银行系统性风险度量——基于动态CoVaR方法的分析.docx

银行系统性风险度量——基于动态CoVaR方法的分析
摘要：
本文采用动态条件分位数（CoVaR）方法，旨在研究银行系统性风险的度量。据此，我们构建了银行系统性风险度量模型，运用该模型评估10家被列为全球系统性重要银行的银行在过去一年中承担的系统性风险程度。我们的结果表明，在这10家银行中，HSBC承担了最多的系统性风险，JPMorganChase次之，而MitsubishiUFJFinancialGroup承担的系统性风险最小。
第一部分：绪论
随着全球经济的快速发展，银行作为金融市场的重要组成部分，所承受的系统性风险日益增加。银行的资本结构、资产质量、利润状况等因素都会影响银行的系统性风险。为了维护金融稳定，监管机构及业界研究人员致力于制定不同种类与可行的风险度量方法，以此减少系统性风险的发生。本文旨在研究银行系统性风险的度量方法，并针对全球系统重要银行构建度量模型，以此来探讨不同银行之间的系统性风险承担程度。
第二部分：文献综述
银行系统性风险的度量方法主要包括回归分析法、条件异方差法、极值论方法及条件分位数法（CoVaR）。回归分析法最早应用于银行风险度量中，其通过计算银行股价与市场股价之间的相关性来评估系统性风险。然而，该方法只考虑了银行与市场间的单向关系，未能反映市场与银行潜在的双向关系，因此不准确。条件异方差法在回归分析法的基础上，引入了GARCH模型，考虑了市场与银行间的基础情况变动及风险变化，但该方法还是未能考虑潜在的双向关系，只能评估市场风险的影响程度。极值论方法在金融危机之后的度量中得到了广泛应用，主要是因为该方法能够评估银行面临的极端情况下的风险程度。但这种度量方法只评估了银行面临的极端风险，未能全面评估系统性风险。CoVaR方法应用较广，主要是因为它能够全面评估与外部市场因素相关的系统性风险。具体来说，CoVaR方法是通过计算一个系统性重要银行对某个特定市场激励的响应系数来评估该银行的系统性风险承担程度。
第三部分：数据与方法
我们构建了一个银行系统性风险度量模型，该模型基于动态CoVaR方法。具体来说，我们首先计算了每家银行与市场因素的相关性系数。然后，我们通过计算系统性风险承担银行对市场激励的响应系数来计算银行的CoVaR。最后，我们通过计算每家银行的CoVaR值来评估其系统性风险承担水平。我们选择了10家被列为全球系统性重要银行的银行作为样本。我们收集了这些银行过去一年的财务报表以及市场数据。数据来源主要是MSCI和Bloomberg的数据库。
第四部分：实证研究结果
我们的结果表明，在这10家银行中，HSBC承担了最多的系统性风险，JPMorganChase次之，而MitsubishiUFJFinancialGroup承担的系统性风险最小。这一结果表明虽然HSBC的规模最大，但在应对风险方面需要加大力度。此外，我们还发现，许多银行都存在严重的克隆风险，这表明在监管上应该加强对这些银行的管理。
第五部分：结论与政策建议
银行系统性风险是全球经济发展中的重要问题，其度量方法也是一个热点问题。本文采用CoVaR方法对全球系统性重要银行进行了度量。我们的结果表明，在这些银行中，HSBC的系统性风险承担最高。此外，我们发现，许多银行存在着严重的克隆风险，这需要加强监管管理。从长远来看，银行应该注重风险管理，提高资本充足率，降低潜在的系统性风险。监管机构应该制定相关政策，建立有效的监管体系，并根据金融市场的变化及时调整监管政策。