中国证券公司系统性风险测度及演化特征研究——来自20家上市证券公司的数据

doi:10.16381/j.cnki.issn1003-207x.2019.05.002

中国管理科学 ›› 2019, Vol. 27 ›› Issue (5): 11-22.doi: 10.16381/j.cnki.issn1003-207x.2019.05.002

中国证券公司系统性风险测度及演化特征研究——来自20家上市证券公司的数据

刘超^1,2, 李元睿¹, 姜超¹, 马玉洁¹, 刘宸琦³, 谢启伟^1,2

1. 北京工业大学经济与管理学院, 北京 100124;
2. 北京现代制造业发展基地, 北京 100124;
3. 南加州大学, 洛杉矶 90089

收稿日期:2017-10-04 修回日期:2018-07-09 出版日期:2019-05-20 发布日期:2019-05-25
通讯作者: 刘超(1969-),男(汉族),山东枣庄人,北京工业大学经济与管理学院,教授,博士生导师,研究方向:社会经济系统分析与计算机仿真,E-mail:xtkx2011@163.com E-mail:xtkx2011@163.com
基金资助:
国家自然科学基金资助项目（61773029，61273230，61673381，61603010，61603011，61703014）；北京市属高校高水平教师队伍建设支持计划长城学者培养计划项目（CIT&TCD20170304）

Research on Systematic Risk Measurement and Evolution Characteristics of China's Securities Companies——Empirical Data from 20 Listed Securities Companies

LIU Chao^1,2, LI Yuan-rui¹, JIANG Chao¹, MA Yu-jie¹, LIU Chen-qi³, XIE Qi-wei^1,2

1. School of Economics and Management, Beijing University of Technology, Beijing 100124, China;
2. Research Base of Beijing Modern Manufacturing Development, Beijing 100124, China;
3. University of Southern California, Los Angeles 90089, USA

Received:2017-10-04 Revised:2018-07-09 Online:2019-05-20 Published:2019-05-25

摘要/Abstract

摘要： 审慎监管条件下，对系统性风险进行准确测度并识别风险演化特征是对证券公司实施风险管理的首要环节。采用SCCA技术，构建Gumbel Copula模型刻画证券公司间的风险相依结构，并对监测指标J-VaR进行了改进，解决了模拟中不易逼近最小边界的问题。从微观、宏观两个层面分别对单个证券公司及整个证券公司系统的风险进行了测度和演化特征分析。实证结果表明系统性风险在大规模爆发前往往会存在部分公司共同表现出的小型波动前兆；证券公司系统性风险具有"陡增缓降"的特点且在风险传导阶段形成的多次冲击对整个体系具有较大的破坏力。

关键词: 系统性风险, 证券公司, 风险测度, 演化特征, SCCA技术

Abstract: The crash of China's stock market in 2015 has aroused great attention to the systemic risk of securities market and especially securities companies. Under prudential supervision, accurate measurement of systemic risk and identification of risk evolution characteristics is the primary link to carry out effective supervision on securities companies. In this paper, by utilizing the SCCA technology, Gumbel Copula model is built to describe the risk dependence structure of different securities companies, and overcome the difficulty of boundary approximation in simulation by modifying the monitoring index J-VaR. The stock price and balance sheet data from 20 listed securities companies ranging from 2011-2016 are collected to measure the systemic risk of China's securities companies. Then the evolution characteristics of systemic risk is analyzed from the aspects of both micro level (i.e. risk of individual securities companies) and macro level (i.e. risk of the entire securities company system). Results show that there tends to be precursory fluctuations before large-scale outbreak. It is found that systematic risk has the characteristics of "steep rise and slow drop", and multiple shocks during the conducting period have great destructive power. The research findings provide suggestions for systemic risk regulation on securities companies.

Key words: systemic risk, securities companies, risk measurement, evolution characteristics, SCCA technology

中图分类号:

F832

刘超, 李元睿, 姜超, 马玉洁, 刘宸琦, 谢启伟. 中国证券公司系统性风险测度及演化特征研究——来自20家上市证券公司的数据[J]. 中国管理科学, 2019, 27(5): 11-22.

LIU Chao, LI Yuan-rui, JIANG Chao, MA Yu-jie, LIU Chen-qi, XIE Qi-wei. Research on Systematic Risk Measurement and Evolution Characteristics of China's Securities Companies——Empirical Data from 20 Listed Securities Companies[J]. Chinese Journal of Management Science, 2019, 27(5): 11-22.

参考文献

[1] 殷克东, 任文菡, 肖游. 我国金融业内系统性风险溢出效应研究[J]. 统计与决策, 2017,(1):156-161.

[2] 朱晓谦, 李靖宇, 李建平,等. 基于危机条件概率的系统性风险度量研究[J]. 中国管理科学, 2018, 26(6):1-7.

[3] 巴曙松, 王璟怡, 杜婧. 从微观审慎到宏观审慎:危机下的银行监管启示[J]. 国际金融研究, 2010,(5):83-89.

[4] 黄金波, 李仲飞, 丁杰. 基于非参数核估计方法的均值-VaR模型[J]. 中国管理科学, 2017, 25(5):1-10.

[5] Adrian T, Brunnermeier M. CoVaR:A method for macroprudential regulation[R]. Working Paper, NBER,2011.

[6] Acharya V, Engle R, Richardson M. Capital shortfall:A new approach to ranking and regulating systemic risks[J]. American Economic Review, 2012, 102(3):59-64.

[7] Brownlees C T, Engle R, Aielli G, et al. Volatility, correlation and tails for systemic risk measurement[J]. Social Science Electronic Publishing, 2012, 16-18.

[8] Kou S, Peng Xianhua. On the measurement of economic tail risk[J]. SSRN Electronic Journal, 2014, 69(1):1056-1072.

[9] Gray D F, Merton R C, Bodie Z. A new framework for analyzing and managing macrofinancial risks of an economy[R]. Working Paper, NBER,2006.

[10] Gray D F, Merton R C, Bodie Z. New framework for measuring and managing macrofinancial risk and financial stability[R]. Working Paper, NBER, 2007.

[11] Black F, Scholes M. The pricing of options and corporate liabilities[J]. Journal of Political Economy, 1973, 81(3):637-654.

[12] Merton R C. On the pricing of corporate debt:The risk structure of interest rates[J]. The Journal of Finance, 1974, 29(2):449-470.

[13] 黄苒, 范群, 郭峰. 中小企业违约风险系统性和异质性测度——基于违约风险成分分析法的研究[J]. 中国管理科学, 2018(3):13-21.

[14] Castrén O, Kavonius I K. Balance sheet interlinkages and macro-financial risk analysis in the euro area[R]. Working Paper,European Central Bank,2009.

[15] Antunes A R, Silva N. An application of contingent claim analysis to the Portuguese Banking System[R]. Working Paper,Banco de Portugal,2010.

[16] 宫晓琳. 未定权益分析方法与中国宏观金融风险的测度分析[J]. 经济研究, 2012,(3):76-87.

[17] 吴恒煜, 胡锡亮, 吕江林. 我国银行业系统性风险研究——基于拓展的未定权益分析法[J]. 国际金融研究, 2013,(7):85-96.

[18] Gray D F, Jobst A. Systemic CCA:A model approach to systemic risk[R]. Working Paper, IMF,2010.

[19] ISCR. United Kingdom:Stress testing the banking sector technical note[R]. IMF Staff Country Report, 2011.

[20] 巴曙松, 居姗, 朱元倩. SCCA方法与系统性风险度量[J]. 金融监管研究, 2013,(3):1-12.

[21] 李志辉, 李源, 李政. 中国银行业系统性风险监测研究——基于SCCA技术的实现与优化[J]. 金融研究, 2016,(3):92-106.

[22] 王擎, 白雪, 牛锋. 我国商业银行的系统性风险测度及影响因素研究——基于CCA-POT-Copula方法的分析[J]. 当代经济科学, 2016, 38(2):1-9.

[23] 叶五一, 谭轲祺, 缪柏其. 基于动态因子Copula模型的行业间系统性风险分析[J]. 中国管理科学, 2018,26(3):1-12.

[24] 陆静, 张佳. 基于极值理论和多元Copula函数的商业银行操作风险计量研究[J]. 中国管理科学, 2013, 21(3):11-19.

[25] 史道济. 实用极值统计方法[M]. 天津:天津科学技术出版社, 2006.

[26] 韩超, 严太华. 基于高维动态藤Copula的汇率组合风险分析[J]. 中国管理科学, 2017, 25(2):10-20.

[27] Dumouchel W H. Stable distributions in statistical inference:2. Information from stably distributed samples[J]. Publication of the American Statistical Association, 1975, 70(350):386-393.

[28] 杨坤, 于文华, 魏宇. 基于R-vine copula的原油市场极端风险动态测度研究[J]. 中国管理科学, 2017, 25(8):19-29.

[29] 花拥军, 张宗益. 基于峰度法的POT模型对沪深股市极端风险的度量[J]. 系统工程理论与实践, 2010, 30(5):786-796.

[30] Sklar M. Fonctions de repartition an dimensions et leurs marges[J]. Publ. Inst. Statist. Univ. Paris, 1959, 8:229-231.

[31] Nelsen R B. An introduction to Copulas[M]. New York:Springer, 2006.

[32] Anderson T W. Maximum likelihood estimates for a multivariate normal distribution when some observations are missing[J]. Journal of the American Statistical Association, 1957, 52(278):200-203.

[33] Patton A J. Estimation of multivariate models for time series of possibly different lengths[J]. Journal of Applied Econometrics, 2006, 21(2):147-173.

[34] 王妍, 陈守东. 尾部极值分布下的系统性金融风险度量及影响因素分析[J]. 数理统计与管理, 2014, 33(6):1010-1020.

[35] 聂庆平. 2015年股市异常波动的原因、性质及应对[J]. 经济导刊, 2017,(6):32-39.

[36] 谢百三, 童鑫来. 中国2015年"股灾"的反思及建议[J]. 价格理论与实践, 2015,(12):29-32.

中国证券公司系统性风险测度及演化特征研究——来自20家上市证券公司的数据

Research on Systematic Risk Measurement and Evolution Characteristics of China's Securities Companies——Empirical Data from 20 Listed Securities Companies

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10

[1]	王宗润, 陈曦. 心理因素、交易环境变化与结构性产品风险测度:一个研究综述[J]. 中国管理科学, 2020, 28(8): 15-29.
[2]	李红权, 何敏园, 黄莹莹. 我国金融机构的系统重要性评估:基于多元极值理论[J]. 中国管理科学, 2020, 28(5): 14-24.
[3]	姜闪闪, 范宏. 双渠道风险传染下银行系统稳定性分析[J]. 中国管理科学, 2020, 28(11): 51-60.
[4]	姚鸿, 王超, 何建敏, 李亮. 银行投资组合多元化与系统性风险的关系研究[J]. 中国管理科学, 2019, 27(2): 9-18.
[5]	朱晓谦, 李靖宇, 李建平, 陈懿冰, 魏璐. 基于危机条件概率的系统性风险度量研究[J]. 中国管理科学, 2018, 26(6): 1-7.
[6]	叶五一, 谭轲祺, 缪柏其. 基于动态因子Copula模型的行业间系统性风险分析[J]. 中国管理科学, 2018, 26(3): 1-12.
[7]	曾裕峰, 简志宏, 彭伟. 中国金融业不同板块间风险传导的非对称性研究——基于非对称MVMQ-CAViaR模型的实证分析[J]. 中国管理科学, 2017, 25(8): 58-67.
[8]	隋聪, 谭照林, 王宗尧. 基于网络视角的银行业系统性风险度量方法[J]. 中国管理科学, 2016, 24(5): 54-64.
[9]	邓超, 陈学军. 基于多主体建模分析的银行间网络系统性风险研究[J]. 中国管理科学, 2016, 24(1): 67-75.
[10]	彭建刚, 易昊, 潘凌遥. 基于行业相关性的银行业信用风险宏观压力测试研究[J]. 中国管理科学, 2015, 23(4): 11-19.
[11]	刘孟飞, 王军. 系统性风险约束下的商业银行成本、利润效率比较研究[J]. 中国管理科学, 2015, 23(12): 27-34.
[12]	欧阳红兵, 刘晓东. 中国金融机构的系统重要性及系统性风险传染机制分析——基于复杂网络的视角[J]. 中国管理科学, 2015, 23(10): 30-37.
[13]	姬新龙, 周孝华. 基于马尔科夫随机波动和极值理论的风险测度[J]. 中国管理科学, 2014, 22(10): 44-51.
[14]	淳伟德, 陈王, 潘攀. 典型事实约束下的上海燃油期货市场动态VaR测度研究[J]. 中国管理科学, 2013, (2): 24-31.
[15]	李晓峰, 徐玖平. 基于物元与可拓集合理论的企业技术创新综合风险测度模型[J]. 中国管理科学, 2011, 19(3): 103-110.