论文题目：基于高斯图模型的中国系统性风险动态监管机制研究
摘要：2007～2009年国际金融危机以来,全球在防范金融体系系统性风险和维护金融体系稳定方面取得了共识,金融监管的重心也逐渐由关注单个金融机构的微观审慎监管转移到关注整个金融体系的宏观审慎监管。2010年12月,由巴塞尔银行监管委员会制定通过的巴塞尔协议Ⅲ着重强调了“逆周期监管”的重要性,从单纯重视“微观审慎”转变为“宏微观审慎相结合”监管,以防范系统性风险。宏观审慎监管的重要性日渐被国际社会认同,各国都逐步加强监管力度,进一步完善系统性风险监管体系。面对日趋严峻复杂的国内外经济环境,我国积极推动系统性风险宏观审慎监管框架的改革与完善,在“十三五”规划纲要中明确指出“加强金融宏观审慎管理制度建设,加强统筹协调,改革并完善适应现代金融市场发展的金融监管框架”。2017年底召开的中央经济工作会议强调,今后三年要打好防范化解重大风险的攻坚战,重点是防控金融风险,促进形成金融和实体经济、金融和房地产、金融体系内部的良性循环。系统性风险已逐渐成为学术界和监管当局关注的焦点,众多学者对系统性风险的成因、度量和监管进行了研究。Allen等（2002）指出高杠杆是引起一国爆发经济金融危机的重要因素。Adrian和Brunnermeier（2011）使用Co Va R方法对单个金融机构的系统性风险贡献度进行了度量,马建堂等（2016）给出了我国系统性金融风险监管与防范的详细对策建议。从已有文献的研究成果来看,学者们对系统性风险的研究形成了较为丰富的成果,但研究对象大多仅局限于银行或者金融机构,而忽视实体企业的作用。同时,国内有关如何准确构建中国系统性风险动态关联网络以及从网络视角探讨系统性风险的动态监管机制的研究也较少,没有形成一个完整的讨论框架。面对新时期复杂的经济金融环境,究竟如何准确识别我国系统性风险所处的状态并构建“经济范围内”的风险关联网络?不同时期金融机构间、金融机构与实体企业间的风险关联机制有何特征?除金融机构外,是否需要对系统重要性实体企业和行业进行识别和监管?去杠杆背景下,系统性风险的动态演变又如何与企业资本结构的动态调整产生交互作用?本文试图基于系统性风险关联网络视角对这些问题进行回答,这对我国系统重要性金融机构的识别、经济范围内系统重要性演化信息的监测和系统性风险动态监管与防范政策的完善具有重要意义。本文基于高斯图模型和贝叶斯推断方法构建全行业的系统性风险关联网络,不仅关注金融机构,还把实体企业纳入统一分析的框架,同时嵌入马尔科夫区制转换模型将系统性风险区分为“高”“低”两种状态,深入探讨整个市场系统性风险关联网络的结构特征和动态演变,并对各金融机构、实体企业及行业的系统重要性进行测算排序。最后从系统性风险的形成内因出发,探讨系统性风险动态演变与企业资本结构动态调整间的交互作用。本文总共包括五章,第一章为绪论,介绍了本文的研究背景、研究意义、研究方法、研究内容以及创新之处。第二章为文献综述,从系统性风险研究、系统重要性度量、系统性风险与企业资本结构、企业资本结构动态调整这四个方面,对各自的理论发展及研究现状进行了简单概括和阐述,最后对已有研究进行了简要评述。第三章为研究设计,首先,详细阐述了本文在构建系统性风险动态关联网络时所使用的模型——高斯图模型和马尔科夫区制转换模型,给出了系统重要性度量指标的具体计算方法。其次,详细阐述了网络结构和模型参数的贝叶斯推断原理,基于马尔科夫链蒙特卡洛模拟方法给出了具体的参数采样算法。最后,对企业资本结构的计算和资本结构动态调整速度的估计原理进行了说明,探讨系统性风险动态演变与企业资本结构动态调整的交互作用机理。第四章为实证分析,本文选取2008年1月至2019年6月沪深300指数所有成分股的每日交易数据和资产负债表季度数据进行实证分析。首先基于第三章的模型基础和技术方法,使用Gibbs采样算法得到5000个有效的待估参数样本,在此基础上得到系统性风险的“高”“低”状态在整个样本期的分布情况、不同系统性风险状态下的关联网络结构及各个企业的系统重要性测度结果并总结分析,为系统性风险的动态监管提供现实依据。其次,使用局部调整模型对不同系统性风险状态下不同行业和不同系统重要性企业的资本结构动态调整速度进行估计,根据回归结果对比总结,理清系统性风险动态演变与企业资本结构动态调整的交互作用。第五章为结论与展望。本章在总结全文研究结果的基础上,结合目前中国金融市场现状,为中国系统性风险的动态监管与防范提供具体的政策意见,并针对研究过程中存在的不足提出相应的研究展望。本文得到的研究结论主要有:（1）我国系统性风险的演变存在明显的区制转换现象,不同系统性风险状态下的风险关联网络结构存在显著差异,高系统性风险状态下的网络关联性更强。（2）不同系统性风险状态下各行业在关联网络中的系统重要性存在差异,金融行业始终占据网络的中心地位,呈现“太关联而不能倒”的特性,部分实体行业如能源和材料行业的系统重要性较高,在网络中扮演重要角色。（3）企业资本结构对其系统重要性有着显著的影响,资本结构水平越高,企业系统重要性越高。（4）不同系统重要性大小、不同行业的企业资本结构动态调整速度存在差异,系统重要性高的企业的调整速度慢于系统重要性低的企业,金融行业慢于非金融行业。（5）系统性风险的上升会减缓资本结构动态调整的速度,影响程度在不同行业之间存在显著差异,金融行业受到的影响明显大于非金融行业。本文研究的主要创新点主要体现为:（1）基于高斯图模型和马尔科夫区制转换原理构建系统性风险的动态关联网络,使用条件相关性刻画金融机构间、金融机构与实体企业间的相互关联,为刻画中国全行业系统性风险的高维关联问题提供了新思路;（2）立足于全局视角,不仅关注了系统重要性金融机构,还对系统重要性实体企业和行业进行了识别,拓宽了系统性风险宏观审慎监管的关注面;（3）从企业资本结构动态调整视角切入,通过把握系统性风险动态演变与资本结构动态调整间的交互作用,深入探讨了系统性风险的监管与防范,这为系统性风险的防范研究提供了新的方向。由于研究水平有限,本文仍存在以下几点不足:（1）在基于高斯图模型构建系统性风险关联网络时,采用增/减Metropolis-Hasting算法迭代生成具体的网络结构,当网络中企业的数目较大时,算法需要较大的迭代次数才能保证网络结构收敛于平稳分布,具备较高的时间成本。（2）本文只是以回溯的方式将整个样本期划分为系统性风险“高”“低”两种状态,未能预测在未来一段时间内整个市场将处于何种状态。因此后续研究可以考虑对算法进行进一步优化或寻找更为行之有效的算法来求解风险关联网络结构,同时借助宏观经济指标、企业特征指标等建立多维度指标预警机制,对系统性风险状态进行预测。
关键词：系统性风险;关联网络;资本结构动态调整;高斯图模型;贝叶斯推断
学科专业：金融工程
摘要
Abstract
1.绪论
1.1 研究背景
1.2 研究意义
1.3 研究方法
1.4 研究内容
1.5 创新之处
2.文献综述
2.1 系统性风险研究
2.2 系统重要性度量
2.3 系统性风险与企业资本结构
2.4 企业资本结构动态调整
2.5 简要评述
3.研究设计
3.1 系统性风险关联网络的构建
3.1.1 图模型理论基础
3.1.2 基于高斯图模型的关联网络构建
3.2 企业和行业的系统重要性度量
3.3 系统性风险的动态演变
3.3.1 马尔科夫区制转换模型的嵌入
3.3.2 系统性风险状态的识别
3.4 网络结构和模型参数的贝叶斯推断
3.4.1 先验分布和后验分布
3.4.2 马尔科夫链蒙特卡洛模拟
3.4.3 网络结构的最大后验概率估计
3.4.4 模型参数的贝叶斯估计
3.5 系统性风险动态演变与资本结构动态调整的交互作用
3.5.1 企业资本结构动态调整速度的计算
3.5.2 交互作用机理分析
3.6 本章小结
4.实证分析
4.1 样本选取和超参数设定
4.2 网络结构和模型参数的估计结果分析
4.2.1 两种系统性风险状态的分布
4.2.2 因子模型回归系数的演化特征
4.2.3 系统性风险关联网络结构
4.3 企业和行业的系统重要性度量结果分析
4.3.1 企业的系统重要性排序
4.3.2 行业的系统重要性排序
4.4 不同系统性风险状态下的企业资本结构特征
4.4.1 企业资本结构分组描述性统计
4.4.2 企业资本结构与系统重要性的关系分析
4.5 不同分组下企业资本结构动态调整机制差异
4.5.1 分状态下不同系统重要性企业的资本结构动态调整速度
4.5.2 分状态下不同行业的资本结构动态调整速度
4.5.3 稳健性检验
4.6 本章小结
5.结论与展望
5.1 研究结论
5.2 政策建议
5.3 研究展望
参考文献
致谢