下载文档原格式
中国金融市场与实体经济间双向风险溢出效应--基于外生事件
冲击视角
白雪;王学磊
【期刊名称】《吉林工商学院学报》
【年(卷),期】2024(40)2
【摘要】基于DCC-GARCH模型测度ΔCoESD指标,并运用复杂网络与岭回归方法,量化分析外生事件冲击下中国金融市场与实体经济间风险双向溢出效应。
研究发现:在外生事件发生后,金融市场与实体经济间的风险共振作用显著增加,风险分散作用显著下降。
动态风险影响渠道分析显示,相比于事件冲击的直接影响,各金融市场与实体经济行业间的间接风险溢出更强,间接风险溢出由受到直接冲击影响的市场和行业传导产生。
在外生事件发生后,金融市场易成为主要风险传导点,实体经济行业成为风险汇聚点与风险吸收方,且会形成若干条可能使得风险溢出在金融市场和实体经济中不断循环放大的风险溢出闭环。
【总页数】10页(P94-103)
【作者】白雪;王学磊
【作者单位】安徽大学经济学院
【正文语种】中文
【中图分类】F832.5
【相关文献】
1.中国金融市场风险溢出效应、冲击效应与风险预警研究
2.重大事件冲击下金融市场与实体经济间双向尾部风险溢出效应
3.金融强监管对金融机构与实体经济间极端风险双向溢出效应的影响
4.重大突发事件冲击下实体经济与金融市场间上行和下行溢出效应
5.重大事件冲击下金融市场与实体经济间双向尾部风险溢出效应
因版权原因，仅展示原文概要，查看原文内容请购买。
中国金融业系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型的研究中国金融业系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型的研究摘要：近年来，全球金融危机和国内金融风险事件的频繁发生引起了对金融系统风险的深入研究。
作为系统性风险的重要表征，金融业系统性风险溢出效应的测度对于金融监管和风险管理具有重要意义。
本文基于GARCH-Copula-CoVaR模型，对中国金融业系统性风险溢出效应进行了全面的研究和分析。
研究结果表明，中国金融业存在明显的系统性风险溢出效应，且该效应在不同市场条件下存在差异。
本文的研究对于金融机构和监管部门有效识别和管理金融系统性风险具有一定的启示意义。
关键词：金融业，系统性风险，风险溢出效应，GARCH-Copula-CoVaR模型目录：1. 引言2. 中国金融业系统性风险的概述3. 理论框架与研究方法3.1 GARCH模型3.2 Copula模型3.3 CoVaR模型4. 模型实证分析4.1 数据描述与预处理4.2 GARCH模型的参数估计4.3 Copula模型的选择与参数估计4.4 CoVaR模型的计算与结果分析5. 结果与讨论5.1 中国金融业系统性风险的溢出效应5.2 不同市场条件下的系统性风险溢出效应6. 结论与启示7.随着全球金融危机和国内金融风险事件的频繁发生，对金融系统风险的研究变得更加紧迫和重要。
作为系统性风险的重要表征，金融业系统性风险溢出效应的测度对于金融监管和风险管理具有重要意义。
本文基于GARCH-Copula-CoVaR模型，对中国金融业系统性风险溢出效应进行了全面的研究和分析。
首先，本文简要概述了中国金融业系统性风险的背景和概况。
随着中国金融市场的快速发展和金融体系的日益复杂化，金融系统面临着越来越多的风险。
金融危机和金融风险事件的发生引起了对金融体系的关注和反思，需要进一步研究和分析金融业的系统性风险，并采取措施来有效管理和应对这些风险。
94《中国外资》 2019年第10期研 究ESEARCH■ 文/ 张 琳金融市场风险溢出效应研究——基于GARCH-CoVaR模型金融市场具有互联互通属性，各类金融资产、金融机构联系密切，构成一个复杂的体系。
金融市场作为经济环境中占比较高、结构较特殊的高风险市场，一旦国内的金融行业出现危机，极易导致整体经济市场一系列连锁现象的产生，进而对一国金融市场的稳定产业影响，甚至会导致金融危机的发生。
因此对金融市场的风险溢出效应研究已然成为当下最为现实的问题，针对金融风险的管理问题显得尤为重要。
Oct. 2019 Foreign Investment in China95FOREIGN INVESTMENT IN CHINA中国外资Issue10 2019GARCH-CoVaR模型是一类针对金融市场反映的数据所量身定制化设计的回归模型，相比数学模式的回归方程，该模型可以对收集的数据中存在的误差进行方差建模。
尤其适用于存在波动性数据的整理分析，在此种模型下对数据的分析具有极高的有效性，对金融市场产生的实时变动可以进行有效的预测，为金融界的投资者提供决策方向，基于GARCH-CoVaR模型的金融数据分析在很大程度上取代了对数据本身的直接分析，为金融市场的风险溢出研究提供平台。
基于GARCH-CoVaR模型的金融市场风险溢出效应研究传统货币市场基金和在线货币市场基金的产品都受宏观经济和金融市场的影响，并且具有相同的周期性特征。
传统货币市场基金和互联网货币市场基金的CoVaR平均成本为负，这表明传统货币市场基金和互联网货币市场基金对金融市场具有负溢出效应，即金融市场对货币基金具有溢出效应，市场易受金融影响和市场动荡的溢出效应影响。
随着互联网技术的广泛应用，针对货币资金的借贷、债券及股票的发行等金融活动已经逐步趋向于网络化，金融投资者的投资区域是银行，基于GARCH-CoVaR模型的金融市场风险溢出效应机制。
主要以银行为货币的载体，进行货币的流通，依托互联网为金融市场的交互提供平台，使股票或货币等金融资源具有较高的流动性，尽管为金融市场提供了方便快捷的互动平台，但由于平台漏洞易出现短期大额的流动风险，综合对GARCH-CoVaR模型的研究，金融市场风险溢出效应具体表现在下述几个方面。
我国上市商业银行系统性风险溢出效应研究——基于GARCH-Copula-CoVaR模型山西财经大学 潘薪宇摘 要：随着经济全球化的发展，全世界各大金融机构构建了庞大而复杂的金融体系，在资本越来越自由的国际市场环境下，一国金融危机的爆发可能对其他国家的金融体系造成不利影响。
因而，测度银行间的风险溢出效应就显得尤为重要。
本文首先对银行系统性风险溢出效应的概念、特征机理以及传导机制进行了相关分析，通过结合GARCH-Copula-CoVaR，修正了CoVaR模型在测度银行系统性风险溢出上的缺陷，为进一步测度银行间的风险溢出效应提供了方法。
关键词：商业银行；系统性风险；风险溢出效应；GARCH-Copula-CoVaR模型中图分类号：F830.33 文献标识码：ADOI：10.12245/j.issn.2096-6776.2021.04.221 研究背景和意义Bernanke（1983）认为，金融机构倒闭会造成实体经济下滑，受其影响其他金融机构也会偏向于保留流动性强的资产，这可能会造成其收益性降低，从而体现了金融机构的风险溢出效应。
Allen and Gale(2000)指出风险产生和传导的根本原因是金融业之间相似的网络结构，机构之间的网络结构越相似，其系统越脆弱，其风险溢出效应越大。
在国内，包全永（2005）分别研究了开放和封闭系统下银行系统性风险的传导机理，说明了银行系统性风险具有溢出性。
肖璞（2012）认为单个银行的风险扩散便是风险溢出效应，对于具有较强风险溢出效应的银行，其倒闭会导致银行体系爆发系统性风险。
Adrian和Brunnermeier(2011)在Va r模型的基础上构建了CoVar模型，这种方法可以用来衡量整个金融体系的风险溢出程度，用CoVaR可以衡量出当金融机构i发生波动时，金融机构j相应的风险增加值。
2 商业银行系统性风险溢出效应的理论分析 2.1 商业银行系统性风险溢出效应的定义银行系统性风险的界定标准主要分为两部分：一部分是风险传播途径，另一部分是其负外部性。
我国金融市场间溢出效应研究——基于四元VAR-GARCH(1,1)-BEKK模型的分析我国金融市场间溢出效应研究——基于四元VAR-GARCH(1,1)-BEKK模型的分析摘要：本文基于四元VAR-GARCH(1,1)-BEKK模型，采用我国金融市场主要变量的季度数据，分析了我国金融市场的间溢出效应。
研究发现，我国股票市场、债券市场、外汇市场以及期货市场之间存在显著的双向溢出效应。
其中，股票市场对其他市场的溢出效应最为显著，而期货市场对其他市场的溢出效应最为微弱。
关键词：金融市场；间溢出效应；四元VAR-GARCH(1,1)-BEKK模型一、引言金融市场是一个相互关联、相互影响的系统。
不同市场之间的关联程度和溢出效应对于投资者的风险管理和决策制定具有重要意义。
针对这一问题，许多学者通过使用不同的经济模型和方法对金融市场的间溢出效应进行研究。
其中，VAR-GARCH模型是一种常用的方法，可以全面考虑时间序列数据的内部关系和波动性。
二、文献综述以往的研究已经证明了不同金融市场之间的溢出效应，但是对于我国金融市场间的溢出效应研究相对较少。
尤其是基于四元VAR-GARCH(1,1)-BEKK模型的研究更加稀缺。
本文将填补这一研究空白，并进一步考察我国金融市场的间溢出效应。
三、模型设定与数据来源本文选取包括股票市场指数、债券市场利率、外汇市场汇率以及期货市场指数在内的四个重要金融市场变量作为研究对象。
通过容量选择方法，筛选出与变量具有显著关联的滞后阶数，并运用四元VAR-GARCH(1,1)-BEKK模型进行分析。
数据来源主要包括中国证券市场统计年鉴、中国债券市场年度报告、中国外汇市场年度报告以及中国期货市场交易统计年报等。
所有数据都为季度数据，时间跨度为2000年至2020年。
四、实证结果与分析通过四元VAR-GARCH(1,1)-BEKK模型，本文发现我国金融市场存在显著的间溢出效应。
首先，我国股票市场对其他市场的溢出效应最为显著。
我国金融市场的风险溢出效应分析作者：米咏梅王宪勇来源：《财经问题研究》2014年第11期摘要：评估金融市场间的风险溢出效应对金融市场监管和深化我国金融市场改革具有重要意义。
本文基于MVGARCH模型研究了股票市场、债券市场和期货市场间的风险溢出效应。
结果表明，三个金融市场之间存在风险溢出效应，市场之间存在风险传递。
由于风险溢出效应的存在，相关部门应加强金融市场监管和相关政策的协调性，以金融市场的全局视角进行政策设计，恰当选择政策实施时机，保证政策实施效果。
关键词：金融市场；股票市场；债券市场；期货市场；风险溢出效应中图分类号：F8309 文献标识码：A文章编号：1000176X（2014）11006305一、引言金融市场间的风险溢出效应（或称波动溢出效应）不仅是重要的金融理论研究问题，也具有较强的现实意义。
1995年墨西哥金融危机、1997年东南亚金融危机、1998年俄罗斯债务危机、1999年巴西货币危机、2007年美国次贷危机和欧债危机频发等金融危机表明，金融风险在金融市场间交叉传染，进而对实体经济造成了巨大冲击，充分显现了风险溢出对金融体系的巨大破坏，也给实体经济造成了巨大损失。
我国对金融行业的股票、债券和期货实行“分业经营、分业监管”，在制度层面为金融市场间建立了防火墙，将风险隔离在各个市场内部，市场间的信息和风险溢出能力较弱。
近年来，金融创新加快了市场之间的融合，金融产品的投资标的同时覆盖多个金融市场，证券、银行和期货等金融机构之间业务出现交叉，信息和风险溢出渠道拓宽。
研究我国的金融市场风险信息传递是否出现本质变化具有重要的政策含义，当信息传递导致的市场联动性较高时，不同金融监管部门的政策制定和执行应加强协调性，避免一个市场的不利信息触发其他市场的风险，预防系统性风险。
二、文献综述金融市场的波动溢出效应研究主要分为以下两类：一是研究不同国家某类市场之间的波动溢出效应，其中最为常见的是美国、英国和日本之间股票市场的溢出效应，多数研究结果表明国家间股票市场之间存在波动溢出效应；二是跨市场的波动溢出效应，如股票、债券、外汇市场和商品市场，多数研究表明市场间存在波动溢出效应。
Risk Spillover Effect and Asymmetry of China's Financial Market—Based on GJR-BEKK-GARCH Model and Spillover Index Method 作者： 李博阳[1];杜强[1];沈悦[2];张嘉望[3]
作者机构： [1]长安大学经济与管理学院,陕西西安710064;[2]西安交通大学经济与金融学院,陕西西安710061;[3]陕西师范大学国际商学院,陕西西安710119
出版物刊名： 北京理工大学学报：社会科学版
页码： 54-65页
年卷期： 2021年 第5期
主题词： 金融市场;风险溢出;非对称性;GJR-BEKK-GARCH模型;溢出指数
摘要：运用GJR-BEKK-GARCH模型和风险溢出指数方法对中国2005年7月22日—2021年4月2日货币市场、股票市场、债券市场、外汇市场、房地产市场、黄金市场和大宗商品市场间的风险溢出效应及其非对称性做系统性分析.结果表明:金融市场间具有广泛而显著的双向风险溢出效应和非对称溢出效应,负向冲击引起的波动大于正向冲击;样本期间金融市场平均风险溢出指数为25.5%,风险溢出方向具有非对称性,房地产市场、商品市场和股票市场是风险的净溢出者,货币市场、债券市场、外汇市场和黄金市场是风险的净接受者;金融市场风险溢出指数具有时变性、波动性和不确定性,国内外重要政策颁布和风险事件爆发期间金融市场风险溢出效应明显加强.。
中国金融业系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型的研究中国金融业系统性风险溢出效应测度——基于GARCH-Copula-CoVaR模型的研究摘要：金融业系统性风险溢出效应是金融市场中普遍存在的重要问题，对金融稳定和经济发展具有重要影响。
本研究以中国金融业为例，运用GARCH-Copula-CoVaR模型测度中国金融业系统性风险溢出效应，并分析其动态性质和影响因素。
研究结果表明，中国金融业存在显著的系统性风险溢出效应，而且该效应在不同时间段和各金融业子领域间呈现出不同的动态特征。
此外，金融市场的流动性风险和信用风险对系统性风险溢出产生了显著的影响。
1. 引言金融业系统性风险溢出效应是金融市场中的常见现象，指的是一个金融机构或市场的风险在整个金融系统中的传导和扩散过程中对其他金融机构或市场造成的影响。
该效应是金融危机的主要传播方式之一，对金融系统的稳定和经济的健康发展具有深远的影响。
因此，研究金融业系统性风险溢出效应对于了解金融体系的风险传染机制、采取相应的监管政策和风险管理措施具有重要意义。
2. 相关研究综述国内外学者对于金融业系统性风险溢出效应的研究已经取得了一定成果。
早期的研究主要基于相关统计量、事件研究和风险指标分析等方法，然而这些方法在度量多变量金融风险传染方面存在一定的局限性。
为此，学者们引入了Copula函数作为建模工具，用以捕捉金融风险传染的相关性。
并且，GARCH模型和CoVaR模型的结合能够更好地揭示金融业系统性风险溢出的内在本质。
3. 数据与方法本研究选取2005年到2019年期间的中国金融业数据，包括股票市场、债券市场和银行业。
首先，利用GARCH模型对各个金融市场的风险进行估计，并得到条件方差序列；然后，通过Copula函数对条件方差序列进行联合建模，得到相关性结构；最后，利用CoVaR模型计算金融业子领域之间系统性风险溢出的指标。
4. 研究结果通过对中国金融业系统性风险溢出效应的测度和分析，本研究得到以下主要结果：首先，中国金融业存在显著的系统性风险溢出效应，即一个子领域的系统性风险会传染给其他子领域；其次，不同时间段和不同金融业子领域之间存在着不同的动态特征，表明金融市场中的风险传导机制具有一定的时变性；再次，金融市场的流动性风险和信用风险对系统性风险溢出产生了显著的影响，流动性风险的传染效应要强于信用风险。
基于二元VAR-GARCH(1,1)-BEKK模型的金融市场与石油市场的溢出效应研究周德田;郭景刚【摘要】随着国际、国内金融市场互动的不断增强以及石油市场与金融市场作用的日益密切,石油背后的金融属性对自身价格的主宰也更加明显,国际金融因素更容易通过作用油价的方式影响中国的股票市场.以2002年后油价脱离传统面的波动为契机,运用VAR模型和GARCH-BEKK模型对三大市场的相关关系进行研究.结果表明,国际金融因素与国际石油价格相互作用后单向对中国股票市场产生溢出效应.这为中国在政策层面上采取措施缓冲和避免国际油价波动给中国股票市场带来的不利冲击,维护中国石油价格和经济发展的稳定提供必要的参考和指引.【期刊名称】《中国石油大学学报（自然科学版）》【年(卷),期】2014(038)001【总页数】9页(P177-185)【关键词】国际石油价格;金融因素;溢出效应;BEKK模型【作者】周德田;郭景刚【作者单位】中国石油大学经济管理学院,山东青岛266580;浙江大学经济学院,浙江杭州310027【正文语种】中文【中图分类】F830.91自2002年起，国际石油价格波动异常剧烈和频繁，并呈现出大幅上涨之势：2002年1月WTI原油价格为15.52美元/桶，2005年3月急剧攀升至55.71美元/桶，并一直在高价位徘徊。
随后油价屡攀新高，在2008年7月一度突破147美元/桶的历史最高价位。
随着金融危机的不断蔓延以及流动性紧缩等因素的作用而不断走低，油价开始以抛物线速度下跌，在2008年12月骤降至30.28美元/桶，较最高点大幅下挫79.4%。
伴随着各国救市政策的出台，油价逐步触底反弹。
2011年下半年以来，国际原油价格维持了较长时间的连续上涨趋势，而进入2012年以后，国际油价一改之前上涨态势出现持续下跌，WTI原油价格从2012年3月的106.21美元/桶连续下跌至7月份的87.93美元/桶。
金融因素在油价波动中所起的作用逐渐引起相关学者的重视[1-17]。
中国金融市场风险溢出非对称效应——基于TVP-VAR-DY
模型的实证研究
姚爽;王艺晓;黄玮强
【期刊名称】《管理现代化》
【年(卷),期】2022(42)4
【摘要】本文基于TVP-VAR-DY模型,通过将市场波动分解为正向和负向波动,研究了中国金融市场风险溢出的非对称效应。
结果表明,各金融市场风险溢出非对称性呈现差异化和动态化特征;静态分析发现同业市场的风险溢出非对称性最大,而外汇市场的承受风险溢出非对称性最大;动态分析发现债券市场风险溢出非对称性始终为正,股票市场承受风险溢出的非对称性逐渐减弱,黄金市场风险净溢出大多数时期为负值。
本文研究结论对跨金融市场风险进行动态有效管理提供了有益借鉴。
【总页数】8页(P49-56)
【作者】姚爽;王艺晓;黄玮强
【作者单位】沈阳化工大学经济与管理学院;东北大学工商管理学院
【正文语种】中文
【中图分类】F224;F832.5
【相关文献】
1.中国金融市场问风险溢出效应的实证研究——基于四元VEC-GARCH（1，1）-BEKK模型
2.中国上市银行系统性风险溢出效应研究——基于极端分位数回归的非对称CoVaR模型
3.基于GAS t-Copula模型的金融市场非对称风险溢出效应测度
研究4.中国金融市场风险溢出效应及其非对称性研究——基于GJR-BEKK-GARCH模型与溢出指数方法5.新冠肺炎疫情冲击下中国与全球股市的相依结构和风险溢出效应——基于MSGARCH-EVT-Copula模型的实证研究
因版权原因，仅展示原文概要，查看原文内容请购买。
