43]。第一步先利用最大似然估計法，估計邊際分布AR（1）-GJR（1，1）模型中的參數；第二步對殘差做概率積分轉換，再利用最大似然估計法，估計時變Copula函數的參數。4.基于Copula函數的相關性分析選擇合適的Copula函數后，擬合估計出其參數值，就可以利用表1中的計算式，計算出各相關系數值。在靜態(tài)Copula函數中，其參數是不變的，計算出來的是靜態(tài)總體相關性；如果采用時變Copula函數，參數ρt（t=1，2，…，T）是時變參數，就可以利用表1中公式，一一對應地計算出總體線性相關系數、非線性相關系數及尾部相關系數的動態(tài)時變過程。

二、計算結果與分析

（一）研究樣本根據企業(yè)之間存在的信用關聯，選擇寶鋼股份（BGGF）、必和必拓（BHP）、力拓（RIO）、上海汽車（SHQC）、上港集團（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）和中國船舶（ZGCB）在內的幾家企業(yè)作為研究樣本，研究這些企業(yè)從2001年1月2日至2011年4月28日之間的股價聯動。列出了6個樣本企業(yè)股價收益率序列數據的描述統計指標。由表2可知，6個變量的峰度都在10以上，呈現尖峰分布，其中，SGJT收益率分布最尖；BHP、RIO、SHQC、SGJT的偏度都大于0，其中，SGJT收益率分布右偏程度最大；BGGF、XSMD的偏度小于0，說明與正態(tài)分布、t分布相比較，適合選用左偏的t分布擬合樣本收益率數據。

（二）邊際分布擬合檢驗根據white檢驗結果可知，3個統計量的P值都拒絕“不存在異方差”的原假設，說明異方差比較突出。表明收益率序列適合選用ARCH模型。本文中的邊際分布選用帶有杠桿效應的AR（1）-GJR（1，1）-Skewt模型。其模型估計的參數值如表3所示。從AIC、BIC、LL值看，AR（1）-GJR（1,1）-Skewt模型的有效性好于AR（1）-GJR（1，1）-t模型①。8個序列的自由度估計值都比較小，說明它們的分布都具有厚尾特征，其中上港集團的尾部最厚。另外，使用時變Copula函數估計時變條件相關系數時，需要把序列數據通過概率積分轉換為U（0，1）分布序列。本文對邊際分布擬合情況還進行了獨立性檢驗與同分布檢驗。拉格朗日乘數檢驗結果表明，在5%顯著水平下，這8個序列都不存在自相關，可以認為轉換后的序列相互獨立；非參數K-S檢驗結果表明，轉換后的8個序列在5%顯著水平上服從U（0，1）分布。這些結論表明，邊際分布采用AR（1）-GJR（1，1）-Skewt模型非常合理。

（三）利用多元t-Copula函數靜態(tài)度量股價的聯動效應常用的固定參數多元Copula函數包括多元正態(tài)Copula函數和多元t-Copula函數。在這兩個函數的Q-Q圖中，本文無法區(qū)分其擬合優(yōu)劣；而由多元正態(tài)Copula函數的K-S檢驗可知，在0.01顯著水平上拒絕原假設，說明多元正態(tài)Copula函數不能很好地擬合多元時序數據；而多元t-Copula函數擬合該的多元數據序列。從Copula函數與經驗分布函數之間的平方歐式距離來看，多元正態(tài)分布Copula函數的平方歐式距離為0.3873，多元t分布Copula函數的平方歐式距離為0.0568，多元t-Copula函數可以較好擬合該股價原始數據的經驗分布情況，與理論分析一致。根據各樣本收益率序列的條件邊際分布，利用多元Skewt分布函數與多元t-Copula函數之間的關系，信用資產關聯各企業(yè)股票收益率之間的多元t-Copula函數非線性相關系數如表4所示。從表4可以看出，受中外股市之間的一體化約束，寶鋼股份（BGGF）與必和必拓（BHP）、力拓（RIO）之間，必和必拓（BHP）、力拓（RIO）與上海汽車（SHQC）、上港集團（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）、中國船舶（ZGCB）之間的相關系數都很低，但其他信用資產關聯企業(yè)之間的相關系數都在0.5左右，存在中等程度的正相關聯動現象。

（四）利用時變多元t-Copula函數度量股價的聯動效應不同邊際分布下時變t-Copula函數的相關系數時變方程參數估計值如表5所示。從AIC、BIC、LL值看，對于條件相關系數的時變過程G-DCC、t-DCC，邊際分布選用AR（1）-GJR（1，1）-Skewt模型最合理，但時變G-DCC過程擬合效果最差，t-DCC過程則最好。本文選用AR（1）-GJR（1，1）-Skewt模型作為邊際分布，選用時變過程為t-DCC的多元t-Copula函數為多元連接函數，動態(tài)擬合計算動態(tài)條件相關系數，得到8個按照C-藤結構分解的pair-copula函數的時變無條件相關擬合的AIC、BIC、LL值分別是-7158.6、-7141.7、3582.3。利用這28個時變Copula相關系數的時間序列數據，計算出相對應的時變等級相關系數、秩相關系數與尾部相關系數的時間序列，如表6所示。從表6可以看出，4個相關系數都顯示出，股價呈現低度正相關性，具有弱板塊效應；時變Copula相關系數的集中趨勢值最大，尾部相關系數最小。但是，時變Copula相關系數的絕對離散波動程度、波動幅度最大；從離散系數、極差/平均值的結果可以看出，尾部相關系數的相對離散波動程度最大。從時變Copula相關系數可以看出，在C-藤結構下條件相關系數的均值在0.0583~0.7376之間，呈現出弱相關關系，因為條件相關系數有正值、負值，相關方向存在轉換，正負抵消導致簡單平均值的結果較小。其他16個條件相關系數均為正值，平均值在0.5左右，呈現出中等強度的相關性。從條件相關系數值的離散指標可以看出，標準差從0.0573~0.1042，絕對變化范圍從0.2628~0.5706，最大相對幅度變化范圍從0.4899~6.2644，說明條件相關系數的時變性較強。為了觀察條件相關系數的時變特征，本文也分別在標準差最小與最大、離散系數最小與最大、波幅最小與最大等6種情況下，計算了時變Copula函數度量的4個時變相關系數，均表現出相同的變化趨勢，而且在常態(tài)相關性走強時，股價板塊效應的作用愈加強大，同時暴跌暴漲的相關性走強；在常態(tài)相關性走弱時，股價板塊效應的作用減弱，由一家企業(yè)股價大幅漲跌引發(fā)的信用資產關聯企業(yè)同時暴跌暴漲的相關性走強。

三、結論

本文將資產關聯與市場均衡相結合，利用會計等式，構建了企業(yè)信用資產的網絡傳染模型，分析了信用網絡渠道直接傳染的股價聯動現象。利用靜態(tài)相關與時變相關的多元Copula函數，擬合計算企業(yè)組合之間的全局相關系數、時變的無條件與條件相關系數，驗證了理論模型研究提出的企業(yè)信用資產網絡傳染聯動現象及其度量與時變特征。實證研究結果表明，邊際分布適合選用AR（1）-GJR（1,1）-Skewt模型；連接函數適宜選用多元t-Copula函數。信用資產關聯企業(yè)的股價之間具有較強的網絡傳染聯動效應，基于多元t-Copula函數的靜態(tài)與動態(tài)相關度量方法可以較好地度量網絡傳染聯動效應，無條件相關系數與條件相關系數都表現出不同程度的顯著時變性。實證研究結果還表明，信用資產關聯企業(yè)之間的相關性存在以下幾個方面特征：第一，信用資產關聯的企業(yè)股價之間具有較強的聯動效應，因我國資本市場的發(fā)達程度與國際化水平的差異導致國內外企業(yè)股價之間的相關性存在明顯差異，國內的相關性低于國外，國外企業(yè)與國內企業(yè)之間的相關性較低，原因在于國內外證券市場分割比較明顯，力拓、必和必拓2家公司的股票收益率與國內6家企業(yè)股票收益率間的相關性比較低。第二，從全局相關性看，國內6家企業(yè)股票收益率間的相關性比較接近，低于國外2家公司間相關性水平，表明國內證券市場的成熟程度低于美國市場，同時也反映了信用資產關聯企業(yè)之間的穩(wěn)定性相對較強，信用資產關聯上的企業(yè)具有水平大致相同的公司風險。第三，條件相關系數與無條件相關系數，都表現出顯著的較強時變性。基于如上研究結論，本文認為信用資產關聯核心企業(yè)在利用信用資產關聯協同效應的同時，應當注意控制鏈上企業(yè)的流動性風險與信用風險，并以組合管理的理念，優(yōu)化信用資產關聯組合結構、運營方式與利益分配格局；同時，網絡核心企業(yè)應當構建信用資產關聯的綜合風險管控機制，有效監(jiān)測信用資產關聯系統中的重要風險因素，并預防信用資產關聯上系統重要性企業(yè)的信用風險，審慎管理信用資產關聯上的系統性風險。

作者：茆訓誠王周偉單位：上海師范大學商學院